因此，我们通过表达“D=NBNXi=1”Xt=0（Pi，t- Ci，t）（14）预算约束是从ZF支出占GDP比例的指标中获得的。通过使用该指标（相对于绝对支出），我们考虑到一部分支出已经承诺维持指标的当前水平。其中，N是发展指标的数量，B是预算约束引起的外源性跨国差异的控制。综上所述，我们估计了每个国家的分配比例，并汇总了各指标的结果，以进行国家间的比较。为了提供最好的推断，我们跨国家校准了参数γ（详见附录C）。。图4中的左图显示了每个国家及其经验对应国家的腐败点估计值。显然，该模型能够解释观察到的腐败水平的大多数跨国差异（R=0.94）。右面板通过累积图显示了每个国家对整体腐败的经验和估计边际贡献。在这两种情况下，Spearmanrank阶相关检验得出的系数都大于0.96，这是第一次外部验证。国家（从腐败程度最低到最严重排序）0.00.20.40.60.81.0腐败程度2=。94datamodelcountries（从最少腐败到最腐败）010203040506070腐败累积级别DataModelFigure 4：外部验证I.按国家/地区划分的腐败级别。采样期：2006-2016年。模型估计是通过应用聚类算法进行的，该算法将国家划分为不同的γ水平。该程序旨在最小化MSE，同时控制过度装配（详情见附录C）。

每个点的估计值是1000个蒙特卡罗模拟的平均值。腐败的经验水平是用每个国家11年的平均值来衡量的。通过经典公式1获得的Ris-P（yi-^yi）P（yi-是）。5.2. 腐败与绩效的关系大量证据表明，各国观察到的腐败程度与其经济发展水平（或绩效）呈负相关【Svensson，2005年】。尽管因果关系似乎是双向的，但人们普遍认为，经济因素有助于改善治理机构，从而减少腐败。除此之外，我们验证的定性特征也适用于γ=1的关系，跨国数据显示了四个额外的程式化事实：（i）处于同一发展阶段的国家之间的腐败程度有很大差异；（ii）发达国家的这种差异相对较低；（三）大量腐败程度高的国家；（iv）没有一个发展中国家的腐败程度与平均先进国家的腐败程度相似或更低。为了从经验上衡量一个国家的绩效，我们计算了其不同发展指标的平均值（首先是11年的样本，然后是79个指标）。对于其理论对应项，我们对模型中的内生指标进行平均，首先跨模拟步骤，然后跨指标，如表达式“I=NXi ` I ` iXtIi，t.”（15）所示。注意，“I可能不同于一个国家的经验平均指标。这是因为某些指标的收敛速度比其他指标更快，重新加权了它们的跨期平均值。因此，就性能而言，重新排序是可能的，尤其是因为模型经过校准，以最小化仅与损坏相关的均方误差（MSE），而非性能。

图5中的左面板显示了腐败与绩效之间的经验关系（所有指标的平均值）。右侧面板显示了模型的结果。图5中两个面板之间的相似性非常显著；因此，我们可以说该模型提供了丰富的信息。更具体地说，该模型能够呈现前面提到的五个风格化事实。首先，它在总体绩效与腐败之间产生负相关（斯皮尔曼相关系数为-0.85，而经验相关系数估计为-0.84）。其次，表现类似的国家在腐败程度上表现出差异。第三，集群腐败变量存在异质性；例如，集群2（中高发展水平）比最发达国家（集群1）的差异更大。第四，更准确地说，我们观察到落后国家（第3-4组）和最发达国家（第1组）的腐败程度几乎没有重叠，第2组和第1组之间的腐败程度最小。必须注意的是，尽管该模型包含了经验指标的初始值和最终值，但该结果并不是重复的。

这是因为，一方面，模拟了任何时段0<t<n的指标值。另一方面，该模型的腐败指标是通过内生变量Ci、tand Pi、t生成的，这在经验数据集中是不可用的。0.0 0.2 0.4 0.6 0.8 1.0绩效（平均指标）0.00.20.40.60.81.0公共交通改道基金会（Fundsareautbautbelchanchedeudnkfinfragbrhkgirlisrjpnkormysnldnornzlqatsgsweusabhrbrabwachchnchncoccriczeegyeespestgrcgtmhndhurvhuniddajamjorkwtlkwalvamarmexmusnamompanperphlpolprtsauslvsvksvnthattotturryzafalbargamazegdbgribhboldomdzaecuggeozkzkmkdmngnicnpryrusbtjkukervenbibenfacivcmrethgmbkenkhmmdgmmlimoztmrwingapaksentcdzavzmaugbzweρ=-0.84经验数据集群1集群2集群3集群40.0 0.2 0.4 0.6 0.8 1.0性能（内生）0.00.20.40.60.81.0腐蚀情况报告entcdtzaugavnmzmbzweρ=-0.85modelcluster 1聚类2聚类3聚类4图5：外部验证II。腐败绩效关系的出现。左图中的每个点对应一个国家11年的平均值。Y轴对应于公共资金转移的平均值，直接从数据集中的指标中获得（在公共治理的发展支柱下）。X轴是其余观察指标的算术平均值。使用方程式14和15计算右面板中点的坐标。

这些数值是通过对每个国家进行1000次蒙特卡罗模拟获得的。在这两个面板中，每个圆点都标有其国家的首字母，并根据其类别进行着色。大量国家聚集在图的左上象限，这是对应于低绩效和高腐败的区域（第4组和第3组中的所有国家以及第2组中的一些国家）。第五，第1组国家的腐败程度与第3组和第4组国家的腐败程度几乎没有重叠。展现腐败与绩效关系的所有程式化事实的能力验证了该模型的社会机制作为一个整体的相关性。更准确地说，这些机制主要是公务员的学习过程、与监督和惩治腐败有关的委托代理问题以及通过政策问题网络产生的溢出效应。6、社会机制的内部验证ABM的内部验证（或敏感性分析）旨在检测模型的社会机制是否与生成其输出相关。选择这种机制是为了指定可以解释模型产生的统计规律的因果通道。一些机制建立了代理决策与环境之间的联系。其他机制指定代理之间的交互并生成societaloutcomes。在这一部分中，我们集中于模型三个主要组成部分的内部验证：（a）政府的适应行为，（b）官僚的学习过程和（c）溢出网络。

我们通过显示其对（i）腐败点估计、（ii）腐败绩效关系、（iii）公务员的贡献激励以及（iv）分配方案中前10个优先事项的配置的影响来验证这些指标。内部验证通过敏感性分析实现，敏感性分析包括在不同规格下研究模型的源代码。在每种规格中，我们“转动”其中一个组件。为了改变ZF行为，我们用随机选项替换自适应启发式~ U（0，1）（正常化以确保它们相加为B）。对于公务员，我们用[0，Pi]中的均匀分布随机选择代替了学习ci的启发式。最后，为了消除溢出效应，我们用等式1中的加权单位矩阵替换A，同时保留所有其他内容。让我们参考原始规格作为完整模型。当模拟结果与完整模型中的一个不同时，我们说组件或机制与解释它相关。内部ABM验证的独特之处在于能够在微观和宏观层面上执行测试。这是因为，在这里，每个行为和交互都是明确的，它们的结果不依赖于关于协调或聚合的假设。因此，我们在本节中提供的证据超出了其他实证方法的通常标准。6.1. 跨国腐败水平的敏感性图6显示了没有每个主要模型组件的腐败估计水平。左侧面板显示点估计值。已为完整模型的每个点估计计算了置信区间（太窄，无法直观显示），表明在大多数情况下，停用相应机制会产生与估计值的显著偏差。

右侧面板以累积形式显示相同的数据。显然，这三个组成部分中的每一个都对各国对整体腐败的边际贡献产生了重要影响。敏感性分析的结果也适用于模型的无参数版本（γ=1），加强了所选社会机制的有效性。国家（从最低腐败程度到最腐败程度排序）0.00.20.40.60.81.0腐败程度数据模型无ZF无学习无溢出国家（从最低腐败程度到最腐败程度排序）010203040506070累积腐败程度数据模型无ZF无学习无溢出图6：内部验证I.跨国腐败程度的敏感性。左面板：点估计。右面板：累积腐败程度。6.2. 腐败与绩效关系的敏感性图7显示了当ZF或公务员失活时，腐败与绩效关系的严重扭曲。在这两种情况下，相关性都显著降低。相反，当溢出被消除时，没有明显的变化（参见附录D.1中的图D.17）。

鉴于网络提供了一种处理政治问题之间相互依存关系的方法，最后的结果很有趣，值得进一步分析，我们阐述了第7.1.0.0 0.2 0.4 0.6 0.8 1.0节的性能（内生）0.00.20.40.60.81.0腐蚀情况报告entcdtzaugavnmzmbzweρ=-0.67模型fR，t=fC，t=0.5聚类1聚类2聚类3聚类40.0 0.2 0.4 0.6 0.8 1.0性能（内生）0.00.20.40.60.81.0腐蚀风险等级，t=0.5聚类1聚类2聚类3聚类4图7：内部验证II。腐败绩效关系的敏感性。右面板：随机工作人员的贡献。左面板：随机政府拨款。该模型似乎对公务员的学习机制特别敏感。从我们的行为博弈方程中，我们知道，法治和监控效果质量的变量对代理人的学习过程非常重要。因此，这两个组成部分都会影响这种关系中程式化事实的出现。然而，包含这些变量并不足以产生观察到的腐败绩效模式。

例如，我们对监控和惩罚措施进行模拟，并发现，对于fr，t=fC，t=。5，这种关系仍然是负面的，但该模型高估了低腐败国家的腐败，低估了高腐败国家的腐败（详情见附录D.1）。6.3. 对溢出网络的敏感性迄今为止，我们已经表明，网络影响对腐败的估计，但不影响腐败绩效关系。虽然这些测试只考虑聚合的样式化事实，但存在大量可以在微观层面执行的测试。换言之，我们只在跨国层面探讨了溢出效应的作用，而其最相关的影响发生在国家内部。例如，不同的节点预计会根据其连接性表现出不同的结果。或许最清楚的方式是遵循我们关于“积极的网络效应如何掩盖ZF官员的无能”的论点（见第1节）。就模型的输出而言，我们预计，在其他条件相同的情况下，具有更多传入溢出的节点贡献较少。图8中的左面板显示了每个节点i水平上的传入溢出（γPjAji）与贡献（`iP` itCi，t）之间的关系，这是根据整个数据集上的蒙特卡罗模拟计算得出的。不同的贡献在具有相似传入溢出量的节点之间进行平均（即，它们被装箱）-也称为传入强度。为了演示网络的影响，右侧面板显示了相同的输出，但对于没有溢出的模型。显然，移除网络可以缓解收入溢出和贡献之间的负面关系。事实上，从统计学上讲，没有网络的模型的关系可以忽略不计（斯皮尔曼相关性得出的p值为0.85）。

因此，这些模拟结果与我们模型的理论基础是一致的。6.4. 政府最高优先级的敏感性表明，网络最重要的影响在于对分配比例的估计。也就是说，当顾问忽视溢出效应时，他或她可能会建议错误的政策优先事项。为了说明这一点，让我们考虑一下估计分配中的前10个政策问题0 5 10 15 20 25 30贡献水平0.00.20.40.60.81.0皮尔曼：-0.88完整模型0 5 10 15 20 25 30贡献水平0.00.20.40.60.81.0贡献水平皮尔曼：0.03模型无溢出图8：内部验证III.贡献与贡献之间的关系。左侧面板：completemodel。右面板：无溢出的模型。这些点对应于位于传入强度相同箱中的节点的平均贡献。分析单位为国家节点，观测值为时间间隔平均值。文件。如果网络影响了这一估计，去除它应该会产生一组显著不同的前十大政策问题。我们通过Jaccard会员指数来评估这种差异。这里，值1表示前10个优先级在有或没有网络的情况下是相同的（无论顺序如何），而0表示它们完全不同。图9显示了有溢出和无溢出的前10个优先级之间的系统差异。特别是，我们在所有国家的平均Jaccard接近0.4；因此，当我们放弃分析中的溢出效应时，最高分配会产生显著差异。这些结果不仅说明了网络的相关性，而且说明了考虑特定国家背景的重要性。通过其他方法，这并不明显，因为人们必须处理聚合数据和平均效果。

因此，这项工作证明了计算方法在一个国家特定性对政策处方很重要的问题上的优势。Tcdalbazemkdpolugazwebolcriethkenrussautjkzmbdibengdcmrestgbergmbhndidnjamkhltumexmoznganicnldnplpryqatturvnmareargarmbfabgrbwachndomecufinkorkalkamarmdgmngnamomnpanukruryvenausbelbhrbihchecoldeuegygtminirlimtmusmysnornzlpakphllsphlsgpslvttontzaautcanczednzaespfrakhghghriskwtsvksvnthazazazafbrakorperchlcivgrchunmwisesbghaccountries0 0.00.20.40.60.81.0Jaccard indexcluster1聚类2聚类3聚类4平均值图9：内部验证IV.前10个优先级的相似性（Jaccard索引）。最优先考虑的是从分配文件中获得最多资源的政策问题。7、应用在本节中，我们首先展示了回顾性分析的一般结果，其中我们推断了观察期内各国使用的平均分配比例。其次，在前瞻性分析中，我们提出了两种类型的蒙特卡罗模拟，以说明我们的指导决策框架的适用性。一方面，我们推断出三国案例的政策重点，似乎它们会模仿更先进的国家。然后，另一方面，我们推断出样本中每个发展中国家（即集群1以外的国家）最可行的发展模式。7.1. 估计过去的政策优先顺序为了推断过去十年中使用的分配比例，我们假设一组发展指标的目标与采样期结束时观察到的值一致。让我们看看分配利润的估计。我~i、 t在数据集的t时段内，显示政策问题i的实证发展指标。

对于给定国家，练习包括使用估计网络运行模型，初始条件Ii，0=I~i、 0，目标STI=i~i、 n（其中n是数据中的最后一个观测值）和预算约束B。每个模拟m生成n个时间序列，形式为Pmi，0。Pmi，`mwhere` mis模拟m的结束期。我们通过计算其时间序列的时间平均值，获得平均分配`Pmi=`mP` mt=0Pmi，tin模拟m。最后，我们计算了整个模拟的平均“Pi=mPMm=1”pmi。出于演示目的，我们将这些信息分组到集群和开发支柱中，并计算平均值。图10显示了发展支柱和集群层面的平均分配比例。这一结果产生了六个重要结果：1。在每个集群内，各发展支柱的政策优先事项并不一致。2、每个集群的政策优先级顺序不同。Fi，0，Fi，-在每次模拟中随机确定1、Ci、0、Ci、0和Pi、0。然而，敏感性测试表明，估计的分配比例不会随这些变量的初始条件发生显著变化。3、政策优先级不受平均指标的支配（图2），这意味着该模型捕捉了分配文件的变革特征。4、平均而言，第3组和第4组国家优先考虑基础设施；在集群2中，经营成本；第1组，教育。5、平均而言，第4组和第2组国家对企业管理的重视程度最低；第3组涉及教育，第1组涉及基础设施。6、各集群的转型政策在以下支柱方面非常不同：劳动力市场效率、健康和金融市场发展。

相反，它们在以下支柱方面相对相似：业务成熟度、商品市场效率和技术成熟度。0.0000.0250.0500.0750.1000.1250.1500.1750.200变革性政策优先事项公司治理基础设施宏观经济环境健康教育商品市场效率劳动力市场效率金融市场发展技术成熟度业务成熟度研发创新公共治理营商成本图10：按集群和发展支柱。每种颜色代表一个发展支柱。在每个支柱内，最左侧的杆对应于组1，最右侧的杆对应于组4。钢筋顶部的垂直线表示标准误差，根据全国范围的变化进行计算。模拟数量：1000 percountry。简言之，可以说，在我们的抽样期间，经验证据表明，各国根据其发展阶段遵循不同的路径。同样，对政策优先事项的估计表明，各国并没有根据发展来确定这些优先事项。请记住，我们只是在衡量变革性变化，而不是总预算拨款。因此，虽然像德国这样的国家在基础设施方面的承诺支出可能最高，但它不需要花费大量资金来改造基础设施。支柱之间观察到的间隙；例如，集群2的公共治理、研发创新、商业成熟度和教育没有得到优先考虑，尽管它们与集群1存在很大差距。总之，该模型能够捕捉数据集中各国的广泛政策优先事项，因此，当制定不同的目标时，它有可能发现新的变革性位置优势。7.2.

1962年，日本经济学家赤松（Kaname Akamatsu）根据发展足迹，提出了“飞雁”理论，以描述20世纪亚洲国家的“追赶”发展过程【赤松，1962年】。他的理论受到以下观察的启发：亚洲经济按照倒V型模式发展，就像野鹅一样。换言之，发达经济体转向更复杂的行业，而发展中国家则在落后的行业中具有竞争力。在工业革命后发展成功的国家中，雁行现象普遍存在【Lin，2013年】。根据Lin和Monga【2013年】的说法，捕获过程是可能的，因为这些国家瞄准的是具有类似要素禀赋和相对接近人均GDP的发达国家的成熟产业。因此，当一个国家在其物质和制度基础设施方面进行重大变革时，潜在的比较优势就会显现出来。当实施策略以处理绑定约束时，以及当修改治理架构以处理信息和协调失败时，就会发生这种变化。换言之，产业转型的“雁行”变得可行，因为在发展阶梯上前进的国家在实施转型政策时都考虑到了目标国家。因此，政策指标可以被视为发展足迹，指导各国攀登阶梯。

我们说，一个国家在追随另一个国家的足迹时采用了“发展模式”（例如，阿根廷在前者以后者的指标为目标时采用了法国发展模式）。如果一个国家确实决定采用一种“发展模式”，那么问题是：如何在inOzawa【2011年】中找到关于这一过程和在亚洲国家创造相对优势的最新证据。中央当局优先考虑公共政策？我们的框架提供了一种解决这个问题的方法。考虑国家x及其向量˙I~xnof观察到发展指标。假设x想沿着y国的路径走。那么，x的目标变成˙Tx=˙I~yn。将该模型应用于该数据所产生的平均分配比例可提供有关X将采用y作为其发展模式所追求的政策优先事项的信息。根据经验证据，新兴经济体倾向于遵循某种程度上在生产和社会能力方面相似的模式。在我们的分析背景下，我们可以将这种邻近性的概念视为四个集群。因此，我们假设第4组的成员试图追随第3组的国家，这些国家追赶第2组的国家，而索福思。让我们看看三个国家来说明这一点：墨西哥在第2组，阿尔巴尼亚在第3组，尼日利亚在第4组；并假设他们试图从其上方的集群中追踪两个国家的发展足迹。图11显示了每个追赶过程的平均分配比例。在试图效仿两个更先进的国家（即发展模式）时，小组展示了这三个国家各自的结果。

在左边的面板中，我们可以看到，公共治理和研发的支柱是墨西哥的两大优先事项，无论它是效仿瑞士还是日本。然而，根据墨西哥试图遵循的发展足迹，基础设施等其他政策问题在其分配方案中占据着非常不同的位置。在阿尔巴尼亚，这种优先顺序的重新排列变得更加明显。例如，如果阿尔巴尼亚试图效仿，其第二优先事项应该是发展金融市场。然而，当阿尔巴尼亚试图追随中国时，这一政策问题成为了它的第六大挑战；尽管如此，对于这两个目标国家来说，商品市场效率是最重要的。政策重点的这些变化不仅取决于一国试图追踪的发展足迹，还取决于该国的初始条件。例如，尼日利亚的首要问题是健康，无论它是想效仿俄罗斯还是阿尔及利亚。相比之下，卫生支柱在墨西哥的分配比例中并不那么重要，在阿尔巴尼亚更是如此，因为它位于下半部分。正如我们所见，政策优先级取决于特定的国家模式对，因此取决于模仿者的网络拓扑、预算和治理指标。

这突出表明了在提供有关转型政策优先顺序的政策建议时，考虑国家的具体情况的重要性。例如，CHEtransformativepolicy prioritiesMEX->CHEtransformativepolicy prioritiesALB->ESPtransformativepolicy prioritiesNGA->Rusttransformativepolicy prioritiesMEX->JPNtransformativepolicy prioritiesALB->CHNtransformativepolicy prioritiesNGA->DZAgovernance of企业基础设施宏观经济环境健康教育商品市场效率劳动力市场效率金融市场发展技术可读性商业成熟度研发创新公共治理营商成本图11：三个国家案例的平均分配比例。模拟次数：每对国家1000次。如何实现发展目标。最后，我们希望提供我们数据集中所有国家（第一组国家除外，因为它们无法追随其他任何国家）发展足迹的全球视图。为此，我们在试图模仿上述集群中的每个国家时，估计每个国家的分配比例。任何一个国家都可以遵循不同的发展模式。那么，自然的问题是，它应该选择哪一个？答案显然是，具体情况取决于确定与国家相关的标准。例如，一个国家可能希望采用特定的发展模式，因为它“更容易”实现；因为最终产品会产生更高的指标；或者是因为它更加重视制定特定的政策问题。无论标准是什么，建议的优先顺序将取决于网络拓扑和国家代理商的学习过程。为了说明这一点，我们假设最可行的发展模式是对一个国家已经采用的分配比例变化最小的模式（第7.1节中估计的模式）。

也就是说，如果x国有多个国家可供模仿，它应该选择一个需要与2006-2016年期间估计的分配比例最相似的国家。在此，我们通过Jaccard指数的矩阵版来衡量平均分配比例之间的相似性。常识告诉我们，分配比例之间的相似性主要取决于x和y的发展指标之间的接近程度。然而，正如我们将要展示的那样，与目标指标的相似性并不是唯一的驱动因素。游戏的学习动态和网络拓扑可能更重要。事实上，大多数时候，x的最可行目标与x具有最高目标指标相似性的国家不同（见附录E）。图12提供了各国及其发展模式的总体情况。这里，国家是按集群排列的，x（来自较低集群）和y（来自较高集群）之间的联系意味着y是x可以采用的最可行的发展模式（至少是fromy集群）。链接的权重表示可行性的差异（越厚越可行）。同样，我们对边缘进行了着色，以表示averageallocation文件的最高政策优先级。图12中有一些突出的模式。例如，第4组国家的赶超过程主要由健康和营商成本支柱决定。在第三组中，最优先考虑的是公共治理、基础设施和宏观环境。集群2的成员在其最高优先级方面表现出更多的异质性，其中基础设施是最常见的；而公共治理、研发和宏观经济环境也很常见。就发展模式而言，图12表明，有些国家有更多的“可跟踪”足迹。

例如，在第3组中，塞尔维亚集中了来自第4组的更多传入边。在第二组中，斯洛文尼亚是领先者。最后，从集群1来看，主要模式是以色列，而美国、新加坡、香港、阿拉伯联合酋长国和丹麦也很有吸引力。从这些结果来看，很明显，随着国家的发展，有更多的选择作为可行的目标。复制一个更发达国家的变革能力的可能性不仅取决于所需的变革有多大，还与政治经济因素有关，除了本研究中考虑的因素外；例如，跟踪政策指标的速度；一个国家的生产结构与其发展模式的相似性；以及一个社会在未来可能被允许追求的“最佳实践”。尽管如此，之前的统计工作非常有助于表明，某些发展模式比其他模式更容易实现，因此，政府应意识到这一事实设置IBenbFacivCmrethghagmbkenkhmmdgmimimozmrtmwingapaksentCdzaugavnmzmbzmbzweazegdbgribhboldomdzageomngnpryrustjkvenarmkazalbmkdargnicecukzsrbukrbhrbrabwacolcriestgmhndhrvhunidninditajamjorkwtlkultulvamarsnamperphlpolslvsvktotunturzafchnchlepsegzegrcmexomprtsausvnthauryautdeugbrirlmysnldzlausawarefingjpndnkbelcheisrnorusakanqatclustecluste R 4群集3群集2群集1企业治理基础设施宏观经济环境健康教育商品市场效率劳动力市场效率技术准备业务成熟度研发创新公共治理营商成本非洲亚洲欧洲北美和加勒比大洋洲南美图12：发展足迹图。边缘厚度表示Jaccard索引的级别。

模拟次数：每对国家1000次。指标的目标。换言之，尽管许多国家希望效仿德国模式，但这个欧洲国家可能不是一个容易上钩的国家。8、结论在本文中，我们调查了ZF如何制定政策优先事项以实现变革性发展目标这一具有挑战性的问题。我们阐述了一个理论框架，与现有方法相比，该框架允许我们解释政策问题之间复杂的相互依赖网络，这对于每个国家的背景来说都是非常具体的。通过网络上的政治经济博弈，我们模拟了ZF如何调整政策重点，以阻止分散形式的腐败，同时实现特定目标。我们对该模型的计算分析表明，它可以产生有关腐败和社会经济表现的众所周知的程式化事实，并复制各国的腐败水平。除了提供外部验证的证据外，我们还对模型进行多个内部验证测试，以证明特定社会机制的相关性。特别是，这些敏感性测试表明了ZF分配启发式的重要性、主体间协同进化学习的相关性以及政策问题网络产生的溢出效应。也就是说，我们表明模型中假设的因果渠道是信息性的，因为它们解释了模型在国家之间（例如腐败程度）和国家内部（例如分配和贡献比例）的产出。因此，我们认为，我们的方法论的理论支持是有充分基础的，因此，我们的政策处方在经验上是合理的，并提供了与模型逻辑一致的解释。利用117个国家79项发展指标的数据，我们首次应用了该框架。

我们的计算过程相当简单，因为只估计了一个参数。实证分析表明，在2006-2016年的抽样期间，各国采用了各种各样的发展模式，这些模式反映了其政策重点。这一回顾性分析表明，所观察到的优先事项与发展指标之间的经验差距没有密切关系，正如预算资源分配的简单规则所表明的那样。此外，ABM的模拟结果表明，在设计政策指南以在任何经济体中产生结构变化时，背景都很重要。在未来的应用中，我们认为任何国家都可以遵循不同的发展模式来产生变革能力。由于每种模式都有优先顺序，因此执行特定战略的相关方面必须与其政策的一致性有关；也就是说，密切遵循建议的优先级方案。例如，我们发现阿尔巴尼亚可以效仿西班牙模式，强调商品市场效率、金融市场发展、公共治理和基础设施；或者采取一种中国模式，主要关注四个方面：商品市场效率、研发创新、劳动力市场效率和宏观经济环境；在其他可能的开发模式中。本文的一个实证扩展是设计和分析其他标准，以确定哪些国家可以成为有吸引力的目标。一种可能性是指定一个更先进的国家样本，这些国家的人均GDP具有吸引力，或者人类发展指数水平足够高。然后，这一组可以在其生产结构、国际贸易构成、文化、地理邻近性、政治制度或上述任何组合方面的相似性方面进一步受到限制。

同样，为了进一步分析我们的框架的稳健性，可以使用不同的数据（如国家以下一级的发展指标）来实施该框架，然后测试其复制能力。探索网络校准的不同方法以及所涉及变量的替代滞后结构也会很有启发性。这些练习可能有助于提高模型的拟合优度，并增加重复结果的数量。尽管如此，我们在本文中并没有计算每个公共问题的边际效应；这种类型的实证结果也可以从我们的方法中获得。因此，另一个有趣的扩展是通过敏感性分析消除对某些政策问题的投资。也就是说，在政府的行为模型中，我们可以排除对特定问题的分配，而由于溢出效应，相关指标仍然可以增长。通过这一程序，人们可以在反事实的基础上衡量相对影响，并使用不同的依赖变量，如收敛时间和腐败程度。参考Accinelli，E.、Martins，F.、Oviedo，J.、Pinto，A.和Quintas，L.（2016）。谁控制控制器？腐败的动态模型。圣路易斯波托斯奥诺马大学经济系手稿。Aghion，P.和Durlauf，S.（2009年）。从增长理论到政策设计。技术报告57，世界银行。Akamatsu，K.（1962年）。发展中国家经济增长的历史模式。发展中经济体，1:3–25。Arifovic，J.和Ledyard，J.（2011）。机制设计的行为模型：个体进化学习。《经济行为与组织杂志》，78（3）：374–395。Bardhan，P.（1997）。腐败与发展：问题回顾。《经济文学杂志》，35（3）：1320–1346。拜耳，R.，雷纳，E.，和索斯格鲁伯，R.（2009）。

实验性公益游戏中的困惑与强化学习。技术报告，奥地利林茨约翰内斯·开普勒大学奥地利劳动经济和福利国家分析中心。Canarella，G.和Pollard，S.（2004年）。新古典增长模型中的参数异质性：分位数回归方法。《经济发展杂志》，29（1）：1-31。Carrella，E.（2014）。零知识交易者。《艺术社会与社会模拟杂志》，17（3）：4。Castagneto Gissey，G.、Chavez，M.和De Vico Fallani，F.（2014）。电力现货价格的动态格兰杰因果网络：一种新的市场整合方法。能源经济学，44:422–432。卡斯塔·内达（Casta neda，G.，\'Iniguez，G.，\'avez Ju'arez，F.（2017）。复杂的公共政策网络。确定其在经济发展中的相关性的经验框架。背景文件，《治理与法律》，世界银行。Castillo，D.和Saysel，A.（2005年）。公共池资源现场实验模拟：集体行动的行为模型。生态经济学，55（3）：420–436。Ceriani，L.和Gigliarano，C.（2016）。多维幸福感：贝叶斯网络方法。技术报告399，ECINEQ，经济不平等研究学会。Chmura，T.、Goerg，S.和Selten，R.（2012年）。在实验性2x2游戏中学习。游戏与经济行为，76（1）：44–73。Cinicioglu，E.，Ulusoy，G.，Ekici，S,。，¨Ulengin，F.和¨Ulengin，B.（2017年）。利用贝叶斯网络探讨国家竞争力与创新之间的相互作用。创新与发展，0（0）：1–36。Czy˙zewska，M.和Mroczek，T.（2014）。创新决定因素识别过程的贝叶斯方法。Finansowy Kwartalnik Internetowy e-Finanse，10（2）：44–56。Deadman，P.（1999年）。

在基于智能代理的公地悲剧模拟中模拟个人行为和群体绩效。《环境管理杂志》，56（3）：159–172。Delavalade，C.（2006年）。发展中国家的腐败和公共支出分配。《经济与金融杂志》，30（2）：222–239。Dhami，S.（2016）。行为经济分析的基础。牛津大学出版社，牛津。Doornik，J.和Hendry，D.（2015年）。“大数据”统计模型选择。Cogent Economics&Finance，3（1）：1045216。Ezaki，T.、Horita，Y.、Takezawa，M.和Masuda，N.（2016）。强化学习解释了条件合作及其喜怒无常的近亲。PLOS计算生物学，12（7）：e1005034。Felipe，J.和Usui，N.（2008）。重新思考增长诊断方法：来自从业者的问题。技术报告132，亚洲开发银行。大会（2017年7月6日）。统计委员会与2030年可持续发展议程有关的工作。技术报告A/RES/71/313，联合国。Granger，C.（1969年）。通过计量经济学模型和互谱方法研究因果关系。《计量经济学》，37（3）：424–438。Grei Off，M.（2013）。学习与谁互动：动态网络上的公益游戏。Etica&Politica，十五（2）。Habermann，H.和Padrutt，P.（2011年）。增长诊断：确定发展中国家经济增长制约因素的创造性分析框架的优缺点-知识管理、经济和信息技术杂志。知识管理、经济和信息技术杂志，1（7）：1-25。Hausmann，R.、Klinger，B.和Wagner，R.（2008）。在实践中进行增长诊断：一本“思维手册”。技术报告177，哈佛大学国际发展中心。Hausmann，R.、Rodrik，D.和Velasco，A.（2005年）。增长诊断。

技术报告，约翰·F·肯尼迪政府学院，哈佛大学，剑桥，马萨诸塞州。Hichri，W.和Kirman，A.（2007年）。公益游戏中协调的出现。欧洲物理杂志B，55（2）：149–159。Hoyer，P.、Hyv¨arinen，A.、Scheines，R.、Spirtes，P.、Ramsey，J.、Lacerda，G.和Shimizu，S.（2008）。具有任意分布的线性非循环模型的因果发现。《第二十四届艺术情报不确定性会议记录》，UAI\'08，第282-289页，美国弗吉尼亚州阿灵顿。奥艾出版社。Huggins，R.（2010）。区域竞争情报：基准和政策制定。区域研究，44（5）：639–658。Hyv¨arinen，A.和Smith，S.（2013年）。非高斯结构方程模型估计的成对似然比。机器学习研究杂志，14（1月）：111–152。Janssen，M.和Ahn，T.（2006年）。公益游戏中的学习、信号和社会偏好。《生态与社会》，11（2）。Kenett，D.、Tumminello，M.、Madi，A.、Gur Gershgoren，G.、Mantegna，R.、Ben Jacob，E.（2010）。股票市场偏相关分析揭示了金融业的主导地位。PLOS ONE，5（12）：e15032。勒布朗克（2015）。最终走向一体化？作为目标网络的可持续发展目标。经社部工作文件ST/ESA/2015/DWP/141，联合国经济和社会事务部。Lee，K.和Kim，B.（2009）。制度和政策都很重要，但对不同收入群体的国家来说却有所不同：重新审视长期经济增长的决定因素。《世界发展》，37（3）：533–549。Lin，J.（2013）。从雁行到龙头：发展中国家结构转型的新机遇和战略。在Stiglitz，J.、Lin，J.和Patel，E.的编辑中，《产业政策革命II》。《21世纪的非洲》，第50-70页。

纽约州帕尔格雷夫·麦克米伦。Lin，J.和Monga，C.（2013）。比较优势：产业政策的银弹。《产业政策革命I》，国际经济协会系列，第19-38页。帕尔格雷夫·麦克米伦，伦敦。Lucas，P.、de Oliveira，A.和Banuri，S.（2014年）。公共物品博弈中群体组成和社会偏好异质性的影响：基于代理的模拟。《艺术社会与社会模拟杂志》，17（3）：5。Massara，G.、Di Matteo，T.和Aste，T.（2017年）。大数据网络过滤：三角形最大过滤图。《复杂网络杂志》，5（2）：161–178。Minier，J.（2007）。制度和参数异质性。《宏观经济学杂志》，29（3）：595-611。Nax，H.和Perc，M.（2015年）。定向学习和公共物品的提供。科学报告，5:srep08010。Nilsson，M.、Griggs，D.和Visbeck，M.（2016）。政策：绘制可持续发展目标之间的相互作用图。《自然新闻》，534（7607）：320。Ozawa，T.（2011）。从结构主义的角度重新审视（出生于日本的）“雁行”经济发展理论，并对其进行了重新构建。全球政策，2（3）：272–285。Pearl，J.（1988）。智能系统中的概率推理：似然推理网络。摩根·考夫曼，旧金山。Pearl，J.、Glymour，M.和Jewell，N.（2016）。统计学中的因果推理-入门。威利，奇切斯特，pap/pscedition版。Pradhan，P.、Costa，L.、Rybski，D.、Lucht，W.和Kropp，J.（2017）。可持续发展目标（SDG）相互作用的系统研究。《地球的未来》，5（11）：1169-1179。Reddy，C.和Petrie，R.（2015年）。公共物品游戏中社会偏好和学习的稳定性。工作文件。Rodrik，D.（2009年）。一种经济，多种方法：全球化、制度和经济增长。普林斯顿大学出版社，普林斯顿。Rodrik，D.（2010年）。

处方前诊断。《经济展望杂志》，24（3）：33–44。Rodrik，D.（2012年）。为什么我们从政策上的经济增长倒退中学不到任何东西。首尔经济杂志，25（2）：137-151。Rondo Brovetto，P.和Saliterer，I.（2007年）。比较地区、城市和社区：地方政府标杆作为提高绩效和竞争力的工具。《创新杂志》：公共部门创新杂志，12（3）。Ruttan，L.（2008年）。经济异质性和共同点：对集体行动和集体利益提供的影响。《世界发展》，36（5）：969-985。Sarin，R.和Vahid，F.（2004年）。策略相似性和协调性。《经济杂志》，114（497）：506–527。Smith，S.、Miller，K.、Salimi Khorshidi，G.、Webster，M.、Beckmann，C.、Nichols，T.E.、Ramsey，J.D.和Woolrich，M.W.（2011）。功能磁共振成像的网络建模方法。神经影像学，54（2）：875–891。Sugar，C.和James，G.（2003年）。查找数据集中的群集数。《美国统计协会杂志》，98（463）：750–763。Svensson，J.（2005）。关于腐败的八个问题。《经济展望杂志》，19（3）：19–42。Tumminello，M.、Aste，T.、Matteo，T.D.和Mantegna，R.N.（2005）。在复杂系统中过滤信息的工具。美国国家科学院院刊，102（30）：10421–10426。Vuong，Q.（1989）。模型选择和非嵌套假设的似然比检验。《计量经济学》，57（2）：307-333。Wood，S.（2006年）。广义加性模型：介绍与R。CRC出版社。附录A.描述性统计表A.1提供了所有集群的列表和每个集群中所有国家的列表。

表A.2显示了研究中每个指标的汇总统计数据。表A.1：按国家集群列出的国家列表国家数量1）高24个国家是AUS AUT BEL CAN CHE DEU DNK FIN FRAGBR HKG IRL ISR JPN KOR MYS NLD NOR NZLQAT SGP SWE USA2）中高45 BHR BRA BWA CHN COL CRI CZE EGY ESPEST GRC GTM HND HRV HUN IDN IND ITA JAMJOR KWT LKA LTU LVA MAR MEX MUS NAMOMN PAN PER PHL POL PRT SAU SLV SVK SVNTHA TO TUN TUR URY ZAF3）中低24个国家AZE臂AZEBGD BGR BIH BOL DOM DZAECU GEO KAZ KGZ MKD MNG NIC NPL PRY RUSSRB TJK UKR VEN4）低24 BDI BEN BFA CIV CMR ETH GHA GMB KEN KHMMDG MLI MOZ MRT MWI NGA PAK SEN TCD TZAUGA VNM ZMB ZWETable A.2：描述性统计支柱和指标N2转换平均值SDSP01 1企业道德行为治理0.42 0.22P01 2审计和报告标准强度0.55 0.19P01 3公司董事会有效性编号0.58 0.14P01 4保护少数股东利益编号0.51 0.19基础设施P02 1整体基础设施质量编号0.50 0.24P02 2道路质量编号0.49 0.24P02 4港口基础设施质量编号0.52 0.21P025航空运输基础设施质量编号0.61 0.19P02 6可用航空座位公里/（周*人口），百万是否0.14 0.21P02 7供电质量否0.60 0.27P02 8移动蜂窝订阅（每100人）否0.31 0.13P02 9改善卫生设施，城市（有使用权的城市人口百分比）正常2否0.77 0.28宏观经济环境P03 1通货膨胀，年百分比变化否是0.42 0.17P03 2一般政府债务，国内生产总值百分比是否0.39 0.23P03 3外国直接投资，净流入（国际收支，当前美元）是否0.47 0.19P03 4进口占国内生产总值的百分比是是是0.39 0.23P03 5出口占国内生产总值的百分比是否0.41 0.23HealthP04 3肺结核病例/100000 pop。