Page 1
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2015 – 2016
Evolutie van de
inkomensverdeling
in Frankrijk
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in Business Economics: Corporate Finance
Kwinten Van Kerckhove
onder leiding van
Prof. Dr. Dirk Van de gaer
Page 3
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2015 – 2016
Evolutie van de
inkomensverdeling
in Frankrijk
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Toegepaste Economische Wetenschappen
Kwinten Van Kerckhove
onder leiding van
Prof. Dr. Dirk Van de gaer
Page 4
Vertrouwelijkheidsclausule
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Kwinten Van Kerckhove
Page 5
I
Voorwoord
Deze masterproef werd geschreven in het kader van mijn opleiding Master of Science in
Business Economics, met de gekozen afstudeerrichting Corporate Finance. Dit werk omtrent de
evolutie van de inkomensverdeling in Frankrijk vormt het sluitstuk van mijn schoolcarrière aan
de Universiteit van Gent.
Van dit voorwoord wens ik gebruik te maken om enkele personen te bedanken die een
belangrijke bijdrage hebben geleverd aan de totstandkoming van deze masterproef.
Vooreerst wil ik mijn promotor Prof. Dr. Dirk Van de gaer bedanken. Hij heeft mij vanaf de start
van het onderzoek uitstekend begeleid en heeft mij gedurende deze periode in de juiste richting
gestuurd. Zijn zeer nuttige inzichten en ervaring omtrent dit onderwerp maakten het mogelijk
om een kwalitatieve thesis af te leveren.
Daarnaast wens ik mijn ouders, vrienden en familie te bedanken voor de steun tijdens deze
periode. Deze waren altijd bereid om mijn studie na te lezen en te corrigeren waar nodig.
Op de momenten waarop het onderzoek moeizamer liep, kon ik ook altijd op hun steun rekenen
om door te zetten.
Kwinten Van Kerckhove
Gent, augustus 2016
Page 6
II
Inhoudstafel
1. Inleiding ............................................................................................................................................... 1
Conceptualisering .......................................................................................................... 2
Probleemstelling ............................................................................................................ 7
Wetenschappelijke relevantie ....................................................................................... 7
Maatschappelijke relevantie ......................................................................................... 8
2. Literatuurstudie ................................................................................................................................. 11
3. Onderzoeksopzet ............................................................................................................................... 15
3.1. Hypothese ......................................................................................................................... 15
3.2. Data ................................................................................................................................... 17
Beschrijvende statistiek ............................................................................................... 26
4. Methodologie .................................................................................................................................... 27
5. Resultaten .......................................................................................................................................... 29
5.1. Assumpties ........................................................................................................................ 29
5.2. Modellen ........................................................................................................................... 35
Verandering in de variabelen ...................................................................................... 40
Vertraagden ................................................................................................................. 40
6. Conclusie .......................................................................................................................................... 43
7. Bibliografie ......................................................................................................................................... 45
Bijlagen .................................................................................................................................................... A
Page 7
III
Lijst van gebruikte afkortingen
ATK = Atkinson Index
BBP = Bruto Binnenlands Product
CPI = Consumptieprijsindex
EMU = Economische en Monetaire Unie
FRNP = Centre National des Indépendants et Paysans
INSEE = Institut National de la Statistique et des Etudes Economiques
OESO = Organisatie voor Economische Samenwerking en Ontwikkeling
PS = Parti socialiste
RPR = Rassemblement pour la République
SMIC = Salaire Minimum Interprofessionel de Croissance
SMIG = Salaire Minimum Interprofessionel Garanti
SPSS = Statistical Package for the Social Sciences
UDF = Union pour la Démocratie Française
UMP = Union pour un Mouvement Populaire
VIF = Variance Inflation Factor
Page 8
IV
Lijst van gebruikte figuren
FIGUUR 1 LORENZCURVE ................................................................................................................... 3
FIGUUR 2 INKOMENSONGELIJKHEID VOLGENS DE S80/S20 RATIO (BRON: EIGEN VERWERKING DATA EUROSTAT) ...... 5
FIGUUR 3 ARMOEDE IN FRANKRIJK (BRON: EIGEN VERWERKING DATA EUROSTAT) ........................................ 6
FIGUUR 4 OVERHEIDSTEKORT FRANKRIJK (BRON: EIGEN VERWERKING DATA OESO) .................................. 10
FIGUUR 5 EVOLUTIE VAN DE INKOMENSONGELIJK A.D.H.V. DE GINI-COËFFICIËNT (BESCHIKBAAR INKOMEN) ..... 11
FIGUUR 6 EVOLUTIE VAN DE INKOMENSONGELIJK A.D.H.V. DE PERCENTIELEN (BRON: CHARNOZ ET AL., 2013) 12
FIGUUR 7 KUZNETSCURVE (BRON: EIGEN VERWERKING) ....................................................................... 14
FIGUUR 8 VERHOUDING REËLE MINIMUMLOON/REËLE GEMIDDELDE LOON (BRON: EIGEN VERWERKING DATA OECD) 16
FIGUUR 9 EVOLUTIE GINI-COËFFICIËNT & P99,9 (BRON: EIGEN VERWERKING DATA INSEE & PIKETTY, 2013) ...... 18
FIGUUR 10 GESCHATTE GINI-COËFFICIËNTEN DOOR INTERPOLATIE (BRON: EIGEN VERWERKING) ................... 20
FIGUUR 11 EVOLUTIE MARGINALE BELASTINGVOET .............................................................................. 22
FIGUUR 12 WERKLOOSHEIDSGRAAD IN FRANRKIJK (BRON: EIGEN VERWERKING DATA EUROSTAT) ................. 23
FIGUUR 13 EVOLUTIE INFLATIE FRANKRIJK EN OESO (BRON: EIGEN VERWERKING DATA OESO) .................. 24
FIGUUR 14 ECONOMISCHE GROEI FRANKRIJK EN OESO (BRON: EIGEN VERWERKING DATA WORLDBANK) ....... 25
FIGUUR 15 NORMALITEITSPLOT GINI-COËFFICIËNT ............................................................................... 30
FIGUUR 16 VERBAND GINI-COËFFICIËNT & MINIMUMLOON .................................................................. 31
Page 9
V
Lijst van gebruikte tabellen
TABEL 1: PRESIDENTEN FRANKRIJK .................................................................................................... 17
TABEL 2 MODELLEN GESCHATTE GINI-COËFFICIËNT INTERPOLATIE ........................................................... 19
TABEL 3 BESCHRIJVENDE STATISTIEKEN .............................................................................................. 26
TABEL 4 MULTICOLLINEARITEIT ........................................................................................................ 32
TABEL 5 OUTLIERS ......................................................................................................................... 33
TABEL 6 SAMENVATTENDE TABEL ASSUMPTIES .................................................................................... 33
TABEL 7 VERKLARENDE KRACHT REGRESSIEMODELLEN ........................................................................... 35
TABEL 8 SAMENVATTENDE TABEL MODELLEN ...................................................................................... 38
TABEL 9 SAMENVATTENDE TABEL DYNAMISCHE REGRESSIEMODELLEN ...................................................... 42
Page 10
1
1. Inleiding
“A nation will not survive morally or economically when so few have so much
and so many have so little.” Bernie Sanders
De ongelijke verdeling van het totaal (beschikbare1) inkomen is een gegeven waar iedereen mee
geconfronteerd wordt. In elk land heerst deze vorm van ongelijkheid wel op de één of andere manier
– in het ene land al wat meer dan in het andere. In 2008 vond nog 40% van de Franse bevolking dat
de inkomens gelijker verdeeld zouden moeten zijn, en één op zes was voorstander van een perfect
gelijke verdeling waarbij elke inwoner evenveel inkomen ontvangt (Pew Research Center, 2014).
Samen met het looninkomen vormt het inkomen uit kapitaal het totale inkomen dat een burger
bezit. De scheve verdeling van het totaal nationaal inkomen van een land is dus het gevolg van een
ongelijke verdeling binnen deze twee grote blokken. Het inkomen uit kapitaal is echter veel schever
verdeeld dan het inkomen uit loon (Piketty, 2003).
In deze masterproef wordt specifiek de inkomensongelijkheid in Frankrijk onderzocht. Dit topic zorgt
al gedurende verschillende decennia voor discussies tussen verschillende bevolkingslagen. Mede
hierdoor is dit dan ook een belangrijk onderdeel op de agenda van verschillende politieke partijen:
welke maatregelen zouden of zullen zij nemen wanneer ze (politiek) verkozen worden.
Vanuit dit oogpunt zal de inkomensverdeling in Frankrijk bekeken worden. Er wordt een opsplitsing
gemaakt tussen de verschillende regeerperiodes en uit welke partij de regerende president
gedurende deze periodes kwam. Concreet worden voor dit onderzoek vier regeerperiodes gebruikt,
beginnende vanaf 1974 tot en met 2012. Hieruit kan worden nagegaan hoe de inkomensverdeling
geëvolueerd is wanneer de verschillende presidenten aan de macht waren, en of dit in lijn ligt met de
verwachtingen van hun partij inzake deze problematiek. Deze afbakening in de tijd is het gevolg van
het moment waarop pas nauwkeurige data – nodig voor het onderzoek – bijgehouden werd.
Hierover wordt later uitgebreid in sectie 3.
1 Zie conceptualisering
Page 11
2
Conceptualisering
Omdat sommige begrippen later in dit onderzoek meermaals aan bod komen, worden deze eerst
bondig gedefinieerd.
Om de inkomensongelijkheid te onderzoeken, zal er gekeken worden naar de verdeling van de
inkomens. Het is echter belangrijk om te weten hoe dit inkomen gedefinieerd is. Er zijn verschillende
vormen van inkomen die gebruikt kunnen worden om de ongelijkheid hierin te meten. Bij het gebruik
van een andere vorm van inkomen zal men dan ook verschillende resultaten betreffende de
ongelijkheid bekomen.
Vooreerst is er het marktinkomen. Dit verwijst naar de som van de inkomsten uit arbeid, inkomsten
uit beleggingen, pensioenen, rentes. Het wordt ook aangeduid als het inkomen voor overdrachten en
belastingen.
Een andere vorm van inkomen is het beschikbaar inkomen. Hierbij worden de belastingen van het
marktinkomen afgetrokken. Dit is het inkomen dat voor gezinnen overblijft om te consumeren of te
sparen, naargelang hun keuze.
Deze vormen van inkomen hebben echter een belangrijke beperking. Er wordt in beide gevallen geen
rekening gehouden met de grootte van het gezin. Grotere gezinnen hebben namelijk meer kosten en
genereren schaalvoordelen2 betreffende hun verbruik door samen te wonen. Een gezin met vier
kinderen zal meer kosten moeten maken voor voeding, kledij, onderwijs en dergelijke dan een gezin
met twee kinderen. Als gevolg daarvan zal een zelfde niveau van inkomen na belastingen voor het
eerste gezin een lagere (materiële) levensstandaard impliceren dan voor het laatste gezin.
Om rekening te houden met de gezinsgrootte en de schaalvoordelen die hiermee gepaard gaan,
werden equivalentieschalen ontwikkeld. Dit moet het mogelijk maken om inkomens op een
gelijkwaardige manier te vergelijken tussen gezinnen die verschillend zijn samengesteld. De Europese
Unie maakt gebruik van een equivalentieschaal waarbij het gezinsinkomen gedeeld wordt door het
gewogen aantal gezinsleden. Tevens wordt er een onderscheid gemaakt tussen volwassenen en
kinderen: het gezinshoofd krijgt een gewicht van 1, elke bijkomende volwassene 0,5 en per kind 0,3.
Aan de hand van deze gewichten wordt het equivalent beschikbaar inkomen gevormd (Morelli,
Smeeding & Thompson, 2014).
Een alternatieve equivalentieschaal deelt het inkomen door de vierkantswortel van de gezinsgrootte.
Hierdoor nemen de kosten toe met de gezinsgrootte, maar in dalende mate (Buhmann et al., 1988).
2 Hierdoor zal men voor het tweede kind minder kosten moeten maken dan bij het eerste.
Page 12
3
Daarnaast is er nog het bruto nationaal inkomen. Dit is een graadmeter voor de economie van een
land. Hiermee kunnen economieën van alle landen gemakkelijk met elkaar vergeleken worden.
Door te kijken naar het bruto nationaal inkomen per capita3, kan men de welvaart van een land
meten.
Naast deze verschillende vormen van inkomen zijn er ook verschillende manieren om dit inkomen te
gebruiken om de inkomensongelijkheid te meten.
Zo werd de Lorenzcurve ontwikkeld om de inkomensverdeling grafisch weer te geven. Deze curve
geeft het verband weer tussen het cumultatief percentage van de bevolkingsomvang en het
cumultatief percentage van de inkomens van diezelfde bevolkingsgroep. Indien iedereen evenveel
zou verdienen – en er dus een perfecte gelijkheid qua verdeling is – zou de Lorenzcurve samenvallen
met de diagonaal. Hierbij verdient 10% van de bevolking 10% van het nationaal inkomen, 20% van de
bevolking verdient 20% enzovoort. De diagonaal op figuur 1 stelt dus een volledige gelijke
inkomensverdeling voor, en de Lorenzcurve de feitelijke inkomensverdeling. Hoe kleiner de
oppervlakte tussen beide lijnen is, hoe gelijker de inkomens verdeeld zijn.
Aan de hand van deze oppervlakte wordt de mate van (on)gelijkheid berekend: de Gini-coëfficiënt.
Deze coëfficiënt is één van de meest gebruikte maatstaven om de inkomensongelijkheid te meten,
maar is in principe geschikt om elke vorm van ongelijkmatige spreiding te meten. De Gini-coëfficiënt
is een getal tussen 0 en 1. 0 correspondeert hierbij met de ‘perfecte gelijkheid’ (in dit geval heeft
iedereen hetzelfde inkomen) en 1 correspondeert met de ‘perfecte ongelijkheid’ (één iemand bezit
3 Per hoofd van de bevolking ~ gemiddelde per persoon
Figuur 1 Lorenzcurve
Page 13
4
het totale inkomen en de rest heeft geen inkomen). De coëfficiënt wordt bepaald aan de hand van
volgende formule:
Op figuur 1 is dit de verhouding tussen de oppervlakte tussen de blauwe en de rode lijn én de
oppervlakte gevormd door de driehoek onder de blauwe lijn (met de x-as).
De Gini-Index is de Gini-coëfficiënt uitgedrukt in percentage en is gelijk aan de Gini-coëfficiënt
vermenigvuldigd met 100. Bij 100% is er dus sprake van een volledig ongelijke verdeling.
Naast de Lorenzcurve en de Gini-index – die rekening houden met de totale verdeling – zijn er ook
maatstaven die zich baseren op bepaalde groepen uit de populatie en met behulp van ratio’s een
inschatting maken van de aanwezige inkomensongelijkheid.
Zo is er de P90/P10 en P90/P50 ratio, die het inkomen van de rijkste tien procent weergeven als een
veelvoud van respectievelijk de armste tien procent en de mediaan. Hoe lager deze ratio, hoe gelijker
de inkomens verdeeld zijn. Een ratio van bijvoorbeeld 5 duidt erop dat de rijkste 10% vijf keer zoveel
verdienen als de armste 10% (bij P90/P10 ratio). De kritiek op deze maatstaf is dat deze geen
rekening houdt met de verdeling binnenin de percentielen zelf (Piketty, 2013).
Een gelijkaardige maatstaf is de S80/S20 ratio. Dit is een ratio tussen het totaal inkomen van het
bovenste kwintiel4 ten opzichte van het totaal inkomen van het onderste kwintiel.
4 Groep van 20%
Page 14
5
3,4
3,6
3,8
4,0
4,2
4,4
4,6
4,8
Rat
io S
80
/S2
0
Jaartal
Inkomensongelijkheid in Frankrijk volgens S80/S20 ratio
S80/S20 ratio
Deze ratio wordt in figuur 2 grafisch weergegeven. Gedurende de periode 1995 tot en met 2014
kende deze ratio een U-vormig verloop, schommelend tussen 3,9 en 4,6. Deze cijfers duiden dat de
rijkste 20% van de bevolking 4,6 maal zoveel inkomen ontving als de armste 20% (in 2011).
De Palma Index is een variant op bovenstaande ratio’s. Deze ratio is genoemd naar de Chileense
economist Gabriel Palma die vaststelde dat het inkomensaandeel van diegene in deciel5 vijf tot
negen meestal stabiel blijft rond de 50% – over landen en over de tijd heen. Hierop baseerden de
economen Cobham en Sumner zich om een ratio te onwikkelen (= Palma ratio) die een nauwkeuriger
beeld geeft van de inkomensongelijkheid dan de Gini-coëfficiënt, omdat laatstgenoemde
ongevoelig(er) is voor de data in beide uiteinden, waar de ongelijkheid daadwerkelijk ligt. Deze ratio
vergelijkt dus het aandeel in het beschikbaar inkomen van de 10% rijksten ten opzichte van de 40%
armsten (Morelli, Smeeding & Thompson, 2014).
Een bijkomende manier om de inkomensongelijkheid te meten is de Atkinson Index (ATK). Net als de
Gini-coëfficiënt heeft de ATK betrekking op de totale verdeling. Bij de ATK kan er echter een gewicht
toegevoegd worden aan bepaalde inkomensgroepen. Zo kan men meer gewicht geven aan inkomens
aan de boven- of onderkant van de verdeling (Morelli, Smeeding & Thompson, 2014).
Naast inkomensongelijkheid belicht armoede nog een andere deel van de inkomensverdeling.
Armoede focust meer op de onderste decielen van de inkomensverdeling. Er wordt nagegaan
hoeveel procent van de bevolking onder een bepaalde armoedegrens leeft. Meestal wordt de
armoedegrens gemeten in relatieve termen: de grens wordt bepaald aan de hand van de
5 Groep van 10%
Figuur 2 Inkomensongelijkheid volgens de S80/S20 ratio (Bron: Eigen verwerking data Eurostat)
Page 15
6
levensstandaard van de bevolking. De drempel ligt op bijvoorbeeld 60% van de mediaan van de
levensstandaard. Ook Europa is voorstander om op deze manier de armoedegrens te benaderen
(INSEE, 2013) hoewel er soms ook voor een ander percentage geopteerd kan worden.
De levensstandaard die hiervoor gebruikt wordt is gelijk aan het beschikbaar inkomen van het
huishouden, gedeeld door het aantal consumptie-eenheden. Deze consumptie-eenheden worden
berekend op basis van de equivalentieschaal van de EU. Het betreft hier dus uiteindelijk het
equivalent beschikbaar inkomen zoals reeds besproken is. Elk lid van het gezin heeft dezelfde
levensstandaard.
Figuur 3 Armoede in Frankrijk (Bron: Eigen verwerking data eurostat)
Figuur 3 geeft de evolutie van de armoede in Frankrijk weer gedurende de periode 1996 tot 2014.
Hierbij is zoals hierboven werd aangehaald, gebruik gemaakt van een armoedegrens die 60%
bedraagt van de mediaan van de levensstandaard. Uit de grafiek blijkt dat de armoede gedurende
deze periode een U-curve volgt waarbij ze daalt tot 12,6% in 2005, waarna ze opnieuw toeneemt tot
bijna de initiële hoogte in 2013. Wanneer we kijken naar een armoedegrens van 70% zien we
eenzelfde trend waarbij het procentuele aantal armen logischerwijze hoger ligt6 (en bijgevolg
nagenoeg evenwijdig met bovenstaande grafiek).
Met de Lorenzcurve, de Gini-coëfficiënt, de interdecielratio’s, de Palma Index en de Atkinson Index
zijn er verschillende mogelijkheden om de inkomensongelijkheid weer te geven. De armoede heeft
betrekking op een andere kant van de inkomensverdeling.
6 Zie bijlage 1
11,5
12
12,5
13
13,5
14
14,5
15
Pe
rce
nta
ge o
nd
er
de
arm
oe
de
gre
ns
(60
%)
Jaartal
Procentuele armoede Frankrijk
Armoede
Page 16
7
Convergentie of convergerende krachten duiden op een afnemende ongelijkheid, terwijl
divergentie of divergerende krachten duiden op een toename van de ongelijkheid.
Probleemstelling
Het aanpakken van de inkomensongelijkheid door tal van maatregelen heeft een effect op
verscheidene macro-economische factoren (Figeac, 2015). Linkse politieke partijen zullen gezien hun
politieke aard echter een grotere inkomensgelijkheid nastreven dan centrumpartijen, die op hun
beurt hier een grotere aandacht aan zullen besteden dan de rechtse partijen.
Maar zorgen socialistische presidenten er ook effectief voor dat de totale inkomens gedurende hun
regeerperiodes ook gelijker verdeeld worden dan wanneer bijvoorbeeld een liberale president de
plak zwaait? Zijn er met andere woorden verschillen te zien in de evoluties van de inkomensverdeling
tussen de verschillende regeerperiodes? En zijn er gelijkenissen te zien wanneer de regerende
presidenten eenzelfde partij(richting) hebben? Verder in deze scriptie tracht ik deze vragen zo
concreet mogelijk te beantwoorden. Daarnaast wordt ook nagegaan hoe deze eventuele verschillen
veroorzaakt werden en of de inspanningen van bepaalde presidenten binnen dit domein ook
effectief geloond hebben.
Wetenschappelijke relevantie
Voorgaande onderzoeken omvatten dikwijls een historisch karakter: de evolutie van de
inkomensongelijkheid wordt bekeken gedurende bijvoorbeeld de negentiende of twintigste eeuw
(Piketty, 2003). Deze onderzoeken scheppen een duidelijke basis omtrent het onderwerp maar
houden – meestal – nog geen rekening met gebeurtenissen uit de laatste vijftien jaar die een
belangrijke impact hebben op deze ongelijkheid. Zo veroorzaakte de internetzeepbel reeds in de
beginjaren van de éénentwintigste eeuw een recessie die langdurig aanbleef. Daarnaast heeft ook de
recente financiële crisis en de aanpak hiervan een niet te verwaarlozen impact gehad op de
inkomensongelijkheid.
Oxfam (2013) geeft aan dat de ongelijkheid in Frankrijk sterk steeg sinds 2000 door onder andere
deze verschillende gebeurtenissen en de maatregelen die hiermee gepaard gingen. Het is dus
duidelijk dat er de recente jaren voorvallen plaatsvonden die in slechts weinig onderzoeken reeds
zijn opgenomen. Daar dit onderzoek zich uitstrekt over de periode 1974 tot 2012 omvat zij ook het
grootste gedeelte van de éénentwintigste eeuw.
Niet enkel het omvatten van de recente tijdsperiode kan een belangrijke meerwaarde opleveren.
Ook naar de interactie tussen het gevoerde politieke beleid en de inkomensongelijkheid is slechts
Page 17
8
weinig onderzoek gevoerd. In vele studies wordt er wel verwezen naar de invloed van politieke
beslissingen op de inkomensongelijkheid, doch wordt deze impact zelden aangetoond. Het
merendeel van de studies betreffende de inkomensongelijkheid gaat over de algemene historische
trend en/of de evolutie van het bovenste percentiel (Piketty, 2013). Dit laatste is deels te wijten aan
het feit dat men enkel van de rijksten sinds het begin van de metingen (1914) de nodige data ter
beschikbaar had. Anderzijds wordt vooral het verband onderzocht tussen de inkomensongelijkheid
en exogene variabelen, die niet direct gelinkt kunnen worden aan het beleid. Door het onderzoek
naar deze interactie tussen het politieke beleid enerzijds en de evolutie van de inkomensongelijkheid
anderzijds te voeren, tracht ik dit hiaat in de bestaande literatuur deels op te vullen.
Maatschappelijke relevantie
Terwijl in landen zoals de Verenigde Staten men maar matig bezorgd is over de problematiek
omtrent de inkomensongelijkheid (Krugman, 2007), wordt Frankrijk volgens onderzoek hoog
gerangschikt volgens het belang dat ze hieraan hechten (Pew Research Centre, 2014). Samen met
religieuze en etnische haat vindt de Franse bevolking inkomensongelijkheid de grootste bedreiging in
de wereld. Meer dan aids (en andere ziekten), nucleaire wapens en milieuvervuiling.
Ten eerste kan het vergelijken van de evolutie van de inkomensverdeling tussen vier verschillende
regeerperiodes de kiezers een reflectie geven hoe een bepaalde president – waar ze in het verleden
al dan niet op gestemd hebben – het er op dit vlak van af gebracht heeft. Daarnaast is het ook
verhelderend te zien op wie deze presidenten gedurende hun mandaat de grootste invloed hadden
met hun beleid inzake inkomensongelijkheid: kregen de armsten een hoger percentage in het totale
inkomen of was dit toch eerder weggelegd voor de midden inkomens? Werd het aandeel van de
rijksten in het totale inkomen beperkt ten voordele van de armen? De resultaten die uit deze vragen
voortvloeien kunnen mogelijks een invloed hebben op het toekomstig stemgedrag van de
stemgerechtigden.
Daarnaast is het ook voor de beleidsmakers zelf relevant om na te gaan of hun genomen
maatregelen daadwerkelijk het beoogde effect hebben opgeleverd. Op deze manier kunnen ze
nagaan of bijvoorbeeld een bepaalde belasting geholpen heeft om de schevige inkomensongelijkheid
rechter te trekken. Indien dit het geval is kunnen ze de bevolkingsgroep die hier het meest van kon
genieten op de hoogte brengen dat deze maatregelen door hun partij werd genomen, en hen zo een
incentive geven om bij toekomstige verkiezingen een stem uit te brengen voor hen.
Page 18
9
Naast deze electorale motieven is het onderzoek naar de inkomensongelijkheid interessant voor het
beleid dat gevoerd moet worden om andere macro-economische aspecten te beïnvloeden. Zo
kunnen verschillende maatregelen – zoals het verhogen van menselijk kapitaal, het financieren van
het arbeidsmarktbeleid, etc. – er voor zorgen dat de inkomensongelijkheid daalt en er een positieve
impuls gegeven wordt voor de economische groei (Figeac, 2015). In tegenstelling tot Figeac stelt
Okun (1975) echter dat de beleidsmakers een afweging moeten maken tussen enerzijds minder
economische groei en anderzijs minder ongelijkheid. Zo zou het herverdelingsmechanisme geld
kosten waardoor de economie minder efficiënt werkt, zou het verstoringen in de markt veroorzaken
(Jacobs, 2008) en zou een lagere inkomensongelijkheid inwoners minder motiveren om te werken,
ondernemen, leren.
Daartegenover staat dan ook dat het snijden in de publieke uitgaven negatieve effecten zal hebben
voor de ongelijkheid. Figeac (2015) haalt tevens het mogelijke causaal verband aan tussen de
ongelijkheid en een (economische) crisis. Hij wijst er op dat de overheden een significante rol spelen
in het vermijden van deze ongewenste uitkomsten.
De ongelijkheid in Frankrijk nam de afgelopen jaren opnieuw toe en dit lijkt enkel nog te verergeren
in de komende jaren door de waarschijnlijke bezuinigingen op overheidsuitgaven die doorgevoerd
moeten worden om het overheidstekort terug te schroeven. Figuur 4 toont aan dat Frankrijk ruim
twintig jaar een overheidstekort heeft. In de nasleep van de economische crisis is er een piek te zien
in 2009, waarna het opnieuw daalde maar er is nog steeds een tekort (hoger dan het niveau voor de
crisis). In het stabiliteits- en groeipact van de Economische en Monetaire Unie (EMU) spreken alle
landen die hiervan lid zijn echter af dat ze zullen streven naar een begroting in evenwicht, of dat ze
een overschot zullen hebben. De EMU staat een overheidstekort toe van maximaal 3% van het BBP.
Zoals uit grafiek 4 blijkt zit Frankrijk hier reeds acht jaar boven. Het maatschappelijk belang van deze
problematiek zal dus enkel toenoemen in de toekomst.
Page 19
10
Hierna wordt een overzicht gegeven van de reeds eerder gevoerde onderzoeken binnen de
inkomensongelijkheid die relevant zijn voor deze masterproef. In sectie 3 wordt het onderzoeksopzet
verder belicht, met name de uitwerking van de hypothese en de data die hiervoor gebruikt wordt.
Vervolgens geeft de methodologie aan op welke manier deze data verwerkt wordt om in sectie 5 de
resultaten te bespreken en wordt er getracht een antwoord te bieden op de eerder vermelde
hypothese. Tot slot worden in het laatste deel de belangrijkste conclusies aangehaald, uitgebreid met
de tekortkomingen van dit onderzoek en suggesties voor verder onderzoek.
0
1
2
3
4
5
6
7
8
% v
an h
et
BB
P
Jaartal
Overheidstekort Frankrijk
Overheidstekort
Figuur 4 Overheidstekort Frankrijk (Bron: Eigen verwerking data OESO)
Page 20
11
2. Literatuurstudie Frankrijk is een zeer atypisch land inzake inkomensongelijkheid. Het is – samen met vier andere
landen – één van de enige landen van de OESO7 waar de inkomensongelijkheid sinds de jaren
negentig tot minstens 2008 gedaald is (OECD, 2008).
In figuur 5 wordt gebruik gemaakt van de Gini-coëfficient van het beschikbaar inkomen om de
dalende inkomensongelijkheid in Frankrijk sinds de jaren tachtig weer te geven. Dit geeft aan dat
Frankrijk dichter bij een ‘perfecte gelijkheid’ komt. Deze daling van 0,31 naar 0,28 staat in contrast
met de toename van de inkomensongelijkheid in de OESO (van 0,29 naar 0,31). Op deze manier
wordt het atypische karakter inzake de inkomensongelijkheid van het te onderzoeken land grafisch in
beeld gebracht.
7 De OESO bestaat uit 34 – overwegend welvarende – landen die samenwerken om het sociaal en economisch
beleid te bespreken, bestuderen en coördineren.
Figuur 5 Evolutie van de inkomensongelijk a.d.h.v. de Gini-coëfficiënt (beschikbaar inkomen)
Page 21
12
Charnoz, Coudin & Gaini (2013) visualiseerden de evolutie van de inkomensongelijkheid op een
andere manier. Deze drie wetenschappers maakten gebruik van de inkomenspercentielen om zo de
P90/P10 ratio te bepalen. Hoe lager deze ratio, hoe gelijker de inkomens in een bepaald land
verdeeld zijn8. In deze grafiek is Frankrijk ook het enige land dat sinds eind de jaren tachtig een
grotere gelijkheid kent binnen de verdeling van de inkomens (van 3,5 naar 3).
Volgens Figeac (2015) is deze daling het gevolg van een verandering in de arbeidsmarkt. Ook
Fremeaux en Piketty (2013) halen deze reden aan om de toenemende gelijkheid te verklaren. Meer
specifiek ligt de daling in de ongelijkheid van de brutolonen met meer dan 9% gedurende de laatste
twee decennia volgens hen aan de basis van deze dalende trend. Wanneer we de evolutie bekijken in
de rest van de OESO landen, kenden deze landen een tegenovergesteld verloop. Bij hen nam de
ongelijkheid van de brutolonen toé met 20%. Het is dus duidelijk dat dit een belangrijke reden vormt.
Lenglart (2013) daarnaast legde de nadruk op de herverdelende effecten van sociale maatregelen die
zouden vermeden hebben dat de levensstandaard van de armste twintig percent tot vier keer
verergerde & zo een uitbarsting van de ongelijkheid zouden beperkt hebben. Dit toont aan dat de
beslissingen die de beleidsmakers nemen mee zullen bepalen hoe de inkomensongelijkheid
evolueert.
De link tussen het politieke beleid en de inkomensongelijkheid werd ook reeds aangehaald door de
gerenomeerde Franse econoom Thomas Piketty. Hij onderzocht de inkomensongelijkheid in Frankrijk
vanuit een historisch en statistisch oogpunt. De onderzoeker kwam tot de conclusie dat de afname
van de ongelijkheid in de eerste helft van de twintigste eeuw het gevolg was van beide
8 Zie sectie 1 Conceptualisering
Figuur 6 Evolutie van de inkomensongelijk a.d.h.v. de percentielen (Bron: Charnoz et al., 2013)
Page 22
13
wereldoorlogen en het politieke beleid dat vervolgens gevoerd werd om deze schokken te boven te
komen. Daarnaast haalt hij aan dat de toename van de ongelijkheid sinds de jaren tachtig in de
overige landen toegeschreven kan worden aan de politieke ommekeer in de afgelopen decennia, met
name op gebied van belasting en financiën (Piketty, 2013).
Keeley (2015) treedt Piketty hierin bij. Hij stelt dat de overheid kan reageren op deze groeiende
inkomensongelijkheid vanuit verschillende domeinen. Vooreerst op gebied van opleiding. De
overheid moet er voor zorgen dat er een hoge kwaliteit aan onderwijs aanwezig is maar ook dat het
onderwijssysteem voldoet aan de noden van de studenten door hun een ruime keuze aan te bieden
om zich te kunnen ontwikkelen. Daarnaast haalt Keeley het belang aan van de vaardigheden van de
werknemers. Eén van de belangrijkste drijfveren van de inkomensongelijkheid is de loonkloof tussen
hoog- en laagopgeleide werknemers. In de moderne economie zal het volgens hem echter steeds
moeilijker worden voor deze laatste werknemers, mede door de mogelijke automatisering van vele
dergelijke jobs. Ten derde is er de tewerkstelling: door te zorgen voor meer jobs hebben ze een
bepaalde houvast. Het fungeert ook als een hefboom waarbij de werknemers niet enkel een wedde
ontvangen, maar waardoor ze hun capaciteiten ook kunnen ontwikkelen en ze zich nuttig gaan
voelen. Als laatste haalt Keeley de belastingen aan. Door hun herverdelend mechanisme zorgen zij
vanzelfsprekend voor een grotere gelijkheid.
Ook Van der Hoeven en Taylor (2000) halen aan dat er verschillende endogene9 factoren zijn die de
inkomensongelijkheid beïnvloeden. Volgens hen kunnen beleidsmakers de inkomensongelijkheid
sturen aan de hand van het arbeidsmarktbeleid, het instellen van een minimumloon, beleid ten
aanzien van onderwijs of via het fiscaal beleid.
Van der Hoeven en Taylor (2000), Piketty (2013) en Keeley (2015) zijn het er dus over eens dat het
gevoerde politieke beleid een belangrijke impact heeft op het niveau van de inkomensongelijkheid.
De Amerikaanse econoom Kuznets hield er een andere theorie op na. Volgens hem is het niveau van
inkomensongelijkheid van een land afhankelijk van de mate van industrialisatie van het
corresponderende land. De hypothetische Kuznetscurve ontwikkelt zich in een omgekeerde U-vorm:
bij het begin van de industrialisatie in een land zal de inkomensongelijkheid stijgen doordat slechts
een beperkt deel van de bevolking geniet van de inkomsten die hierdoor gegenereerd worden.
Wanneer ook de werknemers hierbij zullen aansluiten en ook kunnen genieten van de inkomsten die
hiermee gepaard gaan, zal de inkomensongelijkheid opnieuw dalen. Figuur 7 geeft deze theorie
grafisch weer.
9 Van binnenuit
Page 23
14
Figuur 7 Kuznetscurve (Bron: Eigen verwerking)
Kuznets’ theorie vond bevestiging in de vaststellingen betreffende de inkomensongelijkheid in
Frankrijk: wanneer de industrialisatie begon rond 1830 steeg de ongelijkheid tot rond 1860 waarna
ze langzaam daalde naar een grotere gelijkheid die de twintigste eeuw kenmerkte (Morrisson and
Snyder, 2000).
Deze theorie begon echter steeds meer kritiek te krijgen zodra de inkomensongelijkheid van de
OESO-landen – en dus landen die reeds geïndustrialiseerd zijn – eind vorige eeuw opnieuw toenam.
Eén van deze critici is Piketty, die stelt dat er geen verband is tussen het industriële
ontwikkelingsniveau en de inkomensongelijkheid, maar dat dit laatste beïnvloed wordt door de
herverdelingsmechanismen die gebruikt worden.
Page 24
15
3. Onderzoeksopzet
3.1. Hypothese De hypothese gaat na of de ongelijkheid meer verkleint/minder toeneemt wanneer de regerende
partij meer links georiënteerd is.
Nulhypothese : De oriëntatie van de regerende president heeft geen invloed
op de evolutie van de inkomensongelijkheid gedurende de
regeerperiode.
Alternatieve hypothese : De inkomensgelijkheid verhoogt wanneer een
linksgeoriënteerde president aan de macht is.
De maatregelen die door de regerende politieke partijen genomen worden, hebben dus een
bepaalde impact op de inkomensongelijkheid (zie sectie 2). Om deze invloed van de verschillende
partijen te onderzoeken terwijl zij regeerden, wordt er gekeken naar verschillende regeerperiodes
van verschillende partijen.
We kunnen stellen dat socialistische partijen (links georiënteerd) meer streven naar
inkomensgelijkheid dan bijvoorbeeld rechtse partijen. Concreet voor ons onderzoek zien we dat de
voormalige Franse president François Mitterand – regerend tussen 1981 en 1995 – gedurende zijn
eerste mandaat verschillende maatregelen nam om de sociale en economische hervormingen te
bevorderen. De president van de Parti Socialiste (=PS) voerde onder andere een verhoging van het
minimumloon in, de vijfde week betaald verlof en richtte de 39 urenwerkweek in (Le Monde, 2007).
Mitterand werd geprezen om zijn maatregelen en werd zelfs “the power of social progress” genoemd
(Deniaud, 2011). Deze hervormingen hebben een positieve impact op de werkomstandigheden en de
sociale uitkeringen. Van een linkse president kan dus verwacht worden dat hij meer inspanningen
gaat leveren om de ongelijke inkomensverdeling rechter te trekken dan van een meer rechtse
president.
Page 25
16
Figuur 8 Verhouding reële minimumloon/reële gemiddelde loon (Bron: Eigen verwerking data OECD)
Figuur 8 geeft de impact van de ingevoerde maatregel van president Mitterand weer. Op de grafiek is
in het begin van de jaren tachtig een sterke stijging te zien van het minimumloon.
Er kan dus worden verwacht dat de gelijkheid toeneemt wanneer de regerende president zich meer
links oriënteert en hij dus een sociaal beleid voert zoals hierboven werd aangehaald.
0,30
0,35
0,40
0,45
0,50
0,55
Rat
io
Jaartal
Verhouding reeël minimumloon t.o.v. reeël gemiddeld loon
Verhouding reeël minimumloon t.o.v. reeël gemiddeld loon
Page 26
17
3.2. Data Dit onderzoek strekt zich uit over de periode 1974 tot en met 2012. Ze omvat vier verschillende
regeerperiodes waarin chronologisch de presidenten Valéry Giscard d’Estaing (tot 1984), François
Mitterand (tot 1995), Jacques Chirac (tot 2007) en tot slot Nicolas Sarkozy (tot 2012) aan de macht
waren.
De afbakening van deze tijdsperiode is een keuze gebaseerd op de aanwezigheid van nauwkeurige
data. Betreffende de data van de Gini-coëfficiënt wordt deze sinds 1970 verzameld door INSEE
(National Institute of Statistics and Economic studies) aan de hand van fiscale- en sociale
inkomstenenquêtes. Deze enquêtes werden in het begin echter slechts om de vijf à zes jaar
afgenomen. Pas sinds 1996 werd de data op jaarlijkse basis verzameld. Doordat dit onderzoek zich
niet beperkt tot de bovenste inkomensdecielen – waarvan wel reeds sinds 1914 data beschikbaar is –
wordt deze studie dus afgebakend tussen 1974 en 2012 zodat de meest nauwkeurige en volledige
data gebruikt kan worden om de gehele inkomensverdeling te onderzoeken. Er wordt gebruik
gemaakt van het beschikbaar inkomen in de berekening van de Gini-coëfficiënt.
President Partij Politieke richting Periode
D’Estaing FNRI, UDF Centrum 1974-1981 Mitterand PS Links 1981-1995
Chirac RPR, UMP Centrum-rechts 1995-2007 Sarkozy UMP Centrum-rechts 2007-2012
Tabel 1: Presidenten Frankrijk
Tabel 1 geeft de politieke partijen van de verschillende presidenten weer, samen met hun politieke
richting en regeerperiode.
De afhankelijke variabele in dit onderzoek is dus de Gini-coëfficiënt die gebruikt wordt om de mate
van inkomensongelijkheid te meten. Omdat er voor dit onderzoek nood is aan jaarlijkse data en dit
voor de beginjaren niet aanwezig is wordt er gebruik gemaakt van interpolatie om een schatting te
maken van de Gini-coëfficiënt in de tussenjaren. Wanneer we de beschikbare jaarlijkse data tussen
1996 en 2012 plotten, zien we dat de Gini-coëfficiënt gedurende deze periode sterk fluctueert (doch
stijgend is)10. Het zou dus niet opportuun zijn om gebruik te maken van lineaire interpolatie en de
punten uit te beginjaren zomaar met elkaar te verbinden. Dit wordt ondersteund door Piketty (2013)
die stelt dat de geschiedenis van de ongelijkheid geen rustige voortkabbelende rivier is, maar
gekenmerkt wordt door een grillig verloop. Hij geeft aan dat er geen sprake is van een gelijkmatige
tendens. Het is dus noodzakelijk om in dit onderzoek rekening te houden met de (mogelijke)
10
Zie bijlage 2
Page 27
18
fluctuaties tussenin de verschillende datapunten die wél aanwezig zijn in de beginjaren van het
onderzoek.
Daarom wordt er gebruik gemaakt van een combinatie van lineaire interpolatie samen met een
andere parameter om een correctere schatting te kunnen maken van de ontbrekende Gini-
coëfficiënten, namelijk de evolutie van de top 0,1%. We kunnen verwachten dat wanneer het
aandeel van de rijkste 0,1% van de bevolking in het totaal beschikbaar inkomen toeneemt, dat ook
de inkomensongelijkheid (en dus de Gini-coëfficiënt) zal toenemen.
Een andere optie om te interpoleren is gebruik maken van de evolutie van het bovenste deciel
(rijkste 10%) of de rijkste 1%. Voor dit onderzoek wordt echter gekozen voor de rijkste 0,1% nadat de
correlatie tussen zowel P90, P99 en P99,9 enerzijds en de Gini-coëfficiënt anderzijds werd nagegaan
aan de hand van de beschikbare jaarlijkse data tussen 1996 en 2010. Hieruit blijkt dat er in alle
gevallen een positieve correlatie aanwezig is. Echter enkel voor de 1% en 0,1% rijksten van de Franse
bevolking blijkt dit verband significant te zijn11. De correlatie met de Gini-coëfficiënt bedraagt
respectievelijk 0,611 en 0,724. Het verband tussen de Gini-coëfficiënt en de rijkste 0,1% van de
bevolking blijkt echter het meest significant (0,002 ten opzichte van 0,015) waardoor hiervoor
geopteerd wordt.
11
Zie bijlage 3
1
1,5
2
2,5
3
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,3
0,31
% in
he
t to
taal
inko
me
n
Gin
i-co
ëff
icië
nt
Jaartal
Evolutie Gini-coëfficiënt en P99,9
Gini
P99,9
Figuur 9 Evolutie Gini-coëfficiënt & P99,9 (Bron: Eigen verwerking data INSEE & Piketty, 2013)
Page 28
19
Figuur 9 geeft de evolutie van beide datareeksen sinds 1996 weer. Hierop is te zien dat ze allebei een
gelijkaardige trend volgen. Op de grafiek is ook te zien dat de rijkste 0,1% een steile(re) daling kende
ten gevolge van de economische crisis in 2008.
Om tot een schatting te komen van de jaarlijkse Gini-coëfficiënt gedurende de periode 1974 tot en
met 1995 wordt de techniek die gebruikt zal worden eerst toegepast op de data van 1996 tot en met
2010. Een aantal data van de Gini-coëfficiënt worden gedurende deze periode vastgepind (1996,
2000, 2004, 2007 en 2010). Op deze vijf punten wordt vervolgens de werkwijze van lineaire
interpolatie toegepast. Aangezien de werkelijke data van deze Gini-coëfficiënt beschikbaar is, kan er
nagegaan worden hoe nauw deze geschatte data aan de hand van lineaire interpolatie aansluit bij de
reële data. Hiervoor wordt een lineaire regressie uitgevoerd: de werkelijke data wordt geschat door
twee onafhankelijke variabelen, namelijk de Gini-coëfficiënt via interpolatie en de P99,9. Dit wordt
hierna model a genoemd.
Daarnaast wordt ook een model opgesteld waarbij de verandering (delta) in de Gini-coëfficiënt
geschat wordt door de verandering in beide verklarende variabelen. Dit is model b.
Bij het uitvoeren van model a zien we dat beide variabelen 82,5% van de variantie van de Gini-
coëfficiënt verklaren. Daarnaast heeft het model een significante voorspellende kracht aangezien de
F waarde significant is (0,000). Bij model b wordt 49% van de variantie in de verandering van de Gini-
coëfficiënt verklaart door de onafhankelijke variabelen en is tevens de F waarde significant (0,025).
Hierdoor is het mogelijk om de impact van de verklarende variabelen op een correcte manier te
bekijken. Zowel de constante (90%-niveau), de Gini-coëfficiënten na interpolatie (99,9%-niveau) als
de P99,9 (90%-niveau) zijn significant in model a.
Model a Model b
Beta Significantie Beta Significantie
Constante 0,068 0,096
Gini-coëfficiënt na interpolatie 0,688 0,001 1,32 0,018
P99,9 0,843 0,082 2,96 0,035
Tabel 2 Modellen geschatte Gini-coëfficiënt interpolatie
In tabel 2 wordt de impact van beide onafhankelijke variabelen in beide modellen weergegeven.
Hierdoor kunnen volgende vergelijkingen opgesteld worden:
Page 29
20
(b)
Aan de hand van deze vergelijkingen kan nu de ontbrekende data van de periode 1974 tot en met
1995 geschat worden. Er wordt gecorrigeerd voor waarden die afwijken van de beschikbare data in
de jaren 1975, 1979, 1984 en 1990. Het aanwezige verschil tussen de geschatte en reële data wordt
vervolgens gewichtig verdeeld gedurende de tussenjaren.
Figuur 10 Geschatte Gini-coëfficiënten door interpolatie (Bron: Eigen verwerking)
Figuur 10 geeft de geschatte Gini-coëfficiënten van beide modellen weer12, samen met de geschatte
Gini-coëfficiënten aan de hand van lineaire interpolatie. De drie curven vallen samen vanaf 1996 (het
moment waarop de data jaarlijkse werd bijgehouden). Verder in dit onderzoek zal gebruik gemaakt
worden van de data geschat via model a, omdat deze de grootste verklarende kracht heeft qua
variantie van de Gini-coëfficiënt.
12
Data verschillende reeksen: zie bijlage 4
0,27
0,28
0,29
0,3
0,31
0,32
0,33
0,34
Gin
i-co
ëff
icië
nt
Jaartal
Geschatte Gini-coëfficiënten
Geschatte Gini-coëfficiënten (Model b)
Geschatte Gini-coëfficiënten (Model a)
Geschatte Gini-coëfficiënten via lineaire interpolatie
Page 30
21
Naast deze afhankelijke variabele zijn er nog tal van onafhankelijke variabelen die deze afhankelijke
variabele trachten te verklaren. De eerste verklarende variabele is de politieke richting. Dit is de
voornaamste variabele omdat hiermee de directe impact van een politiek beleid op de
inkomensongelijkheid wordt nagegaan. Tabel 1 toont de verschillende partijen die de president
afvaardigden met hun respectievelijke periodes. Voor deze variabele worden twee
dummyvariabelen13 gemaakt, namelijke ‘Politieke richting Centrum’ en ‘Politieke richting
Centrumrechts’. Tussen 1974 en 1981 krijgt de eerstgenoemde variabele dus de waarde 1. Voor de
laatstgenoemde variabele zal dit het geval zijn vanaf 1996 tot en met 2012. Voor het jaar waarin een
nieuwe president in functie treedt wordt de waarde van de aftredende president behouden. Deze
assumptie vloeit voort uit het gegeven dat het voor een nieuwe president moeilijk is om in zijn eerste
maanden reeds een (significante) impact hierop te hebben.
Als tweede onafhankelijke variabele in dit onderzoek is er het minimumloon. Het minimumloon is
een zuiver politieke beslissing die wordt genomen en zegt bijgevolg ook iets over de impact van het
gevoerde beleid. Dit vangnet werd begin 1950 in het leven geroepen onder de naam Salaire
Minimum Interprofessionel Garanti (SMIG) wat later opgevolgd wordt door het Salaire Minimum
Interprofessionel de Croissaince (SMIC) in 1970. Het SMIG was gerelateerd aan de kosten voor het
levensonderhoud, welke minder snel stegen dan de salarissen. Om toch een evenredige koopkracht
te behouden voor de werknemers met een minimumloon werd het SMIC ingevoerd dat gebaseerd is
op de koopkracht. In theorie kan het SMIC in drie gevallen verhoogd worden (INSEE, 2013). Ten
eerste wordt het jaarlijks (op 1 januari) verhoogd in functie van de ontwikkeling van het maandelijkse
indexcijfer van de consumptieprijzen (ICP), excl. tabak, voor de huishoudens van het eerste kwintiel
van de verdeling van de levensstandaarden. Deze verhoging wordt vermeerderd met de helft van de
groei van de koopkracht van het gemiddelde uurloon van de arbeiders en sinds 2014 ook van de
bedienden. Als het ICP daarenboven in de loop van het jaar met minstens 2% is gestegen, wordt het
SMIC onmiddellijk naar boven aangepast. Als laatste kan de regering zoals reeds gezegd nog voor een
extra ‘duwtje in de rug’ zorgen wanneer zij het noodzakelijk vindt om het minimumloon nog op te
trekken (CRB, 2015). De belangrijkste reden voor een verhoging van het minimumloon is de
eerstvermelde prijsindexering. Voor 2015 is het minimuloon ingesteld op 9,61 euro per uur. Dit komt
overeen met een maandelijks inkomen van 1.457,52 euro bruto, hetgeen gelijkstaat aan iets meer
dan 60% van het mediaanloon. Voor dit onderzoek wordt er gekeken naar de evolutie van het reële
minimumloon ten opzichte van het gemiddelde reële loon. Deze ratio biedt ons een betere
parameter om de inkomensongelijkheid te schatten.
13
Variabele die slechts twee waarden kan aannemen, namelijk 0 of 1. Hierbij betekent de waarde 0 niet aanwezig of van toepassing & de waarde 1 wél aanwezig of van toepassing.
Page 31
22
Op figuur 8 was de evolutie van deze ratio reeds te zien. Gedurende vrijwel de totale
onderzoeksperiode steeg deze verhouding (van 0,34 in 1974 tot 0,50 in 2012).
Daarnaast wordt ook de marginale belastingvoet gebruikt als onafhankelijke variabele. In Frankrijk
hanteert men echter een progressief schijventarief. Deze variabele is vooral een politieke kwestie.
Hiervoor wordt het hoogste marginale tarief qua inkomstenbelasting gebruikt (Piketty, 2013), welke
in 2012 45% bedroeg. De overheid tracht via belastingen om de verdeling van inkomens te
corrigeren. We verwachten dan ook een daling van de inkomensongelijkheid wanneer de marginale
belastingvoet hoger gezet wordt.
De werkloosheidsgraad vormt de vierde verklarende variabele. De Franse regering nam in het
verleden reeds verschillende beleidsmaatregelen om de werkloosheidsgraad terug te dringen, zoals
de 35-uren werkweek en flexibele werkregelingen. Ze is dus gemachtigd om maatregelen te nemen
die een impact hebben op de werkloosheid. Ook huidig Frans president Hollande kondigde begin dit
jaar een hele reeks maatregelen aan om de werkloosheid aan te pakken en de groei op lange termijn
veilig te stellen. Zo nam hij initiatief voor de scholing van 500.000 werklozen en kwam hij met het
voorstel een premie toe te kennen aan werkgevers die nieuwe krachten aanwerven (Knack, 2016).
35 40 45 50 55 60 65 70 75
Pe
rce
nta
ge
Jaartal
Belastingvoet
Belastingvoet
Figuur 11 Evolutie marginale belastingvoet
Page 32
23
Figuur 12 Werkloosheidsgraad in Franrkijk (Bron: Eigen verwerking data Eurostat)
Figuur 11 geeft een weergave van de werkloosheidsgraad gedurende de laatste 40 jaar. Op de grafiek
is een sterke stijging waarneembaar tussen 1975 en 1985 van circa 3% naar 9%, waarna het de
resterende 30 jaar rond dit niveau bleef schommelen. Het betreft het procentuele aantal werklozen
van de beroepsbevolking.
Daarnaast wordt ook gekeken naar de impact van de inflatie. De inflatie is gebaseerd op de
consumptieprijsindex (CPI), welke de belangrijkste inflatie-indicator is. Er bestaan twee manieren om
deze inflatie te meten. Ten eerste kan men de jaarinflatie voor Frankrijk bepalen door de CPI van
december met de CPI van december van het jaar ervoor te vergelijken. Een tweede mogelijkheid is
om de gemiddelde inflatie te bekijken door het gemiddelde van de twaalf maandelijkse inflatiecijfers
te nemen. Voor dit onderzoek wordt de laatstgenoemde inflatie genomen. De inflatie meet dus de
gemiddelde stijging (of daling in geval van deflatie) van diensten en goederen ten opzichte van het
voorgaande jaar. In deze consumptieprijsindex zit een korf aan goederen en diensten waaraan een
gewicht wordt gegeven (bijvoorbeeld voeding, kleren, benzine, kappersbeurten, ...). Bij een
gelijkblijvend inkomen zal de koopkracht dalen wanneer er sprake is van inflatie. Om deze
koopkracht te garanderen is er echter de spilindex. Deze index stijgt wanneer de goederen en
diensten stijgen. In het geval dat deze spilindex een bepaalde grens overschrijdt, worden de lonen en
sociale uitkeringen automatisch aangepast. Dergelijke index is nog steeds in werking in België. In
Frankrijk werd deze automatische indexering echter reeds in 1983 afgeschaft, dit met het oog op het
beheersen van de toenmalige hoge inflatie.
0
2
4
6
8
10
12
We
rklo
osh
eid
sgra
ad in
%
Jaartal
Werkloosheidsgraad Frankrijk
Werkloosheidsgraad
Page 33
24
Figuur 13 Evolutie Inflatie Frankrijk en OESO (Bron: Eigen verwerking data OESO)
Op figuur 12 is te zien dat deze afschaffing van de index een duidelijke impact heeft gehad op de
inflatie in Frankrijk. Sinds 1983 is de inflatie gedaald waarna het de laatste twee decennia rond de 2%
schommelde, wat ook het streefdoel van de ECB is. Daar waar de inflatie in Frankrijk en de OESO zeer
dicht tegen elkaar aanleunden in de beginjaren, daalde de inflatie in 1983 in Frankrijk met ruim 3%
meer dan in de OESO. Voorstanders van een indexafschaffing wijzen op de positieve effecten op de
werkloosheid en de werkgelegenheid, terwijl de tegenstanders vrezen voor een grotere ongelijkheid
omdat de laagste lonen dan ter plaatse zullen blijven trappelen.
Als zesde onafhankelijke variabele wordt er gekeken naar de impact van de economische groei op de
inkomensongelijkheid. Deze variabele meet de toename van de economische activiteit vergeleken
met het jaar voordien. Dit wordt meestal gemeten door de procentuele toename van het bruto
binnenlands product (BBP). Twee soorten economische groei kunnen worden onderscheiden,
namelijk de reële en nominale economische groei. Bij nominale groei van het BBP wordt zowel de
toename van goederen of diensten als de toename in prijs (inflatie) ingecalculeerd. Reële groei
corrigeert echter voor deze inflatie en houdt enkel rekening met de reële stijging van de economie.
Voor dit onderzoek wordt er gekeken naar de reële economische groei aangezien er met de
prijsstijgingen reeds rekening gehouden wordt door de variabele inflatie.
0
2
4
6
8
10
12
14
16
% In
flat
ie
Jaartal
Evolutie Inflatie Frankrijk & OESO
Inflatie Frankrijk
Inflatie OESO
Page 34
25
Figuur 14 Economische groei Frankrijk en Oeso (Bron: Eigen verwerking data Worldbank)
Zoals op figuur 13 te zien is, fluctueert de economische groei sterk doorheen de tijd. De groei in
Frankrijk en de OESO kent een gelijkaardige trend. Gedurende de periode 1970 tot en met 2014 zijn
er drie dallen te zien waarbij de economische groei van Frankrijk negatief was. De eerste keer was in
1975, ten gevolge van de oliecrisis waarbij er een olieboycot plaatsvond door de Arabische landen
(-1%). De tweede periode van negatieve economische groei was in 1993 (-0,6%). Toen vond de crisis
van het Europees Monetair Stelsel plaats. Dit orgaan trad in 1979 in werking om een zone van
monetaire stabiliteit te creëren (met stabiele wisselkoersen). De wisselkoersen waren allen
gekoppeld aan de Duitse Mark. Ten gevolge van de eenmaking van Oost- en West-Duitsland kwam er
een expansief budgettair beleid en een inkrimpend monetair beleid waardoor de rente drastisch
steeg met 3%. Deze stijging maakte de situatie in de andere landen nog slechter doordat deze
weerhouden waren om corrigerende maatregelen te nemen. Als gevolg daarvan speculeerden
analisten dat deze landen hun steun voor een wisselkoerskoppeling ten aanzien van de Duitse Mark
zouden herzien. Na het Verenigd Koninkrijk en Italië werd Frankrijk getroffen door speculatieve
aanvallen. Ondanks pogingen van de Franse en Duitse centrale bank door het opkopen van Franse
Franken en het verkopen van Duitse Marken werd de Frank toch geraakt doordat de speculanten
wisten dat de Fransen hun interestvoeten moesten verlagen om de economie te stimuleren en de
werkloosheid te verlagen. Frankrijk kwam bijgevolg in een valutacrisis terecht die leidde tot
negatieve economische groei (Ngo & Ramirez, 2016). Het derde en laatste moment van negatieve
economische groei gedurende onze onderzoeksperiode was tijdens de recente financiële crisis. Dit
had de grootste (negatieve) impact op de economische groei (-3%) en zelfs de gemiddelde
-4
-2
0
2
4
6
% G
roe
i BB
P
Jaartal
Economische groei Frankrijk en OESO
Economische groei Frankrijk Economische groei OESO
Page 35
26
economische groei van de OESO was toen negatief (-3,5%). Ook meer recent zijn er de
terreuraanslagen die wegen op de Franse groei (KBC, 2016). In de economische kost hiervan zijn de
waarde van de verloren levens, vernielde eigendommen, dalende inkomsten uit toerisme, ...
opgenomen. Daarnaast wordt een daling van het consumentenvertrouwen gevreesd, wat mogelijk
de heropleving kan hypothekeren.
Beschrijvende statistiek
Aan de hand van de statistieken van de opgenomen variabelen kan er een beeld gevormd worden
van deze variabelen doorheen de onderzoeksperiode.
Aantal
observaties Minimum Maximum Gemiddelde
Gini 39 0,276 0,317 0,288
Ratio Minimumloon 39 0,34 0,50 0,43
Werkloosheidsgraad 38 3,30 10,30 7,79
Inflatie 39 0,09 13,61 4,61
Economische groei 39 -2,94 4,73 2,07
Belastingvoet 39 40 70,2 54,76
Tabel 3 Beschrijvende statistieken
Zoals in tabel 3 te zien is bedroeg de Gini-coëfficiënt die de inkomensongelijkheid weergeeft
gemiddeld gezien 0,288. Op het moment met de grootste ongelijkheid bedroeg deze 0,317 &
wanneer de inkomens het meest gelijk verdeeld waren was er een Gini-coëfficiënt van 0,276.
De ratio van het reële minimumloon ten opzichte van het reële gemiddelde loon steeg continu. De
minimum- en maximumwaarde reflecteren bijgevolg respectievelijk het begin- en eindjaar. De Franse
werkloosheidsgraad schommelde tussen 3,30% en 10,30%. De inflatie die in de beginjaren nog vrij
hoog was kende in 1980 zijn piek met 13,61% waarna het in 2009 zijn laagste niveau van 0,09% liet
optekenen. Gemiddeld gezien was er een inflatie van 4,61% gedurende deze 39 jaar. Ook de
economische groei kende heel wat fluctuaties. De Franse economie kende gemiddeld een groei van
2,07%.
Page 36
27
4. Methodologie
De verzamelde data wordt geanalyseerd met het statische programma SPSS. Om de hypothese te
onderzoeken worden zes modellen geconstrueerd. De verklarende variabelen worden opgesplitst.
Vooreerst wordt de impact van de politieke richting op de Gini-coëfficiënt onderzocht. Dit wordt
aanvankelijk apart getest omdat de andere variabelen (vooral het minimumloon en de marginale
belastingvoet) deels gestuurd worden door het beleid van deze politieke partijen. Aan de hand van
een lineaire regressie wordt onderzocht welke impact de politieke richting van de regerende
president heeft en of deze impact significant is. Zoals reeds gezegd wordt dit getest aan de hand van
twee dummyvariabelen (voor centrumpartij en centrumrechts). Hun respectievelijke beta’s geven de
additionele inkomensongelijkheid weer tegenover een linkse president.
De regressie neemt de volgende vorm aan:
(1)
Hierbij staat Y voor de afhankelijke continue variabele namelijk de Gini-coëfficiënt. en zijn de
verklarende variabelen. In dit geval wordt er gekozen om de dummies van centrum en centrumrechts
op te nemen in de regressie. Hun respectievelijke beta’s geven hun bijkomende impact weer op de
Gini-coëfficiënt. Wanneer bijvoorbeeld 0,05 bedraagt zal de Gini-coëfficiënt met 0,05 toenemen
(en dus ook de inkomensongelijkheid toenemen) wanneer de president uit een centrumrechtse partij
komt, dan wanneer hij uit een linkse komt.
De tweede manier om deze hypothese te testen is aan de hand van de onafhankelijke variabelen die
rechtstreeks gelinkt kunnen worden aan het gevoerde politieke beleid, namelijk de ratio van het
minimumloon ten opzichte van het gemiddelde loon en de marginale belastingvoet op de hoogste
inkomstenschijf. Ook de invloed van deze variabelen op de Gini-coëfficiënt wordt aan de hand van
een meervoudige lineaire regressie gecontroleerd. De vergelijking zal er in dit geval licht gewijzigd
uitzien:
(2)
Hierbij staan en en hun bijhorende Beta’s respectievelijk voor de impact van de ratio van het
minimumloon en de belastingvoet.
Page 37
28
Het derde model dat geschat wordt combineert de eerste twee modellen. Zowel de beide
dummyvariabelen met betrekking tot de politieke richting als de endogene variabelen worden in het
model opgenomen:
(3)
Vervolgens wordt de impact van de overige onafhankelijke variabelen op de inkomensongelijkheid
onderzocht. Dit model omvat de exogene variabelen inflatie, economische groei en de
werkloosheidsgraad. Deze variabelen worden in de regressie respectievelijk weergegeven door ,
en .
(4)
In het vijfde model worden alle variabelen – met uitzondering van de dummies – opgenomen om hun
invloed op de Gini-coëfficiënt na te gaan:
(5)
Tot slot wordt nog een laatste model geschat waarin alle variabelen, inclusief de dummyvariabelen
met betrekking tot de politieke richting van de regerende president zijn opgenomen.
(6)
Voor elk van deze zes modellen wordt ook de impact van de verandering in de verklarende
variabelen nagegaan op de verandering in de Gini-coëfficiënt alsook de uitgestelde impact van de
onafhankelijke variabelen op deze Gini-coëfficiënt (via vertraagden).
Voordat er gebruik gemaakt kan worden van een meervoudige lineaire regressie dienen er nog
verschillende aannames getest te worden. De eerste assumptie stelt logischerwijze dat de
regressievergelijking in de populatie in werkelijkheid lineair is. Daarnaast moeten de errortermen
normaal verdeeld zijn met gemiddelde 0 en een constante spreiding hebben (homoscedasticiteit).
Ten derde moet er onafhankelijkheid zijn van de errortermen. De waarden die aanneemt zijn dus
onafhankelijk van elkaar. Vervolgens wordt er getest of de aanwezige onafhankelijke variabelen niet
sterk gecorreleerd zijn. Indien dit wel het geval is, is er sprake van multicollineariteit. Tot slot wordt
er ook gekeken naar de aanwezigheid van outliers. Dit zijn extreme waarden die voor vertekende
resultaten kunnen zorgen.
Page 38
29
5. Resultaten
5.1. Assumpties Om de validiteit van de resultaten te garanderen worden de assumpties uit sectie 4 getest voor het
eerste model. Aangezien de verklarende variabelen hierbij twee dummyvariabelen zijn – Politieke
richting centrum & Politieke richting centrumrechts – kan er van een lineair verband worden
uitgegaan.
Om na te gaan of het gehele regressiemodel een significante portie van de variantie verklaart, wordt
gebruik gemaakt van de zogenaamde modeltoets (F-toets). Deze toets kent volgende hypothesen:
waarbij R² weergeeft hoeveel procent van de variantie van de Gini-coëfficiënt er verklaart wordt door
de dummyvariabelen met betrekking tot de politieke richting van de president die in de regressie
opgenomen zijn. In dit geval bedraagt de F-toets 16,803 met een significantiewaarde van 0,000
(=significant). Bijgevolg dient de nulhypothese verworpen te worden waardoor we kunnen stellen dat
het regressiemodel significant bijdraagt tot de verklaring van de Gini-coëfficiënt.
Voor het tweede model wordt gebruik gemaakt van concretere variabelen waarbij de hand van het
politieke beleid zichtbaar is. Ook dit model – met de variabelen belastingvoet en ratio van het
minimumloon/gemiddeld loon – wordt getest op de verschillende assumpties om zo betrouwbare
resultaten te kunnen garanderen.
Omdat de twee verklarende variabelen in dit model beiden continue variabelen zijn, dient getest te
worden of er sprake is van een normale verdeling van deze variabelen. Wanneer we de
frequentieverdeling van de variabelen plotten op een histogram samen met hun statistieken, zien we
dat de ratio van het minimumloon en de belastingvoet normaal verdeeld zijn. Geen van beide
variabelen overschrijdt tevens de kritische scheefheidsgrens van 114.
14
Zie bijlage 5
Page 39
30
Om de afhankelijke variabele (Gini-coëfficiënt) te testen op een normaalverdeling wordt op dezelfde
manier gehandeld. De Kolmogorov-Smirnovtoets geeft aan dat deze variabele normaal verdeeld is.
Met een scheefheid van 0,911 is er ook bij deze variabele geen sprake van scheefheid (<1). Dat blijkt
ook grafisch uit het normaliteitsplot.
Wanneer we naar de spreidingsdiagrammen kijken van de variabelen, kunnen we zien dat er voor de
variabele van de ratio van het minimumloon mogelijks een U-vormig verband bestaat met de Gini-
coëfficiënt15. Dit zou er op duiden dat een stijging van het minimumloon ten opzichte van het
gemiddelde loon tot op een bepaald punt positief is voor de inkomensverdeling. Vanaf een bepaald
niveau zou het vervolgens leiden tot een grotere inkomensongelijkheid. Om dit te testen wordt een
regressie opgesteld met zowel de ratio van het minimumloon als de gekwadrateerde waarden
hiervan als onafhankelijke variabele. Deze vergelijking neemt dus volgende vorm aan:
Voor b en c bekomen we respectievelijk de waarden -3,041 en 3,49 (beiden significant16). De
positieve waarde van c wijst erop dat er een U-vormig verband is en er dus een minimum is. Om dit
minimum te bepalen stellen we de eerste afgeleide van deze functie gelijk aan 0.
15
Zie bijlage 6 16
Zie bijlage 7
Figuur 15 Normaliteitsplot Gini-coëfficiënt
Page 40
31
Wanneer we deze vergelijking uitwerken bekomen we als minimum 0,43567. Dit is het punt tot waar
het niveau van de ratio een positieve impact heeft op de verdeling van de inkomens. Een hogere
ratio dan dit niveau zal leiden tot meer inkomensongelijkheid. Het kwadraat van deze variabele zal
dus opgenomen worden in de regressies als verklarende variabele en krijgt de benaming ‘SQR Ratio
Minimumloon’. Het verband tussen deze ratio van het minimumloon ten opzichte van het
gemiddelde loon en de Gini-coëfficiënt wordt weergegeven op figuur 16.
Figuur 16 Verband Gini-coëfficiënt & Minimumloon
Daarnaast wordt het model getest op homoscedasticteit. Dit betekent dat de variantie van de
residuen onafhankelijk is van de onafhankelijke variabele. Hiervoor wordt gebruik gemaakt van de
White test. Bij SPSS kan er echter niet expliciet getest worden voor deze White test. Om toch te
kunnen nagaan of er geen sprake is van heteroskedasticiteit, wordt eerst de gewenste lineaire
regressie uitgevoerd met de Gini-coëfficiënt als afhankelijke variabele. De (ongestandaardiseerde)
residuen worden vervolgens opgeslaan en gekwadrateerd. Ook de (ongestandaardiseerde)
voorspelde waarden worden opgeslaan en tevens gekwadrateerd. Hierna wordt de regressie
opnieuw uitgevoerd maar nu met de gekwadrateerde residuen als afhankelijke variabele. De
voorspelde waarden op zich én hun gekwadrateerde waarden zijn nu de verklarende variabelen.
Page 41
32
De hypothesen die hierbij horen zijn de volgende:
De F-waarde die deze regressie oplevert heeft een waarde 0,067 met een significantie van 0,935
(>0,05)17. Bijgevolg wordt de nulhypothese aanvaard en is er voor model 2 ook aan de assumptie van
homoscedasticiteit voldaan.
Vervolgens wordt er nagegaan hoe sterk de samenhang is tussen de verschillende voorspellers
(onafhankelijke variabelen). Wanneer deze variabelen sterk samenhangen is er sprake van
multicollineariteit. Als gevolg van multicollineariteit is het moeilijker om de regressiecoëfficiënten
correct te kunnen schatten. Dit wordt uitgedrukt door de standaardafwijking die groter wordt. Er is
altijd wel enige vorm van samenhang tussen verschillende verklarende variabelen, al is het maar
louter op basis van toeval. Om na te gaan hoe erg deze multicollineariteit is, kijken we naar de
Variance Inflation Factor (VIF) (of de tolerance18). Deze VIF drukt uit met welke factor de varianties
van de andere voorspellers toenemen door opname van de betreffende voorspeller in je model.
VIF Tolerance
SQR Ratio Minimumloon 3,474 0,288 Belastingvoet 3,474 0,288
Tabel 4 Multicollineariteit
Zoals uit tabel 4 blijkt is er in dit model geen sprake van multicollineariteit. De VIF- en
tolerancewaarden zijn respectievelijk niet groter/kleiner dan 10 en 0,1. De opgenomen variabelen
zijn dus niet te sterk gecorreleerd zodat we betrouwbare coëfficiënten verkrijgen.
Tot slot wordt er gecontroleerd of er outliers aanwezig zijn. In bijlage 9 is te zien hoe de boven- en
ondergrens voor deze uitschieters berekend worden. Als multiplicator van de range tussen het eerste
en derde kwartiel wordt de waarde 2,2 gebruikt, zodat geen data uit de normale verdeling als outlier
aanzien zou worden. Dit is wel het geval bij andere multiplicatoren die historisch gebruikt werden
(zoals 1,5)(Tukey, 2012). In tabel 5 is te zien dat van alle variabelen geen enkele uiterste waarde
buiten deze boven- of ondergrenzen ligt.
17
Zie bijlage 8 18
De 'tolerance' is net als de VIF een middel om multicollineariteit te meten. De tolerantie is simpelweg 1/VIF.
Page 42
33
Kritische grenzen Feitelijke extreme waarden
SQR Ratio Minimumloon
Bovengrens 0,33706 0,25
Ondergrens 0,05194 0,1156
Belastingvoet
Bovengrens 86,202 70,20
Ondergrens 21,888 40
Tabel 5 Outliers
Vervolgens wordt ook voor de overige vier modellen gecontroleerd of aan alle assumpties voldaan
wordt. Dit wordt weergegeven in een samenvattende tabel.
Assumptie
(1) (2) (3) (4) (5) (6)
Normaalverdeling
OK OK OK Neen Neen Neen
Spreidingsdiagram
OK OK OK Niet OK Niet OK Niet OK
Homoscedasticiteit
Ja Ja Ja Ja Ja Ja
Multicollineariteit
Neen Neen Ja Neen Neen Ja
Outliers
Neen Neen Neen Neen Neen Neen
Tabel 6 Samenvattende tabel assumpties
Er zijn enkele assumpties waaraan niet voldaan wordt in bepaalde modellen. Zoals verwacht is er
sprake van multicollineariteit wanneer de dummyvariabelen met betrekking tot de politieke richting
van de president samen worden opgenomen met de endogene variabelen.
Daarnaast is de variabele inflatie – die zowel in model 4, 5 als 6 is opgenomen – niet normaal
verdeeld. Deze variabele is scheef verdeeld, meer bepaald rechtsscheef. Het is de enige
onafhankelijke variabele die de kritische scheefheidsgrens van 1 overschrijdt. Om er voor te zorgen
dat alle variabelen een normale verdeling hebben, wordt de variabele inflatie getransformeerd. Aan
de hand van een logaritmische transformatie zullen de verschillen van de logaritme veel kleiner zijn
dan voordien. De hoge uitschieters die kenmerkend zijn voor een rechts scheve verdeling worden er
door de logaritmische transformatie beter bijgetrokken. Een logtransformatie kan echter enkel
uitgevoerd worden wanneer alle waarden positief zijn, wat gedurende de hele periode het geval is
voor de variabele inflatie. Na het uitvoeren van de transformatie heeft deze nieuwe variabele een
scheefheid van -0,69. Deze waarde ligt onder de kritische grens, waardoor we nu wel met een
Page 43
34
normaalverdeelde variabele te maken hebben. Met deze getransformeerde variabele is aan alle
assumpties voldaan (met uitzondering van de multicollineariteit in model 3 en 6).
Daarnaast is op het spreidingsdiagram van de variabele economische groei te zien dat er ook hier
mogelijks een kwadratisch verband bestaat19. Dit wordt op dezelfde manier nagegaan als bij de
variabele ‘Ratio Minimumloon’, maar hier wordt er geen kwadratisch verband gevonden.
De uitgevoerde testen om de verschillende assumpties na te gaan voor de modellen 3 tot en met 6
worden weergegeven in respectievelijk bijlage 10, 11, 12 en 13.
19
Zie bijlage X
Page 44
35
5.2. Modellen Nadat alle assumpties nagetrokken en voldaan zijn, kan de meervoudige lineaire regressie uitgevoerd
worden. Hierbij wordt gezocht naar de best passende regressielijn. Dit is de lijn waarvoor de som van
de gekwadrateerde residuen zo klein mogelijk is. Belangrijk is om te kijken of het geschatte model als
geheel significant voorspellend vermogen heeft. Hiervoor wordt gekeken naar de F waarde bij de
ANOVA. De volgende hypothesen met betrekking tot de bruikbaarheid van het model worden
gevormd:
Om vervolgens de voorspellende kracht na te gaan wordt er gekeken naar R². Voor model 1 bedraagt
deze 0,483. 48,3% van de variantie in de Gini-coëfficiënt wordt dus verklaard door deze twee
onafhankelijke variabelen. Er zijn echter zoveel factoren van buitenaf die een impact hebben op de
inkomensongelijkheid (en die niet gelinkt zijn aan de politieke richting van de president) dat het
onmogelijk is om de totale variantie hiervan te kunnen verklaren. Tabel 7 geeft voor de zes modellen
hun respectievelijke F- en R² waarde.
(1) (2) (3) (4) (5) (6)
F waarde
16,803*** 7,331*** 9,461*** 8,575*** 7,426*** 5,973***
R²
48,3% 28,9% 52,7% 43,1% 53,7% 58,2%
Tabel 7 Verklarende kracht regressiemodellen
Alle modellen hebben dus enig significant vermogen. Merk op dat in model 4, 5 en 6 nu reeds de
LogInflatie is opgenomen als variabele.
Het eerste model geeft de impact van de politieke richting van de regerende president weer. Bij het
uitvoeren van dit model komen we tot de volgende regressievergelijking:
(1)
De verwachting dat de Gini-coëfficiënt het laagst is wanneer de regerende president uit een linkse
partij komt wordt bevestigd. Opvallend is wel dat de inkomensongelijkheid meer toeneemt wanneer
de president uit een centrumpartij aan de macht is dan wanneer het beleid door een centrumrechtse
Page 45
36
president gevoerd wordt. De Gini-coëfficiënt ligt gemiddeld 0,021 lager wanneer een linkse president
ten opzichte van een president uit een centrumpartij regeert, wat toch een aanzienlijk verschil is.
Het tweede model omvat de (getransformeerde) ratio van het (reële) minimumloon ten opzichte van
het gemiddelde loon en de belastingvoet als verklarende variabelen. Hun impact wordt weergegeven
in vergelijking (2):
(2)
Ook in het tweede model zijn beide variabelen significant. Zoals in sectie 5.1 reeds berekend werd,
ligt het kantelpunt van het minimumloon ten opzichte van het gemiddelde loon op 0,43567.
Wanneer de ratio kleiner is dan dit niveau, zal een stijging van de ratio leiden tot een gelijkere
verdeling van de inkomens. Wanneer de ratio echter te hoog wordt en dit niveau overschrijdt, zal dit
de inkomensongelijkheid vergroten. Daarnaast zal de inkomensongelijkheid dalen wanneer een
hogere marginale belastingvoet voor de hoogste inkomstenschijf gehanteerd wordt. Wanneer deze
belastingvoet bijvoorbeeld 55% in plaats van 45% bedraagt, zal dit de Gini-coëfficiënt bijkomend met
0,01 laten dalen. Door de hoogste inkomens hoger te belasten zal men tot een gelijkere verdeling
van de inkomens komen.
Aan de hand van onder andere deze twee instrumenten kan de overheid haar beleid dus afstemmen
om de inkomensongelijkheid te corrigeren.
Het derde model combineert de onafhankelijke variabelen uit model 1 en 2. Zoals reeds aangehaald
in sectie 5.1 zijn deze resultaten moeilijk te interpreteren door de aanwezigheid van
multicollineariteit. Aangezien het minimumloon en de belastingvoet endogeen zijn aan het politieke
beleid is het bijgevolg ook niet verwonderlijk dat er een sterke correlatie bestaat met de politieke
richting van de regerende president. Zo zien we in de correlaties tussen ‘Politieke richting
centrumrechts’ en de endogene variabelen een sterke correlatie. De centrumrechtse partijen zullen
het meest beschermend zijn tegenover de rijkeren in de (Franse) samenleving wat resulteert in een
significante negatieve correlatie met onder andere de marginale belastingvoet voor de hoogste
inkomsten (-0,798**). Vergelijking (3a) geeft het model weer:
(3a)
Page 46
37
Enkel de variabele ‘Politieke richting centrum’ is in dit model significant, maar zoals reeds gezegd
kunnen deze resultaten niet correct geïnterpreteerd worden door de aanwezige multicollineariteit.
Wanneer we uit deze regressie de variabele met betrekking tot het minimumloon weglaten – dit is
de enige variabele die de kritische VIF-grens van 10 overschrijdt – bekomen we een model dat nog
steeds 52,4% van de variantie van de Gini-coëfficiënt verklaart.
(3b)
Deze resultaten zijn op hun beurt wel betrouwbaar en geven dezelfde verbanden weer als in model 1
en 2. De politieke richting centrum en de marginale belastingvoet zijn respectievelijk significant met
99% en 90% betrouwbaarheid. De bijkomende ongelijkheid wanneer een centrumrechtse president
regeert is nu echter niet meer significant (i.t.t. model 1)
Naast deze politiek gelinkte variabelen worden in model 4 de overige variabelen opgenomen. Hierbij
wordt nagegaan welke impact deze exogene variabele hebben op de Gini-coëfficiënt.
(4)
Deze drie exogene variabelen verklaren 43,1% van de variantie van de Gini-coëfficiënt. Opvallend in
dit model is dat een stijgende werkloosheidsgraad een significant negatieve invloed heeft op de
inkomensongelijkheid. Dus, hoe hoger de werkloosheidsgraad hoe lager de inkomensongelijkheid. De
inflatie en economische groei blijken geen impact te hebben op de Gini-coëfficiënt.
Model 5 omvat alle onafhankelijke variabelen met uitzondering van de twee dummyvariabelen die
rechtstreeks de impact van de politieke richting van de huidige president nagaan. Dit is het model
met de grootste verklarende kracht (en dat correct interpreteerbaar is), samen met model 3b
namelijk 52,4%.
(5)
Dit model is een combinatie van model 2 en model 4. De negatieve invloed van de
werkloosheidsgraad en de belastingvoet is ook hier significant (respectievelijk met 95% en 90%
Page 47
38
betrouwbaarheid). In tegenstelling tot in model 2 is de ratio van het minimumloon hier niet langer
significant.
Tot slot worden ook de dummies met betrekking tot de politieke richting toegevoegd aan het model.
Zoals reeds aangehaald werd is het moeilijk deze regressiecoëfficiënten te interpreteren aangezien
de toevoegingen van deze dummies leidt tot multicollineariteit.
(6)
Hieronder wordt een samenvattende tabel met de resultaten van alle modellen weergegeven. De
significante variabelen staan in het vet aangeduid samen met hun significantieniveau20.
Verklarende
variabele
(1) (2) (3a)
(3b) (4) (5) (6)
Intercept
0,281*** 0,40*** 0,288*** 0,307*** 0,323*** 0,36*** 0,32***
Beta’s
Politieke richting centrum
0,021*** 0,024***
0,021*** 0,011
Politieke richting centrumrechts
0,006** -0,001 0,001 0,003
SQR Ratio Minimumloon
-0,265*** 0,062 -0,051 0,009
Belastingvoet
-0,001*** -0,0003 -0,00043* -0,001* -0,001
LogInflatie
-0,002 0,008 0,008
Economische groei
-0,001 -0,001 -0,001
Werkloosheids-
graad
-0,004*** -0,003** -0,002
Tabel 8 Samenvattende tabel modellen
20
*** = 99% betrouwbaarheid ** = 95% betrouwbaarheid * = 90% betrouwbaarheid
Page 48
39
Zoals verwacht hebben de dummy variabelen uit model 1 beiden een positieve coëfficiënt. Dit duidt
op een additionele Gini-coëfficiënt en dus een bijkomende ongelijkheid wanneer de president uit één
van beide partijen komt dan wanneer een linkse president regeert. Vanuit hun socialistische
partijoriëntatie kan er vermoed worden dat linkse partijen het opnemen voor diegenen die getroffen
worden door een ongelijke verdeling van de inkomens en er tijdens hun regeerperiodes dus een
gelijkere verdeling van de inkomens merkbaar is. Dit is reeds een eerste indicatie dat de
nulhypothese verworpen kan worden.
In model 2 is het kwadratisch verband tussen de ratio van het minimumloon en de Gini-coëfficiënt
significant. Tot 0,436 zal deze ratio leiden tot een gelijkere verdeling van de inkomens, erna zorgt het
voor een grotere ongelijkheid. Wanneer we naar de data kijken zien we dat de ratio deze grens vanaf
1996 tot en met 2012 overschrijdt. Gedurende deze 17 jaar heeft de stijging van het reële
minimumloon ten opzichte van het reële gemiddelde loon dus een negatieve impact gehad. Dit
kwadratisch verband kan verklaard worden door het feit dat de personen uit de onderste decielen
van de inkomensverdeling die leven van een minimumloon bij een stijging van de ratio dichter bij het
niveau van het gemiddelde loon zullen komen. De daling van de inkomensongelijkheid zal danook
vooral het gevolg zijn van een gelijkere verdeling in de onderste helft. Vanaf een bepaald punt
(0,426) zal de inkomensongelijkheid echter toenemen wanneer de ratio van het minimumloon
verhoogt. Deze op het eerste zicht onverwachte impact kan verklaard worden vanuit de loonkosten.
De loonkosten spelen bij laaggeschoolden een belangrijkere rol voor het creëren van jobs dan bij
hooggeschoolden. Bij een verhoging van het minimumloon tot boven dit niveau zullen bedrijven
geen laaggeschoolden meer in dienst nemen omdat het minimumloon en de totale loonkosten te
hoog zijn in verhouding tot hun productiviteit. Dit zou dus tot inefficiënties leiden (Knack, 2012).
Vervolgens heeft de marginale belastingvoet op de hoogste inkomstenschijf een significante impact
op de Gini-coëfficiënt in alle (bruikbare) modellen. Hoe hoger men de hoogste inkomsten zal
belasten, hoe gelijker de totale inkomens verdeeld zullen zijn. Dit is in het licht van de progressieve
inkomstenbelasting die Frankrijk hanteert. Eerder werd al nagegaan of het verhogen van het tarief
voor de topinkomsten ervoor zou zorgen of dit leidt tot een grotere ongelijkheid. Gale, Kearney en
Orszag (2015) onderzochten of ze de beleidmakers in de Verenigde Staten een antwoord konden
bieden op hoe ze de hoge inkomensongelijkheid konden corrigeren. Ze vonden een negatief verband
tussen de hoogte van dit hoogste tarief en de inkomensongelijkheid. Ze stellen echter dat een
aanzienlijke verhoging van het topinkomstenbelastingstarief maar tot een bescheiden daling van de
ongelijkheid leidt. Deze beperkte invloed wordt ook in dit onderzoek gevonden.
Page 49
40
Tot slot is er de werkloosheidsgraad die in model 4 en 5 significant bevonden wordt. Dit onverwachte
effect wordt ook niet gesteund door de literatuur. González en Menendez (2000) vonden in een
studie voor Argentinië dat een stijgende werkloosheidsgraad geen gelijkmakend effect heeft op de
inkomensongelijkheid. Naast de werkloosheidsgraad blijken de exogene variabelen inflatie en
economische groei geen significante invloed te hebben op de inkomensongelijkheid.
Verandering in de variabelen
Naast deze modellen wordt er ook gekeken naar de verandering in de variabelen. Voor alle
bovenstaande modellen wordt nagegaan of de verandering in de onafhankelijke variabelen de
verandering in de Gini-coëfficiënt kan verklaren.
Wanneer we deze zes regressies uitvoeren, blijkt echter dat geen enkel model enige significante
voorspellende kracht bezit met betrekking tot de verandering in de Gini-coëfficiënt (p > 0,05)21.
Vertraagden
Tot slot wordt er onderzocht of de verklarende variabelen in de verschillende modellen geen
vertraagde impact hebben op de inkomensongelijkheid. Het is mogelijk dat de invloed van bepaalde
parameters pas na verloop van tijd merkbaar wordt. Hiervoor worden de variabelen met één jaar
vertraagd om zo hun impact op de Gini-coëfficiënt na te gaan en worden genoteerd met het
voorzetsel “lag”. De regressies worden op dezelfde manier uitgevoerd als bij de eerdere modellen.
De resultaten van deze dynamische regressiemodellen worden hieronder besproken.
(1’)
De resultaten van model 1’ liggen logischerwijze in lijn met deze uit model 1 aangezien de dummy
variabelen gedurende een opeenvolgende periode (regeerperiode) dezelfde waarde aanhoudt. Beide
vertraagde dummy variabelen zijn significant. De kleine verschillen in de coëfficiënten zijn te wijten
aan het moment waarop er een nieuwe president in functie treedt.
(2’)
Beide vertraagden in model 2’ zijn significant. In dit model heeft de vertraagde van de marginale
belastingsvoet van de hoogste inkomstenschijf dezelfde impact op de Gini-coëfficiënt als deze
21
Zie bijlage 14
Page 50
41
belastingvoet in hetzelfde jaar. De invloed van de ratio van het minimumloon ten opzichte van het
gemiddelde loon is echter verzwakt.
(3a’)
Net als bij model 3a is er logischerwijze ook hier sprake van multicollineariteit, aangezien alle vier de
variabelen die sterk samenhangen op hetzelfde moment gemeten worden (vertraging van één jaar).
Hierdoor is het moeilijk de coëfficiënten van de vertraagden correct te interpreteren.
(3b’)
Wanneer we de vertraagde van het minimumloon opnieuw uit het model halen en tot model 3b’
komen, zien we dat ook deze resultaten in dezelfde lijn liggen als de resultaten van de niet-
vertraagde variabelen. Net als in model 3b is de vertraagde van de politieke richting centrum
significant met 99% betrouwbaarheid. De vertraagde van de marginale belastingvoet is hier echter
niet meer significant.
(4’)
Ook de exogene variabelen worden in een dynamisch regressiemodel opnieuw geschat. Dit leidt tot
vergelijking 4’. Opvallend hierbij is dat de vertraagde van de LogInflatie hier nu wel een significant
effect heeft. De inflatie uit jaar t-1 heeft nu een negatieve invloed op de Gini-coëfficiënt in jaar t. Een
mogelijke verklaring hiervoor is dat de Franse bevolking zijn gedrag zal veranderen wanneer ze
bijvoorbeeld merken dat er hoge inflatie heerst en besluiten om niet langer geld contant bij te
houden maar eerder te gaan consumeren. Het zijn voornamelijk de onderste inkomensdecielen die
contant geld bijhouden in tegenstelling tot de bovenste inkomensdecielen die meer financiële vaste
activa hebben.
(5’)
Page 51
42
In model 5’ met de vertraagden van zowel de endogene als de exogene variabelen blijkt enkel de
vertraagde van de werkloosheidsgraad nog een significante impact te hebben op de
inkomensongelijkheid in jaar t.
(6’)
Net als in model 6 hebben we hier opnieuw te maken met multicollineariteit waardoor de
coëfficiënten van de verklarende variabelen niet correct kunnen worden ingeschat.
Verklarende
variabele
(1) (2) (3a)
(3b) (4) (5) (6)
R²
43% 27,4% 50,7% 48,3% 44,5% 49,2% 55,8%
Intercept
0,281*** 0,395*** 0,253*** 0,306*** 0,327*** 0,338*** 0,267***
Beta’s
Lag Politieke richting centrum
0,018*** 0,027***
0,020*** 0,017*
Lag Politieke richting
centrumrechts
0,007** -0,002 0,001 -0,000434
Lag SQR Ratio Minimumloon
-0,243*** 0,165 0,007 0,164
Lag Belastingvoet
-0,001*** 0,000 -0,000405 -0,000331 0,000
Lag LogInflatie
-0,009** -0,003 -0,002
Lag Economische groei
-0,001 -0,001 -0,001
Lag
Werkloosheids- graad
-0,004*** -0,004*** -0,002
Tabel 9 Samenvattende tabel dynamische regressiemodellen
Page 52
43
6. Conclusie Dit onderzoek draagt op verschillende vlakken bij tot de bestaande kennis omtrent de impact van het
politieke beleid op de inkomensongelijkheid. Hiervoor werden verschillende modellen opgesteld met
verschillende verklarende variabelen. Reeds aan de hand van het eerste model kan er voor Frankrijk
geconcludeerd worden dat er een additionele inkomensongelijkheid is – die zich vertaalt in een
hogere Gini-coëfficiënt – wanneer de president uit een centrum of centrumrechtse partij komt dan
uit een linkse partij. De (linkse) president kan dit bij eventuele volgende verkiezingen gebruiken om
zijn potentiële kiezers uit de onderste inkomensdecielen een incentive te geven om op hem te
stemmen. Hoewel dit op voorhand verwacht werd, is het toch opvallend dat de bijkomende
inkomensongelijkheid groter (en significanter) is wanneer een centrumpresident regeert dan
wanneer de president afkomstig is uit een centrumrechtse partij. Bijgevolg kunnen we niet stellen
dat hoe rechtser de president is, hoe ongelijker de inkomens verdeeld zullen zijn.
Hiernaast blijkt ook dat vooral de variabelen die rechtstreeks gelinkt kunnen worden aan het
politieke beleid een impact hebben op de inkomensongelijkheid in Frankrijk. Als eerste blijkt dat een
stijging van het reële minimumloon ten opzichte van het reële gemiddelde loon slechts tot op een
bepaalde hoogte zal leiden tot een grotere gelijkheid van de inkomensverdeling. Vooral de onderste
inkomensdecielen zullen hun loon het meest zien stijgen. Wanneer dit minimumloon echter te hoog
wordt ten aanzien van het gemiddelde loon zullen werkgevers niet langer bereid zijn om
laaggeschoolden zoveel te betalen terwijl dit niet verantwoord wordt door de toegevoegde waarde
die deze leveren (Knack, 2012).
De tweede convergerende kracht komt van de marginale belastingvoet (van de hoogste inkomsten).
Net als het minimumloon is dit een parameter die door het politieke beleid rechtstreeks gebruikt kan
worden om te corrigeren voor inkomensongelijkheid. Het verwachte verband tussen deze marginale
belastingvoet en de Gini-coëfficiënt wordt door dit onderzoek ook empirisch bevonden. Het
herverdelende effect van belastingen leidt dus tot een lagere Gini-coëfficiënt.
De effecten van deze twee endogene variabelen op de inkomensongelijkheid kunnen door de Franse
beleidsmakers gebruikt worden wanneer zij streven naar een gelijkere verdeling van de inkomens.
Van de exogene variabelen blijken de economische groei en de inflatie de inkomensongelijkheid niet
(significant) te beïnvloeden. Het opvallendste resultaat in dit onderzoek is de werkloosheidsgraad.
Een stijging hiervan blijkt te resulteren in een gelijkere verdeling van de inkomens.
Page 53
44
Voor de onderzochte periode in deze masterproef kan er slechts een onderscheid gemaakt worden
tussen drie verschillende partijen. Bijkomstig onderzoek zou dus meer verschillende partijen kunnen
opnemen om na te gaan in welk geval de inkomensongelijkheid het grootst is. Daarnaast zou een
grotere dataset tot consistentere resultaten leiden aangezien in dit onderzoek slechts vier
regeerperiodes werden opgenomen over in totaal 39 jaar, ten gevolge van de gelimiteerde
aanwezigheid van de nodige data. De resultaten kunnen ook (licht) beïnvloed zijn door de
interpolatietechniek die gebruikt werd voor de Gini-coëfficiënt te bepalen voor de periode 1974 tot
en met 1995. Een complete dataset zal dus nauwkeurigere resultaten opleveren.
Daarnaast kan er nog gelijkaardig onderzoek verricht worden in functie van de afhankelijke variabele.
Voor dit onderzoek werd de Gini-coëfficiënt gebruikt omdat deze de hele inkomensverdeling omvat,
maar de impact van de verschillende parameters op bijvoorbeeld de P90/P10 ratio zou tevens
onderzocht kunnen worden om na te gaan of deze in lijn liggen van dit onderzoek.
Deze conclusies kunnen echter niet zomaar veralgemeend worden voor andere landen. Men moet
rekening houden met de Franse identiteit: dit onderzoek werd ten eerste gevoerd voor een
ontwikkeld land. Daarnaast is Frankrijk een republiek waar een president aan het hoofd staat.
Bijgevolg kan het politieke beleid verschillend zijn in vergelijking met een ander land. Als derde
aandachtspunt mag men ook het unieke karakter van de onderzochte variabelen niet vergeten. Zo is
er bijvoorbeeld niet in elk land sprake van een progressief belastingssysteem. Wanneer men de
resultaten dus voor andere landen wenst te veralgemenen, moet men zich van deze mogelijke
verschillen bewust zijn.
Page 54
45
7. Bibliografie
Bazillier, R., & Héricourt, J. (2014). The Circular Relationship between Inequality, Leverage,
and Financial Crisis: Intertwined Mechanisms and Competing Evidence. CEPII Working Paper.
Bourguignon, F., & Pereira da Silva, L. (2003). The impact of economic policies on poverty and
income distribution. The International Bank for Reconstruction and Development.
Centrale Raad voor het Bedrijfsleven (2015). Loonkostenontwikkeling. Geraadpleegd op 20
juli via http://www.ccecrb.fgov.be/txt/nl/doc15-2628.pdf.
Centrale Raad voor het Bedrijfsleven (2015). Sociaal-economische nieuwsbrief: Het
minimumloon in Frankrijk. Geraadpleegd op 20 juli via http://www.ccecrb.fgov.be/txt/nl/03-
15.pdf.
Charnoz. P., Coudin. E., & Gaini. M. (2013). Une diminution des disparités salariales
en France entre 1967 et 2009, Emploi et salaires, Edition 2013.
Cornia, G.A., & Kiiski, S. (2001).Trends in Income Distribution in the Post-World War II Period
Evidence and Interpretation. World Institute for Development Economic Research (UNU-
WIDER).
Cowell, F. (2007). Income Distribution and Inequality. Sticerd, London School of Economics.
Deniaud, L. (2011). Mitterrand, c’est le progrès social au pouvoir, Geraadpleegd op 2 juli
2016 via http://www.lauriannedeniaud.fr/2011/01/mitterrand-cest-le-progres-social-au-
pouvoir/
Feenberg, D., & Poterba, J. (1993). Income Inequality and the Incomes of Very High-Income
Taxpayers: Evidence from Tax Returns. Tax Policy and the Economy, Volume 7.
Page 55
46
Figeac, J. (2015). Evolution of Income Distribution in France. School of Oriental and African
Studies.
Gale, W. G., Kearny, M. S., & Orszag P. R. (2015). Would a significant increase in the top
income tax rate substantially alter income inequality? Economic Studies at Brookings.
González, M. & Menendez A. (2000). The Effect of Unemployment on Labor Earnings
Inequality: Argentina in the Nineties. Princeton University.
Gustafsson, B., & Johansson, M. (1997). In Search for a Smoking Gun: What Makes Income
Inequality Vary Over Time in Different Countries? Luxemburg Income Study Working Paper
No. 172, 1-35.
Hongyi, L., & Heng-fu, Z. (2002). Inflation, Growth, and Income Distribution: A Cross-Country
Study. Annals of Economics and Finance, Society for AEF, vol. 3(1), p85-101.
IMF (1998). Income inequality: Does inflation matter? Geraadpleegd op 29 juli 2016 via
https://www.imf.org/external/pubs/ft/wp/wp9807.pdf
Itinera (2013). Fiscale vergroening kan tot € 5 miljard per jaar opleveren maar heeft ook een
keerzijde. Geraadpleegd op 30 juli 2016 via http://www.itinerainstitute.org/nl/artikel/fiscale-
vergroening-kan-tot-eu-5-mrd-jaar-opleveren-maar-heeft-ook-een-keerzijde
Jacobs, B. (2008). De prijs van gelijkheid. Amsterdam: Uitgeverij Bert Bakker.
KBC (2016). Economische impact aanslagen Parijs waarschijnlijk beperkt. Geraadpleegd op
23 juli 2016 via https://www.kbceconomics.be/2015/11/grafiek-van-de-week-economische-
impact-aanslagen-parijs-waarschijnlijk-beperkt/
Keeley, Brian (2015), How can governments respond to income inequality? Income
Inequality: The Gap between Rich and Poor, OECD Publishing, Paris.
Page 56
47
Knack (2012). Minimumloon is tweesnijdend zwaard. Geraadpleegd op 19 juli 2016 via
http://trends.knack.be/economie/finance/minimumloon-is-tweesnijdend-zwaard/article-
normal-238413.html
Knack (2016). Hollande roept economische noodtoestand uit: Franse werkloosheid stagneert.
Geraadpleegd op 23 juli 2016 via http://www.knack.be/nieuws/wereld/hollande-roept-
economische-noodtoestand-uit-franse-werkloosheid-stagneert/article-normal-647541.html
Kopczuk, W. (2015). Recent Evolution of Income and Wealth Inequality: Comments on
Piketty’s Capital in the Twenty-first Century. New York University School of Law.
Landais, C. (2008). Top Incomes in France: Booming Inequalities? Paris School of Economics.
Le Monde (2007). Vie politique, Republique Gaulienne Francois Mitterand.
Geraadpleegd op 2 juli 2016 via
http://www.lemondepolitique.fr/cours/vie_politique/mitterrand.htm
Morelli, S., Smeeding, T., & Thompson, J. (2014). Post-1970 Trends in Within-Country
Inequality and Poverty: Rich and Middle Income Countries. Centre for Studies in Economics
and Finance.
Morisson, C., & Snyder, W. (2000). The income inequality of France in historical perspective.
European Review of Economic History, 4, 59-83.
Ngo, G., & Ramirez, N. (2016). The European Currency Crisis: 1992-1993. California State
University.
O’kane, K. (2011). La Génération Perdue: Youth Unemployment in France and the Policies
Behind it. Honors Program at the University of Rhode Island.
Okun, A. (1975). Equality and Efficiency: The Big Tradeoff. Washington: The Brookings
Institution.
Page 57
48
Oxfam (2013). The true cost of austerity and inequality: France case study. Oxfam case study.
Pew Research Center (2014). Emerging and developing economies much more optimistic
than rich countries about the future. Pew Research Center.
Piketty, T. (2003). Income Inequality in France: 1901-1998. Ecole des Hautes Etudes en
Sciences Sociales, Paris-Jourdan, and Centre for Economic Policy Research
Van der Hoeven, R., & Taylor, L. (2000). Introduction: Structural Adjustment, Labour Markets
and Employment: Some Considerations for Sensible People. The Journal of Development
Studies, 36(4) , 57-65.
Verbist, G. (2003). De fiscus als herverdeler. Personenbelasting en inkomensongelijkheid in
België en andere OESO-landen. Antwerpen: Centrum voor Sociaal Beleid.
Page 58
A
Bijlagen
Bijlage 1
Bijlage 2
19,5
20,0
20,5
21,0
21,5
22,0
22,5
23,0
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
Pe
rce
nta
ge o
nd
er
de
arm
oe
de
gre
ns
(70
%)
Jaartal
Armoede Frankrijk
Armoedegrens 70%
0,26 0,265
0,27 0,275
0,28 0,285
0,29 0,295
0,3 0,305
0,31
Gin
i-co
ëff
icie
nt
Jaartal
Gini-coëfficiënt Frankrijk
Gini-coëfficiënt
Page 59
B
Bijlage 3
Pearson correlatie (met Gini-coëfficiënt)
Significantie
P90 0,284 0,611
P99 0,305 0,015*
P99,9 0,724 0,002**
Page 60
C
Bijlage 4
Interpolatie
(lineair & P99,9) Interpolatie
(verandering lineair & P99,9) Lineaire
interpolatie
1974 0,3093 0,3318 0,3198
1975 0,3170 0,3170 0,3170
1976 0,3102 0,3140 0,3120
1977 0,3023 0,3068 0,3070
1978 0,2954 0,3034 0,3020
1979 0,2970 0,2970 0,2970
1980 0,2941 0,2946 0,2958
1981 0,2915 0,2933 0,2946
1982 0,2876 0,2876 0,2934
1983 0,2844 0,2843 0,2922
1984 0,2910 0,2910 0,2910
1985 0,2883 0,2883 0,2887
1986 0,2862 0,2873 0,2863
1987 0,2845 0,2881 0,2840
1988 0,2821 0,2863 0,2817
1989 0,2802 0,2862 0,2793
1990 0,2770 0,2770 0,2770
1991 0,2762 0,2744 0,2773
1992 0,2756 0,2727 0,2777
1993 0,2756 0,2731 0,2780
1994 0,2761 0,2756 0,2783
1995 0,2762 0,2762 0,2787
1996 0,2790 0,2790 0,2790
1997 0,2790 0,2790 0,2790
1998 0,2760 0,2760 0,2760
1999 0,2840 0,2840 0,2840
2000 0,2860 0,2860 0,2860
2001 0,2860 0,2860 0,2860
2002 0,2810 0,2810 0,2810
2003 0,2800 0,2800 0,2800
2004 0,2810 0,2810 0,2810
2005 0,2860 0,2860 0,2860
2006 0,2910 0,2910 0,2910
2007 0,2890 0,2890 0,2890
2008 0,2890 0,2890 0,2890
2009 0,2900 0,2900 0,2900
2010 0,3030 0,3030 0,3030
2011 0,3060 0,3060 0,3060
2012 0,3050 0,3050 0,3050
Page 61
D
Bijlage 5
Scheefheid
Ratio minimumloon -0,226 Belastingvoet -0,300
Page 63
F
Bijlage 7
Model
Unstandardized Coefficients
Sig. B Std. Error
1 (Constant) ,943 ,074 ,000
Minimumloon -3,041 ,349 ,000
SQRMinimumloon 3,490 ,409 ,000
Bijlage 8
Model F Sig.
1 Regression 0,067 ,935b
Bijlage 9
SQR Ratio minimumloon
Bovengrens = Q3 + (2,2 * (Q3-Q1))
= 0,2209 + (2,2 * (0,2209-0,1681))
= 0,33706
Ondergrens = Q1 - (2,2 * (Q3-Q1))
= 0,1681 – (2,2 * (0,2209-0,1681))
= 0,05194
Belastingvoet
Bovengrens = Q3 + (2,2 * (Q3-Q1))
= 60 + (2,2 * (60-48,09))
= 86,202
Ondergrens = Q3 - (2,2 * (Q3-Q1))
Page 64
G
= 48,09 – (2,2 * (60-48,09))
= 21,888
Bijlage 10
Homoscedasticiteit
Multicollineairiteit
Model
Toleranc
e VIF
1 (Constant)
Belastingvoet ,188 5,332
SQR RatioMinimumloon ,077 12,915
PolCentrum ,273 3,659
PolCentrumrechts ,258 5,332
Bijlage 11
Normaalverdeling
Model F Sig.
1 Regression ,680 ,513b
Page 65
H
Variabele Scheefheid
Inflatie 1,144 Economische groei -0,822 Werkloosheidsgraad -0,943
Page 66
I
Homoscedasticiteit
Model F Sig.
1 Regression ,159 ,854b
Multicollineariteit
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
Werkloosheidsgraad ,344 2,906
Inflatie ,347 2,878
EconomischeGroei ,984 1,017
Outliers
Werkloosheidsgraad
Bovengrens = Q3 + (2,2 * (Q3-Q1))
= 8,9 + (2,2 * (8,9-7,05))
= 12,97
Ondergrens = Q1 - (2,2 * (Q3-Q1))
= 7,05 – (2,2 * (Q3-Q1))
= 2,89
Economische groei
Bovengrens = Q3 + (2,2 * (Q3-Q1))
= 3,41 + (2,2 * (3,41-1,26))
= 8,41
Ondergrens = Q1 - (2,2 * (Q3-Q1))
= 1,26 – (2,2 * (3,41-1,26))
= -3,47
Page 67
J
Inflatie
Bovengrens = Q3 + (2,2 * (Q3-Q1))
= 8,065 + (2,2 * (8,065-1,68))
= 22,112
Ondergrens = Q1 - (2,2 * (Q3-Q1))
= 1,68 – (2,2 * (8,065-1,68))
= -12,367
Bijlage 12
Homoscedasticiteit
Model F Sig.
1 Regression 2,095 ,138b
Multicollineariteit
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
Werkloosheidsgraad ,152 6,755
Inflatie ,116 8,596
EconomischeGroei ,808 1,237
Belastingvoet ,115 8,679
SQR Ratio Minimumloon ,131 7,657
Page 68
K
Bijlage 13
Homoscedasticiteit
Model F Sig.
1 Regression 1,738 ,191b
Multicollineariteit
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
PolCentrum ,092 10,844
PolCentrumrechts ,226 4,432
Werkloosheidsgraad ,149 6,714
Inflatie ,065 15,486
EconomischeGroei ,782 1,279
Belastingvoet ,056 17,871
SQR Ratio Minimumloon ,041 24,281
Bijlage 14
F waarde Significantie
Model 1 0,595 0,557 Model 2 0,426 0,657 Model 3 0,375 0,825 Model 4 2,118 0,116 Model 5 1,796 0,142 Model 6 1,250 0,308