论文库 经济学论文 会计学论文 金融学论文 统计学论文 管理学论文 毕业论文 经管之家

科技投入对经济增长质量影响的实证研究来源：原创　作者：我　时间：2015-04-27

一、引言及文献综述
当今世界中各国经济的发展不在是单纯的比拼GDP增长率，而是更注重综合实力的提升。在经济增长中对经济增长质量提升的要求更为迫切，全社会劳动生产效率和科技直接产出常被用来衡量经济增长质量。很多学者提出了经济增长质量的概念，例如，康梅（2006）[1]经济增长质量的高低就是经济增长效率的高低；Barro（2002）[2]、刘树成（2007）[3]则认为经济增长质量是一种规范性的价值判断。另外，学者们在对我国经济增长质量进行研究时选取的指标也存在一些差异，钞小静、惠康（2009）[4]则主要介绍了全要素生产率与综合评价指标体系这两个经济增长质量指标的求解和构建方法。肖欢明（2014）[5]从经济增长的效率、社会结构优化程度、经济增长成果的分享度及经济增长的环境代价综合测度了经济增长质量。
总之，对经济增长质量的衡量离不开技术和科技因素。莫志宏和沈蕾（2005）[6]提到技术进步理论的核心是生产效率，他们还指出全要素生产率的变动是对技术进步变动的度量。根据对现有的一些文献研读发现，在研究经济增长质量时，有许多学者以全要素生产率作为研究指标，如高新才和李俊衡（2011）[7]研究陕西省经济增长质量时便以全要素生产率作为模型的被解释变量，楚尔鸣和马永军（2014）[8]研究消费对经济增长质量影响时，经济增长质量也是用全要素生产率衡量的。郭峰、杜英和窦学诚（2013）[9]以全要素生产率测度经济增长质量，研究甘肃省经济增长成因时，指出高素质人才匮乏、科技投入不足及产业结构、投资结构不合理是影响甘肃全要素生产率增长的原因。刘亚军和倪树高（2006）[10]将全要素生产率作为衡量经济增长质量的指标，并在索洛模型的基础上构建实证分析模型，经检验资本投入与劳动投入不匹配是造成浙江省全要素生产率恶化的原因。
本文的目的在于研究科技投入对经济增长质量的影响，根据此前学者的研究，经济增长质量指标本文选取全要素生产率，选取科技投入作为被解释变量，另选用市场化程度、产业结构以及贸易指标作为控制变量。数据来源于各省市2013年统计年鉴和国研网宏观经济数据库，选取2000年至2012年的数据进行研究。
二、经济增长质量指标求解及模型构建
1.全要素生产率求解
本文选取全要素生产率作为衡量经济增长质量的指标，全要素生产率求解常用的方法有随机前沿法（SFA）和数据包络法（DEA），本文采用DEA方法计算全要素生产率。数据包络法最早被提及是1978年Charnes、Cooper和Rhodes发表的一篇论文中，在生产函数规模报酬不变（CRS）的假设前提下，提出了一个面向投入的模型，即CCR模型。DEA方法基本思想如下：
假设现在有N个企业，需要投入m种要素，得到s种产出，对于第j个企业，它的投入为 （ ），产出为 （ ），简单的说，第j个企业的投入产出效率可以表示为 ，即：
                                       （1）
其中 表示产出权重， 表示要素投入权重。
仅使用数据包络法计算全要素生产率不足以满足条件，还需要采用非参数指数法。其中Malmquist指数法在全要素生产率的计算中得到广泛应用。Malmquist指数法是Sten Malmquist在1958年提出的，后来被Caves，Christensen和Diewert的两篇著名的论文引入到全要素生产率并完成Malmquist指数的距离函数定义。其主要构建思想就是根据不同时期要素投入向量和产出向量的距离函数构建，距离函数的大小与参考技术相关。在规模收益不变和要素自由处置（C，S）生产前沿下，全要素可分解为以下形式：
                                            （2）
其中， 、 分别表示t+1时期和t时期的要素投入， 、 分别表示t+1时期和t时期的产出，公式（2）的含义为全要素生产率为产出增长率和投入增长率的比值。定义距离函数 ，则全要素生产率可以表示为：
                                         （3）
另外，技术进步率、纯技术效率变化率、规模效率变化率等也可以由距离函数表示。
本文测算全要素生产率时，选取全国除西藏、香港、澳门和台湾地区之外的30个省、市和自治区作为样本。本文选取实际产出，资本存量和劳动力人数作为指标。实际产出用剔除物价水平的GDP来表示。很据以往学者的做法，资本存量使用永续盘存法来计算，其计算公式为： ，其中 ， 分别代表第i个省份，第t年的资本存量， 表示折旧率， 则是第i个省份第t年的投资额，折旧率使用张军（2004）年的数据 为9.6%。
本文选取数据的时间段为1999年到2012年，选取被解释变量全要素生产率、技术进步率以1999年不变价的GDP、固定资本存量和就业人员为依据经由DEAP2.1软件计算取得，计算结果绘制成图（图1）。本文用各省市从业人数来替代工作人员的有效工作时间。数据来自《新中国六十年统计资料汇编》、《新中国五十五年年统计资料汇编》以及相应年份的《统计年鉴》。
图1中显示进入21世纪以后全要素生产率的增长是下降的，但总体来说这十几年间的全要素增长率是增加的，平均增幅为2.3%，全要素生产率下降是受国际国外一些因素干扰，2001年中国加入WTO，国内技术受到国外先进技术的冲击，全要素生产率下降，但我国一直致力于自主创新，因此在进入新世纪的前几年全要素生产率还是大于1的，即是增长的。2008年之后出现下降，是国际金融危机的冲击，导致全球经济低迷，我国也受到了影响，宏观经济方面表现出经济增长率降低，在经济增长质量方面的表现则是全要素生产率的下降。全国各省市的具体情况如表1所示。
 
图1  2000年到2012年我国全要素生产率变化情况

表1  2000—2012年各省份全要素生产率分布情况
 
地区 技术效率变化率 技术进步率 纯技术效率 规模效率 全要素生产率   
北京 0.990 1.045 0.988 1.002 1.035   
天津 1.002 1.059 1.000 1.002 1.061   
河北 1.010 1.020 0.998 1.011 1.029   
山西 0.990 1.016 0.988 1.002 1.006   
内蒙古 0.969 1.031 0.962 1.008 0.999   
辽宁 0.987 1.032 0.988 0.999 1.019   
吉林 0.972 1.030 0.967 1.005 1.001   
黑龙江 1.008 1.021 1.007 1.001 1.029   
上海 1.000 1.065 1.000 1.000 1.065   
江苏 1.008 1.038 1.004 1.003 1.046   
浙江 1.005 1.035 0.999 1.006 1.040   
安徽 1.006 1.014 1.005 1.001 1.020   
福建 1.006 1.033 1.006 1.000 1.040   
江西 0.996 1.014 0.994 1.002 1.010   
山东 1.010 1.026 0.998 1.012 1.036   
河南 0.983 1.014 0.977 1.006 0.996   
湖北 1.013 1.014 1.009 1.004 1.027   
湖南 0.999 1.014 0.999 1.000 1.013   
广东 1.011 1.032 1.000 1.011 1.043   
广西 0.976 1.014 0.973 1.002 0.989   
海南 1.012 1.014 1.000 1.012 1.026   
重庆 1.007 1.014 1.005 1.002 1.021   
四川 1.013 1.014 1.011 1.002 1.027   
贵州 1.005 1.017 1.005 1.001 1.022   
云南 0.999 1.014 0.998 1.001 1.013   
陕西 0.997 1.014 0.995 1.002 1.011   
甘肃 0.994 1.014 0.992 1.002 1.008   
青海 1.002 1.023 1.000 1.002 1.025   
宁夏 0.984 1.026 0.969 1.016 1.010   
新疆 0.997 1.037 0.993 1.004 1.034   
均值 0.998 1.025 0.994 1.004 1.023 
由表1可以看出，进入21世纪的这十几年间，各省份全要素生产率来看，除内蒙古、河南和广西其他省份是提高的，以上海市的增幅最大，技术进步是带动全要素生产率增长的主要因素。从全要素生产率的增长速度来看，低于全国平均值的省市集中在中西部地区，在所有的中西部地区中仅有黑龙江、湖北、四川、青海和新疆的全要素生产率高于全国的平均水平。此外，除技术进步率较低影响了全要素生产率的快速增长的这一原因外，纯技术效率低下也是影响了全要素生产率提高的原因，如内蒙古、辽宁、吉林、河南和宁夏纯技术效率都低于全国平均水平数个百分点。总之，进入21世纪以后，除少数几个省份外，全要素生产率都得到了提升，技术进步和技术效率得到极大改善，从表中可以看出，技术进步是促进全要素生产率提高的首要因素，技术效率也存在一定程度的影响。
2.理论模型
设生产函数为Cobb—Douglas生产函数条件
                                              （4）
其中Y表示总产出水平，K表示资本，L表示劳动，A表示技术进步。
则方程两侧同取对数有
                           （5）
方程两侧同时对时间t求导数
                                   （6）
其中 表示产出增长， 表示技术进步率，也即全要素生产率， 表示资本投入增长率， 表示劳动投入增长率。
移项有
                                     （7）
资本投入方面包含众多方面，科技投入（ ）、用于购买设备的固定资产投入等（ ）；对于劳动力状况，按劳动力就业企业状况可分为国有企业（ ）和非国有企业（ ）；在开放经济体中，产出增长还包括来自贸易部门的增长。则（7）式可以进一步分解为：
             （8）
同过上式，可以发现贸易、科技投入和市场化（以国有企业劳动力衡量）对等对全要素生产率存在影响。
3.指标选取与实证模型构建
本文的目的在于考察技术投入对经济增长质量的影响，根据前文阐述及上述模型，本文选取全要素生产率作为被解释变量，用技术市场成交额（ ）衡量科技投入水平作为解释变量，并选取市场化程度（ ）、产业结构和进出口贸易作为控制变量，其中市场化程度以国有企业就业人数占总就业人数的百分比表示，产业结构指标则以第三产业产值占GDP的百分比（ ）替代，进出口贸易指标分别由进口占GDP的百分比（ ）和出口占GDP的百分比（ ）表示，详见表2：
表2  变量描述
 
变量名称 变量含义   
因变量 Tfp 全要素生产率   
解释变量 Techtrad 技术市场成交额占GDP百分比   
控制变量 Market 国有企业就业人数占总就业人百分比   
  Import 进口产值占GDP百分比   
  Export 出口产值占GDP百分比   
  Third 第三产业产值占GDP百分比 
根据上一部分的理论，构建回归模型如下：
    （9）
或
    （10）
其中， 表示地区（省份）， 表示时间， 表示随机扰动项。
三、模型求解及结果分析
一般来说，政策或资本投入对经济的影响具有延续性或滞后性。本文考察科技投入对经济增长质量的影响，也应考虑科技投入影响的滞后性。首先进行模型设定，经Hausman检验，应选择固定效应模型。在上述模型基础上对当期进行求解，结果如表3所示。
表3  实证分析结果
 
Variable (1) (2) (3) (4) (5)   
TECHMK 0.00303*** 0.012298*** 0.017000*** 0.016832*** 0.01753***   
 (2.717238) (2.925942) (3.663189) (3.610754) (3.775569)   
MARKET  0.009227*** 0.008844*** 0.008773*** 0.009053***   
  (10.65051) (10.08856) (9.835093) (10.23415)   
THIRD   -0.001538** -0.001575** -0.00145**   
   (-2.326191) (-2.360767) (-2.190103)   
IMPORT    -0.000208    
    (-0.444158)    
EXPORT     0.000626   
     (1.590139)   
C 1.02196*** 0.902441*** 0.963262*** 0.968973*** 0.946506***   
　 (513.005) (72.44776) (33.29705) (30.57905) (30.80007) 
注：***表示在1%的置信水平下显著，**表示在5%的置信水平下显著，*表示在10%的置信水平下显著。
由表3可以看出，技术市场成交额对全要素生产率在1%的置信水平下显著，且符号为正。这说明技术投资对全要素生产率的提高具有显著的促进作用。从模型（1）—（5）看出，技术指标的系数总体是成递增趋势的，证实技术投资对全要素生产率的作用提高。模型（2）与模型（1）相比，模型（2）增加了市场化程度（国有企业衡量）指标，且在1%的显著水平下与全要素生产率正相关，说明国有企业对全要素生产率的提高本身就能起到存进作用，另外还使得技术投资作用增强，合理的解释为国有企业使得技术投资得到更有效的使用。模型（3）与模型（2）相比，模型（3）引入了产业结构指标（以第三产业产值占比表示），科技投资指标系数进一步加大，市场化程度指标仍显著的正相关，而产业结构指标却是成负相关的特性，模型（3）说明产业结构分散本身不利于科技创新的产生，但能提升科技投资效率。原因是产业分散不利于资本和人才的积累，科技创新也就难以形成，但是产业分散，能使科技创新通过扩散效应和溢出效应转移到其他部门，促进科技创新的产生。模型（4）和模型（5）中引入了贸易指标，通过实证分析结果可以看出，净出口贸易对技术创新都不存在显著的影响。
从以上分析可以看出，科技投入对当期对经济增长质量具有显著影响，但为研究科技投入影响的持续性，构建科技投入滞后一期和滞后二期的实证分析模型，则式（9）和式（10）变为：
   （11）
    （12）
   （13）
   （14）

其中，TECHMK（-1）表示滞后一期的技术市场成交额，TECHMK（-2）表示滞后二期的技术市场成交额。根据前文回归方法得到实证结果如表4、表5所示：

表4  科技投资滞后一期回归结果
 
Variable (6) (7) (8) (8) (10)   
TECHMK(-1) 0.003379*** 0.012728** 0.017971*** 0.017984*** 0.017869***   
 (2.651204) (2.58784) (3.240091) (3.23689) (3.229702)   
MARKET  0.00991*** 0.009262*** 0.009239*** 0.009461***   
  (9.114723) (8.201596) (8.050825) (8.350826)   
THIRD   -0.001439** -0.001455** -0.001283*   
   (-2.011246) (-1.993876) (-1.782291)   
IMPORT    -6.09E-05    
    (-0.117773)    
EXPORT     0.000689   
     (1.636905)   
C 1.017276*** 0.893174*** 0.952901*** 0.954774*** 0.933003***   
　 (470.7409) (60.52653) (28.76187) (25.94842) (26.49758) 
注：*意义同表3。
由表4可以看出，对于滞后一期的科技投入对全要素生产率仍保持显著的正相关性。其系数也随着控制变量的增加，表现出增加的趋势，与表3的实证结果保持一致。控制变量方面产业结构指标受滞后科技投入的影响对全要素生产率的影响程度降低，但对科技投资的利用方面与表3相比，甚至更好，模型（2）到模型（4）科技投入指标的系数增加0.0047，模型（7）到模型（8）科技投入的系数增加了0.0052。

表5  科技投入滞后二期实证分析结果
 
Variable (11) (12) (13) (14) (15)   
TECHMK(-2) 0.003533** 0.011515** 0.015579*** 0.015578*** 0.015258***   
 (2.560082) (2.160074) (2.670886) (2.665235) (2.618352)   
MARKET  0.011699*** 0.010819*** 0.010819*** 0.01072***   
  (8.075138) (7.047048) (7.029774) (6.98729)   
THIRD   -0.001235* -0.001235* -0.001101   
   (-1.690361) (-1.660952) (-1.496534)   
IMPORT    2.11E-06    
    (0.003775)    
EXPORT     0.000649   
     (1.413672)   
C 1.013379*** 0.873185*** 0.92846*** 0.928405*** 0.913475***   
　 (448.7316) (47.64518) (24.7866) (23.026) (23.50159) 
注：*意义同表3。

由表5看出，科技投资与全要素生产率在5%的置信水平正相关性，且科技投入系数的变化趋势与前面保持一致，市场化指标和进出口贸易对全要素的影响程度与前面两个回归完全一致，而产业结构指标的显著性与表5相比进一步下降，对科技投入的利用在这三个模型中最低（模型（12）到模型（13）科技投入指标系数仅增0.0041）。
由表3、表4、表5的回归结果，科技投入对经济增长质量（全要素生产率）表现为显著的正相性，即说明科技投入对经济增长质量具有促进作用，而这种促进作用会随着时间的延续逐渐减弱，通过回归结果的t值变化情况便可以证实。
上述结果已经证实科技投入对全要素生产率是存在推进作用的，但是也忽视了全要素生产率自身的影响，前期对后期是否是连续的有待进一步证实。因此，本文将全要素生产率滞后一期引入到模型中，构建动态回归模型：
    （15）
     （16）
其中，TFP（-1）表示全要素生产率滞后一期。对模型进行回归，结果如表6所示。
由表6看出，全要素生产率的前期对后期的影响十分显著，科技投入指标与前文回归结果相比显著性水平明显下降，即对全要素生产率显著性水平下降，但仍是正相关的，说明科技投入对全要素生产率是促进的。模型（Ⅰ）到模型（Ⅴ）科技投资的系数总体上也是增加的，与前文的回归结果保持一致。

表6  动态回归结果
 
Variable (Ⅰ) (Ⅱ) (Ⅲ) (Ⅳ) (Ⅴ)   
TFP (-1) 0.194584*** 0.193958*** 0.312778*** 0.312828*** 0.304894***   
 (3.588628) (3.5713) (5.803364) (5.795013) (5.613926)   
TECHMK 0.002392** 0.002233* 0.009935** 0.009928** 0.010266**   
 (2.052403) (1.813962) (2.083636) (2.078718) (2.150087)   
MARKET  0.000155 0.006258*** 0.006243*** 0.006487***   
  (0.402638) (5.116925) (5.02987) (5.236639)   
THIRD   -0.001009 -0.001018 -0.000929   
   (-1.491547) (-1.479529) (-1.365957)   
IMPORT    -3.79E-05    
    (-0.076741)    
EXPORT     0.000465   
     1.143104   
C 0.817789*** 0.816727*** 0.655709*** 0.656813*** 0.649925***   
　 (14.68231) (14.62913) (11.07966) (10.76833) (10.94713) 
注：*意义同表3。
四、结论与启示
通过实证检验，本文得出科技投入对全要素生产率具有促进作用，即说明科技投入对经济增长质量是促进的。为使科技投入对经济增长质量产生显著地正效应，应从以下几个方面做出调整：
（1）加大教育投入，培养科技创新人才。科技创新和技术进步离不开科技人才，要增加教育投入，培养创新性人才，保证有足够的人才储备，保证科技创新项目顺利实施。高校和科研院所是培养科技人才的重要基地，重视高等教育的发展，保证人才输出。
（2）政府引导，鼓励企业创新。文中实证结果证实，国有企业对科技创新贡献是非常显著的，因此国有企业要发挥其在经济中的地位，引领科技创新。对非国有企业，要鼓励他们进行科技创新，鼓励创新型企业发展，同时增加对进行科技创新或创新型企业的扶持力度，提高科研人员的福利待遇。
（3）调整产业结构，合理布局。产业结构调整不仅有利于地区资源的合理配置，还能促进技术进步的产生，合理的产业布局能推动技术部门的成果转化、扩散和溢出，形成有科技研发部门——技术交易市场——高技术产业的产业链，高科技企业得益于技术进步，然后再对技术部门反哺，形成良性循环。