中西部省份科教支出与经济增长关系实证分析

　现在，考虑政府科技支出的作用机制，假定政府科技支出是通过提高全要素生产率而提高经济增长率，则可以如下表示：
　　aitβ1+β4Tit+εit（3）
　　其中，Tit表示政府科技支出，具体的含义为政府科技支出总量占GDP的比例。ε为误差项，包括企业R&D投入等其它因素的影响。
　　联立方程（3）和方程（2），有：
　　gitβ1+β2kit+β3lit+β4Tit+εit（4）
　　利用方程（4）我们则可分析科技指出对经济增长的影响。
　　进一步地，如果将方程（4）中的政府科技支出变量T替换为政府教育支出变量E（以教育支出占GDP的比例衡量），则可得到方程（5），用以实证分析政府教育支出对经济增长率的影响。
　　gitβ1+β2kit+β3lit+β4Eit+εit （5）
　　另外，考虑到政府科技支出和政府教育支出的经济增长效应可能存在一定的时滞，故方程中使用政府科技支出和政府教育支出变量的滞后项，这样方便我们找寻政府科技支出和政府教育支出经济增长率的滞后影响。那么本文最终用于分析科技支出与教育支出对经济增长影响的计量模型实际上为：
　　gitβ1+β2kit+β3lit+β4Tit－1+εit（6）
　　gitβ1+β2kit+β3lit+β4Eit－1+εit（7）
　　三、变量选取与数据来源
　　 由于地区资本存量没有对应的统计资料，现有文献所使用的资本存量都是经过一定间接计算获得的，但是这些计算的资本存量之间存在较大差异，尚没有一个比较权威的计算标准。另外，由于增长率指标更能反映投资活动的波动性，本文采用资本形成增长率代替资本存量的增长率。一般来说，资本形成包括固定资本形成和存货，存货一般逆经济周期增长变化，因而只有固定资本形成可对经济增长产生影响，所以我们采用固定资本形成增长率表示变量。同时，我们用单个行业就业人员增长率表示劳动增长率，各省市实际GDP（扣除物价因素）增长率代表其经济增长率。
　　用各地区科技支出占其GDP的比例表示政府科技支出规模变量（T）。基于各地区政府科技支出数据的可得性考虑，本文实证分析的时间段为1996—2007年，实际数据均为1990年不变价格表示的可比数据。具体地讲，我们用政府财政支出项目中与科技相关性较大的项目支出总和作为地区政府科技支出，主要包括政府挖潜改造革新支出、政府科技三项费支出和政府科学事业费支出。
　　用各地区教育支出占其GDP的比例表示政府教育支出规模变量（E）。具体的，用政府小学、初中、高中和高等教育的政府支出之和与GDP的比例代表政府各级教育支出总规模变量。同样，基于对政府教育支出数据可得性的考虑，本文实证分析的时间段为1996—2007年，实际数据均为1990年不变价格表示的可比数据。
　　本文选取1996—2007年19个中、西部份省份（不含西藏）科技和教育投入规模、资本和劳动增长率以及经济增长率的面板数据。具体的划分如下：中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省市；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古等11个省市来划分。
　　以上数据均来自历年《中国统计年鉴》、《中国科技统计年鉴》和《中国教育经费统计年鉴》。下面我们将根据方程（6）和方程（7），用Eviews6.0软件对各地区面板数据进行实证分析，分别揭示政府科技支出和政府教育支出对资本和劳动投入的产出弹性和经济增长率的影响。
　　四、实证分析
　　1.固定效应模型与随机效应模型的选择
　　由于本文所使用的数据为面板数据，这便需要考虑各省市间所存在的地区性差异。在面板数据的分析中，考虑个体差异的两种主要方法为固定效应模型与随机效应模型。我们需要在这两种模型中进行选择。具体而言，对方程（6）其固定效应模型的表达式为：
　　gitβ1i+β2kit+β3lit+β4Tit－1+εit（8）
　　而其随机效应模型的表达为：
　　 gitβ1+β2kit+β3lit+β4Tit－1+νi+εit（9）
　　利用Hausman检验，我们可以在模型（8）和模型（9）之间进行选择。Hausman检验的原假设：随机效应模型优于固定效应模型。Hausman检验统计量的P值为0.39。这意味着我们在10%的水平下不能拒绝原假设。这意味着随机效应模型优于固定效应模型，因此关于科技支出对经济增长的影响我们选择模型（9）进行参数估计。
　　根据同样的思路，对方程（7）其固定效应模型的表达式为：
　　gitβ1i+β2kit+β3lit+β4Eit－1+εit（10）
　　而其随机效应模型的表达为：
　　gitβ1+β2kit+β3lit+β4Eit－1+νi+εit （11）
　　同样可得Hausman检验统计量的P值为0.29。这同样意味着我们在10%的水平下不能拒绝原假设。这意味着