JanuszZaleski,ZbigniewMogiła,JoannaKudełko
Janusz ZaleskiInstytutMeteorologiiiGospodarkiWodnej,PaństwowyInstytutBadawczy,ul.Podleśna61, 01-673Warszawa&WrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław,e-mail:[email protected]
Zbigniew MogiłaWrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław, e-mail:[email protected]
Joanna KudełkoWrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław, e-mail:[email protected]
jakość prognoz płatności w ramach npr/nsro… a wyniki analizy kontrfaktualnej
Streszczenie:Wielkośćistrukturatransferówsąjednązgłównychdeterminantskalioddziaływa-niapolitykispójności(NPRiNSRO)narozwójspołeczno-gospodarczybadanychregionówoboksiły keynesowskiego mechanizmu mnożnikowego, parametrów determinujących skalę efektówpodażowychorazpoczątkowychzasobówinfrastrukturalnych,kapitałuludzkiegoi technicznegouzbrojeniapracy.Celemniniejszegoartykułujestzbadaniewpływu,jakinawynikikontrfaktualnejanalizyoddziaływaniaNPRiNSROnagospodarkipolskichwojewództwmajązmianyprognozpublicznychśrodkówfinansowych.Przyzastosowaniu16makroekonomicznychmodeliHERMINgospodarek polskichwojewództwprzeprowadzono symulacje dla okresu 2004–2020,wykorzy-stującdanefinansoweMinisterstwaInfrastrukturyiRozwoju(MIR)udostępnianewlatach2008–2013.Rezultaty badaniawskazały, że roczne błędy prognozy transferów unijnych na poziomieregionalnymsięgająnawet229%,natomiastbłędyprognozalokacjiosiągająpoziomnawet32%.Braktrafnościprognoztransferówunijnychorazichzmiennośćpowodujązniekształceniewyni-kówbadańmakroekonomicznychoddziaływaniapolitykispójnościnaprocesyrozwojowenaweto88%wprzypadkuwynikówrocznychido40%wprzypadkuwynikówskumulowanych.
Słowa kluczowe: polityka spójnościUE, funduszeunijne, analizakontrfaktualna,modelowaniemakroekonomiczne.
the quality of the PRognoSeS conceRning ndP and nSRf PaymentS and the ReSultS
of a counteRfactual analySiS
Abstract: ThescaleandstructureofEUfundsareoneofthekeydeterminantsofCohesionPolicyimpactsonsocio-economicregionaldevelopment,alongwiththemagnitudeoftheKeynesianmul-tipliermechanism,spill-overelasticities,initialstocksofinfrastructure,orhumanandphysicalcap-ital.TheaimofthepaperistoanalyzehowchangesinforecastsofCohesionPolicypublicfinancialresources(availableinNDPs&NSRFs)affectacounterfactualanalysisoftheCohesionPolicyim-pactsonthePolishNUTS-2regionaleconomies.OnthebasisofthefinancialdatafromthePolishMinistryofInfrastructureandDevelopmentwhichweremadeavailableintheyears2008−2013,simulationswerecarriedoutfortheperiod2004−2020using16macroeconomicHERMINmodelsforthePolishregions.TheresultsshowthatyearlyforecasterrorsoftheEUfundsattheregionallevelaccountforupto229%,andtheforecasterrorsofallocationsoftheEUfundsamountevento
Studia Regionalne i LokalneNr 4(58)/2014
ISSN 1509–4995doi: 10.7366/1509499545803
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO52
32%.TheinaccuracyoftheforecastsoftheEUpaymentsandtheirvolatilityconsiderablydistorttheresultsofmacroeconomicresearchoftheCohesionPolicyimpactsondevelopmentprocesses–evenby88%inthecaseoftheyearlyresults,andby49%inthecaseofcumulativeresults.
Keywords:EUCohesionPolicy,EUfunds,counterfactualanalysis,macroeconomicmodelling.
Istotnym elementembadań ewaluacyjnych jest analiza kontrfaktualna prze-prowadzana przy zastosowaniumakroekonomicznychmodeli gospodarek kra-jowychorazregionalnych1.Dająonesposobnośćilościowegowyekstrahowaniabezpośredniego, krótkoterminowego oddziaływania interwencji finansowej narozwójspołeczno-gospodarczy,jakrównieżbardziejzłożonegoizawoalowane-gojejwpływuocharakterześrednio-idługookresowym.Symulacjemakroeko-nomiczneoddziaływaniapolityki spójności na rozwój polskich regionóworazgospodarkiPolskijakocałościprowadzonesąodponad10lat.PierwszebadaniategotypuzrealizowanoprzyużyciumetodologiiHERMIN(opismetodologiizob.m.in.w:Bradley,Untiedt2010;Bradley,Zaleski2003),któranagrunciepolskimzostałazaimplementowanaprzezWrocławskąAgencjęRozwojuRegionalnegowewspółpracy z dr. J. Bradleyem (m.in. Bradley, Zaleski 2003; Investing in Europe’s future, Fifth report on economic, social and territorial cohesion2010).Analiza kontrfaktualna przeprowadzona przy zastosowaniu modeli makro-
ekonomicznychjestczęstopoddawanakrytycezpowoduzmiennościwczasieuzyskiwanychdziękiniejwynikóworaz ichzróżnicowaniamiędzyośrodkamibadawczymi.Dajetoniektórymasumptdoumniejszeniaroliwspomnianegona-rzędziabadawczegowanalizachewaluacyjnych.Rozbieżności–zarównomię-dzyposzczególnymiośrodkamibadawczymi,jakianalizamiprzeprowadzanymiprzezdanyzespółbadawczyw różnymczasie–w rezultatach symulacyjnychanalizoddziaływaniapolitykispójnościnarozwójkrajuiregionówsądetermi-nowaneprzedewszystkimprzez(zob.Mogiła,Zaleski2010):• różnicemetodologicznemiędzystosowanymimodelami;• różnicewprzyjętychzałożeniachscenariuszarozwojusytuacjispołeczno-go-spodarczej(m.in.sytuacjakryzysowaversusprosperitygospodarcze);
• rekalibracjęparametrówrównańbehawioralnychmodeluwynikającązwydłu-żającychsięwrazzupływemczasuszeregówczasowych;
• zmianymetodologicznewstatystycepublicznej;• różnicemiędzydanymidotyczącymiwielkościorazrozkładuwczasieśrod-kówfinansowychasygnowanychwramachpolitykispójności,atakżeudziałuwspółfinansowaniakrajubeneficjenta.Wielkośćistrukturaśrodkówfinansowych2wramachpolitykispójnościmają
niezwykleistotnywpływnarezultatybadańewaluacyjnychprzeprowadzanych1 Wramachwspomnianegobadaniatworzonesądwascenariusze:bazowyzakładającywy-
stępowanieokreślonejinterwencjifinansowej(np.funduszyUE)orazdrugiocharakterzeczystohipotetycznym,wktórymprzyjmuje się brak implementacjiwspomnianych środkówfinanso-wych.Różnicemiędzywartościamiwtychdwóchscenariuszachwyznaczająwartościwpływudanejinterwencjifinansowejnagospodarkękrajulubregionu.
2 Wniniejszymartykulepojęcia„środkifinansowewramachpolitykispójności”,„płatnościwramachpolitykispójności”oraz„transferywramachpolitykispójności”używanesązamien-nieiokreślają–wprzeciwieństwiedoalokacjiwskazującychnawartośćśrodkówprzypisanych
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 53
przyzastosowaniumodelimakroekonomicznych.Wzwiązkuzpowyższymbłędyprognozorazczęstamodyfikacjazałożeńdokonywanychwzakresiewspomnia-nychtransferówpowodują,żezmianomulegają–ceteris paribus – szacowanewielkościoddziaływaniapolitykispójnościnawskaźnikimakroekonomiczne.Celemniniejszegoartykułu jest zbadaniewpływu, jakinawynikikontrfak-
tualnej analizy oddziaływania polityki spójności na gospodarki polskich wo-jewództw wywierają zmiany prognoz publicznych środków finansowych do-stępnychw ramach tej polityki.Wbadaniu, którego rezultaty stały się kanwądlaniniejszegoartykułu,wykorzystanodanehistoryczne iprognozypłatności3 wramachNarodowegoProgramuRozwoju(NPR2004–2006)orazNarodowychStrategicznych RamOdniesienia (NSRO 2007–2013) dla okresu 2004–20154. Wartykule przeprowadzono analizę porównawcząprognozpłatności udostęp-nianych przez Ministerstwo Rozwoju Regionalnego (MRR) w latach: 2008,2009/20105,2011,2012 i20136,będącychpunktemwyjściabadańewaluacyj-nych. Przy czymmateriał otrzymany w 2013 r. określał najbardziej aktualnew chwili pisania artykułu wartości transferów, gdzie rzeczywiste dane histo-ryczne obejmowały okres 2004–2012.W kolejnym kroku, przy zastosowaniu16makroekonomicznychmodeliHERMINgospodarek polskichwojewództw,przeprowadzono symulacje dla okresu 2004–20207,wykorzystującwspomnia-newyżejdanefinansowe.NapodstawiewynikówsymulacjiokreślonoróżnicewwartościachwpływufunduszywramachNPRiNSROłącznienapoziomPKBwcenachstałych.Wynikizaprezentowanejwniniejszymopracowaniuanalizymogąstanowićcenneźródłoinformacjinatematwrażliwościrezultatówbadańkontrfaktualnychnazmianydanychotransferach.Jesttotymbardziejistotne,żemetodykontrfaktualnestanowićbędąjednązpodstawowychmetodewaluacyj-nychwokresieprogramowania2014–2020(zob.Zalecenia w zakresie ewaluacji ex-ante… 2012).Jednocześnieotrzymanerezultatypozwoląwsposóbkrytycznyspojrzećnaefektydotychczasowychprojektówewaluacyjnych.
Syntetyczny opis metodologii i zastosowanych modeli HERMIN
Makroekonomiczne modele HERMIN znalazły zastosowanie w badaniachewaluacyjnych w szczególności do modelowania efektu wywieranego przez
wdanymokresiedodanegokraju/regionu– teśrodki,którezostały jużzainwestowanewda-nejgospodarce.Ztegopowoduprognozydokonywanewtymzakresieodnosząsiędowartościśrodkówfinansowych,którewokreślonymokresiewprzyszłościzostanąwdrożonedosystemugospodarczegokrajulubregionu,oddziałująctymsamymnagospodarkę.
3 PłatnościobejmująśrodkiUEorazkrajowewspółfinansowaniepubliczne.4 Przyuwzględnieniuzasadyn+2,zgodniezktórąpłatnościmogąbyćrealizowanejeszcze
przezdwalatapozakończeniuNSRO.5 Takizapiswynikazfaktu,żedanez2010r.byłyidentycznejaktez2009r.6 Wykazźródełdanychfinansowychwykorzystanychwartykulezostałzamieszonywspisie
literatury.7 Rok2020zostałwybranyzewzględunadążeniedouchwyceniapodażowychefektówpo-
litykispójnościujawniającychsięzwiększąsiłąwdłuższejperspektywieczasowej.PięćlatpoustaniupłatnościwramachNSROjestodpowiedniąperspektywączasowądoocenywspomnia-nychefektów.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO54
wdrażanie do systemu gospodarczego dodatkowych środków finansowych.Sąjednymiznarzędzi(oboktakichmodeli, jakQUEST[zob.Varga, in’tVeld2008] czy REMI [zob. Treyz, Treyz 2003]), które spełniają wymogi KomisjiEuropejskiej(KE;The New Programming Period 2000–2006… 2006;The New Programming Period 2007–2013…2006)isąprzeztęinstytucjęwykorzystywa-nedooszacowaniawpływuwydatkowania funduszy strukturalnychna rozwójspołeczno-gospodarczykrajówiregionówobjętychwsparciem(m.in.Investing in Europe’s future…2010).Interesującymbadaniemprzeprowadzonymprzyza-stosowaniumodeliHERMINnazlecenieParlamentuEuropejskiegobyłookre-ślenie oddziaływania funduszy unijnych przekazywanych do państw EuropyŚrodkowo-Wschodniej na rozwój gospodarczy państw członkowskichUE bę-dącychpłatnikaminetto(zob.Bradley,Untiedt,Zaleski2009).WPolscemodeleHERMINznalazłyszerokiezastosowaniewbadaniachewaluacyjnychpoświę-conychwpływowiśrodkówunijnychdostępnychwramachNPR,NSRO(wtymregionalnychprogramówoperacyjnych)narozwójspołeczno-gospodarczykrajujakocałościzjednejstrony(zob.m.in.Zaleskietal.2008)iposzczególnychwo-jewództw–zdrugiej(zob.m.in.Zaleskietal.2013).ModeleHERMINsąwyko-rzystywanerównieżwcelukonstrukcjiprognozzarównoocharakterzeforecast, jakiforesightpozwalającychnastworzeniewariantowychscenariuszyrozwojukraju/regionu(zob.m.in.Zaleskietal. 2012).MetodologiaHERMINłączywsobieelementymodelineokeynesowskich(zo-
rientowanychnapopytowąstronęgospodarki)zelementamicharakterystycznymidlaszkołyneoklasycznej,uwidaczniającymisięm.in.wuwzględnieniukonku-rencyjnościjakodeterminantyprodukcjiprzemysłowej.Wspomnianepodstawyteoretyczne powiązane są z wykorzystaniem danych empirycznych w postaciszeregówczasowych,copozwalanauzyskaniekorzystnegokompromisumię-dzy nadmiernie uproszczonym podejściem teoretycznym a odzwierciedleniemrzeczywistychprocesówgospodarczychimożliwościichewoluowaniawczasie.Napotrzebyniniejszegoartykułuwykorzystanezostałypięciosektorowe8 mo-
deleHERMINgospodarek16polskichwojewództw9.Modeletestanowiąrozwi-nięciepierwotniestosowanychwersjiczterosektorowych.Składająsięzkilku-dziesięciu równań behawioralnych, których parametry podlegają procesowikalibracji10.Pozostałączęśćstanowiąrównaniaocharakterzetożsamościowym,którepoddająsięlogicerachunkówregionalnych.Równaniamodelimożnapo-grupowaćwtrzygłównebloki:blokpodażowy,blokabsorpcjiorazblokdystry-bucjidochodów(rycina1).
8 WmodelachHERMINnapięćwymienionychsektorówskładająsię:przemysł,budownic-two,usługirynkoweinierynkoweorazrolnictwo.
9 OpispięciosektorowychmodeliHERMINmożnaznaleźćm.in.wZaleskietal.2012.10 KalibracjarównańbehawioralnychwmodelachHERMINopierasięnametodzie„dopaso-
waniakrzywejdodanych”(curvefitting),wwynikuczegowartościestymowaneklasycznąmeto-dąnajmniejszychkwadratówparametrów–wświetleempirycznegodoświadczenia,jakrównieżnabazieistotnychimplikacjiteoretycznych–podlegająmodyfikacji.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 55
Blok podażowy
Sektor przemysłowy (głównie dobra podlegające obrotowi na rynku międzynarodowym)
WDB = f1 (Popyt światowy, Jednostkowe koszty pracy, Konkurencyjność, t)Pracujący = f2 (WDB, Ceny względne czynników produkcji, t)NBnŚT= f3 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1–σ) Zasoby kapitałut-1Deflator WDB = f4 (Cena światowa, Jednostkowe koszty pracy)Stawka płac = f5 (deflator WDB, Cen dóbr konsumpcyjnych, Bezrobocie, Wydajność pracy)Konkurencyjność = Krajowe/Światowe ceny produkcji
BudownictwoWDB = f6 (NBnŚT, t)Pracujący = f7 (WDB, Ceny względne czynników produkcji, t)NBnŚT = f8 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1– σ) Zasoby kapitałut-1Deflator WDB = f9 (Jednostkowe koszty pracy)Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym
Sektor usług rynkowych (głównie dobra niepodlegające obrotowi na rynku międzynarodowym)
WDB = f10 (Popyt krajowy, t)Pracujący = f11 (WDB, Ceny względne czynników produkcji, t)NBnŚT = f12 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1– σ) Zasoby kapitałut-1Deflator WDB = f13 (Cena światowa, Jednostkowe koszty pracy)Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym
Usługi nierynkoweWDB = Koszty pracyInflacja płacowa = Inflacja płacowa w sektorze przemysłowymDeflator WDB = Inflacja płacowa
RolnictwoWydajność pracy = f14 (t)Pracujący= f15 (t)Zasoby kapitału = f16 (WDB, t)NBnŚT = Zasoby kapitału + (1–σ) Zasoby kapitałut-1Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym
Blok absorpcji (popytowy)
Spożycie prywatne = f14 (Dochody do dyspozycji brutto sektora gospodarstw domowych)Popyt krajowy = Spożycie prywatne i publiczne + NBnŚT + Zmiany w zapasachBilans handlowy = PKB – Popyt krajowy
Blok dystrybucji dochodów
Dochody = WDB + Dochody z zagranicy nettoDochody do dyspozycji brutto sektora gospodarstw domowych = Dochody pierwotne w sektorze gospodarstw domowych – Podatki bezpośrednie – Składki na ubezpieczenia społeczne płacone przez pracownikówRachunek obrotów bieżących = Bilans handlowy + Dochody z zagranicy nettoBilans sektora publicznego = Wydatki publiczne – Dochody publiczne
Kluczowe zmienne egzogeniczne:Otoczenie zewnętrzne: kurs wymiany EUR/PLN, dynamika PKB w UE, dynamika PKB w Polsce, dynamika produk-cji przemysłowej i cen produkcji przemysłowej u głównych partnerów handlowych regionu;Sytuacja w regionie: pracujący w sektorze usług nierynkowych, NBnŚT w sektorze usług nierynkowych, nakłady na B + R, deflator konsumpcji prywatnej, liczba mieszkańców ogółem i w wieku produkcyjnym.
Ryc. 1. Struktura pięciosektorowych modeli HERMIN gospodarek polskich województwŹródło: opracowanie własne.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO56
Wcelu zmierzeniawpływu interwencji podejmowanychw ramachpolitykispójnościna rozwójgospodarczydanegoregionudomodelu implementowanesądanedotyczącewielkościwydatkowanychśrodkówfinansowych.Danetesąagregowanewnowezmienne.Zewzględunaźródłofinansowaniamożnajepo-dzielićna:finansowaniepubliczneunijneiwspółfinansowaniepublicznekrajo-we.Zewzględunaichprzeznaczenieśrodkifinansowesągrupowanewczterykategorieekonomiczne:infrastrukturępodstawową(IP),rozwójzasobówludz-kich(RZL),bezpośredniąpomocsektorowiprzedsiębiorstw(BPSP),wobrębiektórejwyróżnionazostajejeszczejednapodkategoria:badaniairozwój(B+R).Oddziaływaniepowyższychtransferówfinansowychnakształtowaniesięgłów-nychparametrówmakroekonomicznychuwzględnionejestpoprzezimplementa-cjęzmiennychdotyczącychtychśrodkówdorównańmodeli.Za skalę efektów podażowych wywołanych implementacją dodatkowych
środkówfinansowychdoobiegugospodarczegoodpowiadajądwie zasadniczegrupyparametrów:pierwszaoddziałującabezpośrednionawielkośćprodukcji(output spillovers)orazdrugamającawpływnaproduktywnośćczynnikapracy(Latour productivity spillovers).Każdazpowyższychgrupskładasięz trzechparametrówodzwierciedlającychoddziaływanietransferównagospodarkęprzeztrzygłównekanały:infrastrukturępodstawową,kapitałludzkiorazdziałalnośćB+R.WceluzwiększeniaprecyzjiwynikówsymulacjiwmodelachHERMINstosujesięoddzielneparametrydlasektoraprzemysłowegoiusługrynkowych.W trakcie badania przeprowadzone są dwie symulacje makroekonomiczne
dlagospodarkidanegowojewództwa.Wpierwszejuwzględniasięwpływdodat-kowychśrodkówfinansowych,natomiastwprzypadkudrugiejzakładasiębrakoddziaływaniatychfunduszy.Różnicemiędzywartościamiwskaźnikówmakro-ekonomicznychotrzymanychwramachtychdwóchsymulacjipozwalająokreś-lićwielkośćwpływuwspomnianychśrodkównarozwójbadanejgospodarki.
Analiza prognoz płatności w ramach NPR i NSRO
Pozainformacjamidotyczącymirzeczywistegowykorzystaniaśrodkówunij-nychwprocesie ewaluacji polityki spójności spożytkowuje się danena tematprognozpłatności.Sąoneszczególnie istotnezpunktuwidzeniamodelowaniawpływuśrodkówunijnych,gdziewielkośćistrukturatransferówstanowiąjednązgłównychdeterminantskaliichoddziaływanianarozwójspołeczno-gospodar-czy badanych regionów – obok siły keynesowskiegomechanizmumnożniko-wego,parametrówdeterminujących skalę efektówpodażowych (tzw. spillover lasticities)orazpoczątkowych(wokresieprzedinterwencjąfinansową)zasobówinfrastrukturalnych,kapitału ludzkiego,a także technicznegouzbrojeniapracy.To oznacza, że jakość uzyskiwanych wyników symulacji, dotyczących przy-szłychlat,zależyodjakościprognozwydatkówwramachNPR/NSRO.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 57
Zmienność całkowitej alokacji środków finansowych w ramach NPR/NSRO
Wtabeli1 zaprezentowanezostałyodpowiednio: regionalnealokacjeNPR/NSROwedługdanych z 2013 r. oraz różnicemiędzy całkowitymi alokacjamiśrodkówfinansowychwramachNPR/NSROwedługdanychz2013r.adanymizlat2008,2009/2010,2011oraz2012.Wykorzystanonastępującywzór:
13 100%i
i
X XRX−
= ⋅ ,
gdzie: R – różnica, X13 – wartośćalokacjiwedługstanunarok2013r., Xi – wartośćalokacjiwedługstanunalata2008,2009/2010,2011
i2012.
OiledlaPolskijakocałościróżnicemiędzyalokacjamiukazanymiwtabeli1sąrelatywnieniewielkie,otyleanalogicznegostwierdzenianiemożnasformuło-waćwodniesieniudoposzczególnychwojewództw.Regionalnyrozkładrozbież-nościalokacjinie jest równomierny.Dladanychz lat2008–2011analizowaneróżnice są największe w przypadku województw: dolnośląskiego, kujawsko--pomorskiego,lubuskiego,mazowieckiego,opolskiego,podkarpackiego,podla-skiego,pomorskiegoiwarmińsko-mazurskiego,gdziewujęciubezwzględnymosiągająod9do32%.Wprzypadkudanychz2012r.rozbieżnościwstosunkudonajnowszychalokacjiregionalnychupublicznionychw2013r.zostałyistotniezredukowanewprzypadkuwojewództw:lubuskiego,mazowieckiego,podlaskie-go i zachodniopomorskiego,wzrosły zaś znaczącodlawojewództw łódzkiegoiśląskiego.Ponadtowporównaniuzlatami2008–2011zauważalnajestw2012r.zmianacharakterurozbieżnościzprzeszacowaniananiedoszacowaniealokacji(dolnośląskie,lubelskie,lubuskieizachodniopomorskie)orazzniedoszacowa-nia na przeszacowanie alokacji (małopolskie, podkarpackie i świętokrzyskie).Należypodkreślić,żewrazzkolejnymiaktualizacjamidanychotransferachfi-nansowychciąglewystępująznacząceróżnicemiędzyalokacjamidlaposzcze-gólnychwojewództw.
Trafność rocznych prognoz płatności w ramach NPR/NSRO
Wcelu określenia trafności prognoz płatnościw ramachNPR iNSROdlalat2008,2009,2010,2011i201211zostałyzastosowanenastępującemierniki:
błąd bezwzględny = Xrz – Xp,
błąd względny = 100%rz p
rz
X XX−
⋅ ,
11 Wprzypadkudanychudostępnionychw2011i2012r.odnotowanorozbieżnościmiędzywartościamidla2010r.,którewobuprzypadkachmiałycharakterhistorycznychdanychrzeczy-wistych.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO58Ta
b. 1
. Róż
nice
mię
dzy
alok
acją
śro
dków
w ra
mac
h N
PR
/NS
RO
(fun
dusz
e U
E +
kra
jow
e w
spół
finan
sow
anie
pub
liczn
e) w
edłu
g da
nych
z
2013
r. a
dan
ymi z
lat 2
008,
200
9/20
10, 2
011
oraz
201
2 w
ukł
adzi
e re
gion
alny
m (w
mln
eur
o or
az %
)
Woj
ewód
ztw
o
Alo
kacj
e w
e-dł
ug d
anyc
h z
2013
r.
Róż
nice
mię
dzy
alok
acja
mi w
edłu
g da
nych
z 2
013
r. a
alok
acja
mi z
lat:
2012
2011
2009
/201
020
08
mln
eur
om
ln e
uro
%m
ln e
uro
%m
ln e
uro
%m
ln e
uro
%
Dol
nośl
ąski
e6
293,
135
25,
9–1
315
–17,
0–1
770
–22,
0–1
900
–23,
0
Kuj
awsk
o-
-pom
orsk
ie4
078,
2–1
57–3
,7–1
076
–20,
9–1
306
–24,
3–1
376
–25,
2
Lube
lski
e5
331,
023
84,
7–3
87–6
,8–5
38–9
,2–5
85–9
,9
Lubu
skie
2 81
9,4
271,
0–6
15–1
7,9
–544
–16,
2–5
05–1
5,2
Łódz
kie
6 66
2,5
1 07
719
,343
67,
025
03,
918
32,
8
Mał
opol
skie
6 37
2,3
–479
–7,0
217
3,5
192
3,1
155
2,5
Maz
owie
ckie
16 3
43,1
20,
01
345
9,0
1 88
813
,11
739
11,9
Opo
lski
e2
452,
129
913
,950
926
,259
432
,058
431
,2
Pod
karp
acki
e6
750,
8–4
75–6
,61
129
20,1
1 24
922
,71
256
22,9
Pod
lask
ie3
174,
9–9
–0,3
–670
–17,
4–7
95–2
0,0
–805
–20,
2
Pom
orsk
ie6
708,
661
110
,079
013
,382
414
,073
512
,3
Ślą
skie
10 3
60,3
–1 5
15–1
2,8
–422
–3,9
–403
–3,7
–498
–4,6
Św
ięto
krzy
skie
4 00
1,7
–102
–2,5
180,
546
1,2
100,
2
War
miń
sko-
-m
azur
skie
5 78
8,2
199
3,6
711
14,0
775
15,5
708
13,9
Wie
lkop
olsk
ie6
754,
9–7
6–1
,1–7
9–1
,2–8
5–1
,2–1
91–2
,8
Zach
odni
o-po
mor
skie
4 35
2,9
90,
2–3
76–7
,9–2
25–4
,9–2
73–5
,9
Pols
ka98
243
,90
0,0
215
0,2
151
0,2
–763
–0,8
Źród
ło: o
prac
owan
ie w
łasn
e na
pod
staw
ie d
anyc
h M
RR
.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 59
błąd średni = 1
1 n
ii
Yn =∑ ,
błąd MAD12 = (( ) )n ni i j jMe Y Me Y− ,
gdzie:Xrz– wartośćrzeczywista, Xp – prognoza, Yi – błądwzględnyprognozy, n – liczbawojewództw, i,j = 1,2,…,16.
Tabelaprezentującawartościpowyższychmiernikówdlaposzczególnych latiwojewództw,zewzględunazbytdużąobjętość,zostałazamieszczonawzałącz-niku113.Analizaotrzymanychwynikówpozwalazauważyć,żeprognozypłatno-ściwramachNPR/NSRObyłygeneralnienietrafne14.Wielkośćodchyleńpłatno-ściodstanurzeczywistegoodzwierciedlonaprzezrelatywnebłędyprognozbyłajednakżebardzozróżnicowana(odbliskichzerado229%).Najwyższewartościwspomnianychbłędów(rzędukilkusetprocent)charakteryzująprognozęz2008r.dlapłatności realizowanychw tymroku.Wyraźneniedoszacowania transferówfinansowychmożnazłożyćnakarbzupełniepoczątkowej,aprzeztonierozpozna-nejdokońcafazynowejperspektywyfinansowej2007–2013,gdzie2008r.byłpierwszymrokiem,wktórymdokonywanebyłypłatnościwramachNSRO.Wko-lejnychlatachzarównotejprognozy,jakipozostałychrealizowanychwokresie2009–2012wielkościbłędówwzględnychzostaływydatnieograniczone,jakkol-wiektrzebapodkreślić,żewprzypadkuwszystkichwojewództwwdalszymciąguosiągaływniektórych latachwysokie,częstokilkudziesięcioprocentowewarto-ści.RelatywnieniskątrafnośćprognozpłatnościwramachNPR/NSRO,aczkol-wiekgradualnierosnącąwrazzkolejnymilatami,potwierdzająwartościmiernikaMAD(median absolute deviation)odpornegonaobserwacjeodstające.Nauwagęzasługujątakżerelatywniedużerozbieżnościmiędzyposzczegól-
nymi województwami w zakresie trafności prognoz transferów finansowych.Przykładowo, koncentrując się na prognozie z 2012 r., można zaobserwowaćprzeszacowaneo98%(852mlneuro)płatnościwprzypadkuwojewództwaślą-skiegoorazniedoszacowaneo39%(488mlneuro)transferywprzypadkuwoje-wództwałódzkiego(Załącznik–tabela1).Analiza struktury ekonomicznej płatności w ramach NPR/NSRO15 – przy
uwzględnieniupodziałuśrodkówna:infrastrukturępodstawowąIP(m.in.trans-
12 BłądMAD(median absolute deviation)–medianabezwzględnychodchyleńodmediany(Huber1996).
13 Załącznikdostępnynastronieinternetowej:http://www.studreg.uw.edu.pl/pdf/2014_4_za-leski_mogila_zalaczniki.pdf.
14 Wyjątek stanowiły tu: prognozy z 2008 r. dla województwa śląskiego dla 2010 r. orazz 2009/2010 r. dlawojewództwa łódzkiego dla 2009 r., gdzie relatywne błędy prognozy byłybliskiezera.
15 Zewzględunaograniczonąobjętośćartykułudanezostałyzamieszczonewzałączniku2dostępnym na stronie internetowej http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalaczniki.pdf.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO60
portową i telekomunikacyjną),bezpośredniąpomoc sektorowiprzedsiębiorstwBPSP(wsparcieinwestycjifirm)orazrozwójzasobówludzkichRZL(m.in.środ-kinaszkolenia,kursyitp.)–pozwalastwierdzić,żeipodtymwzględempro-gnozypłatnościunijnychodznaczająsięrelatywniewysokimiodchyleniamiodrzeczywistychwartościtransferówfinansowych,którezasiliłygospodarkiregio-nalnewlatach2008–2012.Jesttoszczególniezauważalnewprzypadkuprognozzarównoz roku2008, jak i 2009/2010, gdzieprzykładowo średnie regionalnewartośćbłędówprognozypłatnościzrealizowanychw2009r.kształtowałysięnapoziomieodpowiednio:14,6i14,7punktuprocentowegodlaIP;5,9i8,5punktuprocentowegodlaRZLoraz12,2i8,2punktuprocentowegodlaBPSP.Podobniejakwprzypadkuwartościśrodkówfinansowych,błędyprognozwzakresiestruk-turyekonomicznejwykazywałydużąrozbieżnośćmiędzyposzczególnymiwoje-wództwami(od–27,5punktuprocentowegowedługprognozyz2009/2010r.dlapłatnościwzakresieIPwwojewództwiewielkopolskimw2009r.do21punktówprocentowychwwojewództwielubuskim).
Zmienność rocznych prognoz płatności w ramach NPR/NSRO
Mającnauwadzewnioskisformułowanewpoprzedniejczęściartykułu,do-tyczącetrafnościprognoztransferówfinansowychwramachpolitykispójnościUEwlatach2008,2009,2010,2011i2012,wartotakżeprzyjrzećsięszacunkomwydatkówwokresie2013–201516,którezwiązanesąz implementacjąNSRO.Zebranedanepozwalająnaporównanieprognozwydatkowaniaśrodkówwla-tach2008,2009,2010,2011i2012.Badaniezostałoprzeprowadzonepodkątemocenyzmiennościprognoz,poprzezzestawienieprocentowychzmianwartościpłatnościdla lat2013–2015,prezentowanychwewspomnianychwyżej latach.Wykorzystanonastępującywzór:
Procentowazmianaprognozyzrokui wstosunkudoprognozyzroku j= 100%
i jp p
jp
X XX−
⋅ ,
gdzie: ipX – prognozazrokui,
jpX – prognozazrokuj.
Wynikianalizyzostałyzaprezentowanewtabeli2.
Wartodostrzec,żewewszystkichprognozachdokonanychdo2011r.aktu-alizacjaprojekcjiwydatkóww ramachNSROna lata2013–2015następowałapoprzezzmniejszenielubzwiększeniewartościpoprzednichprojekcjiotensamprocentdlawszystkichwojewództw.Przykładowodla2013r.prognozywydat-kówdlawszystkichregionówzaprezentowanew2009/2010r.powstałypoprzezpomniejszeniepredykcjiudostępnionychw2008r.o9,7%,natomiastdlaokre-su2014–2015wspomnianewielkościzostałypowiększoneodpowiednioo28,6i56,8%.Odzwierciedlatowsposóbtransparentnywysokązmiennośćszacunków
16 Płatnościw2015r.sąwynikiemzasadyn+2dotyczącejwykorzystaniafunduszydodwóchlatodkońcaperspektywyfinansowejUE.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 61Ta
b. 2
. Mec
hani
zm a
ktua
lizac
ji pr
ogno
z pł
atno
ści w
ram
ach
NP
R/N
SR
O (ś
rodk
i UE
+ k
rajo
we
wsp
ółfin
anso
wan
ie p
ublic
zne)
dla
lat 2
013–
2015
Woj
ewód
ztw
o
% z
mia
na p
rogn
oz
wyz
nacz
onyc
h w
201
3 r.
w s
tosu
nku
do p
rogn
oz z
201
2 r.
% z
mia
na p
rogn
oz
wyz
nacz
onyc
h w
201
2 r.
w s
tosu
nku
do p
rogn
oz z
201
1 r.
% z
mia
na p
rogn
oz
wyz
nacz
onyc
h w
201
1 r.
w s
tosu
nku
do p
rogn
oz
z 20
09/2
010
r.
% z
mia
na p
rogn
oz
wyz
nacz
onyc
h w
200
9/20
10 r.
w s
tosu
nku
do p
rogn
oz z
200
8 r.
2013
2014
2015
2013
2014
2015
2013
2014
2015
2013
2014
2015
Dol
nośl
ąski
e41
,7–7
,8–6
,0–3
9,6
–40,
2–3
0,2
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Kuj
awsk
o-
-pom
orsk
ie25
,2–1
8,6
–17,
0–3
1,9
–32,
6–2
1,3
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Lube
lski
e38
,3–1
0,1
–8,3
–23,
4–2
4,2
–11,
5–1
,9–1
,9–1
,9–9
,728
,656
,8
Lubu
skie
32,8
–13,
6–1
1,9
–34,
2–3
4,9
–24,
1–1
,9–1
,9–1
,9–9
,728
,656
,8
Łódz
kie
63,6
6,4
8,5
–25,
6–2
6,3
–14,
0–1
,9–1
,9–1
,9–9
,728
,656
,8
Mał
opol
skie
20,7
–21,
5–2
0,0
4,2
3,1
20,4
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Maz
owie
ckie
31,2
–14,
7–1
3,0
3,6
2,5
19,6
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Opo
lski
e53
,4–0
,31,
78,
67,
525
,4–1
,9–1
,9–1
,9–9
,728
,656
,8
Pod
karp
acki
e21
,9–2
0,7
–19,
224
,623
,343
,9–1
,9–1
,9–1
,9–9
,728
,656
,8
Pod
lask
ie30
,7–1
5,0
–13,
3–3
0,5
–31,
2–1
9,8
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Pom
orsk
ie48
,7–3
,3–1
,4–4
,2–5
,210
,6–1
,9–1
,9–1
,9–9
,728
,656
,8
Ślą
skie
10,9
–27,
9–2
6,5
5,9
4,8
22,3
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Św
ięto
krzy
skie
27,6
–17,
0–1
5,4
–4,3
–5,3
10,5
–1,9
–1,9
–1,9
–9,7
28,6
56,8
War
miń
sko-
-m
azur
skie
36,5
–11,
3–9
,52,
31,
218
,1–1
,9–1
,9–1
,9–9
,728
,656
,8
Wie
lkop
olsk
ie29
,2–1
6,0
–14,
3–1
1,3
–12,
22,
4–1
,9–1
,9–1
,9–9
,728
,656
,8
Zach
odni
o-po
mor
skie
31,6
–14,
4–1
2,8
–23,
1–2
3,9
–11,
2–1
,9–1
,9–1
,9–9
,728
,656
,8
Pols
ka31
,2–1
4,7
–13,
1–9
,8–1
0,7
4,2
–1,9
–1,9
–1,9
–9,7
28,6
56,8
Źród
ło: o
prac
owan
ie w
łasn
e na
pod
staw
ie d
anyc
h M
RR
z la
t 200
8, 2
009/
2010
, 201
1, 2
012
i 201
3.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO62
wciąguroku.Dopierowprzypadkuprognozpłatnościudostępnionychw2012i 2013 r.można zaobserwować zmianywmechanizmie aktualizacji predykcjizasadzającesięnaodrębnympodejściudokażdegowojewództwa.Rezultatemodejściaodwcześniejszejmetodyjestwysokazmiennośćprognozowanychpłat-nościmiędzyprojekcjamiudostępnionymiw2011 i2012r.–sięgającanawet43,9%w przypadkuwojewództwa podkarpackiego.Warto podkreślić, że pro-gnozyzaprezentowanew2013r.takżeodznaczająsiędużymirozbieżnościamiwstosunkudoprojekcjiz2012r.(nawetwysokości63,6%wprzypadkuwoje-wództwałódzkiego).Algorytm aktualizacji prognoz stosowany w latach 2008–2011 był mecha-
niczny, dlatego wyniki uzyskane przy jego użyciu trudno zaakceptować jakowiarygodne prognozy. Brak dywersyfikacji projekcji między poszczególnymiwojewództwaminależyuznaćzazbytuproszczonezałożeniewstosunkudorze-czywistości.WprzyszłościdoprognozowaniatransferówunijnychpowinnosięwykorzystywaćhistorycznedaneowydatkowaniufunduszywposzczególnychregionachiwcałejPolsce.Obecnie,w11.rokurealizacjipolitykispójności,danete stanowią bogate źródło informacji o profilachwydatków, ich cykliczności,strukturze,typachrealizowanychprojektów,procedurachwdrażaniairozliczaniafunduszy17.Wceluzminimalizowaniabłędówprognozmożnawykorzystaćfor-malnemetodyprobabilistyczneszeregówczasowych(lubinnemetodyprogno-zowania)(zob.Box,Jenkins1983)dokorekcjiwynikającejzbieżącegotempawydatkowaniatychśrodkówwposzczególnychregionach.
59,5 57,4
24,017,8
16,5 24,8
0102030405060708090
100
wg danych z roku 2008 wg danych z lat 2009–2013
BPSP
RZL
IP
Ryc. 2. Porównanie prognoz struktury wydatkowania środków w ramach NPR/NSRO na lata 2013–2015 według danych MRR z lat 2008, 2009/2010, 2011, 2012, 2013 (%)
Źródło: opracowanie własne na podstawie danych MRR z lat 2008, 2009/2010, 2011, 2012 i 2013.
Odmienniekształtujesięsytuacjawzakresieprognozstrukturyekonomicznejpłatności realizowanychwramachpolityki spójnościUE(rycina2).Mamy tudoczynieniazeswoistąpetryfikacjąpodziałufunduszynatrzykategorieekono-miczne(57,4%IP,24,8%BPSPoraz17,8%RZL).Brakzróżnicowaniawspo-mnianychprognoznapoziomie regionalnymstanowikolejnyczynnikmogącyzniekształcać rezultaty badań przeprowadzonych przy zastosowaniu modeli
17 Szczegółowemonitorowaniepostępuwdrażaniapolitykispójnościicyklicznasprawozdaw-czośćsąwymogiemKomisjiEuropejskiejnałożonymnawszystkiepaństwaczłonkowskieUE.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 63
makroekonomicznych,aczkolwieknależyzauważyć,żesameproporcjewydat-ków (z dominującą roląwydatków na IP) są zgodne z danymi historycznymiistrukturąalokacjiśrodkówfinansowychnaposzczególneprogramyoperacyjnewramachNSRO.
Trafność i zmienność prognoz płatności w ramach NPR/NSRO a wyniki analizy kontrfaktualnej
Wceluokreślenia,wjakimstopniujakośćwynikówanalizywpływupolity-kispójnościnagospodarkiregionalnedeterminowanajestprzezjakośćprognoztransferów w ramach NPR/NSRO, przeprowadzono symulacje makroekono-miczneprzyużyciu16regionalnychmodeliHERMIN.Modeleopierałysięna identycznymzakresieczasowymbazydanychstaty-
stycznych (1999–2009).Tymsamymkalibracjaparametrów ich równańbeha-wioralnych została przeprowadzona przy uwzględnieniu szeregów czasowychotejsamejdługości.Ponadtodlawszystkich16modeliprzyjętotesamezało-żeniacodokształtowaniasięsytuacjiwotoczeniuregionalnym(wPolsceinaświecie)18.Miałotonacelustworzenieodpowiedniejpodstawydoanalizykom-paratywnejuzyskanychrezultatów.Dlakażdegowojewództwaprzeprowadzonopięćodrębnychsymulacjiwyko-
rzystującychdaneo transferachw ramachNPR/NSROudostępnionew latach2008,2009/2010,2011,2012i2013.Miałotonaceluokreślenieskalizróżnico-waniawynikówwpływupolitykispójnościnarozwójregionalnywzależnościodwykorzystywanychdanych.Przezwspomnianywpływ rozumie się różnicę(w ujęciu absolutnym lub relatywnym) między wartością danego indykatoramakroekonomicznegow scenariuszu rozwojuwojewództwa uwzględniającymtransferyfinansowewramachNPR/NSROihipotetycznymscenariuszupomi-jającymoddziaływanietychśrodkównagospodarkiregionalne.Zewzględunaograniczenia objętościowe artykułu skupiono się na podstawowymwskaźnikuwykorzystywanymwanaliziemakroekonomicznejdoocenypoziomurozwoju,jakimjestPKBper capita.
Zmiany całkowitej alokacji transferów unijnych a skumulowany wpływ na PKB
Analizaporównawczadanychzawartychwtabeli3pozwalastwierdzić,żenaj-większeróżnicemiędzyskumulowanym(2004–2020)wpływempolitykispójno-ścinaPKBoszacowanymnapodstawiedanychz2013i2008r.dotycząwoje-wództw:kujawsko-pomorskiego(–16,019punktówprocentowych,prawie–40%
18 Głównezałożenia:kursEUR/PLNnapoziomie4,0rocznie;realnadynamikawzrostuPKBwUE-27napoziomie2%rocznie,deflatorspożyciaprywatnegonapoziomie2,5%rocznie(Ku-dełkoetal.2011).
19 WartośćtapowstałapoprzezodjęciewielkościwpływupolitykispójnościnaPKBwoje-wództwaoszacowanejnapodstawiedanychz2008r.odanalogicznejwielkościoszacowanejnapodstawiedanychz2013r.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO64
wodniesieniudowartościz2013r.–codomodułunajwyższawartośćwujęciuwzględnym);podkarpackiego(14,5punktuprocentowego,ok.18%);dolnoślą-skiego(–14,4punktuprocentowego,ok.–35%);podlaskiego(–14,1punktupro-centowego,prawie–30%);lubuskiego(–10,0punktówprocentowych,ok.–14%)i opolskiego (10,0 punktów procentowych, ok. 21%).Tak wysokie różnicewoszacowanychwartościachwpływusąwdużejmierzeefektemzmianzakłada-nychalokacjiśrodkówfinansowychwramachpolitykispójności.Współczynnikkorelacjimiędzy różnicamiw skumulowanymwpływie funduszy unijnych naPKBoraz różnicamiwprognozowanychalokacjach tychśrodków jestwysoki(R=0,98,liczbaobserwacjin=16),cowydajesiępotwierdzaćistotneoddzia-ływanieprognoztransferówfinansowychnafinalnerezultatybadańewaluacyj-nych.Ponadto,odnoszącdlakażdegoregionuróżnicemiędzycałkowitąalokacją
Tab. 3. Różnice między skumulowanymi (2004–2020) wynikami wpływu* NPR/NSRO na regionalny PKB w cenach stałych oszacowanymi przy zastosowaniu modeli HERMIN. Zaprezentowane wartości są wynikiem odjęcia od wyników symulacji przeprowadzonych na podstawie najbardziej aktualnych danych o płatnościach unijnych z 2013 r. (prezentowanych w kolumnie 2) oraz rezultatów symulacji bazujących na danych z lat 2008–2012 (punkty procentowe)
WojewództwoWyniki symulacji Różnice
2013 2008 2009/2010 2011 2012
Dolnośląskie 41,1 –14,4 –11,4 –7,1 2,3
Kujawsko-pomorskie 41,0 –16,0 –13,3 –9,9 –1,4
Lubelskie 48,0 –8,2 –5,3 –3,0 2,5
Lubuskie 71,6 –10,0 –9,3 –13,2 1,4
Łódzkie 53,4 –0,3 2,3 4,9 9,1
Małopolskie 42,2 –0,5 0,9 1,5 –2,9
Mazowieckie 51,1 5,3 6,7 4,2 0,2
Opolskie 47,1 10,0 11,1 9,4 5,8
Podkarpackie 81,7 14,5 17,0 15,3 –4,1
Podlaskie 48,4 –14,1 –12,1 –9,6 0,0
Pomorskie 67,0 6,1 7,9 8,3 6,6
Śląskie 55,2 –2,6 –0,7 –1,2 –6,7
Świętokrzyskie 75,8 –1,6 1,0 0,9 –1,1
Warmińsko-mazurskie 78,2 7,6 11,5 10,5 3,5
Wielkopolskie 42,8 –3,0 –1,3 –0,4 –0,3
Zachodniopomorskie 48,1 –2,2 –1,0 –3,3 0,3
Źródło: opracowanie własne na podstawie danych MRR z lat 2008, 2009/2010, 2011, 2012 i 2013.
* Wykorzystano relatywne wartości wpływu NPR/NSRO na PKB w cenach stałych wskazujące, o ile procentowa wartość tego indykatora jest wyższa/niższa w porównaniu z hipotetyczną sytuacją, gdyby polityka spójności nie była realizowana.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 65
prognozowanąw2013i2008r.dojegoPKB20(wceluuwzględnieniawielkościekonomicznej województwa), można zauważyć, że najwyższymi wartościamipodtymwzględemodznaczająsięwojewództwa:podlaskie(–9,7%),podkarpac-kie(9,1%),kujawsko-pomorskie(8,1%),warmińsko-mazurskie(7,1%),opolskie(7,0%), dolnośląskie (–6,5%) i lubuskie (–6,1%), awięc regiony, dla którychwspomnianeróżnicewskumulowanychwpływachpolitykispójnościsąnajwyż-sze.Należyzauważyć,żedlawiększościregionówróżnicemiędzyskumulowa-nym(2004–2020)wpływempolitykispójnościnaPKBoszacowanymnapodsta-wiedanychz2013i2012r.sąjużznaczącomniejsze.Wprzypadkuwojewództwłódzkiegoiśląskiegoodnotowanerozbieżnościwwynikachsymulacjiwynosząodpowiednio 9,1 punktu procentowego (ok. 17% w odniesieniu do wartościz2013r.)i6,7punktuprocentowego(ok.12%),comożnauznaćzastosunkowoistotnezmiany.Trzebapodkreślić,żewyraźnezmianywzakresiealokacjifundu-szyunijnychwukładzieregionalnymmogąstanowićde factoozmianiespecyfikipolitykispójności,cozkoleiznajdujeodzwierciedleniewrezultatachsymulacjimakroekonomicznych.Dobrąegzemplifikacjąpowyższejtezyjestwojewództwopodlaskie–jedenznajbiedniejszychregionówPolskiiUE–gdzieograniczeniealokacjiwramachNPR/NSROprzyczyniłosiędozmniejszeniawpływupolitykispójnościnadynamikęrozwojutegowojewództwaitymsamymnaprocesykon-wergencyjnemiędzynimaśredniąunijnąiPolskijakocałości.
Trafności i zmienność prognoz transferów unijnych a wpływ na PKB w poszczególnych latach
Na podstawie przeprowadzonych symulacji21 można stwierdzić, że różnicemiędzywartościamiwpływupolityki spójnościnaPKBwposzczególnych la-tach, oszacowanymina podstawie danych z lat 2008, 2009/2010, 2011, 2012,a analogicznymi wartościami oszacowanymi na podstawie danych z 2013 r.sięgająwujęciubezwzględnymnawet3,69punktuprocentowego(2013r.wo-jewództwo podkarpackie).W przypadkuwojewództw podkarpackiego, podla-skiego,lubuskiegoiopolskiegowspomnianerozbieżnościsąnajwyższe.Zkoleitakieregionyjakwielkopolskieimałopolskiecharakteryzująsięrelatywnienie-wielkimiróżnicamimiędzyrocznymiwartościamiwpływuoszacowanymiprzyzastosowaniuprognoztransferówzróżnychlat.Wujęciuwzględnym22rozbież-nościosiągająpoziomnawet88%(2009r.województwozachodniopomorskie).Największerozbieżnościmożnazaobserwowaćwprzypadkuwojewództw:opol-skiego(średnio26%23),podkarpackiego(średnio21%),kujawsko-pomorskiego(średnio20%)idolnośląskiego(średnio18%).Zkoleinajmniejszymiróżnicami
20 WtymprzypadkuPKBz2007r.–pierwszegorokurealizacjiNSRO.21 Wynikisymulacjizostałyzamieszczonewzałączniku3,dostępnymnastronieinterneto-
wej:http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalacznik.pdf.22 Doobliczeńwykorzystanyzostałwzórpodanywpodrozdziale„Zmiennośćcałkowitejalo-
kacjiśrodkówfinansowychwramachNPR/NSRO”niniejszegoartykułu,s.57.23 Wartośćpowstaławwynikuobliczeniaśredniejbezwzględnychróżniczlat2008–2020dla
danychzlat2008,2009/2010,2011,2012.
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO66
charakteryzująsiętakieregiony,jak:świętokrzyskie(średnio6%),wielkopolskie(średnio7%),śląskie(średnio8%)orazmałopolskie(średnio8%).2008 tode factopierwszyrok,wktórympojawiłysiępłatności.Powstałerozbieżnościmoż-natuprzypisaćbrakowimożliwościwłaściwegorozpoznaniapotencjałuabsorp-cyjnegoregionów.Wprzypadkupóźniejszychlatwspomnianetłumaczenietracinaznaczeniu,mimotoanalizowaneróżnicemiędzywynikamiwpływupozostająznaczące(szczególniewyróżniasiętuwojewództwołódzkie,wprzypadkuktó-regoróżnicemiędzywynikamiotrzymanymiw2013i2012r.sięgająod0,32do2,13punktuprocentowego,podczasgdywewcześniejszychlatachnieprzekra-czały1,65punktuprocentowego).
Podsumowanie
Analizakontrfaktualnaopartanamodelowaniumakroekonomicznymstano-wiważnyelementbadańewaluacyjnychpolitykispójnościpozwalającyuchwy-cić i skwantyfikowaćnie tylkobezpośrednie efekty tej polityki, lecz także jejszersze, bardziej globalne oddziaływanie na procesy społeczno-gospodarcze.Przedewszystkimzaśmodelowaniemakroekonomiczneprzeprowadzonewspo-sóbzgodnyzkanonamibadańnaukowychpozwalasformułowaćwielecennychwnioskówdotyczącychwpływudanejinterwencjifinansowejnazależnościmię-dzywskaźnikamimakroekonomicznymi. Jakw przypadkuwszystkichmodeliekonomicznych uzyskiwane rezultaty powinny być interpretowane przez pry-zmatwarunkującychjezałożeń.Należypodkreślić,żewynikioddziaływaniapolitykispójnościnarozwójre-
gionalnydeterminowanesąprzeztakieczynniki,jak:skalaistrukturapłatnościw ramach tej polityki; rodzaj narzędzia badawczego (model makroekonome-tryczny, równowagiogólnej,Input-Outputetc.);charakterscenariuszarozwojuspołeczno-gospodarczego (kryzys versus prosperity); aktualizacja dostępnychdanych.Celemniniejszegoartykułubyłozaprezentowanie,jakiwpływnawyni-kisymulacjimakroekonomicznychprzeprowadzonychprzyzastosowaniuregio-nalnychmodeliHERMINwywierajązmianywprognozachpłatnościwramachNPR i NSRO udostępniane przezMinisterstwoRozwoju Regionalnegow la-tach2008–2013.Nakanwiezrealizowanegobadaniasformułowanonastępującewnioski:• OiledlaPolskijakocałościróżnicemiędzycałkowitymialokacjamifunduszyunijnychwedługdanychudostępnianychw latach2008–2013 są relatywnieniewielkie,otylenapoziomiewieluregionówsąonejużwysokie,sięgającaż32%wprzypadkuwojewództwaopolskiego.Nawetwciągurokumiędzyprze-kazaniemwspominanych danychwystępują znaczące zmiany. PrzykładowoalokacjaśrodkówfinansowychwramachNPR/NSROprzeznaczonychnawo-jewództwołódzkiewedługdanychz2013r.mabyćoponad19%większaniżsumatychśrodkówwedługdanychz2012r.Ponadtonależyzwrócićuwagęnawydatneograniczeniealokacjifunduszydlawojewództwpodlaskiegoilu-belskiego.Mającnauwadzefakt,żesątojedneznajbiedniejszychregionówPolski iUE, takiemodyfikacjeregionalnegorozkładuśrodkówfinansowych
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 67
mogązastanawiać–wszczególnościjeżeliweźmiesiępoduwagęgłównycelpolityki spójnościw latach2004–2013, jakim jestkonwergencja społeczno--gospodarcza.
• Należy zauważyć, że prognozy regionalnych rocznych płatności w ramachNPR/NSRObyłygeneralnienietrafne(ok.70%znichcharakteryzowałosiębłędem prognozy przekraczającym 10%). Wielkość odchyleń płatności odstanurzeczywistegobyłajednakżebardzozróżnicowana(odbliskichzerado229%).
• Algorytmaktualizacjiprognozstosowanywlatach2009–2011byłczystome-chaniczny(zmniejszenielubzwiększeniewartościpoprzednichprojekcjiotensamprocentdlawszystkichwojewództw).Dopierowprzypadkuprognozpłat-nościopracowanychw2012 i2013 r.możnazaobserwowaćzmianywme-chanizmie aktualizacji predykcji zasadzające się na odrębnympodejściu dokażdegowojewództwa.Całyczasjednakwystępujądużeróżnicemiędzypro-gnozamiudostępnionymiw2012i2013r.(nawetwysokości63,6%wprzy-padkuwojewództwałódzkiego).
• Wprzypadkuprognozdotyczącychstrukturypłatnościwramachpolitykispój-nościzauważalnyjestbrakichtrafnościdlalat2008–2012.Ponadtoprognozypodziałufunduszynakategorieekonomicznedlalat2013–2015sąidentycznedlawszystkichwojewództw.Brakzróżnicowaniawspomnianychprognoznapoziomieregionalnymstanowikolejnyczynnikmogącyzniekształcaćrezulta-tybadańzrealizowanychprzyzastosowaniumodelimakroekonomicznych.
• PrzeprowadzoneprzyużyciumodeliHERMINsymulacjewskazują, żenaj-większe różnicemiędzy skumulowanym (dla okresu 2004–2020) procento-wymwpływempolitykispójnościnaPKBoszacowanymnapodstawiedanycho transferachunijnychz2013 i2008r.dotycząwojewództw:kujawsko-po-morskiego (–16,0 punktów procentowych, prawie –40% w odniesieniu dowartościz2013r.–najwyższawartośćwujęciuwzględnym);podkarpackiego(14,5punktuprocentowego,ok.18%);dolnośląskiego(–14,4punktuprocen-towego,ok.–35%);podlaskiego(–14,1punktuprocentowego,ok.–30%);lu-buskiego(–10,0punktówprocentowych,ok.–14%)iopolskiego(10,0punk-tówprocentowych,ok.21%).
• RóżnicemiędzywartościamiwpływupolitykispójnościnaPKBwposzcze-gólnych latach,oszacowanyminapodstawiedanychz lat2008,2009/2010,2011 i2012, a analogicznymiwartościamioszacowanyminapodstawieda-nychz2013r.sięgająwujęciubezwzględnymnawet3,69punktuprocentowe-go(2013r.województwopodkarpackie).Wujęciuwzględnymrozbieżnościosiągająpoziomnawet88%(2009r.województwozachodniopomorskie).
• Wysokie różnice w oszacowanych wartościach wpływu są ceteris paribus efektemzmianzakładanychalokacjiśrodkówfinansowychwramachpolitykispójności,gdyżwszystkiesymulacjezostałyprzeprowadzoneprzyidentycz-nychzałożeniachokształtowaniusięprocesówgospodarczych.WspółczynnikkorelacjimiędzyróżnicamiwskumulowanymwpływiefunduszyunijnychnaPKBorazróżnicamiwprognozowanychalokacjachtychśrodkówjestwysoki(R=0,98).Zróżnicowanacharakterystyka regionów–m.in. podwzględem
JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO68
siły keynesowskiego mechanizmu mnożnikowego czy skali efektów poda-żowych–powoduje,żezmianywalokacjiśrodkówfinansowychoddziałujązróżnąintensywnościąwposzczególnychregionach.
• Niniejszytekstpokazuje,żeprognozowaniewydatkówUEdlakolejnejper-spektywyfinansowejpowinnobazowaćnawykorzystaniuhistorycznychda-nychowydatkowaniufunduszyorazzastosowaniumetodprobabilistycznych.Zapewnieniewysokiejjakościprognozpłatnościjesttymbardziejistotne,żemetody kontrfaktualne stanowić będą jedną z podstawowychmetod ewalu-acyjnychwokresieprogramowania2014–2020.Abywynikibadańtegotypubyływiarygodne, stabilne i przydatnedladecydentówwprzyszłejperspek-tywiefinansowej,należyjużodsamegopoczątkuwypracować(iprzezcałyokres udoskonalać) techniki prognozowania minimalizujące błędy prognozpłatnościzUE.
Literatura
BarcaF.,2009,An Agenda for a Reformed Cohesion Policy. A place-based approach to meeting European Union challenges and expectations. Independent Report prepared attherequestofDanutaHübner,CommissionerforRegionalPolicy.
BoxG., JenkinsG., 1983,Analiza szeregów czasowych. Prognozowanie i sterowanie, Warszawa:PaństwoweWydawnictwoNaukowe.
BradleyJ.,UntiedtG.,2010,The COHESION system of HERMIN country and regional models: Description and operating manual,Version3,Muenster:GEFRA,EMDS.
BradleyJ.,UntiedtG.,ZaleskiJ.,2009,The Economic Return of Cohesion Expenditure for Member States.DirectorateGeneral for Internal PoliciesPolicyDepartmentB:StructuralandCohesionPolicies,Brussels:TheEuropeanParliament’sCommitteeonRegionalDevelopment.
BradleyJ.,ZaleskiJ.,2003,„ModellingEUaccessionandstructuralfundimpactsus-ing thenewPolishHERMINmodel”,w:W.Welfe (red.),Modelling Economies in Transition,Proceedingsofthe7thConferenceoftheInternationalAssociation,Łódź:AMFET.
HuberP.J.,1996,Robust statistical procedures,Proc.CBMS–NSFRegionalConferenceSeriesinAppliedMathematics,Philadelphia:SIAM.
Investing in Europe’s future, Fifth report on economic, social and territorial cohesion, 2010,Brussel:EuropeanCommission.
Mogiła,Z.,TomaszewskiP.,Zaleski J., 2010, „EffectsofEUCohesionPolicyon so-cial andeconomicdisparitiesbetweenPolandandSlovakia–comparativeanalysisbased on the macroeconomic HERMIN models”, Regional Disparities in Central and Eastern Europe. Theoretical Models and Empirical Analyses, Bratislava: TheInstituteofEconomicResearchoftheSlovakAcademyofSciences,ProceedingsoftheConference,Smolenice.
Mogiła Z., Zaleski J., 2010, „Jakość informacji przekazywanych przez administracjępubliczną i ich znaczeniedlaprocesu ewaluacjiwpływupolityki spójności na roz-wójspołeczno-gospodarczykraju”,Zarządzanie Publiczne,nr2,s.31–46,Kraków:MSzAP.
JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 69
The New Programming Period 2000–2006: Methodological working papers. Working paper 2. The ex ante evaluation of the Structural Funds interventions,2006,EuropeanCommission,Directorate-GeneralXVIRegionalPolicyandCohesion.
The New Programming Period 2007–2013. Indicative guidelines on evaluation me-thods: ex ante evaluation. Working document no. 1, 2006, European Commission,Directorate-GeneralRegionalPolicy.
TreyzF.,TreyzG.,2003,„EvaluatingtheregionaleconomiceffectsofStructuralFundsprogramsusingtheREMIPolicyInsightModel”,referatnaVEuropejskąKonferencjęo Ewaluacji Funduszy Strukturalnych pt. Challenges for evaluation in an enlargedEurope,Budapest,26–27.06.
VargaJ.,in’tVeldJ.,2008,„Macro-EconomicImpactAssessmentofEUCohesionpolicywith theQUESTModel”, BICEPS conference (Stockholm School of Economics),Riga,29.05.
Zalecenia w zakresie ewaluacji ex-ante programów operacyjnych na lata 2014–2020, 2012,Warszawa:DepartamentKoordynacjiPolitykiStrukturalnej.
ZaleskiJ.,KorfT.,KudełkoJ.,MogiłaZ.,PoprochA.,ZaleskaM.,2013,Ocena wpływu realizacji polityki spójności na kształtowanie się wybranych wskaźników makroekono-micznych na poziomie krajowym i regionalnym za pomocą modeli makroekonomicz-nych HERMIN. Raport 1,Wrocław:WARR.
Zaleski J., Kudełko J., Mogiła Z., Poproch A., Tomaszewski P., Zaleska M., 2012,Prognoza trendów rozwojowych województwa warmińsko-mazurskiego. Raport 2, Wrocław:WARR.
ZaleskiJ.,Wojtasiak-TerechA.,TomaszewskiP.,ZembatyM.,2008,Wpływ realizacji inwestycji finansowanych z funduszy unijnych na kształtowanie się głównych wskaźni-ków dokumentów strategicznych – Narodowego Planu Rozwoju i Narodowej Strategii Spójności oraz innych wybranych wskaźników makroekonomicznych na poziomie kra-jowym i regionalnym za pomocą modelu krajowego i modeli regionalnych HERMIN, Warszawa:MinisterstwoRozwojuRegionalnego.DepartamentKoordynacjiPolitykiStrukturalnej.
Źródła danych finansowych wykorzystanych w artykule:1. Danezroku2008:przekazaneprzezMRRdrogąelektronicznąwdniu2.04.2008r.,
wykorzystanewbadaniu(Zaleskietal. 2008).2. Danezroku2009:przekazaneprzezMRRdrogąelektronicznąwdniu20.01.2010r.3. Danezroku2010:przekazaneprzezMRRdrogąpocztowąwdniu2.06.2010r.4. Danezroku2011:przekazaneprzezMRRdrogąpocztowąwdniu8.04.2011r.5. Danezroku2012:przekazaneprzezMRRdrogąelektronicznąwdniu25.09.2012r.6. Danezroku2013:przekazaneprzezMRRdrogąelektronicznąwdniu13.03.2013r.,
wykorzystanewbadaniu(Zaleskietal.2013).
Strony internetowe:http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalaczniki.pdf.
Top Related