1、1科技投入对中国经济增长的贡献及互动机制研究摘要： 科技投入与经济增长之间存在着密不可分的联系，基于19952012 年 R&D经费支出、R&D 人员数、资本投入与 GDP的统计数据，利用广义柯布道格拉斯生产函数、误差修正模型、VAR 模型，分析各变量间的长期均衡关系及科技投入与经济增长之间的互动机制。研究表明：R&D经费内部支出是经济增长的源泉；经济系统具有稳定的长期均衡关系，存在显著的调节机制；R&D 经费内部支出和经济增长互为格兰杰因果关系，R&D人员数不是引起经济增长的格兰杰原因；R&D 经费内部支出对经济增长有显著的正向效应。最后，针对所得结论提出相应的政策建议。 Abstract：
2、 There is close relationship between investment in science and technology and economic growth. Based on the statistics of R&D spending， number of R&D personnel， capital investment and GDP in1995-2012， this paper uses the generalized Cobb - Douglas production function， error correction model， VAR mod
3、el to analyze the long-term equilibrium relationship between the variables and the interaction mechanism between the science and technology investment and economic growth. Studies show that R&D funds internal expenditure is the source of economic growth； economic system has a stable long-term equili
4、brium relation， 2and there is significant adjustment mechanism； R&D funds internal expenditure and economic growth are granger causality， and R&D personnel number is not the granger cause of economic growth； R&D funds internal expenditure has a significant positive effect on economic growth. Finally
5、， corresponding policy recommendations are put forward. 关键词： 科技投入；经济增长；广义 C-D生产函数；误差修正模型；VAR模型 Key words： investment in science and technology；economic growth；generalized C-D production function；error correction model；VAR model 中图分类号：F015；F224.0 文献标识码：A 文章编号：1006-4311（2016）19-0059-04 1 研究背景 科学技术是第一生
6、产力，对经济增长起着重要作用。在党的十三五规划中，强调要“发挥科技创新在全面创新中的引领作用，并为经济社会发展提供持久动力” 。 历史上， “亚洲四小龙”经济的迅猛发展就与科技进步密不可分，1970-1980 年， “四小龙”中的台湾和韩国 GNP和年均增长率分别为 9.8% 和 9.5%，而此间技术进步对经济增长的贡献份额，台湾为 48%，韩国为 40%。近年来，随着我国对科技重视程度的增强，财政科技投入由 1999年的 544亿元增加到 2009年的 3050亿元，10 年间财政科技投入翻了近 6倍。政府将一定比例的财政收入投入到科技研究中，3了解这部分资金对经济增长起到了怎样的作用以及相
7、互之间的联系，对制定政策方针具有战略上的意义。 长期以来，科技投入和经济增长的关系受到国内外学者的广泛的关注。1928 年，柯布（Cobb）和道格拉斯（Douglas）共同提出的 CD 生产函数，可计算出某一时刻的技术水平对新增产值的贡献。Griliches（1986）通过分析 1957-1977年间美国 1000家规模较大的制造业企业数据，得出科技经费投入对企业生产力的提高有显著的促进作用。Romer（1990）研究发展发现政府在 R&D上的财政支持能激发和鼓励企业投入更多资源进行 R&D活动，推动经济的长期增长。Boskin 和Lau（1996）将生产投入要素分为资本、劳动、人力资本和 R
8、&D资本四种，在 C-D生产函数基础上，新构造了生产函数，将不能由这四种投入要素解释的经济增长归结为技术进步的贡献，利用六个国家的数据进行研究，得到由 R&D引致的技术进步对经济增长的影响非常大。 国内学者则是采用不同的研究方法来探讨科技投入与经济增长的关系。单红梅等（2006）应用 C-D生产函数得出中国的科技投入不但对当期经济增长有促进作用，而且还存在滞后效应，滞后期为 3阶。姜庆华、刘贵基（2010）采用灰色关联度模型与生产函数模型，得出科技经费投入对我国经济增长的影响强于人员投入对经济增长的影响，并且技术进步对经济增长的贡献率呈现出波动上升形态的结论。卢方元（2011）等采用 2000
9、-2009 年全国 30 个省区市的 R&D投入和经济增长的有关数据，通过建立面板数据模型，研究 R&D投入与经济发展的关系。凌江怀、李成、李熙（2012）以 1991-2010年国内生产总值和财政科技投入的数据4为基础，认为财政科技投入对经济增长有积极的促进作用。 不同于以往研究，本文引入 R&D经费支出作为内生变量，建立广义柯布-道格拉斯生产函数，在对所有变量进行平稳性和协整检验的基础上，结合协整回归、误差修正模型及向量自回归模型的多元时间序列分析方法，测算科技投入对经济增长的贡献，并试图揭示经济系统的动态影响机制。 2 理论模型及研究方法 2.1 变量选取及数据处理 利用 1995-20
10、12年度的经济数据进行实证研究，数据来自中国统计年鉴和中国科技统计年鉴 。选取 GDP（亿元）代表全国的经济发展水平 Y，R&D 经费支出（亿元）作为科技投入指标 S，全社会固定资产投资（亿元）扣除 R&D经费支出后作为资本投入 K， R&D人员全时当量（万人）作为劳动力投入指标 N，对原始数值取自然对数，以压缩变量的尺度差距及削弱可能存在的异方差，分别记为 LnY、LnS、LnK、LnN。 2.2 理论模型及研究方法 2.2.1 广义 C-D生产函数 通过对式（4）进行回归分析，即可估计出科技投入对经济增长的贡献。同理，？琢与？茁分别表示资本投入贡献和劳动投入贡献？酌，剩余项则代表技术水平。
11、 2.2.2 协整理论与误差修正模型 1987 年，Engle 和 Granger提出协整理论，为非平稳时间序列的建模提供了新的思路。如果单个时间序列非平稳，而它们的线性组合却表现出平稳性，则这些变量间存在长期均衡关系，这种协整关系能够有效5区分真实回归与虚假回归。误差修正模型（Error Correction Model，ECM）改进了时间序列模型忽视原非平稳变量信息的缺点，将长期稳定关系与短期动态特征综合在一个模型中。 2.2.3 向量自回归模型 向量自回归模型（Vector Auto Regression，VAR）基于统计性质，将系统中每一个内生变量表达为所有内生变量滞后值的函数，从而将
12、单变量自回归模型推广到由多元变量组成的“向量”自回归模型。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中的动态冲击，进而解释各种经济冲击对经济变量形成的影响。 3 科技投入对中国经济增长的贡献 3.1 平稳性检验 采用 ADF（Augmented Dickey Fuller）单位根检验对各变量的平稳性判断，回归方程为：？驻 Yt=c+？酌 t+？籽 Yt-1+ ？准？驻 Yt-（i-1）+？着 t，依据数据特征及贝叶斯信息准则（SBIC）确定检验形式和滞后阶数。其中 c代表常数项，t 代表趋势项，p代表滞后阶数，c=0 表示不含常数项，t=0 表示不含趋势项，反之 c=
13、1表示含常数项，t=1 表示含趋势项。检验结果如表 1所示。 4 组时间序列数据在 5%显著性水平下不拒绝原假设，为非平稳序列，而进行一阶差分后均为平稳序列，因此 4个变量均为同阶单整 I（1）序列，可进行协整分析。 3.2 协整回归及协整检验 协整检验是用来检验非平稳变量间是否存在长期均衡关系的方法，6如果存在协整关系，则变量间的非均衡误差是平稳的。本文基于广义 C-D生产函数进行协整分析，对式（4）的模型采用 Engle-Granger两步法进行协整检验。 第一步通过 OLS最小二乘法对式（4）进行协整回归，第二步使用残差序列代替随机干扰项，进行平稳性检验，若残差序列平稳，则可确立变量间的
14、长期均衡关系，回归结果如下： lnYt=5.349687+0.375095lnKt+0.159395lnNt+0.226243lnSt S.E.=（0.35536） （0.109971） （0.130783） （0.061246） t=（15.05444） （0.3410855） （1.218781） （3.694004） R2=0.998203，F=2592.043，D.W.=1.540770（5） 由于 OLS采用方差最小的估计方式，使得对残差序列进行 ADF检验时，结果倾向于平稳序列，SC 统计量 -4.172473， t 统计量-3.913603，传统 10%临界值为 -3.31034
15、9，参照麦金农（Mackinnon，1991）的临界值分布表，矫正的 10%临界值为-3.676593，残差序列在 5%显著性水平下非平稳，但在10%显著信水平下平稳，可认为式（5）确定的长期均衡关系存在，为协整回归方程。 3.3 科技投入对经济增长的贡献 根据协整回归方程（5）的结果，科技投入对经济的产出系数为0.2262，即 R&D经费内部支出每增加 1%所贡献的 GDP增长率为0.2262%；而 0.3751和 0.1594分别是资本和劳动的投入产出系数，表明固定资产投资和科技人员就业人数每增加 1%，可以带来经济增长 0.3751%和70.1594%。由此看出，现阶段中国经济的增长主要
16、还是靠投资拉动，科技投入虽占据一部分，但产出效应存在进一步提升的空间。 由于科技活动的周期性与投入产出的时滞性，仅依据某一个观测时点难以纵向把握经济规律，因此，从 2008年开始逐年测算各要素对经济增长的贡献度，以期发现近几年各要素对经济增长贡献度的变化趋势，进一步探讨科技投入对经济增长的贡献效果。依据理论模型及协整分析技术，得出测算结果如表 2所示。 由表 2得，资本投入自 2008年开始出现下滑，受国际金融危机的冲击，企业经营困难，利润增长放缓，固定资产投资增速下降；而科技投入贡献呈波动上升趋势，说明科技投入的产出效应开始显现，R&D 经费投入与科技人员的投入保障了科技研发活动的需求，逐步
17、转换为对 GDP增长的贡献。 4 科技投入与中国经济增长的互动机制 4.1 误差修正模型 继协整回归对变量的长期均衡关系进行分析后，构建误差修正模型对该协整关系的短期动态特征进行探究，得到估计结果如表 3。 其中，ECMt-1=lnYt-1-（5.349687+0.375095lnKt-1+0.159395lnNt-1+0.226243lnSt-1）为误差修正项。 从表 3可以看出，误差修正项 ECM t-1的系数为 -0.899017，即协整回归方程前一年的非均衡误差以 89.90%的力度进行反向修正，89.90%的调整速率也显示了协整系统对出现非均衡偏差的修正反应之强，正是这种显著的短期负
18、反馈机制，使得经济系统始终趋8于稳定，其长期均衡关系才得以维持。此外，在短期动态关系中，科技投入对经济增长的短期弹性为 0.112281，即短期内科技投入每增加 1%，国内生产总值增长 11.23%，亦低于资本投入 0.218182及劳动投入0.125491。 4.2 VAR 模型 为重点考察科技投入与经济增长间的相互作用机制，将资本投入（已扣除 R&D经费支出）从内生变量中剔除，建立 GDP、R&D 经费支出、科研从业人员数之间的 VAR模型。 首先，确定适当的模型滞后阶数。利用 Eviews8.0计量软件，进行滞后期从 0到 3的模拟试验。据 AIC与 SC信息准则，当滞后期为 3时，模型
19、拟合效果最好，可兼顾模型稳定性与自由度。 接着进行模型估计，得到如下结果： 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-3-0.068 lnSt=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+0.274 lnNt=-0.233lnYt-1+0.658ln
20、Yt-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） 各方程的判定系数分别为：0.9992、0.9995、0.9994，拟合程度较9高。 4.3 Granger 因果检验 Granger 因果检验实质上是检验内生变量是否可以作为外生变量对待。若一个变量受到其他变量的滞后影响，则称它们具有 Granger因果关系。对估计出的 VAR模型中各方程进行 Granger因果检验，分析各内生变量之间的相互关系，结果见表 4。 由表 4可知，在 LnY方程中，检验结
21、果在 5%的置信水平下接受了LnN不能 Granger引起 LnY的原假设；在 LnS方程中，检验结果在 5%的置信水平下接受了 LnN不能 Granger引起 LnS的原假设。这表明科技从业人员数并不是 LnY与 LnS增长的 Granger原因。 与之相反，检验结果在 5%的水平上拒绝了 LnS不能 Granger引起LnY的原假设，同时拒绝了 LnY不能 Granger引起 LnS的原假设，表明R&D经费支出与经济增长互为格兰杰因果关系。 4.4 脉冲响应函数分析 脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响。利用 Eviews8.0计量软件对估计出的
22、 VAR模型进行脉冲响应分析，计量各变量对模拟外部动态冲击的反应，结果见图 1。其中，横轴表示滞后时间长度，纵轴表示变量对外部动态冲击的反应程度。 如左图所示，在其他变量不变的情况下，当 GDP变动一个百分点时，对 R&D经费支出始终具有正向效应。在第一期，GDP 的变动使 R&D经费支10出增长约为 0.05%，此后大致围绕 1.5%的水平上下波动。表明经济增长对科技投入的增加具有稳定的促进作用，应当在发展经济的前提下，逐步提高对科技的投入力度。 分析右图，易知，在其他变量不变的情况下，当 R&D经费支出受到正向冲击时，对 GDP的影响一直呈现正向趋势。具体表现为：第一期至第三期，使得 GD
23、P处于持续上升状态，并在第三期达到最大值；第三期至第八期，对 GDP的影响逐渐减弱从 0.2%逐渐趋于 0.02%；第八期之后，对 GDP的影响又开始加强。 5 结论及建议 本文主要依托增长理论，在传统柯布-道格拉斯拉斯生产函数基础上，引入 R&D经费内部支出进行扩展，综合多元时间序列分析的方法，对科技投入对中国经济增长的贡献和相互间动态作用机制进行实证研究。理论模型得到实证分析的良好支撑，具体研究结论包括：R&D 经费内部支出是经济增长的源泉，对国内生产总值的贡献约为 22.62%，贡献程度波动上升。国内生产总值、固定资产投资、R&D 人员及 R&D经费内部支出具有稳定的长期均衡关系，科技投入对经济增长的短期弹性为 11.23%，系统内存在显著的调节机制，有效维护长期均衡特征。Granger 因果检验证实，R&D 人员数对经济增长的正向效应还不明显，而 R&D经费内部支出与经济增长间具有明显的正向效应。由脉冲响应函数分析，R&D 经费内部支出与国内生产总值的相互冲击具有时滞性和正向持续性，表明经济系统将形成：科技投入技术进步经济增长科技投入技术进步经济增长的相互促进良性循环机制。
