Für diese Studie wurden Daten aus den World Development Indicators (WDI) der Weltbank und der World Economic Outlook-Datenbank des Internationalen Währungsfonds (IWF) verwendet. Die Studie verwendete ausgewogene Daten aus 43 afrikanischen Ländern für den Zeitraum 2001-2018 mit 216 monatlichen Zeitreihenbeobachtungen. Die Liste der Länder in der Stichprobenstudie finden Sie in Tabelle A1 in Anhang A. In Übereinstimmung mit der Literatur decken die Daten für diese Studie die wichtigsten Variablen von Interesse ab, nämlich das Pro-Kopf-BIP-Wachstum und die gesamte öffentliche Auslandsverschuldung im Verhältnis zum BIP [23,24,29,40]. Darüber hinaus haben wir Kontrollvariablen hinzugefügt, um andere Faktoren zu erklären, die einen gewissen Einfluss auf das Wirtschaftswachstum in Afrika haben könnten. Diese Studie konzentrierte sich auf die Beziehung zwischen der Auslandsverschuldung des öffentlichen Sektors und dem Wirtschaftswachstum in ausgewählten afrikanischen Ländern.

Reinhart und Rogoff [21] lieferten Belege für eine umgekehrte „U“-Beziehung zwischen Wachstum und Staatsverschuldung. Auch Pattillo et al. [13] vertraten die Ansicht, dass die Auswirkungen der Verschuldung auf das Wirtschaftswachstum zu Beginn der Akquisitionsverschuldung positiv sein können, aber bei einer Anhäufung von Schulden bald negativ werden können, was zu einer nichtlinearen Beziehung führt. DiPeitro und Anoruo [3] meinten jedoch, dass die Volkswirtschaften inzwischen das optimale Niveau überschritten haben, was eine lineare Beziehung zwischen den betrachteten Variablen möglich macht. Folglich wurden in dieser Studie lineare und nichtlineare Modelle entwickelt, um die Beziehung zwischen öffentlicher Auslandsverschuldung und Wirtschaftswachstum in Afrika zu analysieren. In dieser Studie werden Zeitreihendaten verwendet, von denen bekannt ist, dass sie einen Trend aufweisen, was bedeutet, dass die Daten eine nichtlineare Beziehung haben und wahrscheinlich stark verzerrt sind. Daher haben wir den Datensatz für diese Studie in ihren natürlichen Logarithmus transformiert, um die Datenqualität zu verbessern und jedes mögliche Problem mit der Abweichung der Daten von ihrer Normalverteilung zu behandeln. Diese Studie stellt die Hypothese auf, dass eine negative Korrelation zwischen der öffentlichen Auslandsverschuldung und dem Wirtschaftswachstum in Afrika besteht. Das in der Analyse verwendete Modell ist wie folgt spezifiziert:

Log

wobei log der Logarithmus der Variablen ist, RGDP die logarithmierte Differenz des realen BIP-Wachstums ist und es das Land i zum Zeitpunkt t für den Stichprobenzeitraum der Studie bezeichnet. RGDPt-1 ist das um ein Jahr verzögerte reale BIP und EXDEBT zeigt die öffentliche Auslandsverschuldung, gemessen als öffentliche Auslandsverschuldung zum realen BIP. EXDEBT2 steht für die öffentliche Auslandsverschuldung im Quadrat zum realen BIP und wird dem Modell hinzugefügt, um zu testen, ob es eine nichtlineare Beziehung zwischen der öffentlichen Auslandsverschuldung und dem Wirtschaftswachstum gibt. Während X die

Maß der Standard-Kontrollvariablen, der länderspezifische Effekt wird als η bezeichnet, der Zeiteffekt wird als λ dargestellt und εit ist der stochastische oder zufällige Fehlerterm. Zu den Kontrollvariablen gehören die Handelsoffenheit (TO), die der Logarithmus des Dreijahresdurchschnitts ist und als Verhältnis von Import plus Exporten zum realen BIP gemessen wird. Der Zinssatz (INTR) wird als Leitzins gemessen, die Inflationsrate (INFL) wird durch den Verbraucherpreisindex gemessen, die staatlichen Investitionen (GINV) werden als Anteil der Staatsausgaben am realen BIP gemessen, die Bevölkerungswachstumsrate (POPG) und die Humankapitalentwicklung (HCD) werden als jährliche Ausgaben für Bildung am realen BIP gemessen. In der Studie wurden die Variablen in Form eines natürlichen Logarithmus analysiert.

In dieser Studie wird das von Blundell und Bond [41] entwickelte System-GMM-Verfahren (SysGMM) zur Schätzung der dynamischen Paneldaten aus den 43 afrikanischen Ländern verwendet. Das System-GMM-Modell ist essentiell, um die Schwäche im Zusammenhang mit der Verwendung des von Arellano und Bond [42] entwickelten Differenz-GMM-Schätzers zu beheben. Nach Aghion, Bacchetta, Rancière und Rogoff [43] kann das System-GMM die zeitliche Dimension im Datensatz berücksichtigen. Im Gegensatz zur Ordinary Least Square (OLS) betrachtet das System GMM alle Variablen als endogen, was die Kontrolle für potentielle Autokorrelation und Endogenität zwischen den erklärenden Variablen ermöglicht. Die Studie verwendet das Generalized Least Square (GLS)-Modell, um die Gültigkeit und Robustheit der mit dem System-GMM erhaltenen Ergebnisse zu beurteilen. Da die Daten für diese Studie Zeitreihencharakter haben, gibt es verschiedene Tests, um die Stationarität der Daten zu überprüfen. Um zu testen, ob die Daten eine Einheitswurzel haben oder nicht und die Integrationsordnung, d.h. die Ordnung 1(0) oder 1(1), wurden in der Studie die Augmented Dickey-Fuller (ADF) und Philip-Perron (PP) Tests verwendet. Für den Zweck dieser Studie wurde die optimale Lag-Länge mit Hilfe des Akaike Information Criterion (AIC) ausgewählt. Die Studie nahm an, dass die Daten Einheitswurzeln haben, was darauf hindeutet, dass die Daten nicht-stationär sind. Die ADF- und PP-Einheitswurzeltest-Gleichung wurde wie folgt spezifiziert:

Log 2

wobei ∆ die erste Differenz bedeutet, P den Lag-Operator darstellt, t die tiefgestellte Zeit bedeutet und ε die stochastische Variable oder der Fehlerterm ist. Der Dt-1 ist eine deterministische Trendkomponente. Der Entscheidungspunkt wurde dort gemessen, wo die Teststatistik > oder < dem kritischen ADF-Wert ist. Nachdem bestätigt wurde, dass die Daten bis zur Ordnung I(1) integriert sind, wurde mit Hilfe des Johansen-Kointegrationstests getestet, ob eine Kointegration zwischen der öffentlichen Auslandsverschuldung und dem Wirtschaftswachstum besteht. Im Unterschied zur Engle- und Granger-Technik [44], die verwendet wird, um die Verbindung zwischen einer Zeitreihe und einer anderen herzustellen, war die Johansen-Kointegrationstechnik für diese Studie wertvoll, weil das Modell in der Lage ist, Ko-Bewegungen zu untersuchen und die Beziehungen zwischen mehreren nicht-stationären Zeitreihendaten in einer Studie zu bestimmen. Mit anderen Worten, die Johansen-Kointegrationstechnik ist in dieser Studie essentiell, um die mit der Engle- und Granger-Technik verbundenen Probleme zu lösen. Die Johansen [45]-Technik, die ein System von Gleichungen verwendet, um die langfristige Gleichgewichtsbeziehung zu bestimmen, liefert Informationen über die Trace-Value-Teststatistik und den maximalen Eigenwert, um die Anzahl der kointegrierenden Vektoren zu bestimmen. Diese Studie postuliert in einer Nullform, dass es keine langfristige Gleichgewichtsbeziehung zwischen den Variablen gibt. Der Kointegrationstest dieser Studie folgt dem Prozess eines eingeschränkten vektorautoregressiven (VAR) Modells, das in Fehlerkorrekturform definiert ist. Die Studie drückt das von Johansen [29] entwickelte Fehlerkorrekturmodell wie folgt aus:

Ex 3

wobei ∆ die Notation der ersten Differenz bezeichnet, Πt der p × 1 ist, der den Vektor der n Variablen darstellt und Ω der p × 1 ist, der der konstante Vektor ist, der eine direkte Bewegung in einem System darstellt und k = Lag-Struktur. Der Restvektor des Gaußschen weißen Rauschens wird durch εt dargestellt. Außerdem ist µj ein p × (k – 1)-Matrix, die kurzfristige Änderungen zwischen Variablen über p Gleichungen bei der j-ten Verzögerung zeigt und Π ist eine (p × p)-Koeffizientenmatrix, die die Kointegrationsvektoren darstellt. Um den reduzierten Rang der Matrix Π zu beurteilen, verwendet das Vektor-Fehlerkorrekturmodell von Johansen (1991) die Trace-Statistik, die lautet

P

λTrace = -Ti ,r

1 In(1 – λjt ), und die Maximum-Eigenwert-Methode, die λmax = -TIn(1 – λrj+t) ist.

= +  

In diesem Modell steht T für die Anzahl der Beobachtungen in der Stichprobenstudie, r ist die Anzahl

der einzelnen Reihen und λ ist der Eigenwert. Der Entscheidungspunkt ist für die Studie, die Nullhypothese abzulehnen, wenn die Trace- oder Max-Eigen-Statistik größer als der kritische Wert von 0,05 ist oder die Nullhypothese abzulehnen, wenn der Wahrscheinlichkeitswert kleiner oder gleich 0,05 ist. Wenn die Zeitreihen eine langfristige Beziehung haben, was bedeutet, dass sie kointegriert sind, deutet dies daher darauf hin, dass die Zeitreihen miteinander verbunden sind und dass sie, selbst wenn es kurzfristig einen Schock gibt, langfristig mit der Zeit konvergieren. Das Vorhandensein von Kointegration würde die Existenz einer langfristigen Gleichgewichtsbeziehung zwischen öffentlicher Auslandsverschuldung und Wirtschaftswachstum in ausgewählten afrikanischen Ländern bestätigen.

Referenzen und Open Access Hinweis

This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited

Ighodalo Ehikioya, B.; Omankhanlen, A.E.; Osagie Osuma, G.; Iwiyisi Inua, O. Dynamic Relations Between Public External Debt and Economic Growth in African Countries: A Curse or Blessing? J. Open Innov. Technol. Mark. Complex. 2020, 6, 88. https://doi.org/10.3390/joitmc6030088