資本動態投入、生產率波動與資本錯配

劉 朝 趙志華 步曉寧

一、引言與文獻述評

Hsieh和Klenow(2009)關于資本錯配領域奠基性的文章開創了研究全要素生產率的新領域，國內外專家就此展開了一系列的討論。多數研究發現，資本錯配是資源錯配領域的重要組成部分，資本作為最關鍵的生產要素之一在企業的生產活動中占有舉足輕重的地位。龔關和胡關亮(2013)在 HK研究的基礎上，突破了規模報酬不變的限制，發現 1998—2007年的十年間資本配置效率的改善促進全要素生產率提高了10.1%,，勞動配置效率的改善促進全要素生產率提高了 7.3%,。張佩(2014)參考了 Aoki(2008b)的核算框架發現：中國工業企業資本與勞動力在行業間的錯配，降低了工業部分總體全要素生產率的 19%,。資本錯配造成的效率損失大約是勞動力錯配的 10倍。但是，對于資本錯配的形成以及影響因素研究較少，國內外之前關于資本錯配與生產率之間關系的研究，也往往忽略生產率波動和調整成本的作用，而對生產率波動和調整成本的忽視即默認了資本配置只是靜態框架下的問題。忽視資本調整成本即意味著企業能夠在無成本的情況下改變其生產規模，缺失生產率波動和調整成本的作用，跨期投資也就無從談起，所以資本配置也就與資本投入的動態變化無關，僅受到價格扭曲等因素的影響。價格扭曲的形式包括資本市場扭曲、勞動力市場扭曲以及投入產品質量差異或者產品需求面差異等外部影響。以上可以統稱為從靜態視角解釋資本錯配現象。理論上僅僅從靜態視角分析資本錯配問題并不完善，因為它無法描述資本的動態變化過程，很難解釋即使在市場經濟體制較為完善的國家，在價格和政策扭曲不斷得到完善的情況下，也出現了資本錯配長期存在的現象(Banerjee、Moll，2010)。

現實中，生產率過程不僅僅表現為技術特征，一些外部環境諸如法律監管、環境因素、商業環境、產品市場的競爭程度變化等，都會對生產率的波動產生影響。與處在生產率波動性小的環境中的企業相比，處在經營環境不確定性高的行業中的企業會做出不同的投資決策，這導致了不同行業、不同程度的資本錯配現象(Asker、Collard-Wexler、De-Loecker 2014)。如果將生產率變化的離散程度稱為生產率的波動性，可以想象隨著生產率波動的增加，資本邊際收益的離散程度也會增加。因為生產率的波動性是指生產率的變化在不同企業間的差距加大。這意味著生產率增長較快的企業增長更快，而生產率增長越慢的企業增長越慢。對于生產率增長而導致資本邊際收益較高的企業來說，由于受到調整成本的約束，無法使資本擴張至其期望水平，一方面他們的資本邊際收益無法隨著生產規模的擴張而下降，另一方面，這為資本邊際收益較低的企業進入市場提供了空間，此時市場整體的資本邊際收益的離散程度將會加大，即資本錯配程度增加(楊光、孫浦陽、龔剛 2015)。探究生產率波動與資本配置之間的關系，對于制定相關的經濟發展政策也具有重要的參考價值。如果生產率波動性與資本配置的顯著關系在我國成立，并且是穩定的，那么控制一個行業或者地區的生產率波動性，就成為改善該行業或者地區資本配置的重要手段。

實際上，當期的生產率波動對企業下一期的最優資本投入存在顯著影響。生產率波動通過作用于資本的動態投入，繼而對企業資本邊際收益產生影響。具體而言，企業因為生產率波動和資本調整成本的存在而選擇即期最優的資本投入，前期的資本存量設定在經歷生產率波動沖擊之后將不一定是最理想的選擇。換言之，前期資本投入從靜態的視角觀察可能是一個最優選擇，但在后期動態的視角中很可能是次優的低效率選擇。因此，隨著最優資本投入的變化，企業的資本配置情況也隨之發生變化。楊光、孫浦陽和龔剛(2015)研究了經濟波動、調整成本與資源配置之間的關系，發現生產率波動性與資本邊際收益存在正相關關系。因為調整成本的存在，隨著生產率波動的增加，企業間資本邊際收益的差異也逐漸增加，行業內的資源錯配程度加大。

由以上研究可知，企業因為生產率波動和資本調整成本的存在而選擇即期最優的資本投入，即前期資本投入從靜態的視角觀察可能是一個最優選擇，此時造成行業內企業間資本錯配的影響因素我們稱為靜態因素；但是，前期的資本存量設定在經歷生產率波動沖擊之后將不一定是最理想的選擇。換言之，前期資本投入在后期動態的視角中很可能是次優的低效率選擇。因此，本文從“動”、“靜”兩個研究手段和研究路徑對行業內企業間資本錯配的影響因素進行探討。一方面，采用靜態面板數據模型將實際測量到的行業生產率波動與資本邊際收益的離散程度之間進行回歸分析；另一方面，構建了一個忽略資本投入價格差異、資本調整成本行業差異以了跨時間的動態過程與資本錯配之間的聯系。

二、模型構建與參數設定

（一）模型構建

1.企業利潤最大化方程

假設企業 i在時間 t生產Qit單位的產出(為不失一般性，本文引入了中間投入Mit)，方程式如下：

其中，Ait、Kit、Lit、Mit分別代表企業 i在時間 t的 TFP、資本、勞動和中間投入，αK、αL和αM分別為資本、勞動、中間投入的產出彈性。我們假設生產規模收益不變(在實證部分我們將放寬生產規模收益不變的假設)，即：。

在產品需求彈性ε不變的情況下，企業產品的需求曲線如下：

結合式(1)、式(2)，可得：

我們得到一個銷售生產函數表達式：

同時，我們借鑒Foster、Haltiwanger和Syverson(2005)的研究，將生產率TFPR定義為：。在資本投入的靜態模型中因為沒有成本的摩擦，利潤最大化暗含著投入的邊際產品收益等于單位投入的成本。對于資本來說，靜態的產品邊際收益是給定的：

資本的邊際收益如下：

式(6)中，Sit、Kit分別代表銷售收入、資本投入的對數值。

在企業的生產過程中，我們假設企業可以通過PL的價格獲得勞動投入，且沒有額外的調整成本。因此，可以得到企業i在 t時期的“時段利潤”(period-profit)(忽略暫時的資本成本)最大化方程：

式(8)除以式(9)得：

將式(10)代入式(8)可以得到關于勞動的表達式：

將式(8)、(9)、(10)、(11)代入利潤最大化方程(7)，化簡可得：

將式(13)代入式(12)，可得：

由式(14)可以得出企業的利潤最大化πit與資本投入Kit以及生產率Ωit的函數關系，即企業在追求其各個時期利潤最大化的過程中，資本投入Kit以及生產率Ωit的變化是以動態形式出現的。資本投入可以表示為：，其中折舊率為δ，Iit代表實際投資。

2.企業價值最大化、資本動態投入以及生產率過程變化

價值最大化是企業采用最優的財務政策在保證企業長期穩定發展的基礎上使企業總價值達到最大，是企業在各個時期實現最優投資決策下的累積利潤減去其各個時期的投資成本。投資決策受到時間周期和資本成本的影響。

公司的價值函數V是通過貝爾曼方程給定的：

通過式(15)，我們建立了企業價值最大化下的各個時期的動態最優投資決策，引入了微觀企業的資本動態投入與生產率變化過程。值得注意的是，模型中企業沒有進出口，TFPR也呈現出連續分布的形式。

本文所使用的資本成本方程由固定成本和調整成本組成，其中調整成本是資本投資率的凸函數，資本成本方程如下：

因此，我們定義狀態變量生產率(TFPR)服從如下的過程：

其中，vit～N(0,1)是一個獨立同分布標準正態隨機變量，我們可得 Ωit的轉換函數。值得注意的是，狀態轉移方程的固定參數(μ,σ,ρ)會對實證結果產生顯著的影響。為此，我們將選取不同的參數值并將模擬的結果進行對比，詳見圖1。

通過式(15)，我們可以得出企業價值最大化下的各個時期的動態最優投資決策。這意味著，企業各個時期的最優投資決策是企業各個時期資本投入與生產率變化的函數，即生產率增長較快的企業其生產規模增長更快，而生產率增長越慢的企業其生產規模增長越慢。

（二）參數設定與擬合

1.生產率(TFPR)狀態轉移方程參數的擬合

為了考察TFPR狀態轉移方程不同的參數對行業資本邊際收益離散程度的影響，我們用MATLAB軟件模擬了Stdst(MRPK)隨TFPR波動性變化而變化的曲線，生成圖1。

圖1 MRPK離散度隨TFPR的變化圖

圖1表示在同一個決策周期內，資本邊際收益離散度隨TFPR波動而變化的情況。該圖中的每條曲線都代表著在μ、ρ固定的情況下不斷增大σ而得到TFPR的波動過程；而3條曲線分別對應的ρ為0.94，0.85和0.65。值得注意的是，在σ不變的情況下，隨著ρ增大，資本邊際收益的離散程度增大。

為了更加直觀地顯示隨時間變化的行業內企業因面對不同TFPR波動(TFPR的狀態轉移方程)所作出的最優投資決策而引起的行業Stdst(MRPK)變化情況，我們假設所有的企業在期初都擁有相同的資本存量，在圖1上表現為一條從縱坐標出發向上傾斜的曲線。可以看出，Stdst(MRPK)和σ(橫坐標)表現出非線性相關的特征，即在ρ=0.94，σ=0.5以及ρ=0.85、σ=0.6時，曲線的斜率有明顯增大的情況，表現得更加陡峭，資本邊際收益的離散程度增大。σ=0.65時無法區分曲線斜率的變化情況。

由于波動性的增大導致TFPR較大變化，企業自然會更頻繁地改變自身資本存量以應對TFPR變化。然而，存在這樣一個拐點，即過了這個拐點之后，企業對TFPR沖擊的反應程度逐漸降低。從圖1可以看出：在第一條曲線上(即ρ=0.94)，在σ接近0.3～0.5之間時，曲線的斜率發生明顯變化，曲線表現的更加陡峭。在第二條曲線上(即ρ=0.85)，在σ接近 0.7時，曲線的斜率發生變化，但變化程度明顯較第一條曲線小。然而，在第三條曲線上(即ρ=0.65)，曲線未發生明顯的斜率變化，曲線表現得相對平坦。

由此可以看出，在σ不變的情況下，隨著ρ增大，資本邊際收益的離散程度增大。當ρ值較大時，TFPR波動程度(σ)對資本邊際收益離散度具有顯著的影響；而當ρ值較小時，TFPR波動程度(σ)對資本邊際收益離散度的影響力相對較弱。

2.資本調整成本及其參數的擬合

借鑒Cooper和Haltiwanger(2006)的研究，對資本成本方程定義如式(16)。

式(18)中，加權矩陣為單位矩陣(W＝I)，我們運用格點搜索法尋找判別函數的最小值。

在模型的構建過程中，我們得到資本、勞動和中間投入系數的計算公式見式(13)。

其中，αX表示資本、勞動和中間投入的產出彈性。因此，估計資本系數之前，我們首先需要計算出各行業的Kα、αL和αM值并假設在生產中規模收益不變，即。我們采用OP算法分行業對αX進行估值。此外，我們沿用Bloom(2009)的

設置，對需求彈性賦值為4(ε=4)，折舊系數為0.1(δ=0.1)，β=1/(1+6.5%)。

三、數據選取與變量測量

（一）數據選取與處理

本文數據來自于國家統計局編纂的 1998—2007年中國工業企業數據庫。該數據庫包含了1998—2007年全國所有的國有企業以及當年銷售額在500萬元以上的非國有制造企業。如同 Cai和Liu(2009)的研究一樣，本文遵循一般公認會計準則(CAS)，并剔除了發生以下情況的企業樣本：①流動資產超過固定資產的企業；②總固定資產超過總資產的企業；③固定資產凈值超過總資產的企業；④沒有辨別編號的企業；⑤成立時間無效的企業(例如成立時間在十二月之后或在一月之前)；⑥刪除就業人數小于10人的觀測值；⑦刪除相關估計生產率文獻所需的關鍵指標(工業總產值、工業增加值、就業人數、固定資本凈值/原值、中間品投入)缺失或小于零的觀測值；除此之外，我們還對使用的樣本范圍進行了0.5%,水平上的縮尾處理。

為了測量企業層面的 TFPR和銷售產出方程的系數，我們需要計算企業層面的銷售額Sit、勞動力投入Lit以及中間投入Mit和資本存量Kit。參照 Bartelsman、Haltiwanger和Scarpetta(2009)的測量方法，采用全職人員數量作為勞動投入的代理變量，固定資產凈值作為資本存量的替代變量，銷售額的測量采用企業的工業銷售產值進行替代。同時，我們對以上數據進行了指數平減。

（二）變量測量與描述性統計

1.變量測量

(1)名義生產率波動(Volatility_ TFPRst)

本文參照 Asker、Collard-Wexler和De-Loecker(2014)的方法，將所有企業的生產率增長率去除時間趨勢后在行業水平上進行了標準化，以去除時間趨勢及行業固有特征對波動率的影響，使不同時間、不同行業的生產率波動性具有可比性。隨后，本文將特定年份的行業生產率波動定義為該行業中各企業生產率變化的標準差，即：Volatility_ TFPRst=std(TFPRsit-TFPRsit-1)。值得注意的是，本文中的名義生產率波動不僅僅表現為企業或行業的技術特征，一些外生性的因素諸如法律監管、環境因素、商業環境、產權保護、產品市場的競爭程度變化等，都會對生產率的波動產生影響，這些因素最終的表現形式我們都歸結在名義生產率的波動內。

(2)實際資本錯配程度(Disperion_MRPKst)

在完全競爭的要素市場中，企業資本邊際收益相同，其離散程度為 0。然而在不完美的現實條件下，如果企業的資本邊際收益存在差異，將資本由資本邊際收益低的企業向資本邊際收益高的企業轉移，可以實現社會總體福利的提高。因此，資本邊際收益離散程度越大，則資本錯配情況越嚴重。企業的資本邊際收益為：

在計算出樣本年份各企業的資本邊際收益后，本文將行業的資本錯配程度定義為在特定年份二分位行業中的各企業的資本邊際收益離散程度。同時，為了避免時間趨勢、行業特征對資本邊際收益離散程度的影響，本文在計算離散標準差之前，對資本邊際收益進行了去時間趨勢，并在行業上進行標準化處理，從而使不同時間、不同行業的生產率離散程度具有可比性。

我們分行業列出了實際的名義生產率波動(std(ΔTFPR))，如表3所示。從表3可以看出，在制造業的 30個行業中，生產率波動最小的行業是煙草制品業(波動值為0.52)，這一方面與煙草制品業的技術進步緩慢有關，另一方面煙草制品業作為一個壟斷行業，其外部環境諸如商業環境、產品市場競爭程度等相對固定。生產率波動最大的行業是農副食品加工業(波動值為 0.78)，這可能是因為農副食品加工業受 CPI、通貨膨脹等因素的影響較大。此外，石油加工(煉焦)及核燃料加工業(波動值為0.74)、有色金屬冶煉及壓延加工業(波動值為 0.75)、黑色金屬冶煉及壓延加工業(波動值為 0.74)的生產率波動值也相對較大。這可能是由于一方面以上行業的技術進步速度相對較快，另一方面，石油加工、鋼鐵及有色金屬冶煉加工等受經濟周期、市場環境等因素的影響較大。

(3)控制變量

補貼差異化程度。本文參考 Aghion(2012)和蔣為、張龍鵬(2015)對企業間補貼差異程度的度量，采用標準差的形式對企業補貼差異化程度進行度量，具體的變量形式為：。

免稅額差異程度。由于這里研究的是行業內企業間的資本錯配程度，因而本文構建了免稅額差異程度這一反映制造業各行業內企業免稅額差異的指標。具體的變量形式為：。

國有資本比重。本文以國家資本與集體資本占總資產比重作為國有資本比重，進一步在行業水平上取平均值，從而控制行業的國有資本比例(SOE)。

企業規模。本文將行業中企業平均規模作為行業基礎控制變量，定義為行業中企業固定資產總額對數平均值。

勞動力稟賦差異。由于缺乏衡量勞動力質量諸如教育、培訓等信息，本文參考Hellerstein、Neumark(2007)的研究，將勞動力平均工資作為體現勞動力質量的代理變量。將企業勞動力平均工資的加權平均值作為行業中平均工資，控制了行業中勞動力稟賦的差異性。

2.描述性統計

根據表1的描述性統計結果可以看出，名義生產率波動(Volatility)的最大值為1.066，最小值為 0.429。國有資本比重(Soe)的最大值為 0.910，最小值為 0.128，標準差是所列變量中最大的(9.191)，說明不同行業之間的國有資本比重差異較大。補貼差異化程度(Disperion_ Taxhst)在行業間的差距也較為突出，最大值為 2.692，最小值為1.121。免稅額差異程度(Disperion_ Taxhst)的最大值為 3.769，最小值為 1.899，說明不同行業之間的免稅額差異程度差異也較為明顯。

表1 變量的描述性統計

四、實證分析與模擬結果對比

我們首先在行業實際的生產率波動與資本邊際收益的離散程度之間進行回歸分析，發現我國制造業的多數行業存在資本錯配現象，且行業實際的生產率波動和行業資本邊際收益的離散程度之間存在正相關關系。為了檢驗結論的穩健性，以各行業企業數量占制造業整體數量的比重為權重，在一定程度上克服度量誤差。其次，我們借鑒Asker、Collard-Wexler和De-Loecker(2014)的研究，構建一個資本的動態投入模型，將企業生產率的變化引入到含有調整成本的企業動態投資模型中，模擬出最優情況下的單個企業投資決策，繼而按照行業的劃分，得到各企業最優決策下的行業資本邊際收益的離散程度。

（一）資本錯配的影響因素分析

1.實證檢驗

本文通過實證發現我國制造業各行業的生產率波動性與行業的資本邊際收益離散程度之間存在正相關關系。同時，為了考察結論的準確性，本文逐步加入控制變量并進行加權回歸，以避免樣本觀測值數目等因素對研究結論的影響。

具體的計量模型如下所示：

在上式中，s、t分別代表所處的行業和統計年份。被解釋變量是各行業資本邊際收益的離散程度，解釋變量是各行業生產率的波動性。X為控制變量，包括各行業的補貼差異化程度、免稅額差異程度、國有資本比重、平均規模、職工平均工資等變量。λs、λt代表行業、時間的虛擬變量，控制了資本錯配在行業、時間方面未被觀察到的特征。

從表2的第一部分可以看出，在模型1的分析結果中，名義生產率波動在1%,的水平上顯著為正，說明生產率波動的增加提高了行業內的資本錯配程度。補貼差異化程度在 1%,的水平上顯著為正，說明補貼差異化程度的增加會導致行業內資本邊際收益分布離散程度的上升，從而加劇了行業內企業間的資本錯配程度。免稅額差異程度在1%,的水平上顯著為正，說明免稅額差異程度的增加會導致行業內資本邊際收益分布離散程度的上升，從而加劇了行業內企業間的資本錯配程度。

我們在模型1的基礎上加入了國有資本比重得到了模型2后發現：國有資本比重在 1%,的水平上顯著為正，說明國有資本比重的增加顯著增加了行業內資本邊際收益的離散程度，提高了行業內企業間的資本錯配程度。國有企業可以得到政府更多的財政補貼和融資支持，而且商業銀行從政治風險等角度考慮也傾向于向國有控制公司放貸；在融資渠道多元和融資成本較低的同時，國有企業普遍存在投資過度現象，使得資金使用效率低下。因此，隨著國有資本比重的增加，行業的資本錯配程度也隨之提高。此外，名義生產率波動、補貼差異化程度和免稅額差異程度與模型1的檢驗結果一致，均在1%,的水平上顯著。

表2 資本錯配的影響因素分析

模型 3在模型 2的基礎上引入了企業規模、職工平均工資的控制變量。根據模型3的檢驗結果可以發現：以職工平均工資為替代變量的勞動力質量在 1%,的水平上顯著為負，說明勞動力質量的增加可以顯著減小行業內資本邊際收益分布的離散程度，降低了行業內企業間的資本錯配程度。行業的平均規模對資本邊際收益離散程度的影響顯著為負，說明行業平均規模的增加可以顯著減小行業內資本邊際收益分布的離散程度，即降低了行業企業間的資本錯配程度。可能的原因是，平均規模越大，資本越充足，受到生產率波動的沖擊越小。此外，名義生產率波動、補貼差異化程度和免稅額差異程度在5%的水平上顯著，和國有資本比重的檢驗結果均與模型2一樣，均在1%,的水平上顯著，且相關方向沒有發生系統性改變。

2.穩健性檢驗

在表2的第二部分，我們采用加權回歸的方式進行分析，即在第一部分各列計量分析的基礎上考慮各行業的企業數量，以各行業企業數量占總經濟體的數量比重為權重，在一定程度上克服度量誤差。兩部分計量回歸結果均顯示了生產率波動與資本邊際收益的離散程度之間的正相關關系，并且結果較為穩健。

表3 分行業的資本邊際收益變化標準差與生產率波動

（二）資本動態投入下的數值模擬與分析

我們在企業價值最大化的情況下，通過給定的貝爾曼方程，對企業的最優投資決策I*(Ωit,Kit)進行了模擬，并得出企業最優決策下的各行業資本邊際收益離散值。

TFPR隨時間變化的過程參數(μ、ρ、σ)是根據實際數據擬合得到的，我們借鑒Flodén(2008)的研究用n節點的離散型馬爾科夫鏈{Z,Π}對生產率的 AR(1)過程進行了逼近，以求得近似解。這里，Z={z1, z2,…,zn}，并且Π={Φi,j}。其中，Φi,j是z1到zn的轉移概率，且。Flodén(2008)在 Tauchen(1986)基于正交的方法獲得非線性資產定價模型近似解的基礎上，引入了一個加權函數，同時認為節點 Z在±1.2σzln n之間是等距的，Π 的轉換概率；步長s是節點之間距離的 1/2，即。此時，極端節點之間的距離在之間。

我們在獲得TFPR隨時間變化的過程參數之后，通過企業價值最大化的貝爾曼方程，用 MATLAB軟件模擬了企業處于最優投資決策情況下的行業資本邊際收益離散程度，計算結果詳見表4，同時我們將模擬得到的行業MRPK離散程度(資本錯配程度)與行業的生產率波動進行了擬合，詳見圖2。

圖2 模擬的MRPK離散度與TFPR波動性

從表4可以看出，實際的MRPK離散程度(資本錯配程度)最高的行業是農副食品加工業、食品制造業以及飲料制造業，而以上行業的模擬值也相對較高，反映出以上三個行業存在較為嚴重的資本錯配程度。

根據表4提供的數據，化學原料及化學制品制造業、儀器儀表及(文化)辦公用機械制造業、廢棄資源和廢舊材料回收加工業，這三個行業MRPK離散程度的實際值和模擬值相差為0，反映出以上三個行業的實際資本投入較少受到生產率波動沖擊，企業實際資本投入偏離最優投資決策的程度很低，擬合程度最好。此外，交通運輸設備制造業、通用設備制造業、電氣機械及器材制造業、煙草制品業，這四個行業MRPK離散程度的實際值和模擬值相差僅為0.01，反映出其受生產率波動較小，擬合程度相對較好。一些輕工類行業，如農副食品加工業、食品制造業、飲料制造業、紡織業、皮革(毛皮、羽毛(絨))及其制品業、家具制造業、塑料制品業的MRPK離散程度的實際值和模擬值之差處于0.08～0.14之間，尤以紡織業的差值最大(0.14)，反映出以上行業內企業的資本投入受生產率波動影響的程度較高，企業資本投入較大地偏離了最優投資決策，導致行業資本錯配程度增加。

表4 企業最優決策下的行業資本錯配程度

續表4

五、研究結論

本文首先采用靜態面板數據模型將實際測量到的行業生產率波動與資本邊際收益的離散程度之間進行回歸分析，得出以下結論。

我國制造業的多數行業存在資本錯配現象，且行業名義生產率波動和行業資本邊際收益的離散程度之間存在正相關關系。這說明生產率波動增加了行業的資本錯配程度。補貼差異化程度在 1%,的水平上顯著為正，說明補貼差異化程度的增加會加劇行業內企業間的資本錯配程度；免稅額差異程度在1%,的水平上顯著為正，說明免稅額差異程度的增加會導致行業內企業間資本錯配程度的上升。行業內企業間補貼的差異化程度以及行業內企業間免稅額差異程度是造成中國制造業行業內資本錯配的重要原因之一，這意味著在經濟體制改革進入深水區的過程中，補貼模式和免稅模式的改革應當成為一個重要議題。

行業平均規模與行業內資本錯配在 1%,的水平上顯著為負，說明行業平均規模的增加可以顯著降低行業內企業間的資本錯配，即平均規模越大，資本越充足，受到生產率波動的沖擊越小。以行業職工平均工資為替代變量的勞動力質量與行業內資本錯配在 1%,的水平上顯著為負，說明勞動力質量的增加可以顯著降低行業內企業間的資本錯配。

國有資本比重在 1%,的水平上顯著為正，說明國有資本比重的增加顯著提高了行業內的資本錯配程度。一方面，國有企業的融資可得性較高且融資成本較低，更易得到政府更多的財政補貼和融資支持，而且商業銀行從政治風險等角度考慮也傾向于向國有控制公司放貸；另一方面，國有企業普遍存在投資過度現象，使得資金使用效率低下。因此，隨著國有資本比重的增加，行業內的資本錯配程度也隨之提高。

其次，本文構建了一個忽略資本投入價格差異、資本調整成本行業差異以及市場異質性的簡化模型，關注名義生產率波動對資本邊際收益離差的影響，建立了跨時間的TFPR動態過程與資本錯配之間的聯系。其結論是：通過資本動態投入方程模擬得到的行業內資本錯配程度顯著低于實際測量到的行業內資本錯配程度。這意味著，由生產率異常波動引起的企業實際資本投入偏離了其最優投資決策，引致了行業的實際資本錯配程度顯著大于其模擬值，即行業內企業間的資本錯配程度增加。輕工類行業，如農副食品加工業、食品制造業、飲料制造業、紡織業、皮革及其制品業、家具制造業、塑料制品業的資本錯配實際值與模擬值之間的差距較大，尤以紡織業為最。這反映出以上行業內企業的資本投入受生產率波動影響的程度較高，企業資本投入較大地偏離了最優投資決策，導致行業資本錯配程度增加。由于名義生產率波動不僅僅表現為企業或行業的技術特征，一些外生性的因素諸如法律監管、環境因素、商業環境、產權保護、產品市場的競爭程度變化等，都造成生產率的異常波動。這些因素不可能無一疏漏地納入到名義生產率的波動內，勢必會有一些其他因素未計入其中，可能是考慮不周，也可能這些因素本身的度量十分困難，因而才會出現行業實際資本錯配程度顯著大于理論模擬值的結果。

綜上所述，如果政府可以提供一個可預測性的商業環境，減少外生性因素對名義生產率波動的異常沖擊，這將有助于實現更高效的資本配置并有利于經濟增長。

［1］龔 關，胡關亮，陳 磊.國有與非國有制造業全要素生產率差異分析——基于資源配置效率與平均生產率[J].產業經濟研究，2015(1)：93-100.

［2］蔣 為，張龍鵬.補貼差異化的資源誤置效應——基于生產率分布視角[J].中國工業經濟，2015(2)：31-43.

［3］楊 光，孫浦陽，龔 剛.經濟波動、成本約束與資源配置[J].經濟研究，2015(02)：47-60.

［4］張 佩，馬 弘.借貸約束與資源錯配——來自中國的經驗證據[J].清華大學學報：自然科學版，2012，52(9)：1303-1308.

［5］Hsieh C.Tai，Peter J.Klenow.Misallocation and Manufacturing TFP in China and India [J].Quarterly Journal of Economics，2009，124(4)：1403-48.

［6］Banerjee A.V.，Moll B.Why Does Misallocation Persist?[J].American Economic Journal：Macroeconomics，2010：189-206.

［7］Foster L.，Haltiwanger J.，Syverson C.Reallocation，Firmturnover，and Efficiency：Selection on Productivity or Profitability?[J].American Economic Review，2008，98(1)：394-425.

［8］Bartelsman E.J.，Haltiwanger J.C.，Scarpetta S.Cross-country Differences in Productivity：The Role of Allocation and Selection[R].National Bureau of Economic Research，2009.

［9］Hellerstein J.K.，Neumark D.Production Function and Wage Equation Estimation with Heterogeneous Labor：Evidence from a New Matched Employer-Employee Data Set[M].National Bureau of Economic Research，Inc，2007：31-71.

［10］Aghion P.，Dewatripont M.，Du L.Industrial Policy and Competition[R].Cepr Discussion Papers，2011，7.

［11］Asker J.，Collard-Wexler A.，Loecker J.D.Dynamic Inputs and Resource(MIS)Allocation[J].Journal of Political Economy，2014，122(5)：1013-63.

［12］Bloom N.The Impact of Uncertainty Shocks[J].Econometrica，2009，77(3)：623-85.

［13］Collard-Wexler A.，Loecker J.D.Reallocation and Technology：Evidence from the U.S.Steel Industry[J].Cepr Discussion Papers，2013，105(1)：131-71.

［14］Cooper，R.W.，Haltiwanger J.C.On the Nature of Capital Adjustment Costs[J].Review of Economic Studies，2006，73(3)：611-33.

［15］Dhawan R.Firm Size and Productivity Differential：Theory and Evidence from a Panel of US Firms[J].Journal of Economic Behavior & Organization，2001，44(3)：269-93.

［16］Floden M.A Note on the Accuracy of Markov-chain Approximations to Highly Persistent AR(1)Processes[J].Economics Letters，2008，99(3)：516-20.

［17］Griffith R.，Redding S.J.，Van Reenen J.Mapping the Two Faces of R&D：Productivity Growth in a Panel of OECD Industries[J].Lse Research Online Documents on Economics，2004(4)：883-95.

［18］George Tauchen.Finite State Markov-Chain Approximation to Univariate and Vector Autoregressions[J].Economic Letters，1986，20(2)：177-81.