Franc¸ois Langot
Universit´e du Mans (GAINS-TEPP, IRA) Institut Universitaire de France
Paris School of Economics Cepremap (ENS-Paris)
Septembre 2019
Les hypoth` eses du Mod` ele de Solow
Question
Comment utliser le mod` ele de Solow ?
Epargne S
t= sY
tInvestissement I
t= S
tAccumulation du capital : K
t+1= (1 − δ)K
t+ I
tFonction de production : Y
t= K
tα(X
tL
t)
1−αCoissance de la population : L
t+1= (1 + n)L
tCoissance des connaissances : X
t+1= (1 + g )X
tR´ esoudre le mod` ele de Solow
La dynamique d’´ equilibre en niveau K
t+1= (1 − δ)K
t+ I
t= (1 − δ)K
t+ S
t= (1 − δ)K
t+ sY
t= (1 − δ)K
t+ sK
tα(X
tL
t)
1−αProbl` eme : X
tet L
tcroissent ⇒ faire un changement de
variable pour tout exprimer en variable par ”tˆ ete efficace”
R´ esoudre le mod` ele de Solow
On d´ efinit k
t= K
t/(X
tL
t) K
t+1X
tL
t= (1 − δ) K
tX
tL
t+ s
K
tX
tL
tα
K
t+1X
t+1L
t+1X
t+1L
t+1X
tL
t= (1 − δ)k
t+ sk
tαk
t+1(1 + g )(1 + n) = (1 − δ)k
t+ sk
tαEn utilisant l’approximation (1 + g )(1 + n) ≈ 1 + n + g , on d´ eduit
(1 + n + g )k
t+1= (1 − δ)k
t+ sk
tαL’´ etat stationnaire
Id´ee
Il existe un ´ etat stationnaire lim
t→∞k
t= k Solution de l’´ etat stationnaire (t → ∞)
(1 + n + g )k = (1 − δ)k + sk
α(n + g + δ)k = sk
αk =
s n + g + δ
1−α1
le capital par tˆ ete croˆıt avec le taux d’´ epargne s et d´ ecroˆıt
avec la d´ epr´ eciation (n, g, δ)
Approximations pour simplifier l’analyse de la dynamique
Question
Comment simplifier pour obtenir une ´ evolution lin´ eaire ? Un peu de ”cuisine”
on a une ´ equation de r´ ecurrence non-lin´ eaire : k
t+1= (1 − δ)k
t+ sk
tα(1 + n + g ) ≡ F (k
t)
On fait une approximation de la fonction F (k
t) autour de k pour avoir une fonction lin´ eaire (d´ eveloppement de Taylor ` a l’ordre 1)
k
t+1≈ F (k) + F
0(k)(k
t− k)
Approximations pour simplifier l’analyse de la dynamique
Calcul de F
0(k) F
0(k) = d
dk
(1 − δ)k + sk
α(1 + n + g )
= (1 − δ) + s αk
α−1(1 + n + g ) La solution de l’´ etat stationnaire donne k
α−1= (n + g + δ)/s d’o` u F
0(k ) =
1−δ+α(n+g+δ)(1+n+g)
=
1−(1−α)δ+α(n+g) (1+n+g). Soit
F
0(k ) ≈ 1−(1−α)δ+α(n+g )−(n +g ) = 1−(1−α)(δ +n +g ) on regroupe, sachant que k = F (k),
k
t+1≈ k + (1 − (1 − α)(δ + n + g )) (k
t− k ) k
t+1− k
t≈ − (1 − α)(δ + n + g )
| {z }
=λ∈(0,1)
(k
t− k)
Les enseignements de la dynamique
Question
Que se passe-t-il avant l’infini, ie. avant de converger vers l’´ etat stationnaire ?
L’´ ecart entre ce que l’on obsreve aujourd’hui et l’´ etat stationnaire qui sera atteint ` a l’infini est donn´ e par
k
t+1− k
t= −λ(k
t− k ) ⇔ (k
t+1− k) = (1 − λ)(k
t− k) Partant d’une condition initial k
0quelconque, on a donc
k
bt= (1 − λ)
tk
b0avec (k
t− k) ≡ k
bt∀t
PropositionOn convrege vers l’´ etat stationnaire ∀k
0. Comme 0 < λ < 1,
lim
t→∞bk
t= 0 ⇔ lim
t→∞k
t= k.
Vitesse de convergence
Question
A quelle rythme converge-t-on vers l’´ etat stationnaire ?
Combien de p´ eriodes T faut-il pour r´ eduire de moitier l’´ ecart entre la condition initiale et l’´ etat stationnaire ?
k
bT= 1
2 k
b0soit
12= (1 − λ)
T⇔ T =
log(1−λ)log(1/2)λ petit ⇒ T petit : λ indique la vitesse de convergence
α δ n g λ T
0.3 0.1 0.01 0.02 0.0910 7.2649
0.4 0.1 0.01 0.02 0.0780 8.5352
0.3 0.05 0.01 0.02 0.0560 12.0277
0.3 0.1 0.03 0.02 0.1050 6.2484
0.3 0.1 0.01 0.01 0.0840 7.9001
De la th´ eorie aux donn´ ees : tout ´ ecrire en revenu par tˆ ete ( y e
t)
Remarque 1 : on a y
t= αk
t⇒
k
bt= (1 − λ)
tk
b0⇔ y
bt= (1 − λ)
ty
b0Remarque 2 :
log(k
t) − log(k) = log(k
t/k ) = log 1 +
ktk−k≈
ktk−k⇒
y
bt= (1 − λ)
ty
b0⇔
log(y
t) − log(y) = (1 − λ)
t(log(y
0) − log(y )) Remarque 3 : y = k
α=
s n+g+δ
1−αα
⇒
log(y) =
1−αα(log(s) − log(n + g + δ)) Remarque 4 : y
t=
X1t
y
eto` u y
et= Y
t/L
tet X
t= (1 + g )
tX
0⇒
log(y
t) = −gt − log(X
0) + log( y
et)
De la th´ eorie aux donn´ ees
L’´ evolution de la richesse par tˆ ete ( y
et= Y
t/L
t) est : log( y
et) = gt + [1 − (1 − λ)
t] log(X
0) + (1 − λ)
tlog(
ey
0)
+[1 − (1 − λ)
t] α
1 − α (log(s ) − log(n + g + δ)) On observe pour chaque pays i
{yi,t}Tt=0 yi,0
On suppose que les param` etres communs sont {g , α, s, n} ⇒ λ identique entre pays Les diff´ erences institutionnelles sont dans
log(X
i,0) = x
0+
iDe la th´ eorie aux donn´ ees : y-a-t-il convergence ?
Utilisation des MCO sur la diff´ erence entre t = T et t = 0 :
log(yei,T) = gT+ [1−(1−λ)T] log(Xi,0) + (1−λ)Tlog(yei,0) +[1−(1−λ)T] α
1−α(log(s)−log(n+g+δ)) log(yei,0) = log(yei,0)
⇒log(eyi,T)−log(yei,0) = gT+ [1−(1−λ)T] log(Xi,0)−[1−(1−λ)T] log(yei,0) +[1−(1−λ)T] α
1−α(log(s)−log(n+g+δ))
⇔log(eyi,T)−log(yei,0) = a+blog(yei,0) +i
a b λ = 1 − (b + 1)
1/25R
222 pays 3.69 -0.341 0.0167 0.46
OCDE (0.68) (0.079) (0.0023)
98 pays -0.266 0.0943 -0.0036 0.03 (0.38) (0.049) (0.00219)
Mankiw et al (1992) – 1960-1985
Les donn´ ees : une convergence conditionnelle
Utilisation des MCO sur la diff´ erence entre t = T et t = 0 :
log(yei,T)−log(eyi,0) = a0+a1log(si) +a2log(ni+g+δ) +blog(eyi,0) +i
a
0a
1a
2b λ R
222 pays 2.19 0.392 -0.753 -0.351 0.0173 0.62 OCDE (1.18) (0.176) (0.341) (0.066) (0.0019)
98 pays 1.93 0.647 -0.299 -0.141 0.006 0.38
(0.83) (0.087) (0.304) (0.052) (0.00182)
Mankiw et al (1992) – 1960-1985
Probl` emes : irr´ ealisme des estimateurs
Pour les pays de l’OCDE
Des estimations faibles deλ∈[0.0167,0.0173] soit T ∈[39.7; 41.15]
alors que la calibration deλavec des valeurs observables de {α, δ,n,g} conduisent `a
λ≥0.0560 soit T ≤12
Sur l’ensemble des pays, des estimations tr` es faibles
λ = 0.006 soit T = 115
⇒
Ce mod` ele est donc trop ”r´ eduit” pour rendre compte des donn´ ees et surtout expliquer le ”sous-d´ eveloppement”
Id´ee
Introduire un autre facteur accumulable, autre que le capital
Extension : le capital humain ` a la Mankiw et al (1992)
Epargne financi` ere : I
t= s
kY
tEducation : E
t= s
hY
tAccumulation du capital physique : K
t+1= (1 − δ)K
t+ I
tAccumulation du capital humain : H
t+1= (1 − δ)H
t+ E
tFonction de production : Y
t= K
tαH
tβ(X
tL
t)
1−β−αCoissance de la population : L
t+1= (1 + n)L
tCoissance des connaissances : X
t+1= (1 + g )X
tExtension : le capital humain ` a la Mankiw et al (1992)
Changements de variable : k
t=
XKttLt
et h
t=
XHttLt
La fonction de production : y
t= k
tαh
βtLes ´ evolutions temporelles des variables accumulables :
(1 + n + g )k
t+1= (1 − δ)k
t+ s
ky
t(1 + n + g )h
t+1= (1 − δ)h
t+ s
hy
tExtension : le capital humain ` a la Mankiw et al (1992)
L’´ etat stationnaire, ie. quand lim
t→∞k
t= k et lim
t→∞h
t= h est d´ efini par
(δ + n + g )k = s
ky (δ + n + g )h = s
hy y = k
αh
βCe qui consuit ` a
k = s
k1−βs
hβδ + n + g
!1−α−β1
h = s
kαs
h1−αδ + n + g
!1−α−β1
Calculs pour obtenir k et h
k
h = s
ks
hy =
s
ks
hα
h
α+β(δ + n + g )h = s
hs
ks
h αh
α+β= s
kαs
h1−αh
α+βh = s
kαs
h1−αδ + n + g
!1−α−β1
Idem pour k
Extension : le capital humain ` a la Mankiw et al (1992)
On d´ eduit alors le produit par tˆ ete y = s
α 1−α−β
k
s
β 1−α−β
h
(δ + n + g )
−α−β 1−α−β
Ce qui conduit ` a
log(y) = α
1 − α − β log(s
k) + β
1 − α − β log(s
h)
− α + β
1 − α − β (δ + n + g )
PropositionPour une mˆ eme valeur de α que dans le mod` ele de Solow, le
mod` ele de Mankiw et al pr´ edit une plus forte sensibilit´ e du revenu
par tˆ ete (y ) au taux d’´ epargne s
k, mais aussi au taux de croissance
d´ emographique n
La dynamique du mod` ele de Mankiw et al (1992)
Comme dans le mod` ele de Solow, l’accroissement du produit par tˆ ete est donn´ e par
y
t+1− y
t= −λ(y
t− y ) (y
t+1− y) − (y
t− y) = −λ(y
t− y )
y
t+1− y
y − y
t− y
y = −λ y
t− y y y
t+1− y
y = (1 − λ) y
t− y y
log(y
t+1) − log(y) = (1 − λ)[log(y
t) − log(y)]
log(y
t+1) − log(y) = (1 − λ)
t+1[log(y
0) − log(y )]
log(y
T) = (1 − λ)
Tlog(y
0) + [1 − (1 − λ)
T] log(y)
Mais y change et donc n´ ecessairement l’estimation de λ
Evaluation empirique de Mankiw et al (1992)
Etape 1 : les donn´ ees en coupe.
Supposons que l’on est ` a l’´ etat stationnaire.
L’´ evolution de la richesse par tˆ ete ( y
et= Y
t/L
t) est : log( y
et) = gt + log(X
0) + log(y )
= gt + log(X
0) + α
1 − α log(s
k)
− α
1 − α log(δ + n + g ) + β
1 − α log(h) car y =
sk
δ+n+g
1−αα
h
1−αβh est approxim´ e par le taux de scolarisation entre 12 et 17 ans
Evaluation empirique de Mankiw et al (1992)
Table– log(yet) =a+blog(sk) +clog(δ+n+g) +dlog(h)
Non-Oil Intermediate OECD
a 6.89 7.81 8.63
b 0.69 0.70 0.28
c -1.73 -1.50 -1.07
d 0.66 0.73 0.76
R
20.78 0.77 0.24
] 98 75 22
Evaluation empirique de Mankiw et al (1992)
Etape 1bis : les donn´ ees en coupe et estimation structurelle.
Supposons que l’on est ` a l’´ etat stationnaire.
L’´ evolution de la richesse par tˆ ete ( y
et= Y
t/L
t) est : log( y
et) = gt + log(X
0) + log(y )
= gt + log(X
0) + α
1 − α − β [log(s
k) − log(δ + n + g )]
+ β
1 − α − β [log(s
h) − log(δ + n + g )]
car y = s
α 1−α−β
k
s
β 1−α−β
h
(δ + n + g )
−α−β 1−α−β
s
hest approxim´ e par le taux de scolarisation entre 12 et 17 ans
Evaluation empirique de Mankiw et al (1992)
Table–
log(yet) =a+b[log(sk)−log(δ+n+g)] +c[log(sh)−log(δ+n+g)]
Non-Oil Intermediate OECD
a 7.86 7.97 8.71
b 0.73 0.71 0.29
c 0.67 0.74 0.76
R
20.78 0.77 0.28
] 98 75 22
Implied α 0.31 0.29 0.14
Implied β 0.28 0.30 0.37
La vitesse de convergence - Mankiw et al (1992)
Une calibration simple.
Param` etres de la fonction de production : α = β = 1/3 n + g + δ = 0.06
⇒
λ = (n + g + δ)(1 − α − β) = 0.02 ce qui implique une dur´ ee pour parcourir la moitier de la transition ´ egale ` a 34 ans Rappel : avec le mod` ele de Solow, on avait α = 1/3, mais β = 0, donc λ = 0.04 ce qui implique une dur´ ee pour parcourir la moitier de la transition ´ egale ` a 17 ans....
beaucoup moins de persistence !
La vitesse de convergence - Mankiw et al (1992)
Une estimation.
log(y
T) = (1 − λ)
Tlog(y
0) + [1 − (1 − λ)
T] log(y) log( y
eT) − log(y
0) = gT + log(X
0) − [1 − (1 − λ)
T] log(y
0)
+[1 − (1 − λ)
T] log(y )
log( y
eT) − log(y
0) = gT + log(X
0) − [1 + (1 − λ)
T] log(y
0) +[1 − (1 − λ)
T]
a
+b[log(s
k) − log(δ + n + g )]
+c [log(s
h) − log(δ + n + g )]
Calculs de la vitesse de convergence
k
t+1= F (k
t, h
t) h
t+1= G (k
t, h
t)
k
t+1= k + F
k0(k , h)(k
t− k) + F
h0(k, h)(h
t− h) (k
t+1− k )/k = F
k0(k, h)(k
t− k )/k + F
h0(k, h)(h/k)(h
t− h)/h
h
t+1= h + G
k0(k , h)(k
t− k) + G
h0(k , h)(h
t− h) (h
t+1− h)/h = G
k0(k, h)(k/h)(k
t− k)/k + G
h0(k, h)(h
t− h)/h
(y
t− y)/y = α(k
t− k )/k + β(h
t− h)/h
Calculs de la vitesse de convergence
(y
t+1− y)/y = α(k
t+1− k)/k + β(h
t+1− h)/h
= α
F
k0(k , h)(k
t− k)/k + F
h0(k, h)(h/k)(h
t− h)/h +β
G
k0(k , h)(k /h)(k
t− k)/k + G
h0(k, h)(h
t− h)/h F
k0(k, h) = 1 − δ + s
kαy/k
1 + n + g = 1 − δ + α(δ + n + g ) 1 + n + g F
h0(k, h)(h/k) = s
kβy /h
1 + n + g (h/k) = β(δ + n + g ) 1 + n + g G
k0(k, h)(k/h) = s
hαy/k
1 + n + g (k/h) = α(δ + n + g ) 1 + n + g G
h0(k, h) = 1 − δ + s
hβy/h
1 + n + g = 1 − δ + β(δ + n + g )
1 + n + g
Calculs de la vitesse de convergence
Multiplicateur devant les termes en (k
t− k )/k :
αFk0(k,h) +βGk0(k,h)(k/h)
= α1−δ+α(δ+n+g)
1 +n+g +βα(δ+n+g) 1 +n+g
= α1−δ+ (α+β)(δ+n+g) 1 +n+g
≈ α[1−(1−α−β)(δ+n+g)]
Multiplicateur devant les termes en (h
t− k )/h :
αFh0(k,h)(h/k) +βGh0(k,h)
= αβ(δ+n+g)
1 +n+g +β1−δ+β(δ+n+g) 1 +n+g
= β1−δ+ (α+β)(δ+n+g) 1 +n+g
≈ β[1−(1−α−β)(δ+n+g)]
Calculs de la vitesse de convergence
(y
t+1− y)/y = α [1 − (1 − α − β)(δ + n + g )] (k
t− k)/k +β [1 − (1 − α − β)(δ + n + g )] (h
t− h)/h
= [1 − (1 − α − β)(δ + n + g )]
α(k
t− k)/k +β(h
t− h)/h
= [1 − (1 − α − β)(δ + n + g )] (y
t− y)/y D’o` u l’on d´ eduit, avec λ = (1 − α − β)(δ + n + g ),
(y
t+1− y)/y = (1 − λ)(y
t− y)/y log(y
t+1) − log(y) = (1 − λ)[log(y
t) − log(y )]
(y
t+1− y ) − (y
t− y) = (1 − λ)(y
t− y) − (y
t− y)
y
t+1− y
t= −λ(y
t− y)
Estimation de la vitesse de convergence par Mankiw et al (1992)
Table–log(ey1985)−log(ye1960) =
a+blog(ye1960) +clog(sk) +dlog(sh) +elog(δ+n+g)