經濟增長的貢獻率精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的經濟增長的貢獻率主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：經濟增長的貢獻率范文
中圖分類號：G710 文獻標識碼：A 文章編號：1672-5727（2014）03-0005-04
《天津市工業布局規劃（2008—2020年）》顯示，天津市將大力發展航空航天、石油化工、裝備制造、電子信息、生物醫藥、新能源新材料、國防科技和輕工紡織優勢支柱產業，將天津打造成一個以戰略性新興產業為引領、裝備制造業為核心、優勢支柱產業為支撐的新型工業化體系城市。在這個新型工業體系建設過程中，需要大量的技能型人才，尤其是具有專業技術能力的創新型、復合型高級技術人才。這無疑為天津市高等職業教育的發展提供了前所未有的契機。
那么，天津市高等職業教育對經濟增長的貢獻率如何？天津高等職業教育發展存在哪些問題？如何應對經濟發展對高技能人才的迫切需求？本研究旨在通過定量分析天津市高等職業教育對經濟增長的貢獻率，揭示天津市高職教育發展存在的不足，以期為天津市未來的高等職業教育人才培養提供借鑒。
文獻綜述
目前，關于天津市高等職業教育與經濟發展之間關系的研究已取得一定的成果，但仍缺乏對天津市高職教育對經濟增長貢獻率的研究。在全國范圍來看，已經有一些關于其他省份的相關研究。例如，馬文君、高素芬（2012）對河北省2001—2010年間高職教育對經濟增長貢獻率的測算結果為0.83%；劉曉明、王金明（2011）采用2001—2009年的數據計算高等職業教育對浙江省經濟增長的貢獻率是1.21%；吳文輝（2010）計算1990—2008年高職教育對湖南省經濟增長的貢獻率為0.68%等等。這些已取得的研究成果的共同之處是測算過程中都包含了人力資本理論與柯布—道格拉斯生產函數，但因不同的研究者所用的具體計算方法及采集數據的方法有所不同，最后結果的可比性并不高。本研究采用丹尼森根據人力資本理論對柯布—道格拉斯生產函數進行變形的公式來測量天津市高等職業教育對經濟增長的貢獻率。
高等職業教育對經濟增長貢獻率的理論基礎
柯布-道格拉斯生產函數是由美國數學家柯布（C W Cobb）和經濟學家保羅·道格拉斯（Pall H Douglas）在20世紀30年代研究美國1899—1922年制造業的資本和勞動因素對生產的影響得出的。柯布-道格拉斯生產函數（Cobb-Douglas production function）的表示式為：
Y=AKαLβ
式中Y是工業總產值；A是綜合技術水平；L是投入的勞動力數；K是投入的資本；α是資本產出的彈性系數，β是勞動力產出的彈性系數；α>0，β>0，α+β=1，表明生產效率并不會隨著生產規模的擴大而提高，只有提高技術水平，才會提高經濟效益。
柯布-道格拉斯生產函數涵蓋了促進經濟發展的主要因素。但隨著20世紀60年代人力資本理論的創立，關于人類生產能力的認識進一步拓展，人們開始認識到柯布—道格拉斯生產函數的不足，即在原本的生產函數模型中并沒有考慮人身上的各種生產知識、勞動與管理技能以及健康素質等因素，只是簡單地把勞動力數量的增長作為勞動力的投入。人力資本理論對投入市場的勞動力從一個更加客觀、更加全面的角度進行了詮釋，使人們意識到影響經濟增長的重要因素中人力資本也占據著重要份額，勞動力綜合質量的提高能夠有效地促進經濟的快速發展，而教育在提高勞動力質量中發揮著主導作用。
在人力資本理論的基礎上，美國教育經濟學家丹尼森把教育因素引入到柯布-道格拉斯生產函數中，勞動力投入被認為是由初始勞動力（L）和教育投入（E）組成，柯布-道格拉斯生產函數可變式為：Y=AKα（LE）β，對上式兩邊求全導數，經過推導后可得國民經濟的增長模型為：
y=a+αk+βl+βe
式中y為經濟年均增長率；a為年技術進步率；k為資本投入量年增長率；初始勞動力投入的年均增長率表示為l；e為教育投入年增長率（通常用教育綜合指數年增長率代替）；α為資本產出彈性系數（代表資本在總產出中所占比重）；β為勞動產出彈性系數（代表勞動在總產出中所占比重）。由此，教育對經濟增長的貢獻率可表示為：Re=βe/y。其中，高等職業教育對經濟增長的貢獻率為：EgRe。
柯布-道格拉斯對1899—1922年美國經濟增長的研究得出勞動產出彈性系數為0.75，美國學者麥迪遜對1913—1984年西方六國的研究得出勞動產出彈性系數為0.7，我國學者在相關研究中也大多采用0.7的勞動產出彈性系數。故在研究2001—2011年天津市高等職業教育對經濟增長的貢獻率時，也將勞動產出彈性系數β取值為0.7。因為α+β=1，相應地，α取值為0.3。y的取值采用天津市GDP的年增長率。關于e的取值，由于個人勞動報酬的差異是由多種因素綜合決定的，而教育只是影響勞動報酬的因素之一，按照丹尼森等學者的常規算法，對依據勞動報酬計算出的教育綜合指數的增長率一般按0.6的折算系數進行折算。
天津市高等職業教育對經濟增長的貢獻率
根據公式Re=βe/y，計算天津市高等職業教育對經濟增長的貢獻率，需要資本產出彈性系數值、天津市教育綜合指數值、天津市經濟年均增長率三個數據。為了便于直觀地比較數據，下文中的計算結果均只保留小數點后兩位，計算過程依然采取原始數據。
（一）天津市教育綜合指數年增長率
具體測度方法為：將人均受教育年限與勞動簡化指數相乘得到各級教育的教育綜合指數。
從業人員人均受教育年限 利用公式Hi=Ni×∑fi測算天津市從業人員的受教育年限，其中，Hi為人均受各級教育的年限，∑fi為受本級及以上級別的教育比重之和。我國目前實行的學制有中小學、初中、高中、高職、本科、研究生，受教育年限分別是6年、3年、3年、3年、4年、3年，故取值依次為6，3，3，3，4，3。利用表1數據計算可得的取值。2001年和2011年天津市從業人員的人均受教育年限如表2所示。
勞動人員的勞動簡化指數 用勞動報酬法計算勞動人員的勞動簡化指數，從業人員年平均收入數據采用范靜波在2009年研究我國教育收益變動趨勢時使用的數據（如下頁表3所示），將用2003年數據折算的勞動簡化系數視為2001年的數據，同理，將用2008年數據折算的勞動簡化系數視為2011年的數據。
從業人員人均教育綜合指數年均增長率 根據公式E=∑（Hi×Li），計算從業人員人均教育綜合指數，其中E為人均教育綜合指數，Hi為人均受各級教育年限，Li為勞動簡化系數，計算結果如表4所示。采用幾何平均法計算教育綜合指數年均增長率，天津市2001—2011年教育綜合指數年平均增長率為：e2=（E2/E0）（1/n）-1=5.59%。其中n為終止年與起始年之間的間隔年限數。為剝離其他因素以相對準確地反映由受教育程度提高而帶來的勞動量增長率，對上述教育綜合指數增長率按0.6的系數進行折算，可得天津市2001—2011年間教育投入年增長率為e2=e2×0.6=3.35%。
高等職業教育在教育綜合指數增長率中的占比 按照統計學中綜合指數的編制方法，保持高職教育水平不變，2001—2011年高職之外的教育綜合指數年均增長率為4.93%，可得高職教育綜合指數年均增長率為0.66%，則2001—2011年間天津市教育綜合指數增長率中高職教育的占Eg比為11.77%（同理可得2001—2011年間天津市教育綜合指數增長率中本科教育的比重為25.11%）。
（二）天津市高等職業教育對經濟增長的貢獻率
設1978年的GDP為100，按照相應年份GDP指數采用幾何算數法計算2001—2011年天津市的GDP年均增長率y=15.51%，根據教育對經濟增長的貢獻率模型和高等職業教育對經濟增長貢獻率的計算模型，可得2001年和2011年天津市教育對經濟增長的貢獻率分別為15.13%和1.78%。同理可得天津市本科教育對經濟增長的貢獻率為3.80%。
結論與分析
（一）天津市高等職業教育發展處于上升期
從業人員人均接受高等職業教育的年限由2001年的0.22提高到了2011年的0.40；接受高等職業教育的從業人員的比重由2001年的7.2%增長至2011年的13.3%。這表明，在政策大力支持下，天津市高等職業教育在辦學規模、招生人數、教學質量等方面均取得了一定的進步。
（二）天津市高等職業教育對經濟增長的貢獻率有待提高
2001—2011年間，天津市高等職業教育對經濟增長的貢獻率為1.78%，本科教育對經濟增長的貢獻率為3.80%。天津市教育總體對全市經濟增長的貢獻率為15.13%，其中高職教育的貢獻占比為11.77%，還遠小于本科教育25.11%的占比。實際上，2001年受高職教育和受本科教育的從業人員占從業人員總量的比例分別為7.2%和3.4%，2011年則高達13.3%和12.4%，天津市從業人員中受高等職業教育的人員數高于受本科教育的從業人員數。可見，天津市高等職業教育質量有待進一步提升。同時，天津市高等職業教育增長的速度小于本科教育的增長速度。
接受高等職業教育的從業人員絕對數和比例均高于接受本科教育的從業人員，但高職教育對經濟增長的貢獻率卻低于本科教育。究其原因有二：其一，天津市的高等職業教育起步于上世紀80年代，現有半數以上的高等職業院校成立于2000年前后，基礎相對薄弱；另有部分學校主要沿用了普通本科院校的教學方式，尚未形成完整、獨立、個性化的教學體系，很多畢業生并不具備崗位所需技能，人才供需脫節。其二，高等職業院校專業設置不盡合理，教學質量有待提升，招生困難，生源質量堪憂。天津市濱海新區2009年高級技師的求人倍率是2.09，而本科畢業生在人才市場面臨的卻是從結構性剩余到絕對剩余。提升高等職業教育質量、吸引好生源是迫在眉睫的任務。
對策建議
按照國際勞工組織提供的發達國家的技工合理布局，高級技工應占技術工人總量的35%左右。數據顯示，2010年天津市高級技工及以上人數僅占到技術工人總體的10%，2011年天津市全部從業人員中受高等職業教育的比重僅為13.3%。雖然近10年高等職業教育迅猛發展，但現有高技能人才布局與發達國家相比仍然有較大的差距。2013年天津市最新的技能人才缺口信息顯示，現在全市有203個職業缺少技能人才，其中有69個職業的技能人才屬于非常緊缺狀態。
要提高天津市高等職業教育對經濟增長的貢獻率，在繼續擴大高等職業教育規模的基礎上，還必須提升辦學質量，對此特提出如下建議：
（一）政府主導增強高等職業教育的吸引力
一方面，改善高等職業教育畢業生的就業環境和工作福利，提升相應就業崗位對高等職業教育畢業生的吸引力；另一方面，鼓勵高等職業院校多元化投資辦學，吸引社會各界，特別是企業參與到高等職業教育辦學中來，提升企業等用人單位對雇傭高等職業院校畢業生的積極性。
（二）高等職業院校提升教學質量
目前，進入人才市場的高職生不只是數量不夠，更重要的是有一部分人在能力上不過關，動手操作能力差，根本沒有達到高職培養目標的要求。建議學校打破傳統的教學模式，根據具體情況進行個性化教學。學生的學習時限不要局限于3年，可以適當放寬。以西藏地區的職業院校為例，學生學習唐卡等專業技術時并不以3年為限，而是以學生真正熟練掌握一門專業技術為畢業準則。目前，天津市的二、三類產業都存在較大的高技能人才缺口，尤其是工業企業的發展，更急需高技能人才的支撐，高職院校要以此為具體參照來設定教學課程和培養目標，保證學校所授與學生就業時所需相一致。
另外，建議高等職業院校分層次培養人才。隨著高新技術產業的發展（譬如新能源、新材料），對高技能人才的需求也提出了各種不同的要求。因此，在人才培養過程中，可依據天津市當前一些重大改革發展項目對高技能人才的具體需求，在對學生進行高級技術基礎培訓的同時，對專業課程進行更加詳細的分層設置，讓學生在掌握基礎技能的基礎上根據需要和興趣學習更深層次的技術。
（三）“校企合作”提升人才供需的匹配度
根據《2013年度職業培訓成本及市場需求程度目錄》，圍繞該目錄中所列當前緊缺的二百多種技術人才，學校和企業聯合進行人才培養，充分發揮“校企合作”的優勢，打造結構合理、靈活多變、適合企業需求的人才培養模式。企業為高職學生提供最先進的實訓環境，以保障學生掌握最新的產業技術；學校按照企業要求對在職的初級技工進行高層次技術培訓。學校企業兩者結合，共同開創新局面。
參考文獻：
[1]靳希斌.教育經濟學[M].北京：人民教育出版社，2001：439.
[2]劉曉明，王金明.浙江省高等職業教育對經濟增長貢獻率[J].中國職業技術教育，2011（18）：36-40.
[3]杭永寶.中國教育對經濟增長貢獻率分類測算及其相關分析[J].教育研究，2007（2）：38-47.
[4]范靜波.2003-2008年間中國教育收益變動趨勢研究[J].統計與信息論壇，2001（8）：47-52.
[5]馬文君，高素芬.河北省高等職業教育對經濟增長的貢獻度測算[J].中國市場，2012（39）：26-28.
第2篇：經濟增長的貢獻率范文
引言
隨著農業現代化轉型的逐步推進，中國農業生產的機械化作業程度不斷提高，即中國農業生產對農業機械化的依賴性增強。到2009年底，到2009年底，全國機耕、機播、機收水平分別達到65.99%、41.03%、34.74%，“耕種收”綜合機械化水平達到49.13%（數據來源于《2009年全國農業機械統計年報》），比1978年提高了26個百分點，在東北地區甚至達到85%。其中，糧食生產對農業機械化的依賴更為顯著。小麥、水稻、玉米的“耕種收”綜合機械化水平分別達到89.37%、55.33%、60.24%，且這三種糧食作物的機耕、機播、機收三項作業基本全部是以柴油作為動力能源。中國農業機械化發展過程，本質上是一個柴油化[17]的過程：一是裝備；二是具體能源品種消耗。裝備上，農業機械總動力自1993年以來一直以柴油發動機動力為主，并且比重呈逐年上升態勢。2009年農業柴油發動機動力為70410.41萬kW，比重為80.47%，比1993年提高了14.91個百分點。農業機械用能源品種上，農用柴油自1993年以來也一直是農業機械用能消耗的主體，盡管消費量基本是逐年增加，但比重仍維持在1993年水平。2009年全國農用柴油消費量為2855.77萬噸標準煤（柴油折標準煤系數：1kg＝1.4571kg標準煤），比重為62.69%，僅比1993年下降0.52個百分點。綜上，農用柴油是保障中國農業現代化轉型實現和糧食生產穩定的最重要能源投入。另外，中國各級政府歷年來都非常重視“三夏”和“三秋”等農忙季節時農用柴油供給穩定的保障工作。盡管農用柴油是中國農業生產的重要能源保障物質且消費量逐年增加，但是學術界至今仍沒有系統地分析農用柴油投入對農業經濟的影響、農用柴油投入增加是否會促進農業經濟的增長、農用柴油是否是拉動農業經濟增長的主要因素等問題。為此本文通過農用柴油投入增加對農業總產值增加的貢獻率（簡稱“農用柴油貢獻率”）的測算來回答上述三個問題。
1模型設定
1.1基本測算模型農用柴油對農業總產值的作用：一是通過直接投入影響農業總產值，即農用柴油的投入產出彈性（簡稱“農用柴油彈性”）；二是增加農用柴油投入對農業總產值增加的影響，即農用柴油貢獻率。本文采用KLEM模型估計農用柴油貢獻率測算所需的相應參數，即假設中國省級農業生產函數是弱可分的，把農業生產要素分為資本（K）、勞動力（L）、柴油（D）和中間物質（M）共四組。KLEM模型的函數形式沿用柯布—道格拉斯生產函數（對農業生產要素貢獻率的測算，除CD生產函數外，還有項目有無比較法、索洛余值法、數據包絡分析法、特爾斐法等），即：（式略）公式（1）中，Y為農業總產值，T和H分別代表希克斯中性技術進步和農業成災率。估計（1）式，獲得第k項生產要素的投入產出彈性估計值β贊k。在要素貢獻率測算中，為了把規模效應納入轉換效應之內，須對參數估計值施加規模報酬不變約束（∑β贊k=1），則系數估計值作下述相應調整：（式略）公式（2）中，β贊′k是調整后的參數估計值。相應地，第k項要素投入增加對農業總產值增加的貢獻率測算方法為：（式略）公式（3）中，x′k為第k項要素投入的相對增長率，即用第k項要素投入的年均增長速度除以同期農業總產值的年均增長速度。農業轉換效率可由公式EA=1-β贊′kx′k計算得出，表示農業轉換效率對農業總產值增加的作用程度，即規模效應、技術進步、成災率等因素影響。CD生產函數框架下，生產要素對農業經濟增長貢獻率的測算函數可等價地演化為生產要素對農業勞動生產率提高的貢獻率的測算函數。（1）式兩邊同時減去農業勞動力的對數，整理得到（式略）即利用公式（1）的估計結果，公式（4）從農用柴油投入數量的角度，可測算農用柴油投入增加對農業勞動生產率提高的貢獻率，而公式（5）從柴油和勞動力的投入結構變動的角度，可測算柴油勞動比率的增加對農業勞動生產率提高的貢獻率。因為在數據給定的前提下公式（1）、（4）和（5）的參數估計值是一致的，所以本文只分析公式（1）情形下的農用柴油貢獻率。
1.2糧食主產區的模型設定中國農業生產在區域上存在糧食主產區和非主產區（糧食“非主產區”概念的提出見《全國新增1000億斤糧食生產能力規劃（2009~2020年）》）的概念。曾福生等研究證實糧食主產區對全國糧食產量安全的保障貢獻最大，并且糧食主產區的農業機械總動力對全國糧食安全的貢獻率高達70%左右[9]。另一方面，糧食主產區對農用柴油的消費量和消費增長率都明顯高于非主產區。2009年糧食主產區消耗了1211.2萬噸農用柴油，是非主產區水平的1.62倍；而1993年的數據僅為517.1萬噸和1.23倍，即1993~2009年間糧食主產區對農用柴油的消費量越來越高，且消費量的增長率明顯高于非主產區。此外，中國農業生產政策一直存在偏重于糧食主產區的傾向。所以，農用柴油對農業經濟增長的作用在糧食主產區與非主產區應該存在差別。根據公式（3），本文須檢驗糧食主產區與非主產區農用柴油彈性估計值β贊3的一致性，以確定β贊3是否是引起兩類地區農用柴油貢獻率差異的來源（由于糧食主產區與非主產區農業總產值和農用柴油投入水平是事后觀察值，區域間農用柴油相對增長率的差異是給定不變的。這樣只須檢驗兩類地區農用柴油彈性估計值是否一致。）。檢驗采用模型結構穩定性虛變量方法，設立全國、糧食主產區和非主產區三個樣本（全國樣本是指除之外30個省的數據；糧食主產區包括全國30個省中的河北、內蒙古、遼寧、吉林、黑龍江、江蘇、安徽、江西、山東、河南、湖北、湖南和四川共13個省；非糧食主要產區則包括全國30個省中余下的17個省）；并設立糧食主產區虛變量c，c=1表示糧食主產區，為c=0表示非主產區。基于模型（1），檢驗模型的設定如下：（式略）估計方程（6），并運用Z統計量檢驗估計值β贊′k(k=0,…,6)為零的原假設和F統計量檢驗β贊′0～β贊′6同時為零的總體顯著性原假設。如果檢驗結果是不一致的，用全國樣本的彈性估計值測算要素貢獻率會產生偏差，這樣就必須分別設定并估計糧食主產區和非主產區的省級農業生產函數，以獲得準確的要素彈性估計值。
1.3農業支持政策的模型設定從2004年起，中國農業支持政策成體系的實施對中國農用柴油消費產生了實質性的影響。2004年全國農用柴油消費總量的年度高達15.53%，是1993~2009年期間的最大值；且2004年之后全國農用柴油消費總量保持在高消費水平的路徑上增長。2004~2009年期間農業支持政策對農用柴油投入增加的影響有直接和間接兩種途徑，直接的就是農機具購置補貼、石油價格改革對漁業、林業的補貼以及種糧農民的農資綜合補貼等政策的實施；間接的主要是能促進農業總產出增加的政策影響，前提是農用柴油的應用技術保持不變。把樣本期1993~2009年分為政策實施前（1993~2003年）和政策實施期（2004~2009年）兩個階段。所以，從要素貢獻率角度思考，2004~2009年期間實施的農業支持政策應該會使得農用柴油貢獻率在2004年前后兩個階段發生變化。把樣本期分為政策實施前（1993~2003年）和實施期（2004~2009年）兩個階段，并檢驗兩個階段模型參數估計的一致性。本文仍采用模型結構穩定性虛變量檢驗方法，并設立農業支持政策虛擬變量d，d=1表示政策實施期，d=0表示政策實施前；用虛變量d替代公式（6）中的虛變量c，并作相應的參數檢驗。如果虛變量d的所有參數估計值通過參數檢驗，可證實2004起實施的農業支持政策導致了農業生產函數結構在2004年前后兩個時期發生了改變相應地，根據公式（6）下述兩個方程：（方程略）公式（8）和（9）分別表示農業支持政策實施前和實施期的省級農業生產函數，α贊′k(k=0,…,6)是虛變量d的相應參數。
1.4農業資本存量計算方法和數據來源本文首次在省級農業生產要素貢獻率測算中運用農業資本存量度量各省農業資本的投入水平。在已有的要素貢獻率測算研究中，多用土地、農業機械或中間物質投入作為資本替代，鮮見直接使用農業資本存量概念。1993～2009年全國30個省的農業資本存量的測算采用永續存盤法，公式為：（式略）公式（11）中，Kit表示第i省第t年農業資本存量，Ki0為農業資本積累初始年份的存量、Iit為當年農業資本投資額、KIit為農業資本存量縮減指數、δi為農業資本折舊率；gi是1978～2008年以2008年不變價計算的第一產業增加值年均增長率。Iit用第一產業固定資產形成額度量。全國除江西、廣東、海南、重慶和外，26個省1978~2002年第一產業固定資本形成額來源于《中國國內生產總值核算歷史資料：1952~1995》和《中國國內生產總值核算歷史資料：1996~2002》；1978~1992年江西和廣東的缺失數據的處理沿用王金田等在2007年研究中所采用的方法；重慶原屬四川省管轄，假設重慶在1978~1996年期間第一產業固定資產形成額增長速度與四川一致，由此進行推算，并對四川省數據作相應調整；海南初始年份為1989年，初始年份為1993年。對2003~2008年31個省第一產業固定資產形成額，假設各省第一產業固定資本形成速度在年度間無差異，用第一產業固定資產投資額發展速度推算第一產業固定資本形成額，因為固定資產投資額指標是中國計算固定資本形成總額的最基本資料來源。《中國農村統計年鑒》公布了各省2003~2008年第一產業固定資產投資額。農業資本折舊率δi直接采用Wu在2009年的研究成果的計算結果。農業資本存量縮減指數為用2008年不變價格計算第一產業增加值縮減指數。各省農業總產值按2008年不變價格計算，包括農業、林業、畜牧業和漁業；農業勞動力采用“有效勞動”概念，即用農村居民平均受教育年數乘以第一產業就業人員年底數，使各省農業勞動力在同質化基礎上作比較。省級農用柴油消耗數據，現有《中國農村統計年鑒》、《中國能源統計年鑒》和《全國農業機械化統計年報》三個官方來源，后兩者的數據表現不及前者，本文采用《中國農村統計年鑒》（1994~2010）公布的農用柴油使用量指標；中間投入是指以2008年價格計算并除去農用柴油成本的中間物質投入，農用柴油成本是農用柴油消耗量與農用柴油價格的乘積，農用柴油價格是用農用機油價格指數和2003~2006年各省農用柴油價格數據推算得到。
2面板數據檢驗和模型設定檢驗
2.1面板序列的同質與異質性檢驗面板同質性檢驗決定了后續建模方法的選擇，而同質面板是指面板中各截面的時間序列具備齊方差屬性。本文采用Bartlett齊方差檢驗方法來檢驗模型所涉及各變量的面板同質性檢驗。Bartlett卡方檢驗結果顯示，農業的總產值、資本、勞動力、柴油、中間物質五個變量在1%的水平上拒絕了齊方差原假設，即所有變量的面板都是異質性的（表略）。這表明，對這五個變量的面板單位根檢驗應該采用異質面板單位根檢驗方法，即采用ADF費舍卡方統計量檢驗方法。ADF檢驗結果顯示，農業總產值、農用柴油和農業中間物質投入在1%的水平上拒絕了存在截面個體單位根的原假設，農業資本和農業勞動力分別在10%和5%的水平上拒絕了原假設（表略），即模型中的五個變量都是平穩面板序列。因此，五個變量可直接作回歸分析，而不會產生偽回歸問題。
2.2模型設定檢驗首先，應用F統計量檢驗模型（1）的固定效應是否顯著，再應用B—P拉格朗日乘數方法檢驗其隨機效應是否顯著。若模型（1）僅固定效應顯著，則采用固定效應模型估計方法；反之，僅隨機效應顯著，則采用隨機效應模型估計方法；若固定效應和隨機效應兩者都顯著，則采用Hausman卡方檢驗做決策。與混合效應模型相比，全國、糧食主產區及非主產區三個面板數據模型的固定與隨機效應在1%顯著水平上都顯著；Hausman卡方檢驗結果進一步顯示，與隨機效應設定相比，固定效應模型更適用于本文設定的三個面板數據模型。固定效應模型的估計必須考慮截面個體異方差和面板序列自相關問題。否則，會導致參數估計無效，解釋變量的顯著性檢驗失去統計學意義。本文應用Wooldridge方法檢驗面板序列自相關問題，用調整Wald方法檢驗截面異方差問題。，全國、糧食主產區及非主產區三個面板在1%顯著水平上都不能拒絕存在一階面板序列自相關和截面個體異方差的原假設。為此，本文采用D—K估計法（“D—K估計法”是1998年DriscollandKraay面板數據模型估計方法的簡稱修正一階面板序列自相關和截面異方差的模型設定問題，以獲取參數估計量協方差矩陣的一致性估計。并且D—K估計法對截面相關性問題也是非常穩健的，盡管本文的面板數據不支持截面相關的B—P拉格朗日乘數檢驗（B—P拉格朗日乘數檢驗所需的殘差相關矩陣是奇異陣），但地理氣候和經濟發展水平的相似性以及農產品和農業生產要素兩個市場的相互依賴性，可能會引起省際間農業生產行為存在關聯，即產生截面相關問題。
3模型估計結果和分析
3.1糧食主產區與非主產區的設定檢驗和估計結果運用模型（6）來檢驗糧食主產區與非主產區農用柴油彈性系數估計值的一致性。模型（6）的直接估計結果顯示，變量c•lnL、H和c•H的系數估計值無法通過10%顯著水平的t檢驗。根據逐步回歸的模型篩選原則，決定保留c•H項，最終結果見表4。糧食主產區與非糧食主產區這兩種設定下的資本、柴油、中間物質投入、技術進步和成災率估計系數存在顯著差異；且糧食主產區設定總體顯著性的F統計量為15.97，在1%顯著水平支持糧食主產區與非主產區的省級農業生產技術和農用柴油彈性系數都不一致的結論。所以，糧食主產區和非主產區的農業生產函數應該分別估計，以獲得農用柴油彈性的合理估計值。表5是全國、糧食主產區、非主產區三個樣本省級農業生產函數的D-K估計結果。估計結果顯示，全國、糧食主產區、非糧食主產區三個樣本的省級農業生產函數擬合結果存在顯著差異。就農用柴油投入產出彈性而言，直接使用全國樣本的估計結果（0.0587）會明顯低估糧食主產區農用柴油的投入產出彈性（0.0587<0.1183），并會高估非糧食主產區的農用柴油投入產出彈性（0.0587>0.0206）。表5中農用柴油投入產出彈性系數的估計結果顯示，糧食主產區為0.1183，即農用柴油投入每增加1%，農業總產出增加0.1183%，增加農用柴油投入可以推動農業總產出的增長；相應，非糧食主產區為0.0206，即農用柴油投入增加也可以推動農業總產出的增長，但作用明顯小于在糧食主產區的推動作用。
3.2農業支持政策設定和估計結果根據公式（7），用D—K估計法分別擬合糧食主產區和非主產區的省級農業生產函數，估計結果見表6。糧食主產區的初步估計結果顯示，變量d•lnL和d•T的系數無法通過10%顯著水平的t檢驗；且變量的剔除操作并沒有引起模型參數的估計值發生明顯波動。這表明2004年起實施農業支持政策沒有對糧食主產區的在的農業勞動力和中性技術進步產生顯著的沖擊效應。而對d•lnK、d•lnD、d•lnM和d•H進行系數估計值同時為零的總體顯著性的F統計量（F(4,12)=11.44）在1%顯著水平上支持農業支持政策的實施改變了政策實施期內糧食主產區的省級農業生產行為。非主產區的初步擬合結果顯示，成災率對農業總產出的影響不顯著，并且農業支持政策對成災率的沖擊效應也不顯著，故在模型中予以剔除。對農業支持政策沖擊變量d•lnK、d•lnL、d•lnD、d•lnM和d•T進行系數估計值同時為零的總體顯著性F檢驗，檢驗結果為F(5,16)=36.2681，在1%顯著水平上拒絕了系數估計值同時為零的原假設，即農業支持政策也對非糧食主產區的農業生產行為產生了實質性的沖擊。根據表6的估計結果，農業支持政策的實施對糧食主產區和非糧食主產區的農業生產都形成了正向沖擊。糧食主產區農用柴油投入產出彈性從政策實施前的0.0903上升到0.1103，政策沖擊效應為正的0.0200；同樣，非糧食主產區的農用柴油投入產出彈性從政策實施前的0.0242上升到0.0565，政策沖擊效應為正的0.0323。從政策效應的沖擊規模來看，糧食主產區略高于非糧食主產區。因此，農業支持政策的實施對糧食主產區和非糧食主產區的農用柴油投入產出彈性均具有正向沖擊作用，且對非糧食主產區的沖擊作用更大。與不考慮政策沖擊效應的分析對比，糧食主產區與非糧食主產區在補貼政策實施前后的農用柴油彈性系數是不一致的。農業支持政策通過對農用柴油投入產出彈性的較大沖擊，傳遞給了農用柴油貢獻率的測算結果。考慮政策沖擊效應情形時，糧食主產區政策實施前和實施后的農用柴油彈性系數分別為0.0903和0.1103，相應的非糧食主產區系數分別為0.0242和0.0565；不考慮政策沖擊效應情形時，糧食主產區和非糧食主產區的農用柴油彈性系數分別是0.1183和0.0206。因此，如果不考慮政策沖擊效應，糧食主產區的估計結果會明顯高估政策實施前的農用柴油彈性系數，而非糧食主產區的估計結果會明顯低估政策實施后的農用柴油彈性系數。相應地，糧食主產區政策實施前的農用柴油貢獻率測算結果會明顯偏高，非糧食主產區政策實施后的農用柴油貢獻率測算結果會明顯偏低。
3.3柴油生產投入貢獻率的測算結果分析
3.3.11993～2009年三類區域整體水平分析農用柴油投入增加對全國農業總產值增長的拉動作用顯著，貢獻率達到7.53%；但農用柴油不是拉動農業總產值增長的最大投入要素，相比較，農業資本投入的貢獻率明顯高于農用柴油，高達19.31%。在糧食主產區，農用柴油貢獻率是三類區域中最高的，為20.53%；農用柴油具有與農業資本同等的對農業總產值增長的拉動作用。在非糧食主產區，農用柴油的貢獻作用是三類區域中最小的，只有2.15%，除農業勞動力外，農用柴油對非糧食主產區農業總產值增長的拉動作用在資本－勞動－柴油－其他中間投入中是最小的。
3.3.2農業支持政策實施的影響分析農業支持政策的實施，無論全國范圍內、糧食主產區，還是在非糧食主產區，都使得農業生產對農用柴油投入的敏感性增加，三類區域的調整后農用柴油彈性系數分別從政策實施前的0.1834%、0.0347%、0.0866%上升為0.2227%、0.0831%、0.1331%。盡管如此，三類區域農用柴油貢獻率在政策實施前與實施后的表現差異較大。在全國和糧食主產區，農用柴油貢獻率分別從7.87%和19.26%下降到3.84%和3.06%，下降的主要原因是這兩類區域農用柴油相對增長速度的下降幅度高于彈性系數的上升幅度。例如，全國1993～2003年柴油的相對增長速度為0.9087，而2004～2009年僅為0.2887。而非糧食主產區的農用柴油貢獻率則從2.47%增加為4.81%，上升是因為農用柴油相對增長速度的下降幅度低于彈性系數的上升幅度。
3.3.3糧食主產區與非糧食主產區的對比分析1993~2003年期間，農用柴油投入在糧食主產區的貢獻作用明顯大于非糧食主產區，因為農用柴油的彈性系數和相對增長速度在糧食主產區都高于非糧食主產區，差值分別為0.0661%和0.3379%。2004~2009年農業支持政策實施期間，盡管糧食主產區的農用柴油彈性系數（0.1103%）高于非糧食主產區的（0.0565%），但是由于非糧食主產區農用柴油相對增長速度（0.5785%）明顯高于糧食主產區的（0.1376%），從而導致農業政策實施期間非糧食主產區農用柴油的貢獻作用要大于糧食主產區的貢獻作用。另一方面就是農用柴油貢獻重要性的區域對比分析。1993~2003年期間，農用柴油投入增加對省級平均農業總產值增長拉動的重要性，糧食主要區為排第二，僅次于其他中間物質投入；而同期非糧食主產區，農用柴油拉動的重要性在資本、勞動、柴油、中間投入四類中是最小的。因此，就拉動農業總產值增長的重要性而言，農用柴油對糧食主產區的重要性要大于非糧食主產區。2004年起實施的農業支持政策提高了農用柴油對農業總產值的影響作用，全國、糧食主產區和非糧食主產區的農用柴油投入產出彈性值分別比政策實施前增加了0.0303、0.0200和0.0323，達到0.0868、0.1103和0.0565。但是，農用柴油投入產出彈性值的提高在區域上并沒有演變為農用柴油對農業總產值增長的拉動作用，相反全國和糧食主產區的農用柴油貢獻率與政策實施前相比分別從7.87%和19.26%下降到3.84%和3.06%。因此，農用柴油相對增長速度的下降是導致全國或糧食主產區農用柴油貢獻率下降的主要因素。
第3篇：經濟增長的貢獻率范文
關鍵詞：人力資本結構；異質型人力資本；經濟增長
中圖分類號：F061.2 文獻標志碼：A文章編號：1673－291X（2010）35－0013－02
一、問題的提出
人力資本是保持經濟持續增長的重要源泉，這已成為各國政府和學者的共識，并成為各國大力發展教育的重要理論依據。人力資本結構包括內部結構、分布結構等，人力資本內部結構是指構成人力資本總量的各層次或各類人力資本形式的構成比例關系。人力資本投資和積累的主要途徑包括教育、在職培訓、遷移流動等，其中，教育是人力資本的主要組成部分， 勞動者受教育的年限結構無論對社會福利還是對生產的影響都是極端重要的。因此，建立模型分析不同受教育年限的人力資本對經濟增長的貢獻率就非常具有現實意義。
二、模型的建立
我們借鑒C-D生產函數，以我國1990―2005年的經濟發展數據為依托，建立如下經濟增長實證模型，以分析固定資產投資、勞動力、教育所形成的人力資本對經濟增長的貢獻。
y＝A0KαLβH1γ1H2γ2H3γ3
其中：Y代表國民生產總值，K和L分別代表固定資產投資和勞動力人數投入及學校正規教育所形成的人力資本投入，H1、H2、H3分別表示初等、中等、高等教育形成的人力資本。其中，中等教育所形成的人力資本是專用性人力資本，體現在那些具有某種專門技術、工作技巧人才身上，其所擁有的專用性人力資本可以讓企業在市場競爭中具有壟斷或特殊的優勢，擁有遞增的邊際收益，屬于異質型人力資本的范疇。α、β、γ為三個變量的參數，且滿足0
ln(Y) =ln(A0)+αln(K)+βln(L)+ γ1ln(H1)+γ2ln(H2)+γ3ln(H3)(1)
■■＝（γi×■■/■）(i= 1，2，3) (2)
若估計的回歸方程通過顯著性檢驗，則通過（2）式可計算出各年不同人力資本對經濟增長的平均貢獻率。■■、■2、■3分別表示初等、中等和高等教育對經濟增長的平均貢獻率；■■、■■、■3分別為初等、中等、高等教育在校人數1990―2005年年均增長率；y為國內生產總值1990―2005年年均增長率。本文通過SPSS13.0進行計量分析。
三、指標的選取與模型的計量
第一，國民生產總值、固定資產投資：直接采用《中國統計年鑒》上的GDP數據。第二，勞動力人數投入：直接采用《中國勞動統計年鑒》上的就業人口數。第三，教育所形成的人力資本投入：我們將教育形成的人力資本投資分成三個層次，即初等教育、中等教育、高等教育，初等教育包括小學和初中教育，中等教育是以初等教育為基礎的再教育，高等教育是大學以上教育，直接采用《中國統計年鑒》各級學校在校人數。
本文采用中國1990―2005年的數據對所構造模型進行分析，結果如下：
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
小括號內的數值為對應變量的t-檢驗值。通過對模型方程參數的估計和檢驗，結果發現：
第一，模型的R2=0.99說明該回歸方程能夠解釋Y殘差的99.8%，僅有0.2%的殘差由隨機誤差解釋。F=1807.142說明全部變量與Y顯著線性相關。因此，樣本回歸直線對樣本點的擬合優度是很好的。第二，模型中用中小學在校人數來代表初等人力資本投資，系數為正，在5%顯著水平上顯著，并且彈性系數最高。這說明初等教育對我國經濟增長起著較為重要的作用。第三，模型中用高等學校在校人數代表高等教育人力資本投資，在5%顯著水平上不顯著。這反映出高等教育對經濟增長的作用未能顯現。
由方程(2)可以分別計算初等、中等、高等教育對經濟增長的平均貢獻率。 初等、中等、高等教育經濟增長的平均貢獻率分別為-2.777%、1.958%、0.890%，可以看出，中等教育對經濟增長的貢獻率最大，其次是高等教育。
四、結論及建議
通過以上的研究，可以看出不同層次教育對經濟增長的拉動作用明顯是不同的：中等教育對經濟增長的作用較為明顯，高等教育的作用較小。基于這一點提出如下建議。
第一，加強異質型人力資本投資。中等教育對我國經濟增長的貢獻率在三個層次中最大，其屬于異質型人才。因此，政府要加強異質型人力資本投資，一方面要鼓勵居民投資人力資本，另一方面應加強公共教育資助，但要突出中等教育。通過繼續普及和鞏固九年制義務教育，大力發展高中階段教育尤其是高中階段職業教育，不斷減少“初等教育”程度人口比重，提升“中等教育”程度人口比重，以滿足我國產業結構升級和經濟增長方式轉變過程中最終產品生產部門對更高教育程度人力資本的需求。而“高等教育”發展戰略應從以規模擴大求發展向以質量提高求發展轉移，突出創新型人才培養目標，以保證建設創新型國家所需的高素質人力資本。
第二，引入競爭機制。淘汰不能提供高質量服務的教育培訓機構，促使資源向高效的教育培訓機構轉移。同時，要賦予消費者自由選擇權，使消費者有權自主選擇教育培訓機構和學習內容，迫使教育培訓機構轉變觀念，以人為本，以滿足人們對異質型人力資本的需求為己任。還要建立異質型人力資本投資的激勵機制，若異質型人力資本定價存在激勵，將激發人們對異質型人力資本投資的熱情；反之，將限制人們投資的積極性。
第三，通過制度創新提高人力資本的配置效率。我國高等教育對經濟的作用較小，是由于教育對經濟增長的滯后作用，以及高校教學體制轉變與經濟結構的不適應造成的。不同類型人力資本對經濟增長的作用機制不同：“中等教育”既通過技術創新，又通過最終產品生產作用于經濟增長，而“高等教育”則主要通過技術創新促進經濟增長。因此，在人力資本配置中，要注重提升研發部門高等教育程度人口比重，增加最終產品生產部門的中等教育程度人口比重。這樣，既有利于我國自主創新能力的增強和最終產品生產部門生產效率的提高，又有助于實現人力資本的有效配置，緩解我國高素質人力資本尤其是創新型人力資本短缺“瓶頸”，從而保證我國經濟的持續增長。為此，政府要積極培育全國性、開放性人力資本市場，通過戶籍制度改革、打破人才的“部門所有制”等措施，引導人力資本的合理流動，實現“人盡其才”。
參考文獻：
[1] 丁棟虹.從人力資本到異質型人力資本與同質型人力資本[J].理論前沿，2001，（5）：12-14.
[2] 譚永生.教育所形成的人力資本的計量及其對中國經濟增長貢獻的實證研究[J].教育與經濟，2006，（1）：36.
[3] 彭子芫.人力資本投資對新疆經濟增長的影響[J].金融經濟，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：經濟增長的貢獻率范文
[關鍵詞]綠色全要素生產率；經濟增長貢獻率；地區經濟差異
[DOI]1013939/jcnkizgsc201705069
1引言
遼寧省是我國近代民族工業的發源地，自1949年后，建立了名副其實的現代工業基地，成為中國主要的工業與原材料基地。但是進入2014年來，遼寧省14個地級市中有10個城市的實際GDP出現負增長的情況。另外，產業結構方面出現第二產業占比增加，第三產業比重下降，最近幾年遼寧省名義GDP的增長動力不足，其原因在于其增長主要依靠于大量的擴張投入，而并非依賴于新技術、改進設備與科技來增加產量。
地區經濟增長差異的影響因素有很多，新古典增長理論認為要素投入和TFP是地區經濟差異的主要源泉[1]，那么要素投入和TFP哪部分才是導致地區經濟差異的主要源泉，就目前的研究來看爭議頗多。而關于TFP對遼寧省經濟差異貢獻的研究雖然有，但是無一例外地都忽略了經濟發展中能源投入和環境容量的問題，這可能導致TFP的測算出現偏差。
能源是經濟增長的重要源動力，在經濟快速發展的同時，也付出了巨大的代價――環境污染。因此，將能源消費量引入到投入指標中，將工業“三廢”作為非期望產出來重新對地區綠色全要素生產率進行測算，測算值很可能會低于傳統的生產效率測算[2]。由此考慮能源投入和資源環境約束下的遼寧省綠色全要素生產率（記為GTFP）對遼寧省地區經濟差異的影響研究將對遼寧省經濟增長的驅動具有較強的現實指導意義。
2實證研究變量設計
21投入指標
211資本投入
資本存量估算我們采用“永續盤存法”。單豪杰（2008）的數據統計完整且有一定的代表性，他測算了以1952年為基期的1952―2006年期間的全國30個省份及全國總量的資本存量。因此，在后續研究中資本存量數據依據其估算方法推算而來[3]，即資本投入指標采用年均資本存量（億元）表示。
212勞動投入
一般情況下對生產率的測算如果采用年均囊等嗽保ㄍ蛉耍，表示僅僅考慮了資本與勞動的投入要素，在本文中我們還加入了第三個投入要素：能源。這是因為，在計算中加入了非期望產出，而其主要來源是能源[4]。因此在這里可以將能源消費量（萬噸標準煤）作為衡量勞動投入的指標。
22產出指標
221國內生產總值的期望產出
考慮能源要素可以作為投入要素，因此期望產出采用了國內生產總值GDP（億元）表示，又以2005年為基期將其他折算為實際GDP。
222工業“三廢”的非期望產出
在改革開放期間，工業GDP占我國總GDP的401%，但是工業消耗卻占據了全國能源的679%，排放的二氧化碳量高達全國二氧化碳排放總量的831%，[5]由此可見，工業是造成經濟活動中的污染的主要原因，因此我們可以選擇工業“三廢”的排放量作為非期望產出指標。
現有文獻中關于非期望產出指標的選擇問題一直沒有統一標準。筆者將研究時間的起點設為2004年，我們在選擇非期望產出指標時主要考慮工業廢水排放量（萬噸）、工業廢氣排放量（億標立方米）以及工業固體廢棄物排放量（萬噸）三個要素。
3模型的建立
31研究方法
以2004―2013年遼寧省投入產出的面板數據為基礎，測算并比較分析遼寧省地區在考慮環境約束和不考慮環境約束兩種情形下的全要素生產率，根據DDF方向性距離函數和Malmquist-Luenberger生產率指數的特點對遼寧省綠色全要素生產率值進行分解，探尋遼寧省經濟增長效率的改善方向。
32建立模型
321非期望產出的生產可能集
如圖1[2]所示，x軸代表非期望產出，y軸代表期望產出。假設有C、D、E三個生產單位，關于第i個單位，用xi表示投人要素、yi表示期望產出、zi表示非期望產出，生產可能集表示如下，即用第i個生產單位的生產產出表示：p=（xi、yi、-bi）代表xi能生產（yi、bi）。由圖示可以知道，E的期望產出是最大的，過E點且與x軸平行的直線與y軸交于點B。根據生產可能性集的單調性、凸性以及期望產出與非期望產出的“零聯合”處置等假設，此時的生產可能性集為包絡線OCDEF與x軸之間的部分，而包絡線OCDEF即為生產可能性前沿面。
322考慮環境因素的產出集
環境技術可以表示為以下產出集合的形式（Fare等，2007）：
Malmquist-Luenberger生產率指數可以被分解為技術變化變化指數和技術效率變化指數二者的乘積，即：
4實證結果分析――遼寧省TFP的再估算
41遼寧省GTFP的測算
411測算結果
基于2004―2013年遼寧省14個地級市的投入產出數據，分別在有無環境污染影響的條件下，運用Malmquist生產率指數和基于DDF的Malmquist-Luenberger生產率指數對遼寧省生產率進行了測算，測算結果見表1、表2和圖2。表1給出了遼寧省年度全要素生產率的增長率及其分解與貢獻份額的測算結果，而表2報告了近9年來遼寧省14個地級市的綠色全要素生產率的指數情況（即含能源與環境要素的情況下）。圖2報告了兩種情況下的時間趨勢。
412分析測算結果
（1）遼寧省環境的管理缺乏效率。由于遼寧省各個地級市能源消費量這個指標數據的缺失，我們只研究了近9年來的變化趨勢，但是仍然不難發現，在考慮環境污染的條件下，GTFP指數普遍低于TTFP指數。除了2010年GTFP指數高于TTFP以外，另外的8個年份和均值都是TTFP要高于GTFP，這與朱承亮（2014）的研究結論一致，在考慮了環境污染的非期望產出后，TFP的增長率要低于傳統的TFP增長率，由此可看出遼寧省環境的管理缺乏效率。
（2）遼寧省的經濟增長掉入了“中等收入陷阱”。由表1可知，近9年來遼寧省的TFP總體上是負增長的，并且GTFP與TTFP對遼寧省經濟增長的貢獻率都為負，這不僅僅說明了遼寧省經濟增長的方式屬于資本拉動型，也說明了遼寧省的經濟增長掉入了“中等收入陷阱”。這也就是說，自2008年全球金融危機以來，一方面，能源、勞動力、房地產及信貸的成本在急劇上升，同時，另一方面，遼寧省的公司收益卻變得越來越少。這就是被稱為“中等收入陷阱”的典型特征。馬來西亞、巴西等國的不少新興經濟體早在經濟發展之初便陷入了“中等收入陷阱”，不過發現尚早，還有機會扭轉這種不好的局面。同時，該研究結果表明，產能過剩、私營企業及過度建設市場提前進入一種效率低下的狀態，這就使遼寧省經濟發展受到阻礙，拖累了遼寧省的經濟增長。
（3）遼寧省的產業結構不合理導致環境承載能力弱。導致遼寧省GTFP增長率為負的因素有很多，最主要的原因就是遼寧省是老工業基地，其產業結構相對不合理，在工業“三廢”排放非期望產出多，嚴重影響了遼寧省經濟的發展，造成環境績效低下，環境承載能力較弱。對于遼寧省的經濟增長來說，從2008年的經濟危機以來越發依賴政府的直接投資。同時，中國逐漸傾向于使國有工業巨頭合理化來增加經濟增長率，因為它們所依賴的金融市場沒有給中國經濟帶來多少變化。這樣一來，遼寧省的經濟發展就受到了影響。先前對遼寧省的TFP增長率的估計中，夸大了包括GDP增長在內的過往經濟增長率。這就意味著，金融危機過后的時期，遼寧省的實際TFP增長率就變為負值，自1995―2004年TFP增長率從26%的均值下降到了2005―2013年的-553%。這個時期是從1971―1977年以來，生產率第一次連累了遼寧省的經濟增長。
（4）遼寧省經濟增長方式為資本和能源雙驅動的粗放型經濟增長模式。根據圖2遼寧省綠色全要素生產率分解因素的變動趨勢來看的話，將遼寧省GTFP分解為技術進步增長率GTC和技術效率增長率GEC后發現，近9年間技術進步增長率約為03%，而技術效率增長率約為-02%。這說明技術進步對遼寧省綠色全要素生產率起到了促進作用，但是貢獻率很小，而技術效率阻礙了遼寧省綠色全要素生產率的提高。
根據以上核算，可以看出，能源消費與資本均對遼寧省國內生產總值產生影響，第一驅動力是資本，能居于第二位。由此可以看出，目前遼寧省經濟增長為粗放型，即同時依靠于資本與能源的驅動，并且在GTFP是中國經濟增長的重要驅動力之一的這個研究成果，并沒有在遼寧省近9年的經濟增長中應驗。
42遼寧省各地區GTFP增長率與貢獻率的比較
第一，在測算出遼寧省各地級市GTFP增長率和名義GDP增長率的基礎之上，我們還計算出了遼寧省各地級市對遼寧省經濟增長的貢獻率，測算結果見表3。
通過表2和表3的數據對比分析發現，遼寧省各個地區的GTFP增長率每年都有很大的波動，綠色全要素生產率對不同地區的影響差距顯著。GTFP增長率排名前五的是阜新、撫順、鐵嶺、遼陽和本溪，排名后五的分別是朝陽、錦州、丹東、盤錦和營口。GTFP對遼寧省經濟增長的貢獻排名來看，排名前五的是鞍山、撫順、錦州、本溪和葫蘆島，排名后五的城市分別是盤錦、丹東、鐵嶺、沈陽和阜新。但當我們結合環境資源因素，即考慮綠色全要素生產率對經濟增長時，兩者結果出現了不一致性。這種差異性多來源于遼寧省各個城市實際GDP增長率逐年降低。
第二，把遼寧省劃分為遼東半島沿海經濟區、遼寧中部城市群經濟區和遼西沿海經濟區三大區域。其中，遼寧中部城市群經濟區包含沈陽、遼陽、鞍山、鐵嶺、撫順和本溪6個地市。遼東半島沿海經濟區包含丹東、營口和大連3個地市。遼西經濟區包含朝陽、葫蘆島、盤錦、阜新和錦州5個地市。在此基礎上，我們計算出這三個地區對遼寧省經濟增長的貢獻率，計算結果見表4。
從表4中不難看出，遼寧省只有遼寧中部地區的GTFP是保持正向增長的，而其余兩個地區的綠色全要素生產率都是負向增長的。而遼西地區的排名在遼東半島之前，和遼西地區的產業結構以及環境承載能力強有關。以錦州和葫蘆島為例，第三產業在錦州和葫蘆島的產業結構中占據著主導地位，第三產業的興旺，優化了市場結構，促進經濟健康快速發展，工業“三廢”排放等非期望產出較少，創造了較高的環境績效。
5結論與政策建議
關于遼寧省地區經濟增長的差異題，本文在環境資源約束條件下，運用Malmquist-Luenberger生產率指數對遼寧省全要素生產率進行了再估算，得出以下結論：第一，如果忽略環境因素，我們將會高估全要素生產率的經濟增長的貢獻，最終導致我們容易對遼寧省的經濟增長盲目樂觀。第二，目前來看，遼寧省的經濟增長方式仍屬于資本和能源雙驅動的粗放式增長方式，在2004―2013年的考察期內，GTFP呈現出逐漸遞減的趨勢，而GTFP對遼寧省經濟增長的貢獻率在多數年份里為負，因此很難看出GTFP對遼寧省經濟增長的驅動作用。在考察期內對GTFP分解發現，技術進步呈現緩慢的增長態勢，但是技術效率卻逐年降低，技術效率的改善進程緩慢。
提出針對遼寧省經濟改革等方面的建議：第一，要實現粗放型向集約型經濟增長方式的轉變。從總體上看，遼寧各地區都是粗放型的經濟增長方式，主要是依賴增加勞動、資本等生產要素來實現經濟的增長。實現粗放型向集約型經濟增長方式發展，就需要不斷去提高綠色全要素生產率。提升人力資本水平，同時加大創新力度。不斷優化要素配置結構，提升資源配置的效率。擴大對外開放，去吸引外商直接投資。加快產業結構的調整，進而轉變經濟發展方式。第二，提高遼東半島和遼西地區的GTFP增長率迫在眉睫。分區域來看，只有遼寧中部地區的GTFP增長率為正。因此提高遼東半島和遼西地區的GTPF增長率就迫在眉睫。這就要求遼東半島和遼西地區能夠加快生產技術進步的進程，從而進一步促進各類企業的生產效率的提升。經濟活動更加細致地分工合作和更加優化經濟結構，市場在資源配置中能起到更加充分的作用，也能有更高的經濟的整體運行效率。因此為了遼寧經濟可持續發展的實現，為了綠色全要素生產率的提高，就必須全力發展科學研究與教育事業，加強自主研發和自主創新的能力，讓資源通過市場機制向高效利用的產業和行業流通，政府在引進外資企業時，也應限制高排放、高能耗企業的進入。
參考文獻：
[1]Bosworth B，Collins SThe Empirrics of Growth∶An Update[J].Brooking Papers on Economic Activity，2003（2）：113-206
[2]朱承亮中國地區經濟差距的演變軌跡與來源分解[J].數量經濟技術經濟研究，2014（6）
[3]單豪杰中國資本存量的再估算：1952―2006年[J].數量經濟技術研究，2008（10）
[4]張雪基于面板數據的遼寧省能源消費與經濟增長的關系研究[D].沈陽：東北大學，2012
[5]陳詩一節能減排與中國工業的雙A發展[J].經濟研究，2010（3）
[6]胡鞍鋼未來經濟增長取決于全要素生產率的提高[J].政策，2003（1）
[7]涂正革環境、資源與工業增長的協調性[J].經濟研究，2008（2）
[8]陳詩一能源消耗、二氧化碳排放與中國工業的可持續發展[J].經濟研究，2009（4）
第5篇：經濟增長的貢獻率范文
中圖分類號F590文獻標識碼A文章編號1002-2104（2016）04-0073-07doi：10.3969/j.issn.1002-2104.2016.04.010
改革開放以來，旅游業在促進就業，擴大內需，增加外匯收入，優化產業結構和拉動經濟增長方面做出了巨大貢獻。中國地域遼闊，各省市旅游業和經濟發展水平在空間分布上具有一定相關性。然而，由于狹隘的地區經濟觀念、旅游研究理論和模型方法的限制，將空間效應納入旅游業與經濟增長相互作用關系的研究較少。因此，將空間效應考慮其中，運用適合旅游業發展實踐的理論模型和方法，科學、定量地研究不同地區旅游業發展對經濟增長的影響顯得非常迫切。
旅游業對經濟增長影響研究一直是旅游學領域熱點之一。早在19世紀末，國外已經開始了相關研究。二戰后，旅游業經濟地位的提升及其對經濟增長貢獻的增加，更多學者開展并深化了旅游業與經濟發展關系的研究。學者們以不同國家或地區為實證分析對象，對旅游業的經濟影響進行多角度分析[1-3]。Balaguer 和CantavellaJordá首次探討了旅游業與經濟增長相互作用關系[4]，突破了以往只關注旅游業對經濟增長影響的單向研究。陸續有眾多學者對二者間是否存在因果關系及因果關系方向進行研究[5-7]。盡管旅游業與經濟增長關系研究在內容上呈現多元化，但絕大多數計量研究仍采用OLS法估計，忽略研究對象的空間相關性，影響了研究結果的科學性和準確性。對比國外研究，我國旅游業與經濟增長關系研究起步較晚，始于改革開放后，研究內容和方法與國外基本一致[8-10]。近年來逐漸有學者將探索性空間數據分析和空間計量分析方法引入到旅游業的研究中[11-12]，探究旅游業空間集聚性及旅游業發展與經濟發展的空間相關性[13-14]，但鮮有文獻將空間效應納入旅游業發展對經濟增長影響的實證分析中。
綜上可知，大多數文獻將旅游業對經濟增長影響及二者的因果關系作為主要研究對象。在研究尺度上，以一個國家或地區，或多個國家為主，將研究區域視為一個整體，忽略了區域內部經濟差異性的問題。由于地區經濟基礎的不同，旅游業與經濟發展間相互作用關系差異較大。在國內，也有學者分區研究，但基本都選擇“東、中、西”三個區域。近年來經濟的快速發展使“東中西”三個地區經濟體量發生了變化，從精確的角度看，這種劃分不能準確反映區域經濟水平。鑒于此，本文根據各省市2000-2013年實際人均GDP，將中國劃分三個區域，以空間計量為視角，運用面板數據的空間計量模型，對比分析不同經濟水平地區旅游業對經濟增長貢獻的差異性，探究中國旅游業發展對經濟增長影響的區域分異規律，為區域旅游業與經濟增長的協調發展提供參考意見。
1研究方法與數據來源
1.1區域經濟增長模型
新古典增長理論認為，資本、勞動力和技術對經濟增長起著決定作用。借鑒前人研究成果[15-17]，本文運用CobbDouglas 生產函數研究旅游業對經濟增長的影響，其假定條件是在技術水平不變的情況下，研究生產中所投入的各種生產要素與產出之間關系。因此，在區域經濟增長模型中，物質資本投入和勞動力投入至關重要。本文重點考察旅游業對經濟增長的影響，在模型中引入旅游業作為新的生產要素。改進后的CobbDouglas生產函數模型如（1）所示，取對數后得到式（2）。
Y=AKαLβTγ（1）
LnY=LnA+αLnK+βLnL+γLnT（2）
式中：Y表示總產出，A為技術水平系數，代表了除物質資本、勞動投入和旅游業投入之外的其它影響產出的因素，K表示物質資本投入，L表示勞動力資本投入，T為旅游業投入，α、β和γ分別是三種要素的產出彈性。
李秋雨等：中國旅游業對經濟增長貢獻的差異性研究中國人口?資源與環境2016年第4期1.2空間計量模型
Anselin和Griffith指出區域經濟的活動具有空間性[18]，意味著區域經濟發展可能與一定空間范圍內其他區域的經濟發展具有相關性。實證分析中，生產函數模型如果忽略了區域間的空間性，會導致結果的不準確。因此，在分析前進行空間相關性檢驗。文中運用Moran’s I 指數判定區域是否具有空間相關性[13]。如果研究區域具有空間相關性，則運用空間計量模型，否則運用經典線性回歸模型。
空間計量模型主要有空間滯后模型（SLM）和空間誤差模型（SEM）兩種表達形式。SLM用于研究因變量是否對鄰近的區域因變量產生擴散或者溢出效應，表達式見（3）。SEM中誤差項存在空間相關性，度量了鄰接地區關于因變量的誤差沖擊對本地區觀察值的影響程度，表達式見（4）。
y=ρWy+αln+Xβ（3）
y=aIn+Xβ+ε，ε=λWε+μ（4）
式（3）和（4）中：y是n維因變量列向量，ρ為空間自回歸系數，Wy為空間滯后因變量，In為 n×1維向量，X為n×k階外生解釋變量矩陣，ε為隨機誤差向量，μ服從相互獨立且均值為零、方差為σ2的同分布，λ為空間誤差系數。對于SLM和SEM的選擇，可根據拉格朗日乘數LMlag、LMerror 和Robust LMlag、Robust LMerror確定。檢驗中LMlag與Robust LMlag顯著性水平高于LMerror與Robust LMerror，則選擇SLM，反之選擇SEM。
1.3變量選擇及數據來源
本文研究對象為31個省市（后文簡稱為“中國”）及三大區域，時間段為2000-2013年。依據2000-2013年各省市實際人均GDP（Pgdp）的均值劃分為三大區域。遵循Pgdp由大到小的原則排序，Pgdp在20 000元以上的為第一區，包括上海、北京、天津、江蘇、浙江、廣東、遼寧、福建、山東和內蒙古，除內蒙古外，所有省市均分布在東部沿海；Pgdp在10 000-19 999元間為第二區，包括黑龍江、吉林、河北、重慶、湖北、海南、新疆、山西、湖南、河南、陜西、四川、青海、安徽、寧夏、江西和廣西，囊括了我國絕大多數省域，分布在廣大的內陸區域；Pgdp在9 999元以下的為第三區，包括、云南、甘肅和貴州四省區，以西南邊疆地區為主。
模型中：總產出使用各地區的實際人均GDP，通過對各省市名義GDP及其價格指數平減處理得到實際GDP，除以人口數量得到Pgdp。國內旅游和入境旅游同經濟增長的相互作用機理具有差異性，對經濟增長影響自然也會不同。因此，為更準確估計旅游業對經濟增長的影響，文中分別探究（Dtd）和入境旅游（Itd）對經濟增長影響的區域差異性，Dtd和Itd運用國內和入境旅游收入測度。勞動要素的投入量測度選擇每萬人大學生數。物質資本存量的測度采用永續盤存法，具體運算借鑒張軍的研究[19]。文中所用數據來源于《中國統計年鑒》、《中國旅游統計年鑒》和國民經濟與社會發展統計公報。
2實證檢驗與結果分析
2.1經濟增長的空間相關性檢驗
表1列出2000-2013年中國（China）、第一區（First）、第二區（Second）和第三區（Third）經濟增長的Moran’s I 值及顯著性水平。2000-2013年間，中國經濟增長的Moran’s I均為正數，在1%水平下顯著，表明中國經濟增長的空間分布并不是相互獨立的，存在空間集聚性。第一區經濟增長的Moran’s I值在2000-2009年間逐年增長，之后有所下降。從顯著性上看，僅有2003-2009年經濟增長的Moran’s I值通過檢驗，表現為相似值的空間集聚。第二區經濟增長的Moran’s I值持續穩定增加且通過顯著性檢驗，但近年Moran’s I值有所下降，表明第二區經濟增長的空間集聚性在不斷加強后趨于平穩。第三區經濟增長的Moran’s I 值在-0.322--0.104間波動，始終沒有通過顯著性水平檢驗，表明第三區經濟增長具有空間獨立性。綜上可知，僅有中國和第二區始終通過空間相關性檢驗，第一區部分年份通過檢驗，而第三區始終沒有通過檢驗。原因在于中國和第二區包含的省市范圍廣，省市空間鄰近的地域相對較多，更容易形成空間聯系，第一區和第三區包含省市相對較少，省市間空間分布相對較為分散。如，第三區僅包含云南、、貴州和甘肅四省，這些省區經濟相對落后，在空間分布上，僅云南與和貴州兩地相鄰，其他地區均不相鄰。各地區由于距離較遠，經濟相對封閉，使區域間經濟增長的聯系較小。
2.2實證分析
綜合四個研究對象經濟增長的空間相關性，為避免模型誤設，首先運用混合OLS 方法估計，一是為進一步確定實證分析中是否需要運用空間計量模型及選擇哪種空間計量模型，二是為對各種模型估計結果進行對比分析。
2.2.1OLS分析
表2和表3列出了China、First、Second和Third區國內旅游和入境旅游的OLS估計結果。國內旅游對經濟增長影響中，各區域模型ln（Dtd）的系數顯著為正，可見國內旅游促進經濟增長在所有地區均成立。但各地區國內旅游的估計系數差異較大。入境旅游對經濟增長影響中，除第二區入境旅游的估計系數未通過顯著性檢驗外，其他地區的估計系數均顯著為正。模型中ln（K）均顯著為正（除國內二區外）。與預期相符，但ln（L）的估計系數有的顯著為負，有的未通過顯著性水平檢驗，這可能歸因于選擇了不合理的變量，也可能由于模型中忽略了空間因素，使估計結果有偏。
中國、第一區和第二區的國內旅游和入境旅游模型中，均出現LM SAR與RobustLSAR或LM SEM與RobustLSEM在不同水平同時通過顯著性檢驗。因此，在研究中國、第一區和第二區旅游業對經濟增長影響時，應運用空間計量模型。對于SLM和SEM的選擇，根據前文提到的選擇原則，國內旅游業模型中，中國和第一區選擇SLM，第二區選擇SEM；入境旅游業各地區空間計量模型選擇同國內旅游模型選擇一致。出于比較目的，文中同時給出了SLM 和SEM 的估計結果，具體見表2和表3。第三區國內旅游的OLS模型中，LM SAR通過1%顯著性水平檢驗，而RobustLSAR檢驗未通過，入境旅游OLS模型中，LM SEM通過5%顯著性水平檢驗，RobustLSEM未通過。綜合第三區的空間相關性檢驗和拉格朗日統計量檢驗可知，第三區應運用OLS分析。
2.2.2空間計量分析
相較于OLS估計結果，SLM和SEM模型中的檢驗值和變量顯著性水平均有改善，表明空間計量模型的運用更加合理。同樣指標在不同模型中估計系數相差較大，表明選擇合理模型的重要性。
（1）國內旅游。從各地區的空間經濟計量結果看，國內旅游、人力資本和物質資本系數估計都顯著，且系數估計符號符合經濟增長理論。各地區國內旅游的估計系數均顯著為正，表明加入空間相關性后，國內旅游業發展依然對經濟增長產生積極作用，但各地區國內旅游估計系數與OLS對應系數有一定差距，這意味著普通面板的計量分析由于沒有考慮空間效應，有偏的估計了國內旅游業發展對經濟增長的產出彈性，但國內旅游業發展對經濟增長正向促進作用的基本結論比較穩健。China區國內旅游對經濟增長的產出彈性為0.138，小于勞動力和物質資本對經濟增長的貢獻，表明考察期內我國經濟增長主要是由勞動力和物質資本帶動的。從First、Second和Third三個區域國內旅游估計系數大小比較來看，第一區產出彈性最大（0.370），第二區次之（0.260），第三區最小（0.115）。主要歸因于第一區具有良好的經濟基礎，為旅游業發展提供了產業支撐和充足的客源，國內旅游和經濟增長間更容易形成相互促進。這成為本文得出的重要研究結論，即經濟基礎越好的地區，國內旅游對經濟增長貢獻越大。
（2）入境旅游分析。入境旅游模型中各指標估計結果與預期基本一致。中國入境旅游對經濟增長的產出彈性系數為0.076，意味著入境旅游收入每提高1%，將促進經濟增長0.076%。從第一區、第二區和第三區三大區域入境旅游估計系數大小比較來看，第一區最大（0.167），第三區的入境旅游產出彈性位于第二位，估計系數為0.115，第二區最小（0.038）。對比各地區國內旅游對經濟增長的產出彈性系表2國內旅游的估計結果
由于旅游業對經濟增長的影響與區域經濟基礎密切相關，經濟基礎良好的地區，旅游業對經濟增長的貢獻更容易實現。經濟發達的第一區應實施“富鄰”發展政策，充分利用旅游生產要素、資本的空間流動帶來的溢出效應，以及鄰近區域旅游業可以共享客源市場的特性，積極展開區域旅游合作，形成旅游戰略聯盟。打破行政區域障礙，廣泛開展政府、企業間合作，旅游企業間合作及旅游行業協會間合作，帶動周邊地區的發展，實現鄰近區域的共同發展。其他地區尤其是第三區要警惕出現“貧困陷阱”的聚集區。在未來的國家規劃與政策制定中，引領旅游資源、經濟資源等要素在各集聚區內最優化配置和有導向性的政策傾斜，將更多的資金和政策支持傾向相對落后的第二區和第三區。此外，由于旅游業對經濟增長的產出彈性與經濟基礎正相關的特性，警示經濟相對落后的地區，切誤將旅游業作為發展經濟的“救命草”。
參考文獻（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]曾國軍，蔡建東.中國旅游產業對國民經濟的貢獻研究[J].旅游學刊，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，袁鳳英，何瓊峰.基于異質面板模型的我國省際旅游業發展與經濟增長研究[J].經濟地理，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]劉長生，簡玉峰.我國旅游業發展與經濟增長的關系研究：基于不同省份的個體數據和面板數據分析[J].旅游科學，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]任英華，游萬海，徐玲.現代服務業集聚形成機理空間計量分析[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]牛品一，陸玉麒.江蘇省縣域經濟集聚和收斂的空間計量分析[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.旅游發展與經濟增長空間自相關分析：基于武陵山區的經驗數據[J].經濟地理，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]劉佳，趙金金，張廣海.中國旅游產業集聚與旅游經濟增長關系的空間計量分析[J].經濟地理，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，嚴漢平，等.基于隨機前沿生產函數的我國區域旅游產業效率研究[J].旅游學刊， 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]吳玉鳴. 考慮空間效應的中國省域旅游產業彈性估計[J].旅游學刊，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]謝蘭云.中國省域R&D 投入對經濟增長作用途徑的空間計量分析[J].中國軟科學，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：經濟增長的貢獻率范文
【關鍵詞】居民消費 經濟增長貢獻率
一、居民消費對經濟增長測度的計算方法
居民消費對經濟增長的拉動百分比=消費對經濟增長的貢獻率×經濟增長率 （1）
居民消費對經濟增長的貢獻率=消費增長額/GDP增長額
（2）
城鎮居民消費對經濟增長的貢獻率=城鎮居民消費增長額/GDP增長額 （3）
農村居民消費對經濟增長的貢獻率=農村居民消費增長額/GDP增長額 （4）
二、居民消費對我國經濟增長貢獻率分析
根據公式（1）（2）（3）（4）分別計算出居民消費對經濟增長的拉動百分比居民消費對經濟增長的貢獻率、城鎮居民消費對經濟增長的貢獻率、農村居民消費對經濟增長的貢獻率，計算結果如下：
2001-2010年GDP增長率分別為9.72%、9.00%、12.17%、17.02%、14.99%、16.32%、22.24%、17.55%、8.01%、17.12%。
2001-2010年城鎮居民消費率分別為54.97 %、53.87 %、53.76%、59.53 %、53.65 %、57.32%、53.26 %、60.36%、74.00%、30.02%。
2001-2010年農村居民消費率分別為14.27%、11.98%、3.58%、12.04%、14.06%、12.48%、11.58%、14.18%、11.89%、9.90%。
2001-2010年城鎮居民消費率分別為40.71%、41.88%、50.17%、47.49%、39.59% 、44.84%、41.67%、46.17%、62.11%、20.12%。
2001-2010年居民消費對經濟增長的拉動百分比5.34%、4.85%、6.54%、10.13%、8.04%、9.35%、11.85%、10.59%、5.93%、5.14%。
由計算結果可以看出，2000-2010年居民消費對經濟增長的拉動作用整體呈上升趨勢，居民消費（城鎮和農村）都在逐漸下降，居民消費對經濟增長的貢獻低于GDP的增長。就長期來看我國居民總消費對經濟增長的作用雖然一直不斷增強，但是消費貢獻率偏低，不利于國民經濟持續健康發展。雖然我國的最終消費率偏低，但是在經濟增長的三大需求中，消費需求始終占據主導地主，是拉動經濟增長的份額最大的需求。
從消費率的國際比較來看，我國2000-2010年的平均居民消費率為55.07%，世界低收入國家為80%，中等收入國家為71.9%，顯然，我國目前消費率不僅大大低于世界平均水平，而且明顯低于發展中國家的平均水平。2000–2010年居民消費對GDP增長的貢獻率平均為55.07%，其中，城鎮居民消費的貢獻率為43.47%，占居民消費對GDP貢獻率的78.94%，農村居民消費對GDP增長的貢獻率平均為11.60%，占居民消費對GDP貢獻率的21.06%，這10年間城鎮居民消費對GDP貢獻率都高于農村居民消費貢獻率，即城鎮居民消費對經濟增長的拉動作用要高于農村居民，同時農村消費對經濟增長的拉動作用在逐步提高，這說明近年來國家采取一系列刺激農村消費的政策在一定程度上刺激了農村消費的快速增長。
消費需求不僅是經濟增長的主導力量，以上數據顯示，目前我國消費需求的波動總是小于GDP的波動，從長期來看，消費支出和國內生產總值的增長率波動應該大致相同，我國目前消費相對平緩在很大程度上阻礙了我國經濟增長，沒有充分發揮貢獻作用。
三、拓寬國內消費需求對策
（一）采取有效的收入分配調節措施，抑制收入分配差距的擴大，提高整體消費傾向
根據我國當前收入分配中的問題，可以從以下幾個方面采取措施，第一：逐步打破壟斷，盡可能讓各行業公平競爭，并加強對壟斷行業收入分配的調節力度。第二：強化稅收對個人收入分配的調控功能，逐步確立以個人所得稅為主體，以其他稅種為補充的個人收入稅收調控體系。第三：通過稅收和轉移支付手段，扶持和鼓勵再就業，從而增加低收入者的收入水平。
（二）加快發展更加開放、流動性高的勞動力市場
數據標明，農村居民收入中越來愈多的本分來自于工字形收入，農業收入占比呈不斷下降的趨勢。從其他國家的經驗來看，提高最有效的方法之一就是加快發展更加開放的、流動性高的勞動力市場，通過勞動力的自由流動來平抑區域之間的工資率差異。
（三）優惠財政支出結構
國家財政用于行政管理的支出過多，而在教育、社會保障等方面的支出過少，導致在很多年份擠出了居民消費，因而在財政政策方面，應關注以下二個方面。（1）調整優惠財政支出結構，加強資金保障，向明顯偏低的農業支出、公共衛生服務、基礎教育、社會保障等項目傾斜。（2）加稅收征管，嚴格控制減免稅，嚴厲打擊各種偷騙稅等違法活動，同時嚴格控制行政經費支出，避免行政管理支出上漲過快的局面。
（四）中長期優惠消費結構體系
增加居民收入是消費穩定增長的關鍵。只有居民收入穩定，才能從根本上增加消費，確保居民消費事實上成為拉動經濟增長的主導力量。深化改革是消費穩定增長的必要條件，形成一種正常的消費實現機制，減少消費環境不好對消費的制約。對城市和農村實行不同的消費政策，消費方式多樣化。大力擴展信貸消費、網絡信息消費、租賃消費等方式，改變傳統消費觀念，促進消費便利化。
參考文獻
第7篇：經濟增長的貢獻率范文
現代物流是經濟發展的加速器。現代物流業具有帶動產業優化升級，促進經濟結構調整的重要作用，成為推動經濟增長的重要力量。近年來，我國經濟實現了持續的快速增長，但我國的經濟發展一直存在著產業結構不合理的問題。由于粗放型經濟增長使產業結構失衡狀態進一步加深，形成對經濟發展的障礙。“十二五”時期，我國經濟發展面臨的主要問題就是轉變經濟增長方式，形成新的經濟增長點。物流產業如何發揮其轉變我國經濟增長方式，促進經濟增長的重要作用，具有重要的現實意義。
本文首先通過相關性分析來驗證物流產業對經濟增長的帶動作用，接著運用經濟增長模型，從不同時期和不同地區兩個層面定量測算物流產業對我國經濟增長的貢獻程度，從而對現階段我國物流產業在經濟增長中的帶動作用做出客觀評價，為發展我國物流產業，帶動經濟增長，提供科學認識和決策參考。
二、文獻回顧
關于現代物流與經濟增長關系的研究，近年來受到學者的廣泛青睞。李全喜、金鳳花等(2010)基于2003-2008年中國31個省市的面板數據，利用典型相關分析法，對區域物流能力與區域經濟發展關系進行了實證分析，結果表明區域物流能力與區域經濟發展高度相關。鞠頌東等(2003)對我國西部物流與西部區域經濟發展的關聯度進行研究，并分析了影響西部物流乃至通過物流影響經濟發展的因素。王會宗(2011)、劉秉鐮、趙金濤(2005)，劉生龍、胡鞍鋼(2010)分析了交通基礎設施對中國區域經濟增長的影響，結果表明交通基礎設施對中國的經濟增長有著顯著的正向促進作用。其他還有劉南、李燕(2007)，李績才、吳堅(2011)，李松慶(2010)等學者的研究，得出區域物流與區域經濟正向相關的結論。物流業對經濟增長的作用機理體現在：(1)現代物流的發展促進了社會分工的深化(谷永芬、何記東，2003)。(2)隨著物流外包的發展和物流聯盟的出現，產業關聯極高的制造業與物流業實現聯動發展，使制造企業提高了核心競爭力，降低交易成本(吳群，2011)。(3)現代物流的發展能夠促進第三產業優化升級，帶動第一、第二產業發展，促進產業結構的調整(孫浩杰、吳群琪、汪蘊慧、2011)。(4)區域物流的發展有利于地區資源的合理配置，優化生產力布局，使區域間合理分工和協作，充分利用各地區的資源優勢，提升區域經濟競爭力(邵揚，2009)。
分析現代物流對經濟增長促進程度的文獻也不少，張煒熙、胡玉瑩(2010)對1995-2007年京津冀和長三角地區的物流產業與區域經濟進行回歸分析，得出京津冀地區貨運量每增加一個百分點，GDP相應上漲2.57個百分點，高出長三角地區0.58個百分點。朱文濤(2011)采用邊際分析和彈性分析法測定出江蘇省物流業每增長1%，GDP將增長1.87%。徐茜、黃祖慶(2011)通過彈性分析測算了1978-2008年浙江省物流對區域經濟的推動作用。
以往文獻對物流產業對經濟發展的貢獻的研究成果為本文提供了參考，但以往文獻主要從某一地區的角度考察物流產業對經濟增長的貢獻，從不同時期和不同地區的角度考察物流業對經濟發展影響程度的研究較少。鑒于此，本文基于不同時期和不同地區比較分析的視角，探究1995-2009年現代物流對經濟增長的貢獻程度，對我國物流產業對經濟增長的帶動作用進行科學評價。
三、研究方法、變量和數據
(一)研究方法
本文運用相關性分析和經濟增長模型，從我國物流產業總體以及省級區域物流產業發展這兩個角度，分析物流業在不同時期和不同地區對我國經濟增長的影響。首先，對物流產業與經濟發展進行相關性分析，目的是驗證物流業對經濟發展是否有影響。然后，利用貢獻率計算模型，測算物流業發展對經濟增長的貢獻程度。
(二)變量和數據說明
研究物流與經濟發展的關系，一般選取國內生產總值(GDP)作為衡量經濟增長的指標。而衡量物流發展發展水平的指標，不同學者選擇的指標沒有統一的標準，已有研究大多以貨運量、貨物周轉量、物流業產值、物流業增加值等某一指標來描述物流業發展水平。本文用物流業增加值來衡量物流業發展水平，鑒于我國物流業目前還處于初級階段，物流業務主要以運輸和倉儲為主，因此本文用交通運輸、倉儲和郵政業增加值來近似代替物流業增加值。
長三角和珠三角地區是我國經濟較為發達的區域，物流產業發展基礎良好。因此，本文所使用的樣本為全國以及上海市、浙江省、廣東省三個省級區域，其中，上海和浙江屬于長三角地區，廣東屬于珠三角地區。數據范圍為1995-2009年的年度數據，數據來源于《中國統計年鑒》(2010年)、《上海統計年鑒》(2003-2010年)、《浙江統計年鑒》(2010年)以及《廣東統計年鑒》(2010年)。為了使計算結果具有可比性，將GDP、物流業增加值，分別利用當年當地的GDP指數、物流業增加值指數對原始數據進行處理，將其價格因素予以剔除，全部轉化為1995年不變價格進行分析。
四、物流產業發展與經濟增長的相關性分析
(一)我國物流產業總體規模與經濟增長的相關性
根據《中國統計年鑒》(2010年)的數據，按1995年不變價計算出我國GDP與物流業增加值(見表1)數據顯示GDP與物流業增加值總體變動方向相同。
為分析我國物流業對經濟增長是否具有促進作用，下面進行相關性分析。以GDP作為被解釋變量，以物流業增加值作為解釋變量，利用SPSS統計軟件對1995-2009年我國GDP與物流業增加值數據計算相關系數(見表2)，兩個變量的相關系數為0.995，可見，我國物流產業總體規模與經濟增長之間存在很強的相關性，物流產業對經濟增長起著促進作用。
為了說明物流業發展對經濟增長的顯著影響，進一步進行回歸分析。以GDP為因變量，設為Y，物流業增加值為自變量，設為X，α、β為回歸系數，μ為隨機誤差項。根據樣本值可以發現樣本成線性變化，所以建立線性回歸方程Y=α+βX+μ。根據表1數據，利用SPSS軟件進行回歸分析得到方程，見式(1)：
對回歸方程進行檢驗，調整后=0.989，與1極為接近，表明方程解釋能力強。回歸系數β的顯著性檢驗sig.=0.000＜0.01，通過t檢驗。回歸方程經過檢驗，F=1295.159，P=0.000＜0.01，方程通過F檢驗，回歸方程顯著有效。就全國而言，物流業增加值每增加1億元，GDP相應地增加19.211億元。表明我國物流業對經濟的增長具有積極的促進作用。因此， 要大力發展物流業，促進國民經濟又快又好發展。
(二)不同地區物流產業發展與經濟增長相關性的比較
在物流產業帶動我國經濟增長的過程中，各地區物流業發展水平有所差異，對經濟的帶動作用是不同的。在物流產業帶動我國經濟增長的過程中，各地區物流業發展水平有所差異，對經濟的帶動作用是不同的。下面以上海、浙江、廣東為研究對象，分析不同地區物流對經濟增長的影響。按1995年不變價計算出兩省一市GDP與物流業增加值，見表3。
對兩省一市的GDP與物流業增加值分別做相關性分析，根據表3數據，運用SPSS軟件計算各地GDP與物流業增加值的相關系數，結果如表4(見下頁)所示，上海、浙江、廣東的GDP與物流業增加值的相關系數分別為0.970、0.999和0.998，T統計量的顯著概率均小于0.01，說明在0.01的顯著性水平上，拒絕零假設，即三個地區的物流業與GDP之間存在著顯著的正相關關系。
為了考察物流業對三個地區經濟發展的作用是否顯著，下面進行線性回歸分析，結果見表5，三個方程的回歸系數通過T檢驗顯著有效。通過F檢驗，回歸方程顯著有效。上海、浙江和廣東物流業增加值每增加1億元，將分別帶動GDP增加19.808億元、17.677億元、17.747億元，表明不同省份物流業對經濟的帶動作用有所差異。
五、物流產業發展速度對經濟增長的貢獻度測算
(一)測算模型
下面運用經濟增長理論，從我國物流產業總體和不同地區物流產業發展兩方面，分析物流業對經濟增長的貢獻率。主要指標包括：物流產業對經濟增長的貢獻率、物流產業增加值對GDP的貢獻率，以及物流產業對GDP年增長率的貢獻。各指標計算公式如下：
(二)物流產業對我國GDP增長的貢獻分析
根據表1數據，利用貢獻率模型，得到我國物流產業總體發展速度對經濟增長的貢獻率，見表6，我國物流產業對經濟增長的貢獻率年均在5.45%左右，但每年的具體數值差異較大；物流產業增加值對GDP的貢獻率年均為5.54%，每年的數值較為平穩，都在5%到6%之間；物流產業對GDP年增長率的貢獻年均為0.52%。
(三)不同地區物流產業對GDP增長貢獻的比較分析
按照上述方法，分別計算出上海、浙江、廣東物流產業增加值增長對經濟增長的貢獻，見表7。利用表6、表7的數據，繪制各指標的變動趨勢圖(見第14頁圖1、圖2、圖3)，對上海、浙江、廣東等地區物流產業對經濟增長的貢獻率、對GDP的貢獻率以及對GDP年增長率的貢獻的走勢進行了比較。
1.物流產業對經濟增長貢獻率的比較。由表7可知，1995-2009年間，物流產業對經濟增長的年平均貢獻率從大到小排序依次為：廣東5.62%、浙江5.54%、上海4.65%。廣東和浙江的物流產業對經濟增長的貢獻率高于全國總體水平的5.45%，而上海這一數字則低于全國總體水平。從四條曲線的整體變動趨勢看(見圖1)，代表浙江省物流產業對經濟增長貢獻率的曲線波動較小，廣東和上海的曲線波動相對較大，說明浙江省物流業對經濟增長的貢獻較為平穩。從四條曲線的整體變動趨勢看，物流對經濟增長的貢獻呈現一定的周期性。2005-2009年間，四條曲線變化趨勢基本同步，總體呈現下降趨勢，說明近5年我國物流對經濟增長的貢獻率降低，表明我國物流業應進行產業調整和轉型升級，轉變增長方式，以促進經濟增長。
圖1 物流產業對經濟增長的貢獻率
2.物流產業增加值對GDP貢獻率的比較。由表7可知，各地區物流業增加值對GDP的貢獻率從大到小依次為：廣東6.50%，上海6.19%，浙江5.59%。三個地區物流業增加值對GDP的貢獻率均高于同期全國總體水平的5.54%。從物流業對GDP貢獻率的趨勢圖上看(見圖2)，四條曲線變化趨勢基本同步，2003-2009年間，上海、浙江、廣東三條曲線之間的差距有逐漸減小的趨勢，說明這三個地區物流業對GDP的貢獻率逐漸拉近。
圖2 物流產業增加值對GDP的貢獻率
圖3 物流產業對GDP年增長率的貢獻
3.物流產業對GDP年增長率貢獻的比較。從物流業對GDP年增長率貢獻的趨勢圖看(見圖3)，物流對GDP年增長率貢獻的四條曲線波動都較大，說明我國物流業對GDP增長率的貢獻還不穩定。從具體數值上來看，物流業對GDP年增長率的貢獻從大到小依次為：廣東0.69%，浙江0.67%，上海0.57%，都高于全國總體水平的0.52%。但是，無論從全國總體水平還是從省級區域來看，物流業對GDP年增長率的貢獻程度都小于1%，表明我國物流業發展尚處于初級階段，物流產業對GDP增長率的貢獻還比較低，但伴隨著我國物流產業調整和產業轉型升級，其發展潛力巨大。
六、結語
從以上分析結果來看，可以得到以下幾點結論：
第一，我國物流產業的發展對經濟增長具有積極的帶動作用。就全國而言，物流業增加值每增加1億元，可以使GDP增加19.211億元。省級區域層面的分析得出相似結論，但不同地區物流業對經濟的帶動作用的程度有所差異。現代物流在促進國民經濟增長、轉變經濟增長方式等方面起著重要的作用。因此大力發展物流業是推動我國經濟增長的迫切需要。這也和2009年國務院頒發的《物流業調整和振興規劃》(國發8號)提出的現代物流業發展戰略相符合，以此依托物流產業全面發展，來推動國家經濟發展。
第二，從物流業對經濟增長的貢獻來看，我國物流業對經濟增長的貢獻還比較低。近年來，雖然我國物流產業發展速度快，但當前物流產業仍然面臨部門分割、地區分割的管理體制約束，專業化物流服務需求不足、物流人才供給不足、專業化物流服務供給約束等眾多制約因素(劉秉鐮，余泳澤，2010)，無論在產業規模、技術水平、物流信息化和標準化等方面和發達國家相比，都處于相對落后的狀況，對國民經濟增長的貢獻率不是很大。從具體數值來看，就全國整體而言，1995-2009年，我國物流產業對經濟增長的貢獻率年均在5.45%左右，遠低于國外發達國家的10%以上。由此可見，我國物流業的總體水平仍然偏低。所以，加大物流基礎設施建設的投入力度，合理布局物流產業，防止地區條塊分割，促使物流業由粗放型投資向集約型投資轉變；提升物流技術投入和應用效率；提高物流信息化和標準化水平，是促進物流業平穩發展和產業轉型升級的需要，對于促進我國產業結構調整、帶動國民經濟發展具有重要意義。
第8篇：經濟增長的貢獻率范文
數據顯示，當月中國經濟指數與中國經濟增長率之間呈現同步變化，二者之間的彈性系數為22.7941。其中，中國經濟指數為0.7056，環比下降0.0093個指數點，下降1.3009%；同期，中國經濟增長率為7.6022%，環比下降0.0408個百分點，下降0.5338%（見圖1）。數據表明，中國經濟指數繼續下降同時，中國經濟增長繼續下滑，并且中國經濟指數下降幅度大于經濟增長下降幅度，中國經濟不容樂觀。
2013年6月《中國經濟雷達月報》數據顯示（見圖2），當月美國經濟增長率從上月1.8356%下降到1.8011%，下降0.0345個百分點，略有下降；歐元區經濟增長率從上月的-0.9178%變為-1.1044%，下降0.1866個百分點，下滑明顯；同期，世界經濟增長率從上月1.9295%上升到1.9581%，上升0.0286個百分點，包括加拿大、英國。
數據顯示，當月中國經濟增長結構中，投資占GDP比重為63.8731%，相比上月的62.2068%環比上升1.6663個百分點。扣除20%的合理投資比例部分，當月中國經濟增長中有43.8731%是通過超量投資和GDP轉換實現的，中國經濟實際增長率是4.2840%，比上月4.4171%下降0.1331個百分點，投資泡沫持續上升。
在經濟增長方面，當月中國經濟增長指數為0.7632，比中國經濟指數0.7056高出0.0576個指數點，表明目前中國經濟增長缺乏中國經濟總體的支撐（見表）。
在國內市場方面，當月中國價格增長率從上月的2.3046%下降到2.1523%，環比下降0.1523個百分點，表明國內市場出現緊縮。
在生產供給方面，當月中國農業增長率3.3621%，環比下降0.0095個百分點；工業增長率為7.7131%，環比下降0.0199個百分點；服務產業增長率為8.2075%，環比下降0.0208個百分點，農業、工業和服務產業增長率下降，導致中國經濟增長率下降。
在消費需求方面，當月中國社會商品零售額增長率12.7349%，環比上升0.0782個百分點；固定資產投資增長率20.2286%，環比下降0.3030個百分點；出口增長率為8.1576%，環比下降6.2360個百分點；進口增長率為9.3514%，環比上升0.6104個百分點，消費需求兩升兩降。
在貨幣政策方面，當月人民幣利率保持不變；貨幣增長率僅為15.7035%，環比下降0.1697個百分點，遠遠低于18%的正常水平，一定程度上削弱了中國經濟增長。
在財政政策方面，當月財政支出增長率為13.0682%，環比上升0.6261個百分點。盡管財政支出增長率繼續上升，但是水平偏低，擴張作用有限。
在稅收政策方面，當月財政收入增長率為6.0669%，環比下降0.7668個百分點。經濟增長下滑減少了財政收入，財政收入增長率下降意味著中國財政政策能力減弱。
數據顯示，農業、工業和服務產業出現不同變化。
當月中國農業增長率3.3621%，環比下降0.0095個百分點，農業對中國經濟增長的貢獻率為7.3885%，環比上升0.5118個百分點；貢獻度為0.5617個百分點，環比上升0.0361個百分點，農業貢獻率、貢獻度雙雙上升。
當月中國工業增長率為7.7131%，環比下降0.0199個百分點，工業對中國經濟增長的貢獻率為48.9103%，環比下降1.1005個百分點；貢獻度為 3.7183個百分點，環比下降0.1040個百分點，工業貢獻率、貢獻度雙雙下降。
當月中國服務產業增長率為8.2075%，環比下降0.0208個百分點，服務產業對中國經濟增長的貢獻率為43.7012%，環比上升0.5887個百分點；貢獻度為3.3223個百分點，環比上升0.0272個百分點，服務產業貢獻率、貢獻度雙雙上升（見圖3）。
總的分析，6月份中國農業、工業和服務產業增長普遍下滑，中國經濟指數和中國經濟增長同步下滑。其中，農業增長率上升，農業比重和貢獻雙雙上升，工業貢獻率、貢獻度雙雙下降，服務產業比重和貢獻度雙雙上升，工業經濟在下滑中衰退，農業和服務產業在衰退中比重上升。
消費是經濟增長的最終目的。當月中國消費增長率12.7349%，環比上升0.0782個百分點，消費對經濟增長貢獻率為33.9807%，環比下降1.7870個百分點，貢獻度為6.1948個百分點，環比下降0.5053個百分點，消費貢獻率、貢獻度雙降（見圖4）。
第9篇：經濟增長的貢獻率范文
世界經濟是中國經濟增長的基本環境和外部條件。目前，在71.3萬億美元全球經濟總量中，美國經濟總量15.7萬億元美元，占到世界經濟總量的22.0%；歐元區經濟總量12.1萬億美元，占世界經濟總量的16.9%，兩者合計占世界經濟總量的38.9%。數據表明，美國作為世界經濟第一大經濟體，仍然是世界經濟增長的火車頭，歐元區作為世界第二大經濟體對世界經濟也有重要影響，兩大經濟體通過世界經濟間接影響中國經濟。
2013年12月《中國經濟雷達月報》數據顯示（見圖2），當月美國經濟增長率從上月1.6179%下降到1.6095%，下降0.0084個百分點；歐元區經濟增長率則從上月的-0.5045%變為-0.4013%，上升0.1032個百分點，降速放緩。同期，世界經濟增長率從上月2.2881%上升到2.3351%，上升0.0470個百分點，盡管美國經濟有所下滑，世界經濟增長繼續上升。
在生產供給方面，當月中國農業增長率3.3926%，環比上升0.0056個百分點；工業增長率為7.7830%，環比上升0.0128個百分點；服務產業增長率為8.3817%，環比上升0.0138個百分點，農業、工業、服務產業全部上升，中國經濟增長因此同步上升。
在消費需求方面，當月中國社會商品零售額增長率13.5695%，環比上升0.3910個百分點；固定資產投資增長率19.9239%，環比下降0.0176個百分點；出口增長率為6.9364%，環比上升3.2625個百分點；進口增長率為6.6574%，環比下降0.6812個百分點，消費、出口出現上升，投資、進口出現下降，中國經濟增長動力有升有降。
在貨幣政策方面，當月人民幣利率保持不變。貨幣增長率為14.2054%，環比上升0.0613個百分點，遠遠低于18%的正常水平，貨幣政策動力遠遠不足。
在財政政策方面，當月中國財政支出增長率為12.4035%，環比下降1.4525個百分點，財政政策遠未達到經濟穩定或持續增長的政策力度。
在稅收政策方面，當月中國財政收入增長率為15.3983%，環比上升1.9277個百分點，財政收入與經濟增長同步。
當月中國農業增長率3.3926%，環比上升0.0056個百分點，農業對中國經濟增長的貢獻率為9.6901%，環比上升0.4168個百分點；農業對中國經濟增長的貢獻度為0.7376個百分點，環比上升0.0321個百分點，農業貢獻率、貢獻度雙雙上升。
當月中國工業增長率為7.7830%，環比上升0.0128個百分點，工業對中國經濟增長的貢獻率為45.3868%，環比下降1.9999個百分點；工業對中國經濟增長的貢獻度為3.4547個百分點，環比下降0.1504個百分點，工業貢獻率、貢獻度雙雙下降。
