Determinants of Regional Economic Growth by Quantile

Abstract

Crespo-Cuaresma J., Foster N. and Stehrer R. Determinants of regional economic growth by quantile, Regional Studies. The robustness of growth determinants across European Union regions is analysed using quantile regression. Using Bayesian model averaging (BMA) on the class of quantile regression models, it is proposed that the set of relevant covariates is assessed, allowing for different effects across growth quantiles. The results indicate that the robust growth determinants differ across quantiles. The set of robust variables includes physical investment when taking country fixed-effects into account, and skill endowment and initial gross domestic product per capita when not. Even when a variable is found to be robust across quantiles, its estimated impact on growth is often found to vary across quantiles. Crespo-Cuaresma J., Foster N. et Stehrer R. Les déterminants de la croissance économique par quantile, Regional Studies. A partir d'une régression par quantile, on analyse la solidité des déterminants de la croissance à travers les régions de l'Union européenne. Employant un Bayesian Averaging Model (BMA) sur la catégorie de modèles de régression par quantile, on propose une évaluation de la covariance, compte tenu des effets différents suivant les quantiles de croissance. L'ensemble de variables solides comprend l'investissement matériel quand on tient compte des effets spécifiques à un pays, sinon la dotation en connaissance et le produit intérieur brut initial par tête. Même quand une variable s'avère solide à travers les quantiles, l'impact prévu sur la croissance varie souvent à travers les quantiles. Croissance régionale Bayesian model averaging Régression par quantiles Crespo-Cuaresma J., Foster N. und Stehrer R. Determinanten regionalen Wachstums nach Quantilen, Regional Studies. In diesem Beitrag wird die Robustheit von Wachstumsdeterminanten in EU-Regionen mittels Quantilsregressionen analysiert. Dabei wird ein Bayesian Model Averaging (BMA) für Quantilsregressionen verwendet, um die relevanten Kovariaten, die unterschiedliche Effekte in den jeweiligen Wachstumsquantilen aufweisen können, zu ermitteln. Die Resultate zeigen, dass die robusten Wachstumsdeterminanten in den jeweiligen Quantilen tatsächlich unterschiedlich sind. Unter Berücksichtigung von länderspezifischen Effekten ist insbesondere die Variable Anlageinvestitionen ein robuster Erklärungsfaktor regionalen Wachstums; ohne Berücksichtigen dieser Effekte sind Humankapitalausstattung und das Pro-Kopf-Einkommen robuste Determinanten. Auch wenn eine bestimmte Variable robust in mehreren oder allen Quantilen ist, sind die ermittelten Effekte auf das Wachstum der Regionen in den jeweiligen Quantilen oftmals unterschiedlich. Regionales Wachstum Bayesian Model Averaging Quantilsregressionen Crespo-Cuaresma J., Foster N. y Stehrer R. Determinantes del crecimiento económico regional por cuantiles, Regional Studies. Analizamos la solidez de los determinantes de crecimiento en las regiones de la Unión Europea usando una regresión cuantílica. Mediante el uso de promedios de modelo bayesiano sobre la clase de los modelos de regresión cuantílica, proponemos que se evalúe el conjunto de las covariantes correspondientes teniendo en cuenta los diferentes efectos en los cuantiles de crecimiento. Los resultados indican que los determinantes de un crecimiento sólido son diferentes entre los cuantiles. Si se tienen en cuenta los efectos fijos de cada país, la inversión física es una variable fuerte, de no ser así son variables fuertes la dotación de habilidades y el producto interno bruto per cápita inicial. Incluso cuando se halla una variable que es sólida en varios cuantiles, se observa con frecuencia que el impacto estimado en el crecimiento varía entre los cuantiles. Crecimiento regional Promedios de modelo bayesiano Regresión cuantílica

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 65 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.