基于空间动态面板数据的地方财政科技投入与经济增长的实证分析解读.docx
《基于空间动态面板数据的地方财政科技投入与经济增长的实证分析解读.docx》由会员分享，可在线阅读，更多相关《基于空间动态面板数据的地方财政科技投入与经济增长的实证分析解读.docx（14页珍藏版）》请在冰豆网上搜索。
基于空间动态面板数据的地方财政科技投入与经济增长的实证分析解读
●经济分析《财政研究》2010年第7期
财政科技投入虽然具有明显的地域特征,但是科技成果的转化往往超越了地理区域向邻近地区扩散,因此地方财政科技投入产出具有明显的空间溢出效应。
未纳入空间相关因素的经济模型通常是有偏的,采用空间经济计量模型融入了地方财政科技投入产出对其他地区经济增长影响,模型具有更强的解释力。
而由相同截面构成的面板数据结合了横截面和时间序列的优点,既考虑了个体差异和时间因素,又避免了解释变量的遗漏问题,因此,采用面板数据将更能准确反映财政科技投入对地区经济增长影响。
基于此,本文利用广东省
21个市2000~2007年的空间面板数据进行实证分析,应用空间动态面板数据模型来进行研究,分析财政科技投入对区域经济增长的影响以及地理溢出效应,为广东省制定财政科技政策提供理论依据和经验证据。
一、理论模型及变量说明
（一理论模型。
一个地区的生产函数关系可以用柯布—道格拉斯（Cobb-Douglas方程式表示:
Y=AKαLβ（1
上述C-D生产函数在解释生产过程中只考虑了两个生产要素,即资本和劳动力,随着科学技术的快速发展,科技投入（主要是R&D的投入对经济增长的作用越来越明显,在研究生产过程中忽略能源的影响将会产生很大的误差,所以有必要
对C-D生产函数加以改进。
罗默（1986认为,封闭经济包括三个部门:
最终产品部门、中间产品生产部门和研发（R&D部门。
经济中非熟练劳动力和人力资本总量是固定的,人力资本既可以投入到最终产品部门,也可以在研发部门从事基础研究和应用技术的开发,R&D活动是整个社会经济生产运行的引擎,可以用扩展的C-D生产函数来描述:
Y=AKαLβZγe（2
式中,Z为财政科技投入变量,且Z=（h,R&D,lnh*lnR&D与地区经济增长相关。
考虑数据的可比性和经济学意义,我们对所采用的变量都取对数形式,具体如下:
lny=β0+β1lnk+β2lnl+β3lnh+β4lnR&D+β5lnh*lnR&D+μ
（3
k为可比价固定资产投资总额,l代表从业人员数,h表示R&D人员,R&D表示地方财政科技投入,以人均国民收入y为被解释变量。
（二变量说明和数据来源。
为剔除物价水平变动的影响,yit通过
各市当年价格GDP和以上年为基数的
GDP指数,推算出不含价格影响的各市人均国内生产总值;由于各市固定资产投资价格指数数据无法获取,模型中用以上期为基数的CPI指数对固定资产投资总额kit作了剔除物价水平变动影响的处理;RDit也经过与kit相同的处理。
为消除变量之间的可能存在的异方差,将所有变量都进行对数化处理,分别用lnyit和lnkit等表示。
样本选择了广东省21个市为研究对
象,包括:
广州、深圳、珠海、汕头、佛山、韶关、河源、梅州、惠州、汕尾、东莞、中山、江门、阳江、湛江、茂名、肇庆、清远、潮州、揭阳和云浮。
样本区间为2000~2007年,所有数据均根据2001~2008年的《广东省统计年鉴》以及各市统计年鉴和统计数据整理得到。
二、面板数据模型检验
（一面板数据的单位根检验。
面板数据的单位根检验的方法主要有
Levin、Lin和CHU（2002提出的LLC检验方法。
Im、Pesearn、Shin（2003提出的IPS检验,Maddala和Wu（1999、Choi（2001提出的ADF和PP检验等。
为了克服一种检验方法所带来的偏差,同时考虑Eviews软件的可操作性,我们选择以上四种方法对各面板数据变量及其一阶差分变量进行单位根检验,以便我们进行对比和验证检验结果。
检验结果如表1所示。
上述所有变量的单位根检验中都带有截距项。
对于每个变量滞后长度的选择,采用了修正的AIC准则,自动选择最大的滞后长度。
从表1的结果可以看出,lnyit和
lnkit、lnlit、lnhit、lnhit*lnRDit在5%水平不平稳,经一阶差分后,各变量均在5%的水平上拒绝原假设,可以认为,lnyit和lnkit、lnlit、
lnhit、lnhit*lnRDit均为一阶差分平稳变量。
（二面板数据协整检验。
由表2的面板协整检验结果可知:
除了Panelυ之外的Pedroni协整检验的6个
*本文为广东省科技厅课题（项目编号为:
00442612200220013阶段性成果,本文在写作和研究期间得到了合肥工业大学王立平副教授的大力协助和支
持,在此表示感谢。
基于空间动态面板数据的地方财政科技
投入与经济增长的实证分析
———以广东省为例
卢金贵余可
检验值
P值Cross-sectionrandom271.9078
0.0000
表3F检验
PanelData的协整统计
检验统计量
P值面板υ-1.05690.2282面板rho4.02010.0001面板PP-4.50710.0000面板ADF-2.93310.0054群rho6.00040.0000群PP-11.70590.0000群ADF
-6.70420.0000
Kao协整检验t统计量
P值ADF-4.3632
0.0000
表2Pedroni协整检验结果
注:
小概率P值为对应单位根检验统计量的显著水平。
变量
检
验
方
法
检验统计量及对应的P值
LLCIPSADFPPlnYit
检验统计量
8.968310.05953.14790.2720P值
1.00001.00001.00001.0000ΔlnYit
检验统计量
-37.0553-6.866692.110251.1430P值
0.00000.00000.00000.1575lnkit
检验统计量
3.71606.396112.244037.3933P值
0.99991.00001.00000.6732Δlnkit
检验统计量
-10.9221-3.519281.957584.7993P值
0.00000.00020.00020.0001lnlit
检验统计量
1.5556
2.698630.673927.2828P值
0.94010.99650.90210.9616Δlnlit
检验统计量
-16.6965-4.602196.996179.7493P值
0.00000.00000.00000.0004lnhit
检验统计量
-4.70450.346248.314965.7811P值
0.00000.36460.23290.0110Δlnhit
检验统计量
-11.0042-3.276084.6101126.803P值
0.00000.00050.00010.0000lnh*lnRD
检验统计量
-1.93760.652633.920234.8717P值
0.02630.74300.80820.7742Δlnh*lnRD
检验统计量
-10.1468-2.987380.3059111.949P值
0.0000
0.0014
0.0003
0.0000
注:
P值为对应单位根检验统计量的显著水平。
表1
变量的面板单位根检验结果
统计量与Kao协整检验的ADF统计量均在5%显著性水平下拒绝原假设,表明lnyit
和lnkit、lnlit、lnhit、lnhit*lnRDit之间存在显著的协整关系。
（三Hausman检验。
1.Wald-F检验。
由表3可知,F检验的显著性检验结果表明小概率p值小于5%的显著性水平临界值,因此拒绝原假设,选取变截距模型。
2.Hausman检验。
由表4中Hausman检验结果可见,小概率p值小于5%的显著性水平临界值,因此拒绝随机效应模型的系数与固定效应模型的系数没有差别的原假设,应选择固定效应模型。
三、空间面板数据模型
（一模型设置。
结合前面面板数据的Wald-F检验和
Hausman检验,我们使用空间固定效应模型。
设sF为N×1维空间固定效应列向量,即sF=（α1,α2,…,αNT,则对应于每个观测值的空间和时间固定效应列向量可表示为:
η=iT○×sF,其中iT为元素全为1的T×1维
列向量。
依据本文所研究的理论基础,我们设置如下两个模型:
固定效应空间面板滞后模型（F-
SARPanel:
lnyit=ρ（IT○×WNlnyit+α+β1lnk+β2lnl+β3lnh+β4lnR&D+β5lnh*lnR&D+ε
（4
固定效应空间面板误差模型（F-SEM-
Panel:
lnyit=α+β1lnk+β2lnl+β3lnh+β4lnR&D+
β5lnh*lnR&D+μ
μ=λ（IT○
×WNμ+ε（5
其中,yit代表广东省各市人均国内生产总值RGDP。
控制变量向量（包括常数
项具体包括各市固定资产投资总额kit;各市从业人员人数lit,即劳动力投入（扣除了人力资本hit;财政科技投入变量包括人力资本hit,即R&D人员,我们用科学家与工
程师作为代理指标;各市财政科技研发经费投入RDit;指标lnhit*lnRDit代表科技人员与财政科技投入的交叉乘积项,表明科
P值Cross-sectionrandom
0.0000
Chi-Sq.Statistic
Chi-Sq.d.f.
48.8024
4
表4Hausman检验统计表
变量
空间面板滞后模型（F-SARPanel
空间面板误差模型（F-SEMPanel
参数
T检验值参数
T检验值lnkit0.5692***15.360.5906***16.753lnlit-0.4799***-8.3715-0.5239***-8.7994lnhit0.01710.40840.02411.2167lnRDit0.1102***3.68250.0849***4.2574lnh*lnRD0.0134***3.37500.0135***
3.0139
（IT○×WNlnyit
0.1399***
3.1774
（IT○×WNμ
0.5040**
2.5861
AdjR2
0.87110.8865Log-likelihood
6.3448
8.6627
表7
二分权重下空间面板数据估计结果
注:
“***”、“**”和“*”分别表示显著性水平1%、5%和10%下显著。
技人员利用财政科技投入所产生的经济效益。
β为变量系数矩阵,ρ和λ分别为空间自回归系数和空间自相关系数,ε为误差成分。
在一维误差分解模型中ε=ηi+νit,或
ε=δt+νit;在二维误差分解模型中,ε=ηi+δt+νit,ηi~IID（0,wi2、δt~IID（0,ξi2以及νit~IID（0,σit2。
t和i分别表示时间维度与截面维度,IT为T维单位时间矩阵,WN为N×N的空间权重矩阵（N为地区数,本文分别采用二分权重矩阵和经济权重矩阵来描述。
（二空间权重设计。
模型空间权重WN的设定是空间计量模型的关键,也是地区间空间影响方式的体现。
本文采用二分权重矩阵和经济权重矩阵来分别对模型进行描述。
1.二分权重矩阵。
二分权重矩阵遵循的是Rook相邻判定规则,即两个地区拥有共同边界则视为相邻。
矩阵W的设定方式如下:
主对角线上的元素为0,如果i地区与j地区相邻,则Wij为1,否则为0。
W经过行标准化处理,用每个元素同时除以所在行元素之和,使得每行元素之和为1。
2.经济权重矩阵。
但是,相邻地区间的经济联系并非完全相同,因此,林光平（2005在二元权重矩阵的基础上设置了经济权重矩阵,其形式为:
W*=W*E。
事实上,相对于经济落后地区而言,落后地区对发达地区的影响力度较小,而发达地区能够对周围落后地区产生更大的辐射力和吸引力,即有更强烈的空间影响力,因此,本文将重新设置经济空间权重矩阵,以便更好地模拟地区间现实存在的经济关联性。
文章通过计算考察期间各地区实际GDP占所有地区实际GDP之和比重的均值来衡量地区经济水平的高低,并假设经济实力强的地区对周围地区产生的空间影响力就大,反之就弱（陈晓玲和李国平,2006。
经济空间权重矩阵（W是地理空间权重w与各地区GDP所占比重均值为对角元的对角矩阵的乘积,具体形式为:
W=w*diagy軃1y軃,y軃2y軃,…,y
軃ny軃
軃
軃
（6
其中
y軃i=
1t1-t0+1
t1
t=t0
Σyit
y軃=1N（t1-t0+1t1t=t0
ΣN
i=1
Σyit。
（三空间自相关检验与模型选择。
1.地理相邻权重矩阵下的模型检验。
检验结果见表5。
2.经济权重矩阵下的模型估计。
检验结果见表6。
从表5和表6中的P值可见,两种权重条件下,空间相关性Moran’sI、LMerr、
LMsar、Lratios、Walds等空间相关性检验的小概率P值都小于5%的临界值,表明模型的空间相关性非常显著,说明如果选择普通面板数据模型的设置是有偏的,应该选择空间面板数据模型,其中经济权重的空间计量模型更显著一些。
依据Anselin
和Rey（1991利用蒙特卡罗实验方法证明结果,如果LMsar（或LMerr比LMerr（或
LMsar统计量更显著,那么恰当的模型是空间滞后模型（或空间误差模型。
结果表明,Lmsar和Lmerr统计量都通过1%的显著性检验,但是从数值上比较无论在地理权重还是经济权重下Lmerr检验更显著一些,因此选择空间滞后模型都更为可靠。
四、模型估计结果与分析
（一二分权重矩阵的模型估计。
模型（4与模型（5估计结果如表7所示。
面板数据模型中加入空间相关性之
检验方法
检验值
临界值
P值walds27.72896.63500.0000MoranI4.35431.96000.0455lmsar28.55606.63500.0000lmerror18.289517.61100.0000lratio
19.8269
6.6350
0.0000
表5
二分权重空间相关性检验检验方法
检验值
临界值
P值walds6.70556.63500.0096MoranI7.17211.96000.0005LMsar13.49566.63500.0000LMerr12.810017.61100.0000lratio
9.5485
6.6350
0.0020
表6
经济权重空间相关性检验
变量
空间面板滞后模型（F-SARPanel
空间面板误差模型（F-SEMPanel
参数
T检验值参数
T检验值lnkit0.5751***15.4580.5910***16.058lnlit-0.4816***-8.2127-0.5338***-9.4349lnhit0.00510.120650.0390-0.9339lnRDit0.1216***3.99810.1294***4.3554lnh*lnRD0.0155***3.9000.0191***
4.9491
（IT○×WNTlnyit0.0270***
3.2111
（IT○×WNTμ
0.0830***
5.2205
AdjR2
0.86410.8718Log-likelihood
2.0958
3.2066
注:
“***”、“**”和“*”分别表示显著性水平1%、5%和10%下显著。
表9经济权重下空间计量模型估计结果
地区
地区
地区
广州7.5208梅州8.6663湛江8.8403深圳8.7114惠州6.9786茂名8.6241珠海8.6356汕尾8.4216肇庆8.4317汕头8.9961东莞7.4012清远7.7165佛山7.5322中山7.1295潮州8.8679韶关8.0356江门7.2314揭阳8.6616河源
8.5289
阳江
8.4634
云浮
8.0731
表10
经济权重下空间面板滞后模型的各地区固定效应系数
地区
地区
地区
广州7.9200梅州7.7600湛江7.6810深圳8.9117惠州7.6935茂名7.6947珠海7.9377汕尾7.6434肇庆7.7807汕头7.8955东莞7.6883清远7.7637佛山7.8195中山7.7082潮州7.8954韶关7.7758江门7.6029揭阳7.8257河源
7.7977
阳江
7.6649
云浮
7.9189
表8
二分权重下空间面板滞后模型的各地区固定效应系数
后,地区间的差异仍然存在,这体现在不同的个体固定效应值αi上。
针对表7中空间面板滞后模型,表8给出了各市个体固定效应值。
从空间面板滞后模型（F-SARPanel和空间面板误差模型（F-SEMPanel二分权重下的回归结果看,模型整体的拟合优度较高,调整R2分别达到0.8711和0.8865,这表明空间面板数据模型的设置优于一般面板数据模型。
空间面板滞后模型（F-
SARPanel回归结果显示周边邻近区域对于本区域经济增长产生了积极正面的影响,如果相邻地区经济“平均”增长1%将拉动本地区0.1399%的经济增长,且高度显著,说明来自邻近地区的经济增长确实对本地经济增长有重要的作用,预示与高经济增长的地区相邻的地区在经济增长中受益。
空间面板误差模型（F-SEMPanel的空间误差项（IT○×WNTμ回归结果也是显著的（5%的显著性水平。
表7还显示,各市财政科技研发经费投入对于区域经济增长作用显著,两个模型的弹性系数分别达到
0.1102和0.0849,说明地方财政科技投入每增加1%,对地方经济增长的拉动将达
到0.1%左右;空间面板滞后模型和空间面板误差模型二分权重下的其他回归结果基本上是一致的,以科学家和工程师为代表人力资本对广东省各地区经济增长贡献显著,并且人力资本与政府财政科技投入的交叉乘积项对经济增长的作用也显著,说明科技投入必须要和人才政策有机结合起来,才能够创造社会经济效益拉动区域经济增长;固定资产投资总额对于广东省区域经济增长的影响是正向的且非常显著,这表明广东省区域经济增长对于固定资产投资具有很大的依赖性,经济增长主要靠有形要素的投入,整个经济发展还处在初级阶段;各市从业人员对于广东省区域经济增长的影响是负向显著的,这个结果似乎很难解释,我们认为广东省各地区外来务工人员较多,工作岗位变动随机性大,给各地区的统计工作带来很多麻烦,因此造
成这样的矛盾结果。
从各个地市回归的固定值看,广州、深圳和珠海等经济发达地区的值较大,其他地区相对较小,但是总体差距不大。
（二经济权重矩阵下的模型估计。
模型（4与模型（5估计结果如表9所示。
同样,在加入空间相关性以后,针对表
9中空间面板滞后模型,表10给出了各市之间的差异情况。
从空间面板滞后模型（F-SARPanel和空间面板误差模型（F-SEMPanel经济权重下的回归结果看,模型整体的拟合优度较高,调整R2分别达到0.8641和0.8718,这表明空间面板数据模型的相邻二分权重
设置与经济权重的设置效果相当,但是都优于一般面板数据模型。
空间面板滞后模型（F-SARPanel回归结果显示周边邻近区域对于本区域经济增长产生了积极正面的影响,如果相邻地区经济“平均”增长
1%将拉动本地区0.027%的经济增长,且显著性水平达到1%,说明来自邻近地区的经济增长确实对本地经济增长有重要的作用,预示与高经济增长的地区相邻的地区在经济增长中受益,各地区受到经济扩散效应的影响大于经济收敛效应。
空间面
●经济分析《财政研究》2010年第7期板误差模型（F-SEMPanel的空间误差项（IT○×
WNTμ回归结果也是显著的（1%的显著性
水平。
表9显示,各市财政科技研发经费
投入对于区域经济增长作用显著,两个模
型的弹性系数分别达到0.1216和0.1294,
说明地方财政科技投入每增加1%,对地方
经济增长的拉动将达到0.1%左右,这一点
验证了相邻二分权重矩阵的回归结论;空
间面板滞后模型和空间面板误差模型经济
权重下的其他回归结果基本上是一致的,
以科学家和工程师为代表人力资本对广东
省各地区经济增长贡献显著,并且人力资本与政府财政科技投入的交叉乘积项对经济增长的作用也显著,说明科技投入必须要和人才政策有机结合起来,才能够创造社会经济效益拉动区域经济增长,这一点也与相邻二分权重模型的回归结果一致;固定资产投资总额对于广东省区域经济增长的影响是正向的且非常显著,这表明广东省区域经济增长对于固定资产投资具有很大的依赖性,经济增长主要靠有形要素的投入,整个经济发展还处在初级阶段,结论与相邻二分权重模型的回归结果也是一致的。
五、结论
本文依据内生经济增长理论,应用空间动态面板数据模型研究广东省财政科技投入对各区域经济增长的影响,得出的主要结论是广东省财政科技投入对经济增长的作用存在较为明显的空间相关性,一个地区的财政科技投入不仅直接显著地影响当地的经济增长,而且对邻近区域的经济增长也具有明显的溢出效应。
以科学家与工程师为代理变量的人力资本对区域经济增长作用显著,并且人力资本与财政科技投入的交叉乘积项对经济增长的作用也十分显著。
依据实证研究结论,政策含义是一方面要适度加大各地政府财政科技投入和引进科技人才,以此来拉动区域经济增长,另一方面要政府牵头,采取积极灵活的科研政策鼓励区域合作,搭建公共科研基础共享平台,促进区域间科技交流与合作。
作者单位:
中山大学岭南学院
广东商学院财税学院
（责任编辑刘静武
一、引言
目前国际上有两套方法标准用于核算
政府财政活动情况:
这就是国民经济核算
体系（SNA和政府财政统计体系（GFS。
SNA（1993由联合国、世界银行等五大国
际组织共同颁布,而GFS（2001由国际货
币基金组织颁布并实施。
国民经济核算体
系（SNA侧重反映整个社会经济运行状
况,是进行宏观经济分析的基础;政府财政
统计体系（GFS侧重反映政府财政管理活
动,是国民经济核算体系（SNA在核算政
府财政活动方面的拓展和细化。
两套核算
标准协调一致,共同为各个国家的经济分
析、宏观管理和科学决策服务。
相对于1986年国际货币基金组织颁
布的GFS（1986,GFS（2001有了长足的
发展,其在核算政府财政活动方面的方法
优势是明显的。
但是,我们依然遗憾地看
到,尽管我国国民经济核算制度与SNA
（1993接轨已有十多年之久,然而我国至
今依然没有真正建立并实施与SNA
（1993相配套的GFS方案。
例如,目前我
国采用的政府财政收支统计分类体系是于
2007年开始在全国范围内实施的,但这一
分类体系实质是我国政府财政统计与GFS
（1986相结合的产物,与GFS（2001的分
类标准依然存在很大的差异。
尽管国内一些学者和研究机构对GFS
进行了相关研究,如
升级会员 