Ongelijkheid in een welvaartsstaat - Ghent University...Toch waarschuwt de OESO ons land voor een...

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2013 – 2014

Ongelijkheid in een welvaartsstaat:

De impact van de MSCI World Index en de taxatie op

dividenden en meerwaarden van aandelen toegepast op de

ongelijkheid

Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de Handelswetenschappen

David Delbecque en Bo Van Hijfte

onder leiding van

Prof. Carine Smolders

PERMISSION

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gere-

produceerd worden, mits bronvermelding.

David Delbecque Bo Van Hijfte

I

Woord Vooraf

Deze masterproef vormt het sluitstuk van onze opleiding Master in de Handelswetenschappen

met afstudeerrichting Finance and Risk management. Onze grote interesse rond het sociale

thema van ongelijkheid heeft ons ertoe aangezet om deze masterproef te schrijven. Daarbij

werd enkel rekening gehouden met de ongelijkheid binnen de welvaartsstaten. De

toenemende belangstelling in de media heeft ons verder geprikkeld om ons te verdiepen in alle

facetten die de ongelijkheid beïnvloeden.

Hierbij willen we een speciaal woord van dank toekennen aan iedereen die ons heeft gesteund

tijdens het opstellen van deze masterproef. Vooreerst is het onze promotor, Mevr. Prof.

Smolders, aan wie we onze dank willen betuigen. Dankzij haar leiden en tips hebben we onze

masterproef tot een goed eind kunnen brengen. Ook is het onze familie en zijn het onze

vrienden die onze dank verdienen. Zij zijn ons steeds blijven bijstaan.

Hartelijk dank iedereen.

David Delbecque en Bo Van Hijfte,

Gent, mei 2014

II

Inhoudsopgave

Woord Vooraf .......................................................................................................................................... I

Inhoudsopgave ....................................................................................................................................... II

Lijst met gebruikte afkortingen .............................................................................................................. IV

Lijst van de figuren .................................................................................................................................. V

Lijst van de tabellen ............................................................................................................................... VI

1. Inleiding .......................................................................................................................................... 1

2. Ongelijkheid en herverdeling........................................................................................................... 3

2.1 Welvaartsstaten ............................................................................................................................ 3

2.2 Ongelijkheid en zijn maatstaven ................................................................................................... 4

3. Macro-economische factoren.......................................................................................................... 7

3.1 Economische ontwikkeling ............................................................................................................ 7

3.2 Inflatie........................................................................................................................................... 8

3.3 Arbeidsmarkt ................................................................................................................................ 9

3.4 Toegang tot de kredietmarkt ........................................................................................................10

3.5 Buitenlandse handel .....................................................................................................................11

3.6 Overheidsbestedingen .................................................................................................................12

4. Financiële activa .............................................................................................................................13

4.1 Risicoaversie en inkomens ............................................................................................................13

4.2 MSCI World Index en MSCI All Country World Investable Market Index ........................................14

4.3 Fiscaliteit van meerwaarden en dividenden ..................................................................................16

5. Onderzoek .....................................................................................................................................20

5.2.1 Variabelen .............................................................................................................................21

5.2.2 Onderzoeksmethodologie......................................................................................................25

6. Resultaten ......................................................................................................................................27

6.1 Beschrijvende Analyse ..................................................................................................................27

6.1.1 Variabelen belasting op inkomens uit kapitaal, winsten en meerwaarden .............................27

6.1.2 Variabelen wereldwijde beursindex (MSCI World Index) .......................................................30

6.1.3 Variabele ongelijkheid ..........................................................................................................31

6.2 Correlatiematrix en VIF test ..........................................................................................................32

6.3 Panelanalyses ...............................................................................................................................33

6.3.1 Pooled OLS ............................................................................................................................33

6.3.2 Fixed Effects ..........................................................................................................................35

III

6.3.3 Random effects .....................................................................................................................40

6.4 Besluit ..........................................................................................................................................42

7. Algemeen besluit ...........................................................................................................................43

8. Literatuuroverzicht .........................................................................................................................45

9. Bijlagen ..........................................................................................................................................50

Bijlage 1: Overzicht bestudeerde landen ............................................................................................50

Bijlage 2: Overzicht landen en sectoren MSCI World index .................................................................51

Bijlage 3: Beschrijvende analyse .........................................................................................................52

Bijlage 3.1 Overzicht variabelen ....................................................................................................52

Bijlage 3.2 : Variabele C10 ..............................................................................................................53

Bijlage 3.3 :Variabele BELTOT .........................................................................................................54

Bijlage 3.4 : Variabele BELBBP ........................................................................................................55

Bijlage 4:Correlatiematrix ...................................................................................................................56

Bijlage 5: VIF test ...............................................................................................................................57

Bijlage 6: Panelregressies ...................................................................................................................58

Bijlage 6.1: Pooled OLS model ........................................................................................................58

Bijlage 6.2 : Within Group Fixed Effects model ...............................................................................59

Bijlage 6.3: Random Effects model .................................................................................................60

IV

Lijst met gebruikte afkortingen

BBP: Bruto Binnenlands Product

BBPDEF: Bruto Binnenlands Product Deflator

BELBBP: Belasting op inkomens uit kapitaal, winsten en meerwaarden in % van het totale BBP

BELTOT: Belasting op inkomens uit kapitaal, winsten en meerwaarden in % van het totale belastingen

BEST: totale publieke overheidsbestedingen in % van totale BBP

CAPM: Capital Asset Pricing Model

DEP: totale deposito’s in % van BBP

ECB: Europese Centrale Bank

EXP: Export

G7: de Groep van Zeven Industrielanden

I-CAPM: International Capital Pricing Model

IMP: Import

LSDV: Least Squares Dummy Variables Regression

MSCI ACWI IMI: Morgan Stanley Capital International All Country World Index Investable Market Index

MSCI ACWI: Morgan Stanley Capital International All Country World Index

MSCI EM IMI: Morgan Stanley Capital International Emerging Markets Investable Market Index

MSCI World Index: Morgan Stanley Capital International World Index

MSCIPI: Morgan Stanley Capital International World Price Index

MSCIRI: Morgan Stanley Capital International World Return Index

OECD: Organisation for Economic Co-Operation and Development

OESO: Organisatie voor Economische Samenwerking en Ontwikkeling

POP: Populatie

SYND: Syndicalisatiegraad

WERKL: werkloosheidsgraad in % van actieve beroepsbevolking

V

Lijst van de figuren

Figuur 1: De Gini-coëfficiënt in de G7-landen (1975 – 2010)

Figuur 2: Het BBP in de G7-landen (1975-2010)

Figuur 3: Dekking en samenstelling MSCI World IMI, MSCI EM IMI en MSCI ACWI IMI

Figuur 4: overzicht indices (zowel regionaal als MSCI ACWI IMI

Figuur 5: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale taxatie

Figuur 6: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale BBP

Figuur 7: de prijsindex (MSCIPI) en returnindex (MSCIRI) van MSCI World Index tussen 1969 en 2009

Figuur 8: gemiddelde inkomensconcentratie 10% rijkste gezinnen in % totale rijkdom (1969-2009)

Figuur 9: Pooled OLS modellen

Figuur 10: De LSDV modellen met 17 dummmies

Figuur 11: Modellen met gemiddelden voor elk individueel land

Figuur 12:Transformatie naar de within groups modellen (model fig.10-fig.11)

Figuur 13: Random Effects modellen

VI

Lijst van de tabellen

Tabel 1: Belasting op meerwaarden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten

tussen 1990 en 2004 (in % uitgedrukt)

Tabel 2: Belasting op dividenden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten


Tabel 3: Overzicht van de onafhankelijke variabelen met vermelding van secundaire bron

Tabel 4: De combinatie van vier modellen in de panelanalyses

1

1. Inleiding

“Rijkste 1 procent heeft 10 procent van vermogen.

De tien procent rijkste Belgen zijn ruim 254 keer rijker dan de tien procent armste Belgen. De

vermogenskloof is 45 keer groter dan de inkomenskloof”.

(Bron: artikel ”De Standaard” 06/05/2014)

Op dinsdag zes mei 2014 publiceerde De Standaard een artikel met als titel “Rijkste 1 procent heeft 10

procent van vermogen” (Abbeloos, 2014). Het artikel is een gevolg van de publicatie van een studie door

S. Kuypers en I. Marx (2014) die een onderzoek deden naar de vermogens- en inkomenskloof in België.

De studie is gebaseerd op een enquête gedaan door de ECB in 2010 bij 2.364 Belgen. De conclusie was

dat de top tien procent rijkste Belgen meer dan 254 keer rijker zijn dan de tien procent armste Belgen

(S. Kuypers & I. Marx, 2014 zoals geciteerd in Abbeloos, 2014). Een andere bevinding uit deze studie was

bovendien dat aandelen bestempeld kunnen worden als de meest ongelijk verdeelde vorm van

vermogen (S. Kuypers & I. Marx, 2014 zoals geciteerd in Abbeloos,2014).

Een andere recente studie, uitgebracht door de OESO in maart 2014, bracht aan het licht dat de

ongelijkheid in België geleidelijk aan afneemt. Voor de crisis bedroeg de Gini-coëfficiënt1 in België 0.269.

In 2012 daalde het cijfer naar 0.262. Hiermee scoort België beter dan het gemiddelde binnen de OESO-

landen (OESO, 2014). Verder toonde deze studie aan dat de hoge publieke uitgaven in België volgens de

OESO een belangrijke functie heeft gespeeld in de reductie van de ongelijkheid. België heeft de 3e

hoogste publieke uitgaven uitgedrukt in percentage van het BBP. Toch waarschuwt de OESO ons land

voor een toename van de armoede. Tijdens de crisis vertoonde de ongelijkheid in België wel een

dalende trend, maar de relatieve armoede daarentegen steeg. De crisis heeft met andere woorden een

positieve impact gehad op de ongelijkheid in België, maar een negatieve impact op de armoede. Het

percentage van inwoners met een inkomen minder dan % van het mediaaninkomen steeg van 9.1%

naar 9,7% (OESO, 2014).

Deze masterproef gaat een onderzoek voeren naar de ongelijkheid binnen een welvaartsstaat. Meer

bepaald wordt bestudeerd wat de impact is van een taxatie op meerwaarden van aandelen en

dividenden op de ongelijkheid binnen een welvaartsstaat. Daarbij wordt de rol van de wereldwijde

1 Zie infra: deel 2.2

2

beursindex op de ongelijkheid ook behandeld. Het onderzoek is gebaseerd op zeventien OESO-landen2

over een periode van 1969 tot en met 2009.

Dit werk is opgebouwd uit een literatuurstudie en een onderzoek. De literatuurstudie bestaat uit een

overzicht omtrent de ongelijkheid en zijn macro-economische determinanten. Daarna volgt een

bespreking over financiële activa en een beschrijving van de fiscaliteit omtrent meerwaarden van

aandelen en dividenden. Voorts is het gedeelte met betrekking tot het onderzoek opgebouwd uit een

bespreking omtrent de onderzoeksdoelstelling, een uitdieping van de gehanteerde data en

onderzoeksmethodologie en een overzicht met betrekking tot de bekomen resultaten. Ten slotte wordt

een conclusie weergegeven waarin een korte herhaling van de belangrijkste resultaten worden

voorgesteld. Bovendien worden er punten van kritiek en aanbevelingen voor volgend onderzoek

aangehaald.

2 Bijlage 1 toont een overzicht van de zeventien welvaartsstaten

3

2. Ongelijkheid en herverdeling

2.1 Welvaartsstaten

De welvaartsstaten zijn ontstaan na de Tweede Wereldoorlog in de jaren 1950 en 1960, toen de

economie in volle expansie was(Schuyt,2013).Het uitbouwen van de sociale zekerheid vormde de basis

van deze welvaartsstaten. De opbouw van zo’n welvaartsstaat gebeurde echter op een verschillende

manier binnen elk land, waardoor er verschillende soorten ontstonden. Esping-Andersen (1990) heeft

hiervan een onderverdeling gemaakt in 3 grote clusters. Hij deed dit aan de hand van een analyse van

het sociale systeem van 18 Europese en niet-Europese landen. Hierbij werd niet enkel rekening

gehouden met de omvang en de aard van de uitgaven van het sociale systeem, maar ook met de visie

achter de organisatie en werking ervan. Esping-Andersen (1990) maakte een opdeling in liberale,

sociaaldemocratische en conservatieve welvaartsstaten(Noppe, Vanderleyden & Callens, 2011, Sociale

Staat van Vlaanderen). Hierna wordt een korte beschrijving gegeven van de drie opdelingen met het oog

op hun invloed op ongelijkheid.

De eerste cluster, namelijk de liberale welvaartsstaat, wordt algemeen als “zwakker ontwikkeld sociaal

systeem” getypeerd. Deze staat komt enkel tussen met beperkte voordelen wanneer andere bronnen,

zoals bijvoorbeeld de private verzekeringsmarkt, tekortschieten. Doordat slechts beperkt wordt

herverdeeld, is de impact op de ongelijkheid niet groot. Het Verenigd Koninkrijk, Ierland, de Verenigde

Staten, Canada en Australië zijn landen die onderdeel uitmaken van dit onderzoek, die behoren tot deze

groep welvaartsstaten (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011).

Ten tweede is er de sociaal-democratische welvaartsstaat. Universele, nationale solidariteit is een

belangrijk kenmerk van deze welvaartsstaat. Deze vorm heeft een positieve invloed op de gelijkheid

binnen het land. Met betrekking tot dit onderzoek zijn het Zweden, Noorwegen en Denemarken die tot

deze typologie behoren (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011).

Ten slotte is er als derde typologie de conservatieve welvaartsstaat. Deze vorm gaat uitgekeerde sociale

voordelen gaan koppelen aan voorwaarden. Een bepaalde mate van deelname aan de arbeidsmarkt is

hierbij belangrijk. Als impact op de ongelijkheid presteert deze vorm tussen de andere twee

typologieën. Duitsland, Frankrijk, Italië en Nederland zijn de landen uit dit onderzoek die behoren tot dit

type welvaartsstaat (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011).

Er kan geconcludeerd worden dat al deze welvaartsstaten een verschillende impact hebben op de

ongelijkheid. De ene heeft een sterkere impact op de ongelijkheid, waardoor de gelijkheid binnen de

staat wordt begunstigd. De andere heeft een minder sterke impact op de ongelijkheid. Het gaat om

4

respectievelijk de sociaal-democratische welvaartsstaat, vervolgens de conservatieve welvaartsstaat en

ten slotte de liberale welvaartsstaat (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden &

Callens, 2011). De ongelijkheid binnen een staat kan op verschillende manieren worden bepaald. Hierna

wordt een korte uiteenzetting gegeven omtrent de maatstaven van ongelijkheid.

2.2 Ongelijkheid en zijn maatstaven

De OESO-landen creëren rijkdom. Deze rijkdom is echter niet gelijk verdeeld doorheen de gehele

bevolking van een staat. Er zijn verschillende maatstaven ontwikkeld die deze ongelijkheid meten.

Hierna wordt eerst de Gini-coëfficiënt besproken. Daarna wordt er een kort overzicht gegeven van

enkele andere bekende maatstaven. Ten slotte komt de maatstaf die gebruikt wordt in dit onderzoek

aan bod.

De Gini-coëfficiënt is één van de meest bekende maatstaven van ongelijkheid. Het wordt voorgesteld als

een getal tussen nul en één. Nul houdt in dat de rijkdom in de staat perfect gelijk verdeeld is. Het getal

één daarentegen geeft weer dat de gehele rijkdom van de staat in kwestie in handen zou zijn van slechts

één persoon. Het toont met andere woorden respectievelijk de minimale en maximale ongelijkheid. Een

land met een lagere Gini-coëfficiënt is meer gelijk verdeeld dan een land met een hogere Gini-

coëfficiënt (Decoster,2010).

Op de volgende pagina worden twee grafieken weergegeven, afkomstig van de OECD Statistics (Stats,

n.d.). De eerste grafiek geeft de Gini-coëfficiënt in de G7-landen weer van 1975 tot en met 2010. De

tweede grafiek geeft het BBP in deze G7-landen weer voor dezelfde periode. Het gaat om de landen

Canada, Frankrijk, Duitsland, Italië, Japan, het Verenigd Koninkrijk en de Verenigde Staten. Deze landen

worden bovendien geanalyseerd in dit onderzoek. Algemeen kan worden afgeleid dat zowel de welvaart

als de ongelijkheid zijn blijven toenemen. De welvaartsstaten zijn in hun eerste doel geslaagd, namelijk

welvaart creëren, maar blijven slecht scoren op de verdeling ervan. De ongelijkheid was stabiel in de

jaren ’80, maar vertoont daarna een stijgende trend.

5

Figuur 1: De Gini-coëfficiënt in de G7-landen (1975 – 2010)

Bron: Stats, OECD. (n.d.) + eigen bewerking

Figuur 2: Het BBP in de G7-landen (1975-2010)

Bron: Stats, OECD. (n.d.).+ eigen bewerking

JAP ITA

6

Doorheen de jaren zijn er ook andere maatstaven van ongelijkheid ontwikkeld. Andere vaak

voorkomende maatstaven zijn de percentielratio’s, de maatstaf van Atkinson en de Theil-maatstaf. De

percentielratio’s geven de inkomensspanning weer tussen verschillende inkomensposities. De

percentielratio P90/10 geeft bijvoorbeeld weer wat de verhouding is tussen het 90ste percentiel en het

10ste percentiel van de inkomensspreiding. (Decoster,2010). De maatstaf van Atkinson gaat zoals de Gini-

coëfficiënt variëren tussen nul en één, maar houdt ook rekening met welzijn. Bij deze maatstaf wordt

gebruik gemaakt van een gevoeligheidsmaatstaf Ɛ. Als deze Ɛ een eerder lagere waarde vertoont, wil dit

zeggen dat de maatstaf gevoeliger is voor veranderingen in de lagere inkomensklassen. Als de Ɛ

daarentegen een eerder hogere waarde vertoont, geldt dit voor de hogere inkomensklassen (Krol &

Mediema, 2009).Verder is er ook nog de Theil-maatstaf. Deze maatstaf baseert zich op de

inkomensgedeelte van ieder individu of verschillende groepen (Krol & Mediema, 2009).

In dit onderzoek wordt als maatstaf voor de ongelijkheid gebruik gemaakt van het aandeel van het

totale vermogen die in het bezit is van de top 10% inkomens per land(zie hoofdstuk 5.2.2.2) .Hoe groter

dit deel, hoe groter de ongelijkheid is binnen het land in kwestie. Deze maatstaf wordt bij het deel

omtrent het onderzoek verder uitgelegd. De data is beschikbaar via The World Top Incomes Database

(Paris School of Economics, n.d.).

Ongelijkheid kan dus gemeten worden op verschillende manieren. De ongelijkheid binnen een land blijft

echter niet constant. Ze kan veranderen doorheen de tijd. Er zijn een aantal factoren die een invloed

hebben op de ongelijkheid. Met het oog op deze factoren kan er bijgevolg een invloed worden

uitgevoerd op de ongelijkheid waardoor deze binnen een land eventueel kan worden aangepast.

7

3. Macro-economische factoren

Er kunnen zes macro-economische variabelen onderscheiden worden die een invloed hebben op de

ongelijkheid. Het gaat om de economische ontwikkeling van een land, inflatie,de arbeidsmarkt, de mate

van toegang tot de kredietmarkt, buitenlandse handel en overheidsbestedingen. Deze zes factoren

worden hierna verder besproken.

3.1 Economische ontwikkeling

In onderzoek omtrent ongelijkheid wordt vaak aandacht besteed aan de verscheidene aspecten van

economische ontwikkeling als functie van inkomensongelijkheid. Het begrip ‘economische ontwikkeling’

kan gevormd worden door de welvaart binnen een land, de economische groei, technologische

vooruitgang en de economische structuur (Bildirici & Sunal, 2006).

Het verband tussen welvaart en inkomensongelijkheid vindt zijn basis in Kuznets’ (1955) theorie. Zijn

voorspelling was dat bij een stijging van het BBP de ongelijkheid eerst zal toenemen, stabiliseren en

nadien weer zal afnemen. Grafisch gezien vormt het met andere woorden een omgekeerde U-relatie

(Kuznets, zoals geciteerd in Boix, 2009). Deze analyse werd bevestigd door de eerste Industriële

revolutie. Hierbij verhuisden vele arbeidskrachten van de landbouw naar de industrie. Tijdens deze

overgang piekte de ongelijkheid, omdat de ongelijkheid in inkomens tussen deze sectoren groter was

dan binnen de sectoren zelf. Vervolgens nam de ongelijkheid weer af wanneer de arbeidskrachten de

overgang gemaakt hadden (Ferreira, 1999).

Roine, Vlachos en Waldenström (2009) hebben een panelstudie uitgevoerd bij zestien OESO-landen met

als doel de macro-economische determinanten van ongelijkheid te bestuderen. Het gaat onder meer

over economische groei, financiële ontwikkeling, mate van openheid in de handel, marginale

belastingsvoeten en de grootte van de overheid (Roine, Vlachos & Waldenström, 2009). De ongelijkheid

werd gemeten aan de hand van het P99-100, P90-99 en P0-90 percentiel van het OESO-land. Er werden

tegenstrijdige resultaten gevonden voor de relatie tussen het BBP per capita en het aandeel van de

topinkomens. Voor de top 1% hoogste inkomens (P99-100) werd een significant positief verband

vastgesteld tussen de hiervoor vermelde variabelen. Voor de top 10% hoogste inkomens vonden de

onderzoekers daarentegen een significant negatief verband. De reden die hiervoor werd aangegeven

aangegeven is dat het inkomen van de P99-100 voor een groter deel uit vermogensinkomsten bestaat.

Bij de P90-99 is het evenwel het arbeidsinkomen dat domineert (Roine, Vlachos en Waldenström, 2009).

8

In dit onderzoek wordt gebruik gemaakt van de groei in BBP als controlevariabele. Deze

controlevariabele wordt in het model gebruikt als maatstaf voor de economische ontwikkeling. Dit

wordt verder in hoofdstuk 5.2.2.1 aangehaald.

3.2 Inflatie

Inflatie is zowel voor de rijkere als armere bevolking negatief. Er is echter geen consensus over de

invloed van inflatie op de inkomensongelijkheid. Hongyi en Heng-Fu (2002) kwamen tot het besluit dat

inflatie de inkomens van de armere bevolking relatief doet afnemen, waardoor de ongelijkheid

versnelde. Een reden hiervoor is dat armeren meer contant geld in hun bezit houden(Hongyi & Heng-Fu,

2002). Aangezien contanten meer gevoelig zijn voor inflatie dan financiële activa, maakt dit de armeren

kwetsbaarder voor inflatie. Contant geld wordt namelijk niet geïndexeerd. Het gevolg hiervan is dat het

moeilijker is voor armeren om hun niveau koopkracht aan te houden (Cornia & Kiiski, 2001). De rijkeren

daarentegen bezitten het grootste gedeelte van de financiële activa binnen een land. Bij een te hoge en

onverwachte inflatie zullen deze financiële activa in waarde dalen. In deze situatie zullen de jonge,

middenklasse gezinnen kunnen profiteren. Dit door een lage rente op hun hypotheeklening die op

momenten van inflatie kunnen afgesloten worden (Doepke & Schneider, 2006).

Door het toepassen van een progressieve inkomstenbelasting zullen bepaalde, door inflatie hogere

inkomens, in een hogere belastingklasse terechtkomen. Dit komt de gelijkheid ten goede (Gustafsson &

Johansson, 1997). Het effect van de inflatie is ook afhankelijk van het land in kwestie. Dimelis en Livada

(1999) gebruikten in hun studie data van het Verenigd Koninkrijk, Italië, Griekenland en de Verenigde

Staten. Hierin besloten ze dat de ongelijkheid tegengesteld reageerde op inflatie in Griekenland in

vergelijking met de andere bestudeerde landen. In Griekenland werden namelijk bij inflatie enkel de

rijkeren bevoordeeld, wat de ongelijkheid deed toenemen. Dit gold niet voor de andere bestudeerde

landen (Dimelis & Livad, 1999).

Een Europese panelstudie van dertien landen, uitgevoerd in 2012, wees erop dat inflatie de ongelijkheid

doet afnemen. De data was afkomstig van de periode tussen 2000 en 2009. Hierbij werd in een fixed

effects model verschillende controlevariabelen toegevoegd. De variabele ‘inflatie’ werd gemeten aan de

hand van het prijsniveau van de overheidsconsumptie. De afhankelijke variabele ‘ongelijkheid’ werd

beschreven aan de hand van de Gini-coëfficiënt van elk land. Verder bestonden de controlevariabelen

uit de graad van openheid van de economie, de groei van de economie en de participatiegraad op

arbeidsmarkt binnen het land (Thalassinos, Ugurlu & Muratoglu, 2012).

Voor armere huishoudens is consumptie belangrijker dan vermogen. De minder welvarende

huishoudens hebben een lager vermogen dat ze kunnen inzetten op de financiële markt. Hierdoor

9

creëren ze een minder grote vermogensbuffer. Deze buffer kan gebruikt worden bij negatieve invloeden

binnen de economie, zoals een hoge inflatie. De armere bevolking heeft door dit mechanisme bijgevolg

een consumptiepatroon dat meer volatiel is dan de rijkere bevolking (Kutler&Katz, 1992).

Het is de BBP deflator die als controlevariabele gebruikt wordt in dit onderzoek. Het is een variabele die

prijsveranderingen in de economie gaat meten. Ook dit wordt verder uitgelegd in hoofdstuk 5.2.2.1.

3.3 Arbeidsmarkt

Vele empirische studies geven aan dat een toenemende werkloosheid de inkomensongelijkheid in een

land laat toenemen. Een studie door de OESO concludeerde dat een afname van de werkloosheid een

duurzame werking heeft op de gelijkheid binnen een welvaartsstaat. Zowel de kwaliteit als de kwantiteit

van een job zijn factoren die een rol spelen om de werkgelegenheid te verhogen. Eventuele

toekomstperspectieven binnen een job is bijvoorbeeld qua motivatie zeer belangrijk. Dit houdt in dat als

een job wordt beoefend aan de hand van een contract met onbepaalde duur, de motivatie vaak sterker

zal zijn dan wanneer het gaat om een interimjob. Hiernaast zouden bepaalde groepen, zoals jongeren,

vrouwen, migranten e.d., beter hun weg naar de arbeidsmarkt moeten kunnen vinden (OECD,2011).

De huishoudelijke inkomens bestaan voornamelijk uit inkomsten van arbeid (Decoster, 2010).Gezinnen

die voornamelijk rekenen op inkomsten uit arbeid zullen eerder in armoede terechtkomen bij het

verliezen van hun werk. Andere gezinnen zullen daarentegen nog kunnen rekenen op de inkomsten uit

vermogen(Bland & Card, 1993).

Pontusson (2013) onderzocht in 22 OESO-landen de impact van vakbonden op de ongelijkheid in een

land. Opmerkelijk hierbij was dat in de periode tussen 1975 en 1995 bij de OESO-landen de concentratie

van het aantal leden in de vakbonden afnam. In de OESO-landen waar de afname het hoogst was, nam

de ongelijkheid sterker toe dan in de andere onderzochte OESO-landen. Vanaf de jaren ’90 is deze

relatie verzwakt. Dit als gevolg van de mindere mogelijkheid voor de vakbonden om het

herverdelingsbeleid mee te sturen . Algemeen kan uit deze studie geconcludeerd worden dat een hoge

concentratie van leden in de vakbonden een grote impact heeft op de ongelijkheid (Pontusson, 2013).

In dit onderzoek wordt gebruik gemaakt van de werkloosheidsgraad en syndicalisatiegraad als

controlevariabelen. Deze variabelen worden m.a.w. in het model gebruikt als proxies voor de

arbeidsmarkt. Ook dit wordt in hoofdstuk 5.2.2.1 aangehaald.

10

3.4 Toegang tot de kredietmarkt

Dit deel behandelt de materie omtrent het aantal toegestane kredieten. Als dit hoog is, wil dit zeggen

dat armeren meer de mogelijkheid krijgen om een krediet aan te gaan. Hiermee kunnen zich verder

ontwikkelen. Een eventuele afname in ongelijkheid is afhankelijk van de structuur van de economie. Een

economie die meer gericht is op technologie en diensten, wat kenmerkend is bij de OESO-landen, zal

een kleinere afname kennen wanneer de toegang tot de kredietmarkt hoog is (Clark, Xu & Zou, 2003).

Meer recent onderzoek door Jauch en Watzka (2011) wees evenwel uit dat de toegang tot de

kredietmarkt enkel de rijkeren voordeel biedt. De oorzaak hiervan is dat de kredietverlening te weinig

gericht naar de armeren in de samenleving. Zij analyseerden hiervoor wereldwijd 138 landen over een

periode van 1960 tot 2008 (Jauch en Watzka, 2011).

Roine, Vlachos en Waldenström (2009) gebruikten in hun studie drie variabelen om het belang van het

toestaan van kredieten in een land aan te duiden. Hierbij stelden ze een positief significant verband

tussen het toestaan van kredieten en de ongelijkheid in OESO-landen bij de top 1% inkomens. Bij de top

10% inkomens werd ook een positief verband ondervonden, maar deze resultaten waren niet

significant. Volgende variabelen werden gebruikt als proxy voor de financiële ontwikkeling: het aandeel

van de bankdeposito’s, de kapitaalmarktkapitalisatie en de totale kapitalisatie. Deze laatste wordt

bepaald als de som van het aandeel van de bankdeposito’s en de kapitaalmarktkapitalisatie. Dit werd

telkens uitgedrukt als percentage van het totale BBP van het land in kwestie (Roine, Vlachos en

Waldenström, 2009).

Hopkins (2004) stelde vast dat door een verhoging van de particuliere kredietverlening de ongelijkheid

eerst zal toenemen en vervolgens weer naar zijn vorige toestand zal doen convergeren. Kortom, de

uitgebreidere toegang tot de kredietmarkt heeft volgens Hopkins (2004) op lange termijn geen positief

effect op de ongelijkheid (Hopkins, 2004). Volgens Li, Squire en Zou (1998) zal kredietverlening voor de

armere bevolking duurder zijn dan voor de rijkere bevolking. De oorzaak hiervan is dat financiële

instellingen bij deze groep minder bescherming, zoals waarborgen, kunnen verkrijgen. Zij die deze

bescherming wel kunnen bieden, hebben bijgevolg baat bij een verhoging van kredietverlening. Ze

zullen enerzijds hun welvaart kunnen verhogen, terwijl dit anderzijds voor de anderen niet mogelijk zal

zijn door de relatief hoge kostprijs van het krediet. Concluderend zal het aanbod aan kredietverlening

grotendeels naar het rijkere deel van de samenleving, die waarborgen kunnen bieden, overgaan. Dit is

ten gevolge van de selectieve, risico-averse, procedure door financiële instellingen (Li, Squire & Zou,

1998).

11

Ook met deze materie wordt in dit onderzoek rekening gehouden. Het totaal aantal deposito’s in

verhouding tot het BBP wordt bijgevolg in het model als controlevariabele opgenomen. Hoe hoger het

aantal deposito’s, hoe groter het aantal kredieten die kunnen toegestaan worden. Financiële

instellingen spelen een intermediaire rol tussen ontvangen deposito’s en toegestane kredieten. Dit zal

de toegang tot kredietmarkt vergemakkelijken. Een verdere uitdieping van de opgenomen

controlevariabele kan gevonden worden in hoofdstuk 5.2.2.1.

3.5 Buitenlandse handel

Buitenlandse handel bestaat zowel uit export als import. Import uit ontwikkelingslanden door

ontwikkelde landen zorgt voor een neerwaartse druk op de lonen in de ontwikkelde landen. Dit als

gevolg van het ontstaan van een grotere competitiviteit. Dit komt de inkomensongelijkheid binnen de

ontwikkelde landen niet ten goede (Richardson, 1995). De handel tussen Europese landen, waarbij er

geen rekening gehouden wordt met minder ontwikkelde landen, zorgt daarentegen niet voor een

verdere inkomensongelijkheid (Gustafsson & Johansson, 1997).

Het effect van openheid in handel van een welvaartsstaat op de ongelijkheid is niet éénduidig.

Onderzoek door Roine, Vlachos en Waldenström (2009) wees op een significant negatief verband tussen

openheid en ongelijkheid bij het hoogste percentiel van inkomens. De ongelijkheid nam af bij stijging

van de openheid. Daarbij werd export en import samengeteld en uitgedrukt als percentage van het BBP

van een welvaartsstaat(Roine, Vlachos & Waldenström, 2009). Daarentegen vonden Aradhyula et al.

(2007) dat de ongelijkheid toenam bij een stijging van de handelsactiviteiten. Dit verband werd

gevonden bij zowel de welvaartsstaten als ontwikkelingslanden. De toename van ongelijkheid was wel

sterker te voelen bij ontwikkelingslanden dan in welvaartsstaten. De reden hiervoor is dat in

ontwikkelingslanden de toename van inkomens door corruptie meer bij de machtshebbers in het land

terechtkomt (Aradhyula, 2007).

In dit onderzoek wordt ook rekening gehouden met de mate van buitenlandse handel van een land.

Meer bepaald worden de eerste verschillen in import en de eerste verschillen in export opgenomen in

het model als controlevariabelen. Ook dit wordt tenslotte verder uitgelegd in hoofdstuk 5.2.2.1.

12

3.6 Overheidsbestedingen

Het effect van publieke investeringen op ongelijkheid hangt af van het beleid dat gevoerd wordt.

Investeringen die voornamelijk gericht zijn op groei, zoals infrastructuur- en onderwijsuitgaven, zullen

volgens Chatterjee en Turnovsky (2010) de gemiddelde vooruitgang in een land stimuleren.

Infrastructuuruitgaven zullen op korte termijn de ongelijkheid in een land afnemen. Op lange termijn

daarentegen zal de ongelijkheid echter sterker toenemen (Chatterjee & Turnovsky, 2010). Uitgaven met

betrekking tot onderwijs zullen volgens Sylwester (2002) de groei op korte termijn minder bevorderen,

maar zijn op lange termijn wel significant positief voor de groei. Met betrekking tot ongelijkheid zullen

de landen waarbij de overheidsuitgaven naar onderwijs sterker aanwezig zijn, een sterkere daling

kennen in ongelijkheid op korte termijn. Op lange termijn zal deze ongelijkheid minder sterk toenemen.

Bij welvaartslanden is dit effect nog sterker aanwezig (Sylwester, 2002).

Overheidsbestedingen die inzetten op de activatie van werklozen hebben ook een positieve duurzame

werking op de herverdeling van inkomens in een welvaartsstaat. Werkloosheid wordt beschouwd als

één van de grootste oorzaken van armoede en ongelijkheid binnen een samenleving. Bradley et al.

(2003) vonden in hun onderzoek een significant verband tussen inkomensongelijkheid en werkloosheid

na belastingen en transfers indien de overheid compensaties tegen werkloosheid inzet, zoals een

activeringsbeleid en werkloosheidstransfers. Deze compensaties die uitgaan van de overheid om de

werkloosheid te laten dalen, hebben bijgevolg een stimulerend effect in de strijd tegen

inkomensongelijkheid (Bradley et al., 2003). Daarbij zullen sociale maatregelen het evenwicht herstellen

op de arbeidsmarkt waardoor de participatie op de arbeidsmarkt zal toenemen. Lagere minimumlonen

hebben bijvoorbeeld een negatief effect op de herverdeling van de inkomens. Ze stimuleren wel de

werkgelegenheid, maar zorgen voor een grotere ongelijkheid onder de actieve beroepsbevolking (Koske,

Fournier, & Wanner, 2012).

De publieke overheidsbestedingen worden ook mee verwerkt in het onderzoek. De totale publieke

overheidsbestedingen uitgedrukt in totale BBP is de controlevariabele die de invloed van de

overheidsuitgaven op de ongelijkheid moet meten. Ook dit wordt tenslotte verder behandeld in

hoofdstuk 5.2.2.1.

13

4. Financiële activa

Risicovolle financiële activa , waartoe aandelen behoren,beïnvloedt de ongelijkheid. De potentiële

rendementen liggen namelijk hoger in geval van hoogconjunctuur. Hierdoor zullen beleggers met een

groter vermogen van aandelen hun vermogen meer zien toenemen dan andere beleggers. Bij

laagconjunctuur zal zich juist het omgekeerde voordoen. De risico-aversie bij investeerders speelt een

grote rol bij het aanschaffen van aandelen.

4.1 Risicoaversie en inkomens

Risico-averse investeerders beleggen weinig in risicovolle financiële activa. De risico-afkerigheid van een

investeerder is afhankelijk van de inkomensklasse waartoe deze behoort. Riley en Chow (1992)

onderzochten de grootte van de risico-aversie bij Amerikaanse investeerders door middel van een

steekproef bij de Amerikaanse populatie. Hierin ondervonden ze dat het inkomen een bepalende rol had

voor de risico-afkerigheid. Dit als het inkomen zich boven of onder de armoedegrens bevond. Algemeen

kon geconcludeerd worden dat inwoners met een inkomen onder de armoedegrens zich afkeerden van

risico’s bij investeringen. Ze waren met andere woorden meer risico-avers. Risiconemend gedrag is

positief gecorreleerd met het inkomen (Shaw, 1996). Dit betekent dat lage inkomens relatief minder

aandelen in hun bezit hebben. Bij economische groei zullen lagere inkomens minder profiteren van de

opportuniteiten op de aandelenmarkt. Hun beperkte aandelenportefeuille zal de ongelijkheid doen

toenemen. Bij economische recessie zal zich juist het omgekeerde voordoen. De ongelijkheid zal dan

afnemen.Indien het inkomen zich boven de armoedegrens bevond, nam de risico-aversie van

particuliere beleggers af. De afname van risico-aversie bij de bevolking boven de armoedegrens zal hen

aanzetten tot grotere investeringen in aandelen. Dit komt de gelijkheid opnieuw niet ten goede bij

economische vooruitgang. Hoe sterker de afwijking van de armoedegrens is, hoe groter het effect op

de risico-aversie (Riley & Chow, 1992). Daarnaast werd ook de demografische factor ‘leeftijd’ cruciaal

bevonden. Op het moment dat de pensioenleeftijd in zicht was, steeg de risico-aversie geleidelijk aan

(Riley & Chow,1992). In een onderzoek door Cardak en Wilkins (2009) bij Australische huishoudens is er

een positief verband tussen leeftijd en het bezit van risicovolle activa gebleken. De voornamste reden

was dat ervaring en kennis in financiële markten toeneemt naarmate de investeerder ouder wordt.

Bovendien werd bevonden dat het bezit van een woning het risicogedrag zal beïnvloeden. Het bezit van

onroerende goederen verhoogt de financiële toestand van een gezin en zal risico-aversie doen

afnemen(Cardak & Wilkins, 2009). Er kan geconcludeerd worden dat net zoals bij Amerikaanse

huishoudens ook bij Australische huishoudens het vermogen een rol zal spelen bij de risico-afkerigheid

van investeerders. Grable (2000) ondervond dat acht socio-economische factoren een rol spelen bij de

risicotolerantie van particulieren op de financiële markt. Het inkomen is hierbij opnieuw persistent

14

aanwezig. Zowel direct als indirect. Een van de factoren is, ter illustratie, de graad van opleiding.

Aangezien het inkomen en de graad van opleiding sterk gecorreleerd zijn, heeft het inkomen indirect

een invloed op variabele opleiding (Grable, 2000).

In volgend deel worden de meest uitgebreide wereldwijde aandelenindices voorgesteld. Hiervan wordt

er één opgenomen in het onderzoek, namelijk de MSCI World Index. Aangezien hogere inkomens meer

aandelen bezitten door hun risicotolerantie, zal het verloop van de MSCI World Index een indicatie zijn

voor hun toe- of afname van het vermogen. Dit heeft een impact op de ongelijkheid.

4.2 MSCI World Index en MSCI All Country World Investable Market Index

Investeren in verschillende landen creëert diversificatievoordelen. Het CAPM geeft de voordelen weer

die bekomen worden door het investeren op een globaal niveau. Bij diversificatie blijft enkel het

systematische risico over, die aangegeven wordt door bèta. Het I-CAPM omvat de internationale

marktportfolio. Het kan bijgevolg gebruikt worden om de aandelenmarkt te omschrijven. Het is een

vervolg op het CAPM waarin enkel de binnenlandse portfolio werd opgenomen als indicator voor de

markt. Het I-CAPM heeft enkel effect bij een efficiënte en volledig éégemaakte financiële markt. De

MSCI World Index werd als eerste gebruikt als indicator voor de marktportfolio in het I-CAPM tijdens de

jaren ’70. De MSCI World Index bestond toen uit aandelen van grotere en middelmatige bedrijven uit

ontwikkelde landen (Subramanian, Nielsen, & Fachinotti, 2010). Bijna twintig jaar later werd een

investeringsopportuniteit ontdekt bij de opkomende markten. Dit zorgde ervoor dat een nieuwe index

gehanteerd werd als marktportfolio, namelijk de MSCI ACWI. Naast de ontwikkelde markten werden

hier ook opkomende markten in de index opgenomen. Op het einde van de jaren ’90 namen de

investeringen in kleinere internationale bedrijven enorm toe. Daarbij werd de MSCI ACWI IMI

gehanteerd als indicator voor de markt. Deze index bestaat uit bijna alle wereldwijde

investeringsmogelijkheden. Zowel bedrijven met een kleine, middelmatige en grote marktkapitalisatie

zijn opgenomen. Daarnaast zijn zowel de ontwikkelde als opkomende markten erin verwerkt. In

onderstaande tabel wordt een vergelijking weergegeven tussen verschillende wereldwijde beursindices

(Kang, Nielsen, & Fachinotti, 2010).

15

Figuur 3: Dekking en samenstelling MSCI World IMI, MSCI EM IMI en MSCI ACWI IMI

Bron: Kang, Nielsen & Fachinotti (2010), p.5

Globalisatie maakt het verbinden van verscheidene financiële centra mogelijk. De hervormingen en

liberalisatie binnen de ontwikkelde en opkomende markten gaven bedrijven de kans om middelen uit

het buitenland aan te trekken. De financiële openheid en investeringsopportuniteiten bij

ontwikkelingslanden liggen veel lager waardoor deze landen minder significant zijn bij het bepalen van

de marktreturn. Bijgevolg worden deze landen niet opgenomen in de MSCI ACWI IMI (Subramanian,

Nielsen, & Fachinotti, 2010). Er moet echter wel rekening gehouden worden met bepaalde opkomende-

of ontwikkelingslanden. Sommige van deze landen kunnen uitgesloten worden door hun beleid ten

aanzien van buitenlandse investeerders. China hield bijvoorbeeld tot 2001 zijn grenzen gesloten voor

buitenlandse investeringen in de A-aandelenmarkt. Dit was de aandelenmarkt uitgedrukt in de lokale

munteenheid. Vanaf 2002 hadden enkel gekwalificeerde institutionele beleggers de gelegenheid om

hierin te beleggen. Opvallend is dat deze aandelenmarkt nog steeds niet verwerkt is in de MSCI ACWI

IMI, ondanks het een aandelenmarkt van een economische grootmacht is(Menchero, Mozorov, &

Shepard, 2010). Aangezien de MSCI ACWI IMI de volledige potentiële investeringen aangeeft, zal de

return op de index quasi gelijk zijn aan de totale marktreturn (Subramanian, Nielsen, & Fachinotti,

2010).

Volgende grafiek (figuur 4) geeft een duidelijk beeld van de globale financiële integratie van de markt.

Alle indices hebben ongeveer dezelfde volatiliteit in returns. De markten reageren ongeveer op dezelfde

manier. De MSCI ACWI IMI grafiek (donkerblauw) geeft de returns van alle regionale indices weer. Dit

toont aan waarom de MSCI ACWI IMI zich meestal ongeveer in het midden situeert.

16

Figuur 4: overzicht indices (zowel regionaal als MSCI ACWI IMI)

Bron: De Tijd (n.d.) + eigen bewerking

4.3 Fiscaliteit van meerwaarden en dividenden Taxatie op meerwaarden van aandelen en dividenden stimuleren de herverdeling binnen een

welvaartsstaat. De ongelijkheid zal bijgevolg afnemen. Joumard, Maura en Debbie (2012b) haalden aan

dat inkomen uit kapitaal, waartoe dividenden en meerwaarden behoren, relatief lager worden belast

binnen welvaartsstaten dan het inkomen uit arbeid. Om het sparen te stimuleren worden namelijk de

inkomsten uit kapitaal belast aan een flat rate, terwijl inkomen uit arbeid aan marginale aanslagvoet

worden getaxeerd. Dit bevordert de directe of indirecte (via financiële instellingen) investeringen naar

ondernemingen toe. Daarentegen vormen acht3 OESO-landen een uitzondering hierop, waarbij dezelfde

methode van taxatie zowel op arbeid als op kapitaalinkomsten wordt gebruikt. Er moet wel rekening

gehouden worden dat inkomen uit kapitaal meer omvat dan enkel meerwaarden van aandelen en

dividenden (Joumard, Mauro, & Debbie, 2012b).Aandelenopties zijn een middel om belastingen op

arbeidsinkomen gedeeltelijk te omzeilen. Hogere functies binnen een onderneming komen met hun

verloning in een hogere belastingsschijf terecht, waardoor opties een aantrekkelijk alternatief vormen

naar verloning. Dit zal de ongelijkheid enkel maar vergroten tussen de actieve beroepsbevolking. Een

verlaging van de taxatie op het arbeidsinkomen ten koste van een hogere belasting op kapitaal betekent

een stimulans voor arbeid binnen de welvaartsstaat. Dit veroorzaakt bijgevolg een groei in de output

van het land. Kortom, naast een afname van inkomensongelijkheid creëert een verhoging van de

belasting op kapitaal ook een toename in de productie van een welvaartsstaat(OECD, 2012b).

3 Deze landen zijn: Canada, Ierland, Korea, Luxemburg, Zwitserland, Turkije, Verenigd Koninkrijk en de Verenigde Staten

17

Lagere belastingen op meerwaarden van aandelen en dividenden neemt de risico-aversie bij

investeerders af binnen een welvaartsstaat. Dit is vooral het geval bij de hogere inkomensklassen.

Grotere vermogens zullen relatief meer aandelen verwerven bij een lagere taxatie op meerwaarden en

dividenden. Dit beïnvloedt de ongelijkheid bij economische groei (Journard, Mauro, & Debbie, 2012b).

De lage marginale belasting op vermogensaanwas (waartoe meerwaarden van aandelen en dividenden

op behoren) en eigendommen binnen de OESO heeft de ongelijkheid sedert de laatste dertig jaren doen

opbouwen. De ongelijkheid werd versterkt tijdens de beursopleving in de jaren ’90. Lagere taxatie op

vermogens (zowel eigendom als de inkomsten hieruit) en de mogelijkheid tot behalen van hogere

meerwaarden op aandelen creëerden meer welvaart voor de rijke investeerders. De topinkomens

haalden relatief meer voordeel uit een gunstig beursklimaat (Joumard, Pisu, & Bloch, 2012c).

Hui, Yingpin en Qing (2011) bestudeerden tussen 2000 en 2008 het effect van belastingen op dividenden

in China. In dit onderzoek werd gebruik gemaakt van de Gini-coëfficient als maatstaf voor ongelijkheid.

De resultaten gaven aan dat deze belasting de herverdeling bevorderde. De ongelijkheid nam af, met

andere woorden de Gini-coëfficiënt verlaagde, na de heffing van de belasting op

dividenduitkeringen(Hui, Yingpin & Qing, 2011). De dividendpolitiek bij bedrijven heeft ook een

significante invloed op de ongelijkheid binnen een welvaartsstaat. Bij verhoging van de belastingen op

dividenden zullen bedrijven hun dividenduitkeringen sterk reduceren en omgekeerd. Dit zal de

herverdeling afremmen, want deze overheidsinkomsten gaan verloren. In de Verenigde Staten voerde

president George W. Bush gedurende zijn eerste ambtstermijn (2000-2004) een belastingsvermindering

uit op inkomsten van aandelen. Dit vond plaats plaats in een groter geheel van

belastingsverminderingen die werd doorgevoerd, namelijk de “Bush Tax Cuts”. De vermindering van

belastingen op dividenden werd in 2003 als wetsvoorstel goedgekeurd. Tot het einde van 2012 bleef

deze wet van kracht. Bedrijven keerden in deze periode meer dividenden uit dan voorheen. Hanlon en

Hoopes (2013) bestudeerden het effect op dividenduitkeringen na de aankondiging van een verhoging

van belastingen op dividenden in 2013 in de Verenigde Staten. In 2010 kondigde president B. Obama

aan dat de Bush Tax Cuts tot het eind van 2012 zal behouden blijven. In die twee jaar keerden bedrijven

meer interimdividenden uit dan anders (Hanlon & Hopes, 2013). Een studie uitgevoerd door Hribar,

Savoy en Wilson (2013) onderzocht het effect van de dividendaankondiging van Amerikaanse bedrijven

in de laatste twee maanden van 2012. Aankondigingen waarin verhoogde dividenden werden

meegedeeld, zorgden voor een positieve evolutie op de prijs van het aandeel (Hribar, Savoy & Wilson,

2013). Omwille van risico-aversie (zie hoofdstuk 4.1) bij lagere inkomens zullen de hogere inkomens

relatief gezien meer aandelen bezitten. De grotere vermogens zullen dus naast verhoogde dividenden

ook hogere meerwaarden kunnen realiseren. Dit zal de ongelijkheid opnieuw verhogen.

18

Hail, Sikes en Wang (2014) onderzochten de relatie tussen belastingen op meerwaarden en het

verwachte rendement op aandelen. In het model werden de variabelen belastingen op meerwaarden en

dividenden opgenomen van 44 landen tussen 1990 en 2004. De data werd samengesteld uit de OECD

Online Tax Database, Worldwide Tax Summaries gepubliceerd door Price Waterhouse Coopers,

Worldwide Personal Tax Guides gepubliceerd door Ernst&Young en KPMG’s Individual Tax Rate Surveys.

De cijfers verwijzen naar belastingen voor niet-professionele beleggers die hun aandelen op langere

termijn aanhouden. De aandelen worden dus niet gebruikt ter speculatie. Hieronder worden er 17 van

die 44 landen voorgesteld die verder worden bestudeerd in het onderzoek.

Tabel 1: Belasting op meerwaarden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten


1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

AUS 47.0 47.0 47.0 47.0 47.0 47.0 47.0 47.0 47.0 47.0 23.5 23.5 23.5 23.5 23.5

FRA 18.1 18.1 18.1 19.4 19.4 19.4 19.4 20.9 20.9 26 26.0 26.0 26.0 26.0 26.0

JAP 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 26.0 10.0 10.0

NIEUW-Z

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

NOOR 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 28.0 ZWE 25.0 25.0 25.0 25.0 25.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0

VS 28.0 28.0 28.0 28.0 28.0 28.0 28.0 20.0 20.0 20.0 20.0 20.0 20.0 15.0 15.0

DEN 0.0 0.0 0.0 0.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 43.0 43.0 43.0 43.0

VK 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 ZWIT 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

SPA 11.2 11.2 10.6 37.3 37.3 37.3 20.0 20.0 20.0 20.0 18.0 18.0 18.0 15.0 15.0

POR 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

NED 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 ITA 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 12.5 12.5 12.5 12.5 12.5 12.5 12.5 IER 50.0 50.0 50.0 40.0 40.0 40.0 40.0 40.0 20.0 20.0 20.0 20.0 20.0 20.0 20.0

DUIT 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 CAN 37.1 37.1 37.1 39.3 39.9 39.9 39.7 38.7 37.7 36.6 31.9 23.2 23.2 23.2 23.2

Bron: Hail, Sikes & Wang (2014), p.59

19

Tabel 2: Belasting op dividenden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten


1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

AUS 15.2 15.2 15.2 23.0 23.0 19.5 19.8 19.5 19.5 19.5 22.0 26.4 26.4 26.4 26.4

FRA 39.9 39.9 39.9 41.8 41.8 42.6 39.0 43.4 41.9 41.9 40.8 40.1 35.6 33.5 33.9

JAP 35.0 35.0 35.0 35.0 35.0 35.0 35.0 35.0 35.0 35.0 43.6 43.6 43.6 43.6 10.0 NIEUW-

Z 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 8.9 8.9 8.9 8.9 8.9

NOOR 28.6 25.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

ZWE 66.2 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 30.0 VS 28.0 31.0 31.0 39.6 39.6 39.6 39.6 39.6 39.6 39.6 39.6 39.1 38.6 15.0 15.0

DEN 46.9 45.0 45.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 40.0 43.0 43.0 43.0 43.0

VK 20.0 20.0 20.0 25.0 25.0 25.0 25.0 25.0 25.0 33.3 25.0 25.0 25.0 25.0 25.0 ZWIT 40.9 40.9 41.5 42.4 42.4 42.4 42.4 42.4 42.4 42.4 42.1 41.5 41.0 40.4 40.4

SPA 46.0 46.0 46.0 46.0 46.0 38.4 38.4 38.4 38.4 27.2 27.2 27.2 27.2 23.0 23.0

POR 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 25.0 20.0 20.0 20.0

NED 60.0 60.0 60.0 60.0 60.0 60.0 60.0 60.0 60.0 60.0 60.0 25.0 25.0 25.0 25.0

ITA 37.1 39.6 50.4 50.4 50.3 50.3 50.3 50.3 12.5 12.5 12.5 12.5 12.5 12.5 12.5 IER 35.8 35.7 32.0 30.7 30.7 32.0 32.5 34.4 39.9 39.3 44.0 42.0 42.0 42.0 42.0

DUIT 28.9 29.4 28.2 27.8 33.8 35.6 35.3 34.8 34.3 34.2 31.1 25.6 25.6 25.6 23.7 CAN 41.3 42.1 43.1 46.8 47.9 47.9 35.1 34.3 33.4 32.7 32.3 31.3 31.3 31.3 31.3

Bron: Hail, Sikes & Wang (2014), p.60

De cijfers geven een goede indicatie van de verschillen in belastingen tussen de welvaartsstaten. Het

gebruik van deze data is eerder beperkt voor panel data. De variabiliteit van de gegevens is zeer gering

om het effect op de ongelijkheid te kunnen meten. Daarnaast beslaan de gegevens een kortere periode.

Andere variabelen (zie hoofdstuk 5.2.2.1) zullen verder in de paper gebruikt worden als proxy voor de

belastingen op meerwaarden en dividenden die beter geschikt zijn om een panel data analyse uit te

voeren. Daarbij zal niet enkel rekening gehouden met belastingen op dividenden en meerwaarden bij

niet-professionele beleggers die aandelen op lange termijn aanhouden, maar op de belastingen van alle

kapitaalinkomsten bij particulieren.

20

5. Onderzoek

5.1 Onderzoeksdoelstelling

Het eerste deel van de literatuurstudie (hoofstuk 3) benadrukte de zes macro-economische

determinanten die de ongelijkheid in een welvaartsstaat beïnvloeden. Het doel van het onderzoek is

naast deze determinanten ook na te gaan of de belastingsinkomsten uit aandelen en het verloop van de

wereldwijde beursindex de ongelijkheid aantasten. Bijkomend worden dus zowel de wereldwijde

beursindex, voorgesteld door de MSCI World Index, als de belastingsinkomsten uit meerwaarden en

dividenden opgenomen in het model. De bijkomende onderzoeksvariabelen worden opgenomen in het

model samen met de controlevariabelen. De studie wordt uitgevoerd bij 17 OESO-landen tussen 1969

en 2009. In het onderzoek wordt de impact van de MSCI World Index als de belastingsinkomsten op

meerwaarden en dividenden bestudeerd. De onderzoeksvraag luidt als volgt:

“In welke mate spelen de wereldwijde beursindex en de taxatie op meerwaarden van aandelen en

dividenden een rol op de ongelijkheid binnen een OESO-land?”

De volgende deelvragen vloeien hier uit voort:

1)“ Zal de wereldwijde beursindex een invloed uitoefenen op de ongelijkheid binnen een OESO-land?”

2)”Zullen OESO-landen met een hogere taxatie op de meerwaarden van aandelen en dividenden een

hogere ongelijkheid ondervinden?”

Hogere inkomensklassen binnen een welvaartsstaat zijn minder risico-avers dan lagere

inkomensklassen. Binnen deze hogere inkomensklassen zullen bijgevolg vlugger risicovolle financiële

activa aangekocht worden (Riley & Chow, 1992). Aandelen worden gekenmerkt door hun risico,

waardoor deze investeringen voornamelijk door rijkere investeerders worden aangekocht. Bij

hoogconjunctuur zal de wereldwijde beursindex toenemen(Subramanian, Nielsen, & Fachinotti,

2010).De grotere vermogens zullen in die periode hun vermogen zien toenemen door hun groter

aandeel in risicovolle financiële activa, waartoe aandelen behoren (Riley & Chow, 1992). De toename

van de wereldwijde beursindex zal bijgevolg de ongelijkheid doen toenemen.Indien de belasting op de

meerwaarden van aandelen en dividenden weinig of niet aanwezig is, zal het risiconemend gedrag

verder aangewakkerd worden bij de investeerders. Daarnaast worden de behaalde winsten op

meerwaarden en dividenden van de investeerders minder beperkt door de overheid en gebeurt er

weinig of geen herverdeling van die winsten. Een afname van de taxatie op de meerwaarden van

aandelen en dividenden zal de ongelijkheid dus doen toenemen (Journard, Mauro, & Debbie, 2012b). Bij

economische crisis worden negatieve meerwaarden behaald. Er worden ook minder dividenden

21

uitgekeerd. Hierbij zal de prijs- en returnindex van de wereldwijde beursindex afnemen in waarde. De

rijkere klassen zullen vermogen verliezen door de globale economische recessie. Doordat andere

inkomensklassen meer beleggen in vastrentende effecten zullen zij relatief minder hun vermogen zien

afnemen (Riley & Chow, 1992) De ongelijkheid zal hierdoor afnemen.

5.2 Data en methodologie

5.2.1 Variabelen

De operationalisatie van de onderzoeksvraag gebeurt aan de hand van kwantitatieve, secundaire

gegevens. Het model baseert zich op voorgaande studies waarin ongelijkheid werd verklaard door

macro-economische variabelen. Daarnaast worden specifieke variabelen toegevoegd die de

onderzoeksvraag zullen beantwoorden.

5.2.2.1 Onafhankelijke variabelen

De wereldwijde beursindex of marktportfolio wordt benaderd door de MSCI World Index. Deze index

bestaat al sinds 1969 en laat toe om een grotere periode doorheen de tijd te analyseren. Opgemerkt

moet worden dat de diversificatie binnen de MSCI ACWI IMI echter groter is door het feit dat de

opkomende markten hierin opgenomen zijn. De MSCI ACWI IMI is slechts sinds eind de jaren ’90

ontstaan, dus voor deze index zijn de datareeksen minder lang. Aangezien de correlatie tussen de MSCI

ACWI IMI en MSCI World Index hoog (ƿ=0,830) is, zal dit geen effect hebben op ons onderzoek. Deze

beursindices omvatten beiden het systematische risico binnen de markt. De return- en prijsindex van de

MSCI World Index werden gehaald vanuit de databank Datastream.

De taxatie op meerwaarden en dividenden wordt bepaald door middel van de data aanwezig in OECD

Statistics. Deze belastingen behoren tot de ruimere variabele “ belasting op inkomens uit kapitalen bij

particulieren”. Deze belastingsvariabele wordt omschreven in de OECD Statistics als “taxes on income,

profits and capital gains on individuals” (code 1100) (Stats, OECD). Hiertoe wordt de waarde uitgedrukt

als een percentage van het bruto binnenlands product. Hiernaast is het ook mogelijk om de belasting

uit te drukken als een percentage van de totale taxatie van een bepaald land. De relatieve belastingdruk

van een land op inkomsten uit kapitalen, waaronder de meerwaarden van aandelen en dividenden

vallen, wordt op basis van deze beide cijferreeksen gemeten (OECD, 2002). Beide variabelen worden

opgenomen in deze studie. Deze variabelen zijn een proxy voor de belastingsdruk op meerwaarden van

aandelen en dividenden. Er werd niet gekozen voor de data (zie tabellen 1 en 2) die Roines, Sikes en

Wang (2014) opnamen in hun studie. Die data vertoont namelijk te weinig variabiliteit en is eerder

beperkt in tijd om mee op te nemen in de modellen.

Als controlevariabelen worden de zes macro-economische variabelen opgenomen in het model. De

economische ontwikkeling wordt bepaald aan de hand van de BBP groei in een land. Roine, Vlachos en

22

Waldenström (2009) namen het BBP per capita als indicator om het effect van de economische

ontwikkeling op ongelijkheid te meten. Aangezien de bevolkingsgroei het BBP zal beïnvloeden, wordt de

variabele populatie bijkomend in het model gebracht.

Inflatie wordt gemeten aan de hand van de BBP deflator. De gegevens werden gehaald uit de database

die gebruikt werd om de historische inflatietrend te analyseren binnen de OESO-landen. In die studie

werd zowel de consumptieprijsindex gebruikt als de BBP deflator (OECD, 2009).De consumptieprijsindex

meet vooral het prijsverschil in de geconsumeerde goederen. De BBP deflator zal enkel rekening houden

met de verandering in prijzen bij de geproduceerde goederen. Daarbij wordt import afgetrokken van de

berekening omdat dit niet geproduceerd wordt in het land zelf. Marques (2004) bestudeerde de

persistentie binnen inflatie in Europa en de Verenigde Staten tussen 1982 en 2002 aan de hand van de

consumptieprijsindex en de BBP deflator. Beide variabelen zijn sterk met elkaar verbonden en meten

allebei de inflatie in een welvaartsstaat. Er werd besloten dat de mate van persistentie afhankelijk is

van de gemiddelde inflatiepercentage die genomen wordt om dit te meten (Marques, 2004).

De werkloosheidsgraad en syndicalisatiegraad vormen samen proxies voor de werking van de

arbeidsmarkt. De OECD Employment Outlook 2012 toonde aan dat een lage werkloosheid op lange

termijn de ongelijkheid aanpakt (OECD, 2012a) De werkloosheidsgraad wordt uitgedrukt als het

percentage van de beroepsbevolking ouder dan 15 jaar dat inactief is. Pontusson (2013) nam een

negatief verband waar tussen de syndicalisatiegraad en ongelijkheid. De syndicalisatiegraad wordt

gemeten door de werknemers die aangesloten zijn bij vakbonden te delen door het totaal aantal

werknemers binnen een OESO-land.

Voor de macro-economische indicatoren toegang tot kredietmarkt, buitenlandse handel en

overheidsuitgaven werden gelijkaardige variablen gebruikt als in de paper van Roine, Vlachos en

Waldenström (2009). Voor de toegang tot de kredietmarkt werd enkel gebruik gemaakt van de variabele

bankdeposito’s uitgedrukt in percentage van het BBP. Deze data was beschikbaar via de Financial

Development and Structure Dataset uitgegeven door de Wereldbank (Beck, Demirguc-Kunt, Levine,

Cihak, & H.B. Feyen, 2013). De buitenlandse handel werd bij Roine, Vlachos en Waldenström (2009)

uitgedrukt door de som van de import en export (in % van het BBP). In onze studie worden import en

export apart opgenomen. Daarbij zal de toename of afname berekend worden. Opnieuw wordt dit

uitgedrukt in percentage van het BBP. De variabele publieke overheidsuitgaven omvat alle

overheidsuitgaven uitgedrukt in percentage van het BBP. Dit was niet aanwezig in de OESO database,

maar werd zelf berekend door de publieke overheidsuitgaven te delen door het BBP. Beide cijfers

waren uitgedrukt in de lokale munt.

23

Op volgende pagina wordt een overzicht gegeven van alle onafhankelijke variabelen die opgenomen

worden in het onderzoek. Het symbool, de betekenis en de bron van elke variabele staat vermeld in

tabel 3.

24

Tabel 3: Overzicht van de onafhankelijke variabelen met vermelding van secundaire bron

Variabele Betekenis Bron

BELTOT belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in

% van totale taxatie

OECD StatExtracts Taxation – Revenue Statistics

Code 1100: “taxes on income, profits and capital gains on individuals”

BELBBP Belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in

% van het totale BBP

OECD StatExtracts Taxation – Revenue Statistics

Code 1100: “taxes on income, profits and capital gains on individuals”

Verschil in MSCI return index Datastream

Verschil in MSCI prijs index Datastream

BBP groei OECD StatExtracts National Accounts – Gross Domestic

Product – growth previous period

POP Bevolkingsaantal OECD StatExtracts Demography and Population –

Population Statistics

BBPDEF Verandering in BBP deflator OECD Factbook 2009: Economic, Environmental and Social Statistics

Economic Growth- Inflation

DEP Totale deposito’s in verhouding tot het BBP

Financial Development and Structure Dataset - Worldbank

IMP Verandering in import OECD StatExtracts International Trade – Imports

EXP Verandering in export OECD StatExtracts International Trade – Exports

BEST Totale publieke overheidsbestedingen in % van totale BBP

OECD StatExtracts (bestedingen) Total government expenditures – national currency, current prices

OECD StatExtracts (BBP) National Accounts – Gross Domestic Product – national currency, current

prices

WERKL Werkloosheidsgraad in % van beroepsbevoling (vanaf 15 jaar)

OECD StatExtracts Short-Term Labour Market

Statistics : Unemployment Rates by age and gender :aged 15 and over, all

persons

SYND Syndicalisatiegraad. Dit uitgedrukt als werknemers aangesloten / totale

werknemers

OECD StatExtracts Trade Union Density

http://stats.oecd.org/index.aspx?queryid=36499

http://stats.oecd.org/index.aspx?queryid=36499

25

5.2.2.2 Afhankelijke variabele

De ongelijkheid zal gemeten worden door de variabele die weergegeven wordt in “The World Top

Incomes Database”. Deze database is een realisatie van verschillende buitenlandse instituten, zoals

Institute for New Economic Thinking, en universiteiten, waaronder Paris School of Economics en

University of California Berkeley (Paris School of Economics, n.d.).Een relevante variabele voor het

onderzoek is de concentratie van de hoogste inkomens in een land. Het aandeel van de topinkomens in

verhouding tot de totale inkomens geeft een goede indicatie over hoe de inkomens worden verdeeld in

een welvaartsstaat. Een hoger aandeel wijst op een meer ongelijke verdeling. De variabiliteit bij deze

afhankelijke variabele is hoger binnen de welvaartsstaten doorheen de jaren (tijdreeks) en tussen

welvaartstaten binnen eenzelfde jaar (doorsnede). Andere ongelijkheidsvariabelen, zoals bv. Gini-

coëfficiënt en P90/P10 verhouding, verschillen minder sterk tussen de verschillende landen en binnen

de OESO-landen doorheen de tijd. De informatie varieert van het inkomensaandeel van de 0.01% tot de

10% rijkste inwoners van een OESO-land. Bij sommige landen, zoals de Verenigde Staten, maakt de

database een onderscheid tussen het aandeel van inkomen zonder of met meerwaarden van kapitaal.

Voor deze studie is de data met meerwaarde van kapitaal relevant. Voor het onderzoek wordt als

afhankelijke variabele de inkomensconcentratie van de 10% rijkste gezinnen (C10) in de totale rijkdom

gebruikt.

De onderzoeksvergelijkingen van de studie staan verder in de panelanalyses (hoofdstuk 6.3) uitgewerkt.

In totaal zullen 4 modellen gevormd worden om zo een gevoeligheidsanalyse te kunnen uitvoeren. Dit

betekent dat er 4 verschillende combinaties worden gevormd met de variabelen BELTOT, BELBBP,

ΔMSCIRI en ΔMSCIPI. Alle controlevariabelen blijven in elk model volledig aanwezig.

5.2.2 Onderzoeksmethodologie

In totaal worden 17 OESO-landen4bestudeerd over een periode van veertig jaar, namelijk van 1969 tot

2009. Een unbalanced panel data analysis zal het onderling vergelijken tussen landen doorheen deze

tijdspanne toelaten. De individuele heterogeniteit zal via deze analyse tussen landen duidelijk zichtbaar

worden.

In een eerste fase worden de variabelen afzonderlijk geanalyseerd. De beschrijvende analyse laat toe

om een globaal overzicht te geven van de variabelen tussen de landen heen doorheen de tijd. Hier

kunnen landen met elkaar vergeleken worden bij de verschillende variabelen.

Voordat de regressies worden uitgevoerd, zal een controle moeten gebeuren op multicollineariteit.

Multicollineariteit wordt veroorzaakt doordat één of meerdere onafhankelijke variabelen te sterk met

4 Voor een overzicht van de landen zie bijlage 1

26

elkaar gecorreleerd zijn. Dit zorgt ervoor dat de regressie minder betrouwbaar is omdat het model niet

weet welke variabele de afhankelijke variabele zal verklaren(Zainodin & Yap, 2013). Een correlatiematrix

en een VIF test zal bepalen of er sprake is van multicollineariteit (Williams, 2014). Multicollineariteit zal

belangrijk zijn om de selectie van variabelen in regressie-analyse te bepalen. Verschillende testen zullen

bepalen welke panelregressie het best gehanteerd wordt. Eerst wordt nagegaan of het fixed effects te

verkiezen is boven het pooled OLS model. Dit gebeurt door de F-test. De Hausman test bepaalt of het

fixed model de voorkeur krijgt boven het random effectsmodel. De Breusch-Pagan test geeft hetzelfde

aan (Inghelbrecht, 2014a). Om het gevaar van endogeniteit te voorkomen, wordt met 1 vertraagde

gewerkt bij de onafhankelijke variabelen in de regressies. Endogeniteit ontstaat wanneer er correlatie

ontstaat tussen de onafhankelijke variabele en de foutterm. Dit wordt weergegeven door Cov( , )

0 (Reichstein, 2011). Daarnaast zal een vertraagde bij de onafhankelijke variabelen het gevaar van

omgekeerde collineariteit wegwerken. De causaliteit zal in de juiste richting op die manier aanwezig zijn

tussen de variabelen.

27

6. Resultaten

6.1 Beschrijvende Analyse

6.1.1 Variabelen belasting op inkomens uit kapitaal, winsten en meerwaarden

6.1.1.1 BELTOT5

De gemiddelde belastingen over alle landen heen voor deze variabele bedraagt 30,97% (bijlage 3.1).

Drie landen hebben een waarde die veel hoger is over de veertig jaren heen dan het gemiddelde.

Denemarken, Australië en Nieuw-Zeeland hebben de hoogste belastingsinkomsten op kapitaal, winsten

en meerwaarden uitgedrukt in totale taxatie van het land. Denemarken heeft een gemiddelde belasting

op kapitaal, winsten en meerwaarden van 52,20% .Daarmee behaalt het land de eerste plaats in deze

variabele. Het valt wel op dat een ander Scandinavisch land, namelijk Zweden, ook boven het

gemiddelde ligt. Dit in tegenstelling met het laatste Scandinavisch land Noorwegen dat een stuk minder

inkomsten haalde uit kapitaal, winsten en meerwaarden. Nieuw-Zeeland sluit nauw aan bij de taxatie

die in Denemarken werd gehanteerd tussen 1969 en 2009. Het land blijft wel nog onder de 50% van de

totale belasting. Australië sluit de top drie af met een taxatie van 41,87%.

De laagste waarden zijn waarneembaar bij twee meditterane landen (Frankrijk en Spanje) en Portugal.

Frankrijk blijft zelfs nog maar net boven de 10%. Dit is ongeveer vijf keer zo weinig als bij Denemarken.

Daarnaast scoren Spanje en Portugal hoger, maar blijven wel nog onder de 20% (resp. 18,82% en

17,58%).

5 Zie bijlage 3.3

28

0

10

20

30

40

50

60

in %

van

to

tale

tax

atie

land

Opmerkelijk is dat landen die geografisch dicht bij elkaar gelegen zijn ongeveer hetzelfde resultaten

behalen. Portugal en Spanje zijn bijvoorbeeld buurlanden en de belasting op kapitaal, winsten en

meerwaarden verschillen quasi niet van elkaar.

Figuur 5: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale taxatie


29

6.1.1.2 BELBBP6

De variabele BELBBP meet ongeveer hetzelfde als BELTOT. Het enige verschil is dat bij BELBBP de

belastingen uit inkomens uit kapitaal, winsten en meerwaarden worden vergeleken met de totale BBP

uit een land. Dit zorgt voor een gelijkaardige weergave van de verhoudingen tussen de landen. De

percentages bij BELBBP liggen wel een stuk lager. Dit komt doordat de totale hoeveelheid

geproduceerde goederen en diensten meer bedraagt dan de totale belastingen van een welvaartsstaat.

De geografische gelijkaardige belastingsheffing komt hier zelfs duidelijker aan bod. Frankrijk, Portugal en

Spanje liggen relatief dicht bij elkaar. Het is opvallend dat deze landen opnieuw de laagste

belastingspercentages hebben in functie van het BBP. De cijfers liggen nog meer naar elkaar toe dan bij

de variabele BELTOT. De buurlanden Denemarken en Zweden behalen de hoogste percentages van alle

landen bij de variabele BELBBP. Een ander voorbeeld van een geografisch gelijkaardig belastingstarief is

aanwezig in Noord-Amerika. De Verenigde Staten en Canada grenzen aan elkaar en hebben een tarief

van ongeveer 10% (resp. 9,53% en 11,70%) . Deze geografische stelling mag natuurlijk niet

veralgemeend worden naar alle landen in het continent. Japan neigt met een gemiddeld belastingstarief

uitgedrukt in totale BBP van 5,74% meer naar de Europese landen Frankrijk, Portugal en Spanje. Om te

weten of de geografische stelling klopt voor Japan zouden er dichtere landen zoals bijvoorbeeld Zuid-

Korea moeten onderzocht worden.

Figuur 6: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale BBP


6 Zie bijlage 3.4

0

5

10

15

20

25

in %

van

to

tale

BB

P

land

30

6.1.2 Variabelen wereldwijde beursindex (MSCI World Index)

6.1.2.1 MSCIRI en MSCIPI

Onderstaande grafiek geeft het systematisch risico weer op de aandelenmarkt van 1969 tot 2009. De

naar marktkapitalisatie gewogen MSCIRI en MSCIPI worden vaak als benchmark gebruikt bij actief

beheerde wereldwijde aandelenportfolio’s (Garner, 2009).De MSCIRI en MSCIPI bewegen in dezelfde

richting doorheen de tijd. Zoals al in hoofdstuk 4.2 werd aangegeven bestaat de MSCI World index uit

bedrijven in ontwikkelde markten met een grote- en middelmatige beurskapitalisatie. In totaal wordt

ongeveer 85% van het vrij verhandelbaar kapitaal op de financiële markt van elk opgenomen land

verwerkt in de MSCI World Index (Morgan Stanley Capital International, 2014). In bijlage 2 staan de

voornaamste landen en sectoren die zich bevinden in de MSCI World Index gerangschikt volgens

aandeel.

De variabele MSCIRI staat altijd hoger genoteerd dan de MSCIPI in de tijdsreeks. Dit is natuurlijk te

wijten aan het feit dat de MSCIRI naast de prijsverandering, ook de dividenden opneemt bij de

berekening. De gemiddelde prijsverandering bedraagt 26,71 over de veertig jaren heen.Daarnaast is de

returnindex gemiddeld met 92,97 toegenomen (bijlage 3.1). In 2009 stond de prijsindex meer dan 10

keer zo hoog als in het begin. Bij de returnindex was dit zelfs bijna veertig keer zoveel als in 1969.

Figuur 7: de prijsindex (MSCIPI) en returnindex (MSCIRI) van MSCI World Index tussen 1969 en 2009

Bron: Datastream + eigen bewerking

0

1000

2000

3000

4000

5000

6000

1969

1971

1973

1975

1977

1979

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

2009

ind

ex

jaar

MSCI RI

MSCI PI

31

0369

1215182124273033363942

iko

men

sco

nce

trat

ie (

in %

)

land

6.1.3 Variabele ongelijkheid

6.1.3.1 C107

De inkomensconcentratie geeft de mate van ongelijkheid aan. Deze grafiek bevestigt de hypothese dat

er een negatief verband bestaat tussen de belastingsvariabelen (BELTOT en BELBBP) en ongelijkheid. De

laagste inkomensconcentraties zijn waar te nemen bij Denemarken en Zweden terwijl deze landen juist

het hoogst scoren op de belastingsinkomsten uit kapitaal, winsten en meerwaarden. Tussen 1969 en

2009 hadden de 10% rijksten van elk land gemiddeld 31,81% van de rijkdom van het betreffende land in

handen (bijlage 3.1). Met een concentratie van ongeveer 25% verdelen Denemarken en Zweden de

welvaart beter in het land dan in andere landen.

De ongelijkheid is het grootst in de Verenigde Staten en Canada. Dit is echter wel opmerkelijk omdat

beide landen geen heel lage belastingsinkomsten hebben in vergelijking met andere landen. Bij BELBBP

behoren ze bij het gemiddelde van alle landen. Bij de variabele BELTOT geven de cijfers weer dat hun

inkomsten hoger waren dan de gemiddelde belastingsinkomsten.

Het is opvallend dat opnieuw geografische dichte landen gelijkaardige resultaten behalen. Spanje,

Portugal en Frankrijk hebben ongeveer een gelijke inkomensconcentratie van 32%. Bij de Verenigde

Staten en Canada resulteert dit in een hogere concentratie van ongeveer 39%. Bij Zweden en

Denemarken gaat ongeveer een kwart van de rijkdom naar de top 10% rijken gaat.

Figuur 8: gemiddelde inkomensconcentratie 10% rijkste gezinnen in % totale rijkdom (1969-2009)


7 Zie bijlage 3.2

32

6.2 Correlatiematrix en VIF test

De correlatiematrix geeft een indicatie voor de mogelijke multicollineariteit die kan optreden. In bijlage

4 worden alle variabelen weergegeven die in de modellen zullen gebruikt worden. Sterke correlatie

treedt op vanaf een correlatie met absolute waarde van 0,7 of meer. De variabelen belasting op

inkomensten uit kapitaal, meerwaarden en winsten(BELTOT en BELBBP) zijn positief sterk gecorreleerd

met elkaar (ƿ=0,845). Bijna een volledige perfecte positieve samenhand (ƿ=0,992) bestaat er tussen

MSCIRI en MSCIPI.

De variance influence factor (VIF) is een sterker meetinstrument naar multicollineariteit toe dan de

correlatiematrix. De correlatiematrix houdt geen rekening met de onrechtstreekse correlatie die

mogelijk is bij meerdere onafhankelijke variabelen(Williams, 2014). De resultaten die in de VIF test

bekomen worden, zullen gehanteerd worden om de multicollineariteit te bepalen tussen de variabelen.

Indien de VIF test een waarde van 10 of hoger bekomt, wijst dit op een probleem van

multicollineariteit(Golder & Golder, n.d.). De minimumwaarde van VIF is gelijk aan 1 en duidt op geen

teken van collineariteit. Zoals aangegeven in 5.2.2 worden de panelregressies uitgevoerd met één lag bij

de onafhankelijke variabelen. Dit is de reden waarom de VIF, aanwezig in bijlage 5, wordt getest met

één vertraagde bij de bestudeerde onafhankelijke variabelen.

De variabelen BELTOT en BELBBP hebben beiden een waarde van meer dan 10 (resp. 10,36 en 16,11).

Grotere waarnemingen van multicollineariteit zijn te vinden bij variabelen MSCIRI en MSCIPI. De

hoge onderlinge correlatie van bijna 1 bij MSCIRI en MSCIPI zorgt ervoor dat de VIF test ongeveer vijf

keer zo als de toegelaten waarde.

Multicollineariteit zorgt voor inefficënte coëfficiënten en vermindert de betrouwbaarheid van het

resultaat. Dit komt doordat het model moeilijkheden heeft om te verklaren welke onafhankelijke

variabele nu de afhankelijke variabele verklaart (Inghelbrecht, 2014b). Dit komt veelal voor bij

onafhankelijke variabelen die hetzelde meten, zoals hier het geval is. Om het probleem van

multicollineariteit op te lossen worden in de regressiemodellen telkens één variabele van de belasingen

op inkomsten uit kapitaal, meerwaarden en winsten verwijderd. Hetzelde wordt uitgevoerd bij de

variabelen van de MSCI World Index. Hierdoor zullen 4 modellen ontstaan waarin telkens één

belastingsvariabele (BELTOT of BELBBP) en één wereldwijde beursindexvariabele ( MSCIPI of MSCIRI)

is opgenomen.

De negatieve relatie tussen C10 en de belastingsvariabelen (BELTOT en BELBBP) is duidelijk aanwezig in

de correlatiematrix. Een toename in belastingen op inkomensten uit kapitaal, meerwaarden en winsten

doet ceteris paribus de ongelijkheid afnemen. Deze relatie is sterker aanwezig bij de variabele BELBBP

33

dan de variabele BELTOT (resp. ƿ=-0,443 t.o.v. ƿ=- -0,251). Daarnaast bestaat er een positief verband

tussen beursindexvariabelen ( MSCIRI en MSCIPI )en ongelijkheid. Dit verband is zwakker.

6.3 Panelanalyses

In totaal zullen vier modellen bestudeerd worden aan de hand van de F-test en Hausman test. Deze

testen zullen bepalen welke paneldatamethode (Pooled OLS, Fixed of Random Effects) de modellen het

best zal schatten. De 9 controlevariabelen zullen in elk model behouden blijven. Ieder model verschilt

enkel in de combinatie binnen de vier variabelen BELTOT, BELBBP, MSCIPI en MSCIRI. Dit is

noodzakelijk als gevolg van de multicollineariteit en op die manier wordt nagegaan welke variabele

meest significant is. Hieronder een overzicht van de combinaties gebruik makend van

belastingsvariabelen en beursindexvariabelen.

Tabel 4: De combinatie van vier modellen in de panelanalyses

Model

1.1 BELTOT en ΔMSCIRI

1.2 BELBBP en ΔMSCIRI

1.3 BELTOT en ΔMSCIPI

1.4 BELBBP en ΔMSCIPI

6.3.1 Pooled OLS

De pooled OLS modellen zien er als volgt uit (Inghelbrecht, 2014a):

Figuur 9: Pooled OLS modellen

34

De White test werd telkens gebruikt om te controleren op heteroskedasticiteit. Deze pitfall wordt

veroorzaakt indien de variantie van de error termen afhankelijk zijn van de individuele eenheden. De

nulhypothese (H0 ) binnen de White test slaat op homoskedasticiteit. Indien p<0,05 (H1) wordt de

nulhypothese verworpen en wordt hierbij heteroskedasticiteit bevestigd (Inghelbrecht, 2014b).

De White test wordt als volgt weergegeven:

H0 : Var(ei)= ơ²

H1: Var(ei)= ơi²

Ieder pooled OLS model had telkens dezelfde waarde volgens de White test (p=0,000). Hier wordt de

nulhypothese verworpen. Dit betekent dat er zeker sprake is van heteroskedasticiteit. Dit impliceert dat

de bekomen coëfficiënten niet efficiënt zijn en kunnen leiden tot verkeerde interpretaties. Om dit te

voorkomen werd gebruik gemaakt van de Heteroskedasticity Autocorrelation Consistent Standard Errors

(HAC). Hierdoor zullen de standaardafwijkingen aangepast worden zodat de conclusies die genomen

worden correcter zijn(Inghelbrecht, 2014b).

De verklarende kracht van de variablen ligt bij de vier modellen zeer hoog. De R² geeft aan dat de

verklarende variabelen ongeveer voor zo’n 70% de afhankelijke variabele ongelijkheid zal verklaren. De

hoge verklaringskracht heeft vooral te maken met het groot aantal controlevariabelen die opgenomen

worden.

Elk model in het pooled OLS model vertoont telkens significantie bij drie variabelen (excl.

constante): MSCIPI of MSCIRI, SYND en POP. De beursindexvariabele MSCIRI is positief significant

(β=0.001,p<0.01)met de ongelijkheid (C10) in modellen 1.1 en 1.2. Daarnaast beïnvloedt de variabele

MSCIPI in modellen 1.3 en 1.4 de ongelijkheid wat meer, maar neemt de significantie van het resultaat

wat af (β=0.002,p<0.05). Een stijgende aandelenbeurs vergroot dus het vermogen van de top 10%

rijksten en daarom zal C10 toenemen. Dit komt overeen met de hypothese die gesteld werd in de

35

onderzoeksdoelstelling. Een toename van de MSCI World Index op prijs of return doet de ongelijkheid

toenemen.

De coëfficiënten van de variabele populatie zijn verwaarloosbaar klein(β=3.3e-08,p<0.01). Dit komt

omdat de bevolking uitgedrukt wordt in miljoenen, terwijl de afhankelijke variabele in procenten wordt

uitgedrukt. In de vier modellen wordt een positief verband gevonden tussen populatie en ongelijkheid.

Stijgende bevolkingsgroei veroorzaakt een stijging in ongelijkheid.

Zoals Dafermos en Papatheodorou(2010) aangaven, is de syndicalisatiegraad in een land bepalender dan

een afname in werkloosheidsgraad. Ondanks het feit dat de coëfficiënten van beide variabelen wel

gelijkaardig zijn, is enkel de syndicalisatiegraad sterk significant in het pooled OLS model. Een toename

in syndicalisatiegraad met 1% van aantal werknemers in totale werknemers zal volgens het onderzoek

gemiddeld de ongelijkheid met 0,07% doen afnemen. In modellen 1.1 en 1.3 (p<0.01) is het resultaat

sterker dan bij modellen 1.2 en 1.4 (p<0.05)

De test die uitgevoerd wordt binnen het fixed effects (F-test) zal uitwijzen of het pooled OLS methode

aangewezen is voor de panelanalyse. Pooled OLS model veronderstelt dat er maar één regressielijn

aanwezig is. Het neemt dus de individuele heterogeniteit die kan aanwezig tussen de landen niet op. Dit

leidt tot verkeerde resultaten. De coëfficiënten zullen hierbij verkeerd geschat worden

(Inghelbrecht,2014a).

6.3.2 Fixed Effects

Fixed effects model wordt hieronder berekend op twee verschillende manieren,namelijk via de least

squares dummy variables regressie (LSDV) en de within group estimator. Daarnaast bestaat er nog de

first differences methode.Daarbij worden zoals in de within group estimator de variabelen die niet

veranderen doorheen de tijd verwijderd. Het verschil is dat de first differences methode een nieuw

model vormt met de eerste verschillen van het oorspronkelijk model. Deze twee modellen zullen dan

van elkaar worden afgetrokken. De variabelen die niet variëren doorheen de tijd zullen hierdoor

verdwijnen. De within group estimator zal daarentegen in het nieuwe model voor elk land het

gemiddelde berekenen voor iedere variabele doorheen de tijd. Opnieuw worden beide modellen van

elkaar afgetrokken (Zivot,2012).

36

Bij het LSDV model worden 17 dummies, één per land, toegevoegd om na te gaan of de alpha( ) van

ieder land verschillend is. Per land wordt een aparte alpha toegewezen. Hierdoor worden 17

regressielijnen gevormd die elk een apart intercept omvatten. De verwijst naar de individuele

heterogeniteit die kan optreden tussen de landen. De richtingscoëfficiënt blijft gelijk voor alle

regressielijnen. Schematisch wordt dit als volgt weergegeven:

Figuur 10: De LSDV modellen met 17 dummmies

Het probleem bij het LSDV model is dat er per regressie 28 coëfficiënten moeten geschat worden. Die

beslaan de 17 dummies die de welvaartstaten voorstellen en daarnaast de 11 onafhankelijke variabelen.

Door het hoog aantal individuele landen, heeft het LSDV model het moeilijk om nauwkeurige resultaten

te geven. Door het aantal te schatten coëfficiënten in het model te reduceren, zal het model betere

uitkomsten bieden voor interpretatie(Inghelbrecht,2014a).De within group estimator zal de

verwijderen in twee stappen. Eerst wordt een model gevormd met de gemiddelde waarde van elk land

(group mean) doorheen de tijd bij elke variabele (zowel onafhankelijke als afhankelijke variabele). Dit

wordt voorgesteld in figuur 11.Hierna zal het model met de gemiddelden afgetrokken worden van het

oorspronkelijke model van figuur 10. Per cross-selectionele eenheid wordt dus bij elke variabele het

groepsgemiddelde afgetrokken(McManus,2011). Dit creërt het model weergegeven in figuur 12.

Aangezien doorheen de tijd niet verandert, zal de within groups schatter de individuele alpha

supprimeren. Het model wordt terug op 11 onafhankelijke variabelen gebracht. Dit zal leiden tot betere

37

en nauwkeurige coëfficiënten. Dit is de reden waarom in bijlage 6.2 enkel de output van de within group

estimator wordt voorgesteld.

Figuur 11: Modellen met gemiddelden voor elk individueel land

Figuur 12:Transformatie naar de within groups modellen (model fig.10-fig.11)

38

Het is duidelijk te merken dat het intercept ( is weggevallen in de within groups modellen. Dit

vermindert de schattingen die moeten gebeuren.Bovenstaande modellen in figuur 12 zijn het resultaat

van de oorspronkelijke modellen in figuur 10 die afgetrokken worden van de gemiddelde waarde van de

variabele binnen elk land weergegeven in figuur 11 (McManus,2011).

De F-test bepaalt of het fixed effects model te verkiezen valt boven het pooled OLS model. De

nulhypothese staat voor één gemeeschappelijke alpha, waarbij er dus geen individuele heterogeniteit

bestaat tussen de landen. De alpha’s differentiëren niet genoeg om het fixed effects de voorkeur te

geven. Bij het verwerpen van de nulphypothese verschillen de landen onderling van elkaar, waardoor

het fixed effects model wordt verkozen. Hierbij zal tenminste één intercept voldoende

afwijken(Inghelbrecht,2014a).

De F-test weergegeven in symbolen:

H0 : 1= 2= 3= 4=....= 17=

H1: tenminste één is verschillend

De F-test is bij alle verschillende modellen (van 1.1 tot en met 1.4) kleiner dan de kritische waarde 0,05

(p<0.05). Dit betekent dat het fixed effects in elk model de voorkeur krijgt boven het pooled OLS

model. De landen verschillen dus sterk genoeg van elkaar. De modelcombinatie BELBBP en ΔMSCIPI

heeft de grootste F-waarde en verwerpt dus in sterkste mate de nulhypothese.

In het fixed effects model vormen zich een stuk meer significante resultaten dan in het pooled OLS

model. Naast de beursindexvariabelen (ΔMSCIPI en ΔMSCIRI), de syndicalisatiegraad (SYND) en

populatie (POP) vervullen belastingsinkomsten uit kapitaal, meerwaarden en winsten uitgedrukt in BBP

(BELBBP), de BBP deflator ( BBPDEF) en de openheid(ΔIMP en ΔEXP)belangrijke verklarende rollen in

ons model.

De MSCI World index heeft opnieuw een positief effect op de ongelijkheid. De variabele ΔMSCIRI,

aanwezig in model 1.1(β=0.0008,p<0.01) en model 1.2(β=0.0007,p<0.01), vertoont opnieuw een

zwakker effect op C10 dan de variabele ΔMSCIPI. Daarentegen valt de significantie van de β-

coëfficiënten bij ΔMSCIPI in modellen 1.3(β=0.002,p<0.05) en 1.4(β=0.002,p<0.05) wat lager uit. Zoals

verwacht werd vanuit de hypothese, beïnvloedt de taxatie op meerwaarden van aandelen en

39

dividenden, weergegeven door BELBBP, positief de gelijkheid in een land. Binnen het OESO-land zal een

toename van BELBBP, de ongelijkheid verminderen. Dit is te verklaren adhv model 1.2(β=-

0.263,p<0.05)en 1.4(β=- 0.266,p<0.05) .Het valt op dat modellen 1.1 en 1.3 ,waarin BELTOT opgenomen

is, geen significante coëfficiënten aangeeft voor deze variabele. Dit is opmerkelijk aangezien beide

variabelen ongeveer hetzelfde verklaren.

Bij drie van de vier modellen heeft de groei in import een positieve functie op de ongelijkheid

(p<0.1).Bij model 1.2 was dit niet het geval. Dit verband sluit aan op de theorie van Richardson (1995)

die aangaf dat import van ontwikkelingslanden naar welvaartsstaten de ongelijkheid verslechterde

binnen de welvaartsstaat. De lonen in ontwikkelinglanden liggen lager, waardoor welvaartsstaten de

lonen bij de arbeiders moeten aanpassen om te kunnen concurreren. Daarnaast heeft export ook een

invloed op de ongelijkheid. Het verkoop van binnenlandse goederen en diensten naar het buitenland

stimuleert de ongelijkheid. Dit verband is zelfs sterker dan bij import (p<0.1 ipv p<0.05) en waar te

nemen bij de vier modellen. Deze significante resultaten bij import en export bevestigen het onderzoek

van Aradhyula (2007) waarin een toename van de openheid in handel een stijging in rijkdom van het

land betekende.Deze toename werd niet gelijk verdeeld over alle inwoners waardoor de ongelijkheid

verhoogde.

Inflatie werd door Thalassinos, Ugurlu en Muratoglu (2012) gemeten aan de hand van het prijsniveau

van de overheidsconsumpties. Hun Europese panelstudie (fixed effects) toonde een afname van de

ongelijkheid bij toename van inflatie. In modellen 1.1 tot en met 1.4 wordt hetzelfde resultaat

geproduceerd met een andere variabele, nl. de verandering in BBPdeflator ( BBPDEF). De negatieve

coëfficiënten geven aan dat inflatie wel degelijk de ongelijkheid doet afnemen zoals ook werd

vastgesteld met het prijsniveau van de overheidsconsumpties. De resultaten zijn zelfs op niveau van 1%

significant.

40

6.3.3 Random effects

Bij het random effects model worden geen dummies gebruikt in de regressies. De individuele

heterogeniteit berust op toeval. In het random effects model valt het individueel effect bij elk land weg.

In het random effects model worden de landen veronderstelt willekeurig te zijn getrokken vanuit een

grotere populatie .Het effect berust op toeval en is dus een kansvariabele. De alpha, die staat voor de

individuele heterogeniteit, bestaat uit een constante term (vi) en een foutterm (

(Inghelbrecht,2014a). Zoals in het pooled OLS en fixed effects zullen de vier modellen voorgesteld

worden. Hieronder worden ze symbolisch weergegeven:

Figuur 13: Random Effects modellen

waarbij = +

De resultaten van de controlevariabelen verschillen gedeeltelijk met het fixed effects model. Zo

hebben de variabelen import en export binnen het random effects model hun significantie volledig

verloren. Dit is gelijkaardig met het pooled OLS model. Daar hadden de variabelen ook geen effect op de

ongelijkheid binnen een welvaartsstaat. Daarnaast spelen de overheidsbestedingen een invloed op de

ongelijkheid in het random effects model bij de modellen waar de variabele BELTOT is opgenomen. De

ongelijkheid neemt in de modellen 1.1 (β=-0.153,p<0.05) en 1.3(β=-0.145,p<0.1) af bij een toename

41

van de publieke overheidsbestedingen. Dit klopt met het effect op korte termijn die een toename van

overheidsbestedingen teweeg brengt op de ongelijkheid. Op lange termijn zal het omgekeerde effect

zich voordoen op de ongelijkheid (Chatterjee & Turnovski, 2010). Ook opvallend binnen het random

effects model is dat de variabele werkloosheid hier wel een impact heeft op de ongelijkheid. In

modellen 1.2 (β=-0.084,p<0.05) en 1.4( β=-0.084,p<0.05) vertonen de resultaten een hogere

significantie dan bij de modellen 1.1 (β=-0.081,p<0.1) en 1.3 (β=-0.082,p<0.1) . Een stijging van de

werkloosheidsgraad doet de ongelijkheid verminderen. Dit resultaat is opmerkelijk, want een afname

van de werkloosheid heeft een duurzame werking op de ongelijkheid (OECD, 2011). Sterk

activeringsbeleid en werkloosheidstransfers kunnen de stijging in inkomensongelijkheid tussen

werknemers en werklozen wel doen afnemen of zelfs helemaal wegnemen (Bradley et al., 2003).Het

significante negatieve verband binnen deze vier modellen kan dus te wijten zijn aan de tussenkomst van

de overheid op de toename in werkloosheid.

De resultaten voor de belastingsvariabelen en de werldwijde beursindexvariabelen vertonen een

gelijkaardige trend met het fixed effects model. Belasting op meerwaarden en dividenden uitgedrukt in

totale BBP laten opnieuw de ongelijkheid afnemen in een welvaartstaat. Dit is duidelijk af te leiden uit

model 1.2 (β=-0.167,p<0.01) en 1.4(β=-0.180,p<0.01) . Opnieuw heeft enkel de variabele BELTOT

geen significante coëfficiënten in de vier modellen. De variabele BELBBP heeft wel een minder sterk

effect op de ongelijkheid dan in het fixed effects model. De β-coëfficiënten zijn namelijk minder

negatief. Zowel de prijsindex (β=0.002,p<0.05) als de returnindex (β=0.0009,p<0.01) van de MSCI

World Index laten de ongelijkheid toenemen in het random effects model. In vergelijking met het fixed

effects heeft de returnindex meer effect op de ongelijkheid in het random effects model.

De Hausman test zal uitmaken of het fixed effects te verkiezen valt boven het random effects model. Dit

gebeurt door de individuele effecten, weergegeven door de error termen, te analyseren (Inghelbrecht,

2014a).

Symbolisch wordt de Hausman als volgt weergegeven:

H0: Cov( , ) = 0

H1: Cov( , ) 0

Bij aanvaarding van de nulhypothese (H0) wordt het random effects als beste model gekozen boven het

fixed effects model. Het model geeft de beste schattingen weer van de uitgevoerde regressie. De

resultaten zijn nauwkeurig en correct. Bij het verwerpen van de nulhypothese betekent dat het

individuele effect gecorreleerd is met de verklarende variabelen. Dit zorgt ervoor dat de bekomen β-

coëfficiënten foutief zijn. Hierbij zal het fixed effects de voorkeur krijgen (Inghelbrecht, 2014a). In elk

42

van de vier modellen wordt de nulhypothese verworpen (p<0.01). De F-test gaf al aan in hoofdstuk

6.3.2 dat het fixed effects een beter model was. Zowel in de F-test als in de Hausman test springt het

fixed effects model erboven uit. Voor de interpretatie van de resultaten wordt daarom enkel rekening

gehouden met het fixed effects. Dit zal namelijk de meest correcte en efficiënte β-coëfficiënten

schatten.

6.4 Besluit

De resultaten van de F-test en Hausman test geven aan dat het fixed effects de voorkeur geniet boven

het pooled OLS model en het random effects model . Dit betekent dat het fixed effects de beste schatter

is om deze paneldata te onderzoeken. In het fixed effects model oefenen vijf controlevariabelen en drie

onderzoeksvariabelen een significante invloed uit op de ongelijkheid. In totaal werden dertien

onafhankelijke variabelen onderzocht in de modellen, waarbij telkens twee werden uitgehaald om

multicollineariteit te voorkomen.

De controlevariabelen ΔIMP, ΔEXP en POP vertonen een positief significant verband met de

ongelijkheid. De openheid (ΔIMP en ΔEXP) van een welvaartsstaat zal dus in de uitgevoerde studie de

ongelijkheid laten toenemen. Ook een hoger aantal inwoners (POP) in een welvaartsstaat zal de

ongelijkheid doen aanwakkeren. Daarentegen zullen de controlevariabelen ΔBBPDEF en SYND de

ongelijkheid significant laten afnemen. De ΔBBPDEF is een proxy voor de inflatie binnen een

welvaartsstaat. De syndicalisatiegraad (SYND) maakt deel uit van de organisatie binnen de arbeidsmarkt

in een welvaartsstaat.

Zowel een stijging in prijs- of return (ΔMSCIPI en ΔMSCIRI) van de MSCI World Index zal de ongelijkheid

doen aanwakkeren in het fixed effects model. De hypothese dat de wereldwijde beursindex in positieve

verhouding staat met de ongelijkheid wordt hiermee bevestigd. Daarentegen wordt het omgekeerde

verband vastgesteld bij de inkomsten uit belastingen op meerwaarden en dividenden uitgedrukt in

totale BBP (BELBBP). De variabele BELTOT heeft in tegenstelling tot BELBBP geen significante invloed op

de ongelijkheid. Het effect van een afname op de ongelijkheid door de belastingsinkomsten uit aandelen

wordt enkel geconstateerd bij BELBBP. Hier zal enkel BELBBP dus de gestelde hypothese bevestigen dat

belastingen op inkomsten uit aandelen de ongelijkheid verminderen in een welvaartsstaat.

43

7. Algemeen besluit

De focus van het onderzoek is om de impact van de wereldwijde beursindex, voorgesteld door de MSCI

World Index, op de ongelijkheid te meten binnen een welvaartsstaat. Daarbij wordt ook nagegaan wat

het effect van de taxatie op meerwaarden van aandelen en dividenden zal betekenen op de

ongelijkheid. In de literatuur wordt voornamelijk de nadruk gelegd op de zes macro-economische

determinanten die de ongelijkheid beïnvloeden. Daarin worden de arbeidsmarkt, de toegang tot de

financiële markt, economische ontwikkeling, inflatie, buitenlandse handel en overheidsbestedingen als

cruciale factoren beschouwd voor de ongelijkheid. De meerwaarde van het onderzoek bestaat erin

naast de macro-economische determinanten ook de wereldwijde beursindex en de taxatie op

meerwaarden van aandelen en dividenden op te nemen in de modellen.

In de panel data studie worden 17 OESO-landen bestudeerd tussen 1969 en 2009. Hierin zijn macro-

economische determinanten en de populatie als controlevariabelen opgenomen. De

onderzoeksvariabelen ΔMSCIPI en ΔMSCIRI geven de prijs- en returnindex van de MSCI World Index

weer. Daarnaast worden de belastingsinkomsten uit meerwaarden van aandelen en dividenden

gemeten door de onderzoeksvariabelen BELTOT (in % totale taxatie) en BELBBP (in % totale BBP). Het

fixed effects geeft de meest correcte en efficiënte coëfficiënten weer. De bekomen resultaten tonen

aan dat de controlevariabelen buitenlandse handel (ΔIMP en ΔEXP)en populatie (POP) de ongelijkheid

doen toenemen. Daarnaast wordt een significant negatief verband gevonden tussen de

controlevariabelen syndicalisatiegraad (variabele arbeidsmarkt) en inflatie (ΔBBPDEF).

Hogere inkomensklassen binnen een welvaartsstaat zijn minder risicoavers dan lagere inkomensklassen.

Deze inkomensklassen zullen bijgevolg meer risicovolle financiële activa willen aankopen (Riley & Chow,

1992). Aandelen behoren tot de groep van risicovolle financiële activa, waardoor deze investeringen

voornamelijk door rijkere investeerders worden opgekocht. De wereldwijde beursindex weerspiegelt de

economische conjunctuur(Subramanian, Nielsen, & Fachinotti, 2010).De grotere vermogens zullen in

hoogconjunctuur hun vermogen zien toenemen door het groter aandeel in risicovolle financiële activa,

waartoe aandelen behoren (Riley & Chow, 1992). De toename van de wereldwijde beursindex zal

bijgevolg de ongelijkheid doen toenemen. De hypothese dat de ongelijkheid zal toenemen bij een

stijging van de wereldwijde beursindex wordt aanvaard in de resultaten het onderzoek. De

onderzoeksvariabelen ΔMSCIRI en Δ MSCIPI vertonen in alle fixed effects modellen positieve significante

resultaten. De risico’s van aandelen worden nog minder in acht genomen door rijkere investeerders

indien belastingen op meerwaarden en dividenden laag zijn. Dit stimuleert verder de aankoop van

aandelen. Daarbij zullen de inkomsten verworven uit die belastingen de herverdeling bevorderen in de

welvaartsstaat (Journard, Mauro, & Debbie, 2012b). Een afname van de taxatie op de meerwaarden

44

van aandelen en dividenden zal de ongelijkheid dus doen toenemen. Deze stelling wordt in de studie

bevestigd enkel voor de variabele BELBBP. De onderzoeksvariabele BELTOT heeft geen enkel significante

resultaten in het onderzoek. De hypohese wordt enkel aanvaard voor de variabele BELBBP.

Verder onderzoek is noodzakelijk om het belang van de risicoaversie op de ongelijkheid te bestuderen.

De mate van risicoaversie bij investeerders werd niet opgenomen in de modellen van het onderzoek.

De reden hiervoor is dat dit moeilijk kwantificeerbaar en de cijfers daarvoor niet beschikbaar zijn binnen

de onderzochte landen. In toekomstig onderzoek zal het ook van belang zijn om eens met andere

proxies voor belastingen op meerwaarden van aandelen en dividenden het onderzoek uit te voeren. De

variabelen BELTOT en BELBBP omvatten namelijk meer dan enkel belastingen op meerwaarden van

aandelen en dividenden. Alle belastingsinkomsten uit kapitaal bij particulieren worden namelijk

opgenomen in deze variabelen. Daarentegen vormen BELTOT en BELBBP wel een goede indicatie voor

het gevoerde fiscale beleid inzake taxatie op meerwaarden en dividenden van aandelen.

45

8. Literatuuroverzicht

Abbeloos, J-F. (2014, Mei 6). Rijkste 1% heeft 10% van het vermogen. De Standaard, pp. 6-7.

Aradhyula, Satheesh V., Rahman, Tauhidur and Seenivasan, Kumaran.(2007). Impact of International

Trade on Income and Income Inequality.No 9999, 2007 Annual Meeting. July 29-August 1, 2007,

Portland, Oregon TN, American Agricultural Economics Association

Beck, T., Demirguc-Kunt, A., Levine, R., Cihak, M., & H.B. Feyen, E. (2013, November). Research at the

World Bank. Opgeroepen op March 08, 2014, van Financial Development and Structure Dataset:

http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:2069616

7~pagePK:64214825~piPK:64214943~theSitePK:469382,00.html

Bildirici, Melike and Sunal, Seçkin.(2006). Economic Determinants of Development in World Economy:

1920-2005 - An Analysis of 165 Countries .Applied Econometrics and International Development,

Vol. 6, No. 3, 2006.

Bland, R., & Card, D. (1993). Poverty, Income Distribution and Growth: Are They Still Connected? In R. M.

Bland, D. Card, F. Levy, & J. Medoff, Brooking Papers on Economic Activity (pp. 285-339).

Brookings Institution Press.

Boix,C.(2009). The Conditional Relationship between Inequality and Development. PS: Political Science &

Politics, 42, pp 645-649.

Bradley, D., Huber, E., Moller, S., Nielsen, F., & Stephens, J. (2003). Distribution and Redistribution in

Post-Industrial Democracies. World Politics Vol. 55, No.2, 193-228.

Calderon, C., & Chong, A. (2001). External sector and income inequality in interdependent economies using a dynamic panel approach. Economics Letters, Elsevier, vol. 71(2), pages 225-231, May.

Cardak, B., & Wilkins, R. (2009). The determinants of household risky asset holdings: Australian evidence

on background risk and other factors. Journal of Banking & Finance, vol. 33(5), pages 850-860.

Chatterjee, S., & Turnovsky, S. (2010). The Distributional Consequences of Government Spending. Castor

Macroeconomics Workshop at the University of Washington,Society for Computational

Economics in Paris , University of Georgia and the University of Florida.

Clark, G., Xu, L., & Zou, H.-F. (2003). Finance and income inequality: a test of alternative theories. The

World Bank Policy Research Working Paper Series 2984 , 1-26.

Cornia, G.A. & Kiiski, S. (2001)."Trends in Income Distribution in the Post-World War II Period Evidence

and Interpretation,"Working Paper Series UNU-WIDER Research Paper , World Institute for

Development Economic Research (UNU-WIDER).

Dafermos, Y., & Papatheodorou, C. (2010). The Impact of Economic Growth and Social Protection on

Inequality and Poverty: Empirical Evidence from EU Countries. 1st International Conference in

Political Economy (pp. 1-24). Rethymno (Crete): Greek Institute of Labour.

De Tijd. (n.d.). De Tijd Grafieken. Opgehaald van http://grafieken.tijd.be/

http://grafieken.tijd.be/

46

Decoster A.(2010).Economie: een inleiding.Universitaire pers Leuven.

Dimelis, S. & Livad, A.(1999). Inequality and business cycles in the U.S. and European Union countries.

International advances in economic research : IAER Vol. 5, No. 3, 321-338.

Doepke M. & Schneider M.(2006)."Inflation and the Redistribution of Nominal Wealth," Journal of

Political Economy, University of Chicago Press, vol. 114(6), pages 1069-1097, December

Esping-Andersen, G. (1990). The three worlds of welfare capitalism. Cambridge: Polity Press.

Ferreira , F. (1999, Juni). Inequality and economic performance: a brief overview to theories of growth

and distribution. Opgeroepen op Maart 8, 2013, van Universitat de Valencia:

http://www.uv.es/~mperezs/intpoleco/Lecturcomp/Distribucion%20Crecimiento/Distrib%20y%

20crecimiento.pdf

Garner, A. (2009). A Practical Guide to ETF Trading Systems: A systematic approach to trading exchange-

traded funds. Harriman House LTD.

Golder, M. & Golder, S.(n.d.)Lecture 11: Multiple Regression Multicollinearity. Pennsylvania State

University. Retrieved from https://files.nyu.edu/mrg217/public/multicollinearity_handouts.pdf

Grable, J. (2000). Financial Risk Tolerance and Additional Factors That Affect Risk Taking in Everyday

Money Matters. Journal of Business and Psychology, Volume 14, Issue 4, pp 625-630.

Gustafsson, B. & Johansson, M. (1997). In Search for a Smoking Gun: What Makes Income Inequality

Vary Over Time in Different Countries? Luxemburg Income Study Working Paper No. 172, 1-35.

Hail, L., Sikes, S., & Wang, C. (2014). Cross-country evidence on the relation between capital gains taxes,

risk and expected rates of return. Michigan School of Business Accounting Journal, 1-54.

Available at SSRN: http://ssrn.com/abstract=2401511 or

http://dx.doi.org/10.2139/ssrn.2401511

Hanlon , M., & Hoopes, J. (2013). What Do Firms Do When Dividend Tax Rates Change? An Examination

of Alternative Payout Responses to Dividend Tax Rate Changes. Journal of Financial

Econometrics, 1-49. Available at SSRN: http://ssrn.com/abstract=2065628 or


Hongyi Li & Heng-fu Z.(2002).Inflation, Growth, and Income Distribution: A Cross-Country Study. Annals

of Economics and Finance, Society for AEF, vol. 3(1), pages 85-101, May.

Hopkins, M. (2004). Inequality of opportunity? Cross country evidence on the determinants of

educational investment and returns. Gettysburg College.

Hribar, P., Savoy, S., & Wilson, R. (2013). Pricing Firms’ Responsiveness to Shareholder Tax Incentives.

Social Science Research Network, 1-44. Available at SSRN: http://ssrn.com/abstract=2320816

orhttp://dx.doi.org/10.2139/ssrn.2320816

Hui, H., Yinpin, Y., & Qing, Z. (2011). The income redistribution effect of dividend income tax in China.

China National Knowledge Infrastructure, Stastical Research, 1-5.


47

Inghelbrecht ,K. (2014a). Hoorcollege 7: Models for Panel Data. University of Ghent Department

Business Administration. Retrieved from

http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF_-

_Hoorcollege_07.pdf?cidReq=F71017402013

Inghelbrecht ,K. (2014b). Hoorcollege 2: Multiple Regression and Pitfalls using Cross-selectional Data.

University of Ghent Department Business Administration. Retrieved from

http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF_-

_Hoorcollege_02.pdf?cidReq=F71017402013

Jauch, S., & Watzka, S. (2011). Financial Development and Income Inequality: A Panel Data Approach.

CESifo Working Paper Series No. 3687, 1-38.

Joumard, I., Mauro P., and Debbie B. (2012b), “Tacklingincome inequality: The role of taxes and

transfers”, OECD Journal:Economic Studies, published online

first.http://dx.doi.org/10.1787/eco_studies-2012-5k95xd6l65lt

Joumard, I., Pisu, M., & Bloch, D. (2012c). Less Income Inequality and More Growth: Are they

Compatible?: Part 1. OECD Economics Department Working Papers, No. 924, pp. 1-45.

Kang, X., Nielsen, F., & Fachinotti, G. (2010, November 14). The new classic equity allocation. MSCI Barra

Research Paper No. 2010-33, pp. 1-19.

Koske, I., Fournier, J.-M., & Wanner, I. (2012). Less Income and More Growth: Are They Compatible?

Part 2. The Distribution of Labour Income. OECD Economics Working Papers, No. 925, pp. 1-53.

Krol,A. & Mediema,M.J. (2009).Measuring income inequality: an explanatory review. Region of Waterloo

Public Health. Retrieved from

http://chd.region.waterloo.on.ca/en/researchResourcesPublications/resources/IncomeInequalit

y.pdf

Kutler,D. & Katz,L.(1992).”Rising Inequality? Changes in the Distribution of Income and Consumption in

the 1980’s”, American Economic Review Volume 82, No. 2,pp. 546-551 May 1992

Li, H., Squire, L., & Zou, H.-f. (1998). Explaining International and Intertemporal Variations In Income

Inequality. Volume 108, Issue 446, pages 26–43, January 1998

Marques, C. (2004).Inflation persistence: facts or artefacts?,Working Paper Series 0371, European

Central Bank.

McManus, P.(2011).Introduction to Regression Models for Panel Data Analysis. Workshop in Methods.

Indiana University Retrieved from http://www.indiana.edu/~wim/docs/10_7_2011_slides.pdf

Menchero, J., Mozorov, A., & Shepard, P. (2010). Global Equity Risk Modeling. In J. Guerard, Handbook

of Portfolio Construction pp. 439-480

Morgan Stanley Capital International. (2014). MSCI Resource Center. Opgeroepen op April 2014, 15, van

MSCI World Index: http://www.msci.com/resources/factsheets/index_fact_sheet/msci-world-

index.pdf

http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF_-_Hoorcollege_02.pdf?cidReq=F71017402013

http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF_-_Hoorcollege_02.pdf?cidReq=F71017402013

http://chd.region.waterloo.on.ca/en/researchResourcesPublications/resources/IncomeInequality.pdf

http://chd.region.waterloo.on.ca/en/researchResourcesPublications/resources/IncomeInequality.pdf

http://onlinelibrary.wiley.com/doi/10.1111/ecoj.1998.108.issue-446/issuetoc

48

Noppe, J., Vanderleyden, L., & Callens, M. (2011). De Sociale staat van Vlaanderen 2011. Studiedienst

van Vlaamse Regering.

OECD .(2011). Divided We Stand: Why Inequality Keeps Rising.OECD

Publishing.http://dx.doi.org/10.1787/9789264119536-en

OECD (2012b), Economic Policy Reforms 2012: Going for Growth, OECD Publishing.

doi: 10.1787/growth-2012-en

OECD. (2002). Revenue Statistics 2002. Special features:social security contributions the impact of gdp

revisions on reported tax levels (p. 285). OECD Publishing.

OECD. (2009). OECD Factbook 2009: Economic, Environmental and Social Statistics. OECD Publishing.doi:

10.1787/factbook-2009-en

OECD.(2012a). OECD Employment Outlook 2012.

OECD.Publishing.http://dx.doi.org/10.1787/empl_outlook-2012-en

Paris School of Economics, Institute for New Economic Thinking, Center for Equitable Grotwh, ESRC. (sd).

The World Top Incomes Database. Opgeroepen op February 13, 2014, van Database World Top

Incomes Database: http://topincomes.g-mond.parisschoolofeconomics.eu/#Database:

Pontusson, J.(2013). Unionization, Inequality and Redistribution. British Journal of Industrial Relations,

51: 797–825. doi: 10.1111/bjir.12045

Reichstein, T. (2011). Econometrics Endogenity. Copenhagen Business School Department of Innovation

and Organizational Economics, Denmark.. Retrieved from

http://www.soc.aau.dk/fileadmin/user_upload/kbm/VoF/Kurser/2011/kvantitative-

metoder/Slides/TR-Endogeneity.pdf

Richardson, J. (1995). Income inequality and trade: how to think, what to conclude. The Journal of

Economic Perspectives Vol.9, No.3, 33-55.

Riley, W., & Chow, K. (1992). Asset allocation and individual risk aversion. Financial Analysts Journal.

Vol. 48, No. 6, pp. 32-37

Roine, J. & Vlachos, J. & Waldenström, D.(2009).The Long-run Determinants of Inequality: What Can We

Learn from Top Income Data?Working Paper Series 721, Research Institute of Industrial

Economics

Schuyt, C.J.M. (2013, June 24). Noden en Wensen: de verzorgingsstaat gezien als een historisch

fenomeen. Erasmus MC: University Medical Center Rotterdam. Retrieved from

http://hdl.handle.net/1765/40475

Shaw,K.(1996). An Empirical Analysis of Risk Aversion and Income Growth.Journal of Labor

EconomicsVol. 14, No. 4 pp. 626-653.Published by: The University of Chicago Press

Stats, OECD. (n.d.). OECD.StatExtracts. OECD iLibrary:

http://stats.oecd.org/Index.aspx?DataSetCode=REV

http://dx.doi.org/10.1787/growth-2012-en

http://www.soc.aau.dk/fileadmin/user_upload/kbm/VoF/Kurser/2011/kvantitative-metoder/Slides/TR-Endogeneity.pdf

http://www.soc.aau.dk/fileadmin/user_upload/kbm/VoF/Kurser/2011/kvantitative-metoder/Slides/TR-Endogeneity.pdf

http://hdl.handle.net/1765/40475

49

Subramanian, R., Nielsen, F., & Fachinotti, G. (2010). Globalization of equity policy portfolios: A fresh

look at strategic asset allocation from a U.S. investor perspective. Investment & wealth monitor,

pp. 6-15.

Sylwester, K. (2002). Can education expenditures reduce income inequality? Economics of Education

Review, Volume 21, Issue 1, February 2002, Pages 43–52

Thalassinos,E. & Ugurlu, E. & Muratoglu, Y.(2012)."Income Inequality and Inflation in the EU," European

Research Studies Journal, European Research Studies Journal, vol. 0(1), pages 127-140.

Williams, R. (2014). Multicollinearity. University of Notre Dame. Courses Sociology 63993 Graduate

Statistics II. Retrieved from https://www3.nd.edu/~rwilliam/stats2/l11.pdf

Zainodin, H. J., & Yap, S. J. (2013, September). Overcoming multicollinearity in multiple regression using

correlation coefficient. In INTERNATIONAL CONFERENCE ON MATHEMATICAL SCIENCES AND

STATISTICS 2013 (ICMSS2013): Proceedings of the International Conference on Mathematical

Sciences and Statistics 2013 (Vol. 1557, No. 1, pp. 416-419). AIP Publishing.

Zivot, E.(2012).Econ 582 – Fixed Effects Estimation of Panel Data. Faculty of Washington. UW Faculty

Web Server. Retrieved from http://faculty.washington.edu/ezivot/econ582/fixedEffects.pdf

http://www.sciencedirect.com/science/journal/02727757/21/1

50

9. Bijlagen

Bijlage 1: Overzicht bestudeerde landen

Afkorting Land AUS Australië

FRA Frankrijk

JAP Japan

NIEUW-Z Nieuw-Zeeland

NOOR Noorwegen

ZWE Zweden

VS Verenigde Staten

DEN Denemarken

VK Verenigd Koninkrijk

ZWIT Zwitserland

SPA Spanje

POR Portugal

NED Nederland

ITA Italië

IER Ierland

DUIT Duitsland

CAN Canada

51

Bijlage 2: Overzicht landen en sectoren MSCI World index

Landen Sectoren Verenigde Staten 54,77% Financiën 20,92%

Verenigd Koninkrijk 8,66% Informatica 12,24%

Japan 8,11% Luxegoederen 11,94%

Frankrijk 4,26% Gezondheid 11,68%

Canada 4,14% Industrie 11,33%

Andere 20,07% Voedingsindustrie 9,82%

Energie 9,53%

Materialen 5,74%

Telecommunicatie 3,54%

Nutsvoorziening 3,27%

Bron: Morgan Stanley Capital International, MSCI World Index, March 2014 http://www.msci.com/resources/factsheets/index_fact_sheet/msci-world-index.pdf

52

Bijlage 3: Beschrijvende analyse

Bijlage 3.1 Overzicht variabelen

Tabel A: Beschrijvende analyse alle 17 landen tussen 1969 en 2009

C10 BELTOT BELBBP POP BBPDEF DEP BEST WERKL SYND

Gemiddelde 31.809 30.970 10.645 92.971 26.712 2.655 44 840 000 5.791 70.336 9.998 10.243 19.018 6.280 37.422

Standaardafwijking 5.113 11.189 4.917 455.73 156.35 2.468 61 319 000 5.132 35.536 12.609 11.232 4.280 3.967 19.330

Mediaan 31.680 29.756 9.968 58.504 25.377 2.787 16 814 000 4.050 62.762 8.90 9.700 18.974 5.784 33.594

Minimum 18.770 9.653 1.739 -1973.8 -668.58 -7.283 2 788 400 -1.80 15.375 -34.80 -33.10 8.059 0.002 7.544

Maximum 49.74 61.606 26.307 899.08 270.93 11.272 306 770 000 27 227 73.70 65.40 29.788 24.171 83.863

53

Bijlage 3.2 : Variabele C10

Tabel B: Beschrijvende analyse variabele C10 tussen 1969 en 2009

AUS FRA JAP NIEUW-Z

NOORW ZWE VS DEN VK ZWIT SPA POR NED ITA IER DUI CAN

Gemiddelde 28.276 32.361 36.354 30.622 27.156 26.544 39.908 26.561 34.648 31.206 33.491 31.690 29.070 30.087 32.948 33.757 38.745

Standaardafwijking 2.274 1.001 3.563 2.297 3.207 2.863 5.506 2.580 4.950 1.191 0.904 6.385 1.259 2.709 2.694 2.253 2.793

Mediaan 28.240 32.590 36.040 31.020 27.220 27.140 40.080 25.440 34.210 30.935 33.300 34.850 28.450 30 33.290 33.500 39.570

Minimum 25.010 29.930 31.510 26.260 21.830 22.440 32.630 24.510 27.780 29.650 32.290 18.770 27.470 26.040 27.290 30.990 33.950

Maximum 32.040 33.960 42.960 37.770 37.060 31.70 49.740 33.340 42.610 33.630 35.660 38.250 31.720 34.120 37.870 38.110 42.540

54

Bijlage 3.3 :Variabele BELTOT

Tabel C: Beschrijvende analyse variabele BELTOT tussen 1969 en 2009

AUS FRA JAP NIEUW-Z


Gemiddelde 41.872 13.115 22.660 49.211 27.196 37.800 37.044 52.201 30.116 35.478 18.822 17.577 22.022 23.130 28.680 27.374 35.656


Mediaan 41.570 11.640 23.203 46.707 26.120 38.244 36.793 52.653 29.369 35.548 19.386 17.305 21.281 25.451 29.756 27.552 35.506

Minimum 36.651 9.653 17.510 40.696 20.701 28.861 33.692 43.328 25.683 29.729 10.573 13.931 15.154 10.866 17.276 22.905 29.233

Maximum 46.609 18.035 27.860 61.606 38.762 49.774 42.059 58.632 39.997 40.102 24.022 20.396 28.137 27.768 34.789 31.790 40.844

55

Bijlage 3.4 : Variabele BELBBP

Tabel D: Beschrijvende analyse variabele BELBBP tussen 1969 en 2009

AUS FRA JAP NIEUW-Z


Gemiddelde 11.277 5.435 5.743 15.673 11.139 17.579 9.534 23.730 10.513 9.050 5.471 5.291 8.989 8.451 9.005 9.785 11.696


Mediaan 11.508 4.897 5.614 15.885 10.739 17.706 9.412 24.759 10.366 9.204 6.414 5.346 9.124 9.817 9.328 9.911 1.524

Minimum 7.747 3.278 3.903 9.871 8.999 13.437 7.845 14.627 8.737 6.838 1.739 3.711 5.998 2.793 4.934 8.020 8.856

Maximum 13.309 7.995 7.939 19.667 13.846 20.409 11.859 26.307 13.977 10.428 7.941 6.089 11.786 11.671 12.640 11.373 14.547

56

Bijlage 4:Correlatiematrix

BELTOT BELBBP POP BBPDEF DEP IMP EXP BEST WERKL SYND C10

BELTOT 1,00

BELBBP 0,845 1,00

-0,017 0,004 1,00 -0,007 0,009 0,992 1,00

-0,053 -0,108 0,038 0,060 1,00 POP -0,121 -0,284 0,005 0,002 -0,020 1,00

BBPDEF 0,069 -0,026 -0,232 -0,188 -0,065 -0,167 1,00 DEP -0,324 -0,391 0,016 -0,012 -0,160 0,270 -0,336 1,00

IMP -0,017 -0,076 -0,127 -0,117 0,445 -0,031 0,407 -0,203 1,00

EXP -0,021 -0,077 -0,171 -0,153 0,325 -0,020 0,580 -0,252 0,728 1,00 BEST 0,118 0,528 0,031 0,022 -0,221 -0,238 -0,143 -0,346 -0,165 -0,160 1,00

WERKL -0,187 -0,089 -0,106 0,115 -0,048 0,011 -0,085 -0,128 -0,083 -0,041 0,208 1,00 SYND 0,537 0,742 -0,023 -0,004 0,025 -0,441 0,300 -0,478 0,119 0,173 0,484 -0,176 1,00

C10 -0,251 -0,443 0,064 0,036 0,040 0,617 -0,377 0,448 -0,126 -0,199 -0,360 0,119 -0,646 1,00

57

Bijlage 5: VIF test Minimumwaarde = 1 wijst op geen correlatie

Waarde > 10 wijst op een collineariteitsprobleem

Variabele VIF waarde

BELTOT i,t-1 10.360

BELBBPi,t-1 16.113 t-1 50.711

it-1 50.427 i,t-1 1.263 POP i,t-1 1.376

BBPDEF i,t-1 2.362 DEP i,t-1 2.054

IMP i,t-1 1.857 EXP i,t-1 2.283

BEST i,t-1 3.950 WERKL i,t-1 1.388

SYND i,t-1 4.513

58

Bijlage 6: Panelregressies

Bijlage 6.1: Pooled OLS model

* 10% niveau significant ** 5% niveau significant *** 1% niveau significant

constant (t-waarde)

BELTOTi,t-1 (t-waarde)

BELBBPi,t-1 (t-waarde)

ΔMSCIRIt-1 (t-waarde)

ΔMSCIPIt-1

(t-waarde) ΔBBPi,t-1

(t-waarde)

POPi,t-2 (t-waarde)

ΔBBPDEFi,t-1 (t-waarde)

DEPi,t-1 (t-waarde)

ΔIMPi,t-1 (t-waarde)

ΔEXPi,t-1 (t-waarde)

BESTi,t-1 (t-waarde)

WERKLi,t-1 (t-waarde)

SYNDi,t-1 (t-waarde)

R²

1.1 34.024***

(10.596)

0.011

(0.285)

0.001***

(2.596)

0.159

(1.087)

3.35e-08***

(7.405)

-0.126

(-1.537)

0.010

(1.051)

-0.009

(-0.649)

0.015

(1.173)

-0.158

(0.159)

0.078

(0.949)

-0.074***

(-2.772)

0.711

1.2 34.468***

(10.860)

0.015

(0.872)

0.001***

(2.637)

0.153

(1.082)

3.38e-08***

(8.057)

-0.127

(-1.596)

0.009

(0.935)

-0.008

(-0.597)

0.014

(1.111)

-0.173

(0.130)

0.077

(0.935)

-0.072**

(-2.543)

0.711

1.3 34.030***

(10.544)

0.011

0.307

0.002**

(2.256)

0.160

(1.084)

3.34e-08***

(7.342)

-0.132

(1.586)

0.010

(1.097)

-0.008

(-0.570)

0.014

(1.096)

-0.154

(0.172)

0.078

(0.949)

-0.075***

(-2.812)

0.708

1.4 34.490***

(10.800)

0.018

(0.195)

0.002**

(2.299)

0.155

(1.080)

3.36e-08***

(7.981)

-0.133

-1.639

0.010

(0.979)

-0.007

(-0.522)

0.013

(1.036)

-0.169

(0.139)

0.077

(0.935)

-0.074**

(-2.584)

0.708

59

Bijlage 6.2 : Within Group Fixed Effects model


constant (t-waarde)

BELTOTi,t-1 (t-waarde)

BELBBPi,t-1 (t-waarde)


ΔMSCIPIt-1

(t-waarde) ΔBBPi,t-1

(t-waarde)

POPi,t-1 (t-waarde)

ΔBBPDEFi,t-1 (t-waarde)

DEPi,t-2 (t-waarde)

ΔIMPi,t-1 (t-waarde)

ΔEXPi,t-1 (t-waarde)

BESTi,t-1 (t-waarde)

WERKLi,t-1 (t-waarde)

SYNDi,t-1 (t-waarde)

F-waarde

1.1 36.135***

(7.581)

-0.024

(-0.507)

0.0008***

(2.609)

-0.045

(-0.691)

1.48e-07***

(13.35)

-0.024***

(-2.607)

-0.022

(1.259)

0.010*

(1.697)

0.019**

(2.481)

-0.167

(0.299)

-0.051

(-0.746)

-0.146**

(-2.268)

38.940***

1.2 37.240***

(8.634)

-0.263**

(-2.363)

0.0007***

(2.622)

-0.059

(-0.810)

1.52e-08***

(11.906)

-0.184***

(-3.212)

-0.025

(-1.426)

0.090

(1.540)

0.018**

(2.377)

-0.111

(0.441)

-0.050

(-0.739)

-0.141**

(-2.168)

41.727***

1.3 36.100***

(7.562)

-0.026

(-0.540)

0.002**

(2.479)

-0.044

(-0.677)

1.49e-07***

(13.574)

-0.160***

(-2.644)

-0.021

(-1.252)

0.011*

(1.843)

0.018**

(2.462)

-0.154

(0.321)

-0.055

(-0.785)

-0.148**

(-2.289)

39.194***

1.4 37.169***

(8.630)

-0.266**

(-2.362)

0.002**

(2.482)

-0.058

(-0.797)

1.53e-07***

(12.116)

-0.187***

(-3.245)

-0.025

(-1.418)

0.009*

(1.688)

0.018**

(2.357)

-0.104

(0.472)

-0.054

(-0.780)

-0.143**

(-2.189)

42.06***

60

Bijlage 6.3: Random Effects model


constant (t-waarde)

BELTOTi.t-1 (t-waarde)

BELBBPi.t-1 (t-waarde)


ΔMSCIPIt-1

(t-waarde) ΔBBPi.t-1

(t-waarde)

POPi.t-1 (t-waarde)

ΔBBPDEFi.t-1 (t-waarde)

DEPi.t-1 (t-waarde)

ΔIMPi.t-1 (t-waarde)

ΔEXPi.t-1 (t-waarde)

BESTi.t-1 (t-waarde)

WERKLi.t-1 (t-waarde)

SYNDi.t-1 (t-waarde)

Hausman Chi-kwadr

1.1 38.116***

(19.111)

-0.005

(-0.168)

0.0009***

(3.034)

-0.056

(-0.974)

9.65e-08***

(10.96)

-0.182***

(-5.580)

-0.020***

(-2.700)

0.007

(0.662)

0.020

(1.522)

-0.153**

(-1.984)

-0.081*

(-1.919)

-0.145***

(-8.014)

63.281***

1.2 39.101***

(21.350)

-0.167***

(-2.612)

0.0009***

(3.030)

-0.067

(-1.177)

9.77e-08***

(11.230)

-0.202***

(-6.079)

-0.023***

(-3.175)

0.006

(0.583)

0.020

(1.491)

-0.115

(-1.475)

-0.084**

(-2.007)

-0.138***

(-7.183)

75.760***

1.3 37.943***

(18.673)

-0.008

(-0.293)

0.002**

(2.363)

-0.054

(-0.943)

1.02e-07***

(11.263)

-0.183***

(-5.631)

-0.020***

(-2.644)

0.008

(0.758)

0.020

(0.132)

-0.145*

(-1.877)

-0.082*

(-1.953)

-0.147***

(-8.123)

57.525***

1.4 38.872***

(20.710)

-0.180***

(-2.815)

0.002**

(2.368)

-0.065

(-1.150)

1.04e-07***

(11.627)

-0.204***

(-6.163)

-0.023***

(-3.145)

0.007

(0.687)

0.019

(1.483)

-0.104

(-1.342)

-0.084**

(-2.021)

-0.141***

(-7.983)

67.254***

Ongelijkheid in een welvaartsstaat - Ghent University...Toch waarschuwt de OESO ons land voor een...

Documents

Transcript of Ongelijkheid in een welvaartsstaat - Ghent University...Toch waarschuwt de OESO ons land voor een...