中國制造業物質生產率與價值生產率變化及收斂趨勢研究

摘 要 本文基于國泰安數據庫以及手動收集的上市公司銷售量數據，運用ACF 方法測算了2011—2019 年期間企業的物質全要素生產率（TFPQ）和價值全要素生產率（TFPR），比較了兩者的變化趨勢以及收斂情況。結果顯示，整體、分地區、分行業的TFPR 呈現先增長后下降的態勢，而TFPQ 基本表現出較平穩的增長，非國有企業和年輕企業TFPQ 明顯更大。制造業企業TFPR 整體上存在絕對β 收斂，且TFPR 絕對β 收斂的速度大于TFPQ。部分行業和地區的企業TFPQ不存在絕對β 收斂但存在條件β 收斂，行業、地區層面的企業TFPR 基本都存在絕對β 收斂。測算剔除價格因素的生產率TFPQ，并從行業、地區、企業性質等方面分別與TFPR 對比分析，能對中國制造業技術效率變化進行更直觀的審視，并有助于把握行業和地區間真實的全要素生產率水平的增長，為推動我國制造業高質量發展提供經驗證據。

關鍵詞 制造業企業;物質全要素生產率;價值全要素生產率;收斂

0 引言

當今世界正經歷百年未有之大變局，中美貿易摩擦頻繁，國際環境不斷變幻，新冠疫情在全球范圍內蔓延，我國面臨的風險和挑戰不斷上升。黨的十九屆五中全會通過的《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》中明確提出，堅持把發展經濟著力點放在實體經濟上，堅定不移建設制造強國。制造業是一國之本，也是國家發展的基石。

我國一直都是制造業大國，為了實現從制造業大國邁向制造業強國的目標，思考如何把制造業做實做強做優，著力提高制造業質量以推動高質量發展就顯得格外重要。推動高質量發展是保持經濟持續健康發展的必然要求，我國正處于轉變發展方式的關鍵階段，以往依靠資源環境和廉價勞動力的粗放型發展方式難以為繼。發展動力亟須從要素投入轉向創新驅動，經濟增長的方式也應從粗放型轉為集約型，提高全要素生產率對經濟增長的貢獻程度。提高全要素生產率是高質量發展的動力源泉，也是推動質量和效率變革的主要動力。全要素生產率是除要素投入以外引起經濟增長的重要因素，不僅能反映資源配置效率，還可以反映技術進步對經濟增長的影響，很好地度量了經濟發展的質量。

因此提高制造業全要素生產率是我國實現高質量發展的關鍵所在。為了能夠提高制造業生產效率，就有必要以“史” 為鑒，弄清楚我國制造業全要素生產率的發展和演變過程，以往對于制造業全要素的測算結果由于方法和數據的差別較大，但多數研究利用工業企業數據測算了1998—2007 年制造業TFP，發現增長率在3%～5%之間（楊汝岱，2015）。但在次貸危機之后，我國制造業TFP增長率近年來又有一定程度下降，甚至出現了負增長的情況，與美國的差距有進一步拉大的趨勢（趙玉林和谷建軍，2018）。同時，由于數據質量的原因，鮮有文章測算次貸危機之后微觀制造業企業的物質生產率，并缺乏趨勢性以及異質性的分析。因此，本文利用2011—2019 年制造業上市企業的數據，從物質生產率（TFPQ）和價值生產率（TFPR）兩個方面測算了制造業企業的全要素生產率，從全國、地區、行業等多個層面進行了發展趨勢分析，同時還著重檢驗了各層面的TFP 的收斂性，比較物質全要素生產率與價值全要素生產率的異同，全面審視了近年制造業TFP 的發展情況。

本文主要有以下兩個貢獻：第一，本文研究和分析了次貸危機之后微觀制造業企業的兩類TFP，并多角度討論了TFP 的變化和收斂趨勢，為我國制造業TFP 的發展提供了一些經驗上的證據。第二，在已有研究的基礎上，本文進一步討論了制造業企業物質全要素生產率的變化與收斂情況，并與傳統的價值全要素生產率相比較，試圖了解我國制造業真實的TFP 變化情況，為現有研究做出補充，并希望為后續研究提供一定的借鑒意義。

1 文獻綜述

在生產過程中，企業全要素生產率（TFP） 反映了平均每單位投入要素的產出水平即投入產出效率。估算企業全要素生產率有助于分析經濟增長的源泉以及對經濟增長產生貢獻的具體因素，確定經濟增長是效率型還是投入型，并探究增長是否可持續（唐未兵等，2014）。企業全要素生產率的標準定義最早由Solow（1956）提出，除傳統生產要素以外引起產出增加的部分為“索羅剩余”，即全要素生產率。此外Solow（1956） 認為在規模報酬不變和希克斯中性的條件下， 全要素生產率增長等同于技術進步率。雖然在很多文獻中用全要素生產率代表技術進步，但實際上影響全要素生產率變動的不僅是技術進步這一方面，還有組織創新、人力資本、制度、資源配置效率等其他因素。目前國內外學者主要從兩個角度探討導致中國制造業各部門全要素生產率出現差異的原因，Baqaee and Farhi（2020）發現沖擊對宏觀經濟的全要素生產率的影響可以分為兩部分，一部分為技術效應，另一部分則是資源重新配置產生的配置效率。首先，資源錯配造成的資源配置低效率會導致社會總要素生產率水平下降，Hsiehand Klenow（2009）基于異質性企業壟斷競爭模型進行分析，發現如果中國的制造業以美國為基準調整其資源配置水平，中國的整體產出水平會增加30% ～50%。Brandt et al. （2012）認為制造業企業全要素生產率增長是由于生產率高的新企業進入市場，當新企業取代退出企業時，投入要素的重新配置提高了企業的全要素生產率。戴小勇（2021） 發現轉型時期雖然中國的創新投入不斷增加，但是全要素生產率的增速是下降的，這是因為要素市場存在扭曲而抵消了創新投入帶來的影響，從而導致行業總全要素生產率下降。也有部分國內學者（龔關和胡關亮，2013;文東偉，2019） 在Hsieh and Klenow（2009） 建立的HK 模型的基礎上，測度中國制造業資源錯配的程度，并進一步探討資本和勞動配置效率改善對總體生產率增長的影響。其次，技術差異也是引起生產率差異的重要原因，一些學者（顏鵬飛和李兵，2004;李平，2016） 運用隨機前沿分析（SFA）和數據包絡分析法（DEA）測度全要素生產率的變化，并進一步將其分解為相對技術效率和技術進步，得出技術進步和技術效率是提升中國全要素生產率的重要途徑。也有部分學者認為技術進步才是拉動中國全要素生產率的主要因素，技術進步使得在原來投入要素相同的條件下產出增加，Zheng and Hu（2006） 用數據包絡分析法（DEA）測度了中國不同省份的生產率， 發現觀測期間TFP 的增長的主要依賴于技術進步， 而非技術效率。

盡管不同企業、行業、產業間會存在著生產率的差異，但跨國或地區要素流動、不同企業的進入和退出以及要素的重新配置，都會使得生產率逐漸趨同。

因此從研究企業生產率差異的角度出發，許多學者把對全要素生產率的研究拓展到對其收斂特點的分析上，現有關于制造業全要素生產率收斂檢驗的文獻基本聚焦于省際、地區層面以及行業層面。Escribano and Stucchi（2014）分析了衰退和擴張對不同生產率水平企業生產率增長的影響，并檢驗生產率較低的企業在衰退期間是否傾向于追趕生產率較高的企業，發現生產率在衰退時趨于收斂。Rodrik（2013）得出制造業的勞動生產率存在絕對收斂，而除制造業以外的其他行業均不存在收斂，展示了不同行業間收斂性的差異。在省際和地區的空間收斂研究中，彭國華（2005） 分析了1982—2002 年省際全要素生產率的收斂模式，并將其與收入的收斂模式進行對比，發現兩者的收斂模式存在很多相似之處，得出整體層面全國的TFP 不存在絕對收斂， 只有條件收斂，其次只有東部地區的TFP 存在俱樂部收斂。謝千里等（2008）分析了1998—2005 年中國的沿海、東北部、中部和西部四個主要地區的生產率水平的收斂情況，得出沿海地區和中部地區之間存在 TFP 收斂，而東北部和西部地區不存在收斂現象。余泳澤（2015）對1978—2012 年中國省際全要素生產率收斂進行檢驗，在考慮空間外溢效應之后，中國省際全要素生產率的收斂速度在加快，東、中、西部地區內部TFP 都呈現較為明顯的俱樂部空間收斂趨勢且空間外溢效應為正。此外，越來越多學者在分析TFP 收斂性時加入環境等方面的因素，例如楊翔等（2015）測算了1998—2011 年中國制造業行業的碳生產率， 發現制造業的碳生產率整體上呈現增長的趨勢，且碳生產率存在δ 收斂和β 收斂，因行業異質性的存在使行業間的收斂特征有所差異，污染類行業的絕對β 收斂速度要快于相對干凈類行業，高技術類行業的絕對β 收斂速度快于中低技術類行業。藺鵬和孟娜娜（2021）將環境污染綜合指數納入產出指標，測度了中國六大城市群2003—2018年真實綠色全要素生產率（ GTFP），得出技術效率是使得整體及各城市群的真實GTFP 增長的主要原因，從其空間收斂特征來看，雖然存在異質性，但六大城市群GTFP 增長表現出較強的空間β 條件收斂性和俱樂部趨同特征。

現有的研究由于缺乏產量數據，更多的是圍繞價值生產率（ TFPR） 進行分析，測算制造業價值全要素生產率使用的是經過行業等宏觀層面價格指數進行平減后的工業增加值或產值，而物質全要素生產率用的是真實的產量數據，同時也能看成是經過企業層面價格平減指數的工業增加值或產值。Abbott Ⅲ（1992）最先察覺使用收益衡量的生產率可能與真實生產率存在一定的差距，他發現美國制造業中同樣的產品可能會收取不同的價格，如果每家企業產品價格并不相同，那么經過行業價格指數進行平減后得到的企業產出會存在一定誤差，進而導致生產率的計算有偏誤。Foster et al. （2008）也認為之前的研究低估了企業生產率的實際差異，開創性地提出了物質生產率（ TFPQ） 與價值生產率（TFPR）的概念，并基于可獲得的產量和價格信息直接衡量物質生產率，得出基于收益的價值生產率可以分解為物質生產率和價格，物質生產率與企業層面價格負相關，而價值生產率與價格正相關。因為以往研究中生產率是用含有價格因素的價值生產率來代表的，但是價格包含著要素價格可能會與工資產生反向因果關系。Carlsson et al. （2011） 利用瑞典制造業中較為可靠的企業層面產品價格和數量的數據，測算了瑞典制造業企業的物質生產率，并探討其變化對工資的影響。在物質生產率（ TFPQ） 與價值生產率（ TFPR） 的概念基礎上，Hsiehand Klenow（2009）建立了新的分析框架，建立了HK 模型來測度資源錯配，認為不存在扭曲時，價值生產率（TFPR）應該等于物質生產率（TFPQ） 和企業產出價格的乘積，并且此時不同企業間的價值生產率（TFPR） 應該相等，最后得到存在扭曲時，可以通過價值生產率的離散程度衡量資源錯配程度的重要結論。

Kaoru et al. （2020） 拓展了HK 模型，假定企業間的價格加成是不同的，并將銷售額分解為物質全要素生產率、要素扭曲、價格加成以及包含要素價格和需求變化的常數項，最后發現相對于價格加成和要素扭曲而言，物質全要素生產率對銷售額增長具有主導作用，無形資本通過物質全要素生產率對銷售額增長有顯著影響。由于缺乏企業層面的價格和產量數據，目前關于物質全要素生產率的相關研究以及測算國內文獻還相對較少，其中最有代表性的是李旭超等（2017）沿用HK 模型來測度資源錯置程度，其中測算物質全要素生產率時由于缺少企業實際產量和企業產品價格的數據，只能根據HK 模型中物質全要素生產率公式，用產值的冪函數逼近得到物質全要素生產率的值，最后得出資源錯配使得中國企業規模分布無法與生產率分布決定的最優分布對應。

已有研究為全要素生產率與經濟發展建立了良好聯系，為了解我國經濟快速騰飛的原動力作出了理論和實踐上的貢獻。同時，行業、地區和國家間的TFP 差異也引起了許多學者的注意，從資源錯配和技術差異兩個方面分析了存在TFP 發展差距的原因，并通過TFP 的發展趨勢以及內部和空間收斂情況來具體分析TFP 的發展前景。但是過往研究存在的比較大的問題是只關注了價值全要素生產率的測算與分析，僅有少數學者開始逐漸關注物質全要素生產率。

雖然在研究價值全要素生產率時，都會對產值、增加值、中間投入等進行價格平減，但是這只能在一定程度上排除價格的變動對TFP 的影響，并沒有從根本上把價格和真實的生產率區分開，所以得到的價值全要素生產率可能并不是技術效率的合理衡量指標。因為技術的進步使得物質全要素生產率增加，往往是伴隨著價格下降的，所以價值全要素生產率會因為價格差異的存在扭曲了技術變化的測算結果。而在TFP 收斂的分析中，首先，已有的研究多是研究省際、地區或者行業間的收斂情況，沒有考慮到微觀企業個體自身的特點對收斂性結果的影響，因此所得結果的誤差可能會比較大，并且也缺少指導企業發展的現實意義;再次，已有文獻同樣也只關注了價值全要素生產率的收斂情況，并沒能考慮地區或者產業內部的價格差異，所以得到的價值全要素生產率收斂并不是真實技術效率變化情況的收斂。基于上述研究存在的不足，本文以2010—2019 年上市企業為研究對象，在國泰安企業數據的基礎上，手動收集了相關企業的產量數據，用ACF 法分別計算了企業的物質全要素生產率與價值全要素生產率，從整體上、分行業、分地區等多個層面比較它們的變化趨勢和收斂情況，旨在探究真實的企業技術效率變化，填補已有研究的空白，并為后續進一步研究物質全要素生產率打下一定的基礎。

2 研究方法與數據處理

2.1 方法說明

關于企業全要素生產率微觀層面的計算方法，常見的有OLS、GMM、ACF、OP、LP 等方法，其中普通最小二乘法、 OP 法、 LP 法和工具變量法（系統廣義矩估計） 屬于半參數估計方法。應用OLS 方法測算TFP 會出現同時性偏差和樣本選擇偏差，從而導致TFP 殘差計算不準確。OP 法旨在解決微觀數據的同時性偏差和樣本選擇偏差問題，而LP 法解決同時性偏差問題，OP 和LP 通過生產率的代理變量（投資或者中間投入） 來處理內生性，但又帶來了共線性問題，使得生產率估計有偏。為了克服OP 和LP 方法的共線性問題，剔除外生隨機沖擊的影響， 本文對基于ACF 方法估計的企業生產率以及在后文中運用Wooldridge 方法估計的生產率進行穩健性檢驗。此時，基于ACF 方法的全要素生產率模型構建如下：

其中：測算價值全要素生產率時，總產出y，原本為工業增加值，但上市公司年報并沒有公布這一數據，參照以往研究的標準（Bond and Meghir，1994），用企業的年度營業收入替代，即yijt 用平減過后的t 年j 行業中企業i 的營業收入取對數來代表，若測算物質全要素生產率，yijt 則用t 年j 行業中企業i 的銷售數量取對數代表。l 是企業雇傭人數的對數，代表勞動要素的投入。k 是企業資本要素的投入，本文使用固定資產凈額取對數代表。m 是原材料及其他中間品投入的對數形式，采用中國上市公司數據庫中企業購買商品、接受勞務實際支付現金的對數進行衡量。

2.2 數據處理與進一步說明

本文以2011 至2019 年年報中公布銷售量數據的上市制造業企業為實證研究對象，利用國泰安數據庫獲得了企業銷售額、員工人數等基本信息，并通過巨潮資訊網手動收集了企業銷量數據。根據新浪財經頻道上申銀萬國證券公司的一級行業分類（簡稱申萬一級行業分類） 劃分①，本文所選取的制造業分類包括化工、醫藥生物、家用電器、建筑材料、有色金屬、機械設備、汽車、電子、電氣設備、紡織服裝、計算機、輕工制造、鋼鐵、食品飲料等。從研究區域看，本文的樣本包括中國的 31 個省、自治區以及直轄市，不包括中國的香港、臺灣和澳門。從所有制看，分為國有企業、非國有企業。按企業年齡看，小于平均數10年的企業為年輕企業，否則為老企業①。

在得到制造業上市企業的數據集之后，我們對所有上市制造業企業進行整合，對數據進行了以下處理：首先剔除有以下幾種情況的樣本數據：（1） 為了分析跨期生產率的收斂趨勢，我們剔除了變量存在缺失以及企業上市年份在2011 年以后的樣本，以構造平衡面板數據。（2）剔除沒有報告銷售量的樣本，此外有的企業在年報中報告的銷售量實質上是銷售額，我們對此樣本也予以剔除。（3） 剔除國泰安數據中的ST、PT、ST? 企業，以及在觀測年份期間企業名稱和主營業務變更的企業。（4）借鑒肖挺（2021）的方法，剔除員工人數少于 100 人的企業。因為在員工數量較少的情況下，較小幅度的變動也可能會對 TFP 值產生較大的干擾，從而難以反映TFP 的真實變化。（4）為了較為準確地計算多產品企業的銷售量，我們剔除了主營產品營業收入占比小于50%的企業，后文會詳述具體的原因。（5） 對TFP 值高于或低于1% 極端值的企業樣本進行截尾處理。根據上述條件進行遴選后，我們最終共獲得了 473 個有效企業樣本，共4257 個觀測值。

其次對名義變量的調整：（1）由于上市企業沒有公布總產出或增加值數據，我們用銷售額來代替總產出數據，而銷售額包含了價格波動因素，無法反映實際的變化，因此本文對銷售額按照分行業的生產者出廠價格指數進行平減。（2）按現價計算的資本存量也具有價格波動因素，而無法反映其真實的規模與效益，但中國價格統計年鑒沒有分行業的固定資產投資價格指數， 本文使用全國固定資產投資價格指數對固定資產投資額進行平減。（3）中間投入用全國工業生產者購進價格分類指數進行平減，將各行業的工業中間投入與各自所屬類別的價格指數對應進行平減。

最后為了測算上市企業的物質生產率（TFPQ），我們需要找到銷售量數據。

但是同衡量實際生產數量一樣，衡量多產品企業的銷售量數據是非常復雜的，本文銷售量數據收集和處理的具體步驟如下：（1）對于生產單一產品的企業，我們直接使用報告的銷售量數據，盡可能將所有單一產品企業納入觀測樣本中以減少潛在的測量誤差。若在觀測期間雖然企業并非生產一種產品，但存在某一種產品營業收入占90%以上，我們也直接按照生產單一產品的企業來處理。（2）除了生產單一產品的企業外，大多數上市制造業企業為多產品企業，由于多產品企業生產和銷售種類十分多樣化，很可能主營產品并非一種，不能隨意加總各產品銷售量來得出總銷量，為減少誤差我們主要選取了主營產品收入占比在50%以上的多產品企業。此外，我們應該注意在投入相同的情況下生產單一企業和多樣化企業的比較，比如對于生產多種產品的企業，假設其銷售水泥的營業收入占比為80%，其生產100 噸水泥與生產單一產品的企業生產125 噸水泥的物質生產率（TFPQ）是一樣的①。因此對于生產多樣化企業的銷售量需要進一步進行調整，我們借鑒Foster et al. （2008）的方法來計算銷售量，用當年報告的銷售量除以該主營產品在企業銷售額中所占的份額，即經調整后產品A 的實際銷售量=產品A 報告的銷售量/ 產品A 的銷售額占比，這種調整方法實際上是假設每種產品的投入與收入份額成比例。

表1 是樣本的分布情況，由于在公用事業、農林牧漁、國防軍工、建筑裝飾、通信這五個申萬一級行業中，有銷售量數據企業較少，難以代表該樣本所在的整個行業，所以統一將這些企業歸為其他類別，僅在測量整體物質全要素生產率和價值全要素生產率時候會用到。根據統計，企業上市時間平均數為10. 4年，因此本文以企業上市時間10 年為界限劃分新企業和老企業。可以看到，化工、機械設備和汽車行業是樣本數最多的行業，均超過了10%，而樣本中年輕企業和非國有企業較多，并且將近一半的企業位于華東地區。

3 TFPQ 與TFPR 的測算與描述

全要素生產率可以基于實際產量測算出物質生產率（ TFPQ），也可以基于企業收入得到價值生產率（TFPR），兩者主要區別在于前者不考慮價格的因素，而后者包含了價格的影響，物質全要素生產率與產品價格呈負相關，價值全要素生產率與產品價格呈正相關。物質生產率（TFPQ）代表企業的“真實”技術效率，且是價值生產率（TFPR）的組成部分，在同等條件下企業因其技術效率高而擁有較高的價值全要素生產率水平，同時價值全要素生產率的高低也可能受到生產商所面臨需求和價格的影響（ Foster et al. ， 2008）。基于此， 本文選取2000—2019 年473 家制造業上市企業，將31 個樣本地區（不包括臺灣、澳門、香港）劃分為東北地區、華東地區、華中地區、華北地區、華南地區、西北地區、西南地區，選取申萬一級分類中化工、醫藥生物、家用電器、建筑材料、有色金屬、機械設備、汽車、電子、電氣設備、紡織服裝、計算機、輕工制造、鋼鐵、食品飲料十個行業①，運用ACF 方法估算了整體的物質全要素生產率與價值全要素生產率，并根據地區、行業、企業性質、企業年齡進行分樣本回歸分析，比較其物質全要素生產率與價值全要素生產率變化。

首先從圖1（a）可以看到全國的物質全要素生產率雖然增長趨勢較慢，但是處于一個穩中有升的狀態，從2011 年的8. 66 穩步增長至2019 年的8. 91。TFPR從2011 年的7. 04 先下降至2015 年的6. 86，然后2016 年至2019 年實現了較快的增長，年均增長率為1. 33%。這些變化可能得益于“十三五”規劃期間改革力度加大，我國深入推進供給側結構性改革，制造業轉型升級步伐加快以尋求高質量發展，制造業上市企業生產率有所上升。從分地區的角度來分析兩類TFP走勢，大部分上市企業樣本位于華東、華南、華中地區（ 占總樣本的74. 8%），因此主要分析這三個地區的生產率變化。2013 年后華東地區為價值全要素生產率平均水平最高的地區，該地區整體的價值全要素生產率水平都高于全國平均水平，但兩者變化趨勢較為相似，都是先緩慢下降至2015 年達到最小值，然后在之后的年份逐步上升。而華東地區的物質全要素生產率水平接近于全國的平均水平，兩者的走勢基本一致。華南地區是物質全要素生產率值最高的地區，其物質全要素生產率的平均值從2011 年的9. 25 增長至2019 年的9. 8。華中地區的物質全要素生產率值和價值全要素生產率值都低于全國平均水平，但其價值全要素生產率變化較大，與全國平均水平的差距在不斷縮小。華南地區物質全要素生產率值最高的原因可能在于要素配置效率較高，華南地區的四個地區都為沿海城市，一般而言沿海地區為資本凈流入地區，特別是海南省自由貿易港的建設對該地區的經濟起到了一定的拉升作用。同時在第七次人口普查數據中，廣東省作為人口增長和人口流入最大的省份，與2010 年相比人口增加了2017. 09 萬人， 2015—2019 年人口遷徙總數為304. 4 萬人，充足的勞動供給與跨區域的資本流動，提高了要素的配置效率從而減少生產效率的損失。

其次，圖2 展示了2011—2019 年十個行業的物質全要素生產率與價值全要素生產率的走勢，各行業的價值全要素生產率趨勢變化幅度都大于它們的物質全要素生產率變化，即不同行業價值全要素生產率的離散程度是大于其物質全要素生產率離散程度的。電子、家用電器、紡織服裝、建筑材料的物質全要素生產率值皆高于全國物質全要素生產率的平均水平，其中物質全要素生產率最大的行業是電子行業，物質全要素生產率從2011 年的12. 26 增長至2019 年的13. 06，而其價值全要素生產率遠小于全國的價值全要素生產率平均水平，先從2011 年下降至2012 年的最小值6. 55，然后逐年上升至2019 年的6. 92。電子行業主要生產顯示器件、電子系統組裝、電路板等元件，在同樣的勞動和資本投入下，產量多但元件價格較其他行業產品比如家用電器、電氣設備來說偏低。

同時建筑材料和紡織服裝行業作為勞動密集型行業，特別是紡織服裝行業2014年之后的價值全要素生產率水平是最低的，中國廉價的勞動力、原材料成本低以及產品技術復雜度偏低使得這兩個行業較其他行業來說價格嚴重偏低，從而拉低了它們的價值全要素生產率。家用電器行業的物質全要素生產率值為第二高的行業，其價值全要素生產率值在2012 年超越電氣設備行業之后成為價值全要素生產率最大的一個行業，家用電器行業作為技術密集型行業，產品因技術復雜度高于其他行業而價格較高，所以價值全要素生產率整體上也是高于其他行業。

最后，圖3 對于不同企業性質、不同年齡段制造業上市企業價值全要素生產率與物質全要素生產率的走勢情況進行分析，可以得到非國有企業、年輕企業的物質全要素生產率值分別高于國有企業、老企業。但是價值全要素生產率的結果相反，老企業、國有企業的價值全要素生產率值分別高于年輕企業與非國有企業。在圖3（b） 價值全要素生產率走勢圖中，年輕企業和非國有企業的走勢在2011—2016 年基本重疊，這是因為年輕企業中非國有企業占比非常大，約為83. 1%。而老企業中國有企業占比64. 9%，因此老企業與國有企業的價值全要素生產率走勢曲線也十分接近。物質全要素生產率代表著真實的技術效率，價值全要素生產率包含著價格因素不一定能準確地反映TFP 的動態。年輕企業的實際技術效率高于老企業，但是價值全要素生產率低于老企業的原因可能是年輕企業為保持市場競爭優勢通常采取低價策略，對消費者要價低會導致整體的價值全要素生產率低。國有企業與非國有企業比較，所有制不同可能會帶來所有制歧視，并且體制改革、行政權力對微觀企業運行的干預導致市場扭曲和資源錯配，國有部門的組內配置效率明顯低于非國有部門，從而使得國有企業的生產率有所損失，其物質全要素生產率小于非國有企業。因此，國企改革和其配置效率提升的必要性仍然存在，且改革應更多關注國有部門不同特質企業個體之間的資本配置機制。

4 制造業企業TFPQ 與TFPR 的收斂性分析

全要素生產率的收斂性主要有δ 收斂和β 收斂，而β 收斂又分為絕對β 收斂和條件β 收斂。δ 收斂和絕對β 收斂都屬于絕對收斂，絕對β 收斂是指企業的TFP 最終都會收斂到同一個值，而條件β 收斂認為個體并不一定擁有相同的收斂值，而是收斂于各自的穩態。以往研究多探討收入生產率（ TFPR） 的收斂情況，而并沒有關注到物質生產率（TFPQ），因此本文進一步觀察物質全要素生產率的收斂，并與價值全要素生產率的收斂情況相比較。

4.1 δ 收斂

δ 收斂通常用變異系數（CV） 來判斷，如果變異系數隨時間變小，也就是制造業企業間的TFP 差異逐漸變小，就可以說存在δ 收斂。借鑒楊正林和方齊云（2008）、滕澤偉等（2017）的方法，具體的計算公式為：

其中，i 代表企業，n 代表企業數量，tfpi 代表企業i 的全要素生產率（包括物質全要素生產率和價值全要素生產率），μ 代表均值，s 代表標準差，CV 就是變異系數。

圖4 是2011—2019 年分行業物質全要素生產率和價值全要素生產率變異系數的變化情況，表2 則展示了分行業、分地區、分企業性質以及年齡的變異系數年均變化率。從圖4（a）可以看到制造業分行業物質全要素生產率的變異系數隨時間基本沒有變化，但是需要注意的是，由于行業間物質全要素生產率的變異系數差別較大，因此圖4（a）的縱軸刻度也比較大，各個行業內部的變異系數變化趨勢并不容易觀察。結合表2 中物質全要素生產率的變異系數年均變化率，可以看到雖然物質全要素生產率的變異系數逐年變化很小，但是在樣本期內多數行業（70%）的物質全要素生產率變異系數年均變化率都小于0，除家用電器、建筑材料、汽車行業之外的多數行業的物質全要素生產率存在δ 收斂。

同時，我們發現價值全要素生產率變異系數的變化明顯大于比物質全要素生產率。結合圖4（b）和表2，發現除有色金屬行業和電子行業外基本所有行業的價值全要素生產率存在δ 收斂，有色金屬行業在2015 年左右變異系數有比較大的上升，雖然后幾年有一定減小，但整體的趨勢依舊是發散的。與物質全要素生產率的變異系數相比，制造業企業價值全要素生產率的差異比較小，表明價格會一定程度上削弱企業價值生產率的差別。并且同一個行業的物質全要素生產率與價值全要素生產率的收斂性也會存在差異，比如有色金屬行業物質全要素生產率存在δ 收斂（-1. 153%），而價值全要素生產率是明顯發散的（4. 462%）。

除分行業外，本文進一步分析了分地區、分企業性質以及企業年齡的變異系數變化情況。圖5 是分地區的兩類TFP 變異系數趨勢圖，比較圖5（a）與圖5（b），我們發現與分行業的變異系數相似，分地區物質全要素生產率的變異系數普遍比價值全要素生產率的變異系數更大，且地區間的差別也更大。全國層面物質全要素生產率的變異系數變化不明顯，但有向下的趨勢，分地區物質全要素生產率的變異系數整體上比較平穩，其中東北地區以及西南地區收斂幅度較大，結合表2 可知，兩者年均下降比率分別為-2. 771%和-0. 905%。價值全要素生產率的變異系數變化最明顯的是東北地區（ -2%）和華北地區（ -1. 085%），但是與物質全要素生產率不同，西南地區價值全要素生產率變異系數的變化率為正值（1. 494%），表明西南地區內部的價值全要素生產率是發散的。圖6 是分企業性質和企業年齡的TFP 變異系數變化趨勢，可以看到物質全要素生產率和價值全要素生產率存在明顯的差別，價值全要素生產率的變異系數都是在減小，存在δ 收斂，而物質全要素生產率存在異質性，非國有企業和年輕企業變異系數不斷減小，存在δ 收斂，而國有企業和老企業是發散的。結合表2 可以看到，國有企業和老企業的價值全要素生產率的收斂速度更快（ -1. 029%和-1. 427%），這與物質全要素生產率的變異系數變化存在較大的差別。

綜上所述，從各個分類來看，物質全要素生產率組內的變異系數比價值全要素生產率更大，且組間的物質全要素生產率變動幅度也更大，這主要是因為物質全要素生產率是剔除了價格之后的真實生產率，即使是在投入相當的情況，不同產品間的生產成本和技術復雜度差異很大，從而企業間的產量會存在比較大的差別，所以相應的變異系數也會更大。并且，物質全要素生產率與價值全要素生產率的收斂性及收斂速度也存在比較大的差別，一方面樣本數量的不足可能會使得變化趨勢結果存在一定的偶然性，像樣本量較多的化工行業以及華東地區，他們的物質全要素生產率和價值全要素生產率的收斂性結果就比較類似。同時，組內的價格差異過大也是造成物質全要素生產率和價值全要素生產率的收斂性差異的重要的原因，比如國有企業和老企業。當然簡單的變異系數變化趨勢更多的是直觀描述性地刻畫收斂性，對于存在的收斂性差異需要進一步定量分析。

4.2 絕對β 收斂

絕對β 收斂多用于地區經濟研究，指落后地區的經濟發展要比發達地區更快，無論初始狀態如何，最終都會收斂到同一水平。隨后許多學者把這一概念應用到TFP 的研究中，考察行業、地區內的TFP 是否會趨同，收斂到同一水平。

早期研究多用樣本期內的期末TFP 減去期初TFP 來計算TFP 增長情況，再跟基年TFP 回歸得到收斂系數，這種方法相當于構建了一年的截面數據，遺漏了中間年份的數據，并不能很好地捕捉個體TFP 的變化趨勢。因此在后續的研究中，有學者考慮到TFP 變化率對時間段的敏感性，把整體樣本分為幾個時間段分別估計，或者在不同時間段內求均值再利用期初和期末的兩個時間段估計，但是這些方法依舊沒能很好地解決遺漏數據以及不符合發展趨勢的問題。本文在此基礎上，選擇時間間隔為1 年，用企業相鄰兩期的TFP 變化作為TFP 增長，并與前一期TFP 回歸，得到收斂系數，從而克服了上述問題，具體的回歸方程如下：

表3 是物質全要素生產率與價值全要素生產率絕對β 收斂的回歸結果，由于篇幅的限制，本文只報告了β 值和t 值，并手動計算了收斂速度λ。從收斂性上看，物質全要素生產率和價值全要素生產率在全國層面存在絕對β 收斂，表現為TFP 較低的企業TFP 增長速度更快，不斷追趕高TFP 企業，最終實現趨同。在不同行業內部，家用電器、建筑材料和汽車行業的物質全要素生產率不存在絕對β 收斂，而只有有色金屬行業的價值全要素生產率不存在絕對β 收斂。這一結果與前文的δ 收斂結果基本一致，物質全要素生產率存在絕對β 收斂的行業一定是δ 收斂的，但是電子行業價值全要素生產率存在絕對β 收斂而不存在δ 收斂。分地區的價值全要素生產率都存在絕對β 收斂，但是華北、華南和西北地區物質全要素生產率收斂系數為正，表明并沒有發生分地區內部物質全要素生產率趨同現象。最后國有企業和非國有企業、年輕企業和老企業β值都顯著為負，內部都存在絕對β 收斂。

從收斂速度上看，不管是整體還是分類別，價值全要素生產率的收斂速度都要比物質全要素生產率快。分行業來看，化工、電氣設備和有色金屬行業物質全要素生產率的收斂速度是最快的，而家用電器、機械設備和電氣設備行業的價值全要素生產率收斂最快;分地區來看，華中地區物質全要素生產率的收斂速度相對較大，東北和西南地區物質全要素生產率雖然也是收斂的，但顯著性不高，因此收斂速度可能沒有很大的參考價值，而東北地區的價值全要素生產率的收斂速度是最大的;從企業性質和年齡上看，國有企業的物質全要素生產率收斂速度相對較快，而非國有企業的價值全要素生產率收斂較快，同時年輕企業與老企業的收斂速度則沒有明顯差別。

結合前文δ 收斂的分析結果，本文發現不管是物質全要素生產率還是價值全要素生產率，絕對β 收斂和δ 收斂都存在一定差異，這可能是由于不同企業個體間的生產率差異不僅與初始條件有關，造成低生產率企業的增速更快，追趕高生產率企業，還與個體間隨時間變動以及所處環境的外在因素有關（Miketaand Mulder， 2005）。而對比物質全要素生產率和價值全要素生產率，本文發現不管是在收斂性，還是在收斂速度上，兩者都存在比較大的差別，許多行業和地區價值全要素生產率存在絕對β 收斂，而物質全要素生產率并不存在收斂。這可能跟企業間物質全要素生產率離散度比較高，不同企業及行業的成本以及技術水平存在比較大的差別有關，使得物質全要素生產率并不能收斂于同一水平。而物質全要素生產率高的企業產品價格相應會更低，因此企業間價值全要素生產率并不會像物質全要素生產率那么分散，反而分布更加集中，并且在不存在資源錯配的情況下，理論上所有企業價值全要素生產率都是相同的，因此價值全要素生產率的絕對β 收斂會更加明顯。而考慮到企業個體差異對收斂性的影響，絕對β 收斂往往不能實現，所有企業并不一定能收斂到同一個水平，更有可能的是收斂到各自相應的水平，因此，接下來需要檢驗條件β 收斂。

4.3 條件β 收斂

與前文絕對β 收斂強調TFP 收斂到同一水平不同，條件β 收斂考慮了企業個體之間的異質性，由于不同企業擁有不同的特征，因此并不會全體最終達到同一穩態，而是不同個體收斂到各自的穩態。已有的研究為了控制個體的特征，多在絕對β 收斂的基礎上，采用面板固定效應來估計條件β 收斂的結果，通過控制個體固定效應來捕捉個體間的差異。但是簡單的雙向固定效應只能控制不隨時變的變量以及時變的宏觀變量，并不能控制隨時間變化的個體特征變量，所以在此基礎上，需要加入影響企業TFP 增長的微觀控制變量。綜上所述，本文采用雙向固定效應，并控制個體特征變量來估計條件β 收斂，具體形式如下：

表5 是物質全要素生產率條件β 收斂的回歸結果。首先，從回歸系數上看，加入了個體和時間的固定效應之后，不管是全樣本還是分不同異質性討論，β 都是在1%水平上負顯著的，說明企業物質全要素生產率的增長隨著前一期物質全要素生產率的增加而減慢，存在條件β 收斂，收斂于各自的穩態水平。從收斂的速度上看，全樣本的企業收斂速度平均為0. 9162，與絕對β 收斂相比，收斂速度更快，并且分行業、地區等的結果也類似。分行業看，收斂最快的行業分別是機械設備、電氣設備和家用電器，這與絕對β 收斂的結果有一定差異，不存在絕對β 收斂的行業，比如家用電器，存在條件β 收斂，而且收斂速度較快。分地區看，東北、華北和華東地區收斂最快，考慮到將近50%的樣本屬于華東地區，因此華東地區的收斂結果更加具有代表性。同時，相對于非國有企業和年輕企業，國有企業和老企業的收斂速度更快，與絕對β 收斂的結果比較一致。

本文在回歸中加入了可能會影響企業TFP 變化的控制變量。可以看到，企業規模和資產收益率整體上會促進企業生產率的增長，企業規模越大，資產收益率越高，企業物質全要素生產率的增長越快，這可能是因為企業規模大的企業存在規模經濟，企業的平均成本相對較低，同時也會獲得更多的行業和政府資源，從而提高企業TFP（Kim， 2018;胡海峰等，2020）。而資產收益率高代表著盈利能力強，展現了良好的企業發展狀況，因而同樣更容易獲得外部資源，放松借貸約束，擁有充足的自主研發創新，從而提高TFP。從系數上看，整體層面企業資產負債率和股權集中度對物質全要素生產率變化的影響并不明顯，并且對不同組別的影響方向也并不一致。雖然從全樣本看企業年齡和所有權性質對物質全要素生產率增長的影響并不顯著，但是分項影響方向比較一致，且顯著的系數多是負向顯著，說明企業年齡越大以及所有制為國有性質的企業會一定程度上不利于物質全要素生產率增長。

企業價值全要素生產率的條件β 收斂結果如表6 所示。從收斂性上看，不管是全樣本還是分樣本，企業都存在條件β 收斂，β 系數基本處于-0. 5 至-0. 7之間，說明各個行業、地區等的收斂情況類似，其中食品飲料行業以及東北地區的收斂系數比較大，收斂速度分別為1. 328 和2. 2349。這一結果與價值全要素生產率的絕對β 收斂結果類似，不過條件β 收斂的速度普遍要比絕對β 收斂快，并且行業、地區間的差異也更小，并且樣本數比較多，其中代表性較強的機械設備行業和華東地區，他們的收斂性和收斂速度都與全樣本結果很接近。從不同企業性質和年齡上看，企業都存在價值全要素生產率的條件β 收斂，并且收斂的速度也比較接近，只是非國有企業和老企業的收斂速度更快，這也與絕對β 收斂的結果一致的。

其次，從控制變量的影響上看，企業規模和資產收益率會顯著提高企業價值全要素生產率的增長，并且從分樣本回歸結果看，資產收益率對價值全要素生產率的影響更大。但與價值全要素生產率的控制變量結果不同的是， 企業資產負債率和企業年齡會對企業價值全要素生產率增長有抑制作用，過高的資產負債率不利于企業發展，資產負債率過高會增加企業利息成本，降低企業利潤，因此無法積極參與創新活動，并且會降低企業抗風險能力，從而不利于企業長期發展（張杰，2019）。而是否為國有企業以及股權集中度對企業TFP 增長沒有顯著的影響。

與物質全要素生產率的條件β 收斂結果相比，全樣本的價值全要素生產率收斂系數基本沒有差別，從分樣本回歸結果看，系數方向以及顯著性都是一致的，不過價值全要素生產率的系數差異更小，這與以產量計算的物質全要素生產率離散程度更高有關，不同行業、地區企業產量的差異，造成了差異性的收斂速度。這表明以物質全要素生產率衡量的技術效率的收斂速度在行業、地區、不同產權性質以及不同年齡間的差異較大，但是價值全要素生產率的收斂并沒有明顯異質性的表現。這可能是因為各個組別內部的技術效率基礎差異就很明顯，在內部差異明顯的行業或地區，隨著競爭的加劇，技術效率變化的幅度更大，因此技術收斂的速度也更快。而價值全要素生產率包括了物質全要素生產率與價格，產品價格往往是存在剛性的，雖然企業技術效率有所改變，但是短時間內價格并不會有很大變化，因此價值全要素生產率的收斂并沒有表現出物質全要素生產率差異性的收斂速度，行業、地區間的收斂速度都比較相似。

5 穩健性檢驗

5.1 WRDG 法、LP 法分別再次測算TFP

本文使用ACF 法來測算企業的物質全要素生產率與價值全要素生產率，在OP 與LP 法的基礎上，ACF 放松了假設條件，把勞動力投入引入到中間投入的函數中，解決了OP 和LP 兩步估計法在一階段估計勞動產出彈性時可能存在的嚴重共線性問題，因此提高了計算準確性。Wooldridge（2009） 則提出可以用廣義矩估計（GMM）來解決內生性及共線性問題，與ACF 法相比，WRDG 法克服了ACF 提出的在第一步估計中存在的內生性問題，并且在考慮序列相關和異方差的情況下，能夠得到穩健標準誤。因此，本文用WRDG 法測算企業TFP，并討論收斂性，來檢驗本文結果是否穩健，同時也用LP 法來測算企業TFP 與基準結果相比較。表7 和表8 分別是LP 法和WRDG 法測算的物質全要素生產率的總體和分行業的絕對β 收斂和條件β 收斂的結果，由于篇幅的限制，沒有展示分地區、企業性質和企業年齡的結果，同時也省略了價值全要素生產率的結果。

回歸結果顯示，不管是絕對β 收斂還是條件β 收斂，WRDG 測算的物質全要素生產率的收斂結果與ACF 并沒有很大差別，特別是條件β 收斂結果基本一致。

5.2 剔除控制變量

在條件β 收斂的分析中，本文在控制時間和個體雙固定效應的前提下，還控制了一些會對TFP 產生影響的企業層面控制變量，但是也有研究指出，在控制了個體固定效應的前提下， 不需要再加入其他控制變量（ Miller andUpadhyay，2002;肖挺， 2021），加入太多的控制變量可能會存在過度控制等問題。因此，本文同時也考察了不加入控制變量，只進行雙向固定效應的條件β收斂情況，結果如表9 示。可以看到，與上文的結果相比，系數的方向和顯著性都沒有發生改變，只是整體上有些許減小，收斂速度有一點改變。根據這一結果可知，在分析條件β 收斂時，是否有加入控制變量對結果沒有很大影響。

5.3 一階差分GMM 估計

在分析條件β 收斂時，本文使用了許多學者選擇的雙向固定效應模型，但是對于面板數據來說，雙向固定效應模型可能會存在遺漏變量，雙向因果等內生性問題。針對這一可能存在的問題，主流的做法是采用一階差分廣義距估計法來解決。本文研究的是滯后的TFP 對企業TFP 增長的影響，因此可以實施一階差分GMM 來估計，通過一階差分去掉固定效應的影響，然后用一組滯后的解釋變量作為相應變量的工具變量（Arellano and Bond， 1991）。回歸的結果表10中報告了系數β、t 值、AR（2）、Hansen 值以及Hansen 的p 值，由于篇幅限制，這里只報告了物質全要素生產率的條件β 收斂結果。表中的系數顯示存在條件β收斂的結果依舊是存在的，不過系數大小變化更大，同時AR（2）以及Hansen 檢驗的結果顯示基本不存在序列自相關以及工具變量過多問題。而個別幾個分樣本結果沒通過檢驗可能與樣本的數量不足有較大關系，但是整體上看，利用一階差分GMM 得到的結果與基準結果差別不大，所以條件β 收斂的結果是比較穩健的。

6 結論與政策啟示

中國正在進入一個全新的階段，增長速度、經濟結構和發展動力都需要進行調整與重塑，尋找新的增長點和競爭力迫在眉睫。從根本上講，就是需要提高微觀企業層面和宏觀加總層面的全要素生產率（ TFP），以新供給開發新需求，以新技術追求新利潤，而作為制造業強國，如何提高制造業的TFP 是重中之重，是實現經濟高質量發展的根本。本文基于2011—2019 年上市制造業企業的數據及手動收集的企業銷量數據，系統分析了全國、分地區、分行業、分企業性質以及企業年齡的物質全要素生產率與價值全要素生產率的變化趨勢，同時還從δ 收斂、絕對β 收斂以及條件β 收斂三個層面分析了企業全要素生產率的收斂情況，并著重比較了企業物質全要素生產率與價值全要素生產率變化趨勢以及收斂情況的異同。本文主要有以下發現：首先，從TFP 變化趨勢來看，上市制造業企業整體物質全要素生產率在樣本期內穩步上升，地區內部物質全要素生產率變化略有波動，但總體變化不大。

而分行業的物質全要素生產率基本保持穩步上升的趨勢，同時企業性質和年齡對物質全要素生產率影響較大，非國有企業和年輕企業物質全要素生產率明顯更大，呈現波動式上升。然而上市制造業企業價值全要素生產率的變化與物質全要素生產率有比較大的不同，不管是從整體、分地區、分行業以及所有制來看，價值全要素生產率大致的變動趨勢基本是在2011 至2015 年逐步下降，2015年后再持續上升。這一變化可能得益于“十三五”規劃期間改革力度加大，制造業為追尋高質量發展轉型升級步伐加快，從而導致制造業上市企業生產率有所上升。

其次，從TFP 的δ 收斂性來看，上市制造業整體上存在一定的δ 收斂，但是地區和行業之間的收斂性差異較大。相對于價值全要素生產率來說，物質全要素生產率的變異系數更大，但是其變異系數的變化率更小，這表明企業物質全要素生產率的地區或者行業內部差異較大，但是隨時間變化較慢。與TFP 變化趨勢相同，非國有企業和年輕企業物質全要素生產率存在δ 收斂，而國有企業和老企業的價值全要素生產率存在δ 收斂，這說明國有企業之間和老企業之間的技術效率差距沒有縮小，需要進行去國有企業改革和提升老企業配置效率。

最后，從TFP 的β 收斂性來看，上市制造業企業物質全要素生產率和價值全要素生產率整體上存在絕對β 收斂，但是物質全要素生產率的絕對β 收斂性在行業、地區間存在比較大的差異，有部分行業和地區不存在絕對β 收斂，價值全要素生產率則不管是哪個行業、哪個地區基本都存在絕對β 收斂。同時，國有和非國有、年輕和老企業都存在絕對β 收斂，比較收斂速度可以看到，物質全要素生產率的收斂速度整體上比價值全要素生產率慢很多。進一步的條件β收斂結果顯示，雖然有些行業和地區不存在絕對β 收斂，但是都存在條件β 收斂，收斂于各自的穩態，并且條件β 收斂的速度比較穩定，相較于價值全要素生產率，物質全要素生產率的收斂速度差異更大。與絕對β 收斂比較，條件β 的收斂速度要大很多，這說明相對于整體統一性穩態，收斂于各個穩態的速度更快。

基于上述結論，本文得到如下政策啟示：第一，上市制造業企業TFP 近年來穩步上升，華東地區和華南地區等發達地區制造業企業TFP 處于領先地位，但地區間的TFP 差異很大，地區間技術水平發展很不平衡，并且地區內部的差異明顯，許多地區收斂趨勢并不明顯，因此需要加快技術的轉移和共享，促進全面發展。第二，根據物質全要素生產率與價值全要素生產率結果的比較，與傳統結果不同的是，國有企業的真實TFP 可能并不高，并且內部收斂緩慢，這與國企內部制度僵化、革新動力不強以及產權制度不明晰等有很大的關系。因此一方面需要加快改革步伐，調動國有企業創新熱情，充分發揮國有控股的資本力量，另一方面應該合理資源分配，給高效率的非國有企業投入更多資金，為新興企業發展提供保障，發揮好微小企業“鯰魚效應”的作用，為市場提供活力。第三，企業、行業、地區間的異質性導致條件β 收斂更加明顯，收斂速度更快，因此在制定相關政策時，應充分考慮異質性的存在，根據各自特征調整政策內容，對癥下藥，充分發揮政府對市場的引導作用。

需要指出的是，本文也存在一定的不足。首先，本文使用的上市制造業企業的樣本量較少，而且能多大程度上代表制造業整體情況需要進一步討論，數據樣本的不夠可能會導致本文的結論代表性不足，因此后續可能需要進一步擴充樣本容量。其次，中間品投入雖然用全國工業生產者購進價格分類指數來平減，但沒有辦法做到精確平減。最后，使用微觀數據衡量物質全要素生產率會存在一些困難，由于微觀數據缺乏這項研究所需的詳細生產信息，銷售量數據較少，我們能獲得的企業樣本有限，雖然我們盡可能囊括了符合本文要求的數據，但是仍存在一些誤差，比如樣本選取的某一行業內部產品差異較大，所測算的物質全要素生產率可能沒有反映真實的物質產出，因此如何獲取更精確的銷量信息，并通過同質性產品來更準確地測算物質全要素生產率是在后續的研究急需解決的問題。

參考文獻

戴小勇. 2021. 中國高創新投入與低生產率之謎： 資源錯配視角的解釋[ J]. 世界經濟， 44（3）： 86-109.

龔關， 胡關亮. 2013. 中國制造業資源配置效率與全要素生產率[ J]. 經濟研究，（4）： 4-15， 29.

胡海峰， 竇斌， 王愛萍. 2020. 企業金融化與生產效率[ J]. 世界經濟， 43（ 1）：70-96.

李平. 提升全要素生產率的路徑及影響因素———增長核算與前沿面分解視角的梳理分析[J]. 管理世界，2016（9）： 1-11.

李旭超， 羅德明， 金祥榮. 2017. 資源錯置與中國企業規模分布特征[J]. 中國社會科學，（2）： 25-43.

藺鵬， 孟娜娜. 2021. 綠色全要素生產率增長的時空分異與動態收斂[ J]. 數量經濟技術經濟研究， 38（8）： 104-124.

彭國華. 2005. 中國地區收入差距、全要素生產率及其收斂分析[ J]. 經濟研究，40（9）： 19-29.

唐未兵， 傅元海， 王展祥. 2014. 技術創新、技術引進與經濟增長方式轉變[J]. 經濟研究， 49（7）： 31-43.

滕澤偉， 胡宗彪， 蔣西艷. 2017. 中國服務業碳生產率變動的差異及收斂性研究[J]. 數量經濟技術經濟研究， 34（3）： 78-94.

文東偉. 2019. 資源錯配、全要素生產率與中國制造業的增長潛力[J]. 經濟學（ 季刊）， 18（2）： 617-638.

肖挺. 2021. 中國服務業全要素生產率變化及收斂趨勢研究———基于上市企業的經驗證據[J]. 財貿研究， 32（4）： 28-43.

謝千里， 羅斯基， 張軼凡. 2008. 中國工業生產率的增長與收斂[ J]. 經濟學（ 季刊）， 7（3）： 809-826.

顏鵬飛， 王兵. 2004. 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， 39（12）： 55-65.

楊汝岱. 2015. 中國制造業企業全要素生產率研究[J]. 經濟研究，50（2）： 61-74.

楊翔， 李小平， 周大川. 2015. 中國制造業碳生產率的差異與收斂性研究[J]. 數量經濟技術經濟研究， 32（12）： 3-20.

楊正林， 方齊云. 2008. 能源生產率差異與收斂： 基于省際面板數據的實證分析[J]. 數量經濟技術經濟研究， 25（9）： 17-30.

余泳澤. 2015. 中國省際全要素生產率動態空間收斂性研究[J]. 世界經濟， 38（10）：30-55.

張杰. 2019. 負債率如何影響生產率———基于中國工業部門U 型關系的一個解釋[J]. 財貿經濟， 40（3）： 68-83.

趙玉林，谷軍健. 2018. 中美制造業發展質量的測度與比較研究[J]. 數量經濟技術經濟研究，35（12）： 116-133.