Gáspár Aila : Klub-konvergencia mérése a világ országaiban Abszrak A makroökonómia a makrogazdasági muaók rövid ávú ciklikus ingadozásá és a hosszú ávú endenciájá vizsgálja. Ebből kifolyólag az egyes országok indikáorainak mind kereszmeszei, mind időbeli empirikus vizsgálaa és a silizál ények alapján makroökonómiai modellek felírása / bővíése és korrigálása kiemel jelenőséggel bír a közgazdaságanban különösen a növekedéselméle / növekedés-ökonomeria erüleén. A növekedés elmélei és empirikus vizsgálaa során a növekedés befolyásoló fakorok felárása melle közponi kérdés a konvergencia mérése és elemzése, hiszen ha hosszú ávon azonos egyensúlyi növekedési pályához aranak egyes országok, akkor a kevésbé fejle országok uol fogják érni a fejleeke. Abszolú konvergenciá azonban csak homogén országcsoporokban lehe saiszikailag aláámaszani, míg a heerogén országcsoporokban feléeles konvergencia vagy klub-konvergencia lehe jellemző. A anulmányban a konvergenciának legfonosabb közgazdasági jelenései muaom be különböző megközelíésekben. Számos módon érelmezheő ugyanis a konvergencia, és ezzel összefüggésben számos módszer egyarán alkalmazhaó a konvergencia-folyamaok számszerűsíésére. Az elsődleges célom ugyanakkor egy muaó ismereése, amelye kifejezeen az egyes országok közö megfigyelheő klub-konvergencia mérésére dolgozam ki. Módszerani áekinés A világ országai közö jelenős heerogeniás figyelheő meg, számos növekedési csodá arhaunk számon, de ugyanakkor számos ország eljesíménye jelenősen elmarad a fejle országokéól. Közponi kérdésnek ekinheő ebből kifolyólag, hogy vajon feléelezheő-e, hogy a kevésbé fejle országok uol fogják érni a fejleeke? Az empirikus vizsgálaok alapján homogén országcsoporokban figyelheünk meg álalában konvergenciá, illeve ha az egyes országok közöi srukurális elérések is figyelembe vesszük. Világviszonylaban így konvergencia alapveően nem muahaó ki. Közponi Saiszikai Hivaal, Szekorszámlák főoszály, Kormányzai és Non-profi szekorszámlák oszály, gazdaságsaiszikus.. oldal
Felmerülhe bennünk a kérdés, hogy egyálalán hogyan definiálhaó a konvergencia fogalma. ár lászólag nagyon könnyű erre válasz adni, számos definíciója léezik a konvergenciának. Jelenhei például az egyenlőlenségek álalános csökkenésé, felzárkózás egy ado referenciaérékhez, de vonakozha bizonyos országok vagy régiók egymáshoz örénő felzárkózására is. Az Európai Unióban az egyes országok és régiók felzárkózásá segíő kohéziós és srukurális poliika, valamin az euró bevezeése és a Maasrichi kriériumok mind a konvergenciához, az egyes országok és régiók felzárkózásához köődnek szorosan. árhogyan is érelmezzük azonban ado eseben a konvergenciá, divergencia ala annak ellenéjé érjük. A konvergencia vizsgálhaó és érelmezheő számos egyéb megközelíésben is. A vizsgál muaók alapján beszélheünk reálkonvergenciáról (például egy főre juó GDP), nominális konvergenciáról (például kamaok), vagy szerkezei konvergenciáról (például mezőgazdaságban foglalkozaoak aránya). A Maasrichi kriériumok a második csoporba aroznak, míg a kohéziós poliika elsősorban a reálkonvergenciára koncenrál (Ferkel, 008). A anulmányban közgazdaság-elmélei és módszerani szemponokból indulam ki, mivel a szakdolgoza célkiűzéséhez ezek a megközelíések kapcsolódnak legszorosabban. E szemponok alapján a konvergenciának három különböző érelmezése léezik: ) Abszolú konvergencia: abszolú konvergenciáról akkor beszélünk, ha a kevésbé fejle országok vagy régiók a fejleekhez aranak minden egyéb ényezőől függelenül, vagyis az egyes országok közöi különbségek csak időszakosak. Ez az is jeleni, hogy az egyes országok azonos egyensúlyi állapohoz aranak. ) Feléeles konvergencia: ebben az eseben az egyes országok a sajá egyensúlyi állapoukhoz aranak. Ez gyakorlailag az jeleni, hogy konvergencia csak akkor muahaó ki, ha bizonyos konrollválozóka (amelyek az egyensúlyi állapoo meghaározzák) bevonunk a vizsgálaba, vagyis az egyes országok közöi elérések állandóak. 3) Klub-konvergencia: az jeleni, hogy az egyes országok csoporspecifikus egyensúlyi állapoukhoz aranak, például az Európai Unió agállamai az EU-álaghoz konvergálnak. Ez a megközelíés abban különbözik a feléeles konvergenciáól, hogy nem srukurális válozók, hanem az egyes országok közö megfigyelheő, ponosabban egyes országok csoporjára vonakozó kezdei feléelek azok, amelyek meghaározzák a konvergencia-folyamaoka. ár az egyes megközelíések elméleileg jól elhaárolhaók, a gyakorlai alkalmazások során nem mindig lehe egyérelműen széválaszani az egyes kaegóriáka. Elképzelheő például, hogy az egyes srukurális elérések mögö csoporspecifikus jellemzők (kezdei feléelek) állnak. Ezek megkülönbözeése illeve a ponos érelmezés vége indokol. oldal
maemaikailag is definiálni a közgazdaság-elmélei konvergencia fogalmá. Nem léezik ugyanakkor egységes formula, az egyes megközelíések közöi különbségeke azonban jól illuszrálhaja az alábbi képle (Johnson, 004): i, log y j,,,, 0 lim E log y i,0 i,0 j,0 j,0 ha θ i, = θ j, () Vagyis konvergenciáról akkor beszélheünk, ha ké ország közöi különbség bizonyos kezdei feléelek melle (ρ) hosszú ávon megszűnik, miközben azonosak a srukurális paraméerek (θ). Mivel a konvergencia számos módon definiálhaó, ezér ermészeesen számos módszer is léezik a konvergencia mérésére. Jelenős különbség az egyes módszerek közö, hogy milyen ípusú konvergenciához köődnek / hogy érelmezheő az a bizonyos konvergencia-folyama, amelynek mérésére örekednek, illeve inkább elmélei vagy saiszikai jellegű folyamaok felárására örekednek-e. Az elmélei és a saiszikai megközelíések közö a fő különbség elsősorban abban rejlik, hogy feléeleznek-e valamilyen egyensúlyi állapoo, illeve egyvagy öbb egyensúlyi állapo léezhe-e. Módszerani, ökonomeriai-saiszikai szemponból az egyes módszerek három csoporba sorolhaók: ) Eloszláson alapuló módszerek: különböző szóródási és asszimeria-muaók aroznak ebben a csoporba. A leggyakoribb mérőszáma a szigma, de egyéb megközelíéseke is alkalmaznak, például Markov-láncok. A szigma-konvergencia számos módon definiálhaó, egyik leggyakoribb formája a kövekezőképpen fejezheő ki (Johnson, 004): 0 () log y, log y, T Tehá konvergencia eseén a jövedelem-különbségek csökkennek az idő múlásával. ) éa-konvergencia: regressziós modellek aroznak ide, amelyek során a felzárkózás üeme mérheő különböző megközelíésekben, kereszmeszei vagy panellmodellek alapján. A feléeles konvergenciához illeve a növekedés-elméleekhez szorosan köődik. A gyakorlaban a béa-konvergenciá az alábbi formulával írják fel: log y X Z (3) i i,0 i i i 3. oldal
Vagyis egy ország növekedési üemé a bázisidőszaki jövedelem (logy i,0 ), konrollválozók (X i ) és egyéb válozók (Z i ) alapján magyarázzák. Konvergenciára akkor kerül sor, ha β < 0 (Johnson, 004). 3) Idősorelemzés: különböző szochaszikus modelleken alapuló vizsgálaok aroznak ebbe a csoporba, például egységgyök-eszeken alapuló számíások (Consanini, 005). Ezek a módszerek viszonylag gyengén kapcsolódnak a konvergencia elmélei megközelíéséhez. Az alábbi formulával jellemezheő ez a megközelíés: lim Pr oj log y log y F 0 i,t j,t, ahol: i, j є I (4) Konvergenciára ehá akkor kerül sor, ha bizonyos előzees információk (F ) alapján országok egy ado csoporján belül (I) ké ország idősorának a differenciája nulla. Az idősorok sacionariásának vizsgálaa azér kiemelen fonos, mer ha az idősorok egységgyökfolyamao alkonak, akkor a divergenciának egy szélsőséges eseével állunk szemben (Johnson, 004). Az egyes megközelíések során számos (kisebb vagy nagyobb) hibaforrással is alálkozhaunk, ezek közö a leggyakoribbak: mérési hibák, endogeniási orzíás, módszerek összehasonlíhaósága (például saiszikai vagy közgazdasági konvergenciá írnak-e le), srukurális válozók meghaározása, de egyéb echnikai jellegű problémák is előfordulhanak. (Johnson, 004). Ebből kifolyólag, álalában öbb módszer becslése és érelmezése is szükséges az eredmények roboszusságának bizosíásához. Omega-konvergencia Az alapmodell A ovábbiakban egy muaó ismereek, amelye kifejezeen a klub-konvergencia mérésére dolgozam ki. Az alábbiakban felsorolom azoka szemponoka és jellemzőke, amelyeke a muaó kialakíásakor figyelembe veem. A erjedelmi korláok mia viszonylag ömören, és csak a legfonosabb köveelményeke muaom be: ) Modellezés: a muaó kialakíásakor a célom az vol, hogy a konvergenciá próbáljam meg mérni különböző szemponok alapján. Ez köveően pedig a növekedés modellezésén kereszül számos releváns gazdasági kérdés is megválaszolhaó. ) Klub-konvergencia: a fő célkiűzésem az vol, hogy klub-konvergenciá számszerűsísek. Teljesen egyérelmű ugyanis, hogy egyes országcsoporok elérő berendezkedésekkel rendelkeznek, ezér míg egyesekben konvergencia, másokban 4. oldal
divergencia feléelezheő. Így ezeke a endenciáka nem szabad összegezni / egységesíeni, hiszen a sokaság heerogén. 3) Feléeles klub-konvergencia: fonosnak arom, hogy bővíheő legyen a muaó oly módón, hogy feléeles konvergenciá is mérhessek a segíségével annak ellenére, hogy alapveően a klub-konvergencia mérésé ekinem elsődlegesnek. Így feléeles konvergencia ala jelen eseben feléeles klub-konvergenciá érek. 4) Szigma-konvergencia: ez a muaó az egyes megfigyelések közö megfigyelheő logarimizál szórás alakulásá méri (Sala-I, 996b). Ez kiindulóponnak ekinem, mivel a szóródási muaók kifejezeen saiszikai érelemben ragadják meg a konvergencia fő jellemzői. 5) éa-konvergencia: ez a muaó az egyes országok növekedésé méri a bázisidőszaki jövedelmük függvényében (Sala-I, 996a). Ez a muaó is elsődlegesnek ekineem, ugyanis a konvergenciá ebben az eseben a jövedelmek felzárkózása jeleni, amely nagyon közel áll a konvergencia közgazdasági érelmezéséhez / megközelíéséhez. 6) Súlyozás: gyakorlaban álalában nem súlyozzák a szóródási muaóka a konvergencia mérésekor, amely feleheően arra vezeheő elsősorban vissza, hogy a muaók logarimizálak. Én ugyanakkor mindenképpen szükségesnek arom a súlyozás alkalmazásá, így egy olyan kereben gondolkozam, amelyben nem okoz problémá a súlyok bevonása. A véleményem szerin ugyanis a népesség meghaározó szerepe öl be a növekedés alakulásában, egyrész azér mer például a konvergencia mérésére szolgáló alapveő muaó, az egy főre juó GDP viszonyszám, másrész pedig azér, mer hosszú ávon az egyes országok összeolvadása / keéválása nem szabad, hogy jelenősen befolyásolja az álagos egy főre juó GDP nagyságá, illeve a konvergencia-folyamaok alakulásá. Arról sem szabad ovábbá megfeledkezni, hogy a vizsgálaok célja a ársadalmi jólé mérése, ami nem csak a lakosság eljesíményéől, hanem a lakosság számáól is függ. 7) Klaszer-ugrások : mivel a konvergencia vizsgálaa hosszú ávon indokol, ezér a rövid ávú ciklikus ingadozásoka, illeve az egyes országok közöi megfigyelheő nem szignifikáns eléréseke célszerű kiszűrni. Így az egyes országok növekedésének alakulásá csak olyan eseekben szereem volna figyelembe venni, amelyek jelenős válozásoknak ekinheők. Hogy mi a jelenős, és mi a jelenékelen az klaszerek alapján veszem figyelembe. Tehá ulajdonképpen a klaszerek válozására, a klaszer-ugrásokra írok fel egy módosío súlyozo szórás ké időszakra, kizárólag egy bázis és egy árgyidőszakra abból a célból, hogy hosszú ávú endenciáka vizsgáljak. 5. oldal
8) Csoporosíás: három csoporo képezem a muaó számíásakor. A klaszerezés melle figyelembe veem, hogy fejlődő vagy fejle országról van-e szó, vagyis abból indulam ki, hogy az egyes országok eljesíménye álagalai, vagy álagfelei. Ez azér kriikus ényező a vizsgálaok elvégzésekor, mer ha egy kevésbé fejle ország (álagalai) ér el árgyidőszakra jelenős növekedés az konvergenciának, ha viszon egy fejle ország (álagfelei) növekszik az már divergenciának ekinem. Továbbá a klub-konvergencia vizsgálaa és bizosíása érdekében öbb országcsopor összehasonlíhaóságá aroam szem elő abból a célból, hogy a heerogeniás csökkensem, és elemezhessem az egyes országcsoporok közöi eléréseke és a közöük levő mozgásoka. 9) Időszakok összehasonlíása: ha a vizsgál időinervallum hosszabb illeve jelenős a heerogeniás az országcsoporokban, akkor az összehasonlíhaóság érdekében az egyes országcsoporok elérő összeéele mia célszerű külön bázisidőszaki és árgyidőszaki csoporoka is képezni, ehá ulajdonképpen kéféle muaó is célszerű számolni. Így a muaó ulajdonképpen nem eljes mérékben ekinheő klub-konvergencia mérésére szolgáló indikáornak, mivel a klubok válozásá is figyelembe veszem. 0) Uolérés: elengedheelennek érezem, hogy közvelenül, egyéb modell beikaása nélkül számolhaó legyen az uolérés, vagyis a felzárkózáshoz szükséges évek száma. ) Empirikus apaszalaok: a növekedés-ökonomeriában a konvergencia-klubok meghaározására alapveően a klaszeranalízis alkalmazzák. Kuaók (például Hobijn, 000 és Corrado, 004) a konvergáló országok különböző csoporjai illeve országok közöi elérések méréké haározák meg. A dolgozaban ugyanakkor másfaja megközelíésből indulok ki: a kluboka előre rögzíem, és a klaszereke nem ezek idenifikálására, hanem a rövid ávú ingadozások és elérések kiszűrésére használom. Az egyes köveelményeke és szemponoka összefoglalva az omega-muaó az alábbi formula alapján számszerűsíem (Gáspár, 00): n j j n J j n i (K n j n i C ji Ahol: K: klaszer C: árgyidőszak (007) : bázisidőszak (97) ji K ji f ji ji f ) x f ji ji ji f f x f jic jic ji ji x f f jic jic jic x f jic f x f f f x C C f x f f C C C x C (5) 6. oldal
f: a népesség száma x: GDP per fő i: ország j: országcsopor α: egyéb súlyok. Az omega ulajdonképpen a klaszer-ugrásokra felír módosío súlyozo szórás, amellyel a konvergencia illeve divergencia ényé és sebességé mérem. Az indikáor célja annak számszerűsíése, hogy minél kevésbe fejle egy ország és minél magasabb a növekedési üeme (amelye az álagól ve súlyozo eléréssel veem figyelembe), annál magasabb legyen a konvergencia üeme (Gáspár, 00). Abszolú érékben szerepelnek a válozók a nevezőben annak érdekében, hogy a hamis konvergenciá illeve divergenciá kiszűrjem, ugyanis a nevező nem befolyásolhaja az omega előjelé, egyedül csak a klaszer-ugrások haározhaják meg a konvergencia illeve divergencia léé, míg a súlyok álalában csak kisebb mérékben befolyásolják az inenziás. A muaó elsődleges súlya az országok csoporálagól ve elérései ez méri ulajdonképpen az egyenlőlenség foká. Azér szükséges súlyozni, hogy elkerüljem a hamis divergenciá vagy konvergenciá, hiszen a súly döni el, hogy fejlődő vagy fejle országról van-e szó, illeve mennyire fejle az ado ország. Az alábbi feléelezésekkel élem a számíások során: - Szignifikáns differenciák figyelembe véele: Ha: K C K ) = 0 (6) ( ji ji Akkor: ω = 0 - Klaszerek opimális száma - Érelmezheőség feléele: f ji x f ji ji f f jic jic x jic f x f f f C C x C (7) - Részmuaók összegzése: n j j (8) 7. oldal
Az omega nullával egyenlő, hogy ha az egyes országok ugyanabba a klaszerbe sorolhaók a bázis- illeve árgyidőszakban. Ez azér kiemelen fonos, mivel csak szignifikáns eléréseke, a jelenős ugrásoka szereem volna számszerűsíeni. Ez az jeleni, hogy az omega függ a klaszerezési eljárásól, és bár a klaszerek számának opimálisnak kell lennie, ulajdonképpen hasonlóan funkcionál, min egy szignifikancia-szin. A harmadik korláozásra azér van szükség, hogy minden egyes klaszer-ugrás figyelembe vehessek. Ez véleményem szerin elfogadhaó, ugyanis ha az ado ország nem is fejle illeve nem is fejlelen, akkor az omega- erre az országra vonakozóan nem lehe érelmezni, min ahogy az eredményül kapo nullával való oszás sem. Fonos kiköés, hogy az omega részleges, csoporspecikikus indikáorok összegekén definiálhaó abból a célból, hogy a részleges muaók poziív és negaív előjelei megfelelően figyelembe vehessem. Így bizosíhaó, hogy valóban klub-konvergencia méréséről van szó. Felmerülhe azonban bennünk a kérdés, hogy mér is ekinheő ez az indikáor klubkonvergenciá mérő szóródási muaónak. Tegyük fel például, hogy egy országcsoporban az egyes országok egy klaszer ugranak a árgyidőszakra azonos irányba, ebben az eseben a muaó éréke konvergencia eseében -, divergencia eseén pedig +. Ez az jeleni, hogy igen is kriikus a csoporok megválaszása, mivel azokon belül viszonylagos homogeniás feléelez az omega, a bázisidőszaki jövedelemől függelenül az aól való eléréseke, ponosabban a kisebb ingadozásoka egységesen kezeli, hiszen egy ado országcsoporba arozó országok hasonlóak. Tehá valóban klubkén kezeli az egyes csoporokba arozó országoka, vagyis klub-konvergencia számíására alkalmazhaó kifejezeen haékonyan. Ugyanakkor a hosszú ávon konvergencia-folyamaok mérése a muaó célja. Amennyiben egy ország egynél öbb klaszer ugrik, akkor már nem csak az ugrás énye, hanem a népessége és az egy főre juó GDP-je is befolyásolja a konvergencia illeve divergencia méréké. Tehá kis válozásokra csak mérsékelen érzékeny az omega, viszon eljes mérékben érzékelen arra, ha a klaszerek nem váloznak, illeve ezeke bünei is, mivel nem járulnak hozzá a konvergencia-folyamahoz, de részei a csopornak, így a muaó a nullához közelíik ezek az országok. 8. oldal
Diagnoszikai vizsgála A ovábbiakban néhány rövid empirikus eredmény szerenék ismereni annak érdekében hogy bemuassam kicsi gyakorlaiasabban, hogy mér arom fonosnak kiszámolni ez a muaó. Az alábbi ábrán az főre juó GDP-ből (láncol volumen) képze klaszereke láhajuk bázis (97)- és árgyidőszakban (007) 6 országra vonakozóan. A magasabb számú klaszerek magasabb jövedelmeke jelenenek:. ábra: Klaszeranalízis (97 és 007) Forrás: PWT-adaok alapján sajá számíás (00) ár jelenős különbségek figyelheők meg a ké időszak közö, és feléelezhejük, hogy konvergenciára kerül sor, nem állapíhajuk ulajdonképpen a konvergencia illeve divergencia ényé. Nem udjuk ugyanis megmondani az ábra alapján, hogy mely országok növekedek jelenősen a árgyidőszakra, és mennyire volak fejleek az egyes országok a bázis- és árgyidőszakban. Ebből kifolyólag hasznos eredményekre juhaunk az omega kiszámolásával: A mellékleben felüneem néhány részszámíás. A könnyebb áekinheőség és a anulmány célkiűzése illeve erjedelme kövekezében viszonylag kevés echnikai jellegű alkalmazás (pl. dendogram, scree plo, fakoranalízis) ismereem. 9. oldal
. Tábláza: Omega-konvergencia (97 és 007) Országcsopor álag álag ω Egyszerű Súlyozo 3 ázisidőszak Tárgyidőszak V LDC -0,76-0,3-0,44-0,35,84 ODA 0,08-0,9-0,4-0,34,75 ODA -,05 0,79-0,63-0,38 3,09 OECD,5,3,4,4 0,6 Összesen -,49 0,98-0,5-0, - Forrás: PWT-adaok alapján sajá számíás (00) Négy országcsoporra vonakozóan láhajuk 6 ország bázis- és árgyidőszaki, valamin a keő álagából képze súlyozo érékek eredményei. Ami az országcsoporoka illei, abból indulam ki, hogy LDC vagy OECD-agok-e az ado országok, viszon mivel viszonylag sok egyéb ország léezik még, ezér figyelembe veem, hogy kapo-e ranszfer az ado ország (ODA), vagy sem (ODA). Számos fonos kövekezeés vonhaó lesz az egyes országcsoporok konvergenciájára, uolérésére illeve a bázis- és árgyidőszaki érékek közöi elérésére vonakozóan. A erjedelmi korláok kövekezében mos a csak a legfonosabb szemponoka fogom kiemelni. Az láhajuk egyrész, hogy a konvergencia üeme nagyon lassú, öbb száz év szükséges a felzárkózáshoz. Nem figyelheő meg ovábbá álalános felzárkózás, hiszen az OECD-re vonakozóan divergencia figyelheő meg. Ez az is jeleni, hogy megfigyelheő az úgyneveze win-peaks -jelenség (Quah, 996a és 996b), ugyanis a fejlődő országokra hasonló konvergencia-folyamaok jellemzőek, ami azonban jelenősen elér a fejle országok dinamikájáól. Több vizsgálao is elvégezem a muaó eszelésének érdekében. Az eredmények roboszusnak ekinheők, ugyanis elérő időszakok / országcsoporok / adabázis (pl. IMF, W) során álalában nagyjából hasonló eredményeke kapam. A muaó bár viszonylag érzékeny a klaszer-ugrásokra, véleményem szerin ez szükséges és szerves része a muaónak. Ha például egyszerűen csak összeadnánk / álagolnánk az klaszer-ugrásoka a bázis- és a árgyidőszakban a mos bemuao példában, akkor megközelíőleg /3-dal gyorsabb konvergenciá kapnánk. Éppen ezér úgy gondolom, hogy rendkívül fonos figyelembe bizonyos kriériumoka az országok összehasonlíásánál. 3 A V ω az egyes országcsoporokra vonakozó érékek és az összesíe omega muaó abszolú érékben ve hányadosa. 0. oldal
A konvergenciá kiszámolam egyéb megközelíésekben is, elsősorban béa- és szigmakonvergenciá becsülem. Viszonylag jelenős eléréseke kapam, különösen a szigma-hoz képes. A szigma alapján ugyanis alapveően divergencia jellemző az egyes országcsoporokra vonakozóan. Az elérés ké fő okból fakadha: egyrész az egyes országok súlyozása, másrész pedig a kisebb elérések és ingadozások kiszűrése illeve figyelembe véele okozha különbsége. A legöbb fejlődő ország ugyanakkor viszonylag jelenősen növele a jövedelmé árgyidőszakra, így klaszer-ugrások jellemzőek a körükben. Az is jellemző, hogy egyes országok nem csupán egy, hanem öbb klaszer is ugroak a árgyidőszakra. A szigmaérelemben ve szóródás növekedése ennek nem mond ellen, hiszen ha öbb ország jelenősen növekede, míg a öbbiek nem vagy nem jelenős mérékben, akkor abból levonhajuk a kövekezeés, hogy az egyenlőlenségek bár növekedek (szigma-konvergencia hiánya), de bizonyos érelemben mégis konvergenciára kerül sor. Az omega pedig ez a második megközelíés ragadja meg. A béa-konvergencia bár kimuaja ez a válozás, a muaó jelenősen elér mind a szigma-ól mind az omega-ól. Mivel a heerogeniás viszonylag jelenős a vizsgál országok közö, ezér a regressziós kapcsolao gyakran nehéz (vagy egyálalán nem is lehe) ovábbá érelmezni. Az omega-ól pedig a korábban emlíe ényezők mia is elér. Ezek azér ekinheők jelenős különbségeknek, mer egy-egy ország eléríhei a regressziós egyenes függelenül aól, hogy az egyes országoknak mekkora a súlya. Kövekezeések és a modell kierjeszései A világ országai közö jelenős heerogeniás figyelheő meg, felmerülhe azonban bennünk a kérdés, hogy az eddig megfigyel endenciák alapján milyen konvergenciafolyamaokra kerülhee sor az egyes országcsoporokra vonakozóan. Így klub-konvergencia képezi a dolgoza alapjá, kifejezeen ennek mérésére dolgozam ki és ismereem egy muaó, amelynek az omega neve adam. A muaó egy előzeesen meghaározo országcsoporosíás alapján az egyes országok népességé is figyelembe véve súlyozza a növekedési üeme a kisebb ingadozásoka kiszűrve aszerin, hogy mennyire fejle / fejlődő az ado ország. Felmerülhe bennünk a kérdés, hogy mi a vizsgála alapveő célja. Véleményem szerin ha már rendelkezésre állnak adaok a konvergencia-folyamaok jellegére vonakozóan, akkor ezek az eredmények számos módon felhasználhaók. Levonhaunk közvelenül kövekezeéseke, például felzárkózásra, uolérésre vonakozóan.. oldal
Közveee módon is sor kerülhe azonban kövekezeések levonására. Különböző neoklasszikus és endogén modellek 4 (Solow, 956; Mankiw, 99; Sorensen, 005; Romer, 006) alapján szimulációka készíeem oly módon, hogy a legkevésbé fejle és legfejleebb országok közöi különbségeke minél megbízhaóbban figyelembe vehessem. Az előzees vizsgálaok alapján az endogén illeve szemi-endogén modellek bizonyulak megbízhaóbbnak, ugyanis viszonylag jól közelíeék az omega eredményei az uolérésre vonakozóan. Ugyanakkor mindenképpen szükségesnek arom ovábbi modellek felírásá a megbízhaóbb kövekezeések levonásra érdekében. Egyéb megközelíésekben is vizsgálódhaunk az eredményekből kiindulva: kuaók (Johnson, 004) javasolák a szigma-konvergencia kierjeszésé feléeles konvergenciára vonakozóan. A dolgozaban bemuao omega-muaó bár jelenősen elér a szigmakonvergencia álalánosan alkalmazo muaóiól, szinén szóródási muaóról van szó. Így ha számos egyéb, a gazdasági fejlesége / éleszínvonala befolyásoló fakor bevonunk a vizsgálaba, akkor feléeles konvergenciá kapunk bizonyos megközelíésben. Fonosnak arom kiemelni, hogy az omega elsősorban klub-konvergenciá mér bizonyos megköések és szemponok melle, ehá a klub- és feléeles konvergenciának egyfaja kombinációjá, egy kierjesze omega-muaó kapunk eredményül. Ez a megközelíés oly módon próbálam meg mérni, hogy első lépésben fakoranalízis alapján szűkíeem a válozók köré a könnyebb áekinheőség érdekében, majd a fakorscore érékekre megállapíoam az omega-, ami összehasoníoam az alapmodellel. Így ugyanis mérheő a gazdasági fejlesége jelenősen befolyásoló válozók haása az alapmodellhez (puszán a GDP- aralmazó) képes, illeve a különböző indikáor-csoporok konvergenciája is megállapíhaó és összehasonlíhaó. A erjedelmi korláok mia nem ismereem ezeke a számíásoka, elmondhaó azonban, hogy az eredmények bár viszonylag robuszusak, nagyon óvaosan szabad csak érelmezni őke, mivel az egyes fakorok számos válozóval korrelálnak. Mindenesere elmondhaó, hogy álalában elérő endenciák figyelheők meg ahhoz az esehez képes, ha csak az egy főre juó GDP képezi a vizsgála alapjá. Így a modell kibővíésével releváns információkhoz juhaunk. 4 Az álalánosío Solow-modell melle egy humán őkével bővíe, ermelői exernálián alapuló szemiendogén illeve endogén modell íram fel.. oldal
Irodalomjegyzék Consanini, M. Lupi, C. (005): Sochasic convergence among European economies. Economics ullein, Vol. 3, No. 38, pages -7. Corrado, L. Marin, R. Weeks, M. (004): Idenifying and inerpreing regional convergence clusers across Europe. Economic journal, Vol. 5, pp. 33-60, Universiy of S. Andrews. S. Andrews. Ferkel, Gáspár A. (008): Konvergencia-vizsgálaok az Európai Unióban. EU Workings papers XI. évfolyam,. szám, 35-44. oldal. udapesi Gazdasági Főiskola. udapes. Gáspár, A. (00): Economic growh and convergence in he world economies: an economeric analysis. Proceedings of he Challenges for Analysis of he Economy, he usinesses, and Social Progress, Inernaional Scienific Conference, 97-0. oldal. Unidocumen Kf. Szeged. Galor, O. (996): Convergence? Inferences from heoreical models. Economic journal, Vol. 06, pp. 056-069. Universiy of S. Andrews. S. Andrews. Hobijn,. Franses, P. H. (000): Asympoically perfec and relaive convergence of produciviy. Journal of Applied Economerics, Vol. 5, pp. 59-8. Erasmus Universiy of Roerdam. Roerdam. Inernaional Moneary Fund (009): hp://www.imf.org/exernal/pubs/f/weo/009/0/weodaa/index.aspx Johnson, P. Durlauf S. N. Temple, J. R. W. (004): Growh Economerics. Vassar College Deparmen of Economics Working Paper Series, Vassar College, New York: Mankiw, N. G. Romer, D. Weil, N. D. (99): A conribuion o he empirics of economic growh. The Quarerly Journal of Economics, Vol. 07, No., pp. 407-437. MIT Press. Organisaion for Economic Co-operaion and Developmen (00): hp://www.oecd.org/documen/58/0,3343,en_649_085_88940,00.hml hp://www.oecd.org/documen/55/0,3343,en_649_34447_3583055,00.hml hp://www.oecd.org/daaoecd/6/48/4655745.pdf Penn World Table v6.3 (00): hp://pw.econ.upenn.edu/php_sie/pw63/pw63_form.php Quah, D. (996a): Twin Peaks: Growh and convergence in he models of disribuion dynamics. Economic Journal, 06, 437, pp. 045-055. Quah, D. (996b): Empirics for economic growh and convergence. European Economic Review, 40, 6, pp. 353-375. Romer, D. (006): Advanced Macroeconomics. McGraw-Hill. New York. Salai-I Marin, X. (996a): Regional cohesion: Evidence and heories of regional growh and convergence. European Economic Review 40, pp. 35-35. Universia Pompeu Fabra, arcelona; Yale Universiy, New Haven, Connecicu. Sala-I Marin, X. (996b): The classical approach o convergence analysis. The Economic Journal, pp. 09-036. lackwell Publishers. Cambridge. Solow, R. M. (956): A conribuion o he heory of economic growh. Quarerly Journal of Economics, pp. 65-94. Massachuses Insiue of Technology. Massachuses. Sorensen, P.. Whia, H. J. Jacobsen (005): Inroducing Advanced Macroeconomics: Growh and usiness Cycles. Universiy of Copenhagen. Copenhagen. Unied Naions (00): hp://www.un.org/esa/policy/devplan/profile/ldc_lis.pdf World ank (00): hp://daabank.worldbank.org/ddp/home.do 3. oldal
Mellékle. Tábláza: Klaszeranalízis (97 és 007) Ország ázisidőszak Tárgyidőszak GDP/fő Klaszer GDP/fő Klaszer Afghanisan 883,485 75,474 Albania 533,376 4 479,88 6 Algeria 3699,9 5 64,45 6 Angola 33,706 5 56,475 6 Anigua and arbuda 5049,94 6 8478,7 8 Argenina 39,3 8 574,68 8 Ausralia 6943,54 8 363,3 9 Ausria 553,43 8 3603,89 9 ahamas 900,89 8 579,8 9 angladesh 508,78 4 340,954 4 arbados 436,5 8 5479,4 9 elgium 538,54 8 33797,53 9 elize 4546,848 6 956,89 7 enin 995,793 3 4,777 3 ermuda 676,36 9 48868,3 0 huan 806,0098 535,90 6 olivia 937,6 5 3779,35 5 oswana 557,078 4 9404,3 7 razil 596,963 6 9645,57 7 runei 59876, 0 50575,44 0 ulgaria 773,039 4 976,033 7 urkina Faso 74,8779 38,866 3 urundi 799,048 643,578 Cambodia 800,698 4 83,57 4 Cameroon 947,04 4 60,56 4 Canada 74,4 8 3668,9 9 Cape Verde 599,65 4 7748,744 7 Cenral African Republic 39,356 3 863,64 Chad 84,635 4 438,98 4 Chile 7540,354 7 838,6 8 China Version 8,547 7868,83 7 Colombia 4085,69 6 7793, 7 Comoros 83,73 4 746,964 4 Congo, Dem. Rep. 87,84 4 389,934 Congo, Republic of 09,9 4 3339,058 5 Cosa Rica 670,363 7 830,7 8 Coe d`ivoire 577,04 4 8,79 4 Cuba 535,774 6 30,56 8 Cyprus 6884,8 7 540,7 9 4. oldal
Denmark 6466,54 8 349,87 9 Djiboui 8955,408 7 473,848 6 Dominica 74,304 4 4939,904 6 Dominican Republic 357,679 5 9665,0 7 Ecuador 394,969 5 605,373 6 Egyp 855,89 4 5708,068 6 El Salvador 447,355 6 5589,34 6 Equaorial Guinea 644,9 4 3065,5 9 Ehiopia 964,4003 0,33 3 Fiji 365,779 5 588,9 6 Finland 3480,5 8 3486,5 9 France 5389,36 8 9633,5 9 Gabon 8366,556 7 7859,9 7 Gambia, The 30,94 3 44,6 3 Germany 5757,73 8 3306,6 9 Ghana 479,4 4 65,99 4 Greece 304,3 8 778,6 9 Grenada 308,4 5 4493,4 8 Guaemala 49,085 6 6094,986 6 Guinea 90,47 5 3584,53 5 Guinea-issau 33,854 6,638 Guyana 0,708 4 447,636 4 Haii 690,449 4 58,8 4 Honduras 639,944 4 369,8 5 Hong Kong 8647,877 7 43,49 0 Hungary 7394,358 7 788,5 8 Iceland 6355,08 8 3859,86 9 India 5,785 3 386,35 5 Indonesia 35,534 3 585,59 6 Iran 9479,456 7 044,05 7 Iraq 5876,67 6 4867,597 6 Ireland 030,87 7 464,5 0 Israel 85,9 8 4054,96 9 Ialy 357,94 8 885,4 9 Jamaica 795,03 7 8,453 7 Japan 46,45 8 30585,38 9 Jordan 4463,007 6 564,6 6 Kenya 779,845 4 05,79 4 Kiribai 688,64 4 80,083 4 Korea, Republic of 36,549 5 3849,6 9 Kuwai 9796,8 4074,47 0 Laos 734,854 8,435 4 Lebanon 436,79 8 7736,756 7 Lesoho 74,489 334,8 4 Liberia 95,43 4 385,6737 5. oldal
Libya 34095,7 9 9089,6 8 Luxembourg 336,3 9 77783,5 Macao 84,43 7 50543,3 0 Madagascar 06,58 3 856,3466 Malawi 778,4438 54,59 3 Malaysia 3656,648 5 7890,98 8 Maldives 794,64 50,003 6 Mali 637,6736 7,599 3 Mala 405,74 6 0983,4 8 Marshall Islands 5,4 6 793,46 7 Mauriania 856,00 4 300,3 4 Mauriius 433,35 6 0006,49 8 Mexico 65,77 6 03,8 8 Micronesia, Fed. Ss. 5,54 4 35,09 5 Mongolia 343,35 3 594,956 4 Morocco 309,4 5 549,776 6 Mozambique 336,4 3 8,66 4 Namibia 5649,33 6 6395,48 6 Nepal 34,74 3 93,353 4 Neherlands 773,9 8 3439,34 9 New Zealand 4946,53 8 5399,8 9 Nicaragua 380,6 5 76,359 4 Niger 43,7 3 859,9773 Nigeria 579,078 4 56,98 4 Norway 7665,46 8 4839,99 0 Oman 8739,87 7 470, 9 Pakisan 44,4 3 3588,358 5 Palau 7496, 9 6708,38 8 Panama 3630,304 5 939,66 7 Papua New Guinea 374,394 3 06,375 4 Paraguay 976,934 5 473,986 6 Peru 596,98 6 640,5 6 Philippines 687,807 4 4790,676 6 Poland 60,995 6 4485,7 8 Porugal 859,479 7 06,78 8 Puero Rico 04,59 8 6,98 9 Qaar 807,56 889,58 Romania 367,63 5 933,56 7 Rwanda 88,96 3 35,484 3 Samoa 4534,9 6 5795,65 6 Sao Tome and Principe 5495,757 6 4403,376 6 Saudi Arabia 5497,8 9 05,3 8 Senegal 00,39 4 90,3 4 Seychelles 5407,35 6 889,06 8 Sierra Leone 683,55 4 883,806 4 6. oldal
Singapore 7033,347 7 4468,95 0 Solomon Islands 380,48 3 37,48 3 Somalia 933,8573 46,509 Souh Africa 744,57 7 0484,09 7 Spain 873,3 8 3445,55 9 Sri Lanka 847,788 4 6050, 6 S. Kis & Nevis 7,50 4 476,8 8 S. Lucia 4588,608 6 700, 8 S.Vincen & Grenadines 666,4 4 634,8 6 Sudan 6,48 3 75,5 4 Suriname 767,56 7 000,94 7 Swaziland 569,065 4 798,883 7 Sweden 699,5 8 396,99 9 Swizerland 5379,37 9 3730,5 9 Syria 36,6 3 93,645 5 Taiwan 3463,53 5 7004,98 9 Tanzania 604,7507 9,803 Thailand 038,394 4 9405,684 7 Togo 404,879 3 868,353 Tonga 75,8 4 576,86 6 Trinidad &Tobago 9370,565 7 5903,57 9 Tunisia 363,735 5 0,65 7 Turkey 3545,4 5 7737,858 7 Uganda 07,5 3 70,95 3 Unied Arab Emiraes 587,5 8 5346,98 0 Unied Kingdom 486,4 8 38, 9 Unied Saes 069,8 8 4886,9 0 Uruguay 680,766 7 9,59 8 Vanuau 30,74 5 558,58 6 Venezuela 04,99 8 09,43 8 Vienam 94,498 374,98 5 Zambia 80,377 4 978,43 4 Zimbabwe 445,734 6 894,36 4 Forrás: PWT-adaok alapján sajá számíás (00) 7. oldal
3. Tábláza: Abszolú konvergencia (97 és 007) Koefficiens Sd. hiba -érék p-érék cons 0,87654 0,44704,36 0,0360 ** lngdp -0,036009 0,0495993-0,760 0,46888 Mean dependen var 0,57799 S.D. dependen var 0,685676 Sum squared resid 75,44594 S.E. of regression 0,686686 R-squared 0,00384 Adjused R-squared -0,00946 F(, 60) 0,579 P-value(F) 0,468877 Log-likelihood -67,9695 Akaike crierion 339,9389 Schwarz crierion 346,4 Hannan-Quinn 34,446 Whie's es for heeroskedasiciy - Null hypohesis: heeroskedasiciy no presen Tes saisic: LM = 3,5953 wih p-value = P(Chi-Square() > 3,5953) = 0,7085 Tes for normaliy of residual - Null hypohesis: error is normally disribued Tes saisic: Chi-square() = 4,85095 wih p-value = 0,0884359 RESET es for specificaion - Null hypohesis: specificaion is adequae Tes saisic: F(, 58) = 4,64 wih p-value = P(F(, 58) > 4,64) = 0,0955 Forrás: PWT-adaok alapján sajá számíás (00) 8. oldal
4. Tábláza: Klub-konvergencia - árgyidőszaki súlyozás (97 és 007) Koefficiens Sd. hiba -érék p-érék cons 5,09439 0,5869 8,7579 <0,0000 *** lngdp -0,450435 0,060576-7,4358 <0,0000 *** dum_ -,6406 0,88405-8,60 <0,0000 *** dum_ -0,766305 0,45035-5,836 <0,0000 *** dum_3 0,039385 0,70995 0,303 0,885 Mean dependen var 0,57799 S.D. dependen var 0,685676 Sum squared resid 48,55668 S.E. of regression 0,5568 R-squared 0,35858 Adjused R-squared 0,3474 F(4, 57),9364 P-value(F),3e-4 Log-likelihood -3,740 Akaike crierion 74,5480 Schwarz crierion 89,9860 Hannan-Quinn 80,86 Whie's es for heeroskedasiciy - Null hypohesis: heeroskedasiciy no presen Tes saisic: LM = 0,89 wih p-value = P(Chi-Square(8) > 0,89) = 0,4539 Tes for normaliy of residual - Null hypohesis: error is normally disribued Tes saisic: Chi-square() = 9,38 wih p-value = 4,489e-007 RESET es for specificaion - Null hypohesis: specificaion is adequae Tes saisic: F(, 55) = 0,00944996 wih p-value = P(F(, 55) > 0,00944996) = 0,990595 Forrás: PWT-adaok alapján sajá számíás (00) 9. oldal
5. Tábláza: Klub-konvergencia ) - bázisidőszaki súlyozás (97 és 007) Koefficiens Sd. hiba -érék p-érék cons.459 0.60955 3.54 0.00058 *** lngdp -0.39046 0.060864 -.396 0.065 ** dum -0.6753 0.50783 -.676 0.0084 *** dum -0.48557 0.7589 -.790 0.0059 *** dum3 0.0586436 0.863 0.049 0.8379 Mean dependen var 0.57799 S.D. dependen var 0.685676 Sum squared resid 69.6769 S.E. of regression 0.6668 R-squared 0.079508 Adjused R-squared 0.056056 F(4, 57) 3.3903 P-value(F) 0.00849 Log-likelihood -6.553 Akaike crierion 333.0506 Schwarz crierion 348.4886 Hannan-Quinn 339.386 Whie's es for heeroskedasiciy - Null hypohesis: heeroskedasiciy no presen Tes saisic: LM = 0.5068 wih p-value = P(Chi-Square(8) > 0.5068) = 0.343 Tes for normaliy of residual - Null hypohesis: error is normally disribued Tes saisic: Chi-square() = 9.7779 wih p-value = 0.00754859 RESET es for specificaion - Null hypohesis: specificaion is adequae Tes saisic: F(, 55) = 4.55649 wih p-value = P(F(, 55) > 4.55649) = 0.09434 Forrás: PWT-adaok alapján sajá számíás (00) 0. oldal
. ábra: Szigma-konvergencia az LDC-ben - bázisidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 3. ábra: Szigma-konvergencia az LDC-ben - árgyidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00). oldal
4. ábra: Szigma-konvergencia az ODA-ben - bázisidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 5. ábra: Szigma-konvergencia az ODA-ben - árgyidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00). oldal
6. ábra: Szigma-konvergencia az ODA-ben - bázisidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 7. ábra: Szigma-konvergencia az ODA-ben - árgyidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 3. oldal
8. ábra: Szigma-konvergencia az OECD-ben - bázisidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 9. ábra: Szigma-konvergencia az OECD-ben - árgyidőszaki súlyozás (97-007) Forrás: PWT-adaok alapján sajá számíás (00) 4. oldal
6. Tábláza: Feléeles konvergencia árgyidőszaki súlyozás (97 és 007) Koefficiens Sd. hiba -érék p-érék cons,6996,3036,0650 0,04059 ** lngdp -0,4754 0,05786-7,890 <0,0000 *** s 0,8084 0,08396 3,4435 0,00074 *** n_g_δ -0,976594 0,438954 -,48 0,0754 ** dum_ -,047 0,0038-5,596 <0,0000 *** dum_ -0,49586 0,5938-3,598 0,0037 *** dum_3 0,4756 0,746,433 0,5384 Mean dependen var 0,57799 S.D. dependen var 0,685676 Sum squared resid 4,705 S.E. of regression 0,5600 R-squared 0,44889 Adjused R-squared 0,433 F(6, 55) 0,5368 P-value(F),9e-7 Log-likelihood -0,857 Akaike crierion 55,7033 Schwarz crierion 77,365 Hannan-Quinn 64,4786 Whie's es for heeroskedasiciy - Null hypohesis: heeroskedasiciy no presen Tes saisic: LM = 5,8358 wih p-value = P(Chi-Square() > 5,8358) = 0,778804 Tes for normaliy of residual - Null hypohesis: error is normally disribued Tes saisic: Chi-square() = 46,6979 wih p-value = 7,3898e-0 RESET es for specificaion - Null hypohesis: specificaion is adequae Tes saisic: F(, 53) = 0,790858 wih p-value = P(F(, 53) > 0,790858) = 0,4553 Forrás: PWT-adaok alapján sajá számíás (00) 5. oldal
7. Tábláza: Feléeles konvergencia ) - bázisidőszaki súlyozás (97 és 007) Koefficiens Sd. hiba -érék p-érék cons -0,08959,4480-0,0566 0,95494 lngdp -0,67599 0,055704-3,033 0,0085 *** s 0,4378 0,08838 4,9609 <0,0000 *** n_g_d -,464 0,5053 -,4046 0,0737 ** dum -0,346 0,434-0,5530 0,5805 dum -0,7393 0,789-0,744 0,45790 dum3 0,6074 0,537 0,6336 0,573 Mean dependen var 0,57799 S.D. dependen var 0,685676 Sum squared resid 53,858 S.E. of regression 0,589438 R-squared 0,88550 Adjused R-squared 0,600 F(6, 55) 0,4775 P-value(F) 9,6e-0 Log-likelihood -40,6594 Akaike crierion 95,387 Schwarz crierion 36,939 Hannan-Quinn 304,0940 Whie's es for heeroskedasiciy - Null hypohesis: heeroskedasiciy no presen Tes saisic: LM = 5,53 wih p-value = P(Chi-Square() > 5,53) = 0,795864 Tes for normaliy of residual - Null hypohesis: error is normally disribued Tes saisic: Chi-square() =,9096 wih p-value =,7474e-005 RESET es for specificaion - Null hypohesis: specificaion is adequae Tes saisic: F(, 53) = 0,9387 wih p-value = P(F(, 53) > 0,9387) = 0,83966 Forrás: PWT-adaok alapján sajá számíás (00) 8. Tábláza: Omega-konvergencia ) (99-008) Országcsopor ω V ω LDC -0,98,7 ROW -,7,33 OECD,03, Összesen -0,78 - Forrás: IMF-adaok alapján sajá számíás (009) 6. oldal
7. oldal 9. Tábláza: Modell-szimuláció Ország Válozó / paraméer LDC LDC OECD OECD 0,300 0,480 3,600 5,760 L 0,300 0,480 3,600 5,760 α 0,333 0,333 0,333 0,333 φ 0,333 0,333 0,333 0,333 s K 0,5 0,5 0,85 0,85 K 0,300 0,480 3,600 5,760 H 0,300 0,480 3,600 5,760 δ K 0,050 0,050 0,050 0,050 η 0,394 0,394 0,394 0,394 θ 0,394 0,394 0,394 0,394 s H 0,5 0,5 0,85 0,85 δ H 0,050 0,050 0,050 0,050 +n,06,06,007,007 +b,00,00,00,00 Forrás: PWT-adaok alapján sajá számíás (00) Ahol: - Szemi-endogén modell: Seady sae: * * * h ~ k ~ y ~, ahol: K K H H * h ~ s b n h ~ k ~ s k ~ k ~ K K H H * k ~ s b n h ~ k ~ s h ~ h ~ Normál egyensúlyi növekedési üem: b n b g b A A A ) ( ) (, ahol: L L n, b, K H K H A A g
- Endogén modell: Normál növekedési üem: y~ y~ ~ s K A h K s H A k ~ y~ ( ) és ( ) H, feléve, hogy: Ország LDC LDC OECD OECD 0. Tábláza: Modell-szimuláció ) Az egyensúlyi szin Egyensúlyi jövedelem Modell elérése / uolérés (haékonysági egység) Solow 4 0,38 Szemi-endogén >00 0,43 Endogén - - Klub-konvergencia (omega) >00 - Solow 4 0,38 Szemi-endogén >00 0,43 Endogén - - Klub-konvergencia (omega) >00 - Solow 4 0,5 Szemi-endogén >00 4,66 Endogén - - Klub-konvergencia (omega) >00 - Solow 4 0,5 Szemi-endogén >00 4,66 Endogén - - Klub-konvergencia (omega) >00 - Forrás: PWT-adaok alapján sajá számíás (00). Tábláza: Többválozós omega (986-988, 005-007) Csopor LDC ROW OECD Időszak Válozó FKS FKS FKS3 FKS4 FKS5 FKS6 Álag GDP ázis 0, 0,3-0, 0,06-0,36-0,08-0,04-0,58 Tárgy 0,0 0, -0,0-0, -0,6-0,06-0,05-0,4 ázis 0,03-0,05 0,07-0,4-0,7 0,7-0,03 0,0 Tárgy 0,03-0,05 0,07-0,6-0, 0,9-0,0-0,03 ázis -0,34-0,6 0,00-0,3-0,0 0,00-0, 0,00 Tárgy -0,34-0,6 0,00-0,3-0,0 0,00-0, 0,00 Forrás: Világbank-adaok alapján sajá készíés (00) 8. oldal