Скорость сближения уровней развития стран мира в XXI веке: теоретические подходы и статистические ограничения

Макроэкономическая нестабильность в период 2020–2024 гг. актуализировала дискуссии о ее влиянии на процессы экономической конвергенции и методах оценки сближения развивающихся и развитых стран. В работе представлен систематический анализ современных эконометрических подходов и существующих ограничений при проверке гипотезы конвергенции. Методологической базой служат классические модели экономического роста Р. Солоу и их расширения Р. Барро, которые учитывают институциональные и социально-экономические факторы в условиях открытой экономики. Однако β-конвергенция, выявленная в межстрановых моделях Р. Барро, остается слабой, что свидетельствует о медленном процессе экономической сходимости стран. За последнее десятилетие эконометрика достигла значительных успехов, позволив анализировать конвергенцию с помощью сложных математических моделей, таких как коинтеграционный анализ и модель ARFIMA. Но результаты исследований неоднородны, что затрудняет формулирование общего вывода относительно наличия экономической конвергенции между странами. Тем не менее, если гипотеза о наличии конвергенции признана, то в данной статье предлагается рассчитывать скорость сближения стран двумя способами: через средние темпы экономического роста путем расчета количества лет, необходимого для удвоения ВВП, и методом временного лага. Несмотря на то что, согласно первому подходу, развивающиеся страны (3–5-й кластеры) демонстрируют более высокие среднегодовые темпы прироста по сравнению с развитыми странами (1–2-й кластеры), самые бедные страны (6–7-й кластеры) характеризуются низкими темпами экономического роста. При этом в ряде государств процесс конвергенции может замедляться или полностью прерываться из-за экономических и социальных кризисов. Это подчеркивает важность учета не только общих тенденций, но и специфических национальных особенностей каждой страны. При помощи второго способа на примере стран БРИКС было показано усиление экономической дивергенции развивающихся стран от развитых во времени с 1990 г.

1. Григорьев, Л. (2023). Влияние шоков 2020–2023 годов на деловой цикл. Современная мировая экономика, 1(1), 8–32. https://doi.org/10.17323/2949-5776-2023-1-1-8-32.

2. Григорьев, Л., & Павлюшина, В. А. (2018). Межстрановое неравенство: динамика и проблема стадий развития. Вопросы экономики, (7), 5–29. https://doi.org/10.32609/0042-8736-2018-7-5-29.

3. Григорьев, Л. М., & Паршина, Е. Н. (2013). Экономическая динамика стран мира в 1992-2010 гг.: неравномерность роста. Вестник Санкт-Петербургского университета. Экономика, (4), 70–86. https://economicsjournal.spbu.ru/article/view/2470/2286.

4. Григорьев, Л. М., & Майхрович, М. Я. (2023). Теории роста и реалии последних десятилетий (Вопросы социокультурных кодов — к расширению исследовательской программы). Вопросы экономики, (2), 18–42. https://doi.org/10.32609/0042-8736-2023-2-18-42.

5. Григорьев, Л. М., & Морозкина, А. К. (2021). Успешная неустойчивая индустриализация мира: 1880–1913. М.; СПб.: Нестор-История.

6. Майхрович, М.-Я. (2024). Экономическая конвергенция стран мира в 1992– 2022 гг. Современная мировая экономика, 4(4), 48–71. https://doi.org/10.17323/2949-5776-2023-1-4-48-71.

7. Мозиас, П. М. (2023). Россия в сообществе стран БРИКС: выбор приоритетов. Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 9: Востоковедение и африканистика, 2, 37–66. https://doi.org/10.31249/RVA/2023.02.02.

8. Тамбовцев, В. (2015). Миф о «культурном коде» в экономических исследованиях. Вопросы экономики, (12), 85–106. https://doi.org/10.32609/0042-8736-2015-12-85-106.

9. Шагас, Н.Л, & Туманова Е. А. (2006). Макроэкономика-2: учебник для студентов вузов, обучающихся по экономическим специальностям. М.: Изд-во Московского унта. 427 с.

10. Barro, R. J. (2012). Convergence and modernization revisited. NBER Working Paper, 18295. https://doi.org/10.3386/w18295.

11. Barro, R. J. (2016). Economic growth and convergence, applied especially to China. NBER Working Paper, 21872. https://doi.org/10.3386/w21872.

12. Barro, R. J. (1991). Economic Growth in a Cross Section of Countries. The Quarterly Journal of Economics, 106(20), 407–443. https://doi.org/10.2307/2937943.

13. Barro, R. J. (2013). Education and economic growth. Annals of Economics and Finance, 1(2), 301–328. https://econpapers.repec.org/article/cufjournl/y_3a2013_3av_3a14_3ai_3a2_3abarro_3aeducation.htm.

14. Barro, R. J. (2013). Health and economic growth. Annals of Economics and Finance, 14(2), 329–366. https://ideas.repec.org/a/cuf/journl/y2013v14i2barrohealth.html.

15. Barro, R. J. (1999). Inequality and growth in a panel of countries. Journal of Economic Growth, 5(1), 5–32. https://www.jstor.org/stable/40216021.

16. Barro, R. J., & Sala-i-Martin, X. (1992). Convergence. Journal of Political Economy, 100(2), 223–251. https://www.jstor.org/stable/2138606.

17. Barro, R. J., & Sala-i-Martin, X. (1990). Economic growth and convergence across the United States. NBER Working Paper, 3419, 1–39. https://ssrn.com/abstract=226678.

18. Barro, R. J., Sala-i-Martin, X., Blanchard, O. J., & Hall, R. E. (1991). Convergence Across States and Regions.Brookings Papers on Economic Activity,22(1), 107–182. https://econpapers.repec.org/article/binbpeajo/v_3a22_3ay_3a1991_3ai_3a1991-1_3ap_3a107-182.htm.

19. Barro, R. J., & Lee J.-W. (1994). Sources of economic growth (with commentary). Carnegie-Rochester Conference Series on Public Policy, 40, 1–57. https://econpapers.repec.org/article/eeecrcspp/v_3a40_3ay_3a1994_3ai_3a_3ap_3a1-46.htm.

20. Barossi-Filho, M., Silva, R. G., & Diniz, E. M. (2005). The Empirics of the Solow Growth Model: Long-term Evidence. Journal of Applied Economics, 8(1), 31–50. https://econpapers.repec.org/paper/wpawuwpge/0406001.htm.

21. Bilgili, F. (1998). Stationarity and cointegration tests: Comparison of Engle — Granger and Johansen methodologies. MPRA Paper, 75967. https://econpapers.repec.org/paper/pramprapa/75967.htm.

22. Calzolari, G., & Mgazzini, L. (2011). Autocorrelation and masked heterogeneity in panel data models estimated by maximum likelihood. Working Paper Series Department of Economics University of Verona, (53), 2036–2919. https://doi.org/10.1007/s00181-011-0487-7.0.

23. Chrimes, T., Gootjes, B., Kose, M. A., & Wheeler, C. (2024). The Great Reversal: Prospects, Risks, and Policies in International Development Association (IDA) Countries. Washington, DC: World Bank. doi: 10.1596/978-1-4648-2145-5.

24. Coutinho, L., & Turrini, A. (2019). Convergence and macroeconomic imbalances. Quarterly Report on the Euro Area. Directorate General Economic and Financial Affairs, European Commission, 18(1), 37–51. https://ideas.repec.org/a/euf/qreuro/0181-03.html.

25. Dufrénot, G., Mignon, V., & Naccache, T. (2012). The slow convergence of per capita income between the developing countries: “growth resistance” and sometimes “growth tragedy”. University of Nottingham, CREDIT. Discussion Papers, 09/03. https://ideas.repec.org/p/not/notcre/09-03.html.

26. Durlauf, S. N., Johnson, P. A., & Temple, R. W. (2009). The Econometrics of Convergence. Palgrave Handbook of Econometrics, Chapter 23, 1087–1118. https://ideas.repec.org/h/pal/palchp/978-0-230-24440-5_23.html.

27. Engle, F. R., & Granger, C. W. J. (1987). Co-Integration and Error Correction: Representation, Estimation, and Testing. Econometrica, 55(2), 251–276. https://doi.org/10.2307/1913236.

28. Fuat, C., Stengos, T., & Yazgan, M. (2018). Regime Switching with Structural Breaks in Output Convergence. Studies in Nonlinear Dynamics&Econometrics, 22(3), 1–28. https://ideas.repec.org/a/bpj/sndecm/v22y2018i3p17n5.html.

29. Granger, C. W. J., & Newbold, P. (1974). Spurious Regressions in Econometrics. Journal of Econometrics, 2(2), 111–120. https://doi.org/10.1016/0304-4076(74)90034-7.

30. Hualde, J., & Olmo, J. (2024). A novel test of economic convergence in time series. Empirical Economics, 68, 2093–2118. https://doi.org/10.1007/s00181-024-02699-5.

31. Johansen, S. (1988). Statistical Analysis of Cointegration Vectors. Journal of Economic Dynamics and Control, 12(2–3), 231–254. https://doi.org/10.1016/0165-1889(88)90041-3.

32. Johansen, S., & Juselius, K. (1990). Maximum Likelihood Estimation and Inference on Cointegration–with Applications to the Demand for Money. Oxford Bulletin of Economics and Statistics, 52(2), 169–210. http://dx.doi.org/10.1111/j.1468-0084.1990.mp52002003.x.

33. Lau, P.S-H. (1999). I(0) In, integration and cointegration out: Time series properties of endogenous growth models. Journal of Econometrics, 93(1), 1–24. https://doi.org/10.1016/S0304-4076(98)00096-7.

34. Lucas, R. E. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, 22, 3–42. https://doi.org/10.1016/0304-3932(88)90168-7.

35. Paprotny, D. (2021). Convergence Between Developed and Developing Countries: A Centennial Perspective. Social Indicators Research, 153, 193–225. https://doi.org/10.1007/s11205-020-02488-4.

36. Paprotny, D. (2016). Measuring Cen tral and Eastern Europe’s Socio-Economic Development Using Time Lags. Social Indicators Research, 127, 939–957. 10.1007/s11205-7015-0991-9.

37. Pesaran, H. M. (2007). A pair-wise approach to testing for output and growth convergence. Journal of Econometrics, 138(1), 312–355. https://doi.org/10.1016/j.jeconom.2006.05.024.

38. Solow, R. M. (1956). A Contribution of the Theory of Economic Growth. Quarterly Journal of Economics, 70(1), 65–94. https://doi.org/10.2307/1884513.