Essays in macroeconomics and productivity

Resumen

Introducción Una de las cuestiones principales en la literatura económica se centra en por qué hay economías que crecen de manera sostenida en el tiempo y qué condiciones tienen que darse para que crezcan. ¿Qué explica que India tuviera en 1960 un PIB per cápita un 8% más bajo que el de Nigeria y en 2018 fuera 5,2 veces mayor? ¿Qué explica que China haya crecido a una tasa media del 4,3% desde 1960 mientras que Yemen ha crecido a una tasa del 0,6%? En palabras de Robert Lucas: "I do not see how one can look at figures like these without seeing them as representing possibilities. Is there some action a govermnent of India could take that would lead the Indian economy to grow like Indonesia’s or Egypt’s? If so, what, exactly? If not, what is it about the “nature of India” that makes it so? The consequences for human welfare involved in questions like these are simply staggering: Once one starts to think about them, it is hard to think about anything rise." — Robert E. Lucas (1988) La literatura económica se ha dividido en dos grandes ramas para dar respuesta a estas preguntas. Por un lado, la literatura empírica ha buscado factores correlacionados con el crecimiento económico como la acumulación de factores de producción y capital humano, (Solow, 1956; Mankiw et al., 1992; Barro, 1991), el precio relativo de la inversión (Sala-I-Martin et al., 2004), o el crecimiento de la productividad y el desarrollo tecnológico (Romer, 1986, 1990; Aghion and Howitt, 1992). La segunda rama de la literatura se ha centrado en explicaciones más fundamentales que permiten que ciertos países acumulen más factores o desarrollen nuevas tecnologías. En esta rama, las principales explicaciones se han buscado en las instituciones (North, 1990; Acemoglu et al., 2001; Glaeser et al., 2004), origenes culturales (Becker and Woessmann, 2009; Giuliano and Nunn, Forthcoming), o el papel de los eventos históricos y condiciones iniciales (Nunn, 2008; Nunn and Wantchekon, 2011). Esta tesis se enmarca dentro de la primera rama, en concreto, en los efectos macroeconómicos que tiene el crecimiento de la productividad. En concreto, la tesis aborda tres grandes cuestiones; cómo afecta el crecimiento de la productividad al reparto de la renta nacional entre capital y trabajo; cómo afecta el crecimiento de la productividad de manera desigual entre sectores al crecimiento económico agregado; y cómo la actual pandemia del COVID-19 afecta de manera desigual a la renta nacional de las distintas regiones europeas. Las tres cuestiones tienen un denominador común central, el crecimiento de la productividad no es constante en el tiempo, entre sectores, ni entre regiones. El objetivo general de la tesis es comprender cómo el crecimiento varía a lo largo del tiempo, cómo el crecimiento de la productividad desigual entre sectores afecta a la composición de la economía; y cómo la propia composición de la economía implica asimetrías en los efectos de perturbaciones como las enfermedades infecciosas. En el primer capítulo de la tesis, intento responder por qué la proporción de rentas salariales sobre el PIB ha caído en Estados Unidos desde 1948. En un contexto en el que las empresas sustituyen capital por trabajo, una desaceleración de la productividad del trabajo llevará a las empresas a aumentar el ratio de capital-trabajo, lo que inducirá una caída de las rentas salariales sobre el PIB. Para que esta pueda ser la razón, dos cosas deben cumplirse, que el capital y el trabajo tengan cierto grado de sustitución y que la productividad del trabajo crezca a tasas cada vez menores. La principal parte del artículo se centra en estimar estos dos requisitos. En el segundo capítulo, me centro en una de las características principales del crecimiento moderno identificadas por Kuznets. Conforme las economías se desarrollan, redistribuyen su actividad económica de un sector a otro. Third, the rate of structural transformation of the economy is high. Major aspects of structural change include the shift away from agriculture to nonagricultural pursuits and, recently, away from industry to services. — Simon Kuznets (1973a) En este capítulo, me centro en el caso de India. En India, la productividad del sector servicios ha sido la que más rápido ha crecido y esto ha provocado una tendencia creciente en la proporción del trabajo empleado en este sector. Además, durante el mismo tiempo, la proporción de la actividad económica en las manufacturas ha sido constante en el tiempo. En el capítulo, explico el proceso de transformación estructural desagregando los sectores de manufacturas y de servicios para explicar sus resultados agregados. Por último, en el tercer capítulo de la tesis co-autorado con Fidel Pérez Sebastián, estudiamos el impacto de la pandemia de COVID-19 para 109 regiones europeas y 10 sectores. La distribuciónde la actividad económica en las regiones europeas está lejos de ser simétrica, lo cual, en parte, se debe a que las productividades relativas de los sectores difieren entre regiones por lo que las consecuencias económicas de la pandemia no van a ser simiétricas entre regiones. En este capítulo, nos centramos en cómo la evolución espacial de la pandemia puede ser explicada por las conexiones económicas entre regiones. Si dos regiones tienden a comerciar entre ellas, esto requiere que los indivíduos se trasladen de una región a otra y, por lo tanto, puedan transmitir el virus. Por otro lado, la pandemia tiene efectos asimétricos entre sectores ya que no todos los sectores tienen la misma capacidad de adaptarse al trabajo telemático ni a sustituir ciertos insumos intermedios. En la siguiente sección explico en más detalle la metodología y discuto los principales resultados de manera resumida. El resumen termina con una breve sección sobre las conclusiones principales de la tesis. Desarrollo Teórico: En el primer capítulo de la tesis, estudio los determinantes de la caída de las rentas salariales sobre la renta nacional para Estados Unidos desde 1948. Esta caída ha atraído la atención de los economistas en los últimos años. Aunque me centro en el caso de Estados Unidos (Oberfield and Raval, 2021; Koh et al., 2020), las rentas salariales también han caído en países de la OCDE (Bentolila and Saint-Paul, 2003) y se ha documentado como un fenómeno global (Karabarbounis and Neiman, 2014). Karabarbounis y Neiman atribuyen como explicación la caída en el precio relativo de la inversión y un análisis posterior de Koh et al. (2020) enseña que, en el caso de Estados Unidos, es la intensificación en capital físico y de productos de propiedad intelectual lo que ha causado la caída de las rentas salariales. En el primer capítulo de esta tesis, propongo un mecanismo que explica el incremento en la intensidad del capital documentado por Koh et al. (2020). El mecanismo consiste en la desaceleración del progreso técnico que incrementa la productividad del trabajo. Éste mecanismo está basado en la sustituibilidad bruta entre capital y trabajo. En el artículo, estimo la sustituibilidad entre capital y trabajo así como el progreso técnico y analizo la validez empírica del mecanismo en el marco de un modelo de equilibrio general. La intuición tras el mecanismo puede explicarse en que cuando el capital y el trabajo son sustitutivos brutos, la desaceleración del progreso técnico que aumenta el trabajo induce una caída en la demanda de trabajo relativa al capital, lo que hace que el salario relativo al tipo de interés del capital se reduzca, haciendo que la proporción de rentas salariales sobre la renta nacional caiga. Para analizar la validez empírica del mecanismo, primero estimo la elasticidad de sustitución agregada entre capital y trabajo junto con el sesgo del cambio tecnológico usando un sistema de ecuaciones. Este sistema de ecuaciones incluye la función de producción con elasticidad de sustitución constante (CES) y las dos condiciones de optimalidad de primer orden del problema de maximización de beneficios de la empresa. El uso del sistema ayuda a identificar los parámetros y permite estimar conjuntamente el sesgo técnico y la elasticidad de sustitución (véase León-Ledesma et al. (2010) para un análisis de Monte Carlo sobre esta metodología). Una vez están estimados los parámetros de la función de producción, los uso en un modelo neoclásico de crecimiento para comprobar si puede generar los patrones observados en los datos. Para estimar el sistema de ecuaciones del lado de la oferta, me baso en el trabajo de Klump et al. (2007) asumiendo que existen dos tipos de progreso técnico. Uno que tiende a aumentar la eficiencia del capital y otro que tiende a aumentar la eficiencia del trabajo. Además, no asumo que las tasas de crecimiento de largo plazo sean constantes, sino que permito que varíen en el tiempo. El resultado principal de la estimación es que la elasticidad de sustitución entre capital y trabajo agregadas es superior a la unidad. Esto implica que trabajo y capital son sustitutivos brutos. Además de estimar una elasticidad mayor a uno, estimo explícitamente el progreso técnico para capital y trabajo conjuntamente sin restringir la estimación a tasas de crecimiento constantes. La estimación sugiere que el progreso técnico que afecta a la productividad del capital no es persistente en el tiempo mientras que el progreso técnico del trabajo es el principal motor de crecimiento. Sin embargo, también encuentro que éste progreso tecnológico parece estar desacelerándose. En un ejercicio adicional, estimo la función de producción sin incluir productos de propiedad intelectual en el capital como factor de producción ni como ingreso (Koh et al., 2020) y aun así, la elasticidad se mantiene por encima de uno. Una vez estimados los parámetros relevantes del lado de la oferta, construyo un modelo neoclásico de equilibrio general en el que hago uso de una nueva clase de funciones de utilidad compatibles con horas de trabajo decrecientes y una senda de crecimiento equilibrado propuesta por Boppart and Krusell (2020). Para valorar cuantitativamente el mecanismo en el contexto del modelo, calibro los parámetros del mismo para los datos de Estados Unidos empleando los resultados de la estimación econométrica y tres series temporales exógenas. En concreto, las tendencias observadas para la tasa de depreciación del capital, las tasas de crecimiento de la población y el progreso técnico que afecta al trabajo. En este enfoque, sigo a Chen et al. (2006). Encuentro que el modelo puede generar patrones similares a los observados en los datos, en concreto, puede explicar la caída de las rentas salariales y las horas de trabajo. Este capítulo contribuye a una extensa rama de la literatura macroeconómica que estudia la evolución de las rentas salariales y su relación con la elasticidad de sustitución y el sesgo tecnológico (por ejemplo, Bentolila and Saint-Paul (2003); Antràs (2004); Karabarbounis and Neiman (2014); Oberfield and Raval (2021); Koh et al. (2020)). Mis resultados complementan y extienden la literatura existente proporcionando evidencia sobre la desaceleración del progreso técnico como un mecanismo principal para explicar la caída de las rentas salariales sobre la renta nacional. El segundo capítulo de la tesis se enmarca en la literatura de transformación estructural. Las diferencias en crecimiento de la productividad entre sectores es uno de los mecanismos clásicos propuestos en la literatura para explicar por qué la actividad económica cambia de un sector a otro. Baumol (1967); Kuznets (1966) y Kuznets (1973b) ya conectaron el crecimiento de la productividad y los procesos de transformación estructural. Más recientemente, Echevarria (1997); Kongsamut et al. (2001); Ngai and Pissarides (2007) y Acemoglu and Guerrieri (2008) han propuesto los principales mecanismos teóricos tras el proceso de cambio estructural. Empíricamente, las diferencias de productividad entre los sectores parecen ser el principal elemento que explica por qué la actividad económica cambia de un sector a otro (Święcki, 2017) y la caída en el empleo en el sector agrícola (Álvarez-Cuadrado and Poschke, 2011; Teignier, 2018).2 En este capítulo, investigo las diferencias entre sectores en el crecimiento de la productividad en India para comprender por qué, al contrario de lo que ha ocurrido en las economías industrializadas, el crecimiento de la productividad de los servicios es mucho mayor que en el sector manufacturero. Documento cinco hechos estilizados que motivan el análisis y guían el modelo teórico. (i) Las industrias que más rápido crecen en servicios crecen a unas tasas mayores que las industrias equivalentes en manufacturas. Clasifico las industrias en los sectores de manufacturas y servicios como en Duernecker et al. (2019) asignándolas a un subsector de productividad rápida o de productividad lenta. En Estados Unidos, las industrias del sector de manufacturas que pertenecen a la categoría de productividad rápida son las que más rápido crecen en la economía mientras que las que más lento crecen son las que pertenecen a la categoría de productividad lenta en servicios. En India, por el contrario, son los servicios de productividad rápida los que más rápido crecen en la economía, incluso más rápido que las manufacturas de productividad rápida. Además, si miramos los sectores de productividad lenta, los servicios crecen más rápido que las manufacturas. (ii) Demuestro que el crecimiento más rápido en servicios no se debe a que las manufacturas sean improductivas. De hecho, controlando por el nivel de desarrollo y población, el crecimiento de la productividad de los servicios Indios es 1,77 puntos porcentuales mayor que en el país medio. Sin embargo, no hay diferencias en el crecimiento de la productividad de las manufacturas. Controlar por el nivel de desarrollo es crucial ya que un crecimiento más rápido puede deberse simplemente a una convergencia a la norma internacional (Eichengreen and Gupta, 2011). El no encontrar diferencias en el crecimiento de la productividad de las manufacturas está en consonancia con los resultados obtenidos por Ziebarth (2013), quien argumenta que el grado de ineficiencia en asignación de recursos de la India y China no es diferente del que tenía Estados Unidos en un nivel de desarrollo similar. (iii) La distribución del nivel de estudios de India está sesgada hacia la educación terciaria. Roy (1996) y Sivasubramonian (2004) sugieren que, tanto la distribución del nivel educativo como los esfuerzos gubernamentales, han estado históricamente sesgados hacia la educación terciaria en India. Empleando datos del Integrated Public Use Microdata Series (IPUMS-I, 2018), comparo el nivel educativo de los trabajadores en India y China a niveles agregados y sectoriales. El porcentaje de trabajadores con alguna educación universitaria en India creció de un 3% en 1983 a un 9,6% en 2009. En China, sin embargo, sólo el 0,87% de los trabajadores tenía alguna educación universitaria en 1982, mientras que en el año 2000 éste porcentaje ascendió al 4,7. Aunque son porcentajes bajos, los niveles de India son significativamente mayores que los de China aunque el PIB real per cápita en India era, aproximadamente, un 65% y un 49% del de China en 1980 y 2000 respectivamente. (iv) Usando los mismos datos, demuestro que el sector servicios es el más intensivo en capital humano, especialmente en las industrias de productividad rápida. (v) Los rendimientos de la educación son mayores para el sector servicios y éste sector ofrece una prima salarial. Empleando la base de datos de IPUMS-I, estimo los retornos de la educación para cada uno de los sectores como en Herrendorf and Schoellman (2018) y encuentro que los servicios de productividad rápida ofrecen la prima salarial más alta con retornos más altos que en el resto de sectores. Para racionalizar estos hechos estilizados y cuantificar la importancia relativa de cada fuente de crecimiento, construyo un modelo de transformación estructural que explícitamente divide los sectores de manufacturas y servicios en subsectores de productividad rápida y lenta e incorpora trabajadores altamente cualificados y trabajadores no cualificados. La división de las manufacturas y servicios en subsectores de productividad rápida y lenta es importante debido a la considerable heterogeneidad en tasas de crecimiento de las industrias que los componen.4 Esta clasificación también es útil para identificar las fuentes de crecimiento relevantes para las dinámicas de productividad sectoriales. El modelo es similar al de Buera et al. (2020) y al de Herrendorf and Fang (2019) pero difiero del de ellos modelizando explícitamente las manufacturas y los servicios como agregados con elasticidad de sustitución constante de los subsectores de productividad rápida y lenta. El modelo calibrado sugiere que los subsectores de productividad rápida y lenta en las manufacturas son complementarios mientras que los servicios son sustitutos. Esto implica que, condicionando a que el empleo aumenta en el sector de manufacturas, tenderá a aumentar más en el sector de productividad lenta. Si por el contrario condicionamos a que el empleo aumente en el sector servicios, el empleo aumentará relativamente más en el sector de productividad rápida. Este mecanismo incrementará las diferencias en el crecimiento de la productividad del trabajo entre manufacturas y servicios agregados. En el modelo hay varias fuentes de crecimiento. Primero, un componente tecnológico neutral en el sentido de Hicks que captura el crecimiento de la productividad total de los factores. Segundo, un parámetro de intensidad del capital humano que captura tanto la intensidad en trabajo cualificado a nivel de sector como el incremento en la demanda de trabajadores cualificados del sector. Éste parámetro mide una forma de cambio técnico sesgado al capital humano (skill biased technical change) a nivel sectorial. Tercero, la oferta relativa de trabajadores altamente cualificados agregada, y cuarto, una distorsión específica del sector que las empresas tienen que pagar como un coste adicional por cada unidad de trabajo contratada. Estas distorsiones funcionan como un resíduo que capturan todos los costes adicionales (aparte del salario) que las empresas deben pagar para contratar a un trabajador adicional (cualificado o no). Las productividades neutrales en el sentido de Hicks calibradas para las manufacturas y servicios de productividad rápida no pueden ser los factores que explican la diferencia en crecimiento de la productividad del trabajo ya que crecen a tasas idénticas. La descomposición entre industrias de productividad rápida y lenta es crucial para este resultado ya que, como muestra Verma (2012), las diferencias en crecimiento entre manufacturas y servicios agregados se explican por diferencias en productividad total de los factores. Por el contrario, lo que explica las diferencias entre los subsectores de productividad rápida es su intensidad en capital humano. Los servicios de productividad rápida son mucho más intensivos en trabajadores cualificados atrayendo más trabajadores de este tipo y, por lo tanto, obteniendo un crecimiento de la productividad del trabajo mayor. El modelo se abstrae de factores como el comercio internacional que podrían ser mecanismos alternativos para explicar los patrones observados. Cuando introduzco comercio internacional de manera exógena en el modelo, los resultados principales no cambian. Los subsectores de los servicios son sustitutos mientras que los de manufacturas son complementarios; y lo que explica las diferencias en crecimiento de la productividad del trabajo entre manufacturas y servicios de productividad rápida es la intensidad en capital humano. Una implicación crucial del modelo es que los sectores de productividad alta tanto en manufacturas como en servicios se enfrentan a grandes distorsiones aunque el modelo no puede arrojar luz sobre qué son exactamente esas distorsiones. Exploro dos posibles mecanismos. Uno es la distribución del empleo de las mujeres y el otro son complementariedades entre costes migratorios y educación. En India, la participación de las mujeres en el mercado de trabajo es muy baja (20,5% en 2019 según datos del Banco Mundial) y además, el empleo se concentra en los sectores menos productivos (el 66,75% de las mujeres que trabajan, lo hacen en el sector agrícola). Esta es una barrera que afecta mayormente a los sectores de productividad rápida. Para explorar la explicación de la complementariedad entre costes migratorios y educación, exploto la variabilidad geográfica y temporal de la base de datos de IPUMS-I y regreso la proporción del trabajo en cada sector a nivel de municipio en un momento del tiempo dado sobre la interacción entre distancia a un núcleo urbano y la media del nivel educativo controlando por otras variables observables. Los resultados de este conjunto de regresiones indican que el empleo en sectores de productividad rápida crece tanto por proximidad a una ciudad grande como por el aumento de la media de años de educación, y éstos factores se complementan entre sí. Sin embargo, en el empleo en manufacturas de productividad rápida no existe tal complementariedad. Ésto sugiere que las barreras de entrada en los servicios de productividad rápida son mayores que en las manufacturas de productividad rápida. El tercer capítulo es un trabajo conjunto con Fidel Pérez Sebastián en el que analizamos la actual pandemia de COVID-19 que ha segado la vida de 3,43 millones de personas (a 21 de Mayo de 2021), forzado cuarentenas por todo el mundo, parado las cadenas de suministro globales, y creado una de las recesiones globales más profundas de los últimos años. Fogli and Veldkamp (2021) enseñan que la difusión de enfermedades infecciosas dependen de las interacciones humanas y, más específicamente, de cómo de densa sea la red social de una región determinada. Partimos de esta idea para considerar como las conexiones entre regiones difunden la enfermedad cuando estas conexiones se determinan endógenamente mediante interacciones de carácter económico. La cuestión principal que revisamos es cómo varían las dinámicas espaciales de una epidemia cuando tenemos en cuenta la geografía económica. El modelo que desarrollamos incorpora un modelo de geografía económica del estilo de Allen and Arkolakis (2014); Caliendo and Parro (2014); y Caliendo et al. (2017) en el modelo canónico de epidemiología de Susceptibles, Infectados, y Recuperados (SIR) de Kermack et al. (1927). Extendemos el modelo SIR de dos formas. En primer lugar, consideramos cuatro grupos poblacionales y tenemos en cuenta los fallecimientos como en Fernández-Villaverde and Jones (2020). En segundo lugar, permitimos que la infección se expanda mediante conexiones espaciales que se determinan endógenamente mediante la estructura de nuestro modelo de geografía económica. La suposición es que cuando dos regiones comercian, los indivíduos entran en contacto y se ponen en riesgo de contraer la enfermedad o que el virus en sí mismo es transportado mediante los bienes que se importan. Como resultado del modelo de geografía económica, las regiones más densas experimentarán un crecimiento más rápido en las infecciones por dos motivos. Primero, dentro de la región, se producirán más interacciones entre indivíduos y, por lo tanto, una probabilidad mayor de transmisión. Segundo, cuanto mayor es una región, más tenderá a comerciar con otras regiones y, por lo tanto, mayor será la probabilidad de transmitir la infección entre regiones. En nuestro marco teórico, la economía se compone de un conjunto de regiones que producen bienes en diferentes sectores. Cada sector produce dos bienes, uno para consumo final no exportable y un bien intermedio exportable, sin embargo, las actividades de exportación e importación son costosas. Éstas conexiones entre sectores son importantes ya que cualquier política o cambio que afecte a un sector, afectará también a todos aquellos sectores que usen bienes intermedios procedentes del mismo. Adicionalmente, perturbaciones regionales locales a la producción sectorial se amplificarán mediante los vínculos interregionales. Nuestra principal contribución es evaluar cómo esta heterogeneidad en las estructuras de producción y las conexiones regionales afectan a la propagación de la enfermedad infecciosa. La distribución de la actividad económica en Europa varía sustancialmente entre regiones lo cual tiene importantes consecuencias. En primer lugar, las interacciones económicas entre regiones están influenciadas por la composición sectorial y la producción local está sujeta a las condiciones del entorno del sitio donde se produce. En segundo lugar, los entornos locales cambian con la evolución de la enfermedad, lo que también acaba afectando la estructura económica local. Esto tiene una importancia de primer orden si tenemos en cuenta políticas como el distanciamiento social mediante el trabajo telemático. Como Dingel and Neiman (2020) muestran, la distribución de los trabajadores que pueden trabajar desde casa en Estados Unidos está lejos de ser simétrica entre regiones y sectores, lo cual puede interrumpir las cadenas de suministro globales y provoca consecuencias asimétricas. Éste marco teórico que desarrollamos nos permite evaluar la interacción entre comercio interregional, actividad económica, y la difusión de una enfermedad infecciosa. Nuestro modelo se desarrolla en dos fases. En la primera fase, dada la composición de la población (cuántos individuos infectados hay), obtenemos la distribución de la actividad económica y las cuotas de comercio bilateral. En la segunda fase, tomamos como dados las cuotas de comercio bilateral y la distribución espacial de la actividad económica junto con la ecología de la enfermedad para determinar cómo la composición de la población cambia de un día a otro. En el modelo, la dinámica de la enfermedad y la actividad económica se afectan mutuamente. Cuando la infección comienza en una región y parte de la fuerza de trabajo se reduce (mediante fallecimientos o políticas de trabajo telemático) esto inducirá una subida del salario de equilibrio de la región pero una reducción del PIB mediante la reducción del comercio. Sin embargo, esta reducción en la actividad comercial afectará al desarrollo de la enfermedad reduciendo la cantidad de infecciones “exportadas” a otras regiones. Estos efectos de equilibrio general son similares a una respuesta conductual en la cual los agentes se protegen de la infección cuando identifican un vector de contagio. La modelización explícita de la geografía es también importante para las dinámicas de la enfermedad. Aquellas regiones más aisladas recibirán y transmitirán menos infecciones. Por ejemplo, podemos observar el desarrollo de la pandemia en Italia y España. Las infecciones en España comenzaron a aumentar significativamente desde Madrid (una región en el centro del país) y después se expandieron al resto del país. En Italia, la infección comenzó en el norte de un país con una forma alargada. Esto implica que, dentro de cada país, la infecciójn se transmitía del centro a todas las demás regiones (múltiples direcciones a la vez) o de norte a sur (una única dirección). Nuestro modelo incorpora estos efectos mediante la modelización explícita de la geografía incorporando la red de carreteras de toda Europa. Nos basamos en los modelos de Caliendo and Parro (2014) y Caliendo et al. (2017) pero incorporamos comodidades locales que atraen a los indivíduos. En nuestro modelo, los insumos intermedios y las productividades sectoriales son específicas de cada región y sector. En cada región habrá una proporción de agentes que trabajan y consumen, y una proporción que no trabaja pero sí consume. Asumimos que el nivel de bienestar se iguala en una fase de pre-pandemia con movilidad total y libre de los indivíduos y, una vez que los agentes deciden dónde vivir, trabajar, y consumir, permanecen allí. Asumimos que los trabajadores pagan cantidades fijas de impuestos que se redistribuyen a los agentes que no trabajan en la región. Calibramos productividades y comodidades locales para que las distribuciones de trabajadores y salarios coincidan en el modelo y los datos. Introducimos 105 regiones de 29 países en Europa y 10 sectores que constituyen el conjunto de la economía y empleamos nuestro marco teórico para evaluar mediante un análisis de contrafactuales ciertas políticas. Entre ellas, políticas de distanciamiento social (mediante trabajo telemático) o cuarentenas específicas para las regiones. Evaluamos cómo afectan a la dispersión de la enfermedad y el impacto económico que suponen. Nos enfocamos en el período de la primera ola de la pandemia (hasta el 30 de Septiembre de 2020). Encontramos que cuando mantenemos el componente local de la infección como en el escenario base pero dejamos que la economía reaccione endógenamente a la pandemia con todos los trabajadores vivos que pueden trabajar, el número de fallecidos se reduce sustancialmente. Sin embargo, las pérdidas de PIB también son sustanciales. Si imponemos trabajo telemático, las pérdidas de PIB son incluso superiores. Sin embargo, esta política reduce la tasa de fallecidos mucho más comparada con un escenario en la que los indivíduos trabajan cara a cara. En el largo plazo, la política de trabajo telemático recupera la economía a niveles mayores que el escenario de trabajo cara a cara. Esto ocurre porque muchas más vidas pueden salvarse y reincorporarse al mercado de trabajo. Respecto a las políticas de cuarentena, evaluamos cómo introducir cuarentenas locales afecta al desarrollo de la infección y los efectos que tiene sobre la economía. Introducimos cuarentenas locales según un criterio de umbral. Si la tasa de incidencia (número de casos nuevos sobre el total de la población actualmente susceptible) está por encima de un cierto valor, cerramos todas las conexiones geográficas que esa región tiene por tantos períodos como sea necesario hasta que su incidencia baja de ese nivel. Encontramos que incluso en un escenario donde los indivíduos trabajan cara a cara, las cuarentenas regionales específicas son las más exitosas para controlar la pandemia y resultan en pérdidas de PIB menores. Éstas ganancias respecto de otras políticas se obtienen porque las regiones permanecen cerradas sólo durante los períodos de alta incidencia. Además, hay efectos de segundo orden ya que, al cerrar una región, esa región también dejará de exportar infecciones, lo que reduce la incidencia en las regiones con las que comercia. Conclusiones: Esta tesis contribuye al campo de la Macroeconomía de varias formas. El primer capítulo estudia los determinantes de la caída de las rentas salariales sobre la renta nacional y contribuye a la literatura proveyendo un nuevo mecanismo para explicar esta caída. Éste mecanismo es estimado de manera robusta econométricamente y es capaz de explicar cuantitativamente gran parte de la caída de las rentas salariales en un modelo de equilibrio general. La caída en las rentas salariales documentada por Koh et al. (2020) tiene como determinante principal el incremento en los ingresos de capital de los productos de propiedad intelectual. Éste capítulo propone un mecanismo plausible detrás de la transición a una economía más intensiva en capital —la desaceleración del progreso técnico del trabajo. Cuando la elasticidad de sustitución entre capital y trabajo es mayor que uno, los períodos de bajo crecimiento de la productividad del trabajo se traducen en incrementos de la demanda de capital relativa al trabajo, lo que induce una caída en los salarios implicando que las rentas salariales sobre el PIB caen. Éste mecanismo surge de la estimación de un sistema de ecuaciones del lado de la oferta mediante el cual identifico la elasticidad de sustitución y el sesgo del cambio tecnológico. De esta estimación encuentro que el principal componente la productividad agregada es la productividad del trabajo, pero ésta se desacelera en el largo plazo. Sin embargo, el cambio técnico del capital es transitorio y desaparece rápidamente en el tiempo. Al calibrar un modelo de equilibrio general con los parámetros estimados, encuentro que el mecanismo propuesto puede explicar esencialmente toda la caída de las rentas salariales. El segundo capítulo contribuye a la literatura sobre desarrollo macroeconómico explicando uno de los fenómenos recientes más controvertidos; el desarrollo mediante servicios de la India. Éste capítulo ofrece una explicación de por qué la productividad en manufacturas y servicios han divergido en India basada en diferencias de intensidad en capital humano a nivel de sector. A través del modelo propuesto, encuentro que el cambio técnico sesgado al capital humano es el principal factor que diferencia el crecimiento de servicios y manufacturas de productividad rápida. Además, el modelo calibrado indica que, como los servicios son sustitutivos y las manufacturas complementarios, los servicios de productividad rápida dominarán el sector mientras que las manufacturas de productividad lenta ocuparán la mayor parte de las manufacturas. Esto perpetuará las diferencias en la productividad del trabajo entre los dos sectores. Los resultados del modelo son complementados por evidencia a partir de regresiones utilizando variación entre países y con datos censales. En una serie de regresiones entre países en las que enseño que la productividad del trabajo de los servicios ha crecido más rápido en India que en el resto de países, las estimaciones sugieren que hay algo más allá de una convergencia a la norma internacional. La evidencia de los datos censales enseña que los retornos a la educación son mayores en los servicios y que hay una prima sectorial por trabajar en ellos. Concluyo que el crecimiento basado en servicios parece estar arraigado en la distribución sesgada del nivel educativo y en la intensidad en capital humano de los servicios de productividad rápida. Sin embargo, el modelo también sugiere que existen distorsiones importantes en el mercado de trabajo de los sectores más productivos lo cual podría limitar la presencia de estos servicios en la economía india. El crecimiento basado en servicios requiere una oferta suficientemente grande y creciente de trabajadores altamente cualificados, sin esos trabajadores la desindustrialización prematura de India podría bloquear el camino hacia la convergencia económica con el resto de países. Motivados por la actual pandemia de COVID-19 y los efectos asimétricos en la prevalencia de la enfermedad así como en el impacto económico entre regiones que la pandemia está teniendo, en el tercer capítulo estudiamos cómo el desarrollo de la enfermedad y la actividad económica están conectadas. En concreto, construímos un modelo multisectorial de geografía económica con una estructura de input-output y lo introducimos en un modelo epidemiológico en el que las infecciones aumentan localmente y mediante conexiones regionales. Usamos el modelo para arrojar luz sobre cómo el comercio internacional puede expandir las enfermedades infecciosas. Encontramos que la heterogeneidad en la estructura económica mediante la intensidad en bienes intermedios y las productividades sectoriales se traducen en diferencias en la transmisión de la enfermedad y en las consecuencias económicas de la pandemia. También empleamos el modelo para analizar mediante contrafactuales políticas de distanciamiento social y cuarentenas. Encontramos que las pérdidas de PIB se reducen cuando empleamos cuarentenas regionales específicas y ésta política es la que más vidas salva. Creemos que la compleja estructura del modelo y la manera que modelizamos las dinámicas espaciales de la infección, ayudan a entender cómo la pandemia y la actividad económica están interrelacionadas. En concreto, hacemos énfasis en el grado de heterogeneidad introducido en el modelo mediante la estructura de input-output para entender cómo se relacionan unas industrias con otras. El modelo ayuda a vislumbrar los efectos de primer orden cruciales para guiar las intervenciones políticas. Sin embargo, nos abstraemos de otras consecuencias potencialmente importantes como el cierre de negocios que podrían amplificar los mecanismos que encontramos. Bibliografía: Acemoglu, D. (2002): “Directed Technical Change,” The Review of Economic Studies, 69, 781–809. ——— (2003): “Labor-and Capital-Augmenting Technical Change,” Journal of the European Economic Association, 1, 1–37. Acemoglu, D., V. Chernozhukov, I. Werning, and M. D. Whinston (2020): “Optimal Targeted Lockdowns in a Multi-Group SIR Model,” Working Paper 27102, National Bureau of Economic Research. Acemoglu, D. and V. Guerrieri (2008): “Capital Deepening and Nonbalanced Economic Growth,” Journal of Political Economy, 116, 467–498. Acemoglu, D., S. Johnson, and J. A. Robinson (2001): “The Colonial Origins of Comparative Development: An Empirical Investigation,” American Economic Review, 91, 1369–1401. Adarov, A. and R. Stehrer (2019): “Tangible and Intangible Assets in the Growth Performance of the EU, Japan and the US,” wiiw 442, The Vienna Institute for International Economic Studies. Adda, J. (2016): “ Economic Activity and the Spread of Viral Diseases: Evidence from High Frequency Data *,” The Quarterly Journal of Economics, 131, 891–941. Aghion, P. and P. Howitt (1992): “A Model of Growth Through Creative Destruction,” Econometrica, 60, 323–351. Allen, T. and C. Arkolakis (2014): “Trade and the Topography of the Spatial Economy,” The Quarterly Journal of Economics, 129, 1085–1140. Alonso-Carrera, J. and X. Raurich (2018): “Labor mobility, structural change and economic growth,” Journal of Macroeconomics, 56, 292 – 310. Alvarez, F. E., D. Argente, and F. Lippi (2020): “A Simple Planning Problem for COVID-19 Lockdown,” Working Paper 26981, National Bureau of Economic Research. Álvarez-Cuadrado, F. and M. Poschke (2011): “Structural Change Out of Agriculture: Labor Push versus Labor Pull,” American Economic Journal: Macroeconomics, 3, 127–58. Antràs, P. (2004): “Is the US Aggregate Production Function Cobb-Douglas? New Estimates of the Elasticity of Substitution,” Contributions to Macroeconomics, 4, 1–34. Antràs, P., S. J. Redding, and E. Rossi-Hansberg (2020): “Globalization and Pandemics”, Working Paper 27840, National Bureau of Economic Research. Arnold, J. M., B. Javorcik, M. Lipscomb, and A. Mattoo (2016): “Services Reform and Manufacturing Performance: Evidence from India,” The Economic Journal, 126, 1–39. Barro, R. J. (1991): “Economic Growth in a Cross Section of Countries*,” The Quarterly Journal of Economics, 106, 407–443. Baumol, W. J. (1967): “Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis,” American Economic Review, 57, 415–426. Becker, S. O. and L.Woessmann (2009): “Was Weber Wrong? A Human Capital Theory of Protestant Economic History*,” The Quarterly Journal of Economics, 124, 531–596. Bentolila, S. and G. Saint-Paul (2003): “Explaining Movements in the Labor Share,” Berkeley Electronic Journal in Macroeconomics: Contributions to Macroeconomics 3, 1, 9. Berlemann, M. and J.-E. Wesselhöft (2014): “Estimating Aggregate Capital Stocks Using the Perpetual Inventory Method,” Review of Economics, 65, 1–34. Bolt, J., R. Inklaar, H. de Jong, and J. L. van Zanden (2018): “Rebasing ‘Maddison’: new income comparisons and the shape of long-run economic development,” Tech. rep., GGDC Research Memorandum. Boppart, T. and P. Krusell (2020): “Labor Supply in the Past, Present, and Future: A Balanced-Growth Perspective,” Journal of Political Economy, 128, 118–157. Box, G. E. and D. R. Cox (1964): “An Analysis of Transformations,” Journal of the Royal Statistical Society. Series B (Methodological), 211–252. Bridgman, B., G. Duernecker, and B. Herrendorf (2018): “Structural transformation, marketization, and household production around the world,” Journal of Development Economics, 133, 102–126. Buera, F., J. Kaboski, R. Rogerson, and J. Vizcaino (2020): “Skill-Biased Structural Change,” Tech. rep., Manuscript. Buera, F. J. and J. P. Kaboski (2009): “Can Traditional Theories of Structural Change Fit the Data?” Journal of the European Economic Association, 7, 469–477. ——— (2012): “The Rise of the Service Economy,” American Economic Review, 102, 2540–69. Bustos, P., B. Caprettini, and J. Ponticelli (2016): “Agricultural Productivity and Structural Transformation: Evidence from Brazil,” American Economic Review, 106, 1320–65. Bustos, P., J. M. C. Vincenzi, J. Monras, and J. Ponticelli (2019): “Structural Transformation, Industrial Specialization, and Endogenous Growth,” Working Paper 25871, National Bureau of Economic Research. Caliendo, L. and F. Parro (2014): “Estimates of the Trade and Welfare Effects of NAFTA,” The Review of Economic Studies, 82, 1–44. Caliendo, L., F. Parro, E. Rossi-Hansberg, and P.-D. Sarte (2017): “The Impact of Regional and Sectoral Productivity Changes on the U.S. Economy,” The Review of Economic Studies, 85, 2042–2096. Cantore, C., F. Ferroni, and M. A. León-Ledesma (2017): “The Dynamics of Hours Worked and Technology,” Journal of Economic Dynamics and Control, 82, 67 – 82. Cantore, C., P. Levine, J. Pearlman, and B. Yang (2015): “CES Technology and Business Cycle Fluctuations,” Journal of Economic Dynamics and Control, 61, 133–151. Çakmakli, C., S. Demiralp, c. Kalemli-Özcan, S. Yeşiltaş, and M. A. Yildirim (2021): “The Economic Case for Global Vaccinations: An Epidemiological Model with International Production Networks,” Working Paper 28395, National Bureau of Economic Research. Chakraborty, S., C. Papageorgiou, and F. Pérez-Sebastián (2010): “Diseases, infection dynamics, and development,” Journal of Monetary Economics, 57, 859 – 872. Chen, K., A. İmrohoroğlu, and S. İmrohoroğlu (2006): “The Japanese Saving Rate,” American Economic Review, 96, 1850–1858. Chetty, R., A. Guren, D. Manoli, and A. Weber (2011): “Are Micro and Macro Labor Supply Elasticities Consistent? A Review of Evidence on the Intensive and Extensive Margins,” The American Economic Review, 101, 471–475. Chirinko, R. S. (2008): “σ: The Long and Short of It,” Journal of Macroeconomics, 30, 671–686. Comin, D., D. Lashkari, and M. Mestieri (2020): “Structural Change with Long-run Income and Price Effects,” Econometrica, Forthcoming. de La Grandville, O. (1989): “In Quest of the Slutsky Diamond,” The American Economic Review, 79, 468–481. Desmet, K. and R. Wacziarg (2021): “JUE Insight: Understanding spatial variation in COVID-19 across the United States,” Journal of Urban Economics, 103332. Dingel, J. I. and B. Neiman (2020): “How Many Jobs Can be Done at Home?” Working Paper 26948, National Bureau of Economic Research. Duarte, M. and D. Restuccia (2019): “Relative Prices and Sectoral Productivity,” Journal of the European Economic Association, 18, 1400–1443. Duernecker, G., B. Herrendorf, and Á. Valentinyi (2019): “Structural Change within the Service Sector and the Future of Baumol’s Disease,” Working Paper. Duffy, J., C. Papageorgiou, and F. Perez-Sebastian (2004): “Capital-Skill Complementarity? Evidence from a Panel of Countries,” The Review of Economics and Statistics, 86, 327–344. Eaton, J. and S. Kortum (2002): “Technology, Geography, and Trade,” Econometrica, 70, 1741–1779. Echevarria, C. (1997): “Changes in Sectoral Composition Associated with Economic Growth,” International Economic Review, 38, 431–452. Eichenbaum, M. S., S. Rebelo, and M. Trabandt (2020): “The Macroeconomics of Epidemics,” Working Paper 26882, National Bureau of Economic Research. Eichengreen, B. and P. Gupta (2011): “The Service Sector as India’s Road to Economic Growth,” Working Paper 16757, National Bureau of Economic Research. Fajgelbaum, P., A. Khandelwal, W. Kim, C. Mantovani, and E. Schaal (2020): “Optimal Lockdown in a Commuting Network,”Working Paper 27441, National Bureau of Economic Research. Fan, T., M. Peters, and F. Zilibotti (2021): “Service-Led or Service-Biased Growth? Equilibrium Development Accounting across Indian Districts,” Working Paper 28551, National Bureau of Economic Research. Feenstra, R. C., R. Inklaar, and M. P. Timmer (2015): “The Next Generation of the Penn World Table,” American Economic Review, 105, 3150–82. Fernández-Villaverde, J. and C. I. Jones (2020): “Estimating and Simulating a SIRD Model of COVID-19 for Many Countries, States, and Cities,” Working Paper 27128, National Bureau of Economic Research. Fogli, A. and L. Veldkamp (2021): “Germs, Social Networks, and Growth,” The Review of Economic Studies. Galí, J. (1999): “Technology, Employment, and the Business Cycle: Do Technology Shocks Explain Aggregate Fluctuations?” American Economic Review, 89, 249–265. Galí, J. and L. Gambetti (2009): “On the Sources of the Great Moderation,” American Economic Journal: Macroeconomics, 1, 26–57. Giuliano, P. and N. Nunn (Forthcoming): “Understanding Cultural Persistence and Change,” Review of Economic Studies. Glaeser, E. L., R. La Porta, F. Lopez-de Silanes, and A. Shleifer (2004): “Do Institutions Cause Growth?” Journal of Economic Growth, 9, 271–303. Glover, A., J. Heathcote, D. Krueger, and J.-V. Ríos-Rull (2020): “Health versus Wealth: On the Distributional Effects of Controlling a Pandemic,” Working Paper 27046, National Bureau of Economic Research. Gordon, J. and P. Gupta (2005): “Understanding India’s Services Revolution,” in India’s and China’s Recent Experience with Reform and Growth, ed. by W. Tseng and D. Cowen, London: Palgrave Macmillan UK, 229–263. Gordon, R. J. (2010): “Revisiting U. S. Productivity Growth over the Past Century with a View of the Future,” Working Paper 15834, National Bureau of Economic Research. Grossman, G. M., E. Helpman, E. Oberfield, and T. Sampson (2017): “The Productivity Slowdown and the Declining Labor Share: A Neoclassical Exploration,” Working Paper 23853, National Bureau of Economic Research. Guerrieri, V., G. Lorenzoni, L. Straub, and I. Werning (2020): “Macroeconomic Implications of COVID-19: Can Negative Supply Shocks Cause Demand Shortages?” Working Paper 26918, National Bureau of Economic Research. Hanoch, G. (1975): “Production and Demand Models with Direct or Indirect Implicit Additivity,” Econometrica, 43, 395–419. Heffernan, J., R. Smith, and L.Wahl (2005): “Perspectives on the basic reproductive ratio,” Journal of The Royal Society Interface, 2, 281–293. Herrendorf, B. and L. Fang (2019): “High-Skilled Services and Development in China,” Tech. rep., Manuscript. Herrendorf, B., C. Herrington, and Á. Valentinyi (2015): “Sectoral Technology and Structural Transformation,” American Economic Journal: Macroeconomics, 7, 104–33. Herrendorf, B., R. Rogerson, and Á. Valentinyi (2013): “Two Perspectives on Preferences and Structural Transformation,” American Economic Review, 103, 2752–89. ——— (2014): “Growth and Structural Transformation,” in Handbook of Economic Growth, ed. by P. Aghion and S. N. Durlauf, Elsevier, vol. 2 of Handbook of Economic Growth, 855 – 941. Herrendorf, B. and T. Schoellman (2018): “Wages, Human Capital, and Barriers to Structural Transformation,” American Economic Journal: Macroeconomics, 10, 1–23. Hnatkovska, V., A. Lahiri, and S. Paul (2012): “Castes and Labor Mobility,” American Economic Journal: Applied Economics, 4, 274–307. Hnatkovska, V., A. Lahiri, and S. B. Paul (2013): “Breaking the Caste Barrier: Intergenerational Mobility in India,” Journal of Human Resources, 48, 435–473. International Labour Office (2012): “International Standard Classification of Occupations 2008 (ISCO-08): Structure, group definitions and correspondence tables,” Tech. rep., International Labour Office. IPUMS-I (2018): “Integrated Public Use Microdata Series, International: Version 7.1 [dataset],” Minnesota Population Center, Minneapolis, MN, https://doi.org/10.18128/D020.V7.1, (last accessed 17 February 2019). Jensen, R. (2012): “ Do Labor Market Opportunities Affect Young Women’s Work and Family Decisions? Experimental Evidence from India *,” The Quarterly Journal of Economics, 127, 753–792. Jorda, O., S. R. Singh, and A. M. Taylor (2020): “Longer-Run Economic Consequences of Pandemics,” Working Paper 2020-09, Federal Reserve Bank of San Francisco. Jorgenson, D. W. and M. P. Timmer (2011): “Structural Change in Advanced Nations: A New Set of Stylised Facts*,” The Scandinavian Journal of Economics, 113, 1–29. Judd, K. L. (1998): Numerical Methods in Economics, Cambridge, MA: MIT press. Karabarbounis, L. and B. Neiman (2014): “The Global Decline of the Labor Share*,” The Quarterly Journal of Economics, 129, 61–103. Katz, L. F. and K. M. Murphy (1992): “Changes in RelativeWages, 1963-1987: Supply and Demand Factors,” The Quarterly Journal of Economics, 107, 35–78. Keeling, M. J. (1999): “The effects of local spatial structure on epidemiological invasions,” Proceedings of the Royal Society of London. Series B: Biological Sciences, 266, 859–867. Kermack,W. O., A. G. McKendrick, and G. T.Walker (1927): “A contribution to the mathematical theory of epidemics,” Proceedings of the Royal Society of London. Series A, Containing Papers of a Mathematical and Physical Character, 115, 700–721. King, R. G., C. I. Plosser, and S. T. Rebelo (1988): “Production, Growth and Business Cycles: I. The Basic Neoclassical Model,” Journal of Monetary Economics, 21, 195–232. Klump, R., P. McAdam, and A. Willman (2007): “Factor Substitution and Factor-Augmenting Technical Progress in the United States: A Normalized Supply-side System approach,” The Review of Economics and Statistics, 89, 183–192. Kmenta, J. (1967): “On Estimation of the CES Production Function,” International Economic Review, 8, 180–189. Koh, D., R. Santaeulàlia-Llopis, and Y. Zheng (2020): “Labor Share Decline and Intellectual Property Products Capital,” Econometrica, 88, 2609–2628. Kongsamut, P., S. Rebelo, and D. Xie (2001): “Beyond Balanced Growth,” The Review of Economic Studies, 68, 869–882. Krueger, D., H. Uhlig, and T. Xie (2020): “Macroeconomic Dynamics and Reallocation in an Epidemic: Evaluating the “Swedish Solution”,” Working Paper 27047, National Bureau of Economic Research. Krusell, P., L. E. Ohanian, J.-V. Ríos-Rull, and G. L. Violante (2000): “Capital-Skill Complementarity and Inequality: A Macroeconomic Analysis,” Econometrica, 68, 1029–1053. Kuznets, S. (1966): Modern Economic Growth: Rate, Structure, and Spread, New Haven: Yale University Press. ——— (1973): “Modern Economic Growth: Findings and Reflections,” The American Economic Review, 63, 247–258. León-Ledesma, M. A., P. McAdam, and A. Willman (2010): “Identifying the Elasticity of Substitution with Biased Technical Change,” The American Economic Review, 100, 1330–1357. Lloyd, A. L. and R. M. May (1996): “Spatial Heterogeneity in Epidemic Models,” Journal of Theoretical Biology, 179, 1–11. Loungani, P., S. Mishra, C. Papageorgiou, and K. Wang (2017): “World Trade in Services : Evidence from A New Dataset,” Working paper, International Monetary Fund. Lucas, R. E. (1988): “On the mechanics of economic development,” Journal of Monetary Economics, 22, 3–42. MaCurdy, T. E. (1981): “An Empirical Model of Labor Supply in a Life-Cycle Setting,” The Journal of Political Economy, 89, 1059–1085. Maliar, L. and S. Maliar (2011): “Capital–Skill Complementarity and Balanced Growth,” Economica, 78, 240–259. Maliar, L., S. Maliar, and I. Tsener (2020): “Capital-Skill Complementarity and Inequality: Twenty Years After,” Discussion Paper DP15228, Centre for Economic Policy Research. Mankiw, N. G., D. Romer, and D. N. Weil (1992): “A Contribution to the Empirics of Economic Growth*,” The Quarterly Journal of Economics, 107, 407–437. Matsuyama, K. (1992): “Agricultural productivity, comparative advantage, and economic growth,” Journal of Economic Theory, 58, 317–334. ——— (2009): “Structural Change in an Interdependent World: A Global View of Manufacturing Decline,” Journal of the European Economic Association, 7, 478–486. Mayer, J. D. (2000): “Geography, ecology and emerging infectious diseases,” Social Science & Medicine, 50, 937–952. McFadden, D., P. Diamond, and M. Rodriguez (1978): “Measurement of the Elasticity of Factor Substitution and the Bias of Technical Change,” Melvyn Fuss and Daniel McFadden, Production Economics: A Dual Approach to Theory and Applications. McMillan, M., D. Rodrik, and Íñigo Verduzco-Gallo (2014): “Globalization, Structural Change, and Productivity Growth, with an Update on Africa,” World Development, 63, 11 – 32, economic Transformation in Africa. Ngai, L. R. and B. Petrongolo (2017): “Gender Gaps and the Rise of the Service Economy,” American Economic Journal: Macroeconomics, 9, 1–44. Ngai, L. R. and C. A. Pissarides (2007): “Structural Change in a Multisector Model of Growth,” American Economic Review, 97, 429–443. North, D. C. (1990): Institutions, Institutional Change and Economic Performance, Political Economy of Institutions and Decisions, Cambridge University Press. Nunn, N. (2008): “The Long-term Effects of Africa’s Slave Trades*,” The Quarterly Journal of Economics, 123, 139–176. Nunn, N. and L. Wantchekon (2011): “The Slave Trade and the Origins of Mistrust in Africa,” American Economic Review, 101, 3221–52. Oberfield, E. and D. Raval (2021): “Micro Data and Macro Technology,” Econometrica, 89, 703–732. Oster, E. (2012): “Routes of Infection: Exports and HIV Incidence in Sub-Saharan Africa,” Journal of the European Economic Association, 10, 1025–1058. Paeng, S.-H. and J. Lee (2017): “Continuous and discrete SIR-models with spatial distributions,” Journal of mathematical biology, 74, 1709–1727. Perez-Laborda, A. and F. Perez-Sebastian (2020): “Capital-skill complementarity and biased technical change across US sectors,” Journal of Macroeconomics, 66, 103255. Restuccia, D., D. T. Yang, and X. Zhu (2008): “Agriculture and aggregate productivity: A quantitative cross-country analysis,” Journal of Monetary Economics, 55, 234 – 250. Rodrik, D. (2012): “ Unconditional Convergence in Manufacturing *,” The Quarterly Journal of Economics, 128, 165–204. ——— (2016): “Premature deindustrialization,” Journal of Economic Growth, 21, 1–33. Rodrik, D. and A. Subramanian (2004): “From “Hindu Growth” to Productivity Surge: The Mystery of the Indian Growth Transition,” Working Paper 10376, National Bureau of Economic Research. Romer, P. M. (1986): “Increasing Returns and Long-Run Growth,” Journal of Political Economy, 94, 1002–1037. ——— (1990): “Endogenous Technological Change,” Journal of Political Economy, 98, S71–S102. Roy, B. (1996): An Analysis of Long Term Growth of National Income and Capital Formation in India (1850-51 to 1950-51), Firma KLM Pvt. Ltd. Roy, T. (2011): The Economic History of India, 1857-1947, New Delhi, India: Oxford University Press. Sala-I-Martin, X., G. Doppelhofer, and R. I. Miller (2004): “Determinants of Long-Term Growth: A Bayesian Averaging of Classical Estimates (BACE) Approach,” American Economic Review, 94, 813–835. Sato, R. (1975): “The Most General Class of CES Functions,” Econometrica, 43, 999–1003. Simonovska, I. and M. E.Waugh (2014): “The Elasticity of Trade: Estimates and Evidence,” Journal of International Economics, 92, 34–50. Sivasubramonian, S. (2004): The Sources of Economic Growth in India 1950-1 to 1999-2000, Oxford University Press, USA. Solow, R. M. (1956): “A Contribution to the Theory of Economic Growth,” The Quarterly Journal of Economics, 70, 65–94. Sposi, M. (2019): “Evolving comparative advantage, sectoral linkages, and structural change,” Journal of Monetary Economics, 103, 75–87. Stehrer, R., A. Bykova, K. Jäger, O. Reotter, and M. Schwarzhappel (2019): “Industry Level Growth and Productivity Data with Special Focus on Intangible Assets,” wiiw, The Vienna Institute for International Economic Studies. Storesletten, K., B. Zhao, and F. Zilibotti (2019): “Business Cycle during Structural Change: Arthur Lewis’ Theory from a Neoclassical Perspective.” Working Paper 26181, National Bureau of Economic Research. Święcki, T. (2017): “Determinants of structural change,” Review of Economic Dynamics, 24, 95 – 131. Teignier, M. (2018): “The role of trade in structural transformation,” Journal of Development Economics, 130, 45 – 65. Timmer, M., G. J. de Vries, and K. de Vries (2015a): “Patterns of structural change in developing countries,” in Routledge Handbook of Industry and Development, ed. by J. Weiss and M. Tribe, Routledge, 79–97. Timmer, M. P., E. Dietzenbacher, B. Los, R. Stehrer, and G. J. de Vries (2015b): “An Illustrated User Guide to the World Input–Output Database: the Case of Global Automotive Production,” Review of International Economics, 23, 575–605. Uy, T., K.-M. Yi, and J. Zhang (2013): “Structural Change in an Open Economy,” Journal of Monetary Economics, 60, 667 – 682. Verma, R. (2012): “Can total factor productivity explain value added growth in services?” Journal of Development Economics, 99, 163 – 177. Wilson, M. E. (2010): “Chapter 101 - Geography of infectious diseases,” in Infectious Diseases (Third Edition), ed. by J. Cohen, S. M. Opal, andW. G. Powderly, London: Mosby, 1055–1064, third edition ed. Ziebarth, N. L. (2013): “Are China and India backward? Evidence from the 19th century U.S. Census of Manufactures,” Review of Economic Dynamics, 16, 86 – 99, special issue: Misallocation and Productivity.