An Order-Invariant Decomposition of Input Accumulation in DEA–Malmquist Productivity Analysis
Questo articolo propone un metodo di decomposizione simmetrizzato per percorso che risolve il problema della dipendenza dall'ordine nell'analisi DEA–Malmquist multi-input, fornendo misure degli effetti di accumulo dei singoli input che siano uniche, invarianti rispetto all'ordine e multiplicativemente coerenti.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Gli economisti cercano da tempo di capire perché alcune nazioni diventino più ricche e produttive di altre. Per farlo, spesso osservano la produzione di un paese — ciò che produce — e cercano di capire quanto di questa crescita derivi dal lavorare più duramente, dall'utilizzare strumenti migliori o semplicemente dal diventare più efficienti nell'uso di ciò che già si possiede. Uno strumento standard per questo tipo di investigazione è un metodo chiamato Data Envelopment Analysis, che agisce come una mappa delle prestazioni più efficienti possibili che un gruppo di paesi può raggiungere in un dato momento. Questa mappa, nota come "frontiera", mostra il miglior output possibile per una specifica quantità di input, come il lavoro o il capitale. Quando un paese si avvicina a questa frontiera, sta recuperando terreno; quando la frontiera stessa si sposta verso l'esterno, significa che la tecnologia è progredita. Tuttavia, esiste un terzo modo in cui la produttività cresce: semplicemente accumulando più input, come costruire più fabbriche o formare più lavoratori. Questo viene spesso descritto come un movimento lungo la frontiera esistente verso un punto in cui vengono utilizzati più risorse per creare più output.
La sfida sorge quando un paese utilizza più di un tipo di input, come sia macchinari fisici che lavoratori istruiti. Se entrambi aumentano contemporaneamente, diventa difficile dire esattamente quanto della crescita sia derivata dalle macchine e quanto dall'istruzione. Il problema è che la risposta può cambiare a seconda di quale fattore si consideri per primo. Se si immagina di aggiungere prima le macchine e poi i lavoratori, si ottiene un risultato. Se si immagina di aggiungere prima i lavoratori e poi le macchine, si ottiene un risultato diverso. Ciò crea un'ambiguità confondente in cui la storia della crescita economica dipende interamente dall'ordine arbitrario con cui un ricercatore sceglie di esaminare i fattori.
Kozo Kunimune, un ricercatore della Kwansei Gakuin University, ha proposto una soluzione a questo enigma. Ha sviluppato un nuovo modo per scomporre la crescita che deriva dall'accumulo di input in modo che il risultato non dipenda dall'ordine in cui i fattori vengono considerati. Invece di scegliere una singola sequenza da seguire, il suo metodo osserva ogni possibile sequenza in cui gli input potrebbero essere aggiunti. Calcola poi una media di tutti questi diversi percorsi per trovare una risposta singola e univoca su quanto ciascun input abbia contribuito. Questo approccio garantisce che i numeri finali siano equi e coerenti, indipendentemente da come viene organizzato il calcolo.
Per testare questa idea, Kunimune l'ha applicata a dati reali provenienti dalla Penn World Table, un importante database di statistiche economiche internazionali. Si è concentrato sul periodo tra il 2000 e il 2010, esaminando sessantaquattro paesi che disponevano di dati completi. Nella sua analisi, ha trattato il capitale fisico (macchine e fabbricati) e il capitale umano (le competenze e l'istruzione della forza lavoro) come due input separati. Utilizzando il suo nuovo metodo, è stato in grado di separare la crescita della produttività del lavoro in tre parti distinte: i miglioramenti nell'efficienza con cui i paesi utilizzavano le proprie risorse, gli spostamenti della frontiera tecnologica e i contributi specifici dell'aggiunta di maggiore capitale fisico e maggiore capitale umano.
I risultati hanno rivelato che il modo in cui misuriamo la crescita economica può cambiare significativamente a seconda di come modelliamo gli input. Quando il capitale umano veniva ignorato e veniva considerato solo il capitale fisico, la crescita appariva guidata in gran parte da spostamenti tecnologici. Tuttavia, quando il capitale umano è stato incluso come input separato, una parte di quella crescita precedentemente attribuita alla tecnologia è stata riclassificata come movimento lungo la frontiera. In altre parole, ciò che sembrava un salto tecnologico era in realtà il risultato del fatto che i paesi investivano nelle competenze dei loro lavoratori. Questo spostamento è stato particolarmente evidente nei paesi in via di sviluppo come Cambogia, Bangladesh e Vietnam, dove l'inclusione del capitale umano come fattore distinto ha ridotto il cambiamento tecnologico misurato e ha aumentato la misurazione dell'accumulo di input.
Lo studio ha inoltre evidenziato differenze tra le economie avanzate e quelle emergenti. In molte nazioni ricche, come Stati Uniti, Canada e Australia, la crescita della produttività era guidata quasi interamente dall'accumulo di capitale fisico, con il capitale umano che giocava un ruolo minimo nell'espansione misurata. Al contrario, diverse economie emergenti hanno mostrato una crescita significativa guidata dall'accumulo di capitale umano, suggerendo che gli investimenti in istruzione e competenze fossero un motore fondamentale del loro progresso economico.
Rimuovendo l'elemento arbitrario dell'ordine, questo nuovo metodo fornisce un quadro più chiaro e stabile di ciò che guida la crescita economica. Permette ai ricercatori di vedere la struttura interna dei cambiamenti di produttività senza la distorsione causata dall'ordine del calcolo. Le scoperte confermano che, sebbene l'ammontare totale della crescita rimanga lo stesso, la storia dietro tale crescita cambia quando si tiene conto dei ruoli specifici dei diversi input. Questa chiarezza è essenziale per i decisori politici e gli economisti che devono capire se il successo di un paese è dovuto a una migliore tecnologia, a una gestione più efficiente o al costante accumulo di risorse fisiche e umane. Il metodo è progettato per essere flessibile e può essere applicato a vari contesti economici, offrendo un modo trasparente per esaminare la complessa meccanica della produttività in un mondo con molteplici input.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.