要素—产出类型与经济驱动模式的关系研究——基于我国省际面板数据的实证分析

黄海洋

（五邑大学 经济管理学院,广东 江门 529020）

引 言

中国经济长期保持着较高的增长速度,在世界范围内独一无二,尤其是在2000-2013年期间,中国公布的实际GDP年增长率保持在8%左右。随着经济的高速增长,资本、能源、劳动等生产要素的投入量也在不断增加[1,2]。已有研究表明,要素投入与中国经济增长密切相关,在中国经济增长过程中扮演着关键的角色[3]。李红霞和傅强指出,研究21世纪以来中国要素投入与经济增长之间的作用关系,不但能够明确中国的经济增长方式是否在发生转变等问题,还能够在一定程度上评价一些相关政策的有效性[4]。需要指出的是,由于地区间的资源禀赋差异和社会历史等方面因素的影响,不同地区之间的要素投入与经济增长之间存在差异化关系[5]。因此,在考虑地区差异的基础上,探究要素投入对经济增长的影响,揭示不同区域的经济驱动模式,可为区域要素投入提供针对性的政策建议。

一、文献回顾与评述

针对中国经济高速增长这一现象,诸多学者从要素投入与产出的关系上剖析经济增长背后的原因。具体而言,在能源消耗与产出方面,林伯强通过协整分析,考察了不同时期我国能源需求与经济增长的关系。其研究表明,GDP、资本、人力资本与电力消费之间存在长期均衡关系,并验证了电力消费与经济增长具有内生性,且两者具有相互联系的假说[6]。何则等对能源消费与经济增长的互动关系演进进行了实证分析,结果表明,能源消费总量与GDP增长并非线性相关,而是呈指数型增长曲线。其中,煤炭和石油两种资源构成能源消费的主体[7]。在劳动要素与经济增长方面,王国旗等指出将劳动人数作为劳动力指标存在不合理性。因此,他们以人力资本累计作为一个新的变量,考察其与经济增长的辩证关系[8]。在技术要素与经济增长方面,卢方元等引入R&D作为技术要素的替代变量,对R&D投入要素与经济增长之间的协整关系进行了研究。他们的研究证实了R&D在经济增长中起到正向影响效应,且R&D人员投入的产出弹性大于R&D经费投入的产出弹性[9]。而王班班等把则技术进步分为有偏和中性两种类型,实证分析得出中性技术进步将同比例改变要素的边际生产率,而有偏技术进步将改变能源与其他要素之间的边际生产率[10]。在全要素与经济增长方面,Klein和Ozmueur应用主成份回归法研究了中国GDP与能源、粮食、牲畜、民航、就业、物价和外贸等指标的关系,研究结果支持了中国经济增长的真实性[11]。蔡昉则认为随着劳动成本的提升,资本报酬将出现递减效应,而技术进步和体制改善将成为支撑中国经济转型增长的重要因素[12]。

通过对上述文献进行剖析可以发现,当前研究多是按现有的行政区域将我国划分为不同部分,或者将全国作为整体来考察各要素与经济增长的关系。这种划分忽略了经济变量之间的内在联系,没有考虑到经济变量之间的异质性。基于此,笔者在充分考虑不同地区发展差异的基础上,运用GDP、资本存量、电力能源投入、劳动投入四个经济变量进行K-S聚类分析,把我国30个省区按经济变量划分为有显著性差异的三大区域类型,并进一步考察了不同区域类型的经济驱动模式。

二、数据来源与指标阐释

本文选取的指标主要基于2000-2013年我国各省区GDP产出、资本存量、能源消耗及劳动投入等省级年度数据。考虑到指标的可获性与一致性原则,将港、澳、台地区及西藏筛选去除。数据主要源于于中国官方统计资料,包括 《中国统计年鉴》 （各期）、 《新中国60年统计资料汇编》和《中国工业交通能源50年统计资料汇编》。

以下为各变量详细数据来源及构造：

1.GDP：主要来源于 《中国统计年鉴》 （各期）,考虑到我国近年来通货膨胀等价格因素,为使各期价格保持一致性,本文选取2000年为基期,同时参考各个地区生产总值指数,以替代名义GDP（单位：亿元）。

2.能源投入：林伯强认为电力消费和GDP之间有更强的内在联系,加上电力消费数据较为容易从电脑上读取,可信度比较高。而其他能源投入,如煤炭、石油等存在较大的人为操作因素,其可信度比较低[6]。因此,本文参考林伯强的做法,以各个地区的电力消费作为能源投入的替代变量 （单位：亿千瓦时）。

3.劳动投入：考虑到 《中国统计年鉴》 （各期）中,城镇就业人口从业人数有可能比实际就业人口少,同时各地区的GDP产值主要体现在三大产业上,因此,劳动投入主要以各地区三大产业从业人员数为依据 （单位：万人）。

4.资本存量：资本存量的测算是经济学研究中的难题与重点,本文参照OECD国家的通用做法,采用永续盘存法对各地区资本存量进行核算,其数量关系为：

其中i表示各个地区,t表示时间,Kit表示第i个地区第t年的资本存量,Ki,t-1表示第i个地区第t-1年的资本存量,Iit表示第i个地区第t年的投资。考虑到价格因素的影响,本文把Iit/Pit表示为各地区的实际投资额,Pit为各地区固定资产投资价格指数。αt表示第t年的折旧率,本文参照张军等的做法,取9.6%[13]。由于 《中国统计年鉴》 （各期）上并没有公布各个地区的资本存量,为解决之一难点,本文的资本存量估算参考张军等人的做法,直接引用其所发表的 《中国省际物质资本存量估算： 1952-2000》[13]中的数据, 以 2000年为基期,计算各地区资本存量 （单位：亿元）。

三、基于K-S聚类的三大经济区分类

（一）K-S聚类分析

在上文变量选取的基础上,基于SPSS统计分析软件,采用K-S均值聚类法,将我国各省区的GDP、资本存量、电力能源消耗、劳动投入的年度均值作为特征变量,联合作为聚类变量,并设定分类数为3大子群体,对样本数据进行聚类分析。聚类分析结果如下表1和表2所示。其中,表1显示了每类的最终类中心位置值,表2为类间差异的ANOVA检验,其结果表明所有变量在类间均有显著差异 （p＜0.05）。

表1 基于四变量的聚类：最终的聚类中心变量值

表2 基于四变量在类间差异的ANOVA检验

由表2可以明确看出,GDP、资本存量、电力能源消耗和劳动四个特征变量在3类间差异的ANOVA检验均显著 （p＜0.05）。F值分别高达107.557、70.231、56.287和23.667。这表明GDP、资本存量、电力能源消耗和劳动能显著区分这三个区域。

（二）要素—产出类型结果

把上述聚类结果进行归整,见表3。表4为各区域的描述性统计数据,包括均值、标准差、最小值和最大值。其中,第三个聚类区域各方面较为中庸,无论是GDP、资本存量或是电力能源消耗、劳动投入均处于中间的位置。根据其生产要素及产出特征,本文将其命名为要素—产出中庸区,主要包括安徽、四川、福建、河北、河南、湖北、湖南、上海、辽宁、浙江等。第一个聚类区域的各方面数据表现均最好,其GDP远高于其他两个区域,电力能源消耗为要素—产出中庸区的两倍,劳动投入方面也高于其他两个区域。根据其生产要素及产出特征,本文把这一区域命名为要素—产生富裕区,主要包括广东、江苏、山东等。而第二个聚类区域的各方面数据表现均最差,无论是GDP、资本存量还是电力能源消耗、劳动投入均最低。与要素—产生富裕区相比,其GDP不足其五分之一,资本存量不足其四分之一,电力能源消耗及就业人数方面也远远低于前两个区域。因此,本文将其命名为要素—产出贫瘠区,主要包括甘肃、广西、贵州、海南、北京、黑龙江、吉林、江西、内蒙古、宁夏、青海、山西、陕西、天津、新疆、云南、重庆等。

表3 三大经济区域特征

表4 三大区域的描述性统计

那么,这三大经济区域的要素投入与经济驱动模式之间存在何种关系？为此,笔者接下来进一步开展实证分析,剖析其内在影响关系。

四、要素—产出类型与经济驱动模式关系分析

（一）计量模型

参考产出—投入模型柯布-道格拉斯齐次方程式建模。该初始方程只考虑劳动和资本在经济中的作用,而实际上能源与资本、劳动一样,在经济发展中扮演着重要的角色。为此,本文将能源纳入到该模型中,如下所示：

其中,Yit是地区i时间t的实际GDP；Kit是地区i时间t的资本存量；Lit是地区i时间t的劳动投入；Eit是地区i时间t的能源投入；Ait表示希克斯中性技术进步。其具体函数形式为：

其中,α表示资本的产出弹性；β表示能源的产出弹性；γ表示劳动的产出弹性式；Ait表示技术进步对经济增长的影响。

对上式两边取对数,得到考虑不同省区影响的固定效应回归方程：

（二）面板数据分析与结果

1.面板单位根检验。考虑到数据的非平稳性,为确保估计的有效性,本文首先对面板数据进行单位根检验[14-15]。由于三要素与实际GDP均有时间趋势,所以对这四个变量进行LLC单位根检验时,选用固定效应且具有时间趋势的面板数据模型。检验结果表明,尽管要素—产出平庸区、要素—产出富裕区和要素—产出贫瘠区在零阶单整和一阶单整上有所差异,但三大区域的四个经济变量,包括LnY、LnK、LnE和LnL,均通过了二阶单整检验（p＜0.05）。因此,本文认为三大区域的经济数据均平稳。

2.面板协整检验。面板协整检验分析的是模型的变量之间是否存在长期稳定的关系。本文对LnY、LnK、LnE和 LnL进行 Kao ADF协整检验[14]。结果表明,三大经济区域均通过协整检验（p＜0.05）,LnY、LnK、LnE与LnL之间存在显著的协整关系,即模型的变量之间存在长期稳定的关系。

3.面板回归分析。在排除变量间存在伪回归后,接下来采用固定效应模型进行面板估计,并采用截面加权的广义最小二乘法回归来处理异方差问题,得到三大经济区的回归分析结果,见下表5。

表5 面板回归

经面板回归分析,得到要素—产出中庸区的回归表达式为：

对于要素产出中庸区而言,资本存量和电力能源消耗对产出影响较为显著,影响系数分别为0.499和0.515。而劳动对产出尽管存在正向影响,但这种影响效应并不显著。可见,对这一区域而言,资本存量和电力能源为该区域产出的主要驱动因素。因此,要素—产出中庸区的经济增长模式为资本能源驱动型。

要素—产出富裕区的回归表达式为：

要素—产出富裕区的三大生产要素均显著 （p＜0.05）,GDP、资本存量、电力能源消耗和劳动之间存在长期稳定的联系。其中,资本存量、电力能源消耗和劳动对产出的影响系数分别为0.505、0.409和0.152。可见,对这一区域而言,三种生产要素对产出均具有显著贡献。因此,要素—产出富裕区的经济增长模式为全生产要素驱动型。

要素—产出贫瘠区回归表达式为：

与要素—产出富裕区一致,要素—产出贫瘠区的三大生产要素均显著 （p＜0.05）,GDP、资本存量、电力能源消耗和劳动之间存在长期稳定的联系。其中,资本存量和劳动两种生产要素对产出的影响趋近一致,系数分别为0.571和0.534。与此不同,电力能源消耗的影响系数为0.108,相对于前两者较小。可见,对这一区域而言,资本存量和劳动为主要驱动力。因此,要素—产出贫瘠区的经济增长模式为资本劳动驱动型。

五、结论与讨论

从理论上讲,以上按经济变量内在特征将我国区分三大经济区域,打破了以往研究按行政区域划分的固定模式；从实践上讲,剖析了三大经济区域的不同经济驱动模式,对产业经济政策的制订有相应的指导意义。具体而言,要素—产出中庸区的经济增长较为依赖能源和资本,这两种生产要素是该区域产出的主要驱动因素,因此,这一区域的经济增长政策可考虑向能源和资本适度倾斜。与此不同,对于要素—产出贫瘠区而言,资本和劳动对产出影响较为明显,而能源的影响效应则较小。因此,加大资本投入和劳动投入可更有效率地提高该地区的经济增长速度。相对于前两个区域,要素—产出富裕区的经济增长模式为全生产要素驱动型,资本、能源和劳动具有明显的贡献。这也在一定程度上解释了该区域为什么比前两个区域更加富裕。其经济增长政策需要同时考虑向三种生产要素倾斜。