Deze Engelstalige CPB Notitie analyseert hoe Nederland zich vergelijkt met andere landen op het gebied van de productiviteitsvertraging. Het bevat ook een vergelijking van verschillende sectoren en test mogelijke verklarende factoren.
De vertraging van de productiviteitsgroei is een veel besproken onderwerp. De meeste OESO landen hebben een vertraging ervaren in de recente decennia, maar laten verschillende patronen zien. Studies over de VS vinden dat de groei versnelde na ongeveer 1995, waarna de groei vertraagde rond 2000. De ICT-revolutie wordt vaak genoemd als verklaring voor dit patroon. De studies met meerdere landen vinden verschillende patronen voor verschillende OESO landen, maar de meeste constateren ook een daling van de productiviteitsgroei die later inzet dan de Amerikaanse. Naast de ICT revolutie wordt ook een aantal andere verklarende factoren voor de vertraging vermeld in de literatuur. Deze notitie analyseert hoe Nederland zich vergelijkt met andere landen op het gebied van de productiviteitsvertraging. Het bevat ook een vergelijking van verschillende sectoren en test mogelijke verklarende factoren.
Arbeidsproductiviteit in Nederland vanaf de jaren zeventig is gedaald
Onze resultaten laten een wijdverspreide vertraging zien. Er is enige variatie in de timing van de vertraging, maar alle landen in onze datasets lijken historisch lage productiviteittrends te ondervinden in de afgelopen jaren. We zien dat de groei van de arbeidsproductiviteit in Nederland vanaf de jaren zeventig is gedaald, en na een opvallende hobbel rond 2000 verder vertraagde. Dit wordt niet veroorzaakt door conjuncturele factoren, zoals de conjunctuurcycli, de Grote Recessie en de bank crises. We vinden aanwijzingen, hoewel geen harde bewijs, dat deze vertraging komt door een terugkeer naar ’normale’ productiviteitsgroei na de ICT boom in de late jaren negentig. Hierbij zien wij als ’normale’ groei de gemiddelde productiviteitsgroei sinds het begin van de jaren tachtig, waarbij productiviteitsgroei vrij constant is met ups (ict-boom) en downs (financiële crisis).
Onze regressie resultaten tonen aan dat vóór de Grote Recessie, zeer intensieve ICT-sectoren beduidend meer aan productiviteitsgroei bedroegen dan andere sectoren. Wanneer de termijn wordt verlengd tot 2015, verdwijnt dit significant effect. Wanneer we andere verklarende variabelen meenemen, lijken er geen significant te zijn, met uitzondering van het aandeel van vrouwen op de arbeidsmarkt, onderwijsniveau, de bijdrage van ICT-kapitaaldiensten aan groei van toegevoegde waarde (ITK) en de bijdrage van niet-ICT-kapitaaldiensten aan groei van toegevoegde waarde (niet ITK intensiteit).
Verschillende methodes zijn in gebruik om productiviteitsgroei te meten. De waargenomen productiviteitsgroei laat aanzienlijke periodieke volatiliteit zien. Daarom moet eerst de onderliggende trend geïsoleerd worden voordat er conclusies kunnen worden getrokken over de groeivoet. De methodes die in de literatuur worden gebruikt variëren van het nemen van gemiddelden tot geavanceerde technische technieken zoals state space models of SSM. Een veelgebruikte methode om cyclische componenten uit de trendmatige groei te halen is een filter, waarvan de Prescott-Hodrick (HP) filter de meest bekende is. We passen de HP filter toe en vergelijken de resultaten met die verkregen door de meer geavanceerde SSM, waarbij we weinig verschil zien. We zijn niet alleen geïnteresseerd in de structurele trend van productiviteitsgroei, maar willen ook weten of er omslagpunten zijn in de trend, of structurele trendbreuken. Om deze te detecteren gebruiken we de Bai and Perron, (1998) statistische methode. We vinden slechts een sigificante trendbreuk, in 1978.
Er zijn een aantal datasets die gegevens bevatten over de groei van de arbeidsproductiviteit. Wij gebruiken voor de regressie analyses de KLEMS en OESOdatasets, die het meest uitgebreid zijn. Voor de SSM gebruiken we de Total Economy Database (TED). De data voor de Nederlandse productiviteitsvertraging is verkregen van het CBS. We hebben verschillende datasets gecombineerd om een complete dataset te hebben (in termen van beschikbare variabelen, landen, sectoren en jaren). Omdat de datasets niet geheel compatibel zijn, is onze analyse van verklarende factoren beperkt.
