经济增长与科技投入的实证探究范文
本站小编为你精心准备了经济增长与科技投入的实证探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。
马克思曾指出,随着工业的发展,现实财富的创造较少地取决于劳动时间和所耗费的劳动量,……相反地取决于一般的科学水平和技术进步,或者说取决于科学在生产上的应用。科技投入是科技进步的物质基础和前提,如何测算科技投入对经济增长的贡献率一直是宏观经济学的重要研究课题。目前,定量测算科技投入或科技进步对经济增长的贡献率的方法主要有两大类:一类是生产函数法,如柯布—道格拉斯(C-D)生产函数、线性生产函数、超越生产函数和固定替代弹性(CES)生产函数等;另一类是增长速度方程方法[1]。20世纪30年代美国著名数学家柯布(G.W.Cobb)和经济学家道格拉斯(P.H.Douglas)共同研究了产出与投入的关系,并用数学函数描述了这种关系,得出C-D型生产函数:Y=ALαKβ(α>0;β>0)。式中Y为产出,K为资本,L为劳动力;参数α和β分别为产出对资本和劳动力的弹性;A为技术进步参数。用柯布—道格拉斯生产函数可以计算出某一时刻的技术水平,并由此计算出技术进步对新增产值的贡献,或技术进步对新增劳动生产率的贡献,但不能直接计算出技术进步对产值增长速度的贡献[2]。1957年,美国麻省理学院经济学家索洛在中性生产函数假设下推导出增长速度方程,分离出技术进步,揭示了经济增长过程的背后,技术进步的作用,把生产函数的研究大大推进了一步。索洛教授首次使用增长速度方程对美国技术进步进行了实证研究[3]。1962-1982年间,美国布鲁金斯学会的丹尼森教授,采用增长速度方程对世界上10多个国家的经济增长进行了系统分析,得出技术进步对经济增长的贡献率约为50%-70%[4]。1991年,世界银行对68个国家的技术进步进行了分析,结果表明发展中国家技术进步对国内生产总值的贡献率约为14.3%,同期,法国为56.7%、德国为51%、英国为50%,而美国技术进步对经济增长的贡献率仅为16•6%[5]。上述研究由于研究角度、研究方法、研究对象和研究的时间跨度不同,得出的结论也不尽一致,但为深入研究科技投入对经济增长贡献率提供了良好的基础。本研究以国家统计局的1953-2002年年度的统计数据为基础(如表1所示),采用EViews(计量经济学软件包)的GrangerCausality因果关系检验法和回归分析法,研究中国科技投入与经济增长之间的依存关系,考察两者之间是否存在因果关系,建立相关的数学模型,并测算科技投入对经济增长的贡献率。
2中国科技投入与GDP之间的相关分析与因果关系检验
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,也称为科技资源。其中的财力是人力和物力的货币表现形式,如果用于科技活动的资源都用货币形式表示,科技投入可称为科技经费的总投入。在我国尤其是在实行高度集权的计划经济时期,国家财政科技拨款是科技投入的主体。为了保证统计数据的准确性和权威性,本文的科技投入仅指国家财政科技投入,主要包括科学事业费、科技三项费和科研基建费和其他。相关分析是对变量之间的相关关系的分析,其主要目标是考察变量之间是否存在内在依存关系作出符合实际的判断,测定它们关系的密切程度,并检验其有效性。根据1953-2002年的统计数据,测算中国科技投入与GDP两个变量之间相关系数,结果表明两者之间的Pearson相关系数高达0.9806,显然科技投入与GDP之间存在着十分紧密的依存关系。中国科技投入与GDP之间存在着十分密切的正相关性,但两者之间是否存在明确的因果关系呢?是科技投入的变化引起GDP的变化,还是GDP的变化引起科技投入的变化,或者是两者之间存在双向的因果关系?本研究用GrangerCausality的因果关系检验法研究科技投入与GDP之间的因果关系。GrangerCausality因果关系检验法的基本思想是:如果X的变化引起Y的变化,则X应该有助于预测Y,即在Y关于Y过去值的回归中,增加X的过去值作为独立变量应当显著地增加回归模型的方差解释能力。检验X是否为引起Y变化的原因基本过程如下:(1)作出原假设“X不是引起Y变化的原因”;(2)把Y对Y的滞后值及X的滞后值进行回归,建立无限制条件的回归模型:yt=∑mt=1aiyt-i+∑mt=1bixt-i+ut(3)把Y只对Y的滞后值进行回归,建立有限制条件的回归模型:yt=∑mt=1aiyt-i+ut(4)用回归模型的残差平方和计算F统计值,检验回归系数b1,b2…bm是否同时显著地不为零。如果是,就拒绝“X不是引起Y变化的原因”的原假设,即X是引起Y变化的原因,说明X与Y之间存在着因果关系[6]。第一个原假设F统计值达到了足够大,通过了显著性检验,有理由拒绝“科技投入变化不是引起GDP变化的原因”的假设;第二个原假设F统计值小于5%概率条件的临界值,没有通过显著性检验,没有理由拒绝“GDP变化不是引起科技投入变化的原因”的原假设。可以得出结论:科技投入与经济增长之间存在着十分明显的单向因果关系,即科技投入的增加或减少必然引起GDP的增加或减少,而GDP的增加或减少却未必会引起科技投入的增加或减少。
3中国GDP增长率对科技投入增长率的简单线性回归分析
回归分析是研究一个变量或一组变量(自变量)的变动对另一个变量(因变量)变动之影响程度的一种统计分析方法,它可以根据自变量的已知固定值来估计或预测因变量的总体平均值。从图1中我们可以发现,科技投入增长率和GDP增长率指标的变化趋势具有一定的波动性,很可能会产生异方差问题,从而导致伪回归现象,致使研究结论无效。为了消除异方差,以更好地揭示科技投入与经济增长之间的关系。我们对科技投入和GDP取对数,并进行差分处理,用log(GDP)表示GDP的增长率,log(SCI)表示科技投入的增长率。根据1953-2002年年度的历史数据,我们以科技投入增长率为自变量和GDP增长率为因变量进行简单线性回归分析。在GDP增长率对科技投入增长率的简单线性回归模型中,自变量和常数项的回归系数t统计值都超过了临界值,检验结果呈现高度显著性,表明科技投入增长率对GDP增长率的影响是显著的。回归方程的F统计值为8•42通过了显著性检验。但从表3也可以看出,回归模型的复相关系数仅为0.152,其方差解释能力为15.2%。DW统计值仅为0.516与2还有较大的差距。说明回归模型残差项存在着很严重的序列自相关问题。图1在简单线性回归模型下GDP增长率对科技投入增长率回归的残差趋势图。结果显示,简单线性回归模型不仅对历史数据拟合效果很不理想,而且其残差项的估计值并不频繁地改变符号,而是相继若干个负的以后跟着几个正的,表明回归模型的残差确实存在着高度的正自相关。回归模型残差项的序列自相关,违背了OLS(普通最小二乘法)的高斯-马尔柯夫定理的基本假定,会产生严重的后果:(1)OLS估计量虽然仍具有线性无偏性,但不再具有最小方差性,OLS估计量不再是有效的;(2)建立在t和F分布之上的假设是不可靠的,t和F统计量的假设检验结果是不可信的;(3)回归模型一些参数检验结果看起来是通过了显著性检验,其实并非都是如此,从而导致得出错误的结论。上述分析结果表明,中国科技投入增长率与GDP增长率之间存在的内在依存关系,并不是简单的线性回归关系,因而不能采用简单线性回归模型来揭示科技投入增长率与GDP增长率之间的内在依存关系。
4中国GDP增长率对科技投入增长率的广义差分回归分析
为了揭示科技投入增长率与GDP增长率之间真实的内在依存关系,必须消除序列自相关问题。我们采用广义差分法来达到使得模型残差保持序列独立,不具有自相关性。先将回归方程的变量滞后一期,改写为yt-1=b0+b1xt-1+ut-1方程的两边同时乘以ρ,得到ρyt-1=ρb0+ρb1xt-1+ρut-1将两方程相减,得到yt-ρyt-1=b0(1-ρ)+b1(xt-ρb1xt-1)vt通常把变换后的上述方程称为广义差分方程。广义差分方程中被解释变量对解释变量的回归,不是使用原来的形式,而是以差分的形式来表示。要成功地求解和应用广义差分方程,必需采用一定方法来估计未知的ρ。估计ρ值的方法有很多,Cochrane-Orcutt迭代法已成为目前估计未知的ρ和消除序列自相关问题的主流方法。E-Views是采用在原回归方程中添加AR(1)来消除一阶序列自相关,添加AR(2)消除二阶自相关,添加AR(3)消除三阶自相关,依次类推。在GDP增长率对科技投入增长率的原回归模型中添加AR(1)项,得到如表4所示的广义差分回归结果。由表4可知,DW检验值由原来的0.516升到1.70圆满地消除了残差项的序列自相关。复相关系数也有了大幅度的提升,由原来的0.152提升到0.654,回归模型的F统计值由原来的8.421提升到42.564,呈现高度显著性。回归模型中的常数项、解释变量和AR(1)的t统计值都一致地通过了显著性检验,其回归系数都显著地不为零。图2为GDP增长率对科技投入增长率的广义差分回归的残差趋势图。图2显示,经广义差分变换,回归模型不仅消除了残差项的序列自相关问题,而且模型对历史数据的拟合效果也非常理想。由此,我们可以得到GDP增长率对科技投入增长率的广义差分回归模型:LOG(GDP)(1953-2002)=0.082987+0.175672*LOG(SCI)+[AR(1)=0.720112]模型自变量的回归系数为0.176,说明LOG(SCI)每增加1%,LOG(GDP)就相应地增加0•176%,表明在1953-2002年期间中国科技投入对经济增长贡献率约为17.6%。
5结语
从上述研究中可以看出,科技投入与经济增长之间确实存在着十分明确的单向因果关系,但并非简单的线性关系,我们以国家统计局的1953-2002年年度的统计数据为基础,采用广义差分回归分析方法揭示了两者之间的内存依存关系,并建立了相关的数学模型。研究结果显示,在1953-2002年期间,LOG(SCI)每增加1%,LOG(GDP)相应地增加0.176%,表明科技投入在一定程度上促进了我国的经济增长,但其促进作用并不是十分明显。科技投入是科学研究和技术创新活动的物质基础,科技投入的最终效果常常体现在经济增长上。因此,在研究和规划一个国家或地区的经济增长问题时,我们不能轻视更不能忽视科技投入的因素。但是,当人们逐渐认识和懂得了科技投入对于经济增长的重要意义之后,往往又会产生一种简单化甚至片面的理解,似乎只要增加科技投入,就会自然而然地带来科技的发展和经济的增长。事实上,不同的历史发展阶段,在不同的国家或地区,科技投入的不同方式和结构,科技投入对经济增长的作用效果是完全不同的[7]。长期以来,人们对科技投入问题的关注焦点是科技投入的总量,却忽视了科技投入的结构和科技资源的优化配置,对科技资源的使用效率未给予足够的重视。我们认为,增加科技投入的总量,只是为科学研究和技术创新提供了物质基础和可能性,并不等于科学研究和技术创新本身,更不等于实现了经济增长。只有保持合理的科技投入结构,实现科技资源的优化配置,保证科技资源流向富有活力和最有效率的科学研究和技术创新领域,不断提高科技资源的使用效率,科技投入才能有效地促进科学研究和技术创新的发展,才能真正成为促进经济增长的重要手段。如果将大量的科技资源投入到一个效率低下的科技领域,则不仅不能发挥科技资源的应有作用,反而可能会降低整个科技与经济大系统的运行效率。因此,为了充分发挥我国科技投入在促进经济增长中的积极作用,整个社会在高度重视科技投入总量增加的同时,必须对科技投入的结构、科技资源的优化配置和使用效率问题给予更高程度的关注。
