政府支出規模與資源配置效率
——基于中國工業企業數據的經驗研究

祝平衡,王秀蘭,李世剛

(1.中南大學 商學院，湖南 長沙　410083；2.中山大學 國際金融學院，廣東 珠海　519082)*

一、引　言

2016年北京大學的張維迎教授和林毅夫教授就政府在產業政策制定中的作用進行了激烈的爭論。張維迎教授認為，相對于企業家，政府在未來產業發展的判斷上沒有任何信息優勢，因此政府應該放棄一切產業政策，只負責維護公平的市場環境。相反，林毅夫教授則認為，在發展中國家，市場不完善，因此需要政府制定產業政策，并提供相應的配套支持。由于兩位教授的知名度太高，這一爭論很快便蔓延到整個學術圈，激起了學者們對于政府制定產業政策的激烈討論。

對于政府是否應該制定產業政策，本文并不關注。本文更關心的是這一討論所指向的更根本問題：政府與市場的邊界在哪兒？這也正是張維迎、林毅夫二位教授的根本分歧所在。張維迎教授認為政府應該盡可能少的干預市場，而林毅夫教授則認為政府應該有更大的作為。事實上，從改革開放至今，學術界對于政府與市場邊界的討論一直沒有停止過，而且至今也沒有定論。

要回答張、林之爭，或者更廣泛一點，要回答政府對經濟發展所起的作用，光有理論上的爭論遠遠不夠，還需要研究者提供關于政府行為與經濟發展關系的更多經驗證據。因為在經濟發展中，政府與市場的作用都不可或缺，重要的是把握好政府對市場的介入程度。政府支出規模在一定程度上可以代表政府對市場的介入程度，支出規模越大，表明政府對經濟的介入越深，而支出規模越小，則表明政府對市場的介入越少。企業是社會生產的最基本單位，因此本文主要討論政府支出規模對企業間資源配置效率的影響，期待能為政府與市場關系的爭論提供一些經驗證據。

二、文獻評述

討論企業間資源配置效率最經典的文獻是Hsieh和Klenow(2009)，利用中國工業企業數據，他們發現中國因資源誤配置造成的效率損失高達30%～50%[1]。這一研究激發了大量文獻討論中國企業間資源誤配置的成因。聶輝華、賈瑞雪(2011)利用Olley和Pakes(1996)(后文簡稱OP)提出的OP協方差度量資源配置效率，發現中國制造業的資源誤配置主要是由國有企業造成的[2，3]。韓劍和鄭秋玲(2014)發現政府對企業的財政補貼、對勞動力流動的管制，以及在區域市場間設置的行政性壁壘均會導致資源的誤配置[4]。周黎安等(2013)發現，在省級黨代會召開的當年和后兩年，地級行政區的資源錯配程度會顯著提高[5]，這為政府干預市場導致資源誤配置提供了間接證據。

到目前為止，還沒有文獻討論政府支出規模與資源配置效率之間的關系。政府支出規模在一定程度上代表了政府對經濟資源的掌控程度和對市場的介入深度。因此，考察政府支出規模對資源配置效率的影響可以為政府與市場邊界的討論提供經驗證據。

基于如下原因，政府直接控制和分配經濟資源可能會導致資源配置效率的惡化：(1)政府的目標是多元的，因此更可能偏離經濟效率目標；(2)相對于市場，政府具有的信息更不充分，因此資源配置效率會更低；(3)政府掌握的資源過多，會滋生腐敗，進而導致資源配置效率降低。利用中國省級面板數據，周黎安、陶婧(2009)就發現隨著政府規模的擴大，地方腐敗案件的發生率會提高[6]。另一方面，不能完全否定政府在經濟發展中的積極作用。尤其在發展中國家，基礎設施落后，更需要政府加大支出，改善公共基礎設施，為經濟增長提供助力[7，8]。更為重要的是，政府提供的司法、安保等公共品可以降低市場交易費用，因此會提高資源配置效率。

綜上所述，政府支出規模對資源配置效率有正負兩方面影響，其綜合影響方向并不確定，因此有待實證檢驗來回答，

三、研究設計

(一)計量方程

本文研究政府支出規模對當地制造業行業內資源配置效率的影響。設定如下計量方程：

AEcjt=αGovExpct+Xctλ+Zcjtγ+δcj+vt+εcjt

(1)

其中，下標c、j和t分別表示城市、行業和年份。AEcjt代表行業的資源配置效率水平，GovExpct代表城市的政府支出規模。Xct和Zcjt為城市和行業層面控制變量，δcj為城市-行業層面固定效應，vt為時間效應，εcjt為殘差。α、λ和γ為待估參數，本文最關心的是α的符號、大小和顯著性程度。如果α顯著小于零，則說明政府支出規模越大，資源配置效率越低，相反，如果α顯著大于零，則說明政府支出規模越大，資源配置效率越高。

(二)資源配置效率的度量

本文使用OP協方差來度量資源配置效率水平。在現有文獻中，這一方法被廣泛采用，如聶輝華和賈瑞雪(2011)、Bartelsman(2013)等[9]。具體而言，行業(地區)的OP協方差定義如下：

(2)

(三)全要素生產率的估計

準確估計企業全要素生產率是測量資源配置效率的基礎。本文主要采用OP方法測度企業全要素生產率。

OP方法需要使用企業投資的數據，但是企業數據中的投資變量往往質量較差，因此Levinsohn and Petrin(2003)(后文簡稱LP)使用企業的勞動投入作為生產率的代理變量，采用與OP相同的思路來估計要素產出彈性參數[10]。考慮到數據質量，本文主要采用LP的方法來估計企業全要素生產率。同時，為了體現結果的穩健性，本文同時給出OP方法估計企業全要素生產率的回歸結果。

四、數據及統計描述

數據來源：(1)國家統計局發布的“國有及規模以上非國有工業企業數據庫”，數據年度為1998-2007年；(2)《中國城市統計年鑒》數據。由于在城市統計年鑒中，缺失2003年之前的政府支出數據，本文最終使用的數據年度為2003-2007年。

參照謝千里等(2008)、聶輝華和賈瑞雪(2011)、李世剛等(2016)，本文對數據進行篩選[11，12]，對于工業企業數據，本文只保留了制造業行業樣本。

在計算各企業全要素生產率的基礎之上，計算了城市-行業(兩位數)-年組內的OP協方差。本文使用人均政府支出的對數值來度量政府支出規模GovExp。

使用的城市層面控制變量包括：(1)經濟發展情況指標，包括對數人均GDP和經濟增長率；(2)產業結構情況指標，包括第二產業比重和第三產業比重；(3)金融發展水平，以金融機構存款余額占GDP比重表示；(4)實際外商直接投資額。城市-行業-年層面控制變量包括：(1)行業規模，包括行業內企業數量和行業產值占全市所有制造業產值的比重；(2)行業中的國企比重；(3)行業中企業的平均資本規模。

表1報告了詳細的變量定義及統計描述。從中可以看到，利用OP方法和LP方法計算企業生產率，再計算資源配置效率的指標OP協方差的結果差異很小。同時，兩種方法計算的OP協方差都很小，均值只有0.05左右，而最大值只有0.29，且有很多負值，這說明在樣本考察期內，中國制造業行業內的資源配置效率很差，這與聶輝華、賈瑞雪(2012)的計算結果一致。

表1　變量統計描述

五、經驗研究結果

(一)基本回歸結果

Hausman檢驗拒絕隨機效應模型，因此本文使用固定效應模型。為了使得計算結果更加精確，本文只保留了城市-行業-年組內企業數目大于等于20的樣本。在后文中將改變這一閾值。為了表明回歸的穩健性，本文采用逐漸加入控制變量的方法。表2第(1)列報告了利用LP方法計算企業全要素生產率測度資源配置效率的opcov_lp與政府支出GovExp回歸的結果，只控制了年份虛擬變量。可以看到，GovExp的系數為-0.0173，且在1%水平下顯著異于零。列(2)列(3)逐漸加入城市層面控制變量和城市-行業層面控制變量，GovExp的系數變化極小，且依然在1%水平下顯著異于零。這說明，本文的回歸結果十分穩健，政府支出越多，當地制造業行業內的資源配置效率越低。

表2　基本回歸結果

注：所有模型均采用固定效應回歸；括號內為t統計量，* p<0.10, ** p<0.05, *** p<0.01；標準誤聚類到城市層面。

列(4)-(6)報告了使用OP方法計算企業全要素生產率測度資源配置效率的opcov_op與政府支出GovExp的回歸結果。其中，第(4)列只控制了年份虛擬變量，第(5)列進一步控制了城市層面控制變量，第(6)列進一步控制了城市-行業層面控制變量。所有回歸中，GovExp的系數均在1%水平下顯著為負，且變化極小，表明本文的結果是穩健的，不受生產率估計方法的影響。

(二)敏感性分析

1．更改閾值。在基準回歸中，本文只保留了城市-行業-年組內企業數量大于等于20的樣本。這里將閾值調整為10和30，重新進行回歸。表3報告了回歸結果。可以看到，不管是使用opcov_lp還是opcov_op進行回歸，改變閾值均不改變本文的基本結果，所有回歸中，GovExp的系數均在1%水平下顯著為負。說明本文的回歸結果不受閾值的影響。

2．滯后一期回歸。在本文的基準回歸中，使用政府當期的支出GovExp作為核心解釋變量，這使得本文的回歸可能受到逆向因果問題的干擾。具體而言，并不能排除這一種可能：由于當地資源配置效率較低，經濟增長不樂觀，因此政府希望通過增加開支以刺激經濟，進而觀察到資源配置效率與政府支出規模之間的負相關關系。為了解決這一問題，本文使用滯后一期的政府支出L.GovExp進行回歸，表4報告了回歸結果。可以看到，在所有回歸中，L.GovExp的系數均在1%水平下顯著異于零，且系數的絕對值比用當期政府支出GovExp的回歸系數有所增大。這說明，回歸結果是穩健的，不存在逆向因果問題。

表3　更改閾值回歸結果

注：所有模型均采用固定效應回歸；括號內為t統計量，*p<0.10, **p<0.05,***p<0.01；標準誤聚類到城市層面；控制變量與表2第3列相同，但限于篇幅沒有報告。

表4　滯后一期回歸結果

注：所有模型均采用固定效應回歸；括號內為t統計量，* p<0.10, ** p<0.05,*** p<0.01；標準誤聚類到城市層面；控制變量與表2第3列相同，但限于篇幅沒有報告。

3．動態面板回歸。使用滯后期政府支出規模的回歸可以解決逆向因果造成的內生性問題，但不能解決遺漏變量造成的內生性問題。當地的資源配置效率水平最有可能與經濟發展水平相關。經濟發展水平越高，政府的收入也越多，因此人均的政府支出也越多。同時，經濟發展水平越高，市場發育可能也越好，因此，資源配置效率水平也越高。因此，遺漏經濟發展水平變量將造成估計的偏誤。在所有回歸中，本文都控制了人均GDP、GDP增長率，以及產業結構等代表經濟發展水平的變量，因此，可以在很大程度上解決這一問題。更重要的是，人均政府支出規模與經濟發展水平正相關，而本文的回歸結果顯示人均政府支出規模與資源配置效率負相關，因此，即使本文的回歸結果存在偏誤，也只可能是低估了政府支出規模對資源配置效率的負面影響。因此，這并不影響本文的核心結論。

下面討論遺漏滯后期因變量對回歸結果造成的影響。本文前面的回歸均采用固定效應模型。但是，行業的資源配置效率往往具有時間上的延續性，因此當期資源配置效率與滯后期相關。在這種情況下，即使使用滯后期的政府支出也會產生內生性問題，因為滯后期的政府支出與滯后期的資源配置效率相關。為了解決這一問題，本文采用動態面板方法重新進行回歸分析。

表5報告了回歸結果。在所有回歸中，本文均控制了因變量的滯后兩期變量。所有回歸中，Hansen檢驗的P值均大于10%，通過了過度識別檢驗。從表5的結果中可以看到，滯后期的資源配置效率確實會顯著影響當期的資源配置效率。但考慮了滯后期因變量的影響之后，滯后期的政府支出L.GovExp系數依然顯著異于零。不僅如此，與表4相比，L.GovExp的系數變化極小，這進一步說明本文的回歸結果是穩健的，即政府支出規模越大，當地制造業行業內的資源配置效率越低。

表5　動態面板回歸結果

注：括號內為t統計量，* p<0.10, ** p<0.05,***p<0.01；控制變量與表2第3列相同，但限于篇幅沒有報告。

(三)分地區回歸

政府支出規模對地區資源配置效率的影響可能存在地區差異性。為了考察這一差異性，本文將城市按地區分為東部、中部和西部，分子樣本重新進行回歸。表6報告了分地區的回歸結果，所有回歸均只保留了城市-行業-年組內企業數量大于等于20的樣本。表6的結果顯示，對于東部地區的子樣本回歸，滯后期政府支出規模L.GovExp的系數顯著為負，但中部和西部地區子樣本回歸中滯后期政府支出規模L.GovExp的系數不再顯著，政府支出規模對資源配置效率的影響存在地區異質性。對于這一結果，可能的原因是東部地區的政府支出規模相對于中、西部地區更高，因此資源配置效率對于政府支出規模的變化更加敏感。但是，對于這一結果更準確的解釋還需要更多、更深入的研究。

表6　分地區回歸結果

注：括號內為t統計量，* p<0.10, ** p<0.05,***p<0.01；控制變量與表2第3列相同，但限于篇幅沒有報告。

六、研究結論及啟示

利用中國工業企業數據庫和《中國城市統計年鑒》數據，本文檢驗了地方政府支出規模與當地制造業行業內資源配置效率的關系，結果顯示：政府支出規模越大的地區，資源配置效率越低；政府支出規模對資源配置效率的影響存在地區異質性。

當前，中國經濟正面臨著巨大挑戰，增長乏力，轉型艱難，制造業企業更是面臨著前所未有的寒冬。在短時期內，靠創新驅動經濟增長又很難實現。在這一背景下，研究如何在現有的資源約束條件下，提高資源配置效率就顯得尤為重要。本文的研究表明，政府掌握過多經濟資源，以及對市場的過度介入會導致資源配置效率的惡化。這對于當前經濟政策的制定具有一定的參考價值。

參考文獻：

[1]Heieh C T,Klenow P J.Misallocation and manufacturing TFP in China and India[C].Society for Economic Dynamics, 2008.

[2]聶輝華，賈瑞雪. 中國制造業企業生產率與資源誤置[J]. 世界經濟，2011(7):21-42．

[3]Olley G S, Pakes A. The dynamics of productivity in the telecommunications industry[J]. Econometrica, 1996,64(6):1263-1297.

[4]周黎安，趙鷹妍，李力雄. 資源錯配與政治周期[J]. 金融研究, 2013(3):15-29.

[5]韓劍，鄭秋玲. 政府干預如何導致地區資源錯配——基于行業內和行業間錯配的分解[J]. 中國工業經濟, 2014(11):69-81.

[6]周黎安，陶婧. 政府規模、市場化與地區腐敗問題研究[J]. 經濟研究, 2009(1):57-69.

[7]陳樂一，鄧佳燕，楊云．不確定性、產業重心化與經濟波動[J]．財經理論與實踐，2016(1)：110-117．

[8]楊子暉. 政府規模、政府支出增長與經濟增長關系的非線性研究[J]. 數量經濟與技術經濟研究, 2011(6):77-92.

[9] Bartelsman E,Haltiwanger J, Scarpetta S．Cross-country differences in productivity: the role of allocation and selection[J]． The American Economic Review, 2013,103(1):305-334.

[10] Levinsohn J, Petrin A． Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies, 2003, 70(2):317-341.

[11] 謝千里，羅斯基，張軼凡. 中國工業生產率的增長與收斂[J]. 經濟學(季刊), 2008,7(2):809-826.

[12] 李世剛，楊龍見，尹恒. 異質性企業市場勢力的測算及其影響因素分析[J]. 經濟學報, 2016,3(2):69-89.