您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[布鲁金斯学会]:报告:超过10亿人生活在贫困地区(英文) - 发现报告
当前位置:首页/行业研究/报告详情/

报告:超过10亿人生活在贫困地区(英文)

报告:超过10亿人生活在贫困地区(英文)

贫困热点与地方发展的关联拉杰·德赛·霍米·卡拉斯(Raj M.Desai Homi Kharas)塞伦·厄兹多安(SelenÖzdoğan)全球工作论文#1492020年12月 1布鲁金斯医院贫困热点与地方发展的关联拉杰·德赛(Raj M. Desai)1,2霍米·哈拉斯(Homi Kharas)2塞伦·厄兹多安(SelenÖzdoğan)22020年12月全球工作文件#149抽象的即使在国界内,经济繁荣在各个地理区域的分布也不均匀。随着国民收入的趋同,国家内部许多地方以下地区之间的差距越来越大。由于对经济发展空间集群的重视不足,阻碍了地方发展的许多证据。我们试图通过考虑可能的邻里效应和溢出效应来解释次国家增长的决定因素,在该效应中,增长和发展受邻近地理区域的增长率影响。利用来自169个国家/地区的大约3,000个一级以下国家/地区的数据,我们发现空间自相关是解释二级国家/地区增长的关键因素。我们还发现,这些地区的某些特征独立于国家经济政策而影响增长,包括土壤对农业和疟疾生态的适宜性。我们还表明,冲突遗留对地方发展产生了持续的负面影响。我们的发现对识别贫困热点以及对贫困热点进行空间定位具有重要意义。致谢作者感谢Tarek Ghani,Brad Parks,以及参加布鲁金斯学会(Brookings Institution)“无人落后”研讨会的参与者。布鲁金斯学会是一家致力于独立研究和政策解决方案的非营利组织。它的任务是进行高质量的独立研究,并在此基础上为决策者和公众提供创新,实用的建议。任何布鲁金斯出版物的结论和建议仅是其作者的结论和建议,并不反映该机构,其管理层或其他学者的观点。布鲁金斯非常感谢比尔和梅琳达·盖茨基金会提供的计划支持。布鲁金斯认识到其提供的价值在于对质量,独立性和影响力的承诺。捐助者支持的活动反映了这一承诺。—1华盛顿特区西北3 O街沃尔什外交学院和政府部,邮政编码20057。2布鲁金斯学会(Brookings Institution),马萨诸塞州大街1775号,华盛顿特区,西北,20036。 2布鲁金斯医院介绍经济活动在太空中分布不均。即使国民收入趋同,国家内部许多地区的人均收入差距仍在扩大。尽管外出移民,但世界上最贫穷的地区的平均收入几乎没有增长,但人口却增长很快。是什么解释了某些地方持续的停滞和另一些地方的快速发展?显然,国民经济增长可以解释其中的部分原因,但事实证明,国家内部与地方之间的收入差异比跨国差异甚至更持久。有证据表明,经济活动在空间上集中在国家内部(Gennaioli等,2014),并且在世界上增长最快的经济体中,空间不平等正在加剧(世界银行,2009)。国家内部各地区之间的收入差距加剧了全球收入不平等现象(Krugman 1991; Milanovic 2005)。了解这些空间不平等现象是在比民族国家更细粒度的层次上确定极端收入贫困热点的关键。空间差异的来源已被大量研究和辩论。一组决定因素被称为“第一自然”特征,即物理位置适合人类居住,流动性,消费(尤其是食物)和生产行为的程度(Henderson等人,2018年;盖洛普,萨克斯) ;和Mellinger 1999;Démurger等2002; Diamond 1998; Rodrik等2004; Acemoglu,Johnson和Robinson 2001; Sachs 2003; Easterly和Levine 2003; Hall和Jones 1999)。其他人则指出了集聚效应或全要素生产率的差异,通过这些活动,某些活动可从集中在更密集的空间中受益,而其他活动则不会(Ellison和Galeser,1999; Henderson,Shalizi和Venables,2001; Quah,2002; Beugelsdijk,Klasing和Milionis)。 2018年,周,胡巴切克和罗伯茨(2015年)。在全球范围内使用次国家级数据进行的空间经济差异的大多数实证研究都依赖于简单的回归分析。但是,这些方法未考虑变量之间的空间相关性或结果的空间依赖性。在有理由期望区域聚类的地方,将空间溢出量任意地限制为零或忽略空间相互依存或扩散的传统方法可能会产生渐近有偏的估计(Anselin 1988)。例如,使用普通最小二乘(OLS)得出的估算值(例如Ebener,Murray,Tandon和Elvidge 2005)可能会产生偏差,因为它们忽略了可能存在的空间滞后现象,其中一个地区的增长会受到连续地区的增长的影响,或空间错误,其中遗漏的变量可能导致一个区域中的意外增长与邻近区域相关联。我们的主要贡献在于研究针对空间滞后进行校正的地方经济增长的相关性。尽管其他国家/地区在特定地理位置也做到了这一点(拉丁美洲的Guevara 2016;中国的Bai,Ma和Pan 2012;欧洲的Cuaresma,Doppelhofer和Feldkircher 2014;美国的Rey和Montouri 1999),但本文是第一个采用这种方法的国家。全球范围内的技术。 3布鲁金斯医院邻近观测之间存在三种主要的理论依据。首先,现象在空间上的接近性可以促进参与者之间的相互作用,这可能受到其邻居行为的影响。其次,由于相邻观测单位聚集在同一位置,因此它们可以共享特征。第三,影响某个地点的演员行为的因素也可能影响附近地点的演员的行为。空间计量经济学的发展已开发出用于估计回归模型中这些空间关系的技术(Anselin 1988; LeSage 2008; Elhorst 2010)。在这里,我们依靠参数空间分析来使模型参数成为位置的函数。我们使用来自169个国家/地区的地方行政部门的2894项观察数据,调查了地区发展的决定因素。我们研究了几个一阶地理特征(包括土壤和疟疾的适宜性)的影响,以及有形和人力资本,市场连通性和冲突对地方发展的影响。使用全球地理编码的横截面数据集,我们发现了区域发展中强烈的空间依赖性的证据,这证实了OLS对国家以下发展的估计可能不一致和有偏见的猜想。通过控制这种空间依赖性,我们发现跨区域存在显着的空间滞后,即即使相邻区域位于不同的国家,相邻区域的增长也会溢出到其相邻区域。我们还发现,地理,气候,人力资本和冲突对发展具有重大影响。有利的土壤条件,基于平均温度的疟疾适应性低,较高的州暴露水平,降低的海拔高度,较高的估计受教育年限以及冲突程度低,均对生长产生积极影响。有趣的是,虽然到最近的主要城市的旅行时间对国家/地区以下国家/地区的经济增长没有显着影响,但会大大阻碍国家/地区内部的经济增长。我们还发现有条件收敛的证据-低收入国家以下地区的增长速度快于高收入地区-ceteris paribus-与先前美国各州有条件增长收敛的估计相符(Barro and Sala-i-Martin 1992)。但是,关于绝对收敛的证据参差不齐。一些贫困地区长期处于贫困状态。这些发现表明,可能需要采取公共政策干预措施来改变地方以下地区的发展。首先,物理基础设施的几个指标,例如到附近城市的可及性或对政治权力中心的历史接触,对增长产生了重大影响。第二,减少诸如与冲突有关的死亡或干旱之类的冲击的发生率或影响的能力可以改善增长。最后,人力资本投资为特定地区的增长创造了机会。在每种情况下,一个地区的直接增长效应都会对邻近地区产生积极的溢出效应。我们确定了落后的地方(贫困“热点”)以及可能加速其发展的干预措施。我们要强调的是,发现对任何干预措施的增长都具有积极影响的结果不足以将干预措施推荐给政策制定者。必须考虑成本,因为 4布鲁金斯医院以及收益,而我们的方法仅侧重于分类账的收益方面。但是,对于知情的空间决策而言,无论是直接的还是间接的,对收益的正确衡量都是必要的。我们发现有条件趋同的结果之一是,如果认真对待“不让任何人落后”或在增长中更多地融入社会的原则,则将需要特定的空间政策。简单地假设内部迁移或通过追赶性增长有条件地融合将使所有运行机会均等,这与现有证据背道而驰。令人不安的是,我们发现,由于自然人口增长超过了迁徙人口,生活在贫困地区的人数随着时间的推移而增加。这与其他地方(经合组织,2018年)的发现一致,即贫困地区的高人口增长率会破坏稳定和发展前景,造成一种“贫困陷阱”。在这种情况下,可能需要大力推动公共和私人投资。 5布鲁金斯医院数据和描述性统计我们依靠地理参考的横截面数据集,其中观察单位是基于全球行政区域数据库(GADM 2018)的一级国家以下地方单位,代表了世界上所有低于一级的地方国家单位国家一级。它由世界上所有国家/地区的3,610个地方以下的州,地区,省,州,省和州组成。地方政府的GDP水平和增长在我们的分析中,我们利用Kummu,Taka和Guillaume(2020)提供的2011年购买力平价(PPP)美元得出的GDP网格数据,得出了地方经济增长的估算值。我们以5弧分分钟的分辨率得出其2000年和2015年的GDP估算值,并将其汇总到每个GADM3.6-1多边形(即次国家级单位)内。然后,我们将这些GDP估算值除以CIESIN(2018)的世界版本4网格人口中的人口计数。这提供了我们在2000年和2015年的人均GDP估算值,据此我们可以计算每个国家以下地方单位的人均GDP复合年增长率。图1描绘了全球各地的地方发展。总体格局是东亚和南亚以及非洲,拉丁美洲和欧洲的部分地区的快速增长之一。生长缓慢的地区集中在非洲,拉丁美洲和一些发达经济体。在图2中,我们显示了世界各地2000年的初始收入水平。地图的颜色编码模仿了世界银行在2000年定义的标准国家收入分类:低收入,中低收入,中高收入和高收入。但是,这些分类是基于三年平均水平的市场汇率3,而我们的区域数据是以购买力平价美元计。为了将购买力平价估算值转换为人均国民总收入阿特拉斯方法(当前美元),我们使用世界发展指标(世界银行,2020年)将这些数字之间的国家/地区比率应用于该国家/地区的每个子国家单位。这是一个近似值,因为它不能正确说明一个国家/地区的价格差异,但与跨国价格差异相比,差异可能很小。表1给出了国家和地区以下单位的人均收入分布的汇总统计数据。行显示国家以下分类,而列显示国家分类。因此,从第一行开始,该表显示了我们数据集中的1,203个行政单位的人均收入水平较低。其中,882个单位(约占四分之三)在低收入国家,另外223个单位在低收入国家。—3这被世界银行称为Atlas方法。 6布鲁金斯医院位于中低收入国家/地区,中高收入国家/地区为73个,高收入国家/地区为25个。纵观这些专栏,我们还发现各国内部存在相当大的地区不平等现象。例如,第3列显示,在2000年被归类为中上收入的国家中,有73个低收入地区,132个中低收入地区,353个中上收入地区和96个高收入地区。到2015年(图2,下图),亚洲大部分地区,包括整个中国以及印度的大部分地区和印度次大陆,都已从低收入类别中毕业。剩下的贫困地区更加集中。该图显示了中非和东部非洲持续面临的挑战,尽管西非有所改善。在亚洲,印度东北部和喜马拉雅山,缅甸和老挝的北部山麓,阿富汗及周边地区以及湄公河下游地区有许多低收入地区。在拉丁美洲,巴西东北部和中美洲的某些地区继续显示出较低的收入水平。在全球范围内,有538个贫困热点(2000年和2015年被归为低收入的行政单位),2015年的人口总数为11.2亿。这些热点地区分布在77个国家/地区中,远远超过了世界分类的31个国家/地区2015年为低收入银行(表2)。贫困热点地区的人口增长为正数,大于非热点地区的人口增长,这表明贫困地区的自然人口增长超过了外迁人口。这并不奇怪,因为生育率与收入水平和母亲的教育程度密切相关(Kirk,1996; Lesthaeghe,2010; Martin,1995; McCary和Royer,2011)。热点地区的经济增长低于其他地区的经济增长,这表明随着时间的流逝,空间不平等现象的加剧。协变量我们控制了许多可能影响国家以下地区增长轨迹的因素。表3列出了4个类别的协变量:(i)地理位置; (ii)物理连