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

随机效应模型优于固定效应模型，因此我们选择模型(11)对参数进行估计。 参数估计的结果

对模型(9)进行估计的相关参数如表1所示：

表1模型(9)的相关参数估计结果

从表1可以发现，经济增长对科技支出的回归系数仅为0.03。这意味着科技支出对经济增长仅有微弱的积极影响。另外，其β4的t统计量的P值为0.08，这意味着经济增长对科技支出的回归系数仅在10%的显着水平下显着，而在5%的显着水平下不显着。

对模型(11)进行估计的相关参数如表2所示：

表2模型(11)的相关参数估计结果

从表2可以发现，经济增长对教育支出的回归系数仅为0.01。这意味着教育支出对经济增长仅有微弱的积极影响。另外，其β4的t统计量的P值为0.11，这意味着经济增长对教育支出的回归系数在10%的显着水平下也不显着。

将表1和表2的估计结果进行对比，我们可以发现：中、西部19个省市的科技和教育支出都对国民产出有微弱的积极影响，但这种影响都不是很显着。另外相对于教育支出，科技支出对经济增长的作用更为明显，检验的显着水平相对更高。 科技与教育支出对资本和劳动的产出弹性的影响

为了分析科技支出对资本和劳动的产出弹性的影响，我们有意将模型(9)和(11)中的科技与教育支出项暂时忽略，从而得到：

gitβ1+β2kit+β3lit+νi+εit(12)

对模型(12)进行估计的相关参数如表3所示：

表3模型(12)的相关参数估计结果

将表3同表1相比，我们可以发现科技支出对资本和劳动产出弹性的影响。通过模型(9)我们估计出的资本和劳动的产出弹性分别为0.37与0.42。通过模型(12)我们估计出的资本和劳动的产出弹性分别为0.52与0.61。由此可见，科技支出对资本和劳动的产出弹性均有正的影响，影响幅度分别为0.15和0.19。

将表3同表2相比，我们可以发现教育支出对资本和劳动产出弹性的影响。通过模型(11)我们估计出的资本和劳动的产出弹性分别为0.32与0.28。通过模型(12)我们估计出的资本和劳动的产出弹性分别为0.52与0.61。由此可见，教育支出对资本和劳动的产出弹性均有正的影响，影响幅度分别为0.2和0.33，这高于科技支出对资本和劳动的产出弹性的影响。

五、结论及政策含义

本文基于柯布—道格拉斯生产函数建立了一个用于实证分析的计量模型，就我国中、西部省份的科教支出与经济增长关系进行实证分析。文章选取1996—2007年19个中、西部份省份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。通过Hausman检验，选择了随机效应模型进行参数估计。实证分析的结果显示：

第一，就科教支出与国民产出的关系看，经济增长对科技支出的回归系数仅为0.03，意味着科技支出对经济增长仅有微弱的积极影响。同时经济增长对教育支出的回归系数仅在10%的显着水平下显着，而在5%的显着水平下不显着。由此可见，中、西部19个省市的科技和教育支出都对国民产出有积极的影响，但这种影响很不显着。相对于教育支出，科技支出对经济增长的作用更为明显，实证检验的显着水平相对更高。

第二，就科教支出与要素投入的产出弹性看，科技支出对资本和劳动的产出弹性均有正的影响，影响幅度分别为0.15和0.19。教育支出对资本和劳动的产出弹性也都有正的影响，影响幅度分别为0.2和0.33，高于科技支出对资本和劳动的产出弹性的影响。

以上结论表明中、西部省份的科教支出对经济增长具有积极的作用，但是这种作用很不明显，科教支出的效率还有很大的提高空间。另外，长期来看，中、西部省份科教支出对生产要素投入具有不同的作用机制，教育支出对要素产出弹性的提高幅度更大。这些结论所蕴含的政策含义也是较为明显的，针对中、西部省份的政府相关部门，本文提出以下政策建议：

第一，继续加强对科技的财政投入。许多研究者已经发现，中、西部地区政府对科技投入的比重明显低于东部，这是中、西部地区在科技创新能力弱于东部的直接原因。因此，中、西部地方政府应不断加大这种投入，增强创新能力。考虑到短期内科技投入对产出的影响大于教育支出，因此我们也要合理平衡地方科技支出与教育支出，为了避免简单的单纯追求政绩，对科技的投入应保持在一个适度增长的规模内，不应一味强调超过实际能力的投入，以免造成不合理投入带来的其他问题。

第二，对教育的财政支出应稳步增加。长期来看，教育支出比科技支出对地方经济的影响更大，因此，中、西部地方政府要避免为了追求短期政绩而降低教育支出的比重。一般来说，教育支出对经济增长的影响周期长于科技支出，因为一般情况下科技支出可以迅速地转化成生产技术的提升，而教育支出是通过作用于劳动和资本间接改进经济效率，其对生产的影响需要一段时间才能显现。正所谓“十年树木，百年树人”，要素生产率的提高需要持续不断地长期努力。所以，中、西部省份现阶段应该继续保持对教育的支出，使之在财政支出中的比重稳步上升。特别是在当前经济结构的调整时期，保持教育投人的稳步增加可以带来未来的经济增长，保持长期内的可持续发展。

第三，大力提高科教支出的使用效率。一些研究显示，在中、西部地区，目前科教事业经费经常被挪用，主要是用于弥补行政管理部门工作经费的不足，真正投入到科技和教育中的比例要低于统计数据所显示的。因此，一方面要采取有效措施限制政府挪用科教经费，另一方面，特别是在地方财政用于科教发展的投入还不充裕的情况下，要大力提高科教支出资金的使用效率。可以考虑对地方科教支出项目进行积极而科学的绩效评价，促使地方政府科教投入产出达到最大化。

以上就是关于中西部省份科教支出与经济增长关系的内容，更多精彩请大家持续关注我们网站。

相关推荐：

解析新疆民族产业的发展  

中国经济论文：国有林场经营的新思路