![]()
Regional Convergence and Agglomeration in Argentina : a spatial panel data approach
![]()
Résumé.
Cet article étudie la convergence des revenus par tête entre les 23 provinces argentines de 1983 à
2002. L'objet de ce papier est d'appliquer de nouvelles méthodes d'estimation en suivant la procédure
en deux étapes de Badinger et al. (2004). Nous combinons une méthode de filtrage spatial des
variables éliminant l'autocorrélation spatiale (Getis et Griffith, 2002) et un estimateur adapté à un
panel dynamique (en utilisant un estimateur MMG) en différences premières et en système). Nos
estimations sur données filtrées concluent à une convergence conditionnelle entre les provinces
argentines et à un impact significatif de la variable agglomération sur le taux de croissance. Ainsi,
nos résultats montrent qu'ignorer les distorsions spatiales dues à la proximité géographique à des
estimations erronées et sous-estiment la vitesse de convergence notamment des provinces éloignées de
Buenos Aires. De plus, l'estimation des effets d'agglomération est améliorée lorsque l'autocorrélation
spatiale est éliminée.
Abstract.
This paper examines the per capita income convergence process among 23 Argentinian
provinces over the period 1983-2002. The purpose of this work is to apply new estimation
methods following two-step procedure as in Badinger et al. (2004). We combine a
spatial filtering of variables to remove the spatial correlation (Getis and Griffith, 2002)
and suitable estimators for dynamic panels (using first-differenced and system GMM
estimators). Our estimations on filtered variables reveal a conditional convergence process
between Argentinian provinces and a positive and significant impact of agglomeration
variables on growth rate. Hence, our results show that ignoring spatial distortions due to
geographic proximity misleads estimations and underestimates the speed of convergence
specifically for provinces which are distant from Buenos Aires. Moreover, we improve
estimations of agglomeration effects when spatial autocorrelation is removed.
JEL Classification :
C23, O00, R11.
![]() |