外国援助能弥合差距吗？
如果索洛模型是对的，穷国缺乏资本，解决方案似乎很明显：从富国转移资本。这正是外国援助的逻辑。数万亿美元已经花在了这个前提上。丹比萨·莫约认为，这让事情变得更糟了。
高级本最后一章汇集了全书的线索——微观、宏观、制度和实证——来回答经济学中最重要的问题：为什么有些国家富裕而另一些贫穷，以及能做些什么？
发展经济学不是"应用增长理论"。它处理的是标准模型所抽象掉的协调失败、制度陷阱、人力资本缺口和政治经济学。它还展现了现代经济学中最引人注目的方法论革命：随机对照试验作为评估干预手段的兴起——以及最近寻求超越单个实验所能揭示的结构估计的反潮流。
本章综合了整本教科书。增长理论（第13章）提供框架。制度（第18章）提供深层决定因素。计量经济学（第10章）提供识别工具——工具变量、断点回归和因果推断的逻辑。行为洞见（第19章）为发展干预的设计提供信息。
前置知识：第10章（计量经济学基础——IV、回归），第13章（增长理论——Solow模型、稳态），第18章（制度经济学——AJR、掠夺性/包容性制度），第19章（行为经济学学学——助推、RCT）。
最富裕的国家——挪威、瑞士、美国——人均GDP超过\$60,000（PPP）。最贫穷的国家——布隆迪、南苏丹、中非共和国——人均GDP低于\$500。最富和最穷之间相差超过100倍，而这一差距在两个世纪内急剧扩大。1800年，最富与最穷的比率约为5:1。到2000年，超过了100:1。这一"大分流"是发展经济学必须解释的核心事实。
Penn World Table揭示了若干模式。在19世纪初，分布大致单峰：几乎所有国家都很穷。工业革命创造了一个在20世纪加速的分流。到20世纪70-80年代，分布已明显变为双峰——"双峰"（Quah 1996）。2000年以来，中国和印度的快速增长部分填补了这一差距，但撒哈拉以南非洲基本仍处于较低的峰值。
| Kaldor事实（第13章） | 发展事实（本章） |
|---|---|
| 恒定的资本-产出比 | 工业化过程中上升的资本-产出比 |
| 恒定的劳动份额 | 农业劳动份额下降，工业先升后降，服务业上升 |
| 恒定的人均产出增长率 | 高度可变的增长；加速和停滞交替 |
| 平衡增长路径 | 结构转型；非平衡的、部门转移式增长 |
索洛模型（第13章）很好地捕捉了Kaldor事实。它没有捕捉到发展事实——它只有一个部门、一种劳动和平滑的收敛。发展经济学需要具有多个部门、异质劳动和陷阱可能性的模型。
图20.3.全球收入分布随时间变化（概式化）。滑动浏览各十年，查看从单峰（1800年）到双峰（20世纪70年代）再到部分收敛（2000年代）的演变。使用滑块或播放按钮。
传统部门的特征是剩余劳动力：
传统部门的特征是剩余劳动力：
现代部门在$MPL_M > \bar{w}$时雇用工人。在剩余劳动力阶段，现代部门面临以工资$\bar{w}$为基准的完全弹性劳动供给。利润（$\Pi_M = Y_M - \bar{w}L_M$）被再投资，创造良性循环：资本积累提高$MPL_M$，吸收更多工人，产生更多利润。
为什么这很重要： 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.
中国是最引人注目的现代例证。1980年至2010年间，中国将数亿工人从农村农业转移到城市制造业，实现了每年10%的增长率。经济学家争论中国是否在2010-2015年左右跨越了刘易斯转折点，证据是沿海制造业地区工资快速上涨。
图20.2.刘易斯二元经济模型。左：现代部门MPL曲线和维持生计工资。右：各部门产出。增加资本以吸收劳动力；注意刘易斯转折点。拖动滑块探索。
凯拉尼共和国有1000万工人。目前700万在维持生计部门工作，剩余劳动力为300万（$\bar{L} = 4$百万）。现代部门：$A_M = 2$，$K_M = 100$，$\alpha = 0.4$。
(a)当前现代部门产出（$L_M = 3$M）：$Y_M^{\text{before}} = 2 \times 100^{0.4} \times 3^{0.6} \approx 24.40$。重新分配100万工人后（$L_M = 4$M）：$Y_M^{\text{after}} = 2 \times 100^{0.4} \times 4^{0.6} \approx 28.99$。产出增益 = 4.59单位（增长18.8%），维持生计部门零损失，因为转移的工人是剩余劳动力。
(b)在转折点，$L_M = L - \bar{L} = 6$M。令$MPL_M = \bar{w} = 1$：$K_M^* \approx 3.80$——反映了剩余劳动力充裕和维持生计工资适中的低门槛。
标准索洛模型具有凹生产函数，保证唯一稳定的稳态。贫困陷阱需要S形（局部凸的）生产函数，在$sf(k)$和$(n+\delta)k$之间创造多个交叉点。
图20.1.贫困陷阱图。S形$sf(k)$曲线与$(n+\delta)k$线相交于最多三个点。拖动圆点查看收敛到低陷阱或高均衡。用滑块调整储蓄率和曲率。拖动初始条件圆点探索。
为什么这很重要： 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.
MSV模型产生两个Nash均衡：无工业化（贫困陷阱）和全面工业化（发达均衡）。政府可以充当协调机制——补贴跨部门的同步投资。
并非所有贫穷国家都陷入了陷阱。克雷和麦肯齐（2014）发现家庭层面贫困陷阱的证据有限。在国家层面，撒哈拉以南非洲的持续欠发达更符合陷阱动态，特别是当与制度失败和冲突结合时。
给定$f(k) = k^2/(1+k^2)$（S形），$s = 0.20$，$n+\delta = 0.10$。令$sf(k) = (n+\delta)k$并求解得$k = 0$和$k = 1$（重根——陷阱处于存在的边缘）。
更丰富的例子：$f(k) = k^{2.2}/(1+k^{2.2})$得到三个解：$k_L^* \approx 0$（贫困陷阱），$k_U \approx 0.72$（不稳定阈值），$k_H^* \approx 1.45$（高均衡）。在$k_U$处，生产函数局部凸，$g'(k_U) > 0$——不稳定。大推进需要注入每工人$\Delta k \approx 0.72$。
根本挑战是内生性：富裕国家能负担更好的制度。AJR（2001）提出了使用殖民者死亡率的IV策略。第一阶段系数$\beta$为负且高度显著（F统计量 > 20）。2SLS估计$\hat{\delta} \approx 0.94$超过OLS（$\approx 0.52$）——与测量误差导致的衰减偏差一致。
为什么这很重要： 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.
自然实验强化了制度假说：朝鲜与韩国、东德与西德、改革前后的中国以及博茨瓦纳与其邻国都说明了制度分化如何驱动收入分化。
图20.4.制度与地理散点图。切换x轴变量以比较殖民者死亡率、纬度和法治指数作为收入预测因子。使用下拉菜单切换视图。
结果：第一阶段F = 22.9，$\hat{\beta} = -0.61$，2SLS $\hat{\delta} = 0.94$（SE = 0.16），OLS = 0.52。(a)制度质量每增加一个单位导致人均GDP增加0.94个对数点。从第25百分位（得分5）到第75百分位（得分8）预测增加\$1 \times 0.94 = 2.82$个对数点——大约16.8倍。
(b)排除性限制的威胁：殖民者死亡率可能代理当前疾病环境（直接降低生产率）；欧洲人可能在制度之外对基础设施进行了不同的投资。(c)IV > OLS可能由于衰减偏差：如果可靠性比率约为0.55，则\$1.52/0.55 \approx 0.94$。
| 收入组别 | 平均回报率（ρ̂） |
|---|---|
| 低收入国家 | 10.5% |
| 中低收入国家 | 8.7% |
| 中高收入国家 | 7.2% |
| 高收入国家 | 5.4% |
为什么这很重要： 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.
布莱克利（2007）利用钩虫感染流行率的地理变异表明，每标准差减少对应17%的收入增长。米格尔和克雷默（2004）发现驱虫将旷课率降低了25%，并具有大量溢出效应——每额外一年出勤约\$3.50，是已知最具成本效益的发展干预之一。
图20.5.明塞尔方程探索器。调整受教育年限和回报率，查看对数工资曲线如何移动。虚线显示额外4年教育的溢价。拖动滑块探索。
A国（低收入）：$\hat{\rho} = 0.10$，$\hat{\beta}_1 = 0.03$，$\hat{\beta}_2 = -0.0005$。B国（高收入）：$\hat{\rho} = 0.05$，$\hat{\beta}_1 = 0.05$，$\hat{\beta}_2 = -0.0008$。4年额外教育的溢价：A国 = $e^{0.40}-1 = 49.2\%$；B国 = $e^{0.20}-1 = 22.1\%$。
工资峰值经验年数$\text{Exp}^* = \beta_1 / (2|\beta_2|)$：A国为30年，B国为31.25年。回报率差异源于稀缺性、能力偏差、信贷约束、学校质量以及信号与人力资本效应。
巴纳吉、迪弗洛和克雷默因其减轻全球贫困的实验方法获得2019年诺贝尔奖。关键发现：现金转移有效且不减少努力；小额信贷不具变革性；驱虫具有极高的成本效益。RCT革命最大的贡献是用证据取代了先验信念。
为什么这很重要： 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.
| 干预措施 | 研究发现 | 研究 |
|---|---|---|
| 驱虫 | 缺勤率降低25%；显著的溢出效应 | Miguel & Kremer (2004) |
| 蚊帐 | 免费发放的采用率远高于费用分担 | Cohen & Dupas (2010) |
| 小额信贷 | 对商业收入的影响有限；未带来变革性的减贫效果 | Banerjee et al. (2015) |
| 现金转移（无条件） | 受益者进行了生产性投资；效果持续 | GiveDirectly (Haushofer & Shapiro 2016) |
| 现金转移（有条件，Progresa项目） | 入学率提高8个百分点，营养状况改善 | Schultz (2004) |
| 教师激励 | 激励薪酬提高考试成绩；设计细节至关重要 | Muralidharan & Sundararaman (2011) |
图20.6.RCT功效计算器。查看效应量、方差、显著性水平和集群化如何影响所需样本量。虚线标记80%功效。拖动滑块探索。
凯拉尼的部委预期每月\$30的收入效应（$\sigma = 120$）。在$\alpha = 0.05$、80%功效下：$N = 2 \times 120^2 \times (1.96+0.84)^2 / 30^2 \approx 251$每组。集群随机化（42个村庄，每村60户，ICC = 0.04）：设计效应 = 3.36，有效样本 = 750——远超251。
如果预算仅允许每组1,500：有效样本$\approx 446$。MDE $= \sqrt{2 \times 14400 \times 7.84 / 446} \approx \$22.50$/月——小于预期的\$30效应，因此研究仍有足够功效。
如果索洛模型是对的，穷国缺乏资本，解决方案似乎很明显：从富国转移资本。这正是外国援助的逻辑。数万亿美元已经花在了这个前提上。丹比萨·莫约认为，这让事情变得更糟了。
高级托德和沃尔平（2006）将一个结构模型与Progresa RCT进行了验证，然后用它来模拟未经测试的反事实。阿塔纳西奥等（2012）表明CCT主要通过降低上学的机会成本而非放松预算约束发挥作用——一种基于机制的理解，使得可移植性成为可能。
解决方案结合了结构方法和简约形式方法。RCT提供可信的因果估计；结构模型提供推广的框架。理想工作流程：用RCT识别参数，将其输入结构模型，对照实验数据验证，然后以诚实的不确定性界限进行外推。
图20.8.结构vs.简约形式比较。左面板显示原始RCT估计；右面板显示新站点的预测。随着情境差异增大，结构模型诚实地调整，而天真外推保持虚假的精确度。使用切换按钮切换情景。
米格尔和克雷默在肯尼亚发现旷课率降低25%；在印度的复制发现约3个百分点（不显著）。关键结构差异：蠕虫感染率75%（肯尼亚）vs. 20-30%（印度）；不同的学校质量和可及性；不同的童工机会成本；更小的溢出效应。
一个包含健康投入的上学结构模型，校准至肯尼亚，预测7个百分点。用印度参数重新校准：2-3个百分点——与复制结果一致。模型"知道自己不知道什么"：它调整预测并扩大置信区间，而不是错误地外推。
新结构经济学（林毅夫）认为政府应识别与潜在比较优势一致的产业。罗德里克将此扩展到绿色产业政策：清洁能源转型需要协调的公共投资，因为碳外部性被低估，干中学溢出效应未被内化。
有条件与无条件现金转移（UCT）之间的争论是当代政策的核心。GiveDirectly的项目表明UCT效果良好——接受者进行生产性投资且效果持续。当行为偏差阻碍最优投资时条件性可能重要（联系第19章），但当家庭本身就想投资于儿童的人力资本时可能不必要。
图20.7.现金转移RCT模拟器。调整转移金额、持续时间和条件性，查看处理效应如何因结果变量而异。当CI排除零时出现显著性星号。拖动滑块探索。
殖民时代（1945年前）奠定了制度基础。独立后时代（1945-1980年）以大推进思维为主。华盛顿共识（1980-2000年）推动市场化。RCT革命（2000-2019年）将焦点转向微观层面的证据。2015年后时代进行综合：大问题需要结构思维；具体政策问题需要实验证据。
凯拉尼实施CCT：每月\$50给2,500个随机选定的农村家庭，条件是80%以上的上学出勤率，为期18个月。对照组：2,500个家庭。功效计算（Eq. 20.10）：$\sigma = 120$时，MDE在80%功效下为每月\$27。预期的\$30-35效应远超这一阈值。
集群随机化（42个处理村 + 42个对照村，ICC = 0.04，集群规模60）产生设计效应 = 3.36。有效样本 = 每组744，超过309的最低要求。预注册结果指标：消费、入学率、膳食多样性、储蓄。
18个月后的结果：月消费+\$32（p < 0.01），学校入学率+8个百分点（p = 0.01），膳食多样性+0.4 SD（p < 0.01），储蓄+\$15（p = 0.02），成人劳动供给-2小时/周（p = 0.27，不显著）。服从率94%；劳动供给担忧被消除。\$50的转移产生\$32的消费增益，暗示存在本地支出乘数效应。
制度分析（第18章）：CCT建设国家能力——支付系统、监测基础设施、官僚问责制。上学出勤条件之所以有效，是因为凯拉尼在2005年改革期间投资了学校建设。没有学校，条件性毫无意义。
外部有效性（第20.7节）：塔拉尼共和国想要复制。简约形式：天真的外推忽略了塔拉尼更弱的制度和不同的人口结构。结构模型：预测入学率+5个百分点（vs. 凯拉尼的+8个百分点），消费+\$28（vs. \$32），入学率的90%区间为[+1个百分点, +9个百分点]。迪顿的批评适用：RCT回答"这里有效吗？"但不回答"那里会有效吗？"
教科书的线索在此汇聚：凯拉尼的发展取决于制度（第18章）、增长基本面（第13章）、宏观经济稳定（第14-16章）、行为洞见（第19章）和循证评估（本章）。
| 标签 | 方程 | 描述 |
|---|---|---|
| 公式 20.1 | $Y_M = A_M K_M^\alpha L_M^{1-\alpha}$ | 现代部门Cobb-Douglas生产函数 |
| 公式 20.2 | $Y_S = A_S \min(L_S, \bar{L})$ | 具有剩余劳动力的维持生计部门 |
| 公式 20.3 | 刘易斯转折点：$MPL_S = \bar{w} \Rightarrow L_S^* = \bar{L}$ | 剩余劳动力耗尽阈值 |
| 公式 20.4 | $\dot{k} = sf(k) - (n+\delta)k$, $f$ S-shaped | 具有贫困陷阱的资本积累 |
| 公式 20.5 | $\pi_i = (1/\alpha - 1)(LF - 1)\alpha^{\alpha/(1-\alpha)}$ | MSV：工业化利润（协调） |
| 公式 20.6 | $\text{Inst}_i = \alpha + \beta\ln(\text{settler mort}_i) + \mathbf{X}_i'\gamma + \varepsilon_i$ | AJR IV第一阶段 |
| 公式 20.7 | $\ln w_i = \alpha + \rho S_i + \beta_1 \text{Exp}_i + \beta_2 \text{Exp}_i^2 + u_i$ | 明塞尔工资方程 |
| 公式 20.8 | $Y = A(H)K^\alpha(hL)^{1-\alpha}$, $h = e^{\phi S + \psi\text{Health}}$ | 增广生产函数（健康+教育） |
| 公式 20.9 | $\hat{\tau}_{ATE} = \bar{Y}_T - \bar{Y}_C$ | 随机化下的ATE估计量 |
| 公式 20.10 | $N = 2\sigma^2(z_{\alpha/2}+z_\beta)^2 / \tau^2$ | 功效\$1-\beta$所需最小样本量 |
相关文献：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（2019年诺贝尔奖）；Todd & Wolpin（2006）；Attanasio, Meghir & Santiago（2012）；Deaton（2010）；Allcott（2015）；Lin（2012）；Rodrik（2004）。