Metody ekonometrii przestrzennej w analizie konwergencji gospodarczej regionów Unii Europejskiej

Transkrypt

1 Prof. dr hab. Jadwiga Suchecka Katedra Ekonometrii Przestrzennej Uniwersytet Łódzki Recenzja pracy doktorskiej mgr Karoliny Górnej Metody ekonometrii przestrzennej w analizie konwergencji gospodarczej regionów Unii Europejskiej napisanej pod kierunkiem dr hab. Elżbiety Szulc, prof. w Katedrze Ekonometrii i Statystyki UMK w Toruniu Recenzowana praca licząca wraz z załącznikami 261 poświęcona jest analizie konwergencji gospodarczej regionów Unii Europejskiej z zastosowaniem metod ekonometrii przestrzennej i analiz przestrzenno-czasowych. Problem konwergencji jest szeroko omawiany w literaturze ekonomicznej, najczęściej w połączeniu z modelami wzrostu gospodarczego. Do nielicznych należą opracowania włączające do badania konwergencji czynnik przestrzenny, mający wpływ na procesy gospodarcze i powiązania między gospodarkami różnych regionów. W nurt tych współczesnych badań wkomponowuje się rozprawa doktorska mgr Karoliny Górnej. Motywem przewodnim ocenianej rozprawy doktorskiej jest wieloaspektowa analiza zjawiska konwergencji gospodarczej regionów Unii Europejskiej według klasyfikacji NUTS2 w latach z zastosowaniem odpowiednich metod ekonometrii przestrzennej. Praca ma charakter teoretyczno-empiryczny. W warstwie teoretycznej omówiono różne podejścia teoretyczne dotyczące konwergencji gospodarczej, wskazując na zależności między różnymi typami konwergencji, również z uwzględnieniem modeli wzrostu gospodarczego. W odniesieniu do badań empirycznych dokonano przeglądu bogatej literatury i przykładów empirycznych uwzględniających efekty przestrzenne w modelach wzrostu gospodarczego oraz analiz konwergencji z wykorzystaniem ekonometrii przestrzennej. Zagadnienia te zostały szczegółowo omówione w rozdziale pierwszym i drugim. Natomiast rozdział trzeci poświęcony jest prezentacji i omówieniu statystycznych i ekonometrycznych metod weryfikacji hipotezy konwergencji gospodarczej. Kolejne rozdziały (czwarty i piąty) mają charakter empiryczny i zawierają szczegółowe prezentacje badań własnych Doktorantki. W rozdziale czwartym uwaga została skoncentrowana na wieloaspektowej analizie statystycznej procesów konwergencji regionów Unii Europejskiej wg klasyfikacji NUTS2. Natomiast w rozdziale piątym prezentowane są wyniki estymacji i weryfikacji modeli ekonometrycznych β-konwergencji wyróżnionych regionów Unii Europejskiej. Celem podjętych prac badawczych było zweryfikowanie jednej hipotezy głównej i pięciu hipotez szczegółowych. Hipoteza główna głosi, że metody i modele ekonometrii przestrzennej i przestrzenno- 1

2 czasowej są efektywnym narzędziem weryfikacji hipotezy konwergencji gospodarczej. Kolejne pięć hipotez badawczych to następujące hipotezy szczegółowe. (1) Zaobserwowane zjawiska konwergencji gospodarczej w odniesieniu do państw Unii Europejskiej zależą od zakresu przestrzennego i czasowego przeprowadzonego badania. (2) Lokalizacja regionu względem innych regionów (sąsiadów) ma wpływ na tempo wzrostu gospodarczego w tym regionie. Zależności przestrzenne w modelach konwergencji są istotne statystycznie. (3) β-konwergencja ma bardziej charakter lokalny niż globalny. (4) Po przystąpieniu do Wspólnoty, w państwach członkowskich wzrastają tendencje do wyrównywania się poziomów dochodów per-capita, co wyraża się wzrostem współczynnika β w modelach konwergencji. (5) Zjawiska σ-konwergencji oraz γ-konwergencji można stwierdzić jedynie w odniesieniu do grup regionów. Materiałem empirycznym wykorzystywanym w pracy były dane pozyskane z bazy Eurostatu dotyczące kształtowania się PKB per capita w cenach bieżących wyrażonych za pomocą parytetu siły nabywczej na jednego mieszkańca dla 249 regionów przynależących do 25 krajów członkowskich z wyłączeniem Chorwacji, Cypru i Malty. W dalszych analizach przestrzennych do badań empirycznych wyróżniono dwa podobszary (reżimy przestrzenne) nie uwzględniające regionów nie posiadających sąsiadów. Podobszar pierwszy reprezentowany jest przez 14 państw (Austria, Belgia, Dania, Finlandia, Francja, Hiszpania, Holandia, Irlandia, Luksemburg, Niemcy, Portugalia, Szwecja, Wielka Brytania, Włochy). Natomiast podobszar drugi tworzą: Bułgaria, Czechy, Estonia, Grecja, Litwa, Łotwa, Polska, Rumunia, Słowacja, Słowenia, Węgry. Okres badania obejmował lata Teoretyczna warstwa dysertacji odnosi się do kilku zakresów problematyki. W rozdziale pierwszym Autorka dokonała przeglądu obszernej literatury krajowej i zagranicznej, dotyczącej zjawiska konwergencji oraz metod i sposobów weryfikacji oraz scharakteryzowała wady i zalety prezentowanych podejść. Autorka nie zaproponowała tutaj nowego ujęcia, a standardowy sposób prezentacji nurtów badawczych nie wnosi nowych treści do znanych rozważań dotyczących konwergencji. Drugim problemem teoretycznym stanowiącym wprowadzenie do dalszych etapów badania była prezentacja neoklasycznego modelu wzrostu Solowa Swana stanowiącego podstawę teorii konwergencji typu beta oraz teoretycznego modelu konwergencji i jego założeń. W tej części rozdziału zawarto również matematyczne wyprowadzenie teoretycznego modelu konwergencji. 2

3 W celu pełnego scharakteryzowania teoretycznych rozważań dotyczących modeli wzrostu gospodarczego mających wpływ na procesy konwergencji odwołano się do modeli wzrostu endogenicznego, wskazując na istotne czynniki kształtujące ten wzrost. Mankamentem dalszych badań empirycznych jest pominięcie wielu istotnych, wymienianych w dwóch pierwszych rozdziałach, czynników mających wpływ na poziom wzrostu gospodarczego i konwergencję. Jedynie w ostatnim rozdziale piątym, jako potencjalne zmienne objaśniające proponowane do panelowych modeli przestrzennych weryfikujących hipotezę konwergencji warunkowej wykorzystano: ludność aktywną zawodowo, osoby niezatrudnione oraz osoby z wykształceniem wyższym, pomijając bez wyraźnego uzasadnienia inne czynniki wyspecyfikowane w dwóch pierwszych rozdziałach, a mające wpływ na poziom PKB per capita. Jakie więc były przyczyny pominięcia innych czynników ekonomicznych wyszczególnionych w rozdziale drugim w dalszych analizach przestrzennych dotyczących konwergencji gospodarczej? Ścisły związek z tematem badawczym rozprawy posiada dość obszerny rozdział trzeci, zawierający prezentację i omówienie metod statystycznych i ekonometrycznych wykorzystywanych w analizach proponowanych do badania wpływu interakcji przestrzennych na przebieg procesów konwergencji. Jest to szczegółowy przegląd teoretycznych podstaw metod ilościowych proponowanych do weryfikacji hipotezy o konwergencji i jej rodzajach. Na uwagę zasługuje podkreślenie znaczenia czynnika przestrzennego w analizach wzrostu gospodarczego i konwergencji w kontekście koncepcji procesu stochastycznego. Szeroki przegląd literatury wskazuje, iż problem ten sporadycznie był prezentowany w polskich opracowaniach naukowych i uzasadnia podjęcie przez Doktorantkę badań empirycznych związanych z włączeniem efektów przestrzennych do analizy procesów konwergencji gospodarczej. Dwa ostatnie rozdziały (czwarty i piąty) zawierają wyniki badań empirycznych, które stanowią pewne novum w badaniach nad przebiegiem wzrostu gospodarczego w powiązaniu z procesami konwergencji z uwzględnieniem przestrzennego rozkładu oraz interakcji przestrzennych analizowanych procesów. W rozdziale czwartym podjęto próbę weryfikacji hipotezy głównej odnoszącej się do wskazania, iż efektywnym narzędziem weryfikacji hipotezy konwergencji gospodarczej są metody i modele nowoczesnej ekonometrii przestrzennej i przestrzenno-czasowej. Sformułowano również przypuszczenia, iż zaobserwowane zjawiska konwergencji gospodarczej w odniesieniu do państw Unii Europejskiej zależą od zakresu przestrzennego i przestrzenno-czasowego przeprowadzonego badania oraz, że zjawiska sigma i gamma konwergencji można stwierdzić jedynie w odniesieniu do grup regionów (s.85). Podstawą badań empirycznych dotyczących wpływu czynnika przestrzennego na badane zjawisko niezwykle istotną kwestią jest dobór macierzy interakcji przestrzennych. Autorka zaproponowała trzy 3

4 różne macierze wag W odzwierciedlające powiązania przestrzenne między poszczególnymi regionami wskazującymi na różne sposoby pomiaru odległości: W1 macierz sąsiedztwa 1-szego stopnia sąsiedztwo zostało zdefiniowane z uwzględnieniem wspólnej granicy (wg. schematu królowej?); W2 określona długością promienia jako możliwa maksymalna odległość środkami regionów; W3 - odległość definiowana jako różnica w poziomach PKB per capita osiąganych w i tej oraz w j-tej jednostce przestrzennej. W macierzy W1 liczba sąsiadów dla każdego z wyszczególnionego regionu wynosiła od 1 do 9, w macierzy W2 od 6 do 92, natomiast w macierzy odległości ekonomicznych W3 wskazano liczbę jednostek odpowiadającą w większości przypadków całkowitej liczbie regionów wg NUTS2. Uwzględnienie tak dużej liczby powiązań może budzić zastrzeżenia odnośnie przejrzystości sformułowanych na tej podstawie wniosków, pomimo próby interpretacji wyników uzyskanych dla przykładowych regionów. Warto również zwrócić uwagę, iż macierze wag obrazują w sposób umowny interakcje przestrzenne między badanymi obiektami, a nie podobieństwa. Badania empiryczne omawiane w tym rozdziale odpowiadają poszczególnym etapom analiz przestrzennych i wprowadzają wstępną analizę danych w postaci map i trendów przestrzennych pierwszego i drugiego stopnia z wykorzystaniem macierzy wag W1 oraz statystyk globalnych I - Morana dla PKB per capita oraz dla reszt w okresie badania (s ). W następnej kolejności estymowano przestrzenne modele autoregresyjne SAR obrazujące przestrzenną zależność regionów wskazującej oddziaływanie zmiennej PKP per capita w regionach sąsiednich na tę zmienną w regionie i-tym. zgodnie z przyjętą macierzą wag. Dla zweryfikowania występowania zjawiska konwergencji oszacowano trend przestrzenno-czasowy drugiego stopnia. Rozważania dotyczące wpływu autokorelacji przestrzennej na procesy konwergencji zostały scharakteryzowane wykresami Morana i mapami dla wartości statystyk globalnych i lokalnych (s ), co znacznie wzbogaciło interpretację uzyskanych wyników. W drugim etapie podejściu, wykorzystując podobny sposób analizy, do scharakteryzowania wpływu autokorelacji przestrzennej dla zmiennej PKB per capita oraz tempa jego wzrostu wykorzystano strukturę powiązań według macierzy wag W2 uwzgledniającą znacznie wyższą liczbę powiązań między sąsiadującymi regionami (s ). Uwzględnienie odległości geograficznych między poszczególnymi regionami umożliwiło analizę zmian w czasie zróżnicowania PKB per capita w przekroju gospodarek dla weryfikacji sigma konwergencji z uwzględnieniem perspektywy przestrzennej. Na tym etapie analizy zostały wykorzystane miary statystyczne do pomiaru przestrzennego zróżnicowania (odchylenie standardowe, współczynnik zmienności) oraz współczynnik koncentracji Giniego. Zaproponowano obliczenie tych charakterystyk oddzielnie dla podobszaru (1) i dla podobszaru (2). 4

5 Badania odnoszące się do określenia wpływu powiązań przestrzennych przeprowadzono przy wykorzystaniu wcześniej zdefiniowanych macierzy wag W1 i W2. Analizy zostały również rozszerzone o dynamiczny model SAR dla danych przekrojowo-czasowych dla współczynnika zmienności. Kolejnym etapem przeprowadzonego badania dla regionów Unii Europejskiej pod kątem ich rozwoju była analiza występowania konwergencji typu gamma. W podejściu tym uwzględniono zależności w okresie bazowym i końcowym bez uwzględnienia i z uwzględnieniem powiązań przestrzennych przy zastosowaniu macierzy wag W1 i W2. Po zapoznaniu się z treścią tego rozdziału należy uznać poprawność zastosowania różnych metod i wybranych modeli analiz przestrzennych oraz interpretację merytoryczną uzyskanych, ale zastrzeżenia budzi brak odniesień tych wyników do uwarunkowań ekonomicznych poszczególnych regionów, na co zwracano uwagę w pierwszych teoretycznych rozdziałach recenzowanej dysertacji. Ostatni rozdział piąty poświęcony został pogłębionej ekonometrycznej analizie konwergencji typu beta z uwzględnieniem regionów Unii Europejskiej sklasyfikowanych na poziomie NUTS2. Badania zostały przeprowadzone na czterech płaszczyznach: (1) beta konwergencji w ujęciu absolutnym, (2) beta konwergencji klubowej, (3) warunkowej beta - konwergencji oraz (4) konwergencji pionowej. Do weryfikacji absolutnej beta konwergencji zaproponowano pięć różnych modeli (modele przekrojowe w 5 różnych postaciach, podobnie modele panelowe, przestrzenne panelowe modele autoregresyjne, przestrzenne panelowe modele krzyżowe oraz przestrzenne panelowe modele Durbina). Dla wskazanych modeli wykorzystano macierze wag W1 i W2, natomiast macierz W3 wykorzystano do estymacji i weryfikacji statystycznej wyróżnionych dwóch wersji modelu panelowego i dwóch wersji przestrzennego panelowego modelu autoregresyjnego. Pozytywnie należy ocenić rozważania dotyczące szybkości konwergencji w przypadku wykorzystania macierzy sąsiedztwa i odległości geograficznej wykazanej przez różne modele i wskazania modelu najlepiej charakteryzującego badane zjawisko w całej przestrzeni europejskiej, jak również w jej dwóch wyróżnionych obszarach. Również pozytywnie oceniam uwzględnienie zmiennych demograficznych w badaniach warunkowej beta konwergencji jako zmiennych objaśniających kształtowanie się zmiennej PKB w przeliczeniu na 1 mieszkańca. Zaproponowano trzy potencjalne zmienne objaśniające: (1) ludność aktywną zawodowo jako procentowy udział osób w wieku lata na tysiąc mieszkańców, (2) osoby niezatrudnione jako procentowy udział osób które ukończyły 15 rok życia (zwraca uwagę niedoprecyzowanie kwantyfikacji jednostki statystycznej), (3) osoby z wyższym wykształceniem w wieku lat (tutaj też jest brak precyzyjnego skwantyfikowania pomiaru tej zmiennej). Zastrzeżenia budzi również brak uzasadnienia dla uwzględnienia proponowanych zmiennych w badaniu warunkowej konwergencji typu beta. Proponowane zmienne zostały wykorzystane w dalszej analizie indywidualnego wpływu między regionami (s.191). 5

6 Bogata prezentacja różnych podejść do modelowania konwergencji warunkowej została wzbogacona mapami charakteryzującymi rozkład średnich wpływów regionów na pozostałe regiony z wykorzystaniem macierzy wag W1 oraz z uwzględnieniem poszczególnych zmiennych objaśniających oraz rozkładów średnich wpływów pozostałych regionów sąsiednich na dany region dla zmiennej PKB w podobnym układzie jak poprzednio. W ostatniej części rozdziału piątego prezentowane są wyniki analizy dotyczącej beta konwergencji pionowej. Podstawą analizy były oszacowania parametrów modelu SAR_FE_IND przestrzennego autoregresyjnego modelu panelowego z efektami indywidualnymi charakteryzującego wpływ każdej z badanych gospodarek na kształtowanie się analizowanego zjawiska. Do badania wykorzystano ponownie macierz wag W1, a wyniki końcowe przeprowadzonej analizy dotyczące konwergencji pionowych zaprezentowano na odpowiednich mapach. Całość rozważań prezentowanych w poszczególnych rozdziałach oraz wnioski z przeprowadzonych analiz empirycznych zostały omówione w zakończeniu pracy. We wnioskach wynikających z badania wykazano słuszność przyjętej na wstępie hipotezy głównej udowadniając, że gospodarki są ze sobą ściśle związane i nie powinno się ich rozpatrywać jako obiekty odrębne, bowiem rozwój gospodarczy mierzony wartością PKB per capita wg PPP każdego z regionów jest uwarunkowany rozwojem jego sąsiadów. Wykorzystanie trendów przestrzennych pozwoliło na przyjęcie stwierdzenia, że poziom rozwoju gospodarczego państw Unii Europejskiej wykazuje pewne tendencje przestrzenne według geograficznej lokalizacji regionów. W wyniku przeprowadzonych badań empirycznych wskazano, które z proponowanych w literaturze modeli mogą zaleźć zastosowanie w badaniach przestrzennych dotyczących konwergencji gospodarczej i jej rodzajów. Ocena końcowa Rozprawa doktorska mgr Karoliny Górnej stanowi wartościowe opracowanie zarówno pod względem teoretyczno-poznawczym, metodycznym, jak i empirycznym. Świadczy także o dobrym opanowaniu warsztatu badawczego oraz umiejętności łączenia wiedzy z różnych dziedzin w rozwiązywaniu tytułowego problemu dysertacji. Doktorantka wykazała, że: (1) dokonując szerokiego przeglądu prac krajowych i zagranicznych opanowała literaturę wykraczającą poza jedną dyscyplinę, (2) potrafi dokonać syntezy teoretycznych poglądów różnych autorów zajmujących się problematyką wzrostu gospodarczego, konwergencji gospodarczej oraz ekonometrii i statystyki przestrzennej, (3) umie posługiwać się wyspecjalizowanymi metodami analiz ilościowych oraz specjalistycznym oprogramowaniem umożliwiającym oszacowanie modeli przestrzennych i ich wizualizację, (4) posiada umiejętność formułowania wniosków z przeprowadzonych badań empirycznych. Wymienione zalety można uznać za mocną stronę ocenianej dysertacji. Do słabych stron należy zaliczyć brak odniesienia we wnioskach z badań empirycznych do ekonomicznych uwarunkowań 6

7 wpływu interakcji przestrzennych na procesy konwergencji gospodarczej regionów Unii Europejskiej odnoszącej się do poziomu PKB per capita oraz nieprecyzyjne uzasadnienie przyjęcia różnych postaci macierzy wag w wybranych modelach przestrzennych. Wymienione uwagi i zastrzeżenia nie umniejszają ogólnie pozytywnej oceny. Praca przygotowana jest na dobrym poziomie merytorycznym i metodycznym, stanowiąc oryginalne rozwiązanie problemu naukowego. Konkluzja Biorąc pod uwagę znaczenie naukowe i praktyczne oraz interdyscyplinarny charakter pracy wymagający wiedzy z wielu obszarów badawczych oraz umiejętność prowadzenia samodzielnych badań naukowych przez mgr Karolinę Górną uważam, iż przedstawiona do recenzji dysertacja pt. Metody ekonometrii przestrzennej w analizie konwergencji gospodarczej regionów Unii Europejskiej spełnia wymogi stawione rozprawom doktorskim przez ustawę o stopniach naukowych i tytule naukowym i wnioskuję o dopuszczenie mgr Karoliny Górnej do kolejnych etapów przewodu doktorskiego. Łódź, 27 października 2017 r. 7