公共資本、省際溢出與技術進步
——基于面板協整的經驗分析

苑德宇，韓俊霞

(1.中國社會科學院 財政與貿易經濟研究所，北京100836;2.天津財經學校，天津300131)

公共資本、省際溢出與技術進步
——基于面板協整的經驗分析

苑德宇1，韓俊霞2

(1.中國社會科學院 財政與貿易經濟研究所，北京100836;2.天津財經學校，天津300131)

本文基于內生經濟增長理論構建了反映公共資本與技術進步之間關系的實證框架;在此基礎上，利用我國29個省1988-2007年相關面板數據對公共資本、省際溢出與全要素生產率間的長期關系進行了協整檢驗。實證結果表明，在長期中，“硬”公共投資比“軟”公共投資具有更大的技術進步效應;無論是“硬”公共投資，還是“軟”公共投資，各項構成的技術進步效應均表現出一定的差異;“硬”公共資本和“軟”公共資本對技術進步的跨區溢出呈現不同態勢。

公共投資;技術進步;面板協整檢驗

2008年下半年，我國為應對美國“金融海嘯”沖擊，中央政府出臺了以穩定經濟增長為主要目標的4萬億元的財政支出計劃。隨著“計劃”的逐步實施，到2009年底，已撬動全國各省市自治區政府支出項目總額超過10萬億元，其中大部分用于公共投資方向上。不可否認，我國此次大規模的公共投資在拉動國內需求、維穩經濟方面已初顯重要作用。然而，上述僅可看作公共投資的短期效應，更值得注意的是，公共投資最終形成的公共資本(公共基礎設施)，在長期中，會成為左右經濟高質量增長的重要因素，因為公共資本增加可能會帶動技術進步。由此，在當前經濟背景下，厘清公共資本與技術進步間的關系，對于政府制定具有長遠意義的公共投資政策有重要參考價值。

一、相關文獻回顧

大部分學者認為，公共資本與技術進步正相關。Aschauer(1989)［1］構建了包涵公共資本總量的生產函數，并以此為框架，利用美國1949-1985年的數據進行經驗分析，發現公共資本具有顯著的生產性，并認為美國1971-1985年間全要素生產率(TFP)下降的主要原因是公共資本增速減慢。隨后，Munnell(1990a，1990b)［2-3］也作了相關實證研究，得到與 Aschauer(1989)［1］相似的結論。Morrison 和 Schwartz(1996)［4］利用美國制造業數據分析了公共投資對制造部門生產率的影響，結果發現公共資本具有顯著生產性，但回報率并不高。Fernald(1999)［5］直接利用美國 50-60 年代州級高速公路數據考察了道路與生產率之間的關系，發現道路基礎設施具有生產性，但對道路投資的回報率并不能高于私人投資，且對生產率增長的影響僅為一次性的。Demetriades和Mamuneas(2000)［6］利用12個OECD國家面板數據進行分析，認為在短期內公共資本增加對產出或經濟增長的影響有限，而在長期內卻有較高的回報率。Salinas-Jimenez(2004)［7］基于 Malmquist指數方法利用西班牙的數據分解出地區TFP，在控制了地區間公共投資溢出效應后分析發現公共資本增加推動了技術進步。Mamatzakis(2007)［8］基于利潤函數構建度量公共資本回報率的框架并對TFP進行分解，利用墨西哥工業部門的數據進行實證分析發現，公共資本增加可以帶來生產率的提高，但會產生遞減的利潤回報。

也有學者得到了相異的實證結論。在Hulten和 Schwab(1991)［9］、Holtz-Eakin(1994)［10］等研究中發現公共資本變動雖然會對技術進步或經濟增長有正向影響，但其作用大小卻是微乎其微的。Evan和Karras(1994)［11］通過對美國48個州1970-1986年的面板數據進行分析，發現除教育類公共資本以外，其他類型公共資本的增加對私人部門生產率提高并無顯著作用。

由此可見，學者們已經對公共資本與技術進步間的實證關系進行了大量研究，并得到諸多重要結論。然而，就現有文獻來看，仍存在如下缺失：第一，無論國內還是國外，仍未有以我國現實數據為基礎研究公共資本變動對技術進步影響的文獻;第二，現代經濟理論越來越多地認為TFP主要來源于由教育、科研等投入所形成的人力資本和R＆D資本，但沿著此條線路實證研究教育、科研等類型的公共資本與TFP關系的文獻較少;第三，大部分文獻并未考慮到公共資本與技術進步之間可能存在內生性，而選擇較為簡單OLS回歸方法，從而降低了研究結論的可信度。

本文試圖利用我國29個省(自治區和直轄市)1988-2007年面板數據對公共資本與全要素生產率(TFP)之間的實證關系進行考察，并計量出長期中公共投資在推動技術進步中作用大小，以期為我國政府提供政策支持。

二、理論框架及模型建立

本文采用生產函數法。假定我國各省按標準Cobb-Douglas生產函數進行生產，且該函數滿足“希克斯中性”(Hicks-neural)，即：

其中，i=1，2，…，N表示不同的省，t=1，2，…，T表示不同的時期;Y為產出，K和L分別為物質資本存量及勞動投入;TFP為全要素生產率，用于表示技術水平。

假設技術水平由社會性公共資本和經濟性公共資本共同決定①社會性公共資本主要包括教育科研、文化體育、衛生環境保護、社會福利等部門的基礎設施資本;經濟性公共資本主要包括交通運輸、郵電通信、能源供應、水利等部門的基礎設施資本。，其中，社會性公共資本(“軟”公共資本)可以通過形成人力資本或R＆D資本而促進技術進步(Grossman 和 Helpman，1991)［12］，而經濟性公共資本(“硬”公共資本)一方面可增加私人部門獲得資源的便利性，同時還能提高現有資源的使用效率(Munnell，1996)［13］。考慮到眾多研究認為一地區對外部技術的引進和模仿也對本地區技術進步起到重要作用，有：

其中，HINF為“硬”公共資本存量，SINF為“軟”公共資本存量，TRDP為外貿依存度，用以衡量對國外技術的引進和模仿程度;A表示除以上三要素以外能夠引起技術變動的其他因素，為不可觀測部分。假定A在形式上可以用地區及時間的固定效應來表示，即。

其中，各小寫變量分別對應(2)式中變量的自然對數形式;ai和at分別表示地區和時間異質項;εit為隨機誤差項。(3)式作為本文的實證分析基準框架，在系數設定方面，允許地區間具有差異性。

再者，考慮到某地區生產率可能會受到其他地區“軟”公共資本和“硬”公共資本變動的影響，于是我們在(2)式中加入變量NHINF和NSINF用于俘獲“硬”公共資本和“軟”公共資本的跨區溢出效應。此時，(2)式就變為：

根據(4)式重寫(3)式，得到帶有空間溢出項的實證模型擴展形式：

三、數據來源、變量說明及實證步驟

(一)數據來源及變量說明

其中，產出用各省的GDP表示，并按1988年可比的價格換算，勞動力投入量用全社會年中的從業人員數(年初和年底從業人數的平均值)來表示，其原始數據均來源于相關年份的《中國統計年鑒》。

由于我國省級物質資本存量數據尚無現成來源，在此我們利用張軍、吳桂英等(2004)［15］給出的方法進行測算。其計算公式為：Kit=Kit-1(1-δit)+Iit，其中 Kit和 Kit-1分別對應地區 i在第 t年和第t-1年的物質資本存量，Iit為地區i在第t年的固定資產投資額，δ為折舊率①此方法為Goldsmith(1951)開創的永續盤存法。。除了對折舊率的選取我們沿用眾多學者所采用的5%②Perkins(1998)、胡永泰(1998)、王小魯(2000)、Wang和Yao(2001)、呂冰洋(2007)等。外，其他估算過程及數據處理均參照張軍、吳桂英等(2004)［15］的方法不變。測算得到的物質資本存量數據均利用固定資產投資價格指數折算成1988年不變的價格水平。

對于資本及勞動產出彈性，我們選用呂冰洋(2007)［16］基于我國省級面板數據估計給出的全國值，即 α =0.59，β =0.41。

公共資本作為技術進步的載體，通常有兩種度量方式：一是用貨幣形式度量(Fernald，1999)［5］，即利用公共投資形成額數據和永續盤存法(Goldsmith，1951)［17］測算公共資本存量的大小;二是用實物形式度量(Pedroni，2004)［18］。本文分析將使用前種度量方式所得的數據。

依照前文公共資本歸類法，分別測算出我國省級“硬”公共資本存量(HINF)和“軟”公共資本存量(SINF)。由于原始數據的可得性以及數據統計口徑不一致等，在測算“硬”公共資本存量時，我們選用了煤氣水電的生產與供應及交通運輸郵電通訊兩項固定資產投資形成額數據;在測算“軟”公共資本存量時，我們選用了教育科研③1988-2002年省級教育固定資產投資是與文化藝術、廣播電影電視等行業的投資數據是合并統計的，因此該時間段內的教育投資數據是經調整獲得的，其調整系數為全國教育固定資產投資占教育文化藝術廣播電影電視總投資的比例。和衛生社會福利兩項固定資產形成額數據④數據收集按照《中國統計年鑒》中關于全社會固定資產形成額按行業劃分的方法。。鑒于公共資本與一般的物質資本相類似，所選用的測算方法仍為永續盤存法⑤參照吳穎、蒲勇健(2008)［22］基于永續盤存法給出的有關測算我國省際公共資本的方法。在本文中，基期選定為1988年，折舊率設定為5%。;此外，我們還利用永續盤存法分別測算了煤氣水電生產與供應類(CGWE)、交通運輸郵電通信類(TRPC)、教育科研類(ECAB)及衛生社會福利類(SPSW)公共資本存量的數據。測算所選取原始數據的樣本區間亦為1988-2007年，測算值均以1988年不變價格表示;各省的公共投資形成額數據⑥2004年以前全社會固定資產投資數據由基本建設和更新改造兩部分投資額加總獲得。及固定資產投資價格指數均來源于《中國統計年鑒》和《中國固定資產投資統計年鑒(1950-1995)》。

外貿依存度(TRDP)作為對外貿易開放程度的代理變量，在促進技術進步方面通常表現為兩方面的作用：其一，外貿依存度越高，通過對國際市場中的技術外溢進行學習模仿和創新，有利于提高人力資本的平均積累水平(Findlay，1978;賴明勇、包群等，2005)［19-20］;其二，貿易開放程度增大，有利于人才要素流動，使資源達到一個相對較優的配置，從而有利于提升整個社會的全要素生產率(包群、許和連等，2003)［21］。在本文中，我們用貿易依存度來控制國外技術溢出對我國各省技術進步的影響，具體用省級進出口貿易總額與其GDP之比乘以100來描述。各省進出口貿易總額及GDP數據均來源于《中經網統計數據庫》。

(二)實證步驟

本文采用了較長時間跨度的數據，在對實證模型回歸前，有必要對各變量的平穩性進行判斷。這是因為，當各變量序列處于非平穩或非協整時，利用普通最小二乘法(OLS)的面板數據模型進行回歸時將得不到不一致性的結果，且系數t統計量推 斷 也 將 是 錯 誤 的 (Entorf，1997;Kao，1999)［23-24］，即存在面板數據“偽回歸”問題。由此，首先要利用面板單位根檢驗方法對所用變量的平穩性進行檢驗。在此基礎上，如果變量是平穩的，則可利用傳統的固定效應或隨機效應模型進行回歸分析;當變量不平穩且單整階數相同時，則可進行面板協整檢驗，以確定各變量間是否存在穩定的均衡關系。最后，對面板協整方程進行估計，以確定協整向量。

四、面板單位根檢驗及結果

在本文中，我們將使用3類常見的面板單位根檢驗方法，即 LLC 檢驗(Levin 等，2002)［25］、IPS 檢驗(Im 等，2003)［26］及組合 p 值檢驗(Maddala和Wu，1997;Choi，2001)［27-28］對面板數據序列的平穩性進行判斷。

LLC檢驗是一種同質面板單位根檢驗方法，原假設H0：所有縱剖面時間序列均為單位根過程，備選假設：所有序列均是平穩的;其檢驗統計量是基于各縱剖面時間序列的ADF檢驗所得到的t統計量，在原假設下近似服從標準正態分布。IPS檢驗和組合p值檢驗是基于異質面板假設的單位根檢驗方法。其中，IPS檢驗放松了LLC檢驗的備選假設條件，允許一些縱剖面時間序列在備選假設下存在單位根，從而給出了更為符合實際的檢驗方法，其檢驗統計量WIPS在T，N→—seq∞時，滿足N(0，1)過程，且在有限樣本下，其檢驗功效(power)明顯高于LL檢驗(Im等，2003)［26］。組合 p值檢驗針對IPS檢驗僅適用于平衡面板數據(balanced panel data)的局限，將面板單位根檢驗方法擴展到非平衡面板數據的情況，允許各縱剖面時間序列可以具有不同觀測期長度T和不相等的滯后階數，并給出了精確檢驗(exact tests)的方法;組合p值檢驗利用了各縱剖面時間序列單位根檢驗的顯著性水平pi的對數之和構建檢驗統計量(白仲林，2008)［29］，主要有 PP-Fisher 統計量和 ADFFisher統計量;在原假設下，當N有限，Ti→∞ ，第i個縱剖面時間序列的單位根檢驗統計量GiTi依概率弱收斂于隨機變量Gi時，它們均漸近服從自由度為 2N 的卡方分布(Baltagi，2005)［30］;通過蒙特卡洛模擬發現組合p值面板單位根檢驗的小樣本性質優于 IPS檢驗和 LL檢驗(Maddala和 Wu，1997;Choi，2001)［27-28］。基于上述方法，各變量單位根檢驗的結果如表1所示。

由表1(ⅰ)-(ⅳ)列可以看到，各水平變量單位根檢驗結果在通常的顯著性水平(1%、5%或10%)下均滿足：4個檢驗統計量中至少有2個不能拒絕“縱剖面時間序列為單位根過程”的原假設①Bronzini等(2009)［31］在面板數據單位根中采用了“2/4判斷法”，即在利用PP-Fisher、IPS、ADF-Fisher和LLC四種方法所獲得的檢驗結果中，如果能滿足在顯著性水平1%、5%或10%下至少有兩個拒絕了原假設，則認為該縱剖面時間序列為平穩。在本文中，我們采用與其相似的判斷法。，即認定原縱剖面時間序列為非平穩。對各變量進行一次差分后，再利用相同的方法進行平穩性檢驗，發現各差分變量在通常的顯著性水平下均表現平穩，即差分平穩(difference-stationary)，具體結果見表1(ⅴ)-(ⅷ)列所示。因此，各縱剖面時間序列均為I(1)過程②各檢驗統計量并沒有一致地說明每個縱剖面時間序列均為差分平穩過程，因此，本文認為各變量為I(1)過程是基于一定假設的，即預先設定的判斷方法。這種假設正確與否，在協整檢驗和ECM方程估計中可以得到一定程度的驗證(Kremers等，1992)。。

五、面板協整檢驗及協整方程估計

在得出各變量存在單位根結論后，我們需要采用適當的方法對相關變量之間的協整關系進行檢驗。本文所用到面板數據協整檢驗方法為Pedroni(1999，2004)［32，18］協整檢驗。

(一)Pedroni協整檢驗介紹

表1 各變量的單位根檢驗結果

(二)面板協整估計方法

在時間序列研究中，當協整回歸的誤差過程存在自相關或回歸量之間出現內生性問題時，利用OLS估計協整向量將是漸近有偏的(Phillips和Hansen，1990)［35］，采用完全修正 OLS 估計方法(FMOLS)卻能很有效地克服這些問題。基于此，Pedroni(2000)［37］將 FMOLS估計方法推廣應用于面板協整的估計上，并提供了兩種估計方法：一種是組內(within-dimension)面板FMOLS估計;另一種則為組間(between-dimension)面板FMOLS估計。另外，Pedroni(2000)［37］通過研究對兩種估計方法作了比較，認為組間面板FMOLS估計比組內面板FMOLS估計有更靈活的條件設定和更好的小樣本性質①在小樣本下，組間面板FMOLS估計具有更低的失真性(distortion)，且允許設定異質的協整向量。。本文采用組間面板FMOLS方法對面板協整方程進行估計，通過該方法獲得的面板協整系數為所有面板個體協整系數的平均值。

考慮下列面板協整關系：

(三)實證結果及分析

以前文面板單位根檢驗結論為基礎，我們利用 Pedroni(1999，2004)［32］［18］給出的方法分別對基準模型(3)式和擴展模型(5)式所涉及變量間的長期關系進行協整檢驗;對具有協整關系的，利用Pedroni(2000)［37］組間 FMOLS估計法估計相應協整方程，結果見表2和表3所示。

在表2中，(ⅰ)列給出了基準模型(3)式的面板協整檢驗結果和協整方程的估計結果。從協整檢驗結果來看，面板t非參數統計量、面板t參數統計量、群t非參數統計量和群t參數統計量均在1%的顯著性水平下拒絕了“不存在協整關系”的原假設，因此，我們有充分的證據證明全要素生產率與外貿依存度、“硬”公共資本、“軟”公共資本間存在長期穩定的協整關系。由協整方程的估計結果可以看到：(1)外貿依存度每提高1%，僅使全要素生產率上升0.03%;(2)“硬”和“軟”公共資本的變動均顯著地影響了全要素生產率(“硬”公共資本的彈性系數在1%的顯著性水平下顯著;“軟”公共資本的彈性系數在5%顯著性水平下顯著)，且方向為正;(3)相比與“軟”公共資本，“硬”公共資本變動在長期中對技術進步有更大的推動作用，即“硬”公共資本1%的變動可以引起全要素生產率變動0.39%;而對于“軟”公共資本，同樣的變動卻僅能使全要素生產率提高0.14%。

之所以“硬”公共資本的技術進步效應無論在大小還是顯著性上都高于“軟”公共資本，可能是由于公共投資結構不合理或對“硬”公共基礎設施投資力度不足引起的。改革開放以來，特別是80年代中后期以來，我國政府逐漸加大公共投資力度，公共基礎設施整體水平得到較大幅度提高。然而，我國公共投資結構不合理和投資力度不足等問題一直存在，這可能導致公共投資效率呈現分化局面：一方面，公共基礎設施對經濟發展的“瓶頸”約束問題仍然存在，如一些城市經常出現嚴重的交通擁擠、供電供水不足等;另一方面，部分公共基礎設施又顯得“過剩”，如有些學校招不到學生卻在不斷擴建校舍。顯然，前者效率高，而后者效率相對較低，這可能是兩者技術進步效應存在差異的重要原因。

表2 基準模型(3)式的協整檢驗及協整方程估計結果

沿著上文實證思路，我們繼續從結構上考察“軟”公共資本和“硬”公共資本分別與TFP的實證關系，具體方案是：保持變量sinf不變，用變量cgwe和trpc分別替換基準模型(3)式中變量hinf，或保持變量hinf不變，用變量ecab和spsw分別替換(3)式中變量sinf，逐一考察兩類公共資本各組成部分與全要素生產率間的實證關系。結果如表2(ⅱ)-(ⅴ)列所示。由協整檢驗結果可知，全要素生產率與兩類公共資本的組成、其他相關變量間仍然存在著長期穩定關系。由協整方程估計結果知：第一，在“硬”公共資本中，cgwe變動對全要素生產率有顯著較大正向影響(協整系數為0.52)，而trpc的變動雖然對技術進步也有顯著推動作用，但相比于cgwe作用則較小，這與郭慶旺、賈俊雪(2006)［38］利用全國數據研究的結論是一致的。第二，在“軟”公共資本中，ecab與全要素生產率間協整系數雖然為正，但并不顯著;而spsw對全要素生產率的彈性系數顯著為正，且大于ecab所對應的系數。由此可見，在長期中，公共投資的技術進步效應確實存在著結構性差異。

在表3中為擴展模型(5)式的估計結果及協整檢驗結果，其中，第(ⅰ)、(ⅱ)列分別對應帶有“距離衰減”空間溢出項和“二元毗鄰”空間溢出項的模型實證結果。從協整檢驗結果可以看到，除群ρ統計量外，其他檢驗統計量均可在10%顯著性水平下拒絕“不存在協整關系”原假設，因此，空間溢出項、全要素生產率及其他相關變量間存在著顯著的長期穩定關系。從協整方程估計結果來看，各變量包括各空間溢出項均對全要素生產率產生顯著正影響。

然而，在比較不同公共資本空間溢出效應大小時發現，“軟”公共資本比“硬”公共資本顯現出相對更強的空間擴散能力，而“硬”公共資本的空間溢出作用則在相鄰地區之間表現得更強。在(ⅰ)列中，其他地區“軟”公共資本對本地區技術進步的溢出作用，在長期中，是本地區“軟”公共資本自身效應的2.6倍，相比之下，其他地區“硬”公共資本對本地區技術進步的溢出效應僅僅為本地區“硬”公共資本作用的0.21;相反，在(ⅱ)列中，“硬”公共資本在相鄰地區間發生的相對溢出效應(0.65)要比“軟”公共資本相對溢出效應(0.33)要大。從彈性系數絕對值大小來看，“軟”公共資本的“距離”溢出效應要比“硬”公共資本略大些，而“硬”公共資本“毗鄰”溢出又比“軟”公共資本大。

可以說，公共資本空間溢出效應的實證結果與通常的直觀理解是一致的。在文中，“硬”公共資本主要是指交通、通訊、煤氣水電生產與供應等行業的基礎設施資本，此類公共資本增加會給私人部門生產、交易等帶來更高便利，進而提高生產效率;然而，此類公共資本通常卻具有不可移動性，使得在對生產效率產生影響時僅形成了以基礎設施為中心的“場”，而“場能”卻隨著與公共基礎設施的距離增加迅速衰減，如機場、公路、鐵路等均具有此特點，由此，“硬”公共資本在相鄰地區間的溢出效應會表現得更強或更顯著，用“二元毗鄰”空間權重矩陣即可以得到很好的捕獲。而“軟”公共資本多由教育、科研、衛生等行業的基礎設施資本構成，它們對生產率的影響則主要通過形成人力資本、R＆D或技術等要素間接引起的，而人力資本、R＆D及技術等要素通常伴隨著勞動力及一些物質資本的流動而溢出，進而影響周邊及較遠地區的私人部門生產率，因此，用與距離相關的權重矩陣去捕獲“軟”公共資本的空間溢出則更為合適。

表3 擴展模型(5)協整檢驗及協整方程估計結果

六、結論與啟示

本文基于內生經濟增長理論構建了反映公共資本與技術進步之間關系的實證框架;在此基礎上，利用我國29個省1988-2007年相關面板數據對公共資本、省際溢出與全要素生產率間的長期關系進行了協整檢驗。實證結果顯示，“硬”公共投資在長期中比“軟”公共投資有更大的技術進步效應。進一步研究發現，在“硬”公共投資中，煤氣、水、電生產和供應業基礎設施資本的形成對技術進步的推動作用大于交通運輸、倉儲和郵電通信業基礎設施資本的相應效應;在“軟”公共投資中，教育、科研、文化和廣播電視業基礎設施資本的形成對技術進步影響并不顯著，而衛生體育和社會福利業基礎設施資本的形成對技術進步則有顯著作用。

因此，在長期中，要使我國公共投資在維持經濟增長方面成為有效著力點，需要重點從兩個方面把握：其一是要逐漸加大“硬”公共投資的力度，使公共資本與高速經濟增長相適應;其二是調整“軟”公共投資結構，使公共資本更有效率地配置。

此外，在對比不同公共資本對技術進步的空間溢出效應時發現：“軟”公共資本比“硬”公共資本顯現出相對更強的空間擴散能力;而“硬”公共資本的空間溢出作用則在相鄰地區之間表現得更強。此項結論對于我們今后進行相關擴展研究具有重要指導意義。

［1］ Aschauer D A.Does Public Capital Crowd out Private Capital? ［J］.Journal of Monetary Economics，1989，(24)：171-188.

［2］Munnell A.Why Has Productivity Growth Declined?Productivity and Public Investment［J］.New England Economic Review，1990a，(2)：3-22.

［3］Munnell A.How Does Public Infrastructure Affect Regional Economic Performance? ［A］.in A.Munnell(ed.)，Is There a Shortfall in Public Capital Investment? ［C］.Boston：Federal Reserve Bank of Boston，1990b.

［4］Morrison and Schwartz.State Infrastructure and Productive Performance［J］.The American Economic Review，1996，(86)：1095-1111.

［5］Fernald J.Roads to Prosperity?Assessing the Link between Public Capital and Productivity［J］.The American Economic Review，1999，(89)：619-638.

［6］ Demetriades P and T Mamuneas.Intertemporal Output and Employment Effects of Public Infrastructure Capital：Evidence from 12 OECD Economics［J］.The Economic Journal，2000，(110)：687-712.

［7］Salinas-Jiménez.Public Infrastructure and Private Productivity in the Spanish Regions［J］.Journal of Policy Modeling，2004，(26)：47-64.

［8］Mamatzakis.An Analysis of the Impact of Public Infrastructure on Productivity Performance of Mexican Industry［R］.Paper in CESifo Working Paper Series，2007.

［9］ Hulten and Schwab.Is There Too Little Public Capital?Infra-structure and Economic Growth［A］.Paper presented at the American Enterprise Institute Conference on“Infrastructure Needs and Policy Options for the 1990s［C］.Washington，D.C.，February 4，1991.

［10］Holtz-Eakin.Public-sector Capital and the Productivity Puzzle［J］.The Review of Economics and Statistics，1994，(76)：12-21.

［11］ Evans and Karras.Are Government Activities Productive?Evidence from a Panel of U.S.States［J］.The Review of Economics and Statistics，1994，(76)：1-11.

［12］Grossman and Helpman.Innovation and Growth in the Global Economy［M］.Cambridge MA：MIT Press，1991.

［13］ Munnell H.Infrastructure Investment and Economic Growth［J］.Journal of Economic Perspective，1996，(2)：189-198.

［14］Jiwattanakulpaisarn，Noland，Graham and Polak.Highway Infrastructure and State-Level Employment：A Causal Spatial Analysis［J］.Papers in Regional Science，2009，(88)：133-159.

［15］張 軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000［J］.經濟研究，2004，(10)：35-44.

［16］呂冰洋.中國資本積累：路徑、效率和制度供給［M］.北京：中國人民大學出版社，2007.

［17］ Goldsmith R W.A Perpetual Inventory of National Wealth［J］.In：National Bureau of Economic Research，Inc.，Studies in Income and Wealth，1951，(14)：5-74.

［18］ Pedroni P.Panel Cointegration Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis［J］.Econometrics Theory，2004，(20)：597-625.

［19］Findlay.Relative Backwardness，Direct Foreign Investment，and the Transfer of Technology：A Simple Dynamic［J］.The Quarterly Journal of Economics，1978，(92)：1-16.

［20］賴明勇，包 群，彭水軍，張 新.外商直接投資與技術外溢：基于吸收能力的研究［J］.經濟研究，2005，(8)：95-105.

［21］包 群，許和連，賴明勇.貿易開放度與經濟增長：理論及中國的經驗研究［J］.世界經濟，2003，(2)：77-82.

［22］吳 穎，蒲勇健.公共資本、政府公共支出與省區經濟增長收斂再檢驗［J］.中國軟科學，2008，(3)：24-35.［23］Entorf H.Random Walks with Drifts：Nonsense Regression and Spurious Fixed-effect Estimation［J］.Journal of E-conometrics，1997，(80)：287-296.

［24］Kao C.Spurious Regression and Residual-based Tests for Cointegration in Panel Data［J］.Journal of Econometrics，1999，(90)：1-44.

［25］Levin A，C F Lin and C Chu.Unit Root Test in Panel Data：Asymptotic and Finite Sample Properties［J］.Journal of Econometrics，2002，(108)：1-25.

［26］Im K S，Pesaran M H，Y Shin.Testing for Unit Roots in Heterogeneous Panels［J］.Journal of Econometrics，2003，(115)：53-74.

［27］Maddala G S，Trost R P，Li H，Joutz F.Estimation of Short-run and Long-run Elasticities of Energy Demand from Panel Data Using Shrinkage Estimators［J］.Journal of Business and Economic Statistics，1997，(15)：90-100.

［28］Choi I.Unit Root Tests for Panel Data［J］Journal of International Money and Finance，2001，(20)：249-272.

［29］白仲林.面板數據的計量經濟分析［M］.天津：南開大學出版社，2008.

［30］ Baltagi B.Econometric Analysis of Panel Data［M］.John Wiley＆ Sons Ltd，Hoboken USA，2005.

［31］ Bronzini and Piselli.Determinants of Long-Run Regional Productivity with Geographical Spillovers：The Role of R＆D，Human Capital and Public Infrastructure［J］.Regional Science and Urban Economics，2009，(39)：187-199.

［32］ Pedroni P.Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors［J］.Oxford Bulletin of Economics and Statistics，1999，(61)：653-678.

［33］Engle R，Granger C.Cointegration and Error Correction：Representation，Estimation and Testing［J］.Econometrica，1987，(35)：251-276.

［34］蘇良軍，何一峰，金賽男.中國城鄉居民消費與收入關系的面板數據協整研究［J］.世界經濟，2006，(5)：65-72.

［35］Phillips B，Hansen E.Statistical Inference in Instrumental Variables Regression with I(1)Processes［J］.Review of Economic Studies，1990，(57)：99-125.

［36］Kao C，Chiang M H.On the Estimation and Inference of a Cointegrated Regression in Panel Data［J］.Advances in Econometrics，2000，(15)：179-222.

［37］Pedroni P.Fully Modified OLS for Heterogeneous Cointegrated Panels［A］.In：Baltagi B，et al.，Nonstationary Panels，Panel Cointegration and Dynamic Panels［C］.Advances in Econometrics，2000，(15)，Elsevier Science，Amsterdam.

［38］郭慶旺，賈俊雪.政府公共資本投資的長期經濟增長效應［J］.經濟研究，2006，(7)：29-40.

(本文責編：潤 澤)

Public Investment，Inter-provincial Spillovers and Technological Progress——Empirical Analysis Based on Panel Cointegration

YUAN De-yu1，HAN Jun-xia2
(1.Institute of Finance and Trade Economics，CASS，Beijing 100836，China;2.School of Finance and Economics，Tianjin 300131，China)

In this paper，we construct an empirical framework for exploring the relationship between public capital and technological progress based on endogenous growth theory.On this basis，we make cointegration test to long-term relationship among public capital，inter-provincial spillovers total factor productivity using panel data of 29 provinces from 1988 to 2007 in China.The empirical results show that the“hard”public investment has a greater effect of technological progress than the“soft”public investment in the long run;Whether it is“hard”public investment，or“soft”public investment，that technological progress effects of its composition have shown significant differences;The cross-regional spillovers to technological progress of“hard”public capital and“soft”public capital show different situation.

public investment;technological progress;panel cointegration test

F062.6

A

1002-9753(2011)02-0080-11

2010-06-29

2010-10-15

國家社科基金重大項目“擴大內需的財稅政策研究”(09＆ZD031)。

苑德宇(1981-)，男，安徽宿州人，中國社會科學院財政與貿易經濟研究所助理研究員、博士后，研究方向：財政理論與政策、區域經濟理論。