区域全要素生产率的影响因素研究——基于1998-2014年中国各省份面板数据的分析

叶宗裕

(浙江师范大学 经济与管理学院，浙江 金华321004)



区域全要素生产率的影响因素研究
——基于1998-2014年中国各省份面板数据的分析

叶宗裕

(浙江师范大学 经济与管理学院，浙江 金华321004)

文章首先从理论上分析了区域全要素生产率(Total Factor Productivity，简写为TFP，下同)的可能影响因素，对各因素选取了相应的相对指标作为代表，将其直接纳入C-D生产函数模型,并利用1998-2014年中国各省份的面板数据进行回归分析。结果表明：非国有经济部门比重的提高，是TFP提高和经济增长的最重要因素，科技投入、劳动力结构、教育水平、外商直接投资和交通基础设施对TFP提高和经济增长都有显著的正向影响，但影响较小；中西部地区科技投入、交通基础设施和外商直接投资的增长幅度远低于东部地区，中西部地区TFP增长率低于东部地区，是导致中西部地区GDP增长率低于东部地区的重要原因。

全要素生产率；C-D生产函数；影响因素；区域差异

改革开放以来，中国经济实现了年均近10%的增长发展，各地的经济发展水平得到显著提高，但是地区差距不断扩大，已成为不争的事实。21世纪以来，许多学者利用分省数据对中国地区经济增长差异的原因进行了大量的实证研究，虽然结论不尽相同，但几乎各个研究都表明，全要素生产率对地区经济增长差异有重要影响。如彭国华的研究表明，TFP的差异是造成我国省区收入差距的主要原因。[1]李国璋等的研究认为，要素投入差异是我国地区经济增长差异的主要决定因素，但是其贡献程度自20世纪90年代以来逐渐下降，而TFP的作用则不断提高，将成为未来地区经济增长差异的主要决定因素。[2]因此，通过对区域TFP影响因素的研究，有利于区域全要素生产率的提高，有利于有效测度各种因素对区域经济发展的影响，有利于缩小省区之间的收入差距，从而为地方经济决策提供可资借鉴的理论参考。

一、文献回顾与评论

在关于生产率的实证文献中，C-D生产函数是使用最普遍的生产函数形式。分地区的C-D生产函数可表示如下：

(1)

Yit、Kit、Lit分别表示第i个地区第t年的GDP、物质资本存量和从业人数。α、β分别为Y关于K、L的弹性，Ait代表TFP，包括物质资本和劳动投入以外的所有其他影响产出的因素。

对区域TFP影响因素的研究，主要有两种方法：第一种方法分两步，先通过式(1)估算TFP(即Ait)，然后构建TFP的分析模型，根据TFP模型的回归结果讨论TFP的影响因素；第二种方法先构建TFP函数，再将其代入生产函数模型，通过生产函数模型的回归结果讨论TFP的影响因素。学界大多数研究采用第一种方法。第一种方法存在两方面的问题：一是需先假设式(1)中的A为常数，才能估计出弹性系数，再计算Ait，这实际上是矛盾的；二是根据李子奈的研究，计量经济学模型总体设定，必须遵循“唯一性”和“一般性”原则。[3]“一般性”是指作为建模起点的总体模型，应该包含所有对被解释变量产生影响的变量。显然，TFP的影响因素也是产出Y的影响因素，由于第一种方法在估算TFP的生产函数模型中没有包括这些因素，模型不具备“一般性”，因而根据该模型估算的TFP是不准确的，而且这种分两步的方法将产生更大的估计误差，对TFP影响因素的分析是不可靠的。相比较而言，第二种方法将TFP的影响因素作为产出Y的解释变量，直接引入生产函数模型进行估计，方法较为合理，产生的误差较小。如樊纲、王小鲁等[4]、吴延兵[5]的相关研究。但吴延兵选取R&D存量、国外技术引进存量、国内技术引进存量以及R&D存量与技术引进的交互项，作为TFP的影响因素，指标不够全面，可能存在遗漏变量。而樊纲等选取市场化指数、科技资本存量和基础设施作为TFP的解释变量，由于市场化指数由多方面的众多指标构成，可以认为他们的生产函数模型包含了所有对GDP有影响的因素集，设定的总体模型具备“一般性”，研究结论较为可靠。但是，市场化指数是一个高度综合性的指标，根据该研究我们不能区分各具体因素对TFP的影响程度，有必要对TFP的各个影响因素进行具体的分析。

区域TFP的影响因素十分复杂，因素选择、指标构建、模型设定、数据来源都对实证结果产生重要影响。本文与已有文献不同，在理论上分析区域TFP的可能影响因素的基础上，对各因素所用指标进行了仔细的分析和试运算，选取相对指标作为代表，并将其直接纳入C-D生产函数模型进行回归分析。

二、TFP的影响因素、指标选取和数据来源

已有的文献认为，TFP的提高主要来源于两个方面：一是企业由研发投入或技术引进带来的微观生产技术的进步，二是改善资源配置带来的效率提高。[4]企业生产技术应包括劳动力的技术水平，所以企业生产技术可由劳动力质量、科技投入水平来衡量；资源配置包括劳动力资源和物质资本的配置，应由劳动力结构、非国有经济比重组成。在生产函数模型中，产出Y和两个投入要素K和L采用总量指标，但TFP作为衡量物质资本和劳动投入效率的指标，其构成因素采用反映投入比例关系的相对指标更为合适，研究结果也更具实际意义，因此，本文全部采用相对指标作为TFP的影响因素。

1.劳动力质量。Redding的研究表明，公司的人力资本投资与研发投入是互相依存的，它们共同决定产出的增长。[6]一方面，R&D活动依靠高质量的人力资本来实现；另一方面，R&D活动能提高相关人员的人力资本水平。笔者认为，人力资本存量应等于受过一定教育的劳动力总量与他们的知识能力水平的乘积，知识能力水平可用人均教育年限来反映。其中的劳动力数量作为要素投入，但人均教育年限的提高体现为劳动力质量的提高，使得劳动者能够更有效地使用物质资本，能更好地提高企业的生产技术水平，提高劳动生产效率，与科技投入对TFP的影响是类似的，应作为TFP的组成部分。就业人员人均受教育年限的计算，使用历年《中国劳动统计年鉴》中的分地区就业人员受教育程度构成数据。参考有关文献，研究生、本科、专科、高中、初中、小学和未上过学的分别以19年、16年、15年、12年、9年、6年和1.5年计，将每一种受教育程度的年限乘以对应的比例再求和，即得人均受教育年限。

2.科技投入水平。科技产出不仅取决于当期的科技经费支出，也取决于过去时期的科技经费支出，因此，我们用各省的科技资本存量衡量科技水平。但是，科技资本存量中的很大部分属于物质资本投入和人员经费投入，已分别包含在物质资本存量K和劳动投入L中。因此，如果将科技资本存量以总量指标形式引入生产函数，其中的两个组成部分就会分别被重复计算。本文采用科技资本存量与物质资本存量的比值，反映各省区的科技投入水平，引入生产函数模型。该指标一定程度上反映了资本投入的结构，能够较好地解决重复计算问题。根据数据的可得性，估算科技资本存量的三项数据，分别采用《中国科技统计年鉴》提供的各地区R&D经费内部支出、大中型工业企业引进国外技术经费支出和购买国内技术经费支出的相关数据。由于《中国科技统计年鉴》从1998年开始才提供各省R&D经费内部支出数据，所以本文以1998年为基期，用永续盘存法估算各省的科技资本存量。参照朱平芳和徐伟民的做法，[7]设定：

科技投入的平减指数=0.55×消费者物价指数+0.45×固定资产投资价格指数

3.劳动力投入结构。劳动力从低生产率的农业向较高生产率的城市非农产业转移，改善了劳动力资源的配置效率，成为中国生产率提高的重要来源。[8]在我国，由于第一产业与第二三产业的劳动生产率存在巨大差距，所以第二三产业从业人数占全部从业人数的比重是影响生产率的一个重要指标。相比其他一些文献使用的非农业人口占总人口的比重或城镇人口占总人口的比例，第二三产业从业人数占全部从业人数的比重，更直接地反映了劳动力资源的配置情况，作为TFP的影响指标更为合适。历年《中国统计年鉴》给出各地区按三次产业分的就业人数，该指标经简单计算即得。

4.非国有经济部门比重。改革期间发生的一个最显著变化，就是市场导向的非国有企业取得了重大发展，使得市场调节在整个经济中的比重迅速提高。因此非国有经济部门比重的提高，是改革以来生产率提高的重要原因。非国有经济部门大多是劳动密集型企业，其劳动生产率不一定高于国有经济部门，但一般来说非国有经济部门的资本产出率高于国有经济部门，所以采用反映资本配置情况的指标——非国有经济部门资本存量占全部资本存量的比重作为TFP的影响因素，与其它指标相比更为显著，更具理论和实际意义。非国有经济部门资本存量需要进行估算。根据历年《中国统计年鉴》提供的各地区全社会固定资产投资和国有经济部门的固定资产投资额，计算非国有经济部门在全社会固定资产投资中的比重。假设非国有经济部门的固定资本形成总额在全部固定资本形成总额中的比重与固定资产投资的比重相等，据此可估算出各地区历年的非国有经济部门固定资本形成总额，再用估算各地区资本存量的方法估算各地区非国有经济部门的物质资本存量。

5.交通基础设施水平。良好的基础设施可以改善生产要素的使用效率，从而提高生产率。[8]基础设施的种类很多，但有的种类缺乏数据或不便于衡量。其中铁路和公路的营运里程便于衡量且具有较强的代表性。参照樊纲等的方法，把不同等级的公路和铁路里程分别折算为相当于二级公路的标准公路里程。[4]关于交通基础设施水平，已有的文献通常采用各省“每平方公里的铁路和公路营运里程”或“每万人的铁路和公路营运里程”指标。就后一指标来说，虽然几乎所有省区的指标值随时间呈较快的上升趋势，但从横向比较来看，大多数生产率高的东部省份的指标值明显低于生产率低的西部省份。所以，总体来说，TFP与“每万人的铁路和公路营运里程”不存在显著的正相关关系，实际检验结果也证实了这一点。对于“每平方公里的铁路和公路营运里程”，不仅各省的指标值随时间呈较快的上升趋势，而且指标值与各省的经济发达程度呈很强的正相关关系。如2014年该指标值最大的5个省为上海、天津、北京、江苏、山东，最小的5个省为西藏、青海、新疆、甘肃、内蒙古。所以选取“每平方公里的铁路和公路营运里程”指标作为TFP的影响因素。

6.外商直接投资(FDI)水平。FDI特别是大型跨国公司的进入，通过技术转让和技术溢出，可以把先进的技术、管理和营销经验转移到东道国，从而改善东道国的生产效率和要素生产率。但实证研究的结论并不一致，Li and Liu发现，FDI不仅直接促进了经济增长，而且通过与人力资本的相互作用对发展中国家的经济增长产生显著的正向影响；[9]刘舜佳和王耀中发现FDI溢出在区域内和区域间的表现截然相反，并没有在整体上带动中国全要素生产率提升。[10]关于FDI指标选取，多数学者选用每年的投入量。对生产效率有影响的不仅是当年的投入，以往的投入有更大的影响，且各省FDI存量较其流量在数据上更加稳定，所以采用FDI存量而非每年的投入量。FDI存量可用估算物质资本存量相同的方法估算得到。FDI存量中大部分属于物质资本存量，各省FDI存量与物质资本存量的比值可以反映资本投入结构。通过计算表明，大多数省的该指标值随时间呈下降趋势，该指标与GDP及TFP呈负相关关系。因此用FDI存量与物质资本存量的比值作为反映FDI水平的指标并不合适，故本文采用FDI存量与从业人数的比值，引入C-D生产函数模型。

上述6个指标涵盖了TFP的主要影响因素，且能得到较为准确的指标值。另外，C-D生产函数模型中的物质资本存量的来源，对分析结果有重要影响。对于各省的物质资本存量，已有很多研究进行了估算，其中叶宗裕的《中国省际资本存量估算》一文，对各类统计资料中与估算各省资本存量相关的大量基础数据作了细致的分析、筛选和处理，估算的资本存量较为准确、可靠，[11]所以本文原则上采用该文的估算方法和相关数据。

三、计量模型设定与估计结果

根据上述对TFP影响因素的分析，考虑到各因素采用的是相对指标，在生产函数中的形式应与K、L两个总量指标不同，设定生产函数模型的形式为：

(2)

式(2)两边取对数，得到如下总体回归模型：

(3)

其中E表示从业人员人均受教育年限，Rk表示科技资本存量与物质资本存量之比，Nsek表示非国有经济部门资本存量与资本存量之比，Nal表示第二三产业从业人员占全部从业人员的比重，Tran表示标准道路里程与土地面积之比(公里/平方公里)，Fdi表示FDI存量与从业人数之比(万元/每人)。

为了分析各因素对经济增长的贡献水平和贡献率，将由式(3)估计的样本回归方程求一阶差分得：

(4)

其中ΔInYit、ΔInKit、ΔInLit分别是第i个省Y、K、L的连续复合增长率或称对数增长率，其余的差分项是各相应指标的增长幅度。使用差分式进行分析的优点是，当各差分项用相应的省际平均值代替时，式(4)保持成立，可以减少分析时的误差。

运用全国31个省份1998-2014年数据进行回归，Hausman检验拒绝了原假设(随机效应)，采用固定效应的回归结果(见表1)。模型的拟合优度R2=0.998 7，除教育年限E的系数的t统计量值较小，仅在0.058的显著性水平外，其余变量均非常显著。

表1　各变量的系数估计结果

四、实证结果分析

表2中(见下页)列出了用省际平均法计算的全国及东、中、西部1998-2014年各因素增长对经济增长的贡献水平。就全国而言，物质资本增长对经济增长的贡献达8.11个百分点，而TFP对经济增长的贡献为2.35个百分点。从中可知，资本增长对经济增长起着决定性的作用，贡献份额为74.0%，而劳动力数量和TFP增长对经济增长的贡献份额分别为4.5%和21.5%。在决定TFP的因素当中，非国有经济、交通基础设施、科技投入、劳动力结构、外商直接投资和教育水平对经济增长的贡献分别为0.91、0.36、0.30、0.29、0.25和0.17个百分点，另有不可观测因素是由误差项带来的，对经济增长的贡献为0.07个百分点。这说明，非国有经济比重增加是TFP增长的最重要因素，它贡献了TFP增长的38.7%，也表明非国有经济部门的资本产出率高于国有经济部门。由表1中变量Nsek的系数可知，非国有经济部门资本的比重增长率提高1个百分点，GDP增长率将提高0.505个百分点。交通基础设施、科技投入、劳动力结构、外商直接投资和教育水平5个因素对TFP增长的贡献分别为15.3%、12.8%、12.3%、10.6%和7.23%，都相对较小。

表2　1998-2014年各因素对省际经济增长的贡献水平(%)

按理说，科技和教育应是TFP增长的主要因素，但研究结果显示，相对于我国经济的高速增长来说，科技和教育没有起到应有的作用。1998-2014年间，我国的科技经费投入有较快的增长。科技投入三方面经费总和年均增长18.9%，远高于GDP增长率，科技资本存量年均增长率为17.3%，也高于物质资本存量的增长率12.8%，科技资本存量与物质资本存量之比由1998年的0.021增加到2014年的0.035。科技经费投入和科技资本存量增长较快，而科技对TFP增长和经济增长的贡献率较低，说明科技资本的使用效率较低，科技成果没能很好地转化为现实生产力。教育方面，我国2010年实现了普及九年义务教育的目标，高中阶段、高等教育的毛入学率分别达到82.5%和26.5%，也达到了相对较高的水平。伴随入学率的提高，劳动力平均教育年限由1998年的7.69年提高到2014年的9.97年。教育水平对TFP和经济增长的影响较小，可能有两种原因：一是我国的教育虽然在数量上增长较快，但教育质量的提高相对较慢，教育没有为企业提供高质量的创新型人才；二是尽管教育是重要的人力资本积累方式，但在我国的经济环境下，人们对市场的认识和把握能力以及在实际劳动中获得的技能可能更重要，这种能力不能为教育变量所反映。

从表2的后面3列可以发现：(1)东部地区物质资本增长对经济增长的贡献低于中西部地区，但TFP增长对经济增长的贡献高于中西部地区；(2)东部地区科技投入、交通基础设施和外商直接投资3个因素对经济增长的贡献明显大于中西部地区。为了更进一步分析造成东、中、西部经济增长差异的原因，在表3中给出1998年和2014年按省际平均计算的东、中、西部地区的6个TFP影响因素变量值及1998-2014历年差分的平均值。从中可见，中西部地区的6个指标值都明显低于东部地区，其中Rk、Tran和Fdi的差距很大。以2014年为例，东、中、西部地区科技资本存量与全部资本存量的比值分别为5.32%、2.77%和1.86%，中西部地区分别只有东部地区的近1/2和1/3；每平方公里土地面积拥有的标准道路里程，东、中、西部地区分别为1.380、0.705和0.340公里，中西部地区分别只有东部地区的约1/2和1/4；每个劳动力拥有的外商直接投资存量，东、中、西部地区分别为2.891、0.506和0.293万元，中西部地区分别只有东部地区的1/6和1/10。这些差距是造成中西部地区TFP发展水平和经济发展水平低于东部地区的重要原因。从表中的平均差分来看，中西部地区Rk、Tran和Fdi指标的增长幅度远低于东部地区。例如，东部地区的Rk平均每年增加0.19个百分点，而中西部地区分别只增加0.081和0.028个百分点；东部地区的FDI存量人均每年增加0.113万元，而中西部地区分别增加0.025和0.015万元，不到东部地区的1/4和1/7。这些增长幅度的差距是造成中西部地区TFP增长率和GDP增长率低于东部地区的重要原因。

表3　东、中、西部地区1998年和2014年TFP影响因素指标值及其平均差分

五、结　论

区域TFP的影响因素十分复杂，因素选择、指标构建、模型设定、数据来源都对实证结果有重要影响。本文运用1998-2014年中国各省份的面板数据，通过定量分析得出，非国有经济、科技投入、劳动力结构、教育水平、外商直接投资和交通基础设施6个因素对TFP提高和经济增长都有显著的正向影响。从省际平均来看，非国有经济部门比重的提高，对经济增长的贡献达到年均0.91个百分点，它贡献了TFP增长的38.7%，是TFP增长的最重要因素。因此，提高非国有经济部门比重对提高TFP增长率和经济增长率有重要意义。2014年该比重各省平均为66.3%，还有较大的提升空间。国家应改变以往由政府与国有经济为主的投资方式，转为以民间企业作为投资主体，引导和促进非国有经济加快发展，促成经济结构的真正转型。

科技投入、劳动力结构、教育水平、外商直接投资和交通基础设施5个因素对TFP的提高虽有显著作用，但影响较小。应采取措施提高科技和教育在提高TFP中的作用。中西部地区的科技资本存量及其增长幅度远低于东部地区，应增加对中西部地区的科技投入。同时，要提高科技资源的使用效率，促进科技成果转化为现实生产力。我国各教育阶段的入学率和劳动力平均教育年限有较大的提高，但是我国高等教育毛入学率与国际水平相比，依然有较大差距，我国的教育投入在世界上仍处于较低水平，教育质量的提高相对较慢。因此，国家在增大教育投入的同时，重点应放在提高办学质量上。

中西部地区的交通基础设施和FDI存量都远低于东部地区，加强中西部地区的基础设施建设，吸引外商对中西部地区的投资，对提高我国的TFP增长率和经济增长率、缩小省际间的经济增长差距有重要意义。

[1]彭国华．中国地区收入差距、全要素生产率及其收敛分析[J]．经济研究，2005(9)：19-29．

[2]李国璋，周彩云，江金荣．区域全要素生产率的估算及其对地区差距的贡献[J]．数量经济技术经济研究，2010(5)：49-61．

[3]李子奈．计量经济学应用研究的总体回归模型设定[J]．经济研究，2008(8)：136-144．

[4]樊纲，王小鲁，马光荣．中国市场化进程对经济增长的贡献[J]．经济研究，2011(9)：4-16．

[5]吴延兵．自主研发、技术引进与生产率——基于中国地区工业的实证研究[J]．经济研究，2008(8)：51-64．

[6]REDDING S. The Low-skill, Low-quality Trap：Strategic Complementarities between Human Capital and R&D [J]. Economic Journal, 1996, 106: 458-470.

[7]朱平芳，徐伟民．政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J]．经济研究，2003(6)：45-53．

[8]王小鲁，樊纲，刘鹏．中国经济增长方式转换和增长可持续性[J]．经济研究，2009(1)：4-16．

[9]LI X, LIU X. Foreign Direct Investment and Economic Growth: An Increasingly Endogenous Relationship[J]. World Development, 2005, 33(3): 393-407.

[10]刘舜佳，王耀中．FDI对中国全要素生产率影响的两面性——来自空间维度的证据[J]．统计与信息论坛，2012(7)：58-64．

[11]叶宗裕．中国省际资本存量估算[J]．统计研究，2010(12)：65-71．

(责任编辑吴月芽)

Research on the Influencing Factors of Regional Total Factor Productivity:Based on an Analysis of the Panel Data of Chinese Provinces from 1998 to 2014

YE Zongyu

(CollegeofEconomicsandManagement,ZhejiangNormalUniversity,Jinhua321004,China)

This paper first analyzed the possible influencing factors of the regional Total Factor Productivity (hereinafter TFP) theoretically, and selected corresponding relative indexes for various factors as representatives that were directly included into the C-D production function model. On that basis, regression analysis was carried out by using the panel data of Chinese provinces from 1998 to 2014. The results show that the increasing proportion of non-state-owned economic sectors is the most important factor for the growth of TFP and economy, while other factors like science and technology investment, labor force structure, education level, foreign direct investment and transportation infrastructure also have positive impact on TFP, but the impact is small. The investment in science and technology, the transportation infrastructure and the foreign direct investment in the central and western regions grow much more slowly than those in the eastern regions, and the TFP growth rate is lower than that in the eastern regions, which has resulted in that the GDP growth rate in the central and western regions is lower than that in the eastern regions.

Total Factor Productivity; C-D production function; influencing factor; regional difference

2015-12-20

叶宗裕(1962-)，男，浙江江山人，浙江师范大学经济与管理学院教授。

F064.1

A

1001-5035(2016)05-0083-07