可持续发展：全球人类发展水平的趋同性及其影响

可持续运营和计算机2（2021）127在1999/2018年期间，跨国的HDIs水平是否可持续？Bootstrap分位数回归方法的一个应用Anju Goswami，Hiranmmoy Roy，Prashant Giri石油和能源研究大学，经济和国际商务系，印度德拉敦aRT i cL e i nf oJEL分类代码：O15O47C87保留字：������人类发展指数Bootstrap分位数回归方法合并OLS模型a b sTR a cT20世纪90年代至2018年各国的潜在增长和整体经济发展������对这些知识进行适当的调查对经济体的监管机构至关重要，这表明各国人类发展指数水平的差异是否缩小，包括全球经济衰退期间（2007/09年）。实证证据是从不同的方法，以互补的方式进行分析：i）自助分位数回归方法在静态面板框架，它允许假设的非线性，特别是对于那些有共同的经济发展道路，同时估计收敛结果。（二）OLS模式，检查评估收敛结果的合理性，并确认我们的核心应用模型的有效性。所有方法都显示了所有HDI组无条件收敛的强有力证据，表明所有分类的HDI组都有可能增加其收敛趋势。���这主要是由于欠发达国家的向前流动较慢，而较发达国家的向后流动较快。对人类发展指数趋同性的估计提供了进一步的见解，并表明，人类发展指数趋同性集群的形成和组成是减少中等和低等国家不平等和分散的一个显著特征。1. 介绍在研究区域一级的区域差距和全球人类发展不平等的同时，注意调查人类发展指数（HDI）的趋同问题已成为研究人员相当感兴趣的主题（例如，[3，17，34，35]）。国家间和国家内部的人类发展指数缺乏一致性，表明国家内部和国家之间存在不平等，可能导致政治不稳定、社会动荡和暴力。这一情景表明，低人类发展指数国家不仅要提高自身的生活水平，还需要关注国家整体财富的提高[28]。这一事实与跨国趋同分析密切相关，跨国趋同分析不仅有助于向监管者和政策制定者展示针对实际落后国家实现经济增长的有效措施，而且还为设计关注包容性的公共政策提供了良好的空间。经济体居民的社会包容性[14]。然而，许多研究人员仅使用人均GDP作为幸福指数来确定各国的趋同现象。最初，森[47]和联合国开发计划署发表的报告[54]认为，国家福祉和自由的变化∗ 通讯作者。电子邮件地址：gmail.com（A. Goswami）。https://doi.org/10.1016/j.susoc.2021.06.001DOM不能通过收入统计来捕获（即，人均GDP）。同样，Borgignon和Morrison[10]也主张收入因素不仅仅是福祉的维度，因此考虑其他社会经济维度来衡量福祉方面是可取的。Neumayer[38]和Kenny[28]的结论是，如果人均GDP没有趋同，这并不意味着穷国和富国之间的生活水平也没有趋同。基于类似的理由，Mayer和Foulkes[33]建议，需要考虑其他社会经济方面（如生活质量、寿命和成人识字率），以实现人类发展指数趋同的真实情景。过去几十年来，这一论证思路在学术界获得了突出地位，导致许多人试图将人类发展指数的不同来源综合成一个综合指数，这被认为是比单独的人均收入更全面地看待这一进程的一个角度[26]。此外，这里还值得注意的是，Mayer-Foulkes[33]; Ca- ballero[14];Jordá和Sarabia[26]; Janssen等人[25]; Ortega等人[41]，Spangenberg[50]和Yang等人[56]专注于显示HDI每个维度的收敛模式，而不是复合HD指数。这些研究认为，由于每个人类发展指数来源都遵循自己的集合，因此不同的组成部分表现出不同的收敛模式 的过渡。然而，他们的研究未能揭示一个整体的phe-接收日期：2021年3月10日;接收日期：2021年5月4日;接受日期：2021年6月17日2021年6月26日在线提供2666-4127/© 2021作者。由Elsevier B.V.代表KeAi Communications Co.出版，这是一篇CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表可持续运营和计算机期刊主页：http://www.keaipublishing.com/en/journals/sustainable-operations-and-computers/A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127128全球层面的人类发展指数趋同现象，我们试图假设和讨论在这项研究中。然而，选择HDI综合指数的另一个原因是高秩相关性的存在人类发展指数及其基本组成部分，反映了人类发展指数每个维度提供的信息的冗余问题，因此要分析跨国趋同现象，我们发现它是最合适的（Jordáand Sabaria 2015）。此外，这也是一个众所周知的事实，这种经济进步的人类发展指数可能会有所不同的国家之间，因为每个国家正在使用不同的政策，以提高其人类发展指数的水平，因此，各国可能能够收敛其人类发展指数的水平全球或反之亦然。因此在对HDI趋同现象进行分析时，认为不同国家间的HDI趋同现象可能存在差异，但诸如“不同国家间人类发展的不平等是否在减少”等HDI趋同理论和测度却一直没有引起决策者的足够重视，这可能是观察全球经济进步现象的一个重要视角。因此，本研究的目的是在这个方向上进行尝试。在本文中，我们利用了1990-2018年期间各国间的可预测和无条件的人类发展指数收敛性，这对理解189个国家间离散度的减少做出了有价值的贡献。该应用基于[5在此，人类发展指数趋同的过程是指我们可以通过什么样的过程来检验，通过走更快的增长道路，较低的人类发展指数经济体是否能赶上较富裕的人类发展指数经济体？ 特别是，无条件地 收敛概念有能力解释跨国低人类发展指数国家点燃增长进程的潜力1。10.人类发展指数趋同研究了同样，趋同假说也分析了人类发展指数水平在各国之间的离散程度是否有所下降���在一段时间内。需要注意的是，不存在非趋同并不意味着各国之间不存在趋同情景，而存在非趋同并不一定意味着所有国家都在走向趋同，因此，sigma和beta趋同都是我们在本研究中获得的趋同情景的先决条件。此外，我们还尝试对两种不同的模型，如自举分位数回归（BSQR）方法和混合OLS方法，进行了HDI收敛估计的比较，这在现有文献中可能是一个新的尝试。该方法允许去除绝对收敛中的线性假设[15]。因此，它相信，所使用的方法将能够得出全面的结论，人类发展指数之间的跨国视角趋同的存在。在此应用的基础上，提出了以下问题：第一，1999/2018年各国的人类发展指数水平是否可持续？特别是，文件访问，最初低人类发展指数的国家有能力赶上最初高人类发展指数的国家从1990年至2018年？特别是，我们更倾向于看到低人类发展指数水平在分析期间与高人类发展指数水平趋同的速度第二，低人类发展指数水平和高人类发展指数水平之间的差异是否会在一段时间内减少上述背景迫使我们以下列方式为现有的人类发展文献作出贡献。首先，本文在静态面板框架下，从整体上考察了人类发展指数的非条件收敛和非条件收敛特征，并将其分为四个不同的人类发展指数组，这是迄今为止研究者获得人类发展指数的综合估计数[1]这里，无条件收敛是指所有交叉经济体都将收敛到同一个稳定状态[11]。为了对189个国家进行趋同，我们使用了从1990-2018年期间的国际人类发展指标[55]中提取的最新可用的五年期数据集从联合国开发计划署，我们获得了同质和复合的人类发展指数数据，用于大量的观察和更广泛的分析。开发署提供了1990-2015年期间的5年滞后数据集，但从2015-2018年开始，开发署开始提供按年度计算的人类发展指数数据库。因此，由于无法获得1990-2000年、2000-2010年、2010-2013年和2013-2015年的它值得注意的是，这是第一个将整个国家的人类发展指数水平分为四大类的研究，即，人类发展指数水平很高的国家（62个）、高人类发展指数水平的国家（54个）、中等人类发展指数水平的国家（37个）和低人类发展指数水平的国家（36个），这有助于揭示人类发展指数在全球范围内趋同的密集和危急情况。这些假想的事实进一步使我们能够将趋同现象与人类发展指数水平的每一个类别进行比较，这将有助于监管机构制定适当的政策，以促进福祉，并针对不同的国家。其次，现有的研究都没有涉及更长时间的水平线数据，包括改革和全球金融危机时代，使我们能够确定全球人类发展指数趋同的真实情况（请，更多信息见表1）。该分析考虑了1980-2018年期间，研究了经济危机前后福祉指标的差异。模拟人类发展指数的收敛在跨国层面上，对不同经济体的政策制定者来说是相关的，特别是考虑到金融危机之前、期间和之后的情况。第三，关于研究中使用的方法-使用一种新的自举分位数回归实证方法来分析可持续发展指数收敛和无条件可持续发展指数收敛的概念。该模型的选择使我们能够解决模型结构差异的问题，这些问题实际上很难在跨国使用标准线性模型进行此外，分位数方法还提供了更强大的绝对估计，���回归系数的传统平均值，因为该模型遵循异方差稳健和无分布框架[23]。此外，我们对分类的HDI组重复了这一分析，以检查模型的稳健性，从而使用OLS方法在相同的静态面板框架中重新运行回归，这也是我们论文的新颖之处。比较OLS估计再次为我们的核心应用BSQR模型和预测结果提供了强有力的证明。此外，我们还使用ANOVA检验检查了不同HDI组的平均值在分析期间是否显著改善这在现存的文献中几乎没有被研究本文其余部分的结构如下。在第二中，我们介绍了1990年至2018年不同类型人类发展指数群体的人类发展指数演变第3节讨论了相关文献综述。第四部分提出了本研究所采用的方法论观点。数据库描述见第5节。第6节揭示并讨论了所有人类发展指数群体的估计经验结果。最后的结论和政策影响见第7。2. 不同人类发展指数组的人类发展指数演变：1990-2018年正如我所料，从图。1、2、3和4我们注意到显著变化全球人类发展指数。所有数据大致显示人类发展指数水平自一九九零年至二零一八年期间稳步上升。然而，人类发展进步的分化趋势在2000年之前是可见的，但从2013年到2018年，所有国家都向更高的HDI水平靠拢。当我们试图显示所有观察到的国家的人类发展指数水平的类别数字时，人类发展指数的清晰图景就显现出来了。 特别是，我们观察到，挪威是人类发展指数最高的国家之一，而尼日尔是在整个研究期间所有国家中报告的人类发展指数最低的国家之一（见图2和图3）。1和4）。引人注目的是，在人类发展指数较低的国家中，卢旺达的人类发展指数水平从1990年到2017年飙升了约109.6%。这可能是由于出生时的预期寿命增加了33.3%，平均受教育年限增加了2.3A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127129表1收敛估计的国际研究--文献的最新证据作者（年份）研究时间[22]2004Ortega等人[41]1990-回归模型Carlos（2018）1992Baarsch等人[8]1980Carbal et al.（2019）1973-动态面板数据技术存在收敛（是/否）收敛类型是雾霾污染是腐败效应人类发展人类发展收入收入Chanda和Kabiraj[12]1992Cie 'slik和Wci' slik[13]1995欧洲-8个国家和15个欧盟国家Phillips and Sul模型适用于中东欧8国;不适用于欧盟15国收入米特罗维奇[37]2002数据包络分析（DEA）和Malmquist生产率指数是的数码Romero等人[44]2007收敛Cartone等人[15]1981使用空间分位数回归是经济增长Luintel等人[31]1978-是：公共支出大于资本支出构成趋同：公共和资本Desli和Gkoulgkenka[19]1980-收敛速度指数Bai等人[9]1997Sun等人[51]1980-使用Phillips和Sul模型的Miles[36]1975收入是能源环境效率房价不收敛资料来源：作者Fig. 1. 人类发展指数极高群体的人类发展指数演变情况）1990年至2017年，人均国民总收入增长了108.4%，这有助于卢旺达人类发展指数水平的上升在所有人类发展指数高的国家中，伯利兹也出现了类似的趋势。伯利兹的人类发展指数、人均国民总收入、平均受教育年限和预期受教育年限等所有组成部分都稳步上升，但预期寿命分别从2017年的71.2%下降到2017年的70.6%但是，边际这一部分的下降对伯利兹国家人类发展指数的上升没有明显影响，因此在一段时间内人类发展指数水平仍呈趋同趋势。此外，从图中可以看出，这一点很重要。3最初，马绍尔群岛、巴勒斯坦、佛得角、东帝汶、基里巴斯、不丹、密克罗尼西亚、瓦努阿图、安哥拉和所罗门群岛在中等人类发展指数组中的人类发展指数值较低。A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127130图二. 高水平人类发展指数组图三. 中等人类发展指数组见图4。低水平人类发展指数组的人类发展指数演变情况）图1、2、3和4：不同人类发展指数组别资料来源：作者从2000年至最近的2018年，这些国家的人类发展指数显著改善。这主要是由于1995年至2015年期间人均国民总收入和预期寿命显著增加所有图表都支持我们在初始阶段的经验估计，即所有最初贫穷的国家都有能力在研究期间的后期赶上其人类发展指数水平3. 相关文献综述自索洛[48，49]和斯旺[52]的经典著作问世以来，趋同文学受到了学术界和研究者的广泛关注。这些研究表明，只有那些穷国有比富国增长更快的趋势，事实上，由于资本收益递减这个理论也被称为这种“绝对贝塔收敛”的概念因此，贝塔收敛的概念仍然强烈存 在 ， 并 且 直 到 现 在 在 研 究 市 场 上 仍 然 更 加 流 行 。 相 反 ，Durlauf[20]，Durlauf et al.[21]，Quah[42]使用其他参数非线性0.80.70.60.50.40.3199020152000201620102017201320180.80.60.40.2019902015200020162010201720132018A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127131回归和蒙特卡洛模拟，这似乎是不一致的，帐篷，以显示跨国收敛的模式。在经典文献中，一些研究（例如，参见Barro和Sala-i-Martin 1990，[6]; Sala-i-Martin 1996）试图研究可能影响经济的因素（如技术变化、人口增长和人力资本）及其收敛模式（称为特别是，研究人员假设结构参数的差异导致不同的稳态。基于同样的假设，Quah[42]、Zulham等人[8，57]和最近的Anwar[1]提出了统计证据，表明时间序列面板数据分析中的连续β收敛估计值可能过于模糊，无法接受收敛模型。在此之前，绝对和条件贝塔收敛的假设集中于检验人均收入增长率和初始产出水平之间的一般线性趋势[42，48]。这些研究主张，收入变量在衡量生活质量方面起着重要作用。在类似的基础上，OlaOluwa等人[40]对亚洲三个地区使用了傅立叶单位根检验，即，东北亚、东南亚和南亚。他们发现，南亚的收入趋同程度高于其他区域。研究还得出结论，各国收入的趋同仍然被视为发展经济学的重要因素。然而，在现实中，人均GDP是人类发展指数的一个不完整的指标，因为社会指标的相应组成部分消失了，反映了经济的缺失。这条论证路线在研究人员中获得了突出地位自1990年代以来，导致许多尝试合成不同的-这一方法将人类发展指数的三个方面合并为一个综合指数，与单独的人均收入相比，它提供了一个更广泛的人类发展指数视角。据作者所人均GDP）。这一观点不仅得到了传统文学的支持，而且也得到了当代文学的支持。在这种情况下，Borgignon和Morrison[10];Nissan等人，（2005）; Mayer和Foulkes[33]; Caballero[14]; Jordá和Sarabia[26]也主张收入因素不仅仅是福祉的维度，因此建议考虑到衡量福祉的其他社会经济层面。然而，在对100个跨国公司进行比较分析时，日产和Niroomand[39]确认人类发展指数指标是判断经济增长和发展的最可靠来源，而不是收入。因此，本研究的目的就是朝这个方向努力传统和当代的文学作品都表明，大多数研究-Majumdar（2003）; Nurbakh（2006）; Konya和Guisan[29]; Mayer-Foulkes[33]; Caballero[14]以及Jorda和Sarabia（2015）等国际组织测试了人类发展指数不同维度的趋同性，并报告了发达经济体除收入外的所有维度都存在分歧情景。遵循sigma和beta收敛的概念，Jun和John[27]研究了拉丁美洲跨区域内和区域间贸易、金融和技术流的产出收敛。该研究的结论是，国内政策和与区域外经济因素相互作用性质的变化似乎是趋同的更重要来源Neumayer[38]和Kenny[28]认为，即使人均国内生产总值没有趋同，穷国和富国之间的生活水平也可能趋同。最近，Caballero[14]证实了这一说法的跨国视角。最近我们可以看到，学者们正在改变他们的行为，以评估全球金融危机对人类发展指数水平的影响。在在这种背景下，大多数研究主要局限于欧洲国家。通过使用横截面和动态面板数据技术，René et al.[43]研究了1973年至2012年全球金融危机对欧洲国家经济增长和趋同的影响。研究表明，人均产出和转化率在金融危机的一年里，我们的收入下降了。然而，在欧洲危机后的几年里，研究中看到了绝对的趋同情景和积极的经济增长。Desli和Gkoulgkenka[19]得出了类似的观察结果，即世界最高收入经济体在1980-2016年期间的持续趋同过程中做出了贡献[15]使用空间分位数回归研究了12个欧洲国家187个地区经济增长决定因素的差异。经验证据表明，欧洲各区域的趋同程度往往较高，因为各区域之间的差距在更大程度上缩小。在跨国背景下，我们发现缺乏评估人类发展指数趋同的文献（见表1）。本研究提出了在这个方向上，并测试两个西格玛和绝对贝塔收敛假设使用的总指数的人类发展指数的非常高的人类发展指数，高人类发展指数，中等人类发展指数和低人类发展指数组，包括社会和经济指标共同。没有一项研究使用自举分位数回归对人类发展进行了更全面的定义。大多数研究（Barreto和Hughes，2004; Canarella和Pollard，2004; Cunningham，2003; Dufrenot等人，2010; Foster，2008; Melloand Perrelli，2003）探讨了主要局限于欧洲国家的经济增长趋同。此外，这些研究没有考虑分位数方法中俱乐部收敛的存在。因此，本研究采用自举分位数回归方法来获得无异方差的稳健性跨国俱乐部趋同的估计分位数回归也更好地理解不同的人类发展指数收敛自相关是否随不同的分位数而变化。这一观点在第5节中使用世界地图图示法突出显示。我们相信，本研究的统计证据可以为相关的政策制定者和监管者制定相关政策，为不太一致的国家。4. 方法框架与使用其他非参数和半参数技术来解释收敛过程中的非线性[[2]，[30]]相反，本研究在（β）和无条件β（β）收敛的概念中执行了自举分位数回归模型[5使用增强的理论模型是因为它允许我们探索基于收敛速度的潜在差异在近似的分位数上。早期的文献，Mayer-Foulkes[33];Azom- ahou等人[2]; Federici等人（2019）表明，在收敛的基本假设下，所有经济体都遵循一个共同的线性规范基础趋势，这在最近的文献中发现了问题，不适合估计横截面单位。线性模型不能解决横截面单元中出现的结构差异和异质性问题。然而，类似的想法已经被Quah（1993a，b）和Friedman[23]证实，他们认为线性回归的结果可能会受到回归谬误的影响，特别是在引用独立同分布假设时。因此，分位数回归（Koenker和Bassett，1978年）是分析协变量对人类发展指数增长水平超出共同平均效应的各种效应的适当工具。这种方法采用半参数框架，有可能显示出更稳健的中值全局收敛系数，并更准确地塑造超出条件均值参数的显著趋势。4.1. 无条件收敛分析根据方程的静态面板回归模型。(1)已被用来估计���收敛非常高的HDI水平，高HDI水平中等A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）1271321990年至2018年期间的人类发展指数水平和低人类发展指数水平2：这两个方程。 （1&2））使系数更稳健。 这里������������[001pdf 1st-31files]������������，=+ln（������������，）+ ���，（一）选择的分位数（即，n= 0.5）表示GI的更高水平的条件分布（即，每个横截面的人类发展指数增长解释-其中下标i= 1，....，n和t= 1，…，分 别表示面板的横截面和时间维度。 因变量ln������������[（���，���）−（���，���−1]= ln（������������，���）− ln（������������，���−1）和���ln（������������，���）是自变量之一，它代表t时经济体j的人类发展指数的对数平均值，������是t时���未观察到的人类发展指数组成部分或经济体特有的因素j。 负的显著系数���表明不同的人类发展指数群体之间存在“追赶”能力，这意味着在研究所涵盖的时期内，人类发展指数较低的经济体正在追赶人类发展指数最初较高的经济体。 ���- 收敛也用于推断收敛速度。众所周知，���在跨国数据中不容易观察到绝对收敛。因此，在Eq.（1）：���ln（������������，���）+������，���，我们假设它遵循一个共同的稳定状态。然而，鉴于其记录的异质性，各国可能具有不同的稳定状态，这反过来又由独特的分位数回归方法确定。各经济体可能是趋同的，也可能是趋异的，在人类发展指数水平上可能没有什么额外的变化，在同质性和异质性之间产生联系。这些复杂性只会意味着我们在国家人类发展指数层面的分析可能会在文献中增加更大的价值。4.2. ���收敛性分析本文采用趋同的概念来评估人类发展指数在极高、高、中、低四个经济体中的变化是否随时间的推移而减少。在静态面板框架下，使用OLS和BSQR回归方法进行实证检验。用于获得收敛估计值的模型如下所示���ln，=+���������+���，（2）������其中������ln为不同HDI组间平均HDI评分的标准差;ln为常数，ln为趋势变量。���������如果λ-系数为负且显著，则HDI群中存在λ-收敛（λ0）从理论上讲，这意味着随着时间的推移，人类发展指数群体的分散程度会人均收入和人均收入的绝对值越高，表明各经济体内人类发展指数水平趋同的速度越快Bootstrap作为标准分位数回归中的一个替代功能，用于在参数框架中捕获环境变量的影响，以便相对于简单的合并OLS方法提供真正收敛的HDI估计。因此，为了证明这一说法，本研究提供了一个明确的和比较的收敛估计之间的两个模型，这可能是一个新的尝试，在现有的文献。4.3. 五年期数据集在本文中，我们在分位数回归方法中部署了类似的bootstrap过程，以概念sigma和无条件beta收敛来估计不同HDI水平的偏差校正效率估计（Kokic等人，1997; Simar and Wilson（1998，2000，2007）.传统的合并OLS模式不遵循重复模拟的性质，然而，在自举框架中，通过数据生成过程，我们可以从每个模拟中获得新的偏差校正估计值（Simar和Wilson，2007; Wijesiri等人，2015年）。因此，我们在标准分位数回归模型中加入了自助程序，以获得偏倚校正的效率评分。 特别地，我们设置条件分布（即，对于以下情况，重复次数= 0.5且自举次数= 1002通过Stata12.为了执行错误分位数回归，将使用100个引导式重复，其提供估计器的方差-协方差矩阵（标准误差）（参见STATA软件，2012）。分位数回归的增长应用表明，在协变量的每个水平上，条件分布水平较高的经济单位相对于条件分布水平较低的经济单位表现更好。给定模型中通过一定水平的协变量处理的一组特征，处于无条件分布较高部分的经济体（即，对于所选择的水平，具有较低的残差，可以认为与其他水平相比性能更好[11]。这种方法是从简单的合并OLS模型扩展而来的，它使我们能够更好地理解条件增长的模式，以了解不同的人类发展指数协变量如何影响经济群体，包括人均GDP，其他福利指标，检查可能的异质性增长动力来自分位数的应用。为了证明这一观点，我们还分别进行了两个不同的分析i）合并OLS估计值; ii）自举分位数回归估计值，以检查各国的sigma和beta收敛。因此，该方法代表了无条件收敛领域的一种新方法，因为它已被开发用于利用分位数特性来检测由于异质性而可能出现的问题，这些问题在评估跨国收敛估计时出现。5. 数据库描述继Gray和Purser（2009）和Mayer-Foulkes[33]之后，本研究使用了1990-人类发展指数五年一次的数据取自联合国开发计划署（开发计划署）.由于没有1990-2000年、2000-2010年、2010-2013年和2013-2015年的数据，因此使用了五年期数据库然而，直到最近一年的研究阶段，从2015年开始，联合国开发计划署每年都提供跨国人类发展指数。开发计划署以单一的人类发展指数衡量预期寿命、收入不平等和教育，从而可以在一段时间内以百分比计算[16]。基于这一观点，本研究使用人类发展指数的综合指数，而不将其分为不同的组成部分。此外，人们认为，不同的经济政策之后，不同国家的经济增长和经济发展，因此，收敛估计的变化是必要的，并且在分析期间应该存在于不同分类的国家中。因此，为了了解不同人类发展指数群体之间的差异，并实现密集和关键的人类发展指数趋同评估，研究进一步将整个国家的人类发展指数分为四个不同的类别，即，非常高的人类发展指数水平（62）、高人类发展指数水平（54）、中等人类发展指数水平（37）和低水平（36）。6. 实证结果和讨论6.1. 描述性统计量在表2中，研究报告了两个模型中包含的不同HDI分类组的主要汇总统计量。提供了1990/20018年189个国家的统计数据。具体而言，Panel A、B、C和D列出了简要统计数据：人类发展指数非常高、人类发展指数高、人类发展指数中等和人类发展指数低。特别是，我们报告的平均值，标准差，最小值，最大值和观察总数为每年的不同HDI组。从广义上讲，我们看到，在分析期间，人类发展指数非常高、高、中和低的平均值都在增加。不同人类发展指数平均值的增加表明，在分析期间，人类发展指数的组成部分，即生活质量和人均收入有所增加[39]。这些统计数据支持第2节中研究的上述事实。比较人类发展指数的平均值，我们看到人类发展指数有了显著改善。A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127133表2跨国描述性统计：1990/20182000 0.800 0.062 0.655 0.916 622010年2013 0.861 0.048 0.781 0.945 622015年0.868 0.047 0.797 0.948 622016年0.871 0.047 0.799 0.951 622017年0.873 0.047 0.799 0.952 622018年0.875 0.047 0.801 0.953 62图B：高HDI1990 0.568 0.086 0.445 0.705 542000 0.650 0.041 0.578 0.728 542010 0.717 0.034 0.655 0.788 542013 0.731 0.031 0.672 0.786 542015年0.738 0.030 0.685 0.795 542016年0.741 0.030 0.689 0.798 542017年0.743 0.030 0.696 0.799 542018年0.745 0.030 0.699 0.799 546.2. 静态面板估计在表4和表5中，我们试图研究一个更广泛的问题，即1990- 2018年期间各国的人类发展指数水平是否可持续 为了回答这个问题，绝对beta和sigma收敛的模型已经使用等式进行了评估。(1) 和（2）。为此，HDI的平均年增长率与189个国家在1990/2018年期间的HDI对数回归从表（4）和表（5）中可以看出，估计的系数没有显著的可观察差异，表明从传统的合并OLS和自助分位数回归模型估计的系数相当稳健值得注意的是，189个国家间的无条件收敛假设被排除，因为所有分位数回归模型和合并OLS模型中的收敛参数均为负值且具有统计学意义（见表4和表5）。���6.2.1. ���收敛估计图C：中等HDI1990年0.4342017年12月31日如上所述，表（4）和（5）总结了未检测的结果。2000 0.500 0.060 0.393 0.608 372010 0.575 0.052 0.470 0.670 372013 0.596 0.043 0.527 0.681 372015年0.608 0.040 0.543 0.684 372016年0.612 0.040 0.548 0.687 372017年0.619 0.042 0.553 0.695 372018年0.622 0.041 0.557 0.697 37图D：低HDI1990 0.308 0.082 0.213 0.557 362000 0.370 0.068 0.253 0.590 362010年2013 0.463 0.050 0.344 0.572 362015年0.471 0.048 0.359 0.539 362016年0.474 0.047 0.3652017年0.477 0.047 0.373 0.544 362018年0.480 0.048 0.376 0.548 36资料来源：作者附注：重大性分别为1%表3不同人类发展指数组平均值的方差分析统计：1990-2018假设F统计量p值���0=���������������������������������������������������������������来源：作者附注：显著性水平及显著性水平分别为1%、5%及10%。在中间组（即18.8%，分别从1990年的0.434到2018年的0.622），对应于高（即，17.7%）和低人类发展指数国家在同一时期（即17.2%）。但只有13.4非常高HDI组的平均改善百分比分别从1990年的0.741增加到2018年的0.875。此外，为了了解不同HDI组的变化，研究还在表2的第3列中列出了标准差。值得注意的是，尽管从1990年到2018年，所有人类发展指数组的变化都在下降，但在研究所涵盖的时期内，特别是在人类发展指数较高的组中，变化显著下降本研究进行了单因素分析（ANOVA）检验，以验证上述汇总数据和检验假设，例如在分析期间，不同HDI组的平均值是否显著改善。各HDI组的ANOVA检验系数为正且具有统计学显著性，表明拒绝零假设（见表3）。这表明在分析期间，每个HDI组的平均值都有显著改善，这与表1第2列的统计数据一致。通过自举线性回归和合并OLS模型获得的不同人类发展指数国家的条件收敛和收敛本文给出了自举分位数回归模型在n= 0.5水平下的估计系数。利用STATA 12中可用的quantreg和标准线性回归库获得计算结果。对于表（4）和表（5）中的所有模型，我们注意到其他统计数据，如F统计量（在1%水平上具有统计学意义）和伪R2，反映了所有估计模型的拟合优度。观察表4和表5，我们发现无条件趋同的概念得到了强烈支持，表明在非常高的人类发展指数、高人类发展指数、中等人类发展指数和较低人类发展指数国家中，差距普遍缩小[11]。���特别是，该研究发现，在两个应用模型中，所有HDI组的系数均为负且具有统计学显著性（p值1%）在研究期间的所有HDI组。人类发展指数水平较低的经济体赶上了最初较高的人类发展指数水平，因此，1990年至2018年，不同经济体的人类发展指数水平出现了更均匀的差异。此外，收敛速度（每年的百分比）用于获得各经济体人类发展指数水平趋势如何快速进入稳定状态的可比视图。���从表4和表5中值得注意的是，绝对β收敛速度在人类发展指数高的国家中更快，其次是中等、低和非常高的人类发展指数国家。表5的自举分位数回归系数再次证实，相对于世界其他同类群体，高人类发展指数国家的收敛速度更快。这些结果与Li等人（20 16）的研究结果一致，该研究报告指出，人类发展指数增长率（尤其是发展中经济体）在消费方面高于生产方面，反映出大型和小型排放国之间的生活水平差距有所改善。高度发达经济体的人类发展指数综合指数增长率已趋于稳定，增长速度快于世界其他国家。这一结果强调了一点，即高度发展的-发展中国家可以更好地利用地理上的相互联系，to produce产生significant重大spillover溢出processes流程.贝塔收敛的估计结果我们研究的这一发现与Nissan和Ni- roomand[39]一致。此外，高度发达国家和发展中国家政府对提高教育质量的大力支持，最终提高了人类发展指数的排名，并在所有分类国家中捕捉到了Bootstrapped分位数回归能够估计线性函数族，并在λ= 0.5水平上生成条件分布的完整特征，但传统的线性回归方法不能完全估计条件分布。HDI组（↓）平均标准品 Dev.（）MinMax意见面板A：非常高的HDI1990年0.5780.86662表4跨国家的同步分位数回归估计������模型→ 无条件收敛HDI组→非常高高中低非常高中低图A：估计模型系数���-1.252���0.010（.010）-0.032（0.030）-0.043（0.021）-0.039（0.015）���-0.068图B：检验统计号8 8 8 8 62 54 37 360.3522 0.1903 0.3470 0.3878 0.1614 0.1021 0.1562Bootstrap迭代100 100 100 100 100 100 100资料来源：作者注：i）括号内的数字为自助标准误，ii）显著性水平分别为1%、5%和10%表5跨国家的交叉收敛和交叉收敛的合并OLS估计模型→ 无条件收敛���HDI组→非常高高中低非常高中低图A：估计模型系数���0.023）-1.218（0.088）-1.121（ 0.056）-1.113（0.037）0.005（0.000）-0.020（0.009）-0.011（0.013）-0.012（0.014）���0.019（0.004）-0.047（0.017）-0.040（0.011）-0.031（0.007）���-0.056图B：检验统计号8 8 8 8 62 54 37 36F-统计量（p-值）17.23统 计 量（0.000）7.35统计量（0.000） 13.50统计量（0.010） 18.48统计量（0.005）15.03统计量（0.000）16.13统计量（0.000）6.71统计量（0.013）7.66统计量 （0.009）2003年12月26日星期一资料来源：作者注：i）括号中的数字为标准误，ii）p值为F统计量报告，iii）显著性水平分别为1%、5%和10%。A. Goswami，H. Roy和P. Giri可持续运营和计算机2（2021）127134A. Goswami，H. Roy和P. Gi