“双引擎”对经济增长的拉动作用探讨
2022-06-09
【论文摘要】本文通过灰色关联模型分析“双引擎”对经济增长的拉动作用，结果显示卫生、教育对经济增长的贡献最大，其次高科技进口、R&D经费投入、社会保险投入。并运用GM（1，1）模型预测未来“双引擎”对经济增长的拉动作用，结果表明高科技进口成为对经济增长最重要的推动力，卫生、教育经费投入仍然处于重要地位，其次是社会保障，排在最后的R&D经费投入。最后本文提出建议，维持卫生和教育经费的投入并注重提高效率；同时加快完善社会保障领域的政策，释放其对经济增长的促进作用；另外注重提高本土的科研效率，鼓励本土的创新，逐步减少对高科技进口的依赖。
【论文关键词】双引擎经济增长灰色关联度GM（1，1）模型
引言
2015年李克强总理在达沃斯经济论坛、政府工作报告中均提到“双引擎”发展战略，即一方面打造新引擎，推动大众创业、万众创新；另一方面改造传统引擎，扩大公共产品和公共服务的供给。在当前经济下行压力加大、增速放缓的情况下，“双引擎”战略对于宏观经济调控有着重要的指导意义。虽然“双引擎”的各个部分对于经济增长都有着重要作用，但孰重孰轻，在何处着力，即哪些部分对经济增长贡献大，哪些部分对经济增长贡献小？“双引擎”之中存在哪些不足？这一问题是“双引擎”战略能够协调持续发展以及最终促进经济增长的关键。
文献综述
关于“双引擎”对经济增长的影响，国内学者进行了大量的研究，但都是研究“双引擎”的某一个方面对经济增长的影响。如赵蔚蔚和杨庆运（2011）、范柏乃和来雄翔（2005）、田成诗（2009）、唐德祥等（2009）、涂远芬和许统生（2008）分别研究财政社会保障支出、教育投资、卫生行业投入、科技创新投入、技术引进对经济增长的影响，实证结果得出这些对经济增长有显著的正向拉动作用。
纵观已有文献，还存在不足，即缺乏“双引擎”各部分的比较。因为即使“双引擎”某一部分运行的效率不高，但只要加大投入都会给经济整体带来一定的促进作用，虽然这种促进作用的边际效用是递减的。因此，对于“双引擎”战略，不能盲目的加大各部分的投入，需要综合比较“双引擎”系统中各部分对经济增长的贡献，重点关注那些对经济增长贡献较低的，做到有的放矢，协调持续发展。而“双引擎”各部分对经济增长的贡献的比较，国内还缺乏相关研究。一些学者对“新引擎”的各部分进行了比较，龚刚等（2013）和唐未兵等（2014）认为我国经济增长过于依赖技术引进，而新阶段下我国经济增长方式应该向自主研发的转变；张宇等（2010）研究了科技创新的不同环节对经济的影响，实证结果表明R&D经费投入对经济增长拉动作用较低，而技术吸纳对于经济增长拉动作用显著。可见关于“新引擎”，国内学者认为应当重点发展自主研发，而避免过度依赖于技术引进。而关于公共产品与服务的各部分对经济增长的拉动作用，“双引擎”的各个部分对经济增长的拉动作用，以及各个部分的拉动作用在未来的变化趋势，国内还鲜有文章发表，这也是本文所要探讨的。
本文研究“双引擎”系统对经济增长的拉动，重在比较“双引擎”各个部分对于经济增长的贡献的大小，另外，预测未来各个部分对经济增长的拉贡献，最终发现“双引擎”系统中存在的问题，以期为“双引擎”发展战略提供参考。
研究设计
（一）样本数据
本文数据均来自《统计年鉴》，样本数据如表1所示。指标选取方面，本文选取社会保险投入、教育经费投入、卫生费用总投入作为公共产品与服务的代理变量，选取R&D经费投入、高科技进口额作为创新的代理变量，以国内生产总值GDP作为经济增长的代理变量。指标的选取原因如下：“双引擎”包含公共产品服务和创新两个部分，包含的指标很多，而公共产品与服务方面的文献集中于社会保障、教育、卫生，创新方面的文献集中于R&D、高科技进口，因此本文选取的变量既具有重要性又具有代表性。时间跨度方面，由于社会保险投入的数据是从1994年开始，R&D经费的数据是从1995年开始，而教育经费的数据截止2012年，因此，本文选取1995年至2012年的数据。另外高新技术进口额的原始单位是美元，本文根据1995-2012年的人民币对美元汇率进行了换算。另外，需要说明的是，本文使用的灰色关联模型是时间序列之间的比较，因此不用考虑通货膨胀的问题。
（二）灰色关联模型
多因素统计分析大多采用回归分析，但是多元回归要求样本足够大，且呈典型分布，且回归分析主要是数据的幂和四则运算，计算过程中的误差可能导致误差进而歪曲因素间的本质联系（邓聚龙，1983；谭学瑞、邓聚龙，1995；邓莉、冉光和，2005）。考虑到本文样本量较少、变量较多，本文采用灰色关联模型对系统中各因素之间的关联程度进行量化比较，若关联度越大，则说明因素间的关联程度越大。
1.关联系数：
关联系数定义为：
式中：
|（0）（k）-X（0）（k）|为在k点处（0）（k）与X（0）（k）的绝对误差。
minmin|（0）（k）-X（0）（k）|为两级最小差。其中：min|（0）（k）-X（0）（k）|是第一级最小差，表示在（0）（k）序列上找各点与X（0）（k）的最小差。minmin|（0）（k）-X（0）（k）|为第二级最小差，表示在各序列找出的最小差基础上找所有序列的最小差。
maxmax|（0）（k）-X（0）（k）|是二级最大差，其含义与最小差相似。
ρ称为分辨率，0<ρ<1，一般取ρ=0.5。
对单位不一、初值不同的序列，在计算关联系数前，应首先进行初始化，即将该序列所有数据分别除以第一个数据。
2.关联度。算出（0）（k）序列与X（0）（k）序列的关联系数后，计算各类关联系数的平均值：，这主要是因为关联系数很多，信息过于分散，不便于比较。
（三）GM（1，1）模型
研究经济增长和“双引擎”的关系，现有的数据有所局限，为了判断经济增长和“双引擎”未来发展变化以及它们之间的关系，本文通过预测GDP和“双引擎”未来的发展趋势。鉴于GDP和“双引擎”所涉及的系统为灰色系统（邓聚龙，1983；刘思峰、邓聚龙，2000），本文利用GM（1，1）模型进行预测。
设时间序列X（0）（k）有n个观察值，X（0）={X（0）（1），X（0）（2），…X（0）（n）}通过累加生成新序列X（1）={X（1）（1），X（1）（2），…X（1）（n）}，则GM（1，1）模型相应的微分方程为：式中，α称为发展灰数；μ称作内生控制灰数。设为待估计参数向量，利用最小二乘法求解可得：=（BTB）-1BTYn其中：
求解微分方程，即可得预测模型：（k=0，1，2…n）。
实证分析
（一）经济增长与“双引擎”的灰色关联分析
本文选取GDP作为参考序列X0，选取了社会保险投入X1、教育经费X2、卫生总费用X3、R&D经费投入X4、高新技术进口额X5这五个部分作为比较序列。通过灰色关联度的计算公式得到1995-2012年“双引擎”与GDP的关联度，如表2所示。
【论文关键词】双引擎经济增长灰色关联度GM（1，1）模型
引言
2015年李克强总理在达沃斯经济论坛、政府工作报告中均提到“双引擎”发展战略，即一方面打造新引擎，推动大众创业、万众创新；另一方面改造传统引擎，扩大公共产品和公共服务的供给。在当前经济下行压力加大、增速放缓的情况下，“双引擎”战略对于宏观经济调控有着重要的指导意义。虽然“双引擎”的各个部分对于经济增长都有着重要作用，但孰重孰轻，在何处着力，即哪些部分对经济增长贡献大，哪些部分对经济增长贡献小？“双引擎”之中存在哪些不足？这一问题是“双引擎”战略能够协调持续发展以及最终促进经济增长的关键。
文献综述
关于“双引擎”对经济增长的影响，国内学者进行了大量的研究，但都是研究“双引擎”的某一个方面对经济增长的影响。如赵蔚蔚和杨庆运（2011）、范柏乃和来雄翔（2005）、田成诗（2009）、唐德祥等（2009）、涂远芬和许统生（2008）分别研究财政社会保障支出、教育投资、卫生行业投入、科技创新投入、技术引进对经济增长的影响，实证结果得出这些对经济增长有显著的正向拉动作用。
纵观已有文献，还存在不足，即缺乏“双引擎”各部分的比较。因为即使“双引擎”某一部分运行的效率不高，但只要加大投入都会给经济整体带来一定的促进作用，虽然这种促进作用的边际效用是递减的。因此，对于“双引擎”战略，不能盲目的加大各部分的投入，需要综合比较“双引擎”系统中各部分对经济增长的贡献，重点关注那些对经济增长贡献较低的，做到有的放矢，协调持续发展。而“双引擎”各部分对经济增长的贡献的比较，国内还缺乏相关研究。一些学者对“新引擎”的各部分进行了比较，龚刚等（2013）和唐未兵等（2014）认为我国经济增长过于依赖技术引进，而新阶段下我国经济增长方式应该向自主研发的转变；张宇等（2010）研究了科技创新的不同环节对经济的影响，实证结果表明R&D经费投入对经济增长拉动作用较低，而技术吸纳对于经济增长拉动作用显著。可见关于“新引擎”，国内学者认为应当重点发展自主研发，而避免过度依赖于技术引进。而关于公共产品与服务的各部分对经济增长的拉动作用，“双引擎”的各个部分对经济增长的拉动作用，以及各个部分的拉动作用在未来的变化趋势，国内还鲜有文章发表，这也是本文所要探讨的。
本文研究“双引擎”系统对经济增长的拉动，重在比较“双引擎”各个部分对于经济增长的贡献的大小，另外，预测未来各个部分对经济增长的拉贡献，最终发现“双引擎”系统中存在的问题，以期为“双引擎”发展战略提供参考。
研究设计
（一）样本数据
本文数据均来自《统计年鉴》，样本数据如表1所示。指标选取方面，本文选取社会保险投入、教育经费投入、卫生费用总投入作为公共产品与服务的代理变量，选取R&D经费投入、高科技进口额作为创新的代理变量，以国内生产总值GDP作为经济增长的代理变量。指标的选取原因如下：“双引擎”包含公共产品服务和创新两个部分，包含的指标很多，而公共产品与服务方面的文献集中于社会保障、教育、卫生，创新方面的文献集中于R&D、高科技进口，因此本文选取的变量既具有重要性又具有代表性。时间跨度方面，由于社会保险投入的数据是从1994年开始，R&D经费的数据是从1995年开始，而教育经费的数据截止2012年，因此，本文选取1995年至2012年的数据。另外高新技术进口额的原始单位是美元，本文根据1995-2012年的人民币对美元汇率进行了换算。另外，需要说明的是，本文使用的灰色关联模型是时间序列之间的比较，因此不用考虑通货膨胀的问题。
（二）灰色关联模型
多因素统计分析大多采用回归分析，但是多元回归要求样本足够大，且呈典型分布，且回归分析主要是数据的幂和四则运算，计算过程中的误差可能导致误差进而歪曲因素间的本质联系（邓聚龙，1983；谭学瑞、邓聚龙，1995；邓莉、冉光和，2005）。考虑到本文样本量较少、变量较多，本文采用灰色关联模型对系统中各因素之间的关联程度进行量化比较，若关联度越大，则说明因素间的关联程度越大。
1.关联系数：
关联系数定义为：
式中：
|（0）（k）-X（0）（k）|为在k点处（0）（k）与X（0）（k）的绝对误差。
minmin|（0）（k）-X（0）（k）|为两级最小差。其中：min|（0）（k）-X（0）（k）|是第一级最小差，表示在（0）（k）序列上找各点与X（0）（k）的最小差。minmin|（0）（k）-X（0）（k）|为第二级最小差，表示在各序列找出的最小差基础上找所有序列的最小差。
maxmax|（0）（k）-X（0）（k）|是二级最大差，其含义与最小差相似。
ρ称为分辨率，0<ρ<1，一般取ρ=0.5。
对单位不一、初值不同的序列，在计算关联系数前，应首先进行初始化，即将该序列所有数据分别除以第一个数据。
2.关联度。算出（0）（k）序列与X（0）（k）序列的关联系数后，计算各类关联系数的平均值：，这主要是因为关联系数很多，信息过于分散，不便于比较。
（三）GM（1，1）模型
研究经济增长和“双引擎”的关系，现有的数据有所局限，为了判断经济增长和“双引擎”未来发展变化以及它们之间的关系，本文通过预测GDP和“双引擎”未来的发展趋势。鉴于GDP和“双引擎”所涉及的系统为灰色系统（邓聚龙，1983；刘思峰、邓聚龙，2000），本文利用GM（1，1）模型进行预测。
设时间序列X（0）（k）有n个观察值，X（0）={X（0）（1），X（0）（2），…X（0）（n）}通过累加生成新序列X（1）={X（1）（1），X（1）（2），…X（1）（n）}，则GM（1，1）模型相应的微分方程为：式中，α称为发展灰数；μ称作内生控制灰数。设为待估计参数向量，利用最小二乘法求解可得：=（BTB）-1BTYn其中：
求解微分方程，即可得预测模型：（k=0，1，2…n）。
实证分析
（一）经济增长与“双引擎”的灰色关联分析
本文选取GDP作为参考序列X0，选取了社会保险投入X1、教育经费X2、卫生总费用X3、R&D经费投入X4、高新技术进口额X5这五个部分作为比较序列。通过灰色关联度的计算公式得到1995-2012年“双引擎”与GDP的关联度，如表2所示。