中國的有效投資與高投資率

林仁文　楊熠

摘要：宏觀研究的可靠性依賴投資數據的準確測量。中國的投資以何種統計量為代理爭議已久。文章引入了一個新的代理變量，它較好代表了投資對于生產有貢獻的部分，克服了以往統計量缺點。文章的一項重要工作是估計1953年～1980年未知的轉化率數據。與之前的一項類似研究相比，文章模型預測能力更強，結果可靠性更好。與文章所嘗試的其他替代模型相比，文章選用的模型穩健性更好。最終結果表明，有效投資占投資的比例在50%到90%之間，且在1980年之后比例不斷下降。這有助于我們理解近年來中國高投資率以及投資率持續升高的現象；也有助于增進我們對真實商業周期模型中投資延期形成生產力（Time-to-bulid）假定的理解。

關鍵詞：固定資本形成；有效投資；投資率

一、 導論

本文估算1953年～2007年中國的有效投資。投資的測量直接影響到宏觀經濟研究的核心內容：如資本存量，生產函數和要素貢獻率的估計；并進一步影響到經濟學家對經濟增長和結構轉型的認識。由于中國的資本集成沒有合意的官方統計數據，研究人員提出了許多代理變量，如全社會固定資產投資、固定資本形成總額（Wang & Yao， 2003；張軍、章元，2003）和新增固定資產（Newly Increased Fixed Assets）（謝千里、羅斯基、鄭玉歆，1995；Holz， 2006）等。但是究竟哪個變量更適宜于宏觀經濟研究，卻一直存在爭議（Holz，2006；Chow，2006）。

由于投資最終被用來研究生產行為，因而投資應當是生產性的。在選取代理變量時現有研究面臨兩項挑戰：（1）以往代理變量的統計口徑難以覆蓋全部生產性投入；（2）以往代理變量難以反映投入的實際效果，即投資中真正轉化為生產力的部分。其原因在于：當年的投資可能有一部分浪費了，或者延遲到后幾年才投入使用，它們的比例難以計量。

針對這種兩難的情形，本文引入一個新的代理變量，它等于固定資本形成總額乘以轉化率。這個變量的優勢在于，它采用了固定資本形成總額數據，使得它在統計口徑上與目標變量相合，同時它利用了轉化率數據，使得代理變量可以反映了實際投資效果。

計算新的代理變量時，我們面臨一個難題：固定資本形成總額的轉化率沒有現成的統計數據，需要估算。Holz（2006）曾經估計過這一時期的轉化率。他采用一個雙變量線性模型。本文重新估計這一變量，采用的是單變量非線性模型。通過比較發現，我們的模型在擬合能力和預測能力方面均優于Holz模型。結果顯示，我們的估值小于Holz（2006）。

本文以產出投資比為例探討了投資數據的修正造成的影響。在理論分析方面，我們發現真實商業周期模型（Real Business Model）的資本形成延時一年（Time-to-build）假定，有改進余地（Kydland & Prescott，1982）。根據本文的估算，一方面，投資支出只有一部分在當年即轉化為有效固定資產而即投入生產，還有一部分要延后數年才投入使用。另一方面，投資轉化率近年來有降低的趨勢。這都需要我們對RBC模型的假定做出修正。在實證研究方面，本文發現投資轉化率下降趨勢，也有助于解釋近年來中國的高投資率現象。

二、 有效投資的概念

對于投資的概念及其代理變量的爭議由來已久?，F有研究認為有效投資（Effective Investment）應當是生產性的，這是因為投資最終被用來研究生產行為。本文又稱其為生產性資本集成（Productive Capital Formation）。關于有效投資代理變量，本文采用基礎投資數據乘以轉化率。基礎投資數據度量用于生產性資本的支出，轉化率度量投資支出的實際效果。

1. 基礎投資數據的選擇。常用的基礎投資數據包括：固定資本形成總額（張軍、吳桂英、張吉鵬，2004）和全社會固定資產投資額（王小魯、樊綱，2000）。許憲春（2009）指出：雖然固定資本形成總額根據全社會固定投資額計算得來，兩者有較強的相關性，但是兩者之間依然具有明顯的區別，以后者代表生產性資本集成更為合理。

2. 投資的實際效果。投資支出和實際投入生產的固定資產有很大的區別。一方面，部分投資有浪費；另一方面，部分投資要延遲數年才能投入實際生產。這意味著，在計算有效投資時，我們需要考慮投資的實際效果。

雖然前述固定資本形成總額可以較好的代理投資支出，但是它不能度量投資效果。針對這一問題，Holz（2006）引入了新增固定資產作為代理變量。它是指通過投資活動所形成的新的固定資產價值， 反映了固定資產投資成果，因而克服了固定資本形成總額的缺點。但是新增固定資產有一個很大的問題：它在統計口徑方面與生產性資本形成有偏差。起因在于：新增固定資產是通過全社會固定資產投資額（Total social Investment in Fixed Assets）乘以轉換率（Transfer Rate）得到。而其中全社會固定資產投資額統計口徑與生產性資本集成的要求有出入，不宜作為資本集成的代理變量。

綜合考慮兩個常用代理變量（固定資本形成總額和新增固定資產）在統計口徑和度量投資效果上方面的優勢和劣勢后，本文采用固定資本形成總額乘以轉化率作為生產性資本集成的代理變量。這樣處理，即兼顧了固定資本形成總額在統計口徑的上優勢，又利用了轉化率在反映投資效果方面的長處。

三、 投資轉化率的估計

1. 模型。本節估算全社會固定資產投資的轉化率，時間跨度為1952年～1981年。為了估算轉化率，本文建立7個模型。最終選擇當中預測能力最好的模型，即模型*用于估算。

7個模型可以分為兩類：簡約式模型和結構式模型。后者利用額變量在國民收入核算體系（SNA）中數量關系，而前者沒有利用這個關系。

（1）簡約式模型（Reduced-Form Model）。簡約式模式的基本想法是：投資的整體轉化率可以通過部分的轉化率擬合。按照國家統計局的資料，整體投資有兩個重要的部分：①基本建設投資；②技術更新改造投資。本文的簡約式模型就是利用基本建設投資的轉化率，來推測整體投資的轉化率。

模型*為線性模型。它是本文最終選用的模型，模型的被解釋變量為整體投資的轉化率，解釋變為常數項、基本建設投資的轉化率及其對數值。我們采用加權最小二乘估計模型*，其中權重為被解釋變量。若改用OLS估計，則所得結果差別很小。

模型I.1的基本想法與模型*相同，形式為非參數模型。被解釋變量為整體投資的轉化率，解釋變為基本建設投資的轉化率。我們采用核方法估計（Li & Racine， 2007）。

模型 I.2 為線性模型。它是Holz（2006）的一個變種。Holz（2006）模型包括兩個解釋變量：（1）國有部門投資的轉化率；（2）非國有部門對國有部門工業總產值的比。本文的模型第一個變量為基本建設投資的轉化率。第二個變量與Holz模型相同，但是數據做了更新。我們采用加權最小二乘估計模型*，其中權重為被解釋變量。若改用普通最小二乘法估計時，結果差別很小。另外，模型I.1的估計結果與Holz（2006）的結果的差別也很小。

（2）結構式模型（Structural -Form Model）。結構式模型利用了國民收入核算體系（SNA， System of National Accounts）中的變量關系。根據SNA的分類方法，全社會固定資產投資分可分為三項：國有部門基本建設支出，國有部門更新改造支出和非國有部門支出。相應的，全社會固定資產投資的轉化率可以表示為國有部門基本建設支出，國有部門更新改造支出和非國有部門支出對總投資的占比乘以相應的轉化率。

現在我們困難是：國有部門更新改造支出和非國有部門支出的轉化率未知。為此，我們假定它們為國有部門基本建設支出轉化率的函數，建立模型進行估計。

模型II.1為線性模型。我們首先假定，國有部門更新改造支出和非國有部門支出的轉化率為常數項、基本建設投資的轉化率及其對數值的線性函數。將函數代入全社會固定資產投資的轉化率，可建立模型II.1。我們采用加權最小二乘估計模型*，其中權重為因變量。相比普通最小二乘估計，加權法的結果差別很小。

結構式模型II.2為非線性模型。我們首先假定，國有部門更新改造支出和非國有部門支出的轉化率為基本建設投資的“非參數”函數。將函數代入全社會固定資產投資的轉化率，可建立模型II.2。模型II.2為變系數非參數模型，我們采用核方法估計式（Li & Racine，2007）。

結構式模型II.3為線性模型，模型設置同模型II.1。不同的是我們分兩步估計。第一步估算國有部門更新改造支出和非國有部門支出的轉化率。第二步將它們的估計結果代入式全社會固定資產投資的轉化率完成計算。

結構式模型II.4：為非線性模型，模型設置同模型II.2。不同的是我們分兩步估計。第一步估算國有部門更新改造支出和非國有部門支出的轉化率。第二步將它們的估計結果代入式全社會固定資產投資的轉化率完成計算。

2. 模型的數據。本文的模型主要使用了轉化率和工業生產總值數據。數據主要來自歷年《中國統計年鑒》。

3. 模型的選擇。本節將從7個備選模型中挑選預測能力最強的模型。預測能力的評判標準為預測值和觀測值之間的平均絕對偏離程度。我們稱其為Q值，即預測值減去觀測值，除以觀測值，取絕對值再做平均。Q越小，則模型的預測能力越強。表1比較了7個候選模型的預測能力。表中簡約式模型*的Q值最小，也即預測能力最強。

4. 估計結果與文獻比較?；谇笆龉ぷ鳎覀兺扑愠?952年～1980年間投資轉化率的預測值。推算時所用模型為模型*，估計模型所用數據為1981年～2002年的觀測數據。

表2給出了轉化率和有效投資的估計值。結果發現，本文估計值值較Holz模型要小，并且更加靠近實際觀測值。本文的估值更加靠近真實的投資轉化率。

四、 有效投資與中國的高投資率

根據本文估計結果。產出投資比要小于產出有效投資比。從長期趨勢上看，產出投資比與產出有效投資比均有下降趨勢，但是1980年之后產出有效投資比下降速度相對緩慢。

從理論分析角度看，產出投資比反映了資本形成的延時問題（Time-To-Build）。在真實商業周期模型（Real bussiness cycle model）中，有一個基本假設認為：上一期的投資在下一期才能形成生產力（Kydland & Prescott， 1982）。將這一假定應用于實際經濟時需要調整。根據我們的計算，至少就中國的年度情況而言，部分投資的確需要延期一段時間才能形成有生產能力的資本。但不是全部投資都要延期，延期形成資本的比例可能在10%～40%不等。同時我們注意到，投資轉化率在1980年后呈下降之勢，這意味著資本延時形成情況在加劇。這些情況都為真實商業周期模型建模提出新的要求。本文為主題所限，不就此深究。

從實證角度看中國的高投資率問題。政府，國家統計局以及學界都非常關心近年來中國的高投資率現象。比較普遍看法是，中國的投資率過高，而且這些投資是在回報率偏低的情況之下完成。那么中國的投資回報率是否真的偏低呢？舒元；、徐現祥、周吉梅和舒元（2007）利用工業企業數據庫的微觀數據發現，中國的工業資本收益率在近十年內大幅提高。這大致表明中國的投資率并不偏高。這種宏觀和微觀上矛盾，引發了許多關于投資效率的研究與爭論。這些研究常常忽視投資行為跨期性的重要影響。沒有注意到有些投資支出在數年之后才形成有效投資，對產出起直接作用的是有效投資，而不是投資。

本文認為，產出有效投資比大于產出投資比是高投資率的一個重要原因。具體來說，由于投資數據中包含了長期投資，而長期投資在數年之后才會提高產量，投資者更關系有效投資的回報率。以往的研究將長期投資納入資本存量的計算，導致了資本存量虛高，進而低估了資本回報率。本文對資本回報率向上修正，有助于理解中國的高投資率問題。

此外，1980年以后投資轉化率隨時間下降的情況，可以理解為長期投資比重不斷上升的結果，這是資本回報率上升的一個信號，有助于理解近年來投資率不斷攀升的現象。這和舒元；、張莉和徐現祥（徐現祥、周吉梅、舒元，2007）研究結論一致，他們利用工業企業數據庫的微觀數據發現，中國的工業資本收益率在近十年內大幅提高。

投資轉化率和投資率之間的緊密關系，同樣可以計量模型的方式展示。模型被解釋變量為投資率，解釋變量為參數項、時間趨勢項以及投資轉化率。我們利用1980年～2007年的數據估算模型。結果顯示，投資的轉化率的系數？茁2的估值為-1.05，t值為-9.09。？茁2的估計在統計上顯著表明：隨著投資轉化率下降，中國的投資率有持續升高之勢，佐證了我們上文的觀點。

五、 結論

在研究中國宏觀經濟中的生產行為時，研究者找不到理想的統計數據來代理有效投資。本文重新估計了1953年～2007年資本集成。與前人相比，有兩個方面的改進：（1）本文引入了一個新的代理變量。改進了Holz（2006）等文獻在投資變量選取方面的不足；（2）本文對投資的轉化率估計相比以往研究更為可靠。相比Holz（2006），本文的模型可靠性更強。我們一方面驗證了更多的備選模型；另一方面仔細比較各個模型的預測能力，擇優而選。

本文對于有效投資的重新估計，具有較為廣闊的應用前景。從理論分析角度看，真實商業周期模型的資本形成延時一年假定，有改進余地。根據本文的估算，一方面，投資支出只有一部分在當年即轉化為有效固定資產而即投入生產，還有一部分要延后數年才投入使用。另一方面，投資轉化率近年來有下跌趨勢。這都需要我們對RBC模型做出修正。從實證角度看，本文發現的投資轉化率下降趨勢，也有助于解釋近年來中國的高投資率現象。

參考文獻：

1. 國家統計局綜合司經濟形勢分析課題組.如何看待我國目前的高投資率.數量經濟技術經濟研究，2005，（7）：139-141.

2. 孫文凱，肖耿，楊秀科.資本回報率對投資率的影響：中美日對比研究.世界經濟，2010，（6）：3-24.

3. 王小魯，樊綱.中國經濟增長的可持續性：跨世紀的回顧與展望.北京：經濟科學出版社，2000.

4. 謝千里，羅斯基，鄭玉歆.改革以來中國工業生產率變動趨勢的估計及其可靠性分析.經濟研究，1995，（12）：10-22.

5. 徐現祥，周吉梅，舒元.中國省區三次產業資本存量估計.統計研究，2007，（5）：6-13.

6. 許憲春.關于與GDP核算有關的若干統計問題.財貿經濟，2009，（4）：5-10.

7. 易綱，林明.理解中國經濟增長.中國社會科學， 2003，（2）：45-60.

8. 張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000.經濟研究，2004，（10）：35-44.

9. 張軍，章元.對中國資本存量K的再估計.經濟研究，2003，（7）：35-43.

10. 鄭京平.我國的投資率為何居高難下.數量經濟技術經濟研究，2006，（7）：142-144.

11. 鄒衛星，房林.為什么中國會發生投資消費失衡？.管理世界，2008，（12）：32-42.

12. Chow G.C.New capital estimates for China：Comments.China Economic Review，2006，17（2）：186-192.

13. Holz C.A.New capital estimates for China.China Economic Review，2006，17（2）：142-185.

14. Holz C.A.Response to Gregory C.Chow's New Capital Estimates for China： Comments.China Economic Review，2006，17（2）：193-197.

15. Kydland F.E.andPrescott E.С.Time to Build and Aggregate Fluctuations.Econometrica， 1982，50（6）：1345-1370.

基金項目：上海財經大學研究生科研創新資助項目“Markov-switching模型分析中國宏觀經濟特征”（項目號：CXJJ-2008-325）。

作者簡介：林仁文，上海財經大學經濟學院經濟系博士生；楊熠，上海財經大學金融學院國際金融系博士生。

收稿日期：2013-04-16。