1引言

人类正走进以信息技术为核心的知识经济时代，信息资源已成为与材料和能源同等重要的战略资源，其发展对整个国民经济的发展具有乘数作用，发展信息产业提高国家信息能力，可以使经济结构优化和高度化，从而使国民经济具备较高的可持续发展能力。信息资源与资本、劳动力、技术进步共同决定着经济增长，定量研究信息资源对经济增长的贡献，对于国家制定信息化政策具有重要意义。

在研究经济增长投入产出领域，主要成果集中在以下两个方面：一是研究宏观经济政策对经济增长的影响，如财政分权、外贸政策、人民币汇率、税收、政府支出等；二是研究教育、资本、基础设施投入、电力消费、技术进步、知识、水利等要素与经济增长之间的关系。从本质上讲，导致经济增长的要素可分为有形资源、无形资源、人力资源，其中有形资源可用资本代替，无形资源包括技术进步、制度、管理、信息资源等要素，人力资源是劳动者数量和质量的综合反映。

对于无形资源如知识、信息、技术、制度、管理等因素，在研究方法上存在一些争论。笔者认为，知识包括科学和技术，科学对经济增长的贡献是潜在的和间接的，技术、制度、管理等因素对经济增长的贡献短期内假设不变，在生产函数中可以通过常数项进行反映，这样，将无形资源中的信息资源作为一个重要的要素进行研究就顺理成章了。

在信息化及信息资源对经济增长贡献方面，经济学家罗莫（1986）在其内生增长模型中，进一步将知识视为除资本、劳动之外的第三个生产要素；美国的基普曲线描述了信息基础设施发展与经济增长成正比的相关关系；前苏联学者帕尔凯维奇认为一国信息需求的增长与人均国民收入的平方成正比；我国学者朱幼平【1】（1996）在此基础上采用C-D生产函数研究信息资源对经济增长的贡献，认为信息资源的贡献最大，其次是劳动力，最后是资本；孙宝文【2】（2002）用信息技术装备量代替信息资源做过研究，此外李辉、王融等【3】（2001）用信息化指数也进行过类似研究，认为劳动力贡献最大，信息资源次之，资本贡献最小；我国学者时文生【4】（1995）曾以美国和日本的数据初步讨论了社会信息需求与国民经济发展正相关的关系，选取信息服务业的产值作为信息资源的代理变量来进行研究，但对于我国并没有进行相关的研究；马生全【5】（2003）结合索洛余值法从理论上探讨了西北少数民族地区信息化建设投入对经济增长的作用。

从国内公开发表的报刊文献资料看，归纳起来有以下特点：一是定量测度信息资源的方法千差万别，有的采用信息资源体系，主要参考日本学者小松崎清介的方法，不同学者对指标权重打分不同，信息资源的测度结果当然就存在差别；还有的学者采用信息资源的代理变量，如信息技术装备量、信息服务业产值等。二是在研究方法上，基本上采用生产函数，大部分学者采用时间序列数据，少数学者采用截面数据。三是在基础数据方面，对于资本数据有的学者采用当年固定资产投资，有的学者采用基本建设投资和更新改造投资之和，还有学者通过一定的方法计算出资本存量数据进行研究；对劳动力资源，有的学者采用职工人数，有的学者采用职工工资。由于以上原因，实际的测度结果相差很大。

本文采用面板数据Panel Data进行分析，Panel Data能够提供更多信息、更少共线性、更多自由度和更高效率。有效消除资本、劳动力、信息资源之间的多重共线性问题，有效控制个体差异，克服随机解释变量问题，从而能有效测度资本、劳动力、信息资源对经济增长的贡献。

2 方法

2.1基本假设

2.1.1假设资本、劳动力、信息资源是经济增长的源泉，其要素弹性为正。

2.1.2假设制度、管理、知识及技术要素在短期内没有变化。

2.2 Cobb-Douglas生产函数【6】

Cobb-Douglas生产函数是应用最广泛的生产函数，其数学形式为：

                                                                   A＞0, 0＜α＜1, 0＜β＜1   

其中A为效率系数或综合要素生产率；参数α和β分别是产出对资本和劳动的弹性，产出弹性之和是函数齐次性的阶α+β，从而根据α+β＞1、=1、＜1可以确定生产函数规模报酬分别是递增、不变、递减。

将生产函数进行扩展，增加信息资源I，其数学形式为：

                                              （2）

对公式（2）两边同时取对数，进一步整理得：

lnQ=lnA+αlnK+βlnL+γlnI                     (3)

根据许多经验数据研究表明，该方程能够很好的拟合投入与产出之间的关系。

2.3 Panel Data【7】

Panel data：面板数据，也被翻译为 “平行数据”、“嵌入数据”、“综列数据”，指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。

单方程面板数据模型的一般形式为

   i=1,…,n，t=1,…,T                       （4）

其中x_it为1×K向量，β_i为K×1向量，K为解释变量的数目。该模型常用的有以下三种情形：

情形一：α_i=α_j，β_i=β_j

情形二：α_i≠α_j，β_i=β_j

情形三：α_i≠α_j，β_i≠β_j

对于情形一，在横截面上无个体影响、无结构变化，则普通最小二乘估计给出了α和β的一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。对于情形二，为变截距模型，在界面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响，可分为固定影响和随机影响。对于情形三，为变系数模型，除了存在个体影响外，在横截面上还存在变化的经济结构，因而结构参数在不同的横截面单位上是不同的。典型的面板数据模型是截面单位较多而时期较少的数据。

2.4 固定效应（FE）与随机效应（RE）模型【8】

2.4.1 固定效应（FE）模型： ， ，也可以写为

或者

                      （5）

2.4.2随机效应（RE）模型

考虑面板数据模型的一般形式以后，显式地引进一个截距，形如：

                                                                                           （6）

如果假定非观测因素 与每一个变量都不相关：

则方程（6）就是一个随机效应模型。事实上理想的随机效应假定包括固定效应模型的假定以外，再加上 独立于所有时期的每一个解释变量的假定。

2.5 Hausman检验【9】

Hausman检验的零假设为H₀： ，即 与 不相关，在该假设不能被拒绝时，随机效应（RE）是一致有效的估计方法，而固定效应（FE）是一致但非有效的。反之，该假设被拒绝时，固定效应（FE）是一致有效的，而随机效应（RE）是非一致的。

因此，在该零假设下， 与 之间应当不存在系统性差异，即该零假设可以修正为H₀： 。

该方差为：

                          （7）

再根据Hausman（1978）

即

将上式代入方程（7），可得

                                                                       （8）

Hausman统计量即为

                                    （9）

3数据与计量模型

3.1 变量选取与说明

因变量为GDP；自变量包括：资本、劳动力、信息资源、时间。

3.2 数据

数据来源：《中国统计年鉴》2002-2004

本文中数据来源于2002~2004年的中国统计年鉴，因为2000年、2001年统计年鉴中没有相关分省数据，所以主要采用我国31个省市3年的Panel Data数据进行分析。表二是统计数据的摘要描述统计量，下面对于数据的选取作进一步说明。

资本的组成如下：

                              (10)

其中K表示对当年GDP产生贡献的资本，用它来衡量当年的投入产出最为科学。 表示资本存量， 是资本存量作用系数，表示资本存量中对当年GDP发生作用的比例，显然系数 已经考虑了折旧的因素。 表示当年新增资本，由于当年新增资本并不是全部对当年GDP产生贡献，因此用系数 进行调整，表示当年新增资本中对GDP产生作用的比例。由于以上数据很难获得，因此，本文用当年全社会固定资产投资作为K的代理变量。部分学者认为应采用资本存量数据，可能主要原因是由于客观上资本存量的不可分性，但我国的相关数据无法获得，即使采用一些方法估算资本存量数据也存在较大的误差。

劳动力数据采用职工人数，这也是目前许多学者普遍采用的做法。

信息资源数据采用邮电业务额作为代理变量。要直接研究和测度一个国家或地区信息资源量是不可能的，从信息传播的机制看，在信息发布前，首先是信息资源的收集、整理工作，对其进行测度，是非常困难的；对于信息接收者而言，其信息处理、信息应用能力的评价也相当复杂，几乎无法实现，由于不同人的知识水平、信息处理方法、个人偏好不同，即使拥有同样的信息处理设备，其信息处理结果及应用方式也有很大差异。但任何信息都是要进行存储和传播的，我们可以从此入手进行测度。

邮电业务额包括了函件、特快转递、报刊发行、固定电话、移动电话、互联网等内容，是典型的信息资源传播与存储，因此，用邮电业务额作为信息资源的代理变量。

3.3 计量模型设定

投入产出模型可以设定为：

                        （11）

根据Cobb-Douglas生产函数将该投入产出模型写为：

                          （12）

β为要素弹性；μ：随机项；i：全国省市；t：时间

对方程（12）两边取自然对数得到：

        （13）

4 实证结果

注： ^*表示10%水平显著，^**表示5%水平显著， ^***表示1%水平显著

根据Hausman检验结果，在5%的水平上不能拒绝零假设，即 ，因此采用随机效应（RE）应当是合适的；为了便于比较，同时给出了引入年度虚拟变量用OLS进行混合数据回归的结果，时间虚拟变量系数统计检验比较显著，说明存在着显著的年度差异。生产函数的要素弹性每年是变化的，在短期内我们可以假定要素弹性不变，但在长期这个假设并不存在，因此，用3个年度PANEL DATA数据可以有效地保证经济计量的精度，利用随机效应模型可以综合测度资本、劳动力、信息资源以及其它非观测效应对经济增长的贡献。

从随机效应的结果看， 达到了0.999，具有很高的精度，在1%的水平下，所有的参数都通过了检验。就要素弹性而言，我国的经济增长中，劳动力的产出弹性为0.475，其次是资本，其产出弹性为0.307，最后是信息资源，其弹性为0.231。

弹性之和 ，进行Wald检验，概率值为0.757，不能拒绝 的原假设，说明我国的经济增长是规模报酬不变的经济增长。

5结论

从结果看，资本、劳动力、信息资源三大要素的弹性都比较显著，信息资源对经济增长所起的作用逐渐显现，由于资源之间存在着一定的替代性，信息资源是准公共物品，具有非消耗性和非排他性的特点，因此，应该鼓励用信息资源替代资本性行业，大力发展信息产业，其深层次是知识和技术进步；我国存在着巨大的人口压力和就业压力，从经济发展和社会稳定的角度出发，今后应继续重视发展劳动密集型产业。改革开放以来，经过20余年的经济高速发展，以高投入、高产出、高消耗为特征的规模经济效应正逐渐变小，接近规模报酬不变，因此，应重视发展资源节约、知识和技术进步为主导的经济增长模式。

参考文献

[1]朱幼平：论信息化对经济增长的影响.[J].情报理论与实践，1996(5)：5-8

[2] 孙宝文：信息技术产业对经济增长影响的实证研究.[J].中央财经大学学报，2002(6):13-17

[3] 李辉、王融：论信息化对我国经济增长的影响.[J].中央财经大学学报，2003(3):50-53

[4] 时文生：信息需求与国民经济发展规模内在关系的定量研究.[J].情报理论与实践，1996(5):9-15

[5] 马生全、张忠辅等：西北少数民族地区信息化建设投入对经济增长的作用研究方法初探.[J].经济数学，2003(3):63-67

[6]李长风：经济计量学..[M].上海财经大学出版社，1996：268-275.

[7]Mundlak, Y.：Empirical Productions Free of Management Bias, Journal of Farm Economics,1961,43: 44-56

[8]詹姆斯·H·斯托克：经济计量学.[M]. 东北财经大学出版社，2005:177-185

[9]J.M.伍德里奇：《计量经济学导论现代观点》.[M] .中国人民大学出版社，2003：438-439