Should We Recalculate the Level of Spillover Effects if the Alternative GDP Measures for China Are Correct?

• Autorzy: Anna Sznajderska

Warianty tytułu

Czy powinniśmy ponownie obliczyć wielkość efektów spillover, jeśli alternatywne miary PKB dla Chin są poprawne?

• Języki publikacji: EN

Abstrakty

EN

Official statistics show very stable growth rates of production and prices in recent years in China. These statistics are widely criticized. Alternative measures of China's GDP suggest that China's growth rates are exaggerated. This indicates that the slowdown of the Chinese economy is even bigger than usually assumed. In this paper, we try to answer the question whether alternative data on Chinese GDP affect the level of spillover effects of the Chinese economy. To this end, we estimate two alternative GVAR models and compare the obtained results. The usage of the alternative GDP series with a lower growth rate than the official GDP growth rate appears to weaken the spillover effect. (original abstract)

Oficjalne statystyki dotyczące PKB i poziomu cen w Chinach są w ostatnich latach bardzo stabilne. Statystyki te są jednak często krytykowane. Powstało wiele alternatywnych miar PKB dla Chin, z których większość wskazuje, że oficjalne statystyki są w ostatnich latach zawyżane. Oznacza to, że spowolnienie gospodarcze w Chinach jest większe niż oficjalnie szacowane. W niniejszym artykule staramy się odpowiedzieć na pytanie, czy przyjęcie alternatywnej miary PKB dla Chin wpływa na wielkość efektów spillover z chińskiej gospodarki. W szczególności badamy wpływ negatywnego szoku popytowego w Chinach na poziom aktywności gospodarczej w innych gospodarkach. Główna teza artykułu brzmi: jeśli alternatywne miary PKB w Chinach są poprawne, to należy ponownie policzyć wielkości efektów spillover. W tym celu szacujemy globalne modele wektorowej autoregresji (modele GVAR). Modele te pozwalają na jednoczesne modelowanie globalnej gospodarki, składającej się w naszym przypadku z 59 krajów. Można je zatem wykorzystać do policzenia wielkości efektu spillover . Efekt ten mierzony jest jako reakcja poziomu realnego PKB w danym kraju na negatywny szok popytowy w Chinach. Zakres czasowy analizy to okres od 1. kwartału 1995 do 4. kwartału 2017 r. Dla każdego kraju szacujemy pięć równań: dla realnego PKB, poziomu cen CPI, głównego indeksu giełdowego, realnego efektywnego kursu walutowego i dla krótkookresowej stopy procentowej. Dodatkowo w równaniach występują zmienne zagraniczne dotyczące poziomu aktywności gospodarczej i stopy procentowej. Zmienne zagraniczne tworzone są na podstawie macierzy przepływów handlowych pomiędzy krajami. W pracy opisano różne alternatywne miary PKB dla Chin, na przykład metody oparte na poziomie zużycia energii czy intensywności palonych w nocy świateł, które widoczne są na zdjęciach satelitarnych. Następnie zdecydowano, że najlepszą i najbardziej aktualną z dotychczas opisanych jest miara zaproponowana przez Chena i in. (2019). Autorzy wyliczyli poziom PKB w Chinach na podstawie wpływów z podatków VAT. Wyniki estymacji pokazują, że jeśli alternatywna miara PKB w Chinach jest poprawna, to efekty spillover są niższe niż te , które uzyskuje się przy użyciu oficjalnych statystyk. Wyniki dla modelu wykorzystującego alternatywną miarę PKB wskazują na co najmniej dwukrotnie słabszą reakcję PKB dla krajów azjatyckich i dla Stanów Zjednoczonych niż w przypadku modelu wykorzystującego oficjalne statystyki. W przypadku Singapuru i Tajlandii reakcja PKB staje się nieistotna statystycznie dla modelu wykorzystującego miarę alternatywną. Artykuł pokazuje wstępne szacunki i zwraca uwagę na niepodjęty dotychczas w literaturze temat. Badania tego rodzaju mogą być kontynuowane, w szczególności z wykorzystaniem innych alternatywnych miar PKB w Chinach, jak również innych modeli mierzących wielkość efektu spillover. (abstrakt oryginalny)

Słowa kluczowe

EN

Spillover effects; Gross domestic product (GDP); Vector Autoregression Model (VAR); Research results

PL

Efekty zewnętrzne; Produkt krajowy brutto (PKB); Model wektorowej autoregresji; Wyniki badań

• Czasopismo: Bank i Kredyt
• Rocznik: 2021
• Numer: nr 5
• Strony: 437--456

Twórcy

autor

Anna Sznajderska

• Warsaw School of Economics, Poland

Bibliografia

• Backé P., Feldkircher M., Slacík T. (2013), Economic spillovers from the euro area to the CESEE region via the financial channel: a GVAR approach, Focus on European Economic Integration, Q4/13, 50-64.
• Bai Ch., Hsieh Ch., Song Z. (2019), Special deals with Chinese characteristics, NBER Macroeconomics Annual, 34, 341-379.
• Cashin P., Mohaddes K., Raissi M. (2016), China's slowdown and global financial market volatility; is world growth losing out?, IMF Working Papers, 16/63.
• Chen W., Chen X., Hsieh Ch., Song Z. (2019), A forensic examination of China's national accounts , NBER Working Papers, Spring, Brookings Papers in Economic Activity.
• Chudik A., Pesaran M. H. (2013), Econometric analysis of high dimensional VARs featuring a dominant unit, Econometric Reviews, 32(5-6), 592-649.
• Clark H., Pinkovskiy M., Sala-i-Martin X. (2017), China's GDP growth may be understated, NBER Working Paper, 23323.
• Dieppe A., Gilhooly R., Han J., Korhonen I., Lodge D. (2018), The transition of China to sustainable growth - implications for the global economy and the euro area , Occasional Paper Series, 206, European Central Bank.
• Fernald J., Malkin I., Spiegel M. (2013), On the reliability of Chinese output figures , FRBSF Economic Letter, 8, 25 March.
• Henderson J.V., Storeygard A., Weil D.N. (2012), Measuring economic growth from outer space, American Economic Review, 102(2), 994-1028.
• Holz C.A. (2014), The quality of China's GDP statistics, China Economic Review, 30, 309-338.
• Inoue T., Kaya D., Ohshige H. (2015), The impact of China's slowdown on the Asia Pacific region: an application of the GVAR model, Policy Research Working Paper Series, 7442, The World Bank.
• Koop G., Pesaran M.H., Potter S.M. (1996), Impulse response analysis in nonlinear multivariate models, Journal of Econometrics, 74(1) 119-147.
• Lyu Ch., Wang K., Zhang F., Zhang X. (2018), GDP management to meet or beat growth targets, Journal of Accounting and Economics, 66(1), 318-338.
• Ma B., Song G., Zhang L., Sonnenfeld D.A. (2014), Explaining sectoral discrepancies between national and provincial statistics in China, China Economic Review, 30, 353-369.
• Maddison A., Wu H. (2006), China's Economic Performance: How Fast has GDP Grown? How Big is it Compared with the USA?, University of Queensland.
• Nakamura E., Steinsson J., Liu M. (2016), Are Chinese growth and inflation too smooth? Evidence from Engel curves, American Economic Journal: Macroeconomics, 8(3), 113-144.
• Osorio C., Unsal D.F. (2013), Inflation dynamics in Asia: causes, changes, and spillovers from China, Journal of Asian Economics, 24(C), 26-40.
• Owyang M.T., Shell H.G. (2017), China's economic data: an accurate reflection, or just smoke and mirrors?, The Regional Economist, 25(2), 7-12.
• Perkins D.H., Rawski T.G. (2008), Forecasting China's economic growth to 2025, in: L. Brandt, T.G. Rawski (eds.), China's Great Economic Transformation, Cambridge University Press.
• Pesaran M.H., Shin Y. (1998), Generalized impulse response analysis in linear multivariate models, Economics Letters, 58(1), 17-29.
• Rawski T.G. (2001), What is happening to China's GDP statistics?, China Economic Review, 12, 347-354.
• Sznajderska A., Kapuściński M. (2020), Macroeconomic spillover effects of the Chinese economy, Review of International Economics, 28(4), 992-1019.
• Xiong W. (2018), The Mandarin model of growth, NBER Working Paper, 25296