“资源福音”还是“资源诅咒”——基于门槛面板模型的实证研究

马 宇1 程道金2

(1.山东工商学院 金融学院，山东 烟台 264005； 2.大连理工大学 管理与经济学部，辽宁 大连116024)

财贸研究 2017.1

“资源福音”还是“资源诅咒”
——基于门槛面板模型的实证研究

马 宇1程道金2

(1.山东工商学院 金融学院，山东 烟台 264005； 2.大连理工大学 管理与经济学部，辽宁 大连116024)

从“资源诅咒”的技术进步传导机制入手，实证分析“资源诅咒”发生的条件。一是构造一个三部门的内生经济增长模型，包含资源部门、制造业部门和科技研发部门，发现处于不同发展规模阶段的资源产业对技术进步的影响不同。二是通过固定效应模型和门槛面板模型证实中国省际层面上存在“资源诅咒”现象，即丰富的自然资源抑制技术进步，从而给经济发展带来负面影响。三是在此基础上将资源依存度指标设定为门槛变量，构建三重门槛模型。回归结果发现，资源部门发展的初期对技术进步具有显著的促进作用，即存在“资源福音”效应，当资源产业规模扩张到一定程度后，“资源诅咒”现象开始出现。三重门槛模型较好地阐述了资源由“福音”向“诅咒”转变的规律。

资源诅咒；资源福音；门槛面板模型；资源产业

一、问题提出

自然资源是人类生存和经济发展必不可少的物质基础。但从近几十年世界各国经济的发展历程来看，一些资源丰裕的地区不仅没有实现经济的快速发展，相反却陷入经济发展的“陷阱”之中，资源贫瘠的地区诸如“亚洲四小龙”、日本等反而实现了经济快速发展，这种现象被称为“资源诅咒”。Sachs et al.(1995)采用1970—1990年20年间的数据对95个国家进行研究，实证检验发现丰裕的资源与经济增长存在负相关的关系。Sachs et al.(2001)研究发现，“资源诅咒”现象在世界范围内都存在。Collier et al.(2008)用130个国家1963—2003年样本数据进行实证研究，结果显示存在“资源诅咒”现象。李强等(2014)研究了国际资源依赖对技术进步和人力资本积累的影响，结果发现国际资源依赖有助于技术进步和人力资本形成，也有助于经济增长方式的转变，从而证实“资源诅咒”现象在国际层面上是存在的。但是，也有学者得出了不同的结论。Davis(1995)选用矿产收入占GDP比重作为资源丰裕度指标，实证结果发现自然资源越丰富对经济发展越有利。Stijins(2005)选用矿产储量、生产量和土地的每千人拥有量作为资源丰裕度指标进行实证分析，结果发现资源禀赋对经济增长的影响不显著。方颖等(2011)以95个地级市为样本研究中国是否存在“资源诅咒”现象，利用采掘业从业人员占当地就业人数的比例来衡量资源依赖程度，通过实证检验发现自然资源的丰裕程度与经济增长之间并无显著的负相关关系，得出中国不存在“资源诅咒”现象的结论。

也有学者研究了“资源诅咒”的传导机制。Asea et al.(1999)证实教育是“资源诅咒”的传导机制之一；Leite et al.(1999)指出腐败是“资源诅咒”的重要传导机制；Gylfason et al.(2004)发现“挤出效应”是“资源诅咒”的重要传导机制；Torvik(2002)发现寻租是“资源诅咒”的政治传导机制之一；毕玲等(2012)认为“资源诅咒”的形成机制主要包括资本形成、教育投入、创新和技术进步等。杨莉莉等(2014)以1993—2010年中国31个省面板数据为样本，研究发现丰裕的资源抑制了技术创新、制造业投入和对外开放。

中国的资源分布呈现西多东少的不均衡状况，然而经济发展方面却东强西弱，许多学者论证了中国是否存在“资源诅咒”这一命题：胡援成等(2007)利用门槛面板模型进行实证研究发现中国存在“资源诅咒”效应；黄子健(2013)、赵奉军(2005)、徐康宁等(2005)的实证研究证实中国存在“资源诅咒”现象。马跃辉等(2013)证实新疆存在“资源诅咒”现象；武芳梅(2007)、赵康杰等(2014)证实山西存在“资源诅咒”现象；刘慧等(2014)证实内蒙古存在“资源诅咒”现象。胡健等(2010)研究发现，资源的高禀赋、高价格和资源产品的低加工水平是导致“资源诅咒”的重要原因。

丰富的自然资源应该是一国经济发展的促进因素，工业革命之所以在英国发生，与英国北部地区丰富的煤铁资源密切相关，上世纪迅速崛起的美国、德国以及北欧诸国都得益于丰富的自然资源。但为什么在近几十年会出现“资源诅咒”现象呢？“资源诅咒”现象产生的条件是什么？这方面的研究相对较少。根据西方经济学中的生产理论，一个产业发展初期对社会进步和经济发展是起到推动作用的，但随着时间的推移，这种作用先变大后变小。“资源福音”效应向“资源诅咒”效应的转变是否也遵循这样的规律呢？中国的“资源诅咒”现象是在西部大开发战略实施以后开始出现(邵帅 等，2008)，即在资源产业发展到一定规模之后才出现。现有文献中却鲜有将资源依存度指标设定门槛值，从资源产业规模方面研究“资源诅咒”现象发生的条件。

本文将资源产业依存度指标设定门槛值，从资源依存度和资源产业规模的角度对“资源诅咒”做进一步研究。本文的创新之处：一是详细梳理了“资源诅咒”效应的技术进步传导机制；二是通过实证研究证实丰富的自然资源对技术进步的影响表现为三重门槛面板模型效应，即丰富的资源对技术进步的影响存在着一个从“资源福音”向“资源诅咒”转变的过程。

二、传导机制与理论模型

1.“资源诅咒”的技术传导机制分析

“资源诅咒”效应对经济发展的阻碍作用并不是直接产生的，而是通过一些因素间接发挥作用，学者们称之为传导机制。综合来看，“资源诅咒”的传导机制主要包含两个方面：政治传导机制和经济传导机制。政治传导机制主要有：影响政府部门的决策；一些企业开展的“寻租”活动；在一些地区通过暴力手段(如战争)决定资源的归属。经济传导机制主要包括：对制造业部门、教育部门的劳动力和资本产生“挤出”效应；导致贸易条件恶化；产生“荷兰病”效应；收入波动；抑制技术创新的产生等。Gylfason(2001)发现，“资源诅咒”通过4条传导机制影响经济发展，即“荷兰病”、寻租、政府决策失误以及忽视人力资本投资。Papyrakis et al.(2004)研究发现，腐败、投资、对外贸易和教育都是“资源诅咒”传导的重要机制。各国学者已对“资源诅咒”的传导机制做了大量研究，且研究视角逐渐放宽，其中技术创新传导机制被学者广泛接受，相关研究也日趋成熟。Papyrakis et al.(2004)、Peretto(2012)分别证实技术创新是“资源诅咒”传导机制之一；邵帅等(2008，2009，2011)发现，资源依存程度与技术创新存在显著的负相关关系。

通过回顾和总结已有文献，可以将“资源诅咒”的技术创新传导机制分为“荷兰病”、战争、寻租和政策失误四条渠道，如图1所示。“荷兰病”是指本国资源产业繁荣带来收入水平提高，从而增加对进口商品和国内服务业的需求，资源产业和国内服务业的过度繁荣造成国内制造业资源被挤占，制造业萎靡不振。“荷兰病”主要通过挤出效应、支出效应和本国货币升值效应来影响技术创新。鲁金萍等(2009)以贵州毕节地区为例证实“荷兰病”是资源丰富的欠发达地区“资源诅咒”的传导机制。冯宗宪等(2010)从理论和实证方面对“荷兰病”的传导机制进行了论证。应瑞瑶等(2009)从“资源诅咒”破解视角证实“荷兰病”是“资源诅咒”的传导机制。

挤出效应就是当一国发现大量石油和天然气等资源时，带来资源产业繁荣，吸引制造业的资金和劳动力转移到资源部门，提高了制造业成本，降低了工业品竞争力，出现“去工业化效应”(deindustrialization effect)，而制造业是推动技术进步的部门，因此，挤出效应抑制了技术进步。支出效应就是在挤出效应的作用下，本国制造业产品价格高于进口产品，本国居民更倾向于购买进口产品，从而对本国制造业进一步带来负面影响。本国货币升值效应是指资源产业繁荣导致本国资源品大量出口，本币升值，从而给高科技产品和制造业产品出口带来不利影响，最终抑制技术创新的发生。邵帅等(2008)以中国西部11省区为样本的实证研究得出结论，资源开发对技术创新有“挤出效应”。

“资源诅咒”可能通过战争和寻租的传导机制阻碍技术创新。丰富的自然资源和资源产业的繁荣会带来巨大利益，不同利益集团为争夺资源，更容易爆发暴力冲突和战争。Collier et al.(1998)对98个国家的研究发现，资源越丰裕越容易爆发战争。Doyle et al.(2000)研究发现，自然资源越丰富，相关各方达成和平共识的动机越弱。战争导致国内基础设施和工业基础被破坏，经济政治环境恶化，从而直接阻碍了技术进步。另外，寻租也是抑制技术进步的途径之一。丰富的自然资源是一笔巨额财富，资源开采可获取超额收益，因此，很多国家政府对资源开采都设置了相应的审批程序，企业家为了获得开采权而不得不去寻租，由此降低了创新动力。

图1 “资源诅咒”的技术创新传导机制

注：作者整理。

丰富的自然资源及其带来的巨额收益更可能使政府做出错误的决策。自然资源行业产生的巨额收益往往集中于少数人手中，这些人通过贿赂和游说等手段，影响政府的政策制定和决策，导致国家政策最终偏离应有的最优状态。另外，由于资源产业带来巨额收益，以及对收入前景的良好预期，资源依存型国家更倾向于投资非生产性项目，这些投资很少能带动技术进步。Lal et al.(1996)发现，资源依存型国家很多时候将资源所得投入到效益低下或不产生收益的项目上，例如军事项目和娱乐项目等，投资效率不高。

资源依存型国家往往会出现产业政策失误，从而抑制了技术进步。这些国家为了发展制造业，采取补贴和贸易保护两种产业政策。当资源产业繁荣时，政府有财力补贴制造业，当资源产业不景气时，就会停止对制造业的补贴，造成产业政策不可持续性。实施补贴的产业政策也会导致寻租的问题。资源部门和制造业部门为了争夺补贴，会向权利机构寻租，从而导致政策扭曲，达不到预期效果。丰富的自然资源也会导致对教育投资的忽视，因为资源部门对劳动力的技术要求不高，当资源产业繁荣，能够吸纳众多劳动力时，会整体上降低劳动力技能要求和水平。这种情况若长期存在，可能会造成对教育投资的忽视，把资源财富看成最重要的保障，而不注重人力资本积累。Gylfason et al.(1997)研究发现，入学率和资源依存程度呈负相关关系。

2.理论模型构建

本文研究的目的在于探索资源部门不同发展阶段或不同规模的资源产业对技术进步的影响，进而分析“资源诅咒”问题。在此基础上构建理论模型如下：将科技研发部门单独列出来，构造一个包含资源部门、制造业部门和科技研发部门的三部门内生经济增长模型，探讨“资源诅咒”的技术进步传导机制。首先设定资源部门的产出函数为Cobb—Douglas生产函数，其形式为：

(1)

其中：Q表示资源部门的产出；R表示资源部门的特殊资源，用来计量资源对产出的影响；KN表示资源部门的资本量，且为R的函数，KN=KN(R)；α表示资源部门资本的规模报酬；LN表示资源部门内的就业人数。

“干中学”是制造业部门的一个典型特征，因此可设制造业部门的生产函数满足Cobb—Douglas生产函数且规模报酬不变，则其生产函数的形式为：

M=μAKMLM

(2)

其中：M表示制造业部门产出；μ∈(0,1)表示技术滞后参数，A表示技术水平，μA表示制造业部门的技术水平；KM表示制造业部门的资本存量；LM表示制造业部门的就业人数。

设资源部门产品价格为p1，制造业部门产品价格为p2，则社会的产出水平可以表示为Y=p1Q+p2M，即：

(3)

对于研发部门而言，根据Romer(1990)的思想，设定技术进步率：

(4)

根据实际经济周期跨期预算约束，Ramsey-Cass-Koopman函数模型用消费者追求效用现值最大化表示，对单个消费者有：

(5)

其中：Ct表示第i个消费者在t时期的消费，对任意时期t满足Ct=Atct，Ct为每个有效劳动力(effective labor)的消费；ρ是贴现率；At是t时期的技术水平。

则在整个经济体中，消费者的现期总效用为：

(6)

其中，n表示消费者数量。

此外，经济体中资本存量受收入和消费水平的影响，因此，将资本、收入和消费的关系设定为：

(7)

式(3)中，Y表示社会总产出，是制造业部门与资源部门产出之和。社会中的资本分布在资源部门和制造业部门，则有：

K=KN+KM

(8)

根据式(3)、(6)、(7)、(8)构建Lagrange函数如下：

(9)

上述Lagrange函数分别对KN、KM求偏导：

(10)

(11)

根据式(10)、(11)得：

(12)

将式(8)代入式(3)得：

(13)

上式对R求导数：

(14)

将式(12)代入式(14)整理得：

(15)

gc=gC-gA=gC-φALA①

(16)

Ramsey-Cass-Koopmans模型效用函数满足第一福利公理，则在平衡增长路径下，资本增长率(gK)、消费增长率(gC)、资源产业带动的产出增长率(gR)、技术进步率(gA)相同，即：

gK=gC=gR=gA

(17)

则式(15)可以表示为：

gA=p1KN(R)αLN

(18)

资源部门中资本K是资源R的函数，不妨设KN(R)=AR+B。对式(18)关于R求二阶导数得：

(19)

式(19)的含义是技术进步受资源产业规模变化的影响。在初始成长阶段α>1，式(19)的符号为正，这一阶段资源产业对技术进步和经济发展起到显著促进作用，实际上是处于“资源福音”阶段；当资源产业扩张到一定程度，就到达稳定阶段α=1，此时式(19)为0，这一阶段资源产业对技术进步已实现最大化的效用，并处于稳定的最优状态；当资源产业进一步扩张，就达到效用递减阶段α<1，式(19)的符号为负，说明随着资源开采规模增大，由于挤出效应、寻租、投资政策失误和忽视人力资本投资等原因，资源产业的发展已经开始阻碍技术进步和经济发展，从而形成“资源诅咒”。

三、计量模型构建及实证结果分析

1.技术进步率指标计算

“资源诅咒”现象的发生源于资源丰富地区对资源产业发展的高度重视和扶持，同时对其他产业尤其是制造业重视不足，资源开发行为对本地区技术进步和创新活动产生挤出效应，因此，本文通过研究丰富的自然资源如何抑制技术进步来考察“资源诅咒”现象。用技术进步率来衡量技术创新和技术进步，在构建实证模型之前首先要计算因变量——技术进步率，所用方法为Malmquist指数法。

为了避免由于错误设定生产函数而带来的估计偏差，以及参考之前学者的做法，本文计算技术进步率时使用数据包络法(DEA)。选取中国30个省市(除港澳台、西藏以外)的投入和产出作为样本，产出用地区实际生产总值表示，资本存量以不变价格计算。根据以往学者的做法，资本存量使用永续盘存法来计算，其计算公式为Ki,t=(1-δ)Ki,t-1+Ii,t，其中Ki,t、Ki,t-1分别代表第i个省份的第t年和第t-1年的资本存量，δ表示折旧率，Ii,t则是第i个省份第t年的投资额，折旧率使用张军(2004)采用的数据，即δ为9.6%。初始年份的资本存量估算采用Hall et al.(1999)的方法，即用初始年份投资比上前十年投资增长的几何平均数加上折旧率后的比值。历年实际投资额采用历年固定资本形成额。投资价格指数采用各省固定资产投资价格指数。

表1 2000—2012年各省市年均技术进步率和全要素生产率分布情况

表2 2000—2012年全国技术进步率和全要素生产率分布情况

选取数据的时间段为1999—2012年，按照1999年不变价格取得GDP、固定资本存量和就业人员的数据，用DEAP 2.1软件计算取得，计算结果如表1和表2所示。因数据缺乏，用从业人数来替代劳动力投入，数据来源于国务院发展研究中心信息网、《新中国统计资料汇编》、30个省市2001—2013年《统计年鉴》、国家统计局网站数据库。

由表1可见，2000—2012年，全国全要素生产率年平均增长幅度为2.3个百分点，技术进步率年平均增长幅度为2.5个百分点，因此，技术进步成为中国全要素生产率提高的最主要因素。技术效率对全要素生产率的平均贡献为负的0.2个百分点，平均规模效率增加了0.4个百分点，平均纯技术效率下降了0.6个百分点。在这一时期，除河南、广西和内蒙古的全要素生产率下降之外，其他省市都是提高的。全要素生产率提高幅度较大的省市包括，上海市年均提高6.5个百分点，天津市年均提高6.1个百分点，江苏省年均提高4.6个百分点，广东省年均提高4.3个百分点，而同时这几个省市的技术进步率也是最高的，年均分别为6.5个百分点、5.9个百分点、3.8个百分点和3.2个百分点，这说明技术进步是影响全要素生产率的最主要因素。此外，技术效率下降的地区有，北京、山西、辽宁、江西、湖南、云南、陕西、甘肃、宁夏和新疆。纯技术效率提高的省市仅有黑龙江、江苏、安徽、福建、湖北、重庆、四川和贵州，大多数地区趋于下降或维持原有水平。规模效率小于1的省市仅有辽宁，其他省市均处于小幅增加的态势，这说明中国各省市的经济规模和经济结构正在趋于合理。总体来看，进入21世纪以后，除少数几个省市外，全要素生产率都得到了显著提升，技术进步和技术效率也显著提高，从表1中可以看出，使全要素生产率提升的最主要因素是技术进步，其次是规模效率。

从全国各年份的水平分解情况来看(如表2所示)，2000—2007年，全要素生产率、技术进步率和规模效率都得到了显著提升，尤其是在2000年和2002年，全要素生产率分别提升7.8个百分点和6.3个百分点，同时技术进步率也分别提高7.4个百分点和6.3个百分点。从表2中还可以看出：2007年之前，中国的技术进步率和全要素生产率提升速度都很快。2008—2012年期间各指标与前面几年相比都出现了明显的下滑，这基本与实际情况相符，2008年国际金融危机导致全球经济低迷，之后的欧洲主权债务危机也对全球经济造成冲击。在全球化背景下，中国也未能幸免于难，受两次危机以及美国量化宽松货币政策的影响，中国国内经济低迷，投机资本流入房地产行业，产生泡沫，同时也出现实体经济资金流向房地产，制造业发展困难等问题。在中国经济运行效率下降的同时，技术进步和全要素生产率也出现了显著下降，其中，下降幅度最大的是2009年和2012年，2009年是受金融危机影响最大的一年，全要素生产率下降了2.0个百分点，技术进步率下降了3.2个百分点，2012年是中国经济结构转型和宏观调控的关键年份，全要素生产率下降了2.9个百分点，技术进步率下降了2.1个百分点。可以看出，技术进步率与全要素生产率总是同方向变化，表现出很高的相关性。总而言之，技术进步是经济增长质量和经济运行效率提升的最主要动力。

2.固定效应模型回归分析

在以往的研究文献中，造成实证研究结果差异的重要原因是选取了不同的资源依存度指标。从发展经济学角度看，社会进步和经济发展离不开资源，这些资源主要包括水、土地、矿产、能源(煤、石油和天然气)和森林。根据Auty(2001)对分散型资源和集中型资源的界定，水资源、土地资源和森林资源属于分散型资源，能源资源和矿产资源属于集中型资源，同时其研究发现，分散型资源对地区经济的发展具有促进作用，而导致“资源诅咒”现象的是能源资源和矿产资源等集中型资源，原因在于煤、石油及有色金属这类集中型资源会使一国经济竞争力下降。

当前中国处于不发达经济迈向发达经济的阶段，经济快速发展离不开大量自然资源支撑，各地区使用的矿产资源数量巨大，但因缺乏统一标准，要准确衡量中国各地区矿产资源产量十分困难。而能源种类较少，且存在统一的折算标准，可以按等价热值折算成标准煤，同时从产出和消费角度来看，中国的能源结构以不可再生的煤炭、石油和天然气为主，辅助一些可再生的风能、核能等形式。因此，本文用能源资源依存度指标来表示自然资源依存程度，研究资源对技术进步的影响。

Ding et al.(2005)首次分析了资源禀赋和资源依赖的差异，认为资源禀赋是指一国(地区)拥有自然资源的绝对量，其数值随着资源的开采而不断减少，资源依赖是指经济发展过程中消耗的资源数量和对资源的依赖程度。在实证分析中，需要区别资源禀赋和资源依赖这两个概念，正确地运用这两个指标是得出准确实证结果的关键前提。一国工业的发展直接依赖于开采的资源总量，而不是资源储量。因此，我们选择能源行业生产总值占地区生产总值比重作为自然资源依存度的度量指标。能源产值是通过各地区原煤、原油和天然气产量与1999年不变价的原油价格指数、原煤价格指数以及石油和天然气开采业价格指数计算得到。数据主要来源各地区2001—2013年《统计年鉴》、2001—2013年《中国煤炭工业统计年鉴》、国务院发展研究中心信息网以及《中国价格统计年鉴2013》。

借鉴Corden et al.(1982)“荷兰病”的研究思想，模型设定为：

techit=β0+β1thridit+β2importit+β3techmkit+β4marketit+β5energyit+μit

(20)

其中，i表示地区，t表示时间，βi表示变量系数，μit为随机扰动项。

本文研究的目标是检验自然资源依存度对技术创新有怎样的影响，用技术进步率来衡量技术创新的程度，因此，将技术进步率(tech)作为被解释变量，用数据包络法(DEA)求得技术进步率。将资源依存度指标(energy)作为解释变量，用地区能源行业产值占该地区生产总值的百分比表示。根据前文理论模型分析，我们预期丰裕的自然资源对技术进步的影响存在着从“资源福音”向“资源诅咒”转变的过程，即适当的资源产业规模有利于技术进步，而经济中过高比重的资源产业会抑制技术进步。将其他影响技术进步的主要因素作为控制变量，包括市场化程度指标(market)、产业结构指标(thrid)、对外贸易指标(import)、技术市场成交额指标(techmk)。市场化程度(market)用非国有单位职工占就业总人数百分比表示，产业结构指标(thrid)用第三产业产值占地区生产总值百分比表示，对外贸易指标(import)用进口商品总值占地区生产总值百分比表示，技术市场成交额指标(techmk)用地区技术市场成交额占地区生产总值百分比表示，各变量具体描述如表3所示。数据来源于国研网、《新中国统计资料汇编》、30个省市2001—2013年《统计年鉴》。

本文使用的是面板数据，因此需要确定采用固定效应模型还是随机效应模型。Hausman检验是基于参数估计值检验的方法，是选择固定效应模型还是随机效应模型的有效方法之一(见表4)。Hausman检验的统计量为：

表3 变量描述

表4 Hausman检验

H=(b-B)TΩ(b-B)

(21)

其中：Ω=(Vb-VB)-1是固定效应LSDV模型与随机效应FGLS模型估计的协方差矩阵，b表示LSDV估计的固定效应系数估计值，B表示FGLS估计的随机效应系数估计值。且H服从自由度为x的χ2分布。

H0：选用随机效应模型。

chi2(5)=(b-B)TΩ(b-B)=155.82

(22)

Prob>chi2(5)=0.0000

(23)

由式(23)，P=0拒绝原假设，因此选用固定效应模型。使用Stata12.0软件进行固定效应面板模型回归，结果如表5所示。

表5 固定效应面板模型回归结果

注：***、**、*分别表示在1%、5%、10%的水平下显著。

从表5可以看出，资源依存度与技术进步存在显著的负相关关系，并在1%水平下显著，说明丰富的自然资源不利于技术进步发生。从控制变量来看：技术市场成交额对技术进步的影响在1%水平下显著，而且符号为正，说明技术市场成交额增加有利于促进技术进步。技术市场成交额这一指标反映的是技术市场活跃状况和技术研发投资情况，投资额越多，用于技术研发的资金额越大，科技成果越多，技术市场交易越活跃，技术进步就越快，所以，技术市场成交额与技术进步正相关。市场化程度指标与技术进步呈显著的负相关性，说明非国有企业的壮大不利于技术进步的产生，其原因可能为：一是大型制造业企业在国有企业中占比较大，对技术水平要求较高，在经济中又起主导作用，易于发生技术进步，而非国有企业则没有此优势；二是国有企业资金雄厚，在技术研发方面投入资金较多；三是中国国有企业高薪、高福利和稳定的工作环境更容易吸引科技人才，这提升了企业的科研能力，易于形成技术进步。第三产业产值占比在10%水平下与技术进步负相关，说明第三产业的繁荣不利于技术进步的产生，也暗示了第三产业的繁荣对缓解“资源诅咒”的效果较小。对外贸易指标的影响不显著。

3.门槛模型构建及回归结果分析

上述模型结果只是证明中国存在“资源诅咒”现象，但不能说明在什么情况下才会出现“资源诅咒”。自然资源是经济发展最重要的物质基础，是促进经济发展的必要条件，并不总是带来负面影响。因此，在什么条件下会发生“资源诅咒”，值得进一步探讨。根据上面理论模型的分析，我们采用门槛模型实证研究资源依存度对技术进步的影响，并用资源依存度指标设定门槛值。

表6 门槛值结果检验

注：***、**、*分别表示在1%、5%、10%的水平下显著。

在进行实证检验之前，必须检测是否存在门槛效应及门槛模型的形式。为判断门槛模型存在几个门槛值，Hansen构造了门槛模型的F 统计量进行识别，检验结果如表6所示。

从表6中可以看出单一门槛模型、双重门槛模型以及三重门槛模型的F统计值及P值，其中各个P值和临界值是采用300次“bootstrap法”得到。表6显示：单一门槛在5%水平下显著，F统计量为18.077，P值为0.033；双重门槛在5%水平下显著，F统计量为18.515，P值为0.013；三重门槛在10%水平下显著，F统计量为9.128，P值为0.067，说明模型存在三重门槛效应。

表7 门槛估计结果

表7给出了3个门槛模型的门槛估计值及各自95%的置信区间。从表7中可以看出，第一个门槛的估计值为0.016，第二个门槛的估计值为1.016，第三个门槛的估计值为2.313。

构建三重门槛模型如下：

techit= β0+β1thridit+β2importit+β3techmkit+β4marketit+β51res(energyit≤ε1)+

β52res(ε1ε3)+μit

(24)

其中，ε1、ε2、ε3为资源依存度指标的门槛值。对三重门槛模型进行回归，结果如表8所示。

表8 三重门槛模型回归结果

注：***、**、*分别表示在1%、5%、10%的水平下显著。

由表8可以看出:对外贸易指标对技术进步的影响不显著。与固定效应模型相比，因为受资源指标分解的影响，三重门槛模型中产业结构指标不显著。技术市场成交额表现出显著的正相关关系，即技术研发投资越多，技术市场越活跃，越有利于技术进步。而市场化指标则与技术进步呈显著的负相关性，说明非国有企业越多，越不利于技术创新。根据资源依存度指标的门槛值，回归结果划分为四个阶段：

第一阶段，资源产业规模相对较小，实证分析结果显示，此阶段技术进步与资源产业规模表现为显著的正相关关系，显著性水平为1%，说明在资源产业规模较小阶段，随着资源产业规模的扩张，技术进步速度加快，此阶段技术进步与资源产业规模呈显著的正相关关系，即资源产业发展对技术进步起到促进作用，资源部门也正处于规模报酬递增阶段，表现为“资源福音”效应。因为在这个阶段通过对自然资源的开发，不断加大投资，带来了先进技术，同时也使原来从事农业生产的劳动力转移到技术要求较高的资源行业，提高了劳动的技术含量。

第二阶段，资源产业规模增加，技术进步与资源产业规模依然保持显著的正相关关系，显著性水平仍为1%，说明“资源福音”效应在此阶段仍然持续，根据前文中的理论，第一阶段和第二阶段资源部门处于规模报酬递增期。但与前一阶段相比，第二阶段资源产业发展对技术创新促进的程度出现了大幅下降，从影响系数来看：第一阶段为4.1571，即资源产业产值占地区总产值百分比每上升1个百分点，技术进步就会提高4.1571个百分点；第二阶段的系数为0.0539，即资源产业产值占地区总产值百分比每上升1个百分点，技术进步就会提高0.0539个百分点。可见，与第一阶段相比，第二阶段资源产业在促进技术进步方面的作用明显下降，这是因为随着资源产业的扩张，产业发展初始阶段具有的投资效应和技术进步效应已经逐步弱化。

第三阶段，资源产业规模与技术进步之间的关系不再显著，t值由上一阶段的4.75下降为本阶段的1.64，影响系数也由第二阶段的0.0539下降为0.0056，这意味着资源产业在促进技术进步方面的表现乏力，此时资源产业规模扩张对技术进步和经济发展来说，既不会产生“福音效应”，也不会产生“诅咒效应”，处于规模报酬不变阶段。

第四阶段，资源产业规模扩张对技术进步的影响在1%水平下显著，符号为负，即资源产业规模越大，越是阻碍技术进步。说明此阶段资源产业规模扩张不仅没有促进技术进步，反而对技术进步产生了抑制作用，进而导致“资源诅咒”的发生。资源产业规模对技术进步的影响系数，也由第三阶段正的0.0056转变为负的0.0036，此时资源产业部门处于规模报酬递减阶段。这是因为资源大规模开发对其他产业带来明显的挤出效应，造成其他产业尤其是制造业投资不足，技术创新能力下降，同时由于资源开发带来的环境保护问题也越来越严重，恶化了经济发展环境，影响了科技人才的引进，削弱了技术创新的基础。因此，当资源产业发展到较大规模之后，会在一定程度上对技术进步起到抑制作用。这一阶段资源产业处于规模报酬递减状态，表现为显著的“资源诅咒”效应。

从以上分析可看出，以资源依存度指标为门槛变量，资源产业规模对技术进步的影响表现出显著的三重门槛效应。三个门槛值分别为ε1=0.016、ε2=1.016、ε3=2.313。资源依存度小于0.016时，资源产业表现为“福音效应”；资源依存度介于0.016和1.016之间时，虽然仍是“福音效应”，但在促进技术进步方面随着资源产业规模的扩张而效率降低；而当资源依存度介于1.016与2.313之间时，既无“资源福音”效应，亦无“资源诅咒”效应，处于规模报酬不变阶段；当资源依存度大于2.313时，则资源产业对技术进步的影响完全表现为“资源诅咒”效应。

四、结论与启示

进入21世纪以后，中国的“资源诅咒”现象并未消除，在省际层面上依然存在，尤其是中西部一些资源依存度较高的地区，经济发展速度不能令人满意，而一些资源贫瘠的省份经济则表现出强劲的发展势头，这一现象在本文的实证结果中得到了证实。丰富的自然资源是经济发展必要的物质基础，资源丰富地区的经济发展本应该更快更好，但事实情况却相反，为此，本文从“资源诅咒”的技术进步传导机制入手，通过门槛面板模型来研究在什么条件下丰富的自然资源会从“资源福音”效应转变为“资源诅咒”效应，并得出以下结论：

资源依存度对技术进步的影响表现为显著的三重门槛效应，从门槛模型的实证结果来看，“资源诅咒”现象并不是一开始就存在，而是在经济对资源产业依赖程度较高时才出现，资源在经济发展中经历了由“福音”到“诅咒”的变化过程。当资源产业产值占地区生产总值的百分比小于0.016时，资源产业的开发显著促进了技术进步；当资源产业产值占地区生产总值的百分比介于0.016与1.016之间时，资源产业扩张也能促进技术进步，但力度有所减弱；当资源产业产值占地区生产总值百分比介于1.016与2.313之间时，资源产业扩张对技术进步的影响则不显著；当资源产业产值占地区生产总值百分比大于2.313时，资源产业扩张就会对技术进步产生显著地抑制作用，即从“资源福音”转变为“资源诅咒”。

此外，通过省际层面数据的实证检验可以看出，较高的研发投资和活跃的技术交易市场可以有效缓解“资源诅咒”现象，贸易指标的影响则不显著。实证结果也表明，国有企业对技术创新和科技进步具有较强的推动作用，能够在一定程度上缓解“资源诅咒”问题。产业结构指标对技术创新的影响表现为负相关，反映出产业结构变动并没有使“资源诅咒”现象得到缓解。

我们的研究可以得出以下政策启示：

(1)资源丰富地区应该适度发展资源产业，维持一个最优的资源产业规模，避免出现“资源诅咒”效应。实证研究发现，资源产业发展对技术进步及经济发展的影响存在三个阶段：促进技术进步阶段、影响不显著阶段和抑制技术进步阶段。资源产业的最优规模应该是维持在影响不显著的阶段，这样既能发挥资源产业对经济发展的拉动作用，又能避免陷入“资源诅咒”的泥潭。如果资源丰富地区无限度地大规模发展资源产业，形成资源依赖型经济，产业结构过于单一，就会对其他产业产生“挤出效应”，最终陷入“资源诅咒”的困境。例如，山西省的能源产业产值占地区生产总值比例已经超过20%，内蒙古自治区也超过了15%，这是典型的资源产业过度扩张。刘慧等(2014)的实证研究结果也发现，内蒙古自治区存在“资源诅咒”现象。 由此可见，资源丰富地区对资源产业依赖程度过高是导致“资源诅咒”现象的重要原因。所以，为防止资源型产业过度扩张，资源丰富地区应注重对非资源产业的扶持，促进支柱产业多元化，尤其应重视第二产业的发展，因为第二产业对科技进步和技术创新的需求高于第一产业和第三产业。许多学者都认为产业分散化是解决“资源诅咒”的有效办法，但是在实施过程中存在众多的困难。早在上世纪70年代，沙特便采取了产业分散化的政策，但没有取得令人满意的效果。然而也不乏一些成功的案例，例如，马来西亚大力发展资源产业，并将收入投资于其他产业部门，优化配置了资源，促进了经济快速发展。总而言之，保持资源产业的适度规模，才能避免“资源诅咒”，才能保证资源产业发展的可持续性。

(2)提高资源税的税率，强化征收矿产资源补偿费。资源丰富地区出现资源产业过度发展的原因是资源行业可以带来超额利润，且进入资源开采行业的技术门槛较低，所以企业家对资源行业大规模投资，从而造成资源产业过度扩张。提高资源税的税率和强化矿产资源补偿费的征收都会加大资源行业经营者的成本，从而降低资源行业的超额利润，抑制其不断扩张投资的内在冲动，从而有利于使资源行业的利润率与其他行业保持在同一水平上，避免资源丰富地区在超额利润诱惑下出现资源产业的盲目扩张及其带来的负面影响。

(3)资源丰富地区应从经济发展战略指导思想上摒弃“比较优势”理论，创造出本地区综合竞争优势。现有研究成果表明，资源丰富地区出现“资源诅咒”现象，主要原因是误入了“比较优势”的陷阱。根据“比较优势”理论，资源丰富地区应大量生产和出口资源产品，但这又会陷入“资源诅咒”的困境，因此，需要转变指导思想，创造出本地区的综合竞争优势，以保持经济长期稳定发展。地区经济综合竞争优势是一个地区的文化、经济结构、要素禀赋等多种因素相互作用而形成的一种综合竞争优势。Porter(1998)认为，人为生产要素比自然生产要素更重要，丰裕的自然生产要素反而可能会削弱竞争优势。

(4)向资源丰富地区适当政策倾斜，提高资源丰富地区科技创新能力。从省际层面上看，资源丰富地区的创新能力和科学技术水平普遍低于全国平均水平，与东部一些资源贫瘠的省区相比，滞后程度更高。本文实证结果显示，技术研发投资及技术市场的活跃程度与技术进步表现为显著的正相关关系。这反映出科技研发投资数量越大，越有利于技术进步的产生。技术进步主要来源于科研院所、高等院校以及企业的研发部门，所以这些机构和部门的建设对技术进步和科技创新是非常关键的。对资源丰富地区的创新能力和技术水平偏低这一普遍现象，政府可采取以下一些做法：一是加大对资源丰富地区科研院所和高等学校的扶持力度，保证用于基础研究和技术研发的资金充足；二是对资源丰富地区所需的共性技术、关键技术和尖端技术等建立专项基金进行扶持，如山西、陕西煤炭资源丰富，政府可以联合规模较大的煤炭企业，共同研发关于煤炭开采和加工的技术，应用于煤炭生产企业，实现共赢；三是鼓励企业与高等院校、科研院所直接合作，企业为科研院所、高校提供科研资金，而科研院所和高校则以技术进步和科技创新回馈企业，实现良性循环。通过上述几种做法可以有效提高资源丰富地区的技术进步速度，既能缓解地区“资源诅咒”现象，又可加快资源依赖型经济向科技创新型经济的转变。

另外，从省际面板的回归结果看，国有企业在科技创新和技术进步方面具有促进作用，其重要原因是优厚的福利和薪金待遇，及国家作为企业的后盾，这使得国有企业在吸引人才方面优于非国有企业，从而提升了企业创新能力，因此，资源丰富地区应注意发挥国有大型企业在本地区技术进步中的作用。同时，资源丰富地区要发挥自身的资金优势和后发优势，在信息技术革命的过程中，抓住机遇，加快发展信息技术，关注世界信息产业最新发展成果，获取核心技术和关键技术，提高自主创新能力，提升资源部门及关联产业信息化水平。

毕玲,郭琎. 2012. “资源诅咒”的形成机制研究[J]. 政治经济学评论(4):173-185.

方颖,纪衎,赵扬. 2011. 中国是否存在“资源诅咒”[J]. 世界经济(4):144-160.

冯宗宪,姜昕,赵驰. 2010. 资源诅咒传导机制之“荷兰病”:理论模型与实证研究[J]. 当代经济科学(4):74-82,126.

胡健,董春诗. 2010. “资源诅咒”的成因研究:基于经济结构变化的视角[J]. 统计与信息论坛(1):51-57.

胡援成,肖德勇. 2007. 经济发展门槛与自然资源诅咒:基于中国省际层面的面板数据实证研究[J]. 管理世界(4):15-23.

黄子健. 2013. “资源诅咒”：测度与破解——一个来自新疆的经验证据[J]. 新疆财经大学学报(4):19-27.

李强,魏巍,徐康宁. 2014. 国际资源依赖与经济增长方式转变:基于跨国面板数据的经验分析[J]. 世界经济研究(9):3-9,87.

刘慧,马洪云. 2014. 内蒙古煤炭资源开发与经济增长:基于“资源诅咒”的实证分析[J]. 资源与产业(4):77-82.

鲁金萍,董德坤,谷树忠,等. 2009. 基于“荷兰病”效应的欠发达资源富集地区“资源诅咒”现象识别:以贵州省毕节地区为例[J]. 资源科学(2):271-277.

马跃辉,高志刚. 2012. 新疆资源诅咒问题的实证分析[J]. 新疆社会科学(3):36-41.

邵帅,齐中英. 2008. 自然资源开发、区域技术创新与经济增长:一个对“资源诅咒”的机理解释及实证检验[J]. 中南财经政法大学学报(4):3-9,142.

邵帅,齐中英. 2009. 基于“资源诅咒”学说的能源输出型城市R&D行为研究:理论解释及其实证检验[J]. 财经研究(1)：61-73.

邵帅,杨莉莉. 2011. 自然资源开发、内生技术进步和区域经济增长[J]. 经济研究(S2):112-123.

武芳梅. 2007. “资源的诅咒”与经济发展:基于山西省的典型分析[J]. 经济问题(10):24-27,66.

徐康宁,韩剑. 2005. 中国区域经济的“资源诅咒”效应：地区差距的另一种解释[J]. 经济学家(6):96-102.

杨莉莉,邵帅,曹建华. 2014. 资源产业依赖对中国省域经济增长的影响及其传导机制研究[J]. 财经研究(3):4-16.

应瑞瑶,周力. 2009. 资源禀赋与绿色创新：从中国省际数据的经验研究看“荷兰病”之破解[J]. 财经研究(11):92-102.

张军,吴桂英,张吉鹏. 2004. 中国省际物质资本存量估算：1952—2000[J]. 经济研究(10):35-44.

赵奉军. 2005. 西部开发必须警惕“资源诅咒”[J]. 西部论坛(10):41-42.

赵康杰，景普秋. 2014. 矿产资源冲击下的资源型区域经济增长波动研究:基于山西与全国比较[J]. 中国地质大学学报(社会科学版)(3):50-59,139.

ASEA P K, LAHIRI A. 1999. The precious bane [J]. Journal of Economic Dynamics and Control, 23(5-6):823-849.

AUTY R. 2001. Resource abundance and economic developmen [M]. Oxford: Oxford University Press.

COLLIER P, GODERIS B. 2008. Commodity prices, growth and the natural resource curse: reconciling a conundrum [R]. University Library of Munich,Working Paper 17315.

COLLIER P, HOEFFLER A. 1998. On economic causes of civil war [J]. Oxford Economic Papers, 50(4):563-573.

CORDEN W M, NEARY J P. 1982. Booming sector and de-industrialization in a small open economy [J]. Economic Journal, 92(368):825-848.

DAVIS G A. 1995. Learning to love the dutch disease: evidence from the mineral economies [J]. World Development, 23(10):1765-1779.

DING N, BARRY C. 2005. Natural resource abundance and economic growth [J]. Land Economics, 81(4):496-502.

DOYLE M, SAMBANIS N. 2000. International peace building: a theoretical and quantitative analysis [J]. American Political Science Review, 94(4):779-801.

GYLFASON T. 2001. Natural resources, education and economic development [J]. European Economic Review, 45(4-6):847-859.

GYLFASON T, ZOEGA G. 2004. Natural resource and economic growth: the role of investment [J]. Degit Conference Papers, 29(8):1091-1115.

GYLFASON T, HERBERTSON T T, ZOEGA G. 1997. A mixed blessing: natural resources and economic growth [J]. Macroeconomic Dynamics, 3(2):204-225.

HALL R E, Charles I J. 1999. Why do some countries produce so much output per worker than others?A note [R]. NBER Working Paper,No.6564.

LAL D, MYINT H. 1996. The political economy of poverty, equity and growth:a comparative study [M]. Oxford: Clarendon Press.

LEITE C, WEIDMANN J. 1999. Does mother nature corrupt? Natural resources, corruption, and economic growth [R]. IMF Working Paper WP/99/85.

PAPYRAKIS E, GERLAGH R. 2004. The resource curse hypothesis and its transmission channels [J]. Journal of Comparative Economics, 32(1):181-193.

PERETTO P F. 2012. Resource abundance, growth and welfare: a Schumpeterian perspective [J]. Journal of Development Economics, 97(1):142-155.

PORTER M E. 1998. The competitive advantage of nations [M]. [S.l.]:The Free Press.

ROMER P. 1990. Endogenous technological change [J]. Journal of Political Economy, 98(5):71-102.

SACHS J D, WARNER A M. 1995. Natural resource abundance and economic growth [R]. NBER Working Paper Series, WP 5398.

SACHS J D, WARNER A M. 2001. The curse of natural resources [J]. European Economic Review, 45(4-6):827-838.

STIJINS J C. 2005. Natural resource abundance and economic growth revisited [J]. Resources Policy, 30(2):107-130.

TORVIK R. 2002. Natural resources, rent seeking and welfare [J]. Journal of Development Economics, 67(2):455-470.

(责任编辑 彭 江)

“Resource Gospel” or “Resource Curse”? On Panel Threshold Model

MA Yu1CHENG DaoJin2

(1.Finance Institute, Shandong Technology and Business University, Yantai 264005;

2.Faculty of Management and Economics, Dalian University of Technology, Dalian 116024)

This paper summarizes transmission mechanism of technology progress in “resource curse”, and makes an empirical analysis of its occurring conditions. Firstly, the paper constructs a economic growth model of three departments, including resource department, manufacturing department and R&D department, and has found that the technology progress is different in different stages of development of resources industry. Secondly, the fixed effect panel threshold model is used to confirm the existence of the “resource curse” phenomenon in provincial level of China, that is, rich natural resources inhibits technological progress, which brings the negative influence on the economic development. Thirdly, on the basis of resource abundance index of segmentation, and the establishment of the three threshold model. The regression result indicates that the initial resources development has significant effect on technology progress, there is a “resource Gospel” effect, when the resource industry scale expansion reaches a certain extent, the “resource curse” phenomenon begins to appear. The three threshold model well describes the resources from the “Gospel” to “the curse” transformation.

resource curse; resource gospel; panel threshold model; resource industry

2016-07-23

马 宇(1970-),男,内蒙古乌兰浩特人,经济学博士,山东工商学院金融学院院长,教授。 程道金(1987-)，男，山东临沂人，大连理工大学管理与经济学部博士生。

国家社会科学基金项目“美国主权债务风险的系统动力学仿真、预警及我国外汇储备优化管理研究”(12BJL050)。

F124.5

A

1001-6260(2017)01-0013-13

10.19337/j.cnki.34-1093/f.2017.01.002