Ha-int 6. semester Bachelorafhandling

Nationaløkonomisk Institut

Forfatter:

Tina Balle Poulsen

Vejleder:

Philipp J. H. Schröder

Hjælper ulandshjælpen?

Fokus på de afrikanske udviklingslande

Handelshøjskolen i Århus

2010

Abstract

This report analyses the hypothetical assumption that economical assistance to developing countries

in Africa has a positive effect on economic growth. Economical assistance does in the report

include loan and support to the government, called aid, and support to microcredit institutions,

infrastructure and education. The report includes a theoretical and a literature-based analysis of the

four types of economical assistance, and an analysis of relevant data from three developing

countries in Africa: Ghana, Mozambique and Senegal. Together the analysis of the four kinds of

assistance will function as an analysis of the main hypothetical assumption.

The theoretical analysis will be based on different growth theories, which will be described and

discussed in the beginning of the report. Among others these theories included Harrod-Domar

growth theory, the neoclassical growth theory, and different versions of the endogenous growth

theories. Based on these theories it has been possible to find arguments which support that all of the

different types of assistance has a positive effect on growth. However this is based on the

assumption that the assistances are used according to the intentions, meaning for example that aid is

used for investments and microcredit is used for self-employment and not consumption.

In reality however assistance does not always end up following the instructions, which for example

aid is criticized for in the report. In general aid has been criticized a lot in the literature, and a lot of

empirical work presented in the report does not support the hypothetical assumption that aid has a

positive effect on growth. Neither does the analysis of the aid and growth development in the three

selected countries point to any indication of a relationship between aid and growth. Hansen et al.’s

arguments are more positive, and are also discussed in the report.

It can be argued, based on the discussions in the report that microcredit might be used both for

consumption and for building small business, which is the main intention. However, even though

some microcredit is building firms, it is argued in the report that these firms are too small to affect

the GDP. Lisa Daniels does not support this. She argues that every microcredit firm only gives a

very small contribution to GDP, but together they can affect the growth development. The

microcredit development is also analyzed based on data from Ghana, Mozambique and Senegal.

However, microcredit is a very new thing in all three countries, and therefore it is difficult to argue

anything based on the data.

Based on the discussion in the report it is not possible to reject the hypothetical assumption that

more and better infrastructure has a positive effect on growth. Among other things it is argued that

increased infrastructure facilities have a positive effect on the amount of private investments in a

country, and therefore it has an indirect and positive effect on growth.

The hypothetical assumption that education has a positive effect on growth has also been supported

a lot by the literature presented in this report. However, it is also argued in the report that different

factors can work against this positive relationship. If for example the quality of the educations is

low or there is a high unemployment rate, then higher education levels among the population might

not affect the growth.

Based on the theories, literature and the different analysis in this report, it has not been possible to

reject the hypothetical assumption that economical assistance has a positive effect on growth in the

developing countries in Africa. However, the discussion has also included some arguments against

some of the different kinds of assistance and their effect on growth. Probably not all assistance end

up having the expected effect, but based on the discussions in this report, it cannot be rejected that

assistance can have a positive effect on growth.

Indholdsfortegnelse1. Indledning.......................................................................................................................................................1

2. Problemstilling................................................................................................................................................23. Problemformulering........................................................................................................................................2

4. Afgrænsning....................................................................................................................................................25. Metode............................................................................................................................................................3

6. Begrebsafklaring.............................................................................................................................................67. Vækstteorier....................................................................................................................................................7

7.1 Harrod-Domar vækstteori – vækst via investeringer................................................................................77.1.1 Two-gap model – en videreudvikling af Harrod-Domar vækstteori..........................................9

7.2 Lewis udviklings teori – Vækst via bedre udnyttelse af arbejdskraften.................................................107. 3 Den neoklassiske vækstteori – vækst via arbejdskraft stigning og teknologiudvikling........................12

7.4 Endogene vækstteori – argumentationer imod ”diminishing return”.....................................................157.4.1 Romers endogene vækstteori – ”technology spillovers”..........................................................16

7.4.2 Lucas’ endogene vækstteori – menneskelig kapital vs. vækst.................................................177.4.3 Barros endogene væksteori – regerings udgifters påvirkning på vækst...................................18

7.5 Big Push – koordinations fejl står i vejen for vækst...............................................................................198. Introduktion til analysen af de forskellige former for ulandshjælp..............................................................20

8. 1 Ulandsbistand – en kort beskrivelse......................................................................................................208.1.1 Skaber ulandsbistand vækst ifølge vækstteorierne?.................................................................22

8.1.1.1 Ulandsbistand skaber øget investeringer og dermed vækst...........................................228.1.1.2 Ulandsbistanden øger importen og dermed gavnes væksten.........................................25

8.1.1.3 Ulandsbistand giver regeringen bedre mulighed for at øge væksten.............................268.1.2 Litteratur studie angående ulandsbistandens påvirkning på væksten.......................................27

8.1.2.1 Skaber ulandsbistanden øget investeringer og dermed vækst?......................................278.1.2.2 Marshall hjælpen virkede jo… men ulandsbistand skaber blot afhængighed...............29

8.1.3 Delkonklusion på hypotese 1, ulandsbistand............................................................................318.2 Mikrokredit – en kort beskrivelse...........................................................................................................31

8.2.1 Skaber mikrokredit vækst ifølge vækstteorierne......................................................................338.2.2 Litteraturstudie angående mikrokredits påvirkning på vækst..................................................35

8.2.2.1 Mikrokredit påvirkning på produktion, indkomst og beskæftigelsen............................358.2.2.2 Fattige er ikke rigtige entreprenører..............................................................................37

8.2.2.3 Mikrokredit bruges blot på forbrugs udligning, ikke investeringer...............................388.2.2.4 Er mikrovirksomheder virkelig for små til at påvirke væksten?...................................39

8.2.3 Delkonklusion på hypotese 2, mikrokredit...............................................................................39

8.3 Infrastruktur – en kort beskrivelse..........................................................................................................408.3.1 Skaber infrastruktur vækst ifølge vækstteorierne?...................................................................41

8.3.2 Litteraturstudie angående infrastrukturs påvirkning på væksten..............................................438.3.2.1 Infrastrukturens påvirkning på væksten - empiriske undersøgelser..............................43

8.3.2.2 Infrastruktur øger væksten ved at tiltrække FDI............................................................458.3.3 Delkonklusion på hypotese 3, infrastruktur..............................................................................46

8.4 Uddannelsessektoren– en kort beskrivelse.............................................................................................478.4.1 Skaber øget skolegang vækst ifølge vækstteorierne?...............................................................48

8.4.2 Litteraturstudie angående skolers indflydelse på væksten.......................................................498.4.2.1 Offentlig vs. privat ejet menneskelig kapital.................................................................50

8.4.2.2 Mikro-makro paradox med hensyn til undervisning og vækst......................................518.4.3 Delkonklusion på hypotese 4, skoleundervisning....................................................................52

9. Komparativ lande-analyse............................................................................................................................539.1 Landeudvælgelsen...................................................................................................................................53

9.3 Hvordan måles vækst i den komparative analyse?.................................................................................549.3 Lande beskrivelse....................................................................................................................................55

9.2.1 Ghana........................................................................................................................................559.2.2 Mozambique.............................................................................................................................56

9.2.3 Senegal.....................................................................................................................................569.4 Analyse af de fire hypoteser...................................................................................................................57

9.4.1 Ulandsbistand vs. vækst...........................................................................................................579.4.1.1 Hvordan måles Ulandsbistand.......................................................................................57

9.4.1.2 Analyse af ulandsbistands eventuelle indflydelse på væksten......................................579.4.2 Mikrokredit vs. vækst...............................................................................................................61

9.4.2.1 Hvordan måles mikrokredit...........................................................................................619.4.2.2. Analyse af mikrokredit udlåns eventuelle indflydelse på væksten...............................61

9.4.3 Infrastrauktur vs. vækst............................................................................................................649.4.3.1 Hvordan måles infrastruktur..........................................................................................64

9.4.3.1 Analyse af elektricitets eventuelle indflydelse på væksten...........................................659.4.4. Uddannelse vs. vækst..............................................................................................................68

9.4.4.1 Hvordan måles uddannelse............................................................................................689.4.4.2 Analyse af uddannelses eventuelle indflydelse på væksten..........................................68

9.5 Delkonklusion – den komparative lande analyse....................................................................................7110. Konklusion..................................................................................................................................................72

10.1 Perspektivering.....................................................................................................................................73Litteraturliste.....................................................................................................................................................75

Bilag..................................................................................................................................................................81

1. Indledning”Rapid economic growth and improving living standards have benefited almost all regions of the

world since the industrial revolution. Africa stands out as one regional exception.” (Oketch 2006)

Afrika er meget lidt udviklet i forhold til store dele af den øvrige verden. Befolkningstallet i de

subsahara afrikanske lande var på 760millioner i 2005, og 72, 8% af denne befolkningen levede for

under 2US$ om dagen, hvilket kun er faldet fra 73,8% i 1981 (WDI). Baseret på Verdensbankens

opdeling af lande, er hele 30 af de 53 afrikanske lande placeret i lav-indkomst gruppen, som i alt

består af 43 lande, og som svare til en BNI pr. indbygger på 975US$ eller der under1. Alle disse 30

lande er blandt de 47 subsahara afrikanske lande, som altså klart udgør den fattigste del af Afrika.

Til sammenligning svare høj-indkomst gruppen i Verdensbankens opdeling til en BNI pr. indbygger

på 11.906US$ eller der over. Denne gruppe inkluderer i alt 66 lande, hvor af ingen er afrikanske

(World Bank 1; World Bank 2).

Væksten i BNP pr. indbygger har heller ikke været prangende de sidste mange år. I Perioden 1965-

1998 oplevede de fleste afrikanske lande, og især de subsahara afrikanske lande, en meget lille eller

negativ gennemsnitlig vækst i BNP pr. indbygger, ifølge data fra Moses O. Oketch artikel. Baseret

på disse data, oplevede kun 5 ud af 30 afrikanske lande en gennemsnitlig vækst i BNP pr. indbygger

på over 1% i den givne periode (Oketch 2006). Nyere data fra perioden 2000-2008 viser dog en lille

forbedring. Af de i alt 47 subsahara afrikanske lande, oplever kun 9 lande en gennemsnitlig vækst i

BNP pr. indbygger på under 1% i den givne periode. Hele 21 lande oplever dog kun en

gennemsnitlig vækst i BNP pr. indbygger på under 2% i perioden2. Til sammenligning havde Kina,

Thailand, Indien og hele verden i perioden 2000-2008 en gennemsnitlig vækst i BNP pr. indbygger

på henholdsvis 9,53%, 3,75%, 5,94% og 2,57% (se bilag 1 for udregninger for perioden 2000-

2008).

Der er altså ingen tvivl om, at udviklingen og væksten i Afrika, og især i de subsahara afrikanske

lande, har været begrænset de sidste mange år. Enkelte lande, som eksemplevis Syd Afrika og

1 Verdensbanken inddeler verdens lande i fire grupper basseret på BNI pr indbygger opmålt efter World Bank Atlas Method. Grupperne er: 1) lav-indkomst, BNI pr indbygger 975US$ eller der under, 2) under-middel-indkomst, 976-3855US$, 3)over-middel-indkomst, 3856-11905US$, 4) høj-indkomst, 11906US$ over der over (World Bank 2). 2 Der mangler data fra 3 af de 47 subsahara afrikanske lande, så disse lande er ikke med i beregningerne.

Botswana, falder dog udenfor dette billede, og ligger i dag i over-middel-indkomst gruppen i

Verdensbankens opdeling (World Bank 1).

2. ProblemstillingDenmark og store dele af resten af verden har gjort meget for at hjælpe udviklingslandene i Afrika

med at skabe økonomisk vækst. Siden 1940’erne har Afrika modtaget ca. en trillion dollars i form

af ulandshjælp fra resten af verden. Opsat med tal svare en trillion til 1.000.000.000.000.000.000,

hvilket giver et bedre indtryk af hvor mange penge der egentlig er tale om. (Moyo 2009- s. 35).

Mange penge er givet med håb om at skabe økonomisk vækst i de afrikanske udviklingslande, men

spørgsmålet er, om det overhoved har gjort en forskel for væksten?

3. ProblemformuleringMed udgangspunkt i problemstillingen, vil denne rapport analysere følgende hypotese

Hypotese: ”Ulandshjælp har en positiv indflydelse på væksten i de afrikanske udviklingslande”.

Analysen vil tage udgangspunkt i fire under hypoteser, som sammen vil belyse den overordnede

hypotese:

Under hypotese 1: ”Ulandsbistand i form af lån og økonomisk støtte til regeringerne i de afrikanske

udviklingslande har en positiv indflydelse på væksten i disse lande.”

Under hypotese 2: ”Ulandshjælp i form af støtte af mikrokredit institutter i de afrikanske

udviklingslande har en positiv indflydelse på væksten i disse lande.”

Under hypotese 3: ”Ulandshjælp i form af støtte til infrastrukturen i de afrikanske udviklingslande

har en positiv indflydelse på væksten i disse lande.”

Under hypotese 4: ”Udlandshjælp i form af støtte til uddannelsessektoren i de afrikanske

udviklingslande har en positiv indflydelse på væksten i disse lande.”

4. AfgrænsningDer findes rigtig mange former for ulandshjælp, og ikke alle typerne har som hovedformål at skabe

vækst. Nødhjælp i forbindelse med eksempelvis naturkatastrofer og ulandshjælp i form af mad er

eksempler på ulandshjælp, hvor det kan argumenteres, at det primære mål er, at hjælpe de fattige

med at overleve nu og her, frem for at skabe langsigtet økonomisk vækst. I denne rapport vil der

dog kun blive fokuseret på de typer af ulandshjælp, som gives for at skabe vækst i de afrikanske

udviklingslande, da disse former er mest relevant i forhold til den overordnede hypotese.

Regeringerne i de øst asiatiske lande har spillet en vigtig rolle i disse landes succesfulde udvikling,

men i bl.a Afrika har mange af regeringerne nærmere været en hindring for væksten fremgår det af

Todaro et al.’s bog. Regeringer spiller en betydningsfuld rolle i at skabe et velfungerende marked,

som er vigtig førend der kan skabes vækst. I Afrika har mange regeringer svigtet, og i mange lande

er ikke lykkes at opbygge et velfungerende marked. Et velfungerende marked stiller ifølge Todaro

et al. en masse krav til bl.a. de sociale, institutionelle, juridiske og økonomiske systemer i et land.

Ejendomsret, konkurslove, markedsføringslove og en stabil valutakurs er blot nogle af de konkrete

krav. Mangel på tillid til regeringen, bankerne osv. er også et stort problem i mange af de afrikanske

lande, hvilket også svækker væksten(Todaro et al. 2003- s. 679, 698-700). Som det fremgår mange

steder af Dambisa Moyos bog ”Dead Aid”, er især korruption årsag til den manglende vækst i

Afrika (Moyo 2009).

Markedet og regeringerne i de enkelte udviklingslande i Afrika har altså en stor betydning for

væksten. Det har også en stor betydning for hvor vidt ulandshjælp påvirker væksten, eller om

pengene eksempelvis blot havner i regerings medlemmernes egne lommer og om pengene

overhoved bruges på det der var meningen. Grundet plads mangel vil hele diskussionen om

hvorvidt markedet og regeringen er en hindring for, at ulandshjælpen kan skabe vækst ikke blive

inddraget i denne rapport. Det er dog vigtigt at fastslå, at denne diskussion bestemt ikke er urelevant

i forhold til de opsatte hypoteser, og at det ikke er derfor at den udelades.

5. MetodeDet fremgår af de opsatte hypoteser, at der i denne rapport kun vil blive analyseret på hvorvidt

ulandshjælp kan skabe vækst i de afrikanske udviklingslande. I denne rapport vil udviklingslande

være defineret som lande der tilhører lav-indkomst landene ifølge Verdensbankens opdeling, altså

lande med en BNI pr. indbygger på 975US$ eller der under, målt ud fra Verdensbankens Atlas

Metode (World Bank 2)(se bilag 4 for oversigt over de 30 afrikanske udviklingslande). Grunden til

at Verdensbankens lande opdeling bruges til at definere udviklingslande i denne rapport er bl.a., at

Verdensbankens statistik bank(WDI) bruges i rapporten, og denne bliver simplere at bruge hvis

deres opdeling af lande også bruges. Der kunne også være valgt andre betegnelser for

udviklingslande. Eksempelvis kunne FN’s betegnelse ”Least developed countries” (LDC) være

brugt, som ud over at vurdere landenes BNI også vurdere deres menneskelige kapital og

økonomiske stabilitet. De afrikanske lande som er kategoriseret som værende LDCs svare dog stort

set til de lande der tilhører Verdensbankens lav-indkomst gruppe (UN1; UN2). Middel-indkomst

landene i Verdensbankens opdeling kunne også være inkluderet, hvilket de nogle gange er ifølge

Verdensbanken( World Bank 2). Dette er dog ikke valgt, fordi rapporten ønsker at analysere på de

allerfattigste lande.

For at analysere den overordnede hypotese vil der være fokus på fire typer af ulandshjælp: lån og

støtte til regeringerne, støtte til mikrokredit institutter, støtte til infrastruktur og støtte til uddannelse.

Disse fire former for ulandshjælp er udvalgt på baggrund af, at de er blevet diskuteret i litteraturen i

forhold til deres individuelle indflydelse på vækst. Dette er et vigtigt kriterium, da ulandshjælp

formerne ellers ville falde uden for afgrænsningen, og ikke ville være så relevante for den

overordnede hypotese. Der findes flere former for ulandshjælp, som i litteraturen er blevet

diskuteret i forhold til deres indflydelse på væksten, bl.a. støtte til sundhedssektoren og

landbrugssektoren. Grundet plads mangel er disse typer dog valg fra i analysen. De fire typer der er

udvalg, er valg af forskellige årsager. Lån og støtter til regeringerne er valg fordi, at det er den mest

udbredte form for ulandshjælp i Afrika (Moyo 2009- s. 7-8). Støtte til mikrokredit institutioner er

valg, fordi det er en af de nyeste tiltag indenfor hjælp til udviklingslandene i Afrika. Mikrokredit er

blevet diskuteret heftigt i litteraturen de seneste år, og kunne eventuelt være fremtiden indenfor

ulandshjælp, hvilket er årsagen til at mikrokredit diskussionen tages med i denne rapport.

Uddannelse og infrastruktur er valgt ud fra fordelingen af den danske bilaterale3 ulandsbistand i

2008, hvor disse to sektorer er nogen af de relevante sektorer, som støttes mest (Danida 2008).

I denne rapport vil fokus ligge på vækst, og hvorvidt ulandshjælp har en positiv indflydelse på

væksten. Dette er valgt, fordi der ønskes en analyse af, om ulandshjælp har en indflydelse på

3 Bilateral ulandsbistand, den ulandsbistand der går direkte fra Danmark og til et udviklingsland. Det modsatte er Multilateral ulandsbistand, som er den ulandsbistand der sendes fra Danmark til en international organisation(eksempelvis Verdensbanken), som så fordeler ulandsbistanden(Thrilwall 1999).

levestandarten i de afrikanske udviklingslande, og dette måles ofte som udviklingen i produktionen

pr. indbygger, altså vækst (Blanchard 2006- s. 206). Et problem med dette mål er bl.a., at en

stigende vækst ikke nødvendigvis rammer alle i samfundet, men måske kun påvirker de rigeste.

De fire underordnede hypoteser vil i rapporten blive diskuteret på baggrund af både en teoretisk

analyse, empiriske analyser og et litteratur studie. Efterfølgende vil de fire hypoteser også blive

diskuteret med udgangspunkt i en komparativ lande analyse. Analysen af de fire underhypoteser vil

tilsammen fungere som en analyse af den overordnede hypotese. Grundet manglende data og

litteratur vil der ikke lige nøjagtig blive analyseret på ulandshjælpens andel af investeringer i

mikrokredit, infrastruktur og uddannelse. Det vil i stedet blive analyseret, om alle investeringer i

mikrokredit, infrastruktur og uddannelse har haft en indflydelse på væksten. Dermed opnås samtidig

en vurdering af, om det vil påvirke væksten hvis ulandshjælpen støtter disse sektorer.

Den teoretiske analyse vil være baseret på makroøkonomiske vækstteorier. Vækstteorierne vil blive

beskrevet og diskuteret i et særskilt afsnit i starten af rapporten, og vil så efterfølgende blive

inddraget under analysen af de enkelte under hypoteser. Udvælgelsen af vækstteorierne er baseret

på, hvilke teorier der er diskuteret mest i litteraturen, og hvilke der har mest relevans i forhold til de

opsatte hypoteser. A.P. Thrillwalls bog ”Growth and Development” og Todaro et al.’s bog

“Economic Development” vil indgå som primær kilder til beskrivelsen og diskussionen af

vækstteorierne. Derudover vil relevante artikler også blive inddraget.

Empiriske analyser og anden litteratur vil også indgå i analysen af de enkelte underhypoteser.

Litteraturen til denne del af rapporten vil primær bestå af artikler fra anerkendte internationale

tidsskrifter, og bøger og artikler fra anerkendte navne indenfor området, bl.a. Dambisa Moyo’s bog.

Specifikke lande data vil i denne del af rapporten primært stamme fra Verdensbanken.

Sidste del af rapporten vil indeholde en komparativ lande analyse, som vil fungere som en

uddybende analyse af de fire under hypoteser. På baggrund af en udvælgelses procedure vil tre

lande blive udvalgt til denne analyse, og deres relevante data vil blive analyseret i forhold til de

opsatte hypoteser. Dataene til denne analyse vil primær komme fra Verdensbankens ”World

Development Indicators” database (WDI). Data omkring udbredelsen af mikrokredit institutter og

lån er dog ikke tilgængelig i denne database, så denne data vil komme fra organisationen

Microfinance Information eXchange (MIX). Data fra denne organisationen er medbragt flere steder

i litteraturen, hvilket er årsag til at den er udvalgt. Litteraturen til landebeskrivelsen vil primært

stamme fra BBC, Det Danske Udenrigsministerium og Foreign & Commonwealth Office. Disse

organisationer har udviklet generelle landebeskrivelser omkring en stor del af verdens lande, hvilket

er grunden til, at de er udvalgt.

Rapporten vil indeholde en del data fra Afrika, bl.a. i den komparative analyse og i de empiriske

undersøgelser. Verdensbanken har ifølge Oketch artikel udtalt, at data hentet fra Afrika godt kan

være svag. Trods at dataene er indsamlet fra pålidelig kilder, kan der være store forskelle i

dæknings- og variable definitionerne, hvilket kan betyde meget for sammenligningen af dataene

over forskellige lande. Verdensbanken har derfor udtalt, at data fra Afrika kun kan bruges som en

indikator for hvordan virkeligheden ser ud, hvilket er vigtigt for værdien af de givne analyser i

denne rapport (Oketch 2006).

6. BegrebsafklaringArgumentationen og tilhørende kilder til de valgte definitioner på nedenstående begreber, fremgår

enden af metode afsnittet eller af indledningen til analysen af de enkelte under hypoteser.

Infrastruktur = Økonomisk infrastruktur, som omfatter veje, transport faciliteter, elektricitet,

boliger osv. Social infrastruktur, som eksempelvis sundhedssystemet og

uddannelsessystemet, vil ikke være dækket af begrebet i denne rapport.

Mikrokredit = Små lån til meget fattige personer, som er blevet ignoreret af de kommercielle

banker, fordi de ikke ejer noget, som de kan stille som sikkerhed for lånet.

Udviklingsland = Et land med en BNI pr. indbygger på 975US$ eller der under, målt efter

Verdensbankens Atlas Metode. Se bilag 4 for oversigt over de 30 afrikanske

udviklingslande.

Ulandsbistand = Lån og økonomisk støtte, som går direkte til staten i udviklingslandene. Lån

skal tilbage betales, men har en lavere rente og længere låne periode end

almindelige lån. Økonomisk støtte skal ikke betales tilbage.

Ulandshjælp = Hjælp til udviklingslande, vil i denne rapport primært omfatte ulandsbistand

og støtte til mikrokredit institutter, infrastruktur og uddannelse.

Vækst = Procentvise udviklingen i produktionsmængden/indkomsten over tid. Vil i

den komparative analyse blive målt som den procentvise udvikling i BNP pr.

indbygger, PPP, faste priser.

7. VækstteorierI beskrivelsen af de mange forskellige vækstteorier starter mange bøger helt tilbage ved Adam

Smith. Smith udgav i 1776 bogen “Wealth of Nations” som var verdens første afhandling omkring

økonomisk udvikling (Todaro et al. 2003- s. 8). Smith argumenterede for vigtigheden af

specialisering især i industri produktionen, og konkluderede at økonomisk vækst hovedsageligt

påvirkes positivt gennem investeringer og derigennem kapital akkumulering (Thrilwall 1999- s. 83-

85).

Smith startede debatten om hvilke faktorer der har indflydelses på økonomisk vækst, og emnet

bliver stadig diskuteret i dag. Gennem årene er der blevet udviklet rigtig mange vækstteorier, som

alle giver deres bud på hvordan lande skaber økonomisk vækst. Vækstteorierne adskiller sig fra

hinanden på mange forskellige måder, og i de næste kapitler vil et udvalg af vækstteorier blive

beskrevet og diskuteret. Ifølge Michael P. Todaro, New York Universitet og Stephen C. Smith,

Georg Washington Universitet, er der ingen universel holdning omkring hvad der skaber vækst,

men de mange forskellige forklaring giver tilsammen en mulighed for at undersøge den økonomiske

udvikling (Todaro et al. 2003- s. 132).

7.1 Harrod-Domar vækstteori – vækst via investeringer I starten i 1950’erne udviklede to økonomer en vækstteori kaldet Harrod-Domar. Roy Harrod fra

England og Evesey Domar fra USA udviklede hver for sig en variant af denne teori, hvorefter de to

varianter blev sat sammen (Todaro et al. 2003- s. 138).

Harrod-Domar vækstteori omhandler en lukket økonomi og bygger på Keynes’ ligevægts teori, som

siger at et lands samlede opsparing er lig med landets investeringer. Ifølge både Todaro et al og A.

P. Thrilwall, University of Kent at Canterbury, argumenterer Harrod og Domar at økonomisk vækst

afhænger af investeringer(opsparing) og kapitalens produktivitet. En lav vækst i udviklingslandene

skyldes altså ifølge denne teori en lav opsparing og/eller en lav produktivitet (Todaro et al. 2003- s.

113-116, Thrilwall 1999- s. 89-94).

Ifølge Thrilwall definerer Harrod og Domar tre forskellige vækst rater: den faktiske, den

garanterede(”warranted”) og den naturlige vækst rate. I Todaro et al.’s bog nævnes dog kun den

faktiske vækstrate, men i begge bøger indeholder dette begreb det samme.

Den faktiske vækstrate, som er den vækst et land faktisk har, defineres i Thrilwalls bog som:

g = s/c

s = S/Y, hvor S er lig med landets samlede opsparing og Y er den samlede produktion/BNP. Lille

”s” definerer altså hvor stor en del af BNP der opspares. Opsparing fører til fremtidige

investeringer, og investeringer øger mængden af kapital i et land. Øget kapital giver mulighed for

øget produktion, og dermed stiger væksten. Ifølge denne teori øges væksten altså hvis en større del

af BNP spares op, altså hvis ”s” stiger.

Reinvesteringer hvor gammelt og brugt kapital udskiftes med noget tilsvarende påvirker dog ikke

væksten positivt. Reinvesteringer hjælper blot med at fastholde den nuværende produktions

mængde. Samlede investeringer skal altså overgå kravet til reinvesteringer førend der skabes vækst.

”c” i ovenstående formel svare til ∆K/∆Y = I/∆Y, hvor ”∆K” definerer ændringerne i kapitalen og

”I” definerer de samlede investeringer (reinvesteringer er ikke med). ”c” kaldes kapital-output raten,

og definerer hvor meget ny kapital der er gået til at producere en ekstra enhed (Y). 1/c svare til

kapitalens produktivitet. Er det muligt at øge kapitalens produktivitet, eksempelvis via ny

teknologi, vil det altså kunne forbedre væksten.

Den garanterede vækstrate (gw = s/cr) er den vækstrate der medfører, at investeringer lige nøjagtig

matcher opsparinger. Har et land denne vækstrate er der ifølge Thrilwall fuld udnyttelse af landets

kapital, og producenterne er villige til at forsætte med at investere med samme hastighed i

fremtiden.

Den naturlige vækstrate (gn = l + q) er den vækstrate der garanterer, at der ikke er nogen

arbejdsløshed. Denne vækstrate bestemmes ud fra væksten i arbejdsstyrken(l) og væksten i

arbejdsstyrkens produktivitet (q). Den faktiske vækstrate vil aldrig kunne overstige denne

vækstrate, da alt arbejdskraften er i brug når g = gn.

Den mest optimale situation for et land er ifølge Thrilwalls beskrivelse af Harrod-Domar vækstteori

når g = gw = gn. I denne situation er der ingen over eller under kapacitet af kapital, og der er ingen

arbejdsløshed. Dette er også den højest mulige vækst et land kan opnå, med den nuværende vækst i

arbejdsstyrken og produktivitet.

Der har været en del kritik af Harrod-Domar vækstteori. Ifølge Thrilwalls udgave, vil investeringer

ikke påvirke væksten på lang sigt ud fra Harrod-Domar vækstteori. Investeringer er vigtige for

væksten på kortere sigt, men når den faktiske vækstrate bliver lig med den naturlige vækstrate på

lang sigt, kan investeringer ikke længere øge væksten. Teoretikerne bag de endogene vækstteorier

går imod dette og argumenterer, at hvis produktiviteten kan holdes oppe, så vil investeringer også

være vigtig for væksten på lang sigt. Harrod og Domar holder i deres model kapital-arbejdskraft

raten konstant, hvilket gør, at de mener, at økonomien ikke selv vil kunne havne i en ligevægt hvor

gw = gn. De neoklassiske vækstteorier argumenterer ifølge Thrilwall, at hvis blot kapital-arbejdskraft

raten antages at være variable, så vil økonomien bevæge sig mod en ligevægt hvor

gw = gn.

Todaro et al.’s kritik af Harrod-domar vækstteori omfatter at investeringer/opsparing ikke alene kan

forklaring væksten, og at teorien mangler at tage højde for eksempelvis kvalificeret arbejdskraft,

ledelses evner og evnen til at styre projekter.

7.1.1 Two-gap model – en videreudvikling af Harrod-Domar vækstteoriI 1966 udviklede Hollis B. Chenery og Alan M. Strout deres ”two-gap model”, som var en

videreudvikling af Harrod-Domar vækstteori (Easterly 1999- s. 424). Denne model ser på vækst i en

åben økonomi og bruges primært til at retfærdiggøre hvorfor ulandsbistand skaber vækst (Todaro et

al. 2003- s. 654-656, Easterly 2003- s. 30).

Ifølge Thrilwall kan det argumenteres ud fra denne model, at ulandsbistand kan styrke væksten i

udviklingslandene ved at udfylde et af to huller (”gaps”), som der opstår i udviklingslandenes

økonomi. Det ene hul kaldet ”investments-savings gap” opstår fordi den nationale opsparing ikke er

stor nok til at dække investeringsbehovet for en ønsket vækst. Dette hul er baseret på nøjagtig den

sammen argumentation som Harrod- Domar vækstteori (Thrilwall 1999- s. 368-371).

Det andet hul kaldes af Thrilwall ”import-export gap”. Dette hul opstår med antagelsen om at vækst

i en åben økonomi også kan defineres som:

g = im´.

i = M/Y, hvor ”M” svare til den importerede kapital og ”m´” definere den importerede kapitels

produktivitet (m´ = ∆Y/M). En stigning i den importerede kapital i forhold til produktionen vil altså

gavne væksten ved en given produktivitet. Hvis den nuværende vækstrate er lavere end den ønskede

vækstrate, vil det altså kunne skyldes at den nuværende importerede mængde ikke er tilstrækkelig

til at opnå den ønskede vækstrate. Der bliver altså en mangel på import, hvilket er det andet hul.

Til forskel fra Harrod-Domar vækstteori arbejder Chenery og Strout med en åben økonomi, hvilket

er årsagen til, at de tager dette ekstra hul med. Ifølge Thrilwall bygger modellen også på to andre

antagelser, som gør at der bliver et ekstra hul. For det første antages det at nogle investeringer, som

er nødvendig for vækst, kun kan foretages i udlandet, og det er derfor at import er vigtig for

væksten. Det antages også, at det på kort sigt ikke er nemt at substituere indenlandsk opsparing med

udenlandsk valuta. Selvom et land har et overskud af opsparing, er det ikke sikkert, at der nemt kan

veksle om til udenlandsk valuta, eksempelvis hvis der er mangel på udenlandsk valuta i lande. Det

er dog nemmere at substituerer den anden vej rundt. Import kræver udenlandsk valuta, som hvis det

ikke kan skaffes fra nationale opsparinger, bl.a. kan opnås via eksport eller ulandsbistand, som ofte

kommer i udenlandsk valuta.

Ifølge Thrilwall bestemmes der en ønsket vækstrate, og ud fra denne udregnes størrelsen på de to

huller. De to huller kan eventuelt udfyldes med ulandsbistand, men ikke begge huller skal udfyldes

ifølge Thrilwalls forklaring. Det hul der er størst udfyldes med ulandsbistand, og så vil det andet og

mindre hul samtidig også blive udfyldt, og dermed vil landet opnå den ønskede vækstrate.

7.2 Lewis udviklings teori – Vækst via bedre udnyttelse af arbejdskraftenI midten af 1950’erne fremlagde W. Arthur Lewis sin ”to - sektor model”, som ifølge både Todaro

et al. og Thrilwall går ud på, at udviklingslandene kan skabe vækst ved at flytte arbejdskraft fra den

overbefolkede landbrugssektor til industrisektoren. Ifølge Lewis’ har udviklingslandene alt for

meget arbejdskraft i deres landbrugssektor, hvilket gør, at arbejdskraftens marginalprodukt er lig

med nul. Dette betyder at arbejdskraften kan flyttes fra landbrugssektoren uden, at det påvirker

produktionen i denne sektor. Lewis mener, at denne overskydende arbejdskraft skal flyttes til

industrisektoren, for på denne måde at øge produktionen og dermed væksten i denne sektor (Todaro

et al. 2003- s. 116-121, Thrilwall 1999- s. 140-147).

Figur 1: Profitskabelse ved at flytte arbejdskraft til industrien, egen oversættelse.

Kilde: (Thrilwall 1999)

Thrilwalls fremstilling i figur 1 kan hjælpe med at forklare, hvordan tilførsel af arbejdskraft til

industrisektoren kan være med til at skabe vækst. Det ses i figuren, at lønnen i industrisektoren er

højre end i landbrugssektoren, hvilken den er nød til at være for at tiltrække arbejdskraft fra

landbruget. Linjen NR viser arbejdskraftens marginalprodukt, og med antagelse om, at industrien

vil ansætte folk indtil marginalproduktet svare til lønnen, vil industrien altså ansætte M arbejdere

fra landbrugssektoren. Arealet 0WPM svare til de samlede lønudgifter i industrien, og arealet WNP

svare til profitten der skabes i industrien.

Lewis antager at alt løn bruges på forbrug, og at alt profit bruges på investeringer/kapital

akkumulering. Øget kapital gør at hver enkelt arbejder kan producere mere, og dermed rygges

kurven NR til højre. Dette betyder at industrisektoren er villig til at ansætte flere folk fra

landbrugssektoren(M-M1) og at produktionen og profitten i industrisektoren stiger. Dette forløb vil

ifølge Lewis have en positiv indflydelse på væksten, og vil fortsætte indtil der ikke længere er

overskud af arbejdskraft i landbrugssektoren.

Ligesom ved Harrod-Domar vækstteorien argumenterer Lewis altså for at investeringer øger

væksten. Lewis går bare mere i dybden med hvordan det er muligt at opbygge profit, så landet får

råd til investeringer, og han argumenterer, at strukturelle ændringer i form af udvandring fra

landbrugssektoren er nødvendig for vækst.

Lewis model har modtaget en del kritik. Modellen bygger på at øget kapital i industrisektoren gør at

efterspørgselen efter arbejdskraft i denne sektor stiger. Dermed flyttes arbejdskraften fra

landbrugssektoren, hvor den ikke har nogen indflydelse produktionen (fordi marginalproduktet er

nul), til industrisektoren hvor arbejdskraften kan få en positiv indflydelse på væksten. Ifølge både

Todaro et al. og Thrilwall lyder kritikken på, at hvis nu investeringerne går til arbejdskraft

besparende kapital, så vil efterspørgselen efter arbejdskraft i industrien ikke stige.

Antagelsen om overskud af arbejdskraft i landbrugssektoren og fuld beskæftigelse i industrien i

udviklingslande bliver også kritiseret af både Todaro et al og Thrilwall. Ifølge Thrilwall har

udvandring fra landbrugssektoren i nogle lande blot flyttet arbejdsløsheden fra landbruget til byen,

fordi industrisektoren ikke har kunne optage alt den tilgængelige arbejdskraft.

Lewis antagelse om konstant realløn i industrien er set ud fra virkelighedens tal en urealistisk

antagelse, hvilket også fremgår som et kritik punkt i Todaro et al.’s bog. Industri lønnen set i

forhold til landbrugs lønnen har haft tendens til at stige i udviklingslandene trods arbejdsløshed i

industrisektoren og ingen marginalprodukt i landbrugssektoren. Dette skyldes bl.a. fagforeninger og

multinationale virksomheder som har deres egne ansættelsesbetingelser, som nogen gange kan

medfører en højre løn.

7. 3 Den neoklassiske vækstteori – vækst via arbejdskraft stigning og

teknologiudviklingI 1956 fremlagde Robert Solow og Trevor Swan deres vækstteori, som bl.a. kaldes den neoklassiske

vækstteori eller Solow-Swan vækstteori. Solow og Swan udvidede Harrod-Domar vækstteorien ved

at tilføje arbejdskraft og teknologi, da de ikke mente at kapital akkumulering alene kunne forklare

vækst(Todaro et al. 2003- s. 130-133, Thrilwall 1999- s. 94-97).

Deres produktion funktion opstilles på følgende måde af Olivier Blanchard, Massachusetts Institute

of Technology(Blanchard 2006- s. 247-264):

Y = F (K, AN)

Y definere den samlede output/produktion, som er en funktion af kapital (K) og antal effektive

arbejdere(AN). Kapital beskrives bl.a. af Todaro et al. og økonom Howard Pack som værende både

fysisk og menneskelig kapital, men det gøres ikke i Blanchards udgave, som der holdes til her

(Todaro et al. 2003- s. 141, Pack 1994- s. 55). Antallet af effektive arbejdere påvirkes af

teknologien i et land (A) og samlede antal arbejdere (N). Mest teknologisk udvikling kommer fra

firmaers ”research and development”( R&D). Teknologiudvikling øger produktionsmængden for en

given mængde af arbejdskraft. Ved at dividere produktionsfunktionen igennem med AN kan den

skrives som Y/AN = f(K/AN). Denne udgave vil blive brugt i det næste (AN/AN =1, tages ikke

med i formlen).

Den neoklassiske vækstteori argumenterer at væksten på lang sigt kun kan påvirkes af en øget

arbejdsstyrke eller øget produktivitet hos arbejdsstyrken via forbedret teknologi. På lang sigt

afhænger væksten ikke af opsparing/investeringer, og er altså dermed ikke er afhængig af kapital.

Investeringer påvirker dog væksten på kortere sigt og er med til at fastlægge niveauet for ”steady

state” ligevægten, hvilket vil blive diskuteret i det nedenstående.

Figur 2: Dynamikken mellem kapital pr. effektive arbejder og output pr. effektive arbejder, egen

tilpasning

Kilde: (Blanchard 2006- s. 250)

Den neoklassiske vækstteori antager ”decreasing return to scale” for både kapital og effektive

arbejdere. Dette ses ved de buede kurver i figur 2, og betyder at én ekstra kapital eller effektiv

arbejder vil have større effekt i starten end til sidst, hvor mængden af kapital eller effektive

arbejdere er høj.

På lang sigt vil økonomien ifølge den neoklassiske vækstteori bevæge sig hen mod en lang tids

ligevægts vækstrate, kaldet ”stady state” ligevægt. Denne ligevægt svare til der hvor de krævede

investeringer er lig de faktiske investeringer, se figur 2. De krævede investeringer defineres som:

δK + (gA + gN)*K => (δ + gA + gN) *K

De krævede investeringer svare til den mængde investeringer som er nødvendig for at fastholde et

givent niveau af kapital pr. effektiv arbejder. ”δ” svare til kapitalen afskrivnings procent, og ”δK” er

altså den mængde investeringer der er nødvendige for at holde den samlede kapital mængde

konstant. Det er også nødvendigt at investere så væksten i kapital følger med væksten i mængden

af effektive arbejdere, for ellers vil kapital pr. effektive arbejder ikke holdes konstant. ”gA” definerer

væksten i teknologi og ”gN” definerer væksten i arbejdsstyrken, og tilsammen definere ”gA” og ”gN”

den vækst der er nødvendig for at kapitalen vokser med samme rate som den effektive

arbejdsstyrke.

Hvordan bevæger økonomien sig mod denne nævnte ligevægt? Hvis for eksempel at et lands

nuværende kapital pr effektive arbejder svare til (K/AN)0, jfr. figur 2, så vil de faktiske

investeringer være højre end de krævede investeringer for at fastholde denne givne K/AN. Derfor

vil kapital mængden stige mere end den effektive arbejdskraft, og dermed vil økonomien bevæge

sig med pilene op mod ligevægten. Hvis i stedet et land har en kapital pr effektive arbejder

svarende til (K/AN)1, jrf. Figur 2, så vil faktiske investeringer være mindre end de krævede

investeringer. Dette vil resultere i at K vil stige mindre end AN og dermed vil økonomien bevæge

sig mod ligevægten.

En stigning i opsparing (s) vil få de faktiske investeringer til at stige, og dermed vil ”stedy state”

ligevægten rygges til højre. Dette ville resultere i at både kapital pr effektive arbejder og output pr.

effektive arbejder ville stige, og via samme mekanisme som beskrevet ovenover vil økonomien

bevæge sig mod den nye ligevægt. En stigning i opsparinger og dermed kapital vil altså kunne

påvirke væksten i noget tid, indtil den nye ligevægt nås. Se bilag 2 for hvad der sker når ”s” stiger.

Et land vil dog ikke kunne opnå konstant vækst på lang sigt ved at øge opsparings procenten (s),

hvilket skyldes antagelsen om ”diminishing return” for kapital. Hvis et land skulle blive ved med at

have vækst ved hjælp af en øget opsparings procent, så ville kapitalen pr. effektive arbejder hele

tiden skulle stige mere end output pr. effektive arbejder på grund af ”diminishing return”. Det ville

ende med at landet ville skulle spare mere op end de producere, og dette vil ikke være muligt.

Det ses af figur 2 at output pr. effektive arbejder og kapital pr. effektive arbejder vil være konstant

på lang sigt når økonomien rammer ”stady state”. Hvis antallet af effektive arbejdere stiger enden

pg.a. en stigning i arbejdsstyrken eller deres produktivitet(teknologien), så vil væksten i et land

stige. Output pr effektive arbejdere vil som sagt være konstant på lang sigt og hvis så antallet af

effektive arbejder stiger, så vil det samlede output/produktion stige og dermed vil landet opnå

vækst. Altså stigning i gA og gN vil kunne skabe vækst, og denne måde at skabe vækst på vil ifølge

den neoklassiske vækstteori kunne skabe vækst på både kort og lang sigt. Dette fremgår både af

Blanchard og Thrilwall. Todaro et al. deler dog ikke op i kort og lang sigt, men de sammen faktorer

skaber vækst i deres beskrivelse af den neoklassiske vækstteori.

Antagelsen om ”diminishing return” for kapital gør, at kapital fattige lande ifølge den neoklassiske

vækstteori vil vokse hurtigere end kapital rige lande givet, at de har samme opsparings procent(s).

”Diminishing return” for kapital betyder at et land vil vokse hurtigere i starten når den har lidt

kapital, og dermed vil kapital fattige lande med tiden indhente kapital rige lande. Denne ”catching-

up” effekt har mange steder i verden ikke fundet sted, og teoretikerne bag de endogene vækstteorier

kritiserer de neoklassiske vækstteorier på dette punkt. Ifølge de endogene vækstteorier er der ikke

”diminishing return” for kapital, hvilket vil blive diskuteret i det næste kapitel.

Den ene af to vigtige antagelser i den neoklassiske vækstteori er at teknologiske ændringer er

eksogene, hvilket vil sige at væksten i teknologien bestemmes udenfor modellen, og påvirkes ikke

af variabler i modellen. Den anden vigtige antagelse er, at alle lande har den samme teknologi til

rådighed, hvilket er en af antagelser der gør, at der ifølge den neoklassiske teori findes en ”catching-

up” effekt. Ifølge Paul Romer, University of California, kritiserer de endogene vækstteorier begge

disse antagelser (Romer 1994- s. 4). De endogene vækstteorier vil blive diskuteret i de næste

kapitler.

7.4 Endogene vækstteori – argumentationer imod ”diminishing return”I midten af 1980’er udsprang en ny gruppe vækstteorier kaldet de endogene vækstteorier eller de

nye vækstteorier. Robert Lucas og Paul Romer var nogen af de første der gik imod den neoklassiske

vækstteori og formede de endogene vækstteorier.

Ifølge den neoklassiske vækstteori er teknologi som nævnt tidligere en eksogen variabel. Modsat

dette, skabes vækst ifølge de endogene vækstteorier via endogene variabler, altså variabler der

fastlægges indenfor modellen (Romer 1994- s. 3).

I den foregående kapitel blev det kort nævnt, at de endogene vækstteorier ikke er bygget på

antagelsen om ”diminishing return” for kapital, hvilket også fremgår af Thrilwalls bog. I stedet er

der ifølge disse nye teorier konstant eller stigende afkast på kapitalen. Dette betyder, at der ifølge de

endogene teorier ikke er noget der taler for at der findes en ”catching-up” effekt, og økonomien vil

heller ikke bevæge sig mod en ”stedy state” ligevægt, som den neoklassiske teori argumenterer for.

Antagelsen om ”diminishing return” gør, at opsparingen/investeringer ikke har en indflydelse på

den langsigtede vækst. Ifølge de endogene vækstteorier er der ikke ”diminishing return” og dermed

har investeringer indflydelse på den langsigtede vækst (Thrilwall 1999- s. 115-118).

Målet med de endogene vækstteorier er bl.a., at forklare hvilke faktorer, ud over dem som den

neoklassiske teori inddrager, der kan påvirke væksten. Teoretikerne bag de endogene vækstteorier

mener, at der er for mange beviser imod ”catching-up” effekten, og de ønsker derfor at forklare

hvilke faktorer der gør, at der ikke er ”diminishing return” for kapital. Faktorer som bl.a.

menneskelig kapital, regerings udgifter og begrebet teknologisk ”spillovers” kan være med til at

forklare dette, hvilket vil blive diskuteret i de næste kapitler. Der er udviklet rigtig mange endogene

vækstteorier, og tre af dem vil blive gennemgået i de næste 3 kapitler. Disse tre teorier er udvalgt

fordi, at de har relevans for de opstillede hypoteser i denne rapport.

En fælles kritik for mange af de endogene vækstteorier er ifølge Thrilwall, at de ligesom den

neoklassiske vækstteori omhandler en lukket økonomi, og at de ikke inddrager begrænsninger på

efterspørgselen. Dette betyder at handel ikke behandles i de fleste endogene vækstteorier, hvilket

ikke helt hænger sammen med at teorierne gerne vil forklare, om der findes en ”catching-up” effekt

(Thrilwall 1999- s. 121).

7.4.1 Romers endogene vækstteori – ”technology spillovers”I 1987 udviklede Paul Romer en endogen vækstteori som gik imod den neoklassiske antagelse om

at teknologien var en eksogen variabel. Romer argumenterede, at den teknologiske udvikling bliver

påvirket både at mængden af kapital investeringer (K) og mængden af arbejdskraft (L), og at

teknologi (A) dermed er en endogen variabel (A(K,L)). Øget investeringer påvirkede ifølge Romer

både mængden af kapital og mængden af teknologi, som påvirker hele økonomien via en

”spillover”-effekt. Teknologiske fremskridt er ifølge de endogene vækstteorier et resultat af noget

som folk gør, og dermed ikke blot et spørgsmål om en udvikling over tid, som den neoklassiske

vækstteori antager. Investeringer påvirker den teknologiske udvikling, fordi flere investeringer gør,

at flere folk gør nogle ting, som kan lede til teknologiske fremskridt. Denne sideeffekt af

investeringer, øget teknologi, kan sprede sig rundt til alle firmaer i økonomien, hvilket kaldes

”knowledge spillovers” eller ”technology spillovers” i Todaro et al.’s beskrivelse. En øget

arbejdsstyrke har ifølge Romer en negativ indflydelse på teknologi udviklingen. Dette skyldes, at

desto mere arbejdskraft der er tilgængelig, desto mindre initiativ har virksomheder til at finde på ny

arbejdskraft besparende teknologi (Todaro et al. 2003- s. 148-149, Romer 1994).

Romer opstiller en produktionsfunktion for den enkelte virksomhed (j), som indeholder de samme

elementer som den neoklassiske vækstteori, men blot antager at teknologi er endogen:

Yj =A(K,L)Kj1-αLj

α

Den enkelte virksomheds produktion bestemmes altså at mængden af teknologi i hele landet og

mængden af kapital og arbejdskraft som den enkelte virksomhed har rådighed over. α definerer

stigning i virksomhedens produktion ved stigning i deres arbejdsstyrke. Eksempelvis vil 1%

stigning i arbejdsstyrken som en virksomhed bruger resultere i α-procent stigning i denne

virksomheds produktion.

Antagelsen om øget investeringer skaber øget teknologi, og at der findes en teknologisk ”spillover”

effekt gør, at der ikke længere er ”diminishing return” for kapital, og dermed er der ikke noget der

taler for en ”catching-up” effekt. Den enkelte virksomhed kan godt stadig opleve ”diminishing

return”, men set på samfundsniveau vil ”spillover-effekten” gøre, at viden omkring kapital og

teknologi vil blive spredt, og dermed opleves der ikke ”diminishing return” på samfundsniveau.

Dette fremgår bl.a. af Robert J. Barro’s, Harward University, beskrivelse af denne teori (Barro

1990)

7.4.2 Lucas’ endogene vækstteori – menneskelig kapital vs. vækstRobert Lucas endogene vækstteori fra 1988 anskiller sig ifølge Romer fra hans teori ved, at han

mener, at det er menneskelig kapital og ikke fysisk kapital der har en effekt på teknologi

udviklingen og gør at der findes en ”spillover” effekt. Lucas produktionsfunktion kan derfor

opstilles på følgende måde, hvor ”H” er udtryk for menneskelig kapital (Romer 1994):

Yj = A(H)*F(Kj, Hj)

Menneskelig kapital har ifølge denne teori også en direkte indflydelse på produktionen. I bl.a.

Moses O Oketch’s, University of London, opstillinger af Lucas model indgår også arbejdskraft (L),

men det vigtige at få ud af Lucas teori er, at det er den menneskelige kapital som gør at der er

teknologisk ”spillover”, og at der dermed ikke er ”diminishing return” for den samlede kapital

(Oketch 2006).

7.4.3 Barros endogene væksteori – regerings udgifters påvirkning på vækstRobert J. Barro inddrager regerings udgifter til bl.a. infrastruktur i hans endogene vækstteori, og

bruger dette som forklaring på, hvorfor der ikke er ”diminishing return” for kapital. Ifølge Fedderke

et al.’s beskrivelse af Barros teori ejer regeringen ingen kapital og yder ingen services. Regeringen

opkræver skat som de køber privat produceret vare for, eksempelvis infrastruktur. Barro opstiller

følgende produktionsfunktion (Fedderke et al. 2006- s. 1038-1039):

y = Agαk1-α

Output pr. arbejder(y) afhænger altså af teknologi niveauet(A), regeringsudgifter pr. arbejder (g) og

den privat ejede kapital i landet (k). α er en konstant mellem 0 og 1, og viser henholdsvis g og k’s

påvirkning på produktionen.

Regeringsudgifter har ifølge denne teori både en direkte og indirekte indflydelse på produktionen.

∂y/∂g = Aα*(k/g) > 0, hvilket viser at en stigning i regerings udgifter har en negativ og direkte

indflydelse på produktionen. Hvis skatten hæves og regerings udgifter stiger, så ses det af ligningen

af væksten i produktionen vil falde. Dette skyldes bl.a. at et øget skat sænker mængden af penge der

kunne bruges på kapital investeringer. ∂y/∂k = A(1-α)(g/k)α > 0, hvilket viser at regeringsudgifter

også påvirker den fysiske kapitals marginalprodukt(y/k) positiv, og at regeringsudgifter den vej

igennem har en positiv og indirekte indflydelse på produktionen. Regeringsudgifter har altså både

en positiv og negativ indflydelse på produktionen, og om en stigning i regeringsudgifter i sidste

ende har en positiv indflydelse på væksten, vil ifølge Barro afhænge af skattens nuværende størrelse

i forhold til produktionen (g/y). Ved lande med en lav g/y vil en stigning i regerings udgifter

påvirke kapitalens marginalprodukt mest, og vil dermed have en positiv indflydelse på væksten.

Ifølge Barro har kapital i sig selv ”diminishing return to scale”, men når regeringsudgifter tages

med ind i billedet vil de to faktorer tilsammen have konstant afkast på produktionen. Dette skyldes

ovenstående argumentation om at regerings udgifter har en positiv indflydelse på kapitalens

marginale produkt. Dermed vil det være muligt at blive ved med at vokse, så længe

regeringsudgifter følger med udviklingen i kapitalen. Dette er hvad gør Barros model til en endogen

vækstteori, som dermed går imod de neoklassiske vækstteorier (Barro 1990- s. 105).

7.5 Big Push – koordinations fejl står i vejen for vækstPaul Rosenstein-Rodan står bag ”Big Push” modellen, som beskrives af Todaro et al.. Denne model

argumenterer hvorfor nogle lande ikke oplever vækst selvom de opfylder flere af ”kravene” til

vækst, ifølge de ovenstående vækstteorier. Nogle lande har eksempelvis en masse ny teknologi,

men den bliver næsten ikke brugt og dermed opleves der ingen vækst. Årsagen til dette er ifølge

Rosenstein-Rodan, at der opstår en masse koordinations fejl i disse lande som står i vejen for vækst

(Todaro et al. 2003).

“…coordination failure is a state of affairs in which agents’ inability to coordinate their behavior

(choices) leads to an outcome (equilibrium) that leaves all agents worse off than in an alternative

situation that is also an equilibrium.” (Todaro et al. 2003).

Koordinations fejl opstår altså når de forskellige spillere på markedet ikke kan koordinere deres

handlinger, og dermed ender i en situation som er dårligere end hvis de samarbejdede. Rosenstein-

Rodan beskæftiger sig mest med de koordinations fejl, der opstår når et udviklingsland ønsker at

starte industrialisering i meget fattige områder, hvor befolkningerne i de små landsbyer sørger for at

producere til sig selv og ikke handler med andre landsbyer.

Første firma i disse små landsbyer vil kun kunne sælge sine vare til sine egne medarbejdere, fordi

ingen andre i landsbyen har råd til at købe deres produkter. Hvis et mere firma begyndte at

producere, så ville medarbejder fra begge firmaer kunne købe hos begge firmaer. Profitten i de

enkelte firmaer afhænger altså af om andre også laver et firma. Dette er en af de koordinations fejl

som nævnes af Todaro et al. Hvis de to firmaer kunne blive enige om at starte op på samme tid,

ville det være bedre for alle. Problemet ligger nemlig ofte i at ingen vil være den første og dermed

kommer der aldrig en udvikling.

En anden koordinationsfejl opstår fordi ingen firmaer vil være de første som begynder at uddanne

deres medarbejdere. Det koster penge at uddanne folk, og dermed bliver deres vare dyre. Et andet

firma som ikke bruger penge på at uddanne folk kan derfor sætte en højre løn og tiltrække allerede

uddannet personale. Dette resultere i at ingen vil være alene om at uddanne deres medarbejder, men

hvis alle gjorde det på samme tid, ville det være bedre for hele samfundet.

Rosenstein-Rodan argumenterer, at det i nogle tilfælde vil være nødvendigt at regeringen

økonomisk går ind og skubber til økonomien (Big Push) førend der kommer gang i væksten.

Regeringen skal sørge for, at disse koordinations fejl ikke står i vejen for væksten. Regeringen kan

bl.a. lave nogle statsejede virksomheder som fungere som pionere på et markedet. Disse

virksomheder kunne så senere blive solgt til det private. Vil i mange tilfælde også være godt hvis

regeringen støttede virksomheder med gode bagudrettede eller forurettet forbindelser til andre

virksomheder, for på den måde at støtte flere dele af økonomien.

Rosenstein-Rodan taler for at regerings indblanding i nogle situationer vil være nødvendig for at få

sat gang i væksten, men han argumenterer samtidig at regeringen bør trække sig ud når væksten er

sat i gang. Når væksten er sat ordentlig i gang, er det nemlig nemmere for markedet at fastholde sig

selv, og det er sjældent at et land ryger helt tilbage hvis væksten først er sat i gang.

8. Introduktion til analysen af de forskellige former for ulandshjælpDe næste kapitler vil være inddelt i fire hovedafsnit, som hver vil indeholde en analyse af en af de

fire udvalgte former for ulandshjælp, som fremgår af de fire under hypoteser. De fire former for

ulandshjælp er ulandsbistand og støtte til mikrokredit, infrastruktur og uddannelse. Der vil i starten

af hvert hovedafsnit være en beskrivelse af den givne type af ulandshjælp.

De enkelte typer af ulandshjælp vil blive analyseret i forhold til deres eventuelle indflydelse på

væksten, da denne analyse er relevant i forhold til de opsatte hypoteser. Analysen vil indeholde

både en teoretisk og litteratur baserede analyse. Den teoretiske analyse vil tage afsæt i

vækstteorierne gennemgået i kapitel 7, og den litteratur baserede analyse vil indeholde relevante

empiriske undersøgelser og anden relevant litteratur. Formålet med hele analysen er, at få en bedre

indblik i den opsatte hypotetiske antagelse om, at ulandshjælp har en positiv indflydelse på væksten.

I analysen af ulandshjælp i form af støtte til mikrokredit, infrastruktur og uddannelse vil det grundet

manglende litteratur og data ikke vær muligt at analysere på det direkte bidrag fra ulandshjælpen. I

stedet vil mikrokredit, infrastruktur og uddannelse hvert for sig blive analyseret som helhed med

hensyn til den eventuelle indflydelse på væksten. Denne analyse vil give et billede af, hvorvidt

ulandshjælp til disse sektorer har en indflydelse på væksten eller ej.

8. 1 Ulandsbistand – en kort beskrivelse Langt den største del af ulandshjælp kommer i form af lån eller økonomisk støtte, som går direkte

til staten i de enkelte udviklingslande. I denne rapport vil ordet ”ulandsbistand” betegne denne type

af ulandshjælp. Forskellen på lån og støtte er at lån skal betales tilbage, hvilken støtten ikke skal.

Ulandsbistands lån har dog en lavere rente og en længere låneperiode end almindelige lån (Moyo

2009- s. 7-8).

Todaro et al. beskriver i deres bog ulandsbistand som alt strøm af penge til udviklingslandene, som

opfylder to krav: 1) Set fra donor landets synspunkt skal målet med lånet/støtten ikke være at tjene

penge, 2) Betingelserne bag lånet/støtten(eks. Rente og afdrags betingelser) skal være mildere end

de normale kommercielle betingelser, altså almindelig låne betingelser (Todaro et al. 2003- s. 647-

648).

Lån og økonomisk støtte vil i denne rapport blive vurderet sammen, trods at det kan argumenteres,

at det ville være bedre at analyser lån og støtte hver for sig. Lån skal tilbage betales, og derfor kan

det argumenteres at regeringen ikke har noget initiativ til at ændre på eksempelvis deres

skatteindtægter, fordi de skal have penge til i fremtiden at betale gælden tilbage. Støtte kan opfattes

som penge der kan stå i stedet for regeringens andre indtægter bl.a. skat. Støtte giver derfor

regeringen bedre mulighed for at ændre på eksempelvis skatteregler, som kan være gavnligt for

investeringsniveauet i de enkelte lande. Dambisa Moyo4 argumenterer dog, at udviklingslande ikke

opfatter lån og støtte som værende vidt forskellige. Mange lån har meget milde krav og mange lån

bliver senere eftergivet, hvilket betyder at lån ikke er så forskellige fra støtte. Derfor vil der i denne

rapport heller ikke blive skelnet mellem de to ting (Moyo 2009- s. 8).

Ulandsbistand kan enden komme direkte fra et udviklet land til et udviklingsland, eller det kan

komme fra forskellige institutioner (eks. Verdensbanken). Førend udviklingslandene bliver tildelt

ulandsbistanden skal de ofte acceptere nogle krav eller betingelser som er tilknyttet bistanden. Disse

krav, som ligger ud over renter og afdragsbetingelser, kan ifølge Moyo inddeles i tre typer. Første

type af krav indeholder, at udviklingslandene skal bruge deres ulandsbistand på at købe vare og

serviceydelser fra donor landet eller en gruppe af lande som donor landet bestemmer. Anden type af

krav indeholder, at donor landet bestemmer hvilke projekter eller sektorer som udviklingsbistanden

skal støtte. Udviklingslandene kan også blive bedt om, at acceptere nogle forskellige økonomiske

og politiske politikker førend de modtager udviklingsbistanden, dette er den tredje type af krav

(Moyo 2009- s. 38-39).

4 Dambisa Moyo, PhD i Økonomi fra Oxford Universitet, bl.a. arbejdet for Goldman Sachs, som er USA's største investeringsbank (dr.dk, 2008), og forfatter bag bogen ”Dead Aid, Why Aid Is Not Working and How There Is a Better Way for Africa” (Moyo 2009- se bagsiden).

Dette var blot en kort beskrivelse af ulandsbistanden. De næste kapitler vil gå mere i dybden med

dette begreb, og omfatte henholdsvis en teoretisk og litteratur baseret analyse af hypotese 1:

”Ulandsbistand i form af lån og økonomisk støtte til regeringerne i de afrikanske udviklingslande

har en positiv indflydelse på væksten i disse lande.”Opfattelsen af at ulandsbistand har en positive

indvirkning på væksten har været forholdsvis anerkendt siden Marshall hjælpens succes i

1950’erne, argumenterer Moyo5:

”In the absence of any significant domestic savings and lacking the physical and human capital to

attract private investments, foreign aid was seen as the only way to trigger higher investments,

which would thus lead to higher economic growth.”(Moyo 2009- s. 13).

Ulandsbistand har altså i mange år været anset som en hjælp mod lav økonomisk vækst ifølge

Moyo. Verdensbanken bruger også ordet vækst flere gange når de beskriver formålet med deres

arbejde, som bl.a. er at uddele ulandsbistand(World Bank, 2010). Dette viser, at den opsatte

hypotese har relevans og ikke blot er en personlig opfattelse. Dette støttes også af, at forholdet

mellem ulandsbistand og vækst er blevet diskuteret adskillige steder i litteraturen, hvilket vil fremgå

af den efterfølgende diskussion.

8.1.1 Skaber ulandsbistand vækst ifølge vækstteorierne?De næste kapitler vil indeholde en teoretisk analyse af hvorvidt ulandsbistand har en positiv

indflydelse på vækst. Vækstteorierne, som blev præsenteret i kapitel 7, vil indgå som teorien bag

denne analyse. Formålet med den teoretiske analyse er, sammen med den efterfølgende empiriske

og komparative analyse, at komme tættere på en be- eller afkræftelse af den opsatte hypotese.

8.1.1.1 Ulandsbistand skaber øget investeringer og dermed vækst

Argumentet for at bruge ulandsbistand til at øge væksten i udviklingslandene er ofte, at

ulandsbistand øger investeringerne og dermed øges væksten. Dette argument har især været

gældende siden Marshall hjælpen, hvilket fremgik af Moyos argumentation i et foregående kapitel.

Flere vækstteorier støtter også dette argument, hvilket vil fremstå af den efterfølgende diskussion.

Ifølge Harrod-Domar vækstteorien afhænger vækst af opsparing/investeringer og kapitalens

produktivitet (g = s/c, jfr. kapitel 7.1). Ifølge denne teori vil væksten kunne forbedres hvis et land

5 Marshall hjælpen var en slags ulandsbistand fra USA, som blev uddelt til 14 lande i Europa efter 2. verdens krig. 13 billioner US dollars blev i alt delt ud til de 14 lande i perioden 1948-1952. Hjælpen skulle bruges til at få landenes økonomi op og kører igen. Ifølge Moyo hjalp Marshall hjælpen med at få gang i væksten i Europa. (Moyo 2009- s. 12).

tilføres ulandsbistand, såfremt ulandsbistanden bruges på opsparing/investeringer (Thrilwall 1999-

s. 92-93).

Harrod-Domar vækstteori kan ud over at beskrive hvordan ulandsbistand kan skabe vækst også

bruges som planlægningsværktøj til bl.a. at bestemme hvor meget ulandsbistand et land skal have

tilført for at opnå en bestemt vækstrate. Hvis for eksempel det ønskes, at et land skal have en vækst

på 5% og landets kapital-output rate er 3 (= c) , så kan det via formlen g = s/c udregnes at landet

skal opspare 15% af deres BNP (15% / 3 = 5%). Hvis landet kun opsparer 10% af deres BNP, så vil

ulandsbistand kunne dække de sidste 5%. Dette vil ifølge Harrod-Domar vækstteori resultere i, at

landet opnår den ønskede vækstrate på 5% (Thrilwall 1999- s. 93). Dette tal eksempel fremgår af

figur 3, som tydeligt viser ulandsbistandens positive påvirkning på væksten, såfremt den bruges på

investeringer.

Figur 3: Ulandsbistandens indflydelse på væksten ifølge Harrod-Domar vækstteori

Kilde: Egen opstilling, på baggrund af Thrillwall’s tal eksempel (Thrillwall 1999- s. 93)

Verdensbanken og mange andre institutioner som uddeler ulandsbistand bruger ifølge William

Easterly logikken bag Harrod-Domar vækstteori, og dennes udvikling ”two gap model”, til at

beregne mængden af ulandsbistand, som de tildeler de enkelte lande. Udregningsmetoderne er dog

højst sandsynlig mere avanceret end præsenteret her (Easterly 1999). At institutionerne bruger

logikken bag Harrod-Domar viser, at de ville argumentere at ulandsbistand kan dække manglen på

investeringer og på den måde skabe vækst.

Lewis ”to-sektor model” kan også bruges som teoretisk forklaring på at ulandsbistand kan påvirke

væksten positiv. Hvis det antages at ulandsbistand, ligesom profit i Lewis model, bruges på

investeringer i industrisektoren, vil dette kunne påvirke væksten positiv. Øget investeringer vil

ifølge modellen resultere i at marginalproduktet for en given mængde af arbejdskraft vil stige, og

dermed vil det være muligt at tiltrække mere arbejdskraft fra den ifølge Lewis overbefolkede

landbrugssektor (jfr. figur 1, kapitel 7.2). Begge disse ting vil have en positiv effekt på

produktionen og dermed væksten. Overskuddet af arbejdskraft i landbrugssektoren vil dog være

begrænset, og når dette overskud slipper op, vil det manglede udbud af arbejdskraft presse lønnen

og dette vil mindske den mulige vækst. Ligesom ved Harrod-Domar vækstteori kan manglende

arbejdskraft sætte en stopper for væksten.

Ligesom ved de to foregående vækstteorier vil ulandsbistand kunne påvirke væksten positiv ifølge

den neoklassiske vækstteori, hvis bistanden bruges på investeringer i kapital.

Ulandsbistand/investeringer vil kun kunne gavne væksten på kortsigt ifølge den neoklassiske

vækstteori, da det blot vil medfører en stigning i ”steady-state” væksten (jfr. kap 7.3 og bilag 2).

Langsigtet vækst kræver ifølge den neoklassiske vækstteori en stigning i teknologi udviklingen, så

med mindre ulandsbistanden gavner dette, vil det ikke kunne påvirke den langt sigtede vækst.

En forudsætning for at ulandsbistand kan skabe vækst i både Harrod-Domar vækstteori, Lewis ”to-

sektor model” og den neoklassiske vækstteori er, at ulandsbistanden bruges på kapital

investeringer, hvilket ikke altid vil være tilfældet. Eksempelvis er nogle uviklingslande ifølge Moyo

så fattige, at der slet ikke er tilstrækkelige investeringsmuligheder, bl.a. fordi der ikke er

tilstrækkelig med uddannet arbejdskraft. I disse tilfælde vil ulandsbistanden derfor ofte gå til

forbrug i stedet for investeringer. Øget forbrug kan i nogle udviklingslande have en negativ

indflydelse på inflationen. Dette skyldes, at der er en større efterspørgsel efter den samme mængde

vare, fordi landene ikke kan producere mere (Moyo 2009- s. 64-65). Hvorvidt ulandsbistand faktisk

øger mængden af investeringerne og dermed væksten vil blive diskuteret senere ved hjælp af en

litteratur baseret analyse.

Ulandsbistand kommer ofte i udenlandsk valuta, og derfor vil det være nødvendig at omveksle

bistanden til den nationale valuta hvis bistanden skal bruges på nationale investeringer. Dette vil

medføre, at efterspørgselen efter deres nationale valuta stiger. Dermed vil den nationale valuta stige

i kurs, hvilket vil have en negativ indflydelse på landenes eksport. Dette pres på den nationale

valuta, som skyldes ulandsbistand, kaldes ”dutch disease”, og kan være skadeligt for væksten fordi

eksporten sænkes (Moyo 2009- s. 62-63). Landene kan også vælge ikke at omveksle

ulandsbistanden, men i stedet importere den ønskede kapital. Øget import vil dog have en negativ

indflydelse på betalingsbalancen, men import kan dog være nødvendig for at skabe vækst, hvilket

vil blive diskuteret i det næste kapitel.

8.1.1.2 Ulandsbistanden øger importen og dermed gavnes væksten.

I nogle udviklingslande vil væksten være begrænset på grund af manglende udenlandsk valuta, som

kan øge importen. Import giver mulighed for at investerer i kapital og vare, som ikke kan købes på

det nationale marked, men som kan være nødvendige for at øge produktionen. Import kræver

udenlandsk valuta, og da ulandsbistand ofte kommer i udenlandsk valuta, vil bistanden kunne

muliggør en ønsket stigning i import.

Konsekvenserne af manglende import blev diskuteret i Chenery og Strouts ”two gap model” i

kapitel 7.1.1. I denne model blev manglen på import betegnet som et ”import-export gap”, som bl.a.

kan udfyldes ved at øge eksporten eller ulandsbistanden. Ifølge Todaro et al. er manglen på

udenlandsk valuta til at øge importen faktisk et større problem end manglen på opsparing i de fleste

udviklingslande. Todaro et al. argumenterer, at udviklingslandene ofte har overskud af arbejdskraft,

som gør det muligt at tjene på nye investeringer. Ofte er det blot ikke muligt at lave de nødvendige

investeringer, fordi det ikke er muligt, at købe den nødvendige kapital i hjemlandet, og mangel på

udenlandsk valuta gør, at landene heller ikke kan importere den nødvendige kapital(Todaro et al.

2003- s. 655). Ulandsbistand kan hjælpe på dette problem, men ifølge Thrilwall er det kun muligt at

skabe øget vækst via øget importeret kapital hvis:

∆D > srD

” D” definere gæld til udlandet, ”s” definere tilbøjeligheden til at spare op og ”r” er renten på

gælden. Hvis stigningen i gælden (eks. stigningen i ulandsbistanden) er større end den del af

udgifterne på den tidligere gæld der ellers ville være opsparet, så vil landet kunne øge væksten ved

at øge gælden og dermed øge importen. Hvis eksempelvis ∆D = 100$ og srD= 50$, så mister landet

50$ som de skal betale i rente, men som ellers ville være blevet sparet op og dermed gået til

investeringer. Samtidig øger landet dog investeringerne via import med 100$ og dermed vil væksten

kunne stige mere end hvis de ikke lånte pengene. Dette er forudsat at gælden/ulandsbistanden

bruges på at importere kapital som styrker væksten og at ulandsbistand er i form af lån. Er det hele

støtte, vil rente begrebet jo ikke være inkluderet (Thrilwall 1999- s. 375).

Ovenstående betingelse (∆D > srD) er udledt af følgende formel, hvor O svare til produktionen og σ

definere kapitalens produktivitet:

∆O/O = σ*(s +((∆D – srD)/O))

Betingelse ∆D > srD er forholdsvis svær at opfylde med mindre at der skabes ny gæld der mindst

svare til rentebetalingen. Hvis s < 1, hvilket vil være meget normal, ses det af ovenstående formel at

væksten med importeret kapital altid vil være højre end væksten skabt blot med opsparing, hvis ∆D

=rD. Blev et land ved med hele tiden at forøge sin gæld med lige så meget som den skal betale i

rente, vil landet dog til sidst blive erklæret ikke kreditværdig og landet vil få svært ved at låne

yderligere. Det vil derfor ikke være muligt at øge væksten på lang sigt på denne måde. Øget import

vil som nævnt tidligere også have en negativ indflydelse på betalingsbalancen.

Hvis den øgede import pga. ulandsbistand indeholder ny teknologi og dermed kan forbedre

teknologiniveauet i udviklingslandene, vil det ifølge den neoklassiske vækstteori kunne gavne den

langsigtede vækst. Ifølge denne teori er den langsigtede vækst afhængig af arbejdsstyrker og deres

produktivitet, som afhænger af teknologien.

8.1.1.3 Ulandsbistand giver regeringen bedre mulighed for at øge væksten

Ulandsbistand giver regeringen flere penge, som kan bruges på at investere. Effekten af disse

investeringer er diskuteret i kapitel 8.1.1.1, men offentlige investeringer har også den fordel, at de

kan gå til projekter, som ikke vil være fordelagtige for private virksomheder at investere i.

Offentlige investeringer kan støtte hele samfundet, og kan hjælpe private med at opnå en bedre

profit. Eksempelvis kan offentlige investeringer gå til infrastruktur eller støtte opstarten af

forskellige industrier, som kan være vigtigt for væksten.

Offentlige investeringer kan være en nødvendighed for at sætte væksten i gang, hvilket blev

diskuteret i Paul Rosenstein-Rodan’s ”Big Push” model(jfr. kap 7.5). Det blev diskuteret i kapitel

7.5, at der er en masse koordinations fejl i udviklingslandenes økonomier, som står i vejen for

væksten. Hvis ulandsbistand antages at øge de offentlige investeringer, vil dette kunne hjælpe med

at løse disse fejl, og dermed sætte gang i væksten ifølge Rosenstein-Rodan.

Barros endogene vækstteori støtter Rosenstein-Rodans ”big-push” model. Ifølge Barros teori, som

blev diskuteret i kapitel 7.4.3, har regeringsudgifter indirekte en positiv effekt på kapitalens

marginalprodukt, og dermed gavnes væksten positivt. Øget regeringsudgifter kan ifølge denne teori

også have en direkte negativ effekt på væksten, hvis skatten er blevet øget samtidig. Hvis øget

regeringsudgifter skyldes ulandsbistand i form af støtte vil det dog ikke være nødvendigt at øge

skatten.

8.1.2 Litteratur studie angående ulandsbistandens påvirkning på vækstenDen opsatte hypotese angående ulandsbistandens positive indvirkning på væksten, vil blive

analyseret yderligere i de næste to kapitler ud fra empiriske undersøgelser og litteratur studie.

Denne analyse vil fungere som bidrag til den teoretiske analyse, for på den måde at få et bedre

billede af den hypotetiske påstand.

8.1.2.1 Skaber ulandsbistanden øget investeringer og dermed vækst?

Mange af de gennemgåede vækstteorier tydede på, at hvis ulandsbistand øger investeringerne i et

land, ville dette have en positiv effekt på væksten. Dette blev bl.a. argumenteret i Harrod-Domar

vækstteori, den neoklassiske vækstteori og ”two-gap model”. Adskillige empiriske undersøgelser

har analyseret på denne sammenhæng mellem ulandsbistand, investeringer og vækst, og resultaterne

har ikke været helt overensstemmende.

Henrik Hansen og Finn Tarp fra København universitet analyserede i 1999 på sammenhængen

mellem ulandsbistand, investeringer og vækst via nogle regressionsanalyser. De brugte data fra 56

lande, hvoraf flere af landene var afrikanske udviklingslande (brugte 46 lande når menneskelig

kapital tages med i regressionen). For at analyser på den givne sammenhæng vurderer Hansen et al.,

at det er nødvendigt både, at analysere om investeringer har en positiv indflydelse på væksten, og

om ulandsbistand øger mængden af investeringer. Disse to sammenhænge analyseres via to adskilte

regressionsanalyser (Hansen et al. 2001).

Nationale investeringer, investeringer fra udlandet og en måling af menneskelig kapital, blev alle tre

medtaget som måling for et lands samlede investeringer. Både nationale investeringer og FDI har

ifølge Hansen et al. en positiv indvirkning på væksten. Menneskelig kapital er signifikant ud fra en

GMM regression, men ikke signifikant ud fra en OLS regression6. I kapitel 8.4 vil menneskelig

kapital og vækst blive diskuteret nærmere. Det vigtigste i denne sammenhæng er at nationale

investeringer vurderes til, at have en positiv indvirkning på vækst.

Ulandsbistand vurderes i en særskilt regressionsanalyse til, at have en positiv indflydelse på

mængden af nationale investeringer. Dette sat sammen med, at nationale investeringer påvirker

væksten gør, at det ifølge Hansen et al. ikke kan afvises at ulandsbistand har en positiv indflydelse

på væksten. Deres undersøgelse viste dog, at der er faldende afkast på ulandsbistand. Dette betyder

at ulandsbistand vil have mest indflydelse på væksten i starten, og at lande vil kunne nå et punkt

hvor en stigning i ulandsbistand ikke længere vil kunne øge væksten.

Hansen et al. konkludere dog, at det vil kræve flere undersøgelser førend ulandsbistandens

indvirkning på væksten helt kan fastlægges, og førend resultaterne i deres undersøgelse bør indgå i

politiske beslutninger. Dette skyldes, at i deres vurdering af nationale investeringers indflydelse på

vækst, har de brugt logaritmen til nationale investeringer relativ til BNP som uafhængig variabel.

Resultatet er altså påvirket af dette valg, og kunne se anderledes ud hvis der bruges en anden måling

for nationale investeringer. Det skal også kommenteres, at både Hansen og Tarp var ansat i DERG

instituttet7 på København Universitet da de skrev artiklen. DERG har i dag et samarbejde med bl.a.

Danida, som står for den danske ulandsbistand(DERG, 2010; UM, 2009). Havde DERG også dette

samarbejde da undersøgelsen blev udført, kan dette evt. have farvet artiklen, da DERG kan have

haft interesse i at få ulandsbistand til at fremstå positivt.

William Easterly, økonomi professor ved New York Universitet, har gennem flere år været stor

modstander af ulandsbistand, og modsat Hansen et al. mener han ikke, at ulandsbistand øger

væksten. I en artikel fra 2003 tester Easterly ligesom Hansen og Tarp både sammenhængen mellem

investeringer og vækst og mellem ulandsbistand og investeringer. Easterly bruger data fra 88 lande,

som har modtaget ulandsbistand, og dataene er indsamlet for perioden 1965-1995 (Easterly 2003).

Sammenhængen mellem investeringer og vækst tester Easterly på en lidt anden måde end Hansen et

al, hvilket kan have betydning for deres forskellige resultat. Easterly tester kapital-output raten som

svare til ”c” i Harrod-Domar vækstteori. Kapital-output raten ligger normal mellem 2 og 5 ifølge

Easterly, og en for høj kapital-output rate betyder, at kvaliteten af investeringer er dårlig, fordi

væksten ikke påvirkes særlig meget. I hans undersøgelse konkluderer Easterly, at kun 4 ud af de 88

6 OLS og GMM er to forskellige typer af regressionsanalyser. 7 Development Economics Research Group (DERG).

lande har en kapital-output rate mellem 2 og 5, hvor resten vurderes at være højere. Dette betyder

ifølge Easterly, at investeringer ikke har særlig stor indflydelse på væksten i udviklingslandene.

Easterly finder ingen positiv sammenhæng mellem ulandsbistand og investeringer. Dette skyldes

ifølge Easterly, at initiativet for at investere er lavt i udviklingslandene, fordi der ikke er nok

profitable investeringsmuligheder. Ulandsbistand kan ifølge Easterly ligefrem have en negativ

indflydelse på mængden af investeringer på grund af et fænomen, som han kalder ”samaritanerens

dilemma”. Hvis modtageren af ulandsbistand har den opfattelse, at hvis de fastholder deres lave

vækst rate vil de få tilført yderligere ulandsbistand i fremtiden, så vil ulandsbistand kunne have en

negativ indflydelse på initiativet til at investere. Ifølge Easterly vil ulandsbistand på grund af

ovenstående årsager gå til forbrug i stedet for investeringer.

Ulandsbistand har altså ifølge Easterly ikke en positiv indflydelse på væksten, hvilket han

understreger med et tal eksempel fra Zambia. Hvis Zambia havde brugt alt den ulandsbistand de

havde fået siden 1960 på investeringer, og hvis alle investeringer var blevet omsat til vækst, så ville

Zambia have haft en BNP pr indbygger på ca. 20.000 US dollars i starten af 1990’erne. I stedet

have Zambia en BNP pr indbygger på under 500 US dollars i starten af 1990’erne. Det skal dog

nævnes at Zambia også er en af de mere ekstremme eksempler ud af de 88 lande.

8.1.2.2 Marshall hjælpen virkede jo… men ulandsbistand skaber blot afhængighed

Tidligere i opgaven blev det kort nævnt, at Marshall hjælpen, og dennes positive indvirkning på

opbygningen af Europa efter anden verdenskrig, ofte bruges som argument for, at ulandsbistand

gavner investeringer og dermed vækst. Dambisa Moyo tvivler ikke på at Marshall hjælpen skabte

vækst i Europa, men hun argumenterer for adskillige årsager til hvorfor Marshall hjælpen og

ulandsbistand til de afrikanske lande ikke kan sammenlignes. Moyo mener altså ikke, at bare fordi

Marshall hjælpen virkede, at så vil ulandsbistand også virker (Moyo 2009- s. 35-37).

Moyos ene argument er, at Marshall hjælpen bl.a. blev brugt på genopbygningen af infrastrultur,

virksomheder og juridiske og sociale institutioner, som Europa havde haft før krigen. I Afrika skal

ulandsbistanden bruges på, at opbygge virksomheder og institutioner helt fra bundet af, hvilket er

betydeligt svære end at genopbygge noget, som tidligere har været velfungerende.

Moyo fastslår flere steder i sin bog, Dead Aid, at en af de helt store problemer ved ulandsbistand er

at modtager landene bliver afhængige. Marshall hjælpen havde fra starten af et slut tidspunkt.

Modtageren af hjælpen vidste at de kun ville modtage penge i fem år. Ulandsbistanden til gengæld

bliver af mange modtager lande set som en permanent og pålidelig indkomstkilde ifølge Moyo.

Dette betyder, at modtager landenes regering ikke har noget initiativ til at lave fremtidsplaner og

søge alternative indkomstkilder, fordi de ved at ulandsbistanden kommer lige meget hvad. Denne

mangel på initiativ til selv at gøre noget skaber en afhængighed af ulandsbistand, og er medvirkende

til, at landene ikke oplever vækst. Marshall hjælpen gik primært til at genopbygge fysisk

infrastruktur, hvorimod ulandsbistand går til mange sektor bl.a. infrastruktur, uddannelse, militær

og sundhedssektoren. Den store spredning af ulandsbistand gør ifølge Moyo blot afhængigheden

større.

Moyo påpeger også, at ulandsbistand resulterer i, at modtager landene er mindre afhængige af andre

indtægtskilder som eksempelvis skat. Mindre skat er ikke nødvendigvis godt, fordi det nedbryder

forholdet mellem regeringen og befolkningen. Folk der betaler skat vil have noget igen, hvilket er

en sund balance at få opbygget i lande der ønsker økonomisk vækst. Dette er altså endnu en

forklaring på, hvorfor ulandsbistand ikke skaber vækst i de afrikanske uviklingslande ifølge Moyo

(Moyo 2009- s. 66).

Dambisa Moyo og hendes bog ”Dead Aid” er flere gange blevet refereret til indtil nu, og derfor vil

det være på sin plads at komme med lidt kort kildekritik af bogen. Moyo har en PhD i økonomi fra

Oxford universitet og har bl.a. arbejdet for Goldman Sachs8, hvilket giver hende en god baggrund

for at skrive denne bog(Moyo 2009). Moyos argumenterer i bogen kan dog til tider godt virke en

smule overdrevne, hvilket bogen bl.a. også bliver kritiseret for i en artikel i ” The Economist” (The

Economist 2009). En artikel fra The Guardian kritiserer også bogen for at generalisere meget, og

komme med overfladisk delkonklusionen, som ikke rigtig bygger på meget argumentation (The

Guardian,2009). Værende en sort afrikansk kvinde er Moyo dog en ny og velkommen deltager i

debatten omkring ulandsbistand, som meget har været domineret af hvide mænd fra vesten,

argumenterer ”The Economist”.

Tomi Ovaska, professor i Økonomi fra Regina Universitet, finder i en undersøgelse med data fra 86

lande indsamlet i perioden 1975-1998, en negativ sammenhæng mellem ulandsbistand og vækst.

Ovaska holder med Dambisa Moyo, og argumenterer også at ulandsbistand skaber afhængighed og

at modtager landenes regeringer mister initiativ til selv at investere og gøre noget for at skabe

vækst. Som argument for hvorfor udviklingslandene mister initiativ til selv at gøre en forskel bruger

Ovaska samme argument som William Easterlys tidligere nævnte ”samaritanerens dilemma”,

8 Goldman Sachs , USA's største investeringsbank (dr.dk, 2008)

nemlig at udviklingslandene har den holdning, at hvis de gør noget for at forbedre væksten for de

blot mindre i ulandsbistand (Ovaska 2003).

8.1.3 Delkonklusion på hypotese 1, ulandsbistandDen hypotetiske antagelse om at ulandsbistand har en positiv påvirkning på væksten i de afrikanske

udviklingslande, er blevet analyseret i de foregående kapitler. Teoretisk er der meget der taler for, at

hvis ulandsbistand bruges på investeringer, vil dette have en positiv indflydelse på væksten. Ses der

på litteraturen og de empiriske undersøgelser nævnt i det ovenstående står det dog ikke nær så klart

hvorvidt hypotesen bør be- eller afkræftes. Denne forskel kan skyldes, at den teoretiske analyse er

bygget på antagelsen om, at ulandsbistand bruges på investeringer, men ud fra de empiriske

undersøgelser medtaget i denne analyse kan det diskuteres hvorvidt dette sker i virkeligheden. Der

er rigtig meget kritik af ulandsbistanden, og det skal nævnes, at Hansen og Tarp, som i deres

undersøgelse argumenterer, at ulandsbistand har en positiv indvirkning væksten, kan have haft en

personlig interesse i denne konklusion, som kan have påvirket deres resultat. Hvis ulandsbistand

ikke øger investeringer i virkeligheden, bl.a på grund af korruption, vil der ikke være meget i

vækstteorierne der taler for en bekræftelse af hypotesen. Umiddelbart vil det kræve en nærmere

analyse af hvorvidt ulandsbistand faktisk bruges på produktive investeringer, førend en be- eller

afkræftelse af hypotesen kan nærmes yderligere. Dette vil bl.a. kræve en nærmere analyse af

regeringerne og korruptions-mængden i de enkelte lande, hvilket ikke vil indgå i denne rapport.

8.2 Mikrokredit – en kort beskrivelseDe næste kapitler vil indeholde en analyse af hypotese 2: ”Ulandshjælp i form af støtte af

mikrokredit institutter i de afrikanske udviklingslande har en positiv indflydelse på væksten i disse

lande.” Et af målene med mikrokredit er at skabe vækst, hvilket bl.a. fremgår af Thomas Dichters

artikel:

“A major aim of the microfinance movement is to provide funds for investment in microbusinesses,

thus lifting people out of poverty and promoting economic growth.”(Thomas Dichter 2007- s. 1).

Thomas Dichter har bl.a. skrevet bogen ”Despite Good Intentions: Why Development Assistance to

the Third World Has Failed”, og hans ovenstående argument, ligger grobund for den opsatte

hypotese.

Ifølge Rajdeep Sengupta, økonom, og Craig P. Aubuchon, researce associate at Federal Reserve

Bank of St. Louise, omfatter mikrokredit små lån til meget fattige personer, som er blevet ignoreret

af de kommercielle banker, fordi de ikke ejer noget, som de kan stille som sikkerhed for lånet.

Denne betegnelse af mikrokredit vil blive brugt i denne rapport, med mindre andet er nævnt. Ifølge

Sengupta et al. går lånene oftest til kvinder, og oftest er lånene kun på 100$ eller mindre (Sengupta

et al. 2008- s. 9,24). Mikrokredit er en del af en bredere betegnelse kaldet mikrofinansiering som

omfatter både opsparings muligheder, forsikring og penge overførsels tilbudt til fattige

personer(Rosenberg 2010- s. 1). Som det fremgik af Dichters ovenstående citat er et af de store mål

med Mikrofinansiering, og dermed også mikrokredit, at lånene bruges på til at finansiere

mikrovirksomheder (Thomas Dichter 2007- s. 1).

Carmelita Riofrio er kvinden bag en af mikrokredits succes historier. Hun arbejde oprindeligt som

lærer og lavede sko som en side beskæftigelse for at tjene lidt ekstra. Med et mikrokredit lån på

950US$ droppede hun sin lærer stilling og starte en sko virksomhed. Tre år efter havde

virksomheden over 20 medarbejder og producerede mellem 300 og 400 par sko om ugen (Prystay

1996). Ofte er lånebeløbene dog meget mindre, og bruges eksempelvis på at købe en ovn så

låntagerne kan begynde at sælge mad eller købe høns så låntagerne kan sælge æg (Thrilwall 1999-

s. 339).

I 2006 modtog Grameen Banken og dennes grundlægger professor Muhammad Yunus Nobels

fredspris, årsagen blev udtrykt på følgende måde :

”For their efforts through microcredit to create economic and social development from below.”

(Nobel 2006)

Grameen banken blev oprettet i 1983 og var en af pionererne bag mikrokredit. Banken opererer i

Bangladesh, og har i dag næsten 8 millioner medlemmer hvoraf 97% er kvinder(Grameen 2009).

Banken har fundet en måde hvor på de kan låne penge til de helt fattige uden at de fattige behøves

stille sikkerhed for lånet. Deres lånemetode går ud på, at de tager ud til de små fattige landsbyer og

sammensætter grupper af fem personer, som alle ønsker at låne penge. Til at starte med er det kun

to ud af de fem som får lov at låne penge. Hvis disse to personer betaler lånet tilbage inden 50 uger,

får de andre gruppe medlemmer lov til at låne penge. Bliver lånene ikke betalt tilbage, kan ingen af

de fem personer låne penge i fremtiden. På denne måde bruger banken det kollektive ansvar, som

gruppemedlemmer har overfor hinanden, som sikkerhed for lånet (Grameen 2010).

Der er udviklet mange forskellige måder at låne penge til de fattige uden, at de fattige skal stille

sikkerhed for lånet, og ikke alle institutter følger Grameen bankens metode (Grameen 2010a). I

Sydafrika er der bl.a. en ”Start-up Fund”, som sender sine medlemmer igennem et træningskursus

inden de får lov at låne penge. Dette gøres for at sikre en bedre tilbagebetaling, og sikre at

låntagerne præsterer bedst muligt med det lån de får (Thrilwall 1999- s. 339-340).

Hvor mange mikrofinansierings institutter(MFI) der findes i verden er ikke blevet gjort endeligt op,

men ifølge Sengupta et al. antages det, at der findes mellem 1000 og 2500 institutter. Disse

institutter har tilsammen omkring 67,6 millioner medlemmer og er tilstede i over 100 lande

(Sengupta et al. 2008- s. 20-21). Ifølge MIX9 havde MFI’erne i Afrika kun ca. 6,7 millioner lånere i

2008, hvilket ikke er meget set i forhold til at eksempelvis Bangladesh havde 21,2millioner lånere i

samme år (MIX 2008a, MIX 2008b).

Hvorfor lånes der oftest til kvinder? Ifølge Sepgupta et al. er kvinder mere risikoavers når det

kommer til valg af investerings projektor. Derudover anses kvinder også for at gå mere op i at få

omverdenens accept, og de er mindre mobile end mænd, hvilket gør det nemmere at holde øje med

dem. Disse ting gør, at kvinder er mere eftertragtede som lånemodtagere end mænd. En

undersøgelse fra Asien og Latin Amerika viste også ifølge Sengupta et al, at kvinder har en

signifikant højre tilbagebetalings procent end mænd. En anden undersøgelse af Goetz og Gupta fra

1996 argumenterede dog ifølge Sengupta et al. for, at det var mændene der havde kontrollen over de

lånte penge, trods at det var kvinderne der lånte pengene(Sengupta et al. 2008- s. 24).

Mikrofinansierings institutter kan være ikke statslige organisationer, men de kan også være ejet af

staten. MFIer kan også være ejet af medlemmerne eller kan styres gennem kommercielle banker

(CGAP 2010a). Dele af verdens ulandbistand går også til støtte af MFI’er. Bl.a. støtter USA

gennem deres ulandsbistand MFI’er over hele verden, og verdens banken støtter bl.a. CGAP(The

Consultative Group to Assist the Poorest), som støtter udbredelsen af finansielle servicer i

udviklingslande (USAID 2009, World Bank 1).

8.2.1 Skaber mikrokredit vækst ifølge vækstteorierneVækstteorierne fra kapitel 7 vil i dette kapitel blive inddraget for, at vurdere om mikrokredit ud fra

et teoretisk synspunkt bør have indflydelse på væksten i de afrikanske udviklingslande. I forrige

kapitel blev det nævnt, at et af de store mål med mikrokredit er at finansiere mikrovirksomheder.

9 MIX, Microfinance Information eXchange, en organisation der samler data fra MFI’er i hele verden (MIX 2010).

Lånetagerne låner ikke til forbrug, men låner for at skabe selv-beskræftigelse, fremgår det af

Grameen bankens hjemmeside(Grameen 2010b).

Hvis det antages at mikrokredit lånene bruges på investeringer i mikrovirksonheder, vil det ofte

betyde, at pengene bruges på investeringer i kapital. Sådanne investeringer vil ifølge Harrod-Domar

vækstteori have en positiv indflydelse på væksten på kort sigt (jfr. kap 7.1). Ifølge den neoklassiske

vækstteori vil investeringer i kapital heller ikke have betydning for den langsigtede vækst raten,

men det vil være med til at forøge ”steady state” ligevægts vækstraten, og vil altså påvirke væksten

positiv på kort sigt (jfr. bilag 2). Romers endogene vækstteori viser også, at øget kapital i den

enkelte virksomhed kan påvirke væksten positivt, fordi deres produktion stiger (jfr. kap 7.4.1). Øget

kapital vil også via en ”spillover” effekt påvirke den samlede teknologi der er til rådighed, og

dermed påvirke væksten hos andre virksomheder, fordi de kan lærer af denne teknologi. Dette

betyder, at øget kapital kan påvirke væksten på lang sigt ifølge Romer.

Som nævnt tidligere er et mål med mikrokredit at det skaber selv-beskæftigelse, og dermed får flere

et arbejde. Hvis mikrovirksomhederne udvides er der også mulighed for at disse virksomheder kan

ansætte medarbejdere. Hvis det antages at mikrokredit på denne måde har en positiv indflydelse på

antallet af personer der har et arbejde, vil det ifølge både de endogene vækstteorier og den

neoklassiske vækstteori have en positiv indflydelse på væksten. Dette ses i den neoklassiske

vækstteori ved at ”N” ,som definerer antallet af arbejdere, stiger, og fordi produktion pr effektive

arbejder(AN) er konstant, vil en stigning i N øge den samlede produktion. I eksempelvis Romers

endogene vækstteori har mængden af arbejdskraft(L) samme effekt som mængden af kapital,

beskrevet i det ovenstående.

Hvis de i dette kapitel opsatte antagelse holder stik i virkeligheden, vil mikrokredit ud fra et

teoretisk synspunkt have en positiv effekt på væksten. Spørgsmålet er blot om mikrokredit i

virkeligheden bruges på investeringer og om flere får et arbejde. Som det vil fremgå af

efterfølgende diskussion er der nogen som argumenterer at mikrokredit blot bruges på forbrug,

hvilket ifølge de gennemgåede vækstteorier ikke vil påvirke væksten positiv. Hvad mikrokredit

egentlig bruges til, og om det skaber vækst vil blive diskuteret yderligere i næste kapitel.

8.2.2 Litteraturstudie angående mikrokredits påvirkning på vækstDe næste kapitler vil diskutere mikrokredit og dennes påvirkning på væksten ud fra et litteratur

studie og forskellige empiriske undersøgelse. Dette vil indgå som en vigtig del af analysen af

hypotese 2.

8.2.2.1 Mikrokredit påvirkning på produktion, indkomst og beskæftigelsen

Shahidur R Khandker, Hussain A. Samad og Zahed H. Khan har lavet en analyse af mikrokredits

indflydelse på produktion, indkomst og beskæftigelse i landsbyerne i Bangladesh. Dataene blev

indsamlet i 1991-92 og indeholdte data fra 1798 husstande fordelt på 87 landsbyer. Mange tidligere

analyser af mikrokredit målte kun effekten på husstandene som deltog i mikrokredit programmerne.

Khandker et al. analyserede i stedet for effekten af mikrokredit på hele landsbyen, både dem der

låner penge via mikrokredit og dem der ikke gør, men bor i en landsby hvor der er mikrokredit

programmerne til stede. Ifølge Khandker et al. kan tilstedeværelsen af mikrokredit programmer

have både positiv og negativ indflydelse på de beboere i landsbyen som ikke låner penge. Derfor

vurderer Khandker et. al, at effekten af mikrokredit skal vurderes ud fra effekten på hele landsbyen

og ikke blot effekten på lånemodtagerne (Khandker et al. 1998).

Mikrokredit har ifølge Khandker et. al’s undersøgelse en positiv påvirkning på både produktionen,

indkomsten og beskæftigelsen i landsbyerne. Dette resultat skyldes ifølge Khandker et al., at

mikrokredit giver lånerne mulighed for selv-beskæftigelse. De får altså mulighed for at lave deres

egen lille virksomhed frem for måske at have et lønnet job eller være arbejdsløs. Indkomsten ved

selv-beskæftigelse er ifølge denne undersøgelse højre, og flere små virksomheder øger den samlede

produktionen. Øget selv-beskæftigelse gør også, at flere lønnede jobs bliver ledige, hvis dem der

starter op for sig selv havde et lønnet job før. Disse ekstra lønnede job kan evt. overtages af

arbejdsløse, som ikke deltager i mikrokredit programmet. Dermed er flere folk i arbejde, hvilke

gavner produktionen og indkomsten i landsbyen. Ifølge Khandker et al. er dette blot en af de mulige

positive effekter som mikrokredit programmerne har på dem der ikke deltager.

Mange mikrokredit programmer har tilhørende træningskursus, som folk deltager i inden de

modtager lånet. Personer som ikke låner penge, kan godt have deltaget i disse træningskursus

alligevel, hvilket kan gavne deres produktivitet og dermed væksten i landsbyen. Dette er endnu en

af de positiv effekter, som mikrokredit programmer kan have på folk der ikke låner penge ifølge

Khandker et al.

Khandker et al. argumenterer dog også, at mikrokredit kan have en negativ effekt på folk der ikke

låner penge, og dermed kan mikrokredit overordnet set have en negativ heller ingen effekt på

produktionen og indkomsten i landsbyerne. Dette sker, hvis mikrokredit ender med at have den

effekt, at indkomsten og produktionen i landsbyerne blot skifter hænder. Hvis landsbyen ikke

oplever en høj nok vækst til at kunne købe den øgede produktion, som opstår på grund af øget selv-

beskæftigelse, så kan det ende med, at mikrokredit lånerne blot tager kunder fra allerede etablerede

sælgere i landsbyerne. De etablerede sælgere kan blive udkonkurreret, fordi de ikke lånte penge og

dermed måske har knap så meget kapital til at klare konkurrencen med. Hvis dette sker, vil

mikrokredit blot flytte rundt på indkomsten og produktionen, og i værste fald have ingen eller

negativ effekt på disse faktorer. Khandker et al.’s undersøgelse vidste dog ikke tegn på dette,

hvilket altså må skyldes at væksten, trods den var lav, må have været høj nok til at undgå dette

problem. Bangladesh vækst i BNP var i 1991 og 1992 henholdsvis 3% og 5%(WDI 1). Den

gennemsnitlige vækstrate(stigning i BNP) i de subsahara afrikanske lande var 5,8% i 2008, hvilket

altså ifølge Khandker et. al’s undersøgelse tyder på, at være højt nok til at undgå at indkomsten og

produktionen blot flyttes rundt (World Bank 2008). Enkelte af de subsahara afrikanske lande har

dog ikke så høj vækstrate, bl.a. havde Zimbabwe og Eritrea en stigning i BNP i 2008 på henholdsvis

-5,3% og -1% (World Bank 2008). På baggrund af ovenstående, vil der altså være risiko for, at

mikrokredit i disse lande blot vil resultere i, at indkomsten og produktionen skifter hænder. Der ud

over er det også langt fra sikkert at landenes vækstrate er ens i alle markeder/landsbyer.

Khandker et al.’s undersøgelse tyder altså på, at mikrokredit kan have en positiv effekt på væksten

via produktions stigning i de deltagende landsbyer, og dette vil kunne have en positiv effekt på

landets samlede vækst.

Bangladesh er ikke Afrika, og derfor kan det diskuteres hvorvidt resultaterne i Khandker et al.’s

undersøgelse kan bruges til at vurdere mikrokredit programmer i Afrika. Bangladesh er ligesom 33

af Afrikas lande en del af en gruppe lande kaldet ”Least developed countries”(LDC), som er en

kategorisering af de mindst udviklede lande lavet af FN(UN 1). Om et land hører til denne kategori

bliver målt ud fra en række forskellige kriterier som vurderer landets BNI, menneskelige kapital og

økonomiske stabilitet (UN 2). At Bangladesh hører til denne gruppe af lande, gør at Khandker et

al’s undersøgelse bliver mere relevant at overføre til Afrika, da det betyder, at Bangladesh og 33 af

de afrikanske lande klarer sig nogenlunde lige dårligt på en række kriterier, som kan antages at være

relevante for effekten af mikrokredit programmer. Det underbygges også af, at Bangladesh også er

en af lav-indkomst landene efter Verdensbankens opdeling (World Bank 2).

Det kan også diskuteres hvorvidt en undersøgelse baseret på tal fra 1991/92 er relevant i dag, men

bl.a. i 2002 brugte Signe-Mary Mckernan, Ph.d. i økonomi fra Brown universitet, de samme data i

hendes analyse af Selv-beskæftigelses profit i bangladesh. Mckernan må altså have vurderet, at

dataene i hvert fald i 2002 stadig var relevant (McKernan 2002). Det er dog stadig gammelt data,

men det vigtigste at få ud af khandker et al.’s undersøgelse er blot, at der er ifølge dem er blevet

registreret en positiv indflydelse af mikrokredit på væksten.

Det skal også kommenteres at alle tre analytikere bag ovenstående undersøgelse arbejdede for

Verdensbanken. Det kan antages at dette har haft indflydelse på resultatet, selvom de dog selv

skriver i artiklen, at Verdensbankens syn på emnet ikke har spillet ind(Khandker et al. 1998).

8.2.2.2 Fattige er ikke rigtige entreprenører

Mikrokredit gør det muligt for fattige at investere i mikrovirksomheder, som kan hjælpe dem selv

ud af fattigdommen og støtte landets økonomiske vækst. Som nævnt tidligere er dette i hvert fald et

af målene, men Thomas Dichter, som siden 1964 har arbejd for adskillige institutter som støtter

udvikling bl.a. Verdensbanken, mener dog ikke at dette er tilfældet. De fleste mennesker, og

dermed også de fleste fattige mennesker, er ikke entreprenører ifølge Dichter. Dichter går imod

Khandker et el. og argumenterer, at langt de fleste mikrokredit lån ikke fører til bæredygtige

virksomheder som kan støtte væksten. Dichter argumenterer, at historisk set kom kredit efter eller

på samme tid som væksten i verdens nu udviklede lande. Dette betyder, at det altså ikke var kredit

som skabte økonomisk vækst i disse lande. Langt de fleste opstart af virksomheder sker ved

opsparing eller uformelle lån fra bl.a. venner eller familie ifølge Dichter, og altså ikke fra små lån i

banken (Thomas Dichter 2007).

Aneel Karnani, Michigan Universitet, er enig med Dichter i, at langt de fleste mennesker ikke er

entreprenører, og at mikrokredit derfor ikke vil fører til virksomheder, som kan påvirke væksten

positivt. Mikrokredit kan godt fører til selv-beskæftigelse, men låntagerne udfører blot overlevelses

aktiviteter, og de er ikke konkurrencedygtige, kreative eller innovative, som rigtige entreprenører er.

Derudover er mikrovirksomheder for små, har ofte ingen lønnede ansatte, har få aktiver og ingen

stordriftsfordele. Mikrovirksomhederne er mere et spørgsmål om overlevelse end det at være en

virksomhed. Disse argumenter er ifølge Karnani årsag til, at mikrokredit ikke vil have den store

indflydelse på fattigdommen og væksten i de afrikanske udviklingslande. Karnani argumenterer

også, at det egentlig ikke er så mærkeligt, at der ikke er så mange rigtige entreprenører blandt de

fattige. Selv i de udviklede lande, hvor forholdene er meget bedre til at starte virksomheder op, er

kun ca. 10% entreprenører, resten er lønnede arbejdere (Karnani 2009).

Både Karnani og Dichter er også enige om, at det ville være bedre at støtte oprettelse af store

moderne virksomheder, som kunne ansætte folk, i stedet for at hjælpe med at gøre folk selv-

beskæftigede. Deres opfattelse er, at lønnede arbejdspladser vil være bedre for økonomien. Karnani

argumenterer, at det eksempelvis vil være bedre at støtte oprettelsen af en tøj producent, som kunne

ansætte 500 medarbejder, end det ville være at give alle 500 et mindre beløb til at købe en

symaskine. Store virksomheder kan opnå stordirftfordele og udnytte moderne produktions

processor, hvilket gavner landet mere end 500 personer med hver deres mikrovirksomhed (Karnani

2007). Karnani argumenterer også, at væksten har været vedvarende lav i eksempelvis Bangladesh

og Bolivia, som ellers var de to lande der pionerede indenfor mikrokredit. Eksempelvis er

Bangladesh er stadig blandt de mindst udviklede lande(LDC), trods meget mikrokredit (UN 1). Der

imod har Kina, Vietnam og Syd korea oplevet hurtig vækst, hvilket ifølge Karnani skyldes

investering i moderne entreprenør virksomheder (Karnani 2009).

Aneel Karnani argumenterer dog, at mikrokredit medfører nogle ikke økonomiske fordele.

Undersøgelser har vist tegn på, at mikrokredit bl.a. øger kvinders selvtillid, forhandlingskraft i

hjemmet og opmærksomhed på sociale og politiske emner. (Karnani 2007)

8.2.2.3 Mikrokredit bruges blot på forbrugs udligning, ikke investeringer

Både Aneel Karnani og Thomas Dichter argumenterer også i deres artikler, at meget mikrokredit

bliver brugt på forbrugs udligning i stedet for investeringer. Denne holdning er også støttet af

Richard Rosenberg, som er rådgiver hos CGAP, en afdeling i Verdensbanken som støtter

udbredelsen af finansielle servicer i udviklingslande (CGAP 2010b). Rosenberg argumenterer, at

mange, nogen gange de fleste, mikrokredit lånere bruger deres lån på forbrugs udligning. Problemet

for mange fattige personer er, at selvom de måske i gennemsnit tjener 2$ om dagen, så betyder dette

ikke at de får 2$ hver dag. Nogen dage for de ingen ting og nogen dage for de mere. Dette betyder,

at disse fattige personer er nød til at låne og opspare hele tiden for at kunne bruge 2$ hver dag, som

kan være nødvendigt for at få mad på bordet. Dette er hvad der forstås med forbrugs

udligning(Rosenberg 2010).

Rosensbergs argument er støtte op af konklusionen i en bog fra 2009, ”Portfolios of the Poor: How

the World’s Poor Live on $2 a Day”, skrevet af Collins et al. Denne bog er baseret på finansielle

dagbøger indsamlet ca. to gange i måneden fra hundredvis af husstanden i Indien, Bangladesh og

Syd Afrika. Disse dagbøger viste, at fattige bruger finansielle institutter til at udligne deres forbrug

over året, og ikke til investeringer. Rosenbergs argumenterer dog også, at selvom mikrokredit

måske ikke forbedre indkomsten hos de fattige, er lånene vigtige førend de fattige kan klare sig

igennem hverdagen.

8.2.2.4 Er mikrovirksomheder virkelig for små til at påvirke væksten?

Tidligere blev det nævnt, at bl.a. Aneel Karnani argumenterede, at virksomhederne som mikrokredit

finansierer simpelthen er for små til at have påvirkning på væksten. Lisa Daniels, økonomi

professor ved Washington College, er dog ikke enig i denne påstand (Daniels). Daniels har

analyseret på mikro og små virksomheders indflydelse på BNP og beskæftigelse i Kenya, Afrika.

Dataene til undersøgelsen blev indsamlet i 1995 og indeholdt oplysninger fra 1154 mikro og små

virksomheder med mellem 1 og 10 medarbejder inkl. arbejdende ejere, ikke lønnede arbejdere,

lønnede arbejdere og lærlinge. 57% af disse mikro og små virksomheder havde kun en medarbejder,

hvilket også er det Karnani mener de fleste virksomheder støttet af mikrokredit har (Daniels 1999).

72% af de virksomheder der var placeret i byen og alle de virksomheder der var placeret på landet,

havde et overskud som lå under fattigdomsgrænsen. Trods dette, stod disse mikro og små

virksomheder ifølge Daniels for 13% af BNP og 1/3 af beskæftigelsen i Kenya. 43% af dette bidrag

til BNP kom fra virksomheder med kun en medarbejder(ejeren). Dette tyder altså på, at

mikrovirksomheder godt kan have en indflydelse på væksten. Hver enkelt virksomhed har et meget

lille bidrag, men tilsammen betyder de noget. Moderne industrier vil givet vis, som Karnani og

Dichter argumenterer, have en større indflydelse på væksten, men måske det ikke er muligt at få alle

ansat i sådanne industrier.

8.2.3 Delkonklusion på hypotese 2, mikrokreditDe foregående kapitler har indeholdt en analyse af den opsatte hypotetiske påstand om at

mikrokredit har en positivt indflydelse på væksten i de afrikanske udviklingslande. Givet at

mikrokredit efter intentionerne bruges på investeringer og skaber flere jobs, vil mikrokredit ud fra et

teoretisk synspunkt have en positiv indflydelse på væksten. Khandker et al.’s empiriske analyse

støtter teorien, og ud fra denne analyse tyder det på at mikrokredit har en positivt indflydelse på

væksten. På baggrund af denne analyse, vil det altså ikke være muligt at afvise hypotesen. Det skal

dog kommenteres, at Khandker et al.’s undersøgelse kan være farvet på grund af forbindelsen til

Verdensbanken.

Den øvrige litteratur, som er medtaget i ovenstående analyse, giver et mere blandet billede af

hvorvidt hypotesen bør be- eller afkræftes. Det diskuteres bl.a., at mikrovirksomhederne er for små

til at have indvirkning på væksten, og at det ville være bedre at støtte opbygningen af store moderne

virksomheder. En undersøgelse fra et af de afrikanske udviklingslande, Kenya, tyder dog på, at

selvom hver enkelt mikrovirksomhed har en begrænset indflydelse på væksten, kan de tilsammen

godt have en betydning for den økonomiske udvikling.

Hvorvidt Mikrokredit overhoved bruges på investeringer, eller om det går til eksempelvis

forbrugsudligning, er en relevant diskussion i forhold til den opsatte hypotese. En ny bog fra 2009,

som analyserer på finansielle dagbøger fra bl.a. Bangladesh, giver et indtryk af, at mikrokredit

bruges på forbrug. Andre undersøgelser, bl.a. Khandkers et al.’s, taler imod at mikrokredit

udenlukkende bruges på forbrug. Måske mikrokredit bruges på begge dele, og at den del der bruges

på investeringer muligvis har en positiv indflydelse på væksten, og at den del der bruges på forbrug,

hjælper de fattige med at klare hverdagen uden måske at have den store indflydelse på væksten.

8.3 Infrastruktur – en kort beskrivelseDe næste kapitler vil analysere hypotese 3: ”Ulandshjælp i form af støtte til infrastrukturen i de

afrikanske udviklingslande har en positiv indflydelse på væksten i disse lande.” En ny rapport fra

Verdensbanken vurderer, at de subsahara afrikanske lande mister 2% point økonomisk vækst hvert

år på grund af deres dårlige infrastruktur. Rapporten konkluderer også, at kun 1/3 af alle afrikanere

som lever på landet, har adgang til veje der fungerer året rundt, og kun hver fjerde afrikaner har

adgang til elektricitet. Infrastrukturen i Afrika er altså lang fra optimal, men påvirker forbedringer

af infrastrukturen den økonomiske vækst? Verdensbankens rapport tyder på det, hvilket støtter den

opsatte hypotese, men hvad siger vækstteorierne og den øvrige litteratur? Dette vil blive diskuteret i

de efterfølgende kapitler.

Infrastruktur kan defineres på flere forskellige måder. I denne opgave vil infrastruktur primær

dække hvad Fedderke et al. kalder økonomisk infrastruktur, som omfatter veje, transport faciliteter,

elektricitet, boligere osv. Hvis andet er inkluderet i begrebet, vil det fremgå af diskussionen. Ifølge

Fedderke et al. er social infrastruktur, som eksempelvis uddannelse, og så en del af et lands

infrastruktur, men dette vil ikke indgå i begrebet i denne rapport. Uddannelse vil i stedet særskilt

blive diskuteret i analysen af hypotese 4.

Den offentlige sektor tager sig af store dele af infrastrukturen, hvilket ifølge Thrilwall bl.a. skyldes,

at infrastruktursektoren enten er opfattet som et naturligt monopol eller en ”public

good”10(Thrilwall 1999- s. 171). Meget infrastruktur i udviklingslandene i Afrika er støttet af

ulandshjælp. Eksempelvis kan det være et krav til ulandsbistanden, at pengene skal bruges på

infrastruktur. Infrastruktur bliver også støttet mere direkte, eksempelvis vil Europa Kommissionen

støtte Afrikas infrastruktur med 5billioner€ mellem 2008 og 2013(The Economist Intelligence Unit

2006).

8.3.1 Skaber infrastruktur vækst ifølge vækstteorierne?I dette kapitel vil de relevante vækstteorier fra kapitel 7 blive inddraget for at vurdere

infrastrukturens påvirkning på væksten. Harrod-Domar vækstteori og den neoklassiske vækstteori

inddrager ikke direkte infrastruktur, men det indgår som en del af de samlede investeringer i disse

to vækstteorier. Investeringer i infrastruktur vil altså påvirke væksten positivt ifølge disse teorier, på

samme måde som diskuteret under både ulandsbistand og mikrokredit.

Barro inddrager regeringsudgifter til bl.a. infrastruktur i hans endogene vækstteori (jfr. kap 7.4.3).

Barro argumenterer, at sådanne udgifter har både en negativ og positiv effekt på væksten. Den

negative indflydelse på vækst skyldes, at øget udgifter til infrastruktur kan være dækket af skatten,

og hvis skatten stiger påvirker det mængden af private investeringer og væksten negativt. Hvis det

antages at udviklingslandene i Afrika kan øge investeringer i infrastruktur via ulandshjælp, som

ikke skal betales tilbage, så vil denne negative effekt ikke være til stede.

Den positive indflydelse på væksten skyldes at offentlige investeringer, eksempelvis i infrastruktur,

har en positiv indflydelse på den fysiske kapitals marginaleprodukt(y/k). Øget infrastruktur påvirker

altså den fysiske kapitals produktivitet, og dermed påvirkes væksten positivt. Dette forklares i

Todaro et al.’s bog med et eksempel om en landmand og hans traktor:

”Investment by a farmer in a new tractor may increase the total output of the vegetables he can

produce, but without adequate transport facilities to get his extra product to local commercial

10 (”public good”) – karakteriseret ved at hvis én forbruger bruger varen udelukker det ikke at andre kan bruge varen samtidig(non-rival), og forbruger kan ikke forhindres i at bruge varen (Thrilwall 1999)

markets, his investment may not add anything to national food production.” (Todaro et al. 2003- s.

79)

Altså stiger traktorens produktivitet, målt ud fra bidraget til den nationale produktion/vækst, hvis

landmanden har mulighed for at sælge sine vare på det kommercielle marked, eksempelvis via

adgang til ordentlige veje. Thrilwall påpeger også i sin bog, at infrastruktur kan have en positiv

indflydelse på kapitalens produktivitet. Han forklarer også, at øget infrastruktur kan sænke

produktions omkostninger, eksempelvis fordi det bliver billigere at transportere vare. Dette kan

medføre at investeringerne stiger, fordi profitten stiger, og dermed stiger væksten (Thrilwall 1999-

s. 171).

Paul Rosenstein-Rodan argumenterer med hans ”Big Push” model, at det nogle gange kan være

nødvendigt, at regeringen skubber til økonomien førend der kan skabes vækst (jfr. kap 7.5).

Udviklingslandene står nogle gange over for nogle koordinations fejl i markedet, som står i vejen

for væksten, og som kun kan løses med hjælp fra regeringen. Sådanne koordinations fejl kan også

opstå når der er tale om infrastruktur. Disse fejl kan fører til, at der ikke dannes nogen infrastruktur,

og dermed mindskes vækstmulighederne.

Todara et al. forklare en mulig koordinationsfejl på følgende måde: Et firma vælger at investere i

noget infrastruktur, eksempelvis veje, togbaner, havne, telekommunikation eller elektricitet, for at

mindske sine egne omkostninger. Dette kan resultere i, at omkostninger også falder for andre

virksomheder, som er interesserede i at bruge denne infrastruktur. Selvom de andre firmaer evt. skal

betale for at bruge infrastrukturen, så har de ingen faste omkostninger, og deres gennemsnitlige

omkostninger vil ofte være lavere. Dette betyder, at de andre firmaer får en omkostningsmæssig

fordel, som kan være en stor ulempe for investeringsfirmaet, som sidder med alle de faste

omkostninger. Dette kan betyde, at ingen gider være de første til at investere i infrastruktur, og

dermed bliver der ingen infrastruktur, hvilket mindsker vækstmulighederne (Todaro et al. 2003).

For at undgå dette problem argumenterer Rosenstein-Rodan, at det er nødvendigt, at

regeringen(eller evt. ulandshjælpen) går ind og dækker omkostninger til infrastruktur. Dermed

sænkes omkostninger for alle firmaer, og dette kan påvirke væksten positivt.

8.3.2 Litteraturstudie angående infrastrukturs påvirkning på vækstenDer er gennem tidens løb blevet udført forskellige undersøgelse, som analyserer på infrastrukturens

indflydelse på væksten. I de næste kapitler vil nogle af disse undersøgelser blive inddraget, for at

give et dybere indblik i den hypotetiske antagelse om, at infrastruktur har en positiv indflydelse på

væksten i de afrikanske udviklingslande.

8.3.2.1 Infrastrukturens påvirkning på væksten - empiriske undersøgelser.

J. W. Fedderke, Cape Town Universitet, og P. Perkins og J.M. Luiz, Witwatersrand Universitet,

lavede sammen en empirisk undersøgelse omkring infrastrukturens påvirkning på den langsigtede

økonomiske vækst. Dataene til undersøgelsen er indsamlet i Syd Afrika i perioden 1875 til 2001.

Infrastruktur var i denne undersøgelse begrænset til kun at omfatte hvad de kalder ”økonomiske

infrastruktur”, som bl.a. omfatter veje, transport faciliteter, elektricitet og boliger. Social

infrastruktur, eksempelvis uddannelse, er altså ikke omfattet i denne undersøgelse, hvilket bl.a.

skyldes, at det kan være svært at isolere den sociale infrastrukturs indflydelse på væksten. Der går

ofte længere tid førend social infrastruktur smitter af på væksten, og derfor kan det ske, at noget af

vækststigning som skyldes økonomisk infrastruktur har haft en positiv effekt på mængden af social

infrastruktur. Dermed er det svært at udlede den del af væksten, som skyldes ren social

infrastruktur. Fedderke et al. slår dog fast, at denne udelukkelse af social infrastruktur ikke skyldes

en antagelse om, at denne form for infrastruktur ikke har en effekt på væksten (Fedderke et al.

2006).

Undersøgelsen viste, at infrastruktur har en både direkte og indirekte positiv indflydelse på den

langsigtede vækst. Økonomisk infrastruktur har ifølge Fedderke et al. en positiv indflydelse på

investeringer i fysisk kapital, bl.a. privat investeringer i maskiner osv. Den empiriske undersøgelse

viser, at øget fysisk kapital har en positiv indflydelse væksten, og dermed har økonomisk

infrastruktur altså også en indirekte og positiv effekt på væksten. Øget investeringer i fysisk kapital

gør at mere nyt og dermed ofte bedre kapital bliver brugt, og dermed kan det argumenteres, at

kapitales marginale produkt øges. Dette er overensstemmende med Barro’s vækstteori, nævnt i

forrige kapitel, som argumenterer for en indirekte, positiv indflydelse fra investeringer i

infrastruktur på væksten på grund af en øget kapital marginalprodukt.

Elektricitet, som også er en del af den økonomiske infrastruktur, har ifølge Fedderke et al. en

direkte og positiv indflydelse på væksten. Elektricitet har altså en effekt på væksten, uden at

investeringer i fysisk kapitel behøves at stige. Argumentet om en direkte effekt af infrastruktur på

væksten, går imod Barros endogene vækstteori. Udelades skat fra Barros vækstteori har

regeringsudgifter/infrastruktur kun en indirekte effekt på væksten.

Fedderke et al.’s undersøgelse omfatter kun data fra Sydafrika, som ikke længere er et

udviklingsland. Sydafrika betegnes i dag som et over-middel indkomst land ifølge Verdensbankens

lande opdeling (World Bank 2). Denne rapport analysere på hvorvidt bl.a. infrastruktur kan skabe

vækst i lav-indkomst landene i Afrika, og derfor er en analyse over Sydafrika ikke optimal i denne

sammenhæng, men den kan godt give et indtryk af hypotesen alligevel. Fedderke et al. s

undersøgelse omfatter data fra så mange år, at dataene ikke kun er fra år hvor Sydafrika har tilhørt

over-middel indkomst landene. Før 1974 tilhørte Sydafrika lav-indkomst landene ifølge

Verdensbankens udregninger, og dataene i denne undersøgelse er helt tilbage fra 1875 og til

2001(World Bank 3, WDI 2). Det vurderes på baggrund af dette, at Fedderke et. al’s undersøgelse

har relevans for denne rapports opsatte hypotese.

Blanca Sancgez-Robles, assisterende professor ved Cantabria Universitet i Spanien, har også

analyseret på infrastrukturens indvirkning på væksten. Analysen indeholder 2 stikprøver af lande.

Den første stikprøve indeholder 57 lande fordelt på fem kontinenter, hvor af næsten to-tredje del af

landene tilhører lav eller middel indkomst lande. Den anden stikprøve indeholder 19 latin-

amerikanske lande, som alle tilhører lav eller middel indkomst lande. Dataene er indsamlet i

perioden 1970-1985, og for den første stikprøve er der også samlet data ind i perioden 1980-1992.

Infrastruktur begrebet i denne analyse svare stort set til Fedderke et al’s begreb ”økonomisk

infrastruktur”, dog ser huse ikke umiddelbart ud til at være inkluderet (Sanchez-Robles 1998).

Sancgez-Robles lavede to adskilte analyser, hvor den første sætter et pengebeløb på mængden af

infrastruktur, og måler infrastruktur som procent af BNP. Denne analyse gav intet klart svar på

hvilken påvirkning infrastruktur har på væksten. Dette skyldes bl.a. at den mængden af penge der

bruges på infrastruktur ikke siger meget om hvad landene egentlig får ud af disse penge.

Den anden analyse brugte index over fysisk antal af infrastruktur(enden målt i forhold til

befolkningsstørrelsen eller målt i km2). Denne analyse gav et mere klart svar, og støtter op omkrig

resultaterne i Fedderke et al. analyse. Sancgez-Robles finder altså også både en direkte og indirekte

positiv effekt af infrastruktur på væksten, og på baggrund af dette vil det altså ikke være muligt at

afvise hypotesen.

Både Fedderke et al. og Sancgez-Robles argumenterer altså bl.a. at øget infrastruktur har en positiv

indflydelse på mængden af privat investeringer og dermed på væksten. En mikroøkonomisk

undersøgelse fra Uganda støtter denne argumentation, ved at understøtte argumentationen om at

dårlig infrastruktur har en negativ indflydelse på mængden af private investeringer. Undersøgelsen

er udført af Ritwa Reinikka og Jakob Svensson, økonomer fra Verdensbanken, som har brugt data

indsamlet i perioden 1995-1997. Dataene er indsamlet fra i alt 243 virksomheder, som rangerede

dårlig offentlig service(dårlig infrastruktur) og omkostningerne for at bruge denne service som den

største forhindring i at øge deres investeringer (Reinikka et al. 2004).

8.3.2.2 Infrastruktur øger væksten ved at tiltrække FDI

Flere undersøgelser har analyseret på forholdet mellem infrastruktur og FDI(foreign direct

investments). Førend dette er relevant i forhold til den opstillede hypotese i denne rapport, er det

også nødvendigt at analysere på forholder mellem FDI og vækst. Det har ikke været muligt at finde

en undersøgelse der analyserede på begge disse forhold. Derfor vil dette blive vurderet ud fra to

adskilte undersøgelser, som ser på hvert sit forhold. Begge disse undersøgelser indeholder data fra

bl.a. udviklingslandene i Afrika, og derfor vil de sammen kunne analysere endnu en side af

infrastruktur vs. vækst forholdet.

Tidiane Kinda, d’ Auvergne Universitet, som arbejder for IMF(International Monetary Fund), har

udarbejdet en rapport, hvor hun analyserer på hvilke faktorer der påvirker mængden af FDI i

udviklingslande. Dataene til undersøgelsen er indsamlet i perioden 2000-2006 fra 77

udviklingslande, bl.a. fra Afrika. Datene er indsamlet fra i alt 33.604 firmaer i de 77 lande. Hvis

mere end 10% af et firmas kapital er ejet af udenlandske investorer, bliver det i undersøgelsen

betegnet som FDI (Kinda 2010).

Kinda udfører forskellige regressionsanalyser, og argumenterer ud fra disse, at både fysisk og

finansiel infrastruktur har en positiv påvirkning på mængden af FDI i udviklingslandene. Fysisk

infrastruktur inkluderer bl.a. transportfaciliteter, elektricitet og telekommunikation. Finansiel

infrastruktur inkluderer adgang til finansielle servicer som eksempelvis lån og pengeoverførsels

muligheder. Denne konklusion gælder også selvom de subsahara afrikanske udviklingslande

analyseres for sig selv. God infrastruktur mindsker bl.a. virksomhedernes omkostninger og gør det

nemmere at holde kontakt med omverdenen, hvilket er nogle af årsagerne til, at der er en positiv

effekt af infrastruktur på FDI.

Ovenstående tyder altså på, at det ikke kan afvises af infrastruktur har en positiv effekt på FDI.

Dette er dog kun relevant i denne rapport, hvis FDI har en positiv effekt på væksten. Dette har bl.a.

Berhanu Mengistu og Samuel Adams, Old Dominion Universitet, analyseret på. Deres undersøgelse

indeholder data fra 88 udviklingslande, hvoraf 40 er subsahara afrikanske lande. Dataene er

indsamlet i perioden 1985 til 2003, og der er brugt to forskellige former for regressionsanalyse for

at analysere på FDI-vækst forholdet (Mengistu et al. 2007b).

I Mengistu et al.’s litteratur studie omkring FDI og vækst finder de store forskelle i konklusionerne

i de forskellige undersøgelser. Dette mener de skyldes, at der i mange af de tidligere undersøgelser

ikke er reguleret for lande-specifikke faktorer, hvilket de derfor gør i deres undersøgelse. De har

bl.a. taget højde for mængden af menneskelige kapital, åbenhed i økonomien, politisk risiko,

regerings udgifter og geografisk placering.

Mengistu et al. argumenterede ud fra deres undersøgelse at FDI har en positiv og signifikant

indflydelse på væksten. Samlet set vil dette altså betyde, at det på baggrund af de to analyser ikke

kan afvises, at hvis de afrikanske udviklingslandes infrastruktur kan forbedres, bl.a. ved hjælp af

ulandshjælp, vil dette have en positiv effekt på mængden af FDI og dermed også væksten. Ud fra en

anden regressionsanalyse argumenterer Mengistu et al. at FDI dog ikke har en positiv indflydelse på

mængden af private nationale investeringer. Dette betyder, at FDI ikke påvirker væksten positivt

ved at øge de private investeringer, men i stedet påvirker væksten positivt fordi FDI resultere i en

række effektivitets effekter som påvirker økonomien. Teknologi tilførsel, beskæftigelses

muligheder, kapital tilførsel og bedre styrings og marketings egenskaber er blot nogle af de ting

som gør, at FDI påvirker væksten positivt. Udviklingslandene kan lærer meget af de udenlandske

investorer, og derfor har det ifølge Mendistu et al. en positiv indflydelse på væksten. Regeringen i

udviklingslandene skal ”blot” sørge for, at de får mest muligt ud af FDI, bl.a. ved at uddanne

befolkningen, så de bedre kan udnytte den viden som FDI medfører. Det kan også være vigtigt, at

regeringen sørger for at FDI tiltrækkes i de sektorer hvor omverdenen påvirkes mest positivt

argumenterer Mengistu et al.

8.3.3 Delkonklusion på hypotese 3, infrastrukturInfrastrukturens indflydelse på væksten er blevet analyseret i det ovenstående på baggrund af

forskellige vækstteorier og empiriske undersøgelser. På baggrund af vækstteorierne er der meget

der taler for, at øget investeringer i infrastruktur har en positiv indflydelse på væksten, og ligefrem

kan være en nødvendighed for at udbedrer koordinationsfejl, som ifølge Rosenstein-Rodan kan

være en hindring for væksten. De empiriske undersøgelser medtaget i ovenstående analyse tyder

også alle sammen på at øget infrastruktur har en positiv indflydelse på væksten, bl.a. fordi det har

en positiv indflydelse på mængden af private investeringer og FDI.

På baggrund af ovenstående analyse vil det altså ikke være muligt at afvise hypotese 3, som

argumenterer, at ulandshjælp til støtte af infrastruktur har en positiv indflydelse på væksten. Denne

positive konklusion kan skyldes at infrastruktur i ovenstående analyse hovedsageligt behandles som

et samlet begreb, og at det derfor ikke har været muligt at finde empiriske undersøgelser eller

litteratur med et mere negativ syn på infrastruktur. Havde gennemgangen omfattet analyser af de

enkelte former for infrastruktur, veje, elektricitet osv., kan det være at argumentationerne havde set

anderledes ud for nogle af disse former for infrastruktur.

8.4 Uddannelsessektoren– en kort beskrivelseDe næste kapitler vil indeholde en teoretisk og empirisk analyse af hypotese 4: ”Udlandshjælp i

form af støtte til uddannelsessektoren i de afrikanske udviklingslande har en positiv indflydelse på

væksten i disse lande.” Rigtig mange undersøgelser har set på forholdet mellem skoleundervisning

og vækst, hvilket også vil fremgå af den efterfølgende diskussion. Holger Seebens, Center for

Development Research, Bonn Universitet, og Peter Wobst, Institute for prospective Technological

Studies, Seville, argumenterer, i starten af deres artikel omkring uddannelse og vækst i Tanzania, at:

”Theory and Empirical literature suggest that education positively contributes to higher

productivity levels in non-agricultural and agricultural sectors.” (Seebens et al. 2005- s. 274)

Dette danner baggrund for den opsatte hypotese, og viser at hypotesen er relevant at diskutere i

denne rapport, hvor det overordnet analyseres om ulandshjælp har indflydelse på væksten.

Undervisning/uddannelse er en del af et større begreb kaldet menneskelig kapital ifølge både

Thirlwall og Todaro et al. Menneskelig kapital består bl.a. også af menneskers sundhed og andre

menneskelige kompetencer. Alt i alt består den menneskelige kapital af ting som hvis de forbedres

hos det enkelte menneske kan være med til at øge personens produktivitet (Todaro et al. 2003- s.

369, Thrilwall 1999- s. 168). I denne rapport vil der kun blive fokuseret på den del af den

menneskelige kapital som omfatter undervisning og uddannelse.

Internationalt deles skoleundervisning ind i tre grupper: primær, sekundær og tertiær, hvilket bl.a.

også gøres af Verdensbanken. Primær skoleundervisning omfatter basale læse, skrive og

matematiske færdigheder, samt en grundforståelse for eksempelvis historie, geografi,

naturvidenskab og musik. Den primære undervisning vil svare til folkeskolen i Danmark, men i

andre lande vil det typisk være indtil 11års alderen. Sekundær skoleundervisning er en

videreudvikling på de basale færdigheder, hvor der bruges mere specialiserede lærer. I Danmark vil

dette svare til gymnasium niveau. Tertiær undervisning vil i Danmark svare til de videregående

uddannelser (World Bank 2008- s. 112-113). Referencerne til Danmark er baseret på data fra

Gyldendals åbne encyklopædi ”Den store danske” (Gyldendal)

I Verdensbankens data bog omkring Afrika fra 2008 fremgår det, at i de subsahara afrikanske lande

er 93,2% af dem i aldersgruppen der svare til den primære undervisning tilmeldt den primære

undervisning. Dog gennemførte kun 63% i denne aldersgruppe den primære undervisning i 2007,

modsat Danmark hvor 100% gennemførte den primære uddanelse i 2007 ifølge WDI(WDI 3). Af

data bogen fra 2008 fremgår det også, at 28,6% og 6,1% af den relevante aldersgruppe til

henholdsvis den sekundære og tertiær undervisning var tilmeldt denne undervisning i de subsahara

afrikanske lande (World Bank 2008).

Ulandshjælp som sendes til udviklingslandene i Afrika bruges bl.a. på opførsel af skoler og anden

hjælp til uddannelse og undervisning. Dette kan bl.a. ske ved at ulandsbistand, i form af regerings-

lån eller støtte, medfører nogle krav om, at pengene skal bruges på uddannelsessektoren. Det kan

også ske ved, at de enkelte lande støtter forskellige NGO’er (non-govermental organisations) og

andre organisationer, som støtter opbyggelsen af skoler og uddannelse. Eksempelvis støtter den

danske og amerikanske ulandshjælp uddannelsessektoren(USAID; UM 2010)

8.4.1 Skaber øget skolegang vækst ifølge vækstteorierne?I dette afsnit vil det blive diskuteret hvorvidt der ud fra vækstteorierne kan findes belæg for den

opsatte hypotetiske påstand om, at øget undervisning blandt befolkningen vil kunne påvirke

væksten positivt. Vækstteorierne blev gennemgået i kapitel 7, og kun de væsentligste i forhold til

den givne diskussion vil blive inddraget.

Hverken Harrod-Domar vækstteori eller den neoklassiske vækstteori inkluderer uddannelse eller

menneskelig kapital som en forklaring bag vækst, i de udgaver af teorierne som er præsenteret i

kapitel 7.1 og 7.3. Menneskelig kapital, og dermed også uddannelse, bliver først inddraget i de

endogene vækstteorier. Robert Lucas er en af de teoretikere, som inddrager menneskelig kapital i

sin endogene vækstteori (jfr. kap 7.4.2). Lucas argumenterer, at menneskelige kapital har en positiv

indflydelse på væksten, både fordi produktiviteten stiger og fordi den menneskelige kapital gør, at

der er en ”spill-over” effekt på teknologi. Menneskelig kapital, bl.a. uddannelse, gør, at folk kan

lærer hinanden om bl.a. teknologi, og dermed kan teknologi sprede sig rundt i landet og have en

positiv effekt på produktionen i flere brancher. Ifølge Lucas er menneskelig kapital årsag til, at der

ikke er ”diminishing return” på kapital, og at væksten dermed kan fortsætter på langsigt ved at

tilfører nyt fysisk og menneskelige kapital.

I stedet for human kapital, argumenterer Robert J. Barro i hans endogene vækstteori, at

regeringsudgifter har en positiv påvirkning på kapitalens marginale produkt, og dermed en positiv

indflydelse på væksten (jfr. kap 7.4.3). Regeringsudgifter kan bl.a. være udgifter til undervisning,

og dermed har undervisning en positiv påvirkning på væksten ifølge Barros vækstteori. Barros

argumenterer også, at hvis forøgelsen af undervisning betales gennem en skatteforøgelse, vil denne

skattevirkning have en negativ indvirkning på væksten. Antages det dog, at den øgede undervisning

betales via ulandshjælp, som ikke skal betales tilbage, så vil undervisning ifølge Barros vækstteori

udelukkende have en positiv indflydelse på væksten.

Paul Rosenstein-Rodan argumenterer med sin ”Big Push” teori, at det i nogle tilfælde er nødvendigt

at regeringen skubber til økonomien for at skabe vækst. Regerings indblanding er ifølge Rosenstein-

Rodan nødvendig når der i økonomien opstår koordinationsfejl. En koordinationsfejl kan bl.a. være,

at virksomheder ikke vil investerer i områder medmindre disse områder har kvalificeret

arbejdskraft, men arbejdskraften i disse områder kan ikke få de rigtige kvalifikationer med mindre,

at der er nogen, som giver dem muligheden for at få disse kvalifikationer. Dette kan resultere i, at

virksomheder aldrig investere, hvilket skader væksten. I disse tilfælde kan det være nødvendigt, at

regeringen, eller eksempelvis ulandshjælpen, hjælper til. Dette kan bl.a. ske via uddannelse til

befolkningen. Virksomhederne kan dermed tiltrække kvalificeret arbejdskraft uden at skulle lærer

dem basale ting selv, hvilket i mange tilfælde ikke vil være profitabelt, fordi andre virksomheder

kan tage medarbejderne efter at de er oplært. Kort sagt kan uddannelse altså udredde nogle

koordinations fejl i økonomien, og dermed påvirke væksten positivt.

8.4.2 Litteraturstudie angående skolers indflydelse på vækstenUmiddelbart kan hypotesen om at uddannelse fører til vækst ikke afvises ifølge vækstteorier. I de

næste kapitler vil den samme hypotese blive diskuteret ud fra litteraturen og forskellige empiriske

undersøgelser.

8.4.2.1 Offentlig vs. privat ejet menneskelig kapital

Paulos Gutema, Addas Ababa University, og Mekonnen Bekele, researcher at Ethiopian

Development Research Institute, har lavet en analyse af skoleundervisnings indflydelse på vækst.

De har udført adskillige regressionsanalyser, som indeholder data indsamlet fra 19 subsahara

afrikanske lande i perioden 1966-2000. Menneskelig kapital i form af undervisning opdeles i

artiklen i offentligt og privat ejet menneskelig kapital. Offentligt ejet menneskelig kapital, er den

viden hos befolkningen som bruges i produktionen, og dermed er tilgængelig for offentligheden.

Denne kapital er altså den, som de beskæftigede medarbejdere besidder. Privat ejet kapital opdeles i

artiklen i primær, sekundær og tertiær skoleundervisning, og er altså den menneskelige kapital som

de enkelte personer besidder på grund af, at de har modtaget skoleundervisning(Gutema et al.

2004).

Undersøgelsen viste, at skoleundervisning som fører til offentligt ejet menneskelig kapital har en

positiv indflydelse på væksten. Høj arbejdsløshed kan dog udligne denne effekt. Hvis personer,

som besidder menneskelige kapital i form af undervisning, ikke ansættes, vil denne menneskelige

kapital ikke have en indflydelse på væksten. Det gælder altså om for udviklingslandene i Afrika, at

have mest fokus på den slags undervisning, som bliver til offentlig ejet menneskelig kapital, altså

ikke uddanne en masse personer, der ikke kan få arbejde. På denne måde vil undervisningen have

højst indflydelse på væksten.

Gutema et al. argumenterer også, at primær skoleundervisning har en større indflydelse på vækst

end sekundær og tertiær undervisning, som har en betydelig lille effekt. De slår dog også fast, at

analysen ikke er argumentation nok for ikke at tilbyde sekundær og tertiær undervisning i

udviklingslandene. Disse former for videregående uddannelse er vigtig for den langsigtede

udvikling af landene bl.a. fordi, at disse former for uddannelse skaber entreprenører, højt

kvalificerede medarbejder og skolelærer.

Gutema et al. undersøgelse tyder altså på, at skoleundervisning kan have en positiv indflydelse på

væksten i de afrikanske udviklingslande. Artiklen er dog udgivet i samarbejde med African

Development Bank, som kan have en interesse i en positiv konklusion, som viser en positiv

sammenhæng mellem undervisning og vækst. En af bankens mål er bl.a. ”primær uddannelse til

alle”, og for at retfærdiggøre dette mål overfor deres mange samarbejdspartnere, bl.a.

Verdensbanken, kan denne positive konklusion være eftertragtet (ADBG 2010a, ADBG 2010b).

Moses O. Oketch, London Universitet, har også testet sammenhængen mellem menneskelige kapital

og vækst i de afrikanske lande. Denne undersøgelse indeholder data fra 47 af de 54 afrikanske lande

indsamlet i perioden 1960 til 1998. Menneskelig kapital blev i undersøgelsen målt som

investeringer i basal og videregående uddannelse målt i procent af BNP. Oketch argumenterer i

overensstemmelse med Gutame et al., at menneskelig kapital har en positiv og signifikant

indflydelse på væksten i de afrikanske lande (Oketch 2006).

Berhanu Mengistu og samuel Adams undersøgelse, som tidligere er diskuteret i kapitel 8.3.2.2,

viser ingen tegn på, at menneskelig kapital har en positiv indflydelse på væksten. De argumenterer

dog selv, at dette kan skyldes, at deres mål for menneskelig kapital ikke tilstrækkeligt viser den

egentlig kapital i landene. Menneskelig kapital bliver i deres undersøgelse kun målt via indmeldelse

til sekundære uddannelser, hvilket altså er et betydeligt smallere begreb end i de to foregående

undersøgelser (Mengistu et al. 2007a).

8.4.2.2 Mikro-makro paradox med hensyn til undervisning og vækst

Lant Pritchetts, økonom som har arbejdet for bl.a. Verdensbanken og Kennedy School of

Government, går imod både Gutema et al. og Oketch argumentationer. Ifølge Pritchett, har

uddannelse ikke nogen indflydelse på væksten. Pritchetts undersøgelse er baseret på data indsamlet

i perioden 1960-1985, og er fra både udviklede- og udviklings-lande. For at teste robustheden af sin

undersøgelse laver Pritchett bl.a. samme undersøgelse, hvor han kun inkluderer udviklingslandene.

Udviklingslandene indeholder bl.a. lande fra de subsahara afrikanske lande, og resultatet er det

samme for disse lande. Derfor vil resultatet og Pritchetts argumentationer også være relevant for de

afrikanske udviklingslande(Pritchett 2001).

Pritchett argumenterer, at øget uddannelse skaber højre løn for de uddannede, men at det som sagt

ikke har en positiv indflydelse på væksten. Dette kaldes af Pritchett et mikro-makro paradoks, og

han argumenterer, at der er tre mulige årsager til at dette paradoks opstår:

1: Mikro-makro paradokset kan opstå ved, at den uddannede arbejdskraft bruges på ikke

samfundsgavnlige arktiviteter, som giver en god indtjening, men ikke gavner væksten. Dette kan

eksempelvis være piratkopiering af vare eller ”rent-seeking”.11

2: Hvis efterspørgselen efter uddannet arbejdskraft ikke følger med udbuddet, kan det resultere i at

det marginale afkast på uddannelse falder, fordi folk der er uddannede ikke kan få et arbejde.

Lønnen kan altså stadig godt være højre for de uddannede end ikke uddannede, men hvis de ny

uddannede ikke kan få et arbejde har de ingen effekt på væksten.

11 Rent-seeking = ikke samfundsgavnlige aktiviteter, som eksempelvis bestikkelse, trusler og lobbyisme, som bruges til at opnå en fordel ved at få eksempelvis import licenser og eksport kvoter (Todaro et al. 2003).

3: Kvaliteten af uddannelserne kan være så lav at personers produktivitet ikke stiger selvom de

uddannes. Personer, som har gennemført i uddannelse, har måske haft højre evner inden de gik i

gang med uddannelsen, siden det netop var dem der kunne gennemfører uddannelsen. Dermed får

de højre løn, fordi virksomheder kan se, at de har kunne gennemfører en uddannelse. Uddannelse

har dog ikke påvirket deres produktivitet, fordi kvaliteten af uddannelsen har været lav.

Pritchett slår dog fast til sidst i artiklen, at regeringerne ikke skal stoppe med at investere i

uddannelse, da uddannelse bl.a. medfører andre positive sideeffekter, som eksempelvis lavere

børnedødelighed. Hans gennemgang af årsagerne til mikro-makro paradokset giver et godt indtryk

af hvordan det kan gå galt, og hvilke ting der kan resultere i, at de afrikanske udviklingslande

måske ikke får så meget ud af deres uddannelser som ønsket. Pritchett slår fast, at det er vigtigt at

landene laver reformer, som sørger for at investeringer i uddannelse smitter af på væksten. Dette

kan eksempelvis gøres ved, at sørge for at kvaliteten af uddannelserne er høj nok. Hans afsluttende

bemærkning slår dette fast:

”…reform now so that investment (past and present) in cognitive skills will pay off.” (Pritchett

2001- s. 388).

Dataene bag Pritchetts undersøgelse er forholdsvis gammel, men artiklen bliver stadig referet til i

nyere artikler, hvilket tyder på, at den stadig har en indflydelse. Både Gutema et al. og Oketch, som

udgav deres artikel i henholdsvis 2004 og 2006, har referencer til Pritchetts undersøgelse.

8.4.3 Delkonklusion på hypotese 4, skoleundervisningHypotese 4: ”Udlandshjælp i form af støtte til uddannelsessektoren i de afrikanske udviklingslande

har en positiv indflydelse på væksten i disse lande” er blevet analyseret i det ovenstående. På

baggrund af vækstteorierne, primært de endogene vækstteorier, vil det ikke være muligt at afvise

denne hypotese. Gutema et al. og Oketch undersøgelser typer også på, at hypotesen stemmer

overens med virkeligheden. Dog blev det argumenteret i Gutema et al.’s undersøgelse, at for høj

arbejdsløshed kan stå i vejen for at uddannelse får en effekt på væksten, da arbejdsløse personer

med en uddannelse ikke påvirker væksten. Pritchett finder dog ikke nogen positiv sammenhæng

mellem uddannelse og vækst, hvilket han argumenterer skyldes det gennemgåede mikro-makro

paradoks. På baggrund af Pritchetts undersøgelse kan det altså argumenteres at nogle ting, som

eksempelvis dårlig kvalitet af uddannelser og at den uddannede arbejdskraft ikke bruges på

samfundsgavnlige aktiviteter, kan stå i vejen for at uddannelse får en effekt på væksten. Pritchett

afviser dog ikke at uddannelse kan have en effekt på væksten, regeringerne i udviklingslandene skal

dog sørge for, at der ikke står ting i vejen for, at dette sker. Overordnet set vil det altså ikke på

baggrund af de medtagede analyser og teorier være muligt at afvise, at øget ulandshjælp til

uddannelsesstøtte kan have en positiv effekt på væksten i de afrikanske udviklingslande.

9. Komparativ lande-analyse De næste kapitler vil indeholde en komparativ lande-analyse for hver af de fire opsatte

underhypoteser. Denne analyse vil blive baseret på, at dataene fra nogle udvalgte lande omkring

udviklingen i væksten og udviklingen i en af de fire former for ulandshjælp sættes op mod

hinanden. Dette gøres for, at analysere hvorvidt der kan argumenteres for en indflydelse på væksten

fra ændringer i de forskellige former for ulandshjælp. Formålet med denne analyse er, sammen

med den foregående teoretiske og litteratur baserede analyse, at give et bedre billede af hvorvidt de

opsatte hypoteser på baggrund af den forelagte analyse bør be- eller afkræftes.

Værdien af denne komparative analyse i forhold til de foregående analyser er, at der bliver gået i

dybden med data fra nogle udvalgte afrikanske udviklingslande, hvilket muligvis kan give os et

andet syn på hypoteserne.

Den komparative lande-analyse vil blive baseret på data fra tre af de Afrikanske udviklingslande.

Aneel Karnani, før nævnt i forbindelse med mikrokredit, har i en komparativ lande-analyse valgt at

bruge tre lande til at analysere på forholdet mellem antal løn-arbejdere og fattigdom (Karnani

2008). Dette ligger til grund for valget om, at bruge netop tre lande til analysen i denne rapport.

Analysen og de udvalgte økonomiske tal vil udelukkende tage afsæt i hvad der er relevant i forhold

til de opsatte hypoteser.

9.1 Landeudvælgelsen Den komparative analyse vil som nævnt være baseret på tre lande, som sættes op overfor hinanden.

Førend denne analyse bliver brugbar, er det vigtigt, at de tre lande har et ordentligt

sammenligningsgrundlag. De tre lande udvælges på baggrund af, at de er nogenlunde ens på nogle

variabler, som påvirker væksten, men som ikke er de fire variabler der måles på i denne rapport.

Ved at korrigere for disse variabler, opnås en bedre baggrund for, at analysere om de forskellige

former for ulandshjælp har en indflydelse på væksten.

For at danne et ordentligt sammenligningsgrundlag mellem de udvalgte lande, vil der blive

korrigeret for væksten i arbejdsstyrken, væksten i landbrugsareal og om landet har adgang til havet

eller ej. Disse tre variabler kan alle argumenteres at have en indflydelse på væksten, og ved at holde

disse variabler faste/ens for de tre lande, vil en analyse af ulandshjælpen være mere meningsfuld.

Bilag 3-6 vil indeholde en kort argumentation af hvorfor netop disse størrelser kan argumenteres at

påvirke væksten, og vil også indeholde en beskrivelse af hvordan de tre udvalgte lande er blevet

udvalgt. Grundet plads mangel vil denne diskussion ikke indgå i selve rapporten, men konklusionen

bliver, at Ghana, Mozambique og Senegal udvælges. Dette er de tre lande, som vil blive brugt til

den efterfølgende analyse.

Disse tre lande har en gennemsnitlig vækst i arbejdsstyrken på 2-3%, gennemsnitlig vækst i

landbrugsareal på 0-1% og har adgang til havet. Ved kun at bruge tre lande til den efterfølgende

analyse, er der ingen tvivl om at der udelukkes en masse data fra analysen, som kunne have givet

indsigt i problemstillingen. Var der blevet udvalgt tre ”landlock” lande eller lande med en mindre

vækst i arbejdsstyrken, kan resultatet have set anderledes ud. Analysen vil dog kun fokusere på de

tre lande, blot vigtigt at have for øje, at alt den data der udelukkes fra analysen også kunne have

tilføjet noget nyttigt til diskussionen.

9.3 Hvordan måles vækst i den komparative analyse?Før der arbejdes videre, vil det være nødvendigt at få helt styr på hvordan vækst måles i denne

analyse. Vækst er i analysen den afhængige variabel, og vil blive målt som procentvise ændringen i

BNP pr. indbygger, PPP, faste priser, 2005 international $. Ifølge Torber M. Andersen et al.’s bog

”beskrivende dansk økonomi”, måles den økonomiske vækstrate som BNP i faste priser, hvilket

ligger til grund for, at vækst måles på denne måde i denne rapport. Til forskel fra løbende priser

giver dette mening, fordi kursændringer ikke påvirker sammenligningen, og der måles i stedet på

realudviklingen (Andersen et al. 2005- s. 43).

At måle pr. indbygger gør, at der også korrigeres for forskelle i denne faktor i analysen. Det

argumenteres i Andersen et al.’s bog, at det vil være bedre at bruge BNI pr. indbygger frem for

BNP pr. indbygger, da dette giver et bedre mål for forskellen i velstand mellem lande. BNI er

korrigeret for den del af BNP der tilfalder udlandet, hvilket kan være meget i udviklingslandene,

bl.a. fordi de ofte har en høj udlandsgæld (Andersen et al. 2005- s. 45-46). Det har dog ikke været

muligt, at finde BNI i faste priser for alle de år der skulle bruges, og derfor vil der blive brugt BNP.

Grunden til at BNP er opgjort i købekraftpariteter(PPP) og international priser(international $)

skyldes, at der kan være stor forskel på priser i de forskellige lande, og derfor er det bedst at bruge

et fælles prissæt. Dette fremgår også af Andersen et al.’s bog (Andersen et al. 2005- s. 57)

9.3 Lande beskrivelseDe næste tre kapitler vil indeholde en kort beskrivelse af de tre udvalgte lande: Ghana, Mozambique

og Senegal. Beskrivelse vil primært omfatte emner, som kan antages at have været relevante i

forhold til landenes vækst. Samlet vil denne lande beskrivelse give et bedre udgangspunkt for

efterfølgende at analysere landenes vækst tal i forhold til ændringerne i mængden af ulandsbistand,

mikrokredit, infrastruktur og uddannelse. Landebeskrivelse vil primært være baseret på data fra

BBC, Det Danske Udenrigsministerium og Foreign & Commonwealth Office.

9.2.1 GhanaGhana er et vest afrikansk udviklingsland land, som efter deres uafhængighed i 1957 har haft store

problemer med korruption og dårlig ledelse (BBC 2010a). I perioden 1960-66 var landet styret af

Nkrumah, som havde tætte forbindelser på Sovjet. Nkrumah blev væltet af et militær kup i 1966, og

indtil 1992 styrede militæret landet stort set alle år. Efter 1992 blev styringsformen lavet om til en

flere-parti system, hvilket også betød at demokrati blev mere fremtrædende (FCO 2009a).

I starten af 1983 indgik Ghana den første aftale med den internationale valutafond, IMF, omkring et

genopretningsprogram. Dette skyldes at Ghana på dette tidspunkt var på ”randen af økonomisk

kollaps”, som det fremgår af Udenrigsministeriets hjemmeside (UM 2009a). I perioden 2001-2008

indførte Kufours administration stramme penge, fiskal og valutakurs politikker, hvilket førte til en

vis stabilisering af de makroøkonomiske parametre. Dette er dog blevet hjulpet af stigende priser på

kakao og guld, som Ghanas økonomi er stærkt afhængig af (FCO 2009a). I 2004 blev Ghanas

udlandsgæld også afskrevet med omfattende beløb, hvilket også kan have styrket deres vækst (UM

2009a).

Trods økonomisk fremgang de seneste år, er Ghana stadig blandt de afrikanske udviklingslande, og

i 2005 levede hele 54% af befolkning for under 2$ om dagen (WDI, Poverty headcount ratio at 2$ a

day(PPP)(% of population)). Dog tyder meget på, at Ghana er på rette vej, hvilket understreges af

BBC udtalelse:

”Ghana is often seen as a model for political and economic reform in Africa.” (BBC 2010a).

9.2.2 MozambiqueMozambique ligger i syd-øst afrika, og grænser bl.a. op mod Syd Afrika. Borgerkrig har været en

stor forhindring for Mozambiques udvikling siden 1977 (BBC 2010b, FCO 2009b). Fredsaftalen i

1992, har dog resulteret i en høj økonomisk fremgang og tiltrængte forbedringer af uddannelses og

sundhedssektoren. De seneste år har Sydafrika også investeret meget i gas og

aluminiumfremstillingen i Mozambique. Trods dette er Mozambique stadig et af verdens fattigste

lande og et af verdens mest bistandsafhængige lande (UM 2009b). 90% af befolkningen levede i

2003 for under 2$ om dagen ifølge WDI (WDI, Poverty headcount ratio at 2$ a day(PPP)(% of

population)).

Mozambique har haft store problemer med bl.a. korruption, manglende retssikkerhed og

HIV/AIDS, hvilket har hæmmet den økonomiske udvikling. Antal HIV/AIDS smittede steg fra 12%

til 16,2 % af befolkningen i perioden 2003-2006. HIV/AIDS har stor betydning for den

gennemsnitlige levealder og dermed også væksten i Mozambique. En ny national strategi fra 2006

omhandler dog bl.a. bekæmpelse af HIV/AIDS, korruption og det dårlige juridiske system (UM

2009b).

Mozambique har siden år 2000 oplevet ni alvorlige oversvømmelser og fire alvorlige tørkeperioder

ifølge TV2 (TV2 2009). Især en stor oversvømmelse i 2000/2001 har været skadende for

økonomien. Oversvømmelsen ødelagde en masse af landets infrastruktur og påvirkede omkring en

fjerdedel af befolkningen ifølge BBC (BBC 2010b). Efter denne oversvømmelse var så en lang

tørke i 2000-2003(TV2 2009).

9.2.3 SenegalSenegal ligger i Vestafrika, og har en af de mere stabile økonomier i regionen ifølge BBC, trods høj

fattigdom og arbejdsløshed. BBC udnævner også Senegal som en god model for demokrati i Afrika

(BBC 2010c). Trods disse rosende ord, er Senegal stadig en af lav-indkomst landene i

Verdensbankens opdeling, og i 2005 levede 60% af befolkningen for under 2$ om dagen ifølge

WDI(WDI, Poverty headcount ratio at 2$ a day(PPP)(% of population)). .

Senegal tiltrækker en del turisme, og derudover er deres økonomi baseret på eksport af produkter

som eksempelvis jordnødder, fosfat og fisk. Regeringen i Senegal fokuserer meget på

infrastrukturen og har bl.a. et succesfyldt flyselskab, Air Senegal. Tekstil, IT og telekommunikation

er også prioriterede sektorer fra regeringens side. Senegal går meget op i udlandspolitik, og i 2004

fik Senegal en nedsættelse af sin udlandsgæld (FCO 2009c).

9.4 Analyse af de fire hypoteserDe næste kapitler vil indeholde en analyse af hver af de fire opsatte under hypoteser, på baggrund af

relevant data fra de udvalgte lande. Den relevante data vil i hver af de fire analyser blive

præsenteret i form af grafer, og vil ofte blive vist både med faktiske tal og et 3års glidende

gennemsnit. Der kan forekomme nogle irregulære svingninger i variablerne de enkelte år, hvilket så

vidt muligt udbedres med det glidende gennemsnit

9.4.1 Ulandsbistand vs. vækstDet næste afsnit vil kort diskutere hvordan ulandsbistand måles i denne analyse. Der efter vil

hypotese 1: ”Ulandsbistand i form af lån og økonomisk støtte til regeringerne i de afrikanske

udviklingslande har en positiv indflydelse på væksten i disse lande,” blive analyseret på baggrund

af relevant data fra de tre udvalgte lande.

9.4.1.1 Hvordan måles Ulandsbistand

Ulandsbistand vil i den efterfølgende analyse blive målt som ”Official Development

Assistance”(ODA), som bl.a. er det mål Verdensbanken bruger. Tomi Ovaska og Hansen et al., før

diskuteret i forbindelse med ulandsbistand, bruger også dette mål, og Ovaska definerer det kort

som:

”…transfers from a donor minus any repayment during a given periode.” (Ovaska 2003- s. 178)

Ulandsbistand vil i analyse blive målt som udviklingen i ODA pr. indbygger, da det gør en forskel

om 1000$ skal hjælpe 10 eller 100 personer.

9.4.1.2 Analyse af ulandsbistands eventuelle indflydelse på væksten

Figur 4 på næste side giver et overblik over udviklingen i væksten og ulandsbistanden for hvert af

de tre lande i perioden 1988-2008. Det kan antages, at der vil være en forsinket effekt af

ulandsbistanden, som er vigtig at tage højde for i analysen af nedenstående grafer.

På baggrund af den opsatte hypotese, ville det forventes, at en stigning i ulandsbistand pr. indbygger

vil fører til en efterfølgende stigning i væksten og omvendt. Dette vil nu blive diskuteret ud fra en

analyse af dataene fra de tre lande præsenteret i figur 4.

Ghanas ulandsbistand pr. indbygger har i første halvdel af 1990’erne været kraftigt faldende,

hvorefter den har lagt på et nogenlunde stabilt niveau frem til 2002. Ghanas vækst har været

forholdsvis stabil i perioden 1990 til 2002, og har ikke umiddelbart været tynget af den faldende

ulandsbistand i starten af denne periode, hvilket i sig selv taler for en afvigelse fra den opsatte

hypotese. Efter 2002 stiger ulandsbistanden igen, især i 2004 hvilket kan skyldes den førnævnte

gældsnedsættelse dette år. Denne stigning er dog efterfulgt af et fald igen i 2005-2008, dog ligger

niveauet stadig over 2002. Umiddelbart ser stigning i ulandsbistanden ud til at have haft en positiv

indflydelse på væksten, som især begynder at stige efter 2002. Faldet i 2005 kan også være årsag til

faldet i væksten to år senere i 2007. Dog stiger væksten igen i 2008, trods forudgående fald i

ulandsbistanden. Det skal også kommenteres, at stigningen i væksten fra 2002 og frem måske bedre

kan forklares med de førnævnte stramme penge, fiskal og valutakurs politikker, som blev indført i

2001. Er dette tilfældet, er der altså ikke meget i Ghanas data som taler for, at mængden af

ulandsbistand direkte kan afspejles i væksten.

Mozambiques vækst svinger voldsomt over hele perioden. Det skal dog kommenteres, at

Mozambique er et af verdens fattigste lande, og at deres BNP pr. indbygger er meget lav. Derfor

skal der ikke så meget til for at skabe store udsving. Mozambiques ulandsbistand pr. indbygger

stiger i perioden 1989-1992, hvorefter den falder kraftigt frem til 1996. Væksten falder drastisk i

1992, hvilket kan være i forbindelse med den førnævnte fredsaftale i dette år. Efter 1992 stiger

væksten dog kraftigt frem til 1999, og virker umiddelbart ikke til at være påvirket af faldet i

ulandsbistanden i 1992-1996.

Væksten i Mozambique falder kraftigt i 2000, hvilket højst sandsynlig skyldes de førnævnte store

oversvømmelser i 2000. 2001 til 2003 var påvirket af tørke, hvilket også tydeligt ses på væksten.

Påvirkningen på væksten på grund af disse oversvømmelser og tørken gør, at det er svært at

kommentere noget ud fra tallene i perioden efter 2000. Det ses, at niveauet for væksten efter 1999

er faldet, men det kunne tyde på at den kraftige stigning i ulandsbistanden i 2002, har været med til

at mindske skaden på væksten efter oversvømmelserne. Dette argumenteres ud fra at der igen

opleves en stigning i væksten i årene umiddelbart efter den høje ulandsbistand i 2002. Denne

stigning efter 2003 kan dog også blot være på grund af, at tørken var ovre, og det kan også skyldes

de førnævnte store sydafrikanske investeringer i landet. Grunden til den høje ulandsbistand i 2002

skyldes højst sandsynligt, at omverden har ønsket at give en ekstra hjælp efter de store

oversvømmelser og tørken.

Graferne for Senegal er langt fra forenelige med den opsatte hypotese. Ulandsbistanden pr.

indbygger falder drastisk fra 1989 og frem til 2003, hvor efter der er en lille stigning, som højst

sandsynligt skyldes den før nævnte gældsnedsættelse i 2004. Væksten har i hele perioden været

rimelig svingende, men i grove træk har der været en lav positiv udvikling. De største stigninger i

væksten sker i slutningen af 1990’er efter et stort fald i ulandsbistanden i starten af 1990’erne,

hvilket altså ikke tyder på, at et fald i ulandsbistanden har haft en negativ indflydelse på væksten.

Ses der i slutningen af perioden har der overordnet set været en stigning i ulandsbistand, trods fald i

væksten i både 2006 og 2008.

Tabel 1:

Gennemsnitlige ændring for vækst og ulandsbistand i den givne perioden

Kilde: Beregnet på baggrund af tal fra WDI, se bilag 8+7

Hvis den opsatte hypotese passede med virkeligheden, ville det forventes, at det land med den

højeste positive ændring i ulandsbistand pr. indbygger også havde den højeste positive ændring i

væksten. Dette er umiddelbart svært at vurdere ud fra de opsatte grafer, på grund af de store

udsving. Tabel 1 viser en gennemsnitlig procentpoint ændring i væksten i perioden 1990-2008 og

den gennemsnitlige procentvise ændring i ulandsbistand pr indbygger i perioden 1989-2008. Ses der

i denne tabel separat på Ghana og Senegal, ville det ikke være muligt af afvise hypotesen, idet

Ghana med en højere positiv ændring i ulandsbistanden også har den højeste positive ændring i

væksten. Tages Mozambique med ind i diskussionen ser det dog noget anderledes ud, idet

Mozambique både har den højeste positive udvikling i ulandsbistanden, og den laveste

gennemsnitlige udvikling i væksten. Mozambique er dog lidt et ekstremt land i denne

sammenhæng, fordi det har modtaget forholdsvis meget ulandsbistand og haft så meget modgang i

form af naturkatastrofer. Det skal også kommenteres at gennemsnitstallene i tabel 1 er lavet over en

lang årrække med store udsving, som kan give et forvrænget billede af virkeligheden.

Ghana Mozambique SenegalGennemsnitlig procentpoints ændringer i vækst(1990-2008) 0,15 -0,09 -0,02Gennemsnitlige procentvis ændring i ulandbistand pr. indbygger(1989-2008) 1,34% 2,73% 0,45%

På baggrund af ovenstående diskussion, og den begrænsede udvalgte data, vil det ikke være muligt

at bekræfte hypotesen om at øget ulandsbistand skaber højere vækst. Ikke meget i analysen af de

enkelte lande tyder på en sammenhæng mellem ulandsbistand og vækst. Ghana og Senegal sat op

mod hinanden tyder dog på at hypotesen er sand, men dette falder lidt til jorden når Mozambiques

data tælles med. At der ikke umiddelbart kan argumenteres for en sammenhæng, stemmer også

overens med en del af de før nævnte empiriske undersøgelser der er lavet omkring ulandsbistand og

vækst, bl.a. William Easterlys analyse gennemgået i kapitel 8.1.2.1.

9.4.2 Mikrokredit vs. vækstNæste kapitel vil indeholde en kort beskrivelse af hvordan mikrokredit måles i den efterfølgende

analyse. Derefter vil udviklingen i mikrokredit blive analyseret i forhold til udviklingen i væksten,

for at vurdere om der kan argumenteres for en sammenhæng.

9.4.2.1 Hvordan måles mikrokredit

Mikrokredit vil i den efterfølgende analyse blive målt som antal udlånte dollars pr. indbygger,

selvfølgelig udlånte dollars fra mikrokredit institutter. Det har ikke været muligt at finde dataene i

faste priser, hvilket selvfølgelig ville have været optimalt, da der ses på udviklingen i denne

analyse. Analysen vil dog blive gennemført alligevel blot med løbende priser, bare vigtigt at have

for øje at kursændringer kan påvirke resultatet.

Antal udlånte dollars bliver udregnet ved, at summere alle udlån fra alle mikrokredit institutter

sammen de enkelte år. Der ser dog i dataene ud til at være nogle mikrokredit institutter som nogle

gange springer et år over når de opgiver deres data. Dette er et problem for værdien af dataene,

men det vælges ikke at prøve at regulere for dette, fordi udviklingen i mikrokredit udlån er så

markant, og det er ikke de enkelte beløb hvert år der er interessante, det er udviklingen der er

interessant.

9.4.2.2. Analyse af mikrokredit udlåns eventuelle indflydelse på væksten

Figur 5 på næste side vil indeholde grafer over udviklingen i væksten og mikrokredit udlån for hvert

af de tre lande. Mikrokredit er en forholdvis ny ting i de tre lande, hvilket gør at dataen ikke går

særlig langt tilbage i tid, og dermed bliver det sværer, at vurdere om der er en egentlig påvirkning af

mikrokredit på væksten. Det bliver heller ikke nemmere af, at der godt kan argumenteres for en

forsinket effekt fra ændringer i mikrokredit udlån og til væksten.

Side 67 af 103

Hvis den opsatte hypotse 2 passer med virkeligheden, ville det forventes at en stigning i mængden

af mikrokredit lån ville fører til en stigning i væksten. På baggrund af Ghanas data præsenteret i

figur 5, vil det ikke være muligt at afvise denne hyotese. Samlet set har der i perioden 1999 til 2008

være en stigende mængde af mikrokredit lån i landet, og væksten har også været stigende det meste

af denne perioden. Det kan dog være svært at afgører ud fra den begrænsede data hvorvidt det

egentlig blot er øget vækst i perioden, som har tiltrukket mere mikrokredit, og at den umiddelbare

sammenhæng ikke går den anden vej.

Det er svært at analyser meget på Mozambiques data i figur 5, da den begrænsede perioder der er

taget med, har været meget påvirket af de førnævnte oversvømmelser og tørke. Mozambiques

mikrokredit udlån pr indbygger ligger også væsentligt lavere end ved de to andre lande, og det

virker som om de ikke rigtig er fulgt med på mikrokredit bølgen endnu.

Senegal har oplevet en helt enorm stor stigning i mængden af mikrokredit pr. indbygger fra 1997 til

2008. Væksten i sammen perioden har dog været utrolig svigende, og umiddelbart kan den store

stigning i mængden af mikrokredit udlån ikke direkte aflæses i væksten. Dette kan skyldes, at for

mange udefrastående faktorer spiller ind på væksten, som der ikke er korrigeret for, og at den store

stigning i mikrokredit måske har resulteret i at udsvingende blev mindre end ellers.

Tabel 2; Gennemsnitlige procentpoints ændring i væksten, 2001-2008

Kilde: beregnet på baggrund af data fra WDI, se bilag 7

Givet den opsatte hypotse var sand, ville det land med den højeste stigning i mængden af

mikrokredit udlån iforhold til andre lande, også have den højeste stigning i væksten. Undregning af

den procentvise ændring i mikrokredit giver nogle forvridende tal, pågrundt af det meget forskellige

grundlag de bliver udregnet på. Derfor vil stigningen i mængden af mikrokredit blot blive vurderet

ud fra figur 5, hvor forskellen mellem de tre lande nemt kan aflæses. Dette sat op mod den

gennemsnitlige procent-points ændring i væksten, tabel 2, giver et billede af hvorvidt mikrokredit i

perioden har haft en positiv påvirkning på væksten set over de tre lande. Faktisk giver dette det stik

Side 68 af 103

Ghana Mozambique SenegalGennemsnitlige procentpoints ændringer i vækste(2001-2008) 0,48 0,65 0,01

modsatte billede end forventet ud fra hypotesen, idet Senegal som har en klar større ændring i

mikrokredit pr indbygger også har den laveste gennemsnitlige procentpoints ændring i væksten, og

Mozambique med den laveste mikokredit udlån, har i perioden den højeste gennemsnitlige

procentpoints ændring i væksten. Det skal dog kommenteres at Mozambiques vækst i den givne

periode som sagt har påvirket af mange naturkatestoffer, og at Mozambiques BNP. pr. indbygger er

væsentligt lavere end de andre landes. Alt dette kan forvride billedet. Sættes Senegals data op mod

Ghanas tal giver det dog sammen billede.

Ud over analysen af Ghanas data særskilt, er der ikke meget i graferne og analysen der taler for at

hypotesen er sand. At det ikke er muligt at aflæse en klar indflydelse fra mikrokredit på væksten i

den givne perioden, kan skyldes at mikrokredit er så nyt i de tre lande. De mange mikrokredit udlån

har muligvis ikke haft tid nok til at slå ordentlig igennem i væksten endnu, hvilket kan skyldes, at

det tager tid at få opstartet en mikrokredit-virksomhed. At mikokredit ikke umiddelbart har en

indflydelse på væksten, kan også skyldes at de fattige simplehen ikke er entreprenuer, og ikke

bruger pengene på at opstarte virksomheder. Denne holdning deles bl.a. af Thomas Dichter og

Aneel Karnani, hvilket blev diskuteret i kapitel 8.2.2.2. De argumenterer også at mikrokredit i

stedet bliver brugt på forbrugsudligning, hvilket kan være årsagen til den, på baggrund af

ovenstående, mangelende indflydelse på væksten.

9.4.3 Infrastrauktur vs. vækst Hypotese 3: ”Ulandshjælp i form af støtte til infrastrukturen i de afrikanske udviklingslande har en

positiv indflydelse på væksten i disse lande,” vil blive analyseret via data fra de tre udvalgte lande i

de næste kapitler.

9.4.3.1 Hvordan måles infrastruktur

Det har ikke været muligt at finde tilstrækkelig data for at lave et fælles mål for den samlede

investering i eller mængde af infrastruktur. Grundet dette vil den efterfølgende analyse i stedet gå i

dybden med blot en af infrastruktur-sektorerne, trods at en samlet vurdering af infrastrukturen vil

være optimalt i forhold til den opsatte hypotese 3. Der vil i analysen blive fokuseret på elektricitet,

som vil blive målt ud fra elektricitetsforbrug(kWh) pr. indbygger. Der er flere grunde til hvorfor der

er valg fokus på netop denne sektor. For det første viste elektricitet i Fedderke et al.’s undersøgelse

(jfr. kap. 8.3.2.1) en positiv og direkte indflydelse på væksten, og da vækst er det relevante i denne

rapport, ligger dette til grund for den efterfølgende analyse. I den tidligere nævnte

mikroøkonomiske undersøgelse fra Uganda (jfr. kap. 8.3.2.1) fremgår det også, at upålidelig og

Side 69 af 103

manglende elektricitet, af de 243 medvirkende virksomheder, bliver anset som den største

forhindring for at øge investeringerne (Reinikka 2004). Dette ligger også til grund for hvorfor netop

elektricitet er vigtig at se på. Der ud over er elektricitet sektoren også en af de sektorer med bedst

tilgængeligt data.

Trods den indsnævrede definition på infrastruktur i efterfølgende analyse, vil analysen alligevel

kunne fungere som et bidrag til den samlede analyse af hvorvidt øget infrastruktur har en positiv

indflydelse på væksten. Målet med analysen bliver at vurdere, på baggrund af den udvalgte data, om

øget ulandshjælp til støtte af infrastrukturen i form af elektricitets udbredelse har en positiv

indflydelse på væksten. Dette vil være et brugbart tillæg til analysen af den overordnede hypotese

om, at øget ulandshjælp skaber øget vækst.

9.4.3.1 Analyse af elektricitets eventuelle indflydelse på væksten

På næste side vil udviklingen i elektricitets forbrug og udviklingen i væksten for hvert af de tre

lande være sat op overfor hinanden i figur 6. Hvis der er en sammenhæng mellem elektricitets

forbruget og væksten, kan der argumenteres for, at der ikke vil være en store forsinkede effekt, som

der eksempelvis var tale om ved både ulandsbistand og mikrokredit. Elektricitet, som bruges på

produktion, resulterer i produktion nu og her. Et stort problem i analysen er dog, at det ikke er

muligt at adskille hvilken del af elektriciteten der er til privat forbrug og hvilken del der bruges til

produktion. Elektricitet til privat forbrug har alt andet lige ingen effekt på væksten, men det ville

kunne antages, at øget vækst omvendt resultere i øget privat forbrug af elektricitet. Hvis folk får

flere penge mellem hænderne, kan det antages at nogle af disse penge vil bruges på elektricitet

eksempelvis til at få lys og varme. Så vidt muligt vil den ovenstående problemstilling indgå i den

efterfølgende analyse.

Side 70 af 103

Side 71 af 103

Ghanas elektricitetsforbrug pr indbygger har en stigende tendens fra 1988 til 1997, hvor efter det

har en faldende tendens resten af perioden, hvilket fremgår af Figur 6. Væksten kører umiddelbart

stik modsat af elektricitets forbruget, hvilket altså ikke tyder på at der en positiv effekt af elektricitet

på væksten. Dette ses især tydeligt fra 2001 og frem, hvor væksten har en stigende tendens og

elektricitetsforbruget har en faldende tendens. Denne udvikling kan skyldes, at den øgede vækst i

Ghana stammer fra nogle industrier eller sektorer som ikke er så afhængige af elektricitet. Det kan

også skyldes, at vækststigningen primært skyldes de førnævnte prisstigninger på kakao og guld,

som Ghana producere meget af, eller deres nye strammere politikker.

Mozambiques vækst svinger som nævnt før utrolig meget, men vurderes der ud fra det glidende

gennemsnit, har væksten en stigende tendens fra 1991 til 1997. Elektricitetsforbruget ligger i denne

periode stort set konstant på et meget lavt niveau, og det er derfor svært at kommentere på effekten i

denne periode. Fra 1998 til 2007 oplever Mozambique en voldsom stor stigning i forbruget af

elektricitet pr. indbygger, hvilket tydeligt fremgår at figur 6. Væksten har fra 1998 været rigtig

svingende, hvilket skyldes de før nævnte naturkatastrofer, som gør det svært at vurdere på tallene.

Det kan dog ikke udelukkes, at den store stigning i elektricitetforbruget har haft den effekt, at

negative og positive udsving i perioden efter 1998 er blevet henholdsvis mindre/større end de ellers

ville have været. Det kan dog også argumenteres ud fra grafen, at den store stigning i

elektricitetsforbrug skyldes vækststigningen i perioden inden. Som nævnt før kan en vækststigning

antages at resultere i et øget privat forbrug af elektricitet, som alt andet lige ikke har en effekt på

væksten.

Overordnet set vil det ikke på baggrund af Senegals grafer være muligt at afvise at øget elektricitets

forbrug har en positiv indflydelse på væksten. Vurderes Senegals to grafer i figur 6 har de nemlig

begge en svag stigende tendens. Igen kan det ikke vurderes ud fra graferne om sammenhængen evt.

går den anden vej i stedet for, så øget vækst har skabt øget elektricitetsforbrug.

Alt i alt danner der sig ikke et klart billede af hvorvidt øget elektricitetsforbrug har en positiv

indflydelse på væksten ud fra den udvalgte data. Det vil ikke være muligt at afvise dette på

baggrund af Senegals grafer, men Ghanas grafer tyder mere på at det modsatte er tilfælde.

Mozambiques stigning i elektricitetsforbrug sker først sammen med alle deres naturkatastrofer, så

det er svært at vurdere konsekvenserne af denne stigning.

Side 72 af 103

9.4.4. Uddannelse vs. vækstDe næste to kapitler vil omhandler en analyse af udviklingen i uddannelse i forhold til udviklingen i

væksten for de tre lande.

9.4.4.1 Hvordan måles uddannelse

Uddannelse vil i den efterfølgende analyse indebære både det primær og sekundær

uddannelsesniveau, hvor primær uddannelse som nævnt før svare til folkeskolen i Danmark, og

sekundær svare til gymnasieniveau i Danmark. Dog ikke sagt at uddannelsessystemet i Afrika

følger det danske. Udviklingen i primær og sekundær uddannelse vil blive målt ud fra den totale

tilmeldelse til den primære/sekundære uddannelse(lige meget alder) i forhold til størrelsen på den

alders gruppe, som officielt svare til aldersgruppen for den primære/sekundære uddannelse. Dette

vil i rapporten være benævnt som ”andel af officielle aldersgruppe tilmeldt primær/sekundær

uddannelse”. Når der måles på denne måde, hvor alderen, for dem der er tilmeldt uddannelse, er

ligegyldig, kan procenttallet nå over 100%. Ulempen ved at måle på denne måde er, at hvis

størrelsen på den officielle aldersgruppe for et uddannelsesniveau falder, påvirker det procenttallet,

uden at der nødvendigvis er flere uddannede personer. Det er også et problem hvis størrelsen på den

officielle aldersgruppe stiger, for så kan der uddannes flere uden at det nødvendigvis kan ses i

dataene. Fordelen ved denne måde er, at hvis størrelsen på den officielle aldersgruppe antages at

være nogenlunde konstant, giver procenttallene en godt billede af udviklingen i mængden af

uddannede personer. Der kunne eksempelvis i stedet for være målt i antal uddannede pr. år eller

regeringsudgifter brugt på uddannelse. Det har dog ikke været muligt at finde tilstrækkelig relevant

data for disse mål.

Dataene omkring uddannelse, som er blevet brugt til fremstilling af graferne i figur 7, mangler data

fra en del år i starten af perioden. Disse huler er blevet udfyldt via et simpelt gennemsnit med de to

omkring liggende værdier.

9.4.4.2 Analyse af uddannelses eventuelle indflydelse på væksten

Figur 7 på næste side giver et overblik over udviklingen i tilmeldte til den primær og sekundære

uddannelse og udviklingen i væksten for de tre lande.

Side 73 af 103

Side 74 af 103

Det antages i efterfølgende analyse af graferne, at der er en forholdsvis stor forsinkelse fra at

mængden af uddannede stiger/falder og til det eventuelt smitter af på væksten. Det argumenteres

bl.a. ud fra Fedderke et al.’s artikel(jfr. kap. 8.3.2.1), som er inde på at der ofte går længere tid

førend social infrastruktur(bl.a. uddannelse) smitter af på væksten, end der eksempelvis gør ved

økonomisk infrastruktur (Fedderke et al. 2006). Logisk set giver det også mening, fordi personerne

skal først være færdige med at uddanne sig førend de kommer ud på arbejdsmarkedet, og først der

kan der muligvis skabes en effekt på væksten på grund af uddannelsen. På grund af denne

forsinkede effekt er der taget en lidt større årrække med i denne analyse, 1981-2008. Det ses i figur

7, at væksten i alle tre lande falder drastisk i 1982-1983, hvilket muligvis skyldes den anden

oliekrise i 1979-80 (Andersen et al. 2005- s. 258). Dette er dog ikke det interessante i denne

analyse.

Ghanas grafer for udvikling i væksten, den primær og den sekundære uddannelse har alle en

stigende tendens fra 1985 og frem. Andelen af den officielle aldersgruppe tilmeldt den primære

uddannelse begynder allerede at stige en smule fra omkring 1991 og for den sekundære uddannelse

ses en stigning fra omkring 1995 og frem. Disse stigninger kan have haft en indflydelse på, at

væksten for alvor begynder at stige omkring 2001. På baggrund af data fra Ghana, vil det altså ikke

være muligt at afvise hypotesen om at øget uddannelse skaber øget vækst. På baggrund af graferne

kan det argumenteres at den øgede vækst fra 2001 og frem har resulteret i en øget stigning i andelen

af tilmeldt for både den primær og sekundær uddannelse, som begge stiger mere kraftigt fra

omkring 2004 og frem. Dette kan skyldes øget investeringer i uddannelse på grund af øget vækst, så

muligvis der er en effekt begge veje.

Mozambiques andel af den officielle aldersgruppe som er tilmeldt den primære uddannelse, har ikke

haft så positivt forløb som Ghanas. Andelen falder kraftigt fra 1985 og ca. ti år frem, hvilket kan

skyldes at tilbagefaldet i 1982-1983 har resulteret i lavere investeringer i uddannelse. Dette fald i

mængden af personer med en primær uddannelses, kan muligvis have haft indflydelse på de

drastiske fald i væksten fra omkring 1988 til 1992. Fra 1995 og frem oplever Mozambique en

stigning i andelen af personer tilmeldt den primære uddannelse, og omkring 2000 sker der også en

stigning i grafen for den sekundære uddannelse, som ellers har været nogenlunde konstant. Disse

stigninger kan være resultatet af en økonomisk fremgang efter fredsaftalen i 1992. Det kan dog ikke

udelukkes på baggrund af graferne, at stigningen i mængden af uddannede personer kan have haft

Side 75 af 103

en indflydelse på væksten, dog er det ikke sikkert, at det endnu har været muligt at se effekten af

den øget uddannelse i væksten.

Trods den store nedgang i væksten i 1983, kan der i Senegals data allerede spores en stigning i

andelen af aldersgruppen for den primære uddannelse fra 1985. Denne stigning fortsætter stødt

gennem hele perioden, og tager for alvor fart omkring 1996. Andelen for den sekundære uddannelse

stiger også en lille smule omkring 1986 og frem til 2003, hvor efter der er en lidt større stigning i

resten af perioden. Det kan ikke afvises af stigningen i uddannelsesmængden har spillet ind på den

overordnede set lille positive udvikling i væksten fra 1995 og frem. Dog svinger væksten rigtig

meget, og det er ikke nemt at aflæse en direkte indflydelse fra mængden af uddannelse på væksten.

Den største stigning i begge former for uddannelse sker dog også først sent i perioden, og måske der

endnu ikke er en effekt af denne stigning.

Overordnet set vil det ikke være muligt at afvise hypotesen om at øget uddannelse skaber øget

vækst på baggrund af det udvalgte data. Der kan argumenteres for nogle tendenser i udviklingen i

de tre lande, som taler for, at denne hypotese stemmer over ens med virkeligheden, hvilket også var

resultatet af Fedderke et al.’s undersøgelse, som blev diskuteret i kapital 8.3.2.1.

9.5 Delkonklusion – den komparative lande analyse. Overordnet set kan der for ulandsbistand, mikrokredit udlån og elektricitetsforbrug ikke findes

særlig gode argumenter, som på baggrund af den begrænsede udvalgte data taler for en bekræftelse

af under hypoteserne. For uddannelse er der dog nogle tendenser, som tyder på, at øget uddannelse

har en positiv indflydelse på væksten i disse lande. På baggrund af dette, vil det altså ikke ud fra det

udvalgte data, være muligt at afvise hypotesen om, at øget uddannelse skaber øget vækst.

Generelt har det været en smule svært at se nogle helt klare sammenhænge mellem udviklingen i

væksten og udviklingen i de forskellige former for ulandsbistand. Dette kan skyldes, at den lave

BNP pr. indbygger for alle tre lande gør, at der ikke skal så meget til før der sker store udsving i

væksten, og dermed bliver der svære at analysere på tallene. Resultat kan også skyldes, at der er for

mange udefra stående ting, som der ikke er korrigeret for, men som spiller ind på resultatet.

Eksempelvis kan den politiske situation i de enkelte lande have haft en stor betydning for væksten,

som det også blev diskuteret i beskrivelsen af de enkelte lande og afgrænsningen. Yderligere

diskussion af dette vil dog ikke være omfattet af denne rapport, da det falder uden for

afgrænsningen.

Side 76 af 103

10. Konklusion Denne rapport har analyseret hypotesen: ” Ulandshjælp har en positiv indflydelse på væksten i de

afrikanske udviklingslande.” Dette er gjort ud fra en teoretisk og litteratur baseret analyse af

forholdet mellem vækst og fire former for ulandshjælp: ulandsbistand og støtte til mikrokredit

institutter, infrastruktur og uddannelse. Derudover er de fire former for ulandshjælp også blevet

analyseret ud fra en komparativ lande analyse, på baggrund af data fra tre afrikanske

udviklingslande: Ghana, Mozambique og Senegal.

Den teoretiske analyse er udført på baggrund af nogle udvalgte vækstteorier. Det har ud fra

vækstteorierne været muligt at argumentere for, at alle fire former for ulandshjælp har en positiv

indflydelse på væksten, såfremt ulandshjælpen bruges efter hensigten, eksempelvis at ulandbistand

bruges på investeringer og mikrokredit bruges på at starte virksomheder. På baggrund af

vækstteorierne vil det altså ikke være muligt at afvise den opsatte hypotesen om, at ulandshjælp har

en positiv indflydelse på væksten i de afrikanske udviklingslande.

Den litteratur baserede analyse og den komparative analyse gav et mere blandet bud på, om de fire

former for ulandshjælp har en indflydelse på væksten. Hypotesen om at øget ulandsbistand har en

positiv effekt på væksten er i litteraturen og ud fra forskellige empiriske undersøgelser blevet

kritiseret meget. Det bliver bl.a. argumenteret at bistanden går til forbrug og ikke investeringer, og

at de afrikanske regeringer mister initiativ til selv at gøre en forskel pga. bistanden. Hansen et al. er

nogen af de få, af den udvalgte litteratur i denne rapport, som taler for, at hypotesen er sand, og der

kan endda stilles spørgsmålstegn ved hvorvidt, de har haft en personlig interesse i denne

konklusion. På baggrund af lande analysen med data fra Ghana, Mozambique og Senegal har det

heller ikke været muligt at argumentere for en sammenhæng.

Det kan argumenteres ud fra den litteratur baserede analyse i denne rapport, at mikrokredit muligvis

bruges både på forbrug og opstart af virksomheder. Det diskuteres dog meget hvorvidt disse

virksomheder overhoved har en indflydelse på væksten, hvilket Lisa Daniels dog mener de har. Hun

argumenterer, at de enkelte mikrokredit virksomheder har en meget lille indflydelse på BNP, men

sammen kan de godt påvirke væksten. Ud fra den komparative lande analyse var det ikke muligt at

aflæse en effekt fra øget mikrokredit på væksten, hvilket dog kan skyldes at mikrokredit er meget

nyt i de tre lande.

Side 77 af 103

Ud fra den litteratur som blev medtaget i rapporten, vil det ikke være muligt at afvise hypotesen om,

at ulandshjælp i form af støtte til infrastruktur har en positiv indflydelse på væksten. Denne positiv

konklusion kan være påvirket af, at infrastruktur i rapporten blev analyseret som et samlet begreb.

Det kan ikke udelukkes, at konklusionen havde set anderledes ud, hvis analysen var blevet foretaget

ud fra de enkelte former for infrastruktur, veje, elektricitet osv. Landeanalysen indeholdte kun en

analyse af elektricitet-vækst forholdet. Analysen gav et meget blandet billede af dette forhold,

Senegals data talte for en positiv sammenhæng, men Ghanas data tydede mere på en eventuel

negativ sammenhæng.

På baggrund af den medtagne litteratur vil det ikke være muligt at afvise hypotesen om, at øget

støtte til uddannelsessektoren skaber øget vækst. Bl.a. Pritchetts argumenterer dog for, at der er

nogle ting, som eksempelvis dårlig kvalitet af uddannelserne, som kan stå i vejen for at uddannelse

får en positiv effekt på væksten. Lande analysen viste også nogle tegn på en positiv sammenhæng,

og på baggrund af denne analyse vil det altså heller ikke være muligt at afvise hypotesen.

Alt i alt vil det på baggrund af de medtagne analyser i denne rapport ikke været muligt at afvise

hypotesen om, at ulandshjælp har en positiv effekt på væksten i de afrikanske udviklingslande.

Vækstteorierne og en stor del af de medtagne analyser kan understøtte dette. Diskussionen har dog

langt fra kun været positiv, og højst sandsynlig er det ikke alt ulandshjælpen, som ender med at

have en positiv effekt på væksten. Det kan argumenteres, at hvis ulandshjælpen ikke bruges efter

hensigten, som det bl.a. har været meget kritiseret ved bistand og mikrokredit, eller hvis for mange

ting står i vejen, som for eksempel dårlig kvalitet af uddannelser, vil ulandshjælp nok have svært

ved at resultere i en positiv effekt på væksten.

10.1 PerspektiveringKvaliteten af markedet, regeringen, institutionerne osv. i de enkelte lande, og disse faktorers

eventuelle indflydelse på hvorvidt ulandshjælp har en positiv effekt på væksten, er i afgrænsningen

udelukket fra denne rapport på grund af plads mangel. Der er ingen tvivl om, at disse faktorer

mange steder i litteraturen er blevet argumenteret til at være en hindring for, at ulandshjælpen

påvirker væksten. En af de helt store navne indenfor ulandsbistand, Burnside og Dollar,

argumenterer ifølge Ovaska bl.a. for, at lande med gode institutioner og politikker har større

mulighed for at opnå vækst når de tilføres ulandsbistand (Ovaska 2003- s. 177).

Side 78 af 103

Skulle diskussionen omkring den opsatte hypotese i denne rapport uddybes, ville diskussionen

omkring indflydelse fra kvaliteten af markederne, regeringerne og institutioner helt sikkert være et

godt sted at starte. Dette kunne også fungere som en uddybende diskussion til hvorvidt

ulandshjælpen bruges efter hensigten i de afrikanske udviklingslande.

Det kunne også være godt at uddybe diskussionen med en regressionsanalyse, som behandlede

vækst som den afhængige variabel og de forskellige former for ulandshjælp som uafhængige

variabler. Denne analyse kunne eventuelt indeholde flere af de afrikanske udviklingslande, og

kunne muligvis give et mere klart billede end lande analysen i denne rapport. I sådan en analyse

ville det være vigtigt at være opmærksom på hvilke andre faktorer, ud over ulandshjælpen, som

kunne påvirke den afhængige variabel, væksten.

Side 79 af 103

LitteraturlisteArtikler og bøger

Andersen, T.M., Linderoth, H., Smith, V. & Westergård-Nielsen, N. 2005, Beskrivende dansk økonomi, 2. udgave HandelsVidenskab bogforlag.

Barro, R.J. 1990, "Government Spending in a Simple Model of Endogenous Growth", Journal of Political Economy, vol. 98, no. 5, pp. S103-S125.

Blanchard, O. 2006, Macroeconomics, 4. edition, Pearson.

Daniels, L. 1999, "The role of small enterprises in the household and national economy in Kenya: A significant contribution or a last resort?", World Development, vol. 27, no. 1, pp. 55.

Easterly, W. 1999, "The ghost of financing gap: Testing the growth model used in the international financial...", Journal of Development Economics, vol. 60, no. 2, pp. 423.

Easterly, W. 2003, "Can Foreign Aid Buy Growth?", Journal of Economic Perspectives, vol. 17, no. 3, pp. 23-48.

Fedderke, J.W., Perkins, P. & Luiz, J.M. 2006, "Infrastructural investment in long-run economic growth: South Africa 1875–2001", World Development, vol. 34, no. 6, pp. 1037-1059.

Geographica; Det store verdensatlas med landefakta, revideret udgave, 2004, Könemann

Gutema, P. & Bekele, M. 2004, "Does Schooling Promote Economic Growth?", African Development Review, vol. 16, no. 2, pp. 385-398.

Hansen, H. & Tarp, F. 2001, "Aid and growth regressions", Journal of Development Economics, vol. 64, no. 2, pp. 547.

Karnani, A. 2009, "Romanticising the poor harms the poor", Journal of International Development, vol. 21, no. 1, pp. 76-86.

Karnani, A. 2008, "Employment, not microcredit, is the solution", Journal of Corporate Citizenship, , no. 32, pp. 23-28.

Karnani, A. 2007, "Microfinance Misses its Mark", Staion Reviewnford Social Innovat, .

Khandker, S.R. & Samad, H.A. 1998, "Income and Employment Effects of Micro-credit Programmes: Village-level Evidence from Bangladesh", Journal of Development Studies, vol. 35, no. 2, pp. 96.

Side 80 af 103

Kinda, T. 2010, "Investment Climate and FDI in Developing Countries: Firm-Level Evidence", World Development, vol. 38, no. 4, pp. 498-513.

McKernan, S. 2002, "The Impact of Microcredit Programs on Self-Employment Profits: do Noncredit Program Aspects Matter?", Review of Economics & Statistics, vol. 84, no. 1, pp. 93.

Mengistu, B. & Adams, S. 2007a, "Foreign Direct Investment, Governance and Economic Development in Developing Countries", The Journal of Social, Political, and Economic Studies, vol. 32, no. 2, pp. 223.

Mengistu, B. & Adams, S. 2007b, "Foreign Direct Investment, Governance and Economic Development in Developing Countries", The Journal of Social, Political, and Economic Studies, vol. 32, no. 2, pp. 223.

Moyo, D. 2009, Dead Aid - why aid is not working and how there is another way for Africa, Penguin Group.

Oketch, M.O. 2006, "Determinants of human capital formation and economic growth of African countries", Economics of Education Review, vol. 25, no. 5, pp. 554-564.

Ovaska, T. 2003, "The Failure of Development Aid", CATO Journal, vol. 23, no. 2, pp. 175-188.

Pack, H. 1994, "Endogenous Growth Theory: Intellectual Appeal and Empirical Shortcomings", Journal of Economic Perspectives, vol. 8, no. 1, pp. 55-72.

Pritchett, L. 2001, "Where Has All the Education Gone?", World Bank Economic Review, vol. 15, no. 3, pp. 367-391.

Prystay, C. 1996, "Small loans and hard work spark entrepreneurial spirit", Asian Business, vol. 32, no. 12, pp. 62.

Reinikka, R. & Svensson, J. 2004, "How Inadequate Provision of Public Infrastructure and Services Affects Private Investment", SSRN Working Paper Series, .

Romer, P.M. 1994, "The Origins of Endogenous Growth", Journal of Economic Perspectives, vol. 8, no. 1, pp. 3-22.

Rosenberg, R. 2010, "Does Microcredit Really Help Poor People?", CGAP - Focus Note, vol. No. 59.

Sanchez-Robles, B. 1998, "Infrastructure investment and growth: Some empirical evidence", Contemporary Economic Policy, vol. 16, no. 1, pp. 98.

Seebens, H. & Wobst, P. 2005, "The Impact of Increased School Enrollment on Economic Growth in Tanzania", African Development Review, vol. 17, no. 2, pp. 274-301.

Sengupta, R. & Aubuchon, C.P. 2008, "The Microfinance Revolution: An Overview", Review (00149187), vol. 90, no. 1, pp. 9-30.

Side 81 af 103

The Economist 2009, "Voice of disenchantment", Economist, vol. 390, no. 8622, pp. 85-85.

The Economist Intelligence Unit 2006, "A new aid package for Africa", Country Monitor, vol. 14, no. 26, pp. 4-4.

Thomas Dichter 2007, "A Second Look at Microfinance - the Sequence of Growth and Credit in Economic History", CATO institute, vol. 1.

Thrilwall, A.P. 1999, Growth and Development - with special reference to developing economies, 6. edition Macmillan Press LTD.

Todaro, M.P. & Smith, S.C. 2003, Economic Development, Addison Wesley.

World Bank 2008, "The little data book on africa 2008", .

Links

ADBG 2010a; ”Mission & Objective”, African Development bank group, 2010, http://www.afdb.org/en/about-us/mission-objective/

ADBG 2010b; “Multilateral Development Banks”, African Development bank group, 2010, http://www.afdb.org/en/about-us/partners/multilateral-development-banks/

BBC 2010a; “Ghana country profile”, BBC, sidst opdateret: 9 februar 2010, http://news.bbc.co.uk/2/hi/africa/country_profiles/1023355.stm

BBC 2010b; “Mozambique country profile”, BBC, sidst opdateret: 10 marts 2010, http://news.bbc.co.uk/2/hi/africa/country_profiles/1063120.stm

BBC 2010c; “Senegal country profile”, BBC, sidst opdateret: 10 marts 2010, http://news.bbc.co.uk/2/hi/africa/country_profiles/1064496.stm

CGAP 2010a; ”What is a microfinance institution(MFI)?”, CGAP, http://www.cgap.org/p/site/c/template.rc/1.26.1308/

CGAP 2010b; ”Who we are”, Consultative Group to Assist the Poor, http://www.cgap.org/p/site/c/aboutus/

Danida 2008; “Danmarks deltagelse I det internationale udviklingssamarbejde 2008”, Danidas årsberetning 2008, Danida, Udenrigsministeriet, http://www.um.dk/NR/rdonlyres/AD80B954-7D4C-465D-9F79-F8D40C33AEE6/0/danidas_aarsberetning_2008.pdf

Daniels; “Lisa Daniels”, omkring hende, http://lisa.daniels.washcoll.edu/

DERG, 2019; ”Partners and associates”, Development Economics Research Group, University of Copenhagen, http://www.econ.ku.dk/derg/partners/

dr.dk, 2008; ”Europæiske aktier dykker”, Lene Møbjerg, 16 september 2008, http://www.dr.dk/Nyheder/Penge/2008/09/16/155024.htm

Side 82 af 103

FCO 2009a; ”Ghana”, Foreign & Commonwealth Office, sidst opdateret: 25 februar 2009, http://www.fco.gov.uk/en/travel-and-living-abroad/travel-advice-by-country/country-profile/sub-saharan-africa/ghana

FCO 2009b; “Mozambique”, Foreign & Commonwealth Office, sidst opdateret: 25 juni 2009 http://www.fco.gov.uk/en/travel-and-living-abroad/travel-advice-by-country/country-profile/sub-saharan-africa/mozambique

FCO 2009c; “Senegal”, Foreign & Commonwealth Office, sidst opdateret: 2 juni 2009, http://www.fco.gov.uk/en/travel-and-living-abroad/travel-advice-by-country/country-profile/sub-saharan-africa/senegal

Grameen 2009; “Historical Data Series in USD, Grameen Bank Historical Data Series 1976-2009”, Grameen Bank, http://www.grameen-info.org/index.php?option=com_content&task=view&id=177&Itemid=144

Grameen 2010a; “Credit Lending Models”, Grameen Bank, 2010, http://www.grameen-info.org/index.php?option=com_content&task=view&id=43&Itemid=93

Grameen 2010b; “What is Microcredit?”, Grameen Bank, Februar 2010, http://www.grameen-info.org/index.php?option=com_content&task=view&id=28&Itemid=108

Gyldendal; ”skole(skolestruktur), Den store danske, Gyldendals åbne encyklopædi, http://www.denstoredanske.dk/Erhverv,_karriere_og_ledelse/P%C3%A6dagogik_og_uddannelse/Skole_og_SFO/skole/skole_(Skolestruktur)

MIX; “Microfinance Institutions(MFIs) by Country”, tryk på landene for at få oplysninger om MFI’er i de enkelte lande, http://www.mixmarket.org/mfi/overview

MIX 2008a; “Microfinance in Africa, Total MFIs in Africa, across all possible dates”, MIX, 2008, http://www.mixmarket.org/mfi/region/Africa/2008/

MIX 2008b; “Microfinance in Bangladesh, Total MFIs in Bangladesh, across all dates”, MIX, 2008 http://www.mixmarket.org/mfi/country/Bangladesh

MIX 2010; “About MIX”,MIX,2010, http://www.themix.org/about-mix/about-mix

Nobel 2006; “Nobel Peace Prize”, http://nobelpeaceprize.org/en_GB/laureates/laureates-2006

The Guardian, 2009, ”The road to ruin”, Bunting, Madeleine, The Guardian, 14 Februar 2009. http://www.guardian.co.uk/books/2009/feb/14/aid-africa-dambisa-moyo

TV2 2009; ”Mozambique flere oversvømmelser og mere tørke”, Jens Ringgard Christiansen, udgivet 26-11-2009, http://vejret-dyn.tv2.dk/article.php/id-26465442:mozambique--flere-oversv%C3%B8mmelser-og-mere-t%C3%B8rke.html

UM 2009; ”Organisationen”, Udenrigsministeriet, Om Danida, redigeret: 12 juni 2009, http://www.um.dk/da/menu/Udviklingspolitik/OmDanida/Organisation/

UM 2009a; ”Landefakta Ghana”, Udenrigsministeriet, redigeret: 23 april 2009, http://www.um.dk/da/menu/Udenrigspolitik/Landefakta/LandefaktaAfrika/Ghana

Side 83 af 103

UM 2009b; ”Landefakta Mozambique”, Udenrigsministeriet, redigeret: 3 marts 2009, http://www.um.dk/da/menu/Udenrigspolitik/Landefakta/LandefaktaAfrika/Mozambique

UM 2009c; ”Landefakta Senegal”, Udenrigsministeriet, redigeret: 9 februar 2009, http://www.um.dk/da/menu/Udenrigspolitik/Landefakta/LandefaktaAfrika/Senegal

UM 2010; ”Bistandsformer”, Udenrigsministeriet, 18 marts 2010, http://www.um.dk/da/menu/Udviklingspolitik/OmUdviklingspolitik/Bistandsformer/

UN1; “Least Developed Countries: Country profiles”, United Nations, http://www.unohrlls.org/en/ldc/related/62/

UN2; Least Developed Countries: Criteria for identification of LDCs”, United Nations, http://www.unohrlls.org/en/ldc/related/59/

USAID; “Education & Universities”, USAID, http://www.usaid.gov/our_work/education_and_universities/

USAID 2009; “USAID Joins with Grameen Foundation to Launch Largest Guarantee in Program’s History”, USAID, 21 oktober 2009, http://www.usaid.gov/press/releases/2009/pr091021.html

WDI; “World Development Indicators”, adgang via ASB, indsæt country, series og time, http://ddp-ext.worldbank.org.www.baser.dk/ext/DDPQQ/member.do?method=getMembers&userid=1&queryId=6

WDI 1; ”World Development Indicators”, Country = Bangladesh, Series = GDP growth(annual%), Time =1991, 1992, World bank, http://ddp-ext.worldbank.org.www.baser.dk/ext/DDPQQ/member.do?method=getMembers&userid=1&queryId=6

WDI 2; ”World Development Indicators”, Country = South Africa, Series = GNI per capita, Atlas Method(current US$), Time = 1960-2008, World bank, http://ddp-ext.worldbank.org.www.baser.dk/ext/DDPQQ/member.do?method=getMembers&userid=1&queryId=6

WDI 3; ”World Development Indicators”, Country = Denmark, Series = Primary completionrate, total(% of relevant age group), Time = 2007, World bank, http://ddp-ext.worldbank.org.www.baser.dk/ext/DDPQQ/member.do?method=getMembers&userid=1&queryId=6

World Bank 1; “Country Groups”, The World Bank, http://web.worldbank.org/WBSITE/EXTERNAL/DATASTATISTICS/0,,contentMDK:20421402~pagePK:64133150~piPK:64133175~theSitePK:239419,00.html

World bank 2; ”Country Classifacation”, World Bank, http://web.worldbank.org/WBSITE/EXTERNAL/DATASTATISTICS/0,,contentMDK:20420458~menuPK:64133156~pagePK:64133150~piPK:64133175~theSitePK:239419,00.html

World Bank 3; “Case Studies for Selected Global Programs, The Consultative Group to Assist the Poorest(CGAP)”, The World Bank, http://www.worldbank.org/oed/gppp/case_studies/infrastructure/cgap.html

Side 84 af 103

World Bank, 2010; ”About us”, http://web.worldbank.org/WBSITE/EXTERNAL/EXTABOUTUS/0,,contentMDK:20040565~menuPK:1696892~pagePK:51123644~piPK:329829~theSitePK:29708,00.html

Side 85 af 103

BilagIndholdsfortegnelse over bilag

Bilag 1, Gennemsnitlige vækst i BNP pr. indbygger, 2000-2008......................................................82

Bilag 2, Effekten af en stigning i opsparingsraten..............................................................................85

Bilag 3, Argumentation bag de faste variabler og landeudvælgelse..................................................86

Bilag 4, Arbejdsstyrken i de 30 afrikanske udviklingslande, total, vækst og gennemsnitlig vækst...90

Bilag 5, Landbrugsareal i de 30 afrikanske udviklingslande, total, vækst og gennemsnitlige vækst 93

Bilag 6, Gruppeinddeling til landeudvælgelse, baseret på bilag 4 og 5.............................................96

Bilag 7, Vækst i BNP pr indbygger for Ghana, Mozambique og Senegal.........................................98

Bilag 8, Ulandsbistand pr. indbygger i Ghana, Mozambique og Senegal..........................................99

Bilag 9, Mikrokredit udlån pr. indbygger.........................................................................................101

Bilag 10, Elektricitetsforbrug pr. indbygger.....................................................................................102

Bilag 11, Uddannelse........................................................................................................................103

Side 86 af 103

Bilag 1, Gennemsnitlige vækst i BNP pr. indbygger, 2000-2008

Bilag 1, tabel 1:

BNP pr. indbygger, PPP(faste 2005 international $), 2000-2008,

Side 87 af 103

Subsahara africa 2000 2001 2002 2003 2004 2005 2006 2007 2008Angola 2569 2573 2857 2860 3084 3611 4164 4875 5452Benin 1279 1300 1314 1319 1315 1309 1315 1332 1357Botswana 9961 10333 10547 11084 11679 12088 12296 12660 12378Burkina Faso 896 926 936 982 995 1026 1051 1058 1073Burundi 348 348 355 341 347 340 347 349 354Cameroon 1832 1870 1900 1931 1957 1959 19880 2009 2047Cape Verde 2403 2450 2519 2630 2569 2695 2941 3100 3239Central African Republic 734 723 707 643 639 644 658 674 680Chad 878 945 987 1091 1407 1468 1425 1389 1345Comoros 1093 1105 1127 1131 1105 1127 1117 1096 1081Congo, Dem. Rep. 256 244 246 252 261 273 279 288 297Congo, Rep. 3188 3236 3310 3284 3320 3497 3641 3517 3647Cote d'lvoire 1737 1697 1637 1578 1574 1560 1537 1538 1526Equatorial Guinea 8542 13430 15592 17276 23192 24770 24417 28876 31309Eritrea 681 713 704 656 639 630 602 591 584Ethiopia 528 557 551 525 581 633 683 740 802Gabon 13271 13253 12935 12983 12896 13029 12933 13399 13427Gambia, The 1088 1113 1042 1079 1120 1142 1183 1222 1260Ghana 1047 1063 1085 1116 1152 1193 1242 1290 1342Guinea 990 1010 1032 1034 1042 1056 1057 1050 1113Guinea-Bissau 640 626 568 514 498 197 503 495 497Kenya 1287 1301 1275 1279 1309 1349 1398 1456 1470Lesotho 1161 1180 1186 1222 1267 1266 1359 1420 1468Liberia 481 473 474 318 317 323 334 350 358Madagascar 909 939 794 847 867 882 901 932 970Malawi 705 651 607 629 648 648 683 723 773Mali 857 933 944 984 975 1004 1025 1023 1042Mauritania 1597 1595 1566 1607 1642 1684 1832 1820 -Mauritius 8530 8907 9070 9263 9616 9975 10254 10668 11165Mayotte - - - - - - - - -Mozambique 506 552 586 606 639 677 721 757 791Namibia 4528 4501 4646 4778 5296 5361 5669 5804 5863Niger 568 587 584 588 563 584 597 597 632Nigeria 1456 1463 1449 1558 1632 1731 1795 1869 1924Rwanda 658 683 738 728 755 793 830 873 945Sao Toma and Principe - 1144 1255 1300 1363 1426 1487 1547 1607Senegal 1464 1492 1463 1520 1569 1614 1610 1641 1638Seychelles 18243 17813 17491 16640 16224 17352 18415 19652 19900Sierra Leone 407 466 571 599 619 640 666 691 708Somalia - - - - - - - - -South Africa 7497 7562 7765 7910 8197 8504 8862 9224 9343Sudan 1325 2377 1421 1492 1537 1601 1744 1879 1990Swaziland 4032 4025 4066 4199 4277 4335 4411 4508 4555Tanzania 857 887 927 954 990 1035 1074 1118 1167Togo 792 768 778 779 782 772 782 777 767Uganda 784 797 822 847 876 901 966 1016 1077Zambia 1001 1025 1029 1063 1096 1127 1169 1212 1253Zimbabwe - - - - - - - - -Øvrige lande China 2664 2864 3104 3393 3714 4076 4524 5085 5515 Thailand 5568 5631 5861 6203 6520 6751 7038 7333 7469 India 1718 1779 1817 1940 2071 2234 2416 2600 2721 World 7840 7911 8019 8206 8503 8771 9102 9449 9602

Kilde: World Development Indicators (WDI).

Side 88 af 103

Bilag 1, tabel 2: Vækst i BNP pr. indbygger, PPP (faste 2005 international $).

Kilde: Beregnet på baggrund af bilag 1, tabel 1

Side 89 af 103

Subsahara africa 2000-2001 2001-2002 2002-2003 2003-2004 2004-2005 2005-2006 2006-2007 2007-2008Angola 0,001557 0,110377 0,0010501 0,0783217 0,170882 0,1531432 0,1707493 0,118359Benin 0,0164191 0,010769 0,0038052 -0,003033 -0,004563 0,0045837 0,0129278 0,0187688Botswana 0,0373456 0,02071 0,050915 0,053681 0,0350201 0,0172071 0,0296031 -0,022275Burkina Faso 0,0334821 0,010799 0,0491453 0,0132383 0,0311558 0,0243665 0,0066603 0,0141777Burundi 0 0,020115 -0,039437 0,0175953 -0,020173 0,0205882 0,0057637 0,0143266Cameroon 0,0207424 0,016043 0,0163158 0,0134645 0,001022 9,1480347 -0,898944 0,0189149Cape Verde 0,0195589 0,028163 0,0440651 -0,023194 0,0490463 0,0912801 0,0540632 0,0448387Central African Republic -0,014986 -0,02213 -0,090523 -0,006221 0,0078247 0,0217391 0,0243161 0,0089021Chad 0,0763098 0,044444 0,1053698 0,2896425 0,0433547 -0,029292 -0,025263 -0,031677Comoros 0,010979 0,01991 0,0035492 -0,022989 0,0199095 -0,008873 -0,0188 -0,013686Congo, Dem. Rep. -0,046875 0,008197 0,0243902 0,0357143 0,045977 0,021978 0,0322581 0,03125Congo, Rep. 0,0150565 0,022868 -0,007855 0,0109622 0,0533133 0,0411782 -0,034057 0,0369633Cote d'lvoire -0,023028 -0,035357 -0,036042 -0,002535 -0,008895 -0,014744 0,0006506 -0,007802Equatorial Guinea 0,5722313 0,160983 0,1080041 0,3424404 0,0680407 -0,014251 0,1826187 0,0842568Eritrea 0,0469897 -0,012623 -0,068182 -0,025915 -0,014085 -0,044444 -0,018272 -0,011844Ethiopia 0,0549242 -0,010772 -0,047187 0,1066667 0,0895009 0,0789889 0,0834553 0,0837838Gabon -0,001356 -0,023995 0,0037109 -0,006701 0,0103133 -0,007368 0,0360319 0,0020897Gambia, The 0,0229779 -0,063792 0,0355086 0,0379981 0,0196429 0,0359019 0,032967 0,0310966Ghana 0,0152818 0,020696 0,0285714 0,0322581 0,0355903 0,0410729 0,0386473 0,0403101Guinea 0,020202 0,021782 0,001938 0,0077369 0,0134357 0,000947 -0,006623 0,06Guinea-Bissau -0,021875 -0,092652 -0,09507 -0,031128 -0,604418 1,5532995 -0,015905 0,0040404Kenya 0,010878 -0,019985 0,0031373 0,0234558 0,0305577 0,0363232 0,0414878 0,0096154Lesotho 0,0163652 0,005085 0,0303541 0,0368249 -0,000789 0,0734597 0,0448859 0,0338028Liberia -0,016632 0,002114 -0,329114 -0,003145 0,0189274 0,0340557 0,0479042 0,0228571Madagascar 0,0330033 -0,15442 0,0667506 0,0236128 0,017301 0,021542 0,0344062 0,0407725Malawi -0,076596 -0,067588 0,0362438 0,0302067 0 0,0540123 0,0585652 0,0691563Mali 0,0886814 0,01179 0,0423729 -0,009146 0,0297436 0,0209163 -0,001951 0,0185728Mauritania -0,001252 -0,018182 0,0261814 0,0217797 0,0255786 0,087886 -0,00655Mauritius 0,044197 0,0183 0,0212789 0,0381086 0,0373336 0,0279699 0,0403745 0,0465879MayotteMozambique 0,0909091 0,061594 0,0341297 0,0544554 0,0594679 0,0649926 0,0499307 0,0449141Namibia -0,005963 0,032215 0,0284115 0,1084136 0,0122734 0,057452 0,0238137 0,0101654Niger 0,0334507 -0,005111 0,0068493 -0,042517 0,0373002 0,0222603 0 0,0586265Nigeria 0,0048077 -0,009569 0,0752243 0,0474968 0,0606618 0,0369728 0,0412256 0,0294275Rwanda 0,0379939 0,080527 -0,01355 0,0370879 0,0503311 0,0466583 0,0518072 0,0824742Sao Toma and Principe 0,097028 0,0358566 0,0484615 0,0462216 0,042777 0,0403497 0,0387847Senegal 0,0191257 -0,019437 0,038961 0,0322368 0,0286807 -0,002478 0,0192547 -0,001828Seychelles -0,023571 -0,018077 -0,048654 -0,025 0,0695266 0,0612609 0,0671735 0,0126196Sierra Leone 0,1449631 0,225322 0,0490368 0,033389 0,0339257 0,040625 0,0375375 0,024602SomaliaSouth Africa 0,0086701 0,026845 0,0186735 0,0362832 0,0374527 0,0420978 0,0408486 0,0129011Sudan 0,7939623 -0,402188 0,0499648 0,0301609 0,0416396 0,0893192 0,0774083 0,059074Swaziland -0,001736 0,010186 0,0327103 0,0185759 0,0135609 0,0175317 0,0219905 0,0104259Tanzania 0,0350058 0,045096 0,0291262 0,0377358 0,0454545 0,0376812 0,0409683 0,0438283Togo -0,030303 0,013021 0,0012853 0,0038511 -0,012788 0,0129534 -0,006394 -0,01287Uganda 0,0165816 0,031368 0,0304136 0,0342385 0,0285388 0,0721421 0,0517598 0,0600394Zambia 0,023976 0,003902 0,0330418 0,0310442 0,0282847 0,0372671 0,0367836 0,0338284Zimbabwe

Øvrige landeChina 0,0750751 0,083799 0,0931057 0,0946065 0,097469 0,1099117 0,1240053 0,0845624Thailand 0,0113147 0,040845 0,0583518 0,0511043 0,0354294 0,0425122 0,0419153 0,0185463India 0,0355064 0,02136 0,067694 0,0675258 0,0787059 0,0814682 0,0761589 0,0465385World 0,0090561 0,013652 0,0233196 0,036193 0,0315183 0,037738 0,0381235 0,0161922

Gens. Vækst i 1= Under 1% 1=Under 2% 1=Under 3%

Subsahara afrikanske lande Bnp pr. indbygger gens. Vækst gens. Vækst gens. VækstAngola 10,06% 0 0 0Benin 0,75% 1 1 1Botswana 2,78% 0 0 1Burkina Faso 2,29% 0 0 1Burundi 0,23% 1 1 1Cameroon 104,19% 0 0 0Cape Verde 3,85% 0 0 0Central African Republic -0,89% 1 1 1Chad 5,91% 0 0 0Comoros -0,13% 1 1 1Congo, Dem. Rep. 1,91% 0 1 1Congo, Rep. 1,73% 0 1 1Cote d'lvoire -1,60% 1 1 1Equatorial Guinea 18,80% 0 0 0Eritrea -1,85% 1 1 1Ethiopia 5,49% 0 0 0Gabon 0,16% 1 1 1Gambia, The 1,90% 0 1 1Ghana 3,16% 0 0 0Guinea 1,49% 0 1 1Guinea-Bissau 8,70% 0 0 0Kenya 1,69% 0 1 1Lesotho 3,00% 0 0 1Liberia -2,79% 1 1 1Madagascar 1,04% 0 1 1Malawi 1,30% 0 1 1Mali 2,51% 0 0 1Mauritania 1,69% 0 1 1Mauritius 3,43% 0 0 0MayotteMozambique 5,75% 0 0 0Namibia 3,33% 0 0 0Niger 1,39% 0 1 1Nigeria 3,58% 0 0 0Rwanda 4,67% 0 0 0Sao Toma and Principe 4,37% 0 0 0Senegal 1,43% 0 1 1Seychelles 1,19% 0 1 1Sierra Leone 7,37% 0 0 0SomaliaSouth Africa 2,80% 0 0 1Sudan 9,24% 0 0 0Swaziland 1,54% 0 1 1Tanzania 3,94% 0 0 0Togo -0,39% 1 1 1Uganda 4,06% 0 0 0Zambia 2,85% 0 0 1Zimbabwe

Total 9 21 27Øvrige LandeKina 9,53%Thailand 3,75%Indien 5,94%World 2,57%

Bilag 1, tabel 3: Gennemsnitlig vækst i BNP pr indbygger i perioden 2000-2001, viser også antal

lande der har en gennemsnitlig vækst på under henholdsvis 1%, 2% og 3%.

Kilde: Beregnet på baggrund af bilag 1, tabel 2.

Side 90 af 103

Bilag 2, Effekten af en stigning i opsparingsraten

Bilag 2, figur 1: Effekten af en stigning i opsparingsraten, den neoklassiske vækstteori, egen

tilpasning

Kilde: (Blanchard 2006- s. 254)

Side 91 af 103

Bilag 3, Argumentation bag de faste variabler og landeudvælgelse

Valg af faste variabler

Udviklingen i mængden af arbejdskraft har ifølge både den neoklassiske vækstteori og Romers

endogene vækstteori en indflydelse på væksten, hvilket er årsag til, at der vil blive korrigeret for

denne variabel i analysen. Hvis et land har flere der arbejder, vil produktionen alt andet lige være

højre og dermed vil væksten stige. Udviklingen i mængden af arbejdskraft vil i denne analyse blive

målt ud fra væksten i arbejdsstyrken. Det ville være mere optimalt at måle væksten i antal arbejdere,

men det har ikke været muligt at finde data omkring dette, og ifølge WDI har kun været muligt at

finde data omkring arbejdsløsheden i arbejdsstyrken for meget få af de afrikanske udviklingslande.

Derfor vil analysen bygge på en antagelse om, at arbejdsløsheden i procent af arbejdsstyrken ikke

har ændret sig over årene, og at det derfor vil være muligt at måle udviklingen ved at måle

udviklingen i arbejdsstyrken.

Øget landbrugsjord betyder at der kan produceres mere, og dermed vil det have en positiv

indflydelse på væksten. I 2008 udgjorde mellem 14% og 61% af BNP landbrugsproduktion i de 19

af de 30 afrikanske udviklingslande ifølge WDI, hvilket viser at landbrugsproduktion har betydning

for produktionsmængden (WDI, argiculture value added(% of GDP)) . Landbrugsjord vil blive målt

som væksten i km2 landbrugsareal, som inkludere både midlertidige afgrøder, eksempelvis korn og

majs, og afgrøder der ikke skal plantes om hvert år, eksemplevis frugt træer og vindrueplanter.

Generelt er der ofte ikke den store udvikling i mængden af landsbrugsjord, men ved at korrigere for

denne variabel, undgås lande med en abnorm stor vækst i landbrugsjord.

Alt andet lige kan adgang til havet kan have betydning for væksten, fremgår det af Todaro et. al.’s

bog (Todaro et al. 2003- s. 41). En del af de afrikanske udviklingslande er ”landlock”, og derfor vil

denne variable også indgå som konstant i den efterfølgende analyse.

Der kunne også have korrigeret for andre ting, som i litteraturen bliver analyseret i forhold til deres

indflydelse på væksten. Eksempelvis kunne der være korrigeret for mængden af kapital

investeringer, teknologi udvikling eller regeringsudgifter, som alle indgår som variabler i

vækstteorierne diskuteret i kapital 7. Størrelsen på disse faktorer er dog, som det fremgik af den

rapportens litteratur baserede analyse, ofte påvirket af mængden af ulandshjælp. Det blev

argumenteret i nogle af de foregående analyser og ulandshjælp i nogen tilfælde har en indflydelse

på væksten, netop fordi den øger disse variabler. Derfor vil der ikke blive korrigeret for disse

Side 92 af 103

variabler, da dette link fra ulandshjælp til vækst ville gå bort. Eksempelvis går ulandsbistand ofte

direkte ind og forøger regeringsudgifterne, og det er argumenteret at eksempelvis investeringer i

infrastruktur øger mængden af private kapital investeringer. Ulandshjælp kan også eksempelvis øge

FDI, som kan forøge teknologi mængden i en land.

Der kunne også være korrigeret for tidligere BNP pr. indbygger, da størrelsen på denne variabel

også kan have betydning for væksten. Dette ses bl.a. i Tomi Ovaska’s analyse omkring

ulandsbistand og vækst, hvor han på baggrund af en regressionsanalyse argumenterer, at jo højre

tidligere BNP pr. indbygger et land har, jo lavere vækst vil landet opleve. Denne argumentation er

også baseret på den neoklassiske vækstteori, hvor der er ”deminishing return” for kapital (Ovaska

2003). Givet at alle de lande der ses på i denne analyse tilhører verdensbankens lav-indkomst

gruppe, har de alle en BNP pr indbygger på nogenlunde samme niveau. På baggrund af dette, vil der

ikke blive gjort yderligere for at korrigere for den tidligere BNP, og denne faktor vil i analysen

blive betragtet som værende en fast variabel

Bilag 3, figur 1: Afhængig variabel, uafhængige variabler og faste variabler i analysen

Kilde: Egen opstilling

Figur 1 giver et overblik over hvilke variabler der indgår i analysen og hvilke der påvirker den

afhængige variabel, væksten. Som det ses stammer de fire uafhængige variabler fra de fire under

Side 93 af 103

hypoteser, da det som sagt er dem der vil blive analyseret på.

I den efterfølgende analyse ville det egentlig være optimalt, hvis tre af de uafhængige variabler blev

holdt konstant mellem landene, når der analyseres på den fjerde uafhængige variabel. Dermed ville

der opnås et bedre grundlag for, at vurdere hvorvidt de enkelte uafhængige variabler har haft en

indflydelse på væksten. Blev dette gjort ville det dog ikke være muligt at gennemfører hele analysen

med de samme tre lande, hvilket ønskes i denne rapport.

Korruption, markedsvilkår og regeringen kan være vigtig for vækst, hvilket også blev diskuteret i

afgrænsningen. Grundet at denne diskussion hører under afgrænsningen vil den ikke blive inddraget

i denne analyse.

Landeudvælgelsen på baggrund af de faste variabler

Landeudvælgelsen vil som argumenteret i forrige kapitel være baseret på de faste variabler: væksten

i arbejdsstyrken, væksten i landbrugsareal og hvorvidt landet har adgang til havet eller ej. Der vil

blive udvalgt tre lande som ligner hinanden på disse tre faktorer.

Bilag 4 viser tabeller over den faktiske arbejdsstyrke og væksten i arbejdsstyrken for hvert af de 30

lande i perioden 1988-2007. For at få landene inddelt i nogle grupper på baggrund af væksten i

arbejdsstyrken, er den gennemsnitlige vækst i arbejdsstyrken i den givne periode blevet

udregnet(Bilag 4, tabel 3). For at gør det overskueligt, er landene blevet inddelt i tre grupper på

baggrund af dette gennemsnit. Gruppe 1 svare til dem der har en gennemsnitlig vækst i

arbejdsstyrken på mellem 1% og 2%, Gruppe 2 har en gennemsnit mellem 2% og 3% og Gruppe 3

mellem 3% og 4%. Ulempen ved at gøre det på denne måde er, at lande som har en gennemsnitlig

vækst i arbejdsstyrken som er næsten ens, men som eksempelvis ligger på hver sin side af 3%, ikke

vil blive betragtet som værende ens. For at gør udvælgelsen over de mange lande overskuelig, har

det dog været nødvendigt at lave denne gruppering. Det kan også være en ulempe, at bruge den

gennemsnitlige vækst i arbejdsstyrken til at vurdere om landene er ens på, da det ikke er sikkert at

væksten har været ens over årene, selvom den gennemsnitlige vækst er ens. Gennemsnits tal giver

dog et mere håndgribeligt sammenligningsgrundlag, hvilket er årsagen til, at det er blevet brugt.

Vurderingen af om landene er ens medhensyn til vækst i landbrugsareal er også sket på baggrund af

en gennemsnitlig vækst i landbrugsareal i perioden 1988-2006, hvilket skyldes sammen begrundelse

som ved arbejdsstyrken. Bilag 5 indeholder tal over det faktiske landbrugsareal målt i km2, væksten

Side 94 af 103

i landbrugsareal, og den gennemsnitlige vækst i landbrugsareal i den givne periode. Landene er på

baggrund af den gennemsnitlige vækst i landbrugsareal blevet delt ind i to grupper, hvor gruppe 1

svare til en gennemsnitlig vækst på mellem 0% og 1%, og gruppe 2 svare til en gennemsnitlig vækst

på mellem 1% og 2%. Der er som forventet den store forskel i den gennemsnitlige vækst i

landbrugsareal mellem landene, dog vælges det alligevel, at fortsætte med at gruppere landene på

baggrund af denne variabel.

Bilag 6 giver et overblik over hvordan landene grupperes på baggrund af de gennemgåede

forudsætninger. Det fremgår af bilag 6, at der i alt er fire mulige grupper af lande, som internt er

forholdsvis ens på de opsatte kriterier. Alle disse fire grupper, ville på baggrund af de opsatte

forudsætninger være brugbare til analysen. Grundet manglende data for en del af landene omkring

enkelte af de variabler der skal bruges analysen, er det ikke alle lande der kan bruges. Ghana,

Mozambique og Senegal tilhører den samme gruppe, og har data omkring de variabler der skal

bruges til analysen, derfor er de blevet udvalgt.

Side 95 af 103

Bilag 4, Arbejdsstyrken i de 30 afrikanske udviklingslande, total, vækst og

gennemsnitlig vækst

Bilag 4, tabel 1; Arbejdsstyrken, Total, 30 afrikanske udviklingslande, 1988-2007,

Kilde: WDI

Side 96 af 103

subsah

ara af

rikan

ske lan

de198

8198

9199

0199

1199

2199

3199

4199

5199

6199

7199

8199

9200

0200

1200

2200

3200

4200

5200

6200

7 Be

nin159

5770

169525

5180

7640

192972

6206

3724

214807

8223

2148

231264

6238

4806

245328

1252

1630

259497

3267

6925

276861

4286

8670

297515

8308

5092

319626

4330

8306

342658

2 Bu

rkina

Faso

365838

3375

9599

386979

0397

9937

409989

3422

9602

435840

7449

6469

463180

7477

5988

492152

9508

5362

525869

0544

9845

565629

1587

7312

608820

8628

8275

647480

9664

7985

Burun

di264

8434

273507

9281

1260

286130

0290

7700

295085

9298

4815

301419

3303

4391

304825

7306

9764

310947

3318

0245

327834

1340

6440

355717

5371

9609

388932

0406

5685

424928

8 Ce

ntral A

frican

Repu

blic

127661

4130

4359

133544

9137

0488

141017

1145

1033

149630

2153

8559

157946

3162

1438

166190

8170

0280

173403

7176

7174

179558

7182

3215

185236

7188

4724

192083

2196

3157

Chad

212178

8221

5402

231632

6241

7964

251704

6262

8034

271890

5279

9489

289193

9298

8715

309509

6319

9622

331120

4344

4807

358640

5375

8620

392846

2407

0572

419808

3431

5940

Como

ros165

186170

207175

548181

177186

424191

738197

445203

307209

608216

263223

056229

703236

656243

238249

845256

565263

164269

735276

430283

762 Co

ngo,

Dem.

Rep.

137199

61141

21426

145408

28150

05766

154886

57159

83060

164985

93169

68344

173581

49176

80189

180376

17183

98027

188170

05193

03116

198782

09205

43459

212664

28220

42751

228758

20235

79483

Eritre

a115

2865

118137

5119

8644

120278

9119

8422

119367

1119

5855

120662

5123

0991

126739

1131

5370

137346

3143

6097

150977

4159

2001

167838

6176

3180

184755

2192

2111

198105

1 Et

hiopia

186113

66193

43653

201074

71209

04613

217322

90225

84528

234229

76243

32370

252523

24261

54845

270475

50280

11214

290249

28301

29188

312522

66324

33245

336750

30349

38469

359672

45374

35045

Gamb

ia, Th

e367

453382

841398

088414

112429

923446

662463

308481

100498

833517

030536

266555

026574

609593

529612

545632

520651

915671

592691

545712

730 Gh

ana

579416

3596

9727

615531

2634

3083

654811

2678

7758

704275

2730

2054

755480

0782

1648

809355

3837

1846

851983

9873

8087

895911

4916

9358

939206

5961

4093

982146

5101

11048

Guine

a270

5896

279232

8289

2047

301044

2313

8282

327203

3340

2122

352167

9362

8418

371999

8380

7900

388794

0396

8195

404944

5413

6247

422031

2430

7859

440016

1450

3128

460143

7 Gu

inea-B

issau

399069

412649

426023

439716

453312

466590

479336

491425

503392

513922

520492

530959

542197

554397

565087

578765

591960

606092

619436

631198

Keny

a911

5230

947175

8985

1331

102555

58106

94521

111353

86115

80629

120230

46124

59417

128912

76133

21995

137570

86141

82773

146172

15150

58140

155003

51159

76261

164441

10169

23279

173727

61 Lib

eria

858660

846825

828193

802251

771094

744063

732470

746675

790265

858110

941714

102429

3109

4656

114866

6118

9987

122641

5126

3925

131277

4137

3021

144173

0 M

adaga

scar

483238

6497

5000

513664

7530

0135

547098

4564

6568

582327

3599

8817

617964

5635

2691

652912

8670

6255

690414

0710

7601

734180

4756

1769

805793

6849

2381

876576

0893

4148

Mala

wi353

7959

374945

6391

5446

403161

3411

0532

416133

6421

1170

428141

0437

7122

448800

7460

8797

474289

0486

6261

499664

5511

2382

523050

9535

0493

548348

5561

6280

578149

0 M

ali204

3893

208420

6213

0172

217357

4222

3227

227536

0233

0537

238927

2245

1641

251286

0258

3595

265996

7274

2599

282071

3291

0270

301051

0311

3960

321926

1332

6031

344076

2 M

aurita

nia724

806743

089762

639784

689808

174831

946858

297884

816913

942943

146975

145100

7322

104252

3107

7874

111622

3115

5641

119553

2123

3693

127162

3131

1937

Moza

mbiqu

e615

3471

611370

0617

2593

634649

2661

2134

693499

3725

5619

754465

6778

2710

797919

3817

0674

836342

8856

8938

875714

5896

4960

917153

4936

4559

954291

6972

9917

990465

4 Ni

ger

237128

1244

4897

252086

9260

7433

269202

7278

6608

289096

4300

0248

311437

5323

8318

337188

0350

3675

363233

7376

9185

390255

0403

7228

417209

4429

9872

443362

7455

8098

Rwan

da309

8998

316996

8315

3158

303143

0282

2219

259621

8245

3516

241229

5252

3444

276083

8307

6314

338548

1363

2359

380697

4391

7539

399802

9406

4589

415595

3426

9919

437374

5 Se

negal

286443

3294

8882

303479

3312

1881

321043

7330

1032

339451

3349

1508

358742

9369

1566

379412

8390

4943

401358

5413

0691

424543

6436

9254

449070

3462

1904

475703

8490

9395

Sierra

Leon

e149

2304

152772

5154

4306

155433

3155

5528

154804

5153

6760

154343

9154

3630

156445

4158

2216

161495

3165

4000

169800

4174

7722

181108

3187

6471

193636

7198

9033

203894

4 So

malia

258668

5261

1688

261908

3260

1710

256271

0251

4102

247654

2246

9395

249351

4254

5467

261634

0269

7196

277736

3285

9457

294527

2303

0022

311769

9321

2771

331018

9341

3288

Tanza

nia116

96401

120863

41124

92099

129302

94133

96287

138614

48143

37593

147807

14152

01771

156055

55159

99841

163965

16168

04616

172070

68176

60605

181490

43186

32380

191311

10196

69080

202499

26 To

go140

8740

145406

7149

7941

153950

0157

7196

161374

6166

4751

171904

1178

5010

185903

6193

2668

200962

1208

1193

215231

4222

1053

229191

1236

0315

243087

8250

3822

257863

1 Ug

anda

736607

5763

7601

789786

3815

4261

841844

5867

2497

893880

9919

9279

946428

0974

6130

100266

40103

22008

106362

58109

71340

113143

12116

91133

120743

65124

91202

129138

17133

88120

Zamb

ia276

2762

288175

9300

3697

311485

7320

9174

330401

2339

4856

349136

6359

4579

369912

9380

2710

390223

8399

5801

408256

9416

4070

424979

3433

2422

442155

8451

8504

464282

0 Zim

babw

e384

6826

401054

8417

5791

432351

2446

4171

459267

0471

6940

483809

5495

0772

506644

8508

9389

508604

2513

8880

517065

6517

7721

517247

7516

2070

516010

9515

9322

516149

6

subsa

hara

afrika

nske l

ande

88/89

89/90

90/91

91/92

92/93

93/94

94/95

95/96

96/97

97/98

98/99

99/00

00/01

01/02

02/03

03/04

04/05

05/06

06/07

Benin

0,062

343

0,066

294

0,067

539

0,069

439

0,040

875

0,039

137

0,036

063

0,031

202

0,028

713

0,027

860,0

2908

60,0

3158

10,0

3425

20,0

3613

90,0

3712

10,0

3695

10,0

3603

50,0

3505

40,0

3575

1 Bu

rkina

Faso

0,027

667

0,029

309

0,028

463

0,030

140,0

3163

70,0

3045

30,0

3167

70,0

3009

90,0

3112

80,0

3047

30,0

3328

90,0

3408

40,0

3635

0,037

881

0,039

075

0,035

883

0,032

861

0,029

664

0,026

746

Burun

di0,0

3271

60,0

2785

30,0

178

0,016

216

0,014

843

0,011

507

0,009

842

0,006

701

0,004

570,0

0705

60,0

1293

60,0

2276

0,030

845

0,039

074

0,044

250,0

4566

40,0

4562

60,0

4534

60,0

4515

9 Ce

ntral A

frican

Repu

blic

0,021

733

0,023

835

0,026

238

0,028

955

0,028

977

0,031

198

0,028

241

0,026

586

0,026

575

0,024

959

0,023

089

0,019

854

0,019

110,0

1607

80,0

1538

70,0

1598

90,0

1746

80,0

1915

80,0

2203

5 Ch

ad0,0

4412

0,045

556

0,043

879

0,040

977

0,044

095

0,034

578

0,029

638

0,033

024

0,033

464

0,035

594

0,033

771

0,034

873

0,040

349

0,041

105

0,048

019

0,045

187

0,036

174

0,031

325

0,028

074

Como

ros0,0

3039

60,0

3137

90,0

3206

50,0

2896

10,0

2850

50,0

2976

50,0

2968

90,0

3099

30,0

3175

0,031

411

0,029

80,0

3027

0,027

813

0,027

163

0,026

897

0,025

721

0,024

969

0,024

821

0,026

524

Cong

o, De

m. Re

p.0,0

2926

10,0

297

0,031

975

0,032

180,0

3192

0,032

255

0,028

472

0,022

972

0,018

553

0,020

216

0,019

981

0,022

773

0,025

834

0,029

793

0,033

466

0,035

192

0,036

505

0,037

793

0,030

76 Er

itrea

0,024

730,0

1461

80,0

0345

8-0,

00363

-0,00

3960,0

0183

0,009

006

0,020

194

0,029

570,0

3785

70,0

4416

50,0

4560

30,0

5130

40,0

5446

30,0

5426

20,0

5052

10,0

4785

20,0

4035

60,0

3066

4 Et

hiopia

0,039

346

0,039

487

0,039

644

0,039

593

0,039

215

0,037

125

0,038

825

0,037

808

0,035

740,0

3413

20,0

3562

90,0

3619

0,038

045

0,037

275

0,037

789

0,038

287

0,037

519

0,029

445

0,040

809

Gamb

ia, Th

e0,0

4187

70,0

3982

60,0

4025

20,0

3818

0,038

935

0,037

268

0,038

402

0,036

859

0,036

479

0,037

205

0,034

983

0,035

283

0,032

927

0,032

039

0,032

610,0

3066

30,0

3018

30,0

2971

0,030

634

Ghan

a0,0

303

0,031

088

0,030

506

0,032

323

0,036

598

0,037

567

0,036

818

0,034

613

0,035

322

0,034

763

0,034

385

0,017

677

0,025

616

0,025

295

0,023

467

0,024

288

0,023

640,0

2157

0,029

485

Guine

a0,0

3194

20,0

3571

20,0

4093

80,0

4246

60,0

4261

90,0

3975

80,0

3514

20,0

3030

90,0

2524

0,023

630,0

2101

90,0

2064

20,0

2047

50,0

2143

60,0

2032

40,0

2074

40,0

2142

60,0

2340

10,0

2183

1 Gu

inea-B

issau

0,034

029

0,032

410,0

3214

10,0

3092

0,029

291

0,027

317

0,025

220,0

2435

20,0

2091

80,0

1278

40,0

2011

0,021

165

0,022

501

0,019

282

0,024

205

0,022

799

0,023

873

0,022

016

0,018

988

Keny

a0,0

3911

30,0

4007

40,0

4103

30,0

4280

20,0

4122

30,0

3998

50,0

3820

30,0

3629

50,0

3466

10,0

3341

20,0

3266

0,030

943

0,030

632

0,030

165

0,029

367

0,030

703

0,029

284

0,029

139

0,026

56 Lib

eria

-0,01

378-0,

022

-0,03

132-0,

03884

-0,03

506-0,

01558

0,019

393

0,058

379

0,085

851

0,097

428

0,087

690,0

6869

40,0

4934

0,035

973

0,030

612

0,030

585

0,038

649

0,045

893

0,050

042

Mad

agasca

r0,0

2951

20,0

3249

20,0

3182

80,0

3223

50,0

3209

40,0

3129

40,0

3014

50,0

3014

40,0

2800

30,0

2777

40,0

2712

90,0

2950

80,0

2946

90,0

3295

10,0

2996

10,0

6561

50,0

5391

50,0

3219

10,0

1921

Mala

wi0,0

5977

90,0

4427

0,029

669

0,019

575

0,012

359

0,011

975

0,016

679

0,022

355

0,025

333

0,026

914

0,029

095

0,026

012

0,026

793

0,023

163

0,023

106

0,022

939

0,024

856

0,024

217

0,029

416

Mali

0,019

724

0,022

054

0,020

375

0,022

844

0,023

449

0,024

250,0

2520

20,0

2610

40,0

2497

10,0

2814

90,0

2956

0,031

065

0,028

482

0,031

750,0

3444

40,0

3436

30,0

3381

60,0

3316

60,0

3449

5 M

aurita

nia0,0

2522

50,0

2630

90,0

2891

30,0

2992

90,0

2941

40,0

3167

40,0

3089

70,0

3291

80,0

3195

40,0

3392

80,0

3299

70,0

3494

50,0

3390

90,0

3557

80,0

3531

40,0

3451

90,0

3192

0,030

745

0,031

703

Moza

mbiqu

e-0,

00646

0,009

633

0,028

173

0,041

857

0,048

828

0,046

233

0,039

836

0,031

553

0,025

246

0,023

998

0,023

591

0,024

572

0,021

964

0,023

731

0,023

042

0,021

046

0,019

046

0,019

596

0,017

959

Nige

r0,0

3104

50,0

3107

40,0

3433

90,0

3244

30,0

3513

40,0

3744

90,0

3780

20,0

3803

90,0

3979

70,0

4124

40,0

3908

70,0

3672

20,0

3767

50,0

3538

30,0

3451

0,033

406

0,030

627

0,031

107

0,028

074

Rwan

da0,0

2290

1-0,

0053

-0,03

861-0,

06901

-0,08

008-0,

05497

-0,01

680,0

4607

60,0

9407

50,1

1426

80,1

0049

90,0

7292

30,0

4807

20,0

2904

30,0

2054

60,0

1664

80,0

2247

80,0

2742

20,0

2431

6 Se

nega

l0,0

2948

20,0

2913

30,0

2869

70,0

2836

60,0

2821

90,0

2831

90,0

2857

40,0

2747

30,0

2902

80,0

2778

30,0

2920

70,0

2782

20,0

2917

70,0

2777

90,0

2916

50,0

2779

60,0

2921

60,0

2923

80,0

3202

8 Si

erra L

eone

0,023

736

0,010

853

0,006

493

0,000

769

-0,00

481-0,

00729

0,004

346

0,000

124

0,013

490,0

1135

30,0

2069

10,0

2417

80,0

2660

50,0

2928

0,036

253

0,036

104

0,031

919

0,027

198

0,025

093

Soma

lia0,0

0966

60,0

0283

2-0,

00663

-0,01

499-0,

01897

-0,01

494-0,

00289

0,009

767

0,020

835

0,027

843

0,030

904

0,029

722

0,029

558

0,030

011

0,028

775

0,028

936

0,030

494

0,030

322

0,031

146

Tanz

ania

0,033

338

0,033

572

0,035

078

0,036

039

0,034

723

0,034

350,0

3090

60,0

2848

70,0

2656

20,0

2526

60,0

2479

20,0

2488

90,0

2394

90,0

2635

80,0

2765

70,0

2663

20,0

2676

70,0

2812

0,029

531

Togo

0,032

176

0,030

173

0,027

744

0,024

486

0,023

174

0,031

607

0,032

611

0,038

375

0,041

471

0,039

608

0,039

817

0,035

615

0,034

173

0,031

937

0,031

903

0,029

846

0,029

896

0,030

007

0,029

878

Ugan

da0,0

3686

20,0

3407

60,0

3246

40,0

3239

80,0

3017

80,0

3070

80,0

2913

90,0

2880

70,0

2978

0,028

782

0,029

458

0,030

445

0,031

504

0,031

261

0,033

305

0,032

780,0

3452

20,0

3383

30,0

3672

8 Za

mbia

0,043

072

0,042

314

0,037

008

0,030

280,0

2955

20,0

2749

50,0

2842

80,0

2956

20,0

2908

50,0

2800

10,0

2617

30,0

2397

70,0

2171

50,0

1996

30,0

2058

60,0

1944

30,0

2057

40,0

2192

60,0

2751

3 Zi

mbab

we0,0

4256

0,041

202

0,035

376

0,032

534

0,028

785

0,027

058

0,025

685

0,023

290,0

2336

50,0

0452

8-0,

00066

0,010

389

0,006

183

0,001

366

-0,00

101-0,

00201

-0,00

038-0,

00015

0,000

421

Bilag 4, tabel 2; Vækst i arbejdsstyrken, 30 afrikanske udviklingslande, 1988-2007

Kilde: Beregnet på baggrund af bilag 4, tabel 1.

Side 97 af 103

Gruppe 1 Gruppe 2 Gruppe 3gennemsnitlig vækst 1=gennesnitlig vækst 1=gennemsnitlig vækst 1=gennemsnitlig vækst

subsahara afrikanske lande i arbejdsstyrken mellem 1- 2% mellem 2-3% mellem 3-4% Benin 0,041128156 0 0 0 Burkina Faso 0,031941135 0 0 1 Burundi 0,02530338 0 1 0 Central African Republic 0,022919238 0 1 0 Chad 0,038094909 0 0 1 Comoros 0,028888881 0 1 0 Congo, Dem. Rep. 0,028926417 0 1 0 Eritrea 0,029097648 0 1 0 Ethiopia 0,037468559 0 0 1 Gambia, The 0,035490313 0 0 1 Ghana 0,029753669 0 1 0 Guinea 0,02837125 0 1 0 Guinea-Bissau 0,024438073 0 1 0 Kenya 0,034539679 0 0 1 Liberia 0,028523535 0 1 0 Madagascar 0,032919391 0 0 1 Malawi 0,026237278 0 1 0 Mali 0,02780326 0 1 0 Mauritania 0,031725797 0 0 1 Mozambique 0,025444217 0 1 0 Niger 0,034997701 0 0 1 Rwanda 0,019710538 1 0 0 Senegal 0,028763212 0 1 0 Sierra Leone 0,016651936 1 0 0 Somalia 0,014862924 1 0 0 Tanzania 0,029316602 0 1 0 Togo 0,032341922 0 0 1 Uganda 0,031948952 0 0 1 Zambia 0,027719334 0 1 0 Zimbabwe 0,015711967 1 0 0

Bilag 4, Tabel 3; Gennemsnitlig vækst i arbejdsstyrken i perioden 1988-2007, 30 afrikanske

udviklingslande, inddelt i 3 grupper baseret på den gennemsnitlige vækst i arbejdsstyrken.

Kilde: Beregnet på baggrund af bilag 4, tabel 2

Side 98 af 103

Bilag 5, Landbrugsareal i de 30 afrikanske udviklingslande, total, vækst og

gennemsnitlige vækst.

Bilag 5, tabel 1: Landbrugsareal, Km2, Total, 30 afrikanske udviklingslande, 1988-2005

Kilde: WDI

Side 99 af 103

subsah

ara af

rikan

ske lan

de198

8198

9199

0199

1199

2199

3199

4199

5199

6199

7199

8199

9200

0200

1200

2200

3200

4200

5 Be

nin221

00222

00227

00228

00229

50232

00240

00252

00271

00289

00305

00311

00319

50326

50336

50346

70356

70356

70 Bu

rkina

Faso

95640

96000

95750

95500

95250

95000

94310

94500

95500

98000

99500

100000

101000

106000

107000

109000

109000

109000

Burun

di214

50213

00212

50212

50213

50213

50213

50214

50215

00216

00225

60225

70227

00230

70234

10234

50233

50232

60 Ce

ntral A

frican

Repu

blic

50060

50060

50060

50080

50200

50200

50200

50100

50220

51230

51490

51490

51490

51490

51490

52200

52200

52200

Chad

482300

482500

483000

483500

483700

484000

484200

484500

485000

485300

485500

485500

485500

486300

486300

488300

488300

492300

Como

ros127

0128

0128

0133

0133

0133

0133

0135

0137

0139

0141

0143

0145

0147

0147

0147

0148

0148

0 Co

ngo,

Dem.

Rep.

228500

228500

228600

228800

229000

229000

229000

229000

228900

228800

228800

228800

228000

228000

228000

228000

228000

228000

Eritre

a..

.. ..

.. ..

74000

74060

74070

73380

73600

74670

74670

75300

75320

75320

75670

75670

76070

Ethio

pia..

.. ..

.. ..

305600

304720

305000

305000

305510

305640

307100

306950

314440

306370

317760

334460

339220

Gamb

ia, Th

e649

0631

0637

0646

0612

0611

0630

0635

0640

0669

0684

0709

0749

0779

0779

0794

0814

0814

0 Gh

ana

125000

125000

126050

127200

127200

128000

129000

131000

133000

136280

140300

142000

144500

145600

146810

147350

147350

147350

Guine

a118

960119

180120

160119

850120

550120

850121

300121

930122

150122

300122

650122

850123

000123

330124

000124

600125

650125

700 Gu

inea-B

issau

14700

14970

14970

14970

14970

14970

14970

15060

15220

15670

15770

16080

16280

16280

16280

16300

16300

16300

Keny

a266

620270

530267

700268

770270

720268

400272

320272

230264

550265

980264

620268

800266

740268

390268

180268

700269

960270

210 Lib

eria

26130

26150

26080

26050

26050

25850

25850

25850

25850

25850

25950

25950

25950

26000

26000

26020

26020

26020

Mad

agasca

r362

700362

950363

250363

500363

700364

900364

800364

800365

960374

900384

900395

000405

000408

430408

430408

430408

430408

430 M

alawi

37500

37600

37700

37800

37900

38000

38100

38550

38820

39350

39850

40370

40900

41900

42900

44400

45900

45900

Mali

320930

320930

320930

321030

322030

331000

352000

354190

366500

376500

376500

376500

386740

393390

393790

394790

394790

394790

Mau

ritania

396150

396350

396560

396660

396780

396900

397300

397600

397500

397500

397500

397500

397500

397500

397500

397500

397500

397620

Moza

mbiqu

e475

800476

300476

800477

300477

500477

500478

000478

800479

850481

350482

350481

850481

350482

350484

300485

800486

300486

300 Ni

ger

313000

314050

330470

341050

355000

355000

355000

365000

365000

365000

365000

375000

375000

385000

385000

385000

385000

385000

Rwan

da185

30185

50187

90187

70183

70173

00148

50148

50154

50159

50161

50166

10167

00174

90185

00193

50194

00194

00 Se

negal

80500

80500

80940

80500

80500

80500

80650

79650

79370

79430

79550

80080

80500

81550

81560

81580

81980

82480

Sierra

Leon

e274

40274

40274

40274

40274

40274

00274

10274

10274

10274

00274

00274

00275

00276

40280

00284

50288

00288

00 So

malia

440390

440400

440420

440420

440430

440440

440500

440560

440610

440660

440670

440670

440670

440710

442260

442760

443760

443760

Tanza

nia340

000340

000340

000340

030340

000340

000340

000340

000340

000340

030340

000340

000340

000341

000342

000343

420343

500343

500 To

go314

00314

00319

00319

50319

50330

00330

00330

00340

00345

00353

00363

00363

00363

00363

00363

00363

00363

00 Ug

anda

118170

118170

119620

120320

120520

120820

121020

121220

121720

121720

122220

122220

122720

123120

123120

124620

126120

127120

Zamb

ia230

580231

180231

680233

180235

380236

730238

730240

670242

480244

190245

850247

660249

370250

880252

740254

390255

890257

390 Zim

babw

e128

800129

550130

100131

800133

500135

200136

900138

600140

300142

000143

700145

400147

100148

900150

700152

500154

300156

100

Bilag 5, Tabel 2, Vækst i Landbrugsareal, Km2, 30 afrikanske udviklingslande, 1988-2005,

Kilde: Beregnet på baggrund af bilag 5, tabel 1.

Side 100 af 103

subs

ahara

afrik

ansk

e lan

de88

/89

89/9

090

/91

91/9

292

/93

93/9

494

/95

95/9

696

/97

97/9

898

/99

99/0

000

/01

01/0

202

/03

03/0

404

/05

Benin

0,004

5248

870,0

2252

30,0

0440

50,0

0657

90,0

1089

30,0

3448

30,0

50,0

7539

70,0

6642

10,0

5536

30,0

1967

20,0

2733

10,0

2190

90,0

3062

80,0

3031

20,0

2884

30

Burki

na Fa

so0,0

0376

4115

-0,00

26-0,

0026

1-0,

0026

2-0,

0026

2-0,

0072

60,0

0201

50,0

1058

20,0

2617

80,0

1530

60,0

0502

50,0

10,0

4950

50,0

0943

40,0

1869

20

0 Bu

rund

i-0,

0069

9300

7-0,

0023

50

0,004

706

00

0,004

684

0,002

331

0,004

651

0,044

444

0,000

443

0,005

760,0

163

0,014

738

0,001

709

-0,00

426

-0,00

385

Cent

ral Af

rican

Repu

blic

00

0,000

40,0

0239

60

0-0,

0019

90,0

0239

50,0

2011

20,0

0507

50

00

00,0

1378

90

0 Ch

ad0,0

0041

468

0,001

036

0,001

035

0,000

414

0,000

620,0

0041

30,0

0062

0,001

032

0,000

619

0,000

412

00

0,001

648

00,0

0411

30

0,008

192

Como

ros

0,007

8740

160

0,039

063

00

00,0

1503

80,0

1481

50,0

1459

90,0

1438

80,0

1418

40,0

1398

60,0

1379

30

00,0

0680

30

Cong

o, De

m. Re

p.0

0,000

438

0,000

875

0,000

874

00

0-0,

0004

4-0,

0004

40

0-0,

0035

00

00

0 Er

itrea

0,000

811

0,000

135

-0,00

932

0,002

998

0,014

538

00,0

0843

70,0

0026

60

0,004

647

00,0

0528

6 Et

hiopia

-0,00

288

0,000

919

00,0

0167

20,0

0042

60,0

0477

7-0,

0004

90,0

2440

1-0,

0256

60,0

3717

70,0

5255

50,0

1423

2 G

ambia

, The

-0,02

7734

977

0,009

509

0,014

129

-0,05

263

-0,00

163

0,031

097

0,007

937

0,007

874

0,045

313

0,022

422

0,036

550,0

5641

70,0

4005

30

0,019

255

0,025

189

0 G

hana

00,0

084

0,009

123

00,0

0628

90,0

0781

30,0

1550

40,0

1526

70,0

2466

20,0

2949

80,0

1211

70,0

1760

60,0

0761

20,0

0831

0,003

678

00

Guin

ea0,0

0184

9361

0,008

223

-0,00

258

0,005

841

0,002

489

0,003

724

0,005

194

0,001

804

0,001

228

0,002

862

0,001

631

0,001

221

0,002

683

0,005

433

0,004

839

0,008

427

0,000

398

Guin

ea-B

issau

0,018

3673

470

00

00

0,006

012

0,010

624

0,029

566

0,006

382

0,019

658

0,012

438

00

0,001

229

00

Keny

a0,0

1466

5066

-0,01

046

0,003

997

0,007

255

-0,00

857

0,014

605

-0,00

033

-0,02

821

0,005

405

-0,00

511

0,015

796

-0,00

766

0,006

186

-0,00

078

0,001

939

0,004

689

0,000

926

Libe

ria0,0

0076

5404

-0,00

268

-0,00

115

0-0,

0076

80

00

00,0

0386

80

00,0

0192

70

0,000

769

00

Mad

agas

car

0,000

6892

750,0

0082

70,0

0068

80,0

0055

0,003

299

-0,00

027

00,0

0318

0,024

429

0,026

674

0,026

241

0,025

316

0,008

469

00

00

Mala

wi0,0

0266

6667

0,002

660,0

0265

30,0

0264

60,0

0263

90,0

0263

20,0

1181

10,0

0700

40,0

1365

30,0

1270

60,0

1304

90,0

1312

90,0

2445

0,023

866

0,034

965

0,033

784

0 M

ali0

00,0

0031

20,0

0311

50,0

2785

50,0

6344

40,0

0622

20,0

3475

50,0

2728

50

00,0

2719

80,0

1719

50,0

0101

70,0

0253

90

0 M

aurit

ania

0,000

5048

590,0

0053

0,000

252

0,000

303

0,000

302

0,001

008

0,000

755

-0,00

025

00

00

00

00

0,000

302

Moz

ambiq

ue0,0

0105

0862

0,001

050,0

0104

90,0

0041

90

0,001

047

0,001

674

0,002

193

0,003

126

0,002

077

-0,00

104

-0,00

104

0,002

077

0,004

043

0,003

097

0,001

029

0 N

iger

0,003

3546

330,0

5228

50,0

3201

50,0

4090

30

00,0

2816

90

00

0,027

397

00,0

2666

70

00

0 Rw

anda

0,001

0793

310,0

1293

8-0,

0010

6-0,

0213

1-0,

0582

5-0,

1416

20

0,040

404

0,032

362

0,012

539

0,028

483

0,005

418

0,047

305

0,057

747

0,045

946

0,002

584

0 Se

nega

l0

0,005

466

-0,00

544

00

0,001

863

-0,01

24-0,

0035

20,0

0075

60,0

0151

10,0

0666

20,0

0524

50,0

1304

30,0

0012

30,0

0024

50,0

0490

30,0

0609

9 Si

erra

Leon

e0

00

0-0,

0014

60,0

0036

50

0-0,

0003

60

00,0

0365

0,005

091

0,013

025

0,016

071

0,012

302

0 So

malia

2,270

71E-0

54,5

4E-05

02,2

7E-05

2,27E

-050,0

0013

60,0

0013

60,0

0011

30,0

0011

32,2

7E-05

00

9,08E

-050,0

0351

70,0

0113

10,0

0225

90

Tanz

ania

00

8,82E

-05-8,

8E-05

00

00

8,82E

-05-8,

8E-05

00

0,002

941

0,002

933

0,004

152

0,000

233

0 To

go0

0,015

924

0,001

567

00,0

3286

40

00,0

3030

30,0

1470

60,0

2318

80,0

2832

90

00

00

0 U

gand

a0

0,012

270,0

0585

20,0

0166

20,0

0248

90,0

0165

50,0

0165

30,0

0412

50

0,004

108

00,0

0409

10,0

0325

90

0,012

183

0,012

037

0,007

929

Zamb

ia0,0

0260

2134

0,002

163

0,006

474

0,009

435

0,005

735

0,008

448

0,008

126

0,007

521

0,007

052

0,006

798

0,007

362

0,006

905

0,006

055

0,007

414

0,006

528

0,005

896

0,005

862

Zimb

abwe

0,005

8229

810,0

0424

50,0

1306

70,0

1289

80,0

1273

40,0

1257

40,0

1241

80,0

1226

60,0

1211

70,0

1197

20,0

1183

0,011

692

0,012

237

0,012

089

0,011

944

0,011

803

0,011

666

Bilag 5, tabel 3: Gennemsnitlig vækst i landbrugsareal i perioden 1988-2005, 30 afrikanske

udviklingslande, inddelt i 2 grupper baseret på den gennemsnitlige vækst i landbrugsareal.

Kilde: Beregnet på baggrund af bilag 5, tabel 2

Side 101 af 103

Gruppe 1: Gruppe 2:Gennemsnitlig vækst 1=gennemsnitig vækst 1=gennemsnitlig vækst

subsahara afrikanske lande i landbrugsareal pr år på mellem 0-1% på mellem 1-2% Benin 0,028781429 0 0 Burkina Faso 0,007810574 1 0 Burundi 0,004841543 1 0 Central African Republic 0,002480859 1 0 Chad 0,001209861 1 0 Comoros 0,009090717 1 0 Congo, Dem. Rep. -0,000128435 0 0 Eritrea 0,00163542 1 0 Ethiopia 0,006301566 1 0 Gambia, The 0,013749587 0 1 Ghana 0,009757624 1 0 Guinea 0,003250812 1 0 Guinea-Bissau 0,006133848 1 0 Kenya 0,000843073 1 0 Liberia -0,000245578 0 0 Madagascar 0,007064019 1 0 Malawi 0,012018297 0 1 Mali 0,012408025 0 1 Mauritania 0,000217948 1 0 Mozambique 0,001285761 1 0 Niger 0,012399432 0 1 Rwanda 0,003798022 1 0 Senegal 0,001445054 1 0 Sierra Leone 0,002863604 1 0 Somalia 0,000448975 1 0 Tanzania 0,000603455 1 0 Togo 0,008640044 1 0 Uganda 0,004312558 1 0 Zambia 0,00649282 1 0 Zimbabwe 0,011374952 0 1

Bilag 6, Gruppeinddeling til landeudvælgelse, baseret på bilag 4 og 5

subsahara afrikanske lande Vand Land Vand Land Vand Land Vand Land ikke med Benin X Burkina Faso X Burundi X Central African Republic X Chad X Comoros X Congo, Dem. Rep. X Eritrea X Ethiopia X Gambia, The X Ghana X Guinea X Guinea-Bissau X Kenya X Liberia X Madagascar X Malawi X Mali X Mauritania X Mozambique X Niger X Rwanda X Senegal X Sierra Leone X Somalia X Tanzania X Togo X Uganda X Zambia X Zimbabwe X

Gruppe 2: arbejdsstyrke (2-3% vækst)Gruppe 1:landbrugsareal Gruppe 2:landbrugsareal

Gruppe 3: arbejdsstyrke (3-4% vækst)Gruppe 1:landbrugsareal Gruppe 2:landbrugsareal

Bilag 6, tabel 1: Landeinddeling på baggrund af bilag 4 og 5 og om et lande har adgang til havet

eller ej.

Kilde: Bilag 4-5, land/vand er baseret på Geographica (Geographica, s. 358-359).

Gruppe 1 ved gennemsnitlig vækst i arbejdsstyrken (bilag 4, tabel 3) er ikke taget med, da den

indeholder så få lande, at der på baggrund af de to andre kriterier ikke kunne dannes en gruppe på

tre lande.

De lande der ikke er med i grupperingen skyldes at de enten tilhører gruppe 1 for gennemsnitlig

vækst i arbejdsstyrken eller at de falder helt udenfor de opsatte grupper.

Side 102 af 103

Mulige grupper (grupper med over tre lande):

A: Comoros, Eritrea, Ghana, Guinea, Guinea-Bissau, Mozambique, Senegal, Tanzania.

(Gennemsnitlige vækst i arbejdsstyrken 2-3%, gennemsnitlige vækst i landbrugsareal 0-1%,

adgang til havet).

B: Burundi, Central African Republic, Zambia. (Gennemsnitlige vækst i arbejdsstyrken 2-3%,

gennemsnitlige vækst i landbrugsareal 1-2%, ikke adgang til havet).

C: Kenya, Madagascar, Mauritania, Togo. (Gennemsnitlige vækst i arbejdsstyrken 3-4%,

gennemsnitlige vækst i landbrugsareal 0-1%, adgang til havet)

D: Burkina Faso, Chad, Ethiopia, Uganda. (Gennemsnitlige vækst I arbejdsstyrken 3-4%,

gennemsnitlige vækst I landbrugsareal 0-1%, ikke adgang til havet).

Side 103 af 103

Bilag 7, Vækst i BNP pr indbygger for Ghana, Mozambique og Senegal

BNP pr. inbygger 1980 1981 1982 1983 1984 1985 1986 1987 1988Ghana 983 921 830 764 802 816 833 849 872Mozambique 440 451 410 339 312 312 303 349 378Senegal 1471 1502 1574 1447 1458 1463 1465 1509 1457

1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008892 897 917 926 943 947 960 978 993 1015 1034 1047 1063 1085 1116 1152 1193 1242 1285 1351 401 400 410 377 394 406 403 420 450 486 513 505 550 582 601 632 667 708 742 774

1471 1420 1415 1393 1373 1336 1369 1359 1365 1407 1457 1464 1492 1463 1520 1569 1614 1612 1646 1656

Bilag 7, tabel 1: BNP pr. indbygger, 1980-2008

Kilde: WDI (GDP per capita, PPP (constant 2005 international $)

Vækst i BNP pr inbygger 81 82 83 84 85 86 87 88 89Ghana -6,31% -9,88% -7,95% 4,97% 1,75% 2,08% 1,92% 2,71% 2,29%Mozambique 2,50% -9,09% -17,32% -7,96% 0,00% -2,88% 15,18% 8,31% 6,08%Senegal 2,11% 4,79% -8,07% 0,76% 0,34% 0,14% 3,00% -3,45% 0,96%

90 91 92 93 94 95 96 97 98 99 00 01 020,56% 2,23% 0,98% 1,84% 0,42% 1,37% 1,88% 1,53% 2,22% 1,87% 1,26% 1,53% 2,07%

-0,25% 2,50% -8,05% 4,51% 3,05% -0,74% 4,22% 7,14% 8,00% 5,56% -1,56% 8,91% 5,82%-3,47% -0,35% -1,55% -1,44% -2,69% 2,47% -0,73% 0,44% 3,08% 3,55% 0,48% 1,91% -1,94%

03 04 05 06 07 082,86% 3,23% 3,56% 4,11% 3,46% 5,14%3,26% 5,16% 5,54% 6,15% 4,80% 4,31%3,90% 3,22% 2,87% -0,12% 2,11% 0,61%

Bilag 7, tabel 2: Vækst i BNP pr. indbygger, 1981-2008

Kilde: Beregnet på baggrund af bilag 7, tabel 1, WDI

Side 104 af 103

Bilag 8, Ulandsbistand pr. indbygger i Ghana, Mozambique og Senegal1988 1989 1990 1991 1992 1993 1994 1995

Ghana 936190000 1171070000 810340000 1232690000 835540000 852000000 685220000 753440000 Mozambique 1616990000 1404040000 1512420000 1599150000 2051260000 1792050000 1727090000 1365320000 Senegal 1005190000 1183450000 1182610000 914590000 887740000 701210000 855980000 791190000

1996 1997 1998 1999 2000 2001 2002 2003 2004796990000 654180000 924900000 803390000 822650000 975240000 953580000 1216760000 1597910000

1171110000 1358100000 1503780000 1173150000 1401760000 1527800000 3370820000 1331640000 1442110000715870000 583680000 700380000 762410000 642620000 655070000 651570000 573920000 1218880000

2005 2006 2007 20081269210000 1277270000 1154210000 12374600001467140000 1742160000 1778030000 1906820000

769410000 900400000 872250000 997800000

Bilag 8, tabel 1: Ulandsbistand i alt, faste 2007 US$, ODA

Kilde: WDI (Net official development assistance and official aid received(constant 2007 US$))

”Official aid” som er med i ovenstående gives ikke til Afrika, og derfor er tallene kun ODA.

1988 1989 1990 1991 1992 1993 1994 1995

Ghana 14166109 14556541 14967509 15401291 15852831 16316159 16782487 17245464 Mozambique 13328343 13372154 13543223 13865685 14318663 14857808 15416327 15945442 Senegal 7114072 7324205 7537760 7754455 7974558 8198447 8426735 8659906

1996 1997 1998 1999 2000 2001 2002 2003 200417702991 18157031 18610166 19066601 19529305 19999194 20474921 20954557 2143525716431268 16888168 17329259 17777579 18249419 18746257 19259465 19783627 20310610

8898207 9141623 9390097 9643482 9901787 10164729 10432662 10706962 10989452

2005 2006 2007 200821915168 22393338 22870966 2335092720834379 21353466 21869362 2238253311281296 11582863 11893335 12211181

Bilag 8, tabel 2: Befolkningsstørrelsen

Kilde: WDI (population, total)

Side 105 af 103

1988 1989 1990 1991 1992 1993 1994 1995Ghana 66,0866015 80,4497442 54,1399374 80,0380955 52,7060435 52,2181722 40,8294671 43,6891695Mozambique 121,319657 104,997295 111,673565 115,331482 143,257789 120,61335 112,029928 85,6244687Senegal 141,296012 161,580677 156,891437 117,943814 111,32153 85,5296131 101,579081 91,3624236

1996 1997 1998 1999 2000 2001 2002 2003 200445,020076 36,0290182 49,6986432 42,1359843 42,1238749 48,7639652 46,5730735 58,0666058 74,5458755

71,2732578 80,4172483 86,776936 65,9904254 76,8112125 81,498936 175,021476 67,3102056 71,002791280,4510392 63,8486186 74,5870889 79,0596177 64,8993964 64,4453974 62,4548174 53,6025065 110,913629

2005 2006 2007 200857,9146827 57,0379458 50,4661675 52,994041770,4191855 81,586755 81,3023261 85,192323968,2022704 77,7355305 73,3393956 81,7119982

Bilag 8, tabel 3: Ulandsbistand pr. indbygger

Kilde: Beregnet på baggrund af bilag 8, tabel 1+2

Side 106 af 103

Bilag 9, Mikrokredit udlån pr. indbygger1997 1998 1999 2000 2001 2002 2003

Ghana 1573 971.317 232.531 2.322.360 9.763.625Mozambique 129,626 938251 1743390 5551255 8218592Senegal 8695521 10963611 12863909 18008765 17974921 37674599 62791240

2004 2005 2006 2007 200813.715.649 38.365.591 75.871.544 133.428.878 122.985.589

14776575 18598596 27243900 32706666 38500291108398036 138028396 164033162 231602727 261415234

Bilag 9, tabel 1: Totale udlån fra mikrokredit institutter

Kilde: MIX, beregnet ved at summere ”gross loan portfolio” for alle mikrokredit institutter i landet

det givne år.

1997 1998 1999 2000 2001 2002 2003 2004 2005Ghana 0,00 0,05 0,01 0,11 0,47 0,64 1,75Mozambique 0,00 0,05 0,09 0,29 0,42 0,73 0,89Senegal 0,95 1,17 1,33 1,82 1,77 3,61 5,86 9,86 12,24

2006 2007 20083,39 5,83 5,271,28 1,50 1,72

14,16 19,47 21,41

Bilag 9, tabel 2: mikrokredit udlån pr. indbygger

Kilde: MIX, beregnet på baggrund af bilag 9, tabel 1 og bilag 8, tabel 2

Side 107 af 103

Bilag 10, Elektricitetsforbrug pr. indbygger88 89 90 91 92 93 94 95 96

Ghana 294 302 319 332 346 332 332 345 381 Mozambique 28 38 40 54 52 49 43 45 50 Senegal 104 100 103 103 109 105 110 110 110

97 98 99 00 01 02 03 04 05 06 07377 295 336 331 338 316 234 235 261 312 259

33 32 67 122 270 259 366 440 444 453 472117 122 117 101 123 145 126 138 158 157 128

Bilag 10, tabel 1: Elektricitetsforbrug(kWh pr. indbygger)

Kilde: WDI (Electric power consumption(kWh per capita))

Side 108 af 103

Bilag 11, Uddannelse80 81 82 83 84 85 86 87 88 89

Ghana 74 .. .. .. .. 71 .. .. .. .. Mozambique 110 .. .. .. .. 85 .. .. .. .. Senegal 43 .. .. .. .. 52 .. .. .. ..

90 91 92 93 94 95 96 97 98 99 00 01 02 03 0471 78 .. .. .. 73 .. .. .. 79 83 79 82 78 8263 60 .. .. .. 66 .. .. 64 70 75 81 85 .. 9555 55 .. .. .. 55 .. .. .. 65 68 70 70 74 77

05 06 07 0888 93 99 102

101 104 110 11479 79 83 84

Bilag 11, table 1: Andel af officielle aldersgruppe tilmeldt primær uddannelse

Kilde: WDI (School enrolment, primary(%of gross))

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 Ghana 38 .. .. .. .. 39 .. .. .. .. Mozambique 7 .. .. .. .. 7 .. .. .. .. Senegal 10 .. .. .. .. 12 .. .. .. ..

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 200437 35 .. .. .. 33 .. .. .. 39 40 38 40 41 44

7 7 .. .. .. 7 .. .. .. 5 6 7 8 .. 1115 15 .. .. .. 15 .. .. .. 16 16 16 17 18 21

2005 2006 2007 200845 48 53 5413 16 18 2123 24 27 31

Bilag 11, table 2: Andel af officielle aldersgruppe tilmeldt sekundær uddannelse

Kilde: WDI (School enrolment, secondary(%of gross))

Side 109 af 103

true