扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
为什么我国主动降低GDP增长率我需要经济学的观点，我不是学经济的，虽然我知道是为了抑制通货膨胀，但是我想知道为什么，望高人解答。详细最好
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
降低经济发展的速度，是为了集中力量调整产业结构，转变经济发展方式，提高经济质量和效益，实现经济由主要依靠高投入、高消耗的粗放型向主要依靠科技进步的技术含量高、管理先进的集约型转变，同时也有利于经济的可持续发展。求采纳
我国连续多年经济高增长，甚至是双位数字增长，经济增长过高，引发通货膨胀。理论上说，我国政府不是不知道高增长容易带来高通胀，但是鉴于我国经济起步起点低，要赶超世界，必须通过高速增长，在取舍选择经济增长还是抑制通货膨胀的时候，选择了前者。根据GDP增长理论，百分之七的增长率，就能保障就业率，太低，失业率高，容易造成严重社会问题，所以我国政府主动下调GDP增长率至7.5%，算是非常明智的了。...
为您推荐：
扫描下载二维码股票/基金&
为什么中国的经济增长如此迅速？
　　一、简介　　自1978年的经济改革以来，中国经济显著增长。年的30年中，中国人均GDP的平均增长率为每年8.6%。目前增长还没有减速的迹象：从2000年到2007年，中国平均增长率为每年9.2%;中国约占世界以PPP价格计算的GDP增长的35%。作为一个大国中国人口占世界人口的1/5还多这样快速的增长是前所未有的。更令人瞩目的是中国在消除贫困方面的进展从1978年开始，已经有3亿人摆脱了每天一美元的贫困线，还有就是它从改革初期的封闭的中央计划经济向市场经济的艰难转型。　　本文采用跨国数据来继续我们的研究，旨在探究与世界上其他国家相比中国经济成功增长的原因。文章中，我们采用跨越30年的跨省数据库来解释为什么整个中国，实际上也是它的各个省份，经济增长如此之快。我们采用这个方法的理由至少有两方面。　　首先，从经济角度来看，中国所有省份的增长一直很快。尽管中国的每个省相当于世界上其他地区的一个国家，但是它们都存在着某些共同特征。我们能不能通过比较各省的经济情况来弄清楚为什么中国作为一个整体经济增长这么快?它们拥有几点共同的特色。从1978年开始，各级政府都把经济的快速增长作为它们工作的重点，而各省都是“发展型国家”的一部分。不过，一些省份的改革和市场化时间比其他省份早，程度比其他省份深。在外贸、计划生育、宏观经济管理、金融等政策方面，各省都执行中央政府的政策。但是，从对外贸易的开放程度、人口的自然增长率、经济活动水平、投入产出比等方面来看，各省之间存在着差异。即便中国的高增长主要来自对实物资本和人力资本的高平均投资率，但是，假如中国和其他贫穷国家一样，投资率非常低，我们用省际投资差异来研究它对中国经济增长率的影响，仍然会得到许多有益的东西。　　第二，从统计角度看，中国宏观经济数据的可靠性对这方面的实证研究人员是一个巨大挑战。我们用各种方法来减少可能存在的计量不准问题。数据选择方面，我们更喜欢采用各省的数据而不是全国性的数据，原因如下。第一，2006年，中国国家根据2004年的经济普查结果，对国民收入与产出账户的统计数据作了基准修订。这一修订证明经济普查之前省一级的总产出值是真实的，而相对应的全国性数据是无效的。第二，就经济增长的各种决定因素而言，分析省级时间序列数据比分析总体的时间序列数据能提供更多的信息。使用省级数据实际上扩大了我们的样品数量。　　与经济增长的间接因素相比，经济学家们能够更好地分析增长的直接因素，可能采用的实证研究方法有三种：增长计算法、结构性增长模型分析、非正式增长回归分析。每种方法各有优缺点。与前两种方法相比，第三种方法允许采用一些既代表经济增长深层原因也代表其更直接的原因的解释性变量。这完全适合我们的研究目的，因此将在本研究中使用。　　我们研究的特点是采用了最新形成的模型选择方法，以便在可靠的估值结果的基础上构建起经验模型。我们首先采用了两个主要的模型选择方法和模型平均(model averaging)方法，即贝叶斯模型平均法和自动从一般到具体法，来研究实际人均GDP增长率与大量可能的解释性变量之间的关系。这些变量包括初始收入水平、固定资本构成、人力资本构成、人口增长、开放程度、机构改革、行业变化、金融发展情况、基础设施和地区优势。那些被研究过程认为是重要的变量将被用来组建基准模型，我们会采用面板数据系统(panel data system)的广义矩估计方法(GMM)来评估该模型，以解决遗漏变量、内生性或回归量计算错误的问题。第二阶段，我们详细检查了所选模型的牢固性和主要因素所起的作用。本文中，我们的研究集中在各种实物资本投资和人力资本投资对经济增长的影响上。我们提出的关键问题是：哪种类型的投资最重要?最后，一些反事实预测被提出来回答一个根本性问题：跨省性增长的回归分析能否帮助我们了解，为什么中国的整体经济增长这么快?　　二、中国经济增长的背景　　经济改革开始以来，中国经济的增长一直处在邓小平所说的“摸着石头过河”的过程中：事先没有制定任何一整套的改革方案。一项改革产生了另一项改革的需要或机会，而改革的过程是累进的。改革是逐渐进行的，但速度却并不慢：在不到30年的时间里，中国发生了巨大变化，中国从计划经济转变为市场经济。　　经济改革的第一阶段() 集中在农村地区。公社解散了，个人积极性得到了恢复。农户(当时占人口的82%)签订了长期承包合同，对集体所有的土地有了使用权，他们有权在公开市场出售其少量的农产品。允许农村成立非农企业，生产城市国有企业不能供应的轻工产品。对农村信贷的限制鼓励了家庭储蓄。农村的生产快速增长，因为农业效率提高了，剩余劳动力在农村工业中得到了更高效率的使用，农村的企业、储蓄和投资抓住了新的机会。　　经济改革的第二阶段()是城市经济的渐进改革过程，特别是国有企业，它们逐渐被授予了更大的经营自主权。国家所有权固有的委托代理(principal\|agent)问题限制了国有企业的效率，而来自其他市场参与者最开始是乡镇企业，后来是国内与国外的私人企业的竞争在稳步增加。　　经济改革的第三阶段(1993―) 由邓小平旨在动员人们支持更加激进的改革的“南巡讲话”促发的。私营部门第一次被承认和接受活跃起来。此外，对城乡人口流动、银行体系、税收体制、外贸和外国投资方面的行政监管改革取消了各种对经济增长的束缚性限制。例如，当从20世纪90年代中期开始，“一个家庭一个孩子”政策的延迟效应使得城市出生的劳动力的增长放缓时，对暂时性的城乡人口流动的限制的放宽，使得城市经济得以继续快速增长。　　1978年以来中国人均GDP的快速增长，表现了一种周期性的增长格局，这更多地是改革的第一阶段和第二阶段而不是第三阶段的标记。存在两个明显的峰值，它们分别出现在年和年，反映了农村改革和给资本主义开绿灯后的结果。年间经济增长率跌到了谷底，这是因为社会动荡以及随后的国际排挤、对先前的通货膨胀急剧上升的政策响应对投资者信心的影响造成的。对各省增长趋势的进一步研究也发现，20世纪80年代后期，所有省份的增长率大幅下降，表明这种负面震荡对经济增长具有一般性的不利影响。　　总的来说，改革建立了社会主义计划经济中所缺乏的市场机制和激励机制。它们提高了静态分配效率和动态要素积累。把丰富的资源、劳动力吸收进不断扩展、生产率更高的活动中，也促进了经济的增长。可以相信，这些因素加在一起，使得中国经济有了极高的增长率。这是我们希望进行探究的一个总假设。　　(平编写)　　三、方法　　我们利用相关资料，对所采用的方法进行解释，并说明其合理性。这涉及非正式增长的回归分析的选择、模型不确定性的处理方法、面板数据的估值方法。　　为什么采用非正式增长的回归分析?　　本研究的起点是我们对于中国和其他国家之间的增长差异在何种程度上能够通过新古典主义增长模式得到解释的跨国分析。我们发现，添加了人力资本和结构变化因素之后的索罗模型相当合理地解释了中国不同寻常的经济增长。此外，还有五个因素低收入水平的条件收敛(conditional convergence)、高的实物资本构成、高水平的人力资本、经济从农业的快速转型、人口的慢速增长是中国经济增长相对成功的主要因素。　　有大量的文献是关于中国跨省性增长的回归分析的。我们采用了两个实证研究方法：某种新古典主义增长模型(通常形式是扩充版的索罗模型)和非正式增长的回归分析，它们含括了研究人员最感兴趣的解释性变量。我对不同的时期进行了分析，尽管大部分限于1978年以来的经济改革期间。从跨部门的普通的最小二乘法(OLS)到面板数据GMM分析，各分析方法在复杂程度上各不相同。研究含括了与中国各省经济增长中的差异相关的一系列广泛要素，例如集中或分散、实物资本投资和人力资本投资、开放程度、经济改革、地理位置、基础设施、金融发展、劳动力市场发展、空间依赖性、优惠政策。在所有的研究中，一个基本难题就是建立因果关系而不仅仅是一般关系时遇到的困难。　　研究中国经济增长的另一个方法是采用增长计算法，把观察到的GDP增长分解成与要素投入和生产技术中的变化相关的元素。研究中，我们发现，改革期间，中国年均总要素生产率(TFP)的增长，最高为3.9%，最低为1.5%。变化幅度这么大，部分原因在于所做的假设不一样。增长计算法涉及资本存量的测量以及对未知参数如输出弹性和资本贬值率等进行假设。　　对模型不确定性的处理　　没有单一的、明确的理论框架可以指导关于经济增长的实证研究工作。新古典主义模型预测，长期的经济增长率是由外在的技术进步速度所决定的，将稳态增长调整到稳定状态是通过要素累积中的内生变化实现的。决定技术进步的因素有哪些，人们还不知道。内生增长理论关注技术进步，强调“做中学”(learning by doing)、知识溢出、研发、教育在驱动经济增长中的作用。因为这些理论都不是排他性的，所以，对于实证增长分析而言，应该将哪些变量包括在内以捕捉主要数据的生成过程，这样的模型不确定性问题是一个核心难题。目前已经开发出了计量经济学和统计学方面的其他方法，并且在处理模型不确定性问题中用得不错，其中贝叶斯模型平均法(BMA)和从一般到具体的方法(GETS)影响力最大。本文中，我们采用贝叶斯模型平均法和从一般到具体的方法来考虑人均GDP增长率和各种可能解释性变量之间的关系。第一阶段模型选择的目的是对变量的选择提供指导，然后在后面的面板数据分析中把这些变量包括进去。　　贝叶斯模型平均法的基本思想是：研究人员所关心的任何参数的后验分布都是每个模式下该参数后验分布的加权平均值，加权量由后验模型概率给出。这样，考虑模型不确定性的一个自然方法就是坦率承认，我们不知道哪个模型是“真的”，而且，反过来，要把概率加在各种不同的可能的模型上。把参数和模型作为随机变量进行处理，根据所有可能模型在空间上的概率分布，可以总结出模型的不确定性。从一般到具体的方法的基本思想是：确定一个没有限制的普通模型(GUM)，假设它能够描绘出基本数据生成过程的特征，然后能够对一个建立在还原论基础上的简约、包容、全等的陈述进行“向下检测”。如果在统计上是确定的，并且又包括了所有其他简约回归分析，那么，具体回归分析就是对这个普通模型的有效限制。有人说，自动模型选择过程中一个有吸引力的特征是巨大的效率增益。　　两种方法都不能解决模型选择过程中内在回归量的问题，因此在这个阶段，不能对结果添加任何的因果关系解释。所以，为了解决这个问题，我们采用了一种两阶段检测法。根据模型选择结果，确定变量子集得到了主要数据的最大支持后，我们将作进一步的面板数据分析，来调查中国省级人均GDP增长的更深层的决定因素。尽管跨行业回归有聚焦经济增长长期趋势的优点，但是，面板数据法可以控制随着时间的推移变得恒定因而被忽略的那些变量，因此，把回归量的滞后当作工具，可以减轻计量误差和内在偏差。　　面板数据估计法　　对含有固定效果和多个内生回归量的短期动态面板数据进行估值，这是个挑战，特别是跨行业数字相对小的时候。一些计量经济学上的问题需要引起我们的注意。例如，滞后的因变量与不随时间变化的具体地区的效果之间的关系使得OLS估值产生了偏差和不一致。在跨国或跨省的增长回归分析中，OLS对初始收入系数的估值有可能产生向上的偏差。　　实证增长研究文献中，为动态面板使用GMM系统估值器变得越来越普遍。它把第一差分标准方程组与适当的滞后水平结合起来，作为工具，另外再加上一组方程与适当滞后的第一差分作为工具。在各阶段把原始方程加在系统中并且使用这些附加瞬间条件后，与第一差分GMM相比，实证研究效率大幅提高，有限样本的偏差急剧减少。不过，我们的研究中使用GMM，至少有两个方面需要引起注意。第一，跨行业数值小时，工具扩散问题有可能会非常严重。第二，跨行业误差依赖可以导致对短期动态估值时出现严重问题。　　为了解决工具扩散问题，我们采用了两种方法，对GMM系统估值器中使用的工具数量进行限制。第一种方法是破坏工具的数据集，也就是说，GMM估值器是每个变量一个工具，而不是在每个时间段为每个变量使用一个工具。第二个方法是在每个第一差分方程中，只使用某些滞后长度，不使用所有可能的滞后长度。比如，对可能的内生变量，在第一差分方程中，我们使用10年期限、15年期限、20年期限的滞后变量作为工具，滞后5年的第一差分变量用作阶梯方程中的额外工具。我们采用汉森与萨甘差分统计法，报告回归研究所生成的工具量。第二个问题，为了在因变量中捕捉常规数据，减少跨行业误差依赖中估值器产生的渐进偏差，我们在回归要素中包括了具体时间效果。另外，所有标准偏差在异方差性方面都是稳定的，都是按省份进行采集的。　　(李方平编写)　　四、实证研究结果　　数据集　　原始样品由30个省份的面板数据组成，含括年间每年的数据。这些数据主要来自中国国家统计局编纂的《新中国55年统计资料汇编()》。年的数据主要来自最新出版的《中国统计年鉴》。中国官方的宏观经济数据的可靠性是人们经常争论的话题。一个重要的问题是样本采集时期内数据的一致性问题。例如，根据中国2004年的经济普查结果，国家重新编纂了年的GDP数据，而对前几年相应省份的数据却没有修改。另外一个问题是各省数据的不可比性。以人口为例：一些省份提供了家庭登记人口数，而另外一些省份只提供了永久性人口数据。另外，人口数据中，没有计算大量的“流动人口”数量。这些差异可能导致计量误差方面的问题，让人们对我们的估值结果产生疑问。因此，一方面，我们采用了一些“清洁规则”，消除每个变量的异常值;另一方面，我们用了面板数据GMM系统估值器，处理可能出现的计量不准的问题。　　我们第一阶段的模型选择分析的基础是跨行业数据，我们计算出整个取样周期跨行业数据观察结果的平均值。为了便于后面的面板数据研究，我们选择的是没有重叠的五年期时间间隔，这个时间间隔已经被广泛地应用到了跨国性增长研究资料中。　　所有变量都按照1990年的不变价格进行计算，价格指数根据每个省的具体情况而定。因变量是人均GDP的实际增长率。表1为人均GDP各省实际增长率的说明性统计结果。整个改革期间，所有30个省份的平均人均增长率为每年7.7%，沿海省份平均值为8.1%，内陆省份为7.5%。中国的经济改革产生了全国范围的经济快速增长，即按照国际标准来看，沿海地区和内陆地区的增长速度都很快。增长的不平衡性确实存在，这表现为：取样全周期内，增长率最快的省份(浙江)与增长率最慢的省份(甘肃)的平均差值为4%。表1还显示了中国经济增长中有趣的时间格局。第一个10年快速增长，第二个10年增长放缓，第三个10年增长加速。年期间，各省间经济增长的不平衡性减小，即便是增长率最低的省份(云南)也努力达到了平均8.2%的增速。　　广义上说，可以把解释性变量分为10类：初始收入水平、实物资本构成、人力资本构成、人口增长率、开发程度、经济改革或机构改革的步伐、行业变化或工业化程度、基础设施、金融发展、地理位置。我们对“沿海”省份和其他省份作了地理位置上的区分。这种分类是根据文献中的分类进行的，背后的逻辑是：沿海省份享有以较低成本进入市场的优势。　　基线方程　　模型选择的好坏与否，主要在于限制性普通模型是否充分接近于数据生成过程。我们考虑了10组解释性变量，然后依靠增长理论和以前的实证研究结果，来引导普通模型的具体化。一个重要的问题是：每一类别中的变量都是高度相关的，如果一个普通回归分析中同时包含所有变量，就可能会出现问题。我们采用的策略是，从每个类别中选择一两个有代表性的变量来构成基本普通模型，然后用每组剩余的变量来检验模型选择的结果是否可靠。在本部分中，除非另有说明，提到增长时，我们指的是人均GDP的实际年均增长。　　我们从包含13个解释性变量的普通模型入手，为这个模型寻找统计学上可以接受的还原性说明。所包括的变量是初始收入水平的对数(lnyi，t-1)、固定资本构成占GDP的比例(fcf/GDP)、中学入学人数占总人口的比例(stuSEC/ pop)、高等教育入学人数占普通中学教育入学学生的比例(stuHIGH/ stuREG-SEC)、人口自然增长率(pop-ngr)、出口占GDP的比例(export/GDP)、国有企业占工业总产值的比重(indSOE/ indTOTAL)、就业人口中非农业人口所占比例的变化情况(mgrowth)、工业化程度(deofin)、铁路网密度(railway area)、邮电通讯行业的营业额占GDP的比例(post & tele/GDP)、对沿海省份的模拟情况(dum coastal)。　　首先，我们用贝叶斯模型平均法把后验包容概率高的变量挑出来。表2中，我们给的是贝叶斯模型平均法的结果总结，模型中包括后验概率变量，对每个变量的后验平均值和后验标准偏差都进行了报告。考虑到真实模型中变量的前验概率值设为0.5，它的可靠程度可以用数据对前验概率的更新方式来进行评估。因此，我们认为，如果后验包容概率大于0.5，具体变量就非常重要。结果表明，初始收入水平、国有企业占工业总产值的比重、中学入学率、固定资产构成、人口增长可能起了重要作用。　　然后，我们用从一般到具体的方法来自动选择模型。表3给出了OLS对最终特定模型的估值。我们发现，人均GDP增长与初始收入水平、人口增长、国有企业占工业总产值的比重是负相关关系，与固定资本投资、中学入学率呈正相关关系。两种方法所产生结果的主要区别在于出口在解释各省间增长率中所起的作用。这两个模型选择法都把其他变量如行业变化、基础设施和金融发展等确定为经济增长的非重要性预测要素。但是，这个结果可能只是反映了这些变量的高度内生性质，它们在模型选择阶段不能得到说明。　　(李方平编写)　　　　根据贝叶斯模型平均法和从一般到具体的方法所提供的模型选择结果，现在，我们使用表4中给出的各种面板数据技术对基本模型进行估值。我们发现，在OLS估值器提供的上限和组内估值器所提供的下限之间，GMM系统估值器对初始收入水平系数的估计是一致的。工具变量法对初始收入水平的估值比组内法低，表明这种固定效应估值器用在短期动态面板数据中可能会产生偏差。因此，我们首选的估值方法是面板数据GMM系统外加一个受限工具组。　　有意思的是，GMM结果支持从一般到具体的方法所选择的模型，也就是说，出口占GDP的比重起着积极而重要的作用。对其他解释性变量进行控制后，我们发现，初始收入水平对后面的各省增长率有负面影响，证明改革期间存在着条件收敛。估算出的系数表明，人均GDP的初始水平低1个，就会使随后的人均GDP增长率提高0.05个百分点。条件收敛是古典经济学增长模型所暗含的意思，它起源于资本积累收益递减的假设。控制变量表明各省有不同的稳态，收敛让它们达到了各自的人均收入稳态。　　对条件收敛的一个可能性解释是，相对贫穷省份的实物资本和人力资本的存量较低，对它们来说，资本的边际产量较高。另一个解释可能在于中央政府的地区发展政策。年间，财政下放改革在税收管理和征税方面给了地方政府更多的自主权。“财政承包制”减少了中央政府在税收中的份额，缩减了从富裕省份向贫困省份的财政转移支付。1994年，“分税制”改革加强了中央政府的财政能力，使其能够促进西部省份和少数民族地区等贫穷地区的经济发展。大概从1998年开始，对贫困省份给予财政再分配。这可能有助于解释近年来增长率最高和最低省份间的趋同现象(表1)。　　固定资本构成是中国经济增长的一个重要决定因素：固定资本构成占省GDP的比例上升1个百分点，就可以把人均GDP的增长率提高0.1个百分点。人力资本投资甚至更重要，中学入学率提高1个百分点，人均GDP增长率就增加0.3个百分点。既然实物资本的积累和人力资本的积累是本文关注的焦点，在后面的两节中，将对此作详细讨论。　　人口增长对经济增长有着负影响：人口增长率减少0.1个百分点，人均GDP增长可以提高0.4个百分点。快速的人口增长率与成本相关，也就是说，劳动力增长越快，就需要越多的资本来装备这些增加的劳动力，这样资本深化的程度就低，导致人均资本以及人均产量减少。这就意味着，如果两个省份的初始收入水平一样，但是一个省的人口增长率较低，那么，它的增长速度就会比另一个省快。自20世纪70年代末开始执行计划生育政策后，中国一直努力降低人口增长。尽管对“独生子女政策”是否人道有争议，但是，这种严格的人口政策有效地降低了人口增长，减少了对中国资源的压力，中国的资源对人均GDP的增长有重要影响。　　出口对各省的增长有利：出口占GDP的比重增加1个百分点，人均GDP增长就可以提高0.8个百分点。根据相关报告(2008年)，蓬勃的出口行业是中国高速、持续增长的重要因素，特别是在改革的早期阶段。在内生增长理论中，国际贸易，特别是出口，被视为人力资本加强、技术变革、国家间知识溢出的重要来源。1978年后，中国采取的开放政策为利用它在劳动密集型制造的比较优势提供了良好的机会，使得出口成为中国经济增长的动力。　　国有企业占工业产值的比重对产量增长有着重要而负面的影响：这个变量减少1个百分点，人均GDP增长率会提高0.04个百分点。这个变量代表了经济改革或机构改革的步伐。20世纪80年代，通过各种各样的利润上缴合同和管理责任制，国有企业不断在生产和利润分享方面得到了更大的自主权。但是，由于国家所有权所固有的委托代理问题，产业改革在提高国有企业效率和盈利能力方面，效果仍然有限。相反，非国有企业，如20世纪80年代集体所有的乡镇企业和20世纪90年代的中外私有工业企业，对市场机会的反应快速，有较好的激励机制，因此迅速发展起来。所以，国有企业在工业产值中所占份额的下降有利于人均GDP的增长。　　(李方平编写)　　实物资本积累　　人们普遍认为，中国经济在过去30年中的出色增长表现从最根本上说是中国的高投资率的反映，而高投资率是中国经济的特征。整个改革期间，实际总资本构成平均占实际GDP的比重(gcf/GDP)相当稳定，为38.3%，根据国际标准，这是个非常高的数值。总固定资本构成率(fcf/GDP) 近年来大幅上升，从年的平均29.3%上升到了后来的平均36.6%。库存积累占GDP的比重(inven/GDP)平均为5.5%。库存积累的出现在20世纪80年代末期，反映了严重的经济衰退，然后得益于市场化过程而逐渐下降。回答“为什么中国经济增长得这么快?”这个问题时，主要原因很简单，就是“因为它的投资额如此巨大”。　　首先，我们把固定资产中的总投资(finvTOTAL/GDP) 分解为表5A组中的基本建设投资(finvCC/GDP)、创新投资(finvINNO/GDP)、其他固定资产投资(finvOTHER/GDP)。我们发现，前三项对经济增长有着积极而重要的影响，而最后一项显得不那么重要。这些结果证明了在资本建设和技术革新上的投资支出在促进增长中所起的作用，表明在其他领域的固定投资，比如对房地产行业和自然资源开采行业的投资，不会促进经济增长，原因可能是它们的全部效果需要较长的时间才能显现出来。此外，创新投资对经济增长的影响比总固定资产投资和资本建设投资的影响大得多：创新投资比例增加1个百分点，人均GDP增长率会提高0.3个百分点。我们的“创新投资变量”特别认可的是提高生产率方面的创新。我们发现，投资对技术进步的贡献是经济增长的强大动力。中国开始经济改革时，其技术水平远远落后于技术先进国家。在一个转轨型经济中，出现新产品、新生产工艺、相对价格的大幅变化时，需要淘汰旧产品，在这个巨变过程中，为了保持企业的价值，就有必要进行大量的投资。我们的分析结果证明投资和投资驱动的技术进步对中国的经济增长非常重要。　　　　然后在表5的B组，我们按照所有权形式对固定资产投资进行分类：国有企业的投资支出(finvSOE/finvTOTAL)、集体所有制企业的投资支出(finvCOL/finvTOTAL)、私营企业的投资支出(finvPRIV/finvTOTAL) 。这些变量中可能包含与经济改革程度(indSOE/ indTOTAL，国有企业占产值的份额)这一参数相似的信息，所以我们在回归分析中放弃了经济改革程度这个因素。我们发现，国有企业的投资份额对增长有严重的负面影响：把国有企业在固定资产投资中所占的份额减少1个百分点，人均GDP增长率将提高0.13个百分点。这个结果与人们广泛认同的观点一致，即国有企业的投资效率远远低于非国有企业，所以，国有企业所占的投资份额增加，人均GDP增长率就会下降。结果是，最近，国有企业在固定资产投资中的比例下降，这是一种积极的发展。关于集体企业的投资比例的系数看起来意义不大。集体经济由乡镇企业和城市中的集体企业两部分组成。人们认为，乡镇企业一直是富有活力的，特别是在20世纪80年代;城市中的集体企业由地方政府经营，目前因为软预算约束和委托代理问题而缺少激励机制。因此，集体企业对增长的影响较模糊。　　私营企业所占的投资比重对经济增长有积极影响：这个变量增加1个百分点，增长率可以增加0.20个百分点。私营企业投资的扩张对经济增长产生有利的影响，因为私营企业的平均投资回报率比国有企业高。我们的经验证据支持了如下这样的观点，那就是私营企业是中国经济发展的驱动力。因此，中国经济的重心从国有企业转向私有企业，是一种积极的发展。　　附带说明一下：20世纪90年代末，一些国有企业进行公司制改革后，尽管国家是主要股东，还有控制权，但是仍被归为私有企业一类中。到目前为止，最盈利或最有前途的国有企业被选出来上市，结果可能会夸大不同所有制的激励效果。公有制企业和私营企业的资源分配严重不平衡的现象依然存在。我们的估值结果表明，对金融行业进行改革，会进一步提高经济增长率。　　(李方平编写)　　人力资本积累　　可以用与对待实物资本积累相似的方法来对待人力资本积累，把它融入到相应的增长模型和经验检测中去。本文假定人力资本变化和产值变化之间存在着联系。同样有可能的是：人力资本积累本身通过知识的产生、吸收、传播，对经济增长做出贡献。我们认为，在一些内生模型中，人力资本起到了这样的作用。建立在跨国性数据基础之上的关于教育对经济增长影响的研究的结果令人吃惊地复杂。现在，我们研究中国人力资本投资对经济增长的影响。　　现在还难以找到一个充分代表人力资本的变量。实际上，对人力资本的投资可以以多种形式进行，包括正式教育、非正式教育、在职培训、健康改善、“做中学”。大部分实证研究中，人力资本通常是由学校教育平均年数所代表的，人力资本的增加既可以用平均接受教育年数的改变来表示，也可以用教育入学率来表示。我们用不同教育水平的入学率来衡量中国人力资本的某些方面。虽然入学率通常衡量的是入学人口在相关年龄段的群体中所占的比例，但是衡量入学人口占总人口比例的入学率却可以更好地指导我们了解人力资本的增加情况以及它对一省的经济增长的作用。　　表6中，我们衡量人力资本的标准有：小学入学率(stuPRIM/pop)、中等学校入学率(stuSEC/pop)、普通中学入学率(stuREG-SEC/pop)、高等教育入学率(stuHIGH/ pop)、大学和学院入学率(stuUNI& COL/pop)、中等教育和高等教育入学率(stuSEC& HIGH/ pop)，每个标准都按占总人口的比例来计算。为了对这些变量可能存在的内生性问题进行处理，在第一差分方程中，我们使用的是滞后10年、15年、20年的人力资本投资变量，滞后5年的第一差分人力资本投资变量作为GMM系统估值中级别方程式的补充工具来使用。　　　　我们发现，小学入学率的变量系数对经济回归分析的作用不大。这可能是因为小学教育是义务教育，系数为负可能反映的是自20世纪70年代末实行计划生育政策以来儿童数量下降的结果。与跨国性证据和跨省性证据一致的是，我们发现，中等学校入学率和普通中学入学率对产值增长起着积极而重要的作用。　　高等教育入学率以及大学入学率的积极作用更大。例如，在对其他变量进行控制的情况下，以占总人口的比例计算的高等教育入学率提高1个百分点，人均GDP增长可以增加3.6个百分点。高等教育对经济增长具有重要贡献，可以把这解释为在经济改革的前20年中，人们对高等教育还不是特别重视，而当时又缺乏高校毕业生。1998年前，受过高等教育的人口占总人口的比例一直低于0.3%;后来，对高等教育的政策突然发生了变化，2006年，这个比例猛然上升到了1.4%。最后，我们研究了人口中中学教育和高等教育入学率的影响，发现这个变量提高1个百分点，人均GDP增长率会增加2.0个百分点。　　为了检测我们关于人力资本的研究结果的可靠性，我们采用了接受过小学、中学、高等学校教育的6岁以上人口所占百分比的人口普查资料。这些数据代表了人力资本的存储情况，但是，我们只有1982年、1990年、1995年、2000年的数据。我们插入人口普查数据，得到分析中所要求的各年的结果。因此，当这些可替代的人力资本变量被应用时，会存在不准确的情况和计量上的误差。不过，我们发现，受过初中教育人口的比例对省级增长起着积极而稳定的作用，当增长方程中这个比例发生变化(增加)时，接受过初中教育和大学教育的人力资本相对储备比例增加，则经济大幅增长。这些结果与建立在学校入学率数据基础上的研究结果一致。　　(李方平编写)　　说明性反事实预测　　我们再回到那个基本问题上来：各省间增长的回归分析是否可以帮助我们了解，为什么中国的整体经济增长得这么快?我们试图通过表7和表8中的反事实预测来回答这个问题。采用的方法是：根据模型的估值结果，通过改变关键变量的平均值来预测增长率。　　整个取样周期中，固定投资平均值占GDP的比重为34.3%。如果把这个数字减少10个百分点(减到24.3%)，其他变量不变，则表4中GMM系统基准模型的系数表明，中国人均GDP的增长将减少0.9个百分点，从8.0%降为7.1%。类似情况是中等教育入学人口占总人口的比重平均为5.8%。如果减少2个百分点，其他变量保持不变，则人均GDP增长率会降到6.0%。如果用这种方法减少实物资本变量和人力资本变量，其他变量保持不变，则中国的人均增长率会降至5.1%。　　　　经济改革开始的时候，中国还是一个低收入国家。整个取样周期中，最不发达国家固定资本构成和中学入学率的平均值分别为17.8%和2.3%。把这些数值插进基准模型，我们发现，与最不发达国家1.0%的增长率相比，中国的人均GDP增长率每年只有2.9%。　　让我们考虑一下表8中实物资本投资成分变化的效果。在整个取样周期中，创新投资占中国总GDP的比例平均为6.9%。我们估算的系数表明，把这个变量降至平均值的一半，则人均GDP增长率会减少1个百分点。如果再加上把中学教育入学率的数值减少一半，其他变量保持不变，则增长率会降至3.4%。在取样周期中，私人固定投资占中国总GDP的比例平均为16.7%。如果仍然保持在1978年的水平(5.1%)，增长率会减少2个百分点，为每年6.1%。如果再加上把中学入学率减少一半，则中国的增长率会降到1.2%。　　小学后的教育对增长起了多大的作用呢?整个取样周期内，受过中等教育和高等教育人口分别占人口的5.8%和0.4%。如果把受过中等教育和高等教育人口的比例减少到平均值的一半，则增长率会下降5.8个百分点，为每年2.2%。　　从这些简单的反事实预测中得出的结论是：实物资本和人力资本的质量和组成成分对中国经济的增长速度都非常重要。把这些输入值减少到最不发达国家的一般水平，则中国的增长率会和这些国家差不多。　　(李方平编写)　　五、快速资本积累是如何成为可能的?　　本章提出的问题是我们分析后的逻辑结果：中国是如何使实物资本积累和人力资本积累成为可能的?由于这些问题都值得分开进行专门的研究，所以我们只为回答这些问题的可能要素作一个简单的概括。　　中国的实物资本存量远远低于其平均值，因此存在强大的盈利动机来对经济中的许多行业进行投资。但是，如果没有国内的高储蓄，则中国快速的资本积累是不可能的。是什么使得这么高的国民储蓄成为可能的呢?经济改革开始以来，家庭成为储蓄的主要来源。1978年，家庭储蓄占收入的比率为5%，1994年达到了高峰，为34%，2000年依然超过了24%。改革期间，中国的人均GDP几乎增加了10倍，从1978年的165美元上升到了2007年的1598美元。收入增加了，家庭选择把收入的大部分存起来。　　企业储蓄率和政府储蓄率高也是中国高储蓄的一个原因。一方面，不完善的资本市场使得企业、特别是私营企业主要依赖自有资金(留存收益)进行投资融资。这为他们的储蓄提供了强大动力。另一方面，20世纪90年代如火如荼的企业改革，使得企业的盈利能力大幅提高。另外，政府不要国有企业的红利，国有企业增加的利润不是用来投资，就是放在储蓄账户上。1978年以来，政策对政府投资融资有利，对政府消费不利，也使得政府储蓄率高。　　入学率对经济增长非常重要，入学率随着时间的推移越来越高，原因在于供需两个因素。尽管在农村地区，教育的回报率仍然低，但是在对农村工人开放的非农生产活动中，回报率较高，因此教育也使得他们从事较高收入的活动。随着非农就业人口和农民工的机会增加，教育成为提高农民工收入越来越重要的手段。　　对劳动力市场的改革和结构上的变化，增加了个人对教育的需求。中国历史上一直尊重受过教育的人，给予他们很好的地位。所以，20世纪90年代末，高等教育政策发生巨变后，高校可以扩大招生规模，这完全满足了人们被压抑的需求，例如，年间，入学人数增长了4倍。　　六、结论　　本文中，我们力求回答一个广泛的问题：为什么中国的增长如此迅速?尽管各省之间的增长有差异，但是，在经济改革的整个期间，按照国际标准来衡量，所有省份的经济都在迅速增长。为了解决模型不确定性的问题，我们采用了最新开发的两种方法进行模型选择：贝叶斯模型平均法和从一般到具体的方法，来考虑中国经济增长中广泛的备选预测器(predictor)。第一阶段的模型选择结果确定了条件收敛、实物资本构成和人力资本构成、人口增长、开放程度、机构改革在决定中国各省产值增长中所起的作用。我们使用基线方程，继续研究实物资本投资和人力资本投资对增长的影响，某些细节之处使用面板数据GMM系统。　　根据基准模型所产生的结果，我们的研究由三个主要发现组成：各省都存在条件收敛，实物资本积累和人力资本积累都促进了经济增长。这些与新古典主义增长理论中的转型机制的含义是一致的。实际上，考虑到经济改革开始时中国经济的不平衡，这种转型运动是可以预料到的。我们的条件收敛证据表明，每个省都在朝着它们各自的平衡稳态发展。但是，也可能有其他解释，比如，这种发展反映了中央政府对贫穷省份和少数民族地区财政转移支付的效果。实物资本积累和人力资本积累对增长的影响符合条件收敛的论据。采用内生性增长理论对积极投资效果的另一个解释是，投资不仅产生了资本积累，而且也产生了技术进步。　　我们对实物资本积累和人力资本积累的效果作了更加详细的研究，目的是进一步详细阐述这个起作用的机制。固定投资的类型中，贡献最大的是“创新投资”，不是“基本建设投资”;“其他固定资产的投资”如房地产投资则没有贡献。这个结果表明，实物资本投资与技术进步有紧密联系时，对增长的贡献最大。把实物资本投资按所有权类型进行细分，我们发现，国有企业的比重上升，则投资对增长的贡献就小;集体企业的比重上升，对增长的贡献可以忽略不计;私营企业的比重上升，贡献就大。因此，改革解放了私营行业，这对增长非常重要;而扭曲的金融系统继续支持阻碍经济增长的国有企业。　　小学入学率对经济增长没有影响，中学和高等教育的入学率有积极影响，高等教育的影响比中学大。实际上，高等教育入学人口占总人口的比例表明，高等教育入学率增加1个百分点，人均GDP增长率可以提高2.8个百分点。可以把这种敏感性解释为：20世纪90年代末期以前，人们忽视高等教育;1997年，高等教育入学率仍然只占相关年龄组的5%。我们采用GMM估值方法，为人力资本变量提供工具，使用滞后法，提供估算人力资本与增长因果关系的最后方法。　　为了解决文章标题所提出的问题为什么中国经济增长如此迅速?有必要假设，根据各省差异估算出的变量对增长的影响可以引导我们看到其对整体经济的影响。在这个基础上，我们进行了各种各样的反事实研究。我们发现，大幅减少资本输入，可以让中国的增长率急剧下降，这表明实物资本构成和人力资本构成在决定中国出色的经济增长率中起着重要作用。我们还简要讨论了实物资本和人力资本得以快速积累的原因。改革期间，家庭、企业和政府的储蓄意愿一直很强;劳动力市场改革提高了对高学历人才的工资支出，导致了对教育需求的快速增长，政府对此迅速作出反应，让高校扩大了招生规模。　　本文中，我们使用基本增长方程并作了延展，研究要素累积对中国经济增长的贡献。这些是最接近的增长决定要素。不过，这些要素的背后是输入基线方程、对经济增长产生影响的其他决定要素。对于这些要素，我们在另一篇论文中进行研究。　　(李方平编写)
新闻精品推荐
每日要闻推荐
社区精华推荐
精彩焦点图鉴
　　【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。