网络出版时间：2015-03-19 17:00
网络出版地址：http://www.cnki.net/kcms/detail/11.4509.C.20150319.1700.006.html第30卷 第2期北京工商大学学报(社会科学版) 年3月
JOURNAL OF BEIJING TECHNOLOGY AND BUSINESS UNIVERSITY(SOCIALSCIENCES)
Vol. 30No. 2Mar. 2015
doi:10.16299/j. 1009⁃6116. 2015. 02. 002
短期经济波动如何影响长期增长?
来自中国省级层面的证据
池建宇1, 赵家章2
(1. 中国传媒大学经济与管理学院, 北京 100024; 2. 首都经济贸易大学经济学院, 北京 摘 要:文章尝试把宏观经济学两大主题 ㊁ 区和直辖市1978 2012年的数据, ㊂ 省份的短期波动对长期增长既有正向影响, 又有负向影响; 政策㊁ 市场㊁ ; 与政策的不确定性相比, 市场, , 政府应构建有利于企业技术创新的宏观环境, 降低宏观政策的波动性㊂
关键词:短期经济波动; 长期增长; 对外依存度; 中图分类号:F124; F224; F822. 0 文献标志码:A :⁃ ⁃ 0008⁃ ⁃ 10
一㊁ 引 言
(Growth)为经济周期(BusinessCycle), 趋势(Trend)㊂长期以来, 是分开进行的㊂ , 视为外生给定, 长期趋势上下波动㊂ , 全不考虑短期的经济周期㊂ 20世纪80年代被打破, 真实经济周期理论认为生产力冲击是经济周期的主要源泉, 增长和周2004) [1]㊂ 一些文献开始试图克服传统的宏观经济理论将趋势和周期分割开来的做法, 如Kydland and
Prescott (1982) [2],
Long
and
(1983)[3]㊂ 然而,RBC 模型并不能从因果关系上解释短期波动和长期增长的关联趋势㊂ 越来越多
收稿日期:2014⁃ ⁃ 11⁃ ⁃ 08
经济的短期波动(Volatility ) 和长期al. , 2005[6]) 表明, 短期波动和㊂ 这些文献在内系㊂ 本文将在内生增长理论的基础上探究经济周期与长期增长之间的因果关系, 并用中国的省级数据进行经验验证㊂
经济的波动来自于不确定性, 早期研究针对短期波动对长期增长影响的文献可以追溯到Phelps (1962) [7]和Levhari
and
Srinivasan
(1969)[8]㊂ 理论文献大体上有三种范式:第一种范式遵循内生增长模型中的AK 形式, 如Stadler (1990)[9]和Jones et al. (2005)[6]㊂ 这一思路遵Jones et al. (2005)[6]认为如果把效用函数设定为凸函数, 那么短期波动幅度的变动会导致长期的平均增长率相应的发生变动㊂ 如果家庭的跨期替
(如1997[4]; de Hek and Roy,
期应该是统一的现象(阿吉翁和霍伊特,
Plosser
循Romer(1986)[10]将生产率冲击引入AK 模型㊂
基金项目:国家社会科学基金重大项目 正确处理经济平稳较快发展㊁ 调整经济结构㊁ 管理通胀预期的关系研究” (12&ZD038);中国传
媒大学校级科研项目 中国宏观经济波动最适幅度研究”(CUC13C18); 北京高等学校青年英才计划项目 北京市企业 走出去’ 战略研究:基于社会资本的视角”([1**********]204)㊂
作者简介:池建宇(1977 ),男, 山西省怀仁人, 中国传媒大学经济与管理学院讲师, 博士, 研究方向:宏观经济学㊁ 产业经济学;
赵家章(1980 ),男, 山东巨野人, 首都经济贸易大学经济学院副教授, 博士, 研究方向:国际贸易㊁ 区域经济㊂
㊃ 8㊃
代弹性较大, 那么波动幅度增加会使得平均增长率下降㊂ 而如果家庭的跨期替代弹性较小, 那么波动幅度增加会使得平均增长率提高㊂ 第二种范式被称为熊彼特范式, 强调短期的资本投资和长期的促进生产率的投资之间的差异㊂ 熊彼特(1999)[11]认为经济周期, 特别是衰退提供了一种从而促进长期经济增长率的提高㊂ 衰退对长期的经济增长产生正效应的第二个原因是机会成本或跨期替代效应, 萧条期对产品的需求较低, 因此, 此时重建的机会成本会低于扩张期的重建机会成本(Hall,1991) [12]㊂ Barlevy(2007)[13]用科研套利的思想来说明短期波动对长期增长的影响㊂ 另外, 还有很多文献进一步论证了经济波动对长期增长的正向效应的内在机制, 如 惩戒效应” (Aghionand Saint⁃Paul, 1998[14]; Nickell et al. , 增长的影响㊂ 根据这个模型, , 促进长期增长的投资倾向于是逆周期的, , 从而短是随机增长模型, 都涉及一项固定成本, 力较低, 更多的投资于较安全的技术, 出的增长率, , 因此短期波动会有利于长期增长(and Zilibotti, 1997) [17]㊂
根据以上三个范式的理论模型, 经济波动对清洁机制, 可以减少组织的无效和自由配置失误,
区间内各国平均增长率作为被解释变量, 用增长率的标准差来衡量波动性进行回归, 其结论是波动性对平均增长率存在显著的正向影响, 即波动性较大的国家也拥有较高的增长率㊂ Grier and Tullock(1989)[19]进一步把样本国家扩大为113个, 发现了与Kormendi and Meguire(1985)[18]相同的结果, 显著的正效应㊂ Koteski et al. 的分析也验证了这一结论㊂ [21]分别使用了92关系, ㊁ 口增长率㊁ GDP, 使用, 使用全样本[21]㊁Kroft and Lloyd⁃Ellis(2002) [24], 得出也有一些文献的经验分析结果表明, 波动性对长期增长的影响是正向的㊂ 事实上, 无论是正向影响还是负向影响, 都需要考虑一些约束条件㊂ 一些文献试图找到波动性影响投资进而影响长期增长的内在机制, 说明哪些因素会影响波动性的规模, 进而影响长期增长, 这些因素包括通货膨胀㊁ 2005[25]; Mendoza, 1997[4]; Aghion et al. , 2010[16]; Aghion and Marinescu, 2008[26]; Fatás and Mihov, 2013[27])㊂ 还有一些文献指出, 波动性对长期增长并不存在实质性的影响(Dawson and Stephenson, 1997) [28]㊂
贸易㊁ 信贷约束㊁ 金融发展水平㊁ 制度等(Siegler,
随文献在Ramey and Ramey
1992[15])㊂ Aghion et al. (2010)[16]在熊彼特范式
, 如Barlevy(2004)[22]㊁Fatás , 即短期波动对增长存在负向影响㊂
长期增长的影响方向和作用机制是复杂的㊂ 一方面, 经济衰退会促使低效企业破产, 新的效率更高的企业可以利用释放出的资源, 从而提高产出的长期增长率, 而这个效应的发挥与信贷约束强度相关㊂ 另一方面, 在跨期替代弹性较大时, 家庭和企业从预防的动机出发, 则较高的波动性会降低长期投资, 进而使得长期增长率下降㊂ 由于在理论上波动性对长期增长正向和负向影响同时存在, 有大量的经验性文献使用跨国数据对之进行验证㊂ Kormendi and Meguire(1985)[18]可能是最早对波动和增长关系进行验证的经验性文献㊂ 他们使用47个国家1950 1977 年的数据, 用样本
近年来, 国内涌现了大量针对该主题的理论
1978年以前, 波动与增长呈负相关关系,1978年之后, 二者的关系变为正相关, 并建立了一个基于人力资本形成机制的随机增长模型来解释这个现象㊂ 李涛(2001)[30]建立了一个反映周期波动的增长模型, 将短期波动与长期增长联系在一起㊂ 有很多经验性文献使用中国的数据验证了波动性
㊃ 9㊃
性和经验性文献㊂ 陈昆亭等(2012)[29]发现, 中国
对长期增长影响, 但得出的结论并不相同㊂ Yu (2014)
[31]
(2007) [33]的研究支持了Ramey and Ramey 坡和王泽填(2007)[34]㊁ 李永友(2006)[35]㊂
㊁ 卢二坡和曾五一(2008)
[32]
㊁ 周达军
为了便于处理技术进步带来的波动, 本文假设F 为Cobb⁃Douglas 生产函数, 那么关于α 的最优选择的一阶条件为公式(6):
^(α )[1-θσ 2F ^ϕ (α ) F y (α )]=0
(6)
(x ) x 22
δ (α )) x t -c t ]+σ (α )
2
}
(5)
(1995)[21]的结论, 即短期波动对长期增长的影响方向为负, 但也有文献并不支持这个结论, 如卢二
本文试图分别用中国省级截面数据和面板数
据来解释短期波动性对中国长期经济增长的影响方向㊂ 本文以下部分的结构安排如下:第二部分提出一个短期波动对长期增长影响的理论模型; 第三部分在理论模型的基础上构造计量模型, 并对数据和计量方法进行描述; 第四部分对计量模型进行相关的回归和检验; 第五部分为结论㊂
二、理论模型
基于Jones and Manuelli(2005)[6]的模型, 本文假设储蓄决策由一个代表性家庭做出㊂ 在每一时刻, 家庭都从其当前消费中获得效用, 如果家庭的当前消费为c , (c ) 给定, 该函数定义为公式(1):
①
-ω
㊂ -α
^(α ) =Aα ω (1-α ) =ω -其中, F
α
x
小, 波动, 即σ 2/^波动, 即σ F
2
x
(γ ) (7)㊁ 公式^(ω 1-θ 2^γ A -σ 2(7)x [F (ω )]2
^(ω ) γA =σ x F (8)
1
θ
+θ
-(ρ +δ ) ] [θσ
2x
(γ )
其中, θ >0㊂ 1/θ , 愿望独立于消费水平㊂ 数为公式(2):
U =E
②
u (c ) =(c 1-θ -1) /(1-θ ) σ γB =
1x
(9)
显然, 在情况B 下, σ 2x 较大, 平均增长率和增长率的标准差之间是正相关关系; 而在情况A 下, σ 2x 较小, 二者之间相关关系的符号取决于θ 的大小㊂ 由于中国特殊的文化和国情, 中国的储蓄率较高, 这说明中国家庭的跨期消费的替代弹性1/θ 较大, 即边际效用弹性θ 较小㊂ 所以, 我们假定0
从理论上来说, 如果两个地区有不同的σ 2x ,
这样, 本文考虑个人同时投资于人力资本和物质资本, 假设人力资本利用率为常数㊂ 家庭面临的约束条件为公式(3)和公式(4):
dk t =[F (k t , h t ) -δ k k t -x t -c t ]dt +
σ y F (k t , h t ) dW t
[∫
∞
e -ρt
c
dt F 0
-θ
1-θ t
(2)
却会有相同的σ γ ㊂ 注意到任何σ γ 在其取值范围内, 都对应σ x 的两个取值, 一个小于 ^ ^ 1/θ F (ω ) 另一个则大于1/θ F (ω ) 根据
本文的0
变量向量, F 为一阶齐次的凹函数㊂
其中,(W t , Z t ) 是一个独立的标准布朗运动令x t =k t +h t , 它代表总财富, 包括了人力资
dh t =-δ h h t +x t dt +σ h h t dW t +ηh t dZ t
(3)(4)
本和物质资本㊂ 可以得到效用方程在约束条件下最大化问题的Hamilton⁃Jacobi⁃Bellman 方程为公式(5):
c 1-θ
ρV (x ) =max +V′ (x )[(F (α ,1-α ) -c , α -θ
1描绘的两条线的某一条上㊂ 在这些点中任意选一个位置, σ γ 和γ 的相关关系有也可能为正, 有可能为负㊂ 如果技术冲击较大, 那么增长率的波动性提高会使得平均增长率也会提高, 但如果技术冲击较小, 则增长率的波动性上升则降低平均增长率㊂
变化σ x , 这个模型意味着所有的数据点都分布在图
如果地区之间的异质性完全来自于技术冲击的
{
㊃ 10㊃
均增长率γ it 是该周期历年增长率的平均数, 它衡量每个周期内经济的平均增长, 而σ it 是周期内人均实际GDP 增长率的标准差, 它衡量每个周期内的短期波动㊂ 与截面回归方法一样, 本文在面板回归中, 也引入了波动的平方项㊂ 面板回归中, 控制变量X 包括:平均投资比率(av _inves )㊁ 平均人口增长率(av _pop )㊁ (av _open )㊁ 平均人力资本(av _human )㊁ (周期
图1 增长率(σ γ ) 和增长率的波动(γ ) 的关系
内首年的人力资本, i _首年人均实际GDP 接下来, 三㊁ 计量模型与数据来源(一) 计量模型
在Ramey and Ramey (1995)
[21]
,
的基础上构
㊂ 最后, 7, 进行面板回归来作㊂
, 它通过人均实际GDP GDP 比; 对外GDP 比重数据; 人力资; 政府支出比率为政府支出占GDP 比重㊂ 所有数据均来自于历年各省㊁ 自治区和直辖市统计年鉴以及‘ 新中国统计资料六十年汇编“㊂ 本文对各变量的原始数据均通过双边或单边缩尾来处理离群值㊂ 变量的定义和描述统计见表1㊂
四㊁ 计量结果及分析(一) 截面回归
本文使用1978 2012 年的数据对式(1)做截面回归, 回归结果见表2㊂
第(1)列中, 用产出的平均增长率(γ ) 对波动性即产出的标准差(σ ) 做回归, 发现波动性的系数显著为负, 这验证了波动性对平均增长存在负回归结果显示, 波动性的系数显著为负, 而波动性平方的系数则显著为正, 这说明随着波动规模的变化, 波动性对长期增长率的影响方向也有可能发生变化㊂ 第(3)列仅仅对控制变量做回归, 这些变量均统计显著㊂ 根据这些系数的符号可知, 投资㊁ 对外开放度都对长期增长有正向影响, 而人口增长率㊁ 人力资本则对长期增长有负向影响㊂
㊃ 11㊃
向影响㊂ 第(2)列中加入波动性的平方项(σ 2)㊂
建计量模型, 使用中国30个省的数据, 对人均实际GDP 的平均增长率与它的标准差进行回归㊂ 首先只考虑不随时间变动而变动的波动性, 使用截面数据进行回归㊂ 对中国各省1978 2012 年的平均增长率与经济增长的波动性进行回归稳健性㊂ 截面回归采用如下计量模型是:
γ i =βX i +λσ i +ησ +i
2i
30, γ 和σ 分别是各省率(growth ) 率用实际人均GDP , y 示实际人均GDP, 那么, growth t =t /y t -1)㊂
式(10)中, 下标i i =响, 又有负向影响, 本文引入σ 的平方项, 这可以更准确的探究波动对经济长期增长的影响㊂ X 是控制变量, 包括平均投资比率(av _inves )㊁ 人口的平均增长率(av _pop )㊁ 平均对外依存度(av _open )㊁ 平均人力资本(av _human ), u 是误差项㊂ 5年为周期计算各省每个周期内经济增长率的波动性㊂ 用1978 2012 年之间每个周期的平均增长率对增长率的波动进行面板回归, 共7个周期㊂ 同截面回归方法一样, 面板回归也控制了相应的条件变量㊂ 面板回归模型是:
γ it =βX it +λσ it +δσ 2it +μ i +η t +u it
(11)
考虑到波动性会随时间变动而变动, 本文以
7㊂ 第i 省在第t 个周期内人均实际GDP 的平
式(11)中, 下标t 代表周期的序号, t =1,2,
表1 各变量定义和描述统计
变量
变量名称GDP 增长率投资率人口增长率人力资本初始GDP 初始人力资本政府支出比率对外开放度截面回归波动性5年周期面板数据的波动性
均值0. 0840. 3789. 0230. 0127. 0290. 0110. 1550. 2590. 0640. 048
中位数0. 0870. 3308. 8250. 0066. 9050. 0050. 1350. 1050. 0640. 标准差0. 0650. 1714. 9200. 01300. 9160. 0120. 079最小值-0. 3820. 0810-3. 2400. 0. 最大值0. 2940. 87321. 170. 0599. 6890. 0980. 229
growth inves pop human i _gdp i _human gov open σ i σ it
表2 变量σ
(1)
**
-0. 264*
(2)
*-0. 854*
**
*
(5)
**
-1. 039*
(-6. 85)
σ 2
(-4. 8. 90) (-5. 42)
35)
av _inves
299*
(4. 00)
*
017*
**
0. 031*
**
5. 216*
(2. 15)
av _pop
**
-0. 001*
(4. 10) (5. 13)
**
0. 040*
(-4. 95)
av _open
**
0. 006*
(-6. 31)
**
-0. 001*
(-7. 01)
**
-0. 001*
(4. 70)
av _human _cons 调整后R 2
**
0. 101*
**
0. 120*
**
-1. 264*
(2. 63)
**
0. 003*
(2. 30)
*
0. 003*
(-13. 76)
**
0. 100*
(-13. 19)
**
-1. 267*
(-12. 98)
**
-1. 277*
(42. 59) 0. 055
(18. 22) 0. 059
(43. 87) 0. 215
(41. 22) 0. 285
**
0. 117*
(21. 84) 0. 291
**
0. 139*
***
注:括号中数字为t 值; *和*分别代表在5%和1%的水平下显著; N 为30㊂
这些控制变量中, 只有人力资本系数的符号不符合本文的预期㊂ 根据增长理论, 人力资本较高的经济体应该也具有较高的增长率㊂ 本文的回归结果显示, 人力资本越高则增长率越低, 这显然是不可信的㊂ 本文将在面板回归中进一步检验这个系数的符号㊂ ㊃ 12㊃
第(4)列和第(5)列中, 本文把控制变量和经济波动性均加入回归㊂ 各变量的系数符号及显著性与前3列相比没有发生本质变化㊂ 本文重点关注波动对经济长期增长的影响㊂ 根据第(5)列中σ 和σ 2的系数, 可以得到波动性对长期增长的边际影响是:dγ /d σ =-1. 309+10. 432σ ㊂
可以看出, 当σ
第(5)列的回归结果, 画出中平均增长和波动性之间的拟合关系(图2)㊂ 图2很直观地反映了短期波动与经济长期增长的负相关关系, 即降低经济的波动性有助于提高产出的长期增长
㊂
图2 (二) 面板回归
㊂ 第(2)列只对波动性进行回归, 发现它㊂ 第(3)列只对波动性和波动性的平方进行回归, 结果发现, 波动性的平方对平均增长率有显著的正向的影响, 而波动性的系数则显著为正㊂ 由于未控制其他变量, 这两列的结果并不可靠, 还需进一步进行分析㊂ 第(4)列我们把控制变量和波动及其平方项都加入回归㊂ 可以看出, σ 和σ 2的系数的符号和显著性与第(3)列相同㊂
为了进一步验证第(3)和第(4)列的结论, 本文在第(5)列进一步加入了时间趋势项, 回归结果与第(4)列基本相同㊂ 说明第(4)列的结果是比较可靠的㊂ 根据第(4)列和第(5)列的结果, 波动性对平均增长的边际效应就为公式(12):
d γ
=0. 279-6. 242σ (12)σ
可以看出, 波动性对长期增长的边际影响并不是常数, 而与波动的规模有关㊂ 通过计算可以得到, 当σ >0. 0447时,d γ /d σ 0, 即此时波动性增加会有助于提高平均增长率㊂ 根据表2的信息可知, 波动性σ 的最
㊃ 13㊃
在截面回归中, 波动之间的差别, 相应变动的波动性㊂ 因此, 在截面方面的差别, 把样本区间(35年) 分为5个周期计算增长的平均值和标准差, , 回归均为既考虑个体固定效应又考虑时间固定效应的双向固定效应模型㊂ 回归结果见表3㊂
第(1)列中, 用平均增长率对各控制变量进行回归, 各变量均统计显著㊂ 注意到平均人力资本(av _human ) 的系数显著为正, 与截面回归的结果正好相反㊂ 显然, 面板回归提供了更多的样本信息, 它的结果更加可信, 人力资本对平均增长率有显著的促进作用, 这也与经典理论相一致㊂ 而其他控制变量的系数的符号及其显著性与截面回归相同, 这进一步证实了经典理论中投资㊁ 人口增长率对经济增长的显著作用㊂ 另外, 注意到i _gdp 的系数显著为负, 这说明我国各省的平均增长率存在收敛的趋势, 初始GDP 水平较低的省份会有较高的平均增长率, 这与巴罗(2004)[36]的经验分
表3 经济波动与经济增长的5年周期面板回归结果
变量av _invest
(1)
**
0. 114*
(2) (3) (4)
**
0. 121*
(5)
**
0. 121*
(3. 22)
av _pop
**
-0. 004*
(3. 49) (3. 49)
(-4. 16)
av _human
*
2. 203*
(-4. 47)
**
-0. 004*
-4. 47)
**
-0. 004*
(2. 26)
i _gdp
**
-0. 063*
(2. *
2. 246*
*
*
(-5. 54)
i _human
-1. 165(-1. 28)
σ
-0. 193(-1. 33)
σ 2
*
0. 95) (---1. 45)
*
-3. )
0. (1. 66)
0. 279*
(-81)
trend _cons N 调整后R 2
**
0. 463*
**
*
-76)
(-3. 76)
**
-3. 121*
*
0. 015*
(2. 29)
*
*
**
0. 443*
**
0. 428*
(5. 59)
208
3. ) 0. (16) 210
(5. 89)
208
(6. 12)
208
***
注:括号中数字为t 值; *㊁ *和*10%5%和1%的水平下显著㊂
0. 6650. 5290. 7030. 703
小值和最大值分别为0. 004和0. 229, 的增加既有可能提高也有可能降低平均增长率㊂
下面探究经济波动性的源泉㊂ 一般认为, 经济的波动性主要来自于政策和技术两方面(Jones and Manuelli, 2005) [37]㊂ 政策方面的波动, 本文使用政府支出占GDP 比重(gov ) 的标准差作为代理变量, 技术方面的波动很难测量, 所以这里没有考虑技术进步带来的波动㊂ 另外, 考虑到中国自改革开放以来的重要特征是对外依存度的不断提升, 国外市场的不确定性成为我国经济波动性的重要源泉㊂ 本文使用增长率的波动对政策的波动性和国外市场的波动性做回归以探究中国波动性的源泉㊂ 其中, 政策的波动性使用政府支出占GDP 比率(gov ) 的标准差衡量, 而国外市场的波动性用对外开放度(open ) 的标准差来衡量㊂ 表4㊃ 14㊃
列出了回归结果㊂
表4 波动性与政策波动和外贸波动的关系变量σ _gov
(1) 0. 043(1. 39)
σ _open _cons N 调整后R 2
**
0. 047*
*
0. 064*
(2) (3) 0. 056*(1. 86)
*
0. 067*
(2. 52)
**
0. 042*
(2. 60)
(4. 99) 2090. 499
(3. 46) 204
(3. 27) 203
**
0. 040*
注:被解释变量为产出增长率的标准差(σ ); 括号中
***
数字为t 值; *㊁ *和*分别代表在10%㊁ 5%和1%的水平
0. 5110. 511
下显著㊂
表4是同时控制了个体和时间效应的固定效应模型的回归结果㊂ 第(1)列中, 让增长的波动性对政策的波动性做回归, 发现这个变量并不显著; 第(2)列中, 让增长的波动性对国外市场的波动性做回归, 结果表明这个系数显著为正; 在第(3)列中, 同时引入政策的波动性和国外市场的波动性作为解释变量, 发现这两个变量的系数都显著为正㊂ 以上三个回归的结果表明, 政府的政策和国外市场的不确定性都是经济波动的源泉,
而国外市场的波动性似乎更加重要㊂ 注意到第(3)列调整后的R 2为0. 511, 这说明政府的政策和国际市场的不确定性可以解释经济波动的一半, 另外一半应该用技术和制度方面的不确定性来解释㊂
(三) 稳健性检验
使用7㊂ 回归结果见表5㊂
表5 经济波动与经济增长的7年周期回归结果
变量av _inves
(1)
**
0. 098*
(2) (3) (4)
**
*
**
105*
(3. 40)
av _pop
**
-0. 004*
((3. 61)
(-2. 95)
av _human
*
4. 244*
0. 004(-3. 81)
**
-0. 004*
(2. 29)
i _gdp
**
-0. 059*
54)
*
(2. 54)
*
4. 458*
(-4. 68)
i _human
-3. 619*(-1. 89)
σ
-0. (-)
σ 2
0. 093(0. 45)
*
-2. 326*
(-5. 35)
**
-0. 059*
(-5. 35)
**
-0. 059*
(-2. 34)
*
-4. 157*
(-2. 34)
*
-4. 157*
*
0. 269*
(2. 08)
**
-3. 710*
(2. 08)
*
0. 269*
(-2. 35)
trend _cons N 调整后R 2
**
0. 460*
**
0. 070*
(-5. 92) (-5. 92)
**
-3. 710*
*
0. 020*
(2. 19)
**
0. 059*
**
0. 471*
**
0. 451*
(4. 94)
149
(5. 02) 1500. 527
(4. 01) 1500. 541
(5. 64)
149
(5. 93)
149
***
注:被解释变量为产出增长率的标准差(σ ); 括号中的数字为t 值; *㊁ *和*分别代表在10%㊁ 5%和1%的水平下
0. 6820. 7390. 739
显著㊂
表5的回归结果与表3基本相同㊂ 表5第(4)列和第(5)列中, 波动性的系数显著为正, 而波动性平方的系数的显著为负, 这与表3的结果一致, 并且这两个系数的值与表3也几乎完全相同, 这说明表3的结果是稳健的㊂
五、研究结论
本文使用我国30个省份1978 2012 年的数据分析我国跨地区经济短期波动对长期增长的影响, 得到如下主要结论:在控制了投资比率㊁ 人口增长率㊁ 外贸依存度㊁ 人力资本等因素后, 省级层
㊃ 15㊃
面经济的短期波动对经济长期增长的影响方向不确定, 它与波动的幅度有关㊂ 如果波动的幅度较小, 那么经济波动性的增加将有助于经济的长期增长率的提升; 越过临界值后, 波动幅度的增加只会降低经济的长期增长; 稳健性检验表明上述结论仍旧成立; 对经济波动源泉的探究表明, 市场特别是国际市场的不确定性似乎是中国各省份经济增长短期波动的主要因素, 而政府的政策尽管也会带来经济增长的波动性, 但它并不是经济波动的主要原因㊂
经济波动的来源是复杂的, 技术㊁ 政策㊁ 市场的不确定性都会带来经济的短期波动㊂ 一般认为, 波动性对长期增长的正向影响主要来自于技术创新的冲击, 而波动性对经济长期增长的负向影响则主要来自于政策和市场的不确定性(阿格因和豪伊特,2011) [38]㊂ 对中国经济的长期增长来说, 波动的正向和负向效应同时存在㊂ 从目前来看, 我国增长的波动幅度并不算大, 波动的幅度过度关注, 足够的条件和激励机制, 体波动的贡献, 和个人的不确定性, 加, 注 释:
54(2):323-356.
801-814.
certainty [J ]. International Economic Review , 2001, 42(3):
[6]Jones L E , Manuelli R E , Siu H E , et al. Fluctua⁃
[5]De Hek P , Roy S. On sustained growth under un⁃
tions in convex models of endogenous growth , I :growth 804.
effects [J ]. Review of Economic , 8(4):780-
729-743.
quential utility analysis [J (4):
[8]Levhari D , [7]Phelps E S. The :a se⁃
153-163.
uncertainty [J ]. (2):
[9]W. with endoge⁃
nous Review , 1990, 80-]Romer and long⁃run growth J ]. of , 1986, 94(5):1002-1037.
11]. ㊁ 社会主义与民主[M ]. 吴良:, 1999.
of Economic Research , 1991(12):17-47.
R Recessions as reorganizations [J ]. Na⁃ 13]Barlevy G. On the cyclicality of research and de⁃
1131-1164.
[J ]. American Economic Review , 2007, 97(4):
[14]Aghion P , Saint⁃Paul G. Virtues of bad times in⁃
① 显然, θ → 1时, u (c ) → ln (c )㊂ 系数㊂
② θ 实际上是边际效用弹性, ③ 根据跨国总量消费研究, 大多数国家的情形是跨④1978 2012年间, 我国30个省份的平均增长率为
teraction between productivity growth and economic fluctua⁃ 344.
tions [J ]. Macroeconomic Dynamics , 1998, 2(3):322-
期消费替代弹性小于1, 即θ >1㊂ 阿格因㊁ 豪伊特(2011) 的研究情况与本文的假设相反㊂
8. 4%, 而以5年为周期计算的波动的平均值为0. 048㊂
参考文献:
growth in UK companies , 1975 1986[J ]. European Eco⁃ nomic Review , 1992, 36(5):1055-1085.
[16]Aghion P , Angeletos G M , Banerjee A , et al.
[15]Nickell S , Wadhwani S , Wall M. Productivity
Volatility and growth :credit constraints and the composition of investment [J ]. Journal of Monetary Economics , 2010, 57(3):246-265.
[17]Acemoglu D , Zilibotti F. Was prometheus un⁃
[1]阿吉翁, 霍伊特. 内生增长理论[M ]. 陶然, 倪彬华, 汪柏株, 等, 译. 北京:北京大学出版社, 2004. gregate fluctuations [J ]. Econometrica , 1982, 50(6):1345-Journal of Political Economy , 1983, 91(1):39-69.
[3]Long Jr J B , Plosser C I. Real business cycles [J ]. [4]Mendoza E G. Terms⁃of⁃trade uncertainty and eco⁃ [2]Kydland F E , Prescott E C. Time to build and ag⁃
bound by chance ? risk , diversification , and growth [J ]. Journal of Political Economy , 1997, 105(4):709-751.
1370.
terminants of growth :cross⁃country evidence [J ]. Journal of Monetary Economics , 1985, 16(2):141-163.
[19]Grier K B , Tullock G. An empirical analysis of
[18]Kormendi R C , Meguire P G. Macroeconomic de⁃
nomic growth [J ]. Journal of Development Economics , 1997,
cross⁃national economic growth , 1951 1980[J ]. Journal of Monetary Economics , 1989, 24(2):259-276.
㊃ 16㊃
ics Letters , 1997, 55(3):365-369.
ity and growth [J ]. Wulfenia Journal , 2013, 20(12):1-12. nomic Review , 1995, 85(5):1138-1151.
[20]Koteski C , Josheski D , Dimitrov N , et al. Volatil⁃ [21]Ramey G , Ramey V A. Cross⁃country evidence on
[29]陈昆亭, 周炎, 龚六堂. 短期经济波动如何影响[30]李涛. 一个反映长周期波动的增长模型[J ]. 世
长期增长趋势? [J ]. 经济研究, 2012(1):42-53. 界经济, 2001(7):7-15.
nomic growth in China ? an empirical based on GARCH⁃ M Model using the 1952 2012data Journal of Food Science and Technology , [31]Yu W. How Business cycle volatility affect eco⁃
the link between volatility and growth [J ]. American Eco⁃
[22]Barlevy G. The cost of business cycles under en⁃
dogenous growth [J ]. American Economic Review , 2004, 94(4):964-990.
[23]Fatás A. The effects of bussiness cycles on growth [J ]. Growth and Business Cycles , 2011, 34(6):191-220. dence on the link between growth , volatility and business cy⁃ cles [Z ]. Queens University , Working Paper , 2002. 12(2):67-71.
historical perspective [J ]. Applied Economics Letters , 2005, and economic growth :what do we learn from OECD panel da⁃ ta ? [M ]. Chicago :University of Chicago Press , 2008. tics , 2013, 95(2):362-376.
and economic growth [J ]. Review of Economics volatility and growth :evidence from the [J ]. [26]Aghion P , Marinescu I. Cyclical budgetary policy [25]Siegler M V. International growth and volatility in [24]Kroft K , Lloyd⁃Ellis H. Further cross⁃country evi⁃
[32]卢二坡, 曾五一. [33]周达军. 期增长影响的实证研究[证分析[J ]. (14[34]卢短期波增长的效应 板验证[J ]. 统计研究, 2007(32[]:中[罗. 定因素:跨国经验研究[M . , 2004. the effects of fiscal policy , innovation 13-65.
R E. Neoclassical models of
[J ]. , 2006(4):8-14.
[27]Fatás A , Mihov I. Policy volatility , [28]Dawson J W , Stephenson E F. The between
[J ]. Handbook of Economic Growth , 2005,
Long⁃term Growth ?
China’s Provincial Data
(1. School of Economics and Management , Communication University of China , Beijing 100024, China ;
2. School of Economics , Capital University of Economic and Business , Beijing 100070, China )
Jianyu 1&ZHAO Jiazhang 2
unified framework, to set up a two⁃way fixed effect model, and to verify the impact of short⁃term fluctuations on the long⁃term growth by applying the data from 1978to 2012of 30provinces. The result shows that:short⁃term fluctuations of provinces have and compared with the uncertainty of policy, market, especially the uncertainty of international market is more likely to cause vol⁃ and to reduce volatility.
both positive and negative effects on long⁃term growth; policy, market, uncertainty of technology and system may cause volatility; atility. In order to stimulate long⁃term growth, government should construct a macro environment to enhance technology innovation
Key Words :The short⁃term economic volatility; long⁃term growth; degree of dependence on foreign trade; macropolicies
(本文责编 王 轶)
Abstract :This paper tries to put two main themesof macroeconomics, short⁃term fluctuations and long⁃term growth, into a
㊃ 17㊃
网络出版时间：2015-03-19 17:00
网络出版地址：http://www.cnki.net/kcms/detail/11.4509.C.20150319.1700.006.html第30卷 第2期北京工商大学学报(社会科学版) 年3月
JOURNAL OF BEIJING TECHNOLOGY AND BUSINESS UNIVERSITY(SOCIALSCIENCES)
Vol. 30No. 2Mar. 2015
doi:10.16299/j. 1009⁃6116. 2015. 02. 002
短期经济波动如何影响长期增长?
来自中国省级层面的证据
池建宇1, 赵家章2
(1. 中国传媒大学经济与管理学院, 北京 100024; 2. 首都经济贸易大学经济学院, 北京 摘 要:文章尝试把宏观经济学两大主题 ㊁ 区和直辖市1978 2012年的数据, ㊂ 省份的短期波动对长期增长既有正向影响, 又有负向影响; 政策㊁ 市场㊁ ; 与政策的不确定性相比, 市场, , 政府应构建有利于企业技术创新的宏观环境, 降低宏观政策的波动性㊂
关键词:短期经济波动; 长期增长; 对外依存度; 中图分类号:F124; F224; F822. 0 文献标志码:A :⁃ ⁃ 0008⁃ ⁃ 10
一㊁ 引 言
(Growth)为经济周期(BusinessCycle), 趋势(Trend)㊂长期以来, 是分开进行的㊂ , 视为外生给定, 长期趋势上下波动㊂ , 全不考虑短期的经济周期㊂ 20世纪80年代被打破, 真实经济周期理论认为生产力冲击是经济周期的主要源泉, 增长和周2004) [1]㊂ 一些文献开始试图克服传统的宏观经济理论将趋势和周期分割开来的做法, 如Kydland and
Prescott (1982) [2],
Long
and
(1983)[3]㊂ 然而,RBC 模型并不能从因果关系上解释短期波动和长期增长的关联趋势㊂ 越来越多
收稿日期:2014⁃ ⁃ 11⁃ ⁃ 08
经济的短期波动(Volatility ) 和长期al. , 2005[6]) 表明, 短期波动和㊂ 这些文献在内系㊂ 本文将在内生增长理论的基础上探究经济周期与长期增长之间的因果关系, 并用中国的省级数据进行经验验证㊂
经济的波动来自于不确定性, 早期研究针对短期波动对长期增长影响的文献可以追溯到Phelps (1962) [7]和Levhari
and
Srinivasan
(1969)[8]㊂ 理论文献大体上有三种范式:第一种范式遵循内生增长模型中的AK 形式, 如Stadler (1990)[9]和Jones et al. (2005)[6]㊂ 这一思路遵Jones et al. (2005)[6]认为如果把效用函数设定为凸函数, 那么短期波动幅度的变动会导致长期的平均增长率相应的发生变动㊂ 如果家庭的跨期替
(如1997[4]; de Hek and Roy,
期应该是统一的现象(阿吉翁和霍伊特,
Plosser
循Romer(1986)[10]将生产率冲击引入AK 模型㊂
基金项目:国家社会科学基金重大项目 正确处理经济平稳较快发展㊁ 调整经济结构㊁ 管理通胀预期的关系研究” (12&ZD038);中国传
媒大学校级科研项目 中国宏观经济波动最适幅度研究”(CUC13C18); 北京高等学校青年英才计划项目 北京市企业 走出去’ 战略研究:基于社会资本的视角”([1**********]204)㊂
作者简介:池建宇(1977 ),男, 山西省怀仁人, 中国传媒大学经济与管理学院讲师, 博士, 研究方向:宏观经济学㊁ 产业经济学;
赵家章(1980 ),男, 山东巨野人, 首都经济贸易大学经济学院副教授, 博士, 研究方向:国际贸易㊁ 区域经济㊂
㊃ 8㊃
代弹性较大, 那么波动幅度增加会使得平均增长率下降㊂ 而如果家庭的跨期替代弹性较小, 那么波动幅度增加会使得平均增长率提高㊂ 第二种范式被称为熊彼特范式, 强调短期的资本投资和长期的促进生产率的投资之间的差异㊂ 熊彼特(1999)[11]认为经济周期, 特别是衰退提供了一种从而促进长期经济增长率的提高㊂ 衰退对长期的经济增长产生正效应的第二个原因是机会成本或跨期替代效应, 萧条期对产品的需求较低, 因此, 此时重建的机会成本会低于扩张期的重建机会成本(Hall,1991) [12]㊂ Barlevy(2007)[13]用科研套利的思想来说明短期波动对长期增长的影响㊂ 另外, 还有很多文献进一步论证了经济波动对长期增长的正向效应的内在机制, 如 惩戒效应” (Aghionand Saint⁃Paul, 1998[14]; Nickell et al. , 增长的影响㊂ 根据这个模型, , 促进长期增长的投资倾向于是逆周期的, , 从而短是随机增长模型, 都涉及一项固定成本, 力较低, 更多的投资于较安全的技术, 出的增长率, , 因此短期波动会有利于长期增长(and Zilibotti, 1997) [17]㊂
根据以上三个范式的理论模型, 经济波动对清洁机制, 可以减少组织的无效和自由配置失误,
区间内各国平均增长率作为被解释变量, 用增长率的标准差来衡量波动性进行回归, 其结论是波动性对平均增长率存在显著的正向影响, 即波动性较大的国家也拥有较高的增长率㊂ Grier and Tullock(1989)[19]进一步把样本国家扩大为113个, 发现了与Kormendi and Meguire(1985)[18]相同的结果, 显著的正效应㊂ Koteski et al. 的分析也验证了这一结论㊂ [21]分别使用了92关系, ㊁ 口增长率㊁ GDP, 使用, 使用全样本[21]㊁Kroft and Lloyd⁃Ellis(2002) [24], 得出也有一些文献的经验分析结果表明, 波动性对长期增长的影响是正向的㊂ 事实上, 无论是正向影响还是负向影响, 都需要考虑一些约束条件㊂ 一些文献试图找到波动性影响投资进而影响长期增长的内在机制, 说明哪些因素会影响波动性的规模, 进而影响长期增长, 这些因素包括通货膨胀㊁ 2005[25]; Mendoza, 1997[4]; Aghion et al. , 2010[16]; Aghion and Marinescu, 2008[26]; Fatás and Mihov, 2013[27])㊂ 还有一些文献指出, 波动性对长期增长并不存在实质性的影响(Dawson and Stephenson, 1997) [28]㊂
贸易㊁ 信贷约束㊁ 金融发展水平㊁ 制度等(Siegler,
随文献在Ramey and Ramey
1992[15])㊂ Aghion et al. (2010)[16]在熊彼特范式
, 如Barlevy(2004)[22]㊁Fatás , 即短期波动对增长存在负向影响㊂
长期增长的影响方向和作用机制是复杂的㊂ 一方面, 经济衰退会促使低效企业破产, 新的效率更高的企业可以利用释放出的资源, 从而提高产出的长期增长率, 而这个效应的发挥与信贷约束强度相关㊂ 另一方面, 在跨期替代弹性较大时, 家庭和企业从预防的动机出发, 则较高的波动性会降低长期投资, 进而使得长期增长率下降㊂ 由于在理论上波动性对长期增长正向和负向影响同时存在, 有大量的经验性文献使用跨国数据对之进行验证㊂ Kormendi and Meguire(1985)[18]可能是最早对波动和增长关系进行验证的经验性文献㊂ 他们使用47个国家1950 1977 年的数据, 用样本
近年来, 国内涌现了大量针对该主题的理论
1978年以前, 波动与增长呈负相关关系,1978年之后, 二者的关系变为正相关, 并建立了一个基于人力资本形成机制的随机增长模型来解释这个现象㊂ 李涛(2001)[30]建立了一个反映周期波动的增长模型, 将短期波动与长期增长联系在一起㊂ 有很多经验性文献使用中国的数据验证了波动性
㊃ 9㊃
性和经验性文献㊂ 陈昆亭等(2012)[29]发现, 中国
对长期增长影响, 但得出的结论并不相同㊂ Yu (2014)
[31]
(2007) [33]的研究支持了Ramey and Ramey 坡和王泽填(2007)[34]㊁ 李永友(2006)[35]㊂
㊁ 卢二坡和曾五一(2008)
[32]
㊁ 周达军
为了便于处理技术进步带来的波动, 本文假设F 为Cobb⁃Douglas 生产函数, 那么关于α 的最优选择的一阶条件为公式(6):
^(α )[1-θσ 2F ^ϕ (α ) F y (α )]=0
(6)
(x ) x 22
δ (α )) x t -c t ]+σ (α )
2
}
(5)
(1995)[21]的结论, 即短期波动对长期增长的影响方向为负, 但也有文献并不支持这个结论, 如卢二
本文试图分别用中国省级截面数据和面板数
据来解释短期波动性对中国长期经济增长的影响方向㊂ 本文以下部分的结构安排如下:第二部分提出一个短期波动对长期增长影响的理论模型; 第三部分在理论模型的基础上构造计量模型, 并对数据和计量方法进行描述; 第四部分对计量模型进行相关的回归和检验; 第五部分为结论㊂
二、理论模型
基于Jones and Manuelli(2005)[6]的模型, 本文假设储蓄决策由一个代表性家庭做出㊂ 在每一时刻, 家庭都从其当前消费中获得效用, 如果家庭的当前消费为c , (c ) 给定, 该函数定义为公式(1):
①
-ω
㊂ -α
^(α ) =Aα ω (1-α ) =ω -其中, F
α
x
小, 波动, 即σ 2/^波动, 即σ F
2
x
(γ ) (7)㊁ 公式^(ω 1-θ 2^γ A -σ 2(7)x [F (ω )]2
^(ω ) γA =σ x F (8)
1
θ
+θ
-(ρ +δ ) ] [θσ
2x
(γ )
其中, θ >0㊂ 1/θ , 愿望独立于消费水平㊂ 数为公式(2):
U =E
②
u (c ) =(c 1-θ -1) /(1-θ ) σ γB =
1x
(9)
显然, 在情况B 下, σ 2x 较大, 平均增长率和增长率的标准差之间是正相关关系; 而在情况A 下, σ 2x 较小, 二者之间相关关系的符号取决于θ 的大小㊂ 由于中国特殊的文化和国情, 中国的储蓄率较高, 这说明中国家庭的跨期消费的替代弹性1/θ 较大, 即边际效用弹性θ 较小㊂ 所以, 我们假定0
从理论上来说, 如果两个地区有不同的σ 2x ,
这样, 本文考虑个人同时投资于人力资本和物质资本, 假设人力资本利用率为常数㊂ 家庭面临的约束条件为公式(3)和公式(4):
dk t =[F (k t , h t ) -δ k k t -x t -c t ]dt +
σ y F (k t , h t ) dW t
[∫
∞
e -ρt
c
dt F 0
-θ
1-θ t
(2)
却会有相同的σ γ ㊂ 注意到任何σ γ 在其取值范围内, 都对应σ x 的两个取值, 一个小于 ^ ^ 1/θ F (ω ) 另一个则大于1/θ F (ω ) 根据
本文的0
变量向量, F 为一阶齐次的凹函数㊂
其中,(W t , Z t ) 是一个独立的标准布朗运动令x t =k t +h t , 它代表总财富, 包括了人力资
dh t =-δ h h t +x t dt +σ h h t dW t +ηh t dZ t
(3)(4)
本和物质资本㊂ 可以得到效用方程在约束条件下最大化问题的Hamilton⁃Jacobi⁃Bellman 方程为公式(5):
c 1-θ
ρV (x ) =max +V′ (x )[(F (α ,1-α ) -c , α -θ
1描绘的两条线的某一条上㊂ 在这些点中任意选一个位置, σ γ 和γ 的相关关系有也可能为正, 有可能为负㊂ 如果技术冲击较大, 那么增长率的波动性提高会使得平均增长率也会提高, 但如果技术冲击较小, 则增长率的波动性上升则降低平均增长率㊂
变化σ x , 这个模型意味着所有的数据点都分布在图
如果地区之间的异质性完全来自于技术冲击的
{
㊃ 10㊃
均增长率γ it 是该周期历年增长率的平均数, 它衡量每个周期内经济的平均增长, 而σ it 是周期内人均实际GDP 增长率的标准差, 它衡量每个周期内的短期波动㊂ 与截面回归方法一样, 本文在面板回归中, 也引入了波动的平方项㊂ 面板回归中, 控制变量X 包括:平均投资比率(av _inves )㊁ 平均人口增长率(av _pop )㊁ (av _open )㊁ 平均人力资本(av _human )㊁ (周期
图1 增长率(σ γ ) 和增长率的波动(γ ) 的关系
内首年的人力资本, i _首年人均实际GDP 接下来, 三㊁ 计量模型与数据来源(一) 计量模型
在Ramey and Ramey (1995)
[21]
,
的基础上构
㊂ 最后, 7, 进行面板回归来作㊂
, 它通过人均实际GDP GDP 比; 对外GDP 比重数据; 人力资; 政府支出比率为政府支出占GDP 比重㊂ 所有数据均来自于历年各省㊁ 自治区和直辖市统计年鉴以及‘ 新中国统计资料六十年汇编“㊂ 本文对各变量的原始数据均通过双边或单边缩尾来处理离群值㊂ 变量的定义和描述统计见表1㊂
四㊁ 计量结果及分析(一) 截面回归
本文使用1978 2012 年的数据对式(1)做截面回归, 回归结果见表2㊂
第(1)列中, 用产出的平均增长率(γ ) 对波动性即产出的标准差(σ ) 做回归, 发现波动性的系数显著为负, 这验证了波动性对平均增长存在负回归结果显示, 波动性的系数显著为负, 而波动性平方的系数则显著为正, 这说明随着波动规模的变化, 波动性对长期增长率的影响方向也有可能发生变化㊂ 第(3)列仅仅对控制变量做回归, 这些变量均统计显著㊂ 根据这些系数的符号可知, 投资㊁ 对外开放度都对长期增长有正向影响, 而人口增长率㊁ 人力资本则对长期增长有负向影响㊂
㊃ 11㊃
向影响㊂ 第(2)列中加入波动性的平方项(σ 2)㊂
建计量模型, 使用中国30个省的数据, 对人均实际GDP 的平均增长率与它的标准差进行回归㊂ 首先只考虑不随时间变动而变动的波动性, 使用截面数据进行回归㊂ 对中国各省1978 2012 年的平均增长率与经济增长的波动性进行回归稳健性㊂ 截面回归采用如下计量模型是:
γ i =βX i +λσ i +ησ +i
2i
30, γ 和σ 分别是各省率(growth ) 率用实际人均GDP , y 示实际人均GDP, 那么, growth t =t /y t -1)㊂
式(10)中, 下标i i =响, 又有负向影响, 本文引入σ 的平方项, 这可以更准确的探究波动对经济长期增长的影响㊂ X 是控制变量, 包括平均投资比率(av _inves )㊁ 人口的平均增长率(av _pop )㊁ 平均对外依存度(av _open )㊁ 平均人力资本(av _human ), u 是误差项㊂ 5年为周期计算各省每个周期内经济增长率的波动性㊂ 用1978 2012 年之间每个周期的平均增长率对增长率的波动进行面板回归, 共7个周期㊂ 同截面回归方法一样, 面板回归也控制了相应的条件变量㊂ 面板回归模型是:
γ it =βX it +λσ it +δσ 2it +μ i +η t +u it
(11)
考虑到波动性会随时间变动而变动, 本文以
7㊂ 第i 省在第t 个周期内人均实际GDP 的平
式(11)中, 下标t 代表周期的序号, t =1,2,
表1 各变量定义和描述统计
变量
变量名称GDP 增长率投资率人口增长率人力资本初始GDP 初始人力资本政府支出比率对外开放度截面回归波动性5年周期面板数据的波动性
均值0. 0840. 3789. 0230. 0127. 0290. 0110. 1550. 2590. 0640. 048
中位数0. 0870. 3308. 8250. 0066. 9050. 0050. 1350. 1050. 0640. 标准差0. 0650. 1714. 9200. 01300. 9160. 0120. 079最小值-0. 3820. 0810-3. 2400. 0. 最大值0. 2940. 87321. 170. 0599. 6890. 0980. 229
growth inves pop human i _gdp i _human gov open σ i σ it
表2 变量σ
(1)
**
-0. 264*
(2)
*-0. 854*
**
*
(5)
**
-1. 039*
(-6. 85)
σ 2
(-4. 8. 90) (-5. 42)
35)
av _inves
299*
(4. 00)
*
017*
**
0. 031*
**
5. 216*
(2. 15)
av _pop
**
-0. 001*
(4. 10) (5. 13)
**
0. 040*
(-4. 95)
av _open
**
0. 006*
(-6. 31)
**
-0. 001*
(-7. 01)
**
-0. 001*
(4. 70)
av _human _cons 调整后R 2
**
0. 101*
**
0. 120*
**
-1. 264*
(2. 63)
**
0. 003*
(2. 30)
*
0. 003*
(-13. 76)
**
0. 100*
(-13. 19)
**
-1. 267*
(-12. 98)
**
-1. 277*
(42. 59) 0. 055
(18. 22) 0. 059
(43. 87) 0. 215
(41. 22) 0. 285
**
0. 117*
(21. 84) 0. 291
**
0. 139*
***
注:括号中数字为t 值; *和*分别代表在5%和1%的水平下显著; N 为30㊂
这些控制变量中, 只有人力资本系数的符号不符合本文的预期㊂ 根据增长理论, 人力资本较高的经济体应该也具有较高的增长率㊂ 本文的回归结果显示, 人力资本越高则增长率越低, 这显然是不可信的㊂ 本文将在面板回归中进一步检验这个系数的符号㊂ ㊃ 12㊃
第(4)列和第(5)列中, 本文把控制变量和经济波动性均加入回归㊂ 各变量的系数符号及显著性与前3列相比没有发生本质变化㊂ 本文重点关注波动对经济长期增长的影响㊂ 根据第(5)列中σ 和σ 2的系数, 可以得到波动性对长期增长的边际影响是:dγ /d σ =-1. 309+10. 432σ ㊂
可以看出, 当σ
第(5)列的回归结果, 画出中平均增长和波动性之间的拟合关系(图2)㊂ 图2很直观地反映了短期波动与经济长期增长的负相关关系, 即降低经济的波动性有助于提高产出的长期增长
㊂
图2 (二) 面板回归
㊂ 第(2)列只对波动性进行回归, 发现它㊂ 第(3)列只对波动性和波动性的平方进行回归, 结果发现, 波动性的平方对平均增长率有显著的正向的影响, 而波动性的系数则显著为正㊂ 由于未控制其他变量, 这两列的结果并不可靠, 还需进一步进行分析㊂ 第(4)列我们把控制变量和波动及其平方项都加入回归㊂ 可以看出, σ 和σ 2的系数的符号和显著性与第(3)列相同㊂
为了进一步验证第(3)和第(4)列的结论, 本文在第(5)列进一步加入了时间趋势项, 回归结果与第(4)列基本相同㊂ 说明第(4)列的结果是比较可靠的㊂ 根据第(4)列和第(5)列的结果, 波动性对平均增长的边际效应就为公式(12):
d γ
=0. 279-6. 242σ (12)σ
可以看出, 波动性对长期增长的边际影响并不是常数, 而与波动的规模有关㊂ 通过计算可以得到, 当σ >0. 0447时,d γ /d σ 0, 即此时波动性增加会有助于提高平均增长率㊂ 根据表2的信息可知, 波动性σ 的最
㊃ 13㊃
在截面回归中, 波动之间的差别, 相应变动的波动性㊂ 因此, 在截面方面的差别, 把样本区间(35年) 分为5个周期计算增长的平均值和标准差, , 回归均为既考虑个体固定效应又考虑时间固定效应的双向固定效应模型㊂ 回归结果见表3㊂
第(1)列中, 用平均增长率对各控制变量进行回归, 各变量均统计显著㊂ 注意到平均人力资本(av _human ) 的系数显著为正, 与截面回归的结果正好相反㊂ 显然, 面板回归提供了更多的样本信息, 它的结果更加可信, 人力资本对平均增长率有显著的促进作用, 这也与经典理论相一致㊂ 而其他控制变量的系数的符号及其显著性与截面回归相同, 这进一步证实了经典理论中投资㊁ 人口增长率对经济增长的显著作用㊂ 另外, 注意到i _gdp 的系数显著为负, 这说明我国各省的平均增长率存在收敛的趋势, 初始GDP 水平较低的省份会有较高的平均增长率, 这与巴罗(2004)[36]的经验分
表3 经济波动与经济增长的5年周期面板回归结果
变量av _invest
(1)
**
0. 114*
(2) (3) (4)
**
0. 121*
(5)
**
0. 121*
(3. 22)
av _pop
**
-0. 004*
(3. 49) (3. 49)
(-4. 16)
av _human
*
2. 203*
(-4. 47)
**
-0. 004*
-4. 47)
**
-0. 004*
(2. 26)
i _gdp
**
-0. 063*
(2. *
2. 246*
*
*
(-5. 54)
i _human
-1. 165(-1. 28)
σ
-0. 193(-1. 33)
σ 2
*
0. 95) (---1. 45)
*
-3. )
0. (1. 66)
0. 279*
(-81)
trend _cons N 调整后R 2
**
0. 463*
**
*
-76)
(-3. 76)
**
-3. 121*
*
0. 015*
(2. 29)
*
*
**
0. 443*
**
0. 428*
(5. 59)
208
3. ) 0. (16) 210
(5. 89)
208
(6. 12)
208
***
注:括号中数字为t 值; *㊁ *和*10%5%和1%的水平下显著㊂
0. 6650. 5290. 7030. 703
小值和最大值分别为0. 004和0. 229, 的增加既有可能提高也有可能降低平均增长率㊂
下面探究经济波动性的源泉㊂ 一般认为, 经济的波动性主要来自于政策和技术两方面(Jones and Manuelli, 2005) [37]㊂ 政策方面的波动, 本文使用政府支出占GDP 比重(gov ) 的标准差作为代理变量, 技术方面的波动很难测量, 所以这里没有考虑技术进步带来的波动㊂ 另外, 考虑到中国自改革开放以来的重要特征是对外依存度的不断提升, 国外市场的不确定性成为我国经济波动性的重要源泉㊂ 本文使用增长率的波动对政策的波动性和国外市场的波动性做回归以探究中国波动性的源泉㊂ 其中, 政策的波动性使用政府支出占GDP 比率(gov ) 的标准差衡量, 而国外市场的波动性用对外开放度(open ) 的标准差来衡量㊂ 表4㊃ 14㊃
列出了回归结果㊂
表4 波动性与政策波动和外贸波动的关系变量σ _gov
(1) 0. 043(1. 39)
σ _open _cons N 调整后R 2
**
0. 047*
*
0. 064*
(2) (3) 0. 056*(1. 86)
*
0. 067*
(2. 52)
**
0. 042*
(2. 60)
(4. 99) 2090. 499
(3. 46) 204
(3. 27) 203
**
0. 040*
注:被解释变量为产出增长率的标准差(σ ); 括号中
***
数字为t 值; *㊁ *和*分别代表在10%㊁ 5%和1%的水平
0. 5110. 511
下显著㊂
表4是同时控制了个体和时间效应的固定效应模型的回归结果㊂ 第(1)列中, 让增长的波动性对政策的波动性做回归, 发现这个变量并不显著; 第(2)列中, 让增长的波动性对国外市场的波动性做回归, 结果表明这个系数显著为正; 在第(3)列中, 同时引入政策的波动性和国外市场的波动性作为解释变量, 发现这两个变量的系数都显著为正㊂ 以上三个回归的结果表明, 政府的政策和国外市场的不确定性都是经济波动的源泉,
而国外市场的波动性似乎更加重要㊂ 注意到第(3)列调整后的R 2为0. 511, 这说明政府的政策和国际市场的不确定性可以解释经济波动的一半, 另外一半应该用技术和制度方面的不确定性来解释㊂
(三) 稳健性检验
使用7㊂ 回归结果见表5㊂
表5 经济波动与经济增长的7年周期回归结果
变量av _inves
(1)
**
0. 098*
(2) (3) (4)
**
*
**
105*
(3. 40)
av _pop
**
-0. 004*
((3. 61)
(-2. 95)
av _human
*
4. 244*
0. 004(-3. 81)
**
-0. 004*
(2. 29)
i _gdp
**
-0. 059*
54)
*
(2. 54)
*
4. 458*
(-4. 68)
i _human
-3. 619*(-1. 89)
σ
-0. (-)
σ 2
0. 093(0. 45)
*
-2. 326*
(-5. 35)
**
-0. 059*
(-5. 35)
**
-0. 059*
(-2. 34)
*
-4. 157*
(-2. 34)
*
-4. 157*
*
0. 269*
(2. 08)
**
-3. 710*
(2. 08)
*
0. 269*
(-2. 35)
trend _cons N 调整后R 2
**
0. 460*
**
0. 070*
(-5. 92) (-5. 92)
**
-3. 710*
*
0. 020*
(2. 19)
**
0. 059*
**
0. 471*
**
0. 451*
(4. 94)
149
(5. 02) 1500. 527
(4. 01) 1500. 541
(5. 64)
149
(5. 93)
149
***
注:被解释变量为产出增长率的标准差(σ ); 括号中的数字为t 值; *㊁ *和*分别代表在10%㊁ 5%和1%的水平下
0. 6820. 7390. 739
显著㊂
表5的回归结果与表3基本相同㊂ 表5第(4)列和第(5)列中, 波动性的系数显著为正, 而波动性平方的系数的显著为负, 这与表3的结果一致, 并且这两个系数的值与表3也几乎完全相同, 这说明表3的结果是稳健的㊂
五、研究结论
本文使用我国30个省份1978 2012 年的数据分析我国跨地区经济短期波动对长期增长的影响, 得到如下主要结论:在控制了投资比率㊁ 人口增长率㊁ 外贸依存度㊁ 人力资本等因素后, 省级层
㊃ 15㊃
面经济的短期波动对经济长期增长的影响方向不确定, 它与波动的幅度有关㊂ 如果波动的幅度较小, 那么经济波动性的增加将有助于经济的长期增长率的提升; 越过临界值后, 波动幅度的增加只会降低经济的长期增长; 稳健性检验表明上述结论仍旧成立; 对经济波动源泉的探究表明, 市场特别是国际市场的不确定性似乎是中国各省份经济增长短期波动的主要因素, 而政府的政策尽管也会带来经济增长的波动性, 但它并不是经济波动的主要原因㊂
经济波动的来源是复杂的, 技术㊁ 政策㊁ 市场的不确定性都会带来经济的短期波动㊂ 一般认为, 波动性对长期增长的正向影响主要来自于技术创新的冲击, 而波动性对经济长期增长的负向影响则主要来自于政策和市场的不确定性(阿格因和豪伊特,2011) [38]㊂ 对中国经济的长期增长来说, 波动的正向和负向效应同时存在㊂ 从目前来看, 我国增长的波动幅度并不算大, 波动的幅度过度关注, 足够的条件和激励机制, 体波动的贡献, 和个人的不确定性, 加, 注 释:
54(2):323-356.
801-814.
certainty [J ]. International Economic Review , 2001, 42(3):
[6]Jones L E , Manuelli R E , Siu H E , et al. Fluctua⁃
[5]De Hek P , Roy S. On sustained growth under un⁃
tions in convex models of endogenous growth , I :growth 804.
effects [J ]. Review of Economic , 8(4):780-
729-743.
quential utility analysis [J (4):
[8]Levhari D , [7]Phelps E S. The :a se⁃
153-163.
uncertainty [J ]. (2):
[9]W. with endoge⁃
nous Review , 1990, 80-]Romer and long⁃run growth J ]. of , 1986, 94(5):1002-1037.
11]. ㊁ 社会主义与民主[M ]. 吴良:, 1999.
of Economic Research , 1991(12):17-47.
R Recessions as reorganizations [J ]. Na⁃ 13]Barlevy G. On the cyclicality of research and de⁃
1131-1164.
[J ]. American Economic Review , 2007, 97(4):
[14]Aghion P , Saint⁃Paul G. Virtues of bad times in⁃
① 显然, θ → 1时, u (c ) → ln (c )㊂ 系数㊂
② θ 实际上是边际效用弹性, ③ 根据跨国总量消费研究, 大多数国家的情形是跨④1978 2012年间, 我国30个省份的平均增长率为
teraction between productivity growth and economic fluctua⁃ 344.
tions [J ]. Macroeconomic Dynamics , 1998, 2(3):322-
期消费替代弹性小于1, 即θ >1㊂ 阿格因㊁ 豪伊特(2011) 的研究情况与本文的假设相反㊂
8. 4%, 而以5年为周期计算的波动的平均值为0. 048㊂
参考文献:
growth in UK companies , 1975 1986[J ]. European Eco⁃ nomic Review , 1992, 36(5):1055-1085.
[16]Aghion P , Angeletos G M , Banerjee A , et al.
[15]Nickell S , Wadhwani S , Wall M. Productivity
Volatility and growth :credit constraints and the composition of investment [J ]. Journal of Monetary Economics , 2010, 57(3):246-265.
[17]Acemoglu D , Zilibotti F. Was prometheus un⁃
[1]阿吉翁, 霍伊特. 内生增长理论[M ]. 陶然, 倪彬华, 汪柏株, 等, 译. 北京:北京大学出版社, 2004. gregate fluctuations [J ]. Econometrica , 1982, 50(6):1345-Journal of Political Economy , 1983, 91(1):39-69.
[3]Long Jr J B , Plosser C I. Real business cycles [J ]. [4]Mendoza E G. Terms⁃of⁃trade uncertainty and eco⁃ [2]Kydland F E , Prescott E C. Time to build and ag⁃
bound by chance ? risk , diversification , and growth [J ]. Journal of Political Economy , 1997, 105(4):709-751.
1370.
terminants of growth :cross⁃country evidence [J ]. Journal of Monetary Economics , 1985, 16(2):141-163.
[19]Grier K B , Tullock G. An empirical analysis of
[18]Kormendi R C , Meguire P G. Macroeconomic de⁃
nomic growth [J ]. Journal of Development Economics , 1997,
cross⁃national economic growth , 1951 1980[J ]. Journal of Monetary Economics , 1989, 24(2):259-276.
㊃ 16㊃
ics Letters , 1997, 55(3):365-369.
ity and growth [J ]. Wulfenia Journal , 2013, 20(12):1-12. nomic Review , 1995, 85(5):1138-1151.
[20]Koteski C , Josheski D , Dimitrov N , et al. Volatil⁃ [21]Ramey G , Ramey V A. Cross⁃country evidence on
[29]陈昆亭, 周炎, 龚六堂. 短期经济波动如何影响[30]李涛. 一个反映长周期波动的增长模型[J ]. 世
长期增长趋势? [J ]. 经济研究, 2012(1):42-53. 界经济, 2001(7):7-15.
nomic growth in China ? an empirical based on GARCH⁃ M Model using the 1952 2012data Journal of Food Science and Technology , [31]Yu W. How Business cycle volatility affect eco⁃
the link between volatility and growth [J ]. American Eco⁃
[22]Barlevy G. The cost of business cycles under en⁃
dogenous growth [J ]. American Economic Review , 2004, 94(4):964-990.
[23]Fatás A. The effects of bussiness cycles on growth [J ]. Growth and Business Cycles , 2011, 34(6):191-220. dence on the link between growth , volatility and business cy⁃ cles [Z ]. Queens University , Working Paper , 2002. 12(2):67-71.
historical perspective [J ]. Applied Economics Letters , 2005, and economic growth :what do we learn from OECD panel da⁃ ta ? [M ]. Chicago :University of Chicago Press , 2008. tics , 2013, 95(2):362-376.
and economic growth [J ]. Review of Economics volatility and growth :evidence from the [J ]. [26]Aghion P , Marinescu I. Cyclical budgetary policy [25]Siegler M V. International growth and volatility in [24]Kroft K , Lloyd⁃Ellis H. Further cross⁃country evi⁃
[32]卢二坡, 曾五一. [33]周达军. 期增长影响的实证研究[证分析[J ]. (14[34]卢短期波增长的效应 板验证[J ]. 统计研究, 2007(32[]:中[罗. 定因素:跨国经验研究[M . , 2004. the effects of fiscal policy , innovation 13-65.
R E. Neoclassical models of
[J ]. , 2006(4):8-14.
[27]Fatás A , Mihov I. Policy volatility , [28]Dawson J W , Stephenson E F. The between
[J ]. Handbook of Economic Growth , 2005,
Long⁃term Growth ?
China’s Provincial Data
(1. School of Economics and Management , Communication University of China , Beijing 100024, China ;
2. School of Economics , Capital University of Economic and Business , Beijing 100070, China )
Jianyu 1&ZHAO Jiazhang 2
unified framework, to set up a two⁃way fixed effect model, and to verify the impact of short⁃term fluctuations on the long⁃term growth by applying the data from 1978to 2012of 30provinces. The result shows that:short⁃term fluctuations of provinces have and compared with the uncertainty of policy, market, especially the uncertainty of international market is more likely to cause vol⁃ and to reduce volatility.
both positive and negative effects on long⁃term growth; policy, market, uncertainty of technology and system may cause volatility; atility. In order to stimulate long⁃term growth, government should construct a macro environment to enhance technology innovation
Key Words :The short⁃term economic volatility; long⁃term growth; degree of dependence on foreign trade; macropolicies
(本文责编 王 轶)
Abstract :This paper tries to put two main themesof macroeconomics, short⁃term fluctuations and long⁃term growth, into a
㊃ 17㊃