Edukacja i zdrowie a wzrost gospodarczy w krajach OECD

Pełen tekst

(1)Zeszyty Uniwersytet Ekonomiczny w Krakowie Naukowe Ekonomia. 869 Kraków 2011. Łukasz Jabłoński. Katedra Ekonomii Stosowanej. Edukacja i zdrowie a wzrost gospodarczy w krajach OECD 1. Wprowadzenie Kapitał ludzki obejmuje ucieleśnione w pracowniku kwalifikacje, umiejętności i kompetencje, a także zdrowie, które istotnie wpływa na jego produktywność. Wiąże się on także z czynnikami o charakterze psychologicznym i społecznym, tj. normami, wzorcami i systemami wartości ukształtowanymi w danej społeczności, postawami wobec pracy i kształcenia, kreatywnością i przedsiębiorczością [Domański 1993, s. 10; 2001, s. 86; Mirvis, Chang i Cosby 2008, s. 31; Woźniak 2008, s. 127]. Istota wpływu kapitału ludzkiego na wzrost gospodarczy została opisana w teorii G.S. Beckera [1975], a zwłaszcza pracach P. Romera [1986, 1990] i R.E. Lucasa [1988], które zainicjowały endogeniczny nurt badań nad wzrostem gospodarczym. Z teorii endogenicznego wzrostu gospodarczego wynika, że kapitał ludzki jest zasadniczą determinantą tempa długookresowego wzrostu gospodarczego. Zgodnie z tą teorią czynnik ten silniej wpływa na wzrost gospodarczy niż kapitał rzeczowy [Caballe i Santos 1993, Galor i Moav 2004]. Akumulacji kapitału ludzkiego towarzyszą bowiem silne efekty zewnętrzne, które nawet przy występowaniu malejących krańcowych produktywności tego czynnika wytwórczego wpływają trwale na stopę długookresowego wzrostu gospodarczego [Wojtyna 1996, s. 6, podano za: Tokarski 2007, s. 46; Liberda 1996, s. 328–333]. Zależności występujące między wzrostem gospodarczym a kapitałem ludzkim rozumianym jako kwalifikacje, umiejętności i wiedza, a także poziom zdrowia pracowników są przedmiotem licznych badań empirycznych. Z badań prowadzonych na przełomie lat 80. i 90. XX w. wynika, że edukacja, kwalifikacje.

(2) 6. Łukasz Jabłoński. i umiejętności wpływają dodatnio na tempo wzrostu gospodarczego [Landau 1983, Baumol, Batey Blackman i Wolf 1989; Mankiw, Romer i Weil 1992]. Z kolei badania prowadzone w latach 90. ubiegłego wieku z wykorzystaniem zaawansowanych metod ekonometrycznych ujawniły odwrotny (ujemny) kierunek oddziaływania kapitału ludzkiego na wzrost gospodarczy [Kyriacou 1992, Islam 1995]. W związku z występującymi rozbieżnościami wyników badań często stawiano pytanie o jakikolwiek wpływ edukacji na tempo wzrostu gospodarczego. Późniejsze weryfikacje tych badań (poprawione serie danych źródłowych) pokazały, że inwestycje w ten czynnik wytwórczy istotnie determinują wzrost produktywności [de la Fuente i Ciccione 2002, s. 29]. Badania empiryczne potwierdzają też pozytywny wpływ poziomu zdrowia, a także inwestycji w jego ochronę na tempo wzrostu gospodarczego. R.J. Barro [1991], D.N. Weil [2005], D.M. Mirvis, C.F. Chang i A. Cosby [2008] oraz inni wykazali, że podniesienie poziomu zdrowia, związanego z dłuższym życiem oraz większymi wydatkami na jego ochronę, zwiększa stopę wzrostu gospodarczego. Co więcej, z międzynarodowych badań porównawczych wynika, że różnice w poziomie edukacji i zdrowia, a także wydatków na te komponenty kapitału ludzkiego wyjaśniają zróżnicowanie dobrobytu mierzonego PKB per capita między krajami biednymi i bogatymi. Celem artykułu jest próba statystycznej oceny wpływu dwóch zasadniczych komponentów kapitału ludzkiego, tj. edukacji i zdrowia, na tempo wzrostu gospodarczego, a także zidentyfikowanie siły oddziaływania kapitału ludzkiego w stosunku do kapitału rzeczowego na zmianę wielkości produkcji. Analizę oparto na neoklasycznej funkcji produkcji typu Cobba-Douglasa, wykorzystanej w modelu N.G. Mankiwa, D. Romera i D.N. Weila [1992]. Badania przeprowadzono na grupie krajów Organizacji Współpracy Gospodarczej i Rozwoju (OECD)1 w latach 1992–2007. Zawężenie okresu analizy do lat 1992–2007 wynika z dostępności porównywalnych danych statystycznych oraz charakteru wzrostu gospodarczego w posocjalistycznych krajach OECD. Porównywalne z krajami o utrwalonych systemach rynkowo-kapitalistycznych (Austria, Belgia, Dania, Finlandia, Francja, Grecja, Holandia, Islandia, Irlandia, Kanada, Luksemburg, Meksyk, Niemcy, Nowa Zelandia, Norwegia, Portugalia, Hiszpania, Szwecja, Szwajcaria, Wielka Brytania, Włochy, USA) dane statystyczne dla Czech, Polski, Słowacji i Węgier dostępne 1 OECD liczy 30 krajów, do których należą 22 kraje europejskie (Austria, Belgia, Czechy, Dania, Finlandia, Francja, Węgry, Niemcy, Grecja, Islandia, Irlandia, Włochy, Luksemburg, Holandia, Norwegia, Polska, Portugalia, Słowacja, Hiszpania, Szwecja, Szwajcaria, Wielka Brytania), w tym 4 gospodarki posocjalistyczne (Czechy, Polska, Słowacja, Węgry), oraz 8 spoza kontynentu europejskiego, tj. 3 kraje azjatyckie (Japonia, Korea Południowa, Turcja), 3 amerykańskie (USA, Kanada, Meksyk) i 2 z obszaru Australii i Oceanii (Australia i Nowa Zelandia)..

(3) Edukacja i zdrowie…. 7. są dopiero od lat 1992–1993. Co więcej, z badań procesu urynkowienia wynika, że w okresie recesji transformacyjnej ścieżki wzrostu krajów posocjalistycznych były pod wyraźnym wpływem spuścizny okresu centralnego planowania. W konsekwencji w gospodarkach tych dominował wówczas proces realokacji, a nie akumulacji czynników wytwórczych. Z kolei wyjście z recesji wyznacza punkt, po którym gospodarki tych krajów charakteryzują się naturalnym procesem wzrostu [Havrylyshyn 2001, 2008; Popov 2000, 2006]. W związku z tym przyjęto, że 1992 r. wyznacza moment schyłku recesji transformacyjnej w gospodarkach posocjalistycznych krajów członkowskich OECD2. Struktura artykułu przedstawia się następująco. W pkt 2 i 3 zaprezentowano odpowiednio metodę badawczą oraz analizowane zmienne makroekonomiczne. W pkt 4 przedstawiono wyniki przeprowadzonych badań, zaś w pkt 5 zawarto podsumowanie i wnioski z przeprowadzonych rozważań.. 2. Metoda badawcza Szacowanie wkładu kapitału ludzkiego do rocznych poziomów produkcji na obywatela oparto na neoklasycznej funkcji produkcji typu Cobba-Douglasa wykorzystanej w modelu wzrostu gospodarczego N.G. Mankiwa, D. Romera i D.N. Weila [1992]. W modelu tym produkt Y jest wytwarzany z wykorzystaniem kapitału rzeczowego K, kapitału ludzkiego H, pracowników L oraz egzogenicznej wiedzy naukowo-technicznej A. Funkcja produkcji charakteryzuje się stałymi efektami skali, zaś czynniki wytwórcze podlegają prawu malejącej krańcowej produktywności. W konsekwencji funkcja produkcji typu Cobba-Douglasa w modelu N.G. Mankiwa, D. Romera i D.N. Weila dana jest wzorem:. Yt = At Kαt Hβt L1t – α – β, . (1). K α H β yt = At d L t n d L t n = At kαt hβt , . (2). gdzie: α, β > 0; α + β <1. Zakładając, że postęp techniczny (wiedza naukowo-techniczna) jest neutralny względem czynników produkcji w rozumieniu Hicksa 3, tzn. F(A, K, H, L) = = A G(K, H, L), funkcja produkcji (1) na pracującego przyjmuje postać: t. gdzie: yt – wielkość produkcji per capita,. t. Recesja transformacyjna zakończyła się najszybciej w Polsce (1991 r.), zaś w Czechach oraz na Węgrzech i Słowacji odpowiednio w roku 1992 i 1993. 2. Neutralność postępu w rozumieniu Hicksa oznacza, że postęp techniczny nie zmienia krańcowej stopy substytucji czynników produkcji. 3.

(4) Łukasz Jabłoński. 8. kt – kapitał rzeczowy per capita w okresie t, ht – kapitał ludzki per capita w okresie t, At – wiedza naukowo-techniczna w okresie t, α, β – elastyczność produktu Yt względem odpowiednio kapitału rzeczowego Kt oraz kapitału ludzkiego Ht. Wszystkie zmienne modelu są określone w każdym punkcie czasu. Liczba pracowników L i wiedza naukowo-techniczna A rosną w tempie wykładniczym, według egzogenicznych stóp wzrostu równych odpowiednio n > 0 i g > 0. Wobec tego, jeśli L(0) i A(0) oznaczają zasoby L i A w czasie t = 0, to L(t) = L(0)ent i A(t) = A(0)egt. W konsekwencji funkcję produkcji w postaci intensywnej można zapisać jako:. yt = A _ 0i e gt kαt hβt , . (3). ln yt = ln A(0) + gt + αxt,. (4). gdzie: g > 0 – stopa postępu technicznego w rozumieniu Hicksa. Na podstawie formuły (3) oszacowano dwa rodzaje równań regresji eksponu jących rolę kapitału rzeczowego i kapitału ludzkiego w rocznej wielkości produkcji, tj.:. ln yt = ln A(0) + gt + α ln kt + β ln ht,. (5). ln yt = ln A _ 0i + / ak dk + gt + axt , . (6). gdzie: g – stopa postępu technicznego w rozumieniu Hicksa, t – trend czasowy, α, β – elastyczność produktu względem odpowiednich czynników wytwórczych, xt – zmienna odnosząca się do kapitału rzeczowego per capita kt oraz kapitału ludzkiego ht. W celu osłabienia założenia o jednorodności badanych krajów, oprócz klasycznej metody najmniejszych kwadratów (dalej: MNK), wykorzystano procedurę dywersyfikacji stałej (dalej: FE). W obliczeniach MNK wykorzystano równania (4) oraz (5). Z kolei na potrzeby FE równania te zmodyfikowano do postaci odpowiednio:. k. ln yi, t = ln A _ 0i + / ak dk + gt + α ln ki, t + β ln hi, t , k. gdzie: dk – zmienne zero-jedynkowe dla kolejnych gospodarek niebazowych, α0 – stała w tzw. gospodarce bazowej, ak – korekty na stałą [ln A(0)] dla gospodarek niebazowych.. (7).

(5) Edukacja i zdrowie…. 9. 3. Zmienne makroekonomiczne oraz źródła ich danych liczbowych Badanie przeprowadzono na danych czasowo-przekrojowych dla badanych krajów. W obliczeniach użyto PKB per capita, oszacowany poziom kapitału rzeczowego per capita oraz osiem miar kapitału ludzkiego, tj. hch1, hch2, hch3, hce1, hce2, hce3, hce4, hce5. Wykorzystanie alternatywnych miar kapitału ludzkiego ujmujących poziom zdrowia i wykształcenia wynika z kontrowersji związanych z mierzeniem tego czynnika wytwórczego. W celu zdiagnozowania wpływu kapitału ludzkiego na tempo wzrostu PKB per capita wykorzystano mierniki odzwierciedlające zasadnicze komponenty tego czynnika wytwórczego, tj. poziom zdrowia i inwestycji w jego ochronę (hch_) oraz poziom wykształcenia i inwestycji w edukację (hce_). Jako miary poziomu zdrowia i inwestycji w jego ochronę wykorzystano następujące wskaźniki: wydatki na zdrowie jako procent PKB (hch1), śmiertelność noworodków na 1 tys. urodzeń (hch2) oraz oczekiwaną długość życia w momencie narodzin (hch3). Z kolei jako miary poziomu wykształcenia oraz inwestycji w edukację wykorzystano: udział uczniów i studentów w populacji w wieku 15–24 lat (hce1), udział osób z co najmniej średnim wykształceniem w populacji w wieku 15–64 lat (hce2), wydatki na edukację jako procent PKB (hce3), udział studentów kierunków ścisłych (matematyka, studia politechniczne, informatyka) w ogólnej liczbie studentów (hce4) oraz relację liczby uczniów przypadających na jednego nauczyciela (hce5). Wykorzystane wskaźniki wraz ze źródłem ich pozyskania zaprezentowano w tabeli 1. Tabela 1. Zmienne makroekonomiczne Nazwa zmiennej. Symbol. PKB per capita w cenach stałych, według PPP, USD, ceny PKB per capita stałe z 2000 r. Wydatki na zdrowie jako procent PKB hch1 Śmiertelność noworodków na 1 tys. urodzeń hch2 Oczekiwana długość życia w momencie narodzin hch3 Udział uczniów i studentów w populacji w wieku 15–24 lat hce1 Udział osób z co najmniej średnim wykształceniem w popuhce2 lacji w wieku 15–64 lat Wydatki na edukację jako procent PKB hce3 Udział studentów kierunków ścisłych (matematyka, studia hce4 politechniczne, informatyka) w ogólnej liczbie studentów Relacja liczby uczniów przypadających na jednego nauczyhce5 ciela Liczba ludności N Źródło: opracowanie własne.. Źródło OECD [2008b] OECD [2008b] OECD [2008a] OECD [2008a] Eurostat [2008] Eurostat [2008] Eurostat [2008] Eurostat [2008] Eurostat [2008] IMF [2009].

(6) Łukasz Jabłoński. 10. Poziom kapitału rzeczowego per capita obliczono na podstawie równania przyrostu tego czynnika produkcji w modelu wzrostu R.M. Solowa [1956] oraz N.G. Mankiwa, D. Romera i D.N. Weila [1992]. Wzrost poziomu kapitału rzeczowego w czasie dyskretnym t (ΔKt = Kt – Kt – 1 ) stanowi różnicę między zrealizowanymi inwestycjami w okresie poprzednim It – 1 oraz jego ubytkiem, tj. deprecjacją kapitału rzeczowego δKt – 1. Co więcej, inwestycje zrealizowane w okresie t – 1 stanowią iloczyn stopy inwestycji st – 1 oraz wielkości produkcji Yt – 1 z poprzedniego okresu. Zatem zmianę zasobu kapitału rzeczowego w czasie t można zapisać jako:. Kt – Kt – 1 = st – 1 Yt – 1 – δKt – 1.. (8). Kt = st – 1 Yt – 1 + (1–δ)Kt – 1, przy K0 = vY0,. (9). Ostatecznie poziom kapitału rzeczowego w okresie t przy danej stopie deprecjacji δ wynosi: gdzie: v – współczynnik kapitałochłonności (v d 3,5 ). W związku z tym poziom kapitału rzeczowego per capita w okresie t (kt ) w badanych krajach otrzymano z ilorazu kt = Kt Nt. W obliczeniach przyjęto, iż współczynnik kapitałochłonności v = 3, zaś deprecjacja kapitału rzeczowego δ = 5%4.. 4. Wyniki badań empirycznych Analizę neoklasycznej funkcji produkcji z kapitałem rzeczowym i kapitałem ludzkim przeprowadzono przy użyciu dwóch metod estymacji, tj. MNK i FE, na rocznych danych czasowo-przekrojowych dla 30 krajów OECD w latach 1992–2007. W celu wyeksponowania wpływu kapitału rzeczowego i kapitału ludzkiego na zmianę PKB per capita parametry równań o postaci odpowiednio (4) i (6) oszacowano na podstawie MNK i FE. Natomiast w celu porównania wkładu obydwu tych czynników wytwórczych w zmianę wielkości produkcji użyto równań (5) i (7) dla obliczeń według odpowiednio MNK oraz FE. Wyniki obliczeń MNK zawarto w tabelach 2 i 3, zaś FE w tabelach 4 i 5. Z porównania wyników obliczeń zawartych w tabelach 2 i 3 oraz 4 i 5 wynika, że oszacowania na podstawie FE charakteryzują się dużo wyższą statystyczną istotnością parametrów przy objaśniających zmiennych oraz lepszym dopasowaniem do rozkładu zmiennych empirycznych niż obliczenia przy użyciu MNK. Podobne założenia przyjęto w rachunku wzrostu gospodarczego przeprowadzonym dla krajów posocjalistycznych przez R. Rapackiego i M. Próchniaka [2009, s. 74–107]. 4.

(7) Edukacja i zdrowie…. 11. Współczynniki determinacji (R2 i skor. R2) dla oszacowań FE przyjęły poziom powyżej 0,98. Co więcej, przy zadanym poziomie istotności (wartość p) 0,2, tylko dwa oszacowania FE, tj. F11 i F14, charakteryzują się niezadowalającymi statystycznymi ocenami parametrów stojących przy zmiennych hch2 i hce2. Pozostałe oszacowania są statystycznie wiarygodne i przez to nadają się do ekonomicznej interpretacji. Obliczenia MNK wyjaśniają w mniejszym stopniu w stosunku do FE zmienność PKB per capita badanych krajów. W oszacowaniach M5, M6 M8 i M9 (tabela 2) współczynniki determinacji przyjęły poziom poniżej 0,2. Ze względu na zadowalającą statystyczną istotność ocen ich parametrów można jednak przeprowadzić ekonomiczną interpretację tych oszacowań. Z kolei w oszacowaniach M10, M12, M14 i M17 (tabela 3) uzyskano niezadowalającą statystyczną istotność parametrów hch1, hch3, hce2 i hce5, co uniemożliwia przeprowadzenie ekonomicznej interpretacji tych wyników. Co więcej, do oszacowań M3 i M4 (tabela 2) należy podchodzić ostrożnie. W oszacowaniach tych parametry przy zmiennej czasowej odzwierciedlającej postęp techniczny w rozumieniu Hicksa przyjęły wartości ujemne, co trudno zinterpretować ekonomicznie. Z wyników oszacowań MNK i FE zawartych w tabelach 2–5 można wyciągnąć następujące wnioski: 1) wzrost poziomu kapitału rzeczowego, mierzonego log(K per capita), wpływał statystycznie istotnie i dodatnio na wzrost PKB per capita badanych krajów. Z tabel 2 i 4 wynika, że elastyczność PKB per capita względem kapitału rzeczowego wyniosła 0,9 w oszacowaniach MNK oraz 0,6 w oszacowaniach FE; 2) elastyczność PKB per capita względem kapitału rzeczowego była dużo wyższa niż elastyczność produktu względem kapitału ludzkiego. Wynika z tego, że akumulacja kapitału rzeczowego determinowała w dużo większym stopniu PKB per capita badanych niż akumulacja kapitału ludzkiego. W obliczeniach MNK 1-procentowy wzrost kapitału rzeczowego per capita zwiększał o ponad 0,9% poziom PKB per capita, zaś szacunki w oparciu o FE wskazują, że 1-procentowy wzrost poziomu tego czynnika zwiększał PKB per capita krajów OECD o ok. 0,6%. Z kolei elastyczność PKB per capita względem kapitału ludzkiego przyjęła wartości 0,1–0,2, a także ujemne; 3) akumulacja kapitału ludzkiego mierzona poziomem wykształcenia i udziałem młodych obywateli w edukacji wpływała dodatnio na wzrost PKB per capita krajów OECD. Z dodatnich i statystycznie istotnych wartości parametrów przy zmiennych hce1 i hce2 wynika, że zwiększenie udziału uczniów i studentów w populacji w wieku 15–24 lat oraz udziału osób z co najmniej średnim wykształceniem w populacji w wieku 15–64 lat determinował wzrost PKB per capita badanych krajów;.

(8) 2,43. Wartość p. t-Student. log (hce1). Wartość p. t-Student. log (hch3). Wartość p. t-Student. log (hch2). Wartość p. t-Student. log (hch1). –. –. –. –. 0,0000 15,35. –. –. –. 0,0000. 0,998. –. 65,53. Wartość p. t-Student. 0,941. 0,0154. 0,0000. log (K per capita). Wartość p. 0,009. 5,28. 0,007. t-Student. t. 0,4362. –0,77. M2. –5,961. 0,0000. –5,49. M1. –14,40. Wartość p. t-Student. Stała. Zmienna. –. –. 0,0000. –0,613. –23,69. –. –. 0,5004. –0,67. –0,002. 0,0186. 2,36. M3. 15,506. –. 0,0000. 27,51. 9,275. –. –. –. 0,0600. –1,88. –0,005. 0,0007. –3,38. –19,01. M4. 4,50. 0,0000. 0,453. –. –. –. –. 0,1255. 1,53. 0,015. 0,3056. –1,02. –20,91. M5. –. –. –. –. –. 0,0241. 2,26. 0,013. 0,1666. –1,38. –16,03. M6. Zmienna objaśniana: log (PKB per capita). –. –. –. –. –. 0,0000. 4,15. 0,028. 0,0012. –3,26. M7. –44,18. –. –. –. –. –. 0,1507. 1,44. 0,015. 0,3101. –1,01. M8. –22,56. Tabela 2. Wyniki estymacji MNK regresji logarytmu naturalnego PKB per capita o postaci (4) dla krajów OECD w latach 1992–2007. –. –. –. –. –. 0,2083. 1,26. 0,014. 0,4421. –0,77. M9. –17,56. 12 Łukasz Jabłoński.

(9) 30. 479 30. 440. 0,3836. 0,3864. 0,9074. 0,9071. –. –. –. –. –. –. –. –. M2. M1. 30. 438. 0,5913. 0,5894. –. –. –. –. M3. Źródło: opracowanie własne.. 30. 446. 0,6515. 0,6530. –. –. –. –. M4. 25. 215. 0,1049. 0,0964. –. –. –. –. M5. 23. 278. 0,0519. 0,0587. –. –. –. 0,0060. 2,76. 0,176. M6. Zmienna objaśniana: log (PKB per capita). Objaśnienia: wartość p – poziom istotności statystyki t-Studenta.. Liczba krajów. Liczebność próby (n). Skorygowany R2. R2. Wartość p. t-Student. log (hce5). Wartość p. t-Student. log (hce4). Wartość p. t-Student. log (hce3). Wartość p. t-Student. log (hce2). Zmienna. 6,81. 25. 270. 0,1962. 0,2022. –. –. 0,0000. 0,643. –. M7. 25. 192. 0,0781. 0,0683. –. 0,0004. –3,60. –0,428. –. –. M8. –3,50. 24. 186. 0,0653. 0,0754. 0,0005. –0,431. –. –. –. M9. Edukacja i zdrowie…. 13.

(10) 5,60. Wartość p. t-Student. log (hce1). Wartość p. t-Student. log (hch3). Wartość p. –. –. –. t-Student. log (hch2). –. –. 0,0057. 2,77. –. –0,85. 0,3947. t-Student. Wartość p 0,058. 0,0000. –0,028. 0,0000. 38,87. 1,000. 48,29. Wartość p. log (hch1). t-Student. 0,952. 0,0000. 0,0000. log (K per capita). Wartość p. 0,008. 4,79. 0,007. t-Student. t. 0,0000. –5,82. M11. –18,811. 0,0000. –4,96. M10. –15,108. Wartość p. t-Student. Stała. Zmienna. –. 0,5483. –0,60. –0,193. –. –. 0,0000. 34,86. 0,954. 0,0000. 4,51. 0,007. 0,0000. –4,83. –14,067. M12. 3,79. 0,0001. 0,152. –. –. –. 0,0000. 34,42. 0,920. 0,6741. 0,42. 0,001. 0,6694. –0,42. –3,399. M13. –. –. –. –. 0,0000. 40,08. 0,963. 0,0198. 2,34. 0,005. 0,0133. –2,49. –11,016. M14. –. –. –. –. 0,0000. 39,55. 0,924. 0,1462. 1,45. 0,003. 0,1487. –1,44. –7,593. M15. Zmienna objaśniana: log (PKB per capita). –. –. –. –. 0,0000. 31,95. 0,922. 0,6535. 0,44. 0,001. 0,6288. –0,48. M16. –4,253. Tabela 3. Wyniki estymacji MNK regresji logarytmu naturalnego PKB per capita o postaci (5) dla krajów OECD w latach 1992–2007. –. –. –. –. 0,0000. 30,91. 0,972. 0,4482. 0,75. 0,003. 0,3944. –0,85. M17. –7,813. 14 Łukasz Jabłoński.

(11) 0,9086. 30. 440 30. 437. 0,9080. 0,9033. 0,9027. –. –. –. –. –. –. –. –. M11. M10. 30. 445. 0,9062. 0,9068. –. –. –. –. M12. Źródło: opracowanie własne.. 25. 215. 0,8628. 0,8647. –. –. –. –. M13. 23. 278. 0,8614. 0,8629. –. –. –. 0,7028. –0,38. –0,009. M14. 2,88. 25. 270. 0,8827. 0,8840. –. –. 0,0042. 0,110. –. M15. Zmienna objaśniana: log (PKB per capita). Objaśnienia: wartość p – poziom istotności statystyki t-Studenta.. Liczba krajów. Liczebność próby (n). Skorygowany R2. R2. Wartość p. t-Student. log (hce5). Wartość p. t-Student. log (hce4). Wartość p. t-Student. log (hce3). Wartość p. t-Student. log (hce2). Zmienna. 25. 192. 0,8543. 0,8566. –. 0,0861. –1,72. –0,083. –. –. M16. 0,97. 24. 186. 0,8496. 0,8521. 0,3330. 0,050. –. –. –. M17. Edukacja i zdrowie…. 15.

(12) t-Stud.. Wart. p. Wsp. t-Stud.. Wart. p. Wsp. t-Stud.. F3. Wart. p. Wsp. t-Stud.. F4. Wart. p. Wart. p. –0,150 –9,06 0,0000 –0,257 –9,51 0,0000 –0,207 –9,37. –. –. –. –0,497 –13,47 0,0000 –1,116 –35,82 0,0000 –1,004 –47,34 0,000 –0,905 –20,03 0,0000 –0,940 –65,70 0,0000. d_Węgry. 17,61. 0,390. 18,46 0,0000 0,579. –. –. 31,79 0,0000 0,000 –0,208 –9,28 0,0000 –0,231 –14,76 0,0000. 0,000. –. –0,167 –10,12 0,0000 –0,252 –9,15 0,0000 –0,199 –9,30. 0,0000 0,384. –. d_Holandia. 7,28. –. 0,0000 0,276. –0,536 –11,03 0,0000 –1,384 –34,64 0,0000 –1,170 –32,54 0,000 –1,185 –40,18 0,0000. 9,28. –. –0,378 –13,56 0,0000 –0,919 –18,93 0,0000 –0,768 –27,14 0,000 –0,710 –30,72 0,0000. 0,200. d_Meksyk. d_Korea. d_Luksemburg. 0,5401 –0,386 –11,32 0,0000 –0,290 –13,84 0,000 –0,277 –13,62 0,0000 –0,124 –8,69 0,0000. –0,361 –20,31 0,0000 –0,359 –11,18 0,0000 –0,303 –11,39 0,000 –0,336 –9,91 0,0000 –0,014 –0,43 0,6641. 0,61. d_Japonia. 0,014. –0,257 –15,46 0,0000 –0,379 –13,01 0,0000 –0,312 –14,64 0,000 –0,331 –12,88 0,0000 –0,292 –20,04 0,0000. d_Irlandia. d_Włochy. 0,000 –0,234 –8,14 0,0000 –0,202 –12,91 0,0000. –0,143 –8,64 0,0000 –0,242 –9,33 0,0000 –0,223 –8,17. –0,335 –14,59 0,0000 –0,675 –23,68 0,0000 –0,604 –29,36 0,000 –0,624 –27,28 0,0000 –0,570 –39,34 0,0000. d_Islandia. d_Grecja. –0,215 –12,30 0,0000 –0,356 –15,40 0,0000 –0,334 –14,88 0,000 –0,348 –14,21 0,0000 –0,364 –24,23 0,0000. –0,238 –14,32 0,0000 –0,329 –14,21 0,0000 –0,302 –13,48 0,000 –0,292 –13,92 0,0000 –0,364 –23,10 0,0000. d_Niemcy. d_Francja. –0,250 –14,83 0,0000 –0,406 –13,60 0,0000 –0,357 –14,08 0,000 –0,330 –15,89 0,0000 –0,357 –20,60 0,0000. d_Finlandia. 0,000 –0,180 –8,83 0,0000 –0,244 –15,91 0,0000. –0,550 –25,13 0,0000 –0,903 –25,56 0,0000 –0,803 –37,88 0,000 –0,739 –28,21 0,0000 –0,748 –52,15 0,0000. d_Dania. d_Czechy. –0,142 –8,42 0,0000 –0,264 –10,64 0,0000 –0,220 –10,48 0,000 –0,248 –9,54 0,0000. 0,000 –0,205 –9,61 0,0000 –0,162 –11,19 0,0000. d_Kanada. –0,206 –12,46 0,0000 –0,238 –10,01 0,0000 –0,207 –9,52. –0,176 –10,53 0,0000 –0,295 –11,02 0,0000 –0,244 –11,26 0,000 –0,241 –11,38 0,0000 –0,314 –18,38 0,0000. d_Austria. –. d_Belgia. –. t-Stud.. –0,207 –12,57 0,0000 –0,309 –10,52 0,0000 –0,240 –11,30 0,000 –0,268 –10,40 0,0000. –. Wsp.. F5. –23,33 –15,99 0,0000 –45,60 –25,99 0,0000 –34,48 –13,73 0,000 –37,64 –22,26 0,0000 –23,24 –10,81 0,0000. Wsp.. F2. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. d_Australia. Stała. Zmienna. F1. Tabela 4. Wyniki estymacji równania regresji logarytmu naturalnego PKB per capita (6) według FE dla krajów OECD w latach 1992–2007. 16 Łukasz Jabłoński.

(13) Wsp.. Wart. t-Stud. p. F1 Wsp.. Wart. t-Stud. p. F2. Wsp.. Wart. t-Stud. p. F3. Wsp.. Wart. t-Stud. p. F4. –0,300 –14,65 0,0000 –0,590 –18,82 0,0000 –0,516 –23,37 0,000 –0,535 –21,33 0,0000 –0,471 –32,87 0,0000. –0,264 –12,60 0,0000 –0,108 –4,75 0,0000 –0,088 –3,95. –0,130 –6,87 0,0000 –0,384 –11,84 0,0000 –0,295 –14,16 0,000 –0,298 –14,14 0,0000 –0,250 –17,51 0,0000. d_Hiszpania. d_Szwajcaria. d_Wielka Brytania. 0,013. Liczba krajów. Liczebność próby. –. 30. 479. –. –. 0,98893 (0,98816). –. –. –. R2 (skor. R2). log (hce1). –. –. –. 15,46 0,0000. –. –. –. log (hch3). log (hch2). log (hch1). –. –. –. –. –. –. –. –. –. 30. 440. 0,98506 (0,98393). –. –. –. –. –. 18,23. –. –. –. –. 0,010. –. –. 0,000. 30. 438. 0,98533 (0,98421). –. –. –0,062 –2,55. –. –. 32,82 0,0000 0,022. –0,163 –4,06 0,0000. 14,57 0,0000 0,027. –. 2,85. –. –. –. –. 0,0045. –. –. –. 30. 446. 9,81. –. –. –. –. 0,0000. –. –. –. –. 15,94 0,0000. 25. 215. 0,99481 (0,99409). 0,416. –. –. –. –. 11,25 0,0000 0,016. 0,98480 (0,98366). –. 1,511. –. –. –. 0,020. –0,542 –10,11 0,0000 –1,521 –31,11 0,0000 –1,244 –28,71 0,000 –1,187 –20,40 0,0000 –0,986 –24,90 0,0000. 0,000 –0,119 –4,25 0,0000 –0,132 –7,78 0,0000. –0,155 –9,20 0,0000 –0,297 –10,89 0,0000 –0,263 –10,28 0,000 –0,276 –10,04 0,0000 –0,271 –16,53 0,0000. –0,539 –13,93 0,0000 –1,209 –28,83 0,0000 –1,094 –52,45 0,000 –1,034 –31,57 0,0000 –0,945 –57,09 0,0000. log (K per capita) 0,621. t. d_Turcja. d_Szwecja. 0,8518 –0,005 –0,34 0,7326. –0,441 –17,67 0,0000 –0,814 –28,52 0,0000 –0,743 –36,04 0,000 –0,720 –34,72 0,0000 –0,705 –48,62 0,0000. 0,18. –0,507 –10,55 0,0000 –1,357 –34,67 0,0000 –1,201 –54,93 0,000 –1,151 –35,71 0,0000 –1,199 –74,02 0,0000. 0,815 0,0044. –. Wart. p. d_Portugalia. d_Słowacja. d_Polska. 0,23. –. t-Stud.. –0,080 –4,37 0,0000 –0,030 –1,12 0,2597 0,005. –. Wsp.. F5. d_Norwegia. d_Nowa Zelandia –0,284 –13,96 0,0000 –0,563 –18,15 0,0000 –0,484 –23,56 0,000 –0,498 –22,71 0,0000. Zmienna. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. Edukacja i zdrowie…. 17.

(14) –2,55. –0,053. –0,073. –0,727. d_Finlandia. d_Niemcy. d_Węgry. –11,92. 6,24. –0,264. 0,139. 0,047. d_Islandia. d_Włochy. 0,264. –0,232. –0,107. d_Portugalia. d_Hiszpania. d_Słowacja. –32,51. –0,829. –3,30. –3,91. –38,95. 10,73. 4,09. 35,37. –0,929. 0,082. d_Norwegia. d_Polska. d_Holandia. 0,722. –. –. 1,73. 3,96. –34,12. 0,080. d_Luksemburg. d_Japonia. d_Irlandia. d_Grecja. –3,06. –2,21. d_Francja. –0,042. 1,64. –21,55. 0,037. –0,568. d_Dania. 1,89. 2,94. d_Czechy. d_Belgia. 0,041. 0,057. t-Stud.. –12,52. Wsp.. –32,94. F6. d_Austria. Stała. Zmienna. cd. tabeli 4. 0,0010. 0,0000. 0,0001. 0,0000. 0,0000. 0,0000. 0,0000. –. 0,0841. 0,0001. 0,0000. 0,0000. 0,0000. 0,0024. 0,0279. 0,0113. 0,1016. 0,0000. 0,0035. 0,0592. 0,0000. Wart. p. –0,499. –1,093. –0,715. –1,166. 0,105. –0,174. 0,386. –0,324. –0,310. –0,211. –0,132. –0,996. –0,633. –0,312. –0,292. –0,263. –0,120. –0,805. –0,233. –0,172. Wsp.. –43,08. –25,68. –55,59. –36,75. –60,81. 4,25. –9,32. 16,58. –13,87. –16,38. –11,23. –6,19. –53,10. –26,13. –15,18. –14,65. –12,24. –4,26. –38,81. –9,05. –8,61. –24,96. t-Stud.. F7. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,391. –0,983. –0,653. –1,115. 0,066. –0,169. 0,466. –0,258. –0,259. –0,053. –0,144. –0,936. –0,456. –0,216. –0,301. –0,166. –0,168. –0,697. –0,202. –0,128. Wsp.. –36,18. –12,21. –31,75. –20,55. –39,32. 2,32. –5,82. 15,69. –9,01. –8,81. –1,60. –5,02. –33,11. –12,25. –6,76. –6,69. –4,55. –5,94. –21,60. –6,98. –4,33. –16,50. t-Stud.. F8. 0,0000. 0,0000. 0,0000. 0,0000. 0,0211. 0,0000. 0,0000. 0,0000. 0,0000. 0,1109. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,498. –1,046. –0,805. –1,164. –0,013. –0,150. 0,377. –0,286. –0,378. –0,113. –0,196. –1,020. –0,631. –0,272. –0,318. –0,276. –0,236. –0,770. –0,296. –0,242. Wsp.. –34,25. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. –22,59. –54,24. –24,17. –51,13. –0,43. –7,74. 11,52. –14,10. –13,02. –5,81. –7,89. –37,42. –21,80. –14,23. –15,67. –14,41. –8,80. –40,97. –10,50. –9,18. –12,42. t-Stud.. F9. 0,0000. 0,0000. 0,0000. 0,0000. 0,6610. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 18 Łukasz Jabłoński.

(15) –11,86. –. 16,55. –. 0,021. log (hce5). –. 23. 278. –. –. –. 0,0000. 0,0000. –. 0,0000. 0,98308 (0,98147). –. –. –. 4,09. 0,6655. 0,0000. Wart. p. –. –. Źródło: opracowanie własne.. F7. –. –. –3,11. –. 31,14. –14,34. –52,70. –4,79. –6,64. t-Stud.. 25. 270. –. –. 0,0020. –. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 0,98904 (0,98787). –0,131. –. 0,026. –0,268. –1,404. –0,121. –0,163. Wsp.. Objaśnienia: wartość p – poziom istotności statystyki t-Studenta.. Liczba krajów. Liczebność próby. R 2 (skor. R2). –. –. log (hce4). log (hce3). 0,220. 5,01. –0,791. 0,121. 0,43. F6. t-Stud.. 0,009. Wsp.. log (hce2). t. d_Wielka Brytania. d_Turcja. d_Szwajcaria. d_Szwecja. Zmienna –0,128. –. F8. –. –3,61. –. –. 21,02. –6,59. –41,02. –2,15. –4,09. t-Stud.. 25. 192. –. 0,0003. –. –. 0,0000. 0,0000. 0,0000. 0,0329. 0,0000. Wart. p. 0,99328 (0,99222). –0,131. –. –. 0,0231. –0,198. –1,294. –0,067. Wsp.. –3,42. –. –. –. 16,99. –10,67. –38,66. –. –10,60. F9. t-Stud.. 0,0007. 24. 186. –. –. –. 0,0000. 0,0000. 0,0000. –. 0,0000. Wart. p. 0,99275 (0,99162). –0,196. –. –. –. 0,022. –0,220. –1,265. –. –0,225. Wsp.. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. Edukacja i zdrowie…. 19.

(16) –13,85. –24,66. –0,738. –0,271. d_Dania. –17,48. –0,630. d_Węgry. –17,46. 0,0000. 0,0000. –17,07. –15,43. –13,26. –0,292. d_Holandia. d_Meksyk. –0,723. –13,63. –0,88. –0,651. –0,031. d_Luksemburg. d_Korea. –19,18. 0,0000. 0,0000. 0,3774. 0,0000. 0,0000. –0,395. –0,534. –5,08. d_Japonia. –0,156. d_Włochy. d_Irlandia. 0,0000. 0,0000. 0,0000. –12,50. –15,83. –0,258. –0,462. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,176. –0,524. 0,189. –0,367. –0,373. –0,262. 0,001. –0,162. –0,504. –0,347. –0,247. –0,225. –0,272. –0,160. –0,567. –0,151. –0,184. –0,215. –0,215. Wsp.. –22,31. –9,71. –8,87. 7,89. –9,31. –16,15. –14,27. 0,05. –6,89. –11,70. –13,09. –12,78. –10,86. –12,20. –8,41. –22,04. –8,15. –9,80. –11,71. –11,96. –9,62. t-Stud.. F11. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,9536. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,146. –0,578. 0,200. –0,402. –0,292. –0,210. 0,015. –0,094. –0,599. –0,308. –0,225. –0,179. –0,249. –0,155. –0,599. –0,102. –0,161. –0,193. –0,168. Wsp.. –26,26. –7,64. –11,34. 8,93. –13,56. –10,30. –9,11. 0,58. –3,61. –13,65. –10,31. –12,45. –7,53. –13,66. –9,15. –24,84. –4,24. –8,70. –10,87. –7,42. –16,10. t-Stud.. F12. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,5622. 0,0003. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,224. –. 0,358. –. –0,120. –0,255. 0,055. –0,174. –0,526. –0,355. –0,331. –0,272. –0,288. –0,216. –0,578. –. –0,272. –0,189. –. Wsp.. –8,75. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. d_Islandia. d_Grecja. –15,48. –0,321. –0,291. d_Niemcy. d_Francja. –17,08. –0,404. –12,61. –12,22. d_Finlandia. d_Czechy. –0,241. –15,47. –0,294. d_Kanada. –0,298. d_Belgia. d_Austria. –15,00. –18,60. t-Stud.. –0,352. Wsp.. –31,14. F10. d_Australia. Stała. Zmienna. –16,34. –. 10,92. –. –3,81. –18,76. 2,10. –12,31. –9,55. –11,63. –22,91. –15,40. –16,41. –15,57. –22,79. –. –17,17. –14,41. –. –3,29. t-Stud.. F13. Tabela 5. Wyniki estymacji równania regresji logarytmu naturalnego PKB per capita (7) według FE dla krajów OECD w latach 1992–2007. 0,0000. –. 0,0000. –. 0,0001. 0,0000. 0,0370. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. –. 0,0000. 0,0000. –. 0,0011. Wart. p. 20 Łukasz Jabłoński.

(17) –13,23. –17,32. –0,761. –11,21. 17,13. –0,355. –0,295. 0,016. d_Szwajcaria. d_Wielka Brytania. Liczba krajów. Liczebność próby. R 2 (skor. R2). log (hce1). log (hch3). log (hch2). log (hch1). log (K per capita). t. d_Turcja. d_Szwecja. –. –. –. –. –. –. –8,14. 15,54. 30. 440. –. –. –. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 0,99063 (0,98989). –0,266. 0,660. –13,12. –0,796. –14,76. –13,11. –0,284. –16,95. –0,448. d_Hiszpania. –19,88. –0,557. d_Słowacja. d_Portugalia. –8,73. –0,697. –0,211. d_Polska. d_Norwegia. –16,44. F10. t-Stud.. –0,429. Wsp.. d_Nowa Zelandia. Zmienna –0,292. –. –. F11. –. –. –0,79. –. 12,75. 10,04. –6,60. –7,94. –11,51. –7,76. –12,51. –12,14. –15,31. –9,14. –4,27. –12,74. t-Stud.. 30. 437. –. –. 0,4292. –. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 0,98951 (0,98868). –0,016. –. 0,618. 0,012. –0,141. –0,531. –0,273. –0,175. –0,309. –0,553. –0,445. –0,518. –0,094. Wsp. –0,261. –. F12. –. –2,89. –. –. 11,51. 13,60. –5,37. –11,03. –9,07. –4,43. –8,83. –14,66. –16,66. –11,19. –2,70. –10,41. t-Stud.. 30. 445. –. 0,0040. –. –. 0,0000 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0071. 0,0000. Wart. p. 0,98947 (0,98865). –1,412. –. –. 0,017. 0,638. –0,117. –0,677. –0,222. –0,113. –0,257. –0,606. –0,444. –0,567. –0,055. Wsp. –. 10,54. –. –. –. 7,71. 4,15. –6,00. –3,62. –11,59. –11,66. –14,45. –10,16. –14,75. –8,34. –5,67. –. F13. t-Stud.. 25. 215. –. 0,0000. –. –. –. 0,0000 0,0000. 0,0000. 0,0003. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 0,99606 (0,99550). 0,392. –. –. –. 0,527. 0,006. –0,124. –0,331. –0,275. –0,199. –0,326. –0,546. –0,476. –0,629. –0,108. Wsp.. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. Edukacja i zdrowie…. 21.

(18) –5,61. 11,61. –0,181. –0,225. 0,210. d_Węgry. 4,56. –5,01. –5,77. 0,191. –0,058. –0,225. –0,143. d_Luksemburg. d_Norwegia. d_Portugalia. d_Hiszpania. d_Słowacja. d_Polska. d_Holandia. –0,303. –2,63. –0,156. –7,03. –1,93. –4,81. –0,097. –. –6,28. d_Japonia. –. –0,163. d_Włochy. d_Irlandia. –1,52. –8,50. –0,032. –0,157. –9,11. –7,91. d_Islandia. d_Grecja. –7,39. d_Niemcy. d_Francja. –0,114. –0,135. d_Finlandia. –4,13. –19,53. –0,080. –0,435. d_Dania. –5,08. –0,093. d_Czechy. d_Belgia. –7,33. –5,95. t-Stud.. –0,164. Wsp.. –14,39. F14. d_Austria. Stała. Zmienna. cd. tabeli 5. 0,0000. 0,0000. 0,0000. 0,0088. 0,0545. 0,0000. 0,0000. –. 0,0000. 0,0000. 0,1292. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,279. –0,477. –0,400. –0,376. –0,075. –0,169. 0,137. –0,424. –0,261. 0,093. –0,113. –0,416. –0,308. –0,266. –0,199. –0,210. –0,126. –0,555. –0,191. –0,217. Wsp.. –20,03. –11,23. –8,51. –12,64. –5,33. –2,94. –11,20. 4,79. –20,41. –16,51. 3,04. –6,52. –7,88. –8,97. –15,54. –11,01. –11,73. –5,53. –20,15. –9,06. –13,11. –8,18. t-Stud.. F15. 0,0000. 0,0000. 0,0000. 0,0000. 0,0035. 0,0000. 0,0000. 0,0000. 0,0000. 0,0026. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,223. –0,487. –0,387. –0,434. –0,070. –0,171. 0,225. –0,379. –0,226. 0,171. –0,116. –0,438. –0,211. –0,197. –0,187. –0,107. –0,144. –0,504. –0,165. –0,171. Wsp.. –16,43. –6,60. –7,40. –9,22. –5,04. –2,40. –7,01. 5,82. –13,41. –9,02. 4,38. –4,75. –6,73. –4,89. –7,26. –4,63. –3,39. –6,00. –14,00. –6,68. –6,70. –5,42. t-Stud.. F16. 0,0000. 0,0000. 0,0000. 0,0000. 0,0174. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0008. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. –0,308. –0,535. –0,507. –0,4651. –0,127. –0,152. 0,143. –0,400. –0,319. 0,124. –0,152. –0,490. –0,348. –0,244. –0,211. –0,200. –0,193. –0,562. –0,237. –0,262. Wsp.. –15,70. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. –9,89. –7,82. –10,52. –5,00. –4,37. –9,12. 3,45. –17,50. –12,28. 3,54. –6,92. –6,74. –7,85. –14,57. –9,47. –10,44. –8,14. –17,80. –9,34. –11,54. –4,65. t-Stud.. F17. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0007. 0,0000. 0,0000. 0,0005. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 22 Łukasz Jabłoński.

(19) –0,055. 5,31. –. –. –. –. –. –. 1,06. 0,0021. 23. 278. –. –. –. 0,2866. 0,0000. 0,0000. –. 0,4922. 0,0000. Wart. p. 0,99028 (0,98931). 0,045. 13,65. 0,007. 0,850. –. –0,68. –8,27. –3,10. F14. t-Stud.. –. –0,051. –0,294. Wsp. –0,120. –. –. F15. Źródło: opracowanie własne.. –. –. –1,30. –. 7,35. 11,45. –4,86. –5,62. –12,05. –5,95. t-Stud. 0,0000. 25. 270. –. –. 0,1916. –. 0,0000. 0,0000. 0,0000. 0,0000. 0,0000. Wart. p. 0,99289 (0,99210). –0,045. –. 0,714. 0,011. –0,102. –0,473. –0,329. Wsp.. Objaśnienia: wartość p – poziom istotności statystyki t-Studenta.. Liczba krajów. Liczebność próby. R 2 (skor. R2). log (hce5). log (hce4). log (hce3). log (hce2). log (K per capita). t. d_Wielka Brytania. d_Turcja. d_Szwajcaria. d_Szwecja. Zmienna. –. F16. –. –3,90. –. –. 5,18. 8,22. –1,90. –4,91. –7,28. –2,31. t-Stud. 0,0221. 25. 192. –. 0,0001. –. –. 0,0000. 0,0000. 0,0580. 0,0000. 0,0000. Wart. p. 0,99524 (0,99446). –0,120. –. –. 0,633. 0,009. –0,058. –0,495. –0,255. –0,063. Wsp.. –3,07. –. –. –. 4,71. 7,69. –2,89. –4,25. –. –6,66. F17. t-Stud.. 0,0025. 24. 186. –. –. –. 0,0000. 0,0000. 0,0043. 0,0000. –. 0,0000. Wart. p. 0,99472 (0,99385). –0,151. –. –. –. 0,646. 0,009. –0,075. –0,460. –. –0,141. Wsp.. Zmienna objaśniana: log (PKB per capita); USA – gospodarka bazowa. Edukacja i zdrowie…. 23.

(20) 24. Łukasz Jabłoński. 4) wzrost PKB per capita krajów OECD wynikał także z poprawy jakości kształcenia, odzwierciedlonej mniejszą liczbą uczniów przypadających na jednego nauczyciela (hce5); 5) poziom zdrowia był również istotnym czynnikiem wzrostu gospodarczego krajów OECD. Z wartości parametrów przy zmiennej hch2 wynika, że spadek śmiertelności noworodków zwiększał poziom PKB per capita krajów OECD. Oszacowanie M11 ilustruje jednak przeciwny kierunek oddziaływania poziomu zdrowia na wzrost gospodarczy. Wynika z tego, że zmniejszenie wartości tego wskaźnika hamowało tempo wzrostu PKB per capita. Należy jednak podkreślić, że wniosek ten wynika z niedoskonałości MNK. Z tego względu wysoki wzrost gospodarczy w posocjalistycznych krajach OECD, charakteryzujących się wysoką śmiertelnością noworodków, zniekształcił wyniki dotyczące wszystkich badanych krajów; 6) z oszacowań M2 i M7, a także F2, F7 oraz F8 wynika, że wydatki na edukację i ochronę zdrowia mierzone procentem PKB determinowały istotnie wzrost gospodarczy badanych krajów. Obliczenia w oparciu o MNK i FE dały odmienne rezultaty. Z obliczeń według MNK wynika, że wydatki te (hch1, hce3) wpływały ujemnie na wzrost PKB per capita krajów OECD. Z kolei z oszacowań w oparciu o FE wynika przeciwny wpływ poziomu wydatków na edukację i ochronę zdrowia na wzrost PKB per capita tych krajów. Nie oznacza to jednak, że kraje przeznaczające większą część PKB na edukację i ochronę zdrowia charakteryzują się niższym tempem wzrostu gospodarczego niż gospodarki z wyższym poziomem tych wydatków. Wynikać z nich może silny efekt konwergencji. Oznacza to, że kraje z wyższym PKB per capita przeznaczają większą część swego produktu na inwestycje w edukację i ochronę zdrowia niż kraje z niższym poziomem tego wskaźnika. W związku z tym w bogatych krajach, charakteryzujących się niższym niż w biednych krajach poziomem stopy wzrostu PKB per capita, zwiększa się zapotrzebowanie na inwestycje w kapitał ludzki (edukacja, ochrona zdrowia) mierzone procentem PKB.. 5. Podsumowanie i wnioski Na podstawie przeprowadzonej analizy można sformułować kilka wniosków: ––z wartości współczynników determinacji (R2 oraz skorygowany R2) wynika, że metoda dywersyfikacji stałej jest bardziej odpowiednim narzędziem badawczym czynników wzrostu gospodarczego krajów OECD niż klasyczna metoda najmniejszych kwadratów. Świadczy to, co oczywiste, o znacznym zróżnicowaniu badanych krajów ze względu na poziom ich wyposażenia w czynniki wytwórcze;.

(21) Edukacja i zdrowie…. 25. ––kapitał rzeczowy wpływał dodatnio dużo silniej na wzrost PKB per capita krajów OECD niż kapitał ludzki mierzony wskaźnikami wykształcenia i zdrowia obywateli; ––poprawa poziomu zdrowia i wykształcenie obywateli wpływały statystycznie istotnie i dodatnio na wzrost gospodarczy badanych krajów; –– poprawa wykształcenia wpływała dodatnio dużo silniej na wzrost gospodarczy krajów OECD niż poprawa poziomu zdrowia obywateli tych krajów. Do wniosku tego należy jednak podchodzić ostrożnie. Warto podkreślić, że witalność obywateli zmienia się w znacznie dłuższym czasie niż poziom ich wykształcenia. W rezultacie sekwencje wpływu poprawy poziomu wykształcenia i zdrowia na realne procesy ekonomiczne są różne. W związku z tym te dość dyskusyjne wnioski wynikać mogą ze zbyt krótkiego badanego okresu, nie zaś ze słabo dodatniego bądź ujemnego wpływu poprawy zdrowia na wzrost gospodarczy krajów OECD. Literatura Barro R.J. [1991], Economic Growth in a Cross Section Of Countries, „Quarterly Journal of Economics”, vol. 106, nr 2. Baumol W.J., Batey Blackman S.A., Wolf E. [1989], Productivity and American Leadership: The Long View, MIT Press, Cambridge. Becker G.S. [1975], Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education, University of Chicago Press, Chicago. Caballe J., Santos M.S. [1993], On Endogenous Growth with Physical and Human Capital, „Journal of Political Economy”, vol. 101, nr 6. de la Fuente A., Ciccione A. [2002], Human Capital in a Global and Knowledge-based Economy. Final Report, Instituto de Analisis Economico (CSIC), Universitat Pompeu Fabra, Barcelona, May. Domański R.S. [1993], Kapitał ludzki i wzrost gospodarczy, PWN, Warszawa. Domański R.S. [2001], Kapitał ludzki w rozwoju Polski – uwagi do problemu [w:] Wzrost gospodarczy w Polsce. Perspektywa średniookresowa, red. J. Lipiński, A. Wojtyna, PTE, Dom Wydawniczy Bellona, Warszawa. Eurostat [2008], http://epp.eurostat.ec.europa.eu, 2.12.2005, 12.12.2008. Galor O., Moav O. [2004], From Physical to Human Capital Accumulation: Inequality and the Process of Development, „Review of Economic Studies”, vol. 71, nr 249. Havrylyshyn O. [2001], Recovery and Growth in Transition: A Decade of Evidence, „IMF Staff Papers”, vol. 48, Special Issue: Transition Economies: How Much Progress? Havrylyshyn O. [2008], Growth Recovery in CIS Countries: The Sufficient Minimum Threshold of Reforms, „Comparative Economic Studies”, vol. 50, nr 1. IMF [2009], World Economic Outlook Database, International Monetary Fund, April 2009, www.imf.org, 15.04.2009. Islam N. [1995], Growth Empirics: A Panel Data Approach, „Quarterly Journal of Economics”, vol. 110, nr 4. Kyriacou G.A. [1992], A Cross-country Estimation of an Aggregate Production Function with Human Capital, Working Paper, Central Bank of Cyprus, Cyprus..

(22) 26. Łukasz Jabłoński. Landau D. [1983], Government Expenditure and Economic Growth: A Cross-country Study, „Southern Economic Journal”, vol. 49, nr 3. Liberda B. [1996], Oszczędności w teoriach konsumpcji i wzrostu, „Ekonomista”, nr 3. Lucas R.E. [1988], On the Mechanics of Economic Development, „Journal of Monetary Economics”, nr 22. Mankiw N.G., Romer D., Weil D.N. [1992], A Contribution to the Economic Growth, „Quarterly Journal of Economics”, vol. 7, nr 2. Mirvis D.M., Chang C.F., Cosby A. [2008], Health as an Economic Engine: Evidence for the Importance of Health in Economic Development, „Journal of Health and Human Services Administration”, vol. 31, nr 1. OECD [2008a], OECD Factbook 2008. Economic, Environmental and Social Statistics, www.oecd.org, 15.12.2008. OECD [2008b], http://stats.oecd.org, 28.12.2008. Popov V. [2000], Shock Therapy versus Gradualism: The End of the Debate (Explaining the Magnitude of Transformational Recession), „Comparative Economic Studies”, vol. 42, nr 1. Popov V. [2006], Shock Therapy versus Gradualism Reconsidered: Lessons from Transition Economies after 15 Years of Reforms, TIGER Working Paper Series, nr 82. Rapacki R., Próchniak M. [2009], Rachunek wzrostu gospodarczego w krajach transformacji w latach 1990–2003 [w:] Wzrost gospodarczy w krajach transformacji. Konwergencja czy dywergencja?, red. R. Rapacki, PWE, Warszawa. Romer P. [1986], Increasing Returns and Long Run Growth, „Journal of Political Economy”, vol. 94. Romer P. [1990], Endogenous Technological Change, „Journal of Political Economy”, vol. 98. Solow R.M. [1956], A Contribution to the Theory of Economic Growth, „Quarterly Journal of Economics”, vol. 70, nr 1. Tokarski T. [2007], Teoretyczne podstawy przyczyn zróżnicowania rozwoju ekonomicznego [w:] Ekonomia rozwoju, red. R. Piasecki, PWE, Warszawa. Weil D.N. [2005], Accounting for the Effect of Health on Economic Growth, National Bureau of Economic Research Working Paper, nr 11455. Wojtyna A. [1996], Rola państwa we wzroście gospodarczym, referat prezentowany na konferencji pt. „Współczesne teorie wzrostu gospodarczego”, PTE, Warszawa, październik. Woźniak M.G. [2008], Wzrost gospodarczy. Podstawy teoretyczne, wyd. 2, Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, Kraków.. Education, Health and Economic Growth in OECD Countries The paper does a statistical analysis of the influence of two crucial components of human capital – education and health – on economic growth in OECD countries from 1992 to 2007. The analysis was based on the production function derived from Mankiw, Romer and Wiel’s neoclassical growth model [1992]. The calculation was conducted based on least squares and fixed effects methods. The results show that, while perhaps to a lesser extent than physical capital, human capital has a positive impact on economic growth in OECD countries. It is also shown that education supports per capita GDP growth to a greater extent than improving the condition of health..

(23)