全要素生產率影響行業收入差距的實證研究

唐帥，王方方

(1.安徽財經大學統計與應用數學學院，安徽蚌埠 233030；2.蘭州財經大學統計學院，甘肅蘭州 730000)

全要素生產率影響行業收入差距的實證研究

唐帥1，王方方2

(1.安徽財經大學統計與應用數學學院，安徽蚌埠 233030；2.蘭州財經大學統計學院，甘肅蘭州 730000)

利用2003～2011年中國工業行業大類面板數據，運用MLD指數、非參數核密度估計和變系數模型從全要素生產率的角度考察了中國行業收入差距的影響因素。研究發現，中國工業行業的MLD指數呈下降趨勢，但收入分布集中程度降低、尾部變厚；面板數據變系數模型結果表明全要素生產率是行業收入差距的重要影響因素，在不考慮其他因素的情況下對不同行業影響強度的差距在6.9%左右；隨著其他影響因素的納入，全要素生產率對單個行業影響程度在逐漸降低，其影響強度在行業間差距呈上升趨勢。

全要素生產率；MLD指數；核密度估計；行業收入差距；工業行業

改革開放使中國的經濟社會面貌發生了巨大變革，國內生產總值和城鄉居民收入大幅度提高，各行業職工工資水平也普遍上升。但是，不同行業之間的工資差距正在拉大，這一現象受到了社會各界的普遍關注。一些學者擔心中國行業收入分配會形成兩極分化，損害社會公平，對行業發展、擇業觀念、社會風氣造成不良影響。深入剖析中國行業收入差距形成的原因，有助于制定解決收入差距擴大問題的對策和措施，也有助于維護社會穩定、促進社會公平。因此，圍繞行業收入差距擴大問題，很多學者做了大量研究。

影響收入差距的原因很多，學界對此已提出了一系列理論，如邊際生產力理論、產業組織理論、人力資本理論和創新理論等，但這些理論大多考察了某一因素或某幾個因素的影響。綜觀國內外有關文獻，現有的研究大多從以下幾個方面來考察行業收入差距的形成：第一，行業壟斷因素，包括自然性壟斷和行政性壟斷兩種表現形式。對中國而言，行政性壟斷對行業工資水平的影響較大，這與中國現行所有制結構有關[1]。正是這種所有制結構使得不同企業間的勞動力市場出現分割，國有資本占主導地位的企業根據非市場因素制定工資，而非國有資本占主導地位的企業的工資水平是以市場為導向[2-3]。反映到行業中，不同行業國有企業的比重差異導致了巨大的行業間收入差距。從中國各行業每年平均勞動報酬數據，可以發現壟斷行業收入顯著高于非壟斷行業。很多學者基于這種直觀現象，考察了壟斷行業和非壟斷行業之間的收入差別。如杜鑫利用北京市人口抽樣微觀數據分析了中國城鎮壟斷性行業和競爭性行業之間的收入差距情況，發現壟斷行業收入較競爭性行業約高50%[4]。武鵬在梳理、總結目前行業收入差距理論解釋的基礎上，分析了壟斷對行業絕對收入差距的影響，結果表明過高的壟斷行業收入水平導致中國行業收入差距上升了25%左右，其中不合理的差距占行業平均收入水平的1/4[5]。第二，人力資本因素。Sakellariou基于危地馬拉和澳大利亞兩地行業收入數據考察了收入差距的影響因素，證實了行業間工資收入差距確實受人力資本的外部性影響，但仍存在著不合理的收入差距，且不能為人力資本外部性所解釋[6]。羅楚亮等根據2004年中國經濟普查數據，從行業和企業兩個角度考察了收入差距基本特征及其形成原因；研究發現，各受教育程度人群在行業就業人數中所占的比例對人均工資有顯著影響，而在人均福利補貼的決定中，教育程度變量的影響不顯著[7]。而邱兆林將壟斷和人力資本及其交互項同時納入了行業收入模型中，發現壟斷和人力資本都會對行業收入差距產生影響，且二者之間存在交互效應，不同質量的人力資本在不同性質的行業中對收入差距的影響不同[8]。第三，勞動力需求因素。人力資本因素是從勞動供給方考慮的，而勞動力需求因素則是從需求方角度解釋行業收入差距。Stigler認為尋找工作會帶來信息成本，企業更傾向于根據崗位特征來制定工資標準，因此造成了行業間收入差距[9]。而Akerlof和Yellen認為某些行業會提高其工資水平以提高工人的勞動生產率，從而達到利潤最大化的目標，由此導致了行業之間的工資差異[10]。而沿著這條路徑發展出的效率工資理論在研究行業收入差距中廣受關注。Krueger和Summers用效率工資理論解釋了高工資行業的工人獲得非競爭性的經濟租的原因[11]。Thaler認為企業遵循“多得—多勞”的原則進行勞動投入的決策，這就使得支付比競爭性工資更多的勞動報酬會對企業利潤的提高起到積極作用[12]。葉林祥等通過考察企業利潤影響工資差距的途徑，發現由效率工資導致的利潤是企業工資差距形成的重要因素[13]。第四，技術進步因素。鐘春平利用熊彼特“創造性毀滅”理論討論了在新技術出現過程中的收入擴大趨勢，研究發現能夠適應新技術的個體會獲得更高的收入[14]。孔慶洋等通過構建面板數據模型分析了工業行業技術進步及其分解指標對行業收入差距的影響，表明技術進步加劇了中國工業行業間的收入差距[15]。

在上述梳理行業收入差距影響因素的過程中，我們發現還存在著一些重要因素尚未得到學者的重視，如全要素生產率對行業收入差距的影響。全要素生產率是一個綜合概念，其主要包含了4個方面的內容：技術進步、技術效率、規模效率和配置效率。一般認為，在全要素生產率上具有比較優勢的企業或行業，其獲得較高收入的可能性較大。除技術進步外，現有文獻中人力資本和行業壟斷因素也會對全要素生產率產業影響，如人力資本會對技術進步及技術效率產生影響，壟斷因素則會影響規模效率和配置效率。但這都是從某個側面研究了其影響效應，而從更寬、更綜合的角度研究全要素生產率對行業收入差的影響在現有文獻中是鮮見的。現有行業收入差距研究文獻大多基于行業門類數據。但是由于行業門類的劃分較為粗糙，不能很好地反映行業之間的差異，所以在很多情況下行業門類數據并不適合被采用。本文基于以上兩點，首先采用工業行業大類數據對收入差距進行測度和分解；然后運用索洛余值法測算各行業的全要素生產率；最后將全要素生產率對行業平均報酬做回歸分析，探討其對于收入差距的影響。

一、模型、方法與數據

考慮到中國國民經濟行業分類在2002和2011年發生過兩次變動，為保持數據統計口徑的一致性，本文研究樣本時間跨度選擇為2003～2011年。所有數據來源于歷年《中國工業經濟統計年鑒》、《中國勞動統計年鑒》以及2004、2008年經濟普查數據。

(一)行業收入差距總體分析指標

在對中國工業細分行業收入差距總體狀況進行分析時，本文主要采用兩種方法：廣義熵指數和核密度圖法。Bourguignon指出廣義熵指數中的對數偏差均值指數(Mean Log Deviation Index，簡稱MLD指數)是唯一可以用人口比重作為權數的相加可分解指標[16]，而核密度圖則能刻畫出行業收入的分布特征以及結構演進情況[17]。因此首先采用MLD指數對行業收入差距進行測度和分解，同時描繪出工業行業收入分布和演進情況的核密度圖，從而對行業收入差距進行全面考察。

1.廣義熵指數

廣義熵指數是對收入份額度量的信息量族(GE Family)，是1967年泰爾在其利用信息論中平均信息量的概念所提出的泰爾指數基礎上推廣而來的。由于廣義熵指數可以測度按某種標志分組后的子群間不平等，因此它能較準確地反映出總體的收入差距狀況，其一般公式為：

(1)

當α=0時，廣義熵指數可以變形為MLD指數，該指數分配給低收入組的權重較大。因為MLD指數是以人口份額為權重的相加可分解指標，故采用該指數對工業細分行業收入差距進行測度和分解。MLD指數分解公式為[18]：

(2)

2.核密度圖估計

通過對隨機變量概率密度函數的估計，我們可以討論其統計特征。非參數方法不要求事先對隨機變量的分布做出假設，僅要求待估分布滿足平滑性、可微性等條件，該方法越來越多地被研究者所采用。因此，本文采用非參數方法估計中國工業行業收入分布的概率密度函數，進而討論其分布統計特征。非參數核密度估計是非參數密度估計方法之一，由Rosenblatt和Emanuel Parzen提出，又名Parzen窗[19-20]。其估計的表達式如下：

(3)

式中，Xi(i=1，2，…，n)和x分別表示一組隨機樣本和該組隨機樣本的均值,k(·)為所采用的核函數，hn表示光滑參數或窗寬，其定義與樣本容量n有關，滿足n→∞，hn→0。

由式(3)可以看出，一個核函數估計性質的好壞，主要取決于核函數k(·)和光滑參數hn的選取。一般在估計時對核函數施加諸如對成型、有界性、連續性等限制條件。而對于光滑參數hn的選取，最常見的方法有經驗法、插入法、最小二乘交叉驗證法以及似然交叉驗證法。因經驗法和插入法的主觀性較強，似然交叉驗證法較最小二乘交叉驗證估計結果更加準確，本文將采用似然交叉驗證法估計中國工業行業收入分布的概率密度函數。其基本思想是使如下對數似然函數最大化：

(4)

(二)全要素生產率對行業收入差距影響的計量分析

為驗證全要素生產率(tfp)對行業收入差距的影響，首先要測算出各行業在2003～2011年期間的全要素生產率水平，然后在此基礎上對其影響進行考察。

1.全要素生產率的測度

一般地，測度全要素生產率主要有參數方法和非參數方法兩類。非參數方法主要有增長會計法和數據包絡分析，其優點是不涉及參數的估計，但是它們只能反映全要素生產率的動態變化，不能對全要素生產率進行同一時刻不同截面上的橫向比較。參數方法主要有經濟計量法和隨機邊界分析，使用參數方法能綜合考慮全要素生產率的各種影響因素，且能得到其水平值，但主要缺點是估計過程較為復雜。

因本文主要考慮不同時點不同截面上的全要素生產率水平值對行業收入差距的影響，故采用經濟計量法測算中國工業細分行業的全要素生產率。首先，假定中國工業細分行業的生產函數形式為三要素投入的C-D生產函數：

(5)

式中，Ai0表示外生的技術進步；Yit，Lit，Kit和Mit分別表示第i個行業第t年的工業總產值、勞動投入、資本投入和中間投入；α、β和γ分別是勞動、資本和中間投入的產出彈性。將式(5)兩邊取自然對數，則有：

(6)

通過對式(6)回歸，可得到勞動、資本和中間投入的產出彈性α、β和γ，正規化得到：

(7)

上述模型中的工業總產值以工業品出產價格指數按2003年不變價折算；資本投入參照李小平的做法，以固定資產年末凈值表示[21]；中間投入采用式(8)推算；勞動投入以全部從業人員平均人數表示。

(8)

式中，mi(t)、gvi(t)、nvi(t)、depi(t)分別為第i行業以當年價表示的中間投入、總產值、凈產值和折舊，pi(t)為第i行業的原材料、燃料、動力購進價格指數。

2.tfp對行業收入差距影響的面板數據模型

因面板數據能提供大量的數據點，增加數據的自由度，減小解釋變量間的共線性程度，從而能提高計量模型估計的有效性[22]。借鑒武鵬在考察行業壟斷對行業收入差距影響時對模型的設定方法[5]，本文采用如下3種形式面板數據模型估計全要素生產率(tfp)對平均行業勞動報酬的影響：

模型1：

lnincomeit=β0i+β1ilntfpit+εit

模型2：

lnincomeit=β0i+β1ilntfpit+β2ilnstaownit+β3ilnscaleit+β4ilnexportit+β5ilnsalesit+εit

模型3：

lnincomeit=β0i+β1ilntfpit+β2ilnstaownit+β3ilnscaleit+β4ilnexportit+β5ilnsalesit+β6ilnprofitit+β7ilncaplabit+εit

為了減少模型中存在的異方差，本文對所有變量均進行了對數化處理。上述3個模型中，income表示行業的平均勞動報酬，為被解釋變量；全要素生產率tfp、國有資本占比staown、外向度export、產品銷售率sales、人均利潤profit、資本勞動比caplab和企業平均規模scale為被解釋變量；εit表示隨機誤差項。在所有解釋變量中，國有資本占比以國有資本占實收資本的比重表示，可以刻畫由所有制結構而導致的行業行政性壟斷程度；企業平均規模用行業資產總額與企業數之比表示，反映行業的自然性壟斷程度；人均利潤、資本勞動比分別定義為年度凈利潤、行業資產總額與行業從業人數的比率，用以描述

效率工資因素；其他控制因素為外向度和產品銷售率，用出口產品銷售額占總銷售額的比重反映行業的外向度，產品銷售率以銷售產值在總產值比重表示。模型1為在不考慮其他因素情況下考察全要素生產率對行業平均勞動報酬的影響；模型2在模型1的基礎上加入了壟斷因素和其他控制變量；模型3在模型2的基礎上進一步加入了勞動力需求方面的因素，包括效率工資因素。在建立全要素生產率與行業平均收入之間關系模型時，對所有以貨幣形式表示的指標均以2003年為基期的GDP折算指數進行平減。

二、實證結果及分析

(一)中國工業細分行業收入差距的總體分析

1.基于MLD指數對工業行業收入差距的測度和分解

根據中國2002年國民經濟行業分類標準，工業行業分為3個大類、38個中類，大類包括采礦業，制造業電力、燃氣及水的生產和供應業。我們根據前文所介紹的方法，采用對數均值偏差指數(MLD指數)按照行業大類對中國工業細分行業的收入差距進行測度和分解，具體結果如表1所示。

由表1可以看出，中國2003～2011年工業細分行業的收入差距呈波動下降趨勢。其中，組內差距與總體收入差距基本保持著相同的變化趨勢，而組間差距逐年上升。從組內差距與組間差距對總體收入差距的貢獻度看，組內差距對總體差距的貢獻度由2003年的85.7%下降到2011年61.7%；組間差距的貢獻度由14.3%上升到38.3%，這表明中國工業行業大類間收入差距是減小的，而各門類間收入差距是逐年增大的。從行業門類角度分析可知，采礦業和電力、燃氣及水的生產供應業的行業內收入差距是逐年降低的，而制造業的行業內收入差距呈上升趨勢，但上升幅度較小。2003年采礦業的行業內收入差距最大，電力、燃氣及水的生產供應業次之，制造業最小。而2011年三者之間的差距明顯減小，3個大類行業的收入差距趨于一致。

2.行業收入分布的核密度估計

基于似然交叉驗證法選取平滑參數的分布函數核密度估計方法，本文運用R軟件中的非參數軟件包估計了中國2003～2011年工業細分行業平均實際收入的分布函數。非參數核密度估計量和估計圖分別見表2和圖1。

表22003～2011年工業細分行業實際平均勞動報酬Kernel密度估計統計量

圖1 2003～2011年工業細分行業收入分布結構演進

2003～2011年中國工業細分行業收入分布演進如圖1所示，橫軸分別表示實際平均勞動報酬和年份，縱軸表示概率密度。2003～2011年，工業細分行業的收入分布有如下幾個特征：第一，行業平均勞動報酬集中點向左偏移，這表明中國行業收入在逐年增加；第二，三十多個工業行業的收入分布始終呈現單峰分布，這表明中國工業行業收入分布尚未出現兩極分化格局；第三，收入分布的集中程度有所減小，具體表現為收入分布的峰度在逐漸降低、尾部在逐漸增厚，這表明了中國工業細分行業的收入差距存在拉大的可能。

(二)行業收入差距的計量分析

1.各行業全要素生產率的估計

在估計各工業行業的生產函數時，考慮到輕重工業可能具有不同的要素收入彈性，我們參考李小平的做法[21]，將所有工業行業分為輕工業和重工業*行業用符號表示：H1煤炭開采和洗選業、H2石油和天然氣開采業、H3黑色金屬礦采選業、H4有色金屬礦采選業、H5非金屬礦采選業、H6農副食品加工業、H7食品制造業、H8飲料制造業、H9煙草制品業、H10紡織業、H11紡織服裝、鞋、帽制造業、H12皮革、毛皮、羽毛(絨)及其制品業、H13木材加工及木、竹、藤、棕、草制品業、H14家具制造業、H15造紙及紙制品業、H16印刷業和記錄媒介的復制、H17文教體育用品制造業、H18石油加工、煉焦及核燃料加工業、H19化學原料及化學制品制造業、H20醫藥制造業、H21化學纖維制造業、H22橡膠制品業、H23塑料制品業、H24非金屬礦物制品業、H25黑色金屬冶煉及壓延加工業、H26有色金屬冶煉及壓延加工業、H27金屬制品業、H28通用設備制造業、H29專用設備制造業、H30交通運輸設備制造業、H31電氣機械及器材制造業、H32通信設備、計算機及其他電子設備制造業、H33儀器儀表及文化、辦公用機械制造業、H34工藝品及其他制造業、H35廢棄資源和廢舊材料回收加工業、H36電力、熱力的生產和供應業、H37燃氣生產和供應業、H38水的生產和供應業。關于輕重行業的分類，主要參考朱鐘棣的做法。輕工業包括：H6、H7、H8、H9、H10、H11、H12、H13、H14、H15、H16、H17、H20、H21、H34；其余為重工業。。根據Hausman檢驗結果，對輕重工業生產函數均采用了隨機效應(RE)模型進行估計，具體估計結果如表3所示。

表3輕重工業生產函數估計結果

注：***、**和*分別代表在1%、5%和10%的顯著性水平下顯著；括號內為各估計量的t值。

從表3可知輕重工業回歸方程的調整擬合優度(R2)均在90%以上，表明本文所估計的模型能很好解釋行業的生產活動。從模型各參數的估計結果來看，勞動和中間投入的t值均在1%的顯著性水平下顯著，而資本投入的t值僅在重工業回歸方程中達到10%顯著水平。這主要是因為對于輕工業而言，資本的密集程度較低，短期內所投入的資金對生產經營活動的影響較小。從各變量系數的絕對值看，資本、勞動和中間投入彈性在輕重工業行業有較大差異。重工業部門的資本彈性大于輕工業，中間投入和勞動的彈性則小于輕工業，表明投入要素的彈性系數與要素使用的密集程度有關。將各要素投入彈性值相加，可以得到各工業部門的規模效應，輕工業部門的規模效應為1.002 2，重工業部門的規模效應為0.881 0。這說明重工業部門不存在規模效應，而輕工業部門具有一定的規模效應。將回歸方程的估計結果帶入式(7)中，我們可以計算出各行業各年的全要素生產率，中國工業行業2003～2011年全要生產率描述性統計量見表4所示。

表42003～2011年工業行業全要素生產率描述性統計量

表4中中國工業行業各年全要素生產率均為正，說明了技術進步、技術效率、規模效率和配置效率在一定程度上對工業增加值做出了貢獻，且全要素生產率平均值在2003～2011年間呈逐漸上升趨勢，表明工業行業的各方面效率持續改進。但是，觀察中國各年工業行業全要素生產率離散趨勢指標，可以發現行業間全要素生產率差距呈逐漸拉大的趨勢，極差、標準差分別由2003年的13.84和3.00上升到2011年的30.46和4.89，而變異系數指標表現平穩，始終處于0.42到0.50的區間之內。

2.行業平均勞動報酬的計量分析

在前文所構建的3種模型框架下，考慮全要素生產率(tfp)對平均勞動報酬的影響大小。為保證模型設置的合理性，應先對模型的設定進行檢驗，檢驗結果如表5所示。表5顯示在原假設分別為變截距和混合模型下，3種模型設定檢驗結果均拒絕了原假設，表明我們應考慮建立變系數模型。然而本文主要考慮全要素生產率對于各截面的影響，因此采用固定系數變系數模型對其進行說明。

運用R軟件中的plm包對變系數模型參數進行估計[23]。因結果較多，本文僅給出變量系數的估計值和t值，面板估計結果見表6～8。從整體上看，表6模型1回歸方程擬合的判定系數為0.999 8，說明模型擬合程度較好。從各行業tfp系數估計的t值看，其系數在10%的顯著性水平下均是顯著的。由具體分析可知，在不考慮其他因素的情況下，雖然全要素生產率對各行業平均勞動報酬均產生了顯著性影響，但是其影響方向和程度存在差異。從影響方向來看，全要素生產率(tfp)對H2(石油和天然氣開采業)和H18(石油加工、煉焦及核燃料加工業)產生了負向影響，即隨著這兩個行業的tfp上升，其行業平均勞動報酬是下降的。根據匹配理論模型[24]，這可能是由于這兩個行業的技術效率、技術進步、規模效率和配置效率均已達到較高水平，但是人力資本不能與之匹配，企業全要素生產率提高的成本并不能從效益中得到補償，從而職工平均勞動報酬下降。而對于其他行業，全要素生產率均呈現正向影響。這表明，對于工業中的大部分細分行業，tfp的上升會促進平均勞動報酬的提高。從影響程度上看，正向影響行業中全要素生產率對H1(煤炭的開采和采選業)的影響最大，tfp每上升1%，職工平均勞動上升3.15%；對H32(通信設備、計算機及其他電子設備制造業)的影響最小，其彈性約為0.62。而在負向影響行業中，全要素生產率對H18的影響程度最大，彈性約為-3.76%。從各行業影響程度的差距看，極差和標準差分別為6.91和0.93，影響程度較大，這表明全要素生產率是影響行業收入差距的一個重要因素。

表5模型的設定檢驗統計量結果

表7模型2考慮了影響平均勞動報酬的行業壟斷因素及其他控制變量，企業資本結構(國有資本比重)、企業平均規模、外向度和產品銷售率等。因本文主要考慮全要素生產率對平均勞動報酬的影響，表7同樣只給出了全要素生產率的系數值和t值。對比模型1和模型2全要素生產率系數估計結果，可以發現在納入行業壟斷因素及其他控制變量后，雖然行業平均勞動報酬的全要素生產率彈性在大部分行業出現了明顯的下降，但系數仍是顯著的。觀察在模型2中β(tfp系數)值仍顯著的行業，全要素生產率的彈性較模型1平均下降了約23.6%，表明在模型2中除全要素生產率之外還有其他因素對行業收入增長產生影響。還可以發現，部分行業的β值由模型1顯著不為0下降為模型2中不能拒絕其等于0的原假設。這表明對于部分行業來說，在控制壟斷因素后，全要素生產率對其行業收入水平的促進作用消失。因而，這個結果從另一方面反映了全要素生產率是影響行業收入差距的原因。

表6模型1全要素生產率系數估計結果

表7模型2全要素生產率系數估計結果

表8為在模型2基礎上加入了效率工資因素的β(tfp系數)估計結果。對比模型2和模型3的估計結果，可以發現在控制人均利潤、資本勞動比等因素后，各行業全要素生產率對平均勞動報酬的影響進一步降低，部分行業甚至由正向影響轉變為負向影響。這表明效率工資等因素也是行業收入差別的重要影響因素。但是tfp對全部行業的影響并不是均為負向或者不顯著，還存在部分行業受到正向影響，這意味著當這些行業全要素生產率的提高將拉大與其他行業平均勞動報酬的差距。具體來看，在控制效率工資后全要素生產率在各行業之間影響的最大差距約為8.8%，如H35的tfp彈性為2.482 6，而H16的彈性為-6.322 8。這表明了在控制壟斷和效率工資方面的因素后，全要素生產率仍對行業勞動報酬產生了較大影響。

四、結語

本文對中國工業行業大類2003～2011年收入差距運用MLD指數進行了測度和分解，同時描繪了行業收入分布及其演進的核密度圖，從總體上分析了工業行業收入發展現狀。著重考察了全要素生產率對工業行業收入差距的影響，本文得出了如下結論：第一，從MLD指數和核密度圖分析，中國2003～2011年間工業行業收入差距呈減小趨勢，收入分布始終呈單峰形態；但其集中程度有所降低、尾部增厚，表明行業收入差距存在著向雙峰轉化的可能。第二，在不考慮其他影響因素的情況下，全要素生產率對所有行業的平均勞動報酬均呈顯著影響，但影響方向和程度有所差異。其中，對兩個石油行業(石油和天然氣開采業以及石油加工、煉焦及核燃料

表8模型3全要素生產率系數估計結果

加工業)均產生了負向影響。在所有正向影響中，全要素生產率在各行業之間影響的最大差異為6.91%。第三，在加入行業特征因素及壟斷因素后，全要素生產對行業平均勞動報酬的影響程度減小，但是對大部分行業還是存在顯著影響的；但其影響程度較不控制其他因素情況平均下降了25%左右。第四，在加入效率工資影響因素的情況下，各行業全要素生產率對平均勞動報酬的影響程度進一步降低，部分行業甚至由正向影響轉變為負向影響；但是，全要素生產率在各行業間影響的最大差距由不控制任何因素情況下的6.91%上升到8.8%。以上結論可以充分表明全要素生產率是影響行業收入差距的一個重要因素。

為了盡量減少行業間的收入差距，在以上研究結論的基礎上，筆者提出以下政策建議：第一，各行業之間的全要素生產率存在差別，應加大基礎行業的物質資本和人力資本的投資，提高各行業的全要素生產率，縮小行業間全要素生產率的差距；第二，行業壟斷的存在使得行業間收入差距進一步擴大，應采取措施打破行業壟斷，解決壟斷企業內部工資管理體制和收入分配制度的不合理，從根本上解決壟斷行業職工收入過高的問題；第三，減少行業間效率工資的差異，而效率工資的提高依賴于企業的經營。因此，企業應優化經營模式，努力降低經營成本，提高超額利潤。

[1] 金玉國.我國行業工資水平與壟斷程度關系的定量測度[J].江蘇統計,2001(3):30-31.

[2] 邢春冰.不同所有制企業的工資決定機制考察[J].經濟研究,2005(6):16-26.

[3] Demurger S, Fournier M, Shi L, et al. Economic liberalization with rising segmentation in China’s urban labor market[J].Asian Economic Papers,2006,5(3):58-101.

[4] 杜鑫.中國壟斷性行業與競爭性行業的收入差距:基于北京市微觀數據的研究[J].南開經濟研究,2011(5):111-124.

[5] 武鵬. 行業壟斷對中國行業收入差距的影響[J].中國工業經濟,2011(10): 76-86.

[6] Sakellariou C.Human capital and industry wage structure in Guatemala[R]. Washing ton: The World Bank Policy Research Working Paper,1995.

[7] 羅楚亮,李實.人力資本、行業特征與收入差距——基于第一次全國經濟普查資料的經驗研究[J].管理世界,2007(10):19-30.

[8] 邱兆林.行業壟斷、異質性人力資本與行業收入差距[J].經濟與管理評論,2014(5):18-25.

[9] Stigler G J. Information in the labor market[J].The Journal of Political Economy,1962,70(5):94-105.

[10] Akerlof G A, Yellen J L. The fair wage-effort hypothesis and unemployment[J].The Quarterly Journal of Economics,1990,105(2):255-283.

[11] Krueger A B, Summers L H. Efficiency wages and the inter-industry wage structure[J].Econometrica: Journal of the Econometric Society,1988,56(2):259-293.

[12] Thaler R H. Anomalies: inter-industry wage differentials[J].The Journal of Economic Perspectives,1989,3(2):181-193.

[13] 葉林祥,李實,羅楚亮.效率工資、租金分享與企業工資收入差距——基于第一次全國經濟普查工業企業數據的實證研究[J].財經研究,2011,37(3):4-16.

[14] 鐘春平.創造性破壞與收入差距的振蕩擴大：基于中國行業工資的經驗分析[J].上海經濟研究,2004(2):3-10.

[15] 孔慶洋,黃濟生.行業壟斷、技術進步與行業收入差距——基于工業二位數行業的分析[J].華東師范大學學報：哲學社會科學版,2012(2):102-110.

[16] Bourguignon F.Decomposable income inequality measures[J].Econometrica: Journal of the Econometric Society, 1979,47(4):901-920.

[17] 顧嚴,馮銀虎. 我國行業收入分配發生兩極分化了嗎？——來自非參數Kernel密度估計的證據[J].經濟評論,2008(4):5-13.

[18] 王倩,姜琪.資本深化下的行業收入差距分析[J].財經科學,2013(5):95-104.

[19] Rosenblatt M.Estimation of the cross spectra of stationary vector processes[J].New York University Engineering Statistics Group,1955,285:17.

[20] Parzen E.On estimation of a probability density function and mode[J].The annals of mathematical statistics, 1962：1065-1076.

[21] 李小平,朱鐘棣. 中國工業行業的全要素生產率測算——基于分行業面板數據的研究[J].管理世界,2005(4):56-64.

[22] 高鐵梅.計量經濟分析方法與建模:EViews應用及實例[M].北京:清華大學出版社,2009.

[23] Croissant Y, Millo G. Panel data econometrics in R: The plm package[J].Journal of Statistical Software,2008,27(2):1-43.

[24] Kremer M, Mskin E. Wage inequality and segregation by skill[R].Washing ton：NBER Working Paper,1996.

Empirical study on the influence of total facto productivity on industry income gap

TANG Shuai1, WANG Fang-fang2

(1.School of Statistics and Applied Mathematics，Anhui University of Finance and Economics， Bengbu 233030, Anhui, China；2.School of Statistics，Lanzhou University of Finance and Economics，Lanzhou 730000, Gansu, China)

Using the industry high group panel data of China from 2003 to 2011, this paper examined the influence factors of total factor productivity on industry income gap based on the MLD index, nonparametric kernel density estimation and varying coefficient model. The results show that the total factor productivity is indeed an important factor of industry income gap. Specifically, the MLD index of China’s industrial sector shows a downward trend, the degree of income distribution concentration is decreasing, and the tail is getting thicker. In addition, the result of varying coefficient models shows that without considering other factors the strength of the gap between industries is around 6.9%. With the inclusion of other factors, the influence of total factor productivity on each independent industry is gradually decreasing. However, the impact strength of the gap between industries is rising.

total factor productivity; MLD index; kernel density estimation; industrial income gap; industry

2014-12-05

唐帥(1991-)，男，安徽池州人，經濟學碩士研究生。

F047

A

1671-6248(2015)03-0042-10