عنوان مقاله:
کشوری برای پیرمردها وجود ندارد: دیکتاتورهای پیر و رشد اقتصادی
No country for old men: Aging dictators and economic growth
سال انتشار: 2022
رشته: اقتصاد - علوم سیاسی
گرایش: اقتصاد مالی - اقتصاد نظری - سیاست گذاری عمومی
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
4. Estimation strategy
To test our hypothesis, we estimate a panel regression model, which, in its most general form, is written as: gi;j;t ¼ αi þ γj þ Agei;j;tβ þ Zi;tφ þ εi;j;t (5) where gi;j;t is the yearly economic growth rate achieved in country i by dictator j at time t. α and γ are country and dictator effects, respectively.12 Agei;j;t is our key variable of interest, Z is a vector of country specific control variables, β and φ are vectors of regression parameters and ε is the error term which is assumed to be random. The dictator fixed effect controls for unobserved heterogeneity between dictators that does not vary over the term in office (such as the level of managerial skills). This implies that for our main analysis we focus on the variation in the data within dictators and, hence, that we examine the impact of age when an individual dictator grows older. Naturally, estimating a reduced form equation involves issues of endogeneity. In our context endogeneity may arise as a consequence either of attrition (selection bias) or omitted variables. The attrition bias can result from the fact that leaders can drop from the sample as a consequence of poor economic performance. That is, we may observe bad performance of leaders toward the end of their term because leaders with low economic performance face a higher probability of being ousted. To address this potential problem, we also provide estimates for our model in which we select the sample of dictators of which the term ended because of exogenous reasons. In this regard, we follow Besley et al. (2011) by using their data to focus on the sub-sample of leaders that either died of natural causes or were incapacitated by illness. By doing so, we are confident that our results are not driven by sample selection.13 After all, lower economic growth rates do not cause natural deaths or disease of political leaders per se. To identify the leaders that dropped from office because of natural death or disease, we make use of the include a set of standard control variables in the growth regressions. These variables can be categorized into two groups: economic variables and political/institutional variables. As to the economic control variables, we include the ratio of total investments to GDP, the ratio of government expenditures to GDP, economic openness, i.e., exports relative to GDP, and the level of secondary school enrollment as a proxy for human capital.14 As to the political variables, we include a crude measure of political (in)stability. That is, we include a dummy variable equal to 1 whenever in a particular country in a particular year there was an attempted coup d'etat. We took this measure (also) from the Bjørnskov and Rode (2020) dataset. As a robustness check, we also employ a broader measure of political instability that is taken from the World Development Indicators of the World Bank. This measure is a composite index of different dimensions of political instability. Even though a broader measure of political instability is to be preferred, this measure is only available from 1996 onwards, which explains our preference for the coup measure. Besides the political instability measure, we also include a measure for political violence. That is, we use the Internal Armed Conflict variable measure from the Uppsala Conflict Data Program dataset (Gleditsch et al., 2002; Pettersson et al., 2021).
5. Estimation results
We test our hypothesis relating dictator mortality to economic growth in Table 3, where we present the estimation results of the regression model introduced in equation (14). In column 1 we estimate a model in which we include the economic determinants of economic growth as for example used by Barro (1991). In addition, we include the age variable to this specification. As can be observed, all variables have the expected sign. The coefficient for the impact of the age of the dictator on economic growth is 0.079 and is significant at the 1% significance level. In column 2, we test our hypothesis once again, but include the set of political and institutional variables in our estimation equation. The size of the age coefficient changes a little to 0.117 and is still significant at the 1% significance level. The coup variable (as a proxy for political instability) is also very significant and with the expected sign indicating that (indeed) political instability is a determinant of economic growth. Also the cold war dummy is (as expected) negatively and significantly related to economic growth. The coefficient on the polity2 variable is insignificant, possibly because we only include autocracies in the sample. The same holds for the coefficient of the civil war variable. Even though it enters with the expected sign,it is not significantly different from 0.In column 3, we test the impact of the age of the dictator, while we control for all other variables simultaneously. Naturally, this decreases the size of the sample somewhat, but our result remains the same. In column 4, we take the specification of column 3, but drop the insignificant variables sequentially using a general-to-specific approach and test our model down until only significant variables remain. The coefficient for the age variable is now 0.121 and still significant at the 1% significance level. From here onwards, we use this model specification to test the robustness of our results.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
4. استراتژی برآورد
برای آزمایش فرضیه خود، یک مدل رگرسیون پانل را تخمین می زنیم که در کلی ترین شکل آن به صورت زیر نوشته می شود: gi;j;t ¼ αi þ γj þ Agei;j;tβ þ Zi;tφ þ εi;j;t ( 5) جایی که gi;j;t نرخ رشد اقتصادی سالانه است که در کشور i توسط دیکتاتور j در زمان t بدست می‌آید. α و γ به ترتیب اثرات کشور و دیکتاتور هستند. 12 Agei;j;t متغیر کلیدی مورد علاقه ما است، Z بردار متغیرهای کنترل خاص کشور است، β و φ بردارهای پارامترهای رگرسیون هستند و ε عبارت خطا است که تصادفی فرض می شود دیکتاتور اثر ثابتی را برای ناهمگونی مشاهده نشده بین دیکتاتورها کنترل می کند که در طول دوره ریاست جمهوری تغییر نمی کند (مانند سطح مهارت های مدیریتی). این بدان معناست که برای تحلیل اصلی ما بر تنوع داده‌های درون دیکتاتورها تمرکز می‌کنیم و از این رو، تأثیر سن را در زمانی که یک دیکتاتور فردی بزرگتر می‌شود بررسی می‌کنیم. به طور طبیعی، برآورد یک معادله شکل کاهش یافته شامل مسائل درون زایی است. در زمینه ما، درون زایی ممکن است در نتیجه فرسایش (سوگیری انتخاب) یا حذف متغیرها ایجاد شود. سوگیری فرسایشی می تواند ناشی از این واقعیت باشد که رهبران می توانند در نتیجه عملکرد اقتصادی ضعیف از نمونه خارج شوند. یعنی ممکن است عملکرد بد رهبران را در پایان دوره خود مشاهده کنیم، زیرا رهبران با عملکرد اقتصادی پایین با احتمال بیشتری برای برکناری روبرو هستند. برای پرداختن به این مشکل بالقوه، ما همچنین تخمین‌هایی را برای مدل خود ارائه می‌کنیم که در آن نمونه‌ای از دیکتاتورهایی را انتخاب می‌کنیم که اصطلاح آنها به دلایل برون‌زا به پایان رسیده است. در این راستا ما بسلی و همکاران را دنبال می کنیم. (2011) با استفاده از داده های خود برای تمرکز بر نمونه فرعی رهبرانی که یا به دلایل طبیعی فوت کرده اند یا به دلیل بیماری ناتوان شده اند. با انجام این کار، ما مطمئن هستیم که نتایج ما بر اساس انتخاب نمونه نیست. به هر حال، نرخ های رشد اقتصادی پایین باعث مرگ طبیعی یا بیماری رهبران سیاسی نمی شود. برای شناسایی رهبرانی که به دلیل مرگ طبیعی یا بیماری از سمت خود کنار رفته‌اند، از مجموعه‌ای از متغیرهای کنترل استاندارد در رگرسیون‌های رشد استفاده می‌کنیم. این متغیرها را می‌توان به دو گروه تقسیم کرد: متغیرهای اقتصادی و متغیرهای سیاسی/نهادی. در مورد متغیرهای کنترل اقتصادی، نسبت کل سرمایه‌گذاری‌ها به تولید ناخالص داخلی، نسبت هزینه‌های دولت به تولید ناخالص داخلی، باز بودن اقتصادی، یعنی صادرات نسبت به تولید ناخالص داخلی، و سطح ثبت‌نام مدارس متوسطه را به عنوان شاخصی برای سرمایه انسانی در نظر می‌گیریم. در مورد متغیرهای سیاسی، ما یک معیار خام از (نا) ثبات سیاسی را در نظر می گیریم. یعنی هر زمان که در یک کشور خاص در یک سال خاص کودتا انجام شود، یک متغیر ساختگی برابر با 1 قرار می دهیم. ما این اندازه گیری را (همچنین) از مجموعه داده های Bjørnskov and Rode (2020) گرفتیم. به عنوان یک بررسی استحکام، ما همچنین از معیارهای گسترده‌تری از بی‌ثباتی سیاسی استفاده می‌کنیم که از شاخص‌های توسعه جهانی بانک جهانی گرفته شده است. این معیار یک شاخص ترکیبی از ابعاد مختلف بی ثباتی سیاسی است. حتی اگر معیار وسیع‌تری از بی‌ثباتی سیاسی ترجیح داده شود، این معیار فقط از سال 1996 به بعد در دسترس است، که ترجیح ما را برای اقدام کودتا توضیح می‌دهد. علاوه بر اقدام بی‌ثباتی سیاسی، معیاری برای خشونت سیاسی نیز در نظر گرفته‌ایم. یعنی ما از معیار متغیر تعارض مسلحانه داخلی از مجموعه داده برنامه داده درگیری اوپسالا استفاده می کنیم (گلدیچ و همکاران، 2002؛ پترسون و همکاران، 2021).
5. نتایج برآورد
ما فرضیه خود را در رابطه با مرگ و میر دیکتاتورها به رشد اقتصادی در جدول 3 آزمایش می کنیم، جایی که نتایج تخمین مدل رگرسیون معرفی شده در معادله (14) را ارائه می دهیم. در ستون 1 مدلی را تخمین می زنیم که در آن عوامل تعیین کننده اقتصادی رشد اقتصادی را به عنوان مثال مورد استفاده بارو (1991) در بر می گیرد. علاوه بر این، ما متغیر سن را به این مشخصات اضافه می کنیم. همانطور که مشاهده می شود، همه متغیرها دارای علامت مورد انتظار هستند. ضریب تأثیر سن دیکتاتور بر رشد اقتصادی 079/0 و در سطح معنی داری 1 درصد معنادار است. در ستون 2، یک بار دیگر فرضیه خود را آزمایش می کنیم، اما مجموعه متغیرهای سیاسی و نهادی را در معادله تخمین خود قرار می دهیم. اندازه ضریب سن کمی تغییر می کند و به 0.117 می رسد و همچنان در سطح معنی داری 1 درصد معنی دار است. متغیر کودتا (به عنوان نماینده بی ثباتی سیاسی) نیز بسیار مهم است و با علامت مورد انتظار نشان می دهد که (در واقع) بی ثباتی سیاسی عامل تعیین کننده رشد اقتصادی است. همچنین ساختگی جنگ سرد (همانطور که انتظار می رود) به طور منفی و قابل توجهی با رشد اقتصادی مرتبط است. ضریب روی متغیر polity2 ناچیز است، احتمالاً به این دلیل که ما فقط خودکامگی‌ها را در نمونه لحاظ می‌کنیم. همین امر برای ضریب متغیر جنگ داخلی نیز صادق است. حتی اگر با علامت مورد انتظار وارد می شود، تفاوت قابل توجهی با 0 ندارد. در ستون 3، ما تأثیر سن دیکتاتور را آزمایش می کنیم، در حالی که همه متغیرهای دیگر را به طور همزمان کنترل می کنیم. به طور طبیعی، این مقدار نمونه را تا حدودی کاهش می دهد، اما res ما ult همان باقی می ماند در ستون 4، مشخصات ستون 3 را در نظر می گیریم، اما متغیرهای ناچیز را به صورت متوالی با استفاده از رویکرد عمومی به اختصاصی رها می کنیم و مدل خود را تا زمانی که فقط متغیرهای مهم باقی می مانند، آزمایش می کنیم. ضریب متغیر سن در حال حاضر 0.121 است و همچنان در سطح معنی داری 1% معنی دار است. از اینجا به بعد، ما از این مشخصات مدل برای آزمایش استحکام نتایج خود استفاده می کنیم.
