ocena wpływu realizacji polityki spójności na ... · spójności na najważniejsze wskaźniki...
TRANSCRIPT
Ocena wpływu realizacji polityki spójności
na kształtowanie się wybranych wskaźników
makroekonomicznych na poziomie krajowym
i regionalnym za pomocą modelu EUImpactMOD
raport 2017
imapp sp. z o.o. ul. Bukowioska 22B 02-703 Warszawa [email protected]
www.imapp.pl
Fundacja Naukowa Instytut Badao Strukturalnych
ul. Wiśniowa 40B 02-516 Warszawa, Polska
[email protected] www.ibs.org.pl
3
Spis treści Spis treści ----------------------------------------------------------------------------------------------------------------------- 3
Streszczenie -------------------------------------------------------------------------------------------------------------------- 4
1 Metodologia badania ------------------------------------------------------------------------------------------------- 6
1.1 Moduły modelu -------------------------------------------------------------------------------------------------- 6
1.2 Ogólny opis teorii i założeo modelu DSGE ----------------------------------------------------------------- 6
1.3 Najważniejsze podmioty gospodarcze w modelu DSGE ------------------------------------------------ 8
1.4 Model Ekonometryczny -------------------------------------------------------------------------------------- 10
1.5 Sposób wyznaczania parametrów ------------------------------------------------------------------------- 11
1.6 Opis wykorzystywanych danych --------------------------------------------------------------------------- 12
1.7 Sposób uwzględnienia w modelu wpływu środków UE ---------------------------------------------- 12
2 Wyniki symulacji na poziomie krajowym ----------------------------------------------------------------------- 14
2.1 Produkt krajowy brutto i potencjał wytwórczy--------------------------------------------------------- 14
2.2 Rynek pracy i bezrobocie ------------------------------------------------------------------------------------ 18
2.3 Wydajnośd pracy i inwestycje ------------------------------------------------------------------------------ 21
2.4 Wymiana handlowa i rozliczenia z zagranicą ----------------------------------------------------------- 24
2.5 Sektor finansów publicznych ------------------------------------------------------------------------------- 28
2.6 Pozostałe wskaźniki ------------------------------------------------------------------------------------------- 30
3 Wyniki symulacji na poziomie regionalnym ------------------------------------------------------------------- 36
3.1 Produkt krajowy brutto -------------------------------------------------------------------------------------- 36
3.2 Rynek pracy i bezrobocie ------------------------------------------------------------------------------------ 39
3.3 Wydajnośd pracy i inwestycje ------------------------------------------------------------------------------ 41
4 Wnioski ----------------------------------------------------------------------------------------------------------------- 43
Załącznik 1. Wybrane równania modelu z perspektywy prognozowanych zmiennych -------------------- 44
1.1 Konwencja notacyjna modelu ------------------------------------------------------------------------------ 44
1.2 Mechanika modelu -------------------------------------------------------------------------------------------- 45
1.3 Zmienne rynku pracy ----------------------------------------------------------------------------------------- 47
1.4 Produkt ----------------------------------------------------------------------------------------------------------- 50
1.5 Inwestycje ------------------------------------------------------------------------------------------------------- 50
1.6 Zmienne fiskalne ----------------------------------------------------------------------------------------------- 51
1.7 Zmienne monetarne ------------------------------------------------------------------------------------------ 52
1.8 Zmienne wymiany międzynarodowej -------------------------------------------------------------------- 52
4
Streszczenie Badanie pt. Ocena wpływu realizacji polityki spójności na kształtowanie się wybranych wskaźników
makroekonomicznych na poziomie krajowym i regionalnym za pomocą modelu EUImpactMOD
zostało przeprowadzone przez Imapp oraz Instytut Badao Strukturalnych na zlecenie Ministerstwa
Rozwoju. Celem badania było oszacowanie wpływu realizacji polityki spójności na zmianę wartości
poszczególnych wskaźników makroekonomicznych. Do wykonania oszacowao wykorzystano model
EUImpactMOD należący do klasy modeli dynamicznej, stochastycznej równowagi ogólnej (DSGE, ang.
Dynamic Stochastic General Equilibrium). Dodatkowo, częśd wskaźników zostało oszacowanych za
pomocą modułu ekonometrycznego.
W badaniu uwzględniono wpływ środków polityki spójności z 3 perspektyw finansowych:
Narodowego Planu Rozwoju 2004-2006, Narodowych Strategicznych Ram Odniesienia 2007-2013
oraz Umowy Partnerstwa 2014-2020, o łącznej wartości ponad 660 mld zł. Środki te zostały
podzielone na 3 kategorie ekonomiczne: infrastrukturę podstawową, bezpośrednie wsparcie
przedsiębiorstw i rozwój kapitału ludzkiego. Oszacowanie wpływu wydatkowania środków w ramach
każdej z tych kategorii zostały dokonane oddzielnie, tak by dokładniej uwzględnid w modelowaniu
specyfikę finansowanych projektów.
Wyniki przeprowadzonych symulacji wskazują na jednoznacznie pozytywny wpływ realizacji
polityki spójności na kształtowanie się najważniejszych wskaźników makroekonomicznych.
Szacujemy, że w 2016 r. poziom PKB był o 5,5% wyższy niż w alternatywnym scenariuszu bez
funduszy UE. Spowodowało to przyspieszenie realnej konwergencji gospodarki Polski do krajów Unii
Europejskiej. W 2016 r. poziom PKB per capita (wg parytetu siły nabywczej) osiągnął wartośd 69,2%
średniej krajów UE-28, o 3,6 p.p. więcej, niż w scenariuszu bez funduszy UE. Dla porównania, PKB per
capita w relacji do średniej UE-28 wzrósł w latach 2004-2016 z 50,2% do 69,2%, co oznacza, że środki
unijne odpowiadają za ok. 19% całkowitego wzrostu obserwowanego w tym okresie.
Środki polityki spójności przyczyniły się również do wyraźnej poprawy sytuacji na rynku pracy. W
2016 r. wartośd wskaźnika zatrudniania była o 2,3 p.p. wyższa niż w alternatywnym scenariuszu bez
funduszy, a stopa bezrobocia - o 2,1 p.p. niższa. Szczególnie istotne było stymulujące oddziaływanie
środków europejskich na poziom aktywności gospodarczej w trakcie drugiej fali kryzysu finansowego
(2012-2013), co przyczyniło się do zahamowania wzrostu bezrobocia w tym okresie. W kolejnych
latach, znaczenie realizacji polityki spójności będzie maled z uwagi na oczekiwane znaczące
polepszenie sytuacji na rynku pracy niezależnie od napływu środków unijnych.
Realizacja polityki spójności przyczyniła się również do spowolnienia procesu dywergencji w
rozwoju gospodarczym obserwowanej na poziomie województw. Wyniki przeprowadzonych
symulacji wskazują, że środki europejskie najsilniej stymulowały wzrost gospodarczy w
najbiedniejszych regionach kraju, w tym zwłaszcza województwach Polski Wschodniej. Wynika to z
faktu, że regiony te otrzymały w perspektywie finansowej 2007-2013 relatywnie więcej funduszy
(zwłaszcza w relacji do ich poziomu PKB) niż pozostałe województwa. Także w obecnej perspektywie
finansowej, województwa Polski Wschodniej otrzymają więcej środków, przez co wpływ funduszy UE
na poziom PKB będzie w nich największy.
5
Executive summary
An evaluation entitled „An assessment of Cohesion Policy’s impact on selected macroeconomic
indicators at national and regional levels using EUImpactMOD model” was commissioned by the
Ministry of Economic Development and conducted by imapp and Institute for Structural Research. Its
main objective was to estimate the impact of Cohesion Policy on macroeconomic indicators. The
analysis was based on the EUImpactMOD model, which uses DSGE (Dynamic Stochastic General
Equilibrium) framework. In addition, some indicators were estimated using an econometric module.
This analysis covered the impact of Cohesion Policy funds implemented under three financial
perspectives: National Development Plan 2004-2016, National Strategic Framework 2007-2013 and
Partnership Agreement 2014-2020, which amounted to over PLN 660 billion. These interventions
were broken into three distinct economic categories: basic infrastructure, direct enterprise support
and human capital developments. Impacts of each category were computed separately, thus taking
into account unique economic properties of each project type considered.
Results of our simulations clearly indicate a positive impact of Cohesion Policy on the most
important macroeconomic indicators. We estimate that by the end of 2016 r. the level of GDP was
5.5% higher in comparison with the alternative ‘no-EU-funds’ scenario. This contributed to a faster
pace of real convergence of the Polish economy to other EU member states. The level of GDP per
capita (adjusted for purchasing power parity) amounted to 69.2% of the EU average, which is 3.6.
percentage points more than in the baseline scenario. As this indicator rose form 50.2% in 2004, the
contribution of the Cohesion Policy in real convergence can be estimated at 19%.
Programmes funded under Cohesion Policy had a positive impact on the Polish labor market as
well. In 2016 the employment rate was 2.3 p.p. higher that in the baseline scenario, while the
unemployment rate – 2.1 p.p. lower. This impact was particularly profound in the second stage of the
financial crisis (2012-2013) and resulted in neutralizing the growth of unemployment. In the
following years, the significance of Cohesion Policy is expected to be smaller due to an overall
improvement of the situation in the labor market, independent of the flow of EU-funds.
Another effect of Cohesion Policy is a lowered pace of divergence in terms of economic
development at the voivodship level. Our simulations imply that EU-funds had the most significant
impact on the least-developed regions, notably in Eastern Poland, which received comparatively
higher funding in the 2007-2013 programming period especially relative to regional GDP. The results
are similar in the current financial perspective as well, due to the high share of funding awarded to
the regions of Eastern Poland.
6
1 Metodologia badania
1.1 Moduły modelu Model EUImpactMod IV wykorzystany do wykonania symulacji składa się z dwóch powiązanych
modułów. Podstawowym modułem jest model dynamicznej, stochastycznej równowagi ogólnej
(DSGE, ang. Dynamic Stochastic General Equilibrium). Model ten pozwala oszacowad efekty polityki
spójności na najważniejsze wskaźniki makroekonomiczne (w tym na PKB, zatrudnienie i inwestycje).
Drugim, dodatkowym modułem jest model ekonometryczny. Model ten wykorzystuje wyniki z
modelu DSGE do oszacowania wpływu polityki na wskaźniki, które odznaczają się wysokim poziomem
dezagregacji oraz wymagają uwzględnienia heterogeniczności podmiotów (wskaźniki zagrożenia
relatywnym ubóstwem, wykluczeniem społecznym, współczynnik Gini’ego oraz pozostałe wskaźniki
znajdujące się na koocu listy wskaźników określonej w SOPZ).
1.2 Ogólny opis teorii i założeń modelu DSGE Modele oparte na strukturze DSGE, w której zbudowany został model EUImpactMod IV, stanowią
fundament współczesnej makroekonomii. Metodologia ta integruje w jednej, w pełni spójnej teorii
wiele gałęzi makroekonomii w tym: (1) teorię wzrostu gospodarczego, (2) teorię realnego cyklu
koniunkturalnego, (3) ekonomię monetarną i teorię pieniądza, (4) nową ekonomię Keynesowską
uwzględniającą nominalne i realne frykcje gospodarcze, (5) ekonomię pracy, (6) teorię finansów i
rynków finansowych, (7) teorię handlu międzynarodowego i gospodarki otwartej, (8) ekonomię
sektora publicznego i teorię wydatków publicznych i opodatkowania.
Wykorzystanie w modelu EUImpactMod IV metodologii DSGE oznacza, że ma on silne podstawy
mikroekonomiczne tzn. równania (nazywane niekiedy równaniami behawioralnymi) składające się
na model w sposób bezpośredni wynikają z rozwiązania zestawu dynamicznych problemów
optymalizacyjnych przy ograniczeniach opisujących zachowanie się działających w warunkach
niepewności podmiotów gospodarujących. W przypadku gospodarstw domowych problem
optymalizacyjny polega na zmaksymalizowaniu zdyskontowanej użyteczności poprzez optymalne
wybory poziomu konsumpcji poszczególnych dóbr oraz zmiennych związanych z rynkiem pracy.
Natomiast firmy podejmują decyzje związane z wielkością i strukturą produkcji (w tym zużycia
poszczególnych środków produkcji) mając na celu maksymalizację zdyskontowanych oczekiwanych
zysków. Wszystkie podmioty w gospodarce są ograniczone własnymi wielookresowymi
ograniczeniami budżetowymi oraz swoją wiedzą o całej gospodarce w tym o rodzaju decyzji
podejmowanych przez inne podmioty. Dzięki tak szczegółowej strukturze modelu, mnożniki
wydatkowe mierzące siłę reakcji gospodarki na zmiany w skali i strukturze wydatków rządowych są
w ramach modeli DSGE szacowane znacznie dokładniej niż w modelach innych typów.
Ponadto wybór DSGE jako metody badawczej umożliwi uwzględnienie w modelu EUImpactMod IV
rozbudowanego segmentu przedstawiającego interwencję publiczną prowadzoną za pomocą
wydatków publicznych. Model rozróżnia trzy główne kanały wykorzystania środków unijnych:
inwestycje w infrastrukturę podstawową (w tym transportową, telekomunikacyjną i społeczną,
energetyczną, środowiskową i wodną oraz ochrony zdrowia), rozwój zasobów ludzkich (w tym
edukacja, szkolenie, badania i rozwój) oraz bezpośrednie wsparcie sektora przedsiębiorstw (w
rozbiciu na sektory). Tak szczegółowa struktura pozwala na wkomponowanie wsparcia z funduszy
unijnych w strukturę gospodarki przy uwzględnieniu współfinansowanie wsparcia ze środków
krajowych.
Jedną z najważniejszych cech modelu, która umożliwia precyzyjną projekcję dynamiki na rynku pracy
jest włączenie mechanizmu dopasowao i poszukiwao (ang. search and matching) wraz
7
z mechanizmem negocjacji płacowych Nasha do segmentu rynku pracy, zgodnie z najnowszymi
ustaleniami teoretycznymi i empirycznymi ekonomii pracy. Model bierze pod uwagę zależnośd
między prawdopodobieostwem znalezienia pracy, liczbą wakatów tworzonych przez firmy a
wzrostem gospodarczym w krótkim i w średnim horyzoncie czasowym. Dzięki temu, możliwa staje się
bezpośrednia analiza wpływu polityki na bezrobocie, zatrudnienie i wynagrodzenia.
W EUImpactMod IV jest modelem wielosektorowym. Zakłada się podział na trzy główne sektory
gospodarcze (wg PKD 2007). Zależności pomiędzy tymi sektorami (w postaci wykorzystania zużycia
dóbr pośrednich w produkcji w każdym z tych sektorów) są skalibrowane do najnowszej tablicy
przepływów międzygałęziowych dostępnej dla Polski na stronach Głównego Urzędu Statystycznego.
Takie podejście umożliwia wiarygodne oszacowanie siły i kierunku rozprzestrzeniania się szoków
pomiędzy sektorami. Model jest więc w stanie oszacowad zmiany struktury wartości dodanej oraz
przepływy siły roboczej pomiędzy sektorami.
W trzech głównych sektorach gospodarczych wytwarzane są dobra o różnym stopniu przetworzenia:
sektor I (sekcja A),
sektor II (sekcje B - F), z wyróżnieniem sekcji przetwórstwo przemysłowe (C)
sektor III (sekcje G-U) , z wyróżnieniem usług rynkowych (G-N, R-T),
Z produktów wytwarzanych w powyższych sektorach wytwarzanych jest dziewięd rodzajów dóbr
finalnych: konsumpcyjne, inwestycyjne, dystrybucyjne, finansowe, energetyczne, ochronę zdrowia,
ochronę środowiska i wody, edukacje i szkolenia oraz pozostałą konsumpcję publiczną.
Konstrukcja modelu EUImpactMod IV zapewnia zgodnośd z wytycznymi Komisji Europejskiej (por.
(2007-2013 Nowy okres programowania. Metodologiczny dokument roboczy).
8
1.3 Najważniejsze podmioty gospodarcze w modelu DSGE
Rysunek 1 Ogólny schemat modelu EUImpactMod IV
Źródło: Opracowanie własne.
W modelu równowaga ogólna ustala się jako wynik decyzji optymalizacyjnych podejmowanych przez
gospodarstwa domowe i przedsiębiorstwa przy danej interwencji sektora publicznego, wsparciu z
funduszy unijnych i zmian zagranicą przy dostosowaniu się wszystkich cen produktów oraz wysokości
wynagrodzeo w każdym sektorze. Ogólny zarys struktury modelu przedstawia zamieszczony powyżej
Rysunek 1. Poniżej przedstawiono charakterystykę głównych segmentów modelu, w tym:
gospodarstw domowych, firm, rynku pracy, banku centralnego i banków komercyjnych, rządu,
wsparcia z funduszy unijnych oraz zagranicy.
1.3.1 Gospodarstwa domowe W ramach modelu wyróżnia się trzy typy członków gospodarstw domowych: osoby pracujące, osoby
bezrobotne i krótkotrwale nieaktywne zawodowo oraz osoby długotrwale bierne zawodowo.
Problem optymalizacyjny Gospodarstw domowych polega na maksymalizacji dożywotniej
użyteczności. Użytecznośd jest rosnącą funkcją konsumpcji dóbr i usług oraz z czasu wolnego. Zakłada
Rynek pracy
Firmy
Rynek dóbr
Rynek kapitałowy
Banki
Rząd
Gospodarstwa domowe
Bank centralny
Usługi finansowe
konsumpcja
podaż dóbr
płace
zyski, dywidendy
obligacje
odsetki
rezerwy
depozyty
akcje
podaż pracy
konsumpcja
publiczna,
VAT
zyski
CIT
popyt
siła robocza
zyski, dywidendy
akcje
PIT, podatek kapitałowy
kredyty,
odsetki
obligacje
zagranica
obligacje
zagranica
wymiana dóbr i usług
wsparcie z
funduszy unijnych
transfery,
wsparcie akumulacji
kapitału ludzkiego
bezpośrednie wsparcie
inwestycje w kapitał publiczny
zagranica
wymiana kapitału
9
się, że użytecznośd w przyszłych okresach jest zdyskontowana. W procesie maksymalizacji
gospodarstwa domowe biorą pod uwagę ograniczenie budżetowe, zgodnie z którym dochody
gospodarstw domowych są równe ich wydatkom. Optymalizacja użyteczności gospodarstw
domowych prowadzi do wyznaczenia ekstensywnej i intensywnej podaży pracy, popytu
konsumpcyjnego, wielkości depozytów bankowych, a także popytu na pieniądz oraz na krajowe i
zagraniczne obligacje rządowe.
1.3.2 Firmy W każdym sektorze gospodarki, firmy produkcyjne rozwiązują problem optymalizacyjny podejmując
decyzje o produkcji dóbr pośrednich, poziomie zapasów, wielkości inwestycji oraz popycie na
pracę. Firmy otwierają także wakaty i negocjują stawki płac dla gospodarstw domowych.
Dodatkowo biorą one udział w wymianie handlowej z zagranicą poprzez import dóbr pośrednich oraz
eksport dóbr, które produkują. Przedsiębiorstwa zależą także od sektora rządowego poprzez podatki
pośrednie od wartości dodanej oraz bezpośrednie wsparcie dla sektora przedsiębiorstw przyjmujące
postad ulg inwestycyjnych.
1.3.3 Rynek pracy Rynek pracy jest modelowany z wykorzystaniem mechanizmu poszukiwao i dopasowao opisanego w
pracach Mortensena (1989) i Pissaridesa (1990). Pracodawcy otwierają nowe miejsca pracy w postaci
początkowo niezapełnionych wakatów. Z drugiej strony bezrobotni poszukują zatrudnienia
odpowiadając na wakaty firm. Prawdopodobieostwo zapełnienia wakatu (tzn. dopasowania
odpowiedniego bezrobotnego do miejsca pracy) jest funkcją stosunku całkowitej liczby bezrobotnych
do całkowitej liczby wakatów. Podobnie, prawdopodobieostwo znalezienia odpowiedniego wakatu
przez bezrobotnego jest funkcją stosunku całkowitej liczby wakatów do całkowitej liczby
bezrobotnych. Ze względu na niedoskonałości rynku pracy, w jednym i w drugim przypadku (przy
skooczonej liczbie bezrobotnych i wakatów) prawdopodobieostwo to jest mniejsze od jedynki.
Ponieważ nie każdy bezrobotny odnajdzie dopasowane miejsce pracy, w gospodarce pojawia się
bezrobocie. Bezrobocie to jednak maleje w okresach w których firmy zwiększają liczby wakatów, na
przykład na skutek ożywienia gospodarczego.
1.3.4 Rząd W modelu rząd prowadzi politykę fiskalną, która przybiera kilka form. Po pierwsze, przychody rządu
stanowią podatki nałożone na konsumpcję, pracę i kapitał, emisję nowych obligacji na rynek krajowy i
zagraniczny, a także z zysku z operacji otwartego rynku przekazanego przez bank centralny. Po drugi,
na wydatki rządu składają się wydatki na konsumpcję publiczną i transfery do gospodarstw
domowych w postaci zasiłków dla bezrobotnych, emerytur i rent oraz transferów ryczałtowych.
Ponadto, wydatkami rządowymi są także koszty związane z finansowaniem długu. Wydatkami rządu
są także wydatki finansowane ze środków UE w ramach trzech kategorii: infrastruktura podstawowa,
bezpośrednie wsparcie dla sektora przedsiębiorstw i rozwój zasobów ludzkich.
Projekcja wyniku Sektora Finansów Publicznych (SFP) została oparta na następującym założeniu: wydatki SFP w scenariuszu z funduszami są równe wydatkom SFP w scenariuszu bez funduszy powiększonym o wydatki na współfinansowanie projektów unijnych; przychody SFP są wprost proporcjonalne do PKB. Dług publiczny w obu scenariuszach został obliczony na podstawie symulacji ścieżek wyniku SFP.
10
1.3.5 Zagranica Struktura gospodarki zagranicznej jest sparametryzowana tak, by odzwierciedlała ona właściwości
gospodarki UE 27 (bez Polski). Jednocześnie w zakresie gospodarki otwartej model inkorporuje szereg
rozważanych w literaturze sztywności tłumaczących obserwowane odstępstwa od parytetu siły
nabywczej. Obejmują one m.in. podział na dobra wymienialne i niewymienialne, niedoskonałą
substytucję między dobrami krajowymi i zagranicznymi, a także endogeniczny mechanizm
różnicowania cen w zależności od rynku wzmocniony istnieniem kosztów dystrybucji.
Symulacje zmian salda zostały obliczone na podstawie zmian wartości eksportu i importu. Przyjęto
założenie, że wszystkie zmiany salda, które nie wynikają ze zmian przewidzianych przez model
makroekonomiczny mają taki sam wpływ w obu scenariuszach.
1.4 Model Ekonometryczny Zdecydowana większośd wskaźników opisanych w tym raporcie posiada swój naturalny odpowiednik
(zmienną) w modelu, przez co określenie wpływu na dany wskaźnik jest jednoznaczne. Tak jest w
przypadku wszystkich agregatów makroekonomicznych takich jak PKB (ogółem i w podziale na
sektory), zmiennych rynku pracy, inwestycji, zmiennych dotyczących finansów publicznych itp. Z kolei
częśd wskaźników w kategorii pozostałe wskaźniki nie posiada i nie może posiadad swojego
naturalnego odpowiednika w modelu ze względu na konstrukcję modelu i paradygmat modelowy, na
podstawie którego EUImpactMod IV został opracowany. Przykładem takiego wskaźnika jest wskaźnik
zagrożenia ubóstwem lub współczynnik Giniego – które nie mają swojego odpowiednika w modelu,
gdyż EUImpactMod IV jest modelem zbudowanym w oparciu o paradygmat reprezentatywnego
agenta, a więc w konwencji która pomija heterogenicznośd podmiotów gospodarczych. Z kolei
uwzględnienie heterogeniczności w modelu, którego rozmiar jest rzędu kilku tysięcy zmiennych
byłoby niemożliwe z punktu widzenia numerycznego. Podobna sytuacja dotyczy wskaźników, które są
w pośredni lub bezpośredni sposób związane z występowaniem heterogeniczności w modelu, a więc:
Wskaźnik zagrożenia ubóstwem lub wykluczeniem społecznym
Wskaźnik zatrudnienia kobiet z najmłodszym dzieckiem w wieku do 5 lat wg BAEL
Wskaźnik zagrożenia ubóstwem relatywnym (po uwzględnieniu w dochodach transferów
społecznych)
Odsetek dzieci w wieku 0-3 lata objętych różnymi formami opieki instytucjonalnej
Wskaźnik aktywnego starzenia się (AAI)
Osoby dorosłe uczestniczące w kształceniu lub szkoleniu ( w wieku 25-64 lata)
W celu oszacowania wpływu na powyższe wskaźniki skonstruowany został moduł ekonometryczny,
który wiąże dynamikę wyżej wymienionych wskaźników z dynamiką zmiennych, które w modelu
występują i które mogą byd wykorzystane jako zmienne objaśniające. W modelu ekonometrycznym
jako zmienne objaśniające wykorzystane są zmienne związane z PKB, inwestycjami, eksportem oraz
zmienne związane z rynkiem pracy, a więc zatrudnienie i stopą bezrobocia.
Dodatkowo, moduł ekonometryczny został wykorzystany do stworzenia scenariusza referencyjnego
(scenariusza z polityką spójności) w tych przypadkach, w których zewnętrzne projekcje wskaźników
nie były dostępne. Na przykład, aby przewidzied dynamikę nierówności w scenariuszu referencyjnym
wykorzystano projekcję PKB i bezrobocią oraz, zależnośd między wskaźnikiem Giniego, a tymi
wskaźnikami ustaloną z pomocą modelu ekonometrycznego.
11
Na przykład, aby przewidzied dynamikę nierówności w scenariuszu referencyjnym wykorzystano
projekcję PKB i bezrobocia. Zależnośd między wskaźnikiem ubóstwa relatywnego, a tymi wskaźnikami
została ustalona z pomocą modelu ekonometrycznego. Ponad to, przyjęto założenie, że negatywny
wpływ PKB był większy w pierwszym etapie transformacji niż w kolejnych etapach (poprzez założenie,
że wskaźnik ubóstwa relatywnego jest logistyczną funkcją PKB). Tak skorygowany model wskazuje, że
najistotniejszym determinantem nierówności w modelu jest stopa bezrobocia.
Innym przykładem jest wskaźnik kształcenia dorosłych. Model ekonometryczny wskazuje na dużą
zależnośd wskaźnika od PKB. Ponieważ dodatkowo, w danych widoczny jest wyraźny trend spadkowy,
który wydaje się byd niezależny od zmian makroekonomicznych, zdecydowaliśmy uwzględnid ten
trend w modelu.
1.5 Sposób wyznaczania parametrów W modelu EUImpactMod IV szczególny nacisk położony jest na dopasowanie do oczekiwanych
wartości zmiennych w długim okresie. Na tej podstawie analizowana jest reakcja gospodarki na
absorpcję środków unijnych i towarzyszącego im wsparcia ze strony polskiego sektora publicznego.
Długookresowe wartości zmiennych modelu zostały wybrane na podstawie analizy statystycznej
danych empirycznych dla gospodarki polskiej, w oparciu o bazy danych GUS, Banku Danych
Regionalnych, Badania aktywności Ekonomicznej Ludności, Eurostatu i Narodowego Banku Polskiego.
W ten sposób uwzględnione zostały różnice występujące na poziomie poszczególnych regionów i
całego kraju, w szczególności dotyczące poziomu rozwoju, struktury produkcji i rynku pracy.
Długookresowe wartości zmiennych służące do kalibracji parametrów modelu będą spójne z
następującymi dokumentami:
wytycznymi Ministra Finansów dotyczącymi stosowania jednolitych wskaźników
makroekonomicznych;
aktualnym Programem Konwergencji.
Zmienne, których wartości nie są określane powyższych dokumentach rządowych zostały
zaczerpnięte z długookresowej prognozą ekonomicznej dla Polski, wynikającej ze scenariusza
Business as Usual. W rezultacie ocena wpływu środków unijnych na gospodarkę polską
przeprowadzona w oparciu o model EUImpactMod IV umożliwia opisanie z jednej strony
obserwowanych zmian wartości zmiennych makroekonomicznych mierzonych m.in. tempem wzrostu
czy odchyleniem od długoterminowego trendu, a z drugiej strony ich poziomów w poszczególnych
okresach objętych prognozą.
Szczegółowo proces kalibracji parametrów strukturalnych modelu został opisany w Załączniku.
Do oszacowania modułów ekonometrycznych użyte zostały możliwie długie szeregi czasowe. W tym
celu wykorzystano serie danych pochodzące z GUSu, Banku Światowego (np. wskaźnik Giniego),
Eurostatu oraz PennWorldTables (zmienne związane z rzeczywistym PKB, inwestycjami oraz
eksportem i importem).
12
1.6 Opis wykorzystywanych danych
Do symulacji wpływu funduszy strukturalnych oraz Funduszu Spójności na gospodarkę Polski
wykorzystane zostały dane Ministerstwa Rozwoju, obejmujące lata 2004-2023, czyli okres
wydatkowania środków NSRO 2007-2013 z uwzględnieniem zasady n+2/n+3. Dane wejściowe opisują
odnotowaną wielkośd wydatków w mln euro, w podziale na podstawowe kategorie ekonomiczne
(bezpośrednie wsparcie dla sektora produkcyjnego, rozwój zasobów ludzkich oraz infrastrukturę
podstawową) oraz ich dezagregację w układzie wojewódzkim.
Tabela 1. Zmienne dotyczące wydatkowania środków europejskich.
na poziomie krajowym:
Zmienna dostępne dezagregacje (podziały) źródło danych
Wydatki w ramach polityki
spójności
lata (2004-2023), z podziałem na trzy perspektywy finansowe
Ministerstwo
Rozwoju kategorie ekonomiczne interwencji
Województwa
1.7 Sposób uwzględnienia w modelu wpływu środków UE Fundusze unijne (z wyłączeniem wsparcia rolnictwa i rybołówstwa) podzielid można na trzy główne
kategorie ekonomiczne: (i) bezpośrednie wsparcie dla sektora przedsiębiorstw, (ii) infrastruktura
podstawowa, (iii) rozwój zasobów ludzkich. Pomimo istotnych różnic w mechanizmach wpływu tych
kategorii wydatków na gospodarkę, ich długookresowe konsekwencje dostrzegalne będą na dwóch
płaszczyznach:
na poziomie całego kraju mogą one podnieśd tempo realnej konwergencji polskiej
gospodarki względem najbardziej rozwiniętych gospodarek Unii Europejskiej, przyczynid się
do powstania nowych miejsc pracy, wzrostu innowacyjności gospodarki, a w rezultacie także
jej konkurencyjności w ujęciu międzynarodowym;
na poziomie województw mogą one powodowad zmniejszenie szeroko rozumianego
zróżnicowania w poziomie rozwoju polskich województw lub poprzez stymulowanie wzrostu
(konwergencji względem UE) regionów o najwyższym poziomie rozwoju pogłębid te różnice.
Modelowanie wpływu funduszy na polską gospodarkę w modelu EUImpactMod IV obejmuje dwa
kroki:
Po pierwsze, szacunkowa wartośd środków unijnych i wkładu polskiego w poszczególnych
latach na poziomie kraju i województw wyznaczana jest na podstawie danych MR
przeliczonych na PLN;
Po drugie, uzyskane w ten sposób szeregi przyjmują w modelu postad szoków, a symulacja
reakcji gospodarki na te szoki pozwala na realizację celu badania (ocenę ekonomicznych
skutków wpływu funduszy unijnych).
Sposób oddziaływania funduszy unijnych różni się w zależności od kategorii interwencji do której
zalicza się daną interwencję.
13
Wydatki na infrastrukturę publiczną prowadzą do dwóch efektów. Po pierwsze wiążą się z
bezpośrednimi korzyściami dla lokalnych gospodarek poprzez generowanie popytu na produkty
oferowane przez firmy. Prowadzi to, między innymi, do zwiększania zatrudnienia oraz wzrostu
inwestycji prywatnych. Po drugie, wydatki na infrastrukturę zwiększają zasoby kapitału publicznego
wykorzystywanego w procesie produkcji przez sektor prywatny. Prowadzi to do zwiększenia
produktywności firm i zachęca przedsiębiorstwa do zwiększenia inwestycji prywatnych, co z kolei
prowadzi do wzrostu produktu i popytu na pracę, spadku bezrobocia i wzrostu zatrudnienia.
Bezpośrednie wsparcie dla sektora produkcyjnego prowadzi natomiast do zwiększenia działalności
inwestycyjnej i innowacyjnej sektora prywatnego. Wsparcie to obejmuje pomoc materialną i
niematerialną, udzielaną przy zakładaniu przedsiębiorstw, tworzeniu otoczenia biznesu oraz działania
na rzecz dyfuzji najnowszych technologii. Pośrednio indukuje to wzrost popytu na pracę
i zatrudnienia, produktu i wynagrodzeo oraz spadek bezrobocia.
Wydatki na rozwój zasobów ludzkich wykorzystywane są przede wszystkim na kształcenie osób
dorosłych. Obejmuje to szkolenia powiązane z rynkiem pracy oraz dofinansowanie sektora
edukacyjnego, w tym jego funkcji naukowych. Wydatki na kształcenie ustawiczne poprzez kanał
akumulacji kapitału ludzkiego wpływają pozytywnie na produktywnośd oraz zatrudnienie. Ocenia się,
że skutecznośd makroekonomiczna tych działao jest, w znacznie większym stopniu niż ma to miejsce
w przypadku infrastruktury, ograniczana przez efektywnośd publicznych instytucji zajmujących się ich
wdrażaniem.
14
2 Wyniki symulacji na poziomie krajowym
2.1 Produkt krajowy brutto i potencjał wytwórczy
Zgodnie z teorią wzrostu gospodarczego i tzw. hipotezą konwergencji, kraje o niższym początkowym poziomie
PKB per capita powinny się rozwijad szybciej niż kraje bogatsze, których wzrost ograniczony jest przez tempo
postępu technologicznego. Wynika to przede wszystkim ze stopniowej akumulacji kapitału w krajach
uboższych oraz naśladowaniu najlepszych rozwiązao technologicznych dostępnych na świecie i transferowi
know-how, który następuje m.in. dzięki napływowi bezpośrednich inwestycji zagranicznych. Prowadzi to to
systematycznego zwiększenia poziomu produktu wytwarzanego przez 1 pracującego w krajach słabiej
rozwiniętych, a w konsekwencji – do stopniowego doganiania krajów o najwyższym poziomie rozwoju.
Dane o dynamice realnego wzrostu gospodarczego potwierdzają konwergencję Polski do średniego poziomu
rozwoju gospodarczego notowanego w krajach UE-28. W całym analizowanym okresie, tempo wzrostu PKB
było w Polsce wyraźnie wyższe niż w krajach unijnych. Średnia roczna stopa wzrostu w latach 2004-2016
wyniosła w Polsce 3,9%, podczas gdy w krajach UE-28 było to jedynie 1,2%. W rezultacie, PKB per capita (wg
PPS) wzrosło w relacji do średniej UE-28 z 50,2% w 2004 r. do 69,2% w 2016 r. Przy czym warto zauważyd, że
najszybszy wzrost nastąpił w latach 2008-2011, i był on wynikiem głębokiej recesji, która dotknęła kraje UE, a
której Polska zdołała uniknąd.
Wykres 1. PKB per capita (UE-28 = 100) Wykres 2. Dynamika realnego wzrostu PKB w Polsce i UE-28
Źródło: Opracowanie własne na podstawie danych Eurostat i GUS
Wyniki przeprowadzonych symulacji wskazują, że wykorzystanie środków pochodzących z polityki
spójności UE miało jednoznacznie pozytywny wpływ na wielkośd produktu krajowego brutto w
Polsce. W 2016 r. poziom PKB był o 5,5% wyższy w zrealizowanym scenariuszu uwzględniającym
napływ środków UE niż alternatywnym, hipotetycznym scenariuszu, w którym Polska nie
korzystałaby z funduszy unijnych. Obserwowany pozytywny wpływ funduszy UE na poziom
aktywności gospodarczej w kraju związany jest z występowaniem dwóch zasadniczych kanałów
oddziaływania środków UE na gospodarkę: popytowym i podażowym. Oddziaływanie funduszy przez
kanał popytowy jest szczególnie mocno związane ze skalą napływu środków w poszczególnych latach.
Otrzymane fundusze zwiększają bowiem zagregowany popyt w gospodarce w danym roku, przede
15
wszystkim poprzez stymulowanie inwestycji (zarówno publicznych, np. infrastruktury transportowej,
jak i prywatnych, poprzez bezpośrednie wsparcie inwestycji przedsiębiorstw). Jednocześnie,
zwiększona aktywnośd inwestycyjna paostwa i przedsiębiorstw generuje dodatkowy popyt na pracę,
co poprzez zwiększenie poziomu zatrudnienia i stopniowy wzrost płac prowadzi do wzrostu dochodu
do dyspozycji ludności i pozytywnie wpływa na wielkośd popytu konsumpcyjnego. Przy czym należy
zauważyd, że dla występowania efektu popytowego konieczny jest ciągły napływ środków
europejskich; po ich ustaniu (np. w związku z zakooczeniem danej perspektywy finansowej), efekt
ten zanika.
Oprócz zwiększenia zagregowanego popytu, wykorzystanie funduszy europejskich pozytywnie
oddziaływało na wielkośd PKB poprzez kanał podażowy. Otrzymane środki przyczyniły się do
zwiększenia potencjału produkcyjnego gospodarki poprzez przyspieszenie akumulacji kapitału
prywatnego w przedsiębiorstwach (dzięki dotacjom i pożyczkom na inwestycje), zwiększenie
zasobów kapitału publicznego (w formie rozwoju infrastruktury podstawowej) oraz zwiększenia
jakości kapitału ludzkiego. Spowodowało to stopniowy wzrost produktywności pracy, a w
konsekwencji przyczyniło się do zwiększenia zdolności produkcyjnych całej gospodarki. Inaczej niż w
przypadku efektów popytowych, ujawnienie efektów podażowych wymagało jednak dłuższego
czasu systematycznego napływu środków europejskich; jednocześnie, efekty podażowe
charakteryzowały się relatywnie większą trwałością niż efekty popytowe interwencji.
Wykres 3. Wpływ realizacji polityki spójności na poziom PKB Polski (w %)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Wpływ wykorzystania funduszy UE na poziom PKB w Polsce na przestrzeni ostatnich lat nie był jednak
równomierny. W początkowym okresie, kiedy poziom wydatkowanych środków był relatywnie
niewielki, różnica między poziomem PKB w scenariuszu z funduszami i bez funduszy nie przekraczała
2%. Znaczący wzrost oddziaływania środków unijnych przypada na lata 2010-2015, kiedy skala
napływu środków uległa znaczącemu zwiększeniu. W rezultacie, poziom PKB w 2014 r. był aż o 6,7%
większy, niż miałoby to miejsce w scenariuszu bez funduszy UE. W latach 2016-2017 widoczne jest
istotne zmniejszenie oddziaływania środków unijnych na poziom PKB, co wynika z zakooczenia
wydatkowania funduszy perspektywy finansowej 2007-2013 i wciąż niewielką skalą realizacji
16
projektów z nowej perspektywy 2004-2020. W rezultacie, w tych latach występuje znaczący spadek
impulsu popytowego, w szczególności w zakresie stymulowania inwestycji w gospodarce.
Wykres 4. Wpływ realizacji polityki spójności na tempo konwergencji Polski do krajów UE-28 (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Pozytywne oddziaływanie środków unijnych na poziom PKB przyczyniło się jednocześnie do
przyspieszenia konwergencji Polski do lepiej rozwiniętych krajów europejskich. Poziom PKB per
capita (wg parytetu siły nabywczej, PPS) wyniósł w 2016 r. 69,2% średniej dla krajów UE-28, o 4,2 p.p.
więcej, niż w scenariuszu bez funduszy UE. W 2017 r. zgodnie z przyjętym założeniami efekt ten
spadnie do ok. 3,4 p.p., po czym nastąpi ponowny wzrost do ok. 4,1 p.p. w 2020 r.
W horyzoncie realizacji obecnej perspektywy finansowej (tj. do 2023 r.), napływ środków
europejskich, chod wciąż znaczący, nie będzie już tak duży, jak w poprzedniej perspektywie.
Średniorocznie, ich udział w relacji do PKB spadnie z 2,2% w latach 2007-2015 do 1,8% w latach 2016-
2023. W szczytowym okresie przypadającym na lata 2019-2020 udział FUE w PKB nie przekroczy
2,3%, podczas gdy w 2012 r. wyniósł ok. 3%. W efekcie, wpływ środków unijnych na poziom PKB,
mimo stopniowego wzrostu wraz z przyspieszeniem wydatkowania funduszy strukturalnych w
nadchodzących latach, osiągnie maksymalny poziom 5,7% (w 2020 r.), poniżej poziomu
obserwowanego w 2014 r. (6,7%).
17
Wykres 5. Relacja środków FUE do PKB w latach 2004-2023
Źródło: Opracowanie własne na podstawie danych GUS
Największy wpływ na oszacowany wzrost poziomu PKB dzięki wykorzystaniu środków UE miały
projekty z zakresu budowy infrastruktury podstawowej, co wynika przede wszystkim z największej
skali realizowanych w tej kategorii projektów. Łącznie odpowiadały one zazwyczaj za ponad 50%
łącznego wpływu funduszy UE na poziom PKB w poszczególnych latach. Mniejsza była skala
oddziaływania projektów z zakresu bezpośredniego wsparcia przedsiębiorstw (od 20,4% do 21,9%)
oraz rozwoju kapitału ludzkiego (od 20,4% do 28,6%).
Wykres 6. Wpływ funduszy z kolejnych perspektyw finansowych na poziom PKB Polski (w %)
Wykres 7. Wpływ poszczególnych kategorii interwencji na wzrost poziomu PKB Polski
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
18
2.2 Rynek pracy i bezrobocie
W 2004 r., w którym rozpoczęła się realizacja perspektywy finansowej 2004-2006, sytuacja na rynku pracy w
Polsce była znacznie gorsza niż średnio w całej UE-28. Stopa bezrobocia wynosiła niemal 20%, podczas gdy
średnia dla UE-28 wynosiła 9,3%. Znacząco niższa (o 10 p.p.) była również stopa zatrudnienia osób w
kategorii wiekowej 20-64 lata. Taka sytuacja powodowała z jednej strony znaczący problem społeczny,
związany z brakiem zatrudnienia dla ok. 1/5 osób, które chciały pracowad. Szczególnie trudna była sytuacja
osób młodych, bez doświadczenia zawodowego, które wchodziły w tym okresie na rynek pracy. Natomiast z
ekonomicznego punktu widzenia – niski odsetek osób zatrudnionych wśród ogółu osób znajdujących się w
wieku produkcyjnym ograniczał poziom produkcji w gospodarce i ujemnie wpływał na wysokośd produktu
krajowego brutto.
W latach 2004-2016 sytuacja na rynku pracy uległa jednak znaczącej poprawie. W ciągu 5 lat, do 2008 r.
wskutek dynamicznego rozwoju gospodarczego utworzono w gospodarce ponad 2 mln nowych miejsc
pracy, co spowodowało wzrost stopy zatrudnienia z 57 do 65%. Jednocześnie, stopa bezrobocia spadła z 19,1
do 7,1%, na co wpływ, oprócz zwiększonej liczby zatrudnionych, miała również rekordowa emigracja po
wejściu Polski do Unii Europejskiej. W kolejnych latach, sytuacja na rynku pracy uległa przejściowemu
pogorszeniu wskutek wybuchu kryzysu finansowego i będącego jego skutkiem znaczącego spowolnienia
gospodarczego. Od 2013 r. obserwowany jest jednak ponowny spadek stopy bezrobocia, która w 2016 r.
osiągnęła poziom 6,2%, oraz dalszy wzrost stopy zatrudnienia. W rezultacie, odsetek pracujących osób w
wieku 20-64 lata niemal zrównał się ze średnią dla UE-28, a stopa bezrobocia była w Polsce o ok. 2 p.p.
mniejsza niż w krajach unijnych.
Wykres 8. Zmiany wskaźnika zatrudnienia ludności w wieku 20-64 w Polsce i UE-28
Wykres 9. Zmiany stopy bezrobocia w Polsce i UE-28
Źródło: Opracowanie własne na podstawie danych Eurostat i GUS
Realizacja polityki spójności miała również jednoznacznie pozytywny wpływ na sytuację na rynku
pracy. W 2016 r. całkowita liczba osób pracujących w gospodarce polskiej była o 3,4% wyższa niż w
alternatywnym scenariuszu bez środków unijnych. Oznacza to, że dzięki dodatkowym środkom
zainwestowanym w gospodarce utworzonych i utrzymanych zostało łącznie 525 tys. dodatkowych
miejsc pracy. W rezultacie, wskaźnik zatrudnienia w grupie wiekowej 20-64 lata wzrósł do 69,3%, o
2,2 p.p. więcej, niż w scenariuszu bez napływu środków unijnych.
19
Podobnie jak w przypadku PKB, wpływ wykorzystania funduszy UE na sytuację na rynku pracy
zmieniał się wraz ze skalą napływających do gospodarki środków. W pierwszych latach
analizowanego okresu był on relatywnie niewielki – do 2009 r. wzrost stopy zatrudnienia dzięki
napływowi środków polityki spójności nie przekraczał 1 punktu procentowego. Istotne przyspieszenie
nastąpiło w latach 2010-2015, kiedy wzrósł on do 2,5 p.p. W kolejnych latach oczekiwane jest
osłabienie skali wpływu środków UE na rynek pracy, związane ze przejściowym zmniejszeniem
środków UE między poprzednią (2007-2013) a obecną (2014-2020) perspektywą finansową.
Natomiast do 2020 r. różnica między wskaźnikiem zatrudnienia w scenariuszu z funduszami i bez
funduszy powinna wzrosnąd do ok. 2,3 p.p., po czym systematycznie spadad wraz ze stopniowym
wygaszaniem napływu funduszy unijnych.
Wykres 10. Wpływ realizacji polityki spójności na liczbę pracujących (w tys.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Pozytywne oddziaływanie funduszy polityki spójności na rynek pracy pojawia się z nieco większym
opóźnieniem niż ma to miejsce w przypadku PKB. Jest to związane z dłuższym czasem dostosowao
na rynku pracy niezbędnych do osiągnięcia nowego poziomu równowagi. Napływ środków unijnych
poprzez kanał popytowy powoduje zwiększone zapotrzebowanie na dobra inwestycyjne w
gospodarce, a w konsekwencji – generuje dodatkowy popyt na pracowników. Jednocześnie, fundusze
poprzez kanał podażowy przyczyniają się do wzrostu produktywności pracowników – rośnie bowiem
wyposażenie pracowników w kapitał, zwiększają się ich kompetencje, a poprawa infrastruktury
publicznej pozytywnie oddziałuje na całkowitą produktywnośd czynników produkcji w
przedsiębiorstwach. W rezultacie, firmom opłaca się tworzenie nowych, „nieobsadzonych” miejsc
pracy (wakatów), zwiększając tym samym zapotrzebowanie na pracowników. Przy czym wskutek
niedoskonałej informacji na rynku pracy, ich zapełnienie wymaga czasu – bezrobotni potrzebują
zazwyczaj kilku miesięcy na znalezienie satysfakcjonującej ich oferty pracy i pomyślne przejście
procesu rekrutacji. W rezultacie, pojawia się sygnalizowane opóźnienie, a wzrost liczby pracujących
obserwowany jest później niż analogiczny wzrost PKB.
20
Wykres 11. Wpływ realizacji polityki spójności na wskaźnik zatrudnienia 20-64 (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Pozytywne oddziaływanie funduszy strukturalnych na rynek pracy widoczne jest również w
znaczącym wpływie na zmniejszenie stopy bezrobocia. Wyniki przeprowadzonych symulacji wskazują,
że w 2016 r. stopa bezrobocia była aż o 2,1 p.p. niższa niż w alternatywnym scenariuszu bez
funduszy. Szczególnie silny pozytywny wpływ funduszy obserwowany był w latach 2012-2014, w
których znaczący napływ środków europejskich generował dodatkowy popyt w gospodarce, łagodząc
skutki spowolnienia gospodarczego związanego z drugą falą kryzysu finansowego. Dzięki temu,
stopa bezrobocia wzrosła maksymalnie do 10,3%, podczas gdy zgodnie z otrzymanym oszacowaniem,
w scenariuszu bez funduszy unijnych stopa bezrobocia osiągnęłaby poziom 13,8%. W kolejnych
latach, wpływ funduszy na stopę bezrobocia nie przekroczy 1,7 p.p., co wynika zarówno z mniejszej
skali napływu środków, jak i generalnie znaczącego zmniejszenia stopy bezrobocia w gospodarce,
związanego z dobrą sytuacją gospodarczą i systematycznym zmniejszaniem liczby osób w wieku
produkcyjnym w Polsce.1
1 Zmniejszanie się liczby osób w wieku 20-64 będzie w najbliższych latach coraz szybsze, co jest konsekwencją wchodzenia w wiek emerytalny pokolenia wyżu demograficznego z lat 50-tych, przy jednoczesnym wchodzeniu na rynek pracy niżu demograficznego z lat 90-tych. W rezultacie, co roku z rynku pracy będzie ubywad ponad 200 tys. osób.
21
Wykres 12. Wpływ realizacji polityki spójności stopę bezrobocia (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
2.3 Wydajność pracy i inwestycje Realizacja polityki spójności w Polsce przyczyniła się w istotnym stopniu do zwiększenia skali
inwestycji w gospodarce. Mechanizm oddziaływania środków unijnych na wzrost inwestycji polegał
w istotnym stopniu na stymulowaniu inwestycji publicznych, w ramach których realizowano duże
projekty infrastrukturalne, w tym w zakresie rozwoju infrastruktury transportowej. Znaczące środki
przeznaczono również na dotacje i pożyczki inwestycyjne dla firm. Środki te zwiększały opłacalnośd
realizowanych inwestycji oraz ograniczały skalę luki finansowej w gospodarce, zwiększając skalę
działalności inwestycyjnej sektora prywatnego.
Wykres 13. Wpływ realizacji polityki spójności na nakłady brutto na środki trwałe (w mld zł)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
22
Należy przy tym zauważyd, że oddziaływanie środków unijnych na wielkośd inwestycji w gospodarce
tylko częściowo było związane z realizacją projektów współfinansowanych z funduszy europejskich.
Dużą częśd dodatkowych nakładów inwestycyjnych generowały przedsiębiorstwa nie będące
bezpośrednio beneficjentami polityki spójności. Zwiększały one nakłady na środki trwałe w celu
podniesienia swoich mocy wytwórczych, w sytuacji rosnącego zagregowanego popytu w całej
gospodarce. Od strony podażowej, pozytywny wpływ na aktywnośd inwestycyjną wszystkich
przedsiębiorców miały inwestycje w sektorze publicznym, które poprzez poprawę wyposażenia
gospodarki w kapitał publiczny zwiększały produktywnośd sektora prywatnego.2
Zgodnie z uzyskanymi oszacowaniami, najsilniejszy wpływ środków polityki spójności na działalnośd
inwestycyjną obserwowany był w latach 2012-2015, w których wielkośd inwestycji była o ok. 54%
(116 mld zł) większa niż w alternatywnym scenariuszu bez funduszy europejskich. W rezultacie,
stopa inwestycji była w tym okresie o ok. 6 p.p. większa, co zapobiegło znaczącemu zahamowaniu
aktywności inwestycyjnej w związku z obserwowanym w tym okresie spowolnieniem gospodarczym.
W horyzoncie realizacji bieżącej perspektywy, wpływ realizacji polityki spójności na poziom
inwestycji będzie już mniejszy. Najsilniejsze oddziaływanie nastąpi w 2020 r., w którym dzięki
środkom europejskim nakłady brutto na środki trwałe będą o 34% wyższe niż w alternatywnym
scenariuszu bez funduszy. Spowoduje to zwiększenie stopy inwestycji o 4,7 p.p. Po 2020 roku, wraz
ze stopniowym wygaszaniem napływu środków, oddziaływanie polityki spójności na inwestycje
będzie wyraźnie maled.
Wykres 14. Wpływ realizacji polityki spójności na stopę inwestycji (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Napływ środków europejskich miał również pozytywny wpływ na wydajnośd pracy. Związany był on
przede wszystkim z wzrostem wyposażenia pracowników w środki produkcji, wzrostem ich
umiejętności i kompetencji (kapitału ludzkiego), oraz wzrostem wyposażenia całej gospodarki w
2 Przy czym ogółem, z uwagi na dominujący udział inwestycji w infrastrukturę podstawową, fundusze polityki spójności miały większy wpływ na inwestycje w sektorze publicznym niż prywatnym.
23
kapitał publiczny (infrastrukturę publiczną). W rezultacie, wartośd dodana brutto w przeliczeniu na 1
pracującego w scenariuszu z funduszami była w 2015 r. o 1,5 p.p. wyższa, niż w alternatywnym
scenariuszu bez funduszy. Warto przy tym zauważyd, że wpływ funduszy europejskich na wydajnośd
pracy jest istotnie mniejszy niż analogiczny wpływ na PKB. Wynika to z pozytywnego oddziaływania
polityki spójności na liczbę pracujących, która jest drugim – oprócz wydajności pracy – czynnikiem
wpływającym na całkowitą wielkośd produktu krajowego brutto.
Wykres 15. Wpływ realizacji polityki spójności na wydajnośd pracy (w p.p., UE-28=100)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
24
2.4 Wymiana handlowa i rozliczenia z zagranicą
Środki unijne zwiększają import do Polski. Głównym mechanizmem stojącym za tym wnioskiem są
inwestycje – fundusze unijne przyczyniają się do wzrostu inwestycji w Polsce, te zaś pociągają za
sobą wzrost importu dóbr inwestycyjnych. Kolejny efekt wynika z dodatniego wpływu funduszy
europejskich na poziom dochodu na mieszkaoca. Im wyższy dochód, tym wyższe zarobki, a więc także
wyższa konsumpcja. Ponieważ częśd dóbr konsumpcyjnych pochodzi z importu, wzrost poziomu
zamożności gospodarstw domowych oznacza również ekspansję importu.
W prognozie spodziewamy się, że wielkośd importu, jaka może byd przypisana wpływowi funduszy
europejskich, będzie sukcesywnie rosnąd wraz z dalszym zwiększaniem się poziom dochodu w
polskiej gospodarce. W 2023 roku będzie to 19 mld euro z około 250 mld euro prognozowanego
importu.
Wykres 16. Import (w ujęciu płatniczym) (w mld euro)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
25
Wykres 17. Tempo zmian wolumenu importu towarowego
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Wpływ funduszy europejskich na eksport jest kształtowany przez dwa mechanizmy. Z jednej strony
poprawa produktywności polskich firm prowadzi do zmniejszenia kosztów produkcji. Niższe ceny
polskich produktów oznaczają większą sprzedaż za granicą. Z drugiej strony znaczny wzrost inwestycji
generowany przez fundusze zwiększa popyt na krajowe dobra inwestycyjne. Ogranicza to dostępnośd
tych dóbr dla eksporterów.
Symulacje makroekonomiczne wskazują, że w początkowym okresie dominujący efekt miał
mechanizm ograniczenia eksportu dób inwestycyjnych. Wynika to z tego, że przy bardzo szybkim
wzroście inwestycji w latach 2008-2012 (porównaj z wykresami 9-10), sektory wytwarzające dobro
inwestycyjne nie nadążały w dostosowaniu swojej produkcji do zwiększonego popytu. Dopiero w
kolejnych latach przepływ kapitału oraz siły roboczej do tych sektorów pozwolił na zwiększenie
produkcji i zwiększenie eksportu dóbr inwestycyjnych.
26
Wykres 18. Eksport (w ujęciu płatniczym) (w mld euro)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Spodziewamy się, że w długim okresie dominujący wpływ na eksport będzie miała redukcja kosztów
produkcji związana z poprawą produktywności. Symulacje makroekonomiczne wskazuję, że od 2013
roku eksport rośnie szybciej w scenariuszu z funduszami europejskimi. W kolejnych latach, ten
pozytywny wpływ będzie coraz większy. W konsekwencji, według prognozy do 2023 roku dzięki
funduszom europejskim polski eksport wzrośnie o ponad 8 mld euro.
Wykres 19. Tempo zmian wolumenu eksportu towarowego
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Udział produktów wysokiej technologii w polskim eksporcie systematycznie rośnie - w 2004 roku
wynosił on zaledwie 2,7%, zaś w 2015 r. było to już 8,5%. Produkcja dóbr wysokiej technologii zależy
27
od zasobności gospodarki w kapitał ludzki (wykształcenia ludności) oraz poziomu zaawansowania
technologicznego gospodarki. Ponieważ prognoza zakłada utrzymanie się postępu technologicznego
polskiej gospodarki, udział produktów wysokiej technologii w eksporcie będzie rósł w przyszłości.
Przez długi czas fundusze europejskie nieznacznie obniżały udział produktów wysokiej technologii
w eksporcie. Skala tego efektu była jednak niewielka. W latach 2012-2013 wyniósł on -0,2 pp.
Negatywny wpływ wynikał ze wzrostu popytu krajowego na te produkty, związanego ze wzrostem
inwestycji. Ponieważ w dłuższej perspektywie fundusze europejskie sprzyjają akumulacji kapitału oraz
realokacji siły roboczej do bardziej zaawansowanych sektorów wytwórczych ma to korzystny wpływ
na eksport dóbr wysokiej technologii. Według modelu, ten korzystny efekt powinien od 2017 roku
zacząd dominowad nad efektem negatywnym, a z czasem będzie się sukcesywnie zwiększad.
Wykres 20. Udział eksportu produktów wysokiej technologii w eksporcie ogółem (w %)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Przeprowadzone symulacje wskazują, że w obu scenariuszach saldo obrotów bieżących jest
negatywne w pierwszych latach analizy. W ostatnich latach saldo jest pozytywne. Ponieważ polityka
spójności ma pozytywny wpływ na PKB, stosunek salda do PKB w scenariuszu z funduszami
europejskimi jest zawsze bardziej zbliżony do zera. Dlatego w pierwszych latach analizy wpływ
polityki spójności na saldo w relacji do PKB jest pozytywny, a w ostatnich latach, kiedy saldo jest
pozytywne, wpływ ten jest negatywny. Dodatkowo w środkowym okresie analizy saldo jest mniejsze
w scenariuszu z funduszami ze względu na negatywny wpływ tych funduszy na eksport w tym
okresie.
28
Wykres 21. Saldo obrotów bieżących (w relacji do PKB)
Źródło: Opracowanie własne na podstawie danych BAEL i symulacji modelu EUImpactMod IV.
2.5 Sektor finansów publicznych
Sektor finansów publicznych (budżet centralny, samorządy oraz fundusze celowe liczone razem)
charakteryzuje się permanentnym deficytem. Największy deficyt sektora finansów miał miejsce w
latach 2009-2010, przekraczając aż 7% PKB. Najmniejszy deficyt był obserwowany w 2007 roku (1,9%
PKB).
Wpływ funduszy europejskich na wynik sektora finansów publicznych może byd niejednoznaczny. Z
jednej strony, koniecznośd współfinansowania inwestycji realizowanych przez podmioty SFP generuje
dodatkowe wydatki. Z drugiej strony pozytywny wpływ funduszy na produktywnośd zwiększa zyski
firm oraz dochód gospodarstw domowych, co prowadzi do zwiększenia wpływów dla sektora
finansów publicznych.
Symulacje wskazują, że dodatkowe wpływy przewyższają dodatkowe wydatki. W konsekwencji,
napływ funduszy europejskich do Polski poprawia wynik sektora finansów publicznych. Apogeum
pozytywnego wpływu odnotowano w 2014 roku, gdy fundusze europejskie powodowały poprawienie
wyniku SFP o 1,1% PKB. Był to rok największego napływu funduszy do Polski oraz największego
pozytywnego wpływu funduszy na PKB. W kolejnych latach pozytywny wpływ funduszy europejskich
na finanse publiczne był nieco mniejszy. Według prognozy zmaleje on do 0,7% PKB i powinien
utrzymad się na tym poziomie do 2023 roku. Będzie się tak działo, gdyż wraz ze wzrostem poziomu
dochodu, znaczenie funduszy europejskich w finansowaniu inwestycji publicznych będzie malało, a
tym samym wkład własny również będzie mniej istotnym czynnikiem wpływającym na nierównowagę
finansów publicznych.
29
Wykres 22. Wynik SFP w relacji do PKB
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Ponieważ fundusze europejskie zmniejszają deficyt sektora finansów publicznych mają one również
korzystny wpływ na dług publiczny. Zmniejszone potrzeby pożyczkowe SFP powodują redukcję długu
publicznego. W roku 2017 w scenariuszu bez funduszy europejskich dług publiczny byłby większy o
12,2% PKB. Prognoza przewiduje dalsze narastanie długu publicznego w tym scenariuszu. Projekcja ta
zakłada, że rząd nie próbowałby zredukowad deficytu na przykład poprzez zmniejszenie transferów
socjalnych.
Wykres 23. Dług publiczny w relacji do PKB
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
30
2.6 Pozostałe wskaźniki
Realny dochód do dyspozycji brutto gospodarstw domowych w Polsce zbliża się do poziomu
średniego dla pozostałych krajów UE. W 2004 wynosił on 51% średniej unijnej, ale do 2016 wzrósł
do 68-70%, a do roku 2023 może wzrosnąd do 76-79%. Fundusze unijne nieznacznie zwiększają
szybkośd konwergencji – różnica między scenariuszem bazowym a scenariuszem bez funduszy
unijnych w roku 2004 była bliska zeru, ale w 2016 r. wyniosła 2,2 pp., zaś w 2023 r. osiągnie 3 pp. Jest
to oczywiście związane z szybszym wzrostem produktywności w Polsce w scenariuszu z funduszami
europejskimi.
Wykres 24. Wpływ polityki spójności na dochód do dyspozycji brutto gospodarstw domowych.
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Wyższe dochody przekładały się na niższe ryzyko ubóstwa. Zagrożenie ubóstwem lub wykluczeniem
społecznym pozostaje niższe dzięki wsparciu funduszy unijnych niż w hipotetycznym scenariuszu
jego braku. Między rokiem 2011 a 2016 różnica ta wyniosła między 2 a 3 p.p. Do 2023 zmaleje jednak
do poziomu 1 p.p. Według obu scenariuszy zagrożenie ubóstwem będzie stopniowo spadad – z
poziomu ok. 22-23% w roku 2016 do poziomu ok. 13-14% w 2023.
31
Wykres 25. Wpływ polityki spójności na zagrożenie ubóstwem lub wykluczeniem społecznym
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Także w przypadku ubóstwa relatywnego – odsetka osób o dochodach poniżej 60% mediany
dochodu ekwiwalentnego – symulacje wskazują na korzystny wpływ funduszy europejskich. Wyniki
modelu ekonometrycznego wskazują, że efekt funduszy na ubóstwo relatywne jest kształtowany
przez dwa efekty pośrednie: wzrost PKB, który prowadzi do powiększenia nierówności oraz redukcję
bezrobocia, która wpływa korzystnie na spadek nierówności. W modelu założyliśmy, że negatywny
wpływ PKB był większy w pierwszym etapie transformacji niż w kolejnych etapach (poprzez założenie
, że wskaźnik ubóstwa relatywnego jest logistyczną funkcją PKB). Tak skorygowany model wskazuje,
że najistotniejszym determinantem nierówności w modelu jest stopa bezrobocia. Redukcja
bezrobocia nie tylko zmniejsza liczbę osób bez dochodu, ale też prowadzi do wzrostu wynagrodzeo
dla pracowników, którzy wcześniej byli zagrożeni bezrobociem.
Symulacje wskazują, że korzystny wpływ funduszy na ubóstwo relatywne dynamicznie rośnie w
okresie 2008-2013: podczas gdy w scenariuszu bez funduszy liczba osób zagrożonych ubóstwem
relatywnym rośnie w tym okresie z 18 do 21%, w scenariuszu z funduszami liczba ta pozostaje prawie
na tym samym poziomie 17%. Po roku 2015 wpływ funduszy europejskich stabilizuje się na poziomie
5 pp.
Należy podkreślid, że wzrost zagrożenia ubóstwem relatywnym w obu scenariuszach jest
spowodowany czynnikami zewnętrznymi. W literaturze naukowej problem wzrostu nierówności
został rozpoznany i szeroko opisany. Wyróżnia się trzy potencjalne przyczyny tego wzrostu: efekt
globalizacji, efekt robotyzacji i postępu w technologiach teleinformatycznych oraz efekt spadku
znaczenia związków zawodowych. Wszystkie efekty powodują spadek wynagrodzenia dla osób gorzej
wykształconych i, w konsekwencji, wzrost nierówności.
Polityka spójności przyczyniła się również do zmniejszenia nierówności dochodowych mierzonych
współczynnikiem Giniego. Miara ta jest skorelowana ze wskaźnikiem zagrożenia ubóstwem
relatywnym. Z tego powodu dynamiki obu wskaźników są zbliżone: wpływ funduszy na zmniejszenie
współczynnika Giniego rośnie najszybciej w okresie 2008-2014, czyli w okresie, w którym fundusze
32
spójności przyczyniły się do spadku stopy bezrobocia. Wpływ na współczynnik Giniego stabilizuje się
po 2017 roku.
W okresie 2005-2008 wpływ jest bliski zeru. W tym okresie efekt spadku bezrobocia jest
równoważony (i w niektórych okresach nieznacznie przeważany) przez efekt wzrostu PKB. Pozytywna
zależnośd nierówności od wzrostu gospodarczego jest widoczna w danych historycznych. Może byd
ona tłumaczona tym, że często największymi beneficjentami nagłego wzrostu gospodarczego są
osoby przedsiębiorcze, lub osoby na wysokich stanowiskach w hierarchii firm. Ponieważ
wynagrodzenie tych grup jest relatywnie wysokie, wzrost gospodarczy jest pozytywnie skorelowany
ze wzrostem nierówności. Symulacje wskazują jednak, że efekt ten nie odgrywa znaczącej roli po
2008 roku.
Wykres 26. Wpływ polityki spójności na zagrożenie ubóstwem relatywnym (po uwzględnieniu w dochodach transferów społecznych)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Wykres 27. Wpływ polityki spójności na wskaźnik nierówności społecznej.
33
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Fundusze unijne przyczyniają się do wzrostu odsetka dzieci w wieku 0-3 objętych opieką
instytucjonalną. Odsetek ten wzrósł z 2,6% w roku 2010 do 7% w roku 2016 i zgodnie z scenariuszem
bazowym wzrośnie do 8,5% do roku 2023. W scenariuszu hipotetycznym, odsetek ten wynosiłby 2,5%
w 2010, ale do 2023 wzrósłby jedynie o pół punktu procentowego.
Pozytywny wpływ polityki spójności na ten wskaźnik jest konsekwencją jego pozytywnej korelacji z
dochodem narodowym oraz wskaźnikiem zatrudnienia. Ponieważ, jak wykazały symulacje modelu
makroekonomicznego, fundusze europejskie prowadzą do ożywienia gospodarczego, wzrostu
aktywności na rynku pracy oraz redukują bezrobocie, wpływ polityki spójności na zasięg opieki
instytucjonalnej dla dzieci jest jednoznacznie pozytywny.
Wykres 28. Wpływ polityki spójności na zasięg opieki instytucjonalnej dla dzieci w wieku 0-3.
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
Fundusze unijne przyczyniają się także do wzrostu zatrudnienia wśród kobiet z małymi dziedmi. W
przypadku braku funduszy unijnych, wskaźnik zatrudnienia wśród kobiet posiadających dzieci do
lat 5 w latach 2010-2016 byłby o około 8 pp. niższy. Różnica między oboma scenariuszami rośnie z
czasem – dla roku 2023 wynosi niecałe 10 pp. W hipotetycznym scenariuszu bez środków unijnych,
wskaźnik zatrudnienia wśród kobiet z dziedmi do lat 5 nie uległby znacznym zmianom do roku 2023,
rosnąc jedynie do 53%. Zatrudnienie wśród kobiet z małymi dziedmi wiąże się pozytywnie z
odsetkiem dzieci pozostających w opiece instytucjonalnej.
34
Wykres 29. Wpływ polityki spójności na zatrudnienie kobiet z dziedmi do lat 5.
Źródło: Opracowanie własne na podstawie danych BAEL i symulacji modelu EUImpactMod IV.
Fundusze unijne sprzyjają aktywnemu starzeniu się, ale niewystarczająco by Polska dogoniła inne
kraje UE. Wskaźnik AAI (Active Ageing Index) wzrósł w Polsce między rokiem 2012 a 2014 z poziomu
27 do 28, tak w scenariuszu bazowym jak i w scenariuszu hipotetycznym. Po roku 2014, jego dalszy
wzrost zależy jednak od dostępu do funduszy unijnych – jedynie w scenariuszu bazowym wzrośnie o
kolejny punkt osiągając poziom niecałych 29. Byłby to jednak czwarty najniższy poziom wśród krajów
UE w roku 2014 – jedynie Grecja, Słowacja i Węgry osiągnęły w tym roku wartości poniżej 29.
Równocześnie średnia wartośd w krajach UE (nie licząc Polski) wzrosła między 2010 a 2014 o 2
punkty, czyli tyle o ile dla Polski ma wzrosnąd od 2012 do 2023.
Wykres 30. Wpływ polityki spójności na wskaźnik aktywnego starzenia się (AAI).
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
35
Pozytywny wpływ polityki spójności na wskaźnik aktywnego starzenia się wynika z jej pozytywnego
wpływu na PKB oraz aktywnośd zawodową. Porównanie danych z różnych krajów wskazuje na
pozytywną korelację między wartością wskaźnika oraz tymi dwiema zmiennymi
makroekonomicznymi.
W obydwu scenariuszach spada odsetek osób w wieku powyżej 25 lat uczestniczących w szkoleniach.
Przed rokiem 2010 wynosił on ok. 5% w scenariuszu bazowym i ok. 4,2% w scenariuszu
hipotetycznym. W obu scenariuszach odsetek ten spada po roku 2010 i stabilizuje się w okresie 2016-
2023. W ostatnim roku analizy odsetek ten wynosi 3,6% w scenariuszu bazowym oraz 3,1% w
scenariuszu bez polityki spójności.
Analiza ekonometryczna wskazuje, że odsetek osób dorosłych uczestniczących w kształceniu jest w
znacznym stopniu determinowany przez długookresowy trend, który jest niezależny od czynników
makroekonomicznych. Analiza wskazała jednak, że drugim istotnym czynnikiem jest wartośd PKB.
Poprzez ożywienie gospodarcze, polityka spójności prowadziła więc do wzrostu odsetka osób
kształcących się.
Wykres 31. Wpływ polityki spójności na odsetek osób dorosłych uczestniczących w kształceniu lub szkoleniu.
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV.
36
3 Wyniki symulacji na poziomie regionalnym
3.1 Produkt krajowy brutto
Skala obserwowanego na poziomie kraju pozytywnego wpływu realizacji polityki spójności na
poziom PKB była zróżnicowana w poszczególnych województwach. Było to związane przede
wszystkim z różnym poziomem środków europejskich absorbowanych przez regiony. Przy czym
kluczowe znaczenie miała w tym przypadku nie tyle nominalna wartośd pozyskanych funduszy, ile ich
udział w PKB danego regionu. Ta sama wartośd zrealizowanych projektów miała bowiem większe
znaczenie dla rozwoju gospodarczego relatywnie biedniejszych regionów, silniej stymulując wzrost
ich poziomu PKB.
Wykres 32. Średni udział środków polityki spójności w relacji do PKB w latach 2004-2023 (w %)
Źródło: Opracowanie własne na podstawie danych GUS
Przyjęty w poprzedniej oraz obecnej perspektywie mechanizm podziału środków premiował regiony
najsłabiej rozwinięte, w tym przede wszystkim województwa Polski Wschodniej. Miało to
bezpośrednie przełożenie na skalę wpływu realizacji polityki spójności na aktywnośd gospodarczą w
tych regionach. Przeprowadzone oszacowania wskazują, że w województwie lubelskim,
37
podkarpackim, podlaskim i warmiosko-mazurskim, poziom PKB był o ponad 10% wyższy w 2015 r.
niż w hipotetycznym scenariuszu bez wykorzystania funduszy unijnych. Z kolei w województwach
najlepiej rozwiniętych, w tym wielkopolskim, śląskim czy mazowieckim, wpływ ten był istotnie
mniejszy i nie przekraczał 5%. W rezultacie, realizacja polityki spójności zmniejszała skalę
obserwowanej dywergencji w dynamice rozwoju bogatszych i biedniejszych regionów kraju.
W kolejnych latach obecnej perspektywy finansowej, wpływ polityki rozwoju na poziom
aktywności gospodarczej nadal będzie największy w makroregionie Polski Wschodniej. Fundusze
unijne będą stymulowały dalszą konwergencję tego regionu do poziomu UE-28. Do 2023 r. poziom
PKB per capita (wg PPS) w najsłabiej rozwiniętych województwach (lubelskim, podkarpackim,
podlaskim, warmiosko-mazurskim i świętokrzyskim) powinien wzrosnąd z obecnych 47-48% ok. 57%
średniej dla UE-28, z czego ok. 4 p.p. wzrostu będzie wynikiem wpływu realizacji polityki spójności.
Natomiast w najlepiej rozwiniętych województwach, pozytywny wpływ funduszy unijnych na tempo
konwergencji do przeciętnego poziomu gospodarczego notowanego w krajach unijnych spadnie do
ok. 2,5 p.p.
Wykres 33. Wpływ realizacji polityki spójności na poziom PKB w regionach (w %)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
39
3.2 Rynek pracy i bezrobocie
Napływ funduszy polityki spójności przyczynił się do znaczącej poprawy sytuacji na regionalnych
rynkach pracy. Wykorzystanie funduszy strukturalnych przyczyniło się do wzrostu aktywności
gospodarczej, co miało bezpośrednie przełożenie na wzrost zatrudnienia i spadek bezrobocia. Przy
czym podobnie jak w przypadku PKB – wpływ środków europejskich był zróżnicowany w
poszczególnych regionach. Szczególnie duże oddziaływanie można było zaobserwowad w
województwach warmiosko-mazurskim, podkarpackim, podlaskim i zachodniopomorskim, w których
stopa zatrudnienia była w 2016 r. o ponad 2,5 p.p. wyższa niż w alternatywnym scenariuszu bez
funduszy UE. W kolejnych latach znaczenie polityki spójności w stymulowaniu zatrudnienia będzie się
stopniowo zmniejszad. Do 2023 r. dodatkowy udział zatrudnionych wśród osób w wieku 20-64 lata
spadnie w wymienionych wcześniej województwach do nieco ponad 2 p.p.
Wykres 34. Wpływ realizacji polityki spójności na wskaźnik zatrudnienia 20-64 w regionach (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
40
Wzrost zatrudnienia miał bezpośrednie przełożenie na znaczące zmniejszenie stopy bezrobocia. W
2016 r. była ona średnio w całym kraju niższa o 2,1 p.p. dzięki realizacji polityki spójności, przy czym
największą poprawę odnotowano w województwach warmiosko-mazurskim, zachodniopomorskim,
podkarpackim i podlaskim, w których spadek przekroczył 2,5 p.p. Pozwoliło to na znaczącą poprawę
sytuacji na rynkach pracy w tych województwach, co było szczególnie istotne w przypadku regionów
o najwyższej w kraju stopie bezrobocia (woj. warmiosko-mazurskie i podkarpackie). W kolejnych
latach stopa bezrobocia powinna w całym kraju się zmniejszad, w całym kraju średnio do poziomu
5,5%. Wpływ środków europejskich również będzie stopniowo malał, nadal jednak spodziewamy się
znaczącego pozytywnego oddziaływania w województwach warmiosko-mazurskim i podkarpackim, a
także zachodniopomorskim.
Wykres 35. Wpływ realizacji polityki spójności na stopę bezrobocia 15+ w regionach (w p.p.)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
41
3.3 Wydajność pracy i inwestycje
Napływ środków z polityki spójności przyczynił się do przyspieszenia konwergencji wydajności
pracy w poszczególnych regionach Polski do średniej krajów UE-28. Podobnie jak w przypadku
oddziaływania na poziom PKB, najszybszy wzrost średniej wydajności pracy obserwowany był w
regionach Polski Wschodniej, do których napłynęło relatywnie najwięcej środków. W 2015 r. średnia
produktywnośd pracy w woj. warmiosko-mazurskim, podlaskim, lubelskim i podkarpackim była o ok.
3 p.p. wyższa niż w scenariuszu bez funduszy. Wzrost wydajności pracy wynikał bezpośrednio z
większego odziaływania środków europejskich na poziom produkcji niż na wielkośd zatrudnienia. W
rezultacie, średnia wartośd wytworzonych produktów i usług w przeliczeniu na 1 zatrudnionego była
większa niż w scenariuszu bez środków europejskich.
Wykres 36. Wpływ realizacji polityki spójności na wydajnośd pracy (w p.p., UE-28=100)
Źródło: Opracowanie własne na podstawie symulacji modelu EUImpactMod IV
Wraz z relatywnym spadkiem wielkości środków polityki spójności pod koniec obecnej perspektywy,
pozytywne oddziaływanie na konwergencję wydajności pracy do średniej UE-28 będzie stopniowo
maled. Nadal jednak największe znaczenie środki europejskie będą miały w województwach Polski
42
Wschodniej. W 2023 r. wydajnośd pracy będzie w nich o ok. 2 p.p. większa, niż w hipotetycznym
scenariuszu bez funduszy.
Wpływ środków polityki spójności na poziom inwestycji w poszczególnych regionach był ściśle
związany ze skalą alokowanych środków w relacji do przeciętnego poziomu aktywności
inwestycyjnej w danym województwie. Dotychczas największy wpływ odnotowano w słabiej
rozwiniętych województwach Polski Wschodniej: warmiosko-mazurskim, podkarpackim,
świętokrzyskim, lubelskim i podlaskim, a także w łódzkim. Znacznie mniejsze było oddziaływanie
funduszy strukturalnych w najlepiej rozwiniętych województwach: mazowieckim, wielkopolskim czy
śląskim. W dalszych latach obecnej perspektywy finansowej szacujemy, że pozytywny wpływ na
wysokośd nakładów brutto na środki trwałe pozostanie najwyższy w województwach Polski
Wschodniej oraz województwach łódzkim i lubuskim, których udział w alokowanych środkach
pozostanie istotnie wyższy niż w innych regionach.
43
4 Wnioski
Napływ środków polityki spójności miał istotny pozytywny wpływ na całkowity poziom
produktu krajowego brutto w latach 2004-2016. Szacujemy, że w 2016 r. wielkośd PKB była
o 5,5% wyższa niż w alternatywnym scenariuszu bez funduszy UE. Spowodowało to
przyspieszenie realnej konwergencji gospodarki Polski do krajów Unii Europejskiej. W 2016 r.
poziom PKB per capita (wg parytetu siły nabywczej) osiągnął wartośd 69,2% średniej krajów
UE-28, o 3,6 p.p. więcej, niż w scenariuszu bez funduszy UE. Dla porównania, PKB per capita
w relacji do średniej UE-28 wzrósł w latach 2004-2016 z 50,2% do 69,2%, co oznacza, że
środki unijne odpowiadają za ok. 19% całkowitego wzrostu obserwowanego w tym okresie.
Siła wpływu na poziom PKB była ściśle związana z wielkością napływu środków polityki
spójności w poszczególnych latach, przy czym częśd efektów (szczególnie podażowych)
występowała z opóźnieniem. Wyniki symulacji wskazują, że najsilniejsze pozytywne
oddziaływanie na PKB wystąpiło w latach 2013-2015, w okresie znaczącego zwiększenia
napływu środków UE do gospodarki. W obecnej perspektywie finansowej największy wpływ
na poziom aktywności gospodarczej nastąpi w latach 2019-2021. Natomiast w okresach
przejściowych między kolejnymi perspektywami finansowymi, pozytywne oddziaływanie na
poziom produkcji w gospodarce istotnie spada.
Środki polityki spójności przyczyniły się do znacznej poprawy sytuacji na rynku pracy. W
2016 r. wartośd wskaźnika zatrudniania była o 2,3 p.p. wyższa niż w scenariuszu bez
funduszy, a stopa bezrobocia - o 2,1 p.p. niższa. Szczególnie istotne było stymulujące
oddziaływanie środków europejskich na poziom aktywności gospodarczej w trakcie drugiej
fali kryzysu finansowego (2012-2013), co przyczyniło się do zahamowania wzrostu bezrobocia
w tym okresie. W kolejnych latach, wraz z zakładaną dalszą poprawą na rynku pracy
niezależnie od napływu funduszy UE, wpływ realizacji polityki spójności na stopę bezrobocia
będzie stopniowo malał.
Na poziomie regionów, środki europejskie przyczyniły się do spowolnienia obserwowanej
dywergencji w rozwoju gospodarczym. Zgodnie z przeprowadzonymi symulacjami,
najsilniejszy pozytywny wpływ na PKB i inne kluczowe zmienne makroekonomiczne wystąpił
w relatywnie biedniejszych regionach kraju, w tym zwłaszcza w województwach Polski
Wschodniej. Jest to związane z faktem, że wskutek przyjętego mechanizmu dystrybucji
środków, regiony te otrzymały relatywnie więcej funduszy (zwłaszcza w odniesieniu do ich
PKB) niż pozostałe województwa. Również w obecnej perspektywie finansowej,
województwa Polski Wschodniej otrzymają więcej środków, przez co wpływ funduszy UE na
poziom PKB będzie w nich największy.
44
Załącznik 1. Wybrane równania modelu z perspektywy
prognozowanych zmiennych Ocena wpływu poszczególnych zmiennych na gospodarkę przeprowadzona zostanie na podstawie
symulacji modelu EUImpactMod IV.
Poniżej przedstawiono równania bezpośrednio opisujące zmienne stanowiące przedmiot prognozy.
Należy jednak podkreślid, że prognozowane wartości tych zmiennych będą wynikiem interakcji
między wszystkimi segmentami modelu, umożliwiających wyznaczenie równowagi na wszystkich
jego rynkach. W rezultacie wskazane równania składają się jedynie na tę częśd modelu w której dana
zmienna pełni najważniejszą rolę tj. w której pełnią one funkcję szczególnie ważną dla postaci
wybranego procesu ekonomicznego.
Specyfikacja modelu w równowadze ogólnej oznacza bowiem, że za zachowanie się w gospodarce
danej zmiennej odpowiadają nie tylko równania, w których występuje ona explicite, lecz także
wszystkie pozostałe równania modelu. W konsekwencji przedstawione niżej równania należy
analizowad w szerszym kontekście całej struktury modelowej przedstawionej w załączniku, a w
szczególności nie powinny one byd interpretowane w oderwaniu od pozostałych równao modelu
opisujących zachowanie pozostałych aktorów ekonomicznyc.
Wskaźniki będące przedmiotem analizy podzielono na 6 bloków, poprzedzonych opisem przyjętej
konwencji zapisu zmiennych i równao, niezbędnej do ich zrozumienia:
Zmienne rynku pracy
Produkt
Inwestycje
Zmienne fiskalne
Zmienne monetarne
Zmienne wymiany międzynarodowej
Pozostałe zmienne
1.1 Konwencja notacyjna modelu
Gospodarkę otwartą modelujemy poprzez wprowadzenie dwóch obszarów, H i F, gdzie H jest
obszarem odniesienia (krajem lub województwem), zaś F zagranicą. Model tworzymy w oparciu o
konwencję tzw. małej gospodarki otwartej (z ang. small open ecconomy), a więc obszar zagraniczny
modelowany jest jako egzogeniczny, zaś krajowy posiada pełną strukturę wielosektorową wraz z
rynkiem pracy, sektorem rządowym itp. Założenie małej gospodarki otwartej oznacza, że obszar
krajowy jest zbyt mały, aby móc wpłynąd na sytuację makroekonomiczną (np. na ceny) na rynkach
światowych i w przypadku Polski założenie to jest spełnione. W modelu wyróżniamy trzy sektory
produkujące dobra podstawowe indeksowane przez * +, gdzie sektory oznaczają
odpowiednio rolnictwo, przemysł i usługi. Przyjmujemy następującą konwencje oznaczeo. Po
pierwsze, indeks t oznacza, ze dana zmienna jest zależna od realizacji szoków do okresu t włącznie.
Zbiór informacyjny w chwili t zawiera wiec realizacje wszystkich szoków krajowych i zagranicznych,
które zaszły przed okresem t+1. Ponieważ model jest zbudowany w konwencji małej gospodarki
otwartej, większośd równao dotyczących szczegółów funkcji produkcji, rynku pracy dotyczy jedynie
obszaru krajowego i w przypadku tych równao pomijany jest indeks oznaczający kraj. Z kolei dla
zmiennych wyznaczanych bezpośrednio przez relacje handlowe lub kapitałowe miedzy oboma
obszarami (np. wielkości produkcji wytworzonej w kraju H lecz sprzedanej w kraju F) stosujemy
45
podwójne indeksowanie wedle schematu CF
tX przyjmując, że dla dowolnych, pierwszy indeks (C)
oznacza kraj pochodzenia a drugi (F) kraj docelowy. Po trzecie, wszystkie zmienne w modelu (w tym
ceny) wyrażane są w jednostkach realnych, a wiec w proporcji do odpowiedniego numeraire’a
takiego jak całkowita populacja (dla zmiennych liczonych w osobach) czy cena dobra referencyjnego
(dla zmiennych interpretowanych jako ceny względne). Każdy kraj ma swój własny zbiór jednostek
odniesienia, przy zachowaniu pełnej symetrii formalnej tj. przyjęciu, że wszystkie zmienne tworzące
zbiór numeraire różnią się miedzy oboma obszarami tylko indeksem * +,. Przeliczeo jednostek
niezbędnych w odniesieniu do przepływów kapitałowych oraz wymiany handlowej dokonują realne
kursy walutowe pełniące role cen względnych miedzy oboma krajami.
1.2 Mechanika modelu
Produkcja w modelu obejmuje pięd etapów:
ETAP 1
W gospodarce kraju występuje trzy sektory produkcyjne (rolnictwo, przemysł i usługi). W każdym
sektorze działa doskonale konkurencyjna firma wytwarzająca sektorowe dobro podstawowe
sprzedawane po cenie . Zakładamy, ze producent dobra podstawowego produkuje je przy użyciu
pracy oraz kapitału i materiałowych dóbr pośrednich reprezentowanych przez agregat
:
(
) (
)
W szczególności obejmuje: (i) wykorzystywany z intensywnością
, całkowity kapitał
zakumulowany w danym sektorze ,(ii) materiałowe dobra pośrednie
pochodzące od
pozostałych sektorów gospodarki, (iii) kapitał infrastrukturalny transportowy oraz kapitał
infrastrukturalny telekomunikacyjny . Zakładamy, ze agregat ten ma postac homotetycznej
funkcji o stałej relatywnej elastycznosci substytucji – CRESH.3 Formalnie rzecz biorac agregat, zadany
jest pośrednio w uwikłany sposób dla dodatnich wartości wszytskich parametrów:
[(
)
]
[(
)
]
[(
)
]
[(
)
]
Dobra pośrednie, wytwarzane są przy pomocy technologii CRESH wykorzystującej zagregowane
sektorowe dobra krajowe wytworzone przez firmy etaputrzeciego
oraz finalne dobra
energetyczne
Wzrastający wraz z postępem technologicznym poziom jednostkowej produktywności pracy , dany
jest egzogenicznie przez zintegrowany proces stochastyczny stopnia pierwszego. Z kolei zmienna
oznacza przejściowy szok technologiczny w sektorze S. Specyfikacja procesów
oznacza, że
3 ang. Constant Ratio of Elasticity of Substitution, Homothetic, por. Hanoch (1977). Technologia typu CRESH jest uogólnieniem stosowanej zwykle w modelach cyklu technologii CES, umozliwiajacym uwzglednienie bogatszej struktury substytucyjnej miedzy czynnikami produkcji.
46
proces konwergencji rozpatrywany w modelu ma charakter egzogeniczny, a oznacza efektywne
zasoby pracy, wyrażone jako iloczyn efektywnego zasobu kapitału ludzkiego i zasobu pracujących .
ETAP 2
Zakładamy, że w chwili t w każdym z sektorów działa skooczenie wiele firm indeksowanych indeksem
i, z których każda dysponuje siłą monopolistyczną dzięki temu, ze została założona przez
gospodarstwa domowe w wyniku zakupienia unikatowej innowacji produktowej z sektora R&D.
Liczba tych firm jest zmienna w czasie i inna w każdym sektorze. Dla danego S oznaczamy ja
symbolem . Każda z tych firm może przy użyciu dobra podstawowego
wyprodukowad
zróżnicowane dobro, posiłkując się liniową technologią produkcji:
∑
Podobnie jak Betts i Devereux (1996) przyjmujemy, ze firmy produkujące poszczególne produkty mogą
ustalad inną cenę w kraju niż za granica, w ramach mechanizmu różnicowania cen zależnie od rynku
(ang. pricing-to-market). Firma krajowa ustala na rynek krajowy cenę
oraz cenę na
rynek zagraniczny. Zakładamy, ze obie ceny są przy tym wyrażone w jednostkach krajowego dobra
konsumpcyjnego. Firma różnicująca ceny podlega sztywnościom nominalnym w formie
wielookresowych nominalnych kontraktów cenowych. Przyjęta w modelu specyfikacja tych
kontraktów jest rozwinięciem idei przedstawionych w pracach Murchisona et. al. (2004) oraz Dotseya,
Kinga i Wolmana (1999). Sformułowany kontrakt jest uogólnieniem dominujących w literaturze
kontraktów Calvo (1983), w której niezmienna w czasie, sztywnośd cenowa mogła trwad
nieskooczenie długo oraz nieco rzadziej stosowanych kontraktów Taylora (1980) w której kontrakty
obowiązywały przez z góry określona liczbę okresów.
ETAP 3
W trzecim etapie produkcji poszczególne dobra krajowe i zagraniczne importowane
, są
wykorzystywane przy produkcji zagregowanych dóbr sektorowych przeznaczonych na rynek krajowy i
zagraniczny (eksport), oznaczonych odpowiednio
oraz . Oba te dobra produkowane są przez
doskonale konkurencyjne firmy przy użyciu technologii CES.
ETAP 4
Kolejny etap produkcji polega na wytworzeniu zagregowanego dobra sektorowego . Dobro o cenie
wyrażonej w jednostkach krajowego dobra konsumpcyjnego wytwarzane jest przez doskonale
konkurencyjną firmę za pomocą technologii CES wykorzystującej dobra krajowe złożone z (i)
półproduktów krajowych o cenie oraz (ii) półproduktów zagranicznych o cenie
.
[( )
(
) ( )
(
) ]
* (
) ( )(
) +
ETAP 5 Ostatnim etapem produkcji jest wytworzenie dóbr finalnych, w których w oparciu o zagregowane
dobro sektorowe, dobra pośrednie i kapitał publiczny wytwarzane są dobra finalne (inwestycyjne,
dystrybucyjne, finansowe, energetyczne, ochronę zdrowia, ochronę środowiska i wody, edukację i
47
szkolenia oraz pozostałą konsumpcję publiczną). Firmy działające w warunkach doskonałej
konkurencji wykorzystują tu technologię CRESH.
1.3 Zmienne rynku pracy
Model EUImpactMod IV: wskaźniki dla całej populacji
liczba pracujących w sektorze S (sektor I, II, lub III): .
Ewolucja (zrealizowanej) podaży pracy z okresu na okres opisana jest następującym
równaniem:
( ) ((
) ∑ ∑
),
gdzie parametry oznaczają odpowiednio odsetek wszystkich osób nieaktywnych i
pracujących w poszczególnych sektorach S, a jest prawdopodobieostwem znalezienia
pracy przez osobę niepracującą od okresów4 w sektorze s, która ostatni raz pracowała w
sektorze r (jest ono funkcją liczby wysłanych ofert przez daną osobę, prawdopodobieostwem
znalezienia pracy w danym sektorze oraz kraocowej produktywności poszukiwania pracy).
Model sparametryzowany jest w ten sposób, że podaż pracy dotyczy osób w wieku 20-64.
Z kolei ewolucja (zrealizowanego) popytu na pracę opisana jest równaniem:
( ) ((
)
),
gdzie jest egzogenicznym z punktu widzenia przedsiębiorstwa prawdopodobieostwem
zapełnienia wakatu .
łączna liczba pracujących ogółem stanowiąca sumę zatrudnionych w poszczególnych
sektorach: ∑
liczba bezrobotnych ogółem wyrażona jest jako różnica między zasobem osób
niepracujących, a tymczasowo nieaktywnych (które przejściowo odeszły z rynku pracy, por.
równania (1) i (2)): , gdzie i ,opisują odpowiednio liczbę osób
pozostających bez pracy oraz liczbę osób tymczasowo nieaktywnych zawodowo
wskaźnik zatrudnienia ogółem:
, gdzie wyraża wielkośd populacji, będącą sumą
osób pracujących, bezrobotnych i nieaktywnych zawodowo w kohorcie wiekowej 20-64
stopa bezrobocia ogółem:
, w kohorcie wiekowej 15-64
liczba nowoutworzonych miejsc pracy ogółem: opisana jest równaniem:
(( )
( )
)
,
gdzie przedstawia liczbę wakatów, a
jest całkowitą liczbą ofert pracy wysłanych w
okresie t-1 przez niezdezaktywizowane osoby niepracujące do przedsiębiorstw z sektora S.
Zastosowana postad funkcji tworzącej pary pracodawca-pracownik pozwala na
4 Długośd okresu pozostawania bez pracy została uwzględniona w modelu jako czynnik determinujący prawdopodobieostwo znalezienia pracy ponieważ rzutuje ona na zasób kapitału ludzkiego zdobyty w trakcie pracy w danym sektorze jaki posiada osoba bezrobotna.
48
wprowadzenie niejednostkowej substytucji między ofertami pracy a wakatami. Ponadto
niedoskonały proces pośrednictwa pracy powoduje, że liczba wakatów, które w chwili t
zostały zapełnione w skutek skojarzenia pracodawcy z bezrobotnym jest mniejsza od popytu
na pracę zgłaszanego przez pracodawców oraz jej podaży ze strony bezrobotnych.
wynagrodzenie realne za jednostkę efektywnej pracy: , podczas gdy całkowity dochód z
pracy wynosi:
, gdzie
przedstawia liczbę przepracowanych godzina, a
efektywny kapitał ludzki, jakim dysponuje pracujący. Wynagrodzenie oraz liczba
przepracowanych godzin są wynikiem negocjacji prowadzonych w każdym okresie z
pracodawcami. Wynagrodzenie realne za jednostkę efektywnej pracy jest wynikiem
opisanego poniżej problemu optymalizacji.
Oznaczmy przez i
odpowiednio nadwyżkę gospodarstwa domowego z posiadania
dodatkowego członka rodziny zatrudnionego w sektorze s (mierzoną w jednostkach
dożywotniej użyteczności), oraz nadwyżkę przedsiębiorstwa działającego w sektorze s
związaną z zatrudnieniem dodatkowego pracownika:
Pracownicy przedsiębiorstwa negocjują obowiązujący ich kontrakt, określający oczekiwany
godzinowy wymiar pracy oraz płace w przyszłości. Negocjacje odbywają się według schematu
Nasha tak, ze obie strony dążą do zmaksymalizowania całkowitej nadwyżki z zawartego
kontraktu. Maksymalizacja ta bierze pod uwagę warunki pierwszego rzędu wynikające z
indywidualnych zagadnieo optymalizacji firmy i gospodarstwa domowego względem poziomu
zatrudnienia, Uwzględnia ona także wpływ jaki zmiana płac i godzinowego wymiaru pracy
wywrze na konsumpcje, a pośrednio także na poziom użyteczności osób pracujących.
Formalnie rzecz biorąc problem optymalizacyjny związany z negocjacjami miedzy pracodawca
a pracownikiem jest następujący
(
)
p.w.
( )
.
gdzie ,
oznaczają odpowiednio konsumpcję członka gospodarstwa domowego
zatrudnionego w sektorze s i konsumpcję bazową w okresie t, a jest stopą podatku
dochodowego.
Migracje
∑
wyrażone jako idiosynkratyczny szok podaży pracy ,
skalibrowane na podstawie danych historycznych na poziomie kraju i województw
pochodzących z GUS i EUROSTAT, gdzie:
∑
( )
49
Strukturalny moduł statystyczny: wskaźniki rynku pracy w rozbiciu na płeć
wskaźnik zatrudnienia kobiet i mężczyzn w populacji 20-64
stopa bezrobocia kobiet i mężczyzn
liczba nowoutworzonych miejsc pracy dla kobiet i mężczyzn
Na rynku pracy wielkośd populacji, zasoby pracujących, bezrobotnych i nowoutworzonych
miejsc pracy w podziale na płed przedstawid można w postaci następujących tożsamości:
gdzie indeksy K i M oznaczają odpowiednio kobiety i mężczyzn. Analogiczne równania opisują
zasób niepracujących i nieaktywnych (odpowiednio i ). Wielkośd populacji w
podziale na kobiety i mężczyzn wyznaczana jest w oparciu o dostępne dane demograficzne.
Ponieważ wpływ czynników makroekonomicznych na liczbę zatrudnionych, bezrobotnych i
nieaktywnych zawodowo wyznaczany jest w ramach modelu, zmiany tych wskaźników w
podziale na płed opisane są przez następujące równania, które poddane zostaną estymacji w
ramach modułu ekonometrycznego:
Gdzie
przedstawiają kolejno macierze zmian zortogonalizowanych wskaźników
preferencji i instytucjonalnych,5 mających istotny wpływ na poziom zatrudnienia, bezrobocia i
liczbę tworzonych miejsc pracy wśród kobiet. Stąd odpowiednie wielkości w populacji
mężczyzn wyznaczane są na podstawie równao:
Dane wykorzystane do estymacji powyższych równao będą wynikiem symulacji modelu
EUImpactMod IV (dla danych agregatowych) oraz pochodzid będą z Badania Aktywności
Ekonomicznej Ludności. W tym przypadku szeregi czasowe na poziomie kraju dostępne są od
1992 roku, a na poziomie województw za okres od 2003 do III kwartału 2016 w ujęciu
średniorocznym. Dane BAEL nie dostarczają explicite informacji o liczbie nowoutworzonych
miejsc pracy, która szacowana będzie na podstawie szeregów czasowych opisujących inne
5 Macierze te zostaną skonstruowane w oparciu o zmienne, których wpływ na zmienną objaśnianą będzie
istotny statystycznie.
50
agregaty rynku pracy. Przy estymacji równao rynku pracy dopuszcza się także możliwośd
wykorzystania dodatkowych danych pochodzących z GUSu lub Eurostatu.
1.4 Produkt
poziom realnego PKB ogółem: jest wartością zagregowanego produktu wytworzonego we
wszystkich sektorach S z odpowiednio półproduktów krajowych i zagranicznych, na który
składają się następujące dobra finalne: konsumpcyjne, inwestycyjne, finansowe,
dystrybucyjne, energetyczne, ochrona zdrowia, ochrona środowiska i wody, edukację i
szkolenia oraz pozostałą konsumpcję publiczną.
tempo wzrostu realnego PKB:
udział wartości dodanej brutto w sektorze S (sektor I, II, lub III) w całkowitej wartości
dodanej:, wartośd dodana sektora S mierzona jest poziomem zagregowanego produktu
wytwarzanego w danym sektorze z krajowych i zagranicznych półproduktów pomniejszoną
∑
poziom PKB per capita Polski (C=H) względem zagranicy (C=F dla UE 28, 25 i 15):
,
gdzie przedstawia kurs walutowy, mierzący cenę jednostki dobra krajowego wyrażoną w
jednostkach dobra zagranicznego, a
wielkośd populacji Polski i zagranicy
wydajnośd pracy w Polsce (C=H) względem zagranicy (C=F dla UE 28, 25 i 15): mierzoną jako
całkowity produkt na pracownika w kraju względem zagranicy.
1.5 Inwestycje
Nakłady brutto na środki trwałe mierzone są jako ∑
∑
, gdzie
przedstawia poziom nakładów przedsiębiorstw w sektorze S na środki trwałe w cenach
stałych, a nakłady sektora publicznego (w tym współfinansowane ze środków unijnych)
na na infrastrukturę transportową, telekomunikacyjną i społeczostwo informacyjne,
energetyczną, środowiskową i wodną oraz ochrony zdrowia, zwiększające zasób kapitału
publicznego (por. Rozdział 6.2.).
Ponieważ jednak akumulacja kapitału prywatnego we wszystkich sektorach ograniczona jest
poprzez mechanizm planów inwestycyjnych (ang. time-to-build) połączony ze sztywnościami
ex-post (Edge 2000, Murchison et al. 2004) łączny poziom wydatków inwestycyjnych w
okresie t ∑
różni się od poziomu efektywnych inwestycji , które powiększają
faktycznie kapitał produkcyjny. W przypadku efektywnych inwestycji zakłada się
komplementarnośd pomiędzy wydatkami inwestycyjnymi poświeconymi danemu projektowi
w różnych okresach czasu, która zniechęca przedsiębiorstwa od zmiany pierwotnego planu
inwestycyjnego. Współzależnośd te będziemy modelowad poprzez założenie, ze efektywny tj.
faktycznie powiększający kapitał, poziom inwestycji firmy w okresie t jest agregatem CES
poprzedniego oraz bieżącego poziomu inwestycji:
51
[
∑(( )
)
]
Zmienna oznacza podjęte w okresie t-j wydatki na projekt inwestycyjny, który został
ukooczony w okresie t. Parametr mierzy stopieo komplementarności pomiędzy
wydatkami inwestycyjnymi w poszczególnych okresach. W przypadku granicznym ,
wydatki inwestycyjne stają się doskonale komplementarne, dzięki czemu raz ustalony plan
inwestycyjny nie będzie mógł juz ulec zmianie. Z kolei gdy plany inwestycyjne stają
się doskonale substytucyjne co pozwala na pełne rewidowanie wcześniej podjętych
projektów. Z kolei parametr określa strukturę czasowa inwestycji. Dołączenie do modelu
mechanizmu time-to-build z wbudowaną sztywnością ex-post umożliwia uwzględnienie
opóźnionej reakcji inwestycji na często identyfikowane w danych szoki podażowe.
Tempo wzrostu nakładów brutto na środki trwałe:
Stopa inwestycji:
Nakłady na działalnośd R&D w sektorze przedsiębiorstw w relacji do PKB:
∑
Nakłady na działalnośd R&D ogółem w relacji do PKB:
∑
∑ (
)
wyrażają udział wydatków na badania i rozwój odpowiednio łącznych i ponoszonych jedynie
przez sektor przedsiębiorstw w całkowitym produkcie (obydwie wartości wyrażone w cenach
stałych).
Należy jednak podkreślid, że w ramach modelu dopuszcza się substytucyjnośd wydatków
przedsiębiorstw i rządu na badania i rozwój, a efektywna wielkośd tych nakładów, która
bezpośrednio oddziałuje na gospodarkę, wynosi:
Tempo wzrostu nakładów na działalnośd R&D w relacji do PKB przedsiębiorstw:
Tempo wzrostu nakładów na działalnośd R&D w relacji do PKB ogółem:
1.6 Zmienne fiskalne
wynik sektora finansów publicznych w relacji do PKB:
, gdzie oznaczają
wydatki, a przychody sektora finansów publicznych. Na wydatki rządu składają się
przede wszystkim wydatki na konsumpcję publiczną (wydatki na rozwój zasobów ludzkich
i inne wydatki konsumpcyjne sektora publicznego), inwestycje publiczne
(w
tym m.in. inwestycje w infrastrukturę podstawową oraz badania i rozwój), subwencje (w
tym m.in. bezpośrednie wsparcie dla sektora przedsiębiorstw wszystkich trzech sektorów) i
transfery do gospodarstw domowych w postaci zasiłków dla bezrobotnych , emerytur
52
i rent, , oraz transferów ryczałtowych . Ponadto, wydatkami rządowymi w chwili
t są także koszty wykupienia obligacji w okresie poprzednim nabytych przez krajowe ( ) i
zagraniczne ( ) gospodarstwa domowe
. Tym samym wydatki sektora
publicznego opisad można następującym równaniem:
( )
Z kolei dochody rządu pochodzą z podatków nałożonych na konsumpcję, pracę i kapitał
, emisji nowych obligacji na rynek krajowy i zagraniczny
, a także
z zysku z operacji otwartego rynku przekazanego przez bank centralny ( )
. Z kolei
jest przychodem brutto z transferów unijnych wyrażonym w walucie kraju c.
Formalnie rzecz biorąc:
+ ( )
Dług publiczny w relacji do PKB: stanowi wartośd wyemitowanych w okresie t nowych
obligacji na rynek krajowy i zagraniczny
1.7 Zmienne monetarne
Stopa inflacji: . Stopa inflacji zależy od ewolucji realnego zasobu pieniądza w gospodarce i
papierów wartościowych banku centralnego.
Zakładamy, ze podaż pieniądza determinowana jest przez bank centralny. Rozważamy przy
tym egzogeniczną politykę monetarną. W każdym okresie t, bank centralny powiększa zasób
pieniądza w gospodarce poprzez dokonanie transferu pieniężnego w wysokości do
banków komercyjnych. Ewolucja realnego zasobu pieniądza oraz papierów
wartościowych banku centralnego dana jest przez:
gdzie ustala relacje obligacji banku centralnego do produktu globalnego, jest
intensywnością prowadzonych przez bank centralny operacji otwartego rynku.
1.8 Zmienne wymiany międzynarodowej
Wartośd eksportu (w walucie krajowej): ∑ ∑
, gdzie przedsiębiorstw
w kraju wytwarzających dobra na rynki zagraniczne, z których każde w okresie t wytwarza
produkt
Wartośd eksportu (w walucie zagranicznej):
∑ ∑
53
Tempo wzrostu wartośd eksportu:
Wartośd importu (w walucie krajowej)
∑ ∑
, gdzie
przedsiębiorstw w kraju wytwarzających dobra na rynki zagraniczne, z których każde w
okresie t wytwarza produkt
Wartośd importu (w walucie zagranicznej): ∑ ∑
Tempo wzrostu wartośd importu:
Saldo obrotów bieżących w relacji do PKB:
wyrażone jako jako różnica między
eksportem a importem (w cenach bieżących)
.