【关键词】财政科技投入；经济增长；协整检验；格兰杰因果检验
一、引言
随着经济的发展，技术因素在经济增长中的作用日益显著，科技投入已经成为决定经济增长的重要因素，科技投入可以说是科技进步的动力和能源，科技投人的数量和使用效果直接影响科技水平和科技竞争能力，同时也影响到经济发展和社会进步，科技进步在我国现阶段的产业结构升级中扮演着关键角色。因此，定量测算科技投入对各产业经济增长的贡献率、各产业经济增长对科技投入的影响，是现在许多学者研究的一个热点。不同的地区，科技投入的方式和结构的不同，科技投入对经济增长的作用效果是完全不同。因此。研究不同地区的科技投入与经济增长的关系对优化各省科技投入结构，提高科技进步水平，加快地区经济发展具有重要的意义。
因此本文试图从实证的角度， 运用协整理论、因果关系检验等方法， 利用1990～2010年度经济数据， 分析江苏省地方财政科技投入与各产业经济增长之间的关系，研究结论将为相关政府管理部门制定科技决策和财政政策，对江苏省的科技兴省战略及加速经济发展具有重要意义。
二、实证分析
1、变量确定及数据来源
本文选取了江苏省各产业的国内生产总值（S1，S2，S3）反映经济增长情况，选取江苏省财政用于教育、科学技术的支出（T）反映江苏省的财政科技投入。为避免数据太大波动以及数据的异方差，分别对各变量取自然对数，分别记LNS1，LNS2，LNS3和LNT。数据来源于江苏省统计年鉴：（单位：亿元）
2、时间序列的平稳性检验
在对数据进行协整检验前必须进行时间序列的平稳性检验。本文采用ADF方法检验时间序列LNS1，LNS2，LNS3，和LNT的平稳性。检验结果如下表：
从上表我们可以看出，LNS1，LNS2，LNS3和LNT是非平稳的，一阶差分后只有LNS1变平稳。但二阶差分后全部变平稳，他们变成二阶单整序列，可进一步检验它们之间的协整关系。
3、协整检验
根据上面平稳性检验结果可知，所有变量为二阶单整，对其进行协整检验，对协整检验主要采用Engle和Granger提出的E-G两步法，对财政科技投入与各产业经济增长关系而言，意味着只存在一个线性的协整关系。
首先对财政科技投入与各产业经济进行最小二乘法估计他们之间的长期线性均衡关系，得到回归方程：
LNS1=4.850521446+0.4294239547*LNT
R2=0.985474 R2=0.983658 F=542.7313
LNS2=5.098093452+0.7146706118*LNT
R2=0.941528 R2=0.934219 F=128.8183
LNS3=4.390028148+0.7698714208*LNT
R2=0.976598 R2=0.973673 F=333.8503
从回归方程的估计结果看，模型的拟合度和修正的拟合度较高，各项检验参数不为零，F统计量通过了显著性检验，回归方程统计性质良好。
然后，检验残差e的平稳性。通过该方程式计算的残差序列e并进行ADF检验，检验结果见下表：
从表中可知，各残差是平稳的。也就是说明江苏省财政科技投入与各产业经济增长存在长期均衡关系。从长期看，财政科技投入对第一产业的弹性为0.4294，第二产业的弹性0.7147，第三产业的弹性为0.7699。即财政科技投入增长1%，第一产业将增长0.4294%，第二产业将增长0.7147%，第三产业将增长0.7699。可以看出财政科技投入对第二三产业的拉动作用比较显著。
4、格兰杰因果检验
通过上面的协整检验结果告诉我们，江苏省的财政科技投入与各产业经济增长之间存在长期的均衡关系，但是这种均衡关系是否构成因果关系，也就是是由于财政科技投入引起各产业经济的增长，还是各产业经济增长带动政府的财政科技投入。利用1990-2010年度的江苏省财政科技投入与各产业数据，对LNS1和LNT，LNS2和LNT，LNS3和LNT进行Granger因果关系检验。检验结果如下表：
从上表可以看出，在5%的显著性水平下LNS1与LNT之间存在单向的因果关系，也就是财政科技投入是第一产业发展的单向granger原因，而LNS2与LNT之间确存在互为granger因果关系，LNT与LNS3两者之间也存在单向的因果关系，即财政科技投入是第三产业发展的单向granger原因。
三、政策建议
财政科技投入作为一项科技财力资源，是科技资源的重要组成部分，对科技进步、振兴经济以及推动社会进步具有重要意义。一个国家的财政科技投入的多少，往往与这个国家的科技实力与水平呈正相关，是衡量一个国家综合国力的重要指标。增加财政科技投入，充分发挥它在技术进步中所起到的巨大促进作用，是江苏省市实现科教兴市战略的重要政策举措。因此提出以下建议：
1、优化财政科技投入。财政科技投入是引导经济快速发展的重要因素，它在引导科技发展上起着基础保障，引导和调剂作用，也是优化科技资源配置的重要手段。因此财政在科技上的支出要处理好各类科技计划的关系，优化科技经费的投入方式。当前我国产业升级的关键时期，科技计划，科研项目，工程研究种类繁多造成了资金利用效率低。优化财政科技投入对提高资金使用效益，避免重复投资有着重要作用。
2、加强财政科技投入力度，提高资金运行效率。加大科技投入力度，以满足科技发展的需要，提高整体科技水平，同时要建立有效的政府科技投入资金管理机制，保证科技资源流向富有活力和最有效率的科学研究和技术创新领域，不断提高科技资源的使用效率，政府科技投入才能有效地促进科学研究和技术创新的发展，才能真正成为促进经济增长的重要手段。
3、是形成多元化、多渠道、高效率的科技投入体系。财政科技投入对象的局限性是影响河南省财政科技投入的配置水平提高的一个关键因素。科技投入是一种创新性的生产性投入，应本着“谁受益，谁投资”的原则，建立由政府、企业和民间机构等构成的多元化的投入主体。对于公益性的科技活动，以政府为主进行投资；而对于非公益性的科技活动，应以鼓励企业和民间投资为主要投资主体。
4、是完善科技投入的政策法规，优化财政科技投入的结构。要建立、健全科技政策法规体系，把财政科技投入纳入到规范化、法制化的轨道上来。优化财政支出结构的关键就是对公益性科研活动和公益性的科研机构加大支持力度，合理配置财政科技经费， 明确各类经费的功能，实行分类管理，避免重复交叉。
参考文献：
[1]吴宇军；王丽；王峰；彭华涛.优化财政科技投入结构的政策建议[J].科技进步与对策，2008，09.
[2]刘战伟.河南省财政科技投入和经济增长的动态均衡关系研究[J].区域金融研究，2001，07.
目前的煤炭生产远不能满足国民经济发展的需要，无论从技术上或经济效益上都还存在不少问题。因此，积极开展煤炭技术经济问题的研究，努力提高经济效益，是当前煤炭系统需要认真对待的问题。本文仅就煤炭技术经济学的研究问题作一初步探讨。
煤炭技术经济学的研究任务、对象、内容和方法
技术经济学是研究生产力发展规律的科学，它研究生产力诸要素的合理组织和配合，研究物质再生产的技术经济问题，研究在一定的社会环境下，所创造的财富(包括使用价值和价值)和为此消耗的人力、物力、资金的比例关系，使技术和经济互相适应，以获得最佳的经济效果。煤炭技术经济学是通过研究煤炭生产力的技术经济问题，揭示煤炭生产和再生产过程中生产力发展的客观规律的一门学科。其核心是经济效果问题。煤炭技术经济学研究的基本任务是，在组织再生产的过程中，根据煤炭资源的开发利用和区域经济发展的不同条件，使劳动力、资金、物资和资源得到合理的分配和使用，使科学技术和经济相适应，寻求科学技术和经济合理性的最佳的社会结合。它主要有三个方面的任务:一是根据马克思主义政治经济学理论，研究煤炭生产技术方案经济评价的理论和方法;二是结合煤矿生产技术，研究各种具体技术方案的技术经济原理;三是从总的技术经济的分析论证出发，寻找煤矿技术发展的客观规律。而围绕物质生产所形成的关系，联系再生产过程的技术经济问题研究生产力发展的规律，研究与节约和耗费相联系的经济效果问题，则是煤炭技术经济学研究的对象。煤炭技术经济问题，内容十分广泛，包括煤炭的开发利用、生产技术及生产经营决策诸方面。既有宏观问题也有微观问题，其中宏观问题更具有重要意义。这些问题主要是:地质勘探的合理部署及地质成果经济评价，资源地理区域分布及资源需求预测，资源经济区域规划，资源开发利用的合理布局，矿区最佳建设规模及投资分配结构，矿井最优投资及大、中型井的合理界限，投资效果研究及评价、以及计算方法和指标体系等。在技术经济学的研究中，必须注重调查各种经济活动及经济现象，对经济活动进行动态的考察。在此基础上，运用现代经济数学方法和工具，进行定量的计算以及经济分析论证，从而探索事物发展的客观规律。技术经济研究具有介乎自然科学和社会科学研究之间的特点。所以其研究方法必然是采取调查研究和理论研究相结合、数学计算和论证分析相结合的综合研究方法。
内容摘要：本文运用单位根检验、协整检验理论，研究1978―2009年度我国财政科技投入与经济增长的关系。国家财政用于科技的投入对经济增长具有重要的推动作用，而经济增长对财政科技投入有一定的拉动作用。GDP构成了国家财政科技投入的Granger原因，而国家财政科技投入只有在滞后2年时才构成GDP的Granger原因。
关键词：协整检验 财政科技投入 经济增长
研究背景
马克思曾预见，随着大工业的发展，现实财富的创造较少地取决于劳动时间和已耗费的劳动量，较多地取决于在劳动时间内所运用的动因的力量，相反地却取决于一般的科学水平和技术进步，或者说取决于科学在生产上的应用。以卢卡斯为代表的一批经济学家在对新古典经济增长理论重新认识的基础上，提出了新经济增长理论，将技术进步作为系统的内生变量，从生产率和技术进步方面研究经济增长，认为科学技术因素成为经济增长的决定因素。资本、劳动、技术是影响经济增长的直接因素，劳动和技术会受到对科学技术等经费投入的影响，政府对科技的支持力度是影响经济增长的间接因素之一。
“科学技术是第一生产力”，在科技上领先的国家和地区，在经济竞争上必然领先或处于优势地位。因此，世界各国政府都在不断加大政府财政对科技的投入，政府科技投入强度与经济增长关系的问题也成为理论界关注的重要问题之一。Porter（1990）等人从国家竞争力的角度出发，在科学技术方面对不同国家包括美国以及美国在不同产业中的竞争国的差异进行了比较。Barro & sala-I-Martin（1992）将财政支出进行了分类，着重研究了政府财政支出结构对经济增长的影响。Jaffe、Trajtenberg 和 Fogarty （2000）认为研发投入不仅会促进本产业的技术进步，而且有助于其它产业劳动生产率的提高，从而提升经济体的生产率水平。我国学者近几年也开始关注这一问题。单红梅（2006）采用广义柯布―道格拉斯生产函数研究了我国科技投入与经济增长之间的关系。米传民等（2004）对江苏省1997-2002 年的经费支出、科技人员投入和数据，通过灰色相对关联度分析了科技投入与经济增长的相关关系，其结论表明经费支出和科技人员投入均与经济增长有正相关关系，且科技人员投入对经济增长有着更为显著的促进作用。王海鹏（2005）通过实证分析发现我国科技投入和经济增长受到长期均衡的影响。在研究的样本期内，发现我国科技投入和GDP 具有长期的协整关系。根据协整方程，科技投入变动1%，导致GDP变动1.24%, 科技投入的增加对经济增长的促进作用是非常明显的。
上述文献主要存在三点不足：一是假定经济数据平稳。实际上很大一部分宏观经济数据具有时间趋势，显示出非平稳的特征，如果直接回归，可能导致虚假回归问题。
二是数据处理存在问题。在名义值换算实际值时，大多采用同一价格指数进行折实，这样的处理导致经济数据不能反映实际情况，运用数据得到的模型也就不能反映真实情况。
三是缺乏对两者互动关系的研究。因此本文的研究拟在前人研究的基础上，运用协整理论，利用1978-2009年度经济数据对科技投入与经济增长的关系进行实证分析，以期测算在该时间跨度中我国的科技投入对经济增长的长期和短期弹性，以及检验两者是否存在因果关系。
数据处理与分析方法
（一）数据来源与处理
在变量的选取过程中，考虑到数据的可得性因素。样本数据取1978一2009年的年度数据共23个，均来源于各期《中国统计年鉴》。本文用国家财政科技投入额（GIST）来反映我国政府财政科技的投入状况，用宏观经济总量指标―国内生产总值（GDP）来反映经济增长。为消除物价变动对GDP和政府财政科技投入的影响，运用国内生产总值指数和零售商品物价指数 （1978=100）对原始数据进行平减，以得到实际值。然后再进行对数变换。分别定义自然对数的实际GDP和科技投入为LGDP和LGIST，其一阶差分分别为DLGDP和DLGIST。
（二）单位根检验
在考察变量间的关系时，一般的做法是根据现有的样本资料建立比较合适的回归方程，一个常用的计量分析方法是普通最小二乘法（OLS）。然而，由于现实中的经济时间序列通常都是非平稳的，不符合平稳性的假定。为了避免“伪回归”问题，使回归有意义，首先对变量的平稳性进行检验，在此使用ADF法检验LGDP和LGIST的稳定性，检验结果如表1所示，这两个变量均是非平稳变量；但它们的一阶差分DLGDP和DLGIST在5%显著性水平下是平稳的，所以DLGDP和DLGIST为一阶单整，即I（1）序列。
（三）协整检验与误差修正模型
由上文可知，平稳性检验的结果是LGDP和LGIST都是一阶单整序列，符合进行协整检验的前提，可以对LGDP和LGIST进行协整检验，检验的目的是论证LGDP和LGIST是否存在长期稳定的关系。根据Engle 和Granger（1987）两步检验法，在只有两个时间序列时，只可能存在一个线性的协整关系。这种情况下，E-G两步法显得非常有效。首先用OLS 方法对LGDP 和LGS 进行协整回归，估计两序列的长期线性均衡关系。如果回归参差是平稳的，那么LGDP和LGIST是协整的，也就是说两变量之间存在长期稳定的“均衡”关系。通过最小二乘法可以得到回归方程：
LGDP=3.91007+1.1593LGIST（1）
(16.17) (27.73)
从协整方程（1）的估计结果看，回归方程拟合较好为96.24%，T统计量和F统计量都显著。设ECM为回归模型的残差，则ECM=LGDP-3.91007-1.1593LGIST。对残差ECM序列进行ADF 检验，以判断残差是否平稳，检验结果见表2所示。可以看出，残差ECM在5%的水平下拒绝原假设，是平稳序列，因此协整关系成立，说明我国的财政科技投入与经济增长存在长期均衡关系，财政科技投入增加1%，我国经济增长1.1593%。
根据Granger定理，一组具有协整关系的变量一定具有误差修正模型的表达形式存在。误差修正模型的原理是：两个经济变量之间存在长期均衡关系，但短期来看可能是失衡的；借助于误差修正机制，一个时期的失衡部分可以在下一个时期得到修正。运用误差修正模型可以刻画我国财政科技投入与经济增长之间的短期波动及调整机制。
DLGDPt=0.09385DLGISTt-0.0269 （LGDPt-1-3.91007-1.1593LGISTt-1）（2）
从财政科技投入与经济增长的误差修正模型（2）可以看出，误差修正项的系数为-0.0269，符合反响修正机制，表明短期的非均衡逐渐向长期的均衡状态趋紧；从短期动态关系来看，DLGIST的系数为0.9385，说明短期内财政科技投入增加1%，经济增长增加0.09385%。
（四）Granger因果关系检验
协整检验和误差修正模型只能表明财政科技投入与经济增长之间存在长期的均衡关系和短期的动态关系，但并不能确定两者是否具备统计意义上的因果关系，即是由财政科技投入的增加带来经济的增长、还是经济增长带来财政科技投入的增加，对此需要进一步验证。Granger因果检验要求变量必须平稳，因此对LGDP和LGIST的一阶差分进行Granger因果检验，根据AIC和SC最小化准则，在进行格兰杰因果检验时选取滞后期为2，检验结果如表3所示。可以看出，存在财政科技投入到经济增长的单向格兰杰因果关系，即财政科技投入变动是经济增长变动的格兰杰原因，而经济增长变动不是财政科技投入变动的格兰杰原因。
结论与建议
本文通过利用1978-2009 年的我国财政科技投入与GDP 样本数据，对政府科技投入与经济增长的关系进行了实证研究。通过研究发现：我国财政科技投入与GDP 均为一阶单整序列，它们之间存在着较强的相关关系，尽管各自的增长是非稳定的。但通过协整检验，它们之间却构成了长期稳定的均衡关系。通过计算和分析财政科技投入与GDP 建立的长期均衡模型中的系数可知，1.1593是GDP 关于财政科技投入额的长期弹性, 即财政科技投入每增加1个百分点， GDP 相应增加约1.1593个百分点, 表明财政科技投入对于经济增长有较为积极的拉动作用。相反，经济增长对科技投入的拉动作用并不明显。
（一）积极调整科技政策并强化财政科技投入
根据我国的历史经验，财政的科技投入不应该低于GDP的0.8%，否则没有最大限度的促进经济增长。我国财政科技投入占财政支出的比例从1978年的4.71%上升到1983年的5.61%，之后连续17年下降，下降到2000年的3.62%，近年来又有所回升，但也是在4%左右。近30年来，我国财政科技投入占GDP的比例是递减的，但在1988年前还不低于最有规模，其后财政科技支出下降而且明显偏低，尤其是1994―1998年财政科技支出占GDP的比重不足0.6%，远低于美国和德国0.9%，近年来也是在0.8%徘徊。
随着我国市场经济体制的不断完善，在财政收入和财政支出规模均大幅增长的同时，也在不断增加政府财政科技投入总量，但政府财政科技投入无论是在整个财政支出中的比重还是占GDP的比重不仅没有提高，反而出现了下降趋势，而且都比发达国家的相应阶段要低很多。因此，在现阶段，我国政府应采取积极措施，继续加大政府财政科技投入的力度，提高科技投入在财政支出中的比例，使其占GDP的比例逐步增加到1%以上。同时还要鼓励地方政府在科技投入方面的潜力，以保证政府财政科技投入在总量上得到极大的改善。
（二）建立完整的财政科技投入资金使用绩效考评体系
根据财政科技投入的目标和原则，选择适当的绩效考核方法，设计能够体现科研项目特点的财政科技投入资金考核指标体系，建立完备的财政科技投入资金使用绩效考核体系，同时还要具体制定绩效考核的工作过程，最好让不相关的第三方机构参与并对政府财政科技投入进行绩效考核，以达到公平公正的目的。同时通过各种方式充分调动各科研单位运用好财政科技资金的积极性，提高财政科技资金的使用效益。
参考文献：
1.单红梅.1991-2003年间中国科技投入经济效果的实证分析[J].系统工程，2006(9)
2.米传民，刘思峰，杨菊.江苏省科技投入与经济增长的灰色关联研究[J].科学学与科学技术管理，2004(1)
关键词：农业科技投入；农业经济增长；动态关联性；
迫于人口、资源与环境压力，我们必须尽快转变农业发展方式。转变农业发展方式的要义在于发展农业科技、转变传统农业发展方式。2012年中央一号文件《关于加快推进农业科技创新持续增加农产品供给保障能力的若干意见》的出台，彰显了党中央、国务院通过发展农业科技促进农村经济发展的信心和决心。为探讨农业科技投入对农业经济增长的影响，需要考察农业科技投入与农业GDP增长之间的动态关联性，论文以1986—2011年农业科技投入与农业经济增长数据为依据，采用向量自回归模型，结合脉冲响应函数、协整检验、格兰杰因果关系检测等数理分析方法，对中国农业科技投入与农业经济增长的相关性展开实证分析，为优化农业科技投入机制、促进农业经济增长提供理论依据。
一、科技投入促进农业经济增长的理论探讨
科技投入与经济增长之间的关系，早已被国内外学界所关注，例如：索络(R.Solow.，1957)运用柯布—道格拉斯函数，以美国1909—1949年的统计数据为基础，分析了技术变动率与产出增长率之间的关系；丹尼森(Denison，1967)在充分考虑劳动质量和资本类型的基础上，全面、深入地分析了资源配置、知识进步等因素对经济增长的贡献率；保罗·罗默(P.Romer.M，1986)提出了内生增长理论，认为技术进步是经济增长的源泉和决定性因素。杨灿(2008)利用投入产出系数法和索罗模型法，研究了广东省科技进步对经济增长的贡献率；王姝(2007)利用弹性分析法，根据1986—2005年的数据，计算了吉林省科技经费支出对GDP的弹性系数等等。类似方法，同样被广泛运用于农业经济研究领域，例如：Griliches早在1958年就运用计量经济学方法，计算了美国杂交玉米技术的投资回报率问题；在此基础上，Akino、Masakatsu&YujiroHayami(1975)把研究的重心放到了公共农业科研的回报及其在生产者之间的分配上，其研究结果表明，即使在日本、美国等发达国家，品种改良研究的社会回报率相当高，在发展中国家的社会回报率只会更高；RobertE.Evenson(1997)对农业科研投入回报率进行了国际比较分析，通过对全球375项农业科研投入回报率的研究结果考察，得出了全世界农业科研投入回报率高达49%的结论。
国内方面，樊胜根(1997)分别采用可变系数模型和固定系数模型，对中国农业科研投入的效益进行了测算，得出中国农业科研投入的收益率高达44%~169%。黄季焜等(2000)采用CAPSIM模型对农业科研投入的效率进行模拟推算得出：在市场开放条件下，中国农业科研投入回报率达到59.6%，而在市场不开放的条件下，农业科研投入回报率也达到55.8%。赵芝俊等(2005)采用柯布—道格拉斯生产函数计算了农业科研投入的总收益、边际收益和长期边际收益；张晓慧等(2011)采用实证分析的方法，研究了农业科技进步对农村不同部门劳动力从业量的影响，以及由此产生的对农村居民劳动力转移和农村居民家庭收入的影响。类似研究，不胜枚举。尽管由于研究方法和统计口径的不同，不同学者研究结论有所差异，但都得出了农业科技投入对农业经济增长具有显著贡献的结论，在此基础上强调加大农业科技投入的重要意义。
二、科技投入促进农业经济增长的实证分析
综观理论界多数研究成果，大多是通过静态实证分析的方法，得出农业科技投入对农业经济增长的重要贡献。笔者认为，增加农业科技投入、转变传统农业发展方式，无疑是促进农业经济增长的重要措施。但作为一个财力相对有限的发展中国家，现阶段我国政府对农业科技的投资能力是有限的。同时，农业科技投资本身具有投资额度大、回收周期长、风险高等特征，难以形成对社会资金的有效吸引。因此，在现阶段，增加农业科技投入是促进农业经济增长的必然选择，而优化农业科技资源配置是解决问题更重要、更有效的手段。为探讨农业科技投入对农业经济增长的影响，需要考察农业科技投入与农业GDP增长之间的动态关联性，笔者采用向量自回归模型，以1986—2011年我国农业科技投入与农业经济增长相关数据为基础，运用脉冲响应函数，分析了我国农业科技投入与农业经济增长之间的相关性。
(一)研究方法与数据说明
向量自回归模型(VAR)是基于数据的统计性质而构建的动态模型，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而把单变量自回归模型推广到多元时间序列变量组成的“向量”自回归模型。目前国内存在少数关于我国农业科技投入对经济增长影响的实证研究，也存在极少数关于政府农业科技投入与农业经济增长关系的实证研究。从这些相关研究的实证分析的方法看，有的是直接对农业科技投入和农业总产值进行单整检验和协调检验，并利用格兰杰检验方法对其因果关系进行检验；有的研究则基于VAR模型对我国农业科技投入与农业经济增长关系进行实证检验。由于VAR模型是基于数据的统计性质而构建的动态模型，主要用于相关时间序列系统的预测和随机扰动对变量系统的动态影响，因而本文也采用VAR模型来研究农业科技投入与农业经济增长的动态关联性。与单一的基于VAR模型的分析不同，本文增加了协整检验和格兰杰因果关系检验两个步骤，可以在一定程度上说，这里的研究方法和相关步骤更为完善，因而所得出的结论也更为可靠。
笔者正是希望在构建VAR模型的基础上，通过脉冲响应函数来研究我国农业科技投入与农业经济增长之间的动态关系。在此，本文采用的数据是1986—2011年中国农业科技投入数据和农业GDP数据(见表1)。其中：“ASTT”表示“公共农业科技投入”、“AGDPR”表示“农业GDP”，作为我国农业经济增长的代表性指标。
(二)实证分析
1.单位根检验。
由于向量自回归模型要求系统中的变量具有平稳性特征，而脉冲响应函数的检验结果也严格依赖于误差向量满足白噪声序列向量假设，因而需要先对模型时间序列变量进行平稳性检验(彭水军等，2006)。本文利用协整检验(ADF检验)农业科技投入变量序列和农业GDP变量序列的水平值和一阶差分值，并运用SC准则来确定检验过程中的滞后阶数，其检验结果见表2。
由表2中检验结果可知，关于我国农业科技投入变量序列和农业GDP变量序列都是非平稳序列，但经过一阶差分后，序列不存在单位根，是平稳序列，即序列LASTT和LAGDP都是一阶单整序列。
2.协整检验与误差修正模型。
虽然时间序列LASTT和LAGDP都是非平稳的，但它们之间还是可能存在某种平稳的线性组合，而且这种线性组合反映的是变量之间存在的长期稳定关系，即协整关系。由前面对序列的单整检验可知，序列LASTT和LAGDP都是一阶单整序列，满足进行协整检验的前提条件。EG两步法在对两个时间序列存在唯一的协整关系时，是一种非常有效的协整检验法，因而我们可以利用EG两步法来对序列LASTT和LAGDP进行协整检验。利用最小二乘法估计序列LASTT和LAGDP的长期线性均衡关系可得：
式中，括号内的数据表示相应估计量的t统计值。上述回归分析结果显示，方程的拟合优度非常好，各项检验参数也比较显著，说明回归方程的统计性质较好。该回归方程的重要经济意义在于，自1986年以来，我国农业科技投入与农业经济增长之间存在显著的相关关系，农业科技投入对农业经济增长的弹性高达0.6823。然而，如果序列LASTT和LAGDP存在协整关系，那么其回归后的残差序列应该是平稳序列，对序列进行单位根检验可得：
ADF值为-2.3105，小于5%显著性水平下的临界值-1.9534，说明残差项不存在单位根，即为平稳序列。据此可以判断，我国农业GDP与农业科技投入之间存在唯一的协整关系。由于误差修正模型(ECM)既能反映时间序列之间的长期均衡关系，又能体现短期偏离长期均衡的修正机制，因而对我国农业经济增长与农业科技投入序列构建如(2)式所示的误差修正模型(ECM)，以进一步考察农业科技投入的资源配置效率及其对我国农业经济增长的影响。
(2)式误差修正模型的回归结果表明，其拟合优度一般，但DW值的大小令人满意，模型基本上反映了我国农业GDP与农业科技投入之间的关系。从模型结果来看，农业科技投入对农业经济增长的影响系数为0.0488，表明我国农业科技投入变动1%，农业经济增长相应地变动0.0488%，与(1)式得出的我国农业科技投入对农业经济增长的弹性高达0.6823相比，农业科技投入对农业经济增长的短期影响明显要小于其长期影响。
3.格兰杰因果关系检验。
协整检验结果表明，LAGDP与LASTT之间存在长期的均衡关系，但这并不能确定它们之间是否存在相互影响的因果关系，因而还需要进行因果关系检验。利用EViews6.0软件可得到LAGDP与LASTT之间的Granger因果关系检验结果(见表3)。
表3的检验结果表明，在5%的显著性水平上拒绝LASTT不是LAGDP的格兰杰原因，即认为LASTT是LAGDP的格兰杰原因；在1%的显著性水平上拒绝LAGDP不是LASTT的格兰杰原因，也就是说LAGDP是LASTT的格兰杰原因。
4.基于VAR模型的脉冲响应函数分析。
由于VAR模型具有良好而独特的动态结构性质，可以用于解释各种经济冲击对经济变量形成的影响，因而本文进一步利用脉冲响应函数来识别农业GDP变量或农业科技投入变量的一个随机扰动是如何通过模型来影响其他变量，进而最终反馈到自身上来的。本文基于表3中ADF检验结果中的平稳性序列而构建VAR模型，通过对比分析确定建立VAR(2)模型。图1是基于VAR(2)模型而形成的脉冲响应函数曲线，横坐标表示脉冲响应函数的追踪期，设定为10年；纵坐标表示一个变量对另一个变量的响应程度，图中的实线表示响应函数的计算值，虚线围成的区域代表两倍标准差的置信带。
这里主要考察LAGDP对LASTT的响应情况和响应路径以及LASTT对LAGDP的响应情况和响应路径。首先来看农业科技投入对农业GDP的响应情况和响应路径。从图1中不难发现：农业科技投入对于农业GDP一个标准新息的扰动的响应，一开始影响不大，且是正向响应，但此后9年多，一直为负向响应，而且前6年的负响应呈现缓慢加剧之势，而从第7年开始负响应趋于稳定。这说明，在短期内农业GDP的增长对于农业科技投入具有正向影响作用，但此后的影响都是负向的。图1还显示，农业科技投入对于农业GDP具有持续的正向影响作用，虽然在极短的时间内难以发觉这种正向影响，但从相对较长的时间段来看，这种比较稳定的正向影响的持续时间较长，说明农业科技投入对农业GDP的正向拉动影响不仅在短期内客观存在，而且在长期内更为显著和稳定。
三、基本结论与对策建议
协整检验结果表明，尽管我国农业科技投入变量序列和农业GDP变量序列都是非平稳序列，但两者之间存在某种长期稳定的协整关系。对我国农业科技投入和农业GDP之间的回归分析结果表明，两者具有显著的相关性：农业科技投入对农业经济增长的弹性高达0.6823，论证了农业科技投入与农业GDP之间存在唯一的协整关系。本文分析得出的农业科技投入对经济增长的弹性数据，与DenisonE.F.(1974)计算的美国1929—1969年农业技术进步贡献率(30.9%)、朱希刚(1997)计算的“九五”期间(1996—2000年)农业科技贡献率(42.11%)、王桂荣(2003)计算的20世纪90年代种植业科技贡献率(38.4%)相比，明显偏高。笔者认为，造成这一差异的主要原因可能与样本数据选取时期有关：农业科技投入具有累积效应，投入时间越长、投入绩效越显著。上述学者所采用的数据较早，而本文所采用的是1986—2011年的最新数据。进一步的误差修正模型分析得出，农业科技投入对农业经济增长的影响系数为0.0488，与回归分析中得出的我国农业科技投入对农业经济增长的弹性高达0.6823相比，农业科技投入对农业经济增长的短期影响明显要小于其长期影响。格兰杰因果关系检验结果表明，我国农业科技投入是农业经济增长的格兰杰原因，而农业经济增长也会对农业科技投入产生影响，两者之间存在双向影响的格兰杰因果关系。基于VAR模型的脉冲响应函数分析表明，农业科技投入对于农业GDP具有持续的正向影响作用，虽然在极短的时间内难以发觉这种正向影响，但从相对较长的时间段来看，这种比较稳定的正向影响的持续时间较长，说明农业科技投入对农业GDP的正向拉动影响不仅在短期内客观存在，而且在长期内更为显著和稳定。显而易见，这一结论支持了协整检验和格兰杰因果关系检验的实证结果，说明我国农业GDP增长与农业科技投入之间存在紧密的长期关系，但在短期内农业科技投入对于农业GDP增长的作用不大，这可能意味着短期内农业科技资源配置效率低下，限制了农业科技投入对农业GDP增长作用的充分发挥。即使从长期来看，农业GDP的增长也是边际递减的，说明单方面增加农业科技投入，对农业经济增长的促进作用是有限的。优化农业科技资源配置，比片面增加农业科技投入具有更加重要的意义。
关键词：经济增长；财政科技投入；var模型；协整分析
引言
科技是促进经济增长的主要推动力量，而科技投资是科学创新和技术进步的基本前提和必要条件，因此科技投资对经济增长发挥着重要作用。目前很多国家和地区都把加大科技投入作为促进经济增长，提高综合竞争力的主要手段。我国财政科技投入占gdp的比重太少，平均仅为0.164%，与世界平均水平2.10%的比重及发达国家2.15%的比重均有较大差距。尽管我国r&d经费投入量及其占gdp的比重不断增加，平均仅为0.188%，日本为3.10%，美国为2.17%，韩国为2.16%，芬兰为2.19%，瑞典为3.19%。科技投入是从事科技活动的基本要素和重要基础，也是反映一个国家或地区科技进步和科技实力的重要指标。如何发展高新技术产业，促进产业结构升级，优化经济增长方式，是广东省的核心任务。
通过系统梳理国内外文献的研究脉络，财政科技投入与经济增长的实证分析有：以卢卡斯为代表的经济学家提出了新经济增长理论，将技术进步作为系统的内生变量，认为科学技术因素是经济增长的决定因素。因此，政府对科技的支持力度是影响经济增长的间接因素之一；肖利（2002）通过对美国企业界20世纪90年代r&d投入的分析表明，r&d投入的高速增长是推进美国技术创新和经济增长的主要动力；严四容等（2008）从科技投入总量、科技投入经费来源、科技投入结构三方面具体阐述我国科技投入的现状，并和其他一些国家进行比较分析；张绍佩（2009）根据江西省2000—2006年r&d经费支出、从事科技活动的人员数和gdp的数据，运用灰色关联度分析方法对江西省科技投入与经济增长关系进行了实证研究。得出江西省科技投入与经济增长有很强的正相关关系。并且，从事科技活动的人员数对经济发展的影响更为显著；阮敏（2008）运用传统增长理论和内生增长理论对上海近十多年来经济增长进行实证分析，得出技术进步对上海经济增长的贡献较低，在现阶段还没有出现内涵式经济增长的拐点；朱春奎（2006）通过对中国1978—2000年财政科技投入与经济增长的有关数据变量进行因果关系检验，揭示了财政科技投入与经济增长的动态关系，从总体上看，改革开放以来，中国财政科技投入是经济增长的充分而非必要条件，即财政科技投入是国民经济增长的原因，而经济增长对财政科技投入的贡献作用并不显著，仅在滞后期为两年时，经济增长构成财政科技投入变化的granger原因。
综上所述，国内外学者的研究证明了科技投入对经济增长有着重要的作用。而以广东省为例来研究二者的关系比较少，这方面的研究对增强广东省财政科技投入对经济增长的贡献具有重要的理论和政策意义。由于地方财政科技投入对经济增长的作用期较长，因此本文针对广东省财政科技投入与经济增长的关系展开时间序列分析，包括单位根检验、建立var模型、协整检验、因果关系检验、建立误差修正模型、脉冲响应函数分析和方差分解，试图得到有价值的结论，以期为合理制定广东省财政科技投入政策提供参考。
一、模型设置
本文基于罗默r&d理论模型，采用广东省1978—2007年的时间序列数据，采用扩展的c-d生产函数，定量研究广东省财政科技投入对区域经济增长的影响程度，建立模型如下。
lny=?茁0+?茁1ln1+?茁2lnk+?茁3 ln h+?茁4 ln r&d+?茁5 ln h*ln r&d+?滋
（3-1）
这里，模型中r&d人员和r&d投入的交叉项是来检验它们的共同影响。（3-1）式中k为可比价固定资产投资总额，l代表全省从业人员数，h表示r&d人员，r&d表示地方财政科技投入，以人均国民收入y为被解释变量。
所有数据通过1979-2008年《中国统计年鉴》、《中国科技统计年鉴》和《广东省统计年鉴》整理得到。其中，1995-2000年的固定资产投资价格指数用商品零售价格指数代替，1995年以前该指数变化较小，本文用全国零售价格指数代替。r&d价格指数没有准确的统计数据，多数研究用加权平均值的估算方法( jaffe，1972；朱平芳、徐伟民，2003)，而本文直接使用gdp平减指数作为r&d价格指数的近似，这是基于对r&d内部支出的整体考虑。以上数据均以1978年为基期进行折算。y的单位以元计，k，r&d的单位以亿元计，l，h的单位以万人计。
二、实证结果分析
（一）协整检验和因果关系检验
首先进行单位根检验，以确定变量单整阶数，只有当变量的单整阶数都相同时，才能进行协整检验。表1给出了单位根检验结果。
本文选择了adf检验和pp检验两种检验统计量来验证时间序列的单整阶数，结果都显示，这几个时间序列的水平值都是非平稳的，其一阶差分变量的单位根过程都是平稳的，因此这些时间序列都是一阶单整i(1)序列。基于表1的研究结论，可采用johansen协整检验来对这几个变量进行协整分析。johansen检验分析的前提为var（向量自回归）模型的残差项必须是白噪声序列，而这能够通过选择var模型适当的滞后阶数（k）来实现，因此本项研究根据johansen协整检验来确定协整向量的个数。
得到var模型如下：
为了确保var模型的残差项是白噪声序列，根据a ic准则或sc准则，我们可以确认这个var系统的最优滞后阶数为2阶。在此基础上我们进行协整检验的目的是探索同阶变量间是否存在长期的、稳定的动态关系。检验结果如表2。
表2的第一列ce表示协整关系的个数，由上表得出模型存在6个协整向量，5个协整方程。如在5%的临界水平下，轨迹统计量418.9＞临界值117.7，应该拒绝没有协整关系（ce=0）的原假设，对应的接受存在一个协整关系；最大特征值统计量也是拒绝ce=0，接受ce<=1，即最多存在1个协整关系。同时，模型的残差均为零阶单整。结果表明变量间存在一阶协整关系。
有了一阶协整关系的成立，就可以测算出协整方程，即变量间存在长期稳定的关系。模型中解释变量对经济增长作用的5个具体的协整方程分别为：
ln y=-2.3671 ln l+0.2309lnk-2.6232ln h-1.2348ln r&d+
2.5619ln h*ln r&d-0.0182@trend(79)（3-3）
(0.01763) (0.00159) (0.01480) (0.00466)
(0.01108) (0.00024)
ln y=0.1789 ln k-3.5027ln h-1.2158ln r&d+
2.8893ln h*ln r&d-0.0341@trend(79)（3-4）
(0.02002)(0.18870) (0.05866)
(0.14240)(0.00230)
ln y=-3.3074 ln h-0.8668ln r&d+2.2780ln h*ln r&d-
0.0098@trend(79)（3-5）
(0.30640) (0.08925)(0.22083) (0.00148)
ln y=-1.2754 ln r&d-0.6715ln h*ln r&d-
0.0914@trend(79)（3-6）
(1.15033)(1.55888)(0.03155)
ln y=-0．0806 ln h*lnr&d-0.0240@trend(79)（3-7）
(0.03485)(0.00152)
其中，括号内为t统计量值。
（3-3）、（3-4）和（3-5）式表明，固定资产投资和交互项ln h*ln r&d的交叉项回归系数为正，而研发人员和研发投入的系数为负。表明研发人员和研发投入这两个变量之间存在相互促进的关系，只是单独增加某一项投入的作用是不明显的。这就说明，当使用科技投入政策来促进经济绩效的时候，应该首先考虑r&d资本存量的提高，然后要考虑到r&d人员的引进等配套政策。（3-6）和（3-7）中各项变量均为负，研发只有在其他投资的基础上才能发挥较大作用。另外，从业人数对经济增长产生反作用，一方面这可能说明了广东的劳密型产业比例逐步减少，而低技能劳动力过多，给整个经济带来了负面影响；另一方面可能是r&d投入与发达国家相比明显不足，表现如下：1）研发投入不足。虽然广东省经济快速增长，但研发投入总量基数小，还未构成对经济增长的有力支撑；2）经济增长方式的影响。长期以来广东经济主要依靠资源和资本驱动增长，经济增长质量不高，对于科技进步对经济增长的作用重视不够；3）产业结构不合理。广东省在相当长的时期里，主要以第二产业为主，第三产业发展缓慢。由于产业结构不协调导致投资结构不合理，致使财政支出侧重于第二产业，而对于科技含量高的第三产业投资率偏低。
综上可见，广东省研发投入对经济增长产生长期稳定的均衡作用，但协整关系检验并不能确定两者是否具备统计意义上的因果关系，只能说ln y与ln r&d具备了存在格兰杰因果关系的可能性，尚需进一步验证。下面来考察这两个变量之间的因果关系，根据aic准则和sc准则滞后期取2，检验结果如表3。
因果关系检验的结果表明，在1%显著性水平下，1978-2007年广东省r&d投入与经济增长之间存在单向的因果关系，即经济增长是研发投入的granger原因，而广东省研发投入增加不是经济增长的granger原因。意味着经济增长越快诱发研发投入规模的增大，而广东省的经济增长主要诱因不是研发投入，短期研发投入的增加或减少未引起经济增长的变化。但协整关系反映的是变量之间的长期稳定关系，而研发投入又显著地进入这一关系，这就意味着研发投入是经济增长的长期驱动因素。
（二）向量误差修正模型
误差修正模型反映了被解释变量的短期波动和长期均衡。同时，engel和granger(1987)证明了将协整关系引入模型后，可以用有限阶的var过程来描述一阶差分构成过程，即进行向量误差修正。在得到了由?驻ln yt、?驻ln lt、?驻ln kt、?驻ln ht、?驻ln r&dt和?驻（ln h*ln r&d）t这四个i（0）过程组成的var（2）后，将得出的协整方程引入模型，就得到了在无约束差分形式下人均gdp及其滞后项、固定资产投资及其滞后项、从业人员数及其滞后项、r&d人员及其滞后项、r&d投入及其滞后项组成的vecm。估计时，采用的johnson极大似然估计法，与协整分析一致，选取l＝2，含截距和不含时间项的线性趋势假设。下表显示的是在5%水平下vecm的参数估计结果。
从表4可以得出模型vecm的其中一个具体形式如下：
ecm不仅能反映时间序列之间的长期均衡关系，而且能反映短期偏离长期均衡的修正机制。（3-8）式的误差修正项系数为正，符合正向修正机制。误差修正系数为0.1912，各变量均通过长期均衡关系来影响人均gdp的增长，每年ln y的实际值与长期值或均衡值的偏差大约有19%被纠正，表明对人均gdp修正幅度较大。
表4的vecm估计结果说明了研发人员和研发投入对经济增长的短期影响较大，弹性分别为（0.923764，
1.079386）和（0.429840，0.484673），但是不显著，因此，主要通过协整的的长期均衡来影响人均gdp的增加。所以广东对研发投入要具有长期性和连续性。其原因在于，科技投入的生产力作用主要是通过提高物质资本和人力资本的效率来实现的，而这两者的效率在短时间内无法迅速提高，科技投入效果的显现自然也就需要一定的过程。
（三）脉冲反应函数
脉冲反应函数刻画的是在vecm扰动项上加一个单位标准差大小的信息冲击对内生变量的当前值和未来值的影响。图1是基于vecm（2）和monte carlo模拟的累积脉冲响应函数曲线，横轴代表滞后阶数，共有十期；纵轴代表广东省某一变量对其他解释变量单位信息冲击的响应程度。
从图1来看，研发投入对人均gdp的响应虽然历经四期的微调阶段，但是其正向响应逐步加大并趋向于长期稳定；人均gdp对研发投入一直处于负向响应，但在第八期之后有减小的趋势；研发人员投入对人均gdp开始处于负响应，但在第六期后转变为正响应，但其响应程度逐步减小；人均gdp对研发人员投入也有个四期的微调阶段，从第四期后，其正向响应程度逐步加大，并于第七期达到最大，又逐步减小。这表明了人均gdp与科技投入两者之间有着紧密的长期联系，人均gdp增长的同时也促进了科技投入的增长。因此，在政策措施上应采取长期而非短期的政策，以保证人均gdp增长对科技投入长期正向的拉动作用。另外，交叉项对人均gdp的响应由负向转为正向，后趋于长期稳定；而人均gdp对交叉项的响应一直处于负向，波动幅度较小，较为稳定。说明了这两个科技政策的改善并不总是可以提高经济增长。这不仅需要一个政策的改变，还需要两者的配合使用，既不能只提高r&d资本存量，也不能只提高r&d人员全时当量，需要在以提高r&d资本存量为主的同时，适度增加r&d人员全时当量，这样才可以更好地促进经济增长。
（四）方差分解
由于变量之间存在长期协整关系，同时由vecm的动态结构系统，可以进一步把握人均gdp增加受到，，，，的影响程度。表5是基于前述vecm和monte carlo模拟的方差分解结果（下表给出了10期的数据）。
从表5可以看出，在人均gdp走势的波动中，从方差分解的短期趋势看，经济发展水平是最主要的贡献因素，2、4、6期对应的比率分别为96.25%、74.73%、59.72%，各期贡献率均在44%以上；从方差分解的中长期趋势（8期以后）看，从业人员、资本存量和人力资本对经济增长的贡献最大，在第10期其方差贡献分别达到17.09%、21.45%和9.927%，这说明广东省的经济增长目前主要来源于要素投入的增长，经济增长类型属于弱内生型。研发投入对人均gdp增长的贡献整体偏小，但其上升速度最快，由第2期的0.052%上升到第10期的2.92%，这表明地方研发投入的增加对经济增长的影响程度最敏感。因此，目前进一步增加研发投入相对于其他经济要素投入来说对于长期经济增长的影响最直接有效。
结束语
本文通过构建一个内生经济增长模型，采用广东省三十年的时间序列数据，针对广东省财政科技投入与经济增长的关系展开时间序列分析。研究结果显示，研发投入对经济增长产生长期稳定的均衡作用，并且研发人员和研发投入两个变量之间存在相互促进的关系。基于实证研究结论，政策含义是：首先，要加大广东省财政科技投入和引进科技人才。既不能只提高r&d资本存量，也不能只提高r&d人员全时当量，需要两者的配合使用，这样才可以更好地促进经济增长。其次，科技投入对区域经济增长的长期影响比短期影响大，因此，要制定长远的科技投入战略而不是短期策略。最后，在重视科技投入数量的同时，对科技投入的结构、科技资源的优化配置和使用效率上也应给予足够的重视，最大限度提高科技投入在促进经济增长中的作用。
参考文献：
[1]christopoulos d k. tsionas eg. financial development and economic growth：evidence from panel unit root and co-in-
tegration tests [j]. journal of development economics，2004，
73(1): 55—74.
[2]郭瑞东. 地方财政科技投入与经济增长的动态均衡关系—以河北省为例[j].经济与管理,2009,23，(02):66-70.
[3]严四容,郭慧文,张文棋. 科技投入的国际比较与启示[j]. 科技投入与研究,2008,(1):86-91.
[4]张晓峒. 面板数据的计量经济分析[m]. 天津：南开大学出版社,2008.
[5]朱春奎. 财政科技投入与经济增长因果关系的实证研究[j]. 经济经纬,2006,(6):119-121.
[6]肖利. 美国企业投入对中国现代企业的启示[j]. 科研管理,2002,23，（2）：116-121.
关键词：产学研融合；科技创新；经济发展；Network DEA
中图分类号：F204 文献标识码：A 文章编号：1000-176X（2017）01-0041-07
一、引言与文献综述
自从Solow在20世纪50年代首次将技术进步引入对宏观经济增长的分析以来，科技创新对于经济发展的作用就普遍受到人们的关注。根据Solow的分析，促进产出增长的主要原因是技术进步而非资本积累。单就科技创新对经济增长的贡献这一指标而言，发达国家普遍高于70%的水平，美国高达80%，而我国这一指标仅为40%，差距明显。面对当前外需不振、经济持续低迷和内部“三期叠加”的不利形势，为了使我国从制造业大国向制造业强国转变，摆脱处于全球价值链低端的现状，更应该依靠科技创新助推经济转型升级，以实现经济可持续发展。
政府近年来对科技创新越发重视，2005年提出建设创新型国家的战略，明确了科技创新的作用。2012年我国科研经费总额位列全球第三，规模首次超过万亿元；2014年政府工作报告中提出“大众创业、万众创新”：2015年中共中央、国务院出台《中共中央、国务院关于深化体制机制改革加快实施创新驱动发展战略的若干意见》，为鼓励科技创新发展指明了方向。然而，伴随着科研经费的持续增长和政府对科技创新的高度重视，我国科技创新是否已经摆脱产学研脱节、科技创新与经济发展“两张皮”的问题？产、学、研三方对于经济发展的贡献程度如何？产学研的融合与合作状况如何？这正是本文要着重探讨的问题，即从产学研融合视角研究科技创新对于经济发展的作用。有关于科技创新与经济发展方面的研究主要集中于以下三个方面。
在科技创新与经济增长关联度方面，随着科技创新与经济增长关系分析的深入。国外学者逐渐转向对二者关系内在作用机制的探讨，并逐步拓展为科技创新与经济系统运行不同阶段子系统效率的联系上，探讨科技创新c经济增长的多阶段与网络化特征，考察每一生产系统或环节对整体生产系统的影响。Kao和Hwang对NetworkDEA模型进行一般化分析，将每一个网络拆分成串联模型和并联模型的组合，从而实现对经济系统及其子系统效率与联动机制的分析。国内关于科研投入、科技创新与经济增长关系的研究与国外的研究思路基本一致，主要采用面板数据对科研投入与经济增长的关系进行分析。谢兰云和曲永义运用SVAR模型，利用协整方法和SVAR方法对1991-2006年我国企业、政府的科研投入和经济增长的关系进行实证研究。发现政府和企业的科研投入都对经济增长起到积极作用。庞瑞芝等借助拓展的Network DEA方法，以系统观视角考察我国省际科技创新对经济发展的支撑效率以及科技资源的优化配置问题，发现目前科技创新对经济发展的支撑作用偏小，科技成果未能有效转化制约其对经济发展的支撑作用，创新生产阶段和经济发展阶段是影响科技成果转化的基础。
在区域科技创新系统方面主要有两个研究方向：一是对于区域与产业协同创新体系的研究，Fromhold-Eisebith和Eisebith研究发现，创新环境与社会资本相互联系、相互促进，创新环境可以刺激产业发生变化。Hong和Peng建立一个灰色对称进化链模型来探讨产学研协同创新过程中的稳定平衡性。孔祥浩等提出政产学研协同创新“四轮驱动”结构模型，分析核心要素之间的互动结构，并且提出要素协同发展的保障机制。王玉梅等建立产业技术创新战略联盟网络协同创新发展机理模型，给出企业与公共研究机构、政府间，以及系统各要素间的协同创新关系。二是对于区域科技创新能力评价指标体系的研究，Dan等研究认为，区域创新系统包含两方面内容：一方面是创新活力的载体，它既包括企业，也包括大学和研究机构在内的“知识组织”；另一方面区域作为一个整体可以通过某种治理安排来促进和支持这些“知识组织”。洪名勇较早设计了我国省级科技创新能力评价指标体系，认为科技创新差异是我国区域经济非均衡增长的重要因素之一。魏阙和戴磊设计了基于创新活动基础、产业集群环境、创新投入和创新产出四个维度的区域创新能力评价指标体系。
在创新效率与创新绩效方面，Carlino等研究发现，城市的专利密度与就业密度呈正相关关系。Castellacci通过对欧洲9个国家制造业生产率差异性的分析，将技术体制量化为技术机会、独占性、开放程度和市场规模四个方面进行研究。何军和胡亮对我国规模以上内外资工业企业绩效进行分析，发现内外资企业的生产要素增长率都在逐年增长，但内资企业的全要素生产率增速快于外资企业，其增长来源也并不相同。余泳泽考察了创新要素聚集程度、政府支撑程度和制度环境因素对科技创新效率的影响，发现我国科技创新效率具有明显的空间相关性。科研机构和高校空间布局上的集中并没有带来科技创新效率的提高，但企业科技创新要素集中度提高却带来科技创新效率的明显提高。郑伟波和田也壮考察了文化因子对科技创新效率的影响，认为文化因素中的高权力距离和约束性组织文化对科技创新起到正向调节作用。
本文进一步扩展Network DEA方法，将经济活动拆分为若干串联的子系统，并将产、学、研作为彼此并联的子系统，分别考察三方面科技创新的作用效率，分析三者的经济转化效率及其在哪些环节存在问题。
二、研究方法、变量选择与数据处理
1.研究方法
从科技创新的作用机制来看，科技创新对经济的推动作用呈现两个基本特征：一是科技创新对经济增长的推动作用是阶段化的，这一作用形式在不同阶段依次甚至同时展开，不同阶段的推动作用强度与效率呈现差异化特征。二是网络化特征，即经济生产中的每一个环节与生产单元都对经济增长有影响，各阶段下的不同产物可能构成下一阶段的投入品，由此构成经济增长的网络化模式。为了能够系统化、全面性地分析科技创新与经济增长的关系，需要考虑科技创新对经济推动作用的阶段化和网络化特征。基于这样的考量，Fare和Grosskopf提出Network DEA方法，将生产过程进行分解，考察经济系统中每一个子系统的效率及其对整个经济系统效率的影响。当生产过程分解为两阶段时，两阶段的联动主要通过中间产品进行，即上一生产阶段的产出转化为下一生产阶段的投入，利用生产过程的分割，通过对每个子系统的分析探讨经济效率。Fare等拓展了Netwo～DEA方法，将其细分为两类模型：一是资源约束型。两个生产阶段在同一资源约束下同步运作。二是序列型，两个生产阶段存在投入产出关系，前一生产阶段的产出为下一生产阶段的投入。
Kao和Hwang建立了两阶段Network DEA方法，全面分析了子系统和整个经济系统之间的联动机制。但两阶段DEA缺乏足够的拓展性，无法从两阶段分析拓展到一般情况。Kao对Network DEA模型进行了一般化分析，将每一个网络拆分成串联模型和并联模型的组合，从而实现对经济系统及其子系统效率与联动机制的分析。因此，本文借鉴Kao构建两阶段五系统Network DEA模型，如图1所示。
从图1可以看出，阶段Ⅰ和阶段Ⅱ为串联关系，阶段内部分别为三系统和两系统的并联。其中系统1和系统2为科技创新过程，其分别投入科技资源（X1，X2），产出科技成果（Y1，Y2）；系统3是科技创新促进下的生产过程，系统4为常规生产过程，投入非科技资源（X1（3），X2（3）），产出非科技资源（X1（3），X2（3））；系统5为模拟下的虚拟生产过程，与系统4类似。
假设存在n个决策单元（DMUs），μI为投入乘数，νr为产出乘数，Ek为各个决策单元的效率。系统各个阶段的边际产出不会超过中间投入。本文构建各个决策单元的效率模型如下：
（1）
其中，j=1，2，…，n；μ1，μ2，μ3，ν1，ν2≥ε。考虑到前文所述的阶段性特征Ek=EⅠ×EⅡ，对于阶段Ⅰ，根据DEA的边际条件，其总产出不应超过其总投入，即：
（2）
根据约束条件，设μ*和ν9分别为投入的最佳比率和产出的最佳比率，阶段Ⅰ的效率为：
（3）
根据同样的限制条件，阶段Ⅱ的效率为：
（4）
2.变量选择与数据处理
本文选取2006-2013年中国大陆27个省、自治区和直辖市的科研投入与产出以及宏观经济数据，样本的基础数据来自《中国科技统计年鉴》《中国统计年鉴》。
本文所选取的初始投入X1（1）为各省份高校研发人员全时当量；X2（1）为各省份高校科研经费支出；Y1（0）为各省份高校专利授权数；Y1（1）为各省份高校专利技术市场成交额；X1（2）为各省份研发人员全时当量（剔除高校）；X2（2）楦魇》菅蟹⒆时敬媪浚ㄌ蕹高校）；Y2（0）为各省份专利授权数（剔除高校）；YX2（1）为各省份专利技术市场成交额（剔除高校）；X3（1）为各省份地区资本存量；X2（3）为各省份地区从业人员（剔除研发从业人员）；最终产出Y3为地区高技术产业产值。
三、结果分析
1.科技创新对地区经济发展推动作用评估
科技创新对地区经济发展的推动作用整体水平不高。表1为2009-2013年各省份科技创新推动经济发展的效率水平。
从表1可以看出，最高值为1.000，最低值为0.450，五年间全国平均水平为0.710。从变化趋势看，全国平均水平从2009年的0.677上升到2013年的0.791，整体处于上升趋势，显示出近年来科技创新推动地区经济发展的效率不断上升，这反映了目前各地区对科技推动经济发展和产业转型升级的重视。但就整体水平而言，目前科技创新对地区经济发展的推动效率不高，尚有提升空间。因此，除了优化科技资源配置外，还应从多渠道、多途径人手着力提升科技创新推动经济发展的效率水平。
科技创新对地区经济发展的推动作用存在明显的地区差异。就各省份而言，得分最高的为江苏、北京、上海和浙江，均在0.980以上，得分最低的为山西、云南、贵州和甘肃，均在0.500左右，仅为江苏和北京的一半，远低于全国平均水平。中部地区得分最高的为内蒙古，在全国排名第六，西部地区得分最高的为陕西，在全国排名第十七。就各地区而言，东部地区平均得分为0.838，高于中部地区的0.657和西部地区的0.562，仅有东部地区超过了全国平均水平0.710。各省份平均增速最快的是安徽、吉林、黑龙江、陕西和湖南，分别为9.6%、8.7%、7.6%、7.5%和7.2%，均达到7.0%以上的增速。由于江苏、北京、上海和浙江保持着较高的效率水平，因而上述省份增速最慢。整体而言，中部地区增速最快，西部地区略逊于中部地区，东部地区由于整体水平较高，增速最慢。科技创新对经济发展的推动作用受制于地区条件，除了科技资源的集聚外，不同地区在科技成果转化的基础设施方面也存在明显差异。科技成果转化的基础设施既包括科技成果转化平台和交易市场等“硬件设施”，也包括科技成果转化的激励机制和市场环境等“软件设施”，还包括需求端的企业发展状况、企业科技需求水平与企业科技成果转化水平等“配套设施”，虽然中、西部地区在硬件设施方面有所提升，但东部地区科技成果转化的基础设施水平整体高于中、西部地区。
2.科技创新推动地区经济发展的两阶段分解
对于多数科技创新要素而言，都需要经过从初始要素变为中间要素（科技成果），再应用于区域发展过程的两个阶段。因此，本文将科技创新推动地区经济发展拆分为两阶段，即阶段Ⅰ和阶段Ⅱ，正文中统一表述为第一阶段和第二阶段，第一阶段为科技创新要素投入转化为科技成果，第二阶段为科技成果推动地区经济发展。表2为2009-2013年各省份科技创新推动地区经济发展的两阶段分解结果。
从表2可以看出，科技成果推动地区经济发展阶段（第二阶段）成为制约科技成果转化效率的主要原因。2009-2013年各省份科技创新要素投入转化为科技成果（第一阶段）的效率均达到0.920以上。均值达到0.943；第二阶段的效率最低为0.451，均值仅为0.717。针对科技创新推动地区经济发展的效率不高问题，在对科技创新过程进行两阶段分解后，可以看出制约科技创新推动地区经济发展的主要原因是第二阶段的效率过低。即科技创新要素投入转化为科技成果的效率较高，但科技成果最终投入到实体经济进而推动地区经济发展的效率过低。
两阶段效率各地区差异巨大，东部地区促成整体效率的提升。本文对各省份两阶段效率的描述性统计量进行计算，结果显示就各地区而言，东、中、西部地区第一阶段的效率比较接近，并且中部地区（0.991）和西部地区（0.996）的效率均高于东部地区（0.986）。西部地区在科技创新要素使用分配方面更加审慎，科技创新要素的转化效率很高。但在第二阶段，东部地区的均值为0.850，中部地区和西部地区均低于全国平均水平0.717。就各地区组内差异而言，东部地区组内差异最大。中部地区组内差异次之。西部地区组内差异最小。
为了探讨各地区的效率是否存在显著差异，以东、中、西部地区为分组变量，对两阶段效率进行单因素方差分析。结果显示第一阶段组间平方和与组内平方和仅为0.002和0.018，远低于第二阶段的1.187和2.124，即对于东、中、西部地区各组而言，组间差异和组内差异主要体现在第二阶段，第一阶段组间差异和组内差异均不大。同时，由于组间差异在5%水平下显著，可以认为东、中、西部地区在第一阶段和第二阶段的效率水平上存在显著差异。
基于SPSS20.0的统计结果，依据第一阶段和第二阶段的效率水平进行系统聚类。将各省份依照科技创新推动地区经济发展的水平分为优秀、良好、中等和较差四类，得到优秀评级的均为东部地区的省份，得到良好评级的主要为东部地区，中、西部地区仅有内蒙古得到良好评级：东部地区的辽宁、福建和海南得到一般评级：中部地区的省份主要得到中等评级，西部地区的陕西、四川和重庆也得到中等评级，得到较差评级的主要为西部地区的省份，唯一得到较差评级的中部地区省份为山西。由于依赖能源产业，科技创新对地区经济发展的推动作用得不到足够重视，使得山西经济同样出现“能源诅咒”困境。
从上述结果不难看出，将各省份依照科技创新推动地区经济发展的水平分为四类后，各省份的评价水平基本上符合东部地区最优、中部地区次之、西部地区最劣的排序水平，东部地区仅有部分省份得到中等评级，同时东部地区没有省份得到较差评级，中部地区省份主要得到中等评级，没有得到优秀评级的省份，仅有山西一个省份得到较差评级。即东、中、西部地区在第一阶段和第二阶段的效率水平上存在显著差异的结论再次得到验证。
四、结论与政策建议
本文建立两阶段Network DEA模型分析科技创新和经济系统之间的联动机制，通过对该模型的一般化分析，将科技创新推动经济发展的过程拆分成一个包含研发人员投入、科研经费支出、专利技术市场成交状况、地区资本存量等要素的串联模型和并联模型的组合，从而实现对科技创新推动经济发展内在逻辑的分析，考察科技创新在每一阶段的作用效率，分析科技创新的经济转化效率及其具体在哪些环节存在问题。根据前文的分析，得出如下结论：
第一，科技创新对地区经济发展的推动作用整体水平不高。现阶段从科技创新要素投入到最终实现推动经济发展的链条仍存在断点。科研投入在短期内难以实现成本回收，加大了地方政府科研投入压力，使得企业参与型的科研模式在中、西部地区难以生根发芽。科技创新要素投入对应着科技产出与经济增长的彼此割裂，这种割裂在中西部地区的问题更为严重。因此，优化科技资源配置水平，地方政府需要从多渠道、多途径人手，着力提升科技创新对地方经济发展的效率水平，避免科技创新要素被科技成果转化机制拖后腿，进而造成科技创新要素的无谓损失。
第二，科技创新对地区经济发展的推动作用存在明显的地区差异。东部地区成为提升科技创新整体推动经济发展效率的支柱。在对整个经济系统进行两阶段分解后，可以发现各地区之间、各地区内部的差异也主要体现在第二阶段的差异上，同时，由于组g差异在5%水平下显著。可以认为东、中、西部地区在第一阶段和第二阶段的效率水平上存在显著差异。虽然中、西部地区在促进科技成果转化的硬件设施方面有所提升，但软件设施、市场环境、微观激励机制和政策配套等方面仍与东部地区存在差距。
第三，科技成果转化的基础设施水平较低是当前各地区亟待突破的瓶颈。科技创新对经济发展的推动作用从形式上看受制于地区条件。从内容上看则是受制于科技成果推动地区经济发展阶段的转化效率低下，除了推进科技资源的优势区域集聚外，仍需要着力解决不同地区在科技成果转化机制、基础设施方面的差距。中、西部地区在科技创新推动地区经济发展方面明显受制于科技成果转化的基础设施水平，这种基础设施的差距集中体现在了科技成果推动地区经济发展阶段的低转化效率。可见，现阶段科技成果转化的核心是区域内宏观与微观层面上科技成果转化的基础设施水平亟待提升。
马克思曾指出,随着工业的发展,现实财富的创造较少地取决于劳动时间和所耗费的劳动量,……相反地取决于一般的科学水平和技术进步,或者说取决于科学在生产上的应用。科技投入是科技进步的物质基础和前提,如何测算科技投入对经济增长的贡献率一直是宏观经济学的重要研究课题。目前,定量测算科技投入或科技进步对经济增长的贡献率的方法主要有两大类:一类是生产函数法,如柯布—道格拉斯(C-D)生产函数、线性生产函数、超越生产函数和固定替代弹性(CES)生产函数等;另一类是增长速度方程方法[1]。20世纪30年代美国著名数学家柯布(G.W.Cobb)和经济学家道格拉斯(P.H.Douglas)共同研究了产出与投入的关系,并用数学函数描述了这种关系,得出C-D型生产函数:Y=ALαKβ(α>0;β>0)。式中Y为产出,K为资本,L为劳动力;参数α和β分别为产出对资本和劳动力的弹性;A为技术进步参数。用柯布—道格拉斯生产函数可以计算出某一时刻的技术水平,并由此计算出技术进步对新增产值的贡献,或技术进步对新增劳动生产率的贡献,但不能直接计算出技术进步对产值增长速度的贡献[2]。1957年,美国麻省理学院经济学家索洛在中性生产函数假设下推导出增长速度方程,分离出技术进步,揭示了经济增长过程的背后,技术进步的作用,把生产函数的研究大大推进了一步。索洛教授首次使用增长速度方程对美国技术进步进行了实证研究[3]。1962-1982年间,美国布鲁金斯学会的丹尼森教授,采用增长速度方程对世界上10多个国家的经济增长进行了系统分析,得出技术进步对经济增长的贡献率约为50%-70%[4]。1991年,世界银行对68个国家的技术进步进行了分析,结果表明发展中国家技术进步对国内生产总值的贡献率约为14.3%,同期,法国为56.7%、德国为51%、英国为50%,而美国技术进步对经济增长的贡献率仅为16•6%[5]。上述研究由于研究角度、研究方法、研究对象和研究的时间跨度不同,得出的结论也不尽一致,但为深入研究科技投入对经济增长贡献率提供了良好的基础。本研究以国家统计局的1953-2002年年度的统计数据为基础(如表1所示),采用EViews(计量经济学软件包)的GrangerCausality因果关系检验法和回归分析法,研究中国科技投入与经济增长之间的依存关系,考察两者之间是否存在因果关系,建立相关的数学模型,并测算科技投入对经济增长的贡献率。
2中国科技投入与GDP之间的相关分析与因果关系检验
科技投入,是指投入到科技活动中的一切人力、物力和财力的总和,也称为科技资源。其中的财力是人力和物力的货币表现形式,如果用于科技活动的资源都用货币形式表示,科技投入可称为科技经费的总投入。在我国尤其是在实行高度集权的计划经济时期,国家财政科技拨款是科技投入的主体。为了保证统计数据的准确性和权威性,本文的科技投入仅指国家财政科技投入,主要包括科学事业费、科技三项费和科研基建费和其他。相关分析是对变量之间的相关关系的分析,其主要目标是考察变量之间是否存在内在依存关系作出符合实际的判断,测定它们关系的密切程度,并检验其有效性。根据1953-2002年的统计数据,测算中国科技投入与GDP两个变量之间相关系数,结果表明两者之间的Pearson相关系数高达0.9806,显然科技投入与GDP之间存在着十分紧密的依存关系。中国科技投入与GDP之间存在着十分密切的正相关性,但两者之间是否存在明确的因果关系呢?是科技投入的变化引起GDP的变化,还是GDP的变化引起科技投入的变化,或者是两者之间存在双向的因果关系?本研究用GrangerCausality的因果关系检验法研究科技投入与GDP之间的因果关系。GrangerCausality因果关系检验法的基本思想是:如果X的变化引起Y的变化,则X应该有助于预测Y,即在Y关于Y过去值的回归中,增加X的过去值作为独立变量应当显著地增加回归模型的方差解释能力。检验X是否为引起Y变化的原因基本过程如下:(1)作出原假设“X不是引起Y变化的原因”;(2)把Y对Y的滞后值及X的滞后值进行回归,建立无限制条件的回归模型:yt=∑mt=1aiyt-i+∑mt=1bixt-i+ut(3)把Y只对Y的滞后值进行回归,建立有限制条件的回归模型:yt=∑mt=1aiyt-i+ut(4)用回归模型的残差平方和计算F统计值,检验回归系数b1,b2…bm是否同时显著地不为零。如果是,就拒绝“X不是引起Y变化的原因”的原假设,即X是引起Y变化的原因,说明X与Y之间存在着因果关系[6]。第一个原假设F统计值达到了足够大,通过了显著性检验,有理由拒绝“科技投入变化不是引起GDP变化的原因”的假设;第二个原假设F统计值小于5%概率条件的临界值,没有通过显著性检验,没有理由拒绝“GDP变化不是引起科技投入变化的原因”的原假设。可以得出结论:科技投入与经济增长之间存在着十分明显的单向因果关系,即科技投入的增加或减少必然引起GDP的增加或减少,而GDP的增加或减少却未必会引起科技投入的增加或减少。
3中国GDP增长率对科技投入增长率的简单线性回归分析
回归分析是研究一个变量或一组变量(自变量)的变动对另一个变量(因变量)变动之影响程度的一种统计分析方法,它可以根据自变量的已知固定值来估计或预测因变量的总体平均值。从图1中我们可以发现,科技投入增长率和GDP增长率指标的变化趋势具有一定的波动性,很可能会产生异方差问题,从而导致伪回归现象,致使研究结论无效。为了消除异方差,以更好地揭示科技投入与经济增长之间的关系。我们对科技投入和GDP取对数,并进行差分处理,用log(GDP)表示GDP的增长率,log(SCI)表示科技投入的增长率。根据1953-2002年年度的历史数据,我们以科技投入增长率为自变量和GDP增长率为因变量进行简单线性回归分析。在GDP增长率对科技投入增长率的简单线性回归模型中,自变量和常数项的回归系数t统计值都超过了临界值,检验结果呈现高度显著性,表明科技投入增长率对GDP增长率的影响是显著的。回归方程的F统计值为8•42通过了显著性检验。但从表3也可以看出,回归模型的复相关系数仅为0.152,其方差解释能力为15.2%。DW统计值仅为0.516与2还有较大的差距。说明回归模型残差项存在着很严重的序列自相关问题。图1在简单线性回归模型下GDP增长率对科技投入增长率回归的残差趋势图。结果显示,简单线性回归模型不仅对历史数据拟合效果很不理想,而且其残差项的估计值并不频繁地改变符号,而是相继若干个负的以后跟着几个正的,表明回归模型的残差确实存在着高度的正自相关。回归模型残差项的序列自相关,违背了OLS(普通最小二乘法)的高斯-马尔柯夫定理的基本假定,会产生严重的后果:(1)OLS估计量虽然仍具有线性无偏性,但不再具有最小方差性,OLS估计量不再是有效的;(2)建立在t和F分布之上的假设是不可靠的,t和F统计量的假设检验结果是不可信的;(3)回归模型一些参数检验结果看起来是通过了显著性检验,其实并非都是如此,从而导致得出错误的结论。上述分析结果表明,中国科技投入增长率与GDP增长率之间存在的内在依存关系,并不是简单的线性回归关系,因而不能采用简单线性回归模型来揭示科技投入增长率与GDP增长率之间的内在依存关系。
4中国GDP增长率对科技投入增长率的广义差分回归分析
为了揭示科技投入增长率与GDP增长率之间真实的内在依存关系,必须消除序列自相关问题。我们采用广义差分法来达到使得模型残差保持序列独立,不具有自相关性。先将回归方程的变量滞后一期,改写为yt-1=b0+b1xt-1+ut-1方程的两边同时乘以ρ,得到ρyt-1=ρb0+ρb1xt-1+ρut-1将两方程相减,得到yt-ρyt-1=b0(1-ρ)+b1(xt-ρb1xt-1)vt通常把变换后的上述方程称为广义差分方程。广义差分方程中被解释变量对解释变量的回归,不是使用原来的形式,而是以差分的形式来表示。要成功地求解和应用广义差分方程,必需采用一定方法来估计未知的ρ。估计ρ值的方法有很多,Cochrane-Orcutt迭代法已成为目前估计未知的ρ和消除序列自相关问题的主流方法。E-Views是采用在原回归方程中添加AR(1)来消除一阶序列自相关,添加AR(2)消除二阶自相关,添加AR(3)消除三阶自相关,依次类推。在GDP增长率对科技投入增长率的原回归模型中添加AR(1)项,得到如表4所示的广义差分回归结果。由表4可知,DW检验值由原来的0.516升到1.70圆满地消除了残差项的序列自相关。复相关系数也有了大幅度的提升,由原来的0.152提升到0.654,回归模型的F统计值由原来的8.421提升到42.564,呈现高度显著性。回归模型中的常数项、解释变量和AR(1)的t统计值都一致地通过了显著性检验,其回归系数都显著地不为零。图2为GDP增长率对科技投入增长率的广义差分回归的残差趋势图。图2显示,经广义差分变换,回归模型不仅消除了残差项的序列自相关问题,而且模型对历史数据的拟合效果也非常理想。由此,我们可以得到GDP增长率对科技投入增长率的广义差分回归模型:LOG(GDP)(1953-2002)=0.082987+0.175672*LOG(SCI)+[AR(1)=0.720112]模型自变量的回归系数为0.176,说明LOG(SCI)每增加1%,LOG(GDP)就相应地增加0•176%,表明在1953-2002年期间中国科技投入对经济增长贡献率约为17.6%。
当前，科技对我国经济增长发挥着愈来愈重要的作用。在科技活动中，有些能够给企业发展带来直接影响，如应用性技术研究和改造活动；而有些则对企业发展带来间接影响，如基础性研究和具有强烈外部性的公共技术研究。由于企业趋利性的特质，造成企业倾向于投资周期短、能够带来直接效益的应用型科技活动，少介入或者避开投资于基础性研究和公共技术研究活动。但是，对于一个国家而言，基础性研究和公共技术研究又有着不可替代的重要作用，于是国家通过财政拨款方式投资于这些科技活动，形成财政科技拨款。此外，财政科技拨款还可以引导企业科技资金的投向，发挥宏观调控作用。因此，研究财政科技拨款与经济增长之间的关系具有重要的理论和实践意义。
一、文献评述
我国许多学者积极致力于财政科技拨款与经济增长关系的研究。齐秀辉、张铁男和武志勇（2011）对中国经济增长与财政科技拨款、R&D经费支出进行了协整分析，结果表明经济增长与R&D经费支出、国家财政科技拨款之间存在着长期的均衡关系。他们认为正是由于R&D经费支出和国家财政科技拨款的不断增长，促进了我国经济的持续增长。赵立雨和师萍（2010）借助协整分析也得到了同样的结论，并认为国家财政科技拨款对经济增长的贡献率明显高于研发经费内部支出的贡献率。李兴江和党婕（2010）、陈新国和姜琛（2011）、王灵芝（2011）、柴亮和余佳（2013）等分别对各省区的财政科技拨款和经济增长之间的关系进行了实证分析，也得到了类似结论。赵志远和完颜志翰（2013）基于DEA模型比较了全国除西藏外的其余各省区财政科技支出绩效，研究发现北京、吉林、上海等9个省市财政科技支出效率较优，其他21个省区市财政科技支出效率均较低。
这些学者的研究都不约而同认为是财政科技拨款和R&D经费的持续增长导致了经济的持续增长，这样的结论有失偏颇。从理论上讲，财政科技拨款和经济持续增长之间是双向互动关系，即财政科技拨款增加能够支持更多的科技活动进而促进经济增长，同时GDP的增长促进了财政收入增加，从而为科技活动提供了更多的财政经费支持。所以，不能认为双方之间存在简单的因果关系。
二、模型假设
为更好地研究财政科技拨款增加与经济增长之间的互动关系，需要对研究前提和相关因素进行假设。假定在其他因素保持不变的情况下：（1）经济增长需要物质基础，它的物质基础是以往年份经济增长积累形成的。若以GDP作为经济增长的衡量指标，则经济增长的物质基础就是以往所有年份GDP累计值。一般而言，随着时间的推移，过去年份GDP对当前经济增长影响程度是不断衰减的，故在本文中，假定经济增长的物质基础是离当前最近的若干有限年份GDP的累计值。（2）科技成果的取得不是一蹴而就的，而是对以往年份无数科技成果进行应用和创新所取得的，以往年份无数科技活动的累计投入就是当前科技活动的物质基础。同理，过去年份的科技活动对当前科技活动的影响程度也是随着时间推移而不断衰减的。由于财政资金在科技活动中的投向倾向于公共技术研究和基础性研究，这些研究对未来科技活动的贡献程度远高于企业投资应用型研究的贡献程度，因此，假定科技活动的物质基础是离当前最近的若干年科技活动财政投入（财政科技拨款，以CZBK表示）的累计值。（3）我国现行政策规定，政府对科技研发项目的资助期限一般为2年，最长不超过3年。此外，从统计学的角度来看，本模型的最佳滞后期为2年，如表1所示。因此，为保持研究的便利性和期限一致性，假定离现在最近的2年GDP累计值构成经济增长的物质基础，离现在最近的2年的财政科技拨款累计值构成科技活动的物质基础。
在这样的假设下，本文采用向量自回归模型（VAR模型）分析往年经济增长与往年财政科技拨款对当前年度经济增长及财政科技拨款的影响。VAR模型的基本公式为：
yt=?琢+■?茁ixt-i+■?酌yt-i+?着i
其中，yt为被解释变量，yt-i为内生变量，xt-i为外生变量，εi为随机误差项。
三、实证分析
理论上的财政科技拨款增加和经济增长之间的互动促进关系需要得到实践的证明。笔者以1980―2012年的相关数据对财政科技拨款和经济增长之间的互动关系进行实证分析。数据来源于《2013年中国科技统计年鉴》。
（一）单位根检验
为了防止“伪回归”现象的发生，需要检验时间序列数据的平稳性。采用ADF检验法对Ln（GDP）和Ln（CZBK）进行平稳性检验，如表2所示。
由表2可以看出，原时间序列变量Ln（GDP）、Ln（GDP（-1））、Ln（GDP（-2））、Ln（CZBK）、Ln（CZBK（-1））、Ln（CZBK（-2））等在10%的显著水平下均非平稳序列；经过一阶差分后，所有时间序列变量的一阶差分序列均在10%的显著水平下平稳；经过二阶差分后，所有时间序列变量的二阶差分序列均在5%的显著水平下平稳。
（二）恩格尔―格兰杰（EG）协整检验
1.若以D（Ln（GDP））作为被解释变量，以D（Ln（GDP（-1）））、D（Ln（GDP（-2）））、D（Ln（CZBK（-1）））、D（Ln（CZBK（-2）））作为解释变量，对残差估计值εi采用恩格尔―格兰杰法（EG）进行协整分析，结果如表3所示。
由表3分析可知，在5%的显著性水平下，εi是平稳的时间序列，因此时间序列变量D（Ln（GDP））和时间序列变量D（Ln（GDP（-1）））、D（Ln（GDP（-2）））、D（Ln（CZBK（-1）））、D（Ln（CZBK（-2）））等之间存在协整关系。
2.若以D（Ln（CZBK））作为被解释变量，以D（Ln（GDP（-1）））、D（Ln（GDP（-2）））、D（Ln（CZBK（-1）））、D（Ln（CZBK（-2）））作为解释变量，对残差估计值εi采用恩格尔―格兰杰法（EG）进行协整分析，结果如表4所示。
由表4分析可知，在1%的显著性水平下，εi是平稳的时间序列，因此时间序列变量D（Ln（CZBK））和时间序列变量D（Ln（GDP（-1）））、D（Ln（GDP（-2）））、D（Ln（CZBK（-1）））、D（Ln（CZBK（-2）））等之间存在协整关系。
（三）各变量的含义
各变量的含义如表5所示。
（四）财政科技拨款增加速度与经济增长之间互动关系的VAR模型
向量自回归模型（VAR模型）是用于研究相互联系的时间序列变量系统的有效模型。根据以上对各变量的平稳性分析及各变量含义，可以将财政科技拨款与经济增长之间互动关系的VAR模型具体表述为：
1.GDP增长速度与往年GDP增长速度、往年财政科技拨款增长速度间关系的VAR模型，也就是将D（Ln（GDP））作为被解释变量时，模型的表达式为：
D（Ln（GDP））i=c1i+c2iD（Ln（GDP（-1）））i+c3iD（Ln（GDP（-2）））i+c4iD（Ln（CZBK（-1）））i+c5iD（Ln（CZBK（-2）））i+?着i
2.财政科技拨款增长速度与往年GDP增长速度、往年财政科技拨款增长速度间关系的VAR模型，也就是将D（Ln（CZBK））作为被解释变量时，模型的表达式为：
D（Ln（CZBK））i=c1i+c2iD（Ln（GDP（-1）））i+c3iD（Ln（GDP（-2）））i+c4iD（Ln（CZBK（-1）））i+c5iD（Ln（CZBK（-2）））i+?着i
（五）向量自回归模型（VAR模型）的系数确定
1.GDP增长速度与往年GDP增长速度、往年财政科技拨款增长速度间关系的VAR模型，也就是将D（Ln（GDP））作为被解释变量时，方程的回归结果如表6所示。
2.财政科技拨款增长速度与往年GDP增长速度、往年财政科技拨款增长速度间关系的VAR模型，也就是将D（Ln（CZBK））作为被解释变量时，方程的回归结果如表7所示。
于是，上述两个方程式可以合并表述如下：
D（Ln（GDP））D（Ln（CZBK））=0.0662670.114420+
-0.835070 0.203791-0.173478 0.241806D（Ln（GDP（-1）））D（Ln（CZBK（-1）））+
-0.322826 -0.159568-0.077818 0.265386D（Ln（GDP（-2）））D（Ln（CZBK（-2）））+?着1?着2
该方程的拟合优度为0.48，调整后的拟合优度为0.40。该方程的所有单位根位于单位圆内，如图1所示，模型拟合效果稳定。
（六）脉冲响应分析
研究经济增长与财政科技拨款间关系的VAR模型是一种非理论模型，该模型的系数难以在经济意义上进行解释，因此在分析VAR模型时往往不是分析一个变量对另一个变量的影响如何，而是分析误差项发生变化，或者模型受到某种冲击时对系统的动态影响。
脉冲响应函数刻画的是在扰动项上加上一个标准差大小的冲击对内生变量当前值和滞后值的影响，对一个变量冲击直接影响这个变量，并通过VAR模型的动态结构传递给其他所有的内生变量，它能够形象地刻画出变量之间动态作用的路径变化，如图2所示。
在图2中，横轴表示冲击作用的滞后期间数（单位：年），纵轴表示各变量，实线表示脉冲响应函数，虚线之间的区域表示90%置信度下正负两个标准偏离带。可知经济增长速度与财政科技拨款增长速度均对系统信息冲击有不同的响应。经济增长速度受到自身冲击和财政科技拨款增长速度冲击后，自身反应非常强烈，但其后影响程度逐渐缓慢，直至收敛。同样，财政科技拨款增长速度受到自身冲击和经济增长速度冲击后，自身反应同样非常强烈，但其后影响程度也逐渐放缓，直至收敛。
（七）Granger因果关系检验
为了进一步确定经济增长速度与财政科技拨款增长速度之间的关系，笔者对D（Ln（GDP））与D（Ln（CZBK））进行Granger因果检验，如表8所示。
表8的结果表明经济增长速度与财政科技拨款增长速度之间不存在Granger因果关系。
（八）实证结果分析
1.我国的经济增长与财政科技拨款增加之间存在着长期均衡关系。但往年的经济增长速度与往年的财政科技拨款增加并不是经济增长的原因。同样，往年的经济增长与往年的财政科技拨款增加也不是当前财政科技拨款增加的原因。
2.往年的经济增长速度与当前年度的经济增长速度有较强的关联性，尤其是上一年度经济增长速度与当前年度经济增长速度之间的关联程度达到0.84，一个可能的解释就是：在没有强烈外力冲击的情况下，经济增长速度具有一定的刚性，会沿着特定的趋势逐步趋向稳定。经济增长速度的刚性蕴含着这样的政策：在市场失灵的情况下，若只依靠市场自身力量去恢复到经济稳定增长是不理性的。此时，需要政府借助宏观调控手段，打破这种刚性，强力纠正和引导经济增长恢复到稳定水平。
3.往年的财政科技拨款增加速度也与当前年度的财政科技拨款增加速度有显著的关联性，尤其是二者之间呈现正关联性，或许能够解释基础科技活动和公共技术研发活动的持续性投资需求。这个结论蕴含的政策启示：基础研究和公共技术研发活动是一个持续的创新过程，需要政府对该活动进行持续投资，而不能根据财政收支状况随意增减，尤其是在财政收支困难的情况下，不能以削减财政科技拨款作为削减赤字的手段，这会影响到基础研究和公共技术研发活动的持续性。
四、结论与展望
在环境问题和能源短缺压力不断增大的今天，科技被公认为是化解当前经济问题的有效良方，重视科技活动及在科技领域进行竞争成为世界各国新的竞争趋势。我国也高度重视科技研发及科技拉动经济增长的问题，确立了“科技兴国”战略，这需要我们在以下几个方面进行深入研究和拓展：
第一，深入研究和发现科技拉动经济增长的作用机理，找准科技活动的切入点，有效促进经济增长。比如美国，将信息技术、互联网技术、空间技术及金融创新技术作为拉动经济增长的引擎，有效地促进了经济近十年的温和增长。美国的产业结构和产业水平决定了其在信息技术、空间技术及金融创新技术方面的需求，这些技术成为美国科技活动的有效切入点，成功拉动了经济增长。我国当前的产业结构与产业水平明显与美国不同，这就要求我们去研究有效拉动我国经济增长的科技活动切入点。
第二，经济发展和科技活动的根本目的是一致的，都是为了提升人民群众的生活水平和生活质量，但当前我国经济发展的显著负面影响就是环境污染和资源枯竭，这成为制约人民群众生活质量提升的桎梏。加强科技研发活动，提高资源使用效率和清洁生产过程，是解决环境污染和资源枯竭的有效途径，企业趋利性特质决定了其在资金投向上很少投资这类技术研发活动，财政科技支出必须承担起这个任务。因为这类科技活动具有较强的公共性和外部性，对整个社会经济发展都具有促进作用。
购物车(0)
