Tabula Latvijas ražošanas funkcijas novērtēšanas rezultāti ,

fiziskā kapitāla uzkrāšanasprocesu novērtējot analītiski

periods: 1995. g. 1.cet. – 2010.g. 4.cet.

datu sezonālā izlīdzināšana: + ierobežotā regresija: +

ˆ0

 _4.783*** Regresijas standartnovirze 0.0199

ˆK _0.230*** Paplašinātais determinācijas koeficients 0.9949

ˆL _0.770 Durbina-Vatsona statistika 1.331

ˆ1

 _0.0119*** Akaike informācijas kritērijs -4.9243

D (2008 Q1 – 2008 Q4) -0.119*** Švarca informācijas kritērijs -4.7557 D (2009 Q1 – 2010 Q4) -0.268***

***, **, *: koeficients ir statistiski nozīmīgs attiecīgi ar 99%, 95% un 90% ticamības līmeni.

Koeficienti, kas tika iegūti netieši no pārējiem koeficientiem, ir pasvītroti.

Avots: autora novērtējums, balstoties uz CSP datiem

Iegūtā modeļa novirzes nav autokorelētas savā starpā: autokorelācijas un parciālās autokorelācijas diagrammās nav statistiski nozīmīgu pīķu (atskaitot 1. lagu): pieaugot lagu skaitam, Q-statistikas p-vērtības konverģē uz diezgan augstiem rādītājiem, kas nespēj noraidīt nulles hipotēzi par autokorelācijas neesamību (sk. 3. pielikuma P3.2a attēlu). Tātad netiek

81

konstatēta pozitīvā autokorelācija, kura visai bieži tiek novērota ražošanas funkcijas novērtējumos un kuru Purmalis (2011) pat atzinis par pasaules prakses liecību (sk. promocijas darba 1.2. apakšnodaļu). Arī nulles hipotēzi, ka modeļa novirzes ir normāli sadalītas, nevar noraidīt. Žarka – Bera (Jarque-Bera) testa (kuras nulles hipotēze ir, ka modeļa novirzes atbilst normālam sadalījumam) statistikas p-vērtība ir 0.141 (sk. 3. pielikuma P3.2b attēlu).

Promocijas darba autors apzinās, ka fiktīvo mainīgo izmantošana ražošanas funkcijā lielā mērā "noēda" pēdējos 12 novērojumos ietverto informāciju, kas daļēji izskaidro to, kāpēc ˆK

unˆ_L koeficientu vērtības ir līdzīgas gadījumam, kad pētījuma periods ir līdz 2007. gada 4.

ceturksnim. Tomēr šādu pieeju var uzskatīt par pamatotu, jo informācijas kritērija vērtība divu fiktīvo mainīgo izmantošanas gadījumā ir zemāka nekā, ja ražošanas funkcija tiktu novērtēta tikai līdz 2007. gada 4. ceturksnim, turklāt novērtēto koeficientu stabilitāti var uzskatīt par modeļa pozitīvu īpašību.

Lai gan iegūto modeli var uzskatīt par vislabāko specifikāciju 1.4. –1.5. vienādojumu saimes modeļiem (koeficientunovērtējumi ir efektīvi, proti, ar minimālo dispersiju, un konverģējoši –pie bezgalīgi liela novērojumu skaita konverģē uz koeficientu patiesām vērtībām), lai varētu būt pārliecināts, ka iegūtie novērtējumi ir patiesi (t.i., nenobīdīti), ir jāpiepildās vēl diviem papildu nosacījumiem.

 Modelis ir pareizs, t.i., korekti raksturo realitāti.

Dažiem vienādojumu 1.4. un 1.5. nosacījumiem var arī nepiekrist. Piemēram, tam, ka tehniskais progress ir Hiksa neitrāls un ka fiziskais kapitāls privātajā un sabiedriskajā sektorā ir vienlīdz produktīvs. Jo tālāk šie pieņēmumi ir no patiesības, jo mazāka ticamība ir 2.2.

tabulas modeļa koeficientu novērtējumiem.

 IKP, fiziskā kapitāla un darbaspēka laika rindas nav nobīdītas.

Promocijas darba 2.1. apakšnodaļā tika uzsvērts, ka Latvijas gadījumā pastāv nenoteiktība gan par piemērotāko statistikas datu avotu darbaspēka mainīgajam, gan par novērtētās fiziskā kapitāla laika rindas precizitāti.

Tas, cik svarīgi ir šie papildu nosacījumi, tiks pārbaudīts promocijas darba 2.3. apakšnodaļā.

Bet jau tagad, Latvijas ražošanas funkciju novērtējot pēc nacionālo kontu pieejas, tiek iegūti citādi rezultāti, kas varētu norādīt uz nobīdītām koeficientu vērtībām 2.2. tabulas modelī.

Vērtējot nacionālo kontu datus, secināms, ka gan darba ņēmēju ienākumu daļai KPV, gan darba nemēju īpatsvaram nodarbināto kopskaitā piemīt procikliskums: šiem rādītājiem ir tendence pieaugt ekonomikas straujās izaugsmes posmā, savukārt lejupslīdes periodā

82

vērojama samazināšanas tendence. Piemēram, darba ņēmēju ienākumu daļaKPV samazinājās gan 1997 - 2002. gada periodā (zems nodarbinātības līmenis un brīvi pieejamās darba rokas ļāva uzņēmējiem celt atalgojumu lēnāk nekā pieauga uzņēmumu peļņa), gan 2009. – 2010.

gadā (straujš nodarbinātības kritums tautsaimniecības lejupslīdes ietekmē). Turpretī 2003. -2008. gada laikā vērojama darba ņēmēju ienākumu daļas pieauguma tendence (sk. 2.4. attēlu).

Pakāpeniski palielinoties darba ņēmēju īpatsvaram atbilstoši kopējam nodarbināto skaitam, darbaspēka ienākumu daļas kritums 1997. – 2002. gada laikā bija vēl straujāks nekā darba ņēmēju ienākumu daļas samazinājums. Darbaspēka ienākumu daļa periodā no 2007. gada 3.

ceturkšņa līdz pat 2009. gada 3. ceturksnim pārsniedza vēsturiski augstos 60% no KPV. Straujās attīstības gados (2006.-2007. gads) darbaspēka trūkums lika kāpināt algas vairāk par darba ražīguma pieaugumu, kas bija pamats algu-inflācijas spirāles izveidošanai (Krasnopjorovs, 2008a; 2009d; 2010a; 2010b; 2011c). Lai gan uzņēmēju konkurētspēja krita, īsā laikā radies algas pieaugums tika pamatots ar arvien straujākām uzņēmējdarbības paplašināšanās gaidām un kredītā nopirktām darba iekārtām.

a)_ b)_

Attēls 2.4. Darba ņēmēju a) ienākumu īpatsvars KPV (%); b) īpatsvars nodarbināto kopskaitā (%)

Avots: autora aprēķins pēc CSP un Eurostat datiem

Tautsaimniecības lejupslīdes periodā strauji sarūkošā peļņa noveda vairākus uzņēmumus uz bankrota sliekšņa, vispirms samazinot ražošanas apjomu, kas tālāk lika atlaist daļu strādājošo un samazināt algas. Tādējādi tautsaimniecības krīzes sākumā darbaspēka ienākumu daļa KPV turpināja pieaugt, vēl vairāk pasliktinot uzņēmumu konkurētspēju. Kopš 2008. gada beigām darbaspēka ienākumu daļa KPV sāka samazināties un patlaban tā ir tuva vēsturiski vidējam līmenim. Darbaspēka ienākumu daļa KPV 1995. –2010. gada periodā vidēji bija 56.7%, kas ir būtiski zem IKP elastības pret darbaspēku, kas novērtēta pēc regresijas pieejas (sk. 2.5.

83

attēlu). Tādējādi atlīdzība nodarbinātājiem šajā periodā vidēji bija zemāka par nodarbināto ieguldījumu ražošanas procesā.

Iespējams, ka šī starpība daļēji atspoguļo augstunodokļu slogu uz darba ienākumiem Latvijā.

Piemēram, saskaņā ar Eurostat datiem 2010. gadā nodokļu slogs uz darba ienākumiem personai bez bērniem un kura nopelna 67% no vidējās algas bijis 8. augstākais ES (41.5%), kas ir par 5.5 procentpunktiem augstāks par ES vidējo rādītāju (sk. 4. pielikuma P4.1. attēlu).

Attēls 2.5. IKP elastības pret darbaspēku novērtējums pēc nacionālo kontu un regresijas pieejām

Avots: autora aprēķins pēc CSP datiem

Ņemot vērā salīdzinoši zemo uzņēmēju ienākuma nodokļa likmi, tas var likt uzņēmējiem ekonomēt uz atalgojuma rēķina, vairāk naudas novirzot investīcijām un dividendēm (iespējams, daļu no atalgojuma saņemot dividenžu formā). Tādējādi darbaspēka ienākumu daļas KPV līdzsvara līmenis visticamāk ir nobīdīts zem faktiskā darbaspēka ieguldījuma ražošanas procesā, negatīvi ietekmējot gan vidējo algu, gan nodarbinātību. Turklāt augsts nodokļu slogs uz darba ienākumiem varētu veicināt aplokšņu algu izplatību. Lai gan nacionālo kontu dati ietver CSP novērtējumu par ēnu ekonomiku, iespējams, ka ēnu ekonomika šajos datos nav ietverta pilnībā.