PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2009 | 26 | nr 76 Zastosowanie matematyki w ekonomii | 5-24
Tytuł artykułu

Ekonometryczna analiza Sigma i Beta konwergencji Regionów Unii Europejskiej

Warianty tytułu
Econometric Analysis of Sigma and Beta Convergence in the European Union Regions
Języki publikacji
PL
Abstrakty
W artykule przedstawiono wyniki ekonometrycznej analizy konwergencji regionów szczebla NUTS-2 krajów Unii Europejskiej z wykorzystaniem metod estymacji przewidzianych dla danych panelowych. Analiza konwergencji jest jednym z ważniejszych nurtów badań prowadzonych w obszarze wzrostu gospodarczego. Prowadzone w tym zakresie badania są próbą odpowiedzi na pytania o zmniejszanie się zróżnicowania poziomu dochodów (δ konwergencja) oraz o szybkość dochodzenia poszczególnych systemów gospodarczych do stanu wzrostu zrównoważonego oraz o czynniki tego wzrostu (ß konwergencja). (abstrakt oryginalny)
EN
The article presents econometric analysis of convergence, characteristic for the European Union countries at NUTS-2 level. Convergence analysis represents one of the most important research domains conducted in the area of economic growth. The research carried out in this matter constitutes an attempt to answer the question regarding the decrease in income level differences (δ convergence), and the speed in reaching the state of sustainable growth by economies, as well as factors characteristic for such growth (β convergence). The identification of δ convergence comes down to defining the gross domestic product level of diversification in the cross-section of regions in the particular time span. As opposed to the above, the study of ß convergence focuses on the influence of initial income level (yt0) on the speed of economic growth. In case of conditional convergence, apart from the initial income level there are also considered other factors influencing economic growth. Quantitative analysis of these interrelations results in many problems for researchers associated, among others, with the selection of suitable estimation method, panel structure (elements T and N), the problem of endogenous variables and measurement error, and also the availability of statistical data. The hereby study presents estimation results having applied pooled model, Squares Dummy Variable Model (LSDV) and also dynamic models estimated by means of GMM System Estimator. The article also briefly characterizes these approaches, together with the selected information about problems resulting from their application in the context of growth models. (original abstract)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Arellano M., Bond S., Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equation, „The Review of Econometric Studies Ltd.” 1991 vol. 58, no 2, s. 277-297.
  • Arellano M., Bover O., Another Look at the Instrumental Variables Estimation of Error-components Models, „Journal of Econometrics” 1995, no 68, s. 29-51.
  • Arellano M., Modelling Optima Instrumental Variables for Dynamic Panel Data Models, CEMFI Working Paper no 0310, July 2003.
  • Baltagi B.H., Econometric Analysis of Panel Data, Third edition, John Wiley & Sons, Ltd. 2005.
  • Barro R. J., Makroekonomia, PWE, Warszawa 1997.
  • Blundell R., Bond S., Initial Conditions and Moment Restriction in Dynamic Panel Data Models, „Journal of Econometrics” 1998 no 87, s. 115-143.
  • Blundell R., Bond S., GMM Estimation With Persistent Panel Data: an Application to Production Function, „Working Paper Series No. W99/4”, The Institute for Fiscal Studies, September 1998.
  • Bond S., Hoeffler A., Temple J., GMM Estimation of Empirical Growth Models, Economics Group, Nuffield College, University of Oxford, Economics Papers Nr 2001-W21.
  • Ciołek D., Szacowanie regresji wzrostu i konwergencji na podstawie danych panelowych, [w:] Metody ilościowe w naukach ekonomicznych, red. A. Welfe, SGH, Warszawa 2004, s. 11-32.
  • Friedman M., Do Old Fallacies Ever Die?, „Journal of Economic Literature” no 30 (December), s. 2129-2132, za: K. Lee, M.H. Pesaran, R. Smith, Growth and Convergence in a Multi-Country Empirical Stochastic Solow Model, „Journal of Applied Econometrics”, vol. 12, no 12 no 4 (Jul-Aug, 1997), s. 357-392.
  • Herbst M. (red.), Kapitał ludzki i kapitał społeczny a rozwój regionalny, Scholar, Warszawa 2007.
  • Hsiao Ch., Analysis of Panel Data, Cambridge University Press, 1986.
  • Lee K., Pesaran M.H., Smith R., Growth and Convergence in a Multi-Country Empirical Stochastic Solow Model, „Journal of Applied Econometrics” 1997 vol. 12, no 12, no 4 (Jul-Aug), s. 357-392.
  • Malaga K., Kliber P., Konwergencja i nierówności regionalne w Polsce w świetle neoklasycznych mo¬deli wzrostu, AE, Poznań 2007.
  • Mankiw N., Romer D., Weil D., A Contribution to the Empirics of Economic Growth, „The Quarterly Journal of Economics” 1992 vol. 107, no 2 (May), s. 407-437.
  • Nickell S., Biases in Dynamic Models with Fixed Effects, „Econometrica” 1981 no 49, s. 1417-1426.
  • Próchniak M., Witkowski B., Modelowania realnej konwergencji w skali międzynarodowej, „Gospodarka Narodowa” nr 10(182), październik 2006, s. 1 -32.
  • Romer D., Makroekonomia dla zaawansowanych, PWN, Warszawa 2000.
  • Roodman D., A Note on the Theme of Too Many Instruments, Working Paper Number 125, May 2008, www.cgdev.org.
  • Tokarski T., Statystyczna analiza regionalnego zróżnicowania wydajności pracy, zatrudnienia i bezrobocia w Polsce, PTE, Warszawa 2005.
  • Verbeek M., A Guide to Modern Econometric, John Wiley & Sons, LTD, New York 2000.
  • Welfe W., Ekonometryczne modele wzrostu gospodarczego, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2001.
  • Wooldridge J.M., Econometric Analysis of Cross Section and Panel Data, Massachusetts Institute of Technology, 2002.
  • http://epp.eurostat.ec.europa.eu/.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000165222434
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.