| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.28 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
We apply a variable shares growth accounting method for 101 countries between 1950 and 2015.
Then we estimate regressions for those factor shares and technology using a panel data estimator
robust to temporary country-wide common shocks, persistent country characteristics,
business cycles shocks, reverse causality and high influential observations outliers. This way
our applied methodology takes into account the specific features of the data and overcomes
most criticisms previously raised on growth regressions, which received only few attention in
the economic literature yet. The most important evidence reveals that government current
expenditure decreases the factor contribution and has no effect on total factor productivity
(TFP). Trade, affects the TFP and the Biased Technical Change (BTC) contributions, decreasing
the factor shares. Moreover, human capital decreases TFP and increases the BTC contribution
to growth.
Foi aplicado um método inédito da contabilidade de crescimento em que assume proporções de factores produtivos variáveis em vez de constantes como é comum. As contribuições da acumulação de factores de produção para o crescimento económico tem sido um assunto amplamente analisado e testado na literatura económica. No entanto, várias questões têm posto em causa a fiabilidade dos resultados provenientes das regressões do crescimento tais como a existência de outliers e a de potencial causalidade reversa. O estudo alberga um painel de dados de 101 países entre 1950 e 2015 em que associações entre países e períodos de tempo como choques comuns, características persistentes específicas a cada país e ciclos económicos são analisados e corrigidos. A metodologia aplicada contorna várias críticas apontadas ás regressões do crescimento que até ao momento ainda não tinham sido visadas pela literatura mais recente. A evidência mais importante aponta para que a despesa corrente do governo diminua as contribuições do capital e trabalho no crescimento mas não que não tenha efeito aparente sobre a produtividade total dos factores (PTF). O comércio externo afecta as contribuições da PTF e do progresso tecnológico enviesado (PTE), porém reduzindo as contribuições associadas á acumulação de factores. Além disso, o capital humano diminui a contribuição do PTF, mas aumenta a contribuição do PTE para o crescimento.
Foi aplicado um método inédito da contabilidade de crescimento em que assume proporções de factores produtivos variáveis em vez de constantes como é comum. As contribuições da acumulação de factores de produção para o crescimento económico tem sido um assunto amplamente analisado e testado na literatura económica. No entanto, várias questões têm posto em causa a fiabilidade dos resultados provenientes das regressões do crescimento tais como a existência de outliers e a de potencial causalidade reversa. O estudo alberga um painel de dados de 101 países entre 1950 e 2015 em que associações entre países e períodos de tempo como choques comuns, características persistentes específicas a cada país e ciclos económicos são analisados e corrigidos. A metodologia aplicada contorna várias críticas apontadas ás regressões do crescimento que até ao momento ainda não tinham sido visadas pela literatura mais recente. A evidência mais importante aponta para que a despesa corrente do governo diminua as contribuições do capital e trabalho no crescimento mas não que não tenha efeito aparente sobre a produtividade total dos factores (PTF). O comércio externo afecta as contribuições da PTF e do progresso tecnológico enviesado (PTE), porém reduzindo as contribuições associadas á acumulação de factores. Além disso, o capital humano diminui a contribuição do PTF, mas aumenta a contribuição do PTE para o crescimento.
Description
Keywords
Bootstrapping Capital Humano Comércio Externo Contabilidade do Crescimento Contribuições Variáveis de Factores Crescimento Económico Dados Em Painel Despesa Corrente Factores Historicamenteenraízados Multi-Clustering