Utafiti huu unatengeneza mfumo wa kinadharia na kiekonometriki unaolinganisha mipangilio miwili tofauti ili kueleza maendeleo ya kiuchumi ya muda mrefu. Biashara → Uwekezaji → Teknolojia (Trade → Investment → Technology, TIT) ni mkakati wa maendeleo unaojenga rasilimali, ujifunzaji na uwezo wa uzalishaji kupitia mauzo ya nje na ushindani wa kimataifa, kisha kugeuza uwezo huo kuwa mtaji wa kimwili, mtaji wa watu na uwezo wa kiteknolojia wa ndani. Teknolojia → Uwekezaji → Biashara (Technology → Investment → Trade, TIT*) ni mkakati mbadala unaowakilisha matumizi ya teknolojia iliyonunuliwa kutoka nje, hasa katika sekta za maliasili na sekta za msingi, mkusanyiko wa uwekezaji katika miradi mikubwa ya serikali au enclave, na biashara inayotokea baadaye kutokana na muundo huo wa uzalishaji. Utafiti unaingiza akili bandia katika modeli kama Teknolojia ya Madhumuni ya Jumla (General-Purpose Technology, GPT) na kutabiri kinadharia kwamba uchumi wenye uwezo wa kiteknolojia uliopo, mtaji wa watu na muundo wa kitaasisi ulio imara zaidi unaweza kupata manufaa ya pembezoni yaliyo makubwa zaidi kutokana na kupitishwa kwa AI.

Ili kujaribu nadharia hii kwa data halisi za nchi, mwandishi anapendekeza muundo wa difference-in-differences (DiD) wenye upitishaji wa hatua kwa hatua, unaotarajiwa kufuatilia takriban nchi 100–120 katika kipindi cha 1960–2023. Vigezo vikuu vya matokeo vimeainishwa kuwa ukuaji halisi wa GDP kwa kila mtu na Human Development Index (HDI). Ili kupunguza matatizo ya athari za treatment zisizo sawa katika fasihi ya kisasa ya DiD, mkadiriaji wa Callaway–Sant’Anna unachaguliwa kuwa mbinu kuu; upanuzi wa event-study, triple difference na instrumental-variables unapangwa kutumiwa kujaribu ukamilishanaji wa AI, upatanishi wa kitaasisi na endogeneity ya uchaguzi wa mkakati.

Hata hivyo, utafiti bado hauripoti matokeo ya kimaempiria ya muundo huu wa kiekonometriki. Uundaji wa paneli ya mwisho ya nchi-mwaka bado unaendelea, na thamani katika jedwali la takwimu za muhtasari ndani ya makala zimeelezwa wazi kuwa za kisintetiki. Kwa hiyo, bado haijaonyeshwa kimaempiria kwamba mkakati wa TIT unatoa ukuaji wa juu au HDI ya juu kuliko mkakati wa TIT* katika enzi ya AI. Kinachotolewa na makala ni utaratibu wa kihisabati, mkakati wa utambuzi na nadharia tete H1–H6 za kujaribu dai hilo.

Tofauti Kuu Kati ya Mikakati ya Maendeleo ya Biashara-Kwanza na Teknolojia-Kwanza ni Ipi?

Katika mkakati wa TIT wa biashara-kwanza, ushindani wa biashara ya nje ndio utaratibu wa mwanzo unaochochea uwekezaji, mtaji wa watu na, kadiri muda unavyopita, uzalishaji wa teknolojia ya ndani; katika mkakati wa TIT* wa teknolojia-kwanza, mahali pa kuanzia mara nyingi ni teknolojia iliyonunuliwa kutoka nje, ambayo hutumiwa kuendeleza uwekezaji na hasa uwezo wa mauzo ya nje unaotegemea rasilimali.

Mkakati A: Trade → Investment → Technology — TIT

Mwandishi anaunganisha njia ya TIT na uzoefu wa viwanda vinavyoongozwa na mauzo ya nje wa Asia Mashariki. Utaratibu uliorahisishwa unategemea mpangilio ufuatao:

1. Uchumi huingia mwanzoni katika sekta za mauzo ya nje zinazohitaji kazi nyingi kwa kiasi au zenye ushindani.
2. Ushindani katika masoko ya nje huweka shinikizo kwa kampuni za uzalishaji katika tija, ubora na usimamizi.
3. Mapato ya mauzo ya nje hubadilishwa kuwa uwekezaji katika mtaji wa kimwili na miundombinu.
4. Elimu na mtaji wa watu huendelezwa.
5. Kampuni hujifunza wakati wa uzalishaji, mauzo ya nje na matumizi ya teknolojia.
6. Uwezo wa Ar-Ge na ubunifu wa ndani huimarika kadiri muda unavyopita.
7. Uchumi husogea kuelekea muundo usiotumia teknolojia tu, bali pia unaozalisha au kuibadilisha ili iendane na mazingira ya ndani.

Utaratibu huu unaunganishwa na dhana za learning by doing, learning by exporting na absorptive capacity katika fasihi. Katika mantiki ya kinadharia ya makala, mauzo ya nje si shughuli ya kuzalisha fedha za kigeni pekee; pia ni njia ambayo kampuni hupata maarifa kuhusu viwango vya kimataifa, teknolojia ya uzalishaji, upangaji wa shirika na ushindani.

Mkakati B: Technology → Investment → Trade — TIT*

Katika njia ya TIT*, teknolojia mwanzoni haipatikani kama matokeo ya uzalishaji wa maarifa wa ndani, bali kwa kiwango kikubwa hununuliwa kutoka nje. Mwandishi anaunganisha modeli hii hasa na uchumi ambamo sekta za msingi au za uchimbaji wa rasilimali kama madini, mafuta na kilimo cha kibiashara zina nafasi kubwa.

Mpangilio wa kawaida ni huu:

1. Mashine, vifaa vya uzalishaji au maarifa ya kiufundi hupatikana kutoka nje.
2. Teknolojia hii hutumiwa hasa katika uchimbaji wa rasilimali au miradi mikubwa.
3. Uwekezaji wa kimwili huongezeka.
4. Huzalishwa pato la msingi au la maliasili linalouzwa nje.
5. Hata hivyo, usambazaji wa teknolojia na maarifa ya uzalishaji katika sehemu nyingine za uchumi unaweza kubaki mdogo.

Tofauti muhimu katika makala ni kati ya embodied technology na disembodied knowledge. Embodied technology ni teknolojia iliyomo ndani ya mashine au bidhaa ya mtaji iliyoagizwa kutoka nje. Disembodied knowledge ni uwezo unaokusanyika katika Ar-Ge ya ndani, elimu, uwezo wa shirika na maarifa ya uzalishaji. Utafiti unaweka nadharia tete kwamba uchumi wa TIT* unaweza kupata ya kwanza bila kuendeleza ya pili kwa kasi ileile.

Uwekezaji wa enclave unamaanisha nini?

Dhana ya enclave project katika makala inarejelea miundo ambamo shughuli ya uzalishaji au uwekezaji ina viungo vichache vya input, maarifa au ugavi na sekta nyingine za uchumi wa kitaifa. Mgodi mkubwa unaweza kutumia teknolojia ya juu na kuzalisha mauzo makubwa ya nje; lakini ikiwa sehemu kubwa ya mashine, maarifa ya uhandisi, input za kati au Ar-Ge inatoka nje, usambazaji wa teknolojia ndani ya nchi unaweza kubaki mdogo.

Kwa Nini Akili Bandia Inaweza Kuathiri Mikakati Miwili ya Maendeleo kwa Njia Tofauti?

Kulingana na modeli ya kinadharia ya utafiti, faida ya akili bandia haitegemei tu upatikanaji wa teknolojia ya AI, bali pia kiwango cha teknolojia ambacho uchumi ulikuwa umejikusanyia hapo awali, mtaji wa watu, uwezo wa Ar-Ge na ubora wa taasisi; kwa hiyo ongezeko lilelile la AI linaweza kutoa athari kubwa zaidi ya tija katika uchumi wenye uwezo wa juu zaidi wa kiteknolojia mwanzoni.

Katika utafiti huu, akili bandia inachukuliwa kuwa Teknolojia ya Madhumuni ya Jumla. Teknolojia za madhumuni ya jumla si zana finyu zinazotumiwa katika sekta moja tu; huenea katika sekta nyingi za uchumi, huboreka kadiri muda unavyopita na kuwezesha ubunifu mwingine.

Kulingana na mfumo wa kinadharia wa mwandishi, AI inaweza kuunda ukamilishanaji katika maeneo yafuatayo:

• shughuli zilizopo za Ar-Ge,
• kiwango cha juu cha elimu,
• uwezo wa upangaji wa kitaasisi,
• miundombinu ya kidijitali,
• uzalishaji unaotumia maarifa kwa kiwango kikubwa,
• maarifa ya uzalishaji yaliyopatikana kupitia mauzo ya nje.

Kwa hiyo, haidhaniwi kwamba AI italeta kiotomatiki kiwango sawa cha ukuaji kwa uchumi wote. Nadharia tete kuu ya utafiti ni kwamba uchumi unaoingia katika enzi ya AI ukiwa na msingi imara zaidi wa maarifa na teknolojia utaweza kuikamilisha AI kwa tija zaidi.

Funksheni ya uzalishaji iliyopanuliwa kwa maarifa

Funksheni kuu ya uzalishaji ya utafiti ni:

\[ Y_{it}=A_{it}K_{it}^{\alpha}L_{it}^{\beta}H_{it}^{\gamma}T_{it}^{\delta}AI_{it}^{\mu}\exp(\varepsilon_{it}) \tag{1} \]

Hapa:

• \(Y_{it}\): pato halisi la uchumi \(i\) katika wakati \(t\).
• \(A_{it}\): ufanisi wa kitaasisi au kipengele cha total factor productivity.
• \(K_{it}\): akiba ya mtaji wa kimwili.
• \(L_{it}\): kazi yenye ufanisi.
• \(H_{it}\): mtaji wa watu.
• \(T_{it}\): uwezo wa kiteknolojia.
• \(AI_{it}\): kiwango cha ukubwa wa kupitishwa kwa akili bandia.
• \(\varepsilon_{it}\): inawakilisha mishtuko maalumu ambayo haijajumuishwa katika modeli.

Vipeo vinachukuliwa kuwa chanya na katika chanzo hutumiwa sharti:

\[ \alpha+\beta+\gamma+\delta+\mu\leq1 \]

Sharti hili linaruhusu marejesho ya kudumu au yanayopungua katika ngazi ya kampuni huku likiruhusu kuwepo kwa externalities za maarifa katika ngazi ya uchumi kupitia \(A_{it}\).

Umbo la kilogarithimu

Logarithimu asilia ya funksheni ya uzalishaji ni:

\[ y_{it}=a_{it}+\alpha k_{it}+\beta l_{it}+\gamma h_{it} +\delta\tau_{it}+\mu ai_{it}+\varepsilon_{it} \tag{2} \]

Herufi ndogo zinaonyesha logarithimu asilia za vigezo husika. Hivyo, katika mazingira yanayofaa, coefficients hurahisisha kutafsiri uhusiano kati ya mabadiliko ya uwiano katika input na pato.

Mlinganyo wa ukuaji kwa kila mtu

Chanzo kinafafanua ukuaji wa GDP kwa kila mtu kama:

\[ g_{it} = \Delta y_{it}-\Delta n_{it} = \Delta a_{it} +\alpha\Delta k_{it} +\beta\Delta l_{it} +\gamma\Delta h_{it} +\delta\Delta\tau_{it} +\mu\Delta ai_{it} +\Delta\varepsilon_{it} \tag{3} \]

Hapa \(n_{it}\) ni logarithimu asilia ya idadi ya watu na \(\Delta\) ni opereta wa tofauti ya kwanza.

Uwezo wa kiteknolojia hukusanyikaje?

Mlinganyo wa mkusanyiko wa teknolojia katika makala ni:

\[ T_{it} = \phi_0 +\phi_1 TRADE_{it} +\phi_2 K^F_{it} +\phi_3 R_{it} +\phi_4 AI_{it} +\phi_5 A_{it}T_{i,t-1} +\nu_{it} \tag{4} \]

uko katika umbo hilo.

Hapa \(K^F_{it}\) ni foreign-direct-investment embodied capital; \(R_{it}\) ni matumizi ya Ar-Ge ya ndani; na \(A_{it}T_{i,t-1}\) inawakilisha mwingiliano wa taasisi na akiba ya teknolojia iliyopo.

Tofauti ya kihisabati kati ya mikakati inaonyeshwa katika chanzo kama:

\[ \phi_1^A \gg \phi_2^A \tag{5} \]

na

\[ \phi_2^B \gg \phi_1^B \tag{6} \]

Katika ya kwanza, biashara huchochea uwezo wa kiteknolojia kwa nguvu zaidi, ilhali katika ya pili teknolojia iliyomo katika mtaji wa kigeni ndiyo njia kuu zaidi.

Kiwango cha teknolojia cha muda mrefu

Kiwango cha steady-state cha teknolojia katika modeli kinatolewa kama:

\[ T^*= \frac{ \phi_0+ \phi_1TRADE+ \phi_2K^F+ \phi_3R+ \phi_4AI }{ 1-\phi_5\bar A }, \qquad \phi_5\bar A<1 \tag{7} \]

inatolewa kwa namna hiyo.

Katika sehemu ya juu ya mlinganyo, biashara, mtaji wa kigeni, Ar-Ge na AI zipo kama njia zinazoongeza uwezo wa kiteknolojia. Muundo wa taasisi katika sehemu ya chini unaamua jinsi akiba ya teknolojia iliyopo inaweza kuhifadhiwa na kuendelezwa kwa ufanisi. \(\bar A\) inapoongezeka, huku hali nyingine zikiwa zilezile, kiwango cha steady-state cha akiba ya teknolojia kinaweza kuongezeka; lakini ili modeli iwe thabiti, sharti \(\phi_5\bar A<1\) linapaswa kutimizwa.

Kwa nini ukuaji wa uchumi na maendeleo ya binadamu hutumiwa pamoja?

Utafiti unaainisha vigezo viwili tofauti vya matokeo:

\[ g_{it}=\Delta\log(Y_{it}/Pop_{it}) \tag{8} \]

na

\[ HDI_{it}=f(y_{it},e_{it},h_{it}) \tag{9} \]

Kigezo cha kwanza kinawakilisha ukuaji halisi wa GDP kwa kila mtu, na cha pili kinawakilisha maendeleo ya binadamu yanayojumuisha kipato pamoja na vipimo vya umri wa kuishi na elimu. Mwandishi hatumii HDI badala ya GDP, bali kama matokeo ya nyongeza yanayofuatilia vipengele vya ustawi ambavyo GDP haijumuishi.

Hoja ya Ukamilishanaji wa AI Inaeleza Nini?

Proposition 1 inasema kwamba, chini ya mawazo ya modeli, ongezeko lilelile la pembezoni katika kupitishwa kwa AI litasababisha athari kubwa zaidi ya haraka ya ukuaji wa teknolojia katika uchumi wa Mkakati A wenye frontier ya teknolojia ya mwanzo iliyo juu zaidi; matokeo haya ya kihisabati bado hayajathibitishwa kwa data halisi za nchi.

Frontier ya teknolojia ya Kischumpeter

Makala inaeleza ukuaji wa ubora wa teknolojia kwa mlinganyo huu:

\[ \dot q_{it} = \lambda n^{R\&D}_{it}q_{it}^{\sigma} + \psi AI_{it}q_{it} \tag{10} \]

Hapa \(q_{it}\) inawakilisha frontier ya teknolojia iliyorekebishwa kwa ubora, \(n^{R\&D}_{it}\) idadi ya wafanyakazi katika Ar-Ge, \(\lambda\) Poisson arrival rate ya ubunifu, \(\sigma\) kiwango cha kutumia akiba ya maarifa ya zamani, na \(\psi\) kigezo cha jinsi AI inavyoimarisha frontier ya teknolojia.

Athari ya kipengele cha AI huzidishwa na kiwango kilichopo cha \(q\). Kwa sababu ya muundo huu, mabadiliko yale yale ya AI katika uchumi wenye teknolojia ya mwanzo iliyo juu zaidi huleta athari kubwa zaidi ya pembezoni.

Matokeo ya Proposition 1 katika chanzo ni:

\[ \frac{\partial \dot q^A}{\partial AI} - \frac{\partial \dot q^B}{\partial AI} = \psi(q^A-q^B)>0 \tag{11} \]

iko katika umbo hilo.

Ili kutokuwa sawa huku kuwe sahihi, chanzo kinatumia mawazo ya \(\psi>0\) na \(q^A>q^B\). Kwa hiyo, matokeo ni ya kimawazo na yanatumika ndani ya modeli. Mwandishi pia anasisitiza kwamba huu ni ulinganisho tuli, wa daraja la kwanza na wa pembezoni wa papo hapo; hauonyeshi kwamba pengo la teknolojia litaendelea kupanuka milele.

Mbinu na Matokeo ya Utafiti

Kwanza tofauti muhimu: Katika sehemu hii bado hakuna “matokeo” ya mwisho ya kimaempiria

Ingawa makala inaendeleza mbinu ya kina ya kiekonometriki, mkusanyiko wa mwisho wa data za paneli bado haujakamilika. Kwa hiyo, miundo ya DiD, event-study, DDD na IV inayoelezwa hapa chini ni miundo ya ukadiriaji inayopangwa kutekelezwa. Chanzo hakiripoti thamani halisi za ATT, coefficients za mwisho za \(\beta\), standard errors halisi au p values halisi.

Nchi za Mkakati A na Mkakati B Zitaainishwaje?

Utafiti unapanga kuainisha nchi katika kundi la biashara-kwanza au teknolojia-kwanza kwa kutumia faharasa ya mkakati inayotegemea uwiano wa mauzo ya nje ya bidhaa za viwandani kwa mauzo ya nje ya bidhaa za msingi, uliokokotolewa kabla ya enzi ya AI; ikiwa wastani wa nchi katika kipindi hicho uko juu ya mediani ya nchi zote, nchi itawekwa katika kundi la Mkakati A.

Faharasa ya mkakati ni:

\[ S_{i\tau} = \frac{ Manufacturing\ exports_{i\tau}/Total\ exports_{i\tau} }{ Primary\ commodity\ exports_{i\tau}/Total\ exports_{i\tau} } \tag{12} \]

inafafanuliwa kwa namna hiyo.

Kisha, kwa kipindi cha msingi kabla ya AI:

\[ \bar S_i = \frac{1}{\tau_1-\tau_0+1} \sum_{\tau=\tau_0}^{\tau_1}S_{i\tau} \]

hukokotolewa. Ikiwa \(\bar S_i\) ni sawa na au kubwa kuliko mediani ya nchi zote \(\bar S\), nchi huainishwa kuwa Strategy A.

Katika mpango wa operationalization, manufacturing exports zitakokotolewa kwa kutumia sehemu 5–8 za UN Comtrade SITC Rev. 3; primary commodities zitahesabiwa kwa kutumia sehemu 0–4, isipokuwa sehemu 3 ya nishati, kama ilivyoelezwa katika chanzo.

Muda wa kupitishwa kwa AI

Hakutakuwa na mwaka mmoja wa kimataifa wa kuanza kwa AI kwa kila nchi. Mwaka ambao faharasa mseto ya AI-readiness ya nchi inapita kwa mara ya kwanza kizingiti kilichowekwa utaainishwa kuwa \(T_i\). Kizingiti cha mfano ni asilimia ya 25 ya usambazaji wa kimataifa.

Kwa hiyo baadhi ya nchi huwa “treated” mapema na nyingine baadaye. Dhana ya staggered adoption inaeleza hasa hali hii.

Kwa Nini Difference-in-Differences Yenye Upitishaji wa Hatua kwa Hatua Inatumika?

DiD ya hatua kwa hatua hutumiwa kuchanganua muundo wa paneli ambamo treatment haianzi wakati mmoja, kwa sababu nchi hupita kizingiti cha kupitishwa kwa AI katika miaka tofauti; utafiti unapendelea mbinu ya Callaway–Sant’Anna ili kupunguza matatizo ya treatment effects zisizo sawa na ulinganisho usio sahihi wa control katika mkadiriaji wa kawaida wa two-way fixed-effects.

Modeli ya benchmark TWFE

Modeli ya kuanzia ya chanzo ni:

\[ Y_{it} = \alpha + \beta(D_i\times Post_{it}) + \gamma_i + \delta_t + X'_{it}\theta + \varepsilon_{it} \tag{13} \]

iko katika umbo hilo.

\(Y_{it}\) ni GDP per capita growth au HDI. \(D_i\) inawakilisha kundi la mkakati, \(Post_{it}\) ikiwa nchi imepita au haijapita kizingiti cha AI, \(\gamma_i\) fixed effects za nchi na \(\delta_t\) fixed effects za mwaka.

Hata hivyo, makala inapanga kutumia modeli hii kama benchmark pekee. Sababu ni kwamba, wakati tarehe ya treatment inatofautiana, coefficient ya kawaida ya TWFE inaweza kutumia nchi iliyopokea treatment mapema kama control ya nchi itakayopokea treatment baadaye. Ikiwa treatment effects zinatofautiana kwa muda au kwa kundi la nchi, ulinganisho kama huo unaweza kuzalisha uzito unaopotosha.

Callaway–Sant’Anna ATT

Estimator inayopendelewa ni:

\[ ATT(g,t) = E[Y_{it}(1)-Y_{it}(0)\mid G_i=g], \qquad g\leq t \tag{14} \]

inafafanuliwa hivyo.

\(G_i=g\) inaonyesha kuwa kundi la mwaka wa kupitishwa kwa AI la nchi ni mwaka \(g\). ATT(g,t) inawakilisha wastani wa treatment effect on the treated katika wakati \(t\) kwa nchi zilizo katika kundi lilelile la kupitishwa.

Sharti kuu la utambuzi ni dhana ya conditional parallel trends:

\[ E[ Y_{it}(0)-Y_{i,t-1}(0) \mid X_{it},G_i=g ] = E[ Y_{it}(0)-Y_{i,t-1}(0) \mid X_{it},G_i=\infty ] \tag{15} \]

Hii inadhania kwamba, kama makundi husika yasingekuwa bado yamepita kizingiti cha AI, yangefuata mwenendo sawa wa counterfactual kwa masharti yaliyotolewa.

Thamani mbalimbali za ATT za cohort-time:

\[ \theta = \sum_{g\in G} \sum_{t\geq g} \omega(g,t)ATT(g,t) \tag{16} \]

zitaunganishwa kwa uzito chanya.

Muundo wa event-study

Ili kufuatilia athari ya muda kwa muda:

\[ Y_{it} = \gamma_i+\delta_t + \sum_{\substack{k=\underline k\\k\neq-1}}^{\bar k} \beta_k 1(t-T_i=k) + X'_{it}\theta + \varepsilon_{it} \tag{17} \]

modeli itatumika.

\(k=-1\) ni kipindi cha rejea. Coefficients za \(\beta_k\) kabla ya treatment hutoa taarifa za uchunguzi kuhusu dhana ya parallel trends; coefficients baada ya treatment zitaonyesha jinsi athari iliyokadiriwa inavyobadilika baada ya kupitishwa kwa AI.

Triple Difference na ukamilishanaji wa AI

Ili kujaribu kama AI inakamilisha Mkakati A hasa, chanzo kinapendekeza modeli hii ya DDD:

\[ \begin{aligned} Y_{it} =&\, \alpha +\beta_1(D_i\times Post_{it}) +\beta_2AI_{it}\\ &+\beta_3(D_i\times Post_{it}\times AI_{it}) +\beta_4(D_i\times AI_{it})\\ &+\beta_5(Post_{it}\times AI_{it}) +\gamma_i+\delta_t+X'_{it}\theta+\varepsilon_{it}. \end{aligned} \tag{18} \]

Kigezo kikuu ni \(\beta_3\):

\[ \beta_3 = \frac{ \partial^2E[Y_{it}] }{ \partial(D_i\times Post_{it})\partial AI_{it} } \tag{19} \]

Nadharia tete H3 inatabiri \(\beta_3>0\). Hata hivyo, coefficient hii bado haijakadiriwa katika chanzo.

Endogeneity ya uchaguzi wa mkakati

Ni wazi kwamba nchi haiingii kwa nasibu katika njia ya TIT au TIT*. Taasisi, jiografia, historia ya ukoloni, maliasili na muundo wa kihistoria wa uzalishaji vinaweza kuathiri uchaguzi wa mkakati na ukuaji wa uchumi. Kwa hiyo utafiti unapendekeza upanuzi wa instrumental-variables.

Hatua ya kwanza:

\[ D_i = \pi_0+\pi_1Z_i+W'_i\pi+u_i \tag{20} \]

Hatua ya pili:

\[ Y_{it} = \alpha + \beta^{IV}(\hat D_i\times Post_{it}) + \gamma_i+\delta_t+X'_{it}\theta+\varepsilon_{it}. \tag{21} \]

Moja ya instruments zinazopendekezwa ni vigezo vya kihistoria vya settler mortality na pre-colonial population density, na nyingine ni kiashiria cha product complexity kinachotokana na kikapu cha mauzo ya nje cha 1960.

Uhalali wa instruments hizi si wa moja kwa moja. Chanzo chenyewe kinasema kwamba dhana ya exclusion restriction inahitajika. Kwa hiyo haziwezi kukubaliwa kuwa “instruments halali” kabla ya kutumika kimaempiria na kufanyiwa vipimo vya uchunguzi.

Vitisho kwa utambuzi

Sampuli iliyopangwa

Muundo wa data unaopendelewa katika makala ni paneli isiyosawazika inayojumuisha takriban nchi 100–120 kati ya 1960–2023. Lengo ni takriban uchunguzi 5.000–6.000 wa nchi-mwaka. Imepangwa kwamba kila nchi iwe na angalau uchunguzi kumi kabla na baada ya kizingiti chake cha kupitishwa kwa AI.

Thamani hizi si sampuli ya mwisho iliyopatikana, bali ni muundo lengwa wa utafiti.

AI Adoption Index itaundwaje?

Principal component ya kwanza ya faharasa mseto itaundwa kutokana na vyanzo vinne vifuatavyo vya taarifa:

1. maombi ya patent za AI na machine-learning kwa kila watu milioni moja,
2. cloud computing infrastructure adoption index,
3. sehemu ya kampuni zinazotumia AI/ML,
4. viashiria vya nchi vya Stanford AI Index.

Faharasa itastandardishwa katika kila dirisha la miaka mitano linalosogea ili kuwa na wastani wa sifuri na standard deviation ya moja, kwa lengo la kupunguza mwenendo wa haraka wa muda katika shughuli za kimataifa za AI.

Vigezo vya udhibiti

• World Bank governance indicators,
• vipimo vya mtaji wa watu vya Barro–Lee na Penn World Tables,
• IMF Financial Development Index,
• uwazi wa biashara,
• upatikanaji wa umeme,
• upenyaji wa intaneti,
• kiashiria cha landlocked,
• umbali kutoka frontier ya teknolojia,
• malaria ecology index,
• legal origin,
• settler mortality.

Je, Matokeo ya Nambari katika Makala ni Matokeo Halisi ya Kimaempiria?

Hapana. Wastani wa ukuaji wa GDP, HDI, AI Index, mtaji wa watu na governance katika Jedwali 3 si matokeo yaliyokadiriwa kutoka data ya mwisho ya nchi; mwandishi anasema wazi kwamba ni thamani za kisintetiki zilizoundwa tu kuonyesha mifumo inayotarajiwa.

Kwa mfano, Jedwali 3 linaonyesha thamani ya %3,85 ya GDP per capita growth kwa Strategy A na %1,42 kwa Strategy B. Vivyo hivyo, tofauti kubwa zinaonyeshwa kati ya thamani za HDI, AI Index na governance. Hata hivyo, kulingana na maelezo ya makala yenyewe, hizi ni illustrative synthetic values.

Nyota tatu katika jedwali pia si matokeo ya kiwango cha umuhimu cha %1 yaliyotokana na sampuli halisi. Chanzo kinafafanua kuwa ni alama ya hypothetical two-sample t-test iliyoundwa chini ya data-generating process inayodhaniwa.

Tofauti hii ni ya msingi kwa usomaji sahihi wa makala.

Nadharia tete sita zinazoweza kujaribiwa

H1 — Strategy dominance in the AI era: Baada ya kuenea kwa AI, kundi la TIT linatarajiwa kuonyesha ongezeko kubwa zaidi katika GDP per capita growth na HDI kuliko kundi la TIT*.

H2 — Dynamic effects: Coefficients za event-study kabla ya AI zinatarajiwa kuwa karibu na sifuri, huku coefficients baada ya AI zikiwa chanya na zikiongezeka kadiri muda unavyopita.

H3 — AI complementarity: \(\beta_3\) katika modeli ya DDD inatarajiwa kuwa chanya.

H4 — Institutional mediation: Faida ya TIT inatabiriwa kuwa kubwa zaidi katika nchi zenye kiwango cha juu cha governance.

H5 — Human capital complementarity: Uchumi wenye mtaji mkubwa wa watu unatarajiwa kunufaika zaidi na ukamilishanaji wa AI na TIT.

H6 — HDI effects exceed GDP effects: Inawekwa nadharia tete kwamba athari ya HDI iliyostandardishwa inaweza kuwa kubwa kuliko athari ya ukuaji wa GDP kwa kila mtu.

Vipengele hivi sita si matokeo ya utafiti, bali ni nadharia tete zinazopaswa kujaribiwa.

Mjadala wa sera wa mwandishi

Sehemu ya sera ya makala, kwa kurejelea hasa Namibia na eneo pana la SADC, inajadili zana mbalimbali za kuhama kutoka muundo wa Mkakati B unaotegemea rasilimali kwenda kwenye muundo wenye uwezo mkubwa zaidi wa kujifunza ndani. Haya ni mapendekezo ya sera ambayo mwandishi anayatoa kutoka katika modeli ya kinadharia; bado si athari za sera zilizothibitishwa na makadirio ya kimaempiria ya makala hii.

• Mseto wa mauzo ya nje: Badala ya kuongeza kiasi cha mauzo ya nje pekee, kuelekea bidhaa changamano zaidi na zenye tija zaidi.
• Kutumia biashara kama utaratibu wa kujifunza: uthibitishaji wa ubora, buyer–supplier matching na programu za exporter learning.
• Uwekezaji wa mapema katika AI na miundombinu ya kidijitali: broadband, cloud infrastructure, digital literacy na mifumo ya open-data.
• Kuendeleza mtaji wa watu kwa mpangilio: elimu ya kiufundi, STEM na programu za AI/data katika ngazi ya chuo kikuu.
• Uwezo wa taasisi: corruption control, property rights na regulatory simplification.
• Minyororo ya uzalishaji ya kikanda: kujenga manufacturing value chains katika kiwango cha AfCFTA na SADC.

Mambo ambayo utafiti unaunga mkono

• Njia za TIT na TIT* zinaweza kuwakilishwa kihisabati ndani ya mfumo mmoja wa uzalishaji/teknolojia.
• Chini ya mawazo ya modeli, uchumi wenye kiwango cha juu zaidi cha teknolojia mwanzoni hupata athari kubwa zaidi ya papo hapo na ya pembezoni kwenye frontier ya teknolojia kutokana na ongezeko la AI.
• Staggered AI adoption inaweza kuhitaji mbinu zinazostahimili heterogeneous treatment effects badala ya TWFE ya kawaida.
• Uchaguzi wa mkakati unaweza kuwa endogenous, na causal interpretation inategemea mawazo madhubuti ya utambuzi.
• GDP na HDI zinawakilisha vipimo tofauti vya maendeleo.

Mambo ambayo utafiti bado hauungi mkono

• Hauungi mkono, kama makadirio ya kimaempiria ya utafiti huu, hitimisho kwamba nchi za TIT hukua kwa kasi zaidi kuliko nchi za TIT* katika data halisi.
• Hauonyeshi kwamba AI inazipa nchi za TIT faida ya asilimia fulani iliyopimwa.
• Haithibitishi kimaempiria kwamba thamani za \(\beta\), \(\beta_3\) au ATT ni chanya.
• Bado haujaonyesha kwamba athari ya HDI ni kubwa kweli kuliko athari ya GDP.
• Hauungi mkono nambari katika Jedwali 3 kama takwimu halisi za nchi-mwaka.
• Haithibitishi kwamba vifurushi vya sera vilivyopendekezwa vitatoa matokeo ya uhakika nchini Namibia, SADC au nchi nyingine yoyote.

Nguvu ya utafiti

Nguvu ya makala ni kwamba inaunganisha mjadala wa mpangilio wa maendeleo na AI, mkusanyiko wa maarifa na mbinu za kisasa za causal panel ndani ya mfumo mmoja wa kinadharia. Hasa, kuzingatia matatizo ya heterogeneity ambayo TWFE ya kawaida inaweza kuleta chini ya staggered adoption ni muhimu kimetodolojia.

Kizuizi kikuu cha utafiti

Kizuizi muhimu zaidi pia ndicho kinachoamua hali ya sasa ya makala: ingawa muundo wa kinadharia na kiekonometriki ni wa kina, data ya mwisho bado haijakusanywa na causal estimates zilizopangwa bado hazijatolewa. Kwa hiyo katika hatua hii utafiti haupaswi kusomwa kama empirical result paper, bali kama theoretical and empirical research framework iliyoundwa kwa nguvu na kwa kina.

Chanzo chenyewe pia kinasema kwamba upande wa political economy haujawekwa kwenye modeli kwa kiwango cha kutosha. Sababu zinazowezesha serikali kuendeleza mikakati fulani ya maendeleo, elite capture, migogoro ya usambazaji na motisha za kisiasa za mageuzi hazijaendogenishwa ndani ya modeli. Mwandishi anaacha hili kama eneo la utafiti wa baadaye.

Maelezo ya Chanzo na Mbinu

Kichwa kamili cha asili:Trade-First versus Technology-First Development Strategies in the Age of Artificial Intelligence: A Difference-in-Differences Framework with Staggered Adoption

Mwandishi: Voxi Heinrich S. Amavilah.

Taasisi: REEPS na Estrella Mountain College.

Tarehe ya kuandikwa: 18 Julai 2026.

Kuchapishwa/kupakiwa kwenye SSRN: 1 Agosti 2026.

DOI: 10.2139/ssrn.7137378.

Aina ya chanzo: karatasi ya kazi ya SSRN yenye kurasa 27 / utafiti wa kitaaluma wa aina ya preprint.

Hali ya mapitio: Kumbukumbu ya SSRN iliyokaguliwa haitaji uchapishaji katika jarida lililopitiwa na wataalamu.

Hakimiliki/leseni: Rekodi ya SSRN inasema haki zote zimehifadhiwa na matumizi ya upya bila ruhusa hayaruhusiwi.

Msingi wa kinadharia: mbinu ya mabadiliko ya kimuundo ya Lewis; nadharia za endogenous growth za Romer na Lucas; modeli ya Aghion–Howitt Schumpeterian innovation; mbinu ya absorptive capacity na fasihi ya teknolojia za madhumuni ya jumla.

Mbinu kuu: uundaji wa kinadharia wa TIT/TIT* kwa Knowledge-augmented production function; staggered-adoption DiD; Callaway–Sant'Anna ATT; event study; triple difference; instrumental variables extension.

Vigezo vya matokeo vilivyopangwa: Real GDP per capita growth na Human Development Index.

Sampuli iliyopangwa: Takriban nchi 100–120, 1960–2023 na takriban uchunguzi 5.000–6.000 wa nchi-mwaka.

Vyanzo vya data: Penn World Tables, UNDP Human Development Reports, UN Comtrade, Barro–Lee, World Bank WGI, WIPO PatentScope, Oxford Internet Institute, World Bank Enterprise Surveys, IMF Financial Development Index na MIT Observatory of Economic Complexity.

Hali muhimu ya data: Mkusanyiko wa mwisho wa data za paneli haujakamilika katika toleo la kazi. Takwimu zote za muhtasari katika Jedwali 3 ni za kisintetiki na hazipaswi kutumiwa kama matokeo halisi ya ukadiriaji.

Mpaka wa tafsiri ya kisayansi: Makala inatoa kinadharia uwezekano wa ubora wa mkakati wa TIT katika enzi ya AI na kubuni jaribio lake la kimaempiria; ubora huu bado haujathibitishwa na utafiti huu kwa kutumia data za nchi zilizoangaliwa.