产业结构升级影响因素的实证分析
2016-07-18潘团
潘 团
(安徽财经大学 经济学院,安徽 蚌埠 233030)
产业结构升级影响因素的实证分析
潘团
(安徽财经大学经济学院,安徽蚌埠233030)
摘要:产业结构升级是转变中国经济发展方式的重要途径,也是实现经济能够持续健康发展的内在要求。选取中国2004-2014年30个省级面板数据构建影响产业结构升级的因素指标体系,采用面板单位根、协整和Granger因果检验分析指标数据的平稳性和长期趋势,并通过FMOLS对模型进行估计,研究发现:长期内,劳动力、资本、技术产出、消费水平、政府职能、外商投资、环保投入、能源投入与产业结构升级互为因果关系;劳动力、资本、政府职能和环保投入与产业结构升级存在正相关关系;而技术产出与外商投资对产业结构升级影响并不显著,消费水平和能源投入对产业结构升级存在负向影响关系。
关键词:产业结构升级;面板单位根检验;协整检验;Granger因果检验;FMOLS
产业结构升级是现代经济发展理论的核心,它既是外生介入的手段又是内生作用的中介,因此产业结构升级是转变当前经济发展方式、实现我国经济持续健康发展的一个有效突破点。本文从经济学多角度深入研究产业结构在升级过程中的影响因素,可以更深刻地理解产业结构在升级过程中的经济变量,根据各个变量的作用大小为产业结构升级措施的制定提供一定的参考建议。
一、文献综述
在产业结构升级与经济发展关系问题上,新古典经济增长理论认为:在市场完全竞争的基础上,经济增长就是劳动力,资本和技术三种要素综合作用的结果,并且排斥结构因素在经济增长过程中的作用,而结构主义学派认为在进行产业结构升级过程中,结构因素不仅会促进经济增长,还会产生一种“结构红利”,从而加速整个经济的增长。Hollis B. Chenery(1960)[1]提出调整产业结构是经济发展方式转变的内因,同时提出了“标准结构”这一概念,即通过测度经济的发展程度在不同时期的有关产业结构的标准数据,强调对产业结构变动的各种制约因素的分析,如劳动力规模、资本比例、技术水平等。Walt Whitman Rostow(1988)[2]和Hollis B. Chenery的观点基本一致,认为一些产业可以通过积极引入现代技术要素在提高自身生产率的同时,还能对其他产业产生“扩散效应”进而提高整个经济的增长率,转变当前的生产方式和促进经济的增长。国内学者大都从影响产业结构升级的经济因素进行了大量探索。郭克莎(2001)[3]从结构主义的理论和方法出发,从资源优化配置为切入点提出了中国产业结构存在偏差和升级缓慢是导致经济发展不协调的两个主要因素,提出要通过不断提高全要素生产率来加速产业结构升级。杜传忠,郭树龙(2011)[4]通过对中国30个省市1997—2009年的面板数据研究了中国产业结构升级的影响因素,结论是资本投入、外商投资、需求等因素对产业结构升级具有正向作用,而劳动者数量、技术水平等对产业结构升级并不显著。张翠菊,张宗益(2015)[5]用空间自相关分析方法对1997—2012年中国30个省市的面板数据进行研究,结果显示资本投资、技术进步、城市化等因素有利于我国的产业结构升级,而投资拉动对中国的产业结构升级具有很强的刺激作用。本文在前人研究的基础上,从供需、技术水平和对外开放等多角度深入分析和研究影响中国产业结构升级的影响因素。
二、研究方法
(一)面板单位根检验
由于一些非平稳的序列通常表现出相同的变化趋势,但这些序列本身并没有相互影响关系,也就是“虚假回归”。为了保证估计结果有意义,避免伪回归,对各序列进行平稳性单位根检验。相比于时间序列单位根检验方法,面板数据单位根检验方法主要有LL检验、IPS检验、ADF-Fisher检验和PP-Fisher检验等。
Levin和Lin(1992)[6]提出的LL检验虽然具有更强的应用性,在一段时间里得到广泛使用,适合较大样本检验(时间维度25—250,截面维度10—250),但LL检验还存在着严重的局限性。该检验忽略面板数据各剖析面序列的一阶滞后项系数的差异性,要求零假设和备择假设是相同的 。要求所有纵剖面时间序列或者都含有单位根,或者所有纵剖面时间序列都是平稳序列,显然不符合实际。
Im、Pesaran和Shin(1997,2002)提出了IPS检验,弥补了LL检验的缺陷,不再要求面板数据各剖析面序列的一阶滞后系数必须相同,允许部分剖析面序列含有单位根,最后借助蒙特卡洛模拟,发现在小样本条件下,IPS检验方法明显比LL检验合理。但是,IPS检验同样存在缺陷。IPS检验前提是各剖析面序列保持相同的时间长度和相同的滞后阶数,所以Maddala和Wu(1997)提出ADF检验和PP-Fisher检验解决了这一问题,允许各剖析面序列具有不同的时间长度和不相的滞后阶数,对统计量的滞后长度和样本数大小的选择比较精确稳健。综上所述,对于平衡面板数据,LL检验和IPS检验和ADF检验和PP-Fisher检验没有差异;对于非平衡面板数据,LL检验和IPS检验则无法精准,所以本文采用ADF检验和PP-Fisher检验。
(二)面板协整检验
如果仅用普通最小二乘法和移动平均法来分析非平稳序列,会出现十分荒谬的结论,不相关的变量可能高度相关,存在相关关系的变量却得到毫不相关的结论[7]。传统的办法无法验证非平稳序列短期内各变量的自相关关系,但协整检验能有效区分它们之间的长期均衡关系问题[8],若存在长期协整关系,传统的普通最小二乘法已经无法有效估计模型,可以采用完全修正普通最小二乘法估计(FMOLS)。
单位根检验的步骤是,从原序列开始单位根检验,如果无法拒绝原假设,存在单位根,则对其一阶差分后继续检验,若拒绝原假设,检验终止,反之,继续进行二阶甚至高阶差分后检验,直至平稳。在所有变量序列同阶单整的条件下,可以进行面板协整检验。协整性是指,不存在短期均衡关系的各个经济变量之间,通过某种线性组合之后转化为平稳序列,我们就称这些变量间存在协整关系。由Pedroni(1995)首先提出面板协整检验方法,经过反复的演进,目前主要存在Kao(1999)、Pedroni(2000)、Larsson(2001)三种方法, 当时间长度较大时,这三个检验方法都非常高效。但当时间长度缩小时,这三种的检验效率也开始下降。若时间宽度固定为10时,随着样本量变大,Kao(1999)检验则会比Pedroni检验的效率高。但随着时间长度的增大,Pedroni(2000)检验比Kao(1999)检验效果更好,且它们两者的检验效率都比Larsson检验好。本文的面板数据时间长度为11(2004-2014),因此选Kao(1999)检验。
(三)Granger因果检验
Granger提出,对于面板数据,如果两个非平稳时间变量存在协整关系,那么它们之间至少有一个方向上的Granger因果关系。Granger因果检验能有效验证两个变量之间是否存在因果关系,例如变量X的变动是否会引起Y的变化,X过去的值影响Y变动的程度如何?通过分析解释变量X的滞后项和被解释变量Y之间的回归结果,如果X在Y的回归分析中系数显著,对Y的预测有益,代表“X是引起Y的原因”[9]。本文采用误差修正模型[10]作Granger因果检验:
△lnY=β00+∑pβ01p△lnX1t-p+∑pβ02p△lnX2t-p+…+∑pβ08p△lnX8t-p+θ0ecmt-1
△lnX1=β10+∑pβ11p△lnYt-p+∑pβ12p△lnX2t-p+…+∑pβ18p△lnX8t-p+θ1ecmt-1…
△lnX8=β00+∑pβ01p△lnX1t-p+∑pβ02p△lnX2t-p+…+∑pβ08p△lnYt-p+θ8ecmt-1
三、实证分析
(一)指标的选择及模型设定
通过对产业结构升级的初步分析,在设计指标时考虑到数据之间的可能存在的异方差和共线性,提取供需、技术进步、投资等方面的多个指标作为产业结构升级的影响因素。指标体系见表1所示。
表1 指标名称符号及定义
为了测度影响产业结构升级的各种因素,文章选取了与产业结构升级密切相关的八项指标,并根据道格拉斯生产函数理论建立如下回归方程:
lnYit=∂0+∂1lnX1it+∂2lnX2it+∂3lnX3it+∂4lnX4it+∂5lnX5it+∂6lnX6it+∂7lnX7it+∂8lnX8it+εit
其中,i为省市,t为年份,为随机扰动项。本文选用的数据是2004—2014年30个省市的面板数据(西藏地区因为工业污染治理总额较多缺失,未包含在内),数据来源于中国统计年鉴地区年度数据。通过利用每年美元对人民币的汇率将外商投资企业投资总额换算成人民币,并将工业污染治理完成投资总额单位换算成亿美元,统一单位。
数据预处理的方法:
(二)计量模型的估计
1.面板单位根检验
对产业结构升级程度(lnY)、劳动力(lnX1)、资本(lnX2)、技术产出(lnX3)、消费水平(lnX4)、政府职能(lnX5)、外商投资(lnX6)、环保投入(lnX7)和能源投入(lnX8)及其一阶差分作面板单位根检验,以确定其平稳性。
根据面板单位根检验的结果分析得到(见表2),ADF-Fisher和PP-Fisher检验的结果有很强的一致性,对数序列中只有变量lnY的检验结果拒绝原假设,不存在单位根,其他变量都无法拒绝原假设,存在单位根,均是不平稳序列,所以对数序列不满足平稳性。继续对一阶差分序列作单位根检验,结果表明在10%的显著性水平下拒绝原假设,所有变量都满足平稳性,可以进行面板协整检验。
表2 面板单位根检验的结果
注:检验形式设定为:不含截距项和趋势项,各检验的原假设为含有单位根
*显著性水平在10%的水平上拒绝原假设,**显著性水平在5%的水平上拒绝原假设,***显著性水平在1%的水平上拒绝原假设
2.面板协整检验
KAO协整检验的原假设为:不存在协整关系,拒绝原假设意味着变量间存在长期的协整关系。从表3可以得到,产业结构升级程度(lnY)、劳动力(lnX1)、资本(lnX2)、技术产出(lnX3)、消费水平(lnX4)、政府职能(lnX5)、外商投资(lnX6)、环保投入(lnX7)和能源投入(lnX8)通过检验,拒绝原假设,存在长期协整关系。
表3 面板协整检验结果(KAO)
3.完全修正普通最小二乘法估计(FMOLS)
对于具有长期协整关系的面板数据,直接采用普通最小二乘法估计会产生虚假回归,需要采用完全修正普通最小二乘法估计(FMOLS),能有效解决变量间因序列相关性和内生性而使回归系数出现偏差的问题[11]。
FMOLS协整估计的结果表4得到,技术产出和外商投资对产业结构升级的估计系数不显著,其他变量系数都通过显著性检验,劳动力增加1%,产业结构升级增长0.012 7%;资本增加1%,产业结构升级增长0.022 2%;消费水平增加1%,产业结构升级降低0.047 5%;政府职能水平增加1%,产业结构升级增长0.049 0%;环保投入增加1%,产业结构升级增长0.003 8%;能源投入增加1%,产业结构升级减少0.013 1%。可以看出, 劳动力、资本、政府职能和环保投入对产业结构升级具有正向影响关系,消费水平和能源水平对产业结构升级具有负向影响关系,技术产出和外商投资对产业结构升级影响则不显著。
表4 完全修正普通最小二乘法估计结果
注:*显著性水平在10%的水平上拒绝原假设,**显著性水平在5%的水平上拒绝原假设,***显著性水平在1%的水平上拒绝原假设
4.面板Granger因果检验
建立误差修正模型,得到Granger因果检验的结果如表5所示,得到如下结论:
第一,误差修正项均显著,说明劳动力、资本、技术产出、消费水平、政府职能、外商投资、环保投入、能源投入和产业结构升级都存在长期的Granger因果关系。在长期以内,变量产业结构升级、资本、技术产出、消费水平、政府职能、外商投资、环保投入和能源投入是劳动力投入变动的长期Granger原因;产业结构升级、劳动力、技术产出、消费水平、政府职能、外商投资、环保投入和能源投入是资本投入变动的长期Granger原因;同时,产业结构升级、劳动力、资本、消费水平、政府职能、外商投资、环保投入、能源投入是技术产出变动的长期Granger原因等等。总之,产业结构升级与文中选取的各项影响指标存在长期的Granger因果关系。
第二,根据各差分项的显著性判断,短期内技术产出和政府职能对产业结构升级存在单向的Granger因果关系,产业结构升级对消费水平、政府职能、环保投入和能源投入存在单向的Granger因果关系。即政府职能和产业结构升级互为Granger因果关系,技术产出是产业结构升级的原因,但产业结构升级不是技术产出的原因。
表5 Granger因果检验的结果
注:*显著性水平在10%的水平上拒绝原假设,**显著性水平在5%的水平上拒绝原假设,***显著性水平在1%的水平上拒绝原假设
四、结语
通过以上分析与产业结构升级相关的影响因素和产业结构升级是否存在Granger因果关系,以及对产业结构升级的影响程度等相关重要问题进行实证检验,得出以下结论:
第一,通过Granger因果检验得到,在长期内劳动力、资本、技术产出、消费水平、政府职能、外商投资、环保投入、能源投入与产业结构升级互为因果关系,而在短期内,只有技术产出和政府职能是产业结构升级的原因,其他因素对产业结构升级的短期影响较小。
第二,劳动力、资本、政府职能和环保投入对产业结构升级具有正向影响关系,随着我国政府逐渐转变政府职能建立服务型政府,通过加大对教育的投入力度,尤其是加大对农民工的再培训力度,使得我国的劳动力素质逐渐得到提升,由于资本的利用效率进一步得到提升和政府在节能环保这方面措施的不断完善,在加速我国产业结构升级过程中发挥了重要作用。
第三,消费水平和能源水平对产业结构升级具有负向影响关系,这与我国实际情况相一致,由于我国的生存型消费比重偏高,消费结构不太合理,从而导致居民整体消费水平不高,能源的利用效率提升缓慢,在一定程度上阻碍了产业结构升级的加速。为此我国应该突出扩大居民消费比重和提升能源利用水平在推动产业结构升级方面的作用。
第四,技术产出和外商投资对产业结构升级影响不显著,这是因为我国企业对产品研发投入与西方发达国家相比还存在一定的差距,高科技产品产出量不足,产品的附加值不高,相比于技术产出,外商投资一般都集中于沿海发达地区,造成区域经济发展不协调,而且服务业的贸易比重较小,对我国产业结构升级作用有限,为此我国应该重视对产品的研发投入和成果的转化,有效结合产品的研发和生产,同时积极引导外商投资向中部、西部转移,提高外来资本的利用率加速我国产业结构的升级。
参考文献:
[1]Chenery H B. Patterns of Industrial Growth [J]. The American Economic Review,1960,50(4):624~654.
[2] 罗斯托.从起飞到持续增长的经济学[M].成都:四川人民出版社,1988.
[3] 郭克莎.中国:改革中的经济增长与产业结构变动[M].上海:上海三联书店,1996.
[4] 杜传忠,郭树龙. 中国产业结构升级的影响因素分析——兼论后金融危机时代中国产业结构升级的思路[J]. 广东社会科学,2011,(4):60~66.
[5] 张翠菊,张宗益. 中国省域产业结构升级影响因素的空间计量分析[J]. 统计研究,2015,(10):32~37.
[6] Levin A. ,C. F. Lin and C .S .J. Chu.Unit Root Tests in Panel Data ,asymptotic and Finite-sample Properties[J].Journal of Econometrics, 2002,(108): 1~24.
[7] 王凯,黎友焕. 财政分权与中国经济增长——基于省级面板数据协整和格兰杰因果检验的实证分析[J]. 贵州财经学院学报,2009,(6):76~80.
[8] 黄凌云,陈明强,陈刚. 外商直接投资与中国进出口贸易的区域差异研究——基于省级面板数据的单位根、协整与Granger因果检验[J]. 世界经济研究,2007,(8):57~62,87~88.
[9] Granger, C. W. J. Investigating Causal Relations by Economic Models and Cross-Spectral Methods [J]. Econometrica, 1969, (37): 424~438.
[10] 张望. 中国产业结构升级与就业问题的协整与误差修正模型研究[J]. 哈尔滨商业大学学报(社会科学版),2006,(4):37~41.
[11] 安文强,王相宁.香港跨境贸易人民币结算影响因素分析——基于FMOLS模型和Granger因果检验[J]. 中国科学技术大学学报, 2014,(6):516~522.
文章编号:2095-4654(2016)04-0033-05
收稿日期:2015-12-13
基金项目:安徽财经大学研究生科研创新基金项目“安徽经济转型升级的水平测度与提升路径”(ACYC2015071)
中图分类号:F062.9
文献标识码:A