基于TFP的信息资源产业增长模型研究

杨帆+赵忠秀+罗枫

摘要：本文在回顾内生增长模型和经济增长模型的基础上，通过全要素生产率研究，提取8种影响我国信息资源产业全要素生产率增长的内生要素和外生要素，并通过因子分析，提炼出我国信息资源产业全要素生产率增长的三类决定性因素。研究发现，信息知识程度和信息创新程度既共同直接影响，也通过内部投入要素间接影响信息资源产业产出增长;内部投入要素和外生性要素分别作用于产出增长。这不仅弥补了以前信息资源产业全要素生产率研究的不足之处，而且揭示了我国信息资源产业TFP增长的人力资本、专业化和技术溢出等内部因素以及制度变迁、市场化程度和产业政策等外部因素对我国信息资源产业TFP增长的影响。

关键词：TFP;信息资源;产业增长模型

中图分类号：F124.5文献标识码：A

文章编号：1000176X（2015）01003707

一、引言

随着信息通信技术的深入普及和发展，世界各个国家和地区之间的“数字鸿沟”正在逐渐缩小。根据国际电信联盟2006年的世界电信发展报告显示，过去十年间，在标准范围内的电话线路数与用户数两项指标上，发达国家与广大发展中国家的比值大幅度降低;若以千人为计算单位，在计算机拥有量上二者间的倍数差也从79倍降至52倍;互联网使用者的比率也下降了14倍。再观国内也正大力加强信息化的发展。数据显示，直至2010年，我国手机使用者已达到8.5亿人次;互联网络的覆盖率接近35%;安装有线数字电视的家庭达8 830万户，发展速度和普及程度非常快。同西欧国家对比，我国信息鸿沟指数已从新千年的0.87降至2007年的0.69。但是在发展中国家更多地关注信息网络基础设施建设的时候，却潜藏着又一次“信息鸿沟”的风险，即因互联网的强势发展所引起的“资源鸿沟”问题。

要顺利完成信息化步骤，所需重点发展的不仅仅有制造业和服务业，还应重点关注信息资源产业的发展。作为一种新型的产业类型，它可以说为全世界带来了全新的发展机会与空间。谁能把握机遇，谁就能成为该行业的领导者。

与发达国家相比，我国信息资源产业的总体发展水平十分落后，不仅产业总体发展规模偏小，结构设置不太科学，在国际市场上基本没有竞争优势可言。另外，我国对于信息资源产业的投入建设力度远远跟不上基础设施的建设步伐，这在某种程度上也阻碍了信息需求的发展空间。

如何定性定量地分析影响我国信息资源产业全要素生产率发展的内外部因素，对于我国信息资源产业的增长和发展有着至关重要的作用。

二、研究变量及研究假设

1.研究变量

（1）影响信息资源产业增长的内部因素

全要素生产率的增长不仅是经济增长模型中的内生变量，而且其自身的增长与变动是由经济系统本身的原因决定的。内生增长模型主要从研究与开发，人力资本和专业化及分工等方面展开。研究中主要的变量是信息资源产业人力资本存量、新增资本投入、外商直接投资、进出口总额、研发投入和专业化程度等。

（2）影响信息资源产业增长的外部因素

信息资源产业TFP的增长既与决策单位的内部变量密切相关，也与决策单位发展生产的制度安排及所处市场环境相联系。将信息资源产业TFP增长的外生性影响因素归纳为对区域经济社会发展水平、产业规模化经营水平、制度安排和政策支持等。

2.研究假设

1996年，国内学者朱幼平^[1]采用CD函数研究了各种生产要素对经济增长的不同贡献，得出贡献值从大到小依次为信息化、劳动力和资本。2009年，徐姗和韩民春^[2]采用面板数据的固定效应分析方法，把信息要素嵌入内生增长模型，进而对我国2001—2006年信息要素对经济增长的促进作用进行了检验，结果显示，信息要素已日渐成为我国经济增长的重要投入，其贡献度已越过资本，仅位于劳动要素之后。2010年，毕强等^[3]对信息内容产业的内涵进行了详细阐述，深入地对信息内容产业的形成条件、发展机理、发展规律及影响因素等进行分析。

国外学者Colecchia和Schreyer^[4]对比了9个国家的信息通讯技术的资本积累，认为在过去二十年里，信息通讯技术的资本积累对经济增长的贡献率都在0.2%—0.5%之间，而到20世纪90年代的后五年，其贡献率年均增长了0.3%—0.9%，缘于信息通讯技术的传播和使用。2003年，Gust和Marquez^[5]通过对13个工业化国家1993—1999年数据进行分析，证明信息技术对美国经济增长确实起到了加速作用。Seo等^[6]对29个国家建立了积累增长模型来检验ICT投资和经济增长之间的关系，结果表明ICT投资和经济增长之间呈正相关，非ICT投资对经济增长的差距有更大的影响，生产率较低的国家可以通过使用发达国家的知识外溢来减少经济增长的差距。Antonopoulos和 Sakellaris^[7]使用新古典核算模型确定ICT投资对希腊经济增长的影响，发现ICT投资在1996—2003年对全要素生产率的贡献为0.75倍。

为达到探索影响因素的目的，我们做出第一组假设检查内生性效应因素，即产出增长效应是因为人力投入程度、资金投入程度和技术投入程度等内部投入因素导致。

H1：内部投入程度对产业增长评估有正向影响。（

H1-1：人力投入程度对产出增长评估有正向影响。

H1-2：资金投入程度对产出增长评估有正向影响。

H1-3：技术投入程度对产出增长评估有正向影响。）

弗里曼和苏特^[8]认为，知识与创新是知识经济时代经济持续快速发展的动力源泉，而且也正在日新月异地改变着整个欧洲的社会模式。Liu^[9]认为国家经济竞争力的主要驱动作用得力于信息内容产业，在未来的十年内，信息内容产业必将发展成为重要的经济部门。徐红梅和陈玉娟^[10]选择1978—2007年邮电业务总量为代替指标，对经济增长与信息资源之间的关系进行深入分析，认为社会与生态间、社会与经济间、生态与经济间，通过信息的粘合作用趋于动态平衡，我国经济增长方式将由于信息资源水平的提高而转变，并将促进信息产业的发展和产业结构的调整，同时加速信息经济的形成。Khuong^[11]基于跨国经验回归模型，通过国家固定效应和GMM方法验证了ICT普及率是经济增长的主要动力。Dimelis和 Papaioannou^[12]使用系统GMM和混合平均分组面板数据回归比较了欧盟和美国的产业层面的ICT使用对经济增长的影响。结果表明，在20世纪90年代 ICT对经济增长的影响在美国和欧盟都很显著。其对欧盟的影响在早期比较强，随后减弱，而对美国的影响则正好相反。

由此，我们对外生性效应提出假设。

H2：外部投入程度对产出增长评估有正向影响。

（H2-1：产业政策效应对产出增长评估有正向影响。

H2-2：市场化效应对产出增长评估有正向影响。

H2-3：制度变迁效应对产出增长评估有负向影响。）

汪斌和余冬筠^[13]依靠信息化综合指数模型对我国近几十年的信息化发展水平进行测算，还估测了其对我国国民经济的带动程度，认为信息化对工业增长的贡献最大。刘荣添和叶民强^[14]计量分析了经济增长和信息化之间的关系，表明信息化目前已成为促进经济持续高速发展的主要因素，并且信息化水平与区域经济增长呈正相关关系。厉无畏和王慧敏^[15]认为，创意产业一方面可改变现有的经济增长模式，另一方面又为社会创造了非常大的经济收益，是一种综合性强、高渗透和知识密集型的现代服务业，拥有巨大的发展空间和强大的生命力。树友林和王怀民^[16]根据2006年我国31个省市经济数据，实证检验表明两者之间有相互促进作用。周先波和盛华梅^[17]对信息化产出弹性的非参数估计进行分析，认为信息化确实对经济增长有显著的正向影响。徐瑾^[18]依据信息化发展的分类指数以及总指数，研究地区信息化对地区经济增长产生的影响，认为信息化指数增长促进了地区经济增长，具有积极的正向效应。

由此，可以得出信息知识效应对产出增长效应有正向影响的假设。

H3：信息知识评估对产出增长评估有正向影响。

戴伊和雷布斯坦因^[19]认为，企业的竞争优势源自其内部能力与有价资源的组合，表现在其所处的市场地位。Berger^[20]表示，所谓的竞争力就是实施了一项价值创造策略，这个策略没有同时被任何现存的抑或潜在的竞争对手实施。

由此，可以得出信息知识效应对内生性效应有正向影响的假设。

H4：信息知识评估对内生性效应有正向影响。

（H4-1：信息知识评估对人力投入程度有正向影响。

H4-2：信息知识评估对资金投入程度有正向影响。

H4-3：信息知识评估对技术投入程度有正向影响。）

本文以信息知识评估、外生性评估作为自变量，把内部投入评估作为中间变量，选择信息产业增长作为刺激物，通过信息知识程度打分和信息创新程度打分的平均五分乘积进行联合效应处理，以计算结果作为信息知识评估的数据进行测量，将因变量（dependent variable）设置为产出增长评估。

三、研究方法

1.问卷设计

为了保证问卷的可靠性，本次调研问卷设计分为两部分：第一部分为预调研，第二部分为调研修正。正式调查之初，邀请10位行业内专家进行问卷前测试工作，将10名专家分为两个5人小组，就问卷的设计形式、内容以及问题的难度等征求每位专家的意见，最后整理各位专家意见并进行修改，最大程度地保证问卷能够在实际使用过程中被调查者准确使用。另外，在进行问卷调查之前，我们对发放问卷的工作人员进行统一培训和指导。2012年7月23—29日，本研究进行了小样本数据的收集，对36位企业管理员工和中层管理者进行小范围内测试，共收集了36份问卷，在对36份问卷进行相关整理归纳以及预处理以后形成最终问卷。2012年9月12日，本研究进行了大样本数据的收集，由于受限于时间与经费影响，样本发放的地点选择北京、上海、广州和成都四个地区的行业机关及通信、信息和IT企业，访问的人群采用问卷调研的形式。选择这四座城市作为研究样本的原因包括：第一，首都北京是政府和行业管理的集中地，政策影响经济的特征十分明显。第二，上海和广州市场经济发达，且产业多样化程度较高，具备准确测量信息行业全要素提高的可能性。第三，成都作为西部最为发达和民族多样化的城市，对于我国西部地区的行业特征具有代表性，可覆盖性较强，具有普适性。本次问卷调查一共发放500份问卷，其中收回488份，去掉无效问卷，有效问卷426份，问卷有效率达到85%，符合问卷调查数据要求。

2.测量方法

具体的选择和评判标准采取国际上通用的Likert 5点标尺，Likert 5点标尺用1到5分别表示完全不同意、不太同意、一般同意、比较同意和完全同意。针对不同的问题，也可以代表完全不重要、不重要、一般重要、比较重要和完全重要，在对问卷的答案进行量化后，即可用这些数据进行相关研究。

（1）内生性效应主要对人力投入程度、资本投入程度和技术投入程度三个纬度开展，因此，本文结合行业和企业的实际现状及背景，设计了关于内生性效应的量表，共9道题项。外生性评估主要对产业政策效应、市场化效应和制度变迁效应三个维度开展，因此，本文结合政府和政策的实际情况，设计了关于外生性评估的量表，共9道题项。产出增长效应主要对全要素生产提升和技术进步提升两个维度开展，因此，本文结合经济和技术的实际考量情况，设计了关于产出增长效应的量表，共4道题项。

（2）信息知识效应。由于本文通过对全要素生产和技术进步的增长评估测量，需要衡量内生性和外生性在信息资源产业的经济增长中如何发挥作用的。我们既需要获得内生性投入因素及外生性投入因素的整体效应，又需要了解信息知识作用对于信息资源产业增长的交互作用。为了实现这一目标，本文采取信息知识效应这一新的测量方法。与传统测量方法不同，信息知识效应由两要素组成：信息知识重要性和感知性。Yuan^[21]曾经利用该理论对消费者手机遗失行为进行研究，他在研究中将遗失手机行为分为感知伤害性和重要性两部分，并采用均值相乘积法验证这两部分因素影响用户应付手机丢失行为的意愿。在本文的研究中，由于信息知识以存量和增量两种形式存在，为了更好地得到这两部分数值，必须对其进行交叉测量。在问卷调查过程中将第一部分的问卷信息集中于测量信息知识重要性，而第二部分则更注重信息感知性。最后根据如下计算公式对“信息知识重要性”与“信息知识感知”数据进行处理。具体公式如下：

IKAi=IILin×IKLii=（1，2，3n=5）

其中，IKA（Information Knowledge Technology Appraisal）为信息知识技术评估; IIL（Information Innovation Level）为信息创新水平; IKL（Information Knowledge Level）为信息知识水平。

因此，本文根据信息资源、信息内容和信息发展等特点，设计了信息知识评估量表。

3.数据统计

样本基本结构情况如表1所示。

四、数据分析

1.探索性因子分析

通过SPSS17.0软件，对所要研究的内容进行探索性因素分析。要想了解测量工具的效度情况，可以通过以下两类检验指标来实现：一是KMO指标与Bartlett检验指标。就KMO指标而言，它的数值不同，所代表的因子分析适合性也会有所不同。数值越大，则适合性就越强。通常情况下，KMO指标数值在区间[0，1]的范围内。根据KMO的判断标准，要想保证因子分析的适合性，就应当确保KMO指标数值在0.70以上。而对于Bartlett检验指标而言，要想保证因子分析的适合性，则应当确保其数值在0.05的显著水平以上。二是因素载荷数值。因素载荷数值不同，测量题项的显著性也会有所不同。一般情况下，如果该数值在区间[0.3，0.5]的范围内，那么测量题项具有较为明显的显著性;而如果该数值在区间[0.5，1]的范围内，则测量题项具有很强的显著性，说明其是非常重要的。本文以0.40的因子载荷水平作为判断标准，以此来决定是否有删除探索性因子的必要。如果上述条件都能满足，就说明其聚合效度确实非常良好。

对内部投入效应，KMO度量值为0.88，大于0.60的标准值;对外生性评估，KMO度量值为0.85，大于0.60;对信息知识评估，KMO度量值为0.80，接近0.60;对产出增长评估，KMO度量值为0.91，也远远超过了0.60;内部、外部、信息知识和产出增长的KMO的度量结果均满足因子分析条件（如表2所示）。本文通过正交旋转法进行因子提取，分别获取了内部投入评估、外生性评估、信息知识评估和产出增长评估因子。其中，内部投入评估提出3个因子，外生性评估提出3个因子，信息知识评估提出2个因子，产出增长评估提出2个因子（如表3所示）。同时，通过运算发现，可测变量的载荷都超过了最低限定值0.50，模型中的结构构件的解释度都远远大于标准值（50%以上方差）。

根据因子组成的项目解释，第一个因子3个项目被命名为“人力投入评估”;第二个因子3个项目被命名为“资金投入评估”;第三个因子3个项目被命名为“技术投入评估”;第四个因子3个项目被命名为“产业政策效应”;第五个因子3个项目被命名为“市场化效应”;第六个因子3个项目被命名为“制度变迁效应”;第七个因子3个项目被命名为“信息知识程度”;第八个因子3个项目被命名为“信息创新程度”。

根据产出增长评估的因子组成情况，第九个因子2个项目反映了信息资源产业的全要素生产率和生产率增长，被命名为“全要素生产提升”;第十个因子2个项目反映了信息资源产业的技术进步、技术进步率以及技术效率，被命名为“技术提升”。

2.验证性因子分析

验证性分析中，要求每个变量的一致性效度必须达到下面的标准：第一，模型中各个题项载荷的Cronbachs α超过标准值0.7，而且是明显显著的。第二，模型中各个变量都具有超过0.5的平均提取方差值。第三，模型中各个变量具有超过0.8的组合信度运算指数。

本文模型中各个结构变量的CR、AVE、Cronbachs α和VIF如表4所示。

按照构建的结构方程模型，将相关数据导入后，模型主要参数如所有题项载荷都大于0.7，每个变量具有超过0.5的AVE，以及所有变量的CR均大于0.8，所有判断标准都符合统计学检验要求，因此可以说明本文构建的结构方程模型拟合程度符合要求。

验证性分析中的判别性效度，就是模型中所有变量的平均提取方差值和其他协相关差值的计算和比较。满足判别性效度要求的标准如下：条件1：在非对角线上面，每一个变量与其他变量的协相关度，比平均提取方差值的平方根要小。条件2：每个变量与其他变量的交叉载荷，比变量自身的载荷要小。

本文模型中各个结构变量的相关系数计算结果显示，相关系数的最大测算值分别为0.85、0.83和0.84，相比之下，AVE的最低平方根仅仅为0.94，比较结果说明本模型满足判别性效度条件1。同时，每个变量与其他变量的交叉载荷，比变量自身的载荷要小，比较结果说明本模型满足判别性效度条件2。因此，本文模型分析满足了验证性分析中的判别性效度测试。

除了效度判断外，还需要对模型量表的有效性进行组合信度值分析，按照验证性因子分析的判断标准，模型中各个变量具有超过0.8的组合信度运算指数，通过表5可看出，所有组合信度运算指数中最小值为0.91，满足超过0.8的判断标准。因此本文模型的验证性分析都达到了分析要求。

3.结构方程模型分析

本文使用WarpPLS3.0进行结构方程检验，验证内部投入评估、外生性评估、信息知识评估对产出增长评估的影响。选择原因如下：第一，由于样本数量不是很大。第二，对于小样本数据，采用WarpPLS更适合评估结构模型和测量模型，包括测量前置变量和中间变量。第三，WarpPLS对采样样本量和量表要求不高，能测量整合模型中的线性和非线性关系，WarpPLS结果具有偏差问题不是本文主要关心的问题，本文有426个样本，超过影响独立变量的非独立构件的10倍。

在WarpPLS结构方程运算中，对于信息知识评估数据，我们通过信息知识程度的数据平均分别乘以信息创新程度的数据5点标尺平均，得到信息知识评估数据。对于自变量数据，我们利用调研问卷的内部投入评估和外生性评估数据。对于因变量的数据，我们利用调研问卷中的产出增长评估数据。信息资源产业增长的结构方程模型验证结果如图1所示。

图1信息资源产业增长模型验证结果

4.结构方程模型评价

按照构建的结构方程模型，将相关数据导入后，模型主要参数如平均路径系数APC、平均方差膨胀因子AVIF以及平均 ARS和都符合统计学检验要求（如表5所示），因此可以说明本文构建的结构方程模型拟合程度符合要求。

样本分析中涉及信息产业规模程度、信息规模比重两类控制变量，是为了检验本文提出的假设，在实证检验过程中，通过多模型回归分析结果发现，信息产业规模程度和信息规模比重控制变量对产业增长模型的影响显著性不明显。

五、研究结论及局限性

第一，本文建立了基于经济增长模型的信息资源产业增长研究模型，并证明内外效应的评估因素会对信息产业增长提升有正面影响。第二，本文提出了信息知识评估的交叉作用测量方法。第三，本文验证了内部投入评估和外生性评估在信息知识评估的相互作用下，如何影响信息产业增长的显著关系。这对现实产业发展和地区经济发展，都具有很好的理论意义和指导作用。研究结果验证了本文提出的10个模型假设。

然而，受制于自身有限的知识和理论储备，以及不够成熟的客观条件，使得本文必然会存在着某种缺陷。第一，本文构建了针对信息资源产业增长的理论模型，但是研究结论还缺乏一定的普遍性。再考虑到人群类别、地区差异等因素的影响，使这种普遍性显得更低。第二，在信息资源产业知识效应水平分析过程中，尽管提出了管理知识效应与业务知识效应两类关键成分，但是测算的结果还可以进一步优化，使相关问题更具精确性和干扰性。第三，本文设计的模型涉及控制变量还有待优化，这在未来的交叉行业中还有待进一步研究。

参考文献：

[1]朱幼平.我国信息资源业的十大问题[J].中国软科学，1996，（6）：102-107.

[2]徐姗，韩民春.信息要素对经济增长的贡献研究——基于中国2001—2006年Panel Data的经验分析[J].情报杂志，2009，（6）：80-84.

[3]毕强，韩洁平，赵娜.信息内容产业集群形成机理分析[J].情报资料工作，2010，（2）：12-13.

[4]Colecchia，A.，Schreyer，P. ICT Investment and Economic Growth in the 1990s： Is the United States a Unique Case？ A Comparative Study of Nine OECD Countries[J]. Review of Economic Dynamics，2002，10（5）：408-442.

[5]Gust，G.，Marquez，J. International Comparisons of Productivity Growth： The Role of Information Technology and Regulatory Practices[J]. Labour Economics，2003，（1）：33-58.

[6]Seo，H.J.，Lee，Y.S.，Oh，J.H. Does ICT Investment Widen the Growth Gap？[J]. Telecommunications Policy，2009，33（5）：422-431.

[7]Antonopoulos，C.，Sakellaris，P. The Contribution of Information and Communication Technology Investments to Greek Economic Growth： An Analytical Growth Accounting Framework[J]. Information Economics and Policy，2009， 21 （4）：171-191.

[8]克利斯·弗里曼，罗克·苏特.工业创新经济学[M].华宏勋，华宏慈等译，北京：北京大学出版社，2004.

[9]Liu，D.W. The Digital Content Industry and Virtual Cluster[J]. International Conference on Management Innovation，2007，8（2）：1151-1154.

[10]徐红梅，陈玉娟. 提高信息资源水平，促进经济增长，应对金融危机[J].科技管理研究，2010，（7）：21-22.

[11]Khuong，M.V. ICT as a Source of Economic Growth in the Information Age： Empirical Evidence from the 1996—2005 Period[J]. Telecommunications Policy，2011，35 （13）：357-372.

[12]Dimelis，S.P.，Papaioannou，S.K.ICT Growth Effects at the Industry Level：  A Comparison between the US and the EU[J]. Information Economics and Policy，Elsevier，2011，23（1）：37-50.

[13]汪斌， 余冬筠. 中国信息化的经济结构效应分析[J].中国工业经济，2004，（7）：21-28.

[14]刘荣添，叶民强.信息化与经济增长的计量分析[J].经济问题探索，2006，（9）：9-14.

[15]厉无畏，王慧敏.创意产业促进经济增长方式转变——机理·模式·路径[J].中国工业经济，2006，（11）：5-13.

[16]树友林，王怀民.地区信息化水平与经济增长内生性关系研究[J].情报杂志，2007，（7）：85-86.

[17]周先波，盛华梅.信息化产出弹性的非参数估计分析[J].数量经济技术经济研究，2008，（10）： 130-141.

[18]徐瑾.地区信息化对经济增长的影响分析[J].统计研究，2010，（5）：74-80.

[19]乔治·S.戴伊，戴维·J.雷布斯坦因.动态竞争战略[M].上海：上海交通大学出版社，2003.

[20]Berger，W.A Resource-Based View of the Firm[J].Strategic Management Journal， 1984，5（2）：33-35.

[21]Yuan，Y.F. Understanding User Behavior in Coping with Security Threats of Mobile Device Loss and Theft[J].International Conference on Information Systems，2012，8（3）：22-24.

[22]Solow，R.M.A Contribution to the Theory of Economic Growth[J].Quarterly Journal of Economics，1956，7（2）：24-26.

（责任编辑：韩淑丽）