Effekten av handelsavtaler på bilateral handel

En empirisk studie med fokus på effektene av TTIP   

Stine Sjursen Hauge 

Masteroppgave ved Økonomisk Institutt  UNIVERSITETET I OSLO 

  Mai 2016   

En empirisk studie med fokus på effektene av TTIP  

© Stine Sjursen Hauge    

2016    

Effekten av handelsavtaler på bilateral handel:  

En empirisk studie med fokus på effektene av TTIP    

Stine Sjursen Hauge    

http://www.duo.uio.no    

Trykk: Reprosentralen, Universitetet i Oslo

Denne masteroppgaven setter et vemodig punktum for en fantastisk studietid, og avslutter to  minnerike år på Universitetet i Oslo.  

Valget av tema kom som et resultat av min interesse for næring­ og handelspolitikk. I flere år har  jeg jobbet innenfor havbruksnæringen, og etter å ha lest en artikkel i Aftenposten om at en  handelsavtale mellom EU og USA kunne få negative konsekvenser for norsk lakseeksport hadde  jeg lyst å sette meg mer inn i dette temaet. 

Jeg vil takke min veileder, Andreas Moxnes, for gode råd og tilbakemeldinger gjennom hele  skriveprosessen. Jeg vil også takke Ole Kristian, onkel Ingvar, Martine og Christina for  korrekturlesing og gode innspill. Sist men ikke minst vil jeg rette en stor takk til venner og  familie for at dere har vært der gjennom hele studietiden. Dette hadde ikke vært mulig uten dere!  

Eventuelle feil og mangler i oppgaven er mitt ansvar. 

Blindern, mai 2016  Stine Sjursen Hauge 

av 1980­ tallet har det vært en kontinuerlig vekst i handelsavtaler som blir inngått mellom land.  

Målet med oppgaven er å studere hvordan handelsavtaler påvirker handel mellom  medlemslandene, med et spesielt fokus på en eventuell handelsavtale mellom EU og USA. 

Denne avtalen er kjent under navnet Transatlantic Trade and Investment Partnership (TTIP).  

I analysen blir det tatt utgangspunkt i gravitylikningen, som viser at handelsflyten  mellom to land er produktet av flere variabler. Datasettet som blir brukt kommer fra det franske  forskningsinstituttet CEPII, og viser ulike observasjoner for landpar i tidsrommet 1948 til 2006. 

Jeg formulerer en likning og inkluderer de variablene jeg mener påvirker handelsflyten mellom  to land: Landenes bruttonasjonalprodukt, hvorvidt landparet er med i samme handelsavtale, om  ett eller begge landene er medlem av GATT/WTO, tidligere del av samme koloni, felles valuta,  avstand, felles språk og om de deler landegrense. Denne likningen blir estimert i forskjellige  varianter i analysen, med hovedfokus på fast effekt­ modellen. Samtlige modellspesifiseringer  viser at handelsavtaler har en positiv og signifikant effekt på handel mellom landpar. Denne  effekten vil kunne variere alt etter hvilken type handelsavtale det er, og hva som er status mellom  landene før avtalen iverksettes.  

Jeg benytter resultatene fra analysen til å diskutere effektene TTIP vil ha på handel, og  finner at det er grunn til å tro at resultatene mine overestimer effektene av denne avtalen. 

Årsaken til det er at handel mellom USA og EU allerede er liberalisert.  Jeg kan likevel bruke  resultatene til å anta at handelen mellom EU og USA mest sannsynlig vil øke som følge av TTIP.  

1.2. Metode 

1.3. Begrepsavklaring  1.4. Oppbygging  2. Bakgrunn 

2.1. Litteratur​oversikt  2.2. Handelsavtaler 

2.2.1. Modeller i handelsfaget 

2.3. TTIP ­ Transatlantic Trade and Investment Partnership  3. Metode 

3.1. Gravitylikningen  3.2. Tverrsnittsanalyse  3.3. Paneldata 

4. Data 

4.1. Datasett​et 

4.2. Transformering av data  4.3. Forklaringsvariablene  4.4. Regresjonsuttrykket  4.5. Nullobservasjoner  5. Analyse 

5.1. Resultater  5.2. Ulike varianter 

5.2.1. Lav­ og mellominntektsland vs. høyinntektsland  5.2.2. Data etter 1990 

5.3. Sammenligne resultater med andre funn  5.4. Robusthet ­ hvor gode er data egentlig?  

6. Diskusjon 

6.1. Effektene av en handelsavtale  6.2. Effektene av TTIP 

7. Konklusjon  8. Referanser 

Vedlegg A: Graf over handelsavtaler  Vedlegg B: Liste over land i datasettet 

2  2  3  4  4  6  8  9    11  11  12  13  15  15  16  16  19  20  21  23  24  24  28  30  30  32  32  35  38  39  42  43   

1. Innledning 

I 1947 ble handelsavtalen General Agreement on Tariffs and Trade (GATT) signert. 23 stater  signerte og forpliktet seg til avtalen som hadde som formål å forenkle handel på tvers av 

landegrenser og løse opp proteksjonismen som oppstod i kjølvannet av andre verdenskrig. I 1995  ble avtalen erstattet av Verdens Handelsorganisasjon (WTO). Dette var en videreføring av  GATT, men ble bygd opp som en institusjon. I dag har WTO som formål å legge til rette for  internasjonal handel, sikre at medlemslandene forplikter seg til de handelsavtalene som blir  inngått, samt å løse eventuelle handelskonflikter. Per 30. november 2015 hadde organisasjonen  169 medlemsland. (wto.org) 

GATT og WTO dannet grunnlaget for utviklingen av den  stadig mer åpne internasjonale handelen man har sett  gjennom de siste 70 årene. Handel knytter land tettere  sammen ved at man blir mer avhengig av hverandre, samt  at lands økonomi blir integrert med resten av verden. I  2014 utgjorde summen av verdens eksport og import opp  mot 60% av verdens BNP.  Grafen til høyre illustrerer at ¹ det har vært en jevn vekst i summen av verdens handel  relativt til BNP fra 1960 og frem til i dag.   ²

Som et resultat av mer handel kommer flere handelsavtaler. Antall handelsavtaler som er meldt  inn til GATT/WTO har vokst kraftig siden slutten av 1980­ og begynnelsen av 1990­tallet. Per 1. 

februar 2016 var det meldt inn 625 handelsavtaler, og 419 av disse er iverksatt.   ³  

1 Tall er hentet fra Verdensbankens databank. År er 5­ årsintervall 1960 tom. 2014.  

2 Handel er summen av eksport og import av varer og tjenester målt som en andel av BNP.  

3 Se vedlegg A for grafisk fremstilling. 

1.1. Problemstilling og motivasjon 

Målet med oppgaven er å studere hvordan handelsavtaler påvirker handel mellom land, med et  spesielt fokus på en eventuell handelsavtale mellom EU og USA. Denne avtalen er kjent under  navnet Transatlantic Trade and Investment Partnership (TTIP). Det må nevnes at TTIP er en  omdiskutert handelsavtale. Motstanderne mener blant annet at avtalen kan true suverene staters  makt, ettersom den skal kunne gi selskaper mulighet for å saksøke stater gjennom 

“investor­stat”­ tvisteløsninger. I tillegg blir partene kritisert for å hemmeligholde mye av det  som blir diskutert bak lukkede dører. Jeg har valgt å se bort fra denne debatten, og fokusere på de  fakta som EU har lagt frem i sin innførende rapport utgitt i 2015.   

I denne artikkelen skal jeg se på effekten av handelsavtaler på bilateral handel, og diskutere  hvordan disse effektene kan ses i sammenheng med en handelsavtale mellom EU og USA.  

1.2. Metode 

For å kunne estimere effekter av handelsavtaler bruker jeg gravitymodellen. Dette er en kjent  modell innenfor handelsfaget som forklares nærmere i kapittel 3. Ved å benytte denne modellen  har jeg formulert en likning og inkludert variabler som jeg antar påvirker handel. I denne 

artikkelen er hovedfokus å studere effekten av handelsavtaler, og dermed diskutere koeffisienten  til denne variabelen i modellene jeg kjører i kapittel 5. Jeg bruker programpakken Stata 14 til  dette. 

1.3. Begrepsavklaring  

I mangel på gode norske ord brukes noen engelske begreper. PTA er forkortelsen for 

“preferential trade agreement”; handelsavtaler der medlemslandene senker eller fjerner tollsatser  på noen varer. NTB står for “non­tariff barriers to trade”. Som navnet tilsier er dette barrierer  som motarbeider handel, men som ikke dukker opp i form av tollsatser på varer. RTA er  forkortelsen for “regional trade agreements”, i utgangspunktet et begrep som definerer en  handelsavtale mellom land i samme regionale område. I denne artikkelen og i handelsfaget 

generelt blir dette benyttet som et relativt løst begrep som blir brukt om generelle handelsavtaler. 

Den binære variabelen for handelsavtaler mellom et landpar i datasettet, som er den jeg skal  legge stor vekt på senere i analysen, er også definert som RTA. Den fungerer likevel like godt til  å forklare handelsavtalen mellom USA og Israel som mellom USA og Canada.  

For å kunne diskutere eventuelle velferdseffeketer ved handelsavtaler er trade diversion (TD) og  trade creation (TC) viktige begrep. Kort fortalt er trade creation definisjonen på den ekstra  handelen som oppstår mellom to land som er medlem av samme handelsavtale. Trade diversion  er handelen som vris bort fra tredjepartsland som ikke er med i avtalen, til fordel for mer handel  med partnerland. Dette er engelske begrep jeg har valgt å beholde videre i oppgaven, og som blir  forkortet henholdsvis TD og TC. 

1.4. Oppbygging 

Artikkelen begynner med et bakgrunnskapittel med litteraturoversikt, introduksjon til  handelsavtaler og en kort presentasjon av Transatlantic Trade and Investment Partnership  (TTIP). Kapittel 3 presenterer metoden som blir brukt i analysen, og i kapittel 4 forklarer jeg  hvilke data som brukes. Kapittel 5 presenterer resultatene som blir funnet ved 

gravityestimeringen, og i kapitel 6 diskuterer jeg disse funnene. Avslutningsvis i kapittel 6  diskuterer jeg hvilke effekter TTIP vil ha på handel ved å benytte resultatene fra kapittel 5.  

2. Bakgrunn 

I dette kapitlet presenteres litteratur, det gis en kort innføring i hva handelsavtaler egentlig er, og  avslutningsvis blir TTIP introdusert.  

2.1. Litteraturoversikt 

Flere har forsøkt å estimere effektene av handelsavtaler. De fleste studier er enige i at de har en  positiv effekt på bilateral handel, men likevel vil resultatene variere i takt med 

modellspesifiseringene. I mye av den litteraturen som finnes om temaet har forskerne valgt å  studere effekten av gitte handelsavtaler. Noen studerer også effekten av alle handelsavtaler  samlet sett. Tidligere bidrag i litteraturen har vært til god hjelp for å besvare denne oppgaven  best mulig. Min artikkel skiller seg fra andre ved at tidsintervallet er større. I tillegg er datasettet  mer omfattende ved at jeg har slått sammen flere datasett og inkluderer flere variabler. Jeg skal  også diskutere hvordan koeffisienten til handelsavtaler i analysen kan forklare noe av effektene  en frihandelsavtale mellom EU og USA vil ha.  

Tidligere bidrag inkluderer Baier og Bergstrand, Magee og Glick og Rose. Baier og Bergstrand  (2007) ser på om frihandelsavtaler øker handel til medlemslandene ved å estimere den 

gjennomsnittlige behandlingseffekten (average treatment effect) av disse avtalene. De 

konkluderer med at en frihandelsavtale vil øke to medlemslands handel med 100%, 10 år etter at  den er inngått. I tillegg belyser de viktigheten av å ta hensyn til at handelsavtalevariabelen er  endogen.  

Magee (2008) estimerer effekten av handelsavtaler på handel, og finner at handelsavtaler har en  positiv effekt på handel. I en tidligere studie av Magee (2003) tar han utgangspunkt i at to land  har større sannsynlighet for å inngå en PTA dersom de allerede har sterke handelstradisjoner med  hverandre. Han finner at denne type avtale har en signifikant og positiv effekt på handel, og at et  høyere handelsvolum mellom to land også øker sannsynligheten for at de inngår en 

handelsavtale.  

Glick og Rose (2002) ser på effektene en valutaunion har på bilateral handel, ved hjelp av data  fra 1970 til 1990. Mens hovedfokus er valutaunion er også handelsavtale en variabel de  inkluderer i analysen sin. De finner at en regional handelsavtale mellom landpar har en positiv  effekt på handel, og at den er større for land som er en del av samme valutaunion. 

Rose (2004) og Ghosh og Yamarik (2004) har vært god støttelitteratur for å få en bredere  forståelse av hvordan handelsavtaler påvirker handel. Rose (2004) studerer hvordan 

WTO­medlemskap påvirker handel, og finner lite bevis for at det finnes noen signifikant effekt. 

Til tross for ikke­signifikante resultater og en annerledes problemstilling er Rose sin studie nyttig  for metode og oppbygging av denne artikkelen. Ghosh og Yamarik (2004) bruker extreme  bounds analyse til å teste om handelsavtaler skaper handel, og de finner at det er et skjørt forhold  mellom handelsavtaler og handel.  

Baier og Bergstrand (2007) er blant de som estimerer den totale effekten av handelsavtaler, og  det er også det jeg har gjort i min analyse. De finner at handelsavtaler har en positiv effekt på  handel. Denne studien har vært sentral for oppbyggingen av min analyse, og et viktig 

sammenligningsgrunnlag for mine resultater. 

Tinbergen (1962) blir ofte nevnt i de refererte tekstene i artikkelen min. Hans 54 år gamle bok  legger grunnlaget for gravityestimeringen som man kjenner den i dag. Jeg har også brukt et  kapittel fra en bok hentet fra UNCTADs hjemmesider. Denne boken er utarbeidet som  veiledning for utføring av handelspolitikkanalyse. Jeg har valgt å anse denne som god  støttelitteratur for å kunne formulere modellen jeg presenterer i kapittel 4. Frankel (1997) sin  bok, “Regional Trading Blocs in the World Economic System”, har også vært viktig litteratur. 

Denne har vært nyttig for å kunne knytte de ulike resultatene fra andre studier opp mot teori og  virkelighet. Dette vil også gjenspeiles videre i artikkelen. 

2.2. Handelsavtaler 

Ved internasjonal handel kan man risikere å møte handelsbarrierer i form av tollsatser og strenge  reguleringer som koster både tid og penger. En måte for land å begrense disse barrierene på er å  inngå handelsavtaler. Det finnes flere ulike typer handelsavtaler. Frankel (1997) introduserer de  forskjellige typene på en oversiktlig måte og viser hvordan en PTA gradvis kan bli en økonomisk  union. Disse er oppsummert i tabell 2.1 under. Videre i oppgaven vil jeg bruke handelsavtaler  som et begrep for samtlige typene som er listet opp i tabellellen. 

Tabell 2.1 

Type  Kjennetegn  Eksempel 

Preferential trade  agreement (PTA) 

Medlemslandene senker eller fjerner tollsatser på noen varer. Kan  også iverksette kvoter på import fra partnerlandene. 

Cotonou 

Frihandelsområde  Medlemslandene fjerner toll og tariffer seg i mellom, men har  likevel mulighet for å sette sine egne tollsatser når det gjelder  handel med land utenfor avtalen. 

NAFTA 

Tollunion  Medlemslandene i samme frihandelsområde setter samme  handelsbarrierer for handel med land utenfor avtalen. Landene  mister på den måten en del av sin suverene myndighet når det  gjelder handelspolitikk.  

MERCOSUR 

Felles marked  Medlemslandene i en tollunion åpner for fri flyt av innsatsfaktorer  på tvers av landegrensene.  

EØS 

Økonomisk union  En tollunion åpner for å harmonisere nasjonal økonomisk politikk; 

dette kan for eksempel gjelde skattesatser og felles valuta.  

EU 

Tabell 2.1 er en oppsummering av teori hentet fra Frankel (1997). 

Baier og Bergstrand (2004) hevder at det er noen punkter som øker sannsynligheten for at et  landpar inngår en handelsavtale. Disse er; 1) land som ligger nærmere hverandre, 2) landpar som  ligger lenger borte fra resten av verden, 3) land som er like i økonomisk størrelse, 4) landpar med  en større differanse i arbeid/kapital­ raten, og 5) mindre avstand i arbeid/kapital­ raten for 

landparet i forhold til resten av verdensraten.  De siste tiårene har flere handelsavtaler blitt ⁴ inngått, og det er også en økt tendens til studier som ser på årsaker til hvorfor land inngår  handelsavtaler med andre land. 

Frankel (1997) presenterer Linder­ hypotesen som sier at land med relativt like nivå av  bruttonasjonalinntekt (BNI) per capita vil produsere differensierte produkter, men ha lignende  preferanser, og vil derfor  handle mer med hverandre. Magee (2003) finner at et større nivå av  bilateral handel signifikant øker sannsynligheten for at to land inngår et regional samarbeid. Han  argumenterer også for at to land har større sannsynlighet for å inngå PTA dersom begge er like i  arbeid/kapital­ raten, begge er demokratier og begge handler mye med omverdenen. Land som er  likere vil altså handle mer med hverandre og dermed ha større sannsynlighet for å inngå en  handelsavtale. Sett bort fra punktene til Baier og Bergstrand og Magee vil det også være flere  politiske grunner til at land inngår handelsavtaler. Jeg har valgt å begrense diskusjonen om  årsakene til inngåelse av handelsavtaler til det minimale i denne artikkelen. Å inngå en 

handelsavtale er en beslutning som blir tatt på grunnlag av flere faktorer, noe som kan utdypes i  det uendelige.  

Hvilken retning handelen vris ved en handelsavtale kan variere veldig etter formen på avtalen. 

Til tross for at den isolerte effekten av handelsavtaler ser ut til å være positiv, kan avtalene ha  negativ nettoeffekt. Krugman (1991) hevder at man ikke skal se bort fra at en handelsavtale kan  gjøre mer skade enn nytte for verdensøkonomien. Handelsavtaler bidrar til å øke handel mellom  medlemslandene, men dette kan også vri handel bort fra land utenfor avtalene. I tillegg viser  Krugman til at slike avtaler kan bidra til positiv nettonytte. Han argumenterer for at 

handelsavtaler først og fremst inngås mellom naboland ­ som også er de mest naturlige 

handelspartnerne selv uten noen spesielle avtaler. Dersom partene handler mye med hverandre  allerede før avtalen trer i kraft vil ikke de negative effektene til resten av verden være så store. 

Det kan selvsagt være land som taper på det, men nettoeffekten vil mest sannsynlig være positiv, 

4 Denne arbeid/kapital­ raten sier hvor mye kapital som blir brukt per arbeider, og om en sektor er kapitalintensiv  eller arbeidsintensiv. Ofte vil velutviklede økonomier helle mot å være mer kapitalintensiv enn arbeidsintensiv i  produksjon av varer og tjenester.  

da partene kan spare inn store kostnader. Ifølge Krugman er altså ikke potensielle TD ved  handelsavtaler så store som man kanskje kan se for seg, mens potensiell fortjeneste er ganske  høy.  

2.2.1. Modeller i handelsfaget 

En viktig tanke i handelsfaget er teorien om komparative fortrinn. Denne teorien sier at et land  eksporterer den varen som de produserer mest effektivt og importerer varer som andre land kan  produsere mer effektivt. Dette fører til varebytter på tvers av landegrenser der man utnytter de  ulike landenes komparative fortrinn, og vil gi en mer effektiv utnyttelse av ressurser og  kunnskaper enn man ville fått om hvert land skulle klare seg på egenhånd. Denne positive  effekten ved bytte av varer gjør at det oppstår internasjonal handel. (Norman og Orvedal, 2010)   

Ricardo og Hecksher­Ohlin er to modeller som forklarer ulike kilder til komparative fortrinn. 

Ricardo­ modellen tar utgangspunkt i to land, to sektorer og en faktor, og antar at kilden til  komparative fortrinn er ulik teknologi i landene. Dette vil føre til ulik kapitalintensitet. 

Hecksher­ Ohlin­ modellen antar også to land og to varer, men i tillegg to faktorer. I denne  modellen vil ulik fordeling i innsatsfaktorer være kilden til komparative fortrinn (Feenstra,  2004). Man kan bruke ulike modeller for å analysere fortjenesten av internasjonal handel.  

Magee (2003) argumenterer for at utviklingsland og industriland har større fortjeneste av å  opprette en handelsavtale mellom seg. Dette er et velferdsargument basert på de nevnte  modellene, ettersom land med identiske teknologier og kapital/arbeid­rate ikke vil ha noen  tilsynelatende fortjeneste ved å handle med hverandre. Land som ligner hverandre har dermed  mindre incentiv til å handle med hverandre på grunn av komparative fortrinn. Kort sagt,  Nord­Sør har større fortjeneste enn Nord­Nord og Sør­Sør. Likevel er det flere Nord­Nord­ 

avtaler som blir inngått, TTIP er ett eksempel.  

Krugman (1980) viste derimot at identiske land også kan tjene på handel. Han presenterer en  modell hvor han antar to identiske økonomier der begge har samme mengde innsatsfaktor og 

produserer samme vare men i ulike varianter. Ettersom man antar at konsumenter har et ønske  om et bredere vareutvalg vil det være mulig å tjene på handel mellom land som i utgangspunktet  er like. Det er med andre ord også hold i teorien om at Nord­Nord­land kan tjene på frihandel  med hverandre. 

2.3. TTIP ­ Transatlantic Trade and Investment Partnership 

Transatlantic Trade and Investment Partnership (TTIP) er en frihandelsavtale mellom EU og  USA. Diskusjonen om en lignende avtale begynte allerede på 90­tallet med TAFTA 

(Transatlantic Free Trade Area). Denne ble det aldri noe av, og sommeren 2013 begynte partene  å forhandle om en ny handelsavtale. Per mars 2016 har det vært 12 forhandlingsrunder.  

EU og USA stod for i overkant av 46% av verdens BNP i 2014.  En eventuell frihandelsavtale ⁵ mellom disse partene vil dermed omfatte en stor del av verdensøkonomien. Spørsmålet man kan  stille er hva effektene av en avtale mellom disse partene vil være. I dag er tollsatsene mellom  USA og EU generelt ganske lave. Ifølge Europakommisjonens egen bok, “Inside TTIP”, er det  gjennomsnittlige nivået på tollsatser mellom partene 2%, og over halvparten av handelen mellom  EU og USA blir ikke påvirket av tollsatser.  Sett bort fra de tollfrie varene har en stor andel av ⁶ det som blir handlet mellom EU og USA en tollsats som varierer mellom 1% og 3%. Dette  gjelder spesielt for råvarer. For varer som klær og sko er tollsatsen på 30%, i tillegg finnes det  varer som har så høye tollsatser at man ikke handler disse varene.  ⁷

TTIP vil eliminere de resterende tollsatsene, og i tillegg standardisere reguleringer slik at man  kan redusere behandlingstiden for å få varer og tjenester godkjent i eksportmarkedet. Slike  reguleringer kan defineres som NTB­er (non­tariff barriers to trade). Det kan være reguleringer i  form av påkrevde kontroller av varer som importeres og eksporteres. Disse kontrollene koster  både tid og penger, og man antar at på noen varer utfører man tilnærmet de samme kontrollene 

5 BNP i EU 2014: $ 18 510 000 000 000, BNP i USA 2014: $ 17 420 000 000 000. BNP i verden i 2014: $ 77 845  107 000 000. (Verdensbanken) 

6 Det innebærer at det er noen varer som har høy tollsats som gjør at snittet på alle varer blir på 2%.  

7 Tollsatsene på import av melkeprodukter til USA er blant annet opp mot 140%, mens den er over 130% på  peanøtter.  

dobbelt opp ­ både fra EUs side og i USA. Ved å standardisere reguleringer vil man kunne fjerne  noe av den kostnaden som kommer ved å handle med et annet land, men som ikke kommer fra  tollsatsene. (Europakommisjonen, 2015)  

3. Metode  

I dette kapitlet blir metoden jeg har brukt presentert. Jeg forklarer hva som legger det teoretiske  grunnlaget for regresjonsuttrykket og introduserer paneldata­ og tverrsnittsanalyse.  

3.1. Gravitylikningen 

Det var Tinbergen som først introduserte konseptet rundt gravitylikningen. Denne likningen viser  at bilateral handel mellom to land er direkte proporsjonal med produktet av 

bruttonasjonalproduktet (BNP) til de to landene. Det vil si at land som er mer like i deres relative  størrelser generelt vil handle mer med hverandre (Feenstra, 2004). Navnet “gravity” kommer fra  Newtons lov om tyngdekraften, eller “Newtons theory of gravitation” på engelsk. Kort fortalt  sier denne loven at tyngdekraften mellom to legemer er proporsjonal med produktet av massen til  hver av legemene. Gravitylikningen bruker altså fysikken til å forklare det man kan observere i  økonomien. Større land har en tendens til å handle mer med hverandre, og avstanden mellom  land vil kunne være med på å avgjøre hvor mye disse landene handler. (SNL) 

Da Tinbergen introduserte denne likningen i 1962 viste han et empirisk stabilt forhold mellom  størrelsen på økonomiene, avstanden mellom dem og nivå av handel (unctad.org). Flere har  prøvd å gi et teoretisk grunnlag for gravitymodellen. Anderson (1979) antok i sin studie at varer  ble differensiert på tvers av land, og konsumentene hadde preferanser over alle de differensierte  varene: Uansett pris ville et land konsumere minst en vare fra hvert land. På den måten blir alle  varer handlet, alle land handler, og i likevekt vil nasjonal inntekt være summen av etterspørsel  etter varen i hjemlandet og i utlandet. Dette betyr at større land eksporterer og importerer mer. 

Bergstrand (1989) viste at gravitymodellen er en direkte implementering av Krugman (1980). I  Krugmans modell vil identiske land handle differensierte varer fordi konsumenter har en  preferanse for variasjon. Gravity kan predikeres av nesten alle modeller i handelsfaget, blant  andre Krugman (1980), Ricardo og Hecksher­ Ohlin.  

Gravitylikningen er i hovedsak ganske enkel, og kan uttrykkes på flere måter. En måte å gjøre  det på er følgende:  

      Trade_ijt=GS M_{it jt ijt}ϕ   ^(3.1)   

Denne varianten er hentet fra UNCTAD. Trade​ijt​ er nivået på handel fra land ​i​ til land ​j​ i år ​t​, S​it  er eksporterende lands spesifikke faktorer og M​jt​ er importerende lands spesifikke faktorer. G er  variabelen som ikke avhenger av land ​i​ eller ​j​, og kan for eksempel være nivået på liberalisering i  verden.  ​ijt ​representerer ​i​’s tilgjengelighet til ​j​’s marked i år ​t​, og kan for eksempel være 

hvorvidt landene er med i samme handelsavtale.  

Dette legger grunnlaget for metoden man bruker ved estimering av ulike effekter ved 

gravitylikningen. Handelsflyten mellom to land er produktet av flere ulike variabler. Dersom  man tar logaritmen på begge sider av likningen kan man formulere et nytt uttrykk som man kan  bruke for å estimere effektene av de ulike variablene i en regresjonsanalyse: 

      Log T rade og G  Log S og M og ϕ

  _ijt=L +   _it +L _jt+L _ijt  ^(3.2) 

En slik regresjonsanalyse kan kjøres på ulike måter. Jeg skal presentere to metoder; 

tverrsnittsanalyse og paneldata.  

3.2. Tverrsnittsanalyse 

Tverrsnittsanalyse er i utgangspunktet den enkleste formen for regresjonsanalyse. Likevel er det  også den som har strengest antakelser av de to metodene jeg skal gå gjennom. Denne metoden  benytter man vanligvis dersom man har observasjoner for flere individ i samme periode, for  eksempel over et år eller et mindre tidsintervall (Biørn, 2013). Det er likevel ikke umulig å bruke  denne metoden for et datasett med flere år og flere individ.  

Ved tverrsnittsanalyse tar man utgangspunkt i en minste­kvadrats­metode. Her minimerer man  kvadratet av residualen for å finne det beste estimatet for koeffisientene til forklaringsvariablene  i modellen. Noen av de strengeste antakelsene ved tverrsnittsanalyse er at forventningsverdien til  feilleddet er null, og at feilleddet er ukorrelert med forklaringsvariablene i regresjonen.  

Man kan altså benytte tverrsnittsanalyse for å se på effekten regionale frihandelsavtaler har på  den generelle handelsflyten ved å bruke data som finnes mellom landpar. Magee (2003) sier at  man bør være forsiktig med å trekke konklusjoner av effekten slike handelsavtaler har på handel  når man bruker gravityestimering. Spesielt bruk av tverrsnittsanalyse ved gravityestimering byr  på flere problemer. Blant annet er det brudd på flere antakelser man har ved en slik metode og  det oppstår endogenitetsproblemer. Dette kommer jeg tilbake til.  

Frem til utpå 1990­tallet var det vanlig å estimere gravitylikninger med tverrsnittsanalyse. 

Problemet med slik estimering er at den ikke kontrollerer for heterogenitet mellom land. Som en  konsekvens av dette har resultatene variert og avhengt av landene som blir valgt i datasettet. 

Dette har igjen ført til en forventningsskjevhet i estimeringen. I tillegg tar man ikke hensyn til tid  ved tverrsnittsanalyse, og er en grunn til at man heller velger paneldata.  

3.3. Paneldata  

De senere årene har den vanligste metoden for å måle effekter av ulike variabler i 

gravityestimering vært å bruke paneldata. Denne metoden blir ofte brukt dersom man har datasett  med flere individ over tid.  

Det finnes to estimeringsmetoder ved paneldata. Den første er fast effekt, som gjør det mulig å  kontrollere for individuell heterogenitet. Individuell heterogenitet kan kort forklares som effekter  som er særegent for hvert individ (land) i datasettet. Det er tidsuavhengige variabler ­ altså  variabler som er forskjellige fra land til land, men som ikke varierer over tid. Denne individuelle  heterogeniteten er spesielt viktig i forhold til dataene som blir brukt i denne oppgaven. Man har  observerte tidsuavhengige variabler for hvert av landene i datasettet. I tillegg finnes slike 

uobserverte variabler. Disse observerte og uobserverte variablene kan ofte være korrelert med  hverandre, og det kan oppstå endogenitetsproblemer dersom de uobserverte variablene forblir i  feilleddet. En måte å løse noe av endogeniteten på er å benytte fast effekt. Dette er et av 

argumentene for å bruke paneldata over tverrsnittsanalyse. Ulempen med fast effekt­ modellen er  at alle tidskonstante komponenter forsvinner inn i den faste effekten ved estimering. Man kan  altså ikke estimere effektene av de tidskonstante variablene på den endogene variabelen man vil  studere, men de vil likevel bli tatt hensyn til.  

Den andre estimeringsmåten ved paneldata er tilfeldig effekt. Fast effekt og tilfeldig effekt  bygger i bunn og grunn på de samme antakelsene, men der fast effekt antar at de uobserverte  tidskonstante variablene er korrelert med inkluderte forklaringsvariabler gjør tilfeldig effekt det  motsatte: Den antar at de uobserverte tidskonstante effektene er ukorrelert med hver 

forklaringsvariabel (Wooldridge, s. 489). Jeg er mest interessert i å studere koeffisienten til  forklaringsvariabelen RTA. Dette er forklaringsvariablen som viser om et landpar er medlem av  samme handelsavtale. Det er grunn til å tro at denne variabelen kan være korrelert med en del  utelatte variabler og i tillegg er den ikke tidsuavhengig. På grunnlag av dette har jeg derfor valgt  å benytte fast effekt.  

Baier og Bergstrand (2007) hevder i sin analyse at fast effekt er å foretrekke over tilfeldig effekt.  

Dette er også den metoden som blir brukt i de fleste studier som ser på lignende problemstilling  som i denne oppgaven. I tillegg til fast effekt har jeg valgt å inkludere tverrsnittsanalyse som  sammenligningsgrunnlag i analysen min. 

4. Data 

I dette kapitlet blir datasettet presentert. Jeg forklarer variablene som blir benyttet i analysen,  samt hvordan jeg har valgt å formulere regresjonsuttrykket.  

4.1. Datasettet 

Datasettet i oppgaven er hentet fra det franske forskningssenteret CEPII’s hjemmesider. Der  forskes det hovedsaklig på internasjonal økonomi og senteret produserer studier, 

forskningsartikler, databaser og analyser av verdensøkonomien og dens utvikling (cepii.fr). 

CEPII har samlet inn data fra ulike aktører til datasettene jeg benytter: BNP og populasjon  kommer hovedsaklig fra Verdensbankens Utviklingsindikatorer (World Bank Development  Indicators, WDI). Variablene regionale handelsavtaler (RTA) og valutaunioner (currency unions)  har de hentet fra arbeidet til Baier og Bergstrand (2007), Verdens Handelsorganisasjon sine  nettsider, Frankel (1997) og Glick og Rose (2002). 

Datasettet består av data for ulike landpar mellom 1948 og 2006. Landene som inngår i datasettet  er listet opp i vedlegg B. Jeg så det ikke som nødvendig å ta med data fra før 1948, da det finnes  lite data og det ikke er før de siste årene at handel har vokst mye. Det vil likevel være data som  mangler for de ulike landparene, men observasjonene har blitt bedre med tiden og datasettet  tettere. Dette gjør at det er tilstrekkelig med data for å estimere gode koeffisienter i analysen.  

For å få variablene jeg ønsket har jeg slått sammen datasettene “gravity_cepii” og “lighter  dataset” fra CEPII. Hovedårsaken til dette er at den endogene venstresidevariabelen FLOW ikke  fantes i det førstnevnte settet. Det finnes lite beskrivende informasjon om FLOW variabelen fra 

“lighter dataset”, men jeg definerer den slik som Head et al. (2010) gjør i et av sine vedlegg: 

FLOW viser handelsstrøm mellom landpar. Landene i datasettet er forkortet, og det blir kun  benyttet ISO alfa­ 3 koder.  

4.2. Transformering av data 

Jeg har formulert et regresjonsuttrykk for analysen med utgangspunkt i uttrykk (3.2) fra kapittel  3.1. 

      Log T rade og G  Log S og M og ϕ

  _ijt=L +   _it +L _jt+L _ijt  ^(3.2) 

For å gjøre analysen mer intuitiv har jeg laget noen nye variabler. Blant annet fantes det en  forklaringsvariabel som viste om land ​i​ var medlem i GATT/WTO, og en annen variabel som  viste om land ​j​ var medlem av GATT/WTO. For å kunne studere effekten av at begge landene  samtidig er med i GATT/WTO, lagde jeg en ny binær variabel som er lik 1 dersom begge  landene er medlem. I tillegg genererte jeg en annen forklaringsvariabel dersom bare ett av  landene er medlem i GATT/WTO, i likhet med Rose (2004).  

4.3. Forklaringsvariablene 

Av de 55 forklaringsvariablene i datasettet har jeg valgt ut 11 av disse til min regresjon. De er  listet opp under, og oppsummert i tabell 4.1. 

FLOW er den avhengige variabelen. For å kunne estimere effekten av handelsavtale på  handelsflyten, er det først og fremst viktig å ta ut det man kan av effekter som er med på å  påvirke handel, se Rose (2004). På den måten reduserer man korrelasjonen mellom 

forklaringsvariablene og feilleddet, og det bidrar til å minske forventingsskjevheten i estimatene  man får i kapittel 5.  

GDP, bruttonasjonalprodukt for hvert av landene, er en sentral variabel i gravitylikningen. Denne  variabelen sier noe om størrelsen på landene. Frankel (1997) hevder i sin bok at større land vil bli  mer liberalisert og automatisk vil handle mer med hverandre.  

RTA er den variabelen man faktisk ønsker å studere effekten av på handelsflyten mellom land. 

Det er viktig å påpeke problemene rundt denne sentrale variabelen. Den er ikke nødvendigvis  eksogent gitt, da det kan være mange grunner til at land i det hele tatt inngår en handelsavtale  med hverandre. Dette kommer jeg tilbake til i diskusjonen i kapittel 6.  

Koeffisienten til GATTBOTH viser effekten av hvordan handel blir påvirket av at både land ​i​ og  j​ er med i GATT/WTO. Denne varierer med tid ​t​ ettersom ikke alle land ble medlem da GATT  ble opprettet i 1948, men meldt seg inn i ettertid.  

Koeffisienten til GATTONE viser hvis det ene landet er med i GATT/WTO og det andre landet  ikke er medlem. Man kan tenke seg at landparet handler mindre med hverandre i dette tilfellet,  ettersom det er sannsynlig at land som er med i GATT/WTO er mer åpen for liberalisering og  handel enn land som ikke er medlem. I hvilken retning handel vil gå som følge av dette blir  avklart i kapittel 5. GATT/WTO er et handelssamarbeid som jobber for å bygge ned 

handelsbarrierer, og kan på den måten bli sett på som en type handelsavtale. Derfor er det grunn  til å tro at ved å inkludere disse variablene tar man ut noe av effekten som ellers ville ligget i  feilleddet og kanskje korrelert med RTA. På den måten fjerner man noen av 

endogenitetsproblemene som oppstår.  

Det vil være mindre kostnader ved å handle med land som deler samme valuta, derfor er  COMCUR inkludert. COLHIST er en binær variabel som viser om landene har vært del av  samme koloni. Denne er inkludert fordi landets historie ofte har noe å si for hvordan  handelsmønsteret ser ut i dag (Head et. al, 2010).  

COMLANG_OFF er en binær variabel som sier om landene har samme offisielle 

tjenestemannspråk. Man kan tenke seg at land med likt offisielt språk har en sterkere tilknytning  til hverandre enn andre land, og at dette kan bidra til at landene også handler mer med hverandre. 

CONTIG er en binær variabel som beskriver om landene grenser til hverandre, som sier noe om  tilgangen landene har til hverandres markeder. Historisk sett vil det være enklere for to naboland 

å handle mer med hverandre enn et landpar som befinner seg på hver side av jordkloden. DISTW  tar med litt av den samme effekten som CONTIG. Avstand mellom land har selvsagt noe å si for  hvor mye de handler med hverandre, dette var også Tinbergen (1962) sin teori. Avstand er blant  annet en kilde til handelskostnader, og DISTW kan sees som en proxyvariabel for dette.  Jo ⁸ lenger fra hverandre land er, jo større kostnader må påregnes ved handel. Dette gjelder blant  annet på grunn av økte transportkostnader. 

         ​Tabell 4.1 

FLOW​ijt  Handelsstrøm mellom land ​i​ og ​j​ ved tidspunkt ​t​. Verdi i  nåværende millioner US$ 

GDP​it  BNP, land ​i ​ved tidspunkt ​t​. Verdi i nåværende millioner  US$ 

GDP​jt  BNP, land ​j​ ved tidspunkt ​t​. Verdi i nåværende millioner  US$ 

RTA​ijt  Binær variabel, =1 hvis land​ i​ og ​j​ er medlem av samme  handelsavtale 

GATTBOTH​ijt  Binær variabel, =1 hvis land ​i​ og ​j​ begge er medlem av  GATT/WTO 

GATTONE​ijt  Binær variabel, =1 hvis enten land ​i​ eller ​j​ er medlem av  GATT/WTO 

COMCUR​ijt  Binær variabel, =1 hvis land ​i​ og ​j​ har felles valuta  COLHIST​ij  Binær variabel, =1 hvis land​ i​ og ​j​ noen gang har vært i 

koloni med hverandre 

DISTW​^ij  Vektet avstand mellom land ​i ​og ​j 

COMLANG_OFF​^ij  Binær variabel, =1 hvis land ​i​ og ​j​ har samme offisielle  språk 

CONTIG​^ij  Binær variabel = 1 hvis landene deler grense   

8 Ettersom handelskostnader i seg selv er vanskelig å måle, kan man i stedet inkludere en variabel som er nært 

4.4. Regresjonsuttrykket  

Uttrykk (3.2) kan dermed utvides, og følgende uttrykk vil være utgangspunkt for min analyse: 

n F LOW ln GDP ln GDP RT A GAT T BOT H

l _ijt= β₀+ β_{1 it}+ β_{2 jt}+ β_{3 ijt}+ β_{4 ijt} 

GAT T ONE COLHIST COMCUR ln DIST

+ β_{5 ijt}+ β_{6 ij}+ β_{7 ijt}+ β_{8 ij} 

COMLANGOF F CONT IG

+ β_{9 ij}+ β_{10 ij}+u_ijt 

    (4.1) 

Sammenlignet med (3.2) vil FLOW være trade­ variabelen på venstre side av likhetstegnet. 

GDP­ variablene kan ses i sammenheng med S​it​ og M​jt​ da dette er de respektive landenes  spesifikke faktorer. De resterende variablene sier noe om landenes tilgang til hverandres  markeder, og er de variablene som ligger inni  ​ijt​. 

For å kontrollere for midlertidig variasjon over tid har jeg i valgt å inkludere årsspesifikke  binære variabler for hvert år i datasettet. Ofte finnes det faktorer som varierer over et kortere  tidsintervall, og disse effektene vil ikke nødvendigvis bli fanget opp av de andre 

forklaringsvariablene. Ved å ta ut disse binære variablene for årstall kan man ta ut noen av  effektene som ellers ville ligget igjen i feilleddet uten å bli kontrollert for.  

Det er viktig å påpeke at variablene uten ​t​ i uttrykk (4.1) er tidsuavhengige. Disse variablene vil  falle bort ved regresjon med fast effekt. Uttrykket inneholder både log­ variabler og binære  variabler. Binære variabler kalles også dummyvariabler og tar verdi 0 eller 1. Koeffisienten til  log­variablene kan tolkes som elastisiteter, og sier hvor mange prosent handel mellom landpar  øker dersom man øker BNP til henholdsvis land ​i ​eller ​j​ med 1%. Koeffisientene foran 

dummyvariablene kan derimot tolkes som vekstfaktoren handelsflyten endres med dersom  variabelen tar verdi 1 mot at den er 0. Måten dette blir regnet på vises nærmere i analysedelen i  kapittel 5. 

Det er konsensus i litteraturen og blant forskerne at regionale handelsavtaler bidrar til økt handel. 

Likevel er det lite enighet om de nøyaktige spesifikasjonene rundt likningen. Det er flere ulike  måter å sette den opp på, og hvilke variabler man inkluderer vil også selvsagt påvirke resultatene  og analysen (Ghosh og Yamarik, 2004).  

4.5. Nullobservasjoner 

Avslutningsvis i dette kapitlet er det verdt å nevne problemene som vil oppstå i de delene av  datasettet der det mangler tall. Modellen som skal analyseres i kapittel 5 har logaritme­ variabler,  og det er ikke mulig å ta logaritmen av null eller et negativt tall. Dette vil si at disse verdiene  faller ut når man kjører regresjon, som kan medføre forventingsskjevhet. Dette vil gjelde landpar  som ikke handler med hverandre og der det ikke finnes data. Silva og Tenreyro (2008) 

argumenterte for at Poisson maximum likelihood kan brukes som et substitutt for standard log  lineær modell. Man kan også løse disse problemene med litt manipulering, og droppe 

observasjonene der handel er lik null. Det kan kun gjøres dersom disse nullene er tilfeldig  fordelt. I denne oppgaven har jeg valgt å droppe de manglede observasjonene. Dette er også blitt  gjort av de fleste andre studier som bruker gravity­ metoden med tverrsnitt og panel. Datasettet  inneholder mange observasjoner, og det er grunn for å tro at de resterende observasjonene er  tilstrekkelig for å gi gode resultater.  

5. Analyse 

Hovedformålet med analysen i dette kapitlet er å teste om en handelsavtale mellom landpar har  en effekt på nivået av handel mellom disse to landene.  ​3​ er koeffisienten til RTA­ variabelen, og  jeg har formulert følgende hypotese som jeg nå skal teste ved forskjellige regresjonsmodeller: 

β       H β = Ho:   ₃= 0 _A:   ₃ / 0    

Nullhypotesen sier at det vil ikke vil være noe effekt av handelsavtaler på handel mellom land. 

Alternativhypotesen er derimot den antakelsen jeg har gjort før resultatene blir presentert; 

dersom to land er med i samme handelsavtale vil dette ha en signifikant effekt på handelsflyten  mellom dem. Jeg vil også vie noe oppmerksomhet på de andre variablene som er inkludert i  modellen, men fokuserer hovedsaklig på RTA. Dersom handelsavtaler har en effekt på handel, så  er det forventet at de landparene som er med i samme avtale har en høyere handel enn andre  landpar (Rose 2004, s. 99).  

Samtlige modeller er kjørt med robuste standardfeil. Det er blanke felter i tabell 5.1 under fordi  de tidsuavhengige variablene blir utelatt i en fast effekt modell. De nederste linjene i tabellen er  også med på å holde orden på hva som er de faste effektene i de forskjellige modellene, i tillegg  vil stjernene indikere grad av signifikans for de ulike forklaringsvariablene. Variabler uten  stjerne er hverken signifikant på 1%, 5% eller 10%.  

   ​^Tabell 5.1 

  (1) 

Tverrsnitt 

(2)  Tverrsnitt 

(3)  Panel 

(4)  Panel  Log GDP, importør 

0.714* 

(0.0013) 

0.86* 

(0.0012) 

0.4646* 

(0.011) 

0.626* 

(0.014)  Log GDP, eksportør  0.88* 

(0.0013) 

1.03* 

(0.0013) 

0.548* 

(0.011) 

0.709* 

(0.012)  Regional FTA 

0.607* 

(0.0122) 

1.045* 

(0.124) 

0.488* 

(0.025) 

0.489* 

(0.025)  Begge i GATT/WTO  ­0.391* 

(0.0127) 

0.087* 

(0.0121) 

0.25* 

(0.03) 

0.276* 

(0.030)  En i GATT/WTO  ­0.282* 

(0.0126) 

­0.066* 

(0.012) 

0.06** 

(0.027) 

0.087* 

(0.027)  Tidligere koloni  1.79* 

(0.147) 

1.165* 

(0.014) 

­  ­ 

Felles valuta  0.808* 

(0.253) 

0.764* 

(0.023) 

0.625* 

(0.068) 

0.522* 

(0.066)  Log vektet distanse  ­1.015* 

(0.004) 

­1.011* 

(0.0037) 

­  ­ 

Felles språk  0.396* 

(0.008) 

0.633* 

(0.008) 

­  ­ 

Deler landegrense  0.66* 

(0.015) 

0.43* 

(0.0157) 

­  ­ 

Antall observasjoner  624 145  624 145  624 145  624 145 

R​²  0.5237  0.6107  0.3364​^w  0.3407​^w 

Faste effekter: 

År  Nei  Ja  Nei  Ja 

Landpar  Nei  Nei  Ja  Ja 

Tall i parentes er robuste standardfeil 

w: R​^2​ for within i Statautskriften siden det er en fast effekt­ modell 

*: Signifikant ved signifikansnivå 1% 

**: Signifikant ved signifikansnivå 5% 

5.1. Resultater 

Modell (3) i tabell 5.1 viser resultatene av paneldataanalysen med faste effekter, uten tidseffekt. 

Som forventet vil de tidsuavhengige variablene; tidligere koloni, distanse, språk og landegrense,  være automatisk utelatt fra estimeringen i denne modellen. Samtlige forklaringsvariabler er  signifikante, og forklaringskraften til modellen er 33,64%. I modell (4) er det i tillegg lagt til  årsspesifikke dummyvariabler. Dette øker forklaringskraften marginalt til drøye 34%, og man  kan se at koeffisientene er noe forandret i forhold til modell (3) men likevel relativt like.  

Først kan man se at bruttonasjonalproduktet til både land ​i​ og ​j​ har en positiv effekt på 

handelsflyten mellom landene. Industrialiserte land med høyere BNP har en tendens til å handle  mer enn mindre utviklede land. Effekten av BNP på handel er forsterket i modell (4) i forhold til  (3). Videre ser man at felles valuta har en sterk effekt på handel mellom landpar. Til slutt kan  man se at dersom begge landene er medlem i GATT/WTO så vil dette ha en positiv effekt på  handel i modell (3) og (4). Det samme gjelder dersom kun ett land er medlem i GATT/WTO. 

Den sistnevnte variabelen har endret fortegn i forhold til tverrsnittsanalysen i modell (1) og (2).  

Modell (1) er uten tidseffekter, mens (2) inkluderer disse effektene. Forklaringskraften i disse er  betydelig høyere enn for (3) og (4) og begge forklarer i overkant av halvparten av variasjonen i  bilateral handel. Modell (1) og (2) tillater oss i tillegg å se på koeffisientene til kolonihistorie,  språk og landegrense. Samtlige har en positiv effekt på handel. I kapittel 4 ble det nevnt at  DISTW er en proxyvariabel for handelskostnader. Ifølge resultatene fra tabell 5.1 bidrar økt  avstand og økte handelskostnader til mindre handel. 

I forhold til antakelsene i kapittel 4 er det ikke så mange uventede funn i modellene (1) ­ (4), og  samtlige effekter er i samsvar med forventningene. To interessante funn er likevel at variabelen  for hvorvidt ett av landene er medlem i GATT/WTO og begge landene er medlem i GATT/WTO  endrer fortegn. I paneldatamodellene vil begge forklaringsvariablene ha en positiv effekt på  handel.  

Når det gjelder koeffisienten av interesse, RTA, ser man at denne er positiv og signifikant i  samtlige modeller i tabell 5.1. Koeffisienten er 1,045 i modell (2). I (4) er den redusert til 0,489,  men likevel signifikant. Ettersom denne variabelen ikke er en ln­ variabel, så kan man ikke tolke  koeffisienten direkte som elastisitet. FLOW og RTA, hold alt annet konstant, er en log­level  modell. I tillegg er det viktig å huske at RTA er en binær variabel. I modell (4) vil det si at ln  FLOW øker med 0,489 når to land er medlem av samme handelsavtale. For å finne ut hvor mye  handel øker i tallverdi, løser jeg uttrykket nedenfor: 

n F LOW .489 T A l _ijt= 0 ∙R _ijt 

n F LOW .489 .489

l _ijt= 0 ∙ 1 = 0  

e^ln FLOWijt=e ^0.489  

LOW e .63  

F _ijt=   ^0.489= 1  

Ifølge paneldataanalysen i modell (4) øker handel 1,63 ganger (63%). I tverrsnittsanalysen i  modell (2) finner man at denne effekten er på 2,84 (184%). Altså er effekten sterkere i (2)  sammenlignet med (4). Alt i alt viser (2) og (4) ganske like resultater. På bakgrunn av 

diskusjonen i kapittel 2 hevder jeg at resultatene i paneledatastimeringen i modell (3) og (4) er  noe mer plausible enn tverrsnittsanalysen. Ettersom det er brudd på flere antakelser i 

tverrsnittsanalysen, er det grunn til å tro at paneldatametoden er bedre og dermed gir bedre  estimater. Jeg velger derfor å legge hovedfokus på modell (4) videre i artikkelen.  

5.2. Ulike varianter 

5.2.1. Lav­ og mellominntektsland vs. høyinntektsland 

Etter å ha sett på effekter på alle land i datasettet, kan man også velge å se på lav­ og  mellominntektsland og høyinntektsland hver for seg. Jeg har brukt definisjoner fra  Verdensbanken for å definere hvilken klassifisering landene i datasettet faller under. 

Ettersom datasettet strekker seg fra 1948 til 2006, har jeg brukt definisjonen for hva som er et 

lav­ eller mellominntektsland i 2006: Land med en bruttonasjonalinntekt per capita på $ 11 115  eller mindre.  For enkelhets skyld antar jeg at land som er definert lav­ og mellominntektsland i ⁹ 2006 har vært det gjennom hele perioden. Tilsvarende er gjort for å generere den binære  variabelen for høyinntektsland: Land med en bruttonasjonalinntekt per capita over $ 11 115 i  2006. Mange av landene i datasettet som var høyinntektsland i 2006 har nødvendigvis ikke vært  definert som dette siden datasettet begynte i 1948, men det vil være en måte å skille ut de rikeste  landene fra de fattigste. Ved å generere disse variablene kan man altså velge å kun se på landpar  der begge var definert som lav­ eller mellominntektsland i 2006 eller der begge landene var  høyinntektsland.  ¹⁰

9 Denne definisjonen er hentet fra Verdensbankens nettside ("How Does the World Bank Classify Countries?"). 

10 Ettersom jeg ikke har tilgang til BNI i datasettet, benyttet jeg BNP per capita i stedet. 

    ​^Tabell 5.2 

  (5) 

Panel, lav­ og  mellominntektsland 

(6)  Panel,  høyinntektsland  Log GDP, importør  0.7151* 

(0.027) 

0.762* 

(0.046)  Log GDP, eksportør  0.631* 

(0.027) 

0.942* 

(0.058) 

Regional FTA  0.3461* 

(0.053) 

0.197* 

(0.044)  Begge i GATT/WTO  0.1397* 

(0.05) 

0.503* 

(0.134) 

En i GATT/WTO  0.004 

(0.041) 

0.102  (0.130) 

Tidligere koloni  ­  ­ 

Felles valuta  0.347** 

(0.174) 

0.387* 

(0.064) 

Log vektet distanse  ­  ­ 

Felles språk  ­  ­ 

Deler landegrense  ­  ­ 

Antall observasjoner  210 025  42 774 

R​²  0.2251​^W  0.8326​^W 

Faste effekter: 

År  Ja  Ja 

Landpar  Ja  Ja 

Tall i parentes er robuste standardfeil 

w: R​^2​ for within i Statautskriften siden det er en fast effekt­ modell 

*: Signifikant ved signifikansnivå 1% 

**: Signifikant ved signifikansnivå 5% 

Modell (5) er samme type modell som (4), men med et utvalg kun bestående av lav­ og  mellominntektsland. Fortegnene til koeffisientene har ikke endret seg i forhold til (4), men  effekten av handelsavtale har gått litt ned. I tillegg er modellens forklaringskraft redusert fra 34% 

til drøye 22%.  

I modell (6) estimerer jeg effektene av de ulike variablene ved å kun benytte meg av de 

landparene der begge var definert som høyinntektsland i 2006. I denne modellen er koeffisienten  til RTA signifikant, og jeg finner at høyinntektsland handler 21% mer med hverandre når de er i  samme handelsavtale. Denne effekten er lavere enn for utvalget med lav­ og mellominntektsland  i modell (5), der bidrar RTA til 41% mer handel. 

Sammenligner man (6) med (4) ser man at effekten av handelsavtaler har gått noe ned. Effekten  av økt BNP har derimot mer å si for både land ​i​ og land ​j​. Man kan også se at forklaringskraften  har gått opp fra 34% i modell (4) til i overkant av 83% i modell (6).  

Det er en ikke­signifikant variabel i (6); om ett av landene er medlem i GATT/WTO. Det er stor  sannsynlighet for at dette er en overflødig variabel i utvalget man estimerer i denne modellen. 

For de landpar der begge var høyinntektsland i 2006 er det en antatt sterk korrelasjon mellom  hvorvidt landene er høyinntektsland og om de er medlem av GATT/WTO. Ved å studere  datasettet kan det se ut som Ekvatorial­Guinea er det eneste rike landet som er i landpar med  høyinntektsland men som ikke er medlem av WTO. Det har lenge vært et av de fattigste landene  i Afrika, og høyere BNP her kommer i utgangspunkt av høye oljeinntekter som ikke 

nødvendigvis kommer befolkningen til gode (Globalis). Økt BNP betyr ikke nødvendigvis mer  liberalisering. Dette gir grunnlag for påstanden om en sterk korrelasjon mellom GATT­ 

variablene i tabellen gitt antakelsen om at man kun ser på rike land.