An Order-Invariant Decomposition of Input Accumulation in DEA–Malmquist Productivity Analysis
Dit artikel stelt een pad-gesymmetriseerde decompositiemethode voor die het ordeafhankelijkheidsprobleem in multi-input DEA–Malmquist-analyse oplost, waardoor unieke, orde-invariante en multiplicatief consistente maten van individuele inputaccumulatie-effecten worden geboden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Economen proberen al lang te begrijpen waarom sommige landen rijker en productiever worden dan andere. Om dit te doen, kijken ze vaak naar de output van een land—wat het produceert—en proberen ze te achterhalen hoeveel van die groei komt door harder te werken, betere gereedschappen te gebruiken, of simpelweg efficiënter om te gaan met wat ze al hebben. Een standaardinstrument voor dit soort onderzoek is een methode genaamd Data Envelopment Analysis, die fungeert als een kaart van de meest efficiënte mogelijke prestaties die een groep landen op elk gegeven moment kan bereiken. Deze kaart, bekend als de "frontier" (de grens), laat de best mogelijke output zien voor een specifieke hoeveelheid input, zoals arbeid of kapitaal. Wanneer een land dichter bij deze grens komt, haalt het in; wanneer de grens zelf naar buiten verschuift, betekent dit dat de technologie is gevorderd. Er is echter een derde manier waarop productiviteit groeit: door simpelweg meer inputs te accumuleren, zoals het bouwen van meer fabrieken of het trainen van meer werknemers. Dit wordt vaak beschreven als het bewegen langs de bestaande grens naar een punt waar meer middelen worden gebruikt om meer output te creëren.
De uitdaging ontstaat wanneer een land meer dan één type input gebruikt, zoals zowel fysieke machines als geschoolde werknemers. Als beide tegelijkertijd toenemen, wordt het moeilijk om precies te zeggen hoeveel van de groei kwam door de machines en hoeveel door de scholing. Het probleem is dat het antwoord kan veranderen afhankelijk van welke factor je eerst bekijkt. Als je je voorstelt dat je eerst de machines toevoegt en dan de werkers, krijg je één resultaat. Als je je voorstelt dat je eerst de werkers toevoegt en dan de machines, krijg je een ander resultaat. Dit creëert een verwarrende ambiguïteit waarbij het verhaal van economische groei volledig afhangt van de willekeurige volgorde waarin een onderzoeker besluit de factoren te onderzoeken.
Kozo Kunimune, een onderzoeker aan de Kwansei Gakuin Universiteit, heeft een oplossing voorgesteld voor dit puzzelstuk. Hij ontwikkelde een nieuwe manier om de groei die voortkomt uit de accumulatie van inputs te ontleden, zodat het resultaat niet langer afhankelijk is van de volgorde waarin de factoren worden overwogen. In plaats van één sequentie te volgen, kijkt zijn methode naar elke mogelijke sequentie waarin de inputs kunnen worden toegevoegd. Vervolgens neemt het een gemiddelde van al deze verschillende paden om een enkel, uniek antwoord te vinden voor hoeveel elke input heeft bijgedragen. Deze aanpak zorgt ervoor dat de definitieve cijfers eerlijk en consistent zijn, ongeacht hoe de berekening is gerangschikt.
Om dit idee te testen, paste Kunimune het toe op echte gegevens uit de Penn World Table, een belangrijke database van internationale economische statistieken. Hij richtte zich op de periode tussen 2000 en 2010 en keek naar zesentwintig landen met volledige gegevens. In zijn analyse behandelde hij fysiek kapitaal (machines en gebouwen) en menselijk kapitaal (de vaardigheden en opleiding van de beroepsbevolking) als twee afzonderlijke inputs. Door zijn nieuwe methode te gebruiken, was hij in staat om de groei in arbeidsproductiviteit te splitsen in drie duidelijke delen: verbeteringen in de efficiëntie waarmee landen hun middelen gebruikten, verschuivingen in de technologische grens, en de specifieke bijdragen van het toevoegen van meer fysiek kapitaal en meer menselijk kapitaal.
De resultaten toonden aan dat de manier waarop we economische groei meten aanzienlijk kan veranderen afhankelijk van hoe we de inputs modelleren. Wanneer menselijk kapitaal werd genegeerd en alleen fysiek kapitaal werd overwogen, leek de groei grotendeels gedreven te worden door technologische verschuivingen. Wanneer menselijk kapitaal echter werd opgenomen als een aparte input, werd een deel van die groei, die eerder aan technologie werd toegeschreven, geherclassificeerd als beweging langs de grens. Met andere woorden: wat eerder leek op een technologische sprong, was in fekelijk het resultaat van investeringen in de vaardigheden van de werkers. Deze verschuiving was bijzonder merkbaar in ontwikkelingslanden zoals Cambodja, Bangladesh en Vietnam, waar de opname van menselijk kapitaal als een afzonderlijke factor de gemeten technologische verandering verminderde en de gemeten accumulatie van inputs verhoogde.
De studie benadrukte ook de verschillen tussen ontwikkelde economieën en opkomende economieën. In veel welvarende landen, zoals de Verenigde Staten, Canada en Australië, werd de groei in productiviteit bijna volledig gedreven door de accumulatie van fysiek kapitaal, waarbij menselijk kapitaal een minimale rol speelde in de gemeten expansie. In contrast hiermee vertoonden verschillende opkomende economieën een significante groei gedreven door de accumulatie van menselijk kapitaal, wat suggereert dat investeringen in onderwijs en vaardigheden een belangrijke motor waren van hun economische vooruitgang.
Door het willekeurige element van ordening te verwijderen, biedt deze nieuwe methode een duidelijker en stabieler beeld van wat economische groei drijft. Het stelt onderzoekers in staat om de interne structuur van productiviteitsveranderingen te zien zonder de verstoring die wordt veroorzaakt door de volgorde van de berekening. De bevindingen bevestigen dat hoewel de totale hoeveelheid groei hetzelfde blijft, het verhaal achter die groei verandert wanneer we rekening houden met de specifieke rollen van verschillende inputs. Deze helderheid is essentieel voor beleidsmakers en economen die moeten begrijpen of het succes van een land te danken is aan betere technologie, efficiënter management, of de gestage accumulatie van fysieke en menselijke middelen. De methode is ontworpen om flexibel te zijn en kan worden toegepast op diverse economische omgevingen, wat een transparante manier biedt om de complexe machinerie van productiviteit in een wereld met meerdere inputs te onderzoeken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.