基于全要素生產理論對數字經濟新動能的測度

高暢 韓海波 魯文夢

摘 要：全要素生產率與產業高質量發展密切相關，數字經濟作為一種新型生產要素，已與勞動、資本、技術進步等投入要素并列。為了對我國數字新動能進行統計測度研究，本文采用DEA—Malquist指數法測算全要素生產率，并對其進行分解，測算數字新動能對其的貢獻程度；采用索洛殘差與DEA—Malquist指數相結合的方法對照分析全要素生產率及其變化趨勢，構建包括勞動、資本和數字經濟指標的三要素C-D生產函數模型測算我國2012—2019年的全要素生產率，再與兩要素的C-D生產函數模差值得出殘差便可以解釋為數字經濟給我國產出帶來的影響。結果顯示，運用索洛殘差法得到2012—2019年我國全要素生產率變化趨勢與運用DEA-Malmquist指數法得到的結果大致相似，即數字經濟全要素生產率趨勢自2011年逐年增加，且增速較快。當前，數字經濟已融入人們的生產生活中，且不斷提升，但全要素生產率在各個地區間存在一定的差異。

關鍵詞：數字經濟；全要素生產率；DEA-Malquist指數；索洛殘差；科布道格拉斯生產函數

本文索引：高暢，韓海波，魯文夢.<變量 2>[J].中國商論，2023（07）：-004.

中圖分類號：F124 文獻標識碼：A 文章編號：2096-0298（2023）04（a）--04

1 緒論

隨著全球經濟的飛速發展，許多國家越來越重視數據及人工智能對全社會未來的影響，發展數字經濟已成為一項重要課題且引起無數學者的關注。本文從全要素生產理論角度，對數字經濟的問題進行了深入研究，探索數字經濟的新動能。

1.1 研究背景

2019年，G20國家的數字經濟都有著不同程度的增長。從國家層面來看，美國數字經濟規模最高，以13.1萬億美元居首位，中國位居第二、德國第三名、日本第四名和英國第五名。在數據信息時代，發展數字經濟已成為各國在國際中爭奪話語權的有力手段。如今我國面臨初生兒生育率下降、人口老齡化等問題，傳統勞動力要素對經濟的貢獻程度逐漸收縮。1998年4月，美國商務部正式提出了數字經濟概念，《新興的數字經濟》報告中提出的這一理論迅速引起各國的重視。近幾年，許多國家在重要的國際會議上更是頻繁地引入數字經濟等相關議題。由于國情不同，我國數字經濟方面的研究相對美國起步較晚，直至2010年之后，數字經濟研究范圍才有所擴大。數字經濟在很大程度上改變了我國經濟的生產、消費和分配模式，給人們提供了更高效的經濟運作模式。

1.2 國內外研究現狀

數學家科布（C.W.Cobb）和經濟學家道格拉斯（Paul H. Douglas）在20世紀30年代提出了傳統的科布道格拉斯生產函數，在一般的生產函數形式下引進技術進步這一因素來探究投入與產出的關系。20世紀60年代，美國著名經濟學家肯德里克提出全要素生產率的概念（簡稱TFP），反映在生產過程中無法被定量分析的那些復雜要素對生產率的貢獻，如技術進步、人力資本等。隨著計算機的普及及網絡的覆蓋，數據已經成為一項重要的生產要素而與資本及勞動等并列對產出進行分析（王磊，2020）。范合君、吳婷（2020）對中國數字化的程度進行了系統測算并構建有關數字經濟的指標體系。焦帥濤、孫秋碧（2020）研究我國數字經濟發展與產業結構升級間的聯系。許憲等（2021）系統研究了數字化轉型背景下中國經濟社會統計應用面臨的風險與挑戰。楊慧梅、江璐（2021）從生產率高低與區位優勢兩個方面，克服內生性等問題，系統闡釋數字經濟對全要素生產的影響。前人文獻證明了數字經濟這種新的要素不僅提高了本地區的全要素生產率，還對周圍地區有著明顯的溢出效應，本文對我國繼續探索新的經濟增長路徑提供了理論支撐與政策參考。

2 研究設計

2.1 研究方法

2.1.1 DEA—Malmquist指數法

本文構建了t至t+1期的Malquist指數，即

其中，和表示在t期和t+1期的技術下t時期的距離參數；和表示在t期和t+1期的技術下t+1時期的距離函數。

DEA－Malmquist（Tfpc）指數在以規模收益不變的前提下可以分解為兩方面。一方面是技術效率變化指數（Effch），另一方面是技術進步指數（Techch）。技術效率變化指數可進一步劃分為純技術效率變化指數（Pech）和規模效率變化指數（Sech），表示公式為：

2.1.2 索洛殘差法

索洛殘差法簡單來說，就是根據生產函數，利用產出的增長率減去各個基本要素增長率后得到的差值，即全要素增長率。C-D生產函數表達式為，由于假定規模報酬不變（α+β=1），則公式可變換為：

假定技術進步水平系數At保持不變，Yt為實際產出，Kt為實際資本投入，Lt為實際勞動投入。公式（4）為C-D生產函數兩邊分別取對數的形式；公式（5）中t代表全要素生產率增長率，b代表實際資本增長，c代表勞動增長，α為公式（4）線性回歸所得估計出的系數，代表實際資本的產出彈性系數，β為實際勞動力的產出彈性系數。

2.2 數據來源及指標選取

2.2.1 數據來源

本文遵循科學性、可靠性、全面性等原則，從經濟發展角度，選取我國各地區生產總值、固定資本形成總額、勞動就業人數、規模以上工業企業研究與實驗發展（R&D）經費支出和能源的數據。省級層面的數據由于規模以上工業企業的R&D經費支出公布不全，本文進行填補后生成2011—2019年29個省份（不含新疆、西藏）的面板數據。數據來自國家統計局、《中國科技統計年鑒》《國家統計年鑒》、各省份統計年鑒等。

2.2.2 指標選取

（1）產出（Y）。為了實現全要素生產率的測算與分解過程，將各地區的國內生產總值作為產出指標，且根據GDP平減指數調整為以2001年為基期的各地區的實際生產總值。

（2）資本投入（K）。資本投入大多用資本存量表示。使用各省份固定資本形成總額，將其折算為資本存量。本文參考大多數文獻的做法，定折舊率為5%，以2002年為基期。

（3）勞動投入（L）。使用各地區城鎮就業人數來衡量。

（4）科學技術投入。結合數據的相關性和可獲得性，選取規模以上工業企業研究與試驗發展（R&D）經費支出作為衡量科技進步的一種生產投入。

3 實證分析

3.1 DEA-Malmquist指數法測算全要素生產率

經Stata16測算結果顯示，2011—2019年我國29個省份中，有28個省份的數字經濟在全要素生產率上均有不同程度的增長，其中云南、福建、浙江和貴州增長幅度較大。河南省是數字經濟全要素生產率唯一呈負增長的省份。由表1可以看出，浙江的技術效率呈現下降趨勢。數字經濟對各省技術效率在空間上的差異較為顯著，存在區域異質性，其中甘肅、青海、寧夏、海南、重慶、湖南、廣東、江西、山東、河南、河北、山西、吉林和黑龍江的數字經濟規模效率均呈下降趨勢，北京、上海和四川的數字經濟規模效率保持不變，其余省份均上升，如表1所示。

3.2 索洛殘差法測算全要素生產率

3.2.1 構建三要素的C-D函數模型

通常使用C-D模型作為生產函數的具體表現形式，除去已有的資本和勞動力要素，如將規模以上工業企業R&D經費支出作為第三種要素投入，我國產出對應的生產函數為：

Yt=At KαLβRγ ? （6）

其中，t代表時期，Yt代表地區生產總值；At為希克斯中性技術系數，由于技術系數可能隨時間變化，因此把技術的具體形式設定為At=A0ebt，用來反映廣義的技術進步。K、L、R分別代表資本存量、勞動力和數字經濟的投入。A0、b均為常量，α、β、γ分別代表資本、勞動力和規模以上工業企業R&D經費支出的產出彈性。取自然對數后，由于索洛殘差法需假定規模收益不變，則α+β+γ=1，公式（6）變為：

（7）

此時，可以大致理解為全要素生產率增長等同于技術進步率。利用基于最小二乘法的回歸方程可以得到A0、b、β、γ的估計，運用公式即可得到α，從而求出，t1～t2年的TPE增長率為。

但需要明確的是，在實際情況中，并不一定滿足理想化規模收益α+β+γ=1假設條件，因此在具體測算之前需對這一前提進行檢驗，使用Wald方法檢驗，結果如表2所示。

表2 三要素模型Wald檢驗結果

原假設 F統計量值 P值

α+β+γ=1 0.05 0.8172

OLS回歸結果顯示，F統計量的P值大于0.05，表明在5%的顯著性水平上不能拒絕原假設，因此我國的生產函數在2012—2019年表現為規模報酬不變。對公式（7）進行約束條件為γ=0的Wald檢驗，F統計量值為120.63，P值為0.000，表明當不加入規模以上工業企業R&D經費支出時，模型的解釋能力明顯減弱，此時拒絕原假設。模型中需要保留R&D經費支出變量，使用Stata軟件對公式（7）進行OLS回歸分析，結果如表3所示。

3.2.2 構建兩要素的C-D函數模型

我國數字經濟產出對應的生產函數為：

解釋同三要素模型，當規模收益不變時，有α+β=1，公式（8）變為：

此時，全要素生產率的增長率等于其他復雜因素如數字經濟、技術創新帶來的產出增長。Wald檢驗中，F值為86.02，P值為0.011，在顯著性為1%的情況下接受規模收益不變假設。用OLS方程對數數據的擬合結果較好，可將各參數的估計值帶入相關的公式中即可求得兩要素2012—2019年數字經濟的TFP，如表5所示。從TFP增長率正負波動來看，兩要素模型在2016年出現過TFP迅速下降的情況，而三要素模型在2012—2019年一直呈遞增趨勢。兩種模型均顯示2016—2018年我國數字經濟的TFP有較大幅度的提升。

4 結語

4.1 結論

本文通過上述實證分析的結果可以看出，無論是運用索洛殘差法還是運用DEA-Malmquist指數法，得到的全要素生產率變化趨勢的結果大致相似。數字經濟全要素生產率趨勢自2011年逐年增加，且增速較快，具體結論如下：

（1）從中國數字經濟整體發展趨勢來看，2013年之前中國數字經濟全要素生產率呈負增長趨勢；2013年開始數字經濟推動全要素生產率不斷增長，自此數字經濟全要素生產率均處于正增長狀態。由此可以推斷出各行業的數字動能提高是其TFP改善的主要原因。

（2）從各省市的實證結果分析得出，全要素生產率在我國各省份存在明顯區域異質性。除河南以外，其余省份數字經濟TFP都呈遞增趨勢。從整體來看，數字經濟是我國生產生活及經濟增長的重要動力，但地區間發展不均衡的問題仍存在。

（3）以北京為例，先用索洛殘差法對全要素生產率進行測算，再分別對兩要素模型和三要素模型做OLS回歸，計算全要素生產率對產出的貢獻值。整體來看，TFP增長率的均值顯著大于1且有明顯遞增趨勢，雖存在小幅波動，但我國2012—2019年數字經濟的TFP整體呈上升趨勢，效果顯著。

4.2 政策建議

4.2.1 提高對數字經濟重要性的認識

與互聯網前沿相關的技術還有很多，例如軟件、通信技術、數字顯示等，這些前沿技術可以更好地促進數字經濟的發展，帶動經濟的增長。數字經濟未來的發展，主要包括兩個方面：一方面，建設與完善互聯網的基礎設施；另一方面，發展與互聯網結合的前沿技術。簡單來說，就是加快互聯網建設的步伐，擴大光纖覆蓋面積，使全體人民都可以共享數字經濟帶來的紅利。若提高此方面的認知能力，未來經濟發展、產業結構升級都將有不同程度的提升，促進其他產業與數字經濟的良性協同發展，提高未來我國在各個領域上與其他國家的競爭力。

4.2.2 提供更強的技術創新支持力度

在數字經濟的發展過程中，加快新動能發展有利于壯大技術創新。由于互聯網發展迅猛，在其發展初期，數字經濟通過在網絡市場上獲取的用戶信息基礎，前沿的數字經濟技術產業得到了促進，逐漸在經濟增長過程中占據主導地位，如我國國防軍工中對前沿數字技術的應用，軍民合作的政策使得數字技術向民用領域的擴散加快，使數字經濟發展有更好的環境。

4.2.3 鼓勵數字經濟龍頭企業做強做大，引領數字經濟新格局

一方面，需國家政策支持我國數字經濟強勁企業與發達國家企業的合作交流，大力輸出我國在人工智能、5G 等領域的先進技術，積極參與國際合作；另一方面，需要增加與發展中國家的信息交流、完善信息站點的基礎設施建設，把我國成功的數字經濟商業模式、理論方法、實踐經驗推廣至更多的城市及國家，一起聯手共同進步，為我國數字經濟的發展開創明天、引領未來。

參考文獻

許憲春，張美慧.中國數字經濟規模測算研究：基于國際比較的視角[J].中國工業經濟，2020（5）：23-41.

吳志剛. 重構數據生產關系培育數據要素市場（上）[N]. 中國信息化周報，2021-03-22（12）.

范合君，吳婷.中國數字化程度測度與指標體系構建[J].首都經濟貿易大學學報，2020，22（4）：3-12.

焦帥濤，孫秋碧.我國數字經濟發展對產業結構升級的影響研究[J].工業技術經濟，2021，40（5）：146-154.

許憲春，張美慧，張鐘文.數字化轉型與經濟社會統計的挑戰和創新[J].統計研究，2021，38（1）：15-26.

楊慧梅，江璐.數字經濟、空間效應與全要素生產率[J].統計研究，2021，38（4）：3-15.