HOOFDSTUK III. ECONOMISCHE FACTOREN

INLEIDING

Eén van de meest genoemde factoren in de media om het tanend succes van de regering Verhofstadt te verklaren is de vertraagde economische groei. De economische situatie van een land kan het succes van haar regering op diverse manieren beïnvloeden. In de eerste plaats kan een bevolking die werk heeft en over een voldoende inkomen beschikt, het succes van de economie zien als een succes van haar regering. Omgekeerd werkt dit natuurlijk sterker, een slechte economische situatie zal snel door de bevolking op haar regering worden afgeschoven. In de tweede plaats, een redenering die veel vaker gehoord wordt, zorgt een gezonde economie ook voor grotere inkomsten en dus ook grotere uitgavenmogelijkheden voor de overheid. Deze denkpiste is in de media uitgebreid aan bod gekomen tijdens de economische achteruitgang van de laatste maanden van 2001. De regering, die uit uiteenlopende coalitiepartners bestaat, werd ervan beschuldigd om enkel te kunnen regeren omdat er geld genoeg was voor iedereen. Links kon betere sociale bescherming bieden en rechts kon tegelijkertijd de sociale lasten verlagen. Zodra de begroting een beetje krap zou worden, zou de regering met andere woorden keuzes moeten maken.

We zullen in dit hoofdstuk de relatie tussen de economische toestand en het succes van de regering van naderbij bekijken. Eerst zullen we de theoretische achtergrond schetsen van deze redenering. De idee dat de economie aan de basis ligt van het succes van de regering, meer bepaald aan de basis van de verkiezingsuitslag, is immers bezwaarlijk nieuw te noemen. Daarna zullen we uiteenzetten hoe we deze factor hebben geoperationaliseerd. Om daarna te besluiten met de werkelijke, statistische analyse van de gegevens, die nagaat of er een correlatie bestaat tussen de economische factoren en het succes van de regering en haar premier.

1. THEORETISCHE ACHTERGROND

De idee dat de economische situatie van een land de populariteit van de politici bepaalt is al zeer uitgebreid uitgewerkt door de zogenaamde ‘politieke economie’. Frey en Schneider beschrijven in hun model de samenhang van politiek en economie als een politiek-economische kringloop. De ene helft van de kringloop betreft de invloed van het overheidsbeleid (consumptie, investeringen, overdrachten) op de economie van een land; deze relatie wordt de reactiefunctie (reaction function, policy function) genoemd. De andere helft van de kringloop betreft de relatie tussen de economische toestand en de populariteit van de regering; deze relatie wordt de populariteitsfunctie (popularity function, evaluation function) genoemd. (van Winden, 1987: 65-66) Het is deze laatste, de populariteitsfunctie, die ons hier interesseert. Het electoraat drukt zijn steun uit voor de overheids- en oppositiepartijen zowel bij verkiezingen als tussenin, gebaseerd op de economische situatie. (Andersen, 1995: 6)

Figuur III.1: De politiek-economische kringloop (Anderson, 1995:7)

In de Angelsaksische wereld is er een uitgebreide literatuur over de relatie tussen de economische toestand en de verkiezingsuitslag in een land. Deze theorieën proberen op basis van de economische toestand de verkiezingsuitslagen te voorspellen. De beperking van dit soort studies is het kleine aantal meetmomenten. De verkiezingen vinden in Amerika slechts plaats om de vier jaar, men vormt het theoretisch model om de resultaten van verkiezingen te voorspellen dus meestal op basis van de gegevens van de vorige verkiezing. (Erikson en Wlezien, 1996: 492). Een aantal wetenschappers hebben de vraag daarom opengetrokken: beïnvloedt de economie de populariteit van de politici en de regering? Men trachtte de maandelijkse veranderingen in geaggregeerde partijsteun (zoals gemeten in commerciële opiniepeilingen) in verband te brengen met de maandelijkse variaties in de macro-economische indicatoren zoals inflatie en werkloosheid. (Price en Sanders, 1995: 451) Het is deze onderzoekstechniek die we op de bestaande Belgische cijfers zullen toepassen.

Een goed voorbeeld hiervan is het onderzoek van Christopher Anderson. Hij vergeleek de invloed van de economie op de populariteit van de regering in vijf Westerse democratieën: Groot-Brittannië; Frankrijk, Duitsland, Denemarken en Nederland. De belangrijkste conclusie uit dit onderzoek is dat de economie altijd een zekere invloed heeft op de populariteit van de regering, maar dit kan sterk variëren van land tot land. Dit noemt men het “instability dilemma”: economie beïnvloedt niet alle ”government support” op alle momenten in alle landen op dezelfde manier. (Anderson, 1995: 7-8) Het lijkt dus ook in dit opzicht zeer interessant om de situatie in België te bekijken.

2. DE DRIE FACTOREN

De vraag is nu natuurlijk hoe we de economische situatie het beste operationaliseren zodat we statistisch kunnen nagaan of er een verband is tussen de populariteit van de regering en haar premier en de toestand van de economie. Voor de populariteit van de regering en de eerste minister gebruiken we, zoals eerder al uitgebreid uiteengezet, de cijfers van Inra. Om zoveel mogelijk meetmomenten te verkrijgen, hebben we de periode zo ruim mogelijk genomen, d.w.z. van september 1989 tot maart 2002.

Om de economie uit te drukken in cijfers maken we gebruik van drie indicatoren: economische groei, werkloosheidcijfers en consumentenvertrouwen. Er zijn verscheidene redenen waarom we juist deze drie zullen gebruiken.

In de eerste plaats zien we dat in de literatuur een duidelijk onderscheid wordt gemaakt tussen de objectieve macro-economische factoren en de subjectieve factoren. Het belang van de subjectieve factor wordt in diverse studies zelfs centraal gesteld. Zo wordt het verlies van Major in 1997 ondanks de zeer gunstige (objectieve) economische toestand volledig toegeschreven aan de economische perceptie van de burgers die veel minder overtuigd was. (Sanders e.a., 2001: 789) Bij een gunstige economische toestand die echter niet wordt opgemerkt door de bevolking, zal het effect op de populariteit immers veel minder sterk zijn. Het lag hierbij voor de hand om te keizen voor consumentenvertrouwen, zonder twijfel de belangrijkste subjectieve maat voor de economische toestand.

Wat betreft de objectieve indicatoren is de keuze veel ruimer. In de literatuur worden zeer vaak de economische groei en de werkloosheid bekeken (Anderson, 1995). De twee indicatoren vallen samen met de twee hypotheses die we reeds in de inleiding aangaven. Een sterke economische situatie zorgt ook voor een goede financiële situatie van (een deel van) de bevolking die als een succes van de regering gezien kan worden. In deze hypothese speelt vooral de werkloosheid een belangrijke rol. Het is een economische variabele die dicht bij de bevolking staat. Anderzijds wordt de politiek van een land sterk bepaald door de economische toestand. Wanneer eerste minister Dehaene moet bezuinigen om de Maastrichtnorm te halen, moet hij de belastingen verhogen. Wanneer de regering Verhofstadt de economische groei zag verslechteren, moest ze haar plannen herzien. Dit zijn twee voorbeelden die duidelijk maken dat de economische toestand en dan vooral de economische groei duidelijk de populariteit van de regering kan beïnvloeden.

De data voor deze drie factoren zijn allemaal afkomstig van de Nationale Bank van België[8]. Om correlaties te kunnen zoeken met de cijfers van de afhankelijke variabele (waarvoor we één waarde om de drie maanden hebben), moeten we telkens op zoek gaan naar een trimesterieel cijfer voor de economische factoren. De cijfers die we gebruiken om de werkloosheid uit te drukken zijn de driemaandelijkse seizoensgezuiverde werkloosheidsgraden. De cijfers voor de economische groei zijn de trimesteriële veranderingspercentages van het Bruto Binnenlands Product. Het is het veranderingspercentage van het BBP t.o.v. de overeenstemmende periode van het voorgaande jaar (bruto gegevens). Voor het consumentenvertrouwen ten slotte gebruiken we de ‘gezamenlijke indicator consumentenvertrouwen’. Deze cijfers zijn berekend volgens de nieuwe methode, aangenomen op aanraden van de Europese Commissie in november 2001. Bij deze methode bestaat de vragenlijst uit vier vragen waarin uitsluitend naar de vooruitzichten wordt gepeild:

* de vooruitzichten van de economische situatie in België voor de volgende twaalf maanden

* de vooruitzichten inzake werkloosheid in België voor de volgende twaalf maanden

* de vooruitzichten van de financiële situatie van de gezinnen voor de volgende twaalf maanden

* de vooruitzichten aangaande het sparen van de gezinnen in de volgende twaalf maanden

Omdat deze cijfers per maand gepubliceerd worden hebben we zelf telkens het gemiddelde genomen van de drie voorafgaande maanden. Het cijfer van maart is dus het gemiddelde van de indicators van januari, februari en maart. 

3. DE STATISTISCHE ANALYSE [9]

Nu we weten welke cijfers we gaan gebruiken en waarom, kunnen we aan de eigenlijke statistische analyse beginnen. We zullen bij elke economische variabele het verband met het vertrouwen in de regering nagaan en het verband met de populariteit van de premier.

3.1. De groei van het Bruto Binnenlands Product

3.1.1. En het vertrouwen in de regering

a. Correlatieanalyse

Het eerste verband dat we onderzoeken is dat tussen het vertrouwen in de regering en de groei van het Bruto Binnenlands Product in België. In de eerste plaats gaan we na of er een significante samenhang is tussen deze twee variabelen. Hiervoor berekenen we de vaak gebruikte ‘Pearson Correlatie’ tussen de twee termen. We willen hierbij benadrukken dat deze maat geen causaliteit van het verband inhoudt, we weten uit dit cijfer niet welke variabele beïnvloedt en welke beïnvloed wordt. Deze correlatie-analyse maakt duidelijk in welke mate twee variabelen met elkaar samenhangen en welke richting dit verband heeft (positief of negatief). Wanneer we de Pearson Correlatie bekijken voor de samenhang tussen de BBP-groei en het vertrouwen in de regering zien we onmiddellijk een significant en relatief hoog cijfer (0,363 significant tot op 0,05). Hieruit kunnen we concluderen dat er een duidelijke positieve samenhang is tussen de BBP-groei en het vertrouwen in de regering.

Tabel III.1: Correlatie tussen de BBP-groei en het vertrouwen in de regering

*  De correlatie is significant tot op 0.05

We kunnen dit resultaat nu verder uitdiepen door de variabele ‘Vertrouwen in de regering’ op te splitsen in de vier oorspronkelijke categorieën: ‘Pas du tout confiance’, ‘Plutôt pas confiance’, ‘Plutôt confiance’ en ‘Tout à fait confiance’. In tabel III. 2 zien we dat er een zeker verschil is tussen de samenhang van BBP-groei en de deelvariabelen. De samenhang blijkt het grootst te zijn bij de negatieve variabelen, de variabelen die uitdrukken hoeveel procent van de respondenten helemaal of eerder geen vertrouwen (Pas du tout et plutôt pas confiance) in de regering hebben. Dit geeft natuurlijk negatieve cijfers omdat een hogere groei leidt tot minder mensen die geen vertrouwen hebben in de regering. Het sterkste verband is dat tussen de groei van het Bruto Binnenlands Product en het percentage mensen dat eerder geen vertrouwen (Plutôt pas confiance) heeft in de regering (-0,442 significant tot 0,01).

Tabel III.2: Correlatie tussen BBP-groei en vertrouwen in de regering (opgesplitst)

*  De correlatie is significant tot op 0.05.

**  De correlatie is significant tot op 0.01 .

b. Regressieanalyse

We hebben nu aangetoond dat er een verband is tussen de BBP-groei op een bepaald ogenblik en het vertrouwen in de regering op hetzelfde ogenblik. We kunnen onze analyse echter nog een stap verder nemen door een regressieanalyse uit te voeren. In tegenstelling tot correlatieanalyse wordt bij regressieanalyse een causaal verband verondersteld. Dit betekent dat de onafhankelijke variabelen de oorzaak zijn van de afhankelijke variabele. We moeten hier een afhankelijke en een onafhankelijke variabele kiezen. Het is duidelijk dat we kunnen stellen dat het de BBP-groei is die het vertrouwen in de regering beïnvloedt en niet omgekeerd. Het is immers onwaarschijnlijk dat een lager vertrouwen van de bevolking in de regering de groei van het Bruto Binnenlands Product zou beïnvloeden.  

In tabel III.3 zien we de belangrijkste resultaten van de regressieanalyse. R is ook een correlatiemaat die samenvalt met de Pearson Correlatie als er slechts één onafhankelijke variabele in het model zit. De regressieanalyse geeft een waarde voor R‑kwadraat of de determinatiecoëfficient van 0,13, dit wil zeggen dat 13% van de variantie van het vertrouwen in de regering door de groei van het BBP verklaard wordt. De aangepaste R‑kwadraat houdt rekening met het aantal onafhankelijke variabelen en het aantal waarnemingen. Het is dit cijfer dat we zullen gebruiken. De groei van het BBP verklaart dus 11% van de variantie van het vertrouwen in de regering. ANOVA staat voor ‘analysis of variance’ of de analyse van de variantie. We zullen hier niet verder op ingaan, het belangrijkste is dat de significantie wijst op het significant zijn van de R‑kwadraat. In dit geval is het duidelijk dat de R‑kwadraat significant is, de significantie ligt immers onder 0,05.

Tabel III.3: Regressieanalyse van BBP-groei op het vertrouwen in de regering

3.1.2. En de populariteit van de premier

De andere variabele die we uit de Inra gegevens hebben gehaald is de populariteit van de premier. De Pearson correlatie van deze variabele en de BBP-groei is niet significant. Omdat er geen significant verband is tussen de twee variabelen, heeft regressieanalyse geen zin.

Tabel III.4: Pearson Correlatie van de BBP-groei en de populariteit van de premier

3.2. Werkloosheidsgraad

3.2.1. En het vertrouwen in de regering

a. Correlatieanalyse

We kunnen een volledig analoge analyse maken van de samenhang tussen de werkloosheidsgraad en het vertrouwen in de regering. We bereken eerst de Pearson Correlatie. Zoals verwacht geeft het een negatief verband. Bij een hogere werkloosheid verwachten we een lager vertrouwen in de regering en omgekeerd. Er bestaat een heel sterke correlatie tussen de twee variabelen (-0,726). Ook wanneer we het vertrouwen weer opsplitsen in de verschillende categorieën zien we zeer hoge correlaties. Zoals bij de samenhang met de groei van het BBP, is ook hier de correlatie het sterkst bij de negatieve variabelen, in het bijzonder bij de variabele ‘eerder vertrouwen’ (Plutôt confiance) (‑0,742).

Tabel III.5: Correlatie tussen werkloosheidsgraad en vertrouwen in de regering

**  De correlatie is significant tot op 0.01 .

Tabel III.6: Correlatie tussen de werkloosheidsgraad en het vertrouwen in de regering (opgesplitst)

**  De correlatie is significant tot op 0.01 .

Om in te kunnen schatten hoe hoog deze cijfers zijn, willen we ze naast cijfers leggen van een vergelijkbaar onderzoek. In Tabel III.7 staat de Pearson Correlatie van de werkloosheidsgraad en het vertrouwen in drie West-Europese democratieën zoals berekend in het onderzoek van Anderson. We zien duidelijk dat de correlatie die we hebben teruggevonden voor België relatief groot is. 

Tabel III.7: Pearson Correlatie van de werkloosheidsgraad op het vertrouwen in de regering

b. Regressieanalyse

Ook de regressieanalyse loopt volledig analoog. Omdat de Pearson Correlatie (en dus ook R) relatief zeer hoog ligt, ligt R‑kwadraat en ook de aangepaste R‑kwadraat aanzienlijk hoger. Niet minder dan 56% van de variantie van het vertrouwen in de regering wordt verklaard door de werkloosheidsgraad. Dit is wel bijzonder veel. De kans dat de gevonden regressie op toeval berust is zeer klein, er is dus geen reden om te twijfelen aan de resultaten.

Tabel III.8: Regressieanalyse van de werkloosheidsgraad op het vertrouwen in de regering

3.2.2. En de populariteit van de premier

a. Correlatieanalyse

Tabel III.9: Pearson Correlatie van de werkloosheidsgraad en de populariteit van de premier

**  De correlatie is significant tot op 0.01 .

Hoewel de correlatie met de populariteit van de eerste minister lager ligt, is het nog steeds een zeer sterke, significante correlatie (-0,713).

b. Regressieanalyse

Tabel III.10: Regressieanalyse van de werkloosheidsgraad op populariteit van de premier

Omdat er een hoge correlatie (en dus R) is, is ook de aangepaste R‑kwadraat redelijk hoog (0.498). We kunnen dus stellen dat 50% van de variantie op de populariteit van de premier wordt verklaard door de werkloosheidsgraad.

3.3. De objectieve factoren: BBP-groei en werkloosheidsgraad

Om de analyse van de objectieve factoren te besluiten, kunnen we beide objectieve indicatoren in één model steken met het vertrouwen in de regering en kijken hoe groot hun gezamenlijke verklaringskracht is voor deze variabele. De twee objectieve economische factoren – economische groei en werkloosheidsgraad – verklaren samen 64% van de variantie van het vertrouwen in de regering. De kans dat de gevonden regressie op toeval berust is opnieuw zeer laag. Het is dus een significant en opvallend hoog cijfer.

Tabel III.11: Regressieanalyse van de werkloosheidsgraad en de BBP-groei op het vertrouwen in de regering

3.4. De subjectieve factor: consumptievertrouwen

3.4.1. En het vertrouwen in de regering

Tabel III.12: Pearson Correlatie van het consumentenvertrouwen en het vertrouwen in de regering

**  De correlatie is significant tot op 0.01 .

Naast de objectieve factoren, moeten we ook een subjectieve factor bekijken. We zullen eerst de correlatie bekijken met het vertrouwen in de regering. De Pearson Correlatie maat geeft een bijzonder hoog cijfer, namelijk 0,717. Er is dus een zeer sterk verband tussen het consumentenvertrouwen en het vertrouwen in de regering. De correlatie is bijna even groot als die met de werkloosheidsgraad. Bij het opsplitsen van de variabele ‘vertrouwen in de regering’, zien we dat al deze correlaties hoog zijn.

Tabel III.13: Pearson Correlatie tussen consumentenvertrouwen en het vertrouwen in de regering (opgesplitst)

**  De correlatie is significant tot op 0.01 .

De aangepaste R‑kwadraat is 0,5 en wanneer we een model testen met de objectieve en subjectieve variabelen in krijgen we een aangepaste R‑kwadraat van 0,73. Beide zijn significant tot op 0,01. Dit zijn uitzonderlijk hoge cijfers. Toch willen we hiermee zeer voorzichtig omspringen en zullen we deze cijfers verder niet gebruiken. Het probleem dat zich bij de subjectieve factoren stelt is methodologisch van aard. Het consumentenvertrouwen is een variabele die is samengesteld op basis van een steekproef. Het veralgemenen van de cijfers van de steekproef voor de hele populatie brengt een zekere fout met zich mee. Bij de regressieanalyse van twee variabelen die beide op basis van een steekproef zijn opgesteld, is het risico te groot om de analyse te mogen gebruiken.

3.4.2. En de populariteit van de premier

Tussen het consumentenvertrouwen en de score van de eerste minister is er een duidelijk verband. Zoals hierboven uiteengezet zullen we ons beperken tot de correlatieanalyse.

Tabel III.14: Pearson correlatie van het consumentenvertrouwen en de populariteit van de premier

*  Correlatie is significant tot op 0.05

BESLUIT

Het vertrouwen in de regering is afhankelijk van de economische situatie van het land. Het blijkt zeer duidelijk uit de cijfers dat er een zeer sterke samenhang is tussen de economische factoren – zowel subjectieve als objectieve – en het vertrouwen in de regering. De objectieve factoren – de werkloosheidsgraad en de BBP-groei – verklaren samen 64% van het vertrouwen in de regering. We hebben duidelijk aanwijzingen dat de verklaringskracht van het consumentenvertrouwen ook zeer hoog ligt. Ook de populariteit van de eerste ministers blijkt afhankelijk van de economische toestand in het land.  De werkloosheidsgraad verklaart alleen reeds 50% van de populariteit van de eerste minister.

Deze conclusies hebben verreikende gevolgen. We kunnen ons immers de vraag stellen of er nog ruimte is voor andere variabelen als de economische situatie al zo’n groot belang heeft. In de Verenigde Staten zijn er wetenschappers die, gedreven door dergelijke correlaties, formules opstellen om verkiezingsresultaten te voorspellen op basis van economische factoren. (Erikson en Wlezien, 1996: 492)  Toch zijn we niet geneigd zo ver te gaan. Deze wetenschappers slagen immers zelden in hun opzet en zijn altijd verplicht om andere factoren in hun vergelijking te plaatsen. De schitterende economische toestand in Groot-Brittannië had Major ook een verkiezingsoverwinning moeten in de schoot werpen, maar er speelden blijkbaar ook andere factoren mee. Het is daarom interessant en noodzakelijk om ook andere mogelijkheden te onderzoeken.