Erhvervs- og Byggestyrelsen Eksportpotentiale og barrierer for dansk eksport af varer til lande uden for EU Marts 2009
Erhvervs- og Byggestyrelsen Eksportpotentiale og barrierer for dansk eksport af varer til lande uden for EU Marts 2009 Rambøll Management A/S Nørregade 7A DK-1165 København K Danmark Telefon 3397 8200 www.ramboll-management.dk
Indholdsfortegnelse 1. Introduktion 1 2. Vedlagte datakilder og undersøgelser 1 3. Baggrund 2 3.1 Overblik over undersøgelsen 4 4. Statistisk model for over- og underperformance af dansk eksport til lande uden for EU 5 4.1 Formål 5 4.2 Modelspecfikation og estimationsmetode 6 4.3 Information om data 7 4.4 Pilottest af eksportmodellen 8 4.5 Forklaringsgrader for de statistiske eksportmodeller 9 4.6 Resultater fra eksportmodellen 10 4.7 Sammenfatning den statistiske eksportmodel 19 5. Virksomhedsundersøgelse af tekniske handelshindringer 20 5.1 Indledning 20 5.2 Udvælgelse af virksomheder til undersøgelsen 20 5.3 Metodemæssig gennemførelse 20 5.4 Resultater fra virksomhedsundersøgelsen 21 5.5 Uddrag og overblik over beskrevne handelshindringer 27 5.6 Betydningen af handelshindringer 30 5.7 Sammenfatning - virksomhedsundersøgelse 31 6. Afdækningsundersøgelse af igangværende og planlagte forhandlinger mellem Kommissionen og 3. lande 32 6.1 Forhandlinger mellem Kommissionen og tredjelande 33 6.2 Multilaterale forhandlinger gennem WTO 34 6.3 Bilaterale forhandlinger mellem EU og tredjelande 35 7. Sammenfatning 36 Appendiks A: Bilag til eksportmodellen 37 Appendiks A.1: Overblik over SITC-kapitler medtaget i analysen 38 Appendiks A.2: Estimerede koefficienter i eksportmodellen 39 Appendiks B: Bilag til virksomhedsundersøgelsen 41 Appendiks B.1: Spørgeskema 42 Appendiks B.2: Udvalgte lande og SITC-kapitler til virksomhedsundersøgelsen 54 Appendiks B.3: Oversigt over beskrivelser af tekniske handelshindringer og barrierer fra virksomhedsundersøgelsen 55 Appendiks B.4: Hindringer fordelt på land, SITC-kapitel og type 76 Appendiks C: Undersøgelse af speditører fra DI 79
1. Introduktion Erhvervs- og Byggestyrelsen (EBST) har ønsket at kortlægge de tekniske handelshindringer danske virksomheder møder i forbindelse med eksport af varer til tredjelande på en række udvalgte markeder. I forbindelse med udvælgelse af disse markeder har EBST endvidere ønsket at danne sig et generet overblik over på, hvilke markeder dansk eksport i dag ligger henholdsvis over og under forventet i forhold til markedernes geografiske beliggenhed og størrelse. Formålet med undersøgelsen er at styrke den eksisterende viden omkring tekniske handelshindringer samt at skabe en forståelse for eksportpotentialet, hvis man kan mindske de tekniske handelsbarrierer således, at EBST kan styrke sit arbejde med at fremme danske synspunkter i forbindelse med EU-forhandlinger med tredje lande samt at hjælpe danske virksomheder til at opnå større markedskendskab indenfor allerede kendte markeder og inden strategiske satsninger på nye markeder. 2. Vedlagte datakilder og undersøgelser Følgende datakilder og undersøgelser er vedlagt denne rapport: 1. Resultater fra gravitationsmodellen: 1.1. Eksportmodellens predikterede værdier af dansk eksports under- eller overperformance fordelt på lande og markeder for årene 2004, 2005 og 2006, jf. : 1.1.1. Resultat eksportmodel-tobit-2004.xls 1.1.2. Resultat eksportmodel-tobit-2005.xls 1.1.3. Resultat eksportmodel-tobit-2006.xls. 1.2. Koefficienter, koefficienttest og forklaringskraft for eksportmodellen estimeret for samtlige SITC-kapitler i 2006, jf.: 1.2.1. Koefficienter eksportmodel-tobit-2006.xls 1.3. Eksportmodellens resultater præsenteret for samtlige lande og SITC for 2006, jf.: 1.3.1. Bilagsrapport - Resultater fra eksportmodellen.doc 2. Virksomhedsundersøgelse vedrørende tekniske handelshindringer, jf.: 2.1.1. Virksomhedsundersøgelse - varer.xls 3. Afdækningsundersøgelse af igangværende og planlagte forhandlinger mellem Kommissionen og 3. lande, jf.: 3.1.1. Bilagsrapport Afdækningsundersøgelse.doc 1/83
3. Baggrund I en tidligere undersøgelse fra 2005 foretaget for EBST med titlen Grænser for service, identificeres karakteren, omfanget og markederne for de barrierer som danske virksomheder møder på de udenlandske markeder. Rapporten konkluderer, at danske virksomheder fortsat oplever handelshindringer som et stort problem. I denne undersøgelse arbejdes der videre på at afdække disse barrierer, men med et snævrere og dybere sigte, idet der udelukkende fokuseres på udbredelsen og karakteren af tekniske handelshindringer. Konkret er formålet at kunne afdække disse tekniske handelshindringer så tilpas detaljeret, at undersøgelsens resultater kan anvendes direkte af EBST til at fremme danske synspunkter i forbindelse med EUforhandlinger med tredje lande samt til at hjælpe danske virksomheder til at opnå større markedskendskab indenfor allerede kendte markeder og inden strategiske satsninger på nye markeder. At undersøgelsen sigter på en detaljeret afdækning af de tekniske handelshindringer betyder samtidig, at det kun er muligt at inddrage markeder, som i størrelse og antal er relativt begrænset, da afdækningen ellers ikke vil være tilstrækkelig dybdegående i sin karakter. Endvidere skal de markeder, der udvælges til undersøgelsen i selvsagt gerne være karakteriseret af at have en vis grad af tekniske handelshindringer. Der har derfor været behov for et redskab til at identificere markeder, hvor danske virksomheder i dag eksporterer under det forventede niveau, og hvor der derfor er en vis sandsynlighed for, at der eksisterer tekniske handelshindringer. Det er selvfølgelig ikke givet, at en eksport under det forventede niveau skyldes tekniske handelshindringer, men sandsynligheden er alt andet lige større, og dette har været den nærmeste indikator for eksistensen af tekniske handelshindringer. For at identificere de markeder, der eksporterer mindre end forventet, er det nødvendigt at beregne, hvad der kan forventes af de enkelte markeder. Beregningerne er baseret på en statistisk model, som er motiveret ud fra en såkaldt gravitationsmodel. Ideen er, at eksporten kan forklares ud fra en række karakteristika for modtagerlandet; fx hvis et land har et højt bruttonationalprodukt, vil det formodentligt have en tendens til at have et større eksportpotentiale. Modsat hvis eksporten til landet er forbundet med store transportomkostninger, vil det formodentligt have en negativ indflydelse på eksporten. En sådan model har ofte været anvendt til at fastlægge størrelsen på forventede bilaterale handelsstrømme på nationalt plan, men i denne undersøgelse estimeres modellen på et mere detaljeret niveau givet ved 66 overordnede varegrupper (SITC-kapitler). Derved er det muligt at skønne den danske eksport forventede værdi til et givet land på et mere detaljeret niveau, hvilket imødekommer undersøgelsens formål. Resultaterne fra den statistiske model giver en indikator på, hvilke markeder, der kan have store tekniske handelshindringer. Modellen kan betragtes som et filter, der reducerer antallet af markeder, som kræver en nærmere undersøgelse. Inden den endelige specifikation af den statistiske model blev fastlagt, er der beregnet en række pilotresultater, som er blevet drøftet med udvalgte virksomheder, DI og handelsattacheer ved danske ambassader. Formålet med disse drøftelser er at vurdere om resultaterne fra den statistiske model overordnet set er plausible. DI har gennem arbejdet med undersøgelsen bidraget med kommentarer og indsigt, samt en analyse af, hvilke barrierer danske speditører møder ved eksport af danske 2/83
varer til tredje lande. Uddrag af denne analyse refereres i hovedrapporten, mens analysen i dens fulde længe er præsenteret i Appendiks C. Et overblik over undersøgelsens enkelte faser er givet i afsnit 3.1 nedenfor. Undersøgelsen indeholder endvidere en afdækningsundersøgelse af udvalgte igangværende og planlagte forhandlinger mellem Kommissionen og udvalgte tredjelande, herunder hvilke temaer med særlig dansk interesse, der er til forhandling. 3/83
3.1 Overblik over undersøgelsen Forklarende variable fra forskellige kilder Udenrigshandelsstatistikken på SITC koder Interview handelsattacheer Afdækningsundersøgelse Geografi Varegrupper Reguleringsmæssige barrierer Pilottest eksportmodel for over/under perfomance 2 markeder 2 varegrupper Undersøgelse tek. handelshindringer Afdækningsundersøgelse Interview Dansk Industri Oversigt over igangværende og planlagte forhandlinger Notat med anbefaling Møde med EBST Etablering af endelig eksportmodel Eksportmodel Identifikation af ekstreme eksportværdier identificeret ved land og varegruppe Udtræk fra KrakMarkedsdata Telefonisk spørgeskemaundersøgelse (200 virksomheder) Konsolidering af data (Excel) 4/83
4. Statistisk model for over- og underperformance af dansk eksport til lande uden for EU 4.1 Formål Formålet med at anvende en statistisk model i analysen er, at give EBST et værktøj til at identificere de markeder, hvor danske virksomheder i dag eksporterer enten over- eller under forventet målt i forhold til en række strukturelle baggrundsforhold og underliggende handelsbetingelser. Den statistiske model kan således give en indikation på, hvilke markeder, der er værd at undersøge nærmere. Modellen er således ikke beregnet til at stå alene, men kan betragtes som et filter til at reducere antallet af markeder, der kræver en nærmere undersøgelse. Det kan ikke udelukkes, at modellen lader bestemte markeder slippe igennem, som ikke har problemer med tekniske handelsbarrierer og, at markeder, hvor der er problemer med tekniske handelsbarrierer, ikke bliver identificeret af modellen. Det er dog hensigten af antallet af disse fejl skal begrænses. Den statistiske model er baseret på en gravitationsmodel. Gravitationsmodeller anvender generelt Newtons tyngdelovskoncept som en analogi til at forklare størrelsen på udenrigshandel, kapitalstrømme og migration mellem lande. Modellen har også været anvendt i forbindelse med internationale forhold og relationer til at evaluere betydningen af handelstraktater og handelsalliancer. For udenrigshandel vil en gravitationsmodel forudsige bilaterale handelsstrømme mellem to lande på baggrund af økonomiernes størrelse og afstanden mellem de to lande. Udover disse anvendes endvidere ofte faktorer, der tager højde for forskellen i indkomst- og prisniveauer, sprog, tariffer, grænsefællesskaber og koloniale bånd. Som det fremgår anvendes gravitationsmodeller typisk til at forudsige handelsstrømme på nationalt niveau som for eksempel Danmarks samlede eksport til Japan. I denne analyse udvides modellen imidlertid til at estimere Danmarks forventede eksport til et givent land opdelt på varegrupper givet ved SITC-kapitler (Rev. 3). Det vil sige, hvorvidt danske virksomheder for den enkelte varegruppe eksporterer enten over eller under forventet i forhold til, hvad der kunne forventes givet de ovennævnte baggrundsforhold. Dette er en nuancering i forhold til tidligere og ifølge vores undersøgelser foreligger der kun én tilsvarende analyse på SITC-niveau, som vedrører Islands fiskeeksport 1. I udgangspunktet er modellen estimeret for 66 SITC-kapitler og 264 lande og resultatet af modelanalysen er estimater på den forventede eksport for omkring 15.000 markeder, hvor et marked er defineret ved et SITC-kapitel i et givent land. Det er vigtigt at bemærke, at modellen udelukkende undersøger bilaterale handelsmønstre og derfor ikke medtager den indirekte eksport Danmark har ved salg gennem datterselskaber i udlandet. Det er selvfølgelig en svaghed ved analysen, idet en 1 A Gravity Model for Exports from Iceland, Helga Kristjánsdottir, Center for Applied Microeconometrics, Dept. of Economics, Uni. of Copenhagen, 2005. Den nærværende statistiske model er formelt set en statisk version af modellen brugt i dette papir med afvigelse af enkelte forklarende variable. 5/83
virksomheds valg om at oprette et datterselskab jo netop kan være en følge af svære handelsbarrierer. 4.2 Modelspecfikation og estimationsmetode Som nævnt i indledning er den statistiske eksportmodel motiveret ud fra en gravitationsmodel. Modellen er baseret på, at vi forventer, at eksportens størrelse afhænger af en række faktorer, fx hvor stort det udenlandske marked er samt, hvor store de økonomiske omkostninger er. Som mål for hvor stort et marked er, har vi brugt størrelsen af bruttonationalproduktet og antal indbyggere. Som mål for de økonomiske omkostninger er der brugt afstanden fra hovedstad til hovedstad, samt modtagerlandets areal for at få et mål for tætheden samt en række andre kontrollerende faktorer. Modellen er specificeret i logaritmer. Logaritmespecifikation er valgt på baggrund af to årsager. 1) Det er standard, så resultaterne kan sammenlignes med resultaterne i den eksisterende handelslitteratur 2. 2) Det er muligt at tolke koefficienter som elasticiteter. Der er dog et teknisk problem med at tage logaritmen til den afhængige variabel. For en del af de markeder, der indgår i analysen gælder, at der i dag ikke er nogen registreret eksport fra Danmark, derfor er eksporten er lig med nul. I nogle tilfælde skyldes det, at den faktiske handel er nul fordi, at virksomhederne skal eksportere over en kritisk mængde for, at det bliver rentabelt. I andre tilfælde kan det være manglende data eller registreringsfejl. Det er som bekendt ikke muligt at tage logaritmen til nul, og der har i nyere tid været en lang videnskabelig diskussion omkring, hvorledes man skal indarbejde observationer med en registreret eksport på nul. En ofte brugt løsning til dette problem er, at droppe disse observationer 3. Dette er dog problematisk, idet det må forventes, at det er en særlig type af markeder, hvor Danmark ikke eksporterer til, og hvis man ikke inddrager denne information, risikerer man derfor at få meget misvisende resultater. Et alternativ til denne strategi er, at lægge et mindre tal til fx 1, men det er desværre en noget ad hoc løsning, der kan have stor betydning for de endelige resultater. En tredje mulighed er at bruge såkaldte sample selection modeller, hvor man eksplicit prøver at modellere sandsynligheden for eksport samt størrelsen af en evt. eksport. Nyere forskning 4 har dog vist at disse selektionsmodeller er meget følsomme overfor specifikationsfejl. Et andet krav for en rimelig sikkerhed i resultaterne er, at man er i stand til at finde en uafhængig variable, der har en betydning for sandsynligheden for handel, men som ikke er handlens størrelse. Det er imidlertid ikke videre plausibelt at finde en sådan variabel og som en konsekvens af disse overvejelser, har vi valgt at anvende en såkaldt Tobit specifikation 5. En Tobit specifikation tager højde for, at man ikke observerer en variabel (eller observerer et nul), hvis den er under en given størrelse. En Tobit specifikation kan således motiveres ved, at der er nogle faste omkostninger ved eksport således, at eks- 2 Gravitations modeller er typisk specificeret I logaritmer da de er motiveret udfra gravitationsloven der afhænger positivt af produktet af massen mellem to objekter. 3 Se fx Rose (2000) One money, one market: the effect of common currencies on trade Economic policy 14(30): 7-46. 4 Se fx Martin & Pham (2008) Estimating the Gravity Model When Zero Trade Flows are Frequent 5 Vi har også estimeret en specifikation, der er baseret på sample selektion men resultaterne virkede ikke plausible, når de sammenholdes med de interview vi har lavet i forbindelse med undersøgelsen. Et forhold der formodentlig kan tilskrives de ovennævnte faktorer. 6/83
porten skal over en vis størrelse før, at det kan betale sig at eksportere. Specifikationen er derfor velegnet til denne type eksportmodeller. Den præcise specifikation er givet nedenfor: dk* p p ( p / dk ) ( i ) = β0 + β1 log( BNPi ) + β3 log( Indbyggerei ) + β4 log( Afs tan di ) p ( p / dk ) ( p / dk ) ( p / dk ) + β5 log( Km2i ) + β6( PLIi ) + β6( Konti ) + β7( Havadgangi ) ( p) ( p) ( p) + β8( Sprogi ) + β9( ASEANi ) + β10( MERCUOSURi ) ( p) + β ( NAFTA ) + ε log Eksport dk dk* ( ) = maks( 0,log( Eksport ) log Eksport 2 ( εi ) ~ normal[ 0, σε ] i 11 i i j Denne specifikation kan tolkes på følgende måde: Der er et sandt, men uobserveret niveau for eksporten. Hvis niveauet for eksporten er under en bagatelgrænse, bliver (log) eksporten fejlagtigt registreret som nul. Hvis eksporten er over bagatelgrænsen, vil det sande niveau for eksporten blive registreret. Modellen kan nuanceres med faktorer for kultur, korruption mv. Det er dog ikke trivielt, at konstruere fornuftige mål for disse mere subjektive faktorer. Vi har derfor valgt at estimere modellen uden disse faktorer. Resultaterne fra modellen kan derfor bruges til at sammenholde, om den faktisk eksport er højere eller lavere end, hvad modellen forudsiger, at den skulle være. Hvis der er en markant forskel på modellens forudsigelser og den faktiske eksport, kan det være en indikation på, at der er væsentlige tekniske handelsbarrierer på dette marked. Det kan også være et udtryk for, at den statistiske model evt. kan være væsentligt fejlspecificeret eller at der evt. er problemer med registreringer af små eksportværdier 6. Det er således væsentligt, at sikre sig at modellen har en høj forklaringsgrad. Forklaringsgraden, som er et udtryk for hvor stor del af variationen modellen er stand til at forklare, har vi beregnet via en såkaldt pseudo R^2. For at øge forklaringsgraden, har vi estimeret modellen selvstændigt for hver varegruppe. Modellen er blevet estimeret ved maksimum likelihood i SAS. 4.3 Information om data Kilderne til de anvendte data er primært Danmarks Statistik og Verdensbanken for så vidt angår information om eksportværdier og baggrundsfaktorer af socioøkonomisk karakter. Men derudover er anvendt en række kilder af forskellig karakter til at fastlægge for eksempel afstanden mellem landene, havadgang og, hvorvidt Danmark er landfast med en given samhandelspartner. Et overblik over de anvendte data, deres opgørelser og kilder er givet i Tabel 4.1 nedenfor. 6 Vi sammenholder modellen forudsigelser for det uobserverede eksport niveau med den faktiske eksport værdi, alternativt kunne man have sammenholdt modellens forudsigelser for den tilhørende observerede niveau for eksporten. 7/83
Tabel 4.1 : Forklarende faktorer i eksportmodellen Variabel Forklaring Kilde dk Log( Eksport ) Eksporten fra Danmark til partnerland deflateret med BNP deflator (logaritmisk) p Log( BNP ) BNP for partnerland deflateret med BNP deflator (logaritmisk) p Log( Indbygger ) Total befolkning i partnerland (logaritmisk) p Log( Km2 ) Overfladeareal i km2 partnerland (logaritmisk) ( p / dk ) PLI Prisniveau-indeks for DK og partnerland givet ved (PPP dk /Echange dk ) /(PPP p /Echange p ) 7 ( p / dk ) Log( Afs tand ) Afstand i km mellem hovedstæder i DK og partnerland (logaritmisk) ( p / dk ) Log( Kont ) Indikator for hvorvidt DK og partnerland er på samme kontinent p Havadgang Indikator for hvorvidt der er havadgang mellem DK og partnerland p ASEAN Indikator for hvorvidt partnerland er medlem af ASEAN p MERCOSUR p NAFTA Indikator for hvorvidt partnerland er medlem af MERCOSUR Indikator for hvorvidt partnerland er medlem af NAFTA p Sprog Indikator for hvorvidt partnerland er spansktalende Danmarks Statistik WDI, World Bank WDI, World Bank WDI, World Bank World Bank University of Essex University of Essex Google Earth ASEAN MERCOSUR NAFTA Rambøll Management Data foreligger for et varierende antal lande, men fællesmængden givet ved de lande, hvor der er informationer for alle variable er omkring 170 lande. 4.4 Pilottest af eksportmodellen Estimation af modellen for SITC-kapitler er som nævnt en nuancering i forhold til tidligere anvendelser af modellen, hvor eksportpotentialet bliver estimeret på nationalt plan. Der har derfor været indlagt en pilotfase, hvor modellen resultater blev vurderet på baggrund af en delmængde af lande og SITC-kapitler med henblik på at verificere modellen prediktionsevne. 7 Fra World Bank: A price level index (PLI) is the ratio of a PPP to the market exchange rate of the numeraire currency. PLIs are used to compare price levels between countries. The PLI indicates the relative price of GDP (or its components) in a country, as if it were purchased after acquiring local currency at the prevailing exchange rate. PLIs are generally low in poorest countries. This reflects the common experience of travelers who find many (but not all) of the goods and services in the poorest countries relatively cheap compared to similar products in their home country. 8/83
Verificeringen blev foretaget på baggrund af dels tidligere analyser af handelshindringer foretaget af DI (Organisation for erhvervslivet) og dels udtalelser fra danske handelsattacheer ved danske ambassader i en række lande. Resultatet af pilotfasen viste, at modellen overordnet er i stand til at vise eksportpotentialer på markeder, hvor der er viden om eksistens af handelshindringer eller andre barrierer af forskellig karakter, samt at vise overperformance på markeder, hvor der er viden om, at danske virksomheder har en stor eksportaktivitet. Disse resultater er blevet bekræftet ved estimationen af den endelige model for et større antal lande og SITC-kapitler. En nærmere beskrivelse af modellen prediktionsevne er derfor givet i forbindelse med præsentations af den endelige models resultater nedenfor. 4.5 Forklaringsgrader for de statistiske eksportmodeller De statistiske modeller 8 har overordnet høje forklaringsgrader og giver intuitive resultater. Forklaringsgraderne ligger omkring 75 procent 9 og resultaterne er intuitive, f.eks. viser resultaterne, at eksporten er større til store markeder end til små markeder og, at eksporten er mindre ved store afstande. Der er dog nogle enkelte SITCkapitler, som har utilfredsstillende forklaringsgrader eller giver resultater som ikke virker plausible. Hvis forklaringsgraden er lav må det forventes, at prediktionsevnen ligeledes er begrænset. Identifikationen af de markeder, hvor der må forventes, at der er store handelsbarrierer, er baseret på eksportprediktionen. En lav forklaringsgrad betyder således, at man skal være varsom med at lægge for meget vægt på modellens resultater. Det er hovedsagligt varegrupper, hvor vi eksportere til relativt få lande, hvor der er en forholdsvist lav forklaringsgrad. Der er således lav forklaringsgrad for varegrupper, som fx guld, mønter (SITC 97) og rågummi (SITC 23). Den statistiske model er desuden ikke god til at forklare eksporten for fx strøm (SITC 35), der kræver en direkte kabelførelse. Endeligt er der en begrænset forklaringsgrad for nogle varegrupper, hvor det ser ud til at afstanden ikke har den store betydning for eksporten fx rå skind (SITC 61). Det skal desuden bemærkes, at modellen har en meget høj forklaringsgrad for stort set samtlige vigtige eksport markeder, som f.eks. føde farmaceutiske produkter og maskiner til industri. En oversigt over de estimerede koefficienter, de tilhørende koefficienttest og forklaringsgrader er givet i appendiks A.2. Herfra fremgår det, at de SITC-kapitler, der er dårligt forklaret (R 2 mindre end ca. 50 procent) er 22, 23, 25, 27, 28, 32, 34, 35, 56, 61, 96 og 97. Da disse markeder har en forholdsvis begrænset dansk eksport har den lave forklaringsgrad ikke den store betydning for modellens dækning af den samlede danske eksport. 8 Den samme statistiske model er anvendt for hver SITC-kapitel. 9 Forklaringskraften måles ved den såkaldte Mc-fadden s pseudo R 2, der anvendes som et mål for forklaringskraften i ikke-lineære modeller. 9/83
4.6 Resultater fra eksportmodellen På baggrund af de nævnte undersøgelser fra DI og udtalelserne fra danske handelsattacheer foreligger der indsigt om markedsforholdene for følgende lande: Rusland Argentina Canada Kina USA Danmarks to vigtigste eksportmarkeder (Sverige og Tyskland) I det følgende vil denne viden blive sammenholdt med modellens predikterede værdier for den danske eksport til disse markeder med henblik på at verificere den endelige models præcision og anvendelighed. I denne forbindelse vil der blive vist en række figurer, hvor forskellen mellem den nuværende og faktiske eksport sammenholdes med modellens predikterede værdi af den forventede eksport inden for hvert enkelt SITC-kapitel. Fortolkningen af disse figurer er, at hvis forskellen mellem faktisk og forventet eksport ligger over nul overperformer dansk eksport inden for det pågældende SITCkapitel, mens hvis forskellen ligger under nul underperformer dansk eksport. Som mål for, hvorvidt eksporten ligger over eller under nul anvendes de standardiserede residualer, som angiver forskellen mellem den faktiske eksport og modellens predikterede værdi korrigeret for variationen i denne forskel. I figurerne er en del af disse standardiserede residualer markeret med rødt, hvilket angiver, at en af følgende situationer er opfyldt: At eksporten pt. er nul, og at modellens predikterede eksportpotentiale samtidig er større end 5 mio. kr. At eksporten pt. er større end 5 mio. kr., og at modellens predikterede eksportpotentiale er mere end 20 procent af den nuværende eksport. Da det ikke er muligt at aflæse den nominelle værdi af potentialet fra de standardiserede residualer, er formålet med denne markering således at udpege de markeder, hvor der er et signifikant potentiale i kroner og ører. Denne markering og vurderingen af modellens predikterede værdier skal imidlertid fortolkes med forsigtighed, idet f.eks. et stort potentiale også kan være et udtryk for, at der er meget støj i modellen, dvs. at modellen predikterer dårligt. Derfor skal anvendelsen af modellens resultater generelt sammenholdes med modellens forklaringskraft for at vurdere troværdigheden af resultaterne, jf. appendiks A.2 for et overblik over de enkelte modellers forklaringskraft. 4.6.1 Rusland I Rusland viser erfaringen, at det er forholdsvist nemmere at foretage eksport af tøj og føde end det er for en række produkter, der kræver tekniske godkendelser (GOST-certifikater), herunder eksport af forskellige typer af maskiner. Mens tøj og fødevarer kategoriseres inden for henholdsvis SITC-kapitlerne 82-87 og 0-12, kategoriseres maskiner inden for SITC-kapitlerne 71-74, jf. Appendiks A.1 for et samlet overblik over SITC-kapitler. Modellens prediktioner bekræfter disse erfaringer, idet den viser, at dansk eksport inden for hovedparten af SITC-kapitlerne for fødevarer og tøj overperformer, mens 10/83
modellen viser, at dansk eksport underperformer for samtlige SITC-kapitler inden for forskellige typer af maskiner, der kræver GOST-certifikater, jf. Figur 4.1. Figur 4.1: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Rusland Som nævnt i indledningen er det selvfølgelig ikke givet, at en eksport under det forventede niveau udelukkende skyldes tekniske handelshindringer eller, at en eksport over det forventede betyder, at der ikke eksisterer tekniske handelshindringer. Der er jo i sagens natur mange andre forhold som kan spille ind på eksportens størrelse, men for Rusland kan der altså konstateres en pæn overensstemmelse mellem graden tekniske handelshindringer (opnåelse af GOST-certifikater) og størrelsen af dansk eksport. Rusland er et af de lande, som indgår i virksomhedsundersøgelsen vedrørende tekniske handelshindringer samt DI s undersøgelse blandt speditører og shippingfirmaer. Resultaterne fra disse undersøgelse bekræfter i meget høj grad eksistensen af handelshindringer og barrierer i Rusland, jf. afsnit 5. 4.6.2 Argentina For Argentina er indhentet indsigt vedrørende markedsforholdende fra handelsattacheen ved Danmarks Ambassade i Buenos Aires. Herfra fremgår, at dansk eksport blandt andet koncentrerer sig omkring maskiner/udstyr (SITC 71-74), medicin & farmaceutiske produkter (SITC 54), tekniske og videnskabelige instrumenter (SITC 87), halvfabrikata, kemikalier, ingredienser til fødevareproduktion - samt en række fragmenterede produktkategorier osv. Modellens prediktioner viser i overensstemmelse med dette, at dansk eksport overperformer for SITC 54 og 71-72, mens den viser, at dansk eksport underperformer for SITC 73-74 og 87 på trods af, at disse er satsningsområder for dansk eksport. 11/83
Dette betyder dog ikke nødvendigvis, at modellens prediktioner er forkerte. Det kan også skyldes, at markedssatsningen endnu ikke fuldt ud har materialiseret sig, jf. Figur 4.2. Figur 4.2: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Argentina (std. residualer afgrænset til større lig -3) Specielt gælder imidlertid, at danske virksomheder har en stor eksport af animalske og vegetabilske materialer (SITC 29), hvilket skyldes, at den store fødevaresektor i Argentina anvender en række danske ingredienser, bl.a. fra Novozymes, Danisco, Chr. Hansen, Palsgaard m.fl. Dette er i overensstemmelse med modellens prediktioner, som viser, at dansk eksport overperformer for SITC 29. Derudover gælder, at Danmark har en lav eksport af møbler (SITC 82), hvilket skyldes 1) høj importtold på møbler, 2) stor kopiproduktion og manglende håndhævelse af immaterielle rettigheder, 3) stærk lokal produktion. Argentina har ca. 3.000 møbelproducenter, hvoraf ca. 95 procent har under 5-10 ansatte. Da krisen brød ud blev en masse møbelsnedkere afskediget. Disse har fortsat deres erhverv i privat og "sort" regi, hvor de laver skræddersnedkererede eksklusive møbler til de velhavende segmenter, hvilket konkurrerer med de forholdsvis dyre designmøbler fra Danmark og 4) danske møbelproducenters beskedne interesse for Argentina. Dette er i overensstemmelse med modellens prediktioner, som viser, at dansk eksport underperformer for SITC 82. For Argentina kan der således ikke konstateres nogen overensstemmelse mellem graden af tekniske handelshindringer og under- eller overperformance af dansk eksport, idet der ikke foreligger oplysninger herom. Derimod kan der konstateres en pæn overensstemmelse mellem markedssatsninger og modellens predikterede over- 12/83
performance, samt en pæn overensstemmelse mellem andre barrierer så som importtold, kopiproduktion, etc. og modellens predikterede underperformance. 4.6.3 Canada For Canada foreligger der ikke information om udbredelsen af handelshindringer, men DI har i forbindelse med deres løbende analysearbejde omkring eksportbarrierer for danske og europæiske produkter undersøgt, hvilke eksportmarkeder, der henholdsvis under- og overperformer. Heraf fremgår, at Canada er et af de markeder, hvor dansk eksport ligger forholdsvist lavt. Dette bekræftes af eksportmodellens resultater, der viser en forholdsvis stor andel af SITC-kapitler, hvor dansk eksport underperformer. Samtidig fremgår det, at mange af disse SITC-kapitler rummer et stort eksportpotentiale, jf. antallet af rødt markerede SITC-kapitler i Figur 4.3 nedenfor. Figur 4.3: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Canada Netop på grund af disse store potentialer er en række SITC-kapitler for Canada udtaget til den efterfølgende virksomhedsundersøgelse vedrørende afdækningen af tekniske handelshindringer. Resultatet herfra viser, at dansk eksport underperformance netop udmærket kan skyldes eksistensen af tekniske handelshindringer, idet Canada er et af de lande, hvor virksomhederne relativt hyppigst rapporterer om handelshindringer, jf. afsnit 5 nedenfor. Hermed har modellen altså udpeget SITCkapitler, hvor dansk eksport underperformer, og i og med at denne underperformance efterfølgende viser sig at være et resultat af handelshindringer, er Canada et tekstbogseksempel på indfrielse af formålet med eksportmodellen. 13/83
4.6.4 Kina I modsætning til Canada er Kina er derimod et eksempel på nogle af modellens begrænsninger. For Kina viser eksportmodellen nemlig, at dansk eksport overperformer på langt de fleste markeder, jf. Figur 4.4. Figur 4.4: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Kina Men ifølge flere undersøgelser10 af omfanget af handelshindringer og barrierer for dansk eksport viser disse tilnærmelses samstemmende, at eksport til Kina er præget af en høj grad af både handelshindringer og barrierer. Kina er således et eksempel på, at der er andre og stærkere faktorer for dansk eksport end tekniske handelshindringer samt, at dette er et forhold, der skal tages med i betragtning, når resultaterne fra eksportmodellen anvendes. 4.6.5 USA Ifølge førnævnte undersøgelser er en del markeder i USA præget af forskellige former for handelshindringer og barrierer, hvilket ikke mindst skyldes sikkerhedsforanstaltninger som følge af 11. september. DI har vurderet, at USA er et af de lande, hvor danske virksomheder underperformer, og dette bekræftes af eksportmodellen, der vurderer, at der er relativt flere markeder, hvor danske virksomheder underperformer end overperformer samt, at de markeder der underperformer har et signifikant eksportpotentiale målt i kroner og ører, jf. antallet af rødt markerede SITCkapitler i Figur 4.5. 10 Handelshindringer for danske eksportvirksomheder, Erhvervs- og byggestyrelsen, 2003 og Breaking Down Global Trade Barriers a new European approach to emerging markets, DI, 2007. 14/83
Figur 4.5: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til USA 4.6.6 Danmarks to vigtigste eksportmarkeder (Sverige og Tyskland) Sverige og Tyskland er med eksportandele på henholdsvis 15 og 17 procent de to vigtigste eksportmarkeder for Danmark. Ifølge de tidligere nævnte undersøgelser er en vigtig forskelle mellem Sverige og Tyskland imidlertid, at det tyske marked er karakteriseret af væsentlige handelshindringer eller barrierer, mens dette ikke er tilfældet på det svenske marked. I overensstemmelse af dette forhold viser eksportmodellens prediktioner, at dansk eksport stort set overperformer på samtlige SITCkapitler i Sverige, mens dansk eksport underperformer signifikant på en lang række SITC-kapitler i Tyskland, jf. Figur 4.6 og Figur 4.7 nedenfor. 15/83
Figur 4.6: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Sverige Figur 4.7: Eksportmodellens prediktion vedrørende over/underperformance af dansk eksport til Tyskland 16/83
4.6.7 Øvrige lande Et samlet overblik over eksportmodellens predikterede værdier af dansk eksports under- og overperformance for samtlige lande og estimerede SITC-kapitler er givet i bilagsrapporten for eksportmodellen. 4.6.8 Skøn på eksportpotentiale på udvalgte markeder Som tidligere beskrevet er formålet med eksportmodellen primært at blive anvendt som et redskab til udvælgelse af markeder, hvor danske virksomheder enten overeller underperformer. Modellens resultater kan imidlertid også sekundært bruges til at give et skøn på det faktiske eksportpotentiale i kroner og ører, som er til stede på markeder, der underperformer. Anvendes modellen til dette formål er det dog vigtigt at understrege dens resultater er langt mere usikre, hvilket ikke mindst skyldes, at effekten af eventuelle specifikationsfejl vil have en langt mere signifikant betydning for resultaternes præcision. Sådanne specifikationsfejl kan for eksempel stamme fra manglende forklarende variable i modellen, eksempelvis variable for kulturelle forskelle, som er svære at definere og skaffe data for. Under disse forbehold kan det skønnes, at blandt de lande, som står for 90 procent af Danmarks samlede eksport, hvilket svarer til 453 mia. kr. ud af samlet 544 mia. kr., er der ifølge eksportmodellen et samlet uudnyttet eksportpotentiale på 151 mia. kr. Dette svarer til ca. 30 procent i forhold til den nuværende eksport, jf. Tabel 4.2 nedenfor. Det er ikke overraskende især EU medlemslande, hvor der er et uudnyttet potentiale, idet disse står for over 2/3 af eksporten blandt de betragtede lande. For så vidt angår tredje lande er det især USA, Norge, Japan Canada og Australien, hvor der er et stort uudnyttet eksportpotentiale. Dette gælder både, når potentialet måles absolut i kroner og ører, og når det måles som andel af den nuværende eksport. For de tredje lande, hvor der primært er et stort uudnyttet potentiale, når det måles som andel af den nuværende eksport, men hvor selve eksportpotentialet i kroner og ører er mere beskedent er Rusland, Tyrkiet og Brasilien. Samlet set er der blandt de betragtede tredje lande et uudnyttet eksportpotentiale på ca. 43 mia. kr., mens det uudnyttede potentiale for de betragtede EU medlemslande er ca. 108 mia. kr. 17/83