自然资源、地理位置与经济增长——基于2000—2010年省级面板数据的分析

李 强,徐康宁,魏 巍

(1.东南大学 经济管理学院,江苏 南京 210096; 2.安徽财经大学 经济学院,安徽 蚌埠 233030;3.安徽财经大学 工商管理学院,安徽 蚌埠 233030)

一、问题的提出

传统的经济理论认为,丰裕的自然资源对一国的经济增长具有促进作用。然而,自20世纪中叶以来,世界上资源丰裕经济体的经济发展陷入停滞状态,而资源匮乏经济体的经济却得到快速发展。Auty(1993)[1]首次提出了“资源诅咒”概念,即丰裕的自然资源并不是一国经济增长的有利条件,反而是一种负担。Sachs & Warner(2001)[2]的经验研究进一步证实了“资源诅咒”假说是成立的。“资源诅咒”假说在我国内部是否成立,徐康宁和王剑(2006)[3]进行了开创性的实证研究,以中国1995—2003年的省级面板数据为样本,在控制研发经费投入、教育经费投入和对外开放度等因素的影响后,得出自然资源与经济增长呈负相关的结论,并发现密集而过度的资源开采引致的制造业衰退和制度弱化是制约经济增长的主要原因。徐康宁和邵军(2006)等[4-6]学者的实证研究进一步验证了“资源诅咒”假说在我国的成立。与此相反的是,不少学者的研究结论并不支持“资源诅咒”命题,如丁菊红(2007)等[7-8]的研究。

近年来,随着新经济地理学的兴起,地理因素与地区经济增长的关系也吸引了国内外学者的广泛关注。经济学鼻祖亚当·斯密早在18世纪就观察到地理因素对地区经济发展的影响,并对当时中国没有利用东部沿海各省便利的航运条件发展对外贸易表示不可理解。Krugman(1993)[9-10]重新考察了地理因素与地区经济增长之间的关系,提出了两个自然的概念(第一是自然要素,第二是交通区位),并从产业聚集的角度分析了地理因素在地区经济增长中所起的作用。Gallup等(1999)[11]的研究结果显示,热带气候不利于地区经济增长,沿海地区人口密度越大,越有利于经济增长,但距离核心市场的距离对经济增长的影响不显著。Démurger等(2002)[12]研究发现,地理和政策因素对中国沿海地区经济发展同样重要,但是相对政策要素而言,地理因素比政策要素对地区经济增长的影响有长得多的滞后效应。许政等(2010)[13]基于我国286个地级城市17年面板数据的研究表明:到大港口的地理距离与中国城市经济增长呈“∽”型关系,正好与新经济地理学的城市体系的“中心—外围”模式相吻合;距离区域性的大城市越近,越有利于城市经济增长,但省际行政边界的存在降低了区域性大城市对外省城市的吸纳效应。孙永平和叶初升(2011)[14]的研究表明,地理区位与自然资源依赖对城市经济增长存在显著的联合影响,优越的地理区位能够减轻由资源依赖而导致的“资源诅咒”效应。李强等(2012)[15]对自然资源的概念进行了扩展,实证研究了自然资源、地理区位和旅游资源对安徽经济发展的影响。

已有文献为本文的进一步研究提供了有益的借鉴。综观国内外学者的研究可知,自然资源与经济增长之间的关系尚存争议,地理因素对我国地区经济增长影响的研究尚处于起步阶段,而鲜有综合考虑自然资源和地理因素对地区经济增长影响的研究。为此,本文以我国31个省区市2000—2010年省级面板数据为样本,对自然资源和地理位置与我国地区经济增长之间的关系进行计量检验,并分别探讨自然资源和地理位置对我国东部和中西部地区经济增长的不同影响。本文将在以下三个方面对现有文献进行扩展:考虑区位因素情况下实证检验“资源诅咒”假说在我国省级层面是否成立;我国不同省域的经济发展是否遵循“中心—外围”模式;海岸线长度(东部地区)以及到达海港的距离(中西部地区)对地区经济增长是否具有显著的影响。

二、假说的提出

在以往的经济增长模型中,从古典经济增长理论、哈罗德—多马模型、新古典增长理论到新增长理论,自然资源的作用没有得到足够的重视,自然资源均未作为内生变量而被引入到模型中。尽管如此,自然资源对一国经济社会发展的作用还是得到了学界的一致认可。一方面,自然资源对经济增长具有促进作用。自然资源的开采有利于形成资本积累,这些积累起来的资本可用于教育、基础设施、公用事业、研发等用途,从而间接地促进经济增长。另一方面,丰裕的自然资源对地区增长也具有抑制作用。自然资源的开发利用通过降低外商直接投资、教育、创新水平而间接阻碍经济增长,自然资源的开采所引起的制造业衰退和制度弱化也是阻碍经济发展的重要原因[3]。丰裕的自然资源对地区经济增长究竟是“福音”还是“诅咒”,学界尚未形成一致性共识。从我国区域经济发展现状来看,资源更为丰裕的中西部地区的经济发展水平却要低于东部地区,基于此,本文提出假说1:自然资源与经济增长呈负相关,“资源诅咒”假说在我国省级层面成立。

20世纪40年代,阿根廷经济学家劳尔·普雷维什提出了“中心—外围”理论,他将世界经济分成两个部分:一是“大的工业中心”,主要生产和出口制成品,由发达国家组成;另一个部分则是“为大的工业中心生产粮食和原材料”的“外围”,主要从事初级产品生产和出口,由发展中国家组成。整体性、差异性和不平等性是“中心—外围”体系的三个基本特征。从我国内部来看,东部地区和中西部地区的经济发展也呈现出“中心—外围”特点。首先,东部和中西部地区都是我国社会主义市场经济体系的一个组成部分,具有整体性特点。其次,东部和中西部地区之间也存在较大的差异性和不平等性。2010年数据显示,东部11个省市GDP占全国国内生产总值的62.4%,而中西部20个省区市仅占37.6%;东部地区进出口总额占全国的90.3%,而中西部地区仅占9.7%;东部地区第一产业占比为6%,而中西部地区第一产业达到13%;东部地区人均年收入为4.55万元,而中西部地区的人均年收入仅为2.38万元[注]数据来源于《2011年中国统计年鉴》。如不加特别说明,本研究中的东部地区包括辽宁、北京、天津、河北、山东、江苏、上海、浙江、福建、广东和海南11个省市,其他省份为中西部地区。。基于以上分析,本文提出假说2:我国不同省域的经济发展遵循“中心—外围”模式。

我国幅员辽阔,不同区域所处的地理位置、所具备的地理条件以及影响地区经济发展的地理因素可能有别于其他地区,因此,有必要分别探讨地理因素对东部和中西部地区经济发展的影响。对于东部省域来说,都为沿海地区(北京除外),但不同省域的海岸线长度存在较大差异,那么,海岸线越长的省份,其经济发展速度是否一定越快?Bao(2002)等[16]以1978—1998年中国省级面板数据为样本,得出海岸线的长度与地区经济增长呈正相关的结论。与此同时,我们也注意到,我国东部地区经济发展水平要高于中西部地区,除广西外的中西部地区海岸线长度均为零,那么以中国省级面板数据为样本来检验海岸线长度与地区经济增长的关系似乎有所偏误,更为合理的做法应该是以东部沿海地区省级数据为样本进行检验。此外,从东部地区经济发展现状来看,东部省域海岸线长度与地区经济增长也未呈现出同方向变动的关系。海南省的海岸线长度达到1 823公里,远大于天津、上海、江苏等地区。因此,海岸线长度与地区经济增长正相关的结果有待进一步检验。对中西部地区而言,距离海港的距离均较远,发展对外贸易业务成本较高,各省域进出口总额占其地区生产总值的比例也不高。初步观察可知,到达海港距离的远近对中西部省域的经济发展影响不大。基于以上分析,本文提出假说3:海岸线长度对东部地区经济增长影响不显著,到达海港的距离对中西部地区经济增长的影响不显著。

三、模型设定及数据来源

1.模型设定

为考察自然资源和地理因素对地区经济增长的影响,参考Sachs & Warner(2001)等学者的经验研究,结合面板数据的特点,本文建立如下回归方程:

yit=β0+β1NRit+β2Geoi+β3Zit+εit

(1)

其中,y为被解释变量;下标i代表省级截面单元;t表示年份;NR代表自然资源丰裕度;Geo代表地理因素;Z代表其他控制变量;ε为随机扰动项;β0～β3为待估参数。

2.变量定义

我国各省域的经济总量、人口规模等总量指标存在较大差距,为使不同地区的数据具有可比性,本研究选取的指标以相对指标为主。

(1) 被解释变量

被解释变量yit为i省在t时期的经济增长率,其计算公式为:

yit=GDPit/GDPi(t-1)-1

(2)

(2) 解释变量

自然资源。自然资源涵盖的内容太多,以至于很难用一个指标来囊括其所有内容。徐康宁和王剑(2006)用采掘业固定资产投资占固定资产投资总额的比例和采掘业从业人员与从业人员总数的比例来表示自然资源禀赋,也有学者用采掘业职工收入占地区职工总收入比例和采掘业总产值占工业总产值比例来表示自然资源禀赋。这里参考徐康宁和王剑(2006)等学者的做法,用采掘业从业人员占从业人员总数来代表自然资源禀赋情况,即NR=采掘业从业人员/从业人员总数。

地理位置。本研究中地理位置主要用以下四个变量来衡量:①到达区域性中心城市的距离(Dist_b)。②到达大型海港的距离(Dist_p)。对于同一省域而言,不同地区到达区域性中心城市和海港城市的距离有所差异,考虑到各省会城市大致位于各省的中心位置,因此这里用各省会城市到达区域性中心城市和海港的距离来表示。在区域性中心城市的选择上,由于长三角、珠三角和环渤海三大城市群已成为带动我国经济快速增长的重要引擎,而北京、上海和广州分别是三大城市群的核心城市,因此,本研究中区域性中心城市用北京、上海和广州表示。考虑到数据的可得性,这里用各省域(省会城市)到达中国十大港口城市[注]由中国国际海运网和大连海事大学世界经济研究所发布的2006中国港口综合竞争力指数排行榜显示,排名前十名的港口分别为上海港、深圳港、青岛港、广州港、宁波港、天津港、厦门港、大连港、连云港港和营口港。的最短距离来表示该省到达大型海港的距离。参考许政(2010)等人的做法,在回归方程中还添加了到达区域性中心城市和大型海港距离的平方项和立方项。③是否是沿海省份的虚拟变量(Coast)。沿海省份赋值为1,内陆省份赋值为0。④海岸线(Coastline)的长度(单位:百公里)。对于同为沿海省份的东部地区而言,不同省域的海岸线长度有所不同,为此,本文加入海岸线长度变量,以此来判断海岸线长度对不同沿海地区的经济增长是否具有显著影响。

(3) 控制变量

除自然资源和地理因素外,还需考虑其他控制变量对地区经济增长的影响。根据经济增长理论和现在文献的经验研究,引入初始经济发展水平、投资、人力资本、产业结构、人口密度等变量作为模型的控制变量。Lgdp表示初始经济发展水平,用各地区2000年的经济总量来表示,用以判断某地区的初始经济发展水平对其经济增长是否具有显著影响,检验中国省级层面经济增长是否存在收敛现象。Invest表示投资水平,用各省域固定资产投资占地区生产总值的比重来表示,用于度量地区经济发展对投资的依赖程度。人力资本也是影响积累地区经济增长的关键因素。本研究中Edu表示人力资本水平,用高等院校在校学生数与人口总数的比例来表示。Indus表示产业结构,用第三产业产值占地区生产总值的比重来表示,用于反映产业结构的差异对地区经济增长的影响。Iden表示平均人口密度(单位:十万人/平方公里),等于各地人口总数与各省域国土面积之比,用于判断人口稠密程度的差异对地区经济增长的影响。

3.数据来源及说明

本文以2000—2010年我国31个省区市数据为样本,面板数据包括31个截面单元11年的时间序列数据,共计341个样本观测值,如无特别说明,数据均来源于《新中国60年统计资料汇编》和《2001—2011年中国统计年鉴》。两地之间的距离用最短高速公路里程表示,本文中距离变量均通过Google地图测算所得(单位为百公里)。沿海省份海岸线长度数据来源于中华人民共和国国土资源部网站上公布的最新修测数据。

表1是对各解释变量的描述性统计,其中值得我国注意的是Y3大于Y2,表明2000—2010年期间中西部地区的平均经济增长速度要快于东部地区,区域间的差距呈现出缩小的趋势。模型中变量之间如果存在严重的多重共线性,那么模型参数估计值将是有偏的。对变量之间的相关性检验结果表明,模型中变量之间的相关性较为理想,特别是本研究中重要变量Y1、NR和Dist_b三者之间的相关系数均较小,说明模型中的变量不存在严重的多重共线性。

表1 变量的描述性统计(2000—2010)

注:Y1、Y2、Y3分别表示全国、东部和中西部地区的经济增长率。

四、计量检验

本文以中国省级面板数据为样本,实证研究之前应判断该采用固定效应模型还是随机效应模型进行估计。由于模型中含有不随时间变动而变动的变量,如果建立固定效应模型进行检验将无法得到那些不随时间变化变量的估计值,因此本文采用随机效应模型进行检验。由于宏观经济时间序列数据往往具有较高的序列相关性,为得到参数的一致估计量,尽量减少估计误差,本文选用的随机效应模型均采用可行的广义最小二乘法(FGLS)进行回归。

1.对假说1的检验

在考虑初始经济发展水平、投资、人力资本、产业结构、人口密度等因素后,模型1检验了自然资源对地区经济增长的影响。结果显示,自然资源的系数为-76.65,并在10%的水平上显著,表明自然资源与经济增长呈负相关。模型2是在模型1的基础上引入了到达区域性中心城市的距离变量和是否是沿海省份的虚拟变量。在考虑地理变量后,自然资源丰裕度与地区经济增长依然呈负相关,在5%的水平上显著,表明“资源诅咒”假说同样成立(实证结果详见表2)。

由于东部地区和中西部地区的自然资源丰裕度差异较大,而且东部省份的经济发展水平要明显高于中西部省份。因此,模型3～7对东部地区和中西部地区分别进行回归,以考察自然资源与东部地区和中西部地区经济增长之间的关系。模型3～4是对东部地区的检验。模型3回归结果表明,自然资源与东部地区的经济增长呈负相关,并在5%的显著性水平上显著。模型4是在模型3 的基础上引入到达区域性中心城市的距离变量和海岸线长度变量,结果显示“资源诅咒”假说同样成立,并在10%的水平上显著。

模型5～7是对中西部地区的检验。模型5为考虑初始经济发展水平、投资、人力资本、产业结构、人口密度等因素的情况下,自然资源与中西部地区经济增长之间的关系,结果表明,自然资源与经济增长呈负相关,显著性水平为15%。模型6 在模型5的基础上加入到达区域性中心城市的距离变量,结果显示自然资源与经济增长呈负相关,并在10%的水平上显著。模型7是在模型5 队建设的基础上加入到达港口城市的距离变量,结果表明自然资源与经济增长虽然呈负相关,但是不显著,而且到达港口城市的距离变量也不显著,这说明到达港口城市的距离对中西部地区的经济增长没有显著影响。

表2 面板数据回归结果

注:括号里数字为每个解释变量系数估计的z值,****、***、**、*分别表示在1%、5%、10%和15%水平上显著。

在考虑初始经济发展水平、投资、人力资本、产业结构、人口密度、地理变量等因素的影响后模型1～6均表明,“资源诅咒”假说在我国省级层面显著成立,同时也证明了假说1的成立。

2.对假说2的检验

在地理变量的引入上,由于东部地区都有大型的港口,但不同省域的海岸线长度却不尽相同。因此我国考虑加入海岸线长度变量,以考察海岸线长度对东部地区经济增长是否具有显著影响。此外,同样引入到达区域性中心城市的距离及其平方项、立方项变量。对于中西部地区而言,我们同时引入到达区域性中心城市的最短距离Dist_b及平方项Dist_b2、立方项Dist_b3和到达中国十大港口城市的最短距离Dist_p及平方项Dist_p2、立方项Dist_p3。由于到达区域性中心城市的最短距离和到达中国十大港口城市的距离具有很强的相关性,因此模型6和模型7分别将其引入模型中进行回归。

模型2、模型4和模型6分别以全国、东部和中西部数据为样本,实证检验了到达区域性中心城市的距离及平方项和立方项对地区经济增长的影响。模型2、模型4和模型6中一、二、三次项系数均显著,都有一次项系数为负,二次项系数为正,三次项系数为负,即呈“∽”型,即在距离北京、上海和广州较近区域内,距离越近,经济增长速度越快;距离北京、上海和广州中间区域,距离越近,经济增长速度反而越慢;在较远端,距离越近,经济增长速度又越快。这与许政等(2010)以中国城市级面板数据的研究结论相类似,也说明了假说2 是成立的。

3.对假说3的检验

模型4对东部地区回归结果显示,东部地区海岸线长度变量系数为负,而且不显著,表明海岸线的长度对地区经济增长影响不显著,即海岸线越长,并不意味着经济增长速度越快。 模型7对中西部地区回归结果显示,到达中国十大港口城市的最短距离Dist_p、Dist_p2和Dist_p3的系数分别为负、正、负,也呈“∽”型,但不显著,这说明对于远离港口的中西部地区而言,距离港口的远近对地区经济增长没有显著影响,也证实了假说3的真实性。

此外,模型2估计结果显示,沿海省份虚拟变量(Coast)系数为-1.74,并在10%的显著性水平上显著,表明2000年以来我国中西部地区经济增长速度要快于东部沿海地区。除模型2之外,其他模型中固定资产投资对地区经济增长的影响均不显著。人力资本变量系数均为正,均在1%的显著性水平上显著,表明人力资本对地区经济增长的促进作用最为稳健。产业结构系数显著为负,表明第三产业占比越高的地区,其经济增长速度越慢,这与Coast变量系数符号的含义相一致。东部地区初始发展水平变量不显著,全国和中西部样本回归结果中其系数均显著为负,表明2000年经济发展水平越高的地区,其经济增长速度越慢。中西部地区人口密度对地区经济增长影响不显著,而全国和东部地区样本回归模型中其系数均显著为负,说明人口密度越大,其经济增长速度越慢。

五、研究结论与启示

本文以2000—2010年省级面板数据为样本,在控制初始经济发展水平、投资、人力资本、产业结构、人口密度等因素后,研究了自然资源和地理位置对我国地区经济增长的影响,主要结论如下:

(1) “资源诅咒”假说在我国省级层面显著成立,与是否考虑地理因素无关,这与徐康宁等学者的研究结论相吻合。此外,人力资本对地区经济增长的促进作用最为稳健。因此,本文的实际意义还在于:对于自然资源丰裕的地区来说,摆脱“资源诅咒”陷阱并不一定要放弃对自然资源的开发与利用,应逐渐降低对自然资源的过度依赖,加快转变经济发展方式,通过资源开采积累起来的资本加大对人力资本和研发方面的投入,提高技术水平和国民素质。

(2) 到达区域性中心城市的距离及平方项和立方项对地区经济增长影响显著,并呈“∽”型,即到达区域性中心城市的距离一次项系数为负,二次项系数为正,三次项系数为负。这表明在距离北京、上海和广州较近的区域内,区域性中心城市对周边地区具有正向的溢出效应。因此,距离越近,经济增长速度越快。超过某一临界值之后,区域性中心城市对周边地区的溢出效应逐渐减弱,而且到达区域性中心城市的距离越近,其经济资源越易于向中心城市流动,从而导致其经济增长速度反而越慢。距离北京、上海和广州的远端区域,到达区域性中心城市的距离与地区经济增长呈负相关,即距离越近,经济增长速度越快,表明区域性中心城市对周边地区的经济增长具有正向的溢出效应,但随着距离的增大,这种溢出效应逐渐减弱直至消失。此结论的实际意义还在于,在我国占国土面积70%以上的中西部地区,缺少能够辐射带动周边地区经济发展的区域性中心城市,因此,为实现我国的区域协调发展,在中西部地区培育若干个区域性中心城市不失为一种明智的选择。

(3) 对于东部地区而言,海岸线长度对地区经济增长的影响不显著,表明海岸线越长并不是沿海地区经济快速发展的充分条件。对于中西部地区而言,距离港口的远近对地区经济增长没有显著影响,表明对于中西部地区而言,由于距离港口的距离较远,发展外向型经济没有任何优势,应重点瞄准国内市场。本研究还表明,21世纪以来中西部地区的经济增长速度要明显快于东部地区,尽管其经济增长率的差异不大,但足以说明我国区域间的差距具有缩小的趋势,中西部地区的“后发优势”在逐渐发挥作用。中西部地区的快速发展在很大程度上得益于国家西部大开发、振兴东北老工业基地和中部崛起战略的实施,因此,政府应该进一步加大对中西部地区的政策支持力度,进而实现我国区域的协调发展。

[1] Auty R M.Sustaining Development in Mineral Economies:The Resource Curse Thesis[M].London:Routledge,1993.

[2] Sachs J D,Warner A M.The Curse of Natural Resources[J].European Economic Review,2001,45:827-838.

[3] 徐康宁,王剑.自然资源丰裕程度与经济发展水平关系的研究[J].经济研究,2006(1):78-89.

[4] 徐康宁,邵军.自然禀赋与经济增长:对“资源诅咒”命题的再检验[J].世界经济,2006(11):38-47.

[5] 罗浩.自然资源与经济增长:资源瓶颈及其解决途径[J].经济研究,2007(6):142-153.

[6] 邵帅,杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J].管理世界,2010(9):26-44.

[7] 丁菊红,邓可斌.政府干预、自然资源与经济增长:基于中国地区层面的研究[J].中国工业经济,2007(7):56-64.

[8] 方颖,纪衎,赵扬.中国是否存在“资源诅咒”[J].世界经济,2011(4):144-160.

[9] Krugman P.First Nature,Second Nature and Metropolitan Location[J].Journal of Regional Science,1993,33(2):129-144.

[10] Krugman P.On the Number and Location of Cities[J].European Economic Review,1993,37:293-298.

[11] Gallup J L,Sachs J D,Mellinger A.Geography and Economic Development[R].Cambridge:National Bureau of Economic Research,1999.

[12] Démurger S.地理位置与优惠政策对中国地区经济发展的相关贡献[J].经济研究,2002(9):14-23.

[13] 许政,陈钊,陆铭.中国城市体系的“中心—外围模式”[J].世界经济,2010(7):144-160.

[14] 孙永平,叶初升.资源依赖、地理区位与城市经济增长[J].当代经济科学,2011(1):114-123.

[15] 李强,徐康宁,魏巍.自然禀赋对欠发达地区经济增长的影响研究——来自安徽的例证[J].财贸研究,2012(4):67-72.

[16] Bao Shuming,Chang G H,Sachs J D.Geographic Factors and China’s Regional Development Under Market Reforms,1978-98[J].China Economic Review,2002,13(1):89-111.