Het groeipotentieel van de Nederlandse economie tot 2030

De Nederlandse economie draait momenteel op volle toeren met een prima economische groei en een lage werkloosheid. De economische groei is echter beduidend lager dan in de jaren negentig van de vorige eeuw. Hoe kan dat? De belangrijkste reden is dat de potentiële groei van de Nederlandse economie nu lager is. Deze trend zet de komende jaren door. In deze analyse schetsen we een beeld van wat ons het komende decennium te wachten staat.

Potentiële (of structurele) economische groei is de mate waarin de productiecapaciteit van een economie toeneemt. Die productiecapaciteit wordt bepaald door drie factoren: kapitaal, arbeid en totale factorproductiviteit (TFP) (zie figuur 1). Hoe meer machines, computers en fabrieken, hoe meer een economie kan produceren. Hoe meer er gewerkt wordt, hoe meer we kunnen produceren. En ten slotte: hoe productiever kapitaal en arbeid gebruikt worden, hoe meer we kunnen produceren.

De potentiële groei is op korte en (deels) middellange termijn overigens zelden gelijk aan de werkelijke groei. Bovenstaande factoren hebben alle betrekking op de aanbodkant van de economie, terwijl de vraagkant (consumptie, investeringen en vraag uit het buitenland) bepalend is voor de conjunctuur.[1]

[1] Daarnaast bouwen we de komende jaren de huidige positieve output gap af. Deze ontwikkelingen komen bovenop de structurele ontwikkeling van de groeifactoren, waardoor de werkelijke gemiddelde groei iets lager uitkomt dan de potentiële groei.

In deze Special schatten we de meest waarschijnlijke ontwikkeling van de drie aanbodfactoren: kapitaal, arbeid, en totale factorproductiviteit. In de berekeningen, die we hieronder toelichten, komen we uit op een bijdrage van de factor arbeid van gemiddeld -0,1 procentpunt per jaar, een bijdrage van de kapitaalverdieping van 0,4 procentpunt per jaar en een bijdrage van TFP van 0,7 procentpunt per jaar. De economische groei komt zo uit op gemiddeld 1,0 procent per jaar voor de periode 2020-2030 (tabel 1). Figuur 2 laat zien hoe de bbp-groei en de decompositie ervan zich over de tijd ontwikkelt.

De bijdrage van arbeid aan de bbp-groei op lange termijn is de groei van de structurele werkgelegenheid, uitgedrukt in aantal gewerkte uren. Deze groei is uit te splitsen in vier delen: groei van de beroepsgeschikte bevolking, groei van de arbeidsparticipatie van deze groep, het aantal gewerkte uren per werkende en de structurele werkloosheidsvoet.

Vanwege de vergrijzing en ontgroening neemt de beroepsgeschikte bevolking de komende tien jaar af. Weliswaar wordt de AOW-leeftijd geleidelijk verhoogd, maar dat weegt hier niet tegenop. Zeker niet nadat bij het recent afgesloten Pensioenakkoord is besloten de AOW-leeftijd minder hard op te laten lopen dan eerder aangekondigd.[2] Die beleidswijziging zorgt ervoor dat volgens onze berekening de bbp-groei tot en met 2030 gemiddeld 0,1 procentpunt lager is dan op basis van de situatie vóór het Pensioenakkoord.

Het deel van de beroepsgeschikte bevolking dat zich daadwerkelijk aanbiedt op de arbeidsmarkt loopt de laatste jaren licht op en voor de komende 10 jaar verwachten we een vergelijkbare ontwikkeling. Enerzijds is er door cohorteffecten nog steeds sprake van een oplopende participatie van vrouwen en ouderen. Oudere generaties waarvan de vrouwen en ouderen een lage participatie hadden, worden afgelost door jongere generaties met een hogere vrouwen- en ouderenparticipatie. Anderzijds is de arbeidsparticipatie onder ouderen ook de komende jaren lager dan onder jongeren, waardoor de vergrijzing zorgt voor een lagere arbeidsparticipatie. Daar komt nog bij dat de participatie van mensen tussen 65 jaar en de pensioenleeftijd nog lager is. Hiermee rekening houdend en baserend op de bevolkingsprognoses van het CBS, blijft de arbeidsparticipatie tot 2030 geleidelijk oplopen van bijna 81 procent in 2019 tot ruim 82 procent in 2030.

Het aantal gewerkte uren per werkende vertoont al jaren een licht dalende trend, vooral doordat zowel vrouwen als ouderen vaker in deeltijd werken en hun aandeel in de beroepsbevolking toeneemt. De verwachting is dat deze daling verdwijnt, omdat de genoemde samenstellingseffecten kleiner worden of verdwijnen.[3]

De bijdrage van de werkloosheid is gemiddeld negatief voor de periode 2020-2030. De werkloosheid ligt momenteel namelijk ruim onder de evenwichtswerkloosheid die wij op 4,5 procent zetten.[4] We verwachten dat deze geleidelijk hier naartoe groeit, waardoor de werkgelegenheidsgroei lager uitvalt.

Per saldo betekenen deze ontwikkelingen dat de bijdrage van arbeid aan de bbp-groei het komende decennium negatief is (figuur 3). De positieve bijdrage van de stijgende arbeidsparticipatie weegt niet op tegen de negatieve bijdrage van een krimpende beroepsbevolking en oplopende werkloosheid.

[2] De AOW-leeftijd blijft in 2020 en 2021 66 jaar en 4 maanden, stijgt daarna door tot 67 jaar in 2024 en wordt daarna gedeeltelijk gekoppeld aan de levensverwachting.

[3] Hieronder ligt de aanname dat de deeltijdfactor van werkende vrouwen en ouderen de komende jaren niet substantieel toeneemt.

[4] Dit is lager dan het uitgangpunt van het CPB uit 2016 (circa 5%), maar sindsdien is de werkloosheid zeer sterk gedaald, waardoor een aanname van een lagere structurele werkloosheid gerechtvaardigd is.

De bijdrage van kapitaal aan de bbp-groei op lange termijn is de toename van de kapitaalhoeveelheid per gewerkt uur (kapitaalverdieping). Figuur 4 laat de bijdrage van kapitaal aan de groei zien sinds 2000, en de verwachtingen tot en met 2030. Hierbij is de kapitaalhoeveelheid geschat op basis van een ARIMA-model.[5] De bijdrage aan de toekomstige groei beweegt zich zo tussen 0,3 en 0,6 procentpunt per jaar.

In de afgelopen jaren zagen we een relatief lage groeibijdrage van kapitaal. Dat kwam vooral doordat de investeringen de groei van de werkgelegenheid niet konden bijbenen. Dit laatste is echter vooral conjunctureel van aard, dus valt te verwachten dat de kapitaalhoeveelheid per gewerkt uur de komende jaren weer toeneemt.

De bijdrage van kapitaal is zeer onzeker. Aan de ene kant kunnen de investeringen minder hard groeien dan wij nu veronderstellen wanneer ze meebewegen met de groei van het arbeidsaanbod. De bijdrage van kapitaal valt dan mogelijk terug tot een langjarig gemiddelde. Aan de andere kant kan het krimpende arbeidsaanbod er juist toe leiden dat er meer wordt geïnvesteerd om arbeid te kunnen vervangen door kapitaal. Dat laatste komt neer op een proces van robotisering en impliceert een kapitaalverdieping ruim boven het langjarig gemiddelde.

[5] Dit is een agnostische methode om de mate van kapitaalverdieping in de komende jaren te schatten. Hieronder ligt de aanname dat de onderliggende structuur van de economie de komende jaren niet wezenlijk verandert. Een andere aanname vereist een geavanceerder model.

Totale factorproductiviteit (TFP) is de zuiverste maatstaf van de stand van de technologie, aangezien het aangeeft hoe productief kapitaal en arbeid worden ingezet om toegevoegde waarde te creëren. Een omvangrijke literatuur onderzoekt de belangrijkste determinanten van TFP (zie bijlage 1). Belangrijke factoren zijn onder andere R&D, menselijk kapitaal, binnenlandse competitie, buitenlandse competitie via handel, technologische catching-up en ondernemerschap.

We gebruiken een endogeen TFP-model om de ontwikkeling van TFP te schatten, zie bijlage 2 voor dit raamwerk; de empirische schatting voor Nederland staat toegelicht in bijlage 3. Samen met de aannames over de ontwikkeling van de onderliggende drijvers (bijlage 4), komen we tot een volledig endogeen groeipad van TFP voor de periode 2020-2030 (figuur 5).

Het is duidelijk dat een fors deel van de toekomstige bbp-groei afhangt van de TFP-groei, vooral in de tweede helft van het komende decennium. De bescheiden TFP-groei tot 2025 komt deels omdat we verwachten dat Nederland de komende jaren te maken krijgt met een neergaande conjunctuur, wat niet alleen een direct negatief effect heeft op de TFP-groei, maar ook indirect de groei van R&D-kapitaal wat drukt. Daarnaast zorgt de versnelling van de vergrijzing na 2025 voor een krimp van de werkgelegenheidsgroei, wat de TFP-groei juist positief beïnvloedt.

Zoals gezegd komt TFP-groei niet vanzelf. Het is afhankelijk van diverse factoren. Recent hebben zowel het World Economic Forum (WEF) als het Internationaal Monetair Fonds (IMF) benadrukt dat diverse landen, waaronder Nederland, meer moeten investeren in kennis en innovatie. Deze studie laat zien dat dit inderdaad onontbeerlijk is om een substantiële economische groei te behouden.[6]

[6] Erken en Groenewegen (2019) laten zien dat forse extra investeringen in innovatie en onderwijs de bbp-groei substantieel verhogen.

Er is een brede empirische literatuur waarin is gekeken naar determinanten van de totale factorproductiviteit (zie Erken, Donselaar en Thurik (2016) voor een overzicht). Hieronder bespreken we per variabele enkele belangrijke studies.

Menselijk kapitaal en R&D

Menselijk kapitaal[7] and Research & Development zijn twee belangrijke pijlers onder technologische ontwikkeling en TFP. Dit is niet alleen in theoretische studies aannemelijk gemaakt (Lucas, 1988; Romer, 1990), maar in diverse empirische studies, e.g. Griffith e.a. (2004), Engelbrecht (1997), Bassanini en Scarpetta (2002), Cameron e.a. (2005) en Erken, Donselaar en Thurik (2016).

Binnenlandse R&D-uitgaven zorgen niet alleen voor binnenlandse innovaties, maar zorgen er ook voor dat een land in staat is om te profiteren van kennis die ontwikkeld is in het buitenland. Een land heeft een zogenoemde ‘absorptiecapaciteit’ nodig om buitenlandse kennis te kunnen internaliseren in binnenlandse innovatieprocessen (Cohen en Levinthal, 1989). R&D-activiteiten kunnen worden ondernomen door bedrijven (private R&D) of door publieke kennisinstellingen en universiteiten (publieke R&D). Er is veel empirisch onderzoek dat aantoont dat private R&D een positief effect heeft op de arbeidsproductiviteit (e.g. Coe e.a., 2009; Coe en Helpman, 1995).

Voor wat betreft publieke R&D is het bewijs minder eenduidig. Guellec en Van Pottelsberghe de la Potterie (2004) vinden een positief effect van publieke R&D, terwijl Khan en Luintel (2006) en Van Elk et al. (2015) er niet in slagen deze resultaten te repliceren. In ons model bekijken we ook de impact van Nederlands publiek R&D-kapitaal op productiviteitsgroei.

Buitenlandse kennis is een belangrijke bron voor binnenlandse innovatie en productiviteitsgroei. De impact van buitenlandse R&D-activiteiten op innovatie door binnenlandse bedrijven hangt af van hun absorbtiecapaciteit (Cohen en Levinthal, 1989). In ons model focussen we op de rol van de importquote als kanaal voor buitenlandse kennisspillovers, in lijn met de studies van Coe en Helpman (1995), Lee (2005) en Cameron et al. (2005).

Openheid voor buitenlandse handel stimuleert competitie, wat bedrijven beweegt om efficiënter te worden en meer te innoveren. Bloom, Draca en Van Reenen (2016) vinden bewijs dat Chinese importcompetitie technologische veranderingen binnen Europese bedrijven heeft aangejaagd en werkgelegenheid heeft verschoven naar technologisch meer geavanceerde bedrijven (compositie-effect). Andere studies die een direct, robuust en positief effect van internationale handel op productiviteit vinden zijn die van Edwards (1998) en Alcalá en Ciccone (2004).

Andere factoren

Ondernemerschap is een belangrijke determinant van productiviteit. Geïnspireerd door de beperkingen van de endogene groeitheorie, hebben Braunerhjelm e.a. (2010) verschillende modellen ontwikkeld die een filter introduceren tussen kennis in het algemeen en economisch relevante kennis; zij zien ondernemerschap als een mechanisme dat deze “kennisfilter” wegneemt.[8]

De bottom-line is dat ondernemers onmisbaar zijn voor de valorisatie van kennis. Er is ook empirisch bewijs voor een positieve relatie tussen ondernemerschap en productiviteit (e.g. Carree en Thurik, 2008; Erken, Donselaar en Thurik, 2016) of economische groei (e.g. Acs e.a., 2018; Audretsch, 2018), alhoewel sommige onderzoekers vaststellen dat de relatie tussen ondernemerschap en economische groei U-vormig is (e.g. Carree e.a. 2002; Prieger e.a. 2016) of L-vormig (Carree e.a., 2007).

Bepaalde arbeidsmarktvariabelen hebben een negatieve impact op TFP (Belorgey e.a., 2006; Bourlès en Cette, 2007; Erken, Donselaar en Thurik, 2016). Zo gaat hoge arbeidsparticipatie vaak samen met een verhoogde inzet van minder productieve arbeid, wat de arbeidsproductiviteit omlaag drijft. Minder uren werken heeft misschien een positieve impact op productiviteit als werknemers minder vermoeid raken of als werknemers harder werken gedurende minder uren.

Een andere factor die totale factorproductiviteit beïnvloedt zijn conjunctuureffecten, aangezien arbeid en kapitaal zich niet direct aanpassen aan de volatiliteit van de conjunctuur. Dit maakt TFP gevoelig voor conjuncturele schommelingen (zie bijvoorbeeld de negatieve TFP-bijdrage aan het bbp in 2009 in figuur 2).

Bedrijfswinsten hebben een positieve impact op TFP. Hogere winsten ondersteunen hogere R&D-uitgaven door bedrijven (Himmelberg en Petersen, 1994). Daarnaast kunnen winsten bedrijven bewegen om sneller te innoveren (gegeven een vaste hoeveelheid R&D-kapitaal). Die winsten verschaffen bedrijven ook de middelen om innovatie te financieren (gegeven een vaste hoeveelheid R&D-kapitaal). We gebruiken het aandeel kapitaalinkomen als proxy om deze winsteffecten vast te leggen. Het aandeel kapitaalinkomen is gedefinieerd als het bruto kapitaalinkomen als een percentage van de bruto toegevoegde waarde door bedrijven.

De tegenhanger van winsten zijn belastingen. Belastingen kunnen een negatieve impact hebben op productiviteit: een hoger belastingtarief vormt een negatieve prikkel voor innovatie, wat kan resulteren in een minder efficiënte economie.

[7] Menselijk kapitaal omvat de voorraad competenties, kennis en vaardigheden die kan worden aangewend om economische waarde te genereren. De ontwikkeling van menselijk kapitaal hangt in de economische theorie af van investeringen in onderwijs en training.

[8] Het idee achter het kennisfilter is dat ondernemerschap een kenniskanaal vormt. R&D op zichzelf is geen garantie voor groei, net zomin als ondernemerschap dat is. Ondernemers moeten kennis (R&D) kunnen benutten om te kunnen groeien. Deze conclusie wordt ook getrokken door Michelacci (2003), die een endogeen groeimodel ontwikkelt waarin een ondernemer moet worden gekoppeld aan een uitvinding om tot succesvolle innovatie te komen.

Om alle bovengenoemde mechanismen te kunnen modelleren, maken we gebruik van het raamwerk van Erken, Donselaar en Thurik (2016). Onder de neoklassieke aannames van perfecte competitie in productmarkten en constante schaalvoordelen in de productiefactoren kapitaal en arbeid, zijn de marginale producten van kapitaal en arbeid gelijk aan het rendement op kapitaal en het loonniveau. We kunnen vervolgens afleiden dat in dat geval de outputelasticiteiten van kapitaal en arbeid gelijk zijn aan de aandelen van kapitaalinkomen en arbeidsinkomen in het totale factorinkomen. De jaarlijkse groei van TFP kan dan als volgt worden berekend:

waar Y het bruto binnenlands product aanduidt, K en L (fysiek) kapitaal en arbeid (gemeten in bijvoorbeeld het aantal gewerkte uren) en w_K is het aandeel van kapitaalinkomen in het totale factorinkomen, of anders gezegd, het aandeel van kapitaalinkomen in het bbp. Daarnaast geeft Δ veranderingen in eerste verschillen aan, staat i voor land, t is een tijdsindex (i.e. jaar) en log staat voor het natuurlijke logaritme. Vanuit (1), kunnen we ons baseline TFP model definiëren als:

waar a₁ en a₂ het effect van respectievelijk binnenlands (S) en buitenlands (S^f) R&D kapitaal op TFP-groei meten. Buitenlands R&D wordt geïnteracteerd met de importquote, die is gedefinieerd als het importvolume (M) als fractie van het bbp-volume (Y). R&D-kapitaal is berekend door middel van de perpetual inventory method op intramurale R&D-uitgaven waarbij rekening wordt gehouden met een afschrijvingsvoet van 15 procent doordat kennis veroudert. Deze afschrijvingsvoet wordt vaak gebruikt voor de berekening van R&D-kapitaal, gebaseerd op Griliches (2000, pag. 54), die dit percentage de ‘‘conventional’ 15 percent figure for the depreciation of R&D-capital’ noemt. Nominale R&D-uitgaven zijn gedefleerd met een prijsindex voor R&D, welke voor 50 procent bestaat uit een deflator voor binnenlandse bestedingen en voor de andere 50 procent uit een loonindex. Buitenlands R&D is berekend met een proxy van R&D in 19 andere OESO-landen, Gewogen bij bilaterale importaandelen voor binnenlands R&D-kapitaal.

De term a₃ meet de impact van menselijk kapitaal (H). Het gemiddeld aantal jaren (tertiair) onderwijs is een veel gebruikte indicator om de hoeveelheid menselijk kapitaal in een land te meten. (zie Barro en Lee, 2013). Cohen en Soto (2007) claimen betere data te hebben dan Barro en Lee, omdat zij informatie gebruiken uit enquêtes gebaseerd op een uniform classificatiesysteem van onderwijs over de tijd, en meer gebruik van informatie per leeftijdsgroep. Echter, de Penn World Tables 9.1 waaruit we de data voor menselijk kapitaal halen, gebruikt diverse criteria om te bepalen welke bron voor menselijk kapitaal gebruikt moet worden voor welk land. (zie hier) en wij volgen hun benadering. Daarnaast nemen de Penn World Tables het rendement op onderwijs volgens schattingen van de Mincer-vergelijking mee bij het gebruik van de data van Barro en Lee (zie Psacharopoulos, 1994).

Tot slot, coëfficiënt a₄ is een vector met diverse controlevariabelen, zoals openheid van de econome, publiek R&D-kapitaal, ondernemerschap, arbeidsmarktvariabelen en de conjunctuur. Om de openheid van de economie te meten, gebruiken we eerst het belang van handel in het bbp[9] als indicator (zie Bassanini e.a., 2001), maar als een tweede stap corrigeren we export data voor de grootte van de economie met gebruik van de schattingen van Donselaar (2011). Kleine economieën zijn per definitie meer gevoelig voor buitenlandse handel, ongeacht hun handelsbeleid of concurrentiekracht. Wat betreft de ondernemerschapsvariabele is belangrijk om te melden dat data van hoge kwaliteit uit de COMPENDIA dataset alleen beschikbaar is tot en met 2009. Dit dwingt ons om de reeksen te extrapoleren op basis van OESO-data over zelfstandig ondernemerschap, wat ten koste gaat van de kwaliteit van de ondernemerschapsvariabele. Voor alle technische toelichting op het maken van deze variabelen verwijzen we naar Erken (2008), Donselaar (2011) en Erken, Donselaar en Thurik (2016).

[9] Dit definiëren we als TRADE = X + (1-X) ´ M, waar X export als percentage van het bbp is en M de ratio van import ten opzichte van binnenlandse vraag. Binnenlandse vraag is berekend als binnenlandse productie minus export plus import.

Onze methode om de impact van R&D, menselijk kapitaal en buitenlandse kennisontwikkeling op productiviteit op een dynamische manier te bepalen, past binnen een brede literatuur (zie Park, 1995; Frantzen, 2000; Griffith e.a., 2004; Cameron e.a., 2005; Buccirossi e.a., 2013). Tabel 2 bevat alle variabelen die we gebruiken in ons TFP-model, inclusief de gebruikte databronnen. We gebruiken OLS om het model te schatten en het Akaike-Schwarz-criterium en het Hannan-Quinn-informatiecriterium om de optimale vertragingsstructuur te bepalen. De schattingsresultaten staan in tabel 3.

De regressie in kolom (1) van de tabel neemt binnenlands R&D-kapitaal, buitenlands R&D-kapitaal geïnteracteerd met het importaandeel en menselijk kapitaal mee. Alle variabelen hebben een statistisch significante impact op TFP-groei. Binnenlands privaat R&D-kapitaal heeft een coëfficiënt van 0.20, wat betekent dat een 1 procent hogere groei van R&D door Nederlandse bedrijven een TFP-groei genereert van 0.20 procentpunt. Omdat coëfficiënt c₂ op een interactievariabele slaat, is de interpretatie hiervan erg gecompliceerd en ook niet constant. Daarom gaan we hier verder niet op in. Menselijk kapitaal heeft een positief effect op TFP-groei: de coëfficiënt c₃ laat zien dat een 1 procentstijging van de index leidt tot 9,08 procentpunt hogere TFP-groei.[10] Tot slot leidt 1 procent hoger publiek R&D-kapitaal tot 0,34 procentpunt hogere TFP-groei, hoewel deze coëfficiënt slechts op 10 procentniveau significant is.[11]

[10] Hierbij dient opgemerkt dat een 1% stijging erg veel is op deze index. Deze toont zeer weinig variatie over de tijd en is moeilijk substantieel te veranderen.

[11] Dit is in lijn met vele studies die moeite hebben om een significante impact van publieke R&D (naast private R&D) op economische groei te vinden. Zie voor een overzicht Van Elk et al. (2015).

In kolom (2) voegen we openheid en twee arbeidsmarktvariabelen toe. De coëfficiënt van publieke R&D wordt hierdoor meer significant en blijft in omvang vrijwel gelijk. Openheid zelf heeft ook een statistisch significant effect op TFP-groei, net als de arbeidsparticipatie. Voor dit laatste is de reden dat minder productieve arbeid de arbeidsmarkt betreedt, wat een negatief effect heeft op TFP. Merk ook op dat de verklaringskracht van het model (R-kwadraat) sterk toeneemt van 0,33 naar 0,67. De coëfficiënt voor het aantal gewerkte uren per werkende is niet significant.

Wanneer we in kolom (3) de stand van de conjunctuur toevoegen en corrigeren voor de financiële crisis in 2009 verandert dat, en het teken is zoals verwacht negatief. De stand van de conjunctuur zelf heeft ook een statistisch significant effect. Opnieuw gaat de R-kwadraat fors omhoog ten opzichte van de vorige kolom.

In de laatste kolom voegen we ondernemerschap toe, welke een significante impact heeft op TFP-groei. Dit impliceert dat wanneer er meer ondernemers zijn, er meer kennisvalorisatie plaatsvindt, en TFP-groei daardoor hoger uitkomt. Deze laatste modelspecificatie heeft uiteindelijk onze voorkeur. Het model sluit sterk aan bij de historie, zie figuur 6. We gebruiken dit model om de TFP-groei voor de periode 2020-2030 te bepalen.

Onderstaande tabel laat zien welke aannames we hebben gemaakt voor de variabelen die de bbp-groei tot en met 2030 bepalen, inclusief een toelichting daarop.