Economic growth: A review essay
Peter J. Klenow, Andrés Rodriguez-Clare (1997)
Introduzione
L'ultima decade ha visto un'esplosione della ricerca sulla crescita
economica .
Tre relativi ma concettualmente distinti problemi giacciono al cuore di questa
ricerca:
la crescita mondiale, la crescita dei paesi, e la dispersione in livelli di
reddito. Teorie della crescita mondiale tentano di spiegare la crescita
continua nel reddito pro capite nell'economia del mondo durante il corso
degli ultimi duecento anni. La maggior parte dei più famosi modelli della
crescita endogena (e.g. Lucas, 1988; Romer, 1990; Grossman e Helpman,
1991) appartengono a questo gruppo.
Teorie della crescita dei paesi sono motivate dalla grande differenza
osservata in percentuale fra le crescite dei paesi. Questo segmento della
letteratura chiede, per esempio, perché alcuni paesi asiatici sono cresciuti
così tanto più velocemente di altri, per più di tre decadi. Il lavoro sui miracoli
economici di Lucas (1993) si preoccupa primariamente di questo problema.
Finalmente, molti papers in letteratura tentano di spiegare perché, in
ciascun istante di tempo, alcuni paesi sono significativamente più ricchi di
altri.
Hard-core del paper
In questa revisione selettiva della letteratura ed del libro di
Barro e Sala-i-Martin si offre più che altro una
valutazione negativa del modo in cui sono stati usati i
dati per discriminare fra le varie teorie della crescita
economica.
Questo perchè è stato deludentemente poco collaudo il
lavoro empirico discriminando tra le teorie della crescita
endogena. Giungiamo a questa conclusione nonostante
un gran numero di studi di regressione di crescita crosscountry hanno indagato quali variabili sono correlate con
i tassi di crescita.
Vediamo un esempio…
Barro e Sala-i-Martin (1995) riportano i risultati di una regressione panel della
forma:
gy (i, t )  b  y (i,0)  control var iables  u(i, t )
dove gy(i, t) è il tasso di crescita del pil pro capite GDP del paese i dal periodo 0
al periodo t, y(i 0) è il log del GDP del paese i al tempo 0, e "control
variables” includono (fra altri) tassi inziali d'iscrizione scolastica, la quota del
prelievo statale in GDP, il costo del mercato nero, e l’instabilità politica.
Barro e Sala-i-Martin (1995) riportano i risultati di una regressione panel della
forma:
gy (i, t )  b  y (i,0)  control var iables  u(i, t )
dove gy(i, t) è il tasso di crescita del pil pro capite GDP del paese i dal periodo 0
al periodo t, y(i 0) è il log del GDP del paese i al tempo 0, e "control
variables” includono (fra altri) tassi inziali d'iscrizione scolastica, la quota del
prelievo statale in GDP, il costo del mercato nero, e l’instabilità politica.
Motivano questa regressione usando la seguente approssimazione al modello di
crescita neoclassico:
gy(i, t )   (i )     y ss (i,0)  y(i,0)   (i, t )
dove y ss rappresenta il log del livello di reddito del paese i al tempo 0 sul
sentiero di stato stazionario
Critica
non è chiaro se le variabili di controllo in Eq. (1) sono proxy per le differenze
nel reddito di stato stazionario  y ss  o per le differenze nei tassi di crescita
di lungo periodo (  )
se solo effetti di livello sono incomportati, con coefficienti significativi, nelle
variabili di controllo, si ha una visione del mondo in cui tutti i paesi crescono
allo stesso tasso in stato stazionario, con un più alto o più basso tasso
rispetto a una crescita media essendo un fenomeno di transizione.
Ma tali coefficienti non possono dirci nulla circa le determinanti di  .
Questo problema (più altri problemi che discutiamo più avanti) rende difficile
concludere, sulle teorie di crescita endogena, partendo da cross-country
growth regression.
Quali possono essere le determinanti delle differenze nei tassi di
crescita fra paesi?
Si può pensare delle teorie di crescita endogene come applicazioni a
paesi in isolamento, così che le differenze in politiche ed istituzioni
tra paesi conducano alle differenze in tassi di crescita economica di
lungo periodo. Secondo l’AK teoria di crescita endogena, per
esempio, paesi con percentuali di tasse su capitale basse crescono
più velocemente nel lungo periodo che paesi con percentuali di
tasse alte
Si può tentare di discriminare fra teorie della crescita comparando il loro tasso
implicito di convergenza condizionale con il tasso stimato nei dati.
Barro e Sala-i-Martin (1995) utilmente si sforzarono di fare solo questo. Il loro
approccio è presentare un modello, lineare intorno al suo stato stazionario,
e scegliere valori ragionevoli per i parametri per determinare una velocità di
convergenza numerica implicata da ogni modello
Si può tentare di discriminare fra teorie della crescita comparando il loro tasso
implicito di convergenza condizionale con il tasso stimato nei dati.
Barro e Sala-i-Martin (1995) utilmente si sforzarono di fare solo questo. Il loro
approccio è presentare un modello, lineare intorno al suo stato stazionario,
e scegliere valori ragionevoli per i parametri per determinare una velocità di
convergenza numerica implicata da ogni modello
Specificamente, gli autori usano il tasso di convergenza condizionale stimato
da regressioni di crescita cross-country come evidenza per o contro il
modello di Cass-Koopmans
Loro stimano una tasso di convergenza condizionale del 3% per anno. Questo
significa che il 3% del gap tra l'attuale ed il livello di reddito di stato
stazionario tende ad essere eliminato ogni anno. Gli autori mostrano che
questo tasso di convergenza è significativamente più lento del tasso
predetto dal modello di Cass-Koopmans che è circa del 6% per anno
Queste stime di convergenza condizionale fanno pensare a due problemi
principali:

le regressioni includono tipicamente variabili di controllo alle quali sono
associate dinamiche di transizione facendo diventare difficile dire la potenza
del coefficiente su scelte di reddito iniziali cogliendo tutte le dinamiche di
transizione
Queste stime di convergenza condizionale fanno pensare a due problemi
principali:


le regressioni includono tipicamente variabili di controllo alle quali sono
associate dinamiche di transizione facendo diventare difficile dire la potenza
del coefficiente su scelte di reddito iniziali cogliendo tutte le dinamiche di
transizione
i modelli non puntano su variabili di controllo osservabili che catturerebbero
pienamente le differenze di stato stazionario
Queste stime di convergenza condizionale fanno pensare a due problemi
principali:


le regressioni includono tipicamente variabili di controllo alle quali sono
associate dinamiche di transizione facendo diventare difficile dire la potenza
del coefficiente su scelte di reddito iniziali cogliendo tutte le dinamiche di
transizione
i modelli non puntano su variabili di controllo osservabili che catturerebbero
pienamente le differenze di stato stazionario
Recenti studi hanno controllato le differenze in stato stazionario usando effetti
fissi di paese nelle regressioni panel trovando velocità di convergenza
sostanzialmente più alte
Il modello di Cass-Koopmans
Si supponga che tutti i paesi hanno lo stesso percorso di reddito di stato
stazionario, così le differenze nel reddito iniziale rappresentano differenti
posizioni relative allo stesso percorso di stato stazionario. Nell'assenza di
shocks, questo modello ci dice il più basso reddito inziale, la più veloce
crescita susseguente
Differenze nei livelli sorgono da due fonti: le differenze nella produttività e le
differenze nel tasso di investimento di stato stazionario in capitale fisico
Il tasso di investimento iniziale in un paese è uguale al suo valore di stato
stazionario?
Naturalmente Sì solo se i valori dei parametri sono così che il tasso di
investimento è costante lungo il percorso di transizione.
Come Barro e Sala-i-Martin (1995) dimostrano, questo accade solamente
quando il tasso di investimento di stato stazionario è uguale all'elasticità di
sostituzione intertemporale in consumo.
Questa condizione necessariamente è violata se individui in paesi diversi hanno
le stesse preferenze.
Il tasso di investimento iniziale in un paese è uguale al suo valore di stato
stazionario?
Naturalmente Sì solo se i valori dei parametri sono così che il tasso di
investimento è costante lungo il percorso di transizione.
Come Barro e Sala-i-Martin (1995) dimostrano, questo accade solamente
quando il tasso di investimento di stato stazionario è uguale all'elasticità di
sostituzione intertemporale in consumo.
Questa condizione necessariamente è violata se individui in paesi diversi hanno
le stesse preferenze.
Quindi cosa accade quando l'investimento iniziale non è lo stesso del
tasso di investimento di stato stazionario?
Supponiamo:
gy(i, t )       y ss (i,0)  y(i,0)   (i, t )
I
i, t      y i, t   y ss i, t      y ss i, t   y ss t 
Y
Con y ss t  che cresce secondo un trend comune a (  )
Se si fa girare la regressione:
gy  b  y (i,0)  d 
I
i,0  u
Y
Allora la vera velocità di convergenza  relativa ai coefficienti stimati è:
  bˆ    dˆ
Ora, una scoperta importante di Levine e Renelt (1992) è che d̂ è positivo e
significativamente diverso da zero. Di conseguenza, la velocità di
convergenza stimata è influenzata perché il tasso di investimento varia col
reddito di un paese relativamente allo stato stazionario (  0)
Intuitivamente, il tasso di investimento iniziale contiene delle informazioni sulla
distanza dallo stato stazionario piuttosto che puramente informazioni sullo
stato stazionario. La sua inclusione nella regressione “sottrae” dal
coefficiente sul reddito iniziale, conducendo a deviare nella velocità di
convergenza stimata. La direzione della deviazione dipende dal segno di .
Barro e Sala-i-Martin (1995) dicono che l'evidenza empirica suggerisce tassi di
investimento crescenti durante la transizione (  0) , quali implicherebbero
una deviazione diretta verso l'alto. Ma nonostante il segno di  , il nostro
punto è quello che include il tasso di investimento - una variabile che è
endogena alla posizione di un paese relativamente allo stato stazionario implicando che non si può leggere il tasso di convergenza dal coefficiente
sul reddito iniziale attraverso una cross-country growth regression.
Il modello di Barro-Mankiw-Sala-i-Martin (1995)
Il Barro-Mankiw-Sala-i-Martin (BMS) è una estensione del modello di CassKoopmans che include il capitale umano.
È un modello nel quale nuovo capitale fisico, nuovo capitale umano, e beni di
consumo sono tutti prodotti con la stessa tecnologia.
Il setting è una piccola economia aperta che può prendere in prestito dal resto
del mondo quantità di capitale fisico.
Barro e Sala-i-Martin dimostrano che, con una quota di capitale fisico del 30%
ed una quota di capitale umano del 45%, il modello di BMS implica una
tasso di convergenza del 2.5%, una tasso che ben si adatta con stime
empiriche dei coefficienti di convergenza.
La regressione esaminata nel libro include lo stock iniziale
di capitale umano (misurato da anni medi di istruzione
nella popolazione in età lavorativa).
Ma lo stock di capitale umano non riflette puramente il
percorso di stato stazionario. Contiene anche
informazioni sulla deviazione da quel percorso.
La regressione esaminata nel libro include lo stock iniziale
di capitale umano (misurato da anni medi di istruzione
nella popolazione in età lavorativa).
Ma lo stock di capitale umano non riflette puramente il
percorso di stato stazionario. Contiene anche
informazioni sulla deviazione da quel percorso.
Se i sentieri di reddito di stato stazionario fossero tutti gli
stessi il modello implicherebbe davvero che uno stock
più basso di capitale umano condurrebbe alla crescita
più veloce, perché la convergenza in reddito in questo
modello è completamente guidata dalla convergenza in
capitale umano.
Un problema relativo è che includere lo stock iniziale di capitale umano nelle
regressioni è problematico perché reddito e capitale umano sono
strettamente collegati nel modello BMS, precisamente, il log del reddito ed il
log del capitale umano non sono perfettamente collineari nel modello BMS.
Un problema relativo è che includere lo stock iniziale di capitale umano nelle
regressioni è problematico perché reddito e capitale umano sono
strettamente collegati nel modello BMS, precisamente, il log del reddito ed il
log del capitale umano non sono perfettamente collineari nel modello BMS.
I risultati della procedura di stima poi dipendono dal perché queste due
variabili non sono perfettamente collineari nei dati. Per esempio, se il
modello BMS ha ragione ma il log del reddito e log del capitale umano non
sono perfettamente correlati a causa di errori di misurazione, allora la
dimensione (ma non il segno) dei coefficienti su questi due variabili
dipendono completamente dall’accuratezza con la quale sono misurati.
Un problema relativo è che includere lo stock iniziale di capitale umano nelle
regressioni è problematico perché reddito e capitale umano sono
strettamente collegati nel modello BMS, precisamente, il log del reddito ed il
log del capitale umano non sono perfettamente collineari nel modello BMS.
I risultati della procedura di stima poi dipendono dal perché queste due
variabili non sono perfettamente collineari nei dati. Per esempio, se il
modello BMS ha ragione ma il log del reddito e log del capitale umano non
sono perfettamente correlati a causa di errori di misurazione, allora la
dimensione (ma non il segno) dei coefficienti su questi due variabili
dipendono completamente dall’accuratezza con la quale sono misurati.
Questo avrebbe due implicazioni:


il coefficiente di reddito iniziale non può essere interpretato come il tasso di
convergenza condizionale.
i coefficienti su reddito e capitale umano dovrebbero avere lo stesso segno
(ambedue negativo), mentre nella regressione di crescita cross-country
presentato nel libro essi hanno segno opposto.
Il modello di Lucas-Uzawa
Loro provano ad offrire una base razionale per includere il capitale umano
iniziale insieme al reddito iniziale per stimare il tasso di convergenza relativo
al percorso di stato stazionario. Ma regressioni che stimano il coefficiente
sul reddito iniziale (relativo allo stock di capitale umano) spesso includono
tassi d'iscrizione iniziali. Il tasso d'iscrizione iniziale contiene ulteriormente
informazioni sulla crescita di transizione di un paese.
Il modello di Lucas-Uzawa
Loro provano ad offrire una base razionale per includere il capitale umano
iniziale insieme al reddito iniziale per stimare il tasso di convergenza relativo
al percorso di stato stazionario. Ma regressioni che stimano il coefficiente
sul reddito iniziale (relativo allo stock di capitale umano) spesso includono
tassi d'iscrizione iniziali. Il tasso d'iscrizione iniziale contiene ulteriormente
informazioni sulla crescita di transizione di un paese.
Come includere tassi di investimento è problematico nel modello di CassKoopmans, l'inclusione dei tassi d’iscrizione fa diventare difficile interpretare
il coefficiente sul reddito iniziale cogliendo tutte le dinamiche di transizione
nel modello di Lucas-Uzawa.
Il modello di Lucas-Uzawa
Loro provano ad offrire una base razionale per includere il capitale umano
iniziale insieme al reddito iniziale per stimare il tasso di convergenza relativo
al percorso di stato stazionario. Ma regressioni che stimano il coefficiente
sul reddito iniziale (relativo allo stock di capitale umano) spesso includono
tassi d'iscrizione iniziali. Il tasso d'iscrizione iniziale contiene ulteriormente
informazioni sulla crescita di transizione di un paese.
Come includere tassi di investimento è problematico nel modello di CassKoopmans, l'inclusione dei tassi d’iscrizione fa diventare difficile interpretare
il coefficiente sul reddito iniziale cogliendo tutte le dinamiche di transizione
nel modello di Lucas-Uzawa.
Ciò significa che il coefficiente sul reddito iniziale può non riflettere
accuratamente la velocità di convergenza condizionale perché alcune delle
variabili di controllo contengono informazioni su dinamiche di transizione.
Il modello di Lucas-Uzawa
Loro provano ad offrire una base razionale per includere il capitale umano
iniziale insieme al reddito iniziale per stimare il tasso di convergenza relativo
al percorso di stato stazionario. Ma regressioni che stimano il coefficiente
sul reddito iniziale (relativo allo stock di capitale umano) spesso includono
tassi d'iscrizione iniziali. Il tasso d'iscrizione iniziale contiene ulteriormente
informazioni sulla crescita di transizione di un paese.
Come includere tassi di investimento è problematico nel modello di CassKoopmans, l'inclusione dei tassi d’iscrizione fa diventare difficile interpretare
il coefficiente sul reddito iniziale cogliendo tutte le dinamiche di transizione
nel modello di Lucas-Uzawa.
Ciò significa che il coefficiente sul reddito iniziale può non riflettere
accuratamente la velocità di convergenza condizionale perché alcune delle
variabili di controllo contengono informazioni su dinamiche di transizione.
Un numero di recenti studi indicano un altro problema, cioè che regressioni di
crescita cross-country con proxy imperfette per le differenze di reddito di
stato stazionario conducono alla sottostima del tasso di convergenza.
Islam (1995), Canova e Marcet (1995), Caselli et al. (1996) usano le tecniche
di dati panel per risolvere questo problema. Loro trovano molti più veloci
tassi di convergenza condizionale che il 3% stimato da Barro e Sala-iMartin
Usando il panel di Summers-Heston, Islam stima un tasso di convergenza del
6% per anno, Caselli et al. (1996) stima un 10%, e Canova e Marcet
(1995) stimano un 11%. Questi tassi più veloci di convergenza sono
consistenti combinati con più piccoli tassi di capitale fisico ed umano che il
75% (30% capitale fisico, 45% capitale umano) calibrato per avere il 3% di
convergenza.
Infatti Caselli et al. riportano un tasso di capitale implicito del solo 10%,
lontano dal ragionevole 30% per capitale fisico solo!
Questo può implicare che convergenza condizionale sta venendo dalla
produttività, o dalla tecnologia “catch up”, così come da input di transizione
delle dinamiche di tipo neoclassico.
Quello che concludiamo da questa discussione di convergenza condizionale è il
bisogno di specificare modelli stocastici che simulano, e comparano le loro
predizioni ai dati. Questa metodologia che frequentemente è stata applicata
nella letteratura di ciclo economico fin dall’originario paper di Kydland e
Prescott (1982), potrebbe essere enormemente produttivo nella ricerca
della crescita.
Capitale fisico e umano
MRW e CKM prendano la posizione che il livello della produttività è
essenzialmente lo stesso tra paesi, così che le differenze in livelli di reddito
si devono grandemente alle differenze in livelli di capitale fisico ed umano.
Romer (1993) afferma che i gap strutturali non sono tanto importanti quanto i
gap “intellettuali”.
Si supponga che le differenze di produttività riflettono le differenze nella
tecnologia usata. Diversamente dal modello di crescita neoclassico, i modelli
technologybased hanno genericamente effetti di scala a causa della natura
di non rivalità dell'innovazione, imitazione, adozione e adattamento. I
modelli technologybased suggeriscono anche un ruolo prominente per
l’apertura mentale (accesso a qualità più alta o più specializzati beni
attraverso importazioni o accesso alla migliore tecnologia attraverso joint
venturs o licenze tecnologiche). E mentre le implicazioni normative centrali
del modello neoclassico sono su percentuali di tassa, quelle di modelli
technologybased si estendono a negoziazioni politiche di investimento
straniero, politiche di ricerca e protezione della proprietà intellettuale.
Parlando dei salari di entrata dei lavoratori, Borjas (1987) scopre che
gli immigranti con l’1% più alto di reddito pro capite nel loro paese
di origine guadagnano uno 0.12% più alto salario di entrata, così
che questo maggiore guadagno può venire da più capitale di
“conoscenza” nel paese di origine.
Si supponga che quel capitale di “conoscenza” e contributo di tempo
studentesco siano ugualmente importanti nell’accumulazione di
capitale umano:
Allora le differenze di capitale umano
spiegano il 24% delle
differenze di paese in reddito pro capite. E questo lascia il 76%
delle differenze di reddito da essere spiegato da differenze in
capitale fisico, rapporti di produzione e produttività. Dato che la
scoperta tipica è che quel capitale fisico spiega il 20% delle
differenze fra paese (coma dai risultati di Mankiw et al.), le
differenze di produttività sono vanno a spiegare il 56% delle
differenze di reddito fra paesi.
La conclusione che deduciamo da tutta questa evidenza è
che differenze in produttività sono la causa primaria della
grande dispersione internazionale in reddito pro capite.
Così, anche se modelli di sviluppo che focalizzano
l’attenzione su capitale fisico e accumulazione di capitale
umano chiaramente sono importanti, pensiamo più
necessari gli sforzi da dedicare a studiare le cause delle
differenze di produttività tra paesi.
L‘evidenza costante che la tecnologia non si diffonde istantaneamente
o pienamente include studi di brevetto internazionale e studi della
correlazione tra TFP ed R&D.
La tecnologia non può differire tra paesi se non che attraverso le
differenze nelle conoscenze incarnate nelle persone
Ma il trasferimento di conoscenza può essere spesso costoso
L‘evidenza costante che la tecnologia non si diffonde istantaneamente
o pienamente include studi di brevetto internazionale e studi della
correlazione tra TFP ed R&D.
La tecnologia non può differire tra paesi se non che attraverso le
differenze nelle conoscenze incarnate nelle persone
Ma il trasferimento di conoscenza può essere spesso costoso
Tariffe, tasse, leggi di proprietà, e la corruzione possono
colpire i costi di trasferimento di tecnologia, conducendo
alle differenze in livelli di produttività fra paesi.
CONCLUSIONI
Le quattro sfide principali per la ricerca della crescita futura:
I.
II.
III.
IV.
simulare modelli e formalmente comparare le loro predizioni ai dati
distinguere empiricamente tra teorie della crescita endogena
sviluppare teorie delle differenze internazionali in produttività
innovare in termini di dati
Riguardo al primo punto questo è il modo migliore per evitare malspecificazione nel lavoro empirico e sfruttare pienamente le implicazioni
quantitative dei modelli candidati
Per il secondo gradiremmo vedere più lavoro lungo le linee di Jones,
Kocherlakota e Yi che esaminano le teorie della crescita endogena
esistenti
Riguardo al terzo recenti paper mostrano che le inefficienze possono sorgere a
causa di gruppi potenti che prevengono l'economia dall'usare le
tecnologie nuove a causa di produzione statale inefficiente, a causa di
corruzione statale, ed a causa di barriere di lavoro che riducono la
varietà dei contributi importati
Infine ricercare dati nuovi come quelli relativi a qualità di prodotto, concorrenti,
tipi di lavoratori.. aiuterebbero a guidare future teorie ed aiuterebbero
a raffinare e rinnovare quelle esistenti
FINE