科技创新、产业升级与经济增长

发布时间:2018年11月23日 09:30 来源:陕西省统计局         

——基于动态面板模型的系统GMM研究

 

  科技创新是经济社会发展的动力和源泉,党的十八大明确提出,科技创新是提高社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置。我国已将创新驱动发展上升到国家战略发展层面。随着科技创新的推进,在一定的技术条件下,通过专业化和社会分工的形成,产业结构必将产生巨大变化,而产业结构在一定意义上又决定了经济的增长方式。因此,研究科技创新、产业结构变化对经济增长的影响,对促进经济社会发展具有重要理论价值与现实意义。

 

  一、国内外研究现状

 

  国外对于科技创新与产业升级对经济增长作用的研究较多。Smith早在1766年就认识到经济增长的动力在于劳动分工、资本积累和科技进步。CobbandDouglas提出了C-D生产函数,为测算科技进步奠定了基础。Solow将科学技术从生产函数中分离出来,进一步揭示了科技进步与经济增长的关系。SalterJohn研究认为,技术进步率是形成生产率增长差别的主要原因。丹尼森(Denison)考察了美国经济增长原因是由生产要素投入和全要素生产率增加引起的,而知识对全要素生产率的贡献高达60%以上。

 

  JanFagerberg2000)运用1973-199039个国家数据研究产业结构变化和技术水平提高对生产力的影响,研究发现,产业结构的变化并为对生产力产生显著影响,但技术水平的提高伴随着生产力的提升。MichaelPeneder2003)基于28OECE国家数据建立动态面板模型研究产业结构对经济增长的影响。研究发现,产业结构是经济增长的重要因素。LSingh2004)以韩国1970-2000年数据为基础,研究技术进步与产业结构变化对经济增长影响。结果显示,产业结构对经济增长在70年代具有显著影响,但之后并不显著。

 

  国内学者也开展了大量研究。王家庭(2012)以2004-2008年我国30个省区的面板数据为研究对象,研究科技创新、空间溢出与区域经济增长关系,结果发现R&D资金投入对于区域创新能力的影响显著,但影响力增速逐渐放缓。朱学新(2007)以1998-2005年度中国31个省(市、自治区)的面板数据为基础,利用广义的Cobb-Douglas生产函数,对中国科技投入的经济效果进行了实证分析。结果表明科技投入对经济发展具有明显的促进作用,但是不同的科技创新方式对于经济发展的影响程度显著不同。刘红,姚永玲(2008)采用协整理论和Granger因果检验研究了经济增长和创新效率之间的关系,研究显示,创新转化效率与经济增长之间虽然不具备长期稳定的均衡关系,但却是经济增长的Granger成因,对经济增长具有显著的正向推动作用。李正辉,徐维(2011)利用30个省市区20022008年的数据通过含有时期个体影响的固定效应变截距模型的研究,认为区域科技创新对经济增长具有显著的正向效应。付凌晖(2010)对我国1978-2008年产业结构升级与经济增长的关系进行实证分析,发现我国经济总量增长明显带动了产业结构升级,而产业结构高级化对经济增长的促进作用并不显著。干春晖等(2011)研究中国产业结构变迁对经济增长和波动的影响,研究结果表明,产业结构合理化和高级化进程均对经济增长的影响有明显的阶段性特征。万勇,文豪(2009)选取我国30个省1998-2006年的数据资料,采用面板数据模型实证检验了我国东部、中部与西部区域技术创新投入的经济增长效应。实证结果说明,我国东中西部技术创新投入的经济增长效应存在较大的区域差异性,东部各种技术创新投入对增长的拉动效应较明显,中西部地区技术创新投入的增长效应则相对较弱。刘伟,张辉(2008)将技术进步和产业结构变迁从要素生产率中分解出来,实证度量了产业结构变迁对中国经济增长的贡献,并将其与技术进步的贡献相比较,实证研究表明,产业结构变迁所体现的市场化的力量将逐步让位于技术进步的力量。

 

  本文具有以下几个特点:一是将产业结构与科技创新二者结合起来共同作为主要研究对象;二是采用近十年的最新数据进行研究;三采用动态面板广义系统矩估计方法(GMM)进行研究,并严格控制工具变量数量。

 

  二、模型的建立及变量说明

 

  (一)变量说明

 

  本文研究的是科技创新与产业升级对地区经济增长的影响,因此因变量为地区总产值,主要解释变量为科技创新和产业结构。同时要考虑其他控制变量对经济增长的影响,按照CD生产函数,资本与劳动力对总产出具有促进作用,外商投资对地区经济增长也有积极作用,因此,要同时考虑资本投入、劳动力和外商投资对地区总产值的影响。

 

  一是因变量地区生产总值。由于各省的GDP差异较大,本文用人均GDP表示(PGDP)。选择的时间序列是2006-2015年,同时考虑到价格因素影响,将各年的价格按照2006年价格平减计算。

 

  二是科技创新。科技创新是促进经济增长的最重要因素,科技创新可以促进新产业的形成,促进劳动生产率提高,进而不断推动经济发展。科技创新本文选择年度R&D经费投入表示,由于地区差异较大,用年度R&D经费投入占GDP比重表示(RD)。

 

  三是产业结构。有关学者认为产业结构升级能够促进地区经济增长,本文选择二、三产业增加值占GDP比重表示产业结构升级表示(CHANYE)

 

  四是劳动力投入。劳动力的投入是促进经济发展的必不可缺的重要因素,本文选择劳动力占地区人口的比重表示(LABOR)。

 

  五是资本投入。《中国统计年鉴》中的投资数据是年度固定资产投资净额,是流量指标,实际上资本投入应当是逐步积累的过程,应当用存量指标表示,参考有关研究成果,采用永续存盘法计算地区资本存量。计算公式为:

 

  111.png(1)

 

  式(1)中,ktkt-1分别表示当期和滞后1期的地区资本存量,ett期的政府支持流量指标;δ为折旧率,参考有关研究,本文将其设为15%。基期地区资本存量按照(2)式计算。

 

  222.png(2)

 

  式(2)中,k0为基期资本存量,e0为基期资本流量指标,g为考察期内实际固定资产投资增长率。在计算固定资产投资增长率是按照各年的投资指数折减到2006年投资I价格,同时考虑到地区差异,选择人均资本投入表示(PZIBEN)。

 

  六是外商投资。同样用外商投资强度即外商投资占年度GDP比重表示(FDI)

 

  (二)数据来源及说明

 

  本文选择数据来自《中国科技统计年鉴》与《中国统计年鉴》,数据的时间跨度为2006-2015年。

 

  (三)模型的建立

 

  经济运行存在自身规律,并具有一定惯性,即地区经济在t-1时期具有较高增速,在t期往往会表现出较高的增长。因此,在研究地区经济增长时,需要考虑经济增长惯性。动态面板模型能够识别这种惯性,同时动态面板广义矩估计(GMM估计)能够有效控制内生性问题。为此,本文建立动态面板模型,为了减小可能存在的异方差,本文将绝对量人均GDP和人均资本存量取对数,分别用LPGDPLPZIBEN表示,然后建立如下模型:

 

  333.png(3)

 

  其中,LPGDPit表示个体t时期人均GDP对数值,LPGDPit-1表示个体人均GDP对数值的滞后期,LPZIBENit表示个体t时期人均资本存量的对数值,FDIit表示个体t时期外商投资占GDP比重,LABORit表示个体t时期劳动力人口占年末人口比重,CHANYEit表示个体t时期二、三产业比重,RDit表示个体t时期R&D经费支出占GDP比重,ui表示个体固定效应,εi表示误差项。

 

  三、实证分析

 

  (一)估计方法

 

  由于解释变量中引入了因变量的滞后项,并且因变量与部分解释变量之间可能存在双向因果关系,从而导致解释变量的内生性问题,因此,本文使用ArellanoBover提出的动态面板广义矩估计(GMM)方法。

 

  广义矩估计包括差分GMM和系统GMMArellanoBover发现,广义差分矩估计存在一定缺陷,一方面差分会导致信息损失,另一方面,工具变量的有效性减弱影响估计结果的有效性。因此,ArellanoBover提出了系统GMM估计,该方法综合了差分方程和水平方程两方面信息,大大提高了估计结果的有效性和一致性。

 

  系统GMM估计分为一步估计和两步估计,根据Bond的研究,在有限样本下,两步GMM估计的标准差存在向下偏倚,这种偏倚通过Windmeijer调整会减小,但会导致两步GMM估计量的渐进分布不可靠,因此本文选择能获得一致估计量的系统GMM一步估计法。

 

  (二)模型检验

 

  系统GMM估计需要通过两个关键检验:一是要求残差存在一阶序列相关,而不存在二阶序列相关;二是要求工具变量与误差项不相关,由于Sargan检验对于异方差和自相关是非稳健的,因此本文选择Hansen过度识别检验。同时要求工具变量的个数不超过面板截面个数。

 

  另外,当样本量较小或者工具变量较弱时,动态面板GMM估计量会产生较大偏倚。Bond指出,采用OLS估计时,因变量的滞后项的估计量向上偏倚;采用静态固定效应估计时,因变量的滞后项的估计量向下偏倚。GMM的估计量在前两者之间,表明估计结果可靠。

 

  根据以上要求,本文依据经济理论,调整解释变量滞后期以及有关参数,最终确定模型为:

 

  444.png4

 

  四、结果分析

 

  本文运用stata软件使用系统GMM估计方法,对模型进行估计,估计结果见表1和表2

 

555.png

 

666.png

 

  从表2可以看出,模型通过Hansen检验,表明工具变量均有效;误差项一阶相关,但二阶不相关;工具变量数量为15小于面板截面数31;因变量的一阶滞后项与二阶滞后项的估计结果均位于OLS与固定效应估计结果之间。总而言之,动态面板系统模型稳健有效可靠。

 

  (一)经济增长具有显著惯性

 

  研究表明,我国经济增长具明显的惯性,因变量不仅受上期影响,还受上上期影响。从影响方向来看,因变量滞后一期具有正向影响,滞后二期具有逆向影响;但从影响力度来看,因变量滞后一期值远远大于滞后二期值。

 

  (二)产业结构对经济增长贡献显著,但有所滞后

 

  结果显示,产业结构对经济增长具有极其显著影响,但影响比较滞后,当期产业结构调整会对下期及下下期经济增长产生影响。从影响方向看,滞后一期产生正向影响,滞后二期产生逆向影响。从影响力度看,滞后一期大于滞后二期,但二者对经济增长的影响均较弱。

 

  (三)科技创新对经济增长贡献明显,但存在滞后

 

  实证分析结果显示,R&D经费投入强度对经济增长具有显著影响,但影响也存在滞后。也就是说R&D经费投入强度的变化,不会在本期对经济增长产生明显影响,但会在下一期及下下一期产生显著影响。从回归系数看,滞后一期影响为正,滞后二期影响为负,滞后一期力度大于滞后二期,并且R&D经费投入强度影响强度远远大于产业结构。

 

  (四)资本积累对经济增长具有显著促进作用

 

  从回归结果来看,资本的积累能够促进经济增长。资本积累对经济增长不仅贡献显著,而且不存在滞后效应,资本的投入对经济增长的贡献可以说立竿见影,当期增加投资能够直接带动对当期经济增长,并且对经济增长贡献强度较高。

 

  (五)外商投资占比对经济增长贡献不显著

 

  回归结果表明,外商投资对经济增长没有显著影响。

 

  (六)劳动力人口比重对经济增长具有正向促进作用

 

  可以看出,劳动力人口占人口比重能够促进经济增长。劳动力人口占人口比重的提高,意味着劳动力强度增加,劳动力强度的增加可以直接带动经济增长,这与有关经济理论一致。单从影响力度来看,劳动力人口比重对经济增长的贡献较弱,不及产业结构、R&D经费投入强度和资本积累。

 

  五、结论与建议

 

  本文通过省际面板数据构建动态面板模型研究科技创新与产业升级对经济增长的影响。研究发现,经济增长具有显著滞后效应,产业结构升级与科技创新投入对经济增长有明显促进作用,但影响有所滞后。与此同时,模型中加入了控制变量,其中,外商投资对经济增长未发挥明显作用,资本、劳动力等要素投入对经济增长的拉动作用具有显著效果。基于此结论,本文提出以下建议:

 

  (一)继续保持适度资本投入

 

  资本投入是经济增长的重要因素,并且贡献力度较大,要继续保持适度资本投入,使投资继续带动我国经济持续发展。但投资结构需要进一步优化,在必要的基础设施投资的基础上,控制诸如煤炭、钢铁等产能过剩行业投资,加大高端、新兴产业投资,进一步降低民间资本投资门槛,在稳定投资总量、优化投资结构的双重作用下,继续有效发挥投资的边际效应。

 

  (二)稳定劳动力市场供给

 

  从回归系数看,尽管劳动力对经济增长贡献较小,但对经济增长贡献十分显著。因此,要稳定劳动力市场供给,促进经济不断发展。计划生育政策的长期实施,给我国人口结构带来了一些问题,少子化、老龄化等问题突出,尽管近几年政策有所放开,但总体来看,百姓生育二胎意愿不强。

 

  因此,在放开有关政策的基础上,要鼓励、激励有关人群生育二胎,确保未来劳动力总量稳定、结构优化。

 

  (三)推动产业结构优化升级

 

  研究结果显示,虽然产业升级对经济增长的贡献不能立刻显现,但产业结构的优化升级能够显著促进经济增长。产业结构升级不可能一蹴而就,要作为一项政策长期坚持,要及早谋划,提前布局,一以贯之,逐渐促进产业结构优化,不断推动经济向前发展。

 

  (四)加大科技创新投入力度

 

  与产业升级相同,R&D经费投入强度的增加具有滞后效应,但比产业升级的贡献力度大,因此要继续坚持创新驱动发展战略,不断提升R&D经费投入强度。要优化研发环境,激发科研工作者的研发热情,为真正有理想、有能力的科研人员建立干事创业环境,不断提升科研技术水平。同时将科研成果与实际应用相结合,使科研成果转化为实实在在的生产力,不断促进我国经济持续、健康发展。