中國科技進步貢獻率測度
——基于OECD《生產率測算手冊》非參數法

（中國社會科學院人口與勞動經濟研究所，北京 100028）

中國十分重視科學技術工作，研發投入資金連年增長，2019 年達到21 737 億元（約合3 151 億美元），研發投入強度達到2.19%［1］。與2000 年相比較，研發投入總規模增長了23 倍，研發投入強度提高了1.3 個百分點。科技產出成果顯著，2019 年境內外專利申請量達到438 萬件，授予專利權259.2 萬件，特別是通過世界知識產權組織的《專利合作條約》(PCT)體系，提交了約5.9 萬件申請，首次成為專利申請量最多的國家［2］。因此，中國大規模研發經費投入有效地促進了科學技術進步，而這種進步對經濟增長產生了十分顯著的影響，通常使用科技進步貢獻率來表達。長期以來，我們黨非常注重經濟增長中科技進步的份額，比如，黨的十四大報告提出，要“努力提高科技進步在經濟增長中所占的含量，促進整個經濟由粗放經營向集約經營轉變”［3］。我們理解，這個含量就是科技進步對經濟增長的貢獻。那么，如何來科學測度這項指標，一直是國內外學者探索的熱點課題。

1 研究綜述

國外相關研究認為，所謂科技進步貢獻率，其實質就是經濟增長最終成果中，科技進步所貢獻的份額，往往被視為全要素生產率。從上世紀30 年代開始，美國數學家柯布和經濟學家道格拉斯聯合提出的生產函數（簡稱“C-D 函數”）一般形式，成為揭示經濟投入與產出關系的經典工具，也是測度科技進步貢獻率的原始模型［4］。到40 年代，荷蘭經濟學家丁伯根正是在C-D 函數基礎上，在物質資本、勞動力兩個投入要素中加入時間要素，從而創造了表達經濟效率的方式，也是第一次提出全要素生產率概念，并將其視為廣義的技術進步，從而出現了定量測度科技進步貢獻率的可能［5］。到50 年代，美國經濟學者索洛對經濟產出中技術進步的作用進行專門研究，將產出中除物質資本、人力資本以外的部分稱之為“剩余”，這部分無法得到明確解釋，把其全部歸結為因科技進步引起的經濟增長部分，這就是著名的“索洛剩余”［6］，成為測度科技進步貢獻率的主流方法。

從國內來講，科技進步貢獻率研究工作一直是在政府部門主導下進行。上世紀80 年代初期，中央政府在制定“六五”計劃時，就已經將經濟增長中科技進步作用納入指標設計，在借鑒國際經驗基礎上，率先對工業領域的技術進步作用進行研究，這算是開啟了國內研究科技進步貢獻率的先河。這個時期部分學者就簡化科技進步貢獻率測算工作進行了深入研究，比如萬偉勛［7］、狄昂照［8］學者。90年代初期，中央有關部門通過下發文件方式，要求地方部門定量開展科技進步的貢獻測度工作，并逐步將其納入國民經濟評價指標體系加以考核［9］。這個時期我國科技進步貢獻率測算工作蓬勃發展，在理論研究、方法創新上都取得大量突破，具有代表性的有馮英浚等［10］、朱希剛等［11］、郭學理［12］、杜希雙［13］。進入新世紀后，我國制定的2006—2020 年期間中長期科技發展規劃，明確提出到2020年科技進步貢獻率達到60%的目標［14］。2016 年黨中央、國務院印發的《國家創新驅動發展戰略綱要》又提出，到2020 年我國進入創新型國家行列，標志之一就是科技進步貢獻率要達到60%以上［15］。這一時期科技進步貢獻率研究更多是用于指導實踐，特別是在制定國家科技戰略方面該指標應用廣泛，主要代表有傅毓維等［16］、鄧國華［17］、魏和清［18］、于潔等［19］。

以上這些事例表明，研究科技進步貢獻率已經成為我國科技部門主要工作內容之一，特別是最近幾年，科技部門一直在探索如何科學測度科技進步貢獻率的相關工作，2016 年還專門組織編寫了《科技進步貢獻率測算手冊》，其目的就是要在我國建立該指標的測算規范。同時，在政府部門引導下，國內學術界對科技進步貢獻率的研究一直熱度不減，且取得了豐碩的研究成果。檢索《中國知網》后發現，截至今年5 月初，各類學術期刊論文標題中含“科技進步貢獻率”的高達470 余篇，這些論文時間跨度從1993 年到2020 年，其中，中文核心期刊有140余篇，CSSCI 期刊有70 余篇。我們分析這些文獻后發現，測度科技進步貢獻率最關鍵、最困難的工作是科學估算要素產出彈性，只要解決好要素產出彈性估算問題，科技進步貢獻率測算工作就迎刃而解。大部分做法是，以C-D 函數為基礎，結合研究需要來改進回歸模型，從而測算出要素產出彈性。我們發現，使用回歸模型測算科技進步貢獻率有很多缺陷，主要表現在該模型對時序數據要求十分嚴格，既要時間足夠長，還要求數據值不能波動太大，否則測算結果很不穩定，突出表現在不同學者即使采用同樣模型、同樣時序數據，其測算結果也會有很大差異。部分學者對這一現象進行了批評，認為當前國內學術界測度科技進步貢獻率有一不良現象，就是濫用、亂用數學模型突出，很多使用簡單方法即可完成的研究，非要將簡單問題復雜化，過度使用數學模型和假設檢驗，部分甚至將研究問題變成了演算數學習題［20］。為簡化科技進步貢獻率測算工作，OECD 在長期研究積累基礎上，2001 年編制了《生產率測算手冊》［21］，給出國際公認的要素貢獻測算范圍和方法，并在應用中收到了不錯效果。因此，在本研究中，我們試圖借鑒其方法來測算中國科技進步貢獻率。

2 《生產率測算手冊》簡述

《生產率測算手冊》指出，研究生產率的主要有學術界和政府部門兩個主體，二者在研究方法選擇上差異較大。對于學者來講，其關注重點往往聚焦在方法的前沿性，研究結果一般都是一次性的，大部分并不關注成果的后續應用。學術界研究生產率將經濟計量方法即參數法作為常用工具，這種方法增加了問題的復雜性，所需數據量特別大，且一旦數據更新時，需要對所有參數重新進行估計，從而降低了測算結果的即時性，得出的結果也忽高忽低，很不穩定，容易引起質疑。對于政府部門來講，往往要將其研究結果定期面向公眾發布，要求結果保持穩定性和連貫性，甚至還要用于比較孰優孰劣等問題。所以，《生產率測算手冊》認為，由于政府部門需要定期開展生產率測算工作，強烈建議使用非參數方法。這種方法將經濟理論與指數理論有機融合，為我們提供新的測算思路，也提供了一種更加便捷、更為有效的測算方法，是簡化研究問題的典范。同時，《生產率測算手冊》著重指出，測算生產率思路的實現，不但要考慮數據的可獲得性，而且也要考慮獲取數據的成本。當前，國際上主流趨勢是，只要能對生產率測算結果給出合理解釋，就可以采用不完全符合理論標準的方法與工具。對于非參數方法來講，正符合這一要求，它的主要優勢在于，可以固定地、持續地對生產率進行測算。在本研究中，我們討論的對象是，經濟產出中除物質資本、人力資本以外的要素對經濟增長的貢獻，也即廣義的科技進步，與《生產率測算手冊》的研究對象類似，故借鑒其方法具有一定可行性。

3 測算思路

測度科技進步貢獻率，比較主流的思路是，將模型中要素產出彈性估算出來，使用增長方程計算出要素貢獻率，往往注重計算出科技進步貢獻率的絕對數值。但是，《生產率測算手冊》則是以要素指數為基礎，采用指數化形式來表達科技進步的貢獻程度，并不是絕對數值。具體做法上，《生產率測算手冊》引入了Divisia 和Tornqvist 兩個經典指數，使用Divisia 指數將影響產出結果的因素加以分解，從而得到測算要素貢獻率的模型。由于該模型仍然是以“索洛剩余”為基礎，且屬于連續函數，特別是在少量數據條件下與實際生產并不相符，所以使用Tornqvist 指數進行逼近，得到計算要素貢獻率的離散模型，從而達到直接測算要素貢獻率目的。同時，Tornqvist 指數還有一好處，就是可以實現局部與總量之間的關聯測算，比如，在測算我國各省份的科技進步貢獻率后，通過匯總方式實現國家層面的科技進步貢獻率，這種優勢是傳統回歸模型不具備的。由于《生產率測算手冊》將科技進步貢獻率Divisia 指數到Tornqvist 指數的整個推導過程已經做了充分交代，我這里就不再做重復工作，直接使用指數模型，直接給出計算我國各省份科技進步貢獻率的Tornqvist 指數模型，并將匯總模型一并展示。

3.1 省級層面科技進步貢獻率Tornqvist 指數模型

3.2 科技進步貢獻指數匯總模型

從國內眾多研究成果看，大部分側重對某一地區或產業的科技進步貢獻率進行測算。《生產率測算手冊》認為，應當將地區、產業層面與總量聯系起來，進行二者之間的關聯測算。實際上，就是通過科技進步貢獻率測算，建立起微觀、中觀和宏觀層面之間的經濟聯系，可以體現地區或產業對總量的實際貢獻，總量的變化通過地區或產業層面得到解釋，還有利于將研究成果轉化為政府決策。

在我們測算出我國各省份的科技進步貢獻指數后，通過如下匯總模型，可以計算出國家層面的科技進步貢獻指數。我們以每個省份GDP 所占比例作為匯總權重，匯總模型為：

3.3 要素份額α、β 的估算

當我們完成α、β估算后，就可以求出科技進步貢獻率指數。

《生產率測算手冊》指出，生產函數產出部分Y，可以使用增加值來表示，且采用要素收入法核算，即由勞動者報酬、固定資產折舊、生產稅凈額以及營業盈余等四個部分構成。其中，勞動者報酬反映勞動服務量，固定資產折舊額反映資本服務量；也可把勞動者報酬視為勞動產生的收入，而固定資產折舊、營業盈余則是資本產生的收入。因此，人力資本影響經濟增長的權重β可以用以下公式測算：

權重α、β取值是基期和報告期的均值，即：

這樣，就可以直接計算出科技進步貢獻指數，江兵等［22］使用這種方法測算科技進步貢獻率，得到了理想的結果。

4 數據處理

測算科技進步貢獻率，很有必要將數據選擇與處理過程交代清楚。從前面眾多文獻看，很多學者寧愿在模型推導下足了功夫，而對數據如何選擇、如何處理交代很少，部分甚至只字不提，仿佛這些工作并不重要。實際上，從目前國內統計刊物所提供的數據看，很難找到同一口徑的經濟產出、物質資本以及人力資本現成數據直接用于測算，這就需要我們加以推導才能獲得。所以，對于一篇負責任的論文來講，必須要告知讀者數據處理過程［23］。

從前面模型可知，測算科技進步貢獻率需要經濟產出、物質資本、人力資本三類數據。對經濟產出來講，我們需要使用收入法計算的地區生產總值數據。但就國家層面看，國家統計局公布的地區生產總值數據是按支出法計算的，沒有按收入法計算的GDP 數據。值得慶幸的是，統計局公布了我國31個省份（其中不包含香港特別行政區，澳門特別行政區以及中國臺灣地區）按收入法計算的數據。所以，我們先對我國各省份的科技進步貢獻率測算出來，然后再依據《生產率測算手冊》提供的方法，匯總得到國家層面的科技進步貢獻率。考慮到各省市收入法地區生產總值數據公布到2017 年，所以，我們測算科技進步貢獻率時，數據期間選擇最近10 年，即2007 至2017 年，并將2007 年作為唯一基期年份。具體如下：

4.1 估算要素產出彈性有關數據

使用我國各省份2007—2017 年期間按收入法計算的當年價GDP 來表示勞動者報酬、固定資產折舊、生產稅凈額及營業盈余之和，每年份各省市勞動者報酬作分子，從而計算出人力資本對產出的權重β，并通過α=1-β計算出物質資本對產出的權重α值。為節約篇幅，我們在下面只是給出人力資本對產出的權重β 均值計算結果，見表1。

表1 我國各省份人力資本對產出的權重均值

4.2 經濟發展指數

《生產率測算手冊》指出，當選擇增加值（國家或省市層面稱為地區生產總值）代表經濟產出時，只需考慮初始物質資本、人力資本投入等要素，不用考慮中間產品投入。為簡便起見，我們選擇2007—2017 年期間各省市地區生產總值作為產出，以此來計算經濟發展指數。從各省市統計年鑒可以得到地區生產總值指數后，以2007 為基期，計算出各省市年度經濟發展指數，見表2。

表2 我國各省份經濟發展指數

4.3 物質資本存量指數

《生產率測算手冊》用了大量篇幅來討論物質資本K 的有關問題。我們將各省市按支出法計算地區生產總值中固定資本形成額分離出來，作為計算物質資本K 的原始數據。一般認為，對一個地區經濟增長作出貢獻的不僅是當年新投入使用的固定資本，而且包括以前投入并發揮作用的部分。所以，計算物質資本時，主要是看當年存量而不是增量，并將物質資本存量加以縮減，得到不變價物質資本存量數據。為得到我國各省份2007—2017 年期間的物質資本存量，本文具體做法是，使用1978 年固定資本形成總額除以10%得到各省份初始資本存量，固定資本折舊率按9.6%計算，這樣就計算出每年分各地區不變價物質資本存量K，進一步計算出以2007年為基期的固定資本投資存量指數，結果見表3。

表3 我國各省份固定資本存量指數

表3 （續）

4.4 人力資本指數

對于人力資本投入數據，《生產率測算手冊》做了非常細致的討論，認為生產過程中最重要的因素就是人力資本，選擇不同標準，對生產率測算結果會產生顯著影響。人力資本投入可以是總工時數、全職就業人員當量、就業人員數量等三種標準，由于存在兼職、加班、曠工以及輪班等情況，簡單使用就業人員數量無法真正反映生產中人力資本投入實際情況，《生產率測算手冊》認為，使用總工時數計算人力資本投入是最佳的，不過，如何獲取統計資料來保持工時數的完整性和質量，這是實際研究中面臨的難題。從國內眾多研究來看，很多學者使用就業人數來表示人力資本投入，我們認為，從業人員人數無法反映人力資本質量差異，不是衡量人力資本的最優數據。我們采用從業人員受教育年限來代表人力資本，這既反映了不同時期人力資本數量差異，也反映了質量差異，還可用于國際比較。具體做法是，借鑒美國經濟學者麥迪生（Maddison）［24］初等教育等量年標準，以接受初等教育水平為基礎（即定系數為1），1 個中等教育年、高等教育年分別是初等教育年的1.4 倍和2 倍，這個倍數主要表達的是，受過不同教育程度從業人員，他們從事生產活動時獲取知識方面的能力差別。我國受教育程度分為7 類，分別是未上過學、小學、初中、高中、大專、本科、研究生及以上，我們將教育當量設定為：未上過學、小學教育當量為1，初中、高中為1.4，大專及以上為2；每個階段接受教育年限標準，我們借鑒2010 年中央組織部制定國家中長期人才發展規劃綱要時的做法，未上過學1.5 年，小學6 年、初中9 年、高中12 年、大專15 年、本科16 年、研究生（包括碩士和博士）平均為19.6 年，這樣，就形成了計算從業人員受教育年限的標準［25］。從歷年《中國勞動統計年鑒》中，可以得到從業人員受7 種教育程度的比例，從而可以計算出我國各省份2007—2017 年期間從業人員受教育年限，進一步測算出以2007 年為基期的人力資本指數，詳見表4。

表4 我國各省份人力資本指數

表4 （續）

5 測算結果及分析

5.1 我國各省份科技進步貢獻指數

將以上數據代入省市層面科技進步貢獻Tornqvist 指數模型，可以計算出各省市的科技進步貢獻指數，結果見表5。

表5 我國各省份科技進步貢獻指數

5.2 科技進步貢獻指數匯總

5.2.1 匯總平均權重

表6 我國各省份GDP 所占比例均值

5.2.2 中國科技進步貢獻Tornqvist 指數

根據科技進步貢獻匯總模型，可以計算出國家層面的科技進步貢獻指數，詳見表7。

表7 我國科技進步貢獻指數

根據表7，我們可以這么認為，當指數大于1 時，說明科技進步貢獻率是提高的，反之，當小于1 時，說明是降低的。這種科技進步貢獻率表達方式，比索洛余值更為直觀和明確，不容易引起認識上的偏差。同時，從匯總模型可以看出，如果要得到每個年份的科技進步貢獻率絕對數據，只要我們科學測算出基期年份的科技進步貢獻率，以后年份就可以通過指數來表達，并以此為基礎，直接計算出以后各個年份的科技進步貢獻率數據，這樣大大降低了科技進步貢獻率的測算工作量，為及時發布年度數據提供了充分保障。

《中國科技統計年鑒（2019）》顯示，2003—2007 年期間中國科技進步貢獻率已經達到46%，我們以此為基礎，結合2008—2017年科技進步貢獻指數，得到各個年份的科技進步貢獻率絕對數據，見表8。

表8 2008—2017 年中國科技進步貢獻率

從測算結果看，在2007 至2017 年期間，中國科技進步提高了8.2 個百分點，達到了54.2%。

6 結論

科技進步貢獻率已經是一個被公認的概念，具有其嚴密的內在邏輯及明確的內涵界定，也有其基本的理論基礎和測算方法，我們需要在一個統一框架下來測算和運用，切不可按照自己的直觀理解去隨意解讀和使用。因為從不同層面來講，科技進步貢獻率的內涵不同，比如，從微觀層面來講，科技進步主要與企業擁有的人才素質、設備質量、工藝流程、管理經驗等密切相關；從宏觀層面來看，一個地區、行業或國家的科技進步，除了包含企業層面的因素外，還跟產業布局、經濟結構調整、經濟制度等因素相關。同時，從橫向看，不同地區科技進步貢獻率相互比較沒有實際意義，經濟落后地區的科技進步貢獻率不一定就比發達地區低，理由是科技進步貢獻率是根據經濟增長速度來測算的，這是一個反映科技進步動態變化的過程，表現形式是加權后的要素增長與總增長的比例。對于經濟發達地區來講，其本身的科技進步水平較高，再進一步提升空間并不大，因為這些地區就業比較充分，特別是與物質資本相比較，人力資本年均增長速度相對較低，這樣人均資本就增長很快，結果是，受資本邊際效益遞減規律影響，產出增長往往會低于資本增長，這樣往往無法達到高的科技進步貢獻率水平［26］。

另外，從測算方法來看，我們借鑒OECD《生產率測算手冊》介紹的非參數方法，使用指數形式來表達科技進步貢獻程度，這在一定程度上簡化了科技進步測算工作，特別是對于政府部門常年發布科技進步貢獻率數據來講比較實用，為規范該指標的測算提供了新的方法選擇。