2013年-世界发展银行全球_Structural_Change_and_Cross-Country_Growth_Empirics_43页_403kb

详细总结：结构变化与跨国增长实证研究

核心内容

本文探讨了在跨国增长研究中，使用聚合生产函数模型可能掩盖了农业和制造业之间技术差异的重要性。作者指出，传统的经济增长文献通常采用统一的生产函数或收敛回归模型，忽略了结构性变化对技术异质性的影响。通过使用世界银行提供的独特数据集，他们对40个发展中国家和发达国家在1963至1992年间农业和制造业的生产函数进行了估计，并与聚合数据模型进行了对比。研究结果表明，技术异质性在跨国分析中具有重要意义，而使用聚合数据可能导致对全要素生产率（TFP）的误判。

主要观点

• 结构性变化的重要性：经济发展的核心特征之一是农业在GDP中的份额下降，这一结构性变化在传统模型中被忽略。
• 技术异质性：农业和制造业内部以及国家之间存在显著的技术异质性，这种异质性不能通过简单的聚合模型来捕捉。
• 聚合数据的局限性：聚合模型可能无法准确反映技术差异，从而导致对TFP的误判。
• 双重经济框架：双重经济模型（农业与制造业）能够更准确地分析技术异质性，因为其考虑了不同部门的生产结构。
• 宏观数据的挑战：传统宏观数据集（如Penn World Table和Barro-Lee数据）虽有助于估算聚合模型，但无法反映部门层面的技术差异。

关键信息

数据与方法

• 使用世界银行提供的农业和制造业数据集，覆盖40个国家，时间跨度为1963至1992年。
• 采用面板时间序列方法，包括以下几种估计方法：
  • POLS（Pooled OLS）：普通最小二乘法。
  • 2FE（Two-way Fixed Effects）：双固定效应模型。
  • GMM（Generalized Method of Moments）：广义矩估计。
  • PMG（Pooled Mean Group）：聚合均值组模型。
  • CCE（Common Correlated Effects）：共同相关效应估计。
  • CCEP/CMG：分别指CCE面板模型和CCE均值组模型。

技术异质性的理论基础

• 跨部门异质性：农业和制造业的技术参数（如资本和劳动的弹性）可能不同，导致聚合模型无法准确反映实际生产技术。
• 跨国家异质性：不同国家由于资源禀赋、制度、环境等因素，其生产技术参数存在差异。这种异质性与“适当技术”文献一致，认为技术应适应不同国家的资源条件。
• 微观模型的启发：Mundlak（1988）提出的微观生产框架为宏观模型提供了理论支持，其中技术参数可能随国家和时间变化。

模型结构

• 农业生产函数：以对数形式表示，包括劳动、资本、自然资本（耕地和永久作物地）等变量。
• 制造业生产函数：包括类似的输入变量，但不包含自然资本。
• TFP建模：将TFP分解为国家特定的水平（$\alpha_i$）和共同因素（$f_t$）。

实证发现

• 技术参数差异：不同国家的技术参数（$\beta_i$）存在显著差异，且这些参数可能随时间变化。
• 聚合模型的误导性：聚合模型未能捕捉到部门和技术之间的异质性，导致对TFP的误判。
• 共同因素的影响：共同因素（如制度、环境、价格波动）对生产函数和投入需求函数均有影响，使传统因果分析方法失效。
• 非平稳性与异质性：面板时间序列方法能够处理非平稳变量和参数异质性，同时控制截面相关性。

模型的扩展与应用

• CCE估计方法：通过加入截面平均项，CCE方法能够控制共同因素的影响，从而提高估计的准确性。
• CMG与CCEP模型：CMG模型基于国家特定的OLS回归，CCEP模型则是标准固定效应模型的扩展。
• 模型比较：作者强调不同估计方法对技术异质性的处理方式不同，因此需要对模型的残差进行诊断，以判断是否存在截面依赖性。

结论

• 聚合模型的不足：传统聚合模型在分析技术差异时存在局限，不能提供准确的TFP衡量。
• 双重经济模型的优势：该模型能够更真实地反映部门层面的技术异质性，有助于理解经济增长的机制。
• 政策启示：对技术异质性的关注对于制定有效的增长政策至关重要，特别是在发展中国家的转型过程中。

结构分析

I. 技术异质性

• 跨部门异质性：农业与制造业的技术参数不同，导致聚合模型无法准确表示整体生产技术。
• 跨国家异质性：国家间的技术差异由资源禀赋、制度、环境等因素驱动。
• 技术异质性的挑战：技术参数的异质性使得传统因果分析方法（如固定效应或工具变量）可能失效。

II. 双重经济的实证模型

• 模型设定：采用对数线性化的Cobb-Douglas生产函数，考虑国家特定和共同因素的影响。
• 输入需求函数：输入变量（如劳动、资本、自然资本）与技术参数和共同因素相关。
• 非平稳性与异质性：面板时间序列方法适用于处理非平稳变量和参数异质性。
• 估计方法：包括POLS、2FE、GMM、PMG、CCEP和CMG等，其中CCE方法被特别强调。

III. 实证结果

• 部门层面的技术参数：农业和制造业的技术参数在不同国家之间存在显著差异。
• 时间一致性：技术参数可能随时间变化，因此需要进行参数恒定性检验。
• 共同因素的影响：共同因素（如制度、环境）对生产函数和投入需求函数均有影响，需通过模型调整来控制。

IV. 聚合数据与实证分析

• 聚合数据的局限性：聚合数据可能掩盖部门和技术之间的异质性，导致对TFP的误判。
• 截面依赖性：模型残差中可能存在截面相关性，需通过诊断测试加以识别。
• 模型选择：不同的估计方法对技术异质性和共同因素的处理方式不同，因此需要选择合适的模型以提高估计的准确性。

V. 总结与展望

• 研究意义：本文强调了技术异质性在跨国增长分析中的重要性，指出聚合模型的局限性。
• 方法建议：推荐使用面板时间序列方法和CCE估计方法，以更好地捕捉技术异质性和共同因素的影响。
• 未来方向：进一步研究技术异质性的动态变化及其对经济增长的影响。

参考文献与致谢

• 本文作者为Markus Eberhardt和Francis Teal。
• 研究受到英国经济与社会研究委员会和比尔及梅琳达·盖茨基金会资助。
• 感谢多位学者和会议参与者对本文的有益评论和建议。

附注

• 本文使用了世界银行的农业和制造业数据集，以及Penn World Table和Barro-Lee数据集。
• 模型中考虑了多种因素，如人力资本、制度、价格波动等，以提高估计的准确性。
• 本文还讨论了非平稳变量、参数异质性和截面相关性对估计结果的影响。