經濟增長的特征范文

導語：如何才能寫好一篇經濟增長的特征，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務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計指標，除了前文提到的變異系數以外，常用的還有全距、平均差、差異系數、泰爾指數等指標。其中，泰爾指數（TheilIndex）因為具有可分解性的特點，不僅可以反映總體的差異，還可以衡量樣本內部的差異，因而得到較為廣泛的應用。泰爾指數是由H.Theil（1967）提出的，是一種廣義熵指數，可寫為GE（1）。以人均GRP差異為例，泰爾指數常用這樣，根據公式（1）~（3），筆者計算了1978年~2012年中國各省份人均名義GRP與人均實際GRP的泰爾指數。圖2與表1是人均名義GRP泰爾指數的基本情況。由于人均實際GRP的泰爾指數與之非常類似，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的泰爾指數呈現出“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年之間則呈現一直上升的態勢，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年的數值持平。這表明我國區域經濟水平的整體差異在1978年~1990年、2004年~2012年間有下降趨勢，而在1991年~2003年期間呈擴大趨勢。同時，我國東中西部地區之間經濟增長的組間差異，在2003年之前基本呈擴大態勢，并在20世紀90年代初期取代區域組內差異，成為區域經濟整體差異的最主要因素。同時，2004年之后東中西部之間經濟差異有減小趨勢，2012年的差異水平已回落至20世紀90年代初的水平。來東中西部區域經濟的組內差異則大體表現為縮小的趨勢，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中可以發現，我國東部省份內部之間的經濟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，其組內泰爾指數由最開始的0.21（1978年）持續縮小至0.03（2012年）；中部省份內部的人均名義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，并且中部西區的組內泰爾指數大體上也有所下降，由最初的0.039減少至現在的0.023；西部省份之間的差異變化很小，且在20世紀90年代前期略有擴大。總體來看，我國區域經濟增長的組內與組間兩種差異變化進一步反映了我國區域經濟增長具有“俱樂部趨同”的特點。

二、區域經濟增長的相關性特征

除了差異性之外，區域經濟之間的相關性也需要關注。而Moran''''sI統計量則是檢驗經濟現象全局空間自相關特征的一種常用指標（P.A.PMoran，1950），其計算公式為：GRP），N為地區總數，Wij為空間權重矩陣。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，小于0表明變量之間存在空間負相關，而等于（或近似為）0，則說明變量為空間零自相關（即在空間上隨機分布）。同時，如果Moran''''sI的絕對值越大，表明變量在空間分布的（正/負）相關性越強。同時，對于Moran''''sI顯著性，可以通過Z值及其對應的P值進行檢驗。根據（4）式，筆者以各省份省會之間距離的平方為權重，構建了空間權重矩陣W，進而計算了1978年~2012年我國人均名義GRP與人均實際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還是人均實際GRP，兩者的Moran''''sI值在改革開放之后均呈現出不斷提高的趨勢。其中，人均名義GRP的Moran''''sI雖然在20世紀90年代初期有略微下降，但整體而言其上升的幅度更大，由最初時的0.09（1978年）逐漸上升至最高時的0.45（2010年）；而人均實際GRP的上升過程則相對平穩一些，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（包括名義與實際）具有比較顯著的全局正相關性（或空間集聚性）。在分析全局空間自相關之后，可以再考察我國區域經濟增長的局部自相關特性，這主要通過Moran散點圖進行分析，具體如圖4所示。可以看出，擬合曲線的斜率逐漸變大，表明省份人均實際GRP的全局自相關特征日趨明顯。同時，第一象限與第三象限（表示存在局域空間相關）的點逐步增多，而第二象限與第四象限（表示部存在局域空間相關）的點則有減少的趨勢。同時，1978年~2012年間我國各省份的名義GRP與實際GRP的Moran''''sI均為正，且都至少在10%水平下顯著。綜上所述，我國區域經濟增長具有空間自相關特征。

三、基本結論

篇2

關鍵詞：就業 回歸模型 階段性 協調性分析

近幾年來，內蒙古的經濟增長快的驚人，然而就業卻呈現了與經濟發展不協調的現狀和階段性的特征，經濟增長拉動的就業人數很低。產業結構不合理，第一產業就業比重占很大份額但產值很小；第二產業產值很高而吸納的就業人數卻很小，產業內部結構失衡；第三產業發展滯后，吸納就業能力很弱。

實證研究

（一）變量和數據的選取

本文選取1980-2009年30年間的數據，來源于《2010年內蒙古統計年鑒》。主要采用指標為：一是衡量經濟增長的量：內蒙古國內生產總值GDP和各產業的生產總值GDPi（i=1，2，3）；二是內蒙古的就業人數，包括總的就業人數L和各個產業的就業人數Li（i=1，2，3）。

（二）平穩性、協整、格蘭杰因果關系檢驗

本文采用ADF檢驗法對LNGDP和LNL進行檢驗，經檢變量二階差分后是平穩的。接著采用Johansen檢驗，發現至少存在一個協整向量，表明變量之間存在長期均衡關系。最后進行Granger檢驗，發現GDP是L的Granger原因（0.0210.05），它們之間呈單向Granger因果關系。

（三）經濟增長與總就業之間的關系

LNGDP與LNL的散點圖。從圖1可以看到LNGDP與LNL大致呈指數分布，設模型為L=aGDPα（α為就業彈性），變換為LNL=c+α*LNGDP（其中Lna=c），上述模型估計如下：

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。

各產值與各產業就業人數階段性特征

為了能夠深入研究經濟增長與就業的關系，從各產業就業人數與各產值之間入手。首先做了各產業就業人數時序圖，如圖2、圖3、圖4所示（數據經過sas標準化）。

由圖2、圖3、圖4看出，各產業的就業人數不是持續增長的，都有一定的間斷性，而各產業產值卻是持續增長的，它們之間呈現不協調關系，其中圖3表現最為明顯，從1980開始就業人數持續增長，到1996年突然下降，直到2004年才開始緩慢上升。為了進一步分析問題，綜合了圖2、圖3、圖4，分三段進行研究。第一段從1980-1995年；第二段從1996-2004年，第三段從2005-2009年。

（一）第一階段各產值和就業人數的特征

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，各方程在整體上擬合還不錯。在第一時間段中，無論是第一、二產業還是第三產業，它們都對就業起到了拉動作用。第一產業拉動就業的彈性為0.04；第二產業為0.25；第三產業為0.34。第三產業吸納的就業空間最大。

第一階段從1980年到1995年，這時恰值“六五”“七五”和“八五”是改革開放初中期，內蒙古的經濟在粗放型的增長方式下運行，非農經濟有了很大的發展，所吸納的就業人數空間很大，呈現出每個產業產值增加都能帶動產業就業人數的增加的特點。

（二） 第二階段各產值和就業人數的特征

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）通過了檢驗且擬合良好，其余方程都沒有通過檢驗，擬合效果較差。情況不如第一階段，第一產業拉動就業彈性0.04；第二產業為-0.33；第三產業為0.11。經濟增長只對第一、三產業起到了拉動作用且很小，而對第二產業就業人數的拉動反而是負的，這說明經濟的增長并不一定能帶來就業人數的同步增加，這與經濟理論相背離。產業結構和就業呈現不協調現狀。

第二階段從1996年到2004年，這時恰值“九五”和“十五”。內蒙古經濟發展較快，也是產業結構調整和升級、經濟增長方式轉變的重要時期。這時期經濟的增長對就業的拉動作用變得緩慢，第二產業的就業彈性還是負數，出現了“排斥”現象。

（三）第三階段各產值和就業人數的特征

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）沒有通過檢驗且擬合效果較差。第三階段情況還是不如第一階段，第一產業拉動就業的彈性為0.03；第二產業為0.16；第三產業為0.23，雖然對就業的拉動都是正作用，但全都是小于第一階段。

第三階段從2005年到2009年，這時恰值“十一五”，內蒙古經濟增長方式，產業結構趨于合理化，較第二階段情況有所好轉，每個產業的產值增加都能帶動各產業的就業人數的增加，但還是弱于第一段。

各產值與各產業就業人數協調性分析

（一）產業結構和就業結構不符

從表1看出1980年內蒙古第一、二、三產業的比例為26.4∶47.2∶26.4，同期第一、二、三產業就業人數比例為65.97∶18.57∶15.46；2009年內蒙古第一、二、三產業比例為9.5∶52.5∶38，同期第一、二、三產業的就業人數比例為48.84∶16.92∶34.24。由此看出，在這三十年中第一產業的產值比重下降了16.9%，就業比重下降17.13%；第二產業的產值比重上升5.3%，就業比重下降1.65%；第三產業產值比重上升11.6%，就業比重上升18.78% 。第一產業呈現“產值低，就業高”的特點，這顯然是不合理的。這說明農村牧區存在著大量的富裕勞動力，大量的勞動力積壓在第一產業上，導致了農牧民的低收入，低消費，成為第二、三產業進一步發展的障礙。

第二產業產值比重很大，但就業人數比重急劇的減少，呈現“產值高，就業低”的特點。從1980年的產業比重上升了5.3%，同期就業比重卻下降了1.65%。這說明第二產業的發展排斥勞動力。內蒙古的工業結構不合理，主要發展重工業，輕工業發展較慢。大量的資金都集中于重化工業行業，工業勞動密集型產業不斷地萎縮。資本密集型產業會導致勞動力資源的大量閑置和浪費，造成過高的失業率。投資的高增長率主要帶來的只是就業者的人均資本準備水平的提高，拉動就業的作用較差，這是內蒙古投資主導經濟的快速發展而就業彈性卻下降的原因所在（劉仙梅，2007）。第三產業發展速度緩慢，從這三十年中，第三產業的產值比重上升11.6%，第三產業就業比重上升18.78%

（二）外部環境和政策的影響

“九五”和“十五”期間內蒙古受市場經濟體制改革、亞洲金融危機和區內外企業競爭的影響，大批虧損國有企業，集體企業不得不破產，兼并或調整結構，從而導致了大量的富余職工失去原有的工作崗位淪為失業人員，成為了第二產業勞動力凈流出的原因。自1999年實施西部大開發以來，內蒙古實施了更加傾斜的財政支付政策，而這些財政支出大多數都投放在能源和基礎原材料等開發項目上。這些項目雖然耗資很大，帶來經濟的快速發展，但吸納的就業空間很有限。

政策建議

由上述分析可知，今后內蒙古仍面臨很大的就業壓力。經濟增長雖然是就業增長的前提條件，也是解決失業問題的根本出路，但經濟增長并不一定能拉動就業增長，如果不實施一些輔助措施，經濟增長不一定直接轉化為就業機會（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，第三產業產值的增加對就業人數的拉動作用是最大的，所以要充分挖掘第三產業的就業空間，內蒙古有豐富的自然資源和獨特的自然、人文景觀。應該大力發展旅游業、房地產、奶制品等為主導的第三產業。二是實行有利于擴大就業的經濟發展戰略合理化產業結構，促進勞動密集型產業的發展。三是鼓勵和支持非國有經濟和中小企業的發展，發展那些能吸納就業人數多的個體和私營經濟，廣辟就業門路，多渠道地擴大就業。

參考文獻：

1.劉仙梅.內蒙古經濟增長與擴大就業的關系研究[J].經濟論壇，2007（11）

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

3.雍紅月，李松林.內蒙古人口就業與經濟增長的實證分析[J].人口與經濟，2004（2）

篇3

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

(一)國外有關宏觀波動影響經濟增長的理論研究通過將“技術創新”和“干中學”等內生經濟增長因素納入真實經濟周期理論及其拓展模型，可從理論上解釋經濟增長與宏觀波動的關系，但既有研究并無定論。主要包括:(1)標準封閉式經濟增長模型認為，資本積累推動經濟增長，但宏觀波動對投資和經濟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防性儲蓄和投資，且更高的風險規避度和跨期替代彈性予以強化(Jones等，2005a、2005b;Wang和Wen，2011);另一方面，不確定性也會導致經風險調整的預期回報率下降并減少投資(Kebs，2003)［10］。(2)考慮“創造性破壞”機制的模型認為，企業在衰退期會因機會成本更低而加大研發投資，且優勝劣汰提升生產率，宏觀波動和經濟增長正相關。該結論要求金融市場完備，但融資約束使企業在衰退期面臨更大流動性風險，會削減投資，經濟增長與波動可能負相關(Aghion等，2010)［11］。該理論認為創新投資有逆周期性也受到質疑(Barlevy，2007)［12］。(3)考慮“干中學”機制的模型強調人力資本和知識積累在生產率提升和經濟增長中的作用，在衰退期，雇傭率下降，宏觀波動和經濟增長負相關(Martin和Rogers，1997)［13］。但考慮知識積累函數呈邊際收益遞增時，經濟增長與波動可能正相關(Canton，2002)［14］。(4)其他更復雜的研究認為，理論模型選擇、參數設定、沖擊的不同類型等均影響經濟增長與波動的相關性(如，Annicchiarico等，2011;Annicchiarico和Pelloni，2014)。

(二)國外有關宏觀波動影響經濟增長的實證研究少數宏觀波動影響經濟增長的實證研究利用行業或地區面板數據(如，Imbs，2007)，大量研究則基于跨國宏觀面板數據和國別宏觀時間序列數據進行，但同樣沒有一致性結論:(1)基于跨國面板數據的多數研究認為，宏觀波動對應的不確定性導致資源錯配，并阻礙經濟增長(Ramey和Ramey，1995;Norrbin和PinarYigit，2005)。也有研究認為，宏觀波動與經濟增長表現為與“風險－收益”類似的正相關(Grier和Tullock，1989)［20］。(2)基于國別時間序列數據的實證研究一般采用各種GARCH-M模型進行，有研究認為，在美國、英國、日本等G7國家，宏觀波動對經濟增長具有正效應(Fountas和Karanasos，2007)［21］;但Bredin等(2009)、Bredin和Founta(2009)卻發現，在部分亞洲和歐盟國家，宏觀波動和經濟增長負相關;還有研究認為，在美國、日本及其他OECD國家，產出波動和經濟增長無顯著相關性(Grier和Perry，2000;Wil-son，2006)［。(3)部分研究認為，宏觀波動對經濟增長的影響具有階段性，非對稱性和非線性特征:少數研究關注經濟發展階段對“宏觀波動－經濟增長”關系的影響，如Kose等(2006)認為貿易和金融一體化顯著弱化了波動對經濟增長的負效應［26］;Koren和Tenreyro(2007，2013)認為［27］－［28］，隨著一國經濟發展，經濟結構將轉向波動更小產業，且投入趨于多元化，運用熟練技能和技術的廣度趨于深化，沖擊引致的波動更低，經濟增長與波動因此負相關。宏觀波動對經濟增長的影響還有非對稱性，如:Neanidis等(2013)發現G7國家的宏觀波動對經濟增長的正效應主要存在于低增長狀態，但Henry和Olekalns(2002)、Kim和Kim(2010)卻發現美國宏觀波動在繁榮和衰退期分別對經濟增長有正、負效應［30］－［31］。研究宏觀波動對經濟增長的影響還需考慮二者的非線性特征，如:Fang和Miller(2008、2009)采用帶結構突變點的GARCH-M模型［32］－［33］，證實了在日本和美國，經濟增長與其波動無顯著相關性。但這一結論并不穩健，如:采用類似方法，Fang和Miller(2014)發現宏觀波動對經濟增長的正效應在美國、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，卻發現宏觀波動對經濟增長的顯著影響僅在日本存在，且為負相關。

(三)中國宏觀波動影響經濟增長的相關研究利用各種GARCH-M模型和宏觀數據的研究:基于月度數據，劉金全、張鶴(2003)證實了產出波動與經濟增長正相關［36］32，Laurenceson和Rodgers(2010)也認為二者正相關或不相關，但不存在負相關。基于年度數據，劉金全等(2005)認為產出波動與經濟增長正相關［38］5，徐偉(2013)、李永友(2006)則分別認為二者有顯著或不顯著的負相關性［39］54，［40］8;盧二坡、呂介民(2012)還證實了產出波動對經濟增長的作用在衰退期為負、繁榮期為正。基于省際面板數據的研究:杜兩省等(2011)認為產出波動與經濟增長顯著負相關［42］;盧二坡、王澤填(2007)證實了二者在改革開放前負相關，而后在多數省份表現為正相關。盧二坡、曾五一(2008)，陳昆亭等(2012)則分別將改革開放前后產出波動與經濟增長相關性的差異歸因于市場化進程加快，以及教育投入和人力資本積累增加。此外，邵軍、徐康寧(2011)發現，經濟向下波動反而促進技術進步，支持“創造性破壞”的觀點。

(四)國內外宏觀波動“大緩和”的相關研究美國及其他工業化國家的宏觀經濟波動于20世紀80年代后相繼進入“大緩和”時期，究其成因，大致包括外部沖擊減弱、信息技術與庫存管理改善、經濟結構轉向波動更小的產業、貨幣政策的成功運用、金融創新與金融市場完善、技術進步與全要素生產率波動下降等多個方面(曹永福，2007)。此外，次貸危機盡管導致工業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(Clark，2009;Charles等，2014)［47］－［48］。就中國而言，劉樹成(2000)較早認為經濟波動將從大起大落轉向微波化［49］，并認為從21世紀開始，經濟波動將表現為適度高位平滑化特征(劉樹成等，2005)［50］。劉金全、劉志剛(2005)發現，產出波動于1997年前后表現為“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)發現，經濟增長、通脹、貨幣供給、有效匯率等宏觀經濟變量波動在20世紀90年代中期均發生顯著結構性轉變［52］。林建浩、王美今(2013)證實了“大緩和”在次貸危機前中斷，且于2010年初重返“低波動、高增長”狀態。大量研究還認為，結構性沖擊減弱、貨幣政策更為完善、國際貿易發展，以及市場化進程等因素均有助于解釋中國宏觀波動“大緩和”(如:雎國余、藍一，2005;殷劍鋒，2010;萬曉莉，2011;洪占卿、郭峰，2012;He等，2013;He，2014)。

(五)文獻簡評綜上所述，融合真實經濟周期理論、內生經濟增長理論的研究盡管認同宏觀波動對經濟增長的影響，但其相互關系受到諸多因素制約，理論研究并無定論。由此，從客觀數據出發，探究宏觀波動影響經濟增長的經驗證據尤為重要。然而，實證研究同樣無法給出一致性答案，特別的，與本文研究對應，既有基于國別宏觀數據的研究在以下方面有待完善:(1)國內研究在經濟增長指標和數據頻率的選取方面并不恰當。Statsny和Zagler(2007)指出［59］2，利用時間序列數據考察宏觀波動對經濟增長影響時，廣為采用的GARCH-M模型需注意:其一，與其在金融市場運用一致，應采用高頻數據“捕捉”波動集聚性;其二，樣本區間應足夠長，以避免待估參數較多導致的結論不穩健。從國內研究來看，少數學者采用年度和季度GDP數據度量經濟增長，數據頻率相對較低，樣本區間也相對較短;還有研究將季度GDP增長率分解為月度數據，盡管滿足“高頻”需求，但并沒有增加有效信息量。(2)Statsny和Zagler(2007)認為［59］3，宏觀波動對經濟增長的影響應考慮序列結構突變，但國內研究并未加以關注，由此導致波動平穩性和持續性的誤判。如:劉金全、張鶴(2003)選取GARCH(1，1)模型描述經濟增長條件方差［36］34，α1和α2分別為0．8150和0．4489，波動持續性參數(α1+α2)＞1;劉金全等(2005)采用ARMA(1，2)-ARCH(1)-M模型描述經濟增長與宏觀波動關系［38］7，α1=1．6380＞1，條件波動均不平穩。又如:李永友(2006)用GARCH(1，1)模型刻畫經濟增長波動［40］12，(α1+α2)高達0．99和0．97(分別以GDP和人均GDP度量經濟增長)，選用TGARCH(1，1)模型時(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濟增長關系［39］56，(α1+α2)的估計值也分別高達0．99和0．95，即宏觀波動均表現為高持續性。(3)既有國內外研究均未關注到“宏觀波動－經濟增長”關系的階段性特征，以及次貸危機對此的影響，因而無助于后危機時代重新審視宏觀波動對經濟增長的作用機制。少數國內外研究關注到經濟發展階段、高低增長狀態，以及改革開放、全球化、市場化進程等對“宏觀波動－經濟增長”關系的影響，但均未界定經濟周期并分階段予以考察。Fang和Miller等學者在結構突變點分析基礎上考察了宏觀波動對經濟增長的影響，但結論并不穩健甚至前后矛盾，可能的原因是:盡管區分了經濟增長與宏觀波動各自的階段性特征，但并未考慮到二者關系也會呈現出階段性差異，即二者不存在全樣本區間內、一致性的正相關或負相關。(4)如何結合高頻數據判定經濟增長及其波動的結構突變與階段性特征，國內學者也未予以關注。既有國內外研究均認同宏觀波動“大緩和”的存在，且次貸危機僅造成短暫沖擊而未改變波動平穩化趨勢。就檢驗數據來看，相關研究多基于季度GDP增長率進行，但國內數據樣本量相對偏少，選取月度增長率指標不但能極大拓展樣本容量，且能對比檢驗既有研究結論的穩健性，也能為考察“宏觀波動－經濟增長”階段性關系提供有力支撐。針對既有研究的不足，本文選取1993年以來規模以上工業增加值的月度同比增長率高頻數據，結合結構突變分析考察經濟增長、宏觀波動，以及二者關系的階段性特征。論文創新性如下:(1)內生結構突變點判別發現，經濟增長及其波動分別有2個和3個突變點，經濟增長呈現“降－升－降”的分段趨勢，宏觀波動可分為“高－低－高－低”4個時段，這一結論和既有基于季度數據的研究有別，且與直觀圖示和經濟趨勢更為相符。(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”經濟增長序列的高自相關、非正態性，與國內研究不同，宏觀波動的高持續性不復存在。(3)與國內外研究不同，含均值、條件波動雙突變的AR(p)-GARCH(1，1)-M模型檢驗表明，宏觀波動對經濟增長存在階段性影響，在經濟增長趨緩時二者正相關、經濟增長向好時負相關，具體為:宏觀波動整體上對經濟增長有不顯著的負效應;結合經濟增長的分段趨勢，宏觀波動在經濟增長的第一、二階段分別對其具有顯著的正效應和負效應，在第三階段有不顯著的正效應;考慮次貸危機影響后，宏觀波動在經濟增長的第三階段對其有較顯著的正效應。

二、數據來源與研究設計

本文將基于中國經濟增長的時間序列數據，采用含結構突變的AR(p)-GARCH(1，1)-M模型研究宏觀波動對經濟增長的階段性影響，數據來源與研究設計如下:

(一)數據來源與預處理既有研究認為，改革開放和市場化進程是影響中國宏觀波動“大緩和”及其與經濟增長關系的重要因素，鑒于1992年底黨的十四大明確提出了“經濟體制改革的目標是建立社會主義市場經濟體制”，由此選取1993年1月至2014年12月為實證樣本區間。同時考慮到滯后項影響，在數據預處理時還納入了1992年7月－12月數據，所用數據源于Wind咨詢。選取規模以上工業增加值的月度同比增長率(IPt)作為經濟增長變量，原因如下:有部分研究采用了這一做法;滿足高頻數據要求;有相對較長的樣本區間;符合樣本區間內我國處于工業化階段的事實;通過圖示發現樣本區間內該指標與GDP增長率表現為相同趨勢。數據預處理:(1)因春節影響，工業增加值增長率序列{IPt}的部分1、2月數據值缺失，在此采用三次樣條函數插值予以補全。(2)由于異常點會影響研究結論穩健性，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分別為均值和標準差)，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量適度。(3)異常點的修正:估計AR(p)-GARCH(1，1)模型，其滯后項階數p由“t-sig”準則確定(選擇最大滯后期為6，顯著性水平為5%，從最大滯后階數開始檢驗，直到滿足顯著性水平終止，以確定對應滯后項階數)，再用模型所得預測值替代異常值。后繼研究均基于經異常值修正后的{IPt}序列進行，且主要采用SAS9．1軟件進行數據處理。

(二)研究設計1．經濟增長及其波動序列的結構突變點判別選取Bai和Perron(1998，2003，2000)等提出的方法［60］49－52，［62］，并借鑒其提供的GAUSS程序檢驗經濟增長變量及其波動的內生結構突變點。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，然后據以下統計量加以檢驗:F統計量的上確界檢驗(SupF)、雙極大值檢驗(UDmax和WDmax)、序貫檢驗(SupF(l+1|l))等。Bai和Perron(1998，2003)還考察了這一方法的實際運用問題［60］56－65，［61］，并認為:當樣本容量不大時，截斷參數(trimmingparameter)選取較小會導致規模扭曲(sizedistortion);序貫統計量SupF(l+1|l)的檢驗勢最高，但存在多個突變點時，對SupF(1|0)的檢驗往往難以拒絕原假設。因此，在實際應用時，可考慮如下策略:先用UDmax或WDmax檢驗是否至少存在1個突變點，若是，再用SupF(l+1|l)依次檢驗是否存在2個以上突變點。

三、實證檢驗

(一)經濟增長變量的描述性統計與平穩性分析數據預處理:首先對{IPt}序列進行插值，1992年7月至2014年12月共涉及27個樣本;然后結合3σ原則和AR(p)-GARCH(1，1)模型，判別并修正了5個異常值點。表1列示了經上述修正后的{IPt}序列的初步考察結果(1993年1月～2014年12月)。據表1數據，對{IPt}序列而言:JB統計量表明，1%顯著性水平下拒絕正態性假設;無論是檢驗自相關的廣義DW統計量，還是檢驗異方差的LM和LBQ2統計量，均表明序列具有非常強而顯著的自相關和ARCH效應;采用ADF檢驗平穩性，基于AIC準則判別滯后階數(最大滯后階數設定為6)，發現序列基本滿足平穩性條件。以上分析表明，{IPt}序列存在明顯的自相關、異方差和非正態特征，且滿足平穩性要求。可考慮納入序列的結構突變點，運用AR-GARCH類模型進行后繼研究。

(二)經濟增長變量及其波動的結構突變點檢驗主要依據序貫檢驗判別{IPt}序列突變點個數與位置:鑒于樣本觀測數為264，且檢驗式中含有自回歸項，選取截斷參數為0．15并設置最大突變點數為5。判別{IPt}波動序列的突變點時，鑒于檢驗式中無自回歸項，選取截斷參數為0．2，最大突變點數為3。按照t-sig準則，可判別{IPt}序列的最大自相關滯后階數為3(見表1);據此結合前述Step2方法檢驗序列的內生結構突變點，結果如表2所示。由表2可見:5%的顯著性水平下，純結構突變模型、部分結構突變模型均可檢測出{IPt}序列存在2個突變點。這兩種模型檢測到的第一個突變點較為一致，但第二個突變點存在較大差異。由于純結構突變模型的設置更為靈活，以其所得突變點為準，進行后繼研究。對純結構突變模型而言，所得2個突變點將樣本區間劃分為3個時期，即:1993年初至1998年中，經濟在過熱之后趨于下行(軟著陸);1998年7月至2009年中，經濟增長在筑底反彈之后趨于上升，且因次貸危機沖擊而出現短暫的深度下調與快速的回升;2009年7月至2014年底，經濟增長在后危機時代回落并進入“新常態”。據前述Step3的方法得到{IPt}序列的條件波動，并依據Step4的方法對其進行結構突變點判別，5%的顯著性水平下，得到3個突變點，如表3所示。據表3，盡管SupF(3|2)未通過檢驗，但按照信息準則，BIC和LWZ檢驗均判別為3個突變點，對應統計量值分別為1．10和1．25，均通過5%顯著性檢驗，且序貫檢驗總體上判斷{IPt}序列的條件波動有3個突變點，分別為1997年底4月、2006年4月和2010年8月。這3個突變點將條件波動分為4個時段，期間條件方差均值分別為4．87、1．12、2．90和0．81。結合突變點位置，由圖1可知:伴隨市場化改革進程，經濟增長呈現三階段特征。此外，宏觀波動也呈現階段性“大緩和”特征:從1993年初到1997年中期，伴隨經濟過熱及其治理，宏觀波動處于高位;隨后經濟軟著陸，宏觀波動處于較低水平;受經濟過熱及次貸危機影響，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化。由此可見，經濟過熱、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個時段來看:第一、三階段，即波動維持高位的時間不到4．5年;對波動平穩化時期，第二階段為9年，第四階段截止2014年底將近4．5年且預期仍可持續。

(三)宏觀經濟波動對經濟增長的階段性影響檢驗首先檢驗考慮{IPt}序列及其條件波動結構突變的AR(p)-GARCH(1，1)模型，并結合殘差分析表明其有效性;在此基礎上估計均值、波動雙突變的AR(p)-GARCH(1，1)-M模型，驗證宏觀波動與經濟增長的關系具有階段性特征;最后基于次貸危機視角，再次考察宏觀波動與經濟增長的關系，以證明次貸危機前后“宏觀波動－經濟增長”關系發生了改變。1．宏觀波動與經濟增長的階段性特征:含結構突點的AR(p)-GARCH(1，1)模型估計結合前述檢驗所得{IPt}序列及其條件波動的結構突變點，估計含均值、條件波動雙突變啞變量的AR(p)-GARCH(1，1)模型。同時選取2組AR(p)-GARCH(1，1)模型進行對照:未考慮均值或條件波動結構突變的一般形式的AR(p)-GARCH(1，1)模型，以及僅考慮均值結構突變的AR(p)-GARCH(1，1)模型。所得結果如表4所示，其中Model3為主要的檢驗模型，Model1和Model2為對照模型，Model4在Model3基礎上剔除了部分不顯著變量。由表4中的參數估計結果，可得如下結論:(1)由Model2～Model4可知，與{IPt}序列結構突變點對應的趨勢參數b、b1和b2均很顯著，且分別為“負－正－負”，很好刻畫了經濟增長“降－升－降”的三階段特征。(2)由Model3～Model4可知，刻畫條件波動結構突變的參數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－正－負”，也與{IPt}序列條件波動的四階段特征對應，即:條件波動分別在第一個突變點之后下降;在第二個突變點之后上升;在第三個突變點之后重新趨于下降。此外，b2和λ3的符號表明，后危機時代經濟增長與宏觀波動“雙降”，二者可能因此正相關。(3)JB統計量表明，Model1即一般AR(p)-GARCH(1，1)模型不能保證殘差的正態性，Model2～Model4表明，在均值方程或同時在波動方程中納入結構突變啞變量，可保證殘差正態性。(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(α1+α2)1表明波動持續性高，一般選用IGARCH模型。但也有研究表明，持續性參數(α1+α2)很多時候被高估。特別的，忽略時間序列及其波動的結構突變，也將導致其波動的高持續性，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數據可知，Model1和Model2的持續性參數分別為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構突變，也無法改變波動高持續性現象(IGARCH效應)。一旦在波動方程中納入結構突變參數，Model3和Model4的持續性參數下降為0．65和0．68，說明條件波動的結構突變是導致其高持續性的主因。2．宏觀波動對經濟增長的階段性影響:含結構突變點的AR(p)-GARCH(1，1)-M模型估計接下來考慮{IPt}序列及其條件波動雙突變，估計以下AR(p)-GARCH(1，1)-M模型，以檢驗宏觀波動對經濟增長的影響。表5的部分結果與表4類似:經濟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性。此外，λ1～λ3的系數之絕對值有所提升，顯著性均有所加強。令人遺憾的是，對于我們所關注的系數δ而言，盡管在4個模型中均為負值(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濟增長的顯著影響。結合圖1中{IPt}序列及其條件波動的階段性趨勢，導致表5中系數δ不顯著的一個可能原因是:宏觀波動對經濟增長的影響可能具有階段性特征。相對于表5中的Model8，表6中的參數估計效果有明顯改進:一方面，δ、δ1和δ2的符號分別為“正－負－正”，且δ和δ1非常顯著，說明宏觀波動對經濟增長在第一、二階段有顯著的正效應和負效應;在第三階段即2009年7月以后，宏觀波動與經濟增長正相關但不顯著。另一方面，其他均值方程的變量系數仍在5%水平下顯著，b、b1和b2的符號同樣符合預期;值得注意的是，與Model4、Model8相比，波動方程參數的系數也全部顯著;此外，持續性參數λ1～λ3的估計效果良好且符合預期，表征擬合效果的R2也略有改善。3．宏觀波動與經濟增長關系的再檢驗:考慮次貸危機的影響結合圖1可知，源于次貸危機的影響，從2008年6月開始，我國經濟增長急轉直下，與此同時，財政與貨幣政策也迅速轉向，并于2008年底相繼推出四萬億計劃等宏觀舉措，經濟增長也從2009年底開始逐步回歸正常軌道。為考慮上述次貸危機對宏觀波動及經濟增長的影響，當t在2008年6月至2009年12月之間時，定義啞變量Crisis=1(否則為0)。由表7中數據可見: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，發現次貸危機導致經濟增長顯著下降(φ)，均值方程中的其他參數仍顯著，且b、b1和b2的符號符合預期;就波動方程而言，次貸危機對宏觀波動有微弱且很不顯著的正效應(φ)，但除GARCH參數外，其他變量系數(包括λ1～λ3)均不顯著，這一結果與表4中的Model4存在很大差別。Crisis啞變量對含雙突變點的AR(p)-GARCH(1，1)-M模型(Model11)的影響:波動方程、均值方程的檢驗結果與Model9基本一致，但參數φ的顯著性趨于下降，條件波動對經濟增長的影響(δ)仍表現為不顯著的負相關(與表5中的Model8)一致。Model9和Model11中，Crisis啞變量的加入導致波動方程參數估計效果顯著變差，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Model9與Model11，所得結果見表7的Model10和Model12。結果發現:相對Model9而言，Model10中對應參數估計的顯著性有明顯上升，特別的，α0～α2的顯著性大為上升，參數的估計值也由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律，且δ仍為不顯著的負值。進一步結合表6的檢驗模型，基于Model12，考察宏觀波動對經濟增長的階段性影響是否會因Crisis啞變量的加入而有所不同，由此估計如下AR(p)-GARCH(1，1)-M模型。由表8中數據可知:與表6類似，在考慮“宏觀波動－經濟增長”階段性關系之后，主要參數的估計效果大為改善。φ和的估計值及顯著性表明，次貸危機直接導致經濟下滑(期間工業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的數值與顯著性大幅改善(估計值由0．15升至7．93，P值由0．76降為0．12)，表明后危機時代宏觀波動對經濟增長有一定的正效應。此外，其他波動方程變量、絕大部分均值方程變量的系數仍顯著。

四、結論與政策含義

篇4

關鍵詞：資本體現式技術進步；經濟增長；小波變換；關聯效應

技術進步是經濟增長的重要決定因素，但技術進步對經濟增長作用并非完全獨立，往往以不同方式與資本或勞動要素相結合，通過提高要素配置效率和要素生產率方式促進經濟增長。技術進步和生產要素組合形式不同，對要素生產率和經濟增長效率影響差異顯著。其中無偏性即中性技術進步能夠同比例提高所有生產要素投入效率，以全要素生產率方法就可以有效測算技術進步。但若有偏性技術進步并非單獨發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量，僅以全要素生產率方法測算技術進步就存在許多局限，結果可能有悖于現實經濟中整體技術進步的作用貢獻，也無法刻畫經濟增長過程中整體技術進步及資本和勞動質量變化的全部。［1］

當前，世界各國普遍出現經濟高增長和全要素生產率下降共存的現象，事實表明中性技術進步并非反映經濟增長質量的全部。Gordon（1990、 2000、2002），Greenwood and Yorukoglu（1997），Greenwood、Hercowitz、Krusell（1997）和Greenwood、Jovanovic（2001）發現，20世紀90年代后技術進步主要與有形物化的資本品結合，一國經濟正是利用內含最新技術的設備投資特別是信息軟件業設備，通過資本和技術進步相耦合方式（即資本體現式技術進步）實現快速增長。Gordon［2］和Hulten［3］等測算出機器設備投資中有形的技術進步對美國經濟增長的作用貢獻，發現1954年到1990年間美國資本體現式技術進步每年以3%的速率增長，占技術進步總貢獻率的2/3以上，其中美國戰后60%的生產率增長來自資本體現式技術進步。［4］

同樣，黃先海等［5］利用中國工業數據分析表明，中國的技術進步也完全可能融合于物化型設備投資中，通過設備更新換代提升技術進步和生產率。趙志耘等［6］構建了一個區分設備投資和建筑資本投資的內生經濟增長模型，通過界定設備投資和建設投資相對價格與邊際收益與技術進步的關系，依據中國經濟改革和發展過程中高投資收益率和設備相對價格下降的經驗事實，發現我國以設備進口為主的技術引進方式實現的設備積累速度遠高于建筑資本積累速度，判定了中國資本體現式技術進步的存在性。同時，應該強調，生產要素對經濟增長作用并非固定不變，在不同的經濟發展階段、不同資源要素稟賦和政治經濟制度環境約束下，要素貢獻都將呈現出時間性和階段性的變化趨勢，而技術進步作用方式因發展階段和資源稟賦結構不同而表現迥異，即技術進步作用存在動態階段性規律。［7］由于國內普遍缺乏對資本體現式技術進步的關注，相關的定量研究也幾乎無人涉及，特別是20世紀80年代以來我國中性技術進步貢獻與經濟增長趨勢并不保持一致，真實經濟發展過程中的技術進步更多表現出與機器設備投資相融合的趨勢。為考察資本體現式技術進步的作用特征，本文利用設備工業品與建筑工業品的相對價格指數，構建資本體現式技術進步指數分析蘊涵在設備中的體現式技術進步變化特征，及其與經濟增長率的周期波動關聯性。

一、資本體現式技術進步動態變化規律

在資本體現式技術進步的分析中，通常利用設備品的相對價格來反映。國內外相關研究也多數采用此種方法，如陳師、趙磊（2009）就以消費價格指數與設備價格指數之比來衡量投資專有技術進步。在此我們以設備資本與建筑資本的相對價格指數的倒數來表征資本體現式技術進步增長及變化趨勢。在此首先利用1980—2007年建筑資本和設備資本的年度相對價格指數來構建資本體現式技術進步指數，如圖1所示。

數據顯示：資本體現式技術進步在改革開放初期變化幅度不大，但自20世紀80年代中期開始到90年代中期出現快速增長，特別是在1987年資本體現式技術進步的增長率超過了20%，這表明在此期間我國以設備資本品投資方式實現的技術進步增長迅速，也是類似于我國這樣的發展中國家實現技術升級、縮小和發達國家技術差距的主要途徑。而在90年代中期后資本體現式技術進步的增長速度放緩，基本都在4%均值上下小幅波動。考察資本體現式技術進步在80年代、90年代和21世紀初三個時段的平均增長率，分別為6.7%、4.7%和3.5%，呈現明顯遞減特征。觀察資本體現式技術進步的趨勢分量，可以看出資本體現式技術進步呈現出拋物線型的增長趨勢，在20世紀80年代中期出現了一個峰，表明該時段是我國資本體現式技術進步的快速增長期，90年代中期后增速逐漸轉緩。主要原因可能是，改革開放初期我國與其他發達國家的技術差距形成了模仿和復制的成本優勢，因此以先進技術設備引進與投入為載體的物化型技術進步成為我國技術快速升級的主要形式，但隨著與發達國家技術差距的縮小和邊際收益下降，資本體現式技術進步的增長速度會逐漸減緩。進入21世紀后，資本體現式技術進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式技術進步的變化特征，我們選擇月度數據進行細化分析。首先采用分類資產價格指數構建資本體現式技術進步指數，在機械工業品中選擇具有較高投資價值且質量發生明顯變化的四類工業品，分別為通信設備、計算機及其他電子設備，通用設備，電氣機械及器材，儀器儀表及文化辦公機械，進行加權平均構建設備品價格指數PPIE，以反映機械設備質量變化的綜合趨勢。其權重為該行業工業總產值的比重， 即:

之所以選擇通信設備、計算機及其他電子設備等四類制造業工業品出廠價格指數，原因在于通信設備、計算機及電子等設備技術含量和其他設備相比投資價值更高，技術水平高且技術更新也快于其他設備品，對資本體現式技術進步的表征更直接、更敏感。將設備品價格指數與建筑材料工業品出廠價格指數的比值的倒數作為綜合設備中的資本體現式技術進步指數ETC，同時還將通信設備、計算機及其他電子設備指數與建筑材料工業品出廠價格指數的比值的倒數ETCCE，以分析蘊涵在前沿設備中的體現式技術進步，如圖2所示，數據來源于國家統計局，樣本區間為1999年1月到2010年3月。 #p#分頁標題#e#

圖2顯示，綜合設備中的資本體現式技術進步指數ETC與前沿設備投資品中的體現式技術進步指數ETCCE具有相似的變化特征，在2003年和2008年都出現快速增長，這與依據年度數據構建資本體現式技術進步指數的結論相一致。其中綜合設備中的體現式技術進步指數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%，而前沿設備中的體現式技術進步指數ETCCE比綜合設備中的體現式技術進步增長更快，在各個階段都高于綜合設備中的體現式技術進步增長率，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%。在整個樣本區間內綜合設備中的體現式技術進步年均增長率為3.22%，而前沿設備中的體現式技術進步年均增長率為5.86%。

二、資本體現式技術進步和經濟增長周期波動關聯效應

利用月度數據考察資本體現式技術進步和經濟增長率的動態變化規律。綜合設備中的資本體現式技術進步ETC和經濟增長率GDPR的月度變化路徑如圖3所示，經濟增長率GDPR的月度數據是將季度數據采用頻率轉換獲得。

圖3顯示的是自20世紀90年代中期以來，我國資本體現式技術進步與經濟增長率的變化特征有所不同，經濟增長率在90年代末期出現下落特征，但在21世紀初期開始平穩上升，在2007年達到的最大值為13%。受世界經濟危機的影響在2008年初開始快速下降，但2009年初又出現明顯回升。資本體現式技術進步ETC沒有出現明顯的增速平穩上升特征，與經濟增長率相比其波動幅度較小，只是在2003年和2008年出現大幅增長，其變化特征顯示其增長并沒有受世界金融危機和經濟危機的影響。下面，進一步采用小波變換方法分析資本體現式技術進步ETC和經濟增長率GDPR各層分量的變化特征。

從小波變換系數WTf(m,n)中可以得到f(t)在時間窗[mt+n-mΔt,mt+n+mΔt]的部分信息，同時可以得到f(t)在頻率窗[θ/m-Δθ/m,θ/m+Δθ/m]的部分信息。因此，當m值小時，mt+n-mΔt和mt+n+mΔt很小，時間窗很小。而在頻域上θ/m-Δθ/m和θ/m+Δθ/m很大，頻率窗很大，相當于在短周期內用高頻小波作高分辨率分析。當m值大時，時間窗很大，而頻率窗小，相當于在長周期內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式技術進步ETC和經濟增長率GDPR進行分層，根據我國經濟周期波動的特點和周期的劃分，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因素和不規則因素。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，在短周期資本體現式技術進步與經濟增長率波動不同，部分時期呈現出相反的變化特征，如在2000年初資本體現式技術進步ETCS呈現下降趨勢，而經濟增長率呈現上升趨勢，在2005年中期資本體現式技術進步達到波峰，而此時經濟增長率卻處于波谷。對比資本體現式技術進步與經濟增長率的波動幅度，發現在短周期資本體現式技術進步比經濟增長率的波動強烈，波動幅度大。分析短周期資本體現式技術進步與經濟增長率Granger的因果關系，我們發現，當滯后的時期取2個月時，原假設為“ETCS不是GDPRS的Granger原因”的F-統計量小于10%的臨界值，在1%的顯著性水平上接受原假設，表明在短周期資本體現式技術進步不是經濟增長的Granger原因。同時，原假設“GDPRS不是ETCS的Granger原因”的檢驗接受原假設，表明短周期經濟增長也不是資本體現式技術進步的Granger原因，因此短周期二者不具Granger因果關系，即資本體現式技術進步不是經濟增長的原因，而經濟增長也不是資本體現式技術進步變化的原因。

圖5顯示中周期資本體現式技術進步ETCM與經濟增長率GDPRM的變化在2008年之前呈現較強的共變特征，即當資本體現式技術進步達到波峰時，經濟增長率也到達波峰；資本體現式技術進步達到波谷時，經濟增長率也到達波谷。但在2000年后，二者變化呈現相反的特征。考察中周期二者的Granger因果關系，和短周期二者關系不同，在9%的顯著性水平上拒絕“ETCM不是GDPRM的Granger原因”的原假設，表明在中周期資本體現式技術進步是經濟增長的Granger原因，但不能拒絕“GDPRM不是ETCM的Granger原因”的假設，即資本體現式技術進步和經濟增長在中周期存在單向Granger因果關系。中周期分量時差關系發現資本體現式技術進步與經濟增長的最大相關系數為0.9665，但不是在當期，而是在資本體現式技術進步先行1個月時，這再次印證資本體現式技術進步對我國經濟增長的促進作用。圖6顯示的是資本體現式技術進步和經濟增長的長周期分量的變化趨勢，二者呈現完全的共變特征，在經濟增長到達波峰時，資本體現式技術進步也到達波峰，在經濟增長到達波谷時，資本體現式技術進步也到達波谷。

表1的Granger因果關系檢驗顯示，資本體現式技術進步和經濟增長率的長周期分量的Granger因果關系檢驗在3%的顯著性水平上拒絕原假設，二者具有雙向Granger因果關系。利用資本體現式技術進步和經濟增長率原序列進行Granger因果關系檢驗，發現在1%的顯著性水平上拒絕原假設“ETC不是GDPR的Granger原因”的原假設，但不能拒絕“GDPR不是ETC的Granger原因”的原假設，表明資本體現式技術進步和經濟增長率具有單向Granger因果關系，這表明當前資本體現式技術進步是我國經濟增長重要因素。

三、基本結論

本文利用設備工業品與建筑工業品的相對價格指數，構建出資本體現式技術進步指數，分析蘊涵在現代設備投資過程中的資本體現式技術進步，并利用小波變換方法分析體現式技術進步與經濟增長率的周期波動關聯性。結果顯示，我國資本體現式技術進步自20世紀80年代中期到90年代中期出現快速增長，之后增速放緩。體現式技術進步呈現出拋物線型變化趨勢，80年代、90年代和21世紀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式技術進步和經濟增長的關聯效應，發現短周期資本體現式技術進步與經濟增長率變化特征不同，Granger因果關系檢驗顯示資本體現式技術進步和經濟增長率不具有Granger因果關系。中周期資本體現式技術進步與經濟增長率變化呈現較強的共變特征，并且存在“資本體現式技術進步是經濟增長的Granger原因”的單向因果關系。長周期資本體現式技術進步與經濟增長率變化呈現完全的共變特征且存在雙向的Granger因果 #p#分頁標題#e#

關系。長中短周期關系顯示資本體現式技術進步對我國經濟增長的作用，不是體現在短期而是中長期，中長期經濟增長動力在于技術進步。這表明在工業化的發展進程中資本體現式技術進步在較長時間內還將是我國技術進步的主要方式。

參考文獻

［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. 物化性技術進步與我國工業生產率增長［J］. 數量經濟技術經濟研究, 2006,(4).

［6］趙志耘等. 資本積累與技術進步的動態融合［J］.經濟研究, 2007, (11).

［7］鄭玉歆. 全要素生產率的測算及其增長的規律［J］. 數量經濟技術經濟研究, 1998, (10).

篇5

關鍵詞:經濟增長;條件波動;TARCH-M模型;減損效應;對稱效應

中圖分類號:F012

文獻標識碼: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,國民經濟一直保持一個較高的增長態勢,真實GDP年均增長7.9%,人均真實GDP年均增長6. 13%,工業真實GDP增長速度更快年均為11. 57%,成為世界經濟的一枝獨秀。但在經濟高速增長的過程中,整個經濟活動也呈現出較大的波動性,從1954年到2003年,真實GDP增長的波動強度為10. 65個標準差,人均真實GDP增長的波動強度為9. 06個標準差,工業真實GDP增長的波動強度則更高,達到了11. 55個標準差。對于中國這種高增長高波動的經濟運行,我們不禁會提出這樣一個疑問,中國較高的經濟波動對其長期經濟增長是否具有影響,這一問題不僅具有非常重要的理論意義,也具有積極的實踐意義。因為經濟增長一直被認為對社會財富進而對社會福利具有積極的影響,這樣,經濟波動對經濟增長影響的方向和程度就直接意味著經濟穩定政策的重要性。

一、簡單的文獻回顧

經濟波動與增長雖然一直是宏觀經濟學研究的兩個核心問題,但在上世紀70年代之前,兩者的研究是相互獨立的。雖然早在1934年Schumpeter就從企業投資行為的角度提出兩者間可能的相關性[1],但由于受傳統增長理論的影響①, Schumpeter的研究并沒有受到重視。直到上世紀末,經濟增長與波動的關系才受到越來越多學者的關注。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,經濟增長與波動之間的關系依然還不很清晰[2-3]。歸納不同研究的結論,在經濟波動與增長之間大致存在三種結論:一種結論認為,經濟波動與經濟增長之間呈現出顯著的正相關關系。這種關系的提出最早可追溯到Schumpeter,他認為,經濟波動能促進企業的效率,改善社會的資源配置,從而提高經濟的長期增長水平。根據他的觀點,經濟波動之所以會提高企業的效率,主要是經濟波動可以降低企業投資于改進生產率的機會成本[1]。實際上,從Schumpeter的研究中,我們會發現,它所研究的經濟波動可以提高企業資源的使用效率主要是針對經濟衰退而言的,并不是真正意義上的經濟波動,因為經濟波動不僅發生在經濟衰退時期,也發生在經濟的高漲時期。繼其之后, Sandmo和Mirman從儲蓄和投資的角度提出,由于較高的經濟波動會導致較高的收入波動,收入波動會使社會的預防性儲蓄上升,進而使社會的儲蓄率上升,儲蓄率的上升預示著投資率的上升,根據Solow的新古典增長模型,經濟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]從風險與收益匹配的角度也提出了同樣的結論。他認為,經濟波動使得投資的風險較高,這樣企業只有預期到能獲得足夠的風險補償才會投資,換句話說,就是經濟波動產生的風險會使社會投資更多地轉向具有較高風險收益的高科技領域,他的研究結論在后來的研究中一直被稱為Black假說。認為經濟增長與波動之間正相關的經驗證據有:Kormendi和Meguire通過利用47個國家的橫截面數據對Black假說進行過檢驗,得出在樣本國家中,經濟增長與波動之間的確存在某種權衡關系,平均而言,經濟波動上升2個單位標準差可以使產出增長上升一個百分點[7]。Grier和Tullock使用113個國家的面板數據,通過控制其它變量的作用后發現,GDP增長率的波動性與增長率之間也表現出顯著的正相關[8]。Caporale和McKiernan使用了GARCH-M模型,利用英國1948-1991年的月度數據檢驗了Black假說,發現英國在1948年至1991年期間,產出波動對其增長具有顯著的溢出效應[3]。在一個相關的研究中, Caporale和McKier-nan又使用了同樣的模型,利用美國1871-1993年的年度數據對該假說進行了檢驗,進一步證實了Black假說的正確性[2]。

與上述結論截然不同的是,另一種結論認為兩者間具有顯著的負相關關系。實際上這種結論最早是由凱恩斯(1936)提出的,他認為,經濟波動增加了企業投資的未來風險,當投資者考慮到投資未來回報的風險時,將會降低投資的需求,經濟波動越高,這種投資項目的未來風險就越大,投資需求不足的可能性就越高[9]。相似結論也出現在Woodford的研究中[10]。另外, Bernanke和Pindyck從企業投資的滯留成本角度也提出了同樣的結論,他們認為,由于企業投資具有較長的時滯效應和較強的不可逆性,這樣企業的投資回報因經濟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通過按照傳播機制將“干中學”對增長的影響分成兩個不同的方面,即內生和外生,對經濟波動增長效應進行的研究得出了類似的結論[13]。就經驗證據而言, Zarnowitz和Moore通過對美國戰后數據的分析得出,在波動相對較低的時期,產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驗分析表明,經濟波動較高的國家一般產出水平也較低[15]。Hnatkovska和Loayza利用79個國家的跨國數據,在通過分離象貿易開放度、經濟制度、政府消費等變量對平均增長率影響的基礎上研究了經濟波動對一國經濟長期增長率的影響,研究得出,宏觀經濟波動與經濟的長期增長存在明顯的負相關關系,在忽視經濟波動內生性的情況下,經濟波動一個標準差的上升就會造成經濟長期增長率0. 5%的下降,但一旦將經濟波動看成與經濟增長一樣的內生變量時,其一個標準差的增加就會使經濟增長率的下降達到2. 2個百分點[16]。Barlevy在Lucas的基礎上,通過利用AK模型對經濟波動與經濟的長期增長所進行的分析表明,消除經濟波動一個標準差就可能使經濟的長期增長上升0. 35-0. 40個百分

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

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

從國內的研究看,經濟波動與增長之間的關系到目前為止,并沒有引起學者的關注。但這又是一個非常重要的問題,因為經濟增長可以促進社會福利的提高,這樣經濟波動對經濟增長的影響就具有直接的社會福利含義。Lucas認為,如果經濟增長是合意的,可以促進社會財富的增長,尤其對一個不發達的國家而言,那么經濟波動對經濟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,研究經濟增長與波動之間的相互關系對一個國家采取適當的宏觀調控政策,進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常被使用的GARCH模型,對中國1954年至2003年的經驗數據進行了實證分析,分析將考察四個方面的問題:一是中國經濟增長在1954年至2003年期間的波動強度和路徑;二是經濟增長波動是否在不同的增長狀態下具有不對稱效應;三是增長波動對經濟長期增長的影響方向和強度;四是這種影響的時間結構特征。

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擾動進行建模。該模型的基本結構為:

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)是寬平穩的,必須存在參數的約束條件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,條件方差方程就被稱為GARCH(1, 1),其中,方程(4)右邊的第二項被稱為ARCH項,第三項被稱為GARCH項。如果αi顯著,就說明模型存在ARCH效應,同樣,如果βj顯著,說明方程存在GARCH效應。對于條件方差方程,可以根據研究的需要采取不同的形式,由于本文希望對經濟增長的波動是否具有不對稱效應進行考察,所以需要使用TARCH模型。TARCH模型是由Zakouan提出的[26]。該模型的結構只是在方程(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φε2t-1dt-1,其中,dt是一個名義變量,其定義為,當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。對條件方差方程設定的檢驗一般采用Q2統計量,和均值方程設定檢驗一樣,如果條件方差方程設定正確的話,則Q2統計量不應該是顯著的。

三、經驗數據的實證分析

本文在分析中國經濟波動與增長之間的關系時,主要選擇了1954年至2003年作為樣本的考察期限①,同時,為使本文的研究結論具有可比性,在變量的選擇上,本文選擇了三個反映總量經濟波動的變量,即GDP、人均GDP以及工業GDP。由于三個變量的影響因素不同,所以在分析結論上,可能會存在一定的差異。變量的分析采用以1978年為基期真實值的形式,縮減的方法是根據各自的增長指數以1978年為100換算得到。所有的計算數據都來自于《2004年中國統計年鑒》。三個變量的增長率通過各自原始序列對數的差分形式獲得,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GDP,從1953年到2003年,增長都呈現出一定的波動性,其中,工業GDP較前兩者波動性更強。同時圖1也顯示,中國總量經濟的增長波動隨時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,不同的經濟體制,經濟增長的波動性可能存在差異。

在計量分析之前,首先對序列的平穩性進行檢驗,為保證檢驗結果的穩健性,本文使用了目前平穩性檢驗的兩種常用方法ADF檢驗和PP檢驗。由于圖1并沒有顯示序列具有明顯的趨勢特征,所以檢驗只采用了(c, 0, 0)和(c, n, 0)兩種形式,同時根據

AIC和SC最小原則選擇滯后階數,當兩者存在不一致時,以SC為準。利用這個原則,最后的p值確定為1。檢驗結果如表1所示。檢驗結果表明,

對平穩序列進行條件異方差與其水平值之間關系進行分析,本文在均值方程中選擇了g(ht) = ht的標準差形式,同時通過SIC準則分別選擇了AR(1) -TARCH(1, 1) (GDP和人均GDP序列)與TARCH(1, 1)(工業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的水平值時間軌跡進行對比,可以發現,當水平值變化幅度劇烈的時候,對應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,強度有所收斂。同時,在1978年之前,經濟增長的下降階段經常伴隨有較強的波動性,而在經濟增長的上升階段又伴隨著較為弱的波動強度。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這一波動特征的。例如就人均GDP而言, 1989年至1992年,經濟增長處于一個下降的過程,而與其同時,其波動性在圖2b中也顯示一個相對較高的波動強度。

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行分析。在模型估計時,本文使用了BHHH來獲得模型參數的極大似然估計。具體估計結果如表2所示,其中括號內是各參數估計的標準差。首先,考察模型的設定檢驗。表2的下方給出了模型設定的各種檢驗結果,其中,反映均值方程設定的標準化殘差檢驗統計量Q2(12階滯后)以及反映條件方差模型設定的標準化殘差平方的檢驗統計量(12階滯后)低于5%的臨界值,這表明方程不存在序列相關性,同時用于檢驗方程殘差正態性的JB統計量也顯示殘差呈正態分布,這些都說明,本文的方程設定是正確的。

在此基礎上,我們考察表2的第2-4欄。首先看ARCH項和GARCH項的系數α和β,除了工業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,滿足參數的約束條件。同時,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。從波動與增長的關系看,反映波動對水平值影響的δ系數估計都為負值,這表明在過去近50年的時間里,中國經濟波動對其增長具有減損效應,但除了工業GDP外,GDP和人均GDP序列的統計量都在10%的水平上未能通過檢驗,這說明,上述的減損效應并不顯著,這種檢驗結果與Speight[20]等人的研究結論類似,但明顯駁斥了兩者正相關的Black假說。而工業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,減損的強度為,波動每上升1個標準差,就可能使其增長下降0. 98個百分點。這個結論則與Zarnowitz和Moore[14]、Ramey和Ramey[15]等人的研究結論基本一致,從而印證了Keynes提出的兩者負相關的論斷。同時,從γ的估計結果看,同樣除了工業GDP序列外,其它兩個序列的檢驗都在10%或更高的水平上沒有顯示出增長波動的不對稱效應,而工業GDP序列的γ值為-0. 46,并在95%的水平上顯著,這說明,工業GDP增長過程的波動性具有顯著的不對稱效應,但由于該值為負,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間變化路徑,還是其波動性的時間變化路徑,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間結構的特征,同時,增長條件方差是否在1978年前后有顯著的不同。為了檢驗這兩個假設是否存在,本文在上述模型的均值方程和條件方差方程中同時加入一個啞變量dum,啞變量dum的定義為:當t≤1978, dum=0;當t>1978, dum=1。檢驗結果在表2的第5-7欄。按照同樣的程序,首先檢驗各方程的設定是否正確,檢驗結果表明,各檢驗統計量都能較好地顯示方程設定是合理的。其次,增加啞變量之后的參數估計發生了較大的變化,首先除了GDP和人均GDP以外,工業GDP序列的參數估計值α與β的和也小于了1,滿足了參數的約束條件。同時,除了工業GDP外,GDP和人均GDP均值方程的δ值由原來的負值變為了正值,這說明,如果剝離時間結構對增長的影響外,單純的波動對其增長水平值具有溢出效應,但和原來的參數估計一樣,兩個參數在10%或更高水平上未能通過顯著性檢驗。這仍然駁斥了Black假說的適用性。與其相反,工業GDP的估計相當穩健,除了減損效應有所增強外,統計檢驗依然十分顯著。不過,在剝離時間效應之后,波動對其增長的逆向抑制作用變得更強了,一個標準差的上升將降低其增長近2個百分點。從啞變量的參數估計看,就均值方程而言,除了工業GDP方程的參數估計在90%的水平上未能通過顯著性檢驗外,GDP和人均GDP序列增長具有顯著的時間結構特征, 1978年改革開放之后的時間結構對增長的水平具有顯著的促進作用,這一結論與兩個時期的平均增長率差異是一致的, 1978年之前,中國經濟的平均增長率與1978年之后相差近分別為3. 1個百分點和4個百分點,相對于前兩個序列,工業GDP增長的時間結構特征并不明顯, 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,條件方差波動的時間結構特征,從三個模型的對應參數估計看,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間結構特征,從三個方程啞變量參數值的方向看,盡管GDP序列在5%的水平上未能通過顯著性檢驗,但所有參數的估計都是負數, 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的結論基本一致。

四、分析結論與政策含義

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GDP序列的增長與其波動之間的關系,分析獲得了三個重要的結論:一是研究表明,除了工業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,但剝離時間結構的影響后,前者對后者具有溢出效應,但兩種情況的統計性檢驗都不顯著。這在某種程度上表明Black假說并沒有得到中國經驗數據的支持,而工業GDP序列的統計檢驗表明,增長與波動之間存在顯著的負相關關系,這在某種程度上支持了Keynes提出的宏觀經

濟思想;二是通過啞變量的設置,本文對時間結構特征的研究表明,增長和波動都具有明顯的時間結構特征,就增長而言,對外開放和市場化改革取向明顯具有促進經濟增長的作用,不僅如此,市場化改革還有利于降低經濟波動的強度和頻率。這從某種程度上支持了本文的第一個結論,即經濟波動對增長具有一定的減損效應;三是本文的研究結論表明,除了工業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,即經濟增長在上升和下降期間的波動特征沒有發生顯著的變化。而工業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,這一結論與圖1和圖2的經驗證據是一致的。

上述分析潛在的政策含義是:實施必要的宏觀調控,繼續深化市場經濟體制改革以及擴大對外開放對有效降低經濟增長的波動強度,提高長期增長水平,進而提高社會福利具有非常重要的意義。

參考文獻:

[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

關鍵詞：經濟增長；投資規模；投資效率；VAR模型

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

一、引言

改革開放以來，中國經濟取得了巨大的成就，經濟持續高速增長、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濟發展模式（王玉華，2011）[1]。中國經濟增長的動力，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濟發展模式，將會發現高投資推動經濟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力，需要國外需求來彌補國內需求的不足。1978—2011年，中國以年均9.8%的GDP實際增長率成為全球經濟增長率最高的國家。與經濟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，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60、70年代處于經濟高速發展階段的日本，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。增量資本產出率（Incremental Capital-Output Ratio，ICOR）是衡量資本投資效率的重要指標。ICOR指資本存量的變動與產出增量的比率，該指標越小，表明資本生產率越高，資本運用也就越有效率。自上個世紀90年代以來，中國經濟在投資率迅速增長的同時，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，增量資本產出率在1990年代后逐漸呈上升趨勢，雖然在進入新世紀后有所下降，但2007年之后又有一定程度的提高。總體而言，投資效率在1990年代后未有顯著提高。

中國經濟發展的實踐表明，高投資率是經濟增長的重要動力。但在投資效率逐漸下降的情況下，中國的“高投資—高增長”模式還能夠持續嗎？本文在向量自回歸模型（VAR）的基礎上，實證研究投資增長、投資效率與經濟增長之間的動態關系，進而分析投資增長和投資效率對經濟增長的貢獻，并在此基礎上提出中國經濟持續增長的政策建議。

二、文獻回顧

中國經濟表現出顯著的“高投資—高增長”特征，許多學者對投資與經濟增長之間的關系進行了研究，認為中國經濟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濟增長的重要因素，資本形成效率的提高對經濟增長有重要貢獻。資本形成率的提高對經濟增長的貢獻比改革開放前上升2.5%，但投資效率還有進一步提高的巨大潛力[2]。武劍（1999）認為，資本形成是推進我國經濟增長的主要動力，而且這一趨勢會逐漸加強，到2010—2020年，資本貢獻度將超過60%[3]。等（2006）通過建立中國經濟增長的綜合因素模型得出結論，資本投入增加是中國經濟增長最主要的源泉，包括結構升級、人力資本效率提高、制度變遷等在內的技術進步的貢獻也較強，勞動投入增加的貢獻相對較弱[4]。

中國經濟“高投資—高增長”是早期經濟增長階段結構轉變的深層次反映，這一階段的經濟發展主要驅動力來自于大規模的投資及生產。經濟增長前沿課題組（2003，2004a，2004b，2005a，2005b）指出，中國的“高儲蓄、高投資和高增長”可以從不同角度進行解釋，是政府推動的城市化和出口導向的工業化過程，同時也是農村剩余勞動力向城市轉移的過程。在剩余勞動力轉移過程中，需要較高的儲蓄率與投資率[5-9]。李揚、殷劍峰（2005）認為剩余勞動力由農業向工業（工業化）、由農村向城市（城市化）、由國有向非國有（市場化）的持續轉移是我國經濟能夠長期、高速增長的關鍵，而高儲蓄率和高投資率既是這種增長模式的必然結果，也是勞動力得以持續轉移乃至這種增長模式得以維持的關鍵原因[10]。

與中國“高投資—高增長”的發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。在過去的20多年，這一模式是以宏觀成本的積累為代價的。政府公共資本的擁擠效應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等宏觀成本（經濟增長前沿課題組，2004b；2005b）[7][9]，還會產生大量的不良資產（平新喬，1998）[11]。在中國經濟的長期增長過程中，高儲蓄高投資增長模式容易引起經濟的“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濟運行的常態，損害了經濟的穩定性（龐明川，2005；2006）[12][13]。

長期的投資增長能夠擴大生產能力，影響經濟增長的持續性，而投資在影響長期經濟增長方面的作用，實際上依賴于投資的“效率”和投資推動的技術進步及其性質（張軍，2005）[14]。由此可見，投資效率的提升對于中國經濟的長期快速穩定增長具有重要的促進作用。本文將在現有研究基礎上進一步分析投資增長、投資效率與經濟增長之間的動態關系。

三、模型設定與實證分析

經濟增長理論研究認為，投資增長是早期經濟騰飛階段經濟高速增長的重要動力源泉，此時經濟增長歸根到底要靠投資驅動。新增長理論研究表明，現代經濟增長模式與早期經濟增長模式存在重大區別，投資效率的提高是現代經濟增長的主要源泉，即現代經濟增長主要靠技術進步和效率提高來驅動[15]。中國經濟經過改革開放后的飛速發展階段，已經步入中等收入國家行列，經濟整體水平及資源稟賦狀況都發生了巨大的變化，各種要素在經濟增長中的作用也應該相應發生變化。此時對我國投資增長、投資效率與經濟增長關系進行實證研究，對于適時轉變我國的經濟增長方式是十分必要。

（一）模型及分析方法

為了研究投資、投資效率與中國經濟增長之間的動態關系，我們構建了包括投資、投資效率和經濟增長三個變量的VAR模型。VAR模型是基于數據的統計性質建立模型，把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數，從而將單變量自回歸模型推廣到由多元時間序列變量組成的向量自回歸模型（高鐵梅，2006）[16]。運用向量自回歸模型能夠較方便地預測相互聯系的時間序列系統及分析系統中隨機擾動項對經濟變量的動態影響。VAR（p）模型的一般數學表達形式為：

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

（二）實證檢驗

1. 數據說明與變量設定。本文選取的樣本時間為1980—2011年，根據各期《中國統計年鑒》數據計算得出。模型中涉及的變量主要有：實際全社會固定資本投資、投資效率和實際國內生產總值。用GDP和FINV分別代表實際國內生產總值和實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. 變量平穩性檢驗。進行時間序列分析之前，首先對變量的平穩性進行檢驗。本文采用單位根檢驗（unit root test）方法對相關變量的平穩性進行檢驗。對LNGDP、LNFINV和LNICOR進行ADF（Augment Dick-Fuller）檢驗，發現LNGDP和LNICOR在1%和5%的水平值是平穩序列，LNFINV是非平穩序列。對它們的一階差分DLNGDP、DLNFINV和DLNICOR進行ADF檢驗，分別在5%、10%和10%的水平上是平穩的（檢驗結果見表1）。

3. 協整關系分析。協整檢驗方法主要有Engle-Granger二階段協整檢驗法和Johansen協整檢驗法。本文對時間序列的檢驗采用基于VAR模型的Johansen協整檢驗法，通過跡統計量和最大特征根來判別變量LNGDP、LNFINV和LNICOR之間的協整關系。表2中，r=0表示三者之間無協整關系，r≠0表示存在協整關系。協整檢驗結果顯示，原假設r=0時，跡統計檢驗統計量的值41.341 12大于5%顯著性水平下的臨界值29.797 07，最大特征根檢驗統計量的值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，中國經濟增長和投資、投資效率之間存在一個長期穩定的協整關系。

4. 因果關系分析。格蘭杰因果關系檢驗的結果是否可信，取決于變量是否都是平穩的或者雖不平穩但它們之間存在協整關系。從前文可知，中國經濟增長和投資、投資效率之間存在協整關系，所以可以對這些變量進行格蘭杰因果關系檢驗。

從檢驗結果（表3）可知，固定資本投資與經濟增長之間存在雙向的格蘭杰因果關系，即固定資本投資是引起經濟增長變化的格蘭杰原因，經濟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中國經濟增長，經濟增長的良好態勢也會吸引更多的固定資本投資。經濟增長與投資效率之間也存在雙向的格蘭杰因果關系，投資效率是引起經濟增長變化的格蘭杰原因，說明投資效率的提高能夠促進中國經濟的增長；經濟增長也是引起投資效率變化的格蘭杰原因，說明中國經濟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. 脈沖響應函數。脈沖響應函數（impulse response function，IRF）描述一個內生變量對來自另一內生變量的一個單位變動沖擊所產生的響應，提供系統受沖擊所產生響應的正負方向、調整時滯和穩定過程等信息。接下來運用脈沖響應函數對投資、投資效率與經濟增長之間的關系進行動態分析。脈沖響應函數檢驗結果如下圖，圖3、圖4分別描述了經濟增長分別對投資、投資效率一個標準差正沖擊的動態響應。

圖3反映了變量LNGDP（經濟增長）對來自變量LNFINV（固定資本投資）一單位標準差正沖擊的動態響應。經濟增長對來自固定資本投資的沖擊當期就有顯著正向反應，這種正向反應之后逐漸增強，到第3期達到最大值后緩慢減小，在第7期達到最小值后，又呈緩慢增強趨勢。

圖4反映了變量LNGDP（經濟增長）對來自變量LNICOR（投資效率）一單位標準差正沖擊的動態響應。經濟增長對來自投資效率的沖擊在當期就有顯著的負向反應，這種負向反應在迅速增強，到第2期達到峰值后，這種負向反應呈緩慢減小趨勢，至第7期達到最小，之后又呈緩慢擴大趨勢。

整體來看，經濟增長對來自固定資本投資增量沖擊的反應為正向且作用時間持久，說明當前增加固定資本投資能夠促進中國經濟的增長；經濟增長對來自ICOR增量沖擊的反應為負向且作用時間持久，說明投資效率的降低對中國經濟增長存在負面影響，反之提高投資效率則有利于促進中國經濟的增長。

6. 方差分解。方差分解（variance decomposition）是通過分析每一結構沖擊對內生變量變化（通常用方差來度量）的貢獻度，進一步評價不同結構沖擊的重要性（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沖擊所做的貢獻，然后計算出每一個變量沖擊的貢獻占總貢獻的比例。為了進一步分析投資、投資效率的結構沖擊對經濟增長變化的貢獻程度，接下來借助方差分解對投資、投資效率對經濟增長的貢獻程度進行考察，定量把握它們之間的影響關系。各變量對經濟增長的貢獻率如圖5所示。

從圖5對經濟增長的方差分解來看，經濟增長的變動絕大部分源于其自身慣性導致，且自身沖擊的貢獻度呈下降趨勢；固定資本投資與投資效率的沖擊對經濟增長的貢獻度都呈上升趨勢，但固定資本投資的貢獻率要顯著大于投資效率的貢獻程度，到第10期，經濟增長變動中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度僅約為3%。

方差分解結果說明，當前對中國經濟增長最重要的影響因素是GDP自身發展速度，在沒有受到外界沖擊情況下，中國經濟系統將按著自身規律向前發展，所以保持宏觀經濟的穩定性對于中國經濟可持續快速發展至關重要。此外，中國經濟增長依賴于投資增長要遠高于依賴投資效率的提高，即當前中國經濟增長模式仍是依靠投資驅動的粗放型經濟增長模式。但中國經濟發展的現狀決定了在轉變經濟增長模式的過程中，應該實行漸進性的轉變，維持宏觀政策的穩定性和可預見性。

四、結論與對策

本文通過建立VAR模型實證研究了投資、投資效率與經濟增長的動態關系，以及投資增長和投資效率對經濟增長的貢獻。研究發現當前投資增長和投資效率的提高均能促進中國經濟增長，但兩者相比較，中國經濟仍主要依靠投資增長來驅動，而投資效率的提高則在經濟增長中發揮著較微弱的作用。

經濟增長過度依賴投資增長而非效率的提高將引發許多經濟問題，不利于經濟長期穩定的增長。中國自改革開放后初步形成的開放型經濟發展模式，其顯著的特征之一是經濟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濟增長方式，已經在中國的一些地區和一些行業形成了投資過熱或過度投資問題，造成產能過剩和投資效率降低。

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

基于本文的實證研究，以及后危機時代中國面臨的復雜多變的國際經濟形勢，中國必須徹底轉變經濟增長模式，貫徹建設資源節約、環境友善型經濟發展方針，實現從依賴投資增長驅動的經濟增長模式向主要依靠效率提高和技術進步驅動的經濟增長模式轉變。

第一，調整投資思路，采取實際措施提高經濟效率。通過促進與科學相關的技術的運用，推動技術創新和產品升級；鼓勵自主創新，降低國內生產總值的能源密集度；通過大力發展服務業，特別是生產業，降低交易成本；通過調整和優化產業結構，促進產業升級；通過廣泛運用信息通信技術，提升國民經濟各部門的效率。

第二，轉變政府職能，明確政府與市場角色的定位。根據市場經濟的要求，限制各級政府配置資源和直接干預企業與個人微觀決策的權力。政府應該避免“越位”，充分發揮市場機制的作用，讓市場在資源配置中起基礎性作用。政府則要履行好自己的職能，提供充足的公共產品，如完善法治環境、酌情使用經濟和行政手段彌補市場失靈，以及建立健全覆蓋城鄉居民的社會保障體系和維護社會公平等等。

第三，完善制度建設，建立適應新增長模式的制度環境。完善所有制結構，推進國有經濟的布局調整和鼓勵民營經濟發展。改善有利于人員流動的環境條件，調整城市化戰略，加快農村富余勞動力向城市工商業轉移。努力發展金融市場和健全金融市場規則，加強信用環境，完善金融機構的公司治理，提高投資效率。

參考文獻：

[1]王玉華.世界經濟失衡下中國開放型經濟發展模式研究[D].浙江大學博士論文，2011.

[2]王小魯.改革20年和今后20年：投資對經濟增長的貢獻[J].國家行政學院學報，2001，（4）：56-61.

[3]武劍.儲蓄、投資和經濟增長——中國資金供求的動態分析[J].經濟研究，1999，（11）：29-38.

[4]，鄭京平，萬東華，馮春平，巴威，嚴于龍.中國經濟增長動力及前景分析[J].經濟研究，2006，（5）：4-12.

[5]經濟增長前沿課題組.經濟增長、結構調整的累積效應與資本形成——當前經濟增長態勢分析[J].經濟研究，2003，（8）：3-12.

[6]經濟增長前沿課題組.開放中的經濟增長與政策選擇——當前經濟增長態勢分析[J].經濟研究，2004a，（4）：4-15.

[7]經濟增長前沿課題組.財政政策的供給效應與經濟發展[J].經濟研究，2004b，（9）：4-17.

[8]經濟增長前沿課題組.國際資本流動、經濟扭曲與宏觀穩定——當前經濟增長態勢分析[J].經濟研究，2005a，（4）：4-16.

[9]經濟增長前沿課題組.高投資、宏觀成本與經濟增長的持續性[J].經濟研究，2005b，（10）：4-16.

[10]李揚，殷劍峰.勞動力轉移過程中的高儲蓄、高投資和中國經濟增長[J].經濟研究，2005，（2）：4-15.

[11]平新喬.“預算軟約束”的新理論及其計量驗證[J].經濟研究，1998，（10）：70-80.

[12]龐明川.政府投資、經濟轉軌與體制性約束[J].經濟社會體制比較，2005，（2）：107-113.

[13]龐明川.轉軌以來中國的宏觀調控與經濟發展[J].財經問題研究，2006，（2）：11-19.

[14]張軍.資本形成、投資效率與中國的經濟增長[M].北京：清華大學出版社，2005.

篇7

關鍵詞：經濟增長；經濟增長動力；外國直接投資；金融發展

一、關于經濟增長源泉和動力的研究

改革開放以來，國內學者對我國經濟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濟增長模型或其改進模型，將經濟增長歸因為要素投入增加和全要素生產率(TFP)的提高兩方面。國內多位學者的研究結果表明，要素投入是我國經濟增長的主要源泉和動力，而全要素生產率對生產率增長的貢獻有限。由于研究期間和數據處理方法不同，研究結論亦不盡相同。沈坤榮(1999)運用增長速度方程對1953—1997年我國經濟增長源泉進行分解，結果表明經濟增長主要是由生產要素投入的增量帶來的。王德勁(2007)運用誤差校正模型分析方法估計了我國1952～1998年期間擴展的索洛模型，得出物質資本存量是經濟增長主要因素的結論。董直慶等(2007)認為，我國約70％的經濟增長來自于資本和勞動投入，但物質資本、人力資本、技術進步等在經濟發展不同時期或不同階段，對經濟增長有著不同影響，即要素對經濟增長作用存在階段性變化特征。種觀點認為，資本投入增加是我國經濟增長最主要的源泉，由于我國勞動力供給相對過剩且勞動邊際效率較低，有關勞動投入增加的貢獻相對較弱。一些學者認為，考慮結構調整、要素投入與技術內生情況時，要素投入對我國經濟增長的貢獻率大幅下降。樊勝根等(2002)進行實證研究結果表明，研究期間我國17％的經濟增長來源于結構變化，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)研究發現，在1996～2004年間，一個地區高水平的人力資本能吸引固定資產向該地區的投入，從而促進經濟增長。固定資本投資為內生，對經濟增長并不起決定性作用。這說明我國經濟增長的質量已有很大提高，已在按照發達國家的內生性經濟增長的模式發展。孫超等(2004)研究發現技術進步和人力資本的增長率對我國經濟增長起決定性作用。

二、關于FDI與經濟增長關系的研究

(一)通過計量模型直接檢驗外商直接投資(FDI)對經濟增長的作用

魏巍賢(1997)應用協整檢驗和格蘭杰因果關系檢驗法研究我國經濟增長與FDI的關系，結果表明經濟增長與FDI增長之間具有雙向因果關系，但經濟增長與FDI之間不存在長期穩定關系。賀紅波等(2005)認為，我國FDI和經濟增長之間存在單向因果關系，FDI是經濟增長的單向Granger原因，且兩者之間存在長期穩定的關系，這表明FDI在促進我國經濟增長過程中發揮了重要作用。而經濟增長不是FDI的Granger原因，表明我國經濟增長不是吸引FDI的直接原因。魏后凱(2002)利用1985～1999年時間序列和橫斷面數據，將FDI對我國區域經濟增長的影響進行實證分析。結果表明，東部發達地區與西部落后地區之間GDP增長率的差異約有90％是由FDI引起的。王成岐等(2000)運用計量模型考察了影響我國FDI與經濟增長關系的諸因素，認為經濟技術水平和政策因素均強烈影響FDI與經濟增長的關系。蕭政等(2002)從我國和其他23個發展中國家總量時間序列資料的分析中發現，穩定可靠的組織機構和城市化的發展在吸引外商直接投資方面發揮著相當重要的作用。代謙等(2006)在利用我國1979～2003年數據檢驗FDI對經濟增長的效應時發現，國內投資和人力資本起著相當重要的作用；FDI的增長效應集中在短期，人力資本則有明顯的長期效應。

(二)從不同視角研究FDI對我國經濟增長的作用

首先，從需求效應和供給效應角度研究。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投資的影響后認為，FDI推動了我國經濟加速增長。沈坤榮(1999)認為，FDI對我國經濟增長的需求效應和供給效應都十分明顯。其次，從“擠出”效應角度研究。楊海燕(2005)通過對我國1998～2003年FDI與經濟增長的因果關系分析后認為，由于利用FDI過程中存在外資利用結構引發的對國內投資的擠出以及國內儲蓄的低效利用，削弱了FDI對GDP增長的正向效應。楊新房等(2006)對FDI對我國國內資本的“擠出”效應和“擠入”進行了研究，結果表明，FDI雖然對我國國內資本有“凈擠入”的效果，但從資本形成的角度看，FDI促進了我國的經濟增長。第三，從資本效應和外溢效應角度研究。胡翊竑等(2001)認為，FDI有助于改善我國資本形成質量、推動人力資源開發、提高資源配置效率、推動技術進步，進而對經濟增長起到積極的作用。張海星(2005)對外商直接投資和國內投資的增長效應、資本積累效應以及技術進步效應進行了比較分析。結果表明，FDI和國內投資對經濟增長都具有顯著的正向推動作用，但國內投資貢獻較大，且二者促進經濟增長的路徑亦不相同。龐英等(2008)在對轉型期中國民族資本與FDI企業生產效率測度的基礎上，具體研究其生產資源配置效率與技術效率。結果表明，民族資本的效率優于FDI。因此，民族資本是推動我國未來經濟持續高效增長的主要動力。第四，從地理空間結構角度研究。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域經濟的平衡發展和持續增長產生了深遠影響。陳柳等(2006)通過1987～2003年27個省份的面板數據綜合分析了本土創新能力與FDI技術外溢兩者對我國經濟增長的作用，認為本土的技術創新能力對經濟增長具有顯著的正面作用；在控制本土的技術創新能力之后，FDI本身產生的技術外溢對經濟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經濟增長；創新能力在中西部地區經濟增長中的作用比東部地區更強；本土創新能力的差異在某種程度上可能是區域發展不平衡的原因。第五，從傳遞途徑和其他效應角度研究。周春應(2007)研究了FDI如何通過進出口貿易、國內資本積累、R&D、產業結構升級、就業、人力資本、市場化程度等途徑影響經濟增長及影響強度的大小，結果表明，FDI通過不同的傳導途徑對經濟增長產生顯著影響。趙娜等(2008)對外國直接投資影響我國經濟增長的六種效應進行研究，結果顯示，FDI可通過資本積累、出口促進、投資拉動、技術溢出、產業結構優化和制度變遷六種具體效應來促進我國經濟增長；FDI對各種不同具體效應的時滯期各不相同。三、關于金融發展與經濟增長關系的研究

(一)金融發展與經濟增長存在正相關關系

殷醒民等(2001)研究表明，我國股票市場規模的擴大、交易率的提高增加了國有企業的固定資產投資，加快了企業的技術進步，推動了我國經濟更快的增長，因而股票市場發展與經濟增長之間有很強的正相關性。劉柯杰(2003)的研究結果表明，股票市場分散風險功能的提高能顯著促進長期經濟增長。范學俊(2006)運用最大似然協整分析法及1992年第一季度至2004年第三季度數據檢驗我國金融發展與經濟增長之間的動態關系。結果表明，股票市場與銀行部門在長期都對經濟增長有正的影響。康繼軍等(2005)使用基于誤差修正模型的格蘭杰因果關系檢驗法研究我國金融發展與GDP增長的長短期因果關系。結果表明，在短期，GDP增長和股市發展之間存在雙向因果關系；在長期，金融中介發展和股市發展都是GDP增長的單向動因。

(二)我國金融發展對經濟增長的作用并不顯著或存在負相關關系

林義相(1999)指出，我國股票市場功能由于定位在為國有企業和國有經濟融資，使得股票市場對經濟增長的作用相當有限。唐齊鳴等(2000)實證研究的結論是我國股市還不能充分發揮貨幣政策傳導功能，因此股票市場對經濟增長的作用不顯著。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，對經濟增長幾乎沒有作用。韓廷春(2001)采用金融發展與經濟增長關聯機制的計量模型，運用我國經濟發展過程中的有關數據進行實證分析表明，技術進步與制度創新是經濟增長最為關鍵的因素，而金融發展對經濟增長的作用極其有限。陳偉國等(2008)利用VAR因果關系檢驗和方差分解探索我國金融發展與經濟增長之間的關系結果表明，金融發展與經濟增長不存在明顯的因果關系，金融發展與經濟增長存在單向因果關系，屬于需求追隨型。

四、經濟增長問題研究的不足及改進思路

(一)經濟增長問題研究的不足

盡管國內學者對經濟增長問題進行了深入研究，但由于理論的復雜性，許多經濟增長理論方面的問題至今沒有達成共識，有待進一步研究。首先，經濟增長源泉和動力研究的不足。國內的研究多運用靜態分析，強調靜態要素貢獻，而很少涉及不同發展階段下要素貢獻變化問題，即只集中于靜態而非動態的分析。同時，多數文獻的實證檢驗只關注某類樣本，或不將樣本進行分類對比，無法有效分離和認識不同要素貢獻的差異。全要素生產率對經濟增長的高貢獻率只有在經濟進入低速成熟階段才會出現，簡單地根據TFP對經濟增長貢獻的大小不能判斷我國經濟增長的質量。其次，FDI與經濟增長研究的不足。目前國內關于FDI對經濟增長的作用機制研究不全面系統，多局限于FDI對經濟增長的某個或少數幾個效應進行分析，計量方法和指標的選取也存在不同程度的瑕疵，而對能反映FDI真實作用機制的時滯效應研究很少涉及。再次，金融發展與經濟增長問題研究的不足。一是研究方法上，對時間序列數據進行簡單的回歸分析時，多違背回歸方法的基本原則，包括數據是非平穩的，變量之間具有相關，尤其是金融發展的各個指標之間具有高度相關，從而產生共線性問題等，因此研究結果可能是建立在偽回歸的基礎之上；而運用多元VAR方法研究時，一些至關重要的滯后期的選擇比較簡單，因此研究結論缺乏穩健性。二是關于金融發展對經濟增長作用的實證研究方面，現有模型沒有很好地控制對經濟發展具有重要影響的其他因素，從而放大了金融發展對經濟增長的影響。三是幾乎所有文獻都在檢驗金融發展與經濟增長的相關關系或因果關系，其實證檢驗一般都選取GDP或GDP增長率的絕對值或對數值作為因變量。而事實上，經濟增長并不一定意味著經濟效率的提高。因此，研究結果也就無法說明金融對增長的貢獻是源于金融的資本積累效應還是資本配置效應。四是沒有深入分析金融發展對經濟增長的作用機理，沒有全面探索金融發展的內在關聯機制對經濟增長的影響，研究結果對金融體制改革缺乏政策操作性。

篇8

關鍵詞：金融生態；經濟增長；變系數模型

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

[作者簡介]劉強（1981-），男，漢族，山東臨沂人，講師，碩士，研究方向：區域金融；毛春元（1962-），男，漢族，江蘇無錫人，副教授，碩士，研究方向：經濟系統建模；黃萍（1977-），女，漢族，廣西合浦人，講師，碩士，研究方向：區域經濟。

[基金項目]江蘇省教育廳高校哲學社會科學基金項目“江蘇沿海金融生態與經濟增長的實證研究”（項目編號：2014SJB650）。

一、理論綜述

自周小川提出金融生態的概念以來，越來越多的學者對金融生態內涵以及金融生態環境與經濟增長的關系進行研究和分析。從現有的國內外文獻看，經濟學家對金融生態系統與經濟增長的研究主要有以下三種結論：一類是認為金融生態系統在某種程度上極大地促進了經濟增長；一類是金融中性論者；還有一類則認為金融生態系統對經濟增長的促進作用不明顯。更多的經濟學家傾向于第一類結論，并用大量的實證研究證明了這一點。溫智[1]以江西省為例，對區域金融生態環境與經濟增長效率進行了實證研究，于平，逯進[2]等以我國省級面板數據為例，研究了金融生態與經濟增長的關系，上述研究結果表明金融生態于經濟增長之間存在雙向格蘭杰因果關系，金融生態對經濟增長的影響存在較大差異；周瓊[3]對江蘇省金融生態系統與經濟發展的關系進行了實證分析，結果表明江蘇省金融生態環境是不斷完善的，但二者之間有不完全的雙向因果關系存在；張愛菊[4]等基于面板數據從生態足跡這一新的視角，通過對經濟增長的分析來衡量中部六省經濟的可持續發展能力，結論表明，每個省都應該依據各個省份的實際生態環境情況去制定相應的經濟發展戰略，不能盲目跟風。

作為中國的經濟大省，江蘇省的沿海城市與全國其他沿海城市經濟差距很大，甚至與許多省內非沿海城市也存在較大差距。一個共同的經濟體內部的經濟發展應該是大致相同的，也就是一個統一的經濟體內部的各個地區，他們的市場和賴以發展的經濟環境不應該存在很明顯的金融生態系統的差異。因此，及時地了解江蘇沿海地區金融生態環境與經濟增長之間的關系有助于找出以上問題的原因。

二、模型介紹

面板數據模型同時利用時間和截面兩個維度的信息，反映出比單獨使用截面數據或時間數序列數據更為真實的變量變化過程，能夠更好地刻畫出個體效應，避免因為信息遺漏造成的偏差，使估計結果更加真實。面板數據模型主要有以下三種類型：

第一：固定效應模型

該模型是將個體效應反映在模型截距項的差異上，模型回歸形式如下：yit=xitβ+αi+εit，αi表示不同的截面個體截距是不同的，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，這樣就可以運用普通最小二乘法估計參數了。

第二，隨機效應模型

隨機效應模型假定觀察不到的個體效應存在，并與解釋變量不相關。其形式可以表示如下：yit=xitβ+α+ui+εit，該隨機效應模型設定為ui為一個隨機元素。隨機效應模型可以看成是一個擁有隨機常數項的模型。

第三，變系數模型

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，也可以在時點或者截面個體上是有差異的。當存在差異影響時，變截距模型是無法反應的，此時，需要考慮用變系數模型。變系數模型的基本形式是：yit=xitβ+αi+εit，根據截距項與解釋變量的相互關系，固定影響變異系數模型與隨機影響變異系數模型也是變系數模型的一種。

三、實證研究

（一）指標的選擇和數據說明

結合江蘇省沿海三市的經濟與金融發展情況，主要選取金融主體、經濟基礎、政策環境、社會保障和文化五個一級因子對金融生態環境影響進行研究。基于數據的可得性和指標的相關性，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。

反映經濟增長的指標主要是選取人均GDP，人均GDP常作為發展經濟學中衡量經濟發展狀況的指標，是了解一個地區宏觀經濟狀況的有效工具。

本文原始數據來自江蘇省統計局以及各地方性的統計信息網、統計年鑒和WIND數據庫，使用的統計軟件是Eviews60。考慮到數據的可獲得性和數據的代表性，同時也為了消除指標間的量綱差異，將原始數據進行標準化處理。本文所選取的時間區間為2005―2015年。

（二）金融生態指數的測度

金融生態指數的測度主要分兩步進行，一是對一級因子采用AHP方法來確定各項的指標權重，二是對二三級因子運用算數均值的方法進行加權求和。通過閱讀大量的相關文獻進行主觀矩陣的判斷，然后通過層析分析法確定的一級因子各項權重的計算方法如下：

構造主觀判斷矩陣：通過閱讀大量的相關文獻和綜合分析，不難看出，金融主體、經濟基礎、政策環境、社會保障和文化對金融生態指標都有不同程度的影響，但是有主有次，結合二三級因子的數據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

計算客觀判斷矩陣。結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）。

計算歸一化權重。由特征向量我們可以得到金融生態環境指標一級因子的權重值是：wx=（04974，02631，01347，00751，00297）。將標準化之后的數據與其權重進行逐級的加權求和，得到金融生態環境綜合指數（X）與經濟增長綜合指數（Y）。

（三）Granger因果檢驗

為了進一步證明金融生態環境與經濟增長是相互影響、相互作用的。通過Eviews60來判定兩者的格蘭杰因果關系，檢驗結果如下。

在5%的顯著水平下，金融生態綜合指標是經濟增長綜合指標的格蘭杰原因，相反，經濟增長綜合指標也是金融生態綜合指標的格蘭杰原因。也就是說，金融生態和經濟增長是相互影響、相互作用的。那么可以建立面板數據模型進一步去研究金融生態對經濟增長的影響。

（四）面板數據模型的構建

首先為了確定面板模型的影響形式，對面板數據進行Hausman檢驗，從而選擇是采用固定效應模型還是隨機效應模型。

根據金融生態與經濟增長綜合指標的相關數據進行Hausman檢驗，檢驗的結果如表3：

從表3中的Hausman檢驗結果可以看出，P值小于005，所以應該拒絕原假設（隨機效應模型），因此選擇固定效應模型。

在確定選擇固定效應模型后，通過F檢驗來確定面板模型形式；

H01：α1=α2=……=αn和β1=β2=……=βN

H02：β1=β2=……=βN

H01成立時的自由度為NT-1-k，所對應的回歸模型的殘差平方和為S1；

H02成立時的自由度為NT-N-k，所對應的回歸模型的殘差平方和為S2；

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

H01對應的統計量

F1=（S3-S1）/[（N-1）（k+1）]S1（NT-N（k+1））

～F[（N-1）（k+1），N（T-k-1）]

H02對應的統計量

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，那么則采用常系數回歸模型；否則，采用變系數模型。

計算F1=325487，F2=167547，其中N=4，k=3，T=10，查F005（12，24）=218，F005（9，24）=230，因此在5%的顯著性水平上應該同時拒絕假設H01和H02，所以應選擇變系數模型。

（五）實證結果分析

以經濟增長指數Y為因變量，以金融生態環境指數為自變量，為了更好地了解金融生態環境各指標對經濟增長指數的影響，將金融生態環境分成金融主體x1，經濟基礎x2和社會環境x3（包含了政策環境、社會保障和文化）三部分，構建變系數模型，結果見表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可以分析金融生態環境對經濟增長的具體影響有以下幾點：

1從模型估計結果可以看出，金融主體在整個金融生態綜合指數中的影響是最大的，其次是經濟基礎和社會環境（政策環境、社會保障、文化）。從截距項來看，江蘇沿海三市的取值都大于0，說明江蘇省沿海金融生態對經濟增長的效應是比較強的，其中影響最為突出的是南通，高達12238965，是鹽城的15倍，是連云港的17倍。而影響經濟發展的幾個要素都可以歸類到金融生態環境的各影響因子中，所以優化金融生態環境對促進江蘇省沿海經濟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，說明這三市金融主體的變化對經濟增長影響顯著，與經濟增長都是正相關，值越大，對經濟增長的貢獻也就越大。金融主體主要從銀行業、保險業、證券業的相關指標進行分析。金融主體所代表的金融生態指數對連云港的影響最大，金融生態指數每增加1%，對應的GDP會增加1349%。

3從經濟基礎Lnx2來看，和金融主體一樣，指標都為正數。這說明一個城市的開放程度、產業結構、集約化程度在一定程度上都對經濟增長產生正相關影響。

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

四、結論與建議

從實證分析結論可以看出，江蘇省沿海的金融生態環境與經濟增長呈正相關關系，并且二者相互影響、相互作用。從金融生態綜合指標來看，金融主體對經濟增長的影響最大，即在國內生產總值一定的基礎上，如果金融體系越發達，那么金融資產價值也就越大，從而金融相關系數也會越高。這也很好地體現了金融機構對經濟增長的資金支持力度。也正是因為金融機構對地區發展的不懈支持，江蘇沿海三市經濟才能持續穩定發展，也從側面說明了除了銀行外，保險業和證券業對經濟的促進作用，也應該大力扶持這兩個行業。

[參考文獻]

[1]溫智良區域金融生態環境與經濟增長效率實證研究：以江西為例[J]武漢金融，2008（8）

[2]于平，逯進，陳希蘭，盧佳瑛金融生態和經濟增長的關系――基于我國省域面板數據的實證研究 [J]青島大學學報，2013（11）

[3]周瓊江蘇金融生態與經濟增長的關系研究[D]南京航空航天大學，2009

篇9

“十二五”以來，我國一直將“健全國家金融體系、完善金融服務功能”作為金融改革與發展的重點，而農村金融作為我國整個金融體系的薄弱環節，已經成為金融改革的重要突破口。實際上，農村金融作為現代農業經濟資源配置的核心，不僅起到資金融通和優化資源配置的作用，同時也是發展中國家農業經濟發展的重要支撐和先決因素。然而，金融發展對經濟增長的影響通常具有門檻效應[1]，特別是在現階段的中國，由城鄉二元經濟結構引發的城鄉二元金融結構問題凸顯，而政府計劃性金融制度安排和金融資金趨利性又進一步深化了城鄉間的金融割裂，導致金融資源配置畸形和效率低下；此外，農村金融基礎設施匱乏，金融服務產品單一，以及農民金融服務意識淡薄決定了我國農村金融體系建設仍有待長期的發展與完善。因此，從農村金融發展的視角出發，探究其對農業經濟增長的影響機制，檢驗農村金融發展的“收入門檻效應”，不僅有助于各級政府識別現階段不同地區農村金融發展與區域經濟增長之間的依存關系，還可以為政府決策部門的金融扶貧政策選擇提供相應依據，從而從根本上改變我國城鄉二元金融結構現狀，優化農村金融生態發展，促進以大型商業銀行為核心的城市金融機構與以農村信用社和儲蓄銀行為核心的農村金融機構有機統籌，做到取之于“農”、用之于“農”，有效遏制我國農村地區大量金融資源流向城鎮地區和非農領域等金融風險較高的部門，在最大程度上控制我國金融體系整體風險，并有效發揮金融扶貧政策的局部調控效應，使我國在經濟發展“新常態”時期內的金融體系建設更多地致力于“可得性”金融服務的深化與推廣，構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為宏觀經濟發掘新的增長點。

二、文獻綜述與研究假設

目前有關農村金融發展對農業經濟增長影響機制的研究正在深入進行，其演變主要歷經以下三種理論：農業信貸補貼理論、農村金融市場理論和農村金融市場不完全競爭理論。

早期，農業信貸補貼理論指出，由于農業具有收入不確定、投資周期長和收益率較低等結構性特征，所以其無法成為以股東財富最大化為目標的商業銀行的融資對象。因此，為縮小農業與其他產業之間的結構性收入差距，政府和財政部門應對農業的融資利率進行必要補貼，并采取信貸供給先行的農村金融戰略。King和Levine指出，發展中國家的農業信貸補貼會對農業經濟增長產生顯著的抑制效應，這說明政府過度干預農村金融會產生顯著的負外部性[2]。Besley認為發展中國家存在農村金融機構缺失，信貸制度不健全等限制，所以農村信貸主要是依靠高利率的非正式金融機構，因此，只有確保信貸供給政策先行，并采用適當的補貼來彌補農村金融機構的利潤損失，才能有利于農村金融的可持續發展[3]。溫濤等對我國1952—2003年間的數據樣本進行檢驗，結果發現計劃經濟體制下的農村金融在很大程度上內生于政府財政，導致其資金利用效率低下；而在市場經濟體制改革初期，金融資金受其趨利性特征的影響又進一步深化了城鄉之間的金融割裂[4]。此外，農村金融發展附帶的一些非金融服務項目還會增加金融服務的運營成本，這會在一定程度上降低其盈利水平[5]。

然而，農業信貸補貼理論假設農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，但隨著農村普惠金融的不斷發展，這一假設與現實狀況已逐漸相悖。因此，農村金融市場論應運而生，Cetorelli和Gambera證明了非競爭性銀行(如農業政策銀行和農村信用合作社)與其在弱勢貸款群體中的信貸牽頭地位具有因果關系，因此，利率非市場化和高度依賴補貼成為農村金融的典型特征，這會降低其自身的盈利能力[6]。徐忠的研究認為，利率扭曲是造成農村信貸缺失的主導原因，人為壓低存款利率，政府過度控制農村金融風險等行為都會降低農村儲蓄者的存款意愿，從而阻礙了農村金融發展[7]。此外，姚耀軍同樣指出，中國農村金融發展的宏觀表象嚴重背離其微觀基礎，就宏觀表象而言，農村金融發展(主要是農業存貸款總額、農村金融機構資產總額以及農村金融機構網點數量等)與農業經濟增長的變化趨勢高度吻合；而就微觀基礎而言，由于農村金融機構種類單一，農村信用社壟斷地位凸顯，導致農村金融市場缺乏競爭，并嚴重降低了農村居民的實際貸款意愿[8]。

20世紀90年代以來，人們越發意識到，發展中國家的農村金融市場遠非完全競爭市場，因此，不完全競爭市場論逐漸進入了學者與政策制定者的視野。不完全競爭市場論強調政府應適時適度地對農村金融市場進行補貼與規制，同時確保農村金融機構的競爭性與自身盈利能力，并采用定向調控的方式引導農村金融的發展方向(如補貼農村金融機構網點建設、補貼人員培訓成本和增設服務項目等)。Hoff指出，農村金融市場是典型的非完全競爭市場，因此，政府應當適當介入，并對農村借款人進行有效監督，這可以在促進農村金融發展的同時維護農村金融機構的競爭性[1]。Paxton和Cuevas認為，每一筆金融服務都存在一定的固定成本，對農村居民開展的小規模存貸款業務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，同時也會降低整個體系的風險承受力，因此，這種定向扶持是激活農村金融對農業經濟增長拉動效應的有效方式[9]。

此外，還有許多國內學者針對我國的現實國情分析了二者間的關系。林毅夫等指出，在我國，農村金融內生于經濟發展戰略，其可以有效盤活農村經濟資源，提高資金利用效率，從而長期拉動經濟增長。[10]焦瑾璞指出，切實改善對弱勢群體特別是農村居民的金融服務，是推進農村金融發展和普惠金融的關鍵，這對改善現階段的城鄉二元化金融結構，降低金融排斥，進而為經濟增長打造新引擎具有重要意義。[11]然而，我國農村經濟發展面臨的最大困境就在于農村金融與農村經濟關系間的結構性失調，這主要體現在農村經濟發展過程中出現的階段性金融需求與現實金融服務間的錯配[12]。謝瓊等證實了現階段我國農村金融的功能與農村經濟發展的目標間仍存在偏離。[13]而西部地區的面板分析結果表明，農村金融效率的提升會顯著抑制農業經濟發展[14]。實際上，出現這種“反事實”現象主要是因為，該地區整體金融效率偏低，因此無法對農村經濟增長產生顯著的拉動效應，而當將面板擴展至全國后即可發現，地區間農村金融效率呈現出顯著差異，其中東部地區的金融效率顯著高于西部地區，其對農業經濟增長的影響機制也不盡相同[15]。

通過回顧以往有關農村金融發展與農業經濟增長關聯機制的研究不難發現，相關研究受制于樣本時間跨度和地域性差異的影響，并未形成一致結論，這意味著農村金融發展對農業經濟增長的影響機制可能存在著非線性特征亦或是時變性特性[16]。有鑒于此，本文將對這一問題進行深入研究，并據此提出研究假設1。

假設1：樣本期間內，農村金融發展對農業經濟增長的影響機制存在結構性變化，這一影響機制將會隨著金融相關率水平的變化呈現出顯著的“門檻效應”。

此外，早期的研究多數認為，我國農村金融發展內生于政府計劃性財政支出，導致其資金利用效率低下，此時農村金融發展反而對農業經濟增長產生了顯著的“抑制效應”[4]。基于此，本文提出研究假設2。

假設2：在農村金融發展水平低于門檻值時，農村金融發展對農業經濟增長具有顯著的“抑制效應”，其與農村金融市場理論的觀點一致。

最后，近期的許多研究表明，隨著我國農村普惠金融水平的不斷提升，許多地區的農村金融發展已經對農業經濟增長產生了顯著的“拉動效應”[17]，因此，本文提出假設3。

假設3：在農村金融發展水平超越門檻值后，農村金融發展對農業經濟增長具有顯著的拉動作用，其與農村金融市場不完全競爭理論的觀點高度耦合。

基于以上三個假設，本文將使用非線性分省面板數據模型探究樣本期間內我國農村金融發展對農業經濟增長的影響機制，甄別農村金融發展對農業經濟增長的影響是否存在結構性變化，從而檢驗農業信貸補貼論、農村金融市場論和不完全競爭理論在我國現階段農村金融發展過程中的適用性，進而為政府和財政部門的支農政策提供理論支持和經驗證據。

三、理論分析與模型設定

(一)帕加諾模型

Pagano在AK增長模型的基礎上引入了金融部門，隨后這一模型為金融發展與經濟增長間依存機制的相關研究提供了一個理論框架，并已逐步成為現代金融理論中最具代表性的理論模型[18]。此后，許多學者對這一模型進行了拓展研究，董曉林將利率因素加入至該模型當中，考察了資本成本在這一傳導機制中的作用[19]；冉光和與張金鑫將時間啞變量置于該模型當中，發現1994年后，我國農村金融發展與農業經濟增長間的作用機制發生了明顯的結構性改變。[20]回顧有關帕加諾模型的相關研究不難發現，現有關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行拓展；二是對該模型的估計方法進行改進，進而驗證模型的非線性特征。然而，直接將相應變量加入至帕加諾模型缺乏相應的理論基礎，這將直接影響研究結論的穩健性。鑒于此，本文將延續冉光和與張金鑫的研究思路，對帕加諾模型進行非線性拓展，從而考察我國農村金融發展對農業經濟增長影響的動態特征和機制轉變[20]。

Pagano假設在一個封閉的經濟體中，一國只生產一種產品，其既可以用于投資也可以用于消費，資產每期以固定的速率δ折舊，于是內生增長模型可寫為如下形式：

其中，Yt代表t期總產出，A代表技術水平，而Kt是當期總資本存量。進一步根據資本存量與投資和折舊之間的關系可得：

這樣，t期的經濟增長率gt可表達為：

將(1)式和(2)式代入(3)式，整理可得：

在內生增長模型框架下，市場達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，非完全儲蓄現象在金融體系中廣泛存在[18]，假設其漏出比率為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)式可得到穩態下經濟增長率的表達式：

取對數后可得：

此式即是Pagano給出的基本模型，其中A代表資本邊際貢獻率，θ代表投資儲蓄比，s代表儲蓄率，他們共同決定經濟增速。基于此，我們采用農村投資比率tz(農業固定資產投資/農業增加值)作為資本邊際貢獻率的替代變量；而金融發展通常包括金融規模擴大和金融效率提高兩個方面，在此我們使用農村金融相關率fir(農村金融貸款總量/農業增加值)作為農村金融規模的替代變量，選取貸存比率dc(農村金融貸款/農村金融存款)作為農村金融效率的替代變量；最后令農村存款比率ck(農村金融存款/農業增加值)作為儲蓄率s的變量。而農業經濟增長可以用農林牧漁業增加值總和y進行度量。基于此，本文的基本計量模型可表達如下：

其中，fir、dc、ck、tz分別代表農村金融相關率、農村金融貸存比、農村存款比率和農村投資比率。此外，為確保比率指標的原始屬性，同時使回歸結果更具經濟含義，我們在此并未對比率指標進行取對數處理。

(二)帕加諾模型的平滑遷移拓展

非線性面板數據建模一直是學者們的重點研究領域，Hansen最早構建了PTR模型，并為這一領域內的研究奠定了重要基礎[21]。王書華和蘇劍使用PTR模型進行研究，發現農村金融資產配置具有顯著的“收入門檻效應”[17]；張兵等基于省級PTR模型的研究結果同樣表明：農村金融發展對農村居民收入差距的影響機理較為復雜，其會隨著農村金融發展水平值的變化而發生結構性改變[16]。然而，PTR模型有一個明顯的弊端，即：門限值是一個點估計，這會導致樣本在門檻值附近出現跳躍式轉換。然而在現實經濟問題中，經濟變量間作用機制的轉換更多地體現為平滑遷移過程。因此，為克服這一問題，González等構建了面板平滑遷移模型(PLSTR)，它可以令數據在不同樣本之間進行平滑轉換，從而克服了PTR模型中樣本在門限值附近出現跳躍性轉換的弊端[22]。其基本形式設定如下：

這里，為轉移函數，它是可觀測狀態變量fir的單調有界函數。由于本文旨在考察農村金融發展對農業經濟增長的影響是否存在門檻效應，因此，我們以農村金融相關率fir作為轉移變量。γ代表指數平滑斜率系數，其大小決定了機制遷移速度。是轉移函數中的位置參量，決定了機制遷移的位置，εit代表隨機擾動項。在此，我們令農村金融相關率、貸存比率、存款比率和投資比率均服從邏輯平滑遷移過程，同時令農村金融相關率fir作為轉移變量，進而檢驗農村金融發展對農業經濟增長影響的門檻效應。

在上述假設前提下，農村金融相關率對農業經濟增長的影響系數可表達為：

在PLSTR面板模型建模過程中，首先需要對數據的非線性特征進行檢驗，如果統計檢驗拒絕線性原假設，則表明使用PLSTR模型進行參數估計是有效的。此外，在此之后還需要進一步對殘余部分進行非線性檢驗，以確定轉移函數的個數，如果LM檢驗表明存在殘余非線性部分，則需要繼續增加轉移函數和轉移變量，直至模型不再含有剩余的非線性部分。模型檢驗完成后，我們將運用非線性最小二乘法(NLS)進行面板參數估計；最后，我們將根據參數估計結果分析樣本期間我國農村金融發展對農業經濟增長的動態影響機制。

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

可以看出，此時。當時，PLSTR面板模型收斂于區制1(式15)；而當時，PLSTR面板模型收斂于區制2(式16)。這里，參數γ決定了PLSTR模型的機制遷移速度，當γ取值較小時，機制遷移速度較慢，面板模型在機制遷移過程中將體現出較為復雜的非線性特征；而當γ取值較大時，模型的機制遷移幾乎是在瞬間完成，此時PLSTR模型與PTR模型較為相近。本文的主要實證結果由MATLAB2013a計算完成。

四、實證研究與結果

(一)數據選取與說明

本文選取我國25個省份1999—2013年的年度數據作為面板回歸樣本。數據樣本包括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；同時還包括：吉林、黑龍江、內蒙古、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。具體指標描述如下：

1.農業經濟增長。我們采用農林牧漁業增加值總和作為農業經濟增長的替代變量，并以1999年作為基期，使用各地區農村商品零售價格指數對其進行平減，進而得到各省份實際農業增加值數據，記為y，單位為億元。

2.農業金融發展規模。我們使用農村金融相關率(農村金融貸款總量/農業增加值，fir)作為農村金融規模的替代變量。這一指標能夠有效反應普惠金融對農業經濟增長的拉動效應，并且其與農業經濟增長之間可能存在顯著的非線性依存機制，即門檻效應。

3.農村金融效率。本文選取貸存比率(農村金融貸款/農村金融存款，dc)作為農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而拉動農業經濟增長；但同時，如果農業貸款壞賬率較高，過高的貸存比率就會對金融穩定造成威脅，進而體現出對農業經濟增長的抑制效應。

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

5.資本邊際貢獻率。選取農業投資比率(農業固定資產投資/農業增加值，tz)作為資本邊際貢獻率的替代變量，這一變量根據Pagano(1993)[18]給出，是本文的控制變量。以上數據來源于《中國統計年鑒》《金融統計年鑒》《中國農村統計年鑒》以及國家統計局網站。

(二)數據描述性統計

表1描述性統計分析

觀察表1可以看出，東部、中部、西部地區各項經濟發展指標的統計特征存在顯著差異。就農業經濟增加值而言，樣本期間內東部地區省份農業經濟增加值平均為1188.16億元；中部地區略低于東部地區，平均約為933億元；而西部地區農業經濟增加值顯著低于二者，平均僅為563.59億元。這說明我國西部農業經濟發展較弱的態勢依舊顯著，因此，政府和財政部門仍需進一步支持其農業經濟發展，采取定向調整措施，從而提高資源利用效率，也為打造新型經濟增長引擎提供必要支持。此外，金融相關率的描述性統計顯示，東部地區金融相關率平均為0.916，中部地區為0.768，而西部地區介于二者之間，為0.846。這一點與農業經濟增加值的變化相異。實際上，金融相關率反映了地區金融發展規模，但并不能代表金融效率，盡管受政策扶持等諸多因素影響，西部地區的金融發展規模已經顯著改善，但其較低的農業增加值則說明西部地區農村金融發展對農業經濟增長的拉動效應依舊較弱。從貸存比的角度而言，西部地區的資金利用率最高，而東部與中部地區基本相當，這主要是受國家戰略和相關產業政策的影響，使得西部地區的資金使用率高于東部和中部地區。最后，存款比率的統計分析結果顯示，東部地區的存款比率顯著高于西部和中部地區，這一點與農業經濟增加值的統計結果一致。

以上描述性統計分析表明，我國不同地區農業經濟增長與農村金融發展間的依存關系具有較大的結構性差異，其走勢變化并不一致，并且可能呈現出一定的非線性特征。因此，下文中將采取PLSTR(平滑遷移面板)模型對此進行進一步實證檢驗。

(三)PLSTR模型估計結果

根據前文中提出的假設進行PLSTR模型估計，進一步驗證3個研究假設的合意性。本文采用González等[22]提出的方法檢驗根據式(10)構建的面板回歸模型是否存在非線性特征。

表2給出了PLSTR模型的非線性檢驗結果。可以看出，三種統計檢驗均能在5%的顯著水平下拒絕原假設，表明模型具有顯著的非線性特征，并且至少含有一個轉移函數。因此，我們將進一步對模型是否存在殘余非線性進行檢驗，從而確保構建PLSTR模型的合理性。

表3給出了PLSTR模型的殘余非線性檢驗結果，其原假設為PLSTR模型僅存在一個轉移函數。可以看出，三種統計檢驗均無法在10%的顯著水平下拒絕原假設，因此，我們接受模型僅含有一個轉移變量fir的假設，并采用僅具有一個轉移函數的PLSTR模型驗證樣本期間內我國農村金融發展對農業經濟增長影響的門檻效應。

表4給出了PLSTR模型的估計結果，觀察表4可以看出，四組系數(β1和β11；β2和β21；β3和β31；β4和β41)取值均相反，表明樣本期間內，農村金融發展對農業經濟增長的影響存在顯著的門檻效應。為進一步刻畫農村金融發展對農業經濟增長的影響機制，在此根據PLSTR模型的估計結果給出其顯性表達：

從估計結果來看，農村金融相關率和貸存比在兩區制內的估計系數均能在1%的顯著水平下拒絕原假設，表明農村金融發展對農業經濟增長的影響機制存在顯著的“門檻效應”，假設1得以驗證。而農村金融相關率的門檻估計值較小，僅為0.4416，表明多數樣本均處于門限水平之上，即與區制2中刻畫的影響機制更為接近。為進一步說明，我們將給出區制1與區制2的線性表達形式：

式(15)與(16)分別給出了區制1與區制2中的系數估計結果，其中，當fir低于門檻水平時，農村金融發展與農業經濟增長間的依存關系接近于區制1；而當fir取值較高時，農村金融發展與農業經濟增長間的依存關系接近于區制2。式(15)中，fir的系數為-1.89并在1%的顯著水平下拒絕原假設，表明當農村金融相關率較低時，其對農業經濟增長具有顯著的負向影響，這說明在農村金融發展起步階段，盡管政府和財政部門希望通過對農村金融部門的補貼與扶植來盤活農村剩余經濟資源，但由于此段期間內農村金融基礎設施匱乏，金融產品與服務種類單一，市場缺乏相應的競爭機制，導致“可得性”金融產品與服務嚴重匱乏，反而降低了農村居民的金融參與意愿。貸存比的系數為0.37并在1%的顯著水平下拒絕原假設，說明在農村金融發展初期，資金利用率的提高能夠對農業經濟增長產生顯著的推動作用；而存款比率系數估計值較小，并且無法在10%的顯著水平下拒絕原假設則意味著在農村金融發展初期，農村存款水平的提高對農業經濟增長的影響較小，無法起到拉動農業經濟增長的作用；最后，投資占比的回歸系數為0.36，并在10%的顯著水平下顯著，表明在農村金融發展初期，政府財政直接用于農業固定資產投資的款項依舊是農業經濟增長的源動力，其對農業經濟增長的拉動效應顯著高于相關金融補貼。通過以上實證結果可以看出，當農村金融發展(fir)水平低于門檻值時，其對農業經濟增長的影響機理與農村金融市場論的觀點不謀而合，表明假設2同樣具有合意性。同時這一結果也說明，在農村金融發展初期，政府和財政部門應當充分發揮市場機制引導資源流向的作用，減少相應的制度性安排，切實致力于“可得性”金融服務的深化與推廣，降低農村金融門檻，提高農村居民的金融參與意愿。

圖1顯示，當fir低于門檻值0.4416時，轉移函數取值小于0.5，此時方程與式(15)更為接近；而當fir高于門檻值時，轉移函數取值大于0.5，此時方程與式(16)更為接近，實際上，觀察圖1不難發現，當fir>0.8時，轉移函數取值接近于1，因此fir大于0.8的樣本點基本與式(16)描述的狀態相同。

而狀態轉移后的估計結果顯示，β11=2.102并在1%的置信水平下顯著，說明隨著農村金融發展的不斷完善，普惠金融將會對農業經濟增長產生顯著的拉動效應；而β21的估計結果為-0.363，則意味著當農村金融發展脫離初級階段后，僅通過提高金融利用率已經無法對農業經濟增長產生顯著的拉動作用；β31與β41的估計結果未能通過顯著性檢驗則表明其在樣本期間內不存在明顯的機制遷移特征。以上分析表明，隨著農村金融發展的不斷完善，提高資金使用率對農業經濟增長的推進作用將會面臨瓶頸，僅從提高存款利用率的角度已無法顯著拉動農業經濟增長，相反，提高金融相關率水平則能夠有效拉動農業經濟增長，這一點與農村金融市場不完全競爭理論的觀點高度吻合，從而使假設3得以驗證。此外，上述結果同樣表明，當農村金融發展超過門檻水平后，農村居民對金融產品與金融服務具有了一定的理解與認識，產生了較強的金融參與意愿。因此，政府和財政部門更應抓緊推進普惠金融工程的落實，提高財政支農資金的局部著力特征及其使用效率，加強農村金融基礎設施的建設與完善、豐富農村金融產品的層次與種類，切實滿足農村居民的金融需求；同時鼓勵相關金融產品創新，強化農村金融服務的事前引導機制，盡最大限度整合農村剩余經濟資源，促進農村金融市場的長久健康發展，并為長期促進農業經濟增長打造堅實基礎。

五、結論與政策含義

盡管國內外有關農村金融發展對農業經濟增長影響機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基礎，探究農村金融發展對農業經濟增長影響機制的研究仍不多見。本文正是從這一視角出發，采用PLSTR模型探究了農村金融發展對農業經濟增長的影響機理，驗證了二者之間作用機制的“門檻效應”；并檢驗了相關理論(農村金融市場理論、非完全競爭理論)在我國農村金融發展過程中的適用性；同時有效地闡釋了以往學者采取靜態面板模型進行研究時，獲取結論不盡相同的根本原因，從而彌補了這一領域內的研究空缺。

本文首先對我國1999—2013年間的省級面板數據進行描述性統計分析，結果發現東部、中部、西部地區各項經濟發展指標的統計特征具有顯著差異，其中，就農業經濟增加值而言，東部和中部地區顯著高于西部地區，表明我國西部農業經濟發展較弱的態勢依然顯著；而金融相關率的統計數字與上述規律相悖，東部地區金融相關率平均為0.916，中部地區為0.768，而西部地區介于二者之間，為0.846，說明在不同地區金融相關率對農業經濟發展的影響機制有所不同。此外，貸存比的統計數據顯示，西部地區的資金利用率最高，而東部與中部地區基本持平，表明發展西部農村金融已經成為農村金融體系建設的重中之重。

隨后，本文采用非線性面板平滑遷移模型(PLSTR)對樣本期間內農村金融發展與農業經濟增長間的影響機制進行實證檢驗，研究結果表明：農村金融相關率、貸存比以及投資比率對農業經濟增長都存在顯著的非線性影響。其中，在農村金融發展初級階段，提高資金利用效率能夠有效拉動農業經濟增長，但提高農村金融相關率會對農業經濟增長產生顯著的抑制效應，這一點與農村金融市場理論高度一致；而在農村金融相關率遠超過門檻值后，農村金融相關率對農業經濟發展的影響機制將明顯反轉①，表明二者間的作用機制會隨著普惠金融的推進而不斷演變，這一結論與不完全競爭理論的觀點高度耦合。

篇10

這些成果為研究我國區域低碳發展的特征與目標提供了重要線索，但由于脫鉤概念僅強調經濟與碳排放“增量”的比較，忽略了碳排放“存量”和能源消費結構對低碳發展的影響，故存在一定的片面性；另一種低碳發展特征與目標定位方式考慮了區域碳排放強度與經濟增長的關系。如岳超［6］依據區域碳排放強度和經濟增長速度的關系，將區域低碳發展狀況分為高排放高增長、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”與經濟增長的關系，卻忽略了碳排放“增量”對經濟增長的影響。本文在現有研究成果的基礎上，從碳排放增長與經濟增長脫鉤程度、能源消費結構變化、碳排放強度與經濟增長關系3個角度，對我國各省區低碳發展特征進行了分析，采用聚類分析法綜合3種特征分型結果，并對我國各省區低碳發展的目標進行了初步定位。

基于碳排放增長與經濟增長脫鉤程度的省區低碳發展特征

1碳排放增長與經濟增長脫鉤程度的衡量指標———低碳發展彈性系數

以經濟合作與發展組織關于經濟增長與環境污染的脫鉤概念為基礎，某些學者提出了“脫鉤彈性系數”指標（碳排放指標增長率與經濟增長率的比值）。Tap－io［4］和李忠民等［7］又對該指標進行分解，引入交通運輸量、能源消費量和工業增加值等中間變量，從不同側面反映了碳排放增長與經濟增長的彈性關系。在現有研究的基礎上，本文設計低碳發展彈性系數（Eld）指標，用以衡量各省區碳排放增長與經濟增長的脫鉤程度。根據《中國能源統計年鑒》［8］確定12種能源類型：煤炭、焦炭、焦爐煤氣、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。各地區對每種能源的消耗量可以從《中國能源統計年鑒》中直接獲得數據。每種能源碳排放系數的計算公式為：碳排放系數（K）＝含碳量碳氧化率平均低位發熱量（3）式（3）中，各種能源的平均低位發熱量可從《中國能源統計年鑒》中獲得數據，含碳量和碳氧化率來自《2006年IPCC國家溫室氣體清單指南》［9］。依據式（3）得出各種能源的碳排放系數，見表1。

2各省區低碳發展彈性系數的計算結果及特征分析

本文從《中國能源統計年鑒》中選取了除以外我國內地30個省、市、自治區2005－2009年分地區能源消耗量的數據，計算出各省區2006－2009年的年碳排放增長率（數據略）。人均GDP由2006－2010年《中國統計年鑒》中地區生產總值及地區總人口數據得出，進一步計算得到各地區2006－2009年的年人均GDP增長率（按不變價格計算）［8］。根據式（1），計算得出各地區低碳發展彈性系數（見表2）。為了避免短期數據的偶然性，本文采用5年內的計算值。參考Tapio［4］和陳飛等人［10］提出的低碳發展脫鉤程度分類方式，本文定義了5種低碳發展情景，并根據我國2005－2009年各省區低碳發展彈性系數的計算結果，對各地區低碳發展的特征進行了界定（見表2）。從中看出，我國大部分省區尚未實現向脫鉤發展的轉變，只有7個省市實現弱脫鉤發展，即經濟增長方式正在向低碳節能方向發展。我國內地除外的30個省市中，只有山西省達到了基本脫鉤發展的標準，其低碳發展彈性系數顯著低于其它省區。經分析發現，由于山西省從2008年起開始進行產業結構調整，大規模重組并關閉煤炭企業，導致該省經濟大幅下滑。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增長成為必然，這就導致山西彈性系數明顯較低，且年幾何平均值出現負值。

基于終端能源碳排放結構彈性系數的省區低碳發展特征分析終端能源消費結構是體現區域低碳發展特征的重要方面。李忠民［7］曾試圖將低碳發展彈性系數進一步分解為3部分，用各地區的直接碳排放量與能源消費量增加之間的彈性系數反映能源消費結構。但由于受二次能源生產與消費的影響，這種彈性關系并不能真實反映當地的能源消費結構。為此，本文提出使用各地區的終端能源消耗量計算能源碳排放結構彈性系數（Ecs）。若某地區終端能源消費中的化石能源比例下降或非化石能源消費比例上升，會使該地區碳排放結構彈性系數下降。本文從《中國能源統計年鑒》中選取了除外我國內地30個省、市、自治區2005－2009年13種主要能源終端消耗量數據，進行各省區碳排放結構彈性系數的計算，結果見表3。通過表3可以發現，我國內地30個省區的能源碳排放結構均無明顯改善。即使是能源碳排放結構有所改善的20個省區，改善程度也非常有限，大部分基本持平。這說明，由于清潔能源的發展速度滯后于經濟發展速度，我國整體的能源碳排放結構并未得到有效改善，這是影響我國碳排放目標實現的一大瓶頸。

基于碳排放強度與經濟增長關系的區域低碳發展特征

低碳發展彈性系數指標和終端能源碳排放結構彈性系數指標，雖然能有效反映地區碳排放增長與經濟增長的脫鉤程度，以及終端能源消費結構的變化情況，但兩者衡量的是各因素增長率之間的相對變化，并不能反映各地區資源稟賦、產業結構、消費結構、社會發展水平和發展階段對現階段碳排放（即“存量”碳排放）水平帶來的影響。在制定地區低碳發展目標時，應綜合考慮“存量”與“增量”碳排放特征，而碳排放強度指標（單位GDP碳排放量）能夠較好地反映社會發展水平和地區開發程度對碳排放水平的綜合影響。本文參考岳超［6］等提出的碳強度與經濟發展對比方法，將碳排放強度與經濟增長關系類型分為4種模式。在經濟增長指標選取方面，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年平均碳強度和人均GDP年均增長率（按不變價格計算）的對比，將各省區碳排放強度與經濟增長的關系分為高碳低增長、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，東部沿海發達地區，如上海、北京、天津、廣東和浙江由于產業結構較為合理，發展方式逐步向集約化方向轉變，因此明顯具有低碳低增長的特征；而東北三省和西部省區，如內蒙古、寧夏、陜西、青海、新疆、甘肅和貴州由于長期采用粗放的發展方式，因此呈現明顯的高碳特征。

我國各省區低碳發展目標定位

基于上述低碳發展特征分析結果，采用聚類分析方法，將我國內地（除外）30個省區分成6類（見表4）。這種分類便于從國家層面對各省區的碳排放水平和減排潛力進行估計，從而確定各省區共同而有差別的低碳發展目標和責任。按照在改善能源消費結構的基礎上，先控制“增量”碳排放、再消化“存量”碳排放的原則，我們對各類省區的低碳發展目標作了總結。