新克強(qiáng)指數(shù)與貴州省經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)關(guān)系
——基于VAR-VEC模型研究

陳 琴

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院,貴州 貴陽(yáng) 550025）

一、引言

改革開(kāi)放以來(lái),中國(guó)速度不斷刷新,高速猛增的GDP 數(shù)字背后的真實(shí)性也隨之備受關(guān)注。2007年,李克強(qiáng)總理提出可以三個(gè)指標(biāo)來(lái)衡量當(dāng)時(shí)遼寧省的經(jīng)濟(jì)發(fā)展?fàn)顩r,分別是工業(yè)用電量、鐵路貨運(yùn)量和銀行中長(zhǎng)期貸款發(fā)放量。2010 年《經(jīng)濟(jì)學(xué)人》將其定義為“克強(qiáng)指數(shù)”,認(rèn)為它能更真實(shí)反映中國(guó)的經(jīng)濟(jì)。之后花旗銀行分別賦予三個(gè)指標(biāo)40%、25%、35%的權(quán)重,這就形成了最初完整的“克強(qiáng)指數(shù)”。然而,隨著我國(guó)經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化,第三產(chǎn)業(yè)占比已躍居中國(guó)經(jīng)濟(jì)首位,重工業(yè)時(shí)期的指明燈“克強(qiáng)指數(shù)”不能再準(zhǔn)確客觀地反映如今的經(jīng)濟(jì)發(fā)展規(guī)模和態(tài)勢(shì)。因此,新常態(tài)下的中國(guó)也需要“新克強(qiáng)指數(shù)”來(lái)重新刻畫(huà)正朝著創(chuàng)新拉動(dòng)、立足內(nèi)需、重心向第三產(chǎn)業(yè)傾斜的中國(guó)新經(jīng)濟(jì)。

在2015 年的政府工作報(bào)告中,我國(guó)的經(jīng)濟(jì)結(jié)構(gòu)發(fā)生了重大變化,一般預(yù)算公共收入增長(zhǎng)了8.6%,能耗強(qiáng)度卻反降了4.8%,傳統(tǒng)的重工業(yè)與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)反比例關(guān)系。另外,研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出與國(guó)內(nèi)生產(chǎn)總值之比超2%,可見(jiàn)我國(guó)正逐漸轉(zhuǎn)向了創(chuàng)新型低消耗這一經(jīng)濟(jì)新方向。因此,克強(qiáng)指數(shù)需要加入新的指標(biāo)來(lái)以此對(duì)新經(jīng)濟(jì)進(jìn)行衡量,研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出與國(guó)內(nèi)生產(chǎn)總值之比與能耗強(qiáng)度這兩個(gè)新指標(biāo)便為“新克強(qiáng)指數(shù)”的構(gòu)造奠定了基礎(chǔ)。

在之前依靠工業(yè)快速發(fā)展的中國(guó),克強(qiáng)指數(shù)能較好地衡量經(jīng)濟(jì)狀況。但盧峙宏（2016）[1]利用2007 年數(shù)據(jù)進(jìn)行回歸分析時(shí),發(fā)現(xiàn)克強(qiáng)指數(shù)對(duì)第二產(chǎn)業(yè)的 GDP 有極佳的顯著性,而對(duì)第一第三產(chǎn)業(yè)GDP 回歸結(jié)果卻不顯著。由此可見(jiàn),對(duì)于以第三產(chǎn)業(yè)為核心發(fā)展的地區(qū),克強(qiáng)指數(shù)并不能作為任何評(píng)價(jià)經(jīng)濟(jì)的參考依據(jù),越來(lái)越多的學(xué)者便開(kāi)始重新構(gòu)建新克強(qiáng)指數(shù),引入更多適合新發(fā)展的指標(biāo)來(lái)描述經(jīng)濟(jì)發(fā)展?fàn)顩r。董雨和馬冰（2015）[2]引入研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出占 GDP 比重、中長(zhǎng)期貸款發(fā)放量和能耗強(qiáng)度來(lái)重新構(gòu)建“克強(qiáng)指數(shù)2.0”,利用Pearson 相關(guān)系數(shù)檢驗(yàn)與回歸方程分析方法,基于1995—2013 年數(shù)據(jù)證實(shí)了前兩個(gè)指標(biāo)與GDP 表現(xiàn)為正相關(guān),能耗強(qiáng)度與 GDP 呈負(fù)相關(guān),并加入城鎮(zhèn)人均可支配收入作為參考標(biāo)準(zhǔn),使新克強(qiáng)指數(shù)的準(zhǔn)確性和實(shí)用性得到了有效檢驗(yàn)。徐強(qiáng)和陶侃（2017）[3]在原克強(qiáng)指數(shù)基礎(chǔ)上增加就業(yè)和收入方面的指標(biāo),研究發(fā)現(xiàn)新克強(qiáng)指數(shù)更能反映中國(guó)經(jīng)濟(jì)的一般規(guī)律。

新克強(qiáng)指數(shù)的誕生體現(xiàn)著經(jīng)濟(jì)治理思路的調(diào)整,反映著我國(guó)將構(gòu)建以收入帶動(dòng)消費(fèi)、創(chuàng)新帶動(dòng)就業(yè)的新經(jīng)濟(jì)社會(huì),本文基于此經(jīng)濟(jì)大趨勢(shì),以R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度作為新克強(qiáng)指數(shù)指標(biāo)。改革開(kāi)放以來(lái),西部大開(kāi)發(fā)給貴州帶來(lái)發(fā)展良機(jī),通過(guò)大量的道路建設(shè)與周圍各省進(jìn)行互聯(lián)互通,并以輕重工業(yè)結(jié)合,與此積極發(fā)展第三產(chǎn)業(yè),貴州的建設(shè)如火如荼,近十年的GDP 增速連續(xù)位列全國(guó)前三。貴州的經(jīng)濟(jì)社會(huì)發(fā)展始終“堅(jiān)守生態(tài)和發(fā)展兩條底線”,因此新克強(qiáng)指數(shù)更加適合于描述工業(yè)欠發(fā)達(dá)的貴州經(jīng)濟(jì)狀況。

目前關(guān)于新克強(qiáng)指數(shù)的研究較少,且大多都是基于國(guó)家層面,具體到省級(jí)區(qū)域的則更為缺乏。本文選取1987—2019 年的貴州省相關(guān)數(shù)據(jù),基于VAR模型對(duì)GDP、R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度進(jìn)行協(xié)整分析,建立向量誤差修正模型,判斷變量間的Granger 關(guān)系,之后進(jìn)行脈沖效應(yīng)和方差分解分析,以此深入研究新克強(qiáng)指數(shù)與貴州經(jīng)濟(jì)的動(dòng)態(tài)關(guān)系。根據(jù)得出的計(jì)量關(guān)系提出政策建議。

二、數(shù)據(jù)說(shuō)明及模型設(shè)定

（一）數(shù)據(jù)來(lái)源與變量含義

本文所選數(shù)據(jù)主要來(lái)源《貴州統(tǒng)計(jì)年鑒》和《貴州改革開(kāi)放60 年》,鑒于R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)數(shù)據(jù)的可獲取性,樣本數(shù)據(jù)區(qū)間選為1987—2019 年。

1.被解釋變量

選擇貴州省生產(chǎn)總值衡量經(jīng)濟(jì)增長(zhǎng)水平,記為GDP。

2.解釋變量

R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)體現(xiàn)科技創(chuàng)新水平,用RD表示;用能源消耗總量與GDP 的比值表示單位能耗,記為NH;金融機(jī)構(gòu)中長(zhǎng)期貸款量體現(xiàn)金融環(huán)境,記為DK。

為了消除時(shí)間序列的異方差和保持?jǐn)?shù)據(jù)的平穩(wěn)性,對(duì)所有數(shù)據(jù)進(jìn)行了對(duì)數(shù)化處理。

（二）模型設(shè)定

為了研究貴州GDP、R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度的相互影響,本文選擇誤差修正模型,從而彌補(bǔ)長(zhǎng)期靜態(tài)模型存在的部分不足。

誤差修正模型的一般形式為:

式（1）中,yt=（lnGDP,lnRD,lnNH,lnDK）t,Δy=Δyt-Δyt-1,εt代表隨機(jī)擾動(dòng)項(xiàng),β0是常數(shù)項(xiàng),是滯后項(xiàng),k代表滯后階數(shù),ecmt -1 是誤差修正項(xiàng),α表示變量從偏離均衡態(tài)調(diào)整到長(zhǎng)期均衡態(tài)的調(diào)整速度,γi代表各變量短期變化對(duì)被解釋變量的影響程度。本文采用Eviews 10軟件進(jìn)行實(shí)證分析。

三、實(shí)證結(jié)果與分析

1.ADF 檢驗(yàn)

時(shí)間序列數(shù)據(jù)容易存在“偽回歸”現(xiàn)象,即模型各項(xiàng)指標(biāo)顯著,但變量之間沒(méi)有任何關(guān)系,因此對(duì)時(shí)間數(shù)據(jù)進(jìn)行初步的單位根檢驗(yàn)必不可少,先后對(duì)相關(guān)變量的對(duì)數(shù)序列和一階差分序列進(jìn)行ADF 檢驗(yàn),結(jié)果如表1 所示。

表1

原有變量LnGDP、LnRD、LnDK和LnNH都存在單位根,但經(jīng)過(guò)一階差分處理后都變成了平穩(wěn)序列,即滿足一階單整序列。由此可以判斷貴州省R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)之間可能存在長(zhǎng)期的協(xié)整關(guān)系。

2.VAR模型的建立

本文利用LR、AIC和SC信息準(zhǔn)則等5 個(gè)評(píng)價(jià)指標(biāo)來(lái)選擇最優(yōu)滯后階數(shù),結(jié)果如表2 所示,5 個(gè)評(píng)價(jià)指標(biāo)中有3 個(gè)指標(biāo)均顯示最優(yōu)滯后階為2 階,因此本文建立了VAR（2）模型。

表2 VAR模型滯后階數(shù)選擇

VAR模型適用的前提條件是具有穩(wěn)定性,因此需對(duì)模型進(jìn)行平穩(wěn)性檢驗(yàn)。本文選擇AR 根圖對(duì)模型進(jìn)行平穩(wěn)性檢驗(yàn),結(jié)果如圖1 所示,該模型不存在大于1 的特征根,都落在單位圓內(nèi),即VAR（2） 是一個(gè)穩(wěn)定的模型。

圖1 AR 根檢驗(yàn)圖

3.Johansen 協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)常見(jiàn)的有EG 兩步檢驗(yàn)法和Johansen檢驗(yàn)法,本文選擇Johanson 檢驗(yàn)法。、協(xié)整檢驗(yàn)是被加以向量約束的VAR模型,滯后階數(shù)等于無(wú)約束的VAR模型的最優(yōu)滯后階數(shù)減1,因此該協(xié)整檢驗(yàn)的最優(yōu)滯后階數(shù)為1。

如表3 所示:在給定5% 顯著性水平上,跡檢驗(yàn)和最大特征根檢驗(yàn)的結(jié)果表明LnRD、LnDK、LnNH和LnGDP 變量序列之間至少存在1 個(gè)協(xié)整關(guān)系,對(duì)系數(shù)進(jìn)行標(biāo)準(zhǔn)化后的協(xié)整關(guān)系為:

表3 協(xié)整檢驗(yàn)結(jié)果

上述協(xié)整方程表明貴州經(jīng)濟(jì)增長(zhǎng)與新克強(qiáng)指數(shù)各變量之間協(xié)整關(guān)系顯著,協(xié)整系數(shù)下方括號(hào)內(nèi)的數(shù)字是漸進(jìn)標(biāo)準(zhǔn)誤。由方程得出,從長(zhǎng)期來(lái)看,金融機(jī)構(gòu)中長(zhǎng)期貸款（DK）與GDP 呈正相關(guān),金融機(jī)構(gòu)貸款量每增加1%,GDP 將增加0.555 4%;而RD 經(jīng)費(fèi)與單位能耗NH 與GDP 呈負(fù)相關(guān),單位能耗每減少1%,GDP 將增加0.405 2%,而RD 經(jīng)費(fèi)支出每減少1%,GDP 將增加0.108 5%。

貴州金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)的關(guān)系與董雨和馬冰（2015）的結(jié)論相符,而RD 經(jīng)費(fèi)支出GDP 的關(guān)系卻出現(xiàn)相反的情況,孫濤和逯苗苗（2016）[4]利用因子分析法,基于克強(qiáng)指數(shù)擴(kuò)展版對(duì)我國(guó)省域經(jīng)濟(jì)評(píng)價(jià)分析,貴州省的科技水平因子得分在30 個(gè)省份中排第25 位,可見(jiàn)貴州的科技創(chuàng)新水平仍較差。郭杰丹等（2020）[5]通過(guò)格蘭杰因果檢驗(yàn)法分析科技創(chuàng)新對(duì)貴州經(jīng)濟(jì)增長(zhǎng)的滯后效應(yīng)較強(qiáng),并且存在科技成果轉(zhuǎn)化率較低的問(wèn)題,因此可以認(rèn)為科技創(chuàng)新對(duì)GDP 的推動(dòng)效應(yīng)還沒(méi)有發(fā)揮作用。

4.建立VEC模型

實(shí)際上,短期均衡并不意味著實(shí)現(xiàn)長(zhǎng)期均衡。所以更進(jìn)一步,為了研究時(shí)間序列變量之間長(zhǎng)期均衡與短期調(diào)整之間的關(guān)系,通過(guò)建立向量誤差修正模型。整理的協(xié)整方程如下:

計(jì)算得出的誤差修正項(xiàng)ECMt-1系數(shù)為負(fù),滿足反向修正機(jī)制,并在0.1 的水平下顯著,表明GDP 能夠?qū)崿F(xiàn)向長(zhǎng)期均衡水平的調(diào)整。當(dāng)出現(xiàn)短期波動(dòng)偏離長(zhǎng)期均衡時(shí),其將以0.297 3 個(gè)單位的修正速度進(jìn)行反向調(diào)整,以促使GDP、R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度回到長(zhǎng)期均衡狀態(tài)。從回歸結(jié)果來(lái)看,滯后一期的GDP、RD、DK、NH都對(duì)經(jīng)濟(jì)增長(zhǎng)起著正向作用,GDP 的短期波動(dòng)主要受到滯后一期的自身變動(dòng)和單位能耗變動(dòng)影響。

5.Granger 因果關(guān)系檢驗(yàn)

為了進(jìn)一步檢驗(yàn)R&D 經(jīng)費(fèi)支出、金融機(jī)構(gòu)中長(zhǎng)期貸款、單位能耗與貴州省GDP 之間的關(guān)系,下面進(jìn)行格蘭杰因果檢驗(yàn)。

Granger 檢驗(yàn)結(jié)論如表4 所示,在10%顯著性水平上,當(dāng)滯后期數(shù)為2 時(shí),DK分別與GDP、RD經(jīng)費(fèi)支出間構(gòu)成了雙向格蘭杰因果關(guān)系,RD和NH是GDP 的單項(xiàng)格蘭杰因果關(guān)系;當(dāng)滯后期數(shù)為3時(shí),RD與GDP 構(gòu)成了雙向格蘭杰因果關(guān)系,DK是GDP 和RD的單項(xiàng)格蘭杰因果關(guān)系。說(shuō)明貴州省的經(jīng)濟(jì)增長(zhǎng)主要依靠金融機(jī)構(gòu)中長(zhǎng)期貸款量,R&D經(jīng)費(fèi)支出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系間存在滯后效應(yīng),當(dāng)科技創(chuàng)新投入一段時(shí)間后,經(jīng)濟(jì)增長(zhǎng)與科技創(chuàng)新存在相互促進(jìn)的關(guān)系。

眼下，這樣貌似關(guān)切的話語(yǔ)出自他自己的嘴他多少覺(jué)得有些怪異和飄渺。她或許并不需要。彼此的心外罩著厚厚的玻璃罩子，透明卻不相通。看著她，就像看著一個(gè)熟悉的陌生人，腦海里翻尋著似曾相識(shí)的過(guò)往，一絲一縷，卻哪里還能找回記憶呢？

表4 Granger 因果檢驗(yàn)結(jié)果

6.脈沖響應(yīng)分析

為了研究新克強(qiáng)指數(shù)各指標(biāo)對(duì)貴州省經(jīng)濟(jì)增長(zhǎng)在不同時(shí)期的沖擊效應(yīng),通過(guò)構(gòu)建脈沖效應(yīng)函數(shù),繪制脈沖效應(yīng)圖來(lái)直接觀察。如圖2 所示,橫軸表示期數(shù),縱軸代表因變量的波動(dòng)大小,兩虛線圍成區(qū)域是置信區(qū)間。

圖2 脈沖響應(yīng)分析

LnDK 對(duì)LnGDP 實(shí)施一個(gè)沖擊后,影響為正,在第5 期時(shí)達(dá)到峰值,之后效應(yīng)逐漸減弱,趨于穩(wěn)定。LnGDP 在受到LnNH 的一個(gè)標(biāo)準(zhǔn)差沖擊后,存在斷站的滯后效應(yīng),在第2 期后表現(xiàn)為負(fù)效應(yīng),之后在第9 期后逐漸轉(zhuǎn)變?yōu)檎?yīng)并趨于穩(wěn)定。LnGDP 在受到LnRD 的一個(gè)負(fù)沖擊后,在第8 期后,對(duì)LnGDP 的影響轉(zhuǎn)變?yōu)檎?yīng),并在第16 期達(dá)到最大值后逐步趨于穩(wěn)定。

研究表明,在前10 期內(nèi),貴州GDP 和金融機(jī)構(gòu)中長(zhǎng)期貸款對(duì)經(jīng)濟(jì)增長(zhǎng)發(fā)揮較強(qiáng)的正效應(yīng),對(duì)于單位能耗和R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)支出和單位能耗的負(fù)沖擊,GDP 呈表現(xiàn)為先增后減的負(fù)效應(yīng),這與協(xié)整檢驗(yàn)結(jié)果的變化方向是一致的。在第10 期以后,貴州GDP 對(duì)自身經(jīng)濟(jì)增長(zhǎng)的作用逐漸消失,金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗、R&D 支出對(duì)GDP會(huì)發(fā)揮正效應(yīng)作用并趨于穩(wěn)定。

7.方差分解分析

方差分解可以描述沖擊對(duì)于R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度與經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)變化中的相對(duì)重要性,包含強(qiáng)度和影響幅度,結(jié)果如圖3 所示。

圖3 方差分解分析

四、結(jié)論

本文以R&D 實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)、金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗強(qiáng)度構(gòu)建出的“新克強(qiáng)指數(shù)”這一新指標(biāo)視角來(lái)研究貴州的經(jīng)濟(jì)發(fā)展問(wèn)題,通過(guò)建立VAR-VEC模型發(fā)現(xiàn),證實(shí)了新克強(qiáng)指數(shù)三個(gè)指標(biāo)與貴州省經(jīng)濟(jì)增長(zhǎng)之間確實(shí)存在著長(zhǎng)期穩(wěn)定的均衡關(guān)系,但R&D 經(jīng)費(fèi)支出、單位能耗與經(jīng)濟(jì)增長(zhǎng)呈反比,RD 系數(shù)較小,影響強(qiáng)度較弱,表明貴州的科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)還沒(méi)有發(fā)揮作用,當(dāng)科技創(chuàng)新投入一段時(shí)間后,經(jīng)濟(jì)增長(zhǎng)與科技創(chuàng)新存在相互促進(jìn)的關(guān)系。從長(zhǎng)期來(lái)看,金融機(jī)構(gòu)中長(zhǎng)期貸款量、單位能耗、R&D 支出對(duì)GDP 發(fā)揮的正效應(yīng)作用大于其自身作用。針對(duì)以上分析,對(duì)貴州經(jīng)濟(jì)發(fā)展得出以下三點(diǎn)政策啟示:

一是始終遵循堅(jiān)守生態(tài)和發(fā)展兩條底線,實(shí)行低能耗發(fā)展。我國(guó)始終堅(jiān)持可持續(xù)發(fā)展的道路,在生態(tài)環(huán)境資源稟賦的貴州,應(yīng)利用自身優(yōu)勢(shì),打造“綠水青山就是金山銀山”,實(shí)現(xiàn)長(zhǎng)期穩(wěn)定健康的GDP 增長(zhǎng)。

二是建造良好的金融融資環(huán)境。貴州的實(shí)體經(jīng)濟(jì)發(fā)展在全國(guó)仍處于落后地區(qū),產(chǎn)業(yè)的成熟離不開(kāi)金融機(jī)構(gòu)的支持,只有建造良好的金融環(huán)境,才能為企業(yè)做好服務(wù)與輔助工作。高效率的融資環(huán)境能成為企業(yè)孵化與發(fā)展的加速器,建設(shè)多層次資本市場(chǎng),為貴州經(jīng)濟(jì)增長(zhǎng)提供有力保障。

三是逐步加大科技創(chuàng)新投入力度。創(chuàng)新力是經(jīng)濟(jì)增長(zhǎng)的核心動(dòng)力,因此應(yīng)推進(jìn)貴州新興產(chǎn)業(yè)的發(fā)展,加強(qiáng)科技創(chuàng)新,提升科技投入與轉(zhuǎn)化效率,以實(shí)現(xiàn)科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)間的相互促進(jìn)關(guān)系。同時(shí),加大金融對(duì)科技創(chuàng)新和新興產(chǎn)業(yè)的支持力度,保障科技創(chuàng)新的持續(xù)力度和經(jīng)濟(jì)條件,從而更好地促進(jìn)貴州經(jīng)濟(jì)增長(zhǎng)。