- 1 -
信贷扩张、研发投入与中国经济增长的“量”
与“质”#
温涛，张梓榆*
（西南大学经济管理学院，重庆 400715） 5
摘要：本文基于 1998-2012年全国省级面板数据，运用动态面板系统广义矩估计法，从数量
和质量两个维度，实证分析了信贷扩张与研发投入对中国经济增长的作用。结果表明：从全
国的总体来看，信贷扩张和研发投入对经济总量增长均起到了促进作用，但研发投入的作用
强于信贷扩张；研发投入对经济质量提升同样具有正向促进作用，而信贷扩张则相反。此外，10
二者对经济增长的作用存在区域差异，对东部推动作用最强，中西部的推动作用较弱。“新
常态”下推动中国经济发展，既需要信贷扩张形成的资本要素，更需要研发投入形成的创新
要素。
关键词：应用经济学；研发投入；信贷扩张；经济增长；系统广义矩估计
中图分类号： 15
Credit expansion, R&D investment and the “quantity” and
“quality” of China economic growth
WEN Tao, ZHANG Ziyu
(Economic and Management School,Southwest University,Chongqing 400715) 20
Abstract: Based on provincial panel data from 1998 to 2012, this paper uses the dynamic panel
system GMM method and analyzes the impact of credit expansion and R&D investment on
China's economic growth from quantitative and qualitative results show that: from
the perspective of the whole country, credit expansion and R&D investment both play a positive
role in promoting economic growth and the effect of R&D investment beyongd credit expansion; 25
R&D investment has a positive effect in improving economic quality while the credit expansion is
addition, credit expansion is different from R&D investment in effect on promoting
economic growth, and the strongest influence is the eastern region, the Midwest is
"New normal", realizing China's economic development, not only need credit expansion forming
capital elements, but also need R&D investment forming innovative elements. 30
Key words: practical economics; R&D; credit expansion; economic growth; SGMM
0 引言
从世界各国经济发展的历史经验来看，经济增长的物质资本积累很大程度上依赖于本国
银行体系的信贷市场，而创新对经济增长的驱动则依赖于研发投入。在中国，1978 年到 201435
年，信贷规模从 亿元上升到 亿元，在不到 40 年的时间里扩张了 430 多倍；
研发投入则从 亿元上升到 13400 亿元，增长了近 290 倍。相应地，中国 GDP 总量也
由 亿元上升到 636463 亿元，年均实际增长 %。中国经济增长的“量”与“质”
均得到显著提升。目前，中国的经济改革进入深水区，经济发展进入了“新常态”，经济由
高速增长转入中高速增长。经济的发展不仅需要注重“量”的积累，更加需要注重 “质”40
的提高。2013 年，中共十八届三中全会的《决定》指出：必须加快转变经济发展方式，建
设创新型国家，推动经济更有效率、更加公平、更可持续发展。而在中国的经济发展进入“新
- 2 -
常态”，产业结构将向资金密集型和知识密集型产业转换 [1]，实体经济和虚拟经济需要形
成良好互动的大背景下，信贷规模扩张形成的资本积累和研发投入激励的创新要素对中国的
经济增长到底扮演什么角色，有待于进一步检验。 45
科学技术是推动经济增长的革命性力量。从古典主义经济学家 Adam Smith (1776) [2]、
David Ricardo (1817)[3]等开始，到此后的哈罗德——多马模型、索罗——斯旺模型，均强调
了物质资本积累对经济增长的重要作用。20 世纪 60 年代的新古典主义增长理论通过假设技
术进步是外生的方式来修补索洛—斯旺模型的相关缺陷，以使其长期人均增长率为正甚至可
能不变。此后，内生增长理论则认为，长期增长率是由内生因素解释的，也就是说，在劳动50
投入过程中包含着因正规教育、培训、在职学习等等而形成的人力资本，在物质资本积累过
程中包含着因研究与开发、发明、创新等活动而形成的技术进步，从而把技术进步等要素内
生化，得到因技术进步的存在要素收益会递增而长期增长率是正的结论。而真正将 R&D 理
论引入经济增长分析框架的尝试是始于 Romer(1990)[4]的产品多样化模型，在这一模型中，
产品种类的增加就维持了经济的增长，也即是说经济增长的源泉在于产品种类的增加；新增55
一种产品（或者说一种创新）是研究人员或企业家的研发投入结果，而研究人员或企业从事
研发活动的激励则在于，一旦他们能够持续进行创新，那么他们将会获得永久性的垄断租金。
有关信贷供给对经济增长的促进机制方面的研究最早可以追溯到 Schumpeter(1934)[5]的观
点，他认为银行部门为经济的加速增长提供了必要的资金，因为获取资金支持是生产过程的
必要环节，对于企业家而言，他必须首先成为一个负债者，为其投资和生产获取流动性支持。60
Goldsmith(1969)[6]也认为金融机构通过将社会资金配置到最有效率的部门而加速了经济增
长，改善了经济增长的质量。Levine & Zervos(1998)[7]的进一步研究证实了银行发展水平和
与经济增长有很强的正相关性,认为金融发展是促进经济增长的重要因素。Brian & Thanasis
(2005)[8]发现私人信贷和流动性的增强对经济增长具有非常强的正效应。
关于研发投入对中国经济增长的作用，殷林森和胡文伟 (2007)[9]对我国研发投入与产业65
经济增长的之间的关联关系做了研究，认为研发经费投入、研发活动人员投入对我国产业经
济增长有显著作用。王立成和牛勇平(2010)[10]对我国经济最为发达的三大经济区域的 36 个
城市进行了研发投入与经济增长的研究，发现研发活动人员与经济增长关系最为密切，其次
是研发活动经费支出，再次是研发经费支出。杨志江和罗掌华(2010)[11]运用协整检验方法，
对政府研发投入与经济增长之间的关系进行了研究，发现政府、企业的研发投入都是国民经70
济增长的原因。曾春媛等(2013)[12]利用我国的省级面板数据，对研发投入与经济增长的相关
性进行了分析，发现从宏观层面上来说，我国的研发投入与经济增长高度相关。张优智
(2014)[13]通过对 1978-2009 年财政研发投入与经济增长的统计数据进行协整检验，发现财政
研发投入与经济增长两者具有双向因果关系。而关于信贷扩张对中国经济增长的作用，李明
贤和李学文(2009)[14]利用 STR 模型对信贷资金投放与经济增长的关系做了实证研究，得出75
了信贷资金投放量与经济增长存在非对称关系的结论，提出信贷资金投放应该考虑经济的实
际情况。方先明等(2010)[15]基于空间计量模型，对信贷市场、保险市场、股票市场对经济增
长的作用进行了检验，发现我国目前的金融仍然是银行主导，信贷资金对经济的发展的作用
至关重要。韩玲(2014)[16]利用 1978-2012 年间的省级面板数据，对中国信贷扩张对经济增长
作用做了分析，发现信贷增长是我国改革开放以来经济增长的主要动力，同时信贷扩张对经80
- 3 -
中国科技论文在线
济增长的贡献也存在着东、中、西部递减的情况。
中外学者对研发投入与信贷扩张对经济增长作用分别进行的分析均表明二者对经济增
长都发挥了积极的作用。但是大部分的研究都只是单一的分析了研发投入或者信贷扩张对经
济发展的作用，将研发投入与信贷扩张放在同一分析框架下来分析的研究还较少，并且大都
没有涉及二者对经济增长的定量分析，此外经济的增长包括速度、质量、结构等多个层面，85
单一地用 GDP 的增长来衡量经济的增长并不能全面地刻画经济发展。本文基于前人的研究，
通过 Aghion & Howitt(2009)[17]提出的总产出模型，将研发投入和信贷扩张放进同一分析框
架，并利用 1998-2012 年间中国的 29 个省级面板数据，建立动态面板数据模型，最后采用
Blundell & Bond(1998)[18]提出的系统广义矩(System GMM)估计法，从经济增长的速度、质量
两个维度来探究研发投入与信贷扩张对经济增长的影响。文章第二部分将介绍本文的理论模90
型和研究方法，第三部分为变量选择、来源说明以及变量的描述性统计，第四部分为实证结
果及分析，最后部分为结论与简要的政策建议。
1 理论模型与研究方法
理论模型
本文采用总生产函数的分析框架，利用 Abramovita(1956)[19]和 Solow(1957)[20]提出的增95
长因素分析法与 Aghion & Howitt(2009)[17]提出的生产函数模型对研发投入和信贷扩张对中
国经济增长的影响进行分析，首先考虑如下模型：
( , )Y F K AL= (1)
其中Y 代表总产出，K 代表资本总量， A代表技术，L 代表劳动力。在这个分析范式
中，索洛将经济的增长主要归结为资本、技术和劳动力三大因素。在实际情形中，经济的增100
长因素多种多样，为了探究各种因素对经济增长的意义， Abramovita(1956)[19] 和
Solow(1957)[20]开创了增长因素分析法。通过对(1)式进行全微分，就得到下式：
Y Y YdY dK dL dA
K L A
∂ ∂ ∂
= + +
∂ ∂ ∂
(2)
其中， Y
L
∂
∂
与 Y
A
∂
∂
分别表示 [ ]/ ( )A Y AL∂ ∂ 与 [ ]/ ( )L Y AL∂ ∂ 。在(2)式的基础上，两边
分别除以Y ，并对(2)式右边进行整理就得到： 105
dY K Y dK L Y dL A Y dA
Y Y K K Y L L Y A A
∂ ∂ ∂
= + +
∂ ∂ ∂
(3)
即 k L
dY dK dL R
Y K L
α α= + + (4)
这 里 ， kα 是 产 出 关 于 资 本 的 弹 性 ， Lα 是 产 出 关 于 劳 动 的 弹 性 ， 而
( / )( / )( / )R A Y Y A dA A= ∂ ∂ 被称为索洛残值，它被解释成技术进步的贡献，反映了除资本
积累通过其私人报酬所做出的贡献之外的增长的所有来源。有了(4)式作为基本框架，我们110
就考虑做许多方式的的扩展，最普遍的扩展就是考虑各类不同的资本与劳动对经济增长的影
响。由于本文的研究不涉及劳动力因素，所以本文借鉴了 Aghion & Howitt(2009)[17]提出的
生产函数模型，考虑到某一经济体，其劳动力供给是给定的，并且都假定为不会随着时间改
- 4 -
中国科技论文在线
变的。技术创新由研发投入的产出转化率决定 T=AN。其中 N 为转化系数，A 为研发投入。
假设劳动中使用的是总资本存量 K，那么由 K 和技术创新生产出来的最大产量为 Y，因此115
可以得到如下的生产函数：
( , )Y F K AN= (5)
有了(5)作为本文的生产函数模型，再利用增长因素分析法，首先对(5)进行全微分，就
得到：
F FdY dK N dA
K A
∂ ∂
= +
∂ ∂
(6) 120
再将(6)式两边分别除以Y 再对两边进行整理，可以得到：
dY K F dK A F dAN
Y Y K K Y A A
∂ ∂
= +
∂ ∂
(7)
令 1
K F
Y K
β ∂=
∂
， 2
A FN
Y A
β ∂=
∂
。分别表示产出对资本和研发投入的弹性，则(7)变为：
1 2
dY dK dA
Y K A
β β= + (8)
由于增长因素模型可以进行各类资本和劳动之间的替换，故本文进一步将总资本替换为125
信贷资本，用 XD表示，同时为了表述方便，用 YF 来替代 A 表示研发投入。即(8)式进一
步转化为：
1 2
dY dXD dYF
Y XD YF
β β= + (9)
有了(9)作为基本研究模型，本文再从经济增长分为数量、质量两个维度来考虑。所以
本文用人均水平下的国内生产总值和居民收入对产出进行了替代，对以下两个方程进行回130
归。
0 1 2dGDP dYF dXD uβ β β= + + + (10)
0 1 2dSR dYF dXD uβ β β= + + + (11)
其中，(10)式的GDP 表示国内生产总值，YF 表示研发投入， XD表示信贷资金，(10)
式研究的是研发投入与信贷扩张对国内生产总值的影响，是从数量的维度来衡量研发投入与135
信贷扩张对经济增长的贡献。(11)式的SR 表示的是居民收入，YF 表示研发投入，XD表示
的是信贷资金，研究的是研发投入与信贷扩张对居民收入的影响，是从质量的维度来衡量研
发投入与信贷扩张对经济增长的贡献，所有的变量均为人均水平下的值。根据王定祥等
(2009)[21]的研究，差分量是水平量前后期的差值，差分量存在稳定的函数关系表明原水平量
也存在稳定的函数关系。因此，(10)式和(11)式中各变量当期水平值也存在与差分量相同的140
线性关系。因此本文将研究的基本模型设定为：
0 1 2SR YF XD uβ β β= + + + (12)
0 1 2GDP YF XD uβ β β= + + + (13)
本文将(12)和(13)作为基本模型，由于经济运行中存在着惯性行为，当前的经济运行情况也
取决于过去的情况，所以本文将因变量的滞后阶也作为自变量。这样将更为精确的分析出研145
发投入与信贷扩张对经济增长的作用。
- 5 -
中国科技论文在线
实证模型
根据本文研究目的，本文建立如下两个动态面板模型：
31 2
, , , , ,
0 0 1
pp p
i t i l i t l m i t m n i t n i t
l m n
GDP u XD YF GDPα β λ ε
− − −
= = =
= + + + + 1,..., ; 2,...,i N t T= = (14)
31 2
, , , , ,
0 0 1
pp p
i t i l i t l m i t m n i t n i t
l m n
SR u XD YF SRα β λ ε
− − −
= = =
= + + + + 1,..., ; 2,...,i N t T= = (15) 150
其中，在模型(14)中GDP 的为国内生产总值，XD 为信贷资金；YF 研发投入； iu 为
截距项， ,i tε 为随机误差项。 1p 、 2p 、 3p 为各变量的滞后阶数。模型(15)中SR 为居民收入，
其他变量含义与模型(14)一样，所有的变量均为人均水平下的值。
估计方法
动态面板的估计技术是动态面板中较为困难的部分，因为在设定的模型中，因变量的滞155
后项作为了解释变量，如果用标准的固定效应或随机效应对动态面板数据模型进行估计，必
然会导致解释变量与随机扰动项相关（即解释变量的内生性），从而将会导致参数估计的非
一致性，进而基于估计结果产生的经济含义也必定是扭曲的。针对这一问题，Arellano &
Bond(1991)[22]提出了一阶差分广义矩(First-differenced-GMM）估计法（以下称差分 GMM），
差分 GMM 不但可以解决解释变量的内生性，还可以控制个体效应，但是差分 GMM 也存在160
一部分样本信息会损失以及当解释变量在时间上有持续性时工具变量有效性将减弱等缺陷。
针对这些差分 GMM 的这些缺点， Blundell & Bond(1998)[18]在 Arellano & Bond(1991)[22]的
基础上提出了系统广义矩估计法(System GMM)估计法（以下称系统 GMM），对一阶差分
广义矩估计法进行了修正，将差分方程与水平方程作为一个系统进行广义矩估计。其基本思
想是通过增加新的、有效的工具变量以利用更多的样本信息从而达到减小偏误的效果。系统165
GMM 分为一步法(one-step-system GMM)与两步法(two-step-system GMM)估计，相对于一步
法，两步法估计不容易受到异方差的干扰。鉴于此，本文采用两步法进行估计。
2 变量选择、数据来源与描述性统计
数据来源、变量说明
本文选取了 1998 到 2012 年的中国 29 个省际面板数据（由于数据缺失，省略了海南和170
西藏的数据），并分东、中、西三大地区。根据模型(12)和(13)在被解释变量方面，我们从
数量和质量两个维度对经济增长来进行衡量。衡量经济增长数量的指标是国内生产总值，用
GDP 表示；衡量质量指标是居民收入，用 SR 表示。在解释变量方面，选取研究与试验经费
内部支出作为研发投入的指标，用 JF 表示；在信贷扩张方面选取的指标是金融机构贷款余
额，用 XD 表示；以及国内生产总值和居民收入自身的滞后变量作为解释变量。国内生产总175
值和居民收入以及人口数据来源于《中国统计年鉴》(1998-2013)、《新中国成立 60 周年统
计资料汇编》、《中国人口年鉴》（1998-2013）以及一些省份的统计年鉴。研究与试验经
费内部支出数据来源于《中国科技统计年鉴》(1999-2013)，金融机构贷款余额来源于《新中
国成立 60 周年统计资料汇编》以及《中国金融统计年鉴》(2010-2013)。为了保证数据不受
宏观经济波动影响，所有数据均为人均值并剔除了物价指数的影响，再取对数。（由于中国180
- 6 -
中国科技论文在线
经济存在着明显的“城乡二元结构”，中国的人均收入由城镇居民可支配收入乘以城镇居民
总人数再加上农村居民纯收入乘以农村居民总人数之和再除以全国人口总人数来获得，而由
于统计年鉴在统计城镇化率时出现口径改变，本文的城镇化率借鉴了林坚(2010)[23]的研究结
果）
描述性统计 185
表 1 展示了各变量在全国层面和地区层面的描述性统计结果。
表 1 各变量描述性统计结果
Tab. 1 Descriptive statistics for each variable
区域 观测值 变量 均值 标准差 最小值 最大值
全国
435 LnXD
435 lnYF
435 lnSR
435 lnGDP
东部
150 LnXD
150 lnYF
150 lnSR
150 lnGDP
中部
120 LnXD
120 lnYF
120 lnSR
120 lnGDP
西部
165 LnXD
165 lnYF
165 lnSR
165 lnGDP
3 实证结果与分析 190
由于 GMM 估计一般不定义经典的拟合优度和 F 统计量，也不定义 AIC 等准则。一般
采取 Hendry 从一般到特殊的动态建模方法，即先选择各变量的一个较大滞后阶数（本文选
择 6 阶）进行回归，如果系数显著，则保留该项；如果不显著，则删除。经过反复的尝试，
选取了因变量的滞后一阶和滞后两阶，自变量的当期和滞后一阶作为了解释变量。最后，为
了验证检验结果的有效性，需要对模型进行随机误差项的二阶序列自相关检验和模型过度识195
别约束有效的 Sargan 值检验。如果模型的 AR(2)检验值和 Sargan 检验值大于 ，则说明检
验是有效的。估计结果如下：
表 2 研发投入、信贷扩张对中国经济增长 “量”与“质”的 GMM 估计结果
Tab. 2 GMM estimates of R&D investment, credit expansion and quantity and quality for China economic growth
解释变量 “量” “质”
1α
()***
()***
2α
()***
()***
0β ()***
()***
1β ()***
()***
- 7 -
中国科技论文在线
0λ
()***
()*
1λ
()***
()***
Cons
()***
()***
Wald
()
()
AR(1)
AR(2)
Sargan
注：（1）括号内为 t 统计量；上标***，**和*分别表示 1%，5%和 10%置信水平。（2）Sargan 值200
为工具变量过度识别的约束检验的 P 值，该检验的原假设为工具变量是有效的。（3）AR(1)和 AR(2)分别
为残差的 Arellano-Bond 一阶和二阶序列相关检验的 P 值。
表 1 结果显示，全国和分地区的回归方程整体设定良好，四个方程中回归系数的 Wald
卡方联合显著性检验均非常显著，AR（2）值均大于 ，扰动项都不存在二阶自相关，Sargan
值大于 ，工具变量不存在过度识别约束。 205
1α 、 2α 分别度量了全国前一年度、前两年度经济增长的“量”与“质”自身本年度
的影响。从“量”来看：前一年度和前两年度国内生产总值每增加一个百分点，本年度国内
生产总值分别增加与减少 与 个百分点。从“质”来看：前一年度和前两年度
居民收入增加一个百分点，本年度居民收入将分别增加 个百分点与 个百分点。
这说明无论从经济增长的“量”和“质”来看，中国经济受自身经济发展基础的惯性影响是210
比较大的，并且从滞后期来看，影响的时间比较长。同时，也可以看出，经济增长的“质”
对自身产生的是长期的良性的影响，而经济增长的“量”对自身在一定时间后便开始产生负
向影响，这说明经济的发展如果一味追求“量”的增加，将带来明显的副作用。
0β 、 1β 分别表示全国当年度和前一年度的信贷扩张对本年度“量”与“质”的影响。
从“量”来看：本年度与前一年度信贷扩张每增加一个百分点，本年度国内生产总值减少215
与增加 个百分点。从“质”来看：本年度和前一年度信贷扩张每增加一个百
分点，本年度居民收入将分别减少 个百分点与增加 个百分点。综合来看，信
贷扩张对经济增长的 “量”和“质”的影响存在着明显滞后效应，因为信贷资金投放以后
并不会马上发挥正向效应，而存在一定的时滞。同时，信贷扩张对经济增长的“量”综合效
应为正，而对经济增长的“质”综合效应为负。这说明中国的信贷扩张更多是推动了经济数220
量的增长，而在改善中国经济增长的质量方面，未能形成良好的作用机制。
0λ 、 1λ 分别表示全国当年度和前一年度的研发投入对本年度“量”和“质”的影响。
从“量”来看：本年度和前一年度研发投入每增加一个百分点，本年度和前一年度研发投入
每增加一个百分点，本年度国内生产总值将增加 和 个百分点。从“质”来看：
本年度居民收入将增加 和 个百分点。综合来看，研发投入对经济增长的“量”225
和“质”的增长都起到了良好的促进作用，并且影响持续时间较长。
表 3 研发投入、信贷扩张对各区域经济增长“量”与“质”的 GMM 估计结果
Tab. 3 GMM estimates of R&D investment, credit expansion and quantity and quality for respective regions
economic growth
东部 中部 西部
“量” “质” “量” “质” “量” “质”
- 8 -
中国科技论文在线
1α
()***
()***
()
()***
()***
()***
2α
()**
()***
()
()
()**
()
0β ()*
()***
()**
()*
()
()
1β ()
()***
()
()***
()*
()
0λ
()
()*
()
()
()
()
1λ
()*
()
()
()
()
()*
Cons
()**
()***
()
()
()
()
Wald
()
()
()
()
()
()
AR(1)
AR(2)
Sargan
注：（1）括号内为 t 统计量；上标***，**和*分别表示 1%，5%和 10%置信水平。（2）Sargan 值230
为工具变量过度识别的约束检验的 P 值，该检验的原假设为工具变量是有效的。（3）AR(1)和 AR(2)分别
为残差的 Arellano-Bond 一阶和二阶序列相关检验的 P 值。
表 3 结果显示，全国和分地区的回归方程整体设定良好，四个方程中回归系数的 Wald
卡方联合显著性检验非常显著，AR（2）值均大于 ，扰动项都不存在二阶自相关，Sargan
值大于 ，工具变量不存在过度识别约束。 235
1α 、 2α 分别度量了各区域前一年度、前两年度的“量”和“质”对自身本年度的影
响。从“量”上看：前一年度国内生产总值每增加一个百分点，东部和西部本年度国内生产
总值将分别增加 、 个百分点，前两年度国内生产总值每增加一个百分点，本年
度国内生产总值将分别减少 和 个百分点；而前一年度和前两年度对中部本年
度国内生产总值的作用均不显著。从“质”上看：前一年度居民收入每增加一个百分点，东、240
中、西部本年度居民收入将分别增加 、、 个百分点；前两年度居民收入
每增加一个百分点，将使东部本年度居民收入将增加 个百分点，而对中、西部本年
度居民收入没有显著影响。这说明无论就经济增长的“量”和“质”而言，各区域经济受自
身经济发展基础惯性的影响仍然是非常大的，各区域经济增长的“质”对自身显示出长期的
良好的作用，但是经济增长的“量”随着时间的推移开始显现出负效应。这说明经济增长如245
果一味追求量的增加，终将导致不良后果。同时，从区域差别来看，东部自身经济循环最好，
西部次之，而中部自身经济循环相对较差。
0β 、 1β 分别表示当年度和前一年度的信贷扩张对本年度的影响。从“量”上看，本年
度信贷扩张每增加一个百分点，将使东部国内生产总值增加 个百分点，使中部国内
生产总值减少 个百分点，对西部没有显著影响；前一年度信贷扩张每增加一个百分250
点，西部国内生产总值增加 个百分点，而前一年度的信贷扩张对当年中、西部国内
生产总值没有显著影响。从“质”上看：当年信贷扩张每增加一个百分点，将使东部和中部
本年度居民收入减少 和 个百分点，前一年度信贷扩张每增加一个百分点，将
本年度使东部和中部居民收入增加 和 个百分点，本年度和前一年度信贷扩张
- 9 -
中国科技论文在线
对西部本年度的居民收入均没有显著影响。综合来看，信贷扩张对经济增长的“量”表现为255
正效应，对经济增长的“质”表现为负效应。同时，从区域差别来看，信贷扩张对增长的“质”
与“量”的促进作用对东部和西部的效果较好，而中部最弱。这与东部经济发达信贷结构更
为合理，而西部发展较晚投资的边际效用较大有着密切的联系。
0λ 、 1λ 分别表示当年度和前一年度的研发投入对本年度“量”和“质”的影响。从“量”
来看：本年度研发投入每增加一个百分点，对本年度东、中、西部国内生产总值没有显著影260
响；前一年度研发投入每增加一个百分点，将使本年度东部国内生产总值增加 个百
分点，而对中、西部国内生产总值没有显著影响。就“质”来看：本年度研发投入每增加一
个百分点，将使东部本年度居民收入增加 个百分点，本年度研发投入增加中、西部
均没有显著影响；前一年度研发投入每增加一个百分点，将使西部本年度居民收入增加
个百分点。研发投入对各区域经济增长的“量”和 “质”都显示出良好的促进作用，265
但是其促进作用也存在持续时间不长或者存在滞后效应以及促进力度较小的弱点。就区域差
异而言，研发投入对经济增长的促进作用仍然集中于东部，中、西部的“量”与“质”受研
发投入的贡献程度较少，这也与东部经济发达、研发投入高，中、西部在产业上主要以承接
东部产业转移为主有着密切联系。
4 结论与政策建议 270
本文采用基于动态面板数据模型的系统广义矩估计法，实证分析了信贷扩张和研发投入
对我国经济发展“量”与 “质”的影响，结论如下：(1)信贷扩张对经济发展的“量”存在
着正效应，而对经济发展的“质”综合来看存在着负效应。对经济发展 “量”的促进作用
强于对经济发展 “质”的促进作用。（2）研发投入对经济发展“量”和 “质”的促进作
用均为正向作用，且研发投入对经济的促进作用比信贷扩张持续时间更长，对经济的综合促275
进作用强于信贷扩张。（3）两者的促进效应也存在区域差别，二者对东部经济发展数量和
质量的促进作用最强，中部和西部的促进作用相对较弱。（4）经济发展方式的转变和产业
结构的调整，应该更多的依靠加大研发投入，促进创新驱动机制的形成；不能盲目的依赖信
贷扩张来刺激经济增长，应当合理的调整信贷结构，提高资金配置的效率。
基于上述结论，本文提出以下简短政策建议：（1）加大研发经费的投入。目前，国家280
的研发投入力度还不够大，2014 年国家研发投入仅占 GDP 的 %，而发达国家均在 3%以
上，国家财政应该加大研发经费的投入，并发挥市场在经济中的决定性作用，鼓励民间资本
进入研发领域，引导经济由投资驱动型向创新驱动型转变，促进经济结构升级，建设创新型
国家。（2）合理调整信贷结构。中国的信贷扩张在对经济的数量产生了较强的正向效应，
但是对经济发展的质量产生了为较大程度的负向影响，这需要国家改变信贷扩张对经济促进285
作用的思路，合理调整信贷结构，加强对中小微企业、“三农”事业以及高新产业的融资支
持力度，缓解这些对国民经济数量和质量都有很大贡献的领域的融资困境，让经济更加合理
的发展。（3）注重区域均衡发展。东部地区作为经济发达地区，无论是信贷扩张和研发投
入的力度都远远强于中、西部地区，这会进一步加剧我国区域之间的发展不平衡。因此，需
要国家调整发展战略，进一步对“中部崛起”和“西部大开发”进行更多的信贷投放和政策290
支持，让整个国家更加均衡地发展。
- 10 -
中国科技论文在线
[参考文献] (References)
[1] 刘伟. 经济失衡与深化改革[J]. 经济研究, 2014, 01: 19-21.
[2] Smith A, Nicholson J S. An Inquiry Into the Nature and Causes of the Wealth of Nations[M]. T. Nelson and 295
Sons, 1887.
[3] David R. Principles of Political Economy and Taxation[J]. publicado en, 1817.
[4] Romer P M. Increasing returns and long-run growth[J]. The journal of political economy, 1986: 1002-1037.
[5] Schumpeter J A. The theory of economic development: An inquiry into profits, capital, credit, interest, and the
business cycle[M]. Transaction Publishers, 1934. 300
[6] Goldsmith R W. Financial structure and development[M]. New Haven: Yale university press, 1969.
[7] Levine R, Zervos S. Stock markets, banks, and economic growth[J]. American economic review, 1998:
537-558.
[8] McCaig B, Stengos T. Financial intermediation and growth: Some robustness results[J]. Economics Letters,
2005, 88(3): 306-312. 305
[9] 殷林森,胡文伟,李湛.我国科技投入与产业经济增长的关联性研究[J].中国软科学,2007,11:57-63.
[10] 王立成 ,牛勇平 .科技投入与经济增长 :基于我国沿海三大经济区域的实证分析 [J].中国软科
学,2010,08:169-177.
[11] 杨志江,罗掌华.我国科技经费投入与经济增长的协整分析[J].科学管理研究,2010,04:98-101.
[12] 曾春媛, 刘青青, 王锦, 等. 科技投入与区域经济发展水平协调性研究[J]. 科研管理, 2013, 01:203-210. 310
[13] 张优智.我国科技投入与经济增长的动态关系研究[J].科研管理,2014,09:58-68.
[14] 李明贤,李学文. 基于 STR 模型的金融机构信贷资金投放与中国经济增长的实证研究[J]. 系统工
程,2009,01:57-63.
[15] 方先明, 孙爱军, 曹源芳. 基于空间模型的金融支持与经济增长研究[J]. 金融研究, 2010, 05: 68-82.
[16] 韩玲.经济增长的区域差异:基于信贷投放的解释[J].宏观经济研究,2014,04:113-120. 315
[17] Aghion P, Howitt P. The economics of growth[M]. London, England: the MIT Press, 2009.
[18] Blundell R, Bond S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of
econometrics, 1998, 87(1): 115-143.
[19] Abramovitz M. Resource and output trends in the United States since 1870[M]//Resource and Output Trends
in the United States Since 1870. NBER, 1956: 1-23. 320
[20] Solow R M. A contribution to the theory of economic growth[J]. The quarterly journal of economics, 1956:
65-94.
[21] 王定祥,李伶俐,冉光和. 金融资本形成与经济增长[J]. 经济研究,2009,09:39-51+105.
[22] Arellano M, Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to
employment equations[J]. The review of economic studies, 1991, 58(2): 277-297. 325
[23] 林坚. 2000 年以来人口城镇化水平变动省际差异分析——基于统计数据的校正和修补[J]. 城市规
划,2010,03:48-56.
