中國城市TFP增長與潛在增長率

[摘?要]利用1990～2018年間中國264個地級及以上城市的投入和產出數據，本文通過非參數DEA Malmquist生產率指數法分析了中國城市全要素生產率增長及其分解項技術進步、技術效率、純技術效率、規模效率等的變化及其對經濟增長的貢獻率，并探討了資本和勞動對經濟增長的貢獻率，進一步采用HP濾波法研究了全要素生產率增長趨勢、投入要素增長趨勢及其波動對經濟潛在增長率的影響，得出結論并提出如下政策建議：1）優化投入要素和資源的合理配置，通過技術研發、人力資本、制度變革等多種方面來提升全要素生產率增長及其對經濟增長的貢獻率;2）提高各地區固定資本存量的有效使用效率; 3） 提高勞動的有效參與率。

[關鍵詞]城市; TFP增長; 潛在增長率; HP濾波; Malmquist指數法

[中圖分類號]F299.23?[文獻標識碼]A?[文章編號]1008—1763（2019）06—0034—09

Abstract：This paper analyzes the total factor productivity growth and technological progress， technical efficiency， pure technology Changes in efficiency， and scale efficiency of Chinese cities through non-parametric DEA Malmquist productivity index method using the input and output data of 264 prefecture-level and above-level cities in China from 1990 to 2018. This paper analyzes the contribution of total factor productivity growth and related factors to economic growth， and explores the contribution of capital and labor to GDP， and further analyzes the impact of total factor productivity growth， and related factor growth trends and their volatility on the potential growth rate of the economy using HP filtering method. The conclusions are drawn and the following policy recommendations are proposed： 1） To optimize the rational allocation of input factors and resources， and enhance the growth of total factor productivity and its contribution to economic growth through various aspects such as technology research and development， human capital， and institutional reform; 2） To improve the effective use efficiency of fixed capital stocks in various regions;3） Improve the effective participation rate of labor.

Key words： cities; TFP growth;?potential growth rate; HP filtering; Malmquist index methods

一?引?言

中國經濟經歷了40年的高速增長，近十年來潛在增長率開始出現下降趨勢：2017年中國GDP增長率為6.7%，2018年為6.6%，2019年預計在6.4%左右，今后幾年中國潛在增長率繼續下降是必然趨勢。張自然[1]探討了1990～2011年中國地級及以上城市TFP增長對經濟增長和波動的影響，2011年已經出現經濟增長乏力的跡象，由于當時經濟還處在上升期，從增長趨勢圖上看不出明顯的拐點。經過近七年的發展，中國城市經濟結構性減速的趨勢已經形成，我們有必要繼續探討中國城市，尤其是地級及以上城市的經濟增長趨勢，即潛在增長率的問題。

有關中國全國、省域或者城市的潛在增長率和全要素生產率方面的文獻較為豐富，主要有以下學者：Young[2];Sachs 和Woo[3];謝千里等[4]; Guillaumont和Hua[5];張軍和施少華[6];顏鵬飛和王兵[7];Zheng和Hu[8];郭慶旺和賈俊雪[9];孫琳琳和任若恩[10];鄭京海和胡鞍鋼[11];張自然和王宏淼等[12];張自然和陸明濤[13];張自然[1]。不少學者認為中國經濟增長較少存在技術創新，而主要依賴要素投入的積累，特別是固定資產投資;認為中國經濟的高速增長缺乏技術進步支持：Young[14，16];Krugman[15]。但也有更多的國內外學者研究認為中國的經濟增長主要是依賴全要素生產率的增長：Ezaki 和 Sun[17];鄭玉歆[18]; Islam 和 Dai[19];鄭京海和胡鞍鋼[11];Bosworth 和Collins[20];Ozyurt[21];Lee[22];張自然和王宏淼等[12]; Brandt和Zhu[23];張自然和陸明濤[13];張自然[1];張平和張自然[24]。

對中國全要素生產率的研究主要集中在以下四個方面：一是對具體行業的全要素生產率和技術進步增長的研究。這些研究主要集中在第一產業、第二產業和第三產業的全要素生產率增長及技術進步。二是對中國經濟的全要素生產率增長和技術進步的研究。三是對中國省域全要素生產率增長的研究，研究全要素生產率增長及技術進步、技術效率變化、純技術效率變化和規模效率變化等。四是對中國城市全要素生產率的研究。主要有張自然基于1990～2011年TFP增長對中國地級及以上城市的影響研究[1]。本文在此基礎上，將數據從2011年延展到2018年，即用中國264個地級及以上城市1990～2018年的數據，分別從固定資本存量、勞動和全要素生產率增長幾個方面來分析中國地級及以上城市的潛在增長率，并探討生產要素和TFP增長對經濟增長的貢獻以及TFP增長與潛在增長率的相關性。2018年中國大陸264個地級及以上城市覆蓋的常住人口占全國總人口139538萬的89.36%，其國內生產總值占國內生產總值的比重在90～95%之間。因此無論從常住人口數還是國內生產總值來看，本文選取的264個地級及以上城市都具有較強的代表性。

二?研究方法、數據及變量

（一）研究方法

全要素生產率主要有增長核算法和前沿分析法兩種研究方法，后者考慮了技術非效率，包括非參數DEA Malmquist指數法和隨機前沿分析法。由于DEA Malmquist指數法在中國省域、市域或分行業面板數據中應用較為普遍，本文采用Fare[25]構建的基于DEA的Malmquist指數法來分析中國264個地級及以上城市的全要素生產率增長和潛在增長率，同時利用隨機前沿分析法來分析資本和勞動的產出彈性，進而分析資本和勞動對經濟增長的貢獻份額。

Malmquist指數法測算的全要素生產率在規模報酬不變（CRS）的情況下可以分解為反映資源使用效率變化的技術進步指數和反映資源配置效率變化的技術效率指數。而在規模報酬可變的情況下可以進一步將技術效率指數分解為純技術效率指數和規模效率指數。本文采用規模報酬可變的Malmquist指數法分析。[13]

（二）數據和變量

本文采用的是1990～2018年間的264個地級及以上城市全市的投入和產出數據，數據來源于以下幾類：歷年中國城市統計年鑒、歷年中國各省市統計年鑒、歷年中國統計年鑒、歷年各城市統計年鑒以及歷年各個城市國民經濟和社會發展統計公報。最近一若未公布國民經濟和社會發展統計公報的城市則按近三年加權增速進行遞推。用Malmquist指數法測算全要素生產率及其分解要素，需要確定產出和投入，現將有關變量詳細說明如下。

1.產出

產出為264個地級及以上城市的實際國內生產總值，使用1990～2018年各城市全市名義上的地區生產總值和以1990年為基期的各年份國內生產總值指數調整得到。

2.投入

投入包括固定資本存量和勞動。

固定資本存量采用永續盤存法（PIM）來進行測算。計算方法為：

其中Kit是第i個城市第t年的固定資本存量，δ是折舊率，Iit是第個i城市第t年的當年實際新增固定資產投資，使用各城市1990～2018年的名義新增固定資產投資和以1990年為基年的固定資產投資價格指數調整得到。具體計算方法可以參考張自然等文獻[12]。

勞動有三種指標表示：就業人數、總勞動時間、勞動者報酬，本文采用1990～2018年中國264個地級及以上城市全市的年末就業數據。

三?各地區城市TFP增長

及各要素對經濟增長的貢獻

利用以上1990～2018年中國264個地級及以上城市的投入和產出數據，采用Coelli的DEAP軟件對中國264個城市的全要素生產率及其分解因素進行測算，得到1991～2018年中國264個地級及以上城市的Malmquist生產率指數，見表1。

（一）中國城市全要素生產率增長的變動

1991～2018年間中國264個地級及以上城市的TFP增長為4.3%（見圖1），全要素生產率增長對經濟增長的貢獻率為38.62%，其中技術進步年均增長為2.9%（見圖2），而技術效率變化為0.5%，技術進步對TFP增長起著主要作用，見表1。

中國264個地級及以上城市平均的技術效率變化波動較大，而2009年后技術效率變化則基本處于惡化狀態，見圖3。

全國、東部地區、中部地區和西部地區城市的平均技術效率總體呈上升趨勢，直到2012年全國、東部地區、中部地區和西部地區的平均技術效率則呈下降趨勢，見圖4。

2009年前全國、東部地區、中部地區和西部地區城市的純技術效率變化基本處于改善狀態。而2010年后264個地級及以上城市的全國、東部、中部和西部的平均純技術效率變化則呈下降趨勢， 2013年后平均純技術效率變化則基本呈惡化趨勢，見圖5。

1995～2002年間的規模效率變化有一個比較大的增幅，規模效率變化方面，東部地區和全國在1999年、中部地區和西部地區的規模效率變化在1995年達到最大值。除2014年略有回升外，2009年后264個城市全國、東部地區、中部地區和西部地區規模效率變化呈惡化趨勢，見圖6。

（二）分地區城市全要素生產率的變動

1991～2018年間全國、東部、中部和西部地區全要素生產率增長分別為4.56%、4.56%、4.54%、4.57%，其對經濟增長的貢獻分別為40.93%、38.91%、42.76%、41.65%。從1991～2018年平均來看，各地區城市間的差距并不大，見表2。

1991～2018年間全國、東部、中部和西部地區技術進步分別為3.07%、2.25%、3.5%、3.69%，對經濟增長的貢獻分別為27.59%、19.23%、32.93%、33.63%。技術進步為西部地區大于中部地區，中部地區大于東部地區。1991～2018年間全國、東部、中部和西部地區技術效率變化分別為1.62%、2.5%、1.13%、0.99%，對經濟增長的貢獻分別為14.51%、21.33%、10.59%、8.98%。

1991～2018年間全國、東部、中部和西部地區純技術效率變化分別為0.68%、0.78%、0.65%、0.58%，對經濟增長的貢獻分別為6.15%、6.67%、6.15%、5.32%。

1991～2018年間全國、東部、中部和西部地區規模效率變化分別為1%、1.79%、0.5%、0.53%，對經濟增長的貢獻分別為9.01%、15.29%、4.74%、4.82%。規模效率變化低于技術效率變化，全國和東部地區規模效率變化高于純技術效率變化，而中部和西部地區規模效率變化則低于純技術效率變化，且東部地區略快于西部、中部地區，西部地區略快于中部地區。

264個城市平均技術效率從1990年的37.3 %提高到2018年的49.8 %，期間改善了12.5 個百分點，平均每年改善 0.45 個百分點。東部地區平均技術效率從1990年的30.7 %提高到2018年的50.0 %，期間改善了19.3 個百分點，平均每年改善 0.69 個百分點，改善相對較大，而中部地區和西部地區平均技術效率改善則相對較小。

1991～2018年間264個地級及以上城市的TFP平均增長最高的地級市是黑河市 造成1990～2018年間黑河市的TFP平均增長過高的原因主要是勞動增長率下降過快引起的：一是1990～2018年間GDP平均增長率為8.52%，固定資本存量平均增長率為4.2%，而就業平均增長率平均為-4%;二是其中2010～2013年四年間勞動增長率平均下降幅度達19.3%，也造成對應年份TFP增長率虛高。今后的研究應該考慮相關城市年份數據，比如勞動增長率下降幅度的合理性問題。，增長11.8%;TFP增長最小的地級市是宿州市，增長為-6.3%。其中技術效率變化最大的地級市是茂名市，為6.8%;技術效率變化最小的地級市是莆田市，為-2.8%;純技術效率變化最大的地級市是七臺河市，為4.9%;純技術效率變化最小的地級市是宿州市，為-3.5%;規模效率變化最大的地級市是徐州市，為4.6%;規模效率變化最小的地級市是宜昌市，為-0.7%，見表3。

（三）資本、勞動和TFP增長對GDP的貢獻率

通過隨機前沿分析法分析得出資本和勞動的產出彈性，先由上面的Malmquist指數法得到TFP增長和TFP增長對經濟增長的貢獻率，再將TFP增長對經濟增長的貢獻之外的部分由資本和勞動的產出彈性及其增長率求得資本和勞動對經濟增長的貢獻率[12]，見圖7。

2004年前中國264個地級及以上城市TFP平均增長對經濟增長的貢獻率大約在50%以上，其后TFP增長對GDP的貢獻率則持續下降，直到2016年TFP增長對經濟增長的貢獻才開始有所反彈。

而固定資本存量對經濟增長的貢獻率則穩定上升，2005年后固定資本存量對經濟增長的貢獻率超過TFP增長對經濟增長的貢獻率，此后固定資本存量對經濟增長的貢獻一直高于50%，也高于TFP增長的貢獻率，并在2013年達到最高值，其貢獻率為74.6 %，2013年后固定資本存量對經濟增長的貢獻率開始逐年下降。

勞動對GDP的貢獻率呈不規則S形狀，從1990年的18.7%持續下降，并在2004年到達最低點7.9 %，此后勞動對經濟增長的貢獻有所回升，并在2013年達到最高值，其貢獻率為32.1 %，之后勞動對經濟增長的貢獻率一直下降， 直到2018年的13.9 %。

注： VK貢獻率和VL貢獻率是TFP增長對GDP貢獻的剩余部分按資本和勞動的產出彈性和增長率得到的份額進行分配。

四?分區域城市TFP增長與潛在增長率的相關性分析

（一）TFP增長、投入要素增長與GDP增長率的HP濾波與分解

將264個地級及以上城市的GDP增長率按全國、東部地區、中部地區和西部地區分別進行HP濾波，得到全國、東部地區、中部地區和西部地區的濾去經濟波動的GDP增長的趨勢值，即GDP的潛在增長率。而GDP實際增長率為GDP增長率的趨勢值加GDP增長率的波動值。由于HP濾波采用的是年度數據，故取λ值為100。按照同樣的方法，將分區域的TFP增長率、資本增長率和勞動增長率分別進行HP濾波，得到分區域的TFP增長率、資本增長率和勞動增長率的趨勢值和波動值。

1990～1997年間東部地區GDP潛在增長率的走勢不同于中部和西部，東部地區由高到低，至1998年到最低，值為11.9 %，此時中部和西部地區GDP潛在增長率呈緩慢上升態勢，1998年后，東部、中部和西部地區走勢開始變得一致，東部、中部和西部潛在增長率分別在2006年、2007年和2008年達到最大值13.5 %、12.9 %和13.6 %，此后重處下降通道。到目前為止，各地區潛在增長率下降的趨勢仍然未能得到有效遏制，見圖8。

全國、東部地區、中部地區和西部地區城市固定資本存量增長率經歷了先上升后下降的過程，東部、中部和西部城市固定資本存量增長率分別于2009年、2011年和2010年達到15.5%、17.9%和18.4%的高值。西部地區固定資本存量增長率基本一直高于全國、東部和中部地區城市。中部地區固定資本存量增速在2005年和2006年分別超過東部地區和全國平均，現在基本已經和西部地區城市持平，見圖9。

1990～2018年間全國、東部地區、中部地區、西部地區地級及以上城市的勞動增長率趨勢值的曲線成S型，先降后升再降，勞動增長率從1990年的2.6%左右下降到2000年的-0.3%、0.4%、-0.9%和-0.5%，此時只有東部地區勞動增長率為正值，并在2000年后逐步回升到2010-2012年的2.8～3.7%，此后持續下降到2018年的0.2%、-0.5%、0.6%和0.9%，只有東部地區的勞動增長率為負值。2008年前東部地區勞動增長率高于西部、中部地區，西部地區的勞動增長率則一直高于中部地區，并在2008年后超過東部地區的勞動增長率，見圖10。

全國、東部地區、中部地區和西部地區地級及以上城市的TFP增長基本呈下降趨勢，其中東部地區的平均TFP增長則持續下降，而中部地區、西部地區的TFP增長從1990年到1997年、1998年有一個上升過程，此后和東部地區一樣，基本持續下降，東部地區TFP增長下降較為平緩，見圖11。

（二）GDP增長、TFP增長與要素之間趨勢相關性

從1990～2018年整個階段來看，就東部地區GDP增長率與TFP增長呈現稍強的正相關，而全國、中部和西部地區GDP增長趨勢值與TFP增長趨勢值成較弱的正相關。2000年后的分區域的GDP增長趨勢值與TFP增長趨勢值相關性略強于1990～2018年。

按中國的工業化、國際化和城市化進程將1990～2018年劃分為三個階段：第一個階段（1990～1999年）;第二個階段（2000～2007年）;第三個階段（2008～2018年）。第一階段（1990～1999年）東部地區和中部地區的GDP增長趨勢與TFP增長趨勢顯著相關，相關度分別為0.99和0.97，全國和西部地區呈較強相關，相關系數分別為0.76和0.83;第二階段（2000～2007年）全國、東部、中部和西部地區GDP增長趨勢和TFP增長趨勢高度負相關，相關系數分別為-0.95、-0.90、-0.98和-0.95。第三階段（2008～2018年），全國、東部地區、中部地區和西部地區GDP增長趨勢分別與TFP增長趨勢高度正相關，相關系數分別為0.91 、0.92 、0.91 和0.91 ，見表4。

從1990～2018年來看，全國、中部地區、西部地區GDP增長率與固定資本存量增長率正相關，但相關性較弱，而東部地區GDP增長率與固定資本存量相關性極弱，為負相關。全國、東部地區、中部地區和西部地區城市的GDP增長率趨勢值和固定資本存量增長率趨勢值相關系數分別為0.12 、-0.18 、0.24 、0.60 。2000年后全國、東部地區、中部地區和西部地區城市GDP增長率的趨勢值和固定資本存量增長率的趨勢值正相關，但相關性較弱，其相關系數分別為0.35 、0.64 、0.15 、0.53，見表5 。

本文分三階段考察固定資本存量的增長趨勢與GDP的增長趨勢之間的相關情況。第一個階段（1990～1999年）全國、東部地區城市的固定資本存量的增長趨勢與GDP的增長趨勢之間高度負相關，西部地區則呈很強的正相關，而中部地區城市則呈較強的正相關。全國、東部地區、中部地區和西部地區固定資本存量增長趨勢與GDP增長趨勢的相關系數分別為：-0.95 、-0.98 、0.71 、0.90 ;第二個階段（2000～2007年）全國、東部地區、中部地區和西部地區城市GDP增長趨勢與固定資本存量的增長趨勢呈高度正相關，相關系數均大于或等于0.98，分別為0.99 、0.98 、0.99 、1.00 ;第三個階段（2008～2018年）全國、東部、中部、西部地區城市GDP增長趨勢與固定資本存量的增長趨勢呈高度的正相關，相關系數均大于或等于0.90，相關系數分別為0.95 、0.98 、0.90 、0.95 。第二個階段和第三個階段GDP增長趨勢與固定資本存量增長趨勢分別呈高度正相關，說明這兩個階段的中國城市分區域GDP增長仍然主要是靠投資帶動的。同時，2000年后全國、東部地區、中部地區和西部地區的GDP增長率與固定資本存量增長率之間呈弱正相關性，而2000年后分成2000～2007年和2008～2018年的兩個階段的全國、東部地區、中部地區和西部地區的GDP增長率與固定資本存量增長率之間分別呈高正相關性，說明適當的劃分階段有利于分析GDP增長趨勢和固定資本存量增長趨勢之間的相關關系。

從1990～2018年平均看來，全國、東部地區、中部地區和西部地區的城市GDP的增長率趨勢值與勞動的增長率趨勢值間呈較弱的正相關，其相關系數分別為0.27 、0.58 、0.12 、0.30 。2000年后的全國、東部地區、中部地區和西部地區的GDP的增長率趨勢值與勞動的增長率趨勢值也呈較弱的正相關，相關系數分別為0.28 、0.62 、0.14 、0.25 ，見表6。

分階段來看，第一階段（1990～1999年）全國、東部地區的GDP的增長趨勢與勞動的增長趨勢呈高度正相關，而中部地區和西部地區城市則呈較強的負相關性，其相關系數分別為0.95 、1.00 、-0.77、-0.89 ;第二階段（2000～2007年），全國、東部、中部和西部地區城市GDP增長趨勢均和勞動增長趨勢高度相關，相關系數均高于0.95，分別為0.96 、0.95 、0.97 、0.96 ;第三階段（2008～2018年），全國、東部、中部和西部地區城市GDP增長趨勢和勞動增長趨勢高度正相關，相關系數均超過0.81，相關系數為0.91 、0.97 、0.85 、0.81 。

綜合264個地級及以上城市GDP的增長趨勢、固定資本存量的增長趨勢和勞動的增長趨勢來看，2006年以來，東部地區、中部地區和西部地區城市的潛在增長率呈下降趨勢。其中第二階段（2000～2007年）GDP增長趨勢與固定資本存量增長趨勢和勞動的增長趨勢呈高度正相關，與TFP增長趨勢呈相關性高度負相關，第三階段（2008～2018年）GDP的增長趨勢與TFP的增長趨勢、固定資本存量的增長趨勢和勞動的增長趨勢相關性逐漸趨同，都高度正相關。

（三）GDP與TFP和投入要素增長波動相關性

1990～2018年間全國、東部地區、中部地區和西部地區城市的GDP的增長率波動與TFP的增長率波動存在著較弱的正相關性，其相關系數分別為0.64、0.79、0.60和0.48。東部地區的GDP的增長率波動與TFP的增長波動相關性大于全國平均和中部地區、西部地區的相關性。

分階段來看，第一階段（1990～1999年），全國、東部地區、中部地區和西部地區城市GDP的增長波動與TFP的增長波動間呈較高的正相關性，其相關系數分別為0.86、0.89、0.86和0.79;第二階段（2000～2007年），全國、東部地區、中部地區和西部地區城市GDP的增長波動與TFP的增長波動則呈現一定的正相關性，相關系數為0.77 、0.96 、0.55 和0.34 ，其中東部的相關系數達到0.96 ;第三階段（2008～2018年）全國、東部地區城市GDP的增長波動與TFP的增長波動則呈非常弱的正相關性，其相關系數分別為0.17 、0.20 、0.20 和0.13 ，見表7。

[6]張軍，施少華. 中國經濟全要素生產率變動： 1952-1998[J]. 世界經濟文匯， 2003（2）：17-24.

[7]顏鵬飛，王兵. 技術效率， 技術進步與生產率增長： 基于 DEA 的實證分析[J]. 經濟研究， 2004（12）：55-65.

[8]Jinghai Zheng， A Hu.?An Empirical Analysis of Provincial Productivity in China（1979-2001） [C]. Goteborg， Department of Economics， 2004.

[9]郭慶旺，賈俊雪. 中國全要素生產率的估算： 1979-2004[J]. 經濟研究， 2005（6）：51-60.

[10]孫琳琳，任若恩. 中國資本投入和全要素生產率的估算[J]. 世界經濟， 2005（12）：3-13.

[11]鄭京海，胡鞍鋼. 中國改革時期省際生產率增長變化的實證分析 （1979-2001 年）[J]. 經濟學， 2005（2）：263-296.

[12]張自然，王宏淼，袁富華，等. 資本化擴張與趕超型經濟的技術進步[J]. 經濟研究， 2010（5）：43-47.

[13]張自然，陸明濤. 全要素生產率對中國地區經濟增長與波動的影響[J]. 金融評論， 2013（1）：7-31.

[14]Young A. A Tale of Two Cities： Factor Accumulation and Technical Change in Hong Kong and Singapore[J]. NBER Macroeconomics Annual， 1992（7）：13-54.

[15]Krugman P. The Myth of Asia's Miracle[J]. Foreign Aff.， 1994（73）：62-78.

[16]Young A. The Tyranny of Numbers： Confronting the Statistical Realities of the East Asian Growth Experience[J]. The Quarterly Journal of Economics， 1995（3）：641-680.

[17]Ezaki Mitsuo，Sun L. Growth Accounting in China for National， Regional， and Provincial Economies：1981-1995[J]. Asian Economic Journal， 1999（1）：39-71.

[18]鄭玉歆. 全要素生產率的測度及經濟增長方式的“階段性”規律： 由東亞經濟增長方式的爭論[J]. 經濟研究， 1999（5）：55-60.

[19]Islam N ， E Dai. Alternative Estimates of TFP Growth in Mainland China： An Investigation Using the Dual Approach[C]. in the 9th International Convention of the East Asian Economic Association （EAEA） ，2004.

[20]Bosworth B ， S M. Collins. Accounting for Growth： Comparing China and India[J]. Journal of Economic Perspectives， 2008（1）：45-66.

[21]Ozyurt S. Total Factor Productivity Growth in Chinese Industry： 1952-2005[J]. Oxford Development Studies， 2009（1）：1-17.

[22]Lee D. Determinants of the Chinese TFP： National & Regional Level[C]. http：//www.rcie-cn.org/conferences/2009/conf09-prog.pdf， 2009.

[23]Brandt L， Xiaodong Zhu. Accounting for China's Growth[R]. IZA Discussion Paper No. 4764， 2010.

[24]張平，張自然. 高質量發展本質是以人民為中心[N]. 經濟參考報， 2018-10-10（005）.

[25]Fare R， Grosskopf?S.Norris M，Zhang Z. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries[J]. American Economic Review， 1994（1）：66-83.