技術進步偏向與中國地區經濟波動

鄧 明

?

技術進步偏向與中國地區經濟波動

鄧 明

（廈門大學經濟學院 福建廈門 361005）

技術沖擊對經濟波動的影響不僅僅體現在技術進步速率上，還可能體現在技術進步的偏向性上。基于1990-2010年中國省際面板數據，本文構建空間動態面板數據模型實證研究了技術進步的偏向程度對中國地區經濟波動的影響。研究結果表明，中國大部分省份技術進步方向偏向于資本，而資本偏向的技術進步則顯著強化了經濟波動，即使改變度量經濟波動的方式，這一結果也是穩健的。與其相對應的是，基于全要素生產率構建的技術沖擊變量對經濟波動反而沒有顯著影響。由此可見，技術沖擊對經濟波動的短期影響更多依賴于技術進步的方向而非速率。

技術進步偏向 經濟波動 空間動態面板數據模型

一、問題提出

發展是硬道理，但是能夠平穩的發展，對于中國這樣一個13億人口的發展中大國而言具有特別重要的意義，改革開放30多年來中國的經濟增長雖然高速，但也并非是絕對平穩的，如果以真實GDP增長率的波動來衡量我國經濟的波動，那么我國的經濟波動呈現一個重要的特征，即波動的幅度在1994年前后發生了較大的變化：1994年之前波動幅度較大，大起大落；而1994年之后出現了波幅明顯減小，波動平緩的情況。因此，尋求穩定經濟增長的政策手段在當前中國經濟面臨結構調整、經濟增速已明顯放緩的關鍵時期顯得尤為重要。

20世紀70年代以前，幾乎所有的經濟學家都用“需求沖擊理論”來解釋經濟周期產生的根源，認為經濟周期根源于總需求變動的需求面沖擊，但是，1973-1974年的石油危機，使經濟學家們意識到供給對總產量的決定也很重要。之后，新古典宏觀經濟學的代表人物盧卡斯和薩金特等人提出了貨幣商業周期理論。他們認為貨幣供給的沖擊即貨幣存量的隨機變動會引起經濟波動。

從20世紀80年代開始，一些經濟學家對經濟波動根源的研究視角開始轉向實際因素，試圖用實際因素去解釋經濟周期波動的根源，誕生了構成新古典宏觀經濟學核心的“實際周期理論”。以基德蘭德和普利斯科特（Kydland和Prescott，1982）為代表的“實際經濟周期理論”認為，經濟周期波動的根源是實際因素，其中特別值得注意的是技術沖擊，這種沖擊決定了投入（資本與勞動）轉變為產出的能力，引起了產出與就業的波動。

大量研究也考察了技術進步與技術沖擊對中國經濟周期與經濟波動的影響。簡澤（2005）利用結構性向量自回歸模型分析了技術沖擊對中國經濟波動的影響，發現技術沖擊使得實際GDP、投資和消費呈現波動的典型特征，并解釋了絕大多數的消費波動、一到四年內產出波動的37%到56%以及投資波動的五分之一到三分之一。黃賾琳（2006）通過構建了一個可分勞動RBC模型、從供給角度考察了技術沖擊對中國經濟波動的影響，技術沖擊可以解釋中國經濟波動的主要部分，而且技術進步對改革后的產出、居民消費和就業都產生了正向沖擊效應。徐舒等人（2011）本文在動態隨機一般均衡模型（DSGE）的理論框架下建立了一個內生R&D投入與技術轉化模型，研究了技術擴散對我國經濟波動的影響，發現相對于中性技術沖擊而言，技術擴散沖擊在長期中使產出和技術存量處在更高的均衡水平上。

但是，現有文獻關于技術沖擊與經濟波動之間的研究僅僅討論了技術進步水平的外生沖擊對經濟波動的影響；而事實上，技術進步對于經濟波動的作用不僅僅體現在技術進步水平或是速度上，還體現在技術進步的方向上。技術進步方向關注的是技術進步對各種生產要素邊際產出的相對影響。關于技術進步方向的研究始于80多年前，希克斯（Hicks，1932）基于勞動與資本兩個要素，將技術進步分成三個方向：如果技術進步更有助于提高勞動的邊際產出，則稱技術進步偏向于勞動力；如果更有助于提高資本的邊際產出，則稱技術進步偏向于資本；如果對勞動與資本邊際產出之比沒有影響，則稱技術進步是中性的。以阿西莫格魯（Acemoglu, 2002, 2007）為代表的一系列研究則將技術進步方向擴展到任意投入要素之間，并對技術進步方向進行了重新定義：如果技術進步更有助于提高某種要素（Z）的邊際產出，稱之為偏向Z的技術進步（Z-biased technical change）。戴維和克倫德特（David和Klundert, 1965）是最早實證分析技術進步方向的文獻之一，他們利用美國1899-1960年的數據，估計了勞動與資本的替代彈性以及勞動效率與資本效率的增長率，發現美國1899-1960年的技術進步總體上偏向資本。威爾金森（Wilkinson, 1968）、派尼克（Panik, 1976）等人的研究也得出大致相同的結論：美國二十世紀以來的技術進步總體上偏向資本。戴天仕和徐現祥（2010）、鄧明（2014）分別基于中國年度時間序列數據和地區層面的面板數據考察了中國的技術進步方向，均認為中國的技術進步是偏向于資本的。

技術進步偏向性在中國的客觀存在給我們研究技術沖擊的經濟波動效應提供了一個新的視角：除了技術進步水平的外生沖擊，技術進步偏向程度的變動是否會對經濟波動產生影響？我們閱讀所及沒有發現有文獻對該問題進行回答，相對比較接近的是陳師和趙磊（2009）的研究，他們將投資專有技術變遷這種非中性技術變遷因素引入到一個不可分勞動RBC模型，考察這種技術變遷及其沖擊對中國經濟波動的影響，并將其與一個引入中性技術沖擊的基本RBC模型進行了對比，發現引入投資專有技術變遷的RBC模型能夠解釋76%以上的中國經濟波動特征，而基本RBC模型僅能解釋中國經濟周期波動的47%。但該研究僅僅是主觀性地在RBC模型中引入了不同屬性的技術進步來考察其對經濟波動的影響。

為了更準確地度量技術進步的偏向程度對中國地區經濟波動的影響，基于鄧明（2014）估算的1990-2010年的中國省際技術進步方向的面板數據，本文構建了一個動態空間面板數據模型來實證分析技術進步的偏向程度對經濟波動的影響。本文的研究結果表明，技術進步越偏向于資本，經濟波動程度就越大，而技術進步速率的沖擊對經濟波動則沒有顯著影響，這說明當前技術沖擊對中國地區經濟波動的影響主要通過方向而非速率來起作用。此外，我們還發現，地區經濟波動在時間上呈現顯著的慣性特征，在經濟空間上呈現出顯著的空間相關性。

二、實證模型與估計技術

在這部分中，我們介紹實證分析技術進步方向與經濟波動之間關系的計量模型，并說明使用的估計方法和變量。

（一）實證模型

我們所使用的基準計量模型如下所示：

其中，ins為地區在時期的經濟波動程度，D為地區在時期的技術進步偏向指數，是對經濟波動產生影響的變量集合，ε為隨機擾動項。

托布勒（Tobler, 1970）提出的“地理學第一定律”認為任何事物都存在空間相關，距離越近的事物空間相關性越大。而不同省份之間由于地理或經濟聯系，使得地理距離上或是“經濟距離”上相鄰的地區，其經濟發展存在較大的空間相關性，這一點已有大量文獻證實[①]。因此，我們自然有理由認為不同省份之間的經濟波動同樣存在空間相關性，為此，我們在模型右邊引入了被解釋變量的空間自回歸項。此外，考慮到經濟波動可能存在的持續性特征，我們在模型的右邊還引入了因變量的一階滯后項。因此，我們在基準模型的基礎上構建如下的動態面板計量模型：

其中，為空間自回歸系數，用以度量地區間經濟波動空間自相關性的方向和強度，w（≠）為空間權重矩陣中的第（,）個元素，用以度量地區和之間空間距離的大小，w=0。考慮到遺漏的解釋變量可能存在的空間相關性，我們假定ε存在空間相關性，并滿足如下設定：

，，（3）

其中，m（≠）為空間權重矩陣中的第（,）個元素，η用于測度可能存在的個體固定效應。

（二）估計技術

埃霍斯特（Elhorst, 2010）將差分GMM方法擴展到動態空間面板數據模型中，但是，其研究認為使用這種方法估計動態空間面板數據模型可能導致嚴重的估計偏誤，尤其是對空間自回歸系數的估計。而雅各布斯等人（Jacobs., 2009）則將系統GMM方法擴展到動態空間面板數據模型的估計中，發現相對于差分GMM方法，該方法能有效地減少空間滯后項系數的估計偏誤，因此，本文也采用系統GMM方法來估計式（2）和（3）。首先將式（2）和（3）寫成如下的矩陣形式：

第一步，對式（2）取一階差分，以從擾動項中消除個體效應，得到：

將式（4）與（5）聯立得到：

（6）

為了表述方便，我們將式（6）寫成如下形式：

第二步，利用SYS-GMM方法得到式（4）的參數估計量，并獲得殘差向量：

（8）

其中，=3, 4, … ,；=2, 3, … ,-1，為不包含被解釋變量空間滯后項的解釋變量矩陣，即。為水平方程（4）的工具變量矩陣，由如下的矩條件得到：

（10）

第三步，利用式（8）的SYS-GMM估計量，得到殘差估計量，將該殘差估計量代到如下由卡普爾等人（Kapoor., 2007）所提出的總體矩條件中，即可得到擾動項空間自回歸系數和擾動項的方差的一致估計量：

三、樣本與變量

本文研究的樣本是中國大陸省級地區，由于無法得到海南和重慶在較早年份的數據，且西藏的數據存在大量缺失值，因此，樣本中包含了除海南和西藏以外的28各省級地區，其中重慶并入四川，樣本的時間范圍是1990-2010年。式（3）中的核心解釋變量是各省的D。由于沒有該變量的統計數據，我們使用鄧明（2014）對中國省際技術進步方向指數的估計結果。鄧明（2014）所構建的技術進步方向指數（D）如下所示：

其中，D是地區在時期的技術進步方向指數，E,與E,分別為地區在時期的勞動力效率與資本效率，即勞動擴張型技術進步和資本擴張型技術進步，e∈（0, +∞）為資本與勞動力的替代彈性。可以直接通過替代彈性（e）的大小以及E,/E,的變化定性判斷技術進步的方向：當e<1（勞動力與資本之間是互補的）時，如果E,/E,上升（下降），則技術進步偏向勞動力（資本）；反之，當e>1（勞動力與資本之間是替代的）時，如果E,/E,上升（下降），則技術進步偏向資本（勞動力）；如果e=1，則技術進步是中性的。在最終的結果中，如果D>0，則說明技術進步是偏向資本的；如果D<0，則說明技術進步是偏向勞動力的。在估算式（13）的技術進步方向指數中，需要估算資本-勞動力替代彈性（e）以及勞動力效率（E,）和資本效率（E,），鄧明（2014）采用了克倫普等人（Klump2007）的“標準化供給面系統法”（normalized supply-side system approach）對這些參數進行了估算，該方法有效地解決了勞動力-資本替代彈性的傳統估算方法所存在的系統偏差問題。圖1給出了不同地區技術進步方向指數的箱型圖，從圖中我們可以很直觀地看出，僅僅從平均水平上看，大部分省份的技術進步方向是偏向于資本的；此外，東部發達省區的技術進步方向較之于中西部落后省區更偏向于資本。

圖1 各省技術進步方向指數的箱型圖

地區

為了考察實證分析結果的穩健性，我們采用兩種方法測算經濟波動（ins）：第一種方法直接利用中國各省際地區的實際GDP序列求滾動標準差來度量各地區的經濟波動；第二種方法是利用趨勢分離的方法將GDP序列中的長期趨勢與周期性波動分離出來滯后再對分離出來的周期性波動成分求滾動標準差。在求滾動標準差的過程中，我們需要確定滾動時窗，根據現有研究，改革開放以來，我國的經濟周期跨度平均為6-7年（劉樹成，2009），因此我們將滾動時窗定為7年。我們使用H-P濾波法分離趨勢成分。對于時序變量，H-P濾波的核心是找出使下式（14）最小化的，即為時間序列的長期趨勢部分。

這里，即是各省實際GDP的自然對數。然后用原始序列減去分離出來的長期趨勢部分，可得到周期性波動成分。根據拉文和尤利希（Ravn and Uhlig, 2002）的建議，我們將平滑參數取值為100。對于上述兩種方法得到的經濟波動，我們分別設為1和2。在控制變量集中，我們還引入了如下變量：

（1）技術沖擊（）。我們用全要素生產率的增長率來度量技術進步，并采用基于產出的DEA方法計算表示生產率增長的 Malmquist指數。令和分別表示時期的投入向量和產出向量。時期的生產技術由生產可能性集合定義：={（，）：能夠生產的所有}，進一步定義產出距離函數：

其中，inf表示集合的最大下界。距離函數的取值范圍是小于等于1，即（,）≤1，而且只有當處于決定的生產可能性集的前沿邊界上時才有（,）=1。借助于距離函數，我們可以進一步構造如下的Malmquist 指數：

（16）

利用DEA方法計算Malmquist指數時需要總產出、資本存量和勞動力投入三個變量的數據。我們用GDP度量總產出，并用消費者價格指數將其調整為以1990年為基期的不變價格數據，數據來自于《新中國六十年統計資料匯編》及《中國統計年鑒》；用各年度的就業人員年末人數度量勞動力投入，數據來自于《新中國六十年統計資料匯編》及《中國統計年鑒》；1990-2000年的資本存量數據使用張軍等人（2004）的估算結果，并利用其方法推算了2001-2010年各省的資本存量水平，由于張軍等人（2004）所計算的數據是以1952年為基期的，我們將其轉換為以1990年為基期。

（2）貨幣沖擊（）。貨幣主義學派認為政府的貨幣政策沖擊是經濟波動的主要來源，而貨幣政策變動的最直接反應是通貨膨脹率的變動。因此，類似于計算經濟波動的計算方法，我們用各地區的通貨膨脹率7年的滾動標準差作為貨幣沖擊變量。

（3）財政沖擊（）。雖然凱恩斯理論遭到了新古典理論的批評，但我們依然無法完全忽略財政沖擊對于經濟波動的影響，為消除財政支出的規模差異，我們用政府一般預算支出與GDP的比重來度量財政支出水平，然后用該比率7年的滾動標準差作為財政沖擊變量。

（4）金融發展水平（）。金融發展可以通過緩解流動性需求來減少經濟的波動，我們用金融機構人民幣各項貸款余額占GDP的比重來度量金融發展水平，其中金融機構人民幣各項貸款余額的數據來自于各年度的《中國金融統計年鑒》。

（5）固定資產投資規模（）。固定資產投資在經濟中扮演了重要的角色，特別是在中國，投資是政府調控經濟的重要手段因而也是影響經濟波動的重要因素。我們用全社會固定資產投資占GDP比重來度量固定資產投資規模。

對于空間權重矩陣的設定，我們采用如下形式：

其中，D為地區地區之間的距離，D=0（），該距離可以是傳統的地理距離，也可以是地區間有關經濟、制度和文化方面的廣義“距離”，在本文的研究中，我們認為，首先，由于交通運輸是地區間經濟聯系的重要工具，因此地理相鄰地區的經濟聯系越緊密，其經濟波動的相關性也越強。此外，大量研究表明，中國的地方政府在經濟發展中起到了非常關鍵的作用，具體而言，在以經濟上的高度分權與政治上的高度集權為特征的“中國式分權”背景下，地方政府形成以GDP為目標的標桿競爭（周黎安，2004），這致使經濟發展水平相近地區的經濟發展存在高度相關性；此外，經濟發展水平相近的地區，其經濟結構、階段特征和抵御經濟波動的能力也會較為接近，因此，經濟發展水平相近的地區其經濟波動的相關性也越強。因此，經濟發展不僅存在地理距離上的空間相關性，還存在經濟距離上的空間相關性。在這兩個距離的度量方面，我們用省會之間的鐵路里程來度量地理距離，鐵路里程的數據來源于“中國火車網”中的鐵路里程和票價查詢系統，使用地區間最短的鐵路里程數據；對于經濟距離的度量，我們采用如下的方式：，其中表示地區在樣本年度里的實際GDP的平均值。

上述變量如無特殊說明，數據均來自于各年度的《中國統計年鑒》和《新中國60年統計資料匯編》，[②]表1列出了上述所有變量的描述統計。

表1 變量的描述統計（1990-2009）

四、實證分析結果

（一）基準回歸

首先，我們不考慮被解釋變量和擾動項的空間滯后項，對式（11）的基準模型進行估計。為了克服各省之間可能存在的異方差，在這部分的回歸中我們對估計參數的標準誤差進行了White異方差修正。此外，我們還對使用固定效應模型還是隨機效應模型進行設定檢驗，傳統的檢驗方法是Hausman檢驗，但由于我們對估計參數的標準誤差做了White異方差修正，因此，我們構造了穩健的Hausman檢驗。表2給出的是基準回歸結果。

從表2下部的模型設定檢驗結果顯示，面板設定的F檢驗均在1%的顯著性水平上拒絕了模型無個體效應和時期效應的原假設，表明使用混合最小二乘回歸不恰當；此外，穩健Hausman檢驗同樣均在1%的顯著性水平上拒絕了隨機效應估計有效的零假設，因此我們應該使用固定效應回歸，并同時控制了個體效應和時期效應。

表2 基準回歸結果

注：（1）小括號內數值為回歸系數的White異方差穩健標準誤，中括號內數值為相應檢驗統計量的值；（2）***、**和*分別表示在1%、5%和10%的顯著性水平下顯著，下同。

從表2的基準回歸結果我們可以看出，不論是以1還是2為被解釋變量，也不論是否控制其他解釋變量，技術進步的偏向性都會對經濟波動產生顯著影響，這說明了技術進步的偏向性對于經濟波動作用的穩健性。當不控制其他解釋變量時，技術進步偏向指數每提高1個單位，經濟波動變量1會提高29.844個單位；當引入其他控制變量后，該系數變為21.325。同樣，當不控制其他變量時，技術進步偏向指數每提高1個單位，經濟波動變量2會提高37.023個單位；當控制其他變量時，該系數變為24.3。上述結果告訴我們，技術進步越偏向于資本，經濟波動的程度越大。為何會出現這樣的作用機制？我們認為，這主要是因為技術進步的偏向性對要素收入份額產生了極大影響。阿西莫格魯（Acemoglu, 2002）從理論上證明，如果勞動與資本間是互補的（替代彈性小于1），只要資本相對于勞動增長得更快，在不考慮技術進步的情況下勞動報酬份額會上升。

與技術進步方向對經濟波動的作用相對應的是，技術沖擊變量（）對經濟波動沒有顯著影響。由此可見，從短期來看，技術沖擊對經濟波動的影響主要通過技術進步的偏向性來實現，而技術進步速率的沖擊對經濟波動的作用在短期并不顯著。

在其他控制變量中，財政沖擊對經濟波動有顯著影響，財政沖擊越大，經濟波動越大，這一點在改變度量經濟波動的方式后依然成立。此外，貨幣沖擊對經濟波動有顯著的推動作用，這吻合了貨幣主義學派的觀點，但固定資產投資并未對經濟波動產生顯著影響。金融發展水平能有效抑制地區經濟波動，這說明在中國省際層面，并不存在金融加速器效應。

考慮到外部沖擊對經濟波動產生作用的時間滯后性，我們將回歸模型中的外部沖擊滯后一期再進行回歸，我們利用與前面一樣的技術手段進行了模型設定檢驗與參數估計，表3列出了估計結果。對于三個滯后一期的沖擊變量，我們發現技術沖擊的作用依然不顯著，而貨幣沖擊和財政沖擊的系數估計結果和顯著性水平都有所提高。說明貨幣沖擊和財政沖擊對經濟波動的作用具有一定的時間滯后性，因此，在后面的分析中，對這三個沖擊變量，我們均使用滯后一期的數據進行估計。

表3 基準回歸結果（沖擊變量滯后一期）

注：（1）小括號內數值為回歸系數的White異方差穩健標準誤差，中括號內數值為相應檢驗統計量的值。（2）變量后面的（-1）表示將變量滯后一期，下同。

（二）動態面板數據模型回歸

在表4中，我們引入了稅收努力程度的一階滯后項，試圖檢驗地方政府的稅收努力程度是否存在慣性特征。我們采用系統GMM方法對模型進行估計。在估計過程中，為驗證工具變量的有效性，我們對估計結果進行了Sargan檢驗，并對殘差項是否存在一階和二階序列自相關進行了檢驗。系統GMM可分為一步法和兩步法估計。相比一步法，兩步法不容易受到異方差的干擾，但是在有限樣本條件下，兩步法的標準差可能產生向下偏倚。對此，本文利用溫德梅杰（Windmeijer, 2005）的方法對兩步法標準差的偏差進行矯正。

表4 動態面板數據模型的回歸結果

注：小括號內數值為回歸系數的White異方差穩健標準誤差，下同。

表4與表3中解釋變量的符號和顯著性水平基本一致，說明本文結論對不同的計量回歸方法是穩健的。AR（1）檢驗的值均小于0.1，說明殘差項存在顯著的一階自相關，而AR（2）檢驗的值均大于0.3，說明殘差項不存在二階自相關，符合模型的設定條件；此外，Sargan檢驗的值均大于0.1，說明殘差項與解釋變量不相關，工具變量是合理的。表4中，我們重點關注的是經濟波動一階滯后項的估計結果。估計結果顯示，1的一階滯后項的估計系數為0.236，2的一階滯后項的系數為0.341，兩者均在1%的顯著性水平下顯著。這充分說明地區經濟波動呈現出顯著的持續性特征。其他變量中，除了金融發展水平估計結果的顯著性水平有所降低外，其他結果與表3中的估計結果僅僅存在估計系數大小上的小幅度變動。

（三）空間動態面板數據模型回歸

在表5中，我們報告了對式（2）和（3）的完整估計結果，既包含了被解釋變量的時間滯后項，也包含了被解釋變量的空間滯后項，并使用前文所介紹的系統GMM方法進行估計。

表5 空間動態面板數據模型的回歸結果

注：1是以地理距離構建的空間權重矩陣，2是以經濟距離構建的空間權重矩陣。

表5中模型設定檢驗的結果與表4中是基本一致的。將表5的回歸結果與表2-4的回歸結果對比可以發現，原有的解釋變量的估計結果的方向和大小均未出現太大改變，只是個別解釋變量的顯著性程度有所改變，因此，我們的估計結果是相對穩健的。

我們所關注的是表5中新增加的被解釋變量空間滯后項的估計結果，從表5中可以發現不論對于1還是2，都不存在基于地理距離的空間相關性，但均存在基于經濟距離的空間相關性。具體而言，對于1，經濟上相鄰地區的經濟波動每提高1個單位，會導致本地區的經濟波動提高0.203個單位；而對于2，經濟上相鄰地區的經濟波動每提高1個單位，會導致本地區的經濟波動提高0.118個單位。事實上，出現經濟空間上的波動相關性強于地理空間上的波動相關性是非常好理解的，比如廣東和廣西雖然地理上相鄰，但其經濟發展階段存在較大差距，兩者的經濟波動特征必然由于經濟發展階段的不同而存在較大差異；而廣東和長三角地區雖然不存在地理上的相鄰性，但經濟發展階段較為接近，經濟波動的關聯性可能更強。因此，在對經濟波動進行宏觀調控時，對處于不同發展階段的地區，我們應當根據經濟發展水平進行分塊調控，而不是簡單地根據地理位置進行分塊調控。

五、結束語

實際經濟周期理論告訴我們技術沖擊是導致經濟波動的最重要因素，但是，我們也必須注意到，技術進步的變動不僅僅體現在速率上，還體現在技術進步的方向上，大量研究表明，技術進步不是中性的，而是帶有很顯著的要素偏向性，那么，技術進步的偏向性會對經濟波動產生什么影響呢？為了回答這樣一個問題，本文構建一個動態面板數據模型實證研究了技術進步的偏向性對經濟波動的影響。

本文的研究結果表明，技術進步的偏向性顯著影響了中國的地區經濟波動，具體而言，技術進步越偏向于資本，經濟波動程度就越大。究其原因，我們認為，技術進步的資本偏向導致了收入份額中資本份額的提高，使得資產性收入在收入來源中的比重高于工資性收入，從而導致經濟波動。即使改變度量經濟波動的方式，上述結論依然成立。而技術進步速率的沖擊對經濟波動則沒有顯著影響。這說明當前技術沖擊對中國地區經濟波動的作用主要通過技術進步的方向而非速率起作用，這是本文最重要的發現，也拓展了現有文獻關于技術進步與經濟波動的研究。此外，我們發現財政沖擊會顯著影響經濟波動，但這并不能說明凱恩斯理論比新古典理論能更好地解釋中國地區經濟波動，主要是因為我們是基于同期的技術沖擊數據與經濟波動數據來考察兩者之間的關系。此外，貨幣沖擊會強化經濟波動，而完善的地區金融體系則能有效地抑制地區經濟波動。而且，我們還發現，地區經濟波動在時間上呈現顯著的慣性特征，而且在經濟空間上同樣呈現出顯著的空間相關性，這種時空上的相關性加大了對經濟波動宏觀調控的難度。

本文研究為抑制經濟波動提供了一個新的工具，即尋找誘使技術進步偏向于勞動力的政策工具。阿西莫格魯（2002）認為，要素相對投入是影響技術進步偏向的重要因素。但是在當前中國老年人口撫養比不斷上升、資本不斷深化的背景下，為何出現技術進步的資本偏向性這樣一個相悖的現象？鄧明（2014）則發現，要素價格扭曲是導致中國老年人口撫養比上升背景下技術進步依然偏向于資本的一個重要因素。因此，我們建議，必須全面加快和推進要素市場的市場化改革，形成合理有效的要素價格特別是勞動力價格形成機制，這樣能有利于勞動力報酬的提高，誘使技術進步偏向于勞動力，從而進一步平滑經濟波動。

1. 陳師、趙磊：《中國的實際經濟周期與投資專有技術變遷》[J]，《管理世界》2009年第4期。

2. 戴天仕、徐現祥：《中國的技術進步方向》[J]，《世界經濟》2010年第11期。

3. 鄧明：《人口年齡結構與中國省際技術進步方向》[J]，《經濟研究》2014年第3期。

4. 黃賾琳：《技術沖擊和勞動供給對經濟波動的影響分析——基于可分勞動RBC模型的實證檢驗》[J]，《財經研究》2004年第6期。

5. 簡澤：《技術沖擊、資本積累與經濟波動——對實際經濟周期理論的一個檢驗》[J]，《統計研究》2005年第11期。

6. 林光平、龍志和、吳梅：《我國地區經濟收斂的空間計量實證分析》[J]，《經濟學（季刊）》2005年增刊。

7. 劉樹成：《新中國經濟增長60年曲線的回顧與展望——兼論新一輪經濟周期》[J]，《經濟學動態》2009年第10期。

8. 徐舒、左萌、姜凌：《技術擴散、內生技術轉化與中國經濟波動》[J]，《管理世界》2011年第3期。

9. 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年第10期。

10. 周黎安：《晉升博弈中政府官員的激勵與合作——兼論我國地方保護主義和重復建設問題長期存在的原因》[J]，《經濟研究》2004年第6期。

11. 朱國忠、喬坤元、虞吉海：《中國各省經濟增長是否收斂？》[J]，《經濟學（季刊）》2013年第3期。

12. Acemoglu, D., 2002, “Directed Technical Change” [J],, 69(4), PP. 781-809.

13. Acemoglu, D., 2007, “Equilibrium Bias of Technology” [J],, 75(5), PP. 1371-1409.

14. Elhorst, J. P., 2010, “Dynamic Panels with Endogenous Interaction Effects when T is Small” [J],, 40(5), PP. 272-282.

15. Hicks, J. R., 1932, “The Theory of Wages” [M], London: Macmillan.

16. Jacobs, J. P. A. M., Ligthart, J. E. and Vrijburg, H., 2009, “Dynamic Panel Data Models Featuring Endogenous Interaction and Spatially Correlated Errors” [C], Discussion Paper 2009-92, Tilburg University, Center for Economic Research.

17. Kapoor, M., Kelejian, H. and Prucha, I., 2007, “Panel Data Models with Spatially Correlated Error Components” [J],, 140(1), PP. 97-130.

18. Kydland, F. and Prescott, E., 1982, “Time to Build and Aggregate Fluctuations” [J],, 50(6), PP. 1345-1370.

19. Klump, R., McAdam, P. and Willman, A., 2007, “Factor Substitution and Factor-Augmenting Technical Progress in the United States: A Normalized Supply-Side System Approach” [J],, 89(1), PP. 183-192.

20. Panik, M. J., 1976, “Factor Learning and Biased Factor-Efficiency Growth in the United States, 1929-1966” [J],, 17(3), PP. 733-739.

21. Ravn, M. O. and Uhlig, H., 2002, “Notes on Adjusting the Hodrick-Prescott Filter for the Frequency of Observations” [J],, 84(2), PP. 371-380.

22. Tobler, W. R., 1970, “A Computer Movie Simulating Urban Growth in the Detroit Region” [J],, 46, PP. 234-240.

23. Wilkinson, M., 1968, “Factor Supply and the Direction of Technological Change” [J],, 58(1), PP. 120-128.

24. Windmeijer, F., 2005, “A Finite Sample Correction for the Variance of Linear Efficient Two-Step GMM Estimators” [J],, 126(1), PP. 25-51.

（M）

中國博士后科學基金項目“城市間土地財政的競爭外溢與房價的空間傳導”（2012M510670）、教育部人文社會科學研究一般項目“空間似無關回歸模型：參數估計、設定檢驗及其應用”（13YJC910003）、全國統計科研計劃項目“時變系數的空間面板數據模型——理論與應用”（2012LY015）。