我国技术引进与产业结构关系的实证研究.docVIP

我国技术引进与产业结构关系的实证研究 陈国宏 邵 赟 摘 要：改革开放以来我国大量的技术引进是否在促进产业技术进步的同时已对产业结构优化产生了促进作用，这是国人十分关心的问题。本文运用AHP方法封产业结构给予量化，运用Granger因果关系检验法(Causal Relationship Test)来分析技术引进与产业结构之间的因果关系，进而从实践角度对上述问题给出判断。实证研究结果表明就我国实际情况而言上述命题是不成立的。最后，本文对此进行了原因分析，并得到三点启示。 关键词：技术引进；产业结构；因果关系 一、引言 技术升级与产业结构优化是目前我国经济发展中面临的两大问题。改革开放以来，我国通过技术引进在一定程度上促进了产业的技术进步[1][2][3]。但技术引进在促进产业技术进步的同时是否也会引起产业结构的变动？德国经济学家霍夫曼通过对工业内部消费品和资本品的比较，认为技术差异即不同投入产出比会引起资本品工业的优先发展[4]；美国经济学家罗斯托的主导产业理论认为依靠科学技术进步并具有较强扩散效应的为数有限的主要部门会对其它部门产生重要作用[5];日本经济学家筱原三代平在论证日本产业结构的规划基准时，以“生产率上升基准”为主要依据：这些研究的一致推断是：技术变动会促进产业结构改善。国内学者对这一问题也做过一定的研究，他们认 为“技术进步作为第一生产力要素是经济增长的关键因素”[6]，“是产业结构变动的主动因”[7]，“是实现产业结构优化的重要推动力”[8]。综上理论研究结果，我们似乎可以得到一个推论：从理论上讲技术进步有助于改善产业结构，由于技术引进有助于促进产业技术进步，那么，技术引进也必然有助于产业结构的改善。但国人更关心的是中国的实践，即改革开放以来我国大量的技术引进是否在促进产业技术进步的同时确实已对产业结构优化产生了促进作用？是否存在技术引进结构的改善问题？然而至今国内尚未有这方面的实证研究结果。本文试图运用我国实际数据，通过实证分析来回答上述问题。 二、分析方法简介 本文采用Granger因果关系检验法(Granger Causal Relationship Test)来分析技术引进与产业结构之间是否存在因果关系，以判断改革开放以来我国的技术引进是否已对产业结构优化产生了促进作用。该方法是一种基于时间序列数据的双变量因果关系分析方法。一般认为，回归分析能够度量变量间的相关程度，但不足以判断因果关系，而识别变量间的因果关系必须基于一个变量是否受其它变量过去变化的影响而做出判断。基于以上思想，假定给定一个信息集At，它至少包含(xt，yt)，根据Granger的定义，如果利用xt过去的信息比不用它时可以更好地预测yt，则称xt为yt的原因。 令At={As/s≤t-1}表示信息集，它包括t一1及其以前的信息As,根据Granger的定义，如果存在 则认为xt是yt的原因，其中ο2／(yt／At)是yt关于At真的最后预测方差。 一般来说，xt与yt之间可能存在着双无、正向、反向和双向四种因果关系类型。这四种关系成立的条件虽各不相同，但可以通过统一的模型依次加以区分，这一模型的构造如下： 其中φmn是滞后多项式，P、q分别为。和y的最优滞后步长，α、β是常数项。μt1、μt2为随机误差项。对于方程(1)，可能存在四种检验结果：1．φ12=φ21=0，xt和yt相互独立；2．φ12=0而 φ21=0，存在xt到yt的因果关系，但不存在yt到xt的因果关系；3．φ12≠0而φ21=，存在yt到xt的因果关系，但不存在xt到yt的因果关系；4．φ12≠0且φ21≠0。则存在xt到yt和yt到xt的双向因果关系。 关于φ12和φ21的检验。必须借助于Guilkey和Salami的研究发现[9]：当检验小样本双变量系统的因果关系时，最小二分法至少优于其它复杂方法。因此，我们首先使用OLS对方程(1)作回归分析，并进行参数的显著性检验以判别变量间的相关性，然后作如下检验：1．确定零假设H0：φ12=0，备选假设H1：φ21≠0；2．计算F统计量： 其中RRSS是在零假设H0下当yt为自回归时的OLS残差平方和，URSS是模型(1)中的yt的OLS残差平方和；3．如果计算出的检验值大于F分布在相应显著性水平下的临界值，则拒绝零假设而接受备选假设，可判定存在xt到yt的因果关系，即认为xt是yt的原因，否则认为xt不是yt的原因。同理，我们也可通过检验φ12是否不等零来判断是否存在yt到xt的因果关系。 关于最优滞后步长的确定本文建议采用AIC定阶准则[10]，即取 为最小时的k为最优滞后步长，其中暖是变量k阶自回归模型的残差平方均值。 三、变量定义及数据采集与处理 1. 技术引进 本文以技术和成套设