产出效应

产出效应（精选7篇）

产出效应 篇1

引言

地区间投入产出分析, 是从全面联系的角度出发, 在把握各个区域产业结构和区域关系的基础上, 系统的研究区域间产业联系和部门间生产投入和需求供给的相互依存关系的方法。Miller (1963) 最早运用区域间投入产出分析技术研究了最终需求在不同区域间的反馈与溢出效应。其模型建立在两区域的区域间投入产出表上, 并且只讨论了国内最终产品在国内区域间的溢出和反馈效应, 进出口因素没有放入矩阵[1]。Round (2001) 将miller模型中的Leontief逆矩阵提出, 进一步研究了区域间最终需求的乘数、溢出与反馈3种效应, 随后Round又给出了模型的加法分解形式, 直观的将3种效应分解了出来[2]。

本文根据Miller—Round的建模思想, 基于投入产出分析中的行平衡关系, 将贸易因素纳入到考虑范围之内, 构造了区域 (国家) 间进出口贸易对产业产出的影响模型, 并依照进出口产品在区域经济中投入方式的不同分解出了乘数、溢出与反馈效应, 为研究贸易对经济增长的作用提供了新的方法, 同时也为研究贸易对具体产业的影响提供了必要的手段。

1 模型构造

本文假设世界经济分为3个区域, 区域i、区域j以及除这两个区域以外的其它所有区域o。

(1) 式为根据投入产出分析中的行平衡关系建立的i区域的行平衡关系模型。

Xi=AiXi+Fi+Ei-Ii (1)

对 (1) 式中最终消费Fi、出口Ei以及进口Ii三部分进行如下分解①:

Fi=GiXi+GjiIIji+GoiIIoi (2)

Ei=Eio+AijXj+GijEEij (3)

Ii=Iji+Ioi (4)

其中, Gi表示i区域的产出中用于i区域最终消费的比例;Gundefined (Gundefined) 表示i区域从j (o) 区域进口的产品中用于i区域最终消费的比例;Iji (Ioi) 表示i区域从j (o) 区域进口的产品总量;Eij (Eio) 表示i区域出口到j (o) 区域的产品总量;Aij表示j区域消耗i区域产品的直接投入系数。

将 (2) 、 (3) 、 (4) 式带入 (1) 式, 并对区域j做与区域i相同的处理, 可得到用矩阵形式表示的两区域投入产出行平衡模型, 如 (5) 式所示, 其中1表示单位阵。

undefined

(5)

对 (5) 式中的

undefined

进行求解得到:

undefined

(6)

以区域i为例, (6) 式表明, 区域i的总产出与区域间贸易量以及产品用途相关, 并且均受到一个包含类似Leontief逆矩的矩阵的影响。由于研究的主要对象是区域i与区域j之间的贸易对产业产出的影响, 在以下的讨论中我们忽略区域o。因为不同区域进出口对产业产出的影响是以加法形式表示的, 因此忽略区域o并不影响对模型本质的讨论, 据此我们将模型改写为:

undefined

(7)

其中Xij、Xji分别表示区域i与区域j之间的贸易对区域i及区域j产业产出的影响。利用 (7) 式我们已经能够讨论两地区进出口贸易对各自产业产出的最终影响, 但无法描述影响发生的过程, 更无法分解出乘数、溢出以及反馈这3种效应。

2 对类Leontief逆矩阵的讨论

投入产出分析中Leontief逆矩阵可以用完全消耗系数矩阵来表示, 令X为各产业产出列向量, A为直接消耗系数矩阵, B为完全消耗系数矩阵, Y为最终需求列向量, 则二者存在如下关系:

(I-A) -1= (I+B)

Leontief逆矩阵中各列元素是相对应产业的最终产品增加一个单位时需要其他产业直接与间接提供的总产出量, 是各产业产品增加量对对应部门最终产品增加量的乘数。

利用直接消耗系数与完全消耗系数均可以建立如式 (8) 与式 (9) 所示的投入产出行平衡关系:

X= (I-A) -1Y (8)

X= (I+B) Y (9)

将Y分解为最终消费、出口与进口三部分, 其中将最终消费中来自本地产出的单独列出, 用GX表示, G表示本地产出中用于最终消费的比例。如 (10) 式所示:

Y=GX+F-GX+E-I (10)

将 (10) 式分别带入 (8) 式与 (9) 式, 最后得到②。

(I-A-G) -1= (B+I) + (B+I) 2G+ (B+I) 3G2+…≈∑undefined (B+I) iGi-1 (11)

可见类Leontief逆矩阵与Leontief逆矩阵有相似的意义, 其各列元素表示了对应产业进出口变化一个单位时, 对其他产业产出直接与间接影响之和, 是各产业进出口变化量对对应部门产出变化的乘数。

3 贸易产出影响模型的乘法分解

贸易对产业产出的影响可以分为3种效应, 乘数效应、溢出效应与反馈效应。 (7) 式虽然表示出了进出口对地区产业产出的总体影响, 但无法区分这3种效应, 也无法描述进出口对产业产出影响的过程, 因此需要对 (7) 式, 做进一步的讨论。

根据矩阵逆的运算 (7) 式中的

undefined

可以写为:

undefined

于是 (7) 式可写为③:

undefined

以进出口对区域i的产出影响Xij为例, 通过提取区域i与区域j的类Leontief逆矩阵, 即乘数部分, 和式中4项可分别表示为:

Δ1 (1Gundefined-1) Iji=[1- (1-Ai-1Gi) -1Aij (1-Aj-1Gj) -1Aji]-1 (1-Ai-1Gi) -1 (1Gundefined-1) Iji

Δ21GjiIIji=- (1-Ai-1Gi) -1Aij (I- (1-Aj-1Gj) -1Aji (1-Ai-1Gi) -1Aij) -1 (1-Aj-1Gj) -11GjiIIji

Δ2 (1Gundefined-1) Eij=- (1-Ai-1Gi) -1Aij (I- (1-Aj-1Gj) -1Aji (1-Ai-1Gi) -1Aij) -1 (1-Aj-1Gj) -1 (1Gundefined-1) Eij

Δ11GijEEij=[1- (1-Ai-1Gi) -1Aij (1-Aj-1Gj) -1Aji]-1 (1-Ai-1Gi) -11GijEEij

由以上4个式子可见, 进出口贸易中, 进口品与出口品的不同用途对产业产出的影响也不尽相同。以第一个表达式为例, 该式表示的是区域i从区域j进口的产品中用于i区域中间投入的部分对i区域产业产出的影响。 (1Gundefined-1) Iji表示进口中用于中间投入的部分。这一部分首先是通过i区域的区域内乘数 (1-Ai-1Gi) -1影响区域i的产出。区域i总产出变化通过Aji而影响到对区域j中间产品的需求, 进一步通过区域j的区域内乘数效应带来区域j产出的变化 (1-Aj-1Gj) -1Aji, 这就是区域i从区域j进口中用于中间投入的量对j区域产出的溢出效应。溢出效应引起的j区域产出变化又会通过Aij影响到对区域i中间产品的需求, 进而影响区域i的产出 (1-Ai-1Gi) -1Aij。显然[1- (1-Ai-1Gi) -1Aij (1-Aj-1Gj) -1Aji]-1 (1-Ai-1Gi) -1给出了全部直接和间接满足这一中间需求变化的的区域i的产出, 这就是区域i从区域j进口中用于中间投入部分对本区域产出的反馈效应。

重新分解的 (7) 式给出了进出口对区域产业产出影响的3种效应及过程的描述, 但是3种效应相互包含, 无法测算某种效应对本身对产业产出的影响。

4 贸易产出影响模型的加法分解

令:

Mi= (1-Ai-1Gi) -i

Mj= (1-Aj-1Gj) -i

Sij=MiAij

Sji=MjAji

Fi= (1-SijSji) -i

Fj= (1-SjiSij) -i

其中Mi为类Leontief逆矩阵, 测度了区域i的进出口贸易乘数效应, 表示区域i的进出口对本区域产业产出的乘数效应。Sij测度了区域j对区域i进出口贸易的溢出效应, 表示由进出口贸易引起的区域j产业总产出的变化对区域i产业总产出变化的影响。Fi测度了区域间的反馈效应, 表示进出口贸易引起的区域i总产出的变化, 通过区域j而最终影响区域i的产业总产出的变化量。

(7) 式可以改写成:

undefined

且可得到如下最终形式:

undefined

上式等号右边共有3个大括号, 依次分别顺序表示各项进出口贸易导致的乘数效应、溢出效应与反馈效应, 3种效应对产业产出的影响以加法形式被分离出来, 使得可以分别进行测算。以Iji对区域i的产出影响为例, Mi (Gundefined-1) Iji表示进口中用于中间投入的部分, 以Mi为乘数对产业产出的影响。-SijMjGjiIIji表示了区域j为生产用于区域i最终消费的产品所增加的产出而增加的对区域i中间产品的需求, 即区域j对区域i的溢出效应。 (Fi-I) Mi (Gundefined-1) Iji=FiMi (Gundefined-1) Iji-IMi (Gundefined-1) Iji, 等号右边第二项是前面已经获得的由乘数效应引起的产业产出变化量, 第一项则表示了包含乘数效应以及由乘数效应带来的区域i的反馈效应引起的产业产出总的变化量, 二者之差则表示区域i进口中用于中间投入的部分对本区域产业产出的反馈效应引起的产出量变。-Sij (Fj-1) MjGjiIIji=- (SijFjMjGjiIIji-SijMjGjiIIji) , 等号右边括号中第二项表示区域j对区域i的溢出效应, 第一项表示了溢出效应以及由溢出效应引起的区域i的反馈效应导致的各产业产出总变化量, 二者之差表示了区域i进口品中用于最终消费的部分的反馈效应引起的各产业产量变化。

由对Iji的分析可见, 对 (7) 式的加法分解可以将3种波及效应独立出来进行研究, 并且也表明, 进出口产品的不同用途对产业产出的影响也是不一样的。

参考文献

[1].Miller, R.E.Comments on the“General Equilibri-um”model of Professor Moses]J].Metroeconomica, 1963, 40:82~88

[2].Round, J.I.Feedback effects in interregional input-output models:What have we learned?[A].in Lahr, MichaelL.and Erik Dietzenbacher eds., Input-Output Analysis Fron-tiers and Extensions[C].New York:Palgrave, 2001:54~78

[3].张亚雄, 赵坤.区域间投入产出分析[M].北京:社会科学文献出版社, 2005

[4].彭连清.我国区域间产业关联与经济增长溢出效应的实证分析——基于区域间投入产出分析的视角[J].工业技术经济, 2008, (4) :62~68

[5].乐为, 钟意.我国产业结构与出口结构的相关性研究[J].统计与决策, 2009, (4) , 73~75

[6].潘文卿, 李子奈.中国沿海与内陆间经济影响的反馈与溢出效应[J].经济研究, 2007, (5) :68~77

我国金融服务业的产出效应 篇2

随着社会经济的进步和发展, 金融部门在经济发展中的作用扮演的角色日益突出。 经济的快速发展离不开金融市场的支持, 经济的快速增长势必带来金融部门的改革创新。Goldsmith (1969) 定义金融相关率为金融资产同有形资产的比率, 把金融资产同国民总资产之间的比例关系定义为相对金融相关率, 用金融相关率、相对金融相关率和金融中介机构所拥有的金融资产价值同国民生产总值的比率作为衡量金融发展水平的主要指标, 并用之研究金融发展水平同经济发展水平的关系, 认为发展经济与金融发展存在大致平行的关系[1];Rudiger Dornbusch等 (1989) 分析了对经济增长和稳定产生影响的两个相互的因素, 即金融自由化和通货膨胀, 认为在亚洲国家, 金融市场的自由化能够对经济增长起到的促进作用, 而拉丁美洲国家的通货膨胀却也能够拉动经济的增长, 但通货膨胀的经济效应很小而风险性却比通常所估计的要高很多[2]; Demetriade等 (1996) 运用16个国家的数据对金融发展与GDP进行协整检验和因果关系检验, 发现因果关系的方向出现了两种情形, 金融发展在有些国家导致经济增长, 但在另一些国家则表现为经济增长带动了金融发展, 同时证明了金融部门的发展不是经济增长的主要因素[3]; Levine (1997) 从金融体系的五大功能通过两种渠道来说明金融发展促进经济增长, 全面说明了在设计金融体系时, 并不是选择银行还是市场, 因为两者都为经济提供了服务, 两者是互补的[4];谈儒勇 (1999) 选取股票市场规模、股票市场流动性、金融深度和存款货币银行在配置国内信贷过程中的相对重要性四个指标, 分析了金融中介发展和股票市场发展与我国经济增长的关系, 结果认为我国金融中介的发展与经济增长呈正向关系, 而股票市场的发展却是负向关系[5]; 艾洪德、徐明圣和郭凯 (2004) 针对于我国区域金融发展和经济增长做了实证分析, 认为区域金融发展与经济增长之间存在因果关系, 但与投资增长之间去不存在因果关系, 同时得出东部和全国的金融发展与经济之间存在正相关, 而中、西部二则之间几乎是负相关[6];赵振全和薛丰慧 (2004) 针对金融发展对经济增长的作用问题, 采用对Greenwood-Jovanovic模型修正后的产出增长率模型, 从实证的角度进行了检验, 认为我国信贷市场对经济增长的作用较为显著, 而股票市场的作用并不明显[7]。

国内外学者针对金融发展与经济增长之间的关系做了大量研究, 主要包括金融发展与经济增长之间的因果关系, 金融发展对经济增长的促进作用, 以及不同金融因素所导致的经济影响[8,9,10]。金融部门在国民经济中隶属于服务业, 其发展是为了服务于其他行业的发展, 因此其发展对经济的增长作用表现为两方面:自身发展对经济的直接贡献和通过服务于其他部门的间接贡献。而针对其两方面的作用表现, 研究者甚少。本文运用菲德 (Feder) 模型探讨金融部门如何通过直接和间接效应对经济增长发挥作用。

2 模型的构造、样本与数据选择

2.1 金融部门的溢出效应模型

Feder模型是由菲德 (Feder, 1983) 提出的, 最初用于分析出口对经济的增长作用。Feder模型运用一个纳入出口部门与非出口部门的两部门模型来分析出口在两个方面的作用:一是出口对非出口的溢出效应;二是出口部门与非出口部门之间的要素生产率差异[11]。基于Feder模型在溢出效应方面的优点, 后来很多学者将其运用于教育支出对经济增长的计量分析, 分析教育支出的溢出效应及与非教育支出要素生产率之间差异[8]。本文基于Feder模型的优点, 将该模型引入金融部门和经济增长的分析, 分析我国金融部门的产出效应。

根据Feder模型, 构造两部门模型:

$\begin{array}{l}E=F({\rm K}{}_E,L{}_E)(1)\\ {\rm N}=G({\rm K}{}_{{\rm N}},L{}_{{\rm N}},E)(2)\\ Y={\rm N}+E(3)\end{array}$

E和N分别代表金融部门和非金融部门的产出量, Y代表社会总产出, K和L分别代表劳动力和资本要素。在式 (2) 中, 假设金融部门的产出水平E会影响非金融部门的产出水平N.字母K和L的下标E和N分别表示生产要素在部门之间的分配。

令δ为两部门之间要素生产率的差异, 有:

$\frac{F{}_{{\rm K}}}{G{}_{{\rm K}}}=\frac{F{}_L}{G{}_L}=1+\delta (4)$

FL、FK、GL、GK为各部门劳动, 资本的要素边际生产率。根据式 (4) 可整理得:

$\Delta Y=G{}_{{\rm K}}\cdot \Delta {\rm K}+G{}_L\cdot \Delta L+(\frac{\delta }{1+\delta }+G{}_E)\cdot \Delta E(5)$

其中, ΔK为总投资, 令其为I, 假设劳动生产率与劳动率$(\frac{Y}{L})$成正比, 则$G{}_L=\beta \cdot \frac{Y}{L}$, 令GK=α, 则式 (5) 两边除以Y整理得:

$\frac{\Delta Y}{Y}=\alpha \cdot \frac{{\rm I}}{Y}+\beta \cdot \frac{\Delta L}{L}+(\frac{\delta }{1+\delta }+G{}_E)\cdot \frac{\Delta E}{E}\cdot \frac{E}{Y}$

因此α表示非金融部门资本的边际产品, β表示非金融部门劳动力的弹性系数。令$\lambda =\frac{\delta }{1+\delta }+G{}_E$, 表示金融部门对经济增长的全部作用, 这个作用包括两部分:一是金融部门对经济增长的直接作用;二是金融部门通过对非金融部门的作用而间接影响经济增长。

假设非金融部门的产出弹性不变, 即令:

${\rm N}=G({\rm K}{}_{{\rm N}},L{}_{{\rm N}},E)=E{}^{\theta }\phi ({\rm K}{}_{{\rm N}},L{}_{{\rm N}})$

则

$\begin{array}{l}G{}_E=\frac{d{\rm N}}{dE}=\theta \cdot E{}^{\theta -1}\phi ({\rm K}{}_{{\rm N}},L{}_{{\rm N}})\\ =\theta \cdot \frac{{\rm N}}{E}=\theta \cdot (\frac{Y}{E}-1)(6)\end{array}$

整理得:

$\begin{array}{l}\frac{\Delta Y}{Y}\\ =\alpha \cdot \frac{{\rm I}}{Y}+\beta \cdot \frac{\Delta L}{L}+(\frac{\delta }{1+\delta }-\theta )\cdot \frac{\Delta E}{E}\cdot \frac{E}{Y}+\theta \cdot \frac{\Delta E}{E}\end{array}(7)$

从上式可以测量金融部门对经济增长的直接作用$\frac{\delta }{1+\delta }-\theta .\theta$反映的是金融部门对非金融部门的影响, 是其外部效应的一个衡量指标, 同时也是金融部门对经济增长的间接作用。

2.2 变参数模型模型

随着时间的转移, 由于经济政策、社会各种外力冲击等, 社会经济结构也会发生相应的改变, 这种变化是传统的普通最小二乘法等固定参数模型无法反应的。因此考虑经济结构的变化影响, 利用空间状态模型构造可变参数模型[12], 即:

$\begin{array}{l}\text{量}\text{测}\text{方}\text{程}:y{}_t=x{}_t\beta {}_t+z{}_t\gamma +u{}_t\\ \text{状}\text{态}\text{方}\text{程}:\beta {}_t=\phi \beta {}_{t-1}+\epsilon {}_t\\ (u{}_t,\epsilon {}_t{)}^{\prime }~{\rm N}\left(\left(\begin{array}{l}0\\ 0\end{array}\right),\left(\begin{array}{cc}\delta {}^2& 0\\ 0& Q\end{array}\right)\right)\end{array}$

其中x、y表示自变量和因变量, zt是具有固定系数γ的解释变量的集合;xt是有随机系数的解释变量的集合, 随机系数是状态向量, 称为可变参数;βt是不可观测变量, 必须用可观测的向量yt和xt来估计。假定参数βt的变动服从一阶自回归模型, ut和εt分别为量测方程和状态方程的扰动项, 且ut和εt是相互独立的, 服从均值为0, 方差为δ2, 协方差矩阵为Q.

根据本文的研究目的, 构建基于菲德模型的变参数模型:

$\begin{array}{l}\text{量}\text{测}\text{方}\text{程}:\left(\frac{\Delta Y}{Y}\right){}_t=\alpha \cdot \left(\frac{{\rm I}}{Y}\right){}_t+\beta \cdot \left(\frac{\Delta L}{L}\right){}_t\\ +\left(\frac{\delta }{1+\delta }-\theta \right){}_t\cdot \left(\frac{\Delta E}{E}\frac{E}{Y}\right){}_t\end{array}$

$+\theta {}_t\cdot \left(\frac{\Delta E}{E}\right){}_t+u{}_t$

状态方程:$\left(\frac{\delta }{1-\delta }-\theta \right){}_t=\phi {}_1\left(\frac{\delta }{1-\delta }-\theta \right){}_{t-1}+\epsilon {}_{1t}$

θt=φ2θt-1+ε2t

其中εit、ut是服从均值为0, 方差为δ2, 协方差矩阵为Q. α和β是固定参数, $\left(\frac{\delta }{1+\delta }-\theta \right){}_t$和θt为可变参数。

2.3 样本、数据的选择

本文研究的是中国金融服务业的产出效应, 为了考虑研究的可靠性和完整性, 选取的样本是我国历年的金融部门总产值和国内生产总值, 时间跨度是1990～2009年。模型中的Y是国内生产总值 (GDP) , L为就业人数, I是固定资产总投资, E为金融部门总产值。数据来源于《中国统计年鉴》和《中国金融统计年鉴》。

3 我国金融服务业产出效应的实证分析

3.1 我国金融发展的现状分析

20世纪80年代, 随着改革开放的不断深化, 我国开始对金融业进行体制改革, 中国人民银行摆脱了具体的工商信贷业务, 开始行使中央银行的职能;国有控股的商业银行、股份制综合性银行、地区性银行、中外合资银行和外资银行开始建立;信托投资机构、财务公司、保险公司、证券公司、证券交易所、资信评估公司等非银行金融机构都得到一定程度的发展, 形成一个以商业银行为主体、中央银行为核心、各种银行和非银行金融机构并存的现代金融体系[13]。

社会经济的不断发展, 各种新型金融工具的开发, 金融业对外交流合作的加强, 融资渠道的多元化, 极大地促进了中国金融市场的发展。 我国中央政府现在已经明确提出了建设上海为国际金融中心, 开设了创业板市场, 推出了股指期货, 这些政策及措施均是利于我国金融市场的长远健康的发展, 利于资本市场的流通融通。2010年我国金融市场交易日益活跃, 交易量快速增长。 货币市场中, 同业拆借累计成交金额达27.87万亿元;票据市场累计发商业汇票12.2万亿, 累计办理贴现26万亿;银行间债券市场的现券成交金额64万亿, 债券市场已经跃居亚洲第二、世界第六。股票市场市值增长迅速, 2010年, 沪深两市股票总市值为26.54万亿, 占GDP的比重达66.68%, 股票市场流通市值为19.31万亿。融资结构也在不断的优化, 间接融资逐渐放缓, 直接融资取得了很大的发展。2009年我国信贷总额为9.6万亿, 2010年减少至7.95万亿;而在债券市场中2009年债券的发行量为8.93万亿, 2010年为9.83万亿, 一年间增长了10.19%;在股票市场上企业的直接融资力度得到了进一步的加大。2010年在股票市场中的融资额达10275.2亿。其中, 境内企业的IPO融资量4643.57亿, 主板融资1821.88亿, 中小板融资1886.87, 创业板融资931.97亿。融资结构的变化体现了我国金融市场的融资方式多元化, 逐渐走向成熟[14]。

金融市场的逐渐成熟对社会资源、财富和风险的配置高效化日益明显。随着金融部门的快速发展, 社会经济也发生了跨越式的发展。从图1可以看出, 20世纪90年代初, 我国金融业的发展的急剧似增长, 1990～1994年金融业发展速度加快, 同时经济增长速度同样迅速, 几乎是同步增长。到了20世纪90年代中后期, 由于通货膨胀、金融危机等一些列问题, 我国金融业和经济的增长速度出现了放缓的局面。进入新世纪, 经历了股份制改革, 经济增长方式的改变, 加快金融发展等系列措施, 金融部门和经济的增长愈发明显。2008年的金融危机是使得金融部门和经济的发展迅速衰退, 但金融部门的发展对经济增长的促进作用是毋庸置疑的。

3.2 金融发展对经济增长的直接和间接作用分析

关于金融发展对经济增长的促进作用研究, 已经有大量学者进行了实证分析, 其结果绝大部分是金融发展能促进经济增长, 金融发展是经济增长的原因等, 但金融发展是通过那几个方面促进经济增长并无突出研究[15,16]。本文利用Feder模型建立金融发展与经济增长的模型, 分析金融发展对经济增长的直接和间接作用, 最后结合1990～2009年的我国GDP和金融部门总产值数据, 运用变参数模型进行实证分析。

建立经济增长与金融部门之间的变参数模型。其Eviews 6.0运算结果如下:

$\begin{array}{l}\begin{array}{l}\left(\frac{\Delta Y}{Y}\right){}_t\\ =0.13\left(\frac{{\rm I}}{Y}\right){}_t+0.17\left(\frac{\Delta L}{L}\right){}_t\\ +\left(\frac{\delta }{1+\delta }-\theta \right){}_t\cdot \left(\frac{\Delta E}{E}\cdot \frac{E}{Y}\right){}_t+\theta {}_t\cdot \left(\frac{\Delta E}{E}\right){}_t+\widehat{u}{}_t\end{array}\\ \left(\frac{\delta }{1-\delta }-\theta \right){}_t=0.19+0.49\left(\frac{\delta }{1-\delta }-\theta \right){}_{t-1}+\epsilon {}_{1t}\\ \theta {}_t=0.28+0.66\theta {}_{t-1}+\epsilon {}_{2t}\end{array}$

式中, $\left(\frac{\delta }{1+\delta }-\theta \right){}_t$和θt为分别为各个时点上经济增长对金融发展的直接和间接敏感程度, 也称为金融发展对经济增长的直接和间接效应, $\left(\frac{\delta }{1+\delta }-\theta \right){}_t$和θt是变参数序列。协整检验表明我国经济增长与金融发展之间具有长期的均衡关系 (表1) 。下面给出$\left(\frac{\delta }{1+\delta }-\theta \right){}_t$和θt的动态变化图。

从图2和图3可以看出, 近年来我国金融部门对经济增长的直接效应和间接效应均为正的, 表明我国金融产业的发展在某种程度上一直促进着斡国经济的增长, 这与大多数学者的研究结果相符合。图2表明, 从20世纪90年代初期开始的30年间, 我国金融部门的发展对经济增长的直接效应是没有出现大幅度的变动, 基本上处于0.25左右。在这段时期, 我国的金融产业才处于初步发展阶段, 其产业部门的产值对国民经济的贡献很难出现很大的变化, 但随着经济的发展, 我国金融部门的也将进入高速发展, 其产业增值的速度会同时发生巨大变化, 其对经济增长的直接效应会提高到一个新的阶段。

从图3可以看出, 金融部门的间接效应出现了一个急速增长时期, 然后就趋于平稳。在20世纪90年代的初期, 随着我国证券市场的建立, 以及银行体系的逐渐完善, 企业可以通过证券市场的直接融资和银行的间接融资解决发展的资金瓶颈问题, 因此证券市场和银行等金融部门在国民经济的发展中所扮演的角色慢慢的凸现出来, 其对经济增长的间接效应也出现了急剧上涨。但在20世纪90年代中期, 我国证券市场的发展出现了严重的偏差, 其融资功能也被歪曲了, 对我国企业的发展造成了很大的影响, 金融部门的间接作用出现停滞。进入20世纪90年代后期, 随着国家对金融市场的整顿和各种法规的健全。金融市场的逐渐完善, 其给我国企业的发展又创造了很多机会, 同时随着经济增长方式的改变, 对金融部门资源的利用效率也进入了一个新的阶段, 我国金融部门在国民经济的发展中的作用也进入了一个新的台阶。但从图2和图3可以看出, 金融部门对经济的作用效果比较低下, 直接效应一直维持在0.25左右, 而间接效应一直处于0.4以下, 完善金融市场和提高金融部门的效率势在必行, 其对凯济增长具有重要意义

图4是金融部门与非金融部门的要素边际生产力的差异δ.在经济发展过程中, δ一直处于大于0的位置, 从而可以说明金融部门的边际生产力高于非金融部门的边际生产力。金融部门的边际生产力与非金融部门的边际生产力的差异进入2000年后达到了最高值, 且一直没有出现回落的现象, 这充分说明了我国非金融部门的生产效用低下。其中资本要素的边际生产力也包含于其中, 表明金融市场并没有很好地发挥资本的配置功能, 因此进行金融市场的改革已经十分必要, 其对我国金融市场未来发展和经济增长具有重要的现实意义。

4 结束语

本文运用Feder模型结合变参数模型建立了金融部门的产出效应模型, 并运用我国1990～2009年数据进行了实证分析, 分析结果表明我国金融部门产值的变化对我国经济增长的促进作用主要表现在两方面:对国民经济的直接效应和通过对其他部门的溢出产生的间接效应。 实证结果揭示了近年来我国金融部门的发展对经济增长的直接和间接效应的变化变过程。 金融部门对经济增长的直接和间接促进作用一直处于正的效应, 其结果充分的肯定了我国金融部门的发展对经济增长的巨大影响。但金融部门的配置资本的功能效果比较低下, 造成了非金融部门资本分配的不合理, 资本边际生产力处于平均水平之下, 因此完善金融市场对于我国经济的增长具有巨大的现实意义。

摘要：随着经济水平的提高, 社会生产和生活对金融部门的依赖程度愈来愈高, 金融服务业对经济增长的促进作用也愈加突出, 金融产业已经成为国民经济的重要基础产业。本文运用菲德 (F eder) 模型, 结合变参数模型建立了我国金融服务业的部门溢出效应模型, 以此研究我国金融部门对经济增长的促进机制。分析结果表明, 我国金融部门对经济增长的促进作用主要表现在对国民经济的直接效应和通过对其他部门的溢出产生的间接效应;其次, 金融部门作为国民经济发展的资金支持部门, 其配置资本的效率表现得较为低下。

产出效应 篇3

改革开放以来, 中国经济飞速发展, 经济发展中的科技含量日益增加。但是在经济发展的同时, 我国的自主创新和引进国外先进技术的能力不足。2005年我国提出“建设创新型国家”的发展战略。党的十七大报告再次明确指出, “提高自主创新能力, 建设创新型国家”是“国家发展战略的核心, 是提高综合国力的关键”。要有效提高自主创新能力, 必须加大研发资源投入, 研发投入包括研发人员和研发经费投入。目前, 我国资源有限, 科技资源更有限。人员投入和研发经费的投入中哪个对自主创新的贡献更大?找准这些问题, 对于有效配置科技资源, 利用有限的资源来提高我国自主创新的能力, 进一步落实科学发展观, 建设资源节约型环境友好型的创新型国家, 具有重要的现实意义。

国外学者对科研经费问题作了相关研究, L.S.Hammon[1] (1994) 主要研究新西兰的科研基金的组成部分。Ana Maria Conley[2] (2004) 致力于工业拨款对学术刊物, 科研经费的影响。Nelson (1993) 则从事于国家自主创新体系的研究, EM Rogers (1995) 则主要讲创新的扩散作用。国内学者研究科技经费问题的较多, 如杨得前[3] (2006) 研究了国家财政投入的科研经费使用过程中存在的“道德风险”, 并从经济学的角度分析了这些问题产生的根源。刘和东 (2009) 则主要运用计量的方法来研究自主创新和经济增长之间的关系。朱翔[4] (2003) 和杨得前、严广乐[5] (2005) 主要运用博弈的方法分析了科技经费管理部门监督与项目承担部门搞机会主义的影响因素, 李桂荣 (2003) 、陈凌建 (2009) 注重研究高校经费管理, 对经费管理存在的问题提出很多建设性的意见, 宋河发 (2005) 、漆江梅 (2006) 则主要研究我国财政科技投入与管理的问题。

综观国内外已有研究, 国外研究很少结合中国的实际, 缺乏可操作性。国内的学者从不同的层面研究了研发投入问题, 但缺乏对研发投入要素的产出效应的研究。为此, 本文依据知识生产函数构建计量模型, 具体分析研发投入要素对自主创新能力的效应产出, 并在此基础上提出可行的政策建议, 对找准研发投入方向和力度, 有效提高国家自主创新能力, 为政府或者企业的决策提供科学依据。

1 R&D投入产出效应的实证分析

1.1 模型的建立

根据Griliches-Jaffe[6]提出的知识生产函数 (knowledge production function) , 本文借鉴Anselin, varga和Acs等人认为的研发经费支出将导致直接的发明结果的一般研究基本假定, 以专利申请为应变量, 研发经费和研发人员为自变量。考虑到研发投入产出的滞后性, 依据知识生产函数, 同时为了减少异方差, 对变量取对数, 建立以下模型:

Lnzlsq=R+α1Lnrdjft+α2Lnrdjft-1+β1Lnrdryt+β2Lnrdryt-1+μt

其中:zlsq:专利申请量 (件) ;rdjft:t年的R&D经费;rdjft-1:上一期的经费;rdryt:R&D人员;rdryt-1:上一期的人员;R:截距项;μt:随机项;α1:当期R&D经费对自主创新的弹性, 即R&D经费每增加1%, 专利申请增加α1%;α2:上期R&D经费对自主创新的弹性;β1:当期研发人员对自主创新的弹性;β2:上期研发人员对自主创新的弹性。

1.2 指标的选取和数据的来源

1.2.1 指标的选取

(1) R&D经费

R&D经费数据都是流量, 必须先把它转化成存量。本文R&D存量的计算采用永续盘存法 (Perpetual Inventory Method, PIM) 来测算。测算公式为:

Kt=Et+ (1-δ) *Kt-1

Kt表示R&D存量, Et表示R&D支出, σ为折旧率。t表示时间。

先将R&D支出平减成实际值。关键是要假定R&D支出的价格指数。已有文献通常以消费者物价指数和固定资产投资价格指数的加权平均值来表示R&D价格指数。根据《中国科技统计年鉴》中提供的数据, 构造R&D价格指数如下:R&D支出价格指数=0.55*居民消费者价格指数+0.45*固定资产投资价格指数。其中消费者价格指数和固定资产投资价格指数均以1991年为定基换算而来的。

对于R&D存量的折旧率, 已有文献通常将之设定为15%。对于基期R&D存量, 由于数据的局限性, 本文根据 (1995年之后) 所有时期的R&D支出的平均增长率g代替1995年以前的R&D支出的平均增长率, 则基期的R&D存量可以用公式表示为:

$\text{Κ}{}_0=\frac{\text{E}{}_0}{(\text{g}+\text{δ})}$

(2) R&D人员和专利申请量

根据Jaffe的知识生产函数, 自主创新不仅需要包括R&D经费投入这一个因素, 还需要包括R&D的研发人员, 由于专利申请数据反映了一个时期人们从事科学技术发展和创新活动的数量和质量, 能综合反映自主创新能力的大小, 所以选择专利申请量作为衡量自主创新能力的量度。

1.2.2 数据来源

本文的实证模型中R&D经费、R&D人员和专利的申请数量这些数据来源《中国科技统计年鉴》1996~2008年, 而每年的居民消费者价格指数和固定资产投资价格指数这两个数据来源于《中国统计年鉴》。具体见下表1:

1.3 计量结果的分析

利用Excel对所建立的模型进行回归, 得到回归方程为:

Lnzlsq=3.136+2.122Lnrdjft-1.397Lnrdjft-1

(0.331) ***? (0.521) *** (0.414) **

+0.196Lnrdryt+0.554Lnrdryt-1

(0.293) (0.206) **

AdR2=0.99753, s.d.=0.0327

上述模型中, ***表示在1%水平下通过显著性检验, **表示在5%水平下通过显著性检验, 括号中的数字表示标准误差。

(1) 从模型的评价指标来看:

AdR2=99.753%, 同时标准误差s.d.只有0.0327, 说明模型拟合合理。

(2) 从显著性水平看:

判定回归方程有3个解释变量对被解释变量的影响具有显著性, 方程估计可靠, 模型具有较强的代表性。

(3) 从回归系数看:

当期的R&D经费的弹性为2.12173, 并且在1%的水平显著相关。即, 表示本期的R&D经费增加1%, 带来2.12173个单位的自主创新产出的增加。科研院所或者是企业从事R&D缺乏资金, 当期资金对于科研院所和企业研发来说是稀缺资源, 所以当期经费的弹性较大。

上期的R&D经费的弹性为-1.39708, 并且在1%的水平显著负相关, 这与预测有些不一致。可能的原因是:企业的研发经费来源于企业自身、政府拨款、银行贷款。而政府下拨的研发经费由于缺少政府的监管, 科研院所或者是企业没有严格地按照预算执行, 将研发经费挪作他用, 甚至在经费的拨付过程中, 截留经费用于抵扣其他支出。甚至有些科研院所或者是企业为了套取财政资金, 虚设课题, 虚列支出, 转移财政资金, 更有甚者将专项资金存放在外单位, 隐匿财政资金, 逃避财务监管[7]。而政府由于信息不对称的原因, 缺乏有效地监管, 他们只能通过项目承担者提供的信息了解项目的执行情况, 从而降低了科技项目实施和科技财政资金使用的绩效, 导致企业上期的科研经费对本期自主创新的贡献呈负相关。

上期人员投入的系数为0.554, 并且在10%的水平显著相关。即, 上期的R&D人员增加1%, 带来0.554个单位的自主创新的增加, 且通过了5%的显著性检验。但是当期人员的投入对自主创新的贡献不大, 且没有通过检验。可能的解释是:研发人员学习的滞后性。当研发人员刚刚投入到科研院所或企业的时候, 从理论到实践的学习有一个适应的过程。由于每个科研人员的学习背景、学历和学习的环境不同, 所以适应新环境的能力也是不同的。当期投入的科技人员可能要到下一期才会带来创新的产出, 这也解释了目前很多用人单位对于刚毕业的大学生都有一个见习期。从当期人员的弹性系数来看, 虽然对自主创新产出的激励不大, 但是有很大的发展空间。上期人员的弹性系数对自主创新产出的贡献还是比较明显的, 应该对人员进行鼓励, 以得到更多的创新产出。

最后再来比较一下研发经费和研发人员的弹性系数:α1+α2=-1.39708+2.12173=0.72465<β1+β2=0.55402+0.196483=0.750503, 说明在影响自主创新的这两个因素中, 研发人员的产出效应大于研发经费投入的产出效应, 说明研发人员特别是高素质的研发人员在自主创新的产出中起着不可替代的作用。所以要提高自主创新能力, 就要不断加大高素质研发人力资本的投入。

2 结论与政策建议

2.1 结 论

本文根据知识生产函数理论, 构建中国R&D投入产出的计量模型, 通过收集我国1995~2007年研发经费和人员的投入与自主创新能力的有关数据, 分析了中国R&D投入的产出效应, 发现:

(1) 当期研发经费与自主创新能力呈显著的正相关。 (2) 上一期的研发经费与自主创新能力呈现显著的负相关。 (3) 当期研发人员的投入与自主创新能力呈现正相关, 但不显著。 (4) 上一期人员投入与自主创新能力呈现显著的正相关。 (5) 研发人员的产出弹性要大于研发经费的产出弹性。以上结论可为政决策提供科学的依据。

2.2 有效提高自主创新能力的对策

根据以上得出的两个主要因素及其效应比较, 可从以下方面有针对性地进行自主创新激励。得出相应的政策建议:

(1) 加大当期科技经费的投入。政府要加大财政科技经费投入, 财政科技投入增长率应不低于一般性财政收入的增长率, 各级政府科技投入占财政总支出的比重应该要逐年提高。对于增加财政科技投入的计划、规划, 要坚决执行, 提高计划执行的刚性。

(2) 提高上期研发经费的使用效率。提高经费管理的公开性和透明度是做好经费监督的有效手段。可以防止科技经费管理中内部人交易、暗箱操作、挤占挪用等科技失信行为的发生。因此, 有必要在科技计划经费管理中将经费评审、经费分配和经费管理过程向公众公开, 充分发挥媒体与互联网的作用, 构建打破部门疆域的信息共享平台。

(3) 加大当期研发人员的教育与培训力度, 尽快提高其适应性。首先必须要做的就是为研发人员提供良好的工作环境, 使其创造最大的价值, 其次就是要对研发人员进行多方面的激励, 不断地调动员工的工作积极性, 使其创新产出最大化。

(4) 进一步激励已成熟的研发人员更好的为组织工作。激励可以分为物质激励和精神激励, 在物质激励方面, 科研单位可以增加研发人员的薪酬以更好的满足研发人员的各种需求;在精神激励方面, 应该多鼓励研发人员的创新行动, 不应该对创新失败的研发人员大加指责, 毕竟创新的成功与否依赖很多因素。

(5) 不断加大研发人员的投入, 提高研发人员的素质。培养高素质且富有创新精神的研发人员是提高自主创新能力的重中之重。国家应该加大高校教育的力度, 更好地培养潜在的科技研发人员, 为大量研发人员的投入做好准备。

摘要：本文根据知识生产函数理论, 构建中国R&D投入产出的计量模型, 通过收集我国1995～2007年研发经费和人员的投入与自主创新能力的有关数据, 分析了中国R&D投入的产出效应, 发现:当期研发经费、上一期人员投入与自主创新能力呈显著的正相关;上一期的研发经费与自主创新能力呈显著的负相关;当期研发人员与自主创新能力呈不显著正相关;研发人员的产出弹性要大于研发经费的产出弹性。根据结论, 本文提出了有效提高我国自主创新能力的前瞻性对策。

关键词：R&,D投入,产出效应,实证分析

参考文献

[1].L.S.Hammond.The NewZealand experience of a com-prehensive fully costed science funding system[J].Higher Ed-ucation, 1994, 28 (1) :119～127

[2].Ana Maria Conley.Three essays in the economics ofhigh education[J].Dissertation Abstracts International, 2004, 65 (12) :46～47

[3].杨得前, 严广乐, 唐敏.财政投入科研经费中的逆向选择与道德风险[J].科学学研究, 2006, 24 (1) , 42～46

[4].朱翔.国家科研资助的监督博弈分析[J].科研管理, 2004, 25 (4) :7～10

[5].杨得前, 严广乐, 唐敏.国家财政投入科研经费监督的博弈分析[J].科学学研究, 2005, 23 (12) :64～67

[6].Griliches Z.Productivity, R&D, and basic researchatthefirmlevel in the 1970 s[J].American Economic Review, 1986, 76 (1) :141～154

产出效应 篇4

研究方法

投入产出分析是一种较为成熟、应用广泛的经济定量分析方法, 而投入产出表是进行投入产出分析的基础, 利用投入产出表进行各种经济分析和研究, 需要计算投入产出表的各种系数。影响力系数和感应度系数是对产业波及进行动态分析的有力工具。

1.影响力系数

影响力系数, 是从需求的角度反映一个产业部门增加一个单位的最终需求时, 对国民经济其他产业部门产生的平均生产需求波及程度。其计算公式为:

式中, bij表示第j部门对第i部门的完全需要系数。完全需要系数用矩阵表示为:

B=B+I= (I-A) -1

影响力系数Fj, 表示第j部门增加一个单位最终产品时, 对国民经济各部门所产生的需求拉动波及程度。当Fj>1时, 表示第j部门对其他部门所产生的波及影响程度超过全社会平均影响水平 (即各部门所产生的波及影响的平均值) ;当Fj=1时, 表示第j部门对其他部门所产生的波及影响程度等于全社会平均影响水平;当Fj<1时, 表示第j部门对其他部门所产生的波及影响程度低于全社会平均影响水平。

显然, 一个产业的影响力系数越大, 该产业对国民经济发展的推动作用就越大。

2.感应度系数

感应度系数, 是从供给即投入的角度表示某一部门最初投入增加一个单位对其他部门的推动程度。感应度系数越大, 说明该部门对国民经济的推动作用越大。其计算公式为:

感应度系数Ei, 表示当国民经济各部门均增加一个单位最终使用时, 第i部门由此受到的需求感应程度, 也就是需要第i部门为其他各部门 (包括本部门) 增加一个单位最终使用时而需提供的全部投入量, 即第i部门对各部门生产的供给推动程度。董承章对感应度系数的经济意义是这样描述的:

当Ei<1时, 表示第i部门所受到的感应程度高于全社会平均感应水平 (即各部门受到感应程度的平均值) ;当Ei=1时, 表示第i部门所受到的感应程度等于全社会平均感应水平;当Ei>1时, 表示第i部门所受到的感应程度低于全社会平均感应水平。产业的感应度系数越低, 越具有基础产业和瓶颈产业的属性。

考虑到投入产出表的编制口径以及制造业的发展水平, 本文仅选用我国2002年和2007年42个部门的投入产出表进行计算。影响力系数和感应度系数均是根据里昂锡夫逆矩阵系数表运用excel中的“数学与三角函数”中的计算矩阵的函数计算得出。

波及效应分析

由表1可见, 2002年, 通信设备、计算机及其他电子设备制造业的影响力系数最大。说明该部门最终需求的增加使相关产业部门产生的连锁波及需求最大, 反映了对其他相关产业强大的需求拉动作用。此外, 电气、机械及器材制造业和仪器仪表及文化办公用机械制造业的影响力系数, 也超过了装备制造业的平均影响力系数 (1.260) 。说明上述3个行业的影响力超过装备制造业整体的平均影响水平, 对其他装备制造业部门有较高的辐射和拉动作用, 后向关联性较强。而通用、专用设备制造业、交通运输设备制造业和其他制造业的影响力系数均低于装备制造业的平均影响力系数。说明这3个部门的影响力低于装备制造业整体的平均影响水平, 对其他装备制造业部门的后向关联性较弱。

在2007年, 除了通信设备、计算机及其他电子设备制造业的影响力系数继续保持领先外, 超过平均影响力系数 (1.303) 的另外3个行业是:交通运输设备制造业, 电气、机械及器材制造业和仪器仪表及文化办公用机械制造业。上述4个行业的影响力超过装备制造业整体的平均影响水平, 对其他部门有较高的辐射和拉动作用, 后向关联性较强。而通用、专用设备制造业和其他制造业的影响力系数, 低于装备制造业的平均影响力系数。说明这二者的影响力低于装备制造业整体的平均影响水平, 对其他部门的后向关联性相对较弱。

在2002年和2007年, 装备制造业的影响力系数的平均值都大于1, 分别为1.260和1.303。说明装备制造业对其他部门产生的影响程度超过社会平均影响力水平, 对经济的拉动作用高于平均水平, 足见其在国民经济中的重要地位。其中, 只有其他制造业的影响力系数略有下滑, 对于经济的拉动作用相对走低。其他5个部门的影响力系数均有所上升, 对国民经济的拉动作用增大。因此, 发展装备制造业会创造国民经济产业部门的较大需求, 从而对国民经济发展产生较大的推动作用。

2.感应度系数

由表1可见, 在2002年, 感应度系数超出装备制造业各部门平均水平 (1.159) 的有:通信设备、计算机及其他电子设备制造业, 通用、专业设备制造业和交通运输设备制造业3个部门。其中, 以通信设备、计算机及其他电子设备制造业的感应度系数最高, 即对该部门提供的产品的需求最多, 当国民经济其他相关部门最终产品增加1个单位时, 客观上就需要该部门增加1.913单位的产值量, 同时也说明其增长速度是其他部门的1.913倍。

在2007年, 感应度系数超出装备制造业各部门平均水平 (1.146) 的有:通信设备、计算机及其他电子设备制造业, 通用、专业设备制造业, 交通运输设备制造业和电气、机械及器材制造业4个部门。与2002年相比, 感应度系数最高仍然是通信设备、计算机及其他电子设备制造业, 而感应度系数最低的仍然是其他制造业, 并且下降了12.89%。说明该行业更加具有基础产业和瓶颈产业的属性。同时可以看到, 装备制造业的平均感应度系数略有降低 (-1.13%) 。

在2002年和2007年, 装备制造业整体的平均感应度系数均大于全社会部门的平均水平, 分别为1.159和1.146, 这意味着装备制造业的需求影响程度超过社会平均水平, 当国民经济42个产业部门每增加1亿元的最终产品, 将对装备制造业产生1.159亿元和1.146亿元的需求。其中, 通信设备、计算机及其他电子设备制造业作为装备制造业中的高技术产业, 其感应度系数一直保持最大并且大于1。说明该行业通过供给作用而表现出的前向关联作用对国民经济的推动作用在装备制造业中最大。同时, 也说明该产业部门所受到的感应程度低于其他装备制造业部门和全社会的平均感应度水平。

结论与建议

以上分析说明, 由装备制造业部门所提供的生产和需求, 对国民经济的推动作用比较大, 其发展可以通过乘数效应和关联效应带动整个国民经济的发展, 在国民经济中具有非常重要的地位。

装备制造业各部门波及程度各异, 其中通信设备、计算机及其他电子设备制造业的辐射能力巨大, 带动国民经济增长的能力最强, 正处在产业生命周期中的成长期, 其发展规模可进一步扩大, 应该得到持续发展, 从而继续拉动整个国民经济的快速发展。而感应度系数最小的其他制造业具有瓶颈性质和“四两拨千斤”的属性, 应该得到优先扶持和发展。

参考文献

[1]董承章.投入产出分析[M].北京:中国财政经济出版社, 2000.

[2]段一群, 李东, 李廉水.中国装备制造业企业技术创新与经济效益的关联分析[J].工业技术经济, 2009 (3) :87—91.

[3]国家统计局.国民经济行业分类注释[M].北京:中国统计出版社, 2008.

[4]洪银玉.装备制造业对沈阳市GDP及税收增长拉动作用实证分析——基于投入产出分析方法[J].经济研究导刊, 2010 (8) .

[5]蒋训林.我国信息技术产业的投入产出分析[J].科技情报开发与经济, 2008 (25) :56—58.

[6]李靖辉, 熊欣.广东省现代物流业的波及效果分析[J].物流科技, 2005 (4) :27—30.

[7]李岩, 金浩, 李延军等.产业关联效应的计量分析及主导产业的选择[J].河北工业大学学报, 2004 (3) :87—91.

[8]肖青, 张彩凤, 姜俞竹.基于投入产出的辽宁省物流业经济影响分析[J].大连海事大学学报 (社会科学版) , 2009 (4) .

产出效应 篇5

“高技术”这个词最先出现于20世纪60年代，是利用现代科技成果或建立在最新科学的基础成就上形成的尖端技术。

在高新技术成果产业化的基础上形成了高新技术产业。高新技术产业的形成和发展实际上是技术创新推动产业结构高级化、促进新的产业形成的结果。

统计数据显示，1995年以来，中国高技术产业总产值以年均23.9%的速度增长，2005年达34 367亿元;高技术产业增加值的年平均增长速度为21.9%。高技术产业已经成为推动中国制造业、特别是现代制造业发展的重要力量。但是中国高技术产业尚处于初级阶段，大量传统产业需要依靠进口解决技术升级问题。另一方面，虽然中国高技术产业的总量已在世界上占有重要地位，但增加值率较低，与总产值规模很不相称，与世界发达国家存在较大差距。

英国也是高技术和高技术产业的开拓者之一，取得了相当多的高新技术成果，在世界高科技领域居于领先地位。然而，20世纪70年代后，英国的科技产业竞争力开始下降。为此，英国政府采取了一系列的政策性措施，鼓励英国企业增加对R&D的投入。目前英国的高科技产业已呈现复苏的迹象。英国的高新技术产业主要集中在电子信息技术、新能源和新材料技术、生物技术、航天技术和国防军事技术等领域。其中生物科技产业不仅在欧洲居首位，而且在世界上仅次于美国，具有强大的竞争力。

二、产业波及效应内涵及分析工具

在产业结构这一系统中，某产业在生产过程中的任一变化，都将通过产业间的关联关系而对其他产业发生波及作用。

产业间波及效应分析是建立在投入系数表上，一般而言，波及效应基本上有两种形式:一种形式是当表中最终需求项发生变化时，对整个经济系统产生的影响;另一种形式是表中附加价值项发生变化时，对整个经济系统产生的影响。

对产业波及进行动态分析的有力工具是影响力系数和感应度系数的分析。通常把一产业受其他产业的波及作用称为感应度，把一产业对其他产业的波及作用称为影响力。感应度系数越大，表明其对国民经济各部门生产的供给作用越大，对经济发展所起的制约作用也越大;影响力系数越大，表明其对国民经济各部门生产的需求作用越大，对社会生产的辐射能力也越大。当某一部门感应度系数大于(小于)1时，表示该部门的感应程度高于(低于)社会平均感应度水平(即各部门的感应程度的平均值)。

三、中英高技术产业波及效应分析

1. 研究对象。

经济合作与发展组织(OECD)根据R&D密集程度将高技术产业分为：航空航天制造业、计算机与办公设备制造业、医药制造业和电子与通信设备制造业。中国以此为依据，将制造业中的电子及通信设备制造业、航空航天器制造业、医药制造业、电子计算机及办公设备制造业和医疗设备及仪器仪表制造业界定为高技术产业。

根据以上分类依据，我们借助2002年中国122个部门的投入产出表中共12个高技术产业部门来分析中国高技术产业的波及效应，包括专用化学品制造业、日用化学产品制造业、医药制造业、通信设备制造业、电子计算机整机制造业、其他电子计算机设备制造业、电子元器件制造业、家用视听设备制造业、其他通信电子设备制造业、仪器仪表制造业、信息传输服务制造业和计算机服务及软件业。在研究英国高技术产业波及效应时主要利用的是OECD英国1990年、1984年、1979年和1968年的投入产出表，选取了医药制造业、办公计算机制造业、电器制造业、广播电视通讯器材以及航空航天这五个产业部门。

2. 中英高技术产业与传统产业间的影响力系数和感应度系数的计算。

根据2002年中国122个部门的投入产出表，计算高技术产业对传统产业波及的影响力系数和感应度系数。计算结果显示，影响力系数大于1，也就是影响力大于全社会平均水平的产业部门有69个，其中专用化学品制造业(1.16)、通信设备制造业(1.27)、电子计算机整机制造业(1.39)、电子元器件制造业(1.19)、家用视听设备制造业(1.30)、其他通信电子设备制造业(1.22)和计算机服务及软件业(1.19)等10个高技术产业部门的影响力系数都超过平均水平，对国民经济的拉动作用明显，应该优先并加快发展。

在传统产业中，影响力系数排在前五位的行业依次是：文化、办公用机械制造业(1.32)有色金属压延加工业(1.25)、家用器具制造业(1.22)、其他电气机械及器材制造业(1.21)、交通运输设备制造业(1.21)以及电机制造业(1.21)。说明这些产业部门对国民经济发展有较大的拉动作用，创造了包括高技术产业在内的需求，因而会极大地促进高技术产业发展。

另一方面，感应度大于全社会平均水平的产业部门有33个，我们选定的12个高技术产业部门中，只有专用化学品制造业(1.68)、电子元器件制造业(2.67)和信息传输服务制造业的感应度系数(1.30)大于1。此外，电子计算机整机制造业(0.87)、其他电子计算机设备制造业(0.85)和仪器仪表制造业(0.85)的感应度系数大于0.8，接近平均水平。但其余高技术产业部门的感应度系数均不高，说明中国高技术产业对国民经济的推动作用发挥的还不够充分。

在传统产业中，感应度系数排在前五位的行业依次是：批发和零售贸易业(4.6)、电力、热力的生产和供应业(4.0)、石油及核燃料加工业(3.14)、农业(2.99)以及石油和天然气开采业(2.81)。这些产业的感应度系数较高且都高于我们选择的12个高技术产业部门，说明这些传统产业部门对国民经济的推动作用大于高技术产业部门。

根据OECD英国1990年、1984年、1979年和1968年的投入产出表，我们计算了英国以上年份的各产业部门的影响力系数和感应度系数。结果显示，医药制造业、办公计算机制造业、电器制造业、广播电视通讯器材以及航空航天这五个高技术产业部门的影响力系数在四个年份基本都大于平均水平。可见，英国高技术产业部门的需求对国民经济的拉动作用非常大。再看感应度系数部分，航空航天、电器制造业的感应度系数呈现下降趋势，广播电视通讯器材和办公计算机制造业的感应度系数出现显著上升，医药制造业的感应度系数没有明显的变化，且除了广播电视通讯器材制造业以外，其他产业的感应度系数都低于平均水平。

四、结论与建议

对比中国和英国高技术产业部门的影响力系数和感应度系数以及高技术产业投入产出现状不难发现，中国要想提高高技术产业的国际竞争力，还有很多需要改进加强的地方。

首先，应加大科研经费的投入。英国政府投入是英国科技投入的主要来源之一，每年约占社会投入的1/3。而中国R&D经费投入虽然在近几年逐步提高，但是与英国等世界发达国家相比还有非常悬殊的差距。

其次，应建立完善的风险投资机制。英国的风险投资业很发达，约占整个欧洲的49%。这些风险资金分别以种子资金、创建资金、早期资金、发展资金等不同形式投入到了高技术公司的不同发展阶段。

第三，应建立一系列的优惠补助政策扶持高新技术企业的发展。例如，英国政府于1983年制定《企业扩展计划》，为了吸引中小企业投资高新技术，制订了一系列的税收优惠办法。

第四，应注重对大学科研的重点资助。英国政府为大学科研建立了“双重资助系统”。但是中国大学的科研经费主要来自国家自然科学基金等项目，而这些项目的资助明显地向某些大学集中。为此，中国政府应专辟一部分资金，用于支付大学与企业相关的研究工作和知识转移工作。

参考文献

[1]赵玉林, 汪芳.高技术产业波及效应分析[J].科学学与科学技术管理, 2007, (6) .

[2]胡平, 吴志平.中外用高新技术改造传统产业的分析[J].科技进步与对策, 2002, (4) .

[3]王育宝, 胡芳肖.国外运用高新技术改造传统产业的经验[J].科学学与科学技术管理, 2007, (2) .

[4]赵玉林.高技术产业经济学[M].武汉:武汉理工大学出版社, 2003.

[5]董登珍, 陈蓉蓉.高技术产业关联带动经济增长的机制与对策[J].武汉理工大学学报:社会科学版, 2007, (1) .

[6]陈跃刚, 甘永辉.中国产业间波及效应的探讨[J].南昌大学学报:人文社科版, 2004, (9) .

[7]湛毅青.英国政府对大学科研的资助体系[J].比较教育研究, 2006, (7) .

[8]徐继宁.国家创新体系:英国产学研制度创新[J].高等工程教育研究, 2007, (2) .

产出效应 篇6

目前, 有关中国要素发展战略, 尤其是人口、资本等发展战略的选择问题引起了来自学界和政界的极大关注。对要素发展战略的选择离不开对要素积累和要素禀赋变化对经济增长影响效应的分析。然而, 研究要素禀赋变化与经济增长之间关系的经典文献 (如Rybczynski, 1955等[1]) 主要从静态或短期的角度分析要素禀赋变化对经济增长的影响效应, 缺乏从长期和全面的视角入手的相关分析。本文从理论分析和经验论证的视角分析了要素禀赋变化对经济增长的长期和完全影响效应。其理论分析部分主要从既定要素禀赋下的均衡产出、要素禀赋变化的短期、长期和完全效应等方面展开, 而经验论证部分则结合中国工业部门36个子行业的历史数据验证理论部分的结论。

1 近期文献回顾

对要素禀赋变化与经济增长关系做出研究的文献始于雷布钦斯基 (Rybczynski) 的分析, 他指出, 在商品的相对价格以及商品生产的要素密集性质未发生变化的条件下, 某种要素的禀赋增加将引起密集使用该要素的行业产出增加, 而其他行业产出则降低, 这也被称为“雷布钦斯基定理”。

图1显示了雷布钦斯基定理核心逻辑, 其主要结论包括: (1) 在资源禀赋分别由$\overline{\text{Κ}}$、$\overline{\text{L}}$给定的条件下, 资本密集型产业X和劳动密集型产业Y的均衡产出分别体现为Q${}_{\text{X}}^0$、Q${}_{\text{Y}}^0$; (2) 在均衡产出条件下, 产业X和Y生产中的资本劳动比即为均衡产出条件下使用的资本和劳动禀赋量之比, 同时, 两种产业各自生产中资本和劳动的边际技术替代率就是资本和劳动两种生产要素的价格比; (3) 当劳动禀赋增加且产业的要素密集度未发生改变时, 产业X和Y将达到资源配置新均衡, 新均衡条件下产业X和Y的产出将分别由Q${}_{\text{X}}^1$、Q${}_{\text{Y}}^1$给定; (4) 两种均衡下等产量曲线的位置决定了Q1X<Q${}_{\text{X}}^0$, Q${}_{\text{Y}}^1$>Q${}_{\text{Y}}^0$。

雷布钦斯基的分析主要建立在2×2×2 (两个国家、两种商品和两种要素) 、设定齐次线性函数形式以及仅有一种要素禀赋发生变化的基础上, 其追随者主要从放宽其基本假设条件以及利用国别或地区数据验证这一结论等视角展开相关分析。

对其假设条件的放宽和拓展主要从多种要素禀赋同时变化、改变生产函数形式以及改变2×2×2分析模式等方面展开。其中, Ashok Guha (1963) 指出, 即便在所有要素禀赋同时发生变化时, 雷布钦斯基定理的主要结论也同样具有适用性。他认为, 在商品相对价格不变的条件下, 密集使用禀赋增加幅度相对较大要素的行业产出将增加, 而其他行业产出将降低[2]。而Wolfgang Mayer (1976) 则在构建小国贸易一般均衡模型的基础上指出, 要素禀赋变化对经济增长的影响将取决于生产函数的性质和所有行业的要素密集性质[3]。他认为, 在其他行业生产函数呈现规模报酬递减特征时, 某要素禀赋的增加将引起相对密集使用该要素的行业产出增加;而在其他行业生产函数呈现出规模报酬递增特征时, 某种要素禀赋的增加将引起相对稀缺使用该要素的行业产出增加。同时, 当其他行业面临不变替代弹性生产函数时, 要素禀赋的改变不会引起行业产出的变化。而吴俊、张家峰 (2008) 则通过构建包含收益递增的2×2×2国际贸易理论模型, 对雷布津斯基定理进行了修订[4], 指出要素禀赋变化与产出增长之间存在如下关系:在封闭状态下, 资本存量的增加将导致资本密集的元件产量增加, 劳动密集的农产品产量下降;并会导致元件种类数增加, 且元件种类数增长比例小于资本存量的增长比例。而在自由贸易状态下, 资本存量的增加将导致资本密集的元件产量增加, 劳动密集的农产品产量下降, 且元件种类数增加;但元件种类数增加幅度与资本存量的水平有关。

与此同时, 部分学者则从国别或地区数据等出发, 对雷布钦斯基的相关结论做出了验证, 其中, Gordon H.Hanson和Matthew J.Slaughter (1999) 等在该领域做出了较为突出的贡献[5]。他们曾以美国为例, 分析了要素禀赋的改变与区域经济增长之间的内在关系, 并分析了移民以及其他要素禀赋改变对美国区域经济增长的影响方式。他们认为, 要素禀赋的改变主要是通过改变不同行业的总产出, 而并不通过改变区域要素之间的相对价格来影响区域经济增长。

对要素禀赋改变和经济增长之间关系的近期研究主要围绕拓展雷布钦斯基定理的适用领域和使用范围而展开。从作者搜集的文献来看, 目前比较流行的趋势是将雷布钦斯基的分析结论拓展到区域经济发展和产业经济发展层次。其中, 郝大江 (2009) 在将要素分为非区域性要素 (资本要素及其他要素等) 和区域性要素 (直接进入生产过程的以及黏附于资本要素转化进入生产过程等) 的基础上, 通过建立基于区域性要素和非区域性要素相互作用的区域经济增长模型, 指出在经济增长的稳态条件下, 区域性要素禀赋对区域经济增长起着决定性的作用[6]。由此, 非均质的区域性要素禀赋决定了区域经济非平衡增长的常态性。王国新 (2010) 基于对集群要素禀赋、集群间关系和集群成长间的内在关系考察, 并结合对中国54个国家级高新技术开发区发展实践的分析, 指出高新技术开发区的R&D投入增加、工业基础以及交通信息条件等对产业集群的成长具有促进作用;而高新技术开发区的密度、地理接近程度以及产业重叠程度等在短期内对产业集群成长具有促进作用, 而长期则不利于产业集群的成长[7]。刘忠涛 (2010) 曾结合约束的利润函数以及超越对数函数, 以及1993～2004年宏观经济发展相关数据, 考察了制度因素、要素禀赋与产业结构变化的内在关系。他指出城乡劳动力和资本等要素禀赋变化将对三次产业产出及其增加值占GDP的份额产生不同的影响效应[8]。其中, 乡村劳动力的城乡流动将对三次产业产出产生正向效应;资本存量增加将对第一、二产业产出及其增加值份额产生正向效应, 而对第三产业产出及其增加值份额则产生负向效应。

总的来说, 对要素禀赋变化与经济增长之间的关系研究主要集中于要素禀赋改变对经济增长影响的静态和短期效应。而对其长期效应和完全效应的分析, 则少有涉猎。同时, 尽管近期研究已经将相关结论拓展到了区域领域和产业领域, 但相对而言, 以三次产业发展作为分析蓝本, 仍然较为粗糙。由此, 本文拟从要素禀赋改变的短期、长期和完全效应等方面展开理论分析, 并结合中国工业部门36个主要子行业的发展实践验证上述结论。

2 理论模型

2.1 既定禀赋条件下均衡产出的数学描述

设某国 (A国) 国内仅生产两种类型商品X (资本密集型产品) 和Y (劳动密集型产品) , 且生产函数分别为$\text{X}=\text{C}{}_0\text{Κ}{}^{\text{β}{}_0}\text{L}{}^{1-\text{β}{}_0}$及$\text{Y}=\text{C}{}_1\text{Κ}{}^{\text{α}{}_0}\text{L}{}^{1-\text{α}{}_0}$, 其中C0, C1, β0, α0外生给定, 且满足C0>0, C1>0, 1>β0>α0>0。此时, 若该国资源禀赋由EA (KA, LA) 给定, 则在要素同质且充分使用的条件下总能找到一个均衡的部门要素投入量, 使得该国的产出能够实现最优。设这一均衡产出由$\text{X}{}_{\text{A}}=\text{C}{}_0(\text{Κ}{}_{\text{A}}^{\text{X}}){}^{\text{β}{}_0}(\text{L}{}_{\text{A}}^{\text{X}}){}^{1-\text{β}{}_0}$和$\text{Y}{}_{\text{A}}=\text{C}{}_1(\text{Κ}{}_{\text{A}}^{\text{Y}}){}^{\text{α}{}_0}(\text{L}{}_{\text{A}}^{\text{Y}}){}^{1-\text{α}{}_0}$来表示, 其中K${}_{\text{A}}^{\text{X}}$、K${}_{\text{A}}^{\text{Y}}$、L${}_{\text{A}}^{\text{X}}$、L${}_{\text{A}}^{\text{Y}}$分别表示用于商品生产的资本和劳动量, 且满足K${}_{\text{A}}^{\text{X}}$+KYA=KA;L${}_{\text{A}}^{\text{X}}$+L${}_{\text{A}}^{\text{Y}}$=LA。由于要素同质且充分使用, 则该国两个部门面临同样的要素价格, 设劳动的价格为w, 资本的价格为r, 要素相对价格为$\text{Ρ}(\text{E}{}_{\text{A}})=\frac{\text{w}}{\text{r}}$, 且劳动和资本的相对价格满足如下性质$\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\ge 0$, $\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\le 0$, 即要素相对价格由该国要素禀赋决定, 短期内, 资本或劳动的增加将不会引起要素相对价格的变化;而长期内, 资本增加将导致资本价格下降, 在劳动不变的条件下, 将导致要素相对价格上升;而劳动增加将导致劳动价格下降, 在资本不变的条件下, 将导致要素相对价格下降。

一般地说, 在均衡产出条件下将有如下结论: (1) 要素的边际技术替代率等于要素的相对价格比, 即$\text{Μ}\text{R}\text{Τ}\text{S}{}_{\text{L}\text{Κ}}^{\text{X}}=\text{Μ}\text{R}\text{Τ}\text{S}{}_{\text{L}\text{Κ}}^{\text{Y}}=\frac{\text{w}}{\text{r}}=\text{Ρ}(\text{E}{}_{\text{A}}){}^{[9]}$; (2) 产品的要素密集度为均衡产出条件下资本投入量与劳动投入量的比值, 即$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}=\frac{\text{Κ}{}_{\text{A}}^{\text{X}}}{\text{L}{}_{\text{A}}^{\text{X}}}$和$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}=\frac{\text{Κ}{}_{\text{A}}^{\text{Y}}}{\text{L}{}_{\text{A}}^{\text{Y}}}$, 其中$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}$和$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}$分别代表X、Y部门的要素密集度。按照相关设定, 劳动要素和资本要素在X和Y部门中的边际技术替代率将分别为$\text{Μ}\text{R}\text{Τ}\text{S}{}_{\text{L}\text{Κ}}^{\text{X}}=\frac{1-\text{β}{}_0}{\text{β}{}_0}\times \left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}$和$\text{Μ}\text{R}\text{Τ}\text{S}{}_{\text{L}\text{Κ}}^{\text{Y}}=\frac{1-\text{α}{}_0}{\text{α}{}_0}\times \left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}$, 则两部门要素密集度将分别为$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}=\frac{\text{β}{}_0}{1-\text{β}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})$以及$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}=\frac{\text{α}{}_0}{1-\text{α}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})$。此时, X、Y两部门的均衡产出时资本和劳动投入量满足将如下关系:$\text{Κ}{}_{\text{A}}^{\text{X}}=\frac{\text{β}{}_0}{1-\text{β}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})\times \text{L}{}_{\text{A}}^{\text{X}}$以及$\text{Κ}{}_{\text{A}}^{\text{Y}}=\frac{\text{α}{}_0}{1-\text{α}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})\times \text{L}{}_{\text{A}}^{\text{Y}}$, 结合该国的要素禀赋条件, 则并可得以该国既定资源禀赋和资源相对价格表示的均衡产出, 如下式 (1) 所示。

$\begin{array}{l}\text{X}{}_{\text{A}}=\text{C}{}_0\left[\frac{\text{β}{}_0(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}-\frac{\text{α}{}_0\text{β}{}_0\text{L}{}_{\text{A}}\text{Ρ}(\text{E}{}_{\text{A}})}{\text{β}{}_0-\text{α}{}_0}\right]{}^{\text{β}{}_0}\left[\frac{-\text{α}{}_0(1-\text{β}{}_0)\text{L}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}+\frac{(1-\text{β}{}_0)(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}(\text{E}{}_{\text{A}})}\right]{}^{1-\text{β}{}_0}\\ \text{Y}{}_{\text{A}}=\text{C}{}_1\left[\frac{-\text{α}{}_0(1-\text{β}{}_0)\text{Κ}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}+\frac{\text{α}{}_0\text{β}{}_0\text{L}{}_{\text{A}}\text{Ρ}(\text{E}{}_{\text{A}})}{\text{β}{}_0-\text{α}{}_0}\right]{}^{\text{α}{}_0}\left[\frac{\text{β}{}_0(1-\text{α}{}_0)\text{L}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}-\frac{(1-\text{β}{}_0)(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}(\text{E}{}_{\text{A}})}\right]{}^{1-\text{α}{}_0}(1)\end{array}$

如前文所述, 均衡产出条件下两部门的要素密集度将分别由$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}=\frac{\text{β}{}_0}{1-\text{β}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})$以及$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}=\frac{\text{α}{}_0}{1-\text{α}{}_0}\times \text{Ρ}(\text{E}{}_{\text{A}})$来反映。由于1>β0>α0>0, 且在既定要素禀赋条件下P (EA) 将保持一定, 则有$\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{X}}＞\left(\frac{\text{Κ}}{\text{L}}\right){}_{\text{A}}^{\text{Y}}$, 这也验证了X是资本密集型产品而Y是劳动密集型产品的结论。当然, 由于$\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\ge 0$, $\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\le 0$, 则从均衡产出条件下两部门的要素密集度表达式还可以得出如下结论:短期内, 要素增加将不会改变部门生产中的资本劳动比状况;而长期内, 资本增加将引起劳动和资本要素的相对价格上升, 从而使X、Y两个部门生产中资本劳动比均增加, 而劳动增加将引起劳动和资本要素的相对价格下降, 从而使X、Y两个部门生产中资本劳动比均下降。即, 长期内, 资本 (或劳动) 要素的增加将引起该要素价格的下降, 则所有生产部门都将更多地使用该要素。

2.2 要素禀赋变化对产出的影响

一国要素禀赋是可能发生改变的, 一旦要素禀赋改变后, 将会对部门产出产生什么影响呢?本文分3步来分析该问题: (1) 短期影响分析, 即分析要素增加并不改变部门生产的要素密集条件下对产出的影响情况; (2) 长期影响分析, 即分析要素增加后改变部门生产的要素密集条件下对产出的影响情况; (3) 完全影响分析, 即分析要素增加后对部门产出的所有影响。

2.2.1 要素禀赋增加的短期影响

按照前文的相关分析, 资本或劳动的增加在短期内并不改变要素的相对价格, 即$\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}=0$, $\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}=0$, 则短期内要素变化对产出的边际影响将如下式 (2) 所描述:

$\begin{array}{l}\left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_{\text{s}}=\frac{\text{C}{}_0\text{β}{}_0\text{C}{}_2^{1-\text{β}{}_0}\text{β}{}_0(1-\text{α}{}_0)}{\text{β}{}_0-\text{α}{}_0}+\frac{\text{C}{}_0(1-\text{β}{}_0)\text{C}{}_2^{-\text{β}{}_0}(1-\text{β}{}_0)(1-\text{α}{}_0)}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}(\text{E}{}_{\text{A}})}\\ \left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_{\text{s}}=-\frac{\text{C}{}_0\text{β}{}_0\text{C}{}_2^{1-\text{β}{}_0}\text{α}{}_0\text{β}{}_0\text{Ρ}(\text{E}{}_{\text{A}})}{\text{β}{}_0-\text{α}{}_0}-\frac{\text{C}{}_0(1-\text{β}{}_0)\text{C}{}_2^{-\text{β}{}_0}\text{α}{}_0(1-\text{β}{}_0)}{\text{β}{}_0-\text{α}{}_0}\\ \left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_{\text{s}}=-\frac{\text{C}{}_1\text{α}{}_0\text{C}{}_2^{1-\text{α}{}_0}\text{α}{}_0(1-\text{β}{}_0)}{\text{β}{}_0-\text{α}{}_0}-\frac{\text{C}{}_1(1-\text{α}{}_0)\text{C}{}_2^{-\text{α}{}_0}(1-\text{β}{}_0)(1-\text{α}{}_0)}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}(\text{E}{}_{\text{A}})}\\ \left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_{\text{s}}=\frac{\text{C}{}_1\text{α}{}_0\text{C}{}_2^{1-\text{α}{}_0}\text{α}{}_0\text{β}{}_0\text{Ρ}(\text{E}{}_{\text{A}})}{\text{β}{}_0-\text{α}{}_0}+\frac{\text{C}{}_1(1-\text{α}{}_0)\text{C}{}_2^{-\text{α}{}_0}\text{β}{}_0(1-\text{α}{}_0)}{\text{β}{}_0-\text{α}{}_0}(2)\end{array}$

其中, 下角标s代表短期影响;

$\text{C}{}_2=\frac{\frac{-\text{α}{}_0(1-\text{β}{}_0)\text{L}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}+\frac{(1-\text{β}{}_0)(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}(\text{E}{}_{\text{A}})}}{\frac{\text{β}{}_0(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}}{\text{β}{}_0-\text{α}{}_0}-\frac{\text{α}{}_0\text{β}{}_0\text{L}{}_{\text{A}}\text{Ρ}(\text{E}{}_{\text{A}})}{(\text{β}{}_0-\text{α}{}_0)}}＞0$, 其原因在于C2实际上是初始要素禀赋条件下X和Y部门均衡生产时各自使用的劳动量的比值。

根据前文对相关系数性质的描述, 可知$\left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_{\text{s}}＞0$, $\left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_{\text{s}}＜0$, $\left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_{\text{s}}＞0$, $\left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_{\text{s}}＜0$。此时, 要素禀赋变化后的均衡产出情况将分别由初始均衡产出XA和YA的全微分来表示, 如下式 (3) :

如上式 (3) , 短期内, 当KA增加, LA不变时, 则XA增加, 而YA减少;而当LA增加, KA不变时, 则YA增加, 而XA减少。由此可得出结论:短期内, 资本 (或劳动) 要素的增加, 将导致资本密集型 (或劳动密集型) 部门生产增加, 而其他部门的生产则降低[10]。

2.2.2 要素禀赋增加的长期影响

一般地说, 要素的一定增量在足够长的时间内将引起商品生产的要素密集情况改变。那么, 长期内, 要素增加引起要素密集度情况改变后将对产出情况产生什么影响呢?

实际上, 某一要素增加对两个部门产出的长期影响将由两部分来反映: (1) 要素的增加将会引起要素相对价格的变动; (2) 要素相对价格的变动将会引起要素密集度情况的变动, 从而会引起两部门新的均衡产出的形成。即长期内要素变化对产出变化的影响将由下式 (4) 反映:

$\begin{array}{l}\left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_l=\frac{\partial \text{X}{}_{\text{A}}[\text{Ρ}(\text{E}{}_{\text{A}})]}{\partial \text{Κ}{}_{\text{A}}}=\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\\ \left(\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_l=\frac{\partial \text{X}{}_{\text{A}}[\text{Ρ}(\text{E}{}_{\text{A}})]}{\partial \text{L}{}_{\text{A}}}=\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\\ \left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}\right){}_l=\frac{\partial \text{Y}{}_{\text{A}}[\text{Ρ}(\text{E}{}_{\text{A}})]}{\partial \text{Κ}{}_{\text{A}}}=\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\\ \left(\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}\right){}_l=\frac{\partial \text{Y}{}_{\text{A}}[\text{Ρ}(\text{E}{}_{\text{A}})]}{\partial \text{L}{}_{\text{A}}}=\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\end{array}$

(4)

其中, l表示长期。

结合前文的相关分析, 有$\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}＞0$和$\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}＜0$, 则要素增加对部门产出变化的长期影响将主要取决于要素价格变化对产出变化的影响, 这一影响可以由下式 (5) 反映:

$\begin{array}{l}\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}=-\frac{\text{α}{}_0\text{β}{}_0\text{C}{}_0\text{β}{}_0\text{L}{}_{\text{A}}\text{C}{}_2^{1-\text{β}{}_0}}{\text{β}{}_0-\text{α}{}_0}-\frac{\text{C}{}_0(1-\text{β}{}_0)(1-\text{β}{}_0)(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}\text{C}{}_2^{-\text{β}{}_0}}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}{}^2(\text{E}{}_{\text{A}})}\\ \frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}=\frac{\text{C}{}_1\text{α}{}_0\text{α}{}_0\text{β}{}_0\text{L}{}_{\text{A}}\text{C}{}_2^{\text{α}{}_0-1}}{\text{β}{}_0-\text{α}{}_0}+\frac{\text{C}{}_1(1-\text{α}{}_0)(1-\text{β}{}_0)(1-\text{α}{}_0)\text{Κ}{}_{\text{A}}\text{C}{}_2^{\text{α}{}_0}}{(\text{β}{}_0-\text{α}{}_0)\text{Ρ}{}^2(\text{E}{}_{\text{A}})}(5)\end{array}$

由前文对相关系数的描述, 则有$\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＜0$, $\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＞0$。即长期内, P (EA) 增加, 将导致XA减少, 而YA增加;而P (EA) 降低, 将导致XA增加, 而YA减少。由此可得出结论:长期内, 劳动和资本要素的相对价格变化将引起劳动密集型生产部门产出同方向变化, 而资本密集型生产部门产出则反方向变化。

行文至此, 我们就可以展开要素变化对部门产出变化的长期影响的具体分析了。此时, 要素禀赋变化后的长期均衡产出情况将分别由初始均衡产出XA和YA的全微分来表示, 如下式 (6) :

$\begin{array}{l}(\text{Δ}\text{X}{}_{\text{A}}){}_l=\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\times \text{d}{}_{\text{Κ}{}_{\text{A}}}+\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\times \text{d}{}_{\text{L}{}_{\text{A}}}\\ (\text{Δ}\text{Y}{}_{\text{A}}){}_l=\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}\times \text{d}{}_{\text{Κ}{}_{\text{A}}}+\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}\times \frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}\times \text{d}{}_{\text{L}{}_{\text{A}}}(6)\end{array}$

如上式 (6) , 当KA增加而LA不变时, $\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{Κ}{}_{\text{A}}}＞0$, $\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＜0$, $\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＞0$, 则有Y部门产出增加, 而X部门的产出变化不确定;LA增加而KA不变时, $\frac{\partial \text{Ρ}(\text{E}{}_{\text{A}})}{\partial \text{L}{}_{\text{A}}}＜0$, $\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＜0$, $\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Ρ}(\text{E}{}_{\text{A}})}＞0$, 则X部门产出增加, 而Y部门的产出变化不确定。也即是说, 长期内, 资本要素的增加将导致劳动密集型生产部门的产出增加, 而资本密集型生产部门的产出变化不确定;劳动要素的增加将导致资本密集型生产部门的产出增加, 而劳动密集型生产部门的产出变化则不确定。由此可以得出结论:从长期来看, 资本 (或劳动) 要素的增加也会导致劳动密集型行业 (或资本密集型行业) 产出增加。

2.2.3 要素禀赋增加的完全影响

前文的相关分析中, 我们分别考察了要素变化在改变和不改变要素相对价格时, 对产出的影响, 这是否能得出要素增长对生产部门产出的短期影响和长期影响就是其完全影响的结论呢?求均衡产出XA和YA关于资源禀赋KA和LA的一阶偏导数, 记为$\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}$、$\frac{\partial \text{X}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}$、$\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{Κ}{}_{\text{A}}}$和$\frac{\partial \text{Y}{}_{\text{A}}}{\partial \text{L}{}_{\text{A}}}$, 他们分别反映了资本和劳动要素变化下生产部门均衡产出的变化情况, 即单位要素变化条件下对产出的完全影响。经过简单的数学变化, 容易得到如下式 (7) 的结论。

由式 (7) 容易得知, ΔXA= (ΔXA) s+ (ΔXA) l;ΔYA= (ΔYA) s+ (ΔYA) l, 即要素变化对产出变化的完全影响将是要素变化对产出影响的短期效应和长期效应的加总。由前文的结论可知, 短期内, 资本 (或劳动) 要素的增加, 将导致资本密集型 (或劳动密集型) 部门生产增加, 而其他部门的生产则降低;而从长期来看, 资本 (或劳动) 要素的增加也会导致劳动密集型行业 (或资本密集型行业) 产出增加。也即是说, 资本 (或劳动) 要素的增加将使该国资本密集型和劳动密集型行业产出均增加。

综上所述, 可以得到如下结论:

结论1:长期内, 劳动和资本要素的相对价格变化将引起劳动密集型生产部门产出同方向变化, 而资本密集型生产部门产出则反方向变化;

结论2:在生产函数为柯布—道格拉斯生产函数形式、要素同质且充分使用、不存在规模经济的条件下, 资本 (或劳动) 要素的增加将在短期内引起资本密集型行业 (或劳动密集型行业) 产出增加, 而在长期内也会引起劳动密集型行业 (或资本密集型行业) 的产出增加。由此, 资本或劳动要素的增加将引起全社会资本密集型行业和劳动密集型行业产出均增加。

3 经验验证

为了验证上述理论分析结论的现实适用性, 本文拟结合1990～2010年中国工业部门36个子行业的历史数据和面板数据计量经济学模型, 验证要素的相对价格变化以及要素禀赋的变化与工业各产业总产出变化之间的内在关系。需要指出的是, 之所以选择工业经济发展现实作为分析的工具, 主要考虑了工业部门的行业分类较为详细、工业部门各子行业可能涵盖资本密集型和劳动密集型等类型以及数据的可得性等;而之所以选择1990～2010年的历史数据作为分析的基础数据, 主要原因在于后文对中国资本存量核算准确性的需要;而选择工业部门的36个子行业的原因则在于行业数据的可得性以及连续性等。

3.1 方法及数据来源

对上述结论的验证将可以从3个层次展开: (1) 界定工业部门各子行业的要素密集性质; (2) 验证资本和劳动要素的相对价格变化与工业部门各子行业总产出之间的关系; (3) 验证资本和劳动要素禀赋的变化与工业部门各子行业总产出变化之间的内在关系。当然, 这些分析必须契合对工业部门各子行业的界定以及对工业部门各子行业总产出数据、资本的价格、劳动力的价格、劳动力要素禀赋和资本要素禀赋等数据的收集和处理才能完成。事实上, 这些数据可以从相应的统计资料中获取。

3.1.1 工业部门子行业选择

按照《中国统计年鉴2011》的统计口径, 中国工业部门主要包括采矿业、制造业以及电力燃气及水的生产和供应业等3个大类和煤炭开采及洗选业等39个子行业, 其中采矿业又包含煤炭开采及洗选业, 以及石油和天然气开采业等6个子行业;制造业包括农副食品加工业、食品制造业等30个子行业;而电力、燃气及水的生产和供应业则主要包括电力、热力的生产和供应业, 燃气生产和供应业, 以及水的生产和供应业等3个子行业。考虑到数据的可得性和连续性等问题, 本文在分析中舍弃了其他采矿业、工艺品及其他制造业以及废弃资源和废旧材料回收加工业等3个子行业, 而保留了余下的36个行业。

3.1.2 行业总产出数据

从1990～2011年的《中国统计年鉴》中可以搜集到上述36个子行业的工业总产值数据, 并以此作为行业总产出的替代指标。当然, 1990～1993年的相应子行业数据来源于各自年份《中国统计年鉴》的“按各种分组的独立核算工业企业主要指标”;1994～1997年的相应子行业工业总产值数据来源于对应年份《中国统计年鉴》的“独立核算工业企业主要指标”;1998～2003年的相应数据来源于对应年份《中国统计年鉴》“全部国有及规模以上非国有工业企业主要指标”;2005～2006年的相应数据来源于相应年份统计年鉴的“按行业分全部国有及规模以上非国有工业企业主要指标”;而2007～2010年工业各子行业总产值数据来源于对应年份统计年鉴的“按行业分规模以上工业企业主要指标”。需要指出的是, 2004年的相应数据需要从《中国统计年鉴2006》“全部工业企业主要经济指标”中获取。

3.1.3 资本禀赋的价格数据

对资本价格的数据处理主要是依据中国人民银行颁布施行的中长期贷款利率加权处理得知。从《中国金融年鉴1991年》、《新中国六十年统计资料汇编》以及中国建设银行网站中可以分别获取1989年、1990～2008年以及2008年以后中国人民银行颁行的贷款利率 (包括1年以内、1～3年期、3～5年期、5年以上等4类利率) 。对贷款利率的处理主要采取加权平均方法, 其具体做法是:若当年未颁布新的利率水平, 则以上年最后一次颁布执行的贷款利率作为本年的资本价格;若当年颁布了新的利率水平, 则以当年1月1日为基础, 计算利率存续月份 (四舍五入) , 并除以12个月作为加权权重进行加权平均, 得到当年的资本价格。值得注意的是, 加权平均过程必须注意利率当年的新利率颁布是否在当年的1月1日, 如果不是, 则在计算当年资本价格时需要包含上一年度的最后颁布的利率及其存续月份加权。

3.1.4 劳动禀赋工资数据

对劳动力工资的数据处理, 主要来源于《中国统计年鉴》。不过, 遗憾的是, 从相应的统计资料中仅能获取采矿业、制造业以及电力燃气及水的生产和供应业等3个大类的在岗职工平均工资。其中, 1990～2000年的数据来源于《中国统计年鉴2001》;2001～2002年的数据来源于《中国统计年鉴2003》;其余数据均来自《中国统计年鉴2011》, 其原因在于2005年以后的相应数据经过第二次经济普查修订。

3.1.5 劳动和资本要素禀赋数据

劳动要素禀赋的资料直接以“年末总人口数”指标替代, 这一指标在1990～2010年的序列值可以直接从《中国统计年鉴2011》年中获得。资本要素禀赋的资料主要以“中国资本存量”序列替代。当然, 对中国资本存量序列的估算, 限于篇幅, 作者将另文分析。其核心思想是结合永续盘存法公式“当期实际总资本存量=上期实际资本存量× (1-资产折旧率) +本期新增实际资本存量”[11], 通过详细考察基年资本存量设定、新增资本存量序列、投资品价格指数选择、资本品折旧率选择等估算中国资本存量。当然, 基于消除基年资本存量设定对资本存量序列估算结果影响的需要, 作者仅考虑使用1990～2010年的资本存量序列估算值。

在完成对数据的相关处理过程后, 接下来, 本文将基于中国工业部门36子行业的历史数据验证本文的结论。

3.2 对中国部门36个子行业要素密集性质的判断

按照前文的分析逻辑, 对中国工业部门36个子行业的要素密集性质界定是最根本的。要素密集度根源于对商品的分析, 一般而言, 若某商品生产所使用的资本和劳动要素比例大于另外一种商品, 则该商品为资本密集型, 而另一种商品为劳动密集型。将对商品生产的要素密集性质延伸至行业的分析, 则产生了行业的要素密集性质。对行业的要素密集性质的分析, 一般在设定所有行业所吸纳的平均资本劳动比作为标准值的基础上, 通过分析某行业的资本劳动比大于 (或小于) 来判断的行业的资本 (或劳动) 密集性质。然而, 对各个行业所吸纳的资本和劳动要素的资料获得将十分困难, 而设定平均值作为判断标准的做法也值得商榷。由此, 对行业的要素密集性质的判定不得不另辟蹊径。结合已经搜集的相关数据, 本文认为雷布钦斯基定理为分析行业的要素密集性质提供了一个可以操作的具体路径。

雷布钦斯基定理指出, 在商品生产的要素替代率尚未发生改变的前提下, 某一要素禀赋的增加会导致密集使用该要素的部门生产增加, 而其他部门的生产则下降[12]。从这一定理出发, 可以得到如下结论:短期内, 资本 (或劳动) 要素禀赋的增加引起总产出增加的行业即为资本 (或劳动密集型) 行业。当然, 这里的短期是指行业生产中资本劳动比例未发生变化的时期。

基于这一结论和相应的数据, 设定1年为短期, 构建计量经济学模型如下:

ΔQit=α0i+α1iΔKt+α2iΔLt+μ1t

其中, i=1, 2, L, 36, 分别代表工业部门的36个子行业;Q为工业总产值;K、L分别为中国的资本存量和年末总人口数序列;t=1990, 1991, L, 2010, 分别为样本时间;α0、α1、α2分别为待估计参数。

依据上述公式和相关结论, 可知:对于某一行业, 如果资本要素禀赋和劳动要素禀赋的系数α1、α2中仅有一个为正值, 而另一个为负值, 则该行业为该要素密集型行业;若两个系数均为正, 则该行业为两种要素密集型行业, 且偏向于系数较大的那种要素密集型行业;如果两个系数均为负, 则该行业要素密集性质无法判断。结合1990～2010年中国工业部门的相应数据, 利用变系数面板数据计量经济学模型方法, 分别得到相关待估参数的估计值及其统计性质如下表1所示。

注:*表示通过显著性水平为5%的假设检验, #表示通过显著性水平为10%的假设检验。

从表1可以看出, 如果不考虑系数的统计显著性质, 则工业部门的所有行业均呈现出资本密集型性质和特征。而考虑到系数的统计显著性质 (显著性水平给定为95%) , 则工业部门中有14个行业呈现出资本密集型特征, 这些行业分别是:煤炭开采和洗选业, 农副食品加工业, 纺织业, 石油加工, 炼焦及核燃料加工业, 化学原料及化学制品制造业, 非金属矿物制品业, 黑色金属冶炼及压延加工业, 有色金属冶炼及压延加工业, 金属制品业, 通用设备制造业, 专用设备制造业, 交通运输设备制造业, 电气机械及器材制造业。其他行业的要素密集性质则无法判断。而将显著性水平降低到90%, 也仅有14个行业呈现出资本密集型特征。对于出现这种情况的原因, 本文认为, 决定产出的要素有很多, 如果加入其他要素禀赋, 则这些行业的要素密集性质可能会得到较好的判断。事实上, 依据近期相关学者 (范巧, 2012) 的研究, 如果加入技术、知识、资源等要素禀赋, 工业部门各行业的性质将可以得到更好的判断, 但各行业总体上呈现出资本密集型的性质并未发生改变[13]。

3.3 对理论分析结论的经验论证

在对工业部门36个子行业的要素密集性质做出判断之后, 接下来, 本文将围绕结论1和结论2在中国工业部门发展实践中的适用性做出经验分析。

3.3.1 结论1在工业部门的适用性验证

为了验证结论1在中国工业部门的适用性, 本文建立了如下模型:

$\text{Δ}\text{Q}{}_{\text{j}\text{t}}(\text{n})=\text{β}{}_0+\text{β}{}_1\text{Δ}\left(\frac{\text{w}{}_{\text{j}}}{\text{r}}\right){}_{\text{t}}+\text{μ}{}_{2\text{t}}$

其中, j为上文已判定为资本密集型的14个行业, ΔQj指14个行业的工业总产值增量, t=1990, 1991, L, 2010为样本年份, n=1, 2, L指滞后的期数, wj为14个行业的劳动力工资, r为资本的价格, β0和β1为待估计参数。结合前文劳动力工资、工业总产值、利率等数据以及固定效应面板数据计量经济学模型, 估计资本和劳动要素的相对价格变化与产业产出变化的长期关系, 结果如下表2所示。

注:*表示通过显著性水平为5%的假设检验, #表示通过显著性水平为15%的假设检验。

如上表2, 本文分别用1年以内、1～3年、3～5年和5年以上的贷款利率作为资本的租金计算出了相应的工资利率比, 以此作为对应的劳动力和资本要素相对价格的替代值。从表2的结论来看, 在选择1年以内、1～3年、3～5年的贷款利率作为资本价格时, 从第14期开始 (除第18期外) , 劳动——资本要素的相对价格比将与资本密集型行业的产出成反比关系。与此同时, 在选择5年以上的贷款利率作为资本价格时, 从第14期开始, 劳动——资本要素的相对价格比也与资本密集型行业的产出成反比关系。由此, 我们基本可以得出如下经验分析结论, 即长期内劳动和资本要素的相对价格变化将会引起资本密集型部门产出的反方向变化。

3.3.2 结论2在工业部门的适用性论证

为了验证结论2的适用性, 本文构建了如下模型:

ΔQjt (n) =γ0+γ1ΔKt+γ2ΔLt+μ3t

其中, j仍为14个资本密集型行业, ΔQj指14个资本密集型产业的工业总产值增量, t=1990, 1991, L, 2010为样本年份, n=1, 2, L指滞后的期数, ΔKt和ΔLt分别指资本要素和劳动要素禀赋的增加, γ0、γ1和γ2为待估计参数。结合资本存量、年末总人口数以及14个资本密集型行业的总产出情况等数据, 并采用固定效应面板数据计量经济学模型, 得到如下表3的结果。

注:*表示通过显著性水平为5%的假设检验, #表示通过显著性水平为15%的假设检验。

从上表3的分析结果可以看出:如果不考虑参数估计的统计性质, 对于资本密集型行业而言, 在资本禀赋变化的作用期间内, 资本禀赋变化引起产出增加的期数大致有14期, 占到了总期数的82.35%, 且均集中在前12期内;同时, 劳动禀赋变化则从第16期开始引起行业总产出的增加。由此, 结论2的部分结论将可以在中国工业部门得到验证, 主要包括短期内资本增加将引起资本密集型行业的产出增加, 长期内劳动增加也将引起资本密集型行业的产出增加。当然, 如果考虑到参数估计的统计有效性, 这两个结论也将可以得到验证。毕竟资本禀赋变化显著性地引起行业产出增加的期数包括第1～4期、第6期、第7期、第10期以及16～17期, 而劳动禀赋变化显著地引起资本密集型行业产出增加的期数则包括17期。

4 结论及讨论

本文结合柯布—道格拉斯生产函数及相关设定, 考察了一国要素禀赋变化对资本密集型部门和劳动密集型部门总产出变化的可能影响, 得到了如下结论:

(1) 长期内, 某种要素的增加将引起该要素价格的下降, 则所有生产部门都将更多地使用该要素。

(2) 从短期来看, 某一要素的增加会导致密集使用该要素部门的生产增加, 而其它部门的生产则降低。

(3) 从长期来看, 某一要素的增加会导致密集使用其他要素部门的产出增加。

(4) 从长期来看, 要素增加将使该国所有生产部门产出增加。

(5) 长期内, 劳动和资本要素的相对价格变化将引起劳动密集型生产部门产出同方向变化, 而资本密集型生产部门产出则反方向变化。

与此同时, 本文还结合1990～2010年中国工业部门36个子行业的历史发展现实, 对相关结论进行验证, 结论证明, 上述部分结论可以从中国工业部门发展实践中得以验证。当然, 作者基于雷布钦斯基定理所设计的判断行业要素密集性质的方法, 对后续的相关研究也具有一定的借鉴意义。

当然, 本文在分析过程中仍然存在着一些缺憾, 主要体现在:在理论分析过程中尚未对摒弃生产函数形式、2部门 (资本密集型部门和劳动密集型部门) 、2要素 (资本和劳动) 、不存在规模经济以及要素的同质等基本假设后的结果做出分析。而在经验分析过程中对数据的搜集和处理不够精细, 比如在对工业部门36个子行业的工业总产值数据的处理时, 仅包含了国有及规模以上的非国有工业企业总产值状况, 尚未涵盖规模以下的非国有工业企业工业总产值;在以雷布钦斯基定理为基础分析行业的要素密集性质过程中, 将短期直接设定为1年, 这可能与雷布钦斯基定理的“商品价格以及商品生产的资本劳动比不变”假设冲突。同时, 限于篇幅, 未将劳动密集型行业相关部门纳入分析, 这使得本文的结论仅能得到部分验证。对这些问题的探讨和处理, 将在本人的后续研究中加以完成。

产出效应 篇7

关键词：影响力系数,感应度系数,产业关联效应,产业结构调整

0 引言

国民经济是一个复杂的整体,各个产业部门之间存在着既广泛又密切的技术经济联系,因而某一个产业部门在生产过程中的任何变化,都将通过产业关联关系对其他产业部门产生一定的波及作用。利用投入产出的分析方法,可以定量地分析一定时期内国民经济各产业部门在社会再生产过程中所形成的直接和间接的相互依存、相互制约的技术经济联系。在投入产出分析方法中,用影响力系数来反映一个产业影响其他产业的波及程度;用感应度系数来反映一个产业受其他产业的波及程度。一般来说,影响力系数较大的产业部门对社会生产具有较大的辐射能力,而感应度系数较大的产业部门对经济发展起着较大的制约作用,尤其是经济增长过快时,这些产业部门将先受到社会需求的巨大压力,造成共供不应求的局面。当一个产业部门的影响力系数和感应度系数都较大时,则该产业部门在经济发展中具有举足轻重的地位。

1 直接消耗系数矩阵的计算

直接消耗系数,又称投入系数,是指在生产经营过程中,单位总产出所直接消耗的各种中间投入的产量。

在价值型投入产出表中,第Ⅰ象限纵列各元素xij表示第j产品部门在生产过程中消耗的第i产品部门的产品数量。因此根据直接消耗系数的定义,知直接消耗系数实际上就是一些结构的相对数,其计算公式为。

根据附录一,可计算得出a11=0.140657,a81=0.000414,其经济含义是农业部门每生产单位总产出1万元,要直接消耗本部门产品0.140657万元,直接消耗纺织、服装以及皮革产品制造业0.000414万元。

2 完全消耗系数矩阵的计算

写成矩阵形式,就有AX+Y=X,其中

移项整理得Y=X-AX=(I-A)X,其中I为单位阵,上端两式同时左乘(I-A)的逆矩阵(I-A)-1,可得X=(I-A)-1Y

该矩阵中的元素反映了投入与产出的关系,主对角线上的元素是各个部门扣除自身消耗后的净产出率,其他元素表示冠以符号表示投入;矩阵(I-A)是投入产出模型的核心与基础,为纪念其创始者,将它命名为“Leontief矩阵”,将它的逆矩阵(I-A)-1成为“Leontief逆矩阵”。

国民经济各部门除了直接消耗与被消耗的联系以外,还存在着相当复杂以及层次繁多的间接消耗和被消耗的联系;增加一个部门的消耗,可能带来国民经济所有部门的生产投入和消耗发生一定的变化。所以,我们用完全消耗系数来衡量这种完全消耗量,一般用B=(bij)n×n表示完全消系数矩阵,其中Bij的含义是生产单位j最终产品所要直接消耗的i产品数量和间接消耗的i产品数量之和。可以通过一系列直接消耗系数求得完全消耗系数,得到:

相对直接消耗系数来说,完全消耗系数全面揭示了国民经济各部门之间技术经济的全部联系和互相依赖关系。一个部门为了得到单位最终产品,不仅这个部门的总产出要增加,而且由于各个部门之间的经济技术联系,使得其他部门的总产出也要增加。换言之,任何一个部门为了得到一个单位最终产出,由于直接消耗和间接消耗的关系,对国民经济各个部门的产品都有一定的需求,完全需求系数就用于衡量这种数量关系,完全需求系数矩阵一般用B=(bij)n×n表示。事实上,完全需求系数矩阵就是Leontief逆矩阵,即有,B=(I-A)-1=B+I

虽然完全消耗系数矩阵和完全需求系数矩阵都是连接最终使用与总产出之间的桥梁,都反映了国民经济各个部门之间的完全消耗关系,但是两者之间还是有区别的:前者是站在生产角度的,而后者是站在最终需求角度的,所以两者相差了一个单位矩阵。

3 影响力系数的计算

每一个部门的最终需求增加,都会引起社会总生产规模的扩大,我们把j部门的最终需求增加一个单位时对国民经济各个部门的影响成为j部门的影响力,但是不同部门的影响力是不尽相同的,常常使用影响力系数来比较各个部门的影响力。

影响力系数是指国民经济某一个部门增加一个单位的最终产品时,对国民经济各部门所产生的生产需求波及程度。影响力系数就是测度后向关联度的指标,其计算公式为:,这里,根据影响力系数的定义,bij是第j部门对第i部门的完全消耗系数。当一个部门的影响力系数大于1时,表示该部门的生产对其他部门所产生的波及影响程度高于社会平均影响水平(即各部门所产生的波及影响的平均值),当一个部门的影响力系数小于1时,表示该部门的生产对其他部门所产生的波及影响程度低于社会平均影响水平。影响力系数越大,表示该部门对其他部门的拉动作用越大。表1为根据我国2007年42部门投入产出表计算得出的影响力系数表。

通过表1来看,我国2007年各产业部门的影响力系数具有以下特点:

(1)从影响力系数的大小来看,2007年我国影响力系数大于1的部门有21个部门,大多数集中在第二产业,并且以制造业居多。从影响力系数的排序来看,居于前列的各部门大多数集中在通信设备、计算机及其他电子设备制造业、电器机械及器材制造业、仪器仪表及文化办公用机械制造业、交通运输设备制造业等部门,这些部门的技术含量高并且附加值大,属于高技术产业;而金属制造业、化学工业、建筑业等部门均属于传统的重工业部门,为资本密集型产业,其产品要么为其他部门提供原材料、要么具有中间产品和投资品的性质。第三产业中的租赁和商务服务业以及卫生、社会保障和社会福利业的影响力水平也高于社会平均水平,是属于与生产活动直接相关的服务部门。

(2)影响力系数较小的部门的大多数集中在第三产业、农业部门以及第二产业中的少数部门。其中,影响力系数小于1的第二产业部门大多数是能源部门,属于较为传统的重工业部门,主要为其他产业部门提供原材料、属于整个产业链中的后向部门,因而对其他产业部门的影响辐射力较小。第三产业多属于与日常生活直接相关的服务部门,它们对其他部门的需求拉动作用还没有得到充分有效地发挥。农业部门的影响力系数小并不难理解,因为我国的农业生产方法多为传统方式,机械化程度不高,对其他部门的需求较小,加上农业部门的产品更多的是作为消费品直接进入最终产品市场,或者作为其他部门的原材料投入生产,其影响力系数低完全在情理之中。

4 感应度系数的计算

与影响力相类似,当国民经济各个部门都增加一个单位的最终使用时,i部门会相应增加总产出量,我们称这种反应为i部门的感应度。由于不同部门的感应度是不一致的,我们使用感应度系数来比较各个部门的感应度。

感应度系数又称推动力系数,指其他产业部门的生产发生变化时引起该产业的生产发生相应变化的程度。它是反映国民经济各部门每增加一个单位最终使用时,某一部门由此而受到的需求感应程度,也就是需要该部门为其他部门生产而提供的产出量。它是衡量某产业向前联系广度和深度的指标,也称之为前向关联系数。感应度系数大的部门对经济发展所起的制约作用也较大,尤其是在经济增长较快的时期,这些部门将首先受到社会需求的压力,进而制约社会经济的发展。其计算公式为:,其中,kij是第i部门对j部门的完全分配系数,即Leontief逆矩阵的各元素。当某一部门感应度系数大于1时,表示该部门的感应程度高于社会平均感应度水平(即各部门的感应度程度的平均值),当某一部门的感应度系数小于1时,表示该部门的感应程度低于社会平均水平。感应度系数越大,说明该部门对国民经济的推动作用越大。感应度系数越大的部门就越具有基础产业和瓶颈产业的属性。表2为根据我国2007年42部门投入产出表计算得出的各部门感应度系数。

通过分析表2,我国2007年各部门的感应度系数具有如下特点:

(1)从数值来看,我国2007年感应度系数大于1的部门有18个,大多数集中在原材料、能源以及机械设备、运输部门等基础产业和传统的加工制造业部门,其产品大多数具有中间产品的性质,尤其是金属冶炼及其压延加工业、电力、热力的生产和供应业以及石油和天然气开采业的影响力系数都在2.0以上,是社会平均值的2倍甚至更高。这说明这些部门对于对于国民经济的增长具有较大的推动作用,在经济快速增长时,这些部门受到社会需求的压力最大,往往会成为制约国民经济发展的“瓶颈”部门。近几年,的油价上涨,油荒、电荒等现象,都充分说明了能源的紧缺对国民经济的制约作用。通用、专用设备制造业、交通运输设备制造业、电器机械及器材制造业、通信设备、计算机及其他电子设备制造业等产业的影响力系数都远远高于社会平均水平,充分说明了高技术产业对我国国民经济的推动作用;另外第三产业的交通运输及仓储业、金融业以及批发和零售业的感应度系数也高于社会平均水平,这说明服务业对国民经济的推动作用一直在增强,同时也说明了这些产业部门也容易成为制约我国国民经济发展的“瓶颈”。

(2)感应度系数低于社会平均水平的产业大多数是第三产业以及部分劳动密集型产业部门。其中,第二产业的一些部门诸如金属矿采选业和非金属矿物制品业虽然感应度系数略低,但是在数值上已然很接近社会平均水平。

5 各部门关联交叉分析

根据影响力系数和感应度系数对各部门进行分类,以社会平均值1.0为界,可以将"影响力系数-感应度系数"分割为四个象限,根据计算得出的各部门影响力系数和感应度系数,其分布状况如下:

5.1处于第一象限的部门为影响力系数和感应度系数都大于1的部门,这些部门具有强辐射和强制约的双重性质;位于第一象限的部门有:纺织业,石油加工、炼焦及核燃料加工业,化学工业,金属制品业,通用、专用设备制造业,通信设备、计算机及其他电子设备制造业等共11个部门;处于这一象限的部门影响力系数和感应度系数都高于社会平均水平,这些部门是其他部门所消耗的中间产品的主要供应者,同时,在生产过程中又大量消耗其他部门的产品,具有较强的辐射作用,是拉动国民经发展的重要支柱产业。

5.2处于第二象限的部门为影响力系数大于1而感应度系数小于社会平均值的部门,属于辐射力较强而制约力较弱的部门。位于该象限的部门有:纺织服装鞋帽皮革羽绒及其制品业,木材加工及家具制造业,工艺品及其他制造业,以及卫生、社会保障和社会福利业等10个部门;这些部门多数属于发展较为成熟的轻工业部门。

5.3处于第三象限的部门为影响力系数与感应度系数均低于社会平均水平的部门,其辐射力和制约力都比较弱;处于这一象限的部门有:废品废料,水的生产和供应业,邮政业,住宿和餐饮业,房地产业,水利、环境和公共设施管理业,居民服务和其他服务业,教育,文化、体育和娱乐业,以及公共管理和社会组织等14个部门,这些部门绝大多数属于第三产业,其前向和后向关联程度都比较弱。

5.4处于第四象限的部门为影响力系数小于1而感应度系数高于社会平均水平的部门,属于弱辐射力但制约力却比较强的部门;这些部门有:农林牧渔业,煤炭开采和洗选业,石油和天然气开采业,,食品制造及烟草加工业,交通运输及仓储业,批发和零售业,以及金融业共7个部门,这些部门多为第二产业中的能源部门和原材料产业部门,对我国的经济发展有着较强的制约作用。

6 对我国产业结构调整的建议

结合以上对我国42部门的产业关联分析,对我国今后的产业结构调整有如下启示:

6.1 加强对能源、原材料等基础工业各部门以及部分传统产业部门的发展。

通过上述分析,可以看出这些部门具有产业关联度“双高”的特征,不仅对我国国民经济的发展有着积极拉动作用,而且由于供需矛盾的进一步加深,这些部门对我国经济发展的制约作用亦是越来越显著,尤其是在经济飞速上升时期,煤、电、油全面紧张,在今后相当长的一段时间内都不能放松警惕,要进一步加强对这些“瓶颈”部门的发展,尽快制定相应的政策,改进这些部门落后的设备设施情况,鼓励能源部门使用新技术,加强对能源产品的优化控制提高能源的利用效率,实现能源可持续发展战略,促进我国各经济部门的协调发展。

6.2 制造业依旧是我国国民经济的增长点,高新技术产业将成为我国国民经济发展的主导产业。

通过分析发现,我国制造业各部门的影响力系数和感应度系数大多都高于社会平均水平,并且其排序上呈现上升趋势,这说明制造业仍然是带动国民经济发展的主要力量所在;另外诸如通用、专用设备制造业,通信设备、计算机及其他电子设备制造业等高新技术产业属于知识密集型和技术密集型产业,它们的产业链长,器产品附加值高,对经济的带动作用大,应该作为重点产业进行扶持。要稳定化学工业市场;当前我国化学工业产品的消费仍然处于增长期,其市场潜力仍然巨大,要按照保增长、扩内需、调整结构的总体要求,稳定化学产品市场,保持产业平稳增长;要加大机械设备制造业的自主创新力度,要加快技术改造,促进技术进步,同时要加大研发力度,以缩小与国际先进水平的差异,提高新兴主导产业的国际竞争力。

6.3 加快推进第三产业的发展,尤其是金融业,交通运输及仓储业等新兴产业部门的发展。

第三产业基本上都处于第Ⅲ象限,大部分部门的影响力系数和感应度系数都低于社会平均水平,说明目前来说它们尚未得到充分发展,仍然滞后于其他产业,还没能起到应有的作用。第三产业的发展不仅会影响我国的产业结构升级、经济增长方式的转变进程,而且还有助于缓解我国严峻的就业压力,尤其是金融业和交通运输及仓储业等部门,它们对我国国民经济发展的制约作用已经相当显著,并将逐渐成为影响经济发展的主要部门,因此应该在体制上消除阻碍其发展的因素,利用国外先进的技术和发展理念,推动这些部门的发展,一次带动整个第三产业的发展,优化第三产业的内部结构。

参考文献

[1]宋淑平.西安市主导产业选择的研究———基于西安市2007年投入产出表[J].价值工程,2010,(28):107-108.

[2]中国投入产出学会课题组.中国目前产业关联度分析[J].统计研究,2006,(11):3-8.

[3]王静,高瑞峰.基于投入产出分析的河南省主导产业选择[J].沿海企业与科技,2010,(5):79-82.

[4]孔刘柳,谢乔昕.基于投入产出视角的浙江省产业结构分析[J].商业经济与管理,2000,(7):61-66.