區域全要素生產率的影響因素研究
——基于1998-2014年中國各省份面板數據的分析

葉宗裕

(浙江師范大學 經濟與管理學院，浙江 金華321004)

?

區域全要素生產率的影響因素研究
——基于1998-2014年中國各省份面板數據的分析

葉宗裕

(浙江師范大學 經濟與管理學院，浙江 金華321004)

文章首先從理論上分析了區域全要素生產率(Total Factor Productivity，簡寫為TFP，下同)的可能影響因素，對各因素選取了相應的相對指標作為代表，將其直接納入C-D生產函數模型,并利用1998-2014年中國各省份的面板數據進行回歸分析。結果表明：非國有經濟部門比重的提高，是TFP提高和經濟增長的最重要因素，科技投入、勞動力結構、教育水平、外商直接投資和交通基礎設施對TFP提高和經濟增長都有顯著的正向影響，但影響較小；中西部地區科技投入、交通基礎設施和外商直接投資的增長幅度遠低于東部地區，中西部地區TFP增長率低于東部地區，是導致中西部地區GDP增長率低于東部地區的重要原因。

全要素生產率；C-D生產函數；影響因素；區域差異

改革開放以來，中國經濟實現了年均近10%的增長發展，各地的經濟發展水平得到顯著提高，但是地區差距不斷擴大，已成為不爭的事實。21世紀以來，許多學者利用分省數據對中國地區經濟增長差異的原因進行了大量的實證研究，雖然結論不盡相同，但幾乎各個研究都表明，全要素生產率對地區經濟增長差異有重要影響。如彭國華的研究表明，TFP的差異是造成我國省區收入差距的主要原因。[1]李國璋等的研究認為，要素投入差異是我國地區經濟增長差異的主要決定因素，但是其貢獻程度自20世紀90年代以來逐漸下降，而TFP的作用則不斷提高，將成為未來地區經濟增長差異的主要決定因素。[2]因此，通過對區域TFP影響因素的研究，有利于區域全要素生產率的提高，有利于有效測度各種因素對區域經濟發展的影響，有利于縮小省區之間的收入差距，從而為地方經濟決策提供可資借鑒的理論參考。

一、文獻回顧與評論

在關于生產率的實證文獻中，C-D生產函數是使用最普遍的生產函數形式。分地區的C-D生產函數可表示如下：

(1)

Yit、Kit、Lit分別表示第i個地區第t年的GDP、物質資本存量和從業人數。α、β分別為Y關于K、L的彈性，Ait代表TFP，包括物質資本和勞動投入以外的所有其他影響產出的因素。

對區域TFP影響因素的研究，主要有兩種方法：第一種方法分兩步，先通過式(1)估算TFP(即Ait)，然后構建TFP的分析模型，根據TFP模型的回歸結果討論TFP的影響因素；第二種方法先構建TFP函數，再將其代入生產函數模型，通過生產函數模型的回歸結果討論TFP的影響因素。學界大多數研究采用第一種方法。第一種方法存在兩方面的問題：一是需先假設式(1)中的A為常數，才能估計出彈性系數，再計算Ait，這實際上是矛盾的；二是根據李子奈的研究，計量經濟學模型總體設定，必須遵循“唯一性”和“一般性”原則。[3]“一般性”是指作為建模起點的總體模型，應該包含所有對被解釋變量產生影響的變量。顯然，TFP的影響因素也是產出Y的影響因素，由于第一種方法在估算TFP的生產函數模型中沒有包括這些因素，模型不具備“一般性”，因而根據該模型估算的TFP是不準確的，而且這種分兩步的方法將產生更大的估計誤差，對TFP影響因素的分析是不可靠的。相比較而言，第二種方法將TFP的影響因素作為產出Y的解釋變量，直接引入生產函數模型進行估計，方法較為合理，產生的誤差較小。如樊綱、王小魯等[4]、吳延兵[5]的相關研究。但吳延兵選取R&D存量、國外技術引進存量、國內技術引進存量以及R&D存量與技術引進的交互項，作為TFP的影響因素，指標不夠全面，可能存在遺漏變量。而樊綱等選取市場化指數、科技資本存量和基礎設施作為TFP的解釋變量，由于市場化指數由多方面的眾多指標構成，可以認為他們的生產函數模型包含了所有對GDP有影響的因素集，設定的總體模型具備“一般性”，研究結論較為可靠。但是，市場化指數是一個高度綜合性的指標，根據該研究我們不能區分各具體因素對TFP的影響程度，有必要對TFP的各個影響因素進行具體的分析。

區域TFP的影響因素十分復雜，因素選擇、指標構建、模型設定、數據來源都對實證結果產生重要影響。本文與已有文獻不同，在理論上分析區域TFP的可能影響因素的基礎上，對各因素所用指標進行了仔細的分析和試運算，選取相對指標作為代表，并將其直接納入C-D生產函數模型進行回歸分析。

二、TFP的影響因素、指標選取和數據來源

已有的文獻認為，TFP的提高主要來源于兩個方面：一是企業由研發投入或技術引進帶來的微觀生產技術的進步，二是改善資源配置帶來的效率提高。[4]企業生產技術應包括勞動力的技術水平，所以企業生產技術可由勞動力質量、科技投入水平來衡量；資源配置包括勞動力資源和物質資本的配置，應由勞動力結構、非國有經濟比重組成。在生產函數模型中，產出Y和兩個投入要素K和L采用總量指標，但TFP作為衡量物質資本和勞動投入效率的指標，其構成因素采用反映投入比例關系的相對指標更為合適，研究結果也更具實際意義，因此，本文全部采用相對指標作為TFP的影響因素。

1.勞動力質量。Redding的研究表明，公司的人力資本投資與研發投入是互相依存的，它們共同決定產出的增長。[6]一方面，R&D活動依靠高質量的人力資本來實現；另一方面，R&D活動能提高相關人員的人力資本水平。筆者認為，人力資本存量應等于受過一定教育的勞動力總量與他們的知識能力水平的乘積，知識能力水平可用人均教育年限來反映。其中的勞動力數量作為要素投入，但人均教育年限的提高體現為勞動力質量的提高，使得勞動者能夠更有效地使用物質資本，能更好地提高企業的生產技術水平，提高勞動生產效率，與科技投入對TFP的影響是類似的，應作為TFP的組成部分。就業人員人均受教育年限的計算，使用歷年《中國勞動統計年鑒》中的分地區就業人員受教育程度構成數據。參考有關文獻，研究生、本科、專科、高中、初中、小學和未上過學的分別以19年、16年、15年、12年、9年、6年和1.5年計，將每一種受教育程度的年限乘以對應的比例再求和，即得人均受教育年限。

2.科技投入水平。科技產出不僅取決于當期的科技經費支出，也取決于過去時期的科技經費支出，因此，我們用各省的科技資本存量衡量科技水平。但是，科技資本存量中的很大部分屬于物質資本投入和人員經費投入，已分別包含在物質資本存量K和勞動投入L中。因此，如果將科技資本存量以總量指標形式引入生產函數，其中的兩個組成部分就會分別被重復計算。本文采用科技資本存量與物質資本存量的比值，反映各省區的科技投入水平，引入生產函數模型。該指標一定程度上反映了資本投入的結構，能夠較好地解決重復計算問題。根據數據的可得性，估算科技資本存量的三項數據，分別采用《中國科技統計年鑒》提供的各地區R&D經費內部支出、大中型工業企業引進國外技術經費支出和購買國內技術經費支出的相關數據。由于《中國科技統計年鑒》從1998年開始才提供各省R&D經費內部支出數據，所以本文以1998年為基期，用永續盤存法估算各省的科技資本存量。參照朱平芳和徐偉民的做法，[7]設定：

科技投入的平減指數=0.55×消費者物價指數+0.45×固定資產投資價格指數

3.勞動力投入結構。勞動力從低生產率的農業向較高生產率的城市非農產業轉移，改善了勞動力資源的配置效率，成為中國生產率提高的重要來源。[8]在我國，由于第一產業與第二三產業的勞動生產率存在巨大差距，所以第二三產業從業人數占全部從業人數的比重是影響生產率的一個重要指標。相比其他一些文獻使用的非農業人口占總人口的比重或城鎮人口占總人口的比例，第二三產業從業人數占全部從業人數的比重，更直接地反映了勞動力資源的配置情況，作為TFP的影響指標更為合適。歷年《中國統計年鑒》給出各地區按三次產業分的就業人數，該指標經簡單計算即得。

4.非國有經濟部門比重。改革期間發生的一個最顯著變化，就是市場導向的非國有企業取得了重大發展，使得市場調節在整個經濟中的比重迅速提高。因此非國有經濟部門比重的提高，是改革以來生產率提高的重要原因。非國有經濟部門大多是勞動密集型企業，其勞動生產率不一定高于國有經濟部門，但一般來說非國有經濟部門的資本產出率高于國有經濟部門，所以采用反映資本配置情況的指標——非國有經濟部門資本存量占全部資本存量的比重作為TFP的影響因素，與其它指標相比更為顯著，更具理論和實際意義。非國有經濟部門資本存量需要進行估算。根據歷年《中國統計年鑒》提供的各地區全社會固定資產投資和國有經濟部門的固定資產投資額，計算非國有經濟部門在全社會固定資產投資中的比重。假設非國有經濟部門的固定資本形成總額在全部固定資本形成總額中的比重與固定資產投資的比重相等，據此可估算出各地區歷年的非國有經濟部門固定資本形成總額，再用估算各地區資本存量的方法估算各地區非國有經濟部門的物質資本存量。

5.交通基礎設施水平。良好的基礎設施可以改善生產要素的使用效率，從而提高生產率。[8]基礎設施的種類很多，但有的種類缺乏數據或不便于衡量。其中鐵路和公路的營運里程便于衡量且具有較強的代表性。參照樊綱等的方法，把不同等級的公路和鐵路里程分別折算為相當于二級公路的標準公路里程。[4]關于交通基礎設施水平，已有的文獻通常采用各省“每平方公里的鐵路和公路營運里程”或“每萬人的鐵路和公路營運里程”指標。就后一指標來說，雖然幾乎所有省區的指標值隨時間呈較快的上升趨勢，但從橫向比較來看，大多數生產率高的東部省份的指標值明顯低于生產率低的西部省份。所以，總體來說，TFP與“每萬人的鐵路和公路營運里程”不存在顯著的正相關關系，實際檢驗結果也證實了這一點。對于“每平方公里的鐵路和公路營運里程”，不僅各省的指標值隨時間呈較快的上升趨勢，而且指標值與各省的經濟發達程度呈很強的正相關關系。如2014年該指標值最大的5個省為上海、天津、北京、江蘇、山東，最小的5個省為西藏、青海、新疆、甘肅、內蒙古。所以選取“每平方公里的鐵路和公路營運里程”指標作為TFP的影響因素。

6.外商直接投資(FDI)水平。FDI特別是大型跨國公司的進入，通過技術轉讓和技術溢出，可以把先進的技術、管理和營銷經驗轉移到東道國，從而改善東道國的生產效率和要素生產率。但實證研究的結論并不一致，Li and Liu發現，FDI不僅直接促進了經濟增長，而且通過與人力資本的相互作用對發展中國家的經濟增長產生顯著的正向影響；[9]劉舜佳和王耀中發現FDI溢出在區域內和區域間的表現截然相反，并沒有在整體上帶動中國全要素生產率提升。[10]關于FDI指標選取，多數學者選用每年的投入量。對生產效率有影響的不僅是當年的投入，以往的投入有更大的影響，且各省FDI存量較其流量在數據上更加穩定，所以采用FDI存量而非每年的投入量。FDI存量可用估算物質資本存量相同的方法估算得到。FDI存量中大部分屬于物質資本存量，各省FDI存量與物質資本存量的比值可以反映資本投入結構。通過計算表明，大多數省的該指標值隨時間呈下降趨勢，該指標與GDP及TFP呈負相關關系。因此用FDI存量與物質資本存量的比值作為反映FDI水平的指標并不合適，故本文采用FDI存量與從業人數的比值，引入C-D生產函數模型。

上述6個指標涵蓋了TFP的主要影響因素，且能得到較為準確的指標值。另外，C-D生產函數模型中的物質資本存量的來源，對分析結果有重要影響。對于各省的物質資本存量，已有很多研究進行了估算，其中葉宗裕的《中國省際資本存量估算》一文，對各類統計資料中與估算各省資本存量相關的大量基礎數據作了細致的分析、篩選和處理，估算的資本存量較為準確、可靠，[11]所以本文原則上采用該文的估算方法和相關數據。

三、計量模型設定與估計結果

根據上述對TFP影響因素的分析，考慮到各因素采用的是相對指標，在生產函數中的形式應與K、L兩個總量指標不同，設定生產函數模型的形式為：

(2)

式(2)兩邊取對數，得到如下總體回歸模型：

(3)

其中E表示從業人員人均受教育年限，Rk表示科技資本存量與物質資本存量之比，Nsek表示非國有經濟部門資本存量與資本存量之比，Nal表示第二三產業從業人員占全部從業人員的比重，Tran表示標準道路里程與土地面積之比(公里/平方公里)，Fdi表示FDI存量與從業人數之比(萬元/每人)。

為了分析各因素對經濟增長的貢獻水平和貢獻率，將由式(3)估計的樣本回歸方程求一階差分得：

(4)

其中ΔInYit、ΔInKit、ΔInLit分別是第i個省Y、K、L的連續復合增長率或稱對數增長率，其余的差分項是各相應指標的增長幅度。使用差分式進行分析的優點是，當各差分項用相應的省際平均值代替時，式(4)保持成立，可以減少分析時的誤差。

運用全國31個省份1998-2014年數據進行回歸，Hausman檢驗拒絕了原假設(隨機效應)，采用固定效應的回歸結果(見表1)。模型的擬合優度R2=0.998 7，除教育年限E的系數的t統計量值較小，僅在0.058的顯著性水平外，其余變量均非常顯著。

表1　各變量的系數估計結果

四、實證結果分析

表2中(見下頁)列出了用省際平均法計算的全國及東、中、西部1998-2014年各因素增長對經濟增長的貢獻水平。就全國而言，物質資本增長對經濟增長的貢獻達8.11個百分點，而TFP對經濟增長的貢獻為2.35個百分點。從中可知，資本增長對經濟增長起著決定性的作用，貢獻份額為74.0%，而勞動力數量和TFP增長對經濟增長的貢獻份額分別為4.5%和21.5%。在決定TFP的因素當中，非國有經濟、交通基礎設施、科技投入、勞動力結構、外商直接投資和教育水平對經濟增長的貢獻分別為0.91、0.36、0.30、0.29、0.25和0.17個百分點，另有不可觀測因素是由誤差項帶來的，對經濟增長的貢獻為0.07個百分點。這說明，非國有經濟比重增加是TFP增長的最重要因素，它貢獻了TFP增長的38.7%，也表明非國有經濟部門的資本產出率高于國有經濟部門。由表1中變量Nsek的系數可知，非國有經濟部門資本的比重增長率提高1個百分點，GDP增長率將提高0.505個百分點。交通基礎設施、科技投入、勞動力結構、外商直接投資和教育水平5個因素對TFP增長的貢獻分別為15.3%、12.8%、12.3%、10.6%和7.23%，都相對較小。

表2　1998-2014年各因素對省際經濟增長的貢獻水平(%)

按理說，科技和教育應是TFP增長的主要因素，但研究結果顯示，相對于我國經濟的高速增長來說，科技和教育沒有起到應有的作用。1998-2014年間，我國的科技經費投入有較快的增長。科技投入三方面經費總和年均增長18.9%，遠高于GDP增長率，科技資本存量年均增長率為17.3%，也高于物質資本存量的增長率12.8%，科技資本存量與物質資本存量之比由1998年的0.021增加到2014年的0.035。科技經費投入和科技資本存量增長較快，而科技對TFP增長和經濟增長的貢獻率較低，說明科技資本的使用效率較低，科技成果沒能很好地轉化為現實生產力。教育方面，我國2010年實現了普及九年義務教育的目標，高中階段、高等教育的毛入學率分別達到82.5%和26.5%，也達到了相對較高的水平。伴隨入學率的提高，勞動力平均教育年限由1998年的7.69年提高到2014年的9.97年。教育水平對TFP和經濟增長的影響較小，可能有兩種原因：一是我國的教育雖然在數量上增長較快，但教育質量的提高相對較慢，教育沒有為企業提供高質量的創新型人才；二是盡管教育是重要的人力資本積累方式，但在我國的經濟環境下，人們對市場的認識和把握能力以及在實際勞動中獲得的技能可能更重要，這種能力不能為教育變量所反映。

從表2的后面3列可以發現：(1)東部地區物質資本增長對經濟增長的貢獻低于中西部地區，但TFP增長對經濟增長的貢獻高于中西部地區；(2)東部地區科技投入、交通基礎設施和外商直接投資3個因素對經濟增長的貢獻明顯大于中西部地區。為了更進一步分析造成東、中、西部經濟增長差異的原因，在表3中給出1998年和2014年按省際平均計算的東、中、西部地區的6個TFP影響因素變量值及1998-2014歷年差分的平均值。從中可見，中西部地區的6個指標值都明顯低于東部地區，其中Rk、Tran和Fdi的差距很大。以2014年為例，東、中、西部地區科技資本存量與全部資本存量的比值分別為5.32%、2.77%和1.86%，中西部地區分別只有東部地區的近1/2和1/3；每平方公里土地面積擁有的標準道路里程，東、中、西部地區分別為1.380、0.705和0.340公里，中西部地區分別只有東部地區的約1/2和1/4；每個勞動力擁有的外商直接投資存量，東、中、西部地區分別為2.891、0.506和0.293萬元，中西部地區分別只有東部地區的1/6和1/10。這些差距是造成中西部地區TFP發展水平和經濟發展水平低于東部地區的重要原因。從表中的平均差分來看，中西部地區Rk、Tran和Fdi指標的增長幅度遠低于東部地區。例如，東部地區的Rk平均每年增加0.19個百分點，而中西部地區分別只增加0.081和0.028個百分點；東部地區的FDI存量人均每年增加0.113萬元，而中西部地區分別增加0.025和0.015萬元，不到東部地區的1/4和1/7。這些增長幅度的差距是造成中西部地區TFP增長率和GDP增長率低于東部地區的重要原因。

表3　東、中、西部地區1998年和2014年TFP影響因素指標值及其平均差分

五、結　論

區域TFP的影響因素十分復雜，因素選擇、指標構建、模型設定、數據來源都對實證結果有重要影響。本文運用1998-2014年中國各省份的面板數據，通過定量分析得出，非國有經濟、科技投入、勞動力結構、教育水平、外商直接投資和交通基礎設施6個因素對TFP提高和經濟增長都有顯著的正向影響。從省際平均來看，非國有經濟部門比重的提高，對經濟增長的貢獻達到年均0.91個百分點，它貢獻了TFP增長的38.7%，是TFP增長的最重要因素。因此，提高非國有經濟部門比重對提高TFP增長率和經濟增長率有重要意義。2014年該比重各省平均為66.3%，還有較大的提升空間。國家應改變以往由政府與國有經濟為主的投資方式，轉為以民間企業作為投資主體，引導和促進非國有經濟加快發展，促成經濟結構的真正轉型。

科技投入、勞動力結構、教育水平、外商直接投資和交通基礎設施5個因素對TFP的提高雖有顯著作用，但影響較小。應采取措施提高科技和教育在提高TFP中的作用。中西部地區的科技資本存量及其增長幅度遠低于東部地區，應增加對中西部地區的科技投入。同時，要提高科技資源的使用效率，促進科技成果轉化為現實生產力。我國各教育階段的入學率和勞動力平均教育年限有較大的提高，但是我國高等教育毛入學率與國際水平相比，依然有較大差距，我國的教育投入在世界上仍處于較低水平，教育質量的提高相對較慢。因此，國家在增大教育投入的同時，重點應放在提高辦學質量上。

中西部地區的交通基礎設施和FDI存量都遠低于東部地區，加強中西部地區的基礎設施建設，吸引外商對中西部地區的投資，對提高我國的TFP增長率和經濟增長率、縮小省際間的經濟增長差距有重要意義。

[1]彭國華．中國地區收入差距、全要素生產率及其收斂分析[J]．經濟研究，2005(9)：19-29．

[2]李國璋，周彩云，江金榮．區域全要素生產率的估算及其對地區差距的貢獻[J]．數量經濟技術經濟研究，2010(5)：49-61．

[3]李子奈．計量經濟學應用研究的總體回歸模型設定[J]．經濟研究，2008(8)：136-144．

[4]樊綱，王小魯，馬光榮．中國市場化進程對經濟增長的貢獻[J]．經濟研究，2011(9)：4-16．

[5]吳延兵．自主研發、技術引進與生產率——基于中國地區工業的實證研究[J]．經濟研究，2008(8)：51-64．

[6]REDDING S. The Low-skill, Low-quality Trap：Strategic Complementarities between Human Capital and R&D [J]. Economic Journal, 1996, 106: 458-470.

[7]朱平芳，徐偉民．政府的科技激勵政策對大中型工業企業R&D投入及其專利產出的影響——上海市的實證研究[J]．經濟研究，2003(6)：45-53．

[8]王小魯，樊綱，劉鵬．中國經濟增長方式轉換和增長可持續性[J]．經濟研究，2009(1)：4-16．

[9]LI X, LIU X. Foreign Direct Investment and Economic Growth: An Increasingly Endogenous Relationship[J]. World Development, 2005, 33(3): 393-407.

[10]劉舜佳，王耀中．FDI對中國全要素生產率影響的兩面性——來自空間維度的證據[J]．統計與信息論壇，2012(7)：58-64．

[11]葉宗裕．中國省際資本存量估算[J]．統計研究，2010(12)：65-71．

(責任編輯吳月芽)

Research on the Influencing Factors of Regional Total Factor Productivity:Based on an Analysis of the Panel Data of Chinese Provinces from 1998 to 2014

YE Zongyu

(CollegeofEconomicsandManagement,ZhejiangNormalUniversity,Jinhua321004,China)

This paper first analyzed the possible influencing factors of the regional Total Factor Productivity (hereinafter TFP) theoretically, and selected corresponding relative indexes for various factors as representatives that were directly included into the C-D production function model. On that basis, regression analysis was carried out by using the panel data of Chinese provinces from 1998 to 2014. The results show that the increasing proportion of non-state-owned economic sectors is the most important factor for the growth of TFP and economy, while other factors like science and technology investment, labor force structure, education level, foreign direct investment and transportation infrastructure also have positive impact on TFP, but the impact is small. The investment in science and technology, the transportation infrastructure and the foreign direct investment in the central and western regions grow much more slowly than those in the eastern regions, and the TFP growth rate is lower than that in the eastern regions, which has resulted in that the GDP growth rate in the central and western regions is lower than that in the eastern regions.

Total Factor Productivity; C-D production function; influencing factor; regional difference

2015-12-20

葉宗裕(1962-)，男，浙江江山人，浙江師范大學經濟與管理學院教授。

F064.1

A

1001-5035(2016)05-0083-07