中國經濟轉型時期的勞動生產率
——影響因素和增長分解

鄧金鋒，楊 娟

(北京師范大學 經濟與工商管理學院，北京 100875)

一、引言

圖1 1978—2019年中國GDP增速和勞動生產率增速數據來源:國家統計局，http://data.stats.gov.cn/easyquery.htm?cn=c01

2010年以后，中國經濟發展進入轉型期。在達到劉易斯拐點之后，中國勞動力供給開始下降，勞動力成本不斷增加，中國經濟發展進入“新常態”。在這一新階段，產業結構表現主要為服務業占比超過第二產業，制造業由資本密集型產業向技術密集型轉變。

在新階段下，基于要素和投資驅動的經濟增長已不可持續。就勞動力要素來看，中國面臨勞動力成本不斷上升、勞動力供給持續下降、人口老齡化加速和生育率較低的問題；從資本要素投入來看，邁過2010年后，中國第二產業和第三產業的固定資產投資完成額增速呈下降趨勢，2011年，中國第二產業和第三產業固定資產投資完成額增速分別為27.3%和21.1%，之后處于增長減速階段，到2019年，增速分別下降至3.2%和6.6%。

站在21世紀的第三個十年，中國經濟發展面臨的外部和內部環境更加復雜。一是2008年全球金融危機后，單邊貿易保護主義抬頭，且與民粹主義、“逆全球化”互相呼應。二是2020年爆發的新冠肺炎疫情對全球經濟造成巨大沖擊，后疫情時代各國經濟恢復緩慢，疫情反復給各國財政和貨幣政策帶來巨大挑戰，世界經濟發展充滿了不確定性。三是“十四五”期間，中國發展面臨的矛盾和問題集中在發展質量上，能否實現擴大內需、進一步優化經濟結構、以創新促發展等目標將是中國經濟實現高質量發展和2035遠景規劃目標的關鍵。

實現經濟高質量、持續發展，意味著需要不斷提高勞動生產率。2021年3月，政府工作報告提出“十四五”期間“全員勞動生產率增長高于國內生產總值增長”的目標。單從數學意義上理解，這一目標似乎很容易實現，畢竟中國從業人員數量處于持續下降狀態，只需國民生產總值保持增長即可。但從實際意義來說，這一目標是要求國內生產總值應由勞動生產率的提高拉動，保持合理與健康的勞動生產率增速將決定中國的經濟發展速度和質量。

深入分析影響中國勞動生產率增長的因素，有利于正確認識勞動生產率和經濟增長，挖掘新時期經濟增長的潛在動力。通過對新古典增長模型進行擴展，本文得到包含產業結構轉變、資本深化和教育因素三方面的勞動生產率生產函數，并利用各省市1998—2019年數據進行OLS回歸分析；進一步地，對不同階段勞動生產率的增長進行RIF分解以探究不同因素的增長貢獻。本文的意義在于：回歸分析的結果肯定了中國經濟在結構轉型升級時期確實經歷了“結構性減速”，但也認可產業結構轉變的積極作用，即促進上側分位數上的勞動生產率增長；同時，本文還發現教育數量和教育質量對勞動生產率產生影響時的相互影響。

二、相關文獻回顧

在眾多研究勞動生產率的文獻中，可以按照影響勞動生產率的因素進行分類，這些因素包括：產業結構和全球產業鏈分工、資本深化、教育和人力資本、市場配置資源有效性、創新和技術進步、城市規模、環境等。本文主要關注產業結構、出口結構、資本深化、教育人力資本四方面與勞動生產率關系的研究成果。

1.產業結構和勞動生產率

把產業結構升級看作生產要素從低生產率部門向高生產率部門流動優化的過程，那么結構變化對經濟增長具有正向作用；而“鮑莫爾成本病”觀點認為，勞動力不斷從進步部門轉移到停滯部門，最終會導致整體生產率的降低。1990年以后，非洲和拉丁美洲國家的產業結構工業化轉變處于下降態勢，那些依賴于自然資源出口的國家，勞動力從高生產率部門流向低生產率部門，導致整體勞動生產率降低。有學者使用1973—1990年聯合國工業開發組織39個國家和24個行業的數據對勞動生產率增長進行分解，發現盡管總體上產業結構服務化轉變對勞動生產率有負向作用，但那些致力于發展電子行業的國家實現了勞動生產率更快的增長。還有學者對俄羅斯1995—2012年勞動生產率的增長進行了分解，發現結構變化的影響是隨著勞動生產率增速增加、隨時間降低的。羅賓森(Robinson)等對中國1978—1995年的經濟增長進行實證分析，認為通過將要素資源從低生產率部門轉移至高生產率部門，產業結構工業化對經濟增長有正向影響；但是，李文兵等對1979—2005年中國的勞動生產率和全要素生產率增長進行了分解，認為三次產業結構轉變期間沒有產生明顯的“結構紅利”。對中國2010年后經濟增長的相關研究認為，中國經濟正在經歷“結構性減速”。產業結構“服務化”對勞動生產率的負向影響被部分學者用于解釋2011年以來中國經濟增長的持續放緩，這一經濟增長放緩的現象被稱為“結構性減速”，支持這一觀點的邏輯是中國服務業發展滯后，其生產率相對工業部門生產率較低，向“服務化”轉變導致經濟增長放緩。陸明濤等也認為，在勞動人口增長減緩甚至負增長、資本投資下降、要素產出彈性下降的沖擊下，結構性減速不可避免。

2.出口結構和勞動生產率

發展中國家參與全球產業鏈分工，具備吸收發達國家技術實現勞動生產率快速增長的“后發優勢”。卡茨(Kates)比較了1970—1996年期間拉丁美洲國家和美國的勞動生產率增速，拉丁美洲國家產業結構轉向具備比較優勢的原材料加工和勞動力密集型產業，使得這些產業的勞動生產率相比美國對應產業的勞動生產率差距減小，而其余產業的勞動生產率差距不斷擴大。孫文遠和姜德波認為，基于比較優勢和規模經濟利益的獲得、技術進步和技術溢出效應、企業和產業組織創新效應等途徑，參與產品內國際分工對勞動生產率的提高有積極作用。唐東波對中國2000—2006年參與全球分工的研究也發現，參與國際垂直分工對勞動生產率增長確實有正向作用，尤其對高新技術行業和低生產率企業的效應更大。

3.資本深化和勞動生產率

資本深化即勞動力人均資本不斷增加的過程，根據Solow增長模型，當經濟處于平衡增長路徑上時，勞均資本是穩定的；對于發展中國家來說，儲蓄率偏高和外向型發展戰略都意味著資本深化的持續性。有學者通過對1987—2005年中國勞動生產率的分解，認為儲蓄是這一期間勞動生產率持續增長的主要原因，而這與中國對外開放過程中資本深化持續加深相關；類似的，毛豐付和潘家順也認為1995—2010年間資本深化對地級市及以上城市勞動生產率的貢獻最大，盡管這一影響呈緩慢下降態勢；李谷成也認為資本積累及其深化是改革開放以來中國農業持續增長的重要原因。

4.人力資本和勞動生產率

在內生增長理論中，知識和人力資本對全要素生產率的提高十分重要，進而影響經濟的長期增長。在實證研究中，大多數學者使用教育人力資本作為代理變量，證實了人力資本提高對勞動生產率的促進作用。如費舍爾(Fischer)等人使用歐盟NUTS-2地區的觀測數據，發現地區人力資本的相對提升對區域的勞動生產率確實有促進作用；蘭加斯(Rangazas)對美國長期(1870—1970年)的勞動生產率研究表明，教育數量和質量能解釋美國30%—40%的勞動生產率增長；其他的研究也表明人力資本對勞動生產率具有正向作用。

在現有關于中國勞動生產率的研究中，大部分學者從資本深化和要素結構轉變的角度分析勞動生產率增長，少量研究考察了資本深化和教育人力資本的影響，前者忽視了中國經濟發展過程中教育擴張的貢獻，后者卻沒有考慮到結構因素的動態變化。此外，在研究教育人力資本對勞動生產率的影響時，大多學者僅考慮了教育數量而忽視了教育質量，雖然張海峰等估計了教育質量的影響，但是其使用的數據較早(1980—2005年)，不能反映出高等教育擴張的效應。綜合已有文獻，本文將考慮結構轉變、資本深化和教育(數量和質量)人力資本對勞動生產率的邊際影響和增長貢獻。

三、分析框架

在對影響勞動生產率的因素進行實證分析時，主要使用的方法有兩種，即回歸和分解。回歸的結果能直接反映在某一給定自變量的水平上，的微小變動對于因變量的影響，因此回歸系數又被稱為條件偏效應，回歸系數即為均值處的偏效應。在某些情況下(比如研究性別收入差距和代際收入差異時)，為了測量的微小變動對于的邊際分位數或者的邊際分布的其他函數的影響，可以使用RIF(Recentered Influence Function)回歸。

對被解釋變量的變動進行分解，有助于清楚認識不同解釋變量的增長貢獻。在部分文獻中，學者們對勞動生產率的研究專注于勞動生產率變動成因的分解，比如，法格伯格(Fagerberg)、佩內德(Peneder)、蔡躍州和付一夫等使用偏移—份額分解法將勞動生產率拆解為進步效應和結構效應。偏移—份額分解法對數據質量有一定要求，即需要知道各產業的投入和產出占比，在實證分析中，投入占比和產出占比數據往往由測算得出，存在一定缺陷。另一種新興的分解方法是基于RIF回歸，這一方法和Oaxaca-Blinder分解相似，但不同的是RIF分解研究的是要素及其回報的變化對在不同時期分布的影響。

本文將基于面板OLS回歸探討各要素對于勞動生產率的邊際效應，使用RIF分解討論引起不同階段勞動生產率水平和分布變化的原因。下面介紹OLS回歸模型和RIF分解方法。

1.生產函數和OLS回歸模型

基于Solow增長模型，提出地區生產函數如下：

(1)

(2)

其中，,=,,，即為勞均產出，也稱勞動生產率；,=,,，為勞均資本存量。

下面分別給出全要素生產率和人力資本的具體形式，設定為：

(3)

,=,+,-+(,,,-),

(4)

將方程(3)、(4)進行對數變換后代入方程(2)，可得到用產業結構、出口結構、勞均資本存量、教育數量、教育質量及總勞動力數量表示的勞動生產率增長方程:

·(,,,-)+,

(5)

2.RIF分解

(6)

(,())=(,())+()

(7)

同樣，也僅為的函數。在方程(7)等號兩邊求期望，得到如下方程：

[(,())|=]

(8)

根據方程(8)，統計量()等于的無條件期望，同時也等于的條件期望。這意味著把作為被解釋變量，作為解釋變量進行OLS回歸，可以得到如下方程：

(9)

費爾南多(Fernando)基于菲爾波等人的工作，提出了使用半參數方法來確定反事實分布函數，并將分布函數的變化分解為系數效應和特征效應。在數據中，只能觀察到受到影響后的分布函數，用表示反事實，設定的反事實分布函數。統計量的變動可以分解為：

(10)

在式(10)中，最右邊等號后第一項為純系數效應(Pure Wage Structure)；第二項為權重分配誤差(Reweighting Error)，用于重新加權策略的質量，在大樣本下期望為0；第三項為純特征效應(Pure Composition Effect)；第四項是模型誤差(Specification Error)，用于評估模型設定和RIF估計的質量。第一項和第二項之和被稱作系數效應(Total Wage Structure)，和Oaxaca-Blinder分解類似；第三項和第四項之和被稱作特征效應(Wage Structure Effect)。

至此，本文提出了對勞動生產率階段性變化特征的分析框架：使用OLS回歸可以直觀體現各要素對勞動生產率的邊際影響；RIF分解可以用于討論各生產要素對不同時期勞動生產率分布(統計量)變動的貢獻大小。

四、數據來源和趨勢性描述

本文使用的數據為1998—2019年各省(自治區、直轄市)宏觀數據，文中所有的經濟數據均按各地平減指數轉換為1998年價格。下面根據各變量數據的收集和處理進行說明。

勞動生產率由各省(自治區、直轄市)的年末GDP與三次產業從業人員總數相比得到，數據均來自各省(自治區、直轄市)統計年鑒。圖2是主要年份地區勞動生產率的核密度分布情況，從分布曲線的開口程度可以看出，地區間的勞動生產率差距有隨時間縮小趨勢，表現為后發地區對先發地區的追趕和趨同，這一現象也被稱作經濟發展的區域間溢出效應。

圖2 主要年份勞動生產率(對數值)核密度分布

產業結構分為以工業產值與非農部門產值之比表示的“工業化”結構和以服務業產值與非農部門產值之比表示的“服務化”結構，本文使用“工業化”結構指標，數據來自各省(自治區、直轄市)統計年鑒。

按照孫永強和巫和懋的方法，出口結構被定義為各省出口總額中資本和技術密集型產品出口占比，他們選取了10個行業的數據；但是，各省在公布商品出口金額時采用的統計標準不同(分為SITC標準和HS標準)，且部分省份并未公布細分行業出口數據，給數據整合造成困難。基于上述原因，本文使用高技術產品出口金額占總出口的比重來表示出口結構，其中各地區高技術產品出口金額可由《中國高技術產品統計年鑒》和《中國科技統計年鑒》獲取，總出口數據來自各省市統計年鑒。

勞均資本存量為各地區資本存量與從業人員總數之比。單豪杰使用永續盤存法計算了中國各省1952—2006年的資本存量(1952年價格)，基于此，本文按照折舊率為10.96%計算，并根據固定資產投資價格指數將各省資本存量測算至2019年(1952年價格)，再根據各省GDP平減指數將資本存量轉換成1998年價格，再除以從業人員數即可得到1998—2019年各省勞均資本存量。勞動力數據來自各省市統計年鑒。

教育數量即各省從業人員平均受教育年限。根據《中國勞動統計年鑒》公布的“分地區從業人員接受教育程度分組構成”計算得到，具體而言，平均受教育年限=小學占比×6+初中占比×9+高中占比×12+大專占比×15+本科占比×16+研究生占比×19。

教育質量數據用生均教育經費支出表示，數據來自于《中國教育經費統計年鑒》，目前該年鑒系列已經公布1995—2018年教育經費支出數據。本文使用的教育經費數據包括各地生均教育經費支出(由總的教育經費支出除以該年在校學生總數得到)、普通高等院校生均經費支出和普通中學生均經費支出，均換算成1998年價格。

其他數據包括城鎮化率、用就業占比表示的工業化結構，均來自各省市統計年鑒。表1給出了未經對數換算的樣本數據的描述性統計。

表1 樣本的描述性統計結果

五、實證分析

1.OLS回歸

(1)基準回歸。按照方程(5)，使用樣本數據對各省(自治區、直轄市)勞動生產率進行回歸估計，Hausman檢驗拒絕了原假設，因此使用固定效應模型，所有回歸均控制了時間效應和地區固定效應，教育質量數據為三年平均值(滯后期和前后兩年)，回歸結果如表2所示。第(1)至第(9)列的結果表明，產業結構“工業化”對勞動生產率有十分顯著的正向作用。從系數大小來看，產業結構對勞動生產率的邊際影響至少為0.273，這意味著在均值處，工業部門產值在非農業部門產值中的比重每提高0.01，勞動生產率將至少提高0.273%；對應的，在邊際影響上，服務業產值在非農部門產值中的比重每提高0.01，勞動生產率將至少降低0.273%。這一估計結果同“結構性減速”的觀點相符。

表2 OLS回歸結果

出口結構優化同樣對勞動生產率有顯著的促進作用。出口結構(高技術產品出口占比)每提高0.01，勞動生產率在邊際上至少提高0.047%。隨著中國勞動力成本不斷上升，以勞動密集型產品出口為主的貿易結構將不可持續，中國開始實施創新驅動發展戰略，鼓勵支持企業創新，帶動外貿出口產品向技術和資本密集型轉變優化，在全球產業鏈分工中加速從下游轉向中上游，高技術附加值產品出口占比增加，促進勞動生產率提高。

第(4)至第(9)列的結果表明，資本產出彈性在0.133—0.169間，低于其他大部分研究得到的結果。導致這一差異的可能性有：基期存量資本和固定資產投資測算不同，單豪杰未將土地、存貨投資納入固定資本投資中，因此得到的資本存量相對小，使用的折舊率不同，分省折舊率為10.96%，比其他大多數學者使用的折舊率要高；有的學者使用城市數據估計資本產出彈性；此外，樣本所定的基年不同也會導致估計結果差異。

第(5)、(6)列的結果表明，教育數量和教育質量(滯后5年)的提升對勞動生產率都有顯著的促進作用。加入交叉項后，盡管交叉項的系數對勞動生產率的促進作用仍然相當顯著，但教育數量和教育質量各自的影響不再顯著，這和模型的預測不符。主要是因為滯后5年的教育質量和教育數量并不匹配，2019年中國大陸勞動力平均年齡為38.8歲，因此使用滯后10年甚至更久的教育質量數據比較合理。使用滯后10年的教育質量數據，估計結果如第(8)和第(9)列所示，交叉項的系數為負，表明教育數量對勞動生產率的影響在一定程度上取決于教育質量：當教育質量較低時，擴大教育數量對勞動生產率的邊際影響更大；隨著教育質量的不斷提升，教育數量擴張對勞動生產率的邊際影響不斷減小。在本文樣本中,教育質量均值(對數值)為7.717，因此教育數量對勞動生產率的邊際效應為0.425>0(0.425=0.888-0.06×7.717)，即教育擴張對勞動生產率仍有促進作用。

總結OLS回歸結果，解釋變量的估計系數基本符合模型預測(除資本產出彈性偏小)。值得說明的是，盡管產業結構對勞動生產率的邊際影響較大，但從經濟意義來看，產業結構的轉變是一個長期且緩慢的過程，因此實際的影響大小還有待探究。

(2)穩健性檢驗。為了證明回歸模型的穩定性，使用替代變量對第(9)列進行重新估計。表3是穩健性檢驗結果，用第二產業從業人員占非農部門從業人員之比表示產業結構，回歸結果如第(10)列所示，對比表2第(9)列的估計結果，產業結構對勞動生產率的邊際影響并無顯著變化，但是教育質量的邊際影響降低且教育數量和教育質量交叉項的回歸系數在統計上變得不顯著。在第(11)列中，用滯后10年的普通高等學校生均經費支出作為教育質量的代理變量進行回歸，發現教育質量、教育數量和教育質量的交叉項對勞動生產率并無影響；對比之下，第(12)列中，用普通中學生均經費支出作為教育質量的代理變量，除出口結構對勞動生產率的邊際影響在統計上不顯著外，其余估計結果和第(9)列的結果十分相似。導致第(11)、(12)列的教育質量系數估計結果存在差異的可能原因是：普通高等學校的學生大多為“流動人口”，受教育地和就業地不一致。在第(13)列中，加入控制變量“城鎮化率”，主要解釋變量的估計結果相比第(9)列在統計上基本無差異。綜上，本文的OLS回歸結果比較穩健。

表3 穩健性檢驗

(3)分組回歸。本文想說明在經濟發展的不同階段，解釋變量對勞動生產率的影響是不一致的,正如部分學者指出的那樣，2010年之后，中國的經濟增長發生了“結構性減速”。將2010年作為經濟增長模式的轉折點，將樣本進行分組回歸，估計結果如表4所示。

表4 按年份分組回歸

在表4中，第(14)、(15)列為使用2010年及其之前數據的回歸結果。產業結構對勞動生產率的邊際影響變小且僅在10%的統計性水平上顯著；出口結構、教育質量對勞動生產率沒有影響；對比之下，資本投入和教育數量投入對勞動生產率的影響較大且在統計上顯著。這可能與1998—2010年期間中國勞動生產率的增長模式為要素投入驅動的粗放式增長相關。第(16)列為使用2011—2019年數據進行回歸估計的結果，其中，產業結構對勞動生產率的邊際影響為0.234，且在5%的統計性水平上顯著；出口結構對勞動生產率無明顯影響；勞均資本存量產出彈性仍然十分顯著，且邊際影響大小有所提升；對比第(17)列的估計結果，交叉項的系數減小且十分顯著，這意味著2010年以后，在教育質量(教育數量)保持不變的情況下，教育數量(教育質量)邊際生產率加快下降。整體上來看，2011—2019年期間，結構性因素對勞動生產率的影響開始提升。

2.RIF分解結果

(1)總體分解結果。在前面的分組回歸中，以2010年為分界點(分別用和作為2010年前后時期的簡稱)，回歸結果表明結構因素對勞動生產率的邊際影響有較大差異，為了更進一步地認識要素投入和結構轉變在經濟發展不同時期對勞動生產率的影響大小，接下來使用RIF分解的方法進一步分析，表5是分解結果。

表5 RIF分解結果

在表5中，到期均值的總變動為正，對均值變動的分解結果表明，特征效應對均值總變動的貢獻為73.8%，系數效應對均值總變動的貢獻為26.2%。在特征效應中，純特征效應幾乎能完全解釋特征效應的變動，這意味著不同時期解釋變量的結構變動是造成勞動生產率均值變動的主要原因。盡管純系數效應對均值變動的貢獻超過100%，但是權重分配誤差較大，導致系數效應對均值變動的貢獻總體較小。

對方差總變動的分解結果表明，系數效應導致總效應變動為負，貢獻度達到了177.88%。對系數效應進一步分解發現，純系數效應為正，但權重分配誤差較大導致系數效應為負。特征效應為正，但主要是模型設定誤差導致的。對50%分位數和10%分位數之差的分解結果表明，系數效應造成了不同時期的差異為負，而權重分配誤差解釋了系數效應為負的原因；特征效應為正，但影響較小。不同時期90%分位數和50%分位數之差為負，主要為系數效應導致，而純系數效應導致了系數效應為負；特征效應為負，但由模型設定誤差所致，純特征效應為正，對不同時期90%分位數和10%分位數之差的分解得到類似的結果。上述結果表明，時期，盡管解釋變量的結構變動會導致勞動生產率分布更加發散，但系數效應的負向影響更大，使得勞動生產率分布更加集中。

表6展現了對均值進行分解時主要解釋變量對四種效應的解釋力度。在純特征效應中，有51.43%可以由勞均資本存量變動解釋；勞動力的純特征效應為負，這與模型的預測一致；教育數量(教育質量)的純特征效應受到教育質量(教育數量)的影響，且人力資本的純特征效應為正；產業結構和出口結構對于純特征效應的貢獻非常小。在純系數效應中，24.13%由產業結構的純系數效應貢獻，1.85%由出口結構的純系數效應造成；教育數量(教育質量)的純系數效應受到教育質量(教育數量)的影響，且人力資本的純系數效應為正。簡言之，勞均資本存量主要通過特征變化(投入增加)影響勞動生產率；人力資本(教育數量和教育質量)通過特征效應和系數效應(回歸系數)影響勞動生產率；結構因素在對勞動生產率的增長影響中主要表現為系數效應，但貢獻相對較小。

表6 解釋變量對均值變動的貢獻(RIF分解)

(2)分位數變動分解。將不同分位點上的勞動生產率變動分解成四種效應，結果如圖3所示。總體上，純特征效應對總變動的貢獻最大；模型設定誤差在中部分位區域相對較小,意味著在中部分位處模型設定相對更合理，RIF估計質量更高；純系數效應對總變動的貢獻基本為正，且在勞動生產率較低的分位處貢獻更大；而權重分配誤差的表現和純系數效應相反。這些現象表明：在不同階段，解釋變量的特征變化是勞動生產率增加的主要推動力量；這也同時印證了對均值變動分解時得出的觀點。

圖3 分位數變動分解

圖4描繪了產業結構和出口結構在不同分位數上的貢獻大小。對產業結構的效應分解表明，特征效應主要解釋了總效應。產業結構的效應在低分位數上的作用為負，在高分位數上的作用為正，即產業結構的服務化轉變對高勞動生產率一側有正向作用，對低勞動生產率一側有負向作用。部分原因可能是制造業的“服務化”轉型，即國內服務替代國外服務。對出口結構的效應分解表明，出口結構的效應在低分位數處為正，在高分位數處為負，但整體上效應較小。

圖4 結構因素在不同分位數上的增長貢獻分解

六、總結與討論

在中國經濟發展邁入新階段背景下，勞動生產率對經濟的長期合理增長起著決定性作用，正確認識中國勞動生產率的增長過程將有益于深入理解新階段的經濟增長。本文在新古典增長模型的基礎上，考慮結構轉變、資本深化和人力資本對勞動生產率的邊際影響和增長貢獻。使用中國各省(自治區、直轄市)1998—2019年的數據進行OLS回歸分析，并以2010年作為經濟發展模式的轉折點，對前后不同階段勞動生產率水平和分布的變動進行RIF分解，得出以下五點結論：第一，OLS回歸結果表明，產業結構“服務化”在邊際上對勞動生產率有負向影響；RIF分解結果顯示，產業結構“服務化”主要促使處于較低分位數上的勞動生產率增長減速，對處于較高分位數上的勞動生產率有促進增長作用。第二，結合OLS估計和RIF分解結果，出口結構對勞動生產率的邊際促進作用僅發生在低分位數上，且總體效應很小。第三，相對于上一個時期(1998—2010年)，產業結構轉變階段資本產出彈性更大。分解的結果表明，資本深化是促進轉變期勞動生產率增長的最重要的力量。第四，不論是從對勞動生產率的邊際影響還是從對勞動生產率的增長貢獻來看，教育數量和教育質量都存在相互影響。第五，轉變期中國勞動生產率分布收斂，表明地區間勞動生產率的趨同，而這主要是系數效應(要素回報)形成的。

根據本文的研究結果，中國在經濟轉型期間確實經歷了一定程度的“結構性減速”，但產業結構“服務化”也有積極的一面，即促進高勞動生產率部分的增長。“服務化”是中國經濟發展在工業化后期必然經歷的過程，引導生產性服務產業發展，促進制造業向高端化發展將緩解轉變期之“經濟陣痛”。未來應更加重視人力資本在勞動生產率增長中的重要作用。教育擴張仍然對勞動生產率的增長具有積極作用，但在擴張的同時也應兼顧教育質量。

本文的研究存在一定不足之處，即本文使用的資本存量數據并沒有包括土地、存貨等投資，但在中國經濟的發展過程中，土地這一要素投入同樣發揮著重要作用，因此可能會導致低估資本產出彈性。未來可以從產業結構對不同水平勞動生產率影響的差異開始，探究中國經濟“服務化”發展的具體路徑，評估產業結構轉變對經濟增長減速的貢獻大小。