经济增长的特征范文

导语：如何才能写好一篇经济增长的特征，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

对于衡量变量差异性的统计指标，除了前文提到的变异系数以外，常用的还有全距、平均差、差异系数、泰尔指数等指标。其中，泰尔指数（TheilIndex）因为具有可分解性的特点，不仅可以反映总体的差异，还可以衡量样本内部的差异，因而得到较为广泛的应用。泰尔指数是由H.Theil（1967）提出的，是一种广义熵指数，可写为GE（1）。以人均GRP差异为例，泰尔指数常用这样，根据公式（1）~（3），笔者计算了1978年~2012年中国各省份人均名义GRP与人均实际GRP的泰尔指数。图2与表1是人均名义GRP泰尔指数的基本情况。由于人均实际GRP的泰尔指数与之非常类似，限于篇幅，在此笔者就不再列出。从图2与表1可以看出，我国各省份人均名义GRP的泰尔指数呈现出“下降—上升—再下降”的变动趋势。具体来看，1990年以前，泰尔指数从1978年的0.1555不断减少至1990年的0.0763；而1991年~2003年之间则呈现一直上升的态势，到2003年回升至0.1420；2004年之后泰尔又开始回落，到2012年为0.0780，基本与1990年的数值持平。这表明我国区域经济水平的整体差异在1978年~1990年、2004年~2012年间有下降趋势，而在1991年~2003年期间呈扩大趋势。同时，我国东中西部地区之间经济增长的组间差异，在2003年之前基本呈扩大态势，并在20世纪90年代初期取代区域组内差异，成为区域经济整体差异的最主要因素。同时，2004年之后东中西部之间经济差异有减小趋势，2012年的差异水平已回落至20世纪90年代初的水平。来东中西部区域经济的组内差异则大体表现为缩小的趋势，期间在2000年前后有所回升，但2003年之后又开始下降。具体来说，从表1中可以发现，我国东部省份内部之间的经济差异虽然在东中西部三者之中最为显著，但其缩小趋势也最为明显，其组内泰尔指数由最开始的0.21（1978年）持续缩小至0.03（2012年）；中部省份内部的人均名义GRP差异在东中西部三者中大致处于中间水平，但与西部差别很小，并且中部西区的组内泰尔指数大体上也有所下降，由最初的0.039减少至现在的0.023；西部省份之间的差异变化很小，且在20世纪90年代前期略有扩大。总体来看，我国区域经济增长的组内与组间两种差异变化进一步反映了我国区域经济增长具有“俱乐部趋同”的特点。

二、区域经济增长的相关性特征

除了差异性之外，区域经济之间的相关性也需要关注。而Moran''''sI统计量则是检验经济现象全局空间自相关特征的一种常用指标（P.A.PMoran，1950），其计算公式为：GRP），N为地区总数，Wij为空间权重矩阵。Moran''''sI取值范围为[-1，1]，其大于0表明变量之间存在空间正相关，小于0表明变量之间存在空间负相关，而等于（或近似为）0，则说明变量为空间零自相关（即在空间上随机分布）。同时，如果Moran''''sI的绝对值越大，表明变量在空间分布的（正/负）相关性越强。同时，对于Moran''''sI显著性，可以通过Z值及其对应的P值进行检验。根据（4）式，笔者以各省份省会之间距离的平方为权重，构建了空间权重矩阵W，进而计算了1978年~2012年我国人均名义GRP与人均实际GRP的Moran''''sI值。具体见图3。其中，两种人均GRP的Moran''''sI值均至少在3%的水平上显著，且显著水平也同Moran''''sI值一样不断提高。从图3可以看出，不论是人均名义GRP还是人均实际GRP，两者的Moran''''sI值在改革开放之后均呈现出不断提高的趋势。其中，人均名义GRP的Moran''''sI虽然在20世纪90年代初期有略微下降，但整体而言其上升的幅度更大，由最初时的0.09（1978年）逐渐上升至最高时的0.45（2010年）；而人均实际GRP的上升过程则相对平稳一些，其最高值为2010年的0.32。综上所述，我国各省份之间的人均GRP（包括名义与实际）具有比较显著的全局正相关性（或空间集聚性）。在分析全局空间自相关之后，可以再考察我国区域经济增长的局部自相关特性，这主要通过Moran散点图进行分析，具体如图4所示。可以看出，拟合曲线的斜率逐渐变大，表明省份人均实际GRP的全局自相关特征日趋明显。同时，第一象限与第三象限（表示存在局域空间相关）的点逐步增多，而第二象限与第四象限（表示部存在局域空间相关）的点则有减少的趋势。同时，1978年~2012年间我国各省份的名义GRP与实际GRP的Moran''''sI均为正，且都至少在10%水平下显著。综上所述，我国区域经济增长具有空间自相关特征。

三、基本结论

篇2

关键词：就业 回归模型 阶段性 协调性分析

近几年来，内蒙古的经济增长快的惊人，然而就业却呈现了与经济发展不协调的现状和阶段性的特征，经济增长拉动的就业人数很低。产业结构不合理，第一产业就业比重占很大份额但产值很小；第二产业产值很高而吸纳的就业人数却很小，产业内部结构失衡；第三产业发展滞后，吸纳就业能力很弱。

实证研究

（一）变量和数据的选取

本文选取1980-2009年30年间的数据，来源于《2010年内蒙古统计年鉴》。主要采用指标为：一是衡量经济增长的量：内蒙古国内生产总值GDP和各产业的生产总值GDPi（i=1，2，3）；二是内蒙古的就业人数，包括总的就业人数L和各个产业的就业人数Li（i=1，2，3）。

（二）平稳性、协整、格兰杰因果关系检验

本文采用ADF检验法对LNGDP和LNL进行检验，经检变量二阶差分后是平稳的。接着采用Johansen检验，发现至少存在一个协整向量，表明变量之间存在长期均衡关系。最后进行Granger检验，发现GDP是L的Granger原因（0.0210.05），它们之间呈单向Granger因果关系。

（三）经济增长与总就业之间的关系

LNGDP与LNL的散点图。从图1可以看到LNGDP与LNL大致呈指数分布，设模型为L=aGDPα（α为就业弹性），变换为LNL=c+α*LNGDP（其中Lna=c），上述模型估计如下：

LNL=6.34+0.08LNGDP R2=0.81 D.W=0.17 （1）

（131.33）（11.19）

从方程（1）看出，模型在总体程度上拟合不错，R2=0.81，各变量都通过了检验。

各产值与各产业就业人数阶段性特征

为了能够深入研究经济增长与就业的关系，从各产业就业人数与各产值之间入手。首先做了各产业就业人数时序图，如图2、图3、图4所示（数据经过sas标准化）。

由图2、图3、图4看出，各产业的就业人数不是持续增长的，都有一定的间断性，而各产业产值却是持续增长的，它们之间呈现不协调关系，其中图3表现最为明显，从1980开始就业人数持续增长，到1996年突然下降，直到2004年才开始缓慢上升。为了进一步分析问题，综合了图2、图3、图4，分三段进行研究。第一段从1980-1995年；第二段从1996-2004年，第三段从2005-2009年。

（一）第一阶段各产值和就业人数的特征

LNL1=6.05+0.04LNGDP1 （2）

（120.60）（3.84） R2=0.51 D.W=0.72

LNL2=4.11+0.25LNGDP2 （3）

（36.83）（9.88） R2=0.87 D.W=0.29

LNL3=3.76+0.34LNGDP3 （4）

（55.39）（21.79） R2=0.97 D.W=1.21

方程（2）、（3）、（4）各变量都通过了检验，各方程在整体上拟合还不错。在第一时间段中，无论是第一、二产业还是第三产业，它们都对就业起到了拉动作用。第一产业拉动就业的弹性为0.04；第二产业为0.25；第三产业为0.34。第三产业吸纳的就业空间最大。

第一阶段从1980年到1995年，这时恰值“六五”“七五”和“八五”是改革开放初中期，内蒙古的经济在粗放型的增长方式下运行，非农经济有了很大的发展，所吸纳的就业人数空间很大，呈现出每个产业产值增加都能带动产业就业人数的增加的特点。

（二） 第二阶段各产值和就业人数的特征

LNL1=6.08+0.04LNGDP1 （5）

（57.62）（2.23） R2=0.41 D.W=2.02

LNL2=7.31-0.33LNGDP2 （6）

（35.98）（-10.34）R2=0.94 D.W=1.88

LNL3=5.03+0.11LNGDP3 （7）

（12.59）（1.79） R2=0.31 D.W=1.18

在方程（5）、（6）、（7）中，只有方程（6）通过了检验且拟合良好，其余方程都没有通过检验，拟合效果较差。情况不如第一阶段，第一产业拉动就业弹性0.04；第二产业为-0.33；第三产业为0.11。经济增长只对第一、三产业起到了拉动作用且很小，而对第二产业就业人数的拉动反而是负的，这说明经济的增长并不一定能带来就业人数的同步增加，这与经济理论相背离。产业结构和就业呈现不协调现状。

第二阶段从1996年到2004年，这时恰值“九五”和“十五”。内蒙古经济发展较快，也是产业结构调整和升级、经济增长方式转变的重要时期。这时期经济的增长对就业的拉动作用变得缓慢，第二产业的就业弹性还是负数，出现了“排斥”现象。

（三）第三阶段各产值和就业人数的特征

LNL1=6.05+0.03LNGDP1 （8）

（33.24）（1.36） R2=0.38 D.W=2.54

LNL2=3.87+0.16LNGDP2 （9）

（22.64）（7.72） R2=0.95 D.W=3.37

LNL3=4.00+0.23LNGDP3 （10）

（9.10）（4.17） R2=0.85 D.W=1.39

在方程（8）、（9）、（10）中，只有方程（8）没有通过检验且拟合效果较差。第三阶段情况还是不如第一阶段，第一产业拉动就业的弹性为0.03；第二产业为0.16；第三产业为0.23，虽然对就业的拉动都是正作用，但全都是小于第一阶段。

第三阶段从2005年到2009年，这时恰值“十一五”，内蒙古经济增长方式，产业结构趋于合理化，较第二阶段情况有所好转，每个产业的产值增加都能带动各产业的就业人数的增加，但还是弱于第一段。

各产值与各产业就业人数协调性分析

（一）产业结构和就业结构不符

从表1看出1980年内蒙古第一、二、三产业的比例为26.4∶47.2∶26.4，同期第一、二、三产业就业人数比例为65.97∶18.57∶15.46；2009年内蒙古第一、二、三产业比例为9.5∶52.5∶38，同期第一、二、三产业的就业人数比例为48.84∶16.92∶34.24。由此看出，在这三十年中第一产业的产值比重下降了16.9%，就业比重下降17.13%；第二产业的产值比重上升5.3%，就业比重下降1.65%；第三产业产值比重上升11.6%，就业比重上升18.78% 。第一产业呈现“产值低，就业高”的特点，这显然是不合理的。这说明农村牧区存在着大量的富裕劳动力，大量的劳动力积压在第一产业上，导致了农牧民的低收入，低消费，成为第二、三产业进一步发展的障碍。

第二产业产值比重很大，但就业人数比重急剧的减少，呈现“产值高，就业低”的特点。从1980年的产业比重上升了5.3%，同期就业比重却下降了1.65%。这说明第二产业的发展排斥劳动力。内蒙古的工业结构不合理，主要发展重工业，轻工业发展较慢。大量的资金都集中于重化工业行业，工业劳动密集型产业不断地萎缩。资本密集型产业会导致劳动力资源的大量闲置和浪费，造成过高的失业率。投资的高增长率主要带来的只是就业者的人均资本准备水平的提高，拉动就业的作用较差，这是内蒙古投资主导经济的快速发展而就业弹性却下降的原因所在（刘仙梅，2007）。第三产业发展速度缓慢，从这三十年中，第三产业的产值比重上升11.6%，第三产业就业比重上升18.78%

（二）外部环境和政策的影响

“九五”和“十五”期间内蒙古受市场经济体制改革、亚洲金融危机和区内外企业竞争的影响，大批亏损国有企业，集体企业不得不破产，兼并或调整结构，从而导致了大量的富余职工失去原有的工作岗位沦为失业人员，成为了第二产业劳动力净流出的原因。自1999年实施西部大开发以来，内蒙古实施了更加倾斜的财政支付政策，而这些财政支出大多数都投放在能源和基础原材料等开发项目上。这些项目虽然耗资很大，带来经济的快速发展，但吸纳的就业空间很有限。

政策建议

由上述分析可知，今后内蒙古仍面临很大的就业压力。经济增长虽然是就业增长的前提条件，也是解决失业问题的根本出路，但经济增长并不一定能拉动就业增长，如果不实施一些辅助措施，经济增长不一定直接转化为就业机会（李湘合等，2006）。因此提出以下几方面的建议：

一是无论是哪个阶段，第三产业产值的增加对就业人数的拉动作用是最大的，所以要充分挖掘第三产业的就业空间，内蒙古有丰富的自然资源和独特的自然、人文景观。应该大力发展旅游业、房地产、奶制品等为主导的第三产业。二是实行有利于扩大就业的经济发展战略合理化产业结构，促进劳动密集型产业的发展。三是鼓励和支持非国有经济和中小企业的发展，发展那些能吸纳就业人数多的个体和私营经济，广辟就业门路，多渠道地扩大就业。

参考文献：

1.刘仙梅.内蒙古经济增长与扩大就业的关系研究[J].经济论坛，2007（11）

2.齐建国.中国经济的最大威胁是就业弹性急剧下降[J].世界经济，2000（3）

3.雍红月，李松林.内蒙古人口就业与经济增长的实证分析[J].人口与经济，2004（2）

篇3

Gaggl和Steindl(2007)、Steindl和Tichy(2009)、Priesmeier和Sthler(2011)，以及卢二坡(2008)对宏观波动影响经济增长的文献进行了综述，曹永福(2007)则综述了美国经济“大缓和”及其成因的相关文献，以下结合其他学者的研究分别进行概述。

(一)国外有关宏观波动影响经济增长的理论研究通过将“技术创新”和“干中学”等内生经济增长因素纳入真实经济周期理论及其拓展模型，可从理论上解释经济增长与宏观波动的关系，但既有研究并无定论。主要包括:(1)标准封闭式经济增长模型认为，资本积累推动经济增长，但宏观波动对投资和经济增长的影响具有两面性:波动及不确定性一方面会加大家庭预防性储蓄和投资，且更高的风险规避度和跨期替代弹性予以强化(Jones等，2005a、2005b;Wang和Wen，2011);另一方面，不确定性也会导致经风险调整的预期回报率下降并减少投资(Kebs，2003)［10］。(2)考虑“创造性破坏”机制的模型认为，企业在衰退期会因机会成本更低而加大研发投资，且优胜劣汰提升生产率，宏观波动和经济增长正相关。该结论要求金融市场完备，但融资约束使企业在衰退期面临更大流动性风险，会削减投资，经济增长与波动可能负相关(Aghion等，2010)［11］。该理论认为创新投资有逆周期性也受到质疑(Barlevy，2007)［12］。(3)考虑“干中学”机制的模型强调人力资本和知识积累在生产率提升和经济增长中的作用，在衰退期，雇佣率下降，宏观波动和经济增长负相关(Martin和Rogers，1997)［13］。但考虑知识积累函数呈边际收益递增时，经济增长与波动可能正相关(Canton，2002)［14］。(4)其他更复杂的研究认为，理论模型选择、参数设定、冲击的不同类型等均影响经济增长与波动的相关性(如，Annicchiarico等，2011;Annicchiarico和Pelloni，2014)。

(二)国外有关宏观波动影响经济增长的实证研究少数宏观波动影响经济增长的实证研究利用行业或地区面板数据(如，Imbs，2007)，大量研究则基于跨国宏观面板数据和国别宏观时间序列数据进行，但同样没有一致性结论:(1)基于跨国面板数据的多数研究认为，宏观波动对应的不确定性导致资源错配，并阻碍经济增长(Ramey和Ramey，1995;Norrbin和PinarYigit，2005)。也有研究认为，宏观波动与经济增长表现为与“风险－收益”类似的正相关(Grier和Tullock，1989)［20］。(2)基于国别时间序列数据的实证研究一般采用各种GARCH-M模型进行，有研究认为，在美国、英国、日本等G7国家，宏观波动对经济增长具有正效应(Fountas和Karanasos，2007)［21］;但Bredin等(2009)、Bredin和Founta(2009)却发现，在部分亚洲和欧盟国家，宏观波动和经济增长负相关;还有研究认为，在美国、日本及其他OECD国家，产出波动和经济增长无显著相关性(Grier和Perry，2000;Wil-son，2006)［。(3)部分研究认为，宏观波动对经济增长的影响具有阶段性，非对称性和非线性特征:少数研究关注经济发展阶段对“宏观波动－经济增长”关系的影响，如Kose等(2006)认为贸易和金融一体化显著弱化了波动对经济增长的负效应［26］;Koren和Tenreyro(2007，2013)认为［27］－［28］，随着一国经济发展，经济结构将转向波动更小产业，且投入趋于多元化，运用熟练技能和技术的广度趋于深化，冲击引致的波动更低，经济增长与波动因此负相关。宏观波动对经济增长的影响还有非对称性，如:Neanidis等(2013)发现G7国家的宏观波动对经济增长的正效应主要存在于低增长状态，但Henry和Olekalns(2002)、Kim和Kim(2010)却发现美国宏观波动在繁荣和衰退期分别对经济增长有正、负效应［30］－［31］。研究宏观波动对经济增长的影响还需考虑二者的非线性特征，如:Fang和Miller(2008、2009)采用带结构突变点的GARCH-M模型［32］－［33］，证实了在日本和美国，经济增长与其波动无显著相关性。但这一结论并不稳健，如:采用类似方法，Fang和Miller(2014)发现宏观波动对经济增长的正效应在美国、日本等国家显著［34］728;Fang等(2008)选取美国、日本等6国为研究对象，却发现宏观波动对经济增长的显著影响仅在日本存在，且为负相关。

(三)中国宏观波动影响经济增长的相关研究利用各种GARCH-M模型和宏观数据的研究:基于月度数据，刘金全、张鹤(2003)证实了产出波动与经济增长正相关［36］32，Laurenceson和Rodgers(2010)也认为二者正相关或不相关，但不存在负相关。基于年度数据，刘金全等(2005)认为产出波动与经济增长正相关［38］5，徐伟(2013)、李永友(2006)则分别认为二者有显著或不显著的负相关性［39］54，［40］8;卢二坡、吕介民(2012)还证实了产出波动对经济增长的作用在衰退期为负、繁荣期为正。基于省际面板数据的研究:杜两省等(2011)认为产出波动与经济增长显著负相关［42］;卢二坡、王泽填(2007)证实了二者在改革开放前负相关，而后在多数省份表现为正相关。卢二坡、曾五一(2008)，陈昆亭等(2012)则分别将改革开放前后产出波动与经济增长相关性的差异归因于市场化进程加快，以及教育投入和人力资本积累增加。此外，邵军、徐康宁(2011)发现，经济向下波动反而促进技术进步，支持“创造性破坏”的观点。

(四)国内外宏观波动“大缓和”的相关研究美国及其他工业化国家的宏观经济波动于20世纪80年代后相继进入“大缓和”时期，究其成因，大致包括外部冲击减弱、信息技术与库存管理改善、经济结构转向波动更小的产业、货币政策的成功运用、金融创新与金融市场完善、技术进步与全要素生产率波动下降等多个方面(曹永福，2007)。此外，次贷危机尽管导致工业化国家宏观波动快速而短暂攀升，但仍于2010年初回落，“大缓和”仍将持续(Clark，2009;Charles等，2014)［47］－［48］。就中国而言，刘树成(2000)较早认为经济波动将从大起大落转向微波化［49］，并认为从21世纪开始，经济波动将表现为适度高位平滑化特征(刘树成等，2005)［50］。刘金全、刘志刚(2005)发现，产出波动于1997年前后表现为“凸型”特征，并伴随投资、政府支出和净出口波动降低［51］。张成思(2010)发现，经济增长、通胀、货币供给、有效汇率等宏观经济变量波动在20世纪90年代中期均发生显著结构性转变［52］。林建浩、王美今(2013)证实了“大缓和”在次贷危机前中断，且于2010年初重返“低波动、高增长”状态。大量研究还认为，结构性冲击减弱、货币政策更为完善、国际贸易发展，以及市场化进程等因素均有助于解释中国宏观波动“大缓和”(如:雎国余、蓝一，2005;殷剑锋，2010;万晓莉，2011;洪占卿、郭峰，2012;He等，2013;He，2014)。

(五)文献简评综上所述，融合真实经济周期理论、内生经济增长理论的研究尽管认同宏观波动对经济增长的影响，但其相互关系受到诸多因素制约，理论研究并无定论。由此，从客观数据出发，探究宏观波动影响经济增长的经验证据尤为重要。然而，实证研究同样无法给出一致性答案，特别的，与本文研究对应，既有基于国别宏观数据的研究在以下方面有待完善:(1)国内研究在经济增长指标和数据频率的选取方面并不恰当。Statsny和Zagler(2007)指出［59］2，利用时间序列数据考察宏观波动对经济增长影响时，广为采用的GARCH-M模型需注意:其一，与其在金融市场运用一致，应采用高频数据“捕捉”波动集聚性;其二，样本区间应足够长，以避免待估参数较多导致的结论不稳健。从国内研究来看，少数学者采用年度和季度GDP数据度量经济增长，数据频率相对较低，样本区间也相对较短;还有研究将季度GDP增长率分解为月度数据，尽管满足“高频”需求，但并没有增加有效信息量。(2)Statsny和Zagler(2007)认为［59］3，宏观波动对经济增长的影响应考虑序列结构突变，但国内研究并未加以关注，由此导致波动平稳性和持续性的误判。如:刘金全、张鹤(2003)选取GARCH(1，1)模型描述经济增长条件方差［36］34，α1和α2分别为0．8150和0．4489，波动持续性参数(α1+α2)＞1;刘金全等(2005)采用ARMA(1，2)-ARCH(1)-M模型描述经济增长与宏观波动关系［38］7，α1=1．6380＞1，条件波动均不平稳。又如:李永友(2006)用GARCH(1，1)模型刻画经济增长波动［40］12，(α1+α2)高达0．99和0．97(分别以GDP和人均GDP度量经济增长)，选用TGARCH(1，1)模型时(α1+α2)则为0．92和0．95;徐伟(2013)选取ARMA(1，2)-GARCH(1，1)和ARMA(1，2)-GARCH(1，1)-M模型刻画宏观波动与经济增长关系［39］56，(α1+α2)的估计值也分别高达0．99和0．95，即宏观波动均表现为高持续性。(3)既有国内外研究均未关注到“宏观波动－经济增长”关系的阶段性特征，以及次贷危机对此的影响，因而无助于后危机时代重新审视宏观波动对经济增长的作用机制。少数国内外研究关注到经济发展阶段、高低增长状态，以及改革开放、全球化、市场化进程等对“宏观波动－经济增长”关系的影响，但均未界定经济周期并分阶段予以考察。Fang和Miller等学者在结构突变点分析基础上考察了宏观波动对经济增长的影响，但结论并不稳健甚至前后矛盾，可能的原因是:尽管区分了经济增长与宏观波动各自的阶段性特征，但并未考虑到二者关系也会呈现出阶段性差异，即二者不存在全样本区间内、一致性的正相关或负相关。(4)如何结合高频数据判定经济增长及其波动的结构突变与阶段性特征，国内学者也未予以关注。既有国内外研究均认同宏观波动“大缓和”的存在，且次贷危机仅造成短暂冲击而未改变波动平稳化趋势。就检验数据来看，相关研究多基于季度GDP增长率进行，但国内数据样本量相对偏少，选取月度增长率指标不但能极大拓展样本容量，且能对比检验既有研究结论的稳健性，也能为考察“宏观波动－经济增长”阶段性关系提供有力支撑。针对既有研究的不足，本文选取1993年以来规模以上工业增加值的月度同比增长率高频数据，结合结构突变分析考察经济增长、宏观波动，以及二者关系的阶段性特征。论文创新性如下:(1)内生结构突变点判别发现，经济增长及其波动分别有2个和3个突变点，经济增长呈现“降－升－降”的分段趋势，宏观波动可分为“高－低－高－低”4个时段，这一结论和既有基于季度数据的研究有别，且与直观图示和经济趋势更为相符。(2)在AR(p)-GARCH(1，1)模型中纳入上述均值和条件波动突变哑变量，可“捕捉”经济增长序列的高自相关、非正态性，与国内研究不同，宏观波动的高持续性不复存在。(3)与国内外研究不同，含均值、条件波动双突变的AR(p)-GARCH(1，1)-M模型检验表明，宏观波动对经济增长存在阶段性影响，在经济增长趋缓时二者正相关、经济增长向好时负相关，具体为:宏观波动整体上对经济增长有不显著的负效应;结合经济增长的分段趋势，宏观波动在经济增长的第一、二阶段分别对其具有显著的正效应和负效应，在第三阶段有不显著的正效应;考虑次贷危机影响后，宏观波动在经济增长的第三阶段对其有较显著的正效应。

二、数据来源与研究设计

本文将基于中国经济增长的时间序列数据，采用含结构突变的AR(p)-GARCH(1，1)-M模型研究宏观波动对经济增长的阶段性影响，数据来源与研究设计如下:

(一)数据来源与预处理既有研究认为，改革开放和市场化进程是影响中国宏观波动“大缓和”及其与经济增长关系的重要因素，鉴于1992年底党的十四大明确提出了“经济体制改革的目标是建立社会主义市场经济体制”，由此选取1993年1月至2014年12月为实证样本区间。同时考虑到滞后项影响，在数据预处理时还纳入了1992年7月－12月数据，所用数据源于Wind咨询。选取规模以上工业增加值的月度同比增长率(IPt)作为经济增长变量，原因如下:有部分研究采用了这一做法;满足高频数据要求;有相对较长的样本区间;符合样本区间内我国处于工业化阶段的事实;通过图示发现样本区间内该指标与GDP增长率表现为相同趋势。数据预处理:(1)因春节影响，工业增加值增长率序列{IPt}的部分1、2月数据值缺失，在此采用三次样条函数插值予以补全。(2)由于异常点会影响研究结论稳健性，借鉴Fang和Miller(2014)的方法［34］733，对{IPt}序列，利用|IPt－mean|＞k．SD来识别异常值(其中mean和SD分别为均值和标准差)，一般取k=3，这也符合一般的3σ原则，能基本保证识别出的异常值数量适度。(3)异常点的修正:估计AR(p)-GARCH(1，1)模型，其滞后项阶数p由“t-sig”准则确定(选择最大滞后期为6，显著性水平为5%，从最大滞后阶数开始检验，直到满足显著性水平终止，以确定对应滞后项阶数)，再用模型所得预测值替代异常值。后继研究均基于经异常值修正后的{IPt}序列进行，且主要采用SAS9．1软件进行数据处理。

(二)研究设计1．经济增长及其波动序列的结构突变点判别选取Bai和Perron(1998，2003，2000)等提出的方法［60］49－52，［62］，并借鉴其提供的GAUSS程序检验经济增长变量及其波动的内生结构突变点。该方法由Bai和Perron(1998)提出［60］49－52，通过全局最小化残差平方和得到可能的多个突变点，然后据以下统计量加以检验:F统计量的上确界检验(SupF)、双极大值检验(UDmax和WDmax)、序贯检验(SupF(l+1|l))等。Bai和Perron(1998，2003)还考察了这一方法的实际运用问题［60］56－65，［61］，并认为:当样本容量不大时，截断参数(trimmingparameter)选取较小会导致规模扭曲(sizedistortion);序贯统计量SupF(l+1|l)的检验势最高，但存在多个突变点时，对SupF(1|0)的检验往往难以拒绝原假设。因此，在实际应用时，可考虑如下策略:先用UDmax或WDmax检验是否至少存在1个突变点，若是，再用SupF(l+1|l)依次检验是否存在2个以上突变点。

三、实证检验

(一)经济增长变量的描述性统计与平稳性分析数据预处理:首先对{IPt}序列进行插值，1992年7月至2014年12月共涉及27个样本;然后结合3σ原则和AR(p)-GARCH(1，1)模型，判别并修正了5个异常值点。表1列示了经上述修正后的{IPt}序列的初步考察结果(1993年1月～2014年12月)。据表1数据，对{IPt}序列而言:JB统计量表明，1%显著性水平下拒绝正态性假设;无论是检验自相关的广义DW统计量，还是检验异方差的LM和LBQ2统计量，均表明序列具有非常强而显著的自相关和ARCH效应;采用ADF检验平稳性，基于AIC准则判别滞后阶数(最大滞后阶数设定为6)，发现序列基本满足平稳性条件。以上分析表明，{IPt}序列存在明显的自相关、异方差和非正态特征，且满足平稳性要求。可考虑纳入序列的结构突变点，运用AR-GARCH类模型进行后继研究。

(二)经济增长变量及其波动的结构突变点检验主要依据序贯检验判别{IPt}序列突变点个数与位置:鉴于样本观测数为264，且检验式中含有自回归项，选取截断参数为0．15并设置最大突变点数为5。判别{IPt}波动序列的突变点时，鉴于检验式中无自回归项，选取截断参数为0．2，最大突变点数为3。按照t-sig准则，可判别{IPt}序列的最大自相关滞后阶数为3(见表1);据此结合前述Step2方法检验序列的内生结构突变点，结果如表2所示。由表2可见:5%的显著性水平下，纯结构突变模型、部分结构突变模型均可检测出{IPt}序列存在2个突变点。这两种模型检测到的第一个突变点较为一致，但第二个突变点存在较大差异。由于纯结构突变模型的设置更为灵活，以其所得突变点为准，进行后继研究。对纯结构突变模型而言，所得2个突变点将样本区间划分为3个时期，即:1993年初至1998年中，经济在过热之后趋于下行(软着陆);1998年7月至2009年中，经济增长在筑底反弹之后趋于上升，且因次贷危机冲击而出现短暂的深度下调与快速的回升;2009年7月至2014年底，经济增长在后危机时代回落并进入“新常态”。据前述Step3的方法得到{IPt}序列的条件波动，并依据Step4的方法对其进行结构突变点判别，5%的显著性水平下，得到3个突变点，如表3所示。据表3，尽管SupF(3|2)未通过检验，但按照信息准则，BIC和LWZ检验均判别为3个突变点，对应统计量值分别为1．10和1．25，均通过5%显著性检验，且序贯检验总体上判断{IPt}序列的条件波动有3个突变点，分别为1997年底4月、2006年4月和2010年8月。这3个突变点将条件波动分为4个时段，期间条件方差均值分别为4．87、1．12、2．90和0．81。结合突变点位置，由图1可知:伴随市场化改革进程，经济增长呈现三阶段特征。此外，宏观波动也呈现阶段性“大缓和”特征:从1993年初到1997年中期，伴随经济过热及其治理，宏观波动处于高位;随后经济软着陆，宏观波动处于较低水平;受经济过热及次贷危机影响，宏观波动于2006年中之后再次攀升至高位，并于2010下半年开始重新回归平稳化。由此可见，经济过热、外在冲击等因素增加不确定性，宏观波动趋高，反之则趋于缓和。从宏观波动“高”或“低”的4个时段来看:第一、三阶段，即波动维持高位的时间不到4．5年;对波动平稳化时期，第二阶段为9年，第四阶段截止2014年底将近4．5年且预期仍可持续。

(三)宏观经济波动对经济增长的阶段性影响检验首先检验考虑{IPt}序列及其条件波动结构突变的AR(p)-GARCH(1，1)模型，并结合残差分析表明其有效性;在此基础上估计均值、波动双突变的AR(p)-GARCH(1，1)-M模型，验证宏观波动与经济增长的关系具有阶段性特征;最后基于次贷危机视角，再次考察宏观波动与经济增长的关系，以证明次贷危机前后“宏观波动－经济增长”关系发生了改变。1．宏观波动与经济增长的阶段性特征:含结构突点的AR(p)-GARCH(1，1)模型估计结合前述检验所得{IPt}序列及其条件波动的结构突变点，估计含均值、条件波动双突变哑变量的AR(p)-GARCH(1，1)模型。同时选取2组AR(p)-GARCH(1，1)模型进行对照:未考虑均值或条件波动结构突变的一般形式的AR(p)-GARCH(1，1)模型，以及仅考虑均值结构突变的AR(p)-GARCH(1，1)模型。所得结果如表4所示，其中Model3为主要的检验模型，Model1和Model2为对照模型，Model4在Model3基础上剔除了部分不显著变量。由表4中的参数估计结果，可得如下结论:(1)由Model2～Model4可知，与{IPt}序列结构突变点对应的趋势参数b、b1和b2均很显著，且分别为“负－正－负”，很好刻画了经济增长“降－升－降”的三阶段特征。(2)由Model3～Model4可知，刻画条件波动结构突变的参数λ1、λ2和λ3较显著，特别是在Model4中，λ2和λ3在10%水平下显著。λ1～λ3的符号分别为“负－正－负”，也与{IPt}序列条件波动的四阶段特征对应，即:条件波动分别在第一个突变点之后下降;在第二个突变点之后上升;在第三个突变点之后重新趋于下降。此外，b2和λ3的符号表明，后危机时代经济增长与宏观波动“双降”，二者可能因此正相关。(3)JB统计量表明，Model1即一般AR(p)-GARCH(1，1)模型不能保证残差的正态性，Model2～Model4表明，在均值方程或同时在波动方程中纳入结构突变哑变量，可保证残差正态性。(4)对比Model1～Model4，考察纳入条件波动突变哑变量的必要性:对GARCH(1，1)的波动方程σ2t=α0+α1ε2t－1+α2σ2t－1而言，参数(α1+α2)1表明波动持续性高，一般选用IGARCH模型。但也有研究表明，持续性参数(α1+α2)很多时候被高估。特别的，忽略时间序列及其波动的结构突变，也将导致其波动的高持续性，由此误用IGARCH模型是不可取的(Mikosch和Stric，2004;Hillebrand，2005;Krmer和Azamo，2007)。由表4数据可知，Model1和Model2的持续性参数分别为0．99和0．98，说明在一般的AR(p)-GARCH(1，1)模型中，即便在均值方程中考虑结构突变，也无法改变波动高持续性现象(IGARCH效应)。一旦在波动方程中纳入结构突变参数，Model3和Model4的持续性参数下降为0．65和0．68，说明条件波动的结构突变是导致其高持续性的主因。2．宏观波动对经济增长的阶段性影响:含结构突变点的AR(p)-GARCH(1，1)-M模型估计接下来考虑{IPt}序列及其条件波动双突变，估计以下AR(p)-GARCH(1，1)-M模型，以检验宏观波动对经济增长的影响。表5的部分结果与表4类似:经济增长及其条件波动的阶段性特征明显，考虑均值与波动双突变可消除波动高持续性。此外，λ1～λ3的系数之绝对值有所提升，显著性均有所加强。令人遗憾的是，对于我们所关注的系数δ而言，尽管在4个模型中均为负值(在Model5中绝对值很小)，但在10%的水平下无一显著。说明即便考虑均值和条件波动双突变(Model7和Model8)，也无法检测到宏观波动对经济增长的显著影响。结合图1中{IPt}序列及其条件波动的阶段性趋势，导致表5中系数δ不显著的一个可能原因是:宏观波动对经济增长的影响可能具有阶段性特征。相对于表5中的Model8，表6中的参数估计效果有明显改进:一方面，δ、δ1和δ2的符号分别为“正－负－正”，且δ和δ1非常显著，说明宏观波动对经济增长在第一、二阶段有显著的正效应和负效应;在第三阶段即2009年7月以后，宏观波动与经济增长正相关但不显著。另一方面，其他均值方程的变量系数仍在5%水平下显著，b、b1和b2的符号同样符合预期;值得注意的是，与Model4、Model8相比，波动方程参数的系数也全部显著;此外，持续性参数λ1～λ3的估计效果良好且符合预期，表征拟合效果的R2也略有改善。3．宏观波动与经济增长关系的再检验:考虑次贷危机的影响结合图1可知，源于次贷危机的影响，从2008年6月开始，我国经济增长急转直下，与此同时，财政与货币政策也迅速转向，并于2008年底相继推出四万亿计划等宏观举措，经济增长也从2009年底开始逐步回归正常轨道。为考虑上述次贷危机对宏观波动及经济增长的影响，当t在2008年6月至2009年12月之间时，定义哑变量Crisis=1(否则为0)。由表7中数据可见:在考虑均值、条件波动双突变的AR(p)-GARCH(1，1)模型(Model9)中加入Crisis哑变量后，发现次贷危机导致经济增长显著下降(φ)，均值方程中的其他参数仍显著，且b、b1和b2的符号符合预期;就波动方程而言，次贷危机对宏观波动有微弱且很不显著的正效应(φ)，但除GARCH参数外，其他变量系数(包括λ1～λ3)均不显著，这一结果与表4中的Model4存在很大差别。Crisis哑变量对含双突变点的AR(p)-GARCH(1，1)-M模型(Model11)的影响:波动方程、均值方程的检验结果与Model9基本一致，但参数φ的显著性趋于下降，条件波动对经济增长的影响(δ)仍表现为不显著的负相关(与表5中的Model8)一致。Model9和Model11中，Crisis哑变量的加入导致波动方程参数估计效果显著变差，可能的原因是Crisis哑变量与VDk(k=1～3)不相容，为此在波动方程中仅保留Crisis哑变量，并重新估计Model9与Model11，所得结果见表7的Model10和Model12。结果发现:相对Model9而言，Model10中对应参数估计的显著性有明显上升，特别的，α0～α2的显著性大为上升，参数的估计值也由0．08上升到0．51，但仍不显著(P值由0．90下降到0．26)。Model12相对Model11的比较也存在类似规律，且δ仍为不显著的负值。进一步结合表6的检验模型，基于Model12，考察宏观波动对经济增长的阶段性影响是否会因Crisis哑变量的加入而有所不同，由此估计如下AR(p)-GARCH(1，1)-M模型。由表8中数据可知:与表6类似，在考虑“宏观波动－经济增长”阶段性关系之后，主要参数的估计效果大为改善。φ和的估计值及显著性表明，次贷危机直接导致经济下滑(期间工业增加值月度同比增长率平均约降低1．58%)，也在一定程度上助涨了宏观波动上升。与表6相比:δ、δ1和δ2符号并未改变，δ和δ1仍显著;特别的，δ2的数值与显著性大幅改善(估计值由0．15升至7．93，P值由0．76降为0．12)，表明后危机时代宏观波动对经济增长有一定的正效应。此外，其他波动方程变量、绝大部分均值方程变量的系数仍显著。

四、结论与政策含义

篇4

关键词：资本体现式技术进步；经济增长；小波变换；关联效应

技术进步是经济增长的重要决定因素，但技术进步对经济增长作用并非完全独立，往往以不同方式与资本或劳动要素相结合，通过提高要素配置效率和要素生产率方式促进经济增长。技术进步和生产要素组合形式不同，对要素生产率和经济增长效率影响差异显著。其中无偏性即中性技术进步能够同比例提高所有生产要素投入效率，以全要素生产率方法就可以有效测算技术进步。但若有偏性技术进步并非单独发挥作用而是依附于资本或劳动投入，并非均等提高资本或劳动质量，仅以全要素生产率方法测算技术进步就存在许多局限，结果可能有悖于现实经济中整体技术进步的作用贡献，也无法刻画经济增长过程中整体技术进步及资本和劳动质量变化的全部。［1］

当前，世界各国普遍出现经济高增长和全要素生产率下降共存的现象，事实表明中性技术进步并非反映经济增长质量的全部。Gordon（1990、 2000、2002），Greenwood and Yorukoglu（1997），Greenwood、Hercowitz、Krusell（1997）和Greenwood、Jovanovic（2001）发现，20世纪90年代后技术进步主要与有形物化的资本品结合，一国经济正是利用内含最新技术的设备投资特别是信息软件业设备，通过资本和技术进步相耦合方式（即资本体现式技术进步）实现快速增长。Gordon［2］和Hulten［3］等测算出机器设备投资中有形的技术进步对美国经济增长的作用贡献，发现1954年到1990年间美国资本体现式技术进步每年以3%的速率增长，占技术进步总贡献率的2/3以上，其中美国战后60%的生产率增长来自资本体现式技术进步。［4］

同样，黄先海等［5］利用中国工业数据分析表明，中国的技术进步也完全可能融合于物化型设备投资中，通过设备更新换代提升技术进步和生产率。赵志耘等［6］构建了一个区分设备投资和建筑资本投资的内生经济增长模型，通过界定设备投资和建设投资相对价格与边际收益与技术进步的关系，依据中国经济改革和发展过程中高投资收益率和设备相对价格下降的经验事实，发现我国以设备进口为主的技术引进方式实现的设备积累速度远高于建筑资本积累速度，判定了中国资本体现式技术进步的存在性。同时，应该强调，生产要素对经济增长作用并非固定不变，在不同的经济发展阶段、不同资源要素禀赋和政治经济制度环境约束下，要素贡献都将呈现出时间性和阶段性的变化趋势，而技术进步作用方式因发展阶段和资源禀赋结构不同而表现迥异，即技术进步作用存在动态阶段性规律。［7］由于国内普遍缺乏对资本体现式技术进步的关注，相关的定量研究也几乎无人涉及，特别是20世纪80年代以来我国中性技术进步贡献与经济增长趋势并不保持一致，真实经济发展过程中的技术进步更多表现出与机器设备投资相融合的趋势。为考察资本体现式技术进步的作用特征，本文利用设备工业品与建筑工业品的相对价格指数，构建资本体现式技术进步指数分析蕴涵在设备中的体现式技术进步变化特征，及其与经济增长率的周期波动关联性。

一、资本体现式技术进步动态变化规律

在资本体现式技术进步的分析中，通常利用设备品的相对价格来反映。国内外相关研究也多数采用此种方法，如陈师、赵磊（2009）就以消费价格指数与设备价格指数之比来衡量投资专有技术进步。在此我们以设备资本与建筑资本的相对价格指数的倒数来表征资本体现式技术进步增长及变化趋势。在此首先利用1980—2007年建筑资本和设备资本的年度相对价格指数来构建资本体现式技术进步指数，如图1所示。

数据显示：资本体现式技术进步在改革开放初期变化幅度不大，但自20世纪80年代中期开始到90年代中期出现快速增长，特别是在1987年资本体现式技术进步的增长率超过了20%，这表明在此期间我国以设备资本品投资方式实现的技术进步增长迅速，也是类似于我国这样的发展中国家实现技术升级、缩小和发达国家技术差距的主要途径。而在90年代中期后资本体现式技术进步的增长速度放缓，基本都在4%均值上下小幅波动。考察资本体现式技术进步在80年代、90年代和21世纪初三个时段的平均增长率，分别为6.7%、4.7%和3.5%，呈现明显递减特征。观察资本体现式技术进步的趋势分量，可以看出资本体现式技术进步呈现出抛物线型的增长趋势，在20世纪80年代中期出现了一个峰，表明该时段是我国资本体现式技术进步的快速增长期，90年代中期后增速逐渐转缓。主要原因可能是，改革开放初期我国与其他发达国家的技术差距形成了模仿和复制的成本优势，因此以先进技术设备引进与投入为载体的物化型技术进步成为我国技术快速升级的主要形式，但随着与发达国家技术差距的缩小和边际收益下降，资本体现式技术进步的增长速度会逐渐减缓。进入21世纪后，资本体现式技术进步增长趋势分量近似于一条水平线。

为深入分析近年来资本体现式技术进步的变化特征，我们选择月度数据进行细化分析。首先采用分类资产价格指数构建资本体现式技术进步指数，在机械工业品中选择具有较高投资价值且质量发生明显变化的四类工业品，分别为通信设备、计算机及其他电子设备，通用设备，电气机械及器材，仪器仪表及文化办公机械，进行加权平均构建设备品价格指数PPIE，以反映机械设备质量变化的综合趋势。其权重为该行业工业总产值的比重， 即:

之所以选择通信设备、计算机及其他电子设备等四类制造业工业品出厂价格指数，原因在于通信设备、计算机及电子等设备技术含量和其他设备相比投资价值更高，技术水平高且技术更新也快于其他设备品，对资本体现式技术进步的表征更直接、更敏感。将设备品价格指数与建筑材料工业品出厂价格指数的比值的倒数作为综合设备中的资本体现式技术进步指数ETC，同时还将通信设备、计算机及其他电子设备指数与建筑材料工业品出厂价格指数的比值的倒数ETCCE，以分析蕴涵在前沿设备中的体现式技术进步，如图2所示，数据来源于国家统计局，样本区间为1999年1月到2010年3月。 #p#分页标题#e#

图2显示，综合设备中的资本体现式技术进步指数ETC与前沿设备投资品中的体现式技术进步指数ETCCE具有相似的变化特征，在2003年和2008年都出现快速增长，这与依据年度数据构建资本体现式技术进步指数的结论相一致。其中综合设备中的体现式技术进步指数ETC在2003年12月阶段最大值为7.5%，2008年8月的阶段最大值为9.02%，而前沿设备中的体现式技术进步指数ETCCE比综合设备中的体现式技术进步增长更快，在各个阶段都高于综合设备中的体现式技术进步增长率，2004年3月的阶段最大值为11.6%，2008年8月的阶段最大值为12.8%。在整个样本区间内综合设备中的体现式技术进步年均增长率为3.22%，而前沿设备中的体现式技术进步年均增长率为5.86%。

二、资本体现式技术进步和经济增长周期波动关联效应

利用月度数据考察资本体现式技术进步和经济增长率的动态变化规律。综合设备中的资本体现式技术进步ETC和经济增长率GDPR的月度变化路径如图3所示，经济增长率GDPR的月度数据是将季度数据采用频率转换获得。

图3显示的是自20世纪90年代中期以来，我国资本体现式技术进步与经济增长率的变化特征有所不同，经济增长率在90年代末期出现下落特征，但在21世纪初期开始平稳上升，在2007年达到的最大值为13%。受世界经济危机的影响在2008年初开始快速下降，但2009年初又出现明显回升。资本体现式技术进步ETC没有出现明显的增速平稳上升特征，与经济增长率相比其波动幅度较小，只是在2003年和2008年出现大幅增长，其变化特征显示其增长并没有受世界金融危机和经济危机的影响。下面，进一步采用小波变换方法分析资本体现式技术进步ETC和经济增长率GDPR各层分量的变化特征。

从小波变换系数WTf(m,n)中可以得到f(t)在时间窗[mt+n-mΔt,mt+n+mΔt]的部分信息，同时可以得到f(t)在频率窗[θ/m-Δθ/m,θ/m+Δθ/m]的部分信息。因此，当m值小时，mt+n-mΔt和mt+n+mΔt很小，时间窗很小。而在频域上θ/m-Δθ/m和θ/m+Δθ/m很大，频率窗很大，相当于在短周期内用高频小波作高分辨率分析。当m值大时，时间窗很大，而频率窗小，相当于在长周期内用低频小波作低分辨分析。［9］

本文采用DB4小波变换将资本体现式技术进步ETC和经济增长率GDPR进行分层，根据我国经济周期波动的特点和周期的划分，将小波变换的最大尺度α取为27=128个月。通过小波变换，将时间序列分解就可以得到不同尺度下的分量谱图。小波分解后的前三层尺度为21～23，是周期1～8个月的分量，即频率为0.125～1的分量，包含了序列中的随机因素和不规则因素。第四层尺度为24，是周期9～16个月的分量，即频率为0.063～0.125的分量，称为短周期分量，记为ETCS和GDPRS，如图4所示。第五层尺度为25，是周期17～32个月的分量，即频率为0.031～0.063的分量，第六层尺度为26，是周期33～64个月的分量，即频率为0.016～0.031分量，我们将小波分解后的第五层和第六层分量合并，将其称为中周期分量，记为ETCM和GDPRM，如图5所示。第七层尺度为27，是周期65～128个月的分量，即频率为0.008～0.016的分量，我们将其称为长周期分量，记为ETCL和GDPRL，如图6所示。

图4显示，在短周期资本体现式技术进步与经济增长率波动不同，部分时期呈现出相反的变化特征，如在2000年初资本体现式技术进步ETCS呈现下降趋势，而经济增长率呈现上升趋势，在2005年中期资本体现式技术进步达到波峰，而此时经济增长率却处于波谷。对比资本体现式技术进步与经济增长率的波动幅度，发现在短周期资本体现式技术进步比经济增长率的波动强烈，波动幅度大。分析短周期资本体现式技术进步与经济增长率Granger的因果关系，我们发现，当滞后的时期取2个月时，原假设为“ETCS不是GDPRS的Granger原因”的F-统计量小于10%的临界值，在1%的显著性水平上接受原假设，表明在短周期资本体现式技术进步不是经济增长的Granger原因。同时，原假设“GDPRS不是ETCS的Granger原因”的检验接受原假设，表明短周期经济增长也不是资本体现式技术进步的Granger原因，因此短周期二者不具Granger因果关系，即资本体现式技术进步不是经济增长的原因，而经济增长也不是资本体现式技术进步变化的原因。

图5显示中周期资本体现式技术进步ETCM与经济增长率GDPRM的变化在2008年之前呈现较强的共变特征，即当资本体现式技术进步达到波峰时，经济增长率也到达波峰；资本体现式技术进步达到波谷时，经济增长率也到达波谷。但在2000年后，二者变化呈现相反的特征。考察中周期二者的Granger因果关系，和短周期二者关系不同，在9%的显著性水平上拒绝“ETCM不是GDPRM的Granger原因”的原假设，表明在中周期资本体现式技术进步是经济增长的Granger原因，但不能拒绝“GDPRM不是ETCM的Granger原因”的假设，即资本体现式技术进步和经济增长在中周期存在单向Granger因果关系。中周期分量时差关系发现资本体现式技术进步与经济增长的最大相关系数为0.9665，但不是在当期，而是在资本体现式技术进步先行1个月时，这再次印证资本体现式技术进步对我国经济增长的促进作用。图6显示的是资本体现式技术进步和经济增长的长周期分量的变化趋势，二者呈现完全的共变特征，在经济增长到达波峰时，资本体现式技术进步也到达波峰，在经济增长到达波谷时，资本体现式技术进步也到达波谷。

表1的Granger因果关系检验显示，资本体现式技术进步和经济增长率的长周期分量的Granger因果关系检验在3%的显著性水平上拒绝原假设，二者具有双向Granger因果关系。利用资本体现式技术进步和经济增长率原序列进行Granger因果关系检验，发现在1%的显著性水平上拒绝原假设“ETC不是GDPR的Granger原因”的原假设，但不能拒绝“GDPR不是ETC的Granger原因”的原假设，表明资本体现式技术进步和经济增长率具有单向Granger因果关系，这表明当前资本体现式技术进步是我国经济增长重要因素。

三、基本结论

本文利用设备工业品与建筑工业品的相对价格指数，构建出资本体现式技术进步指数，分析蕴涵在现代设备投资过程中的资本体现式技术进步，并利用小波变换方法分析体现式技术进步与经济增长率的周期波动关联性。结果显示，我国资本体现式技术进步自20世纪80年代中期到90年代中期出现快速增长，之后增速放缓。体现式技术进步呈现出抛物线型变化趋势，80年代、90年代和21世纪初年均增长率分别为6.7%、4.7%和3.5%。小波变换分层分析资本体现式技术进步和经济增长的关联效应，发现短周期资本体现式技术进步与经济增长率变化特征不同，Granger因果关系检验显示资本体现式技术进步和经济增长率不具有Granger因果关系。中周期资本体现式技术进步与经济增长率变化呈现较强的共变特征，并且存在“资本体现式技术进步是经济增长的Granger原因”的单向因果关系。长周期资本体现式技术进步与经济增长率变化呈现完全的共变特征且存在双向的Granger因果 #p#分页标题#e#

关系。长中短周期关系显示资本体现式技术进步对我国经济增长的作用，不是体现在短期而是中长期，中长期经济增长动力在于技术进步。这表明在工业化的发展进程中资本体现式技术进步在较长时间内还将是我国技术进步的主要方式。

参考文献

［1］J. FELIPE. Total Factor Productivity Growth in East Asina: A Critical Survey［J］. The Journal of Development Studies, 1999, (4)．

［2］R. J.GORDON. The Measurement of Durable Goods Princes［M］. Chicago: University of Chicago Press, 1990.

［3］HULTEN, R. Charles. Growth Accounting When Technical Change is Embodied in Capital［J］. American Economic Review, 1992, (4).

［4］GREENWOOD JEREMY, HERCOWITZ ，KRUSELL. Long-run Implications of Investment-Specific Technological Change［J］. American Economic Review, 1997, (3).

［5］黄先海, 刘毅群. 物化性技术进步与我国工业生产率增长［J］. 数量经济技术经济研究, 2006,(4).

［6］赵志耘等. 资本积累与技术进步的动态融合［J］.经济研究, 2007, (11).

［7］郑玉歆. 全要素生产率的测算及其增长的规律［J］. 数量经济技术经济研究, 1998, (10).

篇5

关键词:经济增长;条件波动;TARCH-M模型;减损效应;对称效应

中图分类号:F012

文献标识码:A

文章编号:1002-2848-2006(04)-0008-07

中国自建国以来,尤其是1978年改革开放以来,国民经济一直保持一个较高的增长态势,真实GDP年均增长7.9%,人均真实GDP年均增长6. 13%,工业真实GDP增长速度更快年均为11. 57%,成为世界经济的一枝独秀。但在经济高速增长的过程中,整个经济活动也呈现出较大的波动性,从1954年到2003年,真实GDP增长的波动强度为10. 65个标准差,人均真实GDP增长的波动强度为9. 06个标准差,工业真实GDP增长的波动强度则更高,达到了11. 55个标准差。对于中国这种高增长高波动的经济运行,我们不禁会提出这样一个疑问,中国较高的经济波动对其长期经济增长是否具有影响,这一问题不仅具有非常重要的理论意义,也具有积极的实践意义。因为经济增长一直被认为对社会财富进而对社会福利具有积极的影响,这样,经济波动对经济增长影响的方向和程度就直接意味着经济稳定政策的重要性。

一、简单的文献回顾

经济波动与增长虽然一直是宏观经济学研究的两个核心问题,但在上世纪70年代之前,两者的研究是相互独立的。虽然早在1934年Schumpeter就从企业投资行为的角度提出两者间可能的相关性[1],但由于受传统增长理论的影响①, Schumpeter的研究并没有受到重视。直到上世纪末,经济增长与波动的关系才受到越来越多学者的关注。但由于不同研究基于的样本和采取的模型存在较大差异,所以到目前为止,经济增长与波动之间的关系依然还不很清晰[2-3]。归纳不同研究的结论,在经济波动与增长之间大致存在三种结论:一种结论认为,经济波动与经济增长之间呈现出显著的正相关关系。这种关系的提出最早可追溯到Schumpeter,他认为,经济波动能促进企业的效率,改善社会的资源配置,从而提高经济的长期增长水平。根据他的观点,经济波动之所以会提高企业的效率,主要是经济波动可以降低企业投资于改进生产率的机会成本[1]。实际上,从Schumpeter的研究中,我们会发现,它所研究的经济波动可以提高企业资源的使用效率主要是针对经济衰退而言的,并不是真正意义上的经济波动,因为经济波动不仅发生在经济衰退时期,也发生在经济的高涨时期。继其之后, Sandmo和Mirman从储蓄和投资的角度提出,由于较高的经济波动会导致较高的收入波动,收入波动会使社会的预防性储蓄上升,进而使社会的储蓄率上升,储蓄率的上升预示着投资率的上升,根据Solow的新古典增长模型,经济的均衡增长路径会上升到一个更高的水平[4-5]。但这个理论的一个重要缺陷就是,假定储蓄都能完全转化成投资,显然这种假定是否成立需要一定的条件。Black[6]从风险与收益匹配的角度也提出了同样的结论。他认为,经济波动使得投资的风险较高,这样企业只有预期到能获得足够的风险补偿才会投资,换句话说,就是经济波动产生的风险会使社会投资更多地转向具有较高风险收益的高科技领域,他的研究结论在后来的研究中一直被称为Black假说。认为经济增长与波动之间正相关的经验证据有:Kormendi和Meguire通过利用47个国家的横截面数据对Black假说进行过检验,得出在样本国家中,经济增长与波动之间的确存在某种权衡关系,平均而言,经济波动上升2个单位标准差可以使产出增长上升一个百分点[7]。Grier和Tullock使用113个国家的面板数据,通过控制其它变量的作用后发现,GDP增长率的波动性与增长率之间也表现出显著的正相关[8]。Caporale和McKiernan使用了GARCH-M模型,利用英国1948-1991年的月度数据检验了Black假说,发现英国在1948年至1991年期间,产出波动对其增长具有显著的溢出效应[3]。在一个相关的研究中, Caporale和McKier-nan又使用了同样的模型,利用美国1871-1993年的年度数据对该假说进行了检验,进一步证实了Black假说的正确性[2]。

与上述结论截然不同的是,另一种结论认为两者间具有显著的负相关关系。实际上这种结论最早是由凯恩斯(1936)提出的,他认为,经济波动增加了企业投资的未来风险,当投资者考虑到投资未来回报的风险时,将会降低投资的需求,经济波动越高,这种投资项目的未来风险就越大,投资需求不足的可能性就越高[9]。相似结论也出现在Woodford的研究中[10]。另外, Bernanke和Pindyck从企业投资的滞留成本角度也提出了同样的结论,他们认为,由于企业投资具有较长的时滞效应和较强的不可逆性,这样企业的投资回报因经济波动而变得更加不确定,这一过程将使社会投资往往低于社会的有效投资水平,不确定性越高,两者的差距就会越大[11-12]。Galindev通过按照传播机制将“干中学”对增长的影响分成两个不同的方面,即内生和外生,对经济波动增长效应进行的研究得出了类似的结论[13]。就经验证据而言, Zarnowitz和Moore通过对美国战后数据的分析得出,在波动相对较低的时期,产出往往具有较高的增长率[14]。Ramey和Ramey选择92个国家和OECD国家为样本所做的经验分析表明,经济波动较高的国家一般产出水平也较低[15]。Hnatkovska和Loayza利用79个国家的跨国数据,在通过分离象贸易开放度、经济制度、政府消费等变量对平均增长率影响的基础上研究了经济波动对一国经济长期增长率的影响,研究得出,宏观经济波动与经济的长期增长存在明显的负相关关系,在忽视经济波动内生性的情况下,经济波动一个标准差的上升就会造成经济长期增长率0. 5%的下降,但一旦将经济波动看成与经济增长一样的内生变量时,其一个标准差的增加就会使经济增长率的下降达到2. 2个百分点[16]。Barlevy在Lucas的基础上,通过利用AK模型对经济波动与经济的长期增长所进行的分析表明,消除经济波动一个标准差就可能使经济的长期增长上升0. 35-0. 40个百分

点[17]。Blackburn和Pelloni基于一个简单的随机增长模型,在研究短期货币稳定政策的基础上得出,在产出增长的方差和均值之间存在负的相关性,并且这种负的相关性并不因冲击的来源不同而有所变化[18]。

第三种结论认为,两者间不存在显著的关系。这种思想实际上来源于Friedman,他认为,产出围绕自然增长率的波动独立于产出的增长,而产出之所以发生围绕一个非随机趋势的波动,主要是由于货币冲击造成的价格误置引起的。换句话说,产出增长率是由经济活动中的真实因素决定的,而经济波动是由外生冲击造成的,两者具有不同的决定因素[19]。实际上这种认识主要还是受新古典增长模型的影响。Speight通过使用战后英国1948-1994年的月度工业生产指数,利用ARMA-GARCH-M模型进行的研究证实,在产出与波动之间虽然存在正的相关性,但并不显著[20]。Stilianos et a.l通过利用季度数据和ARCH-M模型考察了1961年-2000年期间日本经济波动对其增长的影响,结论表明,在1961年至2000年期间,日本的经济波动与经济增长之间没有显著的关系[21]。

从国内的研究看,经济波动与增长之间的关系到目前为止,并没有引起学者的关注。但这又是一个非常重要的问题,因为经济增长可以促进社会福利的提高,这样经济波动对经济增长的影响就具有直接的社会福利含义。Lucas认为,如果经济增长是合意的,可以促进社会财富的增长,尤其对一个不发达的国家而言,那么经济波动对经济增长的一个较小冲击就可能对社会福利造成非常大的影响。所以,研究经济增长与波动之间的相互关系对一个国家采取适当的宏观调控政策,进而对社会福利水平都具有非常重要的意义[22]。为此,本文利用目前研究中经常被使用的GARCH模型,对中国1954年至2003年的经验数据进行了实证分析,分析将考察四个方面的问题:一是中国经济增长在1954年至2003年期间的波动强度和路径;二是经济增长波动是否在不同的增长状态下具有不对称效应;三是增长波动对经济长期增长的影响方向和强度;四是这种影响的时间结构特征。

二、GARCH与TARCH-M模型的描述

GARCH模型是Bollerslev[23]1986年在Engle[24]ARCH模型的基础上提出的,与ARCH模型一样,GARCH模型也用于对回归或自回归模型的随机扰动进行建模。该模型的基本结构为:

其中, et满足白噪声条件,α0>0;αi≥0, i=1,…,q;βj≥0,j=1,…,p;为保证GARCH(p, q)是宽平稳的,必须存在参数的约束条件α(B) +β(B)

方程(4)被称为条件方差方程,这是一个AR-MA过程,在p和q都取1时,条件方差方程就被称为GARCH(1, 1),其中,方程(4)右边的第二项被称为ARCH项,第三项被称为GARCH项。如果αi显著,就说明模型存在ARCH效应,同样,如果βj显著,说明方程存在GARCH效应。对于条件方差方程,可以根据研究的需要采取不同的形式,由于本文希望对经济增长的波动是否具有不对称效应进行考察,所以需要使用TARCH模型。TARCH模型是由Zakouan提出的[26]。该模型的结构只是在方程(4)上与上述GARCH模型存在差异,即在方程(4)的右边增加了一项φε2t-1dt-1,其中,dt是一个名义变量,其定义为,当εt0,则说明不仅作用效果存在不对称性,而且还表明这种不对称性存在杠杆效应。对条件方差方程设定的检验一般采用Q2统计量,和均值方程设定检验一样,如果条件方差方程设定正确的话,则Q2统计量不应该是显著的。

三、经验数据的实证分析

本文在分析中国经济波动与增长之间的关系时,主要选择了1954年至2003年作为样本的考察期限①,同时,为使本文的研究结论具有可比性,在变量的选择上,本文选择了三个反映总量经济波动的变量,即GDP、人均GDP以及工业GDP。由于三个变量的影响因素不同,所以在分析结论上,可能会存在一定的差异。变量的分析采用以1978年为基期真实值的形式,缩减的方法是根据各自的增长指数以1978年为100换算得到。所有的计算数据都来自于《2004年中国统计年鉴》。三个变量的增长率通过各自原始序列对数的差分形式获得,即yt=log(GDPit/GDPit-1),其中, i代表GDP、人均GDP或者工业GDP。三个变量的增长特征如图1所示。从图1看,不管是GDP、人均GDP抑或是工业GDP,从1953年到2003年,增长都呈现出一定的波动性,其中,工业GDP较前两者波动性更强。同时图1也显示,中国总量经济的增长波动随时间变化有一种逐步收敛的特征, 1978年之前的增长波动明显高于1978年之后的增长波动。这说明,不同的经济体制,经济增长的波动性可能存在差异。

在计量分析之前,首先对序列的平稳性进行检验,为保证检验结果的稳健性,本文使用了目前平稳性检验的两种常用方法ADF检验和PP检验。由于图1并没有显示序列具有明显的趋势特征,所以检验只采用了(c, 0, 0)和(c, n, 0)两种形式,同时根据

AIC和SC最小原则选择滞后阶数,当两者存在不一致时,以SC为准。利用这个原则,最后的p值确定为1。检验结果如表1所示。检验结果表明,

对平稳序列进行条件异方差与其水平值之间关系进行分析,本文在均值方程中选择了g(ht) = ht的标准差形式,同时通过SIC准则分别选择了AR(1) -TARCH(1, 1) (GDP和人均GDP序列)与TARCH(1, 1)(工业GDP序列)分析模型。在使用上述模型分析之前,我们首先利用GARCH(1, 1)模型提取出三个变量增长的条件波动方差轨迹,图2给出了三个变量增长的条件波动过程。将图2的条件波动轨迹和图1的水平值时间轨迹进行对比,可以发现,当水平值变化幅度剧烈的时候,对应的条件波动也较为剧烈,这从一个角度论证了本文利用GARCH(1, 1)模型描述变量增长过程的条件波动性是一种可行的方法,从三个变量的条件波动轨迹看,其波动过程具有显著的聚类特征,这说明变量增长过程中条件异方差是存在的。从波动模式看,在1978年之前,各变量的波动都比较剧烈,也比较频繁,而1978年之后,则波动相对较为平缓,强度有所收敛。同时,在1978年之前,经济增长的下降阶段经常伴随有较强的波动性,而在经济增长的上升阶段又伴随着较为弱的波动强度。1978年之后,虽然总体上这种特征变得非常不明显,但多少还是能够体现这一波动特征的。例如就人均GDP而言, 1989年至1992年,经济增长处于一个下降的过程,而与其同时,其波动性在图2b中也显示一个相对较高的波动强度。

其次,利用上述模型对各变量增长的条件波动性对其水平值的影响进行分析。在模型估计时,本文使用了BHHH来获得模型参数的极大似然估计。具体估计结果如表2所示,其中括号内是各参数估计的标准差。首先,考察模型的设定检验。表2的下方给出了模型设定的各种检验结果,其中,反映均值方程设定的标准化残差检验统计量Q2(12阶滞后)以及反映条件方差模型设定的标准化残差平方的检验统计量(12阶滞后)低于5%的临界值,这表明方程不存在序列相关性,同时用于检验方程残差正态性的JB统计量也显示残差呈正态分布,这些都说明,本文的方程设定是正确的。

在此基础上,我们考察表2的第2-4栏。首先看ARCH项和GARCH项的系数α和β,除了工业GDP序列外,GDP序列和人均GDP序列中,α与β的和都小于1,分别为0. 99和0. 97,满足参数的约束条件。同时,三个序列的α与β之和都在1附近,说明波动冲击具有持久性。从波动与增长的关系看,反映波动对水平值影响的δ系数估计都为负值,这表明在过去近50年的时间里,中国经济波动对其增长具有减损效应,但除了工业GDP外,GDP和人均GDP序列的统计量都在10%的水平上未能通过检验,这说明,上述的减损效应并不显著,这种检验结果与Speight[20]等人的研究结论类似,但明显驳斥了两者正相关的Black假说。而工业GDP的波动对增长则在95%或更高的水平上显示对增长具有的减损效应,减损的强度为,波动每上升1个标准差,就可能使其增长下降0. 98个百分点。这个结论则与Zarnowitz和Moore[14]、Ramey和Ramey[15]等人的研究结论基本一致,从而印证了Keynes提出的两者负相关的论断。同时,从γ的估计结果看,同样除了工业GDP序列外,其它两个序列的检验都在10%或更高的水平上没有显示出增长波动的不对称效应,而工业GDP序列的γ值为-0. 46,并在95%的水平上显著,这说明,工业GDP增长过程的波动性具有显著的不对称效应,但由于该值为负,所以这种不对称性并不具有杠杆的作用。

由于在图1和图2中,我们可以看出不管是水平值的时间变化路径,还是其波动性的时间变化路径,在1978年前后都有很大的变化,所以我们提出,增长的条件波动对其水平值的影响是否具有时间结构的特征,同时,增长条件方差是否在1978年前后有显著的不同。为了检验这两个假设是否存在,本文在上述模型的均值方程和条件方差方程中同时加入一个哑变量dum,哑变量dum的定义为:当t≤1978, dum=0;当t>1978, dum=1。检验结果在表2的第5-7栏。按照同样的程序,首先检验各方程的设定是否正确,检验结果表明,各检验统计量都能较好地显示方程设定是合理的。其次,增加哑变量之后的参数估计发生了较大的变化,首先除了GDP和人均GDP以外,工业GDP序列的参数估计值α与β的和也小于了1,满足了参数的约束条件。同时,除了工业GDP外,GDP和人均GDP均值方程的δ值由原来的负值变为了正值,这说明,如果剥离时间结构对增长的影响外,单纯的波动对其增长水平值具有溢出效应,但和原来的参数估计一样,两个参数在10%或更高水平上未能通过显著性检验。这仍然驳斥了Black假说的适用性。与其相反,工业GDP的估计相当稳健,除了减损效应有所增强外,统计检验依然十分显著。不过,在剥离时间效应之后,波动对其增长的逆向抑制作用变得更强了,一个标准差的上升将降低其增长近2个百分点。从哑变量的参数估计看,就均值方程而言,除了工业GDP方程的参数估计在90%的水平上未能通过显著性检验外,GDP和人均GDP序列增长具有显著的时间结构特征, 1978年改革开放之后的时间结构对增长的水平具有显著的促进作用,这一结论与两个时期的平均增长率差异是一致的, 1978年之前,中国经济的平均增长率与1978年之后相差近分别为3. 1个百分点和4个百分点,相对于前两个序列,工业GDP增长的时间结构特征并不明显, 1978年前后的平均增长率几乎没有变化。最后看条件方差方程中,条件方差波动的时间结构特征,从三个模型的对应参数估计看,除了GDP序列外,其它两个序列的条件方差都显示出显著的时间结构特征,从三个方程哑变量参数值的方向看,尽管GDP序列在5%的水平上未能通过显著性检验,但所有参数的估计都是负数, 1978年开始的改革开放,明显使得变量增长的波动性有所减弱,这与图2的结论基本一致。

四、分析结论与政策含义

本文使用了TARCH-M模型,以1953年至2003年为样本,考察了中国GDP、人均GDP和工业GDP序列的增长与其波动之间的关系,分析获得了三个重要的结论:一是研究表明,除了工业GDP序列外,GDP和人均GDP序列的波动对其增长在过去的50年中具有减损效应,但剥离时间结构的影响后,前者对后者具有溢出效应,但两种情况的统计性检验都不显著。这在某种程度上表明Black假说并没有得到中国经验数据的支持,而工业GDP序列的统计检验表明,增长与波动之间存在显著的负相关关系,这在某种程度上支持了Keynes提出的宏观经

济思想;二是通过哑变量的设置,本文对时间结构特征的研究表明,增长和波动都具有明显的时间结构特征,就增长而言,对外开放和市场化改革取向明显具有促进经济增长的作用,不仅如此,市场化改革还有利于降低经济波动的强度和频率。这从某种程度上支持了本文的第一个结论,即经济波动对增长具有一定的减损效应;三是本文的研究结论表明,除了工业GDP序列外,对GDP和人均GDP序列来说,增长的波动不具有不对称效应,即经济增长在上升和下降期间的波动特征没有发生显著的变化。而工业GDP就具有显著的不对称性,即增长下降阶段的波动性要高于增长上升阶段的波动性,这一结论与图1和图2的经验证据是一致的。

上述分析潜在的政策含义是:实施必要的宏观调控,继续深化市场经济体制改革以及扩大对外开放对有效降低经济增长的波动强度,提高长期增长水平,进而提高社会福利具有非常重要的意义。

参考文献:

[1]　Joseph A. Schumpeter. The theory of economic develop-ment[M]. HarvardUniversity Press,USA. 1934.

[2]　Caporale T, McKiernan B. The Fischer Black hypothe-sis: Some time-series evidence[J]. Southern EconomicJourna,l 1998, 64(3): 765-771.

[3]　Caporale T, McKiernan B. The relationship between out-put variability and growth: Evidence from post-warUKdata[J]. Scottish Journal ofPoliticalEconomy, 1996, 43(2): 175-184.

[4]　Mirman L. Uncertainty and optimal consumption deci-sions[J].Econometrica, 1971, 39(1): 179-185.

[5]　Sandmo A. The effect of uncertainty on saving[J]. Re-view ofEconomic Studies, 1970, 37: 353-360.

[6]　Black F. Business cycles and equilibrium [M]. BasilBlackwel,l New York. 1987.

[7]　KormendiR, Meguire P. Macroeconomic determinants ofgrowth:Cross-country evidence[J]. Journal ofMonetaryEconomics, 1985, 16(4): 141-163.

[8]　GrierK, Tullock G. An empirical analysis of cross-na-tional economic growth 1951-1980[J]. Journal ofMone-tary Economics, 1989, 24(2): 259-276.

[9]　Keynes JM. The general theory of employment, interest,andmoney[M].Macmillan, London. 1936.

[10]　WoodfordM. Learning to believe in sunspots[J]. Econ-ometrica, 1990, 58(2): 277-307.

[11]　Bernanke B. Irreversibility, uncertainty, and cyclicalinvestment[J]. Quarterly Journal ofEconomics, 1983,98(2): 85-106.

[12]　Pindyck R. Irreversibility, uncertainty, and investment[J]. Journal of Economic Literature, 1991, 29: 1110-1148.

[13]　GalindevR. On the effectofmonetary stabilization poli-cy on long- run growth. Economics Discussion Papers587, University of Essex, Department of Economics.2005.

[14]　ZarnowitzVictor, GeoffreyH. Moore. Major changes incyclical behavior[M].University ofChicago Press, Chi-cago. 1986.

[15]　RameyG, V A Ramey. Cross-country evidence on thelink between volatility and growth[ J]. American Eco-nomic Review, 1995, 85(5): 1138-1159.

[16]　Hnatkovska V, Loayza N. Volatility and growth. PolicyResearchWorkingPaperSeries3184, TheWorld Bank,2003.

[17]　BarlevyG.The costofbusiness cycles under endogenousgrowth. NorthwesternUniversityWorking Papers, 2002.

[18]　Blackburn K, Pelloni A. On the relationship betweengrowth and volatility[J]. Economics Letters, 2004, 83(1): 123-127.

[19]　FriedmanM. The role ofmonetary policy[J]. AmericanEconomic Review, 1968, 58(1): 1-17.

[20]　SpeightA. UK output variability and growth: Some fur-ther evidence[J]. Scottish Journal ofPoliticalEconomy,1999, 46(2): 175-184.

[21]　Stilianos F, MenelaosK, AlfonsoM. OutputVariabilityand economic growth: the Japanese case[J]. Bulletin ofEconomic Research, 2004, 56(4): 353-363.V.

[22]　Robert Jr. Lucas. Models of business cycles[M]. BasilBlackwel,l Oxford, 1987.

[23]　Bollerslev T. A generalized autoregressive conditionalheteroskedasticity[ J]. Journal of Econometrics, 1986,31: 307-327.

[24]　Engle R. Autoregressive ConditionalHeteroscedasticitywith Estimates of theVariance ofUnitedKingdom Infla-tion[J]. Econometrica, 1982, 50: 987-1008.

[25]　HongY, PaganA. Some Simulation Studies ofNonpara-metric Estimators[J]. Empirical Economics, 1988, 13(3/4): 251-266.

篇6

关键词：经济增长；投资规模；投资效率；VAR模型

中图分类号：F124.6 文献标识码：A 文章编号：1003-3890（2013）10-0045-05

一、引言

改革开放以来，中国经济取得了巨大的成就，经济持续高速增长、综合国力和国际影响力迅速提升，形成了具有中国特色的开放型经济发展模式（王玉华，2011）[1]。中国经济增长的动力，主要来自外需拉动和投资高速增长。深入剖析中国开放型经济发展模式，将会发现高投资推动经济高速增长的特征十分明显；而高速增长的投资形成巨大的生产力，需要国外需求来弥补国内需求的不足。1978—2011年，中国以年均9.8%的GDP实际增长率成为全球经济增长率最高的国家。与经济高增长相伴随的是投资的迅猛增长，1978—2011年，中国的投资率从38.2%上升至48.3%，年均投资率超过38%，平均投资增长率为17.2%（图1）。与此同时，世界平均投资水平维持在19%～25%，中国的投资率处于世界的最高水平之列。即便是20世纪60、70年代处于经济高速发展阶段的日本，其平均投资率也仅为35%。

然而，高投资率并没有带来投资效率的提高。增量资本产出率（Incremental Capital-Output Ratio，ICOR）是衡量资本投资效率的重要指标。ICOR指资本存量的变动与产出增量的比率，该指标越小，表明资本生产率越高，资本运用也就越有效率。自上个世纪90年代以来，中国经济在投资率迅速增长的同时，投资效率则总体呈下降趋势。如图1、图2所示，随着投资率和全社会固定资本投资占GDP比重的上升，增量资本产出率在1990年代后逐渐呈上升趋势，虽然在进入新世纪后有所下降，但2007年之后又有一定程度的提高。总体而言，投资效率在1990年代后未有显著提高。

中国经济发展的实践表明，高投资率是经济增长的重要动力。但在投资效率逐渐下降的情况下，中国的“高投资—高增长”模式还能够持续吗？本文在向量自回归模型（VAR）的基础上，实证研究投资增长、投资效率与经济增长之间的动态关系，进而分析投资增长和投资效率对经济增长的贡献，并在此基础上提出中国经济持续增长的政策建议。

二、文献回顾

中国经济表现出显著的“高投资—高增长”特征，许多学者对投资与经济增长之间的关系进行了研究，认为中国经济的高速增长主要源于高投资的推动。王小鲁（2001）指出，改革20年来，高储蓄和高投资是推动我国经济增长的重要因素，资本形成效率的提高对经济增长有重要贡献。资本形成率的提高对经济增长的贡献比改革开放前上升2.5%，但投资效率还有进一步提高的巨大潜力[2]。武剑（1999）认为，资本形成是推进我国经济增长的主要动力，而且这一趋势会逐渐加强，到2010—2020年，资本贡献度将超过60%[3]。等（2006）通过建立中国经济增长的综合因素模型得出结论，资本投入增加是中国经济增长最主要的源泉，包括结构升级、人力资本效率提高、制度变迁等在内的技术进步的贡献也较强，劳动投入增加的贡献相对较弱[4]。

中国经济“高投资—高增长”是早期经济增长阶段结构转变的深层次反映，这一阶段的经济发展主要驱动力来自于大规模的投资及生产。经济增长前沿课题组（2003，2004a，2004b，2005a，2005b）指出，中国的“高储蓄、高投资和高增长”可以从不同角度进行解释，是政府推动的城市化和出口导向的工业化过程，同时也是农村剩余劳动力向城市转移的过程。在剩余劳动力转移过程中，需要较高的储蓄率与投资率[5-9]。李扬、殷剑峰（2005）认为剩余劳动力由农业向工业（工业化）、由农村向城市（城市化）、由国有向非国有（市场化）的持续转移是我国经济能够长期、高速增长的关键，而高储蓄率和高投资率既是这种增长模式的必然结果，也是劳动力得以持续转移乃至这种增长模式得以维持的关键原因[10]。

与中国“高投资—高增长”的发展模式相伴随的是低效率的高投资，投资过程中存在极大的浪费。在过去的20多年，这一模式是以宏观成本的积累为代价的。政府公共资本的拥挤效应推动高投资和高增长，并带来了诸如高能耗、高污染以及形成不良债务等宏观成本（经济增长前沿课题组，2004b；2005b）[7][9]，还会产生大量的不良资产（平新乔，1998）[11]。在中国经济的长期增长过程中，高储蓄高投资增长模式容易引起经济的“大起大落”，这种“大起大落”引起的剧烈周期性波动一直成为宏观经济运行的常态，损害了经济的稳定性（庞明川，2005；2006）[12][13]。

长期的投资增长能够扩大生产能力，影响经济增长的持续性，而投资在影响长期经济增长方面的作用，实际上依赖于投资的“效率”和投资推动的技术进步及其性质（张军，2005）[14]。由此可见，投资效率的提升对于中国经济的长期快速稳定增长具有重要的促进作用。本文将在现有研究基础上进一步分析投资增长、投资效率与经济增长之间的动态关系。

三、模型设定与实证分析

经济增长理论研究认为，投资增长是早期经济腾飞阶段经济高速增长的重要动力源泉，此时经济增长归根到底要靠投资驱动。新增长理论研究表明，现代经济增长模式与早期经济增长模式存在重大区别，投资效率的提高是现代经济增长的主要源泉，即现代经济增长主要靠技术进步和效率提高来驱动[15]。中国经济经过改革开放后的飞速发展阶段，已经步入中等收入国家行列，经济整体水平及资源禀赋状况都发生了巨大的变化，各种要素在经济增长中的作用也应该相应发生变化。此时对我国投资增长、投资效率与经济增长关系进行实证研究，对于适时转变我国的经济增长方式是十分必要。

（一）模型及分析方法

为了研究投资、投资效率与中国经济增长之间的动态关系，我们构建了包括投资、投资效率和经济增长三个变量的VAR模型。VAR模型是基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型（高铁梅，2006）[16]。运用向量自回归模型能够较方便地预测相互联系的时间序列系统及分析系统中随机扰动项对经济变量的动态影响。VAR（p）模型的一般数学表达形式为：

其中，yt是k维内生变量向量，xt是d维外生变量向量，p为滞后除数，T为样本个数。k×k维矩阵A1，…，Ap和k×d维矩阵B是要被估计的系数矩阵。？着t是k维扰动向量，它们相互之间可以同期相关，但不与自己的滞后值相关及不与等式右边的变量相关，假设∑是？着t的协方差矩阵，是一个k×k的正定矩阵。构造VAR模型的关键是确保其稳定性，这也是确定VAR模型最优滞后期的重要评判标准。对于稳定的VAR模型，其特征方程根的倒数均要求小于1。

（二）实证检验

1. 数据说明与变量设定。本文选取的样本时间为1980—2011年，根据各期《中国统计年鉴》数据计算得出。模型中涉及的变量主要有：实际全社会固定资本投资、投资效率和实际国内生产总值。用GDP和FINV分别代表实际国内生产总值和实际全社会固定资本投资，单位均为亿元；用ICOR代表投资效率。GDP、FINV和ICOR的对数分别用LNGDP、LNFINV和LNICOR表示，LNGDP、LNFINVT和LNICOR的一阶差分分别用DLNGDP、DLNFINV和DLNICOR表示。

2. 变量平稳性检验。进行时间序列分析之前，首先对变量的平稳性进行检验。本文采用单位根检验（unit root test）方法对相关变量的平稳性进行检验。对LNGDP、LNFINV和LNICOR进行ADF（Augment Dick-Fuller）检验，发现LNGDP和LNICOR在1%和5%的水平值是平稳序列，LNFINV是非平稳序列。对它们的一阶差分DLNGDP、DLNFINV和DLNICOR进行ADF检验，分别在5%、10%和10%的水平上是平稳的（检验结果见表1）。

3. 协整关系分析。协整检验方法主要有Engle-Granger二阶段协整检验法和Johansen协整检验法。本文对时间序列的检验采用基于VAR模型的Johansen协整检验法，通过迹统计量和最大特征根来判别变量LNGDP、LNFINV和LNICOR之间的协整关系。表2中，r=0表示三者之间无协整关系，r≠0表示存在协整关系。协整检验结果显示，原假设r=0时，迹统计检验统计量的值41.341 12大于5%显著性水平下的临界值29.797 07，最大特征根检验统计量的值33.158 914大于5%显著性水平下的临界值21.131 62，故拒绝原假设，中国经济增长和投资、投资效率之间存在一个长期稳定的协整关系。

4. 因果关系分析。格兰杰因果关系检验的结果是否可信，取决于变量是否都是平稳的或者虽不平稳但它们之间存在协整关系。从前文可知，中国经济增长和投资、投资效率之间存在协整关系，所以可以对这些变量进行格兰杰因果关系检验。

从检验结果（表3）可知，固定资本投资与经济增长之间存在双向的格兰杰因果关系，即固定资本投资是引起经济增长变化的格兰杰原因，经济增长也是引起固定资本投资变化的格兰杰原因，说明固定资本投资的提高能够促进中国经济增长，经济增长的良好态势也会吸引更多的固定资本投资。经济增长与投资效率之间也存在双向的格兰杰因果关系，投资效率是引起经济增长变化的格兰杰原因，说明投资效率的提高能够促进中国经济的增长；经济增长也是引起投资效率变化的格兰杰原因，说明中国经济的良好增长也有利于投资效率的提高。固定资本投资与投资效率之间具有单向格兰杰因果关系，固定资本投资是投资效率的格兰杰原因，说明固定资本投资的过快增长，使投资效率下降；而投资效率不是固定资本投资的格兰杰原因，说明投资效率的提高并不一定引起固定资本投资的增长。

5. 脉冲响应函数。脉冲响应函数（impulse response function，IRF）描述一个内生变量对来自另一内生变量的一个单位变动冲击所产生的响应，提供系统受冲击所产生响应的正负方向、调整时滞和稳定过程等信息。接下来运用脉冲响应函数对投资、投资效率与经济增长之间的关系进行动态分析。脉冲响应函数检验结果如下图，图3、图4分别描述了经济增长分别对投资、投资效率一个标准差正冲击的动态响应。

图3反映了变量LNGDP（经济增长）对来自变量LNFINV（固定资本投资）一单位标准差正冲击的动态响应。经济增长对来自固定资本投资的冲击当期就有显著正向反应，这种正向反应之后逐渐增强，到第3期达到最大值后缓慢减小，在第7期达到最小值后，又呈缓慢增强趋势。

图4反映了变量LNGDP（经济增长）对来自变量LNICOR（投资效率）一单位标准差正冲击的动态响应。经济增长对来自投资效率的冲击在当期就有显著的负向反应，这种负向反应在迅速增强，到第2期达到峰值后，这种负向反应呈缓慢减小趋势，至第7期达到最小，之后又呈缓慢扩大趋势。

整体来看，经济增长对来自固定资本投资增量冲击的反应为正向且作用时间持久，说明当前增加固定资本投资能够促进中国经济的增长；经济增长对来自ICOR增量冲击的反应为负向且作用时间持久，说明投资效率的降低对中国经济增长存在负面影响，反之提高投资效率则有利于促进中国经济的增长。

6. 方差分解。方差分解（variance decomposition）是通过分析每一结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性（高铁梅，2006）[16]。即通过将一个变量冲击的均方差分解成各变量的随机冲击所做的贡献，然后计算出每一个变量冲击的贡献占总贡献的比例。为了进一步分析投资、投资效率的结构冲击对经济增长变化的贡献程度，接下来借助方差分解对投资、投资效率对经济增长的贡献程度进行考察，定量把握它们之间的影响关系。各变量对经济增长的贡献率如图5所示。

从图5对经济增长的方差分解来看，经济增长的变动绝大部分源于其自身惯性导致，且自身冲击的贡献度呈下降趋势；固定资本投资与投资效率的冲击对经济增长的贡献度都呈上升趋势，但固定资本投资的贡献率要显著大于投资效率的贡献程度，到第10期，经济增长变动中73%来自于其自身的冲击，24%来自于固定资本投资冲击的影响，而投资效率冲击的贡献度仅约为3%。

方差分解结果说明，当前对中国经济增长最重要的影响因素是GDP自身发展速度，在没有受到外界冲击情况下，中国经济系统将按着自身规律向前发展，所以保持宏观经济的稳定性对于中国经济可持续快速发展至关重要。此外，中国经济增长依赖于投资增长要远高于依赖投资效率的提高，即当前中国经济增长模式仍是依靠投资驱动的粗放型经济增长模式。但中国经济发展的现状决定了在转变经济增长模式的过程中，应该实行渐进性的转变，维持宏观政策的稳定性和可预见性。

四、结论与对策

本文通过建立VAR模型实证研究了投资、投资效率与经济增长的动态关系，以及投资增长和投资效率对经济增长的贡献。研究发现当前投资增长和投资效率的提高均能促进中国经济增长，但两者相比较，中国经济仍主要依靠投资增长来驱动，而投资效率的提高则在经济增长中发挥着较微弱的作用。

经济增长过度依赖投资增长而非效率的提高将引发许多经济问题，不利于经济长期稳定的增长。中国自改革开放后初步形成的开放型经济发展模式，其显著的特征之一是经济高速增长依赖于投资的高速增长，而不是效率的提高。过度依赖于投资增长的经济增长方式，已经在中国的一些地区和一些行业形成了投资过热或过度投资问题，造成产能过剩和投资效率降低。

在国内市场饱和的情况下，严重过剩的产能需要寻找国际市场，金融危机后国际市场需求的萎缩，以及近年来中国出口贸易摩擦接连不断的情况表明，中国出口产品已经受到越来越大的压力，发展空间受到限制。另外，中国经济增长不但受到资源和能源的约束，而且也因能源和矿产品等资源类产品价格不断上涨而增加了输入性通货膨胀的压力。

基于本文的实证研究，以及后危机时代中国面临的复杂多变的国际经济形势，中国必须彻底转变经济增长模式，贯彻建设资源节约、环境友善型经济发展方针，实现从依赖投资增长驱动的经济增长模式向主要依靠效率提高和技术进步驱动的经济增长模式转变。

第一，调整投资思路，采取实际措施提高经济效率。通过促进与科学相关的技术的运用，推动技术创新和产品升级；鼓励自主创新，降低国内生产总值的能源密集度；通过大力发展服务业，特别是生产业，降低交易成本；通过调整和优化产业结构，促进产业升级；通过广泛运用信息通信技术，提升国民经济各部门的效率。

第二，转变政府职能，明确政府与市场角色的定位。根据市场经济的要求，限制各级政府配置资源和直接干预企业与个人微观决策的权力。政府应该避免“越位”，充分发挥市场机制的作用，让市场在资源配置中起基础性作用。政府则要履行好自己的职能，提供充足的公共产品，如完善法治环境、酌情使用经济和行政手段弥补市场失灵，以及建立健全覆盖城乡居民的社会保障体系和维护社会公平等等。

第三，完善制度建设，建立适应新增长模式的制度环境。完善所有制结构，推进国有经济的布局调整和鼓励民营经济发展。改善有利于人员流动的环境条件，调整城市化战略，加快农村富余劳动力向城市工商业转移。努力发展金融市场和健全金融市场规则，加强信用环境，完善金融机构的公司治理，提高投资效率。

参考文献：

[1]王玉华.世界经济失衡下中国开放型经济发展模式研究[D].浙江大学博士论文，2011.

[2]王小鲁.改革20年和今后20年：投资对经济增长的贡献[J].国家行政学院学报，2001，（4）：56-61.

[3]武剑.储蓄、投资和经济增长——中国资金供求的动态分析[J].经济研究，1999，（11）：29-38.

[4]，郑京平，万东华，冯春平，巴威，严于龙.中国经济增长动力及前景分析[J].经济研究，2006，（5）：4-12.

[5]经济增长前沿课题组.经济增长、结构调整的累积效应与资本形成——当前经济增长态势分析[J].经济研究，2003，（8）：3-12.

[6]经济增长前沿课题组.开放中的经济增长与政策选择——当前经济增长态势分析[J].经济研究，2004a，（4）：4-15.

[7]经济增长前沿课题组.财政政策的供给效应与经济发展[J].经济研究，2004b，（9）：4-17.

[8]经济增长前沿课题组.国际资本流动、经济扭曲与宏观稳定——当前经济增长态势分析[J].经济研究，2005a，（4）：4-16.

[9]经济增长前沿课题组.高投资、宏观成本与经济增长的持续性[J].经济研究，2005b，（10）：4-16.

[10]李扬，殷剑峰.劳动力转移过程中的高储蓄、高投资和中国经济增长[J].经济研究，2005，（2）：4-15.

[11]平新乔.“预算软约束”的新理论及其计量验证[J].经济研究，1998，（10）：70-80.

[12]庞明川.政府投资、经济转轨与体制性约束[J].经济社会体制比较，2005，（2）：107-113.

[13]庞明川.转轨以来中国的宏观调控与经济发展[J].财经问题研究，2006，（2）：11-19.

[14]张军.资本形成、投资效率与中国的经济增长[M].北京：清华大学出版社，2005.

篇7

关键词：经济增长；经济增长动力；外国直接投资；金融发展

一、关于经济增长源泉和动力的研究

改革开放以来，国内学者对我国经济增长源泉和动力因素的研究一直没有停止，其分析大多利用索洛提出的新古典经济增长模型或其改进模型，将经济增长归因为要素投入增加和全要素生产率(TFP)的提高两方面。国内多位学者的研究结果表明，要素投入是我国经济增长的主要源泉和动力，而全要素生产率对生产率增长的贡献有限。由于研究期间和数据处理方法不同，研究结论亦不尽相同。沈坤荣(1999)运用增长速度方程对1953—1997年我国经济增长源泉进行分解，结果表明经济增长主要是由生产要素投入的增量带来的。王德劲(2007)运用误差校正模型分析方法估计了我国1952～1998年期间扩展的索洛模型，得出物质资本存量是经济增长主要因素的结论。董直庆等(2007)认为，我国约70％的经济增长来自于资本和劳动投入，但物质资本、人力资本、技术进步等在经济发展不同时期或不同阶段，对经济增长有着不同影响，即要素对经济增长作用存在阶段性变化特征。种观点认为，资本投入增加是我国经济增长最主要的源泉，由于我国劳动力供给相对过剩且劳动边际效率较低，有关劳动投入增加的贡献相对较弱。一些学者认为，考虑结构调整、要素投入与技术内生情况时，要素投入对我国经济增长的贡献率大幅下降。樊胜根等(2002)进行实证研究结果表明，研究期间我国17％的经济增长来源于结构变化，TFP带来4.2％的年增长率，要素投入增加解释了41％的增长。迟巍等(2007)研究发现，在1996～2004年间，一个地区高水平的人力资本能吸引固定资产向该地区的投入，从而促进经济增长。固定资本投资为内生，对经济增长并不起决定性作用。这说明我国经济增长的质量已有很大提高，已在按照发达国家的内生性经济增长的模式发展。孙超等(2004)研究发现技术进步和人力资本的增长率对我国经济增长起决定性作用。

二、关于FDI与经济增长关系的研究

(一)通过计量模型直接检验外商直接投资(FDI)对经济增长的作用

魏巍贤(1997)应用协整检验和格兰杰因果关系检验法研究我国经济增长与FDI的关系，结果表明经济增长与FDI增长之间具有双向因果关系，但经济增长与FDI之间不存在长期稳定关系。贺红波等(2005)认为，我国FDI和经济增长之间存在单向因果关系，FDI是经济增长的单向Granger原因，且两者之间存在长期稳定的关系，这表明FDI在促进我国经济增长过程中发挥了重要作用。而经济增长不是FDI的Granger原因，表明我国经济增长不是吸引FDI的直接原因。魏后凯(2002)利用1985～1999年时间序列和横断面数据，将FDI对我国区域经济增长的影响进行实证分析。结果表明，东部发达地区与西部落后地区之间GDP增长率的差异约有90％是由FDI引起的。王成岐等(2000)运用计量模型考察了影响我国FDI与经济增长关系的诸因素，认为经济技术水平和政策因素均强烈影响FDI与经济增长的关系。萧政等(2002)从我国和其他23个发展中国家总量时间序列资料的分析中发现，稳定可靠的组织机构和城市化的发展在吸引外商直接投资方面发挥着相当重要的作用。代谦等(2006)在利用我国1979～2003年数据检验FDI对经济增长的效应时发现，国内投资和人力资本起着相当重要的作用；FDI的增长效应集中在短期，人力资本则有明显的长期效应。

(二)从不同视角研究FDI对我国经济增长的作用

首先，从需求效应和供给效应角度研究。房汉廷(1996)通过分析外商直接投资对社会总需求的拉动力和对固定资产投资的影响后认为，FDI推动了我国经济加速增长。沈坤荣(1999)认为，FDI对我国经济增长的需求效应和供给效应都十分明显。其次，从“挤出”效应角度研究。杨海燕(2005)通过对我国1998～2003年FDI与经济增长的因果关系分析后认为，由于利用FDI过程中存在外资利用结构引发的对国内投资的挤出以及国内储蓄的低效利用，削弱了FDI对GDP增长的正向效应。杨新房等(2006)对FDI对我国国内资本的“挤出”效应和“挤入”进行了研究，结果表明，FDI虽然对我国国内资本有“净挤入”的效果，但从资本形成的角度看，FDI促进了我国的经济增长。第三，从资本效应和外溢效应角度研究。胡翊竑等(2001)认为，FDI有助于改善我国资本形成质量、推动人力资源开发、提高资源配置效率、推动技术进步，进而对经济增长起到积极的作用。张海星(2005)对外商直接投资和国内投资的增长效应、资本积累效应以及技术进步效应进行了比较分析。结果表明，FDI和国内投资对经济增长都具有显著的正向推动作用，但国内投资贡献较大，且二者促进经济增长的路径亦不相同。庞英等(2008)在对转型期中国民族资本与FDI企业生产效率测度的基础上，具体研究其生产资源配置效率与技术效率。结果表明，民族资本的效率优于FDI。因此，民族资本是推动我国未来经济持续高效增长的主要动力。第四，从地理空间结构角度研究。郑月明等(2004)研究表明FDI在地理空间上的非均衡分布及其变动趋势对我国区域经济的平衡发展和持续增长产生了深远影响。陈柳等(2006)通过1987～2003年27个省份的面板数据综合分析了本土创新能力与FDI技术外溢两者对我国经济增长的作用，认为本土的技术创新能力对经济增长具有显著的正面作用；在控制本土的技术创新能力之后，FDI本身产生的技术外溢对经济增长的推动作用并不显著，但FDI与人力资本的交互作用仍能促进经济增长；创新能力在中西部地区经济增长中的作用比东部地区更强；本土创新能力的差异在某种程度上可能是区域发展不平衡的原因。第五，从传递途径和其他效应角度研究。周春应(2007)研究了FDI如何通过进出口贸易、国内资本积累、R&D、产业结构升级、就业、人力资本、市场化程度等途径影响经济增长及影响强度的大小，结果表明，FDI通过不同的传导途径对经济增长产生显著影响。赵娜等(2008)对外国直接投资影响我国经济增长的六种效应进行研究，结果显示，FDI可通过资本积累、出口促进、投资拉动、技术溢出、产业结构优化和制度变迁六种具体效应来促进我国经济增长；FDI对各种不同具体效应的时滞期各不相同。三、关于金融发展与经济增长关系的研究

(一)金融发展与经济增长存在正相关关系

殷醒民等(2001)研究表明，我国股票市场规模的扩大、交易率的提高增加了国有企业的固定资产投资，加快了企业的技术进步，推动了我国经济更快的增长，因而股票市场发展与经济增长之间有很强的正相关性。刘柯杰(2003)的研究结果表明，股票市场分散风险功能的提高能显著促进长期经济增长。范学俊(2006)运用最大似然协整分析法及1992年第一季度至2004年第三季度数据检验我国金融发展与经济增长之间的动态关系。结果表明，股票市场与银行部门在长期都对经济增长有正的影响。康继军等(2005)使用基于误差修正模型的格兰杰因果关系检验法研究我国金融发展与GDP增长的长短期因果关系。结果表明，在短期，GDP增长和股市发展之间存在双向因果关系；在长期，金融中介发展和股市发展都是GDP增长的单向动因。

(二)我国金融发展对经济增长的作用并不显著或存在负相关关系

林义相(1999)指出，我国股票市场功能由于定位在为国有企业和国有经济融资，使得股票市场对经济增长的作用相当有限。唐齐鸣等(2000)实证研究的结论是我国股市还不能充分发挥货币政策传导功能，因此股票市场对经济增长的作用不显著。赵振全等(2004)研究指出，股票市场由于融资利用效率低下和资源的逆配置，对经济增长几乎没有作用。韩廷春(2001)采用金融发展与经济增长关联机制的计量模型，运用我国经济发展过程中的有关数据进行实证分析表明，技术进步与制度创新是经济增长最为关键的因素，而金融发展对经济增长的作用极其有限。陈伟国等(2008)利用VAR因果关系检验和方差分解探索我国金融发展与经济增长之间的关系结果表明，金融发展与经济增长不存在明显的因果关系，金融发展与经济增长存在单向因果关系，属于需求追随型。

四、经济增长问题研究的不足及改进思路

(一)经济增长问题研究的不足

尽管国内学者对经济增长问题进行了深入研究，但由于理论的复杂性，许多经济增长理论方面的问题至今没有达成共识，有待进一步研究。首先，经济增长源泉和动力研究的不足。国内的研究多运用静态分析，强调静态要素贡献，而很少涉及不同发展阶段下要素贡献变化问题，即只集中于静态而非动态的分析。同时，多数文献的实证检验只关注某类样本，或不将样本进行分类对比，无法有效分离和认识不同要素贡献的差异。全要素生产率对经济增长的高贡献率只有在经济进入低速成熟阶段才会出现，简单地根据TFP对经济增长贡献的大小不能判断我国经济增长的质量。其次，FDI与经济增长研究的不足。目前国内关于FDI对经济增长的作用机制研究不全面系统，多局限于FDI对经济增长的某个或少数几个效应进行分析，计量方法和指标的选取也存在不同程度的瑕疵，而对能反映FDI真实作用机制的时滞效应研究很少涉及。再次，金融发展与经济增长问题研究的不足。一是研究方法上，对时间序列数据进行简单的回归分析时，多违背回归方法的基本原则，包括数据是非平稳的，变量之间具有相关，尤其是金融发展的各个指标之间具有高度相关，从而产生共线性问题等，因此研究结果可能是建立在伪回归的基础之上；而运用多元VAR方法研究时，一些至关重要的滞后期的选择比较简单，因此研究结论缺乏稳健性。二是关于金融发展对经济增长作用的实证研究方面，现有模型没有很好地控制对经济发展具有重要影响的其他因素，从而放大了金融发展对经济增长的影响。三是几乎所有文献都在检验金融发展与经济增长的相关关系或因果关系，其实证检验一般都选取GDP或GDP增长率的绝对值或对数值作为因变量。而事实上，经济增长并不一定意味着经济效率的提高。因此，研究结果也就无法说明金融对增长的贡献是源于金融的资本积累效应还是资本配置效应。四是没有深入分析金融发展对经济增长的作用机理，没有全面探索金融发展的内在关联机制对经济增长的影响，研究结果对金融体制改革缺乏政策操作性。

篇8

关键词：金融生态；经济增长；变系数模型

中图分类号：F8327文献标识码：A文章编号：2095-3283（2016）11-0096-03

[作者简介]刘强（1981-），男，汉族，山东临沂人，讲师，硕士，研究方向：区域金融；毛春元（1962-），男，汉族，江苏无锡人，副教授，硕士，研究方向：经济系统建模；黄萍（1977-），女，汉族，广西合浦人，讲师，硕士，研究方向：区域经济。

[基金项目]江苏省教育厅高校哲学社会科学基金项目“江苏沿海金融生态与经济增长的实证研究”（项目编号：2014SJB650）。

一、理论综述

自周小川提出金融生态的概念以来，越来越多的学者对金融生态内涵以及金融生态环境与经济增长的关系进行研究和分析。从现有的国内外文献看，经济学家对金融生态系统与经济增长的研究主要有以下三种结论：一类是认为金融生态系统在某种程度上极大地促进了经济增长；一类是金融中性论者；还有一类则认为金融生态系统对经济增长的促进作用不明显。更多的经济学家倾向于第一类结论，并用大量的实证研究证明了这一点。温智[1]以江西省为例，对区域金融生态环境与经济增长效率进行了实证研究，于平，逯进[2]等以我国省级面板数据为例，研究了金融生态与经济增长的关系，上述研究结果表明金融生态于经济增长之间存在双向格兰杰因果关系，金融生态对经济增长的影响存在较大差异；周琼[3]对江苏省金融生态系统与经济发展的关系进行了实证分析，结果表明江苏省金融生态环境是不断完善的，但二者之间有不完全的双向因果关系存在；张爱菊[4]等基于面板数据从生态足迹这一新的视角，通过对经济增长的分析来衡量中部六省经济的可持续发展能力，结论表明，每个省都应该依据各个省份的实际生态环境情况去制定相应的经济发展战略，不能盲目跟风。

作为中国的经济大省，江苏省的沿海城市与全国其他沿海城市经济差距很大，甚至与许多省内非沿海城市也存在较大差距。一个共同的经济体内部的经济发展应该是大致相同的，也就是一个统一的经济体内部的各个地区，他们的市场和赖以发展的经济环境不应该存在很明显的金融生态系统的差异。因此，及时地了解江苏沿海地区金融生态环境与经济增长之间的关系有助于找出以上问题的原因。

二、模型介绍

面板数据模型同时利用时间和截面两个维度的信息，反映出比单独使用截面数据或时间数序列数据更为真实的变量变化过程，能够更好地刻画出个体效应，避免因为信息遗漏造成的偏差，使估计结果更加真实。面板数据模型主要有以下三种类型：

第一：固定效应模型

该模型是将个体效应反映在模型截距项的差异上，模型回归形式如下：yit=xitβ+αi+εit，αi表示不同的截面个体截距是不同的，因此一种解决的方法就是引入个体虚拟变量，可以将其变成一般线性回归的形式，这样就可以运用普通最小二乘法估计参数了。

第二，随机效应模型

随机效应模型假定观察不到的个体效应存在，并与解释变量不相关。其形式可以表示如下：yit=xitβ+α+ui+εit，该随机效应模型设定为ui为一个随机元素。随机效应模型可以看成是一个拥有随机常数项的模型。

第三，变系数模型

变截距模型反映了解释变量外的其他因素对解释变量的影响，该影响对所有的截面可以是无差异的，也可以在时点或者截面个体上是有差异的。当存在差异影响时，变截距模型是无法反应的，此时，需要考虑用变系数模型。变系数模型的基本形式是：yit=xitβ+αi+εit，根据截距项与解释变量的相互关系，固定影响变异系数模型与随机影响变异系数模型也是变系数模型的一种。

三、实证研究

（一）指标的选择和数据说明

结合江苏省沿海三市的经济与金融发展情况，主要选取金融主体、经济基础、政策环境、社会保障和文化五个一级因子对金融生态环境影响进行研究。基于数据的可得性和指标的相关性，在一级因子下拓展几个相对比较有代表性的二级因子和三级因子，具体见表1。

反映经济增长的指标主要是选取人均GDP，人均GDP常作为发展经济学中衡量经济发展状况的指标，是了解一个地区宏观经济状况的有效工具。

本文原始数据来自江苏省统计局以及各地方性的统计信息网、统计年鉴和WIND数据库，使用的统计软件是Eviews60。考虑到数据的可获得性和数据的代表性，同时也为了消除指标间的量纲差异，将原始数据进行标准化处理。本文所选取的时间区间为2005―2015年。

（二）金融生态指数的测度

金融生态指数的测度主要分两步进行，一是对一级因子采用AHP方法来确定各项的指标权重，二是对二三级因子运用算数均值的方法进行加权求和。通过阅读大量的相关文献进行主观矩阵的判断，然后通过层析分析法确定的一级因子各项权重的计算方法如下：

构造主观判断矩阵：通过阅读大量的相关文献和综合分析，不难看出，金融主体、经济基础、政策环境、社会保障和文化对金融生态指标都有不同程度的影响，但是有主有次，结合二三级因子的数据可以初步建立起感觉判断矩阵如下：

135691/313571/51/31361/61/51/3151/91/71/61/51

计算客观判断矩阵。结合建立的感觉判断矩阵，可以得出此矩阵的5个特征值，选取最大的特征值λ=53841，从而可以得出其特征向量为x=（08514，04503，02306，01285，00509）。

计算归一化权重。由特征向量我们可以得到金融生态环境指标一级因子的权重值是：wx=（04974，02631，01347，00751，00297）。将标准化之后的数据与其权重进行逐级的加权求和，得到金融生态环境综合指数（X）与经济增长综合指数（Y）。

（三）Granger因果检验

为了进一步证明金融生态环境与经济增长是相互影响、相互作用的。通过Eviews60来判定两者的格兰杰因果关系，检验结果如下。

在5%的显著水平下，金融生态综合指标是经济增长综合指标的格兰杰原因，相反，经济增长综合指标也是金融生态综合指标的格兰杰原因。也就是说，金融生态和经济增长是相互影响、相互作用的。那么可以建立面板数据模型进一步去研究金融生态对经济增长的影响。

（四）面板数据模型的构建

首先为了确定面板模型的影响形式，对面板数据进行Hausman检验，从而选择是采用固定效应模型还是随机效应模型。

根据金融生态与经济增长综合指标的相关数据进行Hausman检验，检验的结果如表3：

从表3中的Hausman检验结果可以看出，P值小于005，所以应该拒绝原假设（随机效应模型），因此选择固定效应模型。

在确定选择固定效应模型后，通过F检验来确定面板模型形式；

H01：α1=α2=……=αn和β1=β2=……=βN

H02：β1=β2=……=βN

H01成立时的自由度为NT-1-k，所对应的回归模型的残差平方和为S1；

H02成立时的自由度为NT-N-k，所对应的回归模型的残差平方和为S2；

变系数模型的自由度为NT-N（k+1），所对应的回归模型的残差平方和为S3。

H01对应的统计量

F1=（S3-S1）/[（N-1）（k+1）]S1（NT-N（k+1））

～F[（N-1）（k+1），N（T-k-1）]

H02对应的统计量

F2=（S2-S1）/[（N-1）k]S1（NT-N（k+1））

～F[（N-1）k，N（T-k-1）]

若接受H01，则采用混合回归模型；若拒绝H01接受H02，那么则采用常系数回归模型；否则，采用变系数模型。

计算F1=325487，F2=167547，其中N=4，k=3，T=10，查F005（12，24）=218，F005（9，24）=230，因此在5%的显著性水平上应该同时拒绝假设H01和H02，所以应选择变系数模型。

（五）实证结果分析

以经济增长指数Y为因变量，以金融生态环境指数为自变量，为了更好地了解金融生态环境各指标对经济增长指数的影响，将金融生态环境分成金融主体x1，经济基础x2和社会环境x3（包含了政策环境、社会保障和文化）三部分，构建变系数模型，结果见表4。从模型中可以看出，R-squared=09885，值为0―1之间，而且比较接近于1，拟合度非常好。另外，D-W stat =16221。从SUR模型整体上来看是比较显著的，也就是说自变量在一定程度上可以解释因变量的波动。

由表4可以分析金融生态环境对经济增长的具体影响有以下几点：

1从模型估计结果可以看出，金融主体在整个金融生态综合指数中的影响是最大的，其次是经济基础和社会环境（政策环境、社会保障、文化）。从截距项来看，江苏沿海三市的取值都大于0，说明江苏省沿海金融生态对经济增长的效应是比较强的，其中影响最为突出的是南通，高达12238965，是盐城的15倍，是连云港的17倍。而影响经济发展的几个要素都可以归类到金融生态环境的各影响因子中，所以优化金融生态环境对促进江苏省沿海经济快速增长是非常可行的。

2从金融主体Lnx1来看，江苏沿海三市的取值都是正数，说明这三市金融主体的变化对经济增长影响显著，与经济增长都是正相关，值越大，对经济增长的贡献也就越大。金融主体主要从银行业、保险业、证券业的相关指标进行分析。金融主体所代表的金融生态指数对连云港的影响最大，金融生态指数每增加1%，对应的GDP会增加1349%。

3从经济基础Lnx2来看，和金融主体一样，指标都为正数。这说明一个城市的开放程度、产业结构、集约化程度在一定程度上都对经济增长产生正相关影响。

4从社会环境Lnx3上看，无论是政策环境、社会保障还是文化程度都对江苏省沿海三市经济增长有一定的影响，特别是对盐城的影响最大。

四、结论与建议

从实证分析结论可以看出，江苏省沿海的金融生态环境与经济增长呈正相关关系，并且二者相互影响、相互作用。从金融生态综合指标来看，金融主体对经济增长的影响最大，即在国内生产总值一定的基础上，如果金融体系越发达，那么金融资产价值也就越大，从而金融相关系数也会越高。这也很好地体现了金融机构对经济增长的资金支持力度。也正是因为金融机构对地区发展的不懈支持，江苏沿海三市经济才能持续稳定发展，也从侧面说明了除了银行外，保险业和证券业对经济的促进作用，也应该大力扶持这两个行业。

[参考文献]

[1]温智良区域金融生态环境与经济增长效率实证研究：以江西为例[J]武汉金融，2008（8）

[2]于平，逯进，陈希兰，卢佳瑛金融生态和经济增长的关系――基于我国省域面板数据的实证研究 [J]青岛大学学报，2013（11）

[3]周琼江苏金融生态与经济增长的关系研究[D]南京航空航天大学，2009

篇9

“十二五”以来，我国一直将“健全国家金融体系、完善金融服务功能”作为金融改革与发展的重点，而农村金融作为我国整个金融体系的薄弱环节，已经成为金融改革的重要突破口。实际上，农村金融作为现代农业经济资源配置的核心，不仅起到资金融通和优化资源配置的作用，同时也是发展中国家农业经济发展的重要支撑和先决因素。然而，金融发展对经济增长的影响通常具有门槛效应[1]，特别是在现阶段的中国，由城乡二元经济结构引发的城乡二元金融结构问题凸显，而政府计划性金融制度安排和金融资金趋利性又进一步深化了城乡间的金融割裂，导致金融资源配置畸形和效率低下；此外，农村金融基础设施匮乏，金融服务产品单一，以及农民金融服务意识淡薄决定了我国农村金融体系建设仍有待长期的发展与完善。因此，从农村金融发展的视角出发，探究其对农业经济增长的影响机制，检验农村金融发展的“收入门槛效应”，不仅有助于各级政府识别现阶段不同地区农村金融发展与区域经济增长之间的依存关系，还可以为政府决策部门的金融扶贫政策选择提供相应依据，从而从根本上改变我国城乡二元金融结构现状，优化农村金融生态发展，促进以大型商业银行为核心的城市金融机构与以农村信用社和储蓄银行为核心的农村金融机构有机统筹，做到取之于“农”、用之于“农”，有效遏制我国农村地区大量金融资源流向城镇地区和非农领域等金融风险较高的部门，在最大程度上控制我国金融体系整体风险，并有效发挥金融扶贫政策的局部调控效应，使我国在经济发展“新常态”时期内的金融体系建设更多地致力于“可得性”金融服务的深化与推广，构建更具包容性的金融体系，打造更具包容性的增长引擎，从而在全面深化金融体制改革的同时为宏观经济发掘新的增长点。

二、文献综述与研究假设

目前有关农村金融发展对农业经济增长影响机制的研究正在深入进行，其演变主要历经以下三种理论：农业信贷补贴理论、农村金融市场理论和农村金融市场不完全竞争理论。

早期，农业信贷补贴理论指出，由于农业具有收入不确定、投资周期长和收益率较低等结构性特征，所以其无法成为以股东财富最大化为目标的商业银行的融资对象。因此，为缩小农业与其他产业之间的结构性收入差距，政府和财政部门应对农业的融资利率进行必要补贴，并采取信贷供给先行的农村金融战略。King和Levine指出，发展中国家的农业信贷补贴会对农业经济增长产生显著的抑制效应，这说明政府过度干预农村金融会产生显著的负外部性[2]。Besley认为发展中国家存在农村金融机构缺失，信贷制度不健全等限制，所以农村信贷主要是依靠高利率的非正式金融机构，因此，只有确保信贷供给政策先行，并采用适当的补贴来弥补农村金融机构的利润损失，才能有利于农村金融的可持续发展[3]。温涛等对我国1952—2003年间的数据样本进行检验，结果发现计划经济体制下的农村金融在很大程度上内生于政府财政，导致其资金利用效率低下；而在市场经济体制改革初期，金融资金受其趋利性特征的影响又进一步深化了城乡之间的金融割裂[4]。此外，农村金融发展附带的一些非金融服务项目还会增加金融服务的运营成本，这会在一定程度上降低其盈利水平[5]。

然而，农业信贷补贴理论假设农村贫困居民不具有储蓄能力，并且其面临的是慢性资金不足，但随着农村普惠金融的不断发展，这一假设与现实状况已逐渐相悖。因此，农村金融市场论应运而生，Cetorelli和Gambera证明了非竞争性银行(如农业政策银行和农村信用合作社)与其在弱势贷款群体中的信贷牵头地位具有因果关系，因此，利率非市场化和高度依赖补贴成为农村金融的典型特征，这会降低其自身的盈利能力[6]。徐忠的研究认为，利率扭曲是造成农村信贷缺失的主导原因，人为压低存款利率，政府过度控制农村金融风险等行为都会降低农村储蓄者的存款意愿，从而阻碍了农村金融发展[7]。此外，姚耀军同样指出，中国农村金融发展的宏观表象严重背离其微观基础，就宏观表象而言，农村金融发展(主要是农业存贷款总额、农村金融机构资产总额以及农村金融机构网点数量等)与农业经济增长的变化趋势高度吻合；而就微观基础而言，由于农村金融机构种类单一，农村信用社垄断地位凸显，导致农村金融市场缺乏竞争，并严重降低了农村居民的实际贷款意愿[8]。

20世纪90年代以来，人们越发意识到，发展中国家的农村金融市场远非完全竞争市场，因此，不完全竞争市场论逐渐进入了学者与政策制定者的视野。不完全竞争市场论强调政府应适时适度地对农村金融市场进行补贴与规制，同时确保农村金融机构的竞争性与自身盈利能力，并采用定向调控的方式引导农村金融的发展方向(如补贴农村金融机构网点建设、补贴人员培训成本和增设服务项目等)。Hoff指出，农村金融市场是典型的非完全竞争市场，因此，政府应当适当介入，并对农村借款人进行有效监督，这可以在促进农村金融发展的同时维护农村金融机构的竞争性[1]。Paxton和Cuevas认为，每一笔金融服务都存在一定的固定成本，对农村居民开展的小规模存贷款业务必然会使其固定成本显著上升，从而减少银行资金的安全边际，这不但会影响银行体系的盈利水平，同时也会降低整个体系的风险承受力，因此，这种定向扶持是激活农村金融对农业经济增长拉动效应的有效方式[9]。

此外，还有许多国内学者针对我国的现实国情分析了二者间的关系。林毅夫等指出，在我国，农村金融内生于经济发展战略，其可以有效盘活农村经济资源，提高资金利用效率，从而长期拉动经济增长。[10]焦瑾璞指出，切实改善对弱势群体特别是农村居民的金融服务，是推进农村金融发展和普惠金融的关键，这对改善现阶段的城乡二元化金融结构，降低金融排斥，进而为经济增长打造新引擎具有重要意义。[11]然而，我国农村经济发展面临的最大困境就在于农村金融与农村经济关系间的结构性失调，这主要体现在农村经济发展过程中出现的阶段性金融需求与现实金融服务间的错配[12]。谢琼等证实了现阶段我国农村金融的功能与农村经济发展的目标间仍存在偏离。[13]而西部地区的面板分析结果表明，农村金融效率的提升会显著抑制农业经济发展[14]。实际上，出现这种“反事实”现象主要是因为，该地区整体金融效率偏低，因此无法对农村经济增长产生显著的拉动效应，而当将面板扩展至全国后即可发现，地区间农村金融效率呈现出显著差异，其中东部地区的金融效率显著高于西部地区，其对农业经济增长的影响机制也不尽相同[15]。

通过回顾以往有关农村金融发展与农业经济增长关联机制的研究不难发现，相关研究受制于样本时间跨度和地域性差异的影响，并未形成一致结论，这意味着农村金融发展对农业经济增长的影响机制可能存在着非线性特征亦或是时变性特性[16]。有鉴于此，本文将对这一问题进行深入研究，并据此提出研究假设1。

假设1：样本期间内，农村金融发展对农业经济增长的影响机制存在结构性变化，这一影响机制将会随着金融相关率水平的变化呈现出显著的“门槛效应”。

此外，早期的研究多数认为，我国农村金融发展内生于政府计划性财政支出，导致其资金利用效率低下，此时农村金融发展反而对农业经济增长产生了显著的“抑制效应”[4]。基于此，本文提出研究假设2。

假设2：在农村金融发展水平低于门槛值时，农村金融发展对农业经济增长具有显著的“抑制效应”，其与农村金融市场理论的观点一致。

最后，近期的许多研究表明，随着我国农村普惠金融水平的不断提升，许多地区的农村金融发展已经对农业经济增长产生了显著的“拉动效应”[17]，因此，本文提出假设3。

假设3：在农村金融发展水平超越门槛值后，农村金融发展对农业经济增长具有显著的拉动作用，其与农村金融市场不完全竞争理论的观点高度耦合。

基于以上三个假设，本文将使用非线性分省面板数据模型探究样本期间内我国农村金融发展对农业经济增长的影响机制，甄别农村金融发展对农业经济增长的影响是否存在结构性变化，从而检验农业信贷补贴论、农村金融市场论和不完全竞争理论在我国现阶段农村金融发展过程中的适用性，进而为政府和财政部门的支农政策提供理论支持和经验证据。

三、理论分析与模型设定

(一)帕加诺模型

Pagano在AK增长模型的基础上引入了金融部门，随后这一模型为金融发展与经济增长间依存机制的相关研究提供了一个理论框架，并已逐步成为现代金融理论中最具代表性的理论模型[18]。此后，许多学者对这一模型进行了拓展研究，董晓林将利率因素加入至该模型当中，考察了资本成本在这一传导机制中的作用[19]；冉光和与张金鑫将时间哑变量置于该模型当中，发现1994年后，我国农村金融发展与农业经济增长间的作用机制发生了明显的结构性改变。[20]回顾有关帕加诺模型的相关研究不难发现，现有关于帕加诺模型的拓展研究主要集中于两个方面：一是对帕加诺模型的基本形式进行拓展；二是对该模型的估计方法进行改进，进而验证模型的非线性特征。然而，直接将相应变量加入至帕加诺模型缺乏相应的理论基础，这将直接影响研究结论的稳健性。鉴于此，本文将延续冉光和与张金鑫的研究思路，对帕加诺模型进行非线性拓展，从而考察我国农村金融发展对农业经济增长影响的动态特征和机制转变[20]。

Pagano假设在一个封闭的经济体中，一国只生产一种产品，其既可以用于投资也可以用于消费，资产每期以固定的速率δ折旧，于是内生增长模型可写为如下形式：

其中，Yt代表t期总产出，A代表技术水平，而Kt是当期总资本存量。进一步根据资本存量与投资和折旧之间的关系可得：

这样，t期的经济增长率gt可表达为：

将(1)式和(2)式代入(3)式，整理可得：

在内生增长模型框架下，市场达到均衡的条件为总投资(It)=总储蓄(St)，然而Pagano指出，受信息不对称、流动性偏好和菜单成本等因素的影响，非完全储蓄现象在金融体系中广泛存在[18]，假设其漏出比率为1-θ，则有：

其中θ表示投资储蓄比，而储蓄率s可写为：

将(5)式、(6)式整理代入(4)式可得到稳态下经济增长率的表达式：

取对数后可得：

此式即是Pagano给出的基本模型，其中A代表资本边际贡献率，θ代表投资储蓄比，s代表储蓄率，他们共同决定经济增速。基于此，我们采用农村投资比率tz(农业固定资产投资/农业增加值)作为资本边际贡献率的替代变量；而金融发展通常包括金融规模扩大和金融效率提高两个方面，在此我们使用农村金融相关率fir(农村金融贷款总量/农业增加值)作为农村金融规模的替代变量，选取贷存比率dc(农村金融贷款/农村金融存款)作为农村金融效率的替代变量；最后令农村存款比率ck(农村金融存款/农业增加值)作为储蓄率s的变量。而农业经济增长可以用农林牧渔业增加值总和y进行度量。基于此，本文的基本计量模型可表达如下：

其中，fir、dc、ck、tz分别代表农村金融相关率、农村金融贷存比、农村存款比率和农村投资比率。此外，为确保比率指标的原始属性，同时使回归结果更具经济含义，我们在此并未对比率指标进行取对数处理。

(二)帕加诺模型的平滑迁移拓展

非线性面板数据建模一直是学者们的重点研究领域，Hansen最早构建了PTR模型，并为这一领域内的研究奠定了重要基础[21]。王书华和苏剑使用PTR模型进行研究，发现农村金融资产配置具有显著的“收入门槛效应”[17]；张兵等基于省级PTR模型的研究结果同样表明：农村金融发展对农村居民收入差距的影响机理较为复杂，其会随着农村金融发展水平值的变化而发生结构性改变[16]。然而，PTR模型有一个明显的弊端，即：门限值是一个点估计，这会导致样本在门槛值附近出现跳跃式转换。然而在现实经济问题中，经济变量间作用机制的转换更多地体现为平滑迁移过程。因此，为克服这一问题，González等构建了面板平滑迁移模型(PLSTR)，它可以令数据在不同样本之间进行平滑转换，从而克服了PTR模型中样本在门限值附近出现跳跃性转换的弊端[22]。其基本形式设定如下：

这里，为转移函数，它是可观测状态变量fir的单调有界函数。由于本文旨在考察农村金融发展对农业经济增长的影响是否存在门槛效应，因此，我们以农村金融相关率fir作为转移变量。γ代表指数平滑斜率系数，其大小决定了机制迁移速度。是转移函数中的位置参量，决定了机制迁移的位置，εit代表随机扰动项。在此，我们令农村金融相关率、贷存比率、存款比率和投资比率均服从逻辑平滑迁移过程，同时令农村金融相关率fir作为转移变量，进而检验农村金融发展对农业经济增长影响的门槛效应。

在上述假设前提下，农村金融相关率对农业经济增长的影响系数可表达为：

在PLSTR面板模型建模过程中，首先需要对数据的非线性特征进行检验，如果统计检验拒绝线性原假设，则表明使用PLSTR模型进行参数估计是有效的。此外，在此之后还需要进一步对残余部分进行非线性检验，以确定转移函数的个数，如果LM检验表明存在残余非线性部分，则需要继续增加转移函数和转移变量，直至模型不再含有剩余的非线性部分。模型检验完成后，我们将运用非线性最小二乘法(NLS)进行面板参数估计；最后，我们将根据参数估计结果分析样本期间我国农村金融发展对农业经济增长的动态影响机制。

式(12)中，Hk的取值通常为1或2，代表转移函数中含有的位置参量的个数，当Hk=1时，转移函数中仅含有一个位置参量：

可以看出，此时。当时，PLSTR面板模型收敛于区制1(式15)；而当时，PLSTR面板模型收敛于区制2(式16)。这里，参数γ决定了PLSTR模型的机制迁移速度，当γ取值较小时，机制迁移速度较慢，面板模型在机制迁移过程中将体现出较为复杂的非线性特征；而当γ取值较大时，模型的机制迁移几乎是在瞬间完成，此时PLSTR模型与PTR模型较为相近。本文的主要实证结果由MATLAB2013a计算完成。

四、实证研究与结果

(一)数据选取与说明

本文选取我国25个省份1999—2013年的年度数据作为面板回归样本。数据样本包括8个东部省份，分别为：辽宁、河北、山东、江苏、浙江、福建、广东、海南；同时还包括：吉林、黑龙江、内蒙古、山西、河南、安徽、江西、湖南、湖北9个中部省份以及甘肃、陕西、宁夏、四川、贵州、云南、广西、青海8个西部省份。具体指标描述如下：

1.农业经济增长。我们采用农林牧渔业增加值总和作为农业经济增长的替代变量，并以1999年作为基期，使用各地区农村商品零售价格指数对其进行平减，进而得到各省份实际农业增加值数据，记为y，单位为亿元。

2.农业金融发展规模。我们使用农村金融相关率(农村金融贷款总量/农业增加值，fir)作为农村金融规模的替代变量。这一指标能够有效反应普惠金融对农业经济增长的拉动效应，并且其与农业经济增长之间可能存在显著的非线性依存机制，即门槛效应。

3.农村金融效率。本文选取贷存比率(农村金融贷款/农村金融存款，dc)作为农村金融效率的替代变量。贷存比率越高表明资金的利用率越高，越有利于盘活资金进而拉动农业经济增长；但同时，如果农业贷款坏账率较高，过高的贷存比率就会对金融稳定造成威胁，进而体现出对农业经济增长的抑制效应。

4.农村金融储蓄率。本文选取存款比率(农村金融存款/农业增加值，ck)作为农村金融储蓄率的替代变量，用以度量农村居民的储蓄意愿。

5.资本边际贡献率。选取农业投资比率(农业固定资产投资/农业增加值，tz)作为资本边际贡献率的替代变量，这一变量根据Pagano(1993)[18]给出，是本文的控制变量。以上数据来源于《中国统计年鉴》《金融统计年鉴》《中国农村统计年鉴》以及国家统计局网站。

(二)数据描述性统计

表1描述性统计分析

观察表1可以看出，东部、中部、西部地区各项经济发展指标的统计特征存在显著差异。就农业经济增加值而言，样本期间内东部地区省份农业经济增加值平均为1188.16亿元；中部地区略低于东部地区，平均约为933亿元；而西部地区农业经济增加值显著低于二者，平均仅为563.59亿元。这说明我国西部农业经济发展较弱的态势依旧显著，因此，政府和财政部门仍需进一步支持其农业经济发展，采取定向调整措施，从而提高资源利用效率，也为打造新型经济增长引擎提供必要支持。此外，金融相关率的描述性统计显示，东部地区金融相关率平均为0.916，中部地区为0.768，而西部地区介于二者之间，为0.846。这一点与农业经济增加值的变化相异。实际上，金融相关率反映了地区金融发展规模，但并不能代表金融效率，尽管受政策扶持等诸多因素影响，西部地区的金融发展规模已经显著改善，但其较低的农业增加值则说明西部地区农村金融发展对农业经济增长的拉动效应依旧较弱。从贷存比的角度而言，西部地区的资金利用率最高，而东部与中部地区基本相当，这主要是受国家战略和相关产业政策的影响，使得西部地区的资金使用率高于东部和中部地区。最后，存款比率的统计分析结果显示，东部地区的存款比率显著高于西部和中部地区，这一点与农业经济增加值的统计结果一致。

以上描述性统计分析表明，我国不同地区农业经济增长与农村金融发展间的依存关系具有较大的结构性差异，其走势变化并不一致，并且可能呈现出一定的非线性特征。因此，下文中将采取PLSTR(平滑迁移面板)模型对此进行进一步实证检验。

(三)PLSTR模型估计结果

根据前文中提出的假设进行PLSTR模型估计，进一步验证3个研究假设的合意性。本文采用González等[22]提出的方法检验根据式(10)构建的面板回归模型是否存在非线性特征。

表2给出了PLSTR模型的非线性检验结果。可以看出，三种统计检验均能在5%的显著水平下拒绝原假设，表明模型具有显著的非线性特征，并且至少含有一个转移函数。因此，我们将进一步对模型是否存在残余非线性进行检验，从而确保构建PLSTR模型的合理性。

表3给出了PLSTR模型的残余非线性检验结果，其原假设为PLSTR模型仅存在一个转移函数。可以看出，三种统计检验均无法在10%的显著水平下拒绝原假设，因此，我们接受模型仅含有一个转移变量fir的假设，并采用仅具有一个转移函数的PLSTR模型验证样本期间内我国农村金融发展对农业经济增长影响的门槛效应。

表4给出了PLSTR模型的估计结果，观察表4可以看出，四组系数(β1和β11；β2和β21；β3和β31；β4和β41)取值均相反，表明样本期间内，农村金融发展对农业经济增长的影响存在显著的门槛效应。为进一步刻画农村金融发展对农业经济增长的影响机制，在此根据PLSTR模型的估计结果给出其显性表达：

从估计结果来看，农村金融相关率和贷存比在两区制内的估计系数均能在1%的显著水平下拒绝原假设，表明农村金融发展对农业经济增长的影响机制存在显著的“门槛效应”，假设1得以验证。而农村金融相关率的门槛估计值较小，仅为0.4416，表明多数样本均处于门限水平之上，即与区制2中刻画的影响机制更为接近。为进一步说明，我们将给出区制1与区制2的线性表达形式：

式(15)与(16)分别给出了区制1与区制2中的系数估计结果，其中，当fir低于门槛水平时，农村金融发展与农业经济增长间的依存关系接近于区制1；而当fir取值较高时，农村金融发展与农业经济增长间的依存关系接近于区制2。式(15)中，fir的系数为-1.89并在1%的显著水平下拒绝原假设，表明当农村金融相关率较低时，其对农业经济增长具有显著的负向影响，这说明在农村金融发展起步阶段，尽管政府和财政部门希望通过对农村金融部门的补贴与扶植来盘活农村剩余经济资源，但由于此段期间内农村金融基础设施匮乏，金融产品与服务种类单一，市场缺乏相应的竞争机制，导致“可得性”金融产品与服务严重匮乏，反而降低了农村居民的金融参与意愿。贷存比的系数为0.37并在1%的显著水平下拒绝原假设，说明在农村金融发展初期，资金利用率的提高能够对农业经济增长产生显著的推动作用；而存款比率系数估计值较小，并且无法在10%的显著水平下拒绝原假设则意味着在农村金融发展初期，农村存款水平的提高对农业经济增长的影响较小，无法起到拉动农业经济增长的作用；最后，投资占比的回归系数为0.36，并在10%的显著水平下显著，表明在农村金融发展初期，政府财政直接用于农业固定资产投资的款项依旧是农业经济增长的源动力，其对农业经济增长的拉动效应显著高于相关金融补贴。通过以上实证结果可以看出，当农村金融发展(fir)水平低于门槛值时，其对农业经济增长的影响机理与农村金融市场论的观点不谋而合，表明假设2同样具有合意性。同时这一结果也说明，在农村金融发展初期，政府和财政部门应当充分发挥市场机制引导资源流向的作用，减少相应的制度性安排，切实致力于“可得性”金融服务的深化与推广，降低农村金融门槛，提高农村居民的金融参与意愿。

图1显示，当fir低于门槛值0.4416时，转移函数取值小于0.5，此时方程与式(15)更为接近；而当fir高于门槛值时，转移函数取值大于0.5，此时方程与式(16)更为接近，实际上，观察图1不难发现，当fir>0.8时，转移函数取值接近于1，因此fir大于0.8的样本点基本与式(16)描述的状态相同。

而状态转移后的估计结果显示，β11=2.102并在1%的置信水平下显著，说明随着农村金融发展的不断完善，普惠金融将会对农业经济增长产生显著的拉动效应；而β21的估计结果为-0.363，则意味着当农村金融发展脱离初级阶段后，仅通过提高金融利用率已经无法对农业经济增长产生显著的拉动作用；β31与β41的估计结果未能通过显著性检验则表明其在样本期间内不存在明显的机制迁移特征。以上分析表明，随着农村金融发展的不断完善，提高资金使用率对农业经济增长的推进作用将会面临瓶颈，仅从提高存款利用率的角度已无法显著拉动农业经济增长，相反，提高金融相关率水平则能够有效拉动农业经济增长，这一点与农村金融市场不完全竞争理论的观点高度吻合，从而使假设3得以验证。此外，上述结果同样表明，当农村金融发展超过门槛水平后，农村居民对金融产品与金融服务具有了一定的理解与认识，产生了较强的金融参与意愿。因此，政府和财政部门更应抓紧推进普惠金融工程的落实，提高财政支农资金的局部着力特征及其使用效率，加强农村金融基础设施的建设与完善、丰富农村金融产品的层次与种类，切实满足农村居民的金融需求；同时鼓励相关金融产品创新，强化农村金融服务的事前引导机制，尽最大限度整合农村剩余经济资源，促进农村金融市场的长久健康发展，并为长期促进农业经济增长打造坚实基础。

五、结论与政策含义

尽管国内外有关农村金融发展对农业经济增长影响机理的研究已日臻成熟，但在帕加诺模型框架下，以非线性面板平滑迁移模型作为其技术基础，探究农村金融发展对农业经济增长影响机制的研究仍不多见。本文正是从这一视角出发，采用PLSTR模型探究了农村金融发展对农业经济增长的影响机理，验证了二者之间作用机制的“门槛效应”；并检验了相关理论(农村金融市场理论、非完全竞争理论)在我国农村金融发展过程中的适用性；同时有效地阐释了以往学者采取静态面板模型进行研究时，获取结论不尽相同的根本原因，从而弥补了这一领域内的研究空缺。

本文首先对我国1999—2013年间的省级面板数据进行描述性统计分析，结果发现东部、中部、西部地区各项经济发展指标的统计特征具有显著差异，其中，就农业经济增加值而言，东部和中部地区显著高于西部地区，表明我国西部农业经济发展较弱的态势依然显著；而金融相关率的统计数字与上述规律相悖，东部地区金融相关率平均为0.916，中部地区为0.768，而西部地区介于二者之间，为0.846，说明在不同地区金融相关率对农业经济发展的影响机制有所不同。此外，贷存比的统计数据显示，西部地区的资金利用率最高，而东部与中部地区基本持平，表明发展西部农村金融已经成为农村金融体系建设的重中之重。

随后，本文采用非线性面板平滑迁移模型(PLSTR)对样本期间内农村金融发展与农业经济增长间的影响机制进行实证检验，研究结果表明：农村金融相关率、贷存比以及投资比率对农业经济增长都存在显著的非线性影响。其中，在农村金融发展初级阶段，提高资金利用效率能够有效拉动农业经济增长，但提高农村金融相关率会对农业经济增长产生显著的抑制效应，这一点与农村金融市场理论高度一致；而在农村金融相关率远超过门槛值后，农村金融相关率对农业经济发展的影响机制将明显反转①，表明二者间的作用机制会随着普惠金融的推进而不断演变，这一结论与不完全竞争理论的观点高度耦合。

篇10

这些成果为研究我国区域低碳发展的特征与目标提供了重要线索，但由于脱钩概念仅强调经济与碳排放“增量”的比较，忽略了碳排放“存量”和能源消费结构对低碳发展的影响，故存在一定的片面性；另一种低碳发展特征与目标定位方式考虑了区域碳排放强度与经济增长的关系。如岳超［6］依据区域碳排放强度和经济增长速度的关系，将区域低碳发展状况分为高排放高增长、高排放低增长、低排放高增长和低排放低增长4种类型。这种分类方式充分考虑了碳排放“存量”与经济增长的关系，却忽略了碳排放“增量”对经济增长的影响。本文在现有研究成果的基础上，从碳排放增长与经济增长脱钩程度、能源消费结构变化、碳排放强度与经济增长关系3个角度，对我国各省区低碳发展特征进行了分析，采用聚类分析法综合3种特征分型结果，并对我国各省区低碳发展的目标进行了初步定位。

基于碳排放增长与经济增长脱钩程度的省区低碳发展特征

1碳排放增长与经济增长脱钩程度的衡量指标———低碳发展弹性系数

以经济合作与发展组织关于经济增长与环境污染的脱钩概念为基础，某些学者提出了“脱钩弹性系数”指标（碳排放指标增长率与经济增长率的比值）。Tap－io［4］和李忠民等［7］又对该指标进行分解，引入交通运输量、能源消费量和工业增加值等中间变量，从不同侧面反映了碳排放增长与经济增长的弹性关系。在现有研究的基础上，本文设计低碳发展弹性系数（Eld）指标，用以衡量各省区碳排放增长与经济增长的脱钩程度。根据《中国能源统计年鉴》［8］确定12种能源类型：煤炭、焦炭、焦炉煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气、炼厂干气和热力。各地区对每种能源的消耗量可以从《中国能源统计年鉴》中直接获得数据。每种能源碳排放系数的计算公式为：碳排放系数（K）＝含碳量碳氧化率平均低位发热量（3）式（3）中，各种能源的平均低位发热量可从《中国能源统计年鉴》中获得数据，含碳量和碳氧化率来自《2006年IPCC国家温室气体清单指南》［9］。依据式（3）得出各种能源的碳排放系数，见表1。

2各省区低碳发展弹性系数的计算结果及特征分析

本文从《中国能源统计年鉴》中选取了除以外我国内地30个省、市、自治区2005－2009年分地区能源消耗量的数据，计算出各省区2006－2009年的年碳排放增长率（数据略）。人均GDP由2006－2010年《中国统计年鉴》中地区生产总值及地区总人口数据得出，进一步计算得到各地区2006－2009年的年人均GDP增长率（按不变价格计算）［8］。根据式（1），计算得出各地区低碳发展弹性系数（见表2）。为了避免短期数据的偶然性，本文采用5年内的计算值。参考Tapio［4］和陈飞等人［10］提出的低碳发展脱钩程度分类方式，本文定义了5种低碳发展情景，并根据我国2005－2009年各省区低碳发展弹性系数的计算结果，对各地区低碳发展的特征进行了界定（见表2）。从中看出，我国大部分省区尚未实现向脱钩发展的转变，只有7个省市实现弱脱钩发展，即经济增长方式正在向低碳节能方向发展。我国内地除外的30个省市中，只有山西省达到了基本脱钩发展的标准，其低碳发展弹性系数显著低于其它省区。经分析发现，由于山西省从2008年起开始进行产业结构调整，大规模重组并关闭煤炭企业，导致该省经济大幅下滑。2009年，山西省人均GDP增长率仅为0．71％，而能源大省的煤改使碳排放负增长成为必然，这就导致山西弹性系数明显较低，且年几何平均值出现负值。

基于终端能源碳排放结构弹性系数的省区低碳发展特征分析终端能源消费结构是体现区域低碳发展特征的重要方面。李忠民［7］曾试图将低碳发展弹性系数进一步分解为3部分，用各地区的直接碳排放量与能源消费量增加之间的弹性系数反映能源消费结构。但由于受二次能源生产与消费的影响，这种弹性关系并不能真实反映当地的能源消费结构。为此，本文提出使用各地区的终端能源消耗量计算能源碳排放结构弹性系数（Ecs）。若某地区终端能源消费中的化石能源比例下降或非化石能源消费比例上升，会使该地区碳排放结构弹性系数下降。本文从《中国能源统计年鉴》中选取了除外我国内地30个省、市、自治区2005－2009年13种主要能源终端消耗量数据，进行各省区碳排放结构弹性系数的计算，结果见表3。通过表3可以发现，我国内地30个省区的能源碳排放结构均无明显改善。即使是能源碳排放结构有所改善的20个省区，改善程度也非常有限，大部分基本持平。这说明，由于清洁能源的发展速度滞后于经济发展速度，我国整体的能源碳排放结构并未得到有效改善，这是影响我国碳排放目标实现的一大瓶颈。

基于碳排放强度与经济增长关系的区域低碳发展特征

低碳发展弹性系数指标和终端能源碳排放结构弹性系数指标，虽然能有效反映地区碳排放增长与经济增长的脱钩程度，以及终端能源消费结构的变化情况，但两者衡量的是各因素增长率之间的相对变化，并不能反映各地区资源禀赋、产业结构、消费结构、社会发展水平和发展阶段对现阶段碳排放（即“存量”碳排放）水平带来的影响。在制定地区低碳发展目标时，应综合考虑“存量”与“增量”碳排放特征，而碳排放强度指标（单位GDP碳排放量）能够较好地反映社会发展水平和地区开发程度对碳排放水平的综合影响。本文参考岳超［6］等提出的碳强度与经济发展对比方法，将碳排放强度与经济增长关系类型分为4种模式。在经济增长指标选取方面，选用人均GDP增长率代替GDP增长率，使分析更具可比性。通过2005－2009年平均碳强度和人均GDP年均增长率（按不变价格计算）的对比，将各省区碳排放强度与经济增长的关系分为高碳低增长、低碳高增长、高碳高增长与低碳低增长4种模式，见图1。从图1可以看出，东部沿海发达地区，如上海、北京、天津、广东和浙江由于产业结构较为合理，发展方式逐步向集约化方向转变，因此明显具有低碳低增长的特征；而东北三省和西部省区，如内蒙古、宁夏、陕西、青海、新疆、甘肃和贵州由于长期采用粗放的发展方式，因此呈现明显的高碳特征。

我国各省区低碳发展目标定位

基于上述低碳发展特征分析结果，采用聚类分析方法，将我国内地（除外）30个省区分成6类（见表4）。这种分类便于从国家层面对各省区的碳排放水平和减排潜力进行估计，从而确定各省区共同而有差别的低碳发展目标和责任。按照在改善能源消费结构的基础上，先控制“增量”碳排放、再消化“存量”碳排放的原则，我们对各类省区的低碳发展目标作了总结。