基于面板数据的“资源诅咒”检验与计量分析

薛雅伟,张在旭,王 军

(中国石油大学(华东)经济管理学院,山东青岛 266580)

基于面板数据的“资源诅咒”检验与计量分析

薛雅伟,张在旭,王 军

(中国石油大学(华东)经济管理学院,山东青岛 266580)

基于“资源诅咒”视角,以国内油气资源城市为研究对象,选取1997—2012年10座典型油气资源城市的面板数据作为研究样本,利用统计和计量分析的方法对油气资源城市“资源诅咒”效应进行初步验证,构建经济增长计量模型,并采用多种计量分析和检验方法考察资源产业依赖度与经济增长之间的直接和间接关系,挖掘“资源诅咒”的存在机理。

资源诅咒;计量模型;资源产业依赖;经济增长

随着自然资源对经济增长的作用越来越被重视,经济学家们开始探讨自然资源稀缺和不断耗竭条件下的经济发展问题。1993年Richard[1]在研究产矿国的经济发展问题时首次在正式经济学文献中使用了“资源诅咒”这一概念,即一个国家或地区具有充裕的资源并不必然导致经济增长,有时反而会形成一种制约[1]。这一假说的提出,为资源丰裕地区摆脱经济发展困境提供了新的思路和相应的解决对策。

国外学者Zrezki等[2]认为,更加开放的贸易政策有利于抵消资源的负面影响。Richard[3]通过对乍得和毛里塔尼亚1990—2003年的面板数据分析得出,高净储蓄值可以用来缓解“资源诅咒”下的政府政策故障,提升经济效益。Andrew[4]指出资源丰裕国家政府缺乏应有的透明度与问责制,只有打破这种桎梏才能破解资源丰裕国家的“资源诅咒”困境。Syed等[5]通过内生经济模型的面板数据分析得出不发达的资源丰裕地区因资源产业初级产品外销拉低经济效益,阻碍经济增长,并指出建立更具活力的贸易专业化模式可以有效缓解这一情况。Peter[6]从道德的视角出发解释产权与“资源诅咒”之间的关系,指出可以通过保护产权的法律申诉、提高政府的政策透明度等方法破解“资源诅咒”困境。John[7]通过研究安哥拉和委内瑞拉两国的石油收入水平发现,克服“资源诅咒”仅依靠健全的经济管理制度是不够的,有时寻求有效地政治和社会变革能够起到关键作用。

国内学者张耀军等[8]认为避免资源型城市资源诅咒的关键是人力资源。景普秋等[9]借鉴挪威规避“资源诅咒”的经验,提出资源型地区的发展建议为:建立平准基金调节价格波动;发展关联产业弱化资源依赖;调控工资水平加强人力资本积累;加强政府监控规范开采行为。吴文洁等[9]、谢里等[11]认为消除油气资源地区资源诅咒效应的最有效地途径是完善现行的矿业用地制度。还有许多国内学者从不同视角分析了“资源诅咒”的作用机理及避免“资源诅咒”的相应对策。

综上所述,目前国内许多学者借鉴国外规避“资源诅咒”的经验,提出笼统的普适性观点;也有一些学者考虑量化因素的影响,提出科学的测度体系。不可否认,这些方法能够在一定程度上缓解“资源诅咒”的抑制效应,但对于如何挖掘“资源诅咒”的存在条件,破解“资源诅咒”困境仍然值得深入研究。因此,研究结合Sachs等[12]的经验观察法,以油气资源城市为研究对象,对其进行初步验证,在此基础上根据相关理论及研究假说建立计量回归模型,利用我国油气资源城市面板数据构建计量模型并进行实证分析,挖掘“资源诅咒”的存在机理,以期为破解“资源诅咒”困境提供科学的理论指导。

1 “资源诅咒”初步检验

1.1 研究对象的确定

研究根据《国务院关于印发全国资源型城市可持续发展规划(2013—2020年)的通知》[13]对我国资源型城市的分类,研究对象为鄂尔多斯市、延安市、巴音郭楞蒙古自治州(库尔勒市)、榆林市、唐山市、任丘市、南阳市、潜江市、锡林浩特市、大庆市、盘锦市、东营市、濮阳市、玉门市、克拉玛依市、松原市、庆阳市共17座油气资源城市,见表1。

表1 油气资源城市分布Table 1 Distribution of oil and gas resource cities

需要说明的是,研究对象选取东营、大庆、克拉玛依、唐山、盘锦、延安、榆林、松原、濮阳、南阳这10座油气资源城市的理由为:首先,“资源诅咒”研究样本选取要考虑内部一致性程度,如果选取的城市之间差距过大,势必增大误差,影响分析结果,因此研究样本将剔除任丘市等4座县级行政市,仅选取在政治体制结构、经济发展规模等方面具有可比性的地级资源城市;其次,鉴于《中国城市统计年鉴》、《中国城市年鉴》中以下城市的指标数据缺失较多,研究在初步检验及实证分析中将不涉及巴音郭楞蒙古自治州(库尔勒市)、庆阳市、鄂尔多斯市。

1.2 统计指标的选取

资源产业依赖的度量没有一个约定俗成的标准,“初级产品部门产值比重”、“初级产品部门从业比

其中:RDm,n(resource dependence)表示第m座油气资源城市第n年的资源产业依赖程度;EPGm,n(employment of petroleum and gas)表示第m座油气资源城市第n年的油气资源产业从业人数;ECm,n(employment of city)表示第m座油气资源城市第n年的总从业人数。

确定经济增长指标首先要了解经济增长如何度量,根据索洛增长模型,当人口数量不变时人均GDP处于稳定状态,而当人口以n倍的速率增长时,GDP总量的增长率就等于人均GDP增长率加上人口增长率。该模型的表达式为

其中:gi表示第i座油气资源城市的人均GDP;Ni表示第i座油气资源城市的人口总数。这样衡量区域经济增长的优点在于充分考虑了人口增加对GDP增长的影响。由此,各油气资源城市一段时期内的人均GDP年均增长率的表达式为重”、“采掘业固定资产投资比重”等均可作为其指标。根据中国统计局及《中国城市统计年鉴》现行的行业统计口径,资源产业依赖程度取决于采掘业从业人数占全市总从业人数的比重,因此,选取资源产业依赖度作为资源产业依赖的度量指标,其计算公式为

其中:Gi,t1,t2表示第i座油气资源城市从t1年到t2年的人均GDP年均增长率;gi,t2表示第i座油气资源城市第t2年的人均GDP;gi,t1表示第i座油气资源城市第t1年的人均GDP;n表示从t1年到t2年中间跨度的年数。

1.3 统计分析及结果

根据我国资源繁荣期的划分[14,15],选取1985—2010年油气资源城市的统计数据,将研究对象的时间区间划分为1985—1999年、1999—2007年、2007—2010年3个时间段,利用式(1)和式(3),计算10座油气资源城市不同年份的资源产业依赖度与人均GDP年均增长率,结果见表2。其中,RD85、RD99、RD07分别表示1985年、1999年、2007年3个年份各油气资源城市相应的采掘业从业人数占总从业人数比重;G9907、G0710、G9910、G8510分别表示1999—2007年、2007—2010年、1999—2010年、1985—2010年4个时间段内各油气资源城市相应的GDP年均增长率。

表2 检验数据统计Table 2 Statistic table of inspecting data%

借鉴Sachs等[12]在国家层面对“资源诅咒”假说的做法验证油气资源城市“资源诅咒”是否存在,并在一定程度上掌握资源产业依赖度与油气资源城市经济增长之间的关系。首先对表2中两两变量做散点图分析,选取第t1年的资源产业依赖度为横坐标,选取t1－t2年的人均GDP年均增长率为纵坐标,可得1985—2010年资源产业依赖度与人均GDP年均增长率散点图,见图1。

图1 资源产业依赖与经济增长散点图(1985—2010年)Fig.1 Resource industry independence and economic growth scatter diagram(1985—2010)

由图1可知,各散点间近似收敛于由左下向右上倾斜的拟合线,图1中散点拟合的表达式为y＝8.102＋0.082x,其中R2＝0.199,调整后R2＝0.085。F检验值为1.742,自由度为7,假设a＝0.05,则F临界值为2.364,拟合效果并不理想。说明1985—2010年资源产业依赖度与经济增长之间拟合的正向线性关系不显著。则进一步检验短期内资源产业依赖度与经济增长的关系,图2为两者之间2007—2010年的散点图。

图2 资源产业依赖与经济增长散点图(2007—2010年)Fig.2 Resource industry independence and economic growth scatter diagram(2007—2010)

由图2可知,各散点间近似收敛于由左上向右下倾斜的拟合线,图中散点拟合的表达式为:y＝23.989－0.591x,其中R2＝0.449,调整后R2＝0.370。F检验值为5.695,自由度为7,假设a＝0.05,则F临界值为2.364,拟合效果比较理想。说明2007—2010年资源产业依赖度与经济增长之间拟合的负向线性关系显著成立。而后检验中期内资源产业依赖度与经济增长的关系,图3为两者之间1999—2010年的散点图。

由图3可知,各散点间近似收敛于由左上向右下倾斜的拟合线,图中散点拟合的表达式为y＝18.037－0.084x,其中R2＝0.062,调整后R2＝－0.72。F检验值为0.464,自由度为7,假设a＝0.05,则F临界值为2.364,拟合效果非常不理想。说明1999—2010年资源产业依赖度与经济增长之间拟合的负向线性关系不显著。

图3 资源产业依赖与经济增长散点图(1999—2010年)Fig.3 Resource industry independence and economic growth scatter diagram(1999—2010)

通过上述分时间段研究可得,“资源诅咒”假说确实受到时间要素的影响。单就计算结果而言,在油气资源城市层面,“资源诅咒”命题在短期内成立,在中长期下并未证明成立与否。参照经济增长相关理论,在非理想状态下,任选两个经济变量,它们之间的关系都会受到外部其他要素的影响,要想验证这种负向关联关系是否可靠,需要构建计量模型,并在考虑其他相关控制变量的情况下做出更为科学、严谨的判断。

2 计量模型设定及数据处理

在现有研究中,多数学者认为资源丰裕度有利于区域经济增长,而资源产业依赖度抑制区域经济增长[16-18]。因此,研究选取对经济增长可能存在抑制作用的资源依赖度作为“资源诅咒”假说的主要控制变量,借鉴文献[19]中多元回归模型的设计思路,将学术界公认的影响经济发展效率的主要因素以及“资源诅咒”的重要传导途径尽可能全面地反映于回归模型中,并采用适当的方法对潜在的内生性问题进行有效控制,以期保证实证结果的稳健性。模型的基本形式为

其中:Gt表示人均GDP增长率;lnYt－1表示滞后一期的人均GDP自然对数;RD表示资源产业依赖度;RD2表示资源产业依赖度的二次方项;Zt表示其他控制变量;∂0～∂4为待估参数;εt为随机扰动项。

在上述变量中,自变量RD和RD2属于主要解释变量,自变量lnYt－1和Zt属于控制变量,前者为基本控制变量,后者为其他控制变量。被解释变量Gt的计算公式为

其他控制变量Zt的度量指标有物质资本投资(FI)、人力资本水平(HC)、技术创新投人(TI)、个体与私营经济发展(PE)、制造业发展(MD)以及对外开放程度(OP),其中物质资本投资、人力资本水平及技术创新投入代表经济增长的基本投入要素,个体与私营经济发展、对外开放程度及制造业发展代表“资源诅咒”传导过程中的影响要素。被解释变量、解释变量及控制变量的变量类别、符号、度量指标、单位、预期符号见表3。

表3 变量名称及说明Table 3 Variation names and illustrating

带入解释变量和控制变量后的计量回归模型如下:

(1)静态面板数据回归模型为

(2)动态面板数据回归模型为

3 实证估计结果及分析

首先通过豪斯曼检验确定模型形式。原假设为建立个体随机效应模型,检验结果的P值为0.839 1,大于0.05,说明接受原假设,应采用个体随机效应模型进行参数估计。

参数估计结果表明10座油气资源城市的资源产业依赖与经济增长之间的关联关系,见表4。其中模型1为不含资源产业依赖度的二次方项的静态回归模型;模型2为含资源产业依赖度的二次方项的静态回归模型;模型3为含资源产业依赖度的二次方项的动态回归模型。

表4 经济增长模型参数估计结果Table 4 Estimated result for economic growth model parameter

首先分析解释变量与经济增长间的关系。从回归结果看,模型1中资源产业依赖度的估计系数为－0.283 42,且在10%的水平上显著,说明油气资源城市的资源产业依赖度与经济增长呈现负向关联关系,即资源产业依赖度越高,油气资源城市的经济发展速度越慢。在模型3中,资源产业依赖的一次方项和二次方项系数分别为2.442 641和－0.038 557,且通过t检验,拒绝原假设,说明资源产业依赖与经济增长存在先促进后抑制的关系,从几何图形上来看呈现倒U型曲线关系。有学者指出,采用GMM对样本较小或使用较弱的工具变量的动态面板数据进行分析时结果偏差较大[20],对此,模型2的参数估计结果弥补了这方面的不足。通过观察模型2的估计结果可以发现,资源产业依赖的一次方项和二次方项系数分别为1.757 386和－3.548 54,且在10%的水平上显著,说明资源产业依赖度与经济增长之间符合倒U型曲线关系。

其次分析其他控制变量。模型1中,物质资本投资与经济增长正相关,且在1%的水平上显著,说明物质资本投资对经济增长存在明显的正效应,但同时这种促进作用可能受到资源产业依赖的削弱,即物质资本投资对经济增长的边际效应受到冲击。与此同时,制造业发展与经济增长正相关,且在1%的水平上显著,说明对于我国油气资源城市而言,制造业发展对其经济增长的贡献也比较显著,且如果受油气资源产业过度投入的影响,则制造业发展可能会被挤出,即“资源诅咒”传导机制中的“挤出效应”。模型2、模型3与模型1的结果较为一致,只有在模型3中,制造业发展的系数估计结果未通过t检验。而对于其他的控制变量,如人力资本水平、技术创新投入、个体与私营经济发展以及对外开放程度,在模型1～3中均未对经济增长造成显著影响。这可能是由于我国油气资源城市大都处于依托资源型产业和物质资本供给而形成的粗放型经济增长发展模式,其他要素投入完全受制于资源产业的需求,如人力资本、技术创新等要素投入要先满足资源产业的发展,而这种发展往往会伴随着资源“激增”产生要素的过度投入,造成各产业间的畸形发展甚至整个区域经济发展的恶性循环,从而陷入“资源诅咒”困境。

4 结语

研究立足于我国油气资源城市,数据分析结果表明,十多年间油气资源城市的资源产业依赖度对城市经济增长存在“资源诅咒”效应,即资源产业依赖度较高的油气资源城市,其长期经济增长速度越慢,但是这种负向关联关系并非线性的;综合静态和动态面板数据回归模型估计结果,确定油气资源城市资源产业依赖度对经济增长存在先促进后抑制的关联关系,即倒U型曲线关系。

实证研究表明,在油气资源城市的“资源诅咒”效应中存在复杂的传导机制,包括资源产业依赖对制造业发展的“挤出效应”、对物质资本投资边际效应的抑制作用等。这些复杂的传导机制背后,体现的是我国油气资源城市依托资源产业的粗放型发展模式,导致资源丰裕地区的经济发展陷入“资源诅咒”困境。

[1] Richard M Audy.Sustaining Development in Mineral Economies: the Resource Curse Thesis[M].London:Rout ledge,1993.

[2] Arezki R,Ploeg F V.Can the Natural Resource Curse Be Turned into a Blessing?The Role of Trade Policies and Institutions[Z].IMF Working Paper,2007,55.

[3]Richard M Audy.Natural Resources,Capital Accumulation and the Resource Curse[J].Ecological Economics,2007,61 (4):627-634.

[4] Andrew Williams.Shining a Light on the Resource Curse:An Empirical Analysis of the Relationship Between Natural Resources,Transparency,and Economic Growth[J].World Development,2011,39(4):490-505.

[5] Syed Mansoob Murshed,Leandro Antonio Serinoc.The Pattern of Specialization and Economic Growth:The Resource Curse Hypothesis Revisited[J].Structural Change and Economic Dynamics,2011,22(4):151-161.

[6] Peter Schaber.Property Rights and the Resource Curse[J]. Global Governance,2011,17(1):185-196.

[7] John L Hammond.The Resource Curse and Oil Revenues in Angola and Venezuela[J].Science and Society,2011,75(3):348-378.

[8] 张耀军,姬志杰.资源型城市避免资源诅咒的根本在于人力资源开发[J].资源与产业,2006,8(6):1-3.

[9] 景普秋,范昊.挪威规避资源诅咒的经验及其启示[J].经济学动态,2011,52(1):148-152.

[10] 吴文洁,李美玉,李美英.完善矿业用地制度——消除我国油气资源地“资源诅咒”的一重要途径[J].中国国土资源经济, 2008,21(1):32-34,48.

[11] 谢里,谌莹,刘文娟.中国矿产资源产业集聚水平测算[J].地理科学,2012,32(8):965-970.

[12] Sachs J D,Warner A M.Natural Resource Abundance and E-conomic Growth[Z].NBER Working Paper,1995,5.

[13] 国务院办公厅.国务院关于印发全国资源型城市可持续发展规划的通知[EB/OL].(2013-12-03)[2016-03-16].http:// www.gov.cn/zwgk/2013-12/03/content_2540070.htm.

[14] 王中亚.资源诅咒与资源型城市可持续发展[D].天津:天津大学,2011.

[15] 赵伟伟.相对资源诅咒理论及其中国的实证研究[D].西安:西北大学,2010.

[16]Brunnschweiler C.Cursing the Blessings?Natural Resource A-bundance,Institutions,and Economic Growth[J].World Development,2008,36(4):399-419.

[17] Michael Alexeev,Robert Conrad.The Natural Resource Curse and Economic Transition[J].Economic Systems,2011,35(2): 445-461.

[18] 邵帅,杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J].管理世界,2010,26(9):26-44.

[19] 李生彪,杨旭升.基于多元回归模型的甘肃省CPI影响因素分析[J].甘肃科学学报,2012,24(4):152-155.

[20] 李文星,徐长生.中国人口变化对居民消费的影响[J].中国人口科学,2008,22(3):29-37,95.

Resource Curse Inspection and Quantitative Analysis Based on Panel Data

Xue Yawei,Zhang Zaixu,Wang Jun
(School of Economic and Management,China University of Petroleum,Qingdao266580,China)

In recent years,with more and more attention to the effect of nature resource for economy growth,economists begin to economy developing issues under the situation that nature resource is scare and exhausting.The study on resource curse may offer scientific guide for resourced-based urban economic development.Based on the angle of resource curse,taking domestic oil and gas resource city as studying object and selecting the panel data of 10 typical oil and gas resource cities from 1997 to 2012 as sample,this text verifies resource curse effect of oil and gas resource cities by use of statistical and quantitative analysis methods and builds quantitative model of economy growth,furthermore,studies direct and indirect relationship between resource industry dependency degree and economy growth by use of many quantitative analysis and inspecting methods,exploring the existing mechanism of resource curse.

Resource curse;Quantitative model;Resource industry independence;Economic growth

F205

:A

:1004-0366(2016)05-0110-06

2016-02-24;

:2016-04-11.

国家社会科学基金项目“低碳经济下我国天然气产业发展战略研究”(12BJY075);山东省人文社会科学基金项目“山东省资源型城市可持续发展能力评价及提升对策研究”(14CJJJ09).

薛雅伟(1985-),男,山东滨州人,博士研究生,研究方向为管理科学理论与应用.E-mail:xyw8558＠hotmail.com.

Xue Yawei,Zhang Zaixu,Wang Jun.Resource Curse Inspection and Quantitative Analysis Based on Panel Data[J].Journal of Gansu Sciences,2016,28(5):110-115.[薛雅伟,张在旭,王军.基于面板数据的“资源诅咒”检验与计量分析[J].甘肃科学学报,2016,28(5):110-115.]

10.16468/j.cnkii.ssn1004-0366.2016.05.025.