財(cái)政科技支出的空間效應(yīng)與經(jīng)濟(jì)增長(zhǎng)
—— 基于浙江省地市級(jí)視角

中央財(cái)經(jīng)大學(xué) 徐賽雁

1 引言及文獻(xiàn)簡(jiǎn)述

索羅模型提到技術(shù)進(jìn)步是經(jīng)濟(jì)增長(zhǎng)的重要因素，近年來(lái)，我國(guó)財(cái)政科技支出增長(zhǎng)迅速，對(duì)經(jīng)濟(jì)增長(zhǎng)起了很大促進(jìn)作用。浙江省經(jīng)濟(jì)發(fā)展程度位于我國(guó)前列，民營(yíng)經(jīng)濟(jì)飛速發(fā)展，發(fā)展主體為中小型企業(yè)，由于技術(shù)創(chuàng)新需要較高成本，民營(yíng)企業(yè)通常傾向于技術(shù)引進(jìn)。近年來(lái)，民營(yíng)企業(yè)不斷發(fā)展，已經(jīng)開(kāi)始加強(qiáng)技術(shù)創(chuàng)新。近年來(lái)，浙江省財(cái)政科技支出逐年增長(zhǎng)，2016年財(cái)政科技支出已經(jīng)近270億元。

我國(guó)學(xué)者對(duì)財(cái)政科技支出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系做了諸多研究，鐵衛(wèi)等(2012)基于陜西省數(shù)據(jù)，采用Granger因果檢驗(yàn)研究?jī)烧哧P(guān)系，存在正相關(guān)關(guān)系，但是影響程度不高。也有學(xué)者從定量的角度分析兩者關(guān)系，胡欣然等(2014)通過(guò)建立內(nèi)生增長(zhǎng)模型，測(cè)度財(cái)政科技支出對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)程度，但是采用空間計(jì)量方法的較少。

國(guó)外通過(guò)空間計(jì)量研究區(qū)域間財(cái)政效應(yīng)的文獻(xiàn)較多并開(kāi)始較早。Ferraresi et al(2017)通過(guò)對(duì)意大利各城市的基礎(chǔ)設(shè)施支出進(jìn)行分析，認(rèn)為小城市對(duì)財(cái)政支出的反映大于大城市。Atella等(2014)基于意大利人均公共衛(wèi)生支出數(shù)據(jù)，運(yùn)用空間杜賓模型進(jìn)行實(shí)證分析，結(jié)果顯示公共衛(wèi)生支出呈顯著的空間正相關(guān)性。

近兩年，學(xué)者也運(yùn)用各種計(jì)量方法研究財(cái)政科技支出的地區(qū)差異與空間關(guān)系。王小平、周維(2018)利用1998—2014年省際財(cái)政科技支出數(shù)據(jù)，運(yùn)用空間Markov鏈法以及Kernel密度估計(jì)法，對(duì)地方財(cái)政科技支出省際差異進(jìn)行了時(shí)空動(dòng)態(tài)分析，認(rèn)為地方財(cái)政科技支出是空間非均衡的。李美惠(2018)利用1999—2015年全國(guó)省級(jí)財(cái)政科技支出數(shù)據(jù)，基于空間杜賓模型，研究得出財(cái)政科技投入強(qiáng)度和財(cái)政分權(quán)對(duì)地方財(cái)政科技投入效率具有正的溢出效應(yīng)。余英、范心平(2018)運(yùn)用面板數(shù)據(jù)模型進(jìn)行分析，研究認(rèn)為財(cái)政科技支出呈空間正相關(guān)，距離越近的地區(qū)互動(dòng)越強(qiáng)。汪輝平、王增濤(2017)運(yùn)用全國(guó)省級(jí)面板數(shù)據(jù)深入分析，發(fā)現(xiàn)周邊地區(qū)財(cái)政科技支出對(duì)區(qū)域創(chuàng)新存在溢出效應(yīng)。

綜上所述，目前對(duì)財(cái)政科技支出與經(jīng)濟(jì)增長(zhǎng)關(guān)系較少采用空間計(jì)量方法，對(duì)財(cái)政支出的空間溢出效應(yīng)研究也較為欠缺。因此本文構(gòu)建鄰域、公路距離兩種空間權(quán)重矩陣，建立SAR空間自回歸模型，通過(guò)與普通最小二乘法對(duì)比，分析財(cái)政科技支出的空間效應(yīng)，并研究其與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。

表1 參數(shù)估計(jì)結(jié)果

2 實(shí)證分析

2.1 模型

為測(cè)度浙江省11個(gè)地級(jí)市之間財(cái)政科技支出的空間效應(yīng)及其與區(qū)域經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，本文采用以下空間自回歸模型：

基于解釋變量矩陣X的模型作出的參數(shù)估計(jì)，采用以下形式：

2.2 指標(biāo)及說(shuō)明

本文主要考察財(cái)政科技支出的空間效應(yīng)及其與經(jīng)濟(jì)增長(zhǎng)的影響，除了財(cái)政科技支出外還有很多指標(biāo)因素可能影響經(jīng)濟(jì)增長(zhǎng)，因此選取2015年、2016年各地級(jí)市的人均GDP值作為被解釋變量，選取以下7個(gè)指標(biāo)作為被解釋變量：人均財(cái)政科技支出(元)、百人均圖書(shū)藏量(冊(cè))、人均固定資產(chǎn)投資(元)、人均社會(huì)消費(fèi)品零售額(元)、萬(wàn)人均專(zhuān)利申請(qǐng)授權(quán)量(項(xiàng))、人均進(jìn)出口總額(美元)、全社會(huì)就業(yè)人員年末數(shù)(萬(wàn)人)。人均量均以常住人口作為除數(shù)，以上數(shù)據(jù)均進(jìn)行對(duì)數(shù)化處理，數(shù)據(jù)主要來(lái)源于浙江省統(tǒng)計(jì)年鑒、各地級(jí)市統(tǒng)計(jì)年鑒。此外，本文基于公路、鄰域距離構(gòu)建兩個(gè)空間權(quán)重矩陣，分別為

2.3 參數(shù)估計(jì)結(jié)果及分析

在進(jìn)行回歸之前，首先進(jìn)行Moran I檢驗(yàn)，采用兩種矩陣的Moran I統(tǒng)計(jì)量均小于1.96，說(shuō)明誤差項(xiàng)中不存在空間自相關(guān)性，如表1所示。

本文也進(jìn)行了普通最小二乘法回歸，從修正后的擬合優(yōu)度來(lái)看，SAR模型的擬合優(yōu)度均大于普通最小二乘法下的擬合優(yōu)度，這從一定程度上說(shuō)明財(cái)政科技支出存在空間效應(yīng)。普通最小二乘法的參數(shù)估計(jì)符號(hào)與SAR模型大致相同，但是SAR模型的t統(tǒng)計(jì)量均高于普通最小二乘法下的t統(tǒng)計(jì)量，說(shuō)明解釋變量存在顯著的空間效應(yīng)。

從SAR模型的擬合優(yōu)度來(lái)看，兩年修正后擬合優(yōu)度為99%與94%，說(shuō)明模型非常貼合實(shí)際，2015年擬合優(yōu)度整體大于2016年。無(wú)論是2015年還是2016年，基于公路距離矩陣的擬合優(yōu)度均高于鄰域，說(shuō)明公路距離矩陣對(duì)于經(jīng)濟(jì)增長(zhǎng)的解釋比簡(jiǎn)單的鄰域關(guān)系說(shuō)服力更強(qiáng)。

從空間相關(guān)系數(shù)來(lái)看，2015年與2016年在兩種空間權(quán)重矩陣下的空間相關(guān)系數(shù)均為正，這說(shuō)明各地級(jí)市的人均GDP變化較穩(wěn)定，在公路距離矩陣下，2016年其他地級(jí)市的人均GDP增加或減少1%，觀測(cè)地級(jí)市的人均GDP將增加或減少0.0689%，2015年其他地級(jí)市的人均GDP增加或減少1%，觀測(cè)地級(jí)市的人均GDP將增加或減少0.0719%。

作為模型的主要解釋變量，人均財(cái)政科技支出的參數(shù)估計(jì)均為正數(shù)，且t統(tǒng)計(jì)值均顯著，說(shuō)明人均財(cái)政科技支出與人均GDP呈正相關(guān)關(guān)系，在基于公路距離的空間權(quán)重矩陣下，2015年人均財(cái)政科技支出增加或減少1%，將使觀測(cè)地級(jí)市的人均GDP增加或減少0.0274%，2016年財(cái)政科技支出增加或減少1%，將使觀測(cè)地級(jí)市的人均GDP增加或減少0.1431%， 2016年這種影響程度更深。

對(duì)于模型的其他解釋變量，在公路距離矩陣下，2015年人均固定資產(chǎn)投資t值為24.5835、人均專(zhuān)利數(shù)為31.7623、人均進(jìn)出口總額為40.4816，說(shuō)明2015年這些變量對(duì)人均GDP的影響非常顯著。此外，全社會(huì)就業(yè)人員年末數(shù)系數(shù)在2015年和2016年符號(hào)不同，2015年為顯著正相關(guān)，而2016年為負(fù)相關(guān)，這可能是由于兩年經(jīng)濟(jì)就業(yè)環(huán)境政策差異，但從t值判斷這種影響并不顯著。從各解釋變量的系數(shù)來(lái)看，人均固定資產(chǎn)投資額、人均社會(huì)消費(fèi)品零售額對(duì)于經(jīng)濟(jì)增長(zhǎng)的影響程度最高，且這種影響非常穩(wěn)定顯著。

表2展示的是基于公路距離矩陣下，SAR模型中各解釋變量引起的總效應(yīng)、直接效應(yīng)和間接效應(yīng)分解。根據(jù)t值判斷，2015年，所有變量的三種效應(yīng)均顯著不為零。2016年，百人均圖書(shū)藏量、人均進(jìn)出口總額的三種效應(yīng)均為正，全社會(huì)就業(yè)人員年末數(shù)的三種效應(yīng)均為負(fù)，但從t值判斷，這些效應(yīng)并不顯著。

表2 SAR模型中解釋變量引起的總效應(yīng)、直接效應(yīng)和間接效應(yīng)

對(duì)比2015年及2016年其他解釋變量和財(cái)政科技支出的空間溢出效應(yīng)，人均社會(huì)固定投資、人均社會(huì)消費(fèi)品零售額、萬(wàn)人均專(zhuān)利申請(qǐng)授權(quán)量在效應(yīng)絕對(duì)值上均大于財(cái)政科技支出的空間溢出效應(yīng)，反映出政府的經(jīng)濟(jì)建設(shè)支出、社會(huì)消費(fèi)水平、社會(huì)發(fā)明創(chuàng)造水平的空間外溢性大于財(cái)政科技支出。

2015年，在公路距離矩陣下，財(cái)政科技支出對(duì)于人均GDP具有正向的總效應(yīng)，為0.0297，對(duì)觀測(cè)地級(jí)市的直接效應(yīng)為0.0275，對(duì)其他地級(jí)市的空間溢出效應(yīng)為0.0021，可以看出觀測(cè)地級(jí)市的財(cái)政科技支出既會(huì)導(dǎo)致本市人均GDP的增長(zhǎng)，也會(huì)促進(jìn)其他地級(jí)市經(jīng)濟(jì)增長(zhǎng)，公路距離越近，這種間接影響越明顯。2016年，財(cái)政科技支出對(duì)于人均GDP也具有正向的總效應(yīng)、直接效應(yīng)與間接效應(yīng)，說(shuō)明財(cái)政科技支出對(duì)于人均GDP的總效應(yīng)與空間溢出效應(yīng)具有一定程度上的穩(wěn)定性。

3 結(jié)語(yǔ)

本文基于浙江省11個(gè)地級(jí)市的數(shù)據(jù)，構(gòu)建SAR模型，研究財(cái)政科技支出的空間溢出效應(yīng)及其對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。通過(guò)以上研究，得出以下結(jié)論。

財(cái)政科技支出對(duì)人均GDP具有空間溢出效應(yīng)。模型中所有變量均存在空間溢出效應(yīng)，且與經(jīng)濟(jì)增長(zhǎng)都呈正相關(guān)性。從效應(yīng)絕對(duì)值和t統(tǒng)計(jì)量來(lái)看，財(cái)政科技支出的空間溢出效應(yīng)是顯著且穩(wěn)定的，觀測(cè)地級(jí)市的財(cái)政科技支出增加會(huì)直接對(duì)本市的人均GDP值產(chǎn)生正向影響，也能在一定程度上對(duì)臨近地級(jí)市的人均GDP產(chǎn)生影響。

財(cái)政科技支出的溢出效應(yīng)存在年度差異性和距離矩陣差異性。由于存在年度經(jīng)濟(jì)環(huán)境、政策的差別，2015年的空間溢出效應(yīng)解釋力度相對(duì)更強(qiáng)。公路距離矩陣相對(duì)于鄰域關(guān)系解釋力度更強(qiáng)，地級(jí)市之間公路距離越接近，空間溢出效應(yīng)越明顯。