Modelos y datos
Se utilizaron como referencia un modelo de crecimiento económico de tres sectores (Barro y Jason, 1996) y un modelo de inversión en salud pública (Agénor, 2008) para crear un modelo de crecimiento económico que incorpore salud, educación, stock de capital material y fondos públicos del gobierno. gasto, como se muestra en la ecuación. (8).
$$Y=A{(\mu {K}_{P})}^{\alpha }{(v{H}_{e})}^{\beta }{(\omega {H}_{h })}^{\gamma }{({nG})}^{1-\alpha -\beta -\gamma }$$
(8)
Donde A representa parámetros técnicos exógenos, \(A\, > \,0\)y \(\alfa,\beta,\gamma\) que representan los coeficientes elásticos del capital físico, el capital humano educativo y el HHC respecto de la producción total, respectivamente, \(\alpha ,\beta ,\gamma \in \left(\mathrm{0,1}\right)\) y \(0 \,<\, \alfa +\beta +\gamma\, < \,1\). \(\mu ,v,\omega ,n\) representan la proporción de capital material, el capital humano de la educación de los trabajadores, el capital humano de la salud de los trabajadores y la proporción del gasto público gubernamental utilizado en la producción, respectivamente. Gasto del sector público gubernamental \(GRAMO\) Se caracteriza por la naturaleza de los bienes públicos, que los individuos pueden utilizar con fines productivos o sanitarios.
La ecuación se linealizó logarítmicamente en ambos lados para minimizar la heterocedasticidad de la muestra, lo que resultó en la conversión de cada coeficiente de variable índice en un coeficiente elástico. Dado que la fuerza laboral ordinaria desempeña un papel crucial a la hora de influir en el crecimiento económico, se incluye en el modelo como variable de control. El modelo de función de producción de China a lo largo de los años puede representarse mediante la ecuación. (9).
$${y}_{{it}}={a}_{{it}}+{\alpha k}_{{pit}}+{\beta h}_{{eit}}+{\gamma h }_{{hit}}+{\varPhi g}_{{it}}+{\varphi l}_{{it}}+{\varepsilon }_{{it}}$$
(9)
Dónde \(yo={1,2}…. {N}\)cada uno representa una provincia diferente de China. \({y}_{{it}}\) denota el logaritmo del PIB real per cápita de la región \(i\) en China durante el año \(t\). \({a}_{{it}}\) es el recíproco del nivel de PTF de la región \(i\) en China en el año \(t\). \({k}_{{pozo}}\) es el logaritmo del stock de capital físico per cápita en la región \(i\) de China en el año \(t\). \({h}_{{eit}}\) denota el valor logaritmo de los años promedio de escolaridad en el año \(t\) dentro de la región \(i\) de China. \({h}_{{golpear}}\) es el valor logaritmo del índice HHC de la región \(i\) en China en el año t. gramoél es la representación del gasto del presupuesto público general per cápita para la región \(i\) de China en el año \(t\). \({iluminado}}\) Significa la proporción de la población en edad de trabajar en la región. \(i\) de China en el año \(t\). \({\varepsilon }_{{it}}\) simboliza el término de error estocástico.
A lo largo de los años se han recopilado datos del Anuario Estadístico de China. Los datos del PIB per cápita de las provincias de China provienen principalmente del Anuario Estadístico de China. En este documento, el deflactor del PIB per cápita se utiliza para ajustar la inflación y calcular el PIB real per cápita con base en 2005. El índice HHC servirá como variable proxy para el HHC, ofreciendo un reflejo más completo del nivel de salud de China en comparación con un solo índice. índices como la esperanza de vida comúnmente utilizados en la literatura existente. El stock de capital físico se determina mediante el método del inventario perpetuo. El stock de capital físico per cápita se calcula dividiendo el stock de capital físico local por la población permanente en esa área. El stock de capital físico per cápita se ajusta mediante el deflactor de precios de la inversión en activos fijos. El Tíbet no publicó el deflactor de precios de inversión en activos fijos, por lo que en su lugar se utilizó el índice de precios minoristas para tener en cuenta las fluctuaciones en los niveles de precios. El capital humano educativo está determinado por los años promedio de escolaridad. El deflactor del IPC para el año en curso se utiliza para determinar el gasto del presupuesto público general per cápita.
Los resultados estadísticos descriptivos se muestran en la Tabla 5.
Estimación del impacto del capital humano sanitario en el crecimiento económico
Utilizando la regresión mixta (OLS) como marco de referencia, el impacto de HHC en el crecimiento económico se estimó mediante modelos de efectos aleatorios (TE), efectos fijos (FE) y FE bidireccional, como se muestra en la Tabla 6.
Los símbolos de coeficiente de las variables lnHi, lnCap e lnGov en los resultados de la regresión MCO mixta (consulte la Columna 1) son opuestos a los de los otros tres modelos debido a que la regresión MCO mixta no tiene en cuenta los efectos individuales del modelo, como se muestra. en la Tabla 6. En la columna (2), la prueba LM pag-el valor es 0, lo que sugiere que la estimación de efectos aleatorios es superior a la estimación de regresión mixta. Los estimadores de efectos fijos se consideran superiores ya que todos los estimadores de la prueba de Hausman en la columna (3) rechazan la hipótesis nula. Al abordar la cuestión de las variables faltantes que permanecen constantes para los individuos pero que fluctúan con el tiempo, la utilización de efectos fijos bidireccionales permite controlar tanto el tiempo como los individuos en la estimación (consulte la columna (4)). Esto hace que el modelo de efectos fijos bidireccionales sea la opción más adecuada.
Los coeficientes de regresión positivos para el índice HHC (lnHi), el índice de población en edad de trabajar (lnLab) y el índice de gasto del presupuesto público general per cápita (lnGov) sugieren una correlación positiva significativa con el crecimiento económico. El stock de capital físico per cápita (lnCap) se caracteriza por un coeficiente numérico negativo. Mejorar la inversión en salud tiene un efecto de desplazamiento sobre el capital físico, lo que lleva a una reducción en la acumulación de capital físico, lo que es perjudicial para el crecimiento económico (Wang et al., 2008). Los valores del coeficiente de regresión indican que los coeficientes del índice HHC (lnHi), el índice de población en edad de trabajar (lnLab) y el índice de gasto del presupuesto público general per cápita (lnGov) son 0,4809, 0,9448 y 0,2663, respectivamente. Si lnHi, lnLab e lnGov aumentan un 1%, entonces el porcentaje correspondiente de crecimiento económico es 0,48%, 0,94% y 0,27%, respectivamente. La principal fuerza impulsora del crecimiento económico es la proporción de la población en edad de trabajar, seguida por el HHC, y el gasto del presupuesto público general per cápita tiene un pequeño impacto en el crecimiento económico.
prueba de robustez
El nivel de educación superior de la población se puede medir por la proporción de personas con títulos avanzados. En este artículo, la proporción de personas con educación superior (lnEduper) se utiliza como reemplazo de los años promedio de educación (lnEdu). Además, existen numerosos valores atípicos en el PIB real per cápita, y estos valores atípicos podrían influir significativamente en los resultados de la regresión. Para reestimar el impacto de HHC en el crecimiento económico, winsorize el 97,5% en el lado derecho de las variables explicadas de la muestra. El capital humano educativo estuvo representado por la proporción de personas en educación superior y el efecto del índice HHC sobre el crecimiento económico alineado con la regresión base. Después del tratamiento de reducción de la cola, el coeficiente HHC disminuye a 0,4429, alineándose con los hallazgos de la regresión inicial y demostrando la solidez de los resultados (consulte la Tabla 7).
Procesamiento endogenético
Los problemas de endogeneidad en la regresión inicial podrían introducir sesgos en los resultados de la regresión del modelo. La endogeneidad se debe principalmente a variables faltantes que están relacionadas con otras variables del modelo, así como a la interacción entre variables explicativas y variables dependientes, donde se influyen entre sí como causa y efecto. La principal cuestión endógena en este artículo es el problema de la causalidad mutua, donde la HHC promueve el crecimiento económico y el crecimiento económico, a su vez, acelera la acumulación de HHC hasta cierto punto. Para mejorar la solidez de los resultados, este artículo trata el índice HHC como una variable endógena y elige el término de retraso de primer orden de la variable explicativa endógena como su variable instrumental (Bai y Bian, 2016). El término de rezago de primer orden de las variables explicativas endógenas está significativamente correlacionado con las variables explicativas endógenas actuales o futuras, lo que indica que la HHC en el período anterior tendrá una influencia notable en la HHC actual o futura. Como la variable de retraso de primer orden de HHC ya ha tenido lugar, puede considerarse un factor predeterminado, que cumple con el requisito de no estar relacionado con el término de perturbación aleatoria actual.
Incluso controlando todas las variables de control y los efectos fijos dobles, utilizando el método de estimación de mínimos cuadrados de dos etapas con variables instrumentales (IV-2SLS), el HHC continúa mostrando una influencia positiva significativa en el crecimiento económico, como se demuestra en la Tabla 8. Durante el En la fase inicial, el valor de la prueba F fue 888,70, que era significativamente superior a 10, según la regla general (Lin y Tan, 2019). Esto sugiere una fuerte correlación entre las variables instrumentales y las variables explicativas endógenas. El coeficiente de regresión de HHC sobre el crecimiento económico es significativo al nivel de significancia del 1% en la regresión de la segunda etapa. Los resultados empíricos siguen siendo consistentes antes y después de la adición de variables instrumentales, lo que indica que HHC tiene un impacto positivo significativo en el crecimiento económico. Por lo tanto, tras una cuidadosa consideración y abordar cualquier posible problema de endogeneidad en el modelo de regresión inicial, los hallazgos originales de este estudio siguen siendo sólidos.
Prueba de heterogeneidad
Regresión de cuantiles
Explora más a fondo las consecuencias de HHC sobre el crecimiento económico. El método del modelo de regresión cuantil de panel (Koenker, 2004) se utiliza para examinar el impacto de HHC en el crecimiento económico seleccionando cinco subloci representativos del PIB real per cápita: 10%, 25%, 50%, 75% y 90%. . Este enfoque considera tanto el tiempo como los efectos individuales.
El coeficiente de la principal variable explicativa en el efecto fijo bidireccional es consistente en todos los resultados de la regresión cuantil, ubicándose en el nivel promedio. El coeficiente estimado del modelo bidireccional de efectos fijos y el coeficiente estimado del HHC en cada nivel de cuantil son significativamente positivos, lo que sugiere que el HHC ha desempeñado un papel importante en la promoción del crecimiento económico en China de 2005 a 2019 (consulte la Tabla 9). . El coeficiente del índice HHC muestra una tendencia ascendente. Con cada aumento del 1% en el índice HHC, se proyecta que la tasa de crecimiento del PIB real per cápita aumentará en un margen que oscilará entre el 0,36% y el 0,60%. En las provincias y años controlados, el efecto de promoción del crecimiento económico por parte de HHC es mayor en las provincias con niveles más altos de PIB real per cápita cuando se consideran niveles cuantiles de diferentes condiciones. Las regiones que poseen una mayor fortaleza económica tienden a exhibir niveles más altos de servicio público y tienen más probabilidades de experimentar crecimiento económico en el futuro. Mejorar el nivel de HHC conduce al crecimiento económico y aumenta la disparidad en el crecimiento económico regional.
Heterogeneidad regional
Debido a las importantes variaciones en las condiciones naturales, características geográficas, modos de producción y costumbres culturales entre el norte y el sur de China, existen diferentes grados de influencia en el concepto de salud y el nivel de salud de cada región. Estas diferencias también pueden contribuir a los distintos niveles de desarrollo económico entre el Norte y el Sur. Utilizando la línea del río Qinling-Huaihe como línea divisoria, las 31 provincias (regiones autónomas, municipios directamente bajo el gobierno central) se dividieron en secciones norte y sur. Se empleó el modelo de panel de efectos fijos bidireccional para explorar la heterogeneidad Norte-Sur (ns) de HHC (lnHi) en el crecimiento económico. El coeficiente de interacción entre HHC y el norte y el sur es notablemente negativo con un nivel de confianza del 5% (consulte la Tabla 10). Existe una diferencia en el impacto de la HHC sobre el crecimiento económico entre el Norte y el Sur, con un impacto mayor en el Sur que en el Norte.