中国近代投资(1903～1951年).docx

??

?

??

中国近代投资（1903～1951年）

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

第一节引言

投资数据是宏观经济研究的核心数据。由于中国的投资数据缺乏1951年之前的估计，已经掣肘了量化分析工具在近代中国的应用。本书借鉴Svennilson（1954）指数法，提出了一种改进的投资估算方法，并将其应用于中国。我们的主要贡献包括两个方面：①增加1903～1936年中国投资量估计值的可靠性；②填补1937～1951年中国投资估计值的空白。

第二节对中国近代投资的估算

一估算方法的回顾与评述

常见的投资估算方法有两种。

第一种方法称商品流量法。依据资本品的总供给等于总使用的原理，通过累加资本品的产出和中间费用，推算资本品的最终使用，即投资，又称固定资本形成总额。这种方法的优势是，在基础数据充足的情况下，其估值比较准确。而这种方法的主要局限在于，其需要的数据量过大。由于商品流量法需要全部资本品的产出和中间费用数据，而在中国近代多数年份（1933年除外）相关数据稀缺，因而导致商品流量法无法使用。1933年的商品流量法估计文献有：吴承明（1946）、Yeh和Liu（1965）与林仁文（2011）。

第二种方法称指数法（indexmethod）。其基本思路是利用指标量（index）推算投资量。设想，将研究区间分为A、B两段。指标量在全时段内已知，而投资量在A时段已知，但在B时段未知。首先利用A时段数据，计算指标量与投资量之间的比例。再以此比例乘以指标变量，可推算B时段内的投资额。例如，谷春帆（1947）根据进口资本品推算1912～1938年资本积累额。Svennilson（1954）以水泥和钢铁表观消费量的几何平均值为指数，推算美国和德国的投资，发现与数据拟合得相当不错。Rawski（1989）根据钢铁、水泥和机械的表观消费量推算中国1903～1936年面向近代化的资本集成额。吴承明（1946）以就业和平均物价等作为指数，估计了1931～1936年中国的资本形成。Yeh（1967）与Yeh和Liu（1965）利用资本品产量和贸易量等作为指数，推算了1931～1936年中国的资本集成。指数法的优势在于，其所需数据少，又能估算出时间上连续的资本集成序列，具有很大的便利性。但正因为它们所用的数据少，其结果的可靠性才难以保证。因此应用指数法时，需要对方法的可靠性进行评估，而已有文献往往缺乏可靠性检验。

综上所述，①商品流量法在实践中受到数据可得性的制约，而指数法的可靠性也有待检验。这也意味着，尽管已有研究估算过中国1903～1936年的投资，但是这些估计的准确性还可以商榷。②中国1937～1951年的投资数据还是空白，有待填补。

二本书的估算方法

本书借鉴了Svennilson指数模型并加以改进，估算了中国1903～1951年的投资。

SvennilsonIndex模型（以下简称Index模型）。模型如下：

lnvt=θJt

其中，lnvt为待估计的投资量，Jt为指标变量（Index），Jt等于水泥与钢铁的简单几何平均数：

其中，Cement为水泥的表观消费量，Steel为钢铁的表观消费量。θ为指标量和投资量之间的比例。

Cobb-Douglas模型。借鉴Index指数模型，本书通过放松指标量为简单几何平均数形式的限定，对指标变量采用如下Cobb-Douglas函数形式[1]：

lnvt=θCementαSteelβ

其中，lnvt为待估计的投资量，Cement为水泥的表观消费量，Steel为钢铁的表观消费量。公式中的系数，通过最小二乘回归方法估算。

三数据

表3-1为本书使用的钢铁和水泥方面的基础数据。

表3-1本书的基础数据（钢铁和水泥）

单位：吨

年份

水泥国内产量

水泥进口量

水泥出口量

钢铁国内产量

钢铁进口量

钢铁出口量

1903

—

21000

—

—

119769

—

1904

—

16000

—

—

127824

12000

1905

—

33000

—

—

174830

23000

1906

—

55000

—

—

181120

34000

1907

—

96000

—

240686

104537

33000

1908

—

85000

—

259036

142665

31000

1909

10000

100000

—

263405

250173

39000

1910

55000

103000

—

339509

239061

65000

1911

78000

47000

—

291977

219092

71000

1912

135000

30000

13000

180510

151276

12603

1913

123000

37000

24000

310150

2417