新基建對勞動生產率的影響研究
——基于生產性服務業的視角

尚文思

一、引 言

2018 年 12 月，中共中央經濟工作會議提出“新型基礎設施建設”這一概念，強調加快5G 商用步伐，加強人工智能、工業互聯網、物聯網等。在2020 年3 月4 日召開的中共中央政治局常務委員會議上，強調“要加快5G 網絡、數據中心等新型基礎設施建設進度”。一時間對新型基礎設施的討論日趨熱烈。

在對新型基礎設施的影響進行討論之前，需要先厘清它的概念。目前對“新基建”內涵的解讀有廣義與狹義兩種口徑。本文梳理了當前對“新基建”內涵的討論，綜合來看狹義口徑的“新基建”是指以發展數字經濟為代表的新型基礎設施建設，而廣義口徑的“新基建”是指新時代下基礎設施建設的新模式。也就是說，廣義口徑的“新基建”不僅僅包括新型基礎設施，還是對發展基建新模式的總結。

在2018 年12 月召開的中共中央工作會議上均已經明確了新型基礎設施的涵義，就是以 5G 網絡、人工智能、工業互聯網、物聯網等為代表的新型基礎設施。這是發展數字經濟的重要基礎。狹義口徑的“新基建”與傳統的“老基建”區別在于新技術的未知性。由于新技術尚處在成長中，其應用前景具有很大的不確定性，因此未來的回報很難形成準確預期。因此，特高壓、城際軌道等不屬于新技術的范疇，并不屬于新基建。大量關于廣義口徑“新基建”的立論依據是基于 2018 年 12 月召開的中央工作會議上的論述“補齊農村基礎設施和公共服務設施建設短板”。目前，廣為接受的廣義口徑的新基建概念囊括七大領域：特高壓、新能源汽車充電樁、5G 基站建設、大數據中心、人工智能、工業互聯網以及城際高速鐵路和城際軌道交通。廣義的口徑包含傳統基建中的城際高速鐵路和城際軌道交通、特高壓，這些雖不屬于新型基礎設施，但是滿足新時代基礎設施建設的“補短板”要求。史丹認為，新型基礎設施不僅包括服務數字經濟的基礎設施，也包括傳統基礎設施為適應數字經濟的智能化改造①史 丹. 新基建加速我國經濟由大向強轉變[N]. 人民日報，2020-4-8(9).。傳統基礎設施與新型基礎設施都具有服務數字經濟的作用，因此難以嚴格界定狹義與廣義口徑哪種是更準確的表述。

本文認為，狹義口徑是以信息基礎設施為代表的新型基礎設施，而廣義口徑是兼具補短板需求的新型基礎設施建設。因此，本文結合兩種口徑，對新基建投資的影響分別進行分析。

基礎設施建設作為穩經濟的重要手段，在應對 2008 年全球金融危機時發揮了重要作用。當前世界經濟受新冠肺炎疫情影響，消費受沖擊嚴重，國際貿易嚴重受阻，我國迫切需要擴大需求、穩增長、穩就業的有力手段。2003 年非典疫情最嚴重的時候，中國國內生產總值增長率短暫下降至 9.1%。此外，由于中國經濟增長放緩，全球經濟增速下降了約1 個百分點。新冠肺炎疫情的傳播速度與蔓延情況都表明其對經濟的影響更甚于非典。因此，為了應對疫情沖擊，基建投資勢必成為各地投資計劃中的重要一環，部分地區基建計劃投資額甚至占到了總投資額的一半以上。

應該注意到，新型基礎設施建設絕不簡單等同于“四萬億計劃”。傳統的基礎設施建設是以鐵路、公路、橋梁等為主，是在“要想富先修路”思路下進行的以交通運輸、能源基建為主的舊模式，而新基建則是以建設更高效的時空網絡為主，建設大數據中心、云計算中心、物聯網平臺等信息經濟基礎設施的新模式。

基礎設施在產業革命中扮演重要角色，其與經濟社會發展相互作用，共同推動人類文明進步。我國傳統基建模式的高速發展對工業化起到巨大的促進作用，第一產業勞動力大量涌入第二產業，極大地提高了勞動生產率，而新基建通過數字經濟和高端科技的快速發展，為我國提供新一輪工業和科技革命的重要基礎。數字經濟的發展促進了各行業的數字化轉型，使行業數據采集、傳送、存儲、計算、分析及反饋實現閉環，提升了數據使用效率，促進制造業和服務業融合發展，進而催生創新。數字經濟以外的廣義新基建，能夠對傳統基建領域的新興子行業補短板。城際鐵路在傳統高鐵技術之上結合信息技術實現創新，能夠更好地推動城市群發展。我國已形成的城市圈中，更便捷的城市圈內交通有助于人才流動，對科技研發、商業服務有著更強的促進作用。并且相較于狹義新基建，廣義新基建的投資體量更為可觀。數字經濟方興未艾，在高速成長期初的整體投資體量相較于特高壓、城際軌道的投資，依然相對較小。因此，廣義新基建在拉動投資，尤其是帶動產業鏈上下游以及各行業的投資，有極大的潛力。對于廣義新基建的有效投資形成有效的固定資本存量，也是提升勞動生產率的重要渠道。

新一代信息技術為生產型服務業和制造業的融合發展提供了真正的應用前景①江小娟. 中國財富管理50 人論壇“擴大內需，推動經濟盡快復蘇”網絡視頻會議，2020-3-5.，無論是大型設備的遠端服務、給企業提供生命周期所需的各種生產性服務平臺，還是聚合中小企業閑置資源的全新生產性服務業平臺等都證實了這一點。發展新基建有助于推動與制造業直接相關的生產性服務業走向數字化、智能化，以其極強大的算力和具備分布式協同處理的能力助力行業實現跨行業、跨領域創新。不論是人工智能在金融服務行業的應用，還是大數據、云計算在倉儲和郵政快遞行業和生產性租賃服務行業的運用以及 5G 在商務服務行業的運用等，無不證實這一點。對新一代信息技術、高端制造業和新型現代服務業的投入是相輔相成的。推動大數據中心、云計算中心、物聯網平臺等的建設，發展工業云服務、大數據服務、云計算服務等，是發展現代服務業和推動我國區域經濟結構調整以及提升我國產業結構高度的有效手段②曾 宇. 2020 中國經濟趨勢年會特別報道[N]. 經濟日報，2020-4-22(25).。我國總體上已進入工業化后期階段。無論是進一步實現向高端第三產業過渡，還是協同提升第二產業的勞動生產率，都需要建設完善新型基礎設施，充分挖掘其對時空成本的節約性，突破傳統技術瓶頸。因此，我國新的一輪產業升級勢必要求基礎設施也要實現向新型基礎設施的升級。

基礎設施建設作為投資品，對當年的產出提升作用明顯，新基建也不例外，然而其中長期釋放中國經濟增長潛力、提升競爭力和改善民生福利的作用有待進一步分析。對此，本文認為應當在討論新基建對總產出的影響基礎上厘清新基建對于發展質量的意義。在分析新基建的產出效應之前，需要對廣義與狹義口徑的新基建資本存量加以測算。

從工業和信息化部發布的 2019 年互聯網和相關服務業運行情況可知，5G 行業、云計算、大數據和人工智能的固定資產投資被歸入互聯網和相關服務業；工業互聯網行業相關投資歸入軟件和信息技術服務業；特高壓、充電樁領域歸入電力、熱力的生產和供應業中的細分行業——電力供應業；而城際軌道歸入鐵路運輸業。因此，本文選用電力供應業、鐵路運輸業、互聯網和相關服務業、軟件和信息技術服務業四類行業的固定資本存量作為廣義新基建投資的代理變量。互聯網和相關行業、軟件和信息技術服務業的固定資本存量則作為狹義新基建投資的代理變量。

雖然2018 年被稱為 5G 技術的元年，但我國對 5G 技術的布局在 2015 年業已開始。并且以 5G 技術、數據中心、工業物聯網為代表的數字經濟是以傳統信息技術的發展為基礎的。2003 年以來的軟件、互聯網行業的固定資產投資縱使不屬于新基建的范疇，但也是信息技術固定資本存量。4G 技術在很多方面是 5G 技術發展與應用的前提，數據中心的核心之一“大數據技術”其元年是 2013 年，并且無論是軟件或硬件的新型基礎設施建設都是在已有技術之上的創新產物，并且我國互聯網行業、軟件行業的固定資產存量在1999 年以前是微乎其微的，即使經歷了十幾年高速增長，其相較于固定資產投資總量依然只是很小一部分。因此，以2003—2017 年相關行業資本存量作為代理變量，能較為準確地測算新基建投資存量。

我國經濟已由高速增長階段轉向高質量發展階段，這是黨中央對新時代我國經濟發展特征的重大判斷。經濟發展重點從“有沒有”向“好不好”的轉變，意味著對發展的關注更多聚焦于效率的提升，也就是勞動生產率和全要素生產率的提升上。過去一段時間以來，我國由農業大國向制造業大國轉變之路，正契合了由低水平生產率的第一產業向更高技術水平的制造業轉移的規律。勞動生產率水平的大幅度提高是中國奇跡的原因之一。進入“新時代”后想要進一步提高勞動生產率，要求中國不僅要做制造業大國還要做制造業強國，更要實現服務業的發展。這也是各發達經濟體跨越中等收入陷阱的成功經驗。

服務業比重提高是我國向中高收入國家邁進的標志之一，但制造業與服務業之間并不存在簡單的何者更為高級的關系。制造業有高端制造業，服務業也存在低技術含量的行業，因此對服務業進行分類并就各行業對勞動生產率的影響分別分析就尤為重要。

服務業可以分為生產性服務業與生活性服務業。其中的生產性服務業涉及多行業、多領域、多環節，具有技術含量高、產業融合度高、帶動作用顯著等特點，是全球產業競爭的戰略制高點。加快發展生產性服務業，是向結構調整要動力和促進經濟穩定增長的重要前提，既可以有效激發內需潛力和帶動擴大社會就業并持續改善人民生活，也有利于引領產業向價值鏈高端提升①國務院關于加快發展生產性服務業 促進產業結構調整升級的指導意見，國發〔2014〕26 號(2014年8 月6日)。。因此，分析新基建對生產性服務業的影響就顯得很有必要。

整理以上思路，本文嘗試以對新型基礎設施的資本存量估計入手，分別對廣義口徑、狹義口徑的新基建資本存量進行測算，進而在此測算基礎上對新基建產出彈性進行估計；并且參考已有研究對生產性服務業的分類方式，對生產性服務業的資本存量進行測算。本文討論的生產性服務業包含交通運輸、倉儲和郵政業，信息傳輸、計算機服務和軟件業，批發和零售業，金融業，租賃和商務服務業，科學研究和技術服務業，水利環境和公共設施管理業。在此基礎上針對新基建對生產性服務業的產出彈性進行估計。按一二產業、生產性服務業、生活性服務業的方式，將三大產業分類，構建一般均衡模型，討論新基建投資對勞動生產率的影響。本文的創新之處在于：(1)首次對兩種口徑的新基建資本存量給出測算，并對其總產出彈性、生產性服務業產出彈性分別進行估計；(2)在生產性服務業與新基建的探討之上，以一般均衡框架討論了新基建對勞動生產率的影響。

二、文獻回顧

中國產業結構在過去的三十多年里發生了顯著變化(渠慎寧等，2012)。相較于日本與韓國服務業就業比例的變動，中國服務業勞動力份額在經歷了 1991—1996 年的較高速增長后，忽然增速“降檔”(渠慎寧等，2018)，這之后一段時間內穩定在一個相對較低增速水平。各產業勞動生產率增長率的水平差異被認為是導致產業結構轉型的重要原因(Ngai 和 Pissarides，2007；Rogerson，2008)。Mourmouras 和 Rangazas(2009)認為基建投資可以保障經濟增長的可持續，并將對國家產業結構產生影響。已有國內相關研究關注產業結構對生產率增長和經濟增長的影響(干春暉等，2011；呂健，2012)。郭凱明和王藤橋(2019)構建兩部門一般均衡模型分析了基礎設施對產業結構轉型與生產率的影響，證實了基礎設施的產業外溢性仍有充分發揮空間，對基建的投資不僅是“穩增長”的手段，更是提升勞動生產率的保障。其研究雖然將基礎設施的含義推廣至廣延基礎設施，卻并未對新型基礎設施給出針對性分析。

目前，學術界已經開始關注生產性服務業與生活性服務業的區別。當前對生產性服務業的大量研究著眼于其產業集聚效應及其對制造業升級的作用。生產性服務業早期作為中間產品引入模型來分析其對制造業與經濟增長的影響(Markusen，1989)。對集聚效應的定量研究大多從空間溢出效應、產業關聯的角度分析(Park，1989；Uno，1989)，而生產性服務業與制造業的互動作用，是學者在注意到生產性服務的中間投入特性后，隨著對制造業細分的研究發現的。顧乃華等(2006)、呂政等(2006)、高覺民等(2011)都分別梳理了其作用機理，彼時學者就已注意到生產性服務業發展面臨的“瓶頸”問題。受限于當時對生產性服務業的分類方式以及我國產業轉型進程，當時的研究并不能很好貼合“新時代”發展的需要。

2012 年以來，不僅對生產性服務業的分類方式發生變化(如房地產業不再納入生產性服務業)，而且研究主要聚焦于兩點：其一，生產服務業的集聚對制造業 TFP 的提升；其二，生產性服務業的發展對人力資本的促進作用。這主要是因為中國經濟增長面臨結構性減速(張月友等，2018)，學者們試圖通過對全要素生產率影響因素的分析來解決現實問題。劉奕等(2017)將生產性服務業集聚視為一個整體，并分析了其在制造業升級過程中發揮的基礎設施作用，尤其是其對區域經濟發展的促進作用。楊玲(2017)在關注集聚效應之外，分析了生產性服務業的國內投入與進口投入在不同時期表現出的不同作用，特別是發展本國生產性服務業的重要意義。鑒于生產性服務業在推動產業升級中的重要作用，并且為以信息技術為核心的新基建為生產性服務業與制造業的融合發展提供了真正的應用前景。因此，發展新型基礎設施建設，是因地制宜、因勢利導發展本國生產性服務業和推動產業轉型升級的重要前提。

除此之外，李平等(2017)認為生產性服務業因其對技術進步穩定的正向促進作用，并且其相較于制造業與生活性服務業具有更強的要素集聚能力，因此生產性服務業是提高全要素生產率的關鍵，也是我國實現經濟高質量發展的關鍵。江永紅和陳奡楠(2018)認為，當前我國產業結構服務化導致了全要素生產率增速下降。生產性服務業的發展滯后，部分地區資源錯配，造成了技術水平提升困難。鑒于目前缺少新基建對各產業的定量研究，因而將產業部門具體細分為一二產業、生產性服務業、生活性服務業，并定量研究新基建對勞動生產率的影響，極具學術價值。

在進行新基建投資對勞動生產率的影響分析之前，需要對新基建的產出彈性進行估算。Aschauer(1989)的開創性研究表明，美國的基礎設施資本的產出彈性高達 0.39。就這一話題許多學者進行了激烈的討論(Munnell，1990；Kamps，2006；Straub 等，2008)，而許多學者如郭慶旺和賈俊雪(2006)、蹤家峰和李靜(2006)、劉生龍和胡鞍鋼(2010)、張學良(2012)、李強和鄭江淮(2012)、Demurger(2001)、Zhang(2013)、金戈(2016)、程名望和張家平(2019)等，也對我國的基礎設施投資的產出彈性進行了估計。新型基礎設施作為基礎設施的一種，在生產過程中也以降低中間品成本、消除增長瓶頸的方式發揮自身作用。因此，參考已有研究方法對新基建進行產出彈性研究有一定的意義，本文嘗試在此之上對其機制進行分析。

在對美國的研究中，學者可以采用美國商務部經濟分析署(BEA)提供的美國基礎設施資本存量數據，而我國尚未有權威機構公布的類似數據，因而學者普遍采用的方法是以近似行業的固定資產投資進行測算(范九利等，2004；郭慶旺和賈俊雪，2006；李強和鄭江淮，2012；金戈，2016)。據此，本文基于前人研究，使用新型基礎設施兩種口徑內涵下各行業的資本存量作為測度指標，并且為了保證口徑的一致，本文在此基礎上對2003—2017 年全社會固定資本存量、全社會生產性服務業資本存量進行了測算。

目前已有大量關于勞動生產率的研究成果，很多學者聚焦于產業結構及全要素生產率對于一國勞動生產率的影響，而相較于全要素生產率的研究，勞動生產率的研究更多關注于勞動力結構。結構轉型方面的主流研究主要關注技術進步、資本深化和需求偏好等方面。Herrendorf 和Valentinyi(2012)發現三大產業的就業份額對跨國總勞動生產率影響極大。蓋慶恩等(2013)用勞動力市場扭曲解釋了我國勞動生產率的變化。目前已經有學者注意到第三產業比重上升伴隨的我國勞動生產率增長放緩現象。楊天宇和姜秀芳(2015)嘗試用三部門模型論證第三產業勞動生產率的低速增長與服務業比重上升共同造成了我國勞動生產率增長放緩。郭凱明和王藤橋(2019)發現基礎設施投資抑制了服務業比重上升，但提高了勞動生產率增速。因此，本文在已有研究基礎上，分別從新型基礎設施建設對全要素生產率和產業結構比重的影響入手，量化分析其對勞動生產率的影響。

三、模型構建

（一）模型思路

本文參考郭凱明和王藤橋(2019)的研究構建一般均衡模型，模型分為生產側與需求側。本文為了區別分析生產性服務業與其他產業的均衡影響，將生產側分為三個產業部門，以下標 j∈{1，3}區分。其中 j＝1 代表第一、二產業，j＝2 代表生活性服務業，j＝3 代表生產性服務業。每個產業部門由一個代表性企業在完全競爭市場條件下租用私人資本、雇用勞動組織生產，生產函數為：

其中，企業生產過程中僅選擇第一部門和生產性服務業的產品，因此對兩部門投資為 I1、I 3 。類似的，參數0＜ θ＜1 為常數，參數σ 代表投資替代彈性。

（二）均衡條件求解

1.由式(1)可得供給側各部門均衡條件：

2. 由式(2)得到代表性消費者效用最大化條件：

3. 由式(3)得到代表性企業利潤最大化條件：

其中，Pi為投資品價格。

4. 資本市場與勞動力市場均衡為：

5. 各產業部門供需均衡為：

借鑒Hsieh 和Klenow(2010)及郭凱明(2019)的方法，本文假定投資率外生：

由式(4)、式(5)各部門相對價格為：

為表述簡潔，令：

由式(4)、式(5)、式(6)、式(7)、式(9)、式(10)、式(11)、式(12)、式(15)解得生產性服務業勞動力占比為：

因此，新型基礎設施在對總產出表現出正外部性的廣泛促進作用外，還由于其對不同產業部門有不同的作用，尤其是對于生產性服務業有更高的產出彈性，所以在直接提高各部門技術水平之外，還會促進產業比例的變化，增加生產性服務業占總產出的比重并進一步提高全社會勞動生產率。

四、“新基建”投資的估計

（一）新型基礎設施資本存量測算方法

對新型基礎設施產出彈性的分析需要對“新基建”的資本存量進行估算，本文沿用學者普遍使用的永續盤存法來測算新型基礎設施資本存量，其計算公式為：

我國的國民行業分類標準于 2012 年進行過調整，2012 年至今互聯網和相關服務業、軟件和信息技術服務業是屬于信息傳輸、軟件和信息技術服務業下的行業小類。在2003—2011 年的行業分類方法中，信息傳輸、計算機服務和軟件業大類下轄電信和其他信息傳輸服務業、計算及服務業、軟件業。其中后兩者基本等價于 2012 年之后的軟件和信息技術服務業，而互聯網信息服務業是電信和其他信息傳輸服務業下的一個子類。因為在現有資料中缺少2003—2011 年互聯網信息服務業分省固定資產數據，所以本文將當年該行業固定資產投資數據按比例分配給各省。此比例值以 2012—2014 年各省比例的算術均值得到。電力供應業的分省數據同樣缺失，所以本文假定各省電力供應業投資占電力、熱力的生產和供應業投資比例相同。此外，本文發現農村農戶的“新基建”固定資產投資占全社會投資比例很低，因此以城鎮固定資產投資作為全社會口徑的代替。

借鑒金戈(2016)的處理方式，本文選用新增固定資產作為“新基建”資本形成的核算指標。固定資產投資統計年鑒中可以得到“新基建”涉及的國民經濟子行業的固定資產交付使用率，因此以交付使用率乘以當年投資可得新增固定資產，而其中子行業的下轄行業采用與子行業一致的交付使用率估計。在折舊率的選取方面，本文參考大多數文獻的做法，設定為9%。

（二）數據起始時間問題

1994 年中國正式接入國際互聯網，1997 年中國電信開始面向個人用戶提供撥號上網服務，此外我國 2003 年以前信息咨詢服務業與計算機應用服務業的新增固定資產特點也很明確，信息時代的互聯網與軟件行業的固定資本存量在 2002 年以前體量很小。因此，本文以 1996 年為中國互聯網“元年”，設定 1996 年的互聯網和軟件行業資本存量為零。對全國的新基建資本存量估計以1996 年為基年。對鐵路運輸業及電力蒸汽熱水的生產供應業的資本流量指標選用基本建設新增固定資產，并且以 1997—2002 年兩個行業增長率的幾何平均值(電力蒸汽熱水生產和供應業：6.92%，鐵路運輸業：8.75%)作為長期增長率來估計基年資本存量。

作為狹義新基建代表的物聯網技術和 5G 技術，都必然是在前置軟件與信息技術基礎之上的研發與創新。進入新世紀的相關行業投資，縱使不屬于新基建范疇，但也是數字經濟固定資產。因此，縱使部分新型基礎設施在 2018 年仍處于萌芽階段，但所屬行業的固定資產投資也在一定程度上代表了既有資本投入，并且我國互聯網行業、軟件行業的固定資產存量在1999 年以前微乎其微，即使經歷了十幾年高速增長，相較于固定資產投資總量依然只是很小一部分。因此，以 2003—2017 年互聯網、軟件服務業資本存量作為代理變量，能較為準確地估算新基建投資的產出彈性。

由于缺少 2002 年以前的信息咨詢服務業、計算機應用服務業分省數據，對此本文對各省份新基建資本存量數據估計以2003 年為基年，并且2003 年之前的兩類行業資本存量體量較小，對之后的幾年的估計值不會有較大影響，所以 2003 年的以上兩類行業資本存量就以當年投資流量占全國比例加以預測。其具體公式為：

圖1 信息咨詢服務業與計算機應用服務業新增固定資產(1996—2002年，單元：億元)

本文新型基礎設施的資本存量估計數據全部來源于《中國固定資產投資統計年鑒》《中國統計年鑒》，對全國的“新基建”存量估計見表 1。對固定資產投資以固定資產價格指數換算為1995 年不變價格。

表1 全國新型基礎設施資本存量估算(2003—2017年，單位：億元)

新型基礎設施資本存量構成在過去的幾年中發生了較大變化，狹義新基建的互聯網、信息技術類資本存量從最初的可以忽略不計，發展到2017 年共計達到廣義新基建存量的 16%，與之伴隨的是鐵路運輸業、電力供應業資本存量占比不斷下降，這與我國過去十幾年來經歷的產業結構升級所伴隨的基礎設施模式轉變相契合。隨著我國人口紅利消失、收入水平提高，步入中等收入階段，無論是制造業、服務業都需要提高技術含量和增加產業附加值，而產業結構升級也勢必伴隨著基礎設施建設向更高質量模式邁進。傳統的基礎設施是以“鐵路、公路、機場”為代表的交通基礎設施。進入 21 世紀后，我國不斷在基礎設施建設方面取得技術突破。我國的鐵路運輸行業 2010 年至2018 年期間，已在長三角、珠三角、環渤海等地區城市群建成高密度高鐵路網，東部、中部、西部和東北四大板塊區域之間完成高鐵互聯互通。特高壓的投資首先集中于2014 年5 月大氣污染防治行動計劃之后，九條特高壓線路集中落地。

由表2 可以觀察到，在新型基礎設施固定資產內，投資模式于2011—2012 年發生較大變動，傳統的鐵路運輸業基礎設施投資大幅減速，而軟件和信息技術服務業固定資產投資獲得極大發展；電力供應業與互聯網行業的固定資產投資處于平穩狀態，直到2014 年開始高速增長。四類新型基礎設施資本存量比例見圖2。

表2 新型基礎設施分行業新增固定資產(1995年價格，單位：億元)

（三）固定資本存量測算

金戈(2016)已經對全國的固定資本存量進行估計，其對三類固定資產分別推算折舊率為 9.21%、8.51%和 9.73%，因此本文借鑒其對經濟類基礎設施使用的固定資產折舊率為 9.2%。雖然方法未做變動，但為避免因口徑調整帶來的測算誤差，本文在其基礎上對全社會固定資本存量進行測算，并更新到2017 年。數據來源于《中國固定資產投資統計年鑒》《中國統計年鑒》《固定資產投資統計年報》。

圖2 四類新型基礎設施資本存量比例

（四）生產性服務業資本存量測算

參考已有研究對生產性服務業的分類方式，本文討論的生產性服務業包含七個行業：交通運輸、倉儲和郵政業，信息傳輸、計算機服務和軟件業，批發和零售業，金融業，租賃和商務服務業，科學研究和技術服務業，水利環境和公共設施管理業。在討論新型基建對生產性服務業的產出效應之前，需要對生產性服務業的資本存量做出估計。

在測算過程中，本文同樣采用了全社會新增固定資產的口徑，并且假定全國各地區同一行業當年固定資產交付使用率相同，由此可以得到各省份分行業新增固定資產數據。此外，由于我國的行業分類標準在2003 年進行過較大的調整，2003 年前后的生產性服務業口徑難以相比較。為了簡便處理，本文設定 2003 年為基年，假定基年各省份的資本存量與當年的流量比例相同，即：各省當年生產性服務業資本存量/全國資本存量比值＝各省份當年生產性服務業資本流量/全國資本流量，估計結果見表 3。這雖然會在一定程度上造成估算誤差，但考慮到分省份數據的可獲得性，從各省份的統計年鑒上只能得到19 個省份2012—2017 年生產性服務業的分行業增加值，因此對于在回歸分析中所用到的 2012—2017 年間的生產性服務業資本存量，估算帶來的誤差不會對最終結果帶來太大影響。

表3 生產性服務業全國資本存量估算值(單位：億元)

五、新型基礎設施投資產出彈性估計

（一）估計模型

參考已有文獻研究經驗，本文設定生產函數為C-D 型：

在式(20)中，Y 代表產出，A 代表技術水平，K 和 L 代表資本和勞動投入水平，α和β 代表資本和勞動的彈性系數，eu為殘差項。參考金戈(2016)對基礎設施類資本產出彈性的估計方法，將估計函數調整為：

在式(21)中將資本存量分為新型基礎設施資本存量G 和其他資本存量K，兩者加總即為全社會全部資本存量。分別對上式左右兩邊取對數，則有：

（二）樣本選擇與數據來源

本文分別對新基建的總產出彈性及新基建的生產性服務業產出彈性進行了回歸分析。其中各省份的總產出數據來源于《中國統計年鑒》，時間跨度為 2003—2017年。本文以 1995 年價格水平為基年價格，將部分省份當年價格總產出換算為 1995 年價格數據。由于生產性服務業增加值需要作者自行核算，但部分省份缺少全部行業的產出增加值，最終可得數據為19 個省份2003—2017 年的產出數據(北京、天津、河北、山西、內蒙古、吉林、上海、江蘇、浙江、安徽、福建、山東、河南、湖南、廣東、海南、青海、寧夏、新疆)。由于本文討論的新型基礎設施主要著眼于狹義基礎設施，因此選取“十二五”以來的東部地區(北京、天津、河北、山東、浙江、江蘇、上海、福建、廣東、海南)、中(山西、內蒙古、吉林、安徽、河南、湖南)、西部地區(青海、寧夏、新疆)代表性省份數據，能夠在一定程度上說明新型基礎設施對生產性服務業的產出彈性。

對于 2003—2017 年的勞動力數據，由于各省份統計年鑒公布的全市就業人數不等于國家統計年鑒公布分省份各行業城鎮單位就業人數與各行業全社會私營和個體單位就業人數之和，也就是說，如果簡單地以各省份統計年鑒所列就業人數代表勞動力，會存在較大誤差。對此，本文選擇以下方式估計各地區全社會口徑勞動力數據：

在式(23)中，分省份城鎮單位就業人數與私營和個體就業人數數據可以從《中國統計年鑒》《第三產業統計年鑒》獲得，并且各地區第一產業就業人數可以從各省統計年鑒獲得，這一數據較為可靠。減去第一產業單位就業人數可以避免重復計算。將以式(23)計算出的各年全國就業人數加總值與《中國統計年鑒》數據比較，僅在2017年兩者基本一致。

可以發現，以本文的估計方式核算出的總就業人數因為無法得到未登記注冊的就業人口數據，導致越靠前的年份總就業人數越被低估。本文認為，這與我國在高速發展中經歷的“農民工”問題有關。《中國統計年鑒》中存在的大量第一產業就業人口是以流動人口的形式就職于其他行業，并未在登記注冊就業人數中得到體現，而各地區的統計年鑒中也未將這一部分納入第一產業統計。由于本文關注的是近幾年數據，對于這樣的短面板數據而言，保證各省份生產性服務業比例準確更為重要。因此，可以相對各年實際就業總數調整各省份就業總數。

此外，對于 2003—2017 年生產性服務業七個行業大類的就業人口數據，可以從《中國統計年鑒》《第三產業統計年鑒》整理獲得。全社會資本存量與生產性服務業資本存量數據使用前文估計結果。

（三）實證結果及檢驗

借鑒郭晗和任保平(2014)的研究，通過 Hausman 檢驗對式(22)進行檢驗，結果支持應該使用固定效應模型。本文使用固定效應模型分別分析廣義、狹義新型基礎設施總產出彈性及生產性服務業產出彈性，結果見表4。

表4 回歸結果

狹義、廣義新基建兩個模型的 R2分別為 0.9351、0.8829 和 0.9298、0.8659，解釋變量均顯著，說明模型的擬合效果較好。

從模型的估計結果來看，新型基礎設施資本存量對于產出具有顯著的正效應，并且廣義新基建基礎設施每增加 1 個百分點，能增加 0.12 個百分點的產出，狹義新基建每增加1 個百分點，能增加0.0694 個百分點的總產出。新基建的產出效應更顯著地表現在生產性服務業，廣義新基建資本存量每增加 1%，生產性服務業產出增加 0.19%；狹義新基建資本存量每增加 1%，生產性服務業產出增加 0.0762%。因此，狹義與廣義新型基礎設施表現為在更大程度地促進生產性服務業發展，進而帶動全社會產出增加。同時，新型基礎設施作為經濟基礎設施中的一種，0.12 這一估計結果也與金戈(2016)對基礎設施的產出彈性估計0.10～0.13 的估計比較接近。

可以觀察到，僅有廣義新基建對生產性服務業的產出彈性與資本投資產出彈性相當；狹義新基建的產出彈性普遍小于投資的產出彈性。本文認為造成這一現象的原因可能有兩點：首先，新基建作為新生事物，各產業對其探索創新應用仍處于起步階段，因而新基建的投資并不能在數據觀測階段表現出對產出較為直接的促進作用，隨著產業升級的進行，新基建的產出促進作用會逐漸明顯。其次，由于數據所得限制，對于狹義新基建口徑選取的幾類行業作為代理變量，新基建在其中所占比例并不如廣義新基建比例高，這會造成一定程度上對產出彈性的低估。但是，回歸結果的顯著性支持對狹義、廣義兩類新基建產出彈性的判斷，因此，本文認為加大新基建投入仍然是穩增長和保證高質量增長的題中應有之義。

六、模擬分析

（一）參數使用

參考前人研究，本文將各部門的資本產出彈性設定為 0.5，所以勞動產出彈性也為0.5，并且這一設定也與本文對 2003—2017 年勞動與資本的總產出彈性估計值比較接近。根據前文回歸結果，廣義與狹義新型基礎設施對總產出的彈性分別為 0.12、0.069，生產性服務業產出彈性分別為0.19、0.076。

此外生產函數與效用函數中參數的設定借鑒郭凱明和王藤橋(2019)的研究，整理如下(見表5)。

表5 參數設定

此外通過各省份統計年鑒整理得到 2004—2017 年各部門的名義增加值、固定資本存量、勞動力數據。將上述所得數值代入公式(1)、公式(5)，即可得到工資水平以及技術水平Wj、Aj。通過調整初值技術水平Aj之比，使得模型2004 年估計結果與實際值相同，進而測算模型對新基建通過生產性服務業影響勞動生產率的解釋。

（二）模擬結果

由式(17)可知，勞動生產率的提高主要由兩部分組成：部門技術水平的提高和部門結構的變化。因此，本文通過模型分別測算生產性服務業勞動生產率的提高、生產性服務業的勞動力比例，以簡潔明確地反映新基建的勞動生產率影響(見表6)。

表6 新基建投資對兩類服務業就業比重影響(單位：%)

模型考慮兩種口徑新基建投資影響下，廣義新基建使得生產性服務業勞動力比例年均增長 2.87%，使得生活性服務業勞動力比例年均降低 1.7%；狹義新基建使得生產性服務業勞動力比例年均增長 2%，使得生活性服務業年均就業比例降低 1.7%。表 7為勞動生產率影響的測算。

表7 勞動生產率影響測算(單位：%)

由于廣義新型基礎設施資本在2004—2017 年年均增長11.558%，所以廣義新基建對勞動生產率的技術水平提升作用為年均 1.387%，而廣義新基建通過產業結構變動對勞動生產率的作用幾乎為0。狹義新基建資本在2004—2017 年年均增長30.3%，因此狹義新基建對勞動生產率的技術提升作用為年均2.091%，總效應為年均2.07%。

按照參數設定進行計算，2004—2017 年我國就業表現出勞動力由其他部門向生產性服務業轉移的趨勢，這也符合勞動力向具有更高勞動生產率的部門轉移的產業升級原理。

由圖3 可以發現，我國總體、各產業勞動生產率都表現出了穩步提高的趨勢，但在2012 年之后，生產性服務業勞動生產率增長速度大為放緩，因而生活性服務業與生產性服務業的勞動生產率高低關系互易。對此，本文選擇對2012 年數據校準，進而分析2012—2017 年新基建在勞動力生產率提升中的作用。

圖3 2004—2017年勞動生產率變化

從表 8 看，廣義新型基礎設施對勞動生產率的提升有更為明顯的正向促進作用，2012—2017 年平均每年提高勞動生產率1.24%，但這主要是通過其外部性直接促進技術進步帶來的，產業變遷效果帶來的是微弱的負效應。狹義新型基礎設施平均每年提高勞動生產率2.37%。

表8 2012—2017年均生產率影響測算(單位：%)

新基建的產業變遷效果表現為負值主要是由于其在一定程度上抑制了生活性服務業比重增加，并且使得制造業比重較為穩定。雖然這一效應為負，但影響較小，新基建的投資具有更強的技術進步效應。

回歸結果與數值模擬都表明，進入21 世紀，狹義新基建表現出對我國的經濟增長促進作用更強。本文認為，一方面是因為狹義新基建作為新生基礎設施，從無到有的過程中具有更大的發展空間；另一方面狹義新基建在整體投資中占比較小，因此可能存在較強的規模經濟效應。

七、結論與總結

新型基礎設施是我國未來一段時間內經濟高質量發展的新機遇。本文分別對以電力供應業、鐵路運輸業、互聯網和相關服務業、軟件和信息技術服務業四類行業為代表的廣義新型基礎設施的資本存量以及互聯網和相關服務業、軟件和信息技術服務業為代表的狹義新基建進行了估計，并在這之上測算了新基建的產出彈性。本文認為在過去十幾年中，廣義、狹義新基建產出彈性分別達到 0.12、0.07。其對生產性服務業具有較強的促進作用，對生產性服務業產出彈性分別達到 0.19、0.076。在此基礎上，以一般均衡模型分析的方法，本文分析了新基建對不同產業部門的影響作用，并結合現實數值模擬分析了其對勞動生產率的影響。本研究表明，2004—2017 年新基建投資顯著促進我國的勞動生產率提升，具有較為明顯的溢出效應。廣義、狹義口徑新基建對各產業帶來顯著的技術促進作用，分別提升年均勞動生產率 1.39%、2.09%，并且其使得生產性服務業占比年均提升 2.87%、2%。同時，這也伴隨著生活性服務業就業比例年均減少1.7%，產業結構調整對勞動生產率造成微弱的負面影響。

本文認為，發展新型基礎設施，不僅能夠追趕我國與發達國家人均基礎設施水平的差距，更是進一步發展勞動生產率和實現經濟“量”與“質”共同發展的重要手段。新基建投資在一定程度上抵消疫情對經濟沖擊的同時，能夠發展新業態，提供增長的新動能。新型基礎設施的不斷完善，可以極大地促進我國生產性服務業向更高價值鏈發展，不僅促進服務業自身結構升級，也能帶動制造業結構升級，使我國整個產業體系更具全球競爭力。此外，發展新基建還能夠改善供給結構，創造新的消費需求，有助于新服務的快速發展和廣泛滲透。綜上所述，未來我國應當加大力度布局新基建，并且充分發揮其與垂直行業的緊密合作，促進相關制造業轉型升級。