经济增长的贡献率精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的经济增长的贡献率主题范文，仅供参考，欢迎阅读并收藏。

第1篇：经济增长的贡献率范文

关键词 ：天津市；高等职业教育；经济增长；贡献率

中图分类号：G710 文献标识码：A 文章编号：1672-5727（2014）03-0005-04

《天津市工业布局规划（2008—2020年）》显示，天津市将大力发展航空航天、石油化工、装备制造、电子信息、生物医药、新能源新材料、国防科技和轻工纺织优势支柱产业，将天津打造成一个以战略性新兴产业为引领、装备制造业为核心、优势支柱产业为支撑的新型工业化体系城市。在这个新型工业体系建设过程中，需要大量的技能型人才，尤其是具有专业技术能力的创新型、复合型高级技术人才。这无疑为天津市高等职业教育的发展提供了前所未有的契机。

那么，天津市高等职业教育对经济增长的贡献率如何？天津高等职业教育发展存在哪些问题？如何应对经济发展对高技能人才的迫切需求？本研究旨在通过定量分析天津市高等职业教育对经济增长的贡献率，揭示天津市高职教育发展存在的不足，以期为天津市未来的高等职业教育人才培养提供借鉴。

文献综述

目前，关于天津市高等职业教育与经济发展之间关系的研究已取得一定的成果，但仍缺乏对天津市高职教育对经济增长贡献率的研究。在全国范围来看，已经有一些关于其他省份的相关研究。例如，马文君、高素芬（2012）对河北省2001—2010年间高职教育对经济增长贡献率的测算结果为0.83%；刘晓明、王金明（2011）采用2001—2009年的数据计算高等职业教育对浙江省经济增长的贡献率是1.21%；吴文辉（2010）计算1990—2008年高职教育对湖南省经济增长的贡献率为0.68%等等。这些已取得的研究成果的共同之处是测算过程中都包含了人力资本理论与柯布—道格拉斯生产函数，但因不同的研究者所用的具体计算方法及采集数据的方法有所不同，最后结果的可比性并不高。本研究采用丹尼森根据人力资本理论对柯布—道格拉斯生产函数进行变形的公式来测量天津市高等职业教育对经济增长的贡献率。

高等职业教育对经济增长贡献率的理论基础

柯布-道格拉斯生产函数是由美国数学家柯布（C W Cobb）和经济学家保罗·道格拉斯（Pall H Douglas）在20世纪30年代研究美国1899—1922年制造业的资本和劳动因素对生产的影响得出的。柯布-道格拉斯生产函数（Cobb-Douglas production function）的表示式为：

Y=AKαLβ

式中Y是工业总产值；A是综合技术水平；L是投入的劳动力数；K是投入的资本；α是资本产出的弹性系数，β是劳动力产出的弹性系数；α>0，β>0，α+β=1，表明生产效率并不会随着生产规模的扩大而提高，只有提高技术水平，才会提高经济效益。

柯布-道格拉斯生产函数涵盖了促进经济发展的主要因素。但随着20世纪60年代人力资本理论的创立，关于人类生产能力的认识进一步拓展，人们开始认识到柯布—道格拉斯生产函数的不足，即在原本的生产函数模型中并没有考虑人身上的各种生产知识、劳动与管理技能以及健康素质等因素，只是简单地把劳动力数量的增长作为劳动力的投入。人力资本理论对投入市场的劳动力从一个更加客观、更加全面的角度进行了诠释，使人们意识到影响经济增长的重要因素中人力资本也占据着重要份额，劳动力综合质量的提高能够有效地促进经济的快速发展，而教育在提高劳动力质量中发挥着主导作用。

在人力资本理论的基础上，美国教育经济学家丹尼森把教育因素引入到柯布-道格拉斯生产函数中，劳动力投入被认为是由初始劳动力（L）和教育投入（E）组成，柯布-道格拉斯生产函数可变式为：Y=AKα（LE）β，对上式两边求全导数，经过推导后可得国民经济的增长模型为：

y=a+αk+βl+βe

式中y为经济年均增长率；a为年技术进步率；k为资本投入量年增长率；初始劳动力投入的年均增长率表示为l；e为教育投入年增长率（通常用教育综合指数年增长率代替）；α为资本产出弹性系数（代表资本在总产出中所占比重）；β为劳动产出弹性系数（代表劳动在总产出中所占比重）。由此，教育对经济增长的贡献率可表示为：Re=βe/y。其中，高等职业教育对经济增长的贡献率为：EgRe。

柯布-道格拉斯对1899—1922年美国经济增长的研究得出劳动产出弹性系数为0.75，美国学者麦迪逊对1913—1984年西方六国的研究得出劳动产出弹性系数为0.7，我国学者在相关研究中也大多采用0.7的劳动产出弹性系数。故在研究2001—2011年天津市高等职业教育对经济增长的贡献率时，也将劳动产出弹性系数β取值为0.7。因为α+β=1，相应地，α取值为0.3。y的取值采用天津市GDP的年增长率。关于e的取值，由于个人劳动报酬的差异是由多种因素综合决定的，而教育只是影响劳动报酬的因素之一，按照丹尼森等学者的常规算法，对依据劳动报酬计算出的教育综合指数的增长率一般按0.6的折算系数进行折算。

天津市高等职业教育对经济增长的贡献率

根据公式Re=βe/y，计算天津市高等职业教育对经济增长的贡献率，需要资本产出弹性系数值、天津市教育综合指数值、天津市经济年均增长率三个数据。为了便于直观地比较数据，下文中的计算结果均只保留小数点后两位，计算过程依然采取原始数据。

（一）天津市教育综合指数年增长率

具体测度方法为：将人均受教育年限与劳动简化指数相乘得到各级教育的教育综合指数。

从业人员人均受教育年限 利用公式Hi=Ni×∑fi测算天津市从业人员的受教育年限，其中，Hi为人均受各级教育的年限，∑fi为受本级及以上级别的教育比重之和。我国目前实行的学制有中小学、初中、高中、高职、本科、研究生，受教育年限分别是6年、3年、3年、3年、4年、3年，故取值依次为6，3，3，3，4，3。利用表1数据计算可得的取值。2001年和2011年天津市从业人员的人均受教育年限如表2所示。

劳动人员的劳动简化指数 用劳动报酬法计算劳动人员的劳动简化指数，从业人员年平均收入数据采用范静波在2009年研究我国教育收益变动趋势时使用的数据（如下页表3所示），将用2003年数据折算的劳动简化系数视为2001年的数据，同理，将用2008年数据折算的劳动简化系数视为2011年的数据。

从业人员人均教育综合指数年均增长率 根据公式E=∑（Hi×Li），计算从业人员人均教育综合指数，其中E为人均教育综合指数，Hi为人均受各级教育年限，Li为劳动简化系数，计算结果如表4所示。采用几何平均法计算教育综合指数年均增长率，天津市2001—2011年教育综合指数年平均增长率为：e2=（E2/E0）（1/n）-1=5.59%。其中n为终止年与起始年之间的间隔年限数。为剥离其他因素以相对准确地反映由受教育程度提高而带来的劳动量增长率，对上述教育综合指数增长率按0.6的系数进行折算，可得天津市2001—2011年间教育投入年增长率为e2=e2×0.6=3.35%。

高等职业教育在教育综合指数增长率中的占比 按照统计学中综合指数的编制方法，保持高职教育水平不变，2001—2011年高职之外的教育综合指数年均增长率为4.93%，可得高职教育综合指数年均增长率为0.66%，则2001—2011年间天津市教育综合指数增长率中高职教育的占Eg比为11.77%（同理可得2001—2011年间天津市教育综合指数增长率中本科教育的比重为25.11%）。

（二）天津市高等职业教育对经济增长的贡献率

设1978年的GDP为100，按照相应年份GDP指数采用几何算数法计算2001—2011年天津市的GDP年均增长率y=15.51%，根据教育对经济增长的贡献率模型和高等职业教育对经济增长贡献率的计算模型，可得2001年和2011年天津市教育对经济增长的贡献率分别为15.13%和1.78%。同理可得天津市本科教育对经济增长的贡献率为3.80%。

结论与分析

（一）天津市高等职业教育发展处于上升期

从业人员人均接受高等职业教育的年限由2001年的0.22提高到了2011年的0.40；接受高等职业教育的从业人员的比重由2001年的7.2%增长至2011年的13.3%。这表明，在政策大力支持下，天津市高等职业教育在办学规模、招生人数、教学质量等方面均取得了一定的进步。

（二）天津市高等职业教育对经济增长的贡献率有待提高

2001—2011年间，天津市高等职业教育对经济增长的贡献率为1.78%，本科教育对经济增长的贡献率为3.80%。天津市教育总体对全市经济增长的贡献率为15.13%，其中高职教育的贡献占比为11.77%，还远小于本科教育25.11%的占比。实际上，2001年受高职教育和受本科教育的从业人员占从业人员总量的比例分别为7.2%和3.4%，2011年则高达13.3%和12.4%，天津市从业人员中受高等职业教育的人员数高于受本科教育的从业人员数。可见，天津市高等职业教育质量有待进一步提升。同时，天津市高等职业教育增长的速度小于本科教育的增长速度。

接受高等职业教育的从业人员绝对数和比例均高于接受本科教育的从业人员，但高职教育对经济增长的贡献率却低于本科教育。究其原因有二：其一，天津市的高等职业教育起步于上世纪80年代，现有半数以上的高等职业院校成立于2000年前后，基础相对薄弱；另有部分学校主要沿用了普通本科院校的教学方式，尚未形成完整、独立、个性化的教学体系，很多毕业生并不具备岗位所需技能，人才供需脱节。其二，高等职业院校专业设置不尽合理，教学质量有待提升，招生困难，生源质量堪忧。天津市滨海新区2009年高级技师的求人倍率是2.09，而本科毕业生在人才市场面临的却是从结构性剩余到绝对剩余。提升高等职业教育质量、吸引好生源是迫在眉睫的任务。

对策建议

按照国际劳工组织提供的发达国家的技工合理布局，高级技工应占技术工人总量的35%左右。数据显示，2010年天津市高级技工及以上人数仅占到技术工人总体的10%，2011年天津市全部从业人员中受高等职业教育的比重仅为13.3%。虽然近10年高等职业教育迅猛发展，但现有高技能人才布局与发达国家相比仍然有较大的差距。2013年天津市最新的技能人才缺口信息显示，现在全市有203个职业缺少技能人才，其中有69个职业的技能人才属于非常紧缺状态。

要提高天津市高等职业教育对经济增长的贡献率，在继续扩大高等职业教育规模的基础上，还必须提升办学质量，对此特提出如下建议：

（一）政府主导增强高等职业教育的吸引力

一方面，改善高等职业教育毕业生的就业环境和工作福利，提升相应就业岗位对高等职业教育毕业生的吸引力；另一方面，鼓励高等职业院校多元化投资办学，吸引社会各界，特别是企业参与到高等职业教育办学中来，提升企业等用人单位对雇佣高等职业院校毕业生的积极性。

（二）高等职业院校提升教学质量

目前，进入人才市场的高职生不只是数量不够，更重要的是有一部分人在能力上不过关，动手操作能力差，根本没有达到高职培养目标的要求。建议学校打破传统的教学模式，根据具体情况进行个性化教学。学生的学习时限不要局限于3年，可以适当放宽。以西藏地区的职业院校为例，学生学习唐卡等专业技术时并不以3年为限，而是以学生真正熟练掌握一门专业技术为毕业准则。目前，天津市的二、三类产业都存在较大的高技能人才缺口，尤其是工业企业的发展，更急需高技能人才的支撑，高职院校要以此为具体参照来设定教学课程和培养目标，保证学校所授与学生就业时所需相一致。

另外，建议高等职业院校分层次培养人才。随着高新技术产业的发展（譬如新能源、新材料），对高技能人才的需求也提出了各种不同的要求。因此，在人才培养过程中，可依据天津市当前一些重大改革发展项目对高技能人才的具体需求，在对学生进行高级技术基础培训的同时，对专业课程进行更加详细的分层设置，让学生在掌握基础技能的基础上根据需要和兴趣学习更深层次的技术。

（三）“校企合作”提升人才供需的匹配度

根据《2013年度职业培训成本及市场需求程度目录》，围绕该目录中所列当前紧缺的二百多种技术人才，学校和企业联合进行人才培养，充分发挥“校企合作”的优势，打造结构合理、灵活多变、适合企业需求的人才培养模式。企业为高职学生提供最先进的实训环境，以保障学生掌握最新的产业技术；学校按照企业要求对在职的初级技工进行高层次技术培训。学校企业两者结合，共同开创新局面。

参考文献：

[1]靳希斌.教育经济学[M].北京：人民教育出版社，2001：439.

[2]刘晓明，王金明.浙江省高等职业教育对经济增长贡献率[J].中国职业技术教育，2011（18）：36-40.

[3]杭永宝.中国教育对经济增长贡献率分类测算及其相关分析[J].教育研究，2007（2）：38-47.

[4]范静波.2003-2008年间中国教育收益变动趋势研究[J].统计与信息论坛，2001（8）：47-52.

[5]马文君，高素芬.河北省高等职业教育对经济增长的贡献度测算[J].中国市场，2012（39）：26-28.

第2篇：经济增长的贡献率范文

引言

随着农业现代化转型的逐步推进，中国农业生产的机械化作业程度不断提高，即中国农业生产对农业机械化的依赖性增强。到2009年底，到2009年底，全国机耕、机播、机收水平分别达到65.99%、41.03%、34.74%，“耕种收”综合机械化水平达到49.13%（数据来源于《2009年全国农业机械统计年报》），比1978年提高了26个百分点，在东北地区甚至达到85%。其中，粮食生产对农业机械化的依赖更为显著。小麦、水稻、玉米的“耕种收”综合机械化水平分别达到89.37%、55.33%、60.24%，且这三种粮食作物的机耕、机播、机收三项作业基本全部是以柴油作为动力能源。中国农业机械化发展过程，本质上是一个柴油化[17]的过程：一是装备；二是具体能源品种消耗。装备上，农业机械总动力自1993年以来一直以柴油发动机动力为主，并且比重呈逐年上升态势。2009年农业柴油发动机动力为70410.41万kW，比重为80.47%，比1993年提高了14.91个百分点。农业机械用能源品种上，农用柴油自1993年以来也一直是农业机械用能消耗的主体，尽管消费量基本是逐年增加，但比重仍维持在1993年水平。2009年全国农用柴油消费量为2855.77万吨标准煤（柴油折标准煤系数：1kg＝1.4571kg标准煤），比重为62.69%，仅比1993年下降0.52个百分点。综上，农用柴油是保障中国农业现代化转型实现和粮食生产稳定的最重要能源投入。另外，中国各级政府历年来都非常重视“三夏”和“三秋”等农忙季节时农用柴油供给稳定的保障工作。尽管农用柴油是中国农业生产的重要能源保障物质且消费量逐年增加，但是学术界至今仍没有系统地分析农用柴油投入对农业经济的影响、农用柴油投入增加是否会促进农业经济的增长、农用柴油是否是拉动农业经济增长的主要因素等问题。为此本文通过农用柴油投入增加对农业总产值增加的贡献率（简称“农用柴油贡献率”）的测算来回答上述三个问题。

1模型设定

1.1基本测算模型农用柴油对农业总产值的作用：一是通过直接投入影响农业总产值，即农用柴油的投入产出弹性（简称“农用柴油弹性”）；二是增加农用柴油投入对农业总产值增加的影响，即农用柴油贡献率。本文采用KLEM模型估计农用柴油贡献率测算所需的相应参数，即假设中国省级农业生产函数是弱可分的，把农业生产要素分为资本（K）、劳动力（L）、柴油（D）和中间物质（M）共四组。KLEM模型的函数形式沿用柯布—道格拉斯生产函数（对农业生产要素贡献率的测算，除CD生产函数外，还有项目有无比较法、索洛余值法、数据包络分析法、特尔斐法等），即：（式略）公式（1）中，Y为农业总产值，T和H分别代表希克斯中性技术进步和农业成灾率。估计（1）式，获得第k项生产要素的投入产出弹性估计值β赞k。在要素贡献率测算中，为了把规模效应纳入转换效应之内，须对参数估计值施加规模报酬不变约束（∑β赞k=1），则系数估计值作下述相应调整：（式略）公式（2）中，β赞′k是调整后的参数估计值。相应地，第k项要素投入增加对农业总产值增加的贡献率测算方法为：（式略）公式（3）中，x′k为第k项要素投入的相对增长率，即用第k项要素投入的年均增长速度除以同期农业总产值的年均增长速度。农业转换效率可由公式EA=1-β赞′kx′k计算得出，表示农业转换效率对农业总产值增加的作用程度，即规模效应、技术进步、成灾率等因素影响。CD生产函数框架下，生产要素对农业经济增长贡献率的测算函数可等价地演化为生产要素对农业劳动生产率提高的贡献率的测算函数。（1）式两边同时减去农业劳动力的对数，整理得到（式略）即利用公式（1）的估计结果，公式（4）从农用柴油投入数量的角度，可测算农用柴油投入增加对农业劳动生产率提高的贡献率，而公式（5）从柴油和劳动力的投入结构变动的角度，可测算柴油劳动比率的增加对农业劳动生产率提高的贡献率。因为在数据给定的前提下公式（1）、（4）和（5）的参数估计值是一致的，所以本文只分析公式（1）情形下的农用柴油贡献率。

1.2粮食主产区的模型设定中国农业生产在区域上存在粮食主产区和非主产区（粮食“非主产区”概念的提出见《全国新增1000亿斤粮食生产能力规划（2009~2020年）》）的概念。曾福生等研究证实粮食主产区对全国粮食产量安全的保障贡献最大，并且粮食主产区的农业机械总动力对全国粮食安全的贡献率高达70%左右[9]。另一方面，粮食主产区对农用柴油的消费量和消费增长率都明显高于非主产区。2009年粮食主产区消耗了1211.2万吨农用柴油，是非主产区水平的1.62倍；而1993年的数据仅为517.1万吨和1.23倍，即1993~2009年间粮食主产区对农用柴油的消费量越来越高，且消费量的增长率明显高于非主产区。此外，中国农业生产政策一直存在偏重于粮食主产区的倾向。所以，农用柴油对农业经济增长的作用在粮食主产区与非主产区应该存在差别。根据公式（3），本文须检验粮食主产区与非主产区农用柴油弹性估计值β赞3的一致性，以确定β赞3是否是引起两类地区农用柴油贡献率差异的来源（由于粮食主产区与非主产区农业总产值和农用柴油投入水平是事后观察值，区域间农用柴油相对增长率的差异是给定不变的。这样只须检验两类地区农用柴油弹性估计值是否一致。）。检验采用模型结构稳定性虚变量方法，设立全国、粮食主产区和非主产区三个样本（全国样本是指除之外30个省的数据；粮食主产区包括全国30个省中的河北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南和四川共13个省；非粮食主要产区则包括全国30个省中余下的17个省）；并设立粮食主产区虚变量c，c=1表示粮食主产区，为c=0表示非主产区。基于模型（1），检验模型的设定如下：（式略）估计方程（6），并运用Z统计量检验估计值β赞′k(k=0,…,6)为零的原假设和F统计量检验β赞′0～β赞′6同时为零的总体显著性原假设。如果检验结果是不一致的，用全国样本的弹性估计值测算要素贡献率会产生偏差，这样就必须分别设定并估计粮食主产区和非主产区的省级农业生产函数，以获得准确的要素弹性估计值。

1.3农业支持政策的模型设定从2004年起，中国农业支持政策成体系的实施对中国农用柴油消费产生了实质性的影响。2004年全国农用柴油消费总量的年度高达15.53%，是1993~2009年期间的最大值；且2004年之后全国农用柴油消费总量保持在高消费水平的路径上增长。2004~2009年期间农业支持政策对农用柴油投入增加的影响有直接和间接两种途径，直接的就是农机具购置补贴、石油价格改革对渔业、林业的补贴以及种粮农民的农资综合补贴等政策的实施；间接的主要是能促进农业总产出增加的政策影响，前提是农用柴油的应用技术保持不变。把样本期1993~2009年分为政策实施前（1993~2003年）和政策实施期（2004~2009年）两个阶段。所以，从要素贡献率角度思考，2004~2009年期间实施的农业支持政策应该会使得农用柴油贡献率在2004年前后两个阶段发生变化。把样本期分为政策实施前（1993~2003年）和实施期（2004~2009年）两个阶段，并检验两个阶段模型参数估计的一致性。本文仍采用模型结构稳定性虚变量检验方法，并设立农业支持政策虚拟变量d，d=1表示政策实施期，d=0表示政策实施前；用虚变量d替代公式（6）中的虚变量c，并作相应的参数检验。如果虚变量d的所有参数估计值通过参数检验，可证实2004起实施的农业支持政策导致了农业生产函数结构在2004年前后两个时期发生了改变相应地，根据公式（6）下述两个方程：（方程略）公式（8）和（9）分别表示农业支持政策实施前和实施期的省级农业生产函数，α赞′k(k=0,…,6)是虚变量d的相应参数。

1.4农业资本存量计算方法和数据来源本文首次在省级农业生产要素贡献率测算中运用农业资本存量度量各省农业资本的投入水平。在已有的要素贡献率测算研究中，多用土地、农业机械或中间物质投入作为资本替代，鲜见直接使用农业资本存量概念。1993～2009年全国30个省的农业资本存量的测算采用永续存盘法，公式为：（式略）公式（11）中，Kit表示第i省第t年农业资本存量，Ki0为农业资本积累初始年份的存量、Iit为当年农业资本投资额、KIit为农业资本存量缩减指数、δi为农业资本折旧率；gi是1978～2008年以2008年不变价计算的第一产业增加值年均增长率。Iit用第一产业固定资产形成额度量。全国除江西、广东、海南、重庆和外，26个省1978~2002年第一产业固定资本形成额来源于《中国国内生产总值核算历史资料：1952~1995》和《中国国内生产总值核算历史资料：1996~2002》；1978~1992年江西和广东的缺失数据的处理沿用王金田等在2007年研究中所采用的方法；重庆原属四川省管辖，假设重庆在1978~1996年期间第一产业固定资产形成额增长速度与四川一致，由此进行推算，并对四川省数据作相应调整；海南初始年份为1989年，初始年份为1993年。对2003~2008年31个省第一产业固定资产形成额，假设各省第一产业固定资本形成速度在年度间无差异，用第一产业固定资产投资额发展速度推算第一产业固定资本形成额，因为固定资产投资额指标是中国计算固定资本形成总额的最基本资料来源。《中国农村统计年鉴》公布了各省2003~2008年第一产业固定资产投资额。农业资本折旧率δi直接采用Wu在2009年的研究成果的计算结果。农业资本存量缩减指数为用2008年不变价格计算第一产业增加值缩减指数。各省农业总产值按2008年不变价格计算，包括农业、林业、畜牧业和渔业；农业劳动力采用“有效劳动”概念，即用农村居民平均受教育年数乘以第一产业就业人员年底数，使各省农业劳动力在同质化基础上作比较。省级农用柴油消耗数据，现有《中国农村统计年鉴》、《中国能源统计年鉴》和《全国农业机械化统计年报》三个官方来源，后两者的数据表现不及前者，本文采用《中国农村统计年鉴》（1994~2010）公布的农用柴油使用量指标；中间投入是指以2008年价格计算并除去农用柴油成本的中间物质投入，农用柴油成本是农用柴油消耗量与农用柴油价格的乘积，农用柴油价格是用农用机油价格指数和2003~2006年各省农用柴油价格数据推算得到。

2面板数据检验和模型设定检验

2.1面板序列的同质与异质性检验面板同质性检验决定了后续建模方法的选择，而同质面板是指面板中各截面的时间序列具备齐方差属性。本文采用Bartlett齐方差检验方法来检验模型所涉及各变量的面板同质性检验。Bartlett卡方检验结果显示，农业的总产值、资本、劳动力、柴油、中间物质五个变量在1%的水平上拒绝了齐方差原假设，即所有变量的面板都是异质性的（表略）。这表明，对这五个变量的面板单位根检验应该采用异质面板单位根检验方法，即采用ADF费舍卡方统计量检验方法。ADF检验结果显示，农业总产值、农用柴油和农业中间物质投入在1%的水平上拒绝了存在截面个体单位根的原假设，农业资本和农业劳动力分别在10%和5%的水平上拒绝了原假设（表略），即模型中的五个变量都是平稳面板序列。因此，五个变量可直接作回归分析，而不会产生伪回归问题。

2.2模型设定检验首先，应用F统计量检验模型（1）的固定效应是否显著，再应用B—P拉格朗日乘数方法检验其随机效应是否显著。若模型（1）仅固定效应显著，则采用固定效应模型估计方法；反之，仅随机效应显著，则采用随机效应模型估计方法；若固定效应和随机效应两者都显著，则采用Hausman卡方检验做决策。与混合效应模型相比，全国、粮食主产区及非主产区三个面板数据模型的固定与随机效应在1%显著水平上都显著；Hausman卡方检验结果进一步显示，与随机效应设定相比，固定效应模型更适用于本文设定的三个面板数据模型。固定效应模型的估计必须考虑截面个体异方差和面板序列自相关问题。否则，会导致参数估计无效，解释变量的显著性检验失去统计学意义。本文应用Wooldridge方法检验面板序列自相关问题，用调整Wald方法检验截面异方差问题。，全国、粮食主产区及非主产区三个面板在1%显著水平上都不能拒绝存在一阶面板序列自相关和截面个体异方差的原假设。为此，本文采用D—K估计法（“D—K估计法”是1998年DriscollandKraay面板数据模型估计方法的简称修正一阶面板序列自相关和截面异方差的模型设定问题，以获取参数估计量协方差矩阵的一致性估计。并且D—K估计法对截面相关性问题也是非常稳健的，尽管本文的面板数据不支持截面相关的B—P拉格朗日乘数检验（B—P拉格朗日乘数检验所需的残差相关矩阵是奇异阵），但地理气候和经济发展水平的相似性以及农产品和农业生产要素两个市场的相互依赖性，可能会引起省际间农业生产行为存在关联，即产生截面相关问题。

3模型估计结果和分析

3.1粮食主产区与非主产区的设定检验和估计结果运用模型（6）来检验粮食主产区与非主产区农用柴油弹性系数估计值的一致性。模型（6）的直接估计结果显示，变量c•lnL、H和c•H的系数估计值无法通过10%显著水平的t检验。根据逐步回归的模型筛选原则，决定保留c•H项，最终结果见表4。粮食主产区与非粮食主产区这两种设定下的资本、柴油、中间物质投入、技术进步和成灾率估计系数存在显著差异；且粮食主产区设定总体显著性的F统计量为15.97，在1%显著水平支持粮食主产区与非主产区的省级农业生产技术和农用柴油弹性系数都不一致的结论。所以，粮食主产区和非主产区的农业生产函数应该分别估计，以获得农用柴油弹性的合理估计值。表5是全国、粮食主产区、非主产区三个样本省级农业生产函数的D-K估计结果。估计结果显示，全国、粮食主产区、非粮食主产区三个样本的省级农业生产函数拟合结果存在显著差异。就农用柴油投入产出弹性而言，直接使用全国样本的估计结果（0.0587）会明显低估粮食主产区农用柴油的投入产出弹性（0.0587<0.1183），并会高估非粮食主产区的农用柴油投入产出弹性（0.0587>0.0206）。表5中农用柴油投入产出弹性系数的估计结果显示，粮食主产区为0.1183，即农用柴油投入每增加1%，农业总产出增加0.1183%，增加农用柴油投入可以推动农业总产出的增长；相应，非粮食主产区为0.0206，即农用柴油投入增加也可以推动农业总产出的增长，但作用明显小于在粮食主产区的推动作用。

3.2农业支持政策设定和估计结果根据公式（7），用D—K估计法分别拟合粮食主产区和非主产区的省级农业生产函数，估计结果见表6。粮食主产区的初步估计结果显示，变量d•lnL和d•T的系数无法通过10%显著水平的t检验；且变量的剔除操作并没有引起模型参数的估计值发生明显波动。这表明2004年起实施农业支持政策没有对粮食主产区的在的农业劳动力和中性技术进步产生显著的冲击效应。而对d•lnK、d•lnD、d•lnM和d•H进行系数估计值同时为零的总体显著性的F统计量（F(4,12)=11.44）在1%显著水平上支持农业支持政策的实施改变了政策实施期内粮食主产区的省级农业生产行为。非主产区的初步拟合结果显示，成灾率对农业总产出的影响不显著，并且农业支持政策对成灾率的冲击效应也不显著，故在模型中予以剔除。对农业支持政策冲击变量d•lnK、d•lnL、d•lnD、d•lnM和d•T进行系数估计值同时为零的总体显著性F检验，检验结果为F(5,16)=36.2681，在1%显著水平上拒绝了系数估计值同时为零的原假设，即农业支持政策也对非粮食主产区的农业生产行为产生了实质性的冲击。根据表6的估计结果，农业支持政策的实施对粮食主产区和非粮食主产区的农业生产都形成了正向冲击。粮食主产区农用柴油投入产出弹性从政策实施前的0.0903上升到0.1103，政策冲击效应为正的0.0200；同样，非粮食主产区的农用柴油投入产出弹性从政策实施前的0.0242上升到0.0565，政策冲击效应为正的0.0323。从政策效应的冲击规模来看，粮食主产区略高于非粮食主产区。因此，农业支持政策的实施对粮食主产区和非粮食主产区的农用柴油投入产出弹性均具有正向冲击作用，且对非粮食主产区的冲击作用更大。与不考虑政策冲击效应的分析对比，粮食主产区与非粮食主产区在补贴政策实施前后的农用柴油弹性系数是不一致的。农业支持政策通过对农用柴油投入产出弹性的较大冲击，传递给了农用柴油贡献率的测算结果。考虑政策冲击效应情形时，粮食主产区政策实施前和实施后的农用柴油弹性系数分别为0.0903和0.1103，相应的非粮食主产区系数分别为0.0242和0.0565；不考虑政策冲击效应情形时，粮食主产区和非粮食主产区的农用柴油弹性系数分别是0.1183和0.0206。因此，如果不考虑政策冲击效应，粮食主产区的估计结果会明显高估政策实施前的农用柴油弹性系数，而非粮食主产区的估计结果会明显低估政策实施后的农用柴油弹性系数。相应地，粮食主产区政策实施前的农用柴油贡献率测算结果会明显偏高，非粮食主产区政策实施后的农用柴油贡献率测算结果会明显偏低。

3.3柴油生产投入贡献率的测算结果分析

3.3.11993～2009年三类区域整体水平分析农用柴油投入增加对全国农业总产值增长的拉动作用显著，贡献率达到7.53%；但农用柴油不是拉动农业总产值增长的最大投入要素，相比较，农业资本投入的贡献率明显高于农用柴油，高达19.31%。在粮食主产区，农用柴油贡献率是三类区域中最高的，为20.53%；农用柴油具有与农业资本同等的对农业总产值增长的拉动作用。在非粮食主产区，农用柴油的贡献作用是三类区域中最小的，只有2.15%，除农业劳动力外，农用柴油对非粮食主产区农业总产值增长的拉动作用在资本－劳动－柴油－其他中间投入中是最小的。

3.3.2农业支持政策实施的影响分析农业支持政策的实施，无论全国范围内、粮食主产区，还是在非粮食主产区，都使得农业生产对农用柴油投入的敏感性增加，三类区域的调整后农用柴油弹性系数分别从政策实施前的0.1834%、0.0347%、0.0866%上升为0.2227%、0.0831%、0.1331%。尽管如此，三类区域农用柴油贡献率在政策实施前与实施后的表现差异较大。在全国和粮食主产区，农用柴油贡献率分别从7.87%和19.26%下降到3.84%和3.06%，下降的主要原因是这两类区域农用柴油相对增长速度的下降幅度高于弹性系数的上升幅度。例如，全国1993～2003年柴油的相对增长速度为0.9087，而2004～2009年仅为0.2887。而非粮食主产区的农用柴油贡献率则从2.47%增加为4.81%，上升是因为农用柴油相对增长速度的下降幅度低于弹性系数的上升幅度。

3.3.3粮食主产区与非粮食主产区的对比分析1993~2003年期间，农用柴油投入在粮食主产区的贡献作用明显大于非粮食主产区，因为农用柴油的弹性系数和相对增长速度在粮食主产区都高于非粮食主产区，差值分别为0.0661%和0.3379%。2004~2009年农业支持政策实施期间，尽管粮食主产区的农用柴油弹性系数（0.1103%）高于非粮食主产区的（0.0565%），但是由于非粮食主产区农用柴油相对增长速度（0.5785%）明显高于粮食主产区的（0.1376%），从而导致农业政策实施期间非粮食主产区农用柴油的贡献作用要大于粮食主产区的贡献作用。另一方面就是农用柴油贡献重要性的区域对比分析。1993~2003年期间，农用柴油投入增加对省级平均农业总产值增长拉动的重要性，粮食主要区为排第二，仅次于其他中间物质投入；而同期非粮食主产区，农用柴油拉动的重要性在资本、劳动、柴油、中间投入四类中是最小的。因此，就拉动农业总产值增长的重要性而言，农用柴油对粮食主产区的重要性要大于非粮食主产区。2004年起实施的农业支持政策提高了农用柴油对农业总产值的影响作用，全国、粮食主产区和非粮食主产区的农用柴油投入产出弹性值分别比政策实施前增加了0.0303、0.0200和0.0323，达到0.0868、0.1103和0.0565。但是，农用柴油投入产出弹性值的提高在区域上并没有演变为农用柴油对农业总产值增长的拉动作用，相反全国和粮食主产区的农用柴油贡献率与政策实施前相比分别从7.87%和19.26%下降到3.84%和3.06%。因此，农用柴油相对增长速度的下降是导致全国或粮食主产区农用柴油贡献率下降的主要因素。

第3篇：经济增长的贡献率范文

关键词：人力资本结构；异质型人力资本；经济增长

中图分类号：F061.2 文献标志码：A文章编号：1673－291X（2010）35－0013－02

一、问题的提出

人力资本是保持经济持续增长的重要源泉，这已成为各国政府和学者的共识，并成为各国大力发展教育的重要理论依据。人力资本结构包括内部结构、分布结构等，人力资本内部结构是指构成人力资本总量的各层次或各类人力资本形式的构成比例关系。人力资本投资和积累的主要途径包括教育、在职培训、迁移流动等，其中，教育是人力资本的主要组成部分， 劳动者受教育的年限结构无论对社会福利还是对生产的影响都是极端重要的。因此，建立模型分析不同受教育年限的人力资本对经济增长的贡献率就非常具有现实意义。

二、模型的建立

我们借鉴C-D生产函数，以我国1990―2005年的经济发展数据为依托，建立如下经济增长实证模型，以分析固定资产投资、劳动力、教育所形成的人力资本对经济增长的贡献。

y＝A0KαLβH1γ1H2γ2H3γ3

其中：Y代表国民生产总值，K和L分别代表固定资产投资和劳动力人数投入及学校正规教育所形成的人力资本投入，H1、H2、H3分别表示初等、中等、高等教育形成的人力资本。其中，中等教育所形成的人力资本是专用性人力资本，体现在那些具有某种专门技术、工作技巧人才身上，其所拥有的专用性人力资本可以让企业在市场竞争中具有垄断或特殊的优势，拥有递增的边际收益，属于异质型人力资本的范畴。α、β、γ为三个变量的参数，且满足0

ln(Y) =ln(A0)+αln(K)+βln(L)+ γ1ln(H1)+γ2ln(H2)+γ3ln(H3)(1)

■■＝（γi×■■/■）(i= 1，2，3) (2)

若估计的回归方程通过显著性检验，则通过（2）式可计算出各年不同人力资本对经济增长的平均贡献率。■■、■2、■3分别表示初等、中等和高等教育对经济增长的平均贡献率；■■、■■、■3分别为初等、中等、高等教育在校人数1990―2005年年均增长率；y为国内生产总值1990―2005年年均增长率。本文通过SPSS13.0进行计量分析。

三、指标的选取与模型的计量

第一，国民生产总值、固定资产投资：直接采用《中国统计年鉴》上的GDP数据。第二，劳动力人数投入：直接采用《中国劳动统计年鉴》上的就业人口数。第三，教育所形成的人力资本投入：我们将教育形成的人力资本投资分成三个层次，即初等教育、中等教育、高等教育，初等教育包括小学和初中教育，中等教育是以初等教育为基础的再教育，高等教育是大学以上教育，直接采用《中国统计年鉴》各级学校在校人数。

本文采用中国1990―2005年的数据对所构造模型进行分析，结果如下：

lnY=-18.904+0.624lnK+1.258lnL+0.893lnH1+0.12lnH2+0.012lnH3

(-3.343)(9.396)(3.677) (2.634)(1.075)(0.165)

R2=0.998F=1807.1

小括号内的数值为对应变量的t-检验值。通过对模型方程参数的估计和检验，结果发现：

第一，模型的R2=0.99说明该回归方程能够解释Y残差的99.8%，仅有0.2%的残差由随机误差解释。F=1807.142说明全部变量与Y显著线性相关。因此，样本回归直线对样本点的拟合优度是很好的。第二，模型中用中小学在校人数来代表初等人力资本投资，系数为正，在5%显著水平上显著，并且弹性系数最高。这说明初等教育对我国经济增长起着较为重要的作用。第三，模型中用高等学校在校人数代表高等教育人力资本投资，在5%显著水平上不显著。这反映出高等教育对经济增长的作用未能显现。

由方程(2)可以分别计算初等、中等、高等教育对经济增长的平均贡献率。 初等、中等、高等教育经济增长的平均贡献率分别为-2.777%、1.958%、0.890%，可以看出，中等教育对经济增长的贡献率最大，其次是高等教育。

四、结论及建议

通过以上的研究，可以看出不同层次教育对经济增长的拉动作用明显是不同的：中等教育对经济增长的作用较为明显，高等教育的作用较小。基于这一点提出如下建议。

第一，加强异质型人力资本投资。中等教育对我国经济增长的贡献率在三个层次中最大，其属于异质型人才。因此，政府要加强异质型人力资本投资，一方面要鼓励居民投资人力资本，另一方面应加强公共教育资助，但要突出中等教育。通过继续普及和巩固九年制义务教育，大力发展高中阶段教育尤其是高中阶段职业教育，不断减少“初等教育”程度人口比重，提升“中等教育”程度人口比重，以满足我国产业结构升级和经济增长方式转变过程中最终产品生产部门对更高教育程度人力资本的需求。而“高等教育”发展战略应从以规模扩大求发展向以质量提高求发展转移，突出创新型人才培养目标，以保证建设创新型国家所需的高素质人力资本。

第二，引入竞争机制。淘汰不能提供高质量服务的教育培训机构，促使资源向高效的教育培训机构转移。同时，要赋予消费者自由选择权，使消费者有权自主选择教育培训机构和学习内容，迫使教育培训机构转变观念，以人为本，以满足人们对异质型人力资本的需求为己任。还要建立异质型人力资本投资的激励机制，若异质型人力资本定价存在激励，将激发人们对异质型人力资本投资的热情；反之，将限制人们投资的积极性。

第三，通过制度创新提高人力资本的配置效率。我国高等教育对经济的作用较小，是由于教育对经济增长的滞后作用，以及高校教学体制转变与经济结构的不适应造成的。不同类型人力资本对经济增长的作用机制不同：“中等教育”既通过技术创新，又通过最终产品生产作用于经济增长，而“高等教育”则主要通过技术创新促进经济增长。因此，在人力资本配置中，要注重提升研发部门高等教育程度人口比重，增加最终产品生产部门的中等教育程度人口比重。这样，既有利于我国自主创新能力的增强和最终产品生产部门生产效率的提高，又有助于实现人力资本的有效配置，缓解我国高素质人力资本尤其是创新型人力资本短缺“瓶颈”，从而保证我国经济的持续增长。为此，政府要积极培育全国性、开放性人力资本市场，通过户籍制度改革、打破人才的“部门所有制”等措施，引导人力资本的合理流动，实现“人尽其才”。

参考文献：

[1] 丁栋虹.从人力资本到异质型人力资本与同质型人力资本[J].理论前沿，2001，（5）：12-14.

[2] 谭永生.教育所形成的人力资本的计量及其对中国经济增长贡献的实证研究[J].教育与经济，2006，（1）：36.

[3] 彭子芫.人力资本投资对新疆经济增长的影响[J].金融经济，2006，（22）：33-34.

Analysis of the human capital structure to the economic growth

YANG Jing,LIU Jun-xia

(Economy management school,Xi'an translation college,Xi'an 710105,China)

第4篇：经济增长的贡献率范文

[关键词]绿色全要素生产率；经济增长贡献率；地区经济差异

[DOI]1013939/jcnkizgsc201705069

1引言

辽宁省是我国近代民族工业的发源地，自1949年后，建立了名副其实的现代工业基地，成为中国主要的工业与原材料基地。但是进入2014年来，辽宁省14个地级市中有10个城市的实际GDP出现负增长的情况。另外，产业结构方面出现第二产业占比增加，第三产业比重下降，最近几年辽宁省名义GDP的增长动力不足，其原因在于其增长主要依靠于大量的扩张投入，而并非依赖于新技术、改进设备与科技来增加产量。

地区经济增长差异的影响因素有很多，新古典增长理论认为要素投入和TFP是地区经济差异的主要源泉[1]，那么要素投入和TFP哪部分才是导致地区经济差异的主要源泉，就目前的研究来看争议颇多。而关于TFP对辽宁省经济差异贡献的研究虽然有，但是无一例外地都忽略了经济发展中能源投入和环境容量的问题，这可能导致TFP的测算出现偏差。

能源是经济增长的重要源动力，在经济快速发展的同时，也付出了巨大的代价――环境污染。因此，将能源消费量引入到投入指标中，将工业“三废”作为非期望产出来重新对地区绿色全要素生产率进行测算，测算值很可能会低于传统的生产效率测算[2]。由此考虑能源投入和资源环境约束下的辽宁省绿色全要素生产率（记为GTFP）对辽宁省地区经济差异的影响研究将对辽宁省经济增长的驱动具有较强的现实指导意义。

2实证研究变量设计

21投入指标

211资本投入

资本存量估算我们采用“永续盘存法”。单豪杰（2008）的数据统计完整且有一定的代表性，他测算了以1952年为基期的1952―2006年期间的全国30个省份及全国总量的资本存量。因此，在后续研究中资本存量数据依据其估算方法推算而来[3]，即资本投入指标采用年均资本存量（亿元）表示。

212劳动投入

一般情况下对生产率的测算如果采用年均囊等嗽保ㄍ蛉耍，表示仅仅考虑了资本与劳动的投入要素，在本文中我们还加入了第三个投入要素：能源。这是因为，在计算中加入了非期望产出，而其主要来源是能源[4]。因此在这里可以将能源消费量（万吨标准煤）作为衡量劳动投入的指标。

22产出指标

221国内生产总值的期望产出

考虑能源要素可以作为投入要素，因此期望产出采用了国内生产总值GDP（亿元）表示，又以2005年为基期将其他折算为实际GDP。

222工业“三废”的非期望产出

在改革开放期间，工业GDP占我国总GDP的401%，但是工业消耗却占据了全国能源的679%，排放的二氧化碳量高达全国二氧化碳排放总量的831%，[5]由此可见，工业是造成经济活动中的污染的主要原因，因此我们可以选择工业“三废”的排放量作为非期望产出指标。

现有文献中关于非期望产出指标的选择问题一直没有统一标准。笔者将研究时间的起点设为2004年，我们在选择非期望产出指标时主要考虑工业废水排放量（万吨）、工业废气排放量（亿标立方米）以及工业固体废弃物排放量（万吨）三个要素。

3模型的建立

31研究方法

以2004―2013年辽宁省投入产出的面板数据为基础，测算并比较分析辽宁省地区在考虑环境约束和不考虑环境约束两种情形下的全要素生产率，根据DDF方向性距离函数和Malmquist-Luenberger生产率指数的特点对辽宁省绿色全要素生产率值进行分解，探寻辽宁省经济增长效率的改善方向。

32建立模型

321非期望产出的生产可能集

如图1[2]所示，x轴代表非期望产出，y轴代表期望产出。假设有C、D、E三个生产单位，关于第i个单位，用xi表示投人要素、yi表示期望产出、zi表示非期望产出，生产可能集表示如下，即用第i个生产单位的生产产出表示：p=（xi、yi、-bi）代表xi能生产（yi、bi）。由图示可以知道，E的期望产出是最大的，过E点且与x轴平行的直线与y轴交于点B。根据生产可能性集的单调性、凸性以及期望产出与非期望产出的“零联合”处置等假设，此时的生产可能性集为包络线OCDEF与x轴之间的部分，而包络线OCDEF即为生产可能性前沿面。

322考虑环境因素的产出集

环境技术可以表示为以下产出集合的形式（Fare等，2007）：

Malmquist-Luenberger生产率指数可以被分解为技术变化变化指数和技术效率变化指数二者的乘积，即：

4实证结果分析――辽宁省TFP的再估算

41辽宁省GTFP的测算

411测算结果

基于2004―2013年辽宁省14个地级市的投入产出数据，分别在有无环境污染影响的条件下，运用Malmquist生产率指数和基于DDF的Malmquist-Luenberger生产率指数对辽宁省生产率进行了测算，测算结果见表1、表2和图2。表1给出了辽宁省年度全要素生产率的增长率及其分解与贡献份额的测算结果，而表2报告了近9年来辽宁省14个地级市的绿色全要素生产率的指数情况（即含能源与环境要素的情况下）。图2报告了两种情况下的时间趋势。

412分析测算结果

（1）辽宁省环境的管理缺乏效率。由于辽宁省各个地级市能源消费量这个指标数据的缺失，我们只研究了近9年来的变化趋势，但是仍然不难发现，在考虑环境污染的条件下，GTFP指数普遍低于TTFP指数。除了2010年GTFP指数高于TTFP以外，另外的8个年份和均值都是TTFP要高于GTFP，这与朱承亮（2014）的研究结论一致，在考虑了环境污染的非期望产出后，TFP的增长率要低于传统的TFP增长率，由此可看出辽宁省环境的管理缺乏效率。

（2）辽宁省的经济增长掉入了“中等收入陷阱”。由表1可知，近9年来辽宁省的TFP总体上是负增长的，并且GTFP与TTFP对辽宁省经济增长的贡献率都为负，这不仅仅说明了辽宁省经济增长的方式属于资本拉动型，也说明了辽宁省的经济增长掉入了“中等收入陷阱”。这也就是说，自2008年全球金融危机以来，一方面，能源、劳动力、房地产及信贷的成本在急剧上升，同时，另一方面，辽宁省的公司收益却变得越来越少。这就是被称为“中等收入陷阱”的典型特征。马来西亚、巴西等国的不少新兴经济体早在经济发展之初便陷入了“中等收入陷阱”，不过发现尚早，还有机会扭转这种不好的局面。同时，该研究结果表明，产能过剩、私营企业及过度建设市场提前进入一种效率低下的状态，这就使辽宁省经济发展受到阻碍，拖累了辽宁省的经济增长。

（3）辽宁省的产业结构不合理导致环境承载能力弱。导致辽宁省GTFP增长率为负的因素有很多，最主要的原因就是辽宁省是老工业基地，其产业结构相对不合理，在工业“三废”排放非期望产出多，严重影响了辽宁省经济的发展，造成环境绩效低下，环境承载能力较弱。对于辽宁省的经济增长来说，从2008年的经济危机以来越发依赖政府的直接投资。同时，中国逐渐倾向于使国有工业巨头合理化来增加经济增长率，因为它们所依赖的金融市场没有给中国经济带来多少变化。这样一来，辽宁省的经济发展就受到了影响。先前对辽宁省的TFP增长率的估计中，夸大了包括GDP增长在内的过往经济增长率。这就意味着，金融危机过后的时期，辽宁省的实际TFP增长率就变为负值，自1995―2004年TFP增长率从26%的均值下降到了2005―2013年的-553%。这个时期是从1971―1977年以来，生产率第一次连累了辽宁省的经济增长。

（4）辽宁省经济增长方式为资本和能源双驱动的粗放型经济增长模式。根据图2辽宁省绿色全要素生产率分解因素的变动趋势来看的话，将辽宁省GTFP分解为技术进步增长率GTC和技术效率增长率GEC后发现，近9年间技术进步增长率约为03%，而技术效率增长率约为-02%。这说明技术进步对辽宁省绿色全要素生产率起到了促进作用，但是贡献率很小，而技术效率阻碍了辽宁省绿色全要素生产率的提高。

根据以上核算，可以看出，能源消费与资本均对辽宁省国内生产总值产生影响，第一驱动力是资本，能居于第二位。由此可以看出，目前辽宁省经济增长为粗放型，即同时依靠于资本与能源的驱动，并且在GTFP是中国经济增长的重要驱动力之一的这个研究成果，并没有在辽宁省近9年的经济增长中应验。

42辽宁省各地区GTFP增长率与贡献率的比较

第一，在测算出辽宁省各地级市GTFP增长率和名义GDP增长率的基础之上，我们还计算出了辽宁省各地级市对辽宁省经济增长的贡献率，测算结果见表3。

通过表2和表3的数据对比分析发现，辽宁省各个地区的GTFP增长率每年都有很大的波动，绿色全要素生产率对不同地区的影响差距显著。GTFP增长率排名前五的是阜新、抚顺、铁岭、辽阳和本溪，排名后五的分别是朝阳、锦州、丹东、盘锦和营口。GTFP对辽宁省经济增长的贡献排名来看，排名前五的是鞍山、抚顺、锦州、本溪和葫芦岛，排名后五的城市分别是盘锦、丹东、铁岭、沈阳和阜新。但当我们结合环境资源因素，即考虑绿色全要素生产率对经济增长时，两者结果出现了不一致性。这种差异性多来源于辽宁省各个城市实际GDP增长率逐年降低。

第二，把辽宁省划分为辽东半岛沿海经济区、辽宁中部城市群经济区和辽西沿海经济区三大区域。其中，辽宁中部城市群经济区包含沈阳、辽阳、鞍山、铁岭、抚顺和本溪6个地市。辽东半岛沿海经济区包含丹东、营口和大连3个地市。辽西经济区包含朝阳、葫芦岛、盘锦、阜新和锦州5个地市。在此基础上，我们计算出这三个地区对辽宁省经济增长的贡献率，计算结果见表4。

从表4中不难看出，辽宁省只有辽宁中部地区的GTFP是保持正向增长的，而其余两个地区的绿色全要素生产率都是负向增长的。而辽西地区的排名在辽东半岛之前，和辽西地区的产业结构以及环境承载能力强有关。以锦州和葫芦岛为例，第三产业在锦州和葫芦岛的产业结构中占据着主导地位，第三产业的兴旺，优化了市场结构，促进经济健康快速发展，工业“三废”排放等非期望产出较少，创造了较高的环境绩效。

5结论与政策建议

关于辽宁省地区经济增长的差异题，本文在环境资源约束条件下，运用Malmquist-Luenberger生产率指数对辽宁省全要素生产率进行了再估算，得出以下结论：第一，如果忽略环境因素，我们将会高估全要素生产率的经济增长的贡献，最终导致我们容易对辽宁省的经济增长盲目乐观。第二，目前来看，辽宁省的经济增长方式仍属于资本和能源双驱动的粗放式增长方式，在2004―2013年的考察期内，GTFP呈现出逐渐递减的趋势，而GTFP对辽宁省经济增长的贡献率在多数年份里为负，因此很难看出GTFP对辽宁省经济增长的驱动作用。在考察期内对GTFP分解发现，技术进步呈现缓慢的增长态势，但是技术效率却逐年降低，技术效率的改善进程缓慢。

提出针对辽宁省经济改革等方面的建议：第一，要实现粗放型向集约型经济增长方式的转变。从总体上看，辽宁各地区都是粗放型的经济增长方式，主要是依赖增加劳动、资本等生产要素来实现经济的增长。实现粗放型向集约型经济增长方式发展，就需要不断去提高绿色全要素生产率。提升人力资本水平，同时加大创新力度。不断优化要素配置结构，提升资源配置的效率。扩大对外开放，去吸引外商直接投资。加快产业结构的调整，进而转变经济发展方式。第二，提高辽东半岛和辽西地区的GTFP增长率迫在眉睫。分区域来看，只有辽宁中部地区的GTFP增长率为正。因此提高辽东半岛和辽西地区的GTPF增长率就迫在眉睫。这就要求辽东半岛和辽西地区能够加快生产技术进步的进程，从而进一步促进各类企业的生产效率的提升。经济活动更加细致地分工合作和更加优化经济结构，市场在资源配置中能起到更加充分的作用，也能有更高的经济的整体运行效率。因此为了辽宁经济可持续发展的实现，为了绿色全要素生产率的提高，就必须全力发展科学研究与教育事业，加强自主研发和自主创新的能力，让资源通过市场机制向高效利用的产业和行业流通，政府在引进外资企业时，也应限制高排放、高能耗企业的进入。

参考文献：

[1]Bosworth B，Collins SThe Empirrics of Growth∶An Update[J].Brooking Papers on Economic Activity，2003（2）：113-206

[2]朱承亮中国地区经济差距的演变轨迹与来源分解[J].数量经济技术经济研究，2014（6）

[3]单豪杰中国资本存量的再估算：1952―2006年[J].数量经济技术研究，2008（10）

[4]张雪基于面板数据的辽宁省能源消费与经济增长的关系研究[D].沈阳：东北大学，2012

[5]陈诗一节能减排与中国工业的双A发展[J].经济研究，2010（3）

[6]胡鞍钢未来经济增长取决于全要素生产率的提高[J].政策，2003（1）

[7]涂正革环境、资源与工业增长的协调性[J].经济研究，2008（2）

[8]陈诗一能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009（4）

第5篇：经济增长的贡献率范文

中图分类号F590文献标识码A文章编号1002-2104（2016）04-0073-07doi：10.3969/j.issn.1002-2104.2016.04.010

改革开放以来，旅游业在促进就业，扩大内需，增加外汇收入，优化产业结构和拉动经济增长方面做出了巨大贡献。中国地域辽阔，各省市旅游业和经济发展水平在空间分布上具有一定相关性。然而，由于狭隘的地区经济观念、旅游研究理论和模型方法的限制，将空间效应纳入旅游业与经济增长相互作用关系的研究较少。因此，将空间效应考虑其中，运用适合旅游业发展实践的理论模型和方法，科学、定量地研究不同地区旅游业发展对经济增长的影响显得非常迫切。

旅游业对经济增长影响研究一直是旅游学领域热点之一。早在19世纪末，国外已经开始了相关研究。二战后，旅游业经济地位的提升及其对经济增长贡献的增加，更多学者开展并深化了旅游业与经济发展关系的研究。学者们以不同国家或地区为实证分析对象，对旅游业的经济影响进行多角度分析[1-3]。Balaguer 和CantavellaJordá首次探讨了旅游业与经济增长相互作用关系[4]，突破了以往只关注旅游业对经济增长影响的单向研究。陆续有众多学者对二者间是否存在因果关系及因果关系方向进行研究[5-7]。尽管旅游业与经济增长关系研究在内容上呈现多元化，但绝大多数计量研究仍采用OLS法估计，忽略研究对象的空间相关性，影响了研究结果的科学性和准确性。对比国外研究，我国旅游业与经济增长关系研究起步较晚，始于改革开放后，研究内容和方法与国外基本一致[8-10]。近年来逐渐有学者将探索性空间数据分析和空间计量分析方法引入到旅游业的研究中[11-12]，探究旅游业空间集聚性及旅游业发展与经济发展的空间相关性[13-14]，但鲜有文献将空间效应纳入旅游业发展对经济增长影响的实证分析中。

综上可知，大多数文献将旅游业对经济增长影响及二者的因果关系作为主要研究对象。在研究尺度上，以一个国家或地区，或多个国家为主，将研究区域视为一个整体，忽略了区域内部经济差异性的问题。由于地区经济基础的不同，旅游业与经济发展间相互作用关系差异较大。在国内，也有学者分区研究，但基本都选择“东、中、西”三个区域。近年来经济的快速发展使“东中西”三个地区经济体量发生了变化，从精确的角度看，这种划分不能准确反映区域经济水平。鉴于此，本文根据各省市2000-2013年实际人均GDP，将中国划分三个区域，以空间计量为视角，运用面板数据的空间计量模型，对比分析不同经济水平地区旅游业对经济增长贡献的差异性，探究中国旅游业发展对经济增长影响的区域分异规律，为区域旅游业与经济增长的协调发展提供参考意见。

1研究方法与数据来源

1.1区域经济增长模型

新古典增长理论认为，资本、劳动力和技术对经济增长起着决定作用。借鉴前人研究成果[15-17]，本文运用CobbDouglas 生产函数研究旅游业对经济增长的影响，其假定条件是在技术水平不变的情况下，研究生产中所投入的各种生产要素与产出之间关系。因此，在区域经济增长模型中，物质资本投入和劳动力投入至关重要。本文重点考察旅游业对经济增长的影响，在模型中引入旅游业作为新的生产要素。改进后的CobbDouglas生产函数模型如（1）所示，取对数后得到式（2）。

Y=AKαLβTγ（1）

LnY=LnA+αLnK+βLnL+γLnT（2）

式中：Y表示总产出，A为技术水平系数，代表了除物质资本、劳动投入和旅游业投入之外的其它影响产出的因素，K表示物质资本投入，L表示劳动力资本投入，T为旅游业投入，α、β和γ分别是三种要素的产出弹性。

李秋雨等：中国旅游业对经济增长贡献的差异性研究中国人口・资源与环境2016年第4期1.2空间计量模型

Anselin和Griffith指出区域经济的活动具有空间性[18]，意味着区域经济发展可能与一定空间范围内其他区域的经济发展具有相关性。实证分析中，生产函数模型如果忽略了区域间的空间性，会导致结果的不准确。因此，在分析前进行空间相关性检验。文中运用Moran’s I 指数判定区域是否具有空间相关性[13]。如果研究区域具有空间相关性，则运用空间计量模型，否则运用经典线性回归模型。

空间计量模型主要有空间滞后模型（SLM）和空间误差模型（SEM）两种表达形式。SLM用于研究因变量是否对邻近的区域因变量产生扩散或者溢出效应，表达式见（3）。SEM中误差项存在空间相关性，度量了邻接地区关于因变量的误差冲击对本地区观察值的影响程度，表达式见（4）。

y=ρWy+αln+Xβ（3）

y=aIn+Xβ+ε，ε=λWε+μ（4）

式（3）和（4）中：y是n维因变量列向量，ρ为空间自回归系数，Wy为空间滞后因变量，In为 n×1维向量，X为n×k阶外生解释变量矩阵，ε为随机误差向量，μ服从相互独立且均值为零、方差为σ2的同分布，λ为空间误差系数。对于SLM和SEM的选择，可根据拉格朗日乘数LMlag、LMerror 和Robust LMlag、Robust LMerror确定。检验中LMlag与Robust LMlag显著性水平高于LMerror与Robust LMerror，则选择SLM，反之选择SEM。

1.3变量选择及数据来源

本文研究对象为31个省市（后文简称为“中国”）及三大区域，时间段为2000-2013年。依据2000-2013年各省市实际人均GDP（Pgdp）的均值划分为三大区域。遵循Pgdp由大到小的原则排序，Pgdp在20 000元以上的为第一区，包括上海、北京、天津、江苏、浙江、广东、辽宁、福建、山东和内蒙古，除内蒙古外，所有省市均分布在东部沿海；Pgdp在10 000-19 999元间为第二区，包括黑龙江、吉林、河北、重庆、湖北、海南、新疆、山西、湖南、河南、陕西、四川、青海、安徽、宁夏、江西和广西，囊括了我国绝大多数省域，分布在广大的内陆区域；Pgdp在9 999元以下的为第三区，包括、云南、甘肃和贵州四省区，以西南边疆地区为主。

模型中：总产出使用各地区的实际人均GDP，通过对各省市名义GDP及其价格指数平减处理得到实际GDP，除以人口数量得到Pgdp。国内旅游和入境旅游同经济增长的相互作用机理具有差异性，对经济增长影响自然也会不同。因此，为更准确估计旅游业对经济增长的影响，文中分别探究（Dtd）和入境旅游（Itd）对经济增长影响的区域差异性，Dtd和Itd运用国内和入境旅游收入测度。劳动要素的投入量测度选择每万人大学生数。物质资本存量的测度采用永续盘存法，具体运算借鉴张军的研究[19]。文中所用数据来源于《中国统计年鉴》、《中国旅游统计年鉴》和国民经济与社会发展统计公报。

2实证检验与结果分析

2.1经济增长的空间相关性检验

表1列出2000-2013年中国（China）、第一区（First）、第二区（Second）和第三区（Third）经济增长的Moran’s I 值及显著性水平。2000-2013年间，中国经济增长的Moran’s I均为正数，在1%水平下显著，表明中国经济增长的空间分布并不是相互独立的，存在空间集聚性。第一区经济增长的Moran’s I值在2000-2009年间逐年增长，之后有所下降。从显著性上看，仅有2003-2009年经济增长的Moran’s I值通过检验，表现为相似值的空间集聚。第二区经济增长的Moran’s I值持续稳定增加且通过显著性检验，但近年Moran’s I值有所下降，表明第二区经济增长的空间集聚性在不断加强后趋于平稳。第三区经济增长的Moran’s I 值在-0.322--0.104间波动，始终没有通过显著性水平检验，表明第三区经济增长具有空间独立性。综上可知，仅有中国和第二区始终通过空间相关性检验，第一区部分年份通过检验，而第三区始终没有通过检验。原因在于中国和第二区包含的省市范围广，省市空间邻近的地域相对较多，更容易形成空间联系，第一区和第三区包含省市相对较少，省市间空间分布相对较为分散。如，第三区仅包含云南、、贵州和甘肃四省，这些省区经济相对落后，在空间分布上，仅云南与和贵州两地相邻，其他地区均不相邻。各地区由于距离较远，经济相对封闭，使区域间经济增长的联系较小。

2.2实证分析

综合四个研究对象经济增长的空间相关性，为避免模型误设，首先运用混合OLS 方法估计，一是为进一步确定实证分析中是否需要运用空间计量模型及选择哪种空间计量模型，二是为对各种模型估计结果进行对比分析。

2.2.1OLS分析

表2和表3列出了China、First、Second和Third区国内旅游和入境旅游的OLS估计结果。国内旅游对经济增长影响中，各区域模型ln（Dtd）的系数显著为正，可见国内旅游促进经济增长在所有地区均成立。但各地区国内旅游的估计系数差异较大。入境旅游对经济增长影响中，除第二区入境旅游的估计系数未通过显著性检验外，其他地区的估计系数均显著为正。模型中ln（K）均显著为正（除国内二区外）。与预期相符，但ln（L）的估计系数有的显著为负，有的未通过显著性水平检验，这可能归因于选择了不合理的变量，也可能由于模型中忽略了空间因素，使估计结果有偏。

中国、第一区和第二区的国内旅游和入境旅游模型中，均出现LM SAR与RobustLSAR或LM SEM与RobustLSEM在不同水平同时通过显著性检验。因此，在研究中国、第一区和第二区旅游业对经济增长影响时，应运用空间计量模型。对于SLM和SEM的选择，根据前文提到的选择原则，国内旅游业模型中，中国和第一区选择SLM，第二区选择SEM；入境旅游业各地区空间计量模型选择同国内旅游模型选择一致。出于比较目的，文中同时给出了SLM 和SEM 的估计结果，具体见表2和表3。第三区国内旅游的OLS模型中，LM SAR通过1%显著性水平检验，而RobustLSAR检验未通过，入境旅游OLS模型中，LM SEM通过5%显著性水平检验，RobustLSEM未通过。综合第三区的空间相关性检验和拉格朗日统计量检验可知，第三区应运用OLS分析。

2.2.2空间计量分析

相较于OLS估计结果，SLM和SEM模型中的检验值和变量显著性水平均有改善，表明空间计量模型的运用更加合理。同样指标在不同模型中估计系数相差较大，表明选择合理模型的重要性。

（1）国内旅游。从各地区的空间经济计量结果看，国内旅游、人力资本和物质资本系数估计都显著，且系数估计符号符合经济增长理论。各地区国内旅游的估计系数均显著为正，表明加入空间相关性后，国内旅游业发展依然对经济增长产生积极作用，但各地区国内旅游估计系数与OLS对应系数有一定差距，这意味着普通面板的计量分析由于没有考虑空间效应，有偏的估计了国内旅游业发展对经济增长的产出弹性，但国内旅游业发展对经济增长正向促进作用的基本结论比较稳健。China区国内旅游对经济增长的产出弹性为0.138，小于劳动力和物质资本对经济增长的贡献，表明考察期内我国经济增长主要是由劳动力和物质资本带动的。从First、Second和Third三个区域国内旅游估计系数大小比较来看，第一区产出弹性最大（0.370），第二区次之（0.260），第三区最小（0.115）。主要归因于第一区具有良好的经济基础，为旅游业发展提供了产业支撑和充足的客源，国内旅游和经济增长间更容易形成相互促进。这成为本文得出的重要研究结论，即经济基础越好的地区，国内旅游对经济增长贡献越大。

（2）入境旅游分析。入境旅游模型中各指标估计结果与预期基本一致。中国入境旅游对经济增长的产出弹性系数为0.076，意味着入境旅游收入每提高1%，将促进经济增长0.076%。从第一区、第二区和第三区三大区域入境旅游估计系数大小比较来看，第一区最大（0.167），第三区的入境旅游产出弹性位于第二位，估计系数为0.115，第二区最小（0.038）。对比各地区国内旅游对经济增长的产出弹性系表2国内旅游的估计结果

由于旅游业对经济增长的影响与区域经济基础密切相关，经济基础良好的地区，旅游业对经济增长的贡献更容易实现。经济发达的第一区应实施“富邻”发展政策，充分利用旅游生产要素、资本的空间流动带来的溢出效应，以及邻近区域旅游业可以共享客源市场的特性，积极展开区域旅游合作，形成旅游战略联盟。打破行政区域障碍，广泛开展政府、企业间合作，旅游企业间合作及旅游行业协会间合作，带动周边地区的发展，实现邻近区域的共同发展。其他地区尤其是第三区要警惕出现“贫困陷阱”的聚集区。在未来的国家规划与政策制定中，引领旅游资源、经济资源等要素在各集聚区内最优化配置和有导向性的政策倾斜，将更多的资金和政策支持倾向相对落后的第二区和第三区。此外，由于旅游业对经济增长的产出弹性与经济基础正相关的特性，警示经济相对落后的地区，切误将旅游业作为发展经济的“救命草”。

参考文献（References）

[1]Muchapondwa E， Stage J.The Economic Impacts of Tourism in Botswana， Namibia and South Africa Is Poverty Subsiding？ [J].Natural Resources Forum， 2013，37（2）：80-89.

[2]CortésJiménez I. Which Type of Tourism Matters to the Regional Economic Growth？ The Cases of Spain and Italy[J].International Journal of Tourism Research， 2008，10（2）：127-139.

[3]Seetanah B. Assessing the Dynamic Economic Impact of Tourism for Island Economies[J].Annals of Tourism Research， 2011，38（1）：291-308.

[4]Balaguer J， CantavellaJordá M.Tourism as a Longrun Economic Growth Factor： The Spanish Case[J].Applied Economics， 2002，34（7）：877-884.

[5]Tang C F， Tan E C. Does Tourism Effectively Stimulate Malaysia’s Economic Growth？[J].Tourism Management， 2015，46：158-163.

[6]Oh C O. The Contribution of Tourism Development to Economic Growth in the Korean Economy[J].Tourism Management， 2005，26（1）：39-44.

[7]Kim H J， Chen M H， Jang S S.Tourism Expansion and Economic Development： The Case of Taiwan[J].Tourism Management， 2006，27（5）：925-933.

[8]曾国军，蔡建东.中国旅游产业对国民经济的贡献研究[J].旅游学刊，2012，27（5）：23-31. [Zeng Guojun， Cai Jiandong. Research on the Contribution of Chinese Tourism Industry to the National Economy[J]. Tourism Tribune， 2012，27（5）：23-31.]

[9]王良健，袁凤英，何琼峰.基于异质面板模型的我国省际旅游业发展与经济增长研究[J].经济地理，2010，30（2）：311-316. [Wang Liangjian， Yuan Fengying， He Qiongfeng. Research on the Development of China’s Inter Provincial Tourism Development and Economic Growth based on the Heterogeneous Panel Model[J]. Economic Geography， 2010，30 （2）： 311-316.]

[10]刘长生，简玉峰.我国旅游业发展与经济增长的关系研究：基于不同省份的个体数据和面板数据分析[J].旅游科学，2008，22（5）：24-32.[Liu Changsheng， Jian Yufeng. Research on the Relationship between Tourism Development and Economic Growth in China： Based on Individual Data and Panel Data of Different Provinces[J].Tourism Science， 2008，22（5）：24-32.]

[11]任英华，游万海，徐玲.现代服务业集聚形成机理空间计量分析[J].人文地理，2011，25（1）：82-87.[Ren Yinghua， Yu Wanhai， Xu Ling.Spatial Econometric Analysis of the Formation Mechanism of Modern Service Industry [J]. Human Geography， 2011，25 （1）： 82-87.]

[12]牛品一，陆玉麒.江苏省县域经济集聚和收敛的空间计量分析[J].人文地理，2013，27（1）：94-99.[Niu Pinyi， Lu Yuqi. Spatial Econometric Analysis of Economic Convergence and Convergence in Jiangsu Province [J]. Human Geography，2013，27（1）：94-99.]

[13]向延平.旅游发展与经济增长空间自相关分析：基于武陵山区的经验数据[J].经济地理，2012，32（8）：172-175.[Xiang Yanping. Spatial Autocorrelation Analysis of Tourism Development and Economic Growth： Based on Empirical Data from Wuling Mountain Area[J]. Economic Geography， 2012，32（8）：172-175.]

[14]刘佳，赵金金，张广海.中国旅游产业集聚与旅游经济增长关系的空间计量分析[J].经济地理，2013，33（4）：186-192.[Liu Jia， Zhao Jinjin， Zhang Guanghai. Spatial Econometric Analysis of the Relationship Between Tourism Industry Agglomeration and Tourism Economic Growth in China [J]. Economic Geography， 2013，33 （4）： 186-192.]

[15]朱承亮，岳宏志，严汉平，等.基于随机前沿生产函数的我国区域旅游产业效率研究[J].旅游学刊， 2014，24（12）： 18-23.[Zhu Chengliang， Yue Hongzhi， Yan Hanping， et al. Study on the Efficiency of Regional Tourism Industry in China Based on the Stochastic Frontier Production Function[J]. Tourism Tribune， 2014，24（12）： 18-23.]

[16]吴玉鸣. 考虑空间效应的中国省域旅游产业弹性估计[J].旅游学刊，2010，25（3）：18-25.[Wu Yuming. Elasticity Estimation of Regional Tourism Industry in China Considering Spatial Effects[J]. Tourism Tribune， 2014，24（12）： 18-23.]

[17]谢兰云.中国省域R&D 投入对经济增长作用途径的空间计量分析[J].中国软科学，2013：37-47.[Xie Lanyun. Spatial Econometric Analysis of the Role of R & D Investment on Economic Growth in China [J]. China Soft Science， 2013：37-47.]

[18]Anselin L， Griffith D. Do Spatial Effects Really Matter in Regression Analysis [J]. Papers of the Regional Science Association，1988， 65：11-34.

第6篇：经济增长的贡献率范文

【关键词】居民消费 经济增长贡献率

一、居民消费对经济增长测度的计算方法

居民消费对经济增长的拉动百分比=消费对经济增长的贡献率×经济增长率 （1）

居民消费对经济增长的贡献率=消费增长额/GDP增长额

（2）

城镇居民消费对经济增长的贡献率=城镇居民消费增长额/GDP增长额 （3）

农村居民消费对经济增长的贡献率=农村居民消费增长额/GDP增长额 （4）

二、居民消费对我国经济增长贡献率分析

根据公式（1）（2）（3）（4）分别计算出居民消费对经济增长的拉动百分比居民消费对经济增长的贡献率、城镇居民消费对经济增长的贡献率、农村居民消费对经济增长的贡献率，计算结果如下：

2001-2010年GDP增长率分别为9.72%、9.00%、12.17%、17.02%、14.99%、16.32%、22.24%、17.55%、8.01%、17.12%。

2001-2010年城镇居民消费率分别为54.97 %、53.87 %、53.76%、59.53 %、53.65 %、57.32%、53.26 %、60.36%、74.00%、30.02%。

2001-2010年农村居民消费率分别为14.27%、11.98%、3.58%、12.04%、14.06%、12.48%、11.58%、14.18%、11.89%、9.90%。

2001-2010年城镇居民消费率分别为40.71%、41.88%、50.17%、47.49%、39.59% 、44.84%、41.67%、46.17%、62.11%、20.12%。

2001-2010年居民消费对经济增长的拉动百分比5.34%、4.85%、6.54%、10.13%、8.04%、9.35%、11.85%、10.59%、5.93%、5.14%。

由计算结果可以看出，2000-2010年居民消费对经济增长的拉动作用整体呈上升趋势，居民消费（城镇和农村）都在逐渐下降，居民消费对经济增长的贡献低于GDP的增长。就长期来看我国居民总消费对经济增长的作用虽然一直不断增强，但是消费贡献率偏低，不利于国民经济持续健康发展。虽然我国的最终消费率偏低，但是在经济增长的三大需求中，消费需求始终占据主导地主，是拉动经济增长的份额最大的需求。

从消费率的国际比较来看，我国2000-2010年的平均居民消费率为55.07%，世界低收入国家为80%，中等收入国家为71.9%，显然，我国目前消费率不仅大大低于世界平均水平，而且明显低于发展中国家的平均水平。2000–2010年居民消费对GDP增长的贡献率平均为55.07%，其中，城镇居民消费的贡献率为43.47%，占居民消费对GDP贡献率的78.94%，农村居民消费对GDP增长的贡献率平均为11.60%，占居民消费对GDP贡献率的21.06%，这10年间城镇居民消费对GDP贡献率都高于农村居民消费贡献率，即城镇居民消费对经济增长的拉动作用要高于农村居民，同时农村消费对经济增长的拉动作用在逐步提高，这说明近年来国家采取一系列刺激农村消费的政策在一定程度上刺激了农村消费的快速增长。

消费需求不仅是经济增长的主导力量，以上数据显示，目前我国消费需求的波动总是小于GDP的波动，从长期来看，消费支出和国内生产总值的增长率波动应该大致相同，我国目前消费相对平缓在很大程度上阻碍了我国经济增长，没有充分发挥贡献作用。

三、拓宽国内消费需求对策

（一）采取有效的收入分配调节措施，抑制收入分配差距的扩大，提高整体消费倾向

根据我国当前收入分配中的问题，可以从以下几个方面采取措施，第一：逐步打破垄断，尽可能让各行业公平竞争，并加强对垄断行业收入分配的调节力度。第二：强化税收对个人收入分配的调控功能，逐步确立以个人所得税为主体，以其他税种为补充的个人收入税收调控体系。第三：通过税收和转移支付手段，扶持和鼓励再就业，从而增加低收入者的收入水平。

（二）加快发展更加开放、流动性高的劳动力市场

数据标明，农村居民收入中越来愈多的本分来自于工字形收入，农业收入占比呈不断下降的趋势。从其他国家的经验来看，提高最有效的方法之一就是加快发展更加开放的、流动性高的劳动力市场，通过劳动力的自由流动来平抑区域之间的工资率差异。

（三）优惠财政支出结构

国家财政用于行政管理的支出过多，而在教育、社会保障等方面的支出过少，导致在很多年份挤出了居民消费，因而在财政政策方面，应关注以下二个方面。（1）调整优惠财政支出结构，加强资金保障，向明显偏低的农业支出、公共卫生服务、基础教育、社会保障等项目倾斜。（2）加税收征管，严格控制减免税，严厉打击各种偷骗税等违法活动，同时严格控制行政经费支出，避免行政管理支出上涨过快的局面。

（四）中长期优惠消费结构体系

增加居民收入是消费稳定增长的关键。只有居民收入稳定，才能从根本上增加消费，确保居民消费事实上成为拉动经济增长的主导力量。深化改革是消费稳定增长的必要条件，形成一种正常的消费实现机制，减少消费环境不好对消费的制约。对城市和农村实行不同的消费政策，消费方式多样化。大力扩展信贷消费、网络信息消费、租赁消费等方式，改变传统消费观念，促进消费便利化。

参考文献

第7篇：经济增长的贡献率范文

    现代物流是经济发展的加速器。现代物流业具有带动产业优化升级，促进经济结构调整的重要作用，成为推动经济增长的重要力量。近年来，我国经济实现了持续的快速增长，但我国的经济发展一直存在着产业结构不合理的问题。由于粗放型经济增长使产业结构失衡状态进一步加深，形成对经济发展的障碍。“十二五”时期，我国经济发展面临的主要问题就是转变经济增长方式，形成新的经济增长点。物流产业如何发挥其转变我国经济增长方式，促进经济增长的重要作用，具有重要的现实意义。

    本文首先通过相关性分析来验证物流产业对经济增长的带动作用，接着运用经济增长模型，从不同时期和不同地区两个层面定量测算物流产业对我国经济增长的贡献程度，从而对现阶段我国物流产业在经济增长中的带动作用做出客观评价，为发展我国物流产业，带动经济增长，提供科学认识和决策参考。

    二、文献回顾

    关于现代物流与经济增长关系的研究，近年来受到学者的广泛青睐。李全喜、金凤花等(2010)基于2003-2008年中国31个省市的面板数据，利用典型相关分析法，对区域物流能力与区域经济发展关系进行了实证分析，结果表明区域物流能力与区域经济发展高度相关。鞠颂东等(2003)对我国西部物流与西部区域经济发展的关联度进行研究，并分析了影响西部物流乃至通过物流影响经济发展的因素。王会宗(2011)、刘秉镰、赵金涛(2005)，刘生龙、胡鞍钢(2010)分析了交通基础设施对中国区域经济增长的影响，结果表明交通基础设施对中国的经济增长有着显著的正向促进作用。其他还有刘南、李燕(2007)，李绩才、吴坚(2011)，李松庆(2010)等学者的研究，得出区域物流与区域经济正向相关的结论。物流业对经济增长的作用机理体现在：(1)现代物流的发展促进了社会分工的深化(谷永芬、何记东，2003)。(2)随着物流外包的发展和物流联盟的出现，产业关联极高的制造业与物流业实现联动发展，使制造企业提高了核心竞争力，降低交易成本(吴群，2011)。(3)现代物流的发展能够促进第三产业优化升级，带动第一、第二产业发展，促进产业结构的调整(孙浩杰、吴群琪、汪蕴慧、2011)。(4)区域物流的发展有利于地区资源的合理配置，优化生产力布局，使区域间合理分工和协作，充分利用各地区的资源优势，提升区域经济竞争力(邵扬，2009)。

    分析现代物流对经济增长促进程度的文献也不少，张炜熙、胡玉莹(2010)对1995-2007年京津冀和长三角地区的物流产业与区域经济进行回归分析，得出京津冀地区货运量每增加一个百分点，GDP相应上涨2.57个百分点，高出长三角地区0.58个百分点。朱文涛(2011)采用边际分析和弹性分析法测定出江苏省物流业每增长1%，GDP将增长1.87%。徐茜、黄祖庆(2011)通过弹性分析测算了1978-2008年浙江省物流对区域经济的推动作用。

    以往文献对物流产业对经济发展的贡献的研究成果为本文提供了参考，但以往文献主要从某一地区的角度考察物流产业对经济增长的贡献，从不同时期和不同地区的角度考察物流业对经济发展影响程度的研究较少。鉴于此，本文基于不同时期和不同地区比较分析的视角，探究1995-2009年现代物流对经济增长的贡献程度，对我国物流产业对经济增长的带动作用进行科学评价。

    三、研究方法、变量和数据

    (一)研究方法

    本文运用相关性分析和经济增长模型，从我国物流产业总体以及省级区域物流产业发展这两个角度，分析物流业在不同时期和不同地区对我国经济增长的影响。首先，对物流产业与经济发展进行相关性分析，目的是验证物流业对经济发展是否有影响。然后，利用贡献率计算模型，测算物流业发展对经济增长的贡献程度。

    (二)变量和数据说明

    研究物流与经济发展的关系，一般选取国内生产总值(GDP)作为衡量经济增长的指标。而衡量物流发展发展水平的指标，不同学者选择的指标没有统一的标准，已有研究大多以货运量、货物周转量、物流业产值、物流业增加值等某一指标来描述物流业发展水平。本文用物流业增加值来衡量物流业发展水平，鉴于我国物流业目前还处于初级阶段，物流业务主要以运输和仓储为主，因此本文用交通运输、仓储和邮政业增加值来近似代替物流业增加值。

    长三角和珠三角地区是我国经济较为发达的区域，物流产业发展基础良好。因此，本文所使用的样本为全国以及上海市、浙江省、广东省三个省级区域，其中，上海和浙江属于长三角地区，广东属于珠三角地区。数据范围为1995-2009年的年度数据，数据来源于《中国统计年鉴》(2010年)、《上海统计年鉴》(2003-2010年)、《浙江统计年鉴》(2010年)以及《广东统计年鉴》(2010年)。为了使计算结果具有可比性，将GDP、物流业增加值，分别利用当年当地的GDP指数、物流业增加值指数对原始数据进行处理，将其价格因素予以剔除，全部转化为1995年不变价格进行分析。

    四、物流产业发展与经济增长的相关性分析

    (一)我国物流产业总体规模与经济增长的相关性

    根据《中国统计年鉴》(2010年)的数据，按1995年不变价计算出我国GDP与物流业增加值(见表1)数据显示GDP与物流业增加值总体变动方向相同。

    

    为分析我国物流业对经济增长是否具有促进作用，下面进行相关性分析。以GDP作为被解释变量，以物流业增加值作为解释变量，利用SPSS统计软件对1995-2009年我国GDP与物流业增加值数据计算相关系数(见表2)，两个变量的相关系数为0.995，可见，我国物流产业总体规模与经济增长之间存在很强的相关性，物流产业对经济增长起着促进作用。

    

    为了说明物流业发展对经济增长的显著影响，进一步进行回归分析。以GDP为因变量，设为Y，物流业增加值为自变量，设为X，α、β为回归系数，μ为随机误差项。根据样本值可以发现样本成线性变化，所以建立线性回归方程Y=α+βX+μ。根据表1数据，利用SPSS软件进行回归分析得到方程，见式(1)：

    

    对回归方程进行检验，调整后=0.989，与1极为接近，表明方程解释能力强。回归系数β的显著性检验sig.=0.000＜0.01，通过t检验。回归方程经过检验，F=1295.159，P=0.000＜0.01，方程通过F检验，回归方程显著有效。就全国而言，物流业增加值每增加1亿元，GDP相应地增加19.211亿元。表明我国物流业对经济的增长具有积极的促进作用。因此， 要大力发展物流业，促进国民经济又快又好发展。

    (二)不同地区物流产业发展与经济增长相关性的比较

    在物流产业带动我国经济增长的过程中，各地区物流业发展水平有所差异，对经济的带动作用是不同的。在物流产业带动我国经济增长的过程中，各地区物流业发展水平有所差异，对经济的带动作用是不同的。下面以上海、浙江、广东为研究对象，分析不同地区物流对经济增长的影响。按1995年不变价计算出两省一市GDP与物流业增加值，见表3。

    

    

    对两省一市的GDP与物流业增加值分别做相关性分析，根据表3数据，运用SPSS软件计算各地GDP与物流业增加值的相关系数，结果如表4(见下页)所示，上海、浙江、广东的GDP与物流业增加值的相关系数分别为0.970、0.999和0.998，T统计量的显著概率均小于0.01，说明在0.01的显著性水平上，拒绝零假设，即三个地区的物流业与GDP之间存在着显著的正相关关系。

    为了考察物流业对三个地区经济发展的作用是否显著，下面进行线性回归分析，结果见表5，三个方程的回归系数通过T检验显著有效。通过F检验，回归方程显著有效。上海、浙江和广东物流业增加值每增加1亿元，将分别带动GDP增加19.808亿元、17.677亿元、17.747亿元，表明不同省份物流业对经济的带动作用有所差异。

    

    五、物流产业发展速度对经济增长的贡献度测算

    (一)测算模型

    下面运用经济增长理论，从我国物流产业总体和不同地区物流产业发展两方面，分析物流业对经济增长的贡献率。主要指标包括：物流产业对经济增长的贡献率、物流产业增加值对GDP的贡献率，以及物流产业对GDP年增长率的贡献。各指标计算公式如下：

    

    (二)物流产业对我国GDP增长的贡献分析

    根据表1数据，利用贡献率模型，得到我国物流产业总体发展速度对经济增长的贡献率，见表6，我国物流产业对经济增长的贡献率年均在5.45%左右，但每年的具体数值差异较大；物流产业增加值对GDP的贡献率年均为5.54%，每年的数值较为平稳，都在5%到6%之间；物流产业对GDP年增长率的贡献年均为0.52%。

    (三)不同地区物流产业对GDP增长贡献的比较分析

    按照上述方法，分别计算出上海、浙江、广东物流产业增加值增长对经济增长的贡献，见表7。利用表6、表7的数据，绘制各指标的变动趋势图(见第14页图1、图2、图3)，对上海、浙江、广东等地区物流产业对经济增长的贡献率、对GDP的贡献率以及对GDP年增长率的贡献的走势进行了比较。

    

    1.物流产业对经济增长贡献率的比较。由表7可知，1995-2009年间，物流产业对经济增长的年平均贡献率从大到小排序依次为：广东5.62%、浙江5.54%、上海4.65%。广东和浙江的物流产业对经济增长的贡献率高于全国总体水平的5.45%，而上海这一数字则低于全国总体水平。从四条曲线的整体变动趋势看(见图1)，代表浙江省物流产业对经济增长贡献率的曲线波动较小，广东和上海的曲线波动相对较大，说明浙江省物流业对经济增长的贡献较为平稳。从四条曲线的整体变动趋势看，物流对经济增长的贡献呈现一定的周期性。2005-2009年间，四条曲线变化趋势基本同步，总体呈现下降趋势，说明近5年我国物流对经济增长的贡献率降低，表明我国物流业应进行产业调整和转型升级，转变增长方式，以促进经济增长。

    

    图1　物流产业对经济增长的贡献率

    2.物流产业增加值对GDP贡献率的比较。由表7可知，各地区物流业增加值对GDP的贡献率从大到小依次为：广东6.50%，上海6.19%，浙江5.59%。三个地区物流业增加值对GDP的贡献率均高于同期全国总体水平的5.54%。从物流业对GDP贡献率的趋势图上看(见图2)，四条曲线变化趋势基本同步，2003-2009年间，上海、浙江、广东三条曲线之间的差距有逐渐减小的趋势，说明这三个地区物流业对GDP的贡献率逐渐拉近。

    

    图2　物流产业增加值对GDP的贡献率

    

    图3　物流产业对GDP年增长率的贡献

    3.物流产业对GDP年增长率贡献的比较。从物流业对GDP年增长率贡献的趋势图看(见图3)，物流对GDP年增长率贡献的四条曲线波动都较大，说明我国物流业对GDP增长率的贡献还不稳定。从具体数值上来看，物流业对GDP年增长率的贡献从大到小依次为：广东0.69%，浙江0.67%，上海0.57%，都高于全国总体水平的0.52%。但是，无论从全国总体水平还是从省级区域来看，物流业对GDP年增长率的贡献程度都小于1%，表明我国物流业发展尚处于初级阶段，物流产业对GDP增长率的贡献还比较低，但伴随着我国物流产业调整和产业转型升级，其发展潜力巨大。

    六、结语

    从以上分析结果来看，可以得到以下几点结论：

    第一，我国物流产业的发展对经济增长具有积极的带动作用。就全国而言，物流业增加值每增加1亿元，可以使GDP增加19.211亿元。省级区域层面的分析得出相似结论，但不同地区物流业对经济的带动作用的程度有所差异。现代物流在促进国民经济增长、转变经济增长方式等方面起着重要的作用。因此大力发展物流业是推动我国经济增长的迫切需要。这也和2009年国务院颁发的《物流业调整和振兴规划》(国发8号)提出的现代物流业发展战略相符合，以此依托物流产业全面发展，来推动国家经济发展。

    第二，从物流业对经济增长的贡献来看，我国物流业对经济增长的贡献还比较低。近年来，虽然我国物流产业发展速度快，但当前物流产业仍然面临部门分割、地区分割的管理体制约束，专业化物流服务需求不足、物流人才供给不足、专业化物流服务供给约束等众多制约因素(刘秉镰，余泳泽，2010)，无论在产业规模、技术水平、物流信息化和标准化等方面和发达国家相比，都处于相对落后的状况，对国民经济增长的贡献率不是很大。从具体数值来看，就全国整体而言，1995-2009年，我国物流产业对经济增长的贡献率年均在5.45%左右，远低于国外发达国家的10%以上。由此可见，我国物流业的总体水平仍然偏低。所以，加大物流基础设施建设的投入力度，合理布局物流产业，防止地区条块分割，促使物流业由粗放型投资向集约型投资转变；提升物流技术投入和应用效率；提高物流信息化和标准化水平，是促进物流业平稳发展和产业转型升级的需要，对于促进我国产业结构调整、带动国民经济发展具有重要意义。

第8篇：经济增长的贡献率范文

数据显示，当月中国经济指数与中国经济增长率之间呈现同步变化，二者之间的弹性系数为22.7941。其中，中国经济指数为0.7056，环比下降0.0093个指数点，下降1.3009%；同期，中国经济增长率为7.6022%，环比下降0.0408个百分点，下降0.5338%（见图1）。数据表明，中国经济指数继续下降同时，中国经济增长继续下滑，并且中国经济指数下降幅度大于经济增长下降幅度，中国经济不容乐观。

2013年6月《中国经济雷达月报》数据显示（见图2），当月美国经济增长率从上月1.8356%下降到1.8011%，下降0.0345个百分点，略有下降；欧元区经济增长率从上月的-0.9178%变为-1.1044%，下降0.1866个百分点，下滑明显；同期，世界经济增长率从上月1.9295%上升到1.9581%，上升0.0286个百分点，包括加拿大、英国。

数据显示，当月中国经济增长结构中，投资占GDP比重为63.8731%，相比上月的62.2068%环比上升1.6663个百分点。扣除20%的合理投资比例部分，当月中国经济增长中有43.8731%是通过超量投资和GDP转换实现的，中国经济实际增长率是4.2840%，比上月4.4171%下降0.1331个百分点，投资泡沫持续上升。

在经济增长方面，当月中国经济增长指数为0.7632，比中国经济指数0.7056高出0.0576个指数点，表明目前中国经济增长缺乏中国经济总体的支撑（见表）。

在国内市场方面，当月中国价格增长率从上月的2.3046%下降到2.1523%，环比下降0.1523个百分点，表明国内市场出现紧缩。

在生产供给方面，当月中国农业增长率3.3621%，环比下降0.0095个百分点；工业增长率为7.7131%，环比下降0.0199个百分点；服务产业增长率为8.2075%，环比下降0.0208个百分点，农业、工业和服务产业增长率下降，导致中国经济增长率下降。

在消费需求方面，当月中国社会商品零售额增长率12.7349%，环比上升0.0782个百分点；固定资产投资增长率20.2286%，环比下降0.3030个百分点；出口增长率为8.1576%，环比下降6.2360个百分点；进口增长率为9.3514%，环比上升0.6104个百分点，消费需求两升两降。

在货币政策方面，当月人民币利率保持不变；货币增长率仅为15.7035%，环比下降0.1697个百分点，远远低于18%的正常水平，一定程度上削弱了中国经济增长。

在财政政策方面，当月财政支出增长率为13.0682%，环比上升0.6261个百分点。尽管财政支出增长率继续上升，但是水平偏低，扩张作用有限。

在税收政策方面，当月财政收入增长率为6.0669%，环比下降0.7668个百分点。经济增长下滑减少了财政收入，财政收入增长率下降意味着中国财政政策能力减弱。

数据显示，农业、工业和服务产业出现不同变化。

当月中国农业增长率3.3621%，环比下降0.0095个百分点，农业对中国经济增长的贡献率为7.3885%，环比上升0.5118个百分点；贡献度为0.5617个百分点，环比上升0.0361个百分点，农业贡献率、贡献度双双上升。

当月中国工业增长率为7.7131%，环比下降0.0199个百分点，工业对中国经济增长的贡献率为48.9103%，环比下降1.1005个百分点；贡献度为 3.7183个百分点，环比下降0.1040个百分点，工业贡献率、贡献度双双下降。

当月中国服务产业增长率为8.2075%，环比下降0.0208个百分点，服务产业对中国经济增长的贡献率为43.7012%，环比上升0.5887个百分点；贡献度为3.3223个百分点，环比上升0.0272个百分点，服务产业贡献率、贡献度双双上升（见图3）。

总的分析，6月份中国农业、工业和服务产业增长普遍下滑，中国经济指数和中国经济增长同步下滑。其中，农业增长率上升，农业比重和贡献双双上升，工业贡献率、贡献度双双下降，服务产业比重和贡献度双双上升，工业经济在下滑中衰退，农业和服务产业在衰退中比重上升。

消费是经济增长的最终目的。当月中国消费增长率12.7349%，环比上升0.0782个百分点，消费对经济增长贡献率为33.9807%，环比下降1.7870个百分点，贡献度为6.1948个百分点，环比下降0.5053个百分点，消费贡献率、贡献度双降（见图4）。

第9篇：经济增长的贡献率范文

世界经济是中国经济增长的基本环境和外部条件。目前，在71.3万亿美元全球经济总量中，美国经济总量15.7万亿元美元，占到世界经济总量的22.0%；欧元区经济总量12.1万亿美元，占世界经济总量的16.9%，两者合计占世界经济总量的38.9%。数据表明，美国作为世界经济第一大经济体，仍然是世界经济增长的火车头，欧元区作为世界第二大经济体对世界经济也有重要影响，两大经济体通过世界经济间接影响中国经济。

2013年12月《中国经济雷达月报》数据显示（见图2），当月美国经济增长率从上月1.6179%下降到1.6095%，下降0.0084个百分点；欧元区经济增长率则从上月的-0.5045%变为-0.4013%，上升0.1032个百分点，降速放缓。同期，世界经济增长率从上月2.2881%上升到2.3351%，上升0.0470个百分点，尽管美国经济有所下滑，世界经济增长继续上升。

在生产供给方面，当月中国农业增长率3.3926%，环比上升0.0056个百分点；工业增长率为7.7830%，环比上升0.0128个百分点；服务产业增长率为8.3817%，环比上升0.0138个百分点，农业、工业、服务产业全部上升，中国经济增长因此同步上升。

在消费需求方面，当月中国社会商品零售额增长率13.5695%，环比上升0.3910个百分点；固定资产投资增长率19.9239%，环比下降0.0176个百分点；出口增长率为6.9364%，环比上升3.2625个百分点；进口增长率为6.6574%，环比下降0.6812个百分点，消费、出口出现上升，投资、进口出现下降，中国经济增长动力有升有降。

在货币政策方面，当月人民币利率保持不变。货币增长率为14.2054%，环比上升0.0613个百分点，远远低于18%的正常水平，货币政策动力远远不足。

在财政政策方面，当月中国财政支出增长率为12.4035%，环比下降1.4525个百分点，财政政策远未达到经济稳定或持续增长的政策力度。

在税收政策方面，当月中国财政收入增长率为15.3983%，环比上升1.9277个百分点，财政收入与经济增长同步。

当月中国农业增长率3.3926%，环比上升0.0056个百分点，农业对中国经济增长的贡献率为9.6901%，环比上升0.4168个百分点；农业对中国经济增长的贡献度为0.7376个百分点，环比上升0.0321个百分点，农业贡献率、贡献度双双上升。

当月中国工业增长率为7.7830%，环比上升0.0128个百分点，工业对中国经济增长的贡献率为45.3868%，环比下降1.9999个百分点；工业对中国经济增长的贡献度为3.4547个百分点，环比下降0.1504个百分点，工业贡献率、贡献度双双下降。