1、基于VAR模型地方财政科技投入及经济增长实证分析基于VAR模型地方财政科技投入及经济增长实证分析 摘 要：根据内生经济增长理论，采用广东省19782007年的时间序列数据，通过建立VAR模型、协整分析及格兰杰因果关系检验对广东省财政科技投入与经济增长的相互关系进行实证分析。结果表明，研发投入对经济增长产生长期稳定的均衡作用，并且研发人员和研发投入两个变量之间存在相互促进作用。基于这一结论，提出了相关政策和建议，从而使财政科技投入更好地发挥其作用，促进经济的持续、健康、快速发展。 关键词：经济增长；财政科技投入；VAR模型；协整分析 引言 科技是促进经济增长的主要推动力量，而科技投资是科学创新和
2、技术进步的基本前提和必要条件，因此科技投资对经济增长发挥着重要作用。目前很多国家和地区都把加大科技投入作为促进经济增长，提高综合竞争力的主要手段。我国财政科技投入占GDP的比重太少，平均仅为0.164%，与世界平均水平2.10%的比重及发达国家2.15%的比重均有较大差距。尽管我国R&D经费投入量及其占GDP的比重不断增加，平均仅为0.188%，日本为3.10%，美国为2.17%，韩国为2.16%，芬兰为2.19%，瑞典为3.19%。科技投入是从事科技活动的基本要素和重要基础，也是反映一个国家或地区科技进步和科技实力的重要指标。如何发展高新技术产业，促进产业结构升级，优化经济增长方式，
3、是广东省的核心任务。 通过系统梳理国内外文献的研究脉络，财政科技投入与经济增长的实证分析有：以卢卡斯为代表的经济学家提出了新经济增长理论，将技术进步作为系统的内生变量，认为科学技术因素是经济增长的决定因素。因此，政府对科技的支持力度是影响经济增长的间接因素之一；肖利（2002）通过对美国企业界20世纪90年代R&D投入的分析表明，R&D投入的高速增长是推进美国技术创新和经济增长的主要动力；严四容等（2008）从科技投入总量、科技投入经费来源、科技投入结构三方面具体阐述我国科技投入的现状，并和其他一些国家进行比较分析；张绍佩（2009）根据江西省20002006年R&D经
4、费支出、从事科技活动的人员数和GDP的数据，运用灰色关联度分析方法对江西省科技投入与经济增长关系进行了实证研究。得出江西省科技投入与经济增长有很强的正相关关系。并且，从事科技活动的人员数对经济发展的影响更为显著；阮敏（2008）运用传统增长理论和内生增长理论对上海近十多年来经济增长进行实证分析，得出技术进步对上海经济增长的贡献较低，在现阶段还没有出现内涵式经济增长的拐点；朱春奎（2006）通过对中国19782000年财政科技投入与经济增长的有关数据变量进行因果关系检验，揭示了财政科技投入与经济增长的动态关系，从总体上看，改革开放以来，中国财政科技投入是经济增长的充分而非必要条件，即财政科技投入
5、是国民经济增长的原因，而经济增长对财政科技投入的贡献作用并不显著，仅在滞后期为两年时，经济增长构成财政科技投入变化的Granger原因。 综上所述，国内外学者的研究证明了科技投入对经济增长有着重要的作用。而以广东省为例来研究二者的关系比较少，这方面的研究对增强广东省财政科技投入对经济增长的贡献具有重要的理论和政策意义。由于地方财政科技投入对经济增长的作用期较长，因此本文针对广东省财政科技投入与经济增长的关系展开时间序列分析，包括单位根检验、建立VAR模型、协整检验、因果关系检验、建立误差修正模型、脉冲响应函数分析和方差分解，试图得到有价值的结论，以期为合理制定广东省财政科技投入政策提供参考。
6、一、模型设置 本文基于罗默R&D理论模型，采用广东省19782007年的时间序列数据，采用扩展的C-D生产函数，定量研究广东省财政科技投入对区域经济增长的影响程度，建立模型如下。 lny=?茁0+?茁1ln1+?茁2lnk+?茁3 ln h+?茁4 ln R&D+?茁5 ln h*ln R&D+?滋 （3-1） 这里，模型中R&D人员和R&D投入的交叉项是来检验它们的共同影响。（3-1）式中k为可比价固定资产投资总额，l代表全省从业人员数，h表示R&D人员，R&D表示地方财政科技投入，以人均国民收入y为被解释变量。 所有数据通过1979-
7、2008年中国统计年鉴、中国科技统计年鉴和广东省统计年鉴整理得到。其中，1995-2000年的固定资产投资价格指数用商品零售价格指数代替，1995年以前该指数变化较小，本文用全国零售价格指数代替。R&D价格指数没有准确的统计数据，多数研究用加权平均值的估算方法( Jaffe，1972；朱平芳、徐伟民，2003)，而本文直接使用GDP平减指数作为R&D价格指数的近似，这是基于对R&D内部支出的整体考虑。以上数据均以1978年为基期进行折算。y的单位以元计，k，R&D的单位以亿元计，l，h的单位以万人计。 二、实证结果分析 （一）协整检验和因果关系检验 首先进行单位
8、根检验，以确定变量单整阶数，只有当变量的单整阶数都相同时，才能进行协整检验。表1给出了单位根检验结果。 本文选择了ADF检验和PP检验两种检验统计量来验证时间序列的单整阶数，结果都显示，这几个时间序列的水平值都是非平稳的，其一阶差分变量的单位根过程都是平稳的，因此这些时间序列都是一阶单整I(1)序列。基于表1的研究结论，可采用Johansen协整检验来对这几个变量进行协整分析。Johansen检验分析的前提为VAR（向量自回归）模型的残差项必须是白噪声序列，而这能够通过选择VAR模型适当的滞后阶数（K）来实现，因此本项研究根据Johansen协整检验来确定协整向量的个数。 得到VAR模型如下：
9、 为了确保VAR模型的残差项是白噪声序列，根据A IC准则或SC准则，我们可以确认这个VAR系统的最优滞后阶数为2阶。在此基础上我们进行协整检验的目的是探索同阶变量间是否存在长期的、稳定的动态关系。检验结果如表2。 表2的第一列CE表示协整关系的个数，由上表得出模型存在6个协整向量，5个协整方程。如在5%的临界水平下，轨迹统计量418.9临界值117.7，应该拒绝没有协整关系（CE=0）的原假设，对应的接受存在一个协整关系；最大特征值统计量也是拒绝CE=0，接受CE<=1，即最多存在1个协整关系。同时，模型的残差均为零阶单整。结果表明变量间存在一阶协整关系。 有了一阶协整关系的成立，就可
10、以测算出协整方程，即变量间存在长期稳定的关系。模型中解释变量对经济增长作用的5个具体的协整方程分别为： ln y=-2.3671 ln l+0.2309lnk-2.6232ln h-1.2348ln R&D+ 2.5619ln h*ln R&D-0.0182TREND(79)（3-3） (0.01763) (0.00159) (0.01480) (0.00466) (0.01108) (0.00024) ln y=0.1789 ln k-3.5027ln h-1.2158ln R&D+ 2.8893ln h*ln R&D-0.0341TREND(79)（3-4）
11、 (0.02002)(0.18870) (0.05866) (0.14240)(0.00230) ln y=-3.3074 ln h-0.8668ln R&D+2.2780ln h*ln R&D- 0.0098TREND(79)（3-5） (0.30640) (0.08925)(0.22083) (0.00148) ln y=-1.2754 ln R&D-0.6715ln h*ln R&D- 0.0914TREND(79)（3-6） (1.15033)(1.55888)(0.03155) ln y=- ln h*lnR&D-0.0240TREND(79)
12、（3-7） (0.03485)(0.00152) 其中，括号内为t统计量值。 （3-3）、（3-4）和（3-5）式表明，固定资产投资和交互项ln h*ln R&D的交叉项回归系数为正，而研发人员和研发投入的系数为负。表明研发人员和研发投入这两个变量之间存在相互促进的关系，只是单独增加某一项投入的作用是不明显的。这就说明，当使用科技投入政策来促进经济绩效的时候，应该首先考虑R&D资本存量的提高，然后要考虑到R&D人员的引进等配套政策。（3-6）和（3-7）中各项变量均为负，研发只有在其他投资的基础上才能发挥较大作用。另外，从业人数对经济增长产生反作用，一方面这可能说明了广
13、东的劳密型产业比例逐步减少，而低技能劳动力过多，给整个经济带来了负面影响；另一方面可能是R&D投入与发达国家相比明显不足，表现如下：1）研发投入不足。虽然广东省经济快速增长，但研发投入总量基数小，还未构成对经济增长的有力支撑；2）经济增长方式的影响。长期以来广东经济主要依靠资源和资本驱动增长，经济增长质量不高，对于科技进步对经济增长的作用重视不够；3）产业结构不合理。广东省在相当长的时期里，主要以第二产业为主，第三产业发展缓慢。由于产业结构不协调导致投资结构不合理，致使财政支出侧重于第二产业，而对于科技含量高的第三产业投资率偏低。 综上可见，广东省研发投入对经济增长产生长期稳定的均衡作
14、用，但协整关系检验并不能确定两者是否具备统计意义上的因果关系，只能说ln y与ln R&D具备了存在格兰杰因果关系的可能性，尚需进一步验证。下面来考察这两个变量之间的因果关系，根据AIC准则和SC准则滞后期取2，检验结果如表3。 因果关系检验的结果表明，在1%显著性水平下，1978-2007年广东省R&D投入与经济增长之间存在单向的因果关系，即经济增长是研发投入的Granger原因，而广东省研发投入增加不是经济增长的Granger原因。意味着经济增长越快诱发研发投入规模的增大，而广东省的经济增长主要诱因不是研发投入，短期研发投入的增加或减少未引起经济增长的变化。但协整关系反映的
15、是变量之间的长期稳定关系，而研发投入又显著地进入这一关系，这就意味着研发投入是经济增长的长期驱动因素。 （二）向量误差修正模型 误差修正模型反映了被解释变量的短期波动和长期均衡。同时，Engel和Granger(1987)证明了将协整关系引入模型后，可以用有限阶的VAR过程来描述一阶差分构成过程，即进行向量误差修正。在得到了由?驻ln yt、?驻ln lt、?驻ln kt、?驻ln ht、?驻ln R&Dt和?驻（ln h*ln R&D）t这四个I（0）过程组成的VAR（2）后，将得出的协整方程引入模型，就得到了在无约束差分形式下人均GDP及其滞后项、固定资产投资及其滞后项、从业人员数及其滞后项、R&D人员及其滞后项、R&D投入及其滞后项组成的VECM。估计时，采用的Johnson极大似然估计法，与协整分析一致，选取L2，含截距和不含时间项的线性趋势假设。下表显示的是在5%水平下VECM的参数估计结果。 从表4可以得出模型VECM的其中一个具体形式如下： ECM不仅能反映时间序列之间的长期均衡关系，而且能反映短期偏离长期均衡的修正机制。（3-8）式的误差修正项系数为正，符合正向修正机制。误差修正系数为0.1912，各变量均通过长期均衡关系来影响人均GDP的增长，每年ln y的实际值与长期值或均衡值的偏差大约有19%
