自然资源与经济增长关系的实证分析——基于安徽省“资源诅咒”的验证

（淮南师范学院，安徽 淮南32038）

Auty首次提出“资源诅咒”（Resource Curse）命题，即丰裕资源并不能促进经济增长，反而是一种限制[1]。当前国外的研究基本得出以下一致命题（Sachs,J.D,Warner,A.M，1995）：开发自然资源产生的对其他要素的挤出效应会间接对经济增长产生负效应。近年来国内实证分析自然资源禀赋与经济增长关系的文献日益增多，徐康宁等与胡援成等验证了“资源诅咒”效应在我国的存在性[7,8]，也有些学者得出相反的结论。本文通过对国内外文献进行综述过程中得知，国外学者对“资源诅咒”这一命题的研究，放在跨国的大样本数据上，以国际层面的研究为主，主要涉及存在性验证和传导机制等方面。国内学者侧重从省级层面上展开，大多以省际面板数据作为研究样本，对“资源诅咒”效应的规避措施以及资源型城市转型问题的研究。国外学者“资源诅咒”的研究已经相当于国内来说较为成熟，其较多地运用传统的回归分析法验证“资源诅咒”命题，国内学者也基本运用此实证方法检验该命题，关注也相对较晚。国内外研究成果中，关于省内各市资源诅咒命题的实证分析较少，对安徽省是否存在资源诅咒命题的研究至今还没有。因此，本文通过实证研究安徽省16个城市间面板数据验证“资源诅咒”命题的存在性，从而为研究安徽省资源型城市如何实现可持续发展，产业如何实现转型升级提供一定的政策建议。

一、安徽省经济发展及资源禀赋

安徽省有11个国家级资源型城市（颍上县、宿州市、亳州市、淮南市、滁州市、池州市、宣城市、巢湖市、淮北市、铜陵市、马鞍山市），2017年安徽省全年生产总值达到27518.7亿元，比2016年增长8.5%。

第一产业增加值为2611.7亿元；第二产业增加值13486.6亿元；第三产业增加值11420.4亿元。三次产业结构由上年的10.5：48.4：41.1调整为9.5：49：41.5，其中工业增加值占GDP比重为41.8%。人均GDP44206元，比2016年增加4645元。2017年全省能源消费量13051.9万吨标准煤，比2016年增长2.8%。全省电力消费量增长7.1%。单位GDP能耗比2016年下降5.3%。

当前，安徽省已发现的矿种为128种，查明资源储量的矿种共有124种 （含亚矿种），能源矿种为6种，金属矿种为23种，非金属矿种93种，水气矿种2种。新增查明资源储量的大中型矿产地8处。从表1以及安徽当前探明储量的资源可以看出，安徽省较之很多省市经济排名靠后，作为资源大省的安徽省从省际层面上是否存在“资源诅咒”？同时，安徽省省内矿产资源丰富，反观经济增长，合肥、芜湖经济增长迅速，从直观的观察来看，矿产资源丰裕的“两煤一钢”城市经济排名却在合肥、芜湖蚌埠之后，安徽省是否存在“资源诅咒”问题？这将在文中第二部分进行实证分析。

表1 全国2015—2017年主要省份排名

二、安徽省是否存在“资源诅咒”命题验证

本文通过上述对安徽省整体经济及资源禀赋的描述分析，发现安徽省资源分布并不集中，各市都有资源分布。下面我们将进一步利用描述性统计分析和计量经济模型分析安徽省各市间是否存在“资源诅咒”效应。

（一）描述性统计分析

本文进行描述性分析之前，首先确定资源丰裕度指标，本文测算自然资源禀赋的方法是主流方法中第二种——在产业结构层面上对自然资源丰裕度进行估算2。下面我们将分别对安徽省16个市2012-2016年的年均人均GDP、采矿业固定资产投资比重比重进行排名，从而初步判定安徽省各市间是否存在“资源诅咒”效应。

表2 安徽省各城市采矿业固定资产投资比重与人均GDP排名情况

表1中数据结果是根据安徽省2012-2016年数据计算得知，采掘业固定资产投资总额（万元）/全社会固定资产投资总额（万元）比重的全省各市排名与其几年人均GDP排名完全一致，这说明安徽省近年来经济发展迅速，自然资源开发起到重要作用，尤其是各资源型城市发展基本依据其自然资源，自然资源的丰裕度与经济增长从描述性统计结果来看呈现正向关系，“资源诅咒”效应有可能在安徽省并不存在。

（二）统计计量分析

1、模型设定

“资源诅咒”假说命题的理论基础是经济增长理论，劳动、资本、科技和制度被众多学者认为是经济增长的源泉，应该都纳入区域经济增长模型。本文主要借鉴徐康宁和王剑 （2006）、邵帅和齐中英（2008）文中所使用的模型，构建如下面板数据回归模型

其中，i表示安徽省内各个城市所对应的单位（i＝1，2，…，16）；

T 表示年份（t＝2013，…，2016）；为各城市人均国内生产总值的年增长率；

Re表示自然资源丰裕度；Z表示将要加入到模型中的控制变量所组成的向量集；α0是常数项；α1、α2是系数，ε是随机扰动项。

2、模型变量和数据说明

考虑安徽省各市间经济指标以及相关资源指标、地理环境的差异，为了保证模型的结果有效性及无偏性，本文的自变量均采用相对数值指标，而非绝对数。根据国内外学者对“资源诅咒”假说的研究文献综述，控制变量Z里应包括物质资本、人力资本投资、科技和制度等因素。

表3 模型变量及其涵义

本文所有涉及的变量的具体涵义及度量指标假设符号如表2所示，同时本文对控制变量Z作出界定后，具体的回归模型如下：

本文通过对国内外文献进行梳理发现，国外学者大多集中在跨国层面样本数据量相对来说较大，基本都在20年以上，国内学者研究多集中在省际层面，市际研究较少各城市统计口径存在不一致情况，数据完整性较差，本文在收集数据过程中根据现有可得数据整理出2012-2016年间。因此，研究的面板数据总共包含了2013-2016年16个截面单位（安徽省内16个市）的64个样本。主要数据来源：《安徽省统计年鉴》、《安徽省2017年国民经济和社会发展统计公报》、各城市统计年鉴以及相关政府网站等。

3、计量结果

本文在构建面板数据模型前首先对数据进行相关检验，利用Hausman检验和F检验，对面板模型选择进行相对正确的识别。Hausman检验结果，由于 P值为 0.00266，故拒绝原假设：H0：Ui与 Xit，Zi不相关，该模型使用固定效应模型。一般来说，面板数据经常存在异方差问题。本文将利用 STATA12对面板数据模型进行回归时，对异方差问题也进行了相应的检验和处理，尽而对模型进行回归。本文依次向模型里加入控制变量，逐次回归后得出以下各个控制变量对自然资源丰裕与经济增长关联效应的影响结果，回归结果汇总见表4。

上表回归结果显示，在模型中未添加任何控制变量时，表4第（1）列所示，自然资源丰裕度与经济增长之间呈现正向显著性检验，此结果不足以说明安徽省16个城市间是否存在“资源诅咒”效应，继续加入控制变量进行回归。持续加入控制变量进行回归过程中发现物质资本投资和人力资本投资都是经济增长最重要的动力，二者关系为正，结果与预期相符，且显著通过检验。科技创新水平的提高能显著促进经济增长，，且通过显著性检验，这与内生经济增长理论长期得到的结果基本一致，该理论中指出，人力资本和创新都被视为经济增长的关键性因素。

但是资源丰裕度与经济增长基本呈现正向关系，且系数基本显著，这足以说明资源丰裕度是促进经济增长的关键要素，安徽省并不存在“资源诅咒”效应。制度经济学相关理论强调制度对经济增长具有不可替代的作用。因此，将制度作为控制变量添加到回归方程中。结果如表所示，对经济增长产生正向作用，且系数通过显著性检验。此回归方程中，资源系数符号依然为正，而且能通过显著性检验，进一步说明，资源能促进当地经济发展。

总之，从上述实证结果，除了资源丰裕度变量，其余各项系数符号均符合预期，从R2大小来看，方程基本能对样本作为很好拟合。但是本文前文假设资源有可能对经济产生阻碍作用的命题在此并不成立，模型经过反复修正得到资源丰裕度与经济增长呈现正向关系，实证结果证实安徽省城市间并不存在“资源诅咒”效应。反而是城市发展主导产业基本依靠资源性相关产业，这也同时得出资源型城市在去产能政策背景下如何实现可持续发展，进一步实现转型升级提出难题。

三、结论

本文利用安徽省16个城市的2013-2016年面板数据基本能反映安徽省经济发展与自然资源之间的关系，实证结果表明安徽省不存在资源诅咒现象，反之，安徽省经济近年经济发展依托资源开发，自然资源的丰裕度与区域经济增长呈现正向关系。在“资源诅咒”命题中,因变量选择GDP增长率和GDP总量，得知结果是不同的，发达地区GDP基数一般较高,如广东省和江苏省。资源丰富的欠发达地区,由于经济基础薄弱,GDP基数低，只要国家（物质、人力）资本投入加大,就会有较高的经济增长率,但绝对增量是有限的。本文选取GDP经济增长率作为被解释变量的分析中,使得“资源诅咒”效应的表现受到限制。自然资源对经济增长起到关键性作用，尤其是资源型城市,这与本文第二部分描述性统计结果基本一致，虽然与资源诅咒命题出现相反结果，但是本文结论也极具现实意义。当前，资源过度开发已经导致城市出现经济、生态、社会等一系列问题。面对当前安徽省经济下行压力大，资源型城市实现可持续发展尽而完成产业转型的目标的背景下，如何“去产能”如何破解资源拉动城市经济的关键因素，实现全面建成小康社会迫在眉睫。

因此，要实现安徽省全面建成小康社会，实现城市可持续发展，需要综合调整经济发展的众多要素：进行资源性产业转型升级并延长其产业链，同时提供科技创新优惠政策、鼓励大众创业，万众创新的新发展思路，政府应加大政府和企业的科技技术，并为企业发展创造奖励环境，同时更应该通过优化财政支出分配结构，建立完善的法律法规和监督机制，加强对外开放等措施减少资源在经济增长中的关键主体作用。

注释：

①目前学术界对自然资源丰裕度的测算方法，共有3种主流方法：一是直接一用贸易结构测算——计算自然资源产品（或初级产品）的出口密度来对某地区的自然资源禀赋进行估算（Sachs和Warner）。二是在产业结构层面上进行测算，即通过测量资源部门的投入水平或者产出水平来对自然资源丰裕度进行估算。三是直接测量自然资源的储量来反映地区的自然资源禀赋。直接测算自然资源储量理论上最能反映地区的自然资源禀赋，但由于数据往往较难获得，所以经济学者们较少将这一指标用于实际的统计分析。本文利用第二种方法，核算自然资源禀赋。