Esfahani e Ramirez, 2002 (PT BR)

Machine Translated by Google
Journal of Development Economics 70 (2003) 443 – 477

www.elsevier.com/locate/econbase
Instituições, infraestrutura e crescimento econômico

Hadi Salehi Esfahania,*, Marÿ´a Teresa Ramÿ´rezb
a
Departamento de Economia, Universidade de Illinois em Urbana-Champaign, 210 DKH 1407 W.
Gregory Drive, Urbana, IL 61801, EUA bCentral Bank of Colombia, Bogotá,
Colômbia
Recebido em 1º de maio de 2000; aceito em 1 de fevereiro de 2002
Abstrato
Este artigo desenvolve um modelo estrutural de infraestrutura e crescimento da produção que leva em
consideração fatores institucionais e econômicos que medeiam as interações infraestrutura-PIB. As estimativas
do modelo entre países indicam que a contribuição dos serviços de infraestrutura para o PIB é substancial e, em
geral, excede o custo de prestação desses serviços. Os resultados também lançam luz sobre os fatores que
moldam a resposta de um país às suas necessidades de infraestrutura e oferecem implicações políticas para
facilitar a remoção de inadequações de infraestrutura.
D 2002 Elsevier Science BV Todos os direitos reservados.
Classificação JEL: O4; O57; H54; L33; L9

Palavras-chave: Crescimento econômico; Convergência; A infraestrutura; Instituições
1. Introdução
A relação entre capital de infraestrutura e crescimento econômico tem sido controversa. Vários estudos
empíricos encontraram altos retornos para o investimento em infraestrutura (Aschauer, 1989a,b; Easterly e
Rebelo, 1993; Canning et al., 1994; Sanchez Robles, 1998). Mas, a robustez dos resultados foi questionada
em outros estudos e pesquisas empíricas (Munnell, 1992; Tatom, 1993; Gramlich, 1994).
1
Uma preocupação
importante tem sido a endogeneidade e a direção da causalidade entre infraestrutura e produção agregada:
embora a infraestrutura possa afetar a produtividade e a produção, o crescimento econômico também pode
moldar a demanda e a oferta de serviços de infraestrutura, o que provavelmente causará um viés de alta nos
retornos estimados à infraestrutura se a endogeneidade não for abordada. Alguns dos estudos que examinaram
esse viés não o consideram grande (por exemplo,
* Autor correspondente. Tel.: +1-217-333-2681; fax: +1-217-333-1398.
Endereço de e-mail: Esfahani@uiuc.edu (HS Esfahani).

1 O Relatório sobre o Desenvolvimento Mundial de 1994, especialmente o Quadro 1.1, também fornece uma discussão adequada.
0304-3878/02/$ - ver matéria inicial D 2002 Elsevier Science BV Todos os direitos reservados. doi:10.1016/
S0304-3878(02)00105-0
444 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477
Flores de Frutos e Pereira, 1993; Fernando, 1999). No entanto, uma série de artigos baseados em
dados de painel estaduais para os Estados Unidos mostraram que a introdução de efeitos fixos de
longo prazo pode acabar com o efeito positivo da infraestrutura no crescimento da produção (Holtz-
Eakin, 1994; Holtz-Eakin e Schwartz , 1995; Garcia-Mila et al., 1996). Por outro lado, usando um
painel de dados entre países, Canning e Pedroni (1999) descobriram que permitir a heterogeneidade
nas interações infraestrutura-PIB de curto prazo produz causalidade bidirecional na maioria dos
países. Esses resultados sugerem que levar em consideração a endogeneidade e a heterogeneidade
no estado estacionário, bem como as relações de curto prazo entre infraestrutura e produção, pode
ser importante para obter melhores percepções sobre os retornos do investimento em infraestrutura.
A maioria dos estudos de crescimento econômico considera o papel da infraestrutura e encontra
efeitos positivos ao incluir indicadores de infraestrutura no lado direito dos modelos de forma reduzida
(Barro e Sala-i-Martin, 1995). No entanto, isso é inadequado porque para entender o processo de
crescimento é preciso ir além das relações agregadas e distantes e descobrir os mecanismos pelos
quais vários fatores moldam o desempenho agregado. As relações estruturais por trás do crescimento
agregado são particularmente necessárias quando se tenta identificar as fontes de crescimento e
chegar a conclusões políticas. Por exemplo, uma regressão de forma reduzida pode mostrar que
instituições fracas e infraestrutura precária no início de uma década desaceleram o crescimento
econômico durante a década (ver, por exemplo, Easterly e Levine, 1997). Mas é de se perguntar até
que ponto mudanças exógenas no crescimento da infraestrutura podem contribuir para o desempenho
econômico simultâneo. Além disso, é importante saber o quanto outras variáveis que parecem
influenciar o crescimento funcionam por meio da infraestrutura. De maneira mais geral, a questão é
como ocorre o desenvolvimento da infraestrutura e quais efeitos de retroalimentação são gerados
pelo crescimento da produção, especialmente se alguém estiver em busca de soluções políticas para
os desafios do crescimento. Essas questões, é claro, também se aplicam a outras variáveis que
foram substituídas em modelos de crescimento de forma reduzida. Mas a infraestrutura fornece um
exemplo importante porque está normalmente sujeita a amplos controles do governo, cuja eficácia
depende de muitas das características do país que são encontradas como consequência em
regressões de crescimento de forma reduzida.
A contribuição potencial de um modelo de crescimento estrutural para a pesquisa sobre o
determinante do desenvolvimento de infraestrutura é significativa por si só. Essa literatura examinou
o investimento em infraestrutura de diferentes perspectivas, variando de preocupações com finanças
públicas (Randolph et al., 1996) a considerações institucionais (Levy e Spiller, 1996; Bergara et al.,
1998) e combinações dos dois (Poterba, 1995). . Esses estudos identificam uma série de variáveis
que podem afetar a formação de capital de infraestrutura, mas consideram o crescimento econômico
essencialmente como dado. Isso pode parecer uma simplificação pragmática, mas é problemática
devido à simultaneidade entre PIB e infraestrutura. A instrumentação para o PIB pode, é claro,
resolver o problema, mas não é uma solução fácil. Muitas vezes é necessário um modelo estrutural
mais completo para estimar a relação bidirecional entre PIB e infraestrutura simultaneamente ou,
pelo menos, para identificar instrumentos apropriados.
Estimar um modelo estrutural de interação entre o crescimento econômico agregado e um de
seus componentes apresenta um problema de identificação. Qualquer fator que afete o componente
pode estar afetando a saída agregada através de outros canais. Como resultado, identificar o papel
do componente torna-se difícil. Esta pode ser uma razão importante pela qual os modelos estruturais
de crescimento são raros. No entanto, para fazer perguntas mais profundas sobre o processo de
crescimento, o problema de identificação deve ser resolvido em termos teóricos e empíricos.
HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 445
Neste artigo, desenvolvemos um modelo de crescimento estrutural que ajuda a discernir os

efeitos mútuos da infraestrutura e do restante da economia. O modelo especifica as formas pelas
quais as características e políticas dos países entram nas interações infraestrutura – PIB e levam
à heterogeneidade de resultados em várias situações. Distinguimos heterogeneidade em ambos
os estados estacionários e na taxa de convergência em direção a um estado estacionário.
Derivamos a infra-estrutura – interações de saída como um sistema recursivo que pode ser
estimado simultaneamente ao resolver o problema de identificação. Além disso, as relações
entre infra-estrutura e renda são formuladas como processos de correção de erros para explicar
tanto o efeito simultâneo das inovações de infra-estrutura quanto as respostas aos desvios do
estado estacionário. Esta formulação resolve a aparente inconsistência em modelos anteriores
onde níveis iniciais não estacionários de renda e infraestrutura são especificados como
determinantes de taxas estacionárias de crescimento. Aqui, os níveis entram apenas em
expressões estacionárias que medem a lacuna entre as condições iniciais e o estado estacionário.
Embora a importância da heterogeneidade dos países na dinâmica do crescimento tenha sido
bem reconhecida na literatura, o curto intervalo de tempo dos dados do painel do país não permite
uma estimativa precisa das taxas de convergência e outros parâmetros dinâmicos de curto prazo
por meio de técnicas de regressão do painel (Lee et al ., 1997, 1998; Canning e Pedroni, 1999).
Por esse motivo, as regressões de dados em painel que assumem a heterogeneidade dinâmica
produzem essencialmente informações sobre as distribuições dos parâmetros de curto prazo e
ajudam a lidar com os vieses que podem surgir se a heterogeneidade for ignorada. Esse quadro
não permite identificar os fatores que causam variação nos parâmetros. Além disso, a estrutura
exige que se assuma que os parâmetros dinâmicos de curto prazo são constantes dentro de um
país, mesmo que haja mudanças nas condições do país ao longo do tempo. Nossa abordagem
especifica as taxas de convergência e as condições de estado estacionário de vários ativos como
funções das características do país e as estima como tal, tomando apenas os parâmetros de tais
funções como constantes. Isso permite uma estimativa mais precisa das taxas de convergência
e condições de estado estacionário, sem descartar sua variabilidade entre países ou ao longo do tempo.
As estimativas do modelo entre países indicam que a contribuição dos serviços de infraestrutura
para o PIB é realmente substancial e, em geral, excede o custo de prestação desses serviços.
Além disso, verificamos que a elasticidade de estado estacionário da infraestrutura em relação
ao investimento total é maior que um, o que significa que os países que conseguem investir mais
o fazem principalmente nos setores de infraestrutura. Em outras palavras, os fatores que impedem
os países de investir a taxas elevadas tendem a dificultar especialmente o investimento em infra-
estrutura.
Ao examinar as variáveis que explicam a heterogeneidade entre os países e ao longo do
tempo, chamamos a atenção para os mecanismos mais específicos por meio dos quais vários
fatores influenciam o crescimento. Essas descobertas também lançam luz sobre os fatores que
moldam a resposta de um país às suas necessidades de infraestrutura e oferecem implicações
políticas para facilitar a remoção de inadequações de infraestrutura. Um resultado interessante a
esse respeito é que a propriedade privada de ativos de infraestrutura e a credibilidade do governo
(baixo risco de repúdio de contrato) são importantes para o crescimento da infraestrutura, mas
principalmente para acelerar a taxa de ajuste, e não para os índices ativos-renda estacionários.
Parece que, no longo prazo, os governos conseguem investir sozinhos em infraestrutura, mas
têm muito mais dificuldade em lidar com os desequilíbrios de infraestrutura no curto e médio prazos.
Curiosamente, a capacidade de coordenar políticas dentro de um país (medida pelo
grau de centralização) parece facilitar o ajuste. A credibilidade também desempenha um papel semelhante
no processo de ajuste do capital não-infraestrutura. Além disso, em linha com os achados de outros
estudos empíricos de crescimento, a credibilidade tende a elevar o nível de produtividade e a renda per
capita estável. Outras características institucionais, como a democracia e a diversidade étnica e de renda,
são mais importantes para os índices patrimônio-renda do estado estacionário. Ambas as formas de
diversidade têm efeitos negativos sobre os índices de ativos estacionários e sobre a renda per capita,
embora tais efeitos tendam a diminuir na presença de maior democracia, como observou Collier (1998) .
Além dos fatores institucionais, examinamos o papel de muitas características econômicas e políticas
na formação do estado estacionário e das taxas de ajuste. Em particular, descobrimos que o capital
humano e as distorções do mercado têm papéis insignificantes no crescimento da infraestrutura, embora
sejam importantes para outras formas de capital que impulsionam o crescimento agregado. Outro resultado
notável é que a densidade populacional e a urbanização tendem a reduzir as proporções estacionárias dos
ativos de infraestrutura em relação ao PIB e acelerar seu ajuste aos desequilíbrios. Isso parece refletir as
propriedades de rede dos ativos de infraestrutura que aumentam o retorno do investimento à medida que
a densidade populacional aumenta. Essa visão é ainda apoiada pela constatação contrastante de que a
densidade populacional reduz a velocidade de ajuste para o capital não relacionado à infraestrutura.
Como nosso modelo fornece estimativas tanto do nível estacionário de renda per capita quanto de seu
comportamento transitório, nossos resultados estão relacionados a pesquisas sobre crescimento, bem
como à literatura sobre os determinantes geográficos e sociais dos níveis de renda (que diz respeito a
resultados de longo prazo). . Entre o último grupo, Hall e Jones (1997, 1999) e Acemoglu et al. (no prelo)
mostram que a renda per capita está intimamente relacionada à qualidade das instituições existentes.
McArthur e Sachs (2000) argumentam ainda que a geografia também importa a longo prazo. Embora nem
todas as suas variáveis mostrem significância em nossas regressões, nossos resultados geralmente
apóiam suas conclusões. Em particular, descobrimos que as instituições que melhoram a execução de
contratos ajudam a aumentar o nível de renda per capita, enquanto o fato de não ter litoral e ter uma
população heterogênea tem o efeito oposto. No entanto, o modelo estrutural que estimamos ajuda a
esclarecer como e onde essas variáveis podem desempenhar um papel na economia.
A falta de dados suficientes restringe o foco deste documento à formação de ativos de infraestrutura
nos setores de energia e telecomunicações. Esses setores provavelmente serão representativos dos demais.
De fato, o coeficiente de correlação entre as linhas telefônicas principais per capita e a capacidade de
geração de eletricidade per capita em nossa amostra é de 0,94. As quantidades de ativos de infraestrutura
também tendem a ser correlacionadas com a qualidade do serviço. Por exemplo, com base em uma seção
transversal de 40 países para os quais os dados estão disponíveis no Relatório de Desenvolvimento
Mundial 1994 para 1990, o coeficiente de correlação entre linhas telefônicas principais per capita e as
taxas de falha de linha por ano é 0,38. Para a mesma amostra, a correlação entre a capacidade de geração
de eletricidade per capita e as perdas de transmissão e distribuição como porcentagem da produção total
de energia é de 0,64. Essas correlações são indicativas, mas obviamente não são de um para um, portanto,
permanece a necessidade de incluir mais setores de infraestrutura e desenvolver medidas de qualidade
para eles.
O restante deste trabalho está organizado da seguinte forma. A seção 2 desenvolve o modelo. A seção
3 especifica as equações econométricas a serem estimadas. A Seção 4 apresenta os resultados e discute
suas implicações políticas. A seção 5 conclui.
2. Um modelo de crescimento de produção e infraestrutura
O crescimento econômico é consequência do acúmulo de fatores que permitem a uma economia

aproveitar as oportunidades de aumento de sua renda. Para identificar os determinantes da taxa de
acumulação de fatores e, portanto, da taxa de crescimento da renda, é prática comum começar
denotando as oportunidades de produção da economia como uma função que mapeia o vetor de
fatores na produção agregada, Y. Para o objetivo deste artigo, vamos nos concentrar em quatro tipos
de fatores: mão de obra, L, ativos de infraestrutura, N, capital não relacionado à infraestrutura, K e
todos os outros fatores que influenciam a produtividade, Q. Para manter o modelo simples,
interpretamos esses rótulos de maneira ampla para que qualquer fator que podem estar envolvidos na
produção podem ser tratados como parte de uma dessas categorias. Deixamos a função de produção
ser Cobb-Douglas com rendimentos constantes à escala e, sem mais perda de generalidade,
assumimos que Q representa a produtividade do trabalho:2
Y ¼ Ka NbðQLÞ 1ab ; 2:1Þ
onde aeb são parâmetros positivos.

O modelo pode ser facilmente estendido para casos de retornos crescentes ou decrescentes de
escala substituindo 1 no expoente de QL por um parâmetro, r, representando os retornos de escala.
Isso introduz um processo de crescimento endógeno ''sem escala'' no modelo, que adiciona um termo,
(r 1)log(L), ao logaritmo da renda no estado estacionário e outro termo, (r 1)S , onde S é a taxa de
crescimento de L, para o crescimento da renda no estado estacionário. Testar o modelo com esses
termos mostrou que r 1 é insignificante. Portanto, para facilitar a apresentação, ignoramos a
possibilidade de que rp 1 e deixamos as fontes de crescimento em estado estacionário trabalharem
por meio do fator de produtividade, Q. Essas fontes podem ser modeladas como processos endógenos.
No entanto, tais processos geralmente se resumem a dois termos possíveis na equação de crescimento
de longo prazo: um, chamado efeito de escala, está diretamente relacionado a L e o outro, uma fonte
de crescimento sem escala, é proporcional a S (ver, entre outros, Segerstrom, 1998; Young, 1998;
Jones, 1999; Eicher e Turnovsky, 1999a,b, 2000). Incluímos tais termos em nossas estimativas
empíricas, mas, como no caso de r 1, descobrimos que são insignificantes. Outros estudos também
chegaram a resultados semelhantes (Jones, 1995). Por essas razões, neste artigo, tratamos Q como
exógeno. Também consideramos a oferta de trabalho, L, exógena.
Os ativos de infraestrutura se distinguem de outros tipos de capital porque uma série de imperfeições
de mercado tornam a acumulação e a operação desses ativos sujeitas a extensas intervenções
governamentais e dão origem a um papel especial para características institucionais. Uma imperfeição
amplamente reconhecida nos serviços de infra-estrutura são as economias de escala devido a
externalidades de rede (Banco Mundial, 1994). Outro fator é o amplo consumo de serviços de
infraestrutura que os torna politicamente mais sensíveis e
2
A suposição de Cobb-Douglas é porque esta é a única forma funcional consistente com um crescimento de estado
estacionário na presença de progresso tecnológico que não é exclusivamente aumento de trabalho. Para uma prova, ver
Barro e Sala-i-Martin (1995). Eicher e Turnovsky (1999a) mostram ainda que, a menos que a função de produção seja
Cobb-Douglas, a existência de um estado estacionário com crescimento per capita positivo em modelos de crescimento
endógeno exige restrições rigorosas. Como não parece haver uma tendência definida para que as taxas de crescimento
sejam sempre crescentes ou sempre decrescentes, é razoável assumir que a verdadeira função de produção pode ser
aproximada por uma de Cobb-Douglas.
incentiva o governo a usar regulamentos e controles não apenas para lidar com as
3
externalidades, mas também para redistribuir renda (Noll, 1989).
Este problema é particularmente
importante para os setores de infra-estrutura porque a produção nesses setores é altamente
intensiva em capital e os potenciais investidores estão naturalmente preocupados com a
possibilidade de ex-post expropriação de suas quase-rendas por meio de nacionalização ou
mecanismos regulatórios (Levy e Spiller, 1996) . A mitigação desse problema requer
comprometimento efetivo e capacidade administrativa ou recursos públicos suficientes para
investimento do governo. Além de intensificar a intervenção do governo, esses elementos
implicam que a participação dos ativos de infraestrutura na produção pode divergir do parâmetro
a, como seria o caso se esses ativos recebessem sua produtividade marginal. Esse efeito é
importante porque sugere que as pequenas despesas ou participações nos custos dos setores
de infraestrutura no PIB podem ser indicadores enganosos da contribuição desses setores para a
economia. Na verdade, todo o debate sobre o papel da infraestrutura gira em torno da alegação
de que b é muito maior do que a participação nos custos da infraestrutura.
Para avaliar b, um procedimento simples pode parecer ser a estimativa do
função de produção em nível logarítmico ou, alternativamente, em primeira diferença ou forma de crescimento:
cy ¼ ð1 a bÞq þ ack þ bcn; ð2:2Þ
onde q é a taxa de crescimento de Q e cy, ck e cn são as taxas de crescimento das variáveis

endógenas per capita: y = Y/L, k =K/L e n = N/L, respectivamente. Isso é, de fato, o que as
tentativas iniciais de medir o papel da infraestrutura fizeram. No entanto, este procedimento
enfrenta dois problemas. Primeiro, o estoque de capital não-infraestrutura é muito difícil de medir,
especialmente porque deve incluir todos os tipos de capital físico e não físico. Isso coloca o
problema de variáveis ausentes que podem estar correlacionadas com cn e podem enviesar seu
coeficiente estimado. Em segundo lugar, o crescimento da infraestrutura provavelmente será
impulsionado por fatores de demanda que dependem do crescimento do PIB. Como resultado,
há um problema de simultaneidade e é preciso identificar a Eq. (2.2) da equação de demanda
de infraestrutura que também relaciona cy e cn. Lidar com esses dois problemas tem estado no
cerne da controvérsia sobre a relação infraestrutura-crescimento. As abordagens de séries
temporais e dados em painel tentam lidar com esses problemas, mas a heterogeneidade das
interações dinâmicas dificulta a medição de b (Canning e Pedroni, 1999). Métodos de variáveis
instrumentais simples também são problemáticos porque podem não abordar o problema de identificação.
Nossa solução para o problema é um modelo de equações simultâneas baseado na dinâmica
gerada pelos desvios da economia em relação ao estado estacionário. Sendo as unidades de K e N
a quantidade de cada um que pode ser formada com uma unidade de produção, o capital e a
infraestrutura são acumulados de acordo com:
ck ¼ céu y=kd S ð2:3Þ
cn ¼ sny=nd S ; 2:4Þ
3
Alguns serviços de infra-estrutura são ainda afetados pelo problema de que a recuperação de custos tende a ser difícil e ineficiente
porque os serviços são muitas vezes vistos como "necessidades básicas" (por exemplo, água vendida para famílias de baixa renda) ou a
exclusão de usuários não pagantes é economicamente muito caro (por exemplo, ruas urbanas e estradas rurais).
onde d é a taxa de depreciação e sk e sn são as parcelas de produção alocadas para a acumulação de

capital e infraestrutura, respectivamente.4 Famílias na economia estão interessadas em definir sk e sn
para maximizar a utilidade esperada de longo prazo de seu consumo . No entanto, imperfeições do
mercado, políticas governamentais e fatores institucionais podem interferir e impedir que as famílias
recebam o benefício marginal exato de suas poupanças. Como resultado, as taxas de acumulação
geralmente dependem de fatores institucionais e políticos, bem como de preferências e oportunidades de
produção na economia.
O estado estacionário desse modelo é uma situação em que as taxas de poupança, sk e sn, bem
como as taxas de crescimento de y, k e n são constantes. Eqs. (2.3) e (2.4) então implicam que no estado
estacionário k/y e n/y são constantes e, assim, todas as três variáveis endógenas per capita crescem na
mesma taxa, que de acordo com a Eq. (2.2) deve ser igual a q. Indicando os valores de estado
estacionário por *, temos:
sk *y*=k* ¼ sn*y*=n* ¼ q* þ S þ d; ð2:5Þ
Observe que diferenciamos entre as taxas de crescimento de curto e longo prazo de Q e indicamos a
última por q*. Como na maior parte da literatura sobre crescimento, assumimos que a taxa de crescimento
da produtividade de longo prazo, q*, é constante em todos os países. Em seguida, a razão estado
estacionário capital não infraestrutura – produção, k*/y*, e infraestrutura – relação produção, n*/y*, são
determinados por q* + S + d, bem como as preferências e os fatores econômicos e tecnológicos fatores
que moldam as taxas de investimento de longo prazo para os dois tipos de ativos.
O crescimento real da produção que se observa em uma economia em um determinado momento
pode diferir da taxa de estado estacionário porque os choques na economia afetam a produção atual ou
sua trajetória de estado estacionário. Quando k/y ou n/y estão longe de seus níveis de estado estacionário,
ck e cn irão divergir de q* e criar uma tendência para essas variáveis convergirem para o estado estacionário.
Para o ativo i, i = k, n, usando as Eqs. (2.3) e (2.5), temos:
siy=i
ci q* ¼ siy=i ðq* þ d þ S Þ¼ðq* þ d þ S Þ s*i y*=i* 1
e e si
¼ ðq* þ d þ S Þ Gi th ; ð2:6Þ
si e
i*=y*
Giu i=y Em um 1 é a diferença entre o ativo inicial e o estado estacionário – taxa de produção.5 onde
modelo com taxas de investimento fixas, como no modelo de crescimento de Solow –Swan, temos si
= si * , o que significa que a taxa de crescimento do fator i pode ser simplesmente representada por ci =
q*+( q* + S + d)Gi, i = k, n. Nesse caso, o termo ( q* + S + d) é a taxa de convergência de k e n em direção
às alocações do estado estacionário porque representa a porcentagem pela qual o ativo i se ajusta em
cada período para cada desvio percentual de i/y de seu curso estável. No caso mais geral, quando si
pode se desviar de si * no curto prazo, (si si *)/si tende a aumentar e diminuir com Gi e a velocidade de
ajuste pode ser diferente. Este é, de fato, o resultado de modelos com uma família representativa que
maximiza a utilidade. Na maioria das aplicações
4
Para simplificar, as taxas de depreciação de ambos os fatores são consideradas iguais.
5
Uma vantagem importante dessa especificação é que ela condiciona as taxas de crescimento dos ativos aos índices ativo-
produto, que são ergódicos e variam em torno de meios específicos da situação (Blinder e Pesaran, 1999). Isso contrasta com
muitos outros modelos que condicionam o crescimento, que é uma variável estacionária, ao produto per capita, que não é estacionário.
Nas versões do modelo de crescimento neoclássico, esse efeito é assumido como um efeito de segunda ordem
na vizinhança do estado estacionário onde si pode ser aproximadamente igualado a si*. Mas a resposta da
taxa de investimento aos desequilíbrios de ativos pode ser grande, especialmente no nível setorial. Por
exemplo, quando há escassez de energia, os governos tendem a dar mais atenção a esse setor e a tentar
canalizar mais recursos públicos ou privados para investimentos em energia elétrica. Quando há excesso de
capacidade, por outro lado, a taxa de investimento costuma cair. Como resultado, mesmo que si/si * entre
parênteses no lado direito da Eq. (2.6) pode ser aproximado como um, (si si *)/si pode ser grande em relação
a Gi e não deve ser eliminado. De fato, como uma aproximação de primeira ordem, (si si *)/si pode ser escrito
como
si s*i Þ=si ¼ gidXÞGi; i ¼ k; n: ð2:7Th
onde gi(.), i = k, n, é uma função de um vetor de outras variáveis, X, que afetam a responsividade do
investimento a desequilíbrios de ativos.
No modelo de família representativa, X consiste em variáveis de preferência e tecnologia. No entanto,
quando o ajuste requer interação entre diferentes tomadores de decisão, variáveis adicionais que refletem a
eficácia das instituições em orientar o processo também são importantes. Com efeito, alguns modelos empíricos
de crescimento que permitem que variáveis como a escolaridade da população influenciem a taxa de
convergência encontram resultados significativos (Barro e Sala-i-Martin, 1995). Neste artigo, consideramos
uma variedade de variáveis potenciais e especificamos os termos da taxa de ajuste para capital e infraestrutura
separadamente.
Os detalhes são discutidos na Seção 3.
Substituindo da Eq. (2.7) na Eq. (2.6), na vizinhança do estado estacionário temos
ci ¼ q* þ ðq* þ S þ dÞ½1 þ gidXÞGi; i ¼ k; n: ð2:8Þ
Eq. (2.8) indica que quando a taxa de investimento responde a excessos ou escassez de ativos em relação às
alocações do estado estacionário, a taxa de ajuste para o ativo i é ( q* + S + d)[1 + gi(X)], que varia com o país
condições. Na vizinhança do estado estacionário, também podemos escrever
Gi ¼ logði*=y*Þ logði=yÞ ¼ logðs*i Þ logðq* þ S þ dÞ logði=yÞ; i ¼ k; n: ð2:9Þ que mostra que o

gap
para o ativo i pode ser expresso em termos da relação ativo inicial – produto e os determinantes da taxa de
investimento de longo prazo no ativo. Usamos essas aproximações para linearizar as principais expressões do
modelo e tornar a estimativa do modelo mais gerenciável.
O capital não-infraestrutura incluído em nosso modelo é uma medida agregada de uma variedade de ativos
produtivos que podem ser acumulados. Alguns autores o identificam com capital físico não-infraestrutura, mas
estudos empíricos têm consistentemente sugerido que ele deveria ser definido de forma mais ampla (Mankiw
et al.,1992). Como não existe uma medida abrangente de tal variável, pode-se substituir ck conforme
determinado pela Eq. (2.8) na Eq. (2.2) para obter uma equação de crescimento para a produção agregada per
capita:
cy ¼ ð1 bÞq* þ ð1 a bÞðq q*Þ þ bcn þ ðq* þ S þ dÞ½1 þ gk ðXÞaGk ; ð2:10Þ

Gk também pode ser expresso em termos de variáveis diferentes de k, substituindo na função de

produção:
aGk ¼ alogðsk *Þ alogðq* þ S þ dÞð1 aÞlogy þ ð1 a bÞlogQ þ blogn: ð2:11Þ Esta

equação
ainda inclui duas variáveis, Q e si *, que não podem ser medidas diretamente.
No entanto, para implementação empírica, eles podem ser substituídos por uma série de variáveis
que atuam como seus determinantes (mais sobre isso na próxima seção). Como tem sido
comumente observado na literatura, a Eq. (2.10) implica que, dado o nível inicial de renda, um
fator de produtividade inicial mais alto, Q, deve estar associado a um maior crescimento do PIB
per capita porque implica uma menor relação capital-produto e uma maior tendência de crescimento
do estoque de capital. Se controlarmos a taxa de crescimento da infraestrutura, o nível inicial da
infraestrutura também deve ter um efeito positivo no crescimento pela mesma razão. Um aumento
paramétrico no nível inicial da renda per capita, por outro lado, deve reduzir o crescimento
econômico. Os efeitos dos níveis iniciais de renda e infraestrutura, no entanto, tendem a diminuir
uma vez que a endogeneidade de cn é levada em consideração porque uma relação infraestrutura-
renda mais alta reduz a taxa de crescimento da infraestrutura, como pode ser visto na Eq. (2.8).
O modelo que estimamos é baseado nas Eqs. (2.10) e (2.8) com i = n. Este último permite
estimar a taxa de crescimento da infraestrutura de forma reduzida. Usamos os valores previstos
de crescimento da infraestrutura dessa equação na equação de crescimento da produção, Eq.
(2.10), para medir be outros parâmetros. A próxima seção especifica o modelo econométrico em
detalhes.
3. O modelo econométrico e os dados
Estimamos o modelo acima para infraestrutura média e taxas de crescimento do PIB per capita
de 75 países para os quais temos dados completos em qualquer uma das três décadas, 1965-1975,
1975-1985 e 1985-1995.6 Ao todo, temos 195 observações completas . Exceto quando indicado,
todas as variáveis do lado direito são medidas no início do período (ou nas proximidades desse
momento quando ditado pela disponibilidade de dados). Para algumas variáveis incluídas no lado
direito, existem potenciais problemas de endogeneidade ou erro de medição, que podem enviesar
as estimativas dos coeficientes. Nossa abordagem geral para lidar com esses problemas é usar
os valores defasados de tais variáveis como instrumentos, exceto nos casos em que especificamos
explicitamente instrumentos alternativos. Os valores defasados empregados para cada década
referem-se à década anterior, exceto para o período 1965-1975, onde usamos os valores de 1960
ou as médias de 1960-1965 como instrumentos. A utilização de valores defasados aplica-se
particularmente aos níveis iniciais de renda e ativos de infraestrutura, que estão sujeitos a erros
de medição que induzem relações inversas automáticas entre essas variáveis e suas taxas de
crescimento. Os dados das fontes e as definições detalhadas das variáveis são fornecidas no
Apêndice A.
6
Embora dados anuais sobre ativos e produção de infraestrutura estejam disponíveis, muitas das variáveis incluídas no
nosso modelo não são observados anualmente e requerem durações de longo prazo para cada observação.
O modelo acima assume um setor de infraestrutura. Estender o modelo para um caso onde há mais setores
de infraestrutura, com o estoque de cada um entrando na função de produção como um fator Cobb-Douglas
separado é direto. Fazendo com que os subscritos 't' e 'p' representem telefones e capacidade de geração de
energia per capita, respectivamente, o sistema (Eqs. (2.8) – (2.11)) se estende para
cy ¼ btct þ bpcp þ ð1 bt bpÞq* þ ð1 a bt bpÞðq q*Þ þ ðq* þ S þ dÞ½1 þ gk ðXk
ÞaGk ; com aGk ¼ btlogt þ bplogp ð1 aÞlogy þ ð1 a bt bpÞlogQ þ alogsk * alogðq* þ S þ dÞ:
ð3:1Þ
cp ¼ q* þ ðq* þ S þ dÞ½1 þ gpðXpÞ½logðp=yÞ þ logðsp*Þ logðq* þ S þ dÞ: ð3:2Þ
ct ¼ q* þ ðq* þ S þ dÞ½1 þ gtðXtÞ½logðt=yÞ þ logðs*t Þ logðq* þ S þ dÞ;
ð3:3Þ
Se os dados sobre Q e si *, i = k, p, t, estivessem disponíveis, poderíamos prosseguir com a estimativa das

Eqs. (3.1) – (3.3) após especificação apropriada de gi(Xi). No entanto, essas variáveis não são diretamente
observáveis e é preciso substituí-las por proxies adequados. Representamos log(si *) por uma combinação
linear do logaritmo do investimento atual em toda a economia – relação PIB, log sa, e um conjunto de
características do país que provavelmente moldará a participação do investimento em estado estacionário em
ativos do tipo i, i = p, t, k. Como log sa é determinado simultaneamente com cy, nós o instrumentamos com
seu valor defasado. Para 1 + gi(Xi), usamos uma função linear das variáveis Xi . Observe que na Eq. (3.1) as
expressões para 1 + gk(Xk) e aGk são cada uma identificadas apenas até um fator de escala. Para resolver
esse problema, escalamos 1 + gk(Xk) por 1 a e aGk por 1/(1 a). Depois de substituir [1 + gk(Xk)]/(1 a) por uma
função linear, h0 + hXk, o último termo do lado direito da Eq. (3.1) torna-se
ðq* þ S þ dÞðh0 þ hXk Þ½logy þ lnðbtlogt þ bplogÞ þ uZk þ lk logsa
þ lqlogðq* þ S þ dÞ; 3:4Þ
onde Zk é o vetor de variáveis para a representação de log(sk *) assim como os determinantes de log Q, (h0,
h) e u são vetores de parâmetros, e l's são parâmetros escalares.
O modelo sugere que ln = 1/(1 a). Pode-se também ser tentado a assumir lk = lq = a/ (1 a), mas essas restrições
podem não ser válidas porque sa é apenas um dos indicadores de sk * e, além disso, log( q* + S + d)pode ser
relacionados com os determinantes da produtividade inicial e composição do investimento. Por razões
semelhantes, em nossas estimativas, deixamos log( q* + S + d) nas Eqs. (3.2) e (3.3) para ter um coeficiente
geral, que pode diferir de 1.
Uma questão chave para completar a especificação do modelo é quais variáveis devem ser incluídas em
Xi e Zi, i = p, t, k, onde Zp e Zt são, respectivamente, os vetores dos determinantes de log(sp*) e log (s*) exceto
log sa. As variáveis que são usadas parat esses propósitos na literatura empírica sobre crescimento são quase
sempre tratadas como determinantes de
o capital e o produto do estado estacionário. A seguir, revisamos essas variáveis junto com algumas outras e
examinamos seus papéis potenciais nas taxas ativos-produto em estado estacionário, bem como nas taxas de
ajuste. Na maioria dos casos, não está claro a priori qual efeito existe ou é dominante. Empiricamente,
incluímos todas essas variáveis em ambas as expressões nas três equações do modelo e deixamos os dados
determinarem onde cada variável desempenha um papel. O restante desta seção é dedicado à discussão das
variáveis relevantes.
Para começar, é provável que as taxas de investimento estacionárias e a capacidade de resposta aos
desequilíbrios sejam menores quando o país carece de um mecanismo de formulação de políticas eficaz e credível.
Para medir a credibilidade, usamos o indicador ''repúdio ao contrato'' disponível no conjunto de dados do
International Country Risk Guide (ICRG). Referimo-nos a essa variável como cumprimento do contrato porque
ela aumenta quando a chance de repúdio diminui. Esse índice, popularizado na literatura de crescimento por
Knack e Keefer (1995), é uma classificação baseada em pesquisa que reflete as características institucionais
do país que motivam os formuladores de políticas a honrar as promessas do governo a investidores e
empreiteiros. Em outras palavras, é um indicador de credibilidade e comprometimento do governo e, portanto,
deve ser associado a uma taxa de investimento estável mais alta e convergência mais rápida.7 O mesmo
conjunto de dados também contém índices de qualidade burocrática e falta de corrupção que refletem outros
aspectos da governação e deverão ajudar a aumentar o rendimento do estado estacionário e acelerar o
ajustamento aos desequilíbrios.
Easterly e Levine (1997) sugeriram a heterogeneidade etnolinguística (ELH) como outra variável importante
que afeta a formulação de políticas em um país. A diversidade étnica tem uma série de efeitos potencialmente
prejudiciais. Pode diminuir o nível de confiança entre grupos de interesse e políticos, aumentar a ameaça de
violência, atrasar a tomada de decisões e aumentar o patrocínio. No entanto, como aponta Collier (1998) , tais
efeitos adversos podem ser mitigados por outros arranjos institucionais, especialmente o regime democrático.
Como ele coloca sucintamente,
A cooperação pode ser suficientemente fácil em sociedades homogêneas para não depender de instituições
democráticas, enquanto em sociedades diversas essas instituições fazem a diferença entre soma zero e
soluções cooperativas. Uma sociedade etnicamente diversa pode, portanto, ganhar mais com a democracia
do que uma sociedade homogênea porque esta última tem menos necessidade de resolução de disputas.
Collier reconhece que a democracia pode fornecer um terreno mais fértil para políticas de identidade, o que
pode exacerbar o papel das divisões étnicas. Mas, sua descoberta empírica suporta o domínio do efeito
atenuante. Argumentos semelhantes podem ser aplicados a outros fatores institucionais que moldam a tomada
de decisões; em particular, o grau de centralização. Embora a centralização seja cara porque limita a tomada
de decisões e a resposta às condições locais, ela ajuda na coordenação da formulação de políticas, o que
pode ser particularmente útil em setores com externalidades de rede. É provável que este último efeito
desempenhe um papel positivo no ajustamento
7
Henisz (1997) também desenvolveu uma medida interessante do comprometimento do governo com base na
probabilidade de mudança de política, dada a estrutura da política e das instituições de cada país. Essa medida está
correlacionada com o índice de execução de contratos do ICRG e carrega os mesmos sinais em nossas regressões,
mas é estatisticamente menos significativa. Por isso, utilizamos o índice do ICRG, embora consideremos a semelhança
dos resultados com os obtidos com a medida mais objetiva de Henisz uma importante garantia sobre a relevância da
capacidade de comprometimento para o alcance do crescimento.
processo dos setores de infraestrutura, embora não necessariamente em suas taxas de investimento
estacionárias. No resto da economia, onde as externalidades de rede são muito menos proeminentes
e a coordenação pode ser alcançada por meio de mercados, a centralização provavelmente terá um
efeito mais ambíguo. Testamos a relevância empírica desses efeitos incluindo índices para ELH,
democracia e centralização como termos diretos e interativos em expressões de lacuna de ativos e de
ajuste. Para medir a democracia e a centralização, usamos classificações fornecidas pelo conjunto de
dados Polity III (consulte o Apêndice A).
A heterogeneidade na forma de disparidades de renda pode ser outra fonte de conflito e potencial
instabilidade política que desencoraja o investimento, embora efeitos opostos também possam estar
presentes e complicar a relação (Figini, 1998; Forbes, 2000; Banerjee e Duflo, 2000). Os potenciais
efeitos positivos podem surgir das interações da desigualdade com imperfeições nos mercados de
capital, educação ou tecnologia, que são cruciais para o crescimento (Saint-Paul e Verdier, 1993;
Benabou, 1996; Galor e Tsiddon, 1997a,b). . No contexto do crescimento da infraestrutura, é provável
que a distribuição de renda tenha adicionado efeitos negativos porque a natureza intensiva em capital
do setor e o forte envolvimento do governo tornam o investimento no setor mais sensível a problemas
políticos potenciais (Levy e Spiller, 1996) . Além disso, a distribuição de renda provavelmente terá
efeitos importantes sobre a demanda por infraestrutura. Em particular, controlando a renda média e
outros fatores, a demanda por eletricidade tende a ser menor quando a renda é mais concentrada e as
famílias nas faixas de renda mais baixas têm dificuldade em pagar pelo serviço. É provável que esse
efeito seja mais fraco no caso dos telefones porque, na maioria dos países em desenvolvimento, os
serviços telefônicos têm sido mais um luxo do que a eletricidade.
Como no caso de ELH, o nível de democracia pode ser importante para mitigar ou exacerbar os
efeitos da heterogeneidade de renda. A democracia pode desempenhar um papel positivo ao permitir
que as demandas políticas sejam melhor expressas e ao ajudar na resolução de conflitos de forma
mais sistemática e credível. Mas, como Persson e Tabellini (1994) argumentaram, também é possível
que a supressão de demandas redistributivas sob ditaduras possa tornar a desigualdade menos
relevante para o crescimento, enquanto na presença da democracia a desigualdade pode manifestar
efeitos negativos sobre o crescimento. Uma ambigüidade semelhante existe em relação à desigualdade
de interação com a centralização. A centralização pode ajudar a facilitar a redistribuição em resposta
às disparidades regionais, mas também tende a reduzir a capacidade de resposta dos formuladores
de políticas às preocupações locais, o que tem consequências opostas. Assim, a direção dos efeitos
líquidos nesses casos é uma questão empírica, que examinamos incluindo um índice de concentração
de renda (o coeficiente de Gini medido no início de cada década) e suas interações com indicadores
de democracia e centralização nos governos Xi e vetores Zi .
Além das instituições no nível macro, a organização da produção nas atividades de infraestrutura
também pode afetar suas taxas de ajuste e investimento. Para capturar esse efeito, criamos dummies
de propriedade privada para telecomunicações e geração de energia que são iguais a 1 quando a
maioria dos ativos está sob controle privado na primeira metade da década de observação e 0 caso
contrário. Como as empresas privadas provavelmente respondem melhor aos fatores de demanda e
oferta, esperamos que essas dummies tenham coeficientes positivos nas expressões de ajuste. O
impacto nas taxas de investimento do estado estacionário não é claro porque, sob propriedade pública,
o governo pode criar excesso de capacidade para compensar ineficiências operacionais. Deixamos as
dummies de propriedade privada iguais a 0 em alguns casos onde a privatização ocorreu na segunda
metade do
a década. Isso evita que as dummies capturem os efeitos da propriedade privada em alguns anos no final
da década nesses casos, mas ajuda a evitar problemas de simultaneidade, caso o crescimento lento da
infraestrutura cause privatizações.
Além das características institucionais que moldam o processo de formulação de políticas, a maioria
dos modelos empíricos de crescimento inclui medidas de resultados de políticas que indicam o caráter
das políticas adotadas. A medida mais comum desse tipo é o prêmio do mercado negro sobre a taxa de
câmbio, que é considerado um indicador da extensão das políticas que distorcem o mercado . o impacto
em setores individuais pode ser mais conflitante porque a distorção pode criar incentivos para
investimentos excessivos em alguns setores. As distorções também podem retardar o processo de ajuste.
Examinamos esses efeitos incluindo o prêmio médio do mercado negro entre os determinantes do
crescimento estacionário e das taxas de convergência.
Nossa medida de prêmio do mercado negro é a média da década e, para evitar problemas de
simultaneidade, é instrumentada por seu próprio valor defasado.
Os vetores Xi e Zi incluem também fatores tecnológicos e econômicos. Em particular, verificou-se que
o nível educacional da população aumenta o fator de produtividade do trabalho (Barro e Sala-i-Martin,
1995). Isso significa que um indicador de educação – para o qual usamos a média de anos de educação
secundária na população de 25 anos ou mais – deve ser incluído em Zk. bem porque níveis mais altos de
9
educação podem facilitar o ajuste e Incluímos educação em Xi e outros vetores Zi como
aumentar as taxas de investimento do estado estacionário, facilitando o investimento ou criando demanda
por infraestrutura.
Uma série de outros fatores econômicos e tecnológicos importantes, especialmente no que diz respeito
aos setores de infra-estrutura, são captados pela estrutura setorial da produção, pelo grau de urbanização
e pela densidade populacional. A industrialização (medida pela participação da indústria no PIB)
provavelmente está associada a processos de ajuste mais rápidos porque envolve diversidade de
atividades e habilidades que devem tornar a economia mais capaz de formação de ativos. A relação da
participação da indústria com as taxas de formação de capital no estado estacionário, no entanto, é
menos clara porque uma maior participação da indústria pode estar associada a uma maior demanda ou
a um menor custo de investimento em alguns setores, mas não em outros. Para o setor de energia,
espera-se que a taxa de investimento em estado estacionário aumente com o tamanho da indústria, mas
esse pode não ser o caso da taxa de investimento em telecomunicações porque outros setores,
especialmente serviços, podem ter uma demanda mais forte por telecomunicações.
A urbanização (parcela da população em áreas urbanas) e a densidade populacional (população por
quilômetro quadrado) são variáveis importantes para os setores de infraestrutura porque aumentam os
efeitos de economia de escala das redes. O alto custo da expansão das redes telefônicas e de energia
para áreas rurais e pouco povoadas sempre foi uma questão importante na economia política dos serviços
de infra-estrutura. Ter uma população mais urbana e concentrada provavelmente facilitará o ajuste da
rede. No entanto, isso pode não aumentar a
8
Alguns estudos, como o de Sachs e Warner (1995), tomam o prêmio do mercado negro como indicador de políticas
anticomércio. Mas, como argumentam Rodriguez e Rodrik (1999) , essa variável provavelmente indica a adversidade do
ambiente político em geral, e não apenas as distorções da política comercial. Esta é também a interpretação de muitos
outros estudos, como o de Barro e Sala-i-Martin (1995).
9
Ao selecionar o indicador para a educação, seguimos Barro e Sala-i-Martin (1995) que consideram o ensino
secundário mais significativo do que o ensino primário e superior. Usar o total de anos de educação não altera muito os
resultados, embora mostre um pouco menos significância estatística do que os anos de educação secundária.
taxas de investimento estáveis porque esses fatores podem reduzir a demanda por infraestrutura
por dólar de produção. Para outros setores da economia onde o efeito das economias de escala
não é relevante, a urbanização e a maior densidade populacional podem causar congestionamentos
e, assim, desacelerar o ritmo de ajuste dos desequilíbrios patrimoniais.
A abertura de uma economia é outra variável incluída nas regressões de crescimento, com
supostos efeitos positivos. Rodriguez e Rodrik (1999) contestaram esses resultados, argumentando
que há pouca evidência nesse sentido. As medidas de abertura, exceto o prêmio do mercado
negro (na medida em que pode ser considerado como tal), mostram pouca significância
sistemática em nossas regressões. No entanto, uma dummy para países sem litoral, que pode
ser vista como a dificuldade de acesso aos mercados internacionais (Sachs e Warner, 1995),
carrega um coeficiente negativo significativo como determinante do investimento e produtividade
estatais em setores não relacionados à infraestrutura.
Há uma série de outras variáveis que apareceram nos estudos empíricos como determinantes
do crescimento e da produtividade. Exemplos proeminentes dessas variáveis são: instabilidade
política, consumo do governo, expectativa de vida ao nascer, distância do equador, participação
dos produtos primários no PIB e nas exportações, inflação e profundidade financeira.
Essas variáveis geralmente perderam sua significância estatística quando introduzimos os
indicadores de infraestrutura e permitimos a variação nas taxas de convergência. Para manter o
artigo curto, não relatamos esses resultados aqui, exceto a expectativa de vida, que fornecemos
como exemplo. De qualquer forma, o impacto da inclusão e exclusão dessas variáveis sobre os
parâmetros de interesse, principalmente bt e bp, é insignificante. Incluímos dummies de período
nos vetores Xi e Zi para controlar eventos internacionais e choques tecnológicos que afetam
todos os países. Também examinamos o papel das dummies regionais.
Assumimos que a taxa de crescimento de longo prazo da produtividade geral, q*, é constante
entre países e décadas. Para o termo do choque de produtividade, qq*, usamos a taxa de
variação dos termos de troca ao longo de cada década.10 As taxas de crescimento de outros
fatores que determinam o nível de produtividade, Q, também devem ser incluídas na expressão
para qq*, mas nossos experimentos com variáveis como educação não geraram nenhum
resultado tangível uma vez que tais variáveis foram adequadamente instrumentadas. Para a taxa
de depreciação, em princípio é possível chegar a uma estimativa como parte da regressão.
Entretanto, a presença de dois parâmetros aditivos, q* e d, como argumentos de uma função
logarítmica nas expressões de gap de ativos torna o algoritmo de solução relativamente instável e dificulta sua co
Por esta razão, fixamos o valor em 0,04, que era típico do que encontramos sempre que
conseguíamos atingir a convergência ao estimá-lo. Experimentos com diferentes valores de d
mostraram que os resultados não são sensíveis a essa suposição.
Estimamos o sistema de três equações, Eqs. (3.1) – (3.3), pelos métodos IV/2SLS, assumindo
que cada um tem seu termo de erro iid.11 O grande conjunto de variáveis que consideramos para
inclusão nos vetores X e Z pode incluir variáveis irrelevantes em cada vetor, o que tende a
10
Isso implica que os termos de troca estão entre os determinantes de Q e devem, portanto, ser incluídos no
vetor Zk . No entanto, não temos nenhuma medida útil dos termos de troca entre os países para realizar essa tarefa.
11
Usar o método de equações aparentemente não relacionadas é certamente preferível. No entanto, a natureza
não linear das equações causa dificuldades para a convergência do algoritmo de solução que nos impediu de aplicar
esse método.
reduzir a precisão das estimativas. Para lidar com o problema, após a inclusão de todas as
variáveis, eliminamos as que apresentaram menor significância uma a uma para obter regressões
em que todas as variáveis foram razoavelmente significativas. Em estágios posteriores desse
processo, tentamos novamente as variáveis eliminadas individualmente e as incluímos nas
regressões novamente quando se mostraram significativas. Fizemos isso para garantir que o
processo não seja dependente do caminho. Em alguns casos, enfrentamos o problema de duas
variáveis serem relativamente insignificantes quando incluídas individualmente, mas não quando
inseridas juntas. Nesses casos, selecionamos variáveis para inclusão com base em suas
estatísticas t. Relatamos parte desse processo abaixo para mostrar o que ele faz. Em todos os
casos, exceto dois, a significância do coeficiente de uma das variáveis foi marginal e a escolha
foi fácil. Ambas as exceções a esse padrão dizem respeito à inclusão da mesma variável, Gini,
nas expressões de gap e convergência para as equações de crescimento do PIB e telefone. Na
equação da capacidade de geração de energia, o Gini foi significativo apenas na expressão do
gap. Além disso, o termo interativo de Gini com democracia foi significativo na expressão do gap
para todas as três equações. Quando incluímos conjuntamente a democracia de Gini e Gini nas
expressões de convergência e eliminamos ambas das expressões de lacuna, elas se mostraram
insignificantes. Esta observação e uma comparação com a equação da capacidade de geração
de energia sugeriram que era razoável supor que a combinação de Gini e Gini Democrática
devem estar juntas e nas expressões de lacunas. De qualquer forma, essa escolha teve pouco efeito sobre as
tabela 1
Estatísticas resumidas das variáveis incluídas na estimativa
Variável Significar Padrão Mínimo Máximo

desvio
Taxa de crescimento do PIB per capita 0,0168 0,0242 0,0427 0,0819
Log do PIB per capita inicial 7.8595 0,9787 5.7004 9.7153
Taxa de crescimento populacional 0,0201 0,0110 0,0070 0,0477
Log de telefones iniciais per capita 3,4116 1,8346 0,6049 6,8521
Taxa de crescimento de telefones per capita 0,0551 0,0355 0,0032 0,1638
Propriedade privada no setor de telecomunicações 0,1128 0,3172 0,0000 1,0000
Registrar a produção inicial de energia per capita 1,9558 1,7019 6,2599 1,7219
Taxa de crescimento da produção de energia per capita 0,0401 0,0386 0,0377 0,1874
Propriedade privada no setor de energia 0,0974 0,2973 0,0000 1,0000
Média de anos de ensino médio 0,9262 0,8989 0,0100 4,8300
Log de investimento como porcentagem do PIB 1,9187 0,6596 4,4132 0,9826
Alteração dos termos de troca 0,0060 0,0576 0,0832 0,3115
Pontuação da democracia 4,6103 4,3520 0,0000 10,0000
Heterogeneidade etnolinguística 0,3302 0,3081 0,0000 0,8902
Democracia Heterogeneidade etnolinguística 0,9886 1,5945 0,0000 6,8536

Centralização 1,3897 0,7474 1,0000 3,0000
Execução de contrato 6,0986 1,9594 1,0000 10,0000
Log(1 + prêmio do mercado negro da taxa de câmbio) 0,1868 0,2958 0,0000 1,8595
coeficiente de Gini 42.3080 9.3407 23.3000 68.2600
Log de densidade populacional 3.6442 1.3424 0,3930 8.2953

Urbanização 47.2462 24.5602 4,8000 100,0000
Participação da indústria no PIB 30.0538 9.7437 3,8755 56.5721
Registro da Expectativa de Vida ao Nascer 4.0842 0,1861 3.6082 4.3477

sem litoral 0,1282 0,3352 0,0000 1,0000
outros coeficientes do modelo. As variáveis usadas nas regressões relatadas e suas estatísticas resumidas
são apresentadas na Tabela 1.
4. Os resultados da estimativa
A Tabela 2 apresenta os resultados da estimação das taxas de crescimento de telefones e produção de

energia per capita. As colunas (1) e (5) mostram os resultados das regressões com taxas de ajuste fixas
comparáveis às estimadas na literatura sobre o crescimento da infraestrutura (por exemplo, Bergara et al.,
1998). Essas regressões podem ser representadas por uma equação da seguinte forma:
ci ¼ qi½logdi=yÞ þ uiZi; i ¼ t; p; ð4:1Þ
onde qi é a taxa de ajuste e a expressão uiZi representa o ativo em estado estacionário – relação PIB do
serviço de infraestrutura i. As estimativas do parâmetro qi para os dois setores são apresentadas como taxas
de ajuste constantes nas colunas (1) e (5) da Tabela 2. As taxas de ajuste estimadas para telefones e
capacidade de geração de energia são estatisticamente significativas e notavelmente semelhantes às 2 –
taxas de 3% frequentemente encontradas nas regressões cross-section do crescimento do PIB (Barro e Sala-i-
Martin, 1995). (Veja também a taxa de convergência fixa para a equação de crescimento do PIB na coluna (1)
da Tabela 4.)
As variáveis incluídas no vetor Zi para estimar a Eq. (4.1) são aqueles que mostram significância pelo
menos em algumas regressões (ver as partes inferiores das colunas (1) e (5) na Tabela 2). Várias dessas
variáveis – a saber, democracia, urbanização e participação da indústria – são as mesmas empregadas por
Bergara et al. (1998). Esses autores também incluem medidas de PIB per capita, compromisso político e
participação da energia hidrelétrica na produção de eletricidade em seu modelo de nível de capacidade de
geração de energia.
No entanto, essas variáveis não mostram qualquer significância em nossas estimativas do modelo de forma de
crescimento, Eq. (4.1), quando levamos em conta os vieses de simultaneidade. O coeficiente estimado de
investimento – PIB é maior que 1 e altamente significativo, o que indica uma parcela crescente do estado
estacionário para infraestrutura à medida que o investimento agregado aumenta.
Entre outras variáveis que mostram significância nas regressões de referência das colunas (1) e (5), o ELH
acaba tendo um efeito negativo sobre as proporções de infraestrutura de estado estacionário-PIB, embora se
torne mais fraco à medida que a extensão da democracia aumenta. Com base nos testes de Wald da expressão
linear que multiplica ELH, esse efeito negativo geral no caso de telefones é estatisticamente diferente de zero
pelo menos no nível de 5% para cerca de 60% da amostra com pontuações baixas de democracia. A
porcentagem correspondente para o setor de energia é 45.
Posteriormente, veremos que sob uma especificação mais completa do modelo, os efeitos estatisticamente
significativos de ELH na disponibilidade de infraestrutura em estado estacionário são menos negativos, mas
ainda são relevantes para países com pontuações de democracia abaixo de 6 para telefones e abaixo de 5
para telefones. poder. Isso apóia o ponto de Collier (1998) sobre o papel atenuante da democracia em países
etnicamente fragmentados.
O impacto geral de Gini na relação telefone-PIB em estado estacionário que emerge das estimativas da Eq.
(4.1) mostrado nas colunas (1) e (5) da Tabela 2 é geralmente positivo, mas na versão mais completa do
modelo que examinamos abaixo torna-se mais negativo, embora insignificante, exceto em níveis muito baixos
de democracia. Para geração de energia
mesa 2
Equações de crescimento da infraestrutura
Variável dependente Taxa de crescimento de telefones per capita Taxa de crescimento da capacidade de
geração de energia per capita
Método de estimativa 4 4
Coluna (1) (2) (3) (4) (5) (6) (7) (8)
Número de 195 195 195 195 195 195 195 195

observações
R2 0,353 0,509 0,506 0,533 0,471 0,623 0,619 0,626
R2 ajustado 0,307 0,446 0,446 0,467 0,433 0,574 0,580 0,581
Variáveis Coeficiente/estatística t (em itálico)
Constante (q*) 0,0059 0,0097 0,0010 0,0081 0,0131 0,0126

0,495 0,934 0,080 1.271 2.689 2.216
Expressão da taxa de ajuste
Constante 0,0251 0,1411 0,1391 0,1546 0,0201 0,1612 0,1702 0,1486
5.430 1.121 1.129 1.199 3.815 1,238 1.390 1.305
Centralização 0.0523 0.0509 0.0419 1.981 1.872 0,0435 0,0465 0,0384 1,412 1,608
1.636 0.0292 0.0274 0.0253 1,420 0,0267 0,0334 0,0316
Execução 1.975 1.841 1.779 0.2879 0.3290 1,722 2,088 2,077 0,3179 0,2571
de contrato 0.1602 1.920 1.994 0.913 0.0198 0,2035 2,037 1.953 1,671 0,0729
Propriedade privada 0.0309 0.0366 1.248 2.385 2.366 0,2576 0,2035 2,037 1.953 1,671
0.0078 0.0077 0.0056 3.754
Log de densidade 3.641 3.326 0.0683 0.0783 0.0373
populacional 1.291
Urbanização
Manequim
para 1975 - 1985 1.396 0,669 2.074 2.271
manequim para 0,1266 0,1256 0,2897 0,2438 0,2076 0,1532
1985 – 1995 1.617 1.498 2.412 2.956 2.609 2.040
Expressão de gap de infraestrutura inicial
Constante 2,4423 1.6338 1.8294 4.018 0,0150 3,0637 3,1496 5,071
1.165 0,909 1.023 2.380 0,004 1.157 1.207 1.817
Registro da taxa de 1,5466 1,0796 1,1375 1,0023 1,6652 1,4814 1,4068 1,4538
investimento 5.095 5.754 5.834 5.778 3.793 5.602 7.733 6.572
Democracia 0,4899 0,1965 0,2222 0,1014 0,6005 0,3115 0,3054 0,2617
1.945 2.091 2.283 1.063 1.737 2.890 2.999 2.156
Democracia 0,0275 0,1785 0,1665 0,1318 0,0906 0,1356 0,1391 0,0762
Heterogeneidade 0,347 2.818 2.589 2.178 0,920 2.003 2.142 0,978
etnolinguística
Heterogeneidade 1.3308 1,5460 1,5249 1,2044 1,0608 0,9156 1,0497 0,830
etnolinguística 2.795 4.064 3.951 3.541 1.850 2.425 3.184 2.264
Democracia 0.0114 0.0042 0.0046 0.0025 0.0124 0.0053 0.0052 0.0046 1.935 0.0342 0.0235 0.0248 0.0000
coeficiente de Gini 0.0778 2.022 2.184 1.283 1.577 2.313 2.367 1.776
coeficiente de Gini 0.0525 0.0492 0.0368 1.292 1.837 1.923 0.4243 0.3859 0.5134 0.2367 0.5027 0.4318 1.252 1.360
0.996 1.896 0,004 3.405 3.440 2.325
Propriedade privada
1.671 0,877 1.100
(Continua na próxima página)

Tabela 2 (continuação)
Variável dependente Taxa de crescimento de telefones per capita Taxa de crescimento da capacidade de
geração de energia per capita
Método de estimativa 4 4
Coluna (1) (2) (3) (4) (5) (6) (7) (8)
Expressão de lacuna de infraestrutura inicial

Log de densidade 0,1805 0,0563 0,0817 0,2252 0,2027 0,2409
populacional 2.092 1.052 0,799 3.076 2.981 2.789
Urbanização 0,0085 0,0192 0,0193 0,0115 0,0033 0,0020
1.286 2.512 2.501 1.840 0,397 0,338
Participação da 0,0236 0,0312 0,0321 0,0298 0,0026 0,0030
indústria no PIB 1.707 3.157 3.117 3.090 0,155 0,284
Log(q* + S + d) 1,5312 1,7656 1,8432 2,366 2,902 0.6189 0.3922 1.023 0.721 0.455
3,004 1.059 0.6058 0.1712 0.2073
Manequim 0.0266 0.3055 0.7479 0.7103 0.908 1.151 0.605 0.442 2.206 0.7357 0.1838 0.1901 1.9098 0.4287
para 1975 - 1985 0.7704 0.996 1.996 0.624 2.049
0,663 2.177 0.3516
0,077 1.087 0.6399 1.463 1.951
0.4579 1.5002.097
Manequim 0,277
para 1985 - 1995 0,591 0,633 1.001 1.995
Manequim para a Ásia Oriental 0,3321
1,135
Manequim para o sul da Ásia 0,4891
1,244
Manequim para MENA 0,6924
2.756
capacidade, no entanto, o impacto geral de Gini é principalmente negativo, especialmente sob as

especificações mais completas, onde é significativamente negativo para mais da metade das
observações, onde a pontuação da democracia é inferior a 6. A diferença entre os dois setores é
interessante porque suporta a conjectura acima de que a desigualdade deveria importar mais para
a eletricidade do que para os telefones, que é mais um serviço de luxo do que o anterior.
As expressões que formam os coeficientes de democracia em expressões de infraestrutura de
estado estacionário são funções lineares de Gini e ELH. As estimativas dos coeficientes mostram
que essas expressões aumentam com ambas as variáveis. Com base nas estimativas da Eq. (4.1)
nas colunas (1) e (5) da Tabela 2, a expressão da equação do telefone é negativa para 50% da
amostra e a da equação da potência para 60% da amostra. Essas expressões atingem significância
estatística com sinal negativo para países com combinação de alta renda e homogeneidade étnica.
Eles são positivos e significativos para países com graus relativamente altos de heterogeneidade
tanto em renda quanto em etnia. Sob a especificação mais completa do modelo, os resultados são
semelhantes, mas a expressão é menos frequentemente negativa na equação dos telefones (cerca
de 40% da amostra) e mais frequentemente negativa na equação das potências (quase 70% da
amostra).
Uma série de variáveis incluídas nas estimativas da Eq. (4.1) não mostram significância, embora
tenham se mostrado consequentes sob a especificação mais completa do modelo. Em particular,
como veremos abaixo, urbanização, propriedade privada e centralização estão entre essas variáveis.
Tornar as taxas de ajuste dependentes de variáveis institucionais e econômicas muda o quadro

em muitos aspectos. Como mostram as colunas (2) e (6) da Tabela 2 , algumas variáveis
mostram-se significativos nas expressões de ajuste. O R2 ajustado da regressão também aumenta

acentuadamente. A eliminação das variáveis menos significativas nas regressões — conforme feito nas colunas
(3) e (7) da Tabela 2 — aumenta ainda mais a precisão das estimativas e melhora os R2 s ajustados. A
centralização, a execução de contratos, a propriedade privada, a densidade populacional e a urbanização são
importantes para acelerar a resposta às lacunas de infraestrutura. Conforme discutido acima, as duas últimas
variáveis reduzem o custo da expansão da rede e as três primeiras aumentam a capacidade de resposta dos
formuladores de políticas, produtores e investidores aos desequilíbrios.
Outras variáveis mostraram-se irrelevantes nas expressões das taxas de reajuste dos setores de infraestrutura.
A urbanização (no caso das telecomunicações) e a propriedade privada são particularmente eficazes em
acelerar a convergência: a privatização e o aumento de um desvio padrão na urbanização reduzem a meia-vida
de uma lacuna nos ativos de infraestrutura em cerca de 25%, em média. Um aumento do desvio padrão nas
outras variáveis reduz a meia-vida em cerca de 5 a 10%.
Depois de permitir a variabilidade na taxa de ajuste, a maioria das estimativas de coeficiente das expressões
de gap iniciais mantém seus sinais e aumenta em significância (Tabela 2). Na equação do crescimento
telefônico, a densidade populacional perde sua significância e a urbanização ganha um coeficiente negativo e
significativo. No caso da equação do crescimento da potência, é a densidade populacional que ganha
coeficiente negativo e significativo, enquanto a urbanização permanece insignificante. Esses resultados
sugerem que custos mais baixos de ajuste de rede em áreas densamente povoadas e urbanas têm um efeito
positivo principalmente no processo de ajuste. No estado estacionário, a urbanização leva a mais produção por
telefone e a alta densidade populacional torna possível manter uma menor capacidade de geração de energia
por dólar de produção. A participação da indústria tem efeitos negativos sobre as relações infraestrutura-
produção em estado estacionário, embora seja insignificante no caso do setor de energia. Parece que, em
relação a outros setores, a indústria gera mais produção por linha telefônica no longo prazo. O setor de
serviços, em particular, pode estar exigindo mais telefones por dólar de produção. No entanto, nossos
experimentos com a participação dos serviços no PIB não produziram resultados significativos.
Embora as dummies de propriedade privada desempenhem papéis importantes nas taxas de ajuste, elas
permanecem relativamente insignificantes como determinantes da taxa de investimento estacionário em
infraestrutura. Os sinais negativos dessas dummies nas expressões de defasagem de ativos, especialmente no
caso de telefones, sugerem que quando o governo possui infraestrutura, pode investir demais no longo prazo.
Se isso é uma compensação pela manutenção ineficaz e menor qualidade dos serviços da empresa pública é
uma hipótese interessante de testar, mas vai além do escopo deste artigo. Nossos resultados atuais implicam
essencialmente que a propriedade privada ajuda os serviços de infraestrutura a atingirem suas posições de
estado estacionário mais rapidamente, mas tem pouco efeito sobre os índices ativos-produto de longo prazo.
As dummies das décadas de 1975 – 1985 e 1985 – 1995 são relativamente insignificantes para telefones,
mas se mostram importantes tanto no ajuste quanto nas expressões de lacunas do setor de energia. O
coeficiente marginalmente significativo e positivo da dummy 1985-1995 na taxa de ajuste do telefone pode
estar refletindo os recentes avanços tecnológicos que reduziram o custo dos equipamentos de telecomunicações.
No setor de energia, a taxa de ajuste aumentou na década de 1975-1985 e depois caiu muito abaixo da taxa
na década de 1965-1975. Isso parece ser devido à reciclagem massiva de petrodólares na segunda metade da
década de 1970, que facilitou o investimento na capacidade de geração de energia em muitos países em
desenvolvimento; um processo que foi fortemente revertido na década de 1980 após as crises da dívida
internacional. Os sinais negativos da década
As dummies na expressão do gap provavelmente representam o aumento da eficiência do uso de energia após os choques do
preço do petróleo na década de 1970.
Nossos experimentos com dummies regionais mostraram que eles não são muito significativos nas equações de
crescimento da infraestrutura. Mas, três deles - a saber, as dummies para o Leste Asiático, Sul da Ásia e Oriente Médio e Norte
da África (MENA) - exibem significância na equação de crescimento agregado, quando são incluídos na expressão para a razão
de estado estacionário de capital não-infraestrutura em relação ao PIB. Nas colunas (4) e (8) da Tabela 2, mostramos os
resultados da inclusão dessas dummies nas equações de crescimento da infraestrutura, Eqs. (3.2) e (3.3). De acordo com
essas estimativas, apenas o MENA dummy na equação de crescimento do telefone tem um coeficiente significativo. A principal
consequência da introdução dessas dummies regionais é que os termos envolvendo propriedade privada e Gini perdem seu
significado.
Isso se deve em grande parte à multicolinearidade causada pela similaridade das tendências de privatização e distribuição de
renda dentro de cada região. As estimativas de coeficiente para outras variáveis permanecem em geral inalteradas.
As estimações do modelo com taxas de convergência variáveis mostram que as condições institucionais e econômicas
desempenham um papel importante no fechamento de lacunas de infraestrutura. Para tornar os resultados mais tangíveis, na
Tabela 3 apresentamos as taxas médias de ajuste para várias regiões do mundo, estimadas com base nas colunas (3) e (7) da
Tabela 2. O primeiro fato notável sobre os números da Tabela 3 é que as taxas de ajuste de infraestrutura são geralmente mais
rápidas do que as taxas de convergência de 2 a 3% ao ano encontradas quando se supõe que sejam fixas.
De fato, os resultados tornam-se mais semelhantes às taxas encontradas em estimativas de dados de painel que permitem a
heterogeneidade entre os países (Islam, 1995). No entanto, nossa especificação do modelo ajuda a identificar as fontes de
heterogeneidade e mostra que a variabilidade não ocorre apenas entre países, mas também entre setores e ao longo do tempo
(consulte também as duas últimas colunas da Tabela 3 derivadas da equação de crescimento do PIB ) . Por exemplo, como
indicam os números na Tabela 3, o ajuste na capacidade de geração por dólar de produção tem sido mais lento do que em
outros tipos de capital, particularmente depois de meados da década de 1980, quando o problema da dívida soberana se tornou
uma grande barreira aos movimentos de capital para a maioria dos países em desenvolvimento . países. O setor de
telecomunicações se saiu melhor por causa de sua rápida mudança tecnológica e privatização em alguns países da América
Latina e da OCDE.
Outra observação interessante na Tabela 3 é que a conexão entre a velocidade de convergência e o nível de desenvolvimento
é bastante fraca. (Observe que os grupos regionais de países na Tabela 3 estão listados na ordem de aumento da renda per
capita média nas últimas duas décadas.) Enquanto instituições mais fortes e privatizações aumentam a capacidade de resposta
dos países mais desenvolvidos da América Latina, Leste Asiático e OCDE para desequilíbrios de infraestrutura, maior
centralização e densidade populacional aceleram o fechamento de brechas em muitos países mais pobres. Uma taxa de
crescimento populacional mais alta também contribui para as taxas de ajuste no último grupo de países, embora também
reduza a renda per capita estável. É notável que o papel de instituições mais fortes e privatizações tornou-se mais proeminente
na taxa de ajuste do setor elétrico durante 1985-1995 (ver Tabela 3), quando um choque comum reduziu a taxa média de
convergência e as variações nas características dos países passaram a desempenhar um papel maior. papel no resultado.
Nessa situação, embora os países do Leste Asiático pudessem fechar metade da lacuna em sua capacidade de geração de
energia em menos de três décadas, os países do Oriente Médio levariam quase um século para fazer o mesmo.
mesmo.
Tabela 3
Taxas de ajuste anual em telecomunicações, produção de energia e outros capitais
Região telecomunicações Produção de energia Outros capitais
Taxa de ajuste Meia-vida Taxa de ajuste Meia-vida Taxa de ajuste Meia-vida
(%) de um gapb (%) de um gapb (%) de um gapb
Médias ponderadas por: PIB PIB PIB PIB PIB PIB
Período: 1965 – 1975

África Subsaariana 2.23 31.15 2.48 27.91 3.91 17.73
sul da Asia 1,66 41,77 2.67 25,92 1,56 44,43
Oriente Médio e N. África 2,77 25.05 2.56 27.13 4,79 14h48
América latina 3.08 22.53 2.13 32.56 6h30 11h00
Ásia leste 2,98 23h30 2.36 29.31 5.83 11.89
OCDE e outros 4.18 16.59 3,67 18.86 7.62 9.10
Mundo 3,74 18.53 3.35 20.71 6,78 10.22
Período: 1975 – 1985 África

Subsaariana 2,26 Sul da Ásia e China 1,52 30,66 4,00 17,33 5,13 13,51
Oriente Médio e N. África 2,76 América 45,72 4,09 16,95 2,95 23,48
Latina 2,90 Leste da Ásia 2,22 OCDE e 25,07 3,83 18,09 6,40 10,83
Outros 3,37 Mundo 3,10 23,90 3,01 23,03 7,56 9,17
31,18 4,37 15,85 4,89 14,18
20,57 4,03 17,21 7,05 9,84
22,39 3,92 17,69 6,68 10,38
Período: 1985 – 1995

África Subsaariana Sul 3,46 20,04 0,88 78,73 4,89 14,19
da Ásia e China Oriente 2,58 26,92 1,38 50,21 4,03 17,19
Médio e Norte da África 3,94 17,59 0,75 92,30 4,15 16,70
América Latina 5,17 13,40 0,77 90,38 5,77 12,02
Leste da 4,71 14,72 2,60 26,62 4,07 17,02
Ásia OCDE e outros 4,58 15,15 2,34 29,56 7,16 9,68
Mundo 4.29 16.15 1,98 34,94 6.27 11.06
Fonte: calculado com base nas colunas (3) e (7) da Tabela 2 e coluna (4) da Tabela 4.
a
Assumindo a = 0,4.
b
Anos necessários para fechar 1/2 da diferença, assumindo uma trajetória de renda estável.
A Tabela 4 apresenta os resultados da estimação para a equação de crescimento do PIB per capita.
A primeira coluna mostra o modelo com taxa de convergência fixa e sem variáveis de infraestrutura. Isso
é semelhante a outras regressões básicas na literatura em que a infraestrutura é tratada como parte do
processo geral de acumulação de capital. No entanto, ao contrário de outros modelos, estimamos a taxa
de convergência com base na diferença de renda inicial de seu caminho de estado estacionário, em vez
de simplesmente como o coeficiente do nível de renda inicial – uma formulação semelhante à da Eq. (4.1).
No entanto, os resultados são bastante semelhantes nos dois casos: a taxa de convergência estimada é
de cerca de 2% e a taxa de crescimento do PIB per capita aumenta com os termos de troca, cumprimento
de contratos, educação, expectativa de vida e taxa de investimento, enquanto diminui com a etnia
divisões, distribuição de renda desigual e distorções de mercado. Nosso modelo também inclui os termos
interativos entre democracia e disparidades étnicas e de renda, com coeficientes estimados significativos
e positivos, como no caso das equações de crescimento da infraestrutura.
Existem algumas outras variáveis que exibem significância quando incluídas neste modelo, mas
Esfa
Jou
´rez
47
44
70
De
Ec
MT
Ra
HS(2
of Tabela 4
Equação de crescimento do PIB per capita
Modelo
Descrição
(1)
Taxa de ajuste
agregada fixa
(2)
Influência institucional no
ajuste agregado
464
(3)
Infraestrutura diferenciada de
outras capitais
(4)
Igual a (3),
variáveis menos
(5)
O mesmo que (4)

com dummies regionais
significativas caíram
Método de estimativa 4 4 2SLS 2SLS 2SLS
Número de observações 195 195 195 195 195

R2 0,5542 0,6451 0,7069 0,7057 0,7436
R2 ajustado 0,5141 0,5950 0,6595 0,6622 0,7004
Variáveis Coeficiente/estatística t (em itálico)
Constante (q*) 0,0282 0,0159 0,0231 0,0147

2.569 1.561 2.034 2.063
Alteração dos termos de troca 0,0873 0,1008 0,0982 0,0950 0,0822
3.633 4.397 4.603 4.536 4.083
Elasticidade de saída em relação a
Telefones 0,0911 0,0949 0,0779
2.218 2.348 2.084
Capacidade de geração de energia 0,1561 0,1545 0,1277
3.809 3.772 3.462
Expressão da taxa de ajuste
Constante 0,0205 0,0506 0,0373 0,0625 0,0289
5.662 0,805 0,432 0,885 0,365
Execução de contrato 0,0363 0,0490 0,0395 0,0366
2,380 2,394 2,383 2,564
Heterogeneidade etnolinguística 0,1280 0,1786 0,1546 0,1942
2,303 2,367 2,345 2,929
Log de densidade populacional 0,0227 0,0348 0,0292 0,0261
1,522 1,699 1,675 1,818
Participação da indústria no PIB 0,0021 0,0029 0,0025 0,0044
1,863 1,826 1,936 2,427
Esfa
Jou
´rez
47
44
70
De
Ec
MT
Ra
HS(2
of manequim 1975
manequim 1985
Expressão de diferença de capital inicial

Constante
btlog t + bplog p (ln)
Log de investimento – relação PIB
Pontuação da democracia
Democracia Heterogeneidade
etnolinguística
Heterogeneidade etnolinguística
Democracia Coeficiente de Gini

2.6896
0,618
0,5454
2.617
0,2419
2.368
0,1637
2.585
1.4144
3.373
0,0043
1,990
0,0469
1,295
0,0474
1,244
7.1363
1.460
1.2111
4.586
0,2967
2.939
0,2342
3.154
2.3460
3.538
0,0051
2,504
0,0604
1,317
0,0743
1,428
7.0333
1.446
0,4975
1.025
0,8630
3.493
0,1828
2.096
0,2086
2.610
2.0057
3.126
0,0029
1,655
0,0440
1,220
0,0556
1,342
6.4940
3.858
0,4895
1.051
0,8742
3.660
0,1978
2.220
0,2152
2.661
2.1848
3.362
0,0032
1,766
0,0652
1,744
0,0817
1,944
4.1391
2.316
1.1914
2.340
0,7346
3.496
0,0036
0,0446
0,1339
1.837
1,7339
3.142
0,0005
0,279
coeficiente de Gini 0,0285 0,0313 0,0184 0,0191 0,0128
2,240 2,722 1,792 1,851 1,134
Execução de contrato 0,1722 0,2436 0,2033 0,2410 0,1409
3,134 2,499 2,384 2,784 2,093
Log(1 + Prêmio de Câmbio do 0,7196 0,6575 0,6404 0,6252 0,5775
Mercado Negro) 1,360 2,073 2,116 2,142 2,248
Média de anos de ensino médio 0,3365 0,2012 0,1728 0,1541 0,1295
2,882 2,271 2,049 1,895 1,665
Registro da expectativa de vida ao nascer 1,8462 0,2309 0,0865
1,842 0,207 0,077
465
Esfa
Jou
´rez
47
44
70
De
Ec
MT
Ra
HS(2
of Tabela 4 (continuação)
Modelo
Descrição
(1)
Taxa de ajuste
agregada fixa
(2)
Influência institucional no
ajuste agregado
466
(3)
Infraestrutura diferenciada de
outras capitais
(4)
Igual a (3),
variáveis menos
significativas caíram
(5)
O mesmo que (4)

com dummies regionais
Método de estimativa 4 4 2SLS 2SLS 2SLS
Log de densidade populacional 0,1546 0,0566 0,0416

2,340 1,082 0,896
sem litoral 0,2089 0,5284 0,4369 0,4256 0,3231
1,000 2,422 2,226 2,320 1,869
Log( q* + d + S ) 0,8909 1,0138 0,9987 1,4746
1,180 1,447 1,452 2,304
manequim 1975 0,6211 0,2716 0,1766 0,1496 0,3932
2.885 1.477 1.117 0,933 2.316
manequim 1985 0,6495 0,1667 0,0339 0,0783 0,2372
2.577 0,736 0,166 0,410 1.209
Manequim para a Ásia Oriental 1.1371
3.188
Manequim para o sul da Ásia 1.3315
2.631
Manequim para MENA 0,7643
3.066
Variável dependente: taxa média de crescimento do PIB per capita.

tornam-se rapidamente irrelevantes quando permitimos a variabilidade na taxa de ajuste e distinguimos

os ativos de infraestrutura dos demais.
A coluna (2) da Tabela 4 relata os resultados quando a influência institucional na convergência é
levada em conta, mas o capital de infraestrutura não é diferenciado do resto. As variáveis incluídas na
expressão da taxa de ajuste são as que acabam se revelando significativas quando diferenciamos entre
infraestrutura e outros capitais. Apesar de suas limitações, a nova especificação é claramente superior
porque obtemos um ajuste muito melhor com as mesmas variáveis. Os resultados da regressão
mostram que a execução de contratos e a participação da indústria ajudam a melhorar a convergência
geral do PIB, enquanto o ELH e a densidade populacional têm o efeito oposto. O caso da densidade
populacional é particularmente interessante porque na regressão linear parece ter um efeito positivo no
crescimento, mas uma vez que entra na expressão da taxa de ajustamento, o seu papel na expressão
do gap de ativos torna-se insignificante e o seu efeito na transição revela-se negativo. Embora a
densidade populacional pareça ajudar fortemente a ajustar as taxas nos setores de infraestrutura, seus
efeitos de congestionamento parecem dominar a maioria dos outros setores. Na expressão do hiato, a
expectativa de vida também perde significância, mas as variáveis institucionais continuam relevantes e
os indicadores de prêmio do mercado negro e sem litoral ganham mais significância.
A introdução de variáveis de infraestrutura separadas e estimativa simultânea melhora

consideravelmente o ajuste da regressão – veja as colunas (3) e (4) da Tabela 4. O coeficiente da
expressão de infraestrutura inicial, ln, não mostra muita significância. Isso não se deve à restrição
imposta aos coeficientes dos níveis de infraestrutura, porque a remoção da restrição ainda produz
coeficientes relativamente insignificantes para a expressão. Mas os coeficientes dos termos de
crescimento da infraestrutura mostram-se altamente significativos e de considerável magnitude. Todas
as outras variáveis que foram significativas na coluna (2) permanecem assim, sugerindo que a equação
agregada captura principalmente seu impacto nos setores não relacionados à infraestrutura.
Curiosamente, embora a execução de contratos pareça desempenhar papéis muito semelhantes nas
taxas de ajuste de todos os setores, os impactos da urbanização e da participação da indústria são
mais específicos do setor e a densidade populacional tem efeitos opostos no ajuste nos setores de
infraestrutura e não infraestrutura.
As expressões estimadas para as lacunas de ativos nos setores de infraestrutura e não infraestrutura
indicam que há uma semelhança na forma como os fatores institucionais afetam as taxas de investimento
no estado estacionário. Como no caso dos ativos de infraestrutura, o ELH tem um impacto geralmente
negativo na relação de estado estacionário do capital não infraestrutura em relação ao PIB, que é
significativo para cerca de 50% da amostra com pontuações baixas de democracia (novamente com
base nos testes de Wald do expressão que multiplica ELH). O impacto geral de Gini no índice de ativos
não relacionados à infraestrutura – PIB é negativo em pontuações de democracia abaixo da média.
Torna-se significativo no nível de 5% em pontuações de democracia muito baixas (0 e 1). O impacto
geral da democracia em ativos não relacionados à infraestrutura está dentro da faixa de seus efeitos
em telefones e energia. É negativo para cerca de metade das observações com sociedades
relativamente homogêneas e é positivo para o restante, atingindo significativo nos terços superior e
inferior da amostra. O efeito negativo da democracia pode refletir o aumento dos problemas de
coordenação que ela introduz no processo de formulação de políticas. Esse efeito é ofuscado em
sociedades mais heterogêneas pelo papel positivo da democracia na superação das desvantagens da
diversidade etnolinguística. Os resultados também destacam a complexidade das relações entre os
resultados econômicos e os indicadores de democracia, desigualdade e etnia.
heterogeneidade. Eles sugerem razões pelas quais estudos anteriores não encontraram relações estáveis
entre as últimas variáveis e o crescimento econômico.
O papel da execução de contratos mostra-se um pouco diferente entre os setores de infraestrutura e
não infraestrutura: parece ser relevante para a lacuna de não infraestrutura, enquanto não era para
lacunas de infraestrutura. É provável que esse seja o caso porque a substituição de k na expressão de
gap não-infraestrutura resulta em um termo com o log do fator de produtividade inicial, log Q, que deve
estar positivamente relacionado à capacidade de comprometimento do governo. O mesmo se aplica ao
prêmio do mercado negro e às variáveis de educação.
Entre outras variáveis, apenas a dummy sem litoral apresentou significância com efeito negativo no gap
de ativos não infraestrutura.
Adicionar dummies regionais à regressão de crescimento do PIB afeta poucos termos – ver coluna (5)
da Tabela 4. Como no caso das regressões de crescimento de infraestrutura, os termos envolvendo Gini
tornam-se insignificantes. As dummies de década, por outro lado, ganham mais importância e indicam
que a velocidade de ajuste aumentou após 1975, enquanto o estoque de capital per capita em estado
estacionário pode ter diminuído. Além disso, o coeficiente de log( q* + S + d) ganha significância. Esse
coeficiente tem o sinal correto (negativo) em todas as equações e exibe significância estatística também
na equação de crescimento do telefone (consulte a Tabela 2). Os coeficientes estimados das próprias
dummies regionais indicam que o leste e o sul da Ásia, bem como a região MENA, tiveram rendas
estacionárias mais altas do que os níveis capturados pelas variáveis incluídas no modelo.
O valor estimado de q* com base na equação de crescimento do PIB é de cerca de 0,02 e geralmente
é significativo. A magnitude parece razoável à luz dos dados históricos de crescimento de longo prazo
dos Estados Unidos e de outros países desenvolvidos. A estimativa baseada na equação da capacidade
de geração de energia, 0,013, também está dentro de uma faixa razoável. A equação do telefone, no
entanto, produz uma estimativa negativa, embora não seja significativa. Restringir q* para ser o mesmo
nas três equações provou ser complicado para o algoritmo de solução do processo de estimativa devido
à natureza não linear do sistema de equações. No entanto, fixar q* no mesmo número nas equações em
uma faixa relativamente ampla em torno de 0,01 a 0,025 não alterou os resultados de maneira substancial.
Como duas das equações que geram estimativas significativas de q* sugerem que a magnitude deve
estar nessa faixa, parece que nossos resultados provavelmente não serão muito afetados pela falta de
restrição de equação cruzada em q*.
Para nossos propósitos, uma característica importante das regressões com diferentes especificações
e valores de q* é que as elasticidades estimadas do produto em relação à capacidade de telecomunicações
e geração de energia, bt e bp , são notavelmente robustas em termos de magnitude e significância. Além
disso, essas elasticidades acabam sendo bastante grandes.
Mesmo as estimativas mais baixas das regressões com dummies regionais – 0,08 para telefones e 0,13
para capacidade de geração de energia – indicam que, se a taxa de crescimento de telefones per capita
aumentar parametricamente de cerca de 5% ao ano, como na África, para cerca de 10% ao ano, como
na Leste Asiático, a taxa de crescimento anual do PIB per capita aumentaria em cerca de 0,4 pontos
percentuais.12 No setor de energia, um aumento da taxa de crescimento da produção per capita de 2% como em
12
Observe que isso terá um efeito composto nos anos futuros, à medida que o nível de telefones aumentar e estimular o
investimento em setores não relacionados à infraestrutura. Mas, para um caso médio, esse efeito acrescentaria apenas 0,04% de
crescimento extra do PIB e seria parcialmente compensado pela desaceleração induzida no investimento em telecomunicações à
medida que a lacuna nesse setor diminui.
A África para 6%, como no leste da Ásia, pode aumentar a taxa de crescimento anual do PIB em mais
0,5 pontos percentuais. Embora essas estimativas não sejam tão grandes quanto as encontradas em
alguns outros estudos, elas não são triviais. Em particular, eles indicam que a elasticidade da produção
em relação aos setores de infraestrutura é substancialmente maior do que a participação desses
setores no PIB (normalmente cerca de 0,01 – 0,02), o que significa que os produtos marginais dos
serviços de infraestrutura são muito mais altos do que o custo de fornecendo-os.
As grandes produtividades dos serviços de infraestrutura em relação às suas participações na
produção sugerem que deve haver fortes incentivos dentro da economia para aumentar a oferta de tais
serviços muito mais rapidamente do que outros ativos. De fato, na maioria dos países, as taxas de
crescimento dos serviços de infraestrutura têm sido muito superiores à taxa de crescimento do PIB. No
entanto, como vimos anteriormente, as taxas de convergência em infraestrutura são muito menores do
que em outros setores. Como resultado, hiatos relativamente grandes persistiram em infraestrutura,
enquanto em outros setores os índices ativos-PIB durante as últimas três décadas estiveram acima de
seus níveis estacionários (ver Tabela 5 ) . É claro que, como sugere a lógica de nosso modelo, os hiatos
são originalmente gerados por choques de produto no passado ou por mudanças tecnológicas e
institucionais que afetam os índices ativos – PIB em estado estacionário. A esse respeito, é interessante
notar que, devido às melhorias em suas condições estacionárias, os países mais dinâmicos do Leste
Asiático tiveram lacunas muito maiores do que os países institucionalmente mais fracos da África e do
Oriente Médio (Tabela 5) . No Oriente Médio, as lacunas relativamente baixas também podem ser
atribuídas ao fato de que grandes rendas de recursos naturais nas décadas anteriores ajudaram esses
países a construir seus estoques de capital, enquanto os choques mais recentes reduziram suas taxas
de ativos em estado estacionário – PIB.
O cálculo das taxas de ajuste e lacunas para capital não-infraestrutura nas Tabelas 3 e 5 requer
alguma explicação. Esses cálculos usam uma estimativa de a porque, como a discussão que leva à Eq.
(3.4) indica, a expressão da taxa de ajuste na Tabela 4 fornece essa taxa multiplicada por 1 a e a
expressão do intervalo fornece os tempos de intervalo (1 a)/a. O termo coeficiente dos níveis de
infraestrutura na equação de crescimento do produto deveria, em princípio, gerar uma estimativa de a,
mas infelizmente esse coeficiente não é estimado com precisão para ser útil para esse fim. Na medida
em que o coeficiente de log(sa) representa a/(1 a), pode-se inferir das estimativas nas três últimas
colunas da Tabela 4 que a é cerca de 0,42 – 0,46. Essa faixa é maior do que o coeficiente de capital
comumente observado no caso da economia dos Estados Unidos e pode ser superestimada porque a
elasticidade maior que um da infraestrutura em relação ao investimento total observada na Tabela 2
sugere que o investimento não - infraestrutura deve ser menos elástica e, portanto, o coeficiente de
investimento – relação PIB na Eq. (3.4) deve ser menor que a/(1 a). Por esse motivo, usamos um valor
de referência de a = 0,4 para avaliar a taxa de ajuste e o tamanho da lacuna para capital não-
infraestrutura nas Tabelas 3 e 5. Nossas observações sobre as lacunas permanecem válidas
independentemente dessa suposição e dos resultados relativos às taxas de ajuste entre os setores
válido para todos os valores maiores que 0,3, que é um intervalo plausível.
Finalmente, é interessante notar que, dadas as taxas de convergência de 0,043 e 0,020 para
telefones e energia nas condições de 1985-1995, um aumento exógeno de 10% no PIB, digamos
através de uma melhoria nos termos de troca, poderia em média aumentar a taxa de crescimento das
telecomunicações em 0,43% e a taxa de crescimento do setor de energia em 0,20%. Estes, por sua
vez, estimularão mais investimentos no restante da economia e, em média, agregarão cerca de 0,07%
Tabela 5
Lacunas estimadas em telecomunicações, produção de energia e outros capitais, 1985
Região telecomunicações Produção de energia Outros capitais
Médias ponderadas por: PIB PIB PIB
Período: 1965 – 1975

África 3.08 1,74 0,71
sul da Asia 4.37 1,79 0,60
SE 2.86 2.20 1,66
América latina 2,65 2.19 0,89
Ásia leste 2,93 2.34 0,69
OCDE e outros 1.23 1.44 0,20
Mundo 1,78 1.62 0,04
Período: 1975 – 1985

África 2.56 0,82 2.11
Sul da Ásia e China 4.19 0,81 0,59
SE 2,78 1,69 2.31
América latina 2,42 1,30 1,15
Ásia leste 3,79 2,00 0,04
OCDE e outros 1,39 0,36 0,47
Mundo 1,88 0,63 0,66
Período: 1985 – 1995

África 1,08 0,70 1,88
Sul da Ásia e China 4,13 1,29 0,37
SE 1,85 0,57 2,71
América latina 1,23 0,52 1,59
Ásia leste 2,83 1,66 0,10
OCDE e outros 1,06 0,30 0,11
Mundo 1,66 0,53 0,29
Fonte: calculado com base nas colunas (3) e (7) da Tabela 2 e coluna (4) da Tabela 4.
a
Assumindo a = 0,4.
à taxa de crescimento do PIB. Embora esse efeito de feedback possa parecer trivial para um
aumento único no PIB, em uma economia em rápido crescimento, ele pode aumentar ao longo dos
anos e se tornar uma contribuição tangível para a produção.
5. Conclusão
O modelo de crescimento econômico e investimento em infraestrutura estimado neste artigo

oferece resultados bastante impressionantes. Depois de contabilizar a simultaneidade entre
infraestrutura e PIB, o impacto da infraestrutura no crescimento do PIB acaba sendo substancial.
No entanto, a realização do potencial desse efeito para o crescimento econômico depende das
características institucionais e econômicas que afetam os índices ativos –PIB em estado estacionário,
bem como as taxas de ajuste quando os índices ativos-PIB divergem de seus valores estacionários.
O modelo e o exercício empírico nele baseado permitem identificar um conjunto de variáveis chave
que influenciam os gaps e as taxas de ajustamento. Os resultados sugerem que
as capacidades institucionais que conferem credibilidade e eficácia à política governamental desempenham

papéis particularmente importantes no processo de desenvolvimento por meio do crescimento da infraestrutura.
Os efeitos indicam que os países podem ganhar muito melhorando o investimento e o desempenho nos
setores de infraestrutura. Mas o exercício também implica que alcançar melhores resultados requer reformas
institucionais e organizacionais que são mais fundamentais do que simplesmente projetar projetos de
infraestrutura e gastar dinheiro com eles.
A pesquisa relatada neste artigo não está livre de deficiências. Primeiro, a questão da qualidade da
infraestrutura não foi abordada no modelo aqui analisado e estimado.
Além disso, outros setores de infraestrutura (transporte, água, irrigação, etc.) precisam ser analisados. Em
segundo lugar, os dados existentes carecem de informações sobre detalhes institucionais que possam lançar
uma luz mais direta sobre as fontes de capacidade institucional e as formas pelas quais ela pode ser construída.
Em terceiro lugar, é necessário obter dados sobre uma variedade de arranjos organizacionais que existem
nos setores de infra-estrutura e podem ter papéis importantes no desempenho desses setores.
Este estudo apenas distingue entre propriedade privada e pública, enquanto a participação do setor privado
pode ter diferentes graus e as próprias empresas públicas são diferenciadas de acordo com a extensão de
sua autonomia e objetivos. A falta de medidas para muitas variáveis institucionais e organizacionais relevantes
explica em parte porque, apesar de seu sucesso razoável, o modelo aqui estimado deixa uma grande parte
da variação no crescimento da infra-estrutura inexplicável. Finalmente, o modelo atual não endogeniza a
escolha organizacional entre propriedade privada e propriedade pública. Fazer progressos em todas essas
direções é o plano para pesquisas futuras.
Reconhecimentos
Somos gratos a Lee Alston, Werner Baer, Ron Johnson, Larry Neal e um parecerista anônimo por
comentários úteis sobre rascunhos anteriores deste documento. Hadi Salehi Esfahani reconhece uma
generosa doação da IBM que facilitou a implementação deste projeto. Marÿ´a Teresa Ramÿ´rez gostaria de
agradecer ao Banco Central da Colômbia pela assistência financeira.
Apêndice A. Fontes de dados e definições
A fonte de dados para PIB, investimento, população, prêmio do mercado negro em divisas, termos de
troca e abertura é Barro e Lee (1994). Usamos o conjunto de dados Penn World Tables 5.6 (Heston e
Summers, 1995), o CD-ROM World Development Indicators (WDI) do Banco Mundial e o World Currency
Year Book, 1996 (publicado por Currency Data and Intelligence, Brooklyn, NY) para atualizar os dados e
estendeu-os para o período 1985-1995. O WDI também foi a fonte de dados para urbanização, participação
da indústria no PIB e densidade populacional. Os dados de infraestrutura são de Canning (1998), com a
disponibilidade de telefone como parte desses dados ligeiramente ampliada por informações coletadas de
publicações da União Internacional de Telecomunicações. O indicador de países sem litoral foi criado
observando-se um mapa-múndi detalhado. Os dados de realização educacional são
baseado em Barro e Lee (1996). Os dados de distribuição de renda vêm de Deininger e

Squire (1996), com a observação mais próxima do início de cada período adotada como
nível inicial. A medida da heterogeneidade etnolinguística é o índice médio calculado por
Easterly e Levine (1997) e reflete a probabilidade de dois indivíduos selecionados
aleatoriamente na população falarem línguas maternas diferentes. Easterly e Levine
(1997) também é a fonte de uma série de outras variáveis, como profundidade financeira,
com as quais experimentamos.
As variáveis institucionais que usamos no modelo vieram de duas fontes. Os dados
para classificação de democracia e centralização são de Jaggers e Gurr (1996)
Conjunto de dados Polity III. O grau de centralização refere-se à devolução geográfica da
autoridade decisória do estado, com valores de 1 e 3 atribuídos aos sistemas federal e
unitário, respectivamente, e valor 2 atribuído às categorias intermediárias.13 O escore de
democracia é a média de oito indicadores que classificam o processo de seleção de
formuladores de políticas e as restrições impostas a eles. Para repúdio contratual,
qualidade burocrática e corrupção, os indicadores foram obtidos do arquivo de dados do
Political Risk Services (1995), International Country Risk Guide (ICRG). Estas são medidas
subjetivas baseadas em informações de pesquisa. O repúdio contratual indica o risco de
uma modificação em um contrato na forma de repúdio, adiamento ou redução devido a
cortes orçamentários, pressão de indigenização, mudança de governo ou mudança nas
políticas econômicas e sociais do governo. Pontuações mais altas indicam riscos mais baixos.
Qualidade burocrática indica autonomia de pressão política e força e experiência para
governar sem mudanças drásticas na política ou interrupção nos serviços governamentais,
bem como a existência de um mecanismo estabelecido para recrutamento e treinamento.
Pontuações mais altas indicam maior qualidade. A corrupção é um indicador do grau de
“práticas impróprias” no governo. Quanto maior o indicador, menor o grau de corrupção.
Os dados do ICRG começam em 1982 e usamos sua observação de 1985 para a década
de 1985-1995. Para gerar mais observações, extrapolamos os dados do ICRG até 1972
por meio de outro conjunto de dados do Business Environmental Risk Intelligence (BERI),
que tem medidas semelhantes para um número menor de países. Usamos a observação
de 1975 das variáveis extrapoladas como os indicadores de condição inicial para a década
de 1975-1985 e as primeiras observações disponíveis para a década de 1965-1975. Para
obter mais informações sobre conjuntos de dados ICRG e BERI, consulte Knack e Keefer
(1995).
Para indicadores de propriedade privada em infraestrutura, examinamos várias fontes.
Em particular, usamos a literatura do país, os Perfis dos países da Economist Intelligence
Unit, Sader (1995) e as transações de privatização nos países em desenvolvimento 1988–
1994 do Banco Mundial, para identificar os países que tiveram propriedade privada ou
privatizaram seu principal poder e empresas de telecomunicações nas últimas décadas.
Um serviço de infraestrutura foi rotulado como propriedade privada em uma determinada
década se a maior parte da oferta viesse de empresas privadas ou privatizadas na primeira
metade da década.
13
Este é o inverso da classificação dada no conjunto de dados original, que representa o grau de descentralização.
Apêndice B. Disponibilidade de dados
País 1965 – 1975 1975 – 1985 1985 – 1995
Argélia dados completos dados completos Prêmio do mercado negro não

disponível
Argentina dados completos dados completos dados completos

Austrália dados completos dados completos dados completos
Áustria dados completos dados completos dados completos
Bangladesh A maioria dos dados não está disponível Dados de infraestrutura dados completos
defasados não estão disponíveis
Bélgica dados completos dados completos dados completos

Bolívia dados completos dados completos dados completos
Brasil dados completos dados completos dados completos
Camarões Gini não disponível dados completos dados completos
Canadá dados completos dados completos dados completos
Chile dados completos dados completos dados completos
Colômbia dados completos dados completos dados completos
Costa Rica dados completos dados completos dados completos
Costa do Marfim dados completos dados completos dados completos
Dinamarca dados completos dados completos dados completos
República Dominicana. dados completos dados completos dados completos
Equador dados completos dados completos dados completos
Egito dados completos dados completos dados completos
El Salvador dados completos dados completos dados completos
Etiópia Participação da indústria em Participação da indústria em dados completos
PIB não disponível PIB não disponível
Finlândia dados completos dados completos dados completos
França Participação da indústria em dados completos dados completos
PIB não disponível
Alemanha dados completos dados completos Taxa de crescimento da
produção de energia não disponível
Gana dados completos Prêmio do mercado negro não Lag do prêmio do mercado
disponível negro não disponível
Grécia dados completos dados completos dados completos
Guatemala dados completos dados completos dados completos
Honduras dados completos dados completos dados completos
Hungria Defasagem do PIB inicial, Participação da indústria dados completos
participação da indústria, e defasagem do
prêmio do mercado negro, prêmio do mercado negro em
defasagem da taxa de PIB não disponível
investimento não disponível
Índia dados completos dados completos dados completos
Indonésia dados completos dados completos dados completos
Irã, IR da Irlanda dados completos dados completos dados completos
Participação da indústria em Participação da indústria em dados completos
Itália dados completos dados completos dados completos
Jamaica dados completos dados completos dados completos
Japão dados completos dados completos dados completos
Jordânia dados completos dados completos dados completos
Quênia dados completos dados completos dados completos

Apêndice B (continuação)
País 1965 – 1975 1975 – 1985 1985 – 1995
Coréia dados completos dados completos dados completos

Libéria dados completos dados completos Crescimento do PIB, prêmio do
mercado negro não disponível
Madagáscar dados completos dados completos dados completos
Malauí dados completos dados completos dados completos
Malásia dados completos dados completos dados completos
México dados completos dados completos dados completos
Marrocos dados completos dados completos dados completos
Holanda Participação da indústria em dados completos dados completos
PIB não disponível
Nova Zelândia dados completos dados completos dados completos
Nicarágua dados completos dados completos dados completos
Níger dados completos dados completos dados completos
Nigéria dados completos dados completos Prêmio do mercado negro
não disponível
Noruega dados completos dados completos dados completos

Paquistão Atraso da produção inicial dados completos dados completos
de energia não disponível
Panamá dados completos dados completos Prêmio do mercado negro
não disponível
Peru dados completos dados completos Prêmio do mercado negro
não disponível
Filipinas dados completos dados completos dados completos

Portugal Participação da indústria em Participação da Indústria em dados completos
Senegal dados completos dados completos dados completos
Serra Leoa Defasagem do PIB inicial Lag do prêmio do mercado dados completos
e prêmio do mercado negro não disponível
negro não disponíveis
Cingapura Alteração dos termos de dados completos dados completos
troca não disponível
África do Sul dados completos dados completos dados completos
Espanha Participação da indústria em Participação da indústria em dados completos
Sri Lanka dados completos dados completos dados completos
Suécia Participação da indústria em Participação da indústria em dados completos
Tanzânia dados completos dados completos dados completos
tailândia dados completos dados completos dados completos
Ir dados completos dados completos dados completos
Trindade e Tobago Prêmio do mercado negro e Lag do prêmio do mercado dados completos
seu atraso não estão disponíveis negro não disponível
Tunísia dados completos dados completos dados completos
Peru dados completos dados completos dados completos
Uganda dados completos dados completos dados completos
Reino Unido dados completos dados completos dados completos
Estados Unidos dados completos dados completos dados completos
Uruguai dados completos dados completos dados completos
Venezuela dados completos dados completos dados completos
Zâmbia dados completos dados completos dados completos
Zimbábue dados completos dados completos dados completos
Referências
Acemoglu, D., Johnson, S., Robinson, JA, no prelo. As origens coloniais do desenvolvimento comparativo: uma investigação empírica.
Revisão Econômica Americana.
Aschauer, DA, 1989a. O gasto público é produtivo? Journal of Monetary Economics 23, 177-200.
Aschauer, DA, 1989b. O capital público exclui o capital privado? Journal of Monetary Economics 24, 171-188.
Banerjee, A., Duflo, E., 2000. Desigualdade e crescimento: o que os dados podem dizer? Instituto de Tecnologia de Massachusetts,
manuscrito.
Barro, R., Lee, J.-W., 1994. Conjunto de dados para um painel de 138 países, manuscrito.
Barro, R., Lee, J.-W., 1996. Medidas internacionais de anos de escolaridade e qualidade da escolaridade. American Economic Review,
Papers and Proceedings 86 (2), 218 – 223.
Barro, RJ, Sala-i-Martin, X., 1995. Crescimento Econômico. McGraw-Hill, Nova York.
Benabou, R., 1996. Heterogeneidade, estratificação e crescimento: implicações macroeconômicas da estrutura da comunidade
tura e finanças escolares. American Economic Review 86 (3), 584 – 609.
Bergara, M., Henisz, WJ, Spiller, PT, 1998. Instituições políticas e investimento em concessionárias de energia elétrica. Califórnia
Revisão da Administração 40 (2).
Blinder, M., Pesaran, MH, 1999. Modelos estocásticos de crescimento e suas implicações econométricas. Journal of Economic Growth 4, 139
– 183.
Canning, D., 1998. Um banco de dados de estoques de infraestrutura mundial, 1950 – 1995. World Bank Economic Review 12,
529-547.
Canning, D., Pedroni, P., 1999. Infraestrutura e crescimento econômico de longo prazo. Trabalho apresentado em 1999
Encontro de Verão da Sociedade Econométrica, Madison, Wisconsin.
Canning, D., Fay, M., Perotti, R., 1994. Infraestrutura e crescimento. In: Bsaldassarri, M., Paganetto, M., Phelps, ES (Eds.), Diferenças
Internacionais nas Taxas de Crescimento. St. Martins Press, Nova York, pp. 285 – 310.
Collier, P., 1998. A economia política da etnicidade. Documento apresentado na Conferência Anual do Banco Mundial sobre
Development Economics, Washington, DC, 20 a 21 de abril de 1998.
Moeda Data and Intelligence, 1996. World Currency Year Book. Brooklyn, NY.
Deininger, K., Squire, L., 1996. Um novo conjunto de dados que mede a desigualdade de renda. Revisão Econômica do Banco Mundial 10
(3), 565 – 591.
Easterly, W., Levine, R., 1997. A tragédia do crescimento da África: políticas e divisões étnicas. Quarterly Journal of Economics 112 (4), 1203
– 1250.
Easterly, W., Rebelo, S., 1993. Política fiscal e crescimento económico: uma investigação empírica. Diário de
Economia Monetária 32, 417 – 458.
Eicher, TS, Turnovsky, S., 1999a. Modelos sem escala de crescimento econômico. O Diário Econômico 109, 394 –
415.
Eicher, TS, Turnovsky, S., 1999b. Convergência em um modelo de crescimento sem escala de dois setores. Jornal de economia
Crescimento 4, 413 – 426.
Eicher, TS, Turnovsky, S., 2000. Escala, congestionamento e crescimento. Economica 67, 325 – 346.
Fernald, JG, 1999. Caminhos para a prosperidade? Avaliação da relação entre capital público e produtividade. americano
Economic Review 89 (3), 619 – 638.
Figini, P., 1998. Desigualdade e crescimento revisitados. Trinity College, Mimeo.
Flores de Frutos, R., Pereira, A., 1993. Capital Público e Crescimento Agregado nos Estados Unidos: É Público
Capital Produtivo. Universidade da Califórnia em San Diego, Documento de discussão.
Forbes, KJ, 2000. Reavaliação da relação entre desigualdade e crescimento. American Economic Review
90 (4), 869 – 887.
Galor, O., Tsiddon, D., 1997a. A distribuição do capital humano e o crescimento económico. Journal of Economic Growth 2 (1), 93 – 124.
Galor, O., Tsiddon, D., 1997b. Progresso tecnológico, mobilidade e crescimento econômico. econômica americana
Revisão 87 (3), 363 – 382.
Garcia-Mila, T., McGuire, TJ, Porter, RH, 1996. O efeito do capital público nas funções de produção em nível estadual
reconsiderado. Review of Economics and Statistics 78, 177 – 180.
Gramlich, EM, 1994. Investimento em infra-estrutura: um ensaio de revisão. Jornal de Literatura Econômica 32 (3),
1176 – 1196.
Hall, RE, Jones, CI, 1997. O que aprendemos com a recente pesquisa empírica sobre crescimento? Níveis de atividade econômica
entre os países. American Economic Review, Papers and Proceedings 87 (2), 173 – 177.
Hall, RE, Jones, CI, 1999. Por que alguns países produzem muito mais por trabalhador do que outros?
Quarterly Journal of Economics 114 (1), 83 – 116.
Henisz, WJ, 1997. Julgando o Impacto das Restrições Políticas no Crescimento Econômico. Universidade da Califórnia,
Berkeley, mimeo.
Heston, A., Summers, R., 1995. Penn World Tables Mark 5.6 Dataset. Universidade da Pensilvânia.
Holtz-Eakin, D., 1994. O capital do setor público e o quebra-cabeça da produtividade. Revisão de Economia e Estatística 76,
12-21.
Holtz-Eakin, D., Schwartz, AE, 1995. Infraestrutura em um modelo estrutural de crescimento econômico. Ciência Regional
e Economia Urbana 25, 131 – 151.
Islam, N., 1995. Crescimento empírico: uma abordagem de dados em painel. Quarterly Journal of Economics 110 (4), 1127 – 1170.
Jaggers, K., Gurr, TR, 1996. Polity III: Tipo de regime e autoridade política, 1800 – 1994, arquivo de computador.
Boulder, CO: Keith Jaggers/College Park, MD: Ted Robert Gurr, produtores. Ann Arbor, MI: Consórcio interuniversitário para
pesquisa política e social, distribuidor.
Jones, CI, 1995. Testes de séries temporais de modelos de crescimento endógeno. Jornal Trimestral de Economia 110 (2),
495-525.
Jones, CI, 1999. Crescimento: com ou sem efeitos de escala? American Economic Review, Papers and Proceedings 89
(2), 139-144.
Knack, S., Keefer, P., 1995. Instituições e desempenho econômico: testes entre países usando institutos alternativos
medidas nacionais. Economia e Política 7 (3), 207 – 227.
Lee, K., Pesaran, MH, Smith, R., 1997. Crescimento e convergência em um solo estocástico empírico multipaíses
modelo. Journal of Applied Econometrics 12, 357 – 392.
Lee, K., Pesaran, MH, Smith, R., 1998. Growth empirics: a panel data approach—a comment. Jornal trimestral
de Economia 113, 319 – 323.
Levy, B., Spiller, P. (Eds.), 1996. Regulamentações, Instituições e Compromisso: O Caso das Telecomunicações.
Universidade de Cambridge Imprensa, Cambridge.
Mankiw, GN, Romer, D., Weil, DN, 1992. Uma contribuição para a empírica do crescimento econômico. Trimestral
Journal of Economics 107 (2), 407 – 437.
McArthur, JW, Sachs, JD, 2000. Instituições e Geografia: Comentário sobre Acemoglu, Johnson e Robinson.
NBER, documento de trabalho nº W8114.
Munnell, AH, 1992. Investimento em infraestrutura e crescimento econômico. Jornal de Perspectivas Econômicas 6 (4),
189-198.
Noll, R., 1989. A política de regulação. In: Schmalansee, R., Willig, R. (Eds.), Handbook of Industrial
Organização, vol. 2. North-Holland, Amsterdam, pp. 1251 – 1287.
Persson, T., Tabellini, G., 1994. Desigualdade prejudicial ao crescimento. American Economic Review 84 (3), 600 – 621.
Political Risk Services, 1995. International Country Risk Guide Data, 1982 – 95, Arquivo de computador, Syracuse, NY: Compilado por
IRIS Center. Universidade de Maryland, College Park, MD.
Poterba, JM, 1995. Orçamentos de capital, regras de empréstimos e gastos de capital do estado. Revista de Economia Pública
56, 165-187.
Randolph, S., Bogetic, Z., Heffley, D., 1996. Determinantes da Despesa Pública em Infraestrutura: Transportes
ção e Comunicação. Documento de Trabalho de Pesquisa de Políticas No. 1661, Banco Mundial.
Rodriguez, F., Rodrik, D., 1999. Política Comercial e Crescimento Econômico: Um Guia do Cético para o Cross-National
Evidências. Bureau Nacional de Pesquisa Econômica, Documento de Trabalho 7081.
Sachs, JD, Warner, AM, 1995. Reforma econômica e o processo de integração global. Documentos da Brookings sobre
Actividade Económica 1995 (1), 1 – 118.
Sader, F., 1995. Privatização de Empresas Públicas e Investimento Estrangeiro em Países em Desenvolvimento, 1988 – 93 FIAS
Occasional Paper 5. Washington, DC: International Finance.
Saint-Paul, G., Verdier, T., 1993. Educação, democracia e crescimento. Jornal de Economia do Desenvolvimento 42 (2),
399 – 407.
Sanchez-Robles, B., 1998. Investimento em infraestrutura e crescimento: algumas evidências empíricas. Eco Contemporâneo
Política econômica 16, 98 – 108.
Segerstrom, P., 1998. Crescimento endógeno sem efeitos de escala. American Economic Review 88 (5), 1290 – 1310.
Tatom, JA, 1993. O efeito espúrio da formação de capital público sobre a produtividade do setor privado. Estudos de Política
Jornal 21, 391 – 395.
Banco Mundial, 1994. Relatório de Desenvolvimento Mundial 1994. Washington, DC.
Transações de Privatização do Banco Mundial em Países em Desenvolvimento 1988 – 1994. Washington, DC.
Banco Mundial Indicador de Desenvolvimento Mundial (WDI), CD-ROM.
Young, A., 1998. Crescimento sem efeitos de escala. Journal of Political Economy 106 (1), 41 – 63.

Esfahani e Ramirez, 2002 (PT BR)

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Esfahani e Ramirez, 2002 (PT BR)

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Journal of Development Economics 70 (2003) 443 – 477

Instituições, infraestrutura e crescimento econômico

Recebido em 1º de maio de 2000; aceito em 1 de fevereiro de 2002

Classificação JEL: O4; O57; H54; L33; L9

* Autor correspondente. Tel.: +1-217-333-2681; fax: +1-217-333-1398.

Endereço de e-mail: Esfahani@uiuc.edu (HS Esfahani).

444 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 445

Neste artigo, desenvolvemos um modelo de crescimento estrutural que ajuda a discernir os

446 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 447

2. Um modelo de crescimento de produção e infraestrutura

O crescimento econômico é consequência do acúmulo de fatores que permitem a uma economia

Y ¼ Ka NbðQLÞ 1ab ; 2:1Þ

onde aeb são parâmetros positivos.

448 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

cy ¼ ð1 a bÞq þ ack þ bcn; ð2:2Þ

onde q é a taxa de crescimento de Q e cy, ck e cn são as taxas de crescimento das variáveis

ck ¼ céu y=kd S ð2:3Þ

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 449

onde d é a taxa de depreciação e sk e sn são as parcelas de produção alocadas para a acumulação de

sk *y*=k* ¼ sn*y*=n* ¼ q* þ S þ d; ð2:5Þ

450 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

si s*i Þ=si ¼ gidXÞGi; i ¼ k; n: ð2:7Th

ci ¼ q* þ ðq* þ S þ dÞ½1 þ gidXÞGi; i ¼ k; n: ð2:8Þ

Gi ¼ logði*=y*Þ logði=yÞ ¼ logðs*i Þ logðq* þ S þ dÞ logði=yÞ; i ¼ k; n: ð2:9Þ que mostra que o

cy ¼ ð1 bÞq* þ ð1 a bÞðq q*Þ þ bcn þ ðq* þ S þ dÞ½1 þ gk ðXÞaGk ; ð2:10Þ

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 451

Gk também pode ser expresso em termos de variáveis diferentes de k, substituindo na função de

aGk ¼ alogðsk *Þ alogðq* þ S þ dÞð1 aÞlogy þ ð1 a bÞlogQ þ blogn: ð2:11Þ Esta

3. O modelo econométrico e os dados

452 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

cy ¼ btct þ bpcp þ ð1 bt bpÞq* þ ð1 a bt bpÞðq q*Þ þ ðq* þ S þ dÞ½1 þ gk ðXk

cp ¼ q* þ ðq* þ S þ dÞ½1 þ gpðXpÞ½logðp=yÞ þ logðsp*Þ logðq* þ S þ dÞ: ð3:2Þ

ct ¼ q* þ ðq* þ S þ dÞ½1 þ gtðXtÞ½logðt=yÞ þ logðs*t Þ logðq* þ S þ dÞ;

Se os dados sobre Q e si *, i = k, p, t, estivessem disponíveis, poderíamos prosseguir com a estimativa das

ðq* þ S þ dÞðh0 þ hXk Þ½logy þ lnðbtlogt þ bplogÞ þ uZk þ lk logsa

þ lqlogðq* þ S þ dÞ; 3:4Þ

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 453

454 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 455

456 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477 457

Estatísticas resumidas das variáveis incluídas na estimativa

Variável Significar Padrão Mínimo Máximo

Taxa de crescimento do PIB per capita 0,0168 0,0242 0,0427 0,0819

Log do PIB per capita inicial 7.8595 0,9787 5.7004 9.7153

Taxa de crescimento populacional 0,0201 0,0110 0,0070 0,0477

Log de telefones iniciais per capita 3,4116 1,8346 0,6049 6,8521

Taxa de crescimento de telefones per capita 0,0551 0,0355 0,0032 0,1638

Propriedade privada no setor de telecomunicações 0,1128 0,3172 0,0000 1,0000

Propriedade privada no setor de energia 0,0974 0,2973 0,0000 1,0000

Média de anos de ensino médio 0,9262 0,8989 0,0100 4,8300

Log de investimento como porcentagem do PIB 1,9187 0,6596 4,4132 0,9826

Alteração dos termos de troca 0,0060 0,0576 0,0832 0,3115

Pontuação da democracia 4,6103 4,3520 0,0000 10,0000

Heterogeneidade etnolinguística 0,3302 0,3081 0,0000 0,8902

Democracia Heterogeneidade etnolinguística 0,9886 1,5945 0,0000 6,8536

Log de densidade populacional 3.6442 1.3424 0,3930 8.2953

Participação da indústria no PIB 30.0538 9.7437 3,8755 56.5721

Registro da Expectativa de Vida ao Nascer 4.0842 0,1861 3.6082 4.3477

458 HS Esfahani, MT Ramÿ´rez / Journal of Development Economics 70 (2003) 443–477

sk y=k* ¼ sny=n* ¼ q* þ S þ d; ð2:5Þ

Gi ¼ logði=yÞ logði=yÞ ¼ logðsi Þ logðq þ S þ dÞ logði=yÞ; i ¼ k; n: ð2:9Þ que mostra que o

cy ¼ ð1 bÞq* þ ð1 a bÞðq qÞ þ bcn þ ðq þ S þ dÞ½1 þ gk ðXÞaGk ; ð2:10Þ

aGk ¼ alogðsk Þ alogðq þ S þ dÞð1 aÞlogy þ ð1 a bÞlogQ þ blogn: ð2:11Þ Esta

cy ¼ btct þ bpcp þ ð1 bt bpÞq* þ ð1 a bt bpÞðq qÞ þ ðq þ S þ dÞ½1 þ gk ðXk

cp ¼ q* þ ðq* þ S þ dÞ½1 þ gpðXpÞ½logðp=yÞ þ logðspÞ logðq þ S þ dÞ: ð3:2Þ

ct ¼ q* þ ðq* þ S þ dÞ½1 þ gtðXtÞ½logðt=yÞ þ logðst Þ logðq þ S þ dÞ;