中国区域间民生要素投入对经济增长影响分析

2013-08-15李忠民

华东经济管理 2013年1期

李剑，李忠民

(陕西师范大学国际商学院，陕西西安 710062)

一、引言

步入21世纪，我国经济迅速发展，年均GDP增幅保持在9%以上，经济总量已经位居世界第二位，我国经济发展已经进入了一个崭新的阶段。而经济活动归根结底是为了改善民生［1］。近年来，政府不断加大民生要素(如医疗、教育、社会保障等)投入的力度，在我国公共财政支出框架下，政府用于医疗财政支出从2000年的482.39亿元增加到2011年的6358.2亿元，年均增长23.97%，教育财政支出从2000年的1624.14亿元增加到2011年的15498.29亿元，年均增长20.68%，社会保障财政支出2000年的1199.06亿元增加到2011年的10606.92亿元，年均增长19.92%。2012中央经济工作会议把保障和改善民生放在了更加突出的位置，2012年两会期间，提出实现好、维护好、发展好最广大人民根本利益作为以人为本理念的具体表现，要把保障和改善民生作为政府工作的首要任务。

从图1我们可以清晰地看出医疗、教育和社会保障财政支出的年增长率整体趋势在GDP年增长率之上，如何来解释这种情况？在不断增长的民生要素投入之下，我们一方面要研究区域内民生要素对经济增长的贡献率，同时需要研究区域间民生要素的投入是否对其他区域经济存在一定的溢出效应，那么我们就可以解释上图中为何出现高投入低增长的原因。

图1 2001-2011年主要民生财政支出与GDP年增长率比较图

二、文献综述

在研究经济增长问题时，我们离不开以下几种理论。20世纪60年代流行的新古典经济增长理论，以劳动投入和物质资本投入为变量的“柯布—道格拉斯”生产函数建立了经济增长模型，但是这些理论假设了一个没有空间、没有时间、没有交易成本的理想世界，并在此基础上构建起表面严谨的理论体系。由克鲁格曼、藤田昌久等人发展起来的新经济地理理论［2-3］，在引入空间维度的经济学世界里，与采用报酬不变、完全竞争假设为理论基础的传统经济理论以及传统的经济地理学研究不同，认为经济行为在地理空间上是非均匀分布的，不同层次的经济活动在空间上的高度集聚，这种现象在现实世界里屡见不鲜。但是新经济地理学在以往的文献中并没有考虑增长问题，其对象往往是水平值。近几年来出现了一个崭新的研究领域：将新增长理论与新经济地理学结合在一起，从而考虑了增长率，Martin和Ottaviano［4］就认为经济学与地理学需要取长补短、相互发展。由此可见，地理空间因素在区域经济过程中具有非常重要的作用［5］。

基于以上理论分析，需要研究的是定量的分析我国不同区域间民生要素是如何影响区域经济增长的。但是目前系统研究的文献较少：张国献(2011)等基于统计数据分析了改善民生是实现全社会包容性增长的核心；金碚(2011)对民生的经济学性质进行了论述，将不同市场体制假设下的民生进行了分析，民生的改善需要建立和健全能够持续而广泛地改善民生并获得民众支持的经济机制以及与之相适应的社会和政治体制。此类文献基本是一些政策建议以及理论层面的分析，并没有实证分析。在具体对民生各要素进行分析时，主要研究有以下几类：基础设施与经济增长的关系研究(刘生龙、胡鞍钢，2011；王任飞、王进杰，2007；路家峰、李静，2006)；医疗与经济的关系研究(曹东勃，2010)，教育与经济增长关系的研究(朱迎春、王大鹏，2010；毛盛勇，2009；刘晔、黄承键，2009)，社会保障与经济增长关系的研究(张向达、李宏，2010；董拥军、邱长溶，2007；许晓茵、韩丽妙，2006)，收入分配与经济增长关系的研究(孙文基、李建强，2011；曹裕、陈晓红、马跃如，2010；许冰、章上峰，2010)；这些研究只是基于民生要素的某一方面对经济的影响进行分析，并没有宏观把握，且大多基于时间序列分析的计量方法，并没有考虑空间因素。目前基于空间影响的相关文献较少：骆永民［6］基于空间面板计量模型对我国城乡基础设施差距的经济效应进行了实证分析，最后得出本地区农村基础设施的落后会导致相邻地区的农产品涌入本地市场，从而有利于相邻地区的农业发展而不利于本地农业的发展；胡鞍钢、刘生龙［7］基于空间计量模型验证了交通运输对中国经济发展的外部溢出效应；此类研究大多是关于交通、基础设施的空间影响。中国区域地理条件、经济、社会等空间因素差异显著，这种差异使得民生要素在区域间分布的不均衡，同时造成区域间民生要素对经济的影响的差异，传统的理论以及计量方法对于区域研究具有一定的局限性。因此，非常有必要纳入地理空间因素，基于空间计量模型来考虑各个变量因素对被解释因素的影响作用。

三、模型构建

(一)面板数据计量模型

民生的改善政府占取主导地位，因此，依据2012《中央经济工作会议》中民生的相关内容以及相关文献［8］中对民生指标的建立，并且考虑数据的可得性、相关要素占取的权重及其空间的关联性，基于柯布—道格拉斯(Cobb-Douglas)生产函数框架：Y=AKαLβ，即影响产出(Y)水平重要因素包括资本(K)投入和劳动力(L)投入，为了更好地建立空间面板数据模型，首先建立标准面数据，对其变量关系进行有效的分析描述，以各地区GDP作为被解释变量，医疗卫生(Medical and Health Care，简称MHC)、教育(Education，简称ET)、交通运输(Transportation，简称TT)、环境保护(Environmental Protection，简称EP)、社会保障与就业(Social Safety Net and Employment Effort，简称SSE)的支出以及就业人数(Quantity of Employment，简称QE)作为解释变量，则考虑一个标准的面板数据模型，则可以用以下公式表示：

我们对其两边同时取自然对数，则变为经验分析函数模型：

其中，αi表示第i个地区的医疗卫生对该地区经济增长的弹性系数；下标t表示时间； βi、γi、ηi、 χi和δi分别表示教育、交通运输、环境保护、社会保障与就业支出以及就业人数的弹性系数；μit表示残差项。

(二)空间面板数据模型建立

1.空间权重矩阵的构建

在区域间影响因素研究中，将空间效应引入其研究过程。在建立空间计量经济模型进行空间统计分析时，一般要用空间权重矩阵W来表达空间相互作用［9］。

根据相邻标准，我们可以将Wcont定义为二进制权重矩阵：

式中，i=1,2,…,n；j=1,2,…,m；m=n或m≠n，列出二进制权重矩阵后，最后将其行标准化，使得其各行元素之和为1。

2.空间自相关模型检验

全域空间自相关(Global Spatial Autocorrelation）是从区域空间的整体刻画区域经济发展的空间分布情况。在实际的空间相关分析应用研究中，Moran’s I指数主要针对于全域空间相关性分析。Moran’s I定义如下：

如果Moran’s I的正态统计量的Z值均大于正态分布函数在0.05(0.01)水平下的临界值1.65(1.96)，表明实际GDP在空间分布上有着明显的正向相关关系，正的空间相关性代表相邻地区的类似特征值出现空间依赖性。

3.空间面板溢出效应模型

前面我们建立了标准的面板数据模型，但是此模型只能研究本地区的民生要素投入对本地区经济的影响效应，但是本地民生要素资本(包括医疗卫生、教育、交通运输、环境保护和社会保障与就业)对外地(相邻区域)经济增长的作用并没用考虑，为了更好的研究区域间经济发展的影响效应，我们将空间维度添入面板数据模型，建立空间面板数据模型。

本文运用新古典经济增长理论，添入外地(相邻区域)民生要素加入前面的面板模型(1)中：

式中OKit表示其他地区(相邻区域)民生要素，其他变量与(1)式中变量含义相同。民生要素对区域经济增长的溢出效应作用通过这个变量来衡量，它描述了区域间的各种经济联系，OKit具体结构为：

其中，N为空间权重矩阵中与区域i相邻的区域数目；wj为对应的空间权重元素值；PEj为相邻的第 j个区域的民生要素资本。

四、实证分析

(一)数据说明

本文采用年度数据，考虑到数据的可得性与计算的有效性，西藏不在计算范围内，同时考虑到地区经济的空间相关性，台湾、香港以及澳门也不在计算范围之内，选取中国内地30个省、市、自治区2007-2011年①面板数据来分析区域间民生要素对经济增长的影响，现对选取的变量解释［10］如下：

1.经济增长指标

本文使用实际GDP作为经济增长指标，所有区域名义产出均已通过居民消费者物价指数(CPI)平减为以2000年为基期的实际产出，当年的名义GDP来源于2007-2011年各年的《中国统计年鉴》，在《中国统计年鉴》中各省的CPI居民消费价格指数是以上年100元给出的，因此必须将其换算为以2000年为100的价格指数。

2.劳动力指标

本文使用全国各省、市、自治区的就业人数数量作为劳动投入的数据，数据来源于各年《中国统计年鉴》，就业人数采用年末数。

3.民生要素指标

本文选取医疗卫生、教育、交通运输、环境保护、社会保障与就业支出，同时选取了外地(相邻区域)民生要素资本，一方面来研究本地民生要素对本地经济的贡献率，同时研究外地(相邻区域)民生要素对本地经济的空间溢出效应。

(二)实证结果

为了便于数据的可比较和减少异方差，所有数据均采用自然对数形式。数据使用MATLAB7.0计算得出，Moran’s I散点图使用空间统计分析软件GEODA绘制。

为了更准确地反映省域经济发展水平，使得其具有可比性，我们使用实际人均GDP来分析其空间相关性。

表1 2007-2011年中国30省份实际人均GDP的Moran’s I统计指标

从表1我们可以看出，实际人均GDP的Moran’s I均为正值，从2007年0.4136上升到2011年的0.4531，呈现逐年上涨趋势，可以看出，省域实际人均GDP在地理上具有空间自相关性，从Moran’s I的检验值Z值也可以看出，其值均为正，且Z值的P值均小于显著性水平0.05，表明从2007—2011年实际人均GDP这一指标存在正的空间自相关，且均为显著，相似的观测值趋于空间聚集。

图2是2007-2011年实际人均GDP的Moran’s I的比较图，2007-2011年浙江、辽宁、北京、天津、福建、上海、江苏7个省域位于第I象限，是高—高的正自相关关系的集群(HH)；江西、吉林、黑龙江、海南、安徽、河北6省域在第II象限，为低—高的负空间自相关关系集群(LH)；云南、新疆、四川、陕西、山西、青海、宁夏、湖南、湖北、海南、贵州、广西、甘肃、重庆14省域位于第III象限，同样是低—低的空间自相关关系的集群(LL)；山东、内蒙古和广东位于第Ⅳ象限，为高—低的空间自相关关系(HL)，海南同时跨了第II和第III象限。通过散点图我们更能清楚地看出实际人均GDP的分布呈现更强的区域性，即第I象限实际人均GDP较大，而第III象限实际人均GDP较小，东中西区域实际人均GDP逐级下降的轮廓已经比较明显。

图2 2007-2011年人均GDP的Moran’s I散点图比较图

表2给出了运用面板数据OLS方法、固定效应模型和随机效应模型对式(2)进行估计的结果及其检验值，我们可以看出运用面板数据OLS方法得出的民生要素的产出弹性普遍要比运用固定效应模型和随机效应模型得出的产出弹性要大，这是由于面板数据OLS方法本质上仍是一种时间序列的处理方法，这种方法仍然没有考虑序列可能存在的“伪回归”问题，因此估计结果会偏大，并不是面板数据回归的正确方法。我们应接受采用固定效应模型与随机效应模型的备择假设，从Huasman检验值看出基于二进制空间权重矩阵面板数据模型的Huasman检验值为：-121.93，采用接受随机效应模型。

表2 二进制空间权重下估计结果

从随机效应模型所估计的结果来看，基于二进制的空间权重矩阵估计的医疗卫生、教育、交通运输、环境保护、社会保障与就业支出和就业人数的产出弹性差异较大，分别为：0.2133、0.3363、0.4556、0.0165、0.01122和0.6124，即每种要素分别投入1元，会使实际GDP增加0.2133元、0.3363元、0.4556元、0.0165元、0.01122元和0.6124元，可以看出就业人数的产出弹性是最大的，其次分别为交通运输、教育、医疗卫生、环境保护以及社会保障与就业支出，这五大民生要素资本是驱动经济增长基本要素资本，表明中国经济仍处于一个劳动力驱动经济增长与资本驱动经济增长并重的阶段。经二进制空间权重转换过的外地民生要素投入的产出弹性为-0.03859，即外地民生要素每增加1元，本地经济将减少0.03859元，可见外地民生要素投入对本地经济增长具有负的空间溢出效应。这也说明本地要素的投入一方面促进本地经济的增长，另一方面会对外地(相邻区域)经济具有负的空间溢出效应。这说明区域经济表现为空间聚集特征，区域间交通运输业的发展促使本地劳动力在内的各种民生要素流向发达地区使得本地经济发展受到限制。