[论文解读] Measuring growth and convergence at the mesoscale

Isaak Mengesha, Debraj Roy|arXiv (Cornell University)|Jan 17, 2026

Economic and Technological Innovation被引用 0

一句话总结

本论文利用高分辨率GDP数据和经济复杂性指数（ECI）在功能性城市区 FUAs 的尺度分析增长与收敛，揭示由能力驱动、体制基础的增长模式，国家聚合数据无法揭示。

ABSTRACT

Global inequality has shifted inward, with rising dispersion increasingly occurring within countries rather than between them. Using 8,790 newly harmonised Functional Urban Areas (FUAs), micro-founded labour-market regions encompassing 3.9 billion people and representing approximately 80% of global GDP, we show that national aggregates systematically, and increasingly, misrepresent the dynamics of growth, convergence, and structural change. Drawing on high-resolution global GDP data and country-level capability measures, we find that the middle-income trampoline that previously drove global convergence is flattening. This divergence in the lower-income regime does not reflect poverty traps: low-income FUAs exhibit positive expected growth, and the transition curve displays no stable low-income equilibrium. Instead, productive capabilities, proxied by the Economic Complexity Index, define distinct growth regimes. FUAs converge within capability strata but diverge across them, and capability upgrading follows a predictable J-curve marked by short-run disruption and medium-run acceleration. These findings suggest that national convergence policies may be systematically misaligned with the geographic scale at which capability accumulation operates.

研究动机与目标

• 推动在中尺度而非行政或国家尺度上衡量增长与收敛的必要性。
• 用 FUAs 捕捉一体化劳动力市场与内生能力积累。
• 将 GDP 动态与国家层面的经济复杂性指数（Economic Complexity Index，ECI）联系起来研究能力驱动的增长体制。
• 检验城市尺度是否存在贫困陷阱，以及聚合对收敛信号的影响。

提出的方法

• 使用夜间光数据（1992–2019）校准的 1 公里 GDP 数据，构建 8,790 个 FUA 面板。
• 为每个 FUA 指派国家级经济复杂性指数（ECI）以代理生产能力。
• 在空间尺度（ADM0、ADM1–ADM3、FUAs）分解不平等与收敛，以评估 MAUP 的效应。
• 估计 β-收敛并分析非线性增长体制与增长法则的体制转换。
• 通过把 FUA 增长与同时期国家 ECI 关联，考察能力依赖性增长并检验非线性 ECI 效应。
• 使用事件研究设计追踪离散 ECI 提升对增长的反应并识别 J 字曲线动力学。

Figure 1 : We utilize FUAs as aggregating unit over various spatial fields. Those include, GDP, Population, HDI, RWI and several national level statistics such as TFP or ECI if no higher resolution was available. With this we construct the timeseries of observation for each FUA.

实验结果

研究问题

• RQ1 FUA 是否相比行政区或国家聚合揭示不同的增长与收敛动态？
• RQ2 生产能力（以 ECI 衡量）如何塑造城市增长体制与收敛模式？
• RQ3 在以 FUA 作为分析单位时，城市尺度是否存在贫困陷阱的证据？
• RQ4 聚合如何影响增长与初始收入之间的估计关系（基于 Solow 的收敛）？
• RQ5 能力提升后 FUA 的短期和中期增长动态是什么？

主要发现

• 在更细的尺度上，FUA 内部不平等占比更大，但 FUAs 保留了更强的国家间方差份额，表明聚合对不平等模式有影响。
• 在 FUA 规模上收敛性比行政尺度或国家基准更强，说明增长分析中的 MAUP。
• 在城市尺度没有发现局部贫困陷阱；低收入 FUA 在分布中表现出正向预期增长。
• 能力条件下的收敛呈非线性；中等水平的 ECI 显示收敛速度的急剧上升，而非常高的 ECI 水平则收敛性较弱。
• 能力提升在 FUA 增长中触发 J 字曲线：短期中断，随后在中期及长期取得收益；ADM1 水平未观察到此模式。
• 空间聚合改变 ECI 动态：国家层面的 ECI 显示条件收敛，而 ADM1 区域则出现 ECI 的分歧。

Figure 2 : Spatial inequality structure: functional vs. administrative geography. Left column decomposes GDP per capita variance into between-country (purple) and within-country (red) components (1992–2019). Right column plots within-unit RWI variance share against GDP per capita for 20 countries wi