标题 | 互联网发展与经济增长相互作用的实证研究 |
范文 | 李琰 摘 要:利用主成分分析法构建衡量互联网发展的定量指标,在此基础上研究互联网发展水平与第二产业增加值之间的相互关系。通过协整分析发现二者之间存在长期稳定的动态均衡关系;通过格兰杰因果检验发现互联网的发展对第二产业经济增长有显著的促进作用,长远看来第二产业经济增长也能对互联网的发展起一定的促进作用。 关键词:互联网;经济增长;主成分分析;格兰杰检验 中图分类号:F27 文献标识码:A doi:10.19311/j.cnki.1672-3198.2019.34.022 0 引言 随着第三次工业革命使计算机进入生产领域,与互联网相关的基础设施得到快速发展,计算机与信息技术逐步渗透进日常生活中。据中国互联网络信息中心(CNNIC)第41次中国互联网发展状况统计报告数据显示,截至2017年12月,中国网民规模达7.72亿、手机网民规模达7.53亿、网民在线下消费使用手机网上支付比例由2016年底的50.3%提升至65.5%,域名總数3848 万个、网站总数为533万个、互联网普及率高达55.8%,超全球平均水平4.1个百分点。在互联网迅猛发展的同时,也使得我国整个经济结构产生巨大变革,而且对生产、流通等领域产生重大影响,推动国民经济的发展。 长期以来,以制造业为代表的第二产业都被冠以粗放式发展的标签,在参与全球价值链分工中一直处于低端地位。近年来人口红利优势逐渐丧失、劳动力短缺、产品技术含量低且缺乏自主知识产权等问题尤为突出,发达国家正逐渐向拉美、非洲等新型发展中国家转移制造业,给中国的世界工厂地位带来了严峻考验。在此背景下,转型升级被视为中国企业谋求未来发展,提升竞争力的一条选择路径;而互联网技术的普及应用则是促进中国经济增长从投资拉动到创新驱动转变的关键因素。在当前环境下,企业的转型升级就是一场信息技术推动下技术与管理的变革,如建筑业利用BIM信息技术打通建设项目设计、施工和运营的全过程,能够有效降低成本,提高项目质量,提升企业竞争力;制造业的智能生产线和智能物流系统的建立等更是离不开信息技术的支撑。 为探讨互联网发展与第二产业经济增长之间的因果关系,本文选取与互联网发展相关的指标,通过主成分分析法将互联网发展水平定量化,在此基础上通过格兰杰因果检验厘清二者之间的关系。通过研究互联网发展对第二产业经济增长的促进作用,明确互联网发展的重要地位,为企业转型升级提供价值参考;通过研究第二产业经济增长对互联网发展的促进作用,为互联网长期稳定发展提供支撑来源。 1 文献综述 近年来,关于互联网对经济增长影响的研究一直都颇受国内外学者的广泛关注。Elgin利用152个国家1999-2007年的面板数据分析互联网普及率与人均GDP之间的关系,研究发现互联网发展对于人均GDP的增长具有正向促进作用。Forman等基于美国数据的研究验证了宽带网络投资对工资和就业增长的积极作用,但只在收入高、人口多、技能好的地区,这种作用才显著。Ivus和Boland通过对加拿大1997-2011年的数据进行研究,发现互联网能够促进服务业的工资和就业增长,而对制造业并无影响。沈燕认为互联网发展具有时效性与开放性的特征,在带动经济产业创造性变革中具有重要的意义。叶初升等研究发现类似结论,他指出互联网促进经济增长具有明显的结构效应,即更有助于服务业部门的增长。 以互联网、移动互联网、物联网为主导的信息技术将引领企业转型升级,网络不再是工具或渠道,而是创造价值的核心,已上升为基础设施。对于互联网指标的衡量,吕明元等用国家统计局统计科学研究所发布的信息化发展指标衡量“互联网+”,并用回归分析方法对上海市2000-2013年“互联网+”和产业结构生态化转型的关系进行了实证检验。刘湖等从供给、需求和社会因素三个方面测算信息和通信技术(ICT)的发展水平,研究表明ICT发展对中国经济增长具有显著促进作用。谢印成等选用网民数量、手机网民数、网站总数等变量作为衡量中国互联网发展的代表指标,研究国内互联网发展情况与第三产业增加值之间的关系。茶洪旺等使用各省网民数、网站数与CN域名数这三项指标作为基本指数,利用熵权法将其量化为互联网发展指数,研究得出互联网资源对于中国经济增长具有显著的正向促进作用。 综上可知,现有关于互联网发展与经济增长的研究已获得学术界的广泛关注,并取得了显著进展,但仍存在以下不足之处:多数研究对于互联网发展指标的衡量较为简单,或具有一定的主观性,考察内容不够全面;考察对象多为互联网发展与整体经济增长亦或是第三产业经济增长之间的关系,少有研究聚焦于以工业为主的第二产业与互联网之间的关系。而随着互联网的快速增长和工业企业转型发展的必然要求,互联网发展和第二产业经济增长之间可能存在着某种关联,因此有必要使用新数据,运用定量研究的方法厘清二者的相互关系,使研究成果更具说服力和实践参考价值。 2 研究方法与数据来源 2.1 研究方法 由于目前尚未有统一的衡量互联网发展水平的研究指标,需要通过现有数据对其进行量化处理,本文选用的是主成分分析法。主成分分析法是把高维转化为少数几个综合指标的多元统计分析方法,从观测到的众多变量中提炼出少而精的若干变量,从而达到降低维度的目的,利用线性变化寻找能保存绝大部分原变量方差的新变量。由于互联网发展水平与多个因素相关,可以使用主成分分析法,通过线性组合方式将这些因素指标转化为衡量互联网发展水平的总体指标。 在计量经济学的研究中,经常需要判断一个变量的变化是否是另一个变量变化的原因。Granger从预测的角度对这种因果关系进行了定义,称为Granger因果关系。Granger检验的前提条件是变量的时间序列都是平稳序列,否则需对原序列做差分处理,判断二者的协整关系;若变量X和Y的时间序列xt和yt均为平稳序列,为检验x是否为引起y的原因,建立yt关于y和x的滞后模型。 式中,ut为常数项,i表示滞后期。检验步骤如下:检验X的变化是否为Y变化的原因,即针对零假设H0:a1= a2=…=an=0进行F检验。此外,格兰杰因果关系检验中对滞后长度的选择是任意的,且因果检验结果对滞后长度非常敏感,即不同的滞后期可能会对因果性判断造成影响。因此在进行分析时,需要谨慎选择滞后期。 2.2 数据来源 数据的选取主要以国家统计局(NBSC)和中国互联网络信息中心(CNNIC)等权威机构网站公布的统计信息为准。结合研究主题,选取网民数(wms)、手机网民数(sjwms)、域名数(yms)、站点数(zds)和网页数(wys)这五个数据作为考察互联网发展水平的基础指标。由于互联网统计数据从1997年才逐渐开始完善,且前几年数据波动较大,因此截取2000至2016年共计17年的时间序列数据进行分析研究,具体数据信息如表1所示。 在计量问题研究中,对数变化不仅不会改变变量时间序列的性质及关系,还有可能消除异方差性和序列相關等问题,因此,在实际操作中对相关变量均进行对数化处理,采用自然对数值进行相关检验分析。 3 数据分析 3.1 主成分分析 考虑到互联网发展水平受多个因素的共同影响,且各因素间存在一定的相关性,因此利用主成分分析对这些指标进行降维处理。在进行主成分分析之前首先要对数据进行KMO检验。KMO检验值介于0与1与之间,其值越高越适宜做主成分分析。根据学者Kaiser,KMO检验值在0.6以下是非常差的,0.6至0.69为勉强接受,0.7以上为可接受水平。根据检验结果,本研究KMO值为0.796,可以进行后续研究。 从主成分分析结果可知,第一主成分的方差贡献率高达95.48%,涵盖原有指标的绝大部分信息;而其他主成分的特征值远低于1,贡献率也非常低,因此不予采用。用析出的第一主成分表征互联网发展水平,其公式为: 公式1中各个指标的含义见表1,将五个指标的数据带入公式中,可得出不同年份的互联网发展水平X。求出互联网发展水平指标后,将其与第二产业增加值Y进行比较,得出如图1所示的趋势图。左侧数据表征互联网发展水平的时间序列,右侧则代表第二产业增加值的时间序列趋势。仅从图形来看,二者都有逐渐增大的时间趋势,且幅度大致相同;在2000-2010年间迅速上升,2010年之后的增加速度呈现略微平缓的趋势。但二者是否互为因果关系,仍需要进行进一步的论证。 3.2 模型实证 3.2.1 单位根检验 格兰杰检验的前提条件是平稳序列,否则将出现“伪回归”现象;如果原序列不平稳,需要进行差分处理,直到成为平稳序列;若原序列经过d次差分成为平稳序列,则称该序列为d阶单整的,记为I(d)。 ADF检验结果表明,原序列X和Y均为非平稳序列,需进行差分处理;而一阶差分序列△X和△Y均在10%的置信水平上显著,为平稳序列;因此,原序列都是一阶单整的,X~I (1)、Y~I (1),可以进行后续检验。 3.2.2 协整分析 在进行因果关系检验之前需证明变量之间的长期动态均衡关系。协整反映的就是非平稳单整序列之间的一种长期动态均衡关系,即两个非平稳时间序列的线性组合,相互抵消趋势项的影响,使其组合成为平稳时间序列。上节检验发现原序列均为一阶单整,因此采用协整分析检验二者之间的长期动态均衡关系。 检验协整关系首先需要估计变量的协整回归方程,并据此生成残差项;然后对残差序列进行平稳性检验,若残差序列平稳,说明变量间存在协整关系,反之则不存在。采用OLS估X和Y的回归方程,估计结果如下所示: 协整分析要求统计量最低在10%的置信水平上显著,利用ADF单位根检验的结果表明,残差序列et在5%的置信水平上显著,因此,残差序列et是平稳序列;这说明Y与X存在协整关系,即第二产业增加值和互联网发展水平之间存在长期稳定的动态均衡关系。由计量检验结果分析可知,互联网发展水平每增长1%,第二产业增加值将随之增长0.07% ,互联网的发展与第二产业经济增长之间存在着促进关系。在我国当前调结构、促转型的关键时期,更应该大力发展互联网,重视互联网基础设施的建设和利用。 3.2.3 格兰杰检验 协整分析表明,互联网发展水平与第二产业增加值之间存在长期稳定的动态均衡关系,但是否构成因果关系仍要进一步验证。由于本研究的时间序列为年度数据,所以滞后期也以年为计量单位;对于17年的时间序列数据,Eviews软件的最长滞后期为5年,因此对滞后期1-5年逐一进行格兰杰因果检验。 结果表明,互联网发展水平与第二产业增加值之间存在相互促进作用。对于原假设“X不是Y的格兰杰原因”,当滞后期为1年和2年时,分别在5%和10%的置信水平上显著,即拒绝原假设,表明互联网的发展必然会带动第二产业经济的持续良好增长;对于原假设“Y不是X的格兰杰原因”,当滞后期为5年时,在5%的置信水平上显著,即拒绝原假设,表明从长期角度看来,第二产业经济的增长也会反过来促进互联网的良性发展。 4 结论与启示 为研究互联网发展与第二产业经济增长的相互作用,首先利用主成分分析法,析出能够表征互联网发展水平的定量指标;采用协整检验分析,发现互联网发展水平与第二产业经济增长之间存在长期稳定的动态均衡关系;在此基础上,运用格兰杰因果检验进行研究表明,当滞后期为1年和2年时,互联网发展对第二产业经济增长有明显的促进作用,这一作用分别在5%和10%的置信水平上显著,这说明互联网的发展有助于提升以工业为主的产业经济增长。当滞后期为5年时,第二产业经济增长能够促进互联网的发展,这一作用在5%的置信水平上具有显著性,这意味着从长远角度看来,第二产业经济的良性发展同样也会促使互联网发展水平的提升。 以上研究表明,为保持互联网发展水平的持续快速增长,必须重视互联网基础设施建设,提升用户对互联网的需求,丰富互联网资源,促进移动互联网的发展;为转变经济增长方式,提升工业企业竞争力,顺利实现“中国制造2025”的目标,必须将工业化与信息化进行有效融合,重视互联网、云计算、大数据、物联网等信息技术的应用;此外,长期来看工业经济的增长同样也能够推动互联网的快速发展,因此在大力发展智能制造、智能生产,提升实体产业的创新力和竞争力的同时,对互联网的发展也能够起到一定的促进作用,二者之间存在相互依存、相互促进的互惠关系。 参考文献 [1]CNNIC.第41次《中国互联网络发展状况统计报告》[R].2017. [2]丁俊发.流通创新驱动的十大对策[J].中国流通经济,2013,(2):12-15. [3]徐梦阳.经济新常态下中国经济迈入工业 4.0 时代的路径探寻[J].商业经济研究,2017,(21):164-167. [4]张兆安.实施“互联网+”战略 推动传统产业升级[J].宏观经济管理,2015,(4):24-28. [5]陈志祥,迟家昱.制造业升级转型模式、路径与管理变革——基于信息技术与运作管理的探讨[J].中山大学学报(社会科学版),2016,56,(4):180-191. [6]Elgin C.Internet Usage and the Shadow Economy:Evidence from Panel Data[J].Economic Systems,2013,37(1):111-121. [7]Forman C,Goldfarb A,Greenstein S.The Internet and Local Wages:a Puzzle[J].The American Economic Review,2013,102(1):556-575. [8]Ivus O,Boland M.The Employment and Wage Impact of Broadband Deployment in Canada[J].Canadian Journal of Economics,2015,48(5):1803-1830. [9]沈艷.“互联网+产业经济”下新业态的创造性变革[J].商业经济研究,2017,(3):148-150. [10]叶初升,任兆柯.互联网的经济增长效应和结构调整效应——基于地级市面板数据的实证研究[J].南京社会科学,2018,(4):18-29. [11]周衍鲁.“互联网+”驱动实体经济转型升级的技术理论研究[J].商业经济研究,2017,(18):190-192. [12]吕明元,陈磊.“互联网+”对产业结构生态化转型影响的实证分析——基于上海市2000-2013年数据[J].上海经济研究,2016,(9):110-121. [13]刘湖,张家平.“互联网+时代”背景下ICT与经济增长关系的实证分析——来自中国省级面板数据研究[J].统计与信息论坛,2015,(12):73-78. [14]谢印成,高杰.互联网发展对中国经济增长影响的实证研究[J].经济问题,2015,(7):58-62. [15]茶洪旺,左鹏飞.互联网资源对中国经济增长的影响研究——基于31个省级面板数据的实证检验[J].经济研究参考,2015,(26):48-55. [16]KAISER H F.An Index of Factorial Simplicity[J].Psychometrika,1974,1(39):31-36. [17]Engle R F,Granger C W J.Co-integration and Error Correction:Representation,Estimation,and Testing[J].Econometric,1987,55(2):251-276. |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。