本课程探讨全球经济的崛起及其与经济增长和社会变革的关系。长期的历史视角至关重要,因为国家和大陆之间思想、制度和技术的传播早于我们所谓的全球一体化经济的兴起。数千年的国际和洲际互动传播了新的思想、制度和技术,从而推动了现代经济增长的开始。现代经济增长使欧洲和定居者国家的人均收入空前增加,死亡率下降。经济增长伴随着对殖民资源控制权的持续冲突,以及激烈的内部和外部剥削形式。上个世纪多边组织的建立促进了国家间资源竞争的脆弱缓和,以及成功的工业化国家显着的增长赶超。本课程不鼓励未来预测;而是致力于为学生提供全球市场和机构的起源和历史轨迹的基本背景知识。
本文探讨了 1950 年以来德国、日本和美国三个国家制造业的生产率表现。1 生产率水平估算基于原产地行业方法,利用了每个国家制造业普查的详细信息。部门生产率水平的比较测量具有广泛的应用,例如,研究结构变化、技术进步、比较优势和竞争力,以及分析赶超和趋同。自十九世纪末以来,美国在人均收入和生产率方面一直领先于世界经济。2 许多国家,特别是经济合作与发展组织 (OECD) 的国家,自第二次世界大战以来,生产率水平已趋同于美国。人们经常认为,美国的生产力
14 Luiza Ch. Savage 和 Nancy Scola,“‘我们的投入正在被超越。我们的速度正在被赶超’:美国是否正在将人工智能的未来拱手让给中国?”POLITICO,2019 年 7 月 18 日,https://www.politico.com/story/2019/07/18/global-translations-ai-china-1598442;James Vincent,“中国即将在人工智能研究领域超越美国”,The Verge,2019 年 3 月 14 日,https://www.theverge.com/2019/3/14/18265230/china-is-about-to-overtake-america-in-ai-research;“五角大楼前软件主管称,中国已赢得与美国的人工智能之战”,路透社,2021 年 10 月 11 日,sec。技术,https://www.reuters.com/technology/united-states-has-lost-ai-battle-china-pentagons-ex-software-chief-says-20 21-10-11/。
从欧洲来看,欧盟目前是全球MEMS技术最大的国家。我们有博世(德国)和意法半导体(意大利)等欧洲公司,它们是 MEMS 领域的两家绝对领先的公司。如果具体比较半导体细分领域的“IC芯片”和“MEMS芯片”,那么博世和ST就相当于英特尔和AMD,而Silex就相当于台积电(例子中它们都有自己的半导体工厂)。我们对 Silex 的愿景是长期打造“MEMS 领域的台积电”,我们相信这一愿景也应该为欧洲的半导体发展指明方向;我们希望欧洲选择投资有前景的半导体领域(例如MEMS),欧洲已经有机会在这些领域占据领先地位,而不是投资欧洲长期落后且缺乏合理赶超前景的领域。
本文在一个两部门新古典增长模型中研究了中国的追赶型产业政策如何影响经济发展。为实现赶超发达国家资本密集型部门产出的愿望,从 1952 年到 1978 年经济改革,中国政治领导人采取了以牺牲其他部门为代价来补贴这一目标部门的产业政策。这种产业政策的静态效应扭曲了各部门的资源配置,降低了总体全要素生产率。动态效应阻碍了资本积累。我们表明,虽然资本密集型部门的产出最初有所增加,但如果追赶愿望太强烈,从长远来看,它将低于其最佳对应部门。我们的理论预测与 1952 年至 1978 年中国经济的经验一致。关键词:追赶型产业政策;错误配置;拉姆齐配置问题;经济发展。JEL 代码:O11;O23;O25; O41;E62
随着新一代信息技术革命的不断推进,数字经济在重构经济新形态的同时,正逐步成为能源转型的重要驱动力。本文选取2011—2021年中国30个省份的面板数据,运用空间杜宾模型实证检验了数字经济对能源绿色转型的特殊影响,并进一步构建多中介模型验证了其转型路径。主要发现如下:第一,我国东部沿海地区能源绿色转型水平总体较高,西部地区近年来具有较强的赶超能力;第二,数字经济对能源绿色转型具有显著的促进作用,且存在正向的空间溢出效应;第三,数字经济可以通过促进产业结构升级、提高技术创新水平、加强环境规制等方式间接促进能源绿色转型。本研究为政策制定者加速能源全面绿色转型提供了实证启示和参考。
本文探讨了美国各州对人工智能的认识。我们独特地创建了谷歌互联网搜索结果的指数,以了解一般人工智能认知度和 ChatGPT 认知度,并按互联网用户和土地面积交替进行归一化。了解人工智能认知度将为监管部门监控和保护人工智能技术提供有用的见解,并为落后州提供赶超的替代方案。计量经济学结果解释了人工智能认知度的驱动因素,表明在其他条件相同的情况下,较繁荣的州对人工智能和 ChatGPT 的认知度更高。另一方面,经济自由度更高的州的认知度较低。按地区归一化时,男性多于女性的州对人工智能的认知度较低,但按互联网用户加权时则相反。老年人口比例较高的州与其他州没有区别,而按土地面积加权互联网点击量时,城市化程度较高的州对人工智能/ChatGPT 的认知度更高。最后,与加拿大接壤的州与其他州没有区别,而与墨西哥接壤的州对人工智能/ChatGPT 的认知度普遍较低。