中国战略性新兴产业经济绩效实证检验

齐 峰，项本武

（中南财经政法大学 经济学院，武汉 430073）

0 引言

为进一步推进我国产业结构优化升级和经济发展方式顺利转变，实现经济的可持续发展，中国政府提出了大力培育和发展战略性新兴产业，并提升为国家战略予以高度重视。继2009年温家宝总理在科技界大会上首次提出“战略性新兴产业”概念以来，国家政府先后出台了一系列指导性政策与规划方案在全国各地区积极部署、推进和实施。然而，随着对战略性新兴产业的大量投入，其发展过程却出现了产业同质、恶性竞争、对低素质劳动力和政府补贴的依赖性加强等不协调的低端化发展现象[1-3]，从而导致战略性新兴产业对现有投入资源配置和有效利用程度不高，增长势头不足，且缺乏核心竞争力。那么由此引出的问题是：我国战略性新兴产业资源要素投入的配置与利用程度有效合理吗？资源要素投入对产业经济增长的贡献怎样？其生产经济绩效如何呢？对上述一系列的正确回答将对我国战略性新兴产业的长期稳定发展提供有益的提示。

国内外有关战略性新兴产业的研究多偏重于产业内涵特征、发展路径与模式、产业评价与选择、金融支持及效率、国际经验启示、自主创新等领域的研究，然而遗憾的是，由于战略性新兴产业在统计口径、统计分类等方面标准不明确以及有关数据的获得也很困难，这使得学者们对战略性新兴产业经济绩效的实证研究比较少。本文使用2004～2011年我国七大战略性新兴产业46个样本行业的面板数据，应用生产函数法并构建超越对数生产函数模型，试图从产业经济绩效的角度对我国战略性新兴产业进行探讨，从而进一步拓展和深化有关战略性新兴产业的研究。

1 模型设定及测算方法

我们构造中国战略性新兴产业经济增长的生产函数模型，以便估计出资本和劳动要素的产出弹性。在构造我国经济增长的生产函数模式时，通常采用的生产函数形式主要有：柯布-道格拉斯生产函数（对数形式）和超越对数生产函数。前者虽然形式简单，但其假定技术中性和产出弹性固定；后者却放宽了这些假定，且在形式上更为灵活，能够更好地避免由于函数形式误设而带来的估计偏差。然而，已有研究在刻画我国经济增长时大多数采用柯布-道格拉斯生产函数（对数形式）。考虑到本研究是基于行业面板数据，随着时间的推移，投入要素的产出弹性是否固定，我们并不能事先确定。正如Mohnen等（1992）[1]所指出的那样，函数形式在相当大程度上决定了实证结果，不对其施加严格的约束假定，显得极为重要。因此，与国内已有研究不同，我们采用超越对数生产函数形式来刻画我国战略性新兴产（行）业经济增长。

基于数据的可获得性及完整性，我们使用行业的工业增加值(yit)这一指标来衡量我国战略性新兴产业经济增长的产出变量；使用投入到我国战略性新兴产（行）业生产活动中的资本存量(kit)和劳动(Lit)要素作为投入变量的衡量指标。我国战略性新兴产业（行业）经济增长的具体模型如下：

上式（1）中，Yit代表我国战略性新兴产业第i行业t时间的工业增加值，Kit、Lit分别为第i行业y时间内投入到我国战略性新兴产（行）业生产活动中的资本和劳动要素，uit为随机误差项，服从N(0，σ2)，诸α是待估参数。

根据上式，我们对生产函数模型中资本(kit)、劳动(Lit)要素求偏导。由此，我们可以对资本要素产出弹性(EYK)，以及劳动要素产出弹性(EYL)进行测算，其测算方法如下：

我们运用Eviews6.0软件对模型式（1）进行估计，用估计得到的相关参数值代入式（2）与式（3），从而，计算出资本要素与劳动要素的产出弹性，以此来实证检验我国战略性新兴产（行）业生产经济绩效。

2 研究数据及指标说明

2.1 有关样本的选择

依据中国统计局编制的《中国战略性新兴产业分类（2012）》，我们将划分的战略性新兴产业对应于《国民经济行业分类-2011》四位码行业，选取了46个样本行业作为本文实证分析的研究对象。考虑到数据的完整性及可获得性，我们将选取的样本期间定为2004～2011年。有关变量的原始数据均源自《中国统计年鉴》、《中国机械工业年鉴》、《中国高技术产业统计年鉴》、《中国化学工业年鉴》等相关统计年鉴。至此，我们选取了2004～2011年我国七大战略性新兴产业46个样本行业，共有368个样本观测值，构造了大样本面板数据。

2.2 相关变量指标的核算及变量描述性分析

关于工业增加值的核算。我国相关统计年鉴仅报告了2004～2007年样本行业的工业增加值，但却报告了2004～2011年样本行业的工业总产值。由于工业增加值是工业企业在一定时期内工业总产出扣除中间消耗以后的价值，因此，我们可以根据样本行业工业总产值构造出样本行业工业增加值[2]。其核算方法如下：首先，计算出2004～2007年各个样本行业工业增加值与工业总产值的比值；其次，将各个样本行业工业增加值与工业总产值的比值分别进行算术平均，每个样本行业便得到一个平均比值；最后，将各个样本行业2008～2011年的工业总产值分别乘以各自的平均比值，便构造出了各个样本行业2008～2011年的工业增加值的数据。为消除价格因素对分析数据的影响，我们将使用每个行业对应于《国民经济行业分类-2011》两位码行业的生产者价格指数，将工业增加值平减为2003年基期不变价格的实际值。

关于资本存量的核算。学术界通常将固定资产作为资本存量的最可靠的估计。因此，我们采用固定资产投资额，按照国际上流行的永续盘存法（PIM），对所选取的样本行业的资本存量进行核算。其基本计算公式为：

其中，Kit表示第i个行业t时期的资本存量，τk为资本（固定资产）折旧率，表示第i个行业t-1时期的资本存量，Iit表示第i个行业t时期的固定资产投资额。根据永续盘存法，资本存量(kit)的核算过程如下：首先，使用固定资产投资价格指数，将样本行业年固定资产投资支出额(Iit)平减为2003年基期不变价格的实际值；其次，设定资产（固定资产）折旧率(τk)。对于资产（固定资产）折旧率(τk)的确定，不同的学者因研究对象不同而设定为不同的折旧率。吴延兵等（2008）[3]在核算我国工业行业R&D资本存量时，设定的资产折旧率为15%；张军等（2004）[4]在核算我国省际物质资本存量时，设定的资产折旧率为9.6%；周晶、何锦义等（2011）[5]在采用收入法核算我国战略性新兴产业增加值时，设定的资产折旧率为6%。考虑到本文研究的行业特征和周晶、何锦义等（2011）研究对象特征一样，我们也将资产（固定资产）折旧率(τk)设定为6%；最后，确定基期资本存量。我们采用Hall和Mairesse（1995）[6]对样本基期资本核算的方法，用表达式可以表示为：Ki1=Ii1/(gk+τk)。其中，Ii1为基期（2004年）固定资产投资支出额，gk为各个样本前期的固定资产投资额年平均增长率，τk为资本（固定资产）折旧率。对于gk的确定，吴延兵（2008）[3]事前假定各个样本行业gk为5%，与之不同，我们根据各个样本在样本期内的固定资产投资额年平均增长率确定。

关于劳动投入的核算。我们使用各个样本行业从业人员的年平均人数作为劳动投入的核算指标，其基本的核算公式为：

基于以上数据，我们运用Eviews6.0软件，对模型中各个变量指标进行描述性统计。各个变量描述性统计结果如表1所示。

表1 各变量描述性统计

3 实证结果分析

我们使用Eviews6.0软件对模型（1）进行实证估计，以便得到模型相关参数的估计结果。模型（1）估计结果如表2所示。

对于以上模型回归结果，回归（1）为混合回归的结果；回归（2）为个体固定效应回归的结果；回归（3）为个体随机效应回归的结果；回归（4）为个体固定效应AR（1）回归的结果。

由于我们对资本、劳动要素产出弹性的计算取决于模型回归结果的参数估计值，因此，使用哪个模型回归结果，必须做出最优选择。那么，哪种模型回归结果更优呢？对于回归（1）与回归（2），我们使用F统计量检验，检验结果（F-统计量=36.2317＞F0.01（45，317）=1.6206）表明，个体固定效应回归结果优于混合回归结果，即：回归（2）优于回归（1）；对于回归（2）与回归（3）我们使用豪斯曼检验，检验结果（自由度为5的卡方分布概率为0.0005＜1%显著性水平）表明，个体固定效应回归结果优于个体随机效应结果，即：回归（2）优于回归（3）；对于回归（2）与回归（4），我们发现：回归（4）中的调整R2（0.9919）高于回归（2）中的调整R2（0.9897），而且回归（4）中Durbin-Watson统计量（2.0193）的表现优于回归（2）中Durbin-Watson统计量（1.3639），这表明个体固定效应AR（1）回归结果优于个体固定效应结果。因此，我们认为模型回归（4）结果最优。

表2 模型估计结果

3.1 资本要素产出弹性测算及分析

基于模型回归（4）的参数估计结果，运用式（2），我们对中国战略性新兴产业资本要素产出弹性进行测算。测算结果如表3所示。

表3结果显示，总体上来看，样本期间我国战略性新兴产（行）业资本要素产出弹性总体均值为0.45，这表明资本要素每增加1%，战略性新兴产（行）业工业增加值将增加0.45%。可见，资本要素投入对我国战略性新兴产（行）业的经济增长产生了正向推动作用，但作用有限。其根源在于我国战略性新兴产（行）业生产技术效率低下，既有的资本要素投入并没有在生产过程中得到合理利用，从而无法为行业产出做出更大的贡献。

分行业来看，我国战略性新兴产业各个行业资本要素产出弹性存在很大差异。在46个样本行业中，有21个行业资本要素产出弹性超过总体均值（0.45），有25个行业低于总体均值（0.45），其中，资本要素产出弹性最高行业为合成材料制造业（0.64），最低行业为雷达及配套设备制造业（0.32），两者相差2倍左右，这表明我国战略性新兴产业生产过程中资本要素对行业经济增长的贡献存在着不平衡。

表3 资本要素产出弹性

从时间上来看，我国战略性新兴产（行）业资本要素产出弹性都呈现逐年递增的趋势，如图1所示，这说明了资本要素投入对我国战略性新兴产（行）业经济增长的拉动正在逐渐增强，也进一步揭示了我国战略性新兴产业物化的技术进步对行业经济增长的作用日益加大。

3.2 劳动要素产出弹性测算及分析

基于模型回归（4）的参数估计结果，运用式（3），我们对中国战略性新兴产业劳动要素产出弹性进行测算。测算结果如表4所示。

表4结果显示，总体上来看，样本期间我国七大战略性新兴产业劳动要素产出弹性总体均值为0.62，表明劳动要素每增加1%，战略性新兴产（行）业工业增加值将增加0.62%。毫无疑问，劳动要素的投入也对我国战略性新兴产（行）业经济增长产生了正面推动作用，但其作用较强，劳动要素对我国战略性新兴产业经济增长的贡献较大，这进一步反映了当前我国行业经济的增长主要为劳动密集型粗放式增长，先进的技术以及资本的投入并没有成为经济增长的引擎。

分行业来看，我国战略性新兴产业各个行业劳动要素产出弹性也存在着很大差异。在46个样本行业中，有26个行业劳动要素产出弹性超过总体均值（0.62），有20个行业低于总体均值（0.62），其中，劳动要素产出弹性最高行业为工矿有轨专用车辆制造业（0.84），最低行业为电子元件制造业（0.42），两者相差2倍左右，这表明我国战略性新兴产业生产过程中劳动要素对行业经济增长的贡献也存在着不平衡。

从时间上来看，我国战略性新兴产（行）业劳动要素产出弹性呈现逐年递减的趋势，如图2所示，这说明了劳动要素投入对我国战略性新兴产（行）业经济增长的拉动正在减弱，也从另一个侧面印证了我国战略性产业的经济发展模式正在转型。

图2 劳动要素产出弹性历年变化趋势

4 结论及政策含义

本文使用2004～2011年我国七大战略性新兴产业46个行业面板数据，采用生产函数法测算行业投入的资本和劳动要素产出弹性，实证检验了中国战略性新兴产（行）业生产经济绩效。得出结论：第一，资本和劳动要素的投入对我国战略性新兴产业（行业）经济增长都产生了正面推动作用，但资本要素的作用有限，仅为0.45，劳动要素贡献较大，达到0.62；第二，分行业来看，各个行业资本要素的产出弹性存在很大差异，各个产业劳动要素的产出弹性也很不均衡；第三，从时间维度来看，资本要素产出弹性呈现逐年递增的趋势，劳动要素产出弹性呈现逐年递减的趋势。本文的结论揭示了资本和劳动要素的投入对我国战略性新兴产业经济增长的影响效应，有助于我们更深层次地认识我国战略性新兴产业要素投入的产出状况。

表4 劳动要素产出弹性

本文研究结论的政策含义在于：第一，大力提升我国战略性新兴产业生产技术效率，合理配置要素投入，使得既有的资本、劳动要素在生产过程中得到充分有效利用，全面均衡我国战略性新兴产业要素投入的产出弹性；第二，进一步提高既有资本要素的产出弹性，采用科技含量高、资本密集型的经济发展模式，让资本以及技术成为战略性新兴产业经济增长的引擎；第三，进一步巩固劳动要素对我国战略性新兴产业经济增长的带动作用，减少大量的粗放劳动投入，提高生产过程的劳动有效性，加快我国战略性新兴产业结构升级。

[1]Mohnen P，Nadiri M et al.Production Structure and Rates of Return in The US,Japanese and German Manufacturing Sectors[J].European Economic Review，1992,（30）.

[2]陈勇，李小平.中国工业行业的面板数据构造及资本深化评估[J].数量经济技术经济研究，2006,（10）.

[3]吴延兵.用DEA方法评测知识生产中的技术效率与技术进步[J].数量经济技术经济研究，2008,（7）.

[4]张军，吴桂英，张吉鹏.中国省际物资资本存量估算[J].经济研究，2004,（10）.

[5]周晶，何锦义.战略性新兴产业统计标准研究[J].统计研究，2011,（10）.

[6]Hall H，Mairesse J.Exploring The Relationship Between and Productivity in French Manufacturing Firms[J].Journal of Econometrics,1995,（65）.