基于非参数方法四川省RD投入对经济增长影响研究.docVIP

基于非参数方法四川省RD投入对经济增长影响研究 　　【摘要】本文利用1999―2010年四川省的RD投入和经济增长的有关数据，基于非参数回归函数估计的方法，对 RD 投入与经济增长之间的关系进行实证分析。研究结果表明：经济增长和RD投入之间存在正相关关系，且采用局部加权描点光滑回归估计（LOWESS）对该样本的拟合效果最好。 【关键词】RD投入，经济增长，OLS，非参数估计 一、背景介绍 RD（Research and Development）指在科学技术领域，为增加知识总量以及运用这些知识去创造新的应用而进行的系统的、创造性的活动，包括基础研究、应用研究、试验发展三类活动。国际上通常采用RD活动的规模和强度指标反映一国的科技实力和核心竞争力。国内外很多学者对RD投入与经济增长之间的关系进行了分析与实证研究。Griliches（1986）通过构建RD对生产力增长的模型，从公司、产业等不同层次测度了RD对经济增长的影响，发现RD投入对生产率的提高有显著的促进作用。Aghion et al.（1992）提出了基于RD的内生增长模型，发现RD投入水平的提高将加快经济增长。Jaffe、Trajtenberg和Fogarty（2000）的实证分析验证了某一产业的RD投入的增加不仅可以提高该产业的技术进步，还有助于其他相关产业劳动生产率的提高，进而可以提升一个区域的整体经济产出水平。姚洋、章奇（2001）构造了随机前沿生产函数，发现企业RD支出对其生产效率存在显著的正效应。赵喜仓、陈海波（2003）运用因子分析法对我国RD的区域发展对经济增长的影响进行了评价，得出我国RD在投入产出水平和配置效率上，均和区域经济发展的基础设施水平和经济发展水平等呈现出趋同性，东西部地区RD的投入和经济发展表现出不平衡性。张顺（2006）运用向量自回归（VAR）模型得出RD投入增加推动了经济的增长，但经济的快速增长却未带动RD投入发生相应的增长的结论。现有的研究成果大都集中在线性参数模型的角度，但我们不可能仅仅用线性的参数结构来完全说明RD投入对经济增长的影响。由于非参数估计在实际应用中不必假设考察变量之间的确切函数关系，可以获得较宽的非线性变化，这对减小偏差、提高解释力都是极有用的。因而，本文基于1999―2010年四川省的RD投入和GDP的数据，考虑从非参数估计的角度对该问题进行一些研究。 二、理论说明 （一）N-W核权估计 一般的非参数回归模型可设定为：Y=E（Y│X=x）+ε。 令m（x）=E（Y│X=x），则有 ，我们对分子、分母分别进行核密度估计，可得m（x）的N-W核权估计量为： 。Wni（x）为概率权函数，满足 。 该方法是由美国的G. Watson和前苏联的E. A. Nadaraya于1964年各自独立发表的。后来就以Watson-Nadaraya命名这种非参数回归的核估计方法，广泛记为Nadaraya-Watson核估计（简记为N-W估计）。N-W估计实质上是利用核加权函数Wni（x）得到一个Yi的加权平均估计，因而N-W估计通常也称为赋权估计（evaluation weighted estimation， EWE）。 2、局部加权描点光滑技术（LOWESS） 局部加权描点光滑方法是由Cleveland于1979年提出的。 其基本思想是基于给定阶数p，对未知参数β，使得局部最小二乘加权回归函数 取得最小值。 具体使用局部加权描点光滑技术时，首先给定阶数p，然后根据所得残差的大小来不断调整权重 ，并重新计算拟合值N次，使用最后第N步得到的拟合值来产生拟合函数曲线。 3、局部多项式估计（LPE） 局部多项式估计与前面N -W核权估计、局部加权描点光滑估计类似，都利用了核加权函数来局部地估计均值函数。但与以上两种估计不同的是局部多项式估计使用局部多项式逼近的方法来实现局部广义最小二乘的思想。 从局部多项式估计的结果可以看出，N-W核权估计是局部多项式估计在p=0时的特例。但在N-W核权估计时产生的“边界效应”在局部多项式估计中得到了解决。 三、实证分析 基于1999―2010年四川省的RD投入和GDP的数据，我们分别对其进行OLS回归和三种非参数回归（N-W核权回归估计、局部加权描点光滑回归估计（LOWESS）和局部多项式回归估计（LPE））。 回归拟合结果表明：从拟合效果角度来说，四种方法排序依次为LOWESS、LPE、ols、N-W核权回归估计；从回归残差的角度来说，LOWESS）和ols的残差在0附近波动，并且采用LOWESS得到的残差的波动相比而言更小一些，LPE和N-W核权回归估计则都偏离0值较远；从回归残差的非参数核