科技投入對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)及互動(dòng)機(jī)制研究

科技投入對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)及互動(dòng)機(jī)制研究Abstract：Thereiscloserelationshipbetweeninvestmentinscienceandtechnologyandeconomicgrowth.BasedonthestatisticsofR&Dspending，numberofR&Dpersonnel，capitalinvestmentandin1995-2012，thispaperusesthegeneralizedCobb-Douglasproductionfunction，errorcorrectionmodel，VARmodeltoanalyzethelong-termequilibriumrelationshipbetweenthevariablesandtheinteractionmechanismbetweenthescienceandtechnologyinvestmentandeconomicgrowth.StudiesshowthatR&Dfundsinternalexpenditureisthesourceofeconomicgrowth；economicsystemhasastablelong-termequilibriumrelation，andthereissignificantadjustmentmechanism；R&Dfundsinternalexpenditureandeconomicgrowtharegrangercausality，andR&Dpersonnelnumberisnotthegrangercauseofeconomicgrowth；R&Dfundsinternalexpenditurehasasignificantpositiveeffectoneconomicgrowth.Finally，correspondingpolicyrecommendationsareputforward.Keywords：investmentinscienceandtechnology；economicgrowth；generalizedC-Dproductionfunction；errorcorrectionmodel；VARmodel中圖分類號(hào)：F015；F224.0文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311〔2016〕19-0059-041研究背景科學(xué)技術(shù)是第一生產(chǎn)力，對(duì)增長(zhǎng)起著重要作用。在-的十三五規(guī)劃中，強(qiáng)調(diào)要“發(fā)揮科技創(chuàng)新在全面創(chuàng)新中的引領(lǐng)作用，并為發(fā)展提供持久動(dòng)力〞。上，“亞洲四小龍〞經(jīng)濟(jì)的迅猛發(fā)展就與科技進(jìn)步密不可分，1970-1980年，“四小龍〞中的和韓國(guó)GNP和年均增長(zhǎng)率分別為9.8%和9.5%，而此間技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)份額，為48%，韓國(guó)為40%。近年來，隨著我們國(guó)家對(duì)科技重視程度的增強(qiáng)，科技投入由1999年的544億元增加到2009年的3050億元，10年間科技投入翻了近6倍。將一定比例的財(cái)政收入投入到科技研究中，了解這部分資金對(duì)經(jīng)濟(jì)增長(zhǎng)起到了怎樣的作用以及相互之間的聯(lián)系，對(duì)制定政策方針具有戰(zhàn)略上的意義。長(zhǎng)期以來，科技投入和經(jīng)濟(jì)增長(zhǎng)的關(guān)系受到國(guó)內(nèi)外學(xué)者的廣泛的關(guān)注。1928年，柯布〔Cobb〕和道格拉斯〔Douglas〕共同提出的C―D生產(chǎn)函數(shù)，可計(jì)算出某一時(shí)刻的技術(shù)水平對(duì)新增產(chǎn)值的貢獻(xiàn)。Griliches〔1986〕通過分析1957-1977年間美國(guó)1000家規(guī)模較大的制造業(yè)數(shù)據(jù)，得出科技經(jīng)費(fèi)投入對(duì)生產(chǎn)力的提高有顯著的促進(jìn)作用。Romer〔1990〕研究發(fā)展發(fā)現(xiàn)在R&D上的財(cái)政支持能激發(fā)和鼓勵(lì)企業(yè)投入更多資源進(jìn)行R&D活動(dòng)，推動(dòng)經(jīng)濟(jì)的長(zhǎng)期增長(zhǎng)。Boskin和Lau〔1996〕將生產(chǎn)投入要素分為資本、勞動(dòng)、人力資本和R&D資本四種，在C-D生產(chǎn)函數(shù)基礎(chǔ)上，新構(gòu)造了生產(chǎn)函數(shù)，將不能由這四種投入要素解釋的經(jīng)濟(jì)增長(zhǎng)歸結(jié)為技術(shù)進(jìn)步的貢獻(xiàn)，利用六個(gè)國(guó)家的數(shù)據(jù)進(jìn)行研究，得到由R&D引致的技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)的影響非常大。國(guó)內(nèi)學(xué)者則是采用不同的研究方法來探討科技投入與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。單紅梅等〔2006〕C-D生產(chǎn)函數(shù)得出中國(guó)的科技投入不但對(duì)當(dāng)期經(jīng)濟(jì)增長(zhǎng)有促進(jìn)作用，而且還存在滯后效應(yīng)，滯后期為3階。姜慶華、劉貴基〔2010〕采用灰色關(guān)聯(lián)度模型與生產(chǎn)函數(shù)模型，得出科技經(jīng)費(fèi)投入對(duì)我們國(guó)家經(jīng)濟(jì)增長(zhǎng)的影響強(qiáng)于人員投入對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，并且技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率呈現(xiàn)出波動(dòng)上升形態(tài)的結(jié)論。盧方元〔2011〕等采用2000-2009年全國(guó)30個(gè)省區(qū)市的R&D投入和經(jīng)濟(jì)增長(zhǎng)的有關(guān)數(shù)據(jù)，通過建立面板數(shù)據(jù)模型，研究R&D投入與經(jīng)濟(jì)發(fā)展的關(guān)系。凌江懷、李成、李熙〔2012〕以1991-2010年國(guó)內(nèi)生產(chǎn)總值和財(cái)政科技投入的數(shù)據(jù)為基礎(chǔ)，認(rèn)為財(cái)政科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)有積極的促進(jìn)作用。不同于以往研究，本文引入R&D經(jīng)費(fèi)支出作為內(nèi)生變量，建立廣義柯布-道格拉斯生產(chǎn)函數(shù)，在對(duì)所有變量進(jìn)行平穩(wěn)性和協(xié)整檢驗(yàn)的基礎(chǔ)上，結(jié)合協(xié)整回歸、誤差修正模型及向量自回歸模型的多元時(shí)間序列分析方法，測(cè)算科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)，并試圖揭示經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)影響機(jī)制。2理論模型及研究方法2.1變量選取及數(shù)據(jù)處理利用1995-2012年度的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行實(shí)證研究，數(shù)據(jù)來自〔中國(guó)年鑒〕和〔中國(guó)科技年鑒〕。選取〔億元〕代表全國(guó)的經(jīng)濟(jì)發(fā)展水平Y(jié)，R&D經(jīng)費(fèi)支出〔億元〕作為科技投入指標(biāo)S，全固定資產(chǎn)〔億元〕扣除R&D經(jīng)費(fèi)支出后作為資本投入K，R&D人員全時(shí)當(dāng)量〔萬人〕作為勞動(dòng)力投入指標(biāo)N，對(duì)原始數(shù)值取自然對(duì)數(shù)，以壓縮變量的尺度差距及削弱可能存在的異方差，分別記為L(zhǎng)nY、LnS、LnK、LnN。2.2理論模型及研究方法2.2.1廣義C-D生產(chǎn)函數(shù)通過對(duì)式〔4〕進(jìn)行回歸分析，即可估計(jì)出科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)。同理，？琢與？茁分別表示資本投入貢獻(xiàn)和勞動(dòng)投入貢獻(xiàn)？酌，剩余項(xiàng)則代表技術(shù)水平。2.2.2協(xié)整理論與誤差修正模型1987年，Engle和Granger提出協(xié)整理論，為非平穩(wěn)時(shí)間序列的建模提供了新的思路。如果單個(gè)時(shí)間序列非平穩(wěn)，而它們的線性組合卻表現(xiàn)出平穩(wěn)性，則這些變量間存在長(zhǎng)期均衡關(guān)系，這種協(xié)整關(guān)系能夠有效區(qū)分真實(shí)回歸與虛假回歸。誤差修正模型〔ErrorCorrectionModel，ECM〕改進(jìn)了時(shí)間序列模型忽視原非平穩(wěn)變量信息的缺點(diǎn)，將長(zhǎng)期穩(wěn)定關(guān)系與短期動(dòng)態(tài)特征綜合在一個(gè)模型中。2.2.3向量自回歸模型向量自回歸模型〔VectorAutoRegression，VAR〕基于統(tǒng)計(jì)性質(zhì)，將系統(tǒng)中每一個(gè)內(nèi)生變量表達(dá)為所有內(nèi)生變量滯后值的函數(shù)，從而將單變量自回歸模型推廣到由多元變量組成的“向量〞自回歸模型。VAR模型常用于預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)中的動(dòng)態(tài)沖擊，進(jìn)而解釋各種經(jīng)濟(jì)沖擊對(duì)經(jīng)濟(jì)變量形成的影響。3科技投入對(duì)增長(zhǎng)的貢獻(xiàn)3.1平穩(wěn)性檢驗(yàn)采用ADF〔AugmentedDickeyFuller〕單位根檢驗(yàn)對(duì)各變量的平穩(wěn)性判斷，回歸方程為：？駐Yt=c+？酌t+？籽Yt-1+■？準(zhǔn)？駐Yt-〔i-1〕+？著t，依據(jù)數(shù)據(jù)特征及貝葉斯信息準(zhǔn)則〔SBIC〕確定檢驗(yàn)形式和滯后階數(shù)。其中c代表常數(shù)項(xiàng)，t代表趨勢(shì)項(xiàng)，p代表滯后階數(shù)，c=0表示不含常數(shù)項(xiàng)，t=0表示不含趨勢(shì)項(xiàng)，反之c=1表示含常數(shù)項(xiàng)，t=1表示含趨勢(shì)項(xiàng)。檢驗(yàn)結(jié)果如表1所示。4組時(shí)間序列數(shù)據(jù)在5%顯著性水平下不拒絕原假設(shè)，為非平穩(wěn)序列，而進(jìn)行一階差分后均為平穩(wěn)序列，因此4個(gè)變量均為同階單整I〔1〕序列，可進(jìn)行協(xié)整分析。3.2協(xié)整回歸及協(xié)整檢驗(yàn)協(xié)整檢驗(yàn)是用來檢驗(yàn)非平穩(wěn)變量間是否存在長(zhǎng)期均衡關(guān)系的方法，如果存在協(xié)整關(guān)系，則變量間的非均衡誤差是平穩(wěn)的。本文基于廣義C-D生產(chǎn)函數(shù)進(jìn)行協(xié)整分析，對(duì)式〔4〕的模型采用Engle-Granger兩步法進(jìn)行協(xié)整檢驗(yàn)。第一步通過OLS最小二乘法對(duì)式〔4〕進(jìn)行協(xié)整回歸，第二步使用殘差序列代替隨機(jī)干擾項(xiàng)，進(jìn)行平穩(wěn)性檢驗(yàn)，若殘差序列平穩(wěn)，則可確立變量間的長(zhǎng)期均衡關(guān)系，回歸結(jié)果如下：lnYt=5.349687+0.375095lnKt+0.159395lnNt+0.226243lnStS.E.=〔0.35536〕〔0.109971〕〔0.130783〕〔0.061246〕t=〔15.05444〕〔0.3410855〕〔1.218781〕〔3.694004〕R2=0.998203，F(xiàn)=2592.043，D.W.=1.540770〔5〕由于OLS采用方差最小的估計(jì)方式，使得對(duì)殘差序列進(jìn)行ADF檢驗(yàn)時(shí)，結(jié)果傾向于平穩(wěn)序列，SC統(tǒng)計(jì)量-4.172473，t統(tǒng)計(jì)量-3.913603，傳統(tǒng)10%臨界值為-3.310349，參照麥金農(nóng)〔Mackinnon，1991〕的臨界值分布表，矯正的10%臨界值為-3.676593，殘差序列在5%顯著性水平下非平穩(wěn)，但在10%顯著信水平下平穩(wěn)，可認(rèn)為式〔5〕確定的長(zhǎng)期均衡關(guān)系存在，為協(xié)整回歸方程。3.3科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)根據(jù)協(xié)整回歸方程〔5〕的結(jié)果，科技投入對(duì)經(jīng)濟(jì)的產(chǎn)出系數(shù)為0.2262，即R&D經(jīng)費(fèi)內(nèi)部支出每增加1%所貢獻(xiàn)的增長(zhǎng)率為0.2262%；而0.3751和0.1594分別是資本和勞動(dòng)的投入產(chǎn)出系數(shù)，表明固定資產(chǎn)和科技人員就業(yè)人數(shù)每增加1%，可以帶來經(jīng)濟(jì)增長(zhǎng)0.3751%和0.1594%。由此看出，現(xiàn)前階段的增長(zhǎng)主要還是靠投資拉動(dòng)，科技投入雖占據(jù)一部分，但產(chǎn)出效應(yīng)存在進(jìn)一步提升的空間。由于科技活動(dòng)的周期性與投入產(chǎn)出的時(shí)滯性，僅依據(jù)某一個(gè)觀測(cè)時(shí)點(diǎn)難以縱向把握經(jīng)濟(jì)規(guī)律，因此，從2008年開始逐年測(cè)算各要素對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度，以期發(fā)現(xiàn)最近幾年各要素對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度的變化趨勢(shì)，進(jìn)一步探討科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)效果。依據(jù)理論模型及協(xié)整分析技術(shù)，得出測(cè)算結(jié)果如表2所示。由表2得，資本投入自2008年開始出現(xiàn)下滑，受國(guó)際危機(jī)的沖擊，企業(yè)經(jīng)營(yíng)困難，利潤(rùn)增長(zhǎng)放緩，固定資產(chǎn)投資增速下降；而科技投入貢獻(xiàn)呈波動(dòng)上升趨勢(shì)，說明科技投入的產(chǎn)出效應(yīng)開始顯現(xiàn)，R&D經(jīng)費(fèi)投入與科技人員的投入保障了科技研發(fā)活動(dòng)的需求，逐步轉(zhuǎn)換為對(duì)增長(zhǎng)的貢獻(xiàn)。4科技投入與中國(guó)經(jīng)濟(jì)增長(zhǎng)的互動(dòng)機(jī)制4.1誤差修正模型繼協(xié)整回歸對(duì)變量的長(zhǎng)期均衡關(guān)系進(jìn)行分析后，構(gòu)建誤差修正模型對(duì)該協(xié)整關(guān)系的短期動(dòng)態(tài)特征進(jìn)行探究，得到估計(jì)結(jié)果如表3。其中，ECMt-1=lnYt-1-〔5.349687+0.375095lnKt-1+0.159395lnNt-1+0.226243lnSt-1〕為誤差修正項(xiàng)。從表3可以看出，誤差修正項(xiàng)ECMt-1的系數(shù)為-0.899017，即協(xié)整回歸方程前一年的非均衡誤差以89.90%的力度進(jìn)行反向修正，89.90%的調(diào)整速率也顯示了協(xié)整系統(tǒng)對(duì)出現(xiàn)非均衡偏差的修正反應(yīng)之強(qiáng)，正是這種顯著的短期負(fù)反饋機(jī)制，使得經(jīng)濟(jì)系統(tǒng)始終趨于穩(wěn)定，其長(zhǎng)期均衡關(guān)系才得以維持。除此之外，在短期動(dòng)態(tài)關(guān)系中，科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的短期彈性為0.112281，即短期內(nèi)科技投入每增加1%，國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)11.23%，亦低于資本投入0.218182及勞動(dòng)投入0.125491。4.2VAR模型為重點(diǎn)考察科技投入與經(jīng)濟(jì)增長(zhǎng)間的相互作用機(jī)制，將資本投入〔已扣除R&D經(jīng)費(fèi)支出〕從內(nèi)生變量中剔除，建立、R&D經(jīng)費(fèi)支出、科研從業(yè)人員數(shù)之間的VAR模型。首先，確定適當(dāng)?shù)哪Ｐ蜏箅A數(shù)。利用Eviews8.0計(jì)量，進(jìn)行滯后期從0到3的模擬試驗(yàn)。據(jù)AIC與SC信息準(zhǔn)則，當(dāng)滯后期為3時(shí)，模型擬合效果最好，可兼顧模型穩(wěn)定性與自由度。接著進(jìn)行模型估計(jì)，得到如下結(jié)果：lnYt=1.070lnYt-1-0.954lnYt-2+0.852lnYt-3+0.444lnSt-1+0.031lnSt-2-0.340lnSt-3+0.221lnNt-1-0.116lnNt-2-0.216nNt-3-0.068lnSt=1.037lnYt-1-0.388lnYt-2-0.225lnYt-3+0.521lnSt-1+0.169lnSt-2-0.595lnSt-3+0.268lnNt-1+0.172lnNt-2+0.140lnNt-3+0.274lnNt=-0.233lnYt-1+0.658lnYt-2-0.531lnYt-3-0.401lnSt-1+0.482lnSt-2+0.345lnSt-3-0.237lnNt-1+0.044lnNt-2+0.052lnNt-3+0.297〔6〕各方程的判定系數(shù)分別為：0.9992、0.9995、0.9994，擬合程度較高。4.3Granger因果檢驗(yàn)Granger因果檢驗(yàn)實(shí)質(zhì)上是檢驗(yàn)內(nèi)生變量是否可以作為外生變量對(duì)待。若一個(gè)變量受到其他變量的滯后影響，則稱它們具有Granger因果關(guān)系。對(duì)估計(jì)出的VAR模型中各方程進(jìn)行Granger因果檢驗(yàn)，分析各內(nèi)生變量之間的相互關(guān)系，結(jié)果見表4。由表4可知，在LnY方程中，檢驗(yàn)結(jié)果在5%的置信水平下接受了LnN不能Granger引起LnY的原假設(shè)；在LnS方程中，檢驗(yàn)結(jié)果在5%的置信水平下接受了LnN不能Granger引起LnS的原假設(shè)。這表明科技從業(yè)人員數(shù)并不是LnY與LnS增長(zhǎng)的Granger原因。與之相反，檢驗(yàn)結(jié)果在5%的水平上拒絕了LnS不能Granger引起LnY的原假設(shè)，同時(shí)拒絕了LnY不能Granger引起LnS的原假設(shè)，表明R&D經(jīng)費(fèi)支出與經(jīng)濟(jì)增長(zhǎng)互為格蘭杰因果關(guān)系。4.4脈沖響應(yīng)函數(shù)分析脈沖響應(yīng)函數(shù)用于衡量來自隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊對(duì)內(nèi)生變量當(dāng)下和未來取值的影響。利用Eviews8.0計(jì)量對(duì)估計(jì)出的VAR模型進(jìn)行脈沖響應(yīng)分析，計(jì)量各變量對(duì)模擬外部動(dòng)態(tài)沖擊的反應(yīng)，結(jié)果見圖1。其中，橫軸表示滯后時(shí)間長(zhǎng)度，縱軸表示變量對(duì)外部動(dòng)態(tài)沖擊的反應(yīng)程度。如左圖所示，在其他變量不變的情況下，當(dāng)變動(dòng)一個(gè)百分點(diǎn)時(shí)，對(duì)R&D經(jīng)費(fèi)支出始終具有正向效應(yīng)。在第一期，的變動(dòng)使R&D經(jīng)費(fèi)支出增長(zhǎng)約為0.05%，此后大致圍繞1.5%的水平上下波動(dòng)。表明經(jīng)濟(jì)增長(zhǎng)對(duì)科技投入的增加具有穩(wěn)定的促進(jìn)作用，應(yīng)當(dāng)在發(fā)展經(jīng)濟(jì)的前提下，逐步提高對(duì)科技的投入力度。分析右圖，易知，在其他變量不變的情況下，當(dāng)R&D經(jīng)費(fèi)支出受到正向沖擊時(shí)，對(duì)的影響一直呈現(xiàn)正向趨勢(shì)。具體表現(xiàn)為：第一期至第三期，使得處于持續(xù)上升狀態(tài)，并在第三期達(dá)到最大值；第三期至第八期，對(duì)的影響逐漸減弱――從0.2%逐漸趨于0.02%；第八期之后，對(duì)的影響又開始加強(qiáng)。5結(jié)論及建議本文主要依托增長(zhǎng)理論，在傳統(tǒng)柯布-道格拉斯拉斯生產(chǎn)函數(shù)基礎(chǔ)上，引入R&D經(jīng)費(fèi)內(nèi)部支出進(jìn)行擴(kuò)展，綜合多元時(shí)間序列分析的方法，對(duì)科技投入對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)和相互間動(dòng)態(tài)作用機(jī)制進(jìn)行實(shí)證研究。理論模型得到實(shí)證分析的良好支撐，具體研究結(jié)論包括：①R&D經(jīng)費(fèi)內(nèi)部支出是經(jīng)濟(jì)增長(zhǎng)的源泉，對(duì)國(guó)內(nèi)生產(chǎn)總值的貢獻(xiàn)約為22.62%，貢獻(xiàn)程度波動(dòng)上升。②國(guó)內(nèi)生產(chǎn)總值、固定資產(chǎn)投資、R&D人員及R&D經(jīng)費(fèi)內(nèi)部支出具有穩(wěn)定的長(zhǎng)期均衡關(guān)系，科技投入對(duì)經(jīng)濟(jì)增長(zhǎng)的短期彈性為11.23%，系統(tǒng)內(nèi)存在顯著的調(diào)節(jié)機(jī)制，有效維護(hù)長(zhǎng)期均衡特征。③Gra