固定資本投入對經濟增長貢獻的部門差異與時變特征

李鵬

（1.鄭州航空工業管理學院經貿學院；2.航空經濟發展河南省協同創新中心，河南鄭州450046）

一、引言

資本投入依然是我國保持經濟增長的最主要來源（余泳澤，2015），而固定資本的投入是最重要的組成部分（程惠芳等，2010），甚至扮演著極其重要的角色（車士義等，2011）。在2008年我國政府出臺的“四萬億”經濟刺激計劃中，高達38%的資金被用于基礎設施投資建設。然而，一個被學者們關注的現象是，20世紀90年代以來，在固定資本投入的各類資金來源構成中，來自政府部門的預算資金占比越來越少，銀行部門的信貸資金占比也緩慢下降，而自籌資金則穩步上升（胡永平等，2003），即出現內部融資為主和外部融資為輔的格局（林建浩等，2013）。一些學者甚至開始擔憂信貸資金被“邊緣化”，或者說信貸資金對經濟增長的推動作用被弱化。那么，這些來自銀行部門的信貸資金和企業自身的資金投入對經濟增長的貢獻度究竟有多大？不同部門固定資產資金投入對經濟增長的貢獻存在何種差異？進一步地，王國靜等（2014）還發現信貸資金占比伴隨經濟周期呈現較為強烈的波動現象，但遺憾的是沒有對此進行更加深入的研究。這又引發思考，資金投入的部門差異對經濟增長的貢獻是否具有時變特征？

上述問題研究有助于厘清各類資金投入在經濟增長中的作用，增強政府制定宏觀經濟政策的有效性。當前，相關研究主要集中在兩個方面，一是固定投資總量變動對經濟增長的影響，如劉偉（2006）、王云（2010）、金春雨（2013）、文小才（2014）等運用VAR等方法肯定了固定資產投資對經濟增長的促進作用；二是固定資產投資的結構變動層面。從資金來源的所有制角度，田澤永等（2008）認為民營資本是促進區域經濟協調發展的最重要力量；從區域差異角度，任歌（2011）等認為中部地區固定資產投資對經濟增長的影響顯著高于東西部地區；從資金來源部門視角，張華嘉等（1999）發現1978—1997年間不同部門資金投入對經濟增長的貢獻度從高到低依次為自籌資金和其他資金、外國投資、銀行貸款和國家預算內資金。劉瀾飚等（2008）、郭杰（2010）、張清玉（2016）等學者也得出了類似的結論。盡管相關研究已相當豐富，但仍存在一些不足，一方面資金投入對經濟增長的貢獻度測度定量研究不夠深入，另一方面對不同時期貢獻度變化的時變特征研究也較少。此外，在實證研究分析方法上，現有研究較多使用固定參數的自回歸模型進行建模分析，而忽視時變參數模型研究，在研究方法科學性方面存在一定欠缺。這些問題為本文的后續研究提供了空間，也是本研究的貢獻所在。本文安排如下：第二部分提出資本投入對經濟增長貢獻度的測算方法，第三部分基于該方法測算了不同部門資本投入對經濟增長的貢獻度，第四部分基于TVP-VAR模型進行實證研究，第五部分為結論及啟示。

二、資本投入對經濟增長貢獻度的測算方法

與付亞斌、黃順緒和李成（2007）以及劉瀾彪等（2008）對索羅生產函數進行分解不同，本文采用更切合實際的CD生產函數，在對其分解的基礎上測算不同部分資本投入對經濟增長的貢獻度。CD函數的基本形式為Y(t)=AKαLβ，A代表技術水平，K和L分別代表投入的資本和勞動力，α和β分別代表資本和勞動的產出彈性。為更加符合當前經濟運行特征，需要對CD生產函數做兩點修正：一是修正了技術進步不變的原有假設，而假設技術以λ的速度發生變化。這是由于當代技術進步日新月異，對產出的影響也越來越大，假設技術進步不變顯然不符合實際情況。二是將資本的來源按部門劃分為來自銀行的信貸資金和來自企業的自籌投資兩部分，以量化不同資本投入部門對經濟增長的貢獻程度。這樣CD生產函數就修正為：

其中A(t)表示t時期的技術水平，且A(t)=A0eλt；K1為銀行信貸投入量；K2為自籌資金投入量；L為勞動投入。α1、α2和β分別為信貸資金、自籌資金和勞動的投入產出彈性。

對（1）式兩邊取對數后對t求導，得到：

由于實際中Y、K、L都為離散變量，故可用增量近似代替微分，得到：

令y=，，則上式可寫成：

式（3）中y為產出增長速度，λ為技術進步速度，k1為信貸投入增長速度，k2為自籌資金投入增長速度，l為勞動力投入增長速度。為了簡化計算同時更加反映實際經濟增長及資金投入變化等狀況，將式（3）中的變量全部減去勞動力的增長速度，令

那么，在估算出的基礎上，信貸資金和自籌資金對經濟增長的貢獻率為：

三、資本投入對經濟增長的貢獻度測算

（一）資本的投入產出彈性估計

鑒于我國各地區經濟增長差異較大，對全國性數據進行建模分析現實意義較弱，而河南省作為傳統農業大省和新興的工業大省，可以說是我國國民經濟發展的縮影，同時長期以來河南省經濟總量位居我國第五位，具有較強的代表意義。因此，本文選取河南省作為分析樣本。根據上述理論模型推導結果，本文選擇人均國內生產總值作為反映實際產出的指標，人均信貸資金投入、非銀行信貸投入、勞動力投入和科技進步指標作為反映實際要素投入的指標。勞動力投入指標為河南省城鄉從業人員數量?？萍歼M步指標為發明專利、實用新型專利和外觀設計專利等三項專利之和。以g表示人均GDP增長率，以lloan表示人均銀行信貸投入增長率，以zc表示人均自籌資金投入增長率，以ntec表示人均科技投入增長率。此外，為分析制度變化對產出的影響，在回歸模型中加入反映制度變化的時間虛擬變量d。時間虛擬變量d分界點設置為1998年，主要基于以下兩方面因素：一是我國信貸管理制度在1998年發生較大變化，從原來的央行直接控制銀行信貸規模轉變為資產負債比例管理。銀行在信貸決策中的主動性增強，標志著我國信貸制度的市場化管理趨勢正式確立，也意味著信貸資源配置的方式從指令性計劃向市場化主導轉變。二是為了應對亞洲金融危機給我國經濟帶來的負面影響，1998年財政政策導向開始從穩健轉向積極。同時，1994年的財政分權改革政策效應越來越突出，地方財政對資金配置的干預越來越明顯，非信貸資金對經濟的影響更為顯著。按照虛擬變量賦值方法，本文將1998年以前d值賦值為0，1998年以后則賦值為1。為了保證數據的可靠性和完整性，舍棄20世紀80年代的樣本數據點，主要是考慮到我國20世紀90年代初期市場化的經濟改革開始加速，數據建模起點設置在1992年，分析研究的現實意義更加明晰。因而，本文數據分析區間設定為1992—2015年，所有數據均來源于各年的《河南統計年鑒》和《河南改革開放30年年鑒》。為了消除物價變化的影響，本文的數據以1986年不變價為基礎進行調整。數據建模軟件為stata11。表1顯示了各變量的主要統計特征。

表1：變量統計特征表

依照（4）式的理論推導，本文建立以g為因變量，以lloan、zc和ntec為自變量，同時加入反映制度變化虛擬變量的多元線性回歸模型，對銀行信貸投入的產出彈性進行估計。在進行估計前，對所有變量進行單位根檢驗，檢驗結果表明均為平穩的時間序列，不存在單位根，即不存在偽回歸問題，可以進行數據建模分析?？紤]到信貸資金投入存在一定的滯后性，因而在模型估計時將信貸資金滯后一期。表2列出了不同模型設定下的穩健性估計結果。在模型（1）中加入了所有解釋變量，同時虛擬變量以截距項和交叉項的形式進入模型，估計結果顯示lloan(-1)和ntec(-1)的系數均不顯著，同時系數值為負，不符合變量的經濟含義，因而模型（1）應該舍棄。在模型（2）中去掉模型（1）中系數不顯著的lloan(-1)?d交叉項，僅加入zc(-1)?d交叉變量，但估計結果表明zc(-1)?d的系數值為負，其絕對值甚至超過了zc(-1)的估計系數，這意味著1998年之后，自籌資金對經濟增長的貢獻為負，這顯然也與客觀事實不符。此外，模型（2）中lloan(-1)和ntec(-1)的系數同樣不顯著。因此，模型（2）也應舍棄。然而，模型（2）中d系數值在0.01的置信水平上顯著，這反映制度變化產生的影響更加廣泛，不僅僅影響自籌資金和信貸資金的投入效率，也可能影響專利等科技因素投入對經濟增長的作用，因而虛擬變量應以水平項方式加入模型，在模型截距項上加以反映。進一步地，在模型（3）中去掉zc(-1)?d，但遺憾的是ntec(-1)系數不顯著，與科技投入對經濟增長一般存在正向促進作用的常識不符，這表明模型（3）也應舍棄。實際上，相比于各類資金投入，專利的申請到轉化為現實生產力需要的時間周期更長，因而將專利代表的科技投入變量滯后二期，在模型（4）中進行估計。估計結果表明，ntec(-2)系數值不僅增大而且顯著，同時模型（4）中各個變量系數均顯著，與各自經濟含義也完全符合。最后，從模型估計整體顯著性上判斷，模型（4）F值最小，顯示該模型擬合能力較強。

為進一步驗證模型（4）的有效性，對其進行自相關、異方差和多重共線性等相關檢驗。首先進行DW檢驗，驗證是否存在自相關問題，結果顯示DW值為1.2774，查閱DW統計量臨界表發現，不能完全判斷存在自相關問題。因而，為得到穩健性估計結果，本文在模型（4）估計時采用異方差一致協方差估計（HAC）。進一步地，為驗證模型（4）中各個變量間是否存在多重共線問題，計算各個變量的方差膨脹因子（VIF），結果顯示各個變量的VIF值最大值為2.5206，大大低于臨界值10，表明模型也不存在多重共線問題。綜上判定，模型（4）為最佳計量模型，自籌資金投入的產出彈性為0.3152，而信貸資金的產出彈性為0.2038。

（二）貢獻度測算及分析

在計算出信貸資金和自籌資金的產出彈性后，按照（5）式可以計算出河南省各年的銀行信貸資金和自籌資金對經濟增長的貢獻度，具體測算結果見表3。

按照表3的測算結果，1993—2015年間，信貸資金對河南省經濟增長的貢獻度均值為27.47%，而自籌資金的貢獻度均值為44.59%。這表明，自籌資金對經濟增長的貢獻度相對更高。從圖1可以清晰地看出，信貸資金對經濟增長貢獻度的第一個高峰出現在1993年左右。當時我國宏觀經濟出現過熱，固定投資增幅較大，帶動了銀行信貸的大量投入。1992年的信貸資金投入同比增長達到64.8%的歷史高點。這使得信貸資金對經濟增長的貢獻度也達到高點。然而，由于固定投資領域過熱，政府開始實行緊縮性貨幣政策，信貸資金供給迅速減少，信貸資金的貢獻度也隨之下降。相反地，隨著20世紀90年代初期我國市場化經濟改革趨勢的確立，民間投資意愿不斷增強，企業自籌資金對經濟增長的貢獻度不斷走高。1995年，甚至出現自籌資金貢獻度超過信貸資金的逆轉情況，這也使得1995年成為信貸資金和自籌資金對河南省經濟增長貢獻度變化的分界點。亞洲金融危機過后，我國出現了較為嚴重的銀行“惜貸”現象（李宇嘉，2007），銀行為了避免亞洲金融危機帶來信用風險敞口暴露而大幅收縮貸款（張勇，2010），而同期河南省來源于銀行信貸資金的固定資產投入也在大幅減少。1993年信貸資金在各類資金中的占比高達25.46%，而到了1998年則降到了17.28%。同時，由于固定資產投資項目建設周期長，資金需求量大，盡管銀行主動收縮資金，但是企業卻不得不繼續投入資金維持項目運轉。這也使得1999年自籌資金對經濟增長的貢獻度達到高點。2001年，我國加入世界貿易組織，外部需求被打開，國內宏觀經濟步入新的增長階段，河南省銀行信貸和自籌資金對經濟增長的貢獻度呈現同步增加態勢，在2003年達到第二個高峰。此后，自籌資金對經濟增長的貢獻度呈現高位震蕩之勢，整體上高于信貸資金的貢獻度。銀行信貸對經濟增長的第三個高峰出現在2014年前后。這主要是由于從2008年下半年開始我國政府為應對次貸危機實施了相對寬松的貨幣政策和財政政策，大量增加的銀行信貸資金為政府主導的投資項目進行資金配套，提高了信貸資金對經濟增長的貢獻度。在政府高達4萬億的投資計劃刺激下，企業自籌資金投入的積極性也被充分調動。從圖1中可以看到，自籌資金對經濟增長的貢獻度幾乎同時達到了高點。

圖1：信貸資金（實線）和自籌資金（虛線）經濟貢獻度對比

此外，從圖1中我們還可以看到，無論是信貸資金還是企業自籌資金對經濟增長的貢獻度都存在明顯的波動性，且這種時變特征在1999年以后更加凸顯。因而，在第四部分中，本文將采用能夠捕捉到這種時變特征的變參數向量自回歸模型（簡稱TVPVAR模型）對其建模并進行深入分析。

四、實證研究

（一）TVP-VAR模型推導

基于（6）式的結構VAR模型，可以逐步推導出TVP-VAR模型。結構VAR模型的基本形式如下：

其中A和F1，…，Fs代表k×k維的系數矩陣，yt代表由觀測變量構成的k×1維向量，擾動項ut表示k×1維結構沖擊。假設擾動項ut～N(0,∑∑)，A是一個下三角矩陣，用遞歸法對其結構沖擊進行識別。

表3：河南省信貸資金與自籌資金對經濟增長的貢獻度

則模型（6）可寫為（7）式：

其中，Bi=A-1Fi，i=1，…，。將所有Bi的行向量堆疊，形成一個新的矩陣β(k2s×1)，定義，其中?代表克羅內克積，從而模型（7）可寫成以下簡寫形式：

從（8）式中可以看到，所有參數都不隨時間變化。為了能夠捕捉參數的時變特征，將（8）式擴展成以下形式：

這樣，（9）式即為TVP-VAR模型的表達形式。在具體參數估計方面，Primiceri（2005）認為只要事先嚴格假定擾動項的協方差矩陣，可以有效避免時變參數不合理變動造成的誤差。令αt=(α21,α31,α32,α41,…,αk,k-1)′表示下三角矩陣At中元素的堆疊向量，同時令ht=(h1t,…,hkt)′，其中hjt=logσ2jt，j=1,…,k，t=s+1,…,n。進一步地，假設（9）式中的參數遵循以下隨機游走過程：

其中，t=s+1,…,n，βs+1～N(uβ0,∑β0)，。這意味著時變參數βt、αt、ht之間的新息沖擊不相關，同時能夠捕捉經濟結構的突變。為了克服由此帶來的過度識別問題，Nakajima（2011）認為采用Markov鏈蒙特卡洛法（MCMC）估計更為精確和有效。

（二）參數估計

按照上述變量選擇和模型推導，本文分別建立包含人均實際GDP增長率、信貸資金和自籌資金對經濟增長的貢獻度、CPI變化率的TVP-VAR模型。加入物價水平指標是作為控制變量以控制系統的內生性。借助OxMetrics6.0軟件實現數據模擬和參數估計。在估計中根據經驗將參數初值設定如下：

先驗假定：

利用MCMC方法模擬10000次，得到有效樣本。此外，在進行估計前，對各個變量進行ADF平穩性檢驗，結果表明各變量均在1%顯著性水平上平穩。同時，對各變量進行CF濾波，將獲得的周期性波動數據進行建模分析。鑒于篇幅，僅列出包含信貸資金貢獻度的估計方程結果。圖2顯示了樣本自回歸系數、樣本路徑和后驗密度。從中可以看到樣本自回歸系數穩定下降，樣本路徑圖也顯示數據平穩，這都表明通過預設參數的MCMC抽樣獲得了不相關的有效樣本，估計結果是可靠的。

圖2：自回歸系數、樣本路徑和后驗分布

（三）實證結果分析

1.時點脈沖響應。圖3顯示了以1999年為時點的經濟增長率對信貸和自籌資金的響應。從圖中可以看到，在1999年時點上，經濟增長率對信貸資金1個標準差正向沖擊相應的響應為正，并大約在第2期達到0.01的響應峰值，而隨后則快速下降，并逐步收斂到零的水平。這表明經濟增長率對信貸資金的響應出現明顯的短期沖擊特征。相比之下，經濟增長對自籌資金的1個標準差正向沖擊響應出現明顯的長期波動震蕩特征，并在沖擊后的第4期左右達到峰值0.05的水平。從響應值水平上看，經濟增長對自籌資金的響應更大。從滯后期來看，自籌資金對經濟增長的影響更加持久，大約在第15期以后響應才逐漸消失。這表明1999年以后，自籌資金對經濟增長的長期影響更加明顯。

2.時期脈沖效應。從圖4中我們可以看到，在滯后三期內，經濟增長率對兩類資金的響應值有正有負，且響應值在不同期限出現明顯結構性差異。從絕對值水平來看，經濟增長率對自籌資金沖擊的響應值在滯后各期均大于信貸資金。這說明自籌資金的變化對經濟增長的影響更大，反映了固定資產投入中企業自籌資金的重要性。從響應期限結構上看，信貸資金的變化在滯后1期對經濟增長的影響較大，第2期和第3期的影響較弱，再次反映了信貸資金對經濟增長的短期性影響特征。而自籌資金的變化在滯后第2期對經濟增長的影響均較大，但在第1期的影響較小。從圖4中，也可以看到自籌資金對經濟增長影響的波動性較大。為更加清晰地觀察在更長時期內兩者對經濟增長的影響特征，接下來進行更加全面的全樣本脈沖響應分析。

圖3：經濟增長率對信貸資金（左）和自籌資金（右）的時點響應

圖4：經濟增長率對信貸資金（左）和自籌資金（右）的時期響應

3.全樣本脈沖響應。為得到更加穩健的結果，圖5顯示了各個時點和時期的全樣本脈沖三維響應圖。從圖中可以清晰地看到，信貸資金在短期內對經濟增長的影響均較大，在第2期達到最大值，而后響應值快速降低，大約在第5期降為零左右，并在后續的期間內基本保持不變。然而，經濟增長對自籌資金的沖擊響應更為敏感，時變性也較強，呈現明顯的波浪式運動特征。經濟增長對自籌資金的響應從高點0.05左右，逐步震蕩走低，并逐漸向零值收斂。這充分說明，自籌資金對經濟增長影響的時變特征更加突出。

圖5：經濟增長率對信貸資金（左）和自籌資金（右）的全樣本脈沖響應

五、結論及啟示

現階段我國經濟社會仍處在轉型期，經濟增長仍離不開固定資本的投入。固定資產投資仍是我國地區經濟增長的重要動力源之一（沈坤榮等，2004；潘文卿，2012）。為探究不同部門資金投入對經濟增長產生的不同影響，本文選取河南省作為分析樣本，測算銀行部門的信貸資金和企業自身的自籌資金對經濟增長的貢獻度，并運用TVP-VAR模型對兩者進行實證研究。研究結果表明：第一，銀行信貸對河南省經濟增長的平均貢獻度為27%左右，高于付亞斌、黃順緒和李成（2007）等測算的信貸資金對我國經濟增長的平均貢獻度水平，表明信貸資金對河南省經濟增長的促進作用要高于全國平均水平。第二，在絕對值水平上，與自籌資金相比，信貸資金對經濟增長的貢獻度仍然較低，這表明存在明顯的部門差異。林建浩等（2013）認為這可能是由于不同所有制企業的融資約束差異導致的，非國有企業在經濟中所占比重越來越高，但是卻不能從銀行獲得更多融資支持。第三，兩類資金貢獻度變化對經濟增長的沖擊也存在明顯差異。短期內經濟增長對自籌資金貢獻度的沖擊更為敏感，時變特征明顯。信貸資金貢獻度變化對河南省經濟增長的沖擊較小且相對穩定。

這些結論給予以下啟示：首先，在當前宏觀經濟處于新常態背景下，要穩定信貸投放規模，保證全社會融資的正常運行。實證結果表明，信貸投入對經濟增長的貢獻度相對穩定，要在保持信貸適度增長的同時，加快信貸結構的微調，使之與產業結構調整相協調。其次，信貸資金對經濟增長的貢獻較低，這從側面表明了加快我國金融體制改革的重要性。不能一味強調信貸資金投入的規模，而應更加重視提高信貸資金使用效率。再次，處理好政府投資與市場化投資之間的關系。政府在投資方面主要發揮引導作用，引導企業自籌資金的投向，發揮“催化劑”的作用。此外，政府需進一步簡政放權，增強企業投資的自主權，拓寬企業自身的籌資途徑，降低企業籌資成本，增強企業自主投資能力，提高經濟增長的內生性。最后，還需注意和強調的是，資本投入對經濟增長的影響是短期性的，長期內政府要在教育、科技和創新方面加大投入，為實現經濟增長由投資驅動向創新驅動轉化奠定良好基礎。

[1]Primiceri.2005.Time Varying Structural Vector Auto-regressions and Monetary Policy[J].The Review of Economic Studies，72（3）.

[2]Nakajima，Kasuya，Watanabe.2011.Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J].Journal of the Japanese and International Economies，25（3）.

[3]余泳澤.改革開放以來中國經濟增長動力轉換的時空特征[J].數量經濟技術經濟研究，2015，（2）.

[4]程惠芳，岑麗君.FDI、產業結構與國際經濟周期協動性研究[J].經濟研究，2010，（9）.

[5]車士義，郭琳.結構轉變、制度變遷下的人口紅利與經濟增長[J].人口研究，2011，（2）.

[6]胡永平，祝接金.我國固定資產投資結構分析[J].經濟問題探索，2003，（2）.

[7]林建浩，王美今.中國宏觀經濟波動的“大穩健”——時點識別與原因分析[J].經濟學季刊，2013，（1）.

[8]王國靜，田國強.金融沖擊和中國經濟波動[J].經濟研究，2014，（3）.

[9]劉偉，王汝芳.中國資本市場效率實證分析——直接融資與間接融資效率比較[J].金融研究，2006，（1）.

[10]王云，趙斌.基于SVAR模型的居民消費——固定資產投資與經濟增長研究[J].商業研究，2010，（12）.

[11]金春雨，韓哲，張浩博.基于Panel-VAR模型的我國金融業發展與經濟增長關聯性的計量檢驗[J].管理評論，2013，（1）.

[12]文小才.中國固定資產投資的增長效應和波動——基于1981年～2012年的時間序列數據[J].經濟經緯，2014，（9）.

[13]田澤永，江可申，謝忠秋.固定資產投資對經濟增長貢獻的比較——基于東、中、西部面板數據的分析[J].預測，2008，（1）.

[14]任歌.我國固定資產投資對經濟增長影響的區域差異性研究[J].財經論叢，2011，（9）.

[15]張華嘉，黃怡盛.固定資產投資與經濟增長——對1978-1997年中國經濟的實證分析[J].世界經濟文匯，1999，（6）.

[16]劉瀾彪，王博.融資來源、投資效率與中國的經濟增長[J].經濟學動態，2008，（2）.

[17]郭杰.財政支出與全社會固定資產投資——基于中國的實證研究[J].管理世界，2010，（5）.

[18]張清玉.基于結構調整的河南財政投資效益提升研究[J].鄭州航空工業管理學院學報，2016，（6）.

[19]付亞斌，黃順緒，李成.我國銀行信貸對經濟增長貢獻測度[J]，統計與決策，2007，（8）.

[20]李宇嘉，陸軍，陳千里.貸款損失準備金與信貸緊縮[J].當代經濟科學，2007，（5）.

[21]張勇.銀行非自愿超額準備金周期性波動與貨幣政策的有效性[J].數量經濟技術經濟研究，2010，（10）.

[22]沈坤榮，孫文杰.投資效率、資本形成與宏觀經濟波動——基于金融發展視角的實證研究[J].中國社會科學，2004，（6）.

[23]潘文卿.中國的區域關聯于經濟增長的空間溢出效應[J].經濟研究，2012，（1）.