106 管理评论第31卷严重衰退境遇[4]。我国学者赵玉林和汪芳实证分析了高技术产业对传统产业的影响效应,验证了高技术产业发展对于国民经济推动作用较大[5]。其次,高技术产业在促进经济增长,调节经济结构方面发挥重要的作用。不少学者在相关方面也开展了研究探索。创新是体现产业竞争优势的重要因素[6],Mehmet研究指出,技术进步和创新对于经济增长具有显著影响作用[7]。 Choi探究了美国高技术产业与经济发展的关系,研究得出高技术产业发展可以促进经济增长,且经济增长幅度呈现扩大趋势[2]。陈新国等分析了我国高技术产业与经济增长的关系,得出我国高技术产业与经济增长呈现着正向的、长期稳定的均衡关系,且具有当期非均衡误差的修正能力[8]。关欣等研究得出,高技术产业作为经济发展的先导产业可以促进经济需求结构的调整,推动我国经济发展方式向“消费驱动”、“内需主导”转变[9]。李伟华和周立群分析发现,高技术产业可以促进优化产业结构,帮助实现高质量的产业就业,与经济增长具有显著关联性[10]。与上述学者们研究观点不同,张桢实证发现,我国高技术产业的发展并没有直接带动金融,没能有效促进我国整体产业结构升级[11]。可见,学术观点方面具有一定的争议,也为继续深入探索提供了空间。再次,高技术产业发展可以拉动区域经济,提升区域竞争力。不少学者也在该方面展开了研究。 Ray-mond和Pradeep研究认为,高技术产业所形成的技术创新是推动区域经济增长的不竭动力[12]。 Alexander和Yury研究得出,高技术产业与区域的其他产业一起构成了区域经济竞争力系统,并且高技术产业发展将会影响和带动整个区域经济竞争力系统[13]。 Lentz和Mortensen[14],Temiz和Gkmen[15]研究关注FDI和R② ∗ ∗ ∗表示1水平上显著;③ Δ2表示代表二阶差分。2、VAR模型建构及协整检验1VAR模型建构VAR模型建构,首先需要明确滞后期。本文采用AIC,SC等五项测度指标来确定模型的最优滞后期。各项准则的检验结果如表3所示,依据结果,模型最优滞后期确定为2。表3 模型滞后期的选取滞后期LogL LR FPE AIC SC HQ1 24. 76469 NA 7. 92e-05 -3. 775398 -3. 630709 -3. 8666042 31. 65011 8. 763267 4. 99e-05∗ -4. 300020∗ -4. 010642∗ -4. 482433∗3 33. 37738 1. 570244 9. 17e-05 -3. 886796 -3. 452729 -4. 160415高技术产业总产值LnHTI和第三产业贡献率LnTIC两组数据选择滞后期为2,建构VAR2模型,其模型表达式为LnHTItLnTICt 1. 0008100. 2678211. 0899110. 121471 LnHTIt-1LnTICt-1 - 0. 4523420. 568947- 0. 6468400. 061726 LnHTIt-2LnTICt-2 2协整检验本文协整检验选用了Johansen验证方法。在数据平稳性检验时,已经求得两组时间序列为平稳的二阶单整序列,满足进行协整检验数据变量要求同阶单整的条件。本文选择协整方程没有截距项和趋势项。协整检验的结果如表4所示。结果中,迹检验统计量、最大特征根检验统计量都显示了在5显著性水平下,建构的VAR模型存在一个协整关系,两个变量存在着某种长期稳定的作用关系。表4 协整检验结果零假设H0特征根迹检验最大特征根检验TraceStatistic0. 05CriticalValue Prob.∗ ∗ Max-EigenStatistic0. 05CriticalValue Prob.∗ ∗None ∗ 0. 649517 12. 76155 12. 32090 0. 0422 12. 58131 11. 22480 0. 0287At most 1∗ 0. 014908 0. 180240 4. 129906 0. 7250 0. 180240 4. 129906 0. 7250根据上述结果,得出了协整关系的表达式为Vecm LnHTI - 1. 848∗ LnTIC 1协整关系表达式说明了LnHTI和LnTIC两个时间序列之间存在着长期均衡关系。表达式中的协整参数向量为β1,-1. 848,说明高技术产业总产值LnHTI与第三产业贡献率LnTIC两组数据的比例关系为1-1. 848。也就是说,两者间的长期均衡关系可以被表述为,第三产业贡献率LnTIC变动1,高技术产业总产值LnHTI则会同方向调整1. 848。此后,本文应用AR根的图表进一步开展变量关系的验证,显示所有单位根两个实根和两个复根在单位圆内部,说明建构的模型是稳定的,也说明了确实存在协整关系。3、格兰杰因果检验数据变量之间存在的均衡关系是否为因果关系,仍需要进一步检验。本文应用格兰杰因果关系检验方法对于变量进行因果关系验证。即,分析高技术产业总产值LnHTI与第三产业贡献率LnTIC两组数据之间的均衡状态是否存在因果性。格兰杰因果关系的检验结果如表5所示。第9期邵长安,等北京市高技术产业与区域经济发展的关系研究109 表5 Granger检验原假设F统计量伴随概率滞后期结论LNTIC does not Granger Cause LNHTI 0. 74689 0. 40771 1接受LNHTI does not Granger Cause LNTIC 10. 8630 0. 00807 1拒绝LnHTI与LnTIC两组数据之间存在单向Granger因果关系。短期滞后1期时,LnTIC不是LnHTI的格兰杰原因的概率是0. 40771,大于置信度0. 05,表明LnTIC不是LnHTI的格兰杰原因。 LnHTI不是LnTIC的格兰杰原因的概率是0. 00807,小于置信度0. 05,因此LnHTI是LnTIC的格兰杰原因。结果表明,高技术产业总产值LnHTI是影响第三产业贡献率LnTIC的变动的原因,高技术产业总产值的提升可以促进第三产业贡献率的提高。4、误差修正模型本文为了测度变量之间是否存在短期变动关系,又建构了误差修正模型VEC。 VEC模型是含有协整约束的VAR模型[26]。在误差修正模型中,解释变量的差分情况反映的是变量对于LnHTI和LnTIC短期波动的动态影响。 VEC模型的估计结果如表6所示。表6 VEC模型的估计结果Cointegrating Eq CointEq1LNHTI-1 1. 000000LNTIC-1 -0. 0160350. 88012[-0. 01822]C -7. 898570Error Correction DLNHTI DLNTICCointEq1 -0. 458372 0. 1518360. 13263 0. 17976[-3. 45607] [ 0. 84466]DLNHTI-1 -0. 017351 0. 9398160. 21835 0. 29594[-0. 07947] [ 3. 17569]DLNTIC-1 -0. 127439 -0. 4375510. 16317 0. 22115[-0. 78104] [-1. 97852]C 0. 063605 -0. 0323690. 02791 0. 03783[ 2. 27860] [-0. 85556]R-squared 0. 650455 0. 627465Adj. R-squared 0. 519376 0. 487764Sum sq. resids 0. 051908 0. 095357S.E. equation 0. 080552 0. 109177F-statistic 4. 962299 4. 491499Log likelihood 15. 63183 11. 98294Akaike AIC -1. 938638 -1. 330490Schwarz SC -1. 777002 -1. 168855Mean dependent 0. 059258 0. 022107S.D. dependent 0. 116191 0. 152544得出协整方程为LnHTIt-1 0. 016035∗ LnTICt-1 7. 89857 1得出VEC模型为110 管理评论第31卷表7 变量的脉冲响应结果表期LNHTI的响应 LNTIC的响应LNHTI LNTIC LNHTI LNTIC1 0. 102632 0. 000000 0. 010888 0. 0854010. 02095 0. 00000 0. 02475 0. 017432 0. 105631 0. 022872 0. 113182 0. 0103740. 03621 0. 02659 0. 03328 0. 022063 0. 095799 0. 074257 0. 063162 0. 0314600. 04699 0. 03827 0. 03952 0. 034864 0. 129406 0. 078299 0. 050745 0. 0706010. 04900 0. 04439 0. 03824 0. 035615 0. 135703 0. 081581 0. 089137 0. 0478250. 05993 0. 05806 0. 03836 0. 037586 0. 130021 0. 099205 0. 078160 0. 0484360. 06763 0. 06788 0. 04445 0. 045027 0. 140390 0. 102565 0. 068930 0. 0641910. 06906 0. 07398 0. 04351 0. 045978 0. 144619 0. 102523 0. 082107 0. 0584040. 07429 0. 08100 0. 04154 0. 046929 0. 142439 0. 108374 0. 081040 0. 0564540. 07825 0. 08626 0. 04537 0. 0501310 0. 145556 0. 110435 0. 076613 0. 0622650. 07904 0. 08949 0. 04542 0. 05102DLnHTI - 0. 458372∗ LnHTIt-1 - 0. 016035∗ LnTICt-1 - 7. 89857 - 0. 017351∗ DLnHTIt-1- 0. 127439∗ DLnTICt-1 0. 063605 2DLnTIC 0. 151836∗ LnHTIt-1 - 0. 016035∗ LnTICt-1 - 7. 89857 -0. 939816∗ DLnHTIt-1 - 0. 437551∗ DLnTICt-1 - 0. 032369 3VEC模型的估计结果显示,AIC-2. 958,SC-2. 554,两个数值都比较小,说明建构的VEC模型良好。误差修正系数向量α-0. 4584, 0. 1518,表明了长期均衡关系对于LnHTI与LnTIC短期波动具有显著影响。 LnHTI对于均衡关系呈现反向修正机制,而LnTIC对于均衡关系则呈现出正向修正机制。即长期均衡关系在LnHTI与LnTIC两组变量数据调整中都能够进行适当修正。当短期波动偏离长期均衡时,LnHTI变量数据会被以45. 84的力度调整回均衡状态。 LnTIC变量数据会被以15. 18的力度调整回均衡状态。这将导致LnHTI与LnTIC两个变量之间向长期均衡关系调整,呈现的函数具有长期稳定性。5、脉冲响应分析脉冲响应分析是描述内生变量对于误差出现产生的反应。即脉冲分析反映了增添一个标准差大小新息后,内生变量所产生的变化影响。图1和表7展示了高技术产业总产值LnHTI和第三产业贡献率LnTIC的脉冲响应结果。其中,横轴表示滞后期为10,纵轴表示脉冲响应数值。1高技术产业总产值LnHTI的脉冲响应当高技术产业总产值LnHTI在受到自身一个标准差新息的冲击后,会立即产生较强的正向效应,立即增加0. 103,而此后第二期为0. 106,第三期数值最小为0. 096,从第三期开始有较为平稳的小幅上升,到第十期达到数值最高为0. 146。从十期表现来看,自身的影响是平稳的小幅上升趋势。给第三产业贡献率LnTIC一个单位正向标准差新息冲击,高技术产业总产值LnHTI没有立即产生反应,数值为0. 000,在第三期正向效益开始显著,数值为0. 074,此后一直较为平稳地小幅上升,在第十期正向效应数值达到最大,为0. 110。第9期邵长安,等北京市高技术产业与区域经济发展的关系研究111 图1 变量的脉冲响应结果图2第三产业贡献率LnTIC的脉冲响应给高技术产业总产值LnHTI一个单位正向标准差新息冲击,第三产业贡献率LnTIC立即产生较弱的正向效应,数值为0. 011,到第二期正向效应开始显著,且数值达到最大,为0. 113,此后正向效应稍有减弱,且呈现上下波动趋势。第四期数值为0. 050,为二至十期最低值,其他期的正向效应数值在0. 07上下波动,在第七期之后趋于平稳。第三产业贡献率LnTIC在受到自身一个标准差新息的冲击后,会立即产生较强的正向效应,立即增加0. 085,第二期正向效应出现了下降趋势,数值为最低值0. 010。此后正向效应开始提升,到第四期数值为0. 071,达到了十期内的第二个峰值。从第四期开始正向效应稍微减弱一点,数值在0. 05上下波动,在第七期之后趋于平稳。总的来说,高技术产业总产值LnHTI和第三产业贡献率LnTIC在受到自身一个标准差新息冲击后,正向响应都比较大。当然,两者彼此也会对对方产生正向影响,表现为在开始的前三期不会太稳定,有较大波动,第四期之后波动相对减小,且都在逐步趋于平稳。第三产业贡献率LnTIC对于高技术产业总产值LnHTI的正向影响效应长期存在,在第三期后稳定在0. 090上下。说明第三产业贡献率LnTIC的增长对于高技术产业总产值LnHTI的增长呈现出正向带动作用。高技术产业总产值LnHTI对于第三产业贡献率LnTIC的正向影响效应长期存在,在第五期后稳定在0. 075上下。说明高技术产业总产值LnHTI的增长对于第三产业贡献率LnTIC的增长存在显著“溢出效应”,且发挥着长期促进作用。6、方差分析本文通过方差分析,来进一步验证结构冲击对于内生变量变化的影响。本文对高技术产业总产值LnHTI与第三产业贡献率LnTIC的预测均方误差进行分解,结果如图2和表8所示。在反映高技术产业总产值LnHTI的10期的波动中,有030. 853的波动可以通过第三产业贡献率LnTIC这个变量来解释,且其影响强度呈现出了逐渐增强的趋势,而在第七期之后,影响程度呈现出了平稳缓慢的增长;高技术产业总产值LnHTI变量自身波动解释的部分为69. 147-100,且在第一期变量只受自身波动的影响,自身影响强度呈现出了逐渐减弱的趋势,在第七期之后,影响程度趋于平稳缓慢减小。总体来看,第三产业贡献率LnTIC对于高技术产业总产值LnHTI存在一定的波动影响,且较为持久。112 管理评论第31卷图2 变量预测方差的分解结果图表8 变量预测方差的分解结果表期LNHTI的方差分解 LNTIC的方差分解S.E. LNHTI LNTIC S.E. LNHTI LNTIC1 0. 102632 100. 0000 0. 000000 0. 086092 1. 599340 98. 400662 0. 149045 97. 64506 2. 354938 0. 142582 63. 59551 36. 404493 0. 192109 83. 64136 16. 35864 0. 159087 66. 84704 33. 152964 0. 244505 79. 64609 20. 35391 0. 181296 59. 30690 40. 693105 0. 291296 77. 81646 22. 18354 0. 207608 63. 66130 36. 338706 0. 334067 74. 31449 25. 68551 0. 227059 65. 07025 34. 929757 0. 376603 72. 37189 27. 62811 0. 245821 63. 37964 36. 620368 0. 416239 71. 31644 28. 68356 0. 265669 63. 81440 36. 185609 0. 453088 70. 07110 29. 92890 0. 283434 64. 24100 35. 7590010 0. 488540 69. 14726 30. 85274 0. 300135 63. 80615 36. 19385在反映第三产业贡献率LnTIC的10期的波动中,有1. 59966. 847的波动可以由高技术产业总产值LnHTI来解释,且其影响从第二期起影响程度趋于平稳,波动在59. 307第四期与66. 847第三期之间。由第三产业贡献率LnTIC自身波动解释的部分占到33. 153至98. 401,除1期受自身波动的影响占比98. 401外,其余几期的影响程度趋于平稳,波动在33. 153第三期与40. 693第4期之间。总体来看,高技术产业总产值LnHTI对于第三产业贡献率LnTIC存在一定的波动影响,且较为持久。相比较而言,高技术产业总产值LnHTI对于第三产业贡献率LnTIC的波动影响大于第三产业贡献率LnTIC对于高技术产业总产值LnHTI的波动影响。研究结果1协整关系的分析结果LnHTI和LnTIC两个变量之间存在某种长期均衡关系,第三产业贡献率LnTIC每变动1,高技术产业总产值LnHTI将同方向变动1. 848。高技术产业总产值LnHTI同向增长比例略高于第三产业贡献率LnTIC。2格兰杰因果检验的结果高技术产业总产值LnHTI是影响第三产业贡献率LnTIC变动的原因,高技术产业总产值的提升可以促进第三产业贡献率的提高。反之不成立,第三产业贡献率LnTIC不是影响高技术产业第9期邵长安,等北京市高技术产业与区域经济发展的关系研究113 总产值LnHTI的变动的原因,第三产业贡献率LnTIC的提升不能带来高技术产业总产值的提高。3误差修正模型的分析结果长期均衡对于LnHTI与LnTIC短期波动的影响在统计上是显著的。在短期波动偏离长期均衡时,LnHTI相对;于LnTIC更易调整到均衡状态。4脉冲分析的结果高技术产业总产值LnHTI和第三产业贡献率LnTIC两个变量都会受到较大的自身冲击影响。同时,变量也会受到来自对方的正向影响,且这种来自对方的冲击影响长期存在,在一定时期后逐步趋于平稳。5方差分析的结果第三产业贡献率LnTIC对于高技术产业总产值LnHTI存在一定的波动影响,且较为持久。同样,高技术产业总产值LnHTI对于第三产业贡献率LnTIC也存在一定的波动影响,且较为持久。相比较而言,高技术产业总产值LnHTI对于第三产业贡献率LnTIC的波动影响大于第三产业贡献率LnTIC对于高技术产业总产值LnHTI的波动影响。高技术产业总产值LnHTI和第三产业贡献率LnTIC两个变量之间存在某种长期均衡关系。长期来看,高技术产业总产值LnHTI的增速略高于第三产业贡献率LnTIC。两个变量之间存在单向因果关系,即高技术产业总产值LnHTI是影响第三产业贡献率LnTIC变动的原因,而第三产业贡献率LnTIC不是影响高技术产业总产值LnHTI变动的原因。两个变量虽然存在单向的因果关系,但是变量之间会正向影响对方,且影响效应长期存在。分析10期变量冲击的贡献率数值,可以得出,高技术产业总产值LnHTI对于第三产业贡献率LnTIC的正向影响大于第三产业贡献率LnTIC对于高技术产业总产值LnHTI的正向影响。政策建议近些年来,北京市高技术产业稳步发展,取得了一定成绩,但发展中还存在着诸多问题,仍然存在较大提升空间,需要寻求长足发展的路径。高技术产业与区域经济发展紧密关联,与区域经济主导的第三产业发展息息相关。因此,在保持高技术产业持续稳定发展的同时,北京市需要确立和保证高技术产业与区域经济耦合的良性关系,强化高技术产业与区域经济主导的第三产业的互动发展。根据本文研究得出的结论,本文对北京市高技术产业及区域经济发展提出以下参考性建议1鼓励高技术产业企业附属服务环节实行服务外包,关联服务业附属技术环节实行技术外包,促进高技术产业与第三产业进行融合。鼓励高技术产业链下游企业将附属服务环节实行外包,鼓励关联服务业涉及的技术难题进行技术外包,这样有利于推进高技术产业与关联服务业的协同发展,提升产业效率,促进产业间融合。例如,高技术产业的细分行业计算机及办公设备制造业涉及的信息技术服务方面可以开展服务外包,并与信息传输、软件和信息技术服务业进行产业融合。同样,信息传输、软件和信息技术服务业的技术攻关环节可以实现一定的技术外包,最终实现不同产业间的优势互补。企业推行服务外包或技术外包时,需要避免过程中出现寻租等违法交易,政府应当建构产业融合运行和监管体制,营造企业良性竞争、政府和社会多方监管的产业融合环境。2注重北京市高技术产业与区域经济主导的第三产业的互动影响,打造高技术产业和关联服务业的集群建设。北京市高技术产业对于区域经济主导的第三产业发展具有显著影响,可以带动第三产业内部结构的优化升级,促进生产性服务业,知识密集型服务行业的发展。同时,第三产业的升级发展也会要求技术革新,推动高技术产业的发展。北京聚集了大量的科技资源,具有较强的科技创新能力,拥有良好的政策基础,高新技术产业和第三产业存在巨大的协同发展空间。政府首先需要鼓励高技术产业与关联服务业的集群发展,加快建立相关产业集群的技术服务体系、协同创新体系,加强领域共性技术和关键技术的攻关及突破。需要理清北京市高技术产业链以及关联服务业的产业链,建立产业间科技资源共享机制及平台,支撑科技研发,促进科技成果的转化,形成产业间的良性互动发展环境。在产业集群、产业融合发展的过程中,应注意北京市高技术产业对于第三产业的影响。改善现代化服务业的发展情况,进一步促进以网络技术,数字技术和信息技术为基础的通信产业,信息内容产业,互联网产业114 管理评论第31卷等为代表的新兴服务业迅速提升,进一步强化系统集成服务业、软件服务业的培育。促进北京市高技术产业与传统的服务业相融合,加速传统服务业向精准化、现代化、智能化的方向演进。3加速北京市高技术产业对于区域经济主导的第三产业的渗透、改造,增强第三产业竞争力,解决区域经济发展面临的问题。目前,北京市区域经济发展面临的问题主要为经济增长需要讲求质量上的增长,需要强化对于传统产业的改造升级,积极通过区域产业化创新发展培育和打造新的经济增长点;区域经济增长转变到靠科技创新为主要动力的内涵发展、集约发展上来,借助科技创新能力实现创新驱动稳步提升区域经济。在这样的背景下,北京市需要理清高技术产业与第三产业的互动关系,遵从“利用高技术渗透改造服务业”的必然趋势,以加快高技术产业与第三产业的结合作为区域产业结构升级的着力点,实现技术驱动、创新驱动区域经济发展目标。为此,需要依托北京市高技术产业细分行业的优势企业,大力提升科技创新、技术进步的力度,扶持一批重点项目和新优产品,增加科技手段、创新人才、服务资金的投入,强化渗透、改造第三产业,不断提高第三产业的科技含量。积极完善技术市场的流通能力和资源的有效配置,切实发挥技术进步在第三产业发展过程中的决定性作用,着力培养第三产业新的增长点,增强第三产业的竞争力。4充分利用北京市高校及科研院所的优势科研资源、企业的创新资源,构建“产、学、研”协同创新体系,加速科研成果产业化,提升高技术产业、第三产业以及区域经济整体实力。在高技术产业相对发展稳定的今天,北京市需要合理利用高校及科研院所的便利条件,充分发挥科研资源优势,建立“产、学、研”协同创新体系。营造良好的创新环境及创新氛围,着重开展基础研究,在基础研究方面加强政府政策支持,增加R2.School of Economics and Management, Institute of Disaster Prevention, Sanhe 065201Abstract This paper analyzes the leading role of high-tech industry of Beijing in the development of regional economy, and explores therelationship between development of high-tech industry and development of tertiary industry. Based on the empirical data of high-tech in-dustry and tertiary industry of Beijing from 2003 to 2016, the paper establishes vector auto-regression VAR model and vector errorcorrection VEC model, and uses impulse response and variance decomposition to research the long-term and short-term dynamic effectrelationship between high-tech industry and tertiary industry. The results indicate that a long-term equilibrium relationship exists betweenhigh-tech industry and tertiary industry in Beijing. The total output value of high-tech industry is the reason that affects the contributionrate of tertiary industry in Beijing. There exists one-way causal relationship between two variables, but the variables will affect each otherpositively and have a long-term effects. The positive impact of the total output value of high-tech industry on the contribution rate of terti-ary industry is greater. On this basis, it is advised to develop the service outsourcing, accelerate the industrial integration and cluster de-velopment, promote the development of advanced producer services, and improve the competitiveness of tertiary industry through technol-ogy penetration.Key words high-tech industry, economic development, VAR model, impulse response, variance decomposition