pure.au.dkpure.au.dk/portal/files/10493/den_rigtige.docx · web viewifølge thrilwall definerer...
TRANSCRIPT
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