基于“克强指数”的国民经济发展因素探析

唐冰

（河海大学公共管理学院，南京210098）

引言

“克强指数”是英国著名政经杂志《经济学人》提出的用于评价中国经济发展的指标，由工业耗电量、铁路货运量、贷款发放量三个指标组成，源于李克强总理2007年任职辽宁省委书记时，习惯使用这三个指标分析当时辽宁省经济状况。但是，这一指标不能反映第三产业发展对经济增长的贡献，而我国国民经济正在实现产业结构调整和国民经济转型，第三产业在经济增长因素中越发显示出重要性。此外，国民经济新常态下的每一个指标对经济发展的贡献率也应该依据近年来的经济数学检验其平稳性和真实性。因此，应该对依托于传统经济增长模式的“克强指数”进行修正。

一、国内外文献综述

第一，工业用电量与经济增长的关系。Glasure&Lee（1997）研究认为，韩国、新加坡的电力费与经济增长之间是双向因果关系；林伯强（2003）构建了基于VAR和VEC模型，研究表明我国电力消费与GDP、资本、人力资本之间存在着长期均衡关系；罗汉武（2009）利用河南省年度数据证明了全社会用电量与经济增长之间存在着稳定的长期均衡关系，在短期内存在从社会用电量到经济增长的单向格兰杰关系；郭鹰（2010）基于浙江省的数据研究得出，工业用电量与经济增长之间呈现正相关，工业用电量对经济增长的弹性系数为1.55的结论；何永贵（2007）建立了GDP与用电量的回归分析模型，得出中国用电量每增长1%则GDP增长1%的结论。

第二，铁路货运量与经济增长的关系。冯艳春（2007）分析了产业结构对货运量的影响，认为第一产业、第二产业和第三产业的发展对货运量具有不同的影响；林航飞（2008）基于上海市数据研究得出，公路货运量与经济增长之间存在长期的均衡关系；熊浩（2010）研究认为，货运量与国内生产总值GDP（取对数）存在长期均衡关系。

第三，银行贷款与经济增长的关系。Levine&Zervos（1998）发现，银行贷款和股票流通性对经济增长有显著而稳定的正效应；蒋晓华（2006）利用VAR模型和VEC模型研究认为，经济增长率和银行贷款增长率之间存在着长期均衡关系；刘恩猛（2007）对天津利用协整分析，发现经济增长和货款之间存在协整关系和双向因果关系；赵庆光（2011）以河南省为例，利用VAR模型研究发现银行贷款与GDP总量不存在长期均衡关系。

第四，三因素对经济增长的共同作用。学者刘慧（2014）从“克强指数”包含的三个经济变量等各方面对我国经济增长的变动进行研究，以工业用电量、铁路货运量和银行中长期贷款作为内生变量，而将影响经济增长的其他诸多变量作为随机项，建立向量自回归（VAR）模型，并且在VAR模型的基础上通过Johansen协整检验、Granger因果检验、脉冲响应函数和方差分解等，最后构建向量误差修正模型（VEC）并进行变量外生性检验，考察和分析经济增长和其三个影响因素间的长期均衡、短期动态及因果关系等。

学者余剑秋（2013）通过建立基于最小二乘法的多元线性回归模型，得出当工业电力消耗量增加1%时，GDP总额会随之变动1.570453515亿元；当铁路运货量上升1个点，GDP总量下降1.2435亿元；当金融机构资金运用各项贷款中，中长期贷款增加1%，居民存款储蓄增加0.264745亿元。

祝煦和黄正勇（2014）基于我国实际经济增长情况，对我国2008—2011年的GDP指标及我国货运量、银行贷款、全社会用电量的实际月度数据做了同比处理，提出“修正的克强指数”并组合得到相应的处理数据，然后根据GDP增长率建立了一元时间序列ARMA模型，引入“修正的克强指数”序列与GDP增长率序列建立了ARIMAX动态回归模型，从而得到以下两点结论：首先，根据ADF检验，我国GDP增长率和“修正的克强指数”四年内的短期月度数据是相对平稳的，并且对“克强指数”进行适当调整后，该指标与我国经济增长有更密切的相关性，修正后更利于对我国经济状况进行分析；其次，我国GDP增长率的单平稳序列可以建立有效的ARMA模型，而考虑“修正的克强指数”与我国GDP增长率的相关性，把“修正的克强指数”平稳序列带入GDP增长序列模型中建立ARIMAX动态回归模型，通过AIC准则和SBC准则比较可知，ARIMAX模型更优。

二、指标构建和数据来源

（一）指标构建

1.“克强指数”指标。“克强指数”指标包括工业耗电量增速，记为X1，与工业增加值相关性较高，反映了工业的繁荣程度；中长期贷款余额增速，记为X2，反映了商业银行的中长期资产负债结构和资产流动性水平，也反映了国民经济核算中的投资一项；铁路货运量增速，记为X3，反映了交通行业对国民经济的贡献。

2.修正的“克强指数”指标。修正的“克强指数”新增两项指标：研究与试验发展经费支出占GDP比重，记为X4；能耗强度，记为X5。

（二）数据来源

本文中数据来源于《2014年中国统计年鉴》中2012年的统计数据。

三、模型设定

（一）“克强指数”参数系数确定

花旗银行运用多元线性回归分析，编制的克强指数公式如下：

国民经济增长率=工业用电量增速×40%+中长期贷款余额增速×35%+铁路货运量增速×25%

本文运用最小二乘法，对参数系数进行了确定，用多元线性回归模型，分析每一个解释变量对被解释变量的贡献度，采用强迫进入方法，结果（如表1所示）。

表2 Coefficientsa

可决系数为0.821，说明该模型解释了绝大部分被解释变量变动的原因；调整后的可决系数为0.641，说明解释变量之间可能存在多重共线性的问题。

据此构建多元线性回归模型：

（二）修正的克强指数新增两项指标相关性分析

1.研究与试验发展经费支出占GDP比重与国民经济增长相关性分析。修正的“克强指数”新增两项指标，即研究与试验发展经费支出占GDP比重与能耗强度，现在对新增的两项指标与国民经济发展的相关性进行分析。

相关系数为-0.561，接受原假设，认为两者并无显著相关关系。另外，相关系数为负数，并不符合实际情况，说明二者影响模式较为复杂，受到多种因素影响（见下页表3）。

2.能耗强度与国民经济增长相关性分析。相关系数为-0.238，接受原假设，认为两者并无显著相关关系。另外，相关系数为负数，说明能耗强度的降低，能够促进国内生产总值的增加（见表4）。

表3 Correlations

表4 Correlations

表5 Model Summary

（三）修正的克强指数指标构建

在原克强指数的基础上，修正的“克强指数”新增两项指标，即研究与试验发展经费支出占GDP比重和能耗强度，据此构建多元线性回归模型，结果（见表5和下页表6）。

从总体来看，可决系数达到0.999，说明模型总体拟合优度高，解释变量的组合，解释了被解释变量99.9%变动的原因，而调整后的可决系数达到99.5%，说明修正后的指标，也能解释被解释变量绝大多数变动的原因，说明多元回归线性模型的效果较理想，多重共线性的问题也不突出。

表6 Coefficientsa

据此，构建多元线性回归模型如下：

结语

本文运用了相关性分析和多元线性回归的方法，对影响国民经济发展的几个因素与国民经济增速的关系进行了分析，在此基础上构建了多元线性回归模型，并据此提出了一些看法和相应的政策建议。

第一，重视科学技术对国民经济发展的关键影响。在多元线性回归模型中，研究与试验发展经费支出占GDP比重这一变量对GDP增速的贡献率最大，达到了42.016。这充分说明，科学技术是生产力各要素中最为活跃、最为关键、最为重要的因素，科学技术是第一生产力。这也启示我们，必须重视科学技术对国民经济发展的关键影响，必须加快研究与试验发展，一方面投入大量经费促进研究与试验快速向前推进，另一方面要建立科学合理高效适应的顶层设计，用正确的制度引领科学技术的发展。

第二，重视节约资源，提高能源效率。修正的克强指数与原克强指数相比，特点在于强化了对节约资源这一指标的考察。以往对国民经济发展的考察，往往只看到了经济发展的数字，而忽视了浪费资源、破坏环境这一现实情况，这无疑是非常不正确的。在中国经济发展的新常态下，必须重视资源和能源利用效率的提高，尤其要重视在第二产业制造业体系中资源和能源利用效率的提高。改变以往粗放的作业方式，用能源效率的提高，促进经济增长，使节约资源成为国民经济发展的新的增长点。

第三，重视交通行业在国民经济体系中的基础性作用。交通行业是我国国民经济体系中的基础，在很大程度上决定了我国国民经济增长的速度，或是成为国民经济增长的瓶颈。因此，必须考虑到交通行业发展对国民经济发展的巨大作用和巨大潜力，推进高速铁路的发展，提高运力，推动工业农业服务业的发展。

参考文献：

[1] 宋向东，郭腾.基于Benford法则的克强指数的可靠性研究[J].经济研究导刊，2014，(31)：6-8.

[2] 张潇方，张应应.克强指数反映中国经济现实状况的优越性研究[J].统计与决策，2014，(22)：30-32.

[3] 吴宇晖，张昱，付淳宇.也谈“克强经济学”[J].华东经济管理，2015，(1)：1-7.

[4] 王浩润，孙英隽.我国股票价格指数与“克强指数”的关系研究[J].中国林业经济，2015，(2)：5-8.

[5] 余剑秋.关于“克强指数”变量对经济增长贡献程度计量研究[J].合作经济与科技，2015，(11)：12-14.

[6] 郭腾.基于Benford法则的克强指数的可靠性研究[D].秦皇岛：燕山大学，2014.

[7] 刘慧.“克强指数”与经济增长的动态关系研究——基于VAR和VEC模型的实证分析[J].商业时代，2014，(1)：11-13.

[8] 晏涛.当前我国宏观经济政策取向研究[J].区域经济评论，2014，(1)：60-64.

[9] 陆伟军，宋泽龙.中国国内生产总值增长率的相关因素分析——基于克强指数的研究[J].商场现代化，2014，(13)：188-189.

[10] 祝煦，黄正勇.“修正的克强指数”与GDP增长率时间序列建模分析[J].洛阳师范学院学报，2014，(11)：110-115.

[11] 黄志敏，慈向阳.“改进的克强指数”与经济增长实证研究——基于“丝绸之路经济带”西北五省面板数据[J].商业经济研究，2015，(31)：55-57.

[12] 董雨，马冰.“克强指数”2.0版本的构造及实证检验[J].经济与管理研究，2015，(11)：12-18.

[13] 高宇旺，王华松，代作松.以工业用电量为主的“克强指数”指标计量分析研究——以山东省为例[J].现代经济信息，2015，(21)：467-469.

[14] 叶允最.广西工业总产值与“克强指数”的关系研究[J].中国证券期货，2013，(6)：186-187.