Primeira vez aqui? Seja bem vindo e cheque o FAQ!
x

Explorando a Base de Dados do artigo "Democracy Does Cause Growth" de Acemoglu et al (2018).

+1 voto
21 visitas
perguntada Mai 17 em Economia por Lucas Iantorno Klotz (26 pontos)  
editado Mai 17 por Lucas Iantorno Klotz

Exercício Empírico realizado em Python. Utilizamos a base de dados dos autores para averiguar o impacto de um regime democrático no PIB per capita.

Journal of Political Economy
Democracy Does Cause Growth (2018)
Acemoglu, Naidu, Restrepo e Robinson.

Compartilhe

1 Resposta

0 votos
respondida Mai 17 por Lucas Iantorno Klotz (26 pontos)  
editado Mai 19 por Lucas Iantorno Klotz

1.Motivação

Afinal, democracia promove crescimento econômico? Essa é a pergunta que o artigo de Acemoglu et al (2018) pretendeu responder. O início do século XXI destaca essa inquietação com a ascensão da China na economia global e também dos vários regimes populistas que se espalharam pela Europa, Américas e Ásia nos últimos 10 anos.

O presente artigo buscou contrapor ideias como a de Barro (1997,p.1), "more political rights do not have an effect on growth"; ou de Gringer et al. (2005, p.323), "the net effect of democracy on growth performance cross-nationally over the last five decades is negative or null". Acemoglu et al. (2018) estimam o impacto da democracia no crescimento do PIB per capita. Em particular, os autores concluem que países que transitam para democracia conseguem um PIB per capita 20% maior nos próximos 25 anos que àqueles que se mantêm em um regime não democrático.

Para tal análise, os autores desenvolveram um dado em painel com mais de 150 países, além de utilizarem variáveis instrumentais. Para o exercício empírico, não replicaremos o método, mas sim analisaremos a base de dados do artigo e faremos um cross-country para os anos de 1980,1990 e 2000. Nos três anos analisados, democracia, reformas econômicas, porcentagem da população com pelo menos ensino primário e porcentagem da população com ensino superior foram significantes no impacto do crescimento do PIB per capita.

2.Modelo Básico do Artigo

O modelo básico de dados em painel é como se segue:
\[y_{ct}=\beta D_{ct} + \sum \gamma y_{ct-j} + \alpha_c +\delta_t + \epsilon_{ct} ,\]

em que \(y_{ct}\) log do PIB per capita, medido para os anos 2000 em dólares, para o país \(c\) no ano \(t\). \(D_{ct}\) é a medida dicotômica para democracia. \(\gamma y_{ct-j}\) as defasagens do PIB per capita; \(\alpha_c\) efeitos fixos do país e \(\delta_t\) efeitos fixos do tempo.

A variável dicotômica da democracia foi feita através dos dados do Freedom House e da Polity IV. Para que o país receba 1, portanto Estado democrático, ambos os dados precisam apontar para tal direção. Caso contrário, o país recebe 0 no determinado ano. Caso tais bases estejam incompletas para um determinado país em um ano em particular, os autores utilizaram outras bases (ver apêndice do artigo). A imagem abaixo nos mostra o índice de democracia médio desenvolvido pelos autores em relação aos demais:

A imagem será apresentada aqui.

O efeito cumulativo da transição permanente para democracia no GDP per capita é calculado da seguinte forma:
\[ \frac{\hat{\beta}}{1 - \sum\hat{\gamma_j}},\]
parte dos resultados econométricos encontram-se na imagem abaixo:
A imagem será apresentada aqui.

A terceira coluna é a preferida dos autores. Percebe-se um aumento de 21,24% no GDP per capita no longo prazo para os países que se tornam democráticos. A figura abaixo mostra, em média, caminho de longo prazo do PIB per capita após uma transição permanente para democracia.

A imagem será apresentada aqui.

3.Explorando a Base de Dados

A questão do impacto da democracia nas economias globais é a nossa motivação para o exercício empírico. Perceba apenas que a variável PIB per capita pode ser um pouco traiçoeira:

A imagem será apresentada aqui.

é complicado analisar um país somente. O PIB per capita brasileiro cresceu mesmo no regime militar, o que destaca a diferença entre crescimento e desenvolvimento econômicos. O Chile, embora mais promissor, também não garantiu resultados significantes. Para a nossa análise, então, realizamos um cross-country para avaliar o impacto de regimes democráticos nas economias. Fizemos um filtro na base dos autores e eliminamos todas as linhas que possuiam células vazias (NaN em python). O detalhamento da base é como se segue abaixo:

A imagem será apresentada aqui.

4. Modelo do Exercício Empírico
Realizamos um cross-section entre os países da base de dados para três anos: 1980, 1990 e 2000:
\[ y_t = \beta_0 + \beta_1 DEM_t + \beta_2 PORSEC_t + \beta_3 PORTER_t + \beta_4 MARKET_t,\]
para t=1980,1990 e 2000. \(y_t\) o log do PIB per capita para o ano analisado; \(DEM_t\) a variável dicotômica para democracia para o ano analisado; \(PORSEC_t\)porcentagem da população com pelo menos ensino secundário completo para o ano analisado; \(PORTER_t\) porcentagem da população com ensino superior completo no ano analisado; \(MARKET_t\) índice de reformas econômicas.

Levamos em consideração o desenvolvimento do capital humano seguindo Bautista et al. (2020) que mostram o impacto do regime de Pinochet no Chile nas matrículas de ensino superior entre as décadas de 1970 e 1980.

5. Resultados

As tabelas econométricas para os três anos se encontram abaixo:

1980:
A imagem será apresentada aqui.

1990:
A imagem será apresentada aqui.

2000:
A imagem será apresentada aqui.

Para todos os anos a variável dicotômica de democracia foi significante no crescimento de PIB per capita, assim como as demais variáveis independentes. Em particular, nos anos analisados, para os países com \(DEM\) valendo 1, o log do PIB per capita aumentou em média aproximadamente 75. Destaque pro \(R^2\) do ano de 2000 que ficou um pouco baixo, isso é claro porque há mais variáveis que impactam na dinâmica do PIB per capita, mas que não estão presentes na base de dados do artigo.

6. Conclusão

O exercício econométrico descrito acima buscou explorar a base de dados do artigo "Democracy Does Cause Growth" (2018), de Acemoglu et al. Assim como no modelo básico dos autores, nosso modelo de cross-country também mostrou que regimes democráticos impactam de forma positiva e significante o PIB per capita. A intuição econômica se dá pelo fato de uma democracia tem uma atenção maior do governo em gastos de bens públicos, incluindo reformas econômicas e desenvolvimento de capital humano. Uma forma de explorar melhor o cross-country tornar as variáveis independetes dependentes à variável dicotômica de democracia, algo que foi brevemente explorado no artigo.

REFERÊNCIAS
Acemoglu, Daron, Naidu, Suresh, Restrepo, Pascual, Robinson, James (2018) "Democracy Does Cause Growth", Journal of Political Economy.

Barro, Robert J. (1997) Getting it Right: Markets and Choices in a Free Society, MIT Press,
Cambridge.

Bautista, María, González, Felipe, Martínez, Luis, Muñoz, Pablo, Prem, Mounu (2020) "Chile's Missing Students: Dictarioship, Higher Education and Social Mobility", WP.

Gerring, John, Philip Bond, William Barndt, and Carola Moreno (2005) “Democracy
and Growth: A Historical Perspective,” World Politics, 57 (3), 323-64.

Giuliano, Paola, Prachi Mishra and Antonio Spilimbergo (2013) “Democracy and Reforms:
Evidence from a New Dataset,” American Economic Journal: Macroeconomics, 5(4), 179–204.

Apêndice

Aqui apenas os gráficos das regressões para o ano de 2000, ilustrando as amostras:

A imagem será apresentada aqui.
A imagem será apresentada aqui.

Código Python

#Bibliotecas
import matplotlib.pyplot as plt 
import pandas as pd 
import seaborn as sb
import statsmodels.formula.api as smf

#Base de Dados original
dataset = pd.read_stata(r'D:\Desktop\UnB\Mestrado\Cursos\Econometria\Trabalho\DDCGdata_final.dta')

#Gráfico Brasil e Chile
chile_brazil=dataset[(dataset.country_name=="Chile")|(dataset.country_name=="Brazil")]

fig = sb.relplot(
  data=chile_brazil, kind="scatter",
  x="year", y="gdppercapitaconstant2000us",
  hue="dem", col="country_name"
  )
fig.set_titles(col_template='Country:{col_name}')
fig.set(xlabel='Year',ylabel='GDP per capita 2000')

 #Filtrando e removendo NaN da Base
dataset_f=dataset.filter(["country_name","year",
"gdppercapitaconstant2000us","lh_bl","ls_bl","y","dem","region","marketref","secenr",
                      "prienr","mortnew","ginv","loginvpc","lprienr","lsecenr","lmort",])
world=dataset_f.dropna()

#Filtrando para os anos de 1980, 1990 e 2000. Realizando as regressões:
dados1990=world[world.year==1990]
 model1990=smf.ols(formula='y~dem +lh_bl +ls_bl+ marketref', data=dados1990)
 model1990_fit=model1990.fit()
 print(model1990_fit.summary())

model1980 = smf.ols(formula = 'y ~ dem + lh_bl + ls_bl+ marketref  ', data = dados1980)
model1980_fit = model1980.fit()
print(model1980_fit.summary())

dados2000=world[world.year==2000]
model2000 = smf.ols(formula = 'y ~ dem + lh_bl + ls_bl+ marketref  ', data = dados2000)
model2000_fit = model2000.fit()
print(model2000_fit.summary()) 

#Gráficos 2000
dados2000_fil = dados2000[["y","lp_bl","lh_bl","marketref","dem"]]
count=1
plt.subplots(figsize=(10, 10))
for i in dados2000_fil.columns:
plt.subplot(2,2,count)
sb.regplot(dados2000_fil["y"],dados2000_fil[i])
plt.xlabel('log PIB per capita 2000')
plt.ylabel(i)
count+=1
plt.show()
...