中国科技投入和经济增长的关系研究.docx
- 文档编号:5702403
- 上传时间:2022-12-31
- 格式:DOCX
- 页数:14
- 大小:76.25KB
中国科技投入和经济增长的关系研究.docx
《中国科技投入和经济增长的关系研究.docx》由会员分享,可在线阅读,更多相关《中国科技投入和经济增长的关系研究.docx(14页珍藏版)》请在冰豆网上搜索。
中国科技投入和经济增长的关系研究
中国科技投入与经济增长的关系研究
兰州商学院张冉、杨新玲、胡岩
摘要:
本文采用1991至2009年的年度时间序列数据,在VAR模型的基础上,利用协整检验、误差修正模型、脉冲响应函数和方差分解分析了中国科技投入与经济增长的长期均衡关系与短期动态关系。
结果表明,中国科技投入与经济增长之间存在长期均衡关系,科技投入每增加1%,中国经济增加0.7782%,短期内中国科技投入每增加1%,经济增长0.257298%,短期科技投入对经济增长的弹性系数明显小于长期,说明科技转化为生产力存在滞后性,长期内科技投入对经济增长的作用更为明显。
关键词:
科技投入;经济增长;协整分析
ResearchonChineseScienceandTechnologyInvestmentandEconomicGrowth
Abstract:
Inthispaper,weusetheannualtimeseriesdatafrom1991to2009,IntheVARmodel,basedontheuseofcointegrationtest,errorcorrectionmodel,impulseresponsefunctionsandvariancedecomposition,analysisoftheChinesescienceandtechnologyandEconomicGrowthinlong-termequilibriumrelationshipandshort-termdynamicrelationship.TheresultsshowthatChinesescienceandtechnologyinvestmentandeconomicgrowthhavelong-termequilibriumrelationship,Scienceandtechnologyinvestmentforevery1%increase,China'seconomywillincrease0.7782percent,Short-terminvestmentinChina'stechnologyforevery1%increase,China'seconomywillincrease0.257298percent,GrowthelasticityofShort-termtechnologyinvestmentforeconomicgrowthissignificantlylessthanthelong-term’s,ExplainthatthereislagwhenscienceandtechnologyConvertintoproductivityforces,Solong-terminvestmentinscienceandtechnologytoeconomicgrowthwasmoreeffective.
Keywords:
ScienceandTechnologyInvestment;EconomicGrowth;CointegrationTest
目 录
一、前言………………………………………………………………………………1
二、中国科技投入与经济增长的描述性分析………………………………………3
1、科技投入与经济增长的现状…………………………………………………3
2、科技投入与GDP相关性分析…………………………………………………4
三、中国科技投入与经济增长的实证分析…………………………………………5
1、变量平稳性检验………………………………………………………………5
2、协整检验……………………………………………………………………6
3、VAR模型的建立及基于VAR的模型分析……………………………………7
四、结论……………………………………………………………………………11五、政策建议………………………………………………………………………12
参考文献……………………………………………………………………………13
数据附表……………………………………………………………………………14
一、前言
雄厚的经济实力是一个国家繁荣、富强的标志,是社会和谐的基础,因此追求经济增长是人类社会的最基本目标。
自从第一次产业革命以来,技术进步已逐渐成为影响经济增长的最重要因素之一,尤其是在科学技术发展日新月异的今天,它对经济增长的促进作用变得越来越明显。
科技投入是技术进步的动力和源泉,科学技术对经济的贡献必须有科技投入作保障。
近年来,我国政府对科技创新的支持力度不断加大,政府支出中对科技的投入额度逐年增加。
改革开放以来,我国经济经历了快速发展阶段。
在此同时,我国的科技投入筹资渠道更为多元化,科技投入的规模也在不断的扩大。
所以研究我国科技投入对经济增长的影响及其影响力度对我国的经济发展有重要的现实意义。
纵观经济增长历史,“科学技术是第一生产力”在近代经济增长过程中得到了得到了充分的阐释。
随着科技在经济增长中的作用日益凸显,国内外许多学者对技术进步对经济增长的影响进行了研究。
国外研究:
诞生于20世纪早期的新古典增长理论引入资本和技术进步作为经济增长的重要因素,得出了人均实际GDP的增长源于技术变革引起的人均资本增加的储蓄和投资水平的观点,并且得出如果技术进步停止,经济增长就结束的结论。
基于新古典增长理论,索洛(Silow,1956)和斯旺(Swan,1956)通过假设一个资本和劳动力可以相互替代的新古典生产函数,构建了后来广为流传的经济增长模型。
但是此模型有只有在假设外生给定的技术进步的前提下才能得到稳定的经济增长的缺陷。
80年代兴起的新经济增长理论则认为内生技术进步是经济增长的决定因素,技术进步是追求利润最大化的厂商进行意愿投资的结果,并且技术、人力资本有溢出效应,这是存在经济持续增长必不可少的条件。
新增长理论克服了新古典经济增长理论将经济增长动力归为无法解释的外在技术进步的不足。
以罗默(Romer,1986)和卢卡斯(Lucas,1988)及其追随者为代表的内生经济增长经济学家,建立了技术内生化的经济增长模型。
卢卡斯讲劳动划分为原始劳动和专业化人力资本,并认为专业化人力资本才是经济增长的真正推动力。
罗默在1990年把研究与开发投入机制引入经济增长模型,试图将经济增长内生化。
目前国内外学者研究科技投入与经济增长之间的关系多以新古典经济增长理论和新经济增长理论为理论依据。
国内研究:
许多学者使用扩展的C-D生产函数来分析科技与经济增长之间的关系:
如单红梅,李芸(2006)运用加入科技投入这一要素的广义C-D生产函数对我国科技投入的经济效果进行分析,得出科技投入不但对当期的经济增长具有促进作用而且还存在滞后效应。
陈利华,杨宏进(2005)使用C-D生产函数测度了我国30个省市1990-2002的全要素生产率,继而在考虑资源配置和制度变迁的情况下科技投入与全要素生产率的关系,得出科技投入对技术进步的作用明显,但是不同区域科技投入产生的经济效益不一样,科技投入在促进技术进步的过程中需要制度改革的配合。
此外,姜庆华,刘贵基使用灰色关联度模型和生产函数两种分析方法对山东省科技投入与经济增长的关系进行了对比分析,罗明奇,马少仙(2010)运用灰色关系分析的数学模型分析了科技投入因素对甘肃省经济增长的关联度。
侯玉君,赵晖等(2010)选取了反映科技投入的4个变量和反映科技产出的8个变量做典型相关分析,深入了解甘肃各县市科技投入与科技产出的内在联系。
袁蓉,梅姝娥(2009)运用面板单位根和面板协整方法,基于江苏省各县市7年的面板数据,研究了财政科技投入与经济增长的关系,结果表明江苏县市的财政科技投入与经济增长之间存在长期的正向均衡关系。
于君博(2006)在对数型柯布-道格拉斯生产函数的基础上,运用随机前沿分析模型和确定性的非参数前沿生产函数分别对我国改革开放以来25年间的技术效率变迁进行了测算,分析结果表明,我国经济增长过程中的技术效率改进并不明显,20世纪90年代中期后甚至出现了下滑的趋势,成为限制未来经济发展的隐患。
综合来看,大多数学者采用以经济理论为基础的传统的经济计量方法来描述变量之间的关系,但是经济理论通常并不足以对变量之间的动态联系提供一个严密的说明。
同时科技投入本身又会受经济增长的影响,它是一个内生变量,但多数学者似乎只把这一指标看做外生变量,这无疑会给科技投入与经济增长两者之间的关系以及关系的程度的分析带来不精确性。
向量自回归模型(VectorAutoregressionModel)不以经济理论为基础描述经济变量之间的结构关系来建立模型,它是以数据统计性质为基础,把某一经济系统中的每一个变量作为其他变量的滞后变量的函数来构造模型。
对于处理具有相关关系的变量之间的分析和预测、随机扰动对系统的动态冲击,VAR模型是一种最方便的方法。
因此本文采用向量自回归模型分析我国科技投入与经济增长之间的关系。
二、中国科技投入与经济增长的描述性分析
指标选取:
科技投入是指投入到科技活动中的一切人力、物力和财力的总和,包括人力资源投入和财力资源投入,而实际上人力资源投入中有不少部分是以费用支出来度量的。
所以选取科技活动内部经费支出(TECH)作为衡量科技投入的指标。
采用一贯使用的国内生产总值(GDP)作为测度经济增长的指标。
本文选取了1991年至2009年共19年的数据作为样本,对我国国内生产总值与科技投入之间的相互关系进行了分析研究,论证了两者之间的内在联系。
本文数据来自《中国统计年鉴》,整理后的相关数据见附录。
1、科技投入与经济增长的现状
科技创新已成为经济增长的主要动力之一,中国在“科技强国”的思路下,不断增加科技投入,加强科技创新。
近年来科技投入不断增加,1991年科技投入总量为388.5亿元增加到2009年的8767.5亿元,年平均增长率为18.9%,而GDP的年平均增长率为16.5%。
也即是随着经济的增长,科技投入不断增加,其投入的增加率快于经济的增长速率,但是2009年科技投入只占GDP的2.57%,从科技投入占GDP的比重看远不如固定资产总额占GDP的65.96%,可见科技投入的力度还很不够(见图1)。
从下图2中可知,科技投入占GDP的比重有整体上升的趋势,但整体比重并不高,有些年份有下降的波动。
图1GDP与科技投入总量折线图
图2科技投入占GDP的比重折线图
2、科技投入与GDP的相关性分析
科技进步能促进经济的增长,而经济的发展又会加大对科技的投入,但二者的相关性如何,本文依据1991—2009年数据通过Eviews6.0得到两变量的相关图,即如下的散点图(图3)知,科技投入与经济增长存在的正的相关关系。
但
由于经济变量关系的复杂性,很可能受其他经济变量的影响而导致二者的相关性,即可能存在伪相关的可能,所以为证实二者真正的相关关系,需要做进一步的检验。
图3科技投入与GDP的散点图
三、中国的科技投入与经济增长的实证分析
1、变量平稳性检验
(1)ADF单位根检验方法
我们可以通过建立国内生产总值(gdp)和科技投入(tech)两变量间的回归方程,以发现这两者之间存在怎样的相关关系,但建立回归方程的前提是,gdp和tech必须是平稳时间序列,否则容易造成“伪回归”问题。
所谓“伪回归”,是指变量间本来不存在有意义的关系,但回归结果却得出存在有意义关系的错误结论,其根本原因在于时间序列变量的非平稳性。
因此,在利用回归分析方法讨论经济变量有意义的经济关系之前,必须对经济变量时间序列的平稳性与非平稳性进行判断。
本文采用的是ADF(AugmentedDickey-Fuller)单位根检验方法。
(2)单位根检验(UnitRootTest)方法的基本理论
若随机过程{
}遵从
其中,r=1,{
}为一平稳过程,且E(
)=0,Cov(
)=
<∞,s=0,1,2,…则称序列{
}为(不带截距项的)单位根过程。
从单位根的定义可以看出,含一个单位根的过程{
},其一阶差分:
Δ
=
-
=
是一平稳过程,像这种经过一次差分后变为平稳的序列称为一阶单整序列,记为{
}~I
(1)。
如果序列{
}经过d次差分后平稳,而d-1次差分却不平稳,那么{
}为d阶单整序列,记为{
}~I(d),d称为整形阶数。
(3)ADF单位根检验法判断序列的平稳性
通过gdp和tech两时序变量的散点图,发现它们都具有较强的指数增长趋势,而又因为数据取对数后不仅不会改变原来的协整关系,还使得自身的趋势线性化,同时可以消除异方差现象,故分别对gdp和tech取对数,得到的新序列命名为Lgdp和Ltech,分别代表取自然对数的国内生产总值和科技投入。
表1为Lgdp和Ltech的平稳性检验结果。
两个变量均是非平稳变量;它们的一阶差分△Lgdp和△Ltech在5%显著性水平下是平稳的,所以Lgdp和Ltech为一阶单整,即I
(1)序列。
由此,我们可以对两个变量间的长期关系进行协整检验。
表1 ADF单位根检验结果
变量
ADF统计量
临界值(5%)
检验形式
结论
lgdp
-1.005175
-3.065585
(c,0,2)
不平稳
lgdp
1.985509
-1.964418
(0,0,2)
不平稳
△lgdp
-3.611148
-3.098896
(c,0,3)
平稳
ltech
-2.260814
-3.690814
(c,t,0)
不平稳
ltech
-0.559971
-3.040391
(c,0,0)
不平稳
△ltech
-3.835296
-3.052169
(c,0,0)
平稳
注:
检验形式为(c,t,n),c和t分别表示ADF检验带有常数项和趋势项,n表示滞后阶数,由AIC和SC最小化准则确定,△为差分算子
2、协整检验
协整检验是用于检验多个变量之间是否存在长期稳定的关系,具有非常重要的意义。
如果多个非平稳变量具有协整性,则这些变量可以合成一个平稳序列且由此建立的回归模型才有意义,所以,协整性检验也是区别真实回归与伪回归的有效方法。
协整检验的前提是如果两个变量都是单整变量,只有当它们的单整阶相同时,才可能协整。
当两个变量协整时,则它们之间存在着一个长期稳定的比例关系,反之,当两个变量不是协整的,则它们之间就不存在着一个长期稳定的关系。
由ADF单位根检验结果可知,lgdp和ltech均为一阶单整序列I
(1),构成了协整检验的前提条件。
因此可以使用Engle-Granger两步检验法对lgdp和ltech进行协整检验。
第一步:
对lgdp和ltech两个变量使用普通最小二乘法OLS回归得到协整方程。
Lgdp=5.618510+0.778248ltech
(19.48546)(20.57593)
由eviews的结果可以看到回归方程的R2为96.14%,T统计量、F统计量都通过显著性检验。
第二步:
检验残差resid的平稳性。
对残差resid作ADF单位根检验,以判断残差是否平稳,检验结果见表2,残差resid在5%的显著性水平下拒绝原假设,因此,lgdp与ltech存在长期协整关系。
这就说明了中国的科技投入与经济增长之间存在长期均衡关系,科技投入增加1%,中国经济增加0.7782%。
表2残差平稳性检验结果
变量ADF统计量临界值(5%)检验形式结论
残差e-2.632235-1.962813 (0,0,1)平稳
3、VAR模型的建立及基于VAR的模型分析
向量自回归(VAR)是基于数据的统计性质建立模型,是1980年由西姆斯(C.A.Sims)引入到经济学中的,推动了经济系统动态性分析的广泛应用。
VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击,从而解释各种经济冲击对经济变量形成的影响,采用多方程联立形成,用模型中所有内生当期变量对它们的若干期滞后值进行回归,从而估计全部内生变量的动态关系。
VAR模型建立的过程中,一个难点就是滞后期的选择问题,不同的滞后期,结果截然不同。
表3是lgdp和ltech的VAR模型滞后期数为0-5期的AIC、SC、HQ、FPE、LR和logL的计算结果,在滞后2期时,SC达到最小,LR也达到最优值,大致可以确定2期为最优滞后期。
为检验VAR
(2)模型的稳定性,计算VAR
(2)模型方程的特征值,计算结果如表4所示,VAR
(2)模型所有特征值都小于1,都位于单位圆以内(图4),因此VAR
(2)模型是稳定的,进而可以得到VAR
(2)模型如方程
(1)和方程
(2)所示。
表3 VAR模型滞后期的选择
Lag
LogL
LR
FPE
AIC
SC
HQ
0
-2.486719
NA
0.006511
0.640960
0.732254
0.632509
1
40.70562
67.87368
2.44e-05
-4.95795
-4.684064
-4.983299
2
49.57133
11.39877*
1.28e-05
-5.65305
-5.196578*
-5.695302
3
54.64224
5.070905
1.26e-05*
-5.80603
-5.166977
-5.865191
4
58.42827
2.704305
1.72e-05
-5.77547
-4.953822
-5.851525
5
64.95759
2.798281
2.22e-05
-6.136799*
-5.132566
-6.229759*
表4 VAR模型稳定性检验
特征值0.9925840.691797-0.454211i0.691797+0.454211i-0.201813
图4VAR模型特征值的单位根检验图
Lgdp=1.979587+1.187580lgdpt-1-0.489680lgdpt-2+0.107567ltecht-1
+0.102783ltecht-2
(1)
Ltech=1.806347-0.775221lgdpt-1+0.542636lgdpt-2+0.986785ltecht-1
+0.166273ltecht-2
(2)
(1)误差修正模型
Engle和Granger协整与误差修正模型模型结合起来,建立了向量误差修正模型(VEC),一组具有协整关系的变量一定具有误差修正模型的表达形式存在,可以认为VEC模型是含有协整约束的VAR模型,误差修正模型可以刻画中国科技投入与经济增长之间的短期波动及调整机制。
△Lgdp=-0.005952+0.725149△Lgdpt-1+0.257298△Ltech-0.180501et-1
(6.644226)(3.418380)(-3.559310)
从中国科技投入与经济增长的误差修正模型的估计结果看,回归方程的拟合优度为87.78%,T统计量、F统计量都通过显著性检验。
误差修正项et-1的系数的大小反映了对偏离长期均衡的调整力度,从系数估计值为–0.180501来看,符合反向修正原则,表明当短期波动偏离长期波动均衡时,将以–0.180501的调整力度将非均衡状态拉回到均衡状态。
模型中的差分项反映了短期波动的影响,从短期动态关系来看,△Lgdpt-1的系数为0.725149,说明前期的经济增长对当期的经济增长具有正向的促进作用,主要是因为前期的经济增长率高,必然会增加本期经济增长的预期,进而促进本期的经济增长。
△Ltech的系数为0.257298,短期内中国财政科技投入增加1%,经济增长0.257298%,短期科技投入对经济增长弹性系数明显小于长期(长期弹性系数为0.7782%),说明科技转化为生产力存在滞后性,长期科技投入对经济增长的作用更为明显。
(2)格兰杰因果检验
VAR模型的另一个重要的应用是分析经济时间序列变量之间的因果关系,从经济理论上可以认为中国财政科技投入与经济增长之间存在相互促进、互为因果的关系,但还需要从实证中加以验证,这就要确定一个变量的变化是否为另一个变量变化的原因,解决该类问题的常用方法是Granger检验法。
Granger因果检验要求变量必须平稳,因此对lgdp和ltech的一阶差分进行Granger因果检验,根据AIC和SC最小化准则,在进行Granger因果检验时选取滞后期为2,检验结果如下表所示。
可以看出,在10%的显著性水平之下存在科技投入到经济增长的单向格兰杰因果关系,即科技投入变动是经济增长变动的格兰杰原因,反之,经济增长变动不是科技投入变动的格兰杰原因(表5)。
表5格兰杰因果检验结果
原假设F统计量P值结论
△Lgdp不是△ltech的Granger原因0.540070.5974接受原假设
△Ltech不是△lgdp的Granger原因3.75274 0.0572拒绝原假设
(3)脉冲响应函数
在实际应用中,由于VAR模型是一种非理论性的模型,它无需对变量作任何先验性约束,因此在分析VAR模型时,往往不分析一个变量的变化对另一个变量的影响如何,而是分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态分析,这种分析方法称为脉冲响应函数方法(IRF)。
在之前分析中所用到的方法里,协整检验只提供了变量间长期关系的信息,Granger因果性检验也只是分析了变量间的因果关系,都没有为一个变量作用于另一个变量的动态特征提供更多的信息,脉冲响应函数刻画的是在误差修正模型(ECM)扰动项上加上一个单位标准差大小的新信息冲击对内生变量的当前值和未来值所带来的影响。
基于lgdp和ltech的VAR
(2)模型,对经济增长和科技投入进行脉冲响应函数分析,通过科技投入对于经济增长的脉冲响应图可以看出科技投入对经济增长的冲击先是上升的,后来逐渐下降直至趋于平稳。
图5脉冲响应图
(4)方差分解
脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响,而方差分解(variancedecomposition)是通过分析每一个结构冲击对内生变量变化(通过常用方差来度量)的贡献度,进一步评价不同结构冲击的重要性,因此,方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。
因此我们为了分析科技投入发展对中国经济增长的影响程度和贡献度,运用方差分析的基本思路进行分析,基于经济增长(lgdp)和科技投入(ltech)的VAR
(2)模型,对lgdp标准误差(S.E.)进行方差分解。
下图中横轴代表滞后期阶数,纵轴表示科技投入对于经济增长的贡献率,从图中可以看出,科技投入对经济增长的贡献率最大达到65.64%,说明科技投入对中国经济增长的贡献率较大,而且随着时间的推移,其贡献率呈现不断增大趋势。
图6科技投入冲击对经济增长的贡献率
四、结论
1、回归结果告诉我们,从长期均衡的角度,我们可以知道,科技投入每增加1个单位,平均来说国内生产总值会相应增
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国 科技 投入 经济 增长 关系 研究