我们的论文涉及两个主要研究方向。首先,我们的工作建立在国家间国际贸易的定量模型之上。在一类恒定弹性贸易模型中,Arkolakis、Costinot 和 Rodriguez-Clare (2012) 表明,一个国家在自身上的支出份额和贸易流对贸易成本的弹性是贸易福利收益的充分统计数据。在以重力方程为特征的贸易和经济地理模型中,Allen、Arkolakis 和 Takahashi (2020) 表明,这些模型的存在性、唯一性和反事实预测仅取决于观察到的数据以及需求和供应弹性。在存在扭曲的贸易和生产网络中,Baqaee 和 Farhi (2019) 得出了变量对生产力和贸易成本冲击的一般均衡响应的微观经济充分统计数据。 Kleinman、Liu 和 Redding(2020)通过操纵恒定弹性贸易模型中一般均衡的一阶条件,推导出实际收入对外国生产率增长弹性的朋友-敌人暴露度量,并提供证据表明实际收入暴露的变化会导致双边政治结盟的变化。
4 通过将某些中间产品 k 解释为类型 θ 的劳务服务,本规范将一般集聚溢出效应从类型 θ 嵌套到另一类型 ˜ θ 的劳动生产率,从而嵌套了 Fajgelbaum 和 Gaubert ( 2020 ) 的框架。在第 4.5 节中,我们考虑了超出当地人口规模的集聚外部性,例如引入跨区域生产力溢出效应(例如 Ahlfeldt、Redding、Sturm 和 Wolf 2015 )或特定于某个部门投入和产出的集聚/拥堵外部性(例如 Allen 和 Arkolakis 2022 )。
1 Aghion、Dechezleprêtre、Hémous、Martin 和 van Reenen (2016) 为汽车行业在清洁能源和污染能源之间做出选择时 DTC 和路径依赖提供了实证证据。有关 DTC 的更多证据,另请参阅 Popp (2002) 或 Calel 和 Dechezleprêtre (2016)。2 Gentile (2024) 在专注于间歇性和存储技术的 DTC 模型中考虑了 IRA。她还发现,虽然 IRA 可以改善福利,但在激励清洁能源转型所需的新技术开发方面还远远不够。这项研究丰富了越来越多的文献,这些文献在具有外生技术和边学边做效应的宏观经济模型中研究 IRA(例如 Casey、Jeon 和 Traeger ( 2023 )、Bistline、Mehrotra 和 Wolfram ( 2023 )、Arkolakis 和 Walsh ( 2023 ))。
1 Aghion,Dehezleprêtre,Hémous,Martin和Van Reenen(2016)在汽车行业的清洁技术和肮脏技术之间的选择中提供了DTC和路径依赖性的经验证据。另请参见Popp(2002)或Calel andDehezleprêtre(2016),以获取DTC的进一步证据。2 Gentile(2024)在DTC模型中考虑了IRA,该模型的重点是间歇性和存储技术。她还发现,尽管IRA改善了福利,但在激励清洁能源过渡所需的新技术开发方面却远远不够。这项工作增加了越来越多的文学作品,该文献研究了IRA的宏观经济模型,并具有外源技术和逐步学习效果(例如Casey,Jeon和Traeger(2023)(2023),Bistline,Mehrotra和Wolfram和Wolfram(2023),Arkolakis和Walsh(20223))。
conoraw@princeton.edu First Version: March 2019 This Version: November 2020 We thank Pol Antràs, David Autor, Costas Arkolakis, Gideon Bornstein, Laura Castillo-Martinez, Jonathan Dingel, Pierre-Olivier Gourinchas, Gordon Hanson, J. Bradford Jensen, Thomas Kemeny, Chris Moser, Michael Peters, Esteban Rossi-Hansberg和Steve Redding对有见地的评论和Serena Sampler提供了出色的研究帮助。此处表达的任何意见和结论都是作者的观点,不一定代表美国人口普查局的观点。所有结果均已审查,以确保未披露机密信息。Eckert和Walsh感谢普林斯顿大学的国际经济学部分,其中一些工作已经完成。本文的当前版本取代了“熟练的可交易服务:美国高技能劳动力市场的转型”。
* 我们感谢 Rodrigo Adão、Treb Allen、Costas Arkolakis、Yan Bai、Anmol Bhandari、John Sturm Becko、Ariel Burstein、Levi Crews、Maya Eden、Pablo Fajgelbaum、Tishara Garg、Cecile Gaubert、Benny Kleinman、David Lagakos、Ernest Liu、Ezra Oberfield、Natalia Ramondo、Andrés Rodríguez-Clare、Edouard Schaal、Conor Walsh 和 Atsushi Yamagishi 以及巴塞罗那夏季论坛、香港中文大学、哥伦比亚/纽约大学空间贸易会议、CRED 区域和城市经济研讨会、中西部宏观会议、明尼苏达宏观、NBER SI ITI、普林斯顿、SED、SMU、加州大学伯克利分校和 UEA 北美会议的研讨会参与者提出了有益的评论。我们感谢 Hannah Rhodenhiser 和 Maria Mittelbach 提供的出色的研究帮助。 † 匹兹堡大学(电子邮件:eric.donald@pitt.edu)。‡ 波士顿大学(电子邮件:mfukui@bu.edu)。§ 波士顿大学(电子邮件:miyauchi@bu.edu)。
* We thank Daron Acemoglu, Francesco Amodio, Costas Arkolakis, David Atkin, Kerem Cosar, Banu Demir, Xiang Ding, Dave Donaldson, Jonas Hjort, Amit Khandelwal, Sam Kortum, Rocco Macchiavello, Thierry Mayer, Ameet Morjaria, David Nagy, Ezra Oberfield, Andrii Parkhomenko,Michael Peters,Giacomo Romanini,Daniel Sturm,Alireza Tahbaz-Salehi,Mathias Thoenig,Daniel Xu,Ekaterina ekaterina Zhuravskaya以及各种研讨会和会议的参与者以及会议。我们感谢Serhii Abramenko,Artyom Lipin,Ella Sargsyan,Martin Strobl,尤其是Aruzhan Nurlankul的精湛研究帮助。该项目已从玛丽·斯库洛多夫斯卡·弗兰斯(Marie Sklodowska-Curie)赠款协议号870245。†巴塞罗那经济学学校和CEPR大学庞贝·法布拉大学(E-Mail:vasily.korovkin@upf.edu)。‡MIT Sloan管理学院和CEPR(电子邮件:makarin@mit.edu)。 §波士顿大学(电子邮件:miyauchi@bu.edu)。‡MIT Sloan管理学院和CEPR(电子邮件:makarin@mit.edu)。§波士顿大学(电子邮件:miyauchi@bu.edu)。
* 我们感谢 Fabian Trottner 的深入讨论。我们还感谢 Pol Antr`as、David Autor、Costas Arkolakis、Gideon Bornstein、Laura Castillo-Martinez、Jonathan Dingel、Pierre- Olivier Gourinchas、Gordon Hanson、J. Bradford Jensen、Tom Kemeny、Chris Moser、Michael Peters、Esteban Rossi-Hansberg 和 Steve Redding 的深刻评论。本文表达的任何观点均为作者观点,不代表美国人口普查局的观点。人口普查局的披露审查委员会和披露避免官员已审查此信息产品是否存在未经授权披露机密信息的情况,并已批准了此新闻稿中采用的披露避免做法。本研究由联邦统计研究数据中心根据 FSRDC 项目编号 2193(CBDRB-P2193-R8942、R9405、R9629 和 R10013)进行。Eckert 和 Walsh 感谢普林斯顿大学国际经济系完成本研究的部分工作。本文的当前版本取代了“熟练可扩展服务:经济增长中的新城市偏好”。† 加州大学圣地亚哥分校;fpe@ucsd.edu ‡ 乔治城大学;sharat.ganapati@georgetown.edu § 哥伦比亚大学;caw2226@columbia.edu
* Eduardo非常感谢Costas Arkolakis,Sam Kortum,Lorenzo Caliendo和Ana Cecilia Fieler的持续支持和指导。We also thank Doug Gollin, Sebastian Sotelo, Heitor Pellegrina, Michael Peters, Nuno Limao, Lauren Falcao Bergquist, John Keyser, Gonzalo Varela, Athula Senaratne, Sheu Salau, Manoj Thibbotuwawa, Camille Reverdy, Daan van Soest, Kari Heerman, and Alejandro Forero for有用的讨论。我们感谢Mutlu Ozdogan在遥感估计上的工作。作者非常感谢“整个经济”计划的支持,“整个经济”计划是世界银行管理的气候支持设施。我们还要感谢贸易信托基金的伞工(由荷兰,挪威,瑞典,瑞士和英国政府资助)和世界银行的研究支持预算以获得财务支持。本文中表达的发现,解释和结论仅是作者的发现,不一定代表世界银行,其附属组织,执行董事或其代表的国家的观点。所有错误都是我们的责任。†世界银行,减少的通讯作者。电子邮件:dghose@worldbank.org•伦敦商学院。电子邮件:efraga@london.edu§世界银行,减少。电子邮件:afernandes@worldbank.org
在这个早期空间模型中,结果仅取决于当地地理,而不取决于其他地区的情况。例如,一个地方的变化——比如一项提高生产率的大型基础设施投资——预计会对所有其他地方产生相同的影响,无论它们位于何处。因此,像某个位置在地图上的位置以及它的邻居是谁这样的直观空间特征完全不存在:这是一个空间无关紧要的空间模型。实际上,空间联系会在位置之间产生丰富的相互作用。这些相互作用的一个含义是,一项提高某个地方生产率的大型基础设施投资将对附近位置的影响大于对较远位置的影响。为了解释这种空间联系,我们根据 Allen 和 Arkolakis( 2014 )中的早期研究,将 Rosen-Roback 模型的直觉扩展到现代经济地理框架,其中地点通过商品流连接起来。在这个框架中,一个地方的经济命运不仅取决于它自己的“当地”地理,还取决于其邻国的当地地理,其影响由经济联系的强度决定,从而形成“全球地理”。尽管增加了复杂性,但我们展示了用于理解早期 Rosen-Roback 框架预测的基于供需的相同工具,这些工具很容易扩展到全球一体化的世界。这个全球一体化框架可用于理解改变当地或全球地理的现实世界经济政策的直接和间接影响。我们讨论了如何将该框架应用于空间数据,同时还强调了最常见的陷阱并提供了解决这些陷阱的策略。最后,我们简要概述了该框架用于理解经济活动空间分布的多种方式,并为未来的研究人员指出了几个有趣且尚未探索的问题。为了使讨论尽可能简单易懂,我们将所有数学细节和推导都放在附录中。我们还提供配套的 Matlab 工具包来帮助研究人员自行应用这些技术。