primjena regresione analize u procjeni uticaja bdp …

Jahorina Business Forum 2020 / Jahorinski poslovni forum 2020

217

Boško Mekinjić1

Miloš Grujić2

Dragana Vujičić-Stefanović 3

PRIMJENA REGRESIONE ANALIZE U PROCJENI UTICAJA GDP PER CAPITA NAREZULTATE NIVOA PISA TESTOVA, DIGITALIZACIJE i HDI U EVROPI

Apstrakt: Cilj rada je da se ispita korelacija između GDP per capita i dostignutog nivoa tehnologije iinovacija, rezultata PISA testova i indeksa ljudskog razvoja u Evropi. Istraživačko pitanje glasi: “Da lisu, i u kakvoj vezi, GDP per capita sa nivoom tehnologije i inovacija, rezultatom PISA testova iindeksom ljudskog razvoja u Evropi?” Cilj istraživanja je da utvrdimo da li ima osnova za vjerovanje„bogatstvo“ pojedinca utiče na neke druge rezultate. Metode korištene u radu su regresiona analizaodnosno prosta linearna regresija te analiza i sinteza prethodnih istraživanja i teoretskih nalaza da bizaključci bili izvučeni metodom indukcije. Rad predstavlja doprinos autora ekonomskoj teoriji i praksite široj javnosti jer rezultati istraživanja i ukazuju na veliku vezu između posmatranih varijabli.Klјučne riječi: obrazovanje, indeks ljudskog razvoja, PISA test, digitalizacija, međuzavisnost

APPLICATION OF REGRESSION ANALYSIS IN ESTIMATING THE IMPACT OF GDPPER CAPITA ON TEST LEVELS, DIGITALIZATION AND HDI IN EUROPE

Abstract: The aim of the paper is to examine the correlation between GDP per capita and the level oftechnology and innovation achieved, the results of PISA tests and the human development index inEurope. The research question is: "Are GDP per capita and the level of technology and innovationcorrelated with the result of PISA tests and the human development index in Europe?" The aim of thestudy is to determine whether an individual's "wealth" is a basis for believing some other results. Themethods used in the paper are regression analysis, i.e. simple linear regression, and analysis andsynthesis of previous research and theoretical findings, so that conclusions could be drawn by theinduction method. The paper presents the authors' contribution to economic theory and practice and tothe general public because the research results indicate a large relationship between the observedvariables.Keywords: education, human development index, PISA test, digitization, interdependence

1. UVOD

Istraživanje PISA4 2018 sedmi je ciklus istraživanja PISA testova (a prvi u u kojem jeučestvovala Bosna i Hercegovina) u kojem se po treći put nakon 2000. godine ispitivala čitalačkapismenost učenika kao glavno ispitno područje, dok su se matematička i prirodoslovna pismenost tesposobnost globalne kompetencije učenika ispitivale kao sporedna područja. U istraživanju jeučestvovalo 79 zemalja, a ukupno je testirano više od 600.000 učenika koji reprezentuju oko 32miliona petnaestogodišnjih učenika u zemljama učesnicama. Cilj provođenja PISA testova jesteispitati u kojoj mjeri je obrazovni sistem zemlje uspio obezbijediti sticanje ključnih komptencija.

Prema izvještaju, odosno prema rezultatima istraživanja Organizacije za ekonomsku saradnju irazvoj, u području čitalačke pismenosti najbolji prosječni rezultat od 555 bodova postigla je Kina(pokrajine Peking, Šangaj, Jiangsu i Zhejiang), a prati je Singapur (549 bodova) i Makao-Kina (525bodova). Najniži rezultat ostvarili su učenici iz Filipina (340 bodova) i Dominikanske Republike (342boda). Od evropskih zemalja najuspješnija je Estonija s rezultatom od 523 boda, zatim Finska s 520bodova te Irska s 518 bodova. Hrvatska je postigla ispodprosječni rezultat od 479 bodova i nalazi se na

1 Ekonomski fakultet Banja Luka,* [email protected] Penzijski rezervni fond Republike Srpske Banja Luka* [email protected] Komercijalna banka ad Banja Luka* [email protected] PISA (Programme for International Student Assessment), odnosno Međunarodni program za ispitivanje znanja i vještinaučenika, najveće je svjetsko obrazovno istraživanje koje Organizacija za ekonomsku suradnju i razvoj (OECD) provodi od2000. godine u zemljama članicama OECD-a i partnerskim zemljama s ciljem prikupljanja međunarodno usporedivihpodataka o kvaliteti, uspješnosti i pravednosti obrazovnih sistema.


218

62. mjestu u ukupnom poretku od 77 zemalja. Prema apsolutnom prosječnom rezultatu, Albanija imaniži BDP per capita od BiH a ostvarila je bolji prosječni rezultat od BiH. S druge strane SjevernaMakedonija imi viši BDP per capita od BiH, ali je ostvarila slabiji rezultat.

Iz pomenutog izvještaja se zaključuje da postoji široka lepeza faktora koji utiču na uspješnostučenika na PISA testovima. Od individualnih karakteristika učenika, kognitivnih sposobnosti,porodičnog okruženja, socioekonomskog statusa porodice i škole, školskog okruženja, nastavneprakse, dužine uključenosti u predškolski odgoj i sl. U vezi sa tim, u radu se istražuje veza izmeđuvisine bruto društvenog proizdova po glavi stanovnika (BDP-a) i rezultata na PISA testovima. Osimtoga, u radu se testira veza između nezavisne varijable (BDP per capita) te nezavisne varijable redom:

- nivoa digitalizacije i inovacija po zemljama;- BDP per capita i- indeksa ljudskog razvoja.

2. PREGLED LITERATURE

Bruto domaći proizvod (BDP ili engl. gross domestic product GDP) je ukupna vrednostfinalnih dobara, koja su proizvedena i usluga (proizvodnih i neproizvodnih), koje su pružene u jednojzemlji u određenom vremenskom periodu (najčešće godinu dana). Ovaj izraz predstavlja ukupnuprodukciju finalnih roba i usluga, ostvarenu u nacionalnoj ekonomiji (domicilnoj zemlji), bez obzirana vlasništvo. To podrazumeva da BDP uključuje vrednost produkcije stranih lica (kompanija) uzemlji, a isključuje aktivnosti firmi u vlasništvu domaćih rezidenata u inostranstvu. BDP predstavljaukupno stvoren domaći dohodak. BDP je mjeren metodom pariteta kupovne moći (PKM ili PPP), aiznosi su u dolarima. PKM metoda je korisnija za komparaciju životnog standarda između zemalja, jeruzima u obzir troškove života i stopu inflacije, umjesto jednostavnije komparacije nominalnih iznosakoji možda ne prikazuju prave razlike u prihodima.

Slično kao i u prethodnim ciklusima istraživanja i u ovom ciklusu PISA istraživanja uočena jesnažna povezanost između prosječnih rezultata u čitalačkoj pismenosti i bruto domaćeg proizvoda postanovniku zemalja učesnica. BDP per capita objašnjava 45% varijanse u prosječnom rezultatu učitalačkoj pismenosti (Markočić Dekanić, Gregurović, Batur & Fulgosi 2019, 84). Naime, iako PISAupućuje na snažnu povezanost između bruto domaćeg proizvoda po stanovniku i rezultata na testuučenika, neke zemlje postižu bolje rezultate od zemalja sa sličnim ili većim BDP-om.

U posljednjih dvadesetak godina javnu raspravu o postojanosti raznih nejednakosti ponovnosu podstakli rezultati PISA istraživanja (Vester 2006.) – međunarodnog komparativnog istraživanjaobrazovnih postignuća petnaestogodišnjaka koje se u organizaciji OECD-a provodi od 2000. godine.PISA rezultati potvrđuju da u svim zemljama u kojima su sprovredeni testovi učenici višegsocioekonomskog statusa u prosjeku postižu bolje rezultate od učenika nižeg statusa (OECD 2004;2010.). Iako u stručnim krugovima ovakav nalaz nije dočekan s iznenađenjem (Baumert i Schümer2001.), komparativni aspekt PISA rezultata aktuelizovao je raspravu o mehanizmima putem kojih sereproduciraju nejednake obrazovne šanse (Jungbauer-Gans 2004.).

Dio ove rasprave odnosi se na razlike “u obrazovnim nejednakostima među zemljama, pričemu se takve razlike povezuju s institucionalnim karakteristikama nacionalnih obrazovnih Sistema”(Marks 2005.; Pastuović 2006.; Perry 2009.) Cilj ovoga rada je istražiti oba navedena aspektaobrazovnih nejednakosti: povezanost porijekla učenika s aspekta BDP per capita učenika i ostvarenihrezultata rezultata testiranja.

Brojna dosadašnja istraživanja pokazuju finansijske institucije i stanovništvo imaju značajneprednosti od procesa digitalizacije i inovacija (Laursen i Salter 2006; Fasnacht 2009). S druge strane,uprkos tome što digitalizacija predstavlja važan faktor za primjenu inovacija u dosadašnjemnaučnoistraživačkom fondu ne postoji dovoljno istraživanja o ovim procesima, odnosno o tome ukakvoj su vezi BDP sa digitalizacijom i inovacijama, odnosno sa indeksom ljudskog razvoja.Istovremeno, veliki broj autora se bavio procjenom uticaja finansijskog razvoja na ekonomski rast,nejednakost i ekonomsku stabilnost (Levine 2005, Demirgüç-Kunt and Levine 2009, and Dabla-Norrisand Srivisal 2013). Upravo odatle proizilazi cilj ovog istraživanja. Cilj istraživanja je da utvrdimo dali ima osnova za vjerovanje „bogatstvo“ pojedinca utiče na neke druge rezultate. U radu smo zemljeZapadnog Balkana posmatrali kao tržišta u razvoju. Naime, kao „tržište u razvoju” podrazumijevamozemlјe koje odlikuju institucionalne turbulencije, nizak nivo korporativnog upravljanja i ekonomskograzvoja u odnosu na razvijene zemlјe. Hoskisson i saradnici kao zemlje u tranziciji izdvajaju sve


219

zemlje Zapadnog Balkana (Hoskisson et al. 2000 249-267). Ilustracije radi, institucionalno nasliјeđekomunizma na tim tržištima ogleda se kroz veliku, nedisciplinovanu i neefikasnu administraciju,birokratizovan pristup institucija i korupciju (Haramija and Njavro 2016).

U poređenju sa BDP-om, indeks ljudskog razvoja (skraćeno HDI, od engleskog: „humandevelopment index“ HDI), ima veći naglasak na ljudski razvoj. BDP po glavi stanovnika, što seugrubo može uzeti kao kupovna moć prosečnog čovjeka, jeste važan je faktor u izračunavanju indeksaljudskog razvoja, ali to je samo jedan od nekoliko faktora. Indeks ljudskog razvoja oslikava bolju slikuzemlje nego BDP. Veliki broj radova pokazuje visoku vezi između ove dvije veličine (Islam 1995;Natoli, & Zuhair 2011, Shah 2016). Mekinjić, Grujić i Vujičić-Stefanović (2019) su istraživali da liima osnova za vjerovanje da je „kopiranjem” određene zemlje po nivou digitalizacije i inovacijamoguće dodatno razviti finansijsko tržište, uticati na nivo ljudskog razvoja ili na povećanje BDP-a poglavi stanovnika.

U radu je Indeks humanog razvoja izabran kao zavisna varijabla jer on predstavlja rezultattraganja za jednom zajedničkom mjerom ekonomskog i socijalnog razvoja. Ovaj indeks je doprinoskvantifikaciji cjelokupnog socioekonomskog aspekta napretka, koji se odnosi na dostignuća zemlje upogledu temeljnih dimenzija humanog razvoja. Ovaj razvoja uključuje tri temeljne dimenzije humanograzvoja, koje se odnose na mogućnosti koje ljudi očekuju da će postići. To su sljedeće dimenzije:

- očekivani životni vijek je postignut sposobnošću da se živi dug i zdrav život,- postignuto obrazovanje se ostvaruje kroz sposobnost sticanja znanja,- postignuti životni standard se ostvaruje kroz sposobnost da se obezbijedi pristojan prihod za

život.Promjene uvedene u HDR 2010. odnose se na izbor pokazatelja dimenzije, transformaciju u

izračunu indeksa dimenzije, kao i metoda agregacije; GNI/per capita koristi se umjesto BDP/percapita.

Tabela 1. Sažeti pregled reformi humanog razvojaMaksimum

Minimum Maksimum Mini

mumDimenzija PokazateljTransformacija

PokazateljTransformacija

Dug i zdravživot

Očekivani životnivijek 85 25

Očekivani životnivijek

83,4 (japan,2011) 20

Stopa pismenostiodraslih 100 0

Očekivane godineškolovanja

18 (limitirano namaksimum) 0

ZnanjeKombinovai brutoodnos upisa u škole 100 0

Kombinovai brutoodnos upisa u škole

13,1 (Češka,2005) 0

Pristojanživotnistandard

BDP/per capita (PPPUS$) 40000 100

BDP/per capita (PPPUS$)

107.721 (Katar,2011) 100

Metodiagregacije Aritmetička srednja vrijednost Aritmetička srednja vrijednostIzvor: Fetahagić, Maida. 2013. “Aneks 1: Pokazatelji humanog razvoja za Bosnu i Hercegovinu.”

United Nations Development Programme str. 3.

Indeks humanog razvoja predstavlja kompromis između sveobuhvatnosti i mjerljivosti(Ghislandi, Sanderson, & Scherbov 2019). Ovaj indeks koristi podatke vodećih svjetskih institucija, aposebna studija je provedena za procjenu prosječnih godina školovanja5.

3. METODOLOGIJA

U radu smo posmatrali podatke objavljene od strane The National Bureau of EconomicResearch. (2019), Organizacija za ekonomsku saradnju i razvoj (2019) Svjetski ekonomski forum(World econimic Forum 2018) te BDP-u po glavi stanovnika koje je objavio Međunarodni monetarnifond (2019). Za svaku posmatranu zemlju smo uzeli u obzir nivo digitalizacije, nivo HD indeksa, BDP

5 Izvori podataka: Life expectancy at birth: UNDESA (2009d); Average years of schooling: special study byBarro and Lee (2010) available on: http://www.nber.org/papers/w1590; Expected years of schooling: UNESCOInstitute for Statistics (2010a); GNP/per capita: World Bank (2010g) and IMF (2010a).


220

po glavi stanovnika u 2018. godini i rezultate PISA testa. Uzorak čine 33 zemlje Evrope za kojepostoje zvanični podaci za varijble koje posmatramo. Uzorak smo podijelili na po geografskomkriterijumu na četiri grupe zemalja: Zapadnu Evropu, Jugoistočnu Evropu, Istočnu Evropu i zemljeZapadnog Balkana.

Tabela 2. Podaci korišteni u radu pregled reformi humanog razvoja

Zemlja BDP percapita

PISAprosjek

Nivodigital.

HumanDevelopmentIndex

Region

Luksemburg 106.705 479 6,05 0,909 Zapadna EvropaIrska 78.785 497 8,25 0,942 Zapadna EvropaHolandija 56.383 517 8,68 0,933 Zapadna EvropaŠvedska 52.984 503 7 0,937 Zapadna EvropaNjemačka 52.559 499 7,94 0,939 Zapadna EvropaAustrija 52.137 496 6,8 0,914 Zapadna EvropaDanska 52.121 507 7,34 0,93 Zapadna EvropaBelgija 48.245 505 6,32 0,919 Zapadna EvropaFinska 46.430 504 8,85 0,925 Zapadna EvropaFrancuska 45.775 493 7,05 0,891 Zapadna EvropaUjedinjeno Kraljevstvo 45.705 502 8,99 0,92 Zapadna EvropaItalija 39.637 483 5,99 0,883 Južna EvropaMalta 45.606 469 5,92 0,885 Južna EvropaŠpanija 40.139 478 6,78 0,893 Južna EvropaKipar 39.973 445 5,7 0,873 Južna EvropaSlovenija 36.746 506 4,52 0,902 Južna EvropaPortugal 32.006 489 3,89 0,85 Južna EvropaGrčka 29.123 450 6,12 0,872 Južna EvropaČeška 37.371 496 6,96 0,891 Istočna EvropaSlovačka 35.130 481 7,78 0,857 Istočna EvropaLitvanija 34.826 477 5,87 0,869 Istočna EvropaEstonija 34.096 520 6,74 0,882 Istočna EvropaPoljska 31.939 515 5,71 0,872 Istočna EvropaMađarska 31.903 476 2,83 0,845 Istočna EvropaLetonija 29.901 494 5,36 0,854 Istočna EvropaRumunija 26.447 426 3,17 0,816 Istočna EvropaBugarska 23.156 432 4,66 0,816 Istočna EvropaHrvatska 26.221 466 4,93 0,837 Zapadni BalkanCrna Gora 19.043 425 - 0,816 Zapadni BalkanSrbija 17.555 440 3,61 0,799 Zapadni BalkanSeverna Makedonija 15.709 395 - 0,759 Zapadni BalkanBosna i Hercegovina 13.491 407 4 0,769 Zapadni BalkanAlbanija 13.345 434 1,96 0,791 Zapadni BalkanKosovo * 11.552 361 - 0,739 Zapadni Balkan

Izvor: Podaci Svjetske banke (2019), Organizacija za ekonomsku saradnju i razvoj (2019) Svjetskiekonomski forum (World econimic Forum, 2018)

Linearnu regresiju smo koristili jer smo, na osnovu prethodnih istraživanja (DiCorrado, Kelly,& Wright 2015; Schleicher, 2017; Schleicher 2018) i rezultata prikaza rezultata PISA testova (OECD2019.) pretpostavili da postoji postoji linearni odnos između nezavisne varijable (X) i zavisne varijable(Y).

Regresionе metode se u praksi veoma uspješno koriste za rješavanje problema procjene iklasifikacije. Linearna regresija pretpostavlja linearnu zavisnost između ulazne (ili ulaznihpromjenljivih) i izlazne promjenljive. To znači da linearna regresija zapravo pokušava da pronađeliniju koja opisuje (pretpostavlja) vezu između ulaznih i izlaznog podatka. Jasno je da hipotezapredstavlja jednačinu prave (pretpostavlja se da su ulazne i izlazne promenljive linearno zavisne).Prema tome, osnovni problem linearne regresije je pronaći takve paramere i (pravu) koja “najbolje”opisuje vezu između ulaznih promenljivih i izlazne promenljive. Hipoteze se postavljaju kao kao:

H0 – nul-hipoteza = negacijskaH1 – alternativna = afirmacijskaF testom se testiraju hipoteze H0: β = 0 i H1: β ≠0 tj. β ≠0. Test posmatra vrijednost F.


221

Ukoliko se sume kvadrata podijele s odgovarajućim stepenima slobode dobiju se sredinekvadrata koje predstavljaju nezavisne procjene komponenti varijanse. Sume kvadrata, sttepenislobode, sredine kvadrata i druge informacije predstavljene su u tabeli analize varijanse (Tabela 3).Sistematizovani pdoaci obrađeni su u program Excel.

F > F k,n-(k+1) (1-α) pri čemu je α (0< α<1) zadani nivo značajnosti, a F > F k,n-(k+1) vrijenostfunkcije distribuciej vrjednsoti za F-distribuciju s (k,n-(k+1)) stepeni slobode, odbacuje se nul-hipoteza, te se zaključuje da postoji barem jedan parameter različit od nule.

Tabela 3. Tabela analize varijanse za model linearne regresijeIzbor varijacije Stepeni

slobodeSuma kvadrata Sredine kvadrata F-omjer

protumačenmodelom

K

neprotumačenmodelom

n-(k+1)

Ukupno n-1

Ukupna varijansa zavisne varijable (Y) može biti dekomponovana na sljedeći način:

Gdje prvi sabirak u desnoj strani jednačine predstavlja rezidualnu varijansu a drugi objašnjenuvarijansu.

Ukratko, prikazano formulama to je:H0: Y = β 0+ β 1X gdje je β = 0H1: Y = β 0+ β 1X gdje je β ≠0 tj. β ≠0

S tim u vezi, istraživačko pitanje je postavljeno na način da li pojava X utiče na pojavu Y.Prema tome, null hipoteze su:

H01: Visina BDP per capita ne utiče na rezultat PISA testa.H02: Visina BDP per capita ne utiče na nivo digitalizacije i inovacija.H03: Visina BDP per capita ne utiče na nivo indeksa ljudskog razvoja.

4. REZULTATI ISTRAŽIVANJA

Pogledom na matricu koja pokazuje međusobne korelacije sve četiri posmatrane promjenljive uočavase da postoji značajna veza između sve četiri varijable.

Tabela 4. Tabela-matrica međusobne korelacije sve četiri posmatrane promjenljive

Opis BDP po glavi stanovnikaProsječanPISArezultat

Digitalizacija HDI

BDP po glavi stanovnika 1 0,5927 0,645 0,7871Prosječan PISA rezultat 0,5927 1 0,8012 0,883Digitalizacija 0,645 0,8012 1 0,8655HDI 0,7871 0,883 0,8655 1

Izvor: Kalkulacija autora


222

Sljedeći korak je bio iskazati matricu determinacije odnosno kvadrata korelacija. S obzirom nato da se koeficijent dererminacija kreće od 0,3512 (determinacija BDP per capita i prosječnog rezultatna PISA testu) do 0,7796 (determinacija prosječnog rezultata na PISA testu i indeksa ljudskograzvoja) može se zaključiti da se radi o značajnoj vezi.

Tabela 5. Tabela-matrica međusobne determinacije posmatranih promeljivihOpis BDP po glavi stanovnika Prosječan PISA rezultat Digitalizacija HDIBDP po glavi stanovnika 0,3513 0,4160 0,6195Prosječan PISA rezultat 0,6419 0,7796Digitalizacija 0,7491HDI


Zapazili smo da je odnos prosječne visine pokazatelja BDP per capita po grupama ugrubo odgovaraodnosu Zapadna Evropa : Južna Evropa : Istočna Evropa : Zapadni Balkan = 4 : 3 : 2 : 1. Konkretno,prosječan BDP per capita po posmatranim grupama jeste 3,47 : 2,25 : 1,89 : 1. Dakle, prosječan BDPper capita u Zapadnoj Evropi je 3,47 puta veći od prosječnog BDP-a zemalja na Zapadnom Balkanu.Istovremeno, prosječan BDP per capita u Južnoj Evropi je 2,25 puta veći od prosječnog BDP-azemalja na Zapadnom Balkanu a prosječan BDP per capita u Istočnoj Evropi je 1,89 puta veći odprosječnog BDP-a zemalja na Zapadnom Balkanu (Tabela 6).

Tabela 6. Prikaz najvećih, najmanjih i prosječnih visina GPD per capita po grupamaRegion Minimum Maksimum ProsjekZapadna Evropa 45.705 106.705 57.984Južna Evropa 29.123 45.606 37.604Istočna Evropa 23.156 37.371 31.641Zapadni Balkan 11.552 26.221 16.702


U zemljama Zapadne Evrope, najveću vrednost BDP per capita ima Luxemburg (106.705), anajnižu Ujedinjeno Kraljevstvo (45.705); u zemljma južne Evrope najveću vrijednost BDP per capitaima Malta (45.606) a najnižu Grčka (29.123), dok u zemljama Istočne Evrope najvišu vrednost imaČeška Republika (37.371), a najnižu Bugarska (23.156).

U zemljama Zapadnog Balkana Hrvatska ima najvišu vrijednost BDP per capita (26.221), anajnižu Kosovo (11.552). Bosna i Hercegovina sa 13.491 BDP per capita, samo je ispred Albanije(13.345), i Kosova, a osim Hrvatske, iza je i Crne Gore (19.043), Srbije (17.555), SjeverneMakedonije (15.709).

Slika 1. Prikaz najveće, najmanje i prosječne veličine pokazatelja BDP po posmatranim grupama



223

S ciljem testiranja prve hipoteze „Visina BDP per capita ne utiče na rezultat PISA testa“posmatrali smo odnos BDP per capita i rezultata PISA testova. Posmatrano po grupama zemalja ukojim smo sagledali rezultate BDP per capita, sličan, ali mnogo manje dramatičan rezultat, je i porezultatima PISA testova. Odnos je oko 1,20 : 1,13 : 1,15 :1

Tabela 7. Prikaz najvećih, najmanjih i prosječnih rezultata PISA testova po grupamaRegion Minimum Maksimum ProsjekZapadna Evropa 479 517 500Južna Evropa 445 506 474Istočna Evropa 426 520 480Zapadni Balkan 361 466 418


Prema raspoloživim podacima PISA testova, u zemlajma Zapadne Evrope najvišu vrijednostostvarenih rezultata PISA testova ima Norveška (517), a najnižu Luxemburg (479), iako istovremenoLuxemburg ima najvišu vrijednost BDP per capita u okviru ove grupe zemalja. U grupi zemalja JužneEvrope najvišu vrijednost PISA testova ima Slovenija (506), a najnižu Kipar (445). Malta iako imanajvišu vrijednost BDP per capita u okviru ove grupe zemalja, po rezultatima PISA testova (469) senalazi ispod prosjeka rezultata PISA testova za ovu grupu zemlja (474).

U zemljma Istočne Evrope, najvišu vrijednost ima Estonija (520), a najnižu Rumunija (426). Uzemljama Zapadnog Balkana najvišu vrednost ostvarenih rezultata PISA testova ima Hrvatska (466),koja istovremeno ima i najviši BDP per capita u ovoj grupi zemalja, a najnižu vrijednost ima Kosovo(361), koji je takođe posljednji u ovoj grupi zemalja i generalno kada je u pitanju pokazatelj BDP percapita. Bosna i Hercegovina iako ima višu vrijednost BDP per capita od Albanije, po rezultatima PISAtestova lošija je od Albanije. Istovremeno, iako ima nižu vrijednost BDP per capita od SjeverneMakedonije, prema rezultatima PISA testova je ispred S.Makedonije.

Slika 2. Prikaz najveće, najmanje i prosječne veličine rezultta PISA testova po posmatranim grupama


Tabela 8. Regresiona analiza podataka za GDP per capita i rezultate PISA testova – Excel prikazKoeficijent proste korelacije (R) 0,592727915R2 0,351326382Prilagođeni R2 0,331055331Standardna greška 15.520,69177Broj posmatranja 34


224

IzborStepenislobode Sume kvadrata

Sredinekvadrata F Značajnost F

Vrijednost Fodnosa Rezultat

Regresija 1 4.175.001.674 4.175.001.674 17,33143432 0,000221004 1,793429341 odbacujemoRezidual 32 7.708.539.934 240.891.872,9Ukupno 33 11.883.541.608

Pokazatelji reprezentativnosti ili “kvaliteta” regresionog modela kvantifikuju stepenmeđuzavisnosti i izražavaju direktno ili indirektno odstupanje vrijednosti zavisne varijable ocijenjenihregresionim modelom od orginalnih vrijednosti zavisne varijable. Pokazatelji reprezentativnostiregresionog modela su: koeficijent determinacije, koeficijent korelacije, standardna greška ikoeficijent varijacije regresionog modela. Na osnovu dekompozicije varijanse određuje se koeficijentdeterminacije. Koeficijent determinacije predstavlja učešće objašnjenog varijabiliteta u ukupnomvarijabilitetu zavisne varijable. Ovaj koeficijent pokazuje dio varijabiliteta zavisne varijable koji jeobjašnjen regresionim modelom kroz uticaj nezavisne varijable. Relativna mjera se izražava se uprocentima odnosno može uzeti vrijednosti iz intervala 0 do +1 (ili 0-100%). Veća vrijednost ovogkoeficijenta ukazuje da je veća proporcija objašnjene u ukupnoj varijansi i da je odabrani modelpouzdaniji i reprezentativniji. Koeficijent determinacije dobia se po formuli:

Koeficijent determinacije - R kvadrat (R2) jednak je 0,351326382. To znači da nezavisnavarijabla (varijabla X – BDP per capita) objašnjava 35,13% varijable Y – rezultate PISA testa. Drugimriječima, BDP per capita utiče oko 35,13% na rezultate PISA testa. Koeficijent proste korelacije (R)jednak je 0,5927 što znači da postoji slaba direktna veza između nezavisne i zavisne varijable. Sobzirom na to da je koeficijent determinacije manji od 0,4 može se zaključiti da ipak ne postoji jakadirektna veza između nezavisne i zavisne varijable. Na ovom mjestu možemo ponuditi argumente zauzročno-posljedičnu vezu u oba smjera za BDP per capita i rezultate na PISA testovima. Na primjer,BDP stvara uslove za bolje ulaganje u obrazovanje, dok bolje obrazovanje privrede pospješuje rastBDP-a, što omogućava više izdvajanja za – školovanje.

S obzirom na to da je p vrijednost 0,000221004 manja od 0,05 možemo da odbacimo hipotezuda “BDP per capita ne utiče na rezultate PISA testa“ i možemo da zaključimo da BDP per capita utičena rezultate PISA testa.

Slika 3. Prikaz korelacije visine BDP-a i rezultata PISA testova u Evropi


Kada iz uzorka izdvojimo Irsku i Luksemburg kao male zemlje i poreske rajeve dobijamo jošveći nivo korelacije odnosno 64,6%.


225

Slika 4. Prikaz korelacije visine BDP-a i rezultata PISA testova u Evropi (bez Luksemburga i Irske)


Zapazili smo da je odnos prosječne visine pokazatelja nivo digitalizacije i inovacija pogrupama odgovara odnosu Zapadna Evropa : Južna Evropa : Istočna Evropa : Zapadni Balkan = 2,09 :1,53 : 1,5 :1. . Dakle, prosječan nivo digitalizacije i inovacija u Zapadnoj Evropi je 2,09 puta veći odprosječnog BDP-a zemalja na Zapadnom Balkanu. Istovremeno, prosječan nivo digitalizacije iinovacija u Južnoj Evropi je 1,53 puta veći od prosječnog nivoa digitalizacije i inovacija zemalja naZapadnom Balkanu a prosječan nivo digitalizacije i inovacija u Istočnoj Evropi je 1,50 puta veći odprosječnog nivoa digitalizacije i inovacija zemalja na Zapadnom Balkanu.

Tabela 9. Prikaz najvećih, najmanjih i prosječnih rezultata digitlizacije i inovacija po grupamaRegion Minimum Maksimum Prosjek

Zapadna Evropa 6,05 8,99 7,57Južna Evropa 3,89 6,78 5,56Istočna Evropa 2,83 7,78 5,45Zapadni Balkan 1,96 4,93 3,63


Prema posmatranim podacima, nivoa digitalizacije i inovacija, u grupi zemalja ZapadneEvrope najviši nivo digitalizacije i inovacija ima Ujedinjeno Kraljevstvo (8,99), a najniži nivo imaLuxemburg (6,05). Uz to, Luksemburg u grupi ovih zemalja i generalno ima najviši nivo BDP percapita. U grupi zemalja Južne Evrope, najviši nivo ovog pokazatelja ima Španija (6,78), a najniži nivoPortugal (3,89). U grupi zemalja Istočne Evrope, najviši nivo digitalizacije i inovacija ima Slovačka(7,78), a najniži Mađarska (2,83).

U zemljama Zapadnog Balkana, najviši nivo digitalizacije i inovacija ima Hrvatska (4,93), anajniži Albanija (1,96). Ovaj pokazatelj nije raspoloživ za Crnu Goru, Sjevernu Makedoniju i Kosovo.Bosna i Hercegovina ima ovaj pokazatelj na nivou od 4,00 i iznad je Srbije (3,61).

Tabela 10. Regresiona analiza podataka za BDP per capita i nivo digitalizacije i inovacija – Excelprikaz

Koeficijent proste korelacije (R) 0,6449636R2 0,415978Prilagođeni R2 0,3977273Standardna greška 14726,941Broj posmatranja 34

IzborStepenislobode

Sumekvadrata

Sredinekvadrata F

ZnačajnostF

VrijednostF odnosa Rezultat

Regresija 1 4943291872 4943291872 22,792456 0,00004 1,7934293 odbacujemoRezidual 32 6940249736 216882804Ukupno 33 11883541608



226

Koeficijent determinacije - R kvadrat (R2) jednak je 0,415978. To znači da nezavisnavarijabla (varijabla X – BDP per capita) objašnjava 41,59% varijable Y – nivo digitalizacije iinovacija. Drugim riječima, BDP per capita utiče oko 41,59% na nivo digitalizacije i inovacija.Koeficijent proste korelacije (R) jednak je 0,6450 što znači da postoji korektna srednja direktna vezaizmeđu nezavisne i zavisne varijable. S obzirom na to da je koeficijent determinacije nešto veći od 0,4može se zaključiti da postoji slaba direktna veza između nezavisne i zavisne varijable. S obzirom na toda je p vrijednost 0,00004 možemo da sa sigurnošću od 95% odbacimo hipotezu da “BDP per capitane utiče na nivo digitlaizacije i inovacija“ i možemo da zaključimo da BDP per capita utiče narezultate nivoa digitalizacije i inovacija.

S ciljem testiranja treće hipoteze “Visina BDP per capita ne utiče na nivo HDI” zapažamo daslične rezultate dobijamo i kada posmatramo korelaciju između visine pokazatelja BDP per capita inivoa HD Indeksa.

Tabela 11. Prikaz najvećih, najmanjih i prosječnih rezultata HDI po grupamaRegion Minimum Maksimum ProsjekZapadna Evropa 0,89 0,94 0,92Južna Evropa 0,85 0,90 0,88Istočna Evropa 0,82 0,89 0,86Zapadni Balkan 0,76 0,84 0,80


Prema posmatranima podacima nivoa HDI, u zemljama Zapadne Evrope najviši nivopokazatelja Irska ( 0,94), a najniži nivo HDI ima Francuska (0,89). U grupi zemalja Južne Evrope,najviši nivo HDI ima Slovenija (0,95), a najniži nivo ima Portugal (0,85). U grupi zemalja IstočneEvrope najvišu vrijednost HDI ima Češka Republika (0,89), a najniži dijela Bugarska i Rumunija(0,82). U regionu Zapadnog Balkana, najviši stepen indeksa ljudskog razvoja ima Hrvatska (0,84),koja u grupi ovih zemalja pored najvišeg nivoa BDP per capita, ima i najbolje pokazateljadigitlaizacije i inovacija i rezultate PISA testa. Najnižu vrijednost HDI u grupi zemalja ZapadnogBalkana ima Sjeverna Makedonija (0,76). Prema pokazatelju HDI, Bosna i Hercegovina je samo iznadKosova i iznad Sjeverne Makedonije.

Tabela 12. Regresiona analiza podataka za BDP per capita i nivo HDI – Excel prikazKoeficijent proste korelacije (R) 0,7871107R2 0,6195432Prilagođeni R2 0,6076539Standardna greška 11886,408Broj posmatranja 34

Izbor Izbor Stepeni slobode Sume kvadrata Sredine kvadrata F Značajnost FVrijednost F

odnosaRegresija 1 7.362.367.461.08 7.362.367.461.08 52,11 0,0000000337 1,793429341 odbacujemoRezidual 32 4.521.174.146.92 141.286.692.09Ukupno 33 11.883.541.608.00


Koeficijent determinacije - R kvadrat (R2) jednak je 0,6195432. To znači da nezavisnavarijabla (varijabla X – BDP per capita) objašnjava 61,95% varijable Y – nivo HDI. Drugim riječima,BDP per capita utiče oko 61,95% na nivo ljudskog razvoja. Koeficijent proste korelacije (R) jednak je0,7871 što znači da postoji korektna direktna veza između nezavisne i zavisne varijable. S obzirom nato da je koeficijent determinacije značajno veći od 0,7 može se zaključiti da postoji jaka direktna vezaizmeđu nezavisne i zavisne varijable. S obzirom na to da je p vrijednost 0,0000000337 manja od 0,05možemo sa sigurnošću od 95% da odbacimo hipotezu da “BDP per capita ne utiče na nivo HDI“ imožemo da zaključimo da BDP per capita utiče na rezultate nivoa indeksa ljudskog razvoja.


227

Tabela 13. Regresiona analiza posmatranih varijabli

Hipoteza R R2 F vrijednost Značajnost F F odnosZa stepen povjerenja 0,05 -

vezaH01: Visina BDP per capita neutiče na rezultat PISA testa.

59,27%

35,13% 17,33143432 0,000221004 1,793429341 Odbacujemo – slaba veza

H02: Visina BDP per capita neutiče na nivo digitalizacije iinovacija.

64,50%

41,60% 22,79245645 0,00003826915 1,793429341 Odbacujemo – srednja veza

H03: Visina BDP per capita neutiče na nivo indeksa ljudskograzvoja.

78,71%

61,95% 52,11 0,33673308 1,793429341 Odbacujemo – jaka vezaIzvor: Kalkulacija autora

Pokazali smo da možemo odbaciti sve hipoteze po vjerovatnoći od 5% jer smo dokazali dapostoji značajna veza između visine BDP per capita i posmatranih varijabli.

Slika 5. Prikaz korelacije visine BDP-a i rezultata PISA testova u Evropi

Izvor: Prikaz autora

Dakle, mogli bismo pokazati da ima određene veze između bogatstva pojedinca i uspjeha naPISA testu ali i između nivoa digitalizacije i rezultata na PISA testu.

5. ZAKLJUČAK

BDP nije jedini pokazatelj koji govori sve o ekonomiji i snazi neke zemlje ai se koristi kaoveoma dobar pokazatelj opšte slike neke ekonomije.

Pokazano je da veće bogatstvo pojedinca ukazuje na bolji rezultat na PISA testu. Takođe, radpokazuje da su prosječni rezultati ostvareni na PISA testovima u zemljama zapadnog Balkana manjiod prosječnih rezultata bogatijih zemalja. Međutim, neke zemlje postižu bolje rezultate od zemalja sasličnim ili većim BDP-om te da BDP pokazuje samo potencijal neke zemlje za ulaganje uobrazovanje, a ne to koliko ona u njega stvarno ulaže. Na primjer, Hrvatska je ostvarila sličan rezultatkao i zemlje s iznadprosječnim BDP-om poput Holandije, Austrije, Švajcarske i Islanda te kao izemlje s ispodprosječnim BDP-om (ali većim od hrvatskog) poput Latvije, Italije, Mađarske, Litvanijei Rusije. Gotovo ista tvrdnja vrijedni i za odnos nezavisne varijable i nivoa digitalizacije i inovacija alii sa indeksom ljudskog razvoja. Pri tome, važno je naglasiti da između druge i treće posmatrane grupegotovo da ne postoje razlike po rezultatima PISA testova i nivoa dostignute digitalizacije i inovacija iHDI. Dakle, zemlje Zapadnog Balkana su na u posljednjoj grupi, sa najgorim rezultatima u Evropi.

Iako rezultati PISA testova upućuju na snažnu povezanost između bruto domaćeg proizvodapo stanovniku i rezultata učenika na testiranju, neke zemlje postižu bolje rezultate od zemalja sasličnim ili većim BDP-om. Osim toga, BDP po stanovniku pokazuje samo potencijal neke zemlje za


228

ulaganje u obrazovanje, a ne koliko neka zemlja zapravo ulaže u obrazovanje. Ipak,očigledno je dapostoji pozitivan odnos: kako raste BDP per capita za obrazovanje po učeniku, raste i prosječanrezultat zemlje.

Takođe, pokazano je da veće bogatstvo pojedinca utiče i na stepen digitalizacije i inovacije.Zemlje Zapadnog Balkana na nivou prosjeka imaju viši prosječan pokazatelj digitalizacije (7,57), uodnosu na prosječan pokazatelj digitalizacije i inovacija zemalja Južne Evrope (5,56), Istočne Evrope(5,45), dok zemlje Zapadnog Balkana na nivou prosječnog pokazatelja imaju najlošiji stependigitalizacije i inovacija (3,63). Na nivou posmatranih grupa zemalja i prosječnih pokazatelja BDP percapita, i pokazatelja digitalizacije i inovacija, evidentno je da što je manji prosječan BDP per capita(57.984; 37.604; 31.641; 16.702), manji i je i pokazatelj digitalizacije i inovacija (7,57; 5,56; 5,45 i3,63), respektivno za zemlje Zapadna Evropa, Južna Evropa, Istočna Evropa, Zapadni Balkan.Istovremeno, primjenom regresione analize, pokazali smo da BDP per capita utiče oko 41,59% narezultate nivoa digitalizacije i inovacija.

Pokazali smo da BDP ima pozitivnu korelaciju sa Indeksom ljudskog razvoja (HDI).Posmatrano na nivou prosječnih vrijednosti po grupama zemalja, viša prosječna vrijednost BDP percapita (57.984; 37.604; 31.641; 16.702), daje više stope HDI pokazatelja (0,92; 0,88; 0,86; i 0,80),respektivno za zemlje Zapadna Evropa:, Južna Evropa, Istočna Evropa, Zapadni Balkan. Primjenomregresione analize, pokazali smo da BDP per capita utiče oko 61,95% na rezultate nivoa indeksaljudskog razvoja. Zbog toga ga se BDP može koristiti kao opšti pokazatelj „zdravlja“ neke ekonomije,ali se ne treba koristiti bez odnosa s pokazateljima kao stope zaposlenosti i nezaposlenosti, visinerealne plate, inflacije, produktivnosti, životnih uslova, obrazovanja itd. S tim u vezi, BDP nije nizamišljen za tu svrhu niti takav pokazatelj može postojati

Rad pokazuje da primjenom regresione analize možemo odbaciti postavljene hipoteze, te dapostoji značajna veza između BDP per capita i posmatranih varijabli.

Dalja istraživanja treba usmjeriti u pravcu u kojem je potrebno istražiti da li finansijskoulaganje u obrazovanje ima efekta ili do kojeg iznosa finansijsko ulaganje ima efekta na rezultateposmtranih varijabli. Slično. Dalja istraživanja treba usmjeriti u pravcu u kojem se istražuje kojaulaganja daju najbolji rezultat povećanju nivoa digitalizacije u ljudskoj razvoja. Osim toga, daljaistraživanja mogu testirati uticaj nivoa digitalizacije i inovacija na rezultat PISA testova, niva HDI narezultat PISA testova te nivoa digitalizacije i inovacija i HDI-a. U radu smo pokazali da postoji velikakorelacija između ovih pokazatelja.

LITERATURA

Baumer, Jürgen, and Gundel, Schümer. 2002. “Familiäre Lebensverhältnisse, Bildungsbeteiligung undkompetenzerwerb im nationalen Vergleich." In PISA 2000—Die Länder der Bundesrepublik Deutschlandim Vergleich, pp. 159-202. VS Verlag für Sozialwissenschaften, Wiesbaden,

Dabla-Norris, Ms Era, and Mr Narapong Srivisal. “Revisiting the link between finance and macroeconomicvolatility.” No. 13-29. International Monetary Fund, 2013.

Demirgüç-Kunt, Asli, and Ross Levine. 2006. “Finance and inequality: Theory and evidence." Annu. Rev.Financ. Econ. 1 (1): 287-318.

Demirgüç-Kunt, Asli, and Ross Levine. 2009. “Finance and inequality: Theory and evidence." Annu. Rev.Financ. Econ. 1 (1): 287-318.

DiCorrado, Eric, Kayla Kelly, and Malcolm Wright. 2015. "The relationship between mathematical performanceand GDP per capita."

Fasnacht, Daniel. 2009. “Open Innovation in the financial services: growing through openness, flexibility andcustomer integration." Springer Science & Business Media

Fetahagić, Maida. 2013. “Aneks 1: Pokazatelji humanog razvoja za Bosnu i Hercegovinu.” United NationsDevelopment Programme

Ghislandi, Simone, Warren C. Sanderson, and Sergei Scherbov. 2019. “A simple measure of humandevelopment: The Human Life Indicator." Population and development review 45 (1): 219.

Hoskisson, Robert E., Lorraine Eden, Chung Ming Lau, and Mike Wright. 2000. “Strategy in emergingeconomies." Academy of management journal 43 (3): 249-267.

Islam, Sadequl. 1995. “The human development index and per capita GDP." Applied Economics Letters 2, no. 5:166-167.

Jungbauer-Gans, Monika. 2004. “Einfluss des sozialen und kulturellen Kapitals auf die Lesekompetenz. EinVergleich der PISA 2000-Daten aus Deutschland, Frankreich und der Schweiz." Zeitschrift für Soziologie33, no. (5): 375-397.


229

Laursen, Keld, and Ammon Salter. 2006. “Open for innovation: the role of openness in explaining innovationperformance among UK manufacturing firms." Strategic management journal 27 (2): 131-150.

Levine, Ross. 2005. “Finance and growth: theory and evidence." Handbook of economic growth: 865-934.Markočić Dekanić Ana, Gregurović Margareta, Batur Matija, and Fulgosi Sanja. 2019. PISA 2018: Rezultati,

odrednice i implikacije. Međunarodno istraživanje znanja i vještina učenika. Nacionalni centar za vanjskovrednovanje obrazovanja

Mekinjić, Boško, Grujić, Miloš, and Vujičić-Stefanović, Dragana. 2019. “Primjena regresione analize u procjeniuticaja digitalizacije i tehnoloških inovacija na tri mjere razvoja privrede i društva.” Bankarstvo 48, (4): 12-43.

National Bureau of Economic Research, Cambridge, Massachusetts. 2018.https://www.nber.org/data/international-finance/FinDev.xlsx

Natoli, Riccardo, and Segu Zuhair. 2011. “Measuring progress: A comparison of the GDP, HDI, GS and theRIE." Social Indicators Research 103 (1): 33-56.

Organisation for Economic Co-operation and Development. 2004. “Learning for Tomorrow’s World – FirstResults from PISA 2003”. Paris: OECD.

Organisation for Economic Co-operation and Development. 2019. “PISA 2009 Results: Overcoming SocialBackground – Equity in Learning Opportunities and Outcomes (Vol. II).” Paris: OECD. Organisation forEconomic

Schleicher, Andreas. 2018. Insights and Interpretations PISA 2018Schleicher, Andreas. "Seeing education through the prism of PISA." European Journal of Education 52, no. 2

(2017): 124-130.Shah, Smit. 2016. “Determinants of human development index: A cross-country empirical analysis.".Vester, Michael. 2006. “Die ständische Kanalisierung der Bildungschancen." Soziale Ungleichheit im

Bildungssystem: Eine empirisch-theoretische Bestandsaufnahme: 12-54.World econimic Forum. 2018. “Readiness for the Future of Production Report” www.weforum.org

http://:@www.weforum.org/


230

primjena regresione analize u procjeni uticaja bdp …

Documents