Dekompozycja strukturalna wzrostu gospodarczego z wykorzystaniem bayesowskich modeli granicznych na przykładzie krajów EU15

• Autorzy: Kamil Makieła

Warianty tytułu

Structural Decomposition of Economic Growth in the EU15 using Bayesian Stochastic Frontier Analysis

• Języki publikacji: PL

Abstrakty

Analizy produktywności z wykorzystaniem modeli granicznych zostały zapoczątkowane przez Koopmansa i Debreu, którzy sformułowali podstawy teoretyczne, wykorzystane później przez Farrella w jego pionierskiej pracy na temat analizy sprawności produkcyjnej rolnictwa w Stanach Zjednoczonych. W kontekście modeli granicznych uzasadnione jest również porównywanie między sobą gospodarek całych krajów, jako jednostek wytwarzających porównywalny produkt (np. PKB), przy użyciu określonych czynników wytwórczych (np. kapitał, praca) i w oparciu o wspólną dla nich technologię. W tak zdefiniowanym modelu wzrost produkcji może wynikać z: akumulacji czynników produkcji (IC), wzrostu sprawności technicznej (EC) oraz postępu technicznego (TC). Powyższa koncepcja dekompozycji, przeprowadzanej na podstawie modeli granicznych, została po raz pierwszy zaimplementowana w 1994 r. przy analizie komponentów wzrostu gospodarczego wybranych krajów. Dekompozycje przedstawiane do tej pory w kontekście modeli granicznych opisywały łączny wpływ IC, a wnioskowanie na temat wpływu poszczególnych czynników odbywało się nie wprost lub poprzez wprowadzanie dodatkowych restrykcji (np. stałych globalnych korzyści skali). Istotna wydaje się więc dekompozycja komponentu IC na jego składowe, tak aby możliwa była do rozstrzygnięcia rola, jaką pełni akumulacja kapitału i pracy we wzroście gospodarczym. Ponadto, w kontekście parametrycznych modeli granicznych ważne jest określenie optymalnej parametryzacji funkcji produkcji. (abstrakt oryginalny)

EN

This paper investigates changes in productivity among the EU15 countries over the last decade. Bayesian Stochastic Frontier models along with structural decomposition of output growth are used to derive the components of output growth. In doing so we explore what impact capital accumulation, labor change, technical progress and technical efficiency change have had on economic growth in those countries. Moreover, estimates of the growth components are conditioned upon model parametrization and the underlying assumptions. Thus, we consider a number of competing specifications and propose Bayes factor as a criterion to choose the best model given the data. (original abstract)

Słowa kluczowe

PL

Wzrost gospodarczy; Modele bayesowskie; Strefa euro; Stochastyczny model graniczny; Czynnik Bayesa

EN

Economic growth; Bayesian models; Eurozone; Stochastic frontier model; Bayes factor

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2012
• Numer: nr 26 Modelowanie danych panelowych : teoria i praktyka. Cz. 1
• Strony: 13--26

Twórcy

autor

Kamil Makieła

• Politechnika Świętokrzyska

Bibliografia

• Badunenko O., Henderson D.J., Zelenyuk V., Techological Change and Transition: Relative Contributions to Worldwide Growth During the 1990s, "Oxford Bulletin of Economics and Statistics" 2008, vol. 70 (4), s. 461-492.
• Broeck J. van den, Koop G., Osiewalski J., Steel M.F., Stochastic Forntier Models; A Bayesian Perspective, "Journal of Econometrics" 1994, vol. 61 (2), s. 273-303.
• Caves D.W., Christensen L.R., Diewert W.E., Multilateral Comparisons of Output, Input, and Productivity Using Superlative Index Numbers, "The Economic Journal (Royal Economic Society)" 1982, vol. 92, s. 73-86.
• Debreu G., The Coefficient of Resource Utilization, "Econometrica" 1951, vol. 19 (3), s. 273-292.
• Färe R., Grosskopf S., Norris M., Zhang Z., Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries, "American Economic Review" 1994, vol. 84, s. 66-83.
• Farrell M.J., The Measurement of Productive Efficiency, "Journal of the Royal Statistical Society (Series A)" 1957, vol. 120, s. 253-290.
• Fried H.O., Lovell K.C., Schmidt S.S., The Measurement of Productive Efficiency and Productivity Growth, Oxford University Press, New York 2008.
• Greene W.H., The Econometric Approach to Efficiency Analysis, w: The Measurement of Productive Efficiency and Productivity Growth, red. H.O. Fried, C.A. Lovell, S.S. Schmidt, Oxford University Press, Oxford 2008, s. 92-159.
• Koop G., Osiewalski J., Steel M.F., The Components of Output Growth: A Stochastic Frotnier Analysis, "Oxford Bulleting of Economics and Statistics" 1999, vol. 61 (4), s. 455-487.
• Koop G., Steel M.F., Osiewalski J., Posterior Analysis of Stochastic Frontier Models Using Gibbs Sampling, "Computational Statistics" 1995, vol. 10, s. 353-373.
• Koopmans T., Activity Analysis of Production and Allocation, John Wiley & Sons, New York 1951.
• Makieła K., Economic Growth Decomposition. An Empirical Analysis Using Bayesian Frontier Approach, "Central European Journal of Economic Modelling and Econometrics" 2009, vol. 1 (4), s. 333-369.
• Newton M., Raftery A., Approximate Bayesian inference with the weighted likelihood bootstrap, "Journal of the Royal Statistical Society (Series B)" 1994, vol. 56, s. 3-48.
• Schreyer P., Koechlin F., Purchasing power parities - measurement and uses, "Statistics Brief " 2002, vol. 3, s. 1-8.
• Yu B., Mykland P., Looking at Markov samplers through cusum path plots: a simple diagnostic idea, "Statistics and Computing" 1998, vol. 8, s. 275-286.