科技投入对中国经济增长的贡献及互动机制研究

科技投入对中国经济增长的贡献及互动机制研究Abstract：Thereiscloserelationshipbetweeninvestmentinscienceandtechnologyandeconomicgrowth.BasedonthestatisticsofR&Dspending，numberofR&Dpersonnel，capitalinvestmentandin1995-2012，thispaperusesthegeneralizedCobb-Douglasproductionfunction，errorcorrectionmodel，VARmodeltoanalyzethelong-termequilibriumrelationshipbetweenthevariablesandtheinteractionmechanismbetweenthescienceandtechnologyinvestmentandeconomicgrowth.StudiesshowthatR&Dfundsinternalexpenditureisthesourceofeconomicgrowth；economicsystemhasastablelong-termequilibriumrelation，andthereissignificantadjustmentmechanism；R&Dfundsinternalexpenditureandeconomicgrowtharegrangercausality，andR&Dpersonnelnumberisnotthegrangercauseofeconomicgrowth；R&Dfundsinternalexpenditurehasasignificantpositiveeffectoneconomicgrowth.Finally，correspondingpolicyrecommendationsareputforward.Keywords：investmentinscienceandtechnology；economicgrowth；generalizedC-Dproductionfunction；errorcorrectionmodel；VARmodel中图分类号：F015；F224.0文献标识码：A文章编号：1006-4311〔2016〕19-0059-041研究背景科学技术是第一生产力，对增长起着重要作用。在-的十三五规划中，强调要“发挥科技创新在全面创新中的引领作用，并为发展提供持久动力〞。上，“亚洲四小龙〞经济的迅猛发展就与科技进步密不可分，1970-1980年，“四小龙〞中的和韩国GNP和年均增长率分别为9.8%和9.5%，而此间技术进步对经济增长的贡献份额，为48%，韩国为40%。近年来，随着我们国家对科技重视程度的增强，科技投入由1999年的544亿元增加到2009年的3050亿元，10年间科技投入翻了近6倍。将一定比例的财政收入投入到科技研究中，了解这部分资金对经济增长起到了怎样的作用以及相互之间的联系，对制定政策方针具有战略上的意义。长期以来，科技投入和经济增长的关系受到国内外学者的广泛的关注。1928年，柯布〔Cobb〕和道格拉斯〔Douglas〕共同提出的C―D生产函数，可计算出某一时刻的技术水平对新增产值的贡献。Griliches〔1986〕通过分析1957-1977年间美国1000家规模较大的制造业数据，得出科技经费投入对生产力的提高有显著的促进作用。Romer〔1990〕研究发展发现在R&D上的财政支持能激发和鼓励企业投入更多资源进行R&D活动，推动经济的长期增长。Boskin和Lau〔1996〕将生产投入要素分为资本、劳动、人力资本和R&D资本四种，在C-D生产函数基础上，新构造了生产函数，将不能由这四种投入要素解释的经济增长归结为技术进步的贡献，利用六个国家的数据进行研究，得到由R&D引致的技术进步对经济增长的影响非常大。国内学者则是采用不同的研究方法来探讨科技投入与经济增长的关系。单红梅等〔2006〕C-D生产函数得出中国的科技投入不但对当期经济增长有促进作用，而且还存在滞后效应，滞后期为3阶。姜庆华、刘贵基〔2010〕采用灰色关联度模型与生产函数模型，得出科技经费投入对我们国家经济增长的影响强于人员投入对经济增长的影响，并且技术进步对经济增长的贡献率呈现出波动上升形态的结论。卢方元〔2011〕等采用2000-2009年全国30个省区市的R&D投入和经济增长的有关数据，通过建立面板数据模型，研究R&D投入与经济发展的关系。凌江怀、李成、李熙〔2012〕以1991-2010年国内生产总值和财政科技投入的数据为基础，认为财政科技投入对经济增长有积极的促进作用。不同于以往研究，本文引入R&D经费支出作为内生变量，建立广义柯布-道格拉斯生产函数，在对所有变量进行平稳性和协整检验的基础上，结合协整回归、误差修正模型及向量自回归模型的多元时间序列分析方法，测算科技投入对经济增长的贡献，并试图揭示经济系统的动态影响机制。2理论模型及研究方法2.1变量选取及数据处理利用1995-2012年度的经济数据进行实证研究，数据来自〔中国年鉴〕和〔中国科技年鉴〕。选取〔亿元〕代表全国的经济发展水平Y，R&D经费支出〔亿元〕作为科技投入指标S，全固定资产〔亿元〕扣除R&D经费支出后作为资本投入K，R&D人员全时当量〔万人〕作为劳动力投入指标N，对原始数值取自然对数，以压缩变量的尺度差距及削弱可能存在的异方差，分别记为LnY、LnS、LnK、LnN。2.2理论模型及研究方法2.2.1广义C-D生产函数通过对式〔4〕进行回归分析，即可估计出科技投入对经济增长的贡献。同理，？琢与？茁分别表示资本投入贡献和劳动投入贡献？酌，剩余项则代表技术水平。2.2.2协整理论与误差修正模型1987年，Engle和Granger提出协整理论，为非平稳时间序列的建模提供了新的思路。如果单个时间序列非平稳，而它们的线性组合却表现出平稳性，则这些变量间存在长期均衡关系，这种协整关系能够有效区分真实回归与虚假回归。误差修正模型〔ErrorCorrectionModel，ECM〕改进了时间序列模型忽视原非平稳变量信息的缺点，将长期稳定关系与短期动态特征综合在一个模型中。2.2.3向量自回归模型向量自回归模型〔VectorAutoRegression，VAR〕基于统计性质，将系统中每一个内生变量表达为所有内生变量滞后值的函数，从而将单变量自回归模型推广到由多元变量组成的“向量〞自回归模型。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统中的动态冲击，进而解释各种经济冲击对经济变量形成的影响。3科技投入对增长的贡献3.1平稳性检验采用ADF〔AugmentedDickeyFuller〕单位根检验对各变量的平稳性判断，回归方程为：？驻Yt=c+？酌t+？籽Yt-1+■？准？驻Yt-〔i-1〕+？着t，依据数据特征及贝叶斯信息准则〔SBIC〕确定检验形式和滞后阶数。其中c代表常数项，t代表趋势项，p代表滞后阶数，c=0表示不含常数项，t=0表示不含趋势项，反之c=1表示含常数项，t=1表示含趋势项。检验结果如表1所示。4组时间序列数据在5%显著性水平下不拒绝原假设，为非平稳序列，而进行一阶差分后均为平稳序列，因此4个变量均为同阶单整I〔1〕序列，可进行协整分析。3.2协整回归及协整检验协整检验是用来检验非平稳变量间是否存在长期均衡关系的方法，如果存在协整关系，则变量间的非均衡误差是平稳的。本文基于广义C-D生产函数进行协整分析，对式〔4〕的模型采用Engle-Granger两步法进行协整检验。第一步通过OLS最小二乘法对式〔4〕进行协整回归，第二步使用残差序列代替随机干扰项，进行平稳性检验，若残差序列平稳，则可确立变量间的长期均衡关系，回归结果如下：lnYt=5.349687+0.375095lnKt+0.159395lnNt+0.226243lnStS.E.=〔0.35536〕〔0.109971〕〔0.130783〕〔0.061246〕t=〔15.05444〕〔0.3410855〕〔1.218781〕〔3.694004〕R2=0.998203，F=2592.043，D.W.=1.540770〔5〕由于OLS采用方差最小的估计方式，使得对残差序列进行ADF检验时，结果倾向于平稳序列，SC统计量-4.172473，t统计量-3.913603，传统10%临界值为-3.310349，参照麦金农〔Mackinnon，1991〕的临界值分布表，矫正的10%临界值为-3.676593，残差序列在5%显著性水平下非平稳，但在10%显著信水平下平稳，可认为式〔5〕确定的长期均衡关系存在，为协整回归方程。3.3科技投入对经济增长的贡献根据协整回归方程〔5〕的结果，科技投入对经济的产出系数为0.2262，即R&D经费内部支出每增加1%所贡献的增长率为0.2262%；而0.3751和0.1594分别是资本和劳动的投入产出系数，表明固定资产和科技人员就业人数每增加1%，可以带来经济增长0.3751%和0.1594%。由此看出，现前阶段的增长主要还是靠投资拉动，科技投入虽占据一部分，但产出效应存在进一步提升的空间。由于科技活动的周期性与投入产出的时滞性，仅依据某一个观测时点难以纵向把握经济规律，因此，从2008年开始逐年测算各要素对经济增长的贡献度，以期发现最近几年各要素对经济增长贡献度的变化趋势，进一步探讨科技投入对经济增长的贡献效果。依据理论模型及协整分析技术，得出测算结果如表2所示。由表2得，资本投入自2008年开始出现下滑，受国际危机的冲击，企业经营困难，利润增长放缓，固定资产投资增速下降；而科技投入贡献呈波动上升趋势，说明科技投入的产出效应开始显现，R&D经费投入与科技人员的投入保障了科技研发活动的需求，逐步转换为对增长的贡献。4科技投入与中国经济增长的互动机制4.1误差修正模型继协整回归对变量的长期均衡关系进行分析后，构建误差修正模型对该协整关系的短期动态特征进行探究，得到估计结果如表3。其中，ECMt-1=lnYt-1-〔5.349687+0.375095lnKt-1+0.159395lnNt-1+0.226243lnSt-1〕为误差修正项。从表3可以看出，误差修正项ECMt-1的系数为-0.899017，即协整回归方程前一年的非均衡误差以89.90%的力度进行反向修正，89.90%的调整速率也显示了协整系统对出现非均衡偏差的修正反应之强，正是这种显著的短期负反馈机制，使得经济系统始终趋于稳定，其长期均衡关系才得以维持。除此之外，在短期动态关系中，科技投入对经济增长的短期弹性为0.112281，即短期内科技投入每增加1%，国内生产总值增长11.23%，亦低于资本投入0.218182及劳动投入0.125491。4.2VAR模型为重点考察科技投入与经济增长间的相互作用机制，将资本投入〔已扣除R&D经费支出〕从内生变量中剔除，建立、R&D经费支出、科研从业人员数之间的VAR模型。首先，确定适当的模型滞后阶数。利用Eviews8.0计量，进行滞后期从0到3的模拟试验。据AIC与SC信息准则，当滞后期为3时，模型拟合效果最好，可兼顾模型稳定性与自由度。接着进行模型估计，得到如下结果：lnYt=1.070lnYt-1-0.954lnYt-2+0.852lnYt-3+0.444lnSt-1+0.031lnSt-2-0.340lnSt-3+0.221lnNt-1-0.116lnNt-2-0.216nNt-3-0.068lnSt=1.037lnYt-1-0.388lnYt-2-0.225lnYt-3+0.521lnSt-1+0.169lnSt-2-0.595lnSt-3+0.268lnNt-1+0.172lnNt-2+0.140lnNt-3+0.274lnNt=-0.233lnYt-1+0.658lnYt-2-0.531lnYt-3-0.401lnSt-1+0.482lnSt-2+0.345lnSt-3-0.237lnNt-1+0.044lnNt-2+0.052lnNt-3+0.297〔6〕各方程的判定系数分别为：0.9992、0.9995、0.9994，拟合程度较高。4.3Granger因果检验Granger因果检验实质上是检验内生变量是否可以作为外生变量对待。若一个变量受到其他变量的滞后影响，则称它们具有Granger因果关系。对估计出的VAR模型中各方程进行Granger因果检验，分析各内生变量之间的相互关系，结果见表4。由表4可知，在LnY方程中，检验结果在5%的置信水平下接受了LnN不能Granger引起LnY的原假设；在LnS方程中，检验结果在5%的置信水平下接受了LnN不能Granger引起LnS的原假设。这表明科技从业人员数并不是LnY与LnS增长的Granger原因。与之相反，检验结果在5%的水平上拒绝了LnS不能Granger引起LnY的原假设，同时拒绝了LnY不能Granger引起LnS的原假设，表明R&D经费支出与经济增长互为格兰杰因果关系。4.4脉冲响应函数分析脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当下和未来取值的影响。利用Eviews8.0计量对估计出的VAR模型进行脉冲响应分析，计量各变量对模拟外部动态冲击的反应，结果见图1。其中，横轴表示滞后时间长度，纵轴表示变量对外部动态冲击的反应程度。如左图所示，在其他变量不变的情况下，当变动一个百分点时，对R&D经费支出始终具有正向效应。在第一期，的变动使R&D经费支出增长约为0.05%，此后大致围绕1.5%的水平上下波动。表明经济增长对科技投入的增加具有稳定的促进作用，应当在发展经济的前提下，逐步提高对科技的投入力度。分析右图，易知，在其他变量不变的情况下，当R&D经费支出受到正向冲击时，对的影响一直呈现正向趋势。具体表现为：第一期至第三期，使得处于持续上升状态，并在第三期达到最大值；第三期至第八期，对的影响逐渐减弱――从0.2%逐渐趋于0.02%；第八期之后，对的影响又开始加强。5结论及建议本文主要依托增长理论，在传统柯布-道格拉斯拉斯生产函数基础上，引入R&D经费内部支出进行扩展，综合多元时间序列分析的方法，对科技投入对中国经济增长的贡献和相互间动态作用机制进行实证研究。理论模型得到实证分析的良好支撑，具体研究结论包括：①R&D经费内部支出是经济增长的源泉，对国内生产总值的贡献约为22.62%，贡献程度波动上升。②国内生产总值、固定资产投资、R&D人员及R&D经费内部支出具有稳定的长期均衡关系，科技投入对经济增长的短期弹性为11.23%，系统内存在显著的调节机制，有效维护长期均衡特征。③Gra