量化发展政策优先事项的一致性

我们认为，当前框架的最大缺陷是遗漏了决策过程，因此，假设支出数据揭示了ZF在如何实现发展目标方面的真实意图。事实上，政治经济因素在决定有多少资源被用于个人利益，或这些资源如何被官僚效率所浪费方面发挥着重要作用。因此，ZF根据政治经济调整预算，混淆了其真正的优先事项与公共支出数据之间的联系。此外，这些动态性排除了从单期数据中估计政策优先级的可能性。显然，技术和配置效率限制了发展，因此也限制了实现发展目标的可行性。因此，有必要对适应过程进行建模，通过该过程，ZF在受到这些效率限制的情况下发展其优先事项。必须强调的是，通过这些模型推断出的优先事项不仅表明了ZF的实际意图，而且还表明了腐败动态导致的预算调整。系统动力学是更接近过程模型的早期尝试（Pedercini和Barney，2010；Collste等人，2017）。这些模型模拟了社会经济指标在替代预算分配下随时间演变的变化。它们显示了资源的初始分配如何直接影响目标指标，并通过存量和流量关联图间接影响其他指标的演变。这些模型的存量和流量特性使其具有相当的聚集性。因此，不可能将每个存量和流量中发生的决策过程（和政治经济）分开。

这使得他们很难验证，也无法解释无法到达最终目的地的大量资源；一些对发展中国家至关重要的事情。如果无法将数据正确分解为具体类型的支出（转型或承诺）、政策问题（主题）和ZF来源（联邦、州和市），这种情况就会恶化。通过主观/定性程序估计溢出网络的静态模型存在更明显的缺陷（勒布朗克，2015；韦茨等人，2018；艾伦等人，2018），传统统计技术（Pradhan等人，2017；Ceriani和Gigliano，2016；Cinicioglu等人，2017；Czy˙zewska和Mroczek，2014），前两种方法的组合（Zhou和Moinuddin，2017）或共现方法（El Maghrabi et al.，2018）。这些研究的问题在于，它们并不试图估计政策的优先次序。相反，他们假设指标之间的协同效应和权衡可以直接映射到政策优先事项中。因此，他们忽视了公共政策的设计和实施之间的差异。据推测，这类分析的事后政策一致性评估的经验法则将检查政策问题（定义为网络中的节点）的中心性是否与专门用于该问题的ZF支出份额相关。如上所述，这可能会产生误导，因为观察到的支出中有很大一部分可能被无效使用或浪费在廉洁上。2.1.2溢出效应如今，多边组织承认发展目标是“不可分割的整体”的一部分，因此，它们提倡在进行规划时保持政策的一致性。

为了完成这项任务，第一代系统研究将一致性与促进政策相关联，其指标显示出协同效应（积极溢出）。它还阻碍了对表现出贸易效应（负面溢出）和阻碍实现预期目标的证券的投资。毫无疑问，这就是静态模型的情况，它在发展指标之间建立了一个相互依赖的网络。在其中一些研究中，估计了一阶或二阶效应（勒布朗克，2015；Pradhan等人，2017；Weitz等人，2018）。在其他情况下，计算不同的中心性度量（度、特征向量、介乎度和接近度），以确定影响政策的问题（Allenet al.，2018；Zhou和Moinuddin，2017）。不幸的是，这些研究都没有考虑到即将到来的积极溢出不仅意味着强化效应，而且还产生了副作用，改变了负责实施相关政策的职能部门的激励结构。Castaneda等人（2018）表明，当公务员从其他政策中获得实质性溢出时，他们对相应政策的贡献会下降。因此，投资高度集中的政策问题的潜在收益可能会受到溢出效应接收端出现的负面激励的影响（甚至逆转）。因此，必须开发出能够平衡强化效应和扭曲激励的方法。2.1.3网络估计衡量政策一致性的另一个根本问题与用于建立和校准发展指标之间相互依赖网络的技术有关。

以前的一些研究中采用的主观/定性方法有重要的缺点：对网络的某些部分进行随意强调；高度依赖利益相关者和专题专家知识；以及因目标措辞而产生的错误解释。除了上述缺点外，这些方法不具有可扩展性，因此，即使有更多可用指标，它们的分析也仅限于狭窄的政策空间。对于链接的定量估计，其方向和权重通常通过相关性（Pradhan et al.，2017；Zhou and Moinuddin，2017）、贝叶斯技术（Ceriani and Gigliarano，2016；Cinicioglu et al.，2017；Czy˙zewska and Mroczek，2014）或共现方法（El Maghrabi et al.，2018）来确定。这些方法都没有试图正式建立因果关系，但它们的结果被解释为所建立的联系是因果关系。然而，在贝叶斯网络研究中，某种形式的结构依赖被表述出来。显然，发展指标网络的估计将从更多的数据驱动技术中受益匪浅。2.1.4背景特定在经济发展文献中，众所周知，背景对特定政策包的成功至关重要（Rodrik，2009）。在《政策一致性文献》中，人们曾多次尝试量化“背景”。然而，所有这些都存在着重要的缺点。例如，经常通过汇集几个国家的数据来估计相互依存网络。

在某些情况下，汇集的样本由结构截然不同的国家组成（Ceriani和Gigliarano，2016；例如，勒布朗克（2015）分析了这些信息，以在目标和目标的二分图中建立联系，而这反过来又用于预测一个目标网络，其中每个边的权重由链接不同目标的目标数量给出。定性评估在系统动力学模型中也很流行，其中估计的网络与输入输出数据和社会核算矩阵相结合（Pedercini和Barney，2010）。共现法包括：首先，确定一个国家在特定指标上的表现是否高于人均收入相近国家的平均水平；然后，通过推断两个指标之间可能同时出现的情况（即，它们是否有接近的机制来提供高于平均水平的绩效）。Cinicioglu等人，2017年；Czy˙zewska和Mroczek，2014年；El Maghrabi等人，2018年）。在其他国家，国家特定网络是从之前为分析其他国家而构建的“主”网络衍生出来的（经过一些调整）（Pedercini和Barney，2010）。由于不承认国家特定的政治经济因素，如治理因素（如法治和监督腐败），也会产生类似的问题。这些研究忽视这些基本特征的事实似乎是矛盾的，因为良好的政策规划必须了解决策过程。因此，为指导现实世界的政策而制定的政策一致性衡量应考虑特定国家的溢出网络。当由于数据不可用而无法实现这一点时，应使用来自结构相似国家的缩减样本的信息来估计溢出网络，这可以很容易地从聚类分析中获得。

此外，在可能的情况下，重要的是避免从其他国家的分析中校准参数。相反，将这些参数指定为社会结构（例如，抓住腐败官员的概率）更为方便，这可以从获取国家特定信息的替代来源的变量之间稳定的函数关系中得出（Castaneda和Guerrero，2018a）。2.1.5隐性基准我们确立了背景在政策一致性评估中的重要性。因此，有必要考虑一个国家想要实现的特定目标。换言之，政策重点可能完全不同，这取决于ZF是强调环境问题、安全问题、包容性目标，还是斯堪的纳维亚发展模式。我们可以再次争辩说，仅仅从协同效应和贸易效应的角度来设想连贯性提供了一个不完整的图景。例如，“用电”之类的政策问题可能是网络中的核心问题，因为许多其他问题都依赖于此资源。然而，如果实现一组特定的目标不需要重新传输电网，那么网络中心性就无法说明这个问题的重要性。因此，该指标产生的政策建议将通过本主题的过度支出和其他主题的支出不足产生分配效率。特定环境的相关性不仅指相互依存的独特模式，还指特定ZF目标职能的存在。

就我们所知，我们不知道有任何研究考虑到这一观点。最后，政府的目标相反，人们通常可以找到模糊的表达，即需要能够满足2030年可持续发展目标议程的工具。发展中国家的职能受到多边组织的极大影响，但总是适应这些国家的特殊特点。2.2新的定义——政策优先事项的不可观察性、各种因果渠道、溢出效应的存在、国家特定性的需要以及提前制定发展目标的先决条件，使得评估政策处方的一致性极为困难；甚至在定量分析中。特别是，结合解决这些挑战的工具本身就是一项艰巨的任务。我们认为，反事实的计算模拟可以帮助克服这些障碍。特别是，我们发现基于代理的模型（ABM）特别适合这项任务，因为它们可以灵活地结合溢出网络和适应性行为等非常详细的因素。因此，生成详细反事实的能力使我们从参考点的角度思考政策的一致性。更正式地说，我们将政策优先事项的一致性定义如下：定义1如果将资源P分配给变革性政策，则国家X的政策优先事项与一组目标T是一致的，如果资源P分配给变革性政策，与X试图达到T时发现的分配Q相似。之前的定义足够普遍，可以考虑不同的决策过程。例如，产生P和Q的过程可能是PPI中的政治经济博弈，但也可能起源于替代机制。这一定义巧妙地解决了之前提出的五个挑战。

首先，定义需要一组预先规定的目标。这些可能是发展指标的假设值，或者是对应于X想要模仿的不同国家Y的观察水平（也称为“Y发展模式”）。其次，它需要对ZF将资源分配给转型政策（即尚未承诺的资源，如债务支付和基础设施维护）的分配比例P进行回顾性估计。第三，Q在本质上是反事实的，这意味着它需要从一个模型中进行估计，在这个模型中，X将T设置为其开发目标，然后尝试实现这些目标。第四，试图达到目标需要一个发现过程。这意味着，在确定其政策重点时，ZF必须处理国家特定的因素，如效率和溢出效应。请注意，我们对一致性的定义还允许P和Q.3数据和方法3.1数据之间存在不同的距离度量。我们使用国家一级79个发展指标的数据。它们来自三个不同的来源：世界经济论坛的全球竞争力报告、世界发展指标和世界治理指标；后两者由世界银行编制。该数据集由117个国家的年度观察数据组成，涵盖2006-2016年期间，指标在0到1之间进行了标准化，并进行了调整，以便更好的结果转化为积极的变化（更多信息，请参见Castaneda et al.（2018））。为了提供初步的汇总统计数据，我们将指标分为13个发展支柱。此外，我们将国家分为三个组和一个单独的组。第一组由墨西哥之前加入经合组织的国家组成。

可以说，其中一些早期成员国是墨西哥过去三十年发展目标的模范国家。除了冰岛和卢森堡，所有经合组织早期成员都在我们的数据集中。第二组包括人均收入（IPC）高于墨西哥的国家（不包括第1组）。在描述数据时，这些国家/地区可用于比较目的。第三组是墨西哥的独生子女。最后，第4组包括IPC低于墨西哥的所有国家。图1显示了13个发展支柱中每组发展指标的平均水平（每组一种颜色——条形图，每个支柱一种颜色——基础图）。从这些条形图中突出显示的第一个特征是，各个支柱和群体的平均水平差异很大。请注意，一般而言，一个国家越先进（左栏越发达），其平均指标就越高。就墨西哥的情况（深绿色条）而言，与经合组织早期成员国（蓝色条）相比，最大的差异对应于教育和公共治理支柱，而最小的差异则对应于宏观经济环境、商业成本和健康支柱。3.2溢出网络为了估计溢出网络，我们采用了从功能磁共振成像数据中估计神经网络的经验策略（Smith et al.，2011；Hoyer et al.，2008）。该策略包括两个步骤。

第一我们确定哪对指标具有重要意义图1：发展支柱和收入群体0.00.20.40.60.8企业的平均指标治理基础设施宏观经济环境健康教育商品市场效率劳动力市场效率金融市场发展技术成熟度业务成熟度研发创新公共治理成本按支柱和集团划分的业务平均发展水平指标。每个条形图的基础颜色对应一个developmentpillar。支柱内的每个杆对应于每个组。也就是说，蓝色条对应于第1组（OECD早期成员），灰色条对应于第2组（IPC高于墨西哥），绿色条对应于墨西哥，橙色条对应于第4组（IPC低于墨西哥）。关系（及其权重），通过三角化最大过滤图（TMFG）的方法（Massara等人，2017年）。TMFG方法是平面最大过滤图方法（Tumminello等人，2005）的一个补充，该方法最初用于识别美国股市中的流动资产（Kenett等人，2010）。其次，我们通过Hyv¨arinen和Smith（2013）开发的方法推断出这些关系的因果方向。该方法通过计算两个结构方程模型的似然比来确定边缘的方向。图2根据邻接矩阵显示了四个溢出网络，每组一个。我们按行和列的相同顺序显示79个指示器。彩色部分表示相应指标分类的支柱。点表示两个政策问题（节点）之间存在联系，它们的权重用灰度表示（越暗表示权重越大）。