PKB uwzględniający nierówności jako miara rozwoju gospodarczego

• Autorzy: Magdalena Knapińska , Wojciech Siński

Warianty tytułu

GDP Corrected with Income Inequality as the Measure of Economic Growth

• Języki publikacji: PL

Abstrakty

Celem artykułu jest wypracowanie metody pozwalającej korygować PKB per capita za pomocą miar nierówności dochodowych. Otrzymana w ten sposób wielkość PKB per capita skorygowana miarami nierówności dochodowych, pozwala na porównanie krajów UE pod względem wysokości tej nowej miary. Ustalenie pięciu grup krajów i wskazanie, jak zmieniły się relacje PKB per capita między nimi przed i po uwzględnieniu nierówności, jest istotną wartością dodaną tego artykułu. Zakres czasowy obejmuje lata 2005-2020. Zakres przestrzenny obejmuje kraje UE, czyli 28 krajów członkowskich, które w tym czasie znajdowały się w UE. Materiał statystyczny pozyskano w bazach danych Eurostat i OECD. Główna hipoteza sprowadza się do stwierdzenia, że nierówności dochodowe mają wpływ na rozwój gospodarczy mierzony tempem wzrostu PKB. Dla ilustracji i weryfikacji hipotezy posłużono się metodami statystycznymi: badaniem zmienności, korelacji, weryfikacji zmiennych, a także posłużono się metodami analizy logicznej, badaniem związków przyczynowo-skutkowych. Ogólne wnioski z badania wskazują, że przedstawiona metoda korygowania PKB per capita jest pewną propozycją rozwiązania, nie wyczerpuje ona jednak wszystkich zagadnień i problemów, które towarzyszą uwzględnianiu nierówności dochodowych dla szacunków PKB. Ponadto interesujące wnioski w sferze aplikacyjnej pojawiają się, gdy nową miarę PKBN(d) wykorzysta się do wyodrębnienia i porównywania grup krajów członkowskich, gdyż rankingi krajów uległy zmianie po skorygowaniu PKB nierównościami. (abstrakt oryginalny)

EN

The aim of the article is to develop a method for correcting GDP per capita using measures of income inequality. The amount of GDP per capita obtained in this way, adjusted by measures of income inequality, allows for comparison of EU countries in terms of the amount of this new measure. Determining five groups of countries and indicating how the GDP per capita relations between them have changed before and after taking into account inequality is an important added value of this article. The time range covered the years 2005-2020. The spatial scope included the EU countries, i.e. the 28 member states that were in the EU at that time. Statistical material was obtained from Eurostat and OECD databases. The main hypothesis can be summarised as the statement that income inequality has an impact on economic development, as measured by the GDP growth rate. To illustrate and verify the hypothesis, statistical methods were used: examining variability, correlation, verification of variables, as well as methods of logical analysis and examining cause-and-effect relationships. The general conclusions of the study indicate that the presented method of correcting GDP per capita is a solution, but it does not exhaust all the issues and problems associated with taking into account income inequality in GDP estimates. Moreover, interesting conclusions in the application sphere appear when the new GDPN(d) measure is used to isolate and compare groups of member countries, because the country rankings changed after correcting the GDP for inequalities. (original abstract)

Słowa kluczowe

PL

Produkt krajowy brutto (PKB); Nierówności dochodowe; Rozwój gospodarczy; Wzrost gospodarczy; Mierniki wzrostu gospodarczego

EN

Gross domestic product (GDP); Income inequalities; Economic development; Economic growth; Economic growth indicators

• Czasopismo: Nierówności Społeczne a Wzrost Gospodarczy
• Rocznik: 2024
• Numer: z. nr 77
• Strony: 5--24

Twórcy

autor

Magdalena Knapińska

• Uniwersytet Ekonomiczny w Poznaniu

autor

Wojciech Siński

Bibliografia

• Arnold, F., Blochliger, H. (2016). Regional GDP in OECD countries: How has the inequality developed over time? OECD Economics Department Working Papers, 1329, 5-21. DOI: 10.1787/5jlpq7xz3tjc-en.
• Balcerzak, A.P. (2011). Taksonomiczna analiza jakości kapitału ludzkiego w Unii Europejskiej w latach 2002-2008. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia, 18(176), 456-467.
• Banerjee, A., Duflo, E. (2003). Inequality and growth: What can the data say? Journal of Economic Growth, 8(3), 267-299. DOI: 10.3386/w7793.
• Barro, R.J. (2000). Inequality and Growth in a Panel of Countries. Journal of Economic Growth, 5, 5-32. DOI: 10.1023/a:1009850119329.
• Berg, A., Ostry, J.D., Tsangarides, C.G., Yakhshilikov, Y. (2018). Redistribution, inequality and growth: new evidence. Journal of Economic Growth, 23(3), 259-305. DOI: 10.1007/s10887-017-9150-2.
• Clarke, G.R.G. (1995). More evidence on income distribution and growth. Journal of Development Economics, 47(2), 403-427. DOI: 10.1016/0304-3878(94)00069-o.
• Ćwiek, M., Trzcińska, K. (2022). The economic situation of households in Poland and the Czech Republic. Comparative analysis. Nierówności Społeczne a Wzrost Gospodarczy, 72(4), 26-43. DOI: 10.15584/nsawg.2022.4.2.
• Dahlke, P. (2017). Samorząd terytorialny w procesie kształtowania rozwoju gospodarczego regionu na przykładzie województwa wielkopolskiego. Piła: Wydawnictwo Państwowej Wyższej Szkoły Zawodowej im. Stanisława Staszica w Pile.
• Deininger, K., Olinto, P. (2000). Asset distribution, inequality and growth. Policy Research Working Paper, 2375, 1-29. DOI: 10.1596/1813-9450-2375.
• Dominicis, I., Florax, R., Groot, H. (2008). A meta-analysis on the relationship between inequality and economic growth. Scottish Journal of Political Economy, 55(5), 654- 682. DOI: 10.1111/j.1467-9485.2008.00470.x.
• Forbes, K.J. (2000). A reassessment of the relationship between inequality and growth. American Economic Review, 90(4), 869-887. DOI: 10.1257/aer.90.4.869.
• Grabiński, T. (1984). Wielowymiarowa analiza porównawcza w badaniach dynamiki zjawisk gospodarczych. Kraków: Wydawnictwo AE w Krakowie.
• GUS. (2024). Pojęcia stosowane w statystyce publicznej Pobrane z: https://stat.gov.pl/ metainformacje/slownik-pojec/pojecia-stosowane-w-statystyce-publicznej/3077,pojecie.html (2024.01.08).
• Gutierrez-Romero, R. (2020). Inequality affects long-run growth: Cross-industry, cross-country evidence. SSRN Electronic Journal, 1-41. DOI: 10.2139/ssrn.3592024.
• Hussain, M.A., Greve, B. (2023). The possible impact of changes in demography on economic inequality in Europe. In: U.R. Wagle (ed.), Research Handbook on Poverty and Inequality (p. 245-267). Northampton: Elgar Handbook of Inequality. DOI: 10.4337/9781800882300.
• Kornai, J. (2014). Dynamizm, rywalizacja i gospodarka nadmiaru. Kraków: Fundacja GAP.
• Kośny, M., Peternek, P. (2011). Wielkość próby a istotność wnioskowania statystycznego. Didactics of Mathematics, 8(12), 71-80.
• Kuznets, S. (1955). Economic Growth and Income Inequality. The American Economic Review, XLV(1), 1-28.
• Li, H., Zou, H. (1998). Income inequality is not harmful for growth: theory and evidence. Review of Development Economics, 2(3), 318-334. DOI: 10.1111/1467-9361.00045.
• Myrdal, G. (1973). Against the Stream. Critical Essays on Economics. London: Macmillan. DOI: 10.1007/978-1-349-02205-2_11.
• Neves, P.C., Afonso, O., Silva, S.T. (2016). A meta-analytic reassessment of the effects of inequality on growth. World Development, 78, 386-400. DOI: 10.1016/j.worlddev.2015.10.038.
• OECD. (2008). Handbook on Constructing Composite Indicator. Methodology and user guide. Pobrane z: https://read.oecd-ilibrary.org/economics/handbook-on-constructing-composite-indicators-methodology-and-user-guide_9789264043466-en

Identyfikatory

DOI

https://doi.org/10.15584/nsawg.2024.1.1