创新投入、产业结构与经济增长

2015-07-30 01:26李政杨思莹
求是学刊 2015年4期
关键词:创新投入VAR模型经济增长

李政+杨思莹

摘 要:创新是经济增长的长期动力。当前,中国经济同时面临增速下行压力和结构调整要求。加快实施创新驱动发展战略,提高经济增长质量和潜能,促进产业结构优化升级,是新常态下中国经济发展的必然选择。基于2002年到2012年省级面板数据,运用面板LA-VAR模型分析中国创新投入、产业结构和经济增长三者之间的关系表明,中国创新投入对经济增长具有重要推动作用。但目前创新投入结构不尽合理,在一定程度上阻碍了产业结构向高级化水平发展,并导致产业结构凝固。经济增速提高对产业结构的带动作用不显著,也未导致创新投入强度的提高,即经济增长与创新投入之间没有形成联动机制。产业结构向高级化发展能够有效提高经济增长速度,但对创新投入强度呈负向影响。处理好三者之间的关系,形成彼此相互促进的联动机制,必将有助于中国经济转型和平稳增长。

关键词:创新投入;产业结构;经济增长;面板LA-VAR模型

作者简介:李政,男,经济学博士,吉林大学中国国有经济研究中心研究员、经济学院教授、博士生导师,从事国有经济与创新经济学研究;杨思莹,男,吉林大学经济学院研究生,从事国有经济研究。

基金项目:教育部“新世纪优秀人才支持计划”,项目编号:NCET-12-0242;国家社会科学基金青年项目“我国创新集群培育的机制与对策研究”,项目编号:13CJY053;吉林大学“985工程项目”

中图分类号:F121.3 文献标识码:A 文章编号:1000-7504(2015)04-0061-07

引 言

面对我国经济下行压力,继续不遗余力地保增长、调结构,实施创新驱动发展战略,是扭转我国经济增速下滑、防止落入中等收入陷阱的重要举措。近年来,国家不断加大创新投入,2013年我国研发经费为11906亿元,比上年增长15.6%,占GDP比重为2.09%,与欧美等发达国家的差距进一步缩小。研究显示,我国研发创新效率仍处于较低水平,但逐年不断提高[1]。研发是创新过程中的重要环节,研发投入在质和量上逐年提高,是实施创新驱动发展战略的重要任务。各地区通过增加研发投入保障,合理配置研发创新资源,促进地区创新水平的提高,对地区经济增长和产业结构转型具有重要意义。党的十八大明确提出:“科技创新是提高社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置。”强调要坚持走中国特色自主创新道路、实施创新驱动发展战略。科技创新不仅可以直接转化为生产力,而且可以通过扩散效应提高各生产要素使用效率,促进资源节约和环境保护,提高经济发展的质量和水平。

与不断加大的研发投入相比,我国产业结构调整速度却相对缓慢。1978年第一、二、三产业比重分别为28.2:47.9:23.9,而2013年第一、二、三产业比重为10.1:43.9:46.1。1虽然经过三十多年的发展,第三产业比重大幅上升,但是第二产业占比相对于发达国家依然较大,并且处于国际产业链的中低端,资源消耗大、利润低,并由此造成环境污染、生态破坏等问题。传统的以资源高消耗、环境高污染为代价的增长方式难以为继。此外,中国是制造业大国,但一直是“创新小国”“供应链小国”“品牌小国”。产业结构水平受科技水平、创新水平限制,调整速度缓慢,也在一定程度上制约经济增长。创新能够不断更新产业所依赖的特定的知识基础,提高产业基础技术水平,带动产业发展,并推动上下游产业的科技创新,催生新的相关服务性产业。创新资源在不同产业之间合理配置,可以促进我国产业结构的优化。

此外,虽然经过多年发展,我国经济总量跃居世界第二,但是我国人口众多,人均国民总收入较一些发达国家仍有差距。2011年我国人均国民总收入为4940美元,大约是韩国的五分之一,英国的七分之一,日本的九分之一,美国的十分之一。2012年,我国人均国民总收入排在第94位,与韩国(第39位)、英国(第27位)、日本(第17位)和美国(第14位)等发达国家差距较大。从增速来看,相对于其他四国,2011年我国人均国民总收入增长幅度最高,为15.96%,其次是日本(7.24%)、韩国(4.93%)、美国(2.32%),英国出现了负增长。因此,抓住机遇,继续保持经济快速增长,是缩小我国与发达国家收入差距的重要保证。目前我国正处于经济增速换挡期、结构调整阵痛期和前期刺激政策消化期的“三期叠加”阶段,经济增速下行压力加大,如何找到稳增长和调结构之间的平衡,是我国经济发展面临的又一重要课题。

产业结构优化的目标是资源配置最优化和宏观经济效益最大化,即实现产业结构的高度化和合理化,最终实现经济的持续快速增长。实施创新驱动发展战略,加快推进产业结构转型,增强创新驱动发展新动力,加快形成经济发展新方式,推动经济社会科学发展、率先发展,就必须处理好创新、产业结构和经济增长之间的关系。

产业结构的优化升级最主要的是靠创新推动,创新是推动产业结构优化升级最主要的推动力。技术进步创造出新工艺、新产品,并发展成新的生产部门和行业。这些新的生产部门凭借自身的技术优势,能够迅速积聚各种资源,规模不断扩张,市场势力迅速膨胀,甚至垄断市场。产业结构与经济增长二者之间的关系一直是学术界争论的话题,以库兹涅茨为代表的观点认为经济增长是一个总量过程,总量增长引起部门结构变化;以罗斯托为代表的观点认为经济增长本质上是一个部门的过程,部门结构变动推动总量增长。[2]经济增长阶段论认为,现代经济增长的本质是一个结构转换过程,一定的经济增长阶段与一定的产业结构相对应。[3]产业结构的优化升级是经济发展到一定阶段的必然结果,并且对经济发展具有促进作用。随着科技发展,创新和技术进步必然会影响各生产要素在不同产业的重新配置,引起产业结构优化升级,资源使用效率得到提高,由此促进了经济增长。产业结构的优化升级和经济增长相互促进,一个高度发达的经济体需要一个高度化的产业结构与之相适应。因此,产业结构必然成为经济增长的内生变量,产业结构的高度化、合理化影响着经济增长的速度。

然而,大部分研究都只注重创新投入、产业结构和经济增长某两者之间的关系,而没有从三者整体联系的角度去分析三者之间的关系。当前中国正处于实施创新驱动发展的初级阶段,面临经济增速下行、产业结构不合理等问题,如何把握三者之间的联系,完善产业结构调整政策,合理配置创新资源,稳定经济增速,解决这些问题具有重要意义。在研发创新效率较低、研发投入不断加大的条件下,创新是否真正推动了中国产业结构的调整和经济增长?产业结构的优化升级是否会促进创新投入的增加?在过去的十年里,中国经济高速增长,其中不断增加的创新投入、不断优化的产业结构对经济的高增长起到了什么样的作用?经济增长是否会反过来促进产业结构的调整和创新投入的增加?三者之间到底是一个怎样的动态变化过程?这些问题仍需进一步讨论。

一、包含产业结构变动的创新驱动增长理论

创新在促进经济增长的过程中,会通过两种机制带动产业结构的升级,一种是需求增长,另一种是创新网络。新需求的出现会产生一种产品创新动机,推动产业结构的演进。不同的需求规模、需求结构以及市场分割状况都会影响市场结构,导致产品或服务的更新,从而推动产业结构演进。此外,由于知识、能力和专业的不同,产业之间知识技术通过溢出效应相互扩散,这种联动效应会通过知识、能力和专业的整合互补,影响创新和产业演进。不同研发部门间知识溢出是影响创新和产业演进的重要因素。

Sengupta(2014)在分析创新与经济最优增长时指出,创新使经济持续增长成为可能,即经济达到均衡是以 的速度增长。[4]由此可见,若经济在没有技术进步的条件下实现长期增长,增长率依赖于一些行为参数,例如储蓄率、劳动力增长率。一旦技术水平提高,那么长期资本增长率会更高。根据熊彼特的观点,最终产出设定为  ,其投入包括人力投入和中间投入品组合,生产函数为:

(1)

表示中间投入品i的投入效率,中间产品生产函数为:

(2)

表示用于生产产品i的资本合计。将在

(3)

条件下最大化得出    的最优状态,即

(4)

B为平均生产率水平,K为实物资本的集合。因此,产出函数可以写为:

(5)

用    表示    最大水平,即生产可能性边界(Production possibility frontier)。

当创新发生在生产部门i时,它创造了新的中间产品,这些新的中间产品部门经过发展,形成产业部门,改变了原有的产业结构。 为完成创新后达到的生产可能性边界。假设经济系统创新的频率与研发投入成比例,为βn,β为创新发生的概率分布,服从正的泊松分布[5]。技术边界随知识积累而不断扩大,特别的,    提高与创新频率成比例,即:

σ是创新对技术进步推动作用参数。该模型给出了一个没有限制的增长,即:

(6)

可以看出,随着越来越多的资本积累,σβ和B都不会降低。[6]

二、数据来源、平稳性检验及面板LA-VAR模型构建

(一)指标构建和数据来源

研发经费内部支出是指研究与开发机构当年用于本机构内部的实际支出,包括经常性支出和资产性支出。研发经费内部支出是和创新产出联系最为密切的指标,因此,为了评价地区创新投入强度,选用研发经费内部支出占当年GDP比重作为衡量指标(记作INNO)。

产业结构是指经济中不同产业的构成、地位及其相互联系。克拉克、霍夫曼和库兹涅茨等人认为,产业结构随经济增长而不断演进,即一二三产业地位逐步发生变化,出现“二、一、三”、“二、三、一”、“三、二、一”的演进趋势。在此过程中,社会服务化水平不断提高。[7]产业结构高级化是一个动态化的过程,是遵循产业结构演化规律,通过技术进步,产业结构整体素质和效率向更高层次不断演进的趋势和过程,主要表现为三次产业比重沿着第一、二、三产业的顺序不断上升。[2]借鉴吴敬琏(2008)和干春晖、郑若谷、余典范(2011)等人的研究,为了体现经济结构的服务化发展倾向,我们选用产业结构高级化这一指标作为衡量产业结构的指标,即第三产业产值与第二产业产值之比(记作TS)。[7][8]

国内生产总值(GDP)反映的是一国或一地区在特定时间内所生产的所有最终物品与劳务的总价值,是衡量国家或地区经济状况的最佳指标。因此,这里选用各省GDP增长率作为经济增长的衡量指标(记作RGDP)。

本文2002年至2012年中国省级面板数据中,研发经费内部支出数据来源于《中国科技统计年鉴》,各省产业产值及GDP增长率等数据均根据《中国统计年鉴》相关数据计算得出。

(二)面板单位根检验

首先对模型中所涉及变量的单整性进行检验。根据在检验方程中是否考虑面板截面的相关性这一重要假设,可以将目前的面板单位根检验方法区分为第一代面板单位检验方法(例如LLC检验、IPS检验、Fisher类型检验)和第二代面板单位根检验方法(例如SN检验、PANIC检验、CADF检验和CIPS检验)。OConnell(1998)指出在面板单位根检验中如果截面独立性假设不成立,则LLC、IPS、ADF-Fisher与PP-Fisher等第一代面板单位根检验方法的功效是极为低下的。[9]所以增加面板单位根检验的准确性,本文先对面板数据中截面单元是否存在截面相关性进行检验。在众多截面相关检验方法中,Pesaran(2004)提出的截面相关一般性诊断检验方法(简称CD检验)是应用较为广泛的一种方法。[10]截面相关CD检验的检验统计量构造如下:

(7)

其中, 是ADF型检验式中残差序列成对相关系数(pair-wise correlation coefficients)的样本估计值。在不存在截面相关性的原假设下,CD检验统计量服从双尾标准正态分布。检验结果表明,在不同ADF型回归的滞后阶数下,各CD检验统计量均在10%以下的显著水平下拒绝了面板截面单位相互独立的原假设,这就意味着在后续的单位根检验的检验方程设定中应该考虑到面板截面的自相关性。

Pesaran(2007)在面板ADF检验方程的基础上通过加入截面均值变量及其对应的差分变量,推广为截面ADF检验方程(CADF)。截面ADF检验方程的设定,可以极大地降低由于截面相关性对单位根检验所带来的影响。并且结合截面ADF检验方程的具体形式,Pesaran(2007)分别对IPS检验和Fisher类型检验进行推广,构造出了CIPS检验统计量、CZ检验统计量和CP检验统计量对面板变量是否存在单位根进行检验。Pesaran(2007)利用Monte Carlo模拟研究表明,CIPS检验统计量、CZ检验统计量和CP检验统计量不仅有效地解决截面相关性问题,而且具有较好的小样本性质以及检验效果。[11]因此,考虑到前述面板截面相关性的检验结果,为了保证结论的可靠性,本文分别利用CIPS、CZ以及CP检验方法对模型中所涉及的变量进行平稳性检验。检验结果表明,模型中所涉及的3个变量的水平值的CIPS、CZ以及CP检验结果表明创新投入变量具有一阶单整性,而产业结构、经济增长率变量均为平稳变量,即具有零阶单整性。

由于模型中面板变量的单整阶数并不一致,即出现所谓的“混合面板(mixed panels)”问题[12],如果模型中面板变量的单整阶数一致,则可以利用Kao面板协整检验、McCoskey和Kao面板协整检验、Pedroni面板协整检验以及Groen和Kleibergen基于似然函数的面板协整检验分析面板变量之间的长期关系。但是这些常见的面板协整方法对于混合面板情况,均不具有适用性。Yamada和Toda(1998)指出将模型中单整变量进行差分之后建立VAR模型,也并不是一种合理的建模策略,因为这样做,常常会因为损失变量的长期信息而导致模型的解释能力不足[13]。借鉴Emirmahmutoglu,Kose(2011)的做法,构建面板LA-VAR方法分析地区创新投入、产业结构和经济增长三者之间的关系和动态影响特征[14]。

(三)面板LA-VAR模型构建

令 是包含创新投入、产业结构和经济增长率的三维面板向量,则本文构建的面板LA-VAR模型设定形式如下:

(8)

首先利用信息准则(AIC、BIC、HQIC)确定模型(2)的最优滞后阶数,检验结果表明,面板LA-VAR模型的最优滞后阶数为3阶滞后。根据前述面板单位根检验的结果,模型最大的单整阶数为1,即 。Emirmahmutoglu,Kose(2011)建议对模型(2)进行OLS估计。

由估计结果可以看出,首先,滞后前三期产业结构高级化水平对创新投入强度在10%的置信水平下负相关,但系数非常小。这说明产业结构向高级化方向发展对创新投入的提高有负作用。滞后一期、滞后二期和滞后三期的GDP增长速度对创新投入强度作用不显著。其次,创新投入强度各期均在较高的置信水平下对我国产业结构高级化水平产生负向影响,说明我国创新驱动经济增长作用第二产业要优于第三产业。导致这种状况的原因可能有两种,第一,各省创新投入多集中在第二产业,第三产业创新投入较低;第二,第三产业创新效率低于第二产业。从创新投入角度来看,如此分配创新资源导致的结果只是产业结构凝固,第二产业比重居高不下。GDP增长速度对产业高级化水平的作用也不显著,因此可以得出我国经济增长速度的提高对产业结构的优化升级的作用不明显。最后,各期的创新投入强度和产业高级化水平均对GDP增长速度有显著的正向影响,并且创新投入强度系数远大于产业结构高级化水平系数,因此判断,各省创新投入对经济增长速度具有显著的正向影响,创新投入强度的提高能够有效促进各省经济增速的提高。

(四)脉冲响应分析

利用脉冲响应函数对上述构建的面板LA-VAR模型进行结构分析。

从分析结果看,创新投入强度对产业结构高级化水平和GDP增长速度的脉冲响应,可以看出创新投入强度对产业结构高级化水平和经济增长速度冲击的响应非常小,来自产业结构高级化水平的波动和经济增长速度的外生扰动对创新投入强度影响较小。产业结构向高级化水平发展以及经济增速的提高没能有效带动创新投入强度的提高。因此,建立三者之间的联动机制,使产业结构的优化升级和经济增速的提高能够增强创新投入强度,是我国实施创新驱动发展战略,提高创新水平的重要保证。

从产业结构高级化水平对创新投入强度的冲击响应来看,产业结构高级化水平对创新投入强度当期冲击响应为正,随后五期响应均为负。说明创新投入强度的外生扰动会引起产业结构高级化水平的下降,这说明各地区创新投入强度的提高有效促进了第二产业的发展,创新投入强度对第三产业的拉动作用明显低于第二产业。

从产业结构高级化水平对GDP增长速度的冲击响应来看,对于滞后三期的GDP增速波动响应为负,说明GDP增长速度的外生扰动会降低产业结构高级化水平。从滞后四期的数值来看,GDP增长速度对产业结构高级化水平存在正的滞后影响,虽然这种影响仅为一年,滞后五期这种影响逐渐下降为零。

从GDP增长速度对创新投入强度的冲击响应来看,经济增长速度对创新投入强度的冲击响应当期为负值,往后两期均为正值。说明创新投入对经济增长的影响具有一年左右的滞后期,并且这种影响能够持续两年。

从GDP增长速度对产业结构高级化水平的冲击反应来看,GDP增长速度对产业结构高级化水平当期冲击为负,滞后两期响应为正向,说明在产业结构向高级化发展会带来经济增速的下滑,这也是我国正面临的产业结构调整阵痛期,但是滞后两期的影响为正,随后逐步收敛为0。

(五)面板Granger因果检验

本文将基于前述所构建的面板LA-VAR模型,进行面板Granger因果检验,从而揭示中国地区创新投入、产业结构和经济增长之间的动态影响特征。

从面板Granger因果影响检验结果看:对于不管是高创新投入地区还是低创新投入地区,创新投入对经济增长的作用均是显著的,但是经济增长对地区创新投入的作用并不显著。高创新投入地区的创新投入对产业结构的影响在10%的显著性水平下显著,但是低创新投入地区的创新投入对产业结构的影响不显著。同时不管是高创新投入地区还是低创新投入地区,产业结构对创新投入强度的反馈作用均不显著。最后,不管是高创新投入地区还是低创新投入地区,产业结构和经济增长均存在双向的Granger因果影响。

三、简要的结论及政策含义

基于2002年到2012年省级面板数据,本文运用面板LA-VAR模型和面板Granger因果检验分析了中国创新投入、产业结构和经济增长三者之间的关系,得出以下基本结论:

第一,无论是高创新投入地区,还是低创新投入地区,创新投入对经济增长具有较大的拉动作用。因此面对人口众多、人均资源匮乏、生态环境压力巨大的具体国情,坚定不移地实施创新驱动发展战略,不断提高创新投入强度,注重培养创新人才,形成产学研相结合的创新系统,发挥创新对经济增长的拉动作用,对提高我国经济增长速度具有重要的战略意义。但是也必须注意到,中国经济的高速增长并未带动创新投入强度的高增长。经济增速的提高对创新投入强度的拉动作用还很小,因此要不断加大创新投入,形成创新投入与经济增长的双向促进的联动机制。

第二,创新投入对产业结构高级化水平呈现显著的负向影响。产业结构和创新之间本应存在的互相促进关系[15],在中国并不存在。创新投入对第二产业的拉动作用优于第三产业。产业结构高级化水平对创新投入同样具有负向影响。创新投入多以第二产业为主,忽视第三产业创新,这种不合理的创新投入结构导致了产业结构调整速度缓慢,产业结构凝固。因此要调整创新资源分配格局,增加第三产业创新资源投入,发挥创新对第三产业的拉动作用,实现产业结构的优化升级。

第三,产业结构高度化水平对经济增长速度具有显著的正向影响,无论是高创新投入地区,还是低创新投入地区,产业结构高级化水平的提高能够有效促进经济增长速度的提升。估计系数显示GDP增长速度对产业结构高级化具有不显著的正向作用,而Granger因果检验得出两种投入地区的产业结构高级化水平和经济增长速度互为因果。因此,在促进经济增长过程中要进一步发挥第三产业的作用,通过创新手段,提高第三产业技术发展水平和生产效率,增加第三产业物质资本和人力资本投入,发挥第三产业对经济增长的拉动作用,保证经济增长速度的同时提高增长质量。

总而言之,中国创新投入、产业结构和经济增长三者之间并没有形成一种通畅的联动机制,这种联动机制的缺乏影响我国创新驱动发展战略的实施效果。因此,疏通三者之间相互作用脉络,合理配置各种创新资源,发挥创新对经济增长和产业结构的带动作用,同时调整创新投入结构,着力加大第三产业创新投入,形成创新驱动作用下的创新投入合理增长、产业结构向高度化方向发展和经济增速稳步提升的联动机制。

参 考 文 献

[1] 白俊红、江可申、李婧:《应用随机前沿模型评测中国区域研发创新效率》,载《管理世界》2009年第10期.

[2] 付凌晖:《我国产业结构高级化与经济增长关系的实证研究》,载《统计研究》2010年第8期.

[3] 林善炜:《中国经济结构调整战略》,北京:中国社会科学出版社,2003.

[4] Aghion,Philipe,Peter Howit. Endogenous Growth Theory. Cambridge MA:MIT Press,1998.

[5] Sengupta,J. Theory of Innovation a New Paradigm of Growth. Springer press,2014.

[6] 江洪:《自主创新与我国产业结构的优化升级》,华中科技大学博士论文,2008.

[7] 吴敬琏:《中国增长模式抉择》,上海:上海远东出版社,2008.

[8] 干春晖、郑若谷、余典范:《中国产业结构变迁对经济增长和波动的影响》,载《经济研究》2011年第5期.

[9] OConnell,P. G. J. “The Overvaluation of Purchasing Power Parity”. in Journal of International Economics,1998(44).

[10] Pesaran,M. H. “General Diagnostic Tests for Cross-Section Dependence in Panels”,Working Paper,Trinity College,2004,Cambridge.

[11] Pesaran,M. H. “A Simple Panel Unit Root Test in the Presence of Cross-section Dependence”. in Journal of Applied Econometrics,2007(22).

[12] Zixiong Xie,Shyh-Wei Chen.“Untangling the Causal Relationship between Government Budget and Current Account Deficits in OECD Countries: evidence from bootstrap panel Granger causality”. in International Review of Economics and Finance. 2014(31).

[13] H.Yamada,H.Y.Toda.“Inference in Possible Integrated Vector Autogressive Models: Some Finite Sample Evidence”. in Journal of Econometrics,1998(86).

[14] Emirmahmutoglu,F.,Kose,N.“Testing for Granger in Heterogeneous Mixed Panels”. in Economic Modelling. 2011(28).

[15] Greunz,L.“Industrial Structure and Innovation-evidence from European Regions”,in Journal of evolutionary economics,2004(5).

[责任编辑 国胜铁]

Innovation Input, Industrial Structure and Economic Growth

LI Zheng,YANG Si-ying

(Center for the Study on Chinese National Economy, Jilin University,

Changchun, Jilin 130012, China)

Abstract: Innovation is the lasting power for economic growth. At present, Chinese economy faces a slowdown of economic growth and requirement for an updating of structure. It is an inevitable choice of development of Chinese economy to improve quality and proficiency of economic growth, and promote optimal updating of industrial structure in a new normal state. Based on provincial panel data from 2002 to 2012 and adoption of panel LA-VAR model to analyze the relation among Chinese innovation input, industrial structure and economic growth it shows that innovation input propels economic growth, but at present, the structure of innovation input is not reasonable, for it hinders industrial structure to develop to a higher level and leads to an industrial concretion of the latter. The increase of economic growth does not propel industrial structure very much or the improvement of the intensity of innovation input, i.e. there is no coordinated mechanism between economic growth and innovation input. Updating industrial structure helps improve speed of economic growth, but influences negatively on intensity of innovation input. It is good to deal well with the relation among the three and form an active coordinated mechanism so as to help Chinese economy to transform and grow steadily.

Key words: innovation input, industrial structure, panel LA-VAR model

猜你喜欢
创新投入VAR模型经济增长
自然人控股公司中R&D投入与公司绩效的关系