2006年-世界发展银行全球_Network_Effects_of_the_Productivity_of_Infrastructure_in_Developing_Countries_26页_413kb

报告摘要

总结：基础设施生产率的网络效应

核心内容

本文探讨了发展中国家基础设施投资生产率的阈值效应，并提出使用面板阈值回归模型（Panel Threshold Regression, PTR）来分析基础设施生产率的非线性关系。研究指出，基础设施具有明显的网络特性，其生产率依赖于现有基础设施的存量水平。当基础设施存量较低时，投资的边际生产率较高；而当网络基本建成时，边际生产率则趋于正常或接近零。

主要观点

基础设施的网络效应：基础设施投资的边际生产率在不同阶段表现不同。初始阶段（网络未建成），投资对产出的提升作用显著；当网络基本建成后，其边际生产率趋于平缓，甚至不再显著。
非线性关系：基础设施与产出之间的关系是非线性的，且可以用阈值模型来描述。这种非线性关系在不同基础设施存量水平下表现出不同的弹性系数。
阈值模型的应用：本文提出使用面板阈值回归模型来捕捉基础设施投资的网络效应。该模型允许根据一个可观测变量（如基础设施存量）将个体观测划分为不同的状态（即“制度”），并分别估计各状态下的弹性系数。
阈值变量的选择：阈值变量可以是基础设施存量本身，也可以是人均基础设施存量。后者有助于消除规模效应，更准确地反映网络的完成度。
模型的稳健性：通过不同的阈值模型（如双阈值、三阈值、四阈值模型），研究发现基础设施生产率的非线性关系在不同阶段均存在显著差异，且线性模型无法有效捕捉这种关系。
数据与方法：本文使用与Canning（1999）和Canning & Bennathan（2000）相同的面板数据，包括人均购买力平价GDP（链式指数）和物理资本存量。模型估计采用最小二乘法，并通过Bootstrap方法模拟阈值统计量的分布，以检验模型的显著性。

关键信息

模型结构：
- 阈值模型分为多个制度（regimes），每个制度对应不同的弹性系数。
- 模型形式为：
  $$
  y_{it} =
  \begin{cases}
  a_i + \delta_1' W_{it} \mathbb{I}(q_{it} \leq \lambda) + \varepsilon_{it} & \text{if } q_{it} \leq \lambda \
  a_i + \delta_2' W_{it} \mathbb{I}(q_{it} > \lambda) + \varepsilon_{it} & \text{if } q_{it} > \lambda
  \end{cases}
  $$
- 其中，$ q_{it} $ 为阈值变量，$ \lambda $ 为阈值参数，$ W_{it} $ 为输入变量的向量，$ \delta_1 $、$ \delta_2 $ 为不同制度下的弹性系数。
阈值变量的两种选择：
- Model A：使用基础设施存量（$ q_{it} = x_{it} $）作为阈值变量。
- Model B：使用滞后人均GDP（$ q_{it} = y_{i,t-1} $）作为阈值变量，以反映国家间的异质性。
检验方法：
- 使用F统计量检验不同制度下的生产率差异。
- 通过Bootstrap方法模拟F统计量的分布，以获得更准确的显著性检验。
结果：
- 所有模型均强烈拒绝线性关系假设，表明基础设施生产率存在显著的非线性关系。
- 不同制度下的弹性系数差异显著，说明基础设施投资的边际生产率随网络的完成程度而变化。

结论

本文强调了基础设施投资的网络特性，并指出传统线性模型无法准确反映其生产率的非线性变化。通过使用阈值面板回归模型，可以更有效地捕捉这种变化，并为政策制定者提供更精确的基础设施投资效果评估。研究结果支持了基础设施投资在早期阶段具有较高的边际生产率，而在网络基本建成后，其边际生产率趋于正常，这与Fernald（1999）的发现一致。

展开完整摘要