4 Growth Paths: Measuring the Stren

4 Growth Paths: Measuring the Strength of Links in Chain B

In order to explore the relationship between HD and country growth over time, we require a measure for each country which captures the trend change in growth, which we shall term its ’growth trajectory’. The most common version of the time path of EG used in the empirical growth literature is the average growth in per capita income over an entire sample period (e.g. Barro and Sala-i-Martin (1992)), which has the virtue of averaging out short run ﬂuctuations in growth, thus allowing the analyst to focus on explaining diﬀerences in country patterns of long run growth.12 However, for our purposes, this measure of growth is not appropriate. Since we think of the two Chains as embedded in the initial conditions and
history of an economy, we want to exclude that information in deriving a measure of Chain B strength.13
To motivate this strategy, we return to the stylized neoclassical growth model, where (see Barro and Sala-i-Martin (1992)) the rate of growth in output per worker between period t and t − 1 for country i is given by:

git = (1 − e−λ )[log(yˆ∗) − log(yi,t−1 )] + e−λ xi + (1 + e−λ )xi t + it (1)

where xi represents the once-and-for-all diﬀerence in technology across countries, yˆ∗ is the country- speciﬁc steady-state level of output per eﬀective worker, yi,t−1 is the lagged level of output per worker, λ represents the speed of convergence to the steady state, and it captures the transitory ﬂuctuations in growth rates.
Before imposing any homogeneity assumptions, note that this model implies that growth rates across countries can be decomposed into a country-speciﬁc intercept, a country-speciﬁc trend, a convergence eﬀect captured by the lagged level of output per worker, and the transitory component. Thus, the model
implies the following factorization of growth rates:

git = αi + βi t + γi log(yi,t−1 )+ it (2)

where

αi = (1 − e−λ )(log(yˆ∗)) + e−λ xi (3)
βi = (1 + e−λ )xi (4)

γi = −(1 − e−λ ) (5) The cross-country growth literature (e.g. Barro and Sala-i-Martin (1992) Levine and Renelt (1992))
typically impose homogeneity assumptions on the coeﬃcients αi , βi , and γi , with the requirement that they are the same across countries. These three parameters are identiﬁed from the cross-sectional di- mension of the data on long run growth rates, i.e. the time dimension of the data is averaged out. Our strategy is the opposite: we rely on the 40 year time span of the data to identify αi , γi , and especially βi for each country. βi is therefore our measure of country i’s growth trajectory. From equation (4) we can see that βi gives us a clean representation of the empirical factors that drive growth (denoted as xi ).14
Note that, even though xi is also a component of the intercept αi in the decomposition equation (2), this
intercept is also aﬀected by the steady state level of per capital income, which is likely a function of initial conditions and past history and thus does not characterize a clean representation of the RSR idea of the strength of Chain B. Since a least-squares ﬁt of equation (2) will ﬁt the time means of each country, the relationship the commonly used average growth rate g¯i will obey is given by:

g¯i = αˆi + βˆi

T +1
+ γˆ log(y) (6)
2 i i

Time-averaged growth rates are also a function of the country-speciﬁc intercept, and hence, of the country’s steady-state per capital income levels. We therefore do not want to use these time-averaged growth rates. Instead, we opt to use the βi coeﬃcients, i.e. the country-speciﬁc trend coeﬃcients that we refer to as growth trajectories which are purged of dependence on steady-state diﬀerences.
Note that our empirical approach is broader than this neoclassical theoretical foundation. The decomposition of growth rates in (2) is compatible with a large number of neoclassical and endogenous/threshold growth models, even though we relied on the Solow model to derive it. In the neoclassical formulation there are only the once-and-for-all factors summarized in xi that explain trend diﬀerences across countries. Endogenous growth models of the Uzawa-Lucas variety also explain permanent diﬀerences in growth trends but endogenize xi , the source of permanent growth. Hence both exogenous and endogenous sources of growth will be captured by the trend coeﬃcients in our estimates of equation (2), country-by-country. The question that then arises is how useful are the estimates obtained from equation (2) if the growth path is non-linear? In fact, we saw in the evidence presented above (Figure 3), that growth paths are often non-linear. In principle, we could use the 40 year time span of EG to ﬁt a non-linear trend speciﬁc to each country. However, detecting trend breaks when using annual observations is not feasible in practice. If it were, we could potentially distinguish the threshold externality models that imply that diﬀerences
in trend growth occur only across rather than within countries. Moreover, the linear trend will still be a good summary of the growth trajectory even if the underlying trend is non-linear, since our trajectory coeﬃcient βi broadly indicates whether the path of EG is increasing, ﬂat, or decreasing over the 40 year time span of our sample.
We obtain a measure of βˆi by applying OLS to equation (2), for each country.15 This process generates the country-speciﬁc growth trajectories, βˆi , which essentially are the average rate of change of the growth
rate and that we take to be a measure of the strength of Chain B. Keep in mind that a country can have a positive growth trajectory, with βˆi > 0, yet have negative average growth, g¯i < 0. All but 10 countries have growth trajectories within the range of -0.2 to 0.2 - βˆi ≈ 0, i.e. actual growth rates that are neither
increasing nor decreasing. Average growth rates over the period, by contrast, vary much more widely across countries. Barro (1997) and Quah (1996) note that the time-series movements in per capita output are a trivial fraction of the cross-country variation in levels of output per capita. Having derived our measure of the growth trajectory, the next step is to ask what its empirical determinants are, particularly
its relationship to levels and changes in HD.
The evidence on sequencing presented in Figure 3 and Table 1 above led us to hypothesize that HD levels and/or improvements aﬀect countries’ growth trajectories. We therefore investigate the relationship between HD levels, HD changes, and βˆi . This relationship is an indication of the strength of Chain B. We also explore the role of more conventional explanatory factors of EG (as in Levine and Renelt (1992)), such as investment and export ratios, in determining the growth trajectory. However, since such factors are generally associated with actual growth rates, we would anticipate that only their changes would
explain the growth trajectory, βˆi . We specify our empirical model as follows:

βˆi = η + HD τ + z θ + ζ

(7)
i i i

where i = 1,. .. , 81, the number of countries for which we have data; and z represents the other factors inﬂuencing βˆi noted above, as well as three regional dummies. The presence of the error term ζ i
highlights another advantage of our two-step estimation procedure in that it allows for heterogeneity in the Chain B measure for reasons that are not purely due to HD. Our focus is on the estimated value(s) of the coeﬃcient vector τ , as we hypothesize that higher levels of HD lead to higher (more positive) growth trajectories, and vice versa. While speciﬁc theoretical models dictate whether the variables should be entered in the form of levels or changes, we treat this as an empirical issue and consider a variety of speciﬁcations.16 Since HD is a product of EG, via Chain A, in order to reduce the problem of reverse causality we use data from early in the sample period. The results are presented in Table 4, using infant
mortality rates, life expectancy and school enrollment rates as measures of HD. Columns (1) through (6) include levels of early HD as the explanatory variable while Columns (7) through (12) show the speciﬁcations with changes in early HD.
INSERT TABLE 4
The results of the basic speciﬁcation, using the ‘early’ (1960 to 1980 average) Infant Mortality Rate (IMR) as a measure of HD, are shown in Column 1 of Table 4. Larger values of IMR indicate a lower level of HD, so that we would expect to see an estimated τ that is negative. Note that since the dependent variable here is the ﬁtted time trend from the decomposition in equation (2), the actual value of the coeﬃcient on IMR is diﬃcult to interpret. We focus on comparing the relative size of the coeﬃcients on the regressors, as well as observing their statistical signiﬁcance. From Column 1, we can see that a higher IMR implies a country is less likely to have a positive growth trajectory. In Columns 2 and 3 we repeat the exercise, using Life Expectancy (LE) and the Gross Secondary Enrollment Rate as the second and third measures of HD, respectively.17

4 Growth Paths: Measuring the Strength of Links in Chain B

In order to explore the relationship between HD and country growth over time, we require a measure for each country which captures the trend change in growth, which we shall term its ’growth trajectory’. The most common version of the time path of EG used in the empirical growth literature is the average growth in per capita income over an entire sample period (e.g. Barro and Sala-i-Martin (1992)), which has the virtue of averaging out short run ﬂuctuations in growth, thus allowing the analyst to focus on explaining diﬀerences in country patterns of long run growth.12 However, for our purposes, this measure of growth is not appropriate. Since we think of the two Chains as embedded in the initial conditions and
history of an economy, we want to exclude that information in deriving a measure of Chain B strength.13
To motivate this strategy, we return to the stylized neoclassical growth model, where (see Barro and Sala-i-Martin (1992)) the rate of growth in output per worker between period t and t − 1 for country i is given by:

git = (1 − e−λ )[log(yˆ∗) − log(yi,t−1 )] + e−λ xi + (1 + e−λ )xi t + it (1)

where xi represents the once-and-for-all diﬀerence in technology across countries, yˆ∗ is the country- speciﬁc steady-state level of output per eﬀective worker, yi,t−1 is the lagged level of output per worker, λ represents the speed of convergence to the steady state, and it captures the transitory ﬂuctuations in growth rates.
Before imposing any homogeneity assumptions, note that this model implies that growth rates across countries can be decomposed into a country-speciﬁc intercept, a country-speciﬁc trend, a convergence eﬀect captured by the lagged level of output per worker, and the transitory component. Thus, the model
implies the following factorization of growth rates:

git = αi + βi t + γi log(yi,t−1 )+ it (2)

where

αi = (1 − e−λ )(log(yˆ∗)) + e−λ xi (3)
βi = (1 + e−λ )xi (4)

γi = −(1 − e−λ ) (5) The cross-country growth literature (e.g. Barro and Sala-i-Martin (1992) Levine and Renelt (1992))
typically impose homogeneity assumptions on the coeﬃcients αi , βi , and γi , with the requirement that they are the same across countries. These three parameters are identiﬁed from the cross-sectional di- mension of the data on long run growth rates, i.e. the time dimension of the data is averaged out. Our strategy is the opposite: we rely on the 40 year time span of the data to identify αi , γi , and especially βi for each country. βi is therefore our measure of country i’s growth trajectory. From equation (4) we can see that βi gives us a clean representation of the empirical factors that drive growth (denoted as xi ).14
Note that, even though xi is also a component of the intercept αi in the decomposition equation (2), this
intercept is also aﬀected by the steady state level of per capital income, which is likely a function of initial conditions and past history and thus does not characterize a clean representation of the RSR idea of the strength of Chain B. Since a least-squares ﬁt of equation (2) will ﬁt the time means of each country, the relationship the commonly used average growth rate g¯i will obey is given by:

g¯i = αˆi + βˆi
 
T +1 
+ γˆ log(y) (6)
2 i i

Time-averaged growth rates are also a function of the country-speciﬁc intercept, and hence, of the country’s steady-state per capital income levels. We therefore do not want to use these time-averaged growth rates. Instead, we opt to use the βi coeﬃcients, i.e. the country-speciﬁc trend coeﬃcients that we refer to as growth trajectories which are purged of dependence on steady-state diﬀerences.
Note that our empirical approach is broader than this neoclassical theoretical foundation. The decomposition of growth rates in (2) is compatible with a large number of neoclassical and endogenous/threshold growth models, even though we relied on the Solow model to derive it. In the neoclassical formulation there are only the once-and-for-all factors summarized in xi that explain trend diﬀerences across countries. Endogenous growth models of the Uzawa-Lucas variety also explain permanent diﬀerences in growth trends but endogenize xi , the source of permanent growth. Hence both exogenous and endogenous sources of growth will be captured by the trend coeﬃcients in our estimates of equation (2), country-by-country. The question that then arises is how useful are the estimates obtained from equation (2) if the growth path is non-linear? In fact, we saw in the evidence presented above (Figure 3), that growth paths are often non-linear. In principle, we could use the 40 year time span of EG to ﬁt a non-linear trend speciﬁc to each country. However, detecting trend breaks when using annual observations is not feasible in practice. If it were, we could potentially distinguish the threshold externality models that imply that diﬀerences
in trend growth occur only across rather than within countries. Moreover, the linear trend will still be a good summary of the growth trajectory even if the underlying trend is non-linear, since our trajectory coeﬃcient βi broadly indicates whether the path of EG is increasing, ﬂat, or decreasing over the 40 year time span of our sample.
We obtain a measure of βˆi by applying OLS to equation (2), for each country.15 This process generates the country-speciﬁc growth trajectories, βˆi , which essentially are the average rate of change of the growth
rate and that we take to be a measure of the strength of Chain B. Keep in mind that a country can have a positive growth trajectory, with βˆi > 0, yet have negative average growth, g¯i < 0. All but 10 countries have growth trajectories within the range of -0.2 to 0.2 - βˆi ≈ 0, i.e. actual growth rates that are neither
increasing nor decreasing. Average growth rates over the period, by contrast, vary much more widely across countries. Barro (1997) and Quah (1996) note that the time-series movements in per capita output are a trivial fraction of the cross-country variation in levels of output per capita. Having derived our measure of the growth trajectory, the next step is to ask what its empirical determinants are, particularly
its relationship to levels and changes in HD.
The evidence on sequencing presented in Figure 3 and Table 1 above led us to hypothesize that HD levels and/or improvements aﬀect countries’ growth trajectories. We therefore investigate the relationship between HD levels, HD changes, and βˆi . This relationship is an indication of the strength of Chain B. We also explore the role of more conventional explanatory factors of EG (as in Levine and Renelt (1992)), such as investment and export ratios, in determining the growth trajectory. However, since such factors are generally associated with actual growth rates, we would anticipate that only their changes would
explain the growth trajectory, βˆi . We specify our empirical model as follows:

βˆi = η + HD τ + z θ + ζ
 
(7) 
i i i

where i = 1,. .. , 81, the number of countries for which we have data; and z represents the other factors inﬂuencing βˆi noted above, as well as three regional dummies. The presence of the error term ζ i
highlights another advantage of our two-step estimation procedure in that it allows for heterogeneity in the Chain B measure for reasons that are not purely due to HD. Our focus is on the estimated value(s) of the coeﬃcient vector τ , as we hypothesize that higher levels of HD lead to higher (more positive) growth trajectories, and vice versa. While speciﬁc theoretical models dictate whether the variables should be entered in the form of levels or changes, we treat this as an empirical issue and consider a variety of speciﬁcations.16 Since HD is a product of EG, via Chain A, in order to reduce the problem of reverse causality we use data from early in the sample period. The results are presented in Table 4, using infant
mortality rates, life expectancy and school enrollment rates as measures of HD. Columns (1) through (6) include levels of early HD as the explanatory variable while Columns (7) through (12) show the speciﬁcations with changes in early HD.
INSERT TABLE 4
The results of the basic speciﬁcation, using the ‘early’ (1960 to 1980 average) Infant Mortality Rate (IMR) as a measure of HD, are shown in Column 1 of Table 4. Larger values of IMR indicate a lower level of HD, so that we would expect to see an estimated τ that is negative. Note that since the dependent variable here is the ﬁtted time trend from the decomposition in equation (2), the actual value of the coeﬃcient on IMR is diﬃcult to interpret. We focus on comparing the relative size of the coeﬃcients on the regressors, as well as observing their statistical signiﬁcance. From Column 1, we can see that a higher IMR implies a country is less likely to have a positive growth trajectory. In Columns 2 and 3 we repeat the exercise, using Life Expectancy (LE) and the Gross Secondary Enrollment Rate as the second and third measures of HD, respectively.17

0/5000

Từ: -

Sang: -

Kết quả (Việt) 1: [Sao chép]

Sao chép!

4 phát triển đường dẫn: đo sức mạnh của liên kết trong chuỗi BĐể khám phá mối quan hệ giữa HD và quốc gia tăng trưởng theo thời gian, chúng tôi yêu cầu một biện pháp cho mỗi quốc gia mà chụp thay đổi xu hướng trong sự phát triển, chúng tôi sẽ hạn 'quỹ đạo tăng trưởng của nó'. Phiên bản phổ biến nhất của đường thời gian của EG được sử dụng trong văn học thực nghiệm tăng trưởng là sự tăng trưởng trung bình trong thu nhập bình quân đầu người trong một khoảng thời gian toàn bộ mẫu (ví dụ như Barro và Sala-i-Martin (1992)), trong đó có đức hạnh của trung bình trong ngắn chạy ﬂuctuations trong sự phát triển, do đó cho phép các nhà phân tích tập trung vào giải thích diﬀerences trong các mẫu đất nước của growth.12 lâu dài Tuy nhiên, cho các mục đích của chúng tôi, biện pháp này tăng trưởng là không thích hợp. Kể từ khi chúng tôi nghĩ của hai dãy là nhúng trong các điều kiện ban đầu vàlịch sử của một nền kinh tế, chúng tôi muốn loại trừ các thông tin đó trong bắt nguồn một biện pháp của chuỗi B strength.13Để thúc đẩy chiến lược này, chúng tôi trở lại với mô hình tăng trưởng cách điệu tân cổ điển, nơi (xem Barro và Sala-i-Martin (1992)) mức tăng trưởng trong đầu ra cho mỗi công nhân giữa thời kỳ t và t − 1 cho đất nước tôi được cho bởi:git = (1 − e−λ) [log(yˆ∗) − log (yi, t−1)] + e−λ xi + (1 + e−λ) xi t + (1)nơi xi đại diện cho diﬀerence một lần-và-cho tất cả công nghệ quốc gia, yˆ∗ là mức quốc gia-speciﬁc trạng thái ổn định của sản lượng mỗi nhân viên eﬀective, yi, t−1 là mức sản lượng một công nhân, lagged, λ đại diện cho tốc độ hội tụ để ổn định nhà nước, và nó bắt ﬂuctuations tạm thời ở tốc độ tăng trưởng.Trước khi áp đặt bất kỳ giả định tính đồng nhất, lưu ý rằng mô hình này ngụ ý rằng tốc độ tăng trưởng các quốc gia có thể được bị phân hủy thành một quốc gia-speciﬁc chặn, một xu hướng quốc gia-speciﬁc, một hội tụ eﬀect bị bắt bởi mức độ lagged đầu ra cho mỗi nhân viên, và các thành phần tạm thời. Vì vậy, các mô hìnhngụ ý factorization tốc độ tăng trưởng, sau đây:git = αi + βi t + γi log(yi,t−1) + nó (2)nơiΑi = (1 − e−λ) (log(yˆ∗)) + e−λ xi (3)Βi = (1 + e−λ) xi (4)Γi = − (1 − e−λ) (5) văn học xuyên quốc gia tăng trưởng (ví dụ như Barro và Sala-i-Martin Levine (1992) và Renelt (1992))thường áp đặt tính đồng nhất giả định coeﬃcients αi, βi và γi, với yêu cầu rằng họ đều giống nhau trên khắp nước. Các tham số ba identiﬁed từ mặt cắt di-mension của các dữ liệu về lâu dài sự tăng trưởng tỷ giá, tức là kích thước thời gian của dữ liệu được tính trung bình. Chiến lược của chúng tôi là đối diện: chúng tôi dựa vào khoảng thời gian 40 năm của dữ liệu xác định αi, γi, và đặc biệt là βi cho mỗi quốc gia. Βi là do đó chúng tôi biện pháp của quốc gia i quỹ đạo tăng trưởng. Từ phương trình (4), chúng ta có thể thấy rằng βi cho chúng ta một đại diện sạch của các yếu tố thực nghiệm lái xe tăng trưởng (biểu hiện như xi).14Lưu ý rằng, mặc dù xi cũng là một thành phần của αi đánh chặn trong phương trình phân hủy (2), điều nàyđánh chặn cũng là aﬀected bằng cấp trạng thái ổn định của một vốn thu nhập, mà có thể là một chức năng của điều kiện ban đầu và qua lịch sử và do đó không characterize một đại diện sạch của các ý tưởng RSR của sức mạnh của chuỗi B. Kể từ khi một ﬁt tối thiểu của phương trình (2) sẽ ﬁt có nghĩa là thời gian của mỗi nước, mối quan hệ g¯i tỷ lệ tăng trưởng trung bình thường được sử dụng sẽ tuân theo được cho bởi: g¯i = αˆi + βˆi T + 1 + Γˆ log(y) (6)2 tôi tôi Tốc độ tăng trưởng trung bình thời gian cũng là một chức năng của quốc gia-speciﬁc chặn, và do đó, của đất nước trạng thái ổn định một mức vốn thu nhập. Chúng tôi do đó không muốn sử dụng các mức trung bình thời gian tăng trưởng. Thay vào đó, chúng tôi chọn sử dụng coeﬃcients βi, tức là các quốc gia-speciﬁc xu hướng coeﬃcients mà chúng tôi chỉ đến như là hnăm tăng trưởng vốn được thanh trừng sự phụ thuộc vào trạng thái ổn định diﬀerences.Lưu ý rằng cách tiếp cận thực nghiệm của chúng tôi là rộng lớn hơn so với nền tảng lý thuyết tân cổ điển này. Sự phân hủy của mức tăng trưởng (2) là tương thích với một số lượng lớn của tân cổ điển và sự phát triển nội sinh/ngưỡng mô hình, mặc dù chúng tôi dựa trên mô hình Solow để lấy được nó. Trong việc xây dựng tân cổ điển có là chỉ một lần-và-cho tất cả yếu tố tóm tắt trong xi mà giải thích xu hướng diﬀerences quốc gia. Tăng trưởng nội mô hình của sự đa dạng Uzawa-Lucas cũng giải thích diﬀerences vĩnh viễn trong xu hướng tăng trưởng nhưng endogenize xi, nguồn gốc của sự phát triển lâu dài. Vì thế nguồn ngoại sinh và nội sinh trưởng sẽ bị bắt giữ bởi coeﬃcients xu hướng của chúng tôi ước tính của phương trình (2), quốc gia của đất nước. Các câu hỏi sau đó đặt ra là làm thế nào hữu ích là các ước tính thu được từ phương trình (2) nếu đường tăng trưởng là phi tuyến tính? Trong thực tế, chúng tôi thấy trong các bằng chứng được trình bày ở trên (hình 3), con đường tăng trưởng thường là phi tuyến tính. Về nguyên tắc, chúng tôi có thể sử dụng khoảng thời gian 40 năm của EG để ﬁt một speciﬁc xu hướng phi tuyến tính cho mỗi quốc gia. Tuy nhiên, phát hiện xu hướng phá vỡ khi sử dụng quan sát hàng năm là không khả thi trong thực tế. Nếu nó đã, chúng tôi có thể có khả năng phân biệt các mô hình externality ngưỡng ngụ ý rằng diﬀerencestrong xu hướng tăng trưởng xảy ra chỉ qua hơn là trong các quốc gia. Hơn nữa, xu hướng tuyến tính vẫn sẽ có một bản tóm tắt tốt của quỹ đạo tăng trưởng ngay cả khi xu hướng cơ bản là phi tuyến tính, kể từ khi chúng tôi βi coeﬃcient quỹ đạo rộng rãi chỉ ra cho dù con đường EG là tăng, ﬂat, hoặc giảm trong khoảng thời gian 40 năm của mẫu của chúng tôi.Chúng tôi có được một biện pháp của βˆi bằng cách áp dụng OLS phương trình (2), cho mỗi country.15 quá trình này tạo ra các quốc gia-speciﬁc tăng trưởng hnăm, βˆi, mà về cơ bản là mức trung bình của sự thay đổi của sự phát triểntỷ lệ và rằng chúng tôi có là một biện pháp của sức mạnh của chuỗi sinh giữ trong tâm trí rằng một quốc gia có thể có một quỹ đạo tăng trưởng tích cực, với βˆi > 0, nhưng có tốc độ tăng trưởng trung bình là tiêu cực, g¯i < 0. Tất cả, nhưng 10 quốc gia có tốc độ tăng trưởng hnăm trong phạm vi-0.2 đến cách 0.2 - βˆi ≈ 0, tức là thực tế tăng trưởng tỷ giá đó không phảităng hoặc giảm. Tốc độ tăng trưởng trung bình trong khoảng thời gian, ngược lại, thay đổi nhiều hơn rộng rãi trên khắp nước. Barro (1997) và Quah (1996) lưu ý rằng các phong trào chuỗi thời gian ở trên đầu ra là một phần nhỏ của các biến thể xuyên quốc gia ở các cấp độ của đầu ra trên đầu người. Có nguồn gốc chúng tôi đo lường của quỹ đạo tăng trưởng, bước tiếp theo là để yêu cầu những gì các yếu tố quyết định thực nghiệm, đặc biệt làmối quan hệ của nó với cấp độ và thay đổi trong HD.Bằng chứng về trình tự trình bày trong hình 3 và bảng 1 ở trên dẫn chúng tôi để đưa ra giả thuyết rằng mức độ HD và/hoặc cải tiến aﬀect nước tăng trưởng hnăm. Chúng tôi do đó điều tra mối quan hệ giữa các cấp HD, HD thay đổi, và βˆi. Mối quan hệ này là một dấu hiệu của sức mạnh của chuỗi B. Chúng tôi cũng khám phá vai trò của truyền thống giải thích các yếu tố của EG (như trong Levine và Renelt (1992)), chẳng hạn như đầu tư và xuất khẩu tỷ lệ, trong việc xác định quỹ đạo tăng trưởng. Tuy nhiên, kể từ khi các yếu tố như vậy thường liên kết với tốc độ tăng trưởng thực tế, chúng tôi sẽ dự đoán rằng chỉ là của họ thay đổi nàogiải thích quỹ đạo tăng trưởng, βˆi. Chúng tôi chỉ định của chúng tôi mẫu thực nghiệm như sau: Βˆi = η + HD τ + z θ + ζ (7) tôi tôi tôinơi tôi = 1,. .. , 81, số lượng các quốc gia mà chúng tôi có dữ liệu; và z đại diện cho yếu tố inﬂuencing βˆi đã nói ở trên, cũng như ba khu vực núm vú cao su. Sự hiện diện của thuật ngữ lỗi ζ tôinổi bật một ưu điểm khác của chúng tôi hai bước dự toán thủ tục trong đó nó cho phép cho heterogeneity trong các biện pháp chuỗi B vì những lý do là không hoàn toàn là do HD. Trọng tâm của chúng tôi là value(s) ước tính của τ véc tơ coeﬃcient, như chúng tôi đưa ra giả thuyết rằng các cấp độ cao hơn của HD dẫn đến cao hơn (hơn tích cực) tăng trưởng hnăm, và ngược lại. Trong khi mô hình lý thuyết speciﬁc dictate cho dù các biến nên được nhập trong các hình thức cấp hay thay đổi, chúng tôi coi đây là một vấn đề thực nghiệm và xem xét một loạt các speciﬁcations.16 kể từ khi HD là một sản phẩm của EG, thông qua chuỗi A, để làm giảm vấn đề của đảo ngược quan hệ nhân quả chúng tôi sử dụng dữ liệu từ sớm trong giai đoạn mẫu. Các kết quả được trình bày trong bảng 4, bằng cách sử dụng trẻ sơ sinhtỷ lệ tử vong, tuổi thọ và tỷ lệ đăng ký học như các biện pháp của HD. cột (1) thông qua (6) bao gồm các cấp độ của HD đầu như là biến giải thích trong khi cột (7) thông qua (12) Hiển thị speciﬁcations với những thay đổi trong đầu HD.CHÈN BẢNG 4Kết quả của sinh cơ bản, bằng cách sử dụng các 'đầu' (1960 đến 1980 là) trẻ sơ sinh tử vong tỷ lệ (IMR) như là một biện pháp của HD, được hiển thị trong cột 1 của bảng 4. Các giá trị lớn hơn của IMR chỉ ra một mức độ thấp của HD, do đó chúng tôi mong đợi để xem một ước tính khoảng là tiêu cực. Lưu ý rằng kể từ khi phụ thuộc vào biến ở đây là xu hướng thời gian ﬁtted từ sự phân hủy trong phương trình (2), giá trị thực tế của coeﬃcient vào IMR là diﬃcult để giải thích. Chúng tôi tập trung vào so sánh kích thước tương đối của coeﬃcients vào các regressors, cũng như quan sát của thống kê signiﬁcance. Từ cột 1, chúng tôi có thể thấy rằng một IMR cao ngụ ý một quốc gia là ít có khả năng để có một quỹ đạo tăng trưởng tích cực. Trong cột 2 và 3 chúng tôi lặp lại tập thể dục, bằng cách sử dụng thọ (LE) và tỷ lệ tổng tuyển sinh trung học như các biện pháp thứ hai và thứ ba của HD, respectively.17

đang được dịch, vui lòng đợi..

Kết quả (Việt) 2:[Sao chép]

Sao chép!

4 Tăng trưởng Paths: Đo lường Sức mạnh của các liên kết trong chuỗi B Để hiểu mối quan hệ giữa HD và tăng trưởng đất nước theo thời gian, chúng tôi yêu cầu một biện pháp cho mỗi quốc gia mà nắm bắt được xu hướng thay đổi trong tốc độ tăng trưởng, mà chúng ta sẽ goåi 'quỹ đạo tăng trưởng' của nó . Các phiên bản phổ biến nhất của con đường thời gian của EG sử dụng trong các tài liệu thực nghiệm tăng trưởng là sự tăng trưởng bình quân thu nhập bình quân đầu người trong toàn bộ thời kỳ mẫu (ví dụ Barro và Sala-i-Martin (1992)), trong đó có các đức hạnh của trung bình ra ngắn uctuations chạy fl trong tăng trưởng, do đó cho phép các nhà phân tích tập trung vào việc giải thích di ff erences trong mẫu nước chạy dài growth.12 Tuy nhiên, mục đích của chúng tôi, điều này thước đo tăng trưởng là không thích hợp. Kể từ khi chúng ta nghĩ về hai Chains như nhúng trong các điều kiện ban đầu và lịch sử của một nền kinh tế, chúng ta muốn loại bỏ thông tin rằng trong thu được một biện pháp của chuỗi B strength.13 Để thúc đẩy chiến lược này, chúng tôi quay trở lại mô hình tăng trưởng tân cổ điển cách điệu, nơi (xem Barro và Sala-i-Martin (1992)) thì tốc độ tăng trưởng trong sản lượng trên mỗi công nhân giữa thời kỳ t và t - 1 cho đất nước i được cho bởi: git = (1 - e-λ) [log (y *) - log (yi, t-1)] + e-λ xi + (1 + e-λ) xi t + nó (1) nơi xi đại diện cho một lần-và-cho-tất cả các di ff erence trong công nghệ giữa các quốc gia, y * là các từng quốc gia Speci fi c trạng thái ổn định mức sản lượng mỗi e ff ective công nhân, yi, t-1 là mức độ trễ của đầu ra của mỗi công nhân, λ tượng trưng cho tốc độ hội tụ đến trạng thái ổn định, và nó bắt uctuations fl thoáng qua tốc độ tăng trưởng. Trước áp đặt bất kỳ giả định tính đồng nhất, lưu ý rằng mô hình này ngụ ý rằng tốc độ tăng trưởng giữa các quốc gia có thể được phân tách ra thành một quốc gia đặc hiệu fi c đánh chặn, một xu hướng fi c nước đặc hiệu, một tụ e ff ect bắt bởi mức độ trễ của đầu ra cho mỗi người lao động, và các thành phần chuyển tiếp. Vì vậy, mô hình hàm ý tích nhân sau đây của tốc độ tăng trưởng: git = αi + βi t + γi đăng nhập (yi, t-1) + nó (2) nơi αi = (1 - e-λ) (log (y *)) + e-λ xi (3) βi = (1 + e-λ) xi (4) γi = - (1 - e-λ) (5) Các tài liệu tăng trưởng xuyên quốc gia (ví dụ Barro và Sala-i-Martin ( 1992) Levine và Renelt (1992)) thường áp đặt các giả định tính đồng nhất trên COE ffi cients αi, βi, và γi, với yêu cầu rằng họ là những quốc gia trên cùng. Ba thông số là identi fi ed từ mension di- cắt ngang của các dữ liệu về tốc độ tăng trưởng lâu dài, tức là chiều thời gian của dữ liệu được tính trung bình ra. Chiến lược của chúng tôi là ngược lại: chúng tôi dựa vào các khoảng thời gian 40 năm dữ liệu để xác định αi, γi, và đặc biệt là βi cho mỗi quốc gia. do đó βi là biện pháp của chúng ta về nước quỹ đạo tăng trưởng của tôi. Từ phương trình (4) ta có thể thấy rằng βi cho chúng ta một đại diện trong sạch của các yếu tố thực nghiệm mà đẩy tăng trưởng (ký hiệu là xi) .14 Lưu ý rằng, mặc dù xi cũng là một thành phần của αi đánh chặn trong phương trình phân hủy (2) , điều này đánh chặn cũng là một ff ected bởi mức độ trạng thái ổn định của mỗi vốn thu nhập, mà có thể là một chức năng của các điều kiện ban đầu và lịch sử trong quá khứ và do đó không đặc trưng cho một đại diện trong sạch của các ý tưởng RSR về sức mạnh của chuỗi B. Từ một least- vuông fi t của phương trình (2) sẽ fi t các phương tiện thời gian của mỗi nước, mối quan hệ trung bình Gi tốc độ tăng trưởng thường được sử dụng sẽ tuân thủ được cho bởi: Gi = αi + βi T 1 + γ log (y) ( 6) 2 ii tốc độ tăng trưởng trung bình Thời gian cũng là một chức năng của các nước đặc hiệu fi c đánh chặn, và do đó, trong trạng thái ổn định của đất nước mỗi mức thu nhập vốn. Do đó chúng tôi không muốn sử dụng các tỷ lệ tăng trưởng trung bình thời gian. Thay vào đó, chúng tôi lựa chọn sử dụng Các hệ ffi βi COE, tức là các fi c xu hướng COE cients ffi nước đặc hiệu mà chúng tôi gọi là quỹ đạo tăng trưởng mà đều bị loại bỏ sự phụ thuộc vào erences di ff trạng thái ổn định. Lưu ý rằng phương pháp tiếp cận thực nghiệm của chúng tôi là rộng hơn so với nền tảng lý thuyết tân cổ điển này. Sự phân hủy của tốc độ tăng trưởng trong (2) tương thích với một số lượng lớn các mô hình tăng trưởng tân cổ điển và nội sinh / ngưỡng, mặc dù chúng tôi dựa trên mô hình Solow để lấy được nó. Trong việc xây dựng tân cổ điển có chỉ là một lần và cho tất cả các yếu tố tổng hợp trong xi mà giải thích xu hướng erences di ff giữa các nước. Mô hình tăng trưởng nội sinh của giống Uzawa-Lucas cũng giải thích erences di ff vĩnh viễn trong xu hướng tăng trưởng nhưng endogenize xi, nguồn gốc của tăng trưởng lâu dài. Do đó cả hai nguồn gốc ngoại sinh và nội sinh của tăng trưởng sẽ được chụp bởi Các hệ ffi xu hướng COE trong dự toán của chúng ta về phương trình (2), đất nước Việt Nam-by-. Một câu hỏi mà sau đó phát sinh là cách hữu ích được ước tính thu được từ phương trình (2), nếu con đường tăng trưởng là phi tuyến tính? Trong thực tế, chúng ta đã thấy trong các bằng chứng được trình bày ở trên (hình 3), mà con đường tăng trưởng thường phi tuyến tính. Về nguyên tắc, chúng ta có thể sử dụng khoảng thời gian 40 năm của EG fi t một phi tuyến tính xu hướng Speci fi c để mỗi quốc gia. Tuy nhiên, phát hiện phá vỡ xu hướng sử dụng khi quan sát hàng năm là không khả thi trong thực tế. Nếu nó là, chúng tôi có khả năng phân biệt các mô hình ngưỡng ngoại có ngụ ý rằng erences di ff trong xu hướng tăng trưởng chỉ xảy ra trên toàn hơn là trong nước. Hơn nữa, xu hướng tuyến tính vẫn sẽ là một bản tóm tắt tốt của quỹ đạo tăng trưởng ngay cả khi các xu hướng cơ bản là phi tuyến tính, vì quỹ đạo COE ffi cient βi của chúng tôi rộng rãi chỉ ra cho dù con đường của EG đang gia tăng, fl tại, hoặc giảm trong khoảng thời gian 40 năm các mẫu của chúng tôi. Chúng tôi có được một thước đo của βi bằng cách áp dụng OLS để phương trình (2), cho mỗi country.15 Quá trình này tạo ra các quỹ đạo đất nước đặc hiệu fi c tăng trưởng, βi, trong đó chủ yếu là tỷ lệ trung bình của sự thay đổi của tốc độ tăng trưởng tỷ lệ và chúng ta hãy là một thước đo sức mạnh của chuỗi B. Hãy nhớ rằng một quốc gia có thể có một quỹ đạo tăng trưởng tích cực, với βi> 0, nhưng có tốc độ tăng trưởng trung bình tiêu cực, GI <0. Tất cả nhưng 10 quốc gia có đường cong tăng trưởng trong phạm vi của -0.2 đến 0.2 - βi ≈ 0, tức là tốc độ tăng trưởng thực tế mà không tăng cũng không giảm. Tốc độ tăng trưởng trung bình trong giai đoạn này, ngược lại, thay đổi rộng rãi hơn giữa các nước. Barro (1997) và Quah (1996) lưu ý rằng các phong trào chuỗi thời gian trong sản lượng bình quân đầu người là một phần nhỏ của sự biến đổi giữa các nước trong mức sản lượng bình quân đầu người. Có nguồn gốc pháp của chúng ta về quỹ đạo tăng trưởng, bước tiếp theo là yếu tố quyết định những gì để hỏi kinh nghiệm của nó là, đặc biệt là mối quan hệ của nó với mức độ và những thay đổi trong HD. Bằng chứng về trình tự trình bày trong Hình 3 và Bảng 1 nêu trên đã dẫn chúng tôi đưa ra giả thuyết rằng mức HD và / hoặc cải tiến một ff vv quỹ đạo tăng trưởng của các nước. Do đó chúng tôi điều tra các mối quan hệ giữa các cấp HD, HD thay đổi, và βi. Mối quan hệ này là một dấu hiệu cho thấy sức mạnh của chuỗi B. Chúng tôi cũng tìm hiểu vai trò của nhiều yếu tố giải thích thông thường của EG (như trong Levine và Renelt (1992)), chẳng hạn như tỷ lệ đầu tư và xuất khẩu, trong việc xác định quỹ đạo tăng trưởng. Tuy nhiên, kể từ khi các yếu tố như vậy thường được kết hợp với tốc độ tăng trưởng thực tế, chúng ta có thể dự đoán rằng chỉ có họ thay đổi sẽ giải thích quỹ đạo tăng trưởng, βi. Chúng tôi xác định mô hình thực nghiệm của chúng tôi như sau: βi = η + HD τ + z θ + ζ (7) iii i = 1 ,. .., 81, số lượng nước mà chúng tôi có dữ liệu; và z đại diện cho các yếu tố khác trong fl uencing βi đã nói ở trên, cũng như ba núm vú cao su khu vực. Sự hiện diện của các lỗi hạn ζ i nêu bật một lợi thế của thủ tục ước lượng hai bước của chúng tôi ở chỗ nó cho phép không đồng nhất trong các biện pháp Chain B vì lý do đó không phải là hoàn toàn do HD. Chúng tôi tập trung vào các giá trị ước tính (s) của COE ffi vector cient τ, khi chúng tôi đưa ra giả thuyết rằng mức độ cao hơn của HD chì cao hơn (tích cực hơn) quỹ đạo tăng trưởng, và ngược lại. Trong khi Speci fi c mô hình lý thuyết cho biết liệu các biến phải được nhập dưới dạng các cấp, các thay đổi này, chúng tôi coi đây là một vấn đề thực nghiệm và xem xét một loạt các Speci fi cations.16 Kể từ HD là một sản phẩm của EG, thông qua chuỗi A, để giảm các vấn đề nhân quả ngược lại, chúng tôi sử dụng dữ liệu từ sớm trong thời kỳ mẫu. Các kết quả được trình bày trong bảng 4, sử dụng cho trẻ sơ sinh tử vong, tăng tuổi thọ và tỷ lệ nhập học như các biện pháp của HD. Cột (1) đến (6) bao gồm mức độ đầu HD như các biến giải thích trong khi Cột (7) đến (12) cho thấy các cation fi đặc hiệu với những thay đổi trong đầu HD. INSERT TABLE 4 Kết quả của các fi cation đặc hiệu cơ bản, sử dụng các 'sớm' (1960-1980 trung bình) Tỷ lệ tử vong ở trẻ sơ sinh (IMR) như là một thước đo của HD, được hiển thị trong cột 1 của Bảng 4. Giá trị lớn hơn của IMR thấy một mức độ thấp hơn của HD, vì vậy mà chúng tôi mong đợi để xem một τ việc ước lượng là tiêu cực. Lưu ý rằng kể từ khi các biến phụ thuộc ở đây là fi tted xu hướng thời gian từ sự phân hủy trong phương trình (2), giá trị thực tế của COE ffi hụt trên IMR di ffi khăn để giải thích. Chúng tôi tập trung vào việc so sánh kích thước tương đối của Các hệ COE ffi trên các biến hồi quy, cũng như quan sát thống kê fi cance trọng yếu của họ. Từ Cột 1, chúng ta có thể thấy rằng một IMR cao ngụ ý một quốc gia là ít có khả năng để có một quỹ đạo tăng trưởng tích cực. Trong Cột 2 và 3, chúng tôi lặp lại bài tập, sử dụng thọ Life (LE) và Tổng Secondary Enrollment Rate là biện pháp thứ hai và thứ ba của HD, respectively.17

đang được dịch, vui lòng đợi..

Kết quả (Việt) 3:[Sao chép]

Sao chép!

đang được dịch, vui lòng đợi..

Các ngôn ngữ khác

Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.