Ce dernier chapitre réunit les fils conducteurs du livre — micro, macro, institutions et empirisme — pour aborder la question la plus déterminante de l'économie : pourquoi certains pays sont-ils riches et d'autres pauvres, et que peut-on y faire ?
L'économie du développement n'est pas de la « théorie de la croissance appliquée ». Elle traite des défaillances de coordination, des trappes institutionnelles, des déficits de capital humain et de l'économie politique que les modèles standards ignorent. Elle présente aussi la révolution méthodologique la plus spectaculaire de l'économie moderne : l'essor des essais contrôlés randomisés comme outil d'évaluation des interventions — et, plus récemment, la contre-révolution de l'estimation structurelle qui cherche à dépasser ce qu'une seule expérience peut nous apprendre.
Ce chapitre fait la synthèse de l'ensemble du manuel. La théorie de la croissance (Ch 13) fournit le cadre. Les institutions (Ch 18) fournissent les déterminants profonds. L'économétrie (Ch 10) fournit les outils d'identification — variables instrumentales, régression par discontinuité et logique de l'inférence causale. Les enseignements comportementaux (Ch 19) éclairent la conception des interventions de développement.
Prérequis : Ch 10 (Fondements de l'économétrie — VI, régression), Ch 13 (Théorie de la croissance — modèle de Solow, états stationnaires), Ch 18 (Économie institutionnelle — AJR, extractif/inclusif), Ch 19 (Économie comportementale — nudges, ECR).
Les pays les plus riches — la Norvège, la Suisse, les États-Unis — ont un PIB par habitant supérieur à \$60 000 (PPA). Les plus pauvres — le Burundi, le Soudan du Sud, la République centrafricaine — ont un PIB par habitant inférieur à \$500. Un facteur de plus de 100 sépare les plus riches des plus pauvres, et cet écart s'est considérablement creusé sur deux siècles. En 1800, le ratio le plus riche/le plus pauvre était d'environ 5:1. En 2000, il dépassait 100:1. Cette « Grande Divergence » est le fait central que l'économie du développement doit expliquer.
Les Penn World Tables révèlent plusieurs tendances. Au début du XIXe siècle, la distribution était approximativement unimodale : presque tous les pays étaient pauvres. La Révolution industrielle a créé une divergence qui s'est accélérée au XXe siècle. Dans les années 1970-1980, la distribution était devenue nettement bimodale — les « pics jumeaux » (Quah 1996). Depuis 2000, la croissance rapide de la Chine et de l'Inde a partiellement comblé l'écart, bien que l'Afrique subsaharienne reste largement au pic inférieur.
| Faits de Kaldor (Ch 13) | Faits du développement (ce chapitre) |
|---|---|
| Ratio capital-production constant | Ratio capital-production croissant pendant l'industrialisation |
| Part du travail constante | Part du travail décroissante dans l'agriculture, croissante dans l'industrie puis les services |
| Taux de croissance constant de la production par travailleur | Croissance très variable ; épisodes d'accélération et de stagnation |
| Sentier de croissance équilibré | Transformation structurelle ; croissance déséquilibrée, avec changements sectoriels |
Le modèle de Solow (Ch 13) capture bien les faits de Kaldor. Il ne capture pas les faits du développement — il n'a qu'un secteur, un type de travail et une convergence lisse. L'économie du développement nécessite des modèles à secteurs multiples, travail hétérogène et possibilité de trappes.
Figure 20.3. Distribution mondiale des revenus dans le temps (stylisée). Faites défiler les décennies pour voir l'évolution d'unimodale (1800) à bimodale (années 1970) à convergence partielle (années 2000). Utilisez le curseur ou le bouton lecture.
Le secteur moderne utilise le capital et le travail dans une fonction de production Cobb-Douglas :
Le secteur moderne utilise le capital et le travail dans une fonction de production Cobb-Douglas :
Le secteur moderne embauche des travailleurs tant que $MPL_M > \bar{w}$. Pendant la phase de main-d'œuvre excédentaire, le secteur moderne fait face à une offre de travail parfaitement élastique au salaire $\bar{w}$. Les profits ($\Pi_M = Y_M - \bar{w}L_M$) sont réinvestis, créant un cercle vertueux : l'accumulation de capital élève $MPL_M$, absorbant plus de travailleurs, générant plus de profits.
Pourquoi c’est important : A poor country has a bottomless pool of farm workers whose extra output is essentially nil — pull one off the land and nothing is lost. So the modern factory sector can hire as many as it wants at a flat subsistence wage, reinvest the profits, and grow by absorbing workers rather than bidding up pay. That free ride lasts until the pool runs dry — the Lewis turning point — after which extra workers come only by raising wages, and growth has to shift to making each worker more productive. China between 1980 and 2010 is the textbook case: hundreds of millions moved from fields to coastal factories, with wages staying flat until they finally surged around 2010–2015. The slider figure below lets you watch the modern sector swell and the turning point arrive.
La Chine est l'illustration moderne la plus spectaculaire. Entre 1980 et 2010, la Chine a transféré des centaines de millions de travailleurs de l'agriculture rurale vers l'industrie urbaine, générant des taux de croissance de 10 % par an. Les économistes débattent de la question de savoir si la Chine a franchi son point de retournement de Lewis autour de 2010-2015, comme en témoigne la hausse rapide des salaires dans les zones manufacturières côtières.
Figure 20.2. Modèle d'économie duale de Lewis. Gauche : courbe de MPL du secteur moderne et salaire de subsistance. Droite : production par secteur. Augmentez le capital pour absorber le travail ; surveillez le point de retournement de Lewis. Déplacez les curseurs pour explorer.
La République de Kaelani a 10 millions de travailleurs. Actuellement, 7 millions travaillent dans le secteur de subsistance avec une main-d'œuvre excédentaire de 3 millions ($\bar{L} = 4$ millions). Secteur moderne : $A_M = 2$, $K_M = 100$, $\alpha = 0{,}4$.
(a) Production moderne actuelle ($L_M = 3$ M) : $Y_M^{\text{avant}} = 2 \times 100^{0,4} \times 3^{0,6} \approx 24{,}40$. Après réallocation de 1 M de travailleurs ($L_M = 4$ M) : $Y_M^{\text{après}} = 2 \times 100^{0,4} \times 4^{0,6} \approx 28{,}99$. Gain de production = 4,59 unités (augmentation de 18,8 %), sans aucune perte de subsistance puisque les travailleurs transférés étaient excédentaires.
(b) Au point de retournement, $L_M = L - \bar{L} = 6$ M. En posant $MPL_M = \bar{w} = 1$ : $K_M^* \approx 3{,}80$ — un seuil bas reflétant l'abondance de main-d'œuvre excédentaire et le modeste salaire de subsistance.
Le modèle de Solow standard comporte une fonction de production concave garantissant un état stationnaire stable unique. Les trappes à pauvreté nécessitent une fonction de production en S (localement convexe) créant des croisements multiples entre $sf(k)$ et $(n+\delta)k$.
Figure 20.1. Diagramme de la trappe à pauvreté. La courbe en S $sf(k)$ croise la droite $(n+\delta)k$ en jusqu'à trois points. Faites glisser le point pour voir la convergence vers la trappe basse ou l'équilibre élevé. Ajustez le taux d'épargne et la courbure avec les curseurs. Faites glisser le point de condition initiale pour explorer.
Pourquoi c’est important : When the production function bends the wrong way at low capital — each early dollar adds little, but past some threshold it pays off — an economy can have two resting points: a poverty trap and a prosperous equilibrium, with an unstable tipping point between them. The reason no single factory modernizes on its own is that modernizing only pays once enough other firms have done it too: a steel mill needs customers with money, who need jobs at other modern firms. Everyone waiting on everyone else is a coordination failure, and it locks the economy at the low point. A coordinated “big push” — investing across many sectors at once — jumps the whole economy over the tipping point together. Drag the starting-capital dot in the figure below across the unstable threshold and watch the economy fall toward the trap or climb to prosperity.
Le modèle MSV génère deux équilibres de Nash : pas d'industrialisation (la trappe à pauvreté) et industrialisation complète (l'équilibre développé). Un gouvernement peut jouer le rôle de mécanisme de coordination — en subventionnant l'investissement simultané dans tous les secteurs.
Tous les pays pauvres ne sont pas piégés. Kraay et McKenzie (2014) trouvent peu de preuves de trappes à pauvreté au niveau des ménages. Au niveau des pays, le sous-développement persistant dans certaines parties de l'Afrique subsaharienne est plus cohérent avec la dynamique de trappe, en particulier combiné à la défaillance institutionnelle et aux conflits.
Étant donné $f(k) = k^2/(1+k^2)$ (en S), $s = 0{,}20$, $n+\delta = 0{,}10$. En posant $sf(k) = (n+\delta)k$ et en résolvant, on obtient $k = 0$ et $k = 1$ (racine répétée — la trappe est à la limite d'existence).
Pour un exemple plus riche, $f(k) = k^{2,2}/(1+k^{2,2})$ donne trois solutions : $k_L^* \approx 0$ (trappe à pauvreté), $k_U \approx 0{,}72$ (seuil instable), $k_H^* \approx 1{,}45$ (équilibre élevé). En $k_U$, la fonction de production est localement convexe donc $g'(k_U) > 0$ — instable. Le big push nécessite d'injecter $\Delta k \approx 0{,}72$ par travailleur.
Le défi fondamental est l'endogénéité : les pays riches peuvent se permettre de meilleures institutions. AJR (2001) ont proposé une stratégie de VI utilisant la mortalité des colons. Le coefficient de première étape $\beta$ est négatif et hautement significatif (F-statistique > 20). L'estimation 2SLS $\hat{\delta} \approx 0{,}94$ dépasse l'OLS ($\approx 0{,}52$) — cohérent avec un biais d'atténuation dû aux erreurs de mesure.
Pourquoi c’est important : You can’t prove institutions cause wealth just by noticing that rich countries have good institutions — rich countries can afford good institutions, so the arrow might run the other way. Acemoglu, Johnson and Robinson found a natural experiment: where European colonizers faced deadly disease they couldn’t settle, so they set up purely extractive states; where they survived, they built the inclusive institutions they knew. Those centuries-old death rates can only affect a country’s income today through the institutions they shaped — which lets them isolate the causal channel. The instrument estimate comes out larger than the raw correlation not by magic but because mismeasured institutions blur the simple comparison. The scatter figure below lets you switch between settler mortality, latitude, and rule-of-law on the horizontal axis and watch how tightly each tracks income.
Les expériences naturelles renforcent l'hypothèse institutionnelle : Corée du Nord vs Corée du Sud, Allemagne de l'Est vs Allemagne de l'Ouest, Chine avant et après les réformes, et le Botswana vs ses voisins illustrent tous comment la divergence institutionnelle entraîne la divergence des revenus.
Figure 20.4. Institutions vs géographie — nuage de points. Changez la variable en abscisse pour comparer mortalité des colons, latitude et État de droit comme prédicteurs du revenu. Utilisez le menu déroulant pour changer de vue.
Résultats : F de première étape = 22,9, $\hat{\beta} = -0{,}61$, 2SLS $\hat{\delta} = 0{,}94$ (ET = 0,16), OLS = 0,52. (a) Une augmentation d'une unité de la qualité institutionnelle cause une hausse de 0,94 log-point du PIB/habitant. Passer du 25e percentile (score 5) au 75e (score 8) prédit une augmentation de \$1 \times 0{,}94 = 2{,}82$ log-points — environ 16,8 fois.
(b) Menaces pour la restriction d'exclusion : la mortalité des colons peut servir de proxy pour l'environnement pathologique actuel (réduisant directement la productivité) ; les Européens ont peut-être investi différemment dans les infrastructures au-delà des institutions. (c) VI > OLS probablement dû au biais d'atténuation : si le ratio de fiabilité est d'environ 0,55, alors \$1{,}52/0{,}55 \approx 0{,}94$.
| Groupe de revenus | Rendement moyen (ρ̂) |
|---|---|
| Pays à faible revenu | 10,5 % |
| Revenu intermédiaire inférieur | 8,7 % |
| Revenu intermédiaire supérieur | 7,2 % |
| Pays à revenu élevé | 5,4 % |
Pourquoi c’est important : Each extra year of school raises a worker’s pay by a roughly constant percentage — and that percentage is larger where educated workers are scarce. So the return is around 10–14% in poor countries and only 5–7% in rich ones, simply because scarcity commands a premium. Health is human capital in the same way: a child who is dewormed, fed, and free of chronic disease learns more in school and earns more as an adult, with returns that rival schooling — which is why a few dollars of deworming can be one of the most cost-effective things a development budget buys. The figure below lets you slide schooling years and the return rate to trace out the wage profile.
Bleakley (2007) a exploité la variation géographique de la prévalence de l'ankylostome pour montrer une augmentation de revenu de 17 % par écart-type de réduction. Miguel & Kremer (2004) ont constaté que le déparasitage réduisait l'absentéisme scolaire de 25 % avec d'importants effets de débordement — environ \$3,50 par année supplémentaire de fréquentation, parmi les interventions de développement les plus rentables connues.
Figure 20.5. Explorateur de l'équation de Mincer. Ajustez les années de scolarité et les rendements pour voir comment le profil du log-salaire se déplace. La ligne en pointillés montre la prime pour 4 années supplémentaires. Déplacez les curseurs pour explorer.
Pays A (faible revenu) : $\hat{\rho} = 0{,}10$, $\hat{\beta}_1 = 0{,}03$, $\hat{\beta}_2 = -0{,}0005$. Pays B (revenu élevé) : $\hat{\rho} = 0{,}05$, $\hat{\beta}_1 = 0{,}05$, $\hat{\beta}_2 = -0{,}0008$. La prime à l'éducation pour 4 années supplémentaires : Pays A = $e^{0,40}-1 = 49{,}2\%$ ; Pays B = $e^{0,20}-1 = 22{,}1\%$.
Le pic salarial à $\text{Exp}^* = \beta_1 / (2|\beta_2|)$ : Pays A à 30 ans, Pays B à 31,25 ans. Les rendements diffèrent en raison de la rareté, du biais de capacité, des contraintes de crédit, de la qualité scolaire et des effets de signal vs capital humain.
Banerjee, Duflo et Kremer ont reçu le prix Nobel 2019 pour leur approche expérimentale de la réduction de la pauvreté mondiale. Résultats clés : les transferts monétaires fonctionnent et ne réduisent pas l'effort ; la microfinance n'est pas transformatrice ; le déparasitage est extraordinairement rentable. La plus grande contribution de la révolution des ECR a été de remplacer les croyances antérieures par des preuves.
Pourquoi c’est important : Flip a coin to decide who gets a program and who doesn’t, and the two groups end up identical in expectation on everything — rich and poor, motivated and not. So any difference you see afterward must be the program’s doing; you don’t need a model of human behavior to believe it. That credibility is what won Banerjee, Duflo and Kremer the 2019 Nobel. The catch is sample size: with too few people, a real effect hides inside ordinary noise. The power formula just turns that worry into a number — how many people (or villages) you must enroll to be confident of spotting an effect of a given size. The figure below lets you dial the effect size, variability, and cluster design and watch the required sample swing.
| Intervention | Résultat | Étude |
|---|---|---|
| Déparasitage | Réduction de 25 % de l'absentéisme ; effets de débordement importants | Miguel & Kremer (2004) |
| Moustiquaires | La distribution gratuite génère une adoption bien plus élevée que le partage des coûts | Cohen & Dupas (2010) |
| Microfinance | Effets modestes sur le revenu des entreprises ; pas de réduction transformative de la pauvreté | Banerjee et al. (2015) |
| Transferts monétaires (inconditionnels) | Les bénéficiaires investissent de manière productive ; les effets persistent | GiveDirectly (Haushofer & Shapiro 2016) |
| Transferts monétaires (conditionnels, Progresa) | +8 pp de scolarisation, amélioration nutritionnelle | Schultz (2004) |
| Incitations pour les enseignants | La rémunération incitative améliore les résultats aux tests ; les détails de conception comptent | Muralidharan & Sundararaman (2011) |
Figure 20.6. Calculateur de puissance d'ECR. Voyez comment la taille d'effet, la variance, le seuil de significativité et le regroupement affectent la taille d'échantillon requise. La ligne en pointillés marque la puissance de 80 %. Déplacez les curseurs pour explorer.
Le ministère de Kaelani prévoit un effet de revenu de \$30/mois ($\sigma = 120$). À $\alpha = 0{,}05$, puissance de 80 % : $N = 2 \times 120^2 \times (1{,}96+0{,}84)^2 / 30^2 \approx 251$ par bras. Avec randomisation par grappes (42 villages, 60 ménages chacun, ICC = 0,04) : effet de design = 3,36, échantillon effectif = 750 — bien au-dessus de 251.
Si le budget ne permet que 1 500 par bras : échantillon effectif $\approx 446$. MDE $= \sqrt{2 \times 14400 \times 7{,}84 / 446} \approx \$22{,}50$/mois — inférieur à l'effet attendu de \$30, donc l'étude reste adéquatement puissante.
Si le modèle de Solow a raison et que les pays pauvres manquent de capital, la solution semble évidente : transférer du capital depuis les pays riches. C’est la logique de l’aide étrangère. Des milliers de milliards de dollars ont été dépensés sur cette prémisse. Dambisa Moyo soutient que cela a empiré les choses.
AvancéTodd et Wolpin (2006) ont validé un modèle structurel par rapport à l'ECR Progresa, puis l'ont utilisé pour simuler des contrefactuels non testés. Attanasio et al. (2012) ont montré que le TCC fonctionnait principalement en réduisant les coûts d'opportunité de la scolarisation plutôt qu'en desserrant les contraintes budgétaires — une compréhension basée sur les mécanismes qui permet la transférabilité.
La résolution combine les approches structurelle et de forme réduite. Les ECR fournissent des estimations causales crédibles ; les modèles structurels fournissent des cadres de généralisation. Le flux de travail idéal : utiliser un ECR pour identifier les paramètres, les intégrer dans un modèle structurel, valider par rapport aux données expérimentales, puis extrapoler avec des bornes d'incertitude honnêtes.
Figure 20.8. Comparaison structurel vs forme réduite. Le panneau gauche montre l'estimation ECR d'origine ; le droit montre les prédictions pour un nouveau site. À mesure que les contextes divergent, le modèle structurel s'ajuste honnêtement tandis que l'extrapolation naïve reste faussement précise. Utilisez le commutateur pour changer de scénario.
Miguel & Kremer ont trouvé une réduction de l'absentéisme de 25 % au Kenya ; une réplication en Inde a trouvé environ 3 pp (non significatif). Différences structurelles clés : prévalence des helminthes 75 % (Kenya) vs 20-30 % (Inde) ; qualité et accès scolaires différents ; coûts d'opportunité différents du travail des enfants ; effets de débordement moindres.
Un modèle structurel de scolarisation avec intrants de santé, calibré sur le Kenya, prédit 7 pp. Recalibré avec les paramètres indiens : 2-3 pp — cohérent avec la réplication. Le modèle « sait ce qu'il ne sait pas » : il ajuste les prédictions et élargit les intervalles de confiance plutôt que d'extrapoler faussement.
La nouvelle économie structurelle (Lin) soutient que les gouvernements devraient identifier les industries cohérentes avec l'avantage comparatif latent. Rodrik étend cela à la politique industrielle verte : la transition énergétique propre nécessite un investissement public coordonné car les externalités carbone sont sous-évaluées et les retombées de l'apprentissage par la pratique ne sont pas internalisées.
Le débat entre transferts conditionnels et inconditionnels (TIE) est central dans la politique contemporaine. Les programmes de GiveDirectly montrent que les TIE fonctionnent bien — les bénéficiaires investissent de manière productive et les effets persistent. La conditionnalité peut compter lorsque des biais comportementaux empêchent l'investissement optimal (lien avec le Ch 19), mais peut être inutile lorsque les ménages veulent déjà investir dans le capital humain de leurs enfants.
Figure 20.7. Simulateur d'ECR de transferts monétaires. Ajustez le montant du transfert, la durée et la conditionnalité pour voir comment les effets du traitement varient selon les résultats. Les étoiles de significativité apparaissent lorsque l'IC exclut zéro. Déplacez les curseurs pour explorer.
L'ère coloniale (avant 1945) a créé les fondements institutionnels. L'ère post-indépendance (1945-1980) a été dominée par la pensée du big push. Le Consensus de Washington (1980-2000) a promu les marchés. La révolution des ECR (2000-2019) a recentré l'attention sur les preuves micro. L'ère post-2015 fait la synthèse : les grandes questions nécessitent une réflexion structurelle ; les questions de politique spécifiques nécessitent des preuves expérimentales.
Kaelani met en œuvre un TCC : \$50/mois à 2 500 ménages ruraux sélectionnés aléatoirement, conditionné à une fréquentation scolaire de 80 %+, pendant 18 mois. Groupe de contrôle : 2 500 ménages. Calcul de puissance (Eq. 20.10) : avec $\sigma = 120$, le MDE est de \$27/mois à 80 % de puissance. L'effet attendu de \$30-35 est bien au-dessus de ce seuil.
Randomisation par grappes (42 villages traitement + 42 contrôle, ICC = 0,04, taille de grappe 60) donne un effet de design = 3,36. Échantillon effectif = 744 par bras, au-dessus du minimum de 309. Résultats pré-enregistrés : consommation, scolarisation, diversité alimentaire, épargne.
Résultats après 18 mois : Consommation mensuelle +\$32 (p < 0,01), scolarisation +8 pp (p = 0,01), diversité alimentaire +0,4 ET (p < 0,01), épargne +\$15 (p = 0,02), offre de travail des adultes −2 h/semaine (p = 0,27, non significatif). Conformité 94 % ; préoccupation sur l'offre de travail écartée. Le transfert de \$50 génère \$32 de gains de consommation, suggérant des multiplicateurs de dépenses locaux.
Analyse institutionnelle (Ch 18) : Le TCC renforce la capacité étatique — systèmes de paiement, infrastructure de suivi, responsabilité bureaucratique. La condition de fréquentation scolaire fonctionne parce que Kaelani a investi dans la construction d'écoles lors de sa réforme de 2005. Sans écoles, la conditionnalité est vide de sens.
Validité externe (Sec 20.7) : La République de Talani veut répliquer. Forme réduite : l'extrapolation naïve ignore les institutions plus faibles et la démographie différente de Talani. Modèle structurel : prédit +5 pp de scolarisation (vs +8 pp pour Kaelani) et +\$28 de consommation (vs \$32), avec un intervalle à 90 % [+1 pp, +9 pp] pour la scolarisation. La critique de Deaton s'applique : les ECR répondent à « est-ce que ça a marché ici ? » mais pas à « est-ce que ça marchera là-bas ? »
Les fils conducteurs du manuel convergent : le développement de Kaelani dépend des institutions (Ch 18), des fondamentaux de la croissance (Ch 13), de la stabilité macroéconomique (Ch 14-16), des enseignements comportementaux (Ch 19) et de l'évaluation fondée sur les preuves (ce chapitre).
| Libellé | Équation | Description |
|---|---|---|
| Eq. 20.1 | $Y_M = A_M K_M^\alpha L_M^{1-\alpha}$ | Production Cobb-Douglas du secteur moderne |
| Eq. 20.2 | $Y_S = A_S \min(L_S, \bar{L})$ | Secteur de subsistance avec main-d'œuvre excédentaire |
| Eq. 20.3 | Lewis turning point: $MPL_S = \bar{w} \Rightarrow L_S^* = \bar{L}$ | Seuil d'épuisement de la main-d'œuvre excédentaire |
| Eq. 20.4 | $\dot{k} = sf(k) - (n+\delta)k$, $f$ en S | Accumulation du capital avec trappe à pauvreté |
| Eq. 20.5 | $\pi_i = (1/\alpha - 1)(LF - 1)\alpha^{\alpha/(1-\alpha)}$ | MSV : profit d'industrialisation (coordination) |
| Eq. 20.6 | $\text{Inst}_i = \alpha + \beta\ln(\text{settler mort}_i) + \mathbf{X}_i'\gamma + \varepsilon_i$ | Première étape de la VI d'AJR |
| Eq. 20.7 | $\ln w_i = \alpha + \rho S_i + \beta_1 \text{Exp}_i + \beta_2 \text{Exp}_i^2 + u_i$ | Équation salariale de Mincer |
| Eq. 20.8 | $Y = A(H)K^\alpha(hL)^{1-\alpha}$, $h = e^{\phi S + \psi\text{Health}}$ | Production augmentée (santé + éducation) |
| Eq. 20.9 | $\hat{\tau}_{ATE} = \bar{Y}_T - \bar{Y}_C$ | Estimateur de l'ATE sous randomisation |
| Eq. 20.10 | $N = 2\sigma^2(z_{\alpha/2}+z_\beta)^2 / \tau^2$ | Taille minimale d'échantillon pour la puissance \$1-\beta$ |
Littérature citée : Lewis (1954) ; Rosenstein-Rodan (1943) ; Murphy, Shleifer & Vishny (1989) ; Acemoglu, Johnson & Robinson (2001) ; Nunn (2008) ; Mincer (1974) ; Bleakley (2007) ; Miguel & Kremer (2004) ; Banerjee, Duflo & Kremer (Nobel 2019) ; Todd & Wolpin (2006) ; Attanasio, Meghir & Santiago (2012) ; Deaton (2010) ; Allcott (2015) ; Lin (2012) ; Rodrik (2004).