資源詛咒、金融部門與經濟增長

胡華

[摘要]學界研究發現，資源豐裕程度與經濟增長并非線性關系。相對于線性模型，非線性模型可解決多重共線性問題，并大幅提高可決系數。基于非線性模型的實證研究顯示，資源詛咒命題在中國整個大陸并不成立，但在一些區域是成立的，如東部、華東、華南、長三角地區；資源部門對經濟增長的促進作用有限，金融部門對經濟的促進作用明顯高于資源部門，發展金融業有利于促進經濟增長；在不同區域，發展金融業對經濟的促進作用存在差異，如將中國劃分為七個經濟區域，按金融部門對經濟促進作用的從大到小排序，依次是東北、華東、華中、華北、華南、西北、西南。

[關鍵詞]資源詛咒；金融部門；經濟增長；非線性模型

[中圖分類號]F061.2[文獻標志碼]A[DOI]10.3969/j.issn.1009-3729.2015.01.012

“資源詛咒”是指豐富的資源稟賦并不一定能促進經濟增長，還可能阻礙經濟增長。[1]直觀上看，資源詛咒命題在中國大陸是成立的。例如，長三角地區（上海、江蘇、浙江）資源貧瘠，西部地區（重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古）資源豐富：在全國國土面積中，長三角地區占比不足3%，西部地區占比高達71.5%；礦產資源工業總產值方面，2011年，長三角地區占比是1.77%，西部地區占比是35.76%。但長三角地區經濟發達，經濟增速較高。2012年，長三角地區GDP占全國GDP 18.89%，西部地區占比僅為19.76%；經濟增速方面，1978—2012年，長三角地區年均GDP增速是16.28%，高于西部地區的16.05%。

徐康寧等[2-3]較早地將資源詛咒研究引入中國，研究資源詛咒命題在中國大陸是否成立，以及資源詛咒的傳播途徑。當然，有的研究并不支持資源詛咒命題，如Rui Fan等[4-5]通過計量研究發現：資源詛咒命題在中國城市層面上并不成立。還有一些研究認為，在不同地區或不同時間段，資源與中國經濟增長的關系存在差異，“資源祝福”與“資源詛咒”并存。[6-7]除了大量的實證研究外，一些學者的經驗研究也證實，資源詛咒命題在中國大陸成立，并從“荷蘭病”、人力資本、制度等諸多角度加以詮釋，呼吁從產業多元化、提高人力資本投入、規范制度安排等多方面解決資源詛咒問題，但迄今尚缺乏從金融部門角度研究資源詛咒的文獻。為此，本文擬采用靜態面板數據模型、動態面板數據模型與非線性模型，分別研究資源豐裕程度變量和金融就業變量與經濟增長之間的關系，分析非線性模型優于線性模型的原因，論證金融部門對解決資源詛咒問題的作用，比較各地金融部門對經濟增長促進作用的差異。

一、模型選擇與變量設定

1.模型選擇

2.變量設定

本文選用“人均實際GDP的自然對數”作為被解釋變量Y。人均GDP等于各年各地區GDP除以相應的人口數，運用城鎮居民消費價格指數剔除物價波動對人均GDP的影響，可獲得人均實際GDP；在此基礎上，取自然對數，即可獲得人均實際GDP的自然對數。采用自然對數的形式，可以減少各回歸模型出現異方差問題。選取“采掘業（采礦業）就業人員占當地人口比重的自然對數”（N）作為資源要素豐裕程度的表征變量，這種做法存在一個問題：1997—2005年，《中國城市統計年鑒》的從業人員分類存在差異：1997—2004年，與資源開發相關的就業人員被稱為采掘業就業人員；而2005年后，與資源開發相關的就業人員被稱為采礦業就業人員。采掘業與采礦業的主要內容是相同的，都包括石油開采、天然氣開采、煤炭開采，以及其他礦產開采等，兩者差別在于：采掘業包括石油、天然氣等非礦石資源的開發利用和自來水的生產與供應，而采礦業不包括這些內容。但觀察采掘業從業人員占當地人口的比重與采礦業從業人員占當地人口的比重則發現，兩者不存在明顯的差異，2004年，中國地級及地級以上城市的采掘業從業人員占當地人口的比重是0.401%，2005年中國地級及地級以上城市的采礦業從業人員占當地人口的比重是0.404%；同樣，2004年各市的采掘業從業人員占當地人口的比重與2005年各市的采礦業從業人員占當地人口的比重也不存在顯著差別，如北京市2004年采掘業從業人員占當地人口的比重是0.188%，2005年采礦業從業人員占當地人口的比重是0191%。因此，本文對這兩個比重不加區別。

本文所選控制變量包括：一是人口密度變量P，等于每平方公里人數的自然對數；二是就業變量J，用各行業從業人員占當地人口比重的自然對數表征；三是人力資本投入變量G，用教育業從業人員占當地人口比重的自然對數表征；四是城市化程度變量City，用市轄區人口占總人口比重的自然對數表征。因此，包含所有變量的模型如下。

靜態面板數據模型Ⅰ：

上述變量使用的數據是中國大陸285個地級以上城市的市級面板數據，來自2004—2013年《中國城市統計年鑒》，剔除數據不連續的巢湖市、三沙市、畢節市、銅仁市和數據缺失嚴重的拉薩市。即使如此，其他城市仍有一些變量值缺失，因此所采用的市級面板數據并非平衡面板數據。各變量的含義、均值、標準差等詳見表1。

二、面板數據模型的估計與多重共線性問題

1.靜態面板數據模型結果與檢驗

下面運用靜態面板數據模型進行回歸，六個模型的因變量都是人均實際GDP的自然對數，模型I只有一個解釋變量N，在此基礎上，依次加入N的平方項，人口密度變量P，就業變量J，人力資本投入變量G，城市化程度變量City，從而形成模型Ⅰ2～Ⅰ6。如表2所示，這6個模型都是固定效應模型。確定使用固定效應模型前，運用似然比檢驗對混合面板數據模型與個體隨機效應模型進行比較，此檢驗的原假設是靜態面板數據模型的個體效應的方差等于零，所有6個模型的檢驗結果顯示，原假設成立的概率都低于10%，因此固定效應模型更優。為甄別固定效應模型與隨機效應模型的優劣，對其進行Hausman檢驗，其原假設是個體固定效應模型與個體隨機效應模型的擬合系數不存在系統性的差異，檢驗結果顯示，都適用固定效應模型。回歸結果顯示，在6個模型中，N的擬合系數都大于零，且能通過顯著性檢驗，這表明，資源詛咒命題在中國大陸不成立。N的平方項都大于零，說明資源變量與經濟增長之間呈現“正U型”關系。

4個控制變量的擬合系數都是正值，且都能通過顯著性檢驗，說明人口密度的增加、就業增加、人力資本投入增加、城市化推進都有利于促進經濟增長。變量P（每平方公里人數的自然對數）與因變量呈顯著的正相關，且能通過1%的顯著性檢驗，原因是人口密度增加會有更多人成為經濟人口，獲得工資或獲得所擁有生產要素的報酬，這些都將提高GDP；變量J（從業人員占當地人口比重的自然對數）的擬合系數是正值，且能通過顯著性檢驗，說明新增就業可以提高人均實際GDP，原因是新增就業將增加人均收入，收入水平提高會促進消費，新增消費則以乘數作用于GDP，促進人均實際GDP提高；變量G（教育業從業人員占當地人口比重的自然對數）的擬合系數是正值，能通過1%的顯著性檢驗，說明教育投入有利于經濟增長，原因是教育投入可

模型類型固定效應模型固定效應模型固定效應模型固定效應模型固定效應模型

注：1.因變量都是Y（人均實際GDP的自然對數）；2.括號內數值是t檢驗值；3.#、*、**、***分別表示擬合系數能通過15%、10%、5%、1%的顯著性檢驗；4.模型通過Stata 12.0軟件計算得來。

提高當地居民受教育水平，提高其生產效率，從而促進經濟增長；變量City（市轄區人口占總人口比重的自然對數）的擬合系數是正值，且能通過顯著性檢驗，原因在于擴大的城市規模將吸引更多流動資源進入，有助于促進經濟增長。靜態面板數據模型可以證明資源詛咒命題不成立，但此模型有缺陷，可決系數都低于0.2。

2.動態面板數據模型結果與檢驗

運用動態面板數據模型進行回歸分析，結果見表3。由表3可知，模型Ⅱ0的資源變量同人均實際GDP的自然對數呈正相關，且能通過顯著性檢驗。為檢驗兩者關系的穩定性，在模型Ⅱ2～Ⅱ6中逐一加入資源變量的平方項、人口密度變量P、就業變量J、人力資本投入變量G、城市化程度變量City等控制變量。結果顯示，資源變量的擬合系數都大于0，但在模型Ⅱ2～Ⅱ6中，不能通過顯著性檢驗。資源變量平方項的擬合系數有正有負，說明無法確定資源變量與經濟增長之間是否存在非線性相關關系。自變量中，加入因變量的滯后一期后，控制變量的顯著性受到很大影響。Sargan檢驗、Hansen檢驗顯示，上述6個模型都不能通過過度識別檢驗。因此，動態面板數據模型的結果不能確定資源詛咒命題在中國大陸是否成立。

3.靜態、動態面板數據模型的多重共線性問題

靜態、動態面板數據模型的多重共線性問題主要源于資源變量、資源變量平方項的線性相關關系。如表4所示，模型Ⅰ′和Ⅱ′都是一元線性回歸模型，因變量都是資源變量的平方項，自變量都是資源變量。模型Ⅱ′與Ⅰ′的區別在于：模型Ⅱ′針對自相關問題進行修正，使得D-W統計量從0.107提高至1.785。兩模型結果顯示，N與N2之間存在很強的正相關性，這會導致靜態、動態面板數據模型的多重共線性問題。要檢驗資源詛咒命題是否成立，以及經濟增長與資源變量間是否存在非線性相關性，還需采取非線性模型進行估計。

三、非線性模型的估計

1.資源變量與經濟增長非線性模型的估計

運用迭代法對非線性模型（Yi，t=b0×b1Ni，t+μi，t）進行估計（Y代表人均實際GDP的自然對數，N代表采掘業（采礦業）就業人員占當地人口比重的自然對數），具體結果見表5。選取全國為樣本進行非線性模式估計發現，b0=5.350>0，b1=1.006>1，說明經濟增長與資源變量呈正相關關系，因此，在中國大陸資源詛咒命題不成立。調整后可決系數達到0978，高于靜態面板數據的可決系數。

將中國大陸劃分為東、中、西三大區域發現，資源詛咒命題在東部地區成立，在中、西部地區不成立。中、西部地區中，西部地區的擬合系數都大于中部地區的擬合系數，說明資源部門對西部經濟的促進作用要大于對中部經濟的促進作用。

將中國大陸劃分為華北等七個小區域發現，資源詛咒命題在華東、華南地區成立，在華北、東北、華中、西北、西南地區不成立。西北地區的擬合系數都大于其他地區的擬合系數，說明資源部門對西北經濟的促進作用要大于對其他地區經濟的促進作用。

在京津冀、長三角、西三角三區域，資源詛咒命題在長三角成立，在其他兩區域不成立。京津冀地區的擬合系數都大于其他兩地區的擬合系數，說明資源部門發展更有利于促進京津冀地區的經濟增長。當b1等于1時，資源變量的變化不會引起經濟

增長的變化。在不同區域，資源變量與經濟增長的關系雖有所不同，但在所有的非線性模型中，b1都介于0.97～1.04之間，都接近于1。換言之，即使大部分地區資源部門對經濟增長存在促進作用，但此作用也很有限，因此應采用產業多元化戰略來促進經濟增長，如通過發展金融部門來促進經濟增長等。

2.金融就業變量與經濟增長非線性模型的估計

下面運用迭代法對非線性模型（Yi，t=b0×b1Fi，t+μi，t）進行估計（Y代表人均實際GDP的自然對數，F代表金融就業變量，用金融業從業人員占當地人口比重的自然對數表征，金融從業人員占當地人口的比重越高，金融部門越發達），具體結果見表6。由表6可知，對中國大陸所有城市進行估計，調整后的可決系數達到0.986，擬合系數b0=11.57>0，擬合系數b1=1.147>1，這兩個擬合系數都大于表5中選取全國為樣本時的相應值，說明相對于資源部門，金融部門發展更有利于促進經濟增長。下面分析各區域情況，總體上，各區域的非線性模型調整后的可決系數都大于0.97，說明非線性模型很好地解釋了金融就業變量與經濟增長的關系。

在東、中、西三大區域內，金融就業變量與經濟增長非線性回歸模型的擬合系數都大于資源變量與經濟增長非線性回歸模型的相應值，說明在大區域內，相對于資源部門，金融部門的發展更有利于促進經濟增長。表6中，中部地區的擬合系數大于東部、西部的相應值，說明相對于東、西部地區，中部地區的金融部門對當地經濟的促進作用更強。

在華北、東北、華東、華南、華中、西北和西南七個小區域內，金融就業變量與經濟增長非線性回歸模型的擬合系數都大于資源變量與經濟增長非線性回歸模型的相應值，說明在小區域內，相對于資源部門，金融部門發展更有利于促進經濟增長。表6說明東北地區的金融部門對當地經濟促進作用大于其他地區。按照擬合系數b0或b1從大到小的順序排列（按b0、b1從大到小順序排列的結果相同），依次是東北、華東、華中、華北、華南、西北、西南，這是金融部門對經濟促進作用按照從大到小排序的結果。

在京津冀、長三角、西三角三個區域內，金融就業變量與經濟增長非線性回歸模型的擬合系數都大于資源變量與經濟增長非線性回歸模型的相應值，說明相對于資源行業，金融部門發展更有利于促進經濟增長。按照擬合系數b0或b1從大到小的順序排列，依次是長三角、京津冀、西三角，即在金融部門對經濟增長促進作用方面，長三角較大，京津冀居中，西三角較小。

四、結論

1.資源部門對經濟增長的促進作用有限

基于2004—2012中國市級面板數據，本文考察了資源豐裕程度與經濟增長的關系，采用靜態面板數據模型、動態面板數據模型、非線性模型，研究發現，非線性模型的可決系數更高。非線性模型結果顯示，資源詛咒命題在中國整個大陸雖不成立，但在一些小區域成立，如東部、華東、華南、長三角地區。在其他區域，資源詛咒命題雖不成立，但資源部門對經濟增長的促進作用有限。

2.發展金融業有利于促進經濟增長

運用非線性模型，研究金融就業變量與經濟增長的關系，發現在中國大陸整體范圍內，或在任何一個區域，金融部門對經濟增長的促進作用都高于資源部門。因此，解決資源詛咒問題、促進經濟增長的方法之一是實行產業多元化，如促進金融業發展。

3.發展金融業對中部、東北、長三角地區經濟增長的促進作用較大

在東、中、西三大區域內，中部地區金融部門對經濟的促進作用較強。在華北等七個小區域內，金融部門對經濟促進作用按照從大到小排序依次是：東北、華東、華中、華北、華南、西北、西南；在京津冀、長三角、西三角三個區域內，金融部門對經濟的促進作用，長三角較大，京津冀居中，西三角較小。

[參考文獻]

[1]Auty R M.Sustaining Development in Mineral Economies：The Resource Curse Thesis[M].London：Routledge，1993.

[2]徐康寧，韓劍.中國區域經濟的“資源詛咒”效應：地區差距的另一種解釋[J].經濟學家，2009（6）：96.

[3]徐康寧，王劍.自然資源豐裕程度與經濟發展水平關系的研究[J].經濟研究，2006（1）：78.

[4]Rui Fan，Ying Fang，Sung Y Park.Resource Abundance and Economic Growth in China[Z].Xiamen：Xiamen University，2010.

[5]方穎，紀衎，趙揚.中國是否存在“資源詛咒”[J].世界經濟，2011（4）：144.

[6]李偉軍，李智.知識溢出與資源詛咒假說的門檻效應[J].經濟科學，2013（6）：44.

[7]邵帥，范美婷，楊莉莉.資源產業依賴如何影響經濟發展效率——有條件資源詛咒假說的檢驗及解釋[J].管理世界，2013（2）：32.

[8]Sachs J D，Warner A M.Natural resource abundance and economic growth[J].Journal of Development Economics，1999（1）：43.