财政支出对产业向高技术领域转型的影响力研究

朱立颖 赵宏蓉 常子洋

1.承德石油高等专科学校； 2.中国人民银行承德市中心支行

一、财政支出和经济发展趋势分析

近年来，我国产业结构不断优化，如图1所示，1999年-2019年三次产业中第一产业占比快速缩小，第二产业占比缓慢降低，而第三产业占比不断扩大。图2显示近20年国内生产总值快速增长，资本、劳动①对经济的投入呈现相同趋势，但近年来速度有所下降，而国内生产总值的增长势头不减。说明除去资本和劳动的贡献外，还有其他因素对经济发展起到促进作用，将这部分因素统称为技术贡献。本文将通过测算规模以上工业和高技术产业全要素生产率研究技术要素在经济高速发展和经济结构转型升级中的贡献。

另一方面，加大对科技和教育领域的财政支出是宏观政策中对促进科技进步，提高社会生产力，加快转型升级的重要方面。图3显示2007年-2019年科技支出和教育支出均呈现增长趋势，与经济增长趋势相同。图4为2007年-2019年科技支出和教育支出占比变化趋势，其中教育支出占比先增长后下降，到2019年高出2007年0.93个百分点。科学技术支出占比在初期小幅抬升，继而进入漫长的下降过程，但基本保持稳定，近年来有微小增加，到2019年科学技术支出占比较2007年低0.3个百分点。

数据显示近年来国家财政科技支出和国家财政教育支出的规模不断攀升，但在国家财政支出总额中所占份额增长非常有限。本文将依托于对全要素生产率的测算分离出技术因素的贡献，借助向量自回归模型主要分析教育财政支出、科技财政支出对不同产业的技术贡献的影响程度，进而给出有针对性的政策建议。要素生产率，其中Y为产值，K为资本的投入，L为劳动的投入。A代表除去资本和劳动的贡献，由技术水平的提升导致产出增加的部分。用表示Y、L、K的对数形式，取对数后的C-D生产函数为：

二、全要素生产率的测算

（一）模型形式

其中A的对数形式分解为两部分，分别是待估计的全要素生产率水平值和残差项。

（二）测算方法

采用OP法通过stata软件的opreg命令完成全要素生产率的测算。OP法需要确定如下几个变量：生产总值，资本存量、新增投资、劳动力数量。其中生产总值为被解释变量，劳动力数量为自由变量，资本存量为状态变量，新增投资为代理变量。②资本存量数据和工业的新增投资数据根据固定资产原值、固定资产净值、累计折旧等指标计算。③最后利用固定资产价格指数对各项指标进行平减。

（三）测算结果

对工业和高技术产业1999年到2016年的全要素生产率测算结果如下:

表1 全要素生产率测算结果

核密度图如下：

图5 核密度图

其中tfp_op_01代表工业全要素生产率，tfp_op_02代表高技术产业全要素生产率。图5显示工业全要素生产率的集中程度更高，而高技术产业的全要素生产率更为发散。

表2 TFP均值和年均增长率

高技术产业平均全要素生产率高于规模以上工业，说明高技术产业中技术的作用略高于工业。规模以上工业的全要素生产率年均增长速度明显高于高技术产业，一是由于工业的全要素生产率增长较快，二是因为高技术产业全要素生产率经历了一个先增长后下降的过程，近几年有下降趋势。

三、分工业和高技术产业科教支出对TFP的影响分析

（一）模型形式

采用向量自回归模型测算各项财政支出对全要素生产率TFP的影响，模型形式如下：

（二）指标的选取

2007年财政收支科目实施了较大改革，特别是财政支出项目口径变化很大，采用新的分类指标，与往年数据不可比。通过对中国统计年鉴、中国财政年鉴、中国教育经费统计年鉴、中国科技统计年鉴数据的深入挖掘，选取了高等教育经费支出和财政科技支出分析其对全要素生产率的影响。选取以上指标的原因是以上两项指标出自统计年鉴，属于官方公布数据，不受科目改革影响，具有连续性。

（三）模型定阶

赤池信息准则等显示模型滞后阶数p应选取3阶。

（四）协整检验

基于向量自回归的johansen方法检验结果如下：

依次检验协整关系个数，在检验协整关系个数为2时，迹统计量小于5%置信度之下的临界水平，不能拒绝原假设，认为协整关系成立。

（五）模型拟合

工业全要素生产率向量自回归模型回归方程和脉冲响应分析图如下：

（六）格兰杰因果关系检验

检验结果显示科技财政支出和教育财政支出均是工业全要素生产率的格兰杰原因。利用科教支出对全要素生产率建模具有统计学意义。

（七）结果分析

滞后一期科技财政支出对工业全要素生产率有正向推动作用，滞后二期和三期为负向作用。教育财政支出滞后一期、二期、三期均为正向影响。

脉冲响应图显示，短期内，教育财政支出和科技财政支出的冲击均为正向冲击，其中科技财政支出的冲击较教育支出更大。教育支出的冲击在短期内3年作用达到峰值，科技支出的冲击在短期内2年左右达到峰值，比教育支出反应更为迅速。长期来看，各项财政支出的冲击影响逐渐趋于零，明显的冲击作用大概在6到7年后开始消失。这说明短期内科技支出对工业全要素生产率的提升影响更大，影响速度更快，而长期来看教育支出和科技支出的影响较为均衡，作用时间也大致相同，长期效应均不明显。

高技术产业全要素生产率向量自回归模型回归方程和脉冲响应分析图如下：

脉冲响应图显示，短期内，科技财政支出和教育财政支出对高技术产业模型的冲击模式具有较大差异。科技支出在较短时间内出现峰值后冲击减弱，以较快的速度向x轴趋近，而教育支出的冲击从零开始逐渐上升，短期内出现持续攀升的趋势，但冲击较为缓和。长期来看，教育支出的冲击作用持续了较长时间，大致在10年后才逐渐趋近于x轴，而科技支出的冲击大致在5年后就已经非常接近于零了。这说明教育支出和科技支出均对高级术产业全要素生产率的提升有明显的推动作用，教育支出的影响会在未来较长一段时间内发挥作用，而科技支出的影响集中在较短的时间内，长期影响不明显。

四、主要结论和政策建议

（一）主要结论

总体上，教育支出和科技支出对于提高全要素生产率具有正向推动作用，一个单位财政支出对工业模型的冲击相较于对高技术产业模型的冲击更为突出，表明财政投入对工业的作用力更为显著，回报更为突出。而对于高技术产业，财政投入对产业的拉动效果有限。

分指标看，科技支出相较于教育支出，对全要素生产率的提升作用表现的更为迅速和显著，短期效应较为明显。分产业看，对技术要求更高，依赖更强的高技术产业而言，教育支出提升技术效率的长效性更为明显。

（二）政策建议

1.保持现有教育科技财政支出规模并适度提升，促进工业整体价值创造能力的提升。通过本文分析可以看出财政支出对产业技术效率提升确有正向推动作用，因此应当在保持现有的财政科教支出规模，延续产业发展良好势头的基础上进行行业差异性的深入分析，针对不同行业特点，有的放矢，适度提升科教支出规模。

2.以产业升级目标结构为导向，加大相关高技术产业教育领域财政支出。可通过促进产教融合、高校创新成果转化等政策鼓励高校对企业形成智力支撑，优化合作机制，促进科技成果的产业化，提升科技成果的价值增值速度，调动科研工作者的积极性。同时鼓励大学生创新创业，给予一定的财税优惠，延长财政支持时间，同时健全监督机制，保证财政支出调动经济创新发展的效果。

3.对于短期内技术效率亟待提升，发展前景良好的相关产业可以考虑增加科技投入。在目前鼓励科技创新、成果转化、注重研发的基础上可以考虑对中小企业、新兴企业、前沿行业的监督追踪，优化奖励机制，融通筹资渠道，推进政策改革，提升财税支撑，促进科技进步。

资本项选取新增固定资产投资指标，劳动项选取劳动力（万人）指标，两项数据均出自国家统计局年度数据。

生产总值和劳动力数据出自中国工业统计年鉴和中国高技术产业统计年鉴，由于2011年之后不再公布工业总产值，以规模类似的工业销售产值替代。高技术产业的新增投资数据取自中国高技术统计年鉴。