[摘要]研究資源豐裕度與經(jīng)濟(jì)增長的關(guān)系可采用線性與非線性兩種模型，相對于線性模型，非線性模型可大幅度提高可決系數(shù)，解決多重共線性問題?；?004—2012年中國市級面板數(shù)據(jù)，運(yùn)用非線性模型研究資源豐裕度與經(jīng)濟(jì)增長的關(guān)系，結(jié)果表明資源豐裕度與經(jīng)濟(jì)增長間確實(shí)存在非線性關(guān)系，且在不同區(qū)域，兩者關(guān)系存在差異：在西北、京津冀地區(qū)，發(fā)展資源產(chǎn)業(yè)更有利于經(jīng)濟(jì)增長；而在華東、華南、長三角地區(qū)，發(fā)展資源產(chǎn)業(yè)不利于經(jīng)濟(jì)增長，而實(shí)行產(chǎn)業(yè)多元化戰(zhàn)略，用衛(wèi)生社保和社會(huì)福利業(yè)等7項(xiàng)產(chǎn)業(yè)替代資源產(chǎn)業(yè)，將有利于經(jīng)濟(jì)增長。

[關(guān)鍵詞]資源豐裕度；經(jīng)濟(jì)增長；非線性模型；區(qū)域差異

[中圖分類號]F062.1[文獻(xiàn)標(biāo)識碼]A[DOI]10.3969/j.issn.1009-3729.2015.06.018

資源豐裕度是指某經(jīng)濟(jì)體擁有自然資源的豐富程度。傳統(tǒng)觀點(diǎn)認(rèn)為，豐富的資源是經(jīng)濟(jì)增長的必要條件，有人將這種觀點(diǎn)稱為“資源祝福論”。1990年代，有學(xué)者提出“資源詛咒論”，認(rèn)為豐富的自然資源不一定促進(jìn)經(jīng)濟(jì)增長，反而可能阻礙經(jīng)濟(jì)增長[1]。Sachs等[2-5]對資源詛咒命題進(jìn)行了實(shí)證檢驗(yàn)，用95個(gè)發(fā)展中國家的截面數(shù)據(jù)進(jìn)行回歸分析，發(fā)現(xiàn)自然資源出口占GDP的比重同經(jīng)濟(jì)增長之間存在顯著的負(fù)相關(guān)性，即資源詛咒命題在發(fā)展中國家層面上成立。已有研究不僅關(guān)注國家層面的資源詛咒問題，也將研究視角投向一國內(nèi)部，當(dāng)然也有不少學(xué)者把目光投向中國。

徐康寧較早地將資源詛咒研究引入中國，研究資源詛咒命題在中國大陸是否成立，以及資源詛咒的傳播途徑。徐康寧等[6-7]認(rèn)為，中國的區(qū)域經(jīng)濟(jì)增長在長周期上存在資源詛咒效應(yīng)，并運(yùn)用中國省級面板數(shù)據(jù)，以“經(jīng)濟(jì)增長率”為因變量，以“采掘業(yè)固定資產(chǎn)投資占各行業(yè)固定資產(chǎn)投資總額的比重”和“采掘業(yè)從業(yè)人員占各行業(yè)從業(yè)人員總數(shù)的比重”為自變量，對資源詛咒命題進(jìn)行了實(shí)證檢驗(yàn)，發(fā)現(xiàn)此命題在中國內(nèi)部的地區(qū)層面成立，多數(shù)省份豐裕的自然資源并未成為經(jīng)濟(jì)發(fā)展的有利條件，反而制約經(jīng)濟(jì)增長。胡援成等[8]以“人均GDP增長率”為因變量，以“采掘業(yè)基本建設(shè)投資占固定資產(chǎn)投資總額的比重”為自變量，證實(shí)我國省際層面存在資源詛咒效應(yīng)。邵帥等[9]研究中國西部地區(qū)的資源詛咒問題，以“人均GDP增長率”為因變量，以“能源開發(fā)強(qiáng)度”為自變量，面板數(shù)據(jù)模型結(jié)果顯示，資源詛咒命題在中國西部地區(qū)成立。劉紅梅等[10]以“人均GDP增長率”為因變量，用“農(nóng)業(yè)虛擬水產(chǎn)量占GDP的比重”衡量農(nóng)業(yè)虛擬水資源豐裕度，發(fā)現(xiàn)農(nóng)業(yè)虛擬水“資源詛咒”命題在中國成立。邵帥[11]利用中國28個(gè)地級煤炭城市1997—2007年的面板數(shù)據(jù)，以“人均GDP增長率”為因變量，以“采礦業(yè)從業(yè)人數(shù)占全部從業(yè)人數(shù)的比重”為自變量，發(fā)現(xiàn)煤炭資源的開發(fā)束縛了煤炭城市的經(jīng)濟(jì)增長，即產(chǎn)生了資源詛咒效應(yīng)。

當(dāng)然，也有一些研究成果不支持資源詛咒命題。Rui等[12]使用1997—2005年間95個(gè)市的數(shù)據(jù)，以“GDP增長率”為因變量，以“采礦業(yè)就業(yè)人數(shù)占當(dāng)?shù)厝丝诘谋戎亍弊鳛楸碚髻Y源豐裕度的自變量，結(jié)果顯示：資源詛咒命題在中國大陸不成立。方穎等[13]使用橫截面模型研究95個(gè)市的數(shù)據(jù)，以“采掘業(yè)從業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍北碚髻Y源豐裕度為自變量，以“2006年人均GDP”為因變量，發(fā)現(xiàn)資源詛咒命題在中國城市層面上不成立。

還有研究認(rèn)為，在不同條件下，資源豐裕度與經(jīng)濟(jì)增長的關(guān)系存在差異，有時(shí)資源詛咒與資源祝福是并存的。胡華[14]發(fā)現(xiàn)，在東北地區(qū)，資源詛咒命題成立；在華南、西北、西南、華東地區(qū)，資源祝福命題成立。胡華[15-16]還發(fā)現(xiàn)，即使在同一經(jīng)濟(jì)體內(nèi)，資源豐裕度與經(jīng)濟(jì)增長的關(guān)系也并非一成不變，資源的價(jià)格波動(dòng)會(huì)導(dǎo)致此關(guān)系發(fā)生變化，交替出現(xiàn)資源詛咒與資源祝?，F(xiàn)象。李偉軍等[17]選用中國 1999—2011年30個(gè)省級樣本對中國資源詛咒假說的門檻效應(yīng)進(jìn)行實(shí)證檢驗(yàn)，發(fā)現(xiàn)中西部地區(qū)對自然資源的依賴程度較高，其經(jīng)濟(jì)增長路徑符合資源詛咒假說；而東部地區(qū)的資源依賴度不高，增長路徑不符合資源詛咒假說條件。邵帥等[18]運(yùn)用1998—2010年中國市級面板數(shù)據(jù)，借助動(dòng)態(tài)、靜態(tài)面板數(shù)據(jù)模型等，發(fā)現(xiàn)資源豐裕度與經(jīng)濟(jì)增長呈現(xiàn)“倒U型”的關(guān)系，即資源詛咒與資源祝福并存。

綜觀上述文獻(xiàn)，研究方法大多相同。第一，選取人均GDP、人均實(shí)際GDP、人均地區(qū)經(jīng)濟(jì)增長率、人均地區(qū)消費(fèi)收入增長率等經(jīng)濟(jì)增長指標(biāo)作為因變量；第二，選取某地區(qū)采掘業(yè)產(chǎn)值占當(dāng)?shù)谿DP的比重、某地區(qū)采掘業(yè)就業(yè)人數(shù)占當(dāng)?shù)鼐蜆I(yè)人口比重、某地區(qū)采掘業(yè)基建投資占當(dāng)?shù)毓潭ㄙY產(chǎn)投資總額的比重等來表征資源豐裕度；第三，選取制造業(yè)投資、對外依存度、人力資本投入、腐敗程度等指標(biāo)作為控制變量；第四，構(gòu)建面板數(shù)據(jù)模型或截面數(shù)據(jù)模型進(jìn)行回歸分析，模型左邊是經(jīng)濟(jì)增長變量，模型右邊先加入資源豐裕程度變量，有些文獻(xiàn)還加入了資源豐裕程度變量的平方項(xiàng)或立方項(xiàng)，然后逐一加入控制變量，形成多個(gè)線性回歸模型；第五，分析各模型中資源豐裕度變量擬合系數(shù)的變化情況。若此擬合系數(shù)在大多數(shù)模型中是負(fù)值，且能通過顯著性檢驗(yàn)，則資源詛咒命題成立，否則，資源詛咒命題不成立。若加入了資源豐裕度變量的平方項(xiàng)或立方項(xiàng)，還需檢驗(yàn)其平方項(xiàng)、立方項(xiàng)的顯著性，當(dāng)平方項(xiàng)的擬合系數(shù)小于0，且能通過顯著性檢驗(yàn)，并且立方項(xiàng)的擬合系數(shù)不能通過顯著性檢驗(yàn)時(shí)，資源豐裕度與經(jīng)濟(jì)增長之間呈現(xiàn)“倒U型”關(guān)系，即資源詛咒與資源祝福并存。

相似的研究方法有助于尋找已有研究的不足。第一，所選模型大多是線性回歸模型，包括橫截面模型、時(shí)間序列模型、面板數(shù)據(jù)模型，而線性回歸模型的可決系數(shù)偏小，如邵帥等[9]的靜態(tài)面板數(shù)據(jù)模型的可決系數(shù)介于0.5～0.7之間；劉紅梅等[10]的空間遞歸面板數(shù)據(jù)模型的可決系數(shù)介于0.06～0.18之間；邵帥[11]的靜態(tài)面板數(shù)據(jù)模型的可決系數(shù)介于07～08之間；方穎等[13]的截面數(shù)據(jù)模型的可決系數(shù)介于0.0006～0.62之間；邵帥等[18]的多種模型中，系統(tǒng)GMM模型的可決系數(shù)達(dá)到0.9以上，但此模型可決系數(shù)的意義值得商榷，其他模型的可決系數(shù)都在0.2～0.6之間。第二，當(dāng)自變量中加入資源豐裕度變量平方項(xiàng)或立方項(xiàng)時(shí)，會(huì)出現(xiàn)多重共線性問題，但已有研究沒有對此進(jìn)行修正。第三，已有文獻(xiàn)提出可運(yùn)用產(chǎn)業(yè)多元化策略來解決資源詛咒問題，但缺乏實(shí)證研究分析究竟何種產(chǎn)業(yè)較資源產(chǎn)業(yè)更有利于經(jīng)濟(jì)增長。因此，本文擬采用對數(shù)指數(shù)模型等方法研究資源豐裕度與經(jīng)濟(jì)增長之間的關(guān)系，分析非線性模型優(yōu)于線性模型的原因，并解決多重共線性問題，比較各地各行業(yè)對經(jīng)濟(jì)增長促進(jìn)作用的差異，為一些有識者所建議的產(chǎn)業(yè)多元化策略提出更為具體的措施。

鄭 州 輕 工 業(yè) 學(xué) 院 學(xué) 報(bào) （ 社 會(huì) 科 學(xué) 版 ）2015年第6期胡華：資源豐裕度與經(jīng)濟(jì)增長的非線性關(guān)系研究一、模型建立與變量設(shè)定

1.模型建立

動(dòng)態(tài)面板數(shù)據(jù)模型無法通過過度識別檢驗(yàn)，因而本文使用4個(gè)靜態(tài)面板數(shù)據(jù)模型和4個(gè)非線性模型。

4個(gè)靜態(tài)面板數(shù)據(jù)模型如下：Yi，t=c0+c1Ni，t+c2Zi，t+ξi+μi，t①

Yi，t=c0+c1Ni，t+c2Ni，t2+c3Zi，t+

ξi+μi，t②

Yi，t=c0+c1Ni，t+c2Ni，t2+c3Ni，t3+

c4Zi，t+ξi+μi，t③

Yi，t=c0+c1Ni，t+c2Ni，t2+c3Ni，t3+

c4Ni，t4+c5Zi，t+ξi+μi，t④4個(gè)非線性模型如下：

指數(shù)模型：Yi，t=c0×c1Ni，t+μi，t⑤

冪函數(shù)模型：Yi，t=c0×Ni，tc1+μi，t⑥

Logistic模型：Yi，t=2000/（1+ec0+c1×Ni，tc1⑦

對數(shù)指數(shù)模型：ln（Yi，t）=c0×c1ln（Ni，t）+μi，t⑧

模型①～④是在Sachs等[2]的截面數(shù)據(jù)模型基礎(chǔ)上改進(jìn)而來的。靜態(tài)面板數(shù)據(jù)模型中，被解釋變量Y代表經(jīng)濟(jì)增長變量，選用“人均實(shí)際GDP”表征此變量；N是資源豐裕度變量（以下簡稱“資源變量”），用“采掘業(yè)（采礦業(yè)）就業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍北碚鳎籒2、N3、N4分別是資源變量的平方項(xiàng)、立方項(xiàng)、4次方項(xiàng)；Z是控制變量集，以表征對因變量產(chǎn)生影響的其他因素；i是自然數(shù)，代表不同的省、直轄市、自治區(qū)截面單位，t代表年份，c0是常數(shù)項(xiàng)，c1、c2、c3、c4、c5是系數(shù)向量。ξi表示“個(gè)體效應(yīng)”因素，若ξi只隨個(gè)體變化而不隨時(shí)間變化，靜態(tài)面板數(shù)據(jù)模型應(yīng)設(shè)定為個(gè)體固定效應(yīng)模型；若ξi反映了不隨時(shí)間變化的不可觀測隨機(jī)信息的效應(yīng)，靜態(tài)面板數(shù)據(jù)模型應(yīng)設(shè)定為個(gè)體隨機(jī)效應(yīng)模型。μi，t是隨機(jī)擾動(dòng)項(xiàng)。自變量中加入資源變量的平方項(xiàng)、立方項(xiàng)、4次方項(xiàng)，有助于檢驗(yàn)經(jīng)濟(jì)增長變量與資源變量間是否存在非線性關(guān)系，當(dāng)c2、c3、c4顯著不為零時(shí)，兩者存在非線性關(guān)系。

模型⑤～⑧是4種非線性模型。其中，模型⑤是指數(shù)模型，當(dāng)c0顯著不等于0，且c1顯著不等于0或1時(shí)，資源變量與經(jīng)濟(jì)增長間存在非線性關(guān)系；模型⑥是冪函數(shù)模型，當(dāng)c0、c1顯著不等于0或1時(shí)，資源變量與經(jīng)濟(jì)增長間存在非線性關(guān)系；模型⑦是Logistic模型，當(dāng)c1顯著不等于0時(shí)，資源變量與經(jīng)濟(jì)增長間存在非線性關(guān)系；模型⑧是對數(shù)指數(shù)模型，當(dāng)c0顯著不等于0，且c1顯著不等0或1時(shí)，資源變量與經(jīng)濟(jì)增長間存在非線性關(guān)系。

2.變量設(shè)定

本文選用“人均實(shí)際GDP”作為被解釋變量Y?！叭司鵊DP”等于各年各地區(qū)GDP除以相應(yīng)人口數(shù)；運(yùn)用居民消費(fèi)價(jià)格指數(shù)，剔除物價(jià)波動(dòng)對人均GDP的影響，可獲得人均實(shí)際GDP。

選取“采掘業(yè)（采礦業(yè)）就業(yè)人員占當(dāng)?shù)厝丝诒戎亍保∟）作為資源要素豐裕度的表征變量，但存在一個(gè)問題：1997—2004年和2005年后，《中國城市統(tǒng)計(jì)年鑒》的從業(yè)人員分類存在差異，1997—2004年，資源開發(fā)相關(guān)的就業(yè)人員被稱為采掘業(yè)就業(yè)人員；而2005年后，與資源開發(fā)相關(guān)的就業(yè)人員被稱為采礦業(yè)就業(yè)人員，采掘業(yè)與采礦業(yè)的主要成分相同，都包括石油開采、天然氣開采、煤炭開采，以及其他礦產(chǎn)開采等。兩者差別在于：采掘業(yè)包括自來水等非礦石資源的開發(fā)利用，而采礦業(yè)不包括這些內(nèi)容。但觀察“采掘業(yè)從業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍迸c“采礦業(yè)從業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍眲t發(fā)現(xiàn)，兩者不存在明顯的差異，如北京市2004年“采掘業(yè)從業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍笔?.188%，2005年“采礦業(yè)從業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍笔?.191%。因此，本文對這兩個(gè)比重不加區(qū)別地使用。

本文所選控制變量包括：第一，人口密度變量（P），等于“每平方公里人數(shù)”；第二，就業(yè)變量（J），用“各行業(yè)從業(yè)人員總數(shù)占當(dāng)?shù)厝丝诘谋戎亍北碚?；第三，城市化程度變量（City），用“市轄區(qū)人口占總?cè)丝诘谋戎亍北碚鳌?/p>

上述變量使用的數(shù)據(jù)是中國大陸285個(gè)地級以上城市的市級面板數(shù)據(jù)，來自2005—2013年《中國城市統(tǒng)計(jì)年鑒》，剔除數(shù)據(jù)不連續(xù)的巢湖市、三沙市、畢節(jié)市、銅仁市和數(shù)據(jù)缺失嚴(yán)重的拉薩市。即使如此，其他城市仍有一些變量值缺失，因此所采用的市級面板數(shù)據(jù)并非平衡面板數(shù)據(jù)。各變量的含義、均值、標(biāo)準(zhǔn)差等詳見表1。

二、面板數(shù)據(jù)模型的估計(jì)與多重共線性問題1.靜態(tài)面板數(shù)據(jù)模型結(jié)果及檢驗(yàn)

下面運(yùn)用靜態(tài)面板數(shù)據(jù)模型進(jìn)行回歸，7個(gè)回歸模型的因變量都是“人均實(shí)際GDP”，回歸模型I只有一個(gè)解釋變量N，在此基礎(chǔ)上，依次加入N2、N3、N4、人口密度變量（P）、就業(yè)變量（J）、城市化程度變量

表1變量的設(shè)定及含義等的描述

變量含 義樣本均值標(biāo)準(zhǔn)差最小值最大值Y人均實(shí)際GDP 2 533213.542170.234 20.770 381 349.443N采掘業(yè)（采礦業(yè)）就業(yè)人員占當(dāng)?shù)厝丝诘谋戎? 6680.008 490.020 060.000 010.319 01N2N的平方項(xiàng)2 6680.000 470.003 310.000 000.101 76N3N的立方項(xiàng)2 6680.000 060.000 810.000 000.032 46N4N的4次方項(xiàng)2 6680.000 010.000 230.000 000.010 36P每平方公里人數(shù)2 596415.490318.311 44.700 002 661.540J各行業(yè)從業(yè)人員總數(shù)占當(dāng)?shù)厝丝诘谋戎? 8480.104 530.091 920.023 450.984 36City市轄區(qū)人口占總?cè)丝诘谋戎? 7150.306 720.195 470.034 120.986 11注：數(shù)據(jù)由Stata 12.0軟件計(jì)算得來。

（City），形成回歸模型II-VII。如表2所示，所有7個(gè)模型都是固定效應(yīng)模型。確定使用固定或隨機(jī)效應(yīng)模型前，運(yùn)用似然比檢驗(yàn)對混合面板數(shù)據(jù)模型與個(gè)體隨機(jī)效應(yīng)模型進(jìn)行比較，此檢驗(yàn)的原假設(shè)是“靜態(tài)面板數(shù)據(jù)模型的個(gè)體效應(yīng)的方差等于零”，7個(gè)模型的檢驗(yàn)結(jié)果均顯示，原假設(shè)成立的概率都低于10%，因此固定效應(yīng)模型更優(yōu)。為甄別固定效應(yīng)模型與隨機(jī)效應(yīng)模型的優(yōu)劣，對其進(jìn)行Hausman檢驗(yàn)，其原假設(shè)是“個(gè)體固定效應(yīng)模型與個(gè)體隨機(jī)效應(yīng)模型的擬合系數(shù)不存在系統(tǒng)性的差異”，結(jié)果顯示，7個(gè)模型都適用固定效應(yīng)模型。回歸結(jié)果顯示，N的擬合系數(shù)都大于零，且能通過顯著性檢驗(yàn)；N2的擬合系數(shù)都小于零，N3的擬合系數(shù)都大于零，N4的擬合系數(shù)都小于零，部分模型中，N2、N3、N4的擬合系數(shù)能通過顯著性檢驗(yàn)。這表明資源變量與經(jīng)濟(jì)增長間存在非線性關(guān)系。圖1是“人均實(shí)際GDP”與N、N2、N3、N4模型曲線圖。

3個(gè)控制變量的擬合系數(shù)都是正值，且能通過顯著性檢驗(yàn)，說明人口密度增加、就業(yè)崗位增加、城市化推進(jìn)都有利于經(jīng)濟(jì)增長。自變量P（每平方公里人數(shù)）同因變量之間呈現(xiàn)顯著的正相關(guān)關(guān)系，且能通過1%的顯著性檢驗(yàn)，原因是人口密度增加，有利于細(xì)化專業(yè)分工，提高生產(chǎn)效率，從而提高人均實(shí)際GDP。變量J（各行業(yè)從業(yè)人員總數(shù)占當(dāng)?shù)厝丝诘谋戎兀┑臄M合系數(shù)是正值，且能通過顯著性檢驗(yàn)，說明新增就業(yè)可以提高人均實(shí)際GDP，原因是新增就業(yè)將增加人均收入，收入水平提高會(huì)促進(jìn)消費(fèi)，新增消費(fèi)則以乘數(shù)作用于GDP，促進(jìn)人均實(shí)際GDP提高。變量City（市轄區(qū)人口占總?cè)丝诘谋戎兀┑臄M合系數(shù)是正值，且能通過顯著性檢驗(yàn)，原因在于：擴(kuò)大的城市規(guī)模將吸引更多流動(dòng)資源進(jìn)入，有助于促進(jìn)經(jīng)濟(jì)增長。靜態(tài)面板數(shù)據(jù)模型的最大缺點(diǎn)是可決系數(shù)較小，組內(nèi)R2都低于0.1。

2.靜態(tài)面板數(shù)據(jù)模型的多重共線性問題

靜態(tài)面板數(shù)據(jù)模型的多重共線性問題主要源于資源變量及其分別與平方項(xiàng)、立方項(xiàng)、4次方項(xiàng)之間的線性關(guān)系。如表3所示，模型Ⅰ是隨機(jī)效應(yīng)模型，模型 Ⅱ、Ⅲ 是固定效應(yīng)模型，因變量分別是N2、N3、N4，自變量都是N。使用現(xiàn)有模型前，已運(yùn)用似然比檢驗(yàn)對混合面板數(shù)據(jù)模型與個(gè)體隨機(jī)效應(yīng)模型進(jìn)行比較，并使用Hausman檢驗(yàn)甄別固定效應(yīng)模型與隨機(jī)效應(yīng)模型的優(yōu)劣。3個(gè)模型的多重共線性檢驗(yàn)結(jié)果顯示，N與N2之間存在很強(qiáng)的正相關(guān)性，N與N3、N與N4間也存在較強(qiáng)的正相關(guān)性，這導(dǎo)致表2中模型 Ⅱ～Ⅶ 出現(xiàn)多重共線性問題。要檢驗(yàn)經(jīng)濟(jì)增長與資源變量間的非線性關(guān)系，還需采用非線性模型進(jìn)行估計(jì)。

應(yīng)模型注：1.因變量都是Y；2.括號內(nèi)數(shù)值是t檢驗(yàn)值；3.#、*、**、***分別表示擬合系數(shù)能通過15%、10%、5%、1%的顯著性檢驗(yàn)；4.數(shù)據(jù)由Stata 12.0軟件計(jì)算得來。

圖1人均實(shí)際GDP與資源變量（N）的一次方、

二次方、三次方、四次方模型曲線圖

表3N、N2、N3、N4的多重共線性檢驗(yàn)

變量模型Ⅰ模型Ⅱ模型ⅢN0.143***

（55.42）0.032 3***

（24.54）0.009 18***

（18.97）截距項(xiàng)-0.000 731***

（-7.52）-0.000 221***

（-15.03）-0.000 068 2***

（-12.65）樣本數(shù)2 3692 3692 369組內(nèi)R20.5270.2240.147模型類型隨機(jī)效應(yīng)模型固定效應(yīng)模型固定效應(yīng)模型注：1.括號內(nèi)數(shù)值是t檢驗(yàn)值；2.#、*、**、***分別表示擬合系數(shù)能通過15%、10%、5%、1%的顯著性檢驗(yàn)；3.數(shù)據(jù)由Stata 120軟件計(jì)算得來。

三、非線性模型的估計(jì)

1.全國的非線性回歸模型結(jié)果

運(yùn)用非線性最小二乘法，對式⑤⑥⑦⑧進(jìn)行估計(jì)，結(jié)果如表4所示。⑤式中，c0顯著不等于0，且c1顯著不等于0或1。⑥式中，c0、c1顯著不等于0或1。⑦式中，c1顯著不等于0。⑧式中，c0顯著不等于0，c1顯著不等于0或1。上述擬合系數(shù)的估計(jì)結(jié)果顯示，資源變量與經(jīng)濟(jì)增長變量間存在非線性相關(guān)關(guān)系。比較4種非線性模型的可決系數(shù)發(fā)現(xiàn)，對數(shù)指數(shù)模型的調(diào)整后R2是0980，明顯高于其他非線性模型的調(diào)整后R2。上述非線性函數(shù)的關(guān)系如圖2所示，當(dāng)N處于0.000 1（最小值）與 0319 01（最大值）間時(shí)，Y都是N的單調(diào)增函數(shù)，不存在“先增后減”或“先減后增”的趨勢。因此，從中國大陸宏觀層面上來看，發(fā)展采掘業(yè)有利于經(jīng)濟(jì)增長。

2.各區(qū)域的非線性回歸模型結(jié)果

如表4所示，⑧式的可決系數(shù)明顯高于其他模型的可決系數(shù)，因此，運(yùn)用此模型可分析中國各區(qū)域內(nèi)資源變量與經(jīng)濟(jì)增長之間的關(guān)系。模型結(jié)果如表5所示，所有擬合系數(shù)都能通過1%的顯著性檢驗(yàn)，

（675.44）觀察值數(shù)2 3692 3692 3692 369R20.6380.6190.6380.980調(diào)整后R20.6380.6180.6380.980注：1.⑤～⑦中，因變量是“人均實(shí)際GDP”，自變量是“采掘業(yè)或采礦業(yè)就業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍?；⑧中，因變量是“人均?shí)際GDP的自然對數(shù)”，自變量是“采掘業(yè)或采礦業(yè)就業(yè)人員占當(dāng)?shù)厝丝诒戎氐淖匀粚?shù)”。2.擬合系數(shù)都能通過1%的顯著性檢驗(yàn)，括號內(nèi)數(shù)值是t檢驗(yàn)值。3.數(shù)據(jù)由Stata 120軟件計(jì)算得來。

圖2人均實(shí)際GDP與⑤～⑧模型曲線圖說明在中國各區(qū)域內(nèi)，資源變量與經(jīng)濟(jì)增長之間都存在非線性關(guān)系。當(dāng)c0>1，且c1>1時(shí)，人均實(shí)際GDP是資源變量的單調(diào)增函數(shù)，資源祝福命題成立；當(dāng)c0>1，且c1<1時(shí)，人均實(shí)際GDP是資源變量的單調(diào)減函數(shù)，資源詛咒命題成立。

將中國大陸劃分為東、中、西三大區(qū)域，用上述模型對其分別進(jìn)行研究后發(fā)現(xiàn)，資源詛咒命題在東部地區(qū)成立，資源祝福命題在中、西部地區(qū)成立。在中、西部地區(qū)中，西部地區(qū)的兩個(gè)擬合系數(shù)大于中部地區(qū)的相應(yīng)值，說明資源產(chǎn)業(yè)對西部經(jīng)濟(jì)的促進(jìn)作用大于對中部經(jīng)濟(jì)的促進(jìn)作用。

將中國大陸劃分為華北等7個(gè)小區(qū)域發(fā)現(xiàn)，資源詛咒命題在華東、華南地區(qū)成立，而資源祝福命題在華北、東北、華中、西北、西南地區(qū)成立。西北地區(qū)的兩個(gè)擬合系數(shù)都大于其他地區(qū)的相應(yīng)值，說明資源產(chǎn)業(yè)對西北等欠發(fā)達(dá)地區(qū)經(jīng)濟(jì)的促進(jìn)作用大于對其他地區(qū)經(jīng)濟(jì)的促進(jìn)作用。

在京津冀、長三角、西三角三區(qū)域，資源詛咒命題在長三角區(qū)域成立，資源祝福命題在其他兩區(qū)域成立。京津冀地區(qū)的兩個(gè)擬合系數(shù)都大于其他兩地區(qū)的相應(yīng)值，說明資源產(chǎn)業(yè)發(fā)展更有利于促進(jìn)該地區(qū)的經(jīng)濟(jì)增長。表5中國各區(qū)域的非線性回歸模型結(jié)果

變量全國東部中部西部華北東北華東華南華中西北西南京津冀長三角西三角c05.254

R20.9800.9880.9880.9750.9870.9870.9830.9820.9890.9740.9800.9890.9900.976注：1.所用模型是⑧，其中，Y是“人均實(shí)際GDP”，N是“采掘業(yè)或采礦業(yè)就業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍?。上述擬合系數(shù)都能通過1%的顯著性檢驗(yàn)，括號內(nèi)數(shù)值是t檢驗(yàn)值。2.東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區(qū)包括重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古；華北地區(qū)包括北京、天津、河北、山西、山東、內(nèi)蒙古；東北地區(qū)包括遼寧、吉林、黑龍江；華東地區(qū)包括江蘇、安徽、江西、浙江、福建、上海；華南地區(qū)包括廣東、廣西、海南；華中地區(qū)包括湖北、湖南、河南；西北地區(qū)包括陜西、甘肅、青海、寧夏、新疆、內(nèi)蒙古；西南地區(qū)包括重慶、四川、貴州、云南、西藏、廣西；京津冀地區(qū)包括北京、天津、河北；長三角地區(qū)包括上海、江蘇、浙江；西三角地區(qū)包括陜西、四川、重慶。3.數(shù)據(jù)由Stata 12.0軟件計(jì)算得來。

四、各行業(yè)比較分析

將⑧式中的N（采掘業(yè)或采礦業(yè)就業(yè)人員占當(dāng)?shù)厝丝诘谋戎兀┫群蠓謩e替換為其他行業(yè)（農(nóng)林牧漁業(yè)、制造業(yè)、電煤氣水供應(yīng)業(yè)、建筑業(yè)、交通倉儲郵電業(yè)、信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)、批發(fā)零售貿(mào)易業(yè)、住宿餐飲業(yè)、金融業(yè)、房地產(chǎn)業(yè)、租賃和商業(yè)服務(wù)業(yè)、科技地質(zhì)勘查業(yè)、水利環(huán)境公共設(shè)施管理業(yè)、居民服務(wù)和其他服務(wù)業(yè)、教育業(yè)、衛(wèi)生社保和社會(huì)福利業(yè)、文體娛樂業(yè)、公共管理和社會(huì)組織）的就業(yè)人員占當(dāng)?shù)厝丝诘谋戎?，可得一系列關(guān)于某行業(yè)就業(yè)人員占當(dāng)?shù)厝丝诒戎嘏c人均實(shí)際GDP的對數(shù)指數(shù)模型。由于一些變量缺乏2012年的數(shù)據(jù)，因此我們使用2004—2011年的數(shù)據(jù)進(jìn)行非線性回歸分析，結(jié)果見表6和表

表6各行業(yè)對數(shù)指數(shù)模型中的c0值

產(chǎn)業(yè)全國東部中部西部華北東北華東華南華中西北西南京津冀長三角西三角農(nóng)林牧漁業(yè)4.75.24.65.25.74.54.14.63.95.14.37.04.24.1制造業(yè)7.37.26.77.07.37.17.57.06.77.16.47.98.05.9

電煤氣水供應(yīng)業(yè)9.28.87.99.510.27.810.214.47.39.08.926.813.38.0建筑業(yè)7.47.56.87.06.87.77.67.67.37.66.38.27.06.2交通倉儲郵電業(yè)8.38.16.78.67.46.79.28.47.78.87.58.18.87.8信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)10.59.08.813.28.89.513.410.19.114.89.18.111.210.7批發(fā)零售貿(mào)易業(yè)8.18.66.38.56.56.48.38.47.09.56.77.99.56.5住宿餐飲業(yè)8.28.16.98.08.16.78.87.68.69.16.58.19.27.0金融業(yè)12.810.811.813.611.317.815.210.712.315.511.611.012.110.9房地產(chǎn)業(yè)8.68.17.78.37.88.99.58.08.29.07.27.89.57.4租賃和商業(yè)服務(wù)業(yè)8.17.86.58.27.26.78.38.57.49.36.47.58.46.5科技地質(zhì)勘查業(yè)8.68.48.38.57.99.110.79.28.48.47.67.69.57.1水利環(huán)境公共設(shè)施管理業(yè)10.08.88.511.411.68.012.99.711.813.19.011.612.08.4居民服務(wù)和其他服務(wù)業(yè)7.57.76.48.07.16.18.38.87.57.37.57.48.86.8教育業(yè)17.215.812.816.814.411.830.621.918.517.511.013.720.69.0衛(wèi)生社保和社會(huì)福利業(yè)18.013.716.621.715.217.621.014.822.225.815.912.316.718.6文體娛樂業(yè)9.69.28.39.99.28.111.99.79.811.28.18.612.39.4公共管理和社會(huì)組織12.110.910.413.313.09.716.212.014.123.58.013.313.67.7采掘業(yè)5.25.45.45.65.55.34.84.35.45.94.86.15.25.0注：1.所用模型是⑧，其中，Y代表人均實(shí)際GDP，N代表“某行業(yè)就業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍薄Ｉ鲜鰯M合系數(shù)都能通過1%的顯著性檢驗(yàn)，調(diào)整后的R2都大于0.96。2.數(shù)據(jù)由Stata 12.0軟件計(jì)算得來。

7。表6中數(shù)字都是對數(shù)指數(shù)模型（ln（Yi，t）=c0×c1ln（Ni，t）+μi，t）中的c0，全國范圍內(nèi)農(nóng)林牧漁業(yè)的c0是4.7；表7中數(shù)字都是c1，全國范圍內(nèi)農(nóng)林牧漁業(yè)的c1是0.99，則“農(nóng)林牧漁業(yè)就業(yè)人員占當(dāng)?shù)厝丝诘谋戎亍迸c“人均實(shí)際GDP”的對數(shù)指數(shù)模型是ln（Yi，t）=4.7×099ln（Ni，t）。表8是各行業(yè)就業(yè)人員占當(dāng)?shù)厝丝诒戎氐木?，全國范圍?nèi)，農(nóng)林牧漁業(yè)就業(yè)人員占當(dāng)?shù)厝丝诒戎氐木凳?.02‰，將其代入上式，可得人均實(shí)際GDP的估計(jì)值是150元，其他情況以此類推，由此可得表9。表9中的第1列按從高到低的順序排列，150元名列第10位，用“10”代替“150”，其他情況以此類推，并按照表9第1列的從大到小順序排列，即可得到表10。

擺脫資源詛咒困境、提高經(jīng)濟(jì)增速的方法之一是產(chǎn)業(yè)多元化，表10為產(chǎn)業(yè)多元化戰(zhàn)略提供了實(shí)證依據(jù)。由表10可得到如下啟示：第一，在各行業(yè)中，采掘業(yè)對各區(qū)域經(jīng)濟(jì)增長的貢獻(xiàn)處于中等水平，按照各產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)排序，全部19個(gè)產(chǎn)業(yè)中，采掘業(yè)位列9～13位，因此正確實(shí)施產(chǎn)業(yè)多元化戰(zhàn)略有利于經(jīng)濟(jì)增長。第二，產(chǎn)業(yè)多元化戰(zhàn)略應(yīng)重點(diǎn)發(fā)展7項(xiàng)產(chǎn)業(yè)，即衛(wèi)生社保和社會(huì)福利業(yè)、電煤氣水供應(yīng)業(yè)、文體娛樂業(yè)、信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)、房地產(chǎn)業(yè)、居民服務(wù)和其他服務(wù)業(yè)、住宿餐飲業(yè)。上述7項(xiàng)產(chǎn)業(yè)對各區(qū)域經(jīng)濟(jì)的貢獻(xiàn)都高于采掘業(yè)的貢獻(xiàn)，因此優(yōu)先發(fā)展這些產(chǎn)業(yè)，引導(dǎo)采掘業(yè)就業(yè)人口進(jìn)入上述7項(xiàng)產(chǎn)業(yè)，將有利于經(jīng)濟(jì)增長。第三，一些產(chǎn)業(yè)不宜替代采掘業(yè)，包括交通倉儲郵電業(yè)、農(nóng)林牧漁業(yè)、租賃和商業(yè)服務(wù)業(yè)、科技地質(zhì)勘查業(yè)、水利環(huán)境公共設(shè)施管理業(yè)、建筑業(yè)、批發(fā)零售貿(mào)易業(yè)、金融業(yè)、制造業(yè)、公共管理和社會(huì)組織、教育業(yè)，原因在于：上述產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)沒有明顯高于采掘業(yè)的貢獻(xiàn)。第四，各產(chǎn)業(yè)排名的區(qū)域間差異較小，觀察任意一個(gè)行業(yè)便可發(fā)現(xiàn)，區(qū)域間行業(yè)排名沒有發(fā)生太大變化，如衛(wèi)生社保和社會(huì)福利對經(jīng)濟(jì)增長的貢獻(xiàn)都處于1～3位，公共管理和社會(huì)組織、教育業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)分別處于18、19位。

五、結(jié)論

本研究得出以下幾點(diǎn)結(jié)論：

1.資源豐裕度與經(jīng)濟(jì)增長間存在非線性關(guān)系

基于2004—2012中國市級面板數(shù)據(jù)，本文考察了資源豐裕度同經(jīng)濟(jì)增長之間的關(guān)系，采用面板數(shù)據(jù)模型、非線性模型研究發(fā)現(xiàn)，非線性模型的可決系數(shù)更高，對數(shù)指數(shù)模型調(diào)整后可決系數(shù)都超過096，說明資源變量與經(jīng)濟(jì)增長之間存在非線性關(guān)系。

2.資源詛咒與資源祝福并存

基于對數(shù)指數(shù)模型，發(fā)現(xiàn)資源詛咒命題在宏觀中國大陸地區(qū)不成立。將中國大陸分為東、中、西三大區(qū)域發(fā)現(xiàn)，資源詛咒命題在東部地區(qū)成立。將中國大陸分為華北等7個(gè)小區(qū)域發(fā)現(xiàn)，資源詛咒命題在華東、華南地區(qū)成立。在京津冀、長三角、西三角三區(qū)域，資源詛咒命題在長三角地區(qū)成立；在其他區(qū)域，資源祝福命題成立；較其他區(qū)域而言，在西北地區(qū)、京津冀地區(qū)，發(fā)展資源產(chǎn)業(yè)更有利于經(jīng)濟(jì)增長。

3.產(chǎn)業(yè)多元化戰(zhàn)略應(yīng)立足于發(fā)展7項(xiàng)產(chǎn)業(yè)

衛(wèi)生社保和社會(huì)福利業(yè)、電煤氣水供應(yīng)業(yè)、文體娛樂業(yè)、信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)、房地產(chǎn)業(yè)、居民服務(wù)和其他服務(wù)業(yè)、住宿餐飲業(yè)對各區(qū)域經(jīng)濟(jì)的貢獻(xiàn)都高于采掘業(yè)的貢獻(xiàn)，因此優(yōu)先發(fā)展這些產(chǎn)業(yè)，適當(dāng)引導(dǎo)采掘業(yè)就業(yè)人口進(jìn)入這些產(chǎn)業(yè)，將有利于經(jīng)濟(jì)增長。而交通倉儲郵電業(yè)、農(nóng)林牧漁業(yè)、租賃和商業(yè)服務(wù)業(yè)、科技地質(zhì)勘查業(yè)、水利環(huán)境公共設(shè)施管理業(yè)、建筑業(yè)、批發(fā)零售貿(mào)易業(yè)、金融業(yè)、制造業(yè)、公共管理和社會(huì)組織、教育業(yè)不宜替代采掘業(yè)，其原因在于，這些產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)沒有明顯高于采掘業(yè)的貢獻(xiàn)。

4.各產(chǎn)業(yè)對經(jīng)濟(jì)貢獻(xiàn)排名的區(qū)域間差異較小

觀察任意一個(gè)行業(yè)發(fā)現(xiàn)，區(qū)域間行業(yè)排名沒有發(fā)生太大變化，如衛(wèi)生社保和社會(huì)福利業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)都處于1～3位，公共管理和社會(huì)組織、教育業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)分別處于18、19位。限于篇幅，不再討論各行業(yè)對經(jīng)濟(jì)增長貢獻(xiàn)差異的經(jīng)濟(jì)學(xué)原因，以后的研究可針對此問題進(jìn)行專門討論。

[參考文獻(xiàn)]

[1]AUTY R M.Sustaining development in mineral economies：the resource curse thesis[M].London：Routledge，1993.

[2]SACHS J D，WARNER A M.Natural resource abundance and economic growth[J].Papers，1996（4）：496.

[3]SACHS J D，WARNER A M.Fundamental sources of longrun growth[J].American economic review，1997（2）：184.

[4]SACHS J D，WARNER A M.Natural resource intensity and economic growth[R].NBER Working paper，1995.

[5]SACHS J D，WARNER A M.Natural resources and economic development：the curse of natural resources[J].European economic review，2001（5）：827.

[6]徐康寧，韓劍.中國區(qū)域經(jīng)濟(jì)的“資源詛咒”效應(yīng)：地區(qū)差距的另一種解釋[J].經(jīng)濟(jì)學(xué)家，2005（6）：96.

[7]徐康寧，王劍.自然資源豐裕程度與經(jīng)濟(jì)發(fā)展水平關(guān)系的研究[J].經(jīng)濟(jì)研究，2006（1）：78.

[8]胡援成，肖德勇.經(jīng)濟(jì)發(fā)展門檻與自然資源詛咒——基于我國省際層面的面板數(shù)據(jù)實(shí)證研究[J].管理世界，2007（4）：15.

[9]邵帥，齊中英.西部地區(qū)的能源開發(fā)與經(jīng)濟(jì)增長——基于“資源詛咒”假說的實(shí)證分析[J].經(jīng)濟(jì)研究，2008（4）：147.

[10]劉紅梅，李國軍，王克強(qiáng).中國農(nóng)業(yè)虛擬水“資源詛咒”效應(yīng)檢驗(yàn)：基于省際面板數(shù)據(jù)的實(shí)證研究[J].管理世界，2009（9）：76.

[11]邵帥.煤炭資源開發(fā)對中國煤炭城市經(jīng)濟(jì)增長的影響——基于資源詛咒學(xué)說的經(jīng)驗(yàn)研究[J].財(cái)經(jīng)研究，2010（3）：90.

[12]RUI Fan，YING Fang，S Y Park.Resource abundance and economic growth in China[J].China economic review，2012（3）：704.

[13]方穎，紀(jì)衎，趙揚(yáng).中國是否存在“資源詛咒”[J].世界經(jīng)濟(jì)，2011（4）：144.

[14]胡華.資源詛咒命題在中國各區(qū)域成立嗎——基于省際面板數(shù)據(jù)的實(shí)證研究[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（3）：84.

[15]胡華.資源詛咒命題與中國大陸——基于市級面板數(shù)據(jù)的回歸分析[J].湖南工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013（3）：12

[16]胡華.資源詛咒命題在中國大陸是否成立——基于省級面板數(shù)據(jù)的回歸分析[J].現(xiàn)代財(cái)經(jīng)，2013（3）：24.

[17]李偉軍，李智.知識溢出與資源詛咒假說的門檻效應(yīng)[J].經(jīng)濟(jì)科學(xué)，2013（6）：44.

[18]邵帥，范美婷，楊莉莉.資源產(chǎn)業(yè)依賴如何影響經(jīng)濟(jì)發(fā)展效率——有條件資源詛咒假說的檢驗(yàn)及解釋[J].管理世界，2013（2）：32.