JanuszZaleski,ZbigniewMogiła,JoannaKudełko

Janusz ZaleskiInstytutMeteorologiiiGospodarkiWodnej,PaństwowyInstytutBadawczy,ul.Podleśna61, 01-673Warszawa&WrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław,e-mail:janusz.zaleski@warr.pl

Zbigniew MogiłaWrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław, e-mail:zmg@warr.pl

Joanna KudełkoWrocławskaAgencjaRozwojuRegionalnego,ul.Karmelkowa29,52-437Wrocław, e-mail:jkd@warr.pl

jakość prognoz płatności w ramach npr/nsro… a wyniki analizy kontrfaktualnej

Streszczenie:Wielkośćistrukturatransferówsąjednązgłównychdeterminantskalioddziaływa-niapolitykispójności(NPRiNSRO)narozwójspołeczno-gospodarczybadanychregionówoboksiły keynesowskiego mechanizmu mnożnikowego, parametrów determinujących skalę efektówpodażowychorazpoczątkowychzasobówinfrastrukturalnych,kapitałuludzkiegoi technicznegouzbrojeniapracy.Celemniniejszegoartykułujestzbadaniewpływu,jakinawynikikontrfaktualnejanalizyoddziaływaniaNPRiNSROnagospodarkipolskichwojewództwmajązmianyprognozpublicznychśrodkówfinansowych.Przyzastosowaniu16makroekonomicznychmodeliHERMINgospodarek polskichwojewództwprzeprowadzono symulacje dla okresu 2004–2020,wykorzy-stującdanefinansoweMinisterstwaInfrastrukturyiRozwoju(MIR)udostępnianewlatach2008–2013.Rezultaty badaniawskazały, że roczne błędy prognozy transferów unijnych na poziomieregionalnymsięgająnawet229%,natomiastbłędyprognozalokacjiosiągająpoziomnawet32%.Braktrafnościprognoztransferówunijnychorazichzmiennośćpowodujązniekształceniewyni-kówbadańmakroekonomicznychoddziaływaniapolitykispójnościnaprocesyrozwojowenaweto88%wprzypadkuwynikówrocznychido40%wprzypadkuwynikówskumulowanych.

Słowa kluczowe: polityka spójnościUE, funduszeunijne, analizakontrfaktualna,modelowaniemakroekonomiczne.

the quality of the PRognoSeS conceRning ndP and nSRf PaymentS and the ReSultS

of a counteRfactual analySiS

Abstract: ThescaleandstructureofEUfundsareoneofthekeydeterminantsofCohesionPolicyimpactsonsocio-economicregionaldevelopment,alongwiththemagnitudeoftheKeynesianmul-tipliermechanism,spill-overelasticities,initialstocksofinfrastructure,orhumanandphysicalcap-ital.TheaimofthepaperistoanalyzehowchangesinforecastsofCohesionPolicypublicfinancialresources(availableinNDPs&NSRFs)affectacounterfactualanalysisoftheCohesionPolicyim-pactsonthePolishNUTS-2regionaleconomies.OnthebasisofthefinancialdatafromthePolishMinistryofInfrastructureandDevelopmentwhichweremadeavailableintheyears2008−2013,simulationswerecarriedoutfortheperiod2004−2020using16macroeconomicHERMINmodelsforthePolishregions.TheresultsshowthatyearlyforecasterrorsoftheEUfundsattheregionallevelaccountforupto229%,andtheforecasterrorsofallocationsoftheEUfundsamountevento

Studia Regionalne i LokalneNr 4(58)/2014

ISSN 1509–4995doi: 10.7366/1509499545803

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO52

32%.TheinaccuracyoftheforecastsoftheEUpaymentsandtheirvolatilityconsiderablydistorttheresultsofmacroeconomicresearchoftheCohesionPolicyimpactsondevelopmentprocesses–evenby88%inthecaseoftheyearlyresults,andby49%inthecaseofcumulativeresults.

Keywords:EUCohesionPolicy,EUfunds,counterfactualanalysis,macroeconomicmodelling.

Istotnym elementembadań ewaluacyjnych jest analiza kontrfaktualna prze-prowadzana przy zastosowaniumakroekonomicznychmodeli gospodarek kra-jowychorazregionalnych1.Dająonesposobnośćilościowegowyekstrahowaniabezpośredniego, krótkoterminowego oddziaływania interwencji finansowej narozwójspołeczno-gospodarczy,jakrównieżbardziejzłożonegoizawoalowane-gojejwpływuocharakterześrednio-idługookresowym.Symulacjemakroeko-nomiczneoddziaływaniapolityki spójności na rozwój polskich regionóworazgospodarkiPolskijakocałościprowadzonesąodponad10lat.PierwszebadaniategotypuzrealizowanoprzyużyciumetodologiiHERMIN(opismetodologiizob.m.in.w:Bradley,Untiedt2010;Bradley,Zaleski2003),któranagrunciepolskimzostałazaimplementowanaprzezWrocławskąAgencjęRozwojuRegionalnegowewspółpracy z dr. J. Bradleyem (m.in. Bradley, Zaleski 2003; Investing in Europe’s future, Fifth report on economic, social and territorial cohesion2010).Analiza kontrfaktualna przeprowadzona przy zastosowaniu modeli makro-

ekonomicznychjestczęstopoddawanakrytycezpowoduzmiennościwczasieuzyskiwanychdziękiniejwynikóworaz ichzróżnicowaniamiędzyośrodkamibadawczymi.Dajetoniektórymasumptdoumniejszeniaroliwspomnianegona-rzędziabadawczegowanalizachewaluacyjnych.Rozbieżności–zarównomię-dzyposzczególnymiośrodkamibadawczymi,jakianalizamiprzeprowadzanymiprzezdanyzespółbadawczyw różnymczasie–w rezultatach symulacyjnychanalizoddziaływaniapolitykispójnościnarozwójkrajuiregionówsądetermi-nowaneprzedewszystkimprzez(zob.Mogiła,Zaleski2010):• różnicemetodologicznemiędzystosowanymimodelami;• różnicewprzyjętychzałożeniachscenariuszarozwojusytuacjispołeczno-go-spodarczej(m.in.sytuacjakryzysowaversusprosperitygospodarcze);

• rekalibracjęparametrówrównańbehawioralnychmodeluwynikającązwydłu-żającychsięwrazzupływemczasuszeregówczasowych;

• zmianymetodologicznewstatystycepublicznej;• różnicemiędzydanymidotyczącymiwielkościorazrozkładuwczasieśrod-kówfinansowychasygnowanychwramachpolitykispójności,atakżeudziałuwspółfinansowaniakrajubeneficjenta.Wielkośćistrukturaśrodkówfinansowych2wramachpolitykispójnościmają

niezwykleistotnywpływnarezultatybadańewaluacyjnychprzeprowadzanych1 Wramachwspomnianegobadaniatworzonesądwascenariusze:bazowyzakładającywy-

stępowanieokreślonejinterwencjifinansowej(np.funduszyUE)orazdrugiocharakterzeczystohipotetycznym,wktórymprzyjmuje się brak implementacjiwspomnianych środkówfinanso-wych.Różnicemiędzywartościamiwtychdwóchscenariuszachwyznaczająwartościwpływudanejinterwencjifinansowejnagospodarkękrajulubregionu.

2 Wniniejszymartykulepojęcia„środkifinansowewramachpolitykispójności”,„płatnościwramachpolitykispójności”oraz„transferywramachpolitykispójności”używanesązamien-nieiokreślają–wprzeciwieństwiedoalokacjiwskazującychnawartośćśrodkówprzypisanych

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 53

przyzastosowaniumodelimakroekonomicznych.Wzwiązkuzpowyższymbłędyprognozorazczęstamodyfikacjazałożeńdokonywanychwzakresiewspomnia-nychtransferówpowodują,żezmianomulegają–ceteris paribus – szacowanewielkościoddziaływaniapolitykispójnościnawskaźnikimakroekonomiczne.Celemniniejszegoartykułu jest zbadaniewpływu, jakinawynikikontrfak-

tualnej analizy oddziaływania polityki spójności na gospodarki polskich wo-jewództw wywierają zmiany prognoz publicznych środków finansowych do-stępnychw ramach tej polityki.Wbadaniu, którego rezultaty stały się kanwądlaniniejszegoartykułu,wykorzystanodanehistoryczne iprognozypłatności3 wramachNarodowegoProgramuRozwoju(NPR2004–2006)orazNarodowychStrategicznych RamOdniesienia (NSRO 2007–2013) dla okresu 2004–20154. Wartykule przeprowadzono analizę porównawcząprognozpłatności udostęp-nianych przez Ministerstwo Rozwoju Regionalnego (MRR) w latach: 2008,2009/20105,2011,2012 i20136,będącychpunktemwyjściabadańewaluacyj-nych. Przy czymmateriał otrzymany w 2013 r. określał najbardziej aktualnew chwili pisania artykułu wartości transferów, gdzie rzeczywiste dane histo-ryczne obejmowały okres 2004–2012.W kolejnym kroku, przy zastosowaniu16makroekonomicznychmodeliHERMINgospodarek polskichwojewództw,przeprowadzono symulacje dla okresu 2004–20207,wykorzystującwspomnia-newyżejdanefinansowe.NapodstawiewynikówsymulacjiokreślonoróżnicewwartościachwpływufunduszywramachNPRiNSROłącznienapoziomPKBwcenachstałych.Wynikizaprezentowanejwniniejszymopracowaniuanalizymogąstanowićcenneźródłoinformacjinatematwrażliwościrezultatówbadańkontrfaktualnychnazmianydanychotransferach.Jesttotymbardziejistotne,żemetodykontrfaktualnestanowićbędąjednązpodstawowychmetodewaluacyj-nychwokresieprogramowania2014–2020(zob.Zalecenia w zakresie ewaluacji ex-ante… 2012).Jednocześnieotrzymanerezultatypozwoląwsposóbkrytycznyspojrzećnaefektydotychczasowychprojektówewaluacyjnych.

Syntetyczny opis metodologii i zastosowanych modeli HERMIN

Makroekonomiczne modele HERMIN znalazły zastosowanie w badaniachewaluacyjnych w szczególności do modelowania efektu wywieranego przez

wdanymokresiedodanegokraju/regionu– teśrodki,którezostały jużzainwestowanewda-nejgospodarce.Ztegopowoduprognozydokonywanewtymzakresieodnosząsiędowartościśrodkówfinansowych,którewokreślonymokresiewprzyszłościzostanąwdrożonedosystemugospodarczegokrajulubregionu,oddziałująctymsamymnagospodarkę.

3 PłatnościobejmująśrodkiUEorazkrajowewspółfinansowaniepubliczne.4 Przyuwzględnieniuzasadyn+2,zgodniezktórąpłatnościmogąbyćrealizowanejeszcze

przezdwalatapozakończeniuNSRO.5 Takizapiswynikazfaktu,żedanez2010r.byłyidentycznejaktez2009r.6 Wykazźródełdanychfinansowychwykorzystanychwartykulezostałzamieszonywspisie

literatury.7 Rok2020zostałwybranyzewzględunadążeniedouchwyceniapodażowychefektówpo-

litykispójnościujawniającychsięzwiększąsiłąwdłuższejperspektywieczasowej.PięćlatpoustaniupłatnościwramachNSROjestodpowiedniąperspektywączasowądoocenywspomnia-nychefektów.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO54

wdrażanie do systemu gospodarczego dodatkowych środków finansowych.Sąjednymiznarzędzi(oboktakichmodeli, jakQUEST[zob.Varga, in’tVeld2008] czy REMI [zob. Treyz, Treyz 2003]), które spełniają wymogi KomisjiEuropejskiej(KE;The New Programming Period 2000–2006… 2006;The New Programming Period 2007–2013…2006)isąprzeztęinstytucjęwykorzystywa-nedooszacowaniawpływuwydatkowania funduszy strukturalnychna rozwójspołeczno-gospodarczykrajówiregionówobjętychwsparciem(m.in.Investing in Europe’s future…2010).Interesującymbadaniemprzeprowadzonymprzyza-stosowaniumodeliHERMINnazlecenieParlamentuEuropejskiegobyłookre-ślenie oddziaływania funduszy unijnych przekazywanych do państw EuropyŚrodkowo-Wschodniej na rozwój gospodarczy państw członkowskichUE bę-dącychpłatnikaminetto(zob.Bradley,Untiedt,Zaleski2009).WPolscemodeleHERMINznalazłyszerokiezastosowaniewbadaniachewaluacyjnychpoświę-conychwpływowiśrodkówunijnychdostępnychwramachNPR,NSRO(wtymregionalnychprogramówoperacyjnych)narozwójspołeczno-gospodarczykrajujakocałościzjednejstrony(zob.m.in.Zaleskietal.2008)iposzczególnychwo-jewództw–zdrugiej(zob.m.in.Zaleskietal.2013).ModeleHERMINsąwyko-rzystywanerównieżwcelukonstrukcjiprognozzarównoocharakterzeforecast, jakiforesightpozwalającychnastworzeniewariantowychscenariuszyrozwojukraju/regionu(zob.m.in.Zaleskietal. 2012).MetodologiaHERMINłączywsobieelementymodelineokeynesowskich(zo-

rientowanychnapopytowąstronęgospodarki)zelementamicharakterystycznymidlaszkołyneoklasycznej,uwidaczniającymisięm.in.wuwzględnieniukonku-rencyjnościjakodeterminantyprodukcjiprzemysłowej.Wspomnianepodstawyteoretyczne powiązane są z wykorzystaniem danych empirycznych w postaciszeregówczasowych,copozwalanauzyskaniekorzystnegokompromisumię-dzy nadmiernie uproszczonym podejściem teoretycznym a odzwierciedleniemrzeczywistychprocesówgospodarczychimożliwościichewoluowaniawczasie.Napotrzebyniniejszegoartykułuwykorzystanezostałypięciosektorowe8 mo-

deleHERMINgospodarek16polskichwojewództw9.Modeletestanowiąrozwi-nięciepierwotniestosowanychwersjiczterosektorowych.Składająsięzkilku-dziesięciu równań behawioralnych, których parametry podlegają procesowikalibracji10.Pozostałączęśćstanowiąrównaniaocharakterzetożsamościowym,którepoddająsięlogicerachunkówregionalnych.Równaniamodelimożnapo-grupowaćwtrzygłównebloki:blokpodażowy,blokabsorpcjiorazblokdystry-bucjidochodów(rycina1).

8 WmodelachHERMINnapięćwymienionychsektorówskładająsię:przemysł,budownic-two,usługirynkoweinierynkoweorazrolnictwo.

9 OpispięciosektorowychmodeliHERMINmożnaznaleźćm.in.wZaleskietal.2012.10 KalibracjarównańbehawioralnychwmodelachHERMINopierasięnametodzie„dopaso-

waniakrzywejdodanych”(curvefitting),wwynikuczegowartościestymowaneklasycznąmeto-dąnajmniejszychkwadratówparametrów–wświetleempirycznegodoświadczenia,jakrównieżnabazieistotnychimplikacjiteoretycznych–podlegająmodyfikacji.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 55

Blok podażowy

Sektor przemysłowy (głównie dobra podlegające obrotowi na rynku międzynarodowym)

WDB = f1 (Popyt światowy, Jednostkowe koszty pracy, Konkurencyjność, t)Pracujący = f2 (WDB, Ceny względne czynników produkcji, t)NBnŚT= f3 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1–σ) Zasoby kapitałut-1Deflator WDB = f4 (Cena światowa, Jednostkowe koszty pracy)Stawka płac = f5 (deflator WDB, Cen dóbr konsumpcyjnych, Bezrobocie, Wydajność pracy)Konkurencyjność = Krajowe/Światowe ceny produkcji

BudownictwoWDB = f6 (NBnŚT, t)Pracujący = f7 (WDB, Ceny względne czynników produkcji, t)NBnŚT = f8 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1– σ) Zasoby kapitałut-1Deflator WDB = f9 (Jednostkowe koszty pracy)Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym

Sektor usług rynkowych (głównie dobra niepodlegające obrotowi na rynku międzynarodowym)

WDB = f10 (Popyt krajowy, t)Pracujący = f11 (WDB, Ceny względne czynników produkcji, t)NBnŚT = f12 (WDB, Ceny względne czynników produkcji, t)Zasoby kapitału = NBnŚT + (1– σ) Zasoby kapitałut-1Deflator WDB = f13 (Cena światowa, Jednostkowe koszty pracy)Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym

Usługi nierynkoweWDB = Koszty pracyInflacja płacowa = Inflacja płacowa w sektorze przemysłowymDeflator WDB = Inflacja płacowa

RolnictwoWydajność pracy = f14 (t)Pracujący= f15 (t)Zasoby kapitału = f16 (WDB, t)NBnŚT = Zasoby kapitału + (1–σ) Zasoby kapitałut-1Inflacja płacowa = Inflacja płacowa w sektorze przemysłowym

Blok absorpcji (popytowy)

Spożycie prywatne = f14 (Dochody do dyspozycji brutto sektora gospodarstw domowych)Popyt krajowy = Spożycie prywatne i publiczne + NBnŚT + Zmiany w zapasachBilans handlowy = PKB – Popyt krajowy

Blok dystrybucji dochodów

Dochody = WDB + Dochody z zagranicy nettoDochody do dyspozycji brutto sektora gospodarstw domowych = Dochody pierwotne w sektorze gospodarstw domowych – Podatki bezpośrednie – Składki na ubezpieczenia społeczne płacone przez pracownikówRachunek obrotów bieżących = Bilans handlowy + Dochody z zagranicy nettoBilans sektora publicznego = Wydatki publiczne – Dochody publiczne

Kluczowe zmienne egzogeniczne:Otoczenie zewnętrzne: kurs wymiany EUR/PLN, dynamika PKB w UE, dynamika PKB w Polsce, dynamika produk-cji przemysłowej i cen produkcji przemysłowej u głównych partnerów handlowych regionu;Sytuacja w regionie: pracujący w sektorze usług nierynkowych, NBnŚT w sektorze usług nierynkowych, nakłady na B + R, deflator konsumpcji prywatnej, liczba mieszkańców ogółem i w wieku produkcyjnym.

Ryc. 1. Struktura pięciosektorowych modeli HERMIN gospodarek polskich województwŹródło: opracowanie własne.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO56

Wcelu zmierzeniawpływu interwencji podejmowanychw ramachpolitykispójnościna rozwójgospodarczydanegoregionudomodelu implementowanesądanedotyczącewielkościwydatkowanychśrodkówfinansowych.Danetesąagregowanewnowezmienne.Zewzględunaźródłofinansowaniamożnajepo-dzielićna:finansowaniepubliczneunijneiwspółfinansowaniepublicznekrajo-we.Zewzględunaichprzeznaczenieśrodkifinansowesągrupowanewczterykategorieekonomiczne:infrastrukturępodstawową(IP),rozwójzasobówludz-kich(RZL),bezpośredniąpomocsektorowiprzedsiębiorstw(BPSP),wobrębiektórejwyróżnionazostajejeszczejednapodkategoria:badaniairozwój(B+R).Oddziaływaniepowyższychtransferówfinansowychnakształtowaniesięgłów-nychparametrówmakroekonomicznychuwzględnionejestpoprzezimplementa-cjęzmiennychdotyczącychtychśrodkówdorównańmodeli.Za skalę efektów podażowych wywołanych implementacją dodatkowych

środkówfinansowychdoobiegugospodarczegoodpowiadajądwie zasadniczegrupyparametrów:pierwszaoddziałującabezpośrednionawielkośćprodukcji(output spillovers)orazdrugamającawpływnaproduktywnośćczynnikapracy(Latour productivity spillovers).Każdazpowyższychgrupskładasięz trzechparametrówodzwierciedlającychoddziaływanietransferównagospodarkęprzeztrzygłównekanały:infrastrukturępodstawową,kapitałludzkiorazdziałalnośćB+R.WceluzwiększeniaprecyzjiwynikówsymulacjiwmodelachHERMINstosujesięoddzielneparametrydlasektoraprzemysłowegoiusługrynkowych.W trakcie badania przeprowadzone są dwie symulacje makroekonomiczne

dlagospodarkidanegowojewództwa.Wpierwszejuwzględniasięwpływdodat-kowychśrodkówfinansowych,natomiastwprzypadkudrugiejzakładasiębrakoddziaływaniatychfunduszy.Różnicemiędzywartościamiwskaźnikówmakro-ekonomicznychotrzymanychwramachtychdwóchsymulacjipozwalająokreś-lićwielkośćwpływuwspomnianychśrodkównarozwójbadanejgospodarki.

Analiza prognoz płatności w ramach NPR i NSRO

Pozainformacjamidotyczącymirzeczywistegowykorzystaniaśrodkówunij-nychwprocesie ewaluacji polityki spójności spożytkowuje się danena tematprognozpłatności.Sąoneszczególnie istotnezpunktuwidzeniamodelowaniawpływuśrodkówunijnych,gdziewielkośćistrukturatransferówstanowiąjednązgłównychdeterminantskaliichoddziaływanianarozwójspołeczno-gospodar-czy badanych regionów – obok siły keynesowskiegomechanizmumnożniko-wego,parametrówdeterminujących skalę efektówpodażowych (tzw. spillover lasticities)orazpoczątkowych(wokresieprzedinterwencjąfinansową)zasobówinfrastrukturalnych,kapitału ludzkiego,a także technicznegouzbrojeniapracy.To oznacza, że jakość uzyskiwanych wyników symulacji, dotyczących przy-szłychlat,zależyodjakościprognozwydatkówwramachNPR/NSRO.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 57

Zmienność całkowitej alokacji środków finansowych w ramach NPR/NSRO

Wtabeli1 zaprezentowanezostałyodpowiednio: regionalnealokacjeNPR/NSROwedługdanych z 2013 r. oraz różnicemiędzy całkowitymi alokacjamiśrodkówfinansowychwramachNPR/NSROwedługdanychz2013r.adanymizlat2008,2009/2010,2011oraz2012.Wykorzystanonastępującywzór:

13 100%i

i

X XRX−

= ⋅ ,

gdzie: R – różnica, X13 – wartośćalokacjiwedługstanunarok2013r., Xi – wartośćalokacjiwedługstanunalata2008,2009/2010,2011

i2012.

OiledlaPolskijakocałościróżnicemiędzyalokacjamiukazanymiwtabeli1sąrelatywnieniewielkie,otyleanalogicznegostwierdzenianiemożnasformuło-waćwodniesieniudoposzczególnychwojewództw.Regionalnyrozkładrozbież-nościalokacjinie jest równomierny.Dladanychz lat2008–2011analizowaneróżnice są największe w przypadku województw: dolnośląskiego, kujawsko--pomorskiego,lubuskiego,mazowieckiego,opolskiego,podkarpackiego,podla-skiego,pomorskiegoiwarmińsko-mazurskiego,gdziewujęciubezwzględnymosiągająod9do32%.Wprzypadkudanychz2012r.rozbieżnościwstosunkudonajnowszychalokacjiregionalnychupublicznionychw2013r.zostałyistotniezredukowanewprzypadkuwojewództw:lubuskiego,mazowieckiego,podlaskie-go i zachodniopomorskiego,wzrosły zaś znaczącodlawojewództw łódzkiegoiśląskiego.Ponadtowporównaniuzlatami2008–2011zauważalnajestw2012r.zmianacharakterurozbieżnościzprzeszacowaniananiedoszacowaniealokacji(dolnośląskie,lubelskie,lubuskieizachodniopomorskie)orazzniedoszacowa-nia na przeszacowanie alokacji (małopolskie, podkarpackie i świętokrzyskie).Należypodkreślić,żewrazzkolejnymiaktualizacjamidanychotransferachfi-nansowychciąglewystępująznacząceróżnicemiędzyalokacjamidlaposzcze-gólnychwojewództw.

Trafność rocznych prognoz płatności w ramach NPR/NSRO

Wcelu określenia trafności prognoz płatnościw ramachNPR iNSROdlalat2008,2009,2010,2011i201211zostałyzastosowanenastępującemierniki:

błąd bezwzględny = Xrz – Xp,

błąd względny = 100%rz p

rz

X XX−

⋅ ,

11 Wprzypadkudanychudostępnionychw2011i2012r.odnotowanorozbieżnościmiędzywartościamidla2010r.,którewobuprzypadkachmiałycharakterhistorycznychdanychrzeczy-wistych.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO58Ta

b. 1

. Róż

nice

mię

dzy

alok

acją

śro

dków

w ra

mac

h N

PR

/NS

RO

(fun

dusz

e U

E +

kra

jow

e w

spół

finan

sow

anie

pub

liczn

e) w

edłu

g da

nych

z

2013

r. a

dan

ymi z

lat 2

008,

200

9/20

10, 2

011

oraz

201

2 w

ukł

adzi

e re

gion

alny

m (w

mln

eur

o or

az %

)

Woj

ewód

ztw

o

Alo

kacj

e w

e-dł

ug d

anyc

h z

2013

r.

Róż

nice

mię

dzy

alok

acja

mi w

edłu

g da

nych

z 2

013

r. a

alok

acja

mi z

lat:

2012

2011

2009

/201

020

08

mln

eur

om

ln e

uro

%m

ln e

uro

%m

ln e

uro

%m

ln e

uro

%

Dol

nośl

ąski

e6

293,

135

25,

9–1

315

–17,

0–1

770

–22,

0–1

900

–23,

0

Kuj

awsk

o-

-pom

orsk

ie4

078,

2–1

57–3

,7–1

076

–20,

9–1

306

–24,

3–1

376

–25,

2

Lube

lski

e5

331,

023

84,

7–3

87–6

,8–5

38–9

,2–5

85–9

,9

Lubu

skie

2 81

9,4

271,

0–6

15–1

7,9

–544

–16,

2–5

05–1

5,2

Łódz

kie

6 66

2,5

1 07

719

,343

67,

025

03,

918

32,

8

Mał

opol

skie

6 37

2,3

–479

–7,0

217

3,5

192

3,1

155

2,5

Maz

owie

ckie

16 3

43,1

20,

01

345

9,0

1 88

813

,11

739

11,9

Opo

lski

e2

452,

129

913

,950

926

,259

432

,058

431

,2

Pod

karp

acki

e6

750,

8–4

75–6

,61

129

20,1

1 24

922

,71

256

22,9

Pod

lask

ie3

174,

9–9

–0,3

–670

–17,

4–7

95–2

0,0

–805

–20,

2

Pom

orsk

ie6

708,

661

110

,079

013

,382

414

,073

512

,3

Ślą

skie

10 3

60,3

–1 5

15–1

2,8

–422

–3,9

–403

–3,7

–498

–4,6

Św

ięto

krzy

skie

4 00

1,7

–102

–2,5

180,

546

1,2

100,

2

War

miń

sko-

-m

azur

skie

5 78

8,2

199

3,6

711

14,0

775

15,5

708

13,9

Wie

lkop

olsk

ie6

754,

9–7

6–1

,1–7

9–1

,2–8

5–1

,2–1

91–2

,8

Zach

odni

o-po

mor

skie

4 35

2,9

90,

2–3

76–7

,9–2

25–4

,9–2

73–5

,9

Pols

ka98

243

,90

0,0

215

0,2

151

0,2

–763

–0,8

Źród

ło: o

prac

owan

ie w

łasn

e na

pod

staw

ie d

anyc

h M

RR

.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 59

błąd średni = 1

1 n

ii

Yn =∑ ,

błąd MAD12 = (( ) )n ni i j jMe Y Me Y− ,

gdzie:Xrz– wartośćrzeczywista, Xp – prognoza, Yi – błądwzględnyprognozy, n – liczbawojewództw, i,j = 1,2,…,16.

Tabelaprezentującawartościpowyższychmiernikówdlaposzczególnych latiwojewództw,zewzględunazbytdużąobjętość,zostałazamieszczonawzałącz-niku113.Analizaotrzymanychwynikówpozwalazauważyć,żeprognozypłatno-ściwramachNPR/NSRObyłygeneralnienietrafne14.Wielkośćodchyleńpłatno-ściodstanurzeczywistegoodzwierciedlonaprzezrelatywnebłędyprognozbyłajednakżebardzozróżnicowana(odbliskichzerado229%).Najwyższewartościwspomnianychbłędów(rzędukilkusetprocent)charakteryzująprognozęz2008r.dlapłatności realizowanychw tymroku.Wyraźneniedoszacowania transferówfinansowychmożnazłożyćnakarbzupełniepoczątkowej,aprzeztonierozpozna-nejdokońcafazynowejperspektywyfinansowej2007–2013,gdzie2008r.byłpierwszymrokiem,wktórymdokonywanebyłypłatnościwramachNSRO.Wko-lejnychlatachzarównotejprognozy,jakipozostałychrealizowanychwokresie2009–2012wielkościbłędówwzględnychzostaływydatnieograniczone,jakkol-wiektrzebapodkreślić,żewprzypadkuwszystkichwojewództwwdalszymciąguosiągaływniektórych latachwysokie,częstokilkudziesięcioprocentowewarto-ści.RelatywnieniskątrafnośćprognozpłatnościwramachNPR/NSRO,aczkol-wiekgradualnierosnącąwrazzkolejnymilatami,potwierdzająwartościmiernikaMAD(median absolute deviation)odpornegonaobserwacjeodstające.Nauwagęzasługujątakżerelatywniedużerozbieżnościmiędzyposzczegól-

nymi województwami w zakresie trafności prognoz transferów finansowych.Przykładowo, koncentrując się na prognozie z 2012 r., można zaobserwowaćprzeszacowaneo98%(852mlneuro)płatnościwprzypadkuwojewództwaślą-skiegoorazniedoszacowaneo39%(488mlneuro)transferywprzypadkuwoje-wództwałódzkiego(Załącznik–tabela1).Analiza struktury ekonomicznej płatności w ramach NPR/NSRO15 – przy

uwzględnieniupodziałuśrodkówna:infrastrukturępodstawowąIP(m.in.trans-

12 BłądMAD(median absolute deviation)–medianabezwzględnychodchyleńodmediany(Huber1996).

13 Załącznikdostępnynastronieinternetowej:http://www.studreg.uw.edu.pl/pdf/2014_4_za-leski_mogila_zalaczniki.pdf.

14 Wyjątek stanowiły tu: prognozy z 2008 r. dla województwa śląskiego dla 2010 r. orazz 2009/2010 r. dlawojewództwa łódzkiego dla 2009 r., gdzie relatywne błędy prognozy byłybliskiezera.

15 Zewzględunaograniczonąobjętośćartykułudanezostałyzamieszczonewzałączniku2dostępnym na stronie internetowej http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalaczniki.pdf.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO60

portową i telekomunikacyjną),bezpośredniąpomoc sektorowiprzedsiębiorstwBPSP(wsparcieinwestycjifirm)orazrozwójzasobówludzkichRZL(m.in.środ-kinaszkolenia,kursyitp.)–pozwalastwierdzić,żeipodtymwzględempro-gnozypłatnościunijnychodznaczająsięrelatywniewysokimiodchyleniamiodrzeczywistychwartościtransferówfinansowych,którezasiliłygospodarkiregio-nalnewlatach2008–2012.Jesttoszczególniezauważalnewprzypadkuprognozzarównoz roku2008, jak i 2009/2010, gdzieprzykładowo średnie regionalnewartośćbłędówprognozypłatnościzrealizowanychw2009r.kształtowałysięnapoziomieodpowiednio:14,6i14,7punktuprocentowegodlaIP;5,9i8,5punktuprocentowegodlaRZLoraz12,2i8,2punktuprocentowegodlaBPSP.Podobniejakwprzypadkuwartościśrodkówfinansowych,błędyprognozwzakresiestruk-turyekonomicznejwykazywałydużąrozbieżnośćmiędzyposzczególnymiwoje-wództwami(od–27,5punktuprocentowegowedługprognozyz2009/2010r.dlapłatnościwzakresieIPwwojewództwiewielkopolskimw2009r.do21punktówprocentowychwwojewództwielubuskim).

Zmienność rocznych prognoz płatności w ramach NPR/NSRO

Mającnauwadzewnioskisformułowanewpoprzedniejczęściartykułu,do-tyczącetrafnościprognoztransferówfinansowychwramachpolitykispójnościUEwlatach2008,2009,2010,2011i2012,wartotakżeprzyjrzećsięszacunkomwydatkówwokresie2013–201516,którezwiązanesąz implementacjąNSRO.Zebranedanepozwalająnaporównanieprognozwydatkowaniaśrodkówwla-tach2008,2009,2010,2011i2012.Badaniezostałoprzeprowadzonepodkątemocenyzmiennościprognoz,poprzezzestawienieprocentowychzmianwartościpłatnościdla lat2013–2015,prezentowanychwewspomnianychwyżej latach.Wykorzystanonastępującywzór:

Procentowazmianaprognozyzrokui wstosunkudoprognozyzroku j= 100%

i jp p

jp

X XX−

⋅ ,

gdzie: ipX – prognozazrokui,

jpX – prognozazrokuj.

Wynikianalizyzostałyzaprezentowanewtabeli2.

Wartodostrzec,żewewszystkichprognozachdokonanychdo2011r.aktu-alizacjaprojekcjiwydatkóww ramachNSROna lata2013–2015następowałapoprzezzmniejszenielubzwiększeniewartościpoprzednichprojekcjiotensamprocentdlawszystkichwojewództw.Przykładowodla2013r.prognozywydat-kówdlawszystkichregionówzaprezentowanew2009/2010r.powstałypoprzezpomniejszeniepredykcjiudostępnionychw2008r.o9,7%,natomiastdlaokre-su2014–2015wspomnianewielkościzostałypowiększoneodpowiednioo28,6i56,8%.Odzwierciedlatowsposóbtransparentnywysokązmiennośćszacunków

16 Płatnościw2015r.sąwynikiemzasadyn+2dotyczącejwykorzystaniafunduszydodwóchlatodkońcaperspektywyfinansowejUE.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 61Ta

b. 2

. Mec

hani

zm a

ktua

lizac

ji pr

ogno

z pł

atno

ści w

ram

ach

NP

R/N

SR

O (ś

rodk

i UE

+ k

rajo

we

wsp

ółfin

anso

wan

ie p

ublic

zne)

dla

lat 2

013–

2015

Woj

ewód

ztw

o

% z

mia

na p

rogn

oz

wyz

nacz

onyc

h w

201

3 r.

w s

tosu

nku

do p

rogn

oz z

201

2 r.

% z

mia

na p

rogn

oz

wyz

nacz

onyc

h w

201

2 r.

w s

tosu

nku

do p

rogn

oz z

201

1 r.

% z

mia

na p

rogn

oz

wyz

nacz

onyc

h w

201

1 r.

w s

tosu

nku

do p

rogn

oz

z 20

09/2

010

r.

% z

mia

na p

rogn

oz

wyz

nacz

onyc

h w

200

9/20

10 r.

w s

tosu

nku

do p

rogn

oz z

200

8 r.

2013

2014

2015

2013

2014

2015

2013

2014

2015

2013

2014

2015

Dol

nośl

ąski

e41

,7–7

,8–6

,0–3

9,6

–40,

2–3

0,2

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Kuj

awsk

o-

-pom

orsk

ie25

,2–1

8,6

–17,

0–3

1,9

–32,

6–2

1,3

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Lube

lski

e38

,3–1

0,1

–8,3

–23,

4–2

4,2

–11,

5–1

,9–1

,9–1

,9–9

,728

,656

,8

Lubu

skie

32,8

–13,

6–1

1,9

–34,

2–3

4,9

–24,

1–1

,9–1

,9–1

,9–9

,728

,656

,8

Łódz

kie

63,6

6,4

8,5

–25,

6–2

6,3

–14,

0–1

,9–1

,9–1

,9–9

,728

,656

,8

Mał

opol

skie

20,7

–21,

5–2

0,0

4,2

3,1

20,4

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Maz

owie

ckie

31,2

–14,

7–1

3,0

3,6

2,5

19,6

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Opo

lski

e53

,4–0

,31,

78,

67,

525

,4–1

,9–1

,9–1

,9–9

,728

,656

,8

Pod

karp

acki

e21

,9–2

0,7

–19,

224

,623

,343

,9–1

,9–1

,9–1

,9–9

,728

,656

,8

Pod

lask

ie30

,7–1

5,0

–13,

3–3

0,5

–31,

2–1

9,8

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Pom

orsk

ie48

,7–3

,3–1

,4–4

,2–5

,210

,6–1

,9–1

,9–1

,9–9

,728

,656

,8

Ślą

skie

10,9

–27,

9–2

6,5

5,9

4,8

22,3

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Św

ięto

krzy

skie

27,6

–17,

0–1

5,4

–4,3

–5,3

10,5

–1,9

–1,9

–1,9

–9,7

28,6

56,8

War

miń

sko-

-m

azur

skie

36,5

–11,

3–9

,52,

31,

218

,1–1

,9–1

,9–1

,9–9

,728

,656

,8

Wie

lkop

olsk

ie29

,2–1

6,0

–14,

3–1

1,3

–12,

22,

4–1

,9–1

,9–1

,9–9

,728

,656

,8

Zach

odni

o-po

mor

skie

31,6

–14,

4–1

2,8

–23,

1–2

3,9

–11,

2–1

,9–1

,9–1

,9–9

,728

,656

,8

Pols

ka31

,2–1

4,7

–13,

1–9

,8–1

0,7

4,2

–1,9

–1,9

–1,9

–9,7

28,6

56,8

Źród

ło: o

prac

owan

ie w

łasn

e na

pod

staw

ie d

anyc

h M

RR

z la

t 200

8, 2

009/

2010

, 201

1, 2

012

i 201

3.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO62

wciąguroku.Dopierowprzypadkuprognozpłatnościudostępnionychw2012i 2013 r.można zaobserwować zmianywmechanizmie aktualizacji predykcjizasadzającesięnaodrębnympodejściudokażdegowojewództwa.Rezultatemodejściaodwcześniejszejmetodyjestwysokazmiennośćprognozowanychpłat-nościmiędzyprojekcjamiudostępnionymiw2011 i2012r.–sięgającanawet43,9%w przypadkuwojewództwa podkarpackiego.Warto podkreślić, że pro-gnozyzaprezentowanew2013r.takżeodznaczająsiędużymirozbieżnościamiwstosunkudoprojekcjiz2012r.(nawetwysokości63,6%wprzypadkuwoje-wództwałódzkiego).Algorytm aktualizacji prognoz stosowany w latach 2008–2011 był mecha-

niczny, dlatego wyniki uzyskane przy jego użyciu trudno zaakceptować jakowiarygodne prognozy. Brak dywersyfikacji projekcji między poszczególnymiwojewództwaminależyuznaćzazbytuproszczonezałożeniewstosunkudorze-czywistości.WprzyszłościdoprognozowaniatransferówunijnychpowinnosięwykorzystywaćhistorycznedaneowydatkowaniufunduszywposzczególnychregionachiwcałejPolsce.Obecnie,w11.rokurealizacjipolitykispójności,danete stanowią bogate źródło informacji o profilachwydatków, ich cykliczności,strukturze,typachrealizowanychprojektów,procedurachwdrażaniairozliczaniafunduszy17.Wceluzminimalizowaniabłędówprognozmożnawykorzystaćfor-malnemetodyprobabilistyczneszeregówczasowych(lubinnemetodyprogno-zowania)(zob.Box,Jenkins1983)dokorekcjiwynikającejzbieżącegotempawydatkowaniatychśrodkówwposzczególnychregionach.

59,5 57,4

24,017,8

16,5 24,8

0102030405060708090

100

wg danych z roku 2008 wg danych z lat 2009–2013

BPSP

RZL

IP

Ryc. 2. Porównanie prognoz struktury wydatkowania środków w ramach NPR/NSRO na lata 2013–2015 według danych MRR z lat 2008, 2009/2010, 2011, 2012, 2013 (%)

Źródło: opracowanie własne na podstawie danych MRR z lat 2008, 2009/2010, 2011, 2012 i 2013.

Odmienniekształtujesięsytuacjawzakresieprognozstrukturyekonomicznejpłatności realizowanychwramachpolityki spójnościUE(rycina2).Mamy tudoczynieniazeswoistąpetryfikacjąpodziałufunduszynatrzykategorieekono-miczne(57,4%IP,24,8%BPSPoraz17,8%RZL).Brakzróżnicowaniawspo-mnianychprognoznapoziomie regionalnymstanowikolejnyczynnikmogącyzniekształcać rezultaty badań przeprowadzonych przy zastosowaniu modeli

17 Szczegółowemonitorowaniepostępuwdrażaniapolitykispójnościicyklicznasprawozdaw-czośćsąwymogiemKomisjiEuropejskiejnałożonymnawszystkiepaństwaczłonkowskieUE.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 63

makroekonomicznych,aczkolwieknależyzauważyć,żesameproporcjewydat-ków (z dominującą roląwydatków na IP) są zgodne z danymi historycznymiistrukturąalokacjiśrodkówfinansowychnaposzczególneprogramyoperacyjnewramachNSRO.

Trafność i zmienność prognoz płatności w ramach NPR/NSRO a wyniki analizy kontrfaktualnej

Wceluokreślenia,wjakimstopniujakośćwynikówanalizywpływupolity-kispójnościnagospodarkiregionalnedeterminowanajestprzezjakośćprognoztransferów w ramach NPR/NSRO, przeprowadzono symulacje makroekono-miczneprzyużyciu16regionalnychmodeliHERMIN.Modeleopierałysięna identycznymzakresieczasowymbazydanychstaty-

stycznych (1999–2009).Tymsamymkalibracjaparametrów ich równańbeha-wioralnych została przeprowadzona przy uwzględnieniu szeregów czasowychotejsamejdługości.Ponadtodlawszystkich16modeliprzyjętotesamezało-żeniacodokształtowaniasięsytuacjiwotoczeniuregionalnym(wPolsceinaświecie)18.Miałotonacelustworzenieodpowiedniejpodstawydoanalizykom-paratywnejuzyskanychrezultatów.Dlakażdegowojewództwaprzeprowadzonopięćodrębnychsymulacjiwyko-

rzystującychdaneo transferachw ramachNPR/NSROudostępnionew latach2008,2009/2010,2011,2012i2013.Miałotonaceluokreślenieskalizróżnico-waniawynikówwpływupolitykispójnościnarozwójregionalnywzależnościodwykorzystywanychdanych.Przezwspomnianywpływ rozumie się różnicę(w ujęciu absolutnym lub relatywnym) między wartością danego indykatoramakroekonomicznegow scenariuszu rozwojuwojewództwa uwzględniającymtransferyfinansowewramachNPR/NSROihipotetycznymscenariuszupomi-jającymoddziaływanietychśrodkównagospodarkiregionalne.Zewzględunaograniczenia objętościowe artykułu skupiono się na podstawowymwskaźnikuwykorzystywanymwanaliziemakroekonomicznejdoocenypoziomurozwoju,jakimjestPKBper capita.

Zmiany całkowitej alokacji transferów unijnych a skumulowany wpływ na PKB

Analizaporównawczadanychzawartychwtabeli3pozwalastwierdzić,żenaj-większeróżnicemiędzyskumulowanym(2004–2020)wpływempolitykispójno-ścinaPKBoszacowanymnapodstawiedanychz2013i2008r.dotycząwoje-wództw:kujawsko-pomorskiego(–16,019punktówprocentowych,prawie–40%

18 Głównezałożenia:kursEUR/PLNnapoziomie4,0rocznie;realnadynamikawzrostuPKBwUE-27napoziomie2%rocznie,deflatorspożyciaprywatnegonapoziomie2,5%rocznie(Ku-dełkoetal.2011).

19 WartośćtapowstałapoprzezodjęciewielkościwpływupolitykispójnościnaPKBwoje-wództwaoszacowanejnapodstawiedanychz2008r.odanalogicznejwielkościoszacowanejnapodstawiedanychz2013r.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO64

wodniesieniudowartościz2013r.–codomodułunajwyższawartośćwujęciuwzględnym);podkarpackiego(14,5punktuprocentowego,ok.18%);dolnoślą-skiego(–14,4punktuprocentowego,ok.–35%);podlaskiego(–14,1punktupro-centowego,prawie–30%);lubuskiego(–10,0punktówprocentowych,ok.–14%)i opolskiego (10,0 punktów procentowych, ok. 21%).Tak wysokie różnicewoszacowanychwartościachwpływusąwdużejmierzeefektemzmianzakłada-nychalokacjiśrodkówfinansowychwramachpolitykispójności.Współczynnikkorelacjimiędzy różnicamiw skumulowanymwpływie funduszy unijnych naPKBoraz różnicamiwprognozowanychalokacjach tychśrodków jestwysoki(R=0,98,liczbaobserwacjin=16),cowydajesiępotwierdzaćistotneoddzia-ływanieprognoztransferówfinansowychnafinalnerezultatybadańewaluacyj-nych.Ponadto,odnoszącdlakażdegoregionuróżnicemiędzycałkowitąalokacją

Tab. 3. Różnice między skumulowanymi (2004–2020) wynikami wpływu* NPR/NSRO na regionalny PKB w cenach stałych oszacowanymi przy zastosowaniu modeli HERMIN. Zaprezentowane wartości są wynikiem odjęcia od wyników symulacji przeprowadzonych na podstawie najbardziej aktualnych danych o płatnościach unijnych z 2013 r. (prezentowanych w kolumnie 2) oraz rezultatów symulacji bazujących na danych z lat 2008–2012 (punkty procentowe)

WojewództwoWyniki symulacji Różnice

2013 2008 2009/2010 2011 2012

Dolnośląskie 41,1 –14,4 –11,4 –7,1 2,3

Kujawsko-pomorskie 41,0 –16,0 –13,3 –9,9 –1,4

Lubelskie 48,0 –8,2 –5,3 –3,0 2,5

Lubuskie 71,6 –10,0 –9,3 –13,2 1,4

Łódzkie 53,4 –0,3 2,3 4,9 9,1

Małopolskie 42,2 –0,5 0,9 1,5 –2,9

Mazowieckie 51,1 5,3 6,7 4,2 0,2

Opolskie 47,1 10,0 11,1 9,4 5,8

Podkarpackie 81,7 14,5 17,0 15,3 –4,1

Podlaskie 48,4 –14,1 –12,1 –9,6 0,0

Pomorskie 67,0 6,1 7,9 8,3 6,6

Śląskie 55,2 –2,6 –0,7 –1,2 –6,7

Świętokrzyskie 75,8 –1,6 1,0 0,9 –1,1

Warmińsko-mazurskie 78,2 7,6 11,5 10,5 3,5

Wielkopolskie 42,8 –3,0 –1,3 –0,4 –0,3

Zachodniopomorskie 48,1 –2,2 –1,0 –3,3 0,3

Źródło: opracowanie własne na podstawie danych MRR z lat 2008, 2009/2010, 2011, 2012 i 2013.

* Wykorzystano relatywne wartości wpływu NPR/NSRO na PKB w cenach stałych wskazujące, o ile procentowa wartość tego indykatora jest wyższa/niższa w porównaniu z hipotetyczną sytuacją, gdyby polityka spójności nie była realizowana.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 65

prognozowanąw2013i2008r.dojegoPKB20(wceluuwzględnieniawielkościekonomicznej województwa), można zauważyć, że najwyższymi wartościamipodtymwzględemodznaczająsięwojewództwa:podlaskie(–9,7%),podkarpac-kie(9,1%),kujawsko-pomorskie(8,1%),warmińsko-mazurskie(7,1%),opolskie(7,0%), dolnośląskie (–6,5%) i lubuskie (–6,1%), awięc regiony, dla którychwspomnianeróżnicewskumulowanychwpływachpolitykispójnościsąnajwyż-sze.Należyzauważyć,żedlawiększościregionówróżnicemiędzyskumulowa-nym(2004–2020)wpływempolitykispójnościnaPKBoszacowanymnapodsta-wiedanychz2013i2012r.sąjużznaczącomniejsze.Wprzypadkuwojewództwłódzkiegoiśląskiegoodnotowanerozbieżnościwwynikachsymulacjiwynosząodpowiednio 9,1 punktu procentowego (ok. 17% w odniesieniu do wartościz2013r.)i6,7punktuprocentowego(ok.12%),comożnauznaćzastosunkowoistotnezmiany.Trzebapodkreślić,żewyraźnezmianywzakresiealokacjifundu-szyunijnychwukładzieregionalnymmogąstanowićde factoozmianiespecyfikipolitykispójności,cozkoleiznajdujeodzwierciedleniewrezultatachsymulacjimakroekonomicznych.Dobrąegzemplifikacjąpowyższejtezyjestwojewództwopodlaskie–jedenznajbiedniejszychregionówPolskiiUE–gdzieograniczeniealokacjiwramachNPR/NSROprzyczyniłosiędozmniejszeniawpływupolitykispójnościnadynamikęrozwojutegowojewództwaitymsamymnaprocesykon-wergencyjnemiędzynimaśredniąunijnąiPolskijakocałości.

Trafności i zmienność prognoz transferów unijnych a wpływ na PKB w poszczególnych latach

Na podstawie przeprowadzonych symulacji21 można stwierdzić, że różnicemiędzywartościamiwpływupolityki spójnościnaPKBwposzczególnych la-tach, oszacowanymina podstawie danych z lat 2008, 2009/2010, 2011, 2012,a analogicznymi wartościami oszacowanymi na podstawie danych z 2013 r.sięgająwujęciubezwzględnymnawet3,69punktuprocentowego(2013r.wo-jewództwo podkarpackie).W przypadkuwojewództw podkarpackiego, podla-skiego,lubuskiegoiopolskiegowspomnianerozbieżnościsąnajwyższe.Zkoleitakieregionyjakwielkopolskieimałopolskiecharakteryzująsięrelatywnienie-wielkimiróżnicamimiędzyrocznymiwartościamiwpływuoszacowanymiprzyzastosowaniuprognoztransferówzróżnychlat.Wujęciuwzględnym22rozbież-nościosiągająpoziomnawet88%(2009r.województwozachodniopomorskie).Największerozbieżnościmożnazaobserwowaćwprzypadkuwojewództw:opol-skiego(średnio26%23),podkarpackiego(średnio21%),kujawsko-pomorskiego(średnio20%)idolnośląskiego(średnio18%).Zkoleinajmniejszymiróżnicami

20 WtymprzypadkuPKBz2007r.–pierwszegorokurealizacjiNSRO.21 Wynikisymulacjizostałyzamieszczonewzałączniku3,dostępnymnastronieinterneto-

wej:http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalacznik.pdf.22 Doobliczeńwykorzystanyzostałwzórpodanywpodrozdziale„Zmiennośćcałkowitejalo-

kacjiśrodkówfinansowychwramachNPR/NSRO”niniejszegoartykułu,s.57.23 Wartośćpowstaławwynikuobliczeniaśredniejbezwzględnychróżniczlat2008–2020dla

danychzlat2008,2009/2010,2011,2012.

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO66

charakteryzująsiętakieregiony,jak:świętokrzyskie(średnio6%),wielkopolskie(średnio7%),śląskie(średnio8%)orazmałopolskie(średnio8%).2008 tode factopierwszyrok,wktórympojawiłysiępłatności.Powstałerozbieżnościmoż-natuprzypisaćbrakowimożliwościwłaściwegorozpoznaniapotencjałuabsorp-cyjnegoregionów.Wprzypadkupóźniejszychlatwspomnianetłumaczenietracinaznaczeniu,mimotoanalizowaneróżnicemiędzywynikamiwpływupozostająznaczące(szczególniewyróżniasiętuwojewództwołódzkie,wprzypadkuktó-regoróżnicemiędzywynikamiotrzymanymiw2013i2012r.sięgająod0,32do2,13punktuprocentowego,podczasgdywewcześniejszychlatachnieprzekra-czały1,65punktuprocentowego).

Podsumowanie

Analizakontrfaktualnaopartanamodelowaniumakroekonomicznymstano-wiważnyelementbadańewaluacyjnychpolitykispójnościpozwalającyuchwy-cić i skwantyfikowaćnie tylkobezpośrednie efekty tej polityki, lecz także jejszersze, bardziej globalne oddziaływanie na procesy społeczno-gospodarcze.Przedewszystkimzaśmodelowaniemakroekonomiczneprzeprowadzonewspo-sóbzgodnyzkanonamibadańnaukowychpozwalasformułowaćwielecennychwnioskówdotyczącychwpływudanejinterwencjifinansowejnazależnościmię-dzywskaźnikamimakroekonomicznymi. Jakw przypadkuwszystkichmodeliekonomicznych uzyskiwane rezultaty powinny być interpretowane przez pry-zmatwarunkującychjezałożeń.Należypodkreślić,żewynikioddziaływaniapolitykispójnościnarozwójre-

gionalnydeterminowanesąprzeztakieczynniki,jak:skalaistrukturapłatnościw ramach tej polityki; rodzaj narzędzia badawczego (model makroekonome-tryczny, równowagiogólnej,Input-Outputetc.);charakterscenariuszarozwojuspołeczno-gospodarczego (kryzys versus prosperity); aktualizacja dostępnychdanych.Celemniniejszegoartykułubyłozaprezentowanie,jakiwpływnawyni-kisymulacjimakroekonomicznychprzeprowadzonychprzyzastosowaniuregio-nalnychmodeliHERMINwywierajązmianywprognozachpłatnościwramachNPR i NSRO udostępniane przezMinisterstwoRozwoju Regionalnegow la-tach2008–2013.Nakanwiezrealizowanegobadaniasformułowanonastępującewnioski:• OiledlaPolskijakocałościróżnicemiędzycałkowitymialokacjamifunduszyunijnychwedługdanychudostępnianychw latach2008–2013 są relatywnieniewielkie,otylenapoziomiewieluregionówsąonejużwysokie,sięgającaż32%wprzypadkuwojewództwaopolskiego.Nawetwciągurokumiędzyprze-kazaniemwspominanych danychwystępują znaczące zmiany. PrzykładowoalokacjaśrodkówfinansowychwramachNPR/NSROprzeznaczonychnawo-jewództwołódzkiewedługdanychz2013r.mabyćoponad19%większaniżsumatychśrodkówwedługdanychz2012r.Ponadtonależyzwrócićuwagęnawydatneograniczeniealokacjifunduszydlawojewództwpodlaskiegoilu-belskiego.Mającnauwadzefakt,żesątojedneznajbiedniejszychregionówPolski iUE, takiemodyfikacjeregionalnegorozkładuśrodkówfinansowych

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 67

mogązastanawiać–wszczególnościjeżeliweźmiesiępoduwagęgłównycelpolityki spójnościw latach2004–2013, jakim jestkonwergencja społeczno--gospodarcza.

• Należy zauważyć, że prognozy regionalnych rocznych płatności w ramachNPR/NSRObyłygeneralnienietrafne(ok.70%znichcharakteryzowałosiębłędem prognozy przekraczającym 10%). Wielkość odchyleń płatności odstanurzeczywistegobyłajednakżebardzozróżnicowana(odbliskichzerado229%).

• Algorytmaktualizacjiprognozstosowanywlatach2009–2011byłczystome-chaniczny(zmniejszenielubzwiększeniewartościpoprzednichprojekcjiotensamprocentdlawszystkichwojewództw).Dopierowprzypadkuprognozpłat-nościopracowanychw2012 i2013 r.możnazaobserwowaćzmianywme-chanizmie aktualizacji predykcji zasadzające się na odrębnympodejściu dokażdegowojewództwa.Całyczasjednakwystępujądużeróżnicemiędzypro-gnozamiudostępnionymiw2012i2013r.(nawetwysokości63,6%wprzy-padkuwojewództwałódzkiego).

• Wprzypadkuprognozdotyczącychstrukturypłatnościwramachpolitykispój-nościzauważalnyjestbrakichtrafnościdlalat2008–2012.Ponadtoprognozypodziałufunduszynakategorieekonomicznedlalat2013–2015sąidentycznedlawszystkichwojewództw.Brakzróżnicowaniawspomnianychprognoznapoziomieregionalnymstanowikolejnyczynnikmogącyzniekształcaćrezulta-tybadańzrealizowanychprzyzastosowaniumodelimakroekonomicznych.

• PrzeprowadzoneprzyużyciumodeliHERMINsymulacjewskazują, żenaj-większe różnicemiędzy skumulowanym (dla okresu 2004–2020) procento-wymwpływempolitykispójnościnaPKBoszacowanymnapodstawiedanycho transferachunijnychz2013 i2008r.dotycząwojewództw:kujawsko-po-morskiego (–16,0 punktów procentowych, prawie –40% w odniesieniu dowartościz2013r.–najwyższawartośćwujęciuwzględnym);podkarpackiego(14,5punktuprocentowego,ok.18%);dolnośląskiego(–14,4punktuprocen-towego,ok.–35%);podlaskiego(–14,1punktuprocentowego,ok.–30%);lu-buskiego(–10,0punktówprocentowych,ok.–14%)iopolskiego(10,0punk-tówprocentowych,ok.21%).

• RóżnicemiędzywartościamiwpływupolitykispójnościnaPKBwposzcze-gólnych latach,oszacowanyminapodstawiedanychz lat2008,2009/2010,2011 i2012, a analogicznymiwartościamioszacowanyminapodstawieda-nychz2013r.sięgająwujęciubezwzględnymnawet3,69punktuprocentowe-go(2013r.województwopodkarpackie).Wujęciuwzględnymrozbieżnościosiągająpoziomnawet88%(2009r.województwozachodniopomorskie).

• Wysokie różnice w oszacowanych wartościach wpływu są ceteris paribus efektemzmianzakładanychalokacjiśrodkówfinansowychwramachpolitykispójności,gdyżwszystkiesymulacjezostałyprzeprowadzoneprzyidentycz-nychzałożeniachokształtowaniusięprocesówgospodarczych.WspółczynnikkorelacjimiędzyróżnicamiwskumulowanymwpływiefunduszyunijnychnaPKBorazróżnicamiwprognozowanychalokacjachtychśrodkówjestwysoki(R=0,98).Zróżnicowanacharakterystyka regionów–m.in. podwzględem

JANUSZZALESKI,ZBIGNIEWMOGIŁA,JOANNAKUDEŁKO68

siły keynesowskiego mechanizmu mnożnikowego czy skali efektów poda-żowych–powoduje,żezmianywalokacjiśrodkówfinansowychoddziałujązróżnąintensywnościąwposzczególnychregionach.

• Niniejszytekstpokazuje,żeprognozowaniewydatkówUEdlakolejnejper-spektywyfinansowejpowinnobazowaćnawykorzystaniuhistorycznychda-nychowydatkowaniufunduszyorazzastosowaniumetodprobabilistycznych.Zapewnieniewysokiejjakościprognozpłatnościjesttymbardziejistotne,żemetody kontrfaktualne stanowić będą jedną z podstawowychmetod ewalu-acyjnychwokresieprogramowania2014–2020.Abywynikibadańtegotypubyływiarygodne, stabilne i przydatnedladecydentówwprzyszłejperspek-tywiefinansowej,należyjużodsamegopoczątkuwypracować(iprzezcałyokres udoskonalać) techniki prognozowania minimalizujące błędy prognozpłatnościzUE.

Literatura

BarcaF.,2009,An Agenda for a Reformed Cohesion Policy. A place-based approach to meeting European Union challenges and expectations. Independent Report prepared attherequestofDanutaHübner,CommissionerforRegionalPolicy.

BoxG., JenkinsG., 1983,Analiza szeregów czasowych. Prognozowanie i sterowanie, Warszawa:PaństwoweWydawnictwoNaukowe.

BradleyJ.,UntiedtG.,2010,The COHESION system of HERMIN country and regional models: Description and operating manual,Version3,Muenster:GEFRA,EMDS.

BradleyJ.,UntiedtG.,ZaleskiJ.,2009,The Economic Return of Cohesion Expenditure for Member States.DirectorateGeneral for Internal PoliciesPolicyDepartmentB:StructuralandCohesionPolicies,Brussels:TheEuropeanParliament’sCommitteeonRegionalDevelopment.

BradleyJ.,ZaleskiJ.,2003,„ModellingEUaccessionandstructuralfundimpactsus-ing thenewPolishHERMINmodel”,w:W.Welfe (red.),Modelling Economies in Transition,Proceedingsofthe7thConferenceoftheInternationalAssociation,Łódź:AMFET.

HuberP.J.,1996,Robust statistical procedures,Proc.CBMS–NSFRegionalConferenceSeriesinAppliedMathematics,Philadelphia:SIAM.

Investing in Europe’s future, Fifth report on economic, social and territorial cohesion, 2010,Brussel:EuropeanCommission.

Mogiła,Z.,TomaszewskiP.,Zaleski J., 2010, „EffectsofEUCohesionPolicyon so-cial andeconomicdisparitiesbetweenPolandandSlovakia–comparativeanalysisbased on the macroeconomic HERMIN models”, Regional Disparities in Central and Eastern Europe. Theoretical Models and Empirical Analyses, Bratislava: TheInstituteofEconomicResearchoftheSlovakAcademyofSciences,ProceedingsoftheConference,Smolenice.

Mogiła Z., Zaleski J., 2010, „Jakość informacji przekazywanych przez administracjępubliczną i ich znaczeniedlaprocesu ewaluacjiwpływupolityki spójności na roz-wójspołeczno-gospodarczykraju”,Zarządzanie Publiczne,nr2,s.31–46,Kraków:MSzAP.

JAKOŚĆPROGNOZPŁATNOŚCIWRAMACHNPR/NSRO… 69

The New Programming Period 2000–2006: Methodological working papers. Working paper 2. The ex ante evaluation of the Structural Funds interventions,2006,EuropeanCommission,Directorate-GeneralXVIRegionalPolicyandCohesion.

The New Programming Period 2007–2013. Indicative guidelines on evaluation me-thods: ex ante evaluation. Working document no. 1, 2006, European Commission,Directorate-GeneralRegionalPolicy.

TreyzF.,TreyzG.,2003,„EvaluatingtheregionaleconomiceffectsofStructuralFundsprogramsusingtheREMIPolicyInsightModel”,referatnaVEuropejskąKonferencjęo Ewaluacji Funduszy Strukturalnych pt. Challenges for evaluation in an enlargedEurope,Budapest,26–27.06.

VargaJ.,in’tVeldJ.,2008,„Macro-EconomicImpactAssessmentofEUCohesionpolicywith theQUESTModel”, BICEPS conference (Stockholm School of Economics),Riga,29.05.

Zalecenia w zakresie ewaluacji ex-ante programów operacyjnych na lata 2014–2020, 2012,Warszawa:DepartamentKoordynacjiPolitykiStrukturalnej.

ZaleskiJ.,KorfT.,KudełkoJ.,MogiłaZ.,PoprochA.,ZaleskaM.,2013,Ocena wpływu realizacji polityki spójności na kształtowanie się wybranych wskaźników makroekono-micznych na poziomie krajowym i regionalnym za pomocą modeli makroekonomicz-nych HERMIN. Raport 1,Wrocław:WARR.

Zaleski J., Kudełko J., Mogiła Z., Poproch A., Tomaszewski P., Zaleska M., 2012,Prognoza trendów rozwojowych województwa warmińsko-mazurskiego. Raport 2, Wrocław:WARR.

ZaleskiJ.,Wojtasiak-TerechA.,TomaszewskiP.,ZembatyM.,2008,Wpływ realizacji inwestycji finansowanych z funduszy unijnych na kształtowanie się głównych wskaźni-ków dokumentów strategicznych – Narodowego Planu Rozwoju i Narodowej Strategii Spójności oraz innych wybranych wskaźników makroekonomicznych na poziomie kra-jowym i regionalnym za pomocą modelu krajowego i modeli regionalnych HERMIN, Warszawa:MinisterstwoRozwojuRegionalnego.DepartamentKoordynacjiPolitykiStrukturalnej.

Źródła danych finansowych wykorzystanych w artykule:1. Danezroku2008:przekazaneprzezMRRdrogąelektronicznąwdniu2.04.2008r.,

wykorzystanewbadaniu(Zaleskietal. 2008).2. Danezroku2009:przekazaneprzezMRRdrogąelektronicznąwdniu20.01.2010r.3. Danezroku2010:przekazaneprzezMRRdrogąpocztowąwdniu2.06.2010r.4. Danezroku2011:przekazaneprzezMRRdrogąpocztowąwdniu8.04.2011r.5. Danezroku2012:przekazaneprzezMRRdrogąelektronicznąwdniu25.09.2012r.6. Danezroku2013:przekazaneprzezMRRdrogąelektronicznąwdniu13.03.2013r.,

wykorzystanewbadaniu(Zaleskietal.2013).

Strony internetowe:http://www.studreg.uw.edu.pl/pdf/2014_4_zaleski_mogila_zalaczniki.pdf.