科技要素投入与地区经济增长
——基于中国城市的实证分析
2019-05-21陈鹏罗芳
陈 鹏 罗 芳
(上海理工大学 管理学院, 上海 200093)
一、引言
无论是新经济增长理论还是发达国家的发展经验都表明,知识和人力资本积累是经济增长最持久的源泉,技术进步和创新是经济可持续增长的重要保证。改革开放40年,中国国内生产总值从1978年的3679亿元增长到2017年的82.7万亿元。林毅夫认为,以年均约9.9%增速保持高速增长的中国经济是人类经济发展史上不曾有过的奇迹(付敏,2012)。但是,传统经济增长模式带来的弊端逐渐显现出来:环境污染严重、资源利用效率低下。当前,中国经济正处在转变发展方式、转换增长动力的关键期,经济增长必须由过去劳动力拉动型向创新驱动型转变,从粗放型、速度型、传统型、高投入、高污染、低效益的传统发展方式转向集约型、质量型、创新型、节约资源、保护环境的科学发展方式。科技创新能力的提升则是解决这一问题的关键。
科技投入与经济增长的关系一直都是经济学、地理学领域的研究重点,本文以中国286个城市①为对象,运用2004-2015年的面板数据,从要素、城市等级、地理空间等不同维度分析科技投入对区域经济增长的影响,就具体区域经济发展而言,科技人力、智力、财力和信息水平哪个更重要?科技要素投入对中国不同等级城市、空间格局的影响有何差异?显然,上述问题的分析,有利于为各地市创新驱动型经济的发展,对提升中国东中西部的科技水平,促进中国整体经济向创新驱动转变,具有重要的理论参考和现实意义。
二、文献回顾
区域经济增长历来都是政府和普通大众孜孜不倦追求的目标,也是经济学界永恒关注的焦点,从早期的哈罗德-多马模型,到Solow的新古典增长理论,再到Romer和Lucas的新经济增长理论模型,都从不同要素投入解释了经济增长。索洛剩余使人们开始思考技术对经济的贡献(Solow,1957),在Romer(1990)的知识溢出模型中,以科技R&D为代表的知识被纳入到传统的C-D函数,就发现知识积累与经济增长存在因果关联,这进一步深化了学者们对经济增长动力的探究。
部分文献主要从企业等微观方面展开分析。Griliches( 1986 )、Clerides et al.(1998)先后就不同国家制造业层面的大样本数据进行分析发现:科技投入对生产力的提高有重要作用,其中R&D投入作用明显,科技投入存在正向的外部性;Frantzen(2000)通过研究OECD国家的经济数据发现,R&D对人力资本有一定正向冲击效应;Sterlacchini(2008)以欧洲国家为案例,研究发现科技R&D经费投入强度和成年人口接受高等教育的比例是GDP增长的关键因素。
国内研究方面主要以国家为对象。陈实等(2017)同时分析了中美日三国不同科技投入对经济增长的贡献。有学者分析了科技特别是电信基础设施的发展对中国经济的影响(郑世林等,2014)。大量实证分析都论证了科技投入对经济增长的正向影响,当然一些新的结论也随之出现。严成樑和龚六堂(2013)、秦宇(2017)论证了不同类型科技投入对经济增长影响的异质性,包括R&D规模和R&D结构对经济增长的正向影响,科技商业化市场化水平的差异推动。甚至一些学者发现科技创新与地区经济增速并不成正比(尤瑞玲、陈秋玲,2017),促进作用也不太明显(马大勇,2013)。从空间地理学的角度来论证二者的关系也是时下研究的热潮。曹贤忠等(2017)基于长江经济带110个地市的面板数据分析发现,R&D投入对中国区域经济增长空间上出现了中西部大于东部的现象;程水红和沈利生(2017)依据新经济地理理论分析了海峡西岸20个地市的知识溢出效应与区域经济增长关系;白俊红等(2017)发现,研发要素的区际流动具有明显的空间溢出效应,且这一效应对中国经济增长产生了显著的推动作用。
综上所述,国内外学者主要从国家和区域层面研究发现科技要素投入对经济增长有很强的正向促进作用,对不同城市的分析相对较少,本文主要利用中国城市的面板数据,将不同类型的科技要素考虑其中,分析当前中国的科技水平与经济增长的关联。
三、计量模型与统计描述
(一)计量模型的设定
地区经济增长受到诸多因素影响,柯布-道格拉斯(C-D)函数是其研究起点:
Y=ALαKβ
(1)
其中,式(1)中Y、L、K分别表示产出水平、劳动力和资本投入;A表示除劳动和资本外其它影响产出的因素;α和β分别代表劳动力和资本投入的产出弹性。此外,本文重在探讨科技要素投入对地区经济增长的影响,以此可以将科技投入要素分离出来,形成新的产出公式:
Y=ALαKβRθ
(2)
式(2)中,R为科技投入要素,根据不同的要素来源,将R分解为科技人力、智力、财力投入和科技信息的发展程度,本文的分析样本主要来自1990-2015年中国286个城市,数据为典型的面板数据,进一步修正有:
(3)
对式(3)两边同时取对数可得:
lnYit=αlnLit+βlnKit+δuDulnRXit+εu,it,u=1,2,3,4
(4)
式(4)中,下标i、t分别表示截面个体第i个地区、第t年;Du为科技要素投入的不同类型,δu为边际影响,ε为随机误差项。此外,为了降低回归结果的误差,还引入了产业结构、政府规模和人力资本等控制变量,最终模型为:
(5)
其中,Zv,it表示控制变量,v=1,2…n
(二)数据来源
数据主要来源于2004-2015年《中国城市统计年鉴》、中国286个城市统计年鉴、国家统计局2009年公布的全国及各省市R&D资源清查公报、各省科技厅科技公报和相关论文,另外对小部分缺失数据采用适当的方法处理。
(三)变量选取与统计描述
对于模型(5),分别用Y、L、K表示各城市的地区生产总值(GRP)、劳动力数量、固定资产投资。老人、小孩等大量剩余人力的存在,使得采用地区人口总量可能会高估劳动要素的边际贡献。采用城镇职工劳动力人数,一定程度上降低了模型估计结果的偏差。而科技投入R被分解为四部分:科技人力投入、智力投入、财力资源投入和信息发展水平。本文正是从科技要素这四个维度来分析,其中人才是根本,是促进科技革命的源泉;智力投入是关键;财力投入是保障,区域信息水平进一步推动技术的发展。基于此,分别选取各地科学研究、技术服务和地质勘查业从业人员、R&D经费支出代表科技人力和财力投入;在智力投入方面,考虑到智力资本是知识经济的基础,而新知识的形成离不开必要的教育,因而选取各地政府财政的教育支出这一指标衡量;科技信息发展程度方面主要选取各地移动电话和互联网的用户,网络技术和通信的发展将社会科技水平推向了新的高度。
此外,为了保证模型的准确性,选取了多个控制变量,这些因素直接或间接影响地区经济增长,包括产业结构、政府规模和人力资本。各地政府财政支出占GRP比重衡量的政府规模是判断地方政府“有为”“无为”的重要参考,政府与地区经济增长有着千丝万缕的联系,如地方官员的任免、政府-企业间的人才配置、政府对基础建设和科教投资都会促进经济增长,过多干预也会产生一定负面影响;各地二、三产业生产值占GRP的比重衡量城市产业结构,二、三产业越发达,工业化和现代化水平越高,经济增长潜力越大;人力资本水平采用各地区高校在校学生数与总人口的比重衡量,接受高等教育是知识转换为生产力的重要途径,进而促进经济增长。主要变量的统计描述见表1。
四、实证分析与时空规律
(一)实证分析结果
1.全样本回归分析
首先,对全样本采用最小二乘法(OLS)、固定效应(FE)和随机效应(RE)模型进行估计。F值统计量拒绝了混合效应模型,豪斯曼检验结果强烈拒绝了随机效应模型,故采用固定效应模型进行估计,结果见表2。
表1 主要变量的统计描述
表2 全样本回归结果
注:其中,*p<0.05,**p<0.01,***p<0.001;括号内为t值;Hausman表示豪斯曼检验的卡方统计值;以下表均如此。
固定效应的估计结果下,根据是否加入控制变量,可分为模型3和模型4。二者的回归结果都清楚表明,科技要素投入与GRP存在显著的正相关,随着科技要素的持续投入,大量新知识和新产品产生,满足社会需求,进而推动经济高速增长。加入控制变量的模型4中的科技要素投入系数分别为0.032、0.258、0.035和0.134,即在其它条件不变的条件下,当科技人力、智力、财力和信息水平每提高1个百分点,经济增长率分别提升0.032、0.258、0.035和0.134个百分点(关于四大科技要素,将在后文给予讨论)。总体上看,科技投入对地区经济增长的影响最大,四者的贡献之和达到了0.459,远高于其他要素投入带来的产出效应。中国经济经过几十年的发展,已经从过去依赖劳动力和资本投入逐渐转移到科技引领经济增长的知识经济时代,经济增长动力的转换,使得中国现代化水平有了显著的提升。
劳动力和资本投入与GRP也有显著的正向性。不过,资本的产出弹性系数比劳动力要高很多,过去十多年,中国各城市经济增长很大程度得益于廉价劳动力和巨大资本的投入,但这两者呈现出的效果却截然不同,前者的产出系数为0.0804,而后者达到0.228,资本投入对中国城市经济增长的贡献更为显著。一方面,中国典型的城乡二元经济结构和工业化超前发展,导致农村剩余劳动力长期得不到转移,多数城市经济以规模化的大工业生产为主,资本在短时间内对经济增长的提升作用比劳动力更明显。另一方面,伴随城市经济发展,资本自身的积聚效应得以释放,企业生产获取更多的利润,资本如同“滚雪球”一样越来越大,而工资的刚性使得经济增长过程中居民的实际所得并未增加,劳动力对经济增长的贡献也就变得微弱。
有趣的是,政府规模在1%置信水平下与GRP呈现显著的负相关,不过其影响较小。一直以来,虽然中国实现市场经济体制,但地方政府对经济干预依旧较大,过多的财政支出,降低了市场中企业和个人的积极性,导致经济疲软;政府权力过大,从市场经济中攫取更多资源,降低了资源配置效率,市场长期处于紧张状态,从而抑制经济增长(梁平汉、高楠,2017),这也从侧面印证了当前实施的地方政府简政放权的政策,可以增强企业发展的活力,而产业结构的多样化以及丰富的人力资本,则拓宽了创业的选择渠道并解决新企业发展的人才问题,从而推动经济持续增长。
2.不同科技要素投入情况分析
为了更加具体地揭示不同类型科技要素投入对地区经济增长的影响,分别对科技人力、智力、财力投入和信息发展程度四种不同要素样本进行回归,结果见表3。
由表3,豪斯曼检验的卡方统计量显示,采用固定效应模型估计的回归结果更加有效。在模型中,除控制变量政府规模外,其它变量都与经济增长在1%的置信水平上,呈显著正相关。
科技投入等四大要素都能对经济增长产生显著的正向影响,这一点在固定效应模型和随机效应模型中估计结果一样。从单个科技要素来说,智力的产出弹性系数最大,信息发展程度和R&D经费财力投入次之,人力投入的作用最小。造成这种现象的原因可能是:智力投入主要来自于教育支出,这一方面体现了当前政府对发展教育的重视程度,另一方面充分印证了教育在中国近十年经济发展中所起的重要作用。信息的发展程度在经济增长中也相当重要,产出系数达到0.258,显而易见,移动电话和互联网的普及,缩短了人与人之间的时空距离,节约更多的交易成本,大数据、云计算等信息技术对经济发展产生的溢出效应明显。同过去不一样,通过人力投入,比如科技人员的简单堆积已经不能有效地带动经济增长,高水平、高技术的精英人才更受国家和市场的青睐,而教育正是培养顶尖人才的必由之路。
3.不同等级城市分析
按照中国城市等级,对4个直辖市、15个副省级城市、17个普通省会城市以及其它地级市进行回归,固定效应和随机效应的结果如表4,固定效应模型更为有效。
表3 不同科技要素投入回归结果
对于4个直辖市,科技智力投入对经济增长的推动作用最为显著,贡献程度达到0.611。劳动力、资本、科技人力和财力等因素尽管有一定正向效应,但在统计上并不显著。直辖市属于中央政府直接管辖,大量的政策支持使其在政治、经济和文化发展等方面都有独特优势和重要地位。这里教育发达,城市吸引力强,大量高级人才的存在促使新知识不断涌现,经济增长表现出知识驱动。拿中国首都北京来说,约100所高等院校,科技智力投入带来的知识成果能在最短的时间内转换成生产力。
中国副省级城市的经济增长呈现出相对协调发展的状态,各要素对经济的贡献比较均衡。这其中既有广州、深圳这样的一线城市,也有杭州等新兴一线城市,产业结构呈现出以高科技为主的现代化特点,经济发展的潜力无限。除此之外的省会城市,要素的促进作用也与副省级城市相差不大。大多数的地级市,科技的推动作用也占据主导地位,但对资本的依赖程度仍然较大,伴随着大城市大规模的产业转移,不少地级市还以制造业和重工业等为主,传统与现代化并存的局面也就不难解释了。此外,政府规模也对地级市的影响较大,且有微弱的负向作用,各城市经济的增长都离不开政府合理的政策制定和发展统筹,尤其是中小城市对政府的依赖较大。
4.不同地区经济增长分析
中国幅员辽阔,空间上大体可分为东部、中部、西部和东北地区,对所选的286个城市进行分类,各区域内科技要素投入与经济增长关系的回归结果见表5。
表4 不同等级城市回归结果
由表5,四大区域经济增长差异显著。总体而言,科技智力投入、信息水平对GRP有显著的正向推动。科技智力投入对中国中部地区的作用更大,而信息水平则在东部表现得更明显,这两者在中国西部地区的带动作用相对而言要更低一些。而科技人力投入对中国东部和西部均有一定负面影响,二者在统计上呈现出不显著。但这也再次证明了前文的观点,经济的增长不能过度依赖于人才的大量堆积。改革开放使得中国东中部差距快速扩大,大量劳动力流入东部,带来了丰富的人力资源;西部地区由于其特殊性,国家给予大量的人力支持,过量的人才集中造成竞争的加大,一定程度导致经济的不稳定。在10%显著性水平上,中部地区科技R&D经费的支出抑制经济增长,两者的相关性并不显著。东北地区发展总体较为均衡,但产业结构与经济之间并不存在明显的相关性,这在相当程度上揭示了东北地区产业的老化,对经济增长的带动已经不如建国初期,传统企业处在产业转型升级的困境中。
从劳动力和资本的角度看,二者对中国西部地区的经济拉动作用最为显著,占据一半以上的比例,西部地区传统的经济形态仍然占据主导,经济增长主要得益于资本积累和充足的人口红利。最后,政府规模和人力资本对四大区域均未产生积极的影响,其中的原因相对较为复杂,现阶段中国政府结构和高校学生在一定程度上都不适应经济发展的要求,简政放权并培养现代社会发展需求的人才是中国经济改革的关键。
(二)科技投入对城市经济增长的时空分布特征
1.科技投入对城市经济增长弹性的时间分布
从时间角度绘制了历年影响中国城市经济增长因素的弹性系数折线图,图1为产生显著影响的科技要素投入产出弹性系数,图2为社会经济因素的投入产出弹性系数。除政府规模有显著负向影响外,其他均为正向影响,且科技财力投入与产业结构的影响弹性较为稳定。科技智力投入与科技信息发展研究期内波动较大,除2010-2012年间科技信息发展短时间内的影响程度大于科技智力投入外,各年份科技智力的影响程度均居于主导地位。当然,伴随经济的发展,随着时间的推移,劳动力对城市经济增长的影响逐步让位于资本。
表5 不同地区回归结果
图1科技要素投入产出弹性系数折线图
图2 社会经济因素投入产出弹性系数折线图
2.科技投入对城市经济增长弹性的空间分布
结合历年的经济发展数据,分别求出了286个城市不同科技要素投入的弹性系数,并绘制了不同科技投入弹性产出系数的空间分布图(如图3),结合系数数值的大小,将影响程度分为高正向影响、低正向影响、低负向影响和高负向影响四种。整体上,科技要素投入的产出弹性系数呈现正负交织分布的特点。科技人力投入的弹性系数主要体现在低正和低负影响上,就全国而言,两者大体上呈现出条状的间隔分布特征;科技智力投入的弹性系数以正向影响为主,极少数城市为负相关,高正向影响主要集中在泛珠江沿线,教育为代表的财政投入从整体上提升了中国居民的平均受教育年限,从而形成了强大的智力产出推动科技的不断发展;科技财力投入的弹性系数主要以低正向影响为主,其地理空间上分部在中国南方地区,秦岭——淮河一线以北的多数城市呈现低负向影响;科技信息发展的弹性系数也主要体现在低正和低负影响上,高正向影响零星分布,辽东半岛、京津冀地区、长江三角洲则是科技信息产出的高地。
图3不同科技投入弹性产出系数的空间分布图
五、结论与建议
利用2004—2015年中国286个城市的面板数据,基于传统的柯布-道格拉斯生产函数模型,加入了科技投入要素,并将科技分解成四部分,构建了区域经济增长模型,得出如下结论:(1) 从总体上看,科技要素投入与地区GRP呈现显著的正相关,并且现阶段对地区经济增长的影响最大;(2) 从单个科技要素投入来看,智力投入的产出弹性最大,信息发展程度次之,两者均高于R&D经费投入和科技人员投入,区域经济增长对教育和信息发展更依赖;(3) 从中国不同等级的城市来看,科技智力投入对直辖市经济增长的推动作用最为显著,副省级城市和省会城市的经济经济结构分布较为合理,地级城市受资本和政府规模影响较大;(4) 从中国不同地区的发展来看,科技智力投入对中国中部地区的作用更大,而信息水平则在东部表现得更明显,两者对中国四大区域的经济增长推动最为明显。
时间上,除2010-2012年科技信息发展影响程度大于科技智力投入外,各年份科技智力的影响程度均居于主导地位;随着时间的推移,劳动力对城市经济增长的影响逐步让位于资本。空间上,科技智力投入的弹性系数以正向影响为主,高正向影响主要集中在泛珠江沿线,科技财力投入的正向区域分部在中国南方地区,秦岭—淮河一线以北的多数城市呈现低负向影响;辽东半岛、京津冀地区、长江三角洲则是科技信息产出的高地。
在此基础上,结合中国各地经济发展的差异,以及科技教育发展不足等问题,提出以下中国城市发展创新科技型经济的建议:
(1)不同等级城市应紧密合作,直辖市和省会城市在发展自身经济的同时,应向地级市输送资本、技术和设备,产生一定的空间扩散效应,帮助其发展经济,缩小区域差异,形成“点线面”多层次的发展格局。
(2)东部地区要加强与发达国家和地区的信息和技术交流,引进国内外优秀人才,充分发挥其教育和信息技术优势,实现产学研深度融合的技术创新体系,增强对中西部的辐射;中西部地区一方面要承接东部地区的产业,另一方面,在此基础上发展具有地区特色的产业,增强科技竞争力;东北地区重在加强本土产业的转型升级。
(3)各城市在加大R&D经费投入的同时,重点应发展教育,人才的引进和储备是城市未来发展的关键,提高加快教育现代化,提升科技信息化水平,以此提升科技竞争力;同时,要进一步发挥市场作用,弱化政府职能,充分调动本土企业自主研发的积极性。
注释:
①根据中国行政体系划分,这些城市有4个直辖市、15个副省级城市以及267个地级市,其中三沙市(海南)、日喀则和昌都市(西藏)、海东市(青海)、毕节和铜仁市(贵州)由于数据缺失,未包括其中。