List Forum fur Wirtschafts- und Finanzpolitik, Band 32 (2006), Heft 4, S. 279-294
279
Was wir über die p-Konvergenz europäischer Regionen wissen Hans-Friedrich Eckey / Nina Muraro / Matthias Türck1 Zusammenfassung / Abstract Eine regionale Konvergenz liegt vor, wenn ärmere Wirtschaftsräume im Zeitablauf schneller wachsen als reichere. Dem räumlichen Konvergenzprozess von EU-Regionen wird in letzter Zeit viel Aufmerksamkeit gewidmet. Aufgrund enger werdender fmanzieller Spielräume stellt die räumliche Konvergenz eine zentrale Fragestellung dar, weil bedeutende fmanzielle Mittel zur Verminderung von Ungleichheiten ausgegeben werden. Verschiedene in den letzten Jahren publizierte Studien untersuchen diesen Themenbereich unter Verwendung unterschiedlicher Ansätze. Besonders die auf BARRO und SALA-I-MARTIN zurückgehende ß-Konvergenz wird häufig angewendet. In diesem Aufsatz werden die verschiedenen Ansätze dieses Konzeptes kritisch dargestellt sowie die Untersuchungsergebnisse resümiert. Insgesamt lässt sich feststellen, dass die meisten Modelle eine langsame Konvergenz nahe legen. Convergence studies are concemed with the question of whether poor economies catch-up to wealthier economies over time. The regional convergence process in Europe has generated considerable interest in recent years. Because of fmancial straits regional convergence is a central question, since important funds aim at diminishing disparities. There are many studies published recently dealing with this issue using different empirical approaches. Especially the ß-convergence framework, which was introduced by BARRO and SALA-I-MARTIN, is often used. This paper provides a critical review of the different approaches of ß-convergence and summarizes the results. Altogether it can be stated that most models find a slow convergence rate.
I. Einleitung
Die Konvergenz der europäischen Regionen ist ein Grundprinzip der Regionalpolitik für die Europäische Union (EU).2 In den gemeinsamen Rahmenvorschriften des EUVertrags wird "the strengthening of economic and social cohesion" (Artikel B) ausdrücklich erwähnt. Artikel 2 erläutert dieses Ziel näher: "The Community shall have as its task, [ ... ] by implementing the common policies or activities [ ... ], to promote throughout the Community a harmonious and balanced development of economic activities, [ ... ] a high degree of convergence of economic performance [ ... ] and economic and social cohesion and solidarity among Member States.,,3
Wir danken Prof. Dr. Kosfeld sowie einem anonymen Gutachter fur wertvolle Hinweise. Vgl. TONDL (2004) und KRAMAR (2006). TREATY ON EUROPEAN UNION, Official Journal C 191,29.07.1992. Vgl. auch den Kommentar in LAMMERS (1998), S. 197 sowie SCHWARZE (2000), S. 56 ff.
280
Hans-Friedrich Eckey I Nina Muraro I Matthias Türck
Die Prinzipien des EU-Vertrags sind noch immer von entscheidender Bedeutung für die europäische Regionalpolitik. 4 MICHEL BARNIER, früherer EU-Kommissar für das Ressort Regionalpolitik, beschreibt das Ziel der Regionalpolitik im , Third Report on Economic and Social Cohesion' wie folgt: "The purpose ofthis report [ ... ] is to set out the European Commission's vision for the foture of Europe 's policy to reduce disparities and to promote greater economic, social and territorial cohesion."s Die europäische Regionalpolitik ist erfolgreich, wenn regionale Disparitäten vermindert werden können. Demnach ist der Konvergenzprozess der EU-Regionen ein Thema mit hoher politischer Relevanz. Der Sachverhalt von Konvergenz und Divergenz wird in zahlreichen Studien behandelt. Als Standardansatz wird die ß-Konvergenz verwendet, die aufBARRO und SALA-I-MARTIN zurückgeht. 6 Gegenstand dieser Studie ist eine Analyse der verschiedenen Ansätze zur ß-Konvergenz sowie ein kritischer Literaturbericht zu den empirischen Ergebnissen. Das Papier ist dabei folgendermaßen gegliedert. Im zweiten Abschnitt klären wir zunächst die Begriffe der absoluten und konditionalen (= bedingten) ß-Konvergenz. Anschließend schildern wir die Forschungsergebnisse zur ß-Konvergenz von EU-Regionen. Hierbei gehen wir im dritten Abschnitt auf das absolute ß-Konvergenzmodell ohne räumliche Effekte ein. Im vierten Abschnitt wird dieser Ansatz um interregionale Abhängigkeiten erweitert. Gegenstand des fünften Abschnitts ist die konditionale ß-Konvergenz mit Ländereffekten. Daneben gibt es noch Ansätze zur Schätzung von ß-Konvergenz mit Paneldaten. In den Modellen der folgenden beiden Abschnitte werden nicht mehr einheitliche Konvergenzraten für alle Regionen geschätzt. Stattdessen berechnet man unterschiedliche Konvergenzraten für Ländergruppen (Konvergenzclubs) oder für alle Regionen. Den Abschluss des Artikels bildet ein kurzes Resümee. 11. Konzept der absoluten und konditionalen p-Konvergenz
Die ß-Konvergenz basiert auf den Ansätzen der neoklassischen Wachstumstheorie. 7 Sie tritt dann auf, wenn alle Regionen zum selben Gleichgewichtswert konvergieren (absolute Konvergenz) oder wenn Regionen im Zeitablauf mit den gleichen Anfangsbedingungen dasselbe BIP pro Kopf erzielen (bedingte Konvergenz). Im Folgenden gehen wir auf das absolute Konvergenzmodell ein, das sowohl aus dem SOLOW-SWAN-Modell als auch aus dem RAMSEY-CASS-Modell hergeleitet werden kann. 8 Hier wird die durchschnittliche Wachstumsrate zwischen dem Basisjahr und dem Berichtsjahr durch den Anfangswert erklärt. Ist das Steigungsmaß signifikant negativ, Vgl. BORNSCHIER I HERKENRATH I ZILTENER (2004), S. 76 ff. und BUSCH (2004). EUROPÄISCHE KOMMISSION (2004). V gl. BARRO I SALA-I-MARTIN (1991) und BARRO I SALA-I-MARTIN (1992). Vgl. z. B. SOLOW (1956) und KOOPMANS (1965). Vgl. SOLOW (1956); SWAN (1956); RAMSEY (1928); CASS (1965). Herleitungen sind bei BARRO I SALA-I-MARTIN (1990), ECKEY I DÖRING I TÜRCK (2006) und VALDES (1999), S. 45 ff. zu finden.
Was wir über die ß-Konvergenz europäischer Regionen wissen
281
dann ist eine absolute Konvergenz nachgewiesen. Mit Hilfe des Steigungsmaßes lässt sich zudem die so genannte Konvergenzgeschwindigkeit ableiten. Diese erfasst die Rate, mit der sich die Regionen dem Gleichgewichtswert annähern. Zusätzlich kann mit der Konvergenzgeschwindigkeit die Halbwertszeit ermittelt werden, die die Zeitspanne bezeichnet, bis zu der sich die Disparitäten halbiert haben. Beide Größen - Konvergenzgeschwindigkeit und Halbwertszeit - sollte man allerdings nur bei einem signifikant negativen Steigungsmaß berechnen. Das Modell der bedingten (konditionalen) Konvergenz enthält zusätzlich Kontrollvariablen, um die verschiedenen Anfangsbedingungen der Ökonomien abzudecken. Hier werden beispielsweise die unterschiedlichen Werte beim Humankapital, der Sparquote des Kapitals, den Abschreibungen des Kapitals, dem Bevölkerungswachstum sowie dem technischen Fortschritt einbezogen und in der Regression kontrolliert (sog. MANKlW / ROMER / WEIL-Ansatz9 ). Teilweise berücksichtigen die Autoren auch Parameter zur Erfassung der Agglomeration von Regionen. Insgesamt ist festzustellen, dass ein konditionales Modell natürlich Konvergenzprozesse besser erfassen kann als ein absolutes Konvergenzmodell ohne Kontrollvariablen. Probleme treten aber insofern auf, als benötigte Variablen häufig nicht regional aufgeschlüsselt zur Verfügung stehen. Dies trifft insbesondere dann zu, wenn Konvergenzprozesse für Regionen unterschiedlicher Länder, beispielsweise des EU-Raumes, untersucht werden. Zudem sollte ein konditionales Modell stets theoretisch fundiert sein. Durch die Auswahl von Kontrollvariablen kann nämlich ansonsten das Ergebnis und damit die Konvergenzgeschwindigkeit beeinflusst werden. IH. Absolute p-Konvergenz ohne räumliche Effekte
In Tab. I sind die empirischen Ergebnisse der absoluten ß-Konvergenz für EU-weite Untersuchungen schematisch dargestellt. CUADRADO-ROURA und LOPEZ-BAZO analysieren die absolute ß-Konvergenz für den Zeitraum von 1977 bis 1994 sowie von 1975 bis 1996. 10 Sie benutzen das Pro-Kopf-Einkommen der EU-Regionen, entdecken aber lediglich eine schwache Tendenz einer Konvergenz. Die absolute Konvergenzrate ist niedriger als 2%. Aus diesem Grund wird es 35 Jahre dauern, bis sich die Ungleichheiten halbiert haben. Regionen, die von einem unterdurchschnittlichen Anfangswert des Pro-Kopf-Einkommens abweichen, tendieren zu einer überdurchschnittlichen Wachstumsrate. Ein langsamer Konvergenzprozess wird auch von THOMAS für den Zeitraum von 1981 bis 1992 nachgewiesen. ll MARTIN berechnet ebenfalls ein Modell der absoluten Konvergenz, allerdings mit der Bruttowertschöpfung pro Beschäftigten. Er ermittelt eine geringere Konvergenzrate als CUADRADO-RoURA, trotzdem folgern beide Forscher, Vgl. MANKlW I ROMER I WEIL (1993). 10
Vgl. CUADRADO-RoURA (2001) und LOPEZ-BAZO (2003).
11
Vgl. THOMAS (1996).
282
Hans-Friedrich Eckey / Nina Muraro / Matthias Türck
dass die Konvergenzgeschwindigkeit abnimmt. 12 Eine extrem abnehmende Konvergenzgeschwindigkeit entdecken FAGERBERG und VERSPAGEN fiir den Zeitraum von 1950-1990 und die ersten sechs EU-Mitgliedsstaaten (EU6).13 Dieses Ergebnis wird in den Studien von YIN, ZESTOS und MICHELIS sowie NIEBUHR und SCHLITTE auf der Grundlage der EU 15-Länder allerdings nicht verifiziert. 14
Tab. 1: Ergebnisse der absoluten ß-Konvergenz Artikel
Zeitraum
EU-Regionen
Ergebnis
CUADRADO-RoURA (2001)
1977-1994
EUl2
geringe Konvergenzrate, die abnimmt
LOPEZ-BAZO (2003)
1975-1996
EU12
geringe Konvergenzrate
THOMAS (1996)
1981-1992
EUl2
geringe Konvergenzrate
MARTlN (2001)
1975-1998
EUl6
geringe Konvergenzrate, die abnimmt
FAGERBERG / VERSPAGEN (1996)
1950-1990
EU6
extrem abnehmende Konvergenzrate
YlN / ZESTOS / MICHELIS (2003)
1960-1995
EUl5
Konvergenzgeschwindigkeit ist U-formig
NIEBUHR / SCHLITTE (2004)
1950-1998
EU15
Konvergenzgeschwindigkeit ist U-formig
BASILE / DE NARDIS / GlRARDI (2005)
1975-1998
EU9
Zunahme des Konvergenzprozesses
Quelle: Eigene Darstellung.
Im absoluten Konvergenzmodell von YIN, ZESTOS und MICHELIS im Zeitraum 19601995 und von NIEBUHR und SCHLITTE im Zeitraum 1950-1998 ist die Konvergenzgeschwindigkeit U-förmig verteilt. Zu Beginn und am Ende der Untersuchungsperiode liegt also eine höhere Konvergenzgeschwindigkeit vor als in der Mitte des Untersuchungszeitraums. Diese Ergebnisse stehen im Einklang mit der Studie von BASILE, DE NARDIS und GlRARDlY BASILE, DE NARDIS und GlRARDI weisen in der Zeit von 1975-1985 keinen, zwischen 1985-1998 jedoch einen signifikanten Konvergenzprozess nach.
12 13 14
15
Vgl. MARTlN (2001) und CUADRADO-RoURA (2001). Vgl. FAGERBERG / VERSPAGEN (1996). Vgl. YlN / ZESTOS / MICHELIS (2003) sowie NIEBUHR / SCHLIITE (2004). Vgl. BASILE / DE NARDIS / GlRARDI (2005).
Was wir über die ß-Konvergenz europäischer Regionen wissen
283
IV. p-Konvergenz mit räumlichen Effekten
Eine Erweiterung erfahren die absoluten ß-Konvergenzmodelle, indem zwischenregionale Abhängigkeiten einbezogen werden. Diese so genannten Autokorrelationen lassen sich mit Externalitäten im selben Sektor [MARSHALL-ARROW-RoMER (MAR)] und zwischen verschiedenen Sektoren (JAcoBs-Externalitäten) theoretisch begründen. 16 Eine räumliche Abhängigkeit zwischen Regionen kann durch Migration von Arbeit und Humankapital, technologische beziehungsweise Wissensspillover-Effekte sowie Pendlerverflechtungen hervorgerufen werden. 17 Die räumliche Abhängigkeit ist ein wesentliches Problem der OLS-Regression I8 , weil sie die Regressionskoeffizienten verzerrt oder die Signifikanztests ungültig macht. 19 REY und JANlKAS kritisieren, dass "the development of spatially explieit methods for analysing regional eeonomie eonvergenee [ ... ] has only reeently begun to attraet attention.,,20 Eine räumliche Autokorrelation wird in der Regel mit dem MORAN's 1Koeffizienten fi.ir die Residuen einer Kleinst-Quadrate-Schätzung überprüft. Dieser Koeffizient ist ähnlich aufgebaut wie der Korrelationskoeffizient nach BRAVAIS und PEARSON. Er berechnet den Zusammenhang zwischen den Residuen der eigenen Region sowie einem Durchschnittswert der Nachbarregionen. Weicht der MORAN'S I signifikant von seinem Erwartungswert ohne Autokorrelation ab, dann ist die OLS-Methode nicht anwendbar. Wie lässt sich eine solche räumliche Abhängigkeit im Konvergenzmodell beseitigen, um zu einer aussagekräftigen Schätzung zu gelangen? Der einfachste Weg, die räumliche Abhängigkeit zwischen Regionen zu erfassen, ist die Verwendung einer binären Gewichtungsmatrix. Diese Matrix spiegelt die Nachbarschaftsstruktur der Regionen wider, indem zwei Regionen i undj der Wert I zugeordnet wird, wenn sie eine gemeinsame Grenze haben, und 0, wenn sie keine Grenze besitzen. Die Gewichtungsmatrix kann auch durch die Distanzen zwischen zwei benachbarten Regionen definiert werden. Für die Schätzung der Regressionsmodelle verwendet man aus statistischen Gründen gewöhnlich die standardisierte Gewichtungsmatrix. Sie berechnet sich, indem man jedes Element durch die Zeilensumme dividiert. 21 Indem diese standardisierte Gewichtungsmatrix mit einer Variablen - z. B. abhängige Variable oder Fehlerterm - multipliziert wird (,Spatial Lag' dieser Variablen), kann man die Autokorrelation im Regressionsmodell meistens beseitigen. Die Schätzung solcher Modelle ist insofern aufwendiger, als die herkömmliche Kleinst-Quadrate-Methode nicht mehr anwendbar ist. Vielmehr muss auf eine kompliziertere Maximum-Likelihood-Methode 16
Vgl. MARSHALL (1994), ARROW (1962), ROMER (1986), JACOBS (1969) und HENDERSON (2003).
17
Vgl. REY / JANlKAS (2005), S. 158, FINGLETON (2003) sowie STOUGH (1998).
18
Vgl. TEMPLE (1999), S. 130.
19
Vgl. ANSELIN (1988), S. 57 ff., FINGLETON (1999b) und CUFF /ORD (1973), S. 90 ff.
20
REY / JANlKAS (2005), S. 156.
21
Vgl. ORD (1975), S. 120.
284
Hans-Friedrich Eckey I Nina Muraro I Matthias Türck
zurückgegriffen werden, die inzwischen in einige Softwareprogramme - wie dem von ANSELIN entwickelten ,Spacestat' - integriert ist. 22 In Tab. 2 werden die Ergebnisse der räumlichen ß-Konvergenzmodelle dargestellt. Das Ziel der Studie von BAUMONT, ERTUR und LE GALLO ist es, in ein absolutes Konvergenzmodell räumliche Abhängigkeiten von Nachbarregionen einzubeziehen. 23 Die Autokorrelation eines OLS-Modells wird durch den räumlichen Fehlerterm (Spatial-ErrorModell) berücksichtigt. In die Schätzung wird also ein Durchschnittswert von den Fehlergrößen in angrenzenden Regionen integriert.
Tab. 2: Ergebnisse der räumlichen ß-Konvergenzmodelle Artikel
Zeitraum
EU-Regionen
Ergebnis
1980-1995
EUl2
geringe Konvergenzrate im absoluten Konvergenzmodell mit einem räumlichen Fehlerterm
FINGLETON (l999a)
1975-1995
178 NUTSRegionen'
langsamer Konvergenzprozess im bedingten Konvergenzmodell mit einem ,Spatial-Lag' in der abhängigen Variable
BRÄUNINGER I NIEBUHR (2005)
1980-2002
EU15
Konvergenzrate im Spatial-Lagund Spatial-Error-Modell unter einem Prozent
CARRINGTON (2003)
1989-1998
10 EUMitglieder
Konvergenzgeschwindigkeit bei ungefähr einem Prozent
LE GALLO I DALL'ERBA (2006)
1980-1999
EUI2
eine sehr lange Halbwertszeit bei Verwendung eines räumlichen SUR-Modells
BAUMONT I ERTUR I LE GALLO (2003)
Anmerkungen zu Tab. 2: In dem Artikel wird nicht erwähnt, aus welchen Ländern diese Regionen stammen. 2 Die Analyse umfasst die folgenden Länder: EU6 plus Österreich, Dänemark, Irland und Spanien. Quelle: Eigene Darstellung.
Die Konvergenzrate über den Zeitraum 1980-1995 ist ziemlich gering (1,2%). Ein ähnlicher Ansatz wird bei FINGLETON für den Zeitraum von 1975-1995 und von BRÄUNINGER und NIEBUHR fiir den Zeitraum von 1980 bis 2002 durchgefiihrt. 24 Die Forscher verwenden ein Spatial-Lag-Modell, bei dem ein Durchschnittswert der abhängigen Variable in die Schätzung aufgenommen wird. Auch hier ist bei FINGLETON 22
Vgl. ANSELIN (1988).
23
Vgl. BAUMONT I ERTUR I LE GALLO (2003).
24
Vgl. FINGLETON (l999a) und BRÄUNINGER I NIEBUHR (2005).
Was wir über die ß-Konvergenz europäischer Regionen wissen
285
die Konvergenzgeschwindigkeit mit einem Wert von 1,2% sehr niedrig?5 BRÄUNINGER und NIEBUHR bestimmen eine noch niedrigere Konvergenzgeschwindigkeit in einem Spatial-Error- und einem Spatial-Lag-Modell (unter 1%). CARRINGTON fügt bei seinen Schätzungen eines absoluten Konvergenzmodells einen ,Spatial-Lag' aus Patenten ein, der als Proxi-Variable für Wissensspillover in Nachbarregionen dient. 26 Berücksichtigt man bei verschiedenen Schätzungen zusätzlich räumliche Autokorrelation in der abhängigen Variable oder dem Fehlerterm, so zeigt sich eine signifikante Konvergenzgeschwindigkeit von ungefähr einem Prozent. LE GALLO und DALL'ERBA schätzen ein ,Spatial seemingly unrelated regression-Modell (SUR-Modell)', um absolute Konvergenz zu untersuchen. Das SUR-Modell beinhaltet zwei Gleichungen für die betrachteten Zeiträume (1980-1989 und 1989-1999).27 Die Einbeziehung des Spatial-Error-Terms führt zu einer Senkung der Konvergenzgeschwindigkeit, die in beiden betrachteten Zeiträumen unter einem Prozent liegt. Natürlich kann auch eine Differenzierung nach Sektoren vorgenommen werden, zumal neuere Untersuchungen auf deutlich andere Wachstumsmuster in Abhängigkeit von den betrachteten Wirtschaftszweigen hindeuten. BIVAND und BRUNSTAD zum Beispiel wählen den Agrarsektor und den Zeitraum 1989-1999 für ihre Berechnungen aus. 28 Sie schätzen ein absolutes Konvergenzmodell und ermitteln eine Konvergenzgeschwindigkeit von 0,75%. Allerdings ist diese Schätzung aufgrund einer vorliegenden räumlichen Autokorrelation nur eingeschränkt gültig. Werden diese räumlichen Abhängigkeiten durch eine räumliche Verzögerung in der abhängigen Variable beseitigt, dann sinkt die Konvergenzgeschwindigkeit. Zusätzlich berechnen BIVAND und BRUNSTAD einen bedingten Konvergenzansatz, indem sie Subventionen und die Wichtigkeit des Agrarsektors als Kontrollvariablen einfügen. Im Vergleich zu den oben genannten Schätzungen zeigt sich hier eine höhere Konvergenzgeschwindigkeit.
V. p-Konvergenz mit Ländereffekten Einige Forscher unterscheiden zwischen der global gemessenen Konvergenz und der innerstaatlichen Konvergenz. Der innerstaatliche Konvergenzansatz (, Within Country Convergence') versucht, zwischenstaatliche Effekte durch länderspezifische DummyVariablen auszuschalten. Durch die Dummy-Variablen werden die unterschiedlichen ökonomischen Bedingungen zwischen den Ländern berücksichtigt.29
25
Vgl. FINGLETON (1999a).
26
Vgl. CARRINGTON (2003).
27
Vgl. LE GALLO / DALL'ERBA (2006). Weitere Informationen über räumliche SUR-Modelle sind in ANSELIN (1988), S. 141 ff. zu finden.
28
Vgl. BIVAND / BRUNSTAD (2003) und BIVAND / BRUNSTAD (2005).
29
V gl. Tab. 3: Ergebnisse des ß-Konvergenzmodells mit länderspezifischen Dummy-Variablen.
286
Hans-Friedrich Eckey / Nina Muraro / Matthias Türck
ARMSTRONdO ergänzt beispielsweise in einer viel beachteten Studie ein absolutes Konvergenzmodell um länderspezifische Dummy-Variablen. Er unterteilt die Datenmenge (1950-1990) in Teilzeiträume von zehn Jahren, um die zeitabhängige Heterogenität zu kontrollieren. Beide Modelle - Schätzung mit und ohne Dummy-Variable - zeigen eine Abnahme der Konvergenz über den untersuchten Zeitraum. Unter Einbeziehung peripherer europäischer Regionen erreicht die Konvergenzgeschwindigkeit nur ein Prozent pro Jahr. Ähnliche Modelle werden von FINGLETON für den Zeitraum 1975-1995, von FAGERBERG und VERSPAGEN für den Zeitraum 1950-1990, von GEPPERT, HApPICH und STEPHAN rur den Zeitraum 1986-2000 sowie von BASILE, DE NARDIS und GlRARDI von 1975 bis 1998 geschätzt. 31 FINGLETON überwacht im Gegensatz zu FAGERBERG und VERSPAGEN, GEPPERT, HAPPICH und STEPHAN sowie BASILE, DE NARDIS und GlRARDI die räumlichen Abhängigkeiten. Die Schätzung eines Spatial-Lag-Modells erreicht eine innerstaatliche Konvergenzrate von 8,0%.32 Der Artikel von FAGERBERG und VERSPAGEN liefert für den Zeitraum bis 1980 nur einen unbedeutsamen Beweis rur regionale Konvergenz. Danach kann kein Konvergenzprozess nachgewiesen werden. GEPPERT, HAPPICH und STEPHAN ermitteln mit Ausnahme der frühen 1990er-Jahre ebenfalls keinen Konvergenzprozess, wenn länderspezifische Dummy-Variablen einbezogen werden. Zu einem anderen Ergebnis kommt die Studie von BASILE, DE NARDIS und GIRARDI. Die Schätzung zeigt einen signifikanten Konvergenzprozess rur den ganzen Zeitraum (1975-1998) und zwei Teilzeiträume (1975-1985 und 1985-1998). MARTIN, TONDL, NEVEN sowie CAPPELEN ET AL. ruhren ebenfalls aufwändige Analysen mit länderspezifischen Dummy-Variablen durch. 33 Der Artikel von MARTIN unterscheidet zwischen vier Konvergenzmodellen. Alle Modelle werden für den Zeitraum von 1980 bis 1994 sowie rur die Teilzeiträume von 1980-1987 und 1987-1994 geschätzt. Ein absoluter Konvergenzansatz zeigt eine signifikante Verbindung zwischen Anfangseinkommen und Einkommenswachstum in 145 europäischen Regionen. Während in den stark von der EU geforderten Ziel-I-Regionen die Konvergenzgeschwindigkeit ansteigt, sinkt sie in den übrigen Regionen. Dieses Ergebnis wird auch bestätigt, wenn das Modell mit länder-spezifischen Dummy-Variablen erweitert wird. TONDL verwendet ebenfalls länderspezifische Dummy-Variablen in einem ß-Konvergenzmodell. Sie schätzt verschiedene Modelle für Teilzeiträume, findet aber keinen einfachen Trend im Konvergenzprozess. In der Studie von NEVEN werden getrennte Schätzungen für nord- und südeuropäische Regionen für den Zeitraum von 1980-1988 durchgeruhrt. Wenn die Landeseffekte kontrolliert werden, sind die Konvergenzraten signifikant. CAPPELEN ET AL. berücksichtigen beim ß-Konvergenzmodell sektorale Unterschiede, EU-Förderung und verschiedene regionale Kenndaten (Arbeitslosigkeit, 30
V gl. ARMSTRONG (1995).
31
Vgl. FINGLETON (1999a), FAGERBERG / VERSPAGEN (1996) und GEPPERT / HAPPICH / STEPHAN (2005).
32
Vgl. FINGLETON (l999a).
33
Vgl. MARTIN (1999), TONDL (1997) und (2001), NEVEN (1995) und CAPPELEN ET AL. (2003).
Was wir über die ß-Konvergenz europäischer Regionen wissen
287
F&E etc.). Sie weisen eine signifikante Konvergenzgeschwindigkeit von 1,7% nach. Wenn allerdings länderspezifische Dummy-Variablen in der Regressionsgleichung einbezogen werden, sinkt die Konvergenzgeschwindigkeit und liegt nur noch bei 1%.
Tab. 3: Ergebnisse des ß-Konvergenzmodells mit länderspezifischen Dummy-Variablen Zeitraum
Artikel
EU-Regionen
Ergebnis
ARMSTRONG (1995)
1950-1990
EU6
Abnahme der Konvergenz
F AGERBERG / VERSPAGEN (1996)
1950-1990
EU6
Konvergenz nur bis 1980
FINGLETON (1999a)
1975-1995
178 NUTSRegionen l
GEPPERT / HAPPICH / STEPHAN (2005)
1986-2000
EU15
mit Ausnahme der frühen 1990erJahre kein Konvergenzprozess
BASILE / DE NARDIS / GlRARDI (2005)
1975-1998
EU9
signifIkanter Konvergenzprozess
MARTIN (1999)
1980-1994
EUI5
Anstieg der Konvergenz in armen Regionen
TONDL (2001)
1960-1994
EU9
Konvergenzprozess folgt keinem einfachen Trend
NEVEN (1995)
1980-1988
108NUTSRegionen l
signifIkanter Konvergenzprozess
CAPPELEN ET AL. (2003)
1980-1999
EUl2
langsamer Konvergenzprozess
niedrige Konvergenzrate
Anmerkungen zu Tab. 3: I In dem Artikel wird nicht erwähnt, aus welchen Ländern diese Regionen stammen.
Quelle: Eigene Darstellung.
VI. tl-Konvergenz mit Paneldaten Einige Forscher untersuchen den Konvergenzprozess europäischer Regionen mit Paneldaten. Der Vorteil der Verwendung von Panelansätzen liegt darin, dass zeitspezifische und regionale Effekte in das Modell integriert werden. 34 Konvergenzstudien mit Paneldaten ermitteln häufig sehr hohe Konvergenzraten. Diese können durch die räumliche Autokorrelation, die gewöhnlich nicht kontrolliert werden kann, entstehen. 35 beispielsweise untersucht die Konvergenz für den Zeitraum von 1975 bis 1994. 36 Sie verwendet zwei Panelschätzer, um kleinen Verzerrungen der Stichprobe vorzubeugen. Beide Ansätze zeigen, dass europäische Regionen mit einer enorm hohen
TONDL
34
Vgl. TEMPLE (1999), S. 126 und JOHNSTON /DINARDO (1997).
35
Vgl. BADINGER/MüLLER/ToNDL (2004).
36
V gl. TONDL (200 I), S. III ff.
Hans-Friedrich Eckey I Nina Muraro I Matthias Türck
288
Geschwindigkeit von 21% konvergieren. Betrachtet man die Teilzeiträume, so erreicht die Konvergenzgeschwindigkeit zwischen 1980 und 1986 sogar 82%. Die festen Effekte unterscheiden sich stark, was auf verschiedene Anfangsniveaus der europäischen Regionen hinweist. Die Studie von CUADRADO-RouRA untersucht ebenfalls absolute und konditionale Konvergenzmodelle mit Paneldaten. 37 Der konditionale Ansatz zeigt im Vergleich zum absoluten Konvergenzmodell eine höhere Konvergenzrate. CUADRADOROURA folgert daraus, dass "regional convergence is actually ,conditioned''', weil ,,some factors are limiting the process".38 Die Untersuchung zeigt, dass sich die absolute Konvergenz im Zeitraum von 1986-1994 verringert, während die bedingte Konvergenz im Zeitraum von 1977-1986 steigt. BADINGER, MÜLLER und TONDL schlagen ein Zwei-Schritt-Verfahren vor, um einer Überschätzung der Konvergenzrate vorzubeugen. Im ersten Schritt filtern sie die Daten mit den Ansätzen von GETIS und GRIFFITH sowie GETIS und ÜRD. 39 Der Filteransatz trennt die räumlichen Komponenten von den verwendeten Variablen. Im zweiten Schritt schätzen sie ein Panelmodell mit den gefilterten Variablen. Sie erhalten so fiir den Zeitraum von 1985 bis 1999 eine Konvergenzrate von 6,9%. Außerdem vergleichen sie das Zwei-Schritt-Verfahren mit einem Panelmodell, das aufungefilterten Variablen basiert. Sie vermuten, dass die räumliche Autokorrelation, die mit MORAN'S I diagnostiziert wird, zu einer Konvergenzrate von 21,9% im Panelmodell ohne räumliche Filterung führt.
VII. ll-Konvergenzclubs Ein weiteres Konvergenzkonzept ist die Konvergenzc1ub-Hypothese. Konvergenzc1ubs sind Regionen, die zu einem ähnlichen gleichgewichtigen Zustand konvergieren. Im Gegensatz zum konditionalen Konvergenzansatz wird der Gleichgewichtswert nicht durch strukturelle Charakteristika bestimmt. 40 Verschiedene theoretische Ansätze legen die Entstehung von Konvergenzc1ubs nahe. Aus der neoklassischen Wachstumsperspektive können Konvergenzc1ubs abgeleitet werden, wenn die Sparquote aus Gehältern größer ist als die Sparquote aus Kapita1. 41 Die endogene Wachstumstheorie hebt die Wichtigkeit des Humankapita1s und des Wissens fiir die Produktion hervor. 42 Die unterschiedlichen Anfangswerte des Humankapitals oder des Wissens können vielfache Gleichgewichte verursachen. 43
37 38 39 40
41
42 43
CUADRADO-RoURA(2001). CUADRADO-RoURA (2001), S. 345. Vgl. BADlNGER I MÜLLER I TONDL (2004), GETlS I GRIFFITH (2002) und GETIS I ORD (1992). Vgl. CANOVA (2004), S. 49 sowie QUAH (1996). Vgl. DALGAARD/HANSEN (2004). Vgl. z. B. LUCAS (1988), ROMER (1990) und ROMER (1986). Vgl. GALOR (1996). Vgl.
Was wir über die ß-Konvergenz europäischer Regionen wissen
289
Teilweise werden Methoden der räumlichen Ökonometrie eingesetzt, um Regionen, die stark von angrenzenden Regionen abhängen, zu identifizieren und zu Gruppen zusammenzufassen. BAUMONT, ERTUR und LE GALLO (2003) verwenden das MORAN-Streudiagramm, in dem das logarithmierte BIP pro Kopf auf der Abszisse und das ,Spatial Lag' dieser Variablen auf der Ordinate abgetragen sind. Die Autoren finden zwei räumliche Clubs, wobei das erste Cluster nordeuropäische Regionen ebenso wie die mediterranen Länder und die zweite Gruppe alle übrigen Länder umfasst. Nur die Länder des zweiten Clusters konvergieren in einem absoluten ß-Konverenzmodell. LE GALLO und DALL'ERBA (2006) verwenden die GETIS / ORD-Statistik, um arme und reiche Regionen zu identifizieren. Die reichen Regionen werden ,Care', die anderen ,Periphery' genannt. Die Schätzung von Konvergenzmodellen deckt den Zeitraum von 1980-1999 ab. Das räumliche Mehrgleichungsmodell (SUR-Modell) weist nur fiir die peripheren Regionen einen Konvergenzprozess nach. FELDKIRCHER44 weist fiir die erweiterte europäische Union keine Konvergenzc1ubs nach. VIII. f}-Konvergenz mit lokal unterschiedlichen Parametern
Ein neuer Aspekt ist die Schätzung der lokal unterschiedlichen Parameter der ßKonvergenz, weil die Variation der Parameter zu inkonsistenten Schätzern fuhren kann. 45 Lokal unterschiedliche Parameter lassen sich mit der geografisch gewichteten Regression (GWR) berechnen, die von BRUNSDON, CHARLTON und FOTHERINGHAM entwickelt wurde. 46 Die Variablenwerte der Regionen, die eine geringere Distanz aufweisen, haben einen größeren Einfluss und ein größeres Gewicht bei der Kalibrierung. Das Schätzungsverfahren ähnelt der OLS-Schätzung. Nur drei Konvergenzstudien über europäische Regionen verwenden die geografisch gewichtete Regression. BIVAND und BRUNSTAD beschränken sich hierbei auf den Zeitraum von 1989-1999 und den Agrarsektor. ECKEY / DÖRING / TÜRCK nutzen dagegen Regionen von 23 Mitgliedsstaaten sowie den Zeitraum zwischen 1995-2003. 47 Beide Forschergruppen schätzen ein absolutes Konvergenzmodell mit verschiedenen Regressionskoeffizienten fiir jede Region. Die Parameter variieren sehr stark und wechseln ihre Vorzeichen in beiden Studien. So kommt es, dass einige Regionen konvergieren und andere nicht. Divergierende Regionen mit einer negativen Konvergenzrate liegen meist in Mitteleuropa (Deutschland, Österreich, Schweiz etc.). Fast alle französischen Regionen haben eine hohe Konvergenzrate. Bei der Erweiterung des Modells in der BIVAND / BRUNSTAD-Studie um Kontrollvariablen, beispielsweise Agrarsubventionen, sind die Ergebnisse größtenteils 44
45 46
V gl. FELDKIRCHER (2006). Vgl. TEMPLE (1999), S. 126 ff. sowie LEE I PESARAN I SMITH (1998), S. 321 ff. Vgl. BRUNSDON I FOTHERlNGHAM I CHARLTON (1998), S. 957 und FOTHERINGHAM I BRUNSDON I (2002).
CHARLTON 47
V gl. BIVAND I BRUNSTAD (2005) und ECKEY I DÖRlNG I TÜRCK (2006).
290
Hans-Friedrich Eckey / Nina Muraro / Matthias Türck
gleich. Eine Modifikation der ECKEY / DÖRING / TüRcK-Untersuchung unter Einbeziehung der Kontrollvariablen Humankapital sowie Sparquote minus Bevölkerungswachstum, Abschreibungen und technischem Fortschritt führt dazu, dass für alle Regionen eine Konvergenz nachgewiesen wird. 48 IX. Resümee
Es werden verschiedene Methoden angewendet, um europäische ß-Konvergenz zu untersuchen. Ein besonderes Problem ist, dass der regionale Wachstumsprozess ein komplexer Prozess mit Instabilitäten und Konjunkturschwankungen ist. 49 Dennoch finden die meisten Studien eine geringe Konvergenzrate aller oder einiger europäischer Regionen. Die regionalen Ungleichheiten bestehen in absehbarer Zeit im Wesentlichen fort, sogar wenn die osteuropäischen Länder nicht eingeschlossen werden. Das Resultat zeigt, dass die Regionalpolitik einheitliche Lebensbedingungen in der Europäischen Union zumindest nicht kurzfristig herstellen kann. Die gewaltigen finanziellen Mittel des Struktur- und Kohäsionsfonds scheinen nur ungenügend zur Erreichung von europäischer Konvergenz beizutragen. Neue Studien zeigen, dass Investitionen in Bildung und Humankapital einen großen Effekt auf regionale Wachstumscharakteristiken haben. 50 Außerdem sollten traditionelle Maßnahmen der lokalen Wirtschaftspolitik, wie Subventionen und Infrastrukturinvestitionen, in wirtschaftlich benachteiligten Regionen um neue Instrumente, wie beispielsweise die Modemisierung von Verwaltungsstrukturen, ,Public-PrivatePartnerships (PPPs)' und die Verbesserung der ,weichen' Standortfaktoren ergänzt werden. 51 Eine weitere Konzentration auf diese Bereiche könnte zu einer größeren Kohäsion europäischer Regionen führen. Literatur ANSELIN, L. (1988): Spatial Econometrics, Methods and Models, Dordrecht u. a. ARMSTRONG, H. W. (1995): Convergence among Regions of the European Union 1950-1990, in: Papers in Regional Science, Vol. 74, Nr. 2, S. 143-152. ARROW, K. J. (1962): The Economic Implications ofLeaming by Doing, in: Review ofEconomic Studies, Vol. 29, Nr. 3, S. 155-173. BADINGER, H. / MÜLLER, W. G. / TONDL, G. (2004): Regional Convergence in the European Union 1985-1999, A Spatial Dynamic Panel Analysis, in: Regional Studies, Vol. 38, Nr. 3, S. 241-253. BADINGER, H. / TONDL, G. (2005): The Factors behind European Regional Growth, Trade, Human Capital and Innovation, in: Jahrbuch für Regionalwissenschaft, 25. Jg., Nr. 1, S. 67-89.
48
Vgl. MANKlW / ROMER / WEIL (1993) und ECKEY / DREGER / TüRCK (2006).
49
Vgl. QUAH (1992), S. 50 ff.
50
Vgl. z. B. CANOVA (2004), BADINGER/ToNDL (2005) und MARTIN (2001).
51
V gl. BLUME (2003), BLUME (2004) und GRABOW / HENCKELI HOLLBACH-GRÖMIG (1995).
Was wir über die ß-Konvergenz europäischer Regionen wissen
291
BARRO R. J. I SALA-I-MARTIN, X. (1990): Economic Growth and Convergence across the United States, Working Paper Series of the National Bureau of Economic Research, No. 3419, New York. BARRO, R. J. I SALA-I-MARTIN, X. (1991): Convergence across States and Regions, in: Brookings Papers on Economic Activity, Vol. 1, Nr. I, S. 107-182. BARRO, R. J.I SALA-l-MARTIN, X. (1992): Convergence, in: Journal ofPolitical Economy, Vol. JOO, Nr. 2, S. 223-251. BASILE, R. I NARDIS, S. DE I GlRARDI, A. (2005): Regional Inequalities and Cohesion Policies in the European Union, http://www.camecon.comlservices/europelDownloadable%20files/isae%20paper.pdf, Zugriff: 06.01.2006. BAUMONT, 8.1 ERTUR, C. I GALLO, J. LE (2003): Spatial Convergence Clubs and the European Regional Growth Process, 1980-1995, in: B. Fingleton (Hrsg.), European Regional Growth, Berlin u. a., S. 131-158. BIVAND, R.I BRUNSTAD, R. (2003): Regional Growth in Western Europe, An Empirical Exploration of Interactions with Agriculture and Agricultural Policy, in: B. Fingleton (Hrsg.), European Regional Growth, Berlin u. a., S. 351-373. BIVAND, R. I BRUNSTAD, R. (2005): Further Explorations of Interactions between Agricultural Policy and Regional Growth in Western Europe, Approaches to Nonstationarity in Spatial Econometrics, http://www.uni-kiel.de/ifw/konfer/spatiall bivand_ brunstadt.pdf, Zugriff: 01.08.2005. BLUME, L. (2003): Kommunen im Standortwettbewerb, Theoretische Analyse, volkswirtschaftliche Bewertung und empirische Befunde am BeispielOstdeutschlands, Baden-Baden. BLUME, L. (2004): Erfolgsfaktoren kommunaler Wirtschaftspolitik in Ostdeutschland, in: Raumordnung und Raumforschung, 62. Jg., Nr. 1, S. 3-17. BORNSCHIER, V. I HERKENRATH, M. I ZILTENER, P. (2004): Political and Econornic Logic of Western European Integration, in: European Societies, Vol. 6, Nr. 1, S. 71-96. BRÄUNINGER, M. I NIEBUHR, A. (2005): Agglomeration, Spatial Interaction and Convergence in the EU, HWWA Discussion Paper, Nr. 322, Hamburg. BRUNSDON, C. I FOTHERINGHAM, A. S. I CHARLTON, M. E. (1998): Spatial Nonstationarity and Autoregressive Models, in: Environment and Planning A, Vol. 30, Nr. 6, S. 957-973. BUSCH, B. (2004): EU-Kohäsionspolitik, Entwicklung, BestandsaufTIahme und Reformvorschläge, Köln. CANOVA, F. (2004): Testing for Convergence Clubs in Income per Capita, A Predictive Density Approach, in: International Econornic Review, Vol. 45, Nr. 1, S. 49-78. CAPPELEN, A. ET AL. (2003): The Impact of EU Regional Support on Growth and Convergence in the European Union, in: Journal ofCommon Market Studies, Vol. 41, Nr. 4, S. 621-644. CARRINGTON, A. (2003): A Divided Europe? Regional Convergence and Neighbourhood Spillover Effects, in: Kyklos, Vol. 56, Nr. 3, S. 381-394. CASS, D. (1965): Optimum Growth in an Aggregate Model of Capital Accumulation, in: Review of Econornic Studies, Vol. 32, Nr. 3, S. 233-240. CLIFF, A. D.I ORD, J. K. (1973): Spatial Autocorrelation, London. CORRADO, L. I MARTIN, R. I WEEKS, M. (2005): Identifying and Interpreting Regional Convergence Clusters across Europe, in: Economic Journal, Vol. 115, Nr. 3, S. C133-CI60. CUADRADO-RoURA, J. R. (2001): Regional Convergence in the European Union, From Hypothesis to the Actual Trends, in: Annals ofRegional Science, Vol. 35, Nr. 3, S. 333-356. DALGAARD, C.-J. I HANSEN, J. W. (2004): Capital Utilization and the Foundations of Club Convergence, EPRU Working Paper Series, No. 2004-14, Kopenhagen.
292
Hans-Friedrich Eckey 1Nina Muraro 1 Matthias Türck
ECKEY, H.-F. 1 DÖRING, R. 1 TüRCK, M. (2006): Convergence of Regions from 23 EU Member States, Volkswirtschaftliche Diskussionsbeiträge des Fachbereichs Wirtschaftswissenschaften, Nr. 86106, Kassel. ECKEY, H.-F. 1 DREGER, R. 1 TÜRCK, M. (2006): European Regional Convergence in a Human Capital Augmented Solow Model, Volkswirtschaftliche Diskussionsbeiträge des Fachbereichs Wirtschaftswissenschaften, Nr. 88/06, Kassel. ECKEY, H.-F. 1 KOSFELD, R. 1 TÜRCK, M. (2005): Regional Convergence in Germany, A Geographically Weighted Regression Approach, Volkswirtschaftliche Diskussionsbeiträge des Fachbereichs Wirtschaftswissenschaften, Nr. 76105, Kassel. EUROPÄISCHE KOMMISSION (Hrsg.) (2004): Third Report on Economic and Social Cohesion, Brüssel. FAGERBERG, J. 1 VERSPAGEN, B. (1996): Heading for Divergence? Regional Growth in Europe Reconsidered, in: Journal of Common Market Studies, Vol. 34, Nr. 3, S. 431-448. FELDKIRCHER, M. (2006): Regional Convergence within the EU-25, A Spatial Econometric Analysis, http://www.oenb.at/de/img/ws_09 jeldkircher_tcmI4-42786.pdf, Zugriff: 14.09.2006. FINGLETON, B. (1999a): Estimates of Time to Economic Convergence, An Analysis of Regions of the European Union, in: International Regional Science Review, Vol. 22, Nr. I, S. 5-34. FINGLETON, B. (1999b): Economic Geography with Spatial Econometrics, A 'Third Way' to Analyse Economic Development and 'Equilibrium' with Application to the EU Regions, Working Paper ECO, No. 99/21, Department ofEconomics, European University Institute, San Domenico. FINGLETON, B. (2003): Externalities, Economic Geography and Spatial Econometrics, Conceptual and Modeling Developments, in: International Regional Science Review, Vol. 26, Nr. 4, S. 197207. FOTHERINGHAM, A. S. 1 BRUNSDON, C. 1 CHARLTON, M. E. (2002): Geographically Weighted Regression, The Analysis of Spatial Varying Re1ationships, Chi chester. GALLO, J. LE 1DALL'ERBA, S. (2006): Evaluating the Temporal and the Spatial Heterogeneity for the European Convergence Process, 1980-1999, in: Journal ofRegional Science, Vol. 46, Nr. 2, S. 269-288. GALOR, O. (1996): Convergence? Inferences from Theoretical Models, in: Economic Journal, Vol. 106, Nr. 4, S. 1056-1069. GEPPERT, K. 1 HAPPICH, M. 1 STEPHAN, A. (2005): Regional Disparities in the European Union: Convergence and Agglomeration, DIW Arbeitspapier, Nr. 525, Berlin. GETIS, A. 1 GRIFFITH, D. A. (2002): Comparative Spatial Filtering in Regression Analysis, in: Geographical Analysis, Vol. 34, Nr. 2, S. 130-140. GETIS, A. lORD, J. K. (1992): The Analysis of Spatial Association by Use ofDistance Statistics, in: Geographical Analysis, Vol. 24, Nr. 2, S. 189-206. GRABOW, B. 1 HENCKEL, D. 1 HOLLBACH-GRÖMIG, B. (1995): Weiche Standortfaktoren, Stuttgart u. a. HENDERSON, J. V. (2003): Marshall's economies, in: Journal ofUrban Economics, Vol. 53, Nr. 1, S. 1-28. JACOBS, J. (1969): The Economy of Cities, New York. JOHNSTON, J. IDINARDO, J. (1997): Econometric Methods, New York u. a. KOOPMANS, T. (1965): On the Concept ofOptimal Economic Growth, in: T. Koopmans (Hrsg.), The Econometric Approach to Development Planning, Amsterdam, S. 225-300. KRAMAR, H. (2006): Economic Convergence on Different Spatial Levels, The Conflict between Cohesion and Growth, in: Raumforschung und Raumordnung, 64. Jg., Heft I, S. 18-27.
Was wir über die ß-Konvergenz europäischer Regionen wissen
293
LAMMERS, K. (1998): Wirtschaftliche Konvergenz in der politischen Diskussion, in: B. Fischer / T. Straubhaar (Hrsg.), Ökonomische Konvergenz in Theorie und Praxis, Baden-Baden, S. 195-206. LEE, K. C. / PESARAN, M. H. / SMITH, R. (1998): Growth Empirics, A Panel Data Approach - A Comment, in: Quarteriy Journal ofEconomics, Vol. 113, Nr. I, S. 319-323. LOPEZ-BAZO, E. (2003): Growth and Convergence Across Economies, The Experience ofthe European Regions, in: B. Fingleton / A. Eraydin / R. Paci (Hrsg.), Regional Economic Growth, SMEs and the Wider Europe, Aldershot u. a., S. 49-74. LUCAS, R. E. JR. (1988): On the Mechanics of Economic Development, in: Journal of Monetary Economics, Vol. 22, Nr. I, S. 3-42. MANKIw, N. G. / ROMER, D. / WEIL, D. N. (1993): A Contribution to the Empirics of Economic Growth, in: Quarteriy Journal ofEconomics, Vol. 107, Nr. 2, S. 407-437. MARSHALL, A. (1994): Principles of Economics, London. MARTIN, R. (1999): Regional Convergence in the EU, Determinants for Catching-up or Staying Behind, in: Jahrbuch für Regionalwissenschaft, 19. Jg., Nr. 2, S. 157-181. MARTIN, R. (2001): EMU Versus the Regions? Regional Convergence and Divergence in Euroland, in: Journal ofEconomic Geography, Vol. I, Nr. I, S. 51-80. NEVEN, D. J. (1995): Regional Convergence in the European Union, in: Journal ofCommon Market Studies, Vol. 33, Nr. I, S. 47-65. NIEBUHR, A./ SCHLITTE, F. (2004): Convergence, Trade and Factor Mobility in the European Union, Implications for Enlargement and Regional Policy, in: Intereconomics, Vol. 39, Nr. 3, S. 167176. ORD, J. K. (1975): Estimation Methods for Models of Spatial Interaction, in: Journal of American Statistical Association, Vol. 70, Nr. I, S. 120-126. QUAH, D. T. (1992): Empirical Cross-Section Dynamics in Economic Growth, FMG Discussion Papers, No. dp154, London School ofEconomics and Political Science, London. QUAH, D. T. (1996): Convergence Empirics across Economies with (some) Capital Mobility, in: Journal ofEconomic Growth, Vol. I, Nr. I, S. 95-124. RAMSEY, F. P. (1928): A Mathematical Theory ofSaving, in: Economic Journal, Vol. 38, Nr. 152, S. 543-559. REY, S. J. / JANlKAS, M. V. (2005): Regional Convergence, Inequality and Space, in: Journal of Economic Geography, Vol. 5, Nr. 2, S. 155-176. ROMER, P. M. (1986): Increasing Returns and Long-Run Growth, in: Journal of Political Economy, Vol. 94, Nr. 5, S. 1002-1037. ROMER, P. M. (1990): Endogenous Technological Change, in: Journal of Political Economy, Vol. 98, Nr. 5, S. S71-SI02. SCHWARZE, J. (Hrsg.) (2000): EU-Kommentar, Baden-Baden. SOLOW, R. M. (1956): A Contribution to the Theory ofEconomic Growth, in: Quarteriy Journal of Economics, Vol. 70, Nr. I, S. 65-94. STOUGH, R. R. (1998): Endogenous Growth in a Regional Context, in: Annals of Regional Science, Vol. 32, Nr. I, S. 1-5. SWAN, T. W. (1956): Economic Growth and Capital Accumulation, in: Economic Record, Vol. 32, Nr. 63, S. 334-361. TEMPLE, J. (1999): The New Growth Evidence, in: Journal of Economic Literature, Vol. 37, Nr. I, S.l12-156. THOMAS, I. P. (1996): Regional Policy, Convergence and Subsidiarity in the European Community, Kieler Arbeitspapiere, Nr. 737, Kiel.
294
Hans-Friedrich Eckey / Nina Muraro / Matthias Türck
TONDL, G. (1997): Regional Convergence in Europe during the Past 40 Years, Seminar Paper for the European Forum 1996-97 "The Political Economy of an Integrated Europe", European University Institute, Florence. TONDL, G. (2001): Convergence after Divergence, Regional Growth in Europe, WienINew York. TONDL, G. (2004): EU Regional Policy, Experiences and Future Concerns, Europainstitut Workingpaper, No. 59, Vienna. VALDES, B. (1999): Economic Growth, Theory Empirics and Policy, Cheltenharn u. a. YIN, L. / ZESTOS, G. K. / MICHELIS, L. (2003): Economic Convergence in the European Union, in: Journal ofEconomic Integration, Vol. 18, Nr. 1, S. 188-213.