欧盟预算分配的关键驱动因素：权力重要吗？

此外，任何国家都不能被排除在外，即如果其中一个国家将投票从“是”改为“否”，则该决定将无法再通过。在这个战略联盟中，有两种类型的最小赢家联盟：三个“大国”或两个“大国”和两个“中等”国家。表1：部长会议（1958-1972年）。国家权重SSI NuclGermany 4 0.233 0.250意大利4 0.233 0.250法国4 0.233 0.250比利时2 0.150 0.125荷兰2 0.150 0.125卢森堡1 0 0 0配额12总票数17配额（%）70.59国家可由两个“中等”国家取代。与其他幂指数相比，核仁的这种可替代性通常成立，但并非在所有情况下都成立。因此，在这种情况下，核仁会平等地吃掉所有最小的获胜联盟。它规定，两类联盟的总“财富”等于0.75。相比之下，根据SSI，第一类和第二类的最小中奖比例得到不同的值，分别为0.766和0.7。我们现在强调核仁的另一个有趣的特征。1973年，与1958年相比，“大国”根据核仁获得了同样的力量。然而，其他国家，即使他们不是傻瓜，也得零分。这对于SSI或其他幂指数是不可能的，但对于核仁来说并不罕见。因此，核仁与本例中的SSI和其他指数非常不同。有关更多详细讨论，请参见Montero（2005）。例如，见Montero（2005）。4实证应用4。1数据和实证模型如导言所述，本文旨在确定欧盟预算分配的重要关键驱动因素和趋势。为了讨论Kauppi和Widgr'en（2004）的发现，我们扩展了他们的数据集，以包括1976-2012年期间的观察结果。

有趣的是，这一时期涵盖了欧盟一体化的不同阶段：1976年至1980年（欧盟9国）、1981年至1985年（欧盟10国）、1986年至1994年（欧盟12国）、1995年至2003年（欧盟15国）、2004年至2006年（欧盟25国）和2007年至2012年（欧盟27国）。在这方面，将提出一个一般模型，其中每个国家在整个欧盟预算中的预算份额取决于一个政治权力指数和一组代表预算需求的变量。经验模型如下所示：bit=f（pit，Zit）+uit，（1）其中bit是t年分配给i国的欧盟总支出预算的百分比，pit是i国和t期的政治权力指数，ZITI是代表t期i国需求的因素的系数。最后，uit代表误差项。按照Kauppi和Widgr'en（2004）提出的程序，我们提出了两种因变量的替代规范。一方面，我们考虑每个国家在谈判过程中获得的总支出预算份额（exp）。另一方面，定义了一个替代变量，引入了一项调整，以考虑英国的预算退税和其他类似补偿。虽然有20 13的数据，但去年的数据已从数据集中删除。这是欧盟28国成立的第一年，克罗地亚成为欧盟新成员国，因此在不平衡的面板数据方法的情况下，这一观察结果需要放弃，因为只有一个观察期（Bluhm，2013；Wooldridge，2010a）。萨提翁（expadj）。我们还使用Kauppi和Widg r'en（2004）提出的一些原始变量作为自变量。首先，分析中包括了前一节讨论的两种不同的衡量政治权力的替代方案；即SSI（pssi）和核仁（pnucl）。

Kauppi和Widgr'en（2004）最初没有包括后一种幂指数，但考虑将其与SSI进行比较。此外，还使用一组变量（Z）来显示需求：每个国家在农业总产量（AGI）中的份额，以及每个国家人均GDP与欧盟范围内人均GDP（收入）的比率。表2显示了主要变量的一些描述性统计：该回扣是1985年向英国政府支付的补偿款。退税谈判的主要论点是，欧盟预算的很大一部分用于公共农业政策（或CAP），这对英国的好处远远小于其他国家，因为英国的农业部门占GDP的比例相对较小。补偿包括FRE分配部分英国原始货币缴款，由其余成员国支付。此外，其他成员国（如瑞典和荷兰）收到的一些小额赔偿金也包括在计算中。估计中考虑了几种备选政治权力指数，如班扎夫指数、约翰斯顿指数、公共品指数和迪根-帕克尔指数，参见Kurz（2014）对权力指数的最新概述。然而，这些权力指数均未提高Shapley-Shubik或核仁指数的解释力。Banzhaf指数和Johnston指数显示出相似的调整后RW水平，但存在大量不显著的自变量。PublicGood和Deegan-Packel指数似乎对模型规格的变化更为敏感。预算份额是使用欧洲委员会财务报告中的信息计算的。其余数据取自欧盟统计局统计网站。

政治权力指数的计算方法见附录1。表2：汇总统计变量平均标准偏差最小值最大值exp 0.0583 0.0530 0.0002 0.2256expadj0。0584 0.0529 0.000 0.2256pssi0。0643 0.0474 0.0081 0.1786pnucl0。0643 0.0641 0.000 0.2500agri 0.0643 0.0720 0.0004 0.3383收入1.0000 0.3214 0.4087 2.6786可以观察到SSI显示出比核仁更高的分散水平。收到的平均支出预算百分比约为6%。同样值得一提的是，代表预算需求的变量呈现出高度的分散性。因此，国家成员在经济结构上是异质的。4.2结果为了进行敏感性分析，我们提出了四种不同的规格。估计见表3-7。这四种规格是将两个不同的依赖变量（表3和表4中的exp；表5和表6中的exp）与前面描述的两个光功率指数（表3和表5中的PSSII；pnuclin表4和表6）相结合的结果。最后，表7为四种规格的比较提供了基础，因为报告了主要影响。关于计量经济学技术，我们考虑了几个模型。首先，我们保留Kauppi和Widg r'en（2004）最初提出的合并基线普通最小二乘规范（OLS），以便与更复杂的技术进行比较。当前论文中的分析表明，由于国家成员之间从不同角度的巨大差异，不可观察的异质性。此外，由于因变量是一个份额，因此应采用计量经济学方法来考虑这一点。因此，在这种情况下，OLS似乎是一种不稳健的计量经济学技术。为了解决与OLS方法相关的任何问题，提出了两种分馏方法。

首先，应用了基于概率分布的广义线性模型（GLM）。其次，由于我们的面板数据明显不平衡，因此考虑了基于概率分布的替代fr行动模型（FHETPROB）。请注意，不平衡的性质可能需要明确允许异方差的模型（Wooldridge，2010a，b）。在其他情况下，已使用群集选项来估计方差-协方差矩阵。此外，方程式（1）已扩展到包括一组考虑欧盟扩大（EU）影响的变量。在这方面，定义了一组DummyVariable：EU10、EU12、EU15、EU25、EU27。当国家成员数分别为10、12、14、25和27时，这些变量的值为1，否则为0。此外，还考虑了这些愚蠢的变量与政治权力指数之间的一些相互作用，因为权力可能会产生不同的影响，这取决于融入欧盟的国家数量。虚拟变量已包含在O L S（由OLSd表示）、GLM a ndFHETPROB模型中。此外，还生成了额外的虚拟变量（Wooldridge，2010b），以捕捉FHETPROB规范背景下的面板不平衡结构。假设全球面板数据集由不同的面板Ti组成，其结果和方差方程a允许取决于每个子面板中的观测数量。新的虚拟变量用TOBS32、tobs27、tob18、tobs9、tobs6表示，当观察国家的时间分别为32、27、18、9和6年时，取1，否则取0。结果显示了在大多数情况下观察到的一些一般事实。权力和需求都是预算分配的重要关键驱动因素。因此，政治权力越高，支出份额越高。

此外，那些农业活动更为密集、相对收入较低的国家，由于其在总预算中所占份额较高，因此受益于欧盟政策。关于经济计量模型，并比较两种fr行动技术，其结果表明，F HETPROB能够显著增强与电力和需求相关的三个主要变量。包含基于不平衡结构的方差方程有助于重新确定结果。在所有规范中，解释差异的大多数变量都非常显著。在比较不同模型的性能和关注替代电力指数时，也有有趣的发现。就OLS回归而言，调整后的R值表明，基于PSSI的模型比基于pnucl的模型具有更高的解释力。然而，当分析中包含代表欧盟扩大进程的虚拟变量时，差异相当小。因此，幂指数的表现似乎与rm相似。信息标准（aic、bic）方面的差异表明，使用不同幂指数的分数模型之间也非常接近。对比表5和表6，在解释调整后的预算份额和建立异方差科学模型的情况下，登记了两种电力指数之间的最大滞后信息标准。在这种特殊情况下，核仁表现更好。关于扩大，我们注意到了两个有趣的影响。首先，欧盟dummyvariables表明，预算份额随着欧盟规模的扩大而减少。因此，国家成员数目越多，平均预算份额越低。

其次，功率与时间假人的相互作用表明，功率在不同的亚周期中有不同的影响，尤其是当核仁包含在规范中时。总的来说，2004-2006年（欧盟25国）是成员国从其政治权力中获得较高相对回报的时期。