Reala effekter av statligt och privat riskkapital

Abstract

Såväl privata som statliga aktörer erbjuder riskkapital till företag. Vi har undersökt om det framträder några skillnader mellan offentligt och privat riskkapital utifrån investeringarnas effekter på portföljföretagen. Tre centrala resultat är följande:
1. Försäljningen hos företag som mottagit riskkapital (VC) tar fart cirka 2–3 år efter investeringen. Den ökade omsättningen kan främst förklaras av ökad effektivitet
och nyinvesteringar i kapital (exempelvis maskiner och lokaler). Sysselsättningen tycks dock inte öka snabbare än i jämförbara bolag. Detta kan tolkas som att
kapitalet tillsammans med den rådgivning som följer med en VC-investering leder till nyinvesteringar och ökad kostnadseffektivitet.
2. Om vi jämför statliga och privata VC-investeringar finns inga större skillnader. Möjligen finns vissa tecken på att statliga investeringar ger en något svagare tillväxteffekt, men dessa skillnader är ofta för små för att betraktas som signifikanta. En närmare jämförelse mellan det privata och statliga VC-kapitalet indikerar dock att staten oftare håller kvar vid och fortsätter investera i stagnerande företag.
3. Till sist finner vi att de statliga VC-bolagen inte investerar mer i de tidigaste faserna än privata investerare. Detta trots att ett grundläggande motiv till statlig
intervention på riskkapitalmarknaden är att det privata kapitalet antas investera för lite i detta segment.
Detta leder till två slutsatser. För det första ser vi att en närmare analys av exitstrategier för de statliga VC-investerarna vore önskvärd. För det andra menar vi att de teoretiska motiven till statlig intervention på VC-marknaden pekar på att staten bör ligga något tyngre i de tidigaste faserna än de privata investerarna, eftersom det mest sannolikt är här det finns ett finansieringsgap. Vi finner ingen sådan skillnad. Idag är vår kunskap dock begränsad när det gäller den faktiska förekomsten av ett sådant gap och hur det i så fall skulle se ut. Innan nya direktiv om de statliga VC-bolagens investeringsprofil formuleras är det därför önskvärt med en närmare analys.
Vi ser alltså inte några dramatiska skillnader mellan statligt och privat riskkapital vad gäller deras tillväxteffekter. Detta kan både indikera att statliga riskkapitalister
gör ett bra arbete, eller att de kanske tar alltför små risker.

Abstract

Artificial Intelligence for Public Use

Working paperPublication

Lodefalk, M.; Engberg, E.; Lidskog, R.; Tang, A.

Download

Publication year

2025

Published in

Örebro University School of Business Working Paper

Abstract

This paper investigates the economic and societal impacts of Artificial Intelligence (AI) in the public sector, focusing on its potential to enhance productivity and mitigate labour shortages. Employing detailed administrative data and novel occupational exposure measures, we simulate future scenarios over a 20-year horizon, using Sweden as an illustrative case. Our findings indicate that advances in AI development and uptake could significantly alleviate projected labour shortages and enhance productivity. However, outcomes vary substantially across sectors and organisational types, driven by differing workforce compositions. Complementing the economic analysis, we identify key challenges that hinder AI’s effective deployment, including technical limitations, organisational barriers, regulatory ambiguity, and ethical risks such as algorithmic bias and lack of transparency. Drawing from an interdisciplinary conceptual framework, we argue that AI’s integration in the public sector must address these socio-technical and institutional factors comprehensively. To unlock AI’s full potential, substantial investments in technological infrastructure, human capital development, regulatory clarity, and robust governance mechanisms are essential. Our study thus contributes both novel economic evidence and an integrated societal perspective, informing strategies for sustainable and equitable public-sector digitalisation.

City size, employer concentration, and wage income inequality

Working paperPublication

Halvarsson, D., & Korpi, M.

Publication year

2025

Published in

Institute for Evaluation of Labour Market and Education Policy (IFAU)

Abstract

This study investigates the relationship between the urban wage premium and employer concentration using Swedish full population employer-employee data. Departing from an AKM modeling framework to distinguish worker from firm specific heterogeneity – a measure of rent-sharing – we then measure the urban wage premium using differences in the estimated firm fixed effects at the level of local industries, nested within local labor markets. Our results suggest that labor market employer concentration, as calculated using the Hirschman-Herfindahl index and a leave-one-out instrumental variable design, can account for a significant share of the estimated urban wage premium (UWP). Addressing city-level wage income inequality by applying our model to different segments of the local labor market income distribution, we find that while the UWP pertains to all income segments, it is largest for top-income levels (above the 90th percentile), and within this segment employer concentration also has the largest explanatory power. Thus, while being an important explanatory factor for all percentiles of the local income distribution, a relatively lower employer concentration within larger cities, and vice versa, higher concentration within smaller cities, primarily help explain the variance of top wages within these cities/labor markets.

Artificial intelligence, hiring and employment: job postings evidence from Sweden

Article (with peer review)Publication

Engberg, E., Hellsten, M., Javed, F., Lodefalk, M., Sabolová, R., Schroeder, S., & Tang, A

Publication year

2025

Published in

Applied Economics Letters

Abstract

This paper investigates the impact of artificial intelligence (AI) on hiring and employment, using the universe of job postings published by the Swedish Public Employment Service from 2014 to 2022 and full-population administrative data for Sweden. We exploit a detailed measure of AI exposure according to occupational content and find that establishments exposed to AI are more likely to hire AI workers. Survey data further indicate that AI exposure aligns with greater use of AI services. Importantly, rather than displacing non-AI workers, AI exposure is positively associated with increased hiring for both AI and non-AI roles. In the absence of substantial productivity gains that might account for this increase, we interpret the positive link between AI exposure and non-AI hiring as evidence that establishments are using AI to augment existing roles and expand task capabilities, rather than to replace non-AI workers.

Abstract

Abstract

Similar content