KLASTROVÁ ANALÝZA EKONOMÍK ČLENSKÝCH ŠTÁTOV EÚ PODĽA VYBRANÝCH EKONOMICKÝCH UKAZOVATEĽOV Jana Drutarovská Fakulta medzinárodných vzťahov, Ekonomická u

Prepis

1 KLASTROVÁ ANALÝZA EKONOMÍK ČLENSKÝCH ŠTÁTOV EÚ PODĽA VYBRANÝCH EKONOMICKÝCH UKAZOVATEĽOV Jana Drutarovská Fakulta medzinárodných vzťahov, Ekonomická univerzita v Bratislave, Dolnozemská cesta 1/b, Bratislava, Slovenská republika, jana.drutarovska@euba.sk Predkladaný článok sa venuje porovnaniu ekonomického vývoja 28 členských štátov Európskej únie v predkrízovom období, v období krízy a v súčasnosti. Cieľom príspevku je metódou klastrovej analýzy rozdeliť členské štáty do zoskupení podľa podobného vývoja vybraných ekonomických ukazovateľov a následne porovnať vzniknuté zoskupenia. Výsledkom výskumu je formulácia trendov vývoja ekonomík v sledovaných obdobiach. 1 Kľúčové slová: klastrová analýza, ekonomiky členských štátov, Európska únia The article is devoted to comparison of economic development of 28 EU Member States in the pre-crisis period, during the crisis and at present. The aim of the paper is to divide EU Member States into groups by similar development of selected economic indicators using the method of cluster analysis and subsenquently to compare them. The result of the research is a formulation of development trends of EU economies in examined periods. Key words: cluster analysis, economies of Member States, European Union JEL: C38 1 Úvod V súčasnosti sa ekonomiky jednotlivých 28 členských štátov Európskej únie 2 vyvíjajú rôzne, pričom môžeme tvrdiť, že v niektorých krajinách zaznamenávame podobný ekonomický vývoj. Podobnosť ekonomického vývoja jednotlivých členských štátov EÚ a zároveň odlišnosť vývoja medzi skupinami je hlavným motívom využitia klastrovej analýzy v predkladanom článku a následného zhodnotenia vývoja vo vytvorených skupinách štátov. Ekonomiky členských štátov EÚ boli v poslednej dekáde vystavené silným vplyvom európskej dlhovej krízy, ktorá bola prehĺbená globálnou krízou a celosvetovou recesiou. Hlavným cieľom príspevku je porovnať klastrovou analýzou vytvorené skupiny ekonomík členských štátov podľa vybraných ekonomických ukazovateľov v predkrízovom období, 1 Tento výskum bol podporený grantovou agentúrou Ministerstva školstva, vedy, výskumu a športu Slovenskej repbubliky v rámci grantu KEGA 017EU-4/2015: Tvorba modernej učebnice svetovej ekonomiky s dôrazom na aplikáciu vedomostí v praxi a riešenie problémov. Poďakovanie za technickú pomoc pri vypracovaní článku patrí Mgr. Kataríne Poklembovej. 2 Pre zjednodušenie zápisu členských štátov EÚ budeme v článku používať nasledujúce kódy krajín podľa oficiálneho značenie databázy Eurostat: Belgicko (BG), Bulharsko (BG), Česká republika (CZ), Dánsko (DK), Nemecko (DE), Estónsko (EE), Írsko (IE), Grécko (EL), Španielsko (ES), Francúzsko (FR), Chorvátsko (HR), Taliansko (IT), Cyprus (CY), Lotyšsko (LV), Litva (LT), Luxembursko (LU), Maďarsko (HU), Malta (MT), Holandsko (NL), Rakúsko (AT), Poľsko (PL), Portugalsko (PT), Rumunsko (RO), Slovinsko (SI), Slovensko (SK), Fínsko (FI), Švédsko (SE) a Spojené kráľovstvo (UK). 222

2 v období krízy a v súčasnosti. Základnými predpokladmi výskumu, ktoré budeme overovať metódou klastrovej analýzy sú nasledujúce tvrdenia: A.Ekonomiky členských štátov sa zhlukujú podľa vývoja ekonomických ukazovateľov do rovnakých skupín nezávislé od časového obdobia. B. Ekonomiky členských štátov sa zhlukujú podľa veľkosti ekonomík, ekonomickej vyspelosti a geografickej blízkosti. 2 Metóda výskumu a vybrané ukazovatele Metóda klastrovej (zhlukovej) analýzy predstavuje všeobecný logický postup, pomocou ktorého dokážeme zlúčiť objekty do skupín (klastrov, resp. zhlukov) a to na základe ich podobných a rozdielnych vlastností. Cieľom klastrovej analýzy je vytvorenie klastrov, to znamená takých skupín objektov, ktoré sú si navzájom podobné v rámci skupiny a nepodobné s objektmi z iných skupín. 3 Prvý krát bola táto metóda sformulovaná a použitá na analýzu dát v roku 1939 americkým psychológom Robertom C. Tryonom, ktorý sa zaoberal výskumom dedičných znakov a správania u zvierat. Vo všeobecnosti sa metóda klastrovej analýzy používa v dvoch základných prístupoch hierarchický a nehierarchický model. 4 Pri realizáciu výskumu sme použili hierarchický model klastrovej analýzy, pomocou ktorého sa organizujú analyzované objekty do hierarchického systému zhlukov a to buď formou aglomeratívneho alebo divízneho zhlukovania. 5 Pri analýze ekonomických ukazovateľov členských štátov Európskej únie sme použili divízne hierarchické zhlukovanie pomocou implementácie metódy DIANA v štatistickom programe R. Na ekonomickú charakteristiku 28 členských štátov EÚ 6 sme ako vstupné údaje použili 9 vybraných ekonomických ukazovateľov zo štatistickej databázy Eurostat miera rastu HDP, výška vládneho dlhu, mieru celkovej nezamestnanosti a nezamestnanosti mladých ľudí, mieru inflácie, prílev a odlev priamych zahraničných investícií, výdavky do vedy a výskumu a výšku deficitu štátneho rozpočtu (Tabuľka 1). Obdobia, ktoré sme sa v príspevku rozhodli porovnávať sú roky 2007 (predkrízový rok, pre mnohé ekonomiky EÚ je to rok najväčšieho ekonomického rastu, ekonomiky sa nachádzajú na vrchole v rámci hospodárskeho cyklu), 2009 (obdobie krízy, ekonomiky sa nachádzajú v recesii a vykazujú najhoršie výsledky v rámci hodnôt a vývoja ekonomických ukazovateľov) a 2013 (rok, ktorý predstavuje súčasné obdobie nakoľko databáza Eurostat neposkytuje kompletné informácie u všetkých ukazovateľov za rok 2014). Na základe predpokladu, ktorý sme si stanovili na začiatku výskumu pred implementáciou metódy môžeme rozdeliť členské štáty EÚ intuitívne napríklad do nasledujúcich skupín: 1) podľa regionálnych zoskúpení a geografickej blízkosti: štáty Beneluxu (BE, LU, NL), pobaltské štáty (LV, LT, EE), štáty V4 (SK, HU, PL, CZ), štáty západnej Európy (FR, DE, UK, IE, AT), škandinávske štáty (SE, FI, DK), štáty južnej Európy (EL, PT, ES, IT, HR, SI), ostrovné štáty (CY, MT) a štáty na pobreží Čierneho mora (RO, BG). 3 KRIŠKA, J. (2015): Hierarchická a nehierarchická zhluková analýza. [online]. [Citované ] Dostupné na internete: 4 ZAIANE, O. (1999): Data clustering. [online]. [Citované ] Dostupné na internete: 5 Hierarchické aglomeratívne zhlukovanie predstavuje prístup zdola-nahor, čiže taký postup, kedy na začiatku každý objekt predstavuje jeden zhluk a následne sa tieto zhluky spájajú do väčších celkov. Na druhej strane hierarchické divízne zhlukovanie predstavuje opačný postup zhora-nadol, kedy sa systém zhlukov vytvára postupným delením existujúceho zhluku všetkých objektov. 6 Vo všetkých skúmaných obdobiach sme brali do úvahy všetkých 28 súčasných členov EÚ, aj keď Rumunsko a Bulharsko sa stali členmi v roku 2007 a Chorvátsko v roku 2013 z dôvodu čo najpresnejšej vypovedacej schopnosti pororvnávania medzi obdobiami. 223

3 2) podľa veľkosti, resp. vyspelosti ekonomík: vyspelé štáty (BE, LU, NL, FR, DE, UK, AT, SE, FI, DK), štáty zoskupenia PIIGS 7 (PT, IT, IE, EL, ES), najchudobnejšie štáty (RO, BG, HR) a bývalé tranzitívne ekonomiky (SK, HU, PL, CZ, LV, LT, EE, SI). Tabuľka 1: Vybrané ekonomické ukazovatele použité v klastrovej analýze Ukazovateľ (2007, 2009, 2013) Poznámka Miera rastu HDP Vládny dlh Miera celkovej nezamestnanosti Miera nezamestnanosti mladých ľudí Miera inflácie Prílev priamych zahraničných investícií Odlev priamych zahraničných investícií Výdavky do vedy a výskumu Deficit štátneho rozpočtu Vyjadrený ako percentuálna zmena veľkosti HDP v porovnaní s predošlým rokom. Predstavuje celkový konsolidovaný hrubý dlh ku koncu sledovaného obdobia v konkrétnych kategóriách vládnych záväzkov a je vyjadrený ako percentuálny podiel HDP daného obdobia. V prípade Grécka sme z dôvodu absencie dát v rokoch 2007 a 2009 použili databázu Svetovej banky (2015). Predstavuje percentuálne vyjadrenie počtu nezamestnaných ľudí ako podielu na celkovej pracovnej sily (celkový počet zamestnaných a nezamestnaných osôb). Predstavuje percentuálne vyjadrenie počtu nezamestnaných ľudí mladších ako 25 rokov. Predstavuje harmonizované indexy spotrebiteľských cien, ktoré merajú zmenu cien spotrebného tovaru a služieb v čase. Predstavuje množstvo prílevu priamych zahraničných investícii do krajiny vyjadrené ako podiel HDP. Predstavuje množstvo odlevu (investovaných) priamych zahraničných investícii z krajiny vyjadrené ako podiel HDP. Predstavuje podiel výdavkov investovaných do oblasti vedy a výskumu a je vyjadrený ako percentuálny podiel HDP daného obdobia. Predstavuje rozdiel medzi príjmami a výdavkami sektora verejnej správy a je vyjadrený ako percentuálny podiel HDP daného obdobia. Prameň: Vlastné spracovanie podľa Eurostat Výsledky Na základe divízneho hierarchického zhlukovalia po implementácii metódy DIANA v štatistickom programe R sme dospeli k trom rôznym výsledkom v jednotlivých skúmaných rokoch 2007, 2009 a Členské štáty sa na základe klastrovej analýzy vo vybraných rokoch zaradili do 6, respektíve 7 rôznych klastrov podľa vzniknutých dendrogramov 8 (výstupy analýzy predstavujú Obrázky 1 3). V úvode analýzy výsledkov môžeme konštatovať, že prvý predpoklad o zhlukovaní štátov podľa vývoja ekonomických ukazovateľov do rovnakých skupín nezávislé od časového obdobia, sa nepotvrdil. V jednotlivých skúmaných rokoch boli vytvorené odlišné skupiny krajín, ktorých priemerné hodnoty ukazovateľov v jednotlivých skupinách zobrazujú Tabuľky PIGS je v súčasnosti frekventované pomenovanie a žargónová skratka používaná v ekonómii ako hanlivý termín pre krajiny Portugalsko, Írsko, Grécko a Španielsko, členské krajiny EÚ, ktoré nie sú schopné refinancovať svoj vládny dlh a bola im počas dlhovej krízy poskytnutá záchrana pre zadlžený bankový sektor. Obmenou tejto skratky je PIIGS, kde sa k týmto štátom pripája Taliansko. 8 Dendrogram predstavuje grafický stromový diagram, ktorý sa používa na ilustráciu usporiadania klastrov a je výsledkom metódy hierarchického zhlukovania. Názov pochádza zo spojenia gréckych slov strom (gr. dendro) a kreslenie (gr. gramma). 224

4 V predkrízovom období (2007) boli vytvorené najrovnomernejšie rozdelené klastre, ktoré korešpondovali s druhým predpokladom rozdelenie podľa geografickej blízkosti, respektíve ekonomickej vyspelosti (Obrázok 1). Najvýraznejším klastrom je Klaster 1, ktorý tvoria krajiny Beneluxu (Belgicko, Holandsko a Luxembursko). Výnimočné priemerné hodnoty, ktoré odlišujú tento klaster od ostatných je vysoká miera prílevu a odlevu priamych zahraničných investícií (Tabuľka 2). Klaster 2 je zložený z pobaltských krajín (Litva, Lotyšsko, Estónsko) a z krajín z najmenším HDP per capita z krajín EÚ (Rumunsko a Bulharsko). Klaster 2 definujú viaceré špecifiká z hľadiska priemerných hodnôt v roku 2007 sa vyznačuje najvyšším rastom HDP (Lotyšsko 10 %, Litva 9,8 %, Estónsko 7,3 %, Rumunsko a Bulharsko vyše 6 %), najnižším vládnym dlhom (najnižšie vládne dlhy v rámci EÚ: Estónsko 3,7 % HDP, Lotyšsko 8,4 % HDP), najvyššou infláciou, najnižším odlevom PZI a najnižším výdavkami do vedy a výskumu. Všetky ekonomiky považujeme za bývalé tranzitívne ekonomiky. Obrázok 1: Výsledok klastrovej analýzy členských štátov EÚ v roku 2007 Prameň: Vlastné spracovanie podľa štatistického programu R. Klaster 3 tvorí päť krajín (Česká republika, Slovinsko, Írsko, Cyprus a Dánsko), ktoré môžeme charakterizovať najnižšou celkovou nezamestnanosťou a tiež nezamestnanosťou mladých ľudí v porovnaní s ostatnými vzniknutými klastrami. Klaster 4 je zložený zo šiestich štátov, ktoré predstavujú najväčšie ekonomiky EÚ (Nemecko, Spojené kráľovstvo, Francúzsko, Taliansko, Španielsko, Rakúsko) a sú charakteristické najvyšším priemerným vládnym dlhom (najvyšší dlh zo skupiny malo v roku 2007 Taliansko 99,7 % HDP) a najnižším priemerným prílevom PZI. Klaster 5 predstavuje malý klaster zložený z dvoch škandinávskych krajín (Švédsko a Fínsko), ktoré sa vyznačujú najvyššími výdavkami do vedy a výskumu (nachádzajú sa vysoko nad priemerom členských štátov EÚ), najvyšším prebytkom štátneho rozpočtu a najnižšou mierou inflácie. Klaster 6 je podobne ako predchádzajúci klaster zložený z dvoch krajín (Grécko a Maďarsko), narozdiel od klastra 5 je definovaný najvyšším deficitom štátneho rozpočtu a najnižšou mierou rastu v roku Posledný klaster 7 sa skladá z piatich štátov (Chorvátsko, Poľsko, Portugalsko, Slovensko a Malta) a najvýraznejšou charakteristikou je najvyššia priemerná celková nezamestnanoť a nezamestnanosť mladých ľudí. 225

5 Tabuľka 2: Priemerné hodnoty vybraných ukazovateľov v klastroch (2007) Ukazovateľ/Klaster Rast HDP (%) 4,47 7,96 4,88 2,98 4,30 1,80 5,78 Vládny dlh (% HDP) 45,57 11,46 31,18 61,95 36,10 93,15 48,38 Nezamestnanosť (%) 5,30 5,66 4,52 6,83 6,50 7,90 9,26 Nez. mladých (%) 14,60 12,50 9,52 15,58 17,85 0,40 20,46 Inflácia (%) 2,03 7,02 2,72 2,20 1,65 5,45 2,06 Prílev PZI (% HDP) 138,50 52,10 57,08 33,05 46,85 40,60 61,84 Odlev PZI (% HDP) 139,37 7,08 33,66 39,72 55,35 11,10 10,84 Výdavky VaV (% HDP) 1,73 0,68 1,38 1,83 3,31 0,78 0,69 Deficit ŠR (%) 1,50-0,12 1,54-1,02 4,20-5,90-2,30 Prameň: Vlastné spracovanie podľa vlastných výpočtov z databázy Eurostat (2015). Krízové obdobie (2009) sa prejavilo rozdelením krajín do 7 rôznych klastrov, ktoré sa odlišujú od rozdelenia v predchádzajúcom období. (Obrázok 2). Zvláštnosťou je vytvorenie troch klastrov, ktoré predstavujú len jeden štát. Ide o Írsko, Španielsko a Luxembursko. Tieto jednoprvkové klastre sú charakteristické odlišnými znakmi klaster 2 (Írsko) je definovaný vysokou defláciou a vysokým deficitom štátneho rozpočtu. Klaster 6 (Španielsko) sa od ostatných klastrov vyznačuje najnižším poklesom HDP, najvyššou celkovou nezamestnanosťou a nezamestnanosťou mladých ľudí a tiež najnižším prílevom PZI v roku Luxembursko (klaster 7) si v roku 2009 udržalo najnižší verejný dlh, nízku mieru nezamestnanosti, najvyšší prílev a odlev PZI a tiež najnižší deficit štátneho rozpočtu, čím ho môžeme charakterizovať ako ekonomiku s priaznivým vývojom aj v krízovom roku Klaster 1 sa skladá zo siedmych štátov (Belgicko, Francúzsko, Portugalsko, Spojené kráľovstvo, Taliansko, Slovensko a Grécko) a predstavuje klaster zmiešaný z rôznych ekonomík, ktoré majú ale v roku 2009 veľmi podobný vývoj. Spoločným ukazovateľom tohto klastra je vysoký vládny dlh, ktorého priemerná hodnota predstavuje vyše 87 % (výnimkou v skupine je Slovensko, ktorého vládny dlh v roku 2009 bol 36 %). Najväčším klastrom je klaster 3, ktorý sa skladá z ôsmych štátov (Bulharsko, Česká republika, Cyprus a Malta, Chorvátsko, Maďarsko, Poľsko, Rumunsko) a medzi jeho hlavné príznaky patrí najvyššia priemerná miera inflácie, najnižší odlev PZI a najnižšie výdavky do vedy a výskumu. Klaster 4 sa skladá z najvyspelejších štátov EÚ (výnimku tvorí len Slovinsko) Dánsko, Nemecko, Rakúsko, Slovinsko, Fínsko, Švédsko a Holandsko, ktoré tvoria krajiny s najvyššími príspevkami vlády do vedy a výskumu a s najnižšou mierou nezamestnanosti mladých ľudí. Klaster 5 predstavuje skupinu zloženú z pobaltských štátov a v tomto klastri došlo v roku 2009 k najprudšiemu poklesu HDP v porovnaní s ostatnými klastrami (priemerný pokles HDP predstavoval cca. 15,5 %). 226

6 Obrázok 2: Výsledok klastrovej analýzy členských štátov EÚ v roku 2009 Prameň: Vlastné spracovanie podľa štatistického programu R. Tabuľka 3: Priemerné hodnoty vybraných ukazovateľov v klastroch (2009) Ukazovateľ/Klaster 1 2* * 7* Rast HDP (%) -3,93-6,4-4,18-5,67-15,53 3,8 5,6 Vládny dlh (% HDP) 87,04 62,3 46,18 52,24 24,13 52,7 15,5 Nezamestnanosť (%) 9,24 12,0 7,45 6,53 14,93 17,9 5,1 Nez. mladých (%) 24,07 24,0 19,03 14,84 30,10 37,7 16,5 Inflácia (%) 0,63-1,7 2,61 1,01 2,57-0,2 0,0 Prílev PZI (% HDP) 44, ,46 48,61 53,73 41,9 200,5 Odlev PZI(% HDP) 40,06 126,3 13,95 58,40 14,10 41,5 244 Výdavky VaV (% HDP) 1,40 1,63 0,74 2,73 0,89 1,35 1,72 Deficit ŠR (%) -8,80-13,8-5,65-3,69-6,80-11,0-0,5 Pozn.: Hviezdičkou sú označené klastre, ktoré sa skladajú iba z jedného štátu. Prameň: Vlastné spracovanie podľa vlastných výpočtov z databázy Eurostat (2015). Vývoj ekonomických ukazovateľov v súčasnom, pokrízovovom období (2013) spôsobil v klastrovej analýze rozdelenie členských štátov do 6 klastrov, z ktorých opäť 3 sú jednoprvkové (predstavujú úplne iné zloženie ako v predchádzajúcom období - Slovinsko, Grécko a Malta) a ďalšie 3 predstavujú veľké klastre (Obrázok 3). Zvlášnosťou je klaster 4, ktorý predstavuje Grécko, nakoľko vývoj jeho ukazovateľov predstavuje odklon od všetkých priemerných hodnôt ostatných klastrov a môžeme konštatovať, že jeho vývoj je výrazne nepodobný s ostatnými klastrami. Grécko v súčasnosti predstavuje nezdravú a problematickú ekonomiku EÚ, čo sa v roku 2013 prejavilo najvyšším poklesom HDP, najvyšším vládnym dlhom (Grécko má najvyšší vládny dlh z krajín EÚ 175 % HDP), najvyššou mierou celkovej nezamestnanosti a nezamestnanosti mladých ľudí, defláciou, najnižším prílevom PZI 227

7 do krajiny, minimálnymi výdavkami na vedu a výskum (Grécko je v súčasnosti najmenej konkurencieschopnou krajinou EÚ 9 ). Obrázok 3: Výsledok klastrovej analýzy členských štátov EÚ v roku 2013 Prameň: Vlastné spracovanie podľa štatistického programu R. Klaster 3 (Slovinsko) a klaster 6 (Malta) tvoria ďalšie vzniknuté jednoprvkové klastre. Klaster 3 sa od ostatných klastrov odlišuje najnižším odlevom PZI z krajiny, najvyššími výdavkami do vedy a výskumu (v roku 2013 prispelo Slovinsko do oblasti vedy a výskumu takmer 2,6 % HDP) a zároveň najvyšším deficitom štátneho rozpočtu z pomedzi členských štátov EÚ. Klaster 6 je významný najvyšším rastom HDP, najnižšou mierou celkovej miery nezamestnanosti aj nezamestnanosti mladých ľudí a najvyšším (extrémnymi) mierami tokov PZI (Tabuľka 4). Klaster 1 je zoskupením s najväčším počtom krajín (Belgicko, Francúzsko, Nemecko, Rakúsko, Česká republika, Fínsko, Dánsko, Švédsko, Holandsko, Spojené kráľovstvo a Írsko) a predstavuje pomerne vyvážený klaster vyspelých ekonomík. Všeobecnom charakteristikou tohto klastra je nízky rast HDP, mierne zvýšený vládny dlh, vyrovnaný podiel prílevu a odlevu PZI, vysoké výdavky do vedy a výskumu. Klaster 2 tvorí 9 ekonomík (Bulharsko, Lotyšsko, Litva, Maďarsko, Poľsko, Slovensko, Estónsko, Rumunsko a Luxembursko), ktoré patria medzi menšie vyspelé ekonomiky, resp. bývalé tranzitívne ekonomiky. Ich makroekonomické situácia v pokrízovom období je v porovnaní s predošlou skupinou lepšia majú väčší rast HDP, oveľa nižší vládny dlh, nižší deficit štátneho rozpočtu. Tento klaster sa odlišuje ale problémami s vyššou nezamestnanosťou, nízkym odlev PZI (nakoľko tieto krajiny sú príjimateľmi PZI z krajín klastra 1) a nízkymi výdavkami do vedy a výskumu (čo je dlhodobým problémom týchto krajín, okrem prípadu Luxemburska, ktoré začalo znižovať tieto výdavky až v poslednom období). Klaster 5 v súčasnosti tvorí päť ekonomík (Španielsko, Chorvátsko, Taliansko, Portugalsko a Cyprus), ktoré sú známe svojimi vážnymi ekonomickými problémami, či už ako súčasť krajín zoskupenia PIIGS (Španielsko, Taliansko, Portugalsko) ako daňový raj (Cyprus) alebo krajina s predpoveďami závažných ekonomických problémov v blízkej budúcnosti (Chorvátsko). Klaster 5 predstavuje 9 SCHWAB, K. (2015): The Global Competitiveness Report , s

8 ekonomiky s poklesom HDP, vysokým vládnym dlhom (priemer krajín bol v roku 2013 nad 106 %), vysokými mierami nezamestnanosti a vysokým deficitom štátneho rozpočtu. Tabuľka 4: Priemerné hodnoty vybraných ukazovateľov v klastroch (2013) Ukazovateľ/Klaster 1 2 3* 4* 5 6* Rast HDP (%) 0,13 2,19-1,1-3,9-2,16 2,9 Vládny dlh (% HDP) 74,39 39,44 70,3 175,0 106,62 69,2 Nezamestnanosť (%) 7,95 10,33 10,1 27,5 17,56 6,4 Nez. mladých (%) 18,38 24,49 21,6 58,3 44,50 13,0 Inflácia (%) 1,46 1,52 1,9-0,9 1,18 1,0 Prílev PZI (% HDP) 65,66 77,68 33, , ,6 Odlev PZI(% HDP) 75,29 27,60 16,1 17,6 29,28 476,8 Výdavky VaV (% HDP) 2,45 0,96 2,59 0,8 1,03 0,85 Deficit ŠR (%) -2,61-1,67-15,0-12,4-4,98-2,6 Pozn.: Hviezdičkou sú označené klastre, ktoré sa skladajú iba z jedného štátu. Prameň: Vlastné spracovanie podľa vlastných výpočtov z databázy Eurostat (2015). 4 Záver Na základe divízneho hierarchického zhlukovania 28 členských krajín EÚ v 9 vybraných ekonomických ukazovateľov po implementácii metódy DIANA v štatistickom programe R sme komparáciou vzniknutých klastrov v obdobiach 2007, 2009 a 2013 dospeli k týmto záverom: a) Ekonomiky členských štátov sa zhlukujú podľa vývoja ekonomických ukazovateľov do rôznych skupín v závislosti od rôzneho ekonomického vývoja v rôznych časových obdobiach. (Predpoklad A sa nepotvrdil.) b) Významným kritériom zhlukovania členských štátov do klastrov je veľkosť ekonomiky, ekonomická vyspelosť a geografická blízkosť. (Predpoklad B sa potvrdil.) c) Medzi skupiny štátov, ktoré sa v každom období zoskupili v rámci jedného klastra patria pobaltské krajiny (Litva, Lotyšsko, Estónsko), štáty ležiace na pobreží Čierneho mora (Rumunsko a Bulharsko), nemecky hovoriace štáty (Nemecko a Rakúsko) a 2 škandinávske krajiny (Švédsko a Fínsko). Ostatné skupiny štátov sa preskupovali v rámci rôznych klastrov. d) Najvýznamnejšie zmeny v rámci štátov, ktoré sa zoskupovali od obdobia 2007 do obdobia 2013 tvorili niektoré štáty PIIGS (Španielsko, Taliansko), ktoré v predkrízovom období vykazovali podobné ekonomické ukazovatele ako vyspelé krajiny a v roku 2013 sa zoskupili do skupiny problematických krajín. Grécko v roku 2013 vytvorilo samostatný jednoprvkový klaster s výrazne odlišnými charakteristikami ako ostatné členské štáty EÚ. e) Obdobie 2013 predstavuje rozloženie ekonomík EÚ do klastrov, ktoré charakterizujú súčasný vývoj nasledovne: pomalšie hospodárske oživenie vyspelých krajín, rýchlejšie hospodárske oživenie bývalých tranzitívnych krajín (so zdravšími makroekonomickými ukazovateľmi ako majú v súčasnosti najvyspelejšie krajiny EÚ) a pretrvávajúcu hospodársku recesiu v problematických ekonomikách zoskupenia PIGS. 229

9 Zoznam použitej literatúry EUROSTAT DATABASE. (2015): Employment and Unemployment. [online]. [Citované ] Dostupné na internete: EUROSTAT DATABASE. (2015): GDP and main components. [online]. [Citované ] Dostupné na internete: EUROSTAT DATABASE. (2015): Governmental debt and deficit. [online]. [Citované ] Dostupné na internete: EUROSTAT DATABASE. (2015): Harmonised indices of consumer prices. [online]. [Citované ] Dostupné na internete: EUROSTAT DATABASE. (2015): International trade data. [online]. [Citované ] Dostupné na internete: EUROSTAT DATABASE. (2015): Statistics on research and development. [online]. [Citované ] Dostupné na internete: EUROSTAT. (2015): Glossary:Country Codes. [online]. [Citované ] In: Statistics Explained, Dostupné na internete: KRIŠKA, J. (2015): Hierarchická a nehierarchická zhluková analýza. [online]. [Citované ] Dostupné na internete: SCHWAB, K. (2015): The Global Competitiveness Report Geneva: World Economic Forum, ISBN-13: ZAIANE, O. (1999): Data clustering. [online]. [Citované ] Dostupné na internete: 230