中國要素份額決定模型及主導力量研究
——對要素價格、技術偏向與經濟增長的共同考察

(1.天津商業大學 經濟學院，天津 300134；2.天津財經大學 統計學系，天津 300222)

一、引言

收入分配是我國經濟研究的持續熱點，數十年來積累起海量文獻。囿于體制與數據約束，早期研究聚焦于再分配之后國民收入在個人或家庭之間的規模分配(Size Distributions of Income)。20世紀90年代中期以來我國勞動份額持續下降，這明顯有悖于卡爾多“要素份額相對穩定”的經濟增長典型事實，其內在原因激發了學術界對初次分配階段要素分配(Factor Distributions of Income)的研究熱情。同時，國際上要素分配研究在理論與方法上取得重要進展，國家統計局相繼公布系統性要素分配核算資料，為推動國內要素分配研究提供了強大動力與數據支持[1]。在此背景下，國內要素分配研究集中涌現一批重要成果。

要素份額決定機制與影響因素研究，是我國要素分配研究的持續熱點與核心議題。要素份額決定機制探討，主要由理論推演與統計分解兩類思路分頭展開。在此基礎上，大量經驗研究對要素份額各類影響因素的作用方向及強度進行估計與檢驗。(1)發展階段對要素分配的影響獲得高度重視：若干跨國研究表明勞動份額隨人均收入提高[2-3]；國內研究普遍發現我國勞動份額隨人均收入下降，但對其變化模式及成因的認識有明顯分歧[4-7]。(2)技術因素對要素分配的影響備受關

注：多數研究認為技術偏向對中國要素分配有重要影響[8-9]；但就資本積累對要素分配的影響方向分歧較大[10-12]，其主要由要素替代彈性取值差異導致[13]。(3)市場結構對要素分配的影響也有廣泛討論：產品市場扭曲(壟斷力量)對勞動份額的負面影響取得共識[14-16]；勞動市場扭曲(議價能力)[17-18]及資本市場扭曲(融資約束)[19]的影響也進入研究視野。(4)全球化對要素分配的影響同樣引人矚目：對國際貿易是否促進我國勞動份額提高，支持方[6，11]與反對方[20-21]各執一詞；但就FDI對中國勞動份額的負向影響達成一致[6，11-12，15]。(5)制度因素在國內要素分配研究中頗受重視：所有制結構[6，11-12，15]和財稅體制[22-23]對要素分配的影響，構成其兩大討論熱點。

現有經驗研究中，要素分配影響因素選取很大程度上取決于研究者偏好及數據制約，對各類因素間的內在聯系及層級關系考慮不足[24]。本研究認為，技術因素是決定要素分配的直接動因；市場結構集中反映經濟主體的決策約束，構成對技術因素的關鍵補充；發展階段、國際聯系、制度因素則通過技術因素和市場結構間接影響要素分配，屬于決定要素分配的深層原因。已有研究對我國要素份額決定機制及主要影響因素存在明顯分歧，原因主要有兩方面。其一，絕大多數文獻均重點考察某類特定因素的作用，而將其他潛在影響因素作為控制變量，其變量選取與計量模型設定較為隨意，缺乏堅實的理論基礎和數理經濟模型支撐。其二，計量經濟模型善于同時考察多類因素，統計分解模型便于明確揭示主導力量，已有研究中兩類方法往往相互隔離，限制了主導因素識別及文獻之間的結果比較。

有鑒于此，本文力圖基于一般性理論框架構建要素份額決定模型，利用我國改革時期省際面板數據，綜合考察技術偏向(技術因素)、要素價格(市場結構)及經濟增長(發展階段)對要素份額的影響，并借助統計分解方法識別其主導力量，為更有針對性地進行政策調控提供數據支持。本研究的潛在優勢及創新點為：(1)根據新古典要素需求理論，在超越對數成本函數之下推導要素份額決定方程，可以避免借助經驗認識選取變量并建立多元回歸模型的隨意性；(2)以經濟增長為代理指標反映發展階段等間接因素的作用，利用要素價格變化揭示市場結構的影響，并結合替代彈性與技術偏向共同刻畫技術因素的影響，能有效揭示不同層級影響因素的作用強度及相互關系；(3)在同一框架內估計經濟增長、要素價格、技術偏向對要素份額的影響，綜合利用時序數據和面板數據構建計量經濟模型，通過統計分解方法揭示我國勞動份額變動的主導因素及省際差異，估計結果具有較強穩健性，且對改善“我國要素份額決定主導力量研究不足”的局面有積極意義。

二、理論框架

為同時考察要素價格、技術偏向及經濟增長對要素份額的影響，應選用包容性強的總量生產函數。廣泛使用的CD生產函數，內在限定中性技術進步且要素替代彈性為1(進而決定要素份額不變)，故無法勝任這一使命。一般要素增強型CES生產函數雖然放松對替代彈性取值的限制，但其非線性形式阻礙據其導出簡潔的要素份額決定方程。相比之下，超越對數(Transcendental logarithmic, Translog)函數憑借極強的靈活性與包容性，成為構建要素份額決定模型的首選。

(一)超越對數函數族

Translog函數屬于平方響應面(Quadratic Response Surface)模型，憑借易估計和包容性優勢，其在經濟研究中獲得廣泛應用。由于其既是研究生產要素之間替代互補關系的有力工具，也是測度技術進步偏向的重要手段，故在要素分配研究中大有用武之地[25]。

Translog函數實為一族，分為Translog生產函數、Translog價格函數、Translog成本函數三類，三者具有密切的內在聯系。

多要素情形下，Translog生產函數一般形式為

(1)

其中，Y為產出；Xi及Xj為各種生產要素(i,j=1,2,…n)，可以涵蓋反映技術變化的時間t；α0=lnA反映初始技術水平。

根據對偶(duality)理論，可構造等價反映Translog生產函數信息的價格函數及成本函數。式(1)中Translog生產函數的對偶價格函數(dual price function)與最小成本函數(minimum cost function)分別為

(2)

(3)

其中，PY為產出價格，Pi為各類要素價格，β和γ均為待估參數。

鑒于Translog成本函數解釋變量過多，往往遭受嚴重的共線性問題，甚至因數據容量制約無法進行參數估計。為減少待估參數，可用產出代理各類投入信息，給出如下簡化形式

(4)

理論上，對偶性保證三種Translog函數可等價地用于相關研究。但一般而言，為刻畫要素替代和技術進步偏向，使用Translog成本函數或價格函數更為方便[26]。

(二)要素份額決定方程

Binswanger(1974)最早基于Translog成本函數考察技術偏向對要素分配的影響。其基本方程等價于式(4)，但引入時間趨勢項t為反映技術偏向[27]

(5)

根據謝潑德引理(Shephard’s lemma)，要素投入數量等于最小成本函數對要素價格的偏導數(Xi=?C/?Pi)，故各類要素份額可表示為

(6)

引入時間趨勢項反映技術偏向的方法簡便易行，在實證研究中有廣泛應用[28-30]。但其對有偏技術進步形式做了主觀限定，常系數時間趨勢無法刻畫技術偏向的動態變化。有鑒于此，后續研究致力于尋求改進。為反映有偏技術進步，一些學者采用一個或一組代理變量Z取代時間趨勢項t，但代理變量往往需要根據考察對象具體設定。宏觀研究中，常用研發投入、計算機使用、設備進口、教育支出等指標作為代理[31]。采用此類方法時，要素份額決定方程變為

Si=βi+ΣjβijlnPj+γiYlnY+γiZZ

(7)

為克服代理變量法指標選擇的主觀性，Baltagi和Rich (2005)采用一般指數方法(General Index Approach)測度技術偏向，以兼顧時間趨勢法與代理變量法的優點[32]。其基本思路為：以一組代理變量Z的函數刻畫技術變化路徑。此時，作用于某要素的技術變化路徑，既未局限于時間t的特殊函數，也非特定代理變量的時間路徑Zt本身。在面板數據可得的情況下，可由一組虛擬變量反映。將其引入Translog成本函數，得到如下要素份額方程

Si=βi+ΣjβijlnPj+γiYlnY+ΣtγitDt

(8)

綜上，時間趨勢項方法簡便易行，但理論性質較差；一般指數方法具有良好的理論性質，但只有借助面板數據才能實現；代理變量法應用限制較多，適于在無法獲取面板數據但能得到理想代理變量時采用。下文基于全國時序數據估計時以式(6)為基本模型，基于省級面板數據分析時改用式(8)作為基本模型。

三、數據說明

本文實證分析基于中國改革時期全國時序數據及省區面板數據，數據跨度為1978-2014年。核心變量為要素份額、產出Y、勞動價格w及資本價格r。基礎變量包括勞動投入L、資本投入K、以及各類要素報酬，數據結構見表1。

表1 主要指標數據來源與計算方法

注：首行以X為例說明數據結構，Xit下標包含兩類信息：i=0代表全國，i=1,…,31表示31個省區；t表示年份。以下各行給出所用指標的數據來源與計算方法。對任一指標，分別構成一個“省區×年份”面板數據。

(1)產出。Y使用生產法GDP數據。為剔除價格變動影響，利用GDP隱含縮減指數調整為1978年可比價序列。基礎數據取自《中國國內生產總值核算歷史資料1952-2004》和近年《中國統計年鑒》。

(2)要素投入。勞動投入L使用年中從業人員數，利用官方統計提供的年末從業人員數計算。資本投入K由固定資本存量(年中值)反映，利用“最優一致性-永續盤存法”(OCM-PIM)估算。為提高數據估算質量，實際構建了1952-2014年全國及各省區1978年價格資本存量序列。為滿足資本價格r計算需要，另外利用GFCF隱含縮減指數調整得到K現價數據。

(3)要素份額。為保證全國和省區數據一致性，本文基于地區收入法GDP計算要素份額*對省區而言，收入法GDP是計算要素份額序列的唯一數據來源；對全國而言，還可利用資金流量表數據計算要素份額(時間跨度較短)。此外，基于全國或地區投入產出表也可計算編表年份要素份額，但無法進行連續分析。。收入法GDP基本核算公式為：GDP=COMP+DEP+NTP+NOS。其中，COMP為勞動者報酬，DEP為固定資產折舊，NTP為生產稅凈額，NOS為凈營業盈余，NOS與DEP之和為總營業盈余GOS。本文選用勞動份額揭示要素分配結構，其定義為勞動者報酬占“要素價格”GDP之比，即SL=COMP/(GDP-NTP)=COMP/(COMP+GOS)。進而定義，資本份額SK=1-SL，相對收入份額R=SK/SL。基礎數據取自《中國國內生產總值核算歷史資料1952-2004》和近年《中國統計年鑒》。

(4)要素價格。利用要素投入與收入法GDP提供的要素報酬計算。鑒于國民核算中推算而得的凈值指標不及總值指標可信，最終選用總收益率衡量資本價格。其定義為總營業盈余與現價固定資本存量之比，r=GOS/K，且等于凈收益率與折舊率之和。勞動價格取勞動者報酬與勞動投入之比，w=COMP/L。較官方統計中的“在職職工平均工資”，該指標涵蓋了職工以外規模龐大的非正規就業，是工資率的理想代理。為剔除物價變動影響，利用全國及各省區CPI將其調整為1978年價格。

四、全國時序數據初探

首先，利用全國時序數據對我國勞動份額變動的主導因素進行初步分析。

(一)模型估計

以式(6)為基礎，構造計量模型

SLt=β0+βrlnrt+βwlnwt+γYlnYt+γtt+εt

(9)

利用全國1978-2014年數據進行估計，結果見表2。模型1估計效果極不理想：除系數βr和βw顯著不為0外，其他系數在10%顯著水平下均未通過T檢驗；特別是βw系數顯著為負，無法通過經濟意義檢驗。檢查發現，其源于lnY與t之間極強相關性所引發的嚴重共線性問題。因此，放棄以時間趨勢項t揭示技術偏向對勞動份額的影響，并改用GLS方法修正自相關問題。

表2 全國時序數據模型估計結果

注：本文估計結果由Eviews6.0給出，括號內為t值；***、**和*分別表示在1%、5%及10%顯著水平下通過T檢驗，ns表示在10%顯著水平下無法通過T檢驗。后同。

修改后，模型2的系數估計值符合理論預期。(1)βr為負且βw為正，意味著資本價格r提高及勞動價格w降低，均導致勞動份額下降。可以證明，該結果成立的條件為資本與勞動之間替代彈性小于1。我國要素替代彈性小于1，已得到眾多經驗研究有力支持[33-38]。此時，要素相對價格(r/w)上升1%引起的資本勞動比率(K/L)下降不足1%，作為二者乘積的相對收入份額(R=SK/SL)上升、勞動份額下降。(2) 比較兩類要素價格的影響(βr約-0.1，βw約0.2)，發現w對SL的影響強度高于r，符合“工資變動對要素分配影響更直接”的經驗認識。(3)βY估計值為負，表明經濟增長對勞動份額有反向影響，凸顯出我國經濟增長成果分配向資本傾斜的特殊性。

(二)影響比較

利用表2結果，可用式(10)測算各因素對勞動份額變動的影響，并確定主導因素。

(10)

圖1給出基于模型2的測算結果，其顯示：經濟增長對勞動份額變動始終呈反向影響，其強度變動區間逐漸收窄；絕大多數年份要素價格對勞動份額變動為正向影響，其強度變動區間有所擴大；技術偏向對勞動份額變動的影響傾向于由正轉負，且其絕對值在三者中最小。圖形觀察僅能給出粗略判斷，為確定勞動份額變動的主導因素，需要綜合影響方向與作用強度兩方面信息。

圖1 各因素對勞動份額變動影響(余值法)

分類維度1分類維度2作用強度大(主要因素)小(次要因素)影響方向同(導向因素)主導因素輔助因素反(逆向因素)首逆因素輔逆因素

本文在表3中結合兩種分類維度給出判別規則。維度1：某因素影響與勞動份額變動同向，稱為導向因素；否則稱為逆向因素。維度2：某因

素作用強度大，稱為主要因素；否則稱為次要因素。將二者交叉分類：變動同向且強度大者為主導因素，變動同向但強度小者為輔助因素；變動反向時，根據作用強度大小分為首逆因素與輔逆因素。

為清晰揭示各因素影響的時間變化，本文將整個考察期劃分為四個子時期*子時期劃分主要結合改革時期發展階段，并參照考察期內勞動份額變化特征。1978-1985年為改革啟動階段，改革主要在農村展開，“沒有輸家的改革”導致勞動份額穩步提高；1986-1995年為改革初期，城市改革逐漸推開并占據主導，該時期宏觀經濟波動劇烈，勞動份額也反復升降；1996-2005年各領域改革迅速深入，對外開放程度顯著提高，中國經濟在全球化分工中的弱勢地位導致勞動份額持續下降；2006年以來，決策層逐漸認識到要素收入分配結構存在重大失衡，相繼出臺一系列調整政策，勞動份額持續下降趨勢得以扭轉。，分別計算各因素變動與勞動份額變動的相關系數。表4顯示，改革時期，各因素與勞動份額變動的相關性存在明顯時期變化：技術偏向影響及要素價格影響與勞動份額變動相關性較高，經濟增長影響與勞動份額變動相關性最低且呈下降趨勢。

進一步計算影響強度，以衡量各因素對勞動份額變動的貢獻。具體方法為：對任意一年，先計算各因素影響絕對值的平均值，再將某因素影響絕對值與之對比，得到該因素影響強度(取值范圍為[0,3]，三因素影響強度之和為3)；然后，計算整個考察期及各子時期內影響強度平均值。表4顯示，整個考察期內經濟增長影響強度最大，要素價格影響強度較大且持續上升，技術偏向影響強度較低且明顯下降。

表4 全國勞動份額變動主導因素

將相關系數與影響強度相乘，即可判別勞動份額變動的主導力量。改革時期，我國勞動份額變動的主導因素為要素價格，技術偏向和經濟增長均為輔助因素。分時期看，改革啟動階段以經濟增長為主導力量，改革初期技術偏向為主導力量，此后勞動份額變動始終由要素價格主導。由于技術偏向影響由余值近似給出，基于全國時序數據的結果僅作初步參考。

五、省級面板數據分析

為提高分析結論可靠性，基于省級面板模型直接測度技術偏向影響，并對勞動份額變動的主導因素進行修正。

(一)常系數模型

以式(6)為基礎，構造面板計量模型

SLit=β0+βrlnrit+βwlnwit+γYlnYit+γt+εit

(11)

模型設定是面板計量模型成敗的關鍵。暫不考慮變系數模型，在變截距模型與混合模型之間進行選擇。根據冗余固定效應檢驗，有力拒絕混合效應模型。考慮到各省區勞動份額差異明顯，該結果實屬意料之中。豪斯曼檢驗(Hausman Test)進一步表明，應采用截面與時間雙隨機(Two-way random)效應模型。

雙隨機效應形式下，式(11)的面板廣義最小二乘估計結果見表5模型1。其中，γt在常用顯著水平下無法通過T檢驗。可見，即使利用面板數據模型，以時間趨勢項揭示技術偏向的努力也告失敗，這印證了Baltagi和Rich (2005)的判斷。剔除時間趨勢項后，雙隨機效應模型2a估計結果略有改觀。為說明變截距效應設定差異對估計結果的沖擊大小，同時估計模型2b至2d用于穩健性分析。結果表明，βr估計值極其穩健(介于-0.09至-0.11之間)，βw和γY估計值變化稍大但符號穩定，截距項個體效應高度一致。

表5 基于式(11)的估計結果

注：括號內報告的t值已采用White cross-section穩健標準誤方法進行修正。鑒于面板模型往往存在較強的序列相關，導致參數估計量標準差及常規T檢驗失效。為此，在EViews軟件提供的“Coef covariance method”選項中，應確定計算系數標準差的穩健估計方法。經驗上，各省要素份額差異較大，容易引致空間異方差；各省面臨相似的宏觀經濟形勢，容易導致個體間同期相關。因此，最終選用White cross-section加權方法。此外，改用Cross-section SUR或Period SUR后T檢驗結果高度一致，說明表5結果非常穩健。

與表2模型2結果相比：表5中βr、βw和γY系數估計值的符號完全一致，因此同樣能通過經濟意義檢驗；從影響強度看，βr與原有結果極為接近、工資率及產出的影響強度(βw與γY絕對值)明顯下降。這意味著，時序數據模型高估了經濟增長對勞動份額的負面作用。鑒于省區面板數據比全國時序數據包含更豐富的信息，常系數面板模型估計結果更為可信。

表5模型1中時間趨勢項方法無力反映技術偏向影響，故改由式(8)構造計量模型

SLit=β0+βrlnrit+γYlnYit+ΣtγtDt+εit

(12)

該模型引入一組虛擬變量，并以γt刻畫不同年份技術偏向對勞動份額的影響。面板模型中，γt等價于變截距模型的時間效應，表5模型2a至2d均可提供此類信息。結果顯示，模型2a至2c的時間效應幾乎重合，模型2d時間效應差異較大、但變化趨勢基本一致。進一步計算發現，模型2a與2d時間效應一階差分序列的相關系數超過0.9，據以測度的技術偏向影響相當接近。總之，不同設定下的結果非常穩健，不會影響本文對勞動份額變動主導因素的判斷。

利用模型2a估計結果，基于式(10)重新計算三大因素對勞動份額變動的影響，結果見表6。此時技術偏向影響不再間接以余值近似，而是直接由時間效應一階差分計算。

表6結果與表4基本一致，但經濟增長影響強度有所下降、要素價格影響強度相應提高。改革啟動階段，要素分配結構變動的主導力量仍為經濟增長。盡管技術偏向影響與勞動份額變動具有最強同向性，但由于其影響強度最低，因而長期作為輔助因素(僅改革初期例外，其與經濟增長共同主導勞動份額變動)。90年代中期以來，隨著市場化改革推進及生產要素流動性增強，要素價格影響迅速提升，成為決定勞動份額變動的主導因素。同時，技術偏向影響超越經濟增長，成為決定勞動份額變動的首要輔助因素。

表6 全國勞動份額變動主導因素修正

以上結果具有明顯的政策涵義：(1)我國勞動份額隨經濟增長而下降的趨勢逐漸減弱，通過深化體制改革促進生產要素自由流動和優化配置，有望轉向勞動份額隨經濟增長而上升的新階段；(2)鑒于要素價格是我國勞動份額變動主導因素，為改善我國要素分配結構，應通過推進全國要素市場一體化進一步理順要素價格體系、增強要素替代能力，提升市場對資源配置的決定能力；(3)同時也應重視對技術引進與技術創新的引導，通過調整資本偏向型技術與勞動偏向型技術使用比例調整要素分配結構。

(二)變系數模型

為揭示各省區勞動份額變動的主導因素，需要借助變系數模型。面板計量模型中，對變系數模型與常系數變截距模型的取舍，可采用協方差分析方法確定。

截面維度，需要對原假設H0:β1=β2=…=βN進行檢驗，檢驗統計量為

(13)

時間維度，需要對原假設H0:β1=β2=…=βT進行檢驗，檢驗統計量為

(14)

其中，β為回歸系數向量，S1為變系數模型殘差平方和，S2為常系數變截距模型殘差平方和。F越大，表明常系數模型擬合效果較變系數模型越差，故更支持變系數模型。

注：變系數模型中，Eviews不支持截距隨機效應設定，故改用雙向固定效應。穩健性檢驗表明，其對分析結果無實質影響。

本文中，N=31，T=37，k=3。截面維度，S1N=0.767，S2N=1.958，F=17.64>F0.05(90,1 023)=1.27，有力拒絕原假設，支持變系數模型。時間維度，S1T=3.699，S2T=4.036，F=0.633

SLit=β0+βrilnrit+βwilnwit+γYilnYit+ui+vt+εit

(15)

其中，ui為個體效應，vt為時間效應；隨省區i變化的回歸系數βri、βwi和γYi，可以揭示要素價格及經濟增長對勞動份額影響的省際差異。

審視表7估計結果，得到四點發現：(1)除廣西(βri估計值為正、但統計不顯著)外，各省區βri估計值全部為負(北京、浙江、寧夏未通過T檢驗)，各省區βri均值(-0.108)與常系數模型結果(-0.113)十分接近；(2)所有省區βwi估計值均為正(僅江西、甘肅未通過T檢驗)，各省區βwi均值(0.213)明顯高于常系數模型2a結果(0.096)，但與模型2d結果(0.213)重合；(3)除北京γYi統計無異于0外，其余省區γYi均顯著為負，γYi均值(-0.243)與常系數模型2a結果(-0.095)相差較大，但與模型2d結果(-0.249)非常接近；(4)變系數模型時間效應vt與常系數模型變化趨勢接近，其個體效應ui變化幅度明顯增大、但變動方向與常系數模型基本一致。

表8 1978-2014年各省區勞動份額變動主導因素比較

注：北京γYi估計結果在10%顯著水平下未通過T檢驗，其經濟增長影響僅做粗略參考(以ns標注)。類似地，北京、浙江、廣西、寧夏βri估計結果未通過T檢驗，江西和甘肅βwi估計結果未通過T檢驗，其要素價格影響可靠性減弱。

基于以上估計結果，可以確定各省區勞動份額變動的主導因素，并考察其在不同子時期的變化。各省區要素價格與經濟增長影響根據自身βri、βwi及γYi估計值計算，技術偏向影響由共同的時間效應vt確定。表8顯示，整個考察期所有省區均以要素價格為勞動份額變動的主導因素，這與表6所給全國情況高度一致*篇幅所限，各省區分時期勞動份額變動主導因素的詳細結果無法列示，需要者可與作者聯系。。理論研究表明，要素價格影響主要通過要素替代彈性實現，要素替代彈性離1越遠，要素價格對要素份額影響越大。改革時期，我國要素替代彈性明顯小于1，其決定要素價格成為勞動份額變動的主導因素。可以預期，隨著我國要素替代彈性持續提高，要素價格影響強度將逐漸下降，技術偏向影響將相應提升。此外，少數省區經濟增長影響與勞動份額變動方向相反，表明“勞動份額隨經濟增長下降”的模式已經出現區域分化；至于勞動份額何時轉向隨經濟增長提高的階段，則有待未來更長時期的數據分析。

(三)簡要總結

基于常系數面板模型，以一般指數方法測度技術偏向，比利用余值法間接測度技術偏向有明顯優勢。模型擬合效果更好，且結果穩健：βr估計值顯著為負，βw估計值顯著為正，與我國替代彈性小于1相一致；γY估計值為負，但絕對值明顯下降，表明時序數據模型明顯高估了我國經濟增長成果分配偏向資本的傾向。因素分解表明：要素價格是決定我國勞動份額變動的主導因素；技術偏向影響與勞動份額變動同向性高但力度最弱，近期其已超越經濟增長成為決定勞動份額變動的重要輔助因素。

利用截面變系數面板模型，可以進一步分析三大因素對各省區勞動份額變動的影響。與常系數模型對比，參數估計結果的符號高度一致，但大小存在差異：絕大多數省區βri估計值顯著為負，并在(-0.2，-0.02)之間變動，各省均值與常系數模型非常接近；所有省區βwi估計值為正，在(0.05，0.38)之間變動，均通過經濟意義檢驗與統計檢驗；除北京外各省區γYi均顯著為負，在(-0.36，-0.11)之間變動，表明北京將率先擺脫勞動份額隨經濟增長而下降的局面。整個考察期內，各省區勞動份額變動均以要素價格為主導因素；經濟增長的影響開始呈現地區分化，但尚難識別出明確的模式。

六、結論、建議及展望

本研究旨在揭示我國要素份額變動的主導因素，并剖析其時間變化與空間差異。為避免借助經驗認識選取變量的隨意性，本文根據新古典要素需求理論，基于超越對數成本函數推導要素份額決定方程，為同時考察要素價格、技術偏向及經濟增長等不同層級因素對要素分配的影響提供了有力工具。進而利用統計分解方法，結合影響方向與作用強度兩大維度確立判別規則，利用計量模型估計結果揭示要素份額變動的主導力量。上述方法改進，可對該領域已有研究提供有益補充。通過理論討論與實證分析，本文得到如下結論與認識。

(1)全國勞動份額決定方程的估計結果，符合理論預期且非常穩健：βr為負且βw為正，表明要素比價(r/w)提高將導致勞動份額下降，該結果得到我國要素替代彈性小于1的經驗研究有力支持；從參數估計絕對值看，勞動價格變動的影響大于資本價格，符合“工資變動對要素分配影響更直接”的經驗認識；經濟增長對勞動份額影響βY為負，表明經濟增長對勞動份額有反向影響，凸顯出我國經濟增長成果分配向資本傾斜的特殊性。比較各子時期的統計分解結果，發現90年代中期以來要素價格影響迅速提升，成為支配勞動份額變動的主導力量，技術偏向影響也超越經濟增長成為首要輔助因素。

(2)利用省際面板數據，經檢驗確定截面變系數面板模型估計勞動份額決定方程，其可有效刻畫勞動份額變動主導力量的省際差異。結果表明：對各省區而言，要素價格對勞動份額的作用方向高度一致，各省參數估計值雖有窄幅變動，但其平均值與全國模型估計結果非常接近；經濟增長對各省區勞動份額均有負向影響，但影響強度的省際差異很大，表明盡管各省區都處在勞動份額隨經濟增長而下降的階段，但距離轉折點的路徑長短不一，北京有望率先實現這一轉折。整個考察期內，所有省區中勞動份額變動的主導因素均為要素價格；分子時期看，各省區技術偏向影響強度普遍提高，經濟增長影響則存在明顯的區域分化，有望逐漸擺脫勞動份額隨經濟增長下降的困局。

以上研究結論清晰表明，我國90年代中期以來勞動份額持續下降，但其影響因素存在明顯的時空差異。為改善要素分配結構，調控政策必須分清主次、對癥下藥。鑒于要素價格始終是我國勞動份額下降的主導力量，首先應積極推進要素市場改革，加快建立健全全國統一的勞動力市場與資本市場，消除各類要素價格扭曲，提升市場對資源配置的決定能力，促進要素替代彈性提高，以減弱并扭轉勞動份額份額下降趨勢。與此同時，鑒于技術偏向對要素份額變動的影響逐漸增強，也應注重在技術引進與技術創新中提高勞動偏向型技術占比，扭轉要素分配過度向資本傾斜的局面。總之，針對我國要素份額變動主導因素的時空差異，全國性政策調控必須與時俱進，各省區具體舉措則要因地制宜。

鑒于我國要素分配決定機制及影響因素研究具有重要的理論意義與政策價值，近期已經激發大量研究。本文力圖在既有文獻基礎上，由理論模型構建與主導因素分析兩方面尋求改進，并通過揭示要素份額主導力量的時期變化和省際差異，提升政策建議的時效性與針對性。未來研究中，可從多方面繼續深化。一是改善要素替代彈性估計研究，揭示替代彈性省際差異，深入剖析要素份額變動主導因素的省際差異。二是加強省區技術偏向測度研究，直接測算其對要素分配的影響。三是向產業及細分行業擴展，由更微觀的層面進一步揭示各類因素對要素份額變動的影響機制。

[1]郝楓. 中國要素收入分配研究進展述評[J]. 經濟學動態，2013(8): 84-94.

[2]Rodrik D. Democracies Pay Higher Wages[J]. Quarterly Journal of Economics, 1999,114(3): 707-738.

[3]Rodríguez F, Ortega D. Are Capital Shares Higher in Poor Countries? Evidence from Industrial Surveys [R]. Wesleyan Economics Working Papers, 2006.

[4]白重恩，錢震杰. 誰在擠占居民的收入[J]. 中國社會科學，2009(5):99-115.

[5]李稻葵，劉霖林，王紅領. GDP中勞動份額演變的U型規律[J]. 經濟研究，2009(1):70-82.

[6]羅長遠，張軍. 勞動收入占比下降的經濟學解釋[J]. 管理世界，2009(5):25-35.

[7]郝楓. 勞動份額“型”演進規律[J]. 統計研究，2012(6):33-40.

[8]黃先海，徐圣. 中國勞動收入比重下降成因分析[J]. 經濟研究，2009(7):34-44.

[9]白重恩，錢震杰. 勞動收入份額決定因素[J]. 世界經濟，2010(12):3-27.

[10]楊俊，邵漢華. 資本深化、技術進步與全球化下的勞動報酬份額 [J]. 上海經濟研究，2009(9):10-17.

[11]邵敏，黃玖立. 外資與我國勞動收入份額 [J]. 經濟學(季刊)，2010(4):1189-1210.

[12]唐東波. 全球化與勞動收入占比[J]. 管理世界，2011(8):23-33.

[13]Bentolilla S, Saint-Paul G. Explaining Movements in the Labor Share[J]. The BE Journal of Macroeconomics, 2003, 3(1): 1-33.

[14]白重恩，錢震杰，武康平. 中國工業部門要素分配份額決定因素研究 [J]. 經濟研究，2008(8):16-28.

[15]翁杰，周禮. 中國工業部門勞動收入份額的變動研究[J]. 中國人口科學，2010(4):31-45.

[16]伍山林. 勞動收入份額決定機制[J]. 經濟研究，2011(9):55-68.

[17]龔剛，楊光. 論工資性收入占國民收入比例的演變 [J]. 管理世界，2010(5):45-55.

[18]張杰，卜茂亮，陳志遠. 中國制造業部門勞動報酬比重的下降及其動因分析 [J]. 中國工業經濟，2012(5):57-69.

[19]羅長遠，陳琳. 融資約束會導致勞動收入份額下降嗎? [J]. 金融研究，2012(3):29-42.

[20]李坤望，馮冰. 對外貿易與勞動收入占比 [J]. 國際貿易問題，2012(1):26-37.

[21]張杰，陳志遠，周曉艷. 出口對勞動收入份額抑制效應研究[J]. 數量經濟技術經濟研究，2012(7):44-60.

[22]郭慶旺，呂冰洋. 論稅收對要素收入分配的影響[J]. 經濟研究，2011(6):15-40.

[23]李文溥，謝攀，劉榆. 兩稅合并的要素收入份額影響研究[J]. 南開經濟研究，2012(1):50-62.

[24]郝楓. 要素份額決定機制與影響因素研究述評[J]. 財貿研究，2014(4): 28-38.

[25]郝楓. 超越對數函數要素替代彈性公式修正與估計方法比較[J]. 數量經濟技術經濟研究，2015(4): 88-105.

[26]Jorgenson D W. Econometric Modeling of Producer Behavior[M]. Cambridge: The MIT Press, 2000:137-139.

[27]Binswanger P H. The Measurement of Technical Change Biases with Many Factors of Production[J]. American Economic Review, 1974, 64(6):964-976.

[28]Morrison C, Berndt E. Short-run Labor Productivity in a Dynamic Model [J]. Journal of Econometrics, 1981, 16(3):339-365.

[29]Betts J. The Skill Bias of Technological Change in Canadian Manufacturing Industries [J]. Review of Economics and Statistics, 1997, 79(1):146-150.

[30]Feng G, Serletis A. Productivity Trends in U.S. Manufacturing: Evidence from the NQ and AIM Cost Functions[J]. Journal of Econometrics, 2008, 142(2):281-311.

[31]Carraro C, Enrica C. Factor-Augmenting Technical Change: An Empirical Assessment[J]. Environmental Modeling & Assessment, 2013, 18(1):13-26.

[32]Baltagi B, Rich D P. Skill-biased Technical Change in US Manufacturing: A General Index Approach[J]. Journal of Econometrics, 2005,126(2):549-570.

[33]戴天仕，徐現祥. 中國技術進步方向 [J]. 世界經濟，2010(1):54-70.

[34]陳曉玲，連玉君. 資本-勞動的替代彈性與地區經濟增長 [J]. 經濟學(季刊)，2012(1): 93-118.

[35]陸雪琴，章上峰. 技術進步偏向定義及其測度 [J]. 數量經濟技術經濟研究，2013(8): 20-34.

[36]雷欽禮. 偏向性技術進步的測算與分析 [J]. 統計研究，2013(4): 83-91.

[37]郝楓，盛衛燕. 中國要素替代彈性估計 [J]. 統計研究，2014(7):12-21.

[38]郝楓，盛衛燕. 中國要素替代彈性之“索洛猜想”檢驗 [J]. 商業經濟與管理，2015(3): 85-96.