METODOLOGÍA Y DATOS
3.4 ESPECIFICACIÓN DE LOS PAÍSES QUE COMPONEN LA MUESTRA
3.4.31 REPÚBLICA ESLOVACA
La República Eslovaca tiene una población de 5,413,393 habitantes y un PIB de 139,421 millones de dólares (PIB de 25,755 dólares). Ocupa el puesto 37 en cuanto a IDH, con un valor de 0.830. La República Eslovaca se encuentra por debajo de la media de los países OECD en cuanto a desigualdad en la distribución del ingreso: su índice de Gini es de 0.261 (2011) y su IDH-D es de 0.778 lo que supone una pérdida de solo el 6.3% respecto a su IDH y la ganancia de 9 posiciones con respecto a ese índice. En cuanto a sus indicadores de desigualdad de género, la República Eslovaca obtiene en IDGe un valor de 0.164 (posición 32) y en IDG un valor de 1.000 – igualdad total entre el IDH de mujeres y el IDH de hombres- con lo que se ubica en la primera posición de dicho índice. El gasto público sanitario es del 5.68% del PIB y
169 representa un 69.72% del gasto sanitario total (2012), mientras que el gasto público educativo es del 4.06% del PIB y representa un 88.55% del gasto educativo total (2011). Eslovaquia ocupa el puesto número 16 en la clasificación de países por IPH- 2, con un valor de 12.4%.
3.4.32 SUECIA
Suecia tiene una población de 9,600,379 habitantes y una PIB de 407,313 millones de dólares (PIB de 42,426 dólares). Ocupa el puesto 12 en la lista de países ordenados por su IDH, con un valor de 0.898. La desigualdad en la distribución del ingreso se encuentra por debajo de la media de los países OECD: el índice de Gini es de 0.273 en 2011 y el IDH-D es de 0.840, lo que supone una pérdida de sólo un 6.5% con respecto al valor conseguido en IDH además de ganar 3 posiciones con respecto al citado indicador. Suecia destaca enormemente en ambos indicadores de desigualdad de género: obtiene un valor de 0.054 en el IDGe (posición 4) y un valor de 1.004 (es más elevado el IDH femenino que el masculino) en el IDG (posición 6). El gasto público sanitario es del 7.78% del PIB y representa un 81.26% del gasto sanitario total (2012), mientras que el gasto público educativo es del 6.82% del PIB y representa el 100% del gasto educativo total (2011). Suecia ocupa el primer lugar en la lista de países ordenados por el Índice de Pobreza Humana IDH-2, es el país que menor tasa de pobreza humana registra del mundo, con un valor de 6%.
170
3.4.33 SUIZA
Suiza tiene una población de 8,087,875 habitantes, con un PIB de 421,330 millones de dólares con lo que se convierte en el tercer país de la OECD con mayor ingreso per cápita (52,094 dólares) por detrás de Luxemburgo y Noruega. Ocupa el tercer puesto en cuanto a IDH, con un valor de 0.917. En cuanto a desigualdad en la distribución del ingreso, Suiza se encuentra por debajo de la media de la OECD: su índice de Gini es de 0.289 en 2011 y su IDH-D es de 0.847, lo que significa que pierde un 7.7% con respecto a su IDH y un puesto en la clasificación con respecto a dicho indicador. En cuanto a los indicadores de desigualdad de género, Suiza obtiene un valor de 0.030 en IDGe, lo que lo convierte en el segundo país más igualitario según este indicador tras Eslovenia, y un 0.953 en IDG (puesto 76). El gasto público sanitario es del 7.53% del PIB y representa un 81.26% del gasto sanitario total (2012), mientras que el gasto público educativo es del 5.27% del PIB y representa el 88.25% del total de gasto educativo (2011). Suiza ocupa el puesto 7 en la clasificación de países ordenados por su IPH-2, con un valor del 10.6%.
3.4.34 TURQUÍA
Turquía tiene una población de 74,932,641 habitantes y un PIB de 1,350,798 millones de dólares, lo que lo convierten en el segundo país con menor ingreso per cápita de la OECD (con 18,027 dólares). Es, junto a México, el único país de la OECD no catalogado por UNDP como de desarrollo humano muy alto, sino que estaría entre los países de desarrollo humano alto. Ocupa el puesto 69 en cuanto a IDH, con un valor de 0.759. Se sitúa entre los países de la OECD de mayor desigualdad en el reparto del ingreso: su índice de Gini es de 0.412 (2011) y si IDH-
171 D es de 0.639, lo que supone una pérdida con respecto a su IDH del 15.8% y 3 posiciones con respecto a dicho índice. En cuanto a los indicadores de desigualdad de género Turquía aparece como el más desigual de la OECD: obtiene un valor de 0.360 (puesto 69) en IDGe y un valor de 0.884 (posición 118). El gasto público sanitario es del 4.14% del PIB y representa un 76.79% del gasto total en sanidad (2012), el gasto público en educación es del 2.86% del PIB (2006) y representa un 86.81% del gasto educativo total (2011). No se dispone de datos relativos a Turquía en el último IPH-2 editado.
Notas
Sen, A. (1985). Commodities and Capabilities. Amsterdam: North-Holland. Sen, A. (1992). Inequality reexamined. Oxford University Press.
Grubel, H. G. (1998). Economic freedom and human welfare: Some empirical findings. Cato J., 18, 287
Mazumdar, K. (2002). A note on cross-country divergence in standard of living. Applied Economics Letters, 9(2), 87-90.
Gomanee, K, O. Morrissey, P.Mosley and A.Verschoor (2003). Aid, pro-poor Government Spending and Welfare. CREDIT Research Paper 03/01, Centre for Research in Economic Development and International Trade, University of Nottingham, Nottingham.
Alzate, M. M. (2005). The quality of life of single mothers on welfare in Georgia. The Carl Vinson Institute of Government.University of Georgia.United States of America.
Astorga, P., Bergés, A. R., & FitzGerald, V. (2005). The standard of living in Latin America during the twentieth century1. The Economic History Review, 58(4), 765-796.
Despotis, D. K. (2005). Measuring human development via data envelopment analysis: the case of Asia and the Pacific. Omega, 33(5), 385-390.
Gomanee, K., Morrissey, O., Mosley, P., & Verschoor, A. (2005a). Aid, government expenditure, and aggregate welfare. World Development, 33(3), 355-370.
172 Gomanee, K., Girma, S., & Morrissey, O. (2005b). Aid, public spending and human welfare: evidence from quantile regressions. Journal of International Development, 17(3), 299-309.
Davies, A., & Quinlivan, G. (2006). A panel data analysis of the impact of trade on human development. The Journal of Socio-Economics, 35(5), 868-876.
Wood, G., & Gough, I. (2006). A comparative welfare regime approach to global social policy. World development, 34(10), 1696-1712.
Costantini, V., & Martini, C. (2009). A modified environmental Kuznets curve for sustainable development assessment using panel data. International Journal of Global Environmental Issues, 10(1-2), 84-122.
Davies, A. (2009). Human development and the optimal size of government. The Journal of Socio
Myrskylä, M., Kohler, H. P., & Billari, F. C. (2009). Advances in development reverse fertility declines. Nature, 460(7256), 741-743.
Gnègnè, Y. (2009). Adjusted net saving and welfare change. Ecological Economics, 68(4), 1127
Sanderson, M. (2010). International migration and human development in destination countries: A cross-national analysis of less-developed countries, 1970– 2005. Social Indicators Research, 96(1), 59-83.
Gebregziabher, F., & Niño-Zarazúa, M. (2014). Social spending and aggregate welfare in developing and transition economies. Wider Working Paper, nº.2014/082. Baltagi, B. (2008). Econometric analysis of panel data. John Wiley & Sons.
Greene, W. H. (2000). Econometric analysis (International edition). DOI (doi: 10.1234/12345678).
Gujarati, D. N. (2003). Basic Econometrics. Fourth Edition, McGraw Hill
Ruiz-Porras, A. (2012). La investigación econométrica mediante paneles de datos: Historia, modelos y usos en México. University Library of Munich, Germany. Rao, C. R. (1952). Advanced statistical methods in biometric research. John Wiley &
Sons, Inc., New York, N. Y. 1952. 390 pp.
Anderson, R. L., & Bancroft, T. A. (1952). Statistical theory in research. McGraw-Hill Book. New York.
173 Discussion Data: Statistics, nº. 347.
Marschak, J., & Andrews, W. H. (1944). Random simultaneous equations and the theory of production. Econometrica, Journal of the Econometric Society, 143-205. Hausman, J. A. (1978). Specification tests in econometrics. Econometrica: Journal of the
Econometric Society, 1251-1271.
Balestra, P., & Nerlove, M. (1966). Pooling cross section and time series data in the estimation of a dynamic model: The demand for natural gas. Econometrica
34(3), 585-612
Nerlove, M. (1971). Further evidence on the estimation of dynamic economic relations from a time series of cross sections. Econometrica: Journal of the Econometric Society, 359-382.
Maddala, G. S. (1971). The likelihood approach to pooling cross-section and time-series data. Econometrica: Journal of the Econometric Society, 939-953.
Maddala, G.S., (1975). Some problems arising in pooling cross-section and time-series data. Discussion Paper.Rochester, University of Rochester,
Nerlove, M., (2002), “The history of panel data econometrics, 1861-1997”, en Nerlove, M., (ed.), Essays on Panel Data Econometrics, Cambridge, Inglaterra, Cambridge University Press, 1-114
Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data.
Cambridge, MA: MIT Press.
Hsiao, C. (2003). Analysis of panel data, 2nd. Cambridge, Cambridge University Press. Baltagi, B. (2008). Econometric analysis of panel data. John Wiley & Sons.
Elhorst, J. P. (2014). Spatial econometrics: from cross-sectional data to spatial panels
(pp. 20-25), New York, Springer.
Anselin, L. (1988). Spatial Econometrics: methods and models (Vol. 4). Springer Science & Business Media.
Griffith, D. A. (1988). Advanced Spatial Statistics Special Topics in Quantitative Spatial Data Series. Dordrecht, The Netherlands, Kluwer Academic.
Haining (1990). Spatial data analysis in the social and environmental sciences.
Cambridge University Press, Cambridge.
Haining (2002). Spatial data analysis. Cambridge University Press, Cambridge.
Cressie, N. (1993). Statistics for spatial data: Wiley series in probability and statistics.
174 Anselin, L., & Bera, A. K. (1998). Spatial dependence in linear regression models with an introduction to spatial econometrics. Statistics Textbooks and Monographs, 155, 237-290.
Arbia, G. (2006). Spatial econometrics: statistical foundations and applications to regional convergence. Springer Science & Business Media.
LeSage, J. P & Pace, R. K. (2009). Introduction to spatial econometrics.Boca Raton, FL: Chapman &Hall/CRC.
Anselin, L., & Hudak, S. (1992). Spatial econometrics in practice: A review of software options. Regional science and urban economics, 22(3), 509-536.
Lee, L. F., & Yu, J. (2010). Estimation of spatial autoregressive panel data models with fixed effects. Journal of Econometrics, 154(2), 165-185.
Hamilton, J. D. (1994). Time series analysis (Vol. 2). Princeton: Princeton University Press.
Enders, W. (1995). Applied econometric time series. Series in Probability and Mathematical Statistics. Wiley, New York.
Hendry, D. F. (1995). Dynamic Econometrics. Oxford University Press. Arellano, M. (2003). Panel data econometrics. Oxford University Press.
Hsiao, C. (2003). Analysis of panel data, 2nd. Cambridge University Press, Cambridge, Greene, W. H. (2000). Econometric analysis (International edition). DOI (doi:
10.1234/12345678).
Mileva, E. (2007). Using Arellano-Bond dynamic panel GMM estimators in Stata. Economic Department, Fordhan University, 1-10.
Durbin, J. (1954). Errors in variables. Review of the International Statistical Institute, 22, 23-32.
Wu, D. M. (1973). Alternative tests of independence between stochastic regressors and disturbances. Econometrica: journal of the Econometric Society, 733-750. Hausman, J. A. (1978). Specification tests in econometrics. Econometrica: Journal of the
Econometric Society, 1251-1271.
Sargan, J. D. (1958). The estimation of economic relationships using instrumental variables. Econometrica: Journal of the Econometric Society, 393-415.
Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data.
Cambridge, MA: MIT Press.
175
Cambridge Working Papers in Economics, nº 435, University of Cambridge. Friedman, M. (1937). The use of ranks to avoid the assumption of normality implicit in
the analysis of variance. Journal of the American Statistical Association, 32(200), 675-701.
Frees, E. W. (1995). Assessing cross-sectional correlation in panel data. Journal of Econometrics, 69(2), 393-414.
Breusch, T. S., & Pagan, A. R. (1980). The Lagrange multiplier test and its applications to model specification in econometrics. The Review of Economic Studies,
47(1), 239-253.
White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica. Journal of the Econometric Society, 817-838.
Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics: methods and applications. Cambridge University Press, Cambridge.
Plümper, T., & Troeger, V. E. (2007). Efficient estimation of time-invariant and rarely changing variables in finite sample panel analyses with unit fixed effects.
Political Analysis,15(2), 124-139.
Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics: methods and applications. Cambridge University Press, Cambridge.
Mundlak, Y. (1978). On the pooling of time series and cross section data.Econometrica.
Journal of the Econometric Society, 69-85.
Chamberlain, G. (1982). Multivariate regression models for panel data. Journal of Econometrics, 18(1), 5-46.
Baltagi, B. (2008). Econometric analysis of panel data. John Wiley & Sons.
Parks, R. W. (1967). Efficient estimation of a system of regression equations when disturbances are both serially and contemporaneously correlated. Journal of the American Statistical Association, 62(318), 500-509.
Kmenta J (1986). Elements of Econometrics. 2nd edition. Macmillan, New York.
Beck, N., & Katz, J. N. (1995).What to do (and not to do) with time-series cross-section data. American Political Science Review, 89(03), 634-647.
Prais, S. J., & Winsten, C. B. (1954). Trend estimators and serial correlation (Vol. 383, pp. 1-26). Cowles Commission discussion paper, Chicago.
176 using panel data. Journal of Econometrics, 18(1), 47-82.
UN DESA (2013). World population prospects: the 2012 revision. Population Division of the Department of Economic and Social Affairs of the United Nations Secretariat, New York.
IMF (2014). World Economic Outlook database. April 2014.
www.imf.org/external/pubs/ft/weo/2014/01/weodata/index.aspx. Accessed 7 May 2014
UN DESA. (2014). National Accounts Main Aggregate Database. Recuperado de: http://unstats.un.org/unsd/snaama.
LIS (2009). Luxembourg Income Study. Key Figures. Recuperado de:
http://www.lisproject.org/key-figures/key-figures.htm.
OECD (2014c). OECD Health Statistics 2014 Definitions, Sources and Methods.
Recuperado de:
http://www.oecd.org/edu/Education-at-a-Glance-2014.pdf
OECD (2014d). Education at a Glance 2014. Recuperado de:
http://www.oecd.org/edu/Education-at-a-Glance-2014.pdf
OECD (2014a). Economic Outlook nº96. Recuperado de: http://stats.oecd.org/#
OECD (2014b). Health Expenditure and Financing Dataset. Recuperado de: http://stats.oecd.org/Index.aspx?DataSetCode=SHA
177