經濟新常態下制造業全要素生產率的區域比較研究
——基于福建省2001—2015年的面板數據

鐘明春 ，陳新芳

（1.福建江夏學院 經濟貿易學院，福建 福州350108；2.福建江夏學院 現代商貿經濟研究中心，福建 福州350108）

自2008年美國金融危機爆發以來，全球經濟遭受重創，歐美發達國家經濟增長乏力，使得各國開始重新審視制造業對于一國經濟發展的重要性。事實上，以美國、德國為代表的許多發達國家紛紛提出“再工業化戰略”，試圖實現從“產業空心化”到“再工業化”的回歸。2012年世界經濟論壇認為，幾乎所有的國家都在因制造業而進步，這表明制造業不僅是重要的，而且許多國家正在成為制成品和提升制造知識能力的競爭者，大多數國家之間，包括新興經濟體和發達國家之間，正在為從制造業獲得利益而進行激烈的競爭[1]。在此背景下，如果我國制造業不能有所作為的話，必將面臨價值鏈低端鎖定甚至淘汰出局的可能。尤其是近幾年來，我國國民經濟增速出現小幅回落，由高速增長轉為中高速增長，除了外部宏觀經濟形勢的影響，我國制造業還面臨著勞動力成本上漲、節能減排、資源消耗與環境污染以及產能過剩等諸多壓力。事實上，我國制造業尚未實現向集約型增長方式轉變，過度依賴資源消耗和生產要素的投入已經成為限制我國經濟持續穩定增長的隱患[2]。為了應對國內外的諸多挑戰，促進制造業的轉型升級，我國政府提出了《中國制造2025》的發展戰略，這標志著我國制造業開始步入新的歷史發展階段。那么當前我國制造業處于何種水平？制造業全要素生產率的增長及其變化趨勢如何？資本或勞動對于生產率的貢獻發生了什么樣的變化？技術進步是否帶來生產率的變化呢？對于這些問題的研究將有助于為相關部門制定相應的產業政策提供有力的支撐。全要素生產率作為集約型增長方式的基本內涵和衡量技術進步的重要指標，最早由美國經濟學家羅伯特·索洛提出[3]，隨后，許多學者對此進行了更為深入的研究，關于TFP的測算方法也越來越多樣化，并且更為完善。其中比較典型的有Jorgenson提出的超越對數生產函數法[4]，Aigner、Schmidt和 Meeusen、VandenBroe 等分別獨立提出的隨機前沿生產函數法[5-6]，A.Charnes、W.W.Cooper和 E.Rhodes提出的數據包絡分析（Data Envelopment Analysis，簡稱DEA）方法[7]。隨著理論及方法研究的不斷完善，國內外采用不同方法測算TFP的研究成果紛至沓來，數不勝數。其中在制造業方面，Kyoji Fukao、Keiko Ito等通過對日本內資制造業企業和外資制造業企業的比較研究，發現外資企業和跨國并購企業擁有相對較高的全要素生產率水平以及較高的資本回報率[8]。Dolores Anon Higon通過對英國制造業全要素生產率的技術外溢影響研究，得出英國自身產業技術外溢和國外關于該產業技術外溢都會有助于該國制造業生產率的提高[9]。Amity和Wei采用工具變量估計法研究了1992—2000年期間,外包行為對美國整個制造業的 TFP和勞動生產率的影響，研究發現服務外包行為對生產率影響顯著，貨物外包的影響則次之[10]。Kruger通過美國制造業1958—1996年數據的分析發現，比較優勢結構變化對生產率增長的作用明顯[11]。

國內學者亦采用不同方法從各自的角度對制造業全要素生產率進行廣泛的研究。楊桂元、王莉莉利用Malmqulst生產率指數方法，就我國1999—2005年省際全要素生產率進行了測算研究，結果表明，我國制造業全要素生產率的增長主要是由技術進步推動的[12]。司傳寧、付宏華則運用半參數估計方法，對我國2002—2011年26個制造業行業的全要素生產率進行了測算，得出對外開放以及合理的技術差距會顯著促進我國行業技術水平的提高[13]。除了宏觀層面的研究之外，許多學者還在省級區域層面對各省制造業全要素生產率進行了測算[14-16]。

綜上所述，關于制造業TFP的測算研究成果頗豐，研究方法與視角迥異，但從現有研究來看，針對特定區域相對微觀的比較研究還不多見。本文擬以福建省為例，采用生產函數法就該省不同地區制造業的全要素生產率進行比較研究，以期為特定區域制定差別化的產業政策提供決策參考。

一、研究設計與指標的選取

（一）全要素生產率相關理論及影響因素分析

1.全要素生產率的相關理論

全要素生產率是指“生產活動在一定時間內的效率”,是衡量投入產出的生產率指標，常常被視為科技進步的指標。關于全要素生產率的研究理論可以從三個方面來表述：一是全要素生產率是所有投入要素對產出增長率的影響，全要素生產率的鼻祖Davis認為資本、勞動力、原材料、能源等全部投入均應作為投入要素。但這種研究方法難以計算生產過程中所投入的全部生產要素，并且若將資本、勞動力、原材料、能源、技術等全部投入要素都考慮進來便會造成不同研究主體之間不再存在生產率的差異，也無法衡量和對比不同投入要素對生產率增長的影響。二是全要素生產率是除資本和勞動以外的要素投入所帶來的生產率的增長。最先提出這一觀點的是美國經濟學家羅伯特·索洛，他認為全要素生產率是無法被資本和勞動的增長率所解釋部分的生產率的增長值，即“索洛余值”。索洛將這個“余值”當作是技術進步所帶來的貢獻，但實際上這個“余值”并不僅僅包含技術進步，還包含諸如人力資本的提高、市場環境的改善、計算誤差等其他因素的影響，因此就可能高估技術進步的貢獻率。三是以Jorgenson和Griliches為代表的，在認同前者觀點的前提下，認為全要素生產率應當是扣除資本、勞動、技術進步以及教育、管理等多種可測量的要素投入之后所剩余的和無法解釋的生產率的增長，據此還提出了超對數生產函數法，使生產率的測算更為準確。

2.全要素生產率的影響因素分析

全要素生產率的來源包括技術進步、組織創新、專業化和生產創新等，因此全要素生產率的影響因素主要有技術進步、對外開放、R&D活動、制度變遷及其他因素。

a.技術進步。全要素生產率是衡量一國經濟發展的重要指標，而全要素生產率的增長很大一部分就來源于技術進步，因此技術進步對提高全要素生產率具有促進作用。技術進步是知識形態的生產力，它一旦加入生產過程，就轉化為物質生產力，在當代生產力發展中起著決定性作用，是推動經濟增長的首要因素。在現階段，移動電子商務的迅速發展就是技術進步所帶來的最好例子，移動電子商務的發展為各行各業的發展提供了可能，促進了經濟的增長。事實證明，長期持續穩定的經濟增長在很大程度上歸功于科學技術水平的不斷提高。

b.對外開放。自1978年改革開放以來我國取得了巨大的成就，國內生產總值得到較快增長。一方面，對外開放吸收外資可以發揮我國市場、資源和勞動力的比較優勢，提高我國經濟增長的質量和效益，而積極引進國外的先進技術和設備，經過吸收和消化，加快技術進步，則可促進產業結構和產品結構的升級換代，能夠增強我國企業的競爭力。另一方面，對外開放可促進貿易自由化、國際化，企業會相應地擴大生產，呈現規模經濟效應，從而導致生產率的提高。

c.R&D活動。R&D(research and development)是指在科學技術領域，為增加知識總量(包括人類文化和社會知識的總量)，以及運用這些知識去創造新的應用而進行的系統的創造性活動，包括基礎研究、應用研究、試驗發展三類活動。R&D活動的規模和強度指標可以反映一國的科技實力和核心競爭力，一國的R&D水平體現著一國的政治經濟實力，而一個企業的R&D水平，則在某種程度上體現著一個企業的競爭力。一般來說，企業的R&D投入越多，創新的成果也就越豐富，對全要素生產率的提升也就越顯著。國內多數學者通過對企業R&D進行研究后都曾得出相同的結論：R&D溢出對全要素生產率具有正效應。

d.制度變遷。美國著名經濟學家Douglass C.North在《西方世界的興起》一書中，認為制度因素是經濟增長的關鍵，一種能夠對個人提供有效激勵的制度是保證經濟增長的決定性因素，“一個有效率的經濟組織在西歐的發展正是西方興起的原因所在”。良好的制度環境、社會環境以及文化氛圍對產業的發展至關重要。通過降低交易成本、提供服務、創造合作條件、創建激勵機制等手段來促進技術創新，從而提高全要素生產率。制度會影響高技術產業發展，當物質生產要素不變，尤其是技術不變時，生產率便可以通過制度的變化得到提高。

（二）生產函數模型的構建

許多經濟學家對全要素生產率進行了深入分析，提出了不同的測算方法，主要可分為增長會計法與經濟計量法這兩大類。其中增長會計法包括代數指數法與索洛殘差法，經濟計量法包括隱性變量法與潛在產出法，潛在產出法又可分為參數隨機邊界分析和非參數數據包絡分析。這些方法各有優缺點又相互聯系，本文采用Cobb-Douglas生產函數法，即：

其中，Yt表示第t期的實際產出，At表示第t期的技術進步率，Kt和Lt分別表示第t期的固定資本投入和勞動力投入，α、β分別是固定資本投入和勞動力投入的產出彈性，u表示隨機誤差項。（1）式中的被解釋變量Yt與解釋變量Kt、Lt之間的關系是非線性的，通過對數變換后可轉化為如下形式：

在規模保持不變的條件下，即α+β=1，利用E Views軟件，采用普通最小二乘估計法（OLS）對（2）式中的多元線性回歸模型的參數進行估計。再利用索洛余值法對全要素生產率進行測量，計算公式如下：

（三）面板數據模型的構建

面板數據也稱作時間序列與截面混合數據，是截面上個體在不同時點的重復觀測數據，利用面板數據建立模型可以增加估計量的抽樣精度，比單截面數據建?？梢垣@得更多的動態信息。

面板數據的模型主要有混合模型、固定效應模型和隨機效應模型這3種。一般的單方程線性面板數據模型可以表示為：

其中，Yit為被回歸變量（標量），α表示截距項，Xit為k×1階回歸變量列向量（包括k個回歸量），β為k×1階回歸系數列向量，εit為誤差項（標量）相互獨立，且滿足零均值、等方差，n是截面樣本點個數，T是時序期數。

二、數據處理與分析

（一）指標選取與數據處理

本文使用的樣本為2001—2015年福建省8個地級市（福州市、廈門市、漳州市、泉州市、南平市、龍巖市、寧德市、莆田市，其中三明市因缺乏2001—2012的數據故不計算在內）工業的面板數據（因制造業數據不完整故用工業數據來代替），所用的數據根據各市2016年統計年鑒的資料整理得來。

為準確評估福建省這8個地級市的制造業全要素生產率的增長情況，數據的獲取與處理至關重要。本文綜合比較國內研究普遍使用的處理方法，構建8個地級市工業的產出、資本投入和勞動力投入的指標數據。

1.制造業產出增加值

為減少價格波動的影響，本文采用制造業產出增加值來表示工業的產出，數據來源于福建省各市2016年統計年鑒。

2.固定資本投入

固定資本投入采用永續盤存法來估算物質資本存量，計算公式為：

其中，Kt為t期末的資本存量，It為t期內的資本形成總額，δ為固定資本經濟折舊率。本文參照張軍等的處理方法[17]，取固定資本經濟折舊率為9.6%。這里需要說明的是，由于各地級市并沒有公布固定資本形成總額，并且國家的統計局也是以全社會固定資產投資額為基礎進行一定的調整來計算固定資本形成總額的，可見，全社會固定資本投資額與固定資本形成總額具有較強的相關性。因此，本文采用全社會固定資本投資額來代替固定資本形成總額。

3.勞動力投入

本文選取各市2001—2015年社會從業人員的平均數作為勞動力投入。利用E Views 7.0軟件計算2001—2015年各地級市制造業全要素生產率的增長情況。

（二）福建省各地區全要素生產率的測算與比較分析

1.面板數據單位根檢驗

面板數據的單位根檢驗方法主要有LLC檢驗、Breitung檢驗、Hadri檢驗、ISP檢驗、Fisher-PP檢驗與Fisher-ADF檢驗。為了避免單一檢驗方法可能存在的缺陷，本文選擇LLC檢驗、Fisher-PP檢驗與Fisher-ADF檢驗三種方法進行單位根檢驗。根據檢驗結果顯示，LLC、Fisher-PP和Fisher-ADF的伴隨概率P值均小于0.051，因此，在5%的顯著性水平下，變量ln（Y/L）和ln（K/L）的面板數據水平值是平穩的，如表1所示。

表1 2001—2015年福建省各地區序列的面板單位根檢驗結果

2.面板模型估計

根據（2）式對2001—2015年福建省8個地級市面板數據建立回歸模型，自變量ln（K/L）系數為截面不同的系數，無截面和時期效應，因此該模型是變系數面板模型，采用最小二乘法為估計方法。根據估計情況可知，面板數據回歸結果較好，在顯著性水平為5%的情況下，除廈門市外其余均通過了顯著性檢驗。通過分析可以得到，福建省寧德、莆田、龍巖及漳州的資本貢獻率相對較高，均超過0.50，而廈門、福州、泉州、南平的資本貢獻率均低于0.50，相對低一些，而勞動的貢獻率則相反，廈門、福州、泉州及南平均超過0.60。結果如表2所示。

表2 2001—2015年福建省各地級市面板模型估計結果

3.福建省各地區全要素生產率的測算

在計算出福建省各地區資本彈性系數與勞動彈性系數的基礎上，便可以得出2001—2015年各地區的制造業全要素生產率年均率及產出貢獻率。

①從2001—2015年的全要素生產率貢獻度與貢獻率來看，福建省各地區之間的差距較大。全省全要素生產率平均貢獻率為17.47%，其中，寧德市全要素生產率的貢獻率最低，為5.3%，其次為南平6.8%；而廈門市全要素生產率貢獻率則最大，為29.3%，其次為泉州25.9%，漳州為24.9%。可見福建省各地區之間的全要素生產率貢獻率地區差異比較大，廈漳泉地區全要素生產率貢獻較大，這可能與該地區經濟發展水平有著較為密切的關系，而寧德地區由于早期交通條件、產業結構等原因的制約，經濟發展相對滯后一些。

②從勞動投入貢獻率來看，全省勞動投入的平均貢獻率為40.67%，其中南平市勞動投入的貢獻率最高，為69.9%，其次為廈門的49.5%，順推依次為福州48.9%、泉州46.7%，寧德勞動投入的貢獻率最低，為4.7%。從全省勞動投入貢獻率的總體情況來看，福建省的勞動投入仍然是制造業增長的主要推動力，這說明福建制造業的技術含量和附加值仍然偏低，勞動密集型產業仍然占了較大比重，有待于進一步進行轉型升級，以提升福建制造業的競爭力。

③從資本投入的貢獻率來看，全省資本投入的平均貢獻率為36.9%，其中，寧德的資本投入貢獻率為90%，其次為龍巖，占54.1%，漳州則占45.1%，而廈門和漳州相對較低，分別為21.2%和23.3%，福州為32.6%，泉州為27.4%。這其中差異較大的原因可能與這些地區的資本要素稟賦有關，廈漳泉與福州有著豐富的資本要素資源，因此可能資本的貢獻率會低些，而技術進步的貢獻相對較大。對于龍巖和寧德地區而言，可能資本相對匱乏，因此資本的貢獻率可能會相對大一些，結果如表3所示。

表3 2001—2015年間福建省各地區資本、勞動、全要素生產率的平均貢獻

三、結論與建議

根據前述研究結論可知，廈漳泉地區、福州及莆田地區全要素生產率較高，技術進步對于該地區制造業的貢獻較大，而龍巖、三明、南平及寧德的全要素生產率相對較低些，可能因為這些地區技術水平相對較低，科學技術對于制造業的作用或貢獻尚沒有充分發揮出來；其次從資本和勞動的貢獻率來看，龍巖、寧德等地區資本貢獻較大些，而廈漳泉地區、福州及莆田地區則勞動的貢獻率更大些，表明沿海大部分經濟發展較快的地區勞動密集型產業仍然占了較大比重；再次，從勞動、資本及全要素生產率的平均貢獻率來看，勞動占40.67%，技術占36.9%，而全要素生產率則占17.47%。可見福建省制造業主要還是依靠資本和勞動等要素投入來拉動，全要素生產率的貢獻仍然偏低，福建省制造業的集約化程度還不夠高，有待于進一步進行轉型升級。