Arbeidsnotat nr. 25/03 Råstofftilgang og sysselsetting i fiskeindustrien Av Torbjørn Lorentzen

Transkript

1 Arbeidsnoa nr. 25/3 Råsoffilgang og sysselseing i fiskeindusrien Av Torbørn Lorenzen SNF-prosek nr. 538: Kapasiesilpasning i fiskeindusrien Proseke er finansier av Fiskerideparemene SAMFUNNS- OG NÆRINGSLIVSFORSKNING AS BERGEN, FEBRUAR 27 ISSN 53-24

2

3 . Innledning Norsk fiskeindusri har over flere år sli med lav lønnsomhe, og sysselseingen har evn og ru gå nedover. Uviklingen i næringen forklares u fra fakorer som endring i eknologi, flukuasoner i valuakurs og renenivå, lønnsnivå og variason i kvoene. I illegg il dee har inernasonalisering eller globalisering av råsoff- og ferdigvaremarkede inensiver konkurransen såpass mye a den direke påvirker uviklingen i fiskeindusrien. Noen av disse forklaringene er analyser i Lorenzen og Hannesson 23. Foreliggende noa analyserer den saisiske sammenhengen mellom sysselseingen i indusrien og omfange av lande fisk fra den norske og uenlandske flåen i perioden 977 il 2. Målseingen er å konsruere og esimere en enkel, aggreger modell som kvanifiserer sammenhengen mellom sysselseing og landing av fisk. Modellen kan i bese fall brukes il å prognosisere den korsikige uviklingen i sysselseingen i indusrien. Noae er srukurer på følgende vis: De førse figurene (figurene il 6) viser uviklingen av sysselseingen i indusrien og landing av fisk fra norske og uenlandske farøy i perioden 977 il 2. De andre see av figurer (figurene 7 il ) viser hvordan den samlee sysselseingen i fiskeindusrien har varier med landing av fisk fra den norske og uenlandske flåe i samme periode. Daakildene er Fiskeridirekorae og Saisisk senralbyrå. I sise del esimeres en enkel regresonsmodell som kvanifiserer sammenhengen mellom sysselseingen i fiskeindusrien og lande kvanum fisk fra den norske og uenlandske flåen. Vedlegg A presenerer en alernaiv modell hvor lande råsoff er aggreger. 2. Deskripiv saisikk I de andre see av figurer er observasonene merke med all fra il 24. Talle sår for årsalle 977, alle 2 for 978 osv. opp il alle 24 som beegner år 2. Ved å sudere figurene vil de være mulig å danne seg e bilde av hvordan sysselseingen har varier med lande kvanum over id. Figurene 7 il inkluderer også en regresonsline, baser på minse kvadraes meode, som er ilpasse slik a den gir den minse variasonen mellom observere og beregnede verdier. Neders il høyre i figurene er de oppgi e all som viser hvor sor andel av variasonen rund gennomsnie som regresonen kan forklare, dvs. hvor mye av

4 variason i sysselseingen som forklares av variason i lande kvanum. I de univariae ilfelle vil kvadraroen av den forklare variasonen 2 R være e mål på korrelasonen (Pearsons korrelasonskoeffisien) mellom sysselseingen og mengde lande fisk. Figurene og 2: Sysselseing i norsk fiskeindusri og landing av orskefisk fra norske farøy 6 8 SYSSELSETTING TORSK LEVERT AV NORSKE FARTØY ÅR ÅR Figurene 3 og 4: Norske landinger av sild, brisling, makrell og lodde 3 SILD OG BRISLING FRA NORSKE FARTØY MAKRELL OG LODDE: NORSKE FARTØY ÅR ÅR 2

5 Figurene 5 og 6: Landing av orskefisk og pelagisk fisk fra uenlandske farøy TORSK LANDET AV UTENLANDSKE FARTØY PELAGISK FISK: UTENLANDSKE FARTØY ÅR ÅR Figurene 7 og 8: Sysselseing og landing av fisk fra norske farøy SYSSELSETTING Rsq = SYSSELSETTING Rsq = TORSK LEVERT AV NORSKE FARTØY NORSKE LEVERANSER AV SILD OG BRISLING 3

6 Figurene 9 og : Sysselseing og landing fra norske og uenlandske farøy SYSSELSETTING Rsq = SYSSELSETTING Rsq = NORSKE LEVERANSER AV MAKRELL OG LODDE UTENLANDSKE LEVERANSER AV TORSK Figur : Sysselseing og landing av pelagisk fisk fra farøy fra ulande 4 SYSSELSETTING Rsq = UTENLANDSKE LEVERANSER AV PELAGISK FISK 4

7 Figurene viser a uviklingen av sysselseingen og lande fisk ikke er å berake som sasonære prosesser, dvs. a verken gennomsnie eller variansen er sabil over id (ingen idshomogenie). I noae eser vi ikke for sasonærie og koinegrason. Figurene viser a variablene neppe er sasonære. Uen å a hensyn il a modellen kan inneholde ikkesasonære variable, er de en viss fare for a de esimere sammenhengene er spuriøse også kal nonsense regression. Linearie mellom sysselseing og råsoffilgang kan også beviles. Figurene 7 il viser a de er en posiiv sammenheng mellom sysselseingsnivå og omfange av råsofflandinger fra den norske og uenlandske flåen. Unnake er leveranser av sild og brisling. Vi ser a de er en beydelig nedgang i leveranser av fisk i perioden , og a dee også samsvarer med en bunn i sysselseingen i indusrien. I denne perioden var ressursene og kvoene på e hisorisk lavnivå. Legg også merke il a leveranser fra uenlandske farøy øker beydelig fra og med 993. Dee skyldes bl.a. a de har vær e generel forbud mo landing av fisk il Norge fra uenlandske farøyer, og uenlandske farøyer har a sine fangser e opp il norsk økonomisk sone. Forbude ble oppheve fra og med 993. Tabell nr. : Pearson Correlaions Marix y-variabel X -variabel X 2-variabel X 3-variabel X 4-variabel X 5-variabel X 6-variabel Sysselseing (y) Pearson Correlaion Sig. (2-ailed) N 24 Landing av Pearson Correlaion,665 ** orskefisk fra norske farøy (X ) Sig. (2-ailed), N Landing av sild og Pearson Correlaion -,373,82 brisling fra norske farøy (X 2) Sig. (2-ailed),72,394 N Landing av Pearson Correlaion,76 **,333 -,549 ** makrell og lodde fra norske farøy (X 3) Sig. (2-ailed),,2,5 N Landing av orskefisk fra Pearson Correlaion,755 *,679 *,878 *,42 uenlandske farøy (X 4) Sig. (2-ailed),2,276,,95 N Landing av pelagisk fisk fra Pearson Correlaion,359,29,736 *,567 *,765 * uenlandske farøy (X 5) Sig. (2-ailed),38,684,,, N Tidsrend (X 6) Pearson Correlaion -,674 ** -,45,95 ** -,636 **,887 **,895 ** Sig. (2-ailed),,498,,,, N Dummy- variabel Pearson Correlaion -,227,334,899 ** -,335,953 **,832**,87 ** for adgang for uenlandske landinger fra og med 993 (X 7) Sig. (2-ailed),286,,,,,, N ** Correlaion is significan a he. level (2-ailed). * Correlaion is significan a he.5 level (2-ailed). 5

8 Målseingen her er kun å vise uvalge saisiske sammenhenger mellom sysselseing og landing av råsoff. I illegg har vi a hensyn il en mer generell uvikling som indusrien er en del av, for eksempel øk konkurranse om råsoffe (inernasonalisering/globalisering), eknisk fremskri og uviklingen i den øvrige del av økonomien som bransen blir påvirke av, for eksempel via lønnsdannelsen i arbeidsmarkede. Pearsons korrelasonskoeffisien (ρ) måler syrken på sammenhengen mellom o variable. Verdien av koeffisienen ligger i inervalle ρ. Tabell viser Pearsons korrelasonskoeffisien for bl.a. sammenhengen mellom sysselseing i indusrien, landing av forskellige arer fisk fra uenlandsk og norske farøy, rendvariabel og dummyvariabel for endring av handelsregime. Legg merke il a korrelasonskoeffisienen for de uenlandske leveransene er kun beregne for de 4-5 sise årene. De foregående årene er ikke a med, fordi koeffisienen ville bygge på observasoner hvor sysselseingen faller samidig som de ikke blir lever fisk fra den uenlandske flåen pga. leveringsforbude som eksisere før 993. I illegg il dee er Pearsons korrelasonskoeffisien sensibel for både ouliers, og hvis variablene ikke er normalfordel. Dee svekker selvsag validieen il korrelasonskoeffisienen. Tabellen viser hvilke sammenhenger som er serke, dvs. hvilke korrelasoner som er signifikan forskellig fra null på eller 5 % -nivå (uheve). Tabellen viser a de er høy korrelason mellom mange av variablene, for eksempel mellom landing av råsoffypene og rendvariabelen, sam variabelen for endring av leveringsregime. Senere skal vi se a den høye korrelasonen mellom enkele av variablene represenerer en beydelig kilde il mulikollinearie. 3. Sysselseingsmodell I de følgende formuleres en enkel økonomerisk modell for sysselseing i fiskeindusrien. Modellen bygger på observasoner av sysselseingen og landing av fisk fra den uenlandske og norske flåen i perioden 977 il 2. I illegg il dee har vi inegrer i modellen endring i reguleringsregime fra og med 993, og de er også a hensyn il den generelle uviklingen i indusrien ved å innføre en nøyral ids- eller rendvariabel. De er idligere nevn a hvis modellen inneholder ikke-sasonære variable, vil de være sor sanse for spuriøse resulaer med mindre variablene er koinegrere. 6

9 De er å forvene a de er en viss saisisk sammenheng mellom landing av fisk og sysselseing. Begrunnelsen for dee er følgende: Både arbeidskraf og råsoff er såkale normale innsasfakorer. De beyr a når prisen på en av disse fakorene øker, vil produksonen reduseres. De er også å forvene a de er en viss komplemenarie i eerspørselen eer arbeidskraf og råsoff. De beyr a når prisen på råsoff øker, vil eerspørselen eer arbeidskraf reduseres. I praksis vil vi nok erfare a denne sammenhengen ikke er koninuerlig og aldri vil gelde for små endringer. Ana a y og v represenerer hhv. vekoren av innsasfakorer og produser mengde fiskeproduker. En profimaksimerende bedrif vil velge y og v slik a de gir sørs mulig profi. Valge av y og v vil selvsag være avhengig av paramerene i maksimeringsprobleme, dvs. prisvekoren (p,q), hvor p er prisen på ferdigvaren og q er prisvekoren for innsasfakorene. Tilbude av ferdigvaren kan derfor urykkes som en funkson av paramerene, dvs. v = f ( p, q), og eerspørselen eer for eksempel innsasfakor y er en funkson av de samme paramerene, dvs. y = g( p, q). En økonomerisk analyse av eerspørselen eer arbeidskraf burde a ugangspunk i profifunksonen, og u fra dee ulede urykk som inneholder ferdigvareprisen og relevane fakorpriser. Vi har ikke ha mulighe il dee pga. mangel på daa. Med ilsrekkelig ilgang på daa vil de være av ineresse å esimere følgende funkson, gi profimaksimering og w p pm prisfas kvanumsilpasning: y = f (,,...,, K, z( )), hvor y = eerspørselen eer p p p arbeidskraf, w = lønn, p = ferdigvarepris, realkapial og z() = generell rendvariabel. p,...,, p2 pm represenerer råvarepriser, K = Analysen nedenfor bygger på følgende anakelser: Vi går u fra a næringen produserer noenlunde de samme varene over idsromme vi ser på, dvs. a vi foruseer en Leoniefprodukfunkson med fase koeffisiener. I dee ilfelle vil de beingede fakoreerspørselsfunksonene være lineære i produser mengde. Ana a produkfunksonen kan skrives som v [ a y,..., ] Bruken av fakor = Min a y n n. a for =,,n er alle posiive koeffisiener. y er gi ved y = v for en besem produser mengde a v. Hvis forholde mellom produser mengde v og råsoff x sår i e beseme forhold k, har vi a x = kv. Innsa v = x i urykke ovenfor, får vi a eerspørselen eer fakor y k er gi ved Hvis vi lar y = x. ka y beegne eerspørselsfunksonen for sysselseingen i fiskeindusrien, har vi e 7

10 konsisen urykk for sammenhengen mellom sysselseing og råsoff. Sammenhengen viser il den beingede eerspørsel eer arbeidskraf i fiskeindusrien, dvs. a for en gi mengde produsere fiskeproduker er eerspørselen eer alle fakorene gi uavhengig av fakorprisene. Her forusees de a de er simulanie mellom sysselseing og råsoffbruk, dvs. de er ingen idsforskyving mellom avhengig og uavhengige variable. Produkfunksonen som resonnemene bygger på er en Leonief-produkfunkson med fase koeffisiener. Linearie mellom eerspørselen arbeidskraf og lande fisk vil også være konsisen med bruk av Cobb-Douglas eller CES-produkfunkson, men de foruseer en pari-passu eknologi (homogenie av grad en), og a de er linearie mellom produser mengde og behove for råsoff. Modellen har følgende variable: y : anall sysselsa i norsk fiskeindusri på idspunk = 977,.., 2. x : landing av orskefisk ( onn) fra norske farøy på idspunk = 977,.., 2. x 2 : landing av sild og brisling ( onn) fra norske farøy på idspunk = 977,.., 2. x 3 : landing av makrell og lodde ( onn) fra norske farøy på idspunk = 977,.., 2. x : landing av orskefisk ( onn) fra uenlandske farøy på idspunk = 977,.., 2. 4 x 5 : landing av pelagisk fisk ( onn) fra uenlandske farøy på idspunk = 977,.., 2. x 6 : dummyvariabel for endring i ilandføringsregime for den uenlandske flåen. Variabelen har verdien i perioden , dereer er verdien. x 7 : generell rendvariabel som ar verdien for 997, 2 for 998, og opp il 24 i år 2. u : represenerer de sokasiske resledde. α : konsanledde. Vi ønsker å esimere koeffisienene ( α, β ) i følgende modell: y = α + 7 i= β x i i + u Minse kvadraers meode (OLS) ble bruk il å esimere koeffisienene i modellen, og resulae ble som følge: 8

11 Tabell 2: Model Summary R R Square Adused R Square Sd. Error of he Esimae Change Saisics Durbin-Wason Model R Square Change F Change df df2 Sig. F Change,96,922, ,56,922 26, ,,95 Muligheen for auokorrelason (. ordens auakorrelason) blir ese ved help av esimae på Durbin-Wason koeffisienen. I dee ilfelle ar DW-parameeren verdien DW =,95. I følge DW-abell vil nedre og øvre grense for modell med syv regressorer (ikke inkl. konsanledd) og 24 observasoner ha følgende kriiske verdier (5% signifikannivå): d =, 75og l d u = 2,74. I og med a DW =,95 ligger mellom d l og d u, er de umulig å si noe om de er auokorrelason il sede eller ikke. Ved inspekson av residualploene viser de seg a modellen gir posiiv auokorrelason i perioden , og negaiv auokorrelason i perioden En vikig årsak il auokorrelasonen er a modellen ikke omfaer alle variablene som besemmer sysselseingsnivåe, og i så måe kan kilden il auokorrelason skyldes feilspesifisering av modellen. Ved auokorrelason er koeffisienesimaene forvenningsree men variansen er ikke effisien (minimaliser), og dee har igen beydning for den saisiske esingen. 2 Vi ser a modellen har høy forklaringskraf. Den usere R =, 887, dvs. a vel 88% av variasonen i sysselseingen kan forklares ved help av modellen. Innslage av en viss auokorrelason bidrar il å blåse opp -variablene og den muliple korrelasonskoeffisienen. C = % Hypoesen H β = β =,..., = β ble ese. Kriisk F-verdi: F 3, 89 og hvor k = 8, : = k, N k = N-k = 24-8 = 6. I denne regresonen er F = 26,84, slik a H -hypoesen forkases. Tabellene 3 og 4 presenerer koeffisienesimaene, -verdiene og kollineariessaisikken (olerance, VIF og Condiion Index). Fra abell 3 ser vi a koeffisienene il følgende variable: x x2, x5, x7, er signifikan forskellig fra null. De sørse bidrage il endringen i sysselseingen kommer fra rendvariabelen. Dernes følger uenlandske leveranser av pelagisk fisk, og så de norske leveransene. De bør også nevnes a de relaive bidrage som kan leses u av verdien på de sandardisere beakoeffisienene får svekke validieen når de er serk korrelason mellom de uavhengige variablene. Foregne il uenlandske landinger av orskefisk ( x 4 ) er negaiv. Esimae harmonerer ikke med hva som a priori kan forvenes. 9

12 Koeffisienen ( β 4 ) er lang fra signifikan forskellig fra null, og de skyldes nok innslag av mulikollinearie i modellen. Resulaer som dee ilsier a modellen bør vurderes spesifiser på en annen måe, for eksempel slå sammen norske og uenlandske leveranser av orsk. Men legg merke il a Pearsons korrelasonskoeffisien mellom uenlandske leveranser av orsk (russerorsk) og sysselseing viser en posiiv sammenheng hvis målingen bygger på de 4 sise årene, dvs. fra leveranseårene 993 il 2). De er beydelig korrelason mellom enkele av følgende variable,,, og (se også abell ). VIF-verdier sørre enn 2 x3 x4 x5 x6 x7 og Condiion Index sørre enn 3 signaliserer i illegg beydelig mulikollinearie. De samme diagnosen kan silles ved å se på de lave verdiene på Tolerance-indikaoren. VIF-indeksen er spesiel høy for x 7 (rendvariabelen) og x 4 (landing av orskefisk fra uenlandske farøy). Mulikollinearie fører il høy varians, og -verdiene blir derfor lave. Konfidensinervallene blir bredere sammenlikne med fravær av mulikollinearie. Videre fører mulikollinearie il a både F-saisikken og ikke idenifisere heeroscedasisie. 2 R blir blås noe opp. Ved visuell inspekson av residualene kan vi Tabell nr. 3: Coefficiens Modell Unsandardized Coefficiens Sandardized Coefficiens Collineariy Saisics B Sd. Error Bea Tolerance VIF α 489,44 288,5 5,25 x 6,984 2,822,432 2,475,6 6,226 x 2 2,958,745,53,695,56 7,967 x 3,9,76,48,266,49 6,78 x 4-5,367 9,699 -,27 -,553,32 3,33 x 5 2,4 7,982,78 2,556,62 6,95 x 6 76,386 46,522,48,69,6 6,638 x 7-38,695 3,92 -,526-3,664,28 35,369 Tabell nr. 4: Collineariy Diagnosics Eigenvalue Condiion Index Model Dimension 6,498, 2,98 2,329 3,4 6,78 4,5 7, ,862E-2 5,68 6 2,96E-2 7,23 7 4,63E-3 37,465 8,743E-3 6,66

13 Vi har følgende esimere modell: y = ,98x + 2,96x2 +,9 x3 5,37 x4 + 2,4x5 + 76,39x6 38, 7x7 Figur 2 viser den fakiske og beregnede uviklingen av sysselseingen i fiskeindusrien i perioden sam konfidensinervalle for den esimere sysselseingsprofilen. Figur nr. 2: Beregne og esimer sysselseing OBSERVERT OG BEREGNET SYSSELSETTING I FISKEINDUSTRIEN Konfidensinervalles øvre grense Konfidensinervalles nedre grense Observer Beregne Hvis vi kenner uviklingen av lande fisk, for eksempel sørrelsen på kvoene, er de mulig å see dee inn i modellen, og u fra dee lage en prognose for uviklingen av sysselseingen de nærmese årene. Vi ser a modellen akler ganske bra endringen som skedde rund 99-9, men legg merke il a noen observere verdier ligger uenfor konfidensinervalle (986 og 989). For å illusrere bruken av modellen, kan vi a ugangspunk i Fiskeridirekoraes foreløpige landingsall for den norske og uenlandske flåen for årene 2 og 22. Tabell 5 viser de foreløpige landingsallene i onn rund vek. Tabell nr. 5: Landing av fisk 2 og 22 Norske landinger av fisk ( onn) 2 22 x : Torsk og orskeare fisk x2 : Sild og brisling x : Makrell og lodde Uenlandske landinger av fisk ( onn) 2 22 x4 : Torsk og orskeare fisk x : Pelagisk fisk Kilde: Fiskeridirekorae 23.

14 Tabell 6 viser hvilke sysselseingsnivå modellen predikerer på bakgrunn av de allene som er gi ovenfor. Tabellen viser også 95% konfidensinervalle for sysselseingsnivåe. Tabell nr. 6: Sysselseingsprognose Beregne sysselseing i fiskeindusrien År 2 22 ŷ yˆ ±,96σ [42, 6322] [989, 7268] yˆ Sandard error of esimae: σ 62 yˆ = Med ugangspunk i Fiskeridirekoraes all for ilandfør kvanum, predikerer modellen a den forvenede sysselseingen vil bli 382 i 2 og 429 i % konfidensinervall for esimaene er også oppgi i abell 6. Legg merke il a konfidensinervalle er relaiv bred. I og med a de ble bruk genuin nye verdier på de uavhengige variablene, var de nødvendig å beregne prediksonsfeilen σ ŷ ved help av: σ yˆ = σ ( + ) + n k i= k = ( x i x )( x i x )cov( ˆ β, ˆ β ) i n: anall observasoner, k: anall regressorer, x i, x : nye observasoner for variablene i og =,2, 5 (se abell 5). Covariansmarisen il koeffisienesimaene ble bruk il å beregne cov( ˆ β, ˆ β ). σ ŷ ble beregne il 62 for 2. Den samme verdien ble bruk i beregningen av i de predikere sandardavvike for 22. Foreløpige all fra Saisisk senralbyrå (SSB) viser a hhv 774 og 82 var sysselsa i fiskeindusrien i 2 og 22. Som vi ser ligger de observere sysselseingsallene i vensre del av modellens konfidensinervall. 4. Oppsummering Målseingen er å konsruere og esimere en enkel modell som kvanifiserer sammenhengen mellom landing av fisk og sysselseing i fiskeindusrien i Norge. Den deskripive delen av analysen viser a både uviklingen av sysselseingen og landing av fisk ikke represenerer sasonære idsserier. Ikke-sasonærie ble forsøk fange opp ved å bruke en deerminisisk rendvariabel. Korrelasonsmarisen viser a de er beydelig samvariason mellom flere av de uavhengige variablene. Modellen måler den saisiske sammenhengen mellom sysselseingsnivå og leveranser av fisk fra norske og uenlandske 2

15 farøy. Modellen har ikke a hensyn il indusriype (vareype), geografisk lokalisering, og de er heller ikke a hensyn il effekene fra bearbeiding av fisk fra oppdresnæringen. Hvis variablene rangeres eer deres relaive beydning for sysselseingen, har vi følgende: () rendvariabelen har sørs (negaiv) effek (effeken fanger opp summen av alle ekserne fakorer som påvirker næringen; globalisering, inernasonal konkurranse, eknologisk uvikling og rasonalisering), (2) landing av pelagisk fisk fra den norske flåen, (3) landing av sild og makrell fra den norske flåen og (4) landing av orsk fra den norske flåen. Valg av modell er begrunne u fra enkel Leonief-eknologi. Økonomiske variable er uela slik a faren for feilspesifisering er il sede. Modellens parameere er forvenningsree og reproduserer de esimere verdiene relaiv god og kan, i kombinason med andre kilder, anvendes i e korsikig prognosearbeid, men spesiel innslag av mulikollinearie og en usikker diagnose mh auokorrelason og ikke-sasonære variable bidrar il usikkerhe i den saisiske evalueringen. Referanselise Lorenzen, T. & Hannesson, R. (23): Konkurranseevne og kapasiesilpasning i fiskeindusrien. SNF-rappor /3. Samfunns- og næringslivsforskning A/S, Bergen. Symons, J. & Layard, P.R.G. (984): Neoclassic demand for labour funcions in six OECDcounries, Economic Journal, vol. 94, pp Layard, P.R.G. & Nickell, S.J. (985): The causes of Briish unemploymen, Naional Insiue Economic Review, February, pp

16 Vedlegg A: Predikson av sysselseingen ved bruk av en generell modell I denne modellen er landing av fangsene fra norske og uenlandske farøyer slå sammen. I illegg opereres de med kun o kaegorier leveranser, hhv og x : orsk (orsk og orskeare fisk) x 2 : pelagisk fisk (makrell, sild, brisling og lodde). Figur 3 viser hvordan lande kvanum i Norge (fra norske og uenlandsk farøy) og den samlee sysselseingen i fiskeindusrien har uvikle seg i perioden Lande kvanum er regne i onn rund vek. Figur 3: Anall sysselsae i fiskeindusrien og lande kvanum i Norge Landing av pelagisk fisk ( onn rund vek) Landing av orsk og orskeara fisk ( onn rund vek) Anall sysselsae i fiskeindusrien Figur 3 viser, ikke overraskende, a de er en viss sammenheng mellom lande kvanum og sysselseingsnivå i fiskeindusrien. De er spesiel landing av orsk og orskeara fisk som ser u il å ha serkes effek på sysselseingen. Legg merke il a landing av fisk (orsk og pelagisk fisk) flaer u fra og med 2 mens sysselseingen forsa går ned. De er åpenbar ikke bare snakk om ilgang på råsoff som påvirker sysselseingen. 4

17 Som før har vi a den avhengige variabelen y er anall sysselsae i fiskeindusrien på idspunk (år). Ingen av variablene er ransformere. Vi ser bor fra dummy variabelen som reflekerer de ulandske båenes mulighe il å lande fisk i Norge. Følgende generelle modell er esimer: y 4 4 = + γ + βix i+ + i= = α ϕ x + ε 2 i+ Den endelig esimere modellen har følgende koeffisiener (-verdier i parenes): y ˆ = x x 3+.9x2 2 (28.) ( 2.4) (9.63) (5.44) (7.82) Modellen har gode saisiske egenskaper. Alle esimere koeffisiener er signifikan forskellig fra null. Durbin-Wason (DW) viser 2.9 som indikerer en mege svak førseorden auokorrelason. Sandardavvike il residualledde er 227,6. På den annen side viser 2 2 Pormaneau saisikken for lag 2 og 3 hhv; χ (2) =.25 [.882] og χ (3) = 2.3 [.55]. 2 Residualene er normalfordele: χ (2) =.79 [.96]. De er heller ingen heeroscedasisie i resleddene som følgende Whies heeroscedasiciy es viser: F(8,7) =.566 [.778]. Og de er heller ingen førseordens beinge auoregressiv heeroscedasisie; ARCH - es: F(,4) =.4 [.72]. Modellen forklarer så høy som 98% av variasonen i sysselseingsnivåe, dvs. R 2 =. 98 og F(4,6) = [p =.]. Den dynamiske srukuren i modellen er ineressan. Landingsnivåe for orsk har en umiddelbar effek på sysselseingen. For hver onn som landes av orsk, sysselsees i gennomsni 4.4 personer per år. Videre viser de seg a landing av orsk re år ilbake i id har beydning for sysselseingsnivåe i dag, dvs. sysselseingen øker med 2.6 personer for hver onn. Hvorvid dee har en økonomisk forklaring er derimo uklar. Den langsikige sysselseingseffeken for orsk er ca. 7 personer per onn. Modellen viser videre a de kun er de foridige landingsnivåe for pelagisk fisk som har beydning for sysselseingen inneværende år. Ca. 2 personer sysselsees per onn pelagisk fisk som landes. Også i dee ilfelle er de usikker om den saisiske srukuren har en meningsfull økonomisk olkning. Den esimere modellen viser a de i gennomsni rasonaliseres bor 27 personer per år. Modellen forklarer god observasonene in-sample. Modellen er esimer ved bruk av perioden Observasonene for 2 il 24 brukes il ou-of-sample prediksonsformål. Figur 4 viser modellens evne il å 5

18 predikere in sample og ou-of-sample sysselseingen i fiskeindusrien. Merk a modellen bommer mh il å predikere sysselseingen i 23, dvs. observasonen er ikke innenfor konfidensinervalle. Figur nr. 4: Observer og prediker sysselseing i norsk fiskeindusri Observer sysselseing Esimer sysselseing sep Forecass Observer sysselseing Esimer sysselseing Tes av modellens evne il predikson (som egenlig er en es på grad av sabilie i paramerene) er gor ved help av Chow-es. I dee ilfelle får vi følgende esverdi: Chow F(4,6) = [.794] som viser a modellen har en viss evne il predikere sysselseingsnivåe. Den svake verdien skyldes a modellen bommer krafig på predikson av sysselseingsnivåe i 23. Legg merke il a modellen har inegrer en deerminisisk rend variabel. Trenden er signifikan og absorberer eksogene krefer som påvirker næringen. Samidig er de grunn il å være skepisk il denne variabel fordi den har ikke gyldighe når iden blir ilsrekkelig sor. Når årene går vil rendvariabelen bli såpass sor a sysselseingen beveger seg mo null, og modellen er ikke nødvendigvis gyldig. Hvis vi vurderer modellen opp mo modellen som er presener i hoveddelen av noae, er de vel versonen i vedlegg A som er bes. Vurderingskrieriene er hhv sørrelsen på den muliple korrelasonskoeffisienen, sørrelsen på -verdiene, grad av auokorrelason mellom residualene, grad av sabilie i koeffisienesimaene og residual variasonen (variansen på resledde). Modellen i vedlegg A skorer høy på disse krieriene. 6

19 Vi forsøke også å esimere sammenhengen mellom sysselseingsnivåe y og samle landing av fisk i Norge x, dvs. landing av orsk og orskeara fisk sam pelagisk fisk fra norske og uenlandske farøy er summer. Beregningen bruker idsperioden 98-2 slik a rendvariabelen har indeksen i år 98. Esimeringen gav følgende resula (-verdier i parenes) y ˆ = x + 2.x (8.9) ( 3.8) (4.4) (8.53) Koeffisienene er signifikan forskellig fra null. Modellen forklarer ca. 95% av variasonen i den avhengige variabelen. Sandardavvike il residualledde er 354 som er noe sørre sammenlikne med foregående modell. DW er.89 slik a hypoesen om førseordens auokorrelason kan forkases. De er rolig heller ingen høyere ordens auokorrelason, da AR 2-2 es viser F(2,5) =.3 (p =.96). Resledde er normalfordel; χ (2) = (p =.3). De er ingen beinge heeroscedasisie i modellen; ARCH - es: F(,5) = (p =.42) og Whie s es viser a de ikke er heeroscedasicie i resledde; F(6,) =.598 (p =.7267). Figur 5 viser hvordan modellen predikerer uviklingen av sysselseingen for perioden Figur nr. 5: Observer og prediker sysselseing i norsk fiskeindusri Esimer og prediker uvikling i sysselseingen Observer sysselseing

20 Modellen predikerer relaiv god uviklingen av sysselseingen i perioden 2-24, da verdiene ligger innenfor 95% konfidensinervalle. Chow-esen viser a modellen har en viss evne il predikere sysselseingsnivåe; F(4,7) =.38 (p =.4328). Hvis kvoene på lang sik er noenlunde konsane, og de i fremiden landes like sore mengder hver år, vil langsikige sammen mellom sysselseing være følgende: y ˆ = x (8.9) ( 3.8) (5.8) Modellen predikerer a 3.2 personer sysselsees i fiskeindusrien for hver onn rund fisk som landes. 8