从“投资拉动”到“创新驱动”:经济增长方式转变的内生动力和转型冲击
|
摘要
本文将新古典模型和内生增长模型归置于不同发展阶段,建立了从"投资拉动"到"创新驱动"的复合增长模型。在经济转型过程中,资本向新兴创新行业转移,产品创新也加深了市场垄断程度,由此带来了"转型冲击",而本文数值模拟的结果显示,转型后的经济增速会出现短期负面冲击,在长期则显示持续的反弹。本文采用国际投入产出数据发现,我国目前投资拉动的现象比较明显,经济整体上还未进入创新驱动阶段;基于动态面板模型和面板向量自回归模型发现,创新引致了我国产出增长率的短期下滑,但长期则有利于持续提升,从而验证了理论模型。
This paper constructs compound economic growth models driven by investment to innovation in different development stages placed with neoclassical and endogenous growth models. In the economic transition process, the capital shifts to emerging and innovative industries and the innovation of products intensifies the market monopoly, inducing a "transition shock". However, a numerical simulation shows that the post-transition economic growth will produce a short-term negative shock and a long-term sustaining rally. Using the data on China's sub-industry provided by WIOD, it is found that China's economy obviously driven by investment has not entered into the innovation-driven stage yet on a whole. Based on the dynamic panel data and panel vector auto-regression models, the results show that the innovation in China leads to a short-term decline in output growth rate, but it is positive to the escalation of long-term expansion, which corroborates these theoretical models.
This paper constructs compound economic growth models driven by investment to innovation in different development stages placed with neoclassical and endogenous growth models. In the economic transition process, the capital shifts to emerging and innovative industries and the innovation of products intensifies the market monopoly, inducing a "transition shock". However, a numerical simulation shows that the post-transition economic growth will produce a short-term negative shock and a long-term sustaining rally. Using the data on China's sub-industry provided by WIOD, it is found that China's economy obviously driven by investment has not entered into the innovation-driven stage yet on a whole. Based on the dynamic panel data and panel vector auto-regression models, the results show that the innovation in China leads to a short-term decline in output growth rate, but it is positive to the escalation of long-term expansion, which corroborates these theoretical models.
引文
[1]Jones C I. Time Series Test of Endogenous Growth Models[J]. Quarterly Journal of Economics, 1995, 110(2):495-525.
[2]Hulten C R. Growth Accounting When Technical Change is Embodied in Capital[J]. American Economic Review, 1992, 82(4):964-980.
[3]Greenwood J, Hercowitz Z, Krusell P. Long-Run Implications of Investment-Specific Technological Change[J]. American Economic Review, 1997, 87(3):342-362.
[4]沈小波, 林伯强. 中国工业部门投入体现的和非体现的技术进步[J]. 数量经济技术经济研究, 2017(5):72-87.
[5]Howitt P, Aghion P. Capital Accumulation and Innovation as Complementary Factors in Long-Run Growth[J]. Journal of Economic Growth, 1998, 3(2):111-130.
[6]Aghion P, Howitt P. The Economics of Growth [M]. Cambridge: MIT Press Books, 2009.
[7]Madsen J B, Ang J B, Banerjee R. Four Centuries of British Economic Growth: the Roles of Technology and Population[J]. Journal of Economic Growth, 2010, 15(4):263-290.
[8]Joonkyung H A, Howitt P. Accounting for Trends in Productivity and R&D: A Schumpeterian Critique of Semi-Endogenous Growth Theory[J]. Journal of Money Credit & Banking, 2007, 39(4):733-774.
[9]Kim, S. Income Distribution and Growth under Synthesis Model of Endogenous and Neoclassical Growth [J]. KIEP Working Paper No.2015-01, 2015.
[10]Brandt L, Biesebroeck J V, Zhang Y. Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing [J]. Journal of Development Economics, 2012, 97(2):339-351.
[11]李小平, 朱钟棣. 国际贸易、R&D溢出和生产率增长[J]. 经济研究, 2006(2):31-43.
[12]唐未兵, 傅元海, 王展祥. 技术创新、技术引进与经济增长方式转变[J]. 经济研究, 2014(7):31-43.
[13]Song Z, Storesletten K, Zilibotti F. Growing Like China[J]. American Economic Review, 2011, 101(1):196-233.
[14]潘安. 全球价值链视角下的中美贸易隐含碳研究[J]. 统计研究, 2018, 35(1):53-64.
[15]张杰, 刘元春, 郑文平. 为什么出口会抑制中国企业增加值率?——基于政府行为的考察[J]. 管理世界, 2013(6):12-27.
[16]夏明, 张红霞. 跨国生产、贸易增加值与增加值率的变化——基于投入产出框架对增加值率的理论解析[J]. 管理世界, 2015(2):32-44.
[17]Arellano M, Bond S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations[J]. Review of Economic Studies, 1991, 58(2):277-297.
[18]Levin A, Lin C F, Chu C S J. Unit Root Tests in Panel Data: Asymptotic and Finite-sample Properties[J]. Journal of Econometrics, 2002, 108(1):1-24.
[19]Holtz-Eakin D, Newey W, Rosen H S. Estimating Vector Autoregressions with Panel Data[J]. Econometrica, 1988, 56(6):1371-1395.
[20]Love I, Zicchino L. Financial Development and Dynamic Investment Behavior: Evidence from Panel VAR[J]. Quarterly Review of Economics & Finance, 2007, 46(2):190-210.
① 若采用生产法则为:VAt=Yt-∫■Mt(i)di,而采用支出法则为当期总消费与总储蓄之和。易于证明收入法、生产法和支出法所得结果相等。
② 中间品市场的垄断利润提高是增加值率上升的原因。本模型中全要素生产率的增长主要来自于中间品市场技术进步,但加入其他增长来源并不影响结论。后文在数值模拟过程中,加入了有效劳动的增长,结论不受影响。
③ 数值模拟程序用Matlab编写,可向作者索取。数值模拟是为了更直观地观察转型过程,而非对现实情况的模拟。
① 资本补偿指的是当年行业为资本付出的成本总额,由于WIOD缺乏投资额数据,本文中将资本补偿作为资本的代理变量。和理论模型相对应,该变量应当是“利息率与资本存量的乘积”,代表资本获得的收益。在理论上该变量的变化趋势与资本的趋势相同。
② 其中A(1)为令A(L)中L=1的结果,为常数,■,更详细的方法介绍参见Jones(1995)[1]。
③ 理论模型预测资本投资所受影响大于总产出所受影响,但实证结果不支持这一结论,资本补偿所受影响更小。与资本补偿代理资本变量有关。
(1)模型也允许各行业的创新成本提高,从而创新投入收益率下降,并再次低于资本利息率,经济出现由创新驱动转向投资拉动的反向变化。
(2)假设对于所有时间t和中间品市场i,创新成功所需投入δt(i)>0。
(3)因为创新投入收益率高于利息率,所以需要为投资者设定投资上限,否则募集资金将超过所需投入。这类似于现实中的众筹项目。居民之间允许借贷,但易于证明,无摩擦的借贷不影响结果。
(4)如果Vt(i)是连续的,那么Vt(i)=0的行业可视为边际创新行业。
(5)当然,t2>t1。创新驱动定义的要求并不严格,它允许在创新驱动的时间段内存在投资拉动的时段。一个要求更加严格的定义是:在[t1,t2]的时间段内,对于所有时段[t,t′]?[t1,t2],st′>st。然而,此定义是不完备的,会出现很多既不是创新驱动也不是投资拉动的情形,从而为现实问题的实证分析造成困难。
(6)模型中,经济的增长完全来自于中间品部门。为表明其他来源的经济增长动力不影响模型主要结论,数值模拟加入了劳动力增长率,结果依然存在明显冲击效果。事实上,只要中间品部门存在模型描述的技术进步,就不影响模型结论。
(7)这一数值的设置有约束,如果设置的过大,经济将不能转型。
(8)事实上,产出增长率受到创新冲击影响并不只有“V型”一种可能,如果创新成本由于某些原因上升,会导致行业“创新份额”下降,经济增长率会在受到正向的冲击后,出现长期的下降趋势,这种趋势可称作“L型”。
(9)其中2个行业因缺乏数据而被删除,故本文共计33个行业。截至目前,由于WIOD数据库仅包含至2011年的最新数据,因此本文研究到2011年。
(10)在理论模型中,增加值率为实际值,即(实际总产出-实际中间品投入)/实际总产出,但由于中间品价格指数存在缺失,本文在实际操作中使用了名义增加值率,即(名义总产出-名义中间品投入)/名义总产出。本文对包含完全信息的样本进行了比对,发现名义增加值率和实际增加值率差异很小,并利用实际增加值率对上述样本进行了下文中的回归分析,发现回归结果差异不大,更不影响主要结论。
(11)假设Vj不随时间变化是为了保证增加值率的差分代替不可观测的“创新份额”差分时,不存在内生性问题。实际数据可能无法满足这一假设,为了尽可能规避内生性问题,本文使用了面板向量自回归模型。为了保证增加值率的变化趋势确实和创新有关,下文利用经济增长的长期效应、创新投入与增加值率关系、垄断与增加值率关系三种方式进行了验证,发现结果稳健。
(12)尽管滞后一期的该变量对增加值增速和总产出增速影响为正,但加入增加值率后,正向影响消失。
(13)篇幅所限,具体分类方式可联系作者。
(14)0.344即常数值,0.504为常数值与服务业虚拟变量回归系数额之和(0.344+0.160)。这一方法类似于双重差分法,所以也存在标准误偏低的问题,故而采用了自体抽样1000次的稳健标准误。类似地,下文中服务业增加值率0.1%的计算方式为(0.006～0.005),以此类推。
(15)工农业的社会资本在增长。因此,根据定义2,“创新份额”下降且资本上升的工农业属于“投资拉动”。服务业部门增加值率上升在统计意义上不显著,工农业的下降显著。
(16)篇幅所限,本文没有报告其他分组方式的计量结果,原始数据可向作者索要。
(17)模型(7)中劳动力(lnl)和出口(lnexpo)的回归系数为负,与理论不符。原因在于二者控制了行业间不可观测变量,如果采用固定效应二者系数为正,这说明行业间不可观测变量存在影响。采用固定效应则失去了组间差异信息,从而失去了意义,所以采用了OLS回归。去掉劳动力和出口后对模型关键变量结果无实质性影响。
(18)考虑到创新导致的垄断利润将被记入GDP,增加值的波动将不如总产出明显(后文GMM稳健性检验中也证明了这一点),因而采用了总产出作为考察对象。本文利用增加值增长率进行了相同的工作,面板向量自回归结果略有差异但D.VAR(-1)前的系数依然显著为负。为避免价格因素干扰,此处为实际总产出增长率。
(19)helmert procedure保持了去除组间差异后的变量与滞后变量之间的正交性,因此采用滞后变量作为工具变量是合理的。
(20)限于篇幅,本文未给出回归结果,有兴趣的读者可向作者索取。
(21)格兰杰因果检验表明,增加值率波动是产出增长率和资本补偿增长率的格兰杰因,而资本补偿变化是增加值率变动的因。篇幅所限,格兰杰检验未在论文中呈现,检验结果可向作者索取。
(22)脉冲响应函数假设,当某变量发生冲击时,其他变量的冲击为0。然而,由于残差的方差协方差矩阵很难恰好正交,在实际操作中采用了Cholesky分解的方法(Love等,2007[20])。在本文中,这一分解方法暗含假设,对于总产出增长率、资本补偿增长率和增加值率差分三个变量,前者对后者会在当期和滞后期都产生冲击,而后者对前者只在滞后期产生冲击,即排在前列的变量更加“外生”。本文的排序基于如下考虑:首先,理论模型的基本结论是市场结构变化由资本积累造成,因此资本积累更加“外生”,而经济冲击应首先作用于产出而后作用于资本,故而排序如此。其次,将顺序改为资本补偿增长率、产出增长率和增加值率差分后,并不影响主要结论。限于篇幅,本文未给出脉冲响应图,有兴趣读者可向作者索取。
[2]Hulten C R. Growth Accounting When Technical Change is Embodied in Capital[J]. American Economic Review, 1992, 82(4):964-980.
[3]Greenwood J, Hercowitz Z, Krusell P. Long-Run Implications of Investment-Specific Technological Change[J]. American Economic Review, 1997, 87(3):342-362.
[4]沈小波, 林伯强. 中国工业部门投入体现的和非体现的技术进步[J]. 数量经济技术经济研究, 2017(5):72-87.
[5]Howitt P, Aghion P. Capital Accumulation and Innovation as Complementary Factors in Long-Run Growth[J]. Journal of Economic Growth, 1998, 3(2):111-130.
[6]Aghion P, Howitt P. The Economics of Growth [M]. Cambridge: MIT Press Books, 2009.
[7]Madsen J B, Ang J B, Banerjee R. Four Centuries of British Economic Growth: the Roles of Technology and Population[J]. Journal of Economic Growth, 2010, 15(4):263-290.
[8]Joonkyung H A, Howitt P. Accounting for Trends in Productivity and R&D: A Schumpeterian Critique of Semi-Endogenous Growth Theory[J]. Journal of Money Credit & Banking, 2007, 39(4):733-774.
[9]Kim, S. Income Distribution and Growth under Synthesis Model of Endogenous and Neoclassical Growth [J]. KIEP Working Paper No.2015-01, 2015.
[10]Brandt L, Biesebroeck J V, Zhang Y. Creative Accounting or Creative Destruction? Firm-level Productivity Growth in Chinese Manufacturing [J]. Journal of Development Economics, 2012, 97(2):339-351.
[11]李小平, 朱钟棣. 国际贸易、R&D溢出和生产率增长[J]. 经济研究, 2006(2):31-43.
[12]唐未兵, 傅元海, 王展祥. 技术创新、技术引进与经济增长方式转变[J]. 经济研究, 2014(7):31-43.
[13]Song Z, Storesletten K, Zilibotti F. Growing Like China[J]. American Economic Review, 2011, 101(1):196-233.
[14]潘安. 全球价值链视角下的中美贸易隐含碳研究[J]. 统计研究, 2018, 35(1):53-64.
[15]张杰, 刘元春, 郑文平. 为什么出口会抑制中国企业增加值率?——基于政府行为的考察[J]. 管理世界, 2013(6):12-27.
[16]夏明, 张红霞. 跨国生产、贸易增加值与增加值率的变化——基于投入产出框架对增加值率的理论解析[J]. 管理世界, 2015(2):32-44.
[17]Arellano M, Bond S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations[J]. Review of Economic Studies, 1991, 58(2):277-297.
[18]Levin A, Lin C F, Chu C S J. Unit Root Tests in Panel Data: Asymptotic and Finite-sample Properties[J]. Journal of Econometrics, 2002, 108(1):1-24.
[19]Holtz-Eakin D, Newey W, Rosen H S. Estimating Vector Autoregressions with Panel Data[J]. Econometrica, 1988, 56(6):1371-1395.
[20]Love I, Zicchino L. Financial Development and Dynamic Investment Behavior: Evidence from Panel VAR[J]. Quarterly Review of Economics & Finance, 2007, 46(2):190-210.
① 若采用生产法则为:VAt=Yt-∫■Mt(i)di,而采用支出法则为当期总消费与总储蓄之和。易于证明收入法、生产法和支出法所得结果相等。
② 中间品市场的垄断利润提高是增加值率上升的原因。本模型中全要素生产率的增长主要来自于中间品市场技术进步,但加入其他增长来源并不影响结论。后文在数值模拟过程中,加入了有效劳动的增长,结论不受影响。
③ 数值模拟程序用Matlab编写,可向作者索取。数值模拟是为了更直观地观察转型过程,而非对现实情况的模拟。
① 资本补偿指的是当年行业为资本付出的成本总额,由于WIOD缺乏投资额数据,本文中将资本补偿作为资本的代理变量。和理论模型相对应,该变量应当是“利息率与资本存量的乘积”,代表资本获得的收益。在理论上该变量的变化趋势与资本的趋势相同。
② 其中A(1)为令A(L)中L=1的结果,为常数,■,更详细的方法介绍参见Jones(1995)[1]。
③ 理论模型预测资本投资所受影响大于总产出所受影响,但实证结果不支持这一结论,资本补偿所受影响更小。与资本补偿代理资本变量有关。
(1)模型也允许各行业的创新成本提高,从而创新投入收益率下降,并再次低于资本利息率,经济出现由创新驱动转向投资拉动的反向变化。
(2)假设对于所有时间t和中间品市场i,创新成功所需投入δt(i)>0。
(3)因为创新投入收益率高于利息率,所以需要为投资者设定投资上限,否则募集资金将超过所需投入。这类似于现实中的众筹项目。居民之间允许借贷,但易于证明,无摩擦的借贷不影响结果。
(4)如果Vt(i)是连续的,那么Vt(i)=0的行业可视为边际创新行业。
(5)当然,t2>t1。创新驱动定义的要求并不严格,它允许在创新驱动的时间段内存在投资拉动的时段。一个要求更加严格的定义是:在[t1,t2]的时间段内,对于所有时段[t,t′]?[t1,t2],st′>st。然而,此定义是不完备的,会出现很多既不是创新驱动也不是投资拉动的情形,从而为现实问题的实证分析造成困难。
(6)模型中,经济的增长完全来自于中间品部门。为表明其他来源的经济增长动力不影响模型主要结论,数值模拟加入了劳动力增长率,结果依然存在明显冲击效果。事实上,只要中间品部门存在模型描述的技术进步,就不影响模型结论。
(7)这一数值的设置有约束,如果设置的过大,经济将不能转型。
(8)事实上,产出增长率受到创新冲击影响并不只有“V型”一种可能,如果创新成本由于某些原因上升,会导致行业“创新份额”下降,经济增长率会在受到正向的冲击后,出现长期的下降趋势,这种趋势可称作“L型”。
(9)其中2个行业因缺乏数据而被删除,故本文共计33个行业。截至目前,由于WIOD数据库仅包含至2011年的最新数据,因此本文研究到2011年。
(10)在理论模型中,增加值率为实际值,即(实际总产出-实际中间品投入)/实际总产出,但由于中间品价格指数存在缺失,本文在实际操作中使用了名义增加值率,即(名义总产出-名义中间品投入)/名义总产出。本文对包含完全信息的样本进行了比对,发现名义增加值率和实际增加值率差异很小,并利用实际增加值率对上述样本进行了下文中的回归分析,发现回归结果差异不大,更不影响主要结论。
(11)假设Vj不随时间变化是为了保证增加值率的差分代替不可观测的“创新份额”差分时,不存在内生性问题。实际数据可能无法满足这一假设,为了尽可能规避内生性问题,本文使用了面板向量自回归模型。为了保证增加值率的变化趋势确实和创新有关,下文利用经济增长的长期效应、创新投入与增加值率关系、垄断与增加值率关系三种方式进行了验证,发现结果稳健。
(12)尽管滞后一期的该变量对增加值增速和总产出增速影响为正,但加入增加值率后,正向影响消失。
(13)篇幅所限,具体分类方式可联系作者。
(14)0.344即常数值,0.504为常数值与服务业虚拟变量回归系数额之和(0.344+0.160)。这一方法类似于双重差分法,所以也存在标准误偏低的问题,故而采用了自体抽样1000次的稳健标准误。类似地,下文中服务业增加值率0.1%的计算方式为(0.006～0.005),以此类推。
(15)工农业的社会资本在增长。因此,根据定义2,“创新份额”下降且资本上升的工农业属于“投资拉动”。服务业部门增加值率上升在统计意义上不显著,工农业的下降显著。
(16)篇幅所限,本文没有报告其他分组方式的计量结果,原始数据可向作者索要。
(17)模型(7)中劳动力(lnl)和出口(lnexpo)的回归系数为负,与理论不符。原因在于二者控制了行业间不可观测变量,如果采用固定效应二者系数为正,这说明行业间不可观测变量存在影响。采用固定效应则失去了组间差异信息,从而失去了意义,所以采用了OLS回归。去掉劳动力和出口后对模型关键变量结果无实质性影响。
(18)考虑到创新导致的垄断利润将被记入GDP,增加值的波动将不如总产出明显(后文GMM稳健性检验中也证明了这一点),因而采用了总产出作为考察对象。本文利用增加值增长率进行了相同的工作,面板向量自回归结果略有差异但D.VAR(-1)前的系数依然显著为负。为避免价格因素干扰,此处为实际总产出增长率。
(19)helmert procedure保持了去除组间差异后的变量与滞后变量之间的正交性,因此采用滞后变量作为工具变量是合理的。
(20)限于篇幅,本文未给出回归结果,有兴趣的读者可向作者索取。
(21)格兰杰因果检验表明,增加值率波动是产出增长率和资本补偿增长率的格兰杰因,而资本补偿变化是增加值率变动的因。篇幅所限,格兰杰检验未在论文中呈现,检验结果可向作者索取。
(22)脉冲响应函数假设,当某变量发生冲击时,其他变量的冲击为0。然而,由于残差的方差协方差矩阵很难恰好正交,在实际操作中采用了Cholesky分解的方法(Love等,2007[20])。在本文中,这一分解方法暗含假设,对于总产出增长率、资本补偿增长率和增加值率差分三个变量,前者对后者会在当期和滞后期都产生冲击,而后者对前者只在滞后期产生冲击,即排在前列的变量更加“外生”。本文的排序基于如下考虑:首先,理论模型的基本结论是市场结构变化由资本积累造成,因此资本积累更加“外生”,而经济冲击应首先作用于产出而后作用于资本,故而排序如此。其次,将顺序改为资本补偿增长率、产出增长率和增加值率差分后,并不影响主要结论。限于篇幅,本文未给出脉冲响应图,有兴趣读者可向作者索取。