资源依赖对经济发展效率的影响与传导
——基于中国省级面板数据实证分析

张 琦，李松森，夏慧琳

（1.东北财经大学 财政税务学院，辽宁 大连 116025；2.南京财经大学 财政与税务学院，江苏 南京 210023）

一、引言

习近平总书记在党的十九大报告中指出，现阶段中国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。此类不平衡与不充分建设，要求我们进一步探讨中国现在是否存在“资源诅咒”现象，同时要求我们在理论分析与实践中认真研究与处理。一般而言，经济学理论认为，丰富的资源会对经济发展起到有力的推动作用，如加拿大、美国等。然而，从20世纪90年代开始，以Sachs与Warner［1］为代表的部分学者研究后发现，大部分资源不足的国家（如日本、卢森堡等）实现了经济的迅猛发展，而资源充分的国家或区域（如赞比亚等）的经济发展情况却比较落后，乃至产生经济负增长的情况，即出现了“资源诅咒”现象。学者们对“资源诅咒”现象予以分析［2］-［5］，但就“资源诅咒”现象的假说是否成立，结论莫衷一是。因此，应使用更有信服力的数据与方法，重新进行更为稳健的实证研究。鉴于此，本文通过对已有文献的梳理分析，实证验证在经济增长维度和TFP增长维度均存在有条件的“资源诅咒”现象的假说。在“资源诅咒”现象表现的各种维度中，相关研究对资源依赖如何影响TFP增长还未给予应有的重视。本文构建市场化程度指标体系，采用SYS-GMM等计量分析方法，利用2000—2019年中国30个省级面板数据样本，实证检验资源依赖对经济发展带来的影响，且对其传导机制予以进一步分析。最后依据实证结论给出实现经济可持续发展的政策建议。

二、文献综述与研究假设

针对资源依赖对经济发展的影响，国内外学者从多个角度进行了大量的研究。从进出口角度来看，Corden［6］认为，如增加对资源的出口，则可能导致实际汇率有所上升，进而对制造业的出口产生负影响，并抑制经济发展。在对其他行业的影响方面，有部分学者认为，资源型产业发展必然会导致该行业就业人员的工资与福利水平相对较高，由此会出现对服务业和制造业发展的挤压效应。在此观点之下，Frankel和Romer［7］认为，服务业和制造业的发展对于一个国家的经济发展有着巨大的推动作用，具体作用体现在，此类行业的发展能够推动相关行业的优化升级。从“资源诅咒”现象角度来看，徐康宁和王剑［8］认为，造成各地区间发展不平衡的较为明显的因素之一即为资源丰裕度的差异，在其研究中，通过使用1995—2003年部分数据比较完整的省级面板数据，对“资源诅咒”现象存在与否进行了实证检验，并最终得出结论：多数资源丰裕度较高的省份在其发展过程中确实存在有“资源诅咒”现象，即资源约束了当地的经济发展，使得当地的经济发展与其所拥有的资源规模大相径庭。胡援成和肖德勇［9］采用1999—2004年省级面板数据对国内是否存在“资源诅咒”现象进行研究发现，当地的经济发展确实会受到资源的阻碍。而就如何改善这一现象，董利红和严太华［10］认为，可以通过提高制度质量与提高技术投入水平等措施。万建香和汪寿阳［11］则在其对此问题的研究中引入了社会资本，提出如能跨越社会资本和技术创新二者交叉因子的门槛值，则可以切断“资源诅咒”现象的传导途径，从而消除影响。此外，国内部分学者认为“资源诅咒”现象在国内并不明显，代表性研究包括丁菊红和邓可斌［12］等，通过地区面板数据的实证研究发现，在控制了政府干预等因素的前提下，“资源诅咒”现象造成的影响并不明显。方颖等［13］也通过对中国95个地级市或以上城市面板数据检验发现，如以人均GDP衡量，则资源丰裕度与当地的经济发展之间无明显负相关；资源丰裕度较高的城市还可以在一定程度上促进省份内其他地市的工业化发展。

大多数国家成功的工业化过程中，资源都发挥了积极的推动作用。但是，相当多拥有丰富资源的国家，不但未从资源的大量开发中获益，还使其经济发展增速变慢乃至原地踏步，基本上都出现了“资源诅咒”现象，并且在发展中国家尤为明显。有些学者却得出了不同的结论，如孙大超和司明［14］、方颖等［13］分别从省级层面和城市层面实证检验出资源依赖与经济发展之间没有显著的关联。在分析资源与经济发展的关系时，学者要么认为丰富的资源能促进经济发展，要么认为资源开发不利于经济发展、“资源诅咒”现象会频繁出现，要么认为资源与经济发展并无任何相关关系。显然，我们需要找到一种能对此类相互矛盾的事实提供充分解释的理论。基于上述分析，本文提出如下假设：

假设1：资源依赖与经济增长间具有倒U型曲线关系。

TFP增长是一个对经济发展至关重要的因素，而现有文献很少有针对资源开发活动如何影响TFP增长的研究。若说人均GDP增长重点在数量上体现了经济发展，那么TFP增长便是在质量上反映了经济发展。由于在新古典增长理论内，对比经济增长来说，结合了技术成长、市场体系健全、规模效率提高等各个领域经济发展要素的TFP增长变得更加关键。资源依赖与TFP增长间在各个阶段、各个区域与各种经济环境下，也许存在各种演变形式或特点，而不是简单的线性关系。因此，对资源的过分依赖可否也会不利于TFP增长。基于上述分析，本文提出如下假设：

假设2：资源依赖与TFP增长间具有倒U型曲线关系。

三、研究设计

（一）模型设定

动态面板数据SYS-GMM模型可以很好地反映变量的动态调整过程，也可以通过相关技术方法对长期经济效应进行反映。并且，动态面板数据SYS-GMM模型能够通过引入被解释变量的滞后项当作一些遗漏变量的代理变量来有效解决模型的内生性问题。因此，本文使用动态面板数据SYS-GMM模型开展实证分析。

1.经济增长模型

本文构建的经济增长模型如下：

其中，β0—β14为待估参数，ŋit为随机扰动项。

（1）人均GDP年均增长率（PGR）。在所有区域物价总体维稳的基础上，因为对人口要素的考量，本文将人均GDP年均增长率作为经济增长指标的被解释变量。采用人均指标可以较好地反映出一个地区的经济增长水平，避免了人口因素导致的不可比。

（2）滞后一期人均GDP自然对数（lnGDPi，t-1）。将其引入模型，可以控制各截面单位经济发展初始水平的影响，以减少经济发展惯性对计量结果的干扰。

（3）TFP增长率（TFP）。在新古典增长理论中，经济增长通常被分解为资本、劳动及全要素增长率三部分，而且被赋予广义技术进步性质的增长对经济增长的重要作用已被许多经验研究所证实，但相关文献基本均未对这一重要变量予以控制。本文采用DEA—Malmquist指数法对各省份在相关年度的增长率进行测算，且将其作为一个主要控制变量而添加到经济增长模型中，并预期其系数符号大于零。

运用DEAP2.1软件进行计算，投入变量劳动采用年均全社会就业人数进行度量，资本采用固定资本存量。固定资本存量的计算运用戈登史密斯（Goldsmith）在1951年开创的永续盘存法PIM来估算。本文以1978年为基年运用永续盘存法按不变价格计算各省份的固定资本存量。即采用以下模型：

其中，Kit为t期固定资本存量，Iit为t期根据当期价格核算的投资额，Pit为t期定基价格指数与δit为t期分资本折旧率。本文采取固定资本形成总额度量当年投资（与Young［15］的选择一样）。结合每年固定资产投资指数与当年固定资本形成总额，采用张军等［16］的方式，对建筑、设施与其他开支这三种固定资本折旧率给予预估，获得折旧率分别约7%、15%与12%，且以此为前提根据资产值比例获得平均折旧率是9.6%。

（4）资源依赖度（R）。资源依赖度是对资源依赖的度量，常用的指标有采矿业产值比重、投资比重、就业比重和出口比重等。本文采用采矿业就业人数占就业总人数比重对资源依赖度来度量。相对于其他指标，上述指标能够较好地反映出各省份就业结构向资源型产业的倾斜程度，从而更具有代表性。R2为资源依赖度的平方项。

（5）人力资本投资（HC）。本文采用高校在校学生数占当地人口数的比重来度量，并预期其系数符号为正。

（6）技术创新投入（TI）。创新与技术发展在内生增长理论中是促进经济增长的重要因素。因此，本文采用技术市场成交额在地区生产总值中所占的比重来度量，并预期其系数符号为正。

（7）对外开放程度（OP）。得益于改革开放发展政策，中国的经济发展迅速，所以对外开放水平对经济高速发展的影响不容小觑。本文采用企业当地的外贸总额在当地GDP中的占比，并预期其参数符号为正。

（8）制造业投入（MD）。资源型产业的过度发展会使制造业被挤占，“荷兰病”效应是“资源诅咒”现象发生的一个关键要素。本文采用制造业固定资产投资占整个社会固定资产总投资的比重来度量，并预期其系数符号为正。

（9）市场化指数体系的构建。市场化建设的推进是提高经济发展质量、转变增长方式、迈向平衡发展阶段的重要保障。本文市场化指数体系是量化市场经济体制改革的制度变量，可以较全面地反映市场化程度的新特点。本文将市场化指数体系作为基本控制变量引入模型。国内学者对中国经济市场化程度的度量方式，有大部分涵盖了原国家计委课题组对市场化水平的界定，陈宗胜［17］设立了预估市场化程度的指标机制，王小鲁等［18］就某个区域市场化程度相对指数进行了分析。本文设立了含政府行为规范化、产品市场平等化等指标在内的市场化指数机制，以及其下属的10个二级指标和17个三级指标体系，力求对中国市场化程度进行综合全面准确的度量。

经济增长模型的变量定性描述如表1所示，市场化指数评价指标体系如表2所示。

表1 经济增长模型的变量定性描述

表2 市场化指数评价指标体系

本文将2000年作为基期，此年某项市场化三级指标，其区域分数介于0—10分之间，再根据所有区域的指标情况与基期此项指标在0—10分间的“相对位置关系”确定该指标对应的指数。由于涉及指标值大小与市场化程度的正负相关性，因而指标得分包括两种计算方法：

其中，Vi是某个地区第i个指标的原始数据，Vmax和Vmin分别是基期（2000年）该指标所对应的30个省份中原始数据最大值和最小值。

根据指标数值与市场化程度的理论关系，将17个三级指标分为两大类。当指标值与市场化程度正相关时，采用公式（3）计算相对指数，即原始数据越大，指标得分越大，所体现的市场化程度越高，如金融市场竞争等。否则采用公式（4）计算相对指数，即原始数据越大，指标得分越小，市场化程度越低，如政府消费等。另外，在各指标间权重分配上，本文采取简单平均方法形成各级指数。

2.TFP增长模型

本文构建的TFP增长模型如下：

其中，γ0—γ14为待估参数，νit为随机扰动项。

针对假设2模型的被解释变量TFP增长率，我们以DEA—Malmquist指数法对其进行测算，接着将其转换成以百分比为单位的增长率进而获得此指标信息。以该指数法能更好地将生产率指数分解成技术进步指数与技术效率变化指数，且将其转变成以百分比为单位的增长率方式，进而得到增长模型内的两个主要控制变量。所有要素在生产效率的提升不仅有之前技术效率提升的原因，使得产出更为靠近当前技术环境下的生产可能性界限；也有可能有技术发展带来的结果，也就是生产可行性界限的外移。因此，本文将技术进步（TE）与技术效率变化（EF）增加至模型内，目的在于度量技术效率与技术进步对TFP增长的贡献。TFP增长模型的变量定性描述如表3所示。

表3 TFP增长模型的变量定性描述

（1）资源依赖度（R）。资源依赖度是对于资源依赖的度量，常用的指标有采矿业产值比重、投资比重、就业比重和出口比重等。本文采用采矿业就业人数占就业总人数比重对资源依赖度来度量。这个指标能够较好地反映出各省份就业结构向资源型产业的倾斜程度，更具有代表性。

（2）人力资本投资（HC）。人力资本投资是影响技术创新能力的关键要素，直接影响其TFP增长。因此，本文采用高校在校学生数占当地人口数比重来度量，并预期其系数符号为正。

（3）技术创新投入（TI）。内生增长理论认为，研发及技术创新能协助技术进步与生产效率的提高。因此，一个地区对技术创新活动的投入，特别是资金与人员的投入是促进技术进步和生产效率提高的必要条件。本文采用从事科技活动人数占总就业人数比重来度量，并预期其系数符号大于零。

（4）外商直接投资（FD）。该指标能以各种方式对生产效率带来影响，包括技术扩散效应、竞争效应、产业关联效应等。本文采用按年均汇率兑换为人民币的各省份当年实际利用外商直接投资占GDP比重来度量。

（5）基础设施建设（IC）。完善的基础设施能够降低地区间的运输成本和交易费用，有利于提高资源配置效率和要素使用效率，进而有利于整个社会的经济发展。本文采用对数化处理的人均拥有道路面积来度量，并预期其系数符号为正。

（6）市场化指数指标机制。这些年来，中国的经济已经处于新常态下，市场化程度对经济发展有深刻的影响。因此，考虑市场化程度对经济发展的影响具有深远意义。

（二）数据来源

本文的核心数据源自《中国统计年鉴》与各省份的地方统计年鉴。遗失的部分内容以插值法补充。值得说明的是，在选取各指标数据时，如遇到国家与地方统计年鉴数据有所不同，兼顾指标的权威性和可得性，本文一律选取《中国统计年鉴》的统计数据作为研究来源。因为西藏部分数据不全，本文选取不含西藏在内的30个省份2000—2019年的数据。

（三）参数估计方法

本文的动态面板数据模型从理论方面而言也具有由于被解释变量滞后项和随机干扰项有关所带来的内生性问题，若采用一般的面板数据固定效应或随机效应模型，所获得的估计结果有较大的几率是存在一定误差、不匹配的。Blundell和Bond［19］在Arellano和Bover［20］的基础上通过构建联立方程来提高参数估计效率，就是系统GMM。具体估计原理如下：

建立一个联立方程，包含差分方程和水平方程如下式：

其 中，δ=(γ β')'，Yi=(Yi3，…，YiT)'，ΔYi=(ΔYi3，…，ΔYiT)'，定 义Zi=(Yi，-1Xi)'，则ΔZi=(ΔYi，-1ΔXi)'，Yi，-1=(Yi2，…，Yi，T-1)'，ΔYi，-1=(ΔYi2，…，ΔYi，T-1)'，Xi=(Xi3，…，XiT)'，ΔXi=(ΔXi3，…，ΔXiT)'，uit=ai+εit，ui=(ui3，…，uiT)'，Δui=Δεi。

由于已经假定Xit严格外生，故ΔXit也是严格外生。因此，对工具变量的讨论主要关注内生变量Yi，t-1和ΔYi.t-1。综合差分方程和水平方程中随机扰动项的统计特征，可以设定新的工具变量矩阵：

其中，1T-2表示T-2维元素全为1的列向量，d、d1均为T-2行T列的矩阵，其定义如下：

这里H的维度是(2T-4)×(2T-4)。类似于差分GMM估计中的做法，Blundell和Bond［19］给出了系统GMM的估计，令A=IN⊗H，则：

相比其他估计方法，系统GMM有两个明显的优势：一是在持续性较强的数据中，即Yi，t-1的系数接近1时，差分GMM具有弱工具变量问题，而系统GMM则没有；二是与差分GMM和水平GMM相比，系统GMM利用样本信息更充分，其估计结果也更有效。

由于工具变量有效与否决定了SYS-GMM估计结果是否一致，因而有必要利用Hansen检验工具变量的过度识别约束，同时使用Arellano-Bond检验（AB检验）判断工具变量的选择是否合理。若Hansen检验接受了工具变量具有有效性的原假设，且AB检验结果显示差分误差项不存在二阶序列相关，则表明工具变量的选取是有效且合理的。

综上所述，本文采用SYS-GMM的方法对动态面板数据模型进行估计。

四、估计结果与讨论

（一）经济增长模型

为了考察假设检验结果的稳健性，我们采用在控制因变量和基本控制变量的基础上，逐步添加控制变量的方式，能发现模型1至模型5的AB检验一阶自相关显著出现，而二阶自相关则并没有出现，同时Hansen检验结果不显著，即AB检验与Hansen检验均符合GMM估计的要求，表明模型不存在工具变量过度识别的问题，本文采用的工具变量合理有效。从基本控制变量的结果来看，TFP增长的系数均在1%水平上显著为正，表明TFP增长的确对经济发展有巨大的促进作用。人均滞后1期GDP的系数大于零，表明“条件收敛”假设在中国各省份中都是适用的。基于参数估计结果而言，资源依赖度与其平方项的系数均在1%水平上显著大于零与显著小于零，也就是说，资源依赖度与经济增长之间存在倒U型曲线关系，表明假设检验结果是平稳的。经济增长模型的估计结果如表4所示。

表4 经济增长模型估计结果

模型1是以滞后1期人均GDP年均增长率、TFP增长率以及市场化指数体系中的5个变量作为基本控制变量进行参数估计。模型2至模型5依次引入4个基本的经济增长要素，分别为技术创新投资、对外开放程度、人力资本投资和制造业投入。

模型2为引入技术创新投资变量后的结果。技术创新投资与经济增长显著正相关，表明中国科教兴国战略在各省份的经济增长中已经开始发挥作用，有利于提高技术能力、突破资源的限制。

模型3引入了反映对外开放程度的OP变量，结果表明，对外开放程度与经济增长呈显著负相关关系，与预期相反，表明这个因素对经济增长并未表现出应有的促进作用，无法对经济增长产生积极影响。模型4是在模型3的基础上引入人力资本投资变量。人力资本投资与经济增长呈负相关关系，表明现阶段人力资本投资并没有对经济增长起到促进作用。

模型5引入了制造业投入变量。制造业投入与经济增长在10%水平上显著为正。在中国拥有规模报酬递增属性的制造业，具有更高的技术水平与技术增长率，在促进区域经济增长方面至关重要。

上述研究结果清晰地表明，资源依赖与经济增长间的倒U型曲线关系十分平稳，较好地证实了假设1是合理的，也就表明资源依赖对经济增长的负面影响是在相关环境下才出现的，恰到好处地开展资源开发对经济增长是有帮助的，然而若经济增长对资源过分依赖超过了其阈值，资源便会对经济增长带来负面影响。

（二）TFP增长模型

本文仍然采用在控制因变量和基本控制变量的基础上逐步添加控制变量进行参数估计，估计结果如表5所示，进而确定估计结果的平稳性。从估计结果来看，每个模型的残差都在1%水平上存在显著的一阶自相关，没有二阶自相关，同时Hansen检验结果都不显著，表明每个模型所使用的工具变量都是合理有效的。基于参数估计结果，资源依赖度与其平方项的系数在1%水平上分别显著大于零与显著小于零，表明资源依赖与TFP增长间为倒U型曲线关系。从技术发展与技术效率变化的系数情况而言，技术发展与技术效率的提高对不同省份生产效率提高的效果基本接近。在逐步添加控制变量的过程中，各系数符号均保持不变，表明估计结果非常稳健，所选取的变量对TFP增长均具有重要影响。

表5 TFP增长模型估计结果

模型1是将滞后1期TFP增长率、技术进步、技术效率变化与市场化指数体系内的5个变量作为核心控制变量开展参数估计。模型2至模型5中依次引入4个基本的经济增长要素，分别为人力资本投资、技术创新投资、外商直接投资和基础设施建设。

模型2结果表明，人力资本投资对TFP增长发挥了重要推动作用，其系数在1%水平上显著为正。

模型3结果表明，技术创新投资与TFP增长之间呈显著负相关关系，与预期相反，表明这个因素对TFP增长并未表现出应有的促进作用。主要原因是有些地区科研成果向实际生产技术转化的能力不强，使科研与生产之间发生了断层，同时有关资本的利用率不高，对技术人员的激励较差，都会造成科技创投资对TFP增长起不到积极有效的促进作用。另外，由于资源开发带来的环保问题在日益加剧，使经济建设的环境变差，不利于技术人才的招聘，也就不利于技术创新能力的提升。

模型4是引入外商直接投资这一控制变量后的结果。外商直接投资的系数为负，表明外商直接投资对中国各省份的TFP增长没有表现出技术扩散效应。一方面，由于中国一直以劳动力优势吸引外资流入，长期以来处于价值链的低端，并且没有对外资直接投资产生的技术外溢拥有很好的吸收能力。因此，外商直接投资在中国产生技术外溢效应的技术基础薄弱。另一方面，由于外资抢占了大量的国内市场，高薪吸引大量有创新科研能力的人力资本，对国内企业造成很大冲击，使得国内企业不再把关注度侧重于技术进步，有碍于生产效率的持续提高。

模型5是引入基础设施建设变量后的结果。基础设施建设并没有表现出对TFP增长的积极影响。

上述研究结果清晰地表明，资源依赖与TFP增长间的倒U型曲线关系十分稳定，进而更好地证实了假设2的科学性，也就表明资源依赖对TFP增长的不良影响是在某种特定情况下才出现的，产业结构中资源型产业的比重在某个区间中是能协助社会生产效率提高的，但如果在限度之外便位于过度依赖资源型产业的形态，而资源型产业的发展将不利于社会经济发展效率的提高。

五、资源对经济增长的传导机制

资源对经济增长的传导机制有：“荷兰病”、挤出效应、寻租和腐败。首先，“荷兰病”。丰富的资源将带来“荷兰病”，该现象出现的原因在于资源的丰富与原料出口的变多会导致实际汇率上升，进而使制造业与服务业的出口变少，导致本国的资源从技术含量高的制造业向技术含量低的资源型产业转移，不利于经济发展。其次，挤出效应。因为经济发展需要有各种要素相互影响才能获得，对资源的依赖将挤出包括人力资本等当作经济增长驱动力的其他要素的引入。因为资源的开采通常是资本密集型，政府机构也许会牺牲公共教育经费，将其使用在资源型产业方面，进而形成对人力资本的挤出效应。最后，寻租和腐败。资源的巨额收益往往集中于少部分人手中，这就容易造成政治家和企业对资源的寻租行为，还会使政府给出不正确的决策。不仅如此，在资源型产业发展迅速时，政府有丰富的资金给制造业提供优惠与减免方面的支持，在资源型产业发展还处于初级阶段时，将不再对制造业提供一定的优惠，使得产业方针有所间断。另外，因为资源的产权不清晰，政府基本上管控了每种资源，同时还决定开采权归谁所有，而且还会由于开采权的问题带来腐败，从而导致治理质量的下降，对经济改革与经济结构多样化产生阻碍作用，不利于经济发展。

分析资源依赖对经济增长的传导方法，能为处理“资源诅咒”现象找到科学的方法。当前的资源依赖对经济增长的传导机制包括：对制造业、服务业、对外开放水平的挤出效应，对人力资本的挤出效应，因而对人力资本水平、制造业等中介变量进行传导路径的检验，建立如下模型：

其中，α0为常数项，α1为系数向量，εit为随机误差项，其余符号含义与前文相同。M为技术创新投资、对外开放程度、人力资本投资、制造业投入等变量。“资源诅咒”现象传导因素如表6所示。

表6 “资源诅咒”现象传导因素

由表6可见，被解释变量制造业投入和资源依赖度R在1%水平上显著为负，表明资源的开发不利于制造业的发展，目前中国各省份仍然存在“荷兰病”现象。人力资本投资和技术创新投资均在1%水平上与资源依赖度呈负相关关系，发生了“挤出效应”。资源丰富的地区很容易因为对资源的过度依赖造成制造业萎缩的现象，即“去工业化”现象。这是由于此类地区在资源政策优惠的基础上，产业结构极易往准入条件不高的资源型产业倾斜。也就是说，资源的开发所带来的短期红利，会将更多的劳动力和人力资源吸引到更易产生超额利润的资源型产业。而制造业是一个具有规模报酬递增的部门。且相较于资源型产业而言拥有产业关联程度高、相关技术更新速度快、技术创新水平高、对高技能劳动力的需求多等特点。因此，资源的过度依赖会导致制造业的就业人员以及相关技术创新人员数量减少，弱化了对新技术的需求，抑制了制造业的发展，使得区域经济很容易形成资源型产业“一枝独大”的畸形产业结构，阻碍区域经济的可持续发展。

资源依赖与对外开放程度正相关但不显著，不能体现资源依赖对对外开放程度的影响。这是由于市场经济体系不健全，资源型产业的超额利益，导致政府产生只注重眼前利益的做法，不太关注人力资本的投资，从而对经济的长期可持续发展产生阻碍作用。

六、结论与政策建议

在线性关系框架下对资源依赖与经济发展关系所开展的大多数现有研究，并不能对“资源祝福”与“资源诅咒”这两种相悖的现象同时予以合理解释。另外，在“资源诅咒”现象表现的各种维度中，资源依赖如何影响TFP增长还未得到足够的关注。因此，本文利用2000—2019年中国省级面板数据，以人均GDP增长和TFP增长分别在数量和质量上对经济发展效率予以度量，在通过SYS-GMM方法有效控制解释变量内生性问题的条件下，实证考察了资源依赖对经济发展效率的非线性影响，表明两个假设都是成立的，且对其传导机制给予了分析。

为减轻或防范资源依赖所造成的“资源诅咒”现象，本文结合研究结论给出下述政策建议：

第一，增加制造业投入。本文所得结果与大部分学者对于制造业投入在“资源诅咒”现象发生中的作用是一致的。想要有效缓解或者合理规避“资源诅咒”现象，提高制造业投入是一个很重要的途径。提高制造业投入不仅可以推动制造业的发展，还有助于完善资源型地区的制造业基础，使得相关技术产业和服务业的科研创新能力得到提高。

第二，增加人力资本投入。本文的研究结果显示，当前的人力资本投资对地区经济的可持续发展未发挥出其积极作用。因此，应该增加人力资本投入，重视教育水平提高，人才培养和保留政策的实施，进而提高技术水平和国民素质。

第三，产业结构多样化发展。不仅可以通过增加对资源型产业上下游相关企业的扶持，促成产业链延长与产业集群化，还能设立科学的资源收入分配体系，使不同地区资源型收入得到合理安排，提高可支配资本，将资源开发获得的收益投资于非资源部门，实现自然资本往其他形态资本的转变。也就是通过产业结构的多样化改善“荷兰病”现象，减弱甚至消除过度依赖单一资源开发带来的“资源诅咒”现象。

第四，提高资源税税率。资源型地区陷入“资源诅咒”现象的陷阱，主要是由于资源的过分开发能带来巨额利益，并且资源型产业技术水平的准入门槛很低，导致企业对资源型产业进行大量投资，继而使资源型产业的发展过于迅速。适当提高资源税税率，可以增加经营者的经营成本，减少利润，从而降低其继续增加投资的诉求，也就可以有效避免资源丰富地区因资源型企业的短视行为，给经济发展造成的负面影响。