要素抑或效率驅動——來自江蘇省市縣經濟增長的證據

孟令杰，李 婧，史雨萱，楊世盼

（南京理工大學 經濟管理學院，江蘇 南京210094）

一、引言

經濟運行的重心已經由過去關注總量的增長轉變為發展質量的提升，在經濟發展的驅動因素方面，正在逐漸發生變化，從高度依靠資本、勞動等要素驅動轉變為依賴全要素生產率的提高。 在2008到2016 年間，江蘇省的工業經濟增長率從13.7%降到6.9%，增長速度不斷減緩，提高經濟發展的質量成為全省主要目標。根據江蘇省GDP 分布狀況可知長期以來占比最高的為工業生產總值， 超過50%，所以深度剖析驅動工業經濟發展的關鍵因素，能夠幫助江蘇改善經濟發展方式、 提高經濟發展效率。對比近十年蘇南、蘇中和蘇北的工業生產總值的變化狀況， 可以看出地區間經濟差異逐年擴大。 從2018 年發布的全國百強縣名錄可知，江蘇省市縣綜合實力在全國范圍內領先，但這些市縣在省內分布不均，多數集中于蘇南區域，表明地區之間發展不平衡。

基于以上江蘇省經濟發展的特征，又考慮到現有研究大多集中于全國或省際層面，得出的結論并不能夠很好地滿足地方的需要，因此本文將聚焦于工業經濟的增長，著眼于市縣層面，探求江蘇省市縣工業經濟增長的來源。

二、文獻綜述

我國自20 世紀80 年代開始探究效率問題，對TFP 的研究起步較晚， 已有的絕大多數研究成果均是參考海外學者提出的相關理論以及方法，多視角探索TFP 增長率及相關問題，并逐步細分到不同地區、行業中。

總體上看，國內研究呈現以下特點：在研究方法上，大部分學者采用非參數的數據包絡分析法研究工業TFP 及其分解指標。21 世紀初國內有部分學者運用DEA（數據包絡分析法）方法測算我國各省份近三十年來的全要素生產率，發現中國TFP 增長的主要源泉是技術效率的提高 （顏鵬飛和王兵，2004；章祥蓀和貴斌威，2008）。 對于分行業的研究，陳正其和吳彤琳（2018）測算了我國工業39 個行業的全要素生產率，研究發現，國內工業TFP 得以增長的關鍵因素是技術進步，而技術效率則為限制其增長的關鍵。

另有學者探究了經濟增長受TFP 增長率及要素影響的狀況，雖然我國經濟水平自改革開放以來逐步提升，然而在經濟增長貢獻方面，TFP 的貢獻程度較低，經濟增長對要素投入的依賴性更強（郭慶旺和賈俊雪，2005）。 在測度要素對經濟增長的貢獻狀況時，索洛余值法被普遍采用（孫啟明等，2013）。也有學者細化研究范圍，利用中國264 個地級及以上城市的投入產出數據測算發現全國GDP 增長率主要與勞動增長率成正相關，其中東部地區經濟增長主要與TFP 增長率有關，中西部地區則與固定資本存量有關（張自然，2014）。

目前，有關江蘇省工業行業TFP 增長的實證研究仍有所欠缺，其中針對要素或效率對經濟增長的貢獻率的研究更為缺乏。 根據現有文獻可知，江蘇工業各細分行業在2010 年之前， 技術進步推動了TFP 的增長，而純技術效率則起抑制作用（萬興和范金2007；王郁晶和李剛，2009）。

在研究視角上，多數學者基于全國和省際層面的宏觀視角進行研究， 從市縣層面的研究較少，市縣作為工業更直接的載體， 更加貼近工業生產實際，宏觀層面的研究無法準確地反映市縣間的具體差異。 因此，文章基于DEA-Malmquist 模型，首先收集整理了2008—2016 年江蘇省54 個市縣工業投入與產出的面板數據，測算江蘇省、三大區域以及各市縣的全要素生產率， 同時對TFP 進行分解，劃分為技術進步、技術效率兩類指標，探求江蘇省市縣實現工業TFP 增長的驅動因素。 其次通過索洛余值法來計算貢獻率，判斷各市縣的經濟增長是更多地依賴于要素投入還是效率水平，以此來評價各市縣的可持續發展能力。

三、研究方法與模型的選取

本研究選用參數法和非參數法作為分析工具。參數法進一步細分為隨機前沿分析法、計量經濟學法等方法，而非參數法則主要涵蓋數據包絡分析法（DEA）以及指數法。 兩大類方法對比而言，后者摒棄了對具體的某種函數形式的事先假定、參數的有效性與合理性檢驗等問題，被普遍接受與運用。 本文以江蘇省54 個市縣（包括市轄區、縣級市與縣）為決策單元（DMU），由于地區數量眾多同時各有差異，不宜設定統一的函數形式，因此文章運用的是非參數分析法（Malmquist 指數法）。

首先測算全要素生產率，此后結合數據包絡分析理論（Charneset al.，1978）在生產率的測算中廣泛應用進行分析。Malmquist 指數可劃分為兩類指標的變化：一是技術效率的變化（EC）；二是生產技術的改變（TC）（Fare et al.，1992）。 本文將參照這種分解方式。

由于跨期參比會出現VRS-Malmquist （規模報酬可變）模型無可行解的問題，所以文章選擇基于產出導向的CCR 模型（規模報酬不變模型）計算得到相鄰聯合前沿參比（單一Malmquist 指數），可以用相鄰兩個時期的“DMU”聯合構建共同的前沿，即無論被評價“DMU”為Kt=()還是Kt=()，其參考集均為Saj=Sk∪Sk+1={()}∪{()}。

由于采用了兩個時期的聯合共同前沿， 因此獲得的Malmquist 指數僅有一個， 無須再通過計算兩個生產率指數。然后取其幾何平均值的計算方式，即

Etu(t+1)(xt,yt)和Etu(t+1)(xt+1,yt+1)分別為K 在聯合共同前沿下的兩個時期的技術效率值。 雖然相鄰的兩期在計算Malmquist 指數時參考的是同一前沿， 但是兩期仍然有各自的前沿，效率變化（EC）的計算仍然采用各自的前沿：

Et(xt,yt)和Et+1(xt+1,yt+1)分別是K 在兩個時期采用各自前沿的技術效率值。 前沿t 與聯合前沿接近的程度可由來表示，前沿t+1 與聯合前沿接近的程度可由來表示， 比值越接近1，說明前沿t、前沿t+1 與聯合前沿越接近。 那么前沿t+1 與前沿t 相比，其變動情況則可以由兩個比值來表示：

對于Malmquist 指數， 可以將其細分成技術效率和技術變化兩方面：

在研究貢獻率方面，索洛借助余值法完成了對科技進步貢獻率的運算(Solow,1957)。 他將總產出中的資本、勞動力對經濟增長的貢獻剝離出來，把余值部分視作技術進步帶來的經濟貢獻，從而定量分析出技術進步的貢獻程度。 本文將采用索洛余值法對江蘇省工業經濟增長中效率的驅動作用進行定量評價。

設產出增長型生產函數為：

（1）式中A 表示全要素生產率，K、L 分別為資本投入量和勞動力投入量。

將公式轉化成生產函數形式，即：

其中，資本和勞動要素的產出彈性分別表示為α 和β，對（2）式兩邊取對數可得：

對（3）式求導得：

（4）式就是索洛增長速度方程。 式中，Y 代表工業經濟增長率，K 代表資本投入增長率，L 代表勞動力投入增長率。 如果用μ 代表TFP 增長率，則上式可以表示為：Y=μ+αK+βL。

四、數據、指標的處理選取與實證分析

本文以 《江蘇省統計年鑒》《中國城市統計年鑒》以及江蘇省各市的統計年鑒作為數據來源。 為了保證數據統計口徑的一致性，詳細的市縣名錄選擇以2016 年的最新劃分為標準， 全部樣本為2007年至2016 年間江蘇省的13 個市轄區及41 個縣級市或縣的數據。 把市轄區當作行政區劃，行政級別等同于縣與縣級市，本文用地級市數據扣除縣與縣級市數據得到各個市轄區樣本數據，其中由于2016年南京市不再劃分縣或縣級市，故將南京市的數據作為南京市轄區的樣本數據一同處理。

（一）數據、指標的選取處理

在選取和處理方面確定兩個指標：一是產出指標。 把不同市縣的工業生產總值當作產出指標，并經過生產總值指數將其轉化成以2005 年為基期的不變價格的工業生產總值。 二是投入指標。 在勞動力投入指標上選用的是工業企業年平均從業人數，將上一年年末工業資產合計作為下一年資本投入指標。 運用固定資產投資價格指數對工業資產合計數據進行平減運算，調整為2005 年不變價格。

（二）實證分析結果

本文通過測算江蘇省各市縣、地區以及全省的全要素生產率， 得到效率對工業經濟增長的貢獻率，用這一指標來度量是要素抑或效率驅動江蘇省的經濟增長。

1.江蘇省經濟增長的投入產出分析。 在研究要素與效率對工業經濟增長的貢獻程度之前，首先分析省及三大區域的要素增長率和經濟增長率的特點，各要素及經濟增長率如圖1、圖2 和圖3 所示。

圖1 工業資產投入增長率

圖2 工業企業勞動力投入增長率

從圖1 和圖2 所示的各地區資產和勞動力投入增長率的變化情況來看，2008—2011 年均呈現先增后減的趨勢。 因受到金融危機的影響，資產投入增長率在2009 年后趨于下降， 勞動力增長率在2010 年后大幅降低。 2011 年以后， 兩者又開始回升，2012 年之后又處于波動下降的趨勢。

圖3 江蘇省及三大區域工業經濟增長率

從圖3 所示的工業經濟增長率的角度出發，在2008 到2011 年間，該省表現出先減后增的趨勢，這一趨勢恰好同要素增長率的變化相反。2011 年以后又開始波動下降，在2014—2016 年期間有所放緩，趨于穩定，維持在4%～7%間，這與江蘇省工業經濟正由高速度增長向高質量增長轉變有關。 縱觀蘇北和蘇中地區的工業經濟增長率， 均高于平均水平，而蘇南卻低于平均水平，說明江蘇省工業經濟增長關鍵依靠蘇北和蘇中。 在2008—2009 年和2013—2014 年間，工業經濟增長速度均明顯下降，前者是因為金融危機引起的國際資本流動影響了工業經濟的發展，后者還需要通過分析工業經濟增長的驅動因素得出。

對比2008—2011 年的投入與產出的增長率變化情況可以發現，在2010 年之前，要素增長率的提高不能帶來經濟增長率的上升。 表明江蘇省過多依賴要素投入來推進工業經濟的增長，而表現出經濟增長效率低下。 可以認為，金融危機引起了大量國際資本的撤出，即使江蘇省自身逐年增加要素投入量，但相比于國際水平，仍然效率偏低。2011 年的數據變化表明要素增長率下降明顯，而江蘇省整體工業經濟增長率走勢平穩，這可能與危機的影響消失有關， 同時表明江蘇省的應對發展策略富有成效，各區域的工業經濟增長逐漸從依靠要素驅動轉向效率提升。

2.TFP 變化結構分析

（1）江蘇省工業TFP 變動分析。 表1 展示了通過運算54 個DMU 的幾何平均數獲得的江蘇工業經濟TFP 以及相關分解指標，9 年TFP 的平均增長率是-0.5%，有下跌的跡象。 技術進步、技術效率平均數值分別是-1.1%、0.6%。

表1 江蘇省工業不同年份全要素生產率及其分解（2008—2016 年）

可以發現江蘇省工業的技術進步幾乎與技術效率呈反向變動，說明江蘇省在技術改造、產業升級和改善生產狀況、提升管理水平的兩方面不能做到有效協調。 尤其是在2011—2013 年間，技術進步由1.255 瞬間下跌到0.828，而技術效率由0.816 瞬間上升到1.242， 巨大的反差可能是由于江蘇省工業企業開始注重管理水平的提高，但在有效整合資源時忽略了技術進步的提高。

（2）三大區域工業TFP 變動分析。 參照表2 中Malmquist 指數及其分解指標，能夠發現不同地區的TFP 的增長狀況差異較大。 由于技術進步的貢獻水平低（平均增長率僅為-4%），蘇北地區的TFP 平均增長率僅為-3.8%。 這表明在此期間，蘇北地區開始注重資源的有效整合和技術的充分利用，然而卻忽視了自身的技術改造和產業升級。 而蘇南地區由于技術進步與技術效率的增長，其平均TFP 增長率約為3.9%，其中技術進步的貢獻更顯著，技術效率有待進一步提升。 蘇中地區的平均TFP 增長率約為0.8%，得益于技術效率的提高，說明蘇中地區在科技進步等方面還有待加強。

這些與李剛（2010）的研究結論相吻合，在工業經濟全要素增長方面，不同地區保持不同特色。 蘇北地區處于工業化初期， 盡管早在2006 年江蘇便提出了南北掛鉤以及產業戰略轉移，但蘇北地區仍未呈現技術進步帶來的增長。 蘇南地區已經進入后工業化階段，具有技術水平先進、穩定性強等特征。蘇中地區當前正處在工業化上升時期，該地區的技術效率正穩步提升。

（3）各市縣工業TFP 變動分析。 在江蘇省各市縣工業全要素生產率平均值及其分解指標的基礎上，我們可以發現：其一，蘇北地區各市縣工業TFP平均增長率為負值的比例高達72%， 蘇中地區約為28.6%，而蘇南地區僅為13.3%，其中TFP 平均增長率最高的是蘇州張家港市（7.76%）。 蘇北的多數市縣較落后的主要原因可能是蘇北工業起步較晚，技術進步、產業集中度等方面還落后于蘇南地區。 其二， 從TFP 增長的推動力方面來看， 蘇北地區有76%的市縣主要依靠技術效率推動TFP 增長，主要是由于有52%的市縣技術效率為負增長，但其下降幅度仍然小于技術進步的年均下降率。 蘇南地區為33.3%，雖然注重改善技術效率，但效果不顯著，主要依靠技術進步推動TFP 增長。 蘇中地區為57.1%，有42.9%的市縣技術進步為負增長，這需要在改善管理水平的同時注意技術的改進。

3.效率貢獻率分析。 本部分是對效率貢獻率的計算分析，圖4 即為江蘇省及三大區域的TFP 貢獻率。 整體來看，在2008—2016 年期間江蘇省的TFP貢獻率波動較大。TFP 貢獻率從2008 年的24.6%下降到2010 年的-72.3%后，在2011 年又快速增加到44.9%。 此后呈波動下降趨勢，在2014 年又開始變為負值，可見從全省角度來看，全要素生產率作為生產效率，對于全省部分地區工業經濟增長的驅動作用表現并不顯著，主要以要素驅動為主，原因可能是各地區內部差異較大，導致總體效率水平無明顯提升。

根據圖4 還可以看出各區域TFP 貢獻率存在差距。 蘇南和蘇中的TFP 貢獻率普遍高于平均水平， 其中蘇南地區在2011 年以后TFP 貢獻率幾乎都超過50%，并且未來有超過100%的趨勢，即蘇南地區主要是依靠效率驅動工業經濟增長。 蘇中地區的TFP 貢獻率在2013 年達到最高值60.9%后開始下降，直到2015 年以后才逐步回升。 而蘇北地區的TFP 貢獻率一直低于平均水平且幾乎都為負值，未來仍有下降趨勢，這說明蘇北的TFP 長期保持在負增長的狀態，生產效率不能顯著提高。可以總結得出蘇中、 蘇北的工業經濟增長主要來源于要素的投入的結論。

表2 江蘇省三大區域工業不同年份全要素生產率及其分解指標（2008—2016 年）

圖4 江蘇省及三大區域TFP 貢獻率

在江蘇各市縣TFP 增長率對工業經濟增長的貢獻率基礎上，我們對比可以發現大部分市轄區效率驅動經濟的能力高于多數縣或縣級市，多年處于高效率驅動水平。 而縣與縣級市的數據普遍為負值，這表明在多數縣與縣級市，效率不僅沒有起到驅動經濟發展的作用，在一定程度上還限制了經濟發展。 圖5 和圖6 分別描繪了2 類典型市縣的貢獻率水平，即要素驅動型與效率驅動型，表明了各市縣效率貢獻率差異明顯。

據統計，在2008 到2016 年間，蘇北地區各市縣各年份的TFP 貢獻率為負值的比例高達60%，蘇中地區將近40%，而蘇南地區只有不到20%。 由此可見， 蘇北和蘇中地區呈現大面積效率低下的現象，而蘇南地區普遍表現出較高的效率水平。 從變化趨勢可以看出，在2008 年到2010 年，全省的TFP貢獻率大幅降低，2011 年才開始回升。顯然，受金融危機引發的國際資本流動的影響，江蘇省的實體經濟也遭遇了發展危機。

圖5 蘇南地區縣級市的效率貢獻率

圖6 蘇北地區縣的效率貢獻率

參照2018 年《中國縣域經濟發展報告(2018)》暨全國百強縣案例報告，可以看出縣域經濟增速表現出總體回升的態勢，但也存在分化的現象。蘇州、無錫和常州市縣的平均TFP 貢獻率均大于50%， 其中有5個市縣包攬了全國縣域經濟綜合競爭力百強縣12018 年全國綜合實力百強縣江蘇省市縣排名：1 昆山市、2 江陰市、3 張家港市、4 常熟市、5 太倉市、9 宜興市、17 海門市、21啟東市、25 如皋市、26 丹陽市、29 海安市、31 溧陽市、32 泰興市、33 靖江市。的前五名， 在一定程度上可以印證蘇南的市縣實力較強， 這與其高效率的驅動水平密不可分。 蘇中的南通市主要是以要素驅動經濟增長為主， 效率正向驅動作用較弱，而揚州和泰州市縣的TFP 貢獻率波動較大， 而且大多數年份處于反向驅動狀態。 蘇北市縣的平均工業經濟增長率高于蘇南和蘇中地區， 然而從2008—2016 年的TFP貢獻率來看，呈現大面積負值，高經濟增長率伴隨著低效率貢獻率， 表明蘇北市縣工業經濟發展呈要素驅動模式， 而且資源投入量增加的同時效率水平卻降低，基本都起到反向驅動作用，即資源的有效利用程度不高。

根據以上分析，總結認為21 世紀以來，江蘇省統籌實施區域共同發展戰略，強化分類指導，改善生產力布局，為了振興蘇北和蘇中投入了大量的勞動力、物資、資本等要素。 而蘇南地區的工業經濟基礎較好， 又抓住了國際資本向長三角集聚的機遇，加強對產業結構的優化，確保經濟發展質量得到提升， 使得經濟高效增長。 將工業經濟增長率與TFP貢獻率的對比可以發現，蘇南雖然經濟增長率居于低位，但其效率驅動能力高，能夠有效利用固有的資源，而蘇中、蘇北的經濟增長受益于各類要素的投入，但卻無法充分高效地利用這些要素產生更高的經濟效益。

五、結論與建議

本文利用2008—2016 年江蘇各市縣的面板數據，運用基于DEA 的Malmquist 指數法完成了對各地區的全要素生產率的計算，并將TFP 分解為技術效率和技術進步兩類指標來分析TFP 變化的驅動因素。 又借助索洛余值法計算出效率的貢獻率，來判斷各地區是要素驅動型經濟還是效率驅動型經濟，得出以下相關結論：

總體而言，2008—2016 年間江蘇省TFP 貢獻率波動較大，平均TFP 增長率為0.5%，效率貢獻率僅為-6.3%， 為要素驅動型。 但省內地區分化比較嚴重： 雖然蘇南的工業經濟增長率處于最低水平，但其效率貢獻率最高， 近些年平均水平均超過50%，屬于效率驅動型經濟，經過TFP 指標分解可知高效率歸因于技術進步水平的提高。 而蘇北、蘇中地區相反，效率貢獻率均在40%以下甚至為負數，表明這兩大區域屬于要素驅動型經濟，這些地區的工業經濟增長均依靠大量要素的投入。 從市縣層面來看，在TFP 貢獻率方面，各市縣差異很大，屬于全國綜合經濟競爭實力百強縣的市縣，其效率驅動經濟增長的作用更加顯著，然而還有很多較落后的地區效率貢獻率為負。 此外，大部分地級市市轄區的效率較高，基本屬于效率驅動型經濟。

綜合上述研究可知， 省內各地區經濟增長的驅動因素差異明顯。 為了改善各地區發展不均衡的現狀，需要推動經濟增長效率的提升和可持續發展水平的提高，省及各地區政府應該加大科技投入來提高技術進步水平。 尤其是針對以要素驅動為主的蘇北、蘇中地區，以提高技術效率為工作重點，著眼于技術開發和應用的推廣，逐步改善江蘇省驅動經濟增長的動力，實現從要素驅動轉變為效率驅動的發展模式。