资源价格波动、资源依赖与经济增长

王 石，王 华，b，冯宗宪

（西安交通大学a.经济与金融学院；b.外国语学院，陕西 西安710061）

一、引 言

发展经济学研究的一个主要论题是自然资源对经济增长的效应。直观看来，巨大的自然资源会促进经济增长，因为自然资源会增加一国的总财富和购买力。但是粗略地观察世界各国实际，就会发现这个命题并不一定成立，像尼日利亚这样资源极其丰裕的国家，经济发展状况却十分糟糕，而像日本和韩国这些资源较为贫瘠的国家，在过去几十年却经历了经济的快速增长；这导致经济学家们猜想：一国资源财富和经济增长之间是否存在负相关关系，即“资源诅咒”假说。

大量文献对“资源诅咒”命题进行了检验，但很少有学者考虑资源价格波动的约束。实际上，在资源丰裕地区，资源产业在国民经济中占比较高，资源价格变动对当地经济增长会产生较大影响：当全球经济处于繁荣期时，资源需求快速上升，导致资源价格与资源产业投资逐渐提高，进而促进该地区经济快速增长。当全球经济处于衰退期时，资源需求萎缩，导致资源价格与资源产业投资下降，进而导致该地区经济增速下降。以中国主要的能源资源煤炭为例，图1展示了煤炭价格波动和煤炭资源丰裕的山西省经济增长之间的关系。由于秦皇岛港是中国现阶段最大的煤炭交易市场，其交易信息是全国煤炭市场的风向标，而大同优混煤又是秦皇岛港最主要的煤炭交易产品，因此本文选取秦皇岛大同优混煤价格作为煤炭价格的衡量，并对其取自然对数，来研究煤炭价格变动与山西省经济增长之间的关系。图1数据来源为：秦皇岛大同优混煤价格来源于海运煤炭网，山西省人均GDP根据各年《中国统计年鉴》相关数据计算得到。

由图1可见，煤炭价格和山西省经济增长在大部分年份呈正相关。以上分析表明，资源价格与经济增长之间可能存在正相关关系，因此在考察“资源诅咒”命题时，如果忽略了资源价格波动约束，就有可能由于遗漏关键解释变量而致使回归结果产生偏误。本文利用中国省际面板数据，考察了资源价格约束下的“资源诅咒”问题，对比了存在资源价格约束和无价格约束两种情形下的各种传导机制，并在此基础上提出了政策建议。

图1 煤炭价格变动与山西省经济增长的关系

二、文献综述

（一）国外研究综述

自然资源和经济增长关系的考察从Sachs和Warner的工作论文开始成为学术研究的热点［1］。随后Sachs和Warner又相继发表了一系列表明“资源诅咒”存在的论文，其研究结果表明，在过去几十年一国自然资源部门规模和经济增长率之间存在负相关关系［2－4］。此后，许多学者就“资源诅咒”问题存在的原因进行了探讨。Atkinson等认为，资源丰裕国家往往会存在资源租金的无效利用与经济资源的浪费，从而造成“资源诅咒”［5］；Bravo－Ortega和De Gregorio将较低的增长归因于资源丰裕地区较低的人力资本积累［6］。

但是随着研究的深入，部分学者开始对Sachs等人的研究产生质疑。例如，Ploeg和Poelhekke证明了在经济增长缓慢国家，自然资源产业往往是仅存的出口产业，因为它比制造业要求更少的人力资本和技术进步［7］。因此，总出口中初级产品占比较高可能是低增长的结果，而非原因。如果资源部门出口份额与经济增长之间的确存在反向因果关系，那Sachs和Warner的研究就会存在内生性问题。

Brunschweiller和Bulte同样质疑了Sachs和Warner的一系列研究，他们认为自然资源出口份额只能作为资源依赖度的衡量，而非资源丰裕度，并且资源依赖度内生于经济增长。他们基于世界银行对各国资源财富研究的数据，采用石油等自然资源的2004年净现值作为资源丰裕度的衡量［8］。显然这一指标要优于Sachs和Warner采用的指标，因为一国的资源丰裕度是由其自然地理状况决定的，且与其他经济增长决定因素不相关，因而不存在内生性问题。

Brunschweiller和Bulte对资源丰裕度和资源依赖度的区分吸引了众多学者的注意。大部分近期的“资源诅咒”研究都严格区分了资源依赖和资源丰裕。但是由于数据可得性，大部分文献仍使用资源依赖度，因为该指标易于量化，但是采用这种测量方式会受到潜在内生性问题的影响。

（二）国内研究综述

国内学者对中国“资源诅咒”问题进行了大量研究。徐康宁与王剑的研究表明，中国省级层面上存在“资源诅咒”问题，并探讨了物质资本投资、制度和“荷兰病”等潜在传导机制，结果表明，制度弱化和制造业“挤出”是经济增长缓慢的主要原因［9］；胡援成和肖德勇利用面板数据门限回归模型发现，人力资本投入不足是省际层面存在“资源诅咒”的关键原因，提高人力资本投入水平，完善金融系统可以有效缓解“资源诅咒”［10］；邵帅等提出了“有条件资源诅咒”假说，利用220个地市级面板数据探讨了资源依赖和经济增长间的非线性关系，结果表明，资源依赖与经济增长和TFP增长之间均存在倒“U”型关系［11］；李伟军和李智的研究表明，知识溢出导致中西部地区“资源诅咒”具有门槛效应，但东部地区却不存在这一效应［12］。

（三）现有文献的问题与争议

虽然国内外学者对“资源诅咒”假说从不同视角进行了大量研究，也取得了丰富的研究成果，但现有研究仍存在以下问题与争议：

1.未考虑资源价格波动影响。前文已提到，资源价格与经济增长之间可能存在正相关关系，因此在研究“资源诅咒”命题时，应考虑资源价格波动的影响，但现有的文献基本都忽略了这一点，这可能导致遗漏关键解释变量而使回归结果产生偏误。

2.部分研究仍存在混用资源丰裕和资源依赖概念的情况。虽然Brunschweiller和Bulte对资源丰裕度和资源依赖度进行了区分，但是国内部分研究仍存在混用资源丰裕和资源依赖概念的情况。实际上，资源丰裕度是一国自然资源丰富程度的衡量，取决于该国的自然地理状况，与经济发展水平等无关；而资源依赖度则是某一经济体对自然资源依赖程度的衡量，不仅与该地区的资源丰裕度相关，还受到该地区经济发展水平、产业结构等的影响。考虑到数据可得性，本文采用资源依赖度指标。

3.未解决资源依赖度指标的内生性问题。囿于数据可得性，大部分文献仍使用资源依赖度，因为该指标易于量化，但是很多文献在采用这种测量方式时，没有解决该指标带来的内生性问题，使得分析结果可信度不高。

4.资源依赖和经济增长之间是否存在倒“U”型关系。以往对“资源诅咒”的研究表明，资源依赖和经济增长之间存在简单的线性负相关关系，但近期有学者指出，资源依赖和经济增长可能存在倒“U”型关系。本文将在考虑资源价格约束和资源依赖指标内生性问题的前提下，探究资源依赖和经济增长之间是否存在倒“U”型、正“U”型或其他类型关系。

三、计量检验

（一）模型设定和变量说明

针对现有文献存在的问题和争议，本文对Sachs和Warner提出的回归方程进行了修改，加入资源价格以及资源依赖度的平方项和立方项，同时考虑经济增长的动态特征，得到如下面板数据动态回归方程：

其中Y表示人均实际GDP，并对其取自然对数，L为资源依赖度①本文选取采矿业就业占总就业比重作为资源依赖度的衡量，因为按照国家统计局公布的行业统计标准，采矿业包括黑色和有色金属矿采选业、煤炭开采洗选业、石油天然气开采业、非金属矿采选业等，较完善的涵盖了资源及其相关的初级部门，因此该指标可以作为资源依赖度的近似衡量。，L2和L3分别是其平方项和立方项，P为资源价格增长率，X为影响经济增长的其他解释变量所组成的向量，i和t分别代表省份和年份，α0～α6为待估参数，vi为各省份特有的影响因素，εit为随机扰动项。

根据方程（1）中α2、α3和α4的符号可以对资源依赖和经济增长之间的关系进行判断：若α2＞0、α3＜0、α4＝0，资源依赖和经济增长之间呈倒“U”型关系，即当资源依赖度低于某一临界值时，资源依赖度的提高可以促进经济增长，此时资源是“祝福”而非“诅咒”，当资源依赖度过高以至于超过该临界值时，就会发生“资源诅咒”现象；若α2＜0、α3＞0、α4＝0，资源依赖和经济增长之间呈正“U”型关系，即当资源依赖度低于某一临界值时，资源依赖度的提高会抑制经济增长，一旦跨过临界值反而可以促进经济增长；若α2＞0、α3＜0、α4＞0，资源依赖和经济增长之间呈现出复杂的“N”型关系，即随着资源依赖度的提高，资源依赖度对经济增长依次表现出促进、抑制、再促进。

对于资源价格，目前并没有一个可以全面描述资源价格变动的综合性指标。Kellard和 Wohar指出，原材料生产者价格指数与采矿业产品价格指数是高度相关的［13］。因此本文采用燃料、原材料和动力购进价格作为资源价格的近似代替，并用统计年鉴中的“燃料、原材料和动力购进价格指数”计算增长率。

根据经济增长理论，我们对向量X中的解释变量选择如下：物质资本投资（K），按照多数文献中的做法，本文用全社会固定资产投资占GDP份额来衡量物质资本投资，显然物质资本投资越多，经济增长越快，因此预期符号为正；人力资本投入（EDU），本文用统计年鉴中的“每万人口在校大学生数”作为人力资本投入的近似衡量，其预期符号为正；对外开放度（OPE），本文采用进出口贸易总额占GDP比重作为对外开放度的衡量，其中进出口贸易总额采用当年平均汇率换算为人民币价格，其预期符号为正；创新投入（RD），采用科研人员就业占总就业份额来衡量，其预期符号为正。按照以往文献，这些解释变量同时也是潜在的传导机制变量。这样，本文最终的回归方程如下：

（二）数据样本

囿于数据可得性，并考虑数据的一致性，本文的研究时期为1993－2012年，西藏和海南由于数据缺失较为严重，因此不在研究范围之内，重庆在1997年从四川省分离成为直辖市，因此本文将重庆与四川数据合并。最终本文使用1993－2012年20年间28个省份的面板数据，样本观测值共560个。相关数据来源于《中国统计年鉴》、《新中国六十年统计资料汇编》、《中国区域经济统计年鉴》、《中国价格统计年鉴》、《中国劳动统计年鉴》。需要说明的是，为了剔除价格因素影响，反映真实的经济运行状况，本文的人均GDP已调整为1992年不变价格下的实际值。本文使用Stata12.0软件进行回归。

（三）估计方法

前文已经提到，现有文献在采用资源依赖度指标时没有考虑该指标带来的内生性问题，致使回归结果可信度不高。在本文中，除了资源依赖度，动态回归模型中被解释变量的滞后项也可能带来内生性问题，这时如果采用普通面板模型回归方法进行估计，其结果可能无法满足无偏性和一致性原则。广义矩方法（GMM）可以解决这一问题，因此本文将使用动态面板GMM估计进行回归分析。在回归过程中，本文将滞后被解释变量和资源依赖度作为内生变量，其他所有解释变量都当作是严格外生的。

在采用动态GMM进行分析时，实际上是将解释变量的滞后值作为工具变量代替原解释变量参与回归，因此估计结果是否有效取决于工具变量是否有效，本文采用两种方法进行识别：第一种是利用Hansen检验判断工具变量过度识别约束是否有效，如果不能拒绝原假设，就说明工具变量的选择是合理的；第二种是采用Arellano－Bond检验差分的残差项是否存在二阶自相关，如果不能拒绝原假设，就说明不存在自相关，可以进行GMM估计。

（四）计量结果及分析

采用动态GMM估计对方程（2）进行回归，结果见表1。首先对模型设定形式进行检验，在表1中，模型1、2、5、6既包含资源依赖度的平方项又包含立方项，用以验证资源依赖和经济增长之间是否存在“N”型或其他类型关系；模型3、4、7、8包含资源依赖度的平方项，用以验证资源依赖和经济增长之间是否存在倒“U”型或正“U”型关系。其次，为了验证资源价格约束是否为“资源诅咒”问题研究的重要解释变量，本文分别在“有资源价格约束”和“无资源价格约束”两种情形下进行计量回归。在表1中，模型1、2、3、4为“无资源价格约束”的估计结果，模型5、6、7、8为“有资源价格约束”的估计结果。最后，常见的GMM估计分为系统GMM估计和差分GMM估计，两者成立的前提条件不同，因而适用情形各异。为了得到最有效的估计结果，本文对每种设定形式都分别采用系统GMM和差分GMM两种估计方法。

表1 “资源诅咒”效应检验结果表

从表1的估计结果可以发现，当不考虑资源价格时，模型1、2、3、4的残差至少在5%的水平上存在二阶自相关，但考虑资源价格后，模型5、6、7、8接受了“扰动项无自相关”的原假设，且资源价格系数都在1%的水平上显著，这说明资源价格的确是“资源诅咒”问题研究的重要影响因素，如果忽略这一点，很可能导致估计结果出现偏误。此外，表1的结果还表明，模型1、2、5、6的资源依赖度立方项的系数均不显著，即资源依赖和经济增长之间不存在“N”型或其他类型关系。综上所述，本文将以包含资源价格和资源依赖度平方项的模型为重点分析对象，采用差分GMM进行估计，结果如模型8所示。

在模型8中，资源依赖度L的系数小于0且在5%的水平上显著，其平方项大于0且在10%的水平上显著，表明资源依赖和经济增长之间呈正“U”型关系，即当资源依赖度低于某一临界值时，资源依赖度的提高会抑制经济增长，一旦跨过临界值反而可以促进经济增长。这一结论没有支持邵帅、范美婷、杨莉莉以及何淳耀等人的研究［14］。资源价格P的系数大于0且在1%的水平上显著，表明资源价格的上升可以促进经济增长，支持了上文的经验分析。物质资本投资、人力资本投入、对外开放度和创新投入等控制变量的系数均大于0且在1%的水平上显著，符合一般经济增长理论。

进一步分析可以发现，本文的研究样本绝大多数落在了正“U”型曲线的左边。由资源依赖度及其平方项的系数可计算出拐点值为7.528 7%，即当采掘业就业占总就业比重低于7.528 7%时，资源依赖度的提高会抑制经济增长，存在“资源诅咒”；当采掘业就业占总就业比重超过7.528 7%时，资源依赖度的提高反而可以促进经济增长，存在“资源祝福”。但在本文的研究样本中，除了1997年及以前的黑龙江，其余省份在所有样本期内资源依赖度均没有达到这一拐点，意味着资源依赖度和经济增长之间虽然理论上存在正“U”型关系，但在中国过去20年间，二者基本上表现出单一负相关关系，这一结论与徐康宁、王剑等大多数学者的研究结论一致。

因此，为了更加准确地估计样本期内各省份资源依赖度与经济增长之间的关系，本文对不包含资源依赖度平方项的模型进行了回归，结果见模型9。由结果可见，资源依赖度系数为负且在1%的水平上显著，说明过去20年间中国省级层面上确实存在“资源诅咒”问题，对自然资源的依赖抑制了经济增长。

四、资源价格约束下“资源诅咒”传导机制分析

本文对Papyrakis和Gerlagh的回归方程加以改进，加入资源价格变量，并考虑动态情形，形成如下回归方程，以考察资源价格约束下资源依赖度与各传导机制变量之间的关系［15］：

其中Z为传导机制变量组成的向量，包括物质资本投资K、人力资本投入EDU、对外开放度OPE和创新投入RD，L和P与方程（1）含义相同。

仍然采用动态GMM估计进行回归，结果见表2。为了分析有、无资源价格约束下各变量传导机制的差异，每个模型都在无资源价格变量（即模型1、3、5、7）和有资源价格变量（即模型2、4、6、8）两种情况下进行回归。计量结果显示，无论是否考虑资源价格约束，本文考察的四种传导机制，即物质资本投资、人力资本投入、对外开放度和创新投入与资源依赖度之间均在1%的水平上显著负相关，这说明资源依赖度的提高会挤出固定资产投资和人力资本投入，降低地区经济对外开放水平，减少创新投入。

对比有、无资源价格约束下各变量的传导机制可以发现，忽略资源价格约束会影响传导机制估计的准确性。具体来讲，对于物质资本投资和创新投入，考虑资源价格后资源依赖度系数的绝对值降低，表明忽略资源价格约束会高估这两种传导机制的影响；对于人力资本投入和对外开放度，考虑资源价格后资源依赖度系数的绝对值上升，表明忽略资源价格约束会低估这两种传导机制的影响。此外，资源价格变动也会对四种传导机制变量产生一定的影响，由模型2、4、6、8可知，资源价格的上升会抑制物质资本投资，促进人力资本投入和创新投入，提高对外开放水平。

表2 传导机制估计结果表

五、结论与建议

本文基于省际面板数据建立回归模型，利用动态GMM估计对资源价格约束下的“资源诅咒”问题进行了研究，结果表明，资源价格波动是“资源诅咒”问题研究的重要影响因素，忽略资源价格波动将会降低研究结果的可信度。在考虑资源价格波动后，发现资源依赖度和经济增长在理论上存在正“U”型关系，但在过去20年，中国各省处于正“U”型曲线的左边，资源依赖度和经济增长表现出单一的负相关关系。本文还对资源价格约束下的各种传导机制进行了考察，结果表明，资源依赖度对物质资本投资、人力资本投入、对外开放度和创新投入四种传导机制都会产生负向影响，且忽略资源价格约束会高估物质资本投资和创新投入的影响，也低估人力资本投入和对外开放度的影响。

本文的研究结论表明，资源价格的确是“资源诅咒”问题研究中的重要影响因素，而资源价格上升也会对经济增长产生一定的促进作用。但是，由于经济周期的存在，资源价格不可能一直上涨，且资源价格往往具有很强的波动性，过度的自然资源价格波动不利于资源依赖地区长期经济增长。有鉴于此，本文提出以下政策建议。

1.积极争取各类资源的定价权。中国虽然是资源的消费大国，也是部分资源的生产大国，但在多数情况下却是国际资源价格的被动接受者。因此，对于矿石、石油和天然气等资源，中国应充分利用买家的优势地位，团结一致，向卖方施加压力，争夺这些资源的定价话语权，以减轻其价格变动对中国经济的影响。对于稀土等中国储量较大的自然资源，应注意控制产量，淘汰效率较低的小型开采企业，避免国内企业之间的恶性价格竞争，以强化中国对这类资源价格的实际控制能力。

2.促进能源消费结构的多元化。如果过度依赖石油、天然气、煤炭等传统能源，当这些能源价格大幅变动时，地区经济也会随之发生剧烈波动，从而不利于经济平稳运行。因此，中国应加快能源消费结构的多元化，制定相关政策，以支持太阳能、核能、风能等新能源的开发和使用。

3.资源依赖地区应注意发展制造业。资源依赖地区应注意把资源部门发展和其他部门的发展结合起来，利用丰厚的资源回报建立发展基金，以促进本地区制造业和其他非资源产业的发展，减少资源价格波动对整体经济的影响力度。另外，资源依赖地区还应加大对本地区生态环境的保护力度，创造良好的营商自然环境。

［1］ Sachs J，Warner A.Natural Resource Abundance and Economic Growth［R］.National Bureau of Economic Research，1995.

［2］ Sachs J，Warner A.Fundamental Sources of Long－run Growth［J］.American Economic Review，1997，87（2）.

［3］ Sachs J，Warner A.The Big Push，Natural Resource Booms and Growth［J］.Journal of Development Economics，1999，59（1）.

［4］ Sachs J，Warner A.The Curse of Natural Resources［J］.European Economic Review，2001，45（4）.

［5］ Atkinson G，Hamilton K.Savings，Growth and the Resource Curse Hypothesis［J］.World Development，2003，31（11）.

［6］ Bravo－Ortega C，De Gregorio J.The Relative Richness of the Poor：Natural Resources，Human Capital and Economic Growth［J］.Resources Policy，2007，45（4）.

［7］ Ploeg F，Poelhekke S.Volatility and the Natural Resource Curse［J］.Oxford Economic Papers，2009，61（4）.

［8］ Brunnschweiler C，Bulte E.The Resource Curse Revisited and Revised：A Tale of Paradoxes and Red Herrings［J］.Journal of Environmental Economics and Management，2008，55（3）.

［9］ 徐康宁，王剑.自然资源丰富程度与经济发展水平关系的研究［J］.经济研究，2006（1）.

［10］胡援成，肖德勇.经济发展门槛与自然资源诅咒——基于中国省际层面的面板数据实证研究［J］.管理世界，2007（4）.

［11］邵帅，范美婷，杨莉莉.资源产业依赖如何影响经济发展效率？——有条件资源诅咒假说的检验及解释［J］.管理世界，2013（2）.

［12］李伟军，李智.知识溢出与资源诅咒假说的门槛效应［J］.经济科学，2013（6）.

［13］Kellard N，Wohar M.On the Prevalence of Trends of Primary Commodities［J］.Journal of Development Economics，2006，79（1）.

［14］何淳耀.自然资源的库兹涅茨曲线：来自中国省级面板数据的证据［J］.中国人口·资源与环境，2013，23（8）.

［15］Papyrakis E，Gerlagh R.The Resource Curse Hypothesis and Its Transmission Channels［J］.Journal of Comparative Economics，2004，32（1）.