導(dǎo)語：如何才能寫好一篇經(jīng)濟(jì)增長的特征，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

對于衡量變量差異性的統(tǒng)計(jì)指標(biāo)，除了前文提到的變異系數(shù)以外，常用的還有全距、平均差、差異系數(shù)、泰爾指數(shù)等指標(biāo)。其中，泰爾指數(shù)（TheilIndex）因?yàn)榫哂锌煞纸庑缘奶攸c(diǎn)，不僅可以反映總體的差異，還可以衡量樣本內(nèi)部的差異，因而得到較為廣泛的應(yīng)用。泰爾指數(shù)是由H.Theil（1967）提出的，是一種廣義熵指數(shù)，可寫為GE（1）。以人均GRP差異為例，泰爾指數(shù)常用這樣，根據(jù)公式（1）~（3），筆者計(jì)算了1978年~2012年中國各省份人均名義GRP與人均實(shí)際GRP的泰爾指數(shù)。圖2與表1是人均名義GRP泰爾指數(shù)的基本情況。由于人均實(shí)際GRP的泰爾指數(shù)與之非常類似，限于篇幅，在此筆者就不再列出。從圖2與表1可以看出，我國各省份人均名義GRP的泰爾指數(shù)呈現(xiàn)出“下降—上升—再下降”的變動趨勢。具體來看，1990年以前，泰爾指數(shù)從1978年的0.1555不斷減少至1990年的0.0763；而1991年~2003年之間則呈現(xiàn)一直上升的態(tài)勢，到2003年回升至0.1420；2004年之后泰爾又開始回落，到2012年為0.0780，基本與1990年的數(shù)值持平。這表明我國區(qū)域經(jīng)濟(jì)水平的整體差異在1978年~1990年、2004年~2012年間有下降趨勢，而在1991年~2003年期間呈擴(kuò)大趨勢。同時(shí)，我國東中西部地區(qū)之間經(jīng)濟(jì)增長的組間差異，在2003年之前基本呈擴(kuò)大態(tài)勢，并在20世紀(jì)90年代初期取代區(qū)域組內(nèi)差異，成為區(qū)域經(jīng)濟(jì)整體差異的最主要因素。同時(shí)，2004年之后東中西部之間經(jīng)濟(jì)差異有減小趨勢，2012年的差異水平已回落至20世紀(jì)90年代初的水平。來東中西部區(qū)域經(jīng)濟(jì)的組內(nèi)差異則大體表現(xiàn)為縮小的趨勢，期間在2000年前后有所回升，但2003年之后又開始下降。具體來說，從表1中可以發(fā)現(xiàn)，我國東部省份內(nèi)部之間的經(jīng)濟(jì)差異雖然在東中西部三者之中最為顯著，但其縮小趨勢也最為明顯，其組內(nèi)泰爾指數(shù)由最開始的0.21（1978年）持續(xù)縮小至0.03（2012年）；中部省份內(nèi)部的人均名義GRP差異在東中西部三者中大致處于中間水平，但與西部差別很小，并且中部西區(qū)的組內(nèi)泰爾指數(shù)大體上也有所下降，由最初的0.039減少至現(xiàn)在的0.023；西部省份之間的差異變化很小，且在20世紀(jì)90年代前期略有擴(kuò)大?？傮w來看，我國區(qū)域經(jīng)濟(jì)增長的組內(nèi)與組間兩種差異變化進(jìn)一步反映了我國區(qū)域經(jīng)濟(jì)增長具有“俱樂部趨同”的特點(diǎn)。

二、區(qū)域經(jīng)濟(jì)增長的相關(guān)性特征

除了差異性之外，區(qū)域經(jīng)濟(jì)之間的相關(guān)性也需要關(guān)注。而Moran''''sI統(tǒng)計(jì)量則是檢驗(yàn)經(jīng)濟(jì)現(xiàn)象全局空間自相關(guān)特征的一種常用指標(biāo)（P.A.PMoran，1950），其計(jì)算公式為：GRP），N為地區(qū)總數(shù)，Wij為空間權(quán)重矩陣。Moran''''sI取值范圍為[-1，1]，其大于0表明變量之間存在空間正相關(guān)，小于0表明變量之間存在空間負(fù)相關(guān)，而等于（或近似為）0，則說明變量為空間零自相關(guān)（即在空間上隨機(jī)分布）。同時(shí)，如果Moran''''sI的絕對值越大，表明變量在空間分布的（正/負(fù)）相關(guān)性越強(qiáng)。同時(shí)，對于Moran''''sI顯著性，可以通過Z值及其對應(yīng)的P值進(jìn)行檢驗(yàn)。根據(jù)（4）式，筆者以各省份省會之間距離的平方為權(quán)重，構(gòu)建了空間權(quán)重矩陣W，進(jìn)而計(jì)算了1978年~2012年我國人均名義GRP與人均實(shí)際GRP的Moran''''sI值。具體見圖3。其中，兩種人均GRP的Moran''''sI值均至少在3%的水平上顯著，且顯著水平也同Moran''''sI值一樣不斷提高。從圖3可以看出，不論是人均名義GRP還是人均實(shí)際GRP，兩者的Moran''''sI值在改革開放之后均呈現(xiàn)出不斷提高的趨勢。其中，人均名義GRP的Moran''''sI雖然在20世紀(jì)90年代初期有略微下降，但整體而言其上升的幅度更大，由最初時(shí)的0.09（1978年）逐漸上升至最高時(shí)的0.45（2010年）；而人均實(shí)際GRP的上升過程則相對平穩(wěn)一些，其最高值為2010年的0.32。綜上所述，我國各省份之間的人均GRP（包括名義與實(shí)際）具有比較顯著的全局正相關(guān)性（或空間集聚性）。在分析全局空間自相關(guān)之后，可以再考察我國區(qū)域經(jīng)濟(jì)增長的局部自相關(guān)特性，這主要通過Moran散點(diǎn)圖進(jìn)行分析，具體如圖4所示。可以看出，擬合曲線的斜率逐漸變大，表明省份人均實(shí)際GRP的全局自相關(guān)特征日趨明顯。同時(shí)，第一象限與第三象限（表示存在局域空間相關(guān)）的點(diǎn)逐步增多，而第二象限與第四象限（表示部存在局域空間相關(guān)）的點(diǎn)則有減少的趨勢。同時(shí)，1978年~2012年間我國各省份的名義GRP與實(shí)際GRP的Moran''''sI均為正，且都至少在10%水平下顯著。綜上所述，我國區(qū)域經(jīng)濟(jì)增長具有空間自相關(guān)特征。

三、基本結(jié)論

篇2

關(guān)鍵詞：就業(yè) 回歸模型 階段性 協(xié)調(diào)性分析

近幾年來，內(nèi)蒙古的經(jīng)濟(jì)增長快的驚人，然而就業(yè)卻呈現(xiàn)了與經(jīng)濟(jì)發(fā)展不協(xié)調(diào)的現(xiàn)狀和階段性的特征，經(jīng)濟(jì)增長拉動的就業(yè)人數(shù)很低。產(chǎn)業(yè)結(jié)構(gòu)不合理，第一產(chǎn)業(yè)就業(yè)比重占很大份額但產(chǎn)值很小；第二產(chǎn)業(yè)產(chǎn)值很高而吸納的就業(yè)人數(shù)卻很小，產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)失衡；第三產(chǎn)業(yè)發(fā)展滯后，吸納就業(yè)能力很弱。

實(shí)證研究

（一）變量和數(shù)據(jù)的選取

本文選取1980-2009年30年間的數(shù)據(jù)，來源于《2010年內(nèi)蒙古統(tǒng)計(jì)年鑒》。主要采用指標(biāo)為：一是衡量經(jīng)濟(jì)增長的量：內(nèi)蒙古國內(nèi)生產(chǎn)總值GDP和各產(chǎn)業(yè)的生產(chǎn)總值GDPi（i=1，2，3）；二是內(nèi)蒙古的就業(yè)人數(shù)，包括總的就業(yè)人數(shù)L和各個產(chǎn)業(yè)的就業(yè)人數(shù)Li（i=1，2，3）。

（二）平穩(wěn)性、協(xié)整、格蘭杰因果關(guān)系檢驗(yàn)

本文采用ADF檢驗(yàn)法對LNGDP和LNL進(jìn)行檢驗(yàn)，經(jīng)檢變量二階差分后是平穩(wěn)的。接著采用Johansen檢驗(yàn)，發(fā)現(xiàn)至少存在一個協(xié)整向量，表明變量之間存在長期均衡關(guān)系。最后進(jìn)行Granger檢驗(yàn)，發(fā)現(xiàn)GDP是L的Granger原因（0.0210.05），它們之間呈單向Granger因果關(guān)系。

（三）經(jīng)濟(jì)增長與總就業(yè)之間的關(guān)系

LNGDP與LNL的散點(diǎn)圖。從圖1可以看到LNGDP與LNL大致呈指數(shù)分布，設(shè)模型為L=aGDPα（α為就業(yè)彈性），變換為LNL=c+α*LNGDP（其中Lna=c），上述模型估計(jì)如下：

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

（131.33）（11.19）

從方程（1）看出，模型在總體程度上擬合不錯，R2=0.81，各變量都通過了檢驗(yàn)。

各產(chǎn)值與各產(chǎn)業(yè)就業(yè)人數(shù)階段性特征

為了能夠深入研究經(jīng)濟(jì)增長與就業(yè)的關(guān)系，從各產(chǎn)業(yè)就業(yè)人數(shù)與各產(chǎn)值之間入手。首先做了各產(chǎn)業(yè)就業(yè)人數(shù)時(shí)序圖，如圖2、圖3、圖4所示（數(shù)據(jù)經(jīng)過sas標(biāo)準(zhǔn)化）。

由圖2、圖3、圖4看出，各產(chǎn)業(yè)的就業(yè)人數(shù)不是持續(xù)增長的，都有一定的間斷性，而各產(chǎn)業(yè)產(chǎn)值卻是持續(xù)增長的，它們之間呈現(xiàn)不協(xié)調(diào)關(guān)系，其中圖3表現(xiàn)最為明顯，從1980開始就業(yè)人數(shù)持續(xù)增長，到1996年突然下降，直到2004年才開始緩慢上升。為了進(jìn)一步分析問題，綜合了圖2、圖3、圖4，分三段進(jìn)行研究。第一段從1980-1995年；第二段從1996-2004年，第三段從2005-2009年。

（一）第一階段各產(chǎn)值和就業(yè)人數(shù)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）各變量都通過了檢驗(yàn)，各方程在整體上擬合還不錯。在第一時(shí)間段中，無論是第一、二產(chǎn)業(yè)還是第三產(chǎn)業(yè)，它們都對就業(yè)起到了拉動作用。第一產(chǎn)業(yè)拉動就業(yè)的彈性為0.04；第二產(chǎn)業(yè)為0.25；第三產(chǎn)業(yè)為0.34。第三產(chǎn)業(yè)吸納的就業(yè)空間最大。

第一階段從1980年到1995年，這時(shí)恰值“六五”“七五”和“八五”是改革開放初中期，內(nèi)蒙古的經(jīng)濟(jì)在粗放型的增長方式下運(yùn)行，非農(nóng)經(jīng)濟(jì)有了很大的發(fā)展，所吸納的就業(yè)人數(shù)空間很大，呈現(xiàn)出每個產(chǎn)業(yè)產(chǎn)值增加都能帶動產(chǎn)業(yè)就業(yè)人數(shù)的增加的特點(diǎn)。

（二） 第二階段各產(chǎn)值和就業(yè)人數(shù)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）通過了檢驗(yàn)且擬合良好，其余方程都沒有通過檢驗(yàn)，擬合效果較差。情況不如第一階段，第一產(chǎn)業(yè)拉動就業(yè)彈性0.04；第二產(chǎn)業(yè)為-0.33；第三產(chǎn)業(yè)為0.11。經(jīng)濟(jì)增長只對第一、三產(chǎn)業(yè)起到了拉動作用且很小，而對第二產(chǎn)業(yè)就業(yè)人數(shù)的拉動反而是負(fù)的，這說明經(jīng)濟(jì)的增長并不一定能帶來就業(yè)人數(shù)的同步增加，這與經(jīng)濟(jì)理論相背離。產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)呈現(xiàn)不協(xié)調(diào)現(xiàn)狀。

第二階段從1996年到2004年，這時(shí)恰值“九五”和“十五”。內(nèi)蒙古經(jīng)濟(jì)發(fā)展較快，也是產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級、經(jīng)濟(jì)增長方式轉(zhuǎn)變的重要時(shí)期。這時(shí)期經(jīng)濟(jì)的增長對就業(yè)的拉動作用變得緩慢，第二產(chǎn)業(yè)的就業(yè)彈性還是負(fù)數(shù)，出現(xiàn)了“排斥”現(xiàn)象。

（三）第三階段各產(chǎn)值和就業(yè)人數(shù)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）沒有通過檢驗(yàn)且擬合效果較差。第三階段情況還是不如第一階段，第一產(chǎn)業(yè)拉動就業(yè)的彈性為0.03；第二產(chǎn)業(yè)為0.16；第三產(chǎn)業(yè)為0.23，雖然對就業(yè)的拉動都是正作用，但全都是小于第一階段。

第三階段從2005年到2009年，這時(shí)恰值“十一五”，內(nèi)蒙古經(jīng)濟(jì)增長方式，產(chǎn)業(yè)結(jié)構(gòu)趨于合理化，較第二階段情況有所好轉(zhuǎn)，每個產(chǎn)業(yè)的產(chǎn)值增加都能帶動各產(chǎn)業(yè)的就業(yè)人數(shù)的增加，但還是弱于第一段。

各產(chǎn)值與各產(chǎn)業(yè)就業(yè)人數(shù)協(xié)調(diào)性分析

（一）產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)結(jié)構(gòu)不符

從表1看出1980年內(nèi)蒙古第一、二、三產(chǎn)業(yè)的比例為26.4∶47.2∶26.4，同期第一、二、三產(chǎn)業(yè)就業(yè)人數(shù)比例為65.97∶18.57∶15.46；2009年內(nèi)蒙古第一、二、三產(chǎn)業(yè)比例為9.5∶52.5∶38，同期第一、二、三產(chǎn)業(yè)的就業(yè)人數(shù)比例為48.84∶16.92∶34.24。由此看出，在這三十年中第一產(chǎn)業(yè)的產(chǎn)值比重下降了16.9%，就業(yè)比重下降17.13%；第二產(chǎn)業(yè)的產(chǎn)值比重上升5.3%，就業(yè)比重下降1.65%；第三產(chǎn)業(yè)產(chǎn)值比重上升11.6%，就業(yè)比重上升18.78% 。第一產(chǎn)業(yè)呈現(xiàn)“產(chǎn)值低，就業(yè)高”的特點(diǎn)，這顯然是不合理的。這說明農(nóng)村牧區(qū)存在著大量的富裕勞動力，大量的勞動力積壓在第一產(chǎn)業(yè)上，導(dǎo)致了農(nóng)牧民的低收入，低消費(fèi)，成為第二、三產(chǎn)業(yè)進(jìn)一步發(fā)展的障礙。

第二產(chǎn)業(yè)產(chǎn)值比重很大，但就業(yè)人數(shù)比重急劇的減少，呈現(xiàn)“產(chǎn)值高，就業(yè)低”的特點(diǎn)。從1980年的產(chǎn)業(yè)比重上升了5.3%，同期就業(yè)比重卻下降了1.65%。這說明第二產(chǎn)業(yè)的發(fā)展排斥勞動力。內(nèi)蒙古的工業(yè)結(jié)構(gòu)不合理，主要發(fā)展重工業(yè)，輕工業(yè)發(fā)展較慢。大量的資金都集中于重化工業(yè)行業(yè)，工業(yè)勞動密集型產(chǎn)業(yè)不斷地萎縮。資本密集型產(chǎn)業(yè)會導(dǎo)致勞動力資源的大量閑置和浪費(fèi)，造成過高的失業(yè)率。投資的高增長率主要帶來的只是就業(yè)者的人均資本準(zhǔn)備水平的提高，拉動就業(yè)的作用較差，這是內(nèi)蒙古投資主導(dǎo)經(jīng)濟(jì)的快速發(fā)展而就業(yè)彈性卻下降的原因所在（劉仙梅，2007）。第三產(chǎn)業(yè)發(fā)展速度緩慢，從這三十年中，第三產(chǎn)業(yè)的產(chǎn)值比重上升11.6%，第三產(chǎn)業(yè)就業(yè)比重上升18.78%

（二）外部環(huán)境和政策的影響

“九五”和“十五”期間內(nèi)蒙古受市場經(jīng)濟(jì)體制改革、亞洲金融危機(jī)和區(qū)內(nèi)外企業(yè)競爭的影響，大批虧損國有企業(yè)，集體企業(yè)不得不破產(chǎn)，兼并或調(diào)整結(jié)構(gòu)，從而導(dǎo)致了大量的富余職工失去原有的工作崗位淪為失業(yè)人員，成為了第二產(chǎn)業(yè)勞動力凈流出的原因。自1999年實(shí)施西部大開發(fā)以來，內(nèi)蒙古實(shí)施了更加傾斜的財(cái)政支付政策，而這些財(cái)政支出大多數(shù)都投放在能源和基礎(chǔ)原材料等開發(fā)項(xiàng)目上。這些項(xiàng)目雖然耗資很大，帶來經(jīng)濟(jì)的快速發(fā)展，但吸納的就業(yè)空間很有限。

政策建議

由上述分析可知，今后內(nèi)蒙古仍面臨很大的就業(yè)壓力。經(jīng)濟(jì)增長雖然是就業(yè)增長的前提條件，也是解決失業(yè)問題的根本出路，但經(jīng)濟(jì)增長并不一定能拉動就業(yè)增長，如果不實(shí)施一些輔助措施，經(jīng)濟(jì)增長不一定直接轉(zhuǎn)化為就業(yè)機(jī)會（李湘合等，2006）。因此提出以下幾方面的建議：

一是無論是哪個階段，第三產(chǎn)業(yè)產(chǎn)值的增加對就業(yè)人數(shù)的拉動作用是最大的，所以要充分挖掘第三產(chǎn)業(yè)的就業(yè)空間，內(nèi)蒙古有豐富的自然資源和獨(dú)特的自然、人文景觀。應(yīng)該大力發(fā)展旅游業(yè)、房地產(chǎn)、奶制品等為主導(dǎo)的第三產(chǎn)業(yè)。二是實(shí)行有利于擴(kuò)大就業(yè)的經(jīng)濟(jì)發(fā)展戰(zhàn)略合理化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)勞動密集型產(chǎn)業(yè)的發(fā)展。三是鼓勵和支持非國有經(jīng)濟(jì)和中小企業(yè)的發(fā)展，發(fā)展那些能吸納就業(yè)人數(shù)多的個體和私營經(jīng)濟(jì)，廣辟就業(yè)門路，多渠道地?cái)U(kuò)大就業(yè)。

參考文獻(xiàn)：

1.劉仙梅.內(nèi)蒙古經(jīng)濟(jì)增長與擴(kuò)大就業(yè)的關(guān)系研究[J].經(jīng)濟(jì)論壇，2007（11）

2.齊建國.中國經(jīng)濟(jì)的最大威脅是就業(yè)彈性急劇下降[J].世界經(jīng)濟(jì)，2000（3）

3.雍紅月，李松林.內(nèi)蒙古人口就業(yè)與經(jīng)濟(jì)增長的實(shí)證分析[J].人口與經(jīng)濟(jì)，2004（2）

篇3

Gaggl和Steindl(2007)、Steindl和Tichy(2009)、Priesmeier和Sthler(2011)，以及盧二坡(2008)對宏觀波動影響經(jīng)濟(jì)增長的文獻(xiàn)進(jìn)行了綜述，曹永福(2007)則綜述了美國經(jīng)濟(jì)“大緩和”及其成因的相關(guān)文獻(xiàn)，以下結(jié)合其他學(xué)者的研究分別進(jìn)行概述。

(一)國外有關(guān)宏觀波動影響經(jīng)濟(jì)增長的理論研究通過將“技術(shù)創(chuàng)新”和“干中學(xué)”等內(nèi)生經(jīng)濟(jì)增長因素納入真實(shí)經(jīng)濟(jì)周期理論及其拓展模型，可從理論上解釋經(jīng)濟(jì)增長與宏觀波動的關(guān)系，但既有研究并無定論。主要包括:(1)標(biāo)準(zhǔn)封閉式經(jīng)濟(jì)增長模型認(rèn)為，資本積累推動經(jīng)濟(jì)增長，但宏觀波動對投資和經(jīng)濟(jì)增長的影響具有兩面性:波動及不確定性一方面會加大家庭預(yù)防性儲蓄和投資，且更高的風(fēng)險(xiǎn)規(guī)避度和跨期替代彈性予以強(qiáng)化(Jones等，2005a、2005b;Wang和Wen，2011);另一方面，不確定性也會導(dǎo)致經(jīng)風(fēng)險(xiǎn)調(diào)整的預(yù)期回報(bào)率下降并減少投資(Kebs，2003)［10］。(2)考慮“創(chuàng)造性破壞”機(jī)制的模型認(rèn)為，企業(yè)在衰退期會因機(jī)會成本更低而加大研發(fā)投資，且優(yōu)勝劣汰提升生產(chǎn)率，宏觀波動和經(jīng)濟(jì)增長正相關(guān)。該結(jié)論要求金融市場完備，但融資約束使企業(yè)在衰退期面臨更大流動性風(fēng)險(xiǎn)，會削減投資，經(jīng)濟(jì)增長與波動可能負(fù)相關(guān)(Aghion等，2010)［11］。該理論認(rèn)為創(chuàng)新投資有逆周期性也受到質(zhì)疑(Barlevy，2007)［12］。(3)考慮“干中學(xué)”機(jī)制的模型強(qiáng)調(diào)人力資本和知識積累在生產(chǎn)率提升和經(jīng)濟(jì)增長中的作用，在衰退期，雇傭率下降，宏觀波動和經(jīng)濟(jì)增長負(fù)相關(guān)(Martin和Rogers，1997)［13］。但考慮知識積累函數(shù)呈邊際收益遞增時(shí)，經(jīng)濟(jì)增長與波動可能正相關(guān)(Canton，2002)［14］。(4)其他更復(fù)雜的研究認(rèn)為，理論模型選擇、參數(shù)設(shè)定、沖擊的不同類型等均影響經(jīng)濟(jì)增長與波動的相關(guān)性(如，Annicchiarico等，2011;Annicchiarico和Pelloni，2014)。

(二)國外有關(guān)宏觀波動影響經(jīng)濟(jì)增長的實(shí)證研究少數(shù)宏觀波動影響經(jīng)濟(jì)增長的實(shí)證研究利用行業(yè)或地區(qū)面板數(shù)據(jù)(如，Imbs，2007)，大量研究則基于跨國宏觀面板數(shù)據(jù)和國別宏觀時(shí)間序列數(shù)據(jù)進(jìn)行，但同樣沒有一致性結(jié)論:(1)基于跨國面板數(shù)據(jù)的多數(shù)研究認(rèn)為，宏觀波動對應(yīng)的不確定性導(dǎo)致資源錯配，并阻礙經(jīng)濟(jì)增長(Ramey和Ramey，1995;Norrbin和PinarYigit，2005)。也有研究認(rèn)為，宏觀波動與經(jīng)濟(jì)增長表現(xiàn)為與“風(fēng)險(xiǎn)－收益”類似的正相關(guān)(Grier和Tullock，1989)［20］。(2)基于國別時(shí)間序列數(shù)據(jù)的實(shí)證研究一般采用各種GARCH-M模型進(jìn)行，有研究認(rèn)為，在美國、英國、日本等G7國家，宏觀波動對經(jīng)濟(jì)增長具有正效應(yīng)(Fountas和Karanasos，2007)［21］;但Bredin等(2009)、Bredin和Founta(2009)卻發(fā)現(xiàn)，在部分亞洲和歐盟國家，宏觀波動和經(jīng)濟(jì)增長負(fù)相關(guān);還有研究認(rèn)為，在美國、日本及其他OECD國家，產(chǎn)出波動和經(jīng)濟(jì)增長無顯著相關(guān)性(Grier和Perry，2000;Wil-son，2006)［。(3)部分研究認(rèn)為，宏觀波動對經(jīng)濟(jì)增長的影響具有階段性，非對稱性和非線性特征:少數(shù)研究關(guān)注經(jīng)濟(jì)發(fā)展階段對“宏觀波動－經(jīng)濟(jì)增長”關(guān)系的影響，如Kose等(2006)認(rèn)為貿(mào)易和金融一體化顯著弱化了波動對經(jīng)濟(jì)增長的負(fù)效應(yīng)［26］;Koren和Tenreyro(2007，2013)認(rèn)為［27］－［28］，隨著一國經(jīng)濟(jì)發(fā)展，經(jīng)濟(jì)結(jié)構(gòu)將轉(zhuǎn)向波動更小產(chǎn)業(yè)，且投入趨于多元化，運(yùn)用熟練技能和技術(shù)的廣度趨于深化，沖擊引致的波動更低，經(jīng)濟(jì)增長與波動因此負(fù)相關(guān)。宏觀波動對經(jīng)濟(jì)增長的影響還有非對稱性，如:Neanidis等(2013)發(fā)現(xiàn)G7國家的宏觀波動對經(jīng)濟(jì)增長的正效應(yīng)主要存在于低增長狀態(tài)，但Henry和Olekalns(2002)、Kim和Kim(2010)卻發(fā)現(xiàn)美國宏觀波動在繁榮和衰退期分別對經(jīng)濟(jì)增長有正、負(fù)效應(yīng)［30］－［31］。研究宏觀波動對經(jīng)濟(jì)增長的影響還需考慮二者的非線性特征，如:Fang和Miller(2008、2009)采用帶結(jié)構(gòu)突變點(diǎn)的GARCH-M模型［32］－［33］，證實(shí)了在日本和美國，經(jīng)濟(jì)增長與其波動無顯著相關(guān)性。但這一結(jié)論并不穩(wěn)健，如:采用類似方法，F(xiàn)ang和Miller(2014)發(fā)現(xiàn)宏觀波動對經(jīng)濟(jì)增長的正效應(yīng)在美國、日本等國家顯著［34］728;Fang等(2008)選取美國、日本等6國為研究對象，卻發(fā)現(xiàn)宏觀波動對經(jīng)濟(jì)增長的顯著影響僅在日本存在，且為負(fù)相關(guān)。

(三)中國宏觀波動影響經(jīng)濟(jì)增長的相關(guān)研究利用各種GARCH-M模型和宏觀數(shù)據(jù)的研究:基于月度數(shù)據(jù)，劉金全、張鶴(2003)證實(shí)了產(chǎn)出波動與經(jīng)濟(jì)增長正相關(guān)［36］32，Laurenceson和Rodgers(2010)也認(rèn)為二者正相關(guān)或不相關(guān)，但不存在負(fù)相關(guān)。基于年度數(shù)據(jù)，劉金全等(2005)認(rèn)為產(chǎn)出波動與經(jīng)濟(jì)增長正相關(guān)［38］5，徐偉(2013)、李永友(2006)則分別認(rèn)為二者有顯著或不顯著的負(fù)相關(guān)性［39］54，［40］8;盧二坡、呂介民(2012)還證實(shí)了產(chǎn)出波動對經(jīng)濟(jì)增長的作用在衰退期為負(fù)、繁榮期為正?；谑‰H面板數(shù)據(jù)的研究:杜兩省等(2011)認(rèn)為產(chǎn)出波動與經(jīng)濟(jì)增長顯著負(fù)相關(guān)［42］;盧二坡、王澤填(2007)證實(shí)了二者在改革開放前負(fù)相關(guān)，而后在多數(shù)省份表現(xiàn)為正相關(guān)。盧二坡、曾五一(2008)，陳昆亭等(2012)則分別將改革開放前后產(chǎn)出波動與經(jīng)濟(jì)增長相關(guān)性的差異歸因于市場化進(jìn)程加快，以及教育投入和人力資本積累增加。此外，邵軍、徐康寧(2011)發(fā)現(xiàn)，經(jīng)濟(jì)向下波動反而促進(jìn)技術(shù)進(jìn)步，支持“創(chuàng)造性破壞”的觀點(diǎn)。

(四)國內(nèi)外宏觀波動“大緩和”的相關(guān)研究美國及其他工業(yè)化國家的宏觀經(jīng)濟(jì)波動于20世紀(jì)80年代后相繼進(jìn)入“大緩和”時(shí)期，究其成因，大致包括外部沖擊減弱、信息技術(shù)與庫存管理改善、經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)向波動更小的產(chǎn)業(yè)、貨幣政策的成功運(yùn)用、金融創(chuàng)新與金融市場完善、技術(shù)進(jìn)步與全要素生產(chǎn)率波動下降等多個方面(曹永福，2007)。此外，次貸危機(jī)盡管導(dǎo)致工業(yè)化國家宏觀波動快速而短暫攀升，但仍于2010年初回落，“大緩和”仍將持續(xù)(Clark，2009;Charles等，2014)［47］－［48］。就中國而言，劉樹成(2000)較早認(rèn)為經(jīng)濟(jì)波動將從大起大落轉(zhuǎn)向微波化［49］，并認(rèn)為從21世紀(jì)開始，經(jīng)濟(jì)波動將表現(xiàn)為適度高位平滑化特征(劉樹成等，2005)［50］。劉金全、劉志剛(2005)發(fā)現(xiàn)，產(chǎn)出波動于1997年前后表現(xiàn)為“凸型”特征，并伴隨投資、政府支出和凈出口波動降低［51］。張成思(2010)發(fā)現(xiàn)，經(jīng)濟(jì)增長、通脹、貨幣供給、有效匯率等宏觀經(jīng)濟(jì)變量波動在20世紀(jì)90年代中期均發(fā)生顯著結(jié)構(gòu)性轉(zhuǎn)變［52］。林建浩、王美今(2013)證實(shí)了“大緩和”在次貸危機(jī)前中斷，且于2010年初重返“低波動、高增長”狀態(tài)。大量研究還認(rèn)為，結(jié)構(gòu)性沖擊減弱、貨幣政策更為完善、國際貿(mào)易發(fā)展，以及市場化進(jìn)程等因素均有助于解釋中國宏觀波動“大緩和”(如:雎國余、藍(lán)一，2005;殷劍鋒，2010;萬曉莉，2011;洪占卿、郭峰，2012;He等，2013;He，2014)。

(五)文獻(xiàn)簡評綜上所述，融合真實(shí)經(jīng)濟(jì)周期理論、內(nèi)生經(jīng)濟(jì)增長理論的研究盡管認(rèn)同宏觀波動對經(jīng)濟(jì)增長的影響，但其相互關(guān)系受到諸多因素制約，理論研究并無定論。由此，從客觀數(shù)據(jù)出發(fā)，探究宏觀波動影響經(jīng)濟(jì)增長的經(jīng)驗(yàn)證據(jù)尤為重要。然而，實(shí)證研究同樣無法給出一致性答案，特別的，與本文研究對應(yīng)，既有基于國別宏觀數(shù)據(jù)的研究在以下方面有待完善:(1)國內(nèi)研究在經(jīng)濟(jì)增長指標(biāo)和數(shù)據(jù)頻率的選取方面并不恰當(dāng)。Statsny和Zagler(2007)指出［59］2，利用時(shí)間序列數(shù)據(jù)考察宏觀波動對經(jīng)濟(jì)增長影響時(shí)，廣為采用的GARCH-M模型需注意:其一，與其在金融市場運(yùn)用一致，應(yīng)采用高頻數(shù)據(jù)“捕捉”波動集聚性;其二，樣本區(qū)間應(yīng)足夠長，以避免待估參數(shù)較多導(dǎo)致的結(jié)論不穩(wěn)健。從國內(nèi)研究來看，少數(shù)學(xué)者采用年度和季度GDP數(shù)據(jù)度量經(jīng)濟(jì)增長，數(shù)據(jù)頻率相對較低，樣本區(qū)間也相對較短;還有研究將季度GDP增長率分解為月度數(shù)據(jù)，盡管滿足“高頻”需求，但并沒有增加有效信息量。(2)Statsny和Zagler(2007)認(rèn)為［59］3，宏觀波動對經(jīng)濟(jì)增長的影響應(yīng)考慮序列結(jié)構(gòu)突變，但國內(nèi)研究并未加以關(guān)注，由此導(dǎo)致波動平穩(wěn)性和持續(xù)性的誤判。如:劉金全、張鶴(2003)選取GARCH(1，1)模型描述經(jīng)濟(jì)增長條件方差［36］34，α1和α2分別為0．8150和0．4489，波動持續(xù)性參數(shù)(α1+α2)＞1;劉金全等(2005)采用ARMA(1，2)-ARCH(1)-M模型描述經(jīng)濟(jì)增長與宏觀波動關(guān)系［38］7，α1=1．6380＞1，條件波動均不平穩(wěn)。又如:李永友(2006)用GARCH(1，1)模型刻畫經(jīng)濟(jì)增長波動［40］12，(α1+α2)高達(dá)0．99和0．97(分別以GDP和人均GDP度量經(jīng)濟(jì)增長)，選用TGARCH(1，1)模型時(shí)(α1+α2)則為0．92和0．95;徐偉(2013)選取ARMA(1，2)-GARCH(1，1)和ARMA(1，2)-GARCH(1，1)-M模型刻畫宏觀波動與經(jīng)濟(jì)增長關(guān)系［39］56，(α1+α2)的估計(jì)值也分別高達(dá)0．99和0．95，即宏觀波動均表現(xiàn)為高持續(xù)性。(3)既有國內(nèi)外研究均未關(guān)注到“宏觀波動－經(jīng)濟(jì)增長”關(guān)系的階段性特征，以及次貸危機(jī)對此的影響，因而無助于后危機(jī)時(shí)代重新審視宏觀波動對經(jīng)濟(jì)增長的作用機(jī)制。少數(shù)國內(nèi)外研究關(guān)注到經(jīng)濟(jì)發(fā)展階段、高低增長狀態(tài)，以及改革開放、全球化、市場化進(jìn)程等對“宏觀波動－經(jīng)濟(jì)增長”關(guān)系的影響，但均未界定經(jīng)濟(jì)周期并分階段予以考察。Fang和Miller等學(xué)者在結(jié)構(gòu)突變點(diǎn)分析基礎(chǔ)上考察了宏觀波動對經(jīng)濟(jì)增長的影響，但結(jié)論并不穩(wěn)健甚至前后矛盾，可能的原因是:盡管區(qū)分了經(jīng)濟(jì)增長與宏觀波動各自的階段性特征，但并未考慮到二者關(guān)系也會呈現(xiàn)出階段性差異，即二者不存在全樣本區(qū)間內(nèi)、一致性的正相關(guān)或負(fù)相關(guān)。(4)如何結(jié)合高頻數(shù)據(jù)判定經(jīng)濟(jì)增長及其波動的結(jié)構(gòu)突變與階段性特征，國內(nèi)學(xué)者也未予以關(guān)注。既有國內(nèi)外研究均認(rèn)同宏觀波動“大緩和”的存在，且次貸危機(jī)僅造成短暫沖擊而未改變波動平穩(wěn)化趨勢。就檢驗(yàn)數(shù)據(jù)來看，相關(guān)研究多基于季度GDP增長率進(jìn)行，但國內(nèi)數(shù)據(jù)樣本量相對偏少，選取月度增長率指標(biāo)不但能極大拓展樣本容量，且能對比檢驗(yàn)既有研究結(jié)論的穩(wěn)健性，也能為考察“宏觀波動－經(jīng)濟(jì)增長”階段性關(guān)系提供有力支撐。針對既有研究的不足，本文選取1993年以來規(guī)模以上工業(yè)增加值的月度同比增長率高頻數(shù)據(jù)，結(jié)合結(jié)構(gòu)突變分析考察經(jīng)濟(jì)增長、宏觀波動，以及二者關(guān)系的階段性特征。論文創(chuàng)新性如下:(1)內(nèi)生結(jié)構(gòu)突變點(diǎn)判別發(fā)現(xiàn)，經(jīng)濟(jì)增長及其波動分別有2個和3個突變點(diǎn)，經(jīng)濟(jì)增長呈現(xiàn)“降－升－降”的分段趨勢，宏觀波動可分為“高－低－高－低”4個時(shí)段，這一結(jié)論和既有基于季度數(shù)據(jù)的研究有別，且與直觀圖示和經(jīng)濟(jì)趨勢更為相符。(2)在AR(p)-GARCH(1，1)模型中納入上述均值和條件波動突變啞變量，可“捕捉”經(jīng)濟(jì)增長序列的高自相關(guān)、非正態(tài)性，與國內(nèi)研究不同，宏觀波動的高持續(xù)性不復(fù)存在。(3)與國內(nèi)外研究不同，含均值、條件波動雙突變的AR(p)-GARCH(1，1)-M模型檢驗(yàn)表明，宏觀波動對經(jīng)濟(jì)增長存在階段性影響，在經(jīng)濟(jì)增長趨緩時(shí)二者正相關(guān)、經(jīng)濟(jì)增長向好時(shí)負(fù)相關(guān)，具體為:宏觀波動整體上對經(jīng)濟(jì)增長有不顯著的負(fù)效應(yīng);結(jié)合經(jīng)濟(jì)增長的分段趨勢，宏觀波動在經(jīng)濟(jì)增長的第一、二階段分別對其具有顯著的正效應(yīng)和負(fù)效應(yīng)，在第三階段有不顯著的正效應(yīng);考慮次貸危機(jī)影響后，宏觀波動在經(jīng)濟(jì)增長的第三階段對其有較顯著的正效應(yīng)。

二、數(shù)據(jù)來源與研究設(shè)計(jì)

本文將基于中國經(jīng)濟(jì)增長的時(shí)間序列數(shù)據(jù)，采用含結(jié)構(gòu)突變的AR(p)-GARCH(1，1)-M模型研究宏觀波動對經(jīng)濟(jì)增長的階段性影響，數(shù)據(jù)來源與研究設(shè)計(jì)如下:

(一)數(shù)據(jù)來源與預(yù)處理既有研究認(rèn)為，改革開放和市場化進(jìn)程是影響中國宏觀波動“大緩和”及其與經(jīng)濟(jì)增長關(guān)系的重要因素，鑒于1992年底黨的十四大明確提出了“經(jīng)濟(jì)體制改革的目標(biāo)是建立社會主義市場經(jīng)濟(jì)體制”，由此選取1993年1月至2014年12月為實(shí)證樣本區(qū)間。同時(shí)考慮到滯后項(xiàng)影響，在數(shù)據(jù)預(yù)處理時(shí)還納入了1992年7月－12月數(shù)據(jù)，所用數(shù)據(jù)源于Wind咨詢。選取規(guī)模以上工業(yè)增加值的月度同比增長率(IPt)作為經(jīng)濟(jì)增長變量，原因如下:有部分研究采用了這一做法;滿足高頻數(shù)據(jù)要求;有相對較長的樣本區(qū)間;符合樣本區(qū)間內(nèi)我國處于工業(yè)化階段的事實(shí);通過圖示發(fā)現(xiàn)樣本區(qū)間內(nèi)該指標(biāo)與GDP增長率表現(xiàn)為相同趨勢。數(shù)據(jù)預(yù)處理:(1)因春節(jié)影響，工業(yè)增加值增長率序列{IPt}的部分1、2月數(shù)據(jù)值缺失，在此采用三次樣條函數(shù)插值予以補(bǔ)全。(2)由于異常點(diǎn)會影響研究結(jié)論穩(wěn)健性，借鑒Fang和Miller(2014)的方法［34］733，對{IPt}序列，利用|IPt－mean|＞k．SD來識別異常值(其中mean和SD分別為均值和標(biāo)準(zhǔn)差)，一般取k=3，這也符合一般的3σ原則，能基本保證識別出的異常值數(shù)量適度。(3)異常點(diǎn)的修正:估計(jì)AR(p)-GARCH(1，1)模型，其滯后項(xiàng)階數(shù)p由“t-sig”準(zhǔn)則確定(選擇最大滯后期為6，顯著性水平為5%，從最大滯后階數(shù)開始檢驗(yàn)，直到滿足顯著性水平終止，以確定對應(yīng)滯后項(xiàng)階數(shù))，再用模型所得預(yù)測值替代異常值。后繼研究均基于經(jīng)異常值修正后的{IPt}序列進(jìn)行，且主要采用SAS9．1軟件進(jìn)行數(shù)據(jù)處理。

(二)研究設(shè)計(jì)1．經(jīng)濟(jì)增長及其波動序列的結(jié)構(gòu)突變點(diǎn)判別選取Bai和Perron(1998，2003，2000)等提出的方法［60］49－52，［62］，并借鑒其提供的GAUSS程序檢驗(yàn)經(jīng)濟(jì)增長變量及其波動的內(nèi)生結(jié)構(gòu)突變點(diǎn)。該方法由Bai和Perron(1998)提出［60］49－52，通過全局最小化殘差平方和得到可能的多個突變點(diǎn)，然后據(jù)以下統(tǒng)計(jì)量加以檢驗(yàn):F統(tǒng)計(jì)量的上確界檢驗(yàn)(SupF)、雙極大值檢驗(yàn)(UDmax和WDmax)、序貫檢驗(yàn)(SupF(l+1|l))等。Bai和Perron(1998，2003)還考察了這一方法的實(shí)際運(yùn)用問題［60］56－65，［61］，并認(rèn)為:當(dāng)樣本容量不大時(shí)，截?cái)鄥?shù)(trimmingparameter)選取較小會導(dǎo)致規(guī)模扭曲(sizedistortion);序貫統(tǒng)計(jì)量SupF(l+1|l)的檢驗(yàn)勢最高，但存在多個突變點(diǎn)時(shí)，對SupF(1|0)的檢驗(yàn)往往難以拒絕原假設(shè)。因此，在實(shí)際應(yīng)用時(shí)，可考慮如下策略:先用UDmax或WDmax檢驗(yàn)是否至少存在1個突變點(diǎn)，若是，再用SupF(l+1|l)依次檢驗(yàn)是否存在2個以上突變點(diǎn)。

三、實(shí)證檢驗(yàn)

(一)經(jīng)濟(jì)增長變量的描述性統(tǒng)計(jì)與平穩(wěn)性分析數(shù)據(jù)預(yù)處理:首先對{IPt}序列進(jìn)行插值，1992年7月至2014年12月共涉及27個樣本;然后結(jié)合3σ原則和AR(p)-GARCH(1，1)模型，判別并修正了5個異常值點(diǎn)。表1列示了經(jīng)上述修正后的{IPt}序列的初步考察結(jié)果(1993年1月～2014年12月)。據(jù)表1數(shù)據(jù)，對{IPt}序列而言:JB統(tǒng)計(jì)量表明，1%顯著性水平下拒絕正態(tài)性假設(shè);無論是檢驗(yàn)自相關(guān)的廣義DW統(tǒng)計(jì)量，還是檢驗(yàn)異方差的LM和LBQ2統(tǒng)計(jì)量，均表明序列具有非常強(qiáng)而顯著的自相關(guān)和ARCH效應(yīng);采用ADF檢驗(yàn)平穩(wěn)性，基于AIC準(zhǔn)則判別滯后階數(shù)(最大滯后階數(shù)設(shè)定為6)，發(fā)現(xiàn)序列基本滿足平穩(wěn)性條件。以上分析表明，{IPt}序列存在明顯的自相關(guān)、異方差和非正態(tài)特征，且滿足平穩(wěn)性要求。可考慮納入序列的結(jié)構(gòu)突變點(diǎn)，運(yùn)用AR-GARCH類模型進(jìn)行后繼研究。

(二)經(jīng)濟(jì)增長變量及其波動的結(jié)構(gòu)突變點(diǎn)檢驗(yàn)主要依據(jù)序貫檢驗(yàn)判別{IPt}序列突變點(diǎn)個數(shù)與位置:鑒于樣本觀測數(shù)為264，且檢驗(yàn)式中含有自回歸項(xiàng)，選取截?cái)鄥?shù)為0．15并設(shè)置最大突變點(diǎn)數(shù)為5。判別{IPt}波動序列的突變點(diǎn)時(shí)，鑒于檢驗(yàn)式中無自回歸項(xiàng)，選取截?cái)鄥?shù)為0．2，最大突變點(diǎn)數(shù)為3。按照t-sig準(zhǔn)則，可判別{IPt}序列的最大自相關(guān)滯后階數(shù)為3(見表1);據(jù)此結(jié)合前述Step2方法檢驗(yàn)序列的內(nèi)生結(jié)構(gòu)突變點(diǎn)，結(jié)果如表2所示。由表2可見:5%的顯著性水平下，純結(jié)構(gòu)突變模型、部分結(jié)構(gòu)突變模型均可檢測出{IPt}序列存在2個突變點(diǎn)。這兩種模型檢測到的第一個突變點(diǎn)較為一致，但第二個突變點(diǎn)存在較大差異。由于純結(jié)構(gòu)突變模型的設(shè)置更為靈活，以其所得突變點(diǎn)為準(zhǔn)，進(jìn)行后繼研究。對純結(jié)構(gòu)突變模型而言，所得2個突變點(diǎn)將樣本區(qū)間劃分為3個時(shí)期，即:1993年初至1998年中，經(jīng)濟(jì)在過熱之后趨于下行(軟著陸);1998年7月至2009年中，經(jīng)濟(jì)增長在筑底反彈之后趨于上升，且因次貸危機(jī)沖擊而出現(xiàn)短暫的深度下調(diào)與快速的回升;2009年7月至2014年底，經(jīng)濟(jì)增長在后危機(jī)時(shí)代回落并進(jìn)入“新常態(tài)”。據(jù)前述Step3的方法得到{IPt}序列的條件波動，并依據(jù)Step4的方法對其進(jìn)行結(jié)構(gòu)突變點(diǎn)判別，5%的顯著性水平下，得到3個突變點(diǎn)，如表3所示。據(jù)表3，盡管SupF(3|2)未通過檢驗(yàn)，但按照信息準(zhǔn)則，BIC和LWZ檢驗(yàn)均判別為3個突變點(diǎn)，對應(yīng)統(tǒng)計(jì)量值分別為1．10和1．25，均通過5%顯著性檢驗(yàn)，且序貫檢驗(yàn)總體上判斷{IPt}序列的條件波動有3個突變點(diǎn)，分別為1997年底4月、2006年4月和2010年8月。這3個突變點(diǎn)將條件波動分為4個時(shí)段，期間條件方差均值分別為4．87、1．12、2．90和0．81。結(jié)合突變點(diǎn)位置，由圖1可知:伴隨市場化改革進(jìn)程，經(jīng)濟(jì)增長呈現(xiàn)三階段特征。此外，宏觀波動也呈現(xiàn)階段性“大緩和”特征:從1993年初到1997年中期，伴隨經(jīng)濟(jì)過熱及其治理，宏觀波動處于高位;隨后經(jīng)濟(jì)軟著陸，宏觀波動處于較低水平;受經(jīng)濟(jì)過熱及次貸危機(jī)影響，宏觀波動于2006年中之后再次攀升至高位，并于2010下半年開始重新回歸平穩(wěn)化。由此可見，經(jīng)濟(jì)過熱、外在沖擊等因素增加不確定性，宏觀波動趨高，反之則趨于緩和。從宏觀波動“高”或“低”的4個時(shí)段來看:第一、三階段，即波動維持高位的時(shí)間不到4．5年;對波動平穩(wěn)化時(shí)期，第二階段為9年，第四階段截止2014年底將近4．5年且預(yù)期仍可持續(xù)。

(三)宏觀經(jīng)濟(jì)波動對經(jīng)濟(jì)增長的階段性影響檢驗(yàn)首先檢驗(yàn)考慮{IPt}序列及其條件波動結(jié)構(gòu)突變的AR(p)-GARCH(1，1)模型，并結(jié)合殘差分析表明其有效性;在此基礎(chǔ)上估計(jì)均值、波動雙突變的AR(p)-GARCH(1，1)-M模型，驗(yàn)證宏觀波動與經(jīng)濟(jì)增長的關(guān)系具有階段性特征;最后基于次貸危機(jī)視角，再次考察宏觀波動與經(jīng)濟(jì)增長的關(guān)系，以證明次貸危機(jī)前后“宏觀波動－經(jīng)濟(jì)增長”關(guān)系發(fā)生了改變。1．宏觀波動與經(jīng)濟(jì)增長的階段性特征:含結(jié)構(gòu)突點(diǎn)的AR(p)-GARCH(1，1)模型估計(jì)結(jié)合前述檢驗(yàn)所得{IPt}序列及其條件波動的結(jié)構(gòu)突變點(diǎn)，估計(jì)含均值、條件波動雙突變啞變量的AR(p)-GARCH(1，1)模型。同時(shí)選取2組AR(p)-GARCH(1，1)模型進(jìn)行對照:未考慮均值或條件波動結(jié)構(gòu)突變的一般形式的AR(p)-GARCH(1，1)模型，以及僅考慮均值結(jié)構(gòu)突變的AR(p)-GARCH(1，1)模型。所得結(jié)果如表4所示，其中Model3為主要的檢驗(yàn)?zāi)Ｐ?，Model1和Model2為對照模型，Model4在Model3基礎(chǔ)上剔除了部分不顯著變量。由表4中的參數(shù)估計(jì)結(jié)果，可得如下結(jié)論:(1)由Model2～Model4可知，與{IPt}序列結(jié)構(gòu)突變點(diǎn)對應(yīng)的趨勢參數(shù)b、b1和b2均很顯著，且分別為“負(fù)－正－負(fù)”，很好刻畫了經(jīng)濟(jì)增長“降－升－降”的三階段特征。(2)由Model3～Model4可知，刻畫條件波動結(jié)構(gòu)突變的參數(shù)λ1、λ2和λ3較顯著，特別是在Model4中，λ2和λ3在10%水平下顯著。λ1～λ3的符號分別為“負(fù)－正－負(fù)”，也與{IPt}序列條件波動的四階段特征對應(yīng)，即:條件波動分別在第一個突變點(diǎn)之后下降;在第二個突變點(diǎn)之后上升;在第三個突變點(diǎn)之后重新趨于下降。此外，b2和λ3的符號表明，后危機(jī)時(shí)代經(jīng)濟(jì)增長與宏觀波動“雙降”，二者可能因此正相關(guān)。(3)JB統(tǒng)計(jì)量表明，Model1即一般AR(p)-GARCH(1，1)模型不能保證殘差的正態(tài)性，Model2～Model4表明，在均值方程或同時(shí)在波動方程中納入結(jié)構(gòu)突變啞變量，可保證殘差正態(tài)性。(4)對比Model1～Model4，考察納入條件波動突變啞變量的必要性:對GARCH(1，1)的波動方程σ2t=α0+α1ε2t－1+α2σ2t－1而言，參數(shù)(α1+α2)1表明波動持續(xù)性高，一般選用IGARCH模型。但也有研究表明，持續(xù)性參數(shù)(α1+α2)很多時(shí)候被高估。特別的，忽略時(shí)間序列及其波動的結(jié)構(gòu)突變，也將導(dǎo)致其波動的高持續(xù)性，由此誤用IGARCH模型是不可取的(Mikosch和Stric，2004;Hillebrand，2005;Krmer和Azamo，2007)。由表4數(shù)據(jù)可知，Model1和Model2的持續(xù)性參數(shù)分別為0．99和0．98，說明在一般的AR(p)-GARCH(1，1)模型中，即便在均值方程中考慮結(jié)構(gòu)突變，也無法改變波動高持續(xù)性現(xiàn)象(IGARCH效應(yīng))。一旦在波動方程中納入結(jié)構(gòu)突變參數(shù)，Model3和Model4的持續(xù)性參數(shù)下降為0．65和0．68，說明條件波動的結(jié)構(gòu)突變是導(dǎo)致其高持續(xù)性的主因。2．宏觀波動對經(jīng)濟(jì)增長的階段性影響:含結(jié)構(gòu)突變點(diǎn)的AR(p)-GARCH(1，1)-M模型估計(jì)接下來考慮{IPt}序列及其條件波動雙突變，估計(jì)以下AR(p)-GARCH(1，1)-M模型，以檢驗(yàn)宏觀波動對經(jīng)濟(jì)增長的影響。表5的部分結(jié)果與表4類似:經(jīng)濟(jì)增長及其條件波動的階段性特征明顯，考慮均值與波動雙突變可消除波動高持續(xù)性。此外，λ1～λ3的系數(shù)之絕對值有所提升，顯著性均有所加強(qiáng)。令人遺憾的是，對于我們所關(guān)注的系數(shù)δ而言，盡管在4個模型中均為負(fù)值(在Model5中絕對值很小)，但在10%的水平下無一顯著。說明即便考慮均值和條件波動雙突變(Model7和Model8)，也無法檢測到宏觀波動對經(jīng)濟(jì)增長的顯著影響。結(jié)合圖1中{IPt}序列及其條件波動的階段性趨勢，導(dǎo)致表5中系數(shù)δ不顯著的一個可能原因是:宏觀波動對經(jīng)濟(jì)增長的影響可能具有階段性特征。相對于表5中的Model8，表6中的參數(shù)估計(jì)效果有明顯改進(jìn):一方面，δ、δ1和δ2的符號分別為“正－負(fù)－正”，且δ和δ1非常顯著，說明宏觀波動對經(jīng)濟(jì)增長在第一、二階段有顯著的正效應(yīng)和負(fù)效應(yīng);在第三階段即2009年7月以后，宏觀波動與經(jīng)濟(jì)增長正相關(guān)但不顯著。另一方面，其他均值方程的變量系數(shù)仍在5%水平下顯著，b、b1和b2的符號同樣符合預(yù)期;值得注意的是，與Model4、Model8相比，波動方程參數(shù)的系數(shù)也全部顯著;此外，持續(xù)性參數(shù)λ1～λ3的估計(jì)效果良好且符合預(yù)期，表征擬合效果的R2也略有改善。3．宏觀波動與經(jīng)濟(jì)增長關(guān)系的再檢驗(yàn):考慮次貸危機(jī)的影響結(jié)合圖1可知，源于次貸危機(jī)的影響，從2008年6月開始，我國經(jīng)濟(jì)增長急轉(zhuǎn)直下，與此同時(shí)，財(cái)政與貨幣政策也迅速轉(zhuǎn)向，并于2008年底相繼推出四萬億計(jì)劃等宏觀舉措，經(jīng)濟(jì)增長也從2009年底開始逐步回歸正常軌道。為考慮上述次貸危機(jī)對宏觀波動及經(jīng)濟(jì)增長的影響，當(dāng)t在2008年6月至2009年12月之間時(shí)，定義啞變量Crisis=1(否則為0)。由表7中數(shù)據(jù)可見:在考慮均值、條件波動雙突變的AR(p)-GARCH(1，1)模型(Model9)中加入Crisis啞變量后，發(fā)現(xiàn)次貸危機(jī)導(dǎo)致經(jīng)濟(jì)增長顯著下降(φ)，均值方程中的其他參數(shù)仍顯著，且b、b1和b2的符號符合預(yù)期;就波動方程而言，次貸危機(jī)對宏觀波動有微弱且很不顯著的正效應(yīng)(φ)，但除GARCH參數(shù)外，其他變量系數(shù)(包括λ1～λ3)均不顯著，這一結(jié)果與表4中的Model4存在很大差別。Crisis啞變量對含雙突變點(diǎn)的AR(p)-GARCH(1，1)-M模型(Model11)的影響:波動方程、均值方程的檢驗(yàn)結(jié)果與Model9基本一致，但參數(shù)φ的顯著性趨于下降，條件波動對經(jīng)濟(jì)增長的影響(δ)仍表現(xiàn)為不顯著的負(fù)相關(guān)(與表5中的Model8)一致。Model9和Model11中，Crisis啞變量的加入導(dǎo)致波動方程參數(shù)估計(jì)效果顯著變差，可能的原因是Crisis啞變量與VDk(k=1～3)不相容，為此在波動方程中僅保留Crisis啞變量，并重新估計(jì)Model9與Model11，所得結(jié)果見表7的Model10和Model12。結(jié)果發(fā)現(xiàn):相對Model9而言，Model10中對應(yīng)參數(shù)估計(jì)的顯著性有明顯上升，特別的，α0～α2的顯著性大為上升，參數(shù)的估計(jì)值也由0．08上升到0．51，但仍不顯著(P值由0．90下降到0．26)。Model12相對Model11的比較也存在類似規(guī)律，且δ仍為不顯著的負(fù)值。進(jìn)一步結(jié)合表6的檢驗(yàn)?zāi)Ｐ?，基于Model12，考察宏觀波動對經(jīng)濟(jì)增長的階段性影響是否會因Crisis啞變量的加入而有所不同，由此估計(jì)如下AR(p)-GARCH(1，1)-M模型。由表8中數(shù)據(jù)可知:與表6類似，在考慮“宏觀波動－經(jīng)濟(jì)增長”階段性關(guān)系之后，主要參數(shù)的估計(jì)效果大為改善。φ和的估計(jì)值及顯著性表明，次貸危機(jī)直接導(dǎo)致經(jīng)濟(jì)下滑(期間工業(yè)增加值月度同比增長率平均約降低1．58%)，也在一定程度上助漲了宏觀波動上升。與表6相比:δ、δ1和δ2符號并未改變，δ和δ1仍顯著;特別的，δ2的數(shù)值與顯著性大幅改善(估計(jì)值由0．15升至7．93，P值由0．76降為0．12)，表明后危機(jī)時(shí)代宏觀波動對經(jīng)濟(jì)增長有一定的正效應(yīng)。此外，其他波動方程變量、絕大部分均值方程變量的系數(shù)仍顯著。

四、結(jié)論與政策含義

篇4

關(guān)鍵詞：資本體現(xiàn)式技術(shù)進(jìn)步；經(jīng)濟(jì)增長；小波變換；關(guān)聯(lián)效應(yīng)

技術(shù)進(jìn)步是經(jīng)濟(jì)增長的重要決定因素，但技術(shù)進(jìn)步對經(jīng)濟(jì)增長作用并非完全獨(dú)立，往往以不同方式與資本或勞動要素相結(jié)合，通過提高要素配置效率和要素生產(chǎn)率方式促進(jìn)經(jīng)濟(jì)增長。技術(shù)進(jìn)步和生產(chǎn)要素組合形式不同，對要素生產(chǎn)率和經(jīng)濟(jì)增長效率影響差異顯著。其中無偏性即中性技術(shù)進(jìn)步能夠同比例提高所有生產(chǎn)要素投入效率，以全要素生產(chǎn)率方法就可以有效測算技術(shù)進(jìn)步。但若有偏性技術(shù)進(jìn)步并非單獨(dú)發(fā)揮作用而是依附于資本或勞動投入，并非均等提高資本或勞動質(zhì)量，僅以全要素生產(chǎn)率方法測算技術(shù)進(jìn)步就存在許多局限，結(jié)果可能有悖于現(xiàn)實(shí)經(jīng)濟(jì)中整體技術(shù)進(jìn)步的作用貢獻(xiàn)，也無法刻畫經(jīng)濟(jì)增長過程中整體技術(shù)進(jìn)步及資本和勞動質(zhì)量變化的全部。［1］

當(dāng)前，世界各國普遍出現(xiàn)經(jīng)濟(jì)高增長和全要素生產(chǎn)率下降共存的現(xiàn)象，事實(shí)表明中性技術(shù)進(jìn)步并非反映經(jīng)濟(jì)增長質(zhì)量的全部。Gordon（1990、 2000、2002），Greenwood and Yorukoglu（1997），Greenwood、Hercowitz、Krusell（1997）和Greenwood、Jovanovic（2001）發(fā)現(xiàn)，20世紀(jì)90年代后技術(shù)進(jìn)步主要與有形物化的資本品結(jié)合，一國經(jīng)濟(jì)正是利用內(nèi)含最新技術(shù)的設(shè)備投資特別是信息軟件業(yè)設(shè)備，通過資本和技術(shù)進(jìn)步相耦合方式（即資本體現(xiàn)式技術(shù)進(jìn)步）實(shí)現(xiàn)快速增長。Gordon［2］和Hulten［3］等測算出機(jī)器設(shè)備投資中有形的技術(shù)進(jìn)步對美國經(jīng)濟(jì)增長的作用貢獻(xiàn)，發(fā)現(xiàn)1954年到1990年間美國資本體現(xiàn)式技術(shù)進(jìn)步每年以3%的速率增長，占技術(shù)進(jìn)步總貢獻(xiàn)率的2/3以上，其中美國戰(zhàn)后60%的生產(chǎn)率增長來自資本體現(xiàn)式技術(shù)進(jìn)步。［4］

同樣，黃先海等［5］利用中國工業(yè)數(shù)據(jù)分析表明，中國的技術(shù)進(jìn)步也完全可能融合于物化型設(shè)備投資中，通過設(shè)備更新?lián)Q代提升技術(shù)進(jìn)步和生產(chǎn)率。趙志耘等［6］構(gòu)建了一個區(qū)分設(shè)備投資和建筑資本投資的內(nèi)生經(jīng)濟(jì)增長模型，通過界定設(shè)備投資和建設(shè)投資相對價(jià)格與邊際收益與技術(shù)進(jìn)步的關(guān)系，依據(jù)中國經(jīng)濟(jì)改革和發(fā)展過程中高投資收益率和設(shè)備相對價(jià)格下降的經(jīng)驗(yàn)事實(shí)，發(fā)現(xiàn)我國以設(shè)備進(jìn)口為主的技術(shù)引進(jìn)方式實(shí)現(xiàn)的設(shè)備積累速度遠(yuǎn)高于建筑資本積累速度，判定了中國資本體現(xiàn)式技術(shù)進(jìn)步的存在性。同時(shí)，應(yīng)該強(qiáng)調(diào)，生產(chǎn)要素對經(jīng)濟(jì)增長作用并非固定不變，在不同的經(jīng)濟(jì)發(fā)展階段、不同資源要素稟賦和政治經(jīng)濟(jì)制度環(huán)境約束下，要素貢獻(xiàn)都將呈現(xiàn)出時(shí)間性和階段性的變化趨勢，而技術(shù)進(jìn)步作用方式因發(fā)展階段和資源稟賦結(jié)構(gòu)不同而表現(xiàn)迥異，即技術(shù)進(jìn)步作用存在動態(tài)階段性規(guī)律。［7］由于國內(nèi)普遍缺乏對資本體現(xiàn)式技術(shù)進(jìn)步的關(guān)注，相關(guān)的定量研究也幾乎無人涉及，特別是20世紀(jì)80年代以來我國中性技術(shù)進(jìn)步貢獻(xiàn)與經(jīng)濟(jì)增長趨勢并不保持一致，真實(shí)經(jīng)濟(jì)發(fā)展過程中的技術(shù)進(jìn)步更多表現(xiàn)出與機(jī)器設(shè)備投資相融合的趨勢。為考察資本體現(xiàn)式技術(shù)進(jìn)步的作用特征，本文利用設(shè)備工業(yè)品與建筑工業(yè)品的相對價(jià)格指數(shù)，構(gòu)建資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)分析蘊(yùn)涵在設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步變化特征，及其與經(jīng)濟(jì)增長率的周期波動關(guān)聯(lián)性。

一、資本體現(xiàn)式技術(shù)進(jìn)步動態(tài)變化規(guī)律

在資本體現(xiàn)式技術(shù)進(jìn)步的分析中，通常利用設(shè)備品的相對價(jià)格來反映。國內(nèi)外相關(guān)研究也多數(shù)采用此種方法，如陳師、趙磊（2009）就以消費(fèi)價(jià)格指數(shù)與設(shè)備價(jià)格指數(shù)之比來衡量投資專有技術(shù)進(jìn)步。在此我們以設(shè)備資本與建筑資本的相對價(jià)格指數(shù)的倒數(shù)來表征資本體現(xiàn)式技術(shù)進(jìn)步增長及變化趨勢。在此首先利用1980—2007年建筑資本和設(shè)備資本的年度相對價(jià)格指數(shù)來構(gòu)建資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)，如圖1所示。

數(shù)據(jù)顯示：資本體現(xiàn)式技術(shù)進(jìn)步在改革開放初期變化幅度不大，但自20世紀(jì)80年代中期開始到90年代中期出現(xiàn)快速增長，特別是在1987年資本體現(xiàn)式技術(shù)進(jìn)步的增長率超過了20%，這表明在此期間我國以設(shè)備資本品投資方式實(shí)現(xiàn)的技術(shù)進(jìn)步增長迅速，也是類似于我國這樣的發(fā)展中國家實(shí)現(xiàn)技術(shù)升級、縮小和發(fā)達(dá)國家技術(shù)差距的主要途徑。而在90年代中期后資本體現(xiàn)式技術(shù)進(jìn)步的增長速度放緩，基本都在4%均值上下小幅波動?？疾熨Y本體現(xiàn)式技術(shù)進(jìn)步在80年代、90年代和21世紀(jì)初三個時(shí)段的平均增長率，分別為6.7%、4.7%和3.5%，呈現(xiàn)明顯遞減特征。觀察資本體現(xiàn)式技術(shù)進(jìn)步的趨勢分量，可以看出資本體現(xiàn)式技術(shù)進(jìn)步呈現(xiàn)出拋物線型的增長趨勢，在20世紀(jì)80年代中期出現(xiàn)了一個峰，表明該時(shí)段是我國資本體現(xiàn)式技術(shù)進(jìn)步的快速增長期，90年代中期后增速逐漸轉(zhuǎn)緩。主要原因可能是，改革開放初期我國與其他發(fā)達(dá)國家的技術(shù)差距形成了模仿和復(fù)制的成本優(yōu)勢，因此以先進(jìn)技術(shù)設(shè)備引進(jìn)與投入為載體的物化型技術(shù)進(jìn)步成為我國技術(shù)快速升級的主要形式，但隨著與發(fā)達(dá)國家技術(shù)差距的縮小和邊際收益下降，資本體現(xiàn)式技術(shù)進(jìn)步的增長速度會逐漸減緩。進(jìn)入21世紀(jì)后，資本體現(xiàn)式技術(shù)進(jìn)步增長趨勢分量近似于一條水平線。

為深入分析近年來資本體現(xiàn)式技術(shù)進(jìn)步的變化特征，我們選擇月度數(shù)據(jù)進(jìn)行細(xì)化分析。首先采用分類資產(chǎn)價(jià)格指數(shù)構(gòu)建資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)，在機(jī)械工業(yè)品中選擇具有較高投資價(jià)值且質(zhì)量發(fā)生明顯變化的四類工業(yè)品，分別為通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備，通用設(shè)備，電氣機(jī)械及器材，儀器儀表及文化辦公機(jī)械，進(jìn)行加權(quán)平均構(gòu)建設(shè)備品價(jià)格指數(shù)PPIE，以反映機(jī)械設(shè)備質(zhì)量變化的綜合趨勢。其權(quán)重為該行業(yè)工業(yè)總產(chǎn)值的比重， 即:

之所以選擇通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備等四類制造業(yè)工業(yè)品出廠價(jià)格指數(shù)，原因在于通信設(shè)備、計(jì)算機(jī)及電子等設(shè)備技術(shù)含量和其他設(shè)備相比投資價(jià)值更高，技術(shù)水平高且技術(shù)更新也快于其他設(shè)備品，對資本體現(xiàn)式技術(shù)進(jìn)步的表征更直接、更敏感。將設(shè)備品價(jià)格指數(shù)與建筑材料工業(yè)品出廠價(jià)格指數(shù)的比值的倒數(shù)作為綜合設(shè)備中的資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)ETC，同時(shí)還將通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備指數(shù)與建筑材料工業(yè)品出廠價(jià)格指數(shù)的比值的倒數(shù)ETCCE，以分析蘊(yùn)涵在前沿設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步，如圖2所示，數(shù)據(jù)來源于國家統(tǒng)計(jì)局，樣本區(qū)間為1999年1月到2010年3月。 #p#分頁標(biāo)題#e#

圖2顯示，綜合設(shè)備中的資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)ETC與前沿設(shè)備投資品中的體現(xiàn)式技術(shù)進(jìn)步指數(shù)ETCCE具有相似的變化特征，在2003年和2008年都出現(xiàn)快速增長，這與依據(jù)年度數(shù)據(jù)構(gòu)建資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)的結(jié)論相一致。其中綜合設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步指數(shù)ETC在2003年12月階段最大值為7.5%，2008年8月的階段最大值為9.02%，而前沿設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步指數(shù)ETCCE比綜合設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步增長更快，在各個階段都高于綜合設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步增長率，2004年3月的階段最大值為11.6%，2008年8月的階段最大值為12.8%。在整個樣本區(qū)間內(nèi)綜合設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步年均增長率為3.22%，而前沿設(shè)備中的體現(xiàn)式技術(shù)進(jìn)步年均增長率為5.86%。

二、資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長周期波動關(guān)聯(lián)效應(yīng)

利用月度數(shù)據(jù)考察資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長率的動態(tài)變化規(guī)律。綜合設(shè)備中的資本體現(xiàn)式技術(shù)進(jìn)步ETC和經(jīng)濟(jì)增長率GDPR的月度變化路徑如圖3所示，經(jīng)濟(jì)增長率GDPR的月度數(shù)據(jù)是將季度數(shù)據(jù)采用頻率轉(zhuǎn)換獲得。

圖3顯示的是自20世紀(jì)90年代中期以來，我國資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率的變化特征有所不同，經(jīng)濟(jì)增長率在90年代末期出現(xiàn)下落特征，但在21世紀(jì)初期開始平穩(wěn)上升，在2007年達(dá)到的最大值為13%。受世界經(jīng)濟(jì)危機(jī)的影響在2008年初開始快速下降，但2009年初又出現(xiàn)明顯回升。資本體現(xiàn)式技術(shù)進(jìn)步ETC沒有出現(xiàn)明顯的增速平穩(wěn)上升特征，與經(jīng)濟(jì)增長率相比其波動幅度較小，只是在2003年和2008年出現(xiàn)大幅增長，其變化特征顯示其增長并沒有受世界金融危機(jī)和經(jīng)濟(jì)危機(jī)的影響。下面，進(jìn)一步采用小波變換方法分析資本體現(xiàn)式技術(shù)進(jìn)步ETC和經(jīng)濟(jì)增長率GDPR各層分量的變化特征。

從小波變換系數(shù)WTf(m,n)中可以得到f(t)在時(shí)間窗[mt+n-mΔt,mt+n+mΔt]的部分信息，同時(shí)可以得到f(t)在頻率窗[θ/m-Δθ/m,θ/m+Δθ/m]的部分信息。因此，當(dāng)m值小時(shí)，mt+n-mΔt和mt+n+mΔt很小，時(shí)間窗很小。而在頻域上θ/m-Δθ/m和θ/m+Δθ/m很大，頻率窗很大，相當(dāng)于在短周期內(nèi)用高頻小波作高分辨率分析。當(dāng)m值大時(shí)，時(shí)間窗很大，而頻率窗小，相當(dāng)于在長周期內(nèi)用低頻小波作低分辨分析。［9］

本文采用DB4小波變換將資本體現(xiàn)式技術(shù)進(jìn)步ETC和經(jīng)濟(jì)增長率GDPR進(jìn)行分層，根據(jù)我國經(jīng)濟(jì)周期波動的特點(diǎn)和周期的劃分，將小波變換的最大尺度α取為27=128個月。通過小波變換，將時(shí)間序列分解就可以得到不同尺度下的分量譜圖。小波分解后的前三層尺度為21～23，是周期1～8個月的分量，即頻率為0.125～1的分量，包含了序列中的隨機(jī)因素和不規(guī)則因素。第四層尺度為24，是周期9～16個月的分量，即頻率為0.063～0.125的分量，稱為短周期分量，記為ETCS和GDPRS，如圖4所示。第五層尺度為25，是周期17～32個月的分量，即頻率為0.031～0.063的分量，第六層尺度為26，是周期33～64個月的分量，即頻率為0.016～0.031分量，我們將小波分解后的第五層和第六層分量合并，將其稱為中周期分量，記為ETCM和GDPRM，如圖5所示。第七層尺度為27，是周期65～128個月的分量，即頻率為0.008～0.016的分量，我們將其稱為長周期分量，記為ETCL和GDPRL，如圖6所示。

圖4顯示，在短周期資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率波動不同，部分時(shí)期呈現(xiàn)出相反的變化特征，如在2000年初資本體現(xiàn)式技術(shù)進(jìn)步ETCS呈現(xiàn)下降趨勢，而經(jīng)濟(jì)增長率呈現(xiàn)上升趨勢，在2005年中期資本體現(xiàn)式技術(shù)進(jìn)步達(dá)到波峰，而此時(shí)經(jīng)濟(jì)增長率卻處于波谷。對比資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率的波動幅度，發(fā)現(xiàn)在短周期資本體現(xiàn)式技術(shù)進(jìn)步比經(jīng)濟(jì)增長率的波動強(qiáng)烈，波動幅度大。分析短周期資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率Granger的因果關(guān)系，我們發(fā)現(xiàn)，當(dāng)滯后的時(shí)期取2個月時(shí)，原假設(shè)為“ETCS不是GDPRS的Granger原因”的F-統(tǒng)計(jì)量小于10%的臨界值，在1%的顯著性水平上接受原假設(shè)，表明在短周期資本體現(xiàn)式技術(shù)進(jìn)步不是經(jīng)濟(jì)增長的Granger原因。同時(shí)，原假設(shè)“GDPRS不是ETCS的Granger原因”的檢驗(yàn)接受原假設(shè)，表明短周期經(jīng)濟(jì)增長也不是資本體現(xiàn)式技術(shù)進(jìn)步的Granger原因，因此短周期二者不具Granger因果關(guān)系，即資本體現(xiàn)式技術(shù)進(jìn)步不是經(jīng)濟(jì)增長的原因，而經(jīng)濟(jì)增長也不是資本體現(xiàn)式技術(shù)進(jìn)步變化的原因。

圖5顯示中周期資本體現(xiàn)式技術(shù)進(jìn)步ETCM與經(jīng)濟(jì)增長率GDPRM的變化在2008年之前呈現(xiàn)較強(qiáng)的共變特征，即當(dāng)資本體現(xiàn)式技術(shù)進(jìn)步達(dá)到波峰時(shí)，經(jīng)濟(jì)增長率也到達(dá)波峰；資本體現(xiàn)式技術(shù)進(jìn)步達(dá)到波谷時(shí)，經(jīng)濟(jì)增長率也到達(dá)波谷。但在2000年后，二者變化呈現(xiàn)相反的特征?？疾熘兄芷诙叩腉ranger因果關(guān)系，和短周期二者關(guān)系不同，在9%的顯著性水平上拒絕“ETCM不是GDPRM的Granger原因”的原假設(shè)，表明在中周期資本體現(xiàn)式技術(shù)進(jìn)步是經(jīng)濟(jì)增長的Granger原因，但不能拒絕“GDPRM不是ETCM的Granger原因”的假設(shè)，即資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長在中周期存在單向Granger因果關(guān)系。中周期分量時(shí)差關(guān)系發(fā)現(xiàn)資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長的最大相關(guān)系數(shù)為0.9665，但不是在當(dāng)期，而是在資本體現(xiàn)式技術(shù)進(jìn)步先行1個月時(shí)，這再次印證資本體現(xiàn)式技術(shù)進(jìn)步對我國經(jīng)濟(jì)增長的促進(jìn)作用。圖6顯示的是資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長的長周期分量的變化趨勢，二者呈現(xiàn)完全的共變特征，在經(jīng)濟(jì)增長到達(dá)波峰時(shí)，資本體現(xiàn)式技術(shù)進(jìn)步也到達(dá)波峰，在經(jīng)濟(jì)增長到達(dá)波谷時(shí)，資本體現(xiàn)式技術(shù)進(jìn)步也到達(dá)波谷。

表1的Granger因果關(guān)系檢驗(yàn)顯示，資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長率的長周期分量的Granger因果關(guān)系檢驗(yàn)在3%的顯著性水平上拒絕原假設(shè)，二者具有雙向Granger因果關(guān)系。利用資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長率原序列進(jìn)行Granger因果關(guān)系檢驗(yàn)，發(fā)現(xiàn)在1%的顯著性水平上拒絕原假設(shè)“ETC不是GDPR的Granger原因”的原假設(shè)，但不能拒絕“GDPR不是ETC的Granger原因”的原假設(shè)，表明資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長率具有單向Granger因果關(guān)系，這表明當(dāng)前資本體現(xiàn)式技術(shù)進(jìn)步是我國經(jīng)濟(jì)增長重要因素。

三、基本結(jié)論

本文利用設(shè)備工業(yè)品與建筑工業(yè)品的相對價(jià)格指數(shù)，構(gòu)建出資本體現(xiàn)式技術(shù)進(jìn)步指數(shù)，分析蘊(yùn)涵在現(xiàn)代設(shè)備投資過程中的資本體現(xiàn)式技術(shù)進(jìn)步，并利用小波變換方法分析體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率的周期波動關(guān)聯(lián)性。結(jié)果顯示，我國資本體現(xiàn)式技術(shù)進(jìn)步自20世紀(jì)80年代中期到90年代中期出現(xiàn)快速增長，之后增速放緩。體現(xiàn)式技術(shù)進(jìn)步呈現(xiàn)出拋物線型變化趨勢，80年代、90年代和21世紀(jì)初年均增長率分別為6.7%、4.7%和3.5%。小波變換分層分析資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長的關(guān)聯(lián)效應(yīng)，發(fā)現(xiàn)短周期資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率變化特征不同，Granger因果關(guān)系檢驗(yàn)顯示資本體現(xiàn)式技術(shù)進(jìn)步和經(jīng)濟(jì)增長率不具有Granger因果關(guān)系。中周期資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率變化呈現(xiàn)較強(qiáng)的共變特征，并且存在“資本體現(xiàn)式技術(shù)進(jìn)步是經(jīng)濟(jì)增長的Granger原因”的單向因果關(guān)系。長周期資本體現(xiàn)式技術(shù)進(jìn)步與經(jīng)濟(jì)增長率變化呈現(xiàn)完全的共變特征且存在雙向的Granger因果 #p#分頁標(biāo)題#e#

關(guān)系。長中短周期關(guān)系顯示資本體現(xiàn)式技術(shù)進(jìn)步對我國經(jīng)濟(jì)增長的作用，不是體現(xiàn)在短期而是中長期，中長期經(jīng)濟(jì)增長動力在于技術(shù)進(jìn)步。這表明在工業(yè)化的發(fā)展進(jìn)程中資本體現(xiàn)式技術(shù)進(jìn)步在較長時(shí)間內(nèi)還將是我國技術(shù)進(jìn)步的主要方式。

參考文獻(xiàn)

［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］黃先海, 劉毅群. 物化性技術(shù)進(jìn)步與我國工業(yè)生產(chǎn)率增長［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2006,(4).

［6］趙志耘等. 資本積累與技術(shù)進(jìn)步的動態(tài)融合［J］.經(jīng)濟(jì)研究, 2007, (11).

［7］鄭玉歆. 全要素生產(chǎn)率的測算及其增長的規(guī)律［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 1998, (10).

篇5

關(guān)鍵詞:經(jīng)濟(jì)增長;條件波動;TARCH-M模型;減損效應(yīng);對稱效應(yīng)

中圖分類號:F012

文獻(xiàn)標(biāo)識碼:A

文章編號:1002-2848-2006(04)-0008-07

中國自建國以來,尤其是1978年改革開放以來,國民經(jīng)濟(jì)一直保持一個較高的增長態(tài)勢,真實(shí)GDP年均增長7.9%,人均真實(shí)GDP年均增長6. 13%,工業(yè)真實(shí)GDP增長速度更快年均為11. 57%,成為世界經(jīng)濟(jì)的一枝獨(dú)秀。但在經(jīng)濟(jì)高速增長的過程中,整個經(jīng)濟(jì)活動也呈現(xiàn)出較大的波動性,從1954年到2003年,真實(shí)GDP增長的波動強(qiáng)度為10. 65個標(biāo)準(zhǔn)差,人均真實(shí)GDP增長的波動強(qiáng)度為9. 06個標(biāo)準(zhǔn)差,工業(yè)真實(shí)GDP增長的波動強(qiáng)度則更高,達(dá)到了11. 55個標(biāo)準(zhǔn)差。對于中國這種高增長高波動的經(jīng)濟(jì)運(yùn)行,我們不禁會提出這樣一個疑問,中國較高的經(jīng)濟(jì)波動對其長期經(jīng)濟(jì)增長是否具有影響,這一問題不僅具有非常重要的理論意義,也具有積極的實(shí)踐意義。因?yàn)榻?jīng)濟(jì)增長一直被認(rèn)為對社會財(cái)富進(jìn)而對社會福利具有積極的影響,這樣,經(jīng)濟(jì)波動對經(jīng)濟(jì)增長影響的方向和程度就直接意味著經(jīng)濟(jì)穩(wěn)定政策的重要性。

一、簡單的文獻(xiàn)回顧

經(jīng)濟(jì)波動與增長雖然一直是宏觀經(jīng)濟(jì)學(xué)研究的兩個核心問題,但在上世紀(jì)70年代之前,兩者的研究是相互獨(dú)立的。雖然早在1934年Schumpeter就從企業(yè)投資行為的角度提出兩者間可能的相關(guān)性[1],但由于受傳統(tǒng)增長理論的影響①, Schumpeter的研究并沒有受到重視。直到上世紀(jì)末,經(jīng)濟(jì)增長與波動的關(guān)系才受到越來越多學(xué)者的關(guān)注。但由于不同研究基于的樣本和采取的模型存在較大差異,所以到目前為止,經(jīng)濟(jì)增長與波動之間的關(guān)系依然還不很清晰[2-3]。歸納不同研究的結(jié)論,在經(jīng)濟(jì)波動與增長之間大致存在三種結(jié)論:一種結(jié)論認(rèn)為,經(jīng)濟(jì)波動與經(jīng)濟(jì)增長之間呈現(xiàn)出顯著的正相關(guān)關(guān)系。這種關(guān)系的提出最早可追溯到Schumpeter,他認(rèn)為,經(jīng)濟(jì)波動能促進(jìn)企業(yè)的效率,改善社會的資源配置,從而提高經(jīng)濟(jì)的長期增長水平。根據(jù)他的觀點(diǎn),經(jīng)濟(jì)波動之所以會提高企業(yè)的效率,主要是經(jīng)濟(jì)波動可以降低企業(yè)投資于改進(jìn)生產(chǎn)率的機(jī)會成本[1]。實(shí)際上,從Schumpeter的研究中,我們會發(fā)現(xiàn),它所研究的經(jīng)濟(jì)波動可以提高企業(yè)資源的使用效率主要是針對經(jīng)濟(jì)衰退而言的,并不是真正意義上的經(jīng)濟(jì)波動,因?yàn)榻?jīng)濟(jì)波動不僅發(fā)生在經(jīng)濟(jì)衰退時(shí)期,也發(fā)生在經(jīng)濟(jì)的高漲時(shí)期。繼其之后, Sandmo和Mirman從儲蓄和投資的角度提出,由于較高的經(jīng)濟(jì)波動會導(dǎo)致較高的收入波動,收入波動會使社會的預(yù)防性儲蓄上升,進(jìn)而使社會的儲蓄率上升,儲蓄率的上升預(yù)示著投資率的上升,根據(jù)Solow的新古典增長模型,經(jīng)濟(jì)的均衡增長路徑會上升到一個更高的水平[4-5]。但這個理論的一個重要缺陷就是,假定儲蓄都能完全轉(zhuǎn)化成投資,顯然這種假定是否成立需要一定的條件。Black[6]從風(fēng)險(xiǎn)與收益匹配的角度也提出了同樣的結(jié)論。他認(rèn)為,經(jīng)濟(jì)波動使得投資的風(fēng)險(xiǎn)較高,這樣企業(yè)只有預(yù)期到能獲得足夠的風(fēng)險(xiǎn)補(bǔ)償才會投資,換句話說,就是經(jīng)濟(jì)波動產(chǎn)生的風(fēng)險(xiǎn)會使社會投資更多地轉(zhuǎn)向具有較高風(fēng)險(xiǎn)收益的高科技領(lǐng)域,他的研究結(jié)論在后來的研究中一直被稱為Black假說。認(rèn)為經(jīng)濟(jì)增長與波動之間正相關(guān)的經(jīng)驗(yàn)證據(jù)有:Kormendi和Meguire通過利用47個國家的橫截面數(shù)據(jù)對Black假說進(jìn)行過檢驗(yàn),得出在樣本國家中,經(jīng)濟(jì)增長與波動之間的確存在某種權(quán)衡關(guān)系,平均而言,經(jīng)濟(jì)波動上升2個單位標(biāo)準(zhǔn)差可以使產(chǎn)出增長上升一個百分點(diǎn)[7]。Grier和Tullock使用113個國家的面板數(shù)據(jù),通過控制其它變量的作用后發(fā)現(xiàn),GDP增長率的波動性與增長率之間也表現(xiàn)出顯著的正相關(guān)[8]。Caporale和McKiernan使用了GARCH-M模型,利用英國1948-1991年的月度數(shù)據(jù)檢驗(yàn)了Black假說,發(fā)現(xiàn)英國在1948年至1991年期間,產(chǎn)出波動對其增長具有顯著的溢出效應(yīng)[3]。在一個相關(guān)的研究中, Caporale和McKier-nan又使用了同樣的模型,利用美國1871-1993年的年度數(shù)據(jù)對該假說進(jìn)行了檢驗(yàn),進(jìn)一步證實(shí)了Black假說的正確性[2]。

與上述結(jié)論截然不同的是,另一種結(jié)論認(rèn)為兩者間具有顯著的負(fù)相關(guān)關(guān)系。實(shí)際上這種結(jié)論最早是由凱恩斯(1936)提出的,他認(rèn)為,經(jīng)濟(jì)波動增加了企業(yè)投資的未來風(fēng)險(xiǎn),當(dāng)投資者考慮到投資未來回報(bào)的風(fēng)險(xiǎn)時(shí),將會降低投資的需求,經(jīng)濟(jì)波動越高,這種投資項(xiàng)目的未來風(fēng)險(xiǎn)就越大,投資需求不足的可能性就越高[9]。相似結(jié)論也出現(xiàn)在Woodford的研究中[10]。另外, Bernanke和Pindyck從企業(yè)投資的滯留成本角度也提出了同樣的結(jié)論,他們認(rèn)為,由于企業(yè)投資具有較長的時(shí)滯效應(yīng)和較強(qiáng)的不可逆性,這樣企業(yè)的投資回報(bào)因經(jīng)濟(jì)波動而變得更加不確定,這一過程將使社會投資往往低于社會的有效投資水平,不確定性越高,兩者的差距就會越大[11-12]。Galindev通過按照傳播機(jī)制將“干中學(xué)”對增長的影響分成兩個不同的方面,即內(nèi)生和外生,對經(jīng)濟(jì)波動增長效應(yīng)進(jìn)行的研究得出了類似的結(jié)論[13]。就經(jīng)驗(yàn)證據(jù)而言, Zarnowitz和Moore通過對美國戰(zhàn)后數(shù)據(jù)的分析得出,在波動相對較低的時(shí)期,產(chǎn)出往往具有較高的增長率[14]。Ramey和Ramey選擇92個國家和OECD國家為樣本所做的經(jīng)驗(yàn)分析表明,經(jīng)濟(jì)波動較高的國家一般產(chǎn)出水平也較低[15]。Hnatkovska和Loayza利用79個國家的跨國數(shù)據(jù),在通過分離象貿(mào)易開放度、經(jīng)濟(jì)制度、政府消費(fèi)等變量對平均增長率影響的基礎(chǔ)上研究了經(jīng)濟(jì)波動對一國經(jīng)濟(jì)長期增長率的影響,研究得出,宏觀經(jīng)濟(jì)波動與經(jīng)濟(jì)的長期增長存在明顯的負(fù)相關(guān)關(guān)系,在忽視經(jīng)濟(jì)波動內(nèi)生性的情況下,經(jīng)濟(jì)波動一個標(biāo)準(zhǔn)差的上升就會造成經(jīng)濟(jì)長期增長率0. 5%的下降,但一旦將經(jīng)濟(jì)波動看成與經(jīng)濟(jì)增長一樣的內(nèi)生變量時(shí),其一個標(biāo)準(zhǔn)差的增加就會使經(jīng)濟(jì)增長率的下降達(dá)到2. 2個百分點(diǎn)[16]。Barlevy在Lucas的基礎(chǔ)上,通過利用AK模型對經(jīng)濟(jì)波動與經(jīng)濟(jì)的長期增長所進(jìn)行的分析表明,消除經(jīng)濟(jì)波動一個標(biāo)準(zhǔn)差就可能使經(jīng)濟(jì)的長期增長上升0. 35-0. 40個百分

點(diǎn)[17]。Blackburn和Pelloni基于一個簡單的隨機(jī)增長模型,在研究短期貨幣穩(wěn)定政策的基礎(chǔ)上得出,在產(chǎn)出增長的方差和均值之間存在負(fù)的相關(guān)性,并且這種負(fù)的相關(guān)性并不因沖擊的來源不同而有所變化[18]。

第三種結(jié)論認(rèn)為,兩者間不存在顯著的關(guān)系。這種思想實(shí)際上來源于Friedman,他認(rèn)為,產(chǎn)出圍繞自然增長率的波動獨(dú)立于產(chǎn)出的增長,而產(chǎn)出之所以發(fā)生圍繞一個非隨機(jī)趨勢的波動,主要是由于貨幣沖擊造成的價(jià)格誤置引起的。換句話說,產(chǎn)出增長率是由經(jīng)濟(jì)活動中的真實(shí)因素決定的,而經(jīng)濟(jì)波動是由外生沖擊造成的,兩者具有不同的決定因素[19]。實(shí)際上這種認(rèn)識主要還是受新古典增長模型的影響。Speight通過使用戰(zhàn)后英國1948-1994年的月度工業(yè)生產(chǎn)指數(shù),利用ARMA-GARCH-M模型進(jìn)行的研究證實(shí),在產(chǎn)出與波動之間雖然存在正的相關(guān)性,但并不顯著[20]。Stilianos et a.l通過利用季度數(shù)據(jù)和ARCH-M模型考察了1961年-2000年期間日本經(jīng)濟(jì)波動對其增長的影響,結(jié)論表明,在1961年至2000年期間,日本的經(jīng)濟(jì)波動與經(jīng)濟(jì)增長之間沒有顯著的關(guān)系[21]。

從國內(nèi)的研究看,經(jīng)濟(jì)波動與增長之間的關(guān)系到目前為止,并沒有引起學(xué)者的關(guān)注。但這又是一個非常重要的問題,因?yàn)榻?jīng)濟(jì)增長可以促進(jìn)社會福利的提高,這樣經(jīng)濟(jì)波動對經(jīng)濟(jì)增長的影響就具有直接的社會福利含義。Lucas認(rèn)為,如果經(jīng)濟(jì)增長是合意的,可以促進(jìn)社會財(cái)富的增長,尤其對一個不發(fā)達(dá)的國家而言,那么經(jīng)濟(jì)波動對經(jīng)濟(jì)增長的一個較小沖擊就可能對社會福利造成非常大的影響。所以,研究經(jīng)濟(jì)增長與波動之間的相互關(guān)系對一個國家采取適當(dāng)?shù)暮暧^調(diào)控政策,進(jìn)而對社會福利水平都具有非常重要的意義[22]。為此,本文利用目前研究中經(jīng)常被使用的GARCH模型,對中國1954年至2003年的經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行了實(shí)證分析,分析將考察四個方面的問題:一是中國經(jīng)濟(jì)增長在1954年至2003年期間的波動強(qiáng)度和路徑;二是經(jīng)濟(jì)增長波動是否在不同的增長狀態(tài)下具有不對稱效應(yīng);三是增長波動對經(jīng)濟(jì)長期增長的影響方向和強(qiáng)度;四是這種影響的時(shí)間結(jié)構(gòu)特征。

二、GARCH與TARCH-M模型的描述

GARCH模型是Bollerslev[23]1986年在Engle[24]ARCH模型的基礎(chǔ)上提出的,與ARCH模型一樣,GARCH模型也用于對回歸或自回歸模型的隨機(jī)擾動進(jìn)行建模。該模型的基本結(jié)構(gòu)為:

其中, et滿足白噪聲條件,α0>0;αi≥0, i=1,…,q;βj≥0,j=1,…,p;為保證GARCH(p, q)是寬平穩(wěn)的,必須存在參數(shù)的約束條件α(B) +β(B)

方程(4)被稱為條件方差方程,這是一個AR-MA過程,在p和q都取1時(shí),條件方差方程就被稱為GARCH(1, 1),其中,方程(4)右邊的第二項(xiàng)被稱為ARCH項(xiàng),第三項(xiàng)被稱為GARCH項(xiàng)。如果αi顯著,就說明模型存在ARCH效應(yīng),同樣,如果βj顯著,說明方程存在GARCH效應(yīng)。對于條件方差方程,可以根據(jù)研究的需要采取不同的形式,由于本文希望對經(jīng)濟(jì)增長的波動是否具有不對稱效應(yīng)進(jìn)行考察,所以需要使用TARCH模型。TARCH模型是由Zakouan提出的[26]。該模型的結(jié)構(gòu)只是在方程(4)上與上述GARCH模型存在差異,即在方程(4)的右邊增加了一項(xiàng)φε2t-1dt-1,其中,dt是一個名義變量,其定義為,當(dāng)εt0,則說明不僅作用效果存在不對稱性,而且還表明這種不對稱性存在杠桿效應(yīng)。對條件方差方程設(shè)定的檢驗(yàn)一般采用Q2統(tǒng)計(jì)量,和均值方程設(shè)定檢驗(yàn)一樣,如果條件方差方程設(shè)定正確的話,則Q2統(tǒng)計(jì)量不應(yīng)該是顯著的。

三、經(jīng)驗(yàn)數(shù)據(jù)的實(shí)證分析

本文在分析中國經(jīng)濟(jì)波動與增長之間的關(guān)系時(shí),主要選擇了1954年至2003年作為樣本的考察期限①,同時(shí),為使本文的研究結(jié)論具有可比性,在變量的選擇上,本文選擇了三個反映總量經(jīng)濟(jì)波動的變量,即GDP、人均GDP以及工業(yè)GDP。由于三個變量的影響因素不同,所以在分析結(jié)論上,可能會存在一定的差異。變量的分析采用以1978年為基期真實(shí)值的形式,縮減的方法是根據(jù)各自的增長指數(shù)以1978年為100換算得到。所有的計(jì)算數(shù)據(jù)都來自于《2004年中國統(tǒng)計(jì)年鑒》。三個變量的增長率通過各自原始序列對數(shù)的差分形式獲得,即yt=log(GDPit/GDPit-1),其中, i代表GDP、人均GDP或者工業(yè)GDP。三個變量的增長特征如圖1所示。從圖1看,不管是GDP、人均GDP抑或是工業(yè)GDP,從1953年到2003年,增長都呈現(xiàn)出一定的波動性,其中,工業(yè)GDP較前兩者波動性更強(qiáng)。同時(shí)圖1也顯示,中國總量經(jīng)濟(jì)的增長波動隨時(shí)間變化有一種逐步收斂的特征, 1978年之前的增長波動明顯高于1978年之后的增長波動。這說明,不同的經(jīng)濟(jì)體制,經(jīng)濟(jì)增長的波動性可能存在差異。

在計(jì)量分析之前,首先對序列的平穩(wěn)性進(jìn)行檢驗(yàn),為保證檢驗(yàn)結(jié)果的穩(wěn)健性,本文使用了目前平穩(wěn)性檢驗(yàn)的兩種常用方法ADF檢驗(yàn)和PP檢驗(yàn)。由于圖1并沒有顯示序列具有明顯的趨勢特征,所以檢驗(yàn)只采用了(c, 0, 0)和(c, n, 0)兩種形式,同時(shí)根據(jù)

AIC和SC最小原則選擇滯后階數(shù),當(dāng)兩者存在不一致時(shí),以SC為準(zhǔn)。利用這個原則,最后的p值確定為1。檢驗(yàn)結(jié)果如表1所示。檢驗(yàn)結(jié)果表明,

對平穩(wěn)序列進(jìn)行條件異方差與其水平值之間關(guān)系進(jìn)行分析,本文在均值方程中選擇了g(ht) = ht的標(biāo)準(zhǔn)差形式,同時(shí)通過SIC準(zhǔn)則分別選擇了AR(1) -TARCH(1, 1) (GDP和人均GDP序列)與TARCH(1, 1)(工業(yè)GDP序列)分析模型。在使用上述模型分析之前,我們首先利用GARCH(1, 1)模型提取出三個變量增長的條件波動方差軌跡,圖2給出了三個變量增長的條件波動過程。將圖2的條件波動軌跡和圖1的水平值時(shí)間軌跡進(jìn)行對比,可以發(fā)現(xiàn),當(dāng)水平值變化幅度劇烈的時(shí)候,對應(yīng)的條件波動也較為劇烈,這從一個角度論證了本文利用GARCH(1, 1)模型描述變量增長過程的條件波動性是一種可行的方法,從三個變量的條件波動軌跡看,其波動過程具有顯著的聚類特征,這說明變量增長過程中條件異方差是存在的。從波動模式看,在1978年之前,各變量的波動都比較劇烈,也比較頻繁,而1978年之后,則波動相對較為平緩,強(qiáng)度有所收斂。同時(shí),在1978年之前,經(jīng)濟(jì)增長的下降階段經(jīng)常伴隨有較強(qiáng)的波動性,而在經(jīng)濟(jì)增長的上升階段又伴隨著較為弱的波動強(qiáng)度。1978年之后,雖然總體上這種特征變得非常不明顯,但多少還是能夠體現(xiàn)這一波動特征的。例如就人均GDP而言, 1989年至1992年,經(jīng)濟(jì)增長處于一個下降的過程,而與其同時(shí),其波動性在圖2b中也顯示一個相對較高的波動強(qiáng)度。

其次,利用上述模型對各變量增長的條件波動性對其水平值的影響進(jìn)行分析。在模型估計(jì)時(shí),本文使用了BHHH來獲得模型參數(shù)的極大似然估計(jì)。具體估計(jì)結(jié)果如表2所示,其中括號內(nèi)是各參數(shù)估計(jì)的標(biāo)準(zhǔn)差。首先,考察模型的設(shè)定檢驗(yàn)。表2的下方給出了模型設(shè)定的各種檢驗(yàn)結(jié)果,其中,反映均值方程設(shè)定的標(biāo)準(zhǔn)化殘差檢驗(yàn)統(tǒng)計(jì)量Q2(12階滯后)以及反映條件方差模型設(shè)定的標(biāo)準(zhǔn)化殘差平方的檢驗(yàn)統(tǒng)計(jì)量(12階滯后)低于5%的臨界值,這表明方程不存在序列相關(guān)性,同時(shí)用于檢驗(yàn)方程殘差正態(tài)性的JB統(tǒng)計(jì)量也顯示殘差呈正態(tài)分布,這些都說明,本文的方程設(shè)定是正確的。

在此基礎(chǔ)上,我們考察表2的第2-4欄。首先看ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)α和β,除了工業(yè)GDP序列外,GDP序列和人均GDP序列中,α與β的和都小于1,分別為0. 99和0. 97,滿足參數(shù)的約束條件。同時(shí),三個序列的α與β之和都在1附近,說明波動沖擊具有持久性。從波動與增長的關(guān)系看,反映波動對水平值影響的δ系數(shù)估計(jì)都為負(fù)值,這表明在過去近50年的時(shí)間里,中國經(jīng)濟(jì)波動對其增長具有減損效應(yīng),但除了工業(yè)GDP外,GDP和人均GDP序列的統(tǒng)計(jì)量都在10%的水平上未能通過檢驗(yàn),這說明,上述的減損效應(yīng)并不顯著,這種檢驗(yàn)結(jié)果與Speight[20]等人的研究結(jié)論類似,但明顯駁斥了兩者正相關(guān)的Black假說。而工業(yè)GDP的波動對增長則在95%或更高的水平上顯示對增長具有的減損效應(yīng),減損的強(qiáng)度為,波動每上升1個標(biāo)準(zhǔn)差,就可能使其增長下降0. 98個百分點(diǎn)。這個結(jié)論則與Zarnowitz和Moore[14]、Ramey和Ramey[15]等人的研究結(jié)論基本一致,從而印證了Keynes提出的兩者負(fù)相關(guān)的論斷。同時(shí),從γ的估計(jì)結(jié)果看,同樣除了工業(yè)GDP序列外,其它兩個序列的檢驗(yàn)都在10%或更高的水平上沒有顯示出增長波動的不對稱效應(yīng),而工業(yè)GDP序列的γ值為-0. 46,并在95%的水平上顯著,這說明,工業(yè)GDP增長過程的波動性具有顯著的不對稱效應(yīng),但由于該值為負(fù),所以這種不對稱性并不具有杠桿的作用。

由于在圖1和圖2中,我們可以看出不管是水平值的時(shí)間變化路徑,還是其波動性的時(shí)間變化路徑,在1978年前后都有很大的變化,所以我們提出,增長的條件波動對其水平值的影響是否具有時(shí)間結(jié)構(gòu)的特征,同時(shí),增長條件方差是否在1978年前后有顯著的不同。為了檢驗(yàn)這兩個假設(shè)是否存在,本文在上述模型的均值方程和條件方差方程中同時(shí)加入一個啞變量dum,啞變量dum的定義為:當(dāng)t≤1978, dum=0;當(dāng)t>1978, dum=1。檢驗(yàn)結(jié)果在表2的第5-7欄。按照同樣的程序,首先檢驗(yàn)各方程的設(shè)定是否正確,檢驗(yàn)結(jié)果表明,各檢驗(yàn)統(tǒng)計(jì)量都能較好地顯示方程設(shè)定是合理的。其次,增加啞變量之后的參數(shù)估計(jì)發(fā)生了較大的變化,首先除了GDP和人均GDP以外,工業(yè)GDP序列的參數(shù)估計(jì)值α與β的和也小于了1,滿足了參數(shù)的約束條件。同時(shí),除了工業(yè)GDP外,GDP和人均GDP均值方程的δ值由原來的負(fù)值變?yōu)榱苏?這說明,如果剝離時(shí)間結(jié)構(gòu)對增長的影響外,單純的波動對其增長水平值具有溢出效應(yīng),但和原來的參數(shù)估計(jì)一樣,兩個參數(shù)在10%或更高水平上未能通過顯著性檢驗(yàn)。這仍然駁斥了Black假說的適用性。與其相反,工業(yè)GDP的估計(jì)相當(dāng)穩(wěn)健,除了減損效應(yīng)有所增強(qiáng)外,統(tǒng)計(jì)檢驗(yàn)依然十分顯著。不過,在剝離時(shí)間效應(yīng)之后,波動對其增長的逆向抑制作用變得更強(qiáng)了,一個標(biāo)準(zhǔn)差的上升將降低其增長近2個百分點(diǎn)。從啞變量的參數(shù)估計(jì)看,就均值方程而言,除了工業(yè)GDP方程的參數(shù)估計(jì)在90%的水平上未能通過顯著性檢驗(yàn)外,GDP和人均GDP序列增長具有顯著的時(shí)間結(jié)構(gòu)特征, 1978年改革開放之后的時(shí)間結(jié)構(gòu)對增長的水平具有顯著的促進(jìn)作用,這一結(jié)論與兩個時(shí)期的平均增長率差異是一致的, 1978年之前,中國經(jīng)濟(jì)的平均增長率與1978年之后相差近分別為3. 1個百分點(diǎn)和4個百分點(diǎn),相對于前兩個序列,工業(yè)GDP增長的時(shí)間結(jié)構(gòu)特征并不明顯, 1978年前后的平均增長率幾乎沒有變化。最后看條件方差方程中,條件方差波動的時(shí)間結(jié)構(gòu)特征,從三個模型的對應(yīng)參數(shù)估計(jì)看,除了GDP序列外,其它兩個序列的條件方差都顯示出顯著的時(shí)間結(jié)構(gòu)特征,從三個方程啞變量參數(shù)值的方向看,盡管GDP序列在5%的水平上未能通過顯著性檢驗(yàn),但所有參數(shù)的估計(jì)都是負(fù)數(shù), 1978年開始的改革開放,明顯使得變量增長的波動性有所減弱,這與圖2的結(jié)論基本一致。

四、分析結(jié)論與政策含義

本文使用了TARCH-M模型,以1953年至2003年為樣本,考察了中國GDP、人均GDP和工業(yè)GDP序列的增長與其波動之間的關(guān)系,分析獲得了三個重要的結(jié)論:一是研究表明,除了工業(yè)GDP序列外,GDP和人均GDP序列的波動對其增長在過去的50年中具有減損效應(yīng),但剝離時(shí)間結(jié)構(gòu)的影響后,前者對后者具有溢出效應(yīng),但兩種情況的統(tǒng)計(jì)性檢驗(yàn)都不顯著。這在某種程度上表明Black假說并沒有得到中國經(jīng)驗(yàn)數(shù)據(jù)的支持,而工業(yè)GDP序列的統(tǒng)計(jì)檢驗(yàn)表明,增長與波動之間存在顯著的負(fù)相關(guān)關(guān)系,這在某種程度上支持了Keynes提出的宏觀經(jīng)

濟(jì)思想;二是通過啞變量的設(shè)置,本文對時(shí)間結(jié)構(gòu)特征的研究表明,增長和波動都具有明顯的時(shí)間結(jié)構(gòu)特征,就增長而言,對外開放和市場化改革取向明顯具有促進(jìn)經(jīng)濟(jì)增長的作用,不僅如此,市場化改革還有利于降低經(jīng)濟(jì)波動的強(qiáng)度和頻率。這從某種程度上支持了本文的第一個結(jié)論,即經(jīng)濟(jì)波動對增長具有一定的減損效應(yīng);三是本文的研究結(jié)論表明,除了工業(yè)GDP序列外,對GDP和人均GDP序列來說,增長的波動不具有不對稱效應(yīng),即經(jīng)濟(jì)增長在上升和下降期間的波動特征沒有發(fā)生顯著的變化。而工業(yè)GDP就具有顯著的不對稱性,即增長下降階段的波動性要高于增長上升階段的波動性,這一結(jié)論與圖1和圖2的經(jīng)驗(yàn)證據(jù)是一致的。

上述分析潛在的政策含義是:實(shí)施必要的宏觀調(diào)控,繼續(xù)深化市場經(jīng)濟(jì)體制改革以及擴(kuò)大對外開放對有效降低經(jīng)濟(jì)增長的波動強(qiáng)度,提高長期增長水平,進(jìn)而提高社會福利具有非常重要的意義。

參考文獻(xiàn):

[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

關(guān)鍵詞：經(jīng)濟(jì)增長；投資規(guī)模；投資效率；VAR模型

中圖分類號：F124.6 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-3890（2013）10-0045-05

一、引言

改革開放以來，中國經(jīng)濟(jì)取得了巨大的成就，經(jīng)濟(jì)持續(xù)高速增長、綜合國力和國際影響力迅速提升，形成了具有中國特色的開放型經(jīng)濟(jì)發(fā)展模式（王玉華，2011）[1]。中國經(jīng)濟(jì)增長的動力，主要來自外需拉動和投資高速增長。深入剖析中國開放型經(jīng)濟(jì)發(fā)展模式，將會發(fā)現(xiàn)高投資推動經(jīng)濟(jì)高速增長的特征十分明顯；而高速增長的投資形成巨大的生產(chǎn)力，需要國外需求來彌補(bǔ)國內(nèi)需求的不足。1978—2011年，中國以年均9.8%的GDP實(shí)際增長率成為全球經(jīng)濟(jì)增長率最高的國家。與經(jīng)濟(jì)高增長相伴隨的是投資的迅猛增長，1978—2011年，中國的投資率從38.2%上升至48.3%，年均投資率超過38%，平均投資增長率為17.2%（圖1）。與此同時(shí)，世界平均投資水平維持在19%～25%，中國的投資率處于世界的最高水平之列。即便是20世紀(jì)60、70年代處于經(jīng)濟(jì)高速發(fā)展階段的日本，其平均投資率也僅為35%。

然而，高投資率并沒有帶來投資效率的提高。增量資本產(chǎn)出率（Incremental Capital-Output Ratio，ICOR）是衡量資本投資效率的重要指標(biāo)。ICOR指資本存量的變動與產(chǎn)出增量的比率，該指標(biāo)越小，表明資本生產(chǎn)率越高，資本運(yùn)用也就越有效率。自上個世紀(jì)90年代以來，中國經(jīng)濟(jì)在投資率迅速增長的同時(shí)，投資效率則總體呈下降趨勢。如圖1、圖2所示，隨著投資率和全社會固定資本投資占GDP比重的上升，增量資本產(chǎn)出率在1990年代后逐漸呈上升趨勢，雖然在進(jìn)入新世紀(jì)后有所下降，但2007年之后又有一定程度的提高?？傮w而言，投資效率在1990年代后未有顯著提高。

中國經(jīng)濟(jì)發(fā)展的實(shí)踐表明，高投資率是經(jīng)濟(jì)增長的重要動力。但在投資效率逐漸下降的情況下，中國的“高投資—高增長”模式還能夠持續(xù)嗎？本文在向量自回歸模型（VAR）的基礎(chǔ)上，實(shí)證研究投資增長、投資效率與經(jīng)濟(jì)增長之間的動態(tài)關(guān)系，進(jìn)而分析投資增長和投資效率對經(jīng)濟(jì)增長的貢獻(xiàn)，并在此基礎(chǔ)上提出中國經(jīng)濟(jì)持續(xù)增長的政策建議。

二、文獻(xiàn)回顧

中國經(jīng)濟(jì)表現(xiàn)出顯著的“高投資—高增長”特征，許多學(xué)者對投資與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了研究，認(rèn)為中國經(jīng)濟(jì)的高速增長主要源于高投資的推動。王小魯（2001）指出，改革20年來，高儲蓄和高投資是推動我國經(jīng)濟(jì)增長的重要因素，資本形成效率的提高對經(jīng)濟(jì)增長有重要貢獻(xiàn)。資本形成率的提高對經(jīng)濟(jì)增長的貢獻(xiàn)比改革開放前上升2.5%，但投資效率還有進(jìn)一步提高的巨大潛力[2]。武劍（1999）認(rèn)為，資本形成是推進(jìn)我國經(jīng)濟(jì)增長的主要動力，而且這一趨勢會逐漸加強(qiáng)，到2010—2020年，資本貢獻(xiàn)度將超過60%[3]。等（2006）通過建立中國經(jīng)濟(jì)增長的綜合因素模型得出結(jié)論，資本投入增加是中國經(jīng)濟(jì)增長最主要的源泉，包括結(jié)構(gòu)升級、人力資本效率提高、制度變遷等在內(nèi)的技術(shù)進(jìn)步的貢獻(xiàn)也較強(qiáng)，勞動投入增加的貢獻(xiàn)相對較弱[4]。

中國經(jīng)濟(jì)“高投資—高增長”是早期經(jīng)濟(jì)增長階段結(jié)構(gòu)轉(zhuǎn)變的深層次反映，這一階段的經(jīng)濟(jì)發(fā)展主要驅(qū)動力來自于大規(guī)模的投資及生產(chǎn)。經(jīng)濟(jì)增長前沿課題組（2003，2004a，2004b，2005a，2005b）指出，中國的“高儲蓄、高投資和高增長”可以從不同角度進(jìn)行解釋，是政府推動的城市化和出口導(dǎo)向的工業(yè)化過程，同時(shí)也是農(nóng)村剩余勞動力向城市轉(zhuǎn)移的過程。在剩余勞動力轉(zhuǎn)移過程中，需要較高的儲蓄率與投資率[5-9]。李揚(yáng)、殷劍峰（2005）認(rèn)為剩余勞動力由農(nóng)業(yè)向工業(yè)（工業(yè)化）、由農(nóng)村向城市（城市化）、由國有向非國有（市場化）的持續(xù)轉(zhuǎn)移是我國經(jīng)濟(jì)能夠長期、高速增長的關(guān)鍵，而高儲蓄率和高投資率既是這種增長模式的必然結(jié)果，也是勞動力得以持續(xù)轉(zhuǎn)移乃至這種增長模式得以維持的關(guān)鍵原因[10]。

與中國“高投資—高增長”的發(fā)展模式相伴隨的是低效率的高投資，投資過程中存在極大的浪費(fèi)。在過去的20多年，這一模式是以宏觀成本的積累為代價(jià)的。政府公共資本的擁擠效應(yīng)推動高投資和高增長，并帶來了諸如高能耗、高污染以及形成不良債務(wù)等宏觀成本（經(jīng)濟(jì)增長前沿課題組，2004b；2005b）[7][9]，還會產(chǎn)生大量的不良資產(chǎn)（平新喬，1998）[11]。在中國經(jīng)濟(jì)的長期增長過程中，高儲蓄高投資增長模式容易引起經(jīng)濟(jì)的“大起大落”，這種“大起大落”引起的劇烈周期性波動一直成為宏觀經(jīng)濟(jì)運(yùn)行的常態(tài)，損害了經(jīng)濟(jì)的穩(wěn)定性（龐明川，2005；2006）[12][13]。

長期的投資增長能夠擴(kuò)大生產(chǎn)能力，影響經(jīng)濟(jì)增長的持續(xù)性，而投資在影響長期經(jīng)濟(jì)增長方面的作用，實(shí)際上依賴于投資的“效率”和投資推動的技術(shù)進(jìn)步及其性質(zhì)（張軍，2005）[14]。由此可見，投資效率的提升對于中國經(jīng)濟(jì)的長期快速穩(wěn)定增長具有重要的促進(jìn)作用。本文將在現(xiàn)有研究基礎(chǔ)上進(jìn)一步分析投資增長、投資效率與經(jīng)濟(jì)增長之間的動態(tài)關(guān)系。

三、模型設(shè)定與實(shí)證分析

經(jīng)濟(jì)增長理論研究認(rèn)為，投資增長是早期經(jīng)濟(jì)騰飛階段經(jīng)濟(jì)高速增長的重要動力源泉，此時(shí)經(jīng)濟(jì)增長歸根到底要靠投資驅(qū)動。新增長理論研究表明，現(xiàn)代經(jīng)濟(jì)增長模式與早期經(jīng)濟(jì)增長模式存在重大區(qū)別，投資效率的提高是現(xiàn)代經(jīng)濟(jì)增長的主要源泉，即現(xiàn)代經(jīng)濟(jì)增長主要靠技術(shù)進(jìn)步和效率提高來驅(qū)動[15]。中國經(jīng)濟(jì)經(jīng)過改革開放后的飛速發(fā)展階段，已經(jīng)步入中等收入國家行列，經(jīng)濟(jì)整體水平及資源稟賦狀況都發(fā)生了巨大的變化，各種要素在經(jīng)濟(jì)增長中的作用也應(yīng)該相應(yīng)發(fā)生變化。此時(shí)對我國投資增長、投資效率與經(jīng)濟(jì)增長關(guān)系進(jìn)行實(shí)證研究，對于適時(shí)轉(zhuǎn)變我國的經(jīng)濟(jì)增長方式是十分必要。

（一）模型及分析方法

為了研究投資、投資效率與中國經(jīng)濟(jì)增長之間的動態(tài)關(guān)系，我們構(gòu)建了包括投資、投資效率和經(jīng)濟(jì)增長三個變量的VAR模型。VAR模型是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立模型，把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)，從而將單變量自回歸模型推廣到由多元時(shí)間序列變量組成的向量自回歸模型（高鐵梅，2006）[16]。運(yùn)用向量自回歸模型能夠較方便地預(yù)測相互聯(lián)系的時(shí)間序列系統(tǒng)及分析系統(tǒng)中隨機(jī)擾動項(xiàng)對經(jīng)濟(jì)變量的動態(tài)影響。VAR（p）模型的一般數(shù)學(xué)表達(dá)形式為：

其中，yt是k維內(nèi)生變量向量，xt是d維外生變量向量，p為滯后除數(shù)，T為樣本個數(shù)。k×k維矩陣A1，…，Ap和k×d維矩陣B是要被估計(jì)的系數(shù)矩陣。？著t是k維擾動向量，它們相互之間可以同期相關(guān)，但不與自己的滯后值相關(guān)及不與等式右邊的變量相關(guān)，假設(shè)∑是？著t的協(xié)方差矩陣，是一個k×k的正定矩陣。構(gòu)造VAR模型的關(guān)鍵是確保其穩(wěn)定性，這也是確定VAR模型最優(yōu)滯后期的重要評判標(biāo)準(zhǔn)。對于穩(wěn)定的VAR模型，其特征方程根的倒數(shù)均要求小于1。

（二）實(shí)證檢驗(yàn)

1. 數(shù)據(jù)說明與變量設(shè)定。本文選取的樣本時(shí)間為1980—2011年，根據(jù)各期《中國統(tǒng)計(jì)年鑒》數(shù)據(jù)計(jì)算得出。模型中涉及的變量主要有：實(shí)際全社會固定資本投資、投資效率和實(shí)際國內(nèi)生產(chǎn)總值。用GDP和FINV分別代表實(shí)際國內(nèi)生產(chǎn)總值和實(shí)際全社會固定資本投資，單位均為億元；用ICOR代表投資效率。GDP、FINV和ICOR的對數(shù)分別用LNGDP、LNFINV和LNICOR表示，LNGDP、LNFINVT和LNICOR的一階差分分別用DLNGDP、DLNFINV和DLNICOR表示。

2. 變量平穩(wěn)性檢驗(yàn)。進(jìn)行時(shí)間序列分析之前，首先對變量的平穩(wěn)性進(jìn)行檢驗(yàn)。本文采用單位根檢驗(yàn)（unit root test）方法對相關(guān)變量的平穩(wěn)性進(jìn)行檢驗(yàn)。對LNGDP、LNFINV和LNICOR進(jìn)行ADF（Augment Dick-Fuller）檢驗(yàn)，發(fā)現(xiàn)LNGDP和LNICOR在1%和5%的水平值是平穩(wěn)序列，LNFINV是非平穩(wěn)序列。對它們的一階差分DLNGDP、DLNFINV和DLNICOR進(jìn)行ADF檢驗(yàn)，分別在5%、10%和10%的水平上是平穩(wěn)的（檢驗(yàn)結(jié)果見表1）。

3. 協(xié)整關(guān)系分析。協(xié)整檢驗(yàn)方法主要有Engle-Granger二階段協(xié)整檢驗(yàn)法和Johansen協(xié)整檢驗(yàn)法。本文對時(shí)間序列的檢驗(yàn)采用基于VAR模型的Johansen協(xié)整檢驗(yàn)法，通過跡統(tǒng)計(jì)量和最大特征根來判別變量LNGDP、LNFINV和LNICOR之間的協(xié)整關(guān)系。表2中，r=0表示三者之間無協(xié)整關(guān)系，r≠0表示存在協(xié)整關(guān)系。協(xié)整檢驗(yàn)結(jié)果顯示，原假設(shè)r=0時(shí)，跡統(tǒng)計(jì)檢驗(yàn)統(tǒng)計(jì)量的值41.341 12大于5%顯著性水平下的臨界值29.797 07，最大特征根檢驗(yàn)統(tǒng)計(jì)量的值33.158 914大于5%顯著性水平下的臨界值21.131 62，故拒絕原假設(shè)，中國經(jīng)濟(jì)增長和投資、投資效率之間存在一個長期穩(wěn)定的協(xié)整關(guān)系。

4. 因果關(guān)系分析。格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果是否可信，取決于變量是否都是平穩(wěn)的或者雖不平穩(wěn)但它們之間存在協(xié)整關(guān)系。從前文可知，中國經(jīng)濟(jì)增長和投資、投資效率之間存在協(xié)整關(guān)系，所以可以對這些變量進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)。

從檢驗(yàn)結(jié)果（表3）可知，固定資本投資與經(jīng)濟(jì)增長之間存在雙向的格蘭杰因果關(guān)系，即固定資本投資是引起經(jīng)濟(jì)增長變化的格蘭杰原因，經(jīng)濟(jì)增長也是引起固定資本投資變化的格蘭杰原因，說明固定資本投資的提高能夠促進(jìn)中國經(jīng)濟(jì)增長，經(jīng)濟(jì)增長的良好態(tài)勢也會吸引更多的固定資本投資。經(jīng)濟(jì)增長與投資效率之間也存在雙向的格蘭杰因果關(guān)系，投資效率是引起經(jīng)濟(jì)增長變化的格蘭杰原因，說明投資效率的提高能夠促進(jìn)中國經(jīng)濟(jì)的增長；經(jīng)濟(jì)增長也是引起投資效率變化的格蘭杰原因，說明中國經(jīng)濟(jì)的良好增長也有利于投資效率的提高。固定資本投資與投資效率之間具有單向格蘭杰因果關(guān)系，固定資本投資是投資效率的格蘭杰原因，說明固定資本投資的過快增長，使投資效率下降；而投資效率不是固定資本投資的格蘭杰原因，說明投資效率的提高并不一定引起固定資本投資的增長。

5. 脈沖響應(yīng)函數(shù)。脈沖響應(yīng)函數(shù)（impulse response function，IRF）描述一個內(nèi)生變量對來自另一內(nèi)生變量的一個單位變動沖擊所產(chǎn)生的響應(yīng)，提供系統(tǒng)受沖擊所產(chǎn)生響應(yīng)的正負(fù)方向、調(diào)整時(shí)滯和穩(wěn)定過程等信息。接下來運(yùn)用脈沖響應(yīng)函數(shù)對投資、投資效率與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行動態(tài)分析。脈沖響應(yīng)函數(shù)檢驗(yàn)結(jié)果如下圖，圖3、圖4分別描述了經(jīng)濟(jì)增長分別對投資、投資效率一個標(biāo)準(zhǔn)差正沖擊的動態(tài)響應(yīng)。

圖3反映了變量LNGDP（經(jīng)濟(jì)增長）對來自變量LNFINV（固定資本投資）一單位標(biāo)準(zhǔn)差正沖擊的動態(tài)響應(yīng)。經(jīng)濟(jì)增長對來自固定資本投資的沖擊當(dāng)期就有顯著正向反應(yīng)，這種正向反應(yīng)之后逐漸增強(qiáng)，到第3期達(dá)到最大值后緩慢減小，在第7期達(dá)到最小值后，又呈緩慢增強(qiáng)趨勢。

圖4反映了變量LNGDP（經(jīng)濟(jì)增長）對來自變量LNICOR（投資效率）一單位標(biāo)準(zhǔn)差正沖擊的動態(tài)響應(yīng)。經(jīng)濟(jì)增長對來自投資效率的沖擊在當(dāng)期就有顯著的負(fù)向反應(yīng)，這種負(fù)向反應(yīng)在迅速增強(qiáng)，到第2期達(dá)到峰值后，這種負(fù)向反應(yīng)呈緩慢減小趨勢，至第7期達(dá)到最小，之后又呈緩慢擴(kuò)大趨勢。

整體來看，經(jīng)濟(jì)增長對來自固定資本投資增量沖擊的反應(yīng)為正向且作用時(shí)間持久，說明當(dāng)前增加固定資本投資能夠促進(jìn)中國經(jīng)濟(jì)的增長；經(jīng)濟(jì)增長對來自ICOR增量沖擊的反應(yīng)為負(fù)向且作用時(shí)間持久，說明投資效率的降低對中國經(jīng)濟(jì)增長存在負(fù)面影響，反之提高投資效率則有利于促進(jìn)中國經(jīng)濟(jì)的增長。

6. 方差分解。方差分解（variance decomposition）是通過分析每一結(jié)構(gòu)沖擊對內(nèi)生變量變化（通常用方差來度量）的貢獻(xiàn)度，進(jìn)一步評價(jià)不同結(jié)構(gòu)沖擊的重要性（高鐵梅，2006）[16]。即通過將一個變量沖擊的均方差分解成各變量的隨機(jī)沖擊所做的貢獻(xiàn)，然后計(jì)算出每一個變量沖擊的貢獻(xiàn)占總貢獻(xiàn)的比例。為了進(jìn)一步分析投資、投資效率的結(jié)構(gòu)沖擊對經(jīng)濟(jì)增長變化的貢獻(xiàn)程度，接下來借助方差分解對投資、投資效率對經(jīng)濟(jì)增長的貢獻(xiàn)程度進(jìn)行考察，定量把握它們之間的影響關(guān)系。各變量對經(jīng)濟(jì)增長的貢獻(xiàn)率如圖5所示。

從圖5對經(jīng)濟(jì)增長的方差分解來看，經(jīng)濟(jì)增長的變動絕大部分源于其自身慣性導(dǎo)致，且自身沖擊的貢獻(xiàn)度呈下降趨勢；固定資本投資與投資效率的沖擊對經(jīng)濟(jì)增長的貢獻(xiàn)度都呈上升趨勢，但固定資本投資的貢獻(xiàn)率要顯著大于投資效率的貢獻(xiàn)程度，到第10期，經(jīng)濟(jì)增長變動中73%來自于其自身的沖擊，24%來自于固定資本投資沖擊的影響，而投資效率沖擊的貢獻(xiàn)度僅約為3%。

方差分解結(jié)果說明，當(dāng)前對中國經(jīng)濟(jì)增長最重要的影響因素是GDP自身發(fā)展速度，在沒有受到外界沖擊情況下，中國經(jīng)濟(jì)系統(tǒng)將按著自身規(guī)律向前發(fā)展，所以保持宏觀經(jīng)濟(jì)的穩(wěn)定性對于中國經(jīng)濟(jì)可持續(xù)快速發(fā)展至關(guān)重要。此外，中國經(jīng)濟(jì)增長依賴于投資增長要遠(yuǎn)高于依賴投資效率的提高，即當(dāng)前中國經(jīng)濟(jì)增長模式仍是依靠投資驅(qū)動的粗放型經(jīng)濟(jì)增長模式。但中國經(jīng)濟(jì)發(fā)展的現(xiàn)狀決定了在轉(zhuǎn)變經(jīng)濟(jì)增長模式的過程中，應(yīng)該實(shí)行漸進(jìn)性的轉(zhuǎn)變，維持宏觀政策的穩(wěn)定性和可預(yù)見性。

四、結(jié)論與對策

本文通過建立VAR模型實(shí)證研究了投資、投資效率與經(jīng)濟(jì)增長的動態(tài)關(guān)系，以及投資增長和投資效率對經(jīng)濟(jì)增長的貢獻(xiàn)。研究發(fā)現(xiàn)當(dāng)前投資增長和投資效率的提高均能促進(jìn)中國經(jīng)濟(jì)增長，但兩者相比較，中國經(jīng)濟(jì)仍主要依靠投資增長來驅(qū)動，而投資效率的提高則在經(jīng)濟(jì)增長中發(fā)揮著較微弱的作用。

經(jīng)濟(jì)增長過度依賴投資增長而非效率的提高將引發(fā)許多經(jīng)濟(jì)問題，不利于經(jīng)濟(jì)長期穩(wěn)定的增長。中國自改革開放后初步形成的開放型經(jīng)濟(jì)發(fā)展模式，其顯著的特征之一是經(jīng)濟(jì)高速增長依賴于投資的高速增長，而不是效率的提高。過度依賴于投資增長的經(jīng)濟(jì)增長方式，已經(jīng)在中國的一些地區(qū)和一些行業(yè)形成了投資過熱或過度投資問題，造成產(chǎn)能過剩和投資效率降低。

在國內(nèi)市場飽和的情況下，嚴(yán)重過剩的產(chǎn)能需要尋找國際市場，金融危機(jī)后國際市場需求的萎縮，以及近年來中國出口貿(mào)易摩擦接連不斷的情況表明，中國出口產(chǎn)品已經(jīng)受到越來越大的壓力，發(fā)展空間受到限制。另外，中國經(jīng)濟(jì)增長不但受到資源和能源的約束，而且也因能源和礦產(chǎn)品等資源類產(chǎn)品價(jià)格不斷上漲而增加了輸入性通貨膨脹的壓力。

基于本文的實(shí)證研究，以及后危機(jī)時(shí)代中國面臨的復(fù)雜多變的國際經(jīng)濟(jì)形勢，中國必須徹底轉(zhuǎn)變經(jīng)濟(jì)增長模式，貫徹建設(shè)資源節(jié)約、環(huán)境友善型經(jīng)濟(jì)發(fā)展方針，實(shí)現(xiàn)從依賴投資增長驅(qū)動的經(jīng)濟(jì)增長模式向主要依靠效率提高和技術(shù)進(jìn)步驅(qū)動的經(jīng)濟(jì)增長模式轉(zhuǎn)變。

第一，調(diào)整投資思路，采取實(shí)際措施提高經(jīng)濟(jì)效率。通過促進(jìn)與科學(xué)相關(guān)的技術(shù)的運(yùn)用，推動技術(shù)創(chuàng)新和產(chǎn)品升級；鼓勵自主創(chuàng)新，降低國內(nèi)生產(chǎn)總值的能源密集度；通過大力發(fā)展服務(wù)業(yè)，特別是生產(chǎn)業(yè)，降低交易成本；通過調(diào)整和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)產(chǎn)業(yè)升級；通過廣泛運(yùn)用信息通信技術(shù)，提升國民經(jīng)濟(jì)各部門的效率。

第二，轉(zhuǎn)變政府職能，明確政府與市場角色的定位。根據(jù)市場經(jīng)濟(jì)的要求，限制各級政府配置資源和直接干預(yù)企業(yè)與個人微觀決策的權(quán)力。政府應(yīng)該避免“越位”，充分發(fā)揮市場機(jī)制的作用，讓市場在資源配置中起基礎(chǔ)性作用。政府則要履行好自己的職能，提供充足的公共產(chǎn)品，如完善法治環(huán)境、酌情使用經(jīng)濟(jì)和行政手段彌補(bǔ)市場失靈，以及建立健全覆蓋城鄉(xiāng)居民的社會保障體系和維護(hù)社會公平等等。

第三，完善制度建設(shè)，建立適應(yīng)新增長模式的制度環(huán)境。完善所有制結(jié)構(gòu)，推進(jìn)國有經(jīng)濟(jì)的布局調(diào)整和鼓勵民營經(jīng)濟(jì)發(fā)展。改善有利于人員流動的環(huán)境條件，調(diào)整城市化戰(zhàn)略，加快農(nóng)村富余勞動力向城市工商業(yè)轉(zhuǎn)移。努力發(fā)展金融市場和健全金融市場規(guī)則，加強(qiáng)信用環(huán)境，完善金融機(jī)構(gòu)的公司治理，提高投資效率。

參考文獻(xiàn)：

[1]王玉華.世界經(jīng)濟(jì)失衡下中國開放型經(jīng)濟(jì)發(fā)展模式研究[D].浙江大學(xué)博士論文，2011.

[2]王小魯.改革20年和今后20年：投資對經(jīng)濟(jì)增長的貢獻(xiàn)[J].國家行政學(xué)院學(xué)報(bào)，2001，（4）：56-61.

[3]武劍.儲蓄、投資和經(jīng)濟(jì)增長——中國資金供求的動態(tài)分析[J].經(jīng)濟(jì)研究，1999，（11）：29-38.

[4]，鄭京平，萬東華，馮春平，巴威，嚴(yán)于龍.中國經(jīng)濟(jì)增長動力及前景分析[J].經(jīng)濟(jì)研究，2006，（5）：4-12.

[5]經(jīng)濟(jì)增長前沿課題組.經(jīng)濟(jì)增長、結(jié)構(gòu)調(diào)整的累積效應(yīng)與資本形成——當(dāng)前經(jīng)濟(jì)增長態(tài)勢分析[J].經(jīng)濟(jì)研究，2003，（8）：3-12.

[6]經(jīng)濟(jì)增長前沿課題組.開放中的經(jīng)濟(jì)增長與政策選擇——當(dāng)前經(jīng)濟(jì)增長態(tài)勢分析[J].經(jīng)濟(jì)研究，2004a，（4）：4-15.

[7]經(jīng)濟(jì)增長前沿課題組.財(cái)政政策的供給效應(yīng)與經(jīng)濟(jì)發(fā)展[J].經(jīng)濟(jì)研究，2004b，（9）：4-17.

[8]經(jīng)濟(jì)增長前沿課題組.國際資本流動、經(jīng)濟(jì)扭曲與宏觀穩(wěn)定——當(dāng)前經(jīng)濟(jì)增長態(tài)勢分析[J].經(jīng)濟(jì)研究，2005a，（4）：4-16.

[9]經(jīng)濟(jì)增長前沿課題組.高投資、宏觀成本與經(jīng)濟(jì)增長的持續(xù)性[J].經(jīng)濟(jì)研究，2005b，（10）：4-16.

[10]李揚(yáng)，殷劍峰.勞動力轉(zhuǎn)移過程中的高儲蓄、高投資和中國經(jīng)濟(jì)增長[J].經(jīng)濟(jì)研究，2005，（2）：4-15.

[11]平新喬.“預(yù)算軟約束”的新理論及其計(jì)量驗(yàn)證[J].經(jīng)濟(jì)研究，1998，（10）：70-80.

[12]龐明川.政府投資、經(jīng)濟(jì)轉(zhuǎn)軌與體制性約束[J].經(jīng)濟(jì)社會體制比較，2005，（2）：107-113.

[13]龐明川.轉(zhuǎn)軌以來中國的宏觀調(diào)控與經(jīng)濟(jì)發(fā)展[J].財(cái)經(jīng)問題研究，2006，（2）：11-19.

[14]張軍.資本形成、投資效率與中國的經(jīng)濟(jì)增長[M].北京：清華大學(xué)出版社，2005.

篇7

關(guān)鍵詞：經(jīng)濟(jì)增長；經(jīng)濟(jì)增長動力；外國直接投資；金融發(fā)展

一、關(guān)于經(jīng)濟(jì)增長源泉和動力的研究

改革開放以來，國內(nèi)學(xué)者對我國經(jīng)濟(jì)增長源泉和動力因素的研究一直沒有停止，其分析大多利用索洛提出的新古典經(jīng)濟(jì)增長模型或其改進(jìn)模型，將經(jīng)濟(jì)增長歸因?yàn)橐赝度朐黾雍腿厣a(chǎn)率(TFP)的提高兩方面。國內(nèi)多位學(xué)者的研究結(jié)果表明，要素投入是我國經(jīng)濟(jì)增長的主要源泉和動力，而全要素生產(chǎn)率對生產(chǎn)率增長的貢獻(xiàn)有限。由于研究期間和數(shù)據(jù)處理方法不同，研究結(jié)論亦不盡相同。沈坤榮(1999)運(yùn)用增長速度方程對1953—1997年我國經(jīng)濟(jì)增長源泉進(jìn)行分解，結(jié)果表明經(jīng)濟(jì)增長主要是由生產(chǎn)要素投入的增量帶來的。王德勁(2007)運(yùn)用誤差校正模型分析方法估計(jì)了我國1952～1998年期間擴(kuò)展的索洛模型，得出物質(zhì)資本存量是經(jīng)濟(jì)增長主要因素的結(jié)論。董直慶等(2007)認(rèn)為，我國約70％的經(jīng)濟(jì)增長來自于資本和勞動投入，但物質(zhì)資本、人力資本、技術(shù)進(jìn)步等在經(jīng)濟(jì)發(fā)展不同時(shí)期或不同階段，對經(jīng)濟(jì)增長有著不同影響，即要素對經(jīng)濟(jì)增長作用存在階段性變化特征。種觀點(diǎn)認(rèn)為，資本投入增加是我國經(jīng)濟(jì)增長最主要的源泉，由于我國勞動力供給相對過剩且勞動邊際效率較低，有關(guān)勞動投入增加的貢獻(xiàn)相對較弱。一些學(xué)者認(rèn)為，考慮結(jié)構(gòu)調(diào)整、要素投入與技術(shù)內(nèi)生情況時(shí)，要素投入對我國經(jīng)濟(jì)增長的貢獻(xiàn)率大幅下降。樊勝根等(2002)進(jìn)行實(shí)證研究結(jié)果表明，研究期間我國17％的經(jīng)濟(jì)增長來源于結(jié)構(gòu)變化，TFP帶來4.2％的年增長率，要素投入增加解釋了41％的增長。遲巍等(2007)研究發(fā)現(xiàn)，在1996～2004年間，一個地區(qū)高水平的人力資本能吸引固定資產(chǎn)向該地區(qū)的投入，從而促進(jìn)經(jīng)濟(jì)增長。固定資本投資為內(nèi)生，對經(jīng)濟(jì)增長并不起決定性作用。這說明我國經(jīng)濟(jì)增長的質(zhì)量已有很大提高，已在按照發(fā)達(dá)國家的內(nèi)生性經(jīng)濟(jì)增長的模式發(fā)展。孫超等(2004)研究發(fā)現(xiàn)技術(shù)進(jìn)步和人力資本的增長率對我國經(jīng)濟(jì)增長起決定性作用。

二、關(guān)于FDI與經(jīng)濟(jì)增長關(guān)系的研究

(一)通過計(jì)量模型直接檢驗(yàn)外商直接投資(FDI)對經(jīng)濟(jì)增長的作用

魏巍賢(1997)應(yīng)用協(xié)整檢驗(yàn)和格蘭杰因果關(guān)系檢驗(yàn)法研究我國經(jīng)濟(jì)增長與FDI的關(guān)系，結(jié)果表明經(jīng)濟(jì)增長與FDI增長之間具有雙向因果關(guān)系，但經(jīng)濟(jì)增長與FDI之間不存在長期穩(wěn)定關(guān)系。賀紅波等(2005)認(rèn)為，我國FDI和經(jīng)濟(jì)增長之間存在單向因果關(guān)系，F(xiàn)DI是經(jīng)濟(jì)增長的單向Granger原因，且兩者之間存在長期穩(wěn)定的關(guān)系，這表明FDI在促進(jìn)我國經(jīng)濟(jì)增長過程中發(fā)揮了重要作用。而經(jīng)濟(jì)增長不是FDI的Granger原因，表明我國經(jīng)濟(jì)增長不是吸引FDI的直接原因。魏后凱(2002)利用1985～1999年時(shí)間序列和橫斷面數(shù)據(jù)，將FDI對我國區(qū)域經(jīng)濟(jì)增長的影響進(jìn)行實(shí)證分析。結(jié)果表明，東部發(fā)達(dá)地區(qū)與西部落后地區(qū)之間GDP增長率的差異約有90％是由FDI引起的。王成岐等(2000)運(yùn)用計(jì)量模型考察了影響我國FDI與經(jīng)濟(jì)增長關(guān)系的諸因素，認(rèn)為經(jīng)濟(jì)技術(shù)水平和政策因素均強(qiáng)烈影響FDI與經(jīng)濟(jì)增長的關(guān)系。蕭政等(2002)從我國和其他23個發(fā)展中國家總量時(shí)間序列資料的分析中發(fā)現(xiàn)，穩(wěn)定可靠的組織機(jī)構(gòu)和城市化的發(fā)展在吸引外商直接投資方面發(fā)揮著相當(dāng)重要的作用。代謙等(2006)在利用我國1979～2003年數(shù)據(jù)檢驗(yàn)FDI對經(jīng)濟(jì)增長的效應(yīng)時(shí)發(fā)現(xiàn)，國內(nèi)投資和人力資本起著相當(dāng)重要的作用；FDI的增長效應(yīng)集中在短期，人力資本則有明顯的長期效應(yīng)。

(二)從不同視角研究FDI對我國經(jīng)濟(jì)增長的作用

首先，從需求效應(yīng)和供給效應(yīng)角度研究。房漢廷(1996)通過分析外商直接投資對社會總需求的拉動力和對固定資產(chǎn)投資的影響后認(rèn)為，F(xiàn)DI推動了我國經(jīng)濟(jì)加速增長。沈坤榮(1999)認(rèn)為，F(xiàn)DI對我國經(jīng)濟(jì)增長的需求效應(yīng)和供給效應(yīng)都十分明顯。其次，從“擠出”效應(yīng)角度研究。楊海燕(2005)通過對我國1998～2003年FDI與經(jīng)濟(jì)增長的因果關(guān)系分析后認(rèn)為，由于利用FDI過程中存在外資利用結(jié)構(gòu)引發(fā)的對國內(nèi)投資的擠出以及國內(nèi)儲蓄的低效利用，削弱了FDI對GDP增長的正向效應(yīng)。楊新房等(2006)對FDI對我國國內(nèi)資本的“擠出”效應(yīng)和“擠入”進(jìn)行了研究，結(jié)果表明，F(xiàn)DI雖然對我國國內(nèi)資本有“凈擠入”的效果，但從資本形成的角度看，F(xiàn)DI促進(jìn)了我國的經(jīng)濟(jì)增長。第三，從資本效應(yīng)和外溢效應(yīng)角度研究。胡翊竑等(2001)認(rèn)為，F(xiàn)DI有助于改善我國資本形成質(zhì)量、推動人力資源開發(fā)、提高資源配置效率、推動技術(shù)進(jìn)步，進(jìn)而對經(jīng)濟(jì)增長起到積極的作用。張海星(2005)對外商直接投資和國內(nèi)投資的增長效應(yīng)、資本積累效應(yīng)以及技術(shù)進(jìn)步效應(yīng)進(jìn)行了比較分析。結(jié)果表明，F(xiàn)DI和國內(nèi)投資對經(jīng)濟(jì)增長都具有顯著的正向推動作用，但國內(nèi)投資貢獻(xiàn)較大，且二者促進(jìn)經(jīng)濟(jì)增長的路徑亦不相同。龐英等(2008)在對轉(zhuǎn)型期中國民族資本與FDI企業(yè)生產(chǎn)效率測度的基礎(chǔ)上，具體研究其生產(chǎn)資源配置效率與技術(shù)效率。結(jié)果表明，民族資本的效率優(yōu)于FDI。因此，民族資本是推動我國未來經(jīng)濟(jì)持續(xù)高效增長的主要動力。第四，從地理空間結(jié)構(gòu)角度研究。鄭月明等(2004)研究表明FDI在地理空間上的非均衡分布及其變動趨勢對我國區(qū)域經(jīng)濟(jì)的平衡發(fā)展和持續(xù)增長產(chǎn)生了深遠(yuǎn)影響。陳柳等(2006)通過1987～2003年27個省份的面板數(shù)據(jù)綜合分析了本土創(chuàng)新能力與FDI技術(shù)外溢兩者對我國經(jīng)濟(jì)增長的作用，認(rèn)為本土的技術(shù)創(chuàng)新能力對經(jīng)濟(jì)增長具有顯著的正面作用；在控制本土的技術(shù)創(chuàng)新能力之后，F(xiàn)DI本身產(chǎn)生的技術(shù)外溢對經(jīng)濟(jì)增長的推動作用并不顯著，但FDI與人力資本的交互作用仍能促進(jìn)經(jīng)濟(jì)增長；創(chuàng)新能力在中西部地區(qū)經(jīng)濟(jì)增長中的作用比東部地區(qū)更強(qiáng)；本土創(chuàng)新能力的差異在某種程度上可能是區(qū)域發(fā)展不平衡的原因。第五，從傳遞途徑和其他效應(yīng)角度研究。周春應(yīng)(2007)研究了FDI如何通過進(jìn)出口貿(mào)易、國內(nèi)資本積累、R&D、產(chǎn)業(yè)結(jié)構(gòu)升級、就業(yè)、人力資本、市場化程度等途徑影響經(jīng)濟(jì)增長及影響強(qiáng)度的大小，結(jié)果表明，F(xiàn)DI通過不同的傳導(dǎo)途徑對經(jīng)濟(jì)增長產(chǎn)生顯著影響。趙娜等(2008)對外國直接投資影響我國經(jīng)濟(jì)增長的六種效應(yīng)進(jìn)行研究，結(jié)果顯示，F(xiàn)DI可通過資本積累、出口促進(jìn)、投資拉動、技術(shù)溢出、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和制度變遷六種具體效應(yīng)來促進(jìn)我國經(jīng)濟(jì)增長；FDI對各種不同具體效應(yīng)的時(shí)滯期各不相同。三、關(guān)于金融發(fā)展與經(jīng)濟(jì)增長關(guān)系的研究

(一)金融發(fā)展與經(jīng)濟(jì)增長存在正相關(guān)關(guān)系

殷醒民等(2001)研究表明，我國股票市場規(guī)模的擴(kuò)大、交易率的提高增加了國有企業(yè)的固定資產(chǎn)投資，加快了企業(yè)的技術(shù)進(jìn)步，推動了我國經(jīng)濟(jì)更快的增長，因而股票市場發(fā)展與經(jīng)濟(jì)增長之間有很強(qiáng)的正相關(guān)性。劉柯杰(2003)的研究結(jié)果表明，股票市場分散風(fēng)險(xiǎn)功能的提高能顯著促進(jìn)長期經(jīng)濟(jì)增長。范學(xué)俊(2006)運(yùn)用最大似然協(xié)整分析法及1992年第一季度至2004年第三季度數(shù)據(jù)檢驗(yàn)我國金融發(fā)展與經(jīng)濟(jì)增長之間的動態(tài)關(guān)系。結(jié)果表明，股票市場與銀行部門在長期都對經(jīng)濟(jì)增長有正的影響。康繼軍等(2005)使用基于誤差修正模型的格蘭杰因果關(guān)系檢驗(yàn)法研究我國金融發(fā)展與GDP增長的長短期因果關(guān)系。結(jié)果表明，在短期，GDP增長和股市發(fā)展之間存在雙向因果關(guān)系；在長期，金融中介發(fā)展和股市發(fā)展都是GDP增長的單向動因。

(二)我國金融發(fā)展對經(jīng)濟(jì)增長的作用并不顯著或存在負(fù)相關(guān)關(guān)系

林義相(1999)指出，我國股票市場功能由于定位在為國有企業(yè)和國有經(jīng)濟(jì)融資，使得股票市場對經(jīng)濟(jì)增長的作用相當(dāng)有限。唐齊鳴等(2000)實(shí)證研究的結(jié)論是我國股市還不能充分發(fā)揮貨幣政策傳導(dǎo)功能，因此股票市場對經(jīng)濟(jì)增長的作用不顯著。趙振全等(2004)研究指出，股票市場由于融資利用效率低下和資源的逆配置，對經(jīng)濟(jì)增長幾乎沒有作用。韓廷春(2001)采用金融發(fā)展與經(jīng)濟(jì)增長關(guān)聯(lián)機(jī)制的計(jì)量模型，運(yùn)用我國經(jīng)濟(jì)發(fā)展過程中的有關(guān)數(shù)據(jù)進(jìn)行實(shí)證分析表明，技術(shù)進(jìn)步與制度創(chuàng)新是經(jīng)濟(jì)增長最為關(guān)鍵的因素，而金融發(fā)展對經(jīng)濟(jì)增長的作用極其有限。陳偉國等(2008)利用VAR因果關(guān)系檢驗(yàn)和方差分解探索我國金融發(fā)展與經(jīng)濟(jì)增長之間的關(guān)系結(jié)果表明，金融發(fā)展與經(jīng)濟(jì)增長不存在明顯的因果關(guān)系，金融發(fā)展與經(jīng)濟(jì)增長存在單向因果關(guān)系，屬于需求追隨型。

四、經(jīng)濟(jì)增長問題研究的不足及改進(jìn)思路

(一)經(jīng)濟(jì)增長問題研究的不足

盡管國內(nèi)學(xué)者對經(jīng)濟(jì)增長問題進(jìn)行了深入研究，但由于理論的復(fù)雜性，許多經(jīng)濟(jì)增長理論方面的問題至今沒有達(dá)成共識，有待進(jìn)一步研究。首先，經(jīng)濟(jì)增長源泉和動力研究的不足。國內(nèi)的研究多運(yùn)用靜態(tài)分析，強(qiáng)調(diào)靜態(tài)要素貢獻(xiàn)，而很少涉及不同發(fā)展階段下要素貢獻(xiàn)變化問題，即只集中于靜態(tài)而非動態(tài)的分析。同時(shí)，多數(shù)文獻(xiàn)的實(shí)證檢驗(yàn)只關(guān)注某類樣本，或不將樣本進(jìn)行分類對比，無法有效分離和認(rèn)識不同要素貢獻(xiàn)的差異。全要素生產(chǎn)率對經(jīng)濟(jì)增長的高貢獻(xiàn)率只有在經(jīng)濟(jì)進(jìn)入低速成熟階段才會出現(xiàn)，簡單地根據(jù)TFP對經(jīng)濟(jì)增長貢獻(xiàn)的大小不能判斷我國經(jīng)濟(jì)增長的質(zhì)量。其次，F(xiàn)DI與經(jīng)濟(jì)增長研究的不足。目前國內(nèi)關(guān)于FDI對經(jīng)濟(jì)增長的作用機(jī)制研究不全面系統(tǒng)，多局限于FDI對經(jīng)濟(jì)增長的某個或少數(shù)幾個效應(yīng)進(jìn)行分析，計(jì)量方法和指標(biāo)的選取也存在不同程度的瑕疵，而對能反映FDI真實(shí)作用機(jī)制的時(shí)滯效應(yīng)研究很少涉及。再次，金融發(fā)展與經(jīng)濟(jì)增長問題研究的不足。一是研究方法上，對時(shí)間序列數(shù)據(jù)進(jìn)行簡單的回歸分析時(shí)，多違背回歸方法的基本原則，包括數(shù)據(jù)是非平穩(wěn)的，變量之間具有相關(guān)，尤其是金融發(fā)展的各個指標(biāo)之間具有高度相關(guān)，從而產(chǎn)生共線性問題等，因此研究結(jié)果可能是建立在偽回歸的基礎(chǔ)之上；而運(yùn)用多元VAR方法研究時(shí)，一些至關(guān)重要的滯后期的選擇比較簡單，因此研究結(jié)論缺乏穩(wěn)健性。二是關(guān)于金融發(fā)展對經(jīng)濟(jì)增長作用的實(shí)證研究方面，現(xiàn)有模型沒有很好地控制對經(jīng)濟(jì)發(fā)展具有重要影響的其他因素，從而放大了金融發(fā)展對經(jīng)濟(jì)增長的影響。三是幾乎所有文獻(xiàn)都在檢驗(yàn)金融發(fā)展與經(jīng)濟(jì)增長的相關(guān)關(guān)系或因果關(guān)系，其實(shí)證檢驗(yàn)一般都選取GDP或GDP增長率的絕對值或?qū)?shù)值作為因變量。而事實(shí)上，經(jīng)濟(jì)增長并不一定意味著經(jīng)濟(jì)效率的提高。因此，研究結(jié)果也就無法說明金融對增長的貢獻(xiàn)是源于金融的資本積累效應(yīng)還是資本配置效應(yīng)。四是沒有深入分析金融發(fā)展對經(jīng)濟(jì)增長的作用機(jī)理，沒有全面探索金融發(fā)展的內(nèi)在關(guān)聯(lián)機(jī)制對經(jīng)濟(jì)增長的影響，研究結(jié)果對金融體制改革缺乏政策操作性。

篇8

關(guān)鍵詞：金融生態(tài)；經(jīng)濟(jì)增長；變系數(shù)模型

中圖分類號：F8327文獻(xiàn)標(biāo)識碼：A文章編號：2095-3283（2016）11-0096-03

[作者簡介]劉強(qiáng)（1981-），男，漢族，山東臨沂人，講師，碩士，研究方向：區(qū)域金融；毛春元（1962-），男，漢族，江蘇無錫人，副教授，碩士，研究方向：經(jīng)濟(jì)系統(tǒng)建模；黃萍（1977-），女，漢族，廣西合浦人，講師，碩士，研究方向：區(qū)域經(jīng)濟(jì)。

[基金項(xiàng)目]江蘇省教育廳高校哲學(xué)社會科學(xué)基金項(xiàng)目“江蘇沿海金融生態(tài)與經(jīng)濟(jì)增長的實(shí)證研究”（項(xiàng)目編號：2014SJB650）。

一、理論綜述

自周小川提出金融生態(tài)的概念以來，越來越多的學(xué)者對金融生態(tài)內(nèi)涵以及金融生態(tài)環(huán)境與經(jīng)濟(jì)增長的關(guān)系進(jìn)行研究和分析。從現(xiàn)有的國內(nèi)外文獻(xiàn)看，經(jīng)濟(jì)學(xué)家對金融生態(tài)系統(tǒng)與經(jīng)濟(jì)增長的研究主要有以下三種結(jié)論：一類是認(rèn)為金融生態(tài)系統(tǒng)在某種程度上極大地促進(jìn)了經(jīng)濟(jì)增長；一類是金融中性論者；還有一類則認(rèn)為金融生態(tài)系統(tǒng)對經(jīng)濟(jì)增長的促進(jìn)作用不明顯。更多的經(jīng)濟(jì)學(xué)家傾向于第一類結(jié)論，并用大量的實(shí)證研究證明了這一點(diǎn)。溫智[1]以江西省為例，對區(qū)域金融生態(tài)環(huán)境與經(jīng)濟(jì)增長效率進(jìn)行了實(shí)證研究，于平，逯進(jìn)[2]等以我國省級面板數(shù)據(jù)為例，研究了金融生態(tài)與經(jīng)濟(jì)增長的關(guān)系，上述研究結(jié)果表明金融生態(tài)于經(jīng)濟(jì)增長之間存在雙向格蘭杰因果關(guān)系，金融生態(tài)對經(jīng)濟(jì)增長的影響存在較大差異；周瓊[3]對江蘇省金融生態(tài)系統(tǒng)與經(jīng)濟(jì)發(fā)展的關(guān)系進(jìn)行了實(shí)證分析，結(jié)果表明江蘇省金融生態(tài)環(huán)境是不斷完善的，但二者之間有不完全的雙向因果關(guān)系存在；張愛菊[4]等基于面板數(shù)據(jù)從生態(tài)足跡這一新的視角，通過對經(jīng)濟(jì)增長的分析來衡量中部六省經(jīng)濟(jì)的可持續(xù)發(fā)展能力，結(jié)論表明，每個省都應(yīng)該依據(jù)各個省份的實(shí)際生態(tài)環(huán)境情況去制定相應(yīng)的經(jīng)濟(jì)發(fā)展戰(zhàn)略，不能盲目跟風(fēng)。

作為中國的經(jīng)濟(jì)大省，江蘇省的沿海城市與全國其他沿海城市經(jīng)濟(jì)差距很大，甚至與許多省內(nèi)非沿海城市也存在較大差距。一個共同的經(jīng)濟(jì)體內(nèi)部的經(jīng)濟(jì)發(fā)展應(yīng)該是大致相同的，也就是一個統(tǒng)一的經(jīng)濟(jì)體內(nèi)部的各個地區(qū)，他們的市場和賴以發(fā)展的經(jīng)濟(jì)環(huán)境不應(yīng)該存在很明顯的金融生態(tài)系統(tǒng)的差異。因此，及時(shí)地了解江蘇沿海地區(qū)金融生態(tài)環(huán)境與經(jīng)濟(jì)增長之間的關(guān)系有助于找出以上問題的原因。

二、模型介紹

面板數(shù)據(jù)模型同時(shí)利用時(shí)間和截面兩個維度的信息，反映出比單獨(dú)使用截面數(shù)據(jù)或時(shí)間數(shù)序列數(shù)據(jù)更為真實(shí)的變量變化過程，能夠更好地刻畫出個體效應(yīng)，避免因?yàn)樾畔⑦z漏造成的偏差，使估計(jì)結(jié)果更加真實(shí)。面板數(shù)據(jù)模型主要有以下三種類型：

第一：固定效應(yīng)模型

該模型是將個體效應(yīng)反映在模型截距項(xiàng)的差異上，模型回歸形式如下：yit=xitβ+αi+εit，αi表示不同的截面?zhèn)€體截距是不同的，因此一種解決的方法就是引入個體虛擬變量，可以將其變成一般線性回歸的形式，這樣就可以運(yùn)用普通最小二乘法估計(jì)參數(shù)了。

第二，隨機(jī)效應(yīng)模型

隨機(jī)效應(yīng)模型假定觀察不到的個體效應(yīng)存在，并與解釋變量不相關(guān)。其形式可以表示如下：yit=xitβ+α+ui+εit，該隨機(jī)效應(yīng)模型設(shè)定為ui為一個隨機(jī)元素。隨機(jī)效應(yīng)模型可以看成是一個擁有隨機(jī)常數(shù)項(xiàng)的模型。

第三，變系數(shù)模型

變截距模型反映了解釋變量外的其他因素對解釋變量的影響，該影響對所有的截面可以是無差異的，也可以在時(shí)點(diǎn)或者截面?zhèn)€體上是有差異的。當(dāng)存在差異影響時(shí)，變截距模型是無法反應(yīng)的，此時(shí)，需要考慮用變系數(shù)模型。變系數(shù)模型的基本形式是：yit=xitβ+αi+εit，根據(jù)截距項(xiàng)與解釋變量的相互關(guān)系，固定影響變異系數(shù)模型與隨機(jī)影響變異系數(shù)模型也是變系數(shù)模型的一種。

三、實(shí)證研究

（一）指標(biāo)的選擇和數(shù)據(jù)說明

結(jié)合江蘇省沿海三市的經(jīng)濟(jì)與金融發(fā)展情況，主要選取金融主體、經(jīng)濟(jì)基礎(chǔ)、政策環(huán)境、社會保障和文化五個一級因子對金融生態(tài)環(huán)境影響進(jìn)行研究?；跀?shù)據(jù)的可得性和指標(biāo)的相關(guān)性，在一級因子下拓展幾個相對比較有代表性的二級因子和三級因子，具體見表1。

反映經(jīng)濟(jì)增長的指標(biāo)主要是選取人均GDP，人均GDP常作為發(fā)展經(jīng)濟(jì)學(xué)中衡量經(jīng)濟(jì)發(fā)展?fàn)顩r的指標(biāo)，是了解一個地區(qū)宏觀經(jīng)濟(jì)狀況的有效工具。

本文原始數(shù)據(jù)來自江蘇省統(tǒng)計(jì)局以及各地方性的統(tǒng)計(jì)信息網(wǎng)、統(tǒng)計(jì)年鑒和WIND數(shù)據(jù)庫，使用的統(tǒng)計(jì)軟件是Eviews60?？紤]到數(shù)據(jù)的可獲得性和數(shù)據(jù)的代表性，同時(shí)也為了消除指標(biāo)間的量綱差異，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。本文所選取的時(shí)間區(qū)間為2005―2015年。

（二）金融生態(tài)指數(shù)的測度

金融生態(tài)指數(shù)的測度主要分兩步進(jìn)行，一是對一級因子采用AHP方法來確定各項(xiàng)的指標(biāo)權(quán)重，二是對二三級因子運(yùn)用算數(shù)均值的方法進(jìn)行加權(quán)求和。通過閱讀大量的相關(guān)文獻(xiàn)進(jìn)行主觀矩陣的判斷，然后通過層析分析法確定的一級因子各項(xiàng)權(quán)重的計(jì)算方法如下：

構(gòu)造主觀判斷矩陣：通過閱讀大量的相關(guān)文獻(xiàn)和綜合分析，不難看出，金融主體、經(jīng)濟(jì)基礎(chǔ)、政策環(huán)境、社會保障和文化對金融生態(tài)指標(biāo)都有不同程度的影響，但是有主有次，結(jié)合二三級因子的數(shù)據(jù)可以初步建立起感覺判斷矩陣如下：

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

計(jì)算客觀判斷矩陣。結(jié)合建立的感覺判斷矩陣，可以得出此矩陣的5個特征值，選取最大的特征值λ=53841，從而可以得出其特征向量為x=（08514，04503，02306，01285，00509）。

計(jì)算歸一化權(quán)重。由特征向量我們可以得到金融生態(tài)環(huán)境指標(biāo)一級因子的權(quán)重值是：wx=（04974，02631，01347，00751，00297）。將標(biāo)準(zhǔn)化之后的數(shù)據(jù)與其權(quán)重進(jìn)行逐級的加權(quán)求和，得到金融生態(tài)環(huán)境綜合指數(shù)（X）與經(jīng)濟(jì)增長綜合指數(shù)（Y）。

（三）Granger因果檢驗(yàn)

為了進(jìn)一步證明金融生態(tài)環(huán)境與經(jīng)濟(jì)增長是相互影響、相互作用的。通過Eviews60來判定兩者的格蘭杰因果關(guān)系，檢驗(yàn)結(jié)果如下。

在5%的顯著水平下，金融生態(tài)綜合指標(biāo)是經(jīng)濟(jì)增長綜合指標(biāo)的格蘭杰原因，相反，經(jīng)濟(jì)增長綜合指標(biāo)也是金融生態(tài)綜合指標(biāo)的格蘭杰原因。也就是說，金融生態(tài)和經(jīng)濟(jì)增長是相互影響、相互作用的。那么可以建立面板數(shù)據(jù)模型進(jìn)一步去研究金融生態(tài)對經(jīng)濟(jì)增長的影響。

（四）面板數(shù)據(jù)模型的構(gòu)建

首先為了確定面板模型的影響形式，對面板數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)，從而選擇是采用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。

根據(jù)金融生態(tài)與經(jīng)濟(jì)增長綜合指標(biāo)的相關(guān)數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)，檢驗(yàn)的結(jié)果如表3：

從表3中的Hausman檢驗(yàn)結(jié)果可以看出，P值小于005，所以應(yīng)該拒絕原假設(shè)（隨機(jī)效應(yīng)模型），因此選擇固定效應(yīng)模型。

在確定選擇固定效應(yīng)模型后，通過F檢驗(yàn)來確定面板模型形式；

H01：α1=α2=……=αn和β1=β2=……=βN

H02：β1=β2=……=βN

H01成立時(shí)的自由度為NT-1-k，所對應(yīng)的回歸模型的殘差平方和為S1；

H02成立時(shí)的自由度為NT-N-k，所對應(yīng)的回歸模型的殘差平方和為S2；

變系數(shù)模型的自由度為NT-N（k+1），所對應(yīng)的回歸模型的殘差平方和為S3。

H01對應(yīng)的統(tǒng)計(jì)量

F1=（S3-S1）/[（N-1）（k+1）]S1（NT-N（k+1））

～F[（N-1）（k+1），N（T-k-1）]

H02對應(yīng)的統(tǒng)計(jì)量

F2=（S2-S1）/[（N-1）k]S1（NT-N（k+1））

～F[（N-1）k，N（T-k-1）]

若接受H01，則采用混合回歸模型；若拒絕H01接受H02，那么則采用常系數(shù)回歸模型；否則，采用變系數(shù)模型。

計(jì)算F1=325487，F(xiàn)2=167547，其中N=4，k=3，T=10，查F005（12，24）=218，F(xiàn)005（9，24）=230，因此在5%的顯著性水平上應(yīng)該同時(shí)拒絕假設(shè)H01和H02，所以應(yīng)選擇變系數(shù)模型。

（五）實(shí)證結(jié)果分析

以經(jīng)濟(jì)增長指數(shù)Y為因變量，以金融生態(tài)環(huán)境指數(shù)為自變量，為了更好地了解金融生態(tài)環(huán)境各指標(biāo)對經(jīng)濟(jì)增長指數(shù)的影響，將金融生態(tài)環(huán)境分成金融主體x1，經(jīng)濟(jì)基礎(chǔ)x2和社會環(huán)境x3（包含了政策環(huán)境、社會保障和文化）三部分，構(gòu)建變系數(shù)模型，結(jié)果見表4。從模型中可以看出，R-squared=09885，值為0―1之間，而且比較接近于1，擬合度非常好。另外，D-W stat =16221。從SUR模型整體上來看是比較顯著的，也就是說自變量在一定程度上可以解釋因變量的波動。

由表4可以分析金融生態(tài)環(huán)境對經(jīng)濟(jì)增長的具體影響有以下幾點(diǎn)：

1從模型估計(jì)結(jié)果可以看出，金融主體在整個金融生態(tài)綜合指數(shù)中的影響是最大的，其次是經(jīng)濟(jì)基礎(chǔ)和社會環(huán)境（政策環(huán)境、社會保障、文化）。從截距項(xiàng)來看，江蘇沿海三市的取值都大于0，說明江蘇省沿海金融生態(tài)對經(jīng)濟(jì)增長的效應(yīng)是比較強(qiáng)的，其中影響最為突出的是南通，高達(dá)12238965，是鹽城的15倍，是連云港的17倍。而影響經(jīng)濟(jì)發(fā)展的幾個要素都可以歸類到金融生態(tài)環(huán)境的各影響因子中，所以優(yōu)化金融生態(tài)環(huán)境對促進(jìn)江蘇省沿海經(jīng)濟(jì)快速增長是非常可行的。

2從金融主體Lnx1來看，江蘇沿海三市的取值都是正數(shù)，說明這三市金融主體的變化對經(jīng)濟(jì)增長影響顯著，與經(jīng)濟(jì)增長都是正相關(guān)，值越大，對經(jīng)濟(jì)增長的貢獻(xiàn)也就越大。金融主體主要從銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)的相關(guān)指標(biāo)進(jìn)行分析。金融主體所代表的金融生態(tài)指數(shù)對連云港的影響最大，金融生態(tài)指數(shù)每增加1%，對應(yīng)的GDP會增加1349%。

3從經(jīng)濟(jì)基礎(chǔ)Lnx2來看，和金融主體一樣，指標(biāo)都為正數(shù)。這說明一個城市的開放程度、產(chǎn)業(yè)結(jié)構(gòu)、集約化程度在一定程度上都對經(jīng)濟(jì)增長產(chǎn)生正相關(guān)影響。

4從社會環(huán)境Lnx3上看，無論是政策環(huán)境、社會保障還是文化程度都對江蘇省沿海三市經(jīng)濟(jì)增長有一定的影響，特別是對鹽城的影響最大。

四、結(jié)論與建議

從實(shí)證分析結(jié)論可以看出，江蘇省沿海的金融生態(tài)環(huán)境與經(jīng)濟(jì)增長呈正相關(guān)關(guān)系，并且二者相互影響、相互作用。從金融生態(tài)綜合指標(biāo)來看，金融主體對經(jīng)濟(jì)增長的影響最大，即在國內(nèi)生產(chǎn)總值一定的基礎(chǔ)上，如果金融體系越發(fā)達(dá)，那么金融資產(chǎn)價(jià)值也就越大，從而金融相關(guān)系數(shù)也會越高。這也很好地體現(xiàn)了金融機(jī)構(gòu)對經(jīng)濟(jì)增長的資金支持力度。也正是因?yàn)榻鹑跈C(jī)構(gòu)對地區(qū)發(fā)展的不懈支持，江蘇沿海三市經(jīng)濟(jì)才能持續(xù)穩(wěn)定發(fā)展，也從側(cè)面說明了除了銀行外，保險(xiǎn)業(yè)和證券業(yè)對經(jīng)濟(jì)的促進(jìn)作用，也應(yīng)該大力扶持這兩個行業(yè)。

[參考文獻(xiàn)]

[1]溫智良區(qū)域金融生態(tài)環(huán)境與經(jīng)濟(jì)增長效率實(shí)證研究：以江西為例[J]武漢金融，2008（8）

[2]于平，逯進(jìn)，陳希蘭，盧佳瑛金融生態(tài)和經(jīng)濟(jì)增長的關(guān)系――基于我國省域面板數(shù)據(jù)的實(shí)證研究 [J]青島大學(xué)學(xué)報(bào)，2013（11）

[3]周瓊江蘇金融生態(tài)與經(jīng)濟(jì)增長的關(guān)系研究[D]南京航空航天大學(xué)，2009

篇9

“十二五”以來，我國一直將“健全國家金融體系、完善金融服務(wù)功能”作為金融改革與發(fā)展的重點(diǎn)，而農(nóng)村金融作為我國整個金融體系的薄弱環(huán)節(jié)，已經(jīng)成為金融改革的重要突破口。實(shí)際上，農(nóng)村金融作為現(xiàn)代農(nóng)業(yè)經(jīng)濟(jì)資源配置的核心，不僅起到資金融通和優(yōu)化資源配置的作用，同時(shí)也是發(fā)展中國家農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重要支撐和先決因素。然而，金融發(fā)展對經(jīng)濟(jì)增長的影響通常具有門檻效應(yīng)[1]，特別是在現(xiàn)階段的中國，由城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)引發(fā)的城鄉(xiāng)二元金融結(jié)構(gòu)問題凸顯，而政府計(jì)劃性金融制度安排和金融資金趨利性又進(jìn)一步深化了城鄉(xiāng)間的金融割裂，導(dǎo)致金融資源配置畸形和效率低下；此外，農(nóng)村金融基礎(chǔ)設(shè)施匱乏，金融服務(wù)產(chǎn)品單一，以及農(nóng)民金融服務(wù)意識淡薄決定了我國農(nóng)村金融體系建設(shè)仍有待長期的發(fā)展與完善。因此，從農(nóng)村金融發(fā)展的視角出發(fā)，探究其對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制，檢驗(yàn)農(nóng)村金融發(fā)展的“收入門檻效應(yīng)”，不僅有助于各級政府識別現(xiàn)階段不同地區(qū)農(nóng)村金融發(fā)展與區(qū)域經(jīng)濟(jì)增長之間的依存關(guān)系，還可以為政府決策部門的金融扶貧政策選擇提供相應(yīng)依據(jù)，從而從根本上改變我國城鄉(xiāng)二元金融結(jié)構(gòu)現(xiàn)狀，優(yōu)化農(nóng)村金融生態(tài)發(fā)展，促進(jìn)以大型商業(yè)銀行為核心的城市金融機(jī)構(gòu)與以農(nóng)村信用社和儲蓄銀行為核心的農(nóng)村金融機(jī)構(gòu)有機(jī)統(tǒng)籌，做到取之于“農(nóng)”、用之于“農(nóng)”，有效遏制我國農(nóng)村地區(qū)大量金融資源流向城鎮(zhèn)地區(qū)和非農(nóng)領(lǐng)域等金融風(fēng)險(xiǎn)較高的部門，在最大程度上控制我國金融體系整體風(fēng)險(xiǎn)，并有效發(fā)揮金融扶貧政策的局部調(diào)控效應(yīng)，使我國在經(jīng)濟(jì)發(fā)展“新常態(tài)”時(shí)期內(nèi)的金融體系建設(shè)更多地致力于“可得性”金融服務(wù)的深化與推廣，構(gòu)建更具包容性的金融體系，打造更具包容性的增長引擎，從而在全面深化金融體制改革的同時(shí)為宏觀經(jīng)濟(jì)發(fā)掘新的增長點(diǎn)。

二、文獻(xiàn)綜述與研究假設(shè)

目前有關(guān)農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響機(jī)制的研究正在深入進(jìn)行，其演變主要?dú)v經(jīng)以下三種理論：農(nóng)業(yè)信貸補(bǔ)貼理論、農(nóng)村金融市場理論和農(nóng)村金融市場不完全競爭理論。

早期，農(nóng)業(yè)信貸補(bǔ)貼理論指出，由于農(nóng)業(yè)具有收入不確定、投資周期長和收益率較低等結(jié)構(gòu)性特征，所以其無法成為以股東財(cái)富最大化為目標(biāo)的商業(yè)銀行的融資對象。因此，為縮小農(nóng)業(yè)與其他產(chǎn)業(yè)之間的結(jié)構(gòu)性收入差距，政府和財(cái)政部門應(yīng)對農(nóng)業(yè)的融資利率進(jìn)行必要補(bǔ)貼，并采取信貸供給先行的農(nóng)村金融戰(zhàn)略。King和Levine指出，發(fā)展中國家的農(nóng)業(yè)信貸補(bǔ)貼會對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生顯著的抑制效應(yīng)，這說明政府過度干預(yù)農(nóng)村金融會產(chǎn)生顯著的負(fù)外部性[2]。Besley認(rèn)為發(fā)展中國家存在農(nóng)村金融機(jī)構(gòu)缺失，信貸制度不健全等限制，所以農(nóng)村信貸主要是依靠高利率的非正式金融機(jī)構(gòu)，因此，只有確保信貸供給政策先行，并采用適當(dāng)?shù)难a(bǔ)貼來彌補(bǔ)農(nóng)村金融機(jī)構(gòu)的利潤損失，才能有利于農(nóng)村金融的可持續(xù)發(fā)展[3]。溫濤等對我國1952—2003年間的數(shù)據(jù)樣本進(jìn)行檢驗(yàn)，結(jié)果發(fā)現(xiàn)計(jì)劃經(jīng)濟(jì)體制下的農(nóng)村金融在很大程度上內(nèi)生于政府財(cái)政，導(dǎo)致其資金利用效率低下；而在市場經(jīng)濟(jì)體制改革初期，金融資金受其趨利性特征的影響又進(jìn)一步深化了城鄉(xiāng)之間的金融割裂[4]。此外，農(nóng)村金融發(fā)展附帶的一些非金融服務(wù)項(xiàng)目還會增加金融服務(wù)的運(yùn)營成本，這會在一定程度上降低其盈利水平[5]。

然而，農(nóng)業(yè)信貸補(bǔ)貼理論假設(shè)農(nóng)村貧困居民不具有儲蓄能力，并且其面臨的是慢性資金不足，但隨著農(nóng)村普惠金融的不斷發(fā)展，這一假設(shè)與現(xiàn)實(shí)狀況已逐漸相悖。因此，農(nóng)村金融市場論應(yīng)運(yùn)而生，Cetorelli和Gambera證明了非競爭性銀行(如農(nóng)業(yè)政策銀行和農(nóng)村信用合作社)與其在弱勢貸款群體中的信貸牽頭地位具有因果關(guān)系，因此，利率非市場化和高度依賴補(bǔ)貼成為農(nóng)村金融的典型特征，這會降低其自身的盈利能力[6]。徐忠的研究認(rèn)為，利率扭曲是造成農(nóng)村信貸缺失的主導(dǎo)原因，人為壓低存款利率，政府過度控制農(nóng)村金融風(fēng)險(xiǎn)等行為都會降低農(nóng)村儲蓄者的存款意愿，從而阻礙了農(nóng)村金融發(fā)展[7]。此外，姚耀軍同樣指出，中國農(nóng)村金融發(fā)展的宏觀表象嚴(yán)重背離其微觀基礎(chǔ)，就宏觀表象而言，農(nóng)村金融發(fā)展(主要是農(nóng)業(yè)存貸款總額、農(nóng)村金融機(jī)構(gòu)資產(chǎn)總額以及農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量等)與農(nóng)業(yè)經(jīng)濟(jì)增長的變化趨勢高度吻合；而就微觀基礎(chǔ)而言，由于農(nóng)村金融機(jī)構(gòu)種類單一，農(nóng)村信用社壟斷地位凸顯，導(dǎo)致農(nóng)村金融市場缺乏競爭，并嚴(yán)重降低了農(nóng)村居民的實(shí)際貸款意愿[8]。

20世紀(jì)90年代以來，人們越發(fā)意識到，發(fā)展中國家的農(nóng)村金融市場遠(yuǎn)非完全競爭市場，因此，不完全競爭市場論逐漸進(jìn)入了學(xué)者與政策制定者的視野。不完全競爭市場論強(qiáng)調(diào)政府應(yīng)適時(shí)適度地對農(nóng)村金融市場進(jìn)行補(bǔ)貼與規(guī)制，同時(shí)確保農(nóng)村金融機(jī)構(gòu)的競爭性與自身盈利能力，并采用定向調(diào)控的方式引導(dǎo)農(nóng)村金融的發(fā)展方向(如補(bǔ)貼農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)建設(shè)、補(bǔ)貼人員培訓(xùn)成本和增設(shè)服務(wù)項(xiàng)目等)。Hoff指出，農(nóng)村金融市場是典型的非完全競爭市場，因此，政府應(yīng)當(dāng)適當(dāng)介入，并對農(nóng)村借款人進(jìn)行有效監(jiān)督，這可以在促進(jìn)農(nóng)村金融發(fā)展的同時(shí)維護(hù)農(nóng)村金融機(jī)構(gòu)的競爭性[1]。Paxton和Cuevas認(rèn)為，每一筆金融服務(wù)都存在一定的固定成本，對農(nóng)村居民開展的小規(guī)模存貸款業(yè)務(wù)必然會使其固定成本顯著上升，從而減少銀行資金的安全邊際，這不但會影響銀行體系的盈利水平，同時(shí)也會降低整個體系的風(fēng)險(xiǎn)承受力，因此，這種定向扶持是激活農(nóng)村金融對農(nóng)業(yè)經(jīng)濟(jì)增長拉動效應(yīng)的有效方式[9]。

此外，還有許多國內(nèi)學(xué)者針對我國的現(xiàn)實(shí)國情分析了二者間的關(guān)系。林毅夫等指出，在我國，農(nóng)村金融內(nèi)生于經(jīng)濟(jì)發(fā)展戰(zhàn)略，其可以有效盤活農(nóng)村經(jīng)濟(jì)資源，提高資金利用效率，從而長期拉動經(jīng)濟(jì)增長。[10]焦瑾璞指出，切實(shí)改善對弱勢群體特別是農(nóng)村居民的金融服務(wù)，是推進(jìn)農(nóng)村金融發(fā)展和普惠金融的關(guān)鍵，這對改善現(xiàn)階段的城鄉(xiāng)二元化金融結(jié)構(gòu)，降低金融排斥，進(jìn)而為經(jīng)濟(jì)增長打造新引擎具有重要意義。[11]然而，我國農(nóng)村經(jīng)濟(jì)發(fā)展面臨的最大困境就在于農(nóng)村金融與農(nóng)村經(jīng)濟(jì)關(guān)系間的結(jié)構(gòu)性失調(diào)，這主要體現(xiàn)在農(nóng)村經(jīng)濟(jì)發(fā)展過程中出現(xiàn)的階段性金融需求與現(xiàn)實(shí)金融服務(wù)間的錯配[12]。謝瓊等證實(shí)了現(xiàn)階段我國農(nóng)村金融的功能與農(nóng)村經(jīng)濟(jì)發(fā)展的目標(biāo)間仍存在偏離。[13]而西部地區(qū)的面板分析結(jié)果表明，農(nóng)村金融效率的提升會顯著抑制農(nóng)業(yè)經(jīng)濟(jì)發(fā)展[14]。實(shí)際上，出現(xiàn)這種“反事實(shí)”現(xiàn)象主要是因?yàn)?，該地區(qū)整體金融效率偏低，因此無法對農(nóng)村經(jīng)濟(jì)增長產(chǎn)生顯著的拉動效應(yīng)，而當(dāng)將面板擴(kuò)展至全國后即可發(fā)現(xiàn)，地區(qū)間農(nóng)村金融效率呈現(xiàn)出顯著差異，其中東部地區(qū)的金融效率顯著高于西部地區(qū)，其對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制也不盡相同[15]。

通過回顧以往有關(guān)農(nóng)村金融發(fā)展與農(nóng)業(yè)經(jīng)濟(jì)增長關(guān)聯(lián)機(jī)制的研究不難發(fā)現(xiàn)，相關(guān)研究受制于樣本時(shí)間跨度和地域性差異的影響，并未形成一致結(jié)論，這意味著農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制可能存在著非線性特征亦或是時(shí)變性特性[16]。有鑒于此，本文將對這一問題進(jìn)行深入研究，并據(jù)此提出研究假設(shè)1。

假設(shè)1：樣本期間內(nèi)，農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制存在結(jié)構(gòu)性變化，這一影響機(jī)制將會隨著金融相關(guān)率水平的變化呈現(xiàn)出顯著的“門檻效應(yīng)”。

此外，早期的研究多數(shù)認(rèn)為，我國農(nóng)村金融發(fā)展內(nèi)生于政府計(jì)劃性財(cái)政支出，導(dǎo)致其資金利用效率低下，此時(shí)農(nóng)村金融發(fā)展反而對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生了顯著的“抑制效應(yīng)”[4]。基于此，本文提出研究假設(shè)2。

假設(shè)2：在農(nóng)村金融發(fā)展水平低于門檻值時(shí)，農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長具有顯著的“抑制效應(yīng)”，其與農(nóng)村金融市場理論的觀點(diǎn)一致。

最后，近期的許多研究表明，隨著我國農(nóng)村普惠金融水平的不斷提升，許多地區(qū)的農(nóng)村金融發(fā)展已經(jīng)對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生了顯著的“拉動效應(yīng)”[17]，因此，本文提出假設(shè)3。

假設(shè)3：在農(nóng)村金融發(fā)展水平超越門檻值后，農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長具有顯著的拉動作用，其與農(nóng)村金融市場不完全競爭理論的觀點(diǎn)高度耦合。

基于以上三個假設(shè)，本文將使用非線性分省面板數(shù)據(jù)模型探究樣本期間內(nèi)我國農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制，甄別農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響是否存在結(jié)構(gòu)性變化，從而檢驗(yàn)農(nóng)業(yè)信貸補(bǔ)貼論、農(nóng)村金融市場論和不完全競爭理論在我國現(xiàn)階段農(nóng)村金融發(fā)展過程中的適用性，進(jìn)而為政府和財(cái)政部門的支農(nóng)政策提供理論支持和經(jīng)驗(yàn)證據(jù)。

三、理論分析與模型設(shè)定

(一)帕加諾模型

Pagano在AK增長模型的基礎(chǔ)上引入了金融部門，隨后這一模型為金融發(fā)展與經(jīng)濟(jì)增長間依存機(jī)制的相關(guān)研究提供了一個理論框架，并已逐步成為現(xiàn)代金融理論中最具代表性的理論模型[18]。此后，許多學(xué)者對這一模型進(jìn)行了拓展研究，董曉林將利率因素加入至該模型當(dāng)中，考察了資本成本在這一傳導(dǎo)機(jī)制中的作用[19]；冉光和與張金鑫將時(shí)間啞變量置于該模型當(dāng)中，發(fā)現(xiàn)1994年后，我國農(nóng)村金融發(fā)展與農(nóng)業(yè)經(jīng)濟(jì)增長間的作用機(jī)制發(fā)生了明顯的結(jié)構(gòu)性改變。[20]回顧有關(guān)帕加諾模型的相關(guān)研究不難發(fā)現(xiàn)，現(xiàn)有關(guān)于帕加諾模型的拓展研究主要集中于兩個方面：一是對帕加諾模型的基本形式進(jìn)行拓展；二是對該模型的估計(jì)方法進(jìn)行改進(jìn)，進(jìn)而驗(yàn)證模型的非線性特征。然而，直接將相應(yīng)變量加入至帕加諾模型缺乏相應(yīng)的理論基礎(chǔ)，這將直接影響研究結(jié)論的穩(wěn)健性。鑒于此，本文將延續(xù)冉光和與張金鑫的研究思路，對帕加諾模型進(jìn)行非線性拓展，從而考察我國農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響的動態(tài)特征和機(jī)制轉(zhuǎn)變[20]。

Pagano假設(shè)在一個封閉的經(jīng)濟(jì)體中，一國只生產(chǎn)一種產(chǎn)品，其既可以用于投資也可以用于消費(fèi)，資產(chǎn)每期以固定的速率δ折舊，于是內(nèi)生增長模型可寫為如下形式：

其中，Yt代表t期總產(chǎn)出，A代表技術(shù)水平，而Kt是當(dāng)期總資本存量。進(jìn)一步根據(jù)資本存量與投資和折舊之間的關(guān)系可得：

這樣，t期的經(jīng)濟(jì)增長率gt可表達(dá)為：

將(1)式和(2)式代入(3)式，整理可得：

在內(nèi)生增長模型框架下，市場達(dá)到均衡的條件為總投資(It)=總儲蓄(St)，然而Pagano指出，受信息不對稱、流動性偏好和菜單成本等因素的影響，非完全儲蓄現(xiàn)象在金融體系中廣泛存在[18]，假設(shè)其漏出比率為1-θ，則有：

其中θ表示投資儲蓄比，而儲蓄率s可寫為：

將(5)式、(6)式整理代入(4)式可得到穩(wěn)態(tài)下經(jīng)濟(jì)增長率的表達(dá)式：

取對數(shù)后可得：

此式即是Pagano給出的基本模型，其中A代表資本邊際貢獻(xiàn)率，θ代表投資儲蓄比，s代表儲蓄率，他們共同決定經(jīng)濟(jì)增速?；诖?，我們采用農(nóng)村投資比率tz(農(nóng)業(yè)固定資產(chǎn)投資/農(nóng)業(yè)增加值)作為資本邊際貢獻(xiàn)率的替代變量；而金融發(fā)展通常包括金融規(guī)模擴(kuò)大和金融效率提高兩個方面，在此我們使用農(nóng)村金融相關(guān)率fir(農(nóng)村金融貸款總量/農(nóng)業(yè)增加值)作為農(nóng)村金融規(guī)模的替代變量，選取貸存比率dc(農(nóng)村金融貸款/農(nóng)村金融存款)作為農(nóng)村金融效率的替代變量；最后令農(nóng)村存款比率ck(農(nóng)村金融存款/農(nóng)業(yè)增加值)作為儲蓄率s的變量。而農(nóng)業(yè)經(jīng)濟(jì)增長可以用農(nóng)林牧漁業(yè)增加值總和y進(jìn)行度量?；诖耍疚牡幕居?jì)量模型可表達(dá)如下：

其中，fir、dc、ck、tz分別代表農(nóng)村金融相關(guān)率、農(nóng)村金融貸存比、農(nóng)村存款比率和農(nóng)村投資比率。此外，為確保比率指標(biāo)的原始屬性，同時(shí)使回歸結(jié)果更具經(jīng)濟(jì)含義，我們在此并未對比率指標(biāo)進(jìn)行取對數(shù)處理。

(二)帕加諾模型的平滑遷移拓展

非線性面板數(shù)據(jù)建模一直是學(xué)者們的重點(diǎn)研究領(lǐng)域，Hansen最早構(gòu)建了PTR模型，并為這一領(lǐng)域內(nèi)的研究奠定了重要基礎(chǔ)[21]。王書華和蘇劍使用PTR模型進(jìn)行研究，發(fā)現(xiàn)農(nóng)村金融資產(chǎn)配置具有顯著的“收入門檻效應(yīng)”[17]；張兵等基于省級PTR模型的研究結(jié)果同樣表明：農(nóng)村金融發(fā)展對農(nóng)村居民收入差距的影響機(jī)理較為復(fù)雜，其會隨著農(nóng)村金融發(fā)展水平值的變化而發(fā)生結(jié)構(gòu)性改變[16]。然而，PTR模型有一個明顯的弊端，即：門限值是一個點(diǎn)估計(jì)，這會導(dǎo)致樣本在門檻值附近出現(xiàn)跳躍式轉(zhuǎn)換。然而在現(xiàn)實(shí)經(jīng)濟(jì)問題中，經(jīng)濟(jì)變量間作用機(jī)制的轉(zhuǎn)換更多地體現(xiàn)為平滑遷移過程。因此，為克服這一問題，González等構(gòu)建了面板平滑遷移模型(PLSTR)，它可以令數(shù)據(jù)在不同樣本之間進(jìn)行平滑轉(zhuǎn)換，從而克服了PTR模型中樣本在門限值附近出現(xiàn)跳躍性轉(zhuǎn)換的弊端[22]。其基本形式設(shè)定如下：

這里，為轉(zhuǎn)移函數(shù)，它是可觀測狀態(tài)變量fir的單調(diào)有界函數(shù)。由于本文旨在考察農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響是否存在門檻效應(yīng)，因此，我們以農(nóng)村金融相關(guān)率fir作為轉(zhuǎn)移變量。γ代表指數(shù)平滑斜率系數(shù)，其大小決定了機(jī)制遷移速度。是轉(zhuǎn)移函數(shù)中的位置參量，決定了機(jī)制遷移的位置，εit代表隨機(jī)擾動項(xiàng)。在此，我們令農(nóng)村金融相關(guān)率、貸存比率、存款比率和投資比率均服從邏輯平滑遷移過程，同時(shí)令農(nóng)村金融相關(guān)率fir作為轉(zhuǎn)移變量，進(jìn)而檢驗(yàn)農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響的門檻效應(yīng)。

在上述假設(shè)前提下，農(nóng)村金融相關(guān)率對農(nóng)業(yè)經(jīng)濟(jì)增長的影響系數(shù)可表達(dá)為：

在PLSTR面板模型建模過程中，首先需要對數(shù)據(jù)的非線性特征進(jìn)行檢驗(yàn)，如果統(tǒng)計(jì)檢驗(yàn)拒絕線性原假設(shè)，則表明使用PLSTR模型進(jìn)行參數(shù)估計(jì)是有效的。此外，在此之后還需要進(jìn)一步對殘余部分進(jìn)行非線性檢驗(yàn)，以確定轉(zhuǎn)移函數(shù)的個數(shù)，如果LM檢驗(yàn)表明存在殘余非線性部分，則需要繼續(xù)增加轉(zhuǎn)移函數(shù)和轉(zhuǎn)移變量，直至模型不再含有剩余的非線性部分。模型檢驗(yàn)完成后，我們將運(yùn)用非線性最小二乘法(NLS)進(jìn)行面板參數(shù)估計(jì)；最后，我們將根據(jù)參數(shù)估計(jì)結(jié)果分析樣本期間我國農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的動態(tài)影響機(jī)制。

式(12)中，Hk的取值通常為1或2，代表轉(zhuǎn)移函數(shù)中含有的位置參量的個數(shù)，當(dāng)Hk=1時(shí)，轉(zhuǎn)移函數(shù)中僅含有一個位置參量：

可以看出，此時(shí)。當(dāng)時(shí)，PLSTR面板模型收斂于區(qū)制1(式15)；而當(dāng)時(shí)，PLSTR面板模型收斂于區(qū)制2(式16)。這里，參數(shù)γ決定了PLSTR模型的機(jī)制遷移速度，當(dāng)γ取值較小時(shí)，機(jī)制遷移速度較慢，面板模型在機(jī)制遷移過程中將體現(xiàn)出較為復(fù)雜的非線性特征；而當(dāng)γ取值較大時(shí)，模型的機(jī)制遷移幾乎是在瞬間完成，此時(shí)PLSTR模型與PTR模型較為相近。本文的主要實(shí)證結(jié)果由MATLAB2013a計(jì)算完成。

四、實(shí)證研究與結(jié)果

(一)數(shù)據(jù)選取與說明

本文選取我國25個省份1999—2013年的年度數(shù)據(jù)作為面板回歸樣本。數(shù)據(jù)樣本包括8個東部省份，分別為：遼寧、河北、山東、江蘇、浙江、福建、廣東、海南；同時(shí)還包括：吉林、黑龍江、內(nèi)蒙古、山西、河南、安徽、江西、湖南、湖北9個中部省份以及甘肅、陜西、寧夏、四川、貴州、云南、廣西、青海8個西部省份。具體指標(biāo)描述如下：

1.農(nóng)業(yè)經(jīng)濟(jì)增長。我們采用農(nóng)林牧漁業(yè)增加值總和作為農(nóng)業(yè)經(jīng)濟(jì)增長的替代變量，并以1999年作為基期，使用各地區(qū)農(nóng)村商品零售價(jià)格指數(shù)對其進(jìn)行平減，進(jìn)而得到各省份實(shí)際農(nóng)業(yè)增加值數(shù)據(jù)，記為y，單位為億元。

2.農(nóng)業(yè)金融發(fā)展規(guī)模。我們使用農(nóng)村金融相關(guān)率(農(nóng)村金融貸款總量/農(nóng)業(yè)增加值，fir)作為農(nóng)村金融規(guī)模的替代變量。這一指標(biāo)能夠有效反應(yīng)普惠金融對農(nóng)業(yè)經(jīng)濟(jì)增長的拉動效應(yīng)，并且其與農(nóng)業(yè)經(jīng)濟(jì)增長之間可能存在顯著的非線性依存機(jī)制，即門檻效應(yīng)。

3.農(nóng)村金融效率。本文選取貸存比率(農(nóng)村金融貸款/農(nóng)村金融存款，dc)作為農(nóng)村金融效率的替代變量。貸存比率越高表明資金的利用率越高，越有利于盤活資金進(jìn)而拉動農(nóng)業(yè)經(jīng)濟(jì)增長；但同時(shí)，如果農(nóng)業(yè)貸款壞賬率較高，過高的貸存比率就會對金融穩(wěn)定造成威脅，進(jìn)而體現(xiàn)出對農(nóng)業(yè)經(jīng)濟(jì)增長的抑制效應(yīng)。

4.農(nóng)村金融儲蓄率。本文選取存款比率(農(nóng)村金融存款/農(nóng)業(yè)增加值，ck)作為農(nóng)村金融儲蓄率的替代變量，用以度量農(nóng)村居民的儲蓄意愿。

5.資本邊際貢獻(xiàn)率。選取農(nóng)業(yè)投資比率(農(nóng)業(yè)固定資產(chǎn)投資/農(nóng)業(yè)增加值，tz)作為資本邊際貢獻(xiàn)率的替代變量，這一變量根據(jù)Pagano(1993)[18]給出，是本文的控制變量。以上數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《金融統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》以及國家統(tǒng)計(jì)局網(wǎng)站。

(二)數(shù)據(jù)描述性統(tǒng)計(jì)

表1描述性統(tǒng)計(jì)分析

觀察表1可以看出，東部、中部、西部地區(qū)各項(xiàng)經(jīng)濟(jì)發(fā)展指標(biāo)的統(tǒng)計(jì)特征存在顯著差異。就農(nóng)業(yè)經(jīng)濟(jì)增加值而言，樣本期間內(nèi)東部地區(qū)省份農(nóng)業(yè)經(jīng)濟(jì)增加值平均為1188.16億元；中部地區(qū)略低于東部地區(qū)，平均約為933億元；而西部地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增加值顯著低于二者，平均僅為563.59億元。這說明我國西部農(nóng)業(yè)經(jīng)濟(jì)發(fā)展較弱的態(tài)勢依舊顯著，因此，政府和財(cái)政部門仍需進(jìn)一步支持其農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，采取定向調(diào)整措施，從而提高資源利用效率，也為打造新型經(jīng)濟(jì)增長引擎提供必要支持。此外，金融相關(guān)率的描述性統(tǒng)計(jì)顯示，東部地區(qū)金融相關(guān)率平均為0.916，中部地區(qū)為0.768，而西部地區(qū)介于二者之間，為0.846。這一點(diǎn)與農(nóng)業(yè)經(jīng)濟(jì)增加值的變化相異。實(shí)際上，金融相關(guān)率反映了地區(qū)金融發(fā)展規(guī)模，但并不能代表金融效率，盡管受政策扶持等諸多因素影響，西部地區(qū)的金融發(fā)展規(guī)模已經(jīng)顯著改善，但其較低的農(nóng)業(yè)增加值則說明西部地區(qū)農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的拉動效應(yīng)依舊較弱。從貸存比的角度而言，西部地區(qū)的資金利用率最高，而東部與中部地區(qū)基本相當(dāng)，這主要是受國家戰(zhàn)略和相關(guān)產(chǎn)業(yè)政策的影響，使得西部地區(qū)的資金使用率高于東部和中部地區(qū)。最后，存款比率的統(tǒng)計(jì)分析結(jié)果顯示，東部地區(qū)的存款比率顯著高于西部和中部地區(qū)，這一點(diǎn)與農(nóng)業(yè)經(jīng)濟(jì)增加值的統(tǒng)計(jì)結(jié)果一致。

以上描述性統(tǒng)計(jì)分析表明，我國不同地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長與農(nóng)村金融發(fā)展間的依存關(guān)系具有較大的結(jié)構(gòu)性差異，其走勢變化并不一致，并且可能呈現(xiàn)出一定的非線性特征。因此，下文中將采取PLSTR(平滑遷移面板)模型對此進(jìn)行進(jìn)一步實(shí)證檢驗(yàn)。

(三)PLSTR模型估計(jì)結(jié)果

根據(jù)前文中提出的假設(shè)進(jìn)行PLSTR模型估計(jì)，進(jìn)一步驗(yàn)證3個研究假設(shè)的合意性。本文采用González等[22]提出的方法檢驗(yàn)根據(jù)式(10)構(gòu)建的面板回歸模型是否存在非線性特征。

表2給出了PLSTR模型的非線性檢驗(yàn)結(jié)果?？梢钥闯觯N統(tǒng)計(jì)檢驗(yàn)均能在5%的顯著水平下拒絕原假設(shè)，表明模型具有顯著的非線性特征，并且至少含有一個轉(zhuǎn)移函數(shù)。因此，我們將進(jìn)一步對模型是否存在殘余非線性進(jìn)行檢驗(yàn)，從而確保構(gòu)建PLSTR模型的合理性。

表3給出了PLSTR模型的殘余非線性檢驗(yàn)結(jié)果，其原假設(shè)為PLSTR模型僅存在一個轉(zhuǎn)移函數(shù)。可以看出，三種統(tǒng)計(jì)檢驗(yàn)均無法在10%的顯著水平下拒絕原假設(shè)，因此，我們接受模型僅含有一個轉(zhuǎn)移變量fir的假設(shè)，并采用僅具有一個轉(zhuǎn)移函數(shù)的PLSTR模型驗(yàn)證樣本期間內(nèi)我國農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響的門檻效應(yīng)。

表4給出了PLSTR模型的估計(jì)結(jié)果，觀察表4可以看出，四組系數(shù)(β1和β11；β2和β21；β3和β31；β4和β41)取值均相反，表明樣本期間內(nèi)，農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響存在顯著的門檻效應(yīng)。為進(jìn)一步刻畫農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制，在此根據(jù)PLSTR模型的估計(jì)結(jié)果給出其顯性表達(dá)：

從估計(jì)結(jié)果來看，農(nóng)村金融相關(guān)率和貸存比在兩區(qū)制內(nèi)的估計(jì)系數(shù)均能在1%的顯著水平下拒絕原假設(shè)，表明農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)制存在顯著的“門檻效應(yīng)”，假設(shè)1得以驗(yàn)證。而農(nóng)村金融相關(guān)率的門檻估計(jì)值較小，僅為0.4416，表明多數(shù)樣本均處于門限水平之上，即與區(qū)制2中刻畫的影響機(jī)制更為接近。為進(jìn)一步說明，我們將給出區(qū)制1與區(qū)制2的線性表達(dá)形式：

式(15)與(16)分別給出了區(qū)制1與區(qū)制2中的系數(shù)估計(jì)結(jié)果，其中，當(dāng)fir低于門檻水平時(shí)，農(nóng)村金融發(fā)展與農(nóng)業(yè)經(jīng)濟(jì)增長間的依存關(guān)系接近于區(qū)制1；而當(dāng)fir取值較高時(shí)，農(nóng)村金融發(fā)展與農(nóng)業(yè)經(jīng)濟(jì)增長間的依存關(guān)系接近于區(qū)制2。式(15)中，fir的系數(shù)為-1.89并在1%的顯著水平下拒絕原假設(shè)，表明當(dāng)農(nóng)村金融相關(guān)率較低時(shí)，其對農(nóng)業(yè)經(jīng)濟(jì)增長具有顯著的負(fù)向影響，這說明在農(nóng)村金融發(fā)展起步階段，盡管政府和財(cái)政部門希望通過對農(nóng)村金融部門的補(bǔ)貼與扶植來盤活農(nóng)村剩余經(jīng)濟(jì)資源，但由于此段期間內(nèi)農(nóng)村金融基礎(chǔ)設(shè)施匱乏，金融產(chǎn)品與服務(wù)種類單一，市場缺乏相應(yīng)的競爭機(jī)制，導(dǎo)致“可得性”金融產(chǎn)品與服務(wù)嚴(yán)重匱乏，反而降低了農(nóng)村居民的金融參與意愿。貸存比的系數(shù)為0.37并在1%的顯著水平下拒絕原假設(shè)，說明在農(nóng)村金融發(fā)展初期，資金利用率的提高能夠?qū)r(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生顯著的推動作用；而存款比率系數(shù)估計(jì)值較小，并且無法在10%的顯著水平下拒絕原假設(shè)則意味著在農(nóng)村金融發(fā)展初期，農(nóng)村存款水平的提高對農(nóng)業(yè)經(jīng)濟(jì)增長的影響較小，無法起到拉動農(nóng)業(yè)經(jīng)濟(jì)增長的作用；最后，投資占比的回歸系數(shù)為0.36，并在10%的顯著水平下顯著，表明在農(nóng)村金融發(fā)展初期，政府財(cái)政直接用于農(nóng)業(yè)固定資產(chǎn)投資的款項(xiàng)依舊是農(nóng)業(yè)經(jīng)濟(jì)增長的源動力，其對農(nóng)業(yè)經(jīng)濟(jì)增長的拉動效應(yīng)顯著高于相關(guān)金融補(bǔ)貼。通過以上實(shí)證結(jié)果可以看出，當(dāng)農(nóng)村金融發(fā)展(fir)水平低于門檻值時(shí)，其對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)理與農(nóng)村金融市場論的觀點(diǎn)不謀而合，表明假設(shè)2同樣具有合意性。同時(shí)這一結(jié)果也說明，在農(nóng)村金融發(fā)展初期，政府和財(cái)政部門應(yīng)當(dāng)充分發(fā)揮市場機(jī)制引導(dǎo)資源流向的作用，減少相應(yīng)的制度性安排，切實(shí)致力于“可得性”金融服務(wù)的深化與推廣，降低農(nóng)村金融門檻，提高農(nóng)村居民的金融參與意愿。

圖1顯示，當(dāng)fir低于門檻值0.4416時(shí)，轉(zhuǎn)移函數(shù)取值小于0.5，此時(shí)方程與式(15)更為接近；而當(dāng)fir高于門檻值時(shí)，轉(zhuǎn)移函數(shù)取值大于0.5，此時(shí)方程與式(16)更為接近，實(shí)際上，觀察圖1不難發(fā)現(xiàn)，當(dāng)fir>0.8時(shí)，轉(zhuǎn)移函數(shù)取值接近于1，因此fir大于0.8的樣本點(diǎn)基本與式(16)描述的狀態(tài)相同。

而狀態(tài)轉(zhuǎn)移后的估計(jì)結(jié)果顯示，β11=2.102并在1%的置信水平下顯著，說明隨著農(nóng)村金融發(fā)展的不斷完善，普惠金融將會對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生顯著的拉動效應(yīng)；而β21的估計(jì)結(jié)果為-0.363，則意味著當(dāng)農(nóng)村金融發(fā)展脫離初級階段后，僅通過提高金融利用率已經(jīng)無法對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生顯著的拉動作用；β31與β41的估計(jì)結(jié)果未能通過顯著性檢驗(yàn)則表明其在樣本期間內(nèi)不存在明顯的機(jī)制遷移特征。以上分析表明，隨著農(nóng)村金融發(fā)展的不斷完善，提高資金使用率對農(nóng)業(yè)經(jīng)濟(jì)增長的推進(jìn)作用將會面臨瓶頸，僅從提高存款利用率的角度已無法顯著拉動農(nóng)業(yè)經(jīng)濟(jì)增長，相反，提高金融相關(guān)率水平則能夠有效拉動農(nóng)業(yè)經(jīng)濟(jì)增長，這一點(diǎn)與農(nóng)村金融市場不完全競爭理論的觀點(diǎn)高度吻合，從而使假設(shè)3得以驗(yàn)證。此外，上述結(jié)果同樣表明，當(dāng)農(nóng)村金融發(fā)展超過門檻水平后，農(nóng)村居民對金融產(chǎn)品與金融服務(wù)具有了一定的理解與認(rèn)識，產(chǎn)生了較強(qiáng)的金融參與意愿。因此，政府和財(cái)政部門更應(yīng)抓緊推進(jìn)普惠金融工程的落實(shí)，提高財(cái)政支農(nóng)資金的局部著力特征及其使用效率，加強(qiáng)農(nóng)村金融基礎(chǔ)設(shè)施的建設(shè)與完善、豐富農(nóng)村金融產(chǎn)品的層次與種類，切實(shí)滿足農(nóng)村居民的金融需求；同時(shí)鼓勵相關(guān)金融產(chǎn)品創(chuàng)新，強(qiáng)化農(nóng)村金融服務(wù)的事前引導(dǎo)機(jī)制，盡最大限度整合農(nóng)村剩余經(jīng)濟(jì)資源，促進(jìn)農(nóng)村金融市場的長久健康發(fā)展，并為長期促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長打造堅(jiān)實(shí)基礎(chǔ)。

五、結(jié)論與政策含義

盡管國內(nèi)外有關(guān)農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響機(jī)理的研究已日臻成熟，但在帕加諾模型框架下，以非線性面板平滑遷移模型作為其技術(shù)基礎(chǔ)，探究農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長影響機(jī)制的研究仍不多見。本文正是從這一視角出發(fā)，采用PLSTR模型探究了農(nóng)村金融發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)增長的影響機(jī)理，驗(yàn)證了二者之間作用機(jī)制的“門檻效應(yīng)”；并檢驗(yàn)了相關(guān)理論(農(nóng)村金融市場理論、非完全競爭理論)在我國農(nóng)村金融發(fā)展過程中的適用性；同時(shí)有效地闡釋了以往學(xué)者采取靜態(tài)面板模型進(jìn)行研究時(shí)，獲取結(jié)論不盡相同的根本原因，從而彌補(bǔ)了這一領(lǐng)域內(nèi)的研究空缺。

本文首先對我國1999—2013年間的省級面板數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果發(fā)現(xiàn)東部、中部、西部地區(qū)各項(xiàng)經(jīng)濟(jì)發(fā)展指標(biāo)的統(tǒng)計(jì)特征具有顯著差異，其中，就農(nóng)業(yè)經(jīng)濟(jì)增加值而言，東部和中部地區(qū)顯著高于西部地區(qū)，表明我國西部農(nóng)業(yè)經(jīng)濟(jì)發(fā)展較弱的態(tài)勢依然顯著；而金融相關(guān)率的統(tǒng)計(jì)數(shù)字與上述規(guī)律相悖，東部地區(qū)金融相關(guān)率平均為0.916，中部地區(qū)為0.768，而西部地區(qū)介于二者之間，為0.846，說明在不同地區(qū)金融相關(guān)率對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響機(jī)制有所不同。此外，貸存比的統(tǒng)計(jì)數(shù)據(jù)顯示，西部地區(qū)的資金利用率最高，而東部與中部地區(qū)基本持平，表明發(fā)展西部農(nóng)村金融已經(jīng)成為農(nóng)村金融體系建設(shè)的重中之重。

隨后，本文采用非線性面板平滑遷移模型(PLSTR)對樣本期間內(nèi)農(nóng)村金融發(fā)展與農(nóng)業(yè)經(jīng)濟(jì)增長間的影響機(jī)制進(jìn)行實(shí)證檢驗(yàn)，研究結(jié)果表明：農(nóng)村金融相關(guān)率、貸存比以及投資比率對農(nóng)業(yè)經(jīng)濟(jì)增長都存在顯著的非線性影響。其中，在農(nóng)村金融發(fā)展初級階段，提高資金利用效率能夠有效拉動農(nóng)業(yè)經(jīng)濟(jì)增長，但提高農(nóng)村金融相關(guān)率會對農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生顯著的抑制效應(yīng)，這一點(diǎn)與農(nóng)村金融市場理論高度一致；而在農(nóng)村金融相關(guān)率遠(yuǎn)超過門檻值后，農(nóng)村金融相關(guān)率對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響機(jī)制將明顯反轉(zhuǎn)①，表明二者間的作用機(jī)制會隨著普惠金融的推進(jìn)而不斷演變，這一結(jié)論與不完全競爭理論的觀點(diǎn)高度耦合。

篇10

這些成果為研究我國區(qū)域低碳發(fā)展的特征與目標(biāo)提供了重要線索，但由于脫鉤概念僅強(qiáng)調(diào)經(jīng)濟(jì)與碳排放“增量”的比較，忽略了碳排放“存量”和能源消費(fèi)結(jié)構(gòu)對低碳發(fā)展的影響，故存在一定的片面性；另一種低碳發(fā)展特征與目標(biāo)定位方式考慮了區(qū)域碳排放強(qiáng)度與經(jīng)濟(jì)增長的關(guān)系。如岳超［6］依據(jù)區(qū)域碳排放強(qiáng)度和經(jīng)濟(jì)增長速度的關(guān)系，將區(qū)域低碳發(fā)展?fàn)顩r分為高排放高增長、高排放低增長、低排放高增長和低排放低增長4種類型。這種分類方式充分考慮了碳排放“存量”與經(jīng)濟(jì)增長的關(guān)系，卻忽略了碳排放“增量”對經(jīng)濟(jì)增長的影響。本文在現(xiàn)有研究成果的基礎(chǔ)上，從碳排放增長與經(jīng)濟(jì)增長脫鉤程度、能源消費(fèi)結(jié)構(gòu)變化、碳排放強(qiáng)度與經(jīng)濟(jì)增長關(guān)系3個角度，對我國各省區(qū)低碳發(fā)展特征進(jìn)行了分析，采用聚類分析法綜合3種特征分型結(jié)果，并對我國各省區(qū)低碳發(fā)展的目標(biāo)進(jìn)行了初步定位。

基于碳排放增長與經(jīng)濟(jì)增長脫鉤程度的省區(qū)低碳發(fā)展特征

1碳排放增長與經(jīng)濟(jì)增長脫鉤程度的衡量指標(biāo)———低碳發(fā)展彈性系數(shù)

以經(jīng)濟(jì)合作與發(fā)展組織關(guān)于經(jīng)濟(jì)增長與環(huán)境污染的脫鉤概念為基礎(chǔ)，某些學(xué)者提出了“脫鉤彈性系數(shù)”指標(biāo)（碳排放指標(biāo)增長率與經(jīng)濟(jì)增長率的比值）。Tap－io［4］和李忠民等［7］又對該指標(biāo)進(jìn)行分解，引入交通運(yùn)輸量、能源消費(fèi)量和工業(yè)增加值等中間變量，從不同側(cè)面反映了碳排放增長與經(jīng)濟(jì)增長的彈性關(guān)系。在現(xiàn)有研究的基礎(chǔ)上，本文設(shè)計(jì)低碳發(fā)展彈性系數(shù)（Eld）指標(biāo)，用以衡量各省區(qū)碳排放增長與經(jīng)濟(jì)增長的脫鉤程度。根據(jù)《中國能源統(tǒng)計(jì)年鑒》［8］確定12種能源類型：煤炭、焦炭、焦?fàn)t煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、煉廠干氣和熱力。各地區(qū)對每種能源的消耗量可以從《中國能源統(tǒng)計(jì)年鑒》中直接獲得數(shù)據(jù)。每種能源碳排放系數(shù)的計(jì)算公式為：碳排放系數(shù)（K）＝含碳量碳氧化率平均低位發(fā)熱量（3）式（3）中，各種能源的平均低位發(fā)熱量可從《中國能源統(tǒng)計(jì)年鑒》中獲得數(shù)據(jù)，含碳量和碳氧化率來自《2006年IPCC國家溫室氣體清單指南》［9］。依據(jù)式（3）得出各種能源的碳排放系數(shù)，見表1。

2各省區(qū)低碳發(fā)展彈性系數(shù)的計(jì)算結(jié)果及特征分析

本文從《中國能源統(tǒng)計(jì)年鑒》中選取了除以外我國內(nèi)地30個省、市、自治區(qū)2005－2009年分地區(qū)能源消耗量的數(shù)據(jù)，計(jì)算出各省區(qū)2006－2009年的年碳排放增長率（數(shù)據(jù)略）。人均GDP由2006－2010年《中國統(tǒng)計(jì)年鑒》中地區(qū)生產(chǎn)總值及地區(qū)總?cè)丝跀?shù)據(jù)得出，進(jìn)一步計(jì)算得到各地區(qū)2006－2009年的年人均GDP增長率（按不變價(jià)格計(jì)算）［8］。根據(jù)式（1），計(jì)算得出各地區(qū)低碳發(fā)展彈性系數(shù)（見表2）。為了避免短期數(shù)據(jù)的偶然性，本文采用5年內(nèi)的計(jì)算值。參考Tapio［4］和陳飛等人［10］提出的低碳發(fā)展脫鉤程度分類方式，本文定義了5種低碳發(fā)展情景，并根據(jù)我國2005－2009年各省區(qū)低碳發(fā)展彈性系數(shù)的計(jì)算結(jié)果，對各地區(qū)低碳發(fā)展的特征進(jìn)行了界定（見表2）。從中看出，我國大部分省區(qū)尚未實(shí)現(xiàn)向脫鉤發(fā)展的轉(zhuǎn)變，只有7個省市實(shí)現(xiàn)弱脫鉤發(fā)展，即經(jīng)濟(jì)增長方式正在向低碳節(jié)能方向發(fā)展。我國內(nèi)地除外的30個省市中，只有山西省達(dá)到了基本脫鉤發(fā)展的標(biāo)準(zhǔn)，其低碳發(fā)展彈性系數(shù)顯著低于其它省區(qū)。經(jīng)分析發(fā)現(xiàn)，由于山西省從2008年起開始進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，大規(guī)模重組并關(guān)閉煤炭企業(yè)，導(dǎo)致該省經(jīng)濟(jì)大幅下滑。2009年，山西省人均GDP增長率僅為0．71％，而能源大省的煤改使碳排放負(fù)增長成為必然，這就導(dǎo)致山西彈性系數(shù)明顯較低，且年幾何平均值出現(xiàn)負(fù)值。

基于終端能源碳排放結(jié)構(gòu)彈性系數(shù)的省區(qū)低碳發(fā)展特征分析終端能源消費(fèi)結(jié)構(gòu)是體現(xiàn)區(qū)域低碳發(fā)展特征的重要方面。李忠民［7］曾試圖將低碳發(fā)展彈性系數(shù)進(jìn)一步分解為3部分，用各地區(qū)的直接碳排放量與能源消費(fèi)量增加之間的彈性系數(shù)反映能源消費(fèi)結(jié)構(gòu)。但由于受二次能源生產(chǎn)與消費(fèi)的影響，這種彈性關(guān)系并不能真實(shí)反映當(dāng)?shù)氐哪茉聪M(fèi)結(jié)構(gòu)。為此，本文提出使用各地區(qū)的終端能源消耗量計(jì)算能源碳排放結(jié)構(gòu)彈性系數(shù)（Ecs）。若某地區(qū)終端能源消費(fèi)中的化石能源比例下降或非化石能源消費(fèi)比例上升，會使該地區(qū)碳排放結(jié)構(gòu)彈性系數(shù)下降。本文從《中國能源統(tǒng)計(jì)年鑒》中選取了除外我國內(nèi)地30個省、市、自治區(qū)2005－2009年13種主要能源終端消耗量數(shù)據(jù)，進(jìn)行各省區(qū)碳排放結(jié)構(gòu)彈性系數(shù)的計(jì)算，結(jié)果見表3。通過表3可以發(fā)現(xiàn)，我國內(nèi)地30個省區(qū)的能源碳排放結(jié)構(gòu)均無明顯改善。即使是能源碳排放結(jié)構(gòu)有所改善的20個省區(qū)，改善程度也非常有限，大部分基本持平。這說明，由于清潔能源的發(fā)展速度滯后于經(jīng)濟(jì)發(fā)展速度，我國整體的能源碳排放結(jié)構(gòu)并未得到有效改善，這是影響我國碳排放目標(biāo)實(shí)現(xiàn)的一大瓶頸。

基于碳排放強(qiáng)度與經(jīng)濟(jì)增長關(guān)系的區(qū)域低碳發(fā)展特征

低碳發(fā)展彈性系數(shù)指標(biāo)和終端能源碳排放結(jié)構(gòu)彈性系數(shù)指標(biāo)，雖然能有效反映地區(qū)碳排放增長與經(jīng)濟(jì)增長的脫鉤程度，以及終端能源消費(fèi)結(jié)構(gòu)的變化情況，但兩者衡量的是各因素增長率之間的相對變化，并不能反映各地區(qū)資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、消費(fèi)結(jié)構(gòu)、社會發(fā)展水平和發(fā)展階段對現(xiàn)階段碳排放（即“存量”碳排放）水平帶來的影響。在制定地區(qū)低碳發(fā)展目標(biāo)時(shí)，應(yīng)綜合考慮“存量”與“增量”碳排放特征，而碳排放強(qiáng)度指標(biāo)（單位GDP碳排放量）能夠較好地反映社會發(fā)展水平和地區(qū)開發(fā)程度對碳排放水平的綜合影響。本文參考岳超［6］等提出的碳強(qiáng)度與經(jīng)濟(jì)發(fā)展對比方法，將碳排放強(qiáng)度與經(jīng)濟(jì)增長關(guān)系類型分為4種模式。在經(jīng)濟(jì)增長指標(biāo)選取方面，選用人均GDP增長率代替GDP增長率，使分析更具可比性。通過2005－2009年平均碳強(qiáng)度和人均GDP年均增長率（按不變價(jià)格計(jì)算）的對比，將各省區(qū)碳排放強(qiáng)度與經(jīng)濟(jì)增長的關(guān)系分為高碳低增長、低碳高增長、高碳高增長與低碳低增長4種模式，見圖1。從圖1可以看出，東部沿海發(fā)達(dá)地區(qū)，如上海、北京、天津、廣東和浙江由于產(chǎn)業(yè)結(jié)構(gòu)較為合理，發(fā)展方式逐步向集約化方向轉(zhuǎn)變，因此明顯具有低碳低增長的特征；而東北三省和西部省區(qū)，如內(nèi)蒙古、寧夏、陜西、青海、新疆、甘肅和貴州由于長期采用粗放的發(fā)展方式，因此呈現(xiàn)明顯的高碳特征。

我國各省區(qū)低碳發(fā)展目標(biāo)定位

基于上述低碳發(fā)展特征分析結(jié)果，采用聚類分析方法，將我國內(nèi)地（除外）30個省區(qū)分成6類（見表4）。這種分類便于從國家層面對各省區(qū)的碳排放水平和減排潛力進(jìn)行估計(jì)，從而確定各省區(qū)共同而有差別的低碳發(fā)展目標(biāo)和責(zé)任。按照在改善能源消費(fèi)結(jié)構(gòu)的基礎(chǔ)上，先控制“增量”碳排放、再消化“存量”碳排放的原則，我們對各類省區(qū)的低碳發(fā)展目標(biāo)作了總結(jié)。