论我国收入差距与经济增长的关系及其内在机制

内容提要:以省际人均GDP的基尼系数、投资和全国GDP的增长率为变量,本文建立了一个结构向量自回归(SVAR)模型,来探究我国收入差距与经济增长之间的关系及投资在其中所发挥的作用。研究结果表明,收入差距在短期有助于投资,从而有利于经济增长,但从长期看,收入差距对经济增长有害;不论是短期还是长期,经济增长对收入差距的反馈作用都不明显。

关键词:收入差距;经济增长;投资

中图分类号:F126.2文献标识码:A文章编号:1003-4161(2009)04-0085-04

1.引言

收入差距与经济增长的关系研究由来已久。由于不同的理论对收入差距作用于经济增长的机制的假定不同,它们对两者之间关系的看发也不同,甚至完全相反①。在诸多理论中,投资被认为是连接收入差距与经济增长的重要桥梁。一种观点认为由于富人的边际储蓄倾向高于穷人,收入差距扩大会使收入向富人转移,有利于资本积累从而促进经济增长(Kaldor, 1956; Bourguignon,1981)。另一种观点是,收入不平等使更多的人受资本市场的约束而不能有效投资,从而不利于经济增长(Fishman & Simhon, 2002; Galor & Moav, 2006)。对于我国而言,收入差距与经济增长之间到底存在什么关系?投资又在其中发挥什么作用?学术界的看法并不一致。

Wan Lu & Chen (2006)的研究表明,我国的收入差距对投资不利,他们使用分布滞后联立方程模型的模拟结果表明,由于收入差距对投资的不利影响超过了其对教育的有利作用,因此从总体上看,收入差距的扩大有害于经济增长。陈安平(2009a)则认为,我国的收入差距在一定程度上起到了把资源从边际生产力较低的地区转移到边际生产力较高的地区的功效,所以收入差距有助于经济增长,至少从短期来看是这样的。陈安平(2009b)使用面板协整技术分析发现,我国的收入差距、投资与经济增长之间存在稳定的协整关系,但并没有找到投资是收入差距作用于经济增长的纽带的证据。

以上研究对我国收入差距与经济增长的关系及其机制做了有益尝试,但陈安平(2009a)并没有在模型中直接考察收入差距如何影响投资和经济增长,其余两篇文献虽然在模型中引入了投资变量,但都存在一些不足。陈安平(2009b)是分两步来研究该问题,第一步分析收入差距对投资的作用,第二步分析投资对经济增长的影响,通过两步中投资和收入差距变量系数的符号和显著性来判断收入差距是否通过投资而影响经济增长,并没有考虑经济增长对投资和收入差距的反馈作用。Wan Lu & Chen (2006)虽然通过联立方程模型考虑了这种反馈作用,但他们更多分析的是变量之间的同期关系,没有考虑变量自身滞后值及其他变量滞后值所产生的动态效应。

为了克服这些不足,本文采用结构向量自回归(SVAR)模型,进一步研究我国收入差距与经济增长的关系及其连接纽带。我们之所以使用SVAR模型,是考虑到一方面可以在该模型中通过内生变量的滞后值很方便地分析变量之间的动态反馈关系,另一方面也能在模型识别时通过一些约束条件考虑变量之间的同期关系。具体而言,我们建立了一个包含收入差距、投资与经济增长三个变量的SVAR模型,通过脉冲响应函数(IRF)模拟它们之间的动态关系,探究投资是否是收入差距和经济增长之间关系的一个桥梁。

2.SVAR模型

对于n个平稳变量y1,y2,…y璶,它们之间的动态特征可以用结构向量自回归模型(SVAR)来加以描述②:

AY璽=B(L)Y璽-1+e璽(1)

其中Y璽为包含n个y变量的(n×1)向量,A是代表变量之间同期关系的(n×n)系数矩阵,B(L)为滞后算子L的(n×n)矩阵多项式

B(L)=B(1)+B(2)L+B(3)L2+…+B(P)LP-1(2)

其中LjY璽=Y璽-i,p是模型所包含的滞后期,e璽为模型的结构误差项。由式(1)可以解出Y璽,即简约式向量自回归模型(reduced-form VAR):

Y璽=C(L)Y璽-1+u璽 (3)

其中C(L)=A-1B(L),u璽=A-1e璽,u璽是简约式VAR模型的误差项。对于式(3),可以使用最小二乘法进行估计。为了计算结构误差项e璽冲击的脉冲响应函数(IRF),首先根据式(3)写出Y璽的移动平均表达式:

Y璽=〔I-C(L)L〕-1U璽(4)

假设e璽可以识别,把u璽=A-1e璽代入上式,则有

Y璽=〔I-C(L)L〕-1A-1e璽=Θ(L)e璽(5)

其中Θ(L)=Σli=0θ璱Li,θ璱为(n×n)结构参数矩阵。θ璱显然Y璽+i,表示对于结构误差项e璽冲

击的响应,即给结构误差项e璽一个冲击后,Y璽在(t+i)期的脉冲响应函数(IRF)。把不同时期的脉冲响应函数相加,可得到累积脉冲响应函数(Accumulated IRF)。

本文将主要使用脉冲响应函数和累积脉冲响应函数研究收入差距、投资和经济增长之间的动态关系。我们采用了Bernanke(1986)的两步法:第一步用最小二乘法估计简约式VAR模型式(3),得到u璽和C(L)的估计值;第二步,通过给变量之间同期关系矩阵A和结构误差项e璽施加一些约束条件,对其进行识别。在得到矩阵A之后,根据u璽=A-1e璽求解出结构误差项e璽,再由式(5)算出结构误差项e璽冲击的脉冲响应函数。

3.变量与数据

我们以全国实际GDP的增长率(GROW)来表示经济增长、以省际人均GDP的基尼系数(GINI)来衡量收入差距。为了使用尽可能长时期的数据,样本时期确定为1953-2004年,采用期间的年度数据。对于基尼系数的计算,我们采用了如下公式(Wu, 2004):

GINI=ΣΣ(x璱-x璲)2/2n2x(6)

其中X表示各省的人均GDP,x是各省人均GDP的平均值,n是样本个数,由于重庆,海南和西藏的数据不完整,本文不包括这三个省份,因此n等于28。对于投资变量(INV),采用由支出法计算的GDP中的固定资本形成总额,用投资指数对其做了平减。其中1995年前的平减指数根据《中国国民收入历史核算资料1952-1995》中的资本形成指数计算得到,1996年后的平减指数由《中国统计年鉴》中的全社会固定资产投资指数计算而来③。为了消除投资变量中可能存在的指数趋势,我们对其取了对数。其余数据均来自《新中国五十年统计资料汇编》。

图1经济增长率和基尼系数的趋势图图2 投资的趋势图

图1是样本期间全国实际GDP的增长率和表示省际收入差距的基尼系数的趋势图。显然,样本期间我国的经济增长表现出很强的波动性,经济增长率最高时达到21.9%,而最低时则为-27.3%。尽管1978年后经济增长的波动有所减小,但仍表现为一定波动性。同样,1978年前面基尼系数的波动性也强于1978年后。从1978到1990年期间,基尼系数持续下降,但从90年代初期开始,基尼系数不断上升。图2是投资变量的趋势图。显然,投资在样本期间具有明显的向上趋势,在80年代前有一定的波动性,特别是在1966年和1978年左右表现出了趋势的转折性。

在估计模型之前,我们采用ADF检验(Dick & Fuller, 1979),来判断以上三个变量的平稳性,结果见表1。对于全国经济增长率(GROW)和基尼系数(GINI),我们采用了标准ADF检验。对于投资变量,由于其在样本期间表现出结构转折性,和陈安平(2007)的做法相同,我们在ADF检验中加入了发生在1966和1978年的结构转变虚拟变量,以捕捉 “文革”和改革开放等历史事件可能对变量趋势性所产生的冲击④。显然,全国GDP增长率和投资变量的ADF检验值在1%水平显著,基尼系数的ADF检验值也在10%水平显著。这表明三个变量是所谓的平稳变量,我们可以使用变量的水平形式来建立SVAR模型⑤。

表1 变量平稳性检验结果

变量ADF统计量结论Grow-5.62***平稳

Gini-2.71*平稳INV-5.77***平稳

注:*、**和***分别表示在10%和1%水平显著。

4.结果与分析

我们尝试了不同的滞后期,发现当在模型中保留两个滞后期时,三个方程残差的自相关问题得到消除,因此,我们在模型中保留了两个滞后期。为了捕捉三个变量在样本期间的趋势性和结构转变,我们在模型中加入了时间趋势项和发生在1966和1978年的结构转变虚拟变量。模型简约式的估计结果见表2。

表2 简约式VAR模型的估计结果

解释变量GINI方程INV方程GROW方程

参数 T值参数 T值参数 T值

GINI(-1)0.90 3.99 5.23 2.38 0.94 1.12

GINI(-2)-0.26 -1.29 -4.46 -2.31 -0.81 -1.10

INV(-1)-0.03 -0.69 -0.41 -1.11 -0.36 -2.60

INV(-2)0.04 1.17 0.67 1.99 0.07 0.55

GROW(-1)0.11 1.32 2.44 3.13 0.69 2.34

GROW(-2)-0.05 -1.40 0.18 0.50 0.00 0.01

C0.08 2.07 1.98 4.94 0.82 5.41

T0.00 -1.37 0.02 1.08 0.01 2.03

DU10.01 0.82 -0.05 -0.35 -0.05 -0.94

DU2-0.03 -2.35 -0.20 -1.79 -0.05 -1.25

DT10.00 1.26 0.06 3.32 0.02 2.86

DT20.00 -0.66 0.00 0.03 0.00 -0.36

R²0.69 0.99 0.52

注:C和T表示常数项和时间趋势项。DU和DT表示结构转变虚拟变量,其设定如下: t>1966,DU1=1; t≤1966, DU1=0; t>1978,DU2=1; t≤1978,DU2=0;t>1966,DT1=t-1966;t≤1966,DT1=0;t>1978,DT2=t-1978;t≤1978,DT2=0。

从中可看出,三个方程的配适度比较高,其中投资方程的配适度接近1,这并不奇怪,因为投资变量在样本期间具有很强的趋势性。收入差距GINI系数的两个滞后值在增长方程中,以及GDP增长率GROW的两个滞后值在收入差距方程中都不显著,但GINI和GROW的滞后值在投资方程中显著,这似乎说明收入差距和经济增长之间不存在直接的相互关系,而是通过投资这个桥梁来相互影响的,以下将使用脉冲响应函数对此做进一步的验证。常数项在三个方程中都显著,但趋势项和结构转变虚拟变量并非在每个方程中都显著。尽管如此,在以下分析中我们保留了所有显著与不显著的变量。我们也做了敏感性实验,把不显著的结构转变虚拟变量删除,发现结果并无明显变化。

在使用以上估计结果进行动态模拟之前,如前文所言,需要对SVAR模型进行识别。对此我们采用了以下策略:遵照惯例,假设结构误差项e璽中的元素互不相关;当期的收入差距对投资有影响;投资对当年的经济增长有作用,经济增长在当年对投资也有影响。在此假设下,模型为恰好识别,可由简约式VAR模型的误差项求出SVAR模型的结构误差项。然后计算这些结构误差项冲击的脉冲响应函数。

图3 GINI冲击的脉冲响应 图4 GINI冲击的累积脉冲响应

首先来看给收入差距方程的结构误差项一个标准差冲击后,投资和经济增长的响应,结果见图3。显然,投资和经济增长对收入差距冲击都有一个较大的正的响应,该效应持续3年左右后变为零,此后经过波动逐渐趋于收敛。这说明,从短期看,收入差距对投资和经济增长有促进作用。为了观察收入差距冲击的长期效应,我们计算了收入差距冲击的累积脉冲响应函数,结果见图4。显然,收入差距冲击对投资的影响要持续更长时间,投资响应的稳态值为0.12,这意味着收入差距扩大一个标准差(0.015),投资将增加12%⑥;经济增长对收入差距冲击的长期响应为负,尽管其稳态值很小。这说明,尽管收入差距的扩大从短期看,通过对投资的促进而有利于经济增长,但从长期看,收入差距对经济增长的作用为负。

图5 GROW冲击的脉冲响应图6 GROW冲击的累积脉冲响应

图5和图6是给GDP增长率一个标准差冲击后投资和收入差距的响应。显然,经济增长对投资有明显的推进作用,但对收入差距GINI系数的影响很小,即使经过20年的累积,GROW增加一个标准差的冲击对GINI系数的作用仅为0.008,不到1个百分点。这说明不管是从短期,还是从长期看,经济增长对于收入差距的影响都较小,经济增长并不能够保证收入差距自动得以缩小。

图7 GINI系数冲击的累积 图8 GINI系数冲击的累积响应(1978年前) 响应(1978年后)

图9 GROW冲击的累积 图10 GROW冲击的累积 响应(1978年前)A响应(1978年后)

改革前后我国的经济结构发生了很大变化,收入差距与经济增长的关系有没有什么不同?为了探究该问题,我们以1978年为界把样本时期分为两个时期,分别估计了两个时期的模型,再计算收入差距和GDP增长率冲击的脉冲响应函数。其中,在1978年前的方程中我们包含了常数项,时间趋势项和发生在1966年的结构转变虚拟变量。在1978年后的方程中我们包含了常数项和时间趋势项。为了节省篇幅,文中没有报告模型的估计结果,仅给出两个样本时期收入差距和经济增长冲击的累计脉冲响应,见图7—10。

从收入差距GINI系数冲击的累计响应图7和图8看,不管是哪个样本时期,收入差距对投资都有明显的促进作用,但对经济增长的作用并不明显。与1978年前相比,1978年后投资对于收入差距冲击的响应更强烈,并且一直在递增,与此相反的是,经济增长对收入差距冲击的累计响应除了在冲击发生后的前4年外,一直都为负,并且一直在递减。这说明,1978年后,收入差距对经济增长的不利作用有所增强。

表3 收入差距和经济增长冲击的脉冲响应

年份1953-1978 1979-2004

Response ofResponse of

INVGROWINVGROWShock to当期值0.0831 0.0234 0.0456 0.0101

GINI最大值0.1443 -0.0270 0.0632 -0.0049 稳态值0.0709 -0.0043 0.1613 -0.0216 年份1953-19781979-2004

Response of Response of

INVGINIINVGINI

Shock to 当期值0.0123 0.0000 0.0139 0.0000

GROW最大值0.0456 0.0024 0.0462 -0.0062

稳态值0.0326 0.0017 0.0134 -0.0106

注;投资INV和经济增长GROW对于收入差距冲击的最大值分别采用的是冲击发生后第2和第4年的值;投资INV和经济增长GROW对于经济增长冲击的最大值分别采用的是冲击发生后第4和第6年的值。从GDP增长率冲击的累计响应图9和图10来看,和全样本时期一样,经济增长冲击的主要作用在两个子样本期间也是集中在投资上。与1978年前相比,1978年后投资响应的波动更为明显,而收入差距的响应由正变为负,但其值很小,说明改革开放后的经济增长对收入差距有缩小作用,但其作用有限。

由于1978年前后两个样本时期SVAR模型结构误差项的标准差不同,因此冲击的大小不同,不便于从上图中对1978年前后收入差距和经济增长冲击响应的大小直接进行比较。为此,我们令两个样本时期GINI系数的冲击都是0.01,GDP增长率的冲击都是1%⑦,再计算其脉冲响应。我们把主要结果列在了表3中。

显然,对于收入差距冲击,投资和经济增长响应的当期值和最大值在1978年前要比1978年后大很多。但从稳态值看,1978年后收入差距对投资和经济增长的作用更大,GINI系数增加1个百分点,1978年后投资稳态值增加16%,但GDP却减少1%。这和前文得出的结论一致,收入差距的扩大在短期可以通过促进投资而推动经济增长,但从长期看,不利于经济增长。对于GDP增长率GROW冲击而言,不管是从当期,还是从最大值看,1978年后经济增长对投资的作用都要大。对于收入差距,不管是从最大值,还是稳态值看,1978年后的值都由1978年前的正的变为负的,但其值很小,这说明从长期看,1978年后的经济增长有助于收入差距的缩小,但这种作用并不明显。

总之,以上脉冲响应函数表明,从短期看,收入差距通过投资对经济增长有一定的促进作用,但从长期看,收入差距的拉大不利于经济增长。不管是从短期还是长期看,经济增长对收入差距的作用都比较小。与1978年前相比,1978年后收入差距与经济增长之间的联系有所增强。本文研究在一定程度上支持陈安平(2009a)的分析,即收入差距的扩大在短期内能促进投资从而有助于增长;这与陈安平(2009b)和Wan等 (2006)的发现有所不同,因为Wan等(2006)的研究表明收入差距不管是短期还是长期都不利于投资,而陈安平(2009b)的研究表明投资并非是收入差距作用于经济增长的桥梁。

5.基本结论

为了探究收入差距与经济增长之间的关系及其内在机制,本文建立了一个包含收入差距、投资和经济增长的结构向量自回归模型。利用1953-2004年间的数据,我们计算了收入差距GINI系数和GDP增长率冲击的脉冲响应函数,结果发现,收入差距在短期有助于投资,从而有利于经济增长,但从长期看,收入差距有害于经济增长;不论是短期还是长期,经济增长对收入差距的反馈作用都不明显。由1978年前后两个样本时期的脉冲响应函数及其比较,我们得出了相似的结论。与1978年前相比,1978年后收入差距与经济增长的关系更强。因此我们认为,尽管收入差距的拉大在短期内有助于经济增长,但从长期看,要保持经济的持续增长,必须着力解决目前不断扩大的收入差距。由于经济增长并不能使收入差距自动得以缩小,在保持经济高速增长的同时,必须辅以适宜的再分配政策,改善当今社会收入分配的不合理格局。

基金项目:本研究受国家社会科学基金青年项目(08CJL018)、教育部人文社会科学青年基金项目(项目批准号07JC790029)和广东省哲学社会科学规划项目(项目批准号07YD01)的资助。

注 释:①有关收入差距与经济增长关系研究文献的详细评论见Wan Lu & Chen (2006)和 陈安平(2009a,b)。

②有关SVAR模型的技术细节见Enders(1995)。

③由于缺少1996年后的资本形成指数数据,和梁琪、藤建州(2006)的做法相似,使用固定资产投资指数来做平减。

④我们也尝试在全国经济增长率(Grow) 和基尼系数(Gini)的ADF 检验中加入发生在这两年的结构转变虚拟变量,结果并无明显区别。

⑤虽然基尼系数的ADF检验值仅在10%水平显著,我们并没有对其取差分,因为本文的目的主要是动态模拟,而非假设检验。在该种情况下,即使变量是非平稳的,也不必差分,而直接使用变量的水平形式建模,以利用水平变量所包含的更多信息(Hamilton, 1994)。

⑥对于投资我们使用的是其对数值,其对数值增加0.12,相当于投资增长12%。

⑦由于经济增长在当期受投资的影响,我们实际上是令GDP增长率GROW在第一期的值为1%。

参考文献:[1] Bernanke, Ben.S-Alternative Explanations of the Money-Income Correlation[C]. Carnegie-Rochester Conference Series on Public Policy, 1986, 49-100.

[2] Dickey D. A.Fuller W. A.Distribution of the Estimators for Autoregressive Time Series with A Unit Root[J]. Journal of the American Statistical Association, 1979, 74: 427-431.

[3] Enders, W. Applied Econometric Time Series[M], Wiley, New York, 2004.

[4] Fishman, Arthur, Simhon, Avi. The Division of Labor, Inequality and Growth[J]. Journal of Economic Growth, 2002, 7: 117–136.

[5] Hamilton, J. D. Time series analysis[M]. Princeton: Princeton University Press, 1994.

[6] Galor, O,Moav, O.Das Human Kapital: a Theory of the Demise of the Class Structure[J]. Review of Economic Studies, 2006, 73: 85-117.

[7] Kaldor, N.Alternative Theories of Distribution[J]. Review of Economic Studies, 1956, 23: 83-100.

[8] Wan.G,Ming Lu, Zhao Chen. The Inequality–Growth Nexus In the Short and Long Run: Empirical Evidence from China[J]. Journal of Comparative Economics, 2006, 34: 654–667.

[9] Wu, Y.Economic Growth: A Miracle with Chinese Characteristics[M], London: Routledge Curzon, 2004.

[10] 陈安平,我国财政货币政策的区域差异效应研究[J].数量经济技术经济研究,2007,(6).

[11] 陈安平, 城乡收入差距与经济增长的关系研究[J].中央财经大学学报,2009a,(6).

[13] 梁琪,藤建州.中国宏观经济和金融总量结构变化及因果关系研究[J]. 经济研究,2006,(1).

[作者简介]陈安平,(1971—),男,经济学博士、副教授。研究方向:经济发展、区域经济。

[收稿日期]2009-05-06(责编:梅文;校对:黄晓梅)