一种投资驱动和创新驱动联动影响经济发展的评估系统

技术领域

本发明涉及科技经济分析领域，尤其涉及一种投资驱动和创新驱动联动影响经济发展的评估系统。

背景技术

随着发展水平的提高、发展阶段的转变，我国经济发展面临的不利因素越来越多。如何实现经济增长模式的可持续性，是我国经济高质量发展的关键。无论是古典经济增长理论还是现代经济增长理论，资本是最主要的生产要素之一；而内生增长理论则认为创新是实现经济长期增长的关键。

投资驱动模式为我国以往经济增长作出了重要贡献。杨飞虎估算了1952-2008年间中国总量生产函数及经济增长中各因素贡献，指出中国经济增长模式为投资驱动型的粗放型经济增长模式。已有研究认为粗放型投资驱动经济增长不可持续，原因包括：一是土地、能源等资源要素有限，难以支持粗放型投资的增长模式；二是以城镇化、工业化为代表的投资驱动对生态环境的消耗巨大；三是政府主导型投资边际回报下降，会带来产能过剩、高债务问题；四是粗放型投资具有路径依赖，导致经济结构失衡、产业处于价值链低端，国际竞争力不强。Schumpeter认为创新是一种对生产要素和生产条件的新组合，对经济增长有重要作用。持续的技术创新是获得稳定经济增长的关键，为此，已有学者认为经济增长应转向创新驱动发展模式，并从创新投入、制度创新与创新环境建设、供给侧改革等角度推动创新驱动发展。

Porter将一国优势产业参与国际竞争的过程分为要素驱动、投资驱动、创新驱动、财富驱动四个阶段，中国正处于投资驱动向创新驱动转变的过程中。如何不需要人工，充分利用投资驱动和创新驱动两种模式对经济发展模式进行准确分析，是目前急需解决的技术问题。

发明内容

本发明的目的是提供一种投资驱动和创新驱动联动影响经济发展的评估系统，以解决上述现有技术存在的问题，充分利用投资驱动和创新驱动两种模式对经济发展趋势进行准确分析。

为实现上述目的，本发明提供了一种投资驱动和创新驱动联动影响经济发展的评估系统具体包括:

数据获取模块，数据处理模块，可视化移动端；

所述数据获取模块、数据处理模块、可视化移动端依次连接；

所述数据获取模块，用于获取经济发展相关原始数据，将原始数据进行处理，得到被解释变量、解释变量和控制变量；

所述被解释变量为经济增长；

所述解释变量包括创新驱动和投资驱动；

所述数据处理模块，包括基本单元、滞后单元、交互单元、门槛单元和处理单元；

所述基本单元与数据获取模块、滞后单元、交互单元、门槛单元和处理单元连接；

所述处理单元与滞后单元、交互单元、门槛单元与可视化移动端连接；

所述基本单元，用于根据所述被解释变量、解释变量和控制变量构建基本回归模型，通过基本回归模型获取基于基本回归模型的解释变量系数和显著性；

所述滞后单元，用于根据所述基本回归模型构建滞后影响模型，通过滞后影响模型获取基于滞后影响模型的解释变量系数和显著性；

所述交互单元，用于根据所述基本回归模型构建交互效应模型，通过交互效应模型获取基于交互效应模型的解释变量系数和显著性；

所述门槛单元，用于根据所述基本回归模块构建门槛效应模型，通过门槛效应模型获取基于门槛模型模型的解释变量系数和显著性；

所述处理单元，用于根据所述基本回归模型、滞后影响模型、交互效应模型和门槛效应模型所得到的所述全部解释变量系数和显著性，获得经济发展的趋势；

所述可视化移动端，用于查看所述数据分析模块获得的经济发展趋势。

优选的，所述控制变量包括，人口密度、第二产业占比、外资引进水平。

优选的，所述基本回归模型为：

gdpr

其中，gdpr

优选的，所述滞后影响模型为：

其中，gdpr

5.根据权利要求1所述一种投资驱动和创新驱动联动影响经济发展的评估系统，其特征在于：

所述交互效应模型为：

gdpr

其中，gdpr

优选的，所述门槛效应模型为：

gdpr

gdpr

其中，gdpr

ino

优选的，所述经济增长为GDP增长速度；

所述投资驱动为固定资产投资GDP比重；

所述创新驱动为技术创新指数。

优选的，所述可视化移动端包括手机，电脑，投影仪中的一种或多种。

本发明的有益效果：本发明提供了一种投资驱动和创新驱动联动影响经济发展的评估系统，无需人工进行繁琐的计算分析，节省大量的人力及时间，充分利用投资驱动和创新驱动两种模式联动影响对经济发展进行准确分析，对经济发展分析方便快捷，建立多个模型从多维度对经济发展进行更为全面的分析。

根据从互联网上获取的数据对经济发展进行多维度分析，不需要人工进行计算，方便快捷，同时去除了经济发展趋势的分析主观因素影响，使经济发展趋势的分析更加客观准确全面，同时使用可视化移动端，对结果查看更加方便。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，本发明提供了一种投资驱动和创新驱动联动影响经济发展的评估系统，具体包括：数据获取模块，数据处理模块，可视化移动端；

所述数据获取模块、数据处理模块、可视化移动端依次连接；

所述数据获取模块，用于获取经济发展相关原始数据，将原始数据进行处理，得到被解释变量、解释变量和控制变量；

所述被解释变量为经济增长，选择实际GDP增长速度表示经济增长，具体符号为gdpr。

所述解释变量为创新驱动与投资驱动，其中，投资驱动为固定资产投资占GDP比重(agdp)。创新驱动为技术创新指数(ino)。

对原始数据中经济增长、投资驱动和控制变量的相关数据进行整合处理，得到被解释变量、投资驱动和控制变量的数据；

所述被解释变量、固定资产投资占GDP比重(agdp)及控制变量数据来源于《中国城市统计年鉴》。

所述控制变量为影响经济增长的多重因素，经济增长受产业结构、劳动力、经济发展水平等多重因素的影响。为有效解决计量模型存在的设定偏误问题，本发明从上述多重因素中选择相关控制变量，具体选择了如下四个控制变量：一是产业结构，用第二产业占比代表，符号为ser；二是人口因素，选择了人口密度指标，符号为pd；三是外资引进水平，用“外商直接投资+1”的对数代表，符号为lnfdi；四是经济发展水平，用人均GDP代表，符号为gdppc。

一是产业结构，用第二产业占比代表。第二产业相对属于资本密集型，具有较大的规模经济效应，能够拉动地方经济快速增长。预期效应为正。二是人口因素，选择了人口密度指标。人口因素是经济增长的重要变量，人口数量越多、人口密度越大，意味着人力资本越容易获取，且知识资本之间的流动加快，有利于促进经济增长。预期效应为正。三是外资引进水平，用“外商直接投资+1”的对数代表。外商直接投资具有技术溢出和模仿效应，有利于经济竞争力的提高，有利于经济增长集约化水平的提升。预期效应为正。四是经济发展水平，用人均GDP代表。经济发展到一定水平之后，经济增长具有明显的收敛效应，相应的经济增长速度会有所下降。预期效应为负。

所述技术创新指数(ino)的原始数据中的相关数据来源于国家知识产权局的专利数据。

对原始数据中的投资驱动相关数据进行以下处理，

基于Pakes&Schankerman专利更新模型，对到期的发明专利进行价值估计得到评估值，根据所述评估值，构建专利价值分布模型，基于所述专利价值分布模型，得到所述发明专利的平均价值，作为所述发明专利的价值加权系数；依据每年的最后一天，设置为检测时间点，根据所述检测时间点，获得有效发明专利，根据有效发明专利，获得专利价值存量，基于所述价值加权系数和专利价值存量，得到技术创新指数。

所述数据处理模块，包括基本单元、滞后单元、交互单元、门槛单元和处理单元；

所述基本单元与数据获取模块、滞后单元、交互单元、门槛单元和处理单元连接；

所述处理单元与滞后单元、交互单元、门槛单元与可视化移动端连接；

所述基本单元，用于根据所述被解释变量、解释变量和控制变量构建基本回归模型，通过基本回归模型计算分析，得到基于基本回归模型的解释变量系数和显著性；

所述滞后单元，用于根据所述基本回归模型构建滞后影响模型，通过滞后影响模型计算分析，得到基于滞后影响模型的解释变量系数和显著性；

所述交互单元，用于根据所述基本回归模型构建交互效应模型，通过交互效应模型计得到基于交互效应模型的解释变量系数和显著性；

所述门槛单元，用于根据所述基本回归模块构建门槛效应模型，通过门槛效应模型计算分析，得到基于门槛模型模型的解释变量系数和显著性；

所述处理单元，用于根据所述基本回归模型、滞后影响模型、交互效应模型和门槛效应模型所得到的所述全部解释变量系数和显著性对经济发展进行分析；

在基本单元中利用所述原始变量，将所述被解释变量、解释变量和控制变量加入多元线性回归方程中，构建基本回归模型，所述基本回归模型为：

gdpr

其中，gdpr

在滞后单元中根据所述基本回归模型，加入滞后期数，构建滞后影响模型，所述滞后影响模型为：

其中，gdpr

所述交互效应模型为：

gdpr

其中，gdpr

在门槛单元中，根据所述基本回归模型，加入指示性系数，构建门槛效应模型，所述门槛效应模型为：

gdpr

gdpr

其中，gdpr

所述处理单元，用于根据所述基本回归模型、滞后影响模型、交互效应模型和门槛效应模型所得到的所述全部解释变量系数和显著性对经济发展进行分析；

上述数据处理模块中除处理单元，其余单元均使用软件stata15进行回归，所有的模型均控制了聚类稳健标准误。

1.基本回归模型分析结果

如表1所示，*、**、***分别表明在10％、5％、1％的显著性水平下显著，()内为t值，回归结果如表1所示，显示了投资与创新对经济增长的影响结果。其中，(1)-(2)为双向固定效应模型，(3)-(4)为双向随机效应模型，(1)与(3)未纳入相关控制变量。

可以看出，ino、agdp的系数均为正，且均在1％的显著性水平下显著，表明从总体上看，创新驱动与投资驱动均显著地促进了城市的经济增长，创新驱动通过知识积累、生产要素的重新组合等方式，并通过人力资本与知识资本所实现的科技创新与物质资本相结合，显著地促进了经济增长，投资驱动则增加了资本要素的投入，通过铁路、公路、机场、水利等重大基础设施建设、房地产投资、城镇化建设以及传统制造行业的投资等，有效地促进了经济产出增加。经济增长模式具有投资驱动与创新驱动的双重特征。

表1

2.滞后影响模型结果

进一步分析创新驱动、投资驱动对经济增长的长期影响效应，在回归模型中增加了解释变量的多期滞后值，滞后期确定的主要依据是滞后变量的显著性、SC与AIC准则，同时考虑两个解释变量之间的可比性。最后本文选择滞后5期(一个五年计划的周期)进行回归。回归结果如表2所示，其中(5)纳入了全部的滞后变量，(6)、(7)则分别纳入了创新的滞后变量与投资的滞后变量。可以发现：

创新驱动除本期对经济增长产生了显著地正影响外，滞后1期至滞后5期也均显著地影响经济增长，且符号呈正负交替变化，其中滞后1期为负、滞后2期为正、滞后3期为负、滞后4期为正、滞后5期为负，影响效应在滞后4期时达到最大。从回归结果(5)-(6)可知，滞后1-5期的总效应接近于0，创新驱动的总体效应为正。

投资驱动本期对经济增长产生显著正影响，且系数大，表明投资驱动的短期增长效应十分明显；滞后1期至2期对经济增长的影响为负不显著，滞后3期对经济增长的影响系数为0.016，在10％的显著性水平下显著，表明投资驱动可能包含一个3年左右的周期；滞后4期与滞后5期对经济增长的影响显著系数分别为-0.026与0.020，在5％或1％的显著性水平下显著，投资驱动的长期效应基本为负，且负面效应较大，在资源容量有限、生态环境日益恶化的约束下，投资驱动增长模式不可持续。

表2

3.交互效应与门槛效应模型结果

(1)交互效应模型结果

创新驱动建立在研发投入的基础上，因而创新可能与投资特别是风险投资、科技金融支持等密切相关，即创新与投资之间可能存在交互效应。如果交互效应为正，则可理解为：投资增加降低了研发投入的资金约束，刺激了创新，进而促进了经济增长；另一方面，创新的超额回报进一步带动了创新投资的增加，进而促进了经济增长。如果交互效应为负，则可理解为：粗放式投资挤压了研发投入、提高了创新成本，不利于创新；另一方面，创新风险抑制了创新投资，进而不利于经济增长。为此，在基本模型中纳入乘积项ino*agdp，考察创新与投资之间的交互效应。如表3所示，相应的回归结果见(8)-(9)。

可以发现：纳入乘积项之后，ino的符号发现了变化，由正转负，同时变得统计不显著；agdp的系数及统计显著性则均未发生明显变化，在1％的显著性水平下显著；而ino*agdp的符号为正，且在1％的显著性水平下显著。以上结果表明：创新与投资之间的交互效应与预期有一定的区别，创新本身蕴含着巨大风险，在技术创新积累不足的情况下，并不有利于经济增长，但创新转化为生产力所产生的超额回报刺激了创新投资，实现了技术进步，显著地促进了经济增长，即创新驱动经济增长是通过投资这一路径所实现的，以人力资本与知识资本为代表的创新与物质资本相结合，进而促进了经济增长；由于agdp的系数大小并未发生明显变化，表明交互效应并未明显影响投资驱动对经济增长的作用。这也意味着创新需要在政策性支持下才能有效发挥的作用，投资驱动与创新驱动之间并不矛盾，关键在于优化投资结构，加大创新发展投资力度，由粗放式投资驱动向高质量的投资驱动转变。

(2)门槛效应模型结果

利用面板门槛模型检验创新驱动与投资驱动的门槛效应，如表3所示。

首先，分析创新对经济增长影响的门槛效应。以Bootstrap“自抽样”方法抽取样本100次得到门槛效应检验结果，单一门槛的F值为105.04，在1％的显著性水平下显著，而双重门槛的F值为25.08，在5％的显著性水平下不显著，表明创新对经济增长影响存在1个门槛变量，相应的技术创新指数ino的门槛值为4.12。当ino小于4.12时，ino的系数为-0.793，在1％的显著性水平下显著，技术创新不利于经济增长；当ino大于4.12时，ino的系数为0.007，在1％的显著性水平下显著，技术创新能够显著地促进经济增长。以上表明创新具有集聚效应，只有创新积累到一定程度，创新效应才会显著，否则，创新风险大于收益，不利于经济增长。不过，ino的阈值相对较小，意味着只要加大创新投入，很容易达到创新正效应的临界点。

其次分析投资对经济增长影响的门槛效应。同样以Bootstrap“自抽样”方法抽取样本100次得到回归结果，单一门槛的F值为49.18，在1％的显著性水平下显著，而双重门槛的F值为15.11，在10％的显著性水平下不显著，表明投资强度对经济增长影响存在1个门槛变量，agdp的门槛值为71.87(％)。当投资占GDP比重小于71.87％时，agdp的系数为正，在10％的显著性水平下显著，表明投资能够显著地促进经济增长；而当投资占GDP比重大于71.87％时，agdp的系数为负，在1％的显著性水平下显著，表明不利于经济增长。

本发明也检验了以ino作为门槛变量时agdp是否存在门槛效应、以agdp作为门槛变量时ino是否存在门槛效应，发现符号不发生改变，表明不存在此类门槛效应。

表3

根据所述分析结果：一是创新驱动与投资驱动均显著地促进了城市的经济增长；二是创新驱动的即期增长效应相对小但长期负面效也较小，而投资驱动的即期增长效应大，但长期负面效应也大。投资驱动模式不可持续，创新驱动的长期增长效应为正，是可持续的增长模式；三是创新驱动与投资驱动之间存在交互效应，创新提升投资回报，促进了经济增长；四是创新具有集聚效应，只有创新积累到一定程度，创新效应才会显著；投资存在门槛效应，过度投资会导致造成经济效率下降、产能过剩、债务风险等问题。一方面我国已经跨过了创新的低门槛，但进入了投资回报下降的高门槛，亟需通过创新驱动模式推动经济增长。

根据上述获得的经济发展趋势，可以给出对于经济发展未来的启示：(1)通过优化投资驱动的结构，加大创新投入，即将资本由投入房地产行业、产能过剩行业、重复基础设施建设等转向投入到基础研发领域、新兴战略性产业、技术创新环节等“新基建”领域，使得研究与开发经费占GDP比重、研究与开发费用占销售收入比重、科研人员占比达到主要发达国家的水平，畅通创新借助投资实现经济增长的路径。(2)重视创新驱动中的人力资本投入、重视知识创新积累，加大劳动力素质提升投资、培养创新创业人才，促进创新与物质资本的紧密结合，提高技术创新驱动发展的内生性。(3)宏观管理部门充分调控，防止过度投资，利用科技财政经费等公共科技金融手段，引导市场资金流向创新产业，结合区域特色，实现创新产业集聚，发挥创新的集聚效应，有效推动经济可持续增长。

所述可视化移动端，用于查看所述数据分析模块对经济发展的分析结果。

优选的，所述可视化移动端为手机，电脑，投影仪其中一种。

本发明提供了一种投资驱动和创新驱动联动影响经济发展的评估系统，充分利用投资驱动和创新驱动两种模式联动影响对经济发展进行准确分析，对经济发展分析方便快捷，建立多个模型从多维度对经济发展进行更为全面的分析。

根据从互联网上下载的数据对经济发展进行多维度分析，准确全面的分析经济发展，不需要人工进行繁琐的计算分析，方便快捷，节省大量时间，同时使用可视化移动端，对结果查看更加方便。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。