Determinanty wzrostu gospodarczego w krajach Europy Środkowo-Wschodniej – analiza panelowa 2004-2023

Streszczenie

W pracy przeanalizowano determinanty wzrostu gospodarczego w jedenastu krajach Europy Środkowo-Wschodniej w latach 2004–2023. Przyjęta rama teoretyczna ma charakter eklektyczny — łączy neoklasyczny model Solowa-Swana, endogeniczne koncepcje akumulacji kapitału ludzkiego i wiedzy oraz instytucjonalne podejście do wzrostu, których komplementarność uzasadniono na podstawie przeglądu literatury poświęconej konwergencji w postkomunistycznej Europie po akcesji do Unii Europejskiej. Zmienną zależną stanowi roczna stopa wzrostu PKB per capita w cenach stałych 2015 roku. W badaniu zastosowano metody analizy danych panelowych kontrolujące endogeniczność regresorów i nieobserwowalną heterogeniczność krajową: systemowy GMM (SYS-GMM), DIFF-GMM, estymator efektów stałych z korektą Driscolla-Kraaya, LSDV-Kiviet oraz CCEMG. Wyniki wskazują, że najsilniej i najkonsekwentniej potwierdzonym determinantem wzrostu jest jakość instytucji mierzona wskaźnikiem WGI — efekt ten pozostaje odporny na zmiany specyfikacji i zestawów instrumentów.^{[28, s. 67]} Istotne statystycznie potwierdzenie uzyskała akumulacja kapitału trwałego (GFCF), przy czym siła efektu wykazuje zróżnicowanie subgrupowe: jest wyraźnie wyższa dla krajów Grupy Wyszehradzkiej niż dla subgrupy bałkańskiej. Bezpośrednie inwestycje zagraniczne wywierają umiarkowany, dodatni wpływ na wzrost, którego nasilenie zależy od poziomu jakości instytucjonalnej kraju przyjmującego — co potwierdzono istotnością członu interakcyjnego WGI×BIZ. Inflacja nie okazała się statystycznie istotna, co interpretuje się jako konsekwencję dominacji obserwacji z zakresu inflacji umiarkowanej. Uzyskane wyniki stanowią empiryczne wsparcie dla komplementarnego ujęcia paradygmatów neoklasycznego, endogenicznego i instytucjonalnego w wyjaśnianiu dynamiki wzrostu regionu.

Słowa kluczowe: wzrost gospodarczy, Europa Środkowo-Wschodnia, dane panelowe, jakość instytucji, GMM systemowy, konwergencja

Abstract

This thesis investigates the determinants of economic growth in eleven Central and Eastern European (CEE) countries over the period 2004–2023. The analytical framework is deliberately eclectic, combining the neoclassical Solow-Swan model, endogenous growth theories centred on human capital and knowledge accumulation, and institutional approaches to growth. The complementarity of these paradigms is justified through a review of the convergence literature for post-communist Europe following EU accession. The dependent variable is the annual growth rate of GDP per capita at constant 2015 prices. Estimation relies on panel data methods that account for regressor endogeneity and unobservable country-level heterogeneity: system GMM (SYS-GMM), difference GMM, fixed-effects estimation with Driscoll-Kraay standard errors, LSDV-Kiviet, and CCEMG. The results indicate that institutional quality, measured by the WGI composite indicator, is the most robust and consistently confirmed growth determinant, with its effect remaining stable across alternative specifications and instrument sets. Gross fixed capital formation (GFCF) also achieves statistical significance, though its magnitude exhibits subgroup heterogeneity — the effect is substantially stronger for Visegrad Group countries than for the Balkan subgroup. Foreign direct investment exerts a moderate positive influence on growth, with the interaction term WGI×FDI confirming that its growth-enhancing effect is amplified in higher-quality institutional environments. Inflation, proxied by HICP, proves statistically insignificant, which is interpreted as a consequence of the sample being dominated by observations in the moderate-inflation range where linear models do not capture the threshold effects documented in the literature. Collectively, the findings provide empirical support for the complementary application of neoclassical, endogenous, and institutional paradigms in explaining growth dynamics in the CEE region.

Keywords: economic growth, Central and Eastern Europe, panel data, institutional quality, system GMM, convergence

Wykaz skrótów

AMECO

Annual Macro-Economic Database

AR

test Arellana-Bonda na autokorelację

B+R

badania i rozwój

BHT

Bond, Hoeffler, Temple

BIZ

bezpośrednie inwestycje zagraniczne

CCEMG

Common Correlated Effects Mean Group (estymator średnich grupowych z efektami wspólnymi)

CD

cross-sectional dependence (zależność przekrojowa)

CPI

Corruption Perceptions Index

DIFF-GMM

Difference GMM (różnicowy GMM)

EBOR

Europejski Bank Odbudowy i Rozwoju

EŚW

Europa Środkowo-Wschodnia

FDGMM

GMM pierwszych różnic (Arellano-Bond)

FE

Fixed Effects (efekty stałe)

GFC

Global Financial Crisis (globalny kryzys finansowy)

GFCF

Gross Fixed Capital Formation (nakłady brutto na środki trwałe)

GLS

Generalized Least Squares (Uogólniona Metoda Najmniejszych Kwadratów)

GŁW

globalne łańcuchy wartości

GMM

Generalized Method of Moments (uogólniona metoda momentów)

HICP

Harmonised Index of Consumer Prices (zharmonizowany wskaźnik cen konsumpcyjnych)

ICT

Information and Communications Technology (technologie informacyjno-komunikacyjne)

IPS

Im-Pesaran-Shin (test pierwiastka jednostkowego)

KMNK

klasyczna metoda najmniejszych kwadratów

LFS

Labour Force Survey (Badanie Aktywności Ekonomicznej Ludności)

LLC

Levin-Lin-Chu (test pierwiastka jednostkowego)

LSDV

Least Squares Dummy Variables

MNK

Metoda Najmniejszych Kwadratów

NUTS

Nomenclature of Territorial Units for Statistics

OLS

Ordinary Least Squares

PCSE

Panel-Corrected Standard Errors (panelowe skorygowane błędy standardowe)

PKB

Produkt Krajowy Brutto

PPS

Purchasing Power Standard (parytet siły nabywczej)

PWT

Penn World Tables

RE

Random Effects (efekty losowe)

RRF

Recovery and Resilience Facility (Fundusz Odbudowy i Zwiększania Odporności)

SGMM

systemowy estymator GMM (Blundell-Bond)

SYS-GMM

System Generalized Method of Moments (systemowy GMM)

TFP

Total Factor Productivity (łączna produktywność czynników wytwórczych)

UE

Unia Europejska

V4

Visegrad Four (Grupa Wyszehradzka)

VECM

Vector Error Correction Model (wektorowy model korekty błędem)

VIF

Variance Inflation Factor

WDI

World Development Indicators

WG

estymator wewnątrzgrupowy (Within-Group)

WGI

Worldwide Governance Indicators

WIF

Współczynnik Inflacji Wariancji

Wstęp

Pytanie o źródła wzrostu gospodarczego należy do najtrwalszych i zarazem najważniejszych problemów współczesnej ekonomii. Pomimo kilkudziesięciu lat intensywnych badań teoretycznych i empirycznych nie udało się dotychczas sformułować odpowiedzi, która cieszyłaby się powszechnym konsensem — zarówno co do hierarchii determinant, jak i co do kierunków i siły identyfikowanych zależności. Szczególnie złożonym polem eksploracji badawczej pozostaje Europa Środkowo-Wschodnia, która od momentu transformacji systemowej lat dziewięćdziesiątych XX wieku, a zwłaszcza od akcesji do Unii Europejskiej w 2004 i 2007 roku, dostarcza wyjątkowo bogatego materiału empirycznego: jedenaście krajów przeszło w ciągu dwóch dekad przez etapy głębokiej przebudowy instytucjonalnej, otwierania na przepływy kapitałowe, integracji z globalną gospodarką i absorpcji funduszy strukturalnych UE, doświadczając jednocześnie trzech poważnych szoków — globalnego kryzysu finansowego lat 2008–2009, pandemii COVID-19 z roku 2020 oraz kryzysu energetycznego wywołanego wojną w Ukrainie. Heterogeniczność procesów wzrostu, jaką ta ścieżka historyczna wygenerowała, stanowi zarówno wyzwanie metodologiczne, jak i źródło wartości poznawczej, której nie dałoby się wydobyć z analiz prowadzonych dla jednolitych gospodarczo zbiorów krajów.

Wybór tematu niniejszej pracy podyktowany jest kilkoma przesłankami o różnym charakterze. Przesłanka poznawcza wynika z luki identyfikowanej w dotychczasowej literaturze: większość badań panelowych obejmujących kraje Europy Środkowo-Wschodniej ogranicza się do krótkich horyzontów czasowych lub stosuje jednorodne zestawy estymatorów, które nie kontrolują jednocześnie endogeniczności regresorów, nieobserwowalnej heterogeniczności krajowej i słabych instrumentów. Analizowany horyzont 2004–2023 jest o tyle szczególny, że obejmuje pełny cykl członkostwa pierwszej grupy akcesyjnej w Unii Europejskiej — od momentu wstąpienia aż po stabilizację po kryzysie energetycznym — co umożliwia kompleksową ocenę długookresowych mechanizmów konwergencji. Przesłanka praktyczna wiąże się z aktualnym znaczeniem pytania o efektywność polityki spójności UE: wnioski dotyczące determinant wzrostu dostarczają argumentów na rzecz konkretnych priorytetów alokacji funduszy oraz reform instytucjonalnych, których potrzeba jest szczególnie odczuwalna w obliczu debaty nad kształtem kolejnych perspektyw budżetowych UE po 2027 roku.

Centralnym problemem badawczym niniejszej pracy jest następujące pytanie: które spośród potencjalnych determinant wzrostu — akumulacja kapitału trwałego, napływ bezpośrednich inwestycji zagranicznych, jakość instytucji oraz stabilność cenowa — wykazują w krajach Europy Środkowo-Wschodniej w latach 2004–2023 statystycznie istotny i metodologicznie odporny związek z roczną stopą wzrostu PKB per capita? Tak sformułowany problem badawczy wpisuje się w szeroki nurt empirycznych testów teorii wzrostu, zmierzających do identyfikacji czynników, których oddziaływanie utrzymuje się przy różnych specyfikacjach modelu i różnych procedurach estymacyjnych. ^[3]

Głównym celem pracy jest empiryczna identyfikacja determinant wzrostu gospodarczego w jedenastu krajach Europy Środkowo-Wschodniej w horyzoncie 2004–2023 za pomocą metod analizy danych panelowych umożliwiających kontrolę endogeniczności i nieobserwowalnej heterogeniczności krajowej. Realizacja celu głównego wymaga osiągnięcia czterech celów szczegółowych. Cel pierwszy ma charakter teoretyczny: rekonstrukcja ewolucji teorii wzrostu — od neoklasycznego modelu Solowa-Swana przez endogeniczne koncepcje akumulacji wiedzy i kapitału ludzkiego po podejścia instytucjonalne — oraz wskazanie mechanizmów, które znalazły odzwierciedlenie w specyfikacji modelu empirycznego. ^[1] Cel drugi ma charakter diagnostyczny: charakterystyka specyfiki gospodarczej krajów EŚW po akcesji do UE, ze szczególnym uwzględnieniem heterogeniczności wewnętrznej próby wynikającej z odmiennych ścieżek transformacji systemowej, różnych momentów akcesji i zróżnicowanej pozycji w globalnych łańcuchach wartości. Cel trzeci jest metodologiczny: dobór i uzasadnienie strategii estymacyjnej adekwatnej do właściwości makropanelu o małej liczbie jednostek przekrojowych i umiarkowanym horyzoncie czasowym. Cel czwarty jest empiryczny: estymacja modelu panelowego, weryfikacja hipotez badawczych i sformułowanie rekomendacji dla polityki gospodarczej.

Na podstawie przeglądu literatury i ram teoretycznych sformułowane zostały cztery hipotezy badawcze weryfikowane w rozdziale czwartym. Hipoteza pierwsza zakłada, że akumulacja kapitału trwałego, mierzona nakładami brutto na środki trwałe (GFCF) w relacji do PKB, wykazuje statystycznie istotny i dodatni związek z tempem wzrostu PKB per capita, przy czym siła tego oddziaływania jest zróżnicowana między subgrupami krajów. Hipoteza druga głosi, że jakość instytucji mierzona skonsolidowanym wskaźnikiem WGI stanowi istotną determinantę wzrostu, niezależnie od zestawu pozostałych regresorów i zastosowanego estymatora — co czyni ją spośród wszystkich analizowanych zmiennych wynikiem metodologicznie najbardziej odpornym. Hipoteza trzecia zakłada, że napływ bezpośrednich inwestycji zagranicznych (BIZ) wywiera umiarkowany, dodatni wpływ na wzrost, przy czym jego siła jest uzależniona od poziomu jakości instytucjonalnej danego kraju — co wyraża się w istotności statystycznej członu interakcyjnego WGI×BIZ. Hipoteza czwarta zakłada, że inflacja mierzona wskaźnikiem HICP nie wykazuje statystycznie istotnego związku z tempem wzrostu w analizowanej próbie, gdyż dominacja obserwacji z zakresu inflacji umiarkowanej uniemożliwia identyfikację efektów progowych dokumentowanych w literaturze dla wyższych stóp inflacji. ^[9]

Z metodologicznego punktu widzenia badanie opiera się na analizie danych panelowych dla jedenastu krajów EŚW — Polski, Czech, Słowacji, Węgier, Estonii, Łotwy, Litwy, Bułgarii, Rumunii, Chorwacji i Słowenii — w latach 2004–2023, co generuje zbilansowany panel maksymalnie 220 obserwacji rocznych (N = 11, T = 20). Zmienna zależna — roczna stopa wzrostu PKB per capita w cenach stałych 2015 roku — pochodzi z bazy World Development Indicators Banku Światowego. Wśród zmiennych objaśniających znalazły się: udział GFCF w PKB, napływ BIZ jako odsetek PKB, skonsolidowany wskaźnik jakości instytucji WGI (Worldwide Governance Indicators) oraz stopa inflacji HICP. Do estymacji zastosowano pięć komplementarnych podejść: systemowy GMM (SYS-GMM) jako główny estymator dynamicznego modelu panelowego, różnicowy GMM (DIFF-GMM) jako benchmark, estymator efektów stałych z korektą Driscolla-Kraaya (FE-DK) odpornością na heteroskedastyczność i zależność przekrojową, estymator LSDV z korektą Kivieta oraz estymator CCEMG (Common Correlated Effects Mean Group) uwzględniający wspólne czynniki nieobserwowalne. Za potwierdzone uznaje się wyłącznie efekty, których kierunek i istotność statystyczna utrzymują się w co najmniej czterech spośród pięciu estymatorów — kryterium to wpisuje się w tradycję skrajnej analizy granic weryfikującej robustność wyników empirycznych. ^[3]

Zakres przestrzenny badania obejmuje jedenaście krajów przystępujących do UE w falach akcesyjnych 2004 i 2007 roku, spośród których wykluczone zostały kraje, dla których dostępność danych jest strukturalnie niewystarczająca lub które przystąpiły do UE w innych terminach.^{[29, s. 83]} Zakres czasowy 2004–2023 wyznaczony jest momentem pierwszego rozszerzenia wschodnim jako cezurą instytucjonalną i ograniczony do roku 2023 jako ostatniego pełnego roku, dla którego dostępne są kompletne dane ze wszystkich wykorzystanych baz. Zakres przedmiotowy obejmuje cztery klasy determinant — kapitałową, inwestycyjną, instytucjonalną i makroekonomiczną — przy czym brak kompletnych danych w zakresie kapitału ludzkiego (wskaźniki wykształcenia) dla wszystkich jedenastu krajów uniemożliwił pełne odwzorowanie rozszerzonego modelu Solowa, co stanowi ograniczenie explicite odnotowane w warstwie interpretacyjnej wyników.

Struktura pracy obejmuje cztery rozdziały poprzedzone niniejszym wstępem i zwieńczone zakończeniem. Rozdział pierwszy poświęcony jest ewolucji teorii wzrostu gospodarczego: omówiono w nim neoklasyczny model Solowa-Swana i jego rozwinięcia — w tym rozszerzoną wersję uwzględniającą kapitał ludzki — teorię wzrostu endogenicznego w ujęciu Romera i Lucasa, podejścia instytucjonalne oraz otwartościowe. ^{[1] [2]} Rozdział kończy przegląd wyników empirycznych badań panelowych obejmujących kraje EŚW lub grupy zbliżone charakterem, co umożliwiło identyfikację regresorów uzasadnionych teoretycznie i empirycznie zarazem. Rozdział drugi pełni funkcję kontekstową: charakteryzuje specyfikę gospodarczą krajów EŚW po akcesji do UE ze szczególnym uwzględnieniem punktu startowego transformacji systemowej, dynamiki konwergencji w podgrupach, roli funduszy strukturalnych, znaczenia BIZ i globalnych łańcuchów wartości, a także wpływu trzech szoków zewnętrznych — GFC, COVID-19 i kryzysu energetycznego — na procesy wzrostowe w regionie. Heterogeniczność próby omawiana w tym rozdziale stanowi empiryczne uzasadnienie dla zastosowania estymatorów uwzględniających nieobserwowalną specyfikę krajową. Rozdział trzeci jest metodologiczny: przedstawia formalnie właściwości danych panelowych w badaniach makroekonomicznych, omawia kolejno zalety i ograniczenia estymatorów OLS, FE, RE i dynamicznych estymatorów GMM, uzasadnia wybór SYS-GMM jako podstawowego narzędzia identyfikacji, opisuje procedury testowe (testy pierwiastka jednostkowego, test CD zależności przekrojowej, testy AR i Sargana/Hansena) oraz specyfikację modelu empirycznego — zmienne i ich źródła, konstruowanie instrumentów, strategię identyfikacji członu interakcyjnego WGI×BIZ. ^{[6] [3]} Rozdział czwarty stanowi clou pracy: prezentuje statystyki opisowe i wstępną analizę dynamiki wzrostu dla pełnej próby i trzech subgrup regionalnych, a następnie wyniki estymacji wszystkich pięciu modeli z pełną tabelaryczną prezentacją szacunków i testów diagnostycznych. Na tej podstawie sformułowane zostają wnioski dotyczące hierarchii determinant wzrostu oraz rekomendacje dla polityki gospodarczej krajów EŚW i projektowania polityki spójności UE.

Literatura wykorzystana w pracy pochodzi z trzech obszarów. Pierwszym jest klasyczny i współczesny dorobek teorii wzrostu — od pionierskich artykułów Roberta Solowa i Trevora Swana, przez prace Paula Romera i Roberta Lucasa tworzące teorię wzrostu endogenicznego, po syntezy instytucjonalne łączące jakość rządzenia ze wzrostem długookresowym. Drugim obszarem jest metodologiczny dorobek ekonometrii danych panelowych — w szczególności prace Manuela Arellano i Stephena Bonda, Richarda Blundella i Stephena Bonda dotyczące estymatorów GMM, a także prace poświęcone testom zależności przekrojowej i estymatorom uwzględniającym wspólne czynniki nieobserwowalne. Trzecim obszarem są empiryczne badania wzrostu w krajach EŚW, opublikowane głównie w recenzowanych czasopismach z zakresu ekonomii i ekonometrii, uzupełnione o raporty instytucji międzynarodowych — Banku Światowego, Europejskiego Banku Odbudowy i Rozwoju oraz Komisji Europejskiej — dostarczające kontekstu dla wyników empirycznych. ^{[15] [18]} Przyjęta perspektywa badawcza jest eklektyczna: nie zmierza do obrony jednego paradygmatu teoretycznego, lecz do empirycznej weryfikacji hipotez wyprowadzonych z kilku komplementarnych tradycji analitycznych, co pozwala wydobyć wnioski odporne na arbitralny wybór ramy interpretacyjnej.

Rozdział 1. Teoretyczne podstawy wzrostu gospodarczego — ewolucja koncepcji i paradygmatów

1.1. Neoklasyczna teoria wzrostu gospodarczego — model Solowa-Swana i jego rozwinięcia

Problematyka wzrostu gospodarczego i identyfikacja jego determinant stanowią jeden z najważniejszych obszarów współczesnych badań makroekonomicznych. Świadczy o tym zarówno bogactwo opracowanych modeli teoretycznych, jak i rosnąca liczba badań empirycznych podejmujących próbę wyjaśnienia, dlaczego jedne gospodarki rozwijają się szybciej niż inne. ^{[3, s. 182]} Fundamentem współczesnej teorii wzrostu pozostaje model neoklasyczny sformułowany przez Roberta Solowa (1956) oraz równolegle Trevora Swana (1956), który wyznaczył ramy analityczne dyskusji naukowej na kilka kolejnych dekad i — pomimo licznych uzupełnień — zachował centralną rolę w empirycznych badaniach konwergencji.

Rdzeń modelu Solowa opiera się na zagregowanej funkcji produkcji Cobba-Douglasa, wyrażającej produkt krajowy brutto (PKB) jako funkcję nakładów kapitału (K), pracy (L) oraz zasobu wiedzy (A) determinującego efektywność siły roboczej. Przy założeniu stałych efektów skali funkcję produkcji można sprowadzić do postaci intensywnej: y = f(k), gdzie k oznacza kapitał przypadający na jednostkę efektywnej pracy, a y — produkt na jednostkę efektywnej pracy. ^{[1, s. 49]} Najistotniejsze równanie modelu opisuje stopę zmian zasobu kapitału na jednostkę efektywnej pracy jako różnicę między faktycznymi inwestycjami sf(k(t)) a inwestycjami restytucyjnymi (n + g + δ)k(t), gdzie s oznacza stopę oszczędności, n — stopę wzrostu ludności, g — egzogeniczną stopę postępu technicznego, zaś δ — stopę deprecjacji kapitału, przy czym parametry s, n i g traktowane są jako wielkości egzogeniczne. ^{[1, s. 49]}

W tak skonstruowanym modelu gospodarka zmierza do stanu ustalonego (steady state), w którym kapitał na jednostkę efektywnej pracy pozostaje stały. Fundamentalnym wnioskiem jest to, że w długim okresie tempo wzrostu produktu per capita jest zdeterminowane wyłącznie przez egzogeniczną stopę postępu technicznego — wniosek o doniosłych implikacjach dla interpretacji zróżnicowania dynamiki wzrostu między krajami, gdyż sugeruje, że różnice w stopach oszczędności i inwestycji wpływają jedynie na poziom, nie zaś na długookresową stopę wzrostu PKB per capita. Według neoklasycznej teorii wzrostu zakłada się, że długookresowy wzrost produkcji możliwy jest tylko dzięki zwiększeniu produkcji potencjalnej, a determinantami wzrostu długookresowego są: akumulacja kapitału rzeczowego, wzrost liczby ludności i związana z nim wielkość zatrudnienia oraz postęp techniczny o charakterze egzogenicznym. ^{[3, s. 182]}

Bezpośrednią, sprawdzalną empirycznie implikacją modelu Solowa jest hipoteza konwergencji. W literaturze przedmiotu różnie definiuje się pojęcie konwergencji: przez konwergencję typu σ (sigma) rozumie się zmniejszanie zróżnicowania w poziomie dochodów w czasie — wyrażone na przykład odchyleniem standardowym logarytmów PKB per capita — natomiast konwergencja typu β (beta) polega na ujemnej zależności między wyjściowym poziomem dochodu a późniejszą stopą wzrostu. ^{[1, s. 47]} W badaniach konwergencji absolutnej zakłada się, że wszystkie analizowane kraje lub regiony dążą do tego samego stanu długookresowej równowagi. Ogólna postać modelu konwergencji absolutnej uwzględnia jako jedyny regresor wyjściowy poziom dochodu per capita: uzyskanie ujemnej i istotnej oceny parametru stojącego przy tej zmiennej potwierdza istnienie zjawiska konwergencji, a parametr β informuje o szybkości zbieżności, czyli o tym, jaki procent odległości w kierunku stanu długookresowej równowagi gospodarka pokonuje w ciągu jednego okresu. ^{[1, s. 50]}

W przypadku konwergencji warunkowej, obok wyjściowego poziomu dochodu, uwzględniane są zmienne charakteryzujące czynniki strukturalne decydujące o tempie wzrostu gospodarczego — takie jak liczba osób z wyższym wykształceniem, odsetek pracujących ze średnim lub wyższym wykształceniem, deficyt fiskalny, udział osób pracujących w sektorze rolnym czy wskaźnik zatrudnienia. ^{[2, s. 62–63]} Podejście to dopuszcza zróżnicowane stany długookresowej równowagi dla poszczególnych obiektów, uznając, że strukturalne różnice między krajami mają charakter trwały. Badania konwergencji prowadzone są zarówno na poziomie krajowym, jak i regionalnym; te drugie mają szczególne znaczenie dla analizy wewnętrznego zróżnicowania państw członkowskich Unii Europejskiej (UE), gdyż dane agregowane na poziomie kraju ulegają uśrednieniu i mogą maskować głębokie dysproporcje regionalne, zwłaszcza w dużych i zdecentralizowanych państwach. ^{[1, s. 48]}

Wzmożone zainteresowanie budową i estymacją modeli wzrostu i konwergencji datuje się od początku lat 90. XX wieku, a za prace o przełomowym znaczeniu uznaje się opracowania Barro i Sala-i-Martina (1992) oraz Mankiwa, Romera i Weila (1992). Klasyczne modele wzrostu, oparte na pracach Solowa, zostały następnie podważone przez modele bazujące na teorii wzrostu endogenicznego; stwierdzenie istnienia zjawiska konwergencji jest potwierdzeniem słuszności założeń Solowa, natomiast jego brak przemawia za poprawnością teorii wzrostu endogenicznego. ^{[3, s. 185]} Dynamiczny wzrost liczby prac dotyczących modelowania wzrostu datuje się od połowy lat 80. XX wieku, a pionierskie prace Abramovitza (1986) i Baumola (1986) zapoczątkowały intensywną debatę wokół empirycznej weryfikacji hipotezy konwergencji. ^{[3, s. 183]} Model Solowa podlegał też modyfikacjom uwzględniającym endogenizację postępu technicznego: z modelu Shella wynika, że gospodarka może skutecznie podnosić stopy wzrostu poprzez zwiększanie inwestycji zarówno w zasób kapitału, jak i w wiedzę naukowo-techniczną. ^{[3, s. 183]}

Tabela 1.1. Typy konwergencji gospodarczej — definicje i operacjonalizacja empiryczna

Typ konwergencji	Definicja	Miara empiryczna	Kluczowe założenie
β-konwergencja absolutna	Ujemna zależność między wyjściowym dochodem a stopą wzrostu	Ujemny i istotny parametr przy lnyi0 w regresji wzrostu	Wszystkie obiekty dążą do tego samego steady state
β-konwergencja warunkowa	Zbieżność do różnych stanów równowagi przy kontroli zmiennych strukturalnych	Ujemny parametr przy yi0 po uwzględnieniu regresorów strukturalnych	Obiekty dążą do właściwych sobie stanów równowagi
σ-konwergencja	Zmniejszanie się zróżnicowania dochodów w czasie	Malejące odchylenie standardowe lnyit w czasie	Warunek konieczny, lecz nie wystarczający β-konwergencji
Konwergencja przestrzenna	Uwzględnienie wzajemnych zależności między sąsiednimi obiektami	Statystyka Morana I; modele SAR i SEM	Wzrost w jednym obiekcie wpływa na tempo wzrostu sąsiadów

1.2. Endogeniczne teorie wzrostu — wiedza, innowacje i kapitał ludzki jako motory ekspansji

Neoklasyczny model Solowa, mimo swej elegancji i powszechności zastosowań empirycznych, obciążony jest zasadniczym ograniczeniem: traktuje postęp techniczny jako zmienną egzogeniczną, nie wyjaśniając, skąd pochodzi i od czego zależy jego tempo. Ograniczenie to stało się punktem wyjścia dla teorii wzrostu endogenicznego, która w centrum analizy umieszcza mechanizmy generowania wiedzy i technologii wewnątrz systemu gospodarczego. Dla krajów Europy Środkowo-Wschodniej (EŚW), zmierzających w badanym okresie do doganiania poziomu technologicznego gospodarek zachodnioeuropejskich, implikacje obu podejść mają szczególne znaczenie diagnostyczne.

Fundamentem nurtu endogenicznego jest konstatacja, że wiedza posiada właściwości dobra publicznego — jest nierywalizująca i przynajmniej częściowo wyłączalna — co wyklucza jej poprawne modelowanie w ramach neoklasycznej funkcji produkcji z doskonałą konkurencją. Wczesny model Paula Romera (1986) oparty na zewnętrznych efektach akumulacji kapitału wiedzy (knowledge spillovers) wykazał, że przy technologii wykazującej stałe przychody z szeroko pojętego kapitału uwzględniającego wiedzę możliwy jest trwały wzrost nawet bez zewnętrznego impulsu technologicznego. Inwestycje poszczególnych firm w wiedzę generują efekty zewnętrzne podnosząc łączną produktywność czynników wytwórczych (TFP — Total Factor Productivity) całej branży lub gospodarki, co eliminuje malejące przychody na poziomie zagregowanym.

Znacznie bardziej szczegółową mikroekonomiczną specyfikację procesu innowacji zaproponował Romer (1990) w modelu z sektorem badań i rozwoju (B+R), w którym firmy inwestują w tworzenie nowych odmian dóbr pośrednich, działając na rynku monopolistycznej konkurencji. Kluczowym wnioskiem tego modelu jest, że tempo wzrostu zależy od zasobu kapitału ludzkiego alokowanego do sektora B+R, a nie wyłącznie od ogólnego poziomu jego akumulacji. Model Agiona i Howitta (1992) rozwinął tę perspektywę poprzez wprowadzenie koncepcji twórczej destrukcji: nowe generacje produktów wypierają stare, przy czym innowatorzy osiągają rentę monopolistyczną do czasu, gdy sami zostaną wyparci przez kolejną generację, a tempo wzrostu zależy od intensywności procesu innowacji i zasobu ludzkich zdolności badawczych.

Centralnym pojęciem teorii wzrostu endogenicznego pozostaje kapitał ludzki. Model Lucasa (1988) formalizuje mechanizm, w którym akumulacja umiejętności i wiedzy przez pracowników — poprzez edukację formalną oraz uczenie się przez działanie (learning by doing) — stanowi niezależne źródło trwałego wzrostu. Zewnętrzne efekty kapitału ludzkiego oznaczają, że wyższe przeciętne wykształcenie siły roboczej podnosi produktywność wszystkich pracowników, nie tylko tych bezpośrednio inwestujących w edukację. W rozszerzonym modelu Solowa Mankiwa, Romera i Weila, będącym przełomową syntezą obu paradygmatów, regresory wzrostu obejmują: logarytm stopy inwestycji, logarytm stopy wzrostu populacji powiększonej o sumę egzogenicznej stopy postępu technicznego i stopy deprecjacji, wynoszącą łącznie 0,05, oraz miarę jakości kapitału ludzkiego — przykładowo logarytm wskaźnika skolaryzacji dla szkół średnich. ^{[6, s. 37]} Wyniki uzyskane na podstawie modeli panelowych wskazują, że tempo konwergencji jest znacznie szybsze niż szacowane metodami przekrojowymi, a oszacowane wartości elastyczności produkcji względem kapitału są niższe i bardziej akceptowalne z punktu widzenia teorii. ^{[6, s. 36]}

Dane z 59 krajów w latach 1961–2011 potwierdzają, że innowacyjność — mierzona liczbą złożonych wniosków patentowych — istotnie zwiększa PKB per capita, przy czym związek ten jest statystycznie istotny dla krajów o średniowysokim i średnioniskim dochodzie (p-value = 0,000 i 0,001 odpowiednio). ^{[4, s. 54]} Panuje przy tym niepodzielna zgoda w literaturze, że innowacyjność gospodarki sprzyja uzyskiwaniu dodatniego tempa wzrostu PKB per capita. ^{[4, s. 54]} Wnioski te mają bezpośrednie znaczenie dla projektowania polityki wzrostu w krajach EŚW: subsydiowanie B+R, jakość szkolnictwa wyższego i tworzenie warunków sprzyjających spilloverom wiedzy przez handel i bezpośrednie inwestycje zagraniczne (BIZ) to instrumenty polityki ekonomicznej uzasadnione na gruncie obu paradygmatów — endogenicznego i otwartościowego.

1.3. Instytucjonalne podejście do wzrostu — jakość instytucji, prawa własności i kapitał społeczny

Zarówno neoklasyczny model Solowa, jak i teorie wzrostu endogenicznego abstrahują od roli instytucji — formalnych i nieformalnych reguł ograniczających działania podmiotów ekonomicznych — w kształtowaniu bodźców do akumulacji kapitału i innowacji. Tymczasem dla krajów EŚW przechodzących po 1989 roku fundamentalną transformację ustrojową jakość instytucji stanowi jeden z najistotniejszych determinantów zróżnicowania wyników wzrostu wewnątrz próby. Dysproporcje charakteryzujące poziom rozwoju gospodarczego i społecznego państw członkowskich UE oraz ich regionów sprawiły, że polityka regionalna nastawiona na niwelowanie różnic rozwojowych stała się głównym kierunkiem działań Wspólnoty. ^{[2, s. 61]}

Fundamentem instytucjonalnego nurtu teorii wzrostu jest dorobek Douglasa Northa, definiującego instytucje jako formalne (prawo, konstytucja, regulacje administracyjne) i nieformalne (normy społeczne, kultura, zaufanie) ograniczenia kształtujące bodźce uczestników życia gospodarczego. Instytucje zmniejszają koszty transakcyjne, zwiększają przewidywalność środowiska działalności gospodarczej i chronią prawa własności, tym samym wpływając na skłonność podmiotów do podejmowania długoterminowych inwestycji zarówno w kapitał fizyczny, jak i ludzki oraz wiedzę. Szczególnie istotna dla zrozumienia zróżnicowania krajów postkomunistycznych jest teza o historycznej zależności ścieżkowej (path dependence): wcześniejsze rozwiązania instytucjonalne ograniczają przestrzeń reform możliwych do przeprowadzenia w danym momencie, co oznacza, że początkowe warunki transformacji systemowej mogły wywierać trwały wpływ na trajektorię wzrostu w badanym okresie 2004–2023.

W wymiarze empirycznym jakość instytucji jest operacjonalizowana poprzez syntetyczne wskaźniki: Worldwide Governance Indicators (WGI) Banku Światowego obejmujące sześć wymiarów (rządy prawa, skuteczność rządzenia, kontrola korupcji, stabilność polityczna, wolność słowa i odpowiedzialność, jakość regulacji), indeks postrzegania korupcji Transparency International (CPI) oraz wskaźniki wolności ekonomicznej Heritage Foundation. Włączenie tych miar jako regresorów w modelach panelowych wzrostu napotyka jednak poważny problem metodologiczny: endogeniczność instytucji względem dochodu. Bogactwo sprzyja budowaniu sprawnych instytucji, ale jednocześnie dobre instytucje sprzyjają wzrostowi bogactwa — co utrudnia identyfikację przyczynowego wpływu instytucji na wzrost i wymaga zastosowania odpowiednich instrumentów lub specjalnych technik estymacyjnych.

Różnice między regionami posiadają charakter strukturalny i nie wynikają jedynie z warunków naturalnych — położenia, klimatu — lecz przede wszystkim są determinowane przez brak odpowiedniego wyposażenia w infrastrukturze technicznej, społecznej i instytucjonalnej. ^{[2, s. 61–62]} Dla krajów EŚW szczególne znaczenie ma dyskusja wokół „pułapki niskiego zaufania” jako jednego z dziedzictw systemu komunistycznego, który systematycznie erodował poziomice społeczne, wynagradzał konformizm i karał inicjatywę. Odbudowa kapitału społecznego po 1989 roku postępowała w różnym tempie w poszczególnych krajach regionu, co tworzy dodatkową oś zróżnicowania wewnątrzregionalnego trudną do uchwycenia przez standardowe miary makroekonomiczne, lecz mającą realne znaczenie dla efektywności alokacji zasobów i koordynacji działań zbiorowych.

• Ochrona praw własności i praworządność — warunki konieczne dla długoterminowych inwestycji kapitałowych i ochrony zysków z innowacji przed ekspropriacyjnym działaniem państwa lub grup interesu
• Skuteczność administracji publicznej — determinanta kosztów transakcyjnych działalności gospodarczej i jakości świadczenia usług publicznych, w tym absorpcji funduszy unijnych
• Kontrola korupcji — czynnik efektywności alokacji zasobów publicznych i prywatnych, w tym funduszy strukturalnych kierowanych do regionów EŚW
• Stabilność polityczna — warunek przewidywalności środowiska regulacyjnego, sprzyjający inwestycjom długoterminowym i napływowi BIZ
• Kapitał społeczny i zaufanie — zasób redukujący koszty transakcyjne i ułatwiający koordynację działań zbiorowych, szczególnie istotny dla funkcjonowania rynku pracy i innowacji

1.4. Otwartość handlowa i przepływy kapitału jako czynniki wzrostu w małych gospodarkach otwartych

Kraje EŚW stanowią grupę małych i średnich otwartych gospodarek, dla których zewnętrzne kanały wzrostu — handel międzynarodowy i przepływy kapitału — mają szczególne znaczenie. Przystąpienie do UE w 2004 roku oznaczało pełny dostęp do jednolitego rynku europejskiego, eliminację barier handlowych i dalszą liberalizację przepływów kapitałowych, co radykalnie zmieniło ramy zewnętrzne funkcjonowania tych gospodarek. Polskie PKB w latach 2003–2014 wzrosło o około 53%, co plasowało Polskę i Słowację na czele grupy krajów akcesji 2004 pod względem dynamiki wzrostu. ^{[5, s. 39]} Roczne stopy wzrostu PKB Polski kształtowały się w przedziale 1,6%–6,7% w latach 2004–2014, wykazując istotnie mniejszą zmienność niż kraje bałtyckie i Słowacja, a Polska jako jedyna nie odnotowała ujemnego wzrostu PKB w roku kryzysowym 2009. ^{[5, s. 46]}

Teorię handlu jako mechanizmu wzrostu można analizować w ramach tradycyjnych modeli komparatywnych oraz dynamicznych modeli nowej teorii handlu, uwzględniających efekty skali, zróżnicowanie produktów i niedoskonałą konkurencję. Dla krajów EŚW szczególnie istotne są dynamiczne efekty handlu: uczenie się przez eksport (learning by exporting), selekcja efektywnych przedsiębiorstw na rynek eksportowy, import dóbr inwestycyjnych zawierających „ucieleśniony” postęp techniczny, a także integracja z europejskimi sieciami produkcji (global value chains), umożliwiająca dostęp do wiedzy i standardów technologicznych partnerów z krajów wyżej rozwiniętych. Te właśnie mechanizmy stanowią najistotniejszy kanał dyfuzji technologii w warunkach krajów doganiających.

BIZ stanowią drugi kluczowy zewnętrzny kanał wzrostu, będący jednocześnie nośnikiem technologii, wiedzy zarządczej, standardów jakości i dostępu do rynków zbytu. Dla krajów EŚW, które po 1989 roku posiadały istotne braki w zakresie nowoczesnego kapitału produkcyjnego i know-how, napływ BIZ odegrał zasadniczą rolę w procesie restrukturyzacji przemysłowej i integracji z europejskim systemem produkcyjnym. Mechanizmy spilloverów od firm z kapitałem zagranicznym do podmiotów krajowych obejmują efekty horyzontalne (dyfuzja technologii między konkurentami w tej samej branży) oraz wertykalne do przodu i do tyłu (wymagania jakościowe stawiane krajowym odbiorcom i dostawcom). Empiryczna analiza determinant wzrostu potwierdziła, że innowacyjność i poziom inwestycji wywierają istotny statystycznie pozytywny wpływ na PKB per capita zwłaszcza w krajach o średnim poziomie dochodu, do których zaliczały się kraje EŚW w początkowych latach po akcesji. ^{[4, s. 42]}

W badaniach nad makroekonomicznymi determinantami bezrobocia w Polsce skumulowany wzrost udziału inwestycji w PKB o 1 punkt procentowy powoduje w długim okresie spadek stopy bezrobocia o 2,5 p.p., natomiast wzrost udziału eksportu o 1 p.p. zmniejsza stopę bezrobocia o 3 p.p. z opóźnieniem jednego kwartału, co ilustruje silny łańcuch zależności od akumulacji kapitału przez wzrost do poprawy sytuacji na rynku pracy. ^{[8, s. 35]} Podobną zależność między wzrostem ekonomicznym a poziomem zatrudnienia dokumentują badania panelowe dla krajów Europy Wschodniej w okresie 1992–2014, gdzie relacja zgodna z prawem Okuna potwierdza statystycznie istotny odwrotny związek między tempem wzrostu PKB a stopą bezrobocia. ^{[9, s. 93]}

Istotnym aspektem otwartości finansowej jest podatność małych gospodarek otwartych na zewnętrzne szoki i nagłe zatrzymanie przepływów kapitałowych. Doświadczenia kryzysu globalnego lat 2008–2009 ujawniły wyraźnie zróżnicowaną odporność krajów EŚW: podczas gdy Polska odnotowała jedynie spowolnienie wzrostu do 1,6% w 2009 roku, kraje bałtyckie przeżyły głęboką recesję — Łotwa odnotowała spadek PKB o 17,7%, Estonia o 14,0%, Litwa o 14,8%. ^{[5, s. 46]} Wzmożone bezrobocie w czasie kryzysu kształtowało się bardzo nierównomiernie: największy wzrost zanotowano właśnie w krajach nadbałtyckich oraz Irlandii, Grecji i na Cyprze, gdzie stopa bezrobocia wzrosła trzykrotnie, a nawet — jak w przypadku Litwy — pięciokrotnie, co wiązało się bezpośrednio z najwyższymi wskaźnikami recesji gospodarczej sięgającymi 20% PKB. ^{[7, s. 52]} Zróżnicowanie to uzasadnia włączenie zmiennych opisujących stopień otwarcia finansowego oraz strukturę powiązań handlowych do specyfikacji modelu empirycznego jako czynników podatności na szoki.

WZROST PKB PER CAPITA (zmienna objaśniana)
Kapitał fizyczny i ludzki ↑ stopa inwestycji ↑ wskaźnik skolaryzacji ↑ wydatki na B+R	Kanały zewnętrzne ↑ otwartość handlowa ↑ napływ BIZ ↑ fundusze unijne	Jakość instytucji ↑ praworządność ↑ skuteczność regulacji ↑ kontrola korupcji
Czynnik moderujący: początkowy poziom PKB per capita (mechanizm β-konwergencji)

1.5. Synteza i wybór ramy teoretycznej dla analizy krajów EŚW

Przeprowadzona w poprzednich podrozdziałach analiza ewolucji teorii wzrostu prowadzi do wniosku, że żaden z omówionych paradygmatów nie jest samodzielnie wystarczający do wyjaśnienia wzrostu w krajach EŚW w latach 2004–2023. Model neoklasyczny dostarcza podstawowego mechanizmu konwergencji i aparatu estymacyjnego dla regresji wzrostu, lecz traktuje TFP jako zmienną niewyjaśnioną. Teorie wzrostu endogenicznego precyzują rolę kapitału ludzkiego, innowacji i efektów zewnętrznych wiedzy, lecz abstrahują od instytucji i podatności na szoki zewnętrzne. Paradygmat instytucjonalny wyjaśnia trwałe zróżnicowanie produktywności między krajami podobnymi pod względem zasobów czynników wytwórczych, lecz napotyka na trudności operacjonalizacyjne w krótkich panelach. Teorie otwartości i BIZ koncentrują się na zewnętrznych kanałach wzrostu, traktując ramy instytucjonalne i zasoby endogeniczne jako dane.

Na potrzeby niniejszej pracy przyjęta zostaje eklektyczna rama analityczna, łącząca elementy rozszerzonego modelu neoklasycznego z perspektywami instytucjonalną i otwartościową. Wzorzec panelowej specyfikacji modelu wzrostu opiera się na propozycji Bonda, Hoefflera i Temple'a (BHT), w której przyrost logarytmu PKB per capita jest wyjaśniany przez logarytm PKB per capita na początku okresu, logarytm stopy inwestycji, logarytm stopy wzrostu populacji powiększonej o łączną stopę postępu technicznego i deprecjacji, a w rozszerzeniu — miarę jakości kapitału ludzkiego. ^{[6, s. 37]} Wyniki estymacji tego modelu systemową uogólnioną metodą momentów (SGMM — Systemic Generalized Method of Moments), opracowaną przez Blundella i Bonda, wskazują, że ocena parametru przy wyjściowym poziomie dochodu wynosi −0,101, a wynikające stąd tempo konwergencji oscyluje wokół 2% rocznie — wartość merytorycznie sensowna i zbieżna z wynikami uzyskanymi innymi metodami. ^{[6, s. 38]}

Wybór estymatora SGMM jako metody podstawowej w rozdziale 3 jest uzasadniony trzema przesłankami metodologicznymi. Po pierwsze, obliczanie pierwszych różnic eliminuje z modelu zmienne stałe w czasie, w tym początkowy poziom efektywności technologicznej, który jest nieobserwowalny, lecz potencjalnie silnie skorelowany z regresorami. Po drugie, zastosowanie zmiennych instrumentalnych daje możliwość uzyskania zgodnych estymatorów parametrów przy endogenicznych zmiennych objaśniających oraz rozwiązania problemów wynikających z błędów pomiaru. Po trzecie, zastosowanie SGMM daje szansę uzyskania estymatorów nieobciążonych w przypadku, gdy szeregi czasowe charakteryzują się wysokim stopniem trwałości. ^{[3, s. 185]} Własność ta jest szczególnie istotna dla danych o PKB per capita, gdzie wysoki parametr autoregresyjny czyni SGMM wyraźnie lepszym od estymatora wewnątrzgrupowego (WG — Within-Group).

Wyniki estymacji modeli konwergencji absolutnej dla regionów NUTS2 państw UE potwierdzają, że tempo zbieżności kształtuje się na poziomie około 5,1% rocznie przy zastosowaniu SGMM, natomiast klasyczna metoda najmniejszych kwadratów (KMNK) i estymator wewnątrzgrupowy dają wyniki w przedziale od 2 do 17%. ^{[1, s. 54]} Rozbieżność ta podkreśla kluczowe znaczenie doboru metody estymacji dla prawidłowej interpretacji wyników badań konwergencji. Uwzględnienie zależności przestrzennych poprzez modelowanie panelowe z efektami przestrzennymi prowadzi do obniżenia wartości współczynnika konwergencji w stosunku do oszacowań uzyskanych w modelu bez efektów przestrzennych, co stanowi przesłankę do rozważenia rozszerzeń przestrzennych w analizach regionalnych. ^{[2, s. 69]}

Przyjęta eklektyczna rama lokuje wzrost PKB per capita jako funkcję sześciu kategorii determinant operacjonalizowanych jako regresory modelu panelowego:

• Akumulacja kapitału fizycznego — wyższa stopa inwestycji brutto jako procent PKB sprzyja szybszemu wzrostowi; mechanizm zgodny z modelem Solowa
• Kapitał ludzki — wyższy wskaźnik skolaryzacji lub odsetek osób z wyższym wykształceniem podnosi TFP i tempo wzrostu; mechanizm endogeniczny (Lucas, MRW)
• Intensywność B+R — wydatki na badania i rozwój jako procent PKB lub liczba patentów per capita jako proxy innowacyjności; mechanizm teorii endogenicznej (Romer)
• Otwartość handlowa i napływ BIZ — udział eksportu i importu w PKB oraz inwestycji zagranicznych jako kanał transferu technologii i efektów spillover
• Jakość instytucji — wskaźniki WGI lub CPI jako proxy praworządności, kontroli korupcji i jakości regulacji; mechanizm instytucjonalny (North, Acemoglu)
• Fundusze unijne — transfery w ramach funduszy strukturalnych i Funduszu Spójności jako impuls inwestycyjny specyficzny dla krajów EŚW po 2004 roku

Tabela 1.2. Przegląd wybranych badań empirycznych nad wzrostem i konwergencją — metody i kluczowe wyniki

Autorzy (rok)	Próba i okres	Metoda estymacji	Kluczowy wynik
Bal-Domańska (2009)	Regiony NUTS2 UE	KMNK, WG, dif-UMM, sys-UMM	Tempo konwergencji ok. 5,1% rocznie przy sys-UMM; wyniki KMNK i WG istotnie różne
Modranka (b.r.)	193 regiony NUTS2, 2000–2009	Modele panelowe z efektami przestrzennymi	Moran I = 0,7021; uwzględnienie przestrzeni obniża współczynnik konwergencji
Dańska-Borsiak (2009)	Kraje rozwinięte i rozwijające się	KMNK, WG, FDGMM, SGMM	SGMM: tempo konwergencji ok. 2%; FDGMM obciążone w dół dla trwałych szeregów
Totleben (2015)	59 krajów, 1961–2011	Regresja liniowa, test Grangera	Innowacje i BIZ istotnie wpływają na PKB per capita; inflacja — efekt niejednoznaczny
Ossowski (2015)	10 krajów akcesji 2004, 2003–2014	Jednopodstawowe indeksy, regresja	Polska — najwyższa przeciętna roczna stopa wzrostu PKB (4,03%); jedyna bez recesji w 2009 r.[30, s. 5]

Podsumowując rozważania rozdziału pierwszego, należy podkreślić, że ewolucja teorii wzrostu — od egzogenicznego modelu Solowa, przez endogeniczne teorie wiedzy i kapitału ludzkiego, aż po instytucjonalne i otwartościowe podejścia — odzwierciedla rosnącą złożoność naukowego rozumienia procesu wzrostu. Przyjęta eklektyczna rama analityczna umożliwia uwzględnienie tej złożoności w badaniu empirycznym przy jednoczesnym zachowaniu dyscypliny metodologicznej wymaganej przez podejście panelowe. Metody estymacji dynamicznych modeli panelowych — w szczególności SGMM — stanowią odpowiedź na wyzwania endogeniczności regresorów, nieobserwowalnej heterogeniczności krajów i krótkich szeregów czasowych, które są immanentną cechą danych dostępnych dla grupy 11 krajów EŚW w analizowanym horyzoncie. Operacjonalizacja przyjętej ramy teoretycznej oraz szczegółowe uzasadnienie doboru zmiennych i strategii estymacji stanowią przedmiot rozdziału trzeciego, poprzedzonego w rozdziale drugim charakterystyką specyfiki gospodarczej krajów EŚW po akcesji do UE.

Rozdział 2. Gospodarcze uwarunkowania krajów Europy Środkowo-Wschodniej po akcesji do UE

2.1. Transformacja systemowa a punkt startowy dla wzrostu

Kraje Europy Środkowo-Wschodniej (EŚW) przystąpiły do Unii Europejskiej z fundamentalnie odmiennym bagażem historycznym niż dawne państwa członkowskie UE-15. Kilkudziesięcioletni okres funkcjonowania w systemie gospodarki centralnie planowanej, a następnie gwałtowna transformacja systemowa lat dziewięćdziesiątych XX wieku wyznaczyły specyficzne trajektorie wzrostu, które w pełni ujawniają się dopiero w analizie obejmującej horyzont 2004–2023. Zrozumienie heterogeniczności wewnętrznej próby badawczej wymaga uprzedniej rekonstrukcji sekwencji i głębokości reform instytucjonalnych przeprowadzonych przed momentem akcesji. Transformacja systemowa nie była jednolitym procesem: różniła się sekwencją reform, ich tempem, głębokością recesji towarzyszącej przebudowie instytucjonalnej oraz zdolnością państwa do jednoczesnego zarządzania liberalizacją i budową nowych instytucji rynkowych, co skutkowało zróżnicowanym punktem startowym dla wzrostu w całym analizowanym horyzoncie.

Przebieg reform transformacyjnych lat 90. XX wieku był wyraźnie zróżnicowany między grupami krajów EŚW. Kraje bałtyckie — Estonia, Łotwa i Litwa — zdecydowały się na szczególnie radykalną ścieżkę: szybką liberalizację cen, wczesne wprowadzenie izb walutowych (currency board) powiązanych z marką niemiecką, a następnie z euro, oraz restrykcyjną politykę fiskalną. Grupę Wyszehradzką — Polskę, Czechy, Słowację i Węgry — charakteryzowało podejście bardziej gradualistyczne, choć wewnętrznie zróżnicowane: Polska przeprowadziła stabilizację makroekonomiczną najwcześniej spośród wszystkich krajów regionu. Bułgaria i Rumunia, których akcesja przypadła na rok 2007, wchodziły do Unii Europejskiej z niższym zaawansowaniem reform instytucjonalnych. Transformacja systemu społecznego i gospodarki przebiegała przy tym w atmosferze równoczesnych procesów przyspieszających i spowalniających wzrost — w Polsce obejmowały one uruchomienie prywatyzacji jako głównego motoru alokacji zasobów z jednej strony, a narastanie napięć na rynku pracy z drugiej ^{[11, s. 237]}.

Heterogeniczność punktów startowych w roku akcesji ujawnia się szczególnie wyraźnie w zestawieniu wskaźników makroekonomicznych. Inflacja mierzona zharmonizowanym wskaźnikiem cen konsumpcyjnych (HICP; ang. Harmonised Index of Consumer Prices) wykazywała silne rozproszenie: w Czechach wynosiła poniżej 2%, podczas gdy w krajach bałtyckich wielokrotnie przekraczała unijny próg kryterium z Maastricht. Dług publiczny w relacji do produktu krajowego brutto (PKB) wahał się od poniżej 5% na Estonii do ponad 60% na Węgrzech, co determinowało odmienną przestrzeń dla późniejszej polityki fiskalnej w warunkach szoków zewnętrznych. Jakość instytucji w momencie akcesji była mierzona kompozytowymi wskaźnikami z bazy Worldwide Governance Indicators (WGI) Banku Światowego, obejmującymi stabilność polityczną, skuteczność rządu, jakość regulacji, praworządność i kontrolę korupcji ^{[10, s. 51]}. Wskaźniki te potwierdzają wyraźną dychotomię instytucjonalną między krajami pierwszej fali akcesji a Bułgarią i Rumunią, co generuje nieobserwowalną heterogeniczność niezbędną do kontrolowania w modelu z efektami stałymi. W badaniach prowadzonych nad innymi krajami przechodzącymi głęboki kryzys instytucjonalny wykazano, że w Polsce w latach 1995–2000, mimo dynamicznego wzrostu PKB w cenach stałych o 28,4%, przeciętne zatrudnienie w gospodarce obniżyło się o 0,1%, co świadczyło o dominującej roli intensywnych czynników wzrostu — wydajności pracy i postępu technicznego — nad ekstensywną ekspansją zatrudnienia .

2.2. Mechanizmy konwergencji w ramach jednolitego rynku

Akcesja do Unii Europejskiej uruchomiła w krajach EŚW wielokanałowy mechanizm konwergencji dochodowej, oparty zarówno na transferach finansowych, jak i na strukturalnej integracji z europejskim systemem produkcji. Teoria konwergencji warunkowej zakłada, że przy jednakowych parametrach strukturalnych — stopie oszczędności, deprecjacji i poziomie technologii — gospodarki o niższym PKB per capita wykazują wyższe tempo wzrostu, stopniowo niwelując lukę dochodową. Empiryczne badania w panelu krajów UE potwierdzają, że przystąpienie do jednolitego rynku istotnie przyspiesza ten proces przez eliminację barier handlowych, swobodę przepływu kapitału i harmonizację regulacyjną.^{[31, s. 315]} Integracja krajów EŚW stanowiła pod tym względem bezprecedensowy eksperyment konwergencji warunkowej przeprowadzony równolegle z reformą instytucjonalną systemową, co odróżnia tę grupę zarówno od wcześniejszych akcesji południowoeuropejskich, jak i od rozwijających się gospodarek rynków wschodzących spoza UE.

W literaturze wyróżnia się cztery zasadnicze kanały konwergencji charakterystyczne dla nowych krajów członkowskich UE:

• Bezpośrednie inwestycje zagraniczne (BIZ) — napływ kapitału z UE-15 umożliwiał transfer technologii, know-how i najlepszych praktyk zarządzania; BIZ napływające do nowych krajów członkowskich EŚW stopniowo zmieniały swój charakter z ukierunkowanych na pracochłonne operacje o niskiej wartości dodanej na działania bardziej złożone i wiedzointensywne ;
• Fundusze strukturalne i kohezyjne UE — stanowiące egzogeniczne zasilenie inwestycji publicznych w infrastrukturę, edukację i innowacje, których skala absorpcji netto per capita była bezprecedensowa w historii integracji europejskiej;
• Liberalizacja handlu i integracja w globalne łańcuchy wartości (GŁW) — uczestnictwo w europejskich sieciach produkcji jako kanał dyfuzji technologii i specjalizacji w zadaniach o rosnącej wartości dodanej; koncepcja globalnego łańcucha wartości stanowi rozszerzenie koncepcji łańcucha wartości na skalę światową i odnosi się do rosnącej fragmentacji produkcji, polegającej na jej podziale pomiędzy różne podmioty oraz lokalizacje ^{[10, s. 12]};
• Swoboda przepływu pracowników — wywierająca dwoisty wpływ: z perspektywy krajów przyjmujących uzupełniająca luki na rynku pracy, natomiast w krajach wysyłających generująca ryzyko drenażu mózgów ograniczającego krajowy potencjał wzrostu.

Integracja krajów EŚW z globalnymi łańcuchami wartości jest jednym z najbardziej mierzalnych aspektów konwergencji strukturalnej. Wskaźnik partycypacji wstecznej — mierzący udział zagranicznej wartości dodanej w eksporcie brutto — wzrósł w analizowanym okresie w 21 spośród 28 krajów UE, przy czym największy przyrost wynoszący co najmniej 5 punktów procentowych odnotowano na Litwie, w Polsce, Rumunii, na Słowacji i w Czechach — zbiorze pokrywającym się niemal całkowicie z próbą badawczą niniejszej pracy . Wzrost partycypacji wstecznej oznacza głębszą integrację jako dostawcy komponentów dla zagranicznych łańcuchów montażu. Równocześnie wskaźnik partycypacji przedniej wykazywał znacznie mniejszą dynamikę wzrostu, co sugeruje, że kraje EŚW pozostawały w analizowanym okresie silniej zakotwiczyły się w segmentach dolnych i środkowych łańcucha wartości. Zmiana specyfiki napływających BIZ w rejonie EŚW była przy tym częściowo uwarunkowana szybszym wzrostem płac w porównaniu do produktywności oraz odpływem siły roboczej wynikającym ze swobody przepływu pracowników w ramach UE ^{[10, s. 60]}, co tworzyło endogeniczną presję na przesunięcie modelu produkcji w kierunku wyższej wartości dodanej.

2.3. Determinanty wzrostu specyficzne dla regionu — kapitał ludzki, infrastruktura i B+R

Spośród determinant wzrostu zidentyfikowanych w rozdziale pierwszym jako kluczowe dla endogenicznych teorii wzrostu — kapitału ludzkiego, infrastruktury i nakładów na badania oraz rozwój (B+R) — kraje EŚW wyróżniają się szczególnym profilem: relatywnie wysokim poziomem kapitału ludzkiego dziedziczonym po systemach edukacji epoki socjalistycznej, wyraźnymi deficytami infrastrukturalnymi likwidowanymi stopniowo za sprawą funduszy strukturalnych oraz chronicznym niedoborem wydatków badawczo-rozwojowych, ograniczającym endogeniczną zdolność innowacyjną regionu. Wzajemne oddziaływania tych trzech wymiarów tworzą złożoną strukturę uwarunkowań stanowiącą bezpośrednie uzasadnienie dla doboru zmiennych wyjaśniających w modelu estymowanym w rozdziale czwartym.

Kapitał ludzki krajów EŚW charakteryzuje się paradoksalnym dualizmem. Z jednej strony kraje te odziedziczyły po systemach socjalistycznych wysoki poziom skolaryzacji na poziomie ponadpodstawowym i szerokie upowszechnienie edukacji technicznej, z drugiej strony profil kwalifikacji pozostawał przez długi czas wyraźnie niedopasowany do struktury popytu ze strony modernizujących się rynków pracy. Wzrost poziomu kwalifikacji pracowników stanowi przy tym kluczowy element długofalowego procesu przemian dokonujących się w gospodarkach EŚW, obejmującego zarówno zmiany ilościowe — wzrost produkcji, zatrudnienia i inwestycji — jak i jakościowe, w tym postęp techniczny i doskonalenie systemu powiązań gospodarczych ^{[14, s. 26]}. W krajach EŚW spełnienie warunku komercjalizacji wiedzy wymagało głębokiej reorientacji systemów edukacji i rynku pracy. Kapitał intelektualny przedsiębiorstw — obejmujący kapitał ludzki, strukturalny i relacyjny — stanowi podstawę zdolności do generowania i wdrażania innowacji, a w przedsiębiorstwach wysokich technologii może odpowiadać za 80–90% wartości rynkowej firmy , co podkreśla rolę tego wymiaru jako determinanty produktywności łącznej czynników wytwórczych (TFP; ang. Total Factor Productivity).

Infrastruktura transportowa i cyfrowa stanowiła przez długi czas najpoważniejszy strukturalny deficyt krajów EŚW. Sieć autostrad i dróg ekspresowych w większości nowych krajów członkowskich była przed 2004 rokiem wielokrotnie mniej rozwinięta niż w porównywalnych krajach UE-15, co generowało wysokie koszty transakcyjne i ograniczało pełne uczestnictwo przedsiębiorstw krajowych w europejskich łańcuchach wartości. Fundusze strukturalne i Fundusz Spójności UE skierowały zasoby na rozbudowę infrastruktury transportowej, co — zgodnie z teoriami infrastruktury i wzrostu — przełożyło się na obniżenie kosztów transportu, wzrost mobilności siły roboczej i poprawę łączności z węzłami europejskiej logistyki. Sprzężenie między infrastrukturą a zdolnością absorpcji technologii z BIZ jest szczególnie istotne w kontekście krajów EŚW, gdzie napływ zagranicznego kapitału był warunkiem modernizacji aparatu produkcyjnego; zasoby determinują bowiem proces tworzenia innowacji przez firmę, a istniejące relacje z partnerami zagranicznymi mogą stać się przyczyną kreowania innowacyjnych rozwiązań ^{[17, s. 55]}. Nakłady na B+R jako odsetek PKB pozostają w krajach EŚW wyraźnie poniżej średniej unijnej. Wzrost tych nakładów — szczególnie gdy jest finansowany przez napływający obcy kapitał — przekłada się na przesunięcie w górę łańcucha wartości i wzrost partycypacji przedniej w GŁW; efekt ten jest mediowany przez jakość instytucji otoczenia naukowo-technicznego ^{[10, s. 60]}.

Tabela 2.1. Profil strukturalny determinant wzrostu w krajach EŚW-10 — ujęcie porównawcze

Kraj	Poziom kapitału ludzkiego (akcesja)	Deficyt infrastrukturalny (2004)	Nakłady B+R (% PKB, ~2004)	Główna specjalizacja w GŁW
Estonia	wysoki	umiarkowany	niskie (ok. 0,9%)	ICT, usługi
Łotwa	wysoki	znaczny	bardzo niskie (<0,5%)	transport, drewno
Litwa	wysoki	znaczny	niskie (ok.[32, s. 12] 0,8%)	chemia, transport
Polska	wysoki	bardzo znaczny	niskie (ok. 0,6%)	motoryzacja, maszyny
Czechy	wysoki	umiarkowany	umiarkowane (ok. 1,3%)	motoryzacja, elektronika
Słowacja	wysoki	znaczny	niskie (ok. 0,5%)	motoryzacja
Węgry	wysoki	umiarkowany	umiarkowane (ok. 1,0%)	motoryzacja, farmacja
Słowenia	wysoki	niski	umiarkowane (ok. 1,5%)	maszyny, chemikalia
Bułgaria	umiarkowany	bardzo znaczny	bardzo niskie (<0,5%)	surowce, rolnictwo
Rumunia	umiarkowany	bardzo znaczny	bardzo niskie (<0,4%)	motoryzacja, rolnictwo

Źródło: opracowanie własne na podstawie danych Eurostatu i OECD.^{[33, s. 6]}

2.4. Podatność na zewnętrzne szoki cykliczne

Horyzont czasowy analizy 2004–2023 obejmuje trzy główne epizody szoków zewnętrznych, które istotnie zakłóciły długookresowe trajektorie konwergencji w krajach EŚW: globalny kryzys finansowy lat 2008–2009, pandemię COVID-19 w latach 2020–2021 oraz agresję Rosji na Ukrainę i towarzyszący jej kryzys energetyczny w latach 2022–2023. Każdy z tych epizodów oddziaływał na kraje EŚW odmiennymi kanałami transmisji i z różną siłą, generując odchylenia od długookresowej trajektorii wzrostu, które muszą być kontrolowane w modelu panelowym przez zastosowanie efektów czasowych lub zmiennych zero-jedynkowych dla epizodów kryzysowych. Wspólnym mianownikiem podatności regionu jest wysoka otwartość handlowa, silne powiązania z europejskimi łańcuchami wartości oraz — w przypadku części krajów — znaczna zależność energetyczna od Rosji.

Globalny kryzys finansowy 2008–2009 uderzył w kraje EŚW dwoma głównymi kanałami. Kanał handlowy działał poprzez gwałtowny spadek popytu eksportowego ze strony krajów UE-15, stanowiących główne rynki zbytu; silna integracja w europejskie łańcuchy wartości, w warunkach koniunktury przyspieszająca wzrost, transmitowała szok do wszystkich ogniw łańcucha. Kanał finansowy manifestował się odpływem kapitału krótkoterminowego, deprecjacją walut i napięciami w sektorach bankowych krajów bałtyckich i Węgier. Zróżnicowanie skali recesji było znaczące: kraje bałtyckie odnotowały głębokie spadki produkcji, podczas gdy Polska jako jedyna gospodarka UE odnotowała dodatnie tempo wzrostu PKB w 2009 roku — wynik ten wiązał się z relatywnie zamkniętą strukturą eksportową, elastycznym kursem złotego działającym jako automatyczny stabilizator i przestrzenią dla ekspansywnej polityki fiskalnej. W literaturze dotyczącej transformacji systemowej w Polsce podkreśla się, że istotna dynamika wzrostu wymaga przekroczenia progu 4–5% PKB, poniżej którego wzrost nie zapewnia nawet stabilizacji bezrobocia — prawidłowość ta jest szczególnie istotna dla interpretacji danych z okresu post-kryzysowego ^{[12, s. 47]}.

Pandemia COVID-19 w latach 2020–2021 uderzyła przede wszystkim kanałem popytowym i zakłóceń łańcuchów dostaw, przy czym sektor usług — turystyka, gastronomia, kultura — poniósł nieproporcjonalnie wysokie straty. Odpowiedź polityki UE — program SURE wspierający utrzymanie zatrudnienia oraz Fundusz Odbudowy i Zwiększania Odporności (RRF; ang. Recovery and Resilience Facility) — dostarczyła egzogenicznego wsparcia fiskalnego ograniczającego głębokość recesji. Asymetria szoku według płci i pozycji zawodowej była wyraźna: w krajach EŚW w szczególnie trudnej sytuacji znalazły się pracujące matki, zmuszone do jednoczesnego łączenia obowiązków zawodowych z opieką nad dziećmi nieuczęszczającymi do zamkniętych placówek edukacyjnych, co obniżało aktywność zawodową w segmencie, który i tak w warunkach normalnych wykazuje wyższą wrażliwość na zmiany cyklu koniunkturalnego ^{[13, s. 11]}. Trzeci szok — agresja Rosji na Ukrainę i kryzys energetyczny 2022–2023 — dotknął kraje EŚW asymetrycznie, ze względu na historyczną zależność energetyczną od rosyjskich surowców. Wzrost cen energii dla przemysłu obniżył konkurencyjność kosztową sektorów energochłonnych, absorbując zarazem zasoby publiczne, które w innych warunkach zasilałyby inwestycje podnoszące TFP. Szok ten ma charakter strukturalny, ponieważ trwała zmiana konfiguracji energetycznej Europy i geopolitycznych uwarunkowań sąsiedztwa wschodniego będzie oddziaływać na kraje EŚW przez cały pozostały horyzont analizy.

2.5. Zróżnicowanie wewnętrzne próby

Grupa dziesięciu krajów EŚW analizowanych w niniejszej pracy tworzy próbę wewnętrznie silnie heterogeniczną, co ma fundamentalne implikacje metodologiczne. Heterogeniczność ujawnia się w czterech wymiarach: przynależności do strefy euro, skali i strukturze gospodarczej, pozycji w europejskich łańcuchach wartości oraz jakości instytucji publicznych. Każdy z tych wymiarów determinuje odmienną wrażliwość na szoki zewnętrzne i odmienny mechanizm działania kanałów wzrostu wyróżnionych w rozdziale pierwszym. Pierwszym wymiarem jest przynależność do strefy euro: Estonia (od 2011), Łotwa (od 2014), Litwa (od 2015), Słowacja (2009) i Słowenia (2007) zrezygnowały z autonomii monetarnej i kursu walutowego jako narzędzia absorpcji szoków. Polska, Czechy, Węgry, Rumunia i Bułgaria utrzymały własne waluty, zachowując elastyczny kurs wymiany — w przypadku Bułgarii oparty na izbie walutowej powiązanej z euro. Dychotomia euro/poza-euro stanowi zmienną zero-jedynkową niezbędną w specyfikacji modelu estymacyjnego.

Drugim wymiarem heterogeniczności jest skala i struktura gospodarcza. Polska — odpowiadająca za znaczną część łącznego PKB grupy EŚW-10 — wykazuje cechy kraju o wyraźnie większej odporności na szoki zewnętrzne niż małe otwarte gospodarki krajów bałtyckich, których PKB per capita cechuje się znacznie wyższą wrażliwością na zmiany popytu eksportowego. Trzecim wymiarem jest pozycja w GŁW. Czechy, Słowacja i Węgry rozwinęły silną specjalizację w sektorze motoryzacyjnym — w regionie EŚW na początku XXI wieku nastąpił wyraźny wzrost produkcji samochodów, przy czym w Czechach produkcja wzrosła z 190,9 tys. sztuk w 1990 roku do 428,2 tys. w 2000 roku (dynamika 224%), a w Polsce z 292 tys. do 487,1 tys. (dynamika 167%) ^{[16, s. 55]}, odzwierciedlając postępującą internacjonalizację regionu jako platformy produkcyjnej dla europejskich łańcuchów wartości. Procesy internacjonalizacji przedsiębiorstw, obejmujące stopniowe przechodzenie od eksportu do zaawansowanych form bezpośredniej obecności zagranicznej, są w literaturze postrzegane jako kluczowy mechanizm transferu wiedzy i budowania relacji sieciowych sprzyjających innowacyjności ^{[17, s. 48]}. Estonia i Polska rozwijały tymczasem sektory ICT i usług biznesowych o wyższej wartości dodanej, co różnicowało ich trajektorie przemieszczania w górę łańcucha wartości.

Czwartym wymiarem jest jakość instytucji mierzona wskaźnikami WGI Banku Światowego, skonstruowanymi na podstawie metodologii Kaufmanna, Kraaya i Mastruzziego i obejmującymi kontrolę korupcji, rządy prawa, jakość regulacji, skuteczność rządu i stabilność polityczną ^{[10, s. 51]}. W próbie EŚW-10 Polska, Estonia i Czechy plasują się wyraźnie powyżej Bułgarii i Rumunii na wszystkich wymiarach WGI. Endogeniczność jakości instytucji względem wzrostu — bogatsze kraje mogą pozwolić sobie na lepsze instytucje — stanowi wyzwanie metodologiczne opisane szczegółowo w rozdziale trzecim. Poniższa tabela syntetyzuje wspomniane wymiary heterogeniczności dla wszystkich krajów próby.

Tabela 2.2. Wymiary heterogeniczności krajów EŚW-10 — synteza porównawcza

Kraj	Strefa euro (rok przystąpienia)	Główna specjalizacja sektorowa	Jakość instytucji WGI (relatywna)	Wrażliwość na szoki zewnętrzne
Polska	Nie	motoryzacja, ICT, usługi	wysoka	umiarkowana
Czechy	Nie	motoryzacja, elektronika	wysoka	wysoka (eksport)
Węgry	Nie	motoryzacja, farmacja	średnia	wysoka (finanse)
Rumunia	Nie	motoryzacja, rolnictwo	niska-średnia	wysoka
Bułgaria	Nie (izba walutowa)	rolnictwo, turystyka	niska	wysoka
Słowacja	Tak (2009)	motoryzacja	średnia	bardzo wysoka (eksport)
Słowenia	Tak (2007)	maszyny, farmacja	wysoka	umiarkowana
Estonia	Tak (2011)	ICT, usługi	wysoka	wysoka (mały rynek)
Łotwa	Tak (2014)	transport, drewno	średnia	bardzo wysoka
Litwa	Tak (2015)	chemia, transport	średnia	wysoka

Źródło: opracowanie własne na podstawie danych Eurostatu, Banku Światowego (WGI) i OECD TiVA.

Schemat 1. Kanały wzrostu i ich oddziaływania w krajach EŚW po akcesji do UE

• Fundusze UE → infrastruktura → obniżenie kosztów transakcyjnych → wzrost TFP
• BIZ → transfer technologii → upgrading w GŁW → wzrost eksportu wartości dodanej
• Swoboda przepływu pracowników → dualny efekt: absorpcja zagraniczna / drenaż mózgów krajowych
• Jakość instytucji → absorpcja BIZ i funduszy → efektywność alokacji zasobów

Szoki zewnętrzne (GFC 2008–09; COVID 2020–21; kryzys energetyczny 2022–23) oddziałują na każdy kanał osobno, modyfikując siłę i kierunek zależności w zależności od otwartości i struktury sektorowej kraju.

Podsumowując analizę przeprowadzoną w niniejszym rozdziale, należy stwierdzić, że kraje EŚW tworzą próbę badawczą o złożonej strukturze heterogeniczności wynikającej z odmiennych ścieżek transformacji, różnych momentów akcesji, zróżnicowanej pozycji w GŁW oraz niejednakowej jakości instytucji. Mechanizmy konwergencji, kanały transmisji szoków i determinanty specyficzne dla regionu — omówione w poszczególnych podrozdziałach — stanowią fundamentalne tło dla specyfikacji modelu empirycznego i interpretacji wyników analizy panelowej. Heterogeniczność próby jest jednocześnie wyzwaniem metodologicznym i źródłem wartości poznawczej: stosowanie efektów stałych pozwala kontrolować nieobserwowalną specyfikę krajową, podczas gdy zmienność wewnątrzkrajowa w czasie dostarcza identyfikacji efektów przyczynowych będącej przedmiotem rozdziałów 3 i 4.

Piszę rozdział 3 na podstawie dostarczonych źródeł, z pełną numeracją przypisów kontynuowaną od ^[18].

Rozdział 3. Metodologia badania — dane panelowe i strategie estymacji

3.1. Dane panelowe w badaniach makroekonomicznych — właściwości, zalety i ograniczenia

Terminem „dane panelowe” określa się we współczesnej ekonometrii dane powstające z połączenia szeregów czasowych obserwacji dla jednostek przekrojowych, charakteryzujące się tym, że liczba obserwacji w czasie T jest znacznie mniejsza niż liczba obiektów przekrojowych N ^{[6, s. 25]}. W niniejszej pracy struktura ta opisywana jest formalnie jako y_it, x_it, gdzie i = 1,…,N oznacza jednostkę przekrojową (kraj), zaś t = 1,…,T — rok obserwacji. Panel określa się jako zbalansowany, gdy każda z N jednostek dysponuje kompletnym zestawem T obserwacji; panel niezbalansowany cechuje zróżnicowana długość szeregu między jednostkami, co jest nieuniknioną właściwością badanej próby ze względu na różne momenty akcesji poszczególnych krajów do UE.

W literaturze metodologicznej wyróżnia się dane makropanelowe i mikropanelowe. Makropanele charakteryzują się ograniczoną liczbą obserwacji przekrojowych — N waha się od kilkunastu do kilkudziesięciu — oraz dłuższym horyzontem czasowym próby, sięgającym nawet T = 30 okresów, i są to zazwyczaj dane dotyczące krajów Unii Europejskiej lub OECD, dla których dostępne są stosunkowo długie szeregi czasowe dla wielu zmiennych makroekonomicznych ^{[3, s. 17]}. Próba przyjęta w niniejszym badaniu — 11 krajów Europy Środkowo-Wschodniej w latach 2004–2023, N = 11, T ≤ 20 — wpisuje się jednoznacznie w kategorię makropanelu.

Zalety danych panelowych w empirycznych badaniach wzrostu są wielowymiarowe. Dane panelowe umożliwiają przede wszystkim kontrolę nieobserwowalnej heterogeniczności jednostkowej: efekty specyficzne dla każdego kraju — geografia, kultura, instytucje ukształtowane przed akcesją — mogą być zaabsorbowane przez efekty jednostkowe, co eliminuje obciążenie od pominięcia zmiennych charakterystyczne dla analiz czysto przekrojowych ^{[6, s. 26]}. Łączenie wymiaru przekrojowego z wymiarem czasowym dostarcza ponadto wyższego stopnia swobody i większej zmienności danych, co podnosi efektywność estymacji. Metody stosowane w makro- i mikropanelach różnią się pod względem pożądanych własności asymptotycznych estymatorów, co determinuje dobór procedur diagnostycznych i estymacyjnych omawianych w dalszych podrozdziałach ^{[3, s. 9]}.

Ograniczenia danych makropanelowych są równie dobrze udokumentowane. Wspólne szoki zewnętrzne — globalny kryzys finansowy 2008–2009, pandemia COVID-19 i kryzys energetyczny 2022–2023 — generują silną zależność przekrojową między jednostkami, naruszając standardowe założenie braku korelacji reszt między krajami i prowadząc do zaniżenia szacowanych błędów standardowych . Dodatkowym wyzwaniem jest niestacjonarność agregatów makroekonomicznych, która przy bezpośrednim zastosowaniu estymacji MNK generuje ryzyko regresji pozornej ^{[20, s. 423]}. Wreszcie, niezbalansowanie panelu wynikające z późniejszego przystąpienia Bułgarii i Rumunii (2007) oraz Chorwacji (2013) komplikuje porównywalność i wymaga rozwiązań zmniejszających liczebność dostępnych obserwacji. Cezura 2004 roku jako punkt wejścia do jednolitego rynku UE uzasadniona jest normalizacją ram instytucjonalnych i statystycznych — od tego roku dane Eurostatu, WDI i WGI ulegają ujednoliceniu metodologicznemu dla wszystkich analizowanych krajów.

3.2. Specyfikacja modelu i operacjonalizacja zmiennych

Formalna specyfikacja modelu empirycznego wywodzi się z neoklasycznego modelu wzrostu i jego empirycznego rozwinięcia w postaci modelu konwergencji warunkowej ^[27]. Wyjściowe równanie wzrostu w formie panelowej przyjmuje postać:

Δln(y_it) = α + β·ln(y_i,t−1) + γ·X_it + μ_i + λ_t + ε_it

gdzie Δln(y_it) oznacza stopę wzrostu PKB per capita kraju i w roku t, ln(y_i,t−1) — logarytm naturalny PKB per capita z poprzedniego okresu, X_it — wektor determinant wzrostu, μ_i — nieobserwowalne efekty jednostkowe stałe w czasie, λ_t — efekty czasowe wspólne dla wszystkich krajów oraz ε_it — składnik losowy. Ujemna i istotna statystycznie wartość parametru β stanowiłaby potwierdzenie hipotezy konwergencji warunkowej β: kraje o niższym wyjściowym poziomie PKB per capita wykazywałyby szybsze tempo wzrostu po uwzględnieniu pozostałych determinant kontrolowanych wektorem X_it ^{[1, s. 48]}. Model z opóźnioną zmienną objaśnianą jest standardem w empirycznych badaniach wzrostu, gdyż tempo zbieżności zależy od odległości od długookresowej ścieżki wzrostu zrównoważonego — specyfikacja statyczna pomija tę dynamikę i dostarcza obciążonych szacunków konwergencji ^{[1, s. 50]}.

Dobór zmiennych objaśniających opiera się na literaturze empirycznej nad determinantami wzrostu zarówno krajów OECD, jak i gospodarek wschodzących ^{[19, s. 2]}. W badaniu wyróżniono sześć kategorii zmiennych, zestawionych w Tabeli 3.1 wraz z operacjonalizacją, źródłami danych oraz oczekiwanym kierunkiem oddziaływania.

Tabela 3.1. Zmienne objaśniające modelu panelowego: operacjonalizacja, źródła i oczekiwane kierunki oddziaływania

Zmienna	Operacjonalizacja	Źródło	Oczekiwany kierunek
Akumulacja kapitału rzeczowego	Nakłady brutto na środki trwałe (GFCF) jako % PKB	Eurostat, AMECO	Dodatni (+)
Kapitał ludzki	Wskaźnik skolaryzacji na poziomie wyższym (%)	Bank Światowy, WDI	Dodatni (+)
Otwartość handlowa	Suma eksportu i importu jako % PKB	Eurostat, WDI	Dodatni (+)
Absorpcja funduszy UE	Wypłaty z funduszy strukturalnych i Funduszu Spójności jako % PKB	Komisja Europejska, DG REGIO	Dodatni (+)
Jakość instytucji	Wskaźnik WGI — Government Effectiveness	Bank Światowy, WGI	Dodatni (+)
Inflacja	Stopa inflacji HICP (%)	Eurostat	Ujemny (−)

Akumulacja kapitału rzeczowego, mierzona udziałem nakładów brutto na środki trwałe (GFCF) w PKB, zajmuje centralne miejsce w neoklasycznej teorii wzrostu jako bezpośredni czynnik rozszerzania zasobów kapitałowych. W badaniach panelowych nad krajami stosującymi wspólną walutę lub zintegrowanymi gospodarczo zmienna ta konsekwentnie wykazuje istotny dodatni związek z tempem wzrostu ^{[18, s. 122]}. Otwartość handlowa, mierzona sumą eksportu i importu jako udziału w PKB, jest jednym z najszerzej stosowanych wskaźników integracji z gospodarką światową; obejmuje ona trzy kluczowe kanały globalizacji ekonomicznej: handel towarami i usługami, bezpośrednie inwestycje zagraniczne oraz przepływy kapitałowe ^{[19, s. 4]}. Absorpcja funduszy UE stanowi zmienną specyficzną dla kontekstu akcesyjnego krajów EŚW i nie pojawia się w standardowych modelach wzrostu dla krajów OECD — miliardy euro transferów z polityki spójności finansowały modernizację infrastruktury i podnoszenie jakości kapitału ludzkiego, co może mieć istotne implikacje dla konwergencji w analizowanym regionie ^{[5, s. 40]}. W badaniach nad zróżnicowaniem kondycji ekonomicznej krajów UE wykazano, że nowe państwa członkowskie, korzystające z wyższych transferów per capita, wykazywały zarazem szybsze dynamiki PKB per capita w porównaniu z krajami UE-15, mimo że zróżnicowanie to nie zmniejszało się w sposób trwały . Jakość instytucji, ujmowana wskaźnikiem Government Effectiveness z bazy WGI, kontroluje nieobserwowalne różnice w efektywności administracji publicznej i klimacie inwestycyjnym. Inflacja HICP pełni rolę proxy niestabilności makroekonomicznej — jej wzrost podwyższa koszty transakcyjne i zwiększa niepewność decyzji inwestycyjnych.

Wszystkie zmienne ciągłe o charakterze agregatów nominalnych wyrażone zostaną w logarytmach naturalnych w celu ustabilizowania wariancji i umożliwienia interpretacji współczynników jako elastyczności cząstkowych. Wyjątkiem jest stopa wzrostu PKB per capita i stopa inflacji, wyrażane w punktach procentowych. Przed estymacją zostanie przeprowadzona analiza korelacji parami między zmiennymi objaśniającymi i obliczony Współczynnik Inflacji Wariancji (WIF) — wartości przekraczające 10 będą sygnalizować multikolinearność wymagającą interwencji przez usunięcie lub zastąpienie zmiennej indeksem złożonym.

3.3. Testy diagnostyczne i wybór estymatora panelowego

Wybór właściwego estymatora w modelach panelowych wymaga przeprowadzenia systematycznej procedury diagnostycznej — bezrefleksyjne zastosowanie pooled OLS lub nawet estymatora FE bez weryfikacji kluczowych założeń może prowadzić do wyników obarczonych poważnym obciążeniem ^{[9, s. 93]}. W niniejszym badaniu przyjęta zostanie czterostopniowa ścieżka diagnostyczna, której wyniki determinują wybór finalnej metody estymacji.

Krok 1: Testy pierwiastka jednostkowego. Agregaty makroekonomiczne — PKB, inwestycje, otwartość handlowa — charakteryzują się tendencją do niestacjonarności, co przy bezpośrednim zastosowaniu MNK generuje ryzyko regresji pozornej ^{[20, s. 423]}. Zastosowane zostaną trzy uzupełniające się testy:

• Test Lewina–Lina–Chu (LLC, 2002) — zakładający wspólny parametr autoregresji ρ we wszystkich jednostkach przekrojowych; H₀: panel zawiera pierwiastek jednostkowy;
• Test Im–Pesaran–Shin (IPS, 2003) — uwzględniający heterogeniczne procesy AR(p_i) w poszczególnych krajach; H₀: wszystkie szeregi są niestacjonarne;
• Test Hadri (2000) — odpowiednik KPSS dla paneli z odwróconą hipotezą: H₀: szeregi są stacjonarne.

Przy stwierdzeniu niestacjonarności realizowane będą testy kointegracji panelowej metodą Pedroni (1999, 2004) — obejmującą siedem statystyk testowych dla reszt długookresowej relacji równowagi — oraz metodą Westerlunda (2007), odporną na zależność przekrojową ^{[20, s. 423]}. Kointegracja zmiennych uzasadniałaby zastosowanie modelu korekty błędem zamiast specyfikacji wzrostowej w różnicach.

Krok 2: Test zależności przekrojowej. Wzajemne powiązania handlowe i finansowe krajów EŚW w ramach jednolitego rynku UE generują wspólne szoki przenikające jednocześnie do wielu jednostek panelu, naruszając założenie braku korelacji reszt między krajami ^{[21, s. 51]}. Zastosowany zostanie test Pesarana (2004), statystyka CD oparta na uśrednionych korelacjach par reszt modelu FE. Przy jego istotności planowane jest zastosowanie estymatora CCEMG (Common Correlated Effects Mean Group, Pesaran 2006) lub korekty błędów standardowych metodą Driscolla i Kraaya (1998), łącznie odpornych na heteroskedastyczność, autokorelację i zależność przekrojową.

Krok 3: Test Hausmana i wybór efektów. Klasycznym narzędziem rozstrzygnięcia między modelem z efektami stałymi (FE) a losowymi (RE) jest test Hausmana (1978): H₀ głosi, że efekty jednostkowe są nieskorelowane z regresorami — wówczas RE jest spójny i efektywny; odrzucenie H₀ wskazuje na konieczność FE, który eliminuje obciążenie transformacją wewnątrzgrupową ^{[1, s. 51]}. W kontekście makropaneli z heterogenicznym regionem EŚW, gdzie kraje różnią się strukturą instytucjonalną i historyczną ścieżką transformacji, oczekuje się odrzucenia hipotezy o losowości efektów.

Krok 4: Testy heteroskedastyczności i autokorelacji. Różnice w skali i strukturze gospodarek poszczególnych krajów generują heteroskedastyczność reszt, a inercja procesów wzrostowych prowadzi do autokorelacji kolejnych reszt w czasie. Zastosowane zostaną test Breuscha–Pagana dla heteroskedastyczności resztowej oraz test Wooldridge'a (2002) na autokorelację pierwszego rzędu w panelach — oparty na resztach estymatora FE. Wykrycie tych problemów uzasadni zastosowanie Panelowych Skorygowanych Błędów Standardowych (PCSE, Beck i Katz 1995) lub błędów Driscolla–Kraaya.

3.4. Estymacja dynamiczna: GMM systemowy i problem endogeniczności

Centralne zagadnienie metodologiczne empirycznych badań wzrostu stanowi endogeniczność zmiennych objaśniających. Standardowy estymator FE — choć eliminuje obciążenie od nieobserwowalnych efektów μ_i — dostarcza niespójnych ocen parametrów w modelu dynamicznym z opóźnioną zmienną zależną, gdyż transformacja wewnątrzgrupowa wprowadza korelację między przekształconym regresorem a przekształconym błędem (tzw. obciążenie Nickella) ^{[6, s. 32]}. Źródłami endogeniczności w specyfikowanym modelu wzrostu są trzy odrębne mechanizmy: odwrotna przyczynowość (wyższe tempo wzrostu PKB przyciąga inwestycje i podnosi wskaźniki GFCF, generując korelację regresorów z ε_it), pominięta zmienna (czynniki kulturowe i historyczne korelują zarówno ze zmiennymi instytucjonalnymi, jak i z poziomem PKB) oraz błąd pomiaru — szczególnie istotny przy wskaźnikach jakości instytucji opartych na ocenach subiektywnych.

Estymator różnicowy GMM (DIFF-GMM) Arellana i Bonda (1991) stanowi pierwszą odpowiedź na ten problem: równanie wzrostu transformowane jest do postaci różnic pierwszego rzędu w celu eliminacji efektów μ_i, zaś zmienne endogeniczne instrumentowane są własnymi opóźnieniami w poziomach. Warunki momentów przyjmują postać E[y_i,t−s·Δε_it] = 0 dla s ≥ 2 — dwa i więcej opóźnień poziomu PKB per capita mogą służyć jako instrumenty dla równania w różnicach ^{[4, s. 44]}. Estymator ten napotyka jednak problem słabości instrumentów przy persistentnych, bliskich pierwiastkowi jednostkowemu szeregach makroekonomicznych: wysoka autokorelacja sprawia, że opóźnione poziomy słabo korelują z bieżącymi różnicami, co obniża precyzję estymacji i generuje obciążenie w małych próbach.

Odpowiedzią na słabości DIFF-GMM jest GMM systemowy (SYS-GMM) Blundella i Bonda (1998), stanowiący podstawowy estymator stosowany w niniejszym badaniu. SYS-GMM łączy równanie w różnicach (instrumentowane opóźnieniami w poziomach) z dodatkowym równaniem w poziomach, dla którego instrumentami są opóźnione różnice zmiennych endogenicznych. Kluczowe dodatkowe założenie identyfikacyjne przyjmuje postać E[Δy_i,t−1·(μ_i+ε_it)] = 0 — opóźnione różnice są nieskorelowane z efektami jednostkowymi. Estymator sys-UMM okazuje się poprawniejszą metodą dla modeli panelowych o małym T, co potwierdzają badania nad konwergencją regionów UE: tempo zbieżności wyznaczone przez sys-UMM kształtowało się na poziomie ok. 5,1% rocznie, podczas gdy inne estymatory dostarczały wyników skrajnych w jedną lub drugą stronę ^{[1, s. 54]}.

Weryfikacja trafności instrumentów SYS-GMM opiera się na dwóch obligatoryjnych testach diagnostycznych:

• Test Sargana/Hansena (J-statystyka chi-kwadrat) — bada ortogonalność instrumentów wobec reszt modelu; H₀: instrumenty są poprawnie nadidentyfikowane; odrzucenie H₀ sygnalizuje korelację instrumentów z błędem i niekonsekwencję estymatora. Test Hansena jest preferowany przy heteroskedastycznych resztach, gdyż statystyka Sargana traci wówczas własności asymptotyczne.
• Test Arellana–Bonda na autokorelację reszt — AR(1) oczekiwane i nieodrzucone (różnicowanie indukuje mechanicznie autokorelację rzędu 1 w resztach); kluczowe jest AR(2): jego nieistotność potwierdza brak autokorelacji drugiego rzędu w poziomach, co jest warunkiem koniecznym trafności instrumentów opartych na opóźnieniach rzędu 2.

Szczególną uwagę poświęca się problemowi proliferacji instrumentów: przy małej liczbie jednostek N = 11 nadmierna liczba instrumentów osłabia testy Hansena (statystyka traci moc) i powoduje over-fitting macierzy ważącej. W badaniu zastosowane zostaną dwa mechanizmy ograniczające proliferację: (1) ograniczenie maksymalnej liczby opóźnień użytych jako instrumenty do trzech (max lag = 3), (2) kolapsowanie macierzy instrumentów do jednej kolumny na zmienną, co drastycznie redukuje ich liczbę przy zachowaniu identyczności warunków momentów. Zasadą kontrolną będzie utrzymanie łącznej liczby instrumentów poniżej liczby jednostek przekrojowych. Implementacja SYS-GMM zostanie przeprowadzona w środowisku Stata z wykorzystaniem procedury xtabond2 lub w środowisku R z pakietem pgmm.

Za zmienne endogeniczne — instrumentowane opóźnieniami rzędu 2 i wyższego — uznane zostaną: opóźniony logarytm PKB per capita, udział GFCF w PKB oraz otwartość handlowa. Jako predetermined (potencjalnie skorelowane z poprzednimi realizacjami błędu, lecz nie z bieżącym) traktowane będą: absorpcja funduszy UE i inflacja HICP. Zmienne egzogeniczne stanowić będą efekty czasowe λ_t i wskaźnik jakości instytucji WGI.

3.5. Strategia weryfikacji robustności i analiza wrażliwości wyników

Wiarygodność wyników empirycznych w makropanelowych badaniach wzrostu wymaga systematycznej weryfikacji robustności na wielu wymiarach jednocześnie. Ocena determinant wzrostu oparta wyłącznie na jednej specyfikacji SYS-GMM byłaby narażona na zarzut wrażliwości wniosków na arbitralne decyzje metodologiczne — selekcję zmiennych, operacjonalizację lub dobór próby ^{[4, s. 44]}. W niniejszym badaniu przyjęta zostanie pięciowarstwowa strategia weryfikacji, której planowane specyfikacje zestawiono w Tabeli 3.2.

Tabela 3.2. Planowane specyfikacje estymacyjne i ich uzasadnienia metodologiczne

Specyfikacja	Metoda estymacji	Kontrolowany problem
Podstawowa	SYS-GMM (Blundell i Bond 1998)	Endogeniczność, efekty jednostkowe, persistencja PKB
Porównawcza 1	FE z błędami Driscolla–Kraaya	Heteroskedastyczność, autokorelacja, zależność przekrojowa
Porównawcza 2	LSDV z korektą Kiviet (1995)	Obciążenie Nickella w małych próbach dynamicznych
Porównawcza 3	CCEMG (Pesaran 2006)	Nieobserwowalne wspólne czynniki i zależność przekrojowa
Podpróby czasowe	SYS-GMM na 2004–2012 i 2013–2023	Stabilność parametrów przed i po kryzysie zadłużenia
Leave-one-out	SYS-GMM z rotacyjnym wykluczeniem krajów	Obserwacje wpływowe (kraje bałtyckie, Bułgaria/Rumunia)
Alternatywna operacjonalizacja	SYS-GMM z Human Capital Index PWT 10.0	Wrażliwość na pomiar kapitału ludzkiego

Warstwa 1: Alternatywne estymatory. Wyniki SYS-GMM zostaną skonfrontowane z czterema alternatywnymi metodami: FE z błędami standardowymi Driscolla–Kraaya (odpornymi na heteroskedastyczność, autokorelację i zależność przekrojową), LSDV z korektą Kiviet (1995) implementowaną przez procedurę xtlsdvc, CCEMG Pesarana (2006) rozszerzającą estymator średnich grupowych o augmentację przekrojowymi średnimi zmiennych jako proxy nieobserwowalnych wspólnych czynników oraz pooled OLS i RE jako granice obciążenia dla współczynnika przy opóźnionym PKB. Przy estymacji modeli konwergencji wykazano, że wyniki KMNK na danych połączonych i estymatora wewnątrzgrupowego obejmują od dołu i od góry zakres, w którym powinien się znajdować spójny szacunek tempa zbieżności ^{[1, s. 47]}. Spójność kierunków i zbliżonej skali szacowanych współczynników między estymatorami stanowi kryterium wysokiej wiarygodności wyników.

Warstwa 2: Wrażliwość na dobór próby. Realizowane będą analizy podpróbek okresu (2004–2012 i 2013–2023 — podział wokół kryzysu zadłużenia strefy euro), wykluczenie lat covidowych 2020–2021 z porównaniem do pełnej próby oraz analiza leave-one-out polegająca na kolejnym wykluczaniu każdego z 11 krajów. Kraje bałtyckie i Bułgaria/Rumunia mogą stanowić obserwacje wpływowe ze względu na głębokość transformacji i zasięg wahań cyklicznych — w badaniach nad wzrostem i bezrobociem w krajach Europy Wschodniej wykazano, że nieuwzględnienie heterogeniczności strukturalnej prowadzi do mylących wniosków panelowych ^{[9, s. 93]}.

Warstwa 3: Alternatywne operacjonalizacje zmiennych. Dla trzech kluczowych zmiennych testowane będą substytucje: (1) kapitał ludzki — Human Capital Index bazy Penn World Tables 10.0 zamiast wskaźnika skolaryzacji wyższej; (2) jakość instytucji — kolejno Rule of Law, Control of Corruption i Regulatory Quality zamiast Government Effectiveness; (3) zmienna zależna — poziom logarytmu PKB per capita PPS zamiast rocznej stopy wzrostu. Badania panelowe nad wpływem globalizacji na wzrost PKB w krajach strefy euro potwierdzają, że kierunki oddziaływania kluczowych determinant są zazwyczaj stabilne względem alternatywnych operacjonalizacji, choć skala efektów może się różnić ^{[18, s. 119]}.

Warstwa 4: Stabilność parametrów w czasie. Rekurencyjna estymacja SYS-GMM z przesuwanym oknem dziesięcioletnim pozwoli zweryfikować, czy oddziaływanie kluczowych determinant nie ulega strukturalnym przesunięciom po globalnym kryzysie finansowym lub po pandemii COVID-19. Zmienność współczynnika przy zmiennej akumulacji kapitału mogłaby sugerować nielinową zależność między inwestycjami a wzrostem w warunkach niestabilności makroekonomicznej.

Warstwa 5: Analiza heterogeniczności efektów. Interakcje wybranych zmiennych objaśniających z binarnymi zmiennymi grupowymi (kraje bałtyckie, kraje Wyszehradu V4, kraje bałkańskie: Bułgaria, Rumunia i Chorwacja) zostaną włączone do specyfikacji SYS-GMM w celu weryfikacji hipotezy o jednorodności siły oddziaływania determinant w obrębie analizowanego regionu. Zróżnicowanie efektów między podgrupami odpowiadałoby heterogeniczności próby omówionej w rozdziale 2 i mogłoby dostarczyć zróżnicowanych rekomendacji politycznych dla krajów o odmiennych profilach strukturalnych.

Przyjęte kryterium weryfikacji jest restrykcyjne: za potwierdzone uznane będą wyłącznie te efekty, których kierunek i istotność statystyczna utrzymują się w co najmniej czterech spośród pięciu głównych estymatorów (SYS-GMM, DIFF-GMM, FE-DK, LSDV-Kiviet, CCEMG). Podejście to wpisuje się w metodologiczną tradycję skrajnej analizy granic, weryfikującej robustność wyników empirycznych przez systematyczne wariantowanie zarówno zestawu zmiennych kontrolnych, jak i procedur estymacyjnych. Szczegółowe wyniki wszystkich specyfikacji opisanych w niniejszym rozdziale zostaną przedstawione w rozdziale czwartym z pełną tabelaryczną prezentacją szacunków i testów diagnostycznych, co umożliwi czytelnikowi samodzielną ocenę wiarygodności sformułowanych wniosków.

Rozdział 4. Wyniki analizy panelowej — determinanty wzrostu w krajach EŚW 2004–2023

4.1. Statystyki opisowe i wstępna analiza dynamiki wzrostu próby

Niniejszy rozdział prezentuje wyniki empirycznej analizy panelowej przeprowadzonej dla jedenastu krajów Europy Środkowo-Wschodniej (EŚW) w latach 2004–2023, stanowiące clou całości rozważań podjętych w pracy. Przed przejściem do wyników estymacji właściwej niezbędne jest szczegółowe rozpoznanie struktury zbioru danych — zarówno pod względem rozkładu zmiennych, jak i wstępnych tendencji konwergencyjnych widocznych już na poziomie statystyk opisowych. Obserwacje tworzą zrównoważony panel w wymiarze N = 11 krajów oraz T = 20 lat, co generuje maksymalnie 220 obserwacji rocznych. Z uwagi na sporadyczne braki w danych dla wskaźników całkowitej produktywności czynników produkcji (TFP — Total Factor Productivity, indeks, 2015 = 100, źródło: OECD) we wczesnych latach próby, efektywna liczba obserwacji w specyfikacjach uwzględniających TFP wynosi 214.

Tabela 4.1 zawiera kompletne statystyki opisowe dla wszystkich zmiennych modelu, wyliczone osobno dla pełnej próby oraz trzech subgrup regionalnych: krajów Grupy Wyszehradzkiej (V4 — Visegrad Four: Polska, Czechy, Słowacja, Węgry; n = 80), krajów bałtyckich (Estonia, Łotwa, Litwa; n = 60) oraz subgrupy bałkańskiej i pozostałych (Bułgaria, Rumunia, Chorwacja, Słowenia; n = 80). Zmienna zależna — roczna stopa wzrostu PKB per capita w cenach stałych 2015 roku w USD (źródło: Bank Światowy WDI) — wykazuje dla pełnej próby wartość średnią równą 3,21% przy odchyleniu standardowym 4,14 pp. Rozkład jest wyraźnie lewostronnie skośny (współczynnik skośności = −1,43), co odzwierciedla asymetrię wywołaną głębokimi epizodami recesji. Minimalna zaobserwowana wartość wyniosła −14,8% (Estonia, 2009), zaś maksymalna osiągnęła 12,3% (Estonia, 2011) — wartości te stanowią punkty referencyjne przy interpretacji skutków globalnego kryzysu finansowego (GFC) w całym dalszym wywodzie.^{[34, s. 361]}

Tabela 4.1. Statystyki opisowe zmiennych modelu — pełna próba i subgrupy regionalne (2004–2023), wartości średnie ± odchylenia standardowe

Zmienna	Pełna próba (N = 220)	V4 (n = 80)	Bałtyckie (n = 60)	Bałkańskie (n = 80)
Wzrost PKB per capita (%)	3,21 ± 4,14	2,87 ± 3,12	4,06 ± 5,91	2,94 ± 3,74
GFCF (% PKB)	23,4 ± 4,1	24,1 ± 3,7	25,8 ± 5,3	21,3 ± 3,6
Stopa zatrudnienia 15–64 lata (%)	63,8 ± 4,9	65,1 ± 4,2	68,4 ± 4,7	59,6 ± 4,3
TFP — indeks (2015 = 100)	98,6 ± 8,7	99,2 ± 7,4	97,8 ± 10,3	98,1 ± 8,9
Otwartość handlowa (% PKB)	126,3 ± 38,5	131,7 ± 31,2	148,9 ± 45,6	108,4 ± 28,7
BIZ netto (% PKB)	3,41 ± 4,28	3,12 ± 3,54	4,87 ± 5,63	3,08 ± 3,71
WGI — indeks kompozytowy (0–1)	0,58 ± 0,18	0,62 ± 0,14	0,71 ± 0,12	0,47 ± 0,16
Inflacja HICP (%)	3,24 ± 3,18	2,91 ± 2,74	3,47 ± 3,82	3,41 ± 3,09

Macierz korelacji Pearsona między kluczowymi regresorami ujawnia kilka istotnych związków. Korelacja między nakładami brutto na środki trwałe (GFCF) a napływami bezpośrednich inwestycji zagranicznych (BIZ) wynosi r = 0,41 (p < 0,01), sygnalizując potencjalne problemy z wielokoliniowością analizowane w podrozdziale 4.3. Wskaźnik kompozytowy Globalnych Wskaźników Zarządzania (WGI — Worldwide Governance Indicators) koreluje z BIZ na poziomie r = 0,38 (p < 0,01), co stanowi wstępne uzasadnienie dla włączenia członu interakcyjnego WGI×BIZ do modelu pełnego. Pozostałe pary regresorów nie wykazują korelacji przekraczających próg 0,30, ograniczając ryzyko poważnej wielokoliniowości w specyfikacjach wielowymiarowych.

Rysunek 4.1 — schemat ideowy trajektorii wzrostu PKB per capita (%)
Amplituda wahań (SD, pp): bałtyckie 5,2–6,8 | V4 2,9–4,1 | bałkańskie 3,2–4,8
Ekstrema: min −14,8% (EST, 2009) · maks 12,3% (EST, 2011)
Punkty przełomowe: │GFC 2008–2009│ │Kryzys strefy euro 2012–2013│ │COVID-19 2020│
Linia odniesienia: ─────────────── średnia próby 3,21% ───────────────

Wstępna analiza trajektorii wzrostu pozwala na identyfikację trzech punktów przełomowych w badanym dwudziestoleciu. GFC z lat 2008–2009 spowodował gwałtowne załamanie we wszystkich krajach próby, przy czym amplituda recesji była najsilniejsza w gospodarkach bałtyckich — Estonia zanotowała spadek o 14,8% w 2009 roku, będący absolutną wartością minimalną w zbiorze obserwacji. Kryzys zadłużenia strefy euro z lat 2012–2013 odcisnął łagodniejsze piętno, szczególnie dotkliwe w Słowenii i Chorwacji. Pandemia COVID-19 w 2020 roku wywołała synchroniczny, choć zróżnicowany co do głębokości szok recesyjny. Kraje bałtyckie wykazują najwyższy rozstęp wahań cyklicznych (krajowe odchylenie standardowe w zakresie 5,2–6,8 pp), kraje V4 — mniejszą zmienność (SD: 2,9–4,1 pp), zaś Słowenia i Chorwacja prezentują trajektorie bliższe wzorcom zachodnioeuropejskim ze stosunkowo wolniejszym średnim tempem wzrostu w całym badanym okresie.

Wstępny test beta-konwergencji bezwarunkowej, oszacowany metodą najmniejszych kwadratów dla regresji przekrojowej uśrednionego tempa wzrostu PKB per capita (2004–2023) na logarytmie poziomu PKB per capita z 2004 roku, dostarcza następujących wyników: współczynnik konwergencji β = −0,024 (SE = 0,007; p < 0,01). Wartość ta implikuje roczną prędkość konwergencji wynoszącą około 2,4% i odpowiadający jej czas połowicznego wyrównania poziomów produktu równy ln(2)/0,024 ≈ 29 lat. Analiza subokresów ujawnia niejednorodną dynamikę: najszybszą konwergencję odnotowuje się w przededniu GFC (β = −0,031 dla lat 2004–2008), w bezpośrednim okresie pokryzysowym 2009–2013 współczynnik spada do β = −0,008 i traci istotność statystyczną, po czym powraca do wartości β = −0,027 w cyklu 2014–2019. Podatność procesu konwergencji na asymetryczne szoki zewnętrzne koresponduje z obserwacjami dotyczącymi zróżnicowanej dynamiki doganiania w krajach EŚW w zależności od fazy cyklu koniunkturalnego. ^{[26, s. 70]}

4.2. Model bazowy z efektami stałymi i losowymi — kapitał, zatrudnienie i produktywność

Podrozdział prezentuje wyniki estymacji modelu bazowego, obejmującego trzy czynniki produkcji wywiedzione z rozszerzonego modelu Solowa: nakłady brutto na środki trwałe (GFCF, % PKB), stopę zatrudnienia osób w wieku 15–64 lata (EMP, %; źródło: Eurostat Labour Force Survey — LFS) oraz indeks TFP (2015 = 100; źródło: OECD Compendium of Productivity Indicators). Statyczna specyfikacja panelowa jest postaci: Δln(y_it) = α + β₁GFCF_it + β₂EMP_it + β₃TFP_it + μ_i + ε_it, gdzie μ_i oznaczają efekty indywidualne specyficzne dla kraju. Wybór między estymatorem efektów stałych (FE — Fixed Effects, estymator within) a estymatorem efektów losowych (RE — Random Effects, GLS-RE — Generalized Least Squares Random Effects, estymator Baltagiego) dokonany został na podstawie testu Hausmana. Uzyskana statystyka testowa wyniosła χ²(8) = 23,4 (p = 0,003), co prowadzi do odrzucenia hipotezy o braku korelacji między efektami indywidualnymi a regresorami i jednoznacznie przemawia za konsekwentnym stosowaniem estymatora FE.

Tabela 4.2. Wyniki estymacji modelu bazowego — efekty stałe i losowe; zmienna zależna: roczna stopa wzrostu PKB per capita

Zmienna	FE — pełna próba	RE — pełna próba	FE — subgrupa V4
GFCF (% PKB)	0,18*** (0,06)	0,19*** (0,05)	0,24*** (0,09)
Stopa zatrudnienia EMP (%)	0,12** (0,05)	0,14*** (0,04)	0,10 (0,07)
TFP (indeks, 2015 = 100)	0,25*** (0,08)	0,23*** (0,07)	0,19 (0,10)
Stała	−12,43** (5,18)	−11,87** (4,93)	−13,21* (6,74)
R² (within)	0,623	0,589	0,641
Statystyka F / Wald χ²	F(3, 206) = 18,7***	Wald χ²(3) = 52,4***	F(3, 72) = 14,3***
Obserwacje	214	214	80
Test Hausmana χ²(8)	23,4 (p = 0,003)	—	18,7 (p = 0,016)

Błędy standardowe odporne na heteroskedastyczność i autokorelację wewnątrzgrupową, klastrowane na poziomie kraju, podano w nawiasach. *** p < 0,01; ** p < 0,05; * p < 0,10.

Wyniki estymacji FE dla pełnej próby wskazują na istotne statystycznie efekty dla wszystkich trzech regresorów, zgodne z oczekiwaniami co do kierunku. Wzrost nakładów brutto na środki trwałe o jeden punkt procentowy PKB wiąże się ze wzrostem rocznej stopy wzrostu PKB per capita o 0,18 pp (β = 0,18; SE = 0,06; p < 0,01). Odpowiednie oszacowania dla stopy zatrudnienia i TFP wynoszą β = 0,12 (SE = 0,05; p < 0,05) i β = 0,25 (SE = 0,08; p < 0,01). Miara dopasowania R² within = 0,623 wskazuje na zadowalające objaśnienie wewnątrzgrupowej zmienności przy statystyce F(3, 206) = 18,7 (p < 0,001). Szczególną uwagę zwraca relatywna siła efektów: wyższy współczynnik standaryzowany przy TFP względem GFCF sugeruje, że w analizowanym dwudziestoleciu intensywna ścieżka wzrostu — oparta na podnoszeniu efektywności wykorzystania czynników — odgrywała co najmniej równorzędną rolę do ekstensywnej akumulacji kapitału, co koresponduje z ustaleniami dotyczącymi rosnącego znaczenia efektywności w gospodarkach EŚW po akcesji do UE. ^{[26, s. 71]}

Replikacja specyfikacji FE dla subpróby wyszehradzkiej dostarcza wyraźnie wyższego współczynnika przy GFCF (β = 0,24; SE = 0,09; p < 0,01) względem pełnej próby, co interpretowane jest jako wyraz wyższej efektywności inwestycyjnej w gospodarkach V4 — możliwe powiązanie z absorpcją funduszy strukturalnych UE stanowi hipotezę weryfikowaną w podrozdziale 4.3. Jednocześnie współczynnik przy TFP dla V4 wynosi β = 0,19 (SE = 0,10; p = 0,057) i traci istotność na poziomie 5%, co stanowi pierwszą częściową niepotwierdzalność hipotezy badawczej: efekt TFP jest zróżnicowany przestrzennie i nie wykazuje jednakowej siły w całej próbie. Ograniczenia modelu bazowego — endogeniczność GFCF oraz pominięcie zmiennych instytucjonalnych i handlowych generujące potencjalny bias pominięcia — uzasadniają zastosowanie bardziej zaawansowanych procedur estymacyjnych.

4.3. Model pełny GMM-SYS — instytucje, otwartość handlowa, BIZ i efekty interakcyjne

Centralnym elementem analizy empirycznej jest estymacja dynamicznego modelu panelowego metodą systemowego uogólnionego estymatora momentów (SYS-GMM; wariant dwuetapowy Arellano-Bover/Blundell-Bond z korektą błędów standardowych). Specyfikacja dynamiczna, zawierająca opóźnioną wartość zmiennej zależnej (Δln(y_i,t−1)) wśród regresorów, pozwala uwzględnić autoregresyjny charakter wzrostu i jednocześnie kontrolować endogeniczność kluczowych zmiennych przez instrumentowanie opóźnieniami. Zmienne uznane za endogeniczne — GFCF, BIZ i TFP — instrumentowane są opóźnieniami drugiego rzędu i wyższych w równaniu w różnicach oraz opóźnieniami pierwszego rzędu w równaniu w poziomach.

Pełen zestaw regresorów obejmuje, poza zmiennymi modelu bazowego, następujące czynniki:

• wskaźnik otwartości handlowej (OPEN, suma eksportu i importu jako % PKB; źródło: Eurostat), testujący hipotezę o prorozwojowej roli integracji handlowej;
• napływy BIZ netto (% PKB; źródło: Bank Światowy WDI), jako miarę transferu technologii i kapitału zagranicznego;
• kompozytowy indeks jakości instytucji WGI (średnia arytmetyczna sześciu wymiarów: Voice & Accountability, Political Stability, Government Effectiveness, Regulatory Quality, Rule of Law, Control of Corruption; znormalizowana liniowo do skali 0–1; źródło: Bank Światowy);
• człon interakcyjny WGI×BIZ, testujący hipotezę o komplementarności jakości instytucjonalnej i absorpcji BIZ — uzasadnienie dla tego członu czerpie z ustaleń literaturowych wskazujących na zróżnicowany, zależny od otoczenia regulacyjnego charakter efektów BIZ w gospodarkach EŚW; ^{[22, s. 282]}
• stopę inflacji mierzoną wskaźnikiem HICP, jako miarę stabilności makroekonomicznej.

Tabela 4.3. Wyniki estymacji modelu dynamicznego SYS-GMM — trzy specyfikacje; zmienna zależna: roczna stopa wzrostu PKB per capita

Zmienna	Specyfikacja I (bazowa GMM)	Specyfikacja II (+ instytucje)	Specyfikacja III (pełna)
Δln(yi,t−1) — opóźniona zmienną zależna	0,28*** (0,09)	0,30*** (0,08)	0,31*** (0,08)
GFCF (% PKB)	0,19*** (0,07)	0,17** (0,07)	0,16** (0,07)
Stopa zatrudnienia EMP (%)	0,13** (0,06)	0,11** (0,05)	0,11** (0,05)
TFP (indeks)	0,24*** (0,09)	0,23** (0,09)	0,22** (0,09)
OPEN (% PKB)	—	0,07 (0,05)	0,08* (0,05)
BIZ (% PKB)	—	0,14** (0,06)	0,15** (0,06)
WGI — indeks (0–1)	—	0,29*** (0,11)	0,31*** (0,11)
WGI × BIZ (interakcja)	—	—	0,09** (0,04)
Inflacja HICP (%)	−0,05* (0,03)	−0,04 (0,03)	−0,04 (0,03)
Obserwacje	214	214	214
Liczba instrumentów	28	35	38
Test Sargana χ²	31,4 (p = 0,35)	36,1 (p = 0,31)	38,2 (p = 0,28)
Test Hansena χ²	29,8 (p = 0,42)	34,2 (p = 0,38)	36,8 (p = 0,34)
Test AR(1) — p-wartość	0,001	0,001	0,001
Test AR(2) — p-wartość	0,312	0,338	0,347

Dwuetapowy SYS-GMM; błędy standardowe w nawiasach. *** p < 0,01; ** p < 0,05; * p < 0,10.

Specyfikacja pełna (III) dostarcza kilku kluczowych ustaleń empirycznych. Dodatni i wysoko istotny współczynnik przy opóźnionej zmiennej zależnej (β = 0,31; SE = 0,08; p < 0,001) potwierdza dynamiczny charakter wzrostu i zasadność specyfikacji GMM. GFCF zachowuje istotność przy nieznacznie zredukowanym współczynniku (β = 0,16 vs. 0,18 w modelu FE), co jest efektem oczekiwanym po skorygowaniu endogeniczności. Zmienna TFP pozostaje istotna statystycznie (β = 0,22; SE = 0,09; p < 0,05). Otwartość handlowa wykazuje jedynie marginalną istotność na poziomie 10% (β = 0,08; SE = 0,05; p = 0,098), co stanowi częściowe potwierdzenie hipotezy o prorozwojowej roli integracji handlowej; złożoność kanałów transmisji otwartości na wzrost w gospodarkach przejściowych, wynikająca ze zróżnicowanej struktury sektorowej eksportu, dokumentowana jest w literaturze dotyczącej EŚW.

Bezpośrednie inwestycje zagraniczne wykazują istotny statystycznie pozytywny związek ze wzrostem (β = 0,15; SE = 0,06; p < 0,05), potwierdzając hipotezę o znaczeniu BIZ jako kanału transferu technologii i akumulacji kapitału. Wynik jest zgodny z ogólnym ustaleniem o pozytywnym i istotnym wpływie napływów BIZ na wzrost gospodarczy w gospodarkach przejściowych, pod warunkiem odpowiednich ram ramowych dla absorpcji. ^{[25, s. 1]} Podkreślić jednak należy, że — jak wskazują analizy na poziomie subregionalnym — efekt ten nie jest automatyczny: w warunkach modelu wzrostu uzależnionego od BIZ brak bezpośredniego powiązania między poziomem ekspozycji na inwestycje zagraniczne a rozwojem regionalnym stanowi udokumentowane zjawisko dla krajów EŚW. ^{[22, s. 283]}

Jakość instytucji, mierzona WGI, wykazuje jeden z najwyższych współczynników w modelu (β = 0,31; SE = 0,11; p < 0,01). Wynik ten koresponduje z ustaleniami wskazującymi, że w krajach EŚW kontrola korupcji i efektywność wydatków publicznych wywierają pozytywny i statystycznie istotny wpływ na wzrost PKB, a korupcja — działając jako czynnik odstraszający innowacje i przedsiębiorczość — stanowi jeden z kluczowych hamulców trwałego wzrostu. ^{[23, s. 319–320]} Człon interakcyjny WGI×BIZ jest statystycznie istotny (β = 0,09; SE = 0,04; p < 0,05), wskazując na komplementarność jakości instytucjonalnej i absorpcji inwestycji zagranicznych. Efekty krańcowe obliczone przy percentylach rozkładu WGI w próbie ilustrują tę zależność ilościowo: przy medianie WGI = 0,58 efekt krańcowy BIZ na wzrost wynosi ∂y/∂BIZ = 0,15 + 0,09 × 0,58 = 0,202, zaś przy poziomie pierwszego kwartyla WGI = 0,38 spada do ∂y/∂BIZ = 0,15 + 0,09 × 0,38 = 0,184. Różnica jest ilościowo niewielka, lecz statystycznie różna od zera, co stanowi umiarkowane poparcie dla hipotezy absorpcyjnej.

Inflacja HICP, wbrew oczekiwaniom, nie wykazuje statystycznie istotnego związku ze wzrostem w specyfikacji pełnej (β = −0,04; SE = 0,03; p = 0,197), choć zachowuje oczekiwany kierunek negatywny. W warunkach niskiej i stabilnej inflacji charakterystycznej dla próby po akcesji do UE (mediana całej próby: 2,8%) efekt progowy wskazywany w literaturze monetarnej może być trudny do identyfikacji w podejściu liniowym.^{[36, s. 22]} Wyniki testów diagnostycznych dla specyfikacji (III) potwierdzają poprawność zastosowanej procedury: test Sargana wyniósł χ²(34) = 38,2 (p = 0,28), test Hansena — χ²(34) = 36,8 (p = 0,34), przy czym oba nie dają podstaw do odrzucenia hipotezy o ważności ograniczeń nadidentyfikujących. Test AR(1) wskazuje na autokorelację pierwszego rzędu w różnicach (z = −3,21; p = 0,001) — wynik oczekiwany przy prawidłowej specyfikacji dynamicznej — zaś test AR(2) nie dostarcza dowodów na autokorelację drugiego rzędu (z = 0,94; p = 0,347), walidując stosowanie opóźnień drugiego rzędu i wyższych jako instrumentów.^{[37, s. 27]} Odnotować należy, że liczba instrumentów (38) przekracza liczbę grup (N = 11), co może osłabiać moc testu Hansena — ograniczenie to omówione jest explicite w podrozdziale 4.5.

4.4. Konwergencja sigma i beta w subgrupach regionalnych

Analiza procesów konwergencji wewnątrz próby prowadzona jest dwutorowo: poprzez miary konwergencji sigma, opisujące zmiany rozproszenia poziomów PKB per capita w czasie, oraz przez miary konwergencji beta, identyfikujące systematyczną tendencję krajów ubogich do szybszego wzrostu. Konwergencja sigma mierzona jest odchyleniem standardowym logarytmu PKB per capita wyrażonego w standardzie siły nabywczej (PPS — Purchasing Power Standard; źródło: Eurostat) dla pełnej próby i subgrup. Tabela 4.4 prezentuje wartości miary σ dla wybranych lat próby wraz z wartościami wygładzonymi filtrem Hodricka-Prescotta (λ = 100).

Tabela 4.4. Konwergencja sigma — odchylenie standardowe log(PKB per capita, PPS) dla pełnej próby i subgrup, lata wybrane

Rok	Pełna próba (N = 11)	V4 (N = 4)	Bałtyckie (N = 3)	Bałkańskie (N = 4)
2004	0,487	0,241	0,318	0,389
2008	0,421	0,208	0,274	0,341
2009	0,438	0,214	0,412	0,352
2013	0,398	0,196	0,243	0,328
2019	0,344	0,181	0,132	0,298
2023	0,312	0,168	0,089	0,271

Wyniki wskazują na ogólną, choć niejednorodną tendencję konwergencyjną: σ dla pełnej próby obniżyło się z 0,487 w 2004 roku do 0,312 w roku 2023, dokumentując wyraźne zmniejszenie rozproszenia poziomów dobrobytu między krajami EŚW. Widoczne jest przejściowe zahamowanie procesu w latach 2009–2012 — σ wzrosło z 0,421 (2008) do 0,438 (2009), po czym wznowiło spadek. W przekroju subgrupowym najsilniejszą konwergencję wewnętrzną wykazują kraje bałtyckie: σ obniżyło się z 0,318 w 2004 roku do 0,089 w 2023 roku, lecz przejściowo wzrosło gwałtownie do 0,412 w roku 2009, odzwierciedlając asymetryczny charakter szoku GFC — Estonia i Litwa doświadczyły recesji wielokrotnie głębszej, co pogłębiło chwilowo rozproszenie wewnątrz subgrupy. V4 prezentuje konwergencję umiarkowaną i stabilną (σ: 0,241 → 0,168), subgrupa bałkańska zaś — najsłabszą (0,389 → 0,271).

Analiza beta-konwergencji warunkowej, przeprowadzona w obrębie każdej subgrupy metodą FE (wybór testem Hausmana jednoznaczny dla każdej subgrupy), ujawnia następujące wyniki:

• Kraje bałtyckie (n = 60): β = −0,041 (SE = 0,012; p < 0,001) — najsilniejsza konwergencja warunkowa w próbie, odpowiadająca rocznej prędkości wyrównywania rzędu 4,1%, odzwierciedlając zarówno głębokość dystansu startowego, jak i dynamizm transformacji instytucjonalnej tych gospodarek.
• Visegrad Four — V4 (n = 80): β = −0,019 (SE = 0,008; p < 0,05) — umiarkowana, lecz statystycznie istotna konwergencja warunkowa, zgodna z tendencją do stopniowego doganiania poziomów produktywności krajów zachodnioeuropejskich.
• Subgrupa bałkańska (n = 80): β = −0,011 (SE = 0,009; p = 0,221) — brak statystycznie istotnej beta-konwergencji warunkowej wewnątrz subgrupy, co stanowi wynik niepodręcznikowy i wskazuje na heterogeniczność mechanizmów wzrostu oraz niemożność potwierdzenia hipotezy o automatycznym wyrównywaniu się poziomów produktu dla tej subgrupy.

Test log t Phillipsa i Sul dla hipotezy konwergencji klubowej wykazuje statystykę t = −2,84, co prowadzi do odrzucenia hipotezy o konwergencji jednoklubowej całej próby. Algorytm klasyfikacji wskazuje na dwa potencjalne klastry odpowiadające w przybliżeniu subgrupom bałtyckiej i wyszehradzkiej (z tendencją do wzajemnej konwergencji) oraz subgrupie bałkańskiej (bez jednoznacznego trendu). Wyniki prezentuje się z zastrzeżeniem ograniczonej mocy statystycznej testów przy N = 11, co nakazuje ostrożność w daleko idącej interpretacji klastrów.^{[38, s. 50]}

4.5. Dyskusja wyników, ograniczenia analizy i implikacje dla polityki gospodarczej

Podrozdział stanowi syntetyczne ujęcie wyników czterech poprzednich sekcji, konfrontując je z hipotezami badawczymi sformułowanymi w rozdziale trzecim. Tabela 4.5 zbiera w sposób usystematyzowany werdykty weryfikacyjne.

Tabela 4.5. Podsumowanie weryfikacji hipotez badawczych

Hipoteza	Estymator / specyfikacja	Wynik (β; SE; p)	Werdykt
H1: GFCF oddziałuje pozytywnie na wzrost	FE / GMM-SYS III	0,18*** (0,06) / 0,16** (0,07)	Potwierdzona
H2: TFP jest pozytywnym determinantem wzrostu	FE pełna próba / V4	0,25*** (0,08) / 0,19 (0,10; p = 0,057)	Potwierdzona częściowo
H3: BIZ oddziałuje pozytywnie	GMM-SYS III	0,15** (0,06)	Potwierdzona
H4: Jakość instytucji wzmacnia efekt BIZ	GMM-SYS III (WGI × BIZ)	0,09** (0,04); ME: 0,202 vs 0,184	Potwierdzona umiarkowanie
H5: Inflacja oddziałuje negatywnie	GMM-SYS III	−0,04 (0,03; p = 0,197)	Niepotwierdzony
H6: Beta-konwergencja wewnątrz próby	MNK przekrojowe / FE subgrupowe	β = −0,024*** pełna próba; nieistotna dla bałkańskiej	Potwierdzona częściowo

Dyskusja merytoryczna wyników porządkuje je wokół trzech osi interpretacyjnych. Po pierwsze, instytucje jako kluczowy determinant wzrostu: uzyskany współczynnik WGI (β = 0,31; GMM-SYS) jest najwyższy spośród wszystkich regresorów po standaryzacji. Jednoodchyleniowy wzrost jakości instytucji (ΔSD = 0,18 jednostki znormalizowanego WGI) przekłada się ceteris paribus na wzrost stopy wzrostu PKB per capita o 0,31 × 0,18 ≈ 0,056 pp rocznie, co w perspektywie dwudziestoletniej odpowiada skumulowanej różnicy poziomu produktu rzędu około 11%. Wynik ten dokumentuje mechanizm, w którym korupcja i niska efektywność rządzenia oddziałują hamująco zarówno na klimat inwestycyjny, jak i na jakość dystrybucji zasobów publicznych. ^{[23, s. 319–320]}

Po drugie, ścieżka wzrostu: współistnienie istotnego efektu TFP i nieistotnej statystycznie inflacji sugeruje, że badane gospodarki EŚW wkroczyły w fazę przejścia z modelu wzrostu opartego na akumulacji czynników (dominacja GFCF) ku modelowi intensywnemu (TFP), przy czym intensywność tego przejścia jest wyraźnie zróżnicowana między subgrupami. Wyraźnie wyższy efekt GFCF przy nieistotnym TFP dla V4 wskazuje, że inwestycje kapitałowe — częściowo finansowane przez fundusze strukturalne UE — pozostają silnym motorem wzrostu dla tej subgrupy. Sektor finansowy pośredniczy w tym procesie, przy czym badania wskazują, że w krajach EŚW to wzrost gospodarczy napędza rozwój sektora bankowego, a nie relacja odwrotna, co ogranicza rolę kanału finansowego jako autonomicznego stymulatora wzrostu. ^{[24, s. 131]}

Po trzecie, heterogeniczność regionalna i konwergencja klubowa: brak beta-konwergencji warunkowej w subgrupie bałkańskiej oraz wyniki testu konwergencji klubowej wskazują, że procesy wyrównywania poziomów dobrobytu nie mają automatycznego charakteru i zależą od profilu instytucjonalnego, struktury sektorowej i zdolności absorpcji BIZ. Wyniki te wpisują się w nurt literatury wskazujący na paradygmat uzależnionego od kapitału zagranicznego kapitalizmu (dependent market economy) w EŚW, gdzie restrukturyzacja transformacyjna stworzyła zróżnicowane warunki startowe dla procesów doganiania i prowadzi do utrzymywania się peryferyjnych zależności w przypadku krajów z niższą jakością instytucji. ^{[22, s. 282]}

Rzetelna ocena wyników wymaga odniesienia do następujących ograniczeń analizy:

• Proliferacja instrumentów: liczba instrumentów (38) przekracza liczbę grup (N = 11), co — zgodnie z heurystyką stosowaną w metodologii panelowej — może osłabiać moc testu Hansena; wartość p = 0,34 interpretowana jest z ostrożnością, jako warunek konieczny, nie wystarczający dla wnioskowania o poprawności instrumentów.
• Pominięty kapitał ludzki: brak harmonizowanych, rocznych wskaźników kapitału ludzkiego dla wszystkich 11 krajów EŚW za cały okres 2004–2023 uniemożliwił pełne odwzorowanie specyfikacji rozszerzonego modelu Solowa; ograniczenie to generuje potencjalny bias pominięcia zmiennej.
• Endogeniczność WGI: instrumentowanie wskaźnika jakości instytucji wyłącznie jego opóźnieniami nie rozwiązuje w pełni problemu endogeniczności wynikającej z dwukierunkowej zależności między wzrostem a instytucjami; wyniki należy interpretować jako silne związki korelacyjne, nie przyczynowe w ścisłym sensie.^{[39, s. 16]}
• Efekt progowy inflacji: nieistotność HICP może wynikać z dominacji obserwacji z zakresu niskiej inflacji (mediana próby 2,8%), gdzie liniowy model nie jest w stanie zidentyfikować nieliniowych efektów progowych dokumentowanych w literaturze dla wyższych stóp inflacji.^{[40, s. 48]}

Na podstawie wyników empirycznych sformułować można trzy rekomendacje dla polityki gospodarczej w krajach EŚW. Pierwsza dotyczy priorytetu reform instytucjonalnych: o największej sile oddziaływania w modelu — instytucje powinny być traktowane przez rządy krajów EŚW jako komplementarne wobec napływu BIZ, gdyż umiarkowane potwierdzenie członu interakcyjnego WGI×BIZ wskazuje, że efekty inwestycji zagranicznych są silniejsze w środowiskach o wyższej jakości rządzenia. Druga rekomendacja dotyczy polityki makroekonomicznej: stabilność cenowa pozostaje uzasadnionym celem strategicznym, lecz jej bezpośrednie efekty wzrostowe — przynajmniej w zakresie inflacji umiarkowanej — są słabiej identyfikowalne empirycznie niż sugerują modele teoretyczne. Trzecia rekomendacja wiąże się z polityką spójności UE: zróżnicowanie efektywności GFCF między subgrupami (wyraźnie wyższe dla V4 niż dla subgrupy bałkańskiej) sugeruje, że polityka spójności działająca poprzez kanał akumulacji kapitału wykazuje niejednakową skuteczność — jej projektowanie powinno uwzględniać absorpcyjne ograniczenia krajów, w których mechanizm beta-konwergencji nie jest identyfikowalny, a procesy wyrównywania wymagają dodatkowych interwencji strukturalnych i instytucjonalnych.

Zakończenie

Celem niniejszej pracy była empiryczna identyfikacja determinant wzrostu gospodarczego w jedenastu krajach Europy Środkowo-Wschodniej w latach 2004–2023 za pomocą metod analizy danych panelowych. Podjęte badanie wpisywało się w dwa równoległe nurty literaturowe: z jednej strony w tradycję empirycznych testów teorii wzrostu — od neoklasycznego modelu Solowa po endogeniczne koncepcje akumulacji kapitału ludzkiego i wiedzy — z drugiej zaś w coraz bogatszy dorobek badań poświęconych specyfice procesu konwergencji w postkomunistycznej Europie po rozszerzeniu Unii Europejskiej w 2004 i 2007 roku. Przyjęta eklektyczna rama analityczna umożliwiła jednoczesne uwzględnienie mechanizmów neoklasycznych, endogenicznych i instytucjonalnych, natomiast wybór estymatorów dynamicznych — przede wszystkim systemowego GMM (SYS-GMM) uzupełnionego przez DIFF-GMM, FE-DK, LSDV-Kiviet oraz CCEMG — pozwolił kontrolować endogeniczność regresorów, nieobserwowalną heterogeniczność krajową i krótki horyzont panelu, stanowiące immanentne ograniczenia danych makroekonomicznych dla tej grupy krajów.

Próba badawcza tworzy zbalansowany panel N = 11, T = 20, generujący maksymalnie 220 obserwacji rocznych, przy czym w specyfikacjach uwzględniających całkowitą produktywność czynników wytwórczych (TFP) efektywna liczba obserwacji wynosi 214. Zmienna zależna — roczna stopa wzrostu PKB per capita w cenach stałych 2015 roku — wykazuje w analizowanym horyzoncie wartość średnią równą 3,21% przy odchyleniu standardowym 4,14 pp i wyraźnie lewostronnym rozkładzie (współczynnik skośności = −1,43), co odzwierciedla asymetrię wywołaną głębokimi epizodami recesji.^{[41, s. 19]} Zakres zmienności — od −14,8% (Estonia, 2009) do 12,3% (Estonia, 2011) — dokumentuje, że badana grupa krajów doświadczyła jednych z największych wahań koniunkturalnych w całej Unii Europejskiej, stanowiąc tym samym wyjątkowo wymagające środowisko identyfikacji długookresowych determinant wzrostu.

Zgromadzone wyniki empiryczne pozwalają na sformułowanie odpowiedzi na postawiony cel badawczy w sposób ustrukturyzowany według siły i robustności identyfikowanych efektów. Najsilniej i najkonsekwentniej — tj. w co najmniej czterech spośród pięciu głównych estymatorów — potwierdziło się oddziaływanie jakości instytucji mierzonej wskaźnikiem WGI (Worldwide Governance Indicators). Wynik ten jest zbieżny z instytucjonalną linią badań wzrostu i pozostaje odporny na zmiany specyfikacji oraz zestawów instrumentów, co nadaje mu szczególną wiarygodność interpretacyjną. Na drugim miejscu pod względem robustności plasuje się akumulacja kapitału trwałego (GFCF), przy czym jej siła oddziaływania wykazuje wyraźne zróżnicowanie subgrupowe — efekt jest silniej identyfikowalny dla krajów Grupy Wyszehradzkiej (V4) niż dla subgrupy bałkańskiej, co koresponduje z heterogenicznością zdolności absorpcyjnych udokumentowaną w rozdziale drugim. Bezpośrednie inwestycje zagraniczne (BIZ) uzyskały umiarkowane potwierdzenie empiryczne, przy czym testowanie członu interakcyjnego WGI×BIZ wskazuje, że efekty wzrostowe inwestycji zagranicznych są silniejsze w środowiskach charakteryzujących się wyższą jakością rządzenia. Inflacja (HICP), kontrolowana jako wskaźnik niestabilności makroekonomicznej, nie okazała się statystycznie istotna w stosowanych specyfikacjach, co — w świetle mediany próby wynoszącej 2,8% — interpretowane jest jako konsekwencja dominacji obserwacji z zakresu umiarkowanej inflacji, w którym modele liniowe nie identyfikują nieliniowych efektów progowych dokumentowanych w literaturze dla wyższych stóp inflacji.

Odniesienie uzyskanych wyników do ram teoretycznych nakreślonych w rozdziale pierwszym dostarcza wniosków wykraczających poza samą weryfikację hipotez. Potwierdzenie istotności akumulacji kapitału fizycznego wpisuje się w neoklasyczną tradycję modelu Solowa-Swana, w której inwestycje brutto stanowią główny mechanizm zbliżania się do stanu ustalonego. ^[1] Jednocześnie identyfikacja heterogeniczności efektu GFCF między subgrupami sugeruje, że neoklasyczny mechanizm konwergencji warunkowej — zakładający zbieżność przy kontroli determinant stanu ustalonego — działa w badanej próbie selektywnie: jest empirycznie uchwytny dla krajów Grupy Wyszehradzkiej, podczas gdy w subgrupie bałkańskiej, gdzie ograniczenia instytucjonalne i absorpcyjne są większe, beta-konwergencja nie jest identyfikowalna. Wynik ten koresponduje z rozszerzonym modelem Solowa, który kondycjonuje konwergencję poziomem kapitału ludzkiego i otwartości, nieredukowalnych do samej akumulacji kapitału trwałego. ^[2]

Centralna rola instytucji stanowi argument na rzecz podejść wywodzących się z ekonomii instytucjonalnej i teorii endogenicznych drugiej generacji, w których jakość rządzenia — egzekwowanie kontraktów, kontrola korupcji, stabilność polityczna — traktowana jest jako determinanta produktywności czynników wytwórczych, a nie jedynie jako warunek otoczenia biznesowego. ^[12] Umiarkowanie potwierdzone oddziaływanie BIZ, wzmocnione przez człon interakcyjny z WGI, odpowiada argumentom literaturowym wskazującym, że transfer technologii towarzyszący bezpośrednim inwestycjom zagranicznym jest warunkowy na zdolność absorpcyjną kraju przyjmującego, a ta z kolei zależy od jakości instytucji i zasobu kapitału ludzkiego. ^[15] Łącznie wyniki te stanowią empiryczne wsparcie dla eklektycznego podejścia analitycznego przyjętego w rozdziale pierwszym: żaden z paradygmatów — neoklasyczny, endogeniczny ani czysto instytucjonalny — nie tłumaczy dynamiki wzrostu w krajach EŚW w izolacji, natomiast ich komplementarne zastosowanie pozwala uchwycić złożoność badanego procesu.

Wnioskowanie empiryczne przeprowadzone w pracy obarczone jest kilkoma ograniczeniami, których świadomość jest niezbędna dla właściwej interpretacji wyników. Pierwsze ograniczenie wiąże się z liczebnością instrumentów w estymatorze SYS-GMM: zastosowanie 38 instrumentów przy N = 11 grupach przekracza heurystyczny próg zalecany w metodologii dynamicznych modeli panelowych, co potencjalnie osłabia moc testu Hansena (p = 0,34). Wartość p testu interpretowana jest z ostrożnością — jako warunek konieczny, nie wystarczający dla wnioskowania o poprawności warunków momentów. Drugie ograniczenie dotyczy braku zharmonizowanych rocznych wskaźników kapitału ludzkiego dla wszystkich jedenastu krajów EŚW za cały okres 2004–2023, co uniemożliwiło pełne odwzorowanie specyfikacji rozszerzonego modelu Solowa i generuje potencjalny bias pominięcia zmiennej w kierunku przeszacowania efektów pozostałych regresorów. Trzecie ograniczenie odnosi się do problemu endogeniczności wskaźnika jakości instytucji (WGI): instrumentowanie wyłącznie opóźnieniami własnej zmiennej nie eliminuje w pełni dwukierunkowej zależności między wzrostem a instytucjami, stąd uzyskane efekty WGI interpretować należy jako silne związki korelacyjne, nie przyczynowe w rygorystycznym sensie ekonometrycznym. Czwarte ograniczenie wynika z długości horyzontu czasowego: T = 20 lat, przy które badany okres obejmuje trzy epizody głębokich szoków zewnętrznych (globalny kryzys finansowy 2008–2009, pandemia COVID-19 2020–2021, kryzys energetyczny 2022–2023), co utrudnia precyzyjne oddzielenie długookresowych efektów strukturalnych od cyklicznych zakłóceń związanych z tymi wydarzeniami.

Na płaszczyźnie rekomendacji dla polityki gospodarczej wyniki analizy panelowej wskazują na trzy priorytety o zróżnicowanej pilności. Najważniejszą rekomendacją — wynikającą z największej siły i robustności efektu WGI — jest traktowanie reform instytucjonalnych jako strategicznego komplementu wobec napływu inwestycji zagranicznych i funduszy europejskich. Umiarkowanie potwierdzone oddziaływanie członu interakcyjnego WGI×BIZ sugeruje, że efekty inwestycji zagranicznych na wzrost produktywności są wyraźnie wyższe w środowiskach o lepszej jakości rządzenia, co uzasadnia priorytetową alokację zasobów publicznych na wzmocnienie instytucji rynkowych — egzekwowania prawa własności, walki z korupcją i zwiększenia przejrzystości procedur administracyjnych — zamiast wyłącznie na instrumenty zachęt inwestycyjnych bezpośrednio subsydiujące kapitał. ^[24] Druga rekomendacja dotyczy polityki makroekonomicznej: stabilność cenowa pozostaje uzasadnionym celem strategicznym wynikającym z doświadczeń historycznych regionu, lecz w warunkach umiarkowanej inflacji jej bezpośrednie efekty wzrostowe są słabiej identyfikowalne empirycznie, niż sugerują podstawowe modele teoretyczne. Rekomendacja ta jest zbieżna z nowszymi podejściami do ustalania ram polityki pieniężnej, które akcentują stabilność jako warunek otoczenia, nie zaś mechanizm stymulujący wzrost. ^[4] Trzecia rekomendacja odnosi się do polityki spójności Unii Europejskiej: zidentyfikowane zróżnicowanie efektywności akumulacji kapitału trwałego między subgrupami sugeruje, że instrumenty polityki spójności działające przez kanał GFCF wykazują niejednakową skuteczność w zależności od absorpcyjnych i instytucjonalnych zdolności kraju beneficjenta. Projektowanie kolejnych wieloletnich ram finansowych powinno uwzględniać tę heterogeniczność, przesuwając proporcje wsparcia na rzecz komponentów wzmacniających kapitał instytucjonalny i ludzki w krajach, w których mechanizm beta-konwergencji napędzanej akumulacją kapitału fizycznego nie jest empirycznie identyfikowalny.

Wyniki przeprowadzonej analizy otwierają kilka wartościowych kierunków dalszych badań. Pierwszym jest dezagregacja wskaźnika jakości instytucji: WGI łączy sześć wymiarów rządzenia w jeden indeks złożony, co maskuje potencjalnie zróżnicowane oddziaływania poszczególnych komponentów — kontroli korupcji, rządów prawa czy efektywności administracji — na tempo wzrostu. Zastosowanie technik analizy czynnikowej lub modelowania strukturalnego pozwoliłoby uchwycić, które spośród wymiarów instytucjonalnych wykazują największą moc wyjaśniającą specyficznie dla krajów EŚW. Drugim kierunkiem jest włączenie zmiennych kapitału ludzkiego mierzonych na poziomie rocznym — po ich harmonizacji dla pełnej próby krajów i lat — w celu przetestowania rozszerzonego modelu Solowa bez ryzyka biasu pominięcia zmiennej. Trzecim obiecującym rozszerzeniem jest analiza efektów nieliniowych i progowych inflacji z zastosowaniem modeli panelowych z reżimami przełączającymi (panel threshold regression), co pozwoliłoby zweryfikować hipotezę, że nieistotność HICP obserwowana w niniejszym badaniu jest artefaktem specyfikacji liniowej, nie zaś brakiem zależności między stabilnością cen a wzrostem. Czwarty kierunek dotyczy włączenia zmiennych mierzących absorpcję funduszy strukturalnych UE jako osobnego regresora obok GFCF, co umożliwiłoby bezpośrednie testowanie kanału transmisji polityki spójności na dynamikę produktywności w krajach EŚW, dotychczas identyfikowanego jedynie pośrednio przez ogólną akumulację kapitału fizycznego. ^[26]

Podsumowując całość przeprowadzonych rozważań, stwierdzić należy, że kraje Europy Środkowo-Wschodniej w analizowanym dwudziestoleciu 2004–2023 tworzyły środowisko, w którym proces wzrostu gospodarczego był wypadkową mechanizmów neoklasycznych, endogenicznych i instytucjonalnych działających jednocześnie, przy istotnym znaczeniu szoków zewnętrznych modyfikujących siłę i kierunek identyfikowanych zależności. Spośród badanych determinant najwyższą empiryczną robustność wykazała jakość instytucji, której poprawa — zarówno przez bezpośredni kanał produktywności, jak i przez wzmacnianie efektywności napływu BIZ — stanowi najsilniej ugruntowany empirycznie środek polityki na rzecz długookresowego wzrostu w regionie.^{[42, s. 26]} Wynik ten, potwierdzony konsekwentnie w pięciu wariantach estymacyjnych, pozostaje głównym wkładem empirycznym niniejszej pracy i punktem wyjścia dla dalszych badań nad strukturą determinant konwergencji w postkomunistycznej Europie.

Spis tabel

1. Tabela 1.1. Typy konwergencji gospodarczej — definicje i operacjonalizacja empiryczna
2. Tabela 1.2. Przegląd wybranych badań empirycznych nad wzrostem i konwergencją — metody i kluczowe wyniki
3. Tabela 2.1. Profil strukturalny determinant wzrostu w krajach EŚW-10 — ujęcie porównawcze
4. Tabela 2.2. Wymiary heterogeniczności krajów EŚW-10 — synteza porównawcza
5. Tabela 3.1. Zmienne objaśniające modelu panelowego: operacjonalizacja, źródła i oczekiwane kierunki oddziaływania
6. Tabela 3.2. Planowane specyfikacje estymacyjne i ich uzasadnienia metodologiczne
7. Tabela 4.1. Statystyki opisowe zmiennych modelu — pełna próba i subgrupy regionalne (2004–2023), wartości średnie ± odchylenia standardowe
8. Tabela 4.2. Wyniki estymacji modelu bazowego — efekty stałe i losowe; zmienna zależna: roczna stopa wzrostu PKB per capita
9. Tabela 4.3.^{[43, s. 23]} Wyniki estymacji modelu dynamicznego SYS-GMM — trzy specyfikacje; zmienna zależna: roczna stopa wzrostu PKB per capita
10. Tabela 4.4. Konwergencja sigma — odchylenie standardowe log(PKB per capita, PPS) dla pełnej próby i subgrup, lata wybrane
11. Tabela 4.5. Podsumowanie weryfikacji hipotez badawczych

Spis rysunków

1. Rysunek 1.1. Schemat eklektycznej ramy analitycznej — kanały oddziaływania determinant na wzrost PKB per capita w krajach EŚW
2. Rysunek 2.1. Schemat kanałów wzrostu i głównych szoków zewnętrznych w krajach EŚW 2004–2023
3. Rysunek 4.1. Schematyczna ilustracja zróżnicowania trajektorii rocznej stopy wzrostu PKB per capita w krajach EŚW (2004–2023) z zaznaczonymi głównymi szokami makroekonomicznymi

Aneks

Załącznik 1. Karta operacjonalizacji zmiennych modelu panelowego

Poniższa karta systematyzuje wszystkie zmienne uwzględnione w specyfikacjach estymacyjnych przedstawionych w rozdziale 4. Kolejność wierszy odpowiada kolejności zmiennych w równaniu bazowym (zmienna zależna jako pierwsza, następnie zmienne objaśniające w kolejności wejścia do kolejnych specyfikacji GMM). Symbole zmiennych są tożsame z oznaczeniami stosowanymi w tabelach wynikowych 4.2–4.5.

Symbol	Pełna nazwa zmiennej	Definicja operacyjna	Jednostka miary	Źródło danych	Oczekiwany kierunek wpływu	Podstawa teoretyczna
Δln(yit)	Roczna stopa wzrostu PKB per capita	Pierwsza różnica logarytmu naturalnego PKB per capita (w parytecie siły nabywczej, ceny stałe 2015); obliczona jako ln(yit) − ln(yi,t−1)	% (punkty procentowe)	Eurostat (nama_10_pc), przeliczenia własne	Zmienna zależna	Empiryczne modele konwergencji warunkowej (Barro i Sala-i-Martin 1992)
Δln(yi,t−1)	Opóźniona stopa wzrostu PKB per capita (t−1)	Jednookresowe opóźnienie zmiennej zależnej; wprowadzone w celu uchwycenia dynamiki konwergencji oraz eliminacji obciążenia Nickella w estymatorze SYS-GMM	% (punkty procentowe)	Obliczona ze zmiennej zależnej — Eurostat (nama_10_pc)	Dodatni (+) — inercja wzrostu	Dynamiczny model panelowy — Arellano i Bond (1991); Blundell i Bond (1998)
GFCFit	Nakłady brutto na środki trwałe jako udział w PKB	Stosunek nakładów brutto na środki trwałe (GFCF) do PKB w cenach bieżących, wyrażony w procentach; miernik intensywności akumulacji kapitału rzeczowego	% PKB	Eurostat (nama_10_an6); weryfikacja krzyżowa z AMECO	Dodatni (+)	Neoklasyczny model wzrostu — Solow (1956); Mankiw, Romer i Weil (1992)
EMPit	Stopa zatrudnienia osób w wieku 15–64 lata	Odsetek osób pracujących (według definicji MOP) w populacji w wieku 15–64 lata; proxy zasobów pracy jako czynnika wytwórczego	% populacji 15–64 lata	Eurostat (lfsi_emp_a); Badanie Aktywności Ekonomicznej Ludności (LFS)	Dodatni (+)	Rozszerzone neoklasyczne modele wzrostu uwzględniające zasób pracy (Islam 1995)
TFPit	Całkowita produktywność czynników wytwórczych — indeks	Indeks TFP przy roku bazowym 2015 = 100; mierzy wzrost produktywności niewyjaśniony przez akumulację kapitału i pracy; źródłowo obliczony metodą growth accounting	Indeks (2015 = 100)	Penn World Tables 10.01 (zmienna rtfpna); weryfikacja z EU KLEMS 2023	Dodatni (+)	Teoria wzrostu endogenicznego — Romer (1990); Lucas (1988)
OPENit	Otwartość handlowa jako udział w PKB	Suma eksportu i importu towarów i usług jako procent PKB w cenach bieżących; miernik integracji z gospodarką światową i stopnia liberalizacji handlowej	% PKB	Eurostat (nama_10_exi); Baza WDI Banku Światowego (NE.TRD.GNFS.ZS)	Dodatni (+)	Teoria handlu i wzrostu — Sachs i Warner (1995); Frankel i Romer (1999)
BIZit	Bezpośrednie inwestycje zagraniczne netto jako udział w PKB	Saldo netto napływu BIZ (inward FDI) pomniejszone o odpływ (outward FDI) jako procent PKB; miernik transferu technologii i integracji kapitałowej	% PKB	Eurostat (bop_fdi_main); UNCTAD World Investment Report; weryfikacja z WDI (BX.KLT.DINV.WD.GD.ZS)	Dodatni (+)	Modele BIZ i transferu technologii — Borensztein, De Gregorio i Lee (1998)
WGIit	Kompozytowy wskaźnik jakości instytucji — indeks WGI	Średnia arytmetyczna sześciu wskaźników World Governance Indicators: Voice and Accountability, Political Stability, Government Effectiveness, Regulatory Quality, Rule of Law, Control of Corruption; standaryzowana do przedziału [0; 1] (wyższe wartości = lepsza jakość instytucji)	Indeks (0–1)	Bank Światowy — World Governance Indicators (WGI); seria roczna	Dodatni (+)	Instytucjonalna ekonomia wzrostu — Acemoglu, Johnson i Robinson (2001); Kaufmann, Kraay i Mastruzzi (2010)
WGIit × BIZit	Człon interakcyjny: jakość instytucji × BIZ	Iloczyn wskaźnika WGI i stopy BIZ; testuje hipotezę, że jakość instytucji moderuje efekt wzrostowy BIZ (Specyfikacja III modelu SYS-GMM)	Iloczyn indeks × %PKB	Obliczony ze zmiennych WGI i BIZ — źródła j.w.	Dodatni (+)	Warunkowe efekty BIZ — Alfaro, Chanda, Kalemli-Ozcan i Sayek (2004)
HICPit	Stopa inflacji HICP	Zharmonizowany indeks cen konsumpcyjnych (HICP) — roczna zmiana procentowa; proxy niestabilności nominalnej i niepewności makroekonomicznej	% (zmiana r/r)	Eurostat (prc_hicp_aind); seria HICP — All items (CP00)	Ujemny (−)	Inflacja a wzrost — Fischer (1993); Bruno i Easterly (1998)

Załącznik 2. Wykaz jednostek i okresów panelu

Panel obejmuje jedenaście krajów Europy Środkowo-Wschodniej, które przystąpiły do Unii Europejskiej w latach 2004–2013, w horyzoncie czasowym 2004–2023 (T = 20 lat). Dane Eurostatu i Banku Światowego są dostępne dla wszystkich jedenastu jednostek od roku 2004 również dla krajów przystępujących po 2004 roku, co wynika z retroaktywnej harmonizacji statystyk w ramach procesu akcesyjnego. Rok akcesji determinuje formalne ramy instytucjonalne, nie ogranicza jednak dostępności szeregów. Łączna liczba obserwacji w statystykach opisowych wynosi N = 220; w specyfikacjach regresyjnych efektywna próba wynosi N = 214 z uwagi na sześć brakujących wartości w poszczególnych zmiennych dla wybranych par kraj–rok.

Lp.	Kraj	Skrót ISO 3166-1	Podgrupa regionalna	Rok akcesji do UE	Zakres lat w panelu	Liczba obserwacji (Ti)
1	Polska	PL	V4	2004	2004–2023	20
2	Czechy	CZ	V4	2004	2004–2023	20
3	Słowacja	SK	V4	2004	2004–2023	20
4	Węgry	HU	V4	2004	2004–2023	20
5	Estonia	EE	Bałtyckie	2004	2004–2023	20
6	Łotwa	LV	Bałtyckie	2004	2004–2023	20
7	Litwa	LT	Bałtyckie	2004	2004–2023	20
8	Słowenia	SI	Bałkańskie	2004	2004–2023	20
9	Bułgaria	BG	Bałkańskie	2007	2004–2023	20
10	Rumunia	RO	Bałkańskie	2007	2004–2023	20
11	Chorwacja	HR	Bałkańskie	2013	2004–2023	20
Łączna liczba obserwacji — statystyki opisowe (Tabela 4.1)						220
Efektywna próba — specyfikacje regresyjne (Tabele 4.2–4.3)						214

Uwaga dotycząca zbilansowania panelu. Formalnie panel określić należy jako niezbalansowany w rozumieniu metodologicznym, gdyż Bułgaria i Rumunia przystąpiły do UE w 2007 roku, a Chorwacja w 2013 roku, co powoduje zróżnicowanie dostępności danych w ramach jednolitych statystyk UE. Niemniej Eurostat oraz Bank Światowy retroaktywnie harmonizowały statystyki tych krajów, zapewniając ciągłe szeregi od 2004 roku. W efekcie każda z 11 jednostek dysponuje kompletnym zestawem T = 20 obserwacji w zakresie wszystkich zmiennych modelu, a panel jest de facto zbilansowany (N = 11 × T = 20 = 220). Sześć brakujących obserwacji w próbie regresyjnej (N = 214) wynika z jednostkowych braków danych w zmiennej TFP dla wybranych par kraj–rok, a nie z niezbalansowania przekrojowego.

Podgrupy regionalne wyodrębnione w analizie porównawczej (Tabela 4.1, Tabela 4.4): V4 — Polska, Czechy, Słowacja, Węgry (n = 4 × 20 = 80); Bałtyckie — Estonia, Łotwa, Litwa (n = 3 × 20 = 60); Bałkańskie — Słowenia, Bułgaria, Rumunia, Chorwacja (n = 4 × 20 = 80).

Załącznik 3. Arkusz kodowy i protokół przygotowania danych

Protokół dokumentuje kolejne etapy pozyskania, integracji i przygotowania danych do estymacji. Celem protokołu jest zapewnienie pełnej odtwarzalności próby. Wszystkie operacje wykonywano w środowisku R 4.3 z pakietami plm (modele panelowe), eurostat (pobieranie danych Eurostatu przez API), wbstats (dane Banku Światowego) oraz pwt10 (Penn World Tables). Dane dotyczące PKB denominowane są w parytecie siły nabywczej (PPS), rok bazowy 2015, o ile w protokole nie wskazano inaczej.

1. Pobranie danych źródłowych. Dane pobierano z pięciu baz:
   • Eurostat API (pakiet eurostat): zbiory nama_10_pc (PKB per capita), nama_10_an6 (GFCF), lfsi_emp_a (stopa zatrudnienia), nama_10_exi (eksport/import), bop_fdi_main (BIZ), prc_hicp_aind (HICP); zakres pobierania: jednostki geo ∈ {BG, CZ, EE, HR, HU, LT, LV, PL, RO, SI, SK}, lata 2003–2023 (rok 2003 wymagany do obliczenia pierwszej różnicy dla t = 2004).
   • Bank Światowy — WGI: baza World Governance Indicators, seria roczna 2003–2023, sześć wymiarów dla 11 kodów ISO.
   • Penn World Tables 10.01: zmienna rtfpna (TFP przy stałej efektywności czynników, rok bazowy 2017 = 1); pobrana dla 11 krajów, lata 2003–2019; ekstrapolacja do 2023 roku na podstawie zharmonizowanych szeregów EU KLEMS (2023 release).
   • EU KLEMS 2023: weryfikacja i uzupełnienie szeregów TFP po 2019 roku.
   • Komisja Europejska — DG REGIO: dane o wypłatach funduszy strukturalnych i Funduszu Spójności jako procent PKB (dane te pozyskano wyłącznie dla celów weryfikacji spójności specyfikacji; nie weszły do finalnego modelu ze względu na niewystarczający zasięg czasowy po 2020 roku).
2. Konstrukcja klucza identyfikacyjnego. Każdej obserwacji przypisano unikalny klucz złożony z kodu ISO 3166-1 alpha-2 (zmienna country) i roku (year). Klucz stosowano do wszystkich operacji łączenia — wyłącznie złączenie wewnętrzne (inner join) zapewniające, że obserwacja wchodzi do próby wyłącznie wtedy, gdy posiada wartość we wszystkich źródłach.
3. Obliczenie PKB per capita i stopy wzrostu. Ze zbioru nama_10_pc pobrano serię CLV15_EUR_HAB (PKB per capita, ceny stałe 2015, EUR). Logarytm naturalny obliczono jako ln_gdppc = log(gdppc). Roczna stopa wzrostu zdefiniowana jako Δln(y_it) = ln(y_it) − ln(y_i,t−1); wynik wyrażony w punktach procentowych przez pomnożenie przez 100.
4. Przeliczenie i standaryzacja GFCF, otwartości i BIZ. Zmienne wyrażone jako procent PKB pobrano bezpośrednio w tej formie (seria Eurostatu). Dokonano weryfikacji zakresu wartości: GFCF ∈ (10%; 50%), OPEN ∈ (50%; 300%), BIZ ∈ (−20%; 50%); wartości spoza tych zakresów traktowano jako podejrzane i weryfikowano ze źródłem pierwotnym przed ewentualną korektą.
5. Standaryzacja wskaźnika WGI do przedziału [0; 1]. Sześć oryginalnych wymiarów WGI (skala standardowa: wartości przybliżone do przedziału [−2,5; +2,5]) zsumowano i poddano min-max normalizacji na podstawie obserwacji dla próby 11 krajów w całym horyzoncie 2004–2023: WGI_it = (Σ_k WGI_kit − min) / (max − min). Wynik spójny ze statystykami opisowymi (Tabela 4.1): średnia 0,58 ± 0,18.
6. Przeliczenie indeksu TFP. Oryginalny indeks PWT (rtfpna, baza 2017 = 1) przeliczono na bazę 2015 = 100 przez podzielenie wartości z 2015 roku dla każdego kraju i pomnożenie przez 100: TFP_it = (rtfpna_it / rtfpna_i,2015) × 100. Dla lat 2020–2023 zastosowano indeks wzrostu z EU KLEMS (zmiana r/r), łącząc z bazą PWT metodą łańcuchową.
7. Logarytmowanie zmiennych poziomowych. Zgodnie ze specyfikacją modelu (sekcja 3.2), logarytmem naturalnym transformowano zmienne o charakterze agregatów nominalnych wyrażone poziomowo (TFP jako indeks). Zmienne wyrażone jako udział procentowy w PKB (GFCF, OPEN, BIZ, EMP, HICP) pozostawiono w formie nieliniowej, gdyż ich interpretacja jako elastyczności cząstkowych jest bezpośrednia. Wskaźnik WGI w normalizowanej formie [0;1] nie podlega logarytmowaniu.
8. Analiza braków danych. Po złączeniu zbiorów zidentyfikowano 6 brakujących wartości w zmiennej TFP (dla Chorwacji 2004–2005 oraz Bułgarii i Rumunii 2004–2005 — brak pełnych danych EU KLEMS za lata poprzedzające akcesję dla tych krajów). Brakujące wartości nie były imputowane; obserwacje z brakami wyłączono z próby regresyjnej, co dało efektywną próbę N = 214 (wobec 220 w statystykach opisowych). Brak imputacji jest zgodny z zaleceniami metodycznymi dla makropaneli o małym N.
9. Identyfikacja i postępowanie z wartościami odstającymi. Dla każdej zmiennej obliczono wartości kwartylowe i rozstęp międzykwartylowy (IQR). Obserwacje przekraczające próg Q3 + 3×IQR lub poniżej Q1 − 3×IQR traktowano jako kandydatów do weryfikacji (próg 3×IQR zamiast standardowych 1,5× ze względu na dopuszczalną zmienność makropanelową). Obserwacje kwalifikowane zostały zidentyfikowane w dwóch seriach: stopa wzrostu PKB Estonii i Łotwy w roku 2009 (odpowiednio −14,3% i −17,7%) — zachowane jako wartości uzasadnione recesją finansową; stopa BIZ Estonii powyżej 10% PKB w latach 2004–2006 — zachowane jako uzasadnione strukturą przyciągania inwestycji. Żadna obserwacja nie została usunięta; w specyfikacjach robustness check zastosowano błędy standardowe odporne na odstające wartości resztowe (PCSE i Driscoll–Kraay).
10. Analiza kolinearności. Przed estymacją obliczono macierz korelacji Pearsona między zmiennymi objaśniającymi oraz Współczynnik Inflacji Wariancji (VIF) metodą regresji pomocniczej. Żaden VIF nie przekroczył progu 5,0 (maksymalna wartość: VIF(OPEN) = 3,8), co wskazuje na brak problematycznej współliniowości wymagającej interwencji.
11. Zasady zaokrąglania i precyzja danych. Wszystkie wartości przechowywano z pełną precyzją zmiennoprzecinkową (typ double) do momentu prezentacji wyników. W tabelach wynikowych wartości zmiennych zaokrąglano do dwóch miejsc po przecinku; współczynniki regresji — do dwóch miejsc; błędy standardowe — do dwóch miejsc; statystyki testowe i wartości p — do trzech miejsc.
12. Zapis danych analitycznych. Finalna zintegrowana baza danych zapisana jako plik panel_CEE_2004_2023.csv (separator: przecinek, kodowanie: UTF-8) o wymiarach 220 × 12 (11 krajów × 20 lat, 10 zmiennych + klucz kraj + rok). Plik przechowywany wraz z kodem R odpowiedzialnym za reprodukcję wszystkich kroków niniejszego protokołu.

Załącznik 4. Zestawienie specyfikacji modeli i testów diagnostycznych

Poniższe zestawienie dokumentuje czterostopniową ścieżkę diagnostyczną opisaną w podrozdziale 3.3 oraz przebieg estymacji modeli statycznych i dynamicznych przedstawionych w rozdziale 4. Dla każdego testu podano hipotezę zerową, zastosowaną statystykę testową, poziom istotności decyzji oraz konsekwencję dla dalszego postępowania.

ETAP I — Weryfikacja stacjonarności szeregów (Krok 1 ścieżki diagnostycznej)

Test	Hipoteza zerowa H0	Statystyka	Kryterium decyzyjne	Konsekwencja przy odrzuceniu H0
Lewin–Lin–Chu (LLC, 2002)	Wszystkie szeregi w panelu zawierają wspólny pierwiastek jednostkowy (ρ = 1 dla wszystkich i)	Statystyka t* standaryzowana; asymptotycznie N(0,1)	Odrzucenie H0 na poziomie α = 0,05 wskazuje na stacjonarność przy założeniu jednorodności	Szeregi stacjonarne — estymacja w poziomach dopuszczalna; brak ryzyka regresji pozornej
Im–Pesaran–Shin (IPS, 2003)	Wszystkie szeregi są niestacjonarne (heterogeniczne pierwiastki jednostkowe ρi = 1)	Statystyka W-bar oparta na uśrednionych statystykach t z testów ADF per jednostka	Odrzucenie H0 na α = 0,05 — przynajmniej część szeregów stacjonarna	j.w.; IPS dopuszcza heterogeniczność — wynik bardziej miarodajny dla próby 11 krajów o zróżnicowanych profilach wzrostu
Hadri (2000)	Wszystkie szeregi są stacjonarne wokół deterministycznego trendu	Statystyka LM; asymptotycznie N(0,1)	Nieodrzucenie H0 potwierdza stacjonarność; odrzucenie — niestacjonarność co najmniej części szeregów	Przy odrzuceniu H0 wymaganej: testy kointegracji (Pedroni 1999, 2004; Westerlund 2007) przed specyfikacją modelu w różnicach

ETAP II — Test zależności przekrojowej (Krok 2)

Test	Hipoteza zerowa H0	Statystyka	Kryterium decyzyjne	Konsekwencja przy odrzuceniu H0
Pesaran CD (2004)	Brak korelacji reszt między jednostkami przekrojowymi (ρij = 0 dla wszystkich i ≠ j)	Statystyka CD = √(2T/N(N−1)) × Σi<j ρ̂ij; asymptotycznie N(0,1)	|CD| > 1,96 na α = 0,05 — istotna zależność przekrojowa	Zastosowanie błędów standardowych Driscolla–Kraaya (1998) odpornych na zależność przekrojową, heteroskedastyczność i autokorelację; alternatywnie estymator CCEMG (Pesaran 2006) przy podejrzeniu wspólnego czynnika niestacjonarnego

ETAP III — Wybór efektów: stałe versus losowe (Krok 3)

Test	Hipoteza zerowa H0	Statystyka	Kryterium decyzyjne	Wynik i konsekwencja
Hausman (1978)	Efekty jednostkowe μi są nieskorelowane z regresorami (estymator RE jest spójny i efektywny)	χ²(k) = (β̂FE − β̂RE)′[Var(β̂FE) − Var(β̂RE)]−1(β̂FE − β̂RE)	χ²(8) = 23,4; p = 0,003 — pełna próba; χ²(8) = 18,7; p = 0,016 — subgrupa V4 (Tabela 4.2)	Odrzucenie H0 na α = 0,01 (pełna próba) i α = 0,05 (V4): efekty jednostkowe skorelowane z regresorami → zastosowanie estymatora FE jako spójnego; estymator RE nieefektywny w próbie

ETAP IV — Testy heteroskedastyczności i autokorelacji reszt (Krok 4)

Test	Hipoteza zerowa H0	Statystyka	Kryterium decyzyjne	Konsekwencja przy odrzuceniu H0
Breusch–Pagan (heteroskedastyczność)	Wariancja reszt jest jednorodna dla wszystkich jednostek (σi² = σ² dla wszystkich i)	LM = χ²(N−1) obliczona na podstawie reszt estymatora FE	Odrzucenie H0 na α = 0,05	Zastosowanie Panelowych Skorygowanych Błędów Standardowych (PCSE, Beck i Katz 1995) lub błędów Driscolla–Kraaya; przy współwystąpieniu z zależnością przekrojową — błędy Driscolla–Kraaya jako rozwiązanie łączone
Wooldridge (2002) — autokorelacja AR(1)	Brak autokorelacji pierwszego rzędu w resztach panelowych (ρ = 0)	Statystyka F(1, N−1) oparta na resztach regresji wewnątrzgrupowej na ich opóźnieniach (test wykorzystujący reszty z regresji różnicowej)	Odrzucenie H0 na α = 0,05	Korekta błędów standardowych (PCSE z opcją AR(1) lub błędy Driscolla–Kraaya); w modelu dynamicznym GMM problem autokorelacji adresowany jest strukturalnie przez instrumentację opóźnionymi wartościami

ETAP V — Specyfikacje modelu dynamicznego SYS-GMM i weryfikacja instrumentów

Specyfikacja	Zmienne objaśniające (poza opóźnioną zmienną zależną)	Liczba instrumentów	Test Sargana χ² (p)	Test Hansena χ² (p)	Test AR(1) (p)	Test AR(2) (p)	Interpretacja
Specyfikacja I — bazowa GMM	GFCF, EMP, TFP, HICP	28	31,4 (p = 0,35)	29,8 (p = 0,42)	p = 0,001	p = 0,312	Instrumenty trafne (nieodrzucone); AR(1) potwierdzone (oczekiwane), AR(2) nieistotne — brak autokorelacji wyższego rzędu; warunki momentów spełnione
Specyfikacja II — z instytucjami	GFCF, EMP, TFP, HICP, OPEN, BIZ, WGI	35	36,1 (p = 0,31)	34,2 (p = 0,38)	p = 0,001	p = 0,338	j.w.; dodanie zmiennych instytucjonalnych i otwartości nie narusza trafności instrumentów
Specyfikacja III — pełna (z interakcją)	GFCF, EMP, TFP, HICP, OPEN, BIZ, WGI, WGI×BIZ	38	38,2 (p = 0,28)	36,8 (p = 0,34)	p = 0,001	p = 0,347	j.w.; człon interakcyjny WGI×BIZ instrumentowany iloczynem opóźnień obu zmiennych składowych; Hansen nieodrzucony — wyniki interpretowalne

Uwaga metodologiczna dotycząca testów trafności instrumentów. Test Sargana jest asymptotycznie równoważny testowi Hansena przy założeniu homoskedastyczności błędów; w próbach z heteroskedastycznymi resztami test Hansena jest odporniejszy i stanowi kryterium rozstrzygające. We wszystkich trzech specyfikacjach wartości p testu Hansena przekraczają 0,25, co wskazuje na brak podstaw do odrzucenia trafności instrumentów. Liczba instrumentów (28–38) nie przekracza liczby jednostek przekrojowych (N = 11) wielokrotnie — liczba grup (11) jest mniejsza niż liczba instrumentów, co jest standardową właściwością makropaneli o małym N; z tego względu wyniki testu Hansena interpretuje się z ostrożnością, a wnioski weryfikowano przez redukcję zestawu instrumentów do opóźnień rzędu 2 i 3 (wyniki robustness check w tekście głównym).