CENTRUM VÝZKUMU KONKURENČNÍ SCHOPNOSTI ČESKÉ EKONOMIKY
EKONOMICKO-SPRÁVNÍ FAKULTA MASARYKOVY UNIVERZITY
KONKURENCESCHOPNOST
A STABILITA
Antonín Slaný a kol.
2010
KONKURENCESCHOPNOST
A STABILITA
Antonín Slaný a kol.
MASARYKOVA UNIVERZITA
EKONOMICKO-SPRÁVNÍ FAKULTA
CENTRUM VÝZKUMU
KONKURENČNÍ SCHOPNOSTI
ČESKÉ EKONOMIKY
BRNO 2010
CENTRUM VÝZKUMU KONKURENČNÍ SCHOPNOSTI ČESKÉ EKONOMIKY
EKONOMICKO-SPRÁVNÍ FAKULTA MASARYKOVY UNIVERZITY
2006
I. ČÁST
2010
KONKURENCESCHOPNOST
A STABILITA
Antonín Slaný a kol.
BRNO 2010
Odborní garanti/editoři
prof. Ing. Antonín Slaný, CSc.
doc. Ing. Libor Žídek, Ph.D.
Ing. Zdeněk Tomeš, Ph.D.
doc. Ing. Osvald Vašíček, CSc.
doc. RNDr. Milan Viturka, CSc.
Kolektiv autorů:
prof. Ing. Antonín Slaný, CSc.
(vedoucí autorského kolektivu, editor)
Ing. Jan Čapek (2.5)
Ing. Petra Černíková (1.7)
Ing. Jitka Doležalová (1.2)
Ing. Miroslav Hloušek (2.2)
Ing. Jana Chmelová (1.4)
Ing. Monika Jamborová (1.9)
Ing. Viktorie Klímová, Ph.D. (3.1, 3.2, 3.3)
Ing. Štěpán Mikula (1.3.)
Ing. Daniel Němec, Ph.D. (2.1)
Ing. Zdeněk Rosenberg (1.6)
Mgr. Martin Slanicay (2.3, 2.4)
Ing. Rostislav Staněk (1.5)
doc. Ing. Osvald Vašíček, CSc. (2.1, 2.3, 2.5)
doc. RNDr. Milan Viturka, CSc. (3.4)
Ing. Martin Železník (1.8.)
doc. Ing. Libor Žídek, Ph.D. (1. úvod; 1.1)
Ing. Vladimír Žítek, Ph.D. (3.1, 3.2, 3.3)
Technická pomoc:
Lydie Pravdová
Redakce textu:
Mgr. Ondřej Doseděl
Recenzenti:
I. kapitola:
prof. Ing. Vojtěch Krebs, CSc.
Mgr. Pavel Neset
II. kapitola:
Ing. Petr Harasimovič, M.A.
Ing. Karel Musil, Ph.D.
III. kapitola:
doc. RNDr. Václav Toušek, CSc.
doc. Ing. Jaroslav Macháček, CSc.
Vědecká redakce MU:
prof. RNDr. Jana Musilová, CSc.
Mgr. Iva Zlatušková
prof. RNDr. Zuzana Došlá, DSc.
Mgr. Michaela Hanousková
prof. PhDr. Mgr. Tomáš Knoz, Ph.D.
doc. JUDr. Josef Kotásek, Ph.D.
Mgr. et Mgr. Oldřich Krpec, Ph.D.
prof. PhDr. Petr Macek, CSc.
Mgr. Josef Menšík, Ph.D.
Mgr. Petra Polčáková
doc. RNDr. Lubomír Popelínský, Ph.D.
prof. MUDr. Anna Vašků, CSc.
prof. PhDr. Marie Vítková, CSc.
Mgr. Martin Zvonař, Ph.D.
PhDr. Alena Mizerová
Publikace vznikla s podporou projektu MŠMT výzkumná centra 1M0524.
© 2010 Antonín Slaný a kolektiv
© 2010 Masarykova univerzita
ISBN 978-80-210-5336-6
Vzor citace: NĚMEC, Daniel. Vliv ekonomických cyklů na strukturální charakteristiky české ekonomiky In Slaný a kol.
Konkurenceschopnost a stabilita. Brno: Masarykova univerzita, 2010. 288 stran. ISBN 978-80-210-5336-6.
OBSAH 7
Obsah
1. Faktory konkurenceschopnosti
v České republice a Rakousku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1. Srovnání základních makro-ekonomických ukazatelů
České republiky a Rakouska v letech 2000–2008 . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.1. Hrubý domácí produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.2. Inflace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.1.3. Nezaměstnanost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1.4. Charakteristiky vnější rovnováhy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1.5. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.2. Politický vývoj . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.1. Politický vývoj v České republice a Rakousku . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2.2. Historie výzkumu politicko-rozpočtového cyklu . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.2.3. Modelový rámec politicko-rozpočtového cyklu České republiky a Rakouska . . . . 33
1.2.4. Empirické ověření výskytu politicko-rozpočtového cyklu
v České republice a Rakousku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.2.5. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.3. Vliv institucionálních charakteristik na ekonomický růst: Česká republika
a Rakousko po roce 1989 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.3.1. Konvergence ekonomické úrovně . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.3.2. Instituce a jejich měření . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.3.3. Contracting Institutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.3.4. Property Rights Institutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.3.5. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
1.3.6. Přílohy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
1.4. Bankovní sektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
1.4.1. Finanční systém a ekonomický výkon – teoretická vazba . . . . . . . . . . . . . . . . . . 68
1.4.2. Charakteristika bankovního sektoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
1.4.3. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
1.5. Efektivnost českého bankovního sektoru v letech 2000–2009 . . . . . . . . . . . . . . 79
1.5.1. Efektivnost bankovního sektoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.5.2. Metodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
1.5.3. Model a data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
1.5.4. Výsledky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
1.5.5. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
1.6. Vliv fiskální politiky na dlouhodobý růst Rakouska a České republiky . . . . . . . . 89
1.6.1. Fiskální politika a ekonomický růst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
1.6.2. Příjmy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
1.6.3. Výdaje a velikost státu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
OBSAH8
1.6.4. Rovnováha veřejných financí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
1.6.5. Dluh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
1.6.6. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
1.7. Vliv měnové politiky na hospodářský růst . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
1.7.1. Monetární politika a ekonomický růst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
1.7.2. Institucionální rámec provádění monetární politiky . . . . . . . . . . . . . . . . . . . . . . 106
1.7.3. Vývoj monetární politiky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
1.7.4. Hodnocení monetární politiky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
1.7.5. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
1.8. Trh práce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
1.8.1. Metodológia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
1.8.2. Empirická časť . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
1.8.3. Záver . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
1.9. Mezinárodní přesuny kapitálu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
1.9.1. Zahraniční kapitál a konkurenceschopnost – teoretické vazby . . . . . . . . . . . . . . 125
1.9.2. Srovnání vývoje zahraničního kapitálu obecně . . . . . . . . . . . . . . . . . . . . . . . . . 127
1.9.3. Komparace vývoje a dopadů PZI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
1.9.4. Komparace vývoje a dopadů portfoliových investic . . . . . . . . . . . . . . . . . . . . . . 134
1.9.5. Komparace vývoje a dopadů ostatních investic . . . . . . . . . . . . . . . . . . . . . . . . . 135
1.9.6. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Použitá literatura k 1. kapitole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2. Růstová výkonnost a stabilita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
2.1. Vliv ekonomických cyklů na strukturální charakteristiky české ekonomiky . . . 149
2.1.1. Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
2.1.2. Data a odhadové techniky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
2.1.3. Odhad nepozorovaných stavů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
2.1.4. Rekurzivní odhady a předpovědi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
2.1.5. Dynamika nezaměstnanosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
2.1.6. Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
2.2. Měření mezery výstupu pro českou ekonomiku pomocí
novokeynesiánského modelu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
2.2.1. Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
2.2.2. Rovnováha a mezera výstupu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
2.2.3. Data, kalibrace a výsledky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
2.2.4. Analýza citlivosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
2.2.5. Důsledky pro blahobyt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
2.2.6. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
2.2.7. Příloha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
OBSAH 9
2.3. Strukturální rozdíly v DSGE modelu s nominálními rigiditami . . . . . . . . . . . . . 169
2.3.1. Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
2.3.2. Estimace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
2.3.3. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
2.4. Fiskální (ne)zodpovědnost zemí EU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
2.4.1. Saldo veřejných rozpočtů a ekonomická teorie . . . . . . . . . . . . . . . . . . . . . . . . . 178
2.4.2. Regresní model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
2.4.3. Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
2.4.4. Odhad parametrů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
2.4.5. Předpoklady OLS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
2.4.6. Datový fit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
2.4.7. Fiskální (ne)zodpovědnost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
2.4.8. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
2.5. Citlivost DSGE modelu na změny chování ekonomiky v období krize . . . . . . . 185
2.5.1. Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
2.5.2. Rekurzívní odhad parametrů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
2.5.3. Globální analýza citlivosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
2.5.4. Dekompozice šoků . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
2.5.5. Souhrn dosažených výsledků . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
2.5.6. Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Použitá literatura ke 2. kapitole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
3. Rozvoj a podpora inovací v ČR a vybraných zemích EU . . . . 199
3.1. Inovační výkonnost a podmínky pro inovace . . . . . . . . . . . . . . . . . . . . . . . . . . 201
3.1.1. Konkurenceschopnost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
3.1.2. European Innovation Scoreboard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
3.1.3. Inovační podniky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
3.1.4. Výzkum a vývoj . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
3.1.5. High-tech a medium-high-tech průmysl a znalostně náročné služby . . . . . . . . . 220
3.2. Opatření na podporu inovací ve vybraných státech EU . . . . . . . . . . . . . . . . . . 223
3.2.1. Švédsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
3.2.2. Finsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
3.2.3. Německo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
3.2.4. Velká Británie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
3.2.5. Dánsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
3.2.6. Rakousko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
3.2.7. Francie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
3.2.8. Nizozemí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
3.2.9. Estonsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
3.2.10. Slovinsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
3.2.11. Portugalsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
3.2.12. Španělsko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
OBSAH10
3.2.13. Itálie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
3.3. Rozvoj inovací v ČR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
3.3.1. Vývoj pozice ČR v mezinárodním srovnání . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
3.3.2. Inovační aktivita podniků . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
3.3.3. Strategická podpora výzkumu, vývoje a inovací . . . . . . . . . . . . . . . . . . . . . . . . 257
3.4. Posouzení regionálních předpokladů pro rozvoj inovací na příkladě ČR . . . . . 261
3.4.1. Posouzení všeobecných předpokladů pro rozvoj inovací . . . . . . . . . . . . . . . . . . 261
3.4.2. Posouzení specifických předpokladů pro rozvoj inovací . . . . . . . . . . . . . . . . . . . 266
3.4.3. Celkové posouzení regionálních předpokladů pro rozvoj inovací . . . . . . . . . . . . 271
Použitá literatura ke 3. kapitole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
Seznam tabulek a grafů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
11
FAKTORY1.
KONKURENCESCHOPNOSTI
V ČESKÉ REPUBLICE
A RAKOUSKU
1
FAKTORY KONKURENCESCHOPNOSTI V ČESKÉ REPUBLICE A RAKOUSKU12
První kapitola monografie se zabývá srovnáním vybraných aspektů konkurenceschopnosti české
a rakouské ekonomiky. Rakouská ekonomika byla pro srovnání vybrána jako benchmark reprezentující
vyspělé ekonomiky. Konkurenceschopnost je v našem pojetí vnímána jako schopnost dlouhodobého
růstu ekonomiky. Faktory, které determinují dlouhodobý ekonomický růst, jsou proto
i faktory konkurenceschopnosti ekonomiky.
V našem pojetí jsme se zaměřili na některé aspekty, které jsou povětšinou spojeny s institucionálním
nastavením ekonomického prostředí. Toto prostředí je většinou ekonomů vnímáno jako
zásadní pro schopnost ekonomik dosahovat růstu. V konkrétní rovině se jednotliví autoři zabývali
srovnáním politického prostředí, obecnými institucemi, bankovním sektorem, fiskální a monetární
politikou, fungováním trhu práce a dopady přesunů kapitálu. Jako první je ovšem uvedena
kapitola souhrnně zachycující vývoj základních makroekonomických ukazatelů.
Politika
První ze sledovaných aspektů srovnává působení politicko-rozpočtového cyklu v obou zemích.
Politicko-rozpočtový cyklus je definován jako opakované cílené zneužití fiskální politiky vládou
za účelem jejího znovuzvolení. Zneužití fiskální politiky se může projevit nárůstem veřejných
výdajů, poklesem daní či prohloubením rozpočtových deficitů. V konkrétní rovině jsou použity
různé vysvětlující proměnné, které budou mít za cíl vysvětlit příčiny kolísání rozpočtových deficitů
v dané zemi.
Institucionální nastavení
Institucionální prostředí dlouhodobě determinuje schopnost ekonomik dosahovat ekonomického
růstu. Pokud můžeme v dlouhém období sledovat konvergenci ekonomické úrovně zemí, pak bychom
měli být schopni v relevantním období sledovat i konvergenci institucionálního prostředí,
která by však měla být příčinnou a ne důsledkem ekonomické konvergence. Cílem podkapitoly je
na datech doložit, zda existuje konvergence institucionálního prostředí v ČR a Rakousku.
Fungování bankovního sektor
Pohyb prostředků od domácností k soukromému (podnikatelskému) sektoru skrz finanční systém
dovoluje podnikatelskému sektoru ekonomiky poptávat nutné zdroje k produkování kapitálových
statků. Z těchto důvodů je plynulé fungování bankovního sektoru klíčové pro chod celé ekonomiky.
Podkapitola si proto klade za cíl zhodnotit funkčnost a kvalitu bankovního sektoru na základě
vývoje vybraných finančních ukazatelů.
Efektivita bankovního sektoru
Vedle samotného fungování bankovního sektoru hraje významnou roli i kvalita bankovního sektoru,
kterou můžeme ztotožnit s jeho efektivitou. Cílem podkapitoly je porovnání efektivnosti
bankovního sektoru a vysvětlení rozdílů v České republice a Rakousku v letech 2000–2009.
Fiskální politika
Na dlouhodobou schopnost ekonomického růstu má pochopitelně vliv i hospodářská politika.
První z podkapitol analyzujících hospodářskou politiku se věnuje fiskální politice. Cílem podkapitoly
je popsání hlavních kanálů, kterými fiskální politika ovlivňuje schopnost ekonomiky dosahovat
dlouhodobého ekonomického růstu, a na datech zhodnotit, jak v tomto směru postupovaly
Česká republika a Rakousko v letech 2000 až 2009.
FAKTORY KONKURENCESCHOPNOSTI V ČESKÉ REPUBLICE A RAKOUSKU 13
Monetární politika
Podobně jako fiskální politika i monetární politika ovlivňuje dlouhodobou ekonomickou výkonnost.
Předmětem podkapitoly je porovnání monetární politiky v České republice a v Rakousku
během období 2000–2009. Důraz je kladen na zkoumání potenciálního vlivu monetární politiky
na ekonomický růst v těchto zemích. V oblasti monetární politiky je analýza specifická, protože
monetární politiku v Rakousku vykonává Evropská centrální banka.
Fungování trhu práce
V analýze fungování trhu práce se autor soustředil na identifikaci vazeb v rámci tzv. Okunova zákona,
který vypovídá o vztahu mezi změnou HDP a změnou nezaměstnanosti. Konkrétním cílem
bylo analyzovat a porovnat odhad koeficientu Okonuva vztahu pro Českou republiku a Rakousko
v letech 1998 a 2010. K tomuto cíli byla použita tzv. „gapová“ metoda.
Vnější vztahy – přesuny kapitálu
Kapitál je ekonomy považován za jeden z klíčových faktorů ekonomického růstu a rozvoje. Jedním
z hlavních důvodů prominentní pozice pohybu kapitálu v teoriích ekonomického růstu je to, že
jeho příliv rozšiřuje investiční možnosti země nad rámec domácích úspor. Cílem podkapitoly je
komparovat vývoj toků zahraničního kapitálu v rámci Rakouska a ČR a posoudit jejich předpokládaný
dopad na konkurenceschopnost obou zemí.
14
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–2008 15
Srovnání základních makro-ekonomických1.1.
ukazatelů České republiky a Rakouska
v letech 2000–2008
Kapitola si klade za cíl analyzovat vývoj základních makroekonomických ukazatelů v ČR
a Rakousku ve sledovaném období let 2000–2009. Kapitola vytváří prostor pro následující kapitoly,
jejichž autoři srovnávají obě země ze specifických úhlů pohledu.
V textu se budeme věnovat čtyřem základním makroekonomickým ukazatelům – hrubému domácímu
produktu, inflaci, nezaměstnanosti a vybraným indikátorům vnější (ne)rovnováhy.
Hrubý domácí produkt1.1.1.
V rámci první podkapitoly se zaměříme na vývoj hrubého domácího produktu. Nejdříve se budeme
věnovat tempu růstu, následně se pozastavíme u kumulovaného vývoje produktu v průběhu
období, absolutní velikosti HDP a HDP na osobu.
Růst HDP1.1.1.1.
Základním makroekonomickým ukazatelem je vývoj hrubého domácího produktu. Na grafu vidíme,
že do roku 2007 české ekonomika (povětšinou) rostla výrazně rychleji než rakouská. Obě
země byly následně zasaženy světovou hospodářskou krizí, která na obě ekonomiky dopadla velmi
podobně. Průměrné tempo růstu HDP dosahovalo v první dekádě 1,7 % pro Rakousko a 3,2 %
pro ČR (IMF, 2010).
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–200816
Meziroční změny HDP v letech 2000–2010* (v %)Graf č. 1:
-6
-4
-2
0
2
4
6
8
RakouskoČeská Republika
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
* – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Kumulované výsledky HDP1.1.1.2.
Následující graf zachycuje kumulovaný růst HDP ve sledovaném období. Vidíme, že český HDP
se zvýšil ve svém maximu o více jak 45 %. Rakouské HDP se souběžně zvýšilo o necelých 25 %.
Hospodářská krize se pochopitelně podepsala na výsledcích obou zemí.
Kumulované výsledky (HDP 2000 = 100)Graf č. 2:
100
105
110
115
120
125
130
135
140
145
150
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Ekonomická síla1.1.1.3.
Dalším náhledem na HDP je srovnání celkového objemu, který ukazuje na tzv. ekonomickou sílu.
Rakouská ekonomika byla po celé období výrazně silnější než česká, a to pokud provádíme srovnání
dle směnného kurzu i dle parity kupní síly.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–2008 17
Absolutní velikost HDP dle směnného kurzu (miliardy dolarů)Graf č. 3:
0
50
100
150
200
250
300
350
400
450
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Vidíme ovšem, že pokud uvažujeme velikost HDP dle parity kupní síly, tak Česká republika praktiky
kopíruje rakouský vývoj. V průběhu doby došlo jen k mírné konvergenci.
Absolutní velikost HDP dle parity kupní síly (miliardy dolarů)Graf č. 4:
0
50
100
150
200
250
300
350
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
HDP na osobu1.1.1.4.
K ukazateli ekonomické úrovně můžeme přistoupit několika způsoby. My se nejdříve zaměříme
na HDP na osobu dle směnného kurzu, následně budeme uvažovat HDP na osobu dle parity
kupní síly a v závěru podkapitoly srovnáme ekonomickou úroveň analyzovaných zemí s průměrem
eurozóny.
Vývoj HDP na osobu dle směnného kurzu máme zachycen v následujícím grafu. Vidíme, že
ekonomická úroveň v obou zemích do hospodářské krize rostla. České ekonomice se ovšem nedařilo
konvergovat k rakouské a rozdíly (vyjádřené v amerických dolarech) se naopak zvyšovaly.
Výsledek je pochopitelně ovlivněn vývojem směnného kurzu.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–200818
Vývoj HDP na osobu dle směnného kurz (2000–2010) v amerických dolarechGraf č. 5:
0
10000
20000
30000
40000
50000
60000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
A z toho důvodu se jeví jako vhodnější ukazatel dle parity kupní síly. Pokud tedy zachycujeme stejný
ukazatel pomocí parity kupní síly, tak se obě země vyvíjely velmi podobně. V obou docházelo
do roku 2008 k výraznému vzestupu životní úrovně. Ta se v Rakousku zvýšila z přibližně z 29 000
amerických dolarů na téměř 40 000. A v ČR z 15 000 dolarů na přibližně 25 000. Následná krize
znamenala víceméně stagnaci v obou zemích.
Vývoj HDP na osobu dle parity kupní síly (2000–2010) v amerických dolarechGraf č. 6:
10000
15000
20000
25000
30000
35000
40000
45000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Tyto skutečnosti se odrazily na relativním dohánění ekonomické úrovně Rakouska českou ekonomikou.
Pokud české HDP na osobu na počátku dekády dosahovalo jen asi 52 % úrovně Rakouska,
pak na konci dekády to již bylo 63 %.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–2008 19
Vývoj HDP na osobu dle parity kupní síly ČR vůči Rakousku 2000–2010 (Rakousko = 100)Graf č. 7:
50
55
60
65
70
2000 2001 2002 2003 2004 20062005 2007 2008 2009 2010
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Na ekonomickou úroveň se můžeme podívat i optikou, která bude zahrnovat průměr zemí EU či
eurozóny. Následující tabulka zachycuje HDP na osobu dle parity kupní síly jako procento průměru
zemí eurozóny v obou zemích.
Vývoj HDP na osobu dle parity kupní síly 2000–2010 (eurozóna = 100)Tabulka č. 1:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010*
Rakousko 116 114 115 115 116 116 117 118 120 121 121
Česká republika 61 62 63 65 67 70 72 75 76 76 76
Eurozóna 100 100 100 100 100 100 100 100 100 100 100
* – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Z tabulky je patro, že Rakousko patřilo po celé období mezi země, jejihž ekonomická úroveň
značně převyšovala průměr eurozóny. Jeho náskok se dokonce zvyšoval. Česká ekonomika souběžně
poměrně výrazně konvergovala k průměru eurozóny a na na konci období dosahoval její
HDP na osobu přibližně 75 %.
V této souvislost je zajímavé sledovat, jak se vyvíjí ukazatel produktivity práce, který máme zachycen
v následujícím grafu.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–200820
Změny produktivity práce na jednoho pracovníka 2000–2009 (v %)Graf č. 8:
-4
-2
0
2
4
6
8
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská Republika
Zdroj: OECD STATISTICS: http://stats.oecd.org/index.aspx (15. 9. 2010)
Z grafu je zřejmé, že růst produktivity práce v ČR dosahoval po celé období až na rok 2009 významných
hodnot a trvale převyšoval růst produktivity práce v Rakousku. Můžeme konstatovat,
že vzestup české produktivity práce byl jedním z faktorů konvergence ekonomické úrovně, ke kterému
v průběhu období došlo.
Inflace1.1.2.
Druhým ze základních makro-ekonomických ukazatelů, které sledujeme je míra inflace měřená
indexem spotřebitelských cen. Základní vývoj máme zachycený v následujícím grafu.
Meziroční změny indexu spotřebitelských cen 2000–2010 (v %)Graf č. 9:
0
1
2
3
4
5
6
7
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Inflace byla v obou zemích relativně nízká. Nicméně v ČR ve většině let převyšovala rakouskou.
Průměrný růst cenové hladiny dosahoval v Rakousku v první dekádě nového století 1,8 %
a v ČR 2,7 %.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–2008 21
Tato skutečnost ještě více vynikne, pokud se podíváme na kumulované výsledky za celé sledované
období, které máme zachyceny v následující tabulce. Vidíme, že cenová hladina se v ČR od
roku 2000 zvýšila přibližně o 29 % a v Rakousku pouze o 20 %.
Kumulovaný růst indexu spotřebitelských cen v období 2000–2010Tabulka č. 2:
2000 2002 2004 2006 2008 2010*
Rakousko 100,0 104,0 107,4 111,6 117,7 119,9
ČR 100,0 106,6 109,7 114,6 125,3 128,7
* – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Nezaměstnanost1.1.3.
Dalším z ukazatelů, které budeme sledovat, je nezaměstnanost. V České republice se tento ukazatel
po celé období pohyboval výše než v Rakousku. V období silného hospodářského růstu v ČR
tyto míry konvergovaly, ale následná hospodářská krize se opět výrazněji projevila na nezaměstnanosti
v ČR. Průměrná míra nezaměstnanosti ve sledovaném období dosáhla v Rakousku 4,4 %
a v ČR 7,6 %.
Míra nezaměstnanosti v letech 2000–2010 (v %)Graf č. 10:
0
1
2
3
4
5
6
7
8
9
10
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Charakteristiky vnější rovnováhy1.1.4.
Poslední uvažovanou charakteristikou je vnější rovnováha. Platební bilance je z definice vyrovnaná
a proto se zaměříme jen na některé dílčí ukazatele, které demonstrují vnější rovnováhu sledovaných
ekonomik. Konkrétně budeme sledovat běžný účet platební bilance a pohyby přímých
zahraničních investic.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–200822
Běžný účet platební bilance1.1.4.1.
Základní složkou platební bilance je běžný účet. Následující graf zachycuje rovnováhu běžného
účtu ve vztahu k HDP v obou zemích.
Rovnováha běžného účtu platební bilance jako procento HDP 2000–2010Graf č. 11:
-8
-6
-4
-2
0
2
4
6
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
RakouskoČeská Republika
2010 – prognóza
Zdroj: INTERNATIONAL MONETARY FUND: World Economic Outlook Database. URL: http://www.imf.org/external/pubs/ft/
weo/2010/02/weodata/index.aspx (8. 10. 2010)
Z grafu je patrno, že Rakousko dosahovalo od roku 2002 trvale přebytku běžného účtu platební
bilance mezi 2 a 4 % HDP. Český běžný účet byl naopak do roku 2004 ve výrazném záporu.
Následně došlo ke snížení nerovnováhy a v schodek dosahoval v následujícím období jen mírných
hodnot.
Pohyby přímých zahraničních investic1.1.4.2.
Druhou charakteristikou, kterou budeme (v rámci podkapitoly zabývající se vnější rovnováhou)
sledovat, jsou pohyby přímých zahraničních investic (PZI). V konkrétní podobě použijeme nejdříve
základní ukazatel přílivu PZI v milionech dolarů, který máme zachycen v následujícím grafu.
Meziroční čistý příliv přímých zahraničních investic (v milionech dolarů)Graf č. 12:
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská Republika
Zdroj: OECD STATISTICS: http://stats.oecd.org/index.aspx (15. 9. 2010)
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–2008 23
Z grafu je patrno, že příliv PZI do Rakouska je výrazně ovlivněn dvěma výjimečnými nárůsty v letech
2005 a 2007. Mimo tyto roky by přímé zahraniční investice směřující do rakouské a české
ekonomiky rámcově podobné.
Samotný objem PZI v dolarech je jen částečně vypovídající – význam PZI pro jednotlivé ekonomiky
můžeme zachytit i jinými způsoby. Jedním z nich je příliv PZI jako procenta tvorby hrubého
fixního kapitálu. Na grafu vidíme, že příliv PZI hraje obecně výrazně vyšší úlohu v české ekonomice
než v ekonomice rakouské. Průměrné procento PZI na tvorbě hrubého fixního kapitálu bylo
ve sledovaném období 14 % v Rakousku a téměř 23 % v ČR.
Příliv PZI jako procenta tvorby hrubého fixního kapitálu 2000–2009Graf č. 13:
0
5
10
15
20
25
30
35
40
45
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská Republika
Zdroj: UNCTAD: World Investment Report – URL: http://www.unctad.org/Templates/Page.asp?intItemID=5545&lang=1 (10. 10. 2010)
V konečném důsledku není proto potom překvapivé, že zásoba PZI jako procenta HDP je výrazně
vyšší v ČR než Rakousku, tak jak vidíme na posledním grafu.
Zásoba zahraničních PZI v ekonomikách (jako % HDP)Graf č. 14:
0
10
20
30
40
50
60
70
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská Republika
Zdroj: UNCTAD: World Investment Report – URL: http://www.unctad.org/Templates/Page.asp?intItemID=5545&lang=1 (10. 10. 2010)
Zásoba přímých zahraničních investic v obou ekonomikách významně rostla, negativně se však
projevila celosvětová krize.
SROVNÁNÍ ZÁKLADNÍCH MAKRO-EKONOMICKÝCH UKAZATELŮ ČESKÉ REPUBLIKY A RAKOUSKA V LETECH 2000–200824
Závěr1.1.5.
Na předchozích stránkách jsme se seznámili se základními makroekonomickými charakteristikami
české a rakouské ekonomiky v období let 2000–2010. Většinu období můžeme považovat za
úspěšné, protože HDP v obou zemích výrazně rostl. Docházelo k nárůstu ekonomické síly i růstu
ekonomické úrovně. Rakouské HDP na osobu trvale a výrazně převyšuje průměr eurozóny a české
k tomuto průměru konvergovalo. České HDP na osobu vyjádřené dle parity kupní síly konvergovalo
k rakouskému.
Mimo HDP jsme sledovali i ostatní makroekonomické ukazatele. Zjistili jsme, že míra inflace
byla v obou zemích nízká, nicméně česká převyšovala rakouskou. Míra nezaměstnanosti potom
byla v ČR trvale vyšší než rakouská. V době silného hospodářského růstu v ČR v polovině dekády
se míry přibližovaly, ale následně došlo k jejich opětovné divergenci. Z pohledu ukazatelů vnější
rovnováhy byl vývoj výrazně odlišný. Protože v oblasti běžného účtu dosahovalo Rakousko trvalého
přebytku; proti tomu český běžný účet byl nejdříve v poměrně významném záporu a následně
relativně vyrovnaný. Přímé zahraniční investice hrají mnohem významnější roli v české než
v rakouské ekonomice.
Na předchozích stránkách jsme se ve stručnosti seznámili s vývojem základních makroekonomických
agregátů pro českou ekonomiku a Rakousko. Nyní budeme důkladněji analyzovat jednotlivé
institucionální oblasti, tak jak již bylo nastíněno v úvodu kapitoly.
POLITICKÝ VÝVOJ 25
Politický vývoj1.2.
Cílem této kapitoly bude ověřit, zda v České republice v letech 1995–2007 a v Rakousku v letech
1988–2008 docházelo k iniciaci politicko-rozpočtového cyklu ze strany jejich vlád. Rozdíl v použitých
délkách časových řad bude vycházet z odlišností v historickém vývoji a dostupnosti statistických
dat. První roky po pádu komunismu budou u České republiky zanedbány, protože v nich
probíhaly zásadní politické a ekonomické změny, které ze své podstaty účelovou manipulaci ekonomikou
před volbami vylučují. Pro rok 2008 v jejím případě chyběla některá z dat. Empirický
výzkum bude úmyslně zaměřen vždy na jednu zemi. Použity budou různé vysvětlující proměnné,
které budou mít za cíl vysvětlit příčiny kolísání rozpočtových deficitů v dané zemi. Model politicko-rozpočtového
cyklu bude odhadnut pomocí metody nejmenších čtverců (OLS).
Politicko-rozpočtový cyklus je definován jako opakované cílené zneužití fiskální politiky vládou
za účelem jejího znovuzvolení. Zneužití fiskální politiky se může projevit nárůstem veřejných výdajů,
poklesem daní či prohloubením rozpočtových deficitů.
V krátkém období může záměrná fiskální expanze, kterou vláda provede před volbami, vychýlit
ekonomiku z její rovnováhy. Rostoucí agregátní poptávka má za následek zvýšení produktu (resp.
pokles nezaměstnanosti) a cenové hladiny. Pokud se v ekonomice prosazují autoregulační mechanismy
trhu, dojde po určitém čase k navrácení produktu (resp. nezaměstnanosti) na jeho původní
úroveň při vyšší cenové hladině. Empirické studie, které se v souvislosti s volebním cyklem zabývaly
chováním těchto tří makroekonomických agregátů, dospěly k závěru, že právě cenová hladina
má tendenci v povolebním období narůstat. Vztah mezi vývojem HDP (resp. nezaměstnanosti)
a volbami nebyl jednoznačně potvrzen. Tyto studie však byly publikovány v 70. a 80. letech
20. století a předpokládaly, že vlády mohou uplatnit svůj vliv na monetární politiku.
Z dlouhodobého hlediska může opakovaná iniciace politicko-rozpočtového cyklu vést k neschopnosti
vlád vymanit se z rostoucích rozpočtových deficitů. Zadlužení státu se tímto zvyšuje.
Deficity státních rozpočtů jsou hrazeny především pomocí státních dluhopisů s různou délkou
splatnosti. Státní dluhopisy jsou nabízeny domácím i zahraničním subjektům. Zvyšující se počet
vydaných státních dluhopisů může vyústit v růst úrokových sazeb. Stát vyššími úroky z dluhopisů
motivuje ekonomické subjekty k jejich koupi. V portfoliích ekonomických subjektů pak zbývá
méně volných peněžních prostředků pro firemní investice. Nižší míra investic je ekonomy chápána
jako překážka technologického pokroku. Jejím důsledkem je menší produktivita výrobních faktorů,
která zhoršuje konkurenceschopnost ekonomiky. Politicko-rozpočtový cyklus tedy může přispívat
k působení tzv. efektu vytěsnění, který nepříznivě ovlivňuje výkonnost ekonomiky. Dopady
politicko-rozpočtového cyklu v dlouhém období ovšem dosud nebyly empiricky ověřeny.
V druhé podkapitole bude charakterizován politický systém České republiky a Rakouska. Třetí
podkapitola se bude zabývat teoretickým a empirickým vývojem výzkumu politicko-rozpočtového
POLITICKÝ VÝVOJ26
cyklu. Blíže budou popsány závěry studií, jejichž modelový rámec bude použit pro ověřování výskytu
politicko-rozpočtového cyklu v České republice a Rakousku. Ve čtvrté podkapitole bude
popsán odhadovaný model politicko-rozpočtového cyklu včetně jeho jednotlivých komponent
a zdrojů dat. Následně budou zhodnoceny dosažené výsledky modelů politicko-rozpočtového
cyklu. Získané poznatky budou shrnuty v závěru textu.
Politický vývoj v České republice a Rakousku1.2.1.
Nejprve se budeme věnovat stručnému nastínění politického vývoje v České republice a Rakousku.
Popsány budou výsledky jednotlivých parlamentních voleb, typy vlád, které z nich vzešly i úspěšnost
jejich fungování. Vymezeny budou základní tendence volebního a stranického systému obou
zemí. Tyto informace budou důležité pro nejen pro fázi tvorby modelu politicko-rozpočtového
cyklu, ale i pro interpretaci jeho výsledků.
Parlamentní volby v České republice1.2.1.1.
Formální základy politického systému České republiky byly vymezeny Ústavou z roku 1993. V samostatné
historii České republiky se dosud uskutečnilo celkem pět parlamentních voleb. Pouze tři
z nich se však stanou součástí zkoumaného modelu politicko-rozpočtového cyklu (s přihlédnutím
k časovým zpožděním a diferenciaci dat). Konkrétně se bude jednat o parlamentní volby v roce
1998, 2002 a 2006.
Parlamentní volby v České republice probíhaly dle principů poměrného volebního systému.
Stanovená 5 % klauzule pro vstup do poslanecké sněmovny umožnila působit v tomto zákonodárném
orgánu státu v průměru pěti politickým subjektům. Nastavení volebního systému se ve
spojitosti s výsledky voleb stalo příčinou dlouhodobé neschopnosti politických stran vytvořit
vlády se silným politickým mandátem. Vlády byly slabé a ideologicky heterogenní. V poslanecké
sněmovně se opíraly o menšinu poslaneckých mandátů nebo byly závislé na hlasování jednoho
či dvou poslanců, na jejichž vůli spočívala stabilita vlády i celého politického systému. Pravicová
vláda, která se formuje po parlamentních volbách roku 2010, je po vládě vzešlé z federálních voleb
v roce 1992 teprve druhou, která se může spolehnout na pohodlnou většinu v parlamentu.
Problémem českého politického systému byl rovněž nulový koaliční potenciál Komunistické strany
Čech a Moravy (KSČM), která ve volbách stabilně získávala okolo 10 % hlasů. Její neochota
reformovat se z ní učinila nedůvěryhodného politického partnera a komplikovala tímto jednotlivá
povolební vyjednávání. Druhá česká levicová strana, Česká strana sociálně demokratická (ČSSD),
tímto v podstatě neměla vhodného koaličního partnera. Malé politické strany, které překročily
hranici vstupu do poslanecké sněmovny, se zpravidla udržely u moci jediné volební období.
Spojením s větší politickou stranou se v rámci vládní koalice odklonily od svého volebního programu
a ztratily tímto podporu svých voličů.
Slabá politická kultura, odhalení politických afér a skandálů či klientelismus, to vše vzdalovalo
občany České republiky od politického dění a odrazovalo je od aktivní participace na politice.
Značná voličská volatilita posilovala důležitost přesvědčení nerozhodnutých voličů ze strany politických
stran. Ty si v čase osvojovaly postupy politického marketingu. Volební účast se v České
republice stabilizovala na úrovni 60 %.
První parlamentní volby se v samostatné České republice konaly v roce 1996. Zvítězila v nich
Občanská demokratická strana (ODS). Druhý nejvyšší počet hlasů získala od voličů ČSSD.
Úspěch ve volbách z ní směrem do budoucna učinil druhý nejvýznamnější subjekt české politické
scény a hlavního politického rivala ODS. Po volbách byla sestavena pravicově orientovaná vláda,
POLITICKÝ VÝVOJ 27
která byla složena ze tří subjektů: ODS, KDU-ČSL a ODA. Menší koaliční partneři si během
povolebního vyjednávání vynutili uplatnění stejného vlivu ve vládě, jako měla nejsilnější ODS.
Toto opatření však nevedlo k původně zamýšlenému odstranění napětí mezi koaličními partnery.
Vláda měla v parlamentu navíc pouze menšinovou podporu. Její postavení bylo poměrně slabé.
V průběhu volebního období se KDU-ČSL posunula více do středu ideologické škály a začala na
půdě poslanecké sněmovny otevřeně spolupracovat s opoziční ČSSD. ODS i ODA následně zasáhla
vlna korupčních skandálů. Tyto faktory společně s propuknutím měnové krize přispěly na
konci roku 1997 k pádu koaliční vlády (Pšeja, 2005, Novák, Lebeda, 2004).
Na počátku roku 1998 byla prezidentem republiky jmenována dočasná vláda úřednického charakteru.
Podporu v poslanecké sněmovně získala díky hlasům poslanců ČSSD. Sociální demokracie
vládu tolerovala za předpokladu, že budou již na červen roku 1998 vypsány předčasné parlamentní
volby. ČSSD ani rozštěpená ODS nechtěly připustit, aby prozatímní vláda učinila některá
důležitá nenávratná opatření (Novák, Lebeda, 2004). Hlavním cílem vlády byla stabilizace ekonomiky,
která se propadala do recese.
Vítězem předčasných voleb v roce 1998 se stala ČSSD, která vytvořila jednobarevnou menšinovou
vládu. Její jednání vyplývalo z neochoty připustit návrat nereformované KSČM k moci a z přetrvávající
osobní nevraživost mezi čelními představiteli pravicových stran. ODS se jako druhá nejsilnější
politická strana vzešlá z voleb rozhodla vládu ČSSD tolerovat na základě tzv. opoziční
smlouvy. Menší politické subjekty zareagovaly na tuto dohodu vytvořením tzv. Čtyřkoalice, která
však neměla dlouhého trvání. Na podzim roku 1999 se levicová vláda ocitla v krizi. Východiskem
z ní se stal tzv. toleranční patent, který z ČSSD a ODS učinil skutečnou parlamentní koalici.
Menšinová vláda ČSSD díky němu přetrvala ve svém úřadu až do konce volebního období (Pšeja,
2005, Novák, Lebeda, 2004, Malíř, Marek, 2005).
V parlamentních volbách v roce 2002 se pak ČSSD podařilo obhájit volební vítězství. Tentokrát
se rozhodla sestavit vládu společně se středově orientovanou KDU-ČSL a pravicovou Unií svobody
(US). Jednalo se o značně ideologicky heterogenní uskupení, které se v poslanecké sněmovně
opíralo o nejmenší možnou většinu se 101 mandáty. Vláda se ukázala jako velmi nestabilní. V jejím
čele se během čtyřletého období vystřídali hned tři předsedové z řad ČSSD. Pravicová US jako
malá politická strana neměla na vládní úrovni velký vliv, vzdala se svého volebního programu, což
vedlo k její politické marginalizaci. KDU-ČSL se s blížícími volbami ve svých názorech posunula
opět směrem doprava.
Výsledky parlamentních voleb v roce 2006 navrátily zpět k moci pravicovou ODS. Přestože
se ČSSD podařilo získat více voličských hlasů než v předchozích volbách, umístila se až za ní.
Předvolební klání se neslo v duchu zachování sociálních jistot versus snížení daňové zátěže voličů
a bylo poznamenáno politickými aférami. Zaměřilo se především na nerozhodnuté voliče, jejichž
hlasy byly pro úspěch ČSSD i ODS klíčové. Sestavování pravicové vlády probíhalo po mnoho týdnů.
Důvodem bylo naprosto identické rozložení mandátů pravicových a levicových stran v poměru
100:100. Vláda byla nakonec sestavena až po odchodu dvou poslanců z klubu ČSSD. Koaliční
vládu ODS vytvořila společně s KDU-ČSL a nově se Stranou zelených. Vláda neměla v poslanecké
sněmovně ani nejmenší možnou většinu 101 mandátů, a proto se při každém hlasování musela spoléhat
na rozhodnutí nezařazených poslanců. Snaha vlády provádět ekonomické reformy (především
v oblasti zdravotnictví) byla terčem kritiky a nespokojenosti některých poslanců stran vládní koalice.
Vyvrcholila jejich vystoupením z domovských politických stran a narušila velmi křehkou stabilitu
této vlády. Na jaře roku 2009 byla vládě na půdě poslanecké sněmovny úspěšně vyslovena nedůvěra,
která vedla k jejímu zániku. Nové parlamentní volby se měly uskutečnit na podzim roku 2009,
ovšem jejich právoplatnost byla napadena u Ústavního soudu. Volby tak byly politiky odloženy až
na řádný termín roku 2010. Více než na rok tedy byla správa státu svěřena do rukou úřednické vlády,
jejíž členové byli vybráni původními stranami pravicové vládní koalice.
POLITICKÝ VÝVOJ28
V parlamentních volbách v roce 2010 zvítězila ČSSD. Postrádala však vhodného partnera,
s nímž by mohla vést povolební vyjednávání. Toho se ujala ODS, přestože utrpěla v parlamentních
volbách největší ztrátu volebních hlasů ve své historii. Spolu s nově vzniklými politickými
stranami TOP 09 a Věci veřejné totiž mohla disponovat dostatečnou nadpoloviční většinou mandátů
v poslanecké sněmovně. Původní strany pravicové koalice KDU-ČSL a Strana zelených zcela
ztratily důvěru voličů a do poslanecké sněmovny se nedostaly.
Ukazatele kvality správy v České republice v letech 1996–2008Tabulka č. 3:
1996 1998 2000 2002 2003 2004 2005 2006 2007 2008
rozsah demokracie 0,97 0,95 0,72 1,00 1,04 0,97 0,92 0,98 0,98 1,02
politická stabilita 0,98 0,78 0,60 0,97 0,87 0,67 0,75 0,85 0,83 0,93
výkonnost vlády 0,81 0,71 0,76 0,91 0,77 0,75 1,01 1,07 0,99 1,07
kontrola korupce 0,58 0,45 0,29 0,35 0,40 0,36 0,44 0,32 0,26 0,37
Poznámka: Ukazatele kvality správy nabývají normalizovaných hodnot od −2,5 (nejhorší výsledek) do +2,5 (nejlepší výsledek). Mají
agregovanou podobu. Jsou sestavovány především pomocí tzv. měkkých dat, která jsou založena na subjektivních názorech, vyplývajících
z výzkumů veřejného mínění nebo prezentovaných domácími (resp. zahraničními) odborníky či investory.
Zdroj: World bank, (2009)
Společným charakteristickým rysem českých vlád tedy bylo jejich slabé postavení. Vyplývalo buď
z chování politických stran zastoupených ve vládních koalicích, nebo z počtu poslaneckých mandátů,
které vlády získaly v parlamentních volbách. Tento vývoj je kvantifikován v ukazatelích
kvality veřejné správy, které vydává Světová banka. Potvrzuje, že zhoršení politické stability bylo
v České republice doprovázeno zhoršenou výkonností vlád, kdy oba ukazatele měly tendenci společně
klesat. Hodnoty ukazatele politické stability značně kolísaly, a to v rozmezí 0,6 až 1 bodu.
Výkonnost vlád se však v posledních sledovaných letech zlepšovala. Nejnižší hodnoty přiřkla
Světová banka ukazateli kontroly korupce.
Parlamentní volby v Rakousku1.2.1.2.
Politický systém Rakouska prošel v posledních dvaceti letech zásadní proměnou. Do 80. let minulého
století se Rakousko vyznačovalo v podstatě bipartistickým fungováním stranické soutěže
(Strmiska a kol. 2005). Stranickému systému dominovaly dvě politické strany: Socialistická strana
Rakouska (SPÖ) a Rakouská lidová strana (ÖVP), které navázaly na svoji předválečnou tradici.
Obě strany v parlamentních volbách usilovaly o zisk takového počtu hlasů, který by jim umožnil
schvalovat zákony ústavní většinou. Vládly buď ve velké koalici, nebo každá samostatně. Vedle
SPÖ a ÖVP měly v Národní radě Rakouska své zastoupení také Komunistická strana Rakouska
(KPÖ) a Svobodomyslná strana Rakouska (FPÖ). KPÖ se podílela na zákonodárné moci pouze
v 50. letech. Následně již nikdy nepřekročila volební práh 4 %, který byl nezbytný pro vstup do
rakouského parlamentu. FPÖ podporovalo pouze okolo 6 % voličů, což značně omezovalo její
případný koaliční potenciál. SPÖ i ÖVP se opíraly o relativně velkou voličskou základu. Vysoká
míra participace Rakušanů na politice vedla k vysoké volební účasti a k nízké voličské volatilitě.
Volební účast dosahovala v Rakousku v letech 1945–1986 v průměru 94 %. Politický systém
Rakouska byl proto považován za velmi stabilní.
Po parlamentních volbách v roce 1986 se však díky změnám uvnitř rakouské společnosti začal
stranický systém měnit. Od bipartismu se posunul směrem k umírněnému pluralismu, v němž
dvě nejsilnější politické strany SPÖ a ÖVP bojovaly o pouhý zisk relativní většiny volebních hlasů
(Strmiska, kol., 2005). V roce 1986 vstoupili do Národní rady Zelení a spolu s etablovanou
POLITICKÝ VÝVOJ 29
FPÖ významně ovlivňovali politickou soutěž. FPÖ se pod vedením svého nového předsedy Jörga
Haidera uchýlila k prosazování nacionálně orientované a populistické politiky. V letech 1986–
1999 odčerpala SPÖ i ÖVP značnou část voličů. Pokles voličské přízně přinutil obě strany k inovaci
svých volebních programů tak, aby postihly nové trendy v rámci rakouské společnosti (Hloušek,
2008). Rychleji se s touto situací vypořádala ÖVP, které se na ideologické škále posunula více doprava
a stala se konkurentem FPÖ.
Rakouští voliči se aktivně podíleli na politickém dění ve stále nižší míře. Důvodem nebyl pouze
jejich nový životní styl a s ním související pokles potřeby sociálního zařazení, ale také výskyt
řady politických afér a skandálů, které podlomily důvěru rakouských voličů v politiku. Mobilita
rakouských voličů mezi jednotlivými politickými stranami rostla a dosahovala úrovně 20 %. Velký
počet nerozhodnutých voličů před volbami nutil lídry politických stran k posílení jejich politického
marketingu. Získání hlasů nerozhodnutých voličů pro ně bylo zvlášť důležité, pokud o pořadí
politických stran ve volbách rozhodovalo pouhých několik set hlasů. Volební účast klesla k 80 %.
Přesto Rakousko zůstalo jednou ze zemí s nejvyšší volební účastí v Evropě.
Parlamentní volby v roce 1990 vyhrála SPÖ. ÖVP zasáhl výrazný pokles voličských hlasů, které
se přesunuly ve prospěch FPÖ (Hloušek, 2008). Strana Zelených přesně zopakovala zisk volebních
hlasů z předčasných parlamentních voleb roku 1986. Po volbách vytvořily společný vládní kabinet
SPÖ a ÖVP, přičemž určující vliv na hospodářskou politiku v něm měla SPÖ v čele s Franzem
Vranitzkým. Tato vládní koalice pokračovala ve spolupráci i po parlamentních volbách v roce
1994, kdy již během předvolební kampaně předseda ÖVP vyloučil možnou povolební spolupráci
s FPÖ. Velká koalice SPÖ a ÖVP však ve volbách ztratila svoji ústavní většinu, která jí umožňovala
schvalovat klíčové zákony. Probíhající krize uvnitř ÖVP vynesla na post jejího předsedy
Wolfganga Schüssela. Schüssel začal usilovat o větší vliv své strany na chod vládní koalice a na parlamentní
úrovni otevřeně spolupracovat s opoziční FPÖ. Spory vládních politických stran rovněž
vyostřil rozdílný názor na zadlužování státu. ÖVP chtěla zabránit dalšímu prohlubování rozpočtových
deficitů, kdežto SPÖ úspory ve veřejných výdajích odmítala. Rozkol vládní koalice vedl
k vypsání předčasných parlamentních voleb v roce 1995. Ty posílily pozici SPÖ a ÖVP na úkor
zbylých opozičních stran a obnovily jejich ústavní většinu o jeden jediný hlas. Nová vláda přistoupila
k zavedení úsporných balíčků, které měly snížit deficit státního rozpočtu pod 3 % HDP.
Reformní úsilí však vládě vydrželo pouze v prvních dvou letech jejího působení v úřadě.
V řádných parlamentních volbách, které se konaly v roce 1999, opět zvítězila levicová SPÖ.
Dosáhla však – co do počtu získaných volebních hlasů – svého do té doby nejhoršího výsledku
(Hloušek, 2008). Druhé místo obsadila FPÖ, která ve volebním klání předstihla ÖVP o pouhých
415 hlasů. Šance předsedy SPÖ Viktora Klimy na obnovení velké koalice společně s ÖVP se záhy
ukázaly jako mizivé. Rakouský prezident proto jmenoval pravicovou vládu složenou z ÖVP a FPÖ.
Její vznik vzbudil vlnu mezinárodního odporu, který byl formalizován bilaterálními sankcemi ze
strany Evropské unie. Důvodem obav Evropské unie bylo ideologické zaměření krajně pravicové
FPÖ, které se netajila svými xenofobními či rasistickými názory. Sankce uvalené na Rakousko však
byly po osmi měsících bez stanovení dalších podmínek zrušeny. Pravicová koalice ÖVP a FPÖ byla
poměrně křehká. Trpěla vnitřními spory FPÖ, která často měnila obsazení svých ministerských
postů a neúspěšnými iniciativami ztrácela důvěryhodnost u voličů. ÖVP obviňovala z příliš ostrého
soupeření v komunálních volbách. Zánik vlády započaly rozsáhlá povodně v roce 2002. Vláda
včetně předsedkyně FPÖ Susanne Rais-Passer a ministra financí za FPÖ se rozhodla v důsledku této
katastrofy odložit plánovanou daňovou reformu. Nesouhlas Jörga Haidera, které si ve straně stále
uchovával značný vliv, a velké části členské základy FPÖ, donutily oba výše zmíněné členy vlády
za FPÖ k rezignaci na státní i stranické posty. Vláda ÖVP a FPÖ se tímto rozpadla.
Výsledky předčasných parlamentních voleb v roce 2002 určily za vítěze ÖVP (Hloušek, 2008).
Voliči ocenili její předešlé působení ve vládě a strana tímto navázala na své volební úspěchy
POLITICKÝ VÝVOJ30
z 80. let. Krach povolebních jednání s SPÖ a Zelenými přivedl ÖVP opět k vládní spolupráci
s FPÖ. FPÖ byla hlavním poraženým voleb. Nepodařilo se jí získat podporu ani poloviny jejích
původních voličů. Druhá vláda ÖVP a FPÖ přetrvala v úřadu až do řádných parlamentních voleb
v roce 2006. V nich dali voliči největší počet hlasů tradičnímu vítězi rakouských voleb SPÖ. SPÖ
navázala na svoji původní letitou spolupráci s ÖVP, ovšem životaschopnost této velké koalice se
stala třetí nejkratší v rakouské historii. Koalice byla od prvopočátku silně kritizována za neplnění
svých volebních slibů. Nebyla schopna dohodnout se na důležitých krocích v rámci hospodářské
politiky (např. důchodová a zdravotní reforma). Posledním impulzem k ukončení její činnosti
byly sílící protievropské postoje čelních představitelů SPÖ, které byly veřejně prezentovány v rakouském
tisku. ÖVP proto v polovině roku 2008 velkou koalici opustila. Předčasné parlamentní
volby v roce 2008 představovaly pro SPÖ i ÖVP nejhorší propad voličské přízně od obnovení
rakouské republiky v 50. letech. Úspěch naopak zaznamenaly politické strany krajní pravice FPÖ
a Svaz budoucnosti Rakouska (BZÖ), který se z ní v roce 2005 jako samotněná politické strana
odštěpil. Parlamentní volby proběhly podle znění nového volebního zákona, který mimo jiné snižoval
věk oprávněných voličů z 18 na 16 let či prodloužil funkční období vlád na pět let. Koaliční
vládu sestavila opět SPÖ a ÖVP.
Ukazatele kvality správy v Rakousku v letech 1996–2008Tabulka č. 4:
1996 1998 2000 2002 2003 2004 2005 2006 2007 2008
rozsah demokracie 1,32 1,42 1,38 1,30 1,32 1,49 1,39 1,33 1,35 1,36
politická stabilita 1,31 1,32 1,27 1,31 0,99 1,01 1,06 1,03 1,23 1,30
výkonnost vlády 2,06 1,77 1,96 1,98 1,97 1,82 1,70 1,75 1,77 1,71
kontrola korupce 1,95 1,88 1,85 1,96 2,03 2,04 1,91 1,93 1,97 1,82
Poznámka: Ukazatele kvality správy nabývají normalizovaných hodnot od −2,5 (nejhorší výsledek) do +2,5 (nejlepší výsledek). Mají
agregovanou podobu. Jsou sestavovány především pomocí tzv. měkkých dat, která jsou založena na subjektivních názorech vyplývajících
z výzkumů veřejného mínění nebo prezentovaných domácími (resp. zahraničními) odborníky či investory.
Zdroj: World bank, (2009)
Politický vývoj Rakouska se opět promítl do hodnocení ukazatelů kvality veřejné správy, které
publikuje Světová banka. Výkonnost vlád byla v průměru o jeden procentní bod vyšší než v případě
České republiky. V průběhu sledovaných let však ukazatel vykazoval sestupnou tendenci.
Podobně tomu bylo i u ukazatele kontroly korupce, který v roce 2008 dosáhl svého nejhoršího
výsledku. Ukazatel politické stability byl rozkolísaný. V roce 2003 a 2004 se nacházely jeho hodnoty
na nejnižší úrovni, a to přesto, že koaliční vláda ÖVP a FPÖ byla politology označována za
stabilní (ve funkci vytrvala po celé své funkční období). Jako problematické lze vnímat, že vznikla
i přes odlišné preference voličů, kteří si přáli vznik velké koalice ÖVP a SPÖ. Její výkonnost byla
Světovou bankou hodnocena jako slabá především v druhé půli volebního období. Terčem domácí
kritiky se tehdy stala její hospodářská politika.
Ukazatele kvality veřejné správy Rakouska nabývaly výrazně vyšších hodnot než u České republiky,
a to i přesto, že měly v posledních letech tendenci zhoršovat se. Potvrdila se tímto rostoucí
nestabilita rakouského politického systému, v němž poklesla podpora tradičních politických stran,
svůj vliv, v něm začaly uplatňovat strany krajní pravice, objevily se v něm procesy štěpení politických
stran a nesourodost pohledů politických stran na hospodářskou politiku vedla k předčasným
rozpadům vlád.
POLITICKÝ VÝVOJ 31
Historie výzkumu politicko-rozpočtového cyklu1.2.2.
Výzkum politicko-rozpočtového cyklu spadá mezi podobory, kterými se zabývá jeden z dynamicky
se rozvíjejících směrů současné makroekonomie, tzv. nové politická ekonomie. Vznikla integrací
tří přístupů, které po řadu let existovaly paralelně vedle sebe bez většího kontaktu mezi sebou
navzájem. Jednalo se o teorii veřejné volby, teorii racionálních očekávání a teorii racionální volby,
která byla používána v politologii (Persson, Tabellini, 2000).
Kořeny výzkumu účelové manipulace ekonomikou před volbami sahají do 70. let 20. století,
kdy se zvedla vlna zájmu o tzv. politicko-ekonomický cyklus. První model politicko-ekonomického
cyklu vytvořil W. D. Nordhaus. Nordhaus vycházel z předpokladu oportunistického jednání
politiků a iracionálního chování voličů. Principy fungování politicko-ekonomického cyklu vysvětloval
pomocí Phillipsovy křivky. Hybným mechanismem jeho modelu byla monetární politika.
Na Nordhausovu studii navázal D. A. Hibbs Jr., jehož model bral v úvahu pravo-levé ideologické
zaměření politiků. V reakci na teorii racionálních očekávání byl v průběhu 80. let v modelech politicko-ekonomického
cyklu opuštěn původní předpoklad o neracionálním chování voličů. Mezi
autory, kteří zohlednili tuto skutečnost ve svých studiích, patřil K. Rogoff, A. Sibert, T. Persko, G.
Tabellini či A. Alesina. Empirické ověření výskytu politicko-ekonomického cyklu se však nesetkalo
s velkým úspěchem. V souladu s předpoklady teoretických modelů se pohybovala pouze inflace,
která měla tendenci v povolebních obdobích narůstat (Drazen, 2000).
Rostoucí nezávislost centrálních bank a kumulace rozsáhlých rozpočtových deficitů vlád přesunuly
koncem 80. let pozornost ekonomů směrem k fiskální politice. V tomto období vznikly
první modely tzv. politicko-rozpočtového cyklu (Rogoff, Sibert (1988), Rogoff (1990). Jejich tvůrci
předpokládali, že racionální voliči nedisponují dokonalými informacemi o kompetentnosti vlád.
Politici toho zneužívají a uchylují se k morálnímu hazardu. Snaží se voliče přesvědčit, že čím menší
příjmy z daní potřebují k úhradě veřejných výdajů, tím více jsou kompetentní. O několik let
později modifikovali Shi a Svensson (2004a) tyto průkopnické modely tak, aby lépe odpovídaly
realitě. Vyšli z předpokladu, že politici nemohou znát své kompetence ex ante. K signalizaci své
kompetentnosti navíc mohou použít nejenom míru zdanění, ale nově také vládní výpůjčky. Jejich
výši jsou totiž politici schopni před voliči snáze zamlžit. Modely politicko-rozpočtového cyklu
byly dále rozvíjeny a empiricky testovány v nejrůznějších obměnách. Z hlediska fiskální transparentnosti
zkoumali politicko-rozpočtový cyklus Alt a Lassen (2003). Vlivem institucionálního nastavení
politického systému na politicko-rozpočtový cyklus se zabývali Persson, Roland, Tabellini
(2003, 2006). Jiná skupina studií zkoumala, jaký mix vládních výdajů zabezpečí vládám vítězství
ve volbách (Schuknecht (1998), Block (2002), Barreirea, Baleiras (2004), atd).
Výzkum přítomnosti politicko-rozpočtového cyklu v České republice a v Rakousku bude vycházet
ze studií Shi, Svensson (2004a) a Brender, Drazen (2004). Shi, Svensson (2004a), kteří dospěli
k závěru, že politicko-rozpočtový cyklus je fenoménem spíše rozvíjejících se zemí než zemí vyspělých.
Brender, Drazen (2004) na tuto studii navázali a zjistili, že politicko-rozpočtový cyklus nezávisí
na stupni ekonomického rozvoje zemí, ale na délce období, po které v nich demokracie trvá.
U zemí s krátkou demokratickou historií docházelo v roce voleb ke zřetelnému nárůstu veřejných
výdajů, který se negativně podepisoval na výši rozpočtových deficitů. U zemí s tzv. zavedenou
demokracií se autorům nepodařilo zvýšení veřejných výdajů v roce voleb prokázat. Jako statisticky
významný se však projevil cyklus na straně příjmů. Příjmy státních rozpočtů měly v zavedených
demokraciích tendenci v letech voleb klesat. Výsledky vzorku všech demokratických zemí ovšem
zůstaly v případě rozpočtových deficitů touto skutečností neovlivněny. Autoři svá zjištění vysvětlili
tím, že v zemích se zavedenou demokracií jsou voliči lépe informováni a mají větší zkušenosti
s chováním vlád. Vědí, že pokud politici plýtvají veřejnými zdroji před volbami, bude muset (a to
zejména v zemích s vysokým podílem veřejných výdajů na HDP) následovat po volbách fiskální
POLITICKÝ VÝVOJ32
restrikce. Proto politiky za předvolební růst veřejných výdajů neocení. Naopak snížení daní má
pro voliče vyšší motivační efekt. Pro země s krátkou demokratickou historií je naproti tomu typická
nezkušenost a špatná informovanost voličů. Účelová manipulace veřejnými výdaji před volbami
je proto účinnějším nástrojem k dosažení volebního vítězství. Brender, Drazen (2004) však
upozorňují, že podle jejich empirické analýzy se politicko-rozpočtový cyklus po čtyřech po sobě
jdoucích demokratických volbách v těchto zemích vytrácí.
Česká republika náleží k zemím s rozvíjející se demokracií, přestože se její politický systém řídí demokratickými
principy již po dvacet let. V souladu s výše uvedenými poznatky bude v jejím případě
ověření výskytu politicko-rozpočtového cyklu zvlášť zajímavé. Brender, Drazen (2004) sice Českou
republiku zahrnuli do jimi zkoumaného souboru 68 zemí, ale analyzovali pouze velmi krátký časový
interval, který obsahoval parlamentní volby v roce 1996 a mimořádné volby v roce 1998. V současnosti
je možné do výzkumu zařadit také parlamentní volby v roce 2002 a 2006. Použití nejnovějších
výsledků parlamentních voleb roku 2010 komplikují chybějící ekonomická data.
Ve své následující studii z roku 2007 se Brender a Drazen rozhodli podat jiné vysvětlení pro
vznik politicko-rozpočtového cyklu v zemích s krátkou demokratickou historií. Tvrdili, že se politici
v těchto zemích snaží v předvolebním období pomocí fiskální expanze deklarovat, jak úspěšné
je fungování ekonomiky pod novým politickým systémem. Při své argumentaci vycházeli z role
mas, jejíž nespokojenost s vývojem ekonomiky může přispět k návratu k původnímu autoritativnímu
politickému systému. V novodobé historii České republiky však nikdy nedošlo k situaci, v níž
by reálně hrozil návrat ke komunismu. Závěry studie Brender, Drazen (2007) proto nemohou být
v jejím případě považovány za směrodatné. Příčiny vzniku politicko-rozpočtového cyklu v České
republice lze spíše spatřovat v rovině nedostatečného rozvoje principu otevřenosti demokracie
(Slaný, A., 2009). Otevřenost demokracie spočívá v naplnění svobody slova a v podpoře působení
nezávislých médií v zemi (Hamperin, Siegle, Weinstein, 2005). Dobrá informovanost voličů
nutí politiky k vyšší transparentnosti v nakládání s veřejnými prostředky, odrazuje je od korupce
a narušování tržních mechanismů. Při vysvětlení výskytu politicko-rozpočtového cyklu se proto
budeme držet původní myšlenkové linie studie Brender, Drazen (2004).
Rakousko patří mezi ty evropské země, v nichž demokratický politický systém úspěšné funguje
již od 50. let 20. století, kdy získalo status nezávislého státu. Ve studii Brender, Drazen (2004)
bylo zařazeno do vzorku zemí s tzv. zavedenou demokracií. Jeho voliči mají dlouholetou zkušenost
s chováním politiků před volbami a nezávislá média jsou jim zárukou dobré informovanosti.
Rakousko, ač je geograficky sousedem České republiky, tedy představuje protipól zkoumaného
typu zemí. Předpokládaný fiskální konzervatismus rakouských voličů může komplikovat odhalení
politicko-rozpočtového cyklu v zemi. Tímto problémem se ve svých studiích zabývali Drazen,
Eslava (2003), Eslava (2006), Drazen, Eslava (2006). Autoři nabídli vysvětlení v podobě tzv. pork
barrel cycles, kdy politici zacílí zvýšené veřejné výdaje pouze na tu skupinu voličů, které je pro
jejich dobrý výsledek ve volbách klíčová. Děje se tak na úkor ostatních voličů, k nimž naopak
proudí nižší veřejné výdaje. Předvolební manipulace se proto neprojeví na agregátní úrovni ani
na výši veřejných výdajů, ani na výši deficitů státního rozpočtů. Tyto studie však využívají odlišnou
metodologii výzkumu, a proto nebudou při ověření výskytu politicko-rozpočtového cyklu
v Rakousku brány v úvahu.
POLITICKÝ VÝVOJ 33
Modelový rámec politicko-rozpočtového cyklu České1.2.3.
republiky a Rakouska
Pro ověření výskytu politicko-rozpočtového cyklu v České republice a v Rakousku bylo na úvod
nezbytné stanovit si dostatečně dlouhé časové období výzkumu. Původním záměrem bylo zvolit
si časový úsek, který by odpovídal nejlépe pěti řádným volebním obdobím vlád. Časová řada čítající
dvacet let by poskytla dostatečný prostor pro empirické šetření, a to včetně přihlédnutí k dostupnosti
potřebných ekonomických dat.
Výzkum politicko-rozpočtového cyklu v České republice však bude proveden pro kratší časové
období let 1995–2007. První roky po pádu komunismu budou záměrně zanedbány, protože
v nich probíhaly zásadní politické a ekonomické změny, které ze své podstaty účelovou manipulaci
ekonomikou před volbami vylučují. Pro rok 2008 nejsou k dispozici všechna potřebná data,
a to zejména ta, která jsou součástí veřejně publikovaného Státního závěrečného účtu. Posun vybraných
proměnných o jedno časové období a použití diferenciace dat nám zkrátí zkoumanou časovou
řadu České republiky na pouhých jedenáct pozorování. Naproti tomu politicko-rozpočtový
cyklus v Rakousku bude analyzován v letech 1988–2008. Zachována tedy zůstane celá původně
zamýšlená řada dvaceti pozorování. Sledované období navíc odpovídá novému nastavení stranického
systému Rakouska, který se odklonil od bipartismu směrem k umírněnému pluralismu.
Podoba zkoumaného modelu politicko-rozpočtového cyklu bude vycházet ze studií Shi,
Svensson (2004a) a Brender, Drazen (2004). Jejich autoři se při odhadu politicko-rozpočtového
cyklu opírali o metodu GMM (Generalized Method of Moments), která byla rozpracována
v ekonometrické studii Arellano, Bond (1991). Cílem metody GMM bylo odstranit zkreslení, která
vznikala při empirické analýze politicko-rozpočtového cyklu pomocí metody OLS (Ordinary
Least Square). Zkreslení byla způsobena tzv. country specific effect. Jednalo se o proměnnou,
která nebyla přímo pozorovatelná a u jednotlivých zemí se lišila. Zahrnovala v sobě nejrůznější
faktory, které měly vliv na velikost deficitů státních rozpočtů, ale nebyly explicitně obsaženy
v ostatních proměnných modelu (např. hustota sítě sociálního zabezpečení, struktura ekonomiky,
mezinárodní závazky, kvalita životního prostředí atd.). Zařazení této proměnné do modelu mělo
své opodstatnění, pokud byl současně zkoumán velký počet zemí. Modely politicko-rozpočtového
cyklu vytvořené pro Českou republiku a Rakousko však budou zcela nezávislé a nebudou tuto
proměnnou obsahovat. K jejich odhadu proto bude použita původní prostá metoda nejmenších
čtverců (OLS), a to včetně nezbytných testů statistické významnosti.
Odhad modelu politicko-rozpočtového cyklu České republiky a Rakouska bude vycházet z následující
rovnice:
(1)
kde ft-k je cyklicky očištěný vládní deficit v roce t−k, xt představuje vektor kontrolních proměnných
v čase t, ELECt vyjadřuje volební umělou proměnou v čase t a εt je chyba, která se vyskytla
v čase t . bk, c a d jsou odhadované regresní koeficienty, kdy statistická významnost politicko-rozpočtového
cyklu bude sledována pomocí koeficientu volební proměnné d. Náplň zvolených proměnných
si přiblížíme v následujícím textu.
V dosud publikovaných empirických studiích o politicko-rozpočtovém cyklu byla za vysvětlovanou
proměnnou dosazována data, která vystihovala velikost deficitů státních rozpočtů. Brender,
Drazen (2004) ověřovali výskyt politicko-rozpočtového cyklu rovněž samostatně na vývoji veřejných
příjmů a výdajů. V modelu navrženém pro Českou republiku a Rakousku bude vysvětlovanou
proměnnou cyklicky očištěný vládní deficit ft , jehož hodnoty jsou v prvním případě publikovány
POLITICKÝ VÝVOJ34
Ministerstvem financí České Republiky (MF ČR), v případě druhém pak Mezinárodním měnovým
fondem (IMF). Cyklicky očištěný deficit je definován jako deficit, který je oproštěn o dopady
hospodářských cyklů. Jinak řečeno, jedná se o deficit státního rozpočtu, který by vznikl, pokud by
ekonomika byla na úrovni potenciálního produktu. Za jeho velikost odpovídá vláda svojí hospodářkou
politikou, což činí empirickou analýzu politicko-rozpočtového cyklu průkaznější.
K výpočtu cyklicky očištěného deficitu používají MF ČR i IMF metodu navrženou OECD
(Hagemann, 1999). Tato metoda je založena na zpracování dat, která v sobě zahrnují celý sektor
vládních institucí (tzn. státní rozpočet a rozpočty všech státních fondů či neziskových organizací,
které stojí mimo něj). Metoda se skládá ze tří kroků: identifikace příjmů a výdajů státu, které jsou
citlivé na hospodářský cyklus, výpočet potenciálního produktu pomocí Cobb-Douglasovy produkční
funkce a odvození cyklických komponent veřejných příjmů a výdajů. Cyklicky očištěný
deficit se získá odečtením cyklických komponent příjmů a výdajů od skutečného vládního deficitu
(van den Noord, 2000). Nevýhodou odhadu cyklicky očištěného deficitu je riziko obměny dat,
která ovlivňují výpočet mezery výstupu, nebo netransparentnost veřejných financí. Složitost účetních
technik může zastřít některé údaje dokreslující velikost rozpočtového deficitu iniciovaného
vládou. Na velikost cyklicky očištěného deficitu může působit i inflace. V obou zemích se však po
celá sledovaná období pohybovala na poměrně nízké úrovni.
Mezi standardní vysvětlující proměnné velikosti rozpočtových deficitů patří jejich zpožděná
hodnota. V modelu politicko-rozpočtového cyklu České republiky a Rakouska bude zkoumán
vliv cyklicky očištěného deficitu předchozího roku ft − k na současný cyklicky očištěný deficit f.
Vymezené časové řady budou tímto zkráceny o jedno pozorování.
Kontrolní proměnné xt modelu představují ukazatele, které může vláda na základě svých politik
ovlivnit. Změny jejich hodnot se mohu odrazit na velikosti cyklicky očištěného deficitu. Mezi
kontrolní proměnné byly v doposud publikovaných studiích řazeny: logaritmus reálného HDP
na obyvatele, mezera výstupu jako rozdíl mezi skutečným a potenciálním produktem, demografické
ukazatele nebo proměnné, týkající se otevřenosti ekonomik. HDP na obyvatele měl za cíl
vymezit ekonomickou úroveň ve zkoumané zemi. Mezera výstupu měla v modelech zachytit vliv
hospodářských cyklů na salda státních rozpočtů. Demografické faktory měly poukázat na možné
zatížení sociálního systému. Skládaly se ze dvou skupin populace: obyvatel v produktivním věku
(15–64 let) a důchodců (65+). Předpokládalo se, že s rostoucím počtem lidí v produktivním věku
se budou snižovat nároky na sociální systém. Naopak zvyšující se počet důchodců bude vytvářet
tlak na růst veřejných výdajů. Použití proměnné otevřenosti vycházelo z předpokladu, že země
s vysokým podílem exportů a importů na HDP budou mít větší podíl státu na hospodářství, protože
jsou více zranitelné (Persson, Tabellini, 2003a).
Vypovídací schopnost těchto kontrolních proměnných měla své opodstatnění, pokud byl výskyt
politicko-rozpočtového cyklu sledován na rozsáhlém vzorku zemí. Ekonomiky těchto zemí
se zpravidla nacházely v odlišné fázi ekonomického cyklu, měly různou ekonomickou úroveň, demografické
složení populace a míru napojení na zahraniční trhy. Při výzkumu politicko-rozpočtového
cyklu v jediné zemi – tak jak tomu bude v našem případě – ztrácejí tyto proměnné zohledňující
mezinárodní srovnání své opodstatnění. Nalezeny proto musí být nové kontrolní proměnné,
které měly vliv na výši rozpočtových deficitů v dané zemi.
Při hledání vhodných kontrolních proměnných vyjdeme ze změn ve fiskální politice, které se
uskutečnily během funkčních období vlád či před samotnými parlamentními volbami. Naši pozornost
zaměříme na míru zadlužení státu, vládní reformy, populační změny nebo předvolební
sliby a opatření vlád.
Státní rozpočty České republiky se pravidelně od roku 1995 nacházely v deficitech. Státní dluh
země se tímto postupně prohluboval až na současných 40 % HDP. Hrozbou pro ekonomickou
stabilitu země nebyla výše státního dluhu, ale rychlost, s jakou v průběhu let narůstal. Ve
POLITICKÝ VÝVOJ 35
zkoumaném období let 1995–2007 proběhly dva pokusy vlád o reformu veřejných financí. První
byla zahájena vládou vedenou levicovou ČSSD v roce 2003, druhá pocházela s dílny pravicové
vlády, která byla uvedena do úřadu v roce 2007. Obě reformy se přes veškeré své ambice omezily
na příjmovou stránku rozpočtu bez větších úsporných opatření ve veřejných výdajích. Nevyřešily
zásadní problém České republiky, který pramenil ze stárnutí její populace a odrazil se ve vyšších
finančních nárocích na její zdravotnický a důchodový systém.
V průběhu sledovaného období se v České republice konaly čtvery parlamentní volby. Kvůli použití
časových zpoždění a diferencí však budou do modelu zařazeny pouze tři. První z nich v roce
1998 probíhaly v situaci, kdy se ekonomika potýkala s důsledky měnové krize a výkonná moc
byla svěřena do rukou dočasně jmenované úřednické vlády. Předvolební manipulace fiskální politikou
proto byla málo pravděpodobná. Během volební kampaně v roce 2002 se politici zaměřili
zejména na výdajovou stránku rozpočtu. Cílem jejich pozornosti se staly rodiny s malými dětmi
a rozsáhlá skupina voličů v důchodovém věku. V roce 2006 byla nejsilnější vládní politické strana
nucena reagovat na volební program svého opozičního rivala a vedle slibu zachování sociálních
jistot rovněž přistoupila ke snižování daní. Součástí předvolební kampaně se v České republice
stalo odhalování politických a korupčních skandálů, které měly upozornit na propojenost politiků
s vybranými subjekty soukromé sféry či policejními složkami státu. Snaha politiků podpořit před
volbami některé ze zájmových skupin by se odrazila především ve veřejných výdajích státního rozpočtu.
Pro empirické testování politicko-rozpočtového cyklu v České republice proto byly vybrány
jako kontrolní proměnné modelu úroky placené ze státního dluhu v % HDP (urok_hdp), počet
důchodců ve věku 65+ (dem_d), počet státních zaměstnanců (st_zam), daňové břemeno uvalené
na voliče (dane_hdp), podíl výdajů na zdravotnictví na veřejných výdajích (zdrav_vv), příspěvky
státu rodinám s dětmi (p_p_p) či podíl kapitálových výdajů na veřejných výdajích (kap_vv).
Cyklicky očištěný vládní deficit Rakouska měl tendenci v období let 1988–2008 klesat. Přesto
Rakousko nemohlo být zařazeno mezi fiskálně odpovědné země. Na konci 80. let byla jeho
hospodářská politika založena na tzv. austrokeynesiánství (Hloušek, 2008), které se vyznačovalo
vyššími veřejnými výdaji státu a růstem jeho angažovanosti v ekonomice. Důsledkem této hospodářské
politiky byl nárůst rakouského státního dluhu, který se vyšplhal až na 60 % HDP. Při
vstupu Rakouska do Evropské unie v roce 1995 a jeho ambicích přijmout společnou měnu se
země zavázala plnit tzv. Maastrichtská kritéria. V předvstupním a současně volebním roce 1994
však deficit státního rozpočtu dosahoval –5 % HDP a státní dluh 61,4 % HDP – s reálnou vidinou
zhoršení těchto ukazatelů v následujících letech. Snahy o snížení zadlužení státu a reformy
veřejných financí se pak staly předmětem politických sporů a příčinou předčasných parlamentních
voleb, které se v Rakousku konaly v letech 1995 či 2002. Rakousko se postupně snažilo
vyřešit nepříznivou fiskální situaci privatizací státních podniků, rozsáhlou reformou veřejné
správy či reformami důchodového a zdravotního systému. Podobně jako Českou republiku ho
sužoval problém stárnoucí populace. Za indicie předvolebních fiskálních expanzí mohly být
v Rakousku považovány změny daňového systému, zvýšené příspěvky pro rodiny s dětmi nebo
vyšší než očekávané růsty platů státních zaměstnanců při zachování některých jejich dalších výhod.
Kontrolní proměnné modelu politicko-rozpočtového modelu se tedy budou podobat těm,
které byly zvoleny v případě České republiky. Jedná se o úroky placené ze státního dluhu (uroky_hdp),
podíl důchodů na populaci (podil_d), počet státních zaměstnanců (st_zam) či daňové
břemeno uvalené na voliče (dane_hdp).
Data o vývoji kontrolních veličin budou pocházet z databází českého a rakouského statistického
úřadu, ministerstev financí České republiky a Rakouska, IMF, OECD, Eurostatu či ILO. Použité
časové řady ve většině případů vykazovaly téměř konstantní tempo růstu. K odstranění případných
problémů, které jsou spojeny s jejich trendovým vývojem, proto bude pro vysvětlované i vysvětlující
proměnné modelu při odhadu použit koncept diferenciace dat.
POLITICKÝ VÝVOJ36
Umělá volební proměnná ELECt
bude v modelu politicko-rozpočtového cyklu nabývat hodnoty
1 v roce voleb a 0 v ostatních letech. Regresní koeficient této proměnné nám odhalí výskyt politicko-rozpočtového
cyklu v České republice a v Rakousku. V obou zemích se volby do dolní komory
parlamentu konají v řádném termínu vždy jednou za čtyři roky. V České republice jsou volby vyhlašovány
tradičně na počátku měsíce června. Rakouští voliči rozhodují o své budoucí vládě v měsíci
říjnu. Přepokládá se, že legislativní změny potřebné k provedení fiskální expanze činí vlády s předstihem
tak, aby byl jejich účinek patrný v době voleb. Nejčastěji vchází v platnost na počátku nebo
v průběhu volebního roku. Vládní politické strany si totiž jsou vědomy krátkozrakosti voličů, tj. jejich
schopnosti pamatovat si pouze ta opatření, která byla realizována v době nedávné.
Cílem takto definovaného modelu bude ověřit, zda se v České republice v letech 1995–2007
a v Rakousku v letech 1988–2008 skutečně vyskytoval politicko-rozpočtový cyklus. Jeho přítomnost
bude důkazem o účelové fiskální expanzi ze strany vlád v letech konání voleb.
Empirické ověření výskytu politicko-rozpočtového cyklu1.2.4.
v České republice a Rakousku
Konečná podoba odhadovaného modelu politicko-rozpočtového cyklu vycházela z poznatků
o faktorech, které ovlivnily výši příjmů a výdajů státních rozpočtů České republiky a Rakouska.
U obou zemí byla z analýzy vyloučena vysvětlující proměnná ft −k , která představovala o jedno
období zpožděný cyklicky očištěný vládní deficit. Její regresní koeficient se vyznačoval správným
(záporným) znaménkem. Proměnná zvyšovala vypovídací schopnost modelu, ovšem nebyla statisticky
významná. Kolísání cyklicky očištěného vládního deficitu ft proto bylo vysvětleno pouze
pomocí umělé proměnné ELECt a vysvětlujících proměnných, které byly v původním nastavení
modelu (1.1) skryty pod označením xt.
Výzkum politicko-rozpočtového cyklu se nejprve zaměří na Českou republiku a následně na
Rakousko.
Model politicko-rozpočtového cyklu České republiky měl následující podobu:
ft = c1 * dane_hdpt + c2 * dem_dt + c3 * p_p_pt + d * ELECt + εt , (2)
v níž proměnná dane_hdpt vyjadřovala podíl součtu příjmů vybraných daní na hrubém domácím
produktu. Jednalo se o daně, které v České republice ovlivňovaly voliče v pozici pracovníka a spotřebitele.
Voličova motivace pracovat se odvíjela od výše daně z příjmu fyzických osob (DPFO) či
pojistného na sociálním zabezpečení a zdravotním pojištění, které mu byly odečítány od hrubé
mzdy. Jeho rozhodnutí, jakou část disponibilního důchodu věnovat na spotřebu, pak záleželo na daňové
sazbě DPH. Tato proměnné byla v modelu rovněž očištěna o vliv hospodářského cyklu. Vedle
daňového břemene voliče se stala součástí modelu i vysvětlující proměnná dem_dt, jejímž úkolem
bylo zachytit vývoj počtu důchodců. Česká republika patří k zemím, které jsou postiženy stárnutím
populace. Růst počtu lidí v důchodovém věku posiloval důležitost této skupiny voličů, současně
však vytvářel negativní tlak ve vztahu k státnímu rozpočtu. Vedle důchodců byly v předvolebním
klání druhou nejčastější cílovou skupinou rodiny s dětmi. Vysvětlující proměnná p_p_pt se skládala
z veřejných výdajů ve formě příspěvků na dítě, porodného, peněžité pomoci v mateřství a pastelkovného.
Příspěvky na děti byly v centru pozornosti politiků především v 90. letech. Porodné se stalo
výrazným tématem parlamentních voleb v letech 2006 a 2010. Pastelkovné, tj. příspěvek ve výši
1000Kč, věnovala vláda prvňáčkům před volbami v roce 2006. Poslední zařazenou proměnnou byla
ELECt
, jejíž regresní koeficient měl odhalit výskyt politicko-rozpočtového cyklu v České republice.
POLITICKÝ VÝVOJ 37
Výsledky modelu politicko-rozpočtového cyklu v České republiceTabulka č. 5:
PROMĚNNÁ OLS
dane_hdpt
13,000**
(2,335)
dem_dt
1,306 *
(1,944)
p_p_pt
−15,636
(−1,633)
ELECt
−51,634**
(−3,179)
počet pozorování 11
F 0,24
R2 0,71
Zdroj: vlastní výpočet
Odhad politicko-rozpočtového cyklu metodou nejmenších čtverců přinesl tyto výsledky. Regresní
koeficient vysvětlující proměnné dane_hdpt měl kladnou hodnotu. Růst daňového břemene voličů
o 1 % tedy snižoval cyklicky očištěný vládní deficit přibližně o 13 mld. Kč. Tento výsledek byl
statisticky významný na 5 % hladině významnosti. Daně patřily mezi hlavní volební témata politických
stran až v roce 2006. Pravicová ODS tehdy založila svoji kampaň na prezentaci konceptu
15 % rovné daně z příjmu fyzických osob. Vládní strany na to zareagovaly poklesem sazeb této
daně u pracovníků s nízkými příjmy, kteří byli potenciálními voliči zejména levicové ČSSD. Data,
jež byla očištěna o vliv hospodářského cyklu, prokázala, že v roce 2006 byly příjmy státu z DPFO
nižší, což přispívalo k předpokládanému poklesu daňového břemene v roce voleb.
Regresní koeficient proměnné dem_dt
nabýval kladné hodnoty, což bylo v rozporu se základní
intuicí modelu. Růst počtu lidí nad 65 let věku v české populaci přispíval podle výsledků modelu
k poklesu cyklicky očištěného vládního deficitu a nikoliv jeho růstu. Možným vysvětlením je, že
v letech konání parlamentních voleb rostl počet důchodů v zemi, ovšem klesajícím tempem. Toto
tvrzení bylo pravdivé v případě zkoumaných let 1998 a 2002. Statistická významnost proměnné
dem_dt
se nacházela na úrovni 90 %.
Záporné znaménko regresního koeficientu proměnné p_p_pt
potvrdilo, že růst státních příspěvků
rodinám s dětmi negativně ovlivňuje výši vysvětlované proměnné. Změny v jednotlivých složkách
p_p_pt
však nedodatečně vysvětlovaly kolísání cyklicky očištěného deficitu, což se projevilo
v statistické nevýznamnosti této proměnné.
Regresní koeficient volební proměnné ELECt
byl v souladu s očekáváním negativní. Z jeho
hodnoty vyplývá, že v letech konání voleb byly cyklicky očištěné vládní deficity přibližně o 51
mld. Kč vyšší než v ostatních letech. Tímto byl ověřen předpoklad o existenci politicko-rozpočtového
cyklu v České republice, a to na 5 % hladině významnosti.
Zvolené vysvětlující proměnné byly dle hodnoty koeficientu determinace zvoleny vhodným
způsobem. Objasnily 71 % z celkového kolísání cyklicky očištěného deficitu. Dosažená P-hodnota
F-testu současně potvrdila statistickou významnost modelu. Vysvětlující proměnné modelu spolu
nebyly korelované, což prokázalo, že model netrpí multikolinearitou. Jako statisticky nevýznamné
se projevily proměnné, které vyjadřovaly podíl úroků ze státního dluhu na HDP (uroky_hdp), vývoj
zaměstnanosti ve státní sféře (st_zam) či podíl výdajů na zdravotnictví na celkových veřejných
výdajích (zdrav_vv). Díky svým neuspokojivým výsledkům byly z analýzy vyloučeny.
POLITICKÝ VÝVOJ38
Při interpretaci výsledků modelu politicko-rozpočtového cyklu musíme brát v úvahu poměrně
krátkou časovou řadu, která byla k odhadu použita. Z 19 možných pozorování, která vyplývají
z trvání demokracie v České republice, se jejich počet snížil na pouhých 11. První roky po pádu
komunismu nebyly do modelu začleněny, protože v nich probíhaly zásadní transformační změny.
V případě časových údajů, které se týkají cyklicky očištěného vládního deficitu, nebyla do
zkoumání zařazena jeho hodnota z roku 1995. V tomto roce byl podle Ministerstva financí České
republiky zaznamenán jeho dosud nevyšší propad, který výrazně vybočuje ze zbytku časové řady.
Další zkrácení časové řady bylo způsobeno použitím konceptu diferencí dat. Data z let 2008
a 2009 nebyla kompletní do té míry, aby mohla být do analýzy začleněna.
Výzkum politicko-rozpočtového cyklu se tak soustředil pouze na troje parlamentní volby,
z nichž ty, které se konaly v roce 1998, byly předčasného charakteru. V úřadu se před nimi nacházela
tzv. poloúřednická vláda. Byla sestavena po demisi pravicové vlády na počátku roku 1998
a její mandát byl velmi krátký. Jejím cílem byla stabilizace ekonomiky, která se začala po měnové
krizi z roku 1997 propadat do recese. Snaha provádět fiskální expanzi za účelem volebního vítězství
proto byla u této vlády málo pravděpodobná. Hlavním váha zneužití fiskální politiky vládou
se tímto přesunula do volebních let 2002 a 2006. Za typické příklady předvolebních opatření, které
prováděly vlády v čele s levicovou ČSSD, mohou být například považovány výplata pastelkovného,
výrazný nárůst porodného nebo snížení daní vybraným skupinám voličů v roce 2006.
Výzkum politicko-rozpočtového cyklu v Rakousku vycházel z rovnice:
ft = c1 * dane_hdpt + c2 * st_zamt + c3 * uroky_hdpt + d * ELECt + εt, (3)
v níž vysvětlující proměnná dane_hdpt
představovala podíl příjmů státu z daní ze mzdy na hrubém
domácím produktu. Z výsledků odhadu modelu je patrné, že regresní koeficient této proměnné
měl dle předpokladů kladné znaménko a byl významný na 5 % hladině významnosti. Jeho hodnota
naznačovala, že růst daňového břemene o 1 % vedl v Rakousku k poklesu cyklicky očištěného
vládního deficitu přibližně ve výši 2 223 milionů Euro. Od konce 80. let přistoupily rakouské vlády
k několika reformám daní z příjmu, jejichž cílem bylo zvýšit motivaci k práci a reagovat na rostoucí
mezinárodní konkurenci na trzích práce. První a nejrazantnější reforma daní z příjmu byla
iniciována v roce 1989 a snížila mezní i průměrné zdanění všech příjmových skupin obyvatelstva.
Další daňové reformy pak vešly v platnost před či v samotném roce konání řádných parlamentních
voleb. Reforma z roku 1994 se zaměřila na strukturu zdanění, reformy z let 1999 a 2005 pak
na pokles daňových sazeb (Schratzenstaller, Wagener, 2008). Snížení daní ze mzdy omezilo příjmy
státu a působilo na zhoršení fiskální rovnováhy. Pokles daňového břemene je patrný v grafu
níže. Tato zjištění odpovídají závěrům studie Brender, Drazen (2004). Důležité je rovněž zmínit,
že příjmy z daní ze mzdy tvořily v Rakousku v průběhu sledovaného období stále významnější
část výnosů ze všech daní z příjmu.
POLITICKÝ VÝVOJ 39
Daňové příjmy jako procento HDP, Rakousko, 1959–2006Graf č. 15:
1959 200419991994198919841979197419691964
0
2
4
6
8
10
Total income taxes
Wage tax
Corporate tax
Assessed income tax
Dividend tax
Interest tax
Tax on industry and trade
Zdroj: Schratzenstaller, M., Wagener, A., (2008)
Další vysvětlující proměnnou modelu politicko-rozpočtového cyklu byla st_zamt
. Byla zvolena v reakci
na rozsáhlou reformu veřejné správy, kterou zahájily rakouské vlády v 90. letech. Cílem reformy
bylo snížit počet státních zaměstnanců a tím vytvořit úspory na výdajové straně státního rozpočtu.
Někteří ze státních zaměstnanců byli propuštěni, jiní díky privatizaci státních podniků přešli do soukromé
sféry nebo odešli do předčasného důchodu. Hájenou skupinou v první fázi reformy byli učitelé.
Přestože počet státních zaměstnanců poklesl, jednalo se stále o důležitou skupinu voličů, kterou
si politici chtěli zavázat. Příkladem může být růst platů státních zaměstnanců ve volebním roce 1999
o 2,5 % přes původní plán jejich snížení o 1 %. Regresní koeficient proměnné st_zamt
vyšel s kladnou
hodnotou, což neodpovídalo předpokladu o zhoršení fiskální rovnováhy s nárůstem počtu státních
zaměstnanců. Proměnná st_zamt
navíc neprojevila jako statisticky významná.
Výsledky modelu politicko-rozpočtového cyklu v RakouskuTabulka č. 6:
PROMĚNNÁ OLS
dane_hdpt
2 223,24**
(2,636)
stat_zamt
57,23
(0,468)
uroky_hdpt
−7 618,92**
(−2,731)
elect
−2 323,81***
(−2,796)
počet pozorování 20
F 4,42
R2 0,53
Zdroj: vlastní výpočet
Vysvětlující proměnná uroky_hdpt prokázala, že růst podílu úroků ze státního dluhu na hrubém
domácím produktu zvyšoval cyklicky očištěný vládní deficit Rakouska přibližně o 7619 milionů
Euro. Regresní koeficient proměnné byl statistický významný na 5 % hladině významnosti.
Rakousko se zadlužovalo průběžně od 50. let, a to díky zvolenému austokeynesiánskému modelu
POLITICKÝ VÝVOJ40
hospodářské politiky. Na počátku 90. let přesáhl státní dluh hranici 60 % HDP. Prohlubování
deficitů státního rozpočtu tedy pro Rakousko znamenalo vyšší zátěž ve formě splácení úroků
z dluhu. Z výsledků je patrné, že růst podílu úroků ze státního dluhu na HDP dokázal prohloubit
cyklicky očištěný vládní deficit třikrát více než účelová předvolební fiskální expanze vlád. Vstup
Rakouska do Evropské unie a následně i do eurozóny vyžadoval po členských státech plnění
Maastrichtských kritérií. Rakouské vlády byly tímto přinuceny přistoupit k reformám veřejných
financí. Díky nim se Rakousku podařilo stabilizovat státní dluh na úrovni 60 %. Jeho snížení by
bylo možné pouze za předpokladu ještě razantnějších reforem nebo vyššího ekonomického růstu
Rakouska.
Výskyt politicko-rozpočtového cyklu byl ověřen pomocí vysvětlující proměnné ELECt
. Její regresní
koeficient splnil očekávání a vyznačoval se záporným znaménkem. Jinak řečeno, cyklicky očištěné
vládní deficity se měly tendenci zvyšovat v roce voleb přibližně o 2 324 milionů Euro. Regresní
koeficient byl značně statisticky významný, a to na 1 % hladině významnosti. Rakouské vlády tedy
podle výsledků modelu v letech voleb iniciovaly fiskální expanzi za účelem svého zvolení.
Hodnota koeficientu determinace naznačuje, že použité vysvětlující proměnné objasnily 53 %
z celkového kolísání cyklicky očištěných vládních deficitů. Hodnota koeficientu determinace
byla menší než v případě České republiky. Statistická významnost modelu jako celku však byla
u Rakouska vyšší. Jedním z vysvětlení může být použitá délka časové řády. Narozdíl od České
republiky bylo zkoumání podrobeno hned sedm parlamentních voleb, z nichž čtyři se konaly
v řádném termíny a tři byly vypsány jako předčasné. Ostatní zamýšlené proměnné jako příspěvky
státu rodinám s dětmi (p_p_pt
) či počet důchodců v populaci (dem_d) nebyly do modelu zahrnuty
z důvodu nedostupnosti dat a statistické nevýznamnosti.
Ve vymezených časových obdobích byl potvrzen výskyt politicko-rozpočtového cyklu v České
republice i Rakousku. V České republice byly identifikovány předvolební změny ve veřejných
výdajích, které se týkaly rodin s dětmi či důchodců (např. valorizace důchodů v roce 2002 oproti
ostatním letem vyšší). Změny v proměnné p_p_pt
, která obsahovala porodné či pastelkovné, se
však ukázaly jako nedostatečně statisticky významné. Pokles daňových sazeb před volbami byl
u vybraných příjmových skupin patrný až v roce 2006. Velikost cyklicky očištěného vládního
deficitu Rakouska významně ovlivňovala zadlužení státu a tím nutnost splácet úroky z dluhů.
Ve volebních letech byly zpravidla realizovány daňové reformy, které vedly k snížení daňového
břemene uvaleného na ekonomické subjekty. Na straně výdajů se prostředkem k ovlivnění vybraných
skupin voličů stal například vyšší růst mezd státních zaměstnanců či růst příspěvků rodinám
s dětmi. U příspěvků rodinám s dětmi je však nutné poznamenat, že ty byly v roce 1999 výrazně
navýšeny mimo jiné díky rozhodnutí Nejvyššího soudu a pro ověření jejich vlivu na výši cyklicky
očištěného vládního deficitu nebyla přístupná dostatečně dlouhá časová řada dat.
Závěr1.2.5.
Ověření výskytu politicko-rozpočtového cyklu v České republice a Rakousku vycházelo z modelového
rámce studií Shi, Svensson (2004) a Brender, Drazen (2004). Výsledky jejich výzkumu se
vztahovaly k širokému vzorku zemí, což ovlivnilo výběr použitých vysvětlujících proměnných.
Pro výzkum politicko-rozpočtového cyklu v jediné zemi se však ukázaly tyto proměnné jako neadekvátní.
Byly proto nahrazeny jinými, které lépe odpovídaly faktorům, které působily na vývoj
fiskální rovnováhy dané země. Brender, Drazen (2004) zařadili Českou republiku mezi země
s krátkou demokratickou historií, naopak Rakouskou bylo typickým příkladem země s tzv. zavedenou
demokracií. Na základě své analýzy dospěli k závěru, že iniciace politicko-rozpočtového
cyklu v zemích s mladou demokracií vychází z výdajové stránky rozpočtů, kdežto u dlouhodobě
POLITICKÝ VÝVOJ 41
demokratických zemí se dotýká příjmů z daní. Výzkum politicko-rozpočtového cyklu v České republice
a Rakousku tyto závěry potvrdil. U obou zemí byla prokázána účelná manipulace fiskální
politikou před volbami. Byly poskytnuty příklady předvolebních opatření, jejichž cílem bylo naklonění
vybraných skupin voličů. V České republice se váha předvolební fiskální expanze přenesla
na parlamentní volby, které se konaly v letech 2002 a 2006. V Rakousku se rovněž díky načasování
daňových reforem týkala především řádných parlamentních voleb. Řádné parlamentní volby se
navíc konaly v letech, kdy česká i rakouská ekonomika zaznamenaly růst. Svědčí to o procyklickém
chování vlád, jímž vlády narušily svůj cíl stabilizace ekonomického systému. Vyloučení předčasných
parlamentních voleb z analýzy však nebylo provedeno. Vlády totiž v roce před vypsáním
předčasných parlamentních voleb trpěly nejednotností názorů koaličních politických stran na
razanci fiskálních reforem (příčina rakouských voleb v roce 1995 a 2002) nebo měly úřednický
charakter (případ českých voleb 1998 a 2010). Obojí udržovalo deficity státních rozpočtů na vyšší
úrovni, než by pravděpodobně byla za standardních podmínek (tj. v okamžiku, kdy by mezi
stranami vládní koalice vláda názorová shoda ve věci reforem nebo by u moci byla vláda vzešlá
z řádných voleb).
Iniciaci politicko-rozpočtového cyklu napomáhá politická nestabilita, v níž politické strany
musí vynaložit více úsilí na přesvědčení voličů. Podle ukazatelů kvality veřejné správy, které publikuje
Světová banka, byla úroveň vládnutí v Rakousku vyšší než v České republice. V případě
Rakouska ovšem byla u ukazatelů zaznamenána sestupná tendence, kdežto ukazatele demokracie
či výkonnosti vlád se měly tendenci u České republiky v čase zlepšovat. Ukazatel politické stability
byl u obou zemí rozkolísaný. Česká republika měla dosud v čele slabé vlády menšinového charakteru
nebo vlády, opírající se o nejistou většinu poslaneckých mandátů v poslanecké sněmovně.
V Rakousku trpěl politický systém jiným nedostatkem. Rakouští voliči se odklonili od tradičních
politických stran SPÖ a ÖVP, které postupně ztrácely své voliče. Nejvýraznější pokles voličské
podpory pak zaznamenaly v posledních parlamentních volbách v roce 2008. Voliči nalezli alternativu
ve stranách krajní pravice. Jednalo se však o vnitřně nekonzistentní politické subjekty, které
se při účasti na vládnutí příliš neosvědčily. V rakouské Národní radě se také začal zvětšovat počet
zastoupených subjektů a síly mezi nimi se začaly vyrovnávat. Došlo tak k zásadnímu odklonu od
původního modelu bipartismus. Růst politické nestability byl tedy v Rakousku dán změna ve stranickém
systému a z ní plynoucí voličské volatility.
V České republice a Rakousku tedy existovaly institucionální předpoklady pro výskyt politickorozpočtového
cyklu, který byl pomocí odhadnutého modelu prokázán.
42
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 43
Vliv institucionálních charakteristik1.3.
na ekonomický růst: Česká republika
a Rakousko po roce 1989
V literatuře panuje široká shoda na existenci vztahu mezi institucionálním prostředím a ekonomickou
úrovní. Tak široká shoda však již nepanuje na tom, jakým směrem působí kauzalita. Tedy
jestli dobré institucionální prostředí způsobuje v dlouhém období vyšší ekonomický růst a v důsledku
vyšší ekonomickou úroveň,1
nebo zda vyšší růst vede k budování lepšího institucionálního
prostředí.2
Obě pojetí vlivu institucí na růst a výkon ekonomiky naznačují, že pokud můžeme v dlouhém
období sledovat konvergenci ekonomické úrovně ekonomik, potom bychom měli být v relevantním
období také schopni sledovat konvergenci institucionálního prostředí, která by měla být buď
příčinou nebo důsledkem ekonomické konvergence.
Cílem tohoto textu je na datech prověřit, zda existuje konvergence ekonomické úrovně ČR3
k Rakousku, které jako reprezentant vyspělých ekonomik slouží coby benchmark. A v závislosti
na existenci konvergence ekonomické úrovně na datech prověřit, zda případně dochází i ke konvergenci
institucionálního prostředí.4
První kapitola textu se věnuje zkoumání vzájemného vývoje ekonomické úrovně ČR, Slovenska
a Rakouska. Druhá kapitola se potom zaměřuje na vymezení pojmů instituce, institucionální prostředí
a také na jejich význam pro výstup ekonomiky a na možnosti jejich měření. Poslední dvě
kapitoly se potom zevrubně věnují jednotlivým indikátorům popisujícím institucionální prostředí
a jejich případné konvergenci.
1 Toto pojetí vztahu institucí a výkonu ekonomiky je převažující – z významných autorů tento přístup v řadě prací
zastává například D. North (například North (1990)) nebo D. Acemoglu (například Acemoglu (2009); Acemoglu
et al. (2002); Acemoglu & Johnson (2005); Acemoglu et al. (2005)). Acemoglu (2009) potom podává přehled
recentní argumentace ve prospěch této hypotézy.
2 Tento menšinový přístup zastává například Lipset (1960) nebo Glaeser et al. (2005).
3 Pokud to data dovolují, je do srovnání zahrnuto i Slovensko.
4 Sledování procesu konvergence institucionálního prostředí není v literatuře obvyklé – ve většině případů se zkoumá
na průřezových datech vliv určité charakteristiky na výstup ekonomiky.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198944
Konvergence ekonomické úrovně1.3.1.
Prvním postupným krokem musí být zjištění, zda vůbec dochází ke konvergenci. Vzájemný vývoj
ekonomické úrovně České republiky a Slovenska k Rakousku je popsán (1):
(1)
Proměnná SHARE je procentním podílem ekonomické úrovně sledovaných zemí na úrovni
Rakouska. (Ekonomická úroveň Rakouska v každém roce představuje 100 %.) SHARE je konstruována
za použití Maddisonových (2010) ročních dat (1990 mezinárodní Geary-Khamis dolary).5
Všechna data byla před vypočítáním procentních podílů vyhlazena pomocí Hodrick-Prescottova
filtru (λ = 100). Proměnná time představuje logický čas. Proměnná ε potom reprezentuje náhodnou
složku.
Pokud by parametr β1
, který určuje trend, byl kladný, potom by docházelo ke konvergenci ekonomik
ze stavu β0
a proto bychom očekávali i konvergenci institucionálního prostředí. Naopak
pokud by byl menší než nula, potom by docházelo k divergenci a předpokládali bychom i divergenci
institucionálního prostředí.
Tato hypotéza není v rozporu s žádným z přístupů ke vztahu institucionálního prostředí a výstupu
ekonomiky zmiňovaných v úvodu.
Odhad parametrů (1) pomocí OLS pro roky 1993–20086
poskytl výsledky zachycené v tabulce
č. 7 a v grafu č. 16.
Odhadnutý trend ukazuje konvergenci ekonomické úrovně ČR a Slovenska k Rakousku. Na
datech se tedy budeme snažit najít i konvergenci institucionálního prostředí.
Konvergence ekonomické úrovně ČR a Slovenska k Rakousku, úroveň Rakouska v každémGraf č. 16:
roce představuje 100 %
1995 1996 1998 2000 2002 2004 2006 2008
Slovakia Slovakia (trend)Czech Republic (trend)Czech Republic
36%
38%
40%
42%
44%
46%
48%
50%
52%
54%
Zdroj: Maddison (2010)
5 Použitá data jsou dostupná pro Matlab (http://www.econ.muni.cz/~137451/research/datafiles/GDPpc.mat)
a Gretl (http://www.econ.muni.cz/~137451/research/datafiles/WP_GDP_konv.gdt).
6 Podrobná data k odhadům obsahují tabulky č. 13 a č. 14.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 45
OLS Odhady modelu konvergence ekonomikTabulka č. 7:
βˆ
0 βˆ
1 R2 F
ČR 40,1054 0,442496 0,76 44,54427
(p-hodnoty) (4,8 × 10−15
) (1,05 × 10−5
) (0,000011)
Slovensko 28,2975 0,896838 0,93 185,3058
(p-hodnoty) (4,93 × 10−13
) (1,82 × 10−9
) (1,82 × 10−9
)
Instituce a jejich měření1.3.2.
Pro pojem instituce a institucionální prostředí se v literatuře používají různá vymezení. Pro účely
této kapitoly se přidržíme nejčastějšího pojetí, které pochází od Northeho (str. 3, 1990) a institucemi
rozumí „pravidla hry ve společnosti“.7
Which institutions matter?1.3.2.1.
Institucionální prostředí představuje jen těžko uchopitelnou množinu jednotlivých pravidel (institucí).
Pro přesnější popsání vlivu institucí na výkon ekonomiky je potřeba nejprve tuto rozsáhlou
množinu rozdělit a zkoumat význam jejích jednotlivých součástí.8
ČR a Rakousko jsou země, jejichž institucionální prostředí jsou díky společné kultuře a historii
do značné míry homogenní. Zásadní odlišnost však z historických důvodů vznikla v oblasti soukromého
vlastnictví (vlastnického práva) – tedy v oblasti, která je z hlediska výstupu ekonomiky
obecně považována za klíčovou. Zatímco Rakousko si udrželo standardní systém soukromého
vlastnictví, v Československu bylo soukromé vlastnictví silně potlačeno. Transformace ekonomik
bývalého Československa tak byla i transformací podoby soukromého vlastnictví – konkrétně reinstalací
soukromého vlastnictví ve formě běžné v rozvinutých ekonomikách.
V této kapitole se zaměříme právě na vývoj vlastnických práv, a to podle rozdělení, které používají
Acemoglu & Johnson (2005).
Acemoglu & Johnson (2005) rozdělují instituce týkající se soukromého vlastnictví do dvou základních
skupin:
contracting institutions9
upravují transakce (smlouvy) mezi jednotlivými soukromými agenty –
tedy agenty, kteří jsou si z mocenského hlediska principiálně rovni. Méně kvalitní contracting
institutions vedou k růstu transakčních nákladů a snižují i ochotu investovat.10
Nicméně jejich
nízkou úroveň mohou agenti kompenzovat například vyjednáváním kvalitnějších smluv atd.
Acemoglu & Johnson (2005) uvádí, že pro výstup ekonomiky nemají contracting institutions velký
význam. Naopak Trew (2009) nachází pozitivní vztah mezi některými proxy pro contracting
institutions a růstem ekonomiky. Proxy, které používá Trew (2009), jsou z větší části použity
i v tomto textu;
7 North (1990, str.3) definuje instituce takto: „Institutions are the rules of the game in society or, more formally, are
the humanly devised constraints that shape human interaction.“
8 Významu jednotlivých institucí pro výkon ekonomiky se věnuje celá řada empirických prací – například: Barro
(1996); Bockstette et al. (2002); Bardhan (2005); Djankov et al. (2003) a mnoho dalších.
9 Pro běžně používané anglické názvy skupin institucí neexistuje žádný běžně používaný český ekvivalent.
10 Blíže například Eggertsson (1990).
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198946
property rights institutions jsou skupinou institucí, které upravují vzájemný vztah soukromých
agentů a státu ve věci soukromého vlastnictví. V praktické podobě jsou spojeny s ochranou soukromých
agentů před násilím ze strany státu, které v případě vlastnických práv může nabývat
především podobu vyvlastnění. Stát představuje subjekt, který je na mocensky vyšší úrovni než
jednotliví soukromí agenti a agenti se proto proti jeho zvůli nemohou jednoduše pojišťovat.
V případě property rights institutions shledává Acemoglu & Johnson (2005) na empirických průřezových
datech jejich vliv na výstup ekonomiky významným.
Měření institucí1.3.2.2.
Instituce jsou na makro úrovni neměřitelné. Výzkum jejich vlivu však vyžaduje, aby byly určitým
způsobem kvantifikovány. Je tedy potřeba najít určité proxy proměnné, které by co nejlépe popisovaly
určité aspekty institucionálního prostředí dané ekonomiky.
Roli těchto proxy proměnných hrají ve výzkumech zaměřených na vztah institucí a výstupu
ekonomiky zpravidla indexy založené na expertním hodnocení, (přehled nejčastěji používaných
indexů obsahuje tabulka č. 9).
Pro sledování vývoje institucionálního prostředí v ČR a Rakousku tak budeme muset najít sadu
proxy proměnných, které by popisovaly stav obou druhů zkoumaných institucí. Při jejich volbě
hrála rozhodující roli možnost jejich jasné interpretace (preferovány byly indexy s relativně jednodušší
konstrukcí a užším vymezením) a v neposlední řadě také jejich dostupnost a období, pro
které jsou tabelovány.11
Pro contracting institutions jsou použity následující indikátory:12
index právního formalismu – Index of Legal Formalism (Djankov et al., 2003),
vynucování smluv (Enforcing contracts) (IBRD & World Bank, 2009),
index nezávislosti soudů de iure/de facto – Index of De iure/De facto judicial independence (Feld &
Voigt, 2003).
Přiřazení některých indikátorů k jedné ze skupin institucí nemusí být vždy jednoznačné. Například
Feld & Voigt (2003) interpretují nezávislé soudnictví jako významný faktor ovlivňující podobu
transakcí (smluv) mezi soukromými agenty a jako pojistku bránící soukromé vlastnictví před násilím
ze strany státu.
Pro aproximaci property rights institutions jsou použity následující indikátory:
omezení exekutivy – Constraints on executive – XCONST (Marshall et al., 2010),
index ochrany soukromého vlastnictví – Private property protection (Miller et al., 2010).
Používání mnoha indexů zachycujících ochranu soukromých agentů před násilím státu čelí neopomenutelné
kritice. Glaeser et al. (2005) argumentují, že tyto indexy ve skutečnosti nemají žádný
přímý vztah k institucím (pravidlům), ale že pouze odráží chování exekutivy. Tuto kritiku výslovně
vztahují i na zde používaný index XCONST, který má být podle jeho autorů být právě nástrojem
pro měření pravidel, která omezují chování exekutivy.
Kritika tedy spočívá v tom, že dobré hodnocení mohou získat i autoritativní režimy, jejichž moc
není omezena žádnými pravidly, ale které se přesto rozhodnou ochraňovat soukromé vlastnictví.
Takové chování vysvětluje například Clague et al. (1997) předpokládanou životností daného
11 Podrobně se jednotlivým použitým ukazatelům věnuje prostor v kapitolách 1.3.3 a 1.3.4.
12 Popis základních charakteristik použitých indikátorů je v tabulce č. 10.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 47
režimu. Pokud má autokratický režim dlouhou životní perspektivu, potom se může snažit maximalizovat
svoje výnosy maximalizací daňových výnosů. Za tohoto předpokladu bude mít motivaci
podporovat hospodářský růst – například ochranou soukromého vlastnictví. Tuto argumentaci
podporují i jejich výsledky prezentované v tabulce č. 8.
Odhady parametrů pro model vysvětlující úroveň ochrany vlastnických práv (indexyTabulka č. 8:
ICRG a BERI) před násilím ze strany státu, vyšší hodnoty indexů znamenají vyšší
úroveň ochrany vlastnických práv
vysvětlující proměnné
vysvětlované proměnné
ICRG BERI
AUTDUR
(doba po kterou vydrží u moci autokrat)
βˆ 1,351** 0,240
SE 0,524 0,154
R
_
2 0,10 0,31
N 84 53
AUTGROUPS
(doba po kterou vydrží u moci autokratická skupina –
například strana)
βˆ 2,398** 0,468**
SE 0,433 0,165
R
_
2 0,21 0,36
N 71 34
DEMDUR
(doba po kterou je země demokratická)
βˆ 5,303** 0,854**
SE 1,142 0,269
R
_
2 0,81 0,69
N 53 40
DEXDUR
(doba po kterou je demokratický politik v úřadu)
βˆ 0,764 0,416**
SE 0,850 0,154
R
_
2 0,69 0,59
N 111 157
Zdroj: Clague et al. (1997, upraveno)
Podle nich je delší trvání politického režimu – ať už demokratického nebo autokratického – doprovázeno
signifikantně vyšší úrovní ochrany vlastnických práv, která je v tomto případě vyjádřena
pomocí indexů ICRG a BERI.13
Jakkoli je kritika, kterou provedli Glaeser et al. (2005), oprávněná a podnětná, nemá podle názoru
autora tohoto textu dostatečnou váhu, aby vyloučila používání kritizovaných indexů.
Pokud je chování exekutivy dlouhodobě konzistentní, pak lze předpokládat, že politika takové
exekutivy bude agenty předvídatelná a bude vnímána jako kredibilní – bez ohledu na to, jestli je
taková politika opřena o sadu pevných pravidel.
Indexy sice přímo nereflektují pravidla (instituce), ale zřejmě dobře postihují skutečné jednání
exekutivy. Je logické očekávat, že jednání agentů v jednotlivých ekonomikách je ovlivňováno jak
pevnými pravidly, tak jejich zkušeností s chováním exekutivy.
13 Naskýtá se otázka, zdali by ke stejným výsledkům dospěl Clague et al. (1997) na starších datech, která by
zahrnovala komunistické režimy, které ve své drtivé většině zanikly před publikováním jejich výzkumu.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198948
Nejčastěji používané proxy pro instituce ve výzkumech zaměřených na výstup ekonomikyTabulka č. 9:
variables type measures
International Country
Risk Guide (PRS Group)
expert ratings corruption in government; rule of law; expropriation risk; repudiation of
contracts by government; quality of the bureaucracy
Civil liberties index
(Freedom House)
expert ratings freedom of expression & belief; associational & organization rights; rule of law;
personal autonomy & individual rights
Political liberties index
(Freedom House)
expert ratings electoral process þfree & fairÿ; political pluralism & participation; functioning of
government (accountable? corrupt? open?)
corruption (Transparency
International)
aggregation of expert
ratings and opinion
surveys
perceptions of corruption of businesses & experts
economic freedom
(Fraser Institute)
expert ratings size of government expenditures, taxes & enterprises; legal structure & security
of property rights; access to sound money; trade barriers, taxes, & size, black
market premium, & capital market controls; regulation of credit, labor &
business
governance indicators
(World Bank)
aggregation of expert
ratings & surveys
voice and accountability; political stability and absence of violence; government
efectiveness; regulatory quality; rule of law; control of corruption
Doing Business
(IBRD & World Bank)
surveys of World Bank,
lawyers & others
formal business regulation & protection of property rights based on a similar
hypothetical company and circumstance.
Polity Project, Polity IV
(Center for Global Policy,
U. Maryland)
scholars‘ judgment competitiveness of executive recruitment; openness of executive recruitment;
constraints on chief executive; regulation of participation; competitiveness of
participation
Database of political
institutions (World Bank)
data on political
variables
chief executive background, election; political parties of executive, legislature;
legislative elections, special interests; electoral rules; checks & balances;
federalism
Zdroj: Shirley (2008, str. 82–83)
Přehled použitých indikátorů a jejich některých vlastnostíTabulka č. 10:
indikátor zdroj typ hodnoty časová řada poznámka
Index právního
formalismu (obě
varianty)
Djankov et
al. (2003)
expertní
hodnocení
index je spojitý v hodnotách a nabývá
hodnot od 0 do 1.
ne, Index je dostupný
pouze v jednom
pozorování.
vynucování smluv
(počet úkonů nutných
k vyřešení sporu)
IBRD &
World Bank
(2009)
expertní
hodnocení
počet úkonů (celá nezáporná čísla) ano, ve formě ročních
dat počínaje rokem
2004.
vynucování smluv
(délka řízení)
IBRD &
World Bank
(2009)
expertní
hodnocení
počet dnů (celá nezáporná čísla) ano, ve formě ročních
dat počínaje rokem
2004.
vynucování smluv
(náklady řízení)
IBRD &
World Bank
(2009)
expertní
hodnocení
procento vymáhané částky
(nezáporná čísla)
ano, ve formě ročních
dat počínaje rokem
2004.
Index nezávislosti
soudnictví (obě
varianty)
Feld & Voigt
(2003)
expertní
hodnocení
index je spojitý v hodnotách a nabývá
hodnot od 0 do 1.
ne, index je dostupný
pouze v jednom
pozorování.
omezení exekutivy
(XCONST)
Marshall et
al. (2010)
expertní
hodnocení
index je diskrétní v hodnotách a nabývá
hodnoty celých čísel v intervalu od 1
do 7.
ano, index je dostupný
ve formě ročních dat
pro roky 1800–2008.
hodnoty
viz tabulka
č. 20
Index ochrany
soukromého
vlastnictví
Miller et al.
(2010)
expertní
hodnocení
index je diskrétní v hodnotách a nabývá
hodnot bezezbytku dělitelných pěti na
intervalu od 0 do 100.
ano, ve formě ročních
dat počínaje rokem
1995.
hodnoty
viz tabulka
č. 21
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 49
Testování vlivu použitých indikátorů na výstup ekonomiky1.3.2.3.
V případě potřeby je v kapitolách 1.3.3 a 1.3.4 testován vztah mezi příslušným indikátorem institucionálního
prostředí a výstupem ekonomiky. Toto testování je provedeno odhadem (OLS) parametrů
(2), kde GDPpc je ekonomická úroveň, I příslušný indikátor institucionálního prostředí
a nevysvětlená složka (u odhadů je v závorkách pod parametry uváděna p-hodnota).
GDPpc = β0 +β1I + ε (2)
Odhad je prováděn pro všechna dostupná průřezová data z celého světa. Údaje o HDP pocházejí
z Maddisona (2010) a data pro indikátor institucionálního prostředí z příslušných publikací.
Contracting Institutions1.3.3.
Indexy právního formalismu1.3.3.1.
Při konstrukci indexu právního formalismu vycházeli Djankov et al. (2003) z myšlenky, že výkon
soudů, a tedy i kvalita vymáhání smluv, je determinována především regulací jejich činnosti. Čím
jsou pravidla činnosti soudů složitější a tím náklady na splnění formálních požadavků vyšší, tím
je obtížnější i vymáhání smluv. (Pod pravidla fungování soudů spadá například systém odvolání,
procedurální pravidla pro svědky a důkazy atd. Vymáhání smluv je také ztěžováno složitým systémem
práva, který vyžaduje zapojení specialistů (právníků) do celého procesu.)
Pro kvantifikaci formální náročnosti soudního řízení vyvinuli Djankov et al. (2003) index právního
formalismu, a to ve dvou variantách. Každá z nich popisuje formální náročnost vyřešení jiného
standardizovaného právního případu. V první variantě jde o vystěhování neplatícího nájemníka
(FIeviction ) a v druhé o vymáhání nekrytého šeku (FIcheck ). Odhady náročnosti řízení ve 109
zemích světa prováděly právnické firmy sdružené pod hlavičkou Lex Mundi.14
Djankov et al. (2003) na takto získaných datech ukazují, že vyšší míra právního formalismu
vede, ceteris paribus, k delšímu trvání soudních procesů, nižší vymahatelnosti smluv a vyšší korupci.
Z těchto závěrů lze předpokládat, že právní formalismus nebude k ekonomické úrovni neutrální.
Tato hypotéza je zde testována pomocí odhadu (2) na datech pro rok 2000. Její odhady pro
FIeviction a FIcheck jsou prezentovány v (3)15
a podrobněji v tabulkách č. 15 a 16.
GDPpcest =19 662,9 − 2 948,6FIcheck (3)
(6,77e − 11) (5,07e − 05)
GDPpcest =18 001,2 − 2 104,15FIeviction
(8,48e − 07) (0,0067)
Odhady ukazují, že míra právního formalismu má dopad na ekonomickou úroveň dané ekonomiky.
Při vysvětlování rozdílů v právním formalismu mezi jednotlivými zeměmi se Djankov et al.
14 http://www.lexmundi.com/lexmundi/Default.asp
15 Indexy právního formalismu (Djankov et al., 2003) jsou dostupné ke stažení ve formátu xls.
(http://www.economics.harvard.edu/faculty/shleifer/files/courts_dataset_july06.xls) a také ve formátech pro Matlab
(http://www.econ.muni.cz/~137451/research/datafiles/FI_check.mat a http://www.econ.muni.cz/~137451/
research/datafiles/FI_eviction.mat) a Gretl (http://www.econ.muni.cz/~137451/research/datafiles/djankov_FI_check.
gdt a http://www.econ.muni.cz/~137451/research/datafiles/djankov_FI_eviction.gdt). Pro HDP na osobu byla
použita Maddisonova (2010) data pro rok 2000.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198950
(2003) zaměřují zejména na jejich právní původ (legal origin)16
– tedy na to, z jakého právního
systému pochází právní řád příslušné země. Právní původ podle Djankova et al. (2003) vysvětluje
40 % variability mezi zeměmi. Djankov et al. (2003) rozdělují země podle právního původu do
pěti skupin:
anglický právní původ,
socialistický právní původ (zahrnuje Českou republiku),
francouzský právní původ,
německý právní původ (zahrnuje Rakousko),
skandinávský právní původ.
Data k indexu právního formalismu nejsou dostupná pro více různých let, a proto na nich nelze
pozorovat případnou konvergenci, avšak tabulka č. 11 ukazuje, že v České republice a Rakousku
nabývají indexy právního formalismu velmi blízkých hodnot – v tomto parametru jsou si tedy institucionální
prostředí Rakouska a ČR17
velmi blízká.
Indexy právního formalismu pro Rakousko a Českou republikuTabulka č. 11:
FIcheck FIeviction FIcheck [% AUT] FIeviction [% AUT]
Rakousko (AUT) 3,522 3,621 100 100
Česká republika 4,0592 3,5417 115 98
Zdroj: Djankov et al. (2003)
Grafy č. 17 a č. 18 zobrazují v boxplotech distribuci hodnoty indexů právního formalismu pro
skupiny zemí rozdělených podle právního původu. Vedle právních původů, které používají
Djankov et al. (2003), je vykreslen i boxplot pro státy bývalého Rakouska-Uherska.18
Ten ukazuje,
že mezi těmito zeměmi existuje poměrně malá variabilita – zvláště v případě vystěhování neplatícího
nájemníka.
Země Rakouska-Uherska procházely během 20. století velmi odlišnými cestami. Skutečnost, že
se variabilita právního formalismu udržela velmi nízká, může naznačovat, že instituce jsou v oblasti
formálních věcí práva velmi stabilní. Na druhou stranu je možné, že při transformaci ekonomik,
která byla doprovázena komplexní proměnou právního systému, se jednotlivé země v reformách
právního systému inspirovaly svými historickými systémy, které vycházely ze společného
pramene práva Rakouska-Uherska.
16 Právní původ je v odkazovaných datasetech popsán proměnnou leg_origin, která nabývá následujících kódových
hodnot: 1 – anglický; 2 – socialistický; 3 – francouzský; 4 – německý a 5 – skandinávský právní původ.
17 Pro Slovensko není index právního formalismu dostupný.
18 Jedná se Rakousko, Českou republiku, Maďarsko, Slovinsko a Chorvatsko. Pro Slovensko není index právního
formalismu vyjádřen.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 51
Index právního formalismu (vystěhování neplatícího nájemníka) pro evropské země podleGraf č. 17:
právního původu (šedé boxploty) a příslušnosti země k Rakousku-Uhersku (bílý boxplot)
English Socialist French German Scandinavian Austria Hungary
2
2,5
3
3,5
4
4,5
5
Zdroj: Djankov et al. (2003)
Index právního formalismu (vymáhaní nekrytého šeku) pro evropské země podle právníhoGraf č. 18:
původu (šedé boxploty) a příslušnosti země k Rakousku-Uhersku (bílý boxplot)
English Socialist French German Scandinavian Austria Hungary
2
3
4
6
5
Zdroj: Djankov et al. (2003)
Vynucování smluv1.3.3.2.
Data týkající se vynucování smluv publikuje v rámci databáze Doing Business19
Světová banka.
Metodologií navazuje sada těchto ukazatelů přímo na Djankova et. al (2003). Opět se jedná o řešení
standardizovaného právního případu v různých zemích. V tomto případu jde o porušení
obchodní smlouvy mezi dvěma firmami (rezidenty), která má hodnotu dvojnásobku národního
důchodu na osobu (IBRD & World Bank, 2009).
Světová banka publikuje tři ukazatele týkající se vynucování smluv:
počet úkonů (procedures) nutných k vyřešení sporu (ECprocedures ),
délka řízení vyjádřená ve dnech (ECdays ),
náklady řízení vyjádřené v podílu z vymáhané částky (ECcost. ).
19 http://www.doingbusiness.org/
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198952
Narozdíl od indexů právního formalismu jsou však tyto ukazatele dostupné ve formě ročních dat
pro více let a umožňují tak hledat v datech případnou konvergenci institucionálních prostředí.
Časové řady jsou však dostupné až pro období od roku 2004, proto je tato možnost silně omezená
omezena.
I přes to, že metodika Světové banky navazuje na Djankova et. al (2003), je korelace indexů
právního formalismu a dat Světové banky velmi slabá (viz grafy č. 20). Stejně tak je slabá korelace
mezi jednotlivými indikátory Světové banky (viz tabulka č. 12).
Vývoj jednotlivých měřených ukazatelů je stejně jako jejich vývoj vzhledem k úrovni Rakouska
zachycen na grafech č. 19. Jistou konvergenci lze pozorovat (na pouhých 7 pozorováních) v případě
času potřebného k vyřízení sporu – odhady parametrů modelu analogického k (2) pomocí OLS
zachycuje (4) a podrobněji tabulka č. 18. Právě tento indikátor je však ze všech indikátorů Světové
banky nejslaběji korelován s ekonomickou úrovní (viz grafy č. 20).
CZEshareest
= 170 025 − 1,58330time (4)
(1,82e − 08) (0,0455)
Jisté přiblížení úrovní je pozorovatelné i u nákladů na řízení, avšak v tomto případě není dáno
zlepšením institucí v ČR a na Slovensku, ale naopak zhoršením hodnot ukazatele pro Rakousko.
Korelační matice indikátorů sledovaných Světovou bankouTabulka č. 12: (Enforcing Contracts) – data
pro rok 2004 (N = 132).
ECprocedures ECdays ECcost
ECprocedures
1,0000 0,2599 0,1589
ECdays
1,0000 0,1466
ECcost
1,0000
Zdroj: IBRD & World Bank (2009)
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 53
Počet procedur, čas a náklady potřebné na vynucování smluv, pravý sloupec grafů ukazujeGraf č. 19:
konvergenci ČR a Slovenska k Rakousku
2004 2006 2008 2010
24
26
28
30
32
numberofprocedures
Procedures
2004 2006 2008 2010
100
105
110
115
120
%ofAustria
Procedures (convergence)
2004 2006 2008 2010
300
400
500
600
700
days
Time
2004 2006 2008 2010
140
150
160
170
%ofAustria
Time (convergence)
2004 2006 2008 2010
10
20
30
40
%ofclaim
Cost
2004 2006 2008 2010
100
150
200
250
300
%ofAustria
Cost (convergence)
SlovakiaCzech RepublicAustria
Zdroj: IBRD & World Bank (2009)
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198954
Korelace jednotlivých indikátorů sledovaných Světovou bankou (proměnné EC) a variantGraf č. 20:
právního formalismu a HDP na osobu, data jsou pro rok 2004
EC:No.ofprocedures
2 4 6
2 4 6
25
30
35
40
45
50
0,5 1 1,5 2 2,5
0,5 1 1,5 2 2,5
0,5 1 1,5 2 2,5
x 104
x 104
x 104
30
40
50
2 3 4 5
2 3 4 5
500
1 000
1 500
EC:days
500
1 000
1 500
500
1 000
1 500
0
50
100
0
50
100
EC:cost[%ofclaim]
FI: eviction
2 4 6
FI: check
0
50
100
150
GDPpc [1990 int. GK$]
2 3 4 5
25
30
35
40
45
50
=0,11532
=0,32109
=0,15228 =0,13041
ρ =0,33602
ρ =– 0,25873
ρ =– 0,37533
=0,2803 = – 0,46293
Zdroj: Maddison (2010); World Bank (2010); Djankov et al. (2003)
Index nezávislosti soudnictví De iure/De facto1.3.3.3.
Index nezávislosti soudnictví pochází z pera Felda & Voighta (2003). Jejich cílem bylo vytvořit index,
který by popisoval nezávislost soudů. V různých zemích však existuje různá struktura soudů,
a proto se zaměřili na zkoumání pouze jejího nejvyššího patra. Konkrétně na měření nezávislosti
soudů, které mají pravomoc vykládat ústavu, představující základní sadu pravidel (institucí).
Index nezávislosti soudnictví konstruují ve dvou variantách – variantě de iure a de facto. Varianta
de iure je založená výhradně na analýze právních předpisů, které upravují činnost zkoumaných
soudů. Varianta de facto se potom na základě dotazníkového šetření mezi soudci daných soudů
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 55
a místními experty snaží popsat, jaká je nezávislost soudu ve skutečnosti. (Vyšší hodnoty obou
variant indexu potom znamenají vyšší nezávislost.)
Varianta de facto zohledňuje dlouhodobý stav v dané zemi – zohledněn je vývoj od roku 1960.
To znamená, že pro země bývalého východního bloku (tedy i ČR a Slovensko) zohledňuje i období
komunismu. Lze tedy předpokládat, že aktuální stav v těchto zemích může být značně odlišný
od hodnot indexu. Například ČR je mezi 62 sledovanými zeměmi až na 59. místě – hůře se
umístilo pouze Bulharsko, Rusko a Černá Hora. Slovensko potom obsadilo 54. příčku. Význam
zohlednění dlouhého historického období ukazuje i graf č. 21. Zatímco u nezávislosti soudnictví
de iure mají země se socialistickým právním původem20
přibližně stejné rozdělení jako ostatní evropské
země, u varianty de facto jsou jejich hodnoty výrazně nižší.
Distribuce pozorování indexů nezávislosti soudnictví pro evropské země v rozlišení podleGraf č. 21:
právního původu
0,4
0,45
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
Nonsocialist Socialist Nonsocialist Socialist
De Iure Judicial Independence
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
De Facto Judicial Independence
Zdroj: Feld & Voigt (2003); Djankov et al. (2003)
Statistické testování tento dojem podporuje. Mann-Whitneyho U-test na úrovni α = 5 % nezamítá
v případě varianty de iure nulovou hypotézu, že oba výběry (tedy evropské země s socialistickým
a jiným právním původem) pocházejí ze stejného rozdělení (p-hodnota = 0,8896). Naopak podle
očekávání zamítá tutéž hypotézu v případě de facto varianty (p-hodnota = 0,0279). Pozice sledovaných
zemí z hlediska obou variant indexu zachycuje graf č. 22.
20 Do zemí se socialistickým právním původem je zahrnuto i Slovensko, Makedonie, Černá Hora a Moldávie.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198956
Index nezávislosti soudnictví (Graf č. 22: De facto/De iure) pro země s oběma dostupnými variantami
0,4 0,5 0,6 0,7 0,8 0,9 1
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
De Iure Judicial Independence
DeFactoJudicialIndependence
AUT
CZE
SVK
Zdroj: Feld & Voigt (2003)
Feld & Voigt (2003) předpokládají, že vyšší nezávislost soudnictví by měla poskytovat lepší vymahatelnost
smluv a také lepší ochranu soukromého vlastnictví před násilím ze strany státu. Vyšší
nezávislost soudnictví vzhledem k růstu ekonomiky jinými slovy znamená lepší institucionální
prostředí a měla by se i projevit na vyšších růstech ekonomiky.
Feld & Voigt (2003) tuto hypotézu testovali a dospěli k závěru, že signifikantní vliv (α = 10 %)
na průměrný růst ekonomik od roku 1980 má pouze varianta indexu de facto. To podporuje hypotézu
o závislosti rozhodování agentů na skutečném chování exekutivy prezentované v kapitole
1.3.2.2.
Vzhledem k dramatickému politickému vývoji v zemích bývalého východního bloku není zřejmě
hodnota varianty de facto příliš vypovídající, avšak v případě varianty de iure, která postihuje
čistě pravidla (instituce), se opět jeví prostředí sledovaných zemí jako velmi homogenní.
Konvergenci v případě tohoto indexu opět není možné sledovat, protože, podobně jako index
právního formalismu, není dostupný ve formě časových řad.
Property Rights Institutions1.3.4.
Omezení exekutivy1.3.4.1.
Hodnocení omezení exekutivy (proměnná XCONST) je součástí datasetu Polity IV (Marshall
et al., 2009) a v sedmi stupních hodnotí, jak je exekutiva ve svém chování limitována institucionalizovanými
omezeními (viz Marshall & Jaggers, 2009). (Jednotlivé hodnoty XCONST a jejich
význam popisuje tabulka č. 20.) Deklarovaným cílem je tedy měření pravidel – institucí. Jak ale
ukazují Glaeser et al. (2005), ve své podstatě nezávisí na institucích, ale na rozhodnutích předchozích
vlád.
Hypoteticky by větší institucionální překážky pro libovůli exekutivy měly mít pozitivní vliv
na ochranu soukromého vlastnictví před násilím ze strany státu – státy s vyššími hodnotami
XCONST by tak měly dosahovat vyšší ekonomické úrovně.
Význam omezení exekutivy je testován pomocí odhadu rovnice (1) pro data z roku 2008.21
Odhady parametrů pomocí OLS jsou zachyceny v rovnici (5) a podrobněji v tabulce č. 19.
21 Data (XCONST) jsou dostupná pro Matlab na adrese http://www.econ.muni.cz/~137451/research/datafiles/
XCONST.mat
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 57
Z odhadů plyne, že vyšší úroveň XCONST – tedy vyšší omezení exekutivy – je spojeno i s vyšším
výstupem ekonomiky.
GDPpcest = 569,826 + 1 548,29 XCONST (5)
(0,729) (1,18e − 0,6)
Distribuci HDP na osobu podle hodnocení omezení exekutivy obsahuje graf č. 23. Kromě výše
popsaného odhadu dokladuje validitu indikátoru XCONST vzhledem k ekonomické úrovni i graf
č. 28 – na něm je vidět odlišný vývoj XCONST a ekonomické úrovně v Severní a Jižní Koreji.
Rozevření nůžek ekonomické úrovně mezi původně vysoce homogenními ekonomikami zde také
jasně koresponduje se vznikem jasného a stabilního rozdílu v XCONST.
Distribuce HDP na osobu ve skupinách podle hodnoty XCONSTGraf č. 23:
XCONST
GDPpercapita[1990int.GK$]
1 2 3 4 5 76
0
0,5
1
1,5
2
2,5
3
x104
Zdroj: Marshall et al. (2010); Maddison (2010)
Z hlediska zkoumání konvergence institucionálního prostředí sledovaných ekonomik představuje
XCONST ojedinělý indikátor, který je dostupný jednak ve formě časových řad, ale především i pro
dlouhou časovou periodu. (Data jsou dostupná pro celé zkoumané období.) Vývoj konvergence
(viz graf č. 24) naznačuje, že ke konvergenci institucionálních prostředí skutečně došlo. Nicméně
nikoliv cestou postupné evoluční změny pravidel, ale změnou revoluční – tedy jednorázovým
zavedením nové sady pravidel (legislativy), která se odehrála na samotném počátku transformace.
Tedy v období, pro které není drtivá většina indikátorů dostupná. Tato změna skokově vyrovnala
úroveň Československa (v případě ČR se jednalo o permanentní změnu) s Rakouskem.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198958
Hodnoty XCONST ve sledovaných zemích a jejich konvergence k úrovni RakouskaGraf č. 24:
1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008
2
4
6
8
XCONST
Austria
1985 1990 1995 2000 2005
1985 1990 1995 2000 2005
1985 1990 1995 2000 2005
XCONSTXCONST
Czech Republic
1985 1990 1995 2000 2005
1985 1990 1995 2000 2005
2
4
6
8
2
4
6
8
2
4
6
8
XCONST
Czechoslovakia
0
50
100
0
50
100
%ofAustria%ofAustria%ofAustria
Czechoslovakia (convergence)
Czech Republic (convergence)
Slovakia
1985 1990 1995 2000 2005
0
50
100
Slovakia (convergence)
Zdroj: Marshall et al. (2010)
Index ochrany soukromého vlastnictví1.3.4.2.
Index ochrany soukromého vlastnictví je součástí Indexu ekonomické svobody, který publikuje
Heritage Foundation (Miller et al., 2010). Jeho cílem je hodnotit míru zákonné ochrany vlastnických
práv a to, jak vláda tyto zákony vynucuje. Zohledňuje se v něm také pravděpodobnost vyvlastnění,
nezávislost a zkorumpovanost soudnictví a schopnost domácností a firem vynucovat
smlouvy (Miller et al., 2010).
Index nabývá hodnot popsaných v tabulce č. 21. Vyšší hodnota indexu znamená vyšší míru
ochrany soukromého vlastnictví. V případě, že se podmínky v určité zemi pohybují mezi dvěma
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 59
stupni indexu, obdrží země v číselném vyjádření průměr obou stupňů (například 95). Distribuce
hodnot indexu je zachycena na grafu č. 25.
Distribuce hodnot indexu ochrany vlastnických práv pro rok 2010Graf č. 25: (N = 179)
0 20 40 60 80 100
Values of Property Rights Protection Index
Numberofcountries
0
5
10
15
20
25
30
35
40
Zdroj: Miller et al. (2010)
Mezi úrovní ochrany vlastnických práv a ekonomickou úrovní lze očekávat pozitivní vztah. To
potvrzuje i odhad (2) pro data za rok 2008. Odhad této rovnice pomocí OLS ukazuje (viz (6) a graf
26), že ochrana vlastnických práv – reprezentovaná indexem ochrany vlastnických práv (PR) – má
signifikantní vliv na ekonomickou úroveň.22
GDPpcest = −4 002,47 + 285,389 R (6)
(1,13e − 0,5) (3,30e − 34)
Index ochrany vlastnických práv je dostupný ve formě ročních dat od roku 1995 do současnosti.
V tomto časovém úseku nemůžeme pozorovat žádnou významnou konvergenci, kterou bychom
měli očekávat, a to ani v případě ČR a ani v případě Slovenska (viz grafy č. 27).
Hodnoty Indexu ochrany vlastnických práv a HDP na osobu, přímka reprezentuje odhad z (6)Graf č. 26:
10 20 30 40 50 60 70 80 90
− 0,5
0
0,5
1
1,5
2
2,5
3
3,5
Property Rights Index
GDPpercapita[1990int.GK$]x104
Zdroj: Maddison (2010); Miller et al. (2010)
22 Pro ekonomickou úroveň byla použita Maddisonova (2010) data. Data pro index ochrany vlastnických práv (Miller
et al., 2010) jsou dostupná ve formátu pro Matlab na http://www.econ.muni.cz/~137451/research/datafiles/
heritage.mat. Podrobnější údaje k odhadu jsou dostupné v tabulce č. 22.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198960
Vývoj ochrany vlastnických práv ve sledovaných zemích, graf vpravo ukazuje konvergenciGraf č. 27:
ČR a Slovenska k Rakousku
PropertyRightsIndex
%ofAustria
40
50
60
70
80
90
100
1995 201020052000 1995 201020052000
Property Rights Index
55
60
65
70
75
80
Property Rights Index (convergence)
SlovakiaCzech RepublicAustria
Zdroj: http://heritage.org/index/Excel/2010/Index2010_Data.xls
Závěr1.3.5.
Teorie prezentované v úvodu kapitoly naznačovaly, že pokud dochází ke konvergenci ekonomické
úrovně ekonomik, potom dochází i ke konvergenci institucionálního prostředí. Vzhledem
k tomu, že ke konvergenci ekonomik ČR a Rakouska skutečně dochází, byla přijata hypotéza, že
má docházet i ke konvergenci institucionálního prostředí. Tato hypotéza byla testována na indikátorech
popisujících různé aspekty vlastnického práva v období po roce 1989.
Ne všechny tyto indikátory jsou však dostupné ve formě časových řad, které podmiňují zkoumání
konvergence institucionálního prostředí v čase. Nicméně ty, které jsou dostupné pro pouze
jeden bod v čase (Index právního formalismu a Index nezávislosti soudnictví ve variantě
de iure23
) ukazují na velmi homogenní institucionální prostředí v obou primárně sledovaných
ekonomikách.
V případě indikátorů, které jsou dostupné ve formě časových řad, však až na jedinou výjimku24
také ve sledovaném období nelze pozorovat žádnou významnou konvergenci. To při nezpochybnění
výchozích teorií může mít několik příčin:
Indikátory popisující institucionální prostředí ekonomiky mají ze své podstaty (většinou se jedná
o expertní hodnocení) omezenou vypovídací schopnost. Je možné, že konvergence institucionálního
prostředí existuje, ale že ji nedokázaly zachytit.
Tento text se zaměřil na zkoumání aspektů institucionálního prostředí souvisejících s vlastnickým
právem. I když se tato oblast obecně považuje za klíčovou vzhledem k výstupu ekonomiky,
je možné, že nehrála rozhodující roli v konvergenci ekonomické úrovně ČR a Rakouska.
Hledání konvergence institucionálního prostředí implicitně předpokládá evoluční změnu. Je
možné – a vývoj indikátoru XCONST to naznačuje – že ve skutečnosti nebyla změna evoluční
ale spíše revoluční, tedy, že došlo ke skokovému zlepšení institucionálního prostředí ČR v době,
kterou většina indikátorů na rozdíl od XCONST nezachycuje.
23 Varianta de facto není vzhledem k metodice výpočtu zřejmě pro současnost příliš relevantní.
24 Jedná se o dobu potřebnou k vymáhání smlouvy ze sady indikátorů publikovaných Světovou bankou. Tento
indikátor je však s ekonomickou úrovní jen slabě korelován.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 61
Ve světle dat se jako pravděpodobná možnost vývoje jeví, že ke zlepšení institucionálního prostředí
došlo skokovou – revoluční – změnou, která se podílela na konvergenci ekonomické úrovně
zkoumaných zemí – ta ještě nemusí být u konce a může se časem zastavit na úrovni odpovídající
relativní kvalitě institucionálního prostředí.
Přílohy1.3.6.
Konvergence ekonomické úrovně ČR k Rakousku v letech 1993–2008,Tabulka č. 13:
závisle proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 40,1054 1,13584 35,3089 4,38e−15
βˆ
1 0,442496 0,0663 6,6741 1,05e−05
střední hodnota závisle proměnné 47,40654
s. o. závisle proměnné 2,415181
součet čtverců reziduí 20,92349
s. ch. regrese 1,222512
koeficient determinace 0,760865
adjustovaný koeficient determinace 0,743784
F (1,14) 44,54427
p-hodnota (F) 0,000011
Konvergence ekonomické úrovně Slovenska k Rakousku v letech 1993–2008,Tabulka č. 14:
závisle proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 28,2975 1,12869 25,0712 4,93e−13
βˆ
1 0,896838 0,0658824 13,6127 1,82e−09
střední hodnota závisle proměnné 43,09531
s. o. závisle proměnné 4,428159
součet čtverců reziduí 20,66074
s. ch. regrese 1,214811
koeficient determinace 0,929756
adjustovaný koeficient determinace 0,924739
F (1,14) 185,3058
p-hodnota (F) 1,82e−09
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198962
Index právního formalismu (vymáhání šeku) – odhad pomocí OLS za použití 91Tabulka č. 15:
pozorování, závisle proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 19 662,9 2 651,75 7,4151 0,0000
βˆ
1 −29 48,06 692,088 −4,2597 0,0001
střední hodnota závisle proměnné 8 817,957
s. o. závisle proměnné 7 718,060
součet čtverců reziduí 4,45e+09
s. ch. regrese 7 073,658
koeficient determinace 0,169348
adjustovaný koeficient determinace 0,160014
F (1,14) 18,14470
p-hodnota (F) 0,000051
Index právního formalismu (vystěhování neplatícího nájemníka) – odhad pomocí OLS,Tabulka č. 16:
za použití pozorování 91 pozorování, závisle proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 18 001,2 3 399,22 5,2957 0,0000
βˆ
1 −2 407,15 867,214 −2,7757 0,0067
střední hodnota závisle proměnné 8817,957
s. o. závisle proměnné 7 718,060
součet čtverců reziduí 4,93 e+09
s. ch. regrese 7 445,701
koeficient determinace 0,079672
adjustovaný koeficient determinace 0,069332
F (1,14) 7,704702
p-hodnota (F) 0,006713
Popisné statistiky pro index právního formalismu (případ vymáhání šeku) – data se vztahujíTabulka č. 17:
pro evropské země, údaje v závorkách platí pro země celého světa, tj. pro celý soubor dat
právní původ počet zemí průměr median
směrodatná
odchylka
anglický 4 (42) 2,82 (2,76) 2,61 (2,64) 0,580 (0,829)
socialistický 12 (16) 4,03 (3,93) 4,11 (3,99) 0,416 (0,526)
francouzský 10 (40) 3,50 (4,29) 3,40 (4,10) 0,840 (1,010)
německý 3 (6) 3,39 (3,15) 3,51 (3,25) 0,221 (0,438)
skandinávský 5 (5) 3,15 (3,15) 2,98 (2,98) 0,590 (0,590)
celkem 34 (109) 3,54 (3,53) 3,54 (3,52) 0,707 (1,084)
země Rakouska-Uherska 5 3,78 3,62 0,364
Zdroj: Djankov et al. (2003)
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 63
Odhad konvergence institucionálního prostředí v ČR a Rakousku 2004–2010 (T = 7) proTabulka č. 18:
čas potřebný k vyřízení standardizovaného právního případu, závisle proměnná: CZEshare
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 170,025 2,67350 63,5964 0,000
βˆ
1 −1,58330 0,597814 −2,6485 0,0455
střední hodnota závisle proměnné 163,6920
s. o. závisle proměnné 4,476330
součet čtverců reziduí 50,03340
s. ch. regrese 3,163334
koeficient determinace 0,583836
adjustovaný koeficient determinace 0,500603
F(1,14) 7,014493
p-hodnota (F) 0,045509
XCONST – odhad pomocí OLS, za použití pozorování 147 pozorování, závisleTabulka č. 19:
proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 569,826 1641,29 0,3472 0,7290
βˆ
1 1548,29 305,211 5,0729 0,0000
střední hodnota závisle proměnné 8 269,165
s. o. závisle proměnné 8 190,969
součet čtverců reziduí 8,32 e+09
s. ch. regrese 7 574,460
koeficient determinace 0,150726
adjustovaný koeficient determinace 0,144869
F(1,14) 25,73400
p-hodnota (F) 1,18e−06
Hodnoty a významTabulka č. 20: XCONST
XCONST evaluation
1 Unlimited authority: There are no regular limitations on the executive‘s actions (as distinct
from irregular limitations such as the threat or actuality of coups and assassinations).
2 Intermediate category
3 Slight to moderate limitation on executive authority: There are some real but limited
restraints on the executive.
4 Intermediate category
5 Substantial limitations on executive authority: The executive has more effective authority
than any accountability group but is subject to substantial constraints by them.
6 Intermediate category
7 Executive parity or subordination: Accountability groups have effective authority equal to or
greater than the executive in most areas of activity.
Zdroj: Marshall & Jaggers (2009)
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 198964
Hodnoty XCONST a HDP na osobu pro Severní a Jižní KoreuGraf č. 28:
1950 1960 1970 1980 1990 2000
1950 1960 1970 1980 1990 2000
0
2
4
6
8
0
0,5
1
1,5
2
XCONSTGDPpercapita[1990int.GK$]x104
North Korea
South Korea
Zdroj: Marshall et al. (2010); Maddison (2010)
Hodnoty indexu ochrany vlastnických právTabulka č. 21:
hodnota
indexu hodnocení
100 Private property is guaranteed by the government. The court system enforces contracts
efficiently and quickly. The justice system punishes those who unlawfully confiscate private
property. There is no corruption or expropriation.
90 Private property is guaranteed by the government. The court system enforces contracts
efficiently. The justice system punishes those who unlawfully confiscate private property.
Corruption is nearly nonexistent, and expropriation is highly unlikely.
80 Private property is guaranteed by the government. The court system enforces contracts
efficiently but with some delays. Corruption is minimal, and expropriation is highly unlikely.
70 Private property is guaranteed by the government. The court system is subject to delays and
is lax in enforcing contracts. Corruption is possible but rare, and expropriation is unlikely.
60 Enforcement of property rights is lax and subject to delays. Corruption is possible but rare,
and the judiciary may be influenced by other branches of government. Expropriation is
unlikely.
50 The court system is inefficient and subject to delays. Corruption may be present, and the
judiciary may be influenced by other branches of government. Expropriation is possible but
rare.
VLIV INSTITUCIONÁLNÍCH CHARAKTERISTIK NA EKONOMICKÝ RŮST: ČESKÁ REPUBLIKA A RAKOUSKO PO ROCE 1989 65
hodnota
indexu hodnocení
40 The court system is highly inefficient, and delays are so long that they deter the use of the
court system. Corruption is present, and the judiciary is influenced by other branches of
government. Expropriation is possible.
30 Property ownership is weakly protected. The court system is highly inefficient. Corruption
is extensive, and the judiciary is strongly influenced by other branches of government.
Expropriation is possible.
20 Private property is weakly protected. The court system is so inefficient and corrupt that
outside settlement and arbitration is the norm. Property rights are difficult to enforce.
Judicial corruption is extensive. Expropriation is common.
10 Private property is rarely protected, and almost all property belongs to the state. The country
is in such chaos (for example, because of ongoing war) that protection of property is almost
impossible to enforce. The judiciary is so corrupt that property is not protected effectively.
Expropriation is common.
0 Private property is outlawed, and all property belongs to the state. People do not have the
right to sue others and do not have access to the courts. Corruption is endemic.
Zdroj: Miller et al. (2010)
Index ochrany vlastnických práv – odhad pomocí OLS, za použití 147 pozorování,Tabulka č. 22:
závisle proměnná: HDP na osobu
koeficient směr. chyba t-podíl p-hodnota
βˆ
0 −4 002,47 879,892 −4,5488 0,0000
βˆ
1 285,389 17,6750 16,1465 0,0000
střední hodnota závisle proměnné 8 539,126
s. o. závisle proměnné 8 355,055
součet čtverců reziduí 3,64e+09
s. ch. regrese 5 012,078
koeficient determinace 0,642602
adjustovaný koeficient determinace 0,640137
F (1,14) 260,7102
p-hodnota (F) 3,30e−34
66
BANKOVNÍ SEKTOR 67
Bankovní sektor1.4.
Finanční systém je zde proto, aby snížil náklady na získání investic (Kohn, 1993). Pohyb prostředků
od domácností k soukromému (podnikatelskému) sektoru skrze finanční systém dovoluje
korporátnímu sektoru ekonomiky poptávat nutné zdroje k produkování kapitálových statků.
Finanční systém se skládá z finančních trhů a finančních institucí. Přímé financování (Kohn,
1993), např. na burze, není vhodné pro malé firmy a krátkodobé půjčky – je to příliš nákladný
způsob financování. Řešením je nepřímé půjčování pomocí zprostředkovatelů.
Banky jsou nejdůležitějším typem finančního zprostředkování (Kohn, 1993), neboť zprostředkovávají
pohyb finančních prostředků mezi jednotlivými ekonomickými subjekty. Vedle poo-
lingu25
oceňují úvěruschopnost a monitorují výkon úvěru. Náklady informací a monitorování
peněz bankou jsou extrémně nízké. Banka disponuje mnohdy lepšími informacemi o dlužníkovi,
kdy dlužník odhalí informace raději soukromě než veřejně (riziko vystavení se konkurentům).
Bankovní instituce mohou realizovat velký rozsah půjček, neboť poskytování půjček o velkém
objemu je relativně méně nákladné než půjčky menších částek (mnoho nákladů je nedělitelných).
Zprostředkovatelé mohou rozprostřít riziko nesplacených půjček a eliminovat jejich nežádoucí
dopad (Kaufman, 1992). Tím je garantována míra výnosu střadatelům, kteří jsou ochotni vkládat
prostředky do banky, přestože si jsou vědomi nižšího (garantovaného) výnosu.26
Bankovní zprostředkovatelé
poskytují mezičasové pojištění vkladatelům averzním k riziku (Kohn, 1993). Banky
mají zřejmý zájem být bezpečné a především být vnímány jako bezpečné.
Finančnímu systému České republiky i Rakouské republiky dominuje bankovní sektor, proto se práce
soustředí na zhodnocení hlavních charakteristik bank. Cílem příspěvku je na základě vývoje vybraných
finančních ukazatelů stručně zhodnotit funkčnost a kvalitu bankovního sektoru. Struktura práce vede
k naplnění cíle. Počáteční kapitola se věnuje teoretickému spojení mezi finančním systémem a výkonem
ekonomiky – vychází z teze, že efektivní, zdravá a prohlubující se úroveň finančního zprostředkování
má pozitivní vliv na plynulé financování subjektů reálného sektoru ekonomiky (Chmelová, 2009).
Následující kapitola se zaměřuje na základní charakteristiky bankovního sektoru české a rakouské ekonomiky
v letech 2000–2009. Analýza se orientuje na zhodnocení portfolia bank, primárních zdrojů
aktiv a kvalitu poskytovaných úvěrů. Důležitými indikátory jsou také intenzita konkurence sektoru,
ziskovost a hloubka finančního zprostředkování. Závěrečná kapitola shrnuje předchozí výsledky analýzy.
Příspěvek navazuje na práce publikované v minulých letech v rámci Centra výzkumu konkurenční
schopnosti české ekonomiky (zejména práce Kapitálový trh, Chmelová 2009).
25 Pooling = banka shromažďuje volné finanční prostředky v ekonomice generované relativně malými střadateli,
jejichž souhrnný objem je velmi podstatný (banka může financovat investice značného objemu – Kaufman, 1992).
26 Vklady jsou garantovány vládou.
BANKOVNÍ SEKTOR68
Finanční systém a ekonomický výkon – teoretická vazba1.4.1.
Finanční systémy (Frietzer, 2006) ovlivňují ekonomický růst skrze (1) alokaci úspor k investičním
projektům, (2) množství zdrojů spotřebovaných při poskytování finančních služeb (tj. efektivnost
finančního systému) a (3) jejich vliv na míru úspor v ekonomice. Finanční systémy shromažďují
úspory jednotlivců a zlepšují růstové výhledy, např. přes potenciální financování velkých investičních
projektů, které by jinak nemohly být realizovány. V neposlední řadě přispívá k efektivnosti
ekonomiky a všech hospodářských vztahů rovněž vytvořením podmínek pro existenci a fungování
platebního systému (Polouček, 2003).
Podstatu finančního zprostředkování představuje proces, kdy prostředky domácností jsou použity
k financování úvěrů subjektů reálné ekonomiky (Kaufman, 1992). Finanční zprostředkovatelé platí
méně za prostředky, které získají od vkladatelů. Riziko nesplacení jedné půjčky je zanedbatelné ve
svém dopadu na portfolio zprostředkovatelů, proto si mohou zprostředkovatelé účtovat nižší úrokovou
sazbu než jednotlivci, kteří by půjčovali přímo. Tato nižší úroková sazba je signálem zvyšující se
efektivnosti finančního systému. V této souvislosti nás tedy bude zajímat intenzita konkurence bankovního
sektoru a také zvyšující se tlaky přicházející ze strany nebankovních institucí. Je vhodné se
zaměřit na vývoj úrokové marže jako indikátoru nákladů spojených se získáním prostředků – klesající
úroková marže vypovídá o zlepšující se efektivnosti sektoru. Nárůst efektivnosti při alokaci úvěrů
je důležitý pro růst hospodářství a je přímým výsledkem finančního zprostředkování.
Alokace úvěrů od přebytkových subjektů k deficitním je nezbytná pro efektivní fungování ekonomiky
(Kaufman, 1992). Obecně platí, že čím více je úvěrový alokační proces efektivní, tím produktivnější
bude ekonomika. Vzhledem k tomu, že většina produkce v ekonomice se uskutečňuje
v soukromém sektoru, zaměřuje se práce zejména na objem poskytnutých úvěrů korporátnímu
sektoru. Lze předpokládat (dle studie Cetorelli, Gambera, 2001), že bankovní sektor usnadňuje
přístup k úvěrům „mladým“ firmám a tím podporuje tempo hospodářského růstu, neboť investice
nových firem jsou pravděpodobněji vkládány do inovativních technologií. Pro stabilitu sektoru
je také důležitá kvalita poskytovaných úvěrů, proto se příspěvek soustředí také na vývoj objemu
klasifikovaných úvěrů. Je vhodné se zaměřit i na dynamiku růstu vkladů, kdy sledujeme funkci
finančních zprostředkovatelů jako mobilizátorů investičních zdrojů.
V neposlední řadě se kapitola věnuje také zhodnocení zdraví a hloubky bankovního sektoru.
O finančním zdraví bank vypovídá ukazatel kapitálové přiměřenosti.27
Analýza kapitálové přiměřenosti
se soustředí na kvalitu aktiv a adekvátnost opatření proti ztrátám z rizikových půjček. Je
vhodné provést také analýzu výkonu zisků, která se zaměřuje na zhodnocení, zda bankovní operace
generují adekvátní výnosy na aktiva a majetek. Hlavními poměrovými ukazateli jsou rentabilita
aktiv (ROA = zisk/celková aktiva) a rentabilita vlastního kapitálu (ROE = celkový zisk po zdanění/
vlastní kapitál). Tvorba zisku umožňuje bankám nést vyšší míru tržního rizika a podporovat stabilní
a udržitelnou úvěrovou expanzi (Schardax, Reininger, 2001) – pozitivní vliv na konkurenceschopnost
ekonomiky. Příspěvek se v krátkosti zaměřuje také na hloubku finančního zprostředkování,
která je měřena jako podíl aktiv finančního/bankovního sektoru na HDP, v %. Prohlubující
se úroveň finančního zprostředkování zlepšuje finanční obslužnost všech subjektů ekonomiky,
což opět zvyšuje tempo hospodářského růstu.
Lze tedy shrnout, že efektivnost fungování bankovního sektoru je monitorována intenzitou
konkurence a vývojem úrokových sazeb. Důležitým indikátorem je také objem poskytnutých
úvěrů korporátnímu sektoru, který investuje finanční prostředky do nejproduktivnějšího
užití. V krátkosti jsou uvedeny ukazatele ziskovosti a stability sektoru. Příspěvek využívá
27 Kapitálová přiměřenost je konstruována jako poměr kapitálu bankovní instituce na jejích rizikově vážených aktivech
(Žák, 2002). Je signálem pro vkladatele a věřitele jako ochrana proti neočekávaným ztrátám banky.
BANKOVNÍ SEKTOR 69
poměrových ukazatelů k porovnání bankovních sektorů české a rakouské ekonomiky. Objemy
úvěrů a vkladů dle sektorového rozložení pro český bankovní sektor jsou uvedeny v dřívější
práci (Chmelová, 2009).
Charakteristika bankovního sektoru1.4.2.
Bankovní sektor rakouské ekonomiky má multipilířovou strukturu, která je dána historickými
rozdíly v linii obchodu a vlastnictví (IMF, 2004). Rakousko se těší vysokému standardu dohledu,
založenému na silných institucích a komplexním právním systému. Existuje zde sedm kategorií
neboli pilířů bank: akciové a soukromé banky, spořitelny, venkovská úvěrová družstva neboli raiffeisenbanks,
průmyslová úvěrová družstva neboli volksbanks, státní hypotéční banky, stavební
spořitelny a banky pro speciální účely. Většina bank nyní funguje jako univerzální banky, kdy stát
podstatně omezil své držení bank. Významné rozdíly přetrvávají v organizační a vlastnické struktuře.
Bankovní sektor prochází obdobím stálé restrukturalizace a konsolidace od roku 1990. Přesto
se Rakousko se svými 734 (malými) bankami řadí mezi státy s nejhustší bankovní síť na světě. Malá
velikost a relativní nasycenost domácího trhu vedla k velké expanzi rakouských finančních institucí
do zemí střední a východní Evropy (CEEC).
Bankovní sektor české ekonomiky je charakterizován univerzální dvoustupňovou soustavou.
České banky, které jsou z převážné části v rukou zahraničních vlastníků, následují tradiční podnikový
model orientovaný na retailové podnikání a proto ve svém portfoliu prakticky nemají obsaženy
neprůhledné instrumenty (IMF, 2010). Většina zahraničních bank, které působí na českém trhu (stejné
platí i pro Rakousko), pochází ze zemí Evropské unie.28
Své aktivity financují hlavně z domácích
vkladů. Zdravý kapitál, silné retailové financování a omezené vystavení se riziku zahraniční měny
pozitivně podporuje finanční pozici českého bankovního sektoru (Chmelová, 2009).
Výše uvedené základní charakteristiky bankovního sektoru vybraných zemí jsou rozpracovány
v následujícím textu, který je rozdělen do tří podkapitol. První podkapitola se věnuje zhodnocení
situace bankovního sektoru České a Rakouské republiky se zaměřením na intenzitu konkurence
a vývoj úrokové marže. Důležité je také srovnání ukazatelů ziskovosti a kapitálové přiměřenosti
bank české a rakouské ekonomiky, kterému se věnuje podkapitola „Banka jako podnikatelský subjekt“.
Následující podkapitola rozebírá portfolio rakouských bank, především kvalitu a kvantitu
úvěrů. Závěrečná část monitoruje prohlubování úrovně finančního sektoru vybraných zemí.
Prostředí bankovního sektoru1.4.2.1.
Struktura bankovního sektoru má vliv na výkonnost finančního sektoru. Intenzivní konkurence ve
finančním sektoru může mít dopad na efektivnost produkce finančních služeb, kvalitu finančních
produktů a stupeň inovace v sektoru (Claesens, Laeven, 2003). Ovlivňuje i přístup firem a domácností
k finančním službám a zdrojům vnějšího financování, a tím i ekonomický růst. Ve finančním sektoru
lze vidět specifické spojení mezi konkurencí a stabilitou (teoreticky i empiricky), kdy vysoká konkurence
může ohrozit finanční stabilitu trhu (Allen, Gale, 2003). Z předchozích tvrzení lze vyvodit, že konkurence
podporující stabilitu odvětví má pozitivní vliv na vývoj finančního sektoru i ekonomiky.
Podíváme se tedy na vývoj počtu bank, které v letech 2000–2009 působily na rakouském trhu,
a intenzitu koncentrace. Rakouský bankovní sektor je charakteristický multipilířovou strukturou
bankovních institucí (dáno historickým vývojem). Intenzivní konkurence se projevuje tím, že
28 V roce 2007 působilo v českém bankovnictví 14 poboček zahraničních bank ze zemí Evropské unie; v Rakousku to
bylo 26 poboček evropských bankovních institucí (ECB, 2008). Rakousko z důvodu svých specifických podmínek
trhu – velmi hustá síť poboček, nízké úrokové rozpětí – nenabízí prostor pro expanzi zahraničních institucí.
BANKOVNÍ SEKTOR70
tyto finanční instituce nabízejí širokou paletu univerzálních bankovních služeb (Kašová, 1999).
Následující tabulka zachycuje vývoj počtu jednotlivých subsektorů bankovního trhu. Naproti
tomu českému bankovnímu sektoru dominují především akciové banky, které se vyznačují menší
různorodostí (opět historický vývoj).
Počet bank dle sektoru (počet centrál) v RakouskuTabulka č. 23:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
akciové a soukromé banky 61 61 59 63 47 44 48 51 51 51
spořitelny 70 67 64 63 59 57 56 56 55 55
státní hypotéční banky 9 9 9 9 10 10 10 11 11 11
Raiffeisen úvěrové
korporace
625 617 609 596 581 576 567 558 551 545
Volksbank úvěrové
korporace
71 70 70 69 68 68 70 69 68 68
stavební asociace 5 5 5 5 4 4 4 4 4 4
Zdroj: Oesterreichische NationalBank (2010): počet bank dle sektoru
Z tabulky je zřejmé, že v letech 2000–2009 se počet ústředí bank v rakouské ekonomice snižoval,
v důsledku sloučení nebo převzetí velkými bankami či uzavření. V roce 2000 bylo možné využít
služeb 841 bankovních institucí, v roce 2009 jejich počet poklesl na 734. Vzhledem k nízké ziskovosti
domácích bank zde existuje prostor pro další restrukturalizaci a konsolidaci bankovního
sektoru (IMF, 2004). Naproti tomu počet poboček rakouských bank v zahraničí se více než zpětinásobil
v roce 2008, z 22 na 121 za uplynulých deset let (ONB, Banking Statistics Yearbook for
2008). Většina zahraničních poboček je lokalizována v Německu (63), České republice (21) a Itálii
(11). Tyto tři země pokrývají zhruba 80% poboček rakouských bank umístěných v zahraničí.
Také v České republice docházelo k poklesu počtu působících institucí v důsledku realizovaného
procesu konsolidace a privatizace v letech 2000 a 2002. V následujících 3 letech bylo bankovnictví
ovlivněno likvidací dvou menších bank (Výroční zpráva 2004, ČNB). V roce 2006 se struktura bankovního
trhu ustálila, takže finanční služby nabízí celkem 37 bank a poboček zahraničních bank
(struktura sektoru v jednotlivých letech uvedena v předchozím příspěvku, Chmelová, 2009).
Z hlediska efektivnosti sektoru nás zajímají především úspory z rozsahu. Lze vyvodit, že je-li
hodně malých bank, pak úspory z rozsahu v odvětví jsou mírnější (Aliber, 1987). Ačkoli většina
bank v rakouském bankovním sektoru je malých, úspory z rozsahu a efektivnost jsou dosaženy
centralizovaným poskytováním a vývojem produktů a služeb se svázanými sektory (IMF, 2004).
Naproti tomu Česká republika disponuje značným podílem velkých finančních uskupení, které
mohou využit úspor z rozsahu snižováním svých provozních nákladů.
Bankovní sektor rakouské ekonomiky se vyznačuje vysokým počtem převážně malých bank
(IMF, 2008), na českém bankovním trhu působí výrazně nižší počet institucí. Obecně existují velké
rozdíly mezi tím, jak velké a malé banky řídí riziko (Kohn, 1993). Tyto rozdíly zbarvují povahu
rizika, kterému čelí, i metody, jež užívají k jejich vypořádání. Velké banky trpí nedostatkem prostředků,
zatímco malé banky mají přebytek zdrojů. Avšak mnoho důležitých služeb velkých bank
nemůže být nabízeno ekonomicky malými bankami. Malé banky často vytvářejí korespondentní
vztah s velkými bankami. V této souvislosti se zaměříme na vývoj koncentrace trhu, kdy sledujeme
podíl aktiv pěti největších finančních institucí na celkových aktivech sektoru. Bankovní koncentrace
podporuje růst začínajících (mladých) firem průmyslu tím, že usnadňuje přístup těchto firem
k vnějšímu financování (Cetorelli, Gambera, 2001).
BANKOVNÍ SEKTOR 71
Podíl aktiv pěti největších finančních institucí/celková aktivaTabulka č. 24: 29
(v%)
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ − 68,4 65,7 65,8 64,0 65,5 64,1 65,7 62,0 −
AT 43 44,9 45,6 44,2 43,8 45,0 43,8 42,8 39,0 −
Zdroj: European Central Bank (2008): EU banking structures. ECB, 2005, 2008; European Central Bank (2010): Structural Indicators for the
EU banking sector. ECB, 2010
Sledované období vykazuje stabilní vývoj hodnot koncentrace trhu ve vybraných ekonomikách.
V České republice je koncentrace vyšší než v ekonomice rakouské, přičemž indikátor se pohybuje
v průměru kolem 65 %. Koncentrace rakouského bankovního sektoru vykazuje mírně klesající
tendenci a dosahuje úrovně přibližně 43%.
Motivaci k růstu bankovních institucí (sloučením, převzetím) představují úspory z rozsahu a nedělitelná
povaha fixních nákladů. Úspory z rozsahu30
vedou k tomu (Kohn, 1993), že velké banky
jsou ziskovější než menší. Samozřejmě existují také negativní rysy, kdy velké organizace se stávají
byrokratickými a obtížně kontrolovatelnými. To se může projevit nedostatečnou flexibilitou na
měnící se okolnosti. V určitém bodě tedy mohou úspory z rozsahu vyrovnat negativní rysy, takže
při určité velikosti nemusí mít banka žádnou výhodu. Větší banky mají navíc obecně vyšší fixní
náklady než menší banky, přičemž tyto fixní náklady porostou s velikostí méně než proporcionálně,
a to z důvodu nedělitelnosti.
Koncentrace bankovního sektoru se projevuje pozitivními i negativními efekty. Některé empirické
studie zdůrazňují, že velká koncentrace bank má negativní efekt na růst (Cetorelli, Gambera,
2001), neboť se projevuje snížením dostupnosti úvěrů. Zmíněná studie se ovšem zaměřila i na
sektorové rozčlenění úvěrů. Sektory, které jsou více závislé na vnějším financování (zejména nové
začínající firmy), mají dle tohoto směru zkoumání snadnější přístup k finančním prostředkům
v koncentrovaném bankovním sektoru. Tento pozitivní efekt by mohl kompenzovat přímý negativní
efekt co do objemu poskytnutých finančních prostředků. Na základě této studie se lze přiklonit
k názoru, že tržní struktura bankovnictví usnadňuje vývoj těch úvěrových vztahů, které mají
pozitivní efekt na růst firem a tempo hospodářského růstu.
Banka jako podnikatelský subjekt1.4.2.2.
V důsledku pozornosti veřejnosti, která je vedena směrem k bankám, přehlížíme často skutečnost,
že banky jsou primárně soukromým podnikem (Kaufmann, 1992). Hlavním cílem banky je maximalizovat
zisky poskytováním finančních služeb. Jejich úsilí je omezeno konkurencí ostatních
bank, nebankovních finančních institucí či vládními regulacemi. Jak banky vedou svůj obchod při
měnícím se ekonomickém a finančním prostředím, to je tématem této podkapitoly. Banka jako
podnikatelský subjekt využívá k posouzení zdraví a úspěšnosti poměrových ukazatelů návratnosti
aktiv a rentability vlastního kapitálu. Vedle zmíněných ukazatelů se zaměříme i na vývoj kapitálové
přiměřenosti a na nákladovost poskytovaných služeb.
Návratnost aktiv (ROA = zisk/celková aktiva) zachycuje využití aktiv ke tvorbě zisku. Mezinárodní
standardy ROA uvádějí (Ševčík, 2005), že hodnoty ukazatele v rozmezí 1,25–1,75 vypovídají o velmi
dobré návratnosti aktiv. ROA českého bankovního sektoru dosahuje spodní hranice rozmezí v roce
2003, přičemž se mírně zlepšuje. Naproti tomu hodnoty ROA rakouských bank se v letech 2000–
2007 pohybují výrazně pod hranicí, kdy poslední dva roky vykazují záporné hodnoty.
29 Počet úvěrových institucí zahrnuje úvěrové instituce, které splňují podmínky dle zákonů daného členského státu.
30 Úspory z rozsahu = průměrné náklady operace klesající s tím, jak se zvyšuje rozsah operace.
BANKOVNÍ SEKTOR72
Rentabilita aktiv (v%)Tabulka č. 25:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 0,7 0,7 1,1 1,2 1,3 1,4 1,2 1,3 1,2 1,5
AT31 0,8 0,8 0,7 0,3 0,5 0,5 0,7 0,4 −1,3 −0,1
Zdroj: International Monetary Fund: Global Financial Stability Report (2005–2010)
Dále potřebujeme vědět, jakým druhem je výnos peněz investovaný v bance (Kohn, 1993). Proto
počítáme návratnost kapitálu (ROE = čistý zisk po zdanění/vlastní kapitál). Tento výnos musíme
porovnat s alternativami. Ševčík (2005) uvádí, že hodnota ROE by měla dosahovat vyšších hodnot
než výnosnost dlouhodobých cenných papírů (okolo 10 %). Hodnotu ROE můžeme zvýšit růstem
zisku nebo snížením majetku. Zde ovšem platí, že čím menší majetek, tím větší šance selhání
banky. Hodnoty v tabulce vypovídají o střídavé tendenci v českém bankovním sektoru, kdy se
výše ROE pohybuje v rozmezí od 13,1% do 27,4%, což převyšuje danou hodnotu 10%. ROE rakouských
bank je charakterizováno obdobím sestupu v letech 2000–2003, následováno 4 lety růstu
k hodnotě 17%. Léta 2008 a 2009 vykazují výrazný pokles, na 2,6% a 8,3% (zřejmě v důsledku
nepříznivé globální finanční situace). Nízká ziskovost rakouských bank ve srovnání s českým bankovním
sektorem je dána zejména velmi vysokým počtem bank a bankovních poboček.
Rentabilita kapitálu (v%)Tabulka č. 26:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 13,1 16,6 27,4 23,8 24,6 26,4 23,4 25,4 21,7 26,0
AT 9,4 9,8 5,4 7,0 14,8 14,8 16,8 17,0 2,6 8,3
Zdroj: International Monetary Fund: Global Financial Stability Report (2005–2010)
Významné měřítko stability bankovního sektoru představuje kapitálová přiměřenost. Kapitálová
přiměřenost je konstruována jako poměr kapitálu bankovní instituce a rizikově vážených aktiv
(Žák, 2002). Podíl by měl dosahovat výše 8%. Vyšší hodnoty ukazatele zlepšují pozitivní hodnocení
bank na finančním trhu. Z tabulky vyplývá, že dlouhodobě bankovní sektory vybraných zemí
dosahují vyšší úrovně kapitálové přiměřenosti, než je stanoveno. Rakouský bankovní sektor, stejně
jako český, stabilně udržuje kapitálovou přiměřenost v rozmezí mezi 12% až 14%.
Kapitálová přiměřenost (v %)Tabulka č. 27:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 17,4 15,0 14,2 14,5 12,5 11,9 11,5 11,6 12,3 14,1
AT 14,5 12,4 11,8 11,8 12,4 11,8 13,2 12,7 12,9 14,3
Poznámka: Od roku 2004 na konsolidovaném základě. Srovnatelnost ve sledovaném období je omezena změnami v reportu a zavedení
nových reportovacích schémat. Údaj pro Rakousko za rok 2009 se vztahuje za měsíc září.
Zdroj: International Monetary Fund: Global Financial Stability Report (2005–2010)
Jedním měřítkem finančního systému je kvalita finančních produktů (Kohn, 1993), které nabízí,32
druhým
jsou náklady, za které jsou produkty dostupné. Protože reálné investice a úvěry jsou těsně spojeny,
31 Od roku 2004 jsou údaje uváděny na konsolidovaném základě.
32 Kvalita finančních služeb rozebrána v podkapitole Portfolio bank.
BANKOVNÍ SEKTOR 73
můžeme říci, že čím větší je cena pro dlužníky, tím menší budou reálné investice. Proto je vhodné se
podívat na vývoj úrokových sazeb placených na vklady a účtovaných za realizované úvěry.
Úrokové sazby na nové vklady a půjčky (v %; ke konci roku; průměr za odvětví)Tabulka č. 28:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
vklady domácnosti 3,50 3,70 3,17 2,41 2,17 2,13 2,99 3,84 4,00 2,24
úvěry domácnosti33 6,63 6,69 6,06 5,42 5,18 4,89 5,41 6,29 6,81 5,04
vklady podniky 3,37 3,62 3,11 2,36 2,32 2,19 3,00 4,17 4,68 2,19
úvěry podniky34 6,32 6,32 5,25 4,22 3,68 3,52 4,11 5,11 5,47 2,89
Poznámka: Úrokové sazby na vklady se vztahují na vklady se splatností od 1 do 2 let.
Zdroj: International Monetary Fund: Article IV Consultation – Staff Report (2007, 2009)
Z tabulky je patrné, že úroková sazba na úvěry domácností i podniků postupně v Rakousku klesala
v letech 2000–2006. Následující 3 roky docházelo k postupnému zdražení úvěrů jako reakce
na finanční situaci na globálním trhu. Stejný vývoj je patrný také u úrokových sazeb na vklady.
Vývoj úrokových sazeb českého bankovního sektoru vykazuje podobný trend (Chmelová 2009).
V letech 2000–2005 úrokové sazby na vklady i na půjčky postupně klesaly, od roku 2006 docházelo
k mírnému vzestupu v sazbách.
Zde je vhodné se pozastavit nad vlivem úrokových sazeb na subjekty reálného sektoru ekonomiky.
Vzhledem k tomu, že základní funkcí finančního systému je transformace úspor v investice,
je vhodné se zaměřit na vliv sazeb na objem úspor. Dopad úrokových sazeb na úspory není
jednoznačný. Nižší úrokové sazby snižují atraktivnost úspor v bankách. Ale mohou také znamenat,
že chtějí-li domácnosti dosáhnout nějakého zvoleného cíle musí šetřit pilněji (Kohn, 1993).
Domácnosti mají tendenci spořit více (= půjčovat více) s tím, jak jejich příjem roste. Množství
čistých půjček je závislé na úrokové míře, která může být vydělána za půjčení nebo je účtována
za využití úvěru. Efekt úrokové sazby na úspory domácností je v principu nejistý a v praxi se zdá
velmi malý. Také u firem patří výše úrokové sazby mezi determinanty, které jsou zvažovány při
rozhodování o vzetí si půjčky. Platí, že čím nižší je úroková míra, tím více investic je firma ochotna
podniknout (Kohn, 1993). Hlavní faktor ovšem představuje očekávání zisku.
Částka, kterou banky vydělají ze svých půjček přesahujících náklady vkladů, se nazývá marže.
Marže kompenzuje banky za to, že na sebe berou riziko transferu dlouhodobých půjček financovaných
krátkodobými vklady (Kaufman, 1992).
Marže mezi úrokovou sazbou na půjčky a na vklady (ke konci roku)Tabulka č. 29:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 2,26 2,36 2,09 2,29 2,41 2,40 2,53 2,77 3,01 2,98
AT 1,49 1,56 1,49 1,42 1,3 1,2 0,9 0,8 1,3 1,3
Zdroj: International Monetary Fund: Financial System Stability Assessment—Update, 2008; Staff Report 2009 Article IV Consultation;
ČNB: Dozor nad bankovním trhem, 2002–2005; Zpráva o dozoru nad finančním trhem 2007, 2008/2009
Úrokové rozpětí rakouských bank je ve srovnání s českými bankami nižší díky relativní nasycenosti
domácího trhu a intenzivní konkurenci (IMF, 2008) – což vypovídá o větší efektivnosti
33 Na spotřebu.
34 Na půjčky do výše 1 milionu EUR (včetně).
BANKOVNÍ SEKTOR74
nákladů. Klíčovým vysvětlením ziskovosti rakouských bank je jejich expanze na zahraniční trhy
(IMF, 2008). Expanze do CEEC zemí pomohla posílit výkon bankovního sektoru a vyrovnat
nízkou ziskovost na domácím trhu. CEEC produkují 40% zisků bank (IMF, 2008). Koncentrace
investic rakouských bank do CEEC regionu a rostoucí vystavení se klientům v těchto zemích nicméně
představuje rizika, která vyžadují pokračující monitorování a ostražitost (IMF, 2004).
Celkově lze bankovní sektor české ekonomiky hodnotit pozitivně, neboť disponuje relativně
dobrým kapitálovým vybavením i ziskovostí, čímž je eliminována potenciální zranitelnost bank
(Chmelová, 2009). Realizovaný zisk se projevuje také na objemu poskytovaných úvěrů, kdy zisk
zlepšuje schopnost banky čelit vyššímu riziku podnikání. Tvorba zisku také posiluje kapitál banky
a v dlouhém období stabilitu sektoru.
Bankovní sektor rakouské ekonomiky vykazuje známky relativně dobrého kapitálového vybavení
a vyšší efektivností sektoru při poskytování finančních služeb reálnému sektoru ekonomiky
(nižší marže). Sektor disponuje adekvátní likviditou, riziko je různorodé na mikro i makro-ekonomické
úrovni díky rozšíření trhu za domácí trh (IMF, 2008). Bankovní sektor zůstává fragmentovaný
a díky tomu disponuje nižší ziskovostí.
Portfolio bank1.4.2.3.
Víme-li, co finanční systém dělá, můžeme se podívat na to, jak dobře to dělá (Kohn, 1993).
Zajímáme se především o motivování k úsporám a snadnější poskytování půjček. Velikost úspor
a investic je významná pro každou ekonomiku, kdy úspory jsou zdrojem investic a investice
umožňují růst ekonomiky. Hospodářský růst a rostoucí příjmy vyžadují další investice do produktivního
kapitálu. Vedle množství investic je také důležité, aby investice byly transformovány do
nejlepšího užití. Efektivnost finančního systému je tedy hlavní determinantou kvality i kvantity
investic. Odlišné země mají odlišné finanční systémy a tyto rozdíly jsou hlavními faktory, které
určují jejich relativní ekonomický úspěch.
Půjčky tvoří primární část portfolia komerčních bank (Kaufman, 1992). Portfolia nedávných
let jsou ovládány obchodními půjčkami. Zůstávají stále největší částí, ale ztrácejí ve prospěch
ostatních, jako hypotéky a spotřebitelské úvěry. Zbytek představují finanční půjčky. Ve skutečnosti
je většina fixního kapitálu firem pokryta z vnitřních fondů (Kohn, 1993) a úvěry usnadňují
především financování pracovního kapitálu (zásoby). Vzhledem k tomu, že ekonomika vykazuje
dlouhodobě rostoucí tendenci, tzn. firmy dělají nové investice a rozšiřují svůj výstup, má čerpání
z úspor sklon předbíhat úspory sektoru firem.35
Proto sektor firem představuje čistého čerpatele
úspor. Důležitými faktory, které ovlivňují velikost úvěrů firem, jsou očekávání firem ohledně zisku
a úroková míra – čím nižší je úroková míra, tím více investic je firma ochotna podniknout.
35 Firmy čerpají z úspor, aby investovaly do pracovního i fixního kapitálu. Prostředky šetří na realizaci investic
v pozdějším časovém období nebo ke splacení minulých půjček.
BANKOVNÍ SEKTOR 75
Klientské úvěry bankovního sektoru (v mil. EUR; zaokrouhleno)Tabulka č. 30:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
nefinanční
korporace
128 103 131 593 129 090 128 851 109 924 109 276 116 103 121 991 133 608 130 137
domácnosti 59 221 62 805 67 114 69 346 94 213 104 892 108 723 115 108 121 489 121 313
vláda 28 726 28 274 28 333 29 944 31 237 29 427 28 662 26 302 25 072 26 135
nebankovní
zprostředkovatelé
10 458 11 892 12 771 13 391 14 509 19 364 22 000 21 645 25 769 24 568
celkem 226 511 234 565 237310 241534 252 801 265630 278100 287 541 308 671 304 911
Zdroj: Oesterreichische NationalBank (2010): Celkové úvěry
Z tabulky je zřejmé, že hlavním příjemcem úvěrů rakouské ekonomiky jsou nefinanční korporace.
V letech 2000 a 2001 je patrný pozvolný nárůst objemu úvěrů reálnému sektoru ekonomiky
(v tabulce uvedeno jako nefinanční korporace). Následujících 5 let je doprovázeno mírným poklesem.
Nárůst v bankovních aktivech v roce 2007 byl řízen předně silným růstem úvěrů poskytnutých
pobočkami rakouských bank v zahraničí navzdory klesající poptávce po domácích úvěrech.
Následující dva roky vykazují pokles dynamiky růstu úvěrů v důsledku nejistoty související
se situací na globálním finančním trhu. Zadluženost domácností vykazuje rostoucí tendenci, ale
relativně k jejich příjmu je nízká (IMF, 2008).
Bankovní instituce se tradičně nezapojují do „zahraničního obchodu“ při poskytování bankovních
služeb. Většina bankovních transakcí a finančních služeb produkovaných v každé zemi je
v této zemi i spotřebována (viz případ českého bankovního sektoru). Firmy i jednotlivci preferují
jednání s bankou ve svém sousedství. Pro banky i jejich zákazníky jsou náklady informací významné
a tyto náklady jsou minimalizovány transakcemi na lokální straně. Náklady tradičních aktivit
bankovnictví vykazují klesající tendenci.
Na počátku 90. let 20. století byly rakouské banky první, které vstoupily na CEEC trhy. Tato
expanze započala v Maďarsku a Česko-Slovensku a odtud pokračovala prakticky do celého regionu.
Dnes hrají rakouské banky důležitou roli v CEEC zemích. Holding v CEEC regionu reprezentuje
důležitou část celkových aktiv rakouských bank a přispívá významně k celkové ziskovosti.
Představují 40% jejich ziskovosti. Bankovní aktivity v regionu jsou geograficky distribuovány skrz
mnoho zemí a jejich vystavení je zcela diversifikováno. Největší objemy aktivit plynou do zemí,
se kterými sousedí (tím se potvrzuje úsilí omezit transakční náklady).
Geografické rozložení půjček/celkové půjčky (v %) v RakouskuTabulka č. 31:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
domácí − 74,3 75,8 74,4 73,4 70,6 68,6 65,7 67,5 67,1
zahraniční − 25,7 24,2 25,6 26,6 29,4 31,4 34,3 32,5 32,9
EMU − − 8,1 8,5 8,2 10,1 10,2 11,7 9,7 10,3
CEEC − − − − − 9,4 9,6 11,6 12,9 13,2
ostatní − − − − − 9,9 11,6 11,1 9,9 9,5
Zdroj: International Monetary Fund: Article IV Consultation – Staff Report (2007, 2009)
Číselné hodnoty sledující geografické rozložení půjček rakouských bank jsou k dispozici až od roku
2001. V tomto roce plynulo 25,7% poskytnutých úvěrů do zahraničí, přičemž procentuální zastoupení
BANKOVNÍ SEKTOR76
v období osmi let vzrostlo na úroveň 32,9%. Od roku 2005, kdy se zaznamenávají i jednotlivé kategorie
destinací, dochází k posílení spojení se zeměmi CEEC. Bankovní sektor české ekonomiky se proti
tomu orientuje především lokálně, kdy hlavními klienty jsou rezidenti (Chmelová, 2009).
Aktiva bank je důležité zkoumat také v kvalitě a zdravosti. Zdraví rakouského finančního systému
bylo od roku 2003 podpořeno uspokojivým makroekonomickým vývojem (IMF, 2008). V celém
sledovaném období dosahují klasifikované úvěry úrovně mezi 1,9% až 3,0%. Také český
bankovní sektor vykazuje postupné snižování zátěže v podobě klasifikovaných úvěrů.36
Mírný
vzestup je patrný v roce 2009, což je dáno především ekonomickým poklesem a následným růstem
nezaměstnanosti (IMF, 2010).
V krátkosti zmíníme také proces diversifikace, který představuje primární ochranu proti ztrátám
z realizovaných půjček (Kohn, 1993). Diversifikace je proces rozprostření investic mezi velký
počet aktiv, které snižují riziko selhání nějakého aktiva (Kaufman, 1992). Díky diversifikaci může
banka také garantovat sazbu na vklady zákazníků.
Velikost klasifikovaných úvěrů/úvěry (v %)Tabulka č. 32:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 29,3 13,7 10,6 4,9 4,0 3,9 3,7 2,8 3,3 5,3
AT 2,4 2,3 2,3 3,0 2,7 2,6 2,7 2,2 1,9 2,3
Zdroj: International Monetary Fund: Global Financial Stability Report (2005–2010)
Rakouský bankovní sektor lze zařadit mezi ty, které mají značné zázemí primárních zdrojů.
Většinový zdroj rakouských bank představují depozita domácností (stejně jako u českého bankovního
sektoru). Banky mají pevný základ vkladů a jejich vystavení se zasaženým trhům dosahuje
nízké úrovně. Bankovní sektor jako celek disponuje dostatečnou likviditou (IMF, 2008).
Celkové vklady bankovního sektoru (v mil. EUR; zaokrouhleno)Tabulka č. 33:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
nefinanční
korporace
− − − − 3,5 3,6 4 3,9 3,2 4,7
domácnosti 119 246 124 849 127 019 131 416 130 505 131 217 133 897 140 187 150 068 151 700
vláda 436 566 651 753 822 868 829 897 952 1 093
nebankovní
zprostředkovatelé
23 23 29 30 28 30 36 35 48 73
celkem 119 705 125 438 127 700 132 200 135 957 136 894 139 810 146 118 155 379 158 987
Poznámka: Do roku 2004 byly úspory nefinančních korporací započítávány do kategorie domácnosti, proto nejsou uvedeny hodnoty.
Zdroj: Oesterreichische NationalBank (2010): Celkové vklady
Hodnoty v tabulce dokazují, že sektor domácností je čistým spořitelem v ekonomice (platí pro rakouský
i pro český bankovní sektor). To je způsobeno tím, že populace i příjem roste (Kohn, 1993).
Roste-li populace, pak existuje vždy více spořitelů (lidí v produktivním věku) než těch, kteří čerpají
z úspor. Proto budou čisté úspory pozitivní. Druhým důvodem je, že roste příjem. Staří čerpají
z úspor, které si udělali, když byli mladí. Jejich příjem byl ovšem menší, než je příjem dnešních
36 Skokové snížení klasifikovaných úvěrů z roku 2000 na rok 2001 stojí záměrné očišťování portfolií velkých bank
a odprodejem klasifikovaných úvěrů nebankovním subjektům (Chmelová, 2009).
BANKOVNÍ SEKTOR 77
mladých lidí. Proto čerpání z úspor starých lidí je nižší než úspory současných mladých. Tento
efekt je posílen také tendencí lidí šetřit větší zlomek svých příjmů s tím, jak roste jejich příjem. Lze
tedy vidět, že čisté úspory sektoru domácností záleží velkým dílem na demografii (populační růst
a věkové složení) a na míře růstu příjmu.
Finanční zprostředkování zabezpečuje vyšší míru úspor a investic a tím vyšší míru hospodářského
růstu, proto je žádoucí, aby ekonomika disponovala rozvinutým a prohlubujícím se finančním
systémem (Chmelová, 2009). Prohlubování finančního zprostředkování lze měřit poměrem domácích
úvěrů soukromému sektoru k HDP. Hodnoty v tabulce vypovídají o zlepšující se úrovni
finančního zprostředkování ve sledovaných ekonomikách. V České republice dochází k soustavnému
prohlubování od roku 2002 (v letech 2000–2002 je patrný klesající trend). Naproti tomu
Rakousko je charakteristické skokovým růstem následovaným dvou až tříletým obdobím stagnace.
Finanční obsloužení subjektů reálné ekonomiky je v Rakousku dvakrát vyšší než v České republice,
což poukazuje na relativní nasycenost rakouského domácího trhu. Odlišná úroveň finanční
hloubky patří mezi hlavní faktory relativního ekonomického úspěchu (Kohn, 1993).
Domácí úvěry soukromému sektoru (v % HDP)Tabulka č. 34:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 49 41 31 32 33 37 41 48 53 −
AT 102 104 104 104 105 113 114 114 118 −
Zdroj: WorldBank: World development indicators. WDI online
Platí (Kohn, 1993), že čím úspěšnější je finanční systém při transformování rizikových a nelikvidních
reálných aktiv do bezpečných a likvidních finančních aktiv, které ekonomické subjekty chtějí,
tím více prostředků bude dostupných pro reálné investice. Dobře vyvinutý systém může zemi pomoci
v růstu tím, že zajistí, aby byly úspory užity efektivně. Průmyslové země mají tendenci mít
sofistikovanější a diverzifikovanější finanční systém.
Velikost samotného bankovního systému může být monitorována vývojem objemu bankovních
půjček určených soukromému sektoru vyjádřených v % HDP. Finanční instituce jsou vyvíjeny
(Aliber, 1987), aby poskytovaly střadatelům a investorům balíček služeb soustředící se na
management rizika spojeného s tokem finančních prostředků (úvěrů). Pouze finanční zprostředkovatelé
a zvláště vkladoví finanční zprostředkovatelé transformují splatnost (Kaufman, 1992).
Transformováním splatností uspějí banky v poskytování hlavních služeb obchodním firmám
a současně pokračují v uspokojování požadavků vkladatelů. Obecně je přijímán fakt, že velký finanční
systém je pozitivně spojen s ekonomickým růstem i růstem produktivity.
Domácí úvěry poskytnuté bankovním sektorem (v % HDP)Tabulka č. 35:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
CZ 49 46 42 49 45 43 49 53 58 −
AT 124 123 122 121 122 128 128 126 129 −
Zdroj: WorldBank: World development indicators. WDI online
Dynamika finančních trhů odráží značnou konkurenci produktů na trzích, která se projevuje poklesem
bankovního zprostředkování ve prospěch nebankovních institucí (Mejstřík, 2008). Expanze
různorodých finančních instrumentů se projevuje stagnací bankovního sektoru v rakouské
BANKOVNÍ SEKTOR78
ekonomice v letech 2000–2004, přičemž v roce 2005 dochází k mírnému nárůstu důvěry v bankovní
sektor. Podobný vývoj je pozorovatelný také v rámci české ekonomiky.
Závěr1.4.3.
Finanční zprostředkovatelé vykonávají několik funkcí. Poskytují likviditu, snižují riziko a disponují
odbornými znalostmi při realizaci půjček. Dále nabízejí širokou varietu finančních instrumentů
deficitním subjektům, včetně úvěrových produktů s odpovídající dobou splatnosti. Často
jsou tyto úvěry poskytovány za nižší sazby, než by mohli dlužníci dosáhnout na finančním trhu.
Banky poskytují úvěry soukromému sektoru ekonomiky. Když přestanou tuto roli vykonávat nebo
stanou-li se úvěry obtížněji dosažitelné, ekonomika často trpí kontrakcí. Zřetelně fungující finanční
systém je extrémně důležitý pro efektivní fungování ekonomického systému v čase. Finanční
systémy zvětšují efektivní alokaci kapitálu díky sdílení rizika a informací. Volatilnější moderní prostředí
zvyšuje povědomí bankéřů i veřejnosti o problémech úvěruschopnosti dlužníků.
Rakousko se těší vysokému standardu dohledu založenému na silných institucích a komplexním
právním systému. Finančnímu systému dominuje bankovní sektor (IMF, 2004). Rapidní expanze
finančního systému na evropské rozvíjející se trhy přinesla vyšší zisky a diversifikaci (IMF,
2008), ale také větší zranitelnost – především úvěrové riziko včetně rizika spojeného s půjčováním
v zahraniční měně do těchto zemí. Nedávná globální nákaza finančních trhů neměla velký přímý
efekt na rakouské banky, ale zvýšila náklady financování a může zpomalit růst, což by mohlo mít
eventuálně dopad na úvěrovou kvalitu. Finanční systém je obecně zdravý. Souhrnné indikátory
finanční zdravosti bank dosahují uspokojivých úrovní.
Vybrané ukazatele potvrzují, že český bankovní sektor je stabilní, efektivní a zdravý. Tradiční
orientace českých bank na retailové obchody se projevila minimální držbou rizikových aktiv. Míra
koncentrace a stability trhu se v čase příliš nemění. Instituce disponují odpovídajícím objemem
zdrojů na krytí úvěrové politiky. Banky, v reakci na nepříznivou situaci na globálním trhu zúžily
úvěrové standardy a obecně snížily rizikový profil svých aktiv (IMF, 2010), kdy v určitém rozsahu
odrážejí politiku mateřských bank. Ke konci roku 2009 je patrný stále pozitivní růst bankovního
zisku, který byl částečně vyrovnán nárůstem klasifikovaných úvěrů.
Jak bylo uvedeno v příspěvku, struktura rakouského bankovního sektoru je, z historických
důvodů, mnohem různorodější než v České republice (Kášová, 1999). Většinu trhu zaujímají
Raiffeissen úvěrové korporace spolu s akciovými bankami a spořitelnami. Vysoký počet působících
institucí se projevuje zejména nízkou ziskovostí sektoru a také slabou pozicí zahraničního
kapitálu ve vlastnictví bank. V České republice hrají rozhodující roli zejména akciové banky. Nižší
počet bankovních institucí lze považovat za přednost českého bankovního sektoru, neboť tyto instituce
nabízejí univerzální finanční služby, které uspokojují aktuální poptávku ze strany subjektů
reálné ekonomiky a tím pozitivně podporují hospodářský růst.
Koncentrace českého bankovního sektoru dosahuje vyšší úrovně ve srovnání s rakouským trhem,
kdy v roce 2008 nabývá hodnoty 62%, respektive 39%. Bankovní trhy vybraných zemí vykazují
v čase stabilní vývoj, což má pozitivní vliv na finanční sektor i ekonomiku (plynulá finanční obslužnost
subjektů reálné ekonomiky podporuje tempo hospodářského růstu). Ukazatele kapitálové
přiměřenosti převyšují stanovenou hranici 8%, což vysílá pozitivní signál k vkladatelům a věřitelům
bank (příznivý vliv na funkci mobilizátorů úspor). Rakouský finanční systém dosahuje dvojnásobné
úrovně než český bankovní sektor (měřeno jako domácí úvěry poskytnuté bankovním sektorem
v % HDP), což podporuje financování produktivnějších investic a tím i ekonomický růst. Bankovní
sektory vybraných zemí lze hodnotit jako stabilní, zdravé a efektivně fungující (snižující se úroková
marže), čímž vytvářejí příznivé podmínky pro rozvoj reálného sektoru ekonomiky.
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–2009 79
Efektivnost českého bankovního sektoru1.5.
v letech 2000–2009
Fungování finančního systému je považováno za jednu z výrazných determinant hospodářského
růstu (Levine, 2004). Fungování bankovního sektoru je však obvykle posuzováno pomocí kvantitativních
ukazatelů, jakými je objem poskytnutých úvěrů, a kvalitativní ukazatele jsou odsouvány
do pozadí. Existuje přitom empirická evidence, že je to především kvalita bankovního sektoru,
která hraje nejpodstatnější roli. Koetter, Wedow (2006) nachází na vzorku německých bank signifikantní
vztah mezi růstem HDP a efektivností bankovního sektoru posuzované dle minimalizace
nákladů, naopak nenachází žádný statistický vztah mezi objemem poskytnutých úvěrů a růstem
HDP. V tomto článku se proto zaměřím na efektivitu bankovního sektoru.
Cílem tohoto článku je porovnání efektivnosti bankovního sektoru v České republice a Rakousku
v letech 2000–2009 a vysvětlení případných rozdílů. Rakousko je zvoleno jako měřítko efektivnosti,
protože se jedná o bankovní trh, jenž je s českým bankovním trhem výrazně propojen. Lze
proto očekávat, že díky vzájemnému propojení obou bankovních trhů a díky sjednocené regulaci
na integrovaném finančním trhu Evropské unie bychom neměli pozorovat rozdíly v efektivitě
českých a rakouských bank. Případně je možné očekávat rozdíly na počátku sledovaného období,
předpokládám však, že po vstupu České republiky do EU a s tím spojené možnosti podnikat
na základě jednotné bankovní licence povedou konkurenční tlaky k vyrovnání efektivity bank.
Kritériem efektivnosti bankovního sektoru je kritérium nákladové efektivnosti, přičemž k jejímu
odhadu je použita metoda stochastic frontier analysis (SFA).
Kapitola postupuje následujícím způsobem: následující část prezentuje koncept efektivnosti
a obsahuje krátký přehled literatury věnující se efektivnosti bankovního sektoru a jejímu měření.
Třetí část je věnována metodologii a předpokladům, z nichž odhadovaný model vychází. Ve čtvrté
části práce popisuji odhadovaný model a použitá data. V páté kapitole prezentuji výsledky a nabízím
jejich možnou interpretaci. Šestá kapitola článek uzavírá.
Efektivnost bankovního sektoru1.5.1.
Abychom mohli porovnávat efektivnost bankovního sektoru, je třeba nejprve vysvětlit pojem efektivnosti
a neefektivnosti. Dosavadní práce se zaměřily na dva zdroje neefektivnosti bank: výnosy
z rozsahu a X-neefektivnost (Freixas, Rochet, 1997). Výnosy z rozsahu referují o vztahu mezi velikostí
banky a jejími náklady. Neefektivnost daná výnosy z rozsahu tak souvisí s tím, že bankovní
firma nemá optimální velikost a v odvětví nepůsobí optimální počet bank. X-efektivnost měří, jak je
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–200980
firma produktivní při použití vstupů k tvorbě výstupu. Firmy, které vykazují X-neefektivnost, některými
vstupy plýtvají nebo používají špatnou kombinaci vstupů k výrobě daného výstupu nebo obojí.
Existence X-neefektivnosti je obvykle vysvětlována neschopností manažerů nebo informační asymetrií
a následným problémem agentury, který vede k tomu, že manažeři zdroji firmy plýtvají.
X-neefektivnost se přitom jeví být mnohem významnějším zdrojem neefektivity než potenciální
výnosy z rozsahu (Berger, Mester, 1997). Berger et al. (1993) odhaduje, že na bankovním
trhu USA je X-neefektivnost zodpovědná za 20 a více procent veškerých nákladů bank. Altunba
et al. (2001) nachází výnosy z rozsahu ve výši 9 %, zatímco X-neefektivitu odhadují na 17% celkových
nákladů bankovního sektoru. Studie Carbo et al. (2002) zkoumá efektivnost evropského
bankovního sektoru mezi léty 1989 a 1996. Při aplikaci metody SFA na nákladové funkce dochází
k závěru, že neefektivnost způsobená výnosy z rozsahu se pohybuje mezi 7 až 10%, zatímco
X-neefektivnost dosahuje až 22%. Vzhledem k těmto výsledkům se i já v tomto článku zaměřím
na měření X-neefektivnosti a možné rostoucí výnosy z rozsahu ponechám stranou. Pokud tedy
budu v dalším textu mluvit o efektivitě nebo neefektivitě, budu tím myslet výhradně X-efektivnost
či X-neefektivnost.
Pokud se podíváme na literaturu komparující efektivnost bankovního sektoru České republiky
a dalších zemí, pak nalezneme dvě studie. Taci, Zampieri (1998) zkoumají rozdíly v efektivnosti
soukromých a státem vlastněných bank a docházejí k závěru, že soukromé banky jsou efektivnější.
Fries, Taci (2004) porovnávají efektivnost bankovního sektoru v letech 1994 až 2001 v patnácti
postkomunistických zemích a docházejí k závěru, že bankovní sektor České republiky patřil
v tomto období v porovnání s ostatními postkomunistickými zeměmi mezi méně efektivní.
Zároveň uzavírají, že banky se zahraničími vlastníky byly prokazatelně efektivnější.
Metodologie1.5.2.
Produkce banky
Existují různé koncepty toho, jak chápat produkci banky. Abychom tedy mohli mluvit o neefektivnosti
bankovního sektoru, musíme vysvětlit, jak budeme rozumět produkci banky, tj. musíme identifikovat,
co je vstupem produkční funkce banky a co je jejím výstupem. Bankovní teorie nabízí dva
základní koncepty, jak nahlížet na banku a její produkci (Freixas, Rochet 1997). Dle tzv. produkčního
přístupu můžeme bankovní aktivity chápat jako služby poskytované vkladatelům a dlužníkům.
Bankovní produkci pak můžeme nejlépe popsat jako použití práce a fyzického kapitálu k výrobě služeb,
které by mohly být vhodně aproximovány například množstvím zpracovaných platebních příkazů.
Na druhé straně stojí tzv. zprostředkovatelský přístup. Tento přístup bere do úvahy, že vklady
mají jiné charakteristiky než úvěry a za základní aktivitu banky považuje zprostředkování zápůjčních
fondů. Vstupem produkční funkce tak není jen práce a fyzický kapitál, ale především finanční kapitál,
tj. vklady, emitované dluhopisy či přijaté úvěry. Výstup je v rámci zprostředkovatelského přístupu
možné měřit pomocí množství poskytnutých úvěrů a jiných finančních investic.
Produkční přístup je vhodný pro analýzu efektivity jednotlivých poboček. Cílem tohoto článku
je však analýza banky jako celku a proto je pro naše účely vhodnější zprostředkovatelský přístup.
Budeme tedy chápat banku jako firmu s produkční funkcí F(y,x), kde y je vektor výstupů
zahrnující množství poskytnutých úvěrů a množství dalších finančních investic, především cenných
papírů, a x je vektor vstupů zahrnující primárně práci, fyzický kapitál a vklady.
Minimalizace nákladů a riziko
V předchozích dvou odstavcích jsem popsal, jaký koncept efektivnosti používáme, jakou metodu
použiji k jeho odhadu a jak chápu produkci bankovní firmy. Dalším krokem je určení
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–2009 81
optimalizačního cíle banky. Pro naše účely budeme za cíl banky považovat minimalizaci nákladů,
a to především kvůli dostupnosti určitých dat. V rámci našeho modelu jsou banky pokládány za
příjemce ceny, a to jak co se týče vstupů, tak výstupu. Zároveň se zajímáme o dlouhé období, což
implikuje, že banky jsou konfrontovány pouze s variabilními náklady. Předpokládáme tedy, že
banky řeší problém, který lze formalizovat následujícím způsobem, kde wi
označuje cenu i-téhož
vstupu:
C(y, wi) = minx (wi, xi) za podmínky F (y, x) ≤ 0 (1)
Vzhledem k tomu, že odhadujeme dlouhodobé nákladové funkce, jsou všechna množství a ceny
variabilní. Uvedenou minimalizaci proto můžeme řešit pomocí Lagrangeova multiplikátoru
(2)
Řešením uvedeného problému získáme poptávky po výrobních faktorech
xi
* =
xi
*
(wi , yi) (3)
Minimální úroveň nákladů pak získáme jejich dosazením do výdajové funkce. Výsledkem je nákladová
funkce, která závisí na cenách vstupů a množství výstupů
(4)
Hughes, Mester (1993) ale upozornili na skutečnost, že prostá minimalizace nákladů může vést
ke zkreslení odhadu neefektivnosti, protože nebere do úvahy kapitálovou strukturu. Vyloučení
vlastního kapitálu je ekvivalentní předpokladu, že cena vlastního kapitálu je dokonale korelovaná
s cenou depozit a zároveň je množství vlastního kapitálu dáno endogenně na úrovni minimalizující
náklady. Za těchto podmínek není kapitálová struktura významná a minimalizace nákladů je
dostatečným popisem chování banky.
Lze však uvést několik důvodů, proč uvedené podmínky neplatí a proč kapitálová struktura
hraje významnou roli. Především banky si nemohou zvolit jakoukoliv úroveň vlastního kapitálu,
protože jsou omezeny pravidly bankovní regulace, které stanovují minimální kapitálové požadavky.
Je tudíž zřejmé, že pozorované množství vlastního kapitálu neodpovídá takovému množství
kapitálu, které minimalizuje náklady. Další regulací, která vyžaduje začlenění vlastního kapitálu
do modelu, je povinné pojištění vkladů. Rochet (1992) představuje model efektivního finančního
trhu s náklady bankrotu. V takovém modelu vyšší množství vlastního kapitálu snižuje náklady
bankrotu a signalizuje nižší rizikovost banky. Manažeři banky jsou pak motivováni volit takové
množství vlastního kapitálu, které minimalizuje náklady, protože při nižší úrovni vlastního kapitálu
požadují vkladatelé vyšší výnos ze svých vkladů. Povinné pojištění vkladů však tuto tržní
disciplínu narušuje, protože vkladatelé ztrácejí motivaci banku monitorovat a požadovaný výnos
z vkladů je při dané úrovni rizika nízký a výsledkem je neadekvátní poměr vlastního kapitálu.
Kromě regulace může být dalším důvodem pro averze k riziku. I bez regulace by manažeři banky
volili množství vlastního kapitálu minimalizujícího náklady jen v případě, že by byli neutrální
k riziku. Pokud jsou však rizikově averzní, pak mohou preferovat vyšší úroveň vlastního kapitálu,
než je úroveň minimalizující náklady, protože vyšší úroveň vlastního kapitálu snižuje riziko
bankrotu.
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–200982
Oba dva možné způsoby argumentace vedou k závěru, že opomenutí vlastního kapitálu může
vést k vychýleným odhadům neefektivnosti. Důvodem je, že pozorované poptávky po výrobních
faktorech se mohou zdát neefektivní, přestože jsou ve skutečnosti důsledkem regulačních omezení
či odlišných rizikových preferencí. S tímto problémem se vypořádáme tak, že zachováme behaviorální
předpoklad minimalizace nákladů, ale zavedeme vlastní kapitál do technologického omezení,
s nímž je banka konfrontována. Poptávka po výrobních faktorech pak nebude záviset pouze
na ceně těchto faktorů a produkovaném množství výstupu, ale i na množství vlastního kapitálu,
značeného k. Úroveň minimálních nákladů je tedy dána následovně:
(5)
Stochastic frontier analysis
Při empirickém měření neefektivnosti bankovního sektoru použiji metodu stochastic frontier analysis
(SFA). Tato metoda je založena na odhadu tzv. „best-practice“ nákladové funkce. Tato funkce
je odhadnuta z pozorovaných dat a udává náklady, kterých by docílila banka řízená nejlepším
možným způsobem. Povšimněme si, že nejde o nejlepší možný způsob vůbec, ale o nejlepší možný
způsob, který lze vyvodit z dat ve vzorku (Mester, Berger 1997). V případě logaritmické transformace
může být „best-practice“ nákladová funkce vyjádřena následovně:
ln Ci = ln f(wi, yi, ki) − ui + vi , (6)
kde Ci
jsou náklady banky i a f je „best practice“ nákladová funkce. Rezidua se skládají ze dvou
částí. Člen ui
vypovídá o X-neefektivnosti, zatímco člen vi
odpovídá náhodné chybě. Rozdělění rezidua
na tyto dvě části je uskutečněno pomocí explicitních předpokladů týkajících se jejich rozdělění.
Předpokládá se, že člen reprezentující náhodnou chybu má normální rozdělení, tj.
vi : N (0, σv
2
), (7)
a člen reprezentující neefektivnost má normální rozdělění omezené na kladné hodnoty, tj.
ui : N+
(Ui , σu
2
). (8)
Touto metodou je pak možné odhadnout efektivnost, resp. neefektivnost, každé banky. Efektivnost
nám říká, jak blízko jsou náklady individuální banky vůči nejvíce nákladově efektivní bance se
stejnou velikostí výstupu. Konkrétně je neefektivnost banky v čase t (IEM) tedy definována jako
podíl pozorovaných nákladů a odhadnutých minimálních nákladů.
(9)
Měřítko neefektivnosti tedy nabývá hodnot od 1 do nekonečna, přičemž hodnota 1 označuje
zcela efektivní banku. Pokud nebude výslovně uvedeno jinak, budu neefektivnost banky uvádět
v této podobě. Neefektivnost je však možné alternativně definovat jako převrácenou hodnotu, tj.
jako podíl odhadnutých minimálních nákladů a skutečně pozorovaných nákladů.
(10)
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–2009 83
Tato reformulace koeficientu neefektivnosti má také lákavou interperetaci, protože nám říká, jaké
procento nákladů bylo vynaloženo účelně, tj. jaké procento nákladů by banka vynaložila k produkci
daného výstupu, pokud by se chovala dle „best-practice“ nákladové funkce odhadnuté z dat
ve výběru. Je zřejmé, že při této definici nabývá měřítko neefektivnosti hodnot od 0 do 1, přičemž
hodnota 1 odpovídá zcela efektivní bance.
K analýze možných zdrojů neefektivnosti využijeme model Batesse, Coelli (1995), který umožňuje
nejen odhad neefektivnosti, ale také identifikaci faktorů, které jsou s měřítkem neefektivnosti
korelované. Tento přístup předpokládá, že střední hodnota členu reprezentujícího neefektivnost,
Ui
je lineární funkcí dalších vysvětlujících proměnných, tj.
Ui = δzi , (11)
kde z je vektor vysvětlujících proměnných a δ je vektor odhadovaných parametrů. Neefektivnost
je pak v tomto případě definována jako rozdíl mezi pozorovanými náklady a predikovanými minimálními
náklady nejen při daném výstupu a cenách výrobních faktorů, ale i dalších vysvětlujících
proměnných, jako je např. země, v níž banka působí.
Model a data1.5.3.
Kvůli jednoduchosti předpokládáme, že bankovní technologie lze popsat Cobb-Douglasovou
produkční funkcí. Závislou proměnnou jsou celkové náklady. V souladu se zprostředkovatelským
přístupem předpokládám, že banka produkuje dva typy výstupu, poskytuje úvěry a investuje do jiných
finančních nástrojů. Za hlavní vstupy považujeme práci a finanční zdroje. Předpoklad CobbDouglasovy
produkční funkce zahrnuje také určité restrikce na odhadované parametry (Coelli,
2005). Konkrétně tento předpoklad implikuje, že funkce minimálních nákladů je homogenní stupně
jedna v cenách výrobních faktorů. Při zohlednění tohoto omezení můžememe nákladovou
funkci banky i v čase t vyjádřit následující rovnicí:
ln Ci,t (y, w, k) = β0
+ β0 ln yi,t + β1 ln y1, i,t + β2 ln y2, i,t + β3 ln w1, i,t +
+ (1 − β3)ln w2, i,t + β4 ln k1, i,t + β5 ln t1, i,t + ui, t + vi, t (12)
přičemž význam vysvětlujících proměnných je následující:
y1 množství poskytnutých úvěrů
y2 ostatní finanční investice
w1 cena finančních zdrojů
w2 cena práce
k vlastní kapitál
t čas
u neefektivnost; u1 : N+
(Ui , σu
2
)
v statistický šum; v1 : N (0, σv
2 )
Cena práce je aproximována pomocí podílu osobních nákladů a celkových aktiv. Cena vypůjčených
fondů je vyjádřena jako podíl úrokových nákladů a cizího kapitálu. Výstupy jsou aproximovány
množstvím poskytnutých úvěrů a množstvím držených cenných papírů. Do modelu jsme
zahrnuli i časový index, čímž jsme umožnili, aby se bankovní technologie měnila v čase. Parametr
β5
tak můžeme intepretovat jako pokrok v bankovní technologii.
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–200984
Dále předpokládáme, že neefektivnost závisí na časovém trendu a zemi ve které banka působí, tj.
České republice nebo Rakousku, a na skutečnosti, zdali banka působila v rámci jednotného trhu
EU. Člen U vyjadřující X-neefektivnost proto lze vyjádřit následující rovnicí:
Ui,t = δ0 + δ1t − δ2ÈR + δ3EU (13)
ČR je dummy proměnná, která nabývá hodnoty 0 v případě, že daná banka působí v Rakousku,
a 1 v případě, že působí v České republice. Obdobně proměnná EU udává, zdali banky působí
v rámci EU. V případě rakouských bank nabývá tato proměnná vždy hodnoty 1, protože
Rakousko bylo po celé sledované období členem EU. Pro české banky nabývá proměnná EU hodnoty
1 v letech 2005–2009, tj. pro roky, kdy byla Česká republika po celý rok členem EU. Stejně
jako u první odhadované rovnice, také zde jsem zařadil jako jednu z vysvětlujících proměnných
čas. Parametr časové proměnné δ1
však nyní nelze interpretovat jako technologický pokrok, ale
jako parametr, který udává změnu neefektivnosti v čase.
Celý model je odhadován pomocí metody maximální věrohodnosti. Využijeme přitom reparemetrizaci
představenou v Batesse, Coelli (1993), kde jsou parametry σu
2
a σv
2
nahrazeny parametry
σ2
a γ, které jsou definovány následovně:
σ2
=σu
2
+ σv
2
(14)
. (15)
Logaritmická věrohodnostní funkce s využitím uvedené repaparametrizace je blíže specifikována
v Batese, Coelli (1993).
Model je odhodován na panelových datech týkajících se pouze devíti velkých univerzálních
bank, čtyř z České republiky a pěti z Rakouska. Bankami zahrnutými do vzorku jsou Komeční
banka, Česká spořitelna, ČSOB, Unicredit bank, Volksbank, Raifeissenbank, Erste Bank, Bawag,
Bank Austria. Důvod, proč je vzorek omezen na velké banky, je dvojí. Jednak velké univezální
banky tvoří v obou zemích podstatnou část bankovní sektoru a zároveň nejsou velké univerzální
banky vystaveny regionálním specifikům, ani specifikům spojeným se specializací na určitý segment
bankovního trhu, a lze u nich proto předpokládat nejvyšší míru integrace. Data se vztahují
k období od roku 2000 do roku 2009. Veškerá data pocházejí z výročních zpráv a účetních uzávěrek
výše uvedených bank. Deskriptivní statistiky použitých dat uvádí tabulka č. 36.
Deskripitvní statistiky datTabulka č. 36:
proměnná průměr směrodatná odchylka maximum minimum
y1
* 32 099 34 885 131 973 2 647
y2
* 12 951 13 257 47 534 162
w1
** 2,75 1,11 5,97 1,01
w2
** 1,99 0,73 4,24 0,72
k* 3 480 3 511 16 122 412
Poznámka: * v mil. Euro, ** v %.
Zdroj: Výroční zprávy bank
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–2009 85
Výsledky1.5.4.
V této části budu prezentovat odhad parametrů výše uvedeného modelu. Výsledky modelu uvádí
tabulka č. 37. Kromě již specifikovaných parametrů je v tabulce obsažena také statistika γ, která
udává, jak velká část rozptylu rezidua připadá na člen reprezentující neefektivnost. Hodnota parametru
γ naznačuje, že banky ve vzorku vykazují jistou míru X-neefektivnosti. Totéž lze vidět také
v prvním řádku tabulky kde testujeme hypotézu, že měřítko neefektivnosti je statisticky významně
odlišné od nuly. Z tohoto testu plyne, že rozdíly mezi pozorovanými náklady a „best practice“
nákladovou funkcí tak nelze připsat pouze náhodě, ale jejich významnou část lze vysvětlit
X-neefektivností.
Odhad nákladové hraniceTabulka č. 37:
proměnná parametr koeficient směrodatná odchylka T-hodnota
konstanta β0
1,683** 0,237 7,116
y1 β1
0,418** 0,098 4,259
y2 β2
0,269** 0,032 8,328
w1 β3
0,738** 0,029 25,360
k β4
0,385** 0,095 4,065
t β5
−0,007 0,010 −0,683
konstanta δ0
−0,006 0,168 −0,037
t δ1
−0,083* 0,028 −2,929
ČR δ2
0,548** 0,153 3,569
EU δ3
0,130 0,136 0,950
γ 0,303** 0,272 3,311
Poznámka: ** 1% hladina významnosti, * 5% hladina významnosti.
Zdroj: vlastní výpočty
Znaménka β parametrů jsou celkem očekávaná. Celkové náklady jsou tím vyšší, čím vyšší výstup
banka produkuje, tj. čím více úvěrů poskytuje a čím více drží jiné finanční investice. Vidíme, že
nejvýrazněji se do bankovních nákladů promítá cena finančních zdrojů, kterou musí banky platit
svým vkladatelům a dalším věřitelům. Zvýšení ceny cizích zdrojů o 1 % se projeví v nárůstu nákladů
banky o 0,738 %. Cena práce a fyzického kapitálu není pro banky tak podstatná jako cena
finančních zdrojů. Zvýšení ceny práce o 1 % se projeví v nárůstu nákladů o 0,262 %. Vzhledem
k tomu, že parametr β4
je významně odlišný od nuly, jeví se jako velmi vhodné také výše diskutované
začlenění vlastního kapitálu do nákladové funkce banky. Skutečnost, že je parametr β4
kladný,
lze vysvětlit dvěma způsoby. Prvním vysvětlením je skutečnost, že pravidla regulace stanovují
vyšší množství vlastního kapitálu, než je množství minimalizující náklady. Druhým možným
vysvětlením je riziková averze manažerů bank. Jak ukazuje tabulka, všechny tyto koeficienty jsou
statisticky signifikantní na 1 % hladině významnosti. Za povšimnutí stojí také parametr β5
, který
udává změnu bankovní technologie v čase. Z jeho hodnoty můžeme usuzovat, že během sledovaného
období nedocházelo k pokroku v produkční technologii bank.
Vzhledem k cíli článku nás však zajímají především parametry δ, jejichž hodnota nám může dát
odpověď na následující otázky. Je efektivita bankovního sektoru v České republice a Rakousku
odlišná? Nejsou případné rozdíly v efektivitě dány odlišnou mírou regulace v období, kdy Česká
republika nebyla členem EU? A konečně parametr δ1 ukáže, jak se vyvíjí neefektivita bankovního
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–200986
sektoru v čase? Do jaké míry zlepšuje zavedení těchto dodatečných vysvětlujících proměnných
vypovídací hodnotu modelu lze zkoumat pomocí testu poměru věrohodnosti (LRT)37
, jehož výsledky
jsou uvedeny v následující tabulce č. 38.
Vysvětlení neefektivnostiTabulka č. 38:
LRT P-hodnota
γ=δ0
=δ1
=δ2
=δ3
=0 16,15 0,006
δ1
=0 7,12 0,008
δ2
=0 4,4 0,04
δ3
=0 0,84 0,64
Zdroj: vlastní výpočty
Vidíme, že parametr δ2
je kladný a zároveň jeho přidání výrazně zvyšuje hodnotu věrohodnostní
funkce, což ukazuje, že české banky byly výrazně neefektivnější než banky rakouské. Zbývá zde
však možnost, že české banky byly neefektivnější pouze v letech 2000–2004 před vstupem České
republiky do EU. Tuto hypotézu ale nelze na základě uvedeného modelu potvrdit. Podíváme-li se
přitom na hodnotu parametru δ1
, je zjevné, že neefektivita sledovaných bank, tj. jak českých, tak
rakouských, se však v průběhu času snižovala. Tento vývoj však nelze přisoudit sjednocení regulace,
ani zvýšení konkurence dané vstupem České republiky do EU a zavedením institutu jednotné
bankovní licence.
Identifikovaný rozdíl v efektivnosti českých a rakouských bank je možné vysvětlit několika dalšími
způsoby, ať už přetrvávajícími rozdíly v regulaci nebo neoptimálním řízením bank. Při hledání
vysvětlení nám může pomoci tabulka č. 39, která ukazuje odhady neefektivnosti jednotlivých bank
a průměrnou efektivnost velkých univerzálních českých a rakouských bank za jednotlivé roky.
Neefektivnost jednotlivých bank 1/IEMTabulka č. 39:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
1 61,4 66,7 76,3 82,4 86,0 82,2 88,4 92,7 96,8 97,5
2 66,6 71,4 75,6 80,0 82,9 79,9 87,1 92,9 95,8 95,9
3 64,6 73,8 79,3 87,4 90,2 90,4 91,6 93,6 96,3 97,2
4 59,5 65,4 70,0 76,3 80,2 77,6 88,7 93,6 96,5 97,3
průměr ČR 63,0 69,3 75,3 81,5 84,8 82,5 88,9 93,2 96,4 97,0
5 88,3 93,4 95,9 96,7 98,0 98,2 98,4 98,3 98,7 98,7
6 91,6 94,4 96,5 97,3 97,8 98,2 98,6 98,8 98,9 99,1
7 91,2 93,0 95,9 96,9 97,7 98,1 98,5 98,8 98,8 98,9
8 95,3 96,5 97,3 97,9 98,1 98,5 98,7 98,6 98,8 99,0
9 92,4 94,7 96,1 96,5 97,8 98,1 98,4 98,7 98,8 98,9
průměr Rakousko 91,8 94,4 96,3 97,1 97,9 98,2 98,5 98,7 98,8 98,9
Zdroj: vlastní výpočty
37 Likelihood ratio test.
EFEKTIVNOST ČESKÉHO BANKOVNÍHO SEKTORU V LETECH 2000–2009 87
Zatímco v roce 2000 byla průměrná efektivnost sledovaných českých bank pouze 63,03%, tj.
pouze 63% vynaložených nákladů bylo třeba k dané produkci, v roce 2009 byla efektivnost již
97%. Vidíme tedy, že v posledních letech dosahují české banky téměř stejné efektivity jako banky
rakouské. Pozoruhodné je i zjištění, že efektivita českých bank roste téměř kontinuálně a rozdíl
se každým rokem snižuje. Tato skutečnost není konzistentní s předpokladem, že neefektivnost je
dána rozdíly v regulaci. Pokud by totiž neefektivnost byla způsobena odlišnými pravidly regulace
a jelikož se pravidla bankovní regulace v posledních letech nijak významně neměnila, měli bychom
pozorovat přetrvávající rozdíl v efektivitě bank. Jako nejpravděpodobnější vysvětlení snižování
rozdílu v neefektivnosti se proto jeví lepší management bank. Toto vysvětlení je podporováno
také vývojem vlastnické struktury v českém bankovním sektoru. Velké české banky byly
privatizovány v letech 1999 a 2000, je tedy pravděpodobné, že noví vlastníci a manažeři se nějakou
dobu učí orientovat v novém prostředí. Odrazem tohoto procesu je tak postupné zvyšování
efektivity českého bankovního sektoru.
Závěr1.5.5.
V předloženém textu jsem položil několik otázek: „Jaká je efektivita českého bankovního sektoru
v porovnání s rakouským bankovním sektorem?“ „Jak se tato efektivita vyvíjela od roku
2000?“ a „Čím jsou dány případné rozdíly v efektivitě českého a rakouského bankovního sektoru?“
Efektivitu jsem přitom definoval pomocí minimalizace nákladů a k jejímu odhadu jsem použil
metody SFA.
České banky vykazují v průběhu celého sledovaného období nižší míru efektivity než rakouské
banky. Tento rozdíl se však s postupem času dramaticky snížil a v roce 2009 byl efektivita velkých
českých bank téměř stejná jako efektivita bank rakouských. Můžeme zároveň vyloučit, že by tento
vývoj souvisel se vstupem České republiky do EU a s tím spojenou možností působit v jiných
zemích EU na základě jednotné bankovní licence. Vzhledem k tomu, že efektivita českých bank
rostla kontinuálně, zdá se nepravděpodobné, že by tento vývoj souvisel s rozdíly v pravidlech
bankovní regulace. Možným vysvětlením zvýšení efektivity tak zůstává lepší řízení bank, které od
roku 2000 zaváděli noví vlastníci.
88
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 89
Vliv fiskální politiky na dlouhodobý růst1.6.
Rakouska a České republiky
Náplní následující kapitoly je charakteristika a srovnání fiskálních politik České republiky
a Rakouska v letech 2000–2009. Fiskální politiky budou hodnoceny zejména z pozice pohledu
ekonomické teorie na jejich schopnost přispívat k dlouhodobému ekonomickému růstu dané
země. Tento pohled je preferován zejména proto, že i malé rozdíly v dlouhodobém tempu růstu
dělají v konečném důsledku dramatické rozdíly v bohatství zemí. Je tudíž snadné se přiklonit
k tvrzení, že „faktory určující dlouhodobý ekonomický růst jsou klíčovou otázkou, zásadně podstatnější
než příčiny ekonomických cyklů a proticyklických opatření fiskální a monetární politiky“
(Barro, Salah-i-Martin, 2004).
Fiskální politika je v obou sledovaných zemích v rukou národních vlád, třebaže podléhá Paktu
stability a růstu, který pro členské i nečlenské země38
Eurozóny stanovuje hranici 3% deficit
veřejných financí39
a 60% veřejného dluhu k HDP. Tím se liší od monetární politiky, ve které
Rakousko samostatnost ztratilo odstartováním finální fáze jednotné monetární politiky zemí
Eurozóny v roce 1999, zatímco Česká politika provádí svou suverénní monetární politiku nadále.
V příspěvku se budeme nejdříve obecně a stručně zabývat tím, co fiskální politika je, a kterými
kanály může působit na dlouhodobý ekonomický růst. Teoretické poznatky budou později u příslušných
částí rozebrány detailněji. Dále budeme postupně rozebírat klíčové ukazatele fiskální politiky,
a to na straně příjmové i výdajové. V další části textu se pak zaměříme na vliv vyrovnanosti
rozpočtů a na problematiku veřejného dluhu. Zde se zaměříme na vliv dluhu na ekonomický růst
a problematické srovnávání daných zemí vzhledem k jejich značně lišící se situaci. Rakouský dluh
byl totiž po sledované období značně stabilní, zatímco český, patrně převážně díky nižším počátečním
hodnotám, rychle narůstal.
V příspěvku budeme operovat s vládními výdaji a příjmy, čímž máme na mysli veškeré příjmy
a výdaje veřejných financí, jak centrální, tak regionální. Pojmem státní pak rozumíme záležitosti
centrální vlády, bez krajů a dalších složek.
38 V případě neplnění paktu se potom ale přístup a potenciální sankce Evropské komise vůči dané zemi liší. K takovému
sankcionování doposud obvykle nedochází, ale může se jednat o pokutu až do výše 0,5% HDP, povinnost
složit dočasně určený finanční obnos či změnu úvěrové politiky od Evropské investiční banky.
39 Pro tuto hodnotu jsou přípustné výjimky, například v případě neočekávatelného či daným státem neovlivnitelného
propadu HDP.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY90
Fiskální politika a ekonomický růst1.6.1.
V této části nastíníme obecný teoretický rámec, jakým fiskální politika dlouhodobě ovlivňuje výkon
ekonomiky. Toto ovlivňování se děje v mnoha směrech a detaily těchto procesů budeme postupně
rozebírat až v jim příslušných pasážích. První kanál působení, kterému se budeme věnovat,
souvisí s výší a strukturou daní. Daně, tvořící většinu vládních příjmů, slouží k pokrytí vládních
výdajů a představují jeden z největších vládních zásahů do ekonomiky. Daně svou výší ovlivňují
motivaci pracovat a obecně vyvíjet ekonomickou aktivitu. Podstata tohoto optimalizačního problému
je zachycena ve známé Lafferově křivce, která znázorňuje, že k vybrání daného množství
peněz může dojít obvykle s nižšími či vyššími daněmi a že ty vyšší ekonomickou aktivitu zásadním
způsobem tlumí.40
Ve vztahu k růstu se pak z pohledu fiskální politiky obvykle považuje za klíčovou její schopnost
působit na tvorbu hrubého fixního kapitálu, tedy především výrobních a obchodních budov
a dále rozvoje dopravní sítě.41
Více hrubého fixního kapitálu, aspoň v případě, že investice
do něj nejsou zcela samoúčelné projekty, jako tomu často bylo v centrálně plánovaných ekonomikách,
pak posouvá hranici výrobních možností v dlouhém období a ekonomika roste. Pro
možnost investovat a rozšiřovat výrobní kapacity je však nutné, aby ekonomika vytvářela dostatečné
reálné úspory.42
Struktura vybíraných daní na akumulaci hrubého fixního kapitálu působí
především tak, že přímé daně motivují spíše ke spotřebě, než k úsporám. Úspory totiž v rámci
přímých daní podléhají dvojímu zdanění, což je znevýhodňuje oproti okamžité spotřebě, která
je vždy zdaněna pouze jednou. Tento narušující prvek v sobě nepřímé daně nemají, a proto je
považujeme obecně za vhodnější.
Druhým kanálem, kterému se budeme detailněji věnovat, jsou vládní výdaje. Na ty budeme
nejprve pohlížet z hlediska jejich celkové výše, jelikož se ukazuje, že země s vyšším podílem
vládních výdajů na HDP mají pomalejší ekonomický růst43
(Heitger, 2001). Dále pak z hlediska
jejich složení, třebaže toto nelze zcela korektně posuzovat v agregované podobě, ale spíše by
bylo vhodnější zkoumat každý konkrétní separátně. V rámci pragmatičtějšího přístupu pak lze
říci, že za velmi produktivní jsou považovány výdaje na infrastrukturu a výdaje na rozvoj lidského
kapitálu, tedy zejména výdaje na zdravotnictví a školství. Podle empirie jsou pak jako pozitivní
vnímány investiční výdaje vlády, kdežto vyšší celková úroveň výdajů je vnímána negativně
(De La Fuente, 1997). Je tomu tak proto, že s rostoucími vládními výdaji dochází k většímu efektu
vytěsnění. V takové situaci je stále více obvyklé, že vládní výdaje jsou méně multiplikovány
navazujícími výdaji soukromými. Případně soukromé výdaje přímo nahrazují či jinak v dané
oblasti tlumí ekonomickou aktivitu.
V případě vládních výdajů je však třeba si uvědomit, že ekonomické cíle nejsou zdaleka jediné,
které jsou jimi sledovány. Takto například vyšší úroveň transferů, konkrétně například vyšší
podpora v nezaměstnanosti, která místo aby motivovala, spíše od vyšší pracovní participace
40 S rostoucí daňovou sazbou nejprve celkové příjmy rostou, posléze dosahují maxima a klesají. Laffer takto argumentoval
pro nesmyslnost daňové sazby za bodem maxima. Dále pak zdůrazňoval, že cílem fiskální politiky není vybrat
od poplatníků co nejvíce.
41 Hrubým fixním kapitálem se typicky myslí výdaje na vylepšení pozemků, stavby továren, nákup vybavení, zkvalitňování
dopravní sítě, stavbu škol a jiných obecně prospěšných budov stejně jako budov obchodních a průmyslových.
42 Proti nutnosti tohoto tvrzení se s propagací zvýšených vládních výdajů a následně investic postavil J. M. Keynes.
Nutnost úspor pak oproti němu zdůrazňoval například F. Hayek.
43 Toto zjištění je empirické a z hlediska ekonomické teorie očekávatelné zejména díky nedostatkům v efektivitě státu
oproti soukromému sektoru. Pravdou však též je, že vyšší podíl výdajů na HDP je častý u vyspělých zemí, kde se
demokratickým rozhodováním dospělo k široké angažovanosti státu v sociálních otázkách, a že tyto země jsou
v souladu s teorií konvergence doháněny chudšími zeměmi a samy rostou pomaleji.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 91
odrazuje. Přesto má však takováto politika ve vyspělých ekonomikách své místo přispíváním
k sociálnímu smíru.
Třetím sledovaným kanálem je rovnováha veřejných financí a výše celkového veřejného dluhu.
Výše fiskální nerovnováhy, což v případě zvolené dekády a zemí znamená vždy výše deficitu, má
vliv na úrokové sazby. Převyšují-li totiž vládní výdaje vládní příjmy, tak je zbylé peníze potřeba
získat emisí dluhopisů, emise dluhopisů pak znamená nárůst poptávky na trhu zápůjčních fondů
a tudíž intenzivní tlak na nárůst úrokové míry. Vyšší úroková míra tlumí investiční aktivitu
ekonomiky a je růstu nepříznivá. Výše zmíněný scénář by nenastal v případě platnosti tzv. BarroRicardova
teorému. Ten popisuje situaci, kdy domácnosti zaregistrují deficit a zvýší své soukromé
úspory, protože chtějí být schopny vyhladit spotřebu v době, kdy stát zvýší daně, aby tak financoval
své nynější zadlužování. Též se budeme zabývat charakteristikou situací, ve kterých jsou vlády
ochotné zadlužovat se více a ve kterých naopak méně.
Kumulované deficity pak představují celkový veřejný dluh. Zde se nejprve zaměříme na dopad
výše dluhu na rychlost růstu, jak jej zjistily četné studie, a následně na odlišnosti ve dluzích sledovaných
zemí. Za předpokladu jednotkového multiplikátoru vládních výdajů potom zhodnotíme
situaci, kdy po většinu dekády zůstal rakouský dluh stabilní, zatímco český citelně narůstal.
Klíčovou a řešenou otázkou je především vliv fiskální politiky na dlouhodobý ekonomický
růst, přesto však při snaze o úplnější uchopení problematiky nelze zcela bez komentáře nechat
ani opačný vliv. Skutečný dlouhodobý ekonomický růst, resp. očekávání, že se situace zásadním
způsobem nezmění, zcela jistě hraje při politickém procesu tvorby fiskální politiky roli. Důležitější
pro politické subjekty však zřejmě je aktuální pozice ekonomiky v rámci ekonomického cyklu.
Jejich reakce na aktuální fázi cyklu potom zásadně ovlivňují krátkodobou fiskální politiku, avšak
nemohou vysvětlit setrvale deficitní situaci veřejných rozpočtů a dlouhodobý proces zadlužování
(Alesina, Perotti, 1995).
Příjmy1.6.2.
Z pohledu ekonomické teorie je pro ekonomiku podstatné nejen kolik činí státní příjmy, ale
i v jaké struktuře jsou tyto peníze vybírány. Negativnímu vlivu zdanění na ekonomický růst se pak
detailněji věnují např. (Lee, Gordon, 2005). Nastavením daní má vláda nad výší příjmů relativně
dobrou kontrolu, obzvláště v delším období. V krátkém období jsou výsledné hodnoty jednotlivých
let závislé na aktuálním výkonu ekonomiky.
Na grafu č. 29 se jasně ukazuje jeden ze zásadních rozdílů mezi českou a rakouskou ekonomikou
– rakouský stát je větší, tedy do jeho kompetencí spadá k přerozdělení výrazně více prostředků.
Za sledované období tam příjmy dosáhly maxima 51,4 % HDP a nikdy neklesly pod 47,9 %, což
je minimum z roku 2006. Úroveň vládních příjmů v ČR byla ve sledovaném období stabilní méně
a prvních pět let nepřetržitě rostla. Ve zbytku období pak na příjmy silně působily na české poměry
nevídaně vysoké hodnoty ročního růstu HDP, kterým se země v období 2004–2007 těšila.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY92
Příjmy sektoru vládních institucí (% HDP)Graf č. 29:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská republika
0,0
10,0
20,0
30,0
40,0
50,0
60,0
Zdroj: ČSÚ, Stat. Austria
Jak jsme zmínili dříve, velkou roli hraje nejen výše, ale i nastavení daní. Jelikož je pro další ekonomický
růst silně potřebná akumulace kapitálu, je vhodné taková nastavení, které k tomuto cíli směřuje.
Tedy takové, které nepřesouvá rovnováhu od úspor ke spotřebě, což je přesně negativní vliv
přímých daní.44
Zatímco nepřímé daně, tedy například daň z přidané hodnoty, nijak nenarušují
rozhodování spotřebitele mezi současnou a budoucí spotřebou, tak přímé daně působí dvojí zdanění
a tuto rovnováhu narušují (Sandmo, 1985). Když se ekonomické subjekty rozhodují o svém
již zdaněném disponibilním důchodu, tak je spoření díky přímým daním oproti okamžité spotřebě
znevýhodněno, a to bez ohledu na to, zda se toto projeví pouze zdaněním úroků či složitěji
v rámci procesu využívání úspor v podobě investiční aktivity. U nepřímích daní existuje potom
riziko jiné, jelikož nebývají veřejností vnímány jako daně, ale jako přirozená součást ceny, jsou
politicky lákavé a vedou k rozpínání státu. Právě z důvodu hrozby tohoto jevu jsou např. v USA
ceny uváděny bez daně z přidané hodnoty. I přes posledně zmíněné však považujeme nepřímé
daně za výrazně vhodnější než daně přímé.
Přímé a nepřímé daně (% HDP)Graf č. 30:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
0,0
10,0
20,0
30,0
40,0
50,0
60,0
Přímé daně - ČR Přímé daně - Rak.Nepřímé daně - ČR Nepřímé daně - Rak.
Zdroj: Ameco, Worldbank
44 Přímé daně jsou daně placené předem známým poplatníkem přímo státu (daně z příjmu, majetkové daně). Daně
nepřímé pak bývají vybírané přes prostředníka a jejich plátce není předem znám.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 93
Z pohledu složení daní (graf č. 30) má Česká republika nastavení citelně vhodnější, protože přímé
daně tvoří značně menší podíl.45
Rakousko nejenže má vyšší obě sazby daně, což souvisí do
značné míry s větší mírou a navyklostí na sociální stát v posledních dekádách, ale hlavně má příjmy
z obou těchto typů daní velmi si blízké. Z hlediska ekonomického růstu lze tedy tento aspekt
nastavení daní v Rakousku považovat za nevhodný. V rámci širšího mezistátního srovnání však
lze i české hodnoty příjmu z přímých daní považovat za vysoké. V ekonomických průzkumech
jednotlivých zemí pak OECD (OECD, 2009 a 2010) shledala strukturu daní nevhodnou a oběma
zemím doporučila snížit podíl přímých daní. My ještě poznamenejme, že pokles přímých daní
sledovaný v závěru období u obou zemí je přímým následkem ekonomické krize a v ČR též krizí
motivovaným snížením daně z příjmu v roce 2009.
Nejvyšší mezní sazba firemní daně (%)Tabulka č. 40:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika 31 31 31 31 28 26 24 24 21 20
Rakousko 34 34 34 34 34 25 25 25 25 25
Zdroj: Worldbank
Při pohledu na pokles nejvyšších mezních sazeb firemních daní (tabulka č. 40), což je ovšem celoevropský
trend, si lze uvědomit příklon k nabídkové straně ekonomiky. Mimo základní trend lze vypozorovat
i několik dalších souvislostí. Zejména je pravděpodobné, že snížení daní v Rakousku v roce
2005 souvisí s konkurencí ze strany zemí, jež v roce 2004 nově přistoupily do Evropské unie. Dále
pak lze zaznamenat, že zatímco v Rakousku, zemi s dlouhou tradicí demokracie a tržního hospodářství,
došlo ke změně pouze jednou, tak v ČR se tato daňová sazba měnila celkem pětkrát.
Nejvyšší mezní sazba daně z příjmu fyzických osob (%)Tabulka č. 41:
2003 2004 2005 2006 2007 2008 2009
Česká republika 32 32 32 32 32 15 15
Rakousko 50 50 50 50 50 50 50
Poznámka: 15% sazba daně v ČR je od roku 2008 počítána ze superhrubé mzdy46
, tudíž je reálně vyšší. Konkrétně by odpovídala
20,25 % původní sazby daně z příjmu fyzických osob.
Zdroj: Worldbank
Nejvyšší mezní sazby daně z příjmu fyzických osob napovídají, že Rakousko je velmi sociální stát
a s výjimkou severských evropských států a několika dalších je jeho sazba nejvyšší na světě. Přesto
po přihlédnutí k výši celkového zdanění mezd (tabulka č. 42) je zřejmé, že rozdíl je spíše v transparentnosti
daňového systému, než ekonomické realitě. České udávání hodnot pomocí superhrubé
mzdy je v tomto směru značně matoucí. Při zkoumání výplatní pásky sice umožňuje učinit si zce-
45 Česká republika, třebaže oproti Rakousku je její podíl přímých daní na HDP nízký, má však velmi vysoké procento
příjmů z přímých daní proti jí vývojem podobnějším zemím, jako je Slovensko, Maďarsko a Polsko (Zdroj: Worldbank).
46 Superhrubá mzda užívaná v ČR od 1. 1. 2008 je hrubá mzda navýšená o 26 % (z hrubé mzdy) sociálního a 9 %
zdravotního pojištění, která je za zaměstnance povinen odvádět zaměstnavatel. Z těchto 135% hrubé mzdy se
potom platí ona 15% sazba, čímž je občan na 20,25% v starším způsobu udávání sazby (135 × 0,15 = 20,25). Do
roku 2007 se mzdová sazba pohybovala od 12 % do 32 %, v průběhu roku 2009 pak byla díky ekonomické krizi
sazba superhrubé mzdy snížena na 12,5 %.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY94
la jasnou představu o celkových daňových odvodech,47
ale sama hodnota sazby jasnější orientaci
vzhledem k nenavyklosti lidí na zohledňování odvodů hrazených zaměstnavatelem neumožňuje.
Výše celkového zdanění mezd podle výše mzdy vzhledem k průměrné mzdě v % (2008)Tabulka č. 42:
67% 100% 133% 167%
Česká republika 40,0 43,4 45,1 46,1
Rakousko 44,4 48,8 51,6 50,9
Zdroj: OECD Tax Database
Tento výčet faktorů není pochopitelně úplný. Příjmová strana fiskální politiky ovlivňuje ekonomický
růst i dalšími, které je však výrazně složitější posoudit. Příkladem takových může být sama
výše zdanění práce, které ovlivňuje rozhodování domácností o množství nabízené práce, stejně
jako množství práce poptávané firmami. Na nabídku práce totiž zdanění působí přes substituční
a důchodový efekt. Substituční zvýšením daňové sazby znamenající pokles mzdy způsobí, že
hodina volného času je nyní levnější (dalo by se za ni méně vydělat) a tudíž si lidé přejí pracovat
méně. Důchodový efekt oproti tomu způsobuje, že s rostoucím zdaněním a poklesem mezd se
subjekty stávají chudší a jsou proto motivovány pracovat naopak více. Který z těchto efektů převáží,
nelze a priori říct u jednotlivců ani populace jako takové.
Výdaje a velikost státu1.6.3.
Velikost státu měřená jako podíl veřejných výdajů na HDP odráží současné preference stejně jako
minulý vývoj dané země. Množství aktivit, ve kterých se stát angažuje, je v demokratických státech
ovlivňováno jak občany ve volbách, tak byrokraty, kteří se snaží rozšířit své pole působnosti
(Mises, 1962). Celkově je pak velikost státu převážně věcí zvyklosti a ekonomická stránka je jen
jedna z mnoha možných kritérií, na základě kterých lze situace hodnotit.
Z hlediska ekonomického a konkrétně z hlediska ekonomického růstu jsou státní řešení většinou
vnímána jako méně efektivní, než řešení tržní. Je to dáno především motivací a kontrolou
ve státní správě, která se od přístupu sféry obchodní liší. Dalším vysvětlením pro nižší efektivitu
veřejných výdajů je fakt, že pakliže se stát v dané oblasti angažoval a jeho služby byly veřejností
vnímány pozitivně, lze očekávat, že své působení zde bude rozšiřovat. Tímto způsobem se státní
angažovanost velmi pravděpodobně nezastaví dříve, než efektivnost jím vykládaných prostředků
klesne pod úroveň využití v soukromých rukou48
(Barro, 1997).
Při zvyšování vládních výdajů dochází v ekonomice k efektu vytěsnění, což znamená, že potřeba
státu financovat své aktivity utlumí aktivity ostatních tržních subjektů. Toto se může dít tak,
že díky zvýšeným daním domácnosti i firmy začnou šetřit ve svých výdajích, případně v případě
dluhového financování povede emise dluhopisů k vzrůstu úrokové míry, která pak zmenšuje objem
soukromých investic v ekonomice.49
Studie regresivní analýzou pro země OECD (Heitger,
2001) odhalila signifikantní neefektivnost státních výdajů (s výjimkou transferů) a též vytěsňo-
47 Z podobného důvodu jsou ceny spotřebního zboží v USA udávány vždy bez nepřímých daní. Udávání cen včetně daní
má tendenci vést k automatizaci výše daní v očích společnosti, což je v liberálním prostředí považováno za nežádoucí.
48 Úspěšně vnímanými výdaji rozumíme takové, u nichž je veřejnost přesvědčena o jejich smyslu i o tom, že je stát
poskytuje za cenu nepřevyšující tu, kterou by si účtoval soukromý sektor (pro pomoc sociálně slabým má stát
obvykle vhodnější nástroje).
49 Někdy se o efektu vytěsnění mluví též v případě, že stát poskytuje služby, které by jinak byly zajištěny na soukromé bázi.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 95
vání soukromých investic do fixního kapitálu. Ve vztahu k růstu pak uvádí, že snížení role státu
v ekonomice o 10% v ukazateli vládních výdajů k HDP by v průměru zvýšilo ekonomický růst
o 0,5% ročně.50
Výdaje sektoru vládních institucí (% HDP)Graf č. 31:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská republika
0,0
10,0
20,0
30,0
40,0
50,0
60,0
Zdroj: ČSÚ, Stat. Austria
Při srovnání vývoje výdajů a příjmů je zřejmá vyšší volatilita ve výdajích, což je však způsobeno
ukazatelem samým. Příjmy jsou díky daňovému systému navázány bezprostředně na výkon ekonomiky
a proto v absolutních číslech kolísají více, avšak díky svázanosti s HDP se v ukazateli ve
formě podílu příjmů na HDP zdají býti stabilnější. Podstatnou část veřejných výdajů tvoří výdaje
mandatorní, které uhrazeny být musí ze zákona, a stát je proto nemůže využívat k žádné aktivní
fiskální politice. Tyto výdaje jsou využity převážně na výplatu penzí, nemocenských a dluhové
správy. Nejde v nich tedy nikterak škrkat při potřebě náhlých úspor. Pro příliš velký podíl těchto
výdajů na výdajích celkových51
(více jak polovinu polovinu) byla ČR v roce 2006 nabádána Radou
EU ke změnám ve výdajové struktuře (Mazur, 2007).
V roce 2009 je pak na celkových vládních výdajích jasně patrný dopad celosvětové finanční krize.
Vlády k této složité situaci přistupovaly odlišně, a to díky lišící se politické situaci i okolnostem.
Například v otázce veřejností silně vnímaného šrotovného se česká apolitická vláda odborníků,
která ve svém protikrizovém balíčku jednoznačně preferovala nabídkové stimuly, rozhodla
parlamentem schválené šrotovné nezavést vůbec. Rakousko, které samo auta nevyrábí, šrotovné
na podporu pracovních míst v dodavatelské části automobilového průmyslu zavedlo, i když jen
s prostředky dostačujícími pro 30 tis. vozidel. Narozdíl od České republiky bylo Rakousko též nuceno
sanovat zasažené banky, avšak i tak dokázalo nakonec oproti předchozímu roku zvýšit podíl
výdajů na HDP pouze o 2,8 % oproti 3,6 % českým. To vzhledem k vyššímu propadu HDP v ČR
odpovídá reálnému vzrůstu výdajů o 3,8 % v ČR a o 1,8 % v Rakousku. Celkově za povšimnutí
stojí, že obě země zaznamenaly nevýrazný pokles příjmů ku HDP (vždy klesalo obojí) a výraznější
nárůst výdajů, který je vzhledem k povaze vývoje mandatorních výdajů v ekonomické krizi
zcela očekávatelný.
Podíváme-li se na velikost výdajů na rozvoj lidského kapitálu, jasně uvidíme rozdílnost zaměření
obou zemí. Vyšší výdaje neznamenají sice nutně vyšší kvalitu poskytovaných služeb, přesto
50 Ilustrativně autor dokládá možnost takové změny na Irsku v polovině osmdesátých let, které podíl vládních výdajů
k HDP snížilo o 13,4% (z 51%) a následně se stalo na dlouhou dobu nejrychleji rostoucí ekonomikou OECD.
51 V roce 2006 dosáhly mandatorní výdaje v ČR 51,26% všech výdajů a spolu s quasi mandatorními, což jsou výdaje,
jejichž uhrazení nestanovuje konkrétně žádný zákon, ale které jsou nutné pro chod státních složek, pak přesáhly
hranici 75% všech výdajů.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY96
jsou však rozdíly dostatečně vypovídající. I po zohlednění rozdílnosti cenových hladin je navíc
reálný rakouský HDP na hlavu přibližně 1,6tinásobně vyšší52
než český, což je ještě podtrženo
skutečností, že i podílově Rakousko dává na rozvoj lidského kapitálu ve všech oblastech v celém
sledovaném období více.
Výdaje sektoru vládních institucí dle účelu v ČR (% HDP)Tabulka č. 43:
2000 2001 2002 2003 2004 2005 2006 2007 2008
zdravotnictví 5,7 6,0 6,2 6,4 7,3 7,2 7,2 7,1 7,2
vzdělání 4,1 4,4 5,2 5,2 4,8 4,8 4,9 4,7 4,7
sociální zabezpečení 13,4 13,3 14,6 14,4 13,0 12,8 12,7 12,9 12,9
Zdroj: OECD
Obzvlášťě nápadný je pak rozdíl v oblasti sociálního zabezpečení, největší část tohoto rozdílu tvoří
velmi štědrý rakouský systém starobních důchodů. Ten si v roce 2009 vyžádal jen pro sebe 12,6 %
HDP oproti 7,3 % českým (i to je však nad průměrem zemí OECD, který je 7,2 %). Rozdíl zde nevzniká
ve věku odchodu do důchodu ani v průměrné délce života, nýbrž ve výši vyplácené částky, ta
činí v ČR průměrně 49,7 % předchozího příjmu daného člověka, kdežto v Rakousku celých 80,1 %
(což je po Itálii druhá nejvyšší hodnota vysoko převyšující průměr OECD, jenž činí 59,0 %).53
Výdaje sektoru vládních institucí dle účelu v Rakousku (% HDP)Tabulka č. 44:
2000 2001 2002 2003 2004 2005 2006 2007 2008
zdravotnictví 8,2 6,9 7,0 7,4 7,3 7,3 7,5 7,6 7,7
vzdělání 5,9 5,9 5,9 6,0 5,8 5,8 5,3 5,2 5,3
sociální zabezpečení 21,1 21,0 21,2 21,4 21,0 20,7 20,3 20,0 20,0
Zdroj: OECD
Výdaje na vzdělání jakožto přímé výdaje na rozvoj lidského kapitálu vnímáme z pohledu ekonomickéro
růstu jako důležitější. Tyto výdaje nepřinášejí okamžitý efekt, avšak v dlouhém období se od
nich očekává zvýšení produktiviy práce a pozitivní vliv na technologický pokrok. Při mezinárodním
srovnání je i zde třeba nezapomínat, že roli hraje kvalita vzdělání a ne náklady na něj. Taktéž se ukazuje
(Bils, Klenow, 2000), že kauzalita mezi vzděláním je zásadním způsobem silnější od růstu k délce
vzdělávání (měřeno v letech), než je tomu naopak. Dá se tedy říci, že dostupná data podporují tezi,
že ve vyspělejších zemích se standardem stává delší školní docházka a ne, že prodloužení školní docházky
(samo o sobě značně nákladné) zvyšuje ekonomický růst. Z dat poskytovaných Worldbank
je zřejmé, že rozložením výdajů na primární, sekundární a terciální část jsou si země velmi podobné
s tím, že Rakousko dává více na vysokoškolské vzdělání, např. v roce 2005 to bylo 27,3 %, oproti
21,0 % vydávaným v ČR.54
Rozdíl je ale v celkové výši prostředků vydávaných na vzdělání, a to
i jako jejich podílu na HDP; v ČR je tento podíl stále nižší, ale rozdíl se snižuje. Ještě markantněji
jsou tyto rozdíl vidět v přepočtu na výdaje na jednoho vysokoškolského studenta coby část HDP na
52 V roce 2009 byl rakouský HDP na hlavu podle parity kupní síly 38.839 USD a český 24.093 USD, což znamená, že
rakouský byl 1,61násobně vyšší.
53 Data převzata z Pensions at Glance: Austria (OECD, 2009) a Pensions at Glance: Czech Republic (OECD, 2009).
54 Na základní vzdělání jde v České republice zhruba 17%, v Rakousku 19 %, střední je pak s hodnotami přes 45%
v obou zemích nejnákladnější částí.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 97
osobu dané země. V takovémto vyjádření pak Česká republika vydává pouze 27,2 % oproti 50,0%
vydávaných v Rakousku. S přihlédnutím k tomu, že v absolutních číslech je tento propad ještě zásadně
vyšší, shledáváme, že výdaje na vzdělání jsou v ČR patrně nižší, než je žádoucí.
Třebaže tvorba hrubého fixního kapitálu je jedním z hlavních prvků, který má při snaze o zvýšení
růstového potenciálu své země fiskální politika na zřeteli, nelze její úspěšnost podle něj korektně
hodnotit. Fiskální politika je totiž jeden z mnoha faktorů, který tuto tvorbu ovlivňuje, a jak
ukázala nedávná ekonomická krize, tak zdaleka ne ten nejsilnější.
Tvorba hrubého fixního kapitálu (% HDP)Tabulka č. 45:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika 3,6 3,5 3,9 4,5 4,8 4,9 5,0 4,7 4,9 5,4
Rakousko 1,5 1,2 1,3 1,2 1,1 1,1 1,1 1,0 1,1 1,1
Poznámka: Údaje pro rok 2009 pro ČR jsou předběžné.
Zdroj: Ameco, vlastní výpočty
Jak ukazuje tabulka č. 45, tak v České republice připadá každoročně na tvorbu hrubého fixního
kapitálu výrazně více než v sousedním Rakousku.
Tempo růstu tvorby hrubého fixního kapitálu (%)Tabulka č. 46:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika 5,1 6,6 5,1 0,4 3,9 1,8 6,0 10,8 −1,5 −8,3
Rakousko 5,5 −1,7 −4,4 4,7 0,7 2,4 2,6 4,7 1,8 −1,9
Poznámka: Údaje pro rok 2009 pro ČR jsou předběžné.
Zdroj: Ameco, MF ČR, Stat. Aust., vlastní výpočty
Je třeba mít na paměti, že tabulka č. 45 ukazuje tempo růstu, přičemž z nižších hodnot podílu
hrubého fixního kapitálu na HDP se pochopitelně roste snáze. Podle dubnové Makroekonomické
predikce (MF ČR, 2010) bude prvním čtvrtletím, ve kterém bude ČR hluboce zasažená krizí opět
v černých číslech již první kvartál roku 2011.
Rovnováha veřejných financí1.6.4.
Setrvalé generování deficitů navzdory fázi ekonomického cyklu je v moderní ekonomické teorii
brán jako věc převážně politická a umožnění tohoto chování bývá vysvětlováno především pomocí
tzv. fiskální iluze. Tedy přeceňování současných výhod zadlužování, jako jsou třeba transfery,
a nedocenění následných nákladů dluhové služby a povinnosti dluh splatit. Tato vlastnost voličů
politiky silně stimuluje k zadlužování se v časech ekonomických recesí, ale nemotivuje vytvářet
primární přebytky v konjunkturách. Taktéž kritérium Paktu stability, tedy 3% povolený deficit bez
ohledu na ekonomickou situaci, má za následek nevhodné politické chování, kdy se z této hodnoty
zřejmě pozvolna stala v mnoha zemích politicky cílená hodnota deficitu nejen v letech špat-
ných,55
ale i v letech, kdy by se podle teorie cyklicky vyrovnaných deficitů měl stát oddlužovat.
55 V čase recesí lze navíc po reformě Paktu stability z roku 2005 výše zmíněné hodnoty s ohledem na cyklicky očištěný deficit,
výši dluhu či šanci, že současný deficit je způsoben výdaji, které zvýší produktivitu v následujícím období, dokonce překročit.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY98
Standardním dnešním přístupem je financovat deficit pomocí emise státních dluhopisů, toto
aspoň částečně omezuje politický aparát v nadměrném utrácení především tím, že trhy by přílišné
množství státních dluhopisů již neakceptovaly, anebo jen za velmi vysoký úrok, což je snad
nevýhodnost, která by stát od tohoto kroku odradila (Revenda, 2001). Podle studie zaměřené na
dopady formy státu na prováděnou fiskální politiku (Dillinger, 2007) to však byla právě Česká republika,
která měla nejnižší regulatorní překážky vydávání nových dluhopisů.
Ve článku (Sargent, Wallace, 1981) zaměřeném na omezenou schopnost monetární politiky
kontrolovat inflaci v situaci, kdy fiskální politika generuje deficity, autoři uvádějí, že dlouhodobé
dluhové financování je horší než financování emisí. K inflaci kromě samotného zvyšování množství
finančních aktiv v oběhu povede především proto, že v konečném důsledku nebude vláda naakumulovaný
dluh schopna splácet a danou situaci bude muset řešit emisí peněz. Tento pohled
není vzhledem k soudobé pozici a samostatnosti centrálních bank aktuální, nicméně inflační tlaky
působené přílišným utrácením na dluh, které tlačí na vzrůst cen a zvyšují množství finančních
aktiv v oběhu, zůstávají reálné.
Další možné vnímání zadlužování se je jako důsledek formy vládnutí (Neck, Getzner, 2001).
Například v případě koaliční vlády dochází vlivem snahy každé z vládních stran uspokojit své voliče
k “válce do vyčerpání”.56
V případě vlády jedné strany čelící silné opozici se pak očekává, že
tato nebude ochotna činit razantní úsporná opatření, protože by se potom stala jediným terčem
nevole vyvolané takovýmto opatřením. V případě Rakouska, na které se studie empiricky zaměřila,
však autoři zjistili, že vyšší deficity jsou za doby vlády jedné strany. Dále že i jen účast Sociální demokracie
ve vládě lehce zvyšuje primární deficity, takže i ideologie patrně hraje svou roli.
V Rakousku od šedesátých let platilo, že stát vytváří vyšší primární deficity v situaci, kdy je podíl
celkového dluhu na HDP nízký. Tento jev byl po ropném šoku v roce 1975 oslaben, přesto však se
tento jev prosazoval nadále, i když později vyšší roli v ovlivňování primárního deficitu převzala míra
nezaměstnanosti, na kterou následné deficity byly velmi citlivé. V devadesátých letech tak zvýšení nezaměstnanosti
o jedno procento znamenalo vyšší primární deficit (nižší přebytek) o 0,82 %57
(Neck,
Getzner, 2001). Nicméně psychický faktor nízkého celkového zadlužení působící na ochotu vlády vytvářet
vyšší deficity považujeme za klíčový i pro situaci v České republice. Ta svou úrovní deficitů při
úrovni celkového dluhu pod 35 % jasně připomínala chování Rakouska před třemi dekádami.
Tempo ekonomického růstu a deficity v České republiceGraf č. 32:
–6,0
–4,0
–2,0
0,0
2,0
4,0
6,0
8,0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Deficit veřejných financí (% HDP) Tempo ekonomického růstu (%) Kritérium pro deficity (3 %)
Zdroj: ČSÚ
56 Angl. „war of attrition“.
57 Autoři sledují primárně dopad politických rozhodnutí navazujících na úroveň nezaměstnanosti. Je zřejmé, že sama
nezaměstnanost nižším příjmem z daní a vyššími transfery působí na prohloubení deficitů.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 99
Při srovnání vývoje růstu ekonomiky a deficitů veřejných financí, jak jsou patrné z grafu č. 32 a č. 33,
si lze povšimnout několika zásadních rozdílů. V prvé řadě v první části sledovaného období Česká republika
vytvářela značné deficity, jimž učinil přítrž až vstup ČR do EU v roce 2004.58
Další přímo alarmující
skutečností jsou deficity z let 2005 a 2006, kdy se země těšila bezprecedentnímu a neočekávanému
ekonomickému růstu, a i přesto nejenže země nevytvářela přebytky, ale deficity byly vzhledem
ke kritériu 3% vysoké. Toto období se vykazuje silnou rozpočtovou nekázní (Mazur, 2007). Rakousko
oproti tomu po celé sledované období s výjimkou roku 2004 a krizového 2009 má deficity nízké, třebaže
ani jemu se za celé období nepodařilo hospodařit s přebytkem. Z pohledu na tempa růstu je zřejmé,
že cykly obou ekonomik jsou citelně sladěné, avšak ČR je po všech stránkách více volatilní.
Tempo ekonomického růstu a deficity v RakouskuGraf č. 33:
–6,0
–4,0
–2,0
0,0
2,0
4,0
6,0
8,0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Deficit veřejných financí (% HDP) Tempo ekonomického růstu (%) Kritérium pro deficity (3 %)
Zdroj: Worldbank, Stat. Austria
Z pohledu fiskální politiky jsou deficity podstatné především z titulu svého tlaku na úrokovou
míru. Jsou v tomto pohledu pouze jedním z mnoha faktorů, který ovlivňuje ekonomickou realitu,
podle níž posléze centrální banky úrokové míry nastavují. Proto jistě nelze úspěšnost fiskální
politiky v tomto směru hodnotit ze samotných úrokových měr. V úvodu jsme zmínili, že může
nastat Barro-Ricardův efekt, který by tento jev eliminoval. Z dat je však zřejmé, že v daném období
k tomuto ani v jedné ze sledovaných zemí nedochází. Místo toho, aby s rostoucím deficitem v ČR
lidé zvýšili své úspory, aby pak měli na vyšší daně, které bude stát vybírat, prosazuje se téměř čistě
opačný jev. Úspory spíše s ročním zpožděním kopírují vývoj ekonomického růstu, čímž popírají
další známý ekonomický koncept, tzv. paradox úspor.59
Obdobně se vývoj úspor vymyká předchozímu
období 1995–2004, kdy byly úspory silně negativně korelovány s nezaměstnaností (ČSÚ,
2005). V Rakousku s jeho nízkými a kromě roku 2004 stabilními hodnotami deficitu není potom
žádný důvod Barro-Ricardův efekt hledat, protože pro něj nenastal vhodný podnět.
58 S Českou republikou zahájila Komise EU na základě předběžných odhadů deficitů roku 2004, které ukazovaly ne
opětovné překročení kritéria, proceduru při nadměrném schodku veřejných financí. Tato procedura byla po čtyřech
letech pro ČR úspěšně ukončena.
59 Paradox úspor (angl. Paradox of Thrift) je znám od 18. století z díla Bernarda Mandevila a později jej proslavil J.
M. Keynes. Říká, že lidé v dobách recese místo rozpouštění úspor naopak spoří více. Je to dáno tím, že nejistota
budoucího vývoje překonává snahu vyhlazovat spotřebu v čase.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY100
Deficit veřejných financí a úspory domácností v ČRGraf č. 34:
–6,0
–4,0
–2,0
0,0
2,0
4,0
6,0
8,0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Deficit (% HDP) Tempo růstu (%) Úspory domácností (% HDP)
Zdroj: OECD, ČSÚ
Dluh1.6.5.
Velikost veřejného dluhu je závislá na primárních deficitech či přebytcích minulých let60
a na
dluhové službě, kterou je zadlužený stát povinen hradit. Svou podstatou tak tedy vychází z jednotlivých
předchozích let, ale svou výší hraje roli i jako zcela samostatná a podstatná kategorie,
kterou se budeme v této části dále zabývat. Velikost dluhu neposuzujeme v absolutních číslech,
užívaným ukazatelem zde je podíl veřejného dluhu na HDP a jeho referenční hodnota 60 % určená
Paktem stability a růstu.
Ekonomicky nejzajímavější je pak otázka, jaký je vliv zadlužení státu na ekonomický růst. Jako
nejzávažnější rizika zadlužování se jsou brány inflace, pokles investic zapříčiněný růstem úrokových
sazeb a tím i zpomalení růstu. Za základní pravidlo kumulovaných deficitů, tedy narůstajícího
dluhu, lze brát tezi, že pakliže nejsou primární deficity financovány primárními přebytky
v budoucnu, povedou nutně k inflaci či dokonce bankrotu (Burniside, 2005).
Při zkoumání vlivu výše dluhu na vyspělé evropské ekonomiky zemí EU pomocí Grangerovy kau-
zality61
se ukazuje, že dluh působí silný vytěsňovací efekt na soukromé investice v krátkém i dlouhém
období, třebaže v krátkém období lehce stimuluje růst. Dále, že hodnoty investic ani růstu nepůsobí
na dluh signifikantně. Nejpodstatnějším a očekávaným zjištěním studie (Taghavi, 2000) je vliv dluhu
na inflaci, který není jasný v krátkém období, zato je silný a jednoznačný v období dlouhém.
Ve velmi rozsáhlé studii (Reinhart, Rogoff, 2010) na vztah růstu a dluhu autoři ukazují, že existuje
bod zlomu, od kterého je dluh důležitým faktorem, který citelně zpomaluje tempo růstu. Pro
vyspělé ekonomiky tento práh umísťují na 90% HDP, pro ekonomiky rozvojových zemí je to pak
okolo 60% HDP a zmíněné zpomalení růstu dosahuje v mediánu zemí 1%. U inflace potom pro
vyspělé ekonomiky a hodnoty pod 90% HDP nenacházejí signifikantní vliv.62
V podobném smyslu
se ke vztahu dluhu a růstu vyjadřují ekonomové Mezinárodního měnového fondu (Pattillo,
Poirson, Ricci, 2002), kteří uvádějí, že vyšší hodnoty dluhu vůči HDP zpomalují ekonomický růst
60 Tedy na prostých rozdílech příjmů a výdajů všech státních složek.
61 Jde o koncept, který (třebaže ne dokonale) umožňuje odhalit v datech kauzální vztahy. Princip spočívá v tom, že jestliže
nám znalost současné hodnoty první veličiny pomáhá zpřesnit odhad reálného vývoje veličiny druhé do budoucna (je
třeba ověřit na datech), tak se zde jedná o kauzální vztah. Pochopitelně ani tento přístup není schopen odhalit stav, kdy
jsou současná hodnota první a budoucí hodnota druhé sledované veličiny obě ovlivňovány neznámou třetí veličinou.
62 U rozvojových zemí je tento vliv ale značný.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 101
o 0,5% až 1%, přičemž hodnoty, kdy se toto zpomalování začne projevovat, závisí na vyspělosti
daných zemí, u vyspělejších zemí tomu bývá později.
Oproti narůstání podílu veřejného dluhu k HDP pak působí dva efekty. První je efekt inflační,
který obsahuje klasický vliv inflace, tedy snižování reálné hodnoty nominálně vedených dluhů.
Nepovažujeme za nutné zdůrazňovat, že toto není nikterak žádoucí cesta ani pro zbavení se dluhu
denominovaného ve vlastní měně, přičemž od dluhu denominovaného v cizí měně za normálních
okolností a volného směnného kurzu nepomůže vůbec. Druhý vlivný efekt je efekt růstový,
který prakticky říká, že pokud bude stát schopen platit dluhovou službu, dále se nezadlužovat
a přitom dosahovat kladného ekonomického růstu, tak se postupně dluh měřený podílem k HDP
v růstu utopí.63
Jinými slovy třebaže se jistina nezmenší, tak při přibližném udržování její výše
a růstu HDP se prostě podíl dluhu na HDP bude snižovat.
Veřejný dluh (% HDP)Graf č. 35:
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
RakouskoČeská republika
Zdroj: Ameco
Při pohledu na vývoj veřejného dluhu srovnávaných zemí je zřejmé, že právě zde je základní rozdíl
v možnostech i využívání fiskální politiky. Zatímco Česká republika začínala období s 18,5 % a končila
s výrazně vyššími 35,4 %, tak Rakousko rok 2009 uzavíralo přesně hodnotou dluhu z roku 2000,
tedy 66,5 %.64
Rakousko se v roce 2001 zavázalo Komisi EU k postupnému snižování dluhu (Neck,
Getzner, 2001), což se mu po většinu sledovaného období dařilo, kdežto jedinou starostí ČR byla
výše deficitů. České republice se sice podařilo deficit zkrotit, ale až v po několika letech vedené procedury
s Komisí EU. Zatímco Rakousko se svou situaci snažilo řešit zodpovědně a z celého období
je zřejmá systematičnost, tak hodnotit ČR je podstatně obtížnější. Z ekonomického pohledu by se
zemi, která byla na začátku sledovaného období 10 let po začátku transformace z infrastrukturně
i kapitálově nevhodně a nedostatečně vybavené plánované ekonomiky, správné investice určitě vyplatily.
Ovšem zadlužování v ČR nemělo svůj důvod v rozsáhlých investičních projektech, typičtější
mnohdy bylo,65
že vláda zvyšovala sociální dávky. Ze sledované dekády byl od roku 2000 do září
2006 předseda vlády z levicové Sociální demokracie a zadlužení státu s výjimkou roku 2009 narůstalo
nejvíce právě v těchto letech, později de facto stagnovalo. Je tedy možné usuzovat, že levicová
ideologie spolu s nízkým celkovým zadlužením v porovnání s ostatními evropskými zeměmi byly
faktory, díky kterým byly deficity na počátku sledovaného období obzvláště vysoké.
63 Vliv jednotlivých efektů lze jednoduše ukázat i početně za předpokladu, kdy dochází pouze k inflaci nebo pouze k růstu,
pakliže nastávají tyto jevy současně, tak již nejsou jednotlivé vlivy matematicky snadně určitelné (Burniside, 2005).
64 Podle předběžných odhadů si v roce 2010 obě země pohorší o něco málo přes 5%.
65 Příkladem může být volební rok 2006.
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY102
Implicitní úroková míra dluhu (%)Tabulka č. 47:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika 5,4 5,9 5,2 4,3 4,3 4,1 4,1 4,3 4,0 4,4
Rakousko 5,4 5,2 4,8 4,5 4,5 4,7 4,5 4,7 4,4 4,2
Poznámka: Jedná se o jednoduchý procentuální podíl celkových placených úroků daného roku a celkového veřejného dluhu roku předešlého.
Zdroj: Ameco
Ze srovnání implicitních úrokových měr v tabulce č. 47 je zřejmé, že se pro obě ekonomiky de
facto neliší. To je s odhlédnutím od celkové výše zadlužení možné interpretovat tak, že vlády
obou zemí jsou stejně důvěryhodné a schopné udat své dluhopisy. Druhou nabízející se možností
potom je, že ČR je stále vnímána jako méně důvěryhodná země, avšak díky nižšímu celkovému
dluhu a díky legislativě66
je v mnohem výhodnější pozici pro emisi dluhopisů. Po vzájemném vyrušení
těchto protichůdných efektů lze potom dosáhnout natolik podobných výsledků, jak u implicitní
úrokové sazby sledujeme.
Podívejme se nyní na jednu z možných interpretací podstaty relativně velkého ekonomického růstu
v ČR během poslední dekády v porovnání s Rakouskem, stabilní zemí staré zemí západní Evropy.
Když se vláda zadluží a dané prostředky utratí, tak jejími nákupy vzroste HDP bez ohledu na to,
jestli vládní nákupy byly smysluplné či nikoli a jak byly drahé, resp. nakolik se zvýšenou vládní poptávkou
zvýšila jejich cena. Aby toto fungovalo beze zbytku a zadlužení se rovnalo indukovanému
růstu, musel by však multiplikátor vládních výdajů být roven právě jedné. V realitě záleží na tom, jak
produktivní jsou vládní výdaje a jak moc soukromých investic a výdajů tyto výdaje vytlačí (v optimistickém
případě stimulují). To znamená například zadlužit se v zahraničí a tím pádem neovlivňovat
domácí úrokovou míru. Ta však byla v krizích držena v evropskou i českou národní bankou velmi nízko,
proto je toto dobře přípustné. Otázka multiplikátoru je v současné době vzhledem k nevídaným
fiskálním stimulům, kterými vlády největších světových ekonomik čelily krizi, značně živá. Bohužel
zájem o ni nepřinesl jednotnost v názorech a tak ekonomové přiklánějící se k aktivní roli vlády například
udávají, že hodnoty multiplikátorů jsou sice v čase velmi nestabilní, nicméně že záchranný vládní
balíček musí být velký a přinese mnoho pracovních míst (Romer, Bernstein, 2009). Ekonomové
skeptičtější k moci státu pak uvádějí, že hodnota multiplikátoru je i první rok stimulu jen o málo
vyšší než jedna (šestkrát méně, než udává předchozí studie), což je dáno značným efektem vytěsnění,
a v následujících letech se pak hodnota multiplikátoru dokonce dostává do záporných čísel. Tedy čím
více peněz vláda na záchranu ekonomiky utratí, tím hůře se ekonomice povede (Cogan, Cwik, Taylor,
Wieland, 2009). Jelikož se srovnávané země strukturálně značně liší a početně značně náročné odhady
hodnot multiplikátoru pro ně nebyly publikovány, podržíme silný předpoklad o jednotkovém multiplikátoru
a podíváme se, do jaké míry by růst ve sledovaných ekonomikách byl tažen tržně a do jaké
míry by byl pouze výsledkem státní rozpínavosti a státního směřování ekonomiky.
Pro tyto účely budeme pracovat s očištěnými tempy růstu, tedy s hodnotou, která vznikne odečtením
deficitu od ekonomického růstu.67
Při tomto srovnání se ukazuje, že Česká republika zejména
v počátku období na Rakousko citelně ztrácí.
66 Legislativní normy mohou nařídit finančním ústavům držet státní dluhopisy ve svém portfoliu, což značně
zjednoduší jejich prodej. Tohoto nástroje se v ČR hojně využívá.
67 O tomto ukazateli, jako o smysluplném vodítku pro hodnocení ekonomiky, se opakovaně vyjadřoval Tomáš
Sedláček v rámci svého působení v Národní ekonomické radě vlády (NERV).
VLIV FISKÁLNÍ POLITIKY NA DLOUHODOBÝ RŮST RAKOUSKA A ČESKÉ REPUBLIKY 103
Očištěná tempa růstu (y – def)Tabulka č. 48:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika −0,1 −3,3 −4,9 −3,0 1,6 2,7 4,2 5,5 1,0 −10,1
Rakousko 2,0 0,5 0,9 −0,6 −1,9 0,8 2,0 3,1 1,6 −7,0
Zdroj: Ameco, vlastní výpočty
Když pak námi sestavený ukazatel pro dané období kumulujeme, zjistíme, že ekonomika Česká
republiky nejenže neroste rychleji než rakouská, ale že dokonce neroste vůbec, hodnota růstu je
v mínusu o 7,2 % a růst je tažený zadlužováním se vlády. Tyto trendy lze ostatně odtušit i z pouhého
srovnání kumulovaných ekonomických růstů zemí a růstu jejich zadlužení, kdy Rakousko
kumulovaně za roky 2000–2009 rostlo o 19,7 %, oproti velmi pozitivním 40,7 % v ČR. Přičemž
však Rakousko si zachovalo stálou hodnotu dluhu k HDP, kdežto ta česká narostla z 18,5 % na
35,4 % ze značně vyššího HDP roku 2009.
Kumulovaná očištěná tempa růstu (y – def)Tabulka č. 49:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika −0,1 −3,4 −8,1 −10,8 −9,4 −6,9 −3,1 2,3 3,3 −7,2
Rakousko 2,0 2,5 3,5 2,8 0,9 1,7 3,7 6,9 8,7 1,1
Zdroj: Ameco, vlastní výpočty
Závěr1.6.6.
V příspěvku jsme se snažili popsat základní kanály, jimiž fiskální politika přispívá k ekonomickému
růstu a vyzdvihnout zásadní rozdíly mezi srovnávanými zeměmi. Na straně příjmů lze
Rakouskou fiskální politiku označit za výrazně stabilnější a hlavně transparentnější, jelikož jí deklarované
daňové sazby odpovídají skutečným odvodům. Česká pak má zase výrazně nižší podíl
přímých daní, čímž je více nakloněna růstu. Dále je Rakousko zemí s výrazně vyšším podílem
vládních výdajů k HDP, což ale stále nevysvětluje hluboký rozdíl podpory studentů rakouských
vysokých škol. Zásadní rozdíl je ve výši deficitů, kde zejména z počátku období byly ty české velmi
vysoké. Velkou roli zde může hrát skutečnost, že politici obou zemí historicky ukázali ochotu
hospodařit s velkými deficity právě v období malého celkového veřejného dluhu. V samém závěru
jsme se věnovali poněkud nestandardnímu srovnání pomocí tempa růstu očištěného o deficit,
z tohoto srovnání vychází, že podstatnou část růstu v ČR mohla usměrňovat a de facto určovat
sama vláda svým značným zadlužováním se.
104
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 105
Vliv měnové politiky na hospodářský růst1.7.
Předmětem této kapitoly je porovnání monetární politiky v České republice a Rakousku během
období 2000–2009. V kapitole budeme klást důraz na zkoumání potenciálního vlivu monetární
politiky na ekonomický růst v těchto dvou zemích. Za provádění monetární politiky v České republice
je odpovědna Česká národní banka. Díky tomu, že Rakousko je členskou zemí eurozóny,
monetární politika v této zemi spadá do působnosti Evropské centrální banky.
Kapitola je rozdělena do čtyř částí. V první z nich se budeme stručně věnovat teoretickému vymezení
zkoumaného tématu. V té následující se seznámíme s institucionálním rámcem pro provádění
monetární politiky příslušnými centrálními bankami. Zaměříme se na porovnání cíle a monetárního
režimu, ale taktéž nástrojů, které jednotlivé centrální banky používají k dosažení svých cílů.
Vzhledem k tomu, že během celého analyzovaného období dosahovala míra inflace v ČR hodnot
pod prahovou hranicí, od jejíhož překročení má inflace negativní vliv na ekonomický růst
(viz následující kapitola), budeme v této kapitole analyzovat monetární politiku dle jiných kritérií.
Ve třetí části kapitoly se zaměříme na základní vývoj monetární politiky v České republice
a Rakousku. Hlavní část kapitoly bude spočívat v hodnocení monetární politiky, a to na základě
dvou kritérií. Podíváme se na to, jak se jednotlivým centrálním bankám dařilo plnit stanovený cíl,
a taktéž se pokusíme o zhodnocení míry predikovatelnosti opatření obou centrálních bank.
Monetární politika a ekonomický růst1.7.1.
Z teoretického i praktického hlediska není vazba mezi monetární politikou a ekonomickým růstem zcela
jednoznačně definovatelná. Spíše než přímý charakter této vazby můžeme předpokládat nepřímou
vazbu mezi monetární politikou a ekonomickým růstem. Vliv na ekonomický růst tak můžeme spatřovat
v tom, jaké signály vysílá do ekonomiky centrální banka, respektive jí prováděná politika, zdali vytváří
stabilní a nízkoinflační prostředí při konzistentním charakteru monetární politiky či nikoliv.
Nezávislost a kredibilita centrální banky jsou často považovány za jedny z nejvýznamnějších
aspektů pro úspěšné provádění monetární politiky. Kredibilita má podle Filáčka (2004) značný
vliv na očekávání ekonomických subjektů a je tudíž determinantem důvěry ekonomických subjektů
ve schopnost banky dosáhnout svého cíle. Je běžnou praxí, že centrální banka má svůj cíl,
popřípadě cíle, stanoveny zákonnou normou. Důvodem je zejména skutečnost, že transparentní
a předvídatelná monetární politika formuje příznivé prostředí pro ekonomický růst a vytváří prostor
pro racionální rozhodování ekonomických subjektů o alokaci zdrojů. Pokud by politika centrální
banky nebyla pro ekonomické subjekty dostatečně transparentní a předvídatelná, mohla by
se stát zdrojem poruch v hospodářství.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST106
Řada prací z oblasti monetární politiky a ekonomického růstu se věnuje analýzám míry inflace
ve vztahu k ekonomickému růstu. Empirické práce potvrzují vliv inflace na ekonomický růst,
a to v případě, že inflace překročí prahovou hodnotu. Míra inflace převyšující prahovou hodnotu
má prokazatelný negativní vliv na investiční aktivitu a ekonomický růst v zemi. Různí autoři
definují výši prahové hodnoty různě. Například Sarel (1996) empiricky ověřil poměrně vážné negativní
účinky inflace při překročení prahové hodnoty 8%. Podrobněji lze nalézt tuto problematiku
například v Barro (1995). Je důležité zmínit skutečnost, že vztah inflace a růstu není lineární.
Negativní vliv na růst má nejen inflace vyšší než prahová hodnota, ale taktéž inflace, která je ekonomickými
subjekty špatně předvídatelná. Nepředvídatelná inflace negativně ovlivňuje rozhodování
ekonomických subjektů stran alokace zdrojů.
Jedním z dalších aspektů, jak může monetární politika ovlivňovat růst v zemi, je volba kurzového
režimu. Rovněž zde existuje velké množství prací na toto téma. Většina z nich se snaží ověřit
předpoklad, že ve střednědobém horizontu může volba kurzového režimu, mít vliv na ekonomický
růst. Podle Bailliu, Lafrance a Perrault (2002) může být tento vliv přímý – volba kurzového
mechanismu ovlivňuje adaptační mechanismy na šok v ekonomice, nebo nepřímý – přes faktory
ovlivňující ekonomický růst, jakými jsou investiční činnost či zahraniční obchod. Podle jejich závěrů
je základem pro pozitivní vliv na růst pevný institucionální rámec monetární politiky (nikoliv
nutně pevný kurz). Neboť kurzové režimy, ať už pevné, střední (např. crawling peg) či flexibilní,
charakteristické pevnou monetární kotvou (např. inflační cíl) mají pozitivní vliv na růst.68
Institucionální rámec provádění monetární politiky1.7.2.
V této kapitole provedeme porovnání institucionálního rámce pro provádění monetární politiky
v České republice a v Rakousku. Nositelem monetární politiky v České republice je Česká národní
banka. Rakousko se dne 1. ledna 1999 zapojilo do třetí fáze vytváření Evropské hospodářské
a měnové unie a zodpovědnost za monetární politiku byla přenesena z Rakouské centrální banky
na nově vzniklou Evropskou centrální banku.69
Institucí zodpovědnou za provádění monetární
politiky v Rakousku je během celého sledovaného období Evropská centrální banka. První dílčí
kapitola se bude zabývat porovnáním cílů obou centrálních bank, včetně jejich případného vývoje.
Dále se zaměříme na komparaci základních nástrojů, které výše uvedené centrální banky používají
k dosažení svých cílů.
Volba cíle a režimu monetární politiky1.7.2.1.
Abychombylischopniporovnatcíleoboucentrálníchbank,musímesevěnovatjejichvymezení.Začneme
charakteristikou cíle a monetárního režimu ČNB a navážeme obdobnou charakteristikou ECB.
Česká republika
Cílem ČNB je cenová stabilita, tj. udržování neinflačního prostředí v zemi. Monetární politika
centrální banky může rovněž „podporovat obecnou hospodářskou politiku vlády, pokud však
68 Výzkum byl prováděn na datech 60 zemí z celého světa za období 1973–1998. Měnové kurzy byly rozčleněny na
pevné, střední bez monetární kotvy, střední s monetární kotvou, flexibilní bez kotvy a flexibilní s kotvou, a to nejen podle
oficiálních informací, ale i na základě pozorování, o jaký kurzový režim se jedná. Bailliu, Lafrance a Perrault (2002).
69 Rakouská centrální banka se stala součástí Evropského systému centrálních bank. Rakouská centrální banka je
rovněž součástí Eurosystému, neboť ten tvoří ECB a centrální banky zemí, které přijaly euro.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 107
není tento vedlejší cíl v rozporu s cílem hlavním“.70
Monetární politika je prováděna v režimu cílování
inflace, při kurzovém režimu ve formě floatingu.
„Inflační cíl je stanovován explicitně, a to ve střednědobém časovém horizontu. Význam střednědobého
časového horizontu spočívá zejména ve vytvoření jasné kotvy pro stabilizaci inflační
očekávání ekonomických subjektů. Důležitým prvkem monetární strategie cílování inflace jsou
inflační prognózy. Rozhodnutí o nastavení měnověpolitických nástrojů jsou prováděna právě na
základě aktuálních inflačních prognóz a potenciálního odchýlení od nich. Pokud se objeví signály
o vychýlení inflace od plánovaného cíle, přistupuje ČNB, přesněji bankovní rada ČNB, ke změně
nastavení měnověpolitických nástrojů tak, aby se díky působení těchto nástrojů „vrátila“ míra inflace
do stanoveného pásma.“ Černíková (2009).
Během sledovaného období nedošlo ke změně hlavního cíle ČNB, ani režimu, v němž je monetární
politika prováděna. Ke změnám však došlo v případě hlavního ukazatele inflace a způsobu,
jakým je hlavní cíl stanoven. Do dubna 2001 byl cíl stanovován pro čistou inflaci, od té doby je cíl
stanoven pro celkovou inflaci (vyjádřenou jako meziroční přírůstek indexu spotřebitelských cen).71
Motivem pro změnu bylo dosažení vyšší transparentnosti monetární politiky, a tuto změnu tudíž
vnímáme pozitivně. Pro ekonomické subjekty je cíl stanovený v celkové inflaci snáze představitelným
a dokáže tudíž lépe ovlivnit jejich inflační očekávání. 72
Uvedli jsme, že rovněž došlo ke změně způsobu, jakým je cíl stanovován. Z grafu č. 36 je patrné,
že do roku 2001 byl stanovován cíl pro konec roku jako rozpětí pro čistou inflaci. Od roku 2001
začal být inflační cíl stanovován pomocí cílové trajektorie celkové inflace. K zatím poslední změně
došlo počínaje rokem 2006, kdy bylo cílové pásmo pro celkovou inflaci nahrazeno bodovým
cílem s tolerančním pásmem ± 1%. Pro období 2006–2009 byl bodový cíl stanoven na úrovni 3%
a s platností od roku 2010 je bodový cíl na úrovni 2%.
Inflační cíle ČNBGraf č. 36:
12/97 12/98 12/99 12/00 12/01 12/02 12/03 12/04 12/05 12/1012/0912/0812/0712/06 12/11
0
5
4
3
2
1
6
7
cílové pásmo pro
celkovou inflaci
bodový cíl pro
celkovou inflaci
cíle pro
čistou inflaci
Zdroj: Cílování inflace v ČR. Česká národní banka
Pro lepší srozumitelnost uvádíme v níže uvedené tabulce kvantifikovaný přehled stanovených inflačních
cílů během sledovaného období.
70 Zdroj: Měnová politika. Česká národní banka.
71 Jak uvádí ČNB: „index čisté inflace je odvozen z celkového indexu spotřebitelských cen s vyloučením položek
regulovaných cen, cen ovlivňovaných administrativními opatřeními a při očištění o vliv změn nepřímých daní“
(ČNB, str. 12, 1999).
72 Zdroj: Stanovení inflačního cíle 2002–2005. Česká národní banka.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST108
Inflační cíle ČNBTabulka č. 50:
inflační cíl pro rok výše cíle plnění k měsíci stanovení cíle
inflační cíle v čisté inflaci
1999 4–5% prosinec 1999 listopad 1998
2000 3,5–5,5% prosinec 2000 prosinec 1997
2001 2–4% prosinec 2001 duben 2000
2005 1–3% prosinec 2005 duben 1999
cílové pásmo pro celkovou inflaci 2002–2005
Začátek pásma 01/2002 3–5% leden 2002
duben 2001
konec pásma 12/2005 2–4% prosinec 2005
bodový cíl pro celkovou inflaci
2006–2009 3 ± 1% březen 2004
2010–vstup do eurozóny 2 ± 1% březen 2007
Zdroj: Cílování inflace v ČR. Česká národní banka
Rakousko
Jak jsme již uvedli, vzhledem k rakouskému členství v eurozóně se budeme v rámci naší analýzy zabývat
monetární politikou Evropské centrální banky. Cíl monetární politiky Evropského systému centrálních
bank73
, za jehož realizaci je odpovědna právě ECB, stanovuje Smlouva o Evropské unii.
„Hlavním cílem monetární politiky ESCB je udržení cenové stability.“74
Specifikace cíle je dále
rozvedena: „aniž by byl dotčen tento cíl, podporuje ESCB obecné hospodářské politiky ES se
záměrem přispět k dosažení cílů ES podle Smlouvy, tj. zejména podporovat harmonický a vyvážený
rozvoj hospodářských činností v ES, trvalý a neinflační hospodářský růst respektující životní
prostředí, vysoký stupeň konvergence ekonomické výkonnosti, vysokou úroveň zaměstnanosti
a sociální ochrany, a to vytvořením společného trhu a hospodářské a měnové unie a prováděním
společných politik a činností uvedených ve Smlouvě“ (dle překladu na webu ČNB, 2010).
Cenová stabilita nebyla Smlouvou o EU definována. Proto byl cíl monetární politiky kvantifikován
Radou guvernérů ECB následovně (ECB): „cenová stabilita je definována jako meziroční
růst Harmonizovaného indexu spotřebitelských cen (HICP) v eurozóně nepřekračující hodnotu 2
%.“ Zároveň bylo stanoveno, že inflace by měla být nižší, ale velmi blízká této hodnotě i ve střednědobém
horizontu. Skutečnost, že je cíl kvantifikován jako meziroční růst HICP nižší než 2%
zároveň znamená, že deflace není považována za splnění cíle.75
Přestože monetární režim ECB vykazuje charakteristiky režimu cílování inflace, formálně je od
tohoto režimu odlišný. Monetární režim ECB se na základě rozhodnutí Řídící rady z října roku
1998 opírá o následující pilíře (Monthly Bulletin No. 1/1999, ECB):
„kvantitativní definice cenové stability – viz stanovení cíle;
tzv. dvoupilířová strategie k dosažení cíle:
významná role peněz (peněžních agregátů), která se projevuje ve stanovení referenční hodnoty
pro růst širokého peněžního agregátu (M3);
určení výhledu budoucího vývoje cenové hladiny a zejména stanovení rizik cenové stability
(ekonomické a monetární analýzy).“
73 Ten tvoří ECB a centrální banky všech členských zemí EU.
74 Odstavec 1, článek 127, Smlouva o EU.
75 Zdroj: Evropská centrální banka.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 109
Referenční hranice pro růst měnového agregátu M3 byla Řídící radou stanovena na 4,5% jako hodnota
tříměsíčního klouzavého průměru meziročního růstu M3. Neznamená to však, že v případě překročení
této hranice se automaticky jedná o impuls pro změnu nastavení měnověpolitických nástrojů.
V případě překročení referenční hodnoty jsou vypracovány analýzy příčin tohoto překročení a hodnoceny
z pozice, zda příčiny mohou ovlivnit cenovou stabilitu (Monthly Bulletin No. 1/1999, ECB).
Součástí tzv. ekonomických analýz jsou i makroekonomické projekce. Jak však sama ECB uvádí,
„projekce hrají důležitou, ale nikoliv vše zahrnující roli v monetární strategii ECB“ (web ECB).76
Projekce obsahují předpokládanou roční změnu inflace, vyjádřenou indexem HICP (ECB).
Monetární analýzy se zabývají dlouhodobými determinanty cenové hladiny, zejména vztahem
mezi penězi a cenovou hladinou (např. analýzy vývoje měnových agregátů).77
Během celého sledovaného období nedošlo ani ke změně kvantifikace cíle cenové stability, ani
k jiné změně týkající se nastaveného monetárního režimu ECB.
Komparace
Obě centrální banky mají shodně stanovený cíl v podobě stability cenové hladiny. Obě centrální
banky svůj cíl kvantifikují v mírně odlišné výši. Česká republika by se v budoucnu měla stát členskou
zemí eurozóny a tato skutečnost se tudíž odráží ve sbližování inflačního cíle s výší cíle stanoveného
ECB. Definice cílů obou bank se zmiňuje o možnosti podporovat hospodářskou politiku
v případě, že není ohrožen primární cíl.
Monetární režim pro provádění monetární politiky mají centrální banky odlišný. V případě
České národní banky se jedná o cílování inflace s explicitně stanoveným cílem. Režim monetární
politiky ECB se nedá ztotožnit s režimem cílování inflace. Je to režim založený na kvantifikaci cíle
a dvoupilířovém systému analýz rizik cenové stability. Režim monetární politiky ECB je předmětem
řady kritik zaměřujících se zejména na jeho nejednoznačnost. Obecně tak můžeme monetární
režim ČNB považovat za pevnější a srozumitelnější režim než v případě ECB.
Základní nástroje monetární politiky1.7.2.2.
Česká republika
„Základními měnověpolitickými nástroji České národní banky jsou operace na volném trhu, automatické
facility – depozitní facilita a marginální zápůjční facilita, a povinné minimální rezervy.
Během námi sledovaného období nedošlo k žádné změně v nastavení povinných minimálních
rezerv (PMR), neboť tento nástroj již prakticky není centrální bankou využíván. Poslední úprava
výše povinných minimálních rezerv tak proběhla v říjnu roku 1999, kdy byla sazba PMR snížena
z 5 % na 2 % tak, aby byla v souladu s výši PMR Evropské centrální banky.“ Černíková (2009).
Operace na volném trhu „jsou většinou prováděny ve formě repo operací (na základě rámcové
smlouvy o obchodování na finančním trhu)“ a jejich hlavním cílem je „usměrňovat vývoj úrokových
sazeb v ekonomice“ (ČNB). Marginální zápůjční facilita je ztotožněna s lombardní sazbou
a depozitní facilitu představuje diskontní sazba.
Hlavním nástrojem pro provádění monetární politiky Českou národní bankou jsou jednoznačně
úrokové sazby, respektive změny v nastavení jejich výše. Měnové podmínky v zemi ovlivňuje i vývoj
měnového kurzu. Posilování kurzu domácí měny působí jako nezanedbatelný protiinflační faktor,
zároveň snižuje konkurenceschopnost domácích výrobců oproti levnější zahraniční konkurenci.
Česká ekonomika je malá a otevřená, vývoj měnového kurzu je tak v převážné míře determinován
zahraničním vývojem. Logicky je tak větší význam přikládán právě výše uvedené úrokové politice.
76 Zdroj: ECB, Macroeconomic Projections.
77 Zdroj: ECB, Monetary Analysis, Monetary policy.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST110
Rakousko
Základními nástroji pro provádění monetární politiky ECB jsou operace na volném trhu, stále facility
– depozitní facilita a marginální zápůjční facilita. Dalším nástrojem jsou povinné minimální
rezervy, jejichž výše je od počátku existence ECB zachována na úrovni 2%. Změny povinných
minimálních rezerv tak k provádění monetární politiky ani Evropskou centrální bankou nejsou
aktivně využívány. Hlavním nástrojem je rovněž úroková politika.
Operace na volném trhu hrají „důležitou roli pro řízení úrokových sazeb, řízení bankovní likvidity
a signalizaci orientace měnové politiky“ (ECB). Tyto operace jsou prováděny za tzv. sazbu na
hlavní refinanční operace (s jednotýdenní dobou splatnosti). Marginální zápůjční facilita a depozitní
facilita slouží obdobně jako v ČR k získání či uložení likvidity přes noc.
Pokud jde o měnový kurz, situace Rakouska je od ČR mírně odlišná. Rakousko je sice malou,
otevřenou ekonomikou, ale členství v měnové unii by mu mělo alespoň teoreticky přinášet větší
stabilitu vývoje měnového kurzu. Vliv vývoje eura na měnové podmínky by tak mohl být ještě
nižší, než je tomu v případě vlivu koruny na měnové podmínky v ČR.
Komparace
Česká národní banka a Evropská centrální banka pro provádění monetární politiky obecně využívají
shodné nástroje. Česká národní banka se naším vstupem do EU stala součástí Evropského systému
centrálních bank. Nedošlo k žádné změně ve využívání nástrojů pro provádění monetární
politiky, spíše můžeme říci, že došlo ke změně jejich označení tak, aby bylo kompatibilní s terminologií
ECB (např. marginální zápůjční facilita – lombardní sazba). Obecně se tak institucionální
rámec prováděné monetární politiky v ČR mírně přibližuje monetární politice ECB.
Vývoj monetární politiky1.7.3.
Jak jsme uvedli v úvodní části kapitoly, vazbu mezi monetární politikou a ekonomickým růstem
analyzujeme spíše z pohledu podmínek, které monetární politika v zemi vytváří. V této části textu
budeme vycházet z předpokladu, že uvolněná monetární politika vytváří spíše prorůstové ekonomické
prostředí. Nesmíme však zapomenout, že tento vliv může politika centrální banky mít za
předpokladu, že se jí daří udržovat nízkoinflační prostředí v ekonomice.
Česká republika
Prakticky od počátku sledovaného období až do poloviny roku 2004 prováděla Česká národní
banka uvolněnou monetární politiku (viz Graf č. 37). Růst inflačních očekávání a prognózy naznačující
zrychlující inflaci stály za zvyšováním úrokových sazeb v roce 2004. Přestože v roce
následujícím došlo ke snižování úrokových sazeb, od konce roku 2005 byla úroková politika centrální
banky opět restriktivní. Příčinou byl zejména gradující ekonomický růst doma i v zahraničí
a z toho pramenící sílící proinflační tlaky. V roce 2008 došlo ke znatelnému růstu světových cen
energetických surovin. Tento potenciální proinflační faktor však byl zcela vykompenzován posilujícím
kurzem české koruny. Zároveň se rok 2008 nesl ve znamení nastupující finanční krize
a zpomalení růstu jak v české ekonomice, tak v zahraničí. V reakci na to a v souladu s prognózou,
Česká národní banka již od počátku roku snižovala úrokové sazby a uvolněnou úrokovou politiku
provádí až do současnosti.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 111
Vývoj změn 2-týdenní repo sazby (ČNB) a sazby na hlavní refinanční operace (ECB)Graf č. 37:
0
1
2
3
4
5
6
ECB ČNB
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Zdroj: Změny nastavení základních měnověpolitických nástrojů od roku 1993. ČNB. Key ECB Interest Rates–Data. European Central Bank
Po větší část sledovaného období ČNB buď úrokové sazby neměnila, nebo je snižovala (viz tabulka
č. 51). Celkové měnové podmínky v České republice však byly ovlivněny i vývojem měnového
kurzu. Až na výjimky tak česká měna během celého sledovaného období posilovala a působila
tak protiinflačně. K obzvlášť prudkému posílení koruny došlo v roce 2008. Toto bezprecedentní
posílení jejího kurzu však nebylo podloženo vývojem reálných ekonomických fundamentů, ani
úrokového diferenciálu. Obecně tak můžeme konstatovat, že vývoj měnového kurzu zpřísňoval
měnové podmínky zemi. Monetární politika tak celkově byla spíše neutrální.
Přehled změn výše 2-týdenní repo sazby (ČNB)Tabulka č. 51:
datum sazba v % Datum sazba v % datum sazba v %
2001 2004 31.8. 3,25
23. 2. 5,00 25. 6. 2,25 30. 11. 3,50
27. 7. 5,25 27. 8. 2,50 2008
30. 11. 4,75 2005 8. 2. 3,75
2002 28. 1. 2,25 8. 8. 3,5
22. 1. 4,50 1. 4. 2,00 7. 11. 2,75
1. 2. 4,25 29. 4. 1,75 18. 12. 2,25
26. 4. 3,75 31. 10. 2,00 2009
26. 7. 3,00 2006 6. 2. 1,75
1. 11. 2,75 28. 7. 2,25 11. 5. 1,5
2003 29. 9. 2,50 7. 8. 1,25
31. 1. 2,50 2007 17. 12. 1,00
26. 6. 2,25 1. 6. 2,75
1. 8. 2,00 27. 7. 3,00
Poznámka: v roce 2000 nedošlo ke změně nastavení výše 2-týdenní repo sazby.
Zdroj: Změny nastavení základních měnověpolitických nástrojů od roku 1993. ČNB
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST112
Rakousko
Pro zhodnocení vývoje úrokové politiky Evropské centrální banky jsme zvolili sazbu na hlavní
refinanční operace, která se svojí výší pohybuje mezi marginální zápůjční facilitou a depozitní facilitou.
Vzhledem k charakteru operací, ke kterým slouží, ji navíc můžeme považovat za obdobu
repo sazby ČNB.78
V průběhu roku 2000 Evropská centrální banka zvyšovala úrokové sazby, které tak v průběhu
roku narostly o 1,75 p. b. (viz tabulka č. 52). Obrat přišel v první polovině roku 2001, a to zejména
díky odeznění inflačních tlaků na přelomu let 2000 a 2001. Růst inflace v roce 2000, a tudíž
zpřísnění měnových podmínek v eurozóně bylo dle Výroční zprávy ECB (2000) dáno zejména externími
vlivy (růst světových cen surovin) a oslabováním eura vůči hlavním měnám. Období snižování
úrokových sazeb trvalo v eurozóně až do konce roku 2005. V přibližně stejné době začala
zvyšovat své úrokové sazby i Česká národní banka (viz graf č. 37). Důvodem růstu sazeb v letech
2005 až 2008 byla řada proinflačních faktorů, ohrožujících cenovou stabilitu. Tyto faktory byly
jak externí – růst světových cen energetických surovin, tak i interní – pramenící z rychlého růstu
řady ekonomik eurozóny (tlaky na růst mezd).
Přehled změn výše sazby na hlavní refinanční operace (ECB)Tabulka č. 52:
datum sazba v % Datum sazba v % Datum sazba v %
2000 2002 2007
4. 2. 3,25 6. 12. 2,75 14. 3. 3,75
17. 3. 3,5 2003 13. 6. 4,0
28. 4. 3,75 7. 3. 2,5 2008
9. 6. 4,25 6. 6. 2,0 9. 7. 4,25
1. 9. 4,5 2005 15. 10. 3,75
6. 10. 4,75 6. 12. 2,25 12. 11. 3,25
2001 2006 10. 12. 2,5
11. 5. 4,5 8. 3. 2,5 2009
31.8. 4,25 15. 6. 2,75 21. 1. 2,0
18. 9. 3,75 9. 8. 3,0 11. 3. 1,5
9. 11. 3,25 11. 10. 3,25 8. 4. 1,25
13. 12. 3,50 13. 5. 1,0
Poznámka: v roce 2004 nedošlo ke změně nastavení sazby na hlavní refinanční operace.
Zdroj: Key ECB Interest Rates–Data. European Central Bank
Od poloviny roku 2008 Evropská centrální banka snižuje úrokové sazby, a to až do současnosti.
Důvodem bylo zpomalení ekonomického růstu a celosvětová finanční krize. V roce 2008 navíc
ECB snížila rozpětí mezi depozitní facilitou a marginální zápůjční facilitou tím, že tyto sazby klesaly
rychleji než sazba na hlavní refinanční operace. Příčinou byla snaha ECB poskytnout větší
likviditu bankám skrze rychlejší pokles těchto jednodenních sazeb (Výroční zpráva ECB, 2008).
Na počátku své existence jednotná evropská měna euro oslabovala vůči dolaru a působila
tak spíše proinflačně. Tento trend se změnil v roce 2002, kdy euro začalo vůči dolaru posilovat.
S mírným zakolísáním na konci roku 2005 pokračoval posilující trend vůči dolaru až do konce
78 Obě sazby jsou používány k operacím na volném trhu. V případě repo sazby jsou operace prováděny se splatností
dvou týdnů. ECB využívá sazbu na hlavní refinanční operace na operace se splatností jednotýdenní.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 113
roku 2008. Po toto období působilo euro spíše protiinflačně a jeho pohyb tak částečně snižoval
rostoucí ceny světových energetických surovin. V druhé polovině roku 2008 euro vůči dolaru poměrně
výrazně oslabilo, ale od té doby pokračuje v mírně posilujícím trendu vůči dolaru.
Celkově tak můžeme monetární politiku ECB v průběhu sledovaného období považovat rovněž
za spíše neutrální ve vztahu k ekonomickému růstu.
Hodnocení monetární politiky1.7.4.
Nyní se budeme věnovat hodnocení monetární politiky, a to z pohledu následujících dvou kritérií:
plnění inflačního cíle;
predikovatelnosti opatření jednotlivých centrálních bank.
Plnění inflačního cíle1.7.4.1.
Během sledovaného období Česká národní banka svůj cíl často neplnila. Jak shrnuje níže uvedená
tabulka č. 53, ČNB svůj inflační cíl splnila v letech 2001, 2004, 2006 a 2007. Vyjma roku 2008,
kdy došlo k jednorázovému cenovému šoku, byl cíl podstřelován. Samotná ČNB nesplnění cíle
vysvětluje vychýlením skutečného inflačního vývoje od zpracovávaných prognóz a taktéž nepodchycením
řady externích vlivů. Jak vyplývá z Výročních zpráv ČNB, faktorem, který se podepsal
na tomto výsledku byly rovněž chybné odhady o mezeře výstupu. Přestože jsme si vědomi složitosti
podchycení řady faktorů do prognóz (zejména externích vlivů), nemělo by být nesplnění
stanoveného cíle ospravedlňováno pouze tímto nedostatkem. Neplnění inflačního cíle či jeho
plnění na spodní hranici povoleného pásma nás může vést k domněnce o spíše přísnější monetární
politice. Jak vyplývá z tabulky č. 53, na druhé straně se ČNB daří v české ekonomice udržovat
stabilní a nízkoinflační prostředí.
Plnění inflačního cíleTabulka č. 53:
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Česká republika
míra inflace 3,0 2,4 1,8 0,1 2,8 1,9 2,5 2,8 6,3 1,0
plnění cíle ne ano ne ne ano ne ano ano ne ne
Rakousko (eurozóna)
míra inflace eurozóna 2,2 2,4 2,3 2,1 2,2 2,2 2,2 2,1 3,3 0,3
míra inflace Rakousko 2 2,3 1,7 1,3 2 2,1 1,7 2,2 3,2 0,4
plnění cíle ne ne ne ne ne ne ne ne ne ano
Poznámka: míra inflace v Rakousku je vyjádřena ukazatelem Harmonizovaný index spotřebitelských cen (HICP). Míra inflace v ČR je
v letech 2000 a 2001 uvedena v čisté inflaci a od roku 2002 pomocí celkové inflace.
Zdroj: HICP – All Items – Annual Average Inflation Rate. Eurostat. Míra inflace. Český statistický úřad
Evropská centrální banka rovněž nebyla příliš úspěšná při plnění svého cíle. Při exaktním posuzování
můžeme říci, že cíl byl splněn v roce 2009, v ostatních letech však nikoliv (viz tabulka
č. 53). Narozdíl od ČNB však ECB svůj cíl přestřelovala, i když ve většině případů o pár desetin
procentního bodu. Evropská centrální banka zdůrazňuje, že i přes neplnění cíle se jí daří udržet
střednědobá a dlouhodobá inflační očekávání blízko cílované hodnoty inflace. Tyto úvahy jsou
sice logicky správné, nicméně opět je nemůžeme považovat za argument ospravedlňující neplnění
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST114
cíle. Právě schopnost centrální banky plnit svůj stanovený cíl je tím, co v delším časovém horizontu
ovlivňuje inflační očekávání ekonomických subjektů.
Jak jsme již uvedli dříve, Evropská centrální banka je odpovědná za stabilitu cen celé eurozóny.
Cenový vývoj v Rakousku se však může od průměru za celou eurozónu lišit, proto se podíváme
i na vývoj indexu HICP v Rakousku. Výše uvedená tabulka č. 53 obsahuje i index HICP pro sledované
období v Rakousku. Téměř ve všech letech se inflace v Rakousku od inflace naměřené pro
celou eurozónu lišila jen mírně. Výjimku tvořily roky 2002, 2003 a 2006. V těchto třech letech
byla inflace v Rakousku nižší o 0,5 až 0,8 p. b. v porovnání s eurozónou. Neznamená to však, že
by úrokové sazby ECB byly pro Rakousko příliš vysoké. Spíše na tuto informaci můžeme pohlížet
zjednodušeně tak, že pro rakouskou ekonomiku ECB svůj cíl v těchto letech plnila. Monetární
politika ECB vytváří v této zemi stabilní nízkoinflační prostředí a tudíž předpoklady pro ekonomický
růst.
Predikovatelnost opatření centrální banky1.7.4.2.
„Predikovatelnost monetární politiky spočívá ve schopnosti ekonomických subjektů anticipovat
opatření realizovaných centrální bankou. Transparentní politika ze strany centrální banky tak
vytváří příznivé prostředí pro ekonomický růst a zároveň usnadňuje rozhodování ekonomických
subjektů o alokaci zdrojů. Na druhé straně, při špatné predikovatelnosti se může samotná monetární
politika stát zdrojem poruch a šoků v hospodářství“ (Černíková, 2009).
Abychom zhodnotili to, do jaké míry jsou opatření jednotlivých centrálních bank ekonomickými
subjekty predikovatelná, použijeme metodologii Bernhardsena a Klostera (2002). Ta spočívá
v porovnání výše změny krátkodobé úrokové sazby příslušnou centrální bankou se úrokové sazby
na mezibankovním trhu. Autoři předpokládají, že pokud je monetární politika anticipována
ekonomickými subjekty, pak je změna úrokové sazby centrální banky již zahrnuta v aktuální výši
tržní úrokové sazby (na mezibankovním trhu). Míru, v jaké bylo rozhodnutí o změně výše úrokové
sazby centrální bankou anticipováno, budeme posuzovat podle výše rozdílu tržní úrokové
sazby den před a den po jednání příslušného orgánu centrální banky, který o výši sazeb rozhoduje.
Čím je takto získaný rozdíl menší, tím více byla změna úrokových sazeb ekonomickými subjekty
očekávána. Autoři doporučují zvolit za tržní úrokovou sazbu takovou sazbu, která nejlépe odráží
četnost setkání orgánu banky, který rozhoduje o výši úrokových sazeb.
Změnu příslušné sazby centrální bankou budeme považovat za očekávanou, pokud následná
korekce výše tržní sazby nebude vyšší než 25% změny sazby centrální banky. Následnou změnu
tržní sazby nad 75% hodnoty změny sazby centrální banky budeme považovat za neočekávanou.
Částečně očekávaná bude změna tržní sazby v rozsahu 26–74%.
Česká republika
Bankovní rada České národní banky se schází přibližně jedenkrát za měsíc. Z tohoto důvodu jsme
za tržní úrokovou sazbu zvolili jedno-měsíční sazbu PRIBOR, kterou budeme porovnávat s dvoutýdenní
repo sazbou.
Během námi sledovaného období změnila Česká národní banka výši úrokových sazeb celkem
jednatřicetkrát. Podle námi stanovených kritérií pouze sedm změn můžeme považovat za
očekávané. Celkem třináct změn bylo neočekávaných a jedenáct změn ekonomické subjekty
očekávaly částečně.
Níže uvedený graf znázorňuje, které změny 2T repo sazby byly ekonomickými subjekty očekávány
a tudíž byly dopředu zahrnuty do výše 1M PRIBOR sazby a které nikoliv. Čím větší změnu
1M PRIBOR sazby v grafu vidíme, tím méně byla změna 2T repo sazby očekávána. V takovém
případě došlo k přizpůsobeni 1M PRIBOR sazby až po jednání bankovní rady ČNB. Na druhé
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 115
straně, pokud ekonomické subjekty očekávaly změnu 2T repo sazby, přizpůsobení 1M PRIBOR
sazby bylo minimální – jako např. v květnu a červenci roku 2007.
Změny 2W repo sazby a 1M PRIBOR den před a den po jednání bankovní rady ČNB (v %)Graf č. 38:
– 1
– 0,75
– 0,5
– 0,25
0
0,25
0,5
27.1.2000
25.5.2000
5.10.2000
25.1.2001
31.5.2001
27.9.2001
21.1.2002
25.4.2002
25.7.2002
28.11.2002
27.3.2003
31.7.2003
27.11.2003
25.3.2004
29.7.2004
25.11.2004
31.3.2005
28.7.2005
24.11.2005
30.3.2006
27.7.2006
30.11.2006
29.3.2007
26.7.2007
29.11.2007
7.5.2008
6.11.2008
7.5.2009
5.11.2009
změna 1M PRIBOR
změna 2W REPO
Poznámka: vlastní výpočet.
Zdroj: Fixing úrokových sazeb na mezibankovním trhu depozit – PRIBOR. Změny nastavení základních měnověpolitických nástrojů od
roku 1993. ČNB
Jak vidíme na grafu č. 38, větší část rozhodnutí o změně výše úrokových sazeb byla finančními
trhy alespoň částečně anticipována. K významným korekcím ve výši 1M PRIBOR sazby po změně
2T repo sazby docházelo zejména v letech 2005 a 2009, kdy ekonomické subjekty změnu úrokových
sazeb téměř vůbec neočekávaly. Následně tak došlo k plné korekci 1M PRIBOR sazby. Na
druhé straně, v únoru 2006 byla situace odlišná. 1M PRIBOR sazba začala klesat již před zasedáním
bankovní rady ČNB, ta však úrokové sazby nezměnila. Ekonomické subjekty očekávaly pokles
výše repo sazby, k tomu nedošlo a tudíž následovala korekce tržní sazby směrem nahoru.
Vyjma roku 2009 jsme mohli v posledních letech sledovaného období sledovat mírný růst očekávanosti
změn 2T repo sazby ekonomickými subjekty. Pokud je rok 2009 v tomto směru výjimečný,
finanční trhy mohla v tomto období ovlivnit nejistota spojená s finanční krizí, pak můžeme
růst predikovatelnosti monetární politiky ČNB považovat za jednoznačně pozitivní s ohledem na
ekonomický růst. Z výše uvedeného grafu rovněž plyne, že ekonomické subjekty lépe očekávaly
menší změny repo sazby, v řádu 0,25 p. b. Jakmile ČNB provedla razantnější změnu sazeb, došlo
k výraznějšímu následujícímu přizpůsobení tržní sazby. Ekonomické subjekty tak pravděpodobně
ČNB nevěří razantnější změny úrokových sazeb.
Rakousko
Orgánem, který v Evropské centrální bance rozhoduje o měnověpolitických opatřeních, je Řídící
Rada. Ta se schází dvakrát měsíčně. Jak uvádí ECB, Řídící rada bude „zpravidla hodnotit orientaci
měnové politiky ECB pouze na prvním zasedání v měsíci“, s tím že „je zřejmé, že pokud to
bude situace vyžadovat, může Řídící rada rozhodnout o změně základních úrokových sazeb ECB
kdykoliv, bez ohledu na předem naplánovaná zasedání.“ Vzhledem k tomu, že v námi sledovaném
období docházelo ke změnám výše úrokových sazeb i na druhém zasedání, zvolili jsme za
tržní sazbu dvoutýdenní EURIBOR. Změny této sazby budeme porovnávat se změnami sazby na
hlavní refinanční operace.
Během sledovaného období Evropská centrální banka provedla celkem devětadvacet změn nastavení
výše úrokových sazeb, čili přibližně stejný počet jako Česká národní banka. Více než
polovinu, tj. šestnáct změn, můžeme považovat za plně anticipované finančními trhy. Celkem
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST116
dvanáct změn bylo trhy očekáváno částečně a pouze jedna změna byla neočekávaná. K této neočekávané
změně došlo v květnu 2001, kdy ECB snížila sazbu na hlavní refinanční operace o 0,25
p. b. Finanční trhy očekávaly pokles sazby již o měsíc dopředu, tehdy však ECB jejich výši nezměnila
a následně došlo k růstu sazby EURIBOR (viz graf č. 39). Zpřísnění monetární politiky
očekávaly finanční trhy v září roku 2007, k tomu pak nedošlo a proto následovala korekce tržní
2W EURIBOR sazby směrem dolů.
Změny hlavní refinanční sazby a 2W EURIBOR den před a den po jednáníGraf č. 39:
Řídící rady ECB (v %)
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
leden00
duben00
červenec00
listopad00
březen01
červen01
září01
leden02
duben02
srpen02
listopad02
březen03
červen03
říjen03
únor04
květen04
září04
leden05
květen05
září05
prosinec05
duben06
srpen06
prosinec06
duben07
srpen07
prosinec07
duben08
červenec08
listopad08
březen09
červenec09
listopad09
změna 2W EURIBOR
změna hlavní ref. sazby
Poznámka: vzhledem k nedostupnosti údajů pro sazbu 2W EURIBOR, pro roky 2000 a 2001 byla použita sazba 1M EURIBOR. Vlastní výpočty.
Zdroj: EURIBOR Historical Data: 2000–2009
Graf č. 39 potvrzuje, že po zasedání Řídící rady ECB docházelo pouze k malým korekcím ve výši
1M EURIBOR sazby a tudíž můžeme konstatovat, že ekonomické subjekty poměrně dobře predikují
opatření Evropské centrální banky. Lépe, než je tomu v případě rozhodnutí České národní
banky. Pokud se podíváme na údaje z přelomu roku 2008 a 2009 vidíme mírné zhoršení v predikovatelnosti
politiky ECB, obdobně jako tomu bylo pro ČNB. Tento výsledek je však pravděpodobně
spíše důsledkem nedůvěry a rozkolísanosti finančních trhů v důsledku finanční krize.
Komparace
Z našich výsledků vyplynulo, že větší část rozhodnutí ČNB o změně úrokových sazeb nebyla
ekonomickými subjekty očekávána vůbec či jen částečně. Finanční trhy dokázaly poměrně dobře
odhadnout, kdy ke změně sazeb dojde, nicméně výši změny sazby již anticipovat převážně nedokázaly.
Za pozitivní s ohledem na ekonomický růst můžeme považovat růst predikovatelnosti monetární
politiky v posledních letech (vyjma uplynulého roku). Na druhé straně, opatření Evropské
centrální banky byla ekonomickými subjekty velice dobře očekávána, podstatně lépe než v případě
opatření ČNB (viz tabulka č. 54). Pouze v jediném případě se ECB „podařilo“ trhy oklamat, ve
všech ostatních případech byla její měnově-politická opatření alespoň částečně předpokládaná.
VLIV MĚNOVÉ POLITIKY NA HOSPODÁŘSKÝ RŮST 117
Míra predikovatelnosti opatření jednotlivých centrálních bank (v %)Tabulka č. 54:
charakter změny úrokové sazby Česká národní banka Evropská centrální banka
očekávaná 23 55
částečně očekávaná 35 41
neočekávaná 42 3
celkem 100 100
Zdroj: vlastní zpracování
Závěr1.7.5.
V této kapitole jsme se zabývali porovnáním monetární politiky v České republice a Rakousku během
období 2000–2009. Snažili jsme se klást důraz na zkoumání možného vlivu této politiky na
ekonomický růst ve dvou zmíněných zemích.
Monetární politiku v České republice provádí Česká národní banka. Monetární vývoj Rakouska
jakožto členské země eurozóny je plně v kompetenci Evropské centrální banky. Obě centrální
banky mají shodně stanovený cíl v podobě stability cenové hladiny. Obě centrální banky svůj cíl
kvantifikují v mírně odlišné výši.
Monetární režim pro provádění monetární politiky mají centrální banky odlišný. V případě
České národní banky se jedná o cílování inflace s explicitně stanoveným cílem. Režim monetární
politiky ECB se nedá ztotožnit s režimem cílování inflace. Je to režim založený na kvantifikaci cíle
a dvoupilířovém systému analýz rizik cenové stability. Režim monetární politiky ECB je předmětem
řady kritik, zaměřujících se zejména na jeho nejednoznačnost. Obecně tak můžeme monetární
režim ČNB považovat za pevnější a srozumitelnější režim než v případě ECB.
Česká národní banka a Evropská centrální banka využívají shodné nástroje pro provádění monetární
politiky. Obecně se tak institucionální rámec prováděné monetární politiky v ČR mírně
přibližuje monetární politice ECB.
Během námi sledovaného období Česká národní banka často neplnila svůj cíl. Často docházelo
zejména k jeho podstřelování. Evropská centrální banka při plnění svého cíle, který převážně přestřelovala
o pád desetin procentního bodu, taktéž nebyla příliš úspěšná. Pokud bychom se dívali
na vývoj míry inflace přímo v Rakousku, pak v tomto případě byla ECB převážně úspěšná.
Z našich výsledků vyplynulo, že větší část rozhodnutí ČNB o změně úrokových sazeb nebyla
ekonomickými subjekty očekávána vůbec či jen částečně. Finanční trhy dokázaly poměrně dobře
odhadnout, kdy ke změně sazeb dojde, nicméně výši změny sazby již anticipovat převážně nedokázaly.
Za pozitivní s ohledem na ekonomický růst můžeme považovat růst predikovatelnosti monetární
politiky v posledních letech (vyjma uplynulého roku). Na druhé straně opatření Evropské
centrální banky byla ekonomickými subjekty velice dobře očekávána, podstatně lépe než v případě
opatření ČNB. Pouze v jediném případě se ECB „podařilo“ trhy oklamat, ve všech ostatních
případech byla její měnověpolitická opatření alespoň částečně předpokládaná. Měnovou politiku
ECB tak považujeme za transparentnější.
118
TRH PRÁCE 119
Trh práce1.8.
Vzťah medzi mierou nezamestnanosti a hospodárskym rastom je jedným z najznámejších empirických
pravidelností v makroekonómii Okun (1962). V jednoduchosti povedané, hovorí o negatívnom
empirickom prepojení medzi zmenami v miere nezamestnanosti a zmenami v reálnom
výstupe ekonomiky.
Z empirického hľadiska je Okunov zákon dôležitý, pretože Okunov koeficient je užitočným nástrojom
v predpovedaní vývoja a pri prijímaní rozhodnutí a tvorbe monetárnej politiky.
V priebehu dlhého obdobia sa objavovali empirické štúdie, ktoré skúmali platnosť tohto zákonu
a celkové zistenie je, že potvrdzujú jeho platnosť. V čom sa však tieto práce rozchádzajú je
hodnota koeficientu. Pôvodne platilo, že tento koeficient sa nachádza niekde v okolí hodnoty
3, čo znamená podľa Lee (2000), že jedno percentná zmena v miere nezamestnanosti je spojená
s približne troj percentnou zmenou vo výstupe ekonomiky v opačnom smere. Avšak táto hodnota
kolísa nielen v priebehu času a pri použití rôznych dát, ale navyše sa ukazuje, že jeho hodnota má
tendenciu byť hlbšie pod hodnotou 3. Ďalej sa táto hodnota mení nielen v závislosti na použitej
špecifikácii Okunovho zákona, ale aj na použitej metóde odhadu.
Okunov zákon vyšiel z jednoduchého pozorovania, že chcené zvýšenie produkcie tovarov a služieb
si vyžaduje viac zapojenej pracovnej sily v ekonomike. Viac pracovnej sily však môže byť
dosiahnuté zvýšením počtu odpracovaných hodín už stávajúcej zapojenej pracovnej sily alebo
prostredníctvom prijatia nových zamestnancov. Pre zjednodušenie analýzy, Okun predpokladal,
že miera nezamestnanosti môže slúžiť ako užitočná premenná pri hodnotení množstva práce použitej
v ekonomike.
Táto práca je štruktúrovaná nasledovne. Druhá časť predstavuje metodológiu, ktorú sme použili.
V tretej časti predstavíme výsledky odhadu a následne bude zhrnutie na záver.
Metodológia1.8.1.
Existujú viaceré verzie Okunovho zákona. My však v krátkosti predstavíme podľa Knotek (2007),
len dve hlavné a to: model založený na prvých diferenciách a model založený na gapoch .
Podľa modelu prvých diferencií by vzťah medzi prirodzeným logaritmom pozorovaného reálneho
výstupu ekonomiky (yt
) a pozorovanou mierou nezamestnanosti (ut
) mohol vyzerať nasledovne:
yt − yt−1 = α + β (ut + ut − 1) + εt , (1)
TRH PRÁCE120
kde α je úrovňová konštanta, β je Okunov koeficient, ktorý meria aká zmena v miere nezamestnanosti
je spojená so zmenou v produkte a ε je náhodný šum.
Zatiaľ čo Okunov prvý vzťah bol založený na makroekonomickej štatistike, jeho druhý vzťah
spojil úroveň nezamestnanosti s medzerou medzi potenciálnym a aktuálnym výstupom ekonomiky.
Okun tým sledoval identifikáciu toho ako veľa by bola schopná ekonomika vyprodukovať za
podmienky plnej zamestnanosti. Za stav plnej zamestnanosti Okun považoval úroveň nezamestnanosti
dosť nízku na to aby neprodukovala inflačné tlaky.
Táto verzia napríklad podľa Villaverde, Maza (2008) môže vyzerať nasledovne:
yt −yt
*
= β (ut −ut
*
), (2)
kde yt
*
predstavuje logaritmus potenciálneho výstupu, ut
*
je prirodzená miera nezamestnanos-
ti79
a ostatné symboly majú rovnaký význam ako v predchádzajúcom prípade. Ľavá strana rovnice
predstavuje gap výstupu ekonomiky, zatiaľ čo (ut − ut
*
) predstavuje gap nezamestnanosti.
Jednoducho povedané, rozdiel medzi pozorovaným a potenciálnym reálnym HDP zachycuje cyklickú
zložku výstupu.
Na tomto mieste však rozšíreme podľa Gordon (1989) naše chápanie vývoju prirodzenej miery
nezamestnanosti (NAIRU) a rozšírime model o rovnicu, ktorá definuje vývoj rovnovážnej miery
nezamestnanosti ut
*
nasledovne:
ut
*
= η ut − 1 + zt , (3)
Toto pravidlo môžeme použiť za existencie javu hysterézie, ktorú budeme predpokladať. Hysterézia
nastáva v prípade, keď ut
*
závisí na oneskorenej hodnote miery nezamestnanosti ut − 1 a na mikroekonomických
determinantoch reprezentovaných premennou zt
80
.
Spojením oboch výrazov získame:
yt −yt
*
= β (ut − η ut − 1 − zt) . (4)
Následná transformácia vedie k rovnici:
yt −yt
*
= β (1 − η) ut + β η (ut − ut − 1 ) − β zt . (5)
Túto rovnicu použijeme na empirické testovanie. Avšak najskôr sa môžeme pozrieť na niektoré
teoretické aspekty. Z rovnice (3) je jasne vidieť, že ak parameter η = 1, nastáva prípad „plnej hysterézie“.
V tomto prípade už nebude existovať jedinečná rovnovážna úroveň nezamestnanosti
(NAIRU) a stane sa úplne variabilnou veličinou, ktorá nemá svoju vlastnú ustálenú hodnotu81
.
Opakom je prípad η = 0 kedy by rovnovážna úroveň nezamestnanosti plne závisela na mikroekonomických
determinantoch reprezentovaných premennou zt. Kompromisom a aj nami očakávaným
výsledkom však sú hodnoty parametru η nachádzajúce sa v intervale (0,1), ktoré umožnia
existenciu ustálenej úrovne nezamestnanosti, teda úrovne, ktorá nebude akcelerovať mieru inflácie
a bude dlhodobo udržateľná.
79 V našom prípade za prirodzenú mieru nezamestnanosti budeme považovať NAIRU.
80 Tieto mikroekonomické determinanty môžeme stotožniť s Friedmannovými, ktoré uvádza v rámci svojej hypotézy
o prirodzenej miere nezamestnanosti.
81 Ustálenou hodnotou rozumej steady state.
TRH PRÁCE 121
Technická špecifikácia modelu1.8.1.1.
Odhadovaný ekonometrický model má v súlade s rovnicou (5) nasledujúcu podobu:
yt_gap = λ1 + λ2 ut
+ λ3 (ut − ut − 1 ) + εt . (6)
Model chápeme ako normálny lineárny regresný model. Na jeho odhad použijeme jednoduchú
metódu OLS82
.
Empirická časť1.8.2.
Použité dáta1.8.2.1.
Na tomto mieste ukážeme dáta, ktoré sme získali z databáze OECD. Použili sme štvrťročné dáta
počas obdobia 1997 Q1–2009 Q4 .
Miera nezamestnanostiGraf č. 40:
1996 1998 2000 2002 2004 2006 2008 2010
3 %
4 %
5 %
6 %
7 %
8 %
9 %
10 %
CZ Austria
Zdroj: databáza OECD
HDP gap pomocou HP filtruGraf č. 41:
0
– 0,06
– 0,04
– 0,02
0,02
0,04
1996 1998 2000 2002 2004 2006 2008 2010
CZ Austria
Zdroj: databáza OECD, vlastné výpočty
82 OLS – Ordinary least squares (Metóda najmenších štvorcov).
TRH PRÁCE122
Výsledky odhadu s NAIRU1.8.2.2.
Na tomto mieste budeme prezentovať výsledky odhadu Okunovho zákona v rozšírenej verzii spolu
s rovnicou vývoja NAIRU.
V prípade Českej republiky sa prítomnosť javu hysterézie nezamest-nanosti ukázala v práci
Němec (2010). Z tohto dôvodu by mal byť tento koncept použiteľný pre Českú ekonomiku a platiť
aj v tomto prípade.
Výsledky odhadu rovnice (6) sú prezentované v nasledujúcej tabuľke.
Odhad parametrov pre ČRTabulka č. 55:
parametre odhadnuté hodnoty T-štatistika kritická hodnota BINT
λ1
** 0,0239
(0,0111)
2,1676 2,0141 0,0017 0,0460
λ2
** −0,3241
(0.1518)
−2,1590 2,0141 −0,6264 −0,0218
λ3
*** −1,0569
(0,1547)
−6,9091 2,0141 −1,3650 −0,7488
Poznámka: ** znamená, že odhad parametru je štatisticky významný na hladine významnosti 5 %, *** zasa významnosť na hladine
významnosti 1 %, hodnoty v zátvorkách predstavujú smerodajné odchýlky daného parametru.
Zdroj: vlastné výpočty
Tabuľka obsahuje hodnoty odhadnutých parametrov a následne aj klasicky používané hodnoty, ktoré
vypovedajú o štatistickej významnosti týchto odhadov. V druhom stĺpci sa nachádza T-štatistika
a v treťom kritická hodnota, s ktorou túto T-štatistiku porovnávame. Ak je hodnota T-štatistiky
v absolútnej hodnote vyššia ako kritická hodnota, odhad parametru je štatisticky významný. Medzi
ďalšie testy, ktoré sme previedli patrí test nulovej strednej hodnoty reziduíí, ktorá je predpokladom
použitia tejto metódy odhadu. Hodnota strednej hodnoty vyšla −8.5291e−018 čo je hodnota veľmi
blízka nule, čiže tento predpoklad môžeme považovať za splnený. Ďalším testom je test normality
rezíduí s použitím testov Kolmogorov – Smirnov a Jarqeu – Bera. Oba vyšli 0 čo znamená, že nezamietame
hypotézu normality na hladine významnosti 5 %. Následne sme previedli Goldfeldov
– Quandtov test heteroskedasticity rezíduí, ktorého hodnota vyšla 1.2341 a v porovnaní s kritickou
hodnotou 2.0842 môžeme prehlásiť, že zamietame hypotézu heteroskedasticity.
Nasledujúca tabuľka zobrazuje výsledky odhadu pre Rakúsko.
Odhad parametrov pre RakúskoTabulka č. 56:
parametre odhadnuté hodnoty T-štatistika kritická hodnota BINT
λ1
0,0167
(0,0114)
1,4792 2,0129 −0,0060 0,0395
λ2
−0,3560
(0,2681)
−1,3424 2,0129 −0,8898 0,1778
λ3
*** −1,6427
(0,2698)
−6,1550 2,0129 −2,1799 −1,1055
Poznámka: *** znamená, že odhad parametru je štatisticky významný na hladine významnosti 1 %.
Zdroj: vlastné výpočty
Prvé dva parametre nie sú štatisticky významné čo môže vypovedať o tom, že v Rakúsku nie je prítomný
jav hysterézie nezamestnanosti. Ostatné testy vyšli v poriadku. Test nulovej strednej hodnoty rezíduí
TRH PRÁCE 123
vyšiel −4.2483e-018 čo je blízko nule. Testy normality sú významné rovnako ako v predošlom prípade.
Test heteroskedasticity rezíduí vyšiel podľa očakávaní tiež v súlade s teoretickými predpokladmi.
V nasledujúcej tabuľke sú prepočítané hodnoty štrukturálnych parametrov modelu teda tie, ktoré
sú obsahom rovnice (5).
Štrukturálne parametreTabulka č. 57:
β η z
Česká republika −1,3810 0,7653 0,0173
Rakúsko −1,9987 0,8219 0,0084
Zdroj: vlastné výpočty
Interpretácia týchto parametrov je nasledovná. β predstavuje Okunov koeficient a teda predstavuje
elasticitu zmeny medzery nezamestna-nosti na zmenu medzery produktu. Teda v prípade
Českej republiky 1 % zmena medzery nezamestnanosti je spojená so zmenou medzery výstupu
o 1.38 % v opačnom smere. Hodnota parametru η nám hovorí o prítomnosti silnej hysterézie
v nezamestnanosti v prípade Českej ekonomiky. Podobného výsledku hodnoty tohto koeficientu
bolo dosiahnuté aj v práci Němec (2010), kde táto hodnota dosiahla hodnotu 0.7920. Parameter z,
ktorý predstavuje mikroekonomické determinanty vyšiel blízko nule čo znamená jeho nízky vplyv
na vývoj hodnoty NAIRU v oboch krajinách.
Tieto parametre môžeme ďalej využiť na konštrukciu vývoja NAIRU na základe rovnice (3), kde je jej
trajektória jasne definovaná. Vývoj NAIRU pre Českú republiku je zobrazený v nasledujúcom grafe.
NAIRU Česká republikaGraf č. 42:
4 %
5 %
6 %
7 %
8 %
9 %
10 %
1998 2000 2002 2004 2006 2008 2010
NAIRU UR HP filter
Zdroj: vlastné výpočty
Hodnoty týchto štrukturálnych parametrov pre Rakúsku ekonomiku nemajú vypovedajúcu schopnosť
práve pre nevýznamnosť parametrov v rámci odhadu prezentovaného v tabuľke č. 56 a preto
nebudeme ukazovať možný vývoj NAIRU v Rakúsku.
Výsledky odhadu bez NAIRU1.8.2.3.
Namiesto toho však na tomto mieste použijeme alternatívnu špecifikáciu Okunovho zákona bez
použitia nášho rozšírenia o rovnicu vývoja NAIRU, ktorej použitie predpokladá práve jav hysterézie
a porovnáme odhady Okunovho koeficientu. Konkrétne sa jedná o rovnicu číslo (2).
TRH PRÁCE124
Tento odhad prevedieme pre obe krajiny a porovnáme výsledok odhadu Okunovho koeficientu
pre Českú republiku s predošlým odhadom, ktorý bol štatisticky významný.
Výsledky sú ukázané v nasledujúcich dvoch tabuľkách.
Okunov zákon bez NAIRU – ČRTabulka č. 58:
parametre odhadnuté hodnoty T-štatistika kritická hodnota BINT
λ1*** −1,4438
(0,2708)
−5,4951 2,0076 −1,9713 −0,9163
Zdroj: vlastné výpočty
V tomto prípade λ1 reprezentuje priamo Okunov koeficient a preto ho môžme porovnať s predošlou
špecifikáciou tohto zákona. Odhad koeficientu pre Českú republiku je výrazne podobný
a štatisticky významný čo nás utvrdzuje v jeho platnosti. Testovanie predpokladov je opäť v poriadku.
Stredná hodnota rezíduí vyšla −7.8554e-019. Oba testy normality vyšli 0. White´s test heteroskedasticity
zamietol jej prítomnosť na základe p hodnoty 0.0129.
Okunov zákon bez NAIRU – RakúskoTabulka č. 59:
parametre odhadnuté hodnoty T-štatistika kritická hodnota BINT
λ1*** −2,1790
(0,3958)
−5,6718 2,0066 −2,9500 −1,4081
Zdroj: vlastné výpočty
Odhad Okunovho zákona v tejto špecifikácii vyšiel pre Rakúske dáta štatisticky významný a preto
ho môžme interpretovať. Vidíme tu veľkú odlišnosť odhadu od Českej republiky. Zmena medzery
nezamestna-nosti v Rakúsku o 1 p. b. je spojená so zmenou alebo respektíve s poklesom medzery
produktu o vyše 2 p. b.
Záver1.8.3.
Cieľom tejto práce bolo odhadnúť a porovnať Okunov koeficient pre Českú republiku a Rakúsko.
V rámci predpokladu platnosti javu hysterézie nezamestnanosti sme použili špecifikáciu Okunovho
zákona spolu s rovnicou opisujúcou trajektóriu vývoja NAIRU. Na základe tejto špecifikácie sa
potvrdila platnosť javu hysterézie v Českej republike tak ako toho bolo dosiahnuté v práci Němec
(2010). Naopak platnosť tohto predpokladu sa pre Rakúsku ekonomiku nepotvrdila a tak sme pristúpili
k základnému „gap“ modelu bez predpokladu platnosti javu hysterézie. Na základe tejto špecifikácie
sme odhadli Okunov koeficient pre obe ekonomiky a na základe týchto hodnôt môžme
tvrdiť, že zmeny v miere nezamestnanosti sú spojené s väčšou zmenou produktu v Rakúsku ako
v Českej republike. To je do istej miery spôsobené aj tým, že typicky pre krajiny s hysterezným
charakterom nezamestnanosti platí oslabená platnosť Okunovho zákona.
Na druhú stranu však prítomnosť hysterézneho charakteru nezamestnanosti vkladá do rúk vlády
možnosť ovplyvniť vývoj nezamestnanosti prostredníctvom dopytovo orientovanej hospodárskej
politiky bez dlhodobých negatívnych dopadov na infláciu.
MEZINÁRODNÍ PŘESUNY KAPITÁLU 125
Mezinárodní přesuny kapitálu1.9.
Kapitál je ekonomy považován za jeden z klíčových faktorů ekonomického růstu a rozvoje, který
figuruje v téměř každém modelu ekonomického růstu. Žádná analýza konkurenceschopnosti se
tedy nemůže obejít bez prostoru věnovaného právě i přesunům zahraničního kapitálu. Tato kapitola
navazuje na předchozí publikace CVKS, v rámci kterých byla zkoumána role kapitálu v procesu
ekonomické konvergence zemí střední a východní Evropy. My nyní posuneme naši analýzu
blížeji ke srovnání post-tranzitivní země se zemí vyspělou. Konkrétně se bude jednat o srovnání
vývoje a dopadů toků zahraničního kapitálu na území ČR a Rakouska. Rakousko v tomto případě
působí jako benchmark postupu české transformace a konvergence ekonomického prostředí ke
stabilní a plně fungující tržní ekonomice.
Struktura kapitoly bude následující. Nejdříve se stručně zaměříme na vazby mezi zahraničním
kapitálem a ekonomickým růstem tak, jak je chápe ekonomická teorie. Poté se krátce zastavíme
u srovnání vývoje toků zahraničního kapitálu jako celku. Těžiště kapitoly bude nicméně spočívat
v komparaci dopadů jedné z forem zahraničního kapitálu – přímých zahraničních investicí (dále
jen PZI) a to zejména jejich přílivu. Poté krátce shrneme i vývoj toků ostatních druhů kapitálu
v obou sledovaných ekonomikách.
Zahraniční kapitál a konkurenceschopnost – teoretické vazby1.9.1.
Ještě dříve, než přistoupíme ke komparaci kapitálových toků zahraničního kapitálu v prostředí
obou sledovaných zemí, zastavme se stručně u obecných teoretických vazeb mezi ním a konkurenceschopností
hospodářství.83
Kapitál je ekonomy považován za jeden z klíčových faktorů
ekonomického růstu a rozvoje. V souladu s předchozími publikacemi na toto téma, i v této kapitole
budeme pojem konkurenceschopnost chápat především jako schopnost dlouhodobého ekonomického
růstu. Ta je kapitálem významně ovlivněna krátkodobě i dlouhodobě a není proto
překvapivé, že řada teorií ekonomického růstu ho považuje za jeden z primárních determinantů
ekonomického růstu. Nejdříve se podívejme na obecné souvislosti mezi přílivem zahraničního kapitálu
a konkurenceschopností (tedy spíše na případ ČR). Jedním z hlavních důvodů prominentní
pozice kapitálu v teoriích ekonomického růstu je to, že jeho příliv rozšiřuje investiční možnosti
země nad rámec domácích úspor. Dle ekonomické teorie by kapitál měl navíc plynout ze zemí,
které ho mají relativně dostatek (a tedy jeho mezní produktivita je nízká) do zemí, kde je vzácný
83 Více o teoretických vazbách a souvislostech mezi jednotlivými druhy zahraničního kapitálu a konkurenceschopností
země je uvedeno v publikacích CVKS, na které tato kapitola navazuje – konkrétně se jedná o Jamborová (2009).
MEZINÁRODNÍ PŘESUNY KAPITÁLU126
a jeho mezní produktivita je tudíž vysoká. Nicméně kromě přímých efektů má zahraniční kapitál
i řadu nepřímých dopadů na hospodářství. Ty bychom mohli rozčlenit podle základních forem,
kterých zahraniční kapitál nabývá, tj. dle jednotlivých položek finančního účtu platební bilance.
V souladu s předchozími publikacemi, na které tato kapitola navazuje, budeme i zde věnovat nejvíce
pozornosti PZI. Tak jsou standardně označovány dlouhodobé vklady zahraničních investorů
do podniků. Právě v souvislosti s tímto druhem kapitálu se totiž uvádí nejvyšší množství pozitivních
vedlejších efektů. Jedná se např. o přístup k novým technologiím, transfer manažerských
dovedností, know-how a jiné předpoklady dlouhodobého ekonomického růstu. PZI ale s sebou
přinášejí také zvýšení konkurence, které vytváří tlak na zvyšování efektivity fungování všech –
i domácích – subjektů v ekonomice.84
Jedná se také o druh kapitálu s relativně nízkou volatilitou,
jelikož se na rozdíl od ostatních druhů kapitálu hůře přesouvá mezi zeměmi.
Pokud se blížeji podíváme na teoretické vazby mezi odlivem PZI a konkurenceschopností (tedy
spíše případ Rakouska) ekonomiky, ze které plynou, situace je méně jednoznačná. Na jednu stranu
se obecně předpokládá, že zakládání dceřiných společností v zahraničí působí na zemi původu
pozitivně prostřednictvím zvyšování produktivity mateřských firem. Na druhou stranu to vyvolává
obavy z přesouvání výrob náročných na (zejména méně kvalifikovanou) práci do zemí s nižšími pracovními
náklady, což působí negativně na zaměstnanost země původu PZI.85
Podobné obavy pak
mohou zaznívat i v souvislosti s HDP, exporty či vývojem platební bilance země původu.86
V souladu
se současnou literaturou můžeme říci, že zda v tomto ohledu převáží pozitivní či negativní efekty
záleží na mnoha faktorech. Konkrétně na tom, zda se jedná o vertikální či horizontální FDI,87
na
rozdílech v ekonomické úrovni mezi cílovou zemí PZI a zemí původu, v cenách výrobních faktorů
mezi zeměmi, velikosti mateřské firmy, na flexibilitě trhu práce v cílové zemi, zda jsou zisky ze zahraničních
PZI reinvestovány či repatriovány atd. (Masso et al., 2007). Komplexní analýza působení
PZI na sledované ekonomiky by tedy předpokládala na jednu stranu odhad pozitivních efektů přílivu
a odlivu PZI, ale na druhou stranu i potenciálních rizik plynoucích z PZI v zahraničí. Taková
analýza nicméně překračuje rozsah této kapitoly. Z tohoto důvodu se zde zaměříme pouze na příliv
PZI do obou sledovaných ekonomik a jejich dopadu. PZI v zahraničí a jejich efekty na zemi původu
budou předmětem dalších publikací v rámci tohoto vědeckého záměru.
Další položkou finančního účtu platební bilance jsou portfoliové investice, tedy mezinárodní
transakce s různými druhy cenných papírů. Kromě toho, že představují nový kapitál pro podniky,
se také u nich obecně předpokládají pozitivní efekty, a to konkrétně na rozvoj finančních trhů.
Posledním druhem kapitálu jsou ostatní investice. I ty zvyšují kapitálovou zásobu země a její investiční
možnosti. Jelikož se však jedná především o zahraniční krátkodobé a dlouhodobé úvěry,
jejich příliv implikuje jejich nutnost zpětného splacení, což může konkurenceschopnost ovlivňovat
i negativně. Zatímco je obecně tedy příliv zahraničního kapitálu ve formě PZI vnímán z perspektivy
ekonomického růstu pozitivně, potenciální nestálost a volatilita portfoliových a zejména
krátkodobých ostatních investic může ekonomický růst ovlivňovat i negativně, jak se ukázalo
např. v průběhu současné globální ekonomické krize.
Na následujících řádcích se podíváme právě na to, do jaké míry se prosazují tyto teoretické souvislosti
v hospodářské praxi ČR a Rakouska.
84 Přehled literatury o efektech PZI a jejich dopadech na ekonomický růst, poskytuje např. studie Ozturka (2007).
85 Přehled teoretických úvah i empirických studií zkoumajících dopad odlivu PZI na zaměstnanost a další makroekonomické
ukazatele v zemi jejich původu poskytuje např. Kokko (2006).
86 Podobné úvahy mohou zaznívat i v souvislosti s přílivem PZI, typicky v souvislosti s repatriací zisků. Dle názoru
autorky však v současné literatuře převládá přesvědčení, že v tomto případě efekty pozitivní silně převažují.
87 Za vertikální PZI se považují ty investice, které vycházejí z rozdělení výroby na jednotlivé stupně (typicky na základě
faktorové intenzity). Firma posléze outsourcuje např. stupně výroby náročné na práci v zemích s nižšími mzdovými
náklady. Oproti tomu horizontální PZI představují nadnárodní rozšíření činnosti firmy a jedná se v podstatě
o replikaci aktivit firmy v zahraničí (např. Masso et al., 2007).
MEZINÁRODNÍ PŘESUNY KAPITÁLU 127
Srovnání vývoje zahraničního kapitálu obecně1.9.2.
Zatímco v předchozí podkapitole jsme se zabývali obecnými vazbami mezi zahraničním kapitálem
a ekonomickým růstem tak, jak je předpokládá ekonomická teorie, nyní se podíváme na
konkrétní vývoj v obou sledovaných ekonomikách. Začneme od obecnějšího srovnání – tj. salda
finančního účtu jako celku. Jeho vývoj jak v absolutním, tak v relativním vyjádření, máme zobrazen
v následujícím grafu:
Vývoj salda finančního účtu platební bilance ČR a Rakouska mezi lety 1999 až 2009Graf č. 43:
v absolutním vyjádření v milionech EUR a jako % HDP země
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Mil.EUR
–15 000
–10 000
–5 000
0
5 000
10 000
–5
–4
–3
–2
–1
0
1
2
3
4
ProcentaHDP
Saldo FÚ ČR Saldo FÚ Rakousko Saldo FÚ jako % HDP ČR Saldo FÚ jako % HDP Rakousko
Zdroj: ČNB a Oesterreichische Nationalbank, 2010; vlastní výpočty
Základním rozdílem mezi ČR a Rakouskem na poli zahraničního kapitálu v poslední dekádě,
který je v grafu na první pohled zřejmý, je tendence ČR být spíše jeho destinací. Naproti tomu
Rakousko po většinu sledovaného období bylo spíše zdrojem kapitálu. Rakousko resp. přešlo od
poměrně vysokých přebytků finančního účtu platební bilance na přelomu tisíciletí k relativně vyrovnané
pozici v první polovině první dekády nového tisíciletí, až k vysokým deficitům (až do
výše 4% HDP) v posledních letech. Kořeny vývoje v těchto „třech obdobích“ budeme hledat níže
už v rámci jednotlivých forem zahraničního kapitálu.
Jak je vidět v grafu, co se týče celkového salda finančního účtu platební bilance, situace v ČR
byla méně dramatická než v Rakousku. ČR po celé sledované období zaznamenávala přebytky
v průměrné výši kolem 2% HDP. Co se za nimi skrývalo konkrétně, to budeme analyzovat nyní
v rámci jednotlivých složek finančního účtu. Začneme první formou zahraničního kapitálu, která
zároveň získává mezi ekonomy nejvíce pozornosti – PZI. Ostatním druhům kapitálu se budeme
věnovat v zápětí, avšak spíše jen okrajově.
Komparace vývoje a dopadů PZI1.9.3.
Jako první z jednotlivých forem zahraničního kapitálu se zaměříme na PZI. Tomuto druhu kapitálu
navíc budeme věnovat nejvíce pozornosti. Je tomu tak proto, že se jedná o kapitál, s nímž
je obecně spojováno největší množství pozitivních efektů jak pro zemi původu, tak pro jeho de-
stinaci.88
V literatuře zabývající se zahraničním kapitálem je tedy právě nejvíce pozornosti věno-
88 V této kapitole nebudeme podávat přehled všech pozitivních či potenciálně negativních efektů přílivu PZI, jelikož ty
byly podrobně identifikovány v předchozích publikacích CVKS, konkrétně ve Vašendová (2007).
MEZINÁRODNÍ PŘESUNY KAPITÁLU128
váno této jeho formě. Naši analýzu zahájíme stručným srovnáním vývoje v obou ekonomikách,
a to nejen po stránce velikosti toků PZI, ale i jejich sektorové a geografické struktury. Posléze se blížeji
zaměříme na předpokládané dopady PZI. Vývoj čistého salda PZI v Rakousku a v ČR jak v absolutním
vyjádření v milionech EUR, tak jako procento HDP nám zobrazuje následující graf:
Vývoj čistého přílivu PZI ČR a Rakouska mezi lety 1999 až 2009 v absolutním vyjádřeníGraf č. 44:
v milionech EUR a jako % HDP země
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Mil.EUR
Procenta
Čistý příliv ČR Čistý příliv PZI Rakousko Čistý příliv PZI ČR jako % HDP Čistý příliv PZI jako % HDP Rakousko
–6
–5
–4
–3
–2
–1
0
1
2
3
4
–14 000
–12 000
–10 000
–8 000
–6 000
–4 000
–2 000
0
2 000
4 000
6 000
Zdroj: ČNB a Oesterreichische Nationalbank, 2010; vlastní výpočty
První skutečností, která je v grafu patrná, je to, že ve většině sledovaných let je velikost kapitálových
přesunů v absolutní hodnotě vyšší v Rakousku než v ČR. To následně platí i pro odlivy
i přílivy PZI, stejně jako pro ostatní druhy kapitálu v rámci členění finančního účtu platební bilance.
Stejný výsledek získáme, i pokud přepočítáme čistý příliv a odliv PZI v obou zemích na
obyvatele. Tento fakt je v souladu s vyšší ekonomickou vyspělostí Rakouska ve srovnání s ČR
(nominální HDP je v posledních letech zhruba dvojnásobný než v ČR a ekonomická úroveň ČR
vůči Rakousku je zhruba dvoutřetinová). Zatímco ČR je tak na poli zahraničního kapitálu obvykle
posuzována optikou toho, kolik zahraničních investic je schopna přilákat, Rakousko je považováno
spíše za investora a zdroj zahraničního kapitálu. Z tohoto plyne i základní problém jakékoliv
komparace Rakouska a ČR na poli zahraničního kapitálu – v tomto ohledu se jedná o relativně
rozdílné ekonomiky. Tomu odpovídá i situace PZI. Zatímco ČR byla po většinu sledovaného období
čistým příjemcem PZI, v Rakousku byl vývoj daleko více volatilní. V grafu vidíme relativně
vysoké čisté přílivy PZI v některých letech a zároveň ještě vyšší odlivy v letech jiných. Pro rozklíčování
tohoto vývoje a získání základního vhledu na dynamiku PZI v Rakousku se tedy budeme
muset podívat blížeji na složení sald v jednotlivých letech.89
To předpokládá detailnější rozbor
jak přílivu PZI do obou sledovaných ekonomik, tak i jejich odlivu. Jak však již bylo uvedeno výše,
komplexní analýza obou ukazatelů překračuje prostorové možnosti této kapitoly. Z tohoto důvodu
se zde zaměříme pouze na srovnání vývoje a dopadů zahraničních PZI v ČR a Rakousku.
U těch se podíváme jak na jejich velikost v jednotlivých letech, tak i na jejich geografickou a sektorovou
strukturu. Krátce se zaměříme i na předpokládaný budoucí vývoj.
89 V této kapitole se nebudeme detailně zabývat analýzou příčin a faktorů vývoje PZI a ostatních druhů kapitálu v ČR
– zaměříme se pouze na odlišné a společné rysy v rámci komparace ČR a Rakouska. Důvodem je to, že vývoj v ČR
byl detailně analyzován v předchozích publikacích CVKS – konkrétně pak ve Vašendová (2006) zejména u vývoje
v ČR v 90. letech a v Jamborová (2009) u vývoje po přelomu tisíciletí.
MEZINÁRODNÍ PŘESUNY KAPITÁLU 129
Vývoj přílivu PZI v České republice a Rakousku1.9.3.1.
Co se týče investic, které směřují do rakouské ekonomiky ze zahraničí, ty nezískávají v relevantní
literatuře zdaleka tolik pozornosti jako PZI plynoucí z rakouské ekonomiky ven. Důvod byl již nastíněn
– Rakousko je daleko více vnímáno jako zdroj PZI než jeho destinace, což plyne i ze stupně
jeho ekonomické vyspělosti. Srovnání přílivu PZI v obou zkoumaných ekonomikách v předchozí
dekádě nám přináší následující graf. Jako dosud, i nyní je v něm zobrazeno jak absolutní, tak i relativní
vyjádření:
Příliv PZI Rakouska a ČR mezi lety 1999 až 2009 v absolutním vyjádření v milionech EURGraf č. 45:
a jako procento HDP země
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Mil.EUR
Procenta
Příliv ČR Příliv PZI Rakousko Příliv PZI ČR jako % HDP Příliv PZI jako % HDP Rakousko
–10 000
0
10 000
20 000
30 000
40 000
50 000
60 000
70 000
0
5
–5
10
15
20
25
30
Zdroj: ČNB a Oesterreichische Nationalbank, 2010; vlastní výpočty
V grafu na první pohled zaujmou dvě vysoké hodnoty roku 2005 a 2007.90
Druhou skutečností
je už zmiňovaná vyšší absolutní hodnota přílivů PZI do Rakouska ve většině sledovaných let.91
Příliv PZI je přitom ve většině sledovaného období v Rakousku vyšší i jako podíl na HDP, i když
v tomto případě už není rozdíl tak markantní jako u absolutního vyjádření. Co se týče dalších
společných znaků obou zemí, tak pokles PZI kolem roce 2002 můžeme pravděpodobně vztáhnout
mimo jiné i ke globálnímu poklesu investiční aktivity v tomto roce. Naopak rok 2007 byl také díky
celosvětovému nárůstu PZI rokem rekordních hodnot PZI v obou zemích. Podobně v posledních
dvou sledovaných letech vzhledem ke globálnímu ekonomickému vývoji nepřekvapuje společný
pokles. Jinak se však hodnoty přílivu PZI mezi oběma zeměmi poměrně dost liší. Růst přílivů PZI
v ČR po roce 2004 je obecně spojován se zvýšením atraktivity země pro zahraniční investory i vlivem
vstupu ČR do EU.
Zajímavou doplňující informací v tomto ohledu může být umístění obou zemí na globálním
žebříčku Inward FDI Performance indexu vyvinutým UNCTAD. Jedná se o index, kterým můžeme
posuzovat schopnost zemi přilákat PZI vzhledem k její relativní ekonomické síle. Není proto
překvapivé, že se ČR na tomto žebříčku umístila před Rakouskem – viz následující tabulka.92
90 Ty byly způsobeny velkými jednorázovými akvizicemi, jako bylo převzetí Bank Austria italským UniCreditem v roce 2007.
91 Kdybychom však komparovali ČR s tranzitivními ekonomikami tak, jak bylo uvedeno v předchozích publikacích
CVKS (konkrétně např. Vašendová, 2007), výsledky by byly méně skromné. ČR má, co se týče přílivu PZI v rámci
Visegrádské čtyřky, prvenství ve vyjádření na obyvatele u kumulovaných přílivů PZI v poslední dekádě a v absolutním
vyjádření jej překonává pouze Polsko.
92 UNCTAD však vyvinul i analogický index pro odliv PZI, a to Outward FDI Performance index. V jeho žebříčku se
Rakousko umístilo na místě 19., zatímco ČR je až 60. (UNCTAD, 2010). Tyto indexy tedy potvrzují, že ČR je stále
daleko více destinací pro PZI, zatímco Rakousko je jejich zdrojem.
MEZINÁRODNÍ PŘESUNY KAPITÁLU130
Hodnoty Inward FDI Performance Indexu pro ČR a Rakousko spolu s umístěním těchtoTabulka č. 60:
zemí v žebříčku 125 zemí
Inward FDI Performance Index 2005–071
země hodnota pořadí
ČR 2,169 41
Rakousko 1,706 56
Poznámka: 1
Index je spočten jako podíl procentuálního podílu PZI v ekonomice na celkových světových PZI a procentuálního podílu
HDP země na světovém HDP. U IFDI Indexu hodnota větší než jedna znamená, že do země plyne více PZI, než co odpovídá její relativní
ekonomické síle. Zdroj: UNCTAD (2010)
Když jsme nyní získali rámcovou představu o velikosti přílivů PZI do obou sledovaných ekonomik,
ve stručnosti se zaměříme na srovnání jejich geografické a sektorové struktury. Podíváme se
tedy, z jakých zemí plyne do ČR a Rakouska nejvíce PZI a do jakého segmentu ekonomiky směřují.
To udává následující tabulka.
Struktura celkové zásoby PZI v Rakousku a ČR dle země původu a sektoru směřováníTabulka č. 61:
Rakousko ČR
země původu PZI (2007) podíl (v %) země původu PZI (2007) podíl (v %)
Německo 25,1 Nizozemí 30,5
Itálie 21,6 Německo 15,7
ostatní země1
13,4 Rakousko 10,7
sektor směřování PZI (2007) podíl sektor směřování PZI (2006) podíl
reality a obchodní činnost 48 zpracovatelský průmysl 36
finanční zprostředkovatelství 23,4 finanční zprostředkování 17
opravy a obchod 14,1 nemovitosti a pronájem 14
Poznámka: 1
Seznam těchto zemí je uveden v ONB (2009). Podíl je chápán jako procentuální podíl na celkové hodnotě ukazatele. Údaje
jsou uvedeny vždy za poslední dostupný rok, který je uveden v závorkách. Zdroj: ČSÚ, 2008; ČNB, 2007; ONB, 2009; vlastní výpočty
Jak vyplývá i z této tabulky, EU-15 je stále hlavním zdrojem PZI směřujících do Rakouska (kolem
60% v minulých dvou letech). Dominance Německa byla v tomto ohledu v posledních letech oslabena,
v předchozím období ale nebyly výjimkou hodnoty kolem 40 % (Dellmour, 2002).93
V roce 2007
prudce vzrostly PZI i z Ruska. U směřování PZI může potom překvapit výrazná dominance sektoru
realitní činnosti. Na druhou stranu je v ČR tradičně dominantní Nizozemí a poté země geograficky
blízké, včetně srovnávaného Rakouska. U podílu dosud převládajícího zpracovatelského průmyslu
může v následujících letech dojít k poklesu s tím, jak se mohou pracovně náročné výroby přesouvat
do méně vyspělých zemí EU (zejména Bulharska a Rumunska) nebo zemí Balkánu.94
Na druhou stranu
je ČR v tomto roce stále mezi dvacítkou nejatraktivnějších zemí na světě z pohledu PZI dle tzv.
FDI Confidence indexu společnosti ATKearney (2010).95
Stejný zdroj navíc uvádí, že PZI se v posledních
letech přesouvají z průmyslu do služeb a obecně do výrob s vysokou přidanou hodnotou.
93 Jedním z důvodů je již zmíněná, v roce 2007 proběhnuvší změna vlastníka Bank Austria z německé
HypoVereinsbank na italský UniCredit.
94 Tento trend konec konců potvrzuje i PZI plynoucí z Rakouska, které se v posledních letech zaměřuje vedle tradičních
zemí střední Evropy, jako je právě ČR či Polsko, do Rumunska, Bulharska a balkánských zemí (Hunya, 2008).
95 ČR se za žebříčku FDI Confidence Indexu v roce 2010 umístila na 17. místě, hned pod Rumunskem, které se umístilo
na 16. místě. Jedinou další středo- či východoevropskou zemí v žebříčku je Polsko na 6. místě (ATKearney, 2010).
MEZINÁRODNÍ PŘESUNY KAPITÁLU 131
Co se týče budoucích trendů u Rakouska, dá se předpokládat, že bude pokračovat spíše ve své
roli investora, a tak bude nadále mít tendenci spíše k negativním saldům PZI.
Poté, co jsme zde podali přehled jak vývoje PZI v obou zemích, tak jeho sektorového a geografického
směřování, se nyní zaměříme na to, jaké dopady zde PZI pravděpodobně má. K otázce
kvantifikace dopadů PZI na cílovou ekonomiku je možné zaujmout různé přístupy. Dle znalostí
autorky této kapitoly se jedná zejména o následující.
Jedním z možným přístupů je ten, který byl uplatněn v předchozích souvisejících publikacích
CVKS – zejména v Jamborová (2009). Jedná se o přístup, který analyzuje penetraci PZI do cílové
ekonomiky z perspektivy kapitálové zásoby celého hospodářství. Tento přístup se opírá o kalkulaci
podílu PZI na hrubé tvorbě fixního kapitálu v hospodářství (tedy do jaké míry jsou PZI zdrojem
růstu kapitálové zásoby ekonomiky) doplněné o odhad příspěvků jednotlivých výrobních faktorů
k ekonomickému růstu. Je tak možné zhruba odhadnout, do jaké míry se PZI zasloužily o nárůst
kapitálové zásoby v ekonomice a tím i o ekonomický růst.96
Dalším z možných přístupů se opírá o analýzu hospodářských výsledků podniků pod zahraniční
kontrolou působící v cílové zemi a jejich srovnání s výsledky podniků domácích. Na základě této analýzy
je potom možné posuzovat, do jaké míry přispívají podniky pod zahraniční kontrolou k zaměstnanosti,
produktu, či vývoji produktivity práce cílové ekonomiky (přístup použitý např. v ČSÚ, 2008).
Třetí možností je poté využít některého ekonomicko-matematického přístupu. Je možno např.
namodelovat produkční funkci a pomocí ní odhadnout dopad PZI na vývoj celkové faktorové
produktivity cílových firem (přístup použitý např. v Djankov a Hoekman, 2000). V této publikaci
bude použita kointegrační analýza s cílem zjistit, zda mezi ekonomickým růstem a přílivem PZI
v ČR a Rakousku existuje dlouhodobý rovnovážný vztah a pokud ano, jakým směrem kauzalita
mezi těmito dvěma veličinami působí. Dle názoru autorky se jedná o optimální přístup pro zkoumání
dopadu PZI na konkurenceschopnost, kterou právě s dlouhodobým ekonomickým růstem
ztotožňujeme.97
Srovnání dopadů přílivu PZI v České republice a Rakousku1.9.3.2.
Na tomto místě tedy provedeme empirickou studii vztahu mezi přílivem PZI a ekonomickým růstem
v ČR a Rakousku. Dosavadní výsledky podobných studií přitom naznačují, že kauzalita může
jít od PZI k ekonomickému růstu tak, jak předpokládá ekonomická teorie, od ekonomického růstu
k PZI a nebo mohou být tyto veličiny na sobě zcela nezávislé.98
K otestování dlouhodobého vztahu
mezi nimi bude použit Johansenův kointegrační test, který je metodou obecně preferovanou
před tradičněji používaným přístupem Engla a Grangera. K ustanovení směru kauzality bude použit
vektorový model korekce chyb (dále jen VECM) tak, jak je v podobné literatuře standardem.
Nejdříve se zaměříme na případ ČR.
Co se týče použitých dat, u ČR byla použita sezónně očištěná časová řada reálného HDP s bazickým
kvartálem 1/1996 v rozsahu od prvního čtvrtletí 1996 do čtvrtého čtvrtletí roku 2008. Řada
96 Je však nutné mít na paměti, že efekty PZI se neomezují jen na působení přímé, tj. prostřednictvím rozšiřování
kapitálové zásoby v ekonomice. V souvislosti s PZI se předpokládá i působení řady vedlejších efektů tzv. spilloverů
technologické a znalostní povahy (tj. přesun vyspělých technologií, manažerských technik, know-how atd.). Tyto
efekty se však dají jen velmi těžko vyčíslit. Více o této problematice je uvedeno v Jamborová (2009).
97 Jedná se o přístup, který je pro zkoumání vazeb mezi PZI a ekonomickým růstem standardně používán, avšak dle
znalostí autorky nebyl dosud použit na ekonomiky střední či východní Evropy. Z předchozích studií můžeme zmínit
studii Pradhana (2009) na vzorku pěti zemí sdružení ASEAN, která potvrzuje obousměrný vztah mezi PZI a ekononomickým
růstem či Chakraborty a Basu (2002) na případu Indie, který nalezl kauzalitu jdoucí od ekonomického
růstu k přílivu PZI nebo studii Sekmena (2007), která našla stejnou kauzalitu pro Turecko. Podobných analýz zatím
není, dle znalostí autorky, mnoho a dosahují nejednoznačných závěrů.
98 Více o teoretických aspektech uvedených kauzalit je uvedeno např. v Basu et al. (2003).
MEZINÁRODNÍ PŘESUNY KAPITÁLU132
čistých kvartálních přílivů PZI ve stejném rozsahu byla pro zachování lepší srovnatelnosti transformována
z nominálního vyjádření na reálné, a to taktéž ve stálých cenách prvního kvartálu roku
1996 pomocí čtvrtletních hodnot deflátoru HDP. Zdrojem všech uvedených ukazatelů je Český
statistický úřad (ČSÚ, 2010). Kvůli nedostupnosti dat HDP před rokem 1996 se tedy bohužel jedná
o relativně krátké časové řady, což je nutno zohlednit i při interpretaci výsledků.
Co se transformace časových řad týče, u HPD byla použita standardní logdiferenciace (viz tabulka
níže) avšak už PZI toto není možné kvůli tomu, že v některých čtvrtletích je čistý příliv PZI
záporný. Byla tedy zvolena transformace použitá v Herzer (2007), kdy jsou použity první diference
podílů čistých přílivů PZI na HDP (tj. Δ PZI/HDP v následující tabulce).
Předpokladem kointegrovaných časových řad je to, že jsou integrovány stejného řádu. Výsledky
testu stacionarity při použití standardního Rozšířeného Dickey-Fullerova testu (dále jen ADF) jsou
uvedeny v následující tabulce.
Výsledky ADF testu pro jednotlivé časové řady ČR a jejich transformaceTabulka č. 62:
proměnná ADF pro konstantu s trendem ADF pro konstantu bez trendu
PZI −3,15 (0,09) −3,30* (0,01)
log HDP −1,81 (0,69) 0,62 (0,99)
Δ log HDP −3,78* (0,01) −3,83** (0,00)
Δ PZI/HDP −6,55** (0,00) −6,53** (0,00)
Poznámka: p hodnota je uvedena v závorkách; * znamená, že je možné zamítnout nulovou hypotézu o přítomnosti jednotkového
kořene či stochastického trendu na 5% hladině významnosti, ** na 1% hladině významnosti.
V tabulce vidíme, že hypotéza o přítomnosti jednotkového kořene může být zamítnuta pro obě
dvě zvolené transformace. Dále tedy pokračujeme se zvýrazněnými časovými řadami.
Dalším krokem kointegrační analýzy je volba optimálního zpoždění vektorového autoregresního
modelu. Na jeho určení byla standardně použita Akaikeho, Schwarzovo a Hannan-Quinnovo
informační kritéria. Hodnoty těchto kritérií naznačují, že optimálním řádem zpoždění je 1 (výsledky
zde nejsou reportovány z prostorových důvodů). Můžeme nyní tedy přistoupit k Johansenovu
testu kointegrace, jehož výsledky uvádí následující tabulka:
Výsledky Johansenova kointegračního testu proTabulka č. 63: Δ log HDP a Δ PZI/HDP
Kointegrační řád Eigen hodnota Trace statistika
Statistika maximální eigen
hodnoty
0 0,41686 28,363** (0,0002) 27,505** (0,0001)
1 0,016671 0,85738 (0,3545) 0,85738 (0,3545)
Poznámka: p hodnota je uvedena v závorkách; ** znamená, že je možné zamítnout nulovou hypotézu o tom, že je počet kointegračních
vztahů roven či menší, než odpovídá příslušnému kointegračnímu řádu na 1% hladině významnosti.
V tabulce vidíme, že zatímco nulovou hypotézu o tom, že kointegrační řád je nula (tj. že mezi
proměnnými není žádný dlouhodobý rovnovážný vztah), můžeme zamítnout, nemůžeme však
zamítnout nulovou hypotézu o tom, že je pouze jeden.99
Kointegrační analýza nám tak potvrzuje,
že mezi oběma časovými řadami existuje dlouhodobý rovnovážný vztah.
99 Což plyne i z logiky kointegrační analýzy jako takové. Při použití dvou proměnných lze nalézt maximálně jeden
kointegrační vztah.
MEZINÁRODNÍ PŘESUNY KAPITÁLU 133
Neznáme však směr ustanovování této rovnováhy, resp. od které proměnné přichází přizpůsobovací
impulz. Na určení kauzality vzájemného vztahu se standardně používá VECM test. Jeho
výsledky uvádí následující tabulka.
Výsledky VECM modelu proTabulka č. 64: Δ log HDP a Δ PZI/HDP
člen korekce chyb koeficient směrodatná odchylka t-test p hodnota
EC1 (Δ PZI/HDP) −0,765539** 0,137713 −5,5589 <0,00001
EC2 (Δ log HDP) −0,0004005 0,00026789 −1,4953 0,14126
Poznámka: ** znamená, že můžeme zamítnout nulovou hypotézu o nepřítomnosti přizpůsobovacího mechanismu na 1% hladině významnosti.
Výsledky VECM jsou poněkud překvapující. Statisticky významný je koeficient členu korekce
chyb odpovídající proměnné Δ PZI/HDP, což znamená, že přizpůsobení přichází právě od této
proměnné. To implikuje, že Grangerova kauzalita směřuje od PZI k HDP a nikoliv naopak.
Naše výsledky tedy odpovídají tezi, dle které příliv PZI předpokládá dosažení určité ekonomické
vyspělosti. Naznačují, že rozhodnutí zahraničních investorů o alokaci přímých investic jsou do
značné míry ovlivněna aktuální ekonomickou situací a přesvědčením o tom, že zde existují slibné
investiční možnosti.
To, že naše výsledky nepodporují výsledky jiných, zejména mikroekonomických studií, které jsme
zmínili výše či byly uvedeny v předcházejících analýzách PZI a ekonomického růstu v ČR (tj. Jamborová,
2009), samozřejmě neznamená, že pozitivní dopady PZI na ekonomický růst v ČR, které jsme zmínili
na začátku v teorii, neexistují. To, že se pozitivní dopady přílivu PZI na českou ekonomiku v naší analýze
nepodařilo prokázat, může být způsobeno tím, že se jedná o relativně krátkou časovou řadu.
Nyní se však podívejme na Rakousko, u kterého provedeme obdobnou analýzu. Také zde je
tedy naším cílem potvrdit či vyvrátit, zda mezi ekonomickým růstem a přílivem PZI existuje
dlouhodobý vztah, a pokud ano, jaké v něm působí kauzální vazby. Metodologie bude stejná
jako u ČR. Také u Rakouska byla použita sezónně očištěná časová řada reálného HDP v EUR
s bazickým kvartálem 1/1995 v rozsahu od prvního čtvrtletí 1996 do čtvrtého čtvrtletí roku 2007.
Obdobně byla použita i časová řada čistého kvartálního přílivu PZI ve stejném reálném vyjádření.
Výsledky ADF testu pro obě proměnné a jejich transformace udává následující tabulka.
Výsledky ADF testu pro jednotlivé časové řady Rakouska a jejich transformaceTabulka č. 65:
proměnná ADF pro konstantu s trendem ADF pro konstantu bez trendu
PZI −6,69** (0,00) −6,20** (0,00)
Δ PZI −7,88** (0,00) −7,96** (0,00)
PZI/HDP −6,76** (0,00) −6,33** (0,00)
Δ PZI/HDP −6,55** (0,00) −6,53** (0,00)
log HDP −1,70 (0,75) −1,55 (0,50)
Δ log HDP −5,24** (0,00) −5,18** (0,00)
Poznámka: p hodnota je uvedena v závorkách; * znamená, že je možné zamítnout nulovou hypotézu o přítomnosti jednotkového
kořene či stochastického trendu na 5% hladině významnosti, ** na 1% hladině významnosti.
Uvedené výsledky ADF testů však poukazují na to, že zkoumané časové řady nejsou integrovány
stejného řádu. Zatímco časová řada PZI je stacionární i bez jakékoliv transformace, řada HDP je
stacionární až po logdiferencování. V analýze tak nemá smysl pokračovat, protože pokud nejsou
MEZINÁRODNÍ PŘESUNY KAPITÁLU134
časové řady diferencovány stejného řádu (tedy stacionární po stejně násobné diferenci), nemůže
být mezi nimi kointegrační vztah. Naši analýzu Rakouska tedy musíme (alespoň s našimi relativně
krátkými časovými řadami) uzavřít s tím, že mezi čistými přílivy PZI a ekonomickým růstem není
ve sledovaném období v Rakousku žádný dlouhodobý rovnovážný vztah.100
Naši analýzu dopadů přílivů PZI na obě sledované ekonomiky tak zakončujeme spíše překvapivými
zjištěními, které v případě komparovaných ekonomik příliš nepotvrzují teoretické vazby
mezi přílivem PZI a ekonomickým růstem, které jsme uvedli v druhé části této kapitoly.
Nyní se krátce zastavíme u obou zbývajících forem zahraničního kapitálu tak, jak jsou členěny
v rámci finančního účtu platební bilance. Jedná se o investice portfoliové a ostatní.
Komparace vývoje a dopadů portfoliových investic1.9.4.
Jak bylo uvedeno v druhé části této kapitoly, mezi dopady portfoliových investic patří jak možnost
získání nového kapitálu firmami, tak v nepřímém slova smyslu také rozvoj finančních trhů.
Na druhou stranu se jedná o poměrně silně volatilní druh kapitálu, jak je zřejmé i v následujícím
grafu. V něm je opět zobrazen vývoj čistého přílivu portfoliových investic v obou zkoumaných
ekonomikách mezi lety 1999 a 2009 v absolutním a relativním vyjádření.
Čistý příliv portfoliových investic do Rakouska a ČR mezi lety 1999 až 2009 v absolutnímGraf č. 46:
vyjádření v milionech EUR a jako procento HDP země
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
ČR Rakousko % HDP ČR % HDP Rakousko
Mil.EUR
Procenta
-6
-4
-2
0
2
4
6
8
10
12
-15 000
-10 000
-5 000
5 000
0
10 000
15 000
20 000
25 000
30 000
Zdroj: ČNB a Oesterreichische Nationalbank, 2010; vlastní výpočty
V grafu vidíme, že u tohoto druhu kapitálu nejsou patrné žádné dlouhodobější trendy. Uvedené
hodnoty, které zde po přelomu tisíciletí oscilovaly mezi čistými odlivy a přílivy, byly po roce 2005
vystřídány silnými čistými přílivy. V roce 2009 se nicméně již na vývoji pravděpodobně podepsala
probíhající globální finanční krize a tedy útlum investiční aktivity. Tak jako tak vidíme, že hodnoty
portfoliových investic ČR jsou ve srovnání s Rakouskými poměrně skromné. Opět se zde patrně
projevuje rozdílný stupeň hospodářského vývoje mezi oběma zeměmi. Více o roli portfoliových
investic v ČR je uvedeno v předchozích publikacích, na které tato kapitola navazuje (konkrétně
Vašendová, 2006 a Jamborová, 2009). Dá se nicméně říci, že portfoliové investice jsou druhem
kapitálu, který v ČR nehrál významnější roli. Na druhou stranu o Rakousku se dá říci, že dispo-
100 Vzhledem k tomu, co již bylo v tomto příspěvku uvedeno, je nasnadě, že v případě Rakouska by bylo vhodnější
hledat vztah mezi odlivem PZI a vývojem domácí ekonomiky. To však bude předmětem až dalších publikací tohoto
výzkumného záměru.
MEZINÁRODNÍ PŘESUNY KAPITÁLU 135
nuje moderními a rozvinutými finančními trhy (Dimireva, 2009), což se projevuje mimo jiné i na
velikosti čistého přílivu portfoliových investic zobrazených v grafu.
Co se týče pravděpodobných dopadů portfoliových investic na ekonomický růst, dá se předpokládat,
že skutečně přispívají k rozvoji finančních trhů obecně, a tím i k ekonomickému růstu.
Potvrzení této domněnky by se však neobešlo bez ekonometrické analýzy, která jde mimo prostor
vyhrazený této kapitole. Existujících empirických studií přitom, dle znalostí autorky, není mnoho.
V případě ČR existuje např. empirická studie Weisse a Nikitina (2004), která dochází k závěru, že
pokud se zahraniční investoři stanou podílníky veřejně obchodovatelných společností, dochází
ke zlepšení jejich výkonu a navýšení jejich investic. V případě Rakouska neexistuje – dle znalostí
autorky – systematická studie dopadu tohoto typu kapitálu na ekonomický růst.
Komparace vývoje a dopadů ostatních investic1.9.5.
Posledním druhem kapitálu, kterému se budeme v této kapitole věnovat, jsou investice ostatní. Jak
bylo uvedeno v druhé části tohoto příspěvku, jedná se zejména o zahraniční krátkodobé a dlouhodobé
úvěry, které s sebou nesou nutnost jejich zpětného splacení. Vývoj jejich čistého přílivu v obou
komparovaných ekonomikách v absolutním a relativním vyjádření znázorňuje následující graf.
Čistý příliv ostatních investic do Rakouska a ČR mezi lety 1999 až 2009 v absolutnímGraf č. 47:
vyjádření v milionech EUR a jako procento HDP země
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
–30 000
–25 000
–20 000
–15 000
–10 000
–5 000
5 000
10 000
15 000
ČR Rakousko % HDP ČR % HDP Rakousko
Mil.EUR
Procenta
–12
–10
–8
–6
–4
–2
0
2
4
6
Zdroj: ČNB a Oesterreichische Nationalbank, 2010; vlastní výpočty
Na tomto místě není překvapivým zjištěním, že velikost celkových toků v Rakousku je zpravidla
několikanásobně větší než hodnoty ČR. Vývoj v obou ekonomikách je opět poměrně volatilní.
ČR měla od přelomu tisíciletí spíše tendenci k čistým přílivům, které patrně souvisejí se vstupem
zahraničních bankovních institucí na český trh. V posledních letech pak dochází k nárůstu odlivů
i přílivů, takže celkové saldo se blíží nule.101
U Rakouska na první pohled zaujmou poměrně
vysoké čisté odlivy v posledních čtyřech letech. V nich docházelo jak k nárůstu přílivů ostatních
investic, tak i odlivů. Obojí pak prudce pokleslo v roce minulém, což můžeme opět dát pravděpodobně
do souvislosti s příchodem globální ekonomické krize.
Co se týče potenciálních dopadů vývoje čistého salda ostatních investic, je opět nutné dívat se
na obě komparované ekonomiky odlišnou optikou. To je opět dáno tím, že ČR je vnímána stále
101 Více o vývoji a dopadech ostatních investic v ČR uvádí Vašendová (2006) v průběhu transformace a Jamborová
(2009) po přelomu tisíciletí.
MEZINÁRODNÍ PŘESUNY KAPITÁLU136
spíše jako destinace pro zahraniční kapitál. Její pozice je přitom v současné krizové době relativně
bezpečná, a to zejména ve srovnání s některými jinými zeměmi střední a východní Evropy
a zejména pak těmi v Pobaltí. ČR se narozdíl od nich povedlo v letech předcházejících současné
krizi vyhnout výbušné kombinaci silného přílivu především krátkodobých zahraničních investic
a fixovaných měn. ČR je tak – dle názoru autorky – v poměrně dobré pozici dosáhnout brzkého
ekonomického oživení a není na místě obávat se výrazných negativních dopadů na ekonomický
růst právě v souvislosti s ostatními investicemi.
Ani u Rakouska nepředpokládáme v souvislosti s ostatním kapitálem výrazné hrozby pro potenciál
jeho ekonomického růstu. Jelikož je rakouský bankovní sektor výrazně propojen s finančními
trhy zemí střední a východní Evropy a méně už se zeměmi západními,102
byl ušetřen prvních
přímých dopadů globální finanční krize. Na druhou stranu se mu pochopitelně nevyhnula řada
efektů nepřímých, a to zejména v souvislosti s ekonomickými problémy, do kterých upadly některé
země střední a východní Evropy. I když rakouské bankovní ústavy dosud úspěšně prošly zátěžovým
testy finančního zdraví,103
jaký je skutečně dlouhodobý dopad současné globální krize na
vývoj ostatních investic a bankovního sektoru obecně, ukáže teprve budoucnost.
Závěr1.9.6.
Tato kapitola se zabývá komparací vývoje a dopadů zahraničního kapitálu na hospodářství
Rakouska a ČR. Důraz byl přitom kladen především na příliv PZI, jakožto formu zahraničního
kapitálu, se kterou je obecně spojováno největší množství pozitivních efektů, a která tedy získává
v související literatuře tradičně nejvíce pozornosti. Mezi tyto pozitivní efekty jsou vedle rozšiřování
kapitálové zásoby ekonomiky obecně řazeny technologické a znalostní spillovery, přenos knowhow,
manažerských standardů a zvýšení konkurenčního tlaku v hospodářství. Ty mají následně
pozitivní vliv na efektivitu celého hospodářství, potažmo na míru jeho ekonomického růstu. Tyto
pozitivní efekty se však nepodařilo v rámci naší ekonometrické analýzy prokázat. Byla potvrzena
vazba mezi čistým přílivem PZI a ekonomickým růstem v ČR, avšak jen v rámci jednosměrné kauzality
od hospodářského růstu k PZI. To implikuje možnost, že zahraniční investoři expandovali
své aktivity v ČR právě v reakci na příznivý vývoj transformující se české ekonomiky. V Rakousku
nebyla nalezena žádná vazba mezi čistým přílivem PZI a ekonomickým růstem. To není překvapující
vzhledem k tomu, že příliv PZI se nepovažuje obecně na příliš významný faktor hospodářského
vývoje v Rakousku (na rozdíl např. od odlivu PZI). V rámci této kapitoly jsme se okrajově
věnovali také vývoji a předpokládaným dopadům ostatních dvou druhů zahraničních investic,
a to investic portfoliových a ostatních. Ve vývoji obou typů nebyly identifikovány významnější
hrozby pro ekonomický růst ČR ani Rakouska, avšak bližší posouzení dopadů těchto investic na
konkurenceschopnost komparovaných ekonomik by vyžadovalo detailnější analýzu jdoucí mimo
rozsah tohoto příspěvku.
102 Šest ze sedmi největších rakouských bank mají v zemích střední, východní, jihovýchodní Evropy a zemích bývalého
Sovětského svazu významné investice; tři z nich patří mezi pětku největších bankovních skupin aktivních v těchto
zemích (Dimireva, 2009).
103 Vyvinutými např. Mezinárodním měnovým fondem nebo Výborem evropských orgánů bankovního dohledu.
POUŽITÁ LITERATURA K 1. KAPITOLE 137
Použitá literatura k 1. kapitole
10 LET CÍLOVÁNÍ INFLACE 1998–2007. Česká národní banka, 2008. Dostupné na:
http://www.cnb.cz/m2export/sites/www.cnb.cz/cs/verejnost/publikace/download/10_let_inflacni_cileni_cz.pdf.
ACEMOGLU, D. – J. A. ROBINSON (2006): A Framework for Studing Institutional Persistence nad
Change. EBRD, 2006. Dostupné na: www.ebrd.com/pubs/econo/lits.pdf.
ACEMOGLU, D. – JOHNSON, S. – ROBINSON, J. A. (2002): Reversal of Fortune: Geography and
Institutions in the Making of the Modern World Income Distribution. The Quarterly Journal of
Economics, Vol. 117, No. 4, pp. 1231–1294.
ACEMOGLU, D. – JOHNSON, S. – ROBINSON, J. A. (2005): Institutions as a fundemental cause of
long-run growth. In AGHION, P. – DURLAUF, S. N. (Ed.): Handbook of Economic Growth, Vol. 1A.
Amsterdam: Elsevier, 2005. ISBN 0-444-52041-4.
ACEMOGLU, D. – JOHNSON, S. (2005): Unbundling Institutions. The Journal of Political Economy,
Vol. 113, No. 5, pp. 949–995.
ACEMOGLU, D. (2009): Introduction to Modern Economic Growth. Princeton: Princeton University Press,
2009. ISBN 9780691132921.
ALESINA, A. – PEROTTI, R. (1995): The Political Economy of Budget Deficits. Staff Papers – International
Monetary Fund, Vol. 42, No. 1, pp. 1–31. Dostupné na: http://www.jstor.org/stable/3867338.
ALESINA, A. – ROUBINI, N. – COHEN, G. D. (1999): Political Cycles and the Macroeconomy.
Massachusetts Institute of Technology, 1999. ISBN 0-262-01161-1.
ALESINA, A. – TABELLINI, G. (1990): A Positive Theory of Fiscal Deficits and Government Debt. The
Review of Economic Studies, Vol. 57, No. 3, pp. 403–414.
ALIBER, R. Z. (1987): Financial Innovation and the Boundaries of Banking. Managerial and Decision
Economics, Vol. 8, No. 1, pp. 67–73. Dostupné na: http://www.jstor.org/stable/2560526.
ALLEN, F. – GALE, D. (2004): Competition and Financial Stability. Journal of Money, Credit and Banking,
Vol. 36, No. 3, pp. 453–480. Dostupné na: http://www.jstor.org/stable/3838946.
ALT, J. E. – LASSEN, D. D. (2003): Fiscal Transparency, Political Parties, and Debt in OECD Countries.
Dostupné na: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=380200.
ALTUNBAS, Y. – EVANS L. – MOLYNEUX P. (2001): Bank Ownership and Efficiency. Journal of Money,
Credit, and Banking, Vol. 33, No. 4, pp. 926–954. Dostupné na: http://www.jstor.org/stable/2673929.
ALTZINGER, W. (1998): Austria’s Foreign Direct Investment in Central and Eastern
Europe: ‘Suply Based’ or ‘Market Driven’? Working Paper No. 57, April 1998. Dostupné na:
http://www.fiw.ac.at/fileadmin/Documents/Publikationen/fiwstudie 10.pdf.
ALTZINGER, W. (2008): The Profitability of Austrian Foreign Direct Investment – Reinvestment or
Repatriation? FIW Research Report, No. 010, 2008.
ARELLANO, M. – BOND, S. (1991): Some Tests of Specification for Panel Data: Monte Carlo Evidence
and an Application to Employment Equations. The Review of Economic Studies, Vol. 58, No. 2,
pp. 277–297.
AT KEARNEY (2010): Investing in a Rebound – The 2010 A.T. Kearney FDI Confidence
Index. A.T. Kearney 2010. Vienna, USA: Global Business Policy Council, 2010. Dostupné na:
http://www.atkearney.de/content/misc/wrapper.php/id/51048/name/pdf_investing_in_a_rebound-fdici_2010_127
19320421f08.pdf.
BAILIU, J. – LAFRANCE, R. – PERRAULT, J. (2002): Does Exchange Rate Policy Matter for Growth?
Working Paper No. 17/2002. Bank of Canada, 2001. ISSN 1192-5434.
BARDHAN, P. (2005): Institutions matter, but which ones? Economics of Transition, Vol. 13, No. 3,
pp. 499–532.
BARREIRA, A. P. – BALEIRAS, R. N. (2004): Elections and the public expenditure mix. 2004. Dostupné na:
http://econpapers.repec.org/paper/wiwwiwrsa/ersa04p291.htm.
BARRO, R. – SALAH-I-MARTIN, X. (2004): Economic growth. Cambridge, Mass: MIT Press, 2004. ISBN
0262025531.
BARRO, R. J. (1997): Macroeconomics. Cambridge: MIT Press, 1997. ISBN 0262024365.
BARRO, R. J. (1995): Inflation and Economic Growth. NBER Working Paper Series No. 5326. National
Bureau of Economic Research, 1995.
BARRO, R. J. (1996): Determinants of Economic Growth: A Cross-Country Empirical Study. Cambridge:
National Bureau of Economic Research working paper No. 5698, 1996.
POUŽITÁ LITERATURA K 1. KAPITOLE138
BASU, P. – CHAKRABORTY, CH. – REAGLE, D. (2003): Liberalization, FDI, and growth in
developing countries: a panel cointegration approach. Economic Inquiry, 2003. Dostupné na:
http://findarticles.com/p/articles/mi_hb5814/is_3_41/ai_n29018102/pg_2/?tag=content;col1.
BATTESE, G. E. – COELLI, T. J. (1993): A Stochastic Frontier Production Function: Incorporating a Model
for Technical Inefficiency Effects. Working papers in Econometrics and Applied Statistics, No. 69, 1993.
BATTESE, G. E. – COELLI, T. J. (1995): A Model for Technical Inefficiency Effects in a Stochastic Frontier
Production Function for Panel Data. Empirical Economics, 1995, pp. 325–332.
BERGER, A. – MESTER, L. (1997): Inside the black box: What Explains Differences in the Efficiencies of
Financial Institutions. Journal of Banking and Finance, 1997, pp. 895–947.
BERGER, A. a kol. (1993): The Efficiency of Financial Institutions: A Review and Preview of Research Past,
Present, and Future. Journal of Banking and Finance, 1993, pp. 221–249.
BERNHARDSEN, T. – KLOSTER, A. (2002): Transparency and Predictability in Monetary Policy.
Economic Bulletin No. 2, Norges Bank.
BEZDĚK, V. – DYBCZAK, K. – KREJDL, A. (2003): Cyclically Adjusted Fiscal Balance – OECD and
ESCB Methods. Finance a úvěr, Vol. 53, No. 11–12, pp. 477–509.
BILS, M. – KLENOW, P.J. (2000): Does schooling cause growth? American Economic Review, Vol. 90,
No. 5, pp. 1160–1183.
BLOCK, S. A. (2002): Elections, Electoral Competitiveness, and Political Budget Cycles in Developing
Countries. Center for International Development at Harvard University, 2002, Working paper No. 78,
pp. 1–36.
BOCKSTETTE, V. – CHANDA, A. – PUTTERMAN, L. (2002): States and Markets: The Advantage of an
early start. Journal of Economic Growth, No. 7, pp. 347–369.
BOUTHEVILLAIN, C. a kol. (2001): Cyclically adjusted budget balances: An alternative approach.
European Central Bank, 2001, Working paper No. 77, pp. 1–72.
BRENDER, A. – DRAZEN, A. (2004): Political Budget Cycles In New Versus Established Democracies.
NBER Working paper No. 10539, 2004. Dostupné na: http://www.nber.org/papers/w10539.
BRENDER, A. – DRAZEN, A. (2005): How Do Budget Deficits and Economic Growth Affect Reelection
Prospects? Evidence from a Large Cross-Section of Countries. NBER Working paper No. 11862, 2005.
Dostupné na: http://www.nber.org/papers/w11862.
BRENDER, A. – DRAZEN, A. (2007): Why is Economic Policy Different in New Democracies?
Affecting Attitudes About Democracy. NBER Working paper No. 13457, 2007. Dostupné na:
http://www.nber.org/papers/w13457.
BURNISIDE, C. (2005): Fiscal sustainability in theory and practice: a handbook. Washington, D.C.: World
Bank, 2005. ISBN 978-0-8213-5874-0.
CAPLAN, B. (2007): The Myth of the Rational Voter. Princeton: Princeton University Press, 2007.
ISBN:0–691–12942–8.
CARBO, S. – GARDENER, E. – WILLIAMS J. (2002): Efficiency in Banking: Empirical Evidence from the
Savings Banks Sector. Manchester School, Vol. 70, No. 2, pp. 204–228.
CETORELLI, N. – GAMBERA, M. (2001): Banking Market Structure, Financial Dependence and Growth:
International Evidence from Industry Data. The Journal of Finance, Vol. 56, No. 2, pp. 617–648.
Dostupné na: http://www.jstor.org/stable/222576.
CLAESSENS, S. – LAEVEN, L. (2004): What Drives Bank Competition? Some International
Evidence. Journal of Money, Credit and Banking, Vol. 36, No. 3, pp. 563–583. Dostupné na:
http://www.jstor.org/stable/3838954.
CLAGUE, C. a kol. (1997): Democracy, Autocracy, and the Isntitutions Supportive of Economic Growth. In
CLAGUE, C. (Ed.): Institutions and Economic Development: Growth and Governance in Less Developed
and Post-Socialist Countries. Cambridge: John Hopkins University Press, 1997. ISBN 0-8018-5492-X.
CLARK, W. R. – GOLDER, M. – GOLDER, S. N. (2004): Fiscal Policy and the
Democratic Process in the European Union. European Union Politics, 2004. Dostupné na:
http://eup.sagepub.com/cgi/content/abstract/3/2/205.
COELLI, T. J. a kol. (2005): An Intorduction to Efficiency and Productivity Analysis. New York: Springer,
2005. ISBN 978-0-387-24265-1.
COGAN, J. F. – CWIK, T. – TAYLOR, J. B. – WIELAND, V. (2009): New Keynesian versus Old Keynesian
Government Spending Multipliers. Dostupné na: http://www.volkerwieland.com/docs/CCTW%20
Mar%202.pdf.
CONVERSE, N. – KAPSTEIN, E. B. (2006): The Economics of Young Democracies: Policie and
Performance. Centre for Global Development, 2006. Working paper No. 85, pp. 1–59.
ČERNÍKOVÁ, P. (2008): Vliv monetární politiky na ekonomický růst u vybraných zemí. Centrum
výzkumu konkurenční schopnosti české ekonomiky, Working paper No. 07/2008, 2008. Dostupné na:
http://is.muni.cz/do/1456/soubory/oddeleni/centrum/papers/wp2008–07.pdf.
POUŽITÁ LITERATURA K 1. KAPITOLE 139
ČERNÍKOVÁ, P. (2009): Monetární politika. In Ekonomické prostředí a konkurenceschopnost. Centrum
výzkumu a konkurenční schopnosti české ekonomiky, 2009. ISBN 978-80-210-5056-3.
ČESKÁ NÁRODNÍ BANKA (1999): Cílování inflace v ČR. Dostupné na:
http://www.cnb.cz/cs/menova_politika/cilovani.html.
ČESKÁ NÁRODNÍ BANKA (2001): Stanovení inflačního cíle pro období 2002–2005. Dostupné na:
http://www.cnb.cz/cs/menova_politika/strategicke_dokumenty/download/inflacni_cil_2002_05.pdf.
ČESKÁ NÁRODNÍ BANKA (2004): Měnové podmínky. Duben 2004. Dostupné na: http://www.cnb.cz/cs/
menova_politika/zpravy_o_inflaci/2004/2004_duben/boxy_a_prilohy/mp_zpinflace_prilohy_c_04_duben_b.html.
ČESKÁ NÁRODNÍ BANKA (2005): Roční zprávy o vývoji bankovního sektoru (2002–2005). Dostupné na:
http://www.cnb.cz/cs/dohled_fin_trh/bankovni_dohled/bankovni_sektor/analyticke_pub/publikace_rz.html.
ČESKÁ NÁRODNÍ BANKA (2008): Fixing úrokových sazeb na mezibankovním trhu depozit – PRIBOR.
Dostupné na: http://www.cnb.cz/cs/financni_trhy/penezni_trh/pribor/denni.jsp.
ČESKÁ NÁRODNÍ BANKA (2010): EU a mezinárodní vztahy. Dostupné na: http://www.cnb.cz/cs/
mezinarodni_vztahy/ecb_escb/.
ČESKÁ NÁRODNÍ BANKA (2010): Měnová politika. Dostupné na: http://www.cnb.cz/cs/menova_politika/.
ČESKÁ NÁRODNÍ BANKA (2010): Reálný efektivní kurz koruny, deflovaný cenovými indexy. ARAD
databáze časových řad ČNB. Dostupné na: http://www.cnb.cz/cnb/STAT.ARADY_PKG.VYSTUP?p_period=1&p_
sort=2&p_des=50&p_cSest=1365&p_uka=1%2C2%2C3%2C4&p_ind=ECCAA&p_od=199801&p_do=200903&p_
lang=CS&p_format=0&p_decsep=%2C.
ČESKÁ NÁRODNÍ BANKA (2010): Výroční zprávy 2000–2008. Dostupné na:
http://www.cnb.cz/cs/o_cnb/hospodareni/vyrocni_zpravy/index.html.
ČESKÁ NÁRODNÍ BANKA (2010): Změny nastavení základních měnověpolitických nástrojů od roku 1993.
Dostupné na: http://www.cnb.cz/cs/menova_politika/mp_ nastroje/#historie.
ČESKÁ NÁRODNÍ BANKA (2010): Zprávy o inflaci I/2000–I/2009. Dostupné na:
http://www.cnb.cz/cs/menova_politika/zpravy_o_inflaci/.
ČESKÝ STATISTICKÝ ÚŘAD (2008): Přímé zahraniční investice – vybrané přínosy a náklady pro českou
ekonomiku. Praha: ČSÚ, 2008. Dostupné na: http://www.czso.cz/csu/csu.nsf/informace/ckta120208.doc.
ČESKÝ STATISTICKÝ ÚŘAD (2009): Makroekonomické údaje. Dostupné na: http://www.czso.cz/.
ČESKÝ STATISTICKÝ ÚŘAD (2010): Hrubý domácí produkt – Časové řady ukazatelů čtvrtletních účtů.
Dostupné na: http://www.czso.cz/csu/redakce.nsf/i/hdp_cr.
ČESKÝ STATISTICKÝ ÚŘAD (2010): Míra inflace. Dostupné na:
http://www.czso.cz/csu/redakce.nsf/i/mira_inflace.
DE LA FUENTE, A. (1997): Fiscal Policy and Economic Growth in the OECD. CEPR Discussion Paper
No. 1775. London: Center for Economic Policy Research, 1997.
DELLMOUR, R. (2002): Austria’s Direct Investment and EU Enlargement. Focus on Transition. ONB, 2002.
Dostupné online na http://www.oenb.at/en/img/dellmour_ftr_ 102_tcm16–10395.pdf.
DILLINGER, W. R. (2007): Intergovernmental Fiscal Relations in the new EU Member States:
Consolidating Reforms. Washington, D.C.: World Bank, 2007. ISBN 0821371479.
DIMIREVA, I. (2009): Austria Investment Climate 2009. EUBusiness, 2009. Dostupné na:
http://www.eubusiness.com/europe/austria/invest.
DJANKOV, S. – HOEKMAN, B. (2000): Foreign Invesment and Productivity Growth in Czech Enterprises.
Oxford University Press: The World Bank Economic Review, Vol. 14, No. 1, 2000, pp. 49–64.
DJANKOV, S. a kol. (2003): Courts. The Quarterly Journal of Economics, Vol. 118, No. 2, pp. 453–517.
DONAHUE, K. – WARIN, T. (2006): The Stability and Growth Pact: A European Answer to the Political
Budget Cycle? Middlebury College Economics Discussion Paper, Vol. 6, pp. 1–24.
DRAZEN, A. – ESLAVA, M. (2003): Reconciling Fiscal Conservatismand Political Fiscal Cycles. Dostupné
na: www.economia.uniandes.edu.co/share/pdf_doc/home/foros/lacea/lacea2003/marcela_eslava.pdf.
DRAZEN, A. – ESLAVA, M. (2006): Pork Barrel Cycles. NBER working paper No. 12190, 2006. Dostupné
na: http://www.nber.org/papers/w12190.
DRAZEN, A. (2002): Political Economy in Macroeconomics. Princeton: Princeton University Press, 2002.
ISBN: 0–691–09257–5.
DRAZEN, A. (2006): Is There a Diference Political Economy for Developing
Countries? Issues, Perspectives, and Methodology. Dostupné na:
http://econweb. umd.edu/~drazen/Working_Papers/PE_of_Development_final.pdf.
DRAZEN. A. (2001): The Political Business Cycle After 25 Years. In NBER Macroeconomics Annual 2000,
Vol. 15. Dostupné na: http://www.nber.org/chapters/c11055.
EGGERTSSON, T. (1990): Economic behavior and institutions. Cambridge: Cambridge University Press,
1990. ISBN 0521348919.
ESLAVA, M. (2006): The Political Economy of Fiscal Policy: Survey. Inter-American Development Bank,
Working paper No. 583. Dostupné na: http://idbdocs.iadb.org/wsdocs/getdocument.aspx?docnum=845692.
POUŽITÁ LITERATURA K 1. KAPITOLE140
EUROPEAN BANK FOR RECONSTRUCTION AND DEVELOPMENT (2010): Selected Economic
Indicators. Dostupné na: http://www.ebrd.com/country/sector/econo/stats/index.htm.
EUROPEAN CENTRAL BANK (2008): EU banking structures. Dostupné na:
http://www.ecb.de/pub/pdf/other/eubankingstructures2008en.pdf. [cit. 2010-04-10].
EUROPEAN CENTRAL BANK (2010): Euro Foreing Exchange Reference Rates. Dostupné na:
http://www.ecb.int/stats/exchange/eurofxref/html/eurofxref-graph-usd.en.html. [cit. 2010-04-24].
EUROPEAN CENTRAL BANK (2010): Key ECB Interest Rates–Data. Dostupné na:
http://www.ecb.eu/stats/monetary/rates/html/index.en.html.
EUROPEAN CENTRAL BANK (2010): Macroeconomic Projections. Dostupné na:
http://www.ecb.europa.eu/mopo/strategy/ecana/html/index.en.html.
EUROPEAN CENTRAL BANK (2010): Schedules for the meetings of the Governing Council and General
Council of the ECB and related press conferences in 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008,
2009. Dostupné na: http://www.ecb.int/press/pr/date/2010/html/index.en.html.
EUROPEAN CENTRAL BANK (2010): Structural Indicators for the EU banking sector. Dostupné na:
http://www.ecb.int/pub/pub/prud/html/index.en.html.
EUROSTAT (2009): EU economic data pocketbook – Issue number 3/2009. Dostupné na:
http://epp.eurostat.ec.europa.eu/portal/page/portal/product_details/publication?p_product_code=KS-CZ-09–003.
EUROSTAT (2009): Statistics. Dostupné na: http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/.
FALK, M. – WOLFMAYR, Y. (2006): Austrian FDI in Central-Eastern Europe and Employment
in the Home Market. Austrian Institute of Economic Research WIFO, 2006. Dostupné na:
http://www.etsg.org/ETSG2006/papers/falkpdf.pdf.
FEDERAL MINISTRY OF FINANCE (2009): Budget at a Glance. Dostupné na:
http://english.bmf.gv.at/Budget/_start.htm.
FELD, L. P. – VOIGT, S. (2003): Economic growth and judicial independence: cross-country evidence using
a new set of indicators. European Journal of Political Economy, Vol. 19, pp. 497–527.
FILÁČEK, J. (2004): Role očekávání v měnové politice. FSV UK (Praha): Disertační práce. 2004.
FRANZESE, R. – JUSKO, K. L. (2005): Political-Economic Cycles. Dostupné na:
www.personal.umich.edu/~franzese.
FRANZESE, R. (1998): Electoral and Partisan Manipulation of Public Debt in Developed Democracies,
1956–90. Dostupné na: www.personal.umich.edu/~franzese.
FREIXAS, X. – ROCHET, J. C. (1997): Microeconomics of Banking. Cambridge: MIT Press, 1997. ISBN
0262061937.
FRIES, S. – TACI, A. (2005): Cost Efficiency of Banks in Transition: Evidence from 289 Banks in 15
Post-communist Countries. Journal of banking and finance, Vol. 29, No. 1, pp. 55–81.
FRITZER, F. (2006): The Financial System and the Institutional Environment as
Determinant s of Economic Performance: Austria in Comparison. Dostupné na:
www.oenb.at/en/img/mop_2006_q1_analyses06_tcm16–42109.pdf.
GLAESER, E. L. a kol. (2005): Do Institutions Cause Growth? Journal of Economic Growth, Vol. 113,
No. 5, pp. 949–995.
GORDON, R. J. (1989): Hysteresis in History: Was There Ever a Phillips Curve? The American Economic
Review, Vol. 79, No. 2, pp. 220–225.
GORDON, R. J. (1997): The Time-Varying NAIRU and its Implications for Economic Policy. The Journal
of Economic Perspectives, Vol. 11, No. 1, pp. 11–32.
GREGOR, M. (2005): Nová politická ekonomie. Praha: Nakladatelství Karolinum, 2005. ISBN:
80–246–1066–3.
HAGEMANN, R. (1999): The Structural Budget Balance. The IMF´s Methodology. Working paper
No. 99/95. Dostupné na: http://www.imf.org/external/pubs/cat/longres.cfm?sk=3162.0.
HAGEN, T. (2007): Estimating the Effect of Parliamentary Elections on Primary Budget Deficit in OECD
Countries. Economics Bulletin, Vol. 8, No. 8, pp. 1–5.
HALPERIN, M. H. – SIEGLE, J. T. – WEINSTEIN, M. M. (2005): The Democracy Advantage. How
Democracies Promote Prosperity nad Peace. New York: Routledge, 2005. ISBN 0-415-95052-X.
HEITGER, B. (2001): The Scope of Government and its Impact on Economic Growth in OECD
Countries. Working paper No. 1034. Kiel: Kiel Institute for the World Economy, 2001. Dostupné na:
http://ideas.repec.org/p/kie/kieliw/1034.html.
HERZER, D. (2007): The long-run relationship between outward FDI and domestic output: Evidence from
panel data. Economics Letters, Vol. 100, No. 1, 2008, pp. 146–149.
HINDLS, R. a kol. (2003): Ekonomický slovník. Praha: C.H. Beck, 2003. ISBN 80-7179-819-3.
HLOUŠEK, V. (2008): Konfliktní linie, stranické systémy, politické strany v Rakousku 1860–2006. Brno:
Masarykova univerzita, Mezinárodní politologický ústav, 2008. ISBN: 978–80–210–4484–5.
POUŽITÁ LITERATURA K 1. KAPITOLE 141
HOLMAN, R. a kol. (2001): Dějiny ekonomického myšlení. Praha: C. H. Beck, 2001. ISBN:
80–86131–49–1.
HUGHES, J. P. – MESTER L. J. (1993): A Quality and Risk-Adjusted Cost Function for Banks: Evidence on
the ‚Too-Big-to-Fail‘ Doctrine. Journal of Productivity Analysis, No. 4, 1993, pp. 292–315.
HUNYA, G. (2008): Austrian FDI by main Countries and Industries. FIW Research Report No. 015, 2008.
CHAKRABORTY, CH. – BASU, CH. (2002): Foreign direct investment and growth in India:
A cointegration approach. Applied Economics, Vol. 34, No. 9, 2002.
CHMELOVÁ, J. (2009): Kapitálový trh. In Ekonomické prostředí a konkurenceschopnost. Brno:
Masarykova univerzita, 2009. ISBN 978-80-210-5056-3.
IBRD & World Bank (2009): Doing Business 2010. New York: Palgrave MacMillan, 2009.
ISBN 978-0-8213-7961-5.
INTERNATIONAL LABOR ORGANIZATION (2008): Laborsta. Dostupné na:
http://www.ilo.org/global/What_we_do/Statistics/lang--en/index.htm.
INTERNATIONAL MONETARY FUND (2004): Financial Stability Assessment 2004. Dostupné na:
http://www.imf.org/external/pubs/cat/longres.cfm?sk=17606.0.
INTERNATIONAL MONETARY FUND (2009): Article IV Consultation – Staff Report (2007, 2009).
Dostupné na: http://www.oenb.at/en/presse_pub/aussendungen/IMF_AIV/uebersicht_imf.jsp.
INTERNATIONAL MONETARY FUND (2009): World Economic Outlook Databases. Dostupné na:
http://www.imf.org/external/data.htm.
INTERNATIONAL MONETARY FUND (2010): Global financial stability report. Dostupné na:
http://www.imf.org/external/pubs/ft/GFSR/index.htm.
INTERNATIONAL MONETARY FUND (2010): World Economic Outlook Database. Dostupné
na: http://www.imf.org/external/pubs/ft/weo/2010/02/weodata/index.aspx.
JAMBOROVÁ, M. (2009): Mezinárodní pohyb kapitálu. In Ekonomické prostředí a konkurenceschopnost.
Brno: Masarykova univerzita, 2009, pp. 119–130. ISBN 978-80-210-5056-3.
KAŠOVÁ, K. (1999): Srovnání bankovního sektoru v ČR a v Rakousku ve 2. pol.
90. let. Czech Journal of Economics and Finance, Vol. 49, pp. 367–387. Dostupné na:
http://journal.fsv.cuni.cz/mag/article/show/id/415.
KAUFMAN, H. M. (1992): Money and Banking. Lexington, Mass.: D.C. Heath and Company, 1992.
ISBN 0-669-24350-7.
KAUFMANN, D. – KRAAY, A. – MASTRUZZI, M. (2008): Governance Matters V: Governance Indicators
for 1996–2007. The World Bank, 2008. Dostupné na: www.worldbank.org/wbi/governance/.
KNOTEK, E. S. (2007): How Useful is Okun´s Law? Federal Reserve Bank of Kansas City. Dostupné na:
http://www.kansascityfed.org/publicat/econrev/PDF/4q07Knotek.pdf.
KOETTER, M. – WEDOW, M. (2006): Finance and Growth in a Bank-Based Economy: Is it Quantity or
Quality that Matters? Journal of International Money and Finance, Article in press.
KOHN, M. (1993): Money, Banking and Financial Markets. Fort Worth: Dryden Press, 1993.
ISBN 0-03-096500-4.
KOKKO, A. (2006): The Home Country Effects of FDI in Developed Economies. Working Paper No. 225,
2006. Dostupné na: http://swopec.hhs.se/eijswp/papers/eijswp0225.pdf.
LEE, J. (2000): The Robustness of Okun´s Law: Evidence from OECD Countries. Journal of
Macroeconomics, Vol. 22, No. 2, pp. 331–356.
LEE, Y. – GORDON, R. (2005): Tax Structure and Economic Growth. Journal of Economic Growth,
Vol. 89, No. 5–6, pp. 1027–1043.
LEVINE, R. (2005): Finance and Growth: Theory and Evidence. Handbook of Economic Growth, Vol. 1,
No. 1, pp. 865–934.
LIPSET, S. M. (1960): Political Man: The Social Basis of Modern Politics. New York: Doubleday, 1960.
MADDISON, A. (2010): Statistics on World Population, GDP and Per Capita GDP, 1–2008 AD. Dostupné
na: http://www.ggdc.net/maddison/Historical_Statistics/horizontal-file_02–2010.xls.
MALÍŘ, J. – MAREK, P. a kol. (2005): Politické strany. Vývoj politických stran a hnutí v českých zemích
a Československu v letech 1861–2004. 2. díl: 1938–2004. Brno: Doplněk, 2005. ISBN: 807239178X.
MARSHALL, M. G. – JAGGERS, K. (2009): Polity IV Project: Dataset Users‘ Manual, 2009. Dostupné na:
http://www.systemicpeace.org/inscr/p4manualv 2007.pdf.
MARSHALL, M. G. a kol. (2010): Polity IV Project: Political Regime Characteristics and Transitions,
1800–2008. Dostupné na: http://www.systemicpeace.org/polity/polity4.htm.
MASSO, J. – VARBLANE, U. – VAHTER, P. (2007): The Impact of Outward FDI on Home-Country
Employment in a Low-Cost Transition Economy. William Davidson Institute Working Paper No. 873, 2007.
MAZUR, J. (2007): Stabilizační a konvergenční programy 2006/07: Dobré časy
maskují rozpočtovou nekázeň. Praha: Ministerstvo financí ČR, 2007. Dostupné na:
http://www.mfcr.cz/cps/rde/xbcr/mfcr/070925_IS_Hodnoceni_SCPs_pdf.pdf.
POUŽITÁ LITERATURA K 1. KAPITOLE142
MEJSTŘÍK, M. – PEČENÁ, M. – TEPLÝ, P. (2008): Základní principy bankovnictví.
Praha: Karolinum, 2008. ISBN 978-80-246-1500-4.
MILLER, A. T. – HOLMES, K. R. a kol. (2010): 2010 Index of Economic Freedom. New York: The Heritage
Foundation and Dow Jones & Company, 2010. ISBN 978-0-89195-281-7.
MINISTERSTVO FINANCÍ ČESKÉ REPUBLIKY (2010): Státní závěrečný účet. 1996–2007. Dostupné na:
http://www.mfcr.cz/cps/rde/xchg/mfcr/xsl/statni_zav_ ucet.html.
MINK, M. – DE HAAN, J. (2005): Are There Political Budget Cycles in the Euro Area? Dostupné na:
http://congress.utu.fi/epcs2006/docs/D6_mink.pdf.
MISES, L. von (1962): Byrokracie. Praha: Liberální institut, 2002. ISBN 8086389227.
NECK, R. – GETZNER, M. (2001): Politico-Economic Determinants of Public Debt Growth:
A Case Study for Austria. Public Choice, Vol. 109, No. 3–4, pp. 243–268. Dostupné na:
http://www.jstor.org/stable/30026353.
NĚMEC, D. (2010): Hystereze nezaměstnanosti na trzích práce – příčiny, důsledky, souvislosti.
Brno: Ekonomicko-správní fakulta Masarykovy univerzity, Disertační Práce. Dostupné na:
http://is.muni.cz/th/22939/esf_d/.
NORTH, D. C. (1990): Institutions, institutional change and economic performance. Cambridge:
Cambridge University Press, 1990. ISBN 0521397340.
NOVÁK, M. – LEBEDA, T. a kol. (2004): Volební a stranické systémy ČR v mezinárodním srovnání. Dobrá
Voda: Aleš Čeněk, 2004. ISBN: 8086473880.
OECD (2009): Pensions at a Glance 2009: Retirement-Income Systems in OECD Countries. OECD, 2009.
ISBN 9789264060715.
OECD (2010): Economic Survey of Austria 1997, 1999, 2001, 2003, 2005, 2007 a 2009. Dostupné na:
http://www.oecd.org/document/34/0,3343,en_33873108_33873245_43060194_1_1_1_1,00.html.
OECD (2010): Economic Survey of the Czech Republic 1997, 1999, 2001, 2003, 2004, 2006, 2008 a 2010.
Dostupné na: http://www.oecd.org/document/58/0,3343,en_33873108_33873293_44842810_1_1_1_1,00.html.
OECD (2010): Statistics. Dostupné na: http://stats.oecd.org/index.aspx.
OESTERREICHISCHE NATIONALBANK (2009): Banking Statistics Yearbook for 2008. Dostupné na:
http://www.oenb.at/en/presse_pub/period_pub/statistik/ statistics.jsp.
OESTERREICHISCHE NATIONALBANK (2010): Celkové vklady. Dostupné na:
http://www.oenb.at/isaweb/report.do?report=3.7.3.
OESTERREICHISCHE NATIONALBANK (2010): Počet bank dle sektoru. Dostupné na:
http://www.oenb.at/isaweb/report.do?lang=EN&report=3.1.1.
OESTERREICHISCHEN NATIONALBANK (2009): Direct Investment 2007 – Austrian
Inward and Outward Investment at the End of 2007. Vienna: ONB, 2009. Dostupné na:
http://www.oenb.at/en/img/shst_e_2009_09_tcm16–143046.pdf.
OKUN, A. (1962): Potential GNP: Its Measurement and Significance. In American Statistical Association:
Proceedings of the Business and Economics Statistics Section, pp. 98–104.
PATILLO, C. – POIRSON, H. – RICCI, L. (2002): External Debt and Growth. IMF Working Paper
No. 02/69. Dostupné na: http://www.econometricsociety.org/meetings/esem02/cdrom/papers/930/externl%20
debt%20and%20growth.pdf.
PERSSON, T. – ROLAND, G. – TABELLINI, G. (2003): How Do Electoral Rules Shape Party Structures,
Government Coalitions, and Economic Policies? NBER working paper No. 10176, 2003. Dostupné na:
http://www.nber.org/papers/w10176.
PERSSON, T. – ROLAND, G. – TABELLINI, G. (2005): Electoral rules and government spending in
parliamentary democracies. Dostupné na: http://www.econ.berkeley.edu/~groland/pubs/ms.pdf.
PERSSON, T. – SVENSSON, L. (1989): Why a Stubborn Conservative Would Run a Deficit: Policy with
Time Inconsistent Preferences. Quarterly Journal of Economics, Vol. 104, No. 2, pp. 325–346.
PERSSON, T. – TABELLINI, G. (2000): Political Economics – Explaining Economic Policy. Cambridge:
Massachusetts Institute of Technology, 2000. ISBN 0-262-66131-4.
PERSSON, T. – TABELLINI, G. (2003): The Economic Effect of Constitutions: What Do the Data Say?
Dostupné na: www.people.fas.harvard.edu/~iversen/PDFfiles/Persson&Tabellini2003.pdf.
PERSSON, T. – TABELLINI, G. (2003a): The Economic Effect of Constitutions. Cambridge: Massachusetts
Institute of Technology, 2003. ISBN 0-262-16219-9.
PERSSON, T. – TABELLINI, G. (2006): Democatic capital: The nexus of political and economic change.
Innocenzo Gasparini Iinstitute for Economic Research, Working paper No. 308, pp.1–48.
POLOUČEK, S. (2003): Peníze, banky a finanční trhy. Karviná: Slezská univerzita, 2003.
ISBN 80-7248-074-X.
PRADHAN, R. P. (2009): The FDI- Led- Growth Hypothesis in ASEAN-5 Countries: Evidence from
Cointegrated Panel Analysis. International Journal of Business and Management, Vol. 4, No. 12, 2009.
POUŽITÁ LITERATURA K 1. KAPITOLE 143
PŠEJA, P. (2005): Stranický systém české republiky. Brno: Centrum pro studium demokracie a kultury, 2005.
ISBN: 80–7325–069–1.
REINHART, C. M. – ROGOFF, S. (2010): Growth in a time of debt. NBER Working paper No. 15639,
2010. Dostupné na: http://www.nber.org/papers/w15639.
REVENDA, Z. (2001): Centrální bankovnictví. Praha: Management Press, 2001. ISBN 80-85943-89-1.
ROGOFF, K. (1990): Equilibrium Political Budget Cycles. The American Economic Review, Vol. 80, No. 1,
1990, pp. 21–36. Dostupné na: http://www.jstor.org/stable/2006731.
ROCHET, J. C. (1992): Capital requirements and the behaviour of commercial banks. European Economic
Review, Vol. 36, No. 5, pp. 1137–1170.
ROMER, C. – BERNSTEIN, J. (2009): The Job Impact of the American Recovery and Reinvestment Plan.
Dostupné na: http://otrans.3cdn.net/ee40602f9a7d8172b8 _ozm6bt5oi.pdf.
ROSE, S. (2006): Do Fiscal Rules Dampen the Political Business Cycle? Public choice, Vol. 128, No. 3/4,
2006, pp. 407–431. Dostupné na: http://www.jstor.org/stable/25487566.
SANDMO, A. (1985): The Effects of Taxation on Savings and Risk Taking. Handbook of Public Economics:
Vol. 1. 1985, pp. 265–311.
SAREL, M. (1996): Nonlinear Effects of Inflation on Economic Growth. IMF Staff Papers, Vol. 43, pp. 199–215.
SARGEBT, T. J. – WALLACE, N. (1981): Some unpleasant monetarist arithmetic.
Quarterly Review, Federal Reserve Bank of Minneapolis, issue Fall 1981. Dostupné na:
http://ideas.repec.org/a/fip/fedmqr/y1981ifallnv.5no.3.html.
SHI, M. – SVENSSON, J. (2003): Political Budget Cycles: A Review of Recent
Developments. Nordic Journal of Political Economy, vol. 29, 2003, pp. 67–76. Dostupné na:
http://www.nopecjournal.org/NOPEC_2003_a04.pdf.
SHI, M. – SVENSSON, J. (2006): Political Budget Cycles: Do they Differ Across Countries
and Why? Journal of Public Economics, Vol. 90, No. 8–9, 2006, pp. 1367–1389. Dostupné na:
http://www.sciencedirect.com/science/article/B6V76–4JVTBMK-1/2/9fcb5c985e694ce14dce7bdb937fb37b.
SHIRLEY, M. M. (2008): Institutions and Development. Cheltenham, UK: Edward Elgar, 2008.
ISBN 978-1-84542-968-3.
SCHARDAX, F. – REININGER, T. (2001): The Financial Sector in Five Central and Eastern
European Countries: An Overview. Oesterreichische Nationalbank, 2001. Dostupné na:
http://www.oenb.at/en/geldp_volksw/zentral_osteuropa/banksecfm stab/2001_schardaxreininger.jsp.
SCHNEIDER, O. – KREJDL, A. (2000): Strukturální schodky veřejných rozpočtů v ČR. Finance a úvěr,
Vol. 50, No. 3, pp. 160–174.
SCHRATZENSTALLER, M. – WAGENER, A. (2008): The Austrian Income Tax Tariff, 1955–2006.
Dostupné na: http://www.wiwi.uni-hannover.de/sopo/people/wagener/papers/austria_tax.pdf.
SCHUKNECHT, L. (2000): Fiscal Policy Cycles and Public Expenditure in Developing Countries. Public
choice, Vol. 102, No. 1/2, 2000, pp. 115–130. Dostupné na: http://www.jstor.org/stable/30026139.
SLANÝ, A. (2009): Ekonomické prostředí a konkurenceschopnost. Brno: Masarykova univerzita, 2009. ISBN
9788021050563.
STATISTIC AUSTRIA (2010): Index A-Z. Dostupné na:
http://www.stat.at/web_en/ statistics/index_a_z/index.html. [cit. 2010-06-12].
STREB, J. M. (2002): Signaling in Political Budget Cycles: How Far Are You
Willing to Go? Buenos Aires: Universidad del CEMA, 2002. Dostupné na:
http://www.ucema.edu.ar/publicaciones/download/documentos/193.pdf.
STRMISKA, M. – HLOUŠEK, V. – KOPEČEK, L. – CHYTILEK, R. (2005): Politické strany moderní
Evropy: Analýza stranicko-politických systémů. Praha: Portál, 2005. ISBN 80-7367-038-0.
ŠEVČÍK, A. (2005): Bankovnictví I. Brno: Masarykova univerzita, 2005. ISBN 80-210-3649-4.
TACI, A. – ZAMPIERI, E. (1998): Efficiency in the Czech Banking Sector. CERGE-EI Discussion Paper
No. 4/98. Praha: Univerzita Karlova, 1998.
TAGHAVI, M. (2000): Debt, growth and infation in large European economies: a vector auto-regression
analysis. Journal of Evolutionary Economics, Vol. 10, No. 1–2, pp. 159–173. Dostupné na:
http://www.springerlink.com/content/hrq6qukb7qaec 3qn/.
TRANSPARENCY INTERNATIONAL (2010): Index vnímání korupce. Dostupné
na: http://www.transparency.cz/index.php?lan=cz&id=3018.
TREW, A. (2009): Contracting Institutions and Growth. Centre for Dynamic Macroeconomic Analysis:
Working paper series, cdma09/04, 2009.
TUFTE, E. R. (1978): Political Control of the Economy. Princeton: Princeton University Press, 1978. ISBN:
0–691–02180–5.
UNCTAD (2009): World Investment Report 2009 – Transnational Corporations, Agricultural Production
and Development. New York and Geneva: United Nations, 2009. ISBN 978-92-1-112775-1.
POUŽITÁ LITERATURA K 1. KAPITOLE144
UNCTAD (2010): Outward/Inward FDI Performance Index – Results for 2005–2007. Dostupné na
http://www.unctad.org/templates/WebFlyer.asp?intItemID=3241&lang =1.
UNCTAD (2010): World Investment Report. Dostupné na:
http://www.unctad.org/Templates/Page.asp?intItemID=5545&lang=1.
VAN DEN NOORD, P. (2000): The size and role of automatic fiscal stabilizers in the 1990 and beyond.
OECD, 2000, Working paper No. 230, pp. 31.
VAŠENDOVÁ, M. (2006): Pohyb kapitálu v průběhu transformace a jeho vliv na konkurenceschopnost
české ekonomiky. CVKS Working paper No. 17/2006, 2006.
VAŠENDOVÁ, M. (2007): Mezinárodní pohyb kapitálů. In Faktory konkurenceschopnosti. Brno:
Masarykova Univerzita, 2007. pp. 94–103. ISBN 978-80-210-4455-5.
VILLAVERDE, J. – MAZA, A. (2008): The robustness of Okun´s law in Spain, 1980–2004 Regional evidence.
Journal of Policy Modeling, Vol. 31, pp. 289–297.
WEISS, A. – NIKITIN, G. (2004): Foreign Portfolio Investment Improves Performance: Evidence from the
Czech Republic. Topics in Economic Analysis and Policy, Vol. 4, No. 1, 2004.
World Bank (2010): Doing Business database, 2010. Dostupné na:
http://www.doingbusiness.org/CustomQuery/.
ŽÁK, M. a kol. (2002): Velká ekonomická encyklopedie. Praha: Linde, 2002. ISBN 80-7201-172-3.
ŽÁK, M., a kol. (2001): Vnitřní a vnější podmínky restrukturalizace a hospodářská politika v ČR. Praha:
Nakladatelství OECONOMICA, 2001. ISBN 80-245-0257-7.
ŽÍDEK, L.: Srovnání základních makro-ekonomických ukazatelů vybraných zemí střední a východní
Evropy. In Tomeš, Žídek a kol.: Determinanty hospodářského růstu v zemích východní Evropy. Brno:
Masarykova univerzita, Centrum výzkumu konkurenční schopnosti české ekonomiky, 2008, pp. 5–17.
ISBN 978-80-210-4786-0.
145
2
RŮSTOVÁ VÝKONNOST2.
A STABILITA
RŮSTOVÁ VÝKONNOST A STABILITA146
Kapitola je věnována problémům růstové výkonnosti a stability ekonomiky České republiky, a to
zejména s ohledem na analýzu dopadů hospodářské krize z konce roku 2008. Kapitola je rozdělena
do následujících částí.
V části 2.1 jsou analyzovány dopady hospodářských cyklů na strukturální charakteristiky české
ekonomiky. Základní otázka, na kterou se v této části snažíme nalézt odpověď, je to, jestli je v datech
možno pozorovat stabilní vztahy mezi klíčovými makroekonomickými veličinami, mezi které
řadíme zejména míru nezaměstnanosti, reálný HDP a inflaci. Využívaný model je sice pragmatický,
nicméně zachycuje základní vztahy vycházející z ekonomické teorie a svým způsobem je tak
alternativou převažujícího způsobu makroekonomického modelování s využitím dynamických
stochastických modelů všeobecné rovnováhy (DSGE). Jeho jistá míra teoretické volnosti by měla
zlepšovat jeho predikční schopnosti a celkově tak zvyšovat věrohodnost výsledků založených na
odhadu tohoto modelu. S využitím tohoto modelu jsme schopni identifikovat ekonomické propady
české ekonomiky v posledních 15 letech a zkoumat dopady na strukturální charakteristiky
ekonomiky. Výsledky tak poukazují na mimořádnou sílu krize z konce roku 2008, která jednak nebyla
dle našich závěrů přímo důsledkem vnitřní nerovnováhy ekonomiky, jednak pak měla i „pozitivní“
efekt v podobě utlumení inflačních tlaků, vycházejících z prohlubující se nerovnováhy na
trhu práce. To ukazuje na z ekonomického pohledu očistnou sílu ekonomických cyklů.
Podkapitola 2.2 se zabývá měřením mezery výstupu pro českou ekonomiku pomocí novokeynesiánského
modelu. Pro odhad jsou použita data pro nezaměstnanost a podíl práce na celkovém
důchodu a nakalibrované hodnoty strukturálních parametrů. Mezera výstupu je pak porovnána
s tradičním měřítkem hospodářských cyklů – detrendovaným HDP. Hlavní rozdíl spočívá v tom,
že novokeynesiánská mezera výstupu je v celém analyzovaném období záporná, což znamená, že
se ekonomika nachází pod potenciálem. Modelový přístup umožňuje rozložit novokeynesiánskou
mezeru výstupu na distorze na trhu statků a trhu práce a vyvodit důsledky pro blahobyt ekonomických
subjektů. Je rovněž provedena analýza citlivosti s ohledem na strukturální parametry.
Výsledky ukazují, že většina neefektivností a fluktuací pramení z trhu práce. Distorze na trhu statků
přispívají především k úrovňovému posunu mezery a nikoliv k její variabilitě. Průměrné ztráty
užitku plynoucí z existence mezery výstupu jsou téměř jedno procento spotřeby v ustáleném stavu.
Ztráty blahobytu však mohou být daleko vyšší kvůli nejistotě ohledně strukturálních parametrů
a kvůli inflačním distorzím, které jsme v naší analýze neuvažovali. Ztráty blahobytu plynoucí
pouze z fluktuací okolo daného ustáleného stavu jsou zanedbatelné. Závěry plynoucí pro hospodářskou
politiku jsou tedy jednoznačné. Nikoliv eliminace fluktuací výstupu okolo ustáleného
stavu, ale eliminace celé mezery výstupu je žádoucím cílem hospodářské politiky.
Podkapitola 2.2 zkoumá, jestli existují nějaké strukturální rozdíly mezi českou ekonomikou
a eurozónou v rámci modelování hospodářského cyklu v DSGE přístupu. Je odhadováno několik
verzí DSGE modelu malé otevřené ekonomiky s nominálními rigiditami a tyto verze se liší v předpokladech
o některých strukturálních parametrech. O těchto parametrech můžeme předpokládat,
že jsou buď v obou ekonomikách stejné, nebo v obou ekonomikách různé. Strukturální rozdíly
v ekonomikách mohou být viděny jako významné rozdíly v hodnotách těchto parametrů. Rozdíl
je považován za významný, jestliže datový fit modelů, které dovolují rozdílnou hodnotu parametrů,
je lepší než datový fit modelů se společnou hodnotou parametrů. Všechny modely jsou odhadnuty
pomocí bayesiánských metod, konkrétně Metropolis-Hastings algoritmu (za využití Dynare
toolboxu pro Matlab). Měřítkem datového fitu je Bayesův faktor počítaný z věrohodnostní funkcí,
obdržených při bayesovském odhadu. Výsledky naznačují, že existuje významný rozdíl ve zvycích
ve spotřebě, což poukazuje na to, že by měl existovat významný rozdíl v tom, jak obě ekonomiky
reagují na preferenční šok a změnu reálné úrokové sazby. Co se týče intertemporální elasticity substituce
ve spotřebě, elasticitě nabídky práce a elasticitě mezi domácím a zahraničním zbožím, pak
výsledky naznačují, že v těchto strukturálních parametrech neexistuje významný rozdíl.
RŮSTOVÁ VÝKONNOST A STABILITA 147
Podkapitola 2.4 na datech z 22 zemí EU zkoumá závislost salda veřejných financí na hospodářském
cyklu a vliv setrvačnosti na výši tohoto salda. Výsledky naznačují, že použitá regresní rovnice
dokáže velmi dobře vysvětlit chování sald veřejných financí u většiny ze zkoumaných zemí,
přičemž nejlepších výsledků se dosahuje hlavně u zemí s delší tradicí tržního hospodářství. U těch
zemí, u kterých nám vyšel model jako statisticky významný, jsme pak zkoumali jejich fiskální zodpovědnost.
Při zkoumání jsme zjistili, že nejzodpovědnější fiskální politiku vedlo v posledních
čtrnácti letech Finsko, Dánsko, Lucembursko a Švédsko, za relativně zodpovědné můžeme ještě
považovat Estonsko, a za nezodpovědné země, co se týče veřejných financí, můžeme považovat
Nizozemí, Belgii, Irsko, Španělsko, Německo, Slovinsko, Lotyšsko, Itálii, Velkou Británii, Francii,
Českou republiku a Polsko.
Cílem podkapitoly 2.3 je zjistit, zda se chování DSGE modelu změní, když do datové báze zahrneme
pozorování z období krize.
V podkapitole docházím ke dvěma hlavním závěrům, a těmi je prudký pokles v odhadu setrvačnosti
ve spotřebě h a skok vzhůru v perzistenci celosvětového technologického šoku ρz v případě,
že do datové báze modelu zahrneme období krize. Hlavní příčinou těchto výrazných změn v odhadech
parametrů h a ρz, která nastala v období prvního čtvrtletí roku 2009, je pravděpodobně pád
evropských tříměsíčních úrokových měr o dva procentní body. Tak velká mezičtvrtletní změna
evropských úrokových měr je v pozorované historii unikátní.
Změny odhadů parametrů h a ρz jsou dále podněcovány pohyby evropské inflace a růstu výstupu,
které jsou (spolu s úrokovou mírou) v rozporu s fungováním monetárního pravidla. V optice
modelu lze říci, že Evropská centrální banka drží úrokové sazby přehnaně nízko.
148
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 149
Vliv ekonomických cyklů na strukturální2.1.
charakteristiky české ekonomiky
Každá tržní ekonomika zažívá střídavá období boomů a recesí. Průběh hospodářských cyklů je však
v různých časových obdobích odlišný, a to jak co do délky jednotlivých fází cyklu, tak i co do jejich
intenzity. Z tohoto pohledu nás může napadnout otázka, zdali hospodářské cykly mají vliv na
strukturální charakteristiky ekonomiky. V tomto ohledu nás tedy budou zajímat změny, kterými
v posledních 15 letech prošla česká ekonomika. Samotný cyklický vývoj ekonomiky se pokusíme odhadnout
s pomocí dynamického monetárního modelu s exogenním zahraničním sektorem. V tomto
kontextu simultánně odhadneme trajektorie čtyř nejdůležitějších (nepozorovatelných) potenciálních
(rovnovážných) stavů ekonomiky. Díky rekurzivním odhadům parametrů budeme schopni
nalézt a analyzovat důležité změny v hodnotách parametrů, které by měly odpovídat strukturálním
změnám české ekonomiky. Největší pozornost si zaslouží období ekonomické krize z počátku druhé
poloviny roku 2008. Oproti v současnosti převažujícím makroekonomickým modelům (dynamickým
stochastickým modelům všeobecné rovnováhy – DSGE) využijeme alternativní model, který
sice nebude mít přímo DSGE charakter, nicméně nebude zatížen silnými restrikcemi na parametry
a modelovou strukturu.1
To znamená, že by měl poskytovat (mimo jiné) lepší výsledky pokud jde
o predikční schopnosti těchto modelů. Predikční schopnosti jsou testovány s využitím rekurzivních
předpovědí. Na tomto základě budeme schopni posoudit přesnost predikcí klíčových ekonomických
proměnných (zejména potenciálů ekonomiky) v obdobích náhlých boomů a recesí. Trajektorie
námi odhadovaných potenciálních stavů ekonomiky chápeme jako krátkodobé či střednědobé odchylky
od dlouhodobých potenciálů ekonomiky, čímž bychom měli mít takřka ideální reprezentaci
dynamiky ekonomiky s ohledem na hospodářské cykly.
Tato část kapitoly je rozdělena následujícím způsobem. Část 2.1.1 představuje jednoduchý dynamický
monetární model, který využíváme pro naše analýzy. Část 2.1.2 popisuje využívaná data,
odhadové techniky a rovněž jsou zde prezentovány základní odhady parametrů. V části 2.1.3 se
zaměřujeme na odhady nepozorovaných stavů české ekonomiky. Část 2.1.4 obsahuje samotné jádro
této podkapitoly, kterým jsou rekurzivní odhady a předpovědi a jejich analytické vyhodnocení.
Část 2.1.5 ukazuje a komentuje dynamiku nezaměstnanosti v průběhu hospodářského vývoje
České republiky v posledních 15 letech, a to v kontextu odhadnutého dynamického Okunova
zákona. Konečně pak část 2.1.6 tuto podkapitolu uzavírá souhrnem nejvýznamnějších myšlenek
a poznatků.
1 Odhady mezery výstupu v České republice s využitím DSGE přístupu a diskuze nad takto identifikovaným
cyklickým vývojem ekonomiky jsou obsahem příspěvku Herbera a Němce (2009).
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY150
Model2.1.1.
Náš model je modifikovanou verzí původního modelu prezentovaného v práci Berga, Karama
a Laxtona (2006). Tento model jsme rozšířili o rovnice reprezentující dynamiku nezaměstnanost.
Pro tento postup jsme se rozhodli na základě úspěšných odhadů podobného (ale o něco menšího)
modelu vycházejícího z práce Laxtona a Scotta (2000), které jsou pro případ ekonomiky České republiky
obsahem práce Němec (2008). Tento menší model však neobsahoval rovnice popisující dynamiku
reálné úrokové míry, reálného směnného kurzu a monetární pravidlo. Oproti původní práci
Berga, Karama a Laxtona jsme se pokusili o vysvětlení pohybů rovnovážného reálného výstupu, rovnovážného
reálného směnného kurzu, rovnovážné reálné úrokové míry a rovnovážné nezaměstnanosti.
Tímto „pokusem o vysvětlení“ máme na mysli to, že jsme provedli simultánní odhad těchto
nepozorovaných ekonomických veličin souběžně s identifikací modelových parametrů.
Námi využívaný model tak má celkem pět behaviorálních rovnic, ve kterých vystupují veličiny
jako odchylky od svých (krátkodobých resp. střednědobých) rovnovážných stavů. Využívané
značení je vcelku intuitivně pochopitelné. Řeckým písmenem ε označujeme jednotlivé šoky (poptávkový
šok, nabídkový šok, monetární šok, apod.). Indexem „*“ jsou pak označeny rovnovážné
hodnoty odpovídajících veličin.
Dynamika mezery výstupu
ygapt = α1 ygapt− 1 + (1 − α1 ) ygapt + 1 − α2 RRgapt− 1 − α3 zgapt− 1 +
+ α4 ygapFt + εt
ygap
(1)
Phillipsova křivka
πt = δ1 Et π4t + 1 + (1 − δ1) π4t + 1 + δ2 πm
t − 1
+ δ3 ygapt − 1 − δ4Δzt − δ5 Δugapt + εt
π
(2)
Monetární pravidlo
RSt = β1 RSt−1 + (1 − β1)[RRt
*
+ π4t + (π4t + 4 − π*
t + 4) + β3 ygapt ] + εt
RS
(3)
Rovnice reálného směnného kurzu
zt = γ1 zt + 1 + (1 − γ1) zt−1 + (RRt− RRFt − ρt
*
) / 4 + εt
Z
(4)
Dynamika mezery nezaměstnanosti
ugapt = − λ1 ygapt + λ1 ygapt−1 + εt
ugap
(5)
Rovnice (1) reprezentuje rovnici agregátní poptávky resp. IS křivku, která vyjadřuje vztah mezi úrovní
reálné ekonomické aktivity (mezera výstupu, ygap) a dalšími veličinami, kterými jsou očekávaná
a minulá reálná ekonomická aktivita (mezery výstupu), mezera reálné úrokové míry, RRgap, mezera
reálného směnného kurzu, zgap, a mezera zahraničního výstupu, ygapF. Novokeynesiánská hybridní
Phillipsova křivka je vyjádřena rovnicí (2) a reprezentuje vztah mezi anualizovanou čtvrtletní
inflací, π, vzhledem k minulé a očekávané inflací (π4 zde vyjadřuje meziroční změnu v indexu spotřebitelských
cen – CPI), k mezeře výstupu a ke změnám v reálném směnném kurzu, Δz, a v mezeře
nezaměstnanosti, ugap. Rovnice (3) představuje pravidlo monetární politiky, která nastavuje krátkodobou
nominální úrokovou míru, RS, a to jako funkci mezery výstupu a očekávané inflace vzhledem
ke stanovenému inflačnímu cíli, π*. Rovnice (4) není nic jiného, než rovnice podmínky nekryté
úrokové parity pro směnný kurz, z, kde RR je reálná úroková míra, RRF je zahraniční reálná úroková
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 151
míra a ρ* je rovnovážná riziková prémie. Poslední rovnice (5) definuje dynamický Okunův zakon,
kdy mezera nezaměstnanosti závisí na své minulé hodnotě a aktuální hodnotě mezery výstupu.
Nepozorované rovnovážné veličiny jsou modelovány jako náhodné procházky. Potenciální
produkt (výstup) je rozšířen o možnost tzv. driftu (tempo růstu, gy*
) a o člen, který reprezentuje
změny v rovnovážné nezaměstnanosti, Δu*
, která v našem pojetí odpovídá míře nezaměstnanosti
neakcelerující inflaci (NAIRU). Tato modifikace výrazně zlepšila identifikovatelnost jak trajektorie
potenciálního produktu, tak i trajektorie rovnovážné nezaměstnanosti.
Potenciální produkt
yt
*
= yt
*
−1 + gyt
*
− ϕΔut
*
+ εt
Z
(6)
Tempo růstu potenciálního produktu
gyt
*
= gyt
*
−1 + εt
gy*
(7)
Rovnovážná reálná úroková míra
RRt
*
= RRt
*
−1 + εt
RR*
(8)
Rovnovážný reálný směnný kurz
zt
*
= zt
*
−1 + εt
z*
(9)
Rovnovážná nezaměstnanost (NAIRU)
ut
*
= ut
*
−1 + εt
u*
(10)
Jednotlivé mezery nepozorovatelných potenciálů a reálná úroková míra jsou vcelku přirozeně definovány
níže uvedenými identitami.
Mezera výstupu
ygapt = yt − yt
*
(11)
Reálná úroková míra
RRt
= RSt
− π4t + 1 (12)
Mezera reálné úrokové míry
RRgapt = Rt − Rt
*
(13)
Mezera reálného směnného kurzu
zgapt = zt − zt
*
(14)
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY152
Mezera nezaměstnanosti
ugapt = ut − ut
*
(15)
Pro účely odhadu dále definujeme pro naše exogenní (pozorované) veličiny stochastické AR(1)
procesy.
Zahraniční mezera výstupu
ygapFt = ψygapF
ygapFt−1 + εt
ygapF
(16)
Zahraniční reálná úroková míra
RRFt = ψRRF
RRFt−1 + εt
RRF
(17)
Anualizovaná CPI inflace
π4t = ψπ4
π4t−1 + εt
π4
(18)
Inflační cíl
πt
*
= ψπ*
πt
*
−1 + εt
π*
(19)
Importovaná inflace
πt
m
= ψπm
πt
m
−1 + εt
πm
(20)
Rovnovážná riziková prémie
ρt
*
= ψρ*
ρt
*
−1 + εt
ρm
(21)
Náš model je ve své podstatě strukturální model, protože každá z behaviorálních rovnic má svou
ekonomickou interpretaci. Jedná se o model všeobecné rovnováhy v tom smyslu, že klíčové veličiny
jsou endogenní a vzájemně na sobě závisí (gapová podstata modelu pak zajišťuje onu rovnováhu).
Model v sobě zahrnuje i racionální očekávání. Tento model není odvozen z mikroekonomických
základů (což jej odlišuje od tradičních a v současnosti dominantních stochastických dynamických
modelů všeobecné rovnováhy). Klíčové rovnice jsou však velmi podobné (ne-li identické)
těm, které jsou výstupem DSGE přístupu. Zcela v souladu s Bergem, Karamem a Laxtonem
(2006) tak pevně věříme tomu, že tento pragmatický přístup k modelování reprezentuje i v současnosti
využívaný přístup v řadě hospodářsko-politických institucí, kde (jak Berg, Karam a Laxton
trefně poznamenávají) „modellers embrace theory but do not feel compelled to marry it.“
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 153
Data a odhadové techniky2.1.2.
Model aplikovaný na data České ekonomiky jsme odhadli pro období od prvního čtvrtletí roku
1996 do čtvrtého čtvrtletí roku 2009. Pozorované veličiny jsou logaritmus reálného výstupu, míra
nezaměstnanosti mezičtvrtletní a meziroční CPI inflace, krátkodobá nominální úroková míra,
reálný směnný kurz, inflační cíl, importovaná inflace (inflace cen importů), zahraniční mezera
výstupu a zahraniční reálná úroková míra. Všechna data jsou sezónně očištěna a filtrována s využitím
Hodrick-Prescottova (HP filtru), který byl aplikován na rozšířenou (extrapolovanou) časovou
řadu, abychom se vyhnuli problému s prudkými změnami ve vývoji některých řad v posledních
pozorovaných obdobích. V kontextu odhadů modelu jsme se zaměřili primárně na střednědobé
potenciály ekonomiky a jejich dynamiku. HP filtr je nejlepším (a nejrychlejším) způsobem, jak
z řad proměnných odstranit dlouhodobé trendy (které nás v kontextu modelové struktury nezajímají).
Získané veličiny vstupující do modelu tak odpovídají gapům od tohoto dlouhodobého
trendu. Z technického úhlu pohledu jsme pomocí HP filtru řady stacionarizovali, protože jinak
nebylo možné model odhadnout. Ve výsledku pak celkové mezery klíčových veličin od svých
potenciálů budou odpovídat součtu gapů získaných prvotním HP filtrováním a gapů získaných
z našeho modelu. Dodatečná (ekonomická) informace získaná z odhadu modelových potenciálů
není bezvýznamná (jinak by rovnovážné trajektorie získané z identifikace modelu byly fakticky
nulové). Tento postup nám umožňuje přímo chápání výsledného potenciálního produktu jako
produktu neakcelerujícího inflaci (NAIP) a rovnovážné nezaměstnanosti jako NAIRU. Při prostém
použití HP filtru by tento ekonomický význam získaných veličin byl silně diskutabilní. Veškerá
data pocházejí z databází České národní banky a Českého statistického úřadu.
Odhady parametrů, plný vzorekTabulka č. 66:
prior (s.o.) post. HPDI prior (s.o.) post. HPDI
α1
0,500
(0,200)
0,474 0,428 0,519 σεygap
0,20
(1,00)
0,362 0,298 0,428
α2
0,040
(0,015)
0,037 0,026 0,048 σεπ
1,50
(15,0)
3,049 2,557 3,519
α3
0,004
(0,001)
0,006 0,004 0,007 σεRS
1,50 (7,0) 1,359 1,135 1,560
α4
0,050
(0,025)
0,039 0,022 0,055 σεugap
0,40 (5,0) 0,111 0,083 0,140
δ1
0,700
(0,100)
0,807 0,697 0,928 σεz
2,50
(15,0)
1,265 0,756 1,763
δ2
0,085
(0,040)
0,122 0,049 0,194 σεy*
0,10 (6,0) 0,099 0,021 0,215
δ3
0,100
(0,050)
0,090 0,025 0,156 σεgy*
0,10 (1,5) 0,057 0,024 0,090
δ4
0,040
(0,020)
0,035 0,008 0,062 σεRR*
0,65 (5,0) 0,380 0,250 0,516
δ5
0,450
(0,200)
0,448 0,143 0,748 σεz*
1,50 (5,0) 1,148 0,361 2,089
β1
0,800
(0,050)
0,811 0,762 0,863 σεu*
0,40 (5,0) 0,121 0,086 0,152
β2
1,50
(0,200)
1,271 0,981 1,540 σεugapF
0,90 (4,5) 0,789 0,671 0,908
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY154
prior (s.o.) post. HPDI prior (s.o.) post. HPDI
β3
0,500
(0,150)
0,780 0,536 1,026 σεRRF
0,40 (3,0) 0,420 0,356 0,481
γ1
0,750
(0,100)
0,849 0,750 0,853 σεπ4
1,20 (4,0) 1,306 1,105 1,503
λ1
0,250
(0,050)
0,178 0,150 0,207 σεπ*
0,10 (1,0) 0,097 0,082 0,112
λ2
0,800
(0,050)
0,802 0,750 0,853 σεπm
6,50
(10,0)
3,886 3,284 4,472
ϕ 0,500
(0,100)
0,520 0,344 0,685 σερ*
0,10 (2,0) 0,074 0,062 0,085
ψygapF 0,970
(0,010)
0,950 0,931 0,970 ψRRF 0,920
(0,20)
0,895 0,863 0,931
ψπ4 0,920
(0,015)
0,901 0,871 0,929 ψπ* 0,980
(0,005)
0,979 0,971 0,987
ψπm
0,700
(0,100)
0,758 0,653 0,855 ψπρ*
0,970
(0,010)
0,971 0,957 0,986
Zdroj: vlastní odhady
Parametry byly odhadnuty bayesiánskými technikami kombinovanými s využitím Kalmanova filtru.
Veškeré výpočty byly provedeny s využitím Dynare toolboxu pro Matlab (viz Juillard (2010)).
Technické detaily týkající se rekurzivních odhadů a předpovědí nabízí Christoffel, Coenen
a Warne (2010).
Naše výsledky (využívající plně dostupný datový vzorek) jsou obsahem tabulky č. 66. Všechny
odhady parametrů mají korektní (kladná) znaménka. Většina parametrů je velmi dobře identifikovaných
na základě datové informace (zejména pak směrodatné odchylky šoků). V této části kapitoly
je naše pozornost zaměřena na analýzu strukturálních změn, tudíž komentování každého
z odhadů parametrů by šlo mimo rámec našeho záměru. K těm nejzajímavějším parametrům se
však dostaneme později. Každopádně je ovšem třeba zdůraznit, že odhadnuté hodnoty parametrů
vedou k akceptovatelným dynamickým vlastnostem modelu, které byly verifikovány na základě
průběhu funkcí impulsních odezev.
Odhad nepozorovaných stavů2.1.3.
Prvním důležitým úkolem je identifikovat období boomů a recesí v rámci ekonomického vývoje
České republiky. S využitím odhadnutých (vyhlazených) hodnot klíčových nepozorovatelných
stavů (viz graf č. 48) jsme schopni nalézt tři významná období ekonomického poklesu (viz šedé
oblasti na grafu č. 48) První z identifikovaných recesí začíná přibližně ve 4. čtvrtletí roku 1997,
druhý výrazný pokles je identifikován na začátku druhého čtvrtletí roku 2003, a konečně bezkonkurenčně
největší propad výkonu ekonomiky je spojen s posledním čtvrtletím roku 2008.
Obdobími recese rozumíme období s negativní mezerou výstupu.
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 155
Mezera výstupu, mezera nezaměstnanosti, mezera reálné úrokové míry a mezera reálnéhoGraf č. 48:
směnného kurzu
[%]
-6
-4
-2
0
2
4
6
8
10
1996 1998 2000 2002 2004 2006 2008 2010
ygap
ugap
RRgap
zgap
Zdroj: vlastní výpočty
Rekurzivní odhady a předpovědi2.1.4.
Na základě identifikace období recesí můžeme analyzovat dopad těchto krizí na parametry modelu.
Graf č. 49 ukazuje rekurzivní odhady těch parametrů, u kterých se prokázala největší dynamika.
Vzhledem k omezenému množství dat jsme do našich analýz nebyli schopni zahrnout období
první recese z roku 1997.
Rekurzivní odhady vybraných parametrůGraf č. 49:
2000 2002 2004 2006 2008 2010
0,1
0,2
0,4
0,3
t
y gap
t
ygap
2000 2002 2004 2006 2008 2010
0,4
0,6
1
0,8
t
y gapF
t
ygapF
2000 2002 2004 2006 2008 2010
0,45
0,5
0,6
0,55
1
ygapt–1
2000 2002 2004 2006 2008 2010
0,02
0,04
0,08
0,06
ygapFt
2000 2002 2004 2006 2008 2010
0,7
0,75
0,85
0,8
R St–1
2000 2002 2004 2006 2008 2010
1
1,2
1,8
1,6
1,4
2
1
4
4t+4
– 4*t+4
2000 2002 2004 2006 2008 2010
0,5
0,6
0,9
0,8
0,7
zt+1
2000 2002 2004 2006 2008 2010
0,15
0,2
0,25
ygapt
2000 2002 2004 2006 2008 2010
0,75
0,8
0,9
0,85
2
1
1
ugapt–1
Zdroj: vlastní výpočty
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY156
Rekurzivní odhady parametrů můžeme porovnat pro období dvou ekonomických propadů. Je
zřejmé, že ekonomický pokles v roce 2003 nebyl doprovázen žádnými výraznými strukturálními
změnami představovanými posuny v parametrech modelu. Můžeme tedy na tomto základě usuzovat,
že zdrojem krize bylo vnitřní přehřátí české ekonomiky. Oproti tomu však ekonomický propad
v roce 2008 byl způsoben převážně exogenními (zahraničními) faktory, které silně ovlivnily
strukturální parametry našeho modelu, a to následujícím způsobem:
naše odhady směrodatných odchylek jak poptávkového šoku, tak i šoku v zahraniční mezeře
výstupu poukazují na jejich výrazný nárůst. Pokles ekonomiky v tomto období je tak výsledkem
prudkého propadu v zahraničním výstupu a domácí poptávce. Tento závěr je potvrzen rekurzivními
odhady parametrů α1 a α4, které v sobě nesou informaci o klesajícím vlivu zpožděné
mezery výstupu domácí ekonomiky a zvyšující se vliv zahraniční mezery výstupu;
parametry β1 a β2 popisují reakční funkci centrální banky. V našem případě můžeme vidět, že
Česká národní banka při svém rozhodování snížila váhu kladenou na inflační cíl (parametr β2).
„Vyhlazovací“ parametr β1 se naopak mírně zvýšil. To znamená, že monetární politika je mnohem
lépe predikovatelná a „nebezpečí“ neočekávaných monetárních šoků je z tohoto pohledu
minimální. To, že se tyto parametry v roce 2003 nezměnily, může znamenat jediné: propad
a šoky, které jej způsobily, byly chápány jen jako přechodné a málo nebezpečné;
zvyšující se vliv očekávaného směnného kurzu v rovnici úrokové parity (γ1). Je spojen s vyšší
volatilitou (a tedy i neurčitostí) proměnné reálného směnného kurzu. Ekonomičtí agenti tak při
svém rozhodování méně věří minulému vývoji směnného kurzu (prakticky tak případné výkyvy
kurzu ve směru depreciace jsou v realitě chápány jako náhodné a nemající dlouhé trvání);
trajektorie parametrů λ1 a λ2 reprezentují pozoruhodné změny v dynamice nezaměstnanosti.
V první řadě vidíme klesající trend vlivu mezery výstupu v období let 2000 až 2007 a naopak
rostoucí tendence od roku 2007. Tento vývoj je v souladu s hysterezním charakterem české
nezaměstnanosti (viz Němec (2008) a zde identifikované důsledky pozitivní a negativní hystereze).
Pokud jde o zpožděnou mezeru nezaměstnanosti, je zde patrný rostoucí vliv od roku
2007 s prudkým obratem v roce 2008. Na počátku recese roku 2008 je totiž možné vypozorovat
jasnou negativní mezeru nezaměstnanosti plynoucí s relativního nedostatku zaměstnanců
v ekonomice. Tato negativní mezera však byla rychle uzavřena jako důsledek prudkého ekonomického
poklesu spojeného s důsledky celosvětové (ve smyslu nejvyspělejších států světa)
finanční krize.
Pro ověření věrohodnosti našich výsledků je dobré otestovat přesnost krátkodobých predikcí modelu.
Přesnost predikcí na jedno až čtyři čtvrtletí pro období druhé čtvrtletí roku 2000 až čtvrtého
čtvrtletí roku 2009 byla vyhodnocena s využitím Theilovy U statistiky. Tato statistika měří podíl
odmocniny střední čtvercové chyby (root mean square error – RMSE) předpovědi generované naším
modelem ku RSME modelu s naivními předpověďmi (předpověďmi nepředpokládající žádnou
změnu vývoje dané proměnné):
(1)
kde k je předpovědní horizont (v našem případě je k = 1, K, 4), yt + k je pozorovaná proměnná
v čase t + k, ft + k je predikovaná hodnota odpovídající proměnné (založená na odhadech využívajících
všechna dostupná data až do času t) a nk je počet k-krokových předpovědí. V našem případě
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 157
hodnota t = 171 odpovídá prvnímu čtvrtletí roku 2000, a T = 56 odpovídá čtvrtému čtvrtletí
roku 2009.
Hodnota statistiky U rovna jedné napovídá, že modelové předpovědi jsou stejně dobré jako
předpovědi naivní. Statistika větší (resp. menší) než jedna ukazuje, že předpovědi modelu jsou
horší (resp. lepší) než předpovědi modelu předpokládajícího „žádnou změnu“ predikovaných
proměnných.
Naše předpovědi se zahrnutím nejistoty spojenou s neurčitostí odhadů parametrů a realizací budoucích
šoků ukazuje graf č. 50. Označení „predicted“ odpovídá expertním odhadům budoucího
vývoje klíčových makroekonomických proměnných.
Rekurzivní předpovědi se zahrnutím nejistoty parametrů a budoucích šokůGraf č. 50:
1998 2000 2002 2004 2006 2008 2010
630
640
650
660
y
Observed
Predicted
Mean forecasts
90% HPDI
1998 2000 2002 2004 2006 2008 2010
4
6
8
12
10
u
1998 2000 2002 2004 2006 2008 2010
– 5
0
10
5
20
15
1998 2000 2002 2004 2006 2008 2010
– 5
0
5
20
15
10
RS
Zdroj: vlastní výpočty
Tabulka č. 67 představuje číselné hodnoty kvality našich předpovědí. Závěry z této tabulky lze
shrnout následovně:
logaritmus reálného výstupu (y): na základě Theilovy statistiky pro jedno až čtyři předpovědní
období náš model dokáže překonat „naivní“ model. Náš model tak je schopen predikovat vývoj
reálného HDP velmi dobře;
míra nezaměstnanosti (u): náš model má dobrou schopnost predikce budoucího vývoje dynamiky
nezaměstnanosti. To samozřejmě hovoří ve prospěch naší modifikace původního modelu
o rovnice popisující dynamiku nezaměstnanosti;
CPI inflace (π): v tomto případě jsou predikční schopnosti našeho modelu poněkud slabší.
Důvody pro to se nabízejí hned dva. Jeden z nich může být spojen se slabou specifikací
Phillipsovy křivky. Druhý důvod může být prostě důsledkem vysoké variability inflačních šoků
(viz tabulka č. 66);
nominální krátkodobá úroková míra (RS): s ohledem na „naivní“ model si náš model při predikci
této veličiny vede velmi špatně. Vysvětlením může být jednak vysoká variabilita monetárního
šoku a obtížnost odhadu monetárního pravidla z dat.
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY158
Přesnost rekurzivních odhadů na základě Theilovy statistikyTabulka č. 67:
předpovědní horizont y u ρ RS
1. čtvrtletí 0,6299 0,6444 0,8396 1,7047
2. čtvrtletí 0,5502 0,6739 0,8607 1,7815
3. čtvrtletí 0,4889 0,6536 0,8328 1,7733
4. čtvrtletí 0,4430 0,6463 0,8161 1,7350
Zdroj: vlastní odhady
Obecně lze říci, že predikční schopnosti modelu jsou dobré, a to s ohledem na potenciální budoucí
realizace odpovídajících šoků. Predikční schopnosti modelu jsou podobné ve všech obdobích
(bez ohledu na aktuální stav ekonomiky – viz graf č. 50). Za pozornost stojí srovnání bodů obratu
pozorovaných a predikovaných trajektorií, kdy tyto body obratu je náš model schopen velmi
dobře předpovídat.
Dynamika nezaměstnanosti2.1.5.
Graf č. 51 velmi přehledně znázorňuje vztah mezi mezerou výstupu a mezerou nezaměstnanosti
(dynamický Okunův zákon). Relativně stabilní vztah mezi těmito veličinami byl přerušen v roce
2007. Tato skutečnost byla prokázána provedením Chowových testů strukturální změny pro pozorování
v prvním a následně ve druhém čtvrtletí rok 2007. Odpovídající testové statistiky byly
postupně 3,2 (p-hodnota 0,05) a 6,1 (p-hodnota 0,00).
Dynamický Okunův zákonGraf č. 51:
Outputgap
– 4
– 2
– 3
– 1
0
1
2
3
4
– 2,5 – 2 – 1,5 – 1 – 0,5 0 0,5 1
2009 Q4
1996 Q1
2007 Q3
2008 Q4
Unemployment gap
Zdroj: vlastní výpočty
Příběh, který se za tímto vývojem skrývá, byl naznačen v předchozí části podkapitoly. Výsledkem
masivního růstu ekonomiky a s tím spojeného nedostatku zaměstnanců byl výrazný pokles míry
nezaměstnanosti. Ekonomická krize z konce roku 2008 takto nevyrovnaný trh práce vyčistila
a snížila inflační tlaky (reprezentované negativní mezerou nezaměstnanosti). Jak je možno vidět
na grafu č. 51, tuto tendenci lze chápat jako návrat k rovnovážné dynamice nezaměstnanosti.
VLIV EKONOMICKÝCH CYKLŮ NA STRUKTURÁLNÍ CHARAKTERISTIKY ČESKÉ EKONOMIKY 159
Shrnutí2.1.6.
Co říci závěrem? V této části kapitoly jsme se zaměřili na zhodnocení některých souvislostí spojených
s detailní analýzou průběhu hospodářského cyklu v české ekonomice. Hlavním záměrem
bylo prozkoumat dopady cyklického vývoje na strukturální změny ekonomiky. Výhodou námi
zvoleného modelového přístupu je použití velmi flexibilního a pragmatického makroekonomického
modelu. Hlavní myšlenky lze shrnout následovně:
s využitím našeho pragmatického modelu (úspěšně obohaceného o dynamiku nezaměstnanosti)
jsme byli schopni získat věrohodně odhady rovnovážných trajektorií klíčových makroekonomických
veličin. V zásadě jsme identifikovali tři období recese;
krize z konce roku 2008 významně ovlivnila jen některé ze strukturálních parametrů. Tyto parametry
jsou spojeny s vysokou mírou otevřenosti české ekonomiky a se změnami v dynamice
nezaměstnanosti a monetární politice. Nenašli jsme však žádný důkaz podporující tvrzení, že
by došlo ke strukturálním změnám v průběhu recese v letech 2003 až 2006;
náš model je schopen poskytnout rozumné krátkodobé předpovědi reálného výstupu a nezaměstnanosti.
Nejistota týkající se budoucího vývoje inflace a nominálních úrokových sazeb je
příliš vysoká, což je důsledek výrazných monetárních a nabídkových šoků;
je zřejmé, že globální ekonomická krize uvrhla českou ekonomiku na konci roku 2008 do výjimečně
hluboké recese, která však měla i „pozitivní“ efekt z hlediska korekce negativních tendencí
v dynamice nezaměstnanosti, které jsou vyjádřeny skrze negativní mezeru nezaměstnanosti.
160
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU 161
Měření mezery výstupu pro českou2.2.
ekonomiku pomocí novokeynesiánského
modelu
Keynesiánský pohled na hospodářské fluktuace je takový, že ekonomika se stále nachází pod
potenciální úrovní, což vyžaduje aktivní stabilizační politiku. Rozdíl mezi aktuální hodnotou
výstupu a potenciální úrovní se nazývá mezera výstupu. Jak potenciální výstup, tak i mezera
výstupu jsou nepozorovatelné veličiny, ale z hlediska ekonomické analýzy je velmi důležité je
měřit. Existuje několik přístupů, jak odhadnout potenciální produkt a tím pádem mezeru výstupu.
Některé z nich používají filtrační techniky, některé naopak používají modelový přístup
a považují modelovou rovnováhu s flexibilními cenami a mzdami za potenciál. Tento příspěvek
používá metodologii z práce Galí (2010b) a snaží se o odhad mezery výstupu pro českou ekonomiku
za použití novokeynesiánského modelu. Tato mezera výstupu je pak porovnána s mezerou
odhadnutou Hodrick-Prescottovým filtrem (1997), který používají stoupenci teorie reálného
hospodářského cyklu. Hlavní rozdíl spočívá v tom, že novokeynesiánská mezera výstupu
je záporná v celém sledovaném období, zatímco tradiční mezera výstupu fluktuuje kolem nuly.
Novokeynesiánská mezera výstupu může být rozložena na dvě části, které se týkají trhu statků
a trhu práce. Výsledky naznačují, že většina fluktuací pramení z trhu práce. Modelový přístup
také umožňuje vyvodit některé kvantitativní závěry pro blahobyt společnosti a tím pádem i doporučení
pro stabilizační politiku vlády.
V další části budou nejprve představeny hlavní modelové rovnice nutné pro výpočet mezery
výstupu a poté se podíváme na kalibraci strukturálních parametrů a výsledky odhadu. V další
sekci je provedena analýza citlivosti a implikace pro blahobyt. Příspěvek končí shrnutím a vyhlídkami
na další výzkum. Příloha detailněji popisuje použitá data.
Model2.2.1.
Model pochází z práce Galí (2010a) a navazuje na model vyvinutý v práci Erceg, Henderson
a Levin (2000), který je explicitně rozšířen o nezaměstnanost. Zde jsou prezentovány pouze hlavní
rovnice modelu, pro detailnější popis odkazuji na práce Galí (2010a) a Galí (2010b).
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU162
Firmy2.2.1.1.
Uvažujeme kontinuum výrobců na intervalu z∈[0,1], kteří prodávají diferencovaný produkt.
Každá firma používá stejnou technologii, kterou představuje produkční funkce
Yt(z) = AtNt(z)1−α
, (1)
kde At je úroveň technologie, která je společná pro všechny firmy, Nt(z) je poptávka po práci a α
je parametr klesajících výnosů z rozsahu výrobního faktoru práce.
Vzhledem k monopolistickému trhu může firma ovlivnit cenu statku, který prodává. Uvažujeme,
že ceny jsou strnulé a jsou modelovány podle konceptu navrženému Calvem (1983). Optimalizační
chování firem vede na standardní novokeynesiánskou Phillipsovu křivku.
Při absenci nominálních rigidit chce firma nastavit cenu jako přirážku k mezním nákladům,
které jsou definovány jako
.
Průměrná přirážka je definována jako
, (2)
což může být dále upraveno
, (3)
kde St je podíl práce nebo přesněji podíl odměn výrobnímu faktoru práce a celkového důchodu.
V logaritmech můžeme psát 2
. (4)
Domácnosti2.2.1.2.
Existuje reprezentativní domácnost, která se skládá z kontinua členů indexovaných na jednotkovém
intervalu (i,j)∈[0,1] × [0,1]. i-tý rozměr udává pracovní dovednost člena domácnosti a j-tý
rozměr označuje jeho záporný užitek z práce. Tento záporný užitek je dán výrazem χt jφ
,pokud je
pracovník zaměstnán a pokud není, je tato hodnota rovna nule. φ ≥ 0 je elasticita mezního záporného
užitku z práce a χt > 0 je exogenní preferenční šok. Předpokládáme dokonalé pojištění proti
riziku ztráty zaměstnání mezi členy domácnosti, takže všichni spotřebovávají stejné množství statků
bez ohledu na to, zda pracují nebo ne.
2 Logaritmus proměnné je označen malým písmenem. Toto značení je použito v celém příspěvku.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU 163
Užitek celé domácnosti je dán integrálem užitků všech jednotlivých členů
,
kde Ct je spotřeba a Nt(i) ∈ [0,1] je část členů s pracovní dovedností i, kteří jsou zaměstnáni
v období t.
Domácnost maximalizuje diskontovaný tok užitků
.
Vzhledem k sekvenci rozpočtových omezení
,
kde Pt je cena spotřebního statku, Wt (i) je nominální mzda pro pracovníka i, Bt představuje bezrizikovou
obligaci s dobou splatnosti jednoho období, která je nakoupena za cenu Qt , a nakonec
Πt je zisk firem, který domácnosti obdrží od firem v podobě např. dividend.
Pracovníci nabízejí svoje služby na trhu práce a mají možnost stanovit svou (nominální) mzdu.
Tento mechanismus je opět modelován podle Calva a jeho výsledkem je mzdová Phillipsova křivka.
Phillipsova křivka není v naší analýze tak důležitá, proto se zaměříme na zavedení nezaměstnanosti
do modelu.
Podmínky na trhu práce, na základě kterých se pracovníci rozhodují, můžeme vyjádřit pomocí
mzdy po pracovních dovednostech typu i. Pro člena domácnosti pak bude optimální vstoupit na
trh práce pokud
,
tzn. kdykoliv je reálná mzda za jeho pracovní dovednosti vyšší než jeho záporný užitek z práce,
který je vyjádřen v jednotkách spotřeby. Pro mezního pracovníka typu i (označeného Lt (i)) který
může být buď zaměstnaný, nebo nezaměstnaný, platí
. (5)
Pokud výše uvedený výraz zlogaritmujeme a zintegrujeme přes i, dostaneme
, (6)
kde je logaritmus pracovní síly (neboli agregátní míra participace) a je
průměrná mzda, opět vyjádřená v logaritmech, a xt je logaritmus ct.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU164
Míru nezaměstnanosti můžeme definovat (v logaritmech) jako3
. (7)
Podobně jako na trhu statků můžeme rovnici pro průměrnou přirážku vyjádřit jako
. (8)
Dosazením rovnice pro mzdovou přirážku (8) v logaritmech s definicí nezaměstnanosti (7) a rovnicí
pro participaci na trhu práce (6) můžeme dostat
. (9)
což je jednoduchý vztah mezi průměrnou přirážkou a mírou nezaměstnanosti: .
Rovnováha a mezera výstupu2.2.2.
Rovnovážná zaměstnanost a rovnovážný výstup mohou být vypočítány pomocí rovnic (2) a (8)
a podmínky vyčištění trhu Yt = Ct
, (10)
kde Mt ≥ 1 je celková přirážka Mt = Mt
P
Mt
W
.
Efektivní zaměstnanost a výstup jsou definovány s pomocí Mt = 1 následovně
. (11)
Mezera výstupu je pak definována jako rozdíl mezi skutečným a efektivním výstupem
(v logaritmech)
, (12)
kde μt
p
= log Mt
p
a μt
w
= log Mt
w
.
3 Tento výraz je aproximací výrazu (Lt − Nt) ⁄ Lt a platí celkem přesně vzhledem k tomu, že nezaměstnanost v České
republice nepřesáhla deset procent.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU 165
Data, kalibrace a výsledky2.2.3.
Pro odhad mezery výstupu potřebujeme pouze data ohledně míry nezaměstnanosti a podílu práce
a dále potom nakalibrovat dva strukturální parametry. Data jsou čtvrtletní a byla získána z databáze
Českého statistického úřadu, jejich detailnější popis lze nalézt v příloze. Parametr α může být
nakalibrován pomocí výrazu α = 1 − St Mt
p
. Data podílu práce a průměrná přirážka 15% implikují
velikost parametru α = 0,36. Parametr φ je inverzní hodnotou Frischovy elasticity nabídky práce.
Tento parametr je v ekonomické literatuře poměrně kontroverzní a je obtížné ho nakalibrovat. Za
základní hodnotu jsme zvolili φ = 3 která znamená, že Frischova elasticita je rovna 1/3.
Levá část grafu č. 52 zobrazuje odhadnutou novokeynesiánskou mezeru výstupu (NK gap)
společně s výstupem detrendovaným Hodrick-Prescottovým filtrem (HP gap). Hlavní rozdíl je
patrný – novokeynesiánská mezera výstupu je záporná v celém období, což znamená, že se ekonomika
nachází pod potenciální úrovní, zatímco detrendovaný výstup fluktuuje kolem nuly.
Korelace mezi těmito dvěma veličinami je poměrně nízká, pouze 0,4. Oba koncepty však zachytily
krizi v roce 1998, oživení a růst v letech 2005 až 2008 a následnou recesi. Novokeynesiánská
mezera výstupu je uprostřed sledovaného období vcelku neměnná a nenaznačuje oživení ekonomiky
po roce 2000. Také se zdá, že chování novokeynesiánské mezery výstupu je zpožděné.
Recese v roce 2002, kterou zachycuje Hodrick-Prescottův odhad, je v novokenesiánském
konceptu zachycena slabým poklesem až od roku 2004. Podobně můžeme zaznamenat oživení
ekonomiky ze současné krize v konceptu Hodrick-Prescotta, ale nikoliv v novokeynesiánském
odhadu mezery výstupu.
Mezery výstupu: porovnání a dekompoziceGraf č. 52:
1996 1998 2000 2002 2004 2006 2008 2010
– 8
– 6
– 4
– 2
0
2
4
6
1996 1998 2000 2002 2004 2006 2008 2010
– 7
– 6
– 5
– 4
– 3
– 2
– 1
0NK gap
HP gap
output gap
product market
labor market
Zdroj: vlastní výpočty
Použitím rovnice (12) můžeme mezeru výstupu rozdělit na příspěvky jednotlivých trhů – trhu statků
a trhu práce. Toto rozlišení je zobrazeno v pravé části grafu č. 52. Obrázek ukazuje, že většina
změn a fluktuací je způsobena neefektivnostmi na trhu práce. Mezera na trhu statků je poměrně
stálá a fluktuuje v rámci jednoho procentního bodu. Přispívá tak pouze k úrovňovému posunu
celkové mezery výstupu. Korelační koeficienty mezi mezerou výstupu a mezerou na trhu statků
a mezerou na trhu práce jsou v uvedeném pořadí 0,61 a 0,97. Z výše uvedeného můžeme vyvodit,
že neefektivnost na trhu práce, pramenící z existence nezaměstnanosti, je hlavním zdrojem velké
(a záporné) mezery výstupu a jejích fluktuací.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU166
Analýza citlivosti2.2.4.
V této sekci se podíváme, jak jsou výsledky citlivé na různé hodnoty strukturálních parametrů.
Parametr α, který se vztahuje k pracovní intenzitě produkční funkce, je nastaven na následující
hodnoty: 0,28, 0,36 a 0,45 což implikuje průměrné přirážky 30%, 15% a 0 %.4
Výsledky toho
cvičení jsou ukázány v levé části grafu č. 53. Rozdíly jsou pouze v úrovni mezery výstupu. Menší
hodnota parametru α, což znamená více pracovně náročná produkce, má za důsledek větší (více
zápornou) mezeru výstupu.5
Tento výsledek je intuitivní, protože s větším zapojením práce do
produkce mají distorze na pracovním trhu větší vliv na výrobu a mezeru výstupu. Naopak pokud
je práce používána méně (vyšší α), je mezera výstupu na začátku období téměř uzavřena. Avšak
hodnota α = 0,45 je konzistentní s nulovou přirážkou, což není příliš realistické.
Mezera výstupu: různá kalibrace parametrůGraf č. 53:
1996 1998 2000 2002 2004 2006 2008 2010
– 10
– 9
– 8
– 7
– 6
– 5
– 4
– 3
– 2
– 1
0
1996 1998 2000 2002 2004 2006 2008 2010
– 8
– 7
– 6
– 5
– 4
– 3
– 2
– 1
0 = 1
= 3
= 10
= 0,28
= 0,36
= 0,45
SA wrt SA wrt
Zdroj: vlastní výpočty
Další analýza citlivosti se vztahuje k parametru φ. Jeho hodnota je nastavena na 1, 3 a 10, což
implikuje Frischovu elasticitu nabídky práce 1, 1/3 a 1/10.6
Výsledky jsou zobrazeny v pravé části
grafu č. 53. Rozdílné hodnoty parametru φ neznamenají pouze posun úrovně mezery výstupu,
ale i mírnou změnu v jejím tvaru. Vyšší φ, což znamená méně elastickou nabídku práce, způsobuje
menší a hladší mezeru výstupu. Intuice je následující. Méně elastická nabídka práce při dané
mzdové přirážce implikuje nižší nezaměstnanost a tím pádem menší mezeru výstupu.
Tato analýza ukázala, že mezera výstupu je z hlediska úrovně poměrně citlivá na změny v parametrech.
Mezera se může lišit od původního výsledku až o tři procentní body v závislosti uvažovaném
parametru.
Důsledky pro blahobyt2.2.5.
Díky tomu, že vypočítaná mezera výstupu vychází z modelového konceptu, můžeme vyvodit důsledky
pro blahobyt ekonomických subjektů.
4 Základní hodnota parametru α byla 0,36. Parametr φ je ponechán na hodnotě 3.
5 Připomeňme, že index v produkční funkci je (1 − α).
6 Parametr α je nastaven na základní hodnotu 0.36.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU 167
Můžeme vypočítat ztráty užitku jako odchylky od efektní alokace (nejlepšího řešení) pomocí
vztahu
Další vzorec vyjadřuje ztrátu užitku pramenící z fluktuací okolo daného ustáleného stavu
Graf č. 54 ukazuje ztráty užitky pro různé hodnoty parametru φ a tabulka č. 68 obsahuje průměry
za sledované období. Ztráty blahobytu jsou vyjádřeny jako procentní podíl spotřeby v ustáleném
stavu. Je třeba podotknout, že analýza blahobytu neuvažuje distorze způsobené inflací, takže uvedené
hodnoty by měly být považovány za dolní hranice ztrát. Jinými slovy, skutečné ztráty blahobytu
mohou být vyšší.
Ztráty užitku pro různé hodnoty parametruGraf č. 54: φ
0
0,5
1
1,5
2
2,5
1996 1998 2000 2002 2004 2006 2008 2010
φ = 1
φ = 3
φ = 10
Utility loss
Zdroj: vlastní výpočty
Ztráty užitkuTabulka č. 68:
φ = 1 φ = 3 φ = 10
0,7048 0,9033 1,5803
0,0172 0,0405 0,1325
Zdroj: vlastní výpočty
Výsledky ukazují, že průměrná ztráta užitku pro základní kalibraci modelu je kolem jednoho procenta
spotřeby v ustáleném stavu, To je poměrně méně než ztráty uvedené v Galího (2010b) práci
pro Spojené státy a Eurozónu, které činí 1,23% a 2,76 %.7
7 Je nutné poznamenat, že Galí používá jiné základní hodnoty strukturálních parametrů, a to: α = 0,25 a φ = 5.
MĚŘENÍ MEZERY VÝSTUPU PRO ČESKOU EKONOMIKU POMOCÍ NOVOKEYNESIÁNSKÉHO MODELU168
Druhý řádek tabulky 1 ukazuje ztráty blahobytu, které plynou pouze z fluktuací okolo daného
ustáleného stavu. Tyto ztráty jsou mnohem menší, nedosahují ani 0,05% pro základní kalibraci.
Z toho vyplývá, že hospodářská politika by se neměla zaměřovat na eliminaci fluktuací, ale na eliminaci
celkové neefektivnosti, která je vyjádřena mezerou výstupu.
Závěr2.2.6.
Tento příspěvek měřil mezeru výstupu pro českou ekonomiku za pomocí rozšířeného novokeynesiánského
modelu. Proti tradičnímu měřítku – detrendovanému výstupu – je tato mezera výstupu
záporná v celém období. Výsledky ukazují, že většina neefektivností a fluktuací pramení z trhu
práce. Distorze na trhu statků přispívají především k úrovňovému posunu mezery a nikoliv k její
variabilitě. Průměrné ztráty užitku plynoucí z existence mezery výstupu jsou téměř jedno procento
spotřeby v ustáleném stavu. Ztráty blahobytu však mohou být daleko vyšší kvůli nejistotě ohledně
strukturálních parametrů a kvůli inflačním distorzím, které jsme v naší analýze neuvažovali.
Tento problém je předmětem dalšího výzkumu. Závěry plynoucí pro hospodářskou politiku jsou
jednoznačné. Nikoliv eliminace fluktuací výstupu okolo ustáleného stavu, ale eliminace celé mezery
výstupu je žádoucím cílem hospodářské politiky.
Příloha2.2.7.
Výpočet podílu práce vychází z publikace Kehoe a Prescott (2007). Jsou použita čtvrtletní data
národních účtů z Českého statistického úřadu (ČSÚ). Důchodový přístup k měření HDP rozděluje
domácí produkt na tři části: náhrady zaměstnancům, čisté daně z výroby a z dovozu a hrubý
provozní přebytek a smíšený důchod. Podíl práce (St) je vypočítán jako náhrady zaměstnancům
děleno HDP očištěný o nejednoznačné kategorie, což jsou čisté nepřímé daně a čistý smíšený důchod
domácností.8
podíl práce =
náhrady zaměstnancům
HDP – čisté nepřímé daně a čistý smíšený důchod domácností
Čtvrtletní data byla dostupná z Českého statistického úřadu pouze pro období 1999Q1 do
2009Q4. Data pro období 1996 až 1998 byla získána z ročních národních účtů a interpolována
na čtvrtletní pomocí lineární interpolace.9
Data pro nezaměstnanost jsou vypočítána podle metodiky Mezinárodní organizace práce (ILO).
Jsou převzata z databáze ČSÚ a sezónně očištěna metodou TRAMO/SEATS.
8 Čisté nepřímé daně jsou vypočítány jako daně z produkce a importů mínus dotace. Čistý smíšený důchod je
vypočítán jako Hrubý provozní přebytek a smíšený důchod mínus spotřeba fixního kapitálu.
9 Byl použit algoritmus implementovaný v Matlabu.
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI 169
Strukturální rozdíly v DSGE modelu2.3.
s nominálními rigiditami
Tato podkapitola se týká zkoumání toho, jestli existují nějaké strukturální rozdíly mezi českou
ekonomikou a eurozónou. Zkoumání strukturálních odlišností je důležitou oblastí makroekonomického
výzkumu, protože strukturální rozdíly hrají důležitou roli při posuzování potenciálních
přínosů a nákladů společné měny. Velké množství ekonomického výzkumu je věnováno roli asymetrických
šoků. V případě asymetrických šoků v měnové unii, aplikovaná stabilizační monetární
politika může být pro některé země suboptimální. Toto je jedním z poznatků teorie optimální
měnové oblasti. Existuje však i jiné vysvětlení, proč může být společná měnová politika pro některé
země suboptimální, a to i v případě symetrických šoků. Pokud existují nějaké strukturální
odlišnosti mezi zeměmi se společnou měnovou politikou, pak tyto odlišnosti resultují v odlišné
chování těchto ekonomik při reakci na nějaký druh exogenního šoku. Monetární politika, která
reaguje na tyto šoky, pak může mít různé efekty v různých zemích, a proto může být pro některé
z nich suboptimální.
Předchozí výzkum na tomto poli zahrnuje článek Jondeau a Sahuc (2005), kteří testovali strukturální
odlišnosti v eurozóně. Další související prací je Kolasa (2008), kde jsou zkoumány strukturální
odlišnosti mezi Polskem a eurozónou.
Cílem této podkapitoly je prozkoumat strukturální rozdíly mezi českou ekonomikou a eurozónou
v kontextu monetární politiky. Pro tento účel použijeme novokeynesiánský DSGE model
malé otevřené ekonomiky od autorů Justiniana a Prestona (2008). Model vychází z prací Galí
a Monacelli (2005) a Monacelli (2005), kde byl vyvinut elegantní model malé otevřené ekonomiky
s cenovými rigiditami modelovanými ala Calvo, viz Calvo (1983). Druhý z nich rozšiřuje
předchozí zavedením rigidity v cenách importovaného zboží, která vede k tomu, že může vznikat
odchylka od zákona jedné ceny a tudíž se změny cen plně neodráží ve změnách směnného kurzu.
Dalším rozšířením byla práce Justiniano a Preston (2009), kteří rozšířili tento koncept o zvyky ve
spotřebě, cenovou indexaci a rizikovou prémii na trhu s dluhopisy. Model Justiniana a Prestona,
který je použit v této podkapitole, rozšiřuje předchozí o zavedení mzdové rigidity modelované ala
Calvo, viz Calvo (1983).
Za strukturální rozdíly můžeme v kontextu DSGE modelů považovat významné rozdíly v hodnotách
některých strukturních parametrů. Proto konkrétním cílem této podkapitoly je prozkoumat,
jestli existují nějaké významné rozdíly v hodnotách některých strukturních parametrů.
Zkoumanými parametry jsou inverzní elasticita mezičasové substituce σ, inverzní elasticita nabídky
práce φ, elasticita substituce mezi domácím a zahraničním zbožím η a parametr zvyků ve spotřebě
h. Rozdíl v hodnotě parametrů budeme považovat za významný, pokud datový fit modelů,
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI170
které uvažují rozdílnou hodnotu těchto parametrů v ČR a EA, je lepší než datový fit modelů se
společnou hodnotou těchto parametrů. Měřítkem datového fitu je Bayesův faktor, počítaný z věrohodnostních
funkcí, obdržených při bayesiánském odhadu.
Zbytek podkapitoly je organizován následovně. Část 2.3.1 shrnuje předpoklady a vlastnosti modelu,
stejně jako jeho log-linearizovanou verzi. Část 2.3.2 se věnuje bayesiánskému odhadu a porovnání
jednotlivých modelů. Část 2.3.3 shrnuje výsledky.
Model2.3.1.
Odvození modelu z mikrozákladů lze najít v Justiniano a Preston (2006). Model je v log-linearizované
podobě, takže všechny proměnné jsou ve formě logaritmovaných odchylek od jejich stálého
stavu, formálně xt = logXt − logX, kde X je hodnota ve stálém stavu. Proměnné (parametry)
s horním indexem (dolním indexem) * platí pro zahraniční ekonomiku (EA).
Domácí blok2.3.1.1.
Log-lineární aproximace Eulerovy rovnice pro mezičasové rozhodování tuzemských domácností
je ve tvaru
, (1)
kde ct , it, πt je spotřeba, nominální úroková míra a inflace v období t, Et značí očekávání v období
t, h je parametr zvyků ve spotřebě, σ je inverzní elasticita mezičasové substituce ve spotřebě
a εg,t je preferenční šok v období t, který je ve tvaru AR1 procesu. Podmínka vyčištění trhu
zboží vyžaduje
, (2)
kde yt , yt
*
, st značí domácí a zahraniční produkci a směnné relace v období t, α je parametr otevřenosti
domácí ekonomiky, η, η*
jsou elasticity substituce mezi domácím a zahraničním zbožím
v domácí, resp. zahraniční ekonomice a ψF, t je odchylka od zákona jedné ceny definovaná jako
,
kde et je nominální směnný kurz, pt
*
je zahraniční cenový index a pF,t je cenový index importovaného
zboží. Směnné relace St jsou definovány standardně jako St = PF,t /PH,t a po log-linearizaci
a časové diferenciaci dostaneme
(3)
kde πF,t je inflace importovaného zboží a πH,t je inflace domácího zboží. Směnné relace st, odchylka
od zákona jedné ceny ψF,t a reálný směnný kurz qt jsou spojeny v identitě
(4)
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI 171
Firmy maximalizují svoje zisky vzhledem ke svým poptávkovým omezením a vzhledem ke Calvovu
omezení na frekvenci cenových změn. Podle Calvova omezení může v každém období pouze podíl
1 − θH výrobců nastavit svoje ceny optimálně, zatímco podíl θH výrobců upraví svoji cenu podle
indexačního pravidla logPH,t (i) = logPH,t−1 (i) + δH πH,t−1 . Výsledkem optimálního nastavování
cen firmami je novokeynesiánská Phillipsova křivka pro vývoj inflace domácího zboží
(5)
kde , , θH je parametr cenových
strnulostí u domácích firem, δH je parametr cenové indexace u domácích firem, β je diskontní faktor,
wt je reálná mzda, εa,t je technologický šok v domácí ekonomice ve formě AR1 procesu, εch,t
je nákladový šok firem ve formě IID procesu, přidaný pro účely odhadu, εp je elasticita substituce
mezi domácím zbožím a , kde f je produkční funkce firem.
Importéři maximalizují svoje zisky vzhledem ke svým poptávkovým omezením a vzhledem ke
Calvovu omezení na frekvenci cenových změn. Podle Calvova omezení může v každém období
pouze podíl 1 − θF importérů nastavit svoje ceny optimálně, zatímco podíl θF importérů upraví
svoji cenu podle indexačního pravidla . Výsledkem optimálního
nastavování cen importéry je novokeynesiánská Phillipsova křivka pro vývoj inflace importovaného
zboží
(6)
kde , θF je parametr cenových strnulostí u importérů, δF je parametr
cenové indexace u importérů, εcf,t je nákladový šok importérů ve formě AR1 procesu.
Domácnosti maximalizují svoji užitkovou funkci vzhledem k poptávkovým omezením po své
práci a vzhledem ke Calvovu omezení na frekvenci mzdových změn. Podle Calvova omezení,
může v každém období pouze podíl 1 − θw domácností nastavit svoje ceny optimálně, zatímco
podílθw domácnostíupravísvojicenupodleindexačníhopravidla .
Výsledkem optimálního nastavování mezd domácnostmi je novokeynesiánská Phillipsova křivka
pro vývoj mzdové inflace
, (7)
kde
,
,
θw je parametr mzdových strnulostí v domácí ekonomice, δw je parametr mzdové indexace v domácí
ekonomice, φ je inverzní elasticita nabídky práce, εl,t je šok v nabídce práce ve formě AR1
procesu. Cenová inflace, mzdová inflace a reálná mzda jsou spolu spojeny v identitě
wt = πt
w
− πt − wt − 1 . (8)
Směnné relace, inflace domácího zboží a celková inflace v domácí ekonomice jsou spolu spojeny
v identitě
πt = πH,t + αΔst . (9)
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI172
Podmínka nekryté úrokové parity implikuje
, (10)
kde χ je elasticita zahraniční úrokové míry vzhledem k dluhu, εs,t je šok v rizikové prémii a αt je
logaritmus čisté reálné držby zahraničních aktiv jako podíl na stálém stavu domácí produkce, který
musí splňovat sadu rozpočtových omezení ve formě
. (11)
Domácí blok modelu je doplněn monetárním pravidlem pro vývoj domácí nominální úrokové
sazby, ve formě modifikovaného Taylorova pravidla
, (12)
kde ρi je zpět hledící parametr pro úrokovou sazbu, ψπ je elasticita úrokové sazby vzhledem k inflaci,
ψy je elasticita úrokové sazby vzhledem k domácímu výstupu a εM,t je monetární šok ve formě
IID procesu.
Zahraniční blok2.3.1.2.
Zahraniční blok je uzavřenou verzí bloku prezentovaného výše. Všechny parametry, resp. proměnné,
mají stejnou interpretaci jako ty v domácí ekonomice a od těch v domácí ekonomice jsou
odlišeny dolním indexem, resp. horním indexem „*“.
Mezičasové rozhodování zahraničních domácností o spotřebě je popsáno Eulerovou rovnicí
(13)
Nastavování cen zahraničními firmami je popsáno cenovou Phillipsovou křivkou
, (14)
kde , . Nastavování mezd zahraničními
domácnostmi je popsáno mzdovou Phillipsovou křivkou
, (15)
kde
,
.
Inflace, mzdová inflace a reálná mzda v zahraniční ekonomice jsou spolu spojeny v identitě
(16)
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI 173
Zahraniční blok modelu je doplněn monetárním pravidlem pro vývoj zahraniční úrokové míry, ve
formě modifikovaného Taylorova pravidla
. (17)
Estimace2.3.2.
Data2.3.2.1.
Jedná se o čtvrtletní časové řady ČR a EA12 z období od 1. čtvrtletí 1999 do 4. čtvrtletí 2009.
Všechny časové řady byly převzaty z datové databáze Eurostatu, http://ec.europa.eu/eurostat:
yt , yt
*
: detrendovaná data (pomocí HP filtru) logaritmu reálného HDP na obyvatele (v procentech).
Měřítkem HDP byla řada „Gross Domestic Product at Market Prices, Millions of National
Currency, Chain-linked Volumes, Reference Year 2000 (including ‚euro fixed‘ series for euro
area countries), Seasonally Adjusted and Adjusted Data by Working Days“, měřítkem populace
byla řada „Total Population“.
πt , πt
*
: odprůměrovaná data mezičtvrtletní míry inflace (v procentních bodech). Za podkladový
index pro výpočet inflace byl zvolen „HICP (2005=100), All Items“. Sezónně očištěn pomocí
funkce dseasq využívající kalman smoother.
πt
w
, πt
w*
: odprůměrovaná data mezičtvrtletní míry mzdové inflace (v procentních bodech). Za
podkladový index pro výpočet mzdové inflace byl zvolen „Labour Cost Index (2000 = 100) –
Wages and Salaries, Industry and Services (excluding Public Administration), Seasonally Adjusted
and Adjusted Data by Working Days“. Tento index končí ve 4. čtvrtletí 2008, takže poslední čtyři
hodnoty byly dopočítány z „Labour Cost Index (Nace Rev.2) (2008 = 100) – Wages and Salaries,
Business Economy, Seasonally Adjusted and Adjusted Data by Working Days“.
it , it
*
: odprůměrovaná data nominální úrokové míry. Měřítkem byla řada „Money Market
Interest Rates, 3-Month Rates“.
qt: detrendovaná data (pomocí HP filtru) logaritmu reálného směnného kurzu. Za měřítko nominálního
směnného kurzu pro ČR (v přímém vyjádření) byla vzata řada „Euro/ECU Exchange
Rates – Quarterly Data, Average, National Currency (including ‚euro fixed‘ series for euro area
countries), Czech Koruna“.
st: detrendovaná data (pomocí HP filtru) logaritmu směnných relací. Za měřítko exportních
cen byla vzata řada „Exports of Goods and Services, Seasonally Adjusted and Adjusted Data by
Working Days, Price index, 2000 = 100, Based on National Currency (including ‚euro fixed‘ series
for euro area countries)“, za měřítko importních cen byla vzata řada „Imports of Goods and
Services, Seasonally Adjusted and Adjusted Data by Working Days, Price index, 2000 = 100,
Based on National Currency (including ‚euro fixed‘ series for euro area countries)“.
Odhady parametrů2.3.2.2.
Model obsahuje 21 endogenních proměnných,
v domácí ekonomice a v ekonomice zahraniční. Model také obsahuje
8 AR1 procesů pro exogenní šoky a 4 šoky ve formě IID procesů
. Model obsahuje 45 parametrů. Kromě parametrů a εw ,
které byly nakalibrovány na hodnoty 0,99; 0,01; 0,33; 8,0 a 8,0, byly všechny parametry odhadnuty
použitím Metropolis-Hastings algoritmu (za využití Dynare toolboxu pro Matlab).
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI174
Porovnání modelů2.3.2.3.
Porovnání modelů je založeno na Bayesově faktoru (BF).10
Bayesův faktor modelu i a j (BFMi/Mj) je
bayesiánská statistika počítaná z věrohodnostní funkcí (obdržených při bayesovské estimaci) jako
, (18)
kde p(Yt |Mi) je věrohodnostní funkce modelu i. Ukazuje nám o kolik pravděpodobnější je model
i než model j. DeJong a Dave (2007), na str. 242 své učebnice ukazují interpretaci hodnot
Bayesova faktoru:
1–3 – „velmi slabý důkaz (very slight evidence)“,
3–10 – „slabý důkaz (slight evidence)“,
10–100 – „silný až velmi silný důkaz (strong to very strong evidence)“,
100 a více – „přesvědčivý důkaz (decisive evidence)“.
Tato interpretace nám udává, jak silný důkaz hodnoty Bayesova faktoru přináší o tom, jestli model
i vysvětluje data lépe než model j. Je zřejmé, že platí BFMi/Mj = 1/BFMi/Mj.
V tabulka č. 69 můžeme vidět logaritmy věrohodnostní funkce, tj. log(p(Yt|Mi)), pro jednotlivé
varianty.
Logaritmy věrohodnostních funkcíTabulka č. 69:
1. σ = σ* , φ = φ* a η = η*
−691,222798
2. σ = σ* a η = η*
−691,375839
3. φ = φ*
−691,500180
4. η = η*
−691,800352
5. σ = σ*
−691,827470
6. σ = σ* a φ = φ*
−691,867310
7. baseline model −692,006674
8. φ = φ* a η = η*
−692,216472
9. φ = φ* a η = η* a h = h*
−692,289510
10. η = η* a h = h*
−693,006285
11. h = h*
−693,215362
12. φ = φ* a h = h*
−693,436047
13. σ = σ* , η = η* a h = h*
−693,593572
14. σ = σ* , φ = φ* a h = h*
−693,690033
15. σ = σ* a h = h*
−693,795436
16. σ = σ* , φ = φ* a η = η* a h = h*
−694,008586
Zdroj: vlastní výpočet
10 Bayesův faktor je specifickým případem Posteriorního podílu šancí (PO), kdy jsou apriorní pravděpodobnosti
porovnávajících modelů nastaveny jako stejné. Termíny „Bayesův faktor“ a „Posteriorní podíl šancí“ jsou často
používány zaměnitelně.
STRUKTURÁLNÍ ROZDÍLY V DSGE MODELU S NOMINÁLNÍMI RIGIDITAMI 175
Jednotlivé modelové varianty jsou v tabulce č. 69 seřazeny od nejlepší k nejhorší co se týče modelového
porovnání pomocí Bayesova faktoru. Pro parametry σ, φ a η nevidíme žádný jasný výsledek,
takže můžeme říct, že neexistuje žádný velký rozdíl v tom, modelovat σ, φ a η jako stejné
nebo jako rozdílné pro českou ekonomiku a eurozónu. Kvůli tomu můžeme doporučit modelovat
tyto parametry jako společné pro obě ekonomiky. Pro parametr h vidíme jasný výsledek, že nejlepších
osm variant jsou varianty s h různým v obou ekonomikách a nejhorších osm variant jsou
varianty s h společným pro obě ekonomiky. Můžeme si spočítat Bayesovy faktory pro ty dvojice
modelů, které se liší pouze předpokladem o h. V čitateli Bayesova faktoru bude varianta s h odlišným
a ve jmenovateli varianta s h společným.
Můžeme říct, že ve většině případů máme slabý důkaz a v jednou případě silný důkaz, že umožnění
parametru zvyků ve spotřebě h být odlišný pro ČR a EA12 významně zvyšuje datový fit
modelu. Můžeme proto doporučit modelovat ho jako odlišný pro ČR a EA12. Můžeme také argumentovat,
že existuje významný rozdíl v české ekonomice a eurozóně, týkající se zvyků ve spotřebě.
Parametr zvyků ve spotřebě h se objevuje v Eulerově rovnici pro mezičasové rozhodování
domácností, takže ovlivňuje to, jakým způsobem bude spotřeba (a tedy i výstup) reagovat na změny
v reálné úrokové sazbě a na preferenční šok. Výsledky naznačují, že bude existovat významný
rozdíl v tom, jak budou obě ekonomiky reagovat na změnu v reálné úrokové sazbě a jak budou
tyto ekonomiky reagovat na preferenční šok.
Závěr2.3.3.
Zkoumali jsme, zda existují nějaké strukturální rozdíly mezi českou ekonomikou a eurozónou.
Zjistili jsme, že existuje významný rozdíl ve zvycích ve spotřebě h. To ovlivňuje chování výstupu
v reakci na preferenční šok a na změnu v reálné úrokové sazbě. Můžeme také doporučit modelovat
parametr zvyků ve spotřebě h jako odlišný pro českou ekonomiku a eurozónu.
176
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU 177
Fiskální (ne)zodpovědnost zemí EU2.4.
11
Zkoumání výše strukturálního salda veřejných financí (potažmo státního rozpočtu) jako určitého měřítka
pro určení fiskální zodpovědnosti jednotlivých zemí je populární oblastí makroekonomického výzkumu.
Od roku 2000 je každoročně publikována studie Evropské komise, viz European Commission
(2009), kde jsou zveřejněny odhady strukturálních sald veřejných financí zemí EU. Mezi další studie,
které zkoumají strukturální salda větší skupiny zemí, patří např. Girouard a André (2005), kteří zkoumali
strukturální salda 24 vybraných zemí OECD (metoda OECD) nebo Bouthevillain a kol. (2001),
kteří odhadovali strukturální salda pro země EU (metoda ECB). Alberola a kol. (2003) argumentují,
že metoda ECB systematicky nadhodnocuje strukturální saldo během recesí a podhodnocuje během
konjunktury. Larch a Turrini (2009) se věnují hlavním nedostatkům metody ECB a udávají návrhy na
jejich řešení. Alternativním návrhem pro výpočet strukturálního salda je studie Brandner a kol. (1998),
která odhaduje strukturální salda zemí EU a kde autoři navrhují odhadovat strukturální saldo čistě technicky,
pomocí trendových vyhlazovacích metod. Dále existuje mnoho studií, které zkoumají strukturální
salda pro určitou zemi nebo malou skupinu zemí. Pro Českou republiku byla strukturální salda
zkoumána ve studii Schneider a Krejdl (2000), kteří odhadovali strukturální salda pomocí tří metod,
které nazývají jako model -konvergence, metodu časového trendu a metoda využívající HP filtr. Další
studií zaměřenou na ČR byla studie Bezděk a kol. (2003), kteří zkoumali strukturální salda veřejných
rozpočtů ČR pomocí metody OECD a metody ECB. Braconier a Holden (1999) navrhují alternativní
metodu pro odhad strukturálního salda založenou na rozložení změny v celkovém saldu veřejných financí
na diskreční změny a ekonomické změny. Tuto metodu pak aplikují na salda veřejných rozpočtů
severských zemí. Braconier a Forsfält (2004) v aplikaci na švédskou ekonomiku navrhují novou metodu
pro odhad strukturálního salda, která strukturální saldo přizpůsobuje změnám v daňovém základu
a mezeře nezaměstnanosti. Další metodu navrhují Kiss a Vadas (2004), kteří v aplikaci na Maďarsko
v podstatě kombinují metodu ECB a metodu OECD a nazývají ji jako production function – constrained
multivariate HP filter method. Brunila a kol. (1999) zkoumali strukturální salda veřejných rozpočtů
Finska za pomoci tří metod, metody využívající HP filtr, metody založené na produkční funkci
a Blanchardovy metody. Grundiza a kol. (2005) používají metodu OECD a metodu ECB k odhadu
strukturálního salda státního rozpočtu Lotyšska. Kattai a kol. (2003) používají dvoukrokovou metodu
k odhadu strukturálního salda veřejných financí Estonska, založenou na odhadech citlivosti jednotlivých
částí veřejných rozpočtů na produkční mezeru. Kaniovski a kol. (2008) odhadují strukturální saldo
veřejných financí Rakouska pomocí metody založené na odhadu produkční funkce.
11 Tato podkapitola byla původně publikována jako článek v časopise Ekonomická Revue – Central European Review of
Economic Issues, ročník 13, číslo 3, s. 129–135, Ostrava: VŠB-TUO, Ekonomická fakulta, 2010. ISSN 1212-3951.
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU178
Všechny tyto studie odhadují strukturální saldo veřejných financí pro jednotlivé roky zvlášť. Převážná
část těchto studií se také věnuje pouze jedné zemi, případně malé skupině zemí. Metoda použitá v této
práci je zaměřena na odhad průměrné výše strukturálního salda za sledované období a zkoumá 22 zemí
EU. U všech citovaných prací by šlo získat odhad průměrné výše strukturálního salda prostým zprůměrováním
výsledků za jednotlivé roky, nicméně tyto studie často obsahují odhad pouze pro několik předcházejících
let, a proto by tento závěr nebyl nikterak vypovídající o fiskální zodpovědnosti během delšího
časového období. Podle autorových dosavadních znalostí je tento článek první prací, která se pokouší
přímo odhadovat průměrnou výši strukturálního salda veřejných financí za delší časové období.
Cílem práce je odhadnout průměrné strukturální saldo veřejných financí a určit, které země
Evropské unie byly v posledních 14 letech fiskálně zodpovědné a které ne. Za tímto účelem je
navržena regresní rovnice závislosti salda veřejných rozpočtů na hospodářském cyklu a na setrvačnosti
ve vývoji tohoto salda. Je zkoumáno, jak tato rovnice odpovídá makroekonomickým datům
zemí Evropské unie. Fiskální zodpovědnost je pak posuzována pouze na základě odhadu průměrné
výše strukturálního salda veřejných financí těchto zemí ve zkoumaném období.
Saldo veřejných rozpočtů a ekonomická teorie2.4.1.
Ekonomická teorie, viz např. Samuelson (1995), nám o vztahu hospodářského cyklu a veřejných
rozpočtů tvrdí, že v recesi se díky poklesu příjmů firem a domácností propadají daňové příjmy veřejných
rozpočtů a naopak některé výdaje veřejných rozpočtů (typicky sociální výdaje) mají zase
tendenci růst. V dobách hospodářské konjunktury se zase naopak zvyšují zisky firem, což vede
k většímu daňovému výnosu veřejných rozpočtů, které také v době konjunktury ušetří na některých
sociálních výdajích. V recesi se také snižují počty firem na trzích, zatímco v konjunktuře se
jejich počty zvyšují, což také způsobuje výkyvy v daňových příjmech. Lze se proto domnívat, že
vývoj veřejných financí bude ovlivněn vývojem hospodářského cyklu tak, že v recesi by se saldo
veřejného rozpočtu mělo zhoršovat a v konjunktuře naopak zlepšovat.
Dále platí, že velká část veřejných výdajů zemí EU má povahu mandatorních výdajů, k jejichž
změně je zapotřebí legislativní proces, který může být v prostředí rozvinutých demokratických
zemích velmi zdlouhavý. Lze se proto domnívat, že ve vývoji veřejných financí bude patrný setrvačný
vývoj, který bude znamenat to, že výše současného salda bude pozitivně závislá na jeho
vývoji v předchozím roce.
Regresní model2.4.2.
Vývoj salda veřejných financí12
prozkoumáme jednoduchou lineární regresní rovnicí. Výše jsme naznačili,
jak jsou salda veřejných rozpočtů ovlivněna hospodářským cyklem. Vývoj hospodářského
cyklu bude jedním z regresorů a budeme jej aproximovat odchylkou od průměrného tempa růstu
HDP.13
Jak jsme dále uvedli, měla by existovat závislost vývoje salda veřejných financí na své hodno-
12 Jelikož hodně zemí používá různé mimorozpočtové fondy, které znemožňují srovnání salda státního rozpočtu mezi
jednotlivými zeměmi, bylo za vysvětlovanou proměnnou zvoleno saldo veřejných financí.
13 Obvyklejším způsobem modelování hospodářského cyklu je použití produkční mezery, tj. odchylky od potenciálního
produktu. Autor tuto variantu zkoumal též, přičemž produkční mezeru odhadl použitím HP filtru, nicméně
její použití vedlo ke špatným výsledkům. Odhady měly pro většinu zemí daleko nižší koeficient determinace
a parametry b1 a b2 vyšly u některých zemí záporné, což jde proti použité úvaze při konstrukci modelu. Dá se také
argumentovat, že v našem modelu je použití aproximace pomocí odchylek temp růstu vhodnější, jelikož politický
proces schvalování rozpočtu je typický tím, že se v návrzích rozpočtu operuje s odhady temp růstu HDP (namísto
odhadu produkční mezery). Dalo by se tedy říci, že vývoj rozpočtových deficitů bude díky politickému procesu
tvorby a schvalování rozpočtu více záviset na odchylkách v tempech růstu než na produkční mezeře.
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU 179
tě v předchozím období a proto by dalším z regresorů měla být také zpožděná hodnota vysvětlované
proměnné, tj. salda veřejných financí. Jestliže chceme odhadnout průměrné strukturální saldo veřejných
financí, měla by dalším regresorem být také konstanta. Regresní rovnice je tedy tvaru
deft = b0 + b1 yt + b2 deft −1 + et , (1)
kde deft značí saldo veřejných rozpočtů jako procento HDP, yt označuje odchylku od průměrného
tempa růstu HDP, et je náhodný šok, b0 je konstanta, b1 můžeme interpretovat jako parametr
citlivosti salda veřejných financí na odchylku hospodářského cyklu a b2 jako parametr závislosti
salda veřejných financí na své předchozí hodnotě.
Data2.4.3.
Roční data zemí EU byla převzata z datové databáze Eurostatu, http://ec.europa.eu/eurostat.
U Dánska, Estonska, Španělska, Francie, Itálie, Lotyšska, Rakouska, Slovinska, Slovenska, Finska,
Švédska a Velké Británie se jedná o data od roku 1995 do roku 2009. U Belgie, ČR, Polska,
Portugalska, Německa, Irska, Lucemburska, Litvy, Maďarska a Nizozemí se jedná data od roku
1996 do roku 2009. U ostatních zemí EU nebyly v této databázi k dispozici odpovídající časové
řady, případně byly tyto časové řady příliš krátké. Autor si je vědom toho, že i zkoumané časové
řady jsou pro serióznější analýzu příliš krátké. Bohužel se mu nepodařilo sehnat delší časové řady,
a proto musí pracovat pouze s tím, co je k dispozici.
Měřítkem deft bylo zvoleno: Government Deficit/Surplus, Debt and Associated Data,
Percentage of GDP, General Government, Net Lending (+)/Net Borrowing (–) under the EDP
(Excessive Deficit Procedure).
Měřítkem yt je odchylka od průměrného tempa růstu HDP, měřítkem tempa růstu zvoleno:
GDP and Main Components – Volumes, Percentage Change on Previous Period, Gross Domestic
Product at Market Prices.
Odhad parametrů2.4.4.
Odhad parametrů byl proveden metodou OLS za použití matematického softwaru Matlab.
Odhad parametrů, jejich statistická významnost, koeficienty determinace a p-hodnoty u jednotlivých
zemí jsou shrnuty v tabulce č. 70.
Odhad parametrůTabulka č. 70:
země b0 b1 b2 R2
p-hodnota
V. Británie –1,14 ** 1,11 *** 0,63 *** 0,9165 0,0000
Irsko –0,64 0,66 *** 0,62 ** 0,8908 0,0000
Španělsko –0,65 1,14 *** 0,69 *** 0,8886 0,0000
Dánsko 0,26 0,82 *** 0,9 *** 0,8637 0,0000
Finsko 0,77 * 0,61 *** 0,79 *** 0,8495 0,0000
Francie –1,86 *** 0,76 *** 0,42 ** 0,8435 0,0000
Lotyšsko –1,36 *** 0,25 *** 0,47 * 0,8348 0,0001
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU180
země b0 b1 b2 R2
p-hodnota
Nizozemí –0,49 0,72 *** 0,50 ** 0,8091 0,0003
Švédsko 0,70 * 0,37 ** 0,55 *** 0,7078 0,0012
Lucembursko 0,58 0,38 ** 0,69 ** 0,595 0,0109
Německo –0,98 0,56 *** 0,53 ** 0,5749 0,0139
Belgie –0,6 0,70 *** 0,53 * 0,5675 0,0151
Slovinsko –2,41 *** 0,30 *** –0,02 0,5583 0,0112
Itálie –1,54 ** 0,44 ** 0,48 ** 0,5577 0,0113
ČR –2,03 * 0,33 ** 0,53 ** 0,5365 0,0214
Estonsko 0,15 0,19 ** 0,12 0,4959 0,0231
Polsko –2,57 * 0,44 ** 0,41 0,4283 0,061
Portugalsko –3,99 * 0,49 * –0,04 0,3188 0,1466
Slovensko –4,05 ** 0,38 0,27 0,3123 0,1275
Litva –2,71* 0,24 0,21 0,2706 0,2065
Maďarsko –4,65 ** –0,24 0,22 0,2146 0,2989
Rakousko –1,13 * 0,20 0,36 0,1992 0,2948
Zdroj: vlastní výpočet.
Poznámka: Statistická významnost na hladině významnosti 90% je značena pomocí *, na hladině významnosti 95 % je značena pomocí
** a na hladině významnosti 99% je značena pomocí ***.
Z předchozího textu je zřejmé, že parametry b1 a b2 by měly vyjít kladné. Vidíme, že s výjimkou parametru
b1 u Maďarska a parametru b2 u Slovinska a Portugalska, to tak opravdu vyšlo. Jelikož parametr b0
nemá jednoznačně určené znaménko, datový fit naší regresní rovnice u jednotlivých zemí bude analyzován
v další oddílu pouze pomocí koeficientu determinace a statistické významnosti parametrů b1 a b2.
Předpoklady OLS2.4.5.
Autokorelace reziduí, normalita náhodných složek ani heteroskedasticita kvůli malému počtu pozorování
zkoumána nebude. Mělo by se ale prozkoumat, zda vysvětlující veličiny deft−1 a yt spolu
nejsou korelované, abychom zjistili, zda náš model netrpí multikolinearitou. V tabulce č. 71 jsou
uvedeny hodnoty této korelace pro jednotlivé země.
Korelace mezi regresoryTabulka č. 71: deft−1 a yt
V. Británie Irsko Španělsko Dánsko Finsko Francie Lotyšsko Nizozemí
0,31 0,70*** 0,14 –0,37 –0,41 0,15 0,35 –0,19
Švédsko Lucembursko Německo Belgie Slovinsko Itálie ČR Estonsko
–0,19 – 0,18 –0,25 –0,21 –0,01 –0,13 –0,11 0,25
Polsko Portugalsko Slovensko Litva Maďarsko Rakousko
–0,06 –0,22 0,16 –0,11 –0,22 –0,32
Zdroj: vlastní výpočet
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU 181
Vidíme, že s výjimkou Irska, kde vyšla zkoumaná korelace statisticky významná na hladině 99%,
vyšly tyto korelační koeficienty statisticky nevýznamné, což ukazuje na to, že s výjimkou Irska
není multikolinearita mezi regresory významným problémem. Multikolinearita byla také prozkoumána
Kleinovým testem,14
kterým úspěšně prošly všechny země. U všech zemí tedy byla
multikolinearita Kleinovým testem diagnostikována jako únosná.
Datový fit2.4.6.
V této části si rozebereme schopnost modelu, popsaného rovnicí (1), vysvětlit daná makroekonomická
data zkoumaných zemí a také odůvodníme, proč v případě některých zemí dává lepší
výsledky než u jiných.
U Velké Británie, Irska, Španělska, Dánska, Finska, Francie, Lotyšska, Nizozemí a Švédska vyšly
velmi vysoké koeficienty determinace, po řadě 0,9165, 0,8908, 0,8886, 0,8637, 0,8495, 0,8435,
0,8348, 0,8091, 0,7078. Také odhady parametrů b1 a b2 u těchto zemí vyšly většinou statisticky
významné na hladinách významnosti 95%, resp. 99%. To můžeme vzhledem k malému počtu
pozorování (13, resp. 14), a tudíž malému stupni volnosti považovat za velký úspěch. Za relativně
uspokojivé výsledky co se týče datového fitu lze považovat ještě výsledky pro Lucembursko,
Německo, Belgii, Slovinsko, Itálii, ČR, Estonsko a Polsko, kde vyšly koeficienty determinace po
řadě 0,595, 0,5749, 0,5675, 0,5583, 0,5577, 0,5365, 0,4959 a 0,4283. Odhady parametrů b1 a b2
u těchto zemí vyšly většinou statisticky významné na hladinách významnosti 95%, resp. 99%,
s výjimkou parametru b2 u Belgie, Slovinska, Estonska a Polska. U Belgie vyšel jako statisticky významný
pouze na hladině 90 %, u Slovinska mírně záporný (–0,02), u Estonska a Polska jako statisticky
nevýznamný. U všech dosud analyzovaných zemí vyšel náš regresní model jako statisticky
významný na hladině α = 0,1, viz p-hodnoty v tabulce č. 70 . U těchto zemí budeme také zkoumat
jejich fiskální (ne)zodpovědnost.
Co se týče datového fitu, výsledky pro Portugalsko, Slovensko, Litvu, Maďarsko a Rakousko
můžeme považovat za neúspěšné. Mají nízký koeficient determinace a jejich p-hodnoty jsou větší
než 0,1, což znamená, že zkoumaný regresní model není u těchto zemí statisticky významný ani
na hladině α = 0,1. Tyto země z hlediska jejich fiskální (ne)zodpovědnosti zkoumat nebudeme.
Zamysleme se nyní, co by mohlo determinovat úspěšnost jednotlivých zemí v tom, jak jejich
data odpovídají naší regresní rovnici. Vidíme, že mezi nejúspěšnějšími zeměmi lze najít hlavně
země s delší tradicí tržního hospodářství (Velká Británie, Irsko, Španělsko, Dánsko, Finsko,
Francie, Nizozemí a Švédsko). Zajímavou výjimkou je dobrý datový fit Lotyšska, které je malou
ekonomikou, která navíc musela projít transformací. Naopak, mezi těmi méně úspěšnými jsou
hlavně transformující se ekonomiky, jejichž státní rozpočty musely nezřídka nést náklady transformačních
institucí, případně prováděly zásadní reformy v oblasti daní, penzí a zdravotnictví
(Slovinsko, ČR, Estonsko, Polsko, Slovensko, Litva a Maďarsko), což obojí oslabuje vazbu mezi
vysvětlovanou proměnnou a jejími regresory. Mezi zeměmi s delší tradicí tržního hospodářství
se dosáhlo relativně horších výsledků u těch zemí, jejichž podíl veřejného dluhu na HDP v té
době překračoval Maastrichtské kritérium 60%, a které se snažily tento podíl snižovat (Belgie,
Itálie, Rakousko), což také oslabuje vztah mezi vysvětlovanou proměnnou a regresory. Špatných
14 Lawrence Klein navrhl jako test únosnosti multikolinearity test spočívající v posouzení velikosti R2
(koeficient
determinace závislosti vysvětlované proměnné y na všech k vysvětlujících proměnných x1 , x2 ,…xk) vůči všem
dílčím koeficientům determinace Rj
2
(dílčí koeficient determinace závislosti pevně zvolené vysvětlující proměnné xj
na k − 1 vysvětlujících proměnných x1 , x2 ,…xk mimo xj). Za vážný problém je zde multikolinearita považována až
tehdy, platí-li pro některé j nerovnost R2
< Rj
2
tzn. pokud pro některou z vysvětlujících proměnných (vzatou jako
závisle proměnná) má dílčí koeficient determinace Rj
2
vyšší hodnotu než standardní R2
.
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU182
výsledků se také dosáhlo u těch zemí, jejichž fiskální politika byla natolik dobrodružná, že nás nepříznivý
výsledek této regrese vůbec nepřekvapí (Portugalsko, Maďarsko).
Fiskální (ne)zodpovědnost2.4.7.
Nyní proveďme srovnání jednotlivých zemí z pohledu jejich fiskální zodpovědnosti. Srovnání
provedeme pouze u těch zemí, u kterých vyšel náš regresní model popsaný rovnicí (1) jako statisticky
významný na hladině významnosti α = 0,1, tj. u těch u kterých vyšla p-hodnota celého
modelu menší než 0,1. Budeme tedy srovnávat fiskální zodpovědnost u Velké Británie, Irska,
Španělska, Dánska, Finska, Francie, Lotyšska, Nizozemí, Švédska, Lucemburska, Německa, Belgie,
Slovinska, Itálie, ČR, Estonska a Polska. Jelikož platí, že
pak můžeme fiskální (ne)zodpovědnost zkoumat na základě podílu b0 /(1 − b2), který můžeme
interpretovat jako průměrné strukturální saldo veřejných financí dané země, vyjádřené jako procentní
podíl tohoto salda na HDP.15
Hodnoty tohoto podílu pro zkoumané země jsou vypsány
v tabulce č. 72.
PodílTabulka č. 72: b0 /(1 − b2)
Finsko Dánsko Lucembursko Švédsko Estonsko Nizozemí
3,6004 2,5367 1,8439 1,5588 0,1742 –0,9779
Belgie Irsko Španělsko Německo Slovinsko Lotyšsko
–1,2799 –1,6744 –2,097 –2,1073 –2,3608 –2,542
Itálie V. Británie Francie Česká republika Polsko
–2,9697 –3,053 –3,2325 –4,2829 –4,3628
Zdroj: vlastní výpočet
Za mimořádně fiskálně zodpovědné můžeme považovat Finsko, Dánsko, Lucembursko a Švédsko,
kde vyšel podíl b0 /(1 − b2), tj. průměrný procentní podíl strukturálního salda na HDP, po řadě
3,6004, 2,5367, 1,8439, a 1,5588. Za fiskálně zodpovědné můžeme také považovat Estonsko, jehož
průměrný procentní podíl strukturálního deficitu na HDP byl 0,1742.
Za fiskálně nezodpovědné můžeme považovat Nizozemí, Belgii, Irsko, Španělsko, Německo,
Slovinsko, Lotyšsko a Itálii, jejichž průměrný procentní podíl strukturálního salda na HDP po
řadě –0,9779, –1,2799, –1,6744, –2,097, –2,1073, –2,3608, –2,542, –2,9697. Tento podíl je
u těchto zemí výrazně záporný, ale ještě je pod hranicí 3%. Podíl průměrného strukturálního deficitu
na HDP ve výši 3 procent můžeme považovat za arbitrárně stanovenou hranici mezi fiskální
nezodpovědností a mimořádnou fiskální nezodpovědností.
Za mimořádně fiskálně nezodpovědné můžeme považovat Velkou Británii, Francii, Českou
republiku a Polsko kde vyšel průměrný procentní podíl strukturálního deficitu na HDP po řadě
–3,053, –3,2325, –4,2829, –4,3628.
15 Můžeme sice namítnout, že průměrná výše strukturálního salda může situaci popsat trochu zkresleně, protože
nemusí úplně postihnout zhoršující se trend ve vývoji veřejných financí, nicméně i tak má tato informace silnou
vypovídací hodnotu o vývoji veřejných financí, a proto ji můžeme ke zkoumání fiskální zodpovědnosti použít.
FISKÁLNÍ (NE)ZODPOVĚDNOST ZEMÍ EU 183
Vidíme, že mezi zeměmi s kladným průměrným strukturálním saldem veřejných financí jsou
severské země, což odpovídá obecné představě o fiskální zodpovědnosti těchto zemí. Naopak
mezi zeměmi s nezodpovědnou fiskální politikou najdeme ty země, které se nyní v souvislosti
s ekonomickou krizí potýkají s problémy veřejných financí. Tato krize se negativně podepsala na
výsledcích všech zemí, na některých však více než na jiných. Pokud bychom odhadovali průměrné
strukturální salda na datech do roku 2008, tj. na předkrizových datech (tak jak to dělala první verze
této práce), viděli bychom mírně jiné výsledky u některých zemí. Španělsko a Irsko by například
spadalo do kategorie zemí se zodpovědnou fiskální politikou. Vidíme, že přidání jediného pozorování
u těchto zemí vede k výrazně jiným výsledkům. Mezi země s nejnezodpovědnější fiskální
politikou patří také Česká republika, přestože současné problémy veřejných financí ČR jsou podstatně
menší než u některých jiných zemí, které vyšly z hodnocení fiskální zodpovědnosti lépe.
Důvodem může být to, že naše analýza se zabývala pouze vývojem strukturálního salda v posledních
čtrnácti letech a nebere v potaz výši zděděného státního dluhu, který byl v případě ČR malý.
Dalším faktorem je také to, že pokud země zároveň s deficitními rozpočty zažívala vysoký hospodářský
růst, tak měla sice velké strukturální deficity, ale poměr naakumulovaného státního dluhu
ku HDP mohl díky enormnímu růstu HDP růst jen mírně nebo se nemusel zvyšovat vůbec. Tento
fakt sice nic nemění na tom, že politika deficitních rozpočtů v dobách hospodářské konjunktury
je z fiskálního hlediska nezodpovědná, jelikož problematická stránka této politiky se projeví v okamžiku,
kdy z nějakého důvodu dojde k hospodářské recesi, nicméně silný hospodářský růst mohl
budoucí problémy vyplývající z nezodpovědné fiskální politiky částečně utlumit.
Závěr2.4.8.
Tato podkapitola na datech z 22 zemí EU zkoumala závislost salda veřejných financí na hospodářském
cyklu a vliv setrvačnosti na výši tohoto salda. Toto jsme zkoumali jednoduchou regresní
rovnicí, kde vysvětlovanou proměnnou je podíl salda veřejných financí na HDP a jako regresory
vystupují konstanta, odprůměrované tempo růstu HDP a zpožděná hodnota vysvětlované proměnné.
Výsledky naznačují, že tato jednoduchá regresní rovnice dokáže velmi dobře vysvětlit
chování salda veřejných financí u většiny ze zkoumaných zemí, přičemž nejlepších výsledků se
dosahuje hlavně u zemí s delší tradicí tržního hospodářství (Velké Británie, Irsko, Španělsko,
Dánsko, Finsko, Francie, Lotyšsko, Nizozemí a Švédsko) a nedává tak dobré výsledky, až selhává
ve vysvětlení vývoje veřejných financí u transformujících se zemí (Slovinsko, ČR, Estonsko,
Polsko, Slovensko, Litva a Maďarsko). Relativně horších výsledků se dosahuje také u zemí, jejichž
podíl veřejného dluhu na HDP překračoval nebo byl na hranici Maastrichtského kritéria 60%
(Belgie, Itálie, Rakousko). U těch zemí, u kterých vyšel model jako statisticky významný na hladině
α = 0,1, jsme pak zkoumali jejich fiskální zodpovědnost. Při zkoumání jsme zjistili, že nejzodpovědnější
fiskální politiku vedlo v posledních čtrnácti letech Finsko, Dánsko, Lucembursko
a Švédsko, za relativně zodpovědné můžeme ještě považovat Estonsko a za nezodpovědné země,
co se týče veřejných financí, můžeme považovat Nizozemí, Belgii, Irsko, Španělsko, Německo,
Slovinsko, Lotyšsko, Itálii, Velkou Británii, Francii, Českou republiku a Polsko.
184
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 185
Citlivost DSGE modelu na změny chování2.5.
ekonomiky v období krize
Cílem podkapitoly je zkoumat změny chování ekonomiky představované DSGE modelem v období
krize.
Výsledky analýzy citlivosti DSGE modelu umožní ověřit dvě hypotézy (i) struktura vztahů v ekonomice
se v období krize nemění, (ii) chování ekonomiky se v období krize výrazně mění a s tím
souvisí i změna strukturních parametrů modelu, který ekonomiku představuje. Analýza hodnotí, zda
je odhad modelu schopen zachytit změny strukturních parametrů, a míru, s jakou reprezentuje změny
chování reálné ekonomiky. Analýza citlivosti bude aplikována na variantní odhady modelu na
datech reálné ekonomiky v období před počátkem krize a v období zahrnujícím i data krize.
V části 2.5.1 je krátce představen DSGE model použitý k analýze citlivosti. Obsahuje také popis
a zobrazení použitých historických dat. Části 2.5.2, 2.5.3 a 2.5.4 jsou věnovány analytickým
nástrojům kvantifikace strukturních změn modelu. Část 2.5.5 shrnuje získané výsledky analýzy
a ekonomicky je interpretuje v kontextu současné hospodářské krize. Část 2.5.6 představuje závěr
podkapitoly.
Model byl vytvořen s použitím programového balíku pro řešení DSGE modelů Dynare a toolboxu
pro citlivostní analýzu GSA v programovém prostředí Matlab.
Model2.5.1.
Model je dynamický stochastický model všeobecné rovnováhy (Dynamic Stochastic General
Equilibrium DSGE) malé otevřené ekonomiky (small open economy, SOE) vycházející z novokeynesiánského
paradigmatu. Velká část modelové struktury je převzata z konceptu uvedeného
v Lubik a Schorfheide (2005), který vychází z Monacelli (2005).
Modelová struktura z Lubik a Schorfheide (2005) je upravena z původní struktury interakce
dvou velkých ekonomik na strukturu pro malou otevřenou ekonomiku s endogenním zahraničním
sektorem. Taková struktura DSGE modelu lépe odpovídá charakteru studované ekonomiky,
kterou je malá otevřená česká ekonomika a velká uzavřená ekonomika eurozóny.
Modelový koncept je důsledně odvozen z mikroekonomických základů. Podrobné odvození
není uvedeno a je popsáno např. v Lubik a Schorfheide (2005), nebo v Monacelli (2005), obecněji
pak v knize Galí (2008). Sektor domácnosti je v prezentovaném modelu koncipován jinak
než ve standardní literatuře věnované novokeynesiánským DSGE modelům (jako je např. zmiňovaný
Galí (2008)) a je mu proto věnována následující podkapitola.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE186
Domácnosti2.5.1.1.
Domácnosti maximalizují mezičasovou užitkovou funkci za podmínek rozpočtových omezení
dle následujícího Lagrangianu:
kde Lagrangeův multiplikátor Λ je mezní užitek z příjmu, Ct − hγ Ct− 1 je efektivní spotřeba při
zvyku ve spotřebě. Parametr γ je rovnovážná míra růstu nestacionárního celosvětového technologického
šoku AW,t. Parametr β je diskontní faktor, τ je relativní averze k riziku, h je parametr zvyků
ve spotřebě. Nt je pracovní vstup, Wt je nominální mzda, Qt,t + 1 je stochastický diskontní faktor
a Dt představuje platby z portfolia aktiv tak že Et
[Qt,t + 1 Dt + 1
] představuje cenu nákupů portfolia
v čase t. Tt jsou daně placené domácnostmi, PH, t je domácí cenový index, PF, t je cenový index
importovaného spotřebního zboží a CF, t je domácí spotřeba importovaného zboží.
Hlavní rozdíl proti standardním novokeynesiánským DSGE modelům, viz Galí (2008), spočívá
v tom, že domácnosti nezískávají užitek ze spotřeby jako takové, ale z efektivní spotřeby. Dále je
ne zcela běžným způsobem zaveden celosvětový technologický šok AW,t a další výraznou změnou
je použití Lagrangeova multiplikátoru Λ v dalších výpočtech a rovnicích.
Další sektory modelu2.5.1.2.
Model sestává, kromě sektoru domácností, ze vztahů pro další ekonomické agenty, jimiž jsou
např. producenti a importéři. Tito se chovají standardním modelovým způsobem, tj. operují na
monopolisticky konkurenčních trzích a nastavují ceny podle Calvova přeceňovacího mechanismu.
Producenti jsou charakterizováni produkční funkcí obsahující pouze pracovní vstup.
Dalším ekonomickým agentem v modelu je centrální banka, která nastavuje nominální úrokové
sazby tak, aby zabránila odchylkám inflace, ekonomického růstu a změn v nominálním směnném
kurzu od jejich dlouhodobých trendů.
Ostatní ekonomické vztahy představují např. zákon jedné ceny, nekrytou úrokovou paritu apod.
Linearizovaná podoba modelu2.5.1.3.
Tato část představuje linearizovaný tvar modelu, který je použit pro analýzu popsanou v následujících
oddílech. Proměnné jsou v logaritmických odchylkách od trendů považovaných za dlouhodobé
rovnovážné tendence, např. . Vlnovky nad proměnnými jsou pro lepší přehlednost
textu vynechány. Proměnné představující vlivy ze zahraničí jsou značeny hvězdičkou (x*
).
Řešení problému optimalizace chování domácích výrobců představuje Phillipsova křivka jako
vztah mezi domácí inflací a mezními náklady:
, kde .
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 187
Parametr θH je Calvo parametr pro domácí producenty. Podle Calvova omezení může v každém
období nastavit svoje ceny optimálně pouze podíl 1 −θH výrobců, zatímco podíl θH výrobců pouze
převezme ceny z minulého období.
Mezní náklady lze vyjádřit jako kde α se obvykle interpretuje jako otevřenost
ekonomiky, ale přesněji jde o podíl spotřeby dovezeného zboží na celkové spotřebě.16
At je
domácí nabídkový šok a qt jsou směnné relace definované jako . Mezní užitek
z příjmu λt se vyvíjí dle pravidla
,
kde je vývoj zvyklostí ve spotřebě popsán jako , zt je tempo růstu celosvětového
technologického šoku AW,t a proměnná CCt značí efektivní spotřebu. Celosvětový
technologický šok neovlivňuje mezní náklady v zemi ale vstupuje do Eulerovy rovnice
kde Rt je nominální úroková sazba a πt je celková inflace,
která je dána vztahem . Inflace importovaného zboží πF,t je výsledkem
optimalizace importérů a má podobu Phillipsovy křivky , kde
a ψF,t je odchylka od zákona jedné ceny.
V modelu dále vystupuje vztah spojující reálný směnný kurz st, odchylku od zákona jedné ceny
a směnné relace qt: . Dynamika nominálního směnného kurzu je definována
jako . V modelu také platí podmínka nekryté úrokové parity (uncovered interest
parity, UIP): . Mezinárodní sdílení rizika implikuje rovnost .
Podmínka vyčištění trhů vyžaduje, aby platilo
,
kde parametr η je elasticita substituce mezi domácím a zahraničním spotřebním zbožím a gt jsou
vládní výdaje, které vstupují čistě ve formě AR1 poptávkového šoku. Model je uzavřen pravidlem
Taylorova typu:
.
Zahraniční blok modelu je analogický k předcházejícím rovnicím domácího bloku, nicméně vůči
zahraničí je uzavřený.
Zahraniční Phillipsova křivka je úplně analogická k domácí:
,
kde a mezní náklady již neobsahují směnné relace s malou českou ekonomikou:
. Mezní užitek z příjmu a zvyklosti ve spotřebě se vyvíjí také analogicky:
a .
16 O „otevřenost“ tedy jde pouze jen v segmentu soukromé spotřeby.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE188
Podmínka vyčištění trhu se díky absenci vazby na zahraničí výrazně zjednoduší na .
Zahraniční blok uzavírá opět monetární pravidlo Taylorova typu, tentokráte bez bilaterálního
směnného kurzu mezi českou ekonomikou a eurozónou:
Šoky a data2.5.1.4.
Model obsahuje 8 šoků, jde o AR1 šoky nabídkové (At , At
*
), poptávkové (gt , gt
*
) a dále nesystematické
složky monetární politiky které vstupují do modelu přímo jako inovace (εR,t , ε*
R,t
). Zbývající dva šoky
jsou AR1 technologický šok zt, a inovace do rovnice tempa růstu depreciace nominálního směnného
kurzu, εΔe,t. Tento poslední šok není v příslušné rovnici uveden, neboť nejde o modelový šok – zavádí
se jen kvůli problémům s identifikací, které vznikají v případě, kdy do vztahu zaveden není.
Model obsahuje sedm pozorovaných proměnných. Těmi jsou inflace, nominální úroková míra
a růst výstupu jak pro domácí tak pro zahraniční ekonomiky a míra depreciace pro domácí ekonomiku.
Všechna data jsou čtvrtletní. Úrokové míry jsou per annum, růst výstupu a inflace jsou anualizované
a míra depreciace nominálního směnného kurzu je per quartal. Domácí ekonomika je reprezentována
českou ekonomikou, zahraniční ekonomika je reprezentována eurozónou se 12 zeměmi
(tato agregace byla zvolena zejména kvůli úplnosti historických časových řad v databázi Eurostatu
a kvůli konzistenci časových řad).
Graf č. 55 zobrazuje časové řady relevantních ekonomických proměnných spolu s jejich trendem získaným
Hodrick-Prescottovým (HP) filtrem. Data pro odhad DSGE modelu jsou vývojové řady proměnných
ve stacionarizovaném, tzv. „gapovém“ tvaru, tedy v odchylkách původních vývojových řad od HP
trendu. Čas je značen tak, že např. první čtvrtletí roku 2009 je na časové ose označeno hodnotou 2009,25
a čtvrté čtvrtletí roku 2009 je označeno hodnotou 2010,00. Zdrojová data byla získána z Českého statistického
úřadu a Eurostatu a jsou doplněna expertními informacemi z České národní banky.
DataGraf č. 55:
0
10
20
–10
0
10
–5
0
5
5
10
20
15
0
2
6
4
–15
–10
–5
0
5
0
2
6
4
2000 2005 20102000 2005 2010 2000 2005 20102000 2005 2010
2000 2005 20102000 2005 2010 2000 2005 2010
Česká inflaceRůst českého HDP Míra depreciace CZKČeské úrokové sazby
Inflace EurozónyRůst HDP Eurozóny Úrokové sazby Eurozóny
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 189
Data použitá v modelu jsou vedena od druhého čtvrtletí roku 1998 po třetí čtvrtletí roku 2010.
Volba začátku užitých dat je dána předběžnou analýzou, která vedla k získání apriorní informace
pro estimaci modelu, dále počátkem zavedení inflačního cílení v roce 1998 a výběru období konzistentního
vývoje ekonomických ukazatelů.
Rekurzívní odhad parametrů2.5.2.
Tato část práce představuje výsledky rekurzívního odhadu parametrů, které jsou zobrazeny v grafu
č. 56. Černá plná čára představuje vývoj hodnot aposteriorní střední hodnoty parametru v čase. Bod
v čase t představuje hodnotu odhadu parametru na historických datech od druhého čtvrtletí roku
1998 do času t. Přerušované čáry představují vývoj 95% konfidenčních intervalů odhadů parametrů.
Zvýrazněná oblast označuje zkoumané období krize (od prvního čtvrtletí roku 2008 do konce roku
2009).
Počet pozorování při rekurzívním odhadu se postupně zvyšuje od původních 20 pozorování (počátek
odhadu leží v prvním čtvrtletí roku 2003) do 50 pozorování (odhad nejvíce vpravo, odpovídá
konečné hodnotě odhadu pro třetí čtvrtletí roku 2010). To znamená 31 hodnot rekurzívního odhadu
parametrů. Čtyři vybrané parametry vykazují největší změny vývoje hodnot aposteriorního
odhadu parametrů.
Rekurzívní odhadyGraf č. 56: 17
2.0
2.5
3.0
3.5
0.3
0.4
0.5
0.6
0.7
0.2
0.4
0.6
0.8
0.2
0.4
0.6
2005 2010 2005 2010 2005 2010 2005 2010
e F
*
h z
Interpretace výsledků odhadu pro2.5.2.1. σεΔe
a θF
*
První panel grafu č. 56 zobrazuje vývoj hodnot směrodatné odchylky inovace v rovnici depreciace
nominálního směnného kurzu σεΔe
. Růst hodnot odhadu parametru zachycuje výraznější kolísání
vývoje nominálního směnného kurzu v období krize. Jak lze pozorovat v grafu č. 55 (panel 4), česká
ekonomika byla v období krize postižena výraznou depreciací. Vztah mezi vývojem nominálního
směnného kurzu a standardní odchylkou inovace σεΔe
je zřejmý, neboť chování nominálního
směnného kurzu model téměř nevysvětluje. Variabilita nominálního směnného kurzu je způsobena
zejména inovací εΔe,t , jejíž odhadnutá směrodatná odchylka je σεΔe
. Problém malé schopnosti
vysvětlení variability vývoje nominálního směnného kurzu je patrný i z grafu č. 60 a je také zmiňován
v Lubik a Schorfheide (2005). Autoři uvádějí, že současná generace malých novokeynesiánských
modelů nedokáže vysvětlit variabilitu nominálních směnných kurzů.
17 Rekurzívní odhad parametrů je zobrazen pro směrodatnou odchylku inovace v rovnici pro depreciaci nominálního
směnného kurzu , Calvo parametr pro zahraniční výrobce θF
*
, setrvačnost ve spotřebě h a persistenci
celosvětového technologického šoku ρz.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE190
Druhý panel grafu č. 56 zobrazuje pohyby v odhadu Calvo parametru pro zahraniční producenty
θF
*
. Odhad parametru vzrostl z hodnoty přibližně 0,5 před krizí na přibližně 0,6 na začátku
krize v důsledku výrazného poklesu inflace (viz panel 6 grafu č. 55). Tato vazba je intuitivní, neboť
pokles inflace znamená, že firmy nemusí tak často přeceňovat své produkty.
Interpretace výsledků odhadu2.5.2.2. h a ρz
Třetí a čtvrtý panel grafu č. 56 lze interpretovat společně. Panel 3 ukazuje prudký pokles vývoje hodnot
odhadu parametru setrvačnosti ve spotřebě h z 0,8 pod úroveň 0,5 – to naznačuje, že v období
krize klesá setrvačnost ve spotřebě. Panel 4 zobrazuje ještě radikálnější změnu odhadu vývoje hodnot
parametru. Persistence celosvětového technologického pokroku vzrostla z hodnoty 0,2 na více než
0,6, což by poukazovalo na to, že vývoji ekonomiky v krizi odpovídá větší setrvačnost tohoto šoku.
Abychom z výsledku rekurzivního odhadu dokázali vyvodit závěry o adekvátnosti zachycení
změn chování ekonomiky představované modelem, provedeme další kroky kvantitativních analýz
modelu, tj. globální analýzu citlivosti a dekompozici šoků.
Globální analýza citlivosti2.5.3.
K analýze byl využit programový balík Globální analýzy citlivosti (Global Sensitivity Analysis,
GSA). Tento druh analýzy je popsán v Saltelli (2004 a 2008), s větším ekonomickým pozadím
v článku Ratto (2008) a ve větším detailu ve working paperu Čapek (2009).
V grafech uvedených v této části jsou zobrazeny distribuční funkce parametrů, které vedou
k nejlepšímu vyrovnání dat vývoje dané proměnné.18
V grafech č. 57, č. 58 a č. 59 představuje
tenká plná čára aposteriorní distribuční funkci parametru. Ostatní modré křivky příslušejí české
ekonomice, šedé křivky ekonomice eurozóny. Distribuční funkce daného parametru pro nejlepší
vyrovnání historického vývoje (datový fit) růstu výstupu, inflace a úrokové míry jsou značeny po
řadě křížkem, kroužkem a tečkou.
Porovnání distribučních funkcí parametrů pro období předcházející kriziGraf č. 57:
0 0,5 1
0
0,5
1
z
0,4 0,6 0,8 1
0
0,5
1
h
18 Datový fit je chápán jako shoda vývoje proměnné získané modelem s daty historické vývojové řady. Mírou shody je
velikost střední kvadratických odchylek (Root Mean Squared Error, RMSE). Z hodnot RMSE pro příslušnou proměnnou
vybereme 10% nejlepších výsledků a hodnoty využijeme k vytvoření distribuční funkce příslušného parametru.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 191
Graf č. 57 ukazuje distribuční funkce parametrů odhadnutých na datovém souboru z období před
příchodem krize. Empirické distribuční funkce jsou si v obou případech relativně blízké. Poněkud
lepší shodu vykazují v případě levého panelu pro parametr ρz. K docílení nejvyššího datového fitu
vývoje proměnných v období před krizí lze ponechat parametry h a ρz na odhadnutých hodnotách.
Model odhadnutý na zkrácených datových řadách (bez dat z období krize) tedy nevykazuje
žádné anomálie ve vyrovnání pozorovaných historických řad.
Porovnání distribučních funkcí parametruGraf č. 58: h pro období zahrnující krizi
0
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,1
0,2
1
0 0,2 0,4 0,6 0,8 1
h
R*
Graf č. 58 a graf č. 59 odpovídají modelu odhadnutému na datech pro období, které zahrnuje
krizový vývoj. Zobrazují distribuční funkce pro odhad parametrů, které vykazují jen velmi slabou
shodu. Největší anomálie ve shodě funkcí jsou označeny šipkou. Graf č. 58 zobrazuje distribuční
funkce pro parametr h. Distribuční funkce pro vyrovnání jednotlivých proměnných leží výrazně
doprava od aposteriorní distribuční funkce s výjimkou distribuční funkce zahraniční úrokové míry
(značeno šipkou). Lepšího datového fitu pozorované proměnné by bylo dosaženo zadáním hodnoty
parametru vyšší, než je odhadnutá hodnota parametru h. Taková situace přirozeně znamená
antagonistický vztah: většina pozorovaných proměnných by (z pohledu datového fitu) preferovala
vyšší hodnoty parametru setrvačnosti ve spotřebě h, zatímco jediná zahraniční úroková míra
preferuje nižší hodnoty parametru setrvačnosti ve spotřebě.
Graf č. 59 zobrazuje anomálie v persistenci celosvětového technologického šoku ρz. Anomálie
distribuční funkce tohoto parametru jsou ještě markantnější, než v případě parametru setrvačnosti
ve spotřebě h. Datový fit žádné proměnné nepreferuje hodnotu parametru ρz, která byla aposteriorně
odhadnuta. Fit všech proměnných má jinou preferenci, buď vyšší hodnotu parametru persistence
celosvětového technologického šoku (zejména pro lepší fit zahraniční úrokové míry) nebo
nižší hodnotu parametru persistence celosvětového technologického šoku (zejména pro fit vývoje
domácího a zahraničního růstu výstupu).
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE192
Porovnání distribučních funkcí parametruGraf č. 59: ρz pro období zahrnující krizi
0
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,1
0,2
1
0 0,2 0,4 0,6 0,8
z
R*
y*
y
Porovnáním výsledků této části podkapitoly s výsledky předchozí části 1.5.2 lze konstatovat, že
nízký odhad parametru setrvačnosti ve spotřebě h způsobil anomálie při datovém fitu modelu.
Většina filtrovaných proměnných nepreferuje novou nižší hodnotu odhadu parametru h. V případě
parametru persistence celosvětového technologického šoku ρz je to podobné. Výrazně vyšší
hodnota odhadu tohoto parametru způsobená vlivem krize má za následek anomálie při datovém
fitu modelu. Např. datový fit domácího a zahraničního růst výstupu nepreferuje tuto novou změněnou
hodnotu odhadu parametru ρz. Hlavní příčinou změny hodnoty odhadu parametru ρz je
zřejmě vývoj zahraniční úrokové míry, neboť distribuční funkce pro tuto proměnnou je od původní
funkce nejvzdálenější (nejvíce vychýlena vpravo). V tom smyslu jsou např. domácí a zahraniční
růst výstupu málo citlivé na konkrétní dopady krize, protože jsou tyto proměnné stále konzistentní
s původními odhady parametrů h a ρz bez vlivu zahrnutí či nezahrnutí období krize do datového
souboru. Proměnnou, která nejvíce reaguje na data v období krize, je zahraniční úroková míra.
K lepšímu objasnění uvedených anomálií distribučních funkcí parametrů využijeme další účinný
nástroj kvantitativní i kvalitativní analýzy, kterým je dekompozice šoků.
Dekompozice šoků2.5.4.
Dekompozice šoků je nástroj, který ukazuje, které inovace, a v jaké míře přispívají k vysvětlení vývoje
dané proměnné. Graf č. 60 zobrazuje dekompozici šoků pro vývoj proměnné představující depreciaci
nominálního směnného kurzu Δe a graf č. 61 představuje dekompozici vlivu šoků na vývoj zahraniční
úrokové míry R*
. Graf č. 60 byl popsán v části 2.5.2, zaměříme se proto na graf č. 61.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 193
Dekompozice vlivu šoků na vývoj depreciace nominálního směnného kurzuGraf č. 60: Δe
-6
-4
-2
0
2
4
6
8
10
12
EPS_R
EPS_Rstar
EPS_A
EPS_Astar
EPS_G
EPS_Gstar
EPS_Z
EPS_Edel
Initial values
EPS_Edel = e
1998 2000 2002 2004 2006 2008 2010 2012
Pro vysvětlení vývoje zahraniční úrokové míry na začátku roku 2009 hraje významnou roli výrazně
negativní vývoj inovace celosvětového technologického šoku εz. Tento šok se projevil v prvním
čtvrtletí roku 2009 a persistence šoku je pro vysvětlení šokové dekompozice zahraniční úrokové
míry velmi důležitá. Vývoj na začátku roku 2009 ukazuje, že hlavní příčinou výrazně záporného
vývoje zahraniční úrokové míry je zejména celosvětový technologický šok.19
Když tento šok
odeznívá, uplatňuje se zvýšený vliv šoku zahraniční nabídky (konkrétně jde o šok do zahraničních
mezních nákladů εA*). Dále lze argumentovat, že vývoj zahraniční úrokové míry se nachází v záporných
hodnotách, což ne zcela úplně odpovídá fungování modelu v období před krizí. Při odhadu
vývoje se zahrnutím krize je vysvětlen záporný vývoj úrokové míry negativními šoky. Možné
problémy při vysvětlení jsou způsobeny tím, že změny v zahraniční úrokové míře probíhají skokem,
zatímco popis změn šoky má obvykle vyšší persistenci – např. zmíněný zahraniční nabídkový
šok má hodnotu parametru persistence vyšší než 0,7.
V návaznosti na předchozí část můžeme vyslovit předpoklad, že pokud je celosvětový technologický
šok dostatečně persistentní (hodnota parametru ρz je relativně větší), žádný jiný šok nemusí
technologický šok zastupovat, neboť by technologický šok odezníval s velkým zpožděním. V tomto
smyslu preferujeme pro vývoj zahraniční úrokové míry technologický šok s větší perzistencí,
aby byly vysvětleny dlouhodobě nízké hodnoty jejího vývoje.
19 Záporný šok zde chápeme čistě v numerickém smyslu, tj. menší než nula. Navíc je vhodné připomenout, že jde
o detrendovanou řadu (očištěnou HP filtrem) a záporné hodnoty jsou chápány jako hodnoty pod dlouhodobou
rovnovážnou úrovní (pod steady statem).
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE194
Dekompozice vlivu šoků na vývoj zahraniční úrokové míryGraf č. 61: R*20
EPS_R
EPS_Rstar
EPS_A
EPS_Astar
EPS_G
EPS_Gstar
EPS_Z
EPS_Edel
Initial values
1998 2000 2002 2004 2006 2008 2010 2012
A*
Z
R*
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
Souhrn dosažených výsledků2.5.5.
Byla provedena analýza anomálií distribučních funkcí odhadnutých parametrů při vyrovnání vývoje
vybraných proměnných (viz část 2.5.3). Prokázala souvislost mezi odhadem parametrů v různých
obdobích a vyrovnáním vývoje ekonomických modelových proměnných v těchto obdobích
zejména během krize. (viz část 2.5.2).
Při pohledu na vývoj makroekonomických ukazatelů v nedávné minulosti (viz graf č. 55, na panelech
1–3), zjistíme, že působení globální krize se nejdramatičtěji projevilo propadem ekonomiky
počínaje prvním čtvrtletí roku 2009. Česká ekonomika se poměrně rychle adaptovala na hlavní
dopady krize (asi ve třech čtvrtletích) po kterých následovalo poměrně rychlé zotavení (ve smyslu
ekonomického růstu). Zotavení probíhá bez nežádoucích výraznějších inflačních tlaků. Takový
vývoj byl reflektován centrální monetární autoritou při rozhodnutích o vývoji úrokových sazeb
na historicky nízké úrovni.
Vývoj zahraniční ekonomiky je poněkud jiný (panely 5–7 grafu č. 55). Vývoj ekonomické aktivity
je podobný jako v domácí ekonomice, avšak inflace v zahraničí v době zotavení vytrvale roste
a dostává se nad dlouhodobý rovnovážný vývoj. Dle modelového monetárního pravidla by měl
takový vývoj ekonomiky (růst výstupu a inflace) mít za následek zvyšování úrovně úrokových měr.
Úrokové míry v zahraničí jsou však dále udržovány na stálé relativně nízké úrovni. Tento paradox
je možno vysvětlit pomocí modelu. Změny chování světové ekonomiky v období krize vedou ke
zvýšení persistence celosvětového technologického šoku a snížení setrvačnosti ve vývoji jak zahraniční
spotřeby, tak zejména spotřeby domácí. Na základě analýzy výsledků získaných modelem
vedou uvedené změny k delší době návratu ekonomiky do dlouhodobé rovnováhy a k pomalejšímu
ustálenému růstu ekonomiky. Fakt, že krize reflektovaná vývojem popsaným v datech má
relativně kratší dobu doznívání, než byl původní předpoklad monetárních autorit, vede k tomu,
20 Legenda ke grafům šokové dekompozice je následující: Initial values je označení pro variabilitu, která je dána
úvodním nastavením modelu, EPS_Edel je inovace do depreciace nominálního směnného kurzu, EPS_Z je inovace
do celosvětového AR1 šoku, EPS_G a EPS_Gstar jsou inovace do AR1 poptávkového (domácího a zahraničního)
šoku, EPS_A a EPS_Astar jsou inovace do AR1 nabídkového (domácího a zahraničního) šoku a EPS_R a EPS_Rstar
jsou inovace do domácího a zahraničního monetárního pravidla.
CITLIVOST DSGE MODELU NA ZMĚNY CHOVÁNÍ EKONOMIKY V OBDOBÍ KRIZE 195
že nesoulad těchto předpokladů s odhadem na skutečných datech reálné ekonomiky musí být
kompenzován šoky a inovacemi v ostatních modelových proměnných.
Závěrem lze říci, že radikální změny v odhadech setrvačnosti ve spotřebě, představované parametrem
h, a perzistence celosvětového technologického šoku, ρz, jsou způsobeny nesouladem
rovnice pro zahraniční monetární pravidlo se skutečným vývojem úrokových sazeb daných
rozhodnutím monetární autority. Lze tedy vyslovit závěr, že chování malé otevřené ekonomiky
reprezentované modelem odpovídá situaci, v rámci které je zahraniční monetární autorita při rozhodování
o nastavení nízké úrovně zahraničních úrokových sazeb příliš benevolentní v kontextu
vývoje ekonomické aktivity a vývoje inflace.
Závěr2.5.6.
Za pomoci analýz rozdílů dvou variant DSGE modelu, kdy první variantou byl model odhadnutý
na datech před počátkem krize a druhou byl model odhadnutý se zahrnutím dat z období krize,
jsme identifikovali několik změn v chování modelů.
Pro českou ekonomiku byla v období krize charakteristická výrazná depreciace směnného kurzu,
což se projevilo v odhadu druhé varianty modelu větší směrodatnou odchylkou šoku depreciace
nominálního směnného kurzu. To ovšem znamená, že model vykazuje relativně nízkou schopnost
systematicky vysvětlovat vývoj nominálního směnného kurzu v tomto období.
V průběhu krize se ekonomika eurozóny vyznačovala velmi nízkou inflací, na to zareagovali zahraniční
producenti snížením četnosti přeceňování svých výrobků, aby tak snížili náklady, které
z přeceňování zboží plynou. Právě tato změna přeceňování je ve druhé variantě modelu představována
vyšší hodnotou odhadu Calvova parametru pro přeceňování zahraničními producenty.
První důsledky krize jsou na historických vývojových řadách domácích i zahraničních makroekonomických
veličin patrné již od počátku roku 2009, a to zejména v poklesu tempa růstu výstupu. Na
tuto nepříznivou situaci reagují domácí i zahraniční monetární autority v prvním čtvrtletí roku 2009
rozhodnutími o snížení úrokových sazeb. V eurozóně bylo v tomto období rozhodnuto o snížení
úrovně úrokové sazby o dva procentní body, což je největší mezičtvrtletní změna úrokových sazeb
v celé historii popsané v datové bázi modelu. V modelu je tato skutečnost zachycena odhadem menší
setrvačnosti ve vývoji spotřeby domácích i zahraničních domácností a také odhadem větší persistence
celosvětového technologického šoku. Pozorovaný vývoj zahraniční inflace a růstu výstupu
v zahraničí není v souladu se vztahem, který v modelu představuje monetární pravidlo volby úrovně
zahraniční úrokové míry na základě vývoje těchto veličin. To prohlubuje nesoulad mezi zahraniční
monetární politikou odhadnutou pomocí modelu a vývojem podmíněným skutečnými rozhodnutími
monetární autority popsaným daty. Chování ekonomik simulované na odhadnutém DSGE modelu
v období krize lze tedy interpretovat tak, že Evropská centrální banka snížila úroveň úrokové
sazby až příliš razantně, a nadto ji ponechává na nízké úrovni déle než je žádoucí.
Na základě prezentovaných výsledků docházíme k závěru, že se potvrdila druhá výzkumná hypotéza,
tedy že chování ekonomiky se v období krize výrazně mění a s tím souvisí i změny strukturních
parametrů modelu, který představuje českou ekonomiku v interakci s ekonomikou eurozóny, a to
vede ke změnám chování ekonomiky simulované modelem.
POUŽITÁ LITERATURA KE 2. KAPITOLE196
Použitá literatura ke 2. kapitole
ALBEROLA, E. – GONZÁLEZ MÍNGUES, J. M. – HERNANDEZ DE COS, P. – MARQUÉS, J. M.
(2003): How cyclical do cyclically-adjusted balances remain? An EU study. Instituto de Estudios Fiscales,
166-(3/2003), pp. 151–181. Dostupné na: http://econpapers.repec.org/paper/wpawuwppe/0507004.htm.
BERG, A. – KARAM, P. – LAXTON, D. (2006): Practical Model-Based Monetary
Policy Analysis: A How-To Guide. IMF Working Paper No. 06/81. Dostupné na:
http://www.imf.org/external/pubs/ft/wp/2006/wp0681.pdf.
BEZDĚK, V. – DYBCZAK, K. – KREJDL, A. (2003): Cyclically Adjusted Fiscal Balance: OECD and ESCB
Methods. Czech Journal of Economics and Finance, Vol. 53, No. 11–12, pp. 477–509.
BOUTHEVILLAIN, C. – COUR-THIMANN, P. – DOOL, G. VAN DEN – HERNANDEZ DE COS, P. –
LANGENUS, G. – MOHR, M. – MOMIGLIANO, S. – TUJULA, M. (2001): Cyclically-adjusted Budget
Balances: An Alternative Approach. ECB Working Paper Series, No. 77.
BRACONIER, H. – FORSFÄLT, T. (2004): A New Method for Constructing a Cyclically Adjusted Budget
Balance: the Case of Sweden. NIER Working Paper Series, No. 90.
BRACONIER, H. – HOLDEN, S. (1999): The Public Budget Balance – Fiscal Indicators and Cyclical
Sensitivity in the Nordic Countries. NIER Working Paper Series, No. 67.
BRANDNER, P. – DIEBALEK, L. – SCHUBERTH, H. (1998): Structural Budget Deficits and Sustainability
of Fiscal Positions in the European Union. Oesterreichische Nationalbank Working Paper Series, No. 26.
BRUNILA, A. – HUKKINEN, J. – TUJULA, M. (1999): Indicators of the Cyclically Adjusted Budget
Balance: The Bank of Finland’s Experience. Bank of Finland Research Discussion Paper, No. 1/1999,
pp. 23.
CALVO, G. (1983): Staggered Prices in a Utility-maximizing Framework. Journal of Monetary Economics,
Vol. 12, No. 3, pp. 383—398.
ČAPEK, J. (2009): Sensitivity Analysis of a DSGE Model. Brno: Masarykova univerzita, Centrum výzkumu
konkurenční schopnosti české ekonomiky, Working paper No. 1/2009, pp. 48.
DeJONG, D. N. – DAVE, C. (2007): Structural Macroeconometrics. Princeton: Princeton University Press,
2007. ISBN 0691126488.
ERCEG, C. J. – HENDERSON, D. W. – LEVIN, A. T. (2000): Optimal Monetary Policy with Staggered
Wage and Price Contracts. Journal of Monetary Economics, Vol. 46, No. 2, pp. 281—313.
EUROPEAN COMMISSION (2009): Public Finances in EMU 2009. Brusel: European Communities, 2009,
pp. 308. ISBN 978-92-79-11366-6.
EUROSTAT (2010): Statistics. Dostupné na: http://ec.europa.eu/eurostat.
GALÍ, J. – MONACELLI, T. (2005): Monetary Policy and Exchange Rate Volatility in a Small Open
Economy. Review of Economic Studies, Vol. 72, No. 3, pp. 707–734.
GALÍ, J. (2008): Monetary Policy, Inflation, and the Business Cycle: an Introduction to the New Keynesian
Framework. Princeton: Princeton University Press, 2008. ISBN 0691133166.
GALÍ, J. (2010a): The Return of the Wage Phillips Curve. Barcelona: Centre
de Recerca en Economia Internacional, Working Paper, 2010. Dostupné na:
http://www.crei.cat/people/gali/wu_june_2010%5B1%5D.pdf.
GALÍ, J. (2010b): Unemployment Fluctuations and Stabilization Policies: A New Keynesian Perspective.
Barcelona: Centre de Recerca en Economia Internacional, Working Paper, 2010. Dostupné na:
http://www.crei.cat/people/gali/jg2010zeuthen.pdf.
GIROUARD, N. – ANDRÉ, C. (2005): Measuring Cyclically-adjusted Budget Balances for OECD
Countries. OECD Economics Department Working Papers, No. 434, pp. 43.
GRUNDIZA, S. – STIKUTS, D. – TKAČEVS, O. (2005): Cyclically Adjusted Balance of Latvia’s
General Government Consolidated Budget. Bank of Latvia Working Papers, No. 5/2005. Dostupné na:
http://www.bank.lv/eng/main/all/pubrun/working pap/2005/.
HERBER, P. – NĚMEC, D. (2009): Estimating Output Gap in the Czech Republic: DSGE Approach.
In: Mathematical Methods in Economics 2009. Prague: Czech University of Life Sciences Prague, 2009,
pp. 117–124. ISBN 978-80-213-1963-9.
HODRICK, R. J. – PRESCOTT, E. C. (1997): Postwar US Business Cycles: An Empirical Investigation.
Journal of Money, Credit and Banking, Vol. 29, No. 1, pp. 1–16.
CHRISTOFFEL, K. – COENEN, G. – WARNE, A. (2010): Forecasting with DSGE Models. ECB Working
Paper Series, No. 1185.
POUŽITÁ LITERATURA KE 2. KAPITOLE 197
JONDEAU, E. – SAHUC, J. G. (2005): Testing Heterogeneity within the Euro Area Using a Structural
Multi-Country Model. Working Paper. Dostupné na: http://ssrn.com/abstract=660921.
JUILLARD, M. (2010): Dynare Toolbox for Matlab, version 4.1.1. Dostupné na: http://www.dynare.org/.
JUSTINIANO, A. – PRESTON, B. (2008): Can Structural Small Open Economy Models Account
for the Influence of Foreign Disturbances? NBER Working Paper No. 14547. Dostupné na:
http://www.nber.org/papers/w14547.
JUSTINIANO, A. – PRESTON, B. (2009): Monetary Policy and Uncertainty in an Empirical Small Open
Economy Model. Federal Reserve Bank of Chicago Working Paper Series, No. 2009–21.
KANIOVSKI, S. – PITLIK, H. – STEINDL, S. – URL, T. (2008): A Decomposition of Austria’s General
Government Budget into Structural and Cyclical Components. WIFO Working Papers, No. 316.
Dostupné na: http://ideas.repec.org/p/wfo/wpaper/y2008i316.html.
KATTAI, R. – KANGUR, A. – LIIV, T. – RANDVEER, M. (2003): Automatic Fiscal Stabilisers in Estonia:
The Impact of Economic Fluctuations on General Government Budget Balance. Bank of Estonia Working
Papers, No. 11/2003.
KEHOE, T. J. – PRESCOTT, E. C. (2007): Great Depressions of the Twentieth Century. Minesota: Federal
Reserve Bank of Minneapolis, 2007. Dostupné na: http://www.greatdepressionsbook.com/.
KISS, G. P. – VADAS, G. (2004): Mind the Gap – Watch the Ways of Cyclical Adjustment of the Budget
Balance. Magyar Nemzeti Bank Working Papers, No. 7/2004. ISBN 963 9383 47 3.
KOLASA, M. (2008): Structural Heterogeneity or Asymmetric Shocks? Poland and the Euro Area through
the Lens of a Two-country DSGE Model. National Bank of Poland, Working Paper No. 49. Dostupné na:
http://www.nbp.pl/publikacje/materialy _i_studia/49_en.pdf.
LARCH, M. – TURRINI, A. (2009): The Cyclically-adjusted Budget Balance in EU Fiscal Policy Making:
A Love at First Sight Turned into a Mature Relationship. Intereconomics, Vol. 45, No. 1, pp. 48–60.
LAXTON, D. – SCOTT, A. (2000): On developing a Structured Forecasting and Policy Analysis System
Designed to Support Inflation Targeting (IFT). In Inflation Targeting Experiences: England, Finland,
Poland, Mexico, Brazil, Chile. Ankara: The Central Bank of Turkey, pp. 6–63. ISBN 975-7589-53-5.
LUBIK, T. – SCHORFHEIDE, F. (2005): A Bayesian Look at New Open Economy
Macroeconomics. NBER Macroeconomics Annual, Vol. 20, 2005, pp. 313–366. Dostupné na:
http://www.jstor.org/stable/3585427.
MONACELLI, T. (2005): Monetary Policy in a Low Pass-Through Environment. Journal of Money, Credit
and Banking, Vol. 37, No. 6, pp. 1047–1066.
NĚMEC, D. (2008): Bayesian Estimation of the Unemployment Gap in the Czech Republic. In:
Proceedings of 26th International conference Mathematical Methods in Economics 2008. Liberec:
Technická univerzita v Liberci, 2008, pp. 386–395. ISBN 978-80-7372-387-3.
RATTO, M. (2008): Analysing DSGE Models with Global Sensitivity Analysis. Computational Economics,
Vol. 31, No. 2, pp. 115–139.
RATTO, M. (2009): Sensitivity Analysis Toolbox for DYNARE. Dostupné na:
http://eemc.jrc.ec.europa.eu/EEMCArchive/Software/DynareCourse/GSA_manual.pdf.
SALTELLI, A. a kol. (2004): Sensitivity Analysis in Practice: A Guide to Assessing Scientific Models.
Hoboken, USA: John Wiley & Sons, Ltd., 2004. ISBN 0-470-87093-1.
SALTELLI, A. a kol. (2008): Global sensitivity analysis. The Primer. Hoboken, USA: John Wiley & Sons,
Ltd., 2008. ISBN 978-0-470-05997-5.
SAMUELSON, P. A. – NORDHAUS, W. D. (1995): Ekonomie. Praha: NS Svoboda Servis, 1995.
ISBN 9788020505903.
SCHNEIDER, O. – KREJDL, A. (2000): Strukturální schodky veřejných rozpočtů v ČR. Czech Journal of
Economics and Finance, Vol. 50, No. 3, pp. 160–174.
198
199
ROZVOJ A PODPORA INOVACÍ3.
V ČR A VYBRANÝCH ZEMÍCH EU
3
ROZVOJ A PODPORA INOVACÍ V ČR A VYBRANÝCH ZEMÍCH EU200
Inovace jsou považovány za rozhodující faktor zvyšování konkurenceschopnosti regionů, národních
ekonomik i nadnárodních korporací. Tím se inovace dostávají do centra pozornosti podnikové
sféry, která je spojena s jejich tvorbou a implementací, ale též sféry veřejné, resp. politické, která
hledá všechny možné způsoby, kterak toto úsilí podnikatelských subjektů podpořit.
K tomu, abychom mohli znát, jak jsou ekonomiky jako celek v tomto svém úsilí úspěšné, bylo
třeba vytvořit důmyslný systém statistických šetření, jehož výsledkem jsou reprezentativní datové
soubory, na jejichž základě je možné analyzovat nejen stavové ukazatele, ale především sledovat
jejich dynamické změny v čase. Pro jednotlivé státy navíc sehrávají úlohu motivačního prvku
a představují neoddiskutovatelný argument pro nepolevující inovační aktivitu.
Česká republika mezi postsocialistickými zeměmi patří na poli inovací k těm úspěšnějším.
V hodnoceních dlouhodobě následuje Slovinsko a Estonsko, se kterými se již v roce 2007 objevila
mezi tzv. mírnými inovátory. Obě země se v roce 2009 posunuly mezi inovační následovníky
(viz subkapitola 3.1.2), a tak nezbývá než doufat, že je naše ekonomika bude v nejbližších letech
následovat, a to i přes očekávaná omezení na straně veřejných rozpočtů.
Na této cestě může využít celou řadů zahraničních zkušeností, a to jak ze skupiny inovačních
vůdců (Dánsko, Finsko, Německo, Švédsko, Spojené království), tak ze skupiny inovačních následovníků
(Rakousko, Estonsko, Francie, Nizozemí, Slovinsko), ale také ze zemí, které jsou přibližně
na stejné úrovni jako ČR (Itálie, Portugalsko, Španělsko). Implementace programů na podporu
inovací v těchto zemích umožnila spatřit světlo světa celé řadě zajímavých a přínosných projektů,
které významným způsobem přispěly či přispívají ke zvyšování inovační úrovně.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 201
Inovační výkonnost a podmínky3.1.
pro inovace
V této kapitole zhodnotíme pozici České republiky v rámci vybrané skupiny zemí na základě několika
skupin ukazatelů. Pozornost je nejdříve věnována hodnocení konkurenceschopnosti ČR ve
dvou uznávaných žebříčcích konkurenceschopnosti. Následně bude porovnána inovační výkonnost
ČR pomocí tzv. European Innovation Scoreboard. Poté srovnáme Českou republiku s ostatními
státy s ohledem na podíl inovačních firem. Pak se zaměříme na výzkum a vývoj, zejména
na výdaje a na lidské zdroje ve VaV. Kapitola 3.1 je zakončena komparací v oblasti technologicky
náročných výrob a znalostně náročných služeb
Konkurenceschopnost3.1.1.
Pozici České republiky vyhodnotíme pomocí jejího umístění ve dvou žebříčcích konkurenceschopnosti.
První z nich je každoročně publikován Světovým ekonomickým fórem a druhý je sestavován
švýcarským Institutem pro rozvoj managementu.
Konkurenceschopnost a Světové ekonomické fórum3.1.1.1.
Světové ekonomické fórum definuje konkurenceschopnost jako „soubor institucí, politik a faktorů,
které určují úroveň produktivity země“. Na produktivitě pak záleží i prosperita, které daný
stát dosahuje. To znamená, že více konkurenceschopné ekonomiky dosahují vyšší úrovně příjmů
svých občanů. Úroveň prosperity také určuje míru návratnosti investic a ta má vliv na růst ekonomiky.
Tedy více konkurenceschopné země ve středně a dlouhodobém časovém horizontu dosahují
vyššího růstu.1
Světové ekonomické fórum měří konkurenceschopnost pomocí tzv. indexu globální konkurenceschopnosti
(GCI, Global Competitiveness Index), který každoročně publikuje ve své Zprávě
o konkurenceschopnosti (The Global Competitiveness Report). Index GCI v sobě zahrnuje mikroekonomické
i makroekonomické aspekty národní konkurenceschopnosti. Metodika výpočtu
GCI se v průběhu času neustále vyvíjela (v minulosti byla například mikroekonomická konkurenceschopnost
hodnocena samostatně pomocí indexu BCI – Business Competitiveness Index) a do
hodnocení je zařazováno stálo více zemí.
1 World Economic Forum, 2010.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE202
V současné době index hodnotí konkurenceschopnost 139 zemí pomocí 111 ukazatelů. Data
pochází z různých zdrojů, jedná se například o statistická data, údaje Světového ekonomického
fóra i výsledky průzkumu mezi podnikateli. Ukazatele jsou sdruženy do 12 pilířů a pilíře jsou dále
sdružovány do 3 subindexů. Souhrnné vyjádření konkurenceschopnosti pak udává právě index
GCI. Každý ukazatel, pilíř, subindex i samotný GCI je pro každou zemi vyjádřen v absolutní hodnotě,
která se pohybuje v rozmezí od jedné do sedmi. Čím vyšší hodnoty země dosahuje, tím více
je v dané oblasti konkurenceschopná. Na základě dosažených hodnot je pak sestaveno i pořadí
zemí, přičemž platí, že země jsou seřazeny od nejvíce konkurenceschopné (pořadí 1) až po nejméně
konkurenceschopnou (139).
1. pilíř: Instituce
Institucionální prostředí je určeno především právním a administrativním rámcem, ve kterém dochází
k interakcím mezi jednotlivci, firmami a veřejnou správou. Pilíř se zaměřuje na soukromý
i veřejný sektor a hodnotí například majetková práva, důvěru v politiky, nezávislost soudů, byrokratické
překážky, etické chování firem, organizovaný zločin, práva minoritních akcionářů apod.
Celkem je v tomto pilíři zahrnuto 21 ukazatelů.
2. pilíř: Infrastruktura
Druhý pilíř vychází z předpokladu, že infrastruktura je kritickým faktorem pro efektivní fungování
ekonomiky a že je důležitým faktorem při rozhodování o lokalizaci ekonomických činností.
V této skupině se nachází 9 ukazatelů, které se týkají především dopravní a telekomunikační
infrastruktury.
Struktura indexu konkurenceschopnostiTabulka č. 73:
Základní požadavky
Klíčové pro
faktorově
tažené ekonomiky
1. pilíř: Instituce
2. pilíř: Infrastruktura
3. pilíř: Makroekonomické prostředí
4. pilíř: Zdraví a základní vzdělávání
Podpora efektivnosti
Klíčové pro
efektivitou
tažené ekonomiky
5. pilíř: Vyšší vzdělávání a školení
6. pilíř: Efektivnost trhu zboží
7. pilíř: Efektivnost trhu práce
8. pilíř: Rozvoj finančního trhu
9. pilíř: Technologická připravenost
10. pilíř: Velikost trhu
Inovační a sofistikované faktory Klíčové pro
inovacemi
tažené ekonomiky
11. pilíř: Podniková sofistikovanost
12. pilíř: Inovace
Zdroj: World Economic Forum, 2010
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 203
3. pilíř: Makroekonomické prostředí
Rovněž stabilita makroekonomického prostředí je důležitá pro konkurenceschopnost země.
Makroekonomická stabilita sice sama o sobě nevede ke zvyšování produktivity, avšak nestabilita
vede k ekonomickým ztrátám. Do třetího pilíře patří 6 ukazatelů, např. vyrovnanost rozpočtu,
vládní dluhy, inflace, národní úspory nebo rating země.
4. pilíř: Zdraví a základní vzdělávání
Zdravá pracovní síla je důležitá pro konkurenceschopnost a produktivitu. Rovněž absence základního
vzdělání lidí je silnou bariérou ekonomického rozvoje. V rámci tohoto pilíře je hodnoceno
deseti ukazatelů, které se týkají kvality a míry základního vzdělání, délky života nebo výskytu některých
chorob.
5. pilíř: Vyšší vzdělávání a školení
Tento pilíř už nehodnotí základní předpoklady pro rozvoj, jako to dělají předchozí 4 pilíře, ale
hodnotí faktory, které jsou důležité pro efektivní fungování ekonomiky. Je zřejmé, že kvalifikovaná
pracovní síla je důležitá pro zvyšování hodnotového řetězce produktů a procesů. Kvalifikovaná
pracovní síla se také lépe dokáže adaptovat na změny na trhu. Pátý pilíř hodnotí osmi ukazatelů,
které zahrnují např. vzdělávání na středních a vysokých školách, kvality vzdělávání v oblasti managementu
a matematických a přírodních věd nebo přístup škol k internetu.
6. pilíř: Efektivnost trhu zboží
Země s efektivně fungujícím trhem zboží mohou produkovat ten správný mix výrobků a služeb
prostřednictvím sítě dodavatelů a odběratelů. Zboží je zároveň možné dobře obchodovat. Pro
efektivnost fungování trhu je však také důležitá zdravá konkurence. Šestý pilíř zahrnuje hodnocení
patnácti ukazatelů, mezi které patří například intenzita konkurence, efektivnost antimonopolní
politiky, daňové a celní záležitosti nebo legislativa pro přímé zahraniční investice.
7. pilíř: Efektivnost trhu práce
Efektivní a flexibilní pracovní trh zajišťuje, že pracovníci jsou alokováni efektivním způsobem a že
své práci věnují dostatečné úsilí. V rámci sedmého pilíře je hodnoceno 9 oblastí, např. vztahy mezi
zaměstnavateli a zaměstnanci, flexibilita mezd, najímání a propouštění zaměstnanců, produktivita
nebo zastoupení žen.
8. pilíř: Rozvoj finančního trhu
Dobře fungující finanční sektor efektivně alokuje uspořené zdroje, které následně slouží k financování
investičních projektů. Osmý pilíř tak pojednává především o dostupnosti kapitálu a zaměřuje
se na devět oblastí, mezi které patří například finanční služby, přístup k úvěrům, rizikový kapitál
nebo regulace tohoto sektoru.
9. pilíř: Technologická připravenost
Technologie se stávají stále důležitějším prvkem pro prosperitu firmy. Devátý pilíř měří rychlost,
jakou je země schopna přijímat nové technologie v průmyslu. Velký důraz je také kladen na roli
informačních a komunikačních technologií v každodenním životě. Tento pilíř hodnotí 6 ukazatelů,
mezi které jsou zařazeny například přístup k internetu, absorpce technologií firmami nebo
technologický transfer při přímých zahraničních investicích.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE204
10. pilíř: Velikost trhu
Velikost trhu ovlivňuje produktivitu firem a dostatečně velký trh umožňuje tvořit úspory z rozsahu.
10. pilíř hodnotí pouze dvě oblasti, a to velikost domácího a zahraničního trhu.
11. pilíř: Podniková sofistikovanost
Předposlední pilíř je součástí třetího subindexu, který se zaměřuje na faktory významné pro ekonomiky
tažené inovacemi. Podniková sofistikovanost zahrnuje kvalitu celkové národní sítě podniků
a současně kvalitu operací a strategií jednotlivých firem. Tento pilíř v sobě zahrnuje hodnocení
devíti oblastí, například počty dodavatelů a odběratelů, povahu konkurenční výhody, rozsah marketingu
nebo ochotu delegovat pravomoci.
12. pilíř: Inovace
Poslední pilíř se zaměřuje na technologické inovace, neboť jen ty mohou dlouhodobě zvyšovat
životní standard. Kvalita prostředí pro inovace závisí na podpoře vlády i soukromého sektoru, na
investicích do výzkumu a vývoje nebo spolupráci ve výzkumné oblasti. Poslední pilíř hodnotí 7
ukazatelů a patří sem například inovační kapacita, výdaje na VaV, výzkumné instituce nebo patentová
aktivita.
Podívejme se nyní na hodnocení konkurenceschopnosti čtrnácti námi vybraných zemí. Za nejvíce
konkurenceschopné je považované Švédsko, které se ze 139 zemí umístilo na druhém místě.
Pozice Švédska je dlouhodobě stabilní a od počátků tvorby tohoto indexu se tato země drží na
předních pozicích. Obecně dobrou pozici mají země severní a západní Evropy, naopak hůře si vedou
země jižní Evropy (Itálie, Španělsko, Portugalsko, Slovinsko). Česká republika je na 36. místě
a předstihla tak zmíněné země jižní Evropy.
Index globální konkurenceschopnosti – pořadí zemí 2010–2011Graf č. 62:
0
5
10
15
20
25
30
35
40
45
50
SE DE FI NL DK UK FR AT EE CZ ES SI PT IT
Poznámka: Celkem bylo hodnoceno 139 zemí.
Zdroj: World Economic Forum, 2010
Pokud se zaměříme na první subindex hodnocení konkurenceschopnosti, který je nazván jako
Základní požadavky (tj. první až čtvrtý pilíř), vidíme, že pozice ČR je zde velmi špatná. Celkově se
nachází na 44. místě a z námi sledovaných zemí je předposlední, za ní už je pouze Itálie. Nejlépe
si opět vede Švédsko, pozice Finska a Německa se oproti souhrnnému hodnocení prohodila.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 205
Subindex Základní požadavky – pořadí zemí 2010–2011Graf č. 63:
0
5
10
15
20
25
30
35
40
45
50
SE FI DE DK NL AT FR UK EE SI ES PT CZ IT
Poznámka: Celkem bylo hodnoceno 139 zemí.
Zdroj: World Economic Forum, 2010
Při hodnocení subindexu Podpora efektivnosti si vedeme lépe než v předchozím případě. Česká
republika se ze 139 zemí umístila na 28. místě. Z námi sledovaných zemí se osm umístilo lépe než
ČR a pět hůře. Nejlepší je opět Švédsko, následuje ho Velká Británie a Nizozemí.
Subindex Podpora efektivnosti – pořadí zemí 2010–2011Graf č. 64:
0
5
10
15
20
25
30
35
40
45
50
SE UK NL DK DE FI FR AT CZ ES EE PT IT SI
Poznámka: Celkem bylo hodnoceno 139 zemí.
Zdroj: World Economic Forum, 2010
V rámci hodnocení subindexu Inovační a sofistikované faktory se Česká republika umístila na 30.
místě ze 139 zemí. Stejně jako u předchozího subindexu se osm sledovaných zemí umístilo před
námi a pět za námi. První je opět Švédsko, následují ho Německo a Finsko.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE206
Subindex Inovační a sofistikované faktory – pořadí zemí 2010–2011Graf č. 65:
0
5
10
15
20
25
30
35
40
45
50
SE DE FI NL DK UK AT FR CZ IT SI PT ES EE
Poznámka: Celkem bylo hodnoceno 139 zemí.
Zdroj: World Economic Forum, 2010
Pro zhodnocení, jak si země stojí v rámci jednotlivých pilířů, byly státy pro lepší názornost rozděleny
do dvou skupin dle jejich pořadí v hodnocení celkové konkurenceschopnosti. Na prvním
obrázku je skupina zemí s horším hodnocením – tj. Česká republika a pak především země z jižní
Evropy, druhý obrázek ukazuje země s vyšší konkurenceschopností. Obě skupiny zemí si vedou
dobře v oblasti 4. pilíře (což u nerozvojových zemí není překvapivé). Zatímco skupina více konkurenceschopných
zemí si ve všech oblastech vede prakticky stejně dobře, skupina méně konkurenceschopných
zemí ztrácí především v oblasti 12. pilíře (Inovace).
Pilíře konkurenceschopnosti – skóre 2010–2011Graf č. 66:
IT
UK
NL
DK
DE
SE
FI
ES
SI
EE
PT
CZ
FR
AT
1,0
2,0
3,0
4,0
5,0
6,0
7,0
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12
1,0
2,0
3,0
4,0
5,0
6,0
7,0
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12
Poznámka: Skóre se pohybuje v rozmezí 1–7, přičemž 7 = nejlepší možné hodnocení
Zdroj: World Economic Forum, 2010
V rámci hodnocení konkurenceschopnosti Světovým ekonomickým fórem jsou firmy dotazovány
na nejvíce problematické faktory, které ovlivňují jejich podnikání v dané zemi. Na výběr mají ze
seznamu patnácti faktorů, ze kterých mají vybrat pět. Pokud se u čtrnácti námi hodnocených zemí
podíváme na to, které faktory se nejčastěji objevovaly na prvních třech místech, zjistíme, že jsou to
přístup k financím (deset zemí), restriktivní legislativa trhu práce (devět zemí), neefektivní vládní
byrokracie (sedm zemí), daňové sazby (sedm zemí) a daňová legislativa (šest zemí).
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 207
Konkurenceschopnost a IMD3.1.1.2.
Institut pro rozvoj managementu (IMD, Institute for Management Development) ve Švýcarsku
také každý rok sestavuje svůj vlastní žebříček konkurenceschopnosti s názvem The World
Competitiveness Scoreboard, který je publikován v IMD World Competitiveness Yearbook. Toto
hodnocení je z hlediska počtu sledovaných ukazatelů podrobnější než hodnocení Světového ekonomického
fóra, avšak počet hodnocených zemí je nižší. V roce 2010 bylo sestaveno pořadí 58
zemí, a to pomocí 327 ukazatelů. Tyto ukazatele pochází částečně ze statistických zdrojů a částečně
z vlastního šetření a jsou rozděleny do čtyř skupin:
ekonomická výkonnost,
efektivita vlády,
efektivita firem,
infrastruktura.
Podíváme-li se na celkové pořadí v roce 2010, zjistíme, že Česká republika se umístila na 29. místě,
tedy přesně v polovině celkového pořadí. Zaměříme-li se na skupinu námi sledovaných třinácti
cizích zemí, je osm z nich před námi a pět z nich se umístilo až za námi. Na prvním místě se nachází
opět Švédsko.
Konkurenceschopnost IMD – pořadí zemíGraf č. 67:
0
10
20
30
40
50
60
SE NL DK AT DE FI UK FR CZ EE ES PT IT SI
Poznámka: Celkem bylo hodnoceno 58 zemí.
Zdroj: IMD, 2010
Ekonomická výkonnost
V rámci ekonomické výkonnosti je hodnoceno 76 ukazatelů, které se týkají domácí ekonomiky,
mezinárodního obchodu, mezinárodních investic, zaměstnanosti a cen. V této oblasti si ČR vede
relativně dobře, ze sledovaných zemí je sedmá, celkově ze všech 58 zemí se umístila opět na 29.
místě. Nejlépe si v této oblasti vede Švédsko, nejhůře Estonsko. Zajímavé je umístění Finska na
předposledním místě ze čtrnácti sledovaných zemí.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE208
Konkurenceschopnost IMD – ekonomická výkonnost, pořadí zemíGraf č. 68:
0
10
20
30
40
50
60
DE NL SE FR AT UK CZ DK IT PT ES SI FI EE
Poznámka: Celkem bylo hodnoceno 58 zemí.
Zdroj: IMD, 2010
Efektivita vlády
Ve druhé skupině je zahrnuto 71 ukazatelů, které hodnotí veřejné finance, fiskální politiku, institucionální
rámec, obchodní legislativu a společenský rámec. Ze všech hodnocených zemí je Česká
republika na 33. místě, z námi zkoumaných zemí je na 9. místě. Nejlépe si vede Dánsko, Německo
a Finsko, nejhůře Slovinsko a Itálie.
Konkurenceschopnost IMD – efektivita vlády, pořadí zemíGraf č. 69:
0
10
20
30
40
50
60
DK SE FI NL EE AT DE UK CZ FR PT ES IT SI
Poznámka: Celkem bylo hodnoceno 58 zemí.
Zdroj: IMD, 2010
Efektivita firem
Ve třetí skupině je hodnoceno 67 ukazatelů, které hodnotí produktivitu a efektivnost, trh práce, finance,
manažerské praktiky a postoje a hodnoty. V absolutním pořadí se ČR umístila na 40. místě,
z námi sledovaných zemí je desátá. Nejlépe bylo hodnoceno opět Švédsko, nejhůře Slovinsko.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 209
Konkurenceschopnost IMD – efektivita firem, pořadí zemíGraf č. 70:
0
10
20
30
40
50
60
SE DK AT NL FI DE UK FR EE CZ ES IT PT SI
Poznámka: Celkem bylo hodnoceno 58 zemí.
Zdroj: IMD, 2010
Infrastruktura
V rámci čtvrté skupiny je evaluováno 113 ukazatelů, které se zaměřují na základní infrastrukturu,
technologickou infrastrukturu, vědeckou infrastrukturu, zdraví a životní prostředí a vzdělávání.
V absolutním pořadí se ČR umístila na 25. místě, z námi sledovaných zemí je devátá. Nejlépe bylo
hodnoceno opět Švédsko, nejhůře Slovinsko.
Konkurenceschopnost IMD – infrastruktura, pořadí zemíGraf č. 71:
0
5
10
15
20
25
30
35
40
SE DK FI DE AT NL FR UK CZ EE ES PT IT SI
Poznámka: Celkem bylo hodnoceno 58 zemí.
Zdroj: IMD, 2010
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE210
European Innovation Scoreboard3.1.2.
V roce 2009 bylo provedeno již deváté hodnocení inovační výkonnosti členských zemí EU27
(a dále Chorvatska, Srbska, Turecka, Islandu, Norska a Švýcarska), označované jako European
Innovation Scoreboard (EIS). Na základě 29 indikátorů charakterizujících inovační výkonnost
jsou členské země EU27 rozděleny do následujících skupin:2
inovační vůdci – Dánsko (DK), Finsko (FI), Německo (DE), Švédsko (SE) a Spojené království (UK)
inovační následovníci – Rakousko (AT), Belgie, Kypr, Estonsko (EE), Francie (FR), Irsko,
Lucembursko, Nizozemí (NL) a Slovinsko (SI)
mírní inovátoři – Česká republika (CZ), Řecko, Maďarsko, Itálie (IT), Litva, Malta, Polsko,
Portugalsko (PT), Slovensko a Španělsko (ES)
dohánějící země – Bulharsko, Lotyšsko a Rumunsko
Sumární inovační index (SII)3.1.2.1.
Metodika používaná pro hodnocení inovační výkonnosti byla změněna v roce 2008 a v nezměněné
podobě použita též při posledním dostupném hodnocení v roce 2009. To zahrnuje tři kategorie
ukazatelů, kterými jsou Motory inovací (devět ukazatelů ve dvou skupinách), Firemní aktivity
(jedenáct ukazatelů ve třech skupinách) a Výstupy (devět ukazatelů ve dvou skupinách).
Sumární inovační výkonnost (SII 2009)Graf č. 72:
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
IT ES PT CZ SI EE NL FR AT DK UK DE FI SE
Zdroj: www.proinno-europe.eu/sites/default/files/repository_files/10/03/annex_E.pdf
Postavení České republiky (0,415), jakož i pořadí ostatních sledovaných zemí, koresponduje s výše
uvedeným rozdělením zemí do skupin. Nejhorších pět zemí (mezi něž patří i ČR) se nachází
pod průměrem EU27, první nadprůměrnou zemí je pak Estonsko, které průměr překročilo právě
v roce 2009. Inovačně nejvýkonnějšími zeměmi jsou Finsko a i přes meziroční pokles Švédsko.
Při pohledu na jednotlivé skupiny (jak již bylo uvedeno, je jich devět) ukazatelů je pozice ČR
nejlepší zejména ve skupině Ekonomické efekty (2. místo). V žádné jiné skupině se již nedostane
mezi prvních sedm. Naopak absolutně nejhorší postavení zaujímá ve skupině Finance a vládní
podpora a druhé nejhorší (tedy 13. místo) ve skupině Duševní vlastnictví.
Ze všech dílčích částí hodnocení je patrná výsadní pozice skandinávských zemí Finska a Švédska,
které až na kategorii Výstupů dominují.
2 PRO INNO EUROPE: www.proinno-europe.eu/page/1-executive-summary; u zemí zahrnutých do další analýzy
uvedena standardně používaná zkratka.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 211
Motory inovací3.1.2.2. 3
(Enablers)
V rámci této kategorie jsou ukazatele sdruženy do dvou skupin, a to Finance a vládní podpora
a Lidské zdroje.
Finance a vládní podpora zahrnuje tyto ukazatele:4
veřejné výdaje na výzkum a vývoj (% HDP)
investice rizikového kapitálu (% HDP)
úvěry poskytnuté podnikovému sektoru (% HDP)
podíl firem s 10 a více zaměstnanci s přístupem k širokopásmovému internetu
Skupina Lidské zdroje zahrnuje těchto pět ukazatelů:5
počet absolventů vysokoškolského studia přírodních, technických, sociálních a humanitních
oborů na 1000 obyvatel ve věku 20–29 let
počet absolventů doktorského studia přírodních, technických, sociálních a humanitních oborů
na 1000 obyvatel ve věku 25–34 let
obyvatelstvo s vysokoškolským vzděláním na 100 obyvatel ve věku 25–64 let
účast na celoživotním vzdělávání na 100 obyvatel ve věku 25–64 let
podíl obyvatelstva ve věku 20–24 let s dokončeným alespoň středoškolským vzděláním (%)
Finance a vládní podpora (Finance and support)
Z pohledu ČR se jedná o vůbec nejhůř hodnocenou skupinu ukazatelů, což prakticky znamená,
že mezi zeměmi zahrnutými do komparace zaujímá „beznadějně“ poslední místo. Jako podprůměrné
lze pak z pohledu EU27 označit další čtyři země. Nejlepší postavení zaujímají s odstupem
dvě země, a to Švédsko a Spojené království.
Finance a vládní podporaGraf č. 73:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
CZ IT AT DE SI PT FR EE ES FI NL DK SE UK
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
3 Pazour (2009) překládá jako „aktivátory“, autoři této kapitoly však preferují „motory inovací“, které v českém
textu lépe vystihují podstatu anglického termínu.
4 Hollanders, van Cruysen (2008), s. 16–17.
5 Hollanders, van Cruysen (2008), s. 13–15.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE212
Lidské zdroje (Human resources)
Hodnocení lidských zdrojů z hlediska vzdělanostní struktury představuje jistě jeden ze základních
předpokladů budoucího rozvoje inovací. ČR dohání historicky vzniklý deficit a pomalu se blíží
průměru EU27 (této úrovně jen těsně nedosahuje Rakousko, podprůměrné je však také např.
Německo, které patří k inovačním vůdcům). První a druhá pozice patří skandinávským zemím,
tentokrát v pořadí první Finsko, druhé Švédsko.
Lidské zdrojeGraf č. 74:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
IT ES PT CZ DE AT EE NL SI FR DK UK SE FI
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Firemní aktivity (Firm Activities)3.1.2.3.
V rámci této kategorie jsou ukazatele sdruženy do třech skupin, a to Duševní vlastnictví, Spolupráce
a podnikání a Firemní investice.
Duševní vlastnictví zahrnuje tyto ukazatele:6
počet EPO patentů na milion obyvatel
počet ochranných známek Společenství na milion obyvatel
počet ochranných vzorů Společenství na milion obyvatel
toky technologické platební bilance (% HDP)
Skupina Spolupráce a podnikání zahrnuje tyto čtyři ukazatele:7
počet MSP realizujících vlastní inovační aktivity (% všech MSP)
počet MSP spolupracujících na inovačních aktivitách s jinými subjekty (% všech MSP)
počet vzniklých a zaniklých MSP s více než 5 zaměstnanci (% všech MSP)
počet společných „public-private“ výzkumných publikací zařazených v databázi WOS8
na milion
obyvatel
6 Hollanders, van Cruysen (2008), s. 21–23.
7 Hollanders, van Cruysen (2008), s. 19–21.
8 Web of Science.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 213
Skupina Firemní investice9
:
podnikové výdaje na VaV (% HDP)
celkové výdaje na IT (% HDP)
celkové výdaje na podnikové inovace bez výdajů na VaV (% obratu)
Duševní vlastnictví10
(Throughputs)
Schopnost zajistit si dostatečnou ochranu výstupů vlastních inovačních aktivit je významným faktorem
získání konkurenční výhody a tím též příspěvkem ke zvýšení vlastní konkurenceschopnosti
na trhu. Hodnota 0,20 řadí ČR na předposlední místo mezi hodnocenými zeměmi (horší je jen
Estonsko). Nad průměrem EU27 je pouze šest zemí, což současně dokládá jejich obrovský náskok
před zbytkem EU. Suverénem mezi nimi je pak bezkonkurenční Dánsko.
Duševní vlastnictvíGraf č. 75:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
EE CZ PT SI ES UK IT FR FI NL AT DE SE DK
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Spolupráce a podnikání (Linkages & entrepreunership)
Skupina ukazatelů hodnotících nejen vlastní inovační aktivitu firem, ale též jejich schopnost kooperace
a zapojení do společných proinovačně zaměřených projektů. ČR s takřka stejnou hodnotou
jako Portugalsko (a prakticky na úrovni průměru EU27) patří třetí nejhorší pozice, přesto
v tomto ukazateli předstihuje dvě tradiční členské země, a to Itálii a Španělsko. Za nejúspěšnější
státy lze z hlediska tohoto kritéria považovat čtyři země, které překračují hodnotu 0,60. Těmito
zeměmi jsou Rakousko, Švédsko, Finsko a Spojené království.
9 Hollanders, van Cruysen (2008), s. 18–19.
10 Použit volný překlad, který poměrně velmi přesně vystihuje strukturu použitých ukazatelů, a to i ve vazbě na
původní metodiku EIS 2007.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE214
Spolupráce a podnikáníGraf č. 76:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
IT ES CZ PT SI FR NL EE DK DE AT SE FI UK
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Firemní investice (Firm investment)
V rámci kategorie Firemní aktivity dosahuje ČR nadprůměrného hodnocení pouze ve skupině
ukazatelů Firemní investice. Hodnota 0,48 řadí naši ekonomiku na 8. místo mezi zkoumanými
zeměmi a předstihuje i trojici inovačních následovníků (Francii, Slovinsko a Nizozemí). Pořadí
vévodí Švédsko (s hodnotou přesahující 0,70) a především Finsko, které dosahuje téměř 0,90.
Firemní investiceGraf č. 77:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
ES IT PT NL SI FR CZ DK DE EE AT UK SE FI
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Výstupy (Outputs)3.1.2.4.
V rámci této kategorie jsou ukazatele sdruženy do dvou skupin, a to Ekonomické efekty a Inovační
firmy.
Skupina Ekonomické efekty zahrnuje tyto ukazatele:11
zaměstnanost ve znalostně intenzivních službách (% celkové zaměstnanosti),
zaměstnanost v medium-high a high-tech průmyslu (% celkové zaměstnanosti),
11 Hollanders, van Cruysen (2008), s. 25–27.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 215
export medium a high-tech produktů (% celkového exportu),
export znalostně intenzivních služeb (% celkového exportu služeb),
suma obratu prodeje nových a prokazatelně zlepšených výrobků z hlediska trhu (% celkového
obratu),
suma obratu prodeje nových a prokazatelně zlepšených výrobků z hlediska firmy nikoliv trhu
(% celkového obratu).
Skupina Inovační firmy zahrnuje tyto tři ukazatele:12
počet MSP uvádějících produktové nebo procesní inovace (% všech MSP),
počet MSP uvádějících marketingové nebo organizační inovace (% všech MSP),
indikátor složený ze dvou dílčích, a to počtu inovačních MSP, kterým inovace snižují náklady
práce a počtu inovačních MSP, kterým inovace snižují materiálovou a energetickou náročnost
produkce.
Ekonomické efekty (Economic effects)
Jak bylo uvedeno výše, tato skupina ukazatelů zahrnuje zaměstnanost a export propulsivních odvětví
a sumu obratu nových a prokazatelně zlepšených výrobků. Právě tyto ukazatele zřejmě „vyhovují“
české ekonomice, jejíž rozvoj je determinován především předchozím přílivem zahraničních investic
do uvedených odvětví a s tím související proexportní orientací. Mezi zkoumanými zeměmi ji patří
2. místo, s hodnotou mírně nad 0,60 nemůže konkurovat pouze Německu, tedy ekonomice, na níž
jsou zřejmě parametry hodnocených ukazatelů značně závislé. Zajímavá je jistě také skutečnost, že
právě tyto dvě země jsou nad průměrem EU27 a všech zbývajících 12 je podprůměrných.
Ekonomické efektyGraf č. 78:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
PT NL EE IT DK SI SE UK AT FR ES FI CZ DE
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Inovační firmy (Innovators)
Druhou skupinu ukazatelů hodnotících Výstupy inovací představují podíly inovačních firem dle
typu inovací uváděných na trh a dle charakteru inovacemi snížených nákladů. I v tomto hodnocení
ČR obstála. S hodnotou odpovídající průměru EU27 dokonce předstihuje inovativně vyspělé
Finsko a jen těsně zaostává za celkově nejinovativnějším Švédskem. Nejlepšího hodnocení
v rámci této skupiny dosahuje Německo (hodnota přesahující 0,75), které s odstupem následují
Portugalsko, Rakousko a Slovinsko.
12 Hollanders, van Cruysen (2008), s. 24–25.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE216
Inovační firmyGraf č. 79:
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
UK ES NL IT DK FI CZ SE EE FR SI AT PT DE
Zdroj: www.proinno-europe.eu/repository/33-innovation-dimenstions (vlastní zpracování, upraveno)
Inovační podniky3.1.3.
Community Innovation Survey (CIS) je základním statistickým nástrojem EU, který umožňuje
vyhodnocení Evropského pokroku v oblasti inovací. CIS umožňuje lepší pochopení inovačního
procesu a analyzuje efekty inovací na ekonomiku (na konkurenceschopnost, zaměstnanost, ekonomický
růst atd.). Data jsou získávána národními statistickými úřady nebo kompetentními výzkumnými
institucemi ve členských zemích EU, kandidátských zemích a Norsku.
Šetření o inovacích (CIS) probíhá na základě nařízení Komise (ES) č.1450/2004 ze dne 13. srpna
2004, kterým se provádí rozhodnutí Evropského parlamentu a Rady č. 1608/2003/ES o tvorbě a rozvoji
statistiky Společenství v oblasti inovací. Metodika šetření byla harmonizována na základě tzv.
Oslo manuálu, a došlo též ke zvýšení intenzity šetření, které od roku 2004 (CIS4) probíhá ve dvouletých
periodách. V současnosti jsou dostupné údaje z šetření realizovaného v roce 2006 (CIS2006).13
Základním ukazatelem CIS je bezesporu podíl inovačních podniků, který lze považovat za podstatnou
determinantu dalších statistických charakteristik inovačního prostředí. Pozici námi zkoumaných
zemí zachycuje následující graf.
Podíl inovačních podniků (% všech podniků v zemi)Graf č. 80:
0
10
20
30
40
50
60
70
FR ES IT CZ SI NL UK PT SE DK EE AT FI DE
Poznámka: data za FR nejsou k dispozici Zdroj: Eurostat, 2010 (vlastní zpracování)
13 Data za rok 2008 (CIS 2008) budou zveřejněna na konci roku 2010.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 217
V roce 2006 bylo 38,8% podniků14
v EU považováno za inovační. ČR společně se Španělskem, Itálií,
Slovinskem a Nizozemím patří do skupiny zemí s podílem mezi 33,6–35,5%, mírně podprůměrem
je též Spojené království. Více než 50% podílu inovačních podniků je v Rakousku, Finsku a zejména
v Německu (62,6 %). Ve většině zemí pak platilo, že podíl inovačních podniků byl obecně vyšší v průmyslu
než ve službách. Podíl inovačních podniků roste s jejich velikostí (viz následující tabulka).
Podíl inovačních podniků v rámci velikostních skupin dle počtu zaměstnanců (%)Tabulka č. 74:
velikost podniku dle počtu zaměstnanců
10–49 50–249 nad 250
CZ 28,9 48,6 70,4
AT 44,0 71,1 82,8
DE 57,3 71,9 87,4
DK 42,3 59,7 81,2
EE 43,0 64,4 85,2
ES 30,0 48,6 72,0
FI 46,9 61,2 83,0
IT 31,3 54,2 69,2
NL 31,3 49,2 65,5
PT 37,3 56,7 78,5
SE 40,5 56,9 74,2
SI 27,7 51,3 76,9
UK 36,0 45,0 52,3
Zdroj: Eurostat, 2010 (vlastní zpracování)
Je zřejmé, že je to právě podíl inovačních podniků ve skupině malých podniků (10–49 zaměstnanců),
který ovlivňuje celkový podíl inovačních podniků, kde existují značné rozdíly – Slovinsko
(27,7 %), ČR (28,9%) na jedné straně a Německo (57,3 %), Finsko (46,9%) na straně druhé.
CIS 2006 sleduje také faktory, které brání tvorbě inovací. Tyto lze rozdělit do tří skupin, a to:
nákladové faktory, tržní faktory a znalostní faktory. Ačkoliv je jejich struktura v jednotlivých zemích
rozdílná, zdá se, že největší bariérou jsou nákladové faktory.15
Výzkum a vývoj3.1.4.
Výzkum a vývoj je bezesporu jedním z klíčových předpokladů tvorby a rozvoje inovací a tím pádem
též významným faktorem zvyšování konkurenceschopnosti národních ekonomik. Nejvíce
sledovanými charakteristikami jsou pak výdaje na VaV a lidské zdroje.
Výdaje na výzkum a vývoj3.1.4.1.
Řada zemí zvyšuje míru veřejných prostředků na podporu výzkumu a vývoje, a to navzdory rozpočtovým
omezením a celkovým škrtům ve financování veřejných politik.16
Evropská unie si dala
14 Nejsou zahrnuta data za Francii, která nedodala kompletní údaje.
15 Chybí data pro Dánsko, Německo, Francii, Itálii, Slovinsko, Finsko a Velkou Británii.
16 OECD (2008).
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE218
za cíl zvyšovat podíl celkových výdajů na VaV až na úroveň 3% HDP. Tato hodnota se však jeví
obecně jako nerealisticky nastavená, v roce 2007 jí byly schopny dosáhnout jen dvě členské země,
a to Švédsko (3,60 %) a Finsko (3,47 %).
Výdaje na VaV jako % HDP (2007)Graf č. 81:
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
IT EE PT ES SI CZ NL UK FR DE DK AT FI SE
Zdroj: Eurostat, 2010 (vlastní zpracování)
Česká republika patří s 1,54% na 6. místo mezi zkoumanými zeměmi. Přestože je tato hodnota
pod průměrem EU-27 (1,85 %), nelze nevidět, že tato hodnota je nejlepší z postkomunistických
zemí a současně je vyšší než v případě starých členských zemí, Španělska, Portugalska a Itálie.
Ještě o poznání horší je situace ČR v případě vládních výdajů na VaV, kde ji pouhá jedna setina
procenta dělí od posledního místa. Následující graf též přináší zajímavé zjištění v případě Španělska
a Portugalska, kde je patrné, že v těchto zemích jsou výdaje na VaV taženy převážně vládním sektorem.
Celkové vládní výdaje na VaV jako % HDP (2008)Graf č. 82:
0
0,2
0,4
0,6
0,8
1
1,2
SI CZ IT UK EE AT NL FR DE SE DK FI PT ES
Zdroj: Eurostat, 2010 (vlastní zpracování)
Ve většině zemí (včetně ČR) však mají hlavní podíl na výzkumu a vývoji podnikové výdaje
(BERD). V posledních deseti letech podnikové výdaje významně vzrostly, rychlost jejich růstu
ale od roku 2001 poklesla, v letech 1996–2006 pouze na 1,11% HDP. Zdá se, že EU v roce 2010
nedosáhne stanoveného cíle BERD na úrovni 2% HDP.17
17 OECD (2008).
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 219
Výdaje na VaV dle zdroje financování jako % celkových výdajů (2007)Tabulka č. 75:
výdaje na výzkum a vývoj
podnikové vládní ostatní národní zahraniční
CZ 54 41 1 4
AT 48 36 0 16
DE 68 28 0 4
DK 60 28 3 10
EE 42 46 1 12
ES 47 43 5 6
FI 68 24 1 7
FR 52 38 2 7
IT 40 48 3 8
NL 51 36 1 11
PT 36 55 4 5
SE 64 24 4 8
SI 58 36 0 6
UK 47 29 6 18
Zdroj: Eurostat, 2010 (vlastní zpracování)
Lidské zdroje3.1.4.2.
Zvyšující se znalostní intenzita mnoha zemí s sebou přináší rostoucí poptávku po vysoce kvalifikovaných
zaměstnancích, kterou často nelze uspokojit z domácích zdrojů, a tak dochází k využití
zahraničních odborníků. V roce 2006 představovala zaměstnanost (HC) ve VaV 1,54% celkové
zaměstnanosti v EU27.
Podíl zaměstnanosti (HC) ve VaV jako % celkové zaměstnanosti (2006)Graf č. 83:
0
0,5
1
1,5
2
2,5
3
3,5
PT IT EE NL SI CZ ES FR DE AT DK SE FI
Poznámka: data za UK nejsou k dispozici.
Zdroj: Eurostat, 2010 (vlastní zpracování)
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE220
ČR je s podílem zaměstnanosti VaV na úrovni 1,43% mírně pod průměrem EU27, mezi zkoumanými
zeměmi ji patří 8. místo. Pořadí zemí jinak přímo koresponduje s výší jejich podílu výdajů
na VaV na HDP (viz výše), a tak nejvyšší podíl zaměstnanosti ve VaV vykazují Finsko, Švédsko,
Dánsko a Rakousko.
High-tech a medium-high-tech průmysl a znalostně3.1.5.
náročné služby
High-tech a medium-high-tech průmysl3.1.5.1.
Tato průmyslová odvětví s vysokou technologickou náročností jsou vymezena metodikou OECD
a o jejich zařazení se rozhoduje na základě podílu výdajů na VaV a přidané hodnoty. Mezi hightech
obory patří odvětví NACE (Rev. 1.1) s kódy 24.4, 30, 32, 33 a 35.3, což jsou například výroba
léčiv, počítačů, letadel nebo zdravotnických přístrojů, mezi medium high-tech se řadí odvětví
NACE (Rev. 1.1) s kódy 24, 24.4, 29, 31, 34, 35, 35.1 a 35.3, což je například výroba automobilů,
elektrických strojů chemických látek apod.18
K hodnocení technologické vyspělostí zemí pohledem jejich podílu na high-tech či mediumhigh-tech
průmyslu lze použít celou řadu ukazatelů, a to zejména ukazatele charakterizující zaměstnanost
v těchto odvětvích, ekonomické statistiky (obrat, přidaná hodnota, počet firem, hrubé
investice) nebo jejich zapojení do mezinárodního obchodu.
Pro účely této studie byl vybrán právě ukazatel spadající do poslední uvedené skupiny, a to podíl
high-tech exportu na celkovém exportu (%) v roce 2006. Jak je patrné z následujícího grafu,
ČR zaujímá (s jen o setinu nižším % podílem než Dánsko) 8. místo (12,74 %), přičemž velmi podobných
hodnot dosahuje též šesté Švédsko (13,40%) a páté Německo (14,06 %). Statistice vévodí
Spojené království, které s hodnotou podílu 26,48% převyšuje druhé Nizozemí o více než 8 %.
Podíl high-tech exportu jako % celkového exportu (2006)Graf č. 84:
0
5
10
15
20
25
30
SI ES IT PT EE AT CZ DK SE DE FR FI NL UK
Zdroj: http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&plugin=1&language=en&pcode=tsiir160 (vlastní zpracování)
18 Eurostat 2010.
INOVAČNÍ VÝKONNOST A PODMÍNKY PRO INOVACE 221
Znalostně náročné služby3.1.5.2.
Mezi služby s vysokou náročností na znalosti patří odvětví NACE (Rev. 1.1) s kódy 61, 62, 64, 65,
66, 67, 70, 71, 72, 73, 74, 80, 85 a 92, kterými jsou například vodní, letecká a kosmická doprava,
spoje, finanční zprostředkování, činnosti v oblasti nemovitostí, v oblasti výpočetní techniky, pronájem
strojů, přístrojů a výrobků, výzkum a vývoj, vzdělávání, zdravotní a sociální péče, veterinární
činnost a rekreační, kulturní a sportovní činnosti.
Stejně jako se pro obecné hodnocení ekonomické vyspělosti národních ekonomik nejčastěji používá
ukazatel podílu zaměstnanosti ve službách, tak pro hodnocení technologické úrovně zemí
se jako vhodný jeví ukazatel podílu zaměstnanosti ve znalostně náročných službách na celkové
zaměstnanosti.
Podíl zaměstnanosti ve znalostně náročných službách jako % celkové zaměstnanosti (2007)Graf č. 85:
0
10
20
30
40
50
PT CZ SI EE ES AT IT DE FR FI NL UK DK SE
Zdroj: http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=htec_emp_nat&lang=en (vlastní zpracování)
Je zřejmé, že ČR si z hlediska zaměstnanosti ve znalostně náročných službách nevede příliš dob-
ře.19
Mezi zkoumanými zeměmi ji s hodnotou 25,66% patří předposlední místo, přičemž horší je
jen Portugalsko. Pod průměrem EU27 (32,96%) je rovná polovina zkoumaných států. Země s nejvyšším
podílem dosahují hodnot přesahujících 40%, patří mezi ně Finsko (40,73 %), Nizozemí
(42,71 %), Spojené království (42,85 %), Dánsko (43,51%) a zejména Švédsko (47,83 %).
19 Připomeňme, že v analýze prezentované ve Slaný a kol. (2008), která přinesla hodnocení na úrovni regionů NUTS2,
patřilo sice regionu Praha výsadní 1. místo, nejlepší z ostatních českých NUTS2, Jihovýchod, byl však až na 20. místě.
222
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 223
Opatření na podporu inovací3.2.
ve vybraných státech EU
Tato kapitola seznamuje s různými opatřeními na podporu inovací v námi sledovaných třinácti
zemích EU. Pořadí zemí je zde stanoveno podle jejich inovační výkonnosti v hodnocení European
Innovation Scoreboard. Pozornost bude nejdříve věnována Švédsku jakožto zemi, která v posledním
hodnocení EIS obstála nejlépe, a kapitola bude ukončena inovačními opatřeními prováděnými
v Itálii, která se umístila na posledním místě z námi sledovaných států. U každého státu jsou
uvedena tři až čtyři opatření na podporu inovací a každé opatření je zhodnocení z hlediska jeho
praktické využitelnosti v ČR.
Švédsko3.2.1.
Financování inovací3.2.1.1.
Podstatou opatření je poskytování půjček malým a středním podnikům na financování jejich
inovačních aktivit. Půjčky jsou určeny zejména pro subjekty, které mají problém získat jiné
zdroje financování, a mohou být použity na komercionalizaci inovačních aktivit (vývoj produktu,
ochrana duševního vlastnictví a průzkum trhu). Podmínky úvěru jsou nastaveny v závislosti
na finanční situaci podniku a jeho potřebách. Obecně se ale dá říci, že úroková sazba těchto
úvěrů se pohybuje mírně nad průměrnou výší úroků z bankovních úvěrů. Půjčky poskytuje
ALMI Företagspartner AB. ALMI je státem vlastněná organizace založená v roce 1994 a jejím cílem
je podporovat konkurenceschopné MSP a podněcovat vznik nových podniků. Usiluje o to,
aby bylo na trh uvedeno co nejvíce inovací, aby vzniklo více životaschopných podniků a aby
se zvýšila konkurenceschopnost a ziskovost švédských podniků. ALMI je mateřská společnost
spoluvlastnící skupinu 19 regionálních poboček (s cca 450 zaměstnanci), ve kterých má ALMI
vždy 51% majetkový podíl. Zbývajícími vlastníky jsou úřady jednotlivých provincií, regionální
a municipální autority. Management regionálních poboček je tvořen politiky, místními podnikateli
a organizacemi spojenými s podnikáním. ALMI je zodpovědná za řízení a koordinaci celého
programu. Každodenní provozní záležitosti řeší regionální pobočky, na které se také obracejí
inovační firmy se svými záležitostmi. Úvěry jsou financovány z vlastních zdrojů ALMI, řízení
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU224
a provoz je financován z dotací od vlastníků. Financování inovací je pouze jeden z produktů
ALMI, dále se zaměřuje například i na rizikový kapitál.20
Uplatnitelnost v ČR: Určitou obdobou ALMI je Českomoravská záruční a rozvojová banka,
která poskytuje úvěry podnikům. Rozdílné však je, že tyto úvěry nejsou striktně účelově vázány na
financování inovačních aktivit (jsou určeny spíše na rozvoj podnikání obecně). Dalším rozdílem
je vlastnická struktura (stát + komerční banky), právní forma (banka), vztah k regionálním pobočkám
(vše jeden právní subjekt) a počet regionálních poboček (6). Podobné produkty, jako nabízí
ALMI, se v ČR vyskytují i na regionální úrovni, např. některá inovační centra poskytují tzv. mikropůjčky.
Produkt jako takový – úvěry na inovace – je v ČR uplatnitelný a v menší míře se i uplatňuje.
V ČR je však podpora inovačního podnikání z veřejných zdrojů uplatňována spíše formou
dotací. Do budoucna zřejmě není vhodné zakládat nové instituce, které by poskytovaly půjčky na
inovace, spíše je na zvážení, zda by některé dotace neměly být nahrazeny úvěry.
VINNVÄXT – Regionální růst prostřednictvím dynamických inovačních3.2.1.2.
systémů
Cílem tohoto opatření je podpořit inovace a ekonomický růst prostřednictvím lepšího prostředí
pro výzkum a vývoj a lepších podmínek pro spolupráci regionálních aktérů na bázi modelu tzv.
trojité šroubovice (triple helix – spolupráce mezi výzkumem, průmyslem a státem, resp. regionem).
Program VINNVÄXT je založen na soutěži probíhající mezi regiony a několik vítězných regionů
může až na 10 let získat finanční podporu od organizace VINNOVA ve výši přibližně 10 milionů
švédských korun ročně. Regiony by se díky podpoře měly stát více konkurenceschopnými ve vybraných
odvětvích na mezinárodní úrovni. Nezbytnou podmínkou pro získání podpory je, že do projektů
musí být zapojeny podniky, výzkum i regionální instituce a že tito účastníci dohromady budou
investovat minimálně stejně vysokou částku, jako obdrží od agentury VINNOVA. Podpořené projekty
jsou průběžně hodnoceny a na výsledcích hodnocení závisí jejich další financování. Regiony,
které dosud získaly podporu, se zaměřovaly např. na ICT sektor, biomedicínský vývoj, ocelářský
průmysl, optická vlákna, inteligentní textilie, biotechnologie nebo medicínské roboty. VINNOVA
(Švédská vládní agentura pro inovační systémy) je státní organizace, jejímž cílem je podporovat růst
a prosperitu. Agentura se zaměřuje především na propojování inovací a výzkumu a vývoje a jejím
hlavním úkolem je financovat výzkum, který je vyvolaný potřebami podniků a průmyslu.21
Uplatnitelnost v ČR: Program je pro ČR zajímavý v tom, že reaguje na problémy, které jsou aktuální
i zde – zejména spolupráce podniků, výzkumu a veřejného sektoru – a mohl by tak přispět
k růstu konkurenceschopnosti vybraných regionů. Na druhou stranu, obdobné aktivity je již dnes
možné podporovat z jiných programů (např. program Spolupráce) a otázkou také je, zda by program
dále neprohluboval regionální disparity.
Švédsko-norská obchodní spolupráce3.2.1.3.
Cílem opatření je pomocí grantů podpořit spolupráci švédských a norských malých a středních firem
za účelem posílení jejich inovační kapacity a konkurenceschopnosti a komercionalizace a vývoje
nových produktů. Program je realizován švédskou agenturou NUTEK (od roku 2009 Švédská
agentura pro hospodářský a regionální růst – Tillväxtverket) a norskou Innovation Norway.
Tillväxtverket vznikla sloučením NUTEKu, Národní agentury pro rozvoj venkova a Švédské
20 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření SE 117), ALMI Företagspartner AB: www.almi.se/ALMI-in-English.
21 Zpracováno dle: Viturka a kol. (2010), VINNOVA – VINNVÄXT: www.vinnova.se/en/Activities/VINNVAXT/, PRO INNO
EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření SE 19), Klusáček, Kučera, Pazour a kol. (2008).
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 225
organizace spotřebitelů a zaměřuje se na podporu vzniku, růstu, dlouhodobého rozvoje a konkurenceschopnosti
švédských podniků. Innovation Norway je státní agentura, která se zaměřuje na
rozvoj průmyslu a podporu inovací v regionech. Vznikla v roce 2004 jako nástupce několika organizací
a své pobočky má jak v norských regionech, tak v desítkách dalších států.22
Uplatnitelnost v ČR: Program reaguje na slabinu, kterou má i český inovační systém, a to nízkou
spolupráci malých a středních firem se zahraničními partnery. V této podobě zde žádný program
neprobíhá, a proto by skandinávský příklad mohl být pro ČR dobrou inspirací. Na druhou stranu,
za jisté alternativy švédsko-norského programu můžeme považovat operační programy v rámci cíle
Evropská územní spolupráce (zejm. oblast přeshraniční spolupráce) nebo 7. rámcový program EU.
Finsko3.2.2.
Finská inovační centra – FinNode3.2.2.1.
Podstatou opatření FinNode je zakládání inovačních center v zahraničí. Cílem opatření je podpořit
internacionalizaci finských společností (zejm. v oblasti výzkumu a vývoje), přitáhnout zahraniční
společnosti do Finska, umožnit finským firmám operovat v zahraničí a posílit tok znalostí
jak ve směru z Finska do zahraničí, tak ve směru ze zahraničí do Finska. Současně má být podpořena
internacionalizace národních pólů a klastrů excelence. Zakladateli inovační center jsou především
Tekes (agentura financující technologie a inovace), Invest in Finland (vládní agentura na
podporu zahraničních investic), Finpro (asociace firem zabývající se internacionalizací, původně
exportní agentura), VTT (Technické výzkumné finské centrum VTT – největší organizace zabývající
se multitechnologickým aplikovaným výzkumem v severní Evropě), Finský inovační fond
Sitra a Finská Akademie. Inovační centra slouží podnikům i výzkumníkům a nabízí služby na podporu
mobility výzkumníků, navazování kontaktů a kooperační dohody s místními výzkumnými
institucemi, univerzitami apod. Opatření neposkytuje přímou finanční podporu podnikům ani
výzkumníkům. Provozní náklady inovačních center jsou pokryty spolupracujícími organizacemi.
Prozatím byla založena čtyři centra, a to v Číně, USA, Rusku a Japonsku.23
Uplatnitelnost v ČR: V ČR, kde podobné opatření neexistuje, by taková aktivita mohla být
užitečná, neboť mezinárodní spolupráce v oblasti výzkumu, vývoje a inovací je slabou stránkou
českého inovačního prostředí. České firmy mají možnost expandovat do zahraničí za pomocí zahraničních
kanceláří CzechTrade, tato asistence však není primárně zaměřena na výzkum, vývoj
a inovace. Finské opatření by tak mohlo sloužit jako inspirace pro ČR, přičemž by v zahraničí
nemusely být zakládány zcela nové subjekty, ale mohla by se ve vybraných lokalitách rozšířit nabídka
agentury CzechTrade právě o tyto služby.
Program TRIO3.2.2.2.
Program realizovaný v letech 2004–09 se zaměřoval na posílení konkurenceschopnosti finských
firem, zejména MSP, a to prostřednictvím podpory většího zapojení těchto subjektů do mezinárodní
dělby práce a mezinárodního výzkumu a vývoje. Program byl orientován na odvětví strojů
22 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření SE 42), Swedish Agency for Economic and Regional Growth – Tillväxtverket: www.tillvaxtverket.se/
english, Innovation Norway: www.innovasjonnorge.no.
23 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření
FI 72, International innovation centres – FinNode: www.tem.fi/?l=en&s=2760, VTT Technical Research Centre of
Finland: www.vtt.fi/vtt/index.jsp, Finpro: www.finpro.fi/en-US/About+Finpro, Invest in Finland: www.investinfinland.fi.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU226
a zařízení, nástrojů a dopravních prostředků. Cílem programu bylo změnit strukturu průmyslu,
který už neodpovídá (nebo brzy nebude) současným požadavkům hlavních světových hráčů na
trhu a neumí čelit globálním výzvám. Program byl financován z evropských dotací a podporoval
podnikatelské sítě nebo individuální podniky v sítích působící. Podpora byla určena především na
školení, stáže a poradenství. Na realizaci programu se podílela řada institucí, např. ministerstva,
vládní agentury, inovační fondy, Tekes, oborové svazy apod.24
Uplatnitelnost v ČR: Program je zaměřen na specifické podmínky ve Finsku, proto je v ČR
uplatnitelný pouze částečně. Inspirací pro ČR může být fakt, že program usiluje o včasné řešení
problémů, které zatím nenastaly, ale reálně hrozí. Podpora tvorby podnikových sítí může
být jednou z cest ke stabilizaci inovačních firem na trh a též příležitostí ke zvýšení jejich
konkurenceschopnosti.
Agentura TEKES3.2.2.3.
Agentura TEKES (the Finnish Funding Agency for Technology and Innovation) je nejvýznamnější
veřejnou organizací ve Finsku, která financuje výzkum, vývoj a inovace. TEKES má posilovat
rozvoj průmyslu a služeb prostřednictvím podpory technologií a inovací. Zavádění nových
technologií a inovací by mělo vést k oživení ekonomiky, zvýšení přidané hodnoty, růstu exportu,
zvýšení produktivity, tvorbě pracovních míst a zlepšení kvality života. TEKES vyhlašuje výzkumné
programy v určitých tématických prioritách (např. funkční materiály, ICT, biotechnologie,
potravinářství, zdraví, energie, služby), ze kterých mohou prostřednictvím veřejné soutěže
získat finance na výzkum (obvykle 50% nákladů) jak finské podniky, tak výzkumné instituce.
Každoročně je podpořeno asi 1500 firemních projektů a 600 projektů výzkumných institucí a univerzit.
Podporována je také mezinárodní spolupráce. Kromě financování výzkumných a inovačních
projektů se TEKES podílí například na vzniku klastrů, zpracovává strategické studie a analýzy
a zakládá strategická centra pro vědu, technologie a inovace.25
Uplatnitelnost v ČR: Agentura TEKES posloužila jako vzor pro založení Technologické agentury
ČR, která vznikla v roce 2010 a má v ČR financovat projekty aplikovaného výzkumu (na rozdíl od
Grantové agentury ČR, která se zaměřuje především na základní výzkum). Česká republika by neměla
využít tuto inspiraci pouze pro založení Technologické agentury, ale měla by využít i zkušenosti finské
agentury, např. v oblasti rozsahu podpůrných aktivit, tvorby programů nebo hodnocení projektů.
Německo3.2.3.
Inovační regionální růstové póly3.2.3.1.
Cílem programu je posílit ekonomický rozvoj východního Německa pomocí podpory regionálních
iniciativ, vč. klastrů. Tyto iniciativy by měly přispět ke sdílení technologií a řešení společných problémů
malých a středních firem. Regionální póly by (kromě malých a středních podniků) měly být tvořeny
také veřejným výzkumem (výzkumné ústavy a univerzity) a dalšími aktéry. Podpora je poskytována
formou dotace a je realizována Spolkovým ministerstvem pro školství a výzkum – BMBF.26
.
24 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření FI 20), The Federation of Finnish Technology Industries: www.teknologiateollisuus.fi/en/services/trio-552.html
25 Zpracováno dle: Viturka a kol. (2010), TEKES: www.tekes.fi.
26 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření DE 57).
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 227
Uplatnitelnost v ČR: Zaměření programu je vhodné i pro Českou republiku, neboť spolupráce
mezi podnikovou a výzkumnou sférou zde není dostatečně rozvinuta. Podobný program je však
v ČR realizovaný už od roku 2004 (dříve program Klastry, dnes program Spolupráce). Jeho výsledky
lze považovat za nedostatečné a případnou intenzivnější podporu za žádoucí.
TOP – program pro technologicky orientované návštěvy a informace3.2.3.2.
Smyslem programu je podporovat výměnu znalostí, učení a spolupráci mezi podniky, což by mělo
vést k šíření technologií a praktik inovačního managementu. Manažeři z malých a středních firem
mohou navštívit vedoucí firmu v určitém oboru a mohou tak zjistit, jak lídr organizuje inovační
procesy a technologický vývoj a mohou diskutovat o různých přístupech a zkušenostech. Program
je iniciován Spolkovým ministerstvem hospodářství a technologií BMWI a je řízen soukromou
poradenskou společností F.A.Z. – Institut. Finanční podpora je poskytována pouze na řízení programu,
firmy dotace nezískávají. Naopak, MSP za návštěvu platí určitý poplatek. Do programu je
zapojeno více než 100 lídrů (hostitelských firem) a za dobu trvání programu proběhlo přes 30 tisíc
návštěv. Hostitelská firma má právo návštěvu určité firmy odmítnout.27
Uplatnitelnost v ČR: V ČR podobný program dosud neexistuje. Implementace programu v ČR
by mohla být přínosná zejména pro začínající inovační firmy, které se často potýkají s nedostatkem
manažerských dovedností a zkušeností. Je navíc příležitostí pro všechny zúčastněné podniky
k navázání spolupráce, která může být předpokladem jejich dalšího rozvoje. Výhodou programu
je také fakt, že není náročný na veřejné zdroje.
ERP Inovační program3.2.3.3.
Program se zaměřuje na financování tržně orientovaného výzkumu a vývoje a zavádění inovací
na trh. Je určen pro firmy všech velikostí (některé části programu jsou určeny jen pro MSP), které
fungují alespoň dva roky. Program vychází z předpokladu, že inovační podniky mají problém
získat bankovní úvěry (např. z důvodu vysoké rizikovosti nebo nedostatku záruk). Program nabízí
firmám úvěr, který se skládá ze dvou částí: klasický úvěr (splatnost cca 2 roky) a podřízený úvěr28
(cca 50–60% úvěru, splatnost cca 7 let). Úvěry jsou úročeny nízkou úrokovou sazbou (nižší než
tržní) a na podřízený úvěr firmy neposkytují záruku. Program realizuje státem a spolkovými zeměmi
vlastněná KfW Bankengruppe (banka poskytující podporu do ekonomické, sociální i environmentální
oblasti) a úvěry jsou poskytovány nepřímo prostřednictvím komerčních bank (žádosti
o úvěr podniky předkládají své bance, kde mají vedený běžný účet). KfW pro získání prostředků
využívá tzv. European Recovery Programme (ERP). ERP program je realizován nejen v Německu,
ale i dalších státech (např. Rakousku).29
Uplatnitelnost v ČR: V ČR podobný program zatím neexistuje. Obdobné aktivity jsou podporovány
spíše prostřednictvím dotací, zvýhodněné úvěry u nás nebývají poskytovány na tento
účel. Podpora inovací prostřednictvím úvěrů by v budoucnu měla být preferována před dotacemi.
Z tohoto pohledu se ERP program zdá být dobrým nástrojem. Určitou obdobou v současné
době může být snad Rámcový program pro konkurenceschopnost a inovace CIP, který reali-
27 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření DE 32).
28 Typ dlouhodobého zvýhodněného úvěru, jehož podmínky jsou nastaveny tak, že umožňují přednostní uspokojení
pohledávek všech ostatních věřitelů dlužníka v době podřízenosti (tj. v době odkladu splátek jistiny podřízeného
úvěru). (www.cmzrb.cz).
29 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření DE 10), KfW Bankengruppe: www.kfw.de.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU228
zuje Evropská komise s Evropskou investiční bankou (příp. i Evropským investičním fondem)
a který nabízí úvěry (příp. i rizikový kapitál) pro rozvoj inovací a tyto prostředky jsou obvykle poskytovány
také prostřednictvím komerčních bank.
Velká Británie3.2.4.
Partnerství při transferu znalostí3.2.4.1.
Program Partnerství při transferu znalostí (Knowledge Transfer Partnerships, KTP) je zaměřen na
spolupráci mezi znalostními organizacemi (univerzity, další vzdělávací instituce a výzkumné organizace)
a podniky všech velikostí a absolventy/doktorandy. Jeho cílem je zvýšit interakci mezi
znalostní základnou a firmami prostřednictvím zprostředkování zkušených pracovníků z řad studentů.
Program je financován formou vládního grantu, který má pokrýt především část nákladů na
zaměstnance. U MSP se očekává, že přispějí zhruba třetinou nákladů. U ostatních podniků se pak
tento přípěvek pohybuje kolem poloviny nákladů u dlouhodobých strategických projektů (1–3 roky)
a dvou třetin nákladů u krátkodobých taktických projektů (10–40 týdnů). Mezi lety 2009 a 2012 se
má rozdělit celkem 135 mil. EUR. Výše konkrétního grantu závisí na počtu zaměstnaných pracovníků,
délce projektu, velikosti podniku, umístění obchodního partnera a/nebo znalostní základny
a také na tom, zda firma již spolupracovala na nějakém projektu v rámci KTP. Program KTP je řízen
a financován Radou pro technologickou strategii (Technology Strategy Board, TSB – výkonná veřejnoprávní
instituce zřízená vládou v roce 2007 a sponzorovaná Ministerstvem pro podnikání, inovace
a dovednosti). Každodenní operace, správu a řízení partnerství zajišťuje Úřad KTP Programu.
Program je určen pro Velkou Británii, avšak absolventi a doktorští studenti mohou pocházet z jakékoliv
země.30
Program je každoročně vyhodnocován a závěry jsou zveřejňovány ve výroční zprávě.
Z výroční zprávy za období 2007/2008 vyplývá, že 83% účastníků ho považuje za prospěšný a že
program má pozitivní vliv na budoucí výkonnost zapojených společností.31
Uplatnitelnost v ČR: Česká republika se rovněž potýká s problémem nízké úrovně propojení
podnikové a výzkumné sféry. Podobný program zatím nemáme, a proto by mohl být užitečný.
Program by přispěl nejen k lepší spolupráci mezi oběma sférami, ale rovněž by mohl pro některé
jednotlivce zatraktivnit doktorské studium, neboť v současné době je velmi obtížné skloubit
zaměstnání a doktorandské studium (stipendium nepokryje náklady na živobytí a zaměstnání na
částečný úvazek je nedostatek).
Finanční garance podnikům3.2.4.2.
Finanční garance podnikům jsou opatřením na pomoc podnikům, které by jinak nebyly schopny
získat úvěr od finančních institucí, přestože splňují základní kritéria a jejich obchodní plán je životaschopný.
Program garance zahrnuje úvěrové záruky pro malé firmy, ale rozšiřuje se i na větší
podniky s obratem do 25 mil. liber (30 mil. EUR). Slouží na krytí podnikových úvěrů se splatností
od 3 měsíců do 10 let a může být použita na ručení nových žádostí o půjčky, refinancování
30 Pokud osoba není občanem některé země EU, musí mít platné pracovní povolení.
31 Zpracováno dle: Knowledge Transfer Partnerships: www.ktponline.org.uk,
PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření UK 18),
BBSRC bioscience for the future: www.bbsrc.ac.uk/business/people-information/knowledge-transfer-partnerships.aspx
Technology Strategy Board: www.innovateuk.org/aboutus.ashx, University of Plymouth: www.plymouth.ac.uk/ktp,
University of the Arts London: www.arts.ac.uk/business/ktp.htm, University of Liverpool: www.liv.ac.uk/ktp/,
CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=60F05E31-F78C-
82F4-DF63DE0BDDD11BB8&hwd=Knowledge%20Transfer%20Partnerships.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 229
stávajících úvěrů nebo převedení přečerpaných účtů (kontokorentů) na úvěry za účelem zvýšení
kapitalizace. Program garance se nezaměřuje na konkrétní odvětvové oblasti, na určité činnosti
však podpora nemůže být poskytnuta (např. zemědělství, bankovnictví, export, rybolov, doprava,
uhlí, pojišťovnictví, veřejná správa, obrana apod.). Tento systém garancí je možné využít prostřednictvím
27 finančních institucí a bank, kde si firmy žádající o úvěr mohou zároveň požádat
o doplňkovou záruku. Opatření zaštiťuje Ministerstvo obchodu, inovací a dovedností (BIS), avšak
o vydání Rozhodnutí rozhoduje příslušná finanční instituce dle předložené individuální žádosti,
jejíž součástí je podnikatelský záměr. Obecná kritéria pro přístup k úvěrům vydává Financial
Service Authority (FSA).32
Původně bylo toto opatření plánováno do konce března 2010, ale na
základě rozpočtové zprávy z prosince 2009 bylo rozhodnuto o jeho prodloužení a navýšení jeho
rozpočtu z 1,3 mld. na 1,8 mld. liber.33
Uplatnitelnost v ČR: Podobný program je v ČR již několik let realizován. Jedná se o program
Záruka, který je v současné době součástí Operačního programu Podnikání a inovace a který
byl před vstupem do EU plně financován z národních zdrojů. Garance jsou poskytovány
Českomoravskou záruční a rozvojovou bankou a samotné úvěry mohou být poskytnuty řadou
komerčních bank.
Inovační a investiční fond Spojeného království3.2.4.3.
Jako jeden z kritických faktorů při vzniku nových inovativních firem ve Velké Británii byl identifikován
omezený přístup k rizikovému kapitálu. Nízké využívání rizikového kapitálu bylo jedním
z důvodů vzniku fondu UKIIF. UKIIF je fond zřízený v červnu 2009 vládou Spojeného království
a jeho úkolem je podporovat specializované technologické fondy rizikového kapitálu za účelem
investic do high-tech MSP, začínajících firem a spin-out firem s vysokým potenciálem k růstu
a inovacím. Prioritními odvětvími jsou vědy o živé přírodě, nízkouhlíkové technologie, ICT a moderní
výroba. Fond je otevřen i investicím z mezinárodních zdrojů. Za fungování UKIIF je zodpovědné
Ministerstvo pro obchod, inovace a dovednosti, které společně s Ministerstvem zdravotnictví
a Ministerstvem energetiky a klimatických změn, zajišťuje jeho financování. Avšak očekává
se i pákový efekt investic od soukromých investorů, a to jak z Velké Británie, tak i ze zahraničí.
Řízení UKIIF je zajištěno institucí Hermes Private Equity (správce aktiv, který funguje nezávisle
na jakékoliv organizaci poskytující finanční služby, hlavním cílem je zajistit klientům co nejlepší
reálné výnosy) a Evropským investičním fondem. Do konce roku 2009 bylo na toto opatření vydáno
asi 390 mil. EUR.34
Uplatnitelnost v ČR: Nedostatek rizikového kapitálu je problémem českého inovačního prostředí.
Ve srovnání s vyspělými zeměmi EU je u nás využívání rizikového kapitálu velmi nízké.
Problémem je zejména nedostatek investic ve výši do 1 mil. EUR pro mladé nadějné firmy. V mi-
32 FSA je nezávislou nevládní organizací v oblasti finančních služeb, která je ze své činnosti odpovědná Ministerstvu
financí. Poskytuje informace firmám, spotřebitelům a dalším zájemcům o jejích cílech, plánech, politikách
a pravidlech.
33 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření UK 115)
CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=B9B8CC99-
6B44-4D94-82F54A67ED767533&hwd=Enterprise%20Finance%20Guarantee
The National Archives: http://webarchive.nationalarchives.gov.uk/+/http://www.berr.gov.uk/whatwedo/enterpri-
se/enterprisesmes/info-business-owners/access-to-finance/efg/page37607.html
Department for Business, Innovation and Skills (BIS): www.bis.gov.uk/abouFinancial Services Authority (FSA):
www.fsa.gov.uk/Pages/About/Who/index.shtml.
34 Zpracováno dle:PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatř. UK 119),
CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=C7F1D7AE-C9F4-
4ED5-8D4F1F907CC129BE&hwd=UK%20Innovation%20Investment%20Fund, Department for Business, Innovation
and Skills (BIS): www.bis.gov.uk/policies/innovation/business-support/ukiifHermes: www.hermes.co.uk/aboutus.aspx.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU230
nulosti Ministerstvo průmyslu a obchodu společně s CzechInvestem plánovalo vytvoření programu
pro investice rizikového kapitálu ve výši do cca 1 mil. EUR, avšak nakonec program nebyl realizován.
Určitou – avšak ne dostatečnou – alternativou mohou být podpora sítí business angels a iniciativa
JEREMIE, které jsou spolufinancovány z Operačního programu Podnikání a inovace.
Learndirect3.2.4.4.
Learndirect si klade za cíl podporovat lepší zaměstnatelnost lidí a zvyšovat produktivitu a efektivitu
organizací tím, že motivuje studenty (myšleno včetně vzdělávajících se zaměstnanců) k dalšímu
vzdělávání a rozvoji dovedností a že zpřístupňuje vzdělávání během každodenního života a práce.
Sekundárním cílem je zvýšit počet společností (zejména MSP), které poskytují vzdělávání pro zaměstnance
a které zlepšují kvalitu a kvantitu vzdělávacích opatření. Klíčové je přilákat lidi k celoživotnímu
vzdělávání a usnadnit participaci znevýhodněných studentů. Prioritními oblastmi tohoto
opatření jsou informování a vzdělávání v přírodních vědách a celoživotní vzdělávání výzkumných
či jiných pracovníků zapojených do inovací. Learndirect funguje především jako webová aplikace,
ale k dispozici jsou i Leardirect centra. Administrujícím subjektem je Univerzita průmyslu (UfI),
což je jedna z partnerských organizací Ministerstva obchodu, inovací a dovedností.35
Uplatnitelnost v ČR: Množství zaměstnanců v ČR, kteří se zapojují do celoživotního vzdělávání,
není příliš vysoké a je nutné podíl těchto osob zvýšit. Podobné aktivity je možné financovat
z Operačního programu Lidské zdroje a zaměstnanost (samotné vzdělávání) nebo z Operačního
programu Podnikání a inovace (budování školicích středisek). V Praze jsou to alternativně OP
Praha Adaptabilita a OP Praha Konkurenceschopnost. Přesto je však nutné do budoucna klást na
celoživotní vzdělávání zvýšený důraz.
Dánsko3.2.5.
GTS – Síť pokročilých technologií3.2.5.1.
GTS je seskupení nezávislých soukromých poradenských firem, které vyvíjejí a prodávají technologické
služby pro soukromé podniky a orgány veřejné správy, a to jak v Dánsku, tak v zahraničí.
Seskupení podporuje inovace a tvoří jádro technologické infrastruktury v Dánsku. Jde o jednu
z největších dánských poradenských sítí s přibližně 2.900 vysoce kvalifikovanými zaměstnanci.
GTS nabízí znalosti, technologie a poradenství, spolupráci na technologických inovacích, testování,
optimalizaci, provádění certifikací a benchmarkingů apod. Všechny tyto služby jsou zaměřeny
na posilování mezinárodní konkurenceschopnosti podniků a benefitů pro společnost obecně.
Hlavním cílem těchto technologických institucí je v Dánsku podporovat a propagovat inovace
v podnikání a průmyslu. Mezi podporované aktivity patří např. aplikovaný průmyslový výzkum,
vývoj prototypů, komercionalizace inovací, vznik klastrů atd. Síť GTS Advanced Technology
Group je tvořena devíti členy a uzavírá vždy tříletou smlouvu s Ministerstvem pro vědu, technologie
a inovace, které toto opatření financuje formou dotací. Ve smlouvě jsou specifikovány výzkumné
oblasti a projekty určené k financování. Administraci a pokrok dosažený v rámci tohoto
opatření pak sleduje Dánská rada pro technologii a inovace, která je pod správou Dánské agentury
35 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření UK 23),
CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=60F07988CE16-D9BC-BADF699691317D92&hwd=Learndirect,
Learndirect: www.learndirect.co.uk/, Department for
Business, Innovation and Skills (BIS): www.bis.gov.uk/partners/by/atoz/u, Ufi limited: www.ufi.com/home2/.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 231
pro vědu, technologie a inovace.36
Každé tři roky provádí Agentura důkladné vyhodnocení všech
institucí, kde jeden z hlavních cílů je určit důležitost dané instituce ve společnosti a spokojenost
s ní. Vzhledem k tomu, že se jedná o stále probíhající program, tak nelze odhadnout jeho celkový
rozpočet. Nicméně GTS instituce obdrží ročně přibližně 31 mil. EUR (v roce 2011 se počítá se
zhruba 32,5 mil. EUR).37
Uplatnitelnost v ČR: Za podobné opatření v ČR můžeme považovat program Poradenství (OP
Podnikání a inovace), v rámci něhož mohou poradenské organizace získat prostředky na poskytování
zvýhodněných poradenských služeb podnikům. Poradenské služby obvykle poskytují i technologická
a inovační centra. Úkolem do budoucna je tak spíše zvyšování kvality těchto služeb,
zvyšování povědomí o jejich existenci mezi podnikateli i výzkumnou sférou a zvyšování počtu
poskytnutých konzultací.
Preventivní fond – nové technologie k prevenci rizik3.2.5.2.
Fond byl zřízen v roce 2007 a slouží k podpoře projektů využívajících technologie, které mohou
zabránit vzniku fyzických a psychických postižení na pracovištích s vysokou rizikovostí. K hlavním
cílům patří zlepšení a obnova pracovního prostředí, ale také prevence úrazů a nemocí z povolání.
O podporu na příslušné projekty mohou požádat všechny podniky, u nichž vzniká potenciální
riziko možnosti vzniku postižení. Podporovány jsou především projekty, které zabraňují
rutinním pracovním postupům, které přispějí k lepším možnostem rekvalifikace zdravotně postižených
osob a také projekty, které zvyšují povědomí o rizicích spojených s kouřením, alkoholem,
obezitou a nedostatkem pohybu. Inovační opatření mohou být zaměřena i na snižování pracovního
vyčerpání a zlepšování bezpečnosti a ochrany zdraví při práci. Fond poskytuje ročně finanční
prostředky v celkové výši 46,6 mil. EUR. Proces hodnocení a přidělování finanční podpory zajišťuje
samotný fond, který je složen z Rady, tří technických komisí a Sekretariátu.38
Uplatnitelnost v ČR: V ČR není program, který by se zaměřoval speciálně na tyto aktivity.
Podobné činnosti je však možné financovat z programů zaměřených primárně na jiné činnosti.
Tento typ opatření tak pro ČR není prioritou.
Průmyslová Ph.D. iniciativa3.2.5.3.
Tato iniciativa je v Dánsku realizována dlouhodobě, byla zahájena již v roce 1970. Klade si tři
hlavní cíle: poskytnout Ph.D. výzkumníkům i vzdělání v oblasti obchodních aspektů výzkumu
a vývoje, vytvořit neformální osobní vazby mezi výzkumem a podniky a rozvíjet inovace v dánském
průmyslu a obchodu. Podstatou opatření je, že student doktorského studia je současně zaměstnán
v podniku, kde pracuje na svém výzkumném projektu. Do projektu je tak zapojena univerzita
i podnik – v každé instituci má doktorand svého supervizora. Projektů se ale mohou účastnit
i další instituce – výzkumné ústavy nebo skupiny malých a středních firem, v tomto případě
36 Dánská agentura pro vědu, technologie a inovace spadá pod Ministerstvo pro vědu, technologie a inovace
a zabývá se např. financováním veřejného výzkumu, mobilitou výzkumných pracovníků, regionalizací výzkumu
a inovací, inovační politikou atd.
37 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření DK 91),
TechnologyDenmark: www.teknologiportalen.dk/EN/OmGTS/, CORDIS erawatch: http://cordis.europa.eu/
erawatch/index.cfm?fuseaction=org.documentAjax&uuid=955AB01C-A6D9-985E-7DB9E00DB3D2F6E3, DELTA:
http://www.madebydelta.com/delta/About_Delta/GTS.page, Danish Agency for Science, Technology and
Innovation: http://en.fi.dk/the-agency.
38 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření DK 89),
Prevention Fund: www.forebyggelsesfonden.dk/english/, CORDIS erawatch: http://cordis.europa.eu/erawatch/
index.cfm?fuseaction=prog.document&UUID=AF57C788-5E35-43D2-AD6011F7DDF8A91B&hwd=The%20
prevention%20fund%20new%20 technology%20to%20prevent%20disabilities.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU232
zde má doktorand tzv. ko-supervizory. Projekt trvá tři roky a podniky i univerzity mohou požádat
Ministerstvo pro vědu, technologie a inovace o dotace na pokrytí nákladů výzkumného projektu
doktoranda. Dotace může být použita na osobní náklady (včetně režijních), nákup vybavení,
školení (vč. studijních cest) a externí expertízy (poradenství, studie apod.). Od roku 2007 je jedna
třetina nákladů hrazena z veřejných zdrojů a dvě třetiny ze zdrojů soukromých. Ministerstvo ročně
vydá na toto opatření řádově několik milionů EUR, např. v roce 2008 to bylo 8,7 mil. EUR.39
Uplatnitelnost v ČR: Podobné opatření by do budoucna ČR měla jistě realizovat. Pomohlo by
na jedné straně zkvalitnit doktorské studium a zvýšit zájem o něj, na druhé straně může pomoci
podnikům s vývojem nových technologií.
Výzkumné vouchery pro MSP3.2.5.4.
Opatření nabízí malým a středním podnikům vouchery, které mohou využít ke spolupráci na výzkumných
projektech s univerzitami a výzkumnými ústavy. Projekty musí trvat 6–24 měsíců a musí
se jich účastnit minimálně jeden malý a střední podnik a jedna výzkumná instituce. Projekty jsou
administrovány Dánskou radou pro technologie a inovace, která může poskytnout dotaci až do výše
25% nákladů projektu, maximálně však 200 tis. EUR na jeden projekt. Malý a střední podnik hradí
50% nákladů a výzkumná instituce 25%. Podnik a výzkumná instituce musí uzavřít smlouvu, kde
bude uveden popis projektu, způsob šíření výsledků a rozdělní práv duševního vlastnictví. Za řízení
programu a výběr projektů odpovídá Dánská agentura pro vědu, technologie a inovace. Projekt byl
navržen pro období 2008–2009 a bylo na něj vyčleněno cca 4 mil. EUR.40
Uplatnitelnost v ČR: Podobné opatření může pomoci zvýšit spolupráci mezi podnikovou a výzkumnou
sférou. V ČR je již částečně realizováno. Poprvé bylo realizováno Jihomoravským inovačním
centrem a statutárním městem Brnem (tzv. inovační vouchery). Obdobné opatření je navrženo
i v Národní politice výzkumu, vývoje a inovací České republiky na léta 2009–2015.
Rakousko3.2.6.
Inovační program Dynamické podnikání3.2.6.1.
Program spolufinancovaný ze strukturálních fondů je zaměřen na podporu začínajících inovačních
firem formou dotace, půjčky nebo poskytnuté záruky. Program z pověření Rakouského spolkového
ministerstva hospodářství, rodiny a mládeže realizuje Austria Wirtschaftservice (AWS).
AWS je rakouská národní banka pro podporu hospodářství a vznikla v roce 2004 sloučením čtyř
organizací. Poskytuje podporu ve formě půjček, garancí, dotací, rizikového kapitálu a poradenství.
Podpora v inovačním programu Dynamické podnikání může být poskytnuta na projekty spojené
s hmotnými a nehmotnými investicemi (výrobní zařízení, technologický transfer, produktový
design, marketing). Program běží od roku 1996, programy pro inovační MSP se však v Rakousku
realizují už od roku 1969.41
Uplatnitelnost v ČR: V České republice obdobné programy existují také, zejména je to Operační
program Podnikání a inovace a v jeho rámci realizované programy Inovace a Start (příp. i Rozvoj).
Dotační program Inovace se sice zaměřuje na podporu inovačního podnikání, ale podpořeny mo-
39 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření DK 63).
40 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření DK 38).
41 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření AT 77) , Austria Wirtschaftsservice AWS: www.awsg.at.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 233
hou být jen podniky s určitou historií. Naproti tomu program Start (úvěry, záruky) je určen pro
začínající podnikatele, neklade však zase důraz výhradně na inovace.
Výzkumná ústředí3.2.6.2.
Program je určen na zvyšování motivace nadnárodních firem provádět svůj výzkum v Rakousku.
Nadnárodní firmy mohou získat dotace (až do výše 50% uznatelných nákladů) na výzkumné
a rozvojové projekty, které jsou zaměřeny na zavedení nebo významné rozšíření průmyslového
výzkumu a výzkumných zařízení v Rakousku. Cílem programu je zvýšit atraktivitu Rakouska pro
umístění nadnárodních firem a pro dlouhodobé výzkumně-vývojové aktivity. Mezi základní požadavky
na podporované projekty patří založení nových nebo významné rozšíření stávajících ploch
pro výzkum a vývoj, spolupráce s národními výzkumnými institucemi a zajištění dlouhodobé
udržitelnosti těchto aktivit. Výběrová kritéria dále zohledňují například celkovou strategii žadatele
s ohledem na výzkum a vývoj v Rakousku, ale též význam daného odvětví pro Rakousko. Program
z pověření Rakouského spolkového ministerstva dopravy, technologií a inovací realizuje a financuje
Rakouská agentura na podporu výzkumu (Austrian Research Promotion Agency, FFG – národní
agentura, která financuje aplikovaný průmyslový výzkum).42
Uplatnitelnost v ČR: V České republice podobné opatření neexistuje, vzdáleně ale připomíná
investiční pobídky do technologických center a center strategických služeb, které však byly zrušeny.
Podobné opatření by v ČR bylo žádoucí, neboť zahraniční firmy zde (i na základě investičních
pobídek ve zpracovatelském průmyslu) umísťují spíše výrobu nenáročnou na kvalifikované lidské
zdroje a pouze výjimečně výzkumně-vývojové aktivity, které hrají klíčovou roli při přechodu ke
znalostně orientované ekonomice.
Francie3.2.7.
Strategické investiční fondy3.2.7.1.
Strategický investiční fond (FSI) byl založen v roce 2008 s cílem pomoci francouzským podnikům
získat finanční příspěvky a financovat základní kapitál prostřednictvím rizikového kapitálu. Jeho
samotná realizace byla započata v roce 2009. FSI je společnost s ručením omezeným (société anonyme
– SA), která vlastní minoritní podíl ve francouzských společnostech realizujících konkurenceschopné
a ziskové průmyslové projekty. Cílem je podpořit životaschopné podniky s nadějnými
projekty a poskytnout jim finanční prostředky na jejich inovační a průmyslové projekty. Kapitál
FSI je držen z 51% „Caisse des Depot et Consignations“ (CDC, skupina veřejných institucí podporujících
ekonomický rozvoj země) a ze 49% státem. Opatření vzniklo jako reakce vlády na finanční
krizi v roce 2008, která se tímto snaží o podporu růstu perspektivních malých a středních
podniků. Původní rozpočet fondu byl 6 miliard EUR, později byl navýšen na 20 miliard EUR.
První investice putovala do automobilového průmyslu (Valeo, Daher), v současné době se fond
zaměřuje především na investice do biotechnologických společností.43
Uplatnitelnost v ČR: Protože Česká republika se také potýká s problémem nedostatku rizikového
kapitálu, měla by se tímto opatřením inspirovat. Rizikový kapitál může podnikům přinést
dodatečné zdroje na vývoj nových technologií.
42 Zpracováno dle: Viturka a kol. (2010), PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart,
opatření AT 87), Austrian Research Promotion Agency, FFG: www.ffg.at.
43 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření FR 123).
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU234
Regionální centra pro inovace a transfer technologií3.2.7.2.
Regionální centrum pro inovace a transfer technologií (CRITT) bylo založeno v 80. letech jako
partnerství mezi Ministerstvem pro výzkum (nyní funguje jako Ministerstvo pro vyšší vzdělávání
a výzkum) a místními orgány. Jednotlivá centra mají statut sdružení. V současné době existuje ve
Francii více než 130 center CRITT a jejich hlavním cílem je malým a středním podnikům poskytovat
různé typy technologických služeb ve spolupráci s výzkumnými centry, technologickými
centry a vysokými školami.
Existují 2 kategorie CRITT:
CRITT prestataire (cca 110 center) – poskytují technologické služby pro MSP,
CRITT interface – jejich úkolem je navštěvovat podniky, podávat jim informace o inovacích
a poskytovat jim inovativní řešení.
Jednotlivá CRITT se od sebe velmi odlišují. Některá se chovají téměř jako malé podniky, které
jsou schopny samofinancování, jiná jsou mnohem více závislá na veřejných dotacích. Financování
probíhá jak z národních zdrojů, tak ze strukturálních fondů.44
Uplatnitelnost v ČR: V České republice existuje řada inovačních center i center pro transfer
technologií. Primárním úkolem tak není zřizovat nová centra, ale spíše zvyšovat kvalitu a rozsah
poskytovaných služeb stávajících center.
Podpora projektů začínajících inovačních společností3.2.7.3.
Cílem opatření je pomoci mladým inovativním podnikům překonat počáteční kroky v podnikání
prostřednictvím daňových úlev ve prospěch investic do výzkumu a vývoje. Společnosti, které získají
statut JEI (Jeune Entreprise Innovante) se stanou způsobilými pro řadu daňových úlev, včetně
výjimek daně z podnikových zisků, místních daní a sociálních odvodů souvisejících se zaměstnáváním
vysoce kvalifikovaných pracovníků.
Aby podnik mohl získat statut JEI, musí splnit 5 podmínek:
být malý a střední podnik s méně než 250 zaměstnanci a obratem menším než 40 milionů EUR,
existovat méně než 8 let,
mít výdaje na VaV ve výši nejméně 15% z celkových výdajů,
být nezávislé, tj. alespoň polovina základního kapitálu musí být držena fyzickými osobami, jinými
malými a středními podniky, výzkumnými nebo vysokoškolskými institucemi, podnikatelskými
anděly apod.,
být skutečně nově vytvořený.
Opatření bylo navrženo v návrhu Inovačního plánu na konci roku 2002, poté bylo předloženo ke
schválení, a přijato v květnu 2003 jako Inovační plán. Přijetí statutu JEI reaguje na dva důležité problémy,
kterými jsou nedostatek finančních prostředků pro firmy v prvních letech jejich existence
a nedostatek investic do výzkumu a vývoje ze strany soukromého sektoru obecně, a zejména MSP.
Toto opatření funguje na celostátní úrovni a je řízeno daňovou správou a Ministerstvem pro vyšší
vzdělávání a výzkum. První, méně podrobné hodnocení opatření bylo provedeno Ministerstvem
pro hospodářství. Podle této studie učinilo opatření mladé inovativní podniky dynamičtější.
44 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření FR 70), Ministre
de l'Enseignement supérieur et de la Recherche : www.enseignementsup-recherche.gouv.fr.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 235
Firmy, které získaly statut JEI, zvýšily zaměstnanost díky najímání kvalifikovaných výzkumných
pracovníků a daňové úlevy zvýšily produktivitu dané firmy. Počet společností, kterým byl udělen
status JEI vzrostl z 1 239 v roce 2004 na 1 789 v roce 2006 a asi na 2037 v roce 2007. Výše daňové
úlevy vzrostla z 61 milionů EUR v roce 2004 na 88 milionů EUR v roce 2006 a 96 milionů EUR
v roce 2007. V roce 2008 provedl hodnocení opatření JEI Technopolis France (společnost, která
provádí analýzy a poradenství zaměřené na politiku a hodnotí její implementaci v oblastech vědy,
technologií, inovací a vysokoškolského vzdělávání). Studie zdůraznila především pozitivní dopad
na zaměstnanost. Díky daňovým úlevám jsou společnosti schopny najmout více kvalifikovaných
pracovníků. Dále bylo zjištěno, že JEI se zdá být dobrý způsob, jak zachovat určitou úroveň výzkumné
a vývojové činnosti. Statut JEI umožňuje společnostem dosáhnout rychlejšího a snadnějšího
rozvoje a v důsledku toho i zvýšení jejich konkurenceschopnosti. Nicméně pokud jde o uvádění
na trh a export, dopady jsou nepřímé a v některých případech dokonce žádné.45
Uplatnitelnost v ČR: Zákon o daních z příjmů České republiky již umožňuje podnikům za určitých
podmínek odepisovat z daňového základu výdaje na výzkum a vývoj. Daňové odpisy nejsou
určeny pouze pro začínající podniky, ale pro podniky s jakoukoliv historií. V tomto ohledu pro
nás opatření není nové. Inspirací mohou být úlevy na sociálních odvodech spojené s vysoce kvalifikovanými
zaměstnanci v malých a středních firmách.
Program Post- PhD Iniciativa3.2.7.4.
Iniciativa poskytuje finanční pomoc pro francouzské výzkumné pracovníky, kteří strávili několik
let v zahraničí, s cílem usnadnit jejich profesní začlenění do vnitrostátního výzkumu, vývoje
a inovací po jejich PhD studiu. V rámci opatření určených k posílení atraktivity Francie pro
výzkumníky má toto opatření zajistit profesní budoucnost pro výzkumné pracovníky ve Francii
poté, co strávili alespoň jeden rok v zahraničí za účelem dokončení svého doktorského studia.
Program byl zahájen v roce 2004 a je realizován na celostátní úrovni. Program funguje pod záštitou
Ministerstva pro vyšší školství a výzkum a je podporován také Akademií věd. Opatření je realizováno
prostřednictvím výzev k předkládání návrhů. Každý vybraný jednotlivec obdrží grant,
jehož výše je v rozmezí 3000 až 5000 EUR. Výzvy k předkládání návrhů jsou otevřeny post-PhD
studentům jakékoliv národnosti, kteří byli v zahraničí déle než jeden rok. Zahraniční post-PhD
studenti jsou schopni získat grant z tohoto programu za předpokladu, že absolvovali podstatnou
část svých studií ve Francii.46
Uplatnitelnost v ČR: Podobné opatření v České republice neexistuje. Jeho realizace by mohla
alespoň částečně zabránit trvalému odlivu kvalifikovaných pracovníků do zahraničí a umožnila by
využívat jejich zkušenosti získané při pobytu v zahraničí.
45 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření FR 58), Ministre
de l'Enseignement supérieur et de la Recherche : www.enseignementsup-recherche.gouv.fr, Technolopilis: http://
www.technopolis-group.com.
46 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření FR 93), Ministre
de l'Enseignement supérieur et de la Recherche : www.enseignementsup-recherche.gouv.fr, Académie des sciences:
www.academie-sciences.fr.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU236
Nizozemí3.2.8.
TWA Network3.2.8.1.
TWA síť (Technical-Scientific Attachés) je sítí poboček rozmístěných po celém světě, které shromažďují
a analyzují informace o technologiích, inovacích a inovační politice pro holandské společnosti,
vzdělávací instituce, univerzity a vládu. Tato síť je podporována a řízena základnou TWA
Home v Haagu. TWA Network je opatření zaměřené na podporu mezinárodní spolupráce nizozemských
subjektů. Podporován je zejména přeshraniční přenos znalostí, včetně přímých investic,
technické inovace a vědecký výzkum. TWA poskytuje služby pro podniky a výzkumné ústavy
v Nizozemsku. Důraz je kladen na výzkum a vývoj v cizích zemích a internacionalizaci inovačních
programů nizozemské vlády. TWA může pomoci např. při vytváření mezinárodních kontaktů
v oblasti výzkumu a vývoje. TWA Network spadá pod správu Agentury pro mezinárodní obchod
a spolupráci (EVD)47
společně s Nizozemskou agenturou pro zahraniční investice (NFIA).48
Ministerstvo hospodářství má TWA základny rozmístěné po celém světě.49
Financování TWA
Network je řešeno v rozpočtu Ministerstva hospodářství, kde se pro období 2008–2012 počítá
s alokací 3,9 mil. EUR ročně. Do budoucna se bude TWA stále více zaměřovat na vybrané klíčové
technologie (jako např. nanotechnologie, biohospodářství, vědy o živé přírodě), což je v souladu
s obecným zaměřením nizozemské inovační politiky.50
Uplatnitelnost v ČR: Podobné opatření by České republice umožnilo intenzivněji se zapojit do
mezinárodní spolupráce v oblasti výzkumu a vývoje. Není zcela nutné zřizovat v zahraničí nové
pobočky, spíše by se mělo využít stávajících českých jednotek působících v zahraničí (např. kanceláře
CzechTrade nebo Obchodně ekonomické úseky Zastupitelských úřadů ČR).
Inovační úvěr3.2.8.2.
Inovační úvěr je úvěrové opatření, kdy MSP nesou pouze snížené riziko za financování svých
rozvojových inovačních projektů. Podstatou opatření je poskytování úvěru na inovace malým
a středním podnikům, přičemž v případě neúspěchu nemusí být úvěr splacen. Financované projekty
by měly být zaměřeny na vývoj produktů, postupů nebo služeb, které jsou v rámci Nizozemí
inovativní, mají velmi dobrou perspektivu na trhu a zároveň jsou vysoce rizikové (technicky, vědecky,
finančně). Žadatelem o úvěr mohou být MSP, v rámci jejichž projektů budou vytvořeny
zcela nové produkty či služby, které budou mít dobré předpoklady k tomu, aby obstály na trhu.
Celková alokace na inovační úvěry pro období 2008–2012 je 211 mil. EUR. Náklady projektu
musí být alespoň 300 tis. EUR a maximální výše úvěru je 5 mil. EUR. Podpora prostřednictvím
úvěru může činit maximálně 35 % z celkových nákladů na projekt, který by neměl trvat déle než
4 roky. Jakmile začne být projekt komerčně využíván, začíná fáze splácení úvěru dle předem dohodnutého
splátkového kalendáře. Úvěry jsou určeny pouze pro vývojové fáze projektů a jsou
přidělovány na základě pořadí podání přihlášky. Opatření spadá pod Ministerstvo hospodářství
47 EVD spadá pod Ministerstvo hospodářství a soustřeďuje se na implementaci vládní politiky zaměřené na udržitelný
rozvoj, inovace a mezinárodní obchod a spolupráci. Působí jako kontaktní místo pro firmy, vzdělávací instituce a orgány
státní správy v záležitostech informovanosti, poradenství, financování, vytváření síti a regulačních opatření.
48 NFIA je vládní agentura usnadňující severoamerickým společnostem přímé investice v Nizozemsku.
49 TWA základny se nachází v Bruselu, Londýně, Paříži, Berlíně, Stockholmu, Helsinkách, Římě, Singapuru, Tokiu,
Pekingu, Soulu, New Delhi, Washingtonu a Sillicon Valley.
50 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření NL 30),
TWA Network: www.twanetwerk.nl, NL EVD International: www.evd.nl/business/evd/index.asp, NFIA: www.
nfia.com/nfia_services.html, CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.
document&UUID=D435B123-A20C-47D9-9FF237C0BA16B5E5&hwd=TWA%20Network.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 237
a jeho správu má na starosti agentura SenterNovem – agentura, jejímž úkolem je realizovat vládní
politiku v oblasti inovací, životního prostředí a udržitelného rozvoje.51
Uplatnitelnost v ČR: Podobné opatření v České republice neexistuje. Jistou obdobou jsou pouze
zvýhodněné úvěry poskytované Českomoravskou záruční a rozvojovou bankou, které však nejsou
výrazněji vázány na inovace. Pokud by se tento typ opatření zavedl, pomohl by podnikům
snížit rizika a obavy při zavádění inovace. Na druhou stranu by bylo nutné důkladně zvážit podmínky
poskytování takových úvěrů, aby byly podporovány pouze skutečně nadějné projekty a aby
nedocházelo ke zneužívání prostředků.
Smlouvy o inovační výkonnosti3.2.8.3.
Inovační opatření Smlouvy o inovační výkonnosti (IPC) slouží pro podporu skupin MSP (např.
v určitém odvětví), které jsou seskupeny do sdružení, v jehož čele stojí nějaká koordinační organizace.
Hlavním cílem opatření je zvýšit inovativnost MSP, jejich spolupráci a transfer znalostí.
Jde o významnou součást základního balíčku Ministerstva hospodářství zaměřeného na stimulaci
inovačního podnikání firem, které vyvíjejí a využívají nové znalosti. Systém funguje na základě
dohody/smlouvy mezi MSP v dané skupině. V rámci kolektivních projektů s ostatními účastníky
zapojenými do IPC rozjíždí jednotlivé MSP své vlastní inovační plány. IPC má dvě fáze. První
fáze spočívá v tom, že jedna organizace funguje jako sekretariát, posuzuje možnosti spolupráce
a iniciuje přípravu. Ve druhé fázi vybrané MSP (15–35 podniků) realizují své inovační plány za
pomoci využívání externích znalostí a spolupráce. V obou fázích je poskytována dotace pokrývající
50% nákladů. V první fázi má na dotaci nárok pouze koordinační organizace, a to až do výše
175.000 EUR. Ve druhé fázi činí dotace 50.000 EUR na jeden podnik po dobru 3 let. Podpora
je poskytována v režimu de minimis. Rozpočet je prozatím znám jen pro období 2008–2010, na
které činí 50 mil. EUR. Novinkou v opatření je mezinárodní spolupráce, která je nyní pilotně testována
a v rámci první fáze je na tento typ IPC vyčleněno 700.000 EUR. Institucí, která má IPC
pod svou správou a vedením je opět agentura SenterNovem.52
Uplatnitelnost v ČR: Nizozemské opatření vzdáleně připomíná český program Spolupráce nebo
evropský 7. rámcový program (kde však skupina MSP musí být mezinárodní). Shodné opatření u nás
dosud není realizováno a může být zajímavou inspirací pro zvýšení spolupráce mezi podniky. Do
budoucna (po roce 2013) by bylo možné takové opatření financovat např. ze strukturálních fondů.
Syntens3.2.8.4.
Syntens je inovační síť pro podnikatele zahrnující 15 regionálních center se zhruba 270 poradci,
které mají za cíl zvýšit inovační schopnosti MSP. Syntens střediska poskytují podporu a poradenství
pro MSP v oblasti technologií a inovací a poradci také pomáhají podnikům s vypracováním
Akčního plánu inovací. Kromě toho Syntens také implementuje politiku Ministerstva hospodářství,
např. v oblasti nových podnikatelských aktivit, zajišťuje přístup k inovačním voucherům
(jedno z řady nizozemských opatření) apod. Pro lepší fungování se do budoucna bude posilovat
spolupráce se SenterNovem, s obchodními komorami, s regionálními rozvojovými agenturami
51 Zpracováno dle:, PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření NL 91),
CORDIS erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=8B98E109-
9264-4DEB-9D7EE3CE77D613C0&hwd=Innovation%20credit, Senter Novem: www.senternovem.nl/english/
about_us/index.asp, NL Innovatie: http://nlinnovatie.nl/innovatiekrediet.
52 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření NL 56), CORDIS
erawatch: http://cordis.europa.eu/erawatch/index.cfm?fuseaction=prog.document&UUID=6C0CD235-4E90-
4784-ACD39F6B38E4D862&hwd=Innovation%20Performance%20Contracts%20% 28IPC%29, Senter Novem: /
www.senternovem.nl/ipc/index.asp.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU238
a s nizozemským patentovým střediskem. Financování Syntens je zajištěno Ministerstvem hospodářství,
které má na jeho fungování vyčleněno ročně 32 mil. EUR. To umožňuje poskytovat služby
zdarma a nezávisle na obchodních zájmech.
Uplatnitelnost v ČR: Jak již bylo uvedeno výše, ČR má dostatečnou síť poradenských center,
které mohou získat podporu např. z programu Poradenství. Opatření tak pro nás není nové.
Estonsko3.2.9.
Program pro financování výzkumu a vývoje3.2.9.1.
Program pro financování výzkumu a vývoje poskytuje prostředky na podporu aplikovaného výzkumu
a vývoje. Program je určen jak pro podnikovou sféru (podniky zapsané v estonském obchodním
rejstříku), tak pro vědecko-výzkumné instituce zapsané ve VaV rejstříku. Dotaci je možné
získat na tři typy činností: zpracování studie proveditelnosti, která poskytne informace o praktickém
využití a ekonomickém potenciálu plánovaného projektu; projekty aplikovaného výzkumu
a projekty vývoje výrobku. Dotace je poskytována až do výše 75% uznatelných nákladů, její absolutní
výše činí až 300 tisíc estonských korun (cca 470 tis. Kč) v případě studie proveditelnosti a až
50 milionů estonských korun (cca 78 mil. Kč) na aplikovaný výzkum a vývoj produktu. Hlavním
cílem programu je zvýšení prodejů (vč. exportu) estonských podniků a vývoj nových produktů
a služeb s vysokou přidanou hodnotou. Program je realizovaný na národní úrovni, Ministerstvem
hospodářství a komunikací byl spuštěn v roce 2001 a jeho ukončení se předpokládá v roce 2015.
Za administraci programu zodpovídá vládní dotační agentura Enterprise Estonia.
Entreprise Estonia (EAS) je vládní dotační agentura. Byla založena v roce 2000, podporuje podnikání
a regionální rozvoj. Její aktivity se tak zaměřují například na začínající podnikatele, podporu
inovací, exportu, přímých zahraničních investic nebo rozvoj cestovního ruchu. Po vstupu do
EU se stala také implementační agenturou programů financovaných ze strukturálních fondů. Je
tak jednou z nejvýznamnějších organizací estonského systému na podporu podnikání a inovací.
Program pro financování výzkumu a vývoje je také spolufinancován ze strukturálních fondů (konkrétně
Evropského fondu pro regionální rozvoj). Rozpočet programu pro období 2008–2013 je asi
89 milionů EUR. Dosud provedená hodnocení ukázala, že program funguje poměrně dobře, avšak
zpracování žádosti a kritéria hodnocení jsou příliš komplikované. Určité problémy byly nalezeny také
v administraci agenturou Enterprise Estonia. Ukončení programu se předpokládá v roce 2015.53
Uplatnitelnost v ČR: Možnosti dotací na provádění podnikového aplikovaného výzkumu jsou
v ČR velmi omezené. Dosud se jednalo především o programy vypisované Ministerstvem průmyslu
a obchodu – např. současný program Trvalá prosperita nebo starší programy Tandem, Impuls,
Pokrok. Nedávno však byla založena Technologická agentura, která by měla poskytovat granty
právě na aplikovaný výzkum.
Estonský rozvojový fond3.2.9.2.
Estonský rozvojový fond je veřejnoprávní subjekt založený Estonským parlamentem na základě
zákona z roku 2006. Fond vznikl v roce 2007 a jeho hlavním úkolem je podporovat rozvoj nových
technologických společností v Estonsku. Cílem Fondu je iniciovat a podpořit změny ve struktuře
estonské ekonomiky a přispět k růstu exportu a vytvoření nových pracovních míst náročných na
53 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření EE 40),
Enterprise Estonia: www.eas.ee.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 239
kvalifikaci. Za tímto účelem provádí rozvojový fond společně se soukromým sektorem, investice
formou rizikového kapitálu do nových technologických společností. Fond investuje do high-tech
společností, které jsou v počáteční fázi svého vývoje. Na financování investic byla do fondu na
jeho počátku vložena část státem vlastněných akcií v AS Eesti Telecom. Hodnota investičních
zdrojů činí přibližně 37 milionů EUR. Vzhledem ke krátké době existence fondu a malému počtu
realizovaných investic je zatím obtížné přínosy Fondu zhodnotit.54
Uplatnitelnost v ČR: Jak již bylo uvedeno výše, nedostatek rizikového kapitálu je problémem
České republiky. Proto jakákoliv iniciativa na podporu financování firem formou rizikového kapitálu
je velmi žádoucí.
Program na podporu podnikatelských inkubátorů3.2.9.3.
Dalším opatřením na podporu inovací, které bylo iniciováno Ministerstvem pro ekonomické záležitosti
a komunikace a realizováno je agenturou Enterprise Estonia, je Program na podporu podnikatelských
inkubátorů probíhající v období 2009–2013. Na program je vyčleněno 28 mil. estonských
korun (cca 44 mil. Kč) a tato částka je spolufinancována z Evropského fondu pro regionální
rozvoj. Opatření se zaměřuje na podporu stávajících inkubátorů, které dosahují dobrých výsledků
v oblasti spolupráce s výzkumnými organizacemi. Základní podmínkou poskytnutí podpory je,
že v inkubátoru je usídleno minimálně pět inovačních firem. Program usiluje zejména podporu
technologického transferu mezi firmami, podporu dynamických začínajících firem a částečně i na
mezinárodní spolupráci.55
Uplatnitelnost v ČR: Česká republika má vlastní program na zakládání podnikatelských inkubátorů
– program Prosperita, který je součástí Operačního programu Podnikání a inovace – a v rámci
tohoto programu bylo od roku 2004 vytvořeno již velké množství inkubátorů. Estonský program
je však inspirující v tom, že se zaměřuje na kvalitu služeb poskytovaných inkubátory, čemuž v ČR
není věnována velká pozornost.
Centra kompetencí3.2.9.4.
V červnu 2009 byl zahájen dosud největší program na podporu podnikání v Estonsku.
Navrhovatelem programu je opět Ministerstvo hospodářství a komunikací a realizován je vládní
agenturou Enterprise Estonia. Rozpočet činí 1,3 mld. estonských korun (cca 2 mld. Kč) a je z větší
části financován ze strukturálních fondů (cca 0,9 mld. EEK, cca 1,4mld. Kč). Zbytek tvoří příspěvek
univerzit a podniků (očekává se účast přibližně stovky podniků). Podstatou programu je podpora
osmi center kompetencí, která se budou zaměřovat na spolupráci mezi podniky a institucemi
vyššího vzdělávání. Cílem těchto center je řídit výzkum v oblastech důležitých pro vývoj výrobků
participujících společností. Hlavním cílem je vyvíjet výrobky a služby, které jsou konkurenceschopné
na světovém trhu. Co se týče věcného zaměření center kompetencí, tak dvě se specializují
na potravinářství, dvě na medicínu, tři na informační a komunikační technologie a elektroniku
a jedno na nanotechnologie. Tři z těchto osmi center jsou zcela nová, dosud neexistující. Program
by měl být ukončen v roce 2013.56
54 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření EE 40), Estonian
Development Fund: www.arengufond.ee/eng.
55 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření EE 40),
Enterprise Estonia: www.eas.ee.
56 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření EE 40),
Enterprise Estonia: www.eas.ee.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU240
Uplatnitelnost v ČR: Česká republika by měla podporovat výzkum prováděný na špičkové
úrovni. Za tím účelem jsou zřizována i špičková vědecká pracoviště. V současné době mohou
být tato pracoviště financována z Operačního programu Výzkum a vývoj pro inovace. Příkladem
může být v současné době budovaný brněnský CEITEC.
Slovinsko3.2.10.
Rozvoj center excelence3.2.10.1.
Toto opatření podporuje vytváření a fungování center excelence v prioritních oblastech, které
jsou vymezeny v Národním programu výzkumu a vývoje. Centra excelence jsou považovány za
nástroj, který umožní koncentraci vysoce kvalitního výzkumu v určitých oblastech a který umožní
horizontálně integrovat všechny fáze procesu získávání nových poznatků: od základního výzkumu
k rozvoji obchodních aplikací (tj. technologický transfer). Centra by měla být soustředěna
v oblastech, kde by posílení vědeckých zdrojů přispělo ke zlepšení transferu technologií a rozvoji
nových technologií pro slovinský průmysl. Základním důvodem pro vznik nového opatření bylo,
že stávající systém veřejného financování výzkumu a vývoje neumožňuje realizovat větší výzkumné
projekty vyžadující značné investice do výzkumné infrastruktury. První opatření na podporu
vytváření center excelence bylo představeno ve slovinské politice výzkumu a vývoje v rámci
finančního výhledu na období 2004–2006. Na základě hodnocení výzkumných a sociálně-ekonomických
výsledků prvního kola byla nová výzva na podporu center excelence připravena pro
období 2009–2013. Program funguje na celostátní úrovni pod Ministerstvem pro vysoké školství,
vědu a technologii (The Ministry of Higher Education, Science and Technology – MHEST) a je
z 85% spolufinancován z Evropského fondu pro regionální rozvoj.57
Uplatnitelnost v ČR: Jak bylo uvedeno u předchozího estonského opatření, Česká republika
může podporovat a také podporuje excelentní vědecká pracoviště v rámci Operačního programu
Výzkum a vývoj pro inovace.
Dotace pro malé a střední podniky na technologické vybavení3.2.10.2.
Hlavními úkoly opatření jsou technologická restrukturalizace a modernizace malých a středních
podniků, růst přidané hodnoty, vytvoření nových pracovních míst a také přímá podpora VaV a podpora
inovací ve výrobě a službách. Ministerstvo hospodářství se v rámci svého Programu na podporu
podnikání a zvýšení konkurenceschopnosti 2007–2013 rozhodlo podpořit technologickou restrukturalizaci
malých a středních podniků tím, že jim poskytuje finanční dotace na nákup nových
technologií. To by mělo zvýšit produktivitu a růstový potenciál malých a středních podnikům, a tím
zvýšit jejich konkurenční pozici na globálním trhu. Opatření je součástí celostátního Operačního
programu na posílení potenciálu regionálního rozvoje pro období 2007–2013 a jsou rozdělovány
prostřednictvím Státního fondu Slovinské republiky pro podnikání. Celkový rozpočet tohoto opatření
je 35 mil. EUR a je spolufinancován z Evropského fondu pro regionální rozvoj.58
Uplatnitelnost v ČR: V České republice mohou být podobné projekty financovány z Operačního
programu Podnikání a inovace (zejména programy Inovace a Rozvoj). Z toho důvodu není nutné
zavádět další podobné opatření.
57 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření SI 57), Ministry
of Higher Education, Science and Technology: www.mvzt.gov.si/en/.
58 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření SI 24), Slovene
Enterprise Fund: www.podjetniskisklad.si.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 241
Rozvoj podnikatelských inkubátorů na univerzitách3.2.10.3.
Cílem projektu je vytvořit podnikatelské inkubátory na vysokých školách a zajistit jejich provoz.
V inkubátorech má docházet k propojení znalosti studentů a akademických pracovníků s kapitálem
a zařízením osob mimo univerzitu (zejm. soukromých podniků). Univerzita, na které má být
zřízen podnikatelský inkubátor, musí mít kompletní vizi a strategii rozvoje plánu podnikatelského
inkubátoru. Projekt na celostátní úrovni funguje od roku 2002 a je součástí Programu na podporu
podnikání a konkurenceschopnosti. Je realizován Ministerstvem hospodářství s cílem zvýšit šíření
znalostí mezi vzdělávacími a výzkumnými institucemi a posílit inovační infrastrukturu. Je na něj
vyčleněno 400 tis. EUR.59
Uplatnitelnost v ČR: Česká republika podporuje podnikatelské inkubátory z programu
Prosperita. Tyto inkubátory mohou být zakládány i univerzitami. V minulosti takový vznikl například
v Ostravě (Podnikatelský inkubátor při VŠB-TUO). Opatření pro nás z tohoto pohledu
není nové.
Podpora mladých výzkumných pracovníků z podnikatelského sektoru3.2.10.4.
Hlavním účelem opatření je zaměstnat více výzkumných pracovníků v podnikatelském sektoru
a umožnit jim absolvovat doktorské studium, přitáhnout mladé pracovníky do oblasti VaV a propojit
výzkum s podniky. Mladí výzkumní pracovníci z podnikatelského sektoru tak mohou získat
titul Ph.D. Program byl iniciován Ministerstvem pro vyšší školství, vědu a technologie a je realizován
na celostátní úrovni, administraci programu a výběrové řízení pro výzkumné pracovníky
zajišťuje Technologická agentura. Technologická agentura (TIA) je nezávislá veřejná agentura založená
Slovinskou republikou, která se zaměřuje na posilování technologického rozvoje a inovací
na Slovinsku. Hlavní činností jsou grantové programy zaměřené na vývoj technologií a podporu
spolupráce v oblasti výzkumu a vývoje mezi institucemi a vysokými školami. Důležitou součástí
jejích aktivit jsou také mezinárodní projekty. Pokud mladý výzkumný pracovník získá podporu
z tohoto programu, podílí se během svého postgraduálního studia na projektech základního nebo
aplikovaného výzkumu, dostává plat, příspěvky na sociální zabezpečení a jsou mu hrazeny další
náklady na výzkum a studium. Finanční podporu od Ministerstva pro vyšší školství, vědu a technologie
získává přes Technologickou agenturu. Celkový rozpočet programu je asi 12 mil. EUR
a 85 % rozpočtu je hrazeno z Evropského sociálního fondu, zbytek je financován slovinskou
vládou a soukromým sektorem. Výběrová kritéria existují jak pro výzkumné pracovníky, tak pro
konzultanty a samotné podniky. Např. výzkumný pracovník musí být v následujícím roce alespoň
v 1. ročníku doktorského studia, nesmí být starší 35 let a nesměl být v minulosti podporován
z programu „Mladí výzkumní pracovníci“.60
Uplatnitelnost v ČR: České republice chybí program, který by podporovat zapojení studentů
doktorských programů do výzkumu a vývoje prováděného v podnicích. Přínos by tak mohl
plynout univerzitám (příliv nových nadějných doktorandů) i podnikům (pomoci při vývoji
technologií).
59 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření SI 13), European
Commission: Your Europe: http://ec.europa.eu/youreurope/business/finance-support/business-support/slovenia/
index_en.htm, Ministry of the Ekonomy: www.mg.gov.si/en.
60 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření SI 1) , Slovenian
Technology Agency: www.tia.si/o_agenciji,533,0.html.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU242
Portugalsko3.2.11.
Opatření na podporu dovedností MSP – Individuální projekty3.2.11.1.
Jedná se o široký rozsah opatření na podporu investičních projektů zaměřených na zlepšení produktivity,
flexibility a konkurenceschopnosti na mezinárodních trzích portugalských malých
a středních podniků. Účelem je zlepšit jejich dovednosti a schopnosti, aby byly schopny lépe
konkurovat na mezinárodních trzích. Program se zaměřuje na podporu inovačního managementu
a poradenských služeb, podporu organizačních inovací (včetně e-podnikání, nových forem organizace
práce apod.) a poskytování poradenství a finančních pobídek k využívání práv duševního
vlastnictví. Podpora je poskytována formou zvýhodněných úvěrů a dotací (včetně příspěvků na
hrazení úroků z úvěru). Opatření je spolufinancováno ze strukturálních fondů, je součástí operačního
programu pro období 2007–2013.61
Uplatnitelnost v ČR: ČR nemá stejný program, který by se zaměřoval na rozvoj podnikatelských
dovedností v oblasti inovací. Částečně však tyto aktivity podporuje program Inovace (OP
Podnikání a inovace), který umožňuje podporovat organizační inovace (za předpokladu, že podnik
realizuje i technické inovace) a nabízí prostředky na pořízení práv průmyslového vlastnictví.
Poradenské služby mohou být financovány z již zmíněného programu Poradenství.
FINCRESCE – Finanční podpora růstu firem3.2.11.2.
Program FINCRESCE je zaměřen na zlepšování finančních podmínek pro podniky. Je realizován
od roku 2007 a nemá prozatím naplánované datum skončení. Program je součástí Rámcového
programu pro finanční inovace malých a středních podniků – INOFIN. FINCRESCE je určen
pro podniky, které se nachází ve střední-růstové fázi jejich životního cyklu, a které vykazují dobré
výkony a nízká rizika. (Pro mladé podniky je určen podobný program FINICIA.) Toto opatření
chce podporovat podnikové strategie, které odpovídají prioritám hospodářské politiky státu, sledují
různé strategie růstu na mezinárodních trzích, stejně tak jako upevňování pozic vedoucích
odvětví. FINCRESCE je rovněž zaměřen na zlepšování efektivnosti finančního zprostředkování
a také na podporu středních podniků s jejich vstupem na kapitálové trhy. Zabývá se také podporou
adaptace takových firem na požadavky finančního řízení, které vyplývají z Basel II (mezinárodní
obchodní standard, který vyžaduje, aby finanční instituce udržovaly dostatečné finanční rezervy
pro krytí rizik). FINCRESCE je založen na veřejně-soukromém partnerství včetně řady finančních
a nefinančních institucí, které působí v oblasti poskytování podpor MSP. Financování je založeno
na spolufinancování soukromým sektorem. Podniky nezískávají přímou podporu.62
Uplatnitelnost v ČR: ČR nemá dostatečně vyvinutý systém podpory přístupu malých a středních
podniků ke kapitálu, který by pocházel ze soukromých zdrojů. Proto nám toto portugalské
opatření může dobře sloužit jako zdroj inspirace.
SIFIDE – Daňové pobídky pro podnikové investice do výzkumu a vývoje3.2.11.3.
Podpora formou speciálních daňových pobídek pro oblast výzkumu a vývoje s názvem SIFIDE
byla zahájena v roce 1997. Po rozhodnutí předchozí vlády ukončit program SIFIDE bylo jedním
z prvních opatření nové vlády (2005) tento program opět obnovit. Hlavním účelem tohoto programu
je podpořit výzkumné a vývojové aktivity firem. Právě daňové pobídky jsou považovány za
61 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření PT 78).
62 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření PT 57).
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 243
velice důležitý nástroj pro podporu V&V činností. SIFIDE umožňuje firmám odečíst 20% z jejich
výdajů na V&V z jejich zdanitelných příjmů. K dispozici je také možnost odečíst až 50% ze zvýšení
výdajů ve V&V s ohledem na průměr posledních dvou daňových let. Výdaje vynaložené na
V&V jsou definovány jako takové, které pomáhají získávat nové vědecké a technologické znalosti.
Výdaje na vývojové činnosti odpovídají takovým výdajům, které využívají výsledků výzkumu
s ohledem na získání nových surovin, produktů, služeb nebo výrobních procesů.63
Uplatnitelnost v ČR: Česká republika již poskytla podnikům možnost snížit si odváděnou daň
z příjmu o vynaložené náklady na výzkum a vývoj. Opatření tak pro nás není nové, bylo by možné
se inspirovat pouze pro dílčí zlepšení našeho systému.
GAPI – Kanceláře na podporu průmyslového vlastnictví3.2.11.4.
Projekt GAPI je zaměřen na zakládání malých poboček, které poskytují informace o právech průmyslového
vlastnictví. Projekt je součástí širší iniciativy, jedná se o rámec veřejných iniciativ a prvku
partnerství, který se týká Systému Valorizace Průmyslového Vlastnictví (VIPS) a byl zahájen
roku 2001. Iniciativa GAPI byla spuštěna Národním úřadem průmyslového vlastnictví (INPI) spolu
s řadou dalších organizací, včetně Technologických center, Sdružení zaměstnavatelů, vědecko-technických
parků a univerzit. Důvodem vzniku je snaha o zvýšení povědomí o výhodách
poskytnutých průmyslovým vlastnictvím a snaha podpořit užívání patentů jak výzkumnými organizacemi,
tak firmami. Podpora je realizována formou poskytování zvýhodněných služeb, například
školení nebo studijních pobytů. Opatření je zaměřeno na technologická a inovační centra,
obchodní společnosti, neziskové výzkumné organizace a výzkumné instituce vysokého školství.
Tato aktivita je spolufinancována strukturálními fondy EU. Celkový rozpočet činí 2,26 mil. EUR.
Dosud provedená hodnocení naznačují, že spuštění sítě GAPI mělo pozitivní vliv jak na povědomí
aktérů národního inovačního systému o právech průmyslového vlastnictví (zejména patenty)
tak i na systémové interakce mezi různými subjekty. Počet patentových přihlášek se mezi lety 2001
a 2005 více než zdvojnásobil, což je částečně přičítáno i programu GAPI.64
Uplatnitelnost v ČR: České subjekty příliš nevyužívají možnosti chránit si své produkty pomocí
práv průmyslového vlastnictví. V patentové aktivitě se nacházíme silně pod průměrem EU. Jedním
z důvodů takového stavu je i nízké povědomí o možnostech a způsobech ochrany. Inspirace tímto
opatřením by pro nás mohla být velmi užitečná.
Španělsko3.2.12.
Plán Avanza23.2.12.1.
Plán Avanza je iniciativou španělské vlády pro rozvoj informační společnosti. Plán obsahuje řadu
legislativních opatření a iniciativ pro přímou podporu s předem určeným rozpočtem. Rozpočet
v letech 2005–2009, kdy fungoval první plán Avanza, přesáhl 6.5 miliardy EUR, což je pětkrát vyšší
objem prostředků, než jaký byl vyčleněn na aktivity pro podporu informační společnosti v předchozích
4 letech. Od svého zahájení plán využívá politiku společného úsilí, což prakticky znamená
dohody a společné financování s dalšími subjekty – veřejnými (typicky španělské regiony)
i soukromými. Plán Avanza2 je navržen pro období 2009–2011. Cílem Plánu Avanza2 je přispět
63 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření PT 67).
64 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření PT 26), INPI:
www.marcasepatentes.pt.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU244
k ekonomickému oživení španělské ekonomiky prostřednictvím zintenzivnění a rozšíření využívání
ICT se zvláštním zaměřením na projekty, které vhodně kombinují udržitelnost a energetickou
úspornost. Tato iniciativa se nesnaží zvýšit pouze nabídku, ale také podporuje poptávku po ICT.
Plán Avanza2 se dělí na 5 podporovaných oblastí: rozvoj odvětví ICT (zejména u MSP), digitalizace
veřejných služeb, školení v ICT odvětví, infrastruktura pro ICT a důvěryhodnost a bezpečnost
ICT z pohledu občanů Španělska. Podporu mohou získat jakékoliv podniky (zejm. MSP a začínající
inovační firmy), instituce vysokého školství a vysokoškolská výzkumná centra, technologická
centra, inovační centra nebo neziskové výzkumné organizace. Program je financován Evropským
fondem pro regionální rozvoj a španělským Ministerstvem pro průmysl, cestovní ruch a obchod.
Podpora je často poskytována formou zvýhodněného úvěru (např. podnikům na zavádění ICT
technologií, mladým lidem a domácnostem na pořízení počítačového vybavení). Program je jedním
z hlavních úsilí strategie INGENIO 2010 (vládní program, pomocí kterého má být dosaženo
dlouhodobých udržitelných výsledků v oblasti vědy, výzkumu a inovací).65
Uplatnitelnost v ČR: Rozvoj informačních a komunikačních technologií je silnou stránkou České
republiky. Tyto technologie jsou široce využívány podniky, veřejným sektorem i domácnostmi. Tato
oblast pro nás tedy není prioritou. V oblasti ICT mohou podnik využít dva podpůrné programy –
ICT v podnicích a ICT a strategické služby. Existuje i podpora elektronizace veřejné správy.
Program InnoEmpresa – Program pro inovační podniky3.2.12.2.
Program InnoEmpresa je součástí Plánu pro podporu podnikání a zaměřuje se na organizační inovace
a pokročilý management, technologické inovace a inovace kvality a začlenění ICT technologií.
Je také součástí pravidelně vytvářeného tříletého akčního plánu na podporu výzkumu a inovací.
Program je zaměřen na malé a střední podniky a poskytuje jim dotace na:
inovační projekty (organizace výroby, marketing a prodej, environmentální management, energetická
efektivnost, logistika, distribuce a design),
technologické poradenství prostřednictvím podpory různých institucí (např. technologických
center),
podporu pro získání a certifikaci technologických standardů kvality a
podporu společných inovačních projektů mezi partnery dodavatelského řetězce (např. ICT,
logistika).
Program InnoEmpresa byl navržen pro období 2007–2013 a je spolufinancován ze strukturálních
fondů. Celkový rozpočet na toto období činí 500 mil. EUR.66
Uplatnitelnost v ČR: V ČR neexistuje program na podporu rozvoje inovačního managementu.
Částečně by některé aktivity bylo možné financovat z programů Inovace a Poradenství. O tomto
typu opatření by bylo možné uvažovat při přípravě programů spolufinancovaných ze strukturálních
fondů po roce 2013.
NEOTEC:Podporazakládáníarozvojenovýchtechnologickyorientovanýchfirem3.2.12.3.
NEOTEC je specifické schéma navržené Ministerstvem průmyslu, cestovního ruchu a obchodu,
které se zaměřuje na podporu začínajících technologicky orientovaných společností. NEOTEC je
65 Zpracováno dle: viewDocument/0,,,00.bin?doc=4198373, PRO INNO EUROPE: www.proinno-europe.eu (INNO
Policy Trendchart, opatření ES 150).
66 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření ES 64)
Investment aid and incentives in Spain: www.investinspain.org/icex/cma/contentTypes/common/records/viewDo-
cument/0,,,00.bin?doc=4198373.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 245
také součástí již zmíněné strategie INGENIO 2010. Hlavním cílem programu NEOTEC je podporovat
technologii podniků v tzv. start-up fázi. Zaměřuje se na tři hlavní aktivity:
podporu změny akademicko-vědeckého prostředí směrem k podnikatelským přístupům,
zlepšování přístupu k finančním prostředkům pro začínající technologicky a inovačně orientované
podniky (počáteční kapitál),
poskytování vhodné infrastruktury a služeb technologicky orientovaným firmám (např. školení,
technické a právní poradenství, informační služby atd.).
Program je zaměřen na začínající inovačně orientované malé a střední podniky, kterým poskytuje
podporu ve dvou formách: zvýhodněné úvěry (max. výše je 400 tis. euro, s nulovou úrokovou
sazbou) a NEOTEC Venture Capital Program – program nabízející rizikový kapitál. Program tak
reaguje především na skutečnost, že investice rizikového kapitálu jsou ve Španělsku poměrně nízké
a nepřímo to vede k tomu, že firmy nemohou investovat do výzkumných a inovačních aktivit.
Navíc, téměř 60% rizikového kapitálu se investuje do podniků, které nejsou inovační. NEOTEC
si tedy klade za cíl i zvýšit tyto investice rizikového kapitálu. Z provedených hodnocení je zřejmé,
že NEOTEC Venture Capital Program představuje pouze malou část rizikového kapitálu
v celém Španělsku a že by bylo žádoucí zvýšit aktivní účast soukromých investorů. Program byl
zahájen v roce 2001 a nemá předem určené datum skončení. Jeho rozpočet je stanoven na 291,6
mil. EUR.67
Uplatnitelnost v ČR: Ze španělského opatření by pro nás mohla být zajímavá především část
zaměřená na rizikový kapitál. Úvěrové programy jsou pro naše podnikatele dostupné, jejich úroková
sazba však obvykle není nulová.
Technologická centra – aplikovaný výzkum (CREA 2008–2011)3.2.12.4.
Tento program CREA 2008–2011 je jedním z opatření VI. Národního plánu – oblast aplikovaného
výzkumu. Byl zřízen ke dvěma účelům, a to zlepšení výzkumné kapacity technologických
center zlepšení spolupráce technologických center v oblasti výzkumu. Program reaguje na zjištění,
že komunikace mezi technologickými centry a podniky není dostatečná a že podniky mnohdy neznají
ani své potřeby v oblasti technologií. Podporu mohou získat podniky i technologická a inovační
centra. Podpora je poskytována formou dotací a zvýhodněných úvěrů a jsou financovány
2 typy projektů: projekty aplikovaného výzkumu a projekty zpracování technických studií proveditelnosti
předcházející samotnému aplikovanému výzkumu. Každý z těchto dvou typů projektů
může být organizován jako individuální projekt, kooperační projekt nebo projekt konsorcia (min.
tři technologická centra). Tématické zaměření projektů je velmi rozsáhlé (např. bezpečnost a obrana,
stavebnictví, územní plánování, kulturní dědictví, cestovní ruch, letectví, rozvoj průmyslu
a farmacie). Celkový rozpočet na tento program je 14 mil. EUR. Za řízení programu je zodpovědné
Ministerstvo průmyslu, cestovního ruchu a obchodu, které také schvaluje podané projekty.68
Uplatnitelnost v ČR: Počet českých programů zaměřených na provádění aplikovaného výzkumu
u nás není dostatečný. Situaci by v budoucnu mohla zlepšit nedávno založená Technologická
agentura. Zkušenosti ze španělského opatření tak pro nás mohou být užitečné.
67 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření ES 29),
Investment aid and incentives in Spain: www.investinspain.org/icex/cma/contentTypes/common/records/viewDo-
cument/0,,,00.bin?doc=4198373.
68 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatř. ES 109),
Investment aid and incentives in Spain: www.investinspain.org/icex/cma/contentTypes/common/records/viewDo-
cument/0,,,00.bin?doc=4198373.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU246
Itálie3.2.13.
Vědecko-hodnostní projekt3.2.13.1.
Smyslem opatření je motivovat mladé lidi, aby se více hlásili na studia v oblasti přírodních věd.
Během let 1989–2000 se počet studentů, kteří si vybrali studium na univerzitách se zaměřením
na přírodní vědy (např. chemie, fyzika a matematika), snížil téměř na polovinu i přes to, že firmy
žádají nejvíce právě absolventy z přírodovědně zaměřených vysokých škol. Projekt je společně
podporován Ministerstvem školství, Ministerstvem pro univerzity a výzkum, společností
Confindustria (hlavní organizace zastupující zájmy italských odvětví výroby a služeb) a Národní
konferencí děkanů vědeckých a technologických univerzit. Také se zasazuje o poskytování adekvátní
přípravy v předmětech týkajících se základů přírodních věd ve vyšších ročnících středních
škol, usiluje o zvýšení interakce mezi univerzitami a firmami, aby docházelo k usnadnění vstupů
mladých lidí na jejich nová pracoviště. Iniciativa byla představena v roce 2004, o rok později byly
spuštěny první výzvy k podávání projektů a samotné projekty začaly být realizovány v roce 2006.
Podpora je poskytována formou finančních příspěvků univerzitám a formou stipendií. Celkový
rozpočet na tuto iniciativu je 15,4 miliónů EUR. Průběžné hodnocení se uskutečňuje formou
hodnotících formulářů, které musí vysokoškolské instituce vyplnit s uvedeným druhem činnosti,
která byla zahájena (např. vědecká zasedání v laboratořích, semináře, poradenství atd.), až po očekávané
výsledky z takové činnosti (např. hlubší znalosti určité vědecké oblasti, zvýšení povědomí
o významu akademických titulů dosažených v oblasti vědy, zvýšení zajmu o inovace, zvýšený počet
přijatých studentů na vědecké předměty atd.).69
Uplatnitelnost v ČR: Česká republika se také potýká s nedostatečným zájmem o studia přírodních
a technických věd, což se již začíná projevovat v nedostatku pracovníků s touto kvalifikací.
V ČR jsou zatím na podporu zájmu o tento typ studia prováděna spíše nahodilá opatření, avšak
tento problém je nutné řešit celostně a systematicky. Italské opatření tak pro nás může být dobrou
inspirací.
Pilotní projekty transferu technologií ve znevýhodněných oblastech3.2.13.2.
Tato nová iniciativa byla zahájena Italským institutem pro podporu průmyslu (IPI) s cílem podporovat
pilotní projekty ve znevýhodněných oblastech Itálie prostřednictvím vytvoření velkých špičkových
výzkumných středisek v jižní části Itálie. Opatření se zaměřuje na projekty týkající se transferu
technologií z oblasti výzkumu a vývoje směrem k malým a středním podnikům. Financování
tohoto programu se zaměřuje na zlepšení přístupu MSP ze znevýhodněných regionů k moderním
technologiím, které nabízejí vysoké školy a výzkumná střediska, identifikování center excelence ve
specializovaných technologických oblastech a podporu inovací a transferu technologií prostřednictvím
rozvoje synergických sítí mezi aktéry v oblasti inovací a průmyslových sdružení v okolí
kvalifikovaných center excelence. Podpora probíhá formou poskytování dotací. Celkový rozpočet
je 2,3 miliard EUR a je určen na podporu nejméně čtyř projektů (financováno až 70% nákladů) ve
čtyřech hlavních oblastech: průmyslové automatizace a senzory, biotechnologie, materiály a separační
technologie.70
Uplatnitelnost v ČR: Česká republika se nepotýká s tak velkými regionálními disparitami jako
Itálie, kde je rozdíl markantní zejména mezi vyspělou severní a méně vyspělou jižní částí Itálie.
69 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření IT 73) ,
Confindustria: www.confindustria.it.
70 Zpracováno dle: PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření IT 57),
IPI: www.ipi.it/en_default.asp.
OPATŘENÍ NA PODPORU INOVACÍ VE VYBRANÝCH STÁTECH EU 247
Italské opatření tak svým obsahem pro nás není nové, zajímavé je svým regionálním zaměřením.
Je však třeba brát v potaz, zda v regionech jsou vhodné podmínky pro zavádění takového opatření
(např. dostatek škol a kvalifikovaných pracovníků).
Inkubátory pro začínající podniky3.2.13.3.
Cílem opatření je podpořit vznik podnikatelských inkubátorů, které mohou podporovat vznik
inovačních firem prostřednictvím poskytováním služeb začínajícím inovačním podnikům (mladší
než 3 roky). Příjemcem dotace mohou být univerzity, výzkumné instituce a další podobné organizace
a podpora je poskytována do 25% nákladů projektu (výše dotace je 1–3,5 mil. EUR) po dobu
maximálně 5 let. Program vznikl v roce 2001 a projekty jsou podávány na základě výzev. Na základě
výzvy z roku 2001 bylo financováno 11 projektů částkou 20,6 mil. EUR a na základě výzvy
z roku 2006 bylo financováno 19 projektů částkou 42,9 mil. EUR.71
Uplatnitelnost v ČR: Podpora podnikatelských inkubátorů v ČR je poměrně masivní. Není tak
nutné zavádět další opatření na podporu podnikatelských inkubátorů, do budoucna se budeme
muset zaměřit zejména na jejich kvalitativní rozvoj.
71 PRO INNO EUROPE: www.proinno-europe.eu (INNO Policy Trendchart, opatření IT 51).
248
ROZVOJ INOVACÍ V ČR 249
Rozvoj inovací v ČR3.3.
Vývoj pozice ČR v mezinárodním srovnání3.3.1.
Pozice ČR v hodnocení konkurenceschopnosti Světovým ekonomickým fórem3.3.1.1.
Hodnotit vývoj pozice České republika v žebříčku konkurenceschopnosti Světového ekonomického
fóra je velmi obtížné z důvodu nesrovnatelnosti dat. Metodika měření konkurenceschopnosti
se neustále vyvíjí a z toho pohledu jsou srovnatelná hodnocení z let 2007–2008 a novější. V období
2007–2008 se ČR umístila na 33. místě ze 131 zemí, o rok později byla opět na 33. místě (ze
139 zemí), v období 2009–2010 se umístila na 31. místě ze 133 zemí a v poslední umístění skončila
36. ze 139 zemí.
Absolutní umístění ČR v žebříčku konkurenceschopnostiGraf č. 86:
28
29
30
31
32
33
34
35
36
37
2007–08 2008–09 2009–10 2010–11
Zdroj: www.weforum.org (vlastní zpracování)
V minulosti byly dokonce tvořeny dva indexy – index GCI (který zhruba odpovídá prvním deseti
pilířům současného hodnocení) a index BCI – (index podnikové konkurenceschopnosti odpovídající
přibližně 11. a 12. pilíři). Umístění České republiky ve starších typech hodnocení je patrné
z tabulky č. 76.
ROZVOJ INOVACÍ V ČR250
Absolutní umístění ČR v žebříčku konkurenceschopnosti v letech 2001 až 2007Tabulka č. 76:
2001_02 2002_03 2003_04 2004_05 2005_06 2006_07
GCI 37 40 39 40 38 29
BCI 35 34 35 35 27 nehodnoceno
Počet zemí 75 80 102 104 117 125
Zdroj: www.weforum.org (vlastní zpracování)
Avšak problémem ve srovnatelnosti dat není pouze změna metodiky. Dalším problémem je totiž
fakt, že žebříček hodnotí stále větší počet zemí. Absolutní pořadí tak ztrácí svou vypovídací
schopnost. Podívejme se tedy ne na pořadí, ale na skóre, kterého ČR dosáhla. Skóre se může
pohybovat v rozmezí 1 až 7, přičemž 7 je maximální možné skóre. V posledních čtyřech hodnoceních,
kdy se metodika neměnila, se skóre dosažené Českou republikou pohybuje okolo 4,60,
nejlepšího skóre bylo dosaženo v hodnocení 2009–2010 (4,70), avšak v posledním hodnocení
došlo opět k poklesu.
Umístění ČR v žebříčku konkurenceschopnosti – dosažené skóreGraf č. 87:
4,5
4,55
4,6
4,65
4,7
4,75
2007–08 2008–09 2009–10 2010–11
Poznámka: Skóre se pohybuje v rozmezí 1–7, přičemž 7 = nejlepší možné hodnocení.
Zdroj: www.weforum.org (vlastní zpracování)
Pokud absolutní pořadí ztrácí svou vypovídací schopnost z důvodu neustálého narůstání počtu
hodnocených zemí, můžeme se pokusit naše umístění vyjádřit relativně. Tedy pokud celý žebříček
je 100%, v jaké části žebříčku se ČR umístila. Graf č. 86 zobrazuje naše celkové umístění a umístění
vyjádřené pomocí subindexů (viz kapitola 3.1.1). Zde je patrné, že ČR se nachází cca na 25%
celkového žebříčku. I toto hodnocení však má určité omezení, neboť do hodnocení jsou nově
zahrnovány méně rozvinuté státy (např. africké), a tak je zřejmé, že tyto státy se umístí za námi
a relativní pozice ČR by se tak měla zlepšovat.
ROZVOJ INOVACÍ V ČR 251
Relativní umístění ČR v žebříčku konkurenceschopnostiGraf č. 88:
15,00
17,00
19,00
21,00
23,00
25,00
27,00
29,00
31,00
33,00
35,00
Základní požadavkyGCI Podpora efektivnosti Inovační a sofistikované faktory
2007–08 2008–09 2009–10 2010–11
Zdroj: www.weforum.org (vlastní zpracování)
Na posledním grafu můžeme vidět dosažené skóre v jednotlivých pilířích konkurenceschopnosti.
Nejlepších výsledků ČR dosahuje v oblasti pilíře č. 4 (Zdraví a základní vzdělávání) a pilíře č. 3
(Makroekonomické prostředí). Nejhorších výsledků ČR dosahuje v oblasti 12. pilíře (Inovace) a 1.
pilíře (Instituce).
Dosažené skóre ČR v jednotlivých pilířích konkurenceschopnostiGraf č. 89:
3
3,5
4
4,5
5
5,5
6
6,5
2008–092007–08 2009–10 2010–11
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12
Poznámka: Skóre se pohybuje v rozmezí 1–7, přičemž 7 = nejlepší možné hodnocení.
Zdroj: www.weforum.org (vlastní zpracování)
Pozice ČR v European Innovation Scoreboard3.3.1.2.
Česká republika se v tomto hodnocení tradičně nachází ve skupině zemí označených jako mírní
novátoři (viz kapitola 3.1.2). V posledním hodnocení se však nacházela na hranici mezi mírnými
inovátory a inovačními následovníky. Pokud se podíváme na hodnoty sumárního inovačního
indexu (připomeňme, že se pohybují od 0 do 1), zjistíme, že hodnota námi dosahovaného skóre
neustále roste. V roce 2004 byla hodnota českého sumárního inovačního indexu 0,27, v roce 2009
to bylo již 0,41.
ROZVOJ INOVACÍ V ČR252
Hodnota Sumárního inovačního indexu pro ČRGraf č. 90:
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
2004 2005 2006 2007 2008 2009
Poznámka: Dosažené hodnoty SII vychází z metodiky platné pro daný rok. Nedochází zde k přepočtu SII podle novějších metodik.
Zdroj: European Innovation Scoreboard 2004 až 2009 (www.proinno-europe.eu)
Podívejme se také na pozici České republiky mezi státy EU. V roce 2004 se ČR nacházela na 18.
místě mezi všemi státy EU, později to byla dokonce 13. pozice a v posledních dvou hodnoceních
15. pozice.
Umístění ČR v European Innovation Scoreboard mezi zeměmi EUGraf č. 91:
0
5
10
15
20
25
2004 2005 2006 2007 2008 2009
Zdroj: European Innovation Scoreboard 2004 až 2009 (www.proinno-europe.eu)
Inovační aktivita podniků3.3.2.
V ČR bylo provedeno již několik šetření, která vycházejí z metodiky Oslo manuálu, resp. evropského
šetření o inovacích CIS. Podle nové metodiky proběhla v ČR dvě šetření, a to TI2006 (obdoba
CIS2006) a TI2008 (obdoba CIS2008). Zásadní rozdíl mezi těmito dvěma šetřeními spočívá
v tom, že počínaje šetřením realizovaným v roce 2008 byly netechnické inovace (organizační
a marketingové) zrovnoprávněny s technickými inovacemi (produktové a procesní). V této subkapitole
jsou však přesto preferovány inovace technické, které autoři považují z hlediska zvyšování
konkurenceschopnosti ekonomiky za klíčové.
ROZVOJ INOVACÍ V ČR 253
Technicky inovující podniky3.3.2.1.
Technicky inovující podniky jsou ty, které zavedly zboží nebo služby nové nebo významně zlepšené
s ohledem na jejich charakteristiky nebo zamýšlené užití (produktová inovace), nebo zavedly
nové nebo významně zlepšené produkce anebo dodavatelské metody (procesní inovace).72
V ČR v období 2006–2008 dosáhl podíl technicky inovujících podniků 31,6% z celkového
počtu ekonomicky aktivních podniků. Podíl technicky inovujících podniků skokově roste s jejich
velikostí. Zatímco ve skupině malých podniků (10–49 zaměstnanců) je jejich podíl jen 27,5%,
mezi středními podniky (50–249 zaměstnanců) je to již 42,2% a ve skupině podniků s více než
250 zaměstnanci dokonce 62,9%. Z pohledu vlastnictví podniků je patrná výrazná převaha podniků
se zahraničním vlastníkem, kde podíl inovujících podniků dosahuje 46,0% oproti podnikům
v českých rukách, kde tento podíl dosahuje hodnoty 28,6 %73
.
Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle velikostiGraf č. 92:
a vlastnictví podniku (2008)
0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0
zahraniční
domácí
velké
střední
malé
ČR
Zdroj: ČSÚ, 2010
Regionální pohled na rozmístění technicky inovujících podniků (ale totéž de facto platí i pro
všechny regionální analýzy uváděné dále v této subkapitole) má dvě významná omezení. Jedná se
zejména o skutečnost, že podniky jsou přiřazeny do těch regionů, kde mají své sídlo a nikoliv, kde
skutečně vykonávají svoji činnost, resp. realizují inovační aktivity. Méně důležitým omezením pak
je i skutečnost, že šetření je prováděno původně na úrovni NUTS2.
Nejvíce technicky inovujících podniků se nachází v kraji Pardubickém (podíl 42,6%)
a Královehradeckém (37,6 %). Nad průměrem ČR se nachází 8 ze 14 českých krajů, mezi podprůměrné
patří též Praha (29,8 %). Nejméně technicky inovujících podniků je pak v Olomouckém
(26,7%) a Moravskoslezském (25,0%) kraji.
72 ČSÚ (2010): Metodika šetření. http://www.czso.cz/csu/redakce.nsf/i/metodika_setreni_statistika_inovaci.
73 Lze však předpokládat, že hodnoty podílu inovujících podniků dle jejich vlastnictví jsou značně determinovány
právě jejich velikostní strukturou.
ROZVOJ INOVACÍ V ČR254
Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle NUTS3 –Graf č. 93:
umístění sídla podniku (2008)
0,0
10,0
20,0
30,0
40,0
MS OL ZL PHA UL JC PL VY JM LI KV SČ HK PU
Zdroj: ČSÚ, 2010
Jak již bylo uvedeno výše, technické inovace jsou buď produktové nebo procesní. Z následujícího
grafu (kraje jsou seřazeny dle podílu podniků realizujících produktové inovace) je patrné, že ve
všech krajích je vyšší podíl podniků realizujících procesní inovace. V obou typech technických
inovací je nejúspěšnější Pardubický kraj (27,3%, resp. 34,6 %). V případě produktových inovací
následován kraji Středočeským (21,0%) a Královéhradeckým (19,7 %), v případě procesních kraji
Karlovarským (30,9%) a opět Královéhradeckým (29,8 %). Průměrné hodnoty za ČR jsou 18,4%
u produktových a 24,7% u procesních inovací.
Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle druhu inovaceGraf č. 94:
a NUTS3 – umístění sídla podniku (2008)
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
OL MS LI KV UL JC PL ZL PHA JM VY HK SČ PU
produktová inovace procesní inovace
Zdroj: ČSÚ, 2010
Veřejná podpora inovací3.3.2.2.
Evropská unie deklarovala svůj cíl stát se vůdčí světovou ekonomikou a jako hlavní způsob zvyšování
konkurenceschopnosti členských států stanovila tvorbu a rozvoj inovací. Důležitou součástí
této politiky se pak stala též veřejná podpora inovací realizovaná formou podpůrných programů.
V rámci realizovaného šetření jsou zjišťovány v oblasti veřejné podpory dvě informace, a to zdroje
případně přijaté podpory a pak zapojení do Rámcového programu EU pro vědu a technický
ROZVOJ INOVACÍ V ČR 255
rozvoj. Zdroje veřejné podpory lze rozdělit na prostředky od Evropské unie, finance ústřední vlády
a podporu poskytovanou kraji a obcemi.
Dopady veřejné podpory inovací vykazují značnou regionální diskrepanci. V období 2006–2008
obdrželo 7,8% ze všech technicky inovujících podniků nějakou formu podpory inovací od
ústřední vlády, 7,1% od Evropské unie a 3,9% od regionální nebo místní vlády. Největší podíl
podniků, které dosáhly na podporu inovací od Evropské unie, je v kraji Vysočina (17,4 %),
Libereckém (13,7%) a Olomouckém (13,2 %). Na druhém konci pomyslného žebříčku jsou pak
kraje Karlovarský (1,8%) a Královéhradecký (1,3 %).
Z podpory od ústřední vlády se těšil opět největší podíl technicky inovujících podniků v kraji
Vysočina (19,3 %). Desetiprocentní hranici podpořených podniků překročily ještě Jihomoravský
(12,1%) a Moravskoslezský (10,2%) kraj. Největší podíl podniků, které obdržely podporu od regionální
či místní vlády je v Olomouckém kraji (10,4 %), žádnou takovou podporu neobdržely
podniky v Libereckém kraji.
Podíl podpory inovací z veřejných zdrojů podle poskytovatele u technicky inovujících podleGraf č. 95:
NUTS3 – umístění sídla podniku (2008)
0,0
5,0
10,0
15,0
20,0
HK KV SČ PHA PL ZL JC JM UL PU MS OL LI VY
Evropská unie Ústřední vláda Místní a regionální vlády
Zdroj: ČSÚ, 2010
Rozsah trhu pro inovační podniky3.3.2.3.
Při hodnocení inovačních aktivit podniků je též důležité analyzovat, na jakém území podniky působí,
resp. jak velký je z územního hlediska jejich trh. Lze tedy rozlišit, zde se jedná o podniky regionálního
významu (na úrovni NUTS2), národního významu (působící v rámci ČR), evropského
významu (působící na území EU a ESVO) či globálního (ostatní země).
V období 2006–2008 inovační podniky v ČR působily nejčastěji na národním trhu (52,6%) a dále
šlo o regionální podniky (31,7 %). Pouze 13,3% inovačních podniků působilo na trhu EU a ESVO
a 2,4% na trhu v ostatních zemích. S velikostí podniku klesá podíl jejich působnosti na regionálním
trhu a zvyšuje se podíl působení na trhu EU a ESVO a ostatních zemí. Nejvýraznější rozdíl je pak
mezi inovačními podniky z pohledu jejich vlastnictví. Zatímco domácí podniky realizují svoje podnikání
především na území ČR (podniky působící na regionálním trhu + podniky působící na národním
trhu tvoří 90,0 %), podniky pod zahraniční kontrolou sice působí také většinově na českém
území, podíl těch, pro které jsou významnější zahraniční trhy, je však 36,5%.
ROZVOJ INOVACÍ V ČR256
Nejvýznamnější trh pro inovační podniky podle velikosti a vlastnictví podniku (v %, 2008)Graf č. 96:
0% 20% 40% 60% 80% 100%
zahraniční
domácí
velké
střední
malé
ČR
ČRregionální EU a ESVO ostatní
Zdroj: ČSÚ, 2010
Faktory omezující inovační aktivity3.3.2.4.
Podobně jako Eurostat, také ČSÚ zkoumá, které faktory nejvíce omezují inovační aktivity podniků.
Tyto faktory jsou členěny do tří skupin, a to tržní (zahrnuje 2 faktory), znalostní (4 faktory)
a ekonomické74
(3 faktory). V obecné rovině lze ve shodě se závěry Eurostatu konstatovat, že i pro
české inovační podniky jsou největší bariérou ekonomické faktory, tedy zejména dva z nich: nedostatek
finančních prostředků v podniku a příliš vysoké inovační náklady.
Pokud jde o tržní faktory, označilo stupeň jejich významnosti za vysoký či střední 50,0% inovačních
podniků v případě prvního (trh ovládaný zavedenými firmami) a 41,4% podniků v případě druhého
(nejistá poptávka po inovovaném zboží nebo službách) faktoru.Nejméně omezujícími inovačními faktory
pro české inovační podniky jsou faktory znalostní. Pouze u faktoru nedostatek kvalifikovaných
pracovníků označilo stupeň významnosti vysoký či střední alespoň 30% podniků (přesně 37,3 %).
V návaznosti na výše uvedené je možné již jen doplnit, že v případě ekonomického faktoru nedostatek
finančních prostředků v podniku jej za vysoce či středně významný označilo 61,0% inovačních
podniků, v případě faktoru příliš vysoké inovační náklady je to pak 53,8% podniků.
Struktura faktorů omezujících inovační aktivity podle stupně jejich významnostiGraf č. 97:
u inovačních podniků v ČR (v %, 2008)
E: nedostatek financí ze zdrojů mimo podnik
E: příliš vysoké inovační náklady
E: nedostatek finančních prostředků v podniku
Z: nedostatek informací o technologii
Z: nedostatek informací o trzích
Z: obtíže při hledání spolupracujícího partnera
Z: nedostatek kvalifikovaných pracovníků
T: nejistá poptávka po inovovaném
zboží nebo službách
T: trh ovládaný zavedenými firmami
0% 20% 40% 60% 80% 100%
střednívysoký nízký bez vlivu
Pozn: T – tržní, Z – znalostní, E – ekonomické (nákladové) Zdroj: ČSÚ, 2010
74 Eurostat označuje ekonomické faktory jako nákladové (cost factors), viz. subkapitola 3.1.3.
ROZVOJ INOVACÍ V ČR 257
Strategická podpora výzkumu, vývoje a inovací3.3.3.
Inovační politika a politika výzkumu a vývoje České republiky v současnosti prochází významnými
změnami, které jsou součástí celkové reformy výzkumu a vývoje. Základním úkolem reformy
je vytvořit prostředí, ve kterém investice do výzkumu, vývoje a inovací budou efektivnější a budou
přinášet lepší a prakticky využitelnější výsledky. Z uskutečňované reformy vyzdvihujeme zejména
následující tři kroky.
Zaprvé byla vytvořena a vládou schválena75
Národní politika výzkumu, vývoje a inovací ČR
na léta 2009–2015. Tento strategický dokument spojuje dříve samostatné politiky a dokumenty,
a to inovační politiku a politiku výzkumu a vývoje. (V tomto kontextu byla i původní Rada pro
výzkum a vývoj transformována na Radu pro výzkum, vývoj a inovace.)
Za druhé, byl novelizován zákon o podpoře výzkumu a vývoje (nyní zákon o podpoře výzkumu,
experimentálního vývoje a inovací). Změny v zákoně reflektují především principy a reformní
kroky navržené ve výše zmíněné Národní politice.
Za třetí, významnými změnami prošel a dále bude procházet systém financování výzkumu,
vývoje a inovací. Tyto změny vycházejí zejména z výše uvedené novelizované politiky a zákona.
V tomto ohledu zákon například novým způsobem definuje účelovou a institucionální podporu
a do budoucna bude větší důraz kladen na účelovou podporu, která by tak měla mít i vyšší podíl
na celkových výdajích na výzkum a vývoj. Počet rozpočtových kapitol, ze kterých je financován
výzkum a vývoj, byl snížen z původních 22 na 11. Podpůrné programy a výzkumné instituce by
měly být financovány více podle dosahovaných výsledků. Za tím účelem bude nutné programy
i instituce pravidelně hodnotit, a to podle metodiky, kterou připravuje Rada pro výzkum, vývoj
a inovace. Změně ve financování se musel přizpůsobit i Informační systém VaVaI, který nyní
navíc zahrnuje například i podporu inovací. Nově jsou také vymezeny priority aplikovaného výzkumu,
vývoje a inovací (dříve tzv. Dlouhodobé základní směry výzkumu). A v neposlední řadě
nemůžeme opomenout ani založení Technologické agentury ČR, která bude poskytovat prostředky
na projekty aplikovaného výzkumu. Technologická agentura České republiky byla založena
zákonem o podpoře výzkumu, experimentálního vývoje a inovací a jejím hlavním úkolem je připravovat
a realizovat programy aplikovaného výzkumu, experimentálního vývoje a inovací. Jejím
úkolem je i podpora spolupráce mezi výzkumnými organizacemi a podnikatelskou sférou.
Ještě před schválením reformy došlo k přijetí zákona č. 341/2005 Sb., o veřejných výzkumných
institucích (VVI). Zákon tak dal právní subjektivitu především bývalým ústavům Akademie věd,
která se tak stala jejich zřizovatelem. Veřejná výzkumná instituce je právnickou osobou, jejímž
hlavním předmětem činnosti je výzkum, včetně zajišťování infrastruktury VaV, a tento výzkum je
podporován především z veřejných prostředků. Veřejné výzkumné instituce mohou být zřizovány
Českou republikou (ministerstvy, ústředními orgány státní správy nebo organizačními složkami
státu) nebo územně samosprávnými celky. Zákon upravuje způsob zřízení, vznik, činnost a způsob
zrušení a zánik VVI, postavení a působnost zřizovatele a orgánů VVI a přeměnu příspěvkových
organizací zabývajících se výzkumem na VVI. Veřejné výzkumné instituce se zapisují do
Rejstříku veřejných výzkumných institucí, což je veřejný seznam vedený Ministerstvem školství,
mládeže a tělovýchovy, do kterého se zapisují zákonem stanovené údaje o VVI (v podstatě jde
o jakousi obdobu obchodního rejstříku).
75 Vládní usnesení č. 729 ze dne 8. června 2009.
ROZVOJ INOVACÍ V ČR258
Národní politika výzkumu, vývoje a inovací ČR na léta 2009–20153.3.3.1.
Národní politika VaVaI odráží hlavní prvky navrhované reformy výzkumu a vývoje. „Cílem NP
VaVaI je vytvořit rámec pro realizaci opatření v oblasti VaVaI stimulujících rozvoj znalostní společnosti,
který povede k dalšímu růstu konkurenceschopnosti české ekonomiky a ke zlepšení kvality
života obyvatel ČR.“76
Hlavními principy nové politiky jsou:
systém řízení VaVaI – jasné vymezení působnosti, koordinace aktivit, dostatečné personální
zabezpečení, strategické řízení;
priority podpory VaVaI ze státního rozpočtu – koncentrace úsilí, stanovení priorit u aplikovaného
výzkumu, u základního výzkumu nejsou priority stanoveny;
posílení závislosti výše podpory na dosahovaných výsledcích – financování musí být propojeno
s hodnocením výsledků VaV, kvalitní informační systém;
využívání výsledků VaV v inovacích jako ukazatel efektivity veřejné podpory – transfer technologií,
vazba mezi výzkumnou a aplikační sférou, vytváření příznivého prostředí pro rizikový
kapitál;
internacionalizace VaVaI – podpora mezinárodní spolupráce, zapojení do Evropského výzkumného
prostoru, mezinárodní mobilita výzkumníků a pracovníků;
zajištění kvalitních lidských zdrojů pro VaVaI – rozvoj lidského potenciálu;
vztah VaVaI a společnosti – rozvoj nejen nabídky, ale i poptávky po inovacích, vytváření proinovační
atmosféry, šíření povědomí o VaVaI;
návaznost politiky (koncepce) pro jiné oblasti – především na politiku vzdělávací, průmyslovou,
regionální a další oborové koncepce;
periodická hodnocení průběhu Reformy, plnění NP VaVaI a systému veřejné podpory – monitorování
a pravidelné vyhodnocení dopadů realizovaných opatření.
Nová Národní politika VaVaI si klade devět základních cílů. Každý cíl je rozčleněn na několik
aktivit (celkem jich je 35) a u každé aktivity je stanoven termín a odpovědný orgán. Odpovědným
orgánem je nejčastěji Rada pro výzkum, vývoj a inovace a Ministerstvo školství, mládeže a tělovýchovy.
Cíle politiky VaVaI jsou:
zavést strategické řízení VaVaI na všech úrovních (člení se na čtyři aktivity);
zacílit veřejnou podporu VaV na potřeby udržitelného rozvoje (dvě aktivity);
zvýšit efektivitu systému veřejné podpory VaVaI (pět aktivit);
využívat výsledky VaV v inovacích a zlepšit spoluprácí veřejného a soukromého sektoru ve
VaVaI (deset aktivit);
zlepšit zapojení ČR do mezinárodní spolupráce ve VaVaI (tři aktivity);
zajistit kvalitní lidské zdroje pro VaVaI (tři aktivity);
vytvořit v ČR prostředí stimulující VaVaI (tři aktivity);
zajistit účinné vazby na politiky v jiných oblastech (dvě aktivity);
důsledně hodnotit systém VaVaI (tři aktivity).
Evropa 20203.3.3.2.
Pro orientaci české politiky VaVaI, jakož i pro orientaci dalších politik (např. regionální), jsou důležité
i strategie přijaté na Evropské úrovni. Lisabonská strategie, která byla přijata v roce 2000,
76 Národní politika výzkumu, vývoje a inovací ČR na léta 2009–2015
ROZVOJ INOVACÍ V ČR 259
si kladla jako hlavní cíl, aby se Evropa do roku 2010 stala nejvíce konkurenceschopnou a dynamickou
ekonomikou světa. Naplnění jejích cílů však nebylo úspěšné. Na základě neúspěchu
Lisabonské strategie byla navržena strategie Evropa 2020, která ji má nahradit. Nová strategie byla
projednána Evropskou radou 25. a 26. března 2010 a přijata byla 17. června 2010. Narozdíl od
Lisabonské strategie bude pro členské státy více závazná. Stanovuje si tři základní priority:
inteligentní růst – ekonomika založená na znalostech a inovacích,
udržitelný růst – konkurenceschopnější a ekologičtější ekonomika,
růst podporující začlenění – ekonomika s vysokou zaměstnaností, sociální a územní
soudržnost.
Strategie si také stanovuje pět hlavních cílů, na které se členské státy budou muset intenzivně zaměřit
a které stručně můžeme vyjádřit takto:
75% obyvatelstva ve věku od 20 do 64 let by mělo být zaměstnáno,
3% HDP Evropské unie by měla být investována do výzkumu a vývoje,
v oblasti klimatu a energie by mělo být dosaženo cílů „20–20–20“ – to znamená do roku 2020
dosáhnout 20% obnovitelných zdrojů, 20% energetických úspor a 20% snížení emisí (včetně
zvýšení závazku na snížení emisí na 30%, pokud budou podmínky příznivé),
podíl dětí, které předčasně ukončí školní docházku, by měl být pod hranicí 10% a nejméně
40% mladší generace by mělo dosáhnout terciární úrovně vzdělání,
počet osob ohrožených chudobou by měl klesnout o 20 mil. (ze 60 mil. na 40).
260
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 261
Posouzení regionálních předpokladů pro3.4.
rozvoj inovací na příkladě ČR
Posouzení regionálních předpokladů pro rozvoj inovací zahrnuje dva základní kroky: posouzení
všeobecných předpokladů (územní předpoklady) a posouzení specifických předpokladů (inovační
výkonnost). Dále prezentovaná analýza tedy zahrnuje jak exogenní, tak endogenní faktory determinující
regionální rozvoj inovací.
Posouzení všeobecných předpokladů pro rozvoj inovací3.4.1.
Posouzení všeobecných předpokladů vychází z již dříve vypracované vlastní metodiky regionálního
hodnocení kvality podnikatelského prostředí – KPP (Viturka a kol., 2003), která klade
důraz na zohlednění odpovídající poptávky podnikatelských subjektů prostřednictvím vymezení
hlavních ovlivňujících faktorů. Podnikatelské prostředí je chápáno jako komplexní dlouhodobý
výsledek různorodých vlivů generovaných současnými i předchozími aktivitami podnikatelských
i nepodnikatelských subjektů (tento přístup tedy zohledňuje jak aktuální trendy
společenského vývoje, tak i významné vlivy indukované silnou inercií společenských struktur).
Do hodnocení byly zahrnuty inovačně nejaktivnější podnikatelské subjekty působící ve zpracovatelském
průmyslu (sekce C – oddíly 10 až 33 dle NACE) a k vybraným odvětvím tržních
služeb (sekce J – oddíly 58 až 63, sekce K – oddíly 64 až 66, sekce L – oddíl 68, sekce M – oddíly
69 až 74 a sekce N – oddíly 77 až 78 a 82 dle NACE). Faktory KPP lze v souladu s jejich vypovídací
schopností členit do šesti skupin – obchodní, pracovní, infrastrukturní, lokální, cenové
a environmentální faktory. Příznivou okolností z hlediska aplikace vypracované metodiky na
hodnocení předpokladů pro rozvoj inovací je zvýraznění preferencí inovačně orientovaných
firem prostřednictvím stanovených vah faktorů KPP, tj. její cílená adaptace na podmínky tzv.
znalostní ekonomiky, jejímž charakterickým rysem je rozvoj tažený inovacemi – v tabulce „váhy
B“, které jsou srovnány s „váhami A“, vztahujícími se k dosavadní etapě ekonomického rozvoje
taženého investicemi. Celkově lze konstatovat, že tímto způsobem došlo k výraznému posílení
nadčasového významu provedených analýz.
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR262
Faktory KPP a jejich významové váhyTabulka č. 77:
faktory typologické skupiny váhy A váhy B
nejvíce významné faktory: 44 48
podnikatelská a znalostní báze lokální faktory 9 11
dostupnost pracovních sil pracovní faktory 10 10
blízkost trhů obchodní faktory 9 9
koncentrace významných firem obchodní faktory 9 9
kvalita pracovních sil pracovní faktory 7 9
středně významné faktory: 37 35
cena nemovitostí cenové faktory 7 7
kvalita silnic a železnic infrastrukturní faktory 8 6
cena práce cenové faktory 6 6
informační a komunikační technologie (ICT) infrastrukturní faktory 6 6
podpůrné služby obchodní faktory 6 5
urbanistická a přírodní atraktivita území environmentální faktory 4 5
méně významné faktory: 19 17
přítomnost zahraničních firem obchodní faktory 5 4
environmentální kvalita území environmentální faktory 3 4
asistence veřejné správy lokální faktory 4 3
blízkost mezinárodních letišť infrastrukturní faktory 4 3
flexibilita pracovních sil pracovní faktory 3 3
Zdroj: vlastní výzkum
Ze srovnání vah A a B vyplývá, že potenciální změny indukované přechodem ke znalostní ekonomice
jsou spojené zejména s oslabováním celkového významu infrastrukturních faktorů a dále významu
některých dílčích faktorů (zejména faktoru asistence veřejné správy). Na druhé straně pak
dochází k nárůstu celkového významu pracovních (faktor kvality pracovních sil) a environmentálních
faktorů a některých dílčích faktorů (zejména faktoru podnikatelské a znalostní báze).
Jako výchozí jednotky pro posouzení regionálních předpokladů pro rozvoj inovací byly zvoleny
správní obvody pověřených obcí s rozšířenou působností 3. stupně (ORP). Celkový počet těchto
jednotek činí 205 (včetně čtyř správních obvodů s detašovaným pracovištěm příslušného úřadu
v Praze – Brandýs n. L./Stará Boleslav a Černošice, v Plzni-Nýřany a v Brně-Šlapanice). Z regionalistického
pohledu tyto jednotky představují mikroregionální úroveň hodnocení. Krajské hodnoty
KPP pak byly získány prostřednictvím agregací příslušných mikroregionálních hodnot vážených
populační velikostí regionů ORP. Zvolený postup tudíž respektuje poměrně značnou heterogenitu
krajů a rovněž zohledňuje významnou roli MSP v regionálním rozvoji. Konkrétní vyhodnocení
regionálních předpokladů pro rozvoj inovací vychází v obou případech ze standardního pětistupňového
klasifikačního schématu hodnocení Viturka a kol., 1998).
Celkové hodnoty KPP na mezoregionální i mikroregionální úrovni představují vážené součty
příslušných hodnot dílčích faktorů zjištěné v rámci stanovených územních jednotek. Výsledky
hodnocení ukazují, že s výjimkou Prahy nejsou rozdíly v KPP mezi jednotlivými kraji příliš výrazné
– nejlepší hodnoty zde vykazuje Středočeský kraj následovaný kraji Plzeňským a Jihomoravským
a nejhorší hodnoty pak kraj Zlínsky spolu s krajem Moravskoslezským. Regiony ORP lze pak zařadit
do následujících komplexních typů podle jejich KPP: typ A – regiony s vynikajícím podnikatelským
prostředím (vypočtené hodnoty celkové KPP se v rámci užitého klasifikačního schématu
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 263
pohybují v rozmezí 1 až 1,5), typ B – regiony s velmi příznivým podnikatelským prostředím (1,6
až 2,5), typ C – regiony s příznivým podnikatelským prostředím (2,6 až 3,5), typ D – regiony
s méně příznivým podnikatelským prostředím (3,6 až 4,5) a typ E – regiony s nepříznivým podnikatelským
prostředím (4,6 až 5).
Celkové hodnoty KPP podle krajůTabulka č. 78:
Kraj KPP KPP centra HDP/obyv. v tis. Kč b. c. (2006)
Praha 1,16 1,16 660
Středočeský 2,65 2,03 297
Jihočeský 2,86 1,98 282
Plzeňský 2,77 1,68 297
Karlovarský 2,90 2,19 225
Ústecký 3,05 2,35 255
Liberecký 2,79 2,02 255
Královéhradecký 2,86 1,88 266
Pardubický 2,94 1,81 263
Vysočina 3,02 2,16 264
Jihomoravský 2,78 1,54 287
Olomoucký 3,19 2,37 233
Zlínský 3,29 2,43 256
Moravskoslezský 3,27 2,33 261
Česká republika 2,74 1,16 314
Poznámka: V případě Středočeského kraje je údaj pro KPP centra vztažen k Mladé Boleslavi jako pólu rozvoje národního významu.
Zdroj: vlastní výzkum, ČSÚ
Z obecného ekonomického pohledu je pro jednotlivé komplexní typy podnikatelského prostředí
charakteristická následující základní orientace nejvýznamnějších podnikatelských aktivit:77
typ A – služby, příp. vybrané průmyslové aktivity s vysokou přidanou hodnotou,
typ B – služby a průmysl s vyšší přidanou hodnotou,
typ C – průmysl a služby se střední přidanou hodnotou,
typ D – průmysl a služby s nižší přidanou hodnotou,
typ E – průmysl spolu s dalšími (např. zemědělskými) aktivitami s nízkou přidanou hodnotou.
Na základě této typologie lze konstatovat, že příznivé, resp. spíše příznivé všeobecné předpoklady
pro rozvoj inovací vykazují regiony zařazené do skupiny A až C. Jde celkem o 122 regionů
s 59% podílem na celkovém počtu územních obvodů ORP (přiřazena Praha), ze kterých vynikajícími,
resp. velmi příznivými podmínkami disponují 2, resp. 19 regionů. S výjimkou regionů
M. Boleslavi, Kolína, Berouna, Benešova, Brandýsa n. L.-S. Boleslavi, Říčan, Černošic a Tábora
jde o regiony krajských měst, které v našich podmínkách vykonávají funkci pólů rozvoje mezinárodního
(Praha a částečně i Brno) a národního (zbývající krajská města a M. Boleslav) významu.
Z těchto regionů vykazují kromě Prahy nejlepší KPP Brno, Plzeň, Pardubice a H. Králové a naopak
nejhorší KPP Zlín, Olomouc, Ústí n. L. a Ostrava. Centra ostatních regionů pak lze charakterizovat
jako rozvojová centra s velmi příznivým (7 center) a příznivým (101 center) podnikatelským
77 V tomto kontextu je ovšem nutné poznamenat, že samozřejmě jde o silně zjednodušující charakteristiky
(korespondující ovšem s prokázanou pozitivní závislostí mezi úrovní KPP a úrovní HDP), které se vztahují především
na rozhodující nositele rozvojové dynamiky regionů.
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR264
prostředím. V tomto kontextu přirozeně představují hlavní „organizátory“ procesů ekonomické
integrace výše definované póly rozvoje. Tento závěr respektuje zásadní empirickou zkušenost, že
ekonomický rozvoj má tendenci postupovat po úrovních hierarchie od vyšších úrovní směrem
k nižším úrovním (Friedmann, 1966). Na základě posouzení jejich reálné pozice pak lze vymezené
póly rozvoje zařadit do tří skupin:
1. póly rozvoje se silným až dominantním integračním potenciálem – Praha,
2. póly rozvoje se středním integračním potenciálem – Plzeň, Brno, Č. Budějovice, Liberec,
M. Boleslav, Pardubice, H. Králové,
3. póly rozvoje se slabým integračním potenciálem – Jihlava, K. Vary, Ústí n. L., Zlín, Ostrava,
Olomouc.
V následující tabulce jsou uvedeny průměrné hodnoty celkové KPP podle velikostních skupin regionů:
stanovené hraniční hodnoty velikostních skupin činí 100, 50, 25 a 10 tis obyvatel v případě
regionálních center a 180, 90, 45 a 18 tis. obyvatel v případě regionů (vzájemné relace hraničních
hodnot přibližně respektují průměrný podíl center na počtu obyvatel jejich regionů).
Průměrné hodnoty celkové KPP podle velikostních skupin regionů a regionálních centerTabulka č. 79:
KPP
velikostní skupiny
1. skupina 2. skupina 3. skupina 4. skupina 5. skupina
regiony 1,68 2,51 2,97 3,51 3,84
centra 1,82 2,61 3,07 3,27 3,71
Zdroj: vlastní výzkum
Nejvýznamnější rozdíly v úrovni podnikatelského prostředí byly v případě regionů i regionálních
center zjištěny mezi 1. a 2. velikostní skupinou (5. skupina pak zahrnuje pouze regiony Konice
a Vítkova, jejichž ekonomická pozice neodpovídá jejich zařazení mezi ORP). Z celkového pohledu
jsou za významnější považovány údaje o podnikatelském prostředí jednotlivých regionů, neboť
zahrnují oba hlavní subjekty primárních integračních procesů (procesy probíhající na úrovni mikroregionů,
obecně označovaných jako nodální regiony, především na bázi pracovních interakcí) tj.
centra a jejich zázemí. V tomto kontextu je potřebné poznamenat, že i přes poměrně významné odlišnosti
ve výchozích principech vymezování administrativních, tj. územních obvodů ORP a nodálních
regionů je v České republice v současnosti dosaženo poměrně vysoké míry jejich souhlasnosti
(Hampl, 2005). Zařazení údajů za regionální centra pak reaguje zejména na strategicky významnou
skutečnost, že v rámci příslušných regionů tato centra disponují nejlepšími hodnotami KPP a představují
tak nejatraktivnější místa pro založení a další rozvoj podnikatelských aktivit.
Komplexní posouzení rozvojového potenciálu regionů vyžaduje doplnění informací o celkové
úrovni podnikatelského prostředí o identifikaci pozičních výhod a nevýhod. Příslušná analýza je
založena na srovnání vypočtených hodnot KPP s jeho teoretickými hodnotami, korespondujícími
s populační velikosti regionů (populační velikost regionů je všeobecně považována za základní
měřítko jejich významového postavení). Po provedených rozborech byla jako optimální metoda
stanovení teoretických hodnot KPP zvolena mocninná regrese (regresní křivka ve tvaru y = a × xb
).
V tomto směru byla potvrzena výrazná pravidelnost, resp. stochastická závislost KPP na populační
velikosti regionů, která je pochopitelně do značné míry podmíněna velikostí jejich regionálních
center. Odchylky reálných hodnot KPP od jejích teoreticky odpovídajících hodnot byly za účelem
co nejlepší uživatelské interpretace získaných výsledků regionů rozděleny do následujících
klasifikačních skupin: skupina vysoce kladných odchylek (s hodnotami odchylek na úrovni 0,5
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 265
a více), skupina kladných odchylek (s hodnotami odchylek v rozmezí 0,15 až 0,49), skupina nevýznamných
odchylek (s hodnotami odchylek v rozmezí 0,14 až –0,14), skupina záporných odchylek
(s hodnotami odchylek v rozmezí –0,15 až –0,49) a skupina vysoce záporných odchylek
(s hodnotami odchylek –0,5 a více). Z dále uvedené tabulky vyplývá, že do skupiny vysoce kladných
odchylek lze zařadit 11%, do skupiny kladných odchylek 25%, do skupiny nevýznamných
odchylek 30%, do skupiny záporných odchylek 20% a do skupiny vysoce záporných odchylek
pak 14% regionů.
Odchylky celkové KPP od teoretických hodnot podle velikostních skupin regionů ORPTabulka č. 80:
kraj
odchylky
vysoce kladné kladné nevýznamné záporné vysoce záporné celkem
Praha 0 1 0 0 0 1
Středočeský 9 12 5 0 0 26
Jihočeský 3 6 5 3 0 17
Plzeňský 3 5 5 2 0 15
Karlovarský 0 2 4 1 0 7
Ústecký 0 3 5 6 2 16
Liberecký 0 4 4 2 0 10
Královéhradecký 3 4 7 1 0 15
Pardubický 2 6 6 0 1 15
Vysočina 1 5 7 2 0 15
Jihomoravský 1 2 5 9 4 21
Olomoucký 0 0 3 5 5 13
Zlínský 0 1 5 3 4 13
Moravskoslezský 0 1 2 6 13 22
Česká republika 22 52 62 41 29 206
Zdroj: vlastní výzkum
Z výše uvedené tabulky vyplývá, že pozitivní odchylky v úrovni podnikatelského prostředí kromě
hlavního města Prahy zřetelně převažují v krajích Středočeském, Plzeňském, Pardubickém
a Jihočeském a naopak záporné odchylky v krajích Moravskoslezském, Olomouckém,
Jihomoravském, Zlínském a Ústeckém – v této souvislosti je ovšem potřebné připomenout zásadní
význam krajských center, jež zvláště pokud jde o zahraniční investory vykonávají roli tzv.
„vstupních bran“ (gateway), u kterých se s pozitivními odchylkami setkáváme v případě Brna
a Zlína a s negativními odchylkami pak již pouze v případě Ostravy.
Výše uvedené informace lze ještě doplnit v tom smyslu, že i když lze pozorovat postupný pokles
podílu kladných odchylek KPP směrem k nižším velikostním skupinám regionů (poměrně překvapivě
narušeném v případě nejmenší velikostní skupiny pracovně převážně podřízených center,
jejichž integrace se sousedními významnějšími centry je tedy doprovázena pozitivními vlivy na
jejich podnikatelské prostředí), jde z celkového pohledu pouze o základní pravidelnosti projevující
se v sociálně-geografické organizaci území. Jinými slovy samotná velikost regionů nemá zcela
deterministický vliv na úroveň podnikatelského prostředí (toto zjištění ilustruje nezbytnost empirického
ověřování ekonomických teorií jako zcela základního předpokladu jejich efektivního využívání
při řešení praktických otázek spojených s ekonomickým rozvojem, resp. s koncipováním
výchozích principů hospodářské politiky).
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR266
Na základě vypočtených regionálních hodnot celkové KPP kombinovaných s jejich odchylkami
od odpovídajících teoretických hodnot je pak možné přistoupit k identifikaci územních rozvojových
os, jejichž konstituování je zcela logicky determinováno příznivými hodnotami daných jevů
(viz např. Viturka a kol., 2003). Na základě vytvořené metodiky pak bylo identifikováno celkem
9 rozvojových os národního významu (z toho 5 rozvinutých, 3 částečně rozvinuté a 1 zatím nerozvinutá
resp. perspektivní rozvojová osa) propojujících jednotlivé póly rozvoje a dále 16 rozvojových
os regionálního významu (z toho 2 rozvinuté a 14 částečně rozvinutých rozvojových os)
propojujících významnější samostatná, resp. autentická rozvojová centra s nejbližšími póly rozvoje
nebo s rozvojovými osami národního významu.
Z čistě ekonomického pohledu lze proces územní integrace primárně chápat především jako
výsledek různorodých produkčních interakcí vznikajících v podnikatelské sféře, jež jsou spojeny
s efektivním překonáváním existujících územních limitů výrobních zdrojů a zapojováním dosud
nevyužitých výrobních zdrojů do ekonomického procesu (s následným posilováním poptávky po
výrobcích a službách produkovaných v integrujících se regionech). Tyto interakce návazně stimulují
šíření technických, technologických a manažerských inovací – vysoká úroveň prostorové difúze
těchto inovací je všeobecně považována za charakteristický rys vyspělých ekonomik.
V souladu s výše popsanými procesy, jejichž dynamický rozvoj je kontinuálně umocňován trvalou
snahou firem o dosahování externích úspor (generovaných např. vyšší kvalitou a flexibilitou
pracovních si, rozvojem podnikatelské a znalostní infrastruktury nebo kvalitnější nabídkou
dopravního spojení) spolu s dalšími indukovanými efekty (spojenými např. s lepší nabídkou možností
výrobní kooperace a dalších typů spolupráce), pak poloha měst a obcí, resp. regionů podél
rozvojových os prokazatelně vytváří výrazně lepší podmínky pro jejich ekonomický rozvoj (včetně
zlepšování jeho kvality) a návazně tak zvyšuje jejich přitažlivost pro externí podnikatelské subjekty.
Z hlediska časové posloupnosti se pak tyto synergicky působící efekty logicky nejdříve projevují
v nejbližším zázemí hlavních pólů rozvoje, tj. územně koncentrickým způsobem (viz např. okresy
Praha-východ a Praha-západ či Brno-venkov). V dalších fázích pak dochází k jejich selektivnímu,
resp. liniovému šíření i do vzdálenějších regionů, zejména podél již konstituovaných, příp. urbanisticky
a geograficky predestinovaných rozvojových os (za hierarchicky nejvyšší úroveň těchto
procesů lze označit vytváření přeshraničních rozvojových os nadnárodního významu, které bylo
již mnohokrát popsáno zejména v západoevropských zemích (viz např. Hampl, 1996).
Posouzení specifických předpokladů pro rozvoj inovací3.4.2.
Hodnocení celkové KPP poskytuje všeobecné informace o výhodách či nevýhodách jednotlivých
regionů pro rozvoj podnikatelských aktivit. Jde pochopitelně o generalizované informace, jejichž
vypovídací schopnost není pro konkrétní firmy samozřejmě zcela identická. Vyhodnocení významnosti
jednotlivých dílčích faktorů v tomto směru úzce souvisí s percepcí jejich manažerů,
vycházející jak s individuálních preferencí jednotlivých firem, tak z jejich vlastní intuice. Tyto skutečnosti
tak určitým způsobem modifikují vypovídací schopnost agregovaných informací o podnikatelském
prostředí: např. velké průmyslové firmy budou při rozhodování o strategii dalšího
rozvoje více zvažovat faktory dostupnosti pracovních sil, blízkosti trhů či podnikatelské a znalostní
infrastruktury (nabídka rozvojových ploch). Inovační průmyslové firmy a rovněž firmy působící
v oblasti progresivních služeb pak budou věnovat zvláštní pozornost úrovni rozvoje znalostní
infrastruktury, podpůrných služeb či informačních a komunikačních technologií. Významnější
rozdíly v preferencích jsou generovány i velikostí firem (např. menší firmy budou více zvažovat
tržní výhody a nevýhody konkrétní lokality v rámci příslušného sídla). Z hlediska posouzení
specifických předpokladů pro rozvoj inovací je proto užitečné věnovat pozornost i významným
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 267
regionálním odchylkám jednotlivých faktorů od celkové úrovně KPP, za které jsou považovány
odchylky v rozsahu alespoň dvou klasifikačních skupin. K tomu lze poznamenat, že v souladu
s aplikací principu kritického minima mohou extrémně negativní hodnoty některého z dílčích
faktorů znamenat přehodnocení lokalizace plánovaného rozvojového záměru či vyřazení daného
regionu ze souboru regionů připadajících v úvahu pro lokalizaci nové aktivity. Odpovídající informace
uvádí následující tabulka.
Významné odchylky a minimální hodnoty podle skupin faktorů KPPTabulka č. 81:
Kraj
odchylky hodnot (+/–) minimální hodnoty (5. skupina)
O P I L C E O P I L C E
Praha 0/0 0/0 0/0 0/0 0/0 0/3 0 0 0 0 0 3
Středočeský 3/1 1/1 2/0 1/2 0/1 ½ 1 1 0 1 1 1
Jihočeský 3/1 1/1 1/2 1/1 0/2 3/0 1 2 3 2 3 0
Plzeňský 3/0 1/0 1/1 2/1 0/0 3/1 2 2 2 3 3 2
Karlovarský 3/1 2/1 1/0 1/1 0/2 3/0 2 3 1 2 3 0
Ústecký 3/0 1/1 0/2 1/0 1/0 1/2 1 3 3 1 2 2
Liberecký 3/0 3/0 0/1 1/1 0/0 3/0 1 1 3 3 3 0
Královéhradecký 2/1 1/1 1/1 0/1 0/2 2/0 2 2 2 2 3 1
Pardubický 2/1 0/1 2/0 0/0 0/1 3/0 2 2 1 1 3 1
Vysočina 2/0 0/2 1/1 1/0 0/1 3/0 2 3 2 1 3 0
Jihomoravský 1/1 1/1 2/1 1/1 0/0 3/1 2 2 2 2 1 2
Olomoucký 1/1 1/0 0/1 2/0 0/1 3/1 3 2 3 2 2 1
Zlínský 0/2 2/0 1/1 1/0 0/0 3/0 3 2 2 2 2 1
Moravskoslezský 1/2 1/1 1/0 1/1 1/0 2/1 3 3 1 3 3 3
Poznámky:
1. Skupiny faktorů KPP: O – obchodní faktory, P – pracovní faktory, I – infrastrukturní faktory, L – lokální faktory, C – cenové faktory, E –
environmentální faktory.
2. Podíly kladných a záporných odchylek a minimálních hodnot v rámci dané skupiny faktorů): 0 – absence jevu, 1 – podíl méně než
10%, 2 – podíl 10 až 19%, 3 – podíl 20 a více %.
Zdroj: vlastní výzkum
Podle výsledků provedených analýz vykazují v rámci souboru dílčích faktorů KPP největší počet
významných odchylek faktor blízkosti trhů a faktor environmentální kvality území (v obou případech
bylo zjištěno více než 100 významných odchylek). S výrazným odstupem pak následují
faktory přítomnosti zahraničních firem, flexibility pracovních sil, informačních a komunikačních
technologií, asistence veřejné správy, blízkosti mezinárodních letišť a urbanistické a přírodní atraktivity
území (u zbývajících faktorů se významné odchylky objevují v méně než 10% případů).
V souladu s přijatou logikou hodnocení odchylek vykazují nejvíce kladných odchylek (4 až 5)
menší regiony s méně příznivou KPP, což může mít příznivé dopady na jejich inovační potenciál.
Na druhé straně se pak nacházejí krajská města Olomouc a Ostrava (čtyři záporné odchylky).
Kladné odchylky faktoru blízkosti trhů nepochybně zlepšují podnikatelské prostředí především
v případě větších firem – nejvyšší podíl těchto odchylek vykazují regiony Ústeckého kraje. S pozitivním
působením daného faktoru (přesněji subfaktoru blízkosti zahraničních trhů) se setkáváme
zejména u exportně orientovaných průmyslových firem v zahraničním vlastnictví, které se
zřetelně koncentrují v regionech nacházejících se v sousedství s ekonomicky vysoce rozvinutým
německými a rakouskými regiony. V tomto ohledu uvedený faktor logicky vykazuje i silné vazby
na faktor přítomnosti zahraničních firem, u kterého se nejvyšší podíl významných kladných
vyskytuje u regionů Plzeňského a Karlovarského kraje. V případě vyšší koncentrace zahraničních
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR268
firem příslušné regiony obvykle získávají i další výhody, neboť tato skutečnost je potenciálními
investory často vnímána jako potvrzení vysoké úrovně jejich KPP.
V případě faktoru environmentální kvality území nemají z obecného pohledu významné kladné
odchylky (vyskytující se především u regionů Jihočeského a Plzeňského kraje) zjevné vazby na
potenciální ekonomické přínosy, neboť primárně vypovídají spíše o nízké míře ekonomické aktivity.
Nejvýznamnější příležitosti pro využití jejich ekonomického potenciálu, jehož aktivace je
determinována především úrovní faktoru přírodní a urbanistické atraktivity území, se vesměs pojí
s cestovním ruchem a rekreací (v tomto směru je dobrým aktuálním příkladem oblast Šumavy).
Pokud jde o skupinu infrastrukturních faktorů, setkáváme se s významnějším zastoupením regionálních
odchylek u faktoru informačních a komunikačních technologií a dále u faktoru blízkosti
mezinárodních letišť. Nejvýznamnější koncentrace kladných odchylek těchto faktorů, které
významně stimulují zejména rozvoj progresivních služeb, se pochopitelně nacházejí v zázemí největších
center tj. Prahy a Brna a dále Pardubic.
V rámci skupiny pracovních faktorů se významné odchylky ve větším počtu případů objevují
pouze u srovnatelně nejméně významného faktoru flexibility pracovních sil, který je interpretován
z pohledu podnikavosti jako kvalitativně nejvyšší komponenty flexibilit, resp. přizpůsobivosti
pracovních sil. Kladné odchylky se zde nejvíce objevují v Libereckém kraji, kde se téměř všechny
regiony ORP vyznačují nadprůměrným rozvojem podnikatelských aktivit fyzických osob.
Poslední skupinou faktorů s významnými odchylkami dílčích faktorů je skupina lokálních faktorů.
V jejím rámci jde především o faktor asistence veřejné správy, kde se s nejsilnější koncentrací
kladných odchylek setkáváme v zázemí Olomouce. V tomto ohledu je užitečné připomenout, že
efektivní využití možností veřejné správy může nabývat i podoby aktivace dosud nevyužívaných
zdrojů ekonomického rozvoje (strukturální inovace).
Pro přímé posouzení specifických předpokladů regionů pro rozvoj inovací daných schopností regionálních
firem vytvářet, rozšiřovat a přejímat inovace byly využity výsledky šetření ČSÚ o inovacích
v podnikatelském sektoru doplněné běžnými statistickými informacemi ČSÚ o výzkumu a vývoji,
a dále pak výsledky vlastní analýzy regionálního rozložení významných inovačních firem.
Tvorba, transfer a adopce inovací, za jejichž agregované vyjádření lze považovat inovační potenciál
firem, hraje zásadní roli v konkurenceschopnosti regionálních ekonomik. Podle výsledků již
čtvrtého šetření ČSÚ o inovacích (provedeného v letech 2004–2006) zavedlo inovaci produktu přibližně
19%, procesní inovaci 22%, marketingovou inovaci 16% a organizační inovaci 30% z výběrového
souboru českých firem. Daný soubor zahrnoval celkem 8475 firem s alespoň 10 zaměstnanci,
tzn. asi 20% všech odpovídajících zpravodajských jednotek (podrobněji viz ČSÚ, 2008). Z těchto
firem mělo 23% sídlo v Praze a více než 13% v Jihomoravském kraji. Na základě výsledků posledního
šetření lze odhadnout, že podíl inovačních firem v české ekonomice se pohybuje okolo 28%
(zpracovatelský průmysl 37%, služby 25 %), přičemž nejvíce inovují firmy v Praze a Jihomoravském
a Zlínském kraji. Z odvětvového pohledu vykazuje nejvyšší podíl inovačních firem v případě průmyslu
chemický průmysl (55%) a v případě služeb výzkum a vývoj a činnosti v oblasti výpočetní
techniky (68 a 60 %). Inovační schopnosti se ve všech případech významně zvyšovaly s velikostí
firem, tj. MSP lze považovat spíše za flexibilní než inovativní (podle výsledků předchozího šetření
ČSÚ byla inovační výkonnost zahraničních firem 1,5 x vyšší než u domácích firem). Velké inovační
firmy (cca 15% výběrového souboru) rovněž více spolupracují s veřejnými institucemi VaV, zejména
s univerzitami. Celkové výdaje na technické inovace s největšími potenciálními dopady na konkurenceschopnost
firem (určené zejména na pořízení strojů, zařízení a softwaru, a dále na vnitropodnikový
výzkum a vývoj a získání jeho výsledků z externích zdrojů) dosáhly v roce 2006 částky asi 105
mld. Kč. Pokud jde o odpovídající zdroje informací, nejvýznamnější podíl připadal na vnitřní zdroje
(vlastní výzkum a vývoj vykázalo 54% firem v průmyslu a 45 % firem ve službách), následované
podněty od zákazníků a podněty od dodavatelů.
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 269
Poměrně nízký podíl technických inovací ve srovnání s vyspělejšími západoevropskými zeměmi
dokumentuje podíl tržeb z prodeje inovovaných výrobků, který v roce 2006 činil pouze okolo
32% z celkových tržeb firem s inovací produktu, dosahujících celkového objemu asi 3,5 tis. mld.
Kč. Strategicky významným zjištěním je zejména skutečnost, že technicky inovující firmy se ve
srovnání s neinovujícími firmami podstatně lépe prosazovaly na mezinárodních trzích – vzájemný
poměr mezinárodních, národních a regionálních trhů (trhy do vzdálenosti cca 50km) činil
u inovujících firem 0,5 : 1 : 0,6 oproti odpovídajícímu poměru 0,3 : 0,8 : 1 u neinovujících firem.
Hlavími poskytovateli veřejných podpor cílených na rozvoj inovací, kterou ve zkoumaném období
získalo pouze kolem 15% šetřených firem, byla vláda spolu s EU (téměř polovina unijních podpor
pocházela z 5. a 6. rámcového programu na podporu výzkumu a technologického rozvoje;
v novém plánovacím období EU lze v tomto ohledu předpokládat významné zvýšení celkového
podílu EU) a v podstatně menší míře pak územní samospráva.
Výše prezentované informace lze účelně doplnit vybranými výsledky šetření o lidských a finančních
zdrojích pro výzkum a vývoj, které zahrnuje všechny právnické a fyzické osoby na území České
republiky, provádějící výzkum a vývoj jako svoji hlavní či vedlejší činnost (ČSÚ, 2007 a 2009).
Finanční zdroje, resp. výdaje na VaV dosáhly v roce 2006 celkové úrovně téměř 50 mld. Kč. Z toho
činily výdaje podnikatelského sektoru 33 mld. Kč, což odpovídá méně než jedné třetině celkových
výdajů na technické inovace, zjištěných v rámci výše komentovaného šetření ČSÚ. V souladu s tímto
zjištěním lze konstatovat, že základním problémem inovačních aktivit v soukromém sektoru je
orientace firem na inovace nižších řádů, se kterou koresponduje i relativně nízká úroveň žádostí týkajících
se uplatňování práv k užívání duševního vlastnictví. Z regionálního pohledu byly největší firemní
výdaje na výzkum a vývoj vynaloženy v Praze a Středočeském kraji, v případě užití relativních
údajů vztažených k regionálnímu HDP pak první místo jasně patří Středočeskému kraji (podmíněno
ročními výdaji na inovace ve firmě Škoda Auto ve výši cca 4,7 mld. Kč – jednoznačně nejvyšší výdaje
na VaV v rámci českých firem). V oblasti lidských zdrojů disponoval segment VaV v roce 2006 asi 69
tis. zaměstnanci, z nichž asi 30 tis. pracovalo v podnikatelském sektoru (téměř 25 tis. zaměstnanců
pak pracovalo ve školském a 14 tis. zaměstnanců ve vládním sektoru). Pokud jde o adekvátní krajské
podíly zaměstnanosti v podnikatelském sektoru VaV na jeho celkové zaměstnanosti, pak jak z absolutního,
tak z relativního pohledu zřetelně dominuje Praha a tato její dominance by se dále zvýšila
v případě zahrnutí zaměstnanců VaV pracujících ve veřejném sektoru.
Na základě získaných informací, interpretovaných pomocí vybraných indikátorů, resp. ukazatelů
podílu inovačních firem (doplněných v tabulce ještě podíly podle inovací produktu a inovací
procesu), podílu výdajů firem na VaV na regionálním HDP a podílu zaměstnanců firem ve VaV
na celkovém počtu zaměstnanců, lze do první skupiny s nadprůměrnou úrovní inovačního potenciálu
firem řadit především Prahu a dále kraje Jihomoravský a Středočeský. Uvedené kraje se
vyznačují nadprůměrnou úrovní u dvou (v případě Prahy u všech) ukazatelů a jen zcela výjimečně
zaujímají v celkovém pořadí horší než šesté místo (jejich dominantní pozice se projevuje i vysokou
migrační atraktivitou pro osoby s VŠ vzděláním). Do následující průměrné skupiny byly zařazeny
kraje Zlínský, Pardubický, Liberecký, Olomoucký a Plzeňský, vykazující nadprůměrnou hodnotu
alespoň u jednoho ukazatele, přičemž jen výjimečně zaujímají horší než deváté pořadí. Zbývající
kraje Jihočeský, Moravskoslezský, Královéhradecký, Vysočina, Ústecký a Karlovarský pak spadají
do třetí skupiny s podprůměrným inovačním potenciálem. Tyto kraje nevykazují nadprůměrné
hodnoty u žádného ukazatele a jen ojediněle v jejich rámci zaujímají lepší než deváté pořadí.
Výše prezentované výsledky představují ovšem jen orientační reflexi inovačního potenciálu,
odvíjející se od dosaženého stupně rozvinutosti jejich institucionální základny VaV. To dokumentuje
i skutečnost, že vazby mezi vybranými indikátory a úrovní HDP či KPP nejsou zcela jednoznačné
(silné vazby s korelačním koeficientem nad 0,75 byly zjištěny pouze u ukazatele podílu
zaměstnanců firem ve VaV na celkovém počtu zaměstnanců).
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR270
Vybrané indikátory inovačního potenciálu firem (v %)Tabulka č. 82:
Kraj
podíl
inovačních firem
podíl firem
s inovací produktu
podíl firem
s inovací procesu
výdaje firem na
VaV/HDP
zaměstnanci firem
ve VaV/CPZ
Praha 30,9 20,3 23,4 1,04 1,34
Středočeský 27,2 17,9 20,7 2,21 0,69
Jihočeský 27,9 18,3 20,8 0,47 0,28
Plzeňský 28,2 18,9 22,2 0,52 0,36
Karlovarský 20,5 14,0 17,1 0,11 0,15
Ústecký 26,5 16,6 20,5 0,25 0,19
Liberecký 28,5 17,1 24,3 0,97 0,54
Královéhradecký 26,2 17,2 21,3 0,44 0,42
Pardubický 25,7 20,0 19,2 1,18 0,84
Vysočina 23,5 13,7 19,3 0,45 0,32
Jihomoravský 31,5 21,9 23,3 0,73 0,69
Olomoucký 29,4 17,4 23,7 0,61 0,49
Zlínský 30,2 21,1 25,3 0,88 0,61
Moravskoslezský 23,9 15,2 20,0 0,58 0,34
Česká republika 28,1 18,5 21,9 0,83 0,59
Poznámky: VaV = věda a výzkum, CPZ = celkový počet zaměstnanců.
Zdroj: šetření ČSÚ o inovacích 2004–2006, šetření ČSÚ o vědě výzkumu 2004 až 2006
Pro potřeby územně detailnějšího vyhodnocení inovačního potenciálu podle regionů ORP je potřebné
výše uvedené informace doplnit dalšími podrobnějšími údaji, jejichž hlavním zdrojem je
databáze Asociace inovačního podnikání (AIP). Narozdíl od výběrového šetření ČSÚ jde v tomto
případě o firmy, které prostřednictvím svého členství a participace na činnosti AIP veřejně deklarovaly
svůj výrazný zájem o problematiku inovací (Viturka, 2007). Databáze AIP zahrnuje téměř
1,8 tis. firem (21% ve srovnání se souborem ČSÚ) s téměř 450 tis. zaměstnanci. Z tohoto souboru
bylo pro hodnocení inovačního potenciálu vybráno přibližně 420 velkých firem s 250 a více
zaměstnanci. Po provedených analýzách byly (s přihlédnutím k objemu ročních tržeb) vytvořeny
následující klasifikační skupiny pro hodnocení regionů:
1. regiony s alespoň pěti velkými inovačními firmami s více než 5 tis. zaměstnanci celkem,
2. regiony s alespoň třemi velkými inovačními firmami s více než 2,25 tis. zaměstnanci celkem
příp. s jednou firmou s více než 3 tis. zaměstnanci,
3. regiony s alespoň dvěma velkými inovačními firmami s více než 0,75 tis. zaměstnanci celkem
příp. s jednou firmou s více než 1 tis. zaměstnanců,
4. regiony s jednou velkou inovační firmou,
5. regiony bez velké inovační firmy.
Podle výsledků provedené analýzy se do první skupiny inovačně nejvýznamnějších regionů řadí
především regiony krajských měst Prahy, Ostravy, Brna, Plzně, Jihlavy, Pardubic a Olomouce,
k nimž se dále připojují regiony Mladé Boleslavi, Jablonce n. N. a Otrokovic. Pro tyto inovačně
velmi silné regiony propojené rozvojovými osami je charakteristické velmi příznivé podnikatelské
prostředí. Do následující druhé skupiny bylo zařazeno celkem 30 inovačně silných regionů.
Kromě regionů zbývajících krajských měst Českých Budějovic, Ústí n. L., Hradce Králové
a Karlových Varů sem patří především regiony s významnými průmyslovými centry (např. regiony
Třince, České Lípy, Nového Jičína, Teplic a Tábora). Příslušné regiony se vyznačují příznivým
až velmi příznivým podnikatelským prostředím a jejich převážná část se nachází na rozvojových
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 271
osách národního či regionálního významu. Postupné zhoršování podnikatelského prostředí od
příznivého po méně příznivé pokračuje i v následující třetí a čtvrté skupině, zahrnující regiony
se středním a slabým inovačním potenciálem. Tyto regiony jsou již z větší poloviny lokalizovány
mimo vymezené rozvojové osy. Ve zbývajících 57 regionech s méně příznivým podnikatelským
prostředím pak již nebyla identifikována žádná velká inovační firma.
Zastoupení velkých inovačních firem v regionech ORPTabulka č. 83:
Kraj velmi silné silné střední slabé žádné průměr
Praha 1 0 0 0 0 1
Středočeský 1 4 9 6 6 3,5
Jihočeský 0 3 4 4 6 3,8
Plzeňský 1 1 2 4 7 4,0
Karlovarský 0 1 1 0 5 4,3
Ústecký 0 5 4 4 3 3,3
Liberecký 1 2 1 5 1 3,3
Královéhradecký 0 2 6 5 2 3,5
Pardubický 1 1 4 7 2 3,5
Vysočina 1 2 1 6 5 3,8
Jihomoravský 1 2 4 6 8 3,9
Olomoucký 1 2 3 4 3 3,7
Zlínský 1 1 5 3 3 3,5
Moravskoslezský 1 4 7 4 6 3,5
Česká republika 10 30 51 58 57 3,6
Zdroj: AIP, vlastní výzkum
Z regionálního pohledu je potřebné zdůraznit, že velké inovační firmy lze v neintegrovaných
regionech bez významnější podnikatelské a znalostní infrastruktury považovat za hlavní nositele
znalostního kapitálu. Z hlediska koncentrace inovačních firem se kromě koncentricky utvářených
zón kolem krajských měst (zejména Prahy, Ostravy a Brna) projevuje i seskupování významných
inovačních center do pásovitě uspořádaných zón – zejména podkrušnohorská (Děčín, Ústí
n. L., Teplice, Litvínov, Most a Chomutov) a dále podorlická (Náchod, Rychnov n. K., Ústí n.
O., Lanškroun) a podbeskydská (Nový Jičín, Valašské Meziříčí, Kopřivnice, Frenštát p. R.) zóna.
Vůbec nejvýznamnější inovační zóna se ovšem nachází podél severovýchodočeské rozvojové osy
národního významu, propojující Prahu s M. Boleslaví a s Libercem.
Celkové posouzení regionálních předpokladů pro rozvoj inovací3.4.3.
Celkové posouzení všeobecných a specifických předpokladů pro rozvoj inovací bylo nejprve provedeno
na.mikroregionální úrovni regionů ORP. V souladu se strukturou již uvedených informací
tato syntéza primárně vychází z analýz regionálních hodnot KPP a koncentrace inovačních firem.
V případě rozdílných výsledků těchto analýz, zapříčiněných odlišnými vývojovými tendencemi
v podnikatelské sféře jednotlivých regionů, bylo konečné zařazení příslušných regionů provedeno
na základě dodatečných analýz – zejména analýz postavení regionů v rámci procesů územní integrace
(doplněných analýzami kvality pracovních sil). V závěrečné fázi pak byly regiony zařazeny
do tří agregátních typologických skupin, syntetizujících jejich předpoklady pro rozvoj inovací
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR272
v souladu s přijatým metodickým postupem. Odpovídající výsledky jsou v generalizované podobě
prezentovány v následující tabulce.
Celkové předpoklady pro rozvoj inovací podle regionů ORPTabulka č. 84:
Kraj
celkové předpoklady
počet regionů
podíl sk.
1 a 2
v %
1. velmi příznivé až
vynikající 2. příznivé
3. málo příznivé až
nepříznivé
Praha 1 V/S 0 0 1 100
Středočeský 1 S+, 2 V/S, 4 V+
74V+
2 S+, 6 V/S, 3
V+ V+
6 S–, 2 V/S 26 69
Jihočeský 2 V/S 1 S+, 3 V/S, 1
V+ V+
4 S–, 5 V/S, 1 V– 17 41
Plzeňský 1 S+ 2 S+, 1 V/S, 2
V+ V+
2 S–, 7 V/S 15 40
Karlovarský 1 V/S 1 V/S 3 S–, 2 V/S 7 29
Ústecký 1 V/S 4 S+, 3 V/S 3 S–, 4 V/S, 1 V– 16 50
Liberecký 1 V/S 2 S+, 1V/S 2 S–, 4 V/S 10 40
Královéhradecký 1 V/S 1 S+, 5 V/S, 1
V+ V+
3 S–, 3 V/S, 1 V– 15 50
Pardubický 1 S+ 4 V/S, 2 V+ 2 S–, 5 V/S, 1 V– 15 47
Vysočina 1 S+ 2 S+, 1 V/S, 2
V+ V+
3 S–, 6 V/S 15 40
Jihomoravský 1 V/S 2 S+, 3 V/S, 1
V+ V+
2 S–, 11 V/S,
1 V–
21 30
Olomoucký 1 S+ 2 S+, 1 V/S, 1
V+ V+
6 V/S, 2 V– 13 38
Zlínský 1 V/S 1 S+, 4 V/S, 1
V+ V+
5 V/S, 1 V– 13 54
Moravskoslezský 1 S+ 4 S+, 3 V/S 10 V/S, 4 V– 22 36
Česká republika 6 S+, 11 V/S,
4 V+ (21 cel.).
23 S+, 36 V/S,
14 V+ (73 cel.).
30 S−, 70 V/S,
12 V− (112 cel.)
206 46
Poznámky:
Znaménka +/– vypovídají o pozitivním/negativním ovlivnění pozice regionů působením specifických (S) a všeobecných (V) faktorů;
vyrovnanost jejich působení je pak označena znaménkem V/S (regiony Prahy a Brna jsou zvýrazněny).
Zdroj: vlastní výzkum
Z hlediska působení všeobecných a specifických regionálních předpokladů pro rozvoj inovací lze
konstatovat, že převládá jejich vyrovnané působení (cca 57% regionů). Tato skutečnost do určité
míry koresponduje se zjištěným koeficientem korelace mezi hodnotami KPP a regionálními
rozložením velkých inovačních firem, převyšujícím hladinu 0,6. Pokud jde o přímé ovlivňování
inovační pozice regionů, hrají logicky významnější roli jejich specifické předpoklady, odvíjející se
od inovačního potenciálu podnikatelských subjektů působících v daném regionu. Z regionálního
pohledu disponuje vynikajícími až velmi příznivými celkovými předpoklady pro rozvoj inovací 21
regionů a příznivými předpoklady 73 regionů. V přibližně 55% regionů pak byly identifikovány
málo příznivé až nepříznivé celkové předpoklady pro rozvoj inovací. Použijeme-li pouze nevážené
hodnoty, pak na krajské úrovni zaujímá po jasně dominujícím Pražském kraji nejlepší pozici
Středočeský kraj, následovaný Zlínským, Královéhradeckým, Ústeckým a Pardubickým krajem.
Pro tyto kraje je tak charakteristické rovnoměrnější rozložení inovačně orientovaných regionů ve
POSOUZENÍ REGIONÁLNÍCH PŘEDPOKLADŮ PRO ROZVOJ INOVACÍ NA PŘÍKLADĚ ČR 273
srovnání se zbývajícími kraji, což nepochybně vytváří vhodnější podmínky pro vytváření specializovaných
podnikatelských sítí, resp. klastrů.
Navazující syntéza na hierarchicky vyšší mezoregionální, resp. krajské úrovni se od prvotní
mikroregionální syntézy odlišuje především zohledněním srovnatelného významu všeobecných
i specifických regionálních předpokladů pro rozvoj inovací (s přihlédnutím k veřejné institucionální
základně VaV a vybraných podpůrných institucí, zejména VTP; pokud jde o celkové výdaje
na VaV jednoznačně dominuje Praha, následovaná Středočeský a Jihomoravským krajem). V této
souvislosti lze obecně konstatovat, že v závislosti na zvyšujícím se významovém postavení regionů
(zejména regionů krajských center) dochází k rostoucí koncentraci proinovačních aktivit. V těchto
souvislostech je účelné upozornit na potvrzení hypotézy o silných vazbách celkových hodnot
KPP na krajské úrovni (včetně Prahy) s odpovídajícími hodnotami HDP, kde vypočtená hodnota
korelačního koeficientu mezi oběma agregátními ukazateli osciluje kolem hranice 0,95.
V souladu s výsledky mezoregionálního hodnocení byla do skupiny s celkově nejlepšími
všeobecnými a specifickými předpoklady pro rozvoj inovací – typ A, zařazena Praha spolu se
Středočeským a Jihomoravským krajem (výrazné zlepšení pozice oproti neváženému hodnocení).
Jde tedy o regiony nejvýznamnějších sídelních center České republiky (Praha spolu s administrativně
odloučeným Středočeským krajem pak objektivně vytvářejí přirozený středočeský, resp.
centrální metropolitní region). Do následující průměrné skupiny – typ B, spadá polovina tj. sedm
krajů: Plzeňský, Pardubický, Liberecký, Zlínský, Královéhradecký, Jihočeský a Olomoucký. Do
poslední skupiny s nejhoršími předpoklady pro rozvoj inovací – typ C, pak byly zařazeny zbývající
kraje Moravskoslezský, Ústecký (výrazné zhoršení pozice oproti neváženému hodnocení),
Vysočina a dále Karlovarský s jednoznačně nejhorším postavením. V tomto kontextu lze konstatovat,
že do této skupiny byly zařazeny zejména kraje s nevyhovující strukturou jejich ekonomiky.
Získané výsledky lze kromě zpracovávání regionálních strategií a různých koncepcí regionálního
rozvoje (podrobněji viz např. Viturka, 2007 či Žítek, 2002) pochopitelně využít i pro potřeby
rozhodování firem o různých variantách jejich dalšího rozvoje, resp. jejich investičních prioritách
včetně hodnocení externích úspor či disponibilního potenciálu pro vytváření územních (kooperačních)
vazeb. V této souvislosti je dále potřebné znovu zdůraznit nezbytnost perspektivního
přechodu ke znalostní ekonomice jako základního strategického cíle rozvoje české ekonomiky,
zajišťujícího udržení, resp. zvýšení její globální konkurenceschopnosti. Z praktického pohledu je
zde nutné aplikovat moderní pojetí inovační politiky jako „horizontální průřezové aktivity“, směřující
k prosazení inovací jako průsečíku hospodářské, vzdělanostní, vědeckovýzkumné, sociální,
environmentální a samozřejmě i regionální politiky. Z regionalistického pohledu je pak dále potřebné
poznamenat, že zvýšení důrazu na podporu inovací bude s velkou pravděpodobností generovat
i významné impulsy pro další rozvojovou selekci regionů, resp. jejich regionálních center.
Tato rizika lze snižovat či regulovat prostřednictvím průběžné optimalizace rozvojových strategií
na základě monitoringu dosažených výsledků včetně posuzování přínosů indukovaných šířením
pozitivních efektů z rozvojových pólů podél rozvojových os (percepce pozitivních změn behaviorálních
charakteristik v méně rozvinutých regionech). Ze širšího pohledu pak efektivnost podpory
regionálního rozvoje výrazně determinuje i kvalita politického systému, zejména pokud jde
o zlepšování výkonnosti veřejné správy a funkčnosti systému společenské regulace.
POUŽITÁ LITERATURA KE 3. KAPITOLE274
Použitá literatura ke 3. kapitole
ACADÉMIE DES SCIENCE (2010). Dostupné na: www.academie-sciences.fr.
ALMI FÖRETAGSPARTNER AB (2010). Dostupné na: www.almi.se/ALMI-in-English.
AMSTERDAM BIOMED CLUSTER (2010). Dostupné na: www.amsterdambiomed.nl.
AUSTRIA WIRTSCHAFTSSERVICE AWS (2010). Dostupné na: www.awsg.at.
AUSTRIAN RESEARCH PROMOTION AGENCY FFG (2010). Dostupné na: www.ffg.at.
BBSRC BIOSCIENCE FOR THE FUTURE (2010). Dostupné na: www.bbsrc.ac.uk.
CONFINDUSTRIA (2010). Dostupné na: www.confindustria.it.
CORDIS ERAWATCH (2010). Dostupné na: http://cordis.europa.eu.
ČESKÝ STATISTICKÝ ÚŘAD (2006): Dotazník o inovacích v roce 2006. pp. 9.
ČESKÝ STATISTICKÝ ÚŘAD (2007): Věda a výzkum v regionálním pohledu. Praha: ČSÚ, 2007.
ISBN 978-80-250-1489-9.
ČESKÝ STATISTICKÝ ÚŘAD (2008): Dotazník o inovacích v roce 2008. pp. 10.
ČESKÝ STATISTICKÝ ÚŘAD (2008): Inovační aktivity podniků v České republice v letech 2004–2006.
Praha: ČSÚ, 2008. ISBN 978-80-250-1721-0.
ČESKÝ STATISTICKÝ ÚŘAD (2008): Inovační aktivity podniků v České republice. pp. 6.
ČESKÝ STATISTICKÝ ÚŘAD (2008): Příklady inovací pro TI 2008. pp. 3.
ČESKÝ STATISTICKÝ ÚŘAD (2009): Ukazatele výzkumu a vývoje za rok 2008. Praha: ČSÚ, 2009.
ISBN 978-80-250-1995-5.
ČESKÝ STATISTICKÝ ÚŘAD (2010): Inovační aktivity podniků v České republice v letech 2006–2008.
Praha: ČSÚ, 2010. ISBN 978-80-250-2024-1.
ČESKÝ STATISTICKÝ ÚŘAD (2010): Metodika šetření. Dostupné na:
www.czso.cz /csu/redakce.nsf/i/metodika_setreni_statistika_inovaci.
ČESKÝ STATISTICKÝ ÚŘAD (2010): Realizace statistického šetření o inovacích v České republice.
Dostupné na: www.czso.cz/csu/redakce.nsf/i/realizace_statistickeho_setreni_o_inovacich_v_ceske_republice.
DANISH AGENCY FOR SCIENCE, TECHNOLOGY AND INNOVATION (2010). Dostupné na:
http://en.fi.dk/the-agency.
DELTA. Dostupné na: http://www.madebydelta.com.
DEPARTMENT FOR BUSINESS, INNOVATION AND SKILLS BIS (2010). Dostupné na: www.bis.gov.uk.
ENTERPRISE ESTONIA (2010). Dostupné na: www.eas.ee.
ESTONIAN DEVELOPMENT FUND (2010). Dostupné na: www.arengufond.ee/eng.
EUROPEAN COMMISSION (2010): Business Support – Slovenia. Dostupné na:
http://ec.europa.eu/youreurope/business/finance-support/business-support/slovenia /index_en.htm.
EUROSTAT (2006): The Community Innovation Survey 2006 (CIS2006):
The Harmonised Survey Questionnaire. Eurostat, 2006. Dostupné na:
http://www.czso.cz/csu/redakce.nsf/i/cis2006/$File/cis2006_questionnaire.pdf.
EUROSTAT (2008): The Community Innovation Survey 2008 (CIS2008):
The Harmonised Survey Questionnaire. Eurostat, 2008. Dostupné na:
http://www.czso.cz/csu/redakce.nsf/i/cis2008/$File/cis2008_questionnaire.pdf.
EUROSTAT (2010): Annual data on employment in technology and
knowledge-intensive sectors at the national level, by gender. Dostupné na:
http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=htec_emp_nat&lang=en.
EUROSTAT (2010): Exports of high technology products as a share of total exports. Dostupné na:
http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&plugin=1&language=en&pcode=tsiir160.
EUROSTAT (2010): Regional statistics. Dostupné na:
http://epp.eurostat.ec.europa.eu/portal/page/portal/region_cities/introduction.
EUROSTAT (2010): Science, technology and innovation in Europe. Luxemburg: Publications Office of the
European Union, 2010. ISBN 978-92-79-13575-0. ISSN 1830-754X.
EVROPSKÁ RADA (2010): Závěry. Brusel: Generální sekretariát Rady, 2010. EUCO 13/10. Dostupné na:
http://www.consilium.europa.eu/uedocs/cms_data/docs/pressdata/CS/ec/115366.pdf.
FEDERATION OF FINNISH TECHNOLOGY INDUSTRIES (2010). Dostupné na:
www.teknologiateollisuus.fi/en.
FINANCIAL SERVICES AUTHORITY FSA (2010). Dostupné na: www.fsa.gov.uk.
FINPRO (2010). Dostupné na: www.finpro.fi/en-US/About+Finpro.
POUŽITÁ LITERATURA KE 3. KAPITOLE 275
FRIEDMANN, J. (1972): A general theory of polarized development. In: Hansen, N. M.: Growth centres in
regional economic development. New York: Free press, 1972. ISBN 0029137306.
HAMPL, M. a kol. (1996): Geografická organizace společnosti a transformační procesy v České republice.
Praha: Univerzita Karlova, 1996.
HAMPL, M. a kol. (2005): Geografická organizace společnosti v České republice: transformační procesy
a jejich obecný kontext. Praha: Univerzita Karlova, 2005.
HERMES (2010). Dostupné na: www.hermes.co.uk.
HOLLANDERS, H. – VAN CRUYSEN, A. (2008): Rethinking the European Innovation
Scoreboard: A New Methodology for 2008–2010. Brusel: Evropská Komise, 2008. Dostupné na:
http://www.proinno-europe.eu/page/eis-2008-thematic-papers.
IMD (2010): IMD World Competitiveness Yearbook 2010. Dostupné na:
http://www.imd.org/research/publications/wcy/index.cfm.
INNOVATION NORWAY (2010). Dostupné na: www.innovasjonnorge.no.
INSTITUTO NACIONAL DA PROPRIEDADE INDUSTRIAL INPI (2010). Dostupné na:
www.marcasepatentes.pt.
INTERNATIONAL INNOVATION CENTRES FINNODE (2010). Dostupné na: www.tem.fi/?l=en&s=2760.
INVEST IN FINLAND (2010). Dostupné na: www.investinfinland.fi.
INVEST IN SPAIN (2010): Investment aid and incentives in Spain. Dostupné na: www.investinspain.org.
ISTITUTO PER LA PROMOZIONE INDUSTRIALE IPI (2010). Dostupné na: www.ipi.it/en_default.asp.
KFW BANKENGRUPPE (2010). Dostupné na: www.kfw.de.
KLUSÁČEK, K. – KUČERA, Z. – PAZOUR, M. a kol. (2008): Kniha zahraničních dobrých praxí při
realizaci politik výzkumu, vývoje a inovací. Praha: Technologické centrum Akademie věd ČR, 2008.
KNOWLEDGE TRANSFER PARTNERSHIPS (2010). Dostupné na: www.ktponline.org.uk.
MINISTRE DE L'ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE (2010). Dostupné na:
www.enseignementsup-recherche.gouv.fr.
MINISTRY OF HIGHER EDUCATION, SCIENCE AND TECHNOLOGY (2010). Dostupné na:
www.mvzt.gov.si/en.
MINISTRY OF THE ECONOMY (2010). Dostupné na: www.mg.gov.si/en.
NAŘÍZENÍ KOMISE Č. 1450/2004 (2004): Kterým se provádí rozhodnutí Evropského parlamentu a Rady
č. 1608/2003/ES o tvorbě a rozvoji statistiky Společenství v oblasti inovací. CELEX: 32007R1450.
NAŘÍZENÍ KOMISE Č. 753/2004 (2004): Kterým se provádí rozhodnutí Evropského parlamentu a Rady
č. 1608/2003/ES, pokud jde o statistiku v oblasti vědy a techniky. CELEX: 32004R0753.
NAŘÍZENÍ KOMISE Č. 973/2007 (2007): O změně některých nařízení ES o specifických statistických
oblastech, kterými se provádí statistická klasifikace ekonomických činností NACE Revize 2. CELEX:
32007R0973.
NATIONAL ARCHIVES (2010). Dostupné na: http://webarchive.nationalarchives.gov.uk.
NETHERLANDS FOREIGN INVESTMENT AGENCY FIA (2010). Dostupné na: www.nfia.com.
NL EVD INTERNATIONAAL (2010). Dostupné na: www.evd.nl.
NL INNOVATIE (2010). Dostupné na: http://nlinnovatie.nl.
OECD (2008): Science, Technology and Industry Outlook 2008. Paris: OECD, 2008.
ISBN 978-92-64-049949.
PAZOUR, M. (2009): Inovační výkonnost ČR v mezinárodním srovnání EIS 2008. Ergo, Vol. 4, No. 3,
pp. 8–13. ISSN 1802-2170.
PAZOUR, M. (2009): Revize metodiky mezinárodního srovnání inovační výkonnosti EIS. Ergo, Vol. 4,
No. 3, pp. 3–7. ISSN 1802-2170.
PREVENTION FUND (2010). Dostupné na: www.forebyggelsesfonden.dk/english.
PRO INNO EUROPE (2009): European innovation scoreboard 2008. Comparative analysis of innovation
performance. Luxemburg: Publications Office of the European Union, 2009. ISBN 978-92-79-09675-4.
PRO INNO EUROPE (2010): European Innovation Scoreboard (EIS) 2009. Luxemburg: Publications Office
of the European Union, 2010. ISBN 978-92-79-14222-2. ISSN 1830-7752.
PRO INNO EUROPE (2010): INNO – Metrics: European Innovation Scoreboard (EIS) 2004–2009.
Dostupné na: www.proinno-europe.eu/metrics.
PRO INNO EUROPE (2010): INNO – Policy TrendChart. Dostupné na: www.proinno-europe.eu/trendchart.
RADA PRO VÝZKUM, VÝVOJ A INOVACE (2010): Národní politika výzkumu, vývoje a inovací ČR na
léta 2009–2015. Dostupné na: http://www.vyzkum.cz/FrontClanek.aspx?idsekce=532844.
SDĚLENÍ KOMISE (2010): Evropa 2020 – Strategie pro inteligentní a udržitelný růst podporující začlenění.
CELEX: 52010DC2020.
SENTER NOVEM (2010). Dostupné na: www.senternovem.nl/english.
SCHWAB, K. a kol. (2010): The Global Competitiveness Report 2010–2011. Geneva: World Economic
Forum, 2010. ISBN 92-95044-87-8.
POUŽITÁ LITERATURA KE 3. KAPITOLE276
SLOVENE ENTERPRISE FUND (2010). Dostupné na: www.podjetniskisklad.si.
SLOVENIAN TECHNOLOGY AGENCY (2010). Dostupné na: www.tia.si/o_agenciji,533,0.html.
SWEDISH AGENCY FOR ECONOMIC AND REGIONAL GROWTH (2010). Dostupné na:
www.tillvaxtverket.se/english.
SYNTENS (2010). Dostupné na: www.syntens.nl.
TECHNOLOGICKÁ AGENTURA ČR (2010). Dostupné na: www.tacr.cz.
TECHNOLOGY DENMARK (2010). Dostupné na: www.teknologiportalen.dk.
TECHNOLOGY STRATEGY BOARD (2010). Dostupné na: www.innovateuk.org/aboutus.ashx.
TECHNOLOPILIS (2010). Dostupné na: www.technopolis-group.com.
TEKES (2010). Dostupné na: www.tekes.fi.
TWA NETWORK (2010). Dostupné na: www.twanetwerk.nl.
UFI LIMITED (2010). Dostupné na: www.ufi.com/home2.
UNIVERSITY OF LIVERPOOL (2010). Dostupné na: www.liv.ac.uk/ktp.
UNIVERSITY OF PLYMOUTH (2010). Dostupné na: www.plymouth.ac.uk/ktp.
UNIVERSITY OF THE ARTS LONDON (2010). Dostupné na: www.arts.ac.uk/business/ktp.htm.
VANĚČEK, J. – FAŤUN, M. – PAZOUR, M. (2008): Srovnávací studie vybraných metodik hodnocení
výzkumu a vývoje. Praha: Technologické centrum AV ČR, listopad 2008.
VINNOVA (2010). Dostupné na: www.vinnova.se/en.
VITURKA, M a kol. (1998): Investiční atraktivita vybraných měst České republiky. Brno: ESF MU, 1998.
ISBN 80-210-2007-5.
VITURKA, M. – HALÁMEK, P. – KLÍMOVÁ, V. – TONEV, P. – ŽÍTEK, V. (2010): Kvalita
podnikatelského prostředí, regionální konkurenceschopnost a strategie regionálního rozvoje České
republiky. Praha: Grada, 2010. ISBN 978-80-247-3638-9.
VITURKA, M. (2007): Regionální ekonomie a politika II. Brno: ESF MU, 2007. ISBN 978-80-210-4478-4.
VITURKA, M. a kol. (2003): Regionální vyhodnocení kvality podnikatelského prostředí v České republice.
Brno: ESF MU, 2003. ISBN 80-210-3304-5.
VTT TECHNICAL RESEARCH CENTRE OF FINLAND (2010). Dostupné na: www.vtt.fi/vtt/index.jsp.
ZÁKON Č. 130/2002 SB. (2002): O podpoře výzkumu, experimentálního vývoje a inovací z veřejných
prostředků. V aktuálním znění.
ZÁKON Č. 341/2005 SB. (2005): O veřejných výzkumných institucích. V aktuálním znění.
ŽÍTEK, V. (2002): Regionální ekonomie a politika I. Brno: ESF MU, 2002. ISBN 80-210-2767-3.
SEZNAM TABULEK A GRAFŮ 277
Seznam tabulek a grafů
Seznam tabulek
[1] Vývoj HDP na osobu dle parity kupní síly 2000–2010 (eurozóna = 100) (19)
[2] Kumulovaný růst indexu spotřebitelských cen v období 2000–2010 (21)
[3] Ukazatele kvality správy v České republice v letech 1996–2008 (28)
[4] Ukazatele kvality správy v Rakousku v letech 1996–2008 (30)
[5] Výsledky modelu politicko-rozpočtového cyklu v České republice (37)
[6] Výsledky modelu politicko-rozpočtového cyklu v Rakousku (39)
[7] OLS Odhady modelu konvergence ekonomik (45)
[8] Odhady parametrů pro model vysvětlující úroveň ochrany vlastnických práv (indexy ICRG a BERI) před násilím ze
strany státu, vyšší hodnoty indexů znamenají vyšší úroveň ochrany vlastnických práv (47)
[9] Nejčastěji používané proxy pro instituce ve výzkumech zaměřených na výstup ekonomiky (48)
[10] Přehled použitých indikátorů a jejich některých vlastností (48)
[11] Indexy právního formalismu pro Rakousko a Českou republiku (50)
[12] Korelační matice indikátorů sledovaných Světovou bankou (Enforcing Contracts) – data pro rok 2004 (N = 132). (52)
[13] Konvergence ekonomické úrovně ČR k Rakousku v letech 1993–2008, závisle proměnná: HDP na osobu (61)
[14] Konvergence ekonomické úrovně Slovenska k Rakousku v letech 1993–2008, závisle proměnná:
HDP na osobu (61)
[15] Index právního formalismu (vymáhání šeku) – odhad pomocí OLS za použití 91 pozorování, závisle proměnná:
HDP na osobu (62)
[16] Index právního formalismu (vystěhování neplatícího nájemníka) – odhad pomocí OLS, za použití pozorování 91
pozorování, závisle proměnná: HDP na osobu (62)
[17] Popisné statistiky pro index právního formalismu (případ vymáhání šeku) – data se vztahují pro evropské země,
údaje v závorkách platí pro země celého světa, tj. pro celý soubor dat (62)
[18] Odhad konvergence institucionálního prostředí v ČR a Rakousku 2004–2010 (T = 7) pro čas potřebný k vyřízení
standardizovaného právního případu, závisle proměnná: CZEshare (63)
[19] XCONST – odhad pomocí OLS, za použití pozorování 147 pozorování, závisle proměnná: HDP na osobu (63)
[20] Hodnoty a význam XCONST (63)
[21] Hodnoty indexu ochrany vlastnických práv (64)
[22] Index ochrany vlastnických práv – odhad pomocí OLS, za použití 147 pozorování, závisle proměnná:
HDP na osobu (65)
[23] Počet bank dle sektoru (počet centrál) v Rakousku (70)
[24] Podíl aktiv pěti největších finančních institucí/celková aktiva (v%) (71)
[25] Rentabilita aktiv (v%) (72)
[26] Rentabilita kapitálu (v%) (72)
[27] Kapitálová přiměřenost (v %) (72)
[28] Úrokové sazby na nové vklady a půjčky (v %; ke konci roku; průměr za odvětví)
[29] Marže mezi úrokovou sazbou na půjčky a na vklady (ke konci roku) (73)
[30] Klientské úvěry bankovního sektoru (v mil. EUR; zaokrouhleno) (75)
[31] Geografické rozložení půjček/celkové půjčky (v %) v Rakousku (75)
[32] Velikost klasifikovaných úvěrů/úvěry (v %) (76)
[33] Celkové vklady bankovního sektoru (v mil. EUR; zaokrouhleno) (76)
[34] Domácí úvěry soukromému sektoru (v % HDP) (77)
[35] Domácí úvěry poskytnuté bankovním sektorem (v % HDP) (77)
SEZNAM TABULEK A GRAFŮ278
[36] Deskripitvní statistiky dat (84)
[37] Odhad nákladové hranice (85)
[38] Vysvětlení neefektivnosti (86)
[39] Neefektivnost jednotlivých bank 1/IEM (86)
[40] Nejvyšší mezní sazba firemní daně (%) (93)
[41] Nejvyšší mezní sazba daně z příjmu fyzických osob (%) (93)
[42] Výše celkového zdanění mezd podle výše mzdy vzhledem k průměrné mzdě v % (2008) (94)
[43] Výdaje sektoru vládních institucí dle účelu v ČR (% HDP) (96)
[44] Výdaje sektoru vládních institucí dle účelu v Rakousku (% HDP) (96)
[45] Tvorba hrubého fixního kapitálu (% HDP) (97)
[46] Tempo růstu tvorby hrubého fixního kapitálu (%) (97)
[47] Implicitní úroková míra dluhu (%) (102)
[48] Očištěná tempa růstu (y – def) (103)
[49] Kumulovaná očištěná tempa růstu (y – def) (103)
[50] Inflační cíle ČNB (108)
[51] Přehled změn výše 2-týdenní repo sazby (ČNB) (111)
[52] Přehled změn výše sazby na hlavní refinanční operace (ECB) (112)
[53] Plnění inflačního cíle (113)
[54] Míra predikovatelnosti opatření jednotlivých centrálních bank (v %) (117)
[55] Odhad parametrov pre ČR (122)
[56] Odhad parametrov pre Rakúsko (122)
[57] Štrukturálne parametre (123)
[58] Okunov zákon bez NAIRU – ČR (124)
[59] Okunov zákon bez NAIRU – Rakúsko (124)
[60] Hodnoty Inward FDI Performance Indexu pro ČR a Rakousko spolu s umístěním těchto zemí v žebříčku
125 zemí (130)
[61] Struktura celkové zásoby PZI v Rakousku a ČR dle země původu a sektoru směřování (130)
[62] Výsledky ADF testu pro jednotlivé časové řady ČR a jejich transformace (132)
[63] Výsledky Johansenova kointegračního testu pro Δ log HDP a Δ PZI/HDP (132)
[64] Výsledky VECM modelu pro Δ log HDP a Δ PZI/HDP (133)
[65] Výsledky ADF testu pro jednotlivé časové řady Rakouska a jejich transformace (133)
[66] Odhady parametrů, plný vzorek (153)
[67] Přesnost rekurzivních odhadů na základě Theilovy statistiky (158)
[68] Ztráty užitku (167)
[69] Logaritmy věrohodnostních funkcí (174)
[70] Odhad parametrů (179)
[71] Korelace mezi regresory deft−1 a yt (180)
[72] Podíl b0 /(1 − b2) (182)
[73] Struktura indexu konkurenceschopnosti (202)
[74] Podíl inovačních podniků v rámci velikostních skupin dle počtu zaměstnanců (%) (217)
[75] Výdaje na VaV dle zdroje financování jako % celkových výdajů (2007) (219)
[76] Absolutní umístění ČR v žebříčku konkurenceschopnosti v letech 2001 až 2007 (250)
[77] Faktory KPP a jejich významové váhy (262)
[78] Celkové hodnoty KPP podle krajů (263)
[79] Průměrné hodnoty celkové KPP podle velikostních skupin regionů a regionálních center (264)
[80] Odchylky celkové KPP od teoretických hodnot podle velikostních skupin regionů ORP (265)
[81] Významné odchylky a minimální hodnoty podle skupin faktorů KPP (267)
[82] Vybrané indikátory inovačního potenciálu firem (v %) (270)
[83] Zastoupení velkých inovačních firem v regionech ORP (271)
[84] Celkové předpoklady pro rozvoj inovací podle regionů ORP (272)
Seznam grafů
[1] Meziroční změny HDP v letech 2000–2010* (v %) (16)
[2] Kumulované výsledky (HDP 2000 = 100) (16)
[3] Absolutní velikost HDP dle směnného kurzu (miliardy dolarů) (17)
[4] Absolutní velikost HDP dle parity kupní síly (miliardy dolarů) (17)
[5] Vývoj HDP na osobu dle směnného kurz (2000–2010) v amerických dolarech (18)
[6] Vývoj HDP na osobu dle parity kupní síly (2000–2010) v amerických dolarech (18)
[7] Vývoj HDP na osobu dle parity kupní síly ČR vůči Rakousku 2000–2010 (Rakousko = 100) (19)
SEZNAM TABULEK A GRAFŮ 279
[8] Změny produktivity práce na jednoho pracovníka 2000–2009 (v %) (20)
[9] Meziroční změny indexu spotřebitelských cen 2000–2010 (v %) (20)
[10] Míra nezaměstnanosti v letech 2000–2010 (v %) (21)
[11] Rovnováha běžného účtu platební bilance jako procento HDP 2000–2010 (22)
[12] Meziroční čistý příliv přímých zahraničních investic (v milionech dolarů) (22)
[13] Příliv PZI jako procenta tvorby hrubého fixního kapitálu 2000–2009 (23)
[14] Zásoba zahraničních PZI v ekonomikách (jako % HDP) (23)
[15] Daňové příjmy jako procento HDP, Rakousko, 1959–2006 (39)
[16] Konvergence ekonomické úrovně ČR a Slovenska k Rakousku, úroveň Rakouska v každém roce
představuje 100 % (44)
[17] Index právního formalismu (vystěhování neplatícího nájemníka) pro evropské země podle právního původu (šedé
boxploty) a příslušnosti země k Rakousku-Uhersku (bílý boxplot) (51)
[18] Index právního formalismu (vymáhaní nekrytého šeku) pro evropské země podle právního původu (šedé boxploty)
a příslušnosti země k Rakousku-Uhersku (bílý boxplot) (51)
[19] Počet procedur, čas a náklady potřebné na vynucování smluv, pravý sloupec grafů ukazuje konvergenci ČR
a Slovenska k Rakousku (53)
[20] Korelace jednotlivých indikátorů sledovaných Světovou bankou (proměnné EC) a variant právního formalismu
a HDP na osobu, data jsou pro rok 2004 (54)
[21] Distribuce pozorování indexů nezávislosti soudnictví pro evropské země v rozlišení podle právního původu (55)
[22] Index nezávislosti soudnictví (De facto/De iure) pro země s oběma dostupnými variantami (56)
[23] Distribuce HDP na osobu ve skupinách podle hodnoty XCONST (57)
[24] Hodnoty XCONST ve sledovaných zemích a jejich konvergence k úrovni Rakouska (58)
[25] Distribuce hodnot indexu ochrany vlastnických práv pro rok 2010 (N = 179) (59)
[26] Hodnoty Indexu ochrany vlastnických práv a HDP na osobu, přímka reprezentuje odhad z (6) (59)
[27] Vývoj ochrany vlastnických práv ve sledovaných zemích, graf vpravo ukazuje konvergenci ČR a Slovenska
k Rakousku (60)
[28] Hodnoty XCONST a HDP na osobu pro Severní a Jižní Koreu (64)
[29] Příjmy sektoru vládních institucí (% HDP) (92)
[30] Přímé a nepřímé daně (% HDP) (92)
[31] Výdaje sektoru vládních institucí (% HDP) (95)
[32] Tempo ekonomického růstu a deficity v České republice (98)
[33] Tempo ekonomického růstu a deficity v Rakousku (99)
[34] Deficit veřejných financí a úspory domácností v ČR (100)
[35] Veřejný dluh (% HDP) (101)
[36] Inflační cíle ČNB (107)
[37] Vývoj změn 2-týdenní repo sazby (ČNB) a sazby na hlavní refinanční operace (ECB) (111)
[38] Změny 2W repo sazby a 1M PRIBOR den před a den po jednání bankovní rady ČNB (v %) (115)
[39] Změny hlavní refinanční sazby a 2W EURIBOR den před a den po jednání Řídící rady ECB (v %) (116)
[40] Miera nezamestnanosti (121)
[41] HDP gap pomocou HP filtru (121)
[42] NAIRU Česká republika (123)
[43] Vývoj salda finančního účtu platební bilance ČR a Rakouska mezi lety 1999 až 2009 v absolutním vyjádření
v milionech EUR a jako % HDP země (127)
[44] Vývoj čistého přílivu PZI ČR a Rakouska mezi lety 1999 až 2009 v absolutním vyjádření v milionech EUR
a jako % HDP země (128)
[45] Příliv PZI Rakouska a ČR mezi lety 1999 až 2009 v absolutním vyjádření v milionech EUR a jako procento
HDP země (129)
[46] Čistý příliv portfoliových investic do Rakouska a ČR mezi lety 1999 až 2009 v absolutním vyjádření v milionech
EUR a jako procento HDP země (134)
[47] Čistý příliv ostatních investic do Rakouska a ČR mezi lety 1999 až 2009 v absolutním vyjádření v milionech EUR
a jako procento HDP země (135)
[48] Mezera výstupu, mezera nezaměstnanosti, mezera reálné úrokové míry a mezera reálného směnného kurzu (155)
[49] Rekurzivní odhady vybraných parametrů (155)
[50] Rekurzivní předpovědi se zahrnutím nejistoty parametrů a budoucích šoků (157)
[51] Dynamický Okunův zákon (158)
[52] Mezery výstupu: porovnání a dekompozice (165)
[53] Mezera výstupu: různá kalibrace parametrů (166)
[54] Ztráty užitku pro různé hodnoty parametru φ (167)
[55] Data (188)
[56] Rekurzívní odhady (189)
[57] Porovnání distribučních funkcí parametrů pro období předcházející krizi (190)
[58] Porovnání distribučních funkcí parametru h pro období zahrnující krizi (191)
SEZNAM TABULEK A GRAFŮ280
[59] Porovnání distribučních funkcí parametru ρz pro období zahrnující krizi (192)
[60] Dekompozice vlivu šoků na vývoj depreciace nominálního směnného kurzu Δe (193)
[61] Dekompozice vlivu šoků na vývoj zahraniční úrokové míry R*
(194)
[62] Index globální konkurenceschopnosti – pořadí zemí 2010–2011 (204)
[63] Subindex Základní požadavky – pořadí zemí 2010–2011 (205)
[64] Subindex Podpora efektivnosti – pořadí zemí 2010–2011 (205)
[65] Subindex Inovační a sofistikované faktory – pořadí zemí 2010–2011 (206)
[66] Pilíře konkurenceschopnosti – skóre 2010–2011 (206)
[67] Konkurenceschopnost IMD – pořadí zemí (207)
[68] Konkurenceschopnost IMD – ekonomická výkonnost, pořadí zemí (208)
[69] Konkurenceschopnost IMD – efektivita vlády, pořadí zemí (208)
[70] Konkurenceschopnost IMD – efektivita firem, pořadí zemí (209)
[71] Konkurenceschopnost IMD – infrastruktura, pořadí zemí (209)
[72] Sumární inovační výkonnost (SII 2009) (210)
[73] Finance a vládní podpora (211)
[74] Lidské zdroje (212)
[75] Duševní vlastnictví (213)
[76] Spolupráce a podnikání (214)
[77] Firemní investice (214)
[78] Ekonomické efekty (215)
[79] Inovační firmy (216)
[80] Podíl inovačních podniků (% všech podniků v zemi) (216)
[81] Výdaje na VaV jako % HDP (2007) (218)
[82] Celkové vládní výdaje na VaV jako % HDP (2008) (218)
[83] Podíl zaměstnanosti (HC) ve VaV jako % celkové zaměstnanosti (2006) (219)
[84] Podíl high-tech exportu jako % celkového exportu (2006) (220)
[85] Podíl zaměstnanosti ve znalostně náročných službách jako % celkové zaměstnanosti (2007) (221)
[86] Absolutní umístění ČR v žebříčku konkurenceschopnosti (249)
[87] Umístění ČR v žebříčku konkurenceschopnosti – dosažené skóre (250)
[88] Relativní umístění ČR v žebříčku konkurenceschopnosti (251)
[89] Dosažené skóre ČR v jednotlivých pilířích konkurenceschopnosti (251)
[90] Hodnota Sumárního inovačního indexu pro ČR (252)
[91] Umístění ČR v European Innovation Scoreboard mezi zeměmi EU (252)
[92] Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle velikosti a vlastnictví podniku
(2008) (253)
[93] Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle NUTS3 – umístění sídla podniku
(2008) (254)
[94] Podíl technicky inovujících podniků na celkovém počtu podniků (v %) podle druhu inovace a NUTS3 – umístění
sídla podniku (2008) (254)
[95] Podíl podpory inovací z veřejných zdrojů podle poskytovatele u technicky inovujících podle NUTS3 – umístění
sídla podniku (2008) (255)
[96] Nejvýznamnější trh pro inovační podniky podle velikosti a vlastnictví podniku (v %, 2008) (256)
[97] Struktura faktorů omezujících inovační aktivity podle stupně jejich významnosti u inovačních podniků v ČR (v %,
2008) (256
281
POZNÁMKY282
Poznámky
POZNÁMKY 283
Poznámky
POZNÁMKY284
Poznámky
POZNÁMKY 285
Poznámky
Vydala Masarykova univerzita roku 2010
1. vydání, 2010, náklad 200 výtisků
Návrh a sazba: EXACTDESIGN, Pavel Jílek, Jana Jansková; www.exactdesign.cz
Tisk: EXPODATA-DIDOT spol. s r.o., Výstaviště 1, 648 75 Brno
CENTRUM VÝZKUMU KONKURENČNÍ SCHOPNOSTI ČESKÉ EKONOMIKY
EKONOMICKO-SPRÁVNÍ FAKULTA MASARYKOVY UNIVERZITY
prof. Ing. Antonín Slaný, CSc., vedoucí výzkumného centra
KONKURENCESCHOPNOST A STABILITA
prof. Ing. Antonín Slaný, CSc., a kolektiv
Ediční rada: L. Bauer, L. Blažek, H. Hušková, E. Hýblová, M. Kvizda,
R. Lukášová, J. Menšík, J. Nekuda, A. Slaný, J. Šedová, V. Žítek
ISBN 978-80-210-5336-6
Vzor citace: NĚMEC, Daniel. Vliv ekonomických cyklů na strukturální charakteristiky české ekonomiky In Slaný a kol.
Konkurenceschopnost a stabilita. Brno: Masarykova univerzita, 2010. 288 stran. ISBN 978-80-210-5336-6.
MASARYKOVA UNIVERZITA
EKONOMICKO-SPRÁVNÍ
FAKULTA
CENTRUM VÝZKUMU
KONKURENČNÍ SCHOPNOSTI
ČESKÉ EKONOMIKY
ISBN978-80-210-5336-6