China moet werk maken van onevenwichtigheden en productiviteitsgroei

Als gevolg van het behalen van hoge bbp-groeidoelstellingen zijn binnenlandse onevenwichtigheden verder toegenomen. Het gaat hier onder meer om excessieve schuldontwikkeling, toenemende inkomensongelijkheid en meer milieuvervuiling. Om dit te beperken is zogenoemde prioritering van kwaliteit boven kwantiteit van economische groei van groot belang. Hierdoor zal de bbp-groei in de komende jaren naar verwachtingen lager uitvallen, maar deze groei is wel duurzamer. Voor de wat langere termijn geldt dat als China zijn onderwijs- en innovatieagenda, kwaliteit van regelgeving en instituties verbetert, het land via structurele productiviteitsgroei de middeninkomensval kan ontlopen. Dit illustreren wij aan de hand van drie scenario’s.

In de monetaire economie wordt vaak gerefereerd aan de zogenoemde onmogelijke driehoek ‘impossible trinity’ (Obstfeld et al., 2005). Deze driehoek weerspiegelt het dilemma dat het onmogelijk is om de drie beleidsdoelen van een vast wisselkoersregime, vrij verkeer van kapitaal en onafhankelijk monetair beleid tegelijkertijd na te steven. China worstelt ook met dit specifieke dilemma (Metzemakers, 2018). In deze context geldt verder dat Chinese beleidsbepalers ook te maken hebben met een ander trilemma: de wens om hoge bbp-groei te realiseren is namelijk niet tegelijkertijd verenigbaar met het verminderen van negatieve financiële en sociale externaliteiten zoals excessieve schuldontwikkeling, milieuvervuiling en inkomensongelijkheid (figuur 1), hoewel dit zeker geen economische wetmatigheid is.

Financiële (in)stabiliteit

De hoge economische groei van gemiddeld 7 procent sinds 2013 is mede mogelijk gemaakt door monetaire verruiming en fiscale stimulering, zoals (lokale) publieke investeringen in infrastructuur en vastgoed. Als gevolg hiervan zijn de totale schuldniveaus fors opgelopen van grofweg 195 procent van het bbp in 2012 tot 260 procent van het bbp in 2017. Het is bekend dat een dergelijke versnelde schuldopbouw kan leiden tot lagere economische groei of financiële crises (Cecchetti et al., 2011; Minsky, 1992). Beperken van deze schuldontwikkeling is de afgelopen maanden dan ook meermalen als topprioriteit bestempeld bij belangrijke evenementen van de Chinese communistische partij, zoals het vijfjaarlijkse Partijcongres en de jaarlijkse Central Economic Work Conference (Giesbergen, 2017). Gezien de omvang en complexiteit van de Chinese economie en financiële sector is het de vraag of beleidsmakers in staat zijn om de huidige risico’s op het terrein van financiële instabiliteit te beperken. Hoewel China momenteel pogingen onderneemt, heeft het geen eerdere ervaringen met het beperken van dergelijke financiële instabiliteitsrisico’s. Een (te) strenge aanscherping van kredietvoorwaarden en -verlening vergroot de kans op instabiliteit, vooral als beleidsmakers harder op de rem trappen dan eerder is aangenomen.

Wanneer we de huidige schuldniveaus onder de loep nemen, dan bevindt het potentiële gevaar zich vooral op het terrein van schulden bij niet-financiële bedrijven en (lokale) overheden. Hoewel de schuld van huishoudens weliswaar is opgelopen van 29,7 procent van het bbp in 2012 naar 46,8 procent van het bbp in 2017, is het niveau zelf nog relatief beperkt. De staatsschuldquote van de overheid is met 45,7 procent van het bbp ook relatief beperkt (figuur 2). Hierbij speelt wel de vraag of de centrale overheid garant staat voor de schulden van lokale overheden en staatsbedrijven. Zo hebben kredietbeoordelaars Moody’s en S&P in 2017 hun kredietratings naar beneden bijgesteld vanwege die eventuele kans op een zogenoemde bail-out van dergelijke schuldposities (Moody’s, 2017; Bloomberg, 2017). Verder roept de berichtgeving van datamanipulatie door provinciale overheden vragen op over de juistheid van de schuldratio (SCMP, 2018). Wanneer de economische groei en het rendement op investeringen een stuk lager blijken te zijn dan eerder gedacht dan is er immers minder ruimte om schulden terug te betalen.

Een groot deel van de Chinese schuld is geconcentreerd in de zogenoemde schaduwbankensector. Hier vindt kredietverlening buiten reguliere bancaire kanalen plaats met daarop beperkter toezicht. Dit zorgt voor een groter risico op financiële instabiliteit. Afhankelijk van de gekozen definitie bedroeg de totale omvang van deze sector op basis van data van de Chinese centrale bank (People’s Bank of China, PBoC) grofweg 4.000 miljard USD eind 2016, een toename van 64 procent in vergelijking met eind 2012 (Chui en Upper, 2017). Een oorzaak van deze stijging heeft te maken met liberalisatie van krediet- en depositorentes. Eerder bepaalde de centrale bank deze nog, maar sinds 2013 zijn deze rentes geliberaliseerd waardoor de winstgevendheid van banken onder druk is komen te staan. Hierdoor zijn banken meer inkomsten gaan genereren via andere kanalen, zoals het verstrekken van off-balance sheet vermogensproducten.[1] Met name zogenoemde wealth management products zijn een veel gebruikt product in deze schaduwsector, vooral vanwege een (verwacht gegarandeerd) relatief hoog rendement voor investeerders. Er bestaan diverse voorbeelden van dat deze garantie zeker niet altijd wordt waargemaakt (Reuters, 2017). De aanzienlijke stijging van dit type schulden kan zorgen voor flinke instabiliteit als gevolg van toenemende wanbetalingen vanuit banken aan verstrekkers van vermogen.

[1] In die zin geldt dat het hier meer gaat om de ‘schaduw van banken’ en niet om instellingen zoals wij die kennen via de activiteiten van financieringsmaatschappijen (waaronder maatschappijen die zich bezighouden met leasing), van special purpose vehikels (SPV’s), hedgefondsen, geldmarktfondsen en handelaren in financiële instrumenten – zoals kredietderivaten, obligaties en gestructureerde financiële producten (Boonstra, 2014).

Inkomensongelijkheid en milieuvervuiling

Los van de toenemende kans op financiële instabiliteit heeft de groeistimulering van de afgelopen jaren ook geleid tot andere negatieve externaliteiten zoals meer inkomensongelijkheid en milieuvervuiling. Dat de inkomensongelijkheid in de afgelopen jaren is toegenomen wordt duidelijk geïllustreerd door de sterke toename van de index van de Gini-coëfficiënt[2] sinds 2010 (figuur 3). Kort gezegd is dit een maatstaf die inkomensongelijkheid meet. Om ervoor te zorgen dat iedereen profiteert van de groei willen beleidsmakers deze ongelijkheid verminderen. Het is daarom de verwachting dat de focus op het behalen van groeidoelstellingen van de afgelopen jaren plaatsmaakt voor de verdeling van de groei (Bloomberg, 2017). Om de toegenomen inkomensongelijkheid tegen te gaan, zijn gerichte hervormingen noodzakelijk zoals de implementatie van een progressief belastingstelsel, meer inkomensoverdrachten voor lagere inkomens en de ontwikkeling van een breder sociaal vangnet op het gebied van gezondheidszorg en pensioenen.

Bijkomend voordeel van dergelijke maatregelen is dat niet alleen de inkomensongelijkheid kan worden verminderd, maar dat er tevens wordt bijgedragen aan een hogere marginale consumptiequote. De spaarquote van Chinese huishoudens bedroeg in 2016 maar liefst 37 procent (OECD, 2016), vooral als gevolg van beperkt ontwikkelde instituties (sociale vangnetten) waardoor huishoudens genoodzaakt zijn tot hogere besparingen uit voorzorgsmotief. Een lagere spaarquote als gevolg van gerichte institutionele hervormingen past daarmee in lijn van de bredere doelstelling om het belang van export en grootschalige investeringen voor toekomstige economische groei af te bouwen en deze groei veel meer te laten bepalen door particuliere consumptie en de dienstensector (box 1).

[2] De Gini-coëfficiënt is een maatstaf tussen de 0 en 100. Bij een waarde van 0 is het inkomen/vermogen van iedereen gelijk, terwijl in het geval van 100 één persoon al het inkomen/vermogen bezit. Hier maken we gebruik van een index met 2010 als basisjaar.

Meer milieuvervuiling is vooral veroorzaakt door de rol die was weggelegd voor de industriële sectoren, zoals de staal- en kolensector. Om deze vervuiling terug te dringen, zijn maatregelen geïmplementeerd die op korte termijn zorgen voor een lagere (of negatieve) bijdrage aan de bbp-groei via lagere industriële productie en minder investeringen in vaste activa in gerelateerde sectoren. Zo is in 2016 besloten dat zowel de staal- als de kolenindustrie haar productie flink omlaag moest brengen naar 2020 toe. In de afgelopen twee jaar zijn deze doelen ruimschoots gehaald (tabel 1)

Maar ondanks de afname van de investeringsgroei in deze sectoren bleven de totale investeringen enigszins op peil, bijvoorbeeld door hogere investeringen in (elektrische) auto’s (figuur 5). Daarmee biedt deze transitie ook kansen. Zo neemt China een steeds groter deel van de mondiale investeringen en productie van elektrische auto’s en zonnepalen voor zijn rekening met als uiteindelijke doel om in 2030 wereldleider te zijn in schone energie (WRI, 2017).

Op korte termijn zullen Chinese beleidsmakers dus te maken krijgen met een afruil tussen enerzijds het realiseren van hun economische groeidoelstelling en anderzijds het beperken van verschillende negatieve externaliteiten. Wanneer de Partij kiest voor kwaliteit van groei, zal deze groei op korte termijn zeker lager uitvallen. Op middellange termijn staan beleidsmakers wellicht nog voor een grotere uitdaging, namelijk het verhogen van productiviteitsgroei om de zogenoemde ‘middeninkomensval’ te ontlopen.

Veel opkomende economieën krijgen te maken met de zogenoemde middeninkomensval. Dit betekent dat de economische groei sterk terugvalt wanneer het welvaartsniveau per hoofd van de bevolking een bepaalde drempelwaarde heeft bereikt. Deze drempelwaarde ligt ergens tussen USD 12.000 en USD 18.000 (Eichengreen et al., 2013), omdat lonen bij dit welvaartsniveau aanzienlijk stijgen en een economie hierdoor haar comparatieve kostenvoordeel verliest. Landen die vast zijn gelopen in de middeninkomensval zijn bijvoorbeeld Thailand, Brazilië en Mexico (figuur 6).

Landen die de middeninkomensval hebben weten te ontlopen, zijn bijvoorbeeld Japan, Zuid-Korea en Ierland. Deze landen hebben hun economie tijdig weten te transformeren en zijn overgeschakeld op economische groei die niet zozeer afhankelijk is van de inzet van extra mensen of kapitaal, maar van zogenoemde totale factorproductiviteit (TFP). TFP meet de economische groei die niet kan worden toegeschreven aan de extra inzet van arbeid en kapitaal en is daarmee een goede graadmeter voor de efficiëntie van een economie. TFP is van veel verschillende factoren afhankelijk, zoals investeringen in onderzoek & ontwikkeling (o&o), technologische catching-up, de inzet van arbeid, de conjunctuur, investeringen in menselijk kapitaal en ondernemerschap[3]. Eichengreen et al. (2013) laten inderdaad zien dat opkomende landen die investeren in de ontwikkeling van hoogwaardig menselijk kapitaal een lagere kans hebben om vast te lopen in de middeninkomensval. Ook een hoger aandeel van hightech-sectoren in de totale export verkleint de kans op een groeivertraging.

China en de middeninkomensval

In 2016 lag de gemiddelde Chinese arbeidsproductiviteit op een magere USD 11,6 per uur, waarmee het land net productiever is dan de Filipijnen (USD 9,4 per uur), maar minder productief dan Indonesië (USD 12,7 per uur). Het zal voor China dus een behoorlijke opgave worden om de arbeidsproductiviteit de komende tijd te verhogen en te voorkomen dat de economie vastloopt in de middeninkomensval. Bedrijven verplaatsen reeds een deel van de laaggeschoolde productie van onder meer elektronica vanuit China naar landen in de regio met relatief lagere lonen, zoals Vietnam, Thailand en de Filipijnen (The Economist, 2015). De vraag is hoe China productiviteitsgroei kan realiseren die niet zozeer het gevolg is van grootschalige investeringen in onder meer infrastructuur en industriële productie, maar het gevolg is van een structureel hogere TFP-groei.

Op het gebied van innovatie lijkt China op basis van zijn eigen statistieken met 800.000 patenten per jaar nu al een stuk innovatiever dan de meeste andere landen, inclusief de Verenigde Staten. Maar als we kijken naar het aantal patenten dat uniek is voor de Amerikaanse markt (wat een goede graadmeter vormt voor unieke mondiale inventies), dan telt China slechts twee patenten per 100.000 personen van de beroepsbevolking, tegen bijvoorbeeld 430 patenten in Japan en 255 in Zuid-Korea (figuur 7). Hoewel investeringen in onderzoek en ontwikkeling als percentage van het bbp gelijk is aan het EU-gemiddelde, lijkt de besteding minder effectief. Slechts 4 procent van deze investeringen zijn gericht op fundamenteel onderzoek; het overgrote deel gaat naar onderzoek op het gebied van infrastructuur (OECD, 2015). Er kunnen dus vraagtekens worden gezet bij de doelmatigheid van de Chinese investeringen in kennis. Ook als het gaat om de kwaliteit van het onderwijs scoort China ver onder het internationale gemiddelde. De gemiddelde opleidingsduur van de bevolking ouder dan 25 jaar ligt op 7,5 jaar, vergelijkbaar met het niveau van landen als Algerije en Uganda. Meer specifiek heeft slechts 2,4 procent van de Chinese populatie ouder dan 25 jaar hoger onderwijs afgerond, lager dan in India (6,1 procent) en significant lager dan andere Aziatische landen zoals Zuid-Korea (35 procent) en Japan (20 procent).

Mocht China in staat zijn om de structurele productiviteitsgroei aan te jagen en werk te maken van TFP-groei, dan is het interessant na te gaan wat de economische effecten zijn en of het voldoende is om de middeninkomensval te ontlopen. Dit behandelen we aan de hand van drie scenario’s.

[3] Zie onder meer Erken, Donselaar en Thurik (2016) voor een overzicht van de literatuur en eigen eclectische TFP-modellen.

Wanneer China een goede onderwijs- en innovatieagenda lanceert, kan de productiviteit en in het verlengde daarvan de welvaart, aanzienlijk stijgen. Om te bepalen welke factoren een significant effect hebben gehad op het al dan niet ontlopen van de middeninkomensval, maken we gebruik van een panelmodel voor een groep landen die vanuit een relatief laag welvaartsniveau in de loop der tijd aanzienlijke groei hebben doorgemaakt (Erken, 2017). Uit de modelschatting blijkt dat meer technologisch en menselijk kapitaal, openheid van de economie en de kwaliteit van arbeidsmarkt- en kredietverleningsregelgeving belangrijke factoren zijn voor hogere productiviteitsgroei (zie bijlage 1). Op basis van dit model berekenen we voor China de mogelijke productiviteitsgroei langs drie scenario’s (tabel 2).

Hoewel de forse investeringen na de Grote Recessie de groei sterk hebben gestimuleerd, nemen de marginale baten van extra investeringen af. In ons basispad neemt de bijdrage van kapitaal daarom af van 3,4 procentpunt in 2017 naar 2,0 procentpunt in 2025 (figuur 8). Zonder extra beleid blijft de TFP-groei per jaar in het basispad stabiel rond de 1,4 procent (tabel 2). In het eerste scenario verhogen we tot 2025 geleidelijk de hoeveelheid patenten per 100.000 personen naar het niveau van Singapore (123 patenten per 100.000 werkenden). In het tweede scenario verhogen we geleidelijk het hoger onderwijsniveau voor mensen ouder dan 25 van één maand nu tot één jaar, wat gelijk staat aan het niveau in Japan en Griekenland. In het derde en laatste scenario stijgt de kwaliteit van de regulering naar het niveau van Portugal en de mate van openheid van de economie tot het niveau van Griekenland en Costa Rica.

De som van de verwachte afname van de kapitaalverdiepingsbijdrage, de baseline en van de TFP-effecten van alle scenario’s uit tabel 2 toont dat de arbeidsproductiviteitsgroei in China niet geleidelijk zal afnemen tot 3,5 procent in 2025, maar rond 6 procent per jaar zal blijven en zelfs licht zal toenemen in 2025 (figuur 8). Daarmee zou het Chinese arbeidsproductiviteitsniveau uitkomen op bijna 20 Amerikaanse dollar per uur, een winst van 3,2 dollar ten opzichte van het basispad. Dit lijkt een beperkt effect, maar gezien de enorme hoeveelheid uren die in China wordt gewerkt, is het totale extra welvaartseffect USD 5.500 miljard in 2025, wat neerkomt op USD 3.750 extra welvaart per Chinees. Het totale bbp per hoofd van de bevolking in China zou daarmee stijgen naar ruwweg USD 19.000 in 2025, waarmee China de middeninkomensval succesvol zou hebben weten te ontlopen. Bij een nog ambitieuzere transitie naar een kenniseconomie, zoals Singapore, Zuid-Korea en Japan hebben gerealiseerd, kunnen de welvaartswinsten nog veel hoger worden.

Na een indrukwekkende economische ontwikkeling staat China nu voor grote uitdagingen om de welvaart duurzaam te verhogen. Om de gewenste transitie naar een consumptie- en dienstengedreven groeimodel te laten slagen, moet het hiervoor eerst binnenlandse onevenwichtigheden zoals een excessieve schuldenlast, milieuvervuiling en inkomensongelijkheid terugdringen. Verder laten drie scenario’s voor de productiviteitsgroei zien dat wanneer China zijn onderwijs- en innovatieagenda, kwaliteit van regelgeving en instituties verbetert, het land via structurele productiviteitsgroei de middeninkomensval kan ontlopen. Een en ander is zoals vaker voor een groot deel afhankelijk van de keuzes die beleidsmakers zullen maken, waarbij het behouden van sociale stabiliteit van groot belang is.

Om de economische effecten van een productiviteitstransitie in opkomende landen in kaart te brengen, hebben we het volgende panelmodel ontwikkeld:

waarin TFP staat voor totale factorproductiviteit, i voor land, t voor jaar en c is een constante. Y staat voor het bruto binnenlands product (bbp) in volumes en Yⁿ is het nominale bbp. L is het aantal gewerkte uren per werkzame persoon. K meet de kapitaalgoederenvoorraad en w_K het aandeel van het kapitaalinkomen in het totale factorinkomen. De term tussen de twee isgelijktekens is de wijze waarmee TFP normaliter in de groeiboekhouding wordt gemeten. Wij gaan uit van de brede definitie van TFP, waarbij ook het effect van menselijk kapitaal is geïncorporeerd. S^d staat voor de voorraad binnenlands patentkapitaal, S^w voor buitenlands patentkapitaal en N voor de hoeveelheid werkzame personen. Feitelijk meet de term a₁ de mate van binnenlandse innovatie-inspanningen en a₂ meet het technologisch catching-up-potentieel van landen. Deze laatste term wordt vermenigvuldigd met de voorraad buitenlandse directe investeringen (F) in verhouding tot het nominale bbp. Buitenlandse kennis kan namelijk alleen worden benut in binnenlandse productieprocessen als deze kennis ook via een transmissiekanaal een bepaald land bereikt, bijvoorbeeld via buitenlandse investeringen, handel of internationale arbeidsmobiliteit. H is een variabele voor menselijk kapitaal gemeten aan de hand van twee indicatoren: de totale opleidingsduur van de bevolking ouder dan 25 jaar of het aantal scholingsjaren in het hoger onderwijs. De termen a₄ and a₅ meten het effect van een hogere arbeidsinzet via respectievelijk meer gewerkte uren per werkzame persoon en de arbeidsparticipatie gemeten als het aantal werkzame personen in verhouding tot de totale bevolking (P). INZ pikt tot slot het effect van institutionele kwaliteit, variërend van de kwaliteit van het rechtssysteem, intellectueel eigendom en de kwaliteit van het monetaire systeem.

Model 1 wordt geschat voor een panel van 23 landen over de periode 1970-2015.[4] Deze set van landen is niet toevallig zo gekozen. Ten eerste hebben we landen geschrapt die in 1960 een welvaartsniveau hadden (gemeten in koopkrachtpariteiten) van boven de USD 10.000 per hoofd van de bevolking. Hierdoor worden de meeste geïndustrialiseerde uit de dataset geschrapt, alsmede de rijke olieproducerende landen. Voor beide typen landen is de middeninkomensval niet van toepassing geweest. Een tweede selectiecriterium is dat we alleen landen hebben geselecteerd die tussen 1960 en 2000 een gemiddelde economische groei hebben gehad van 2 procent of meer. Hierdoor schrappen we ontwikkelingslanden, omdat de middeninkomensval louter van toepassing is voor opkomende economieën. Tot slot nemen we alleen landen mee waarvoor voldoende data beschikbaar zijn. De data zijn afkomstig van Penn World Tables 9.0, World Bank, UNCTAD, USPTO, Barro en Lee, 2013, UN International Development Indicators, Conference Board Total Economy Database en Economic Freedom of the World data van het Fraser Institute.

Voor alle schattingen gebruiken we dynamic ordinary least squares (DOLS). Deze methode maakt het mogelijk om niveauschattingen voor een panel van landen uit te voeren, waarbij geen sprake is van stationaire reeksen over de tijd. Een voorwaarde voor zuivere schattingen is wel dat sprake is van coïntegratie, wat voor al onze modelvarianten geldt. Zie Erken (2017) voor de achtergronden bij onze gehanteerde schattingstechnieken en alle econometrische voorwaardelijke tests.

Tabel 3 laat onze schattingsresultaten zien. We nemen alleen het effect mee van institutionele variabelen die een significant statistisch effect laten zien, maar er is geëxperimenteerd met een veel bredere set aan institutionele variabelen. De resultaten laten zien dat zowel binnenlands (a₁) als buitenlands technologische kapitaal (a₂) belangrijk is voor TFP in opkomende economieën. De coëfficiënten zijn stabiel en statistisch significant. Ook menselijk kapitaal (a3) gemeten als de gemiddelde opleidingsduur laat een statistisch significant en stabiel effect zien in alle specificaties, maar de combinatie met institutionele variabelen blijkt problematisch. In ons uiteindelijke model kiezen we daarom voor het aantal jaren hoger onderwijs als indicator voor menselijk kapitaal. Dit is ook in lijn met Eichengreen et al. (2013). De variabelen voor arbeidsinzet laten een gemixt resultaat zien. Het aantal gewerkte uren per werkzame persoon (a₄) gaat ten koste van een hogere TFP, door onder meer vermoeidheidseffecten. Hoewel het teken van een participatie (a₅) het verwachte teken heeft, is het effect niet statistisch significant. Voor geïndustrialiseerde economieën wordt in de literatuur wel een significant effect gevonden, omdat bij een hogere arbeidsparticipatie ook de mindere productieve arbeidskrachten gaan werken. Wellicht treedt dit effect pas op nadat een hoger welvaartsniveau wordt bereikt. Tot slot zorgen een hogere kwaliteit van wetgeving en lagere handelsbarrières voor een hogere TFP.

[4] Deze 23 landen zijn: Barbados, Brazilië, China, Costa Rica, Cyprus, Griekenland, Hong Kong, India, Ierland, Israël, Japan, Maleisië, Malta, Mexico, Polen, Portugal, Singapore, Zuid-Korea, Spanje, Sri Lanka, Taiwan, Trinidad & Tobago en Turkije.

Barro, R.J. en J.W. Lee (2013). A new data set of educational attainment in the world, 1950–2010. Journal of development economics, 104, 184-198.

Bloomberg (2017). S&P Cuts China’s Credit Rating, Citing Risk From Debt Growth. 21 september 2017.

Bloomberg (2017). Xi Shifts Focus to Tackling Growing China Income Inequality. 25 oktober 2017.

Boonstra, W. (2014). Gaan betere regulering en beter toezicht bijdragen aan een stabieler bankwezen?, Rabobank.

Chui, M. en C. Upper (2017). Recent developments in Chinese shadow banking. SUERF Policy Note Issue No 20.

Credit Suisse (2017). Global wealth report 2017.

Eichengreen, B., D. Park en K. Shin (2013). Growth slowdowns redux: New evidence on the middle-income trap, National Bureau of Economic Research, no. w18673.

Erken, H.P.G. (2017). Why emerging economies are (un)successful in avoiding the middle income trap. Rabobank.

Erken, H.P.G., P. Donselaar en A.R. Thurik (2016). Total factor productivity and the role of entrepreneurship. Journal of Technology Transfer, 1-29.

Giesbergen, B.C.J. en H.P.G. Erken (2018). China moet werken aan productiviteitsgroei. Economisch Statistische Berichten, 103(4758), 66-67.

Giesbergen, B.C.J. (2017). Negentiende partijcongres China vooral in het teken van risicobeperking (en hervormingen?). Rabobank.

Kao, C. (1999). Spurious regression and residual-based tests for cointegration in panel data. Journal of Econometrics, 90, 1–44.

Lin, W. L., en T.P. Chen, (2004). China's widening economic disparities and its ‘Go West Program’. Journal of Contemporary China, 13(41), 663-686.

Metzemakers, P. (2018). China worstelt met vrijere kapitaalstromen. Economisch Statistische Berichten, 103(4785), 69-69.

Minsky, H.P. (1992). The Financial Instability Hypothesis. Working Paper No. 74: 6-8.

Moody´s (2017). Rating Action: Moody's downgrades China's rating to A1 from Aa3 and changes outlook to stable from negative. Moody’s Investor Service, 24 mei 2017.

Netherlands Asia Honours Summer School (2017). Opportunities in China’s Elderly Care and Economy.

Obstfeld, M., J.C. Shambaugh en A.M. Taylor (2005). The trilemma in history: tradeoffs among

exchange rates, monetary policies, and capital mobility. The Review of Economics and Statistics, 87(3), 423-438.

OECD (2015). OECD Science, Technology and Industry Scoreboard 2015 - Innovation for growth and Society.

Reuters (2017). Special report: China's leaders fret over debts lurking in shadow banking system.

SCMP (2018). Here’s how to beat fake data about the Chinese economy. South China Morning Post, 28 januari 2018.

The Economist (2015). The future of factory Asia, A tightening grip.

World Resources Institute (2017). China is Leaving the U.S. Behind on Clean Energy Investment.

Verkorte versie verschenen in ESB - 15 februari 2018