财政与科技政策对全要素生产率的影响研究——以湖南为例

周 亮

(湖南财政经济学院，湖南 长沙 410205)



财政与科技政策对全要素生产率的影响研究
——以湖南为例

周 亮

(湖南财政经济学院，湖南 长沙 410205)

运用Malmquist指数方法对湖南14个市州2002-2014年的面板数据进行分析，测算了湖南全省及14个市州的全要素生产率，并分析了财政和科技政策对其的影响，结果表明：湖南省全要素生产率波动较大，主要得益于技术进步；偏低的规模效率导致了偏低的技术效率；各市州全要素生产率波动较大，湘西自治州生产率最高；三个区域中，“3+5”城市群生产率普遍高于其他两个地区，湘南地区普遍低于其他两个地区；财政收入占比对全要素生产率有着明显的负面影响，财政收入占比变化率每提高1%，可导致全要素生产率下降0.34%；科技投入占比对全要素生产率有着明显的正面影响，科技投入占比每提高1%，可导致全要素生产率提高1.18%；财政和科技政策主要作用于技术效率，对技术进步没有显著影响。

湖南；生产率；全要素生产率；财政政策；科技政策

一、引言

调整经济结构、转变经济发展方式是实现我国产业升级、提高我国经济增长质量和全球竞争力的关键所在。而经济增长方式的转变极其关键的是由粗放型向集约型转变、由投资拉动型向技术进步型转变。2015年湖南省GDP增长率达到了8.6%，但是其中多大部分可以归功于全要素生产率的提高，多大部分得益于资本和人力等生产要素的投入增加，这些都是值得深入研究的问题。对湖南省全要素生产率及其影响因素的研究，也将为促进湖南省经济结构调整提供重要的参考。

中国经济近30年取得了高速增长，部分学者认为主要得益于生产要素的高投入[1]，这些生产要素主要包括资本的积累[2]、农村劳动人口的转移等[3]；也有学者认为主要来源于资源配置效率的提高[4]；还有学者强调，高速增长主要来源于技术进步，一方面，对外贸易、引进外资和加强国际合作带来了新的技术和管理经验，另一方面，教育科研活动的加强促使了人力资源水平的提高[5]。越来越多的学者都认可，经济增长的核心来自于全要素生产率(TFP)增长，主要包括技术进步和技术效率的提高两个部分[6]。

国内学者对中国全要素生产率测算及相关领域做了大量研究。傅勇、白龙(2009)在分析了省级面板数据基础上，发现1978-2006年间TFP每年以接近3%的速度增长，TFP增长率波动呈现收敛态势；20世纪90年代以前主要是技术进步和技术效率变化交替起主导作用，而90年代以后则主要由技术进步推动[7]。王丽萍(2012)测算了我国1978-2010年的全要素生产率，结果表明，我国资本产出弹性远高于劳动产出弹性，意味着我国经济增长过程中过度依赖资本要素投入，而全要素生产率的整体水平在下降[8]。郭庆旺、贾俊雪(2005)的研究发现，1993 年以前，我国的全要素生产率增长率总体呈现出涨跌互现的波动情形，1993 年之后则呈现出逐年下降趋势，直到2000 年才得以缓解，此后总体呈现出逐年攀升势头[9]。石风光、李宗植(2009)测度了1985-2007 年中国28 个省区的劳均GDP 差距、要素投入差距及全要素生产率差距，发现中国地区经济差距经历了一个先扩大后缩小的过程，而全要素生产率是造成中国省际经济差距更为主要的原因[10]。赵志耘、杨朝峰(2011)的研究表明，技术引进是改革开放以来中国全要素生产率变化的主要原因[11]。李斌、李书辉(2010)对湖南省各市州1990- 2008年的全要素生产率增长率进行实证研究后发现，技术进步是湖南省全要素生产率提高的主要因素，技术效率的不断降低给湖南省全要素生产率的增长带来了明显的负效应[12]。

二、全要素生产率的估算

1、主要估算方法

估算全要素生产率的方法大致包括增长核算法、时间参数法和前沿生产函数法三种。在研究初期，多数学者采用增长核算法来测量。随着研究的深入，越来越多的学着采用新的方法进行估算。

增长核算法是通过估算弹性来计算TFP，主要是建立在生产函数的基础上，通过估计总量生产函数，用扣除各要素增长率后产出增长率的残差来度量TFP增长。

时间参数法是在C-D模型的基础上，在回归方程中，用时间变量来估算TFP。

前沿生产函数法是采用面板数据来深入分析生产率，过程相对复杂，但是结果更为精确，同时可以将全要素生产率进一步分解为技术效率和技术进步等因素。主要的方法有确定性前沿分析(DFA)、随机前沿分析(SFA)和数据包络分析(DEA)两种。DEA方法由Charnes等建立[13]，Fare等将该方法与瑞典经济学家Sten Malmquist提出的Malmquist指数相结合，构建了基于DEA的Malmquist指数[14]，目前该方法在研究生产率方面得到了广泛的应用[15][16][17][18]。笔者将采用该方法对全要素生产率进行测算。

2、DEA-Malmquist指数分析方法

DEA-Malmquist指数分析方法是基于距离函数测度效率变化和技术进步，Malmquist生产率指数变动值即为全要素生产率的变动值。

基于产出的Malmquist生产率指数可表示为：

(I)

(II)

可以将Malmquist指数分解为技术效率TE和技术进步TP两项。TE测度了规模报酬不变条件下的效率变化值，表示决策单元到最佳生产可能性边界的追赶程度。TP测度了技术边界从时期t到( t+ 1)的移动情况。技术效率又可以分解为纯技术效率PE和规模效率SC。(Ⅲ)式表示了Malmquist指数的具体分解过程。

=TE×TP=PE×SC×TP

(III)

三、变量选取及数据处理

为测算湖南省全省及各市州的全要素生产率，笔者以湖南省各市州的面板数据为研究对象，借鉴C-D生产函数，选取的基本变量为资产、劳动和总产出。同时，为了考察全要素生产率的影响因素，鉴于数据的可得性，选取财政政策和科技政策来分别衡量制度和技术因素对全要素生产率的影响。相关数据来源于2003-2015年《湖南统计年鉴》及《湖南科技年鉴》。

1、产出变量的选取

因为人均数据比总量数据更能展示出各地区的经济差异，因此选取人均GDP(lnGDP)作为产出变量。GDP 平减指数统一折算到以2002年为基期的指数,并用调整后的平减指数将GDP数据调整为以2002年为基年的不变价格，并对调整后的数据取对数。

2、投入变量的选取

促进经济增长的投入要素主要包括资本和劳动力两部分，鉴于数据的可得性，选取国有经济固定资产投资(lnK)及从业人员(lnL)作为投入要素。

从业人员采用上年年末数和本年年末数的平均值，并取对数。

3、财政及科技政策变量的选取

影响全要素生产率变动的外部因素主要包括制度和技术两个方面。为了更好的研究湖南省全要素生产率的变动情况，选取财政收入占比(财政收入占GDP的比重，REV)和科技投入占比(科技活动经费内部支出占GDP的比重,INO)来代表财政和科技政策，分析制度和技术因素对全要素生产率的影响。

4、变量的描述性统计

从表1可以看出，INO均值为1.1756%，最大、最小值分别为4.559%和0.0555%；REV均值为4.6507%，最大、最小值分别为7.9706%和2.8897%。表明各市州的财政收入和科技投入存在着很大区别。

表1 变量的描述性统计特征

四、实证结果与分析

1、全要素生产率的测算

(1)湖南省全要素生产率的变动及分解情况

采用Malmquist指数方法测算湖南省全要素生产率的变化情况，使用投入要素为lnL和lnK，产出要素为lnGDP，分析软件为Deap2.1。以2002-2014年湖南省14个市州的面板数据为基础，测算出湖南省各年度TFP变化率及分解情况如表2所示。

由表2可以看出，湖南省全要素生产率平均约为1.008，其中2004年最高，达到了1.054，2009年最低，只有0.937，总体来看，湖南省全要素生产率波动较大，效率值不高。从全要素生产率的分解情况来看，技术效率偏低，经济增长主要来源于技术进步；而技术效率的偏低又主要是由于规模效率的偏低。图1报告了历年的技术效率、技术进步和全要素生产率变动情况，可以看出，技术效率总体来说波动不大，但是技术进步和全要素生产率波动较大，除2009和2012年外，其余年份全要素生产率均高于技术效率。

表2 各年度TFP变化率及其分解

图1 湖南省全要素生产率及其分解效率变化趋势

(2)湖南各市州全要素生产率及分解情况

各市州TFP变化率及其分解情况如表3所示。

从表3可以看出，湖南省大部分市州全要素生产率均大于1，只有邵阳、永州和怀化三个地区小于1；湘西自治州全要素生产率最高，达到了1.059，其次是长沙、湘潭和株洲。从全要素生产率的分解情况可以看出，各市州技术进步均大于1，而技术效率的偏低主要是因为规模效率的偏低。整个湖南省，规模效率大于1的只有长沙、怀化和自治州，湘潭和张家界刚好是1。

表3 各市州TFP变化率及其分解

各市州历年TFP变化率如表4所示。其中最后三行，是将湖南省分为3个区域，对区域内全要素生产率取平均值来进行研究，3个区域分别是：“3+ 5”城市群，“3”是长株潭两型社会配套改革试验区，“5”是打造城市群的次级城市中心和经济发展腹地，包括岳阳、常德、益阳、娄底、衡阳；湘南地区，包括邵阳、郴州和永州；湘西地区，包括张家界、怀化和湘西自治州。

表4 各市州历年TFP变化率

图2 湖南省3个区域全要素生产率及其分解效率变化趋势

由表4和图2可以看出，各市州全要素生产率波动较大，总体来看，“3+5”城市群除2003年生产率低于其他两个地区外，其余年份均比其他两个地区高，湘南地区全要素生产率除2003年高于“3+5”城市群外，其余年份均处于垫底位置。

2、财政及科技政策对全要素生产率的影响结果

为研究财政政策及科技政策对TFP的影响，选取14个市州的TFP数据、财政政策数据及科技政策数据，构成面板数据，来进行分析。由于科技政策对TFP的影响具有一定的滞后性，因此采用滞后一期的数据来进行分析。因此得到12年、14个市州的面板数据来进行分析。

(1)单位根检验及模型选择

对时间序列数据进行分析前，首先需要对其进行单位根检验，以判断序列是否为平稳序列。通过检验可以发现，TFP、TE、TP、INO均为平稳序列，REV不平稳，但是其一阶差分序列平稳。因此可以对TFP、TE、TP、INO及D(REV)进行回归分析。即用前后两年的TFP变化率、财政收入占比变化率及前一年的科技投入占比来做回归分析。

面板模型有固定效应和随机效应两种形式。通过Hausman检验，可以看出TFP-INO- D(REV)和TE-INO- D(REV)模型应选择随机效应模型；而TP-INO- D(REV)应选择固定效应模型。固定效应模型的形式设定又包括固定效应变系数模型、固定效应变截距模型和固定效应不变参数模型三种，通过检验，TP-INO- D(REV)模型形式应为固定效应不变系数模型。

(2)面板回归分析

表5 面板回归分析结果

由表5可以看出：第一，TFP模型通过了相关检验，F统计量显示模型回归结果较好，DW值为1.71，模型不存在自相关现象。调整R2为0.19，表示选取的两个指标能够解释全要素生产率变化的19%。从模型的回归结果可以看出，财政收入占比对全要素生产率有着明显的负面影响，表现为财政收入占比每提高1%，可导致全要素生产率下降0.34%；科技投入占比对全要素生产率有着明显的正面影响，表现为科技投入占比每提高1%，可导致全要素生产率提高1.18%。第二，TE模型通过检验，F统计量显示模型回归结果较好，DW值为1.62，模型不存在自相关现象。调整R2为0.14，表示选取的两个指标能够解释技术效率变化的14%。从模型的回归结果可以看出，财政收入占比对技术效率有着明显的负面影响，表现为财政收入占比每提高1%，可导致技术效率下降0.21%；科技投入占比对技术效率有着明显的正面影响，表现为科技投入占比每提高1%，可导致技术效率提高1.30%。第三，在TP模型中，REV和INO的系数在5%的显著性水平下均不显著，同时从F统计量可以看出，回归模型并不显著。因此可以得出结论，财政收入占比和科技投入占比对技术进步没有显著影响。

五、结论与建议

1、结论

由实证结果可以看出，湖南省全要素生产率波动较大，效率值不高；从全要素生产率的分解情况来看，技术效率偏低，经济增长主要得益于技术进步；而技术效率的偏低又主要是由于规模效率的偏低。各市州全要素生产率波动较大，湘西自治州生产率最高；三个区域中，“3+5”城市群生产率除个别年份外，其余年份比其他两个地区高，湘南地区全要素生产率除个别年份外，其余年份均处于垫底位置。在影响全要素生产率的因素中，财政收入占比对全要素生产率有着明显的负面影响，财政收入占比每提高1%，可导致全要素生产率下降0.34%；科技投入占比对全要素生产率有着明显的正面影响，科技投入占比每提高1%，可导致全要素生产率提高1.18%；同时也可以看出，财政收入占比和科技投入占比主要作用于技术效率，对技术进步没有显著影响。

2、建议

(1)增加科技投入是提高经济增长质量的重要途径

由湖南省全要素生产率分解情况可以看出，技术进步是推动全要素生产率增长的最主要因素。回归结果更是可以看出，科技投入的增加可以明显提高全要素生产率。改革开放以来我国经济的高速增长主要得益于巨大的人口红利和对资源环境的过度使用，但是随着人口拐点的出现和资源环境承载能力极限的到来，这种粗放型的发展方式已经难以为继，通过技术创新、实现集约化的发展道经济转型的必由之路。湖南省应加大力度培养研发人员，鼓励企业增加研发投入以及对研发成果进行专利申请[20]。

(2)实施结构性减税，适当缩减政府财政收入在GDP中的占比

十八届三中全会指出，要使市场在资源配置中起决定性作用和更好发挥政府作用。要更好的发挥市场的作用，需要管住政府的“双手”，促使政府从“投资型政府”转变为“服务型政府”。因此实施结构性减税，适当缩减政府财政收入，可以使居民和企业部门分配到更多的收入，从而更好的拉动内需和民营企业的投资生产，也就可以更加深入的推动市场化程度和提高全要素生产率。

(3)应针对不同地区的具体情况，制定区域性的经济发展政策

“3+5”城市群的全要素生产率要显著高于其他地区，湘南地区的生产率一直处于垫底位置。因此应针对不同地区的具体情况，制定区域性的经济发展政策。“3+5”城市群应更多的发展技术含量较高的产业，更多的依靠自主创新，而湘南地区由于基础较为薄弱，应该更多的吸收引进先进技术，结合自身资源禀赋开展区域经济发展，而不能片面的追求高技术高投入。

[1]邓 翔，李建平. 中国区域经济增长的动力分析[J]. 管理世界，2004，(11)：68-76.

[2]张 军. 增长、资本形成与技术选择: 解释中国经济增长率下降的原因[J]. 经济学(季刊)，2002，(2)：301-338.

[3]Young , Alwyn. The Tyranny of Numbers: Confronting the Statistical Realities of the East Asian Growth Experience[J]. The Quarterly Journal of Economics, 1995，(3)：641-680.

[4]J.Y. Lin. Rural Reforms and Agricultural Growth in China. American Economic Review[J]. 1992，(82)：34-51.

[5]沈坤荣，耿 强. 外国直接投资、技术外溢与内生经济增长[J]. 中国社会科学，2001，(5)：82-93.

[6]王志刚，龚六堂，陈玉宇. 地区间生产效率与全要素生产率增长率分解(1978 -2003)[J]. 中国社会科学，2006，(2)：55-67.

[7]傅 勇，白 龙. 中国改革开放以来的全要素生产率变动及其分解(1978-2006)[J]. 金融研究，2009，(7)：38-51.

[8]王丽萍. 我国全要素生产率的测算：1978-2010[J]. 中国物价，2012，(5)：6-9.

[9]郭庆旺，贾俊雪. 中国全要素生产率的估算: 1979-2004[J]. 经济研究，2005，(6)：51-60.

[10]石风光，李宗植. 要素投入、全要素生产率与地区经济差距——基于中国省区数据的实证分析[J]. 数量经济技术经济研究，2009，(12)：19-31.

[11]赵志耘，杨朝峰. 中国全要素生产率的测算与解释:1979-2009[J]. 财经问题研究，2011，(9)：4-13.

[12]李 斌，李书辉. 湖南省各市州全要素生产率增长率的实证研究[J]. 工业技术经济，2010，(11)：50-56.

[13]Charnes A, CooperW, Se iford L.M. Data Envelopment Analysis: Theory, M ethodology, and Application[M]. Dordrecht: Kluwer Academic, 1994.226.

[14]Fare R, Grosskopf S, Norris M. Productivity Growth, Technical Progress and Efficiency Changes in Industrialized Countries[J]. American Economic Review,1994,(84): 66-83.

[15]原毅军，刘 浩，白 楠. 中国生产性服务业全要素生产率测度——基于非参数Malmquist指数方法的研究[J]. 中国软科学，2009，(1)：159-167.

[16]陶 虎，田金方，郝书辰. 基于Malmquist指数的国有企业资本配置效率演进特征分析[J]. 产业经济评论，2012，(3)：57-97.

[17]宫俊涛，孙林岩，李 刚. 中国制造业省际全要素生产率变动分析——基于非参数Malmquist指数方法[J]. 数量经济技术经济研究，2008，(4)：97-109.

[18]尹琳琳，苏 秦. 中国服务业生产率的变动态势及区域特征分析——基于数据包络分析方法的实证研究[J]. 软科学，2009，(11)：73-78.

[19]张 军，吴桂英，张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究，2004，(10)：35-44.

[20]周 亮. 技术创新及制度因素对湖南经济增长的影响研究[J]. 湖南财政经济学院学报，2014，(2)：70-74.

(编辑：蔡玲；校对：余华)

Research on the Effects of Fiscal and Science Policy on TFP——Take Hunan as Example

ZHOU Liang

(HunanUniversityofFinanceandEconomics,ChangshaHunan410205)

This paper takes the Malmquist Index to approach 14 cities’ data in Hunan from 2002 to 2014, to estimates TFP of the 14 cities, and analyzes the effects of fiscal and policy, the results show that: Hunan’s TFP fluctuates heavily, mainly due to technological progress, and the size of the low efficiency of technology leads to low efficiency; TFP of 14 cities also fluctuates heavily, Xiangxi Autonomous Prefecture has highest productivity; “3 + 5" city group’s productivity is generally higher than the other two regions, southern Hunan’s is generally lower than the other two regions; revenue share has a significant negative impact on TFP, the rate of change in accounting for revenue each increased by 1% can lead to TFP fell 0.34%; the proportion of investment in science and technology has a significant positive impact on total factor productivity, investment in science and technology accounted for every 1% increase can lead to TFP increase 1.18%; fiscal and science policy accounted for a major role in technical efficiency, no significant effect on technological progress.

Hunan; productivity; TFP; fiscal policy; science policy

2016-07-10

湖南财政经济学院青年教师科研基金项目“科技政策对湖南省全要素生产率的影响研究”(项目编号：Q201408)、国家社科基金项目“面向科技型小微企业发展的财税支持政策效果研究”(项目编号：13BJL039)

周 亮(1986- )，男，湖南邵阳人，湖南财政经济学院学报编辑，硕士，研究方向：宏观经济、金融工程

10.16546/j.cnki.cn43-1510/f.2016.05.012

F812.4

A

2095-1361(2016)05-0095-07