论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
公共投资取向与经济增长的计量分析
.
内容提要: 2005年,积极的财政政策开始向稳健的财政政策转变,公共投资额可能会缩减,如何选准公共投资方向,使用有限的投资量,获得最大的效果,促进国民经济的增长,是相当具有现实意义的。本文在现有文献研究的基础上,依据中国的实际数据,运用CD生产函数设置模型,对基础设施投资、公共人力资本投资及R&D投资与经济增长的贡献程度进行分析,并对模型进行了检验和修正,结果表明,科教支出对经济增长有明显的贡献。在此结果基础上,我们得出了结论和政策建议,进而为优化投资提供依据。
关键词:公共投资 科技 教育 基础设施 常规投入
文献综述
在市场经济中,经济增长主要来源于私人部门,但公共部门通过外部性作用也能够影响私人部门产出并促进整体经济的增长。因此,在对经济增长进行实证研究时,不但要分析私人部门资本和劳动投人的贡献,也应分析公共部门投资对经济增长的影响。这里所说的公共投资包括政府用于形成基础设施等公共物质资本的投资、用于形成人力资本的公共教育投资以及用于促进技术进步的R&D投资。研究表明,公共投资形成的公共资本是经济增长和生产率的重要决定因素。
关于公共物质资本与经济增长相关性的实证分析,国际研究中主要使用了三种方法:一是生产函数法。在总量生产函数的框架下,Aschauer(1989)利用美国 1949一1985年的数据,估计出公共资本的产出弹性等于0.39,认为该国1971一1985年全要素生产率下降主要是由公共资本增速降低引起的。Cazzavillan (1993 )利用欧洲12个1957一1987年的数据,发现公共资本的平均产出弹性为0.25。二是行为方法,以成本函数和利润函数来分析公共资本对产出的影响。Nadiri和Ma-muneas(1991)估计了美国各级政府的净固定资本存量对12个制造业成本函数的影响,发现其具有显著的生产性效应。Berndt和Hansson(1992)利用瑞典1960一1988年的数据发现,在其他条件不变时,增加公共设施资本会降低私人部门的成本。三是向量自回归VAR法,它可以检验公共资本与经济增长之间的协整关系和格兰杰因果关系。Clarida(1993)对美、法、德、英等国的分析表明,全要素生产率与公共资本是协整的,但因果关系的方向不确定。Christodoulakis (1993)估计了希腊1964一1990年大规模制造业的产出如何取决于交通、通讯和电力方面的公共资本,发现公共资本对产出具有格兰杰因果关系,产出对公共资本则不具有格兰杰因果关系。以上三种分析公共物质资本与经济增长相关性的方法具有一定的借鉴价值。
(转载自中国科教评价网www.nseac.com )
您可以访问中国科教评价网(www.NsEac.com)查看更多相关的文章。
三、模型的参数估计、检验及修正
(一)模型的参数估计及其经济意义、统计推断的检验
数据处理:令Z= Ln Y; Z1= Ln X1; Z2= Ln X2; Z3= Ln X3; Z4= Ln X4;
Z5= Ln X5; Z6= Ln X6
首先对常规投入进行回归,结果如下:
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:13
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -9.895825 3.452529 -2.866254 0.0186
回归结果显示:常规投入的回归系数均在统计上显著。接着对全部变量进行回归由EVIEWS运用OLS方法得到如下结果:
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:17
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -4.139053 6.095302 -0.679056 0.5224
Z1 0.268590 0.200527 1.339424 0.2289
Z2 -0.245005 0.328792 -0.745166 0.4843
Z3 0.046486 0.102730 0.452505 0.6668
Z4 0.312696 0.261878 1.194051 0.2775
Z5 0.130499 0.104958 1.243346 0.2601
Z6 0.848446 0.640943 1.323746 0.2338
R-squared 0.998611 Mean dependent var 11.03054
Adjusted R-squared 0.997222 S.D. dependent var 0.535872
S.E. of regression 0.028245 Akaike info criterion -3.992044
Sum squared resid 0.004787 Schwarz criterion -3.687840
Log likelihood 32.94828 F-statistic 718.8763
从回归结果中可以看出R=0.998611(接近1),回归模型的拟合优度得到提高,但同时也存在很大的问题,三项常规投入的t-检验不显著。从经济学的角度讲,GDP应随常规投入(后三个变量)和公共投入形成的资本及公共投入(前三个变量)增加而提高,故我们对上述模型进行计量经济学的检验,并进行修正,看模型方程是否能得到改善。
(二)计量经济学检验
1、多重共线性检验
计算变量之间的简单相关系数如下:
Z1 Z2 Z3 Z4 Z5 Z6
Z1 1.000000 0.939157 0.973203 0.983964 0.739950 0.968983
Z2 0.939157 1.000000 0.859984 0.877246 0.486182 0.860119
Z3 0.973203 0.859984 1.000000 0.996618 0.834478 0.955141
Z4 0.983964 0.877246 0.996618 1.000000 0.819661 0.966232
Z5 0.739950 0.486182 0.834478 0.819661 1.000000 0.829787
Z6 0.968983 0.860119 0.955141 0.966232 0.829787 1.000000
从上表可以看出回归模型中除Z2 与Z5外,其余变量之间均存在严重的多重共线性,在经济意义上,科教支出、等级公路里程、长途光缆长度、固定资本形成总额、存货增量、从业人员数都与经济的发展密切相关,这使得他们之间的相关性很强。
运用逐步回归法对其进行修正。
运用OLS方法逐个对解释变量回归。(见附表1、2、3、4、5、6)
经分析回模型中国民生产总值对固定资本形成总额X4的线性关系最强,拟合度最好,即
Z = 3.255384446 + 0.7773287047*Z4 (1.1) (科教范文网http://fw.ΝsΕΑc.com编辑)
(14.93724) (35.75357)
R²= 0.991468 S.E.=0.051698 F=1278.317
将其余变量逐一代入上式的如下几个模型:(见附表7、8、9、10、11、12)
(注:|R²表示调整过的可决系数)
Z=2.667860337+0.7069599565*Z4+0.1503265269*Z5 (1.2)
(10.25862) (24.28532) (2.949135)
|R²= 0.994524 S.E.= 0.039653 F=1090.767
Z=-9.895825475+0.5644679149*Z4+0.1173569234*Z5+1.283592828*Z6 (1.3)
(-2.866254) (12.91653) (3.321655) (3.643624)
|R²=0.997542 S.E.= 0.026568 F=1624.287
Z=-4.601980257+0.1590457603*Z1+0.4373546645*Z4+0.1884174754*Z5+0.7531614954*Z6 (1.4)
(-0.874804) (1.299304) (4.106083) (2.924549) (1.418409)
(科教论文网 lw.nSeAc.com编辑发布)
Z=2.855531074+0.2925343933*Z1+0.3648546277*Z4+0.2559694948*Z5 (1.5) (15.44543) (3.543416) (3.701789) (5.593402)
|R²=0.997460 S.E.= 0.027008 F= 1571.676
可以看出式1.5的可决系数仍旧在较高水平,F-检验更加显著,故以此式为基础进一步引入Z2、Z3。
Z=3.671240026+0.3811458796*Z1-0.2021902249*Z2+0.344961012*Z4+0.2166539076*Z5(3.088692) (2.487657) (-0.695254) (3.270584) (2.942976)
(1.6)
|R²=0.997305 S.E.= 0.027818 F= 1111.214
由式(1.6)可以看出Z2加入后其t-检验非常不显著,且可决系数减小,故Z2删除。在代入Z3进行回归的如下模型: (科教作文网http://zw.NSEaC.com编辑发布)
Z=2.572190769+0.2796152427*Z1-0.03151367746*Z3+0.4392394125*Z4+0.2571436008*Z5
(3.239301) (2.985422) (-0.368032) (1.933695) (5.330662)
(1.7)
|R²=0.997190 S.E.= 0.028407 F= 1065.558
由式(1.7)可以看出Z3情况与Z2相同,故Z3删除。
经上述逐步回归分析,表明Z对C 、Z1、Z4、Z5的回归模型为最优,所以模型最后设定为
Z=2.855531074+0.2925343933*Z1+0.3648546277*Z4+0.2559694948*Z5 (1.5) (15.44543) (3.543416) (3.701789) (5.593402)
|R²=0.997460 S.E.= 0.027008 F= 1571.676
可以看出,模型的统计检验效果很好,且符合经济意义。
2、异方差检验(时间序列用ARCH检验)
因为是时间序列且数据有限,考虑残差的ARCH过程的阶数为1(表13),由拟合后的数据可知,Obs* R²=0.267289<χ²0.05(1)=3.84145,表明模型随机误差项不存在异方差。这可能是由于模型是双对数模型,相对误差差异较小。
3、自相关性检验
Z=2.636454199+0.2350303246*Z1+0.4376192395*Z4+0.2495242464*Z5+ (1.8)
(7.304503)(1.991875) (3.046562) (4.847016)
[AR(1)=0.08890577321]
(0.251463)
|R²=0.995940 S.E.= 0.028838 F= 675.6074 DW=1.916323
从估计的结果看d= 1.916323>dU=1.816,且d= 1.916323<4- dU=2.184,说明不存在一阶自相关。同时各个变量的t检验显著。
四、模型的分析
我们进行了一些列检验和修正得到的最终结果如下:
Z=2.636454199+0.2350303246*Z1+0.4376192395*Z4+0.2495242464*Z5+
(7.304503)(1.991875) (3.046562) (4.847016)
[AR(1)=0.08890577321] (1.8)
(0.251463)
|R²=0.995940 S.E.= 0.028838 F= 675.6074 DW=1.916323
从以上回归结果可以看出,公共投资中的科教投资在国民经济增长中发挥了积极的作用,公路建设与电缆建设对经济增长的贡献作用不显著,因此,在公共投资资金有限的前提下,将资金多投入于科教事业对增长国民经济极为有利,达到了效用的最大化。此后,我们由进行了模型的检验,发现教育对经济增长的影响程度比科技支出显著,可得出结论,教育事业是公共投资的首选。
六、模型缺陷 (科教论文网 lw.NsEac.com编辑整理)
1、由于固定资本形成总额、教育经费支出、科研经费支出在91年才开始统计,故我们所见模型的样本数据较少,仅13个,可能造成样本代表性不强。
2、公路里程数中只涉及了等级公路里程数,未把公路一、二、三级分开进行检验,可能会有一定的误差。
3、由于在设置模型前对教育经费支出,科技经费支出费别进行回归时,发现两者有强多重共线性,且本模型样本数据较少,应尽量减少解释变量数目,故本文把科教经费支出和在一起进行检验,因此难以区分出教育,科技分别对经济增长影响的作用。
4、本文只对影响经济增长的公共投资的贡献程度进行了计量分析,对于其合理的投资规模未进行测算。
5、本文从宏观的角度上,论述了公共投资对全国的影响,但其实在全国的得不同地区,如东、中、西部,影响程度是不同的。
参考文献
主要参考文献:
[1]彭代彦:《西部开发的公共投资取向》统计研究2002年第3期
[2]张海星:公共投资与经济增长的相关分析《财贸经济》2004年第11期
[3]国家统计局:《中国统计年鉴》(2004),中国统计出版社。
[4]徐长生《美国‘新经济’的理论透视》,《新华文摘》,2000(10)。
[5]马栓友:《财政政策与经济增长》,经济科学出版社2003年版。
[6]张帆:《中国的物质资本和人力资本估算》,《经济研究》2000年第8期。
[7]蔡增正:《教育对经济增长贡献的计量分析》,《经济研究》1999年第2期。
[8]蔡一诊:<选择以公共投资为中性的财政支出政策》,《中国财政》2001年第9期。
[9]上海财经大学公共政策中心:《中国财政发展报告》,上海财经大学出版社2000年版。
附表:
表1
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:46
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 5.049264 0.373015 13.53635 0.0000
Z1 0.752029 0.046734 16.09183 0.0000
R-squared 0.959251 Mean dependent var 11.03054
Adjusted R-squared 0.955547 S.D. dependent var 0.535872
S.E. of regression 0.112983 Akaike info criterion -1.382526
Sum squared resid 0.140416 Schwarz criterion -1.295611
Log likelihood 10.98642 F-statistic 258.9471
Durbin-Watson stat 0.272457 Prob(F-statistic) 0.000000
表2
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:47
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -0.441464 2.078101 -0.212436 0.8357
Z2 2.357824 0.426793 5.524513 0.0002
R-squared 0.735069 Mean dependent var 11.03054
Adjusted R-squared 0.710984 S.D. dependent var 0.535872
S.E. of regression 0.288085 Akaike info criterion 0.489519
Sum squared resid 0.912926 Schwarz criterion 0.576434
Log likelihood -1.181875 F-statistic 30.52024
Durbin-Watson stat 0.325173 Prob(F-statistic) 0.000179
表3 您可以访问中国科教评价网(www.NsEac.com)查看更多相关的文章。
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:48
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 6.448069 0.172138 37.45867 0.0000
Z3 0.392399 0.014649 26.78586 0.0000
R-squared 0.984900 Mean dependent var 11.03054
Adjusted R-squared 0.983527 S.D. dependent var 0.535872
S.E. of regression 0.068777 Akaike info criterion -2.375263
Sum squared resid 0.052033 Schwarz criterion -2.288348
Log likelihood 17.43921 F-statistic 717.4823
Durbin-Watson stat 0.924679 Prob(F-statistic) 0.000000
表4
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:40
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 3.255384 0.217937 14.93724 0.0000
Z4 0.777329 0.021741 35.75357 0.0000
R-squared 0.991468 Mean dependent var 11.03054
Adjusted R-squared 0.990693 S.D. dependent var 0.535872
S.E. of regression 0.051698 Akaike info criterion -2.946168
Sum squared resid 0.029399 Schwarz criterion -2.859253
Log likelihood 21.15009 F-statistic 1278.317
Durbin-Watson stat 0.907042 Prob(F-statistic) 0.000000
表5
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:49
Sample: 1991 2003
Included observations: 13
您可以访问中国科教评价网(www.NsEac.com)查看更多相关的文章。
表6
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:49
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -55.72357 4.165625 -13.37700 0.0000
Z6 6.003647 0.374632 16.02545 0.0000
R-squared 0.958927 Mean dependent var 11.03054
Adjusted R-squared 0.955193 S.D. dependent var 0.535872
S.E. of regression 0.113432 Akaike info criterion -1.374597
Sum squared resid 0.141534 Schwarz criterion -1.287681
Log likelihood 10.93488 F-statistic 256.8151
Durbin-Watson stat 1.614593 Prob(F-statistic) 0.000000
表7
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 17:52
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 2.667860 0.260060 10.25862 0.0000
Z4 0.706960 0.029111 24.28532 0.0000 (科教论文网 lw.nSeAc.com编辑发布)
Z5 0.150327 0.050973 2.949135 0.0146
R-squared 0.995437 Mean dependent var 11.03054
Adjusted R-squared 0.994524 S.D. dependent var 0.535872
S.E. of regression 0.039653 Akaike info criterion -3.418121
Sum squared resid 0.015724 Schwarz criterion -3.287748
Log likelihood 25.21779 F-statistic 1090.767
Durbin-Watson stat 1.401217 Prob(F-statistic) 0.000000
表8
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 18:03
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -9.895825 3.452529 -2.866254 0.0186
Z4 0.564468 0.043701 12.91653 0.0000
Z5 0.117357 0.035331 3.321655 0.0089
Z6 1.283593 0.352285 3.643624 0.0054
R-squared 0.998156 Mean dependent var 11.03054
Adjusted R-squared 0.997542 S.D. dependent var 0.535872
S.E. of regression 0.026568 Akaike info criterion -4.170560
Sum squared resid 0.006353 Schwarz criterion -3.996730
Log likelihood 31.10864 F-statistic 1624.287
Durbin-Watson stat 2.779309 Prob(F-statistic) 0.000000
表9
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 18:06
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C -4.601980 5.260582 -0.874804 0.4072
Z1 0.159046 0.122408 1.299304 0.2300 (科教论文网 Lw.nsEAc.com编辑整理)
Z4 0.437355 0.106514 4.106083 0.0034
Z5 0.188417 0.064426 2.924549 0.0192
Z6 0.753161 0.530990 1.418409 0.1938
R-squared 0.998478 Mean dependent var 11.03054
Adjusted R-squared 0.997717 S.D. dependent var 0.535872
S.E. of regression 0.025607 Akaike info criterion -4.208180
Sum squared resid 0.005246 Schwarz criterion -3.990892
Log likelihood 32.35317 F-statistic 1311.789
Durbin-Watson stat 2.295504 Prob(F-statistic) 0.000000
表10
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 18:18
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 2.855531 0.184879 15.44543 0.0000
Z1 0.292534 0.082557 3.543416 0.0063
Z4 0.364855 0.098562 3.701789 0.0049
Z5 0.255969 0.045763 5.593402 0.0003
R-squared 0.998095 Mean dependent var 11.03054
Adjusted R-squared 0.997460 S.D. dependent var 0.535872
S.E. of regression 0.027008 Akaike info criterion -4.137695
Sum squared resid 0.006565 Schwarz criterion -3.963865
Log likelihood 30.89502 F-statistic 1571.676
Durbin-Watson stat 1.683350 Prob(F-statistic) 0.000000
表11
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 20:17
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
(科教论文网 Lw.nsEAc.com编辑整理)
表12
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 20:33
Sample: 1991 2003
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 2.572191 0.794057 3.239301 0.0119
Z1 0.279615 0.093660 2.985422 0.0175
Z3 -0.031514 0.085628 -0.368032 0.7224
Z4 0.439239 0.227150 1.933695 0.0892
Z5 0.257144 0.048239 5.330662 0.0007
R-squared 0.998127 Mean dependent var 11.03054
Adjusted R-squared 0.997190 S.D. dependent var 0.535872
S.E. of regression 0.028407 Akaike info criterion -4.000638
Sum squared resid 0.006456 Schwarz criterion -3.783350
Log likelihood 31.00415 F-statistic 1065.558
Durbin-Watson stat 1.679745 Prob(F-statistic) 0.000000
表13
ARCH Test:
表14
Dependent Variable: Z
Method: Least Squares
Date: 06/05/05 Time: 21:01
Sample(adjusted): 1992 2003
Included observations: 12 after adjusting endpoints
Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 2.636454 0.360935 7.304503 0.0002
Z1 0.235030 0.117995 1.991875 0.0867
Z4 0.437619 0.143644 3.046562 0.0187
Z5 0.249524 0.051480 4.847016 0.0019
AR(1) 0.088906 0.353554 0.251463 0.8087
R-squared 0.997416 Mean dependent var 11.11798
Adjusted R-squared 0.995940 S.D. dependent var 0.452587 (转载自http://zw.NSEaC.com科教作文网)
S.E. of regression 0.028838 Akaike info criterion -3.959936
Sum squared resid 0.005821 Schwarz criterion -3.757891
Log likelihood 28.75961 F-statistic 675.6074
Durbin-Watson stat 1.916323 Prob(F-statistic) 0.000000
Inverted AR Roots .09