技术进步与经济增长的实证检验

技术进步与经济增长的实证检验

ID:30827844

大小:56.00 KB

页数:13页

时间:2019-01-04

技术进步与经济增长的实证检验_第1页
技术进步与经济增长的实证检验_第2页
技术进步与经济增长的实证检验_第3页
技术进步与经济增长的实证检验_第4页
技术进步与经济增长的实证检验_第5页
资源描述:

《技术进步与经济增长的实证检验》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、技术进步与经济增长的实证检验摘要:为研究北京市的科技进步对于经济增长的实际影响程度,文章将技术进步作为一个内生变量加入模型进行分析,得出科技进步每增长1%,GDP增加约为0.99%,并通过对模型进行单位根检验,协整检验得出GDP和技术进步之间存在着长期稳定关系,通过格兰杰检验得出技术进步是经济增长的因,并通过建立VAR模型和脉冲响应函数得出技术进步发生一定的冲击时,也会给经济增长带来正向的影响。文章最后给出结论,建议北京市应从加大科技支出,加强产学研结合以及建立科技创新网络,保证科技成果及时转化等方面进行改革。关键词:科技进步经济增长实证检验对策建议中图分类号:F

2、019文献标识码:A文章编号:1004-4914(2014)08-015-04一、导言自20世纪中期以来,中国经济的发展随着改革开放政策的展开进行的如火如荼。这几十年经济的发展,从贫穷落后、发展缓慢的国家成为世界上第二大经济体,国民生产总值仅次于美国,排在世界第二位。经济飞速发展的原因最重要的一点就是技术进步。科学技术作为促进经济增长的重要因素,不仅仅体现在促进经济增长一个方面,它还体现着一个国家的综合实力。二、北京市技术进步和经济增长的实证分析(一)技术进步水平指标的测算要测算技术进步水平,必须建立合理的技术进步水平指标。根据以往的研究成果,我们将技术进步水平的

3、指标分为三个一级指标:科技基础,科技投入和科技产出,以及每个指标又包括相应的二级指标(见表1)。以上指标的汇总和数值均是来自于CNKI统计年鉴的汇总和北京市统计年鉴的数值。我们在文章中采用因子分析法,对以上几个变量值进行因子分析,最终确定技术进步水平值。由于各个指标的单位不同,所以在用因子分析时,首先应该将各个指标转化成无量纲化数据。因为各个指标对于经济增长的作用是正向的,所以我们的处理方法是:Zit=(Zit-minZ)/(maxZ)-minZ,因此能够保证数值大于0,其中,minZ代表二级指标中的最小值,maxZ代表二级指标中的最大值,Zit即标准化后的各个指

4、标的标准化值。通过这种转化,将所有的指标值都稳定在[0,1]范围内。对原始数据进行处理后,用统计软件SPSS进行分析,通过因子分析,选定用两个因子代表以上多个指标的综合值,再根据每个因子的方差贡献率对两个因子进行综合,得出技术进步水平指数:Ft=93.031*Ftl+6.004*Ft2.其中Ftl,Ft2分别代表两个因子的值,Ft是两个因子在两个因子贡献率的权重下的综合值,即技术水平进步指数。因子权重赋值见表2O如上表所示,两个因子代表原先的二级指标的有效性达到了99.035%,说明能够很好地说明和解释由二级指标所表示的技术水平进步率。在计算出各年的技术水平进步指

5、数之后,我们通过按照1990年为基期,按照公式:TPIt二100+100*(Ft-F1990)/F1900计算出1990-2012年的综合得分情况,见表3o(二)实证分析一个地区的经济增长和技术进步的发展情况息息相关,这反映在二者的关系上。我们通过对TPI和GDP的标准化比较二者的发展趋势看来,科技发展速度一直保持在GDP之上,且随着时间变化,二者呈现出越来越大的发展速度差距,说明科技进步二者的发展差距是逐步加大的(见图1)。1.回归分析。(1)简单的回归分析。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,

6、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。{2}从图1中可以发现,由于二者的发展变化情况很一致,很有可能产生伪回归的现象,为了消除这一现象,我们采用两个变量的对数值来对两者进行研究,分别取GDP和TPI的对数,并建立二者的关系方程。由于我们研究的只是技术进步对于经济增长的作用情况,所以暂时忽略其他另外的因素对于经济增长的影响,但是不代表其他的因素对经济增长没有影响,比如劳动力,资本等重要因素,众所周知,这些因素对于经济增长的影响是显而易见的。LNGDP=a+BLNTPI利用统计软件EVIEWS6.0对二者关系进行分析得出如表4o因此,线性回归方程

7、可以写成:LNGDP=1.61+0.70LNTPI分析结果显示,常数项和自变量的t值都超过了临界值,说明检验是明显的,TPI对于GDP的影响作用是显著的。回归方程的F值为105.4695,也通过了显著性检验。但是从表中能看出调整后的R值为0.82,方差的解释能力仅仅为82%,距离理想的解释能力还有一定的差距。并且从表中可以看到DW检验值为0.87,和2还有一定的差距,说明回归模型残差项存在着很严重的序列自相关问题。因此,我们所建立的模型以及OLS估计量不再是有效的。(2)广义差分回归分析。为了真实地反应科技进步和地区经济增长之间的关系,可以采用广义差分法来消除序列

8、自相关。在

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。