中国全要素生产率的再估算

林 春，孙英杰

（辽宁大学 经济学院，沈阳 110036）

0 引言

推进以提高全要素生产率为核心的供给侧结构性改革，是中央面对经济发展新常态作出的重大战略决策，是新常态时期推动我国经济增长的改革动力之一[1]，是十三五时期我国推动经济社会发展的一条主线[2]，是促进新常态经济发展动力的顺利转换[3]，并将“全要素生产率”纳入国家年度国民经济主要指标范围的建议当中，这些足以验证了提高全要素生产率对新常态经济发展的重要性。从投资转向全要素生产率是当下经济增长驱动力的必然诉求[4]。以相关研究背景为依托[4-15]，在全面考虑投入要素（资本、劳动、能源、环境）的基础上，本文试图将克强指数替代GDP作为产出变量，共同纳入DEA-Malaquist生产率指数研究框架中，构建衡量中国TFP的增长核算模型，重新估算我国2000—2014年TFP的增长状况，并借助该模型的动态分析的方法来验证克强指数的科学性。

1 研究方法与数据来源

1.1 Malmquist生产率指数模型的建立

本文利用DEA-Malmquist指数方法来测算中国各地区全要素生产率，并用该指数来评价中国各地区经济质量的增长状况。选择DEA测算方法主要原因如下：（1）基于DEA—Malmquist全要素生产率指数是中国各地区经济效率测量的主要方法之一[16]。（2）该方法能有效比较各决策单元（DMU）的效率，并能够识别出相对有效的单位和相对无效的单位。（3）与随机前沿方法（SFA）等参数分析法相比，DEA方法不要求对所有研究样本数据的无效率分布做事先假设，不需要事先确定函数形态即可进行效率的评估。与净利差（NIM）等财务指标分析法相比，DEA方法能够综合反映各地区“多元投入、多元产出”的情形。具体为：

假设有n个决策单元（DMU）的样本，每个决策单元（DMU）有m种投入和s种产出，Xij代表第j个决策单元（DMU）的第i种投入总量；Yrj代表第j个决策单元（DMU）的第r项产出总量；各决策单元（DMU）的投入和产出向量可表示为依据DEA方法的评价思想可以构造如下的线性规划模型（BCC模型）：

式（1）中，λj为n个决策单元（DMU）的某种组合权重；VD为第t个决策单元（DMU）的相对效率评价结果。引入松弛变量，式（1）可写成：

对于线性规划式（2），若VD=1，则第t个决策单元（DMU）为DEA弱有效；若VD=1，且它的每个最优解λ*、S*-、S*+、θ*都存在，且S*-=0，S*+=0，则第t个决策单元（DMU）为DEA有效。

Malmquist全要素生产率指数最初用于分析不同时期消费行为的变化，后被用作投入产出分析。Fare等（1994）将非参数形式下Malmquist全要素生产率指数中涉及距离函数计算出来，并将其分解为技术效率变动指数和技术进步变动指数。Malmquist全要素生产率指数（TFP）通常用第t期的全要素生产率指数M0t和和第t+1期的全要素生产率指数M0t

+1的几何平均数计算出来的。具体函数形式如式（3）所示：

Effch是从t时期到t+1时期的技术效率提高指数，为由DMU在t+1时期的投入产出与最具效率者的差距除以该DMU在t时期的投入产出与最具有效率者的差距所衡量的值。若Effch＞1，则说明该DMU在这一时期改善了自己与最优者的相对位置，竞争中自身技术效率有所改善；若Effch＜1，则表示差距在进一步拉大；若Effch=1，则表示差距相对不变。

Techch是从t时期到t+1时期的技术进步指数，是由t+1时期的技术变动值与以t时期衡量的技术变动值的几何平均数所求得。Techch代表t时期到t+1时期内生产前沿面的移动，即表示全行业技术进步或技术创新的程度。若Techch＞1，则说明这一时期存在技术进步;反之，则说明技术有衰退的趋势。

1.2 数据来源

1.2.1 投入与产出指标选择及数据来源

本文采用中国2000—2014年29个省（市、自治区）的投入与产出数据，重庆和西藏因多项数据缺失，故剔除研究范围。其数据主要源自国家统计局网站、《中国统计年鉴》、《中国金融统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、各省（市、自治区）统计年鉴以及国民经济和社会发展统计公报，另有部分使用数据是经过原始数据处理后所得。东、中、西三大区域的划分依据国家统计局口径为基准。

1.2.2 投入与产出指标的选择

本文考虑到影响索洛模型的主要因素是资本和劳动力，而其中缺少自然资源、污染因素，根据马尔萨斯（1798）提出的经典论断，本文在投入变量的选择上不仅考虑到资本和劳动力变量的选择，还要加入了能源与环境变量。对于环境投入变量的选择：一方面是原有的工业三废污染物；另一方面是碳排放，因为二氧化碳的排放致使全球气候变暖，故也被视为一种“坏”的产出。至此，通过对以上变量的综合考虑，以期得出各地区全要素生产率更为真实性和合理性，故指标选择说明如下：

投入指标选择说明：

（1）选取永续盘存法计算各地区的实际资本存量，公式为：Kit=Iit+(1-W)Kit-1，其中，Kit是i地区第t年的资本存量，Iit是i地区第t年的投资，W是i地区第t年的固定资产折旧率。投资指标Iit用固定资产形成总额表示，取固定资产折旧率W为9.6%，参照张军等（2004）[17]计算思路，获得2000—2014年各地区的实际资本存量（基期为1978年）。

（2）选取各地区就业人口数作为劳动投入。就业人口主要指16周岁及以上从事一定社会劳动并取得劳动报酬或经营收入的人员。

（3）选取各地区能源消费总量作为能源投入。能源消费总量主要指地区各行业和居民生活消费的天然气、电力、原煤、原油及其制品等各种能源的总和。

（4）选取各地区工业的废水排放总量、废气排放量和固体废弃物产生量作为环境投入一部分。环境污染主要包括大气污染、水污染和固体废弃物污染三类。鉴于中国环境污染主要受工业的影响，故选取工业的废水、废气和固体废弃物作为环境投入。

（5）选取各地区煤、石油、天然气三大一次性能源消费量与二氧化碳信息分析中心（CDIAC）的各类能源排放系数，计算得到各地区2000—2014年的二氧化碳排放量，故作为环境投入的另一部分。

产出指标选择说明：

（1）选择作为产出变量的GDP是实际GDP，使用GDP平减指数折算名义GDP处理得到的（基期为1978）。

（2）选择作为产出变量的克强指数，是根据以往学者的文献研究，大多数都采用GDP、人均可支配收入、人均GDP和GDP平减指数等作为产出变量，但相关研究有所发现，以GDP或者以GDP为基础的测算数据在指标选择上存在一定的理想性和偏差性，难免引人思考的是利用GDP指标所测出的中国TFP是否会偏离真实的经济效率情况。因此，本文考虑采用克强指数产出变量代替GDP，以期得到更合理的TFP测算值，并回答上面的思考问题。克强指数（LK）是耗电量（PC）、铁路货运量（RF）和银行贷款发放量（LV）三种经济指标的结合，本文采用花旗银行编制的克强指数算法，即克强指数（LK）=40%×PC+25%×RF+35%×LV。其中，耗电量（PC）的多少，不仅可以反映我国工业化活跃程度，而且易于核算，故采用各地区的电力消费量来衡量；铁路货运量（RF）的多少，较真实地反映我国经济运行状况和运行效率，故采用各地区铁路货运量来衡量；贷款发放量（LV）的多少，反映人们对当前经济的信心和预期，故采用各地区金融机构贷款总量来衡量。

1.2.3 DEA模型的有效性条件检验

（1）条件一：投入指标与产出指标必须满足同向性。本文将收集2000—2014年我国29个省（市、自治区）的面板数据，即年总计3915个样本数据，对其进行投入与产出变量Spearman的相关性检验，其结果见表l。从表1可以看出，各相关系数均为正，符合同向性要求。

表1 投入与产出相关系数

（2）条件二：决策单元数至少为投入与产出指标数目之和的两倍，或者大于等于两者数目之积。故本文中29个决策单元（29个省、市、自治区），传统视角下为两个投入指标和一个产出指标，质量视角下为七个投入指标和一个产出指标，显然，无论是传统还是质量均符合条件。

（3）条件三：29个省、市、自治区的投入与产出指标均满足规模报酬规律，即规模报酬递增时，产出增加的比例大于投入增加的比例，而规模报酬递减则相反。

2 中国及各地区TFPK估算结果分析①下文中，TFPK、EFFK和TECHK分别代表克强指数下的全要素生产率、技术效率和技术进步；TFPGDP、EFFGDP、TECHGDP分别代表GDP下的全要素生产率、技术效率和技术进步。

2.1 传统视角下TFPK比较分析

本文采用DEAP2.1软件，以资本和劳动作为投入变量，以GDP和克强指数分别作为产出变量，测算传统视角下全国及各地区的TFPK指数和TFPGDP指数，并对其结果进行横向比较分析，来验证克强指数的科学性所在。其中，投入与产出指标框架示意图见图1，测算结果见表2和下页表3。

图1 传统TFPK（左）和传统TFPGDP（右）投入与产出指标框架示意图

（1）传统视角下全国层面TFPK比较分析

由表2可以看出，传统克强指数方面：在考察期内，TFPK平均增长率为-3.2%，EFFK平均增长率为-0.3%，TECHK平均增长率为-2.9%。其中，从具体年份来观察，2001—2002年间的TFPK增长率为10.3%，主要归功于EFFK作用结果；2008—2009年间的TFPK增长率为28.5%，主要归功于TECHK作用结果；2010—2011年间的TFPK增长率为7.5%，EFFK和TECHK同时作用结果；2011—2012年间的TFPK增长率为14.9%，主要归功于TECHK作用结果；2012—2013年间的TFPK增长率为11%，主要归功于TECHK作用结果；2013—2014年间的TFPK增长率为40.4%，EFFK和TECHK同时作用结果。传统GDP方面：在考察期内，TFPGDP平均增长率为-3.1%，EFFGDP平均增长率为-0.5%，TECHGDP平均增长率为-2.7%。其中，从具体年份来观察，2001—2002年间的TFPGDP增长率为13.9%，主要归功于TECHGDP作用结果；2003—2004年间的TFPGDP增长率为28.1%，主要归功于TECHGDP作用结果；2008—2009年间的TFPGDP增长率为32.2%，主要归功于TECHGDP作用结果；2011—2012年间的TFPGDP增长率为3.3%，主要归功于EFFGDP作用结果；2013—2014年间的TFPGDP增长率为22.6%，主要归功于TECHGDP作用结果。

表2 传统视角下TFPK和TFPGDP的比较分析（全国层面）

通过对上述两种结果的比较发现，TFPK增长更多归功于EFFK改善作用结果，而TFPGDP增长更多归功于TECHGDP作用结果。基于我国现阶段粗放资本运作和廉价劳动力的基本国情出发，很多方面还在处于“量”的完善阶段，包括资本配置效率优化、人力资本质量提升、软硬技术实力改善等等，这也客观决定了我国TFP的增长的不可持续性，表2中呈现的增长负值也是一种常态表现，故可以推测为这一阶段TFP的增长可能更多偏重于EFF的改善。本文再从2011—2012年、2013—2014年两个区间段的TFP增长来看，尽管2008年金融危机的阴霾并没有彻底驱散，但中国政府刺激经济的效果却有所凸显。“4万亿救助计划”客观创造了市场多方面的应急需求，促进了企业生产规模的扩张，提升了企业原有的技术效率，可真正撬动的技术进步改善略显微弱。综合上述客观事实分析，可以折射出传统TFPK的结果更加理性化，较真实地反映我国传统TFPK的增长现状。

（2）传统视角下地区层面TFPK比较分析

由表3可以看出，传统克强指数方面：在考察期内，东部地区TFPK、EFFK、TECHK平均增长率分别为-0.5%、2%、-2.5%；中部地区TFPK、EFFK、TECHK平均增长率分别为-1.6%、1.1%、-2.6%；西部地区TFPK、EFFK、TECHK平均增长率分别为-7.1%、-3.6%、-3.5%。可见，各地区TFPK、EFFK、TECHK从高到低的平均增长率排序基本保持一致性，依次为东部、中部和西部。传统GDP方面：在考察期内，东部地区 TFPGDP、EFFGDP、TECHGDP平均增长率分别为-2.9%、-1%、-1.9%；中部地区TFPGDP、EFFGDP、TECHGDP平均增长率分别为-3.3%、-0.7%、-2.6%；西部地区TFPGDP、EFFGDP、TECHGDP平均增长率分别为-3.2%、0.3%、-3.5%。可见，各地区TFPGDP、EFFGDP、TECHGDP从高到低的平均增长率排序却表现出极大的差异，其中，地区TFPGDP从高到低的排序依次为东部、西部和中部；地区EFFGDP从高到低的排序依次为西部、中部和东部；TECHGDP从高到低的排序依次为东部、中部和西部。

表3 传统视角下TFPK和TFPGDP的比较分析（地区层面）

通过对两种结果排序的比较来看，东部地区拥有良好的经济发展基础和资源优势，并且科技应用最为广泛，故走在三区（东、中和西部地区）的发展前列；中部地区占有雄厚的工业基础和丰富的自然资源，发展较为稳进，处于三区的发展中游；西部地区秉承丰富的资源优势和国家西部开发的政策倾斜，近些年发展颇为迅速，有赶超中部地区的发展趋势；可见，传统TFPK、EFFK、TECHK从高到低的排序表现得更为理性和科学。再从各地区的省份增长来看，TFPK在东部地区有6个省份（北京、天津、河北、辽宁、江苏和浙江）表现出正向增长，并且大部分归功于EFFK的改善，而TFPGDP在东部地区的省份中却全部为负增长，显然这是不符合情理的，同客观事实相悖，这也再次佐证传统TFPK的测算结果与中国各地区TFP实际增长情况较为吻合。

2.2 质量视角下TFPK科学性分析

考虑到上文分析的全面性和完整性，本文继续采用DEAP2.1软件，以资本、劳动、能源和环境作为投入变量，以GDP和克强指数分别作为产出变量，测算质量视角下全国及各地区的TFPK指数和TFPGDP指数，并对其结果进行横向比较分析，再次验证克强指数的科学性所在。其中，投入与产出指标框架示意图见图2，测算结果见下页表4和表5。

图2 质量TFPK（左）和质量TFPGDP（右）投入与产出指标框架示意图

（1）质量视角下全国层面TFPK比较分析

由表4可以看出，质量克强指数方面：在考察期内，TFPK平均增长率为-5.4%，EFFK平均增长率为0.5%，TECHK平均增长率为-5.9%。其中，从具体年份来观察，2001—2002年间的TFPK增长率为5.1%，主要归功于EFFK作用结果；2003—2004年间的TFPK增长率为4.5%，主要归功于EFFK作用结果；2008—2009年间的TFPK增长率为49.3%，主要归功于TECHK作用结果；2009—2010年间的TFPK增长率为3.1%，主要归功于EFFK作用结果；2011—2012年间的TFPK增长率为7.8%，主要归功于EFFK作用结果；2013—2014年间的TFPK增长率为15.6%，主要归功于TECHK作用结果。显然，同传统克强指数下的测算结果比较有所下降及作用的差异性，这也不难验证了经典的马尔萨斯（1798）的论断，体现了能源与环境要素对TFP的显著影响，但仍然表现为EFF影响作用较大。质量GDP方面：在考察期内，TFPGDP平均增长率为-3.3%，EFFGDP平均增长率为-0.6%，TECHGDP平均增长率为-2.8%。其中，从具体年份来观察，2001—2002年间的TFPGDP增长率为7.8%，EFFGDP和TECHGDP同时作用结果；2002—2003年间的TFPGDP增长率为26.3%，主要归功于TECHGDP作用结果；2003—2004年间的TFPGDP增长率为39.3%，主要归功于TECHGDP作用结果；2008—2009年间的TFPGDP增长率为48.6%，主要归功于TECHGDP作用结果；2013—2014年间的TFPGDP增长率为13.8%，主要归功于TECHGDP作用结果。显然，同传统GDP下的测算结果比较仍然有所下降及作用的差异性，原因同上，但TECH影响作用较大。

通过对上述两种结果的比较发现，TFPK增长更多归功于EFFK改善作用结果，而TFPGDP增长更多归功于TECHGDP作用结果。呈现了这样的差异化，同传统比较分析原因有些相似。我国自改革开放以来，贫富差距逐年缩小，综合国力在不断增强，这一点是毋容置疑的。但我国所依托的粗放的资本、廉价劳动力以及丰富的自然资源优势并没有得到有效的开发与利用，而是在不断调整为利益驱使的资源配置，换来了是企业运营效率的低下、错配产能的过剩、高负荷的环境污染等诸多问题，这种低质量的经济增长模式却成为新常态下所要必须摆脱的“魔咒”。因此，针对质量TFPK的增长颇偏于技术效率显得更为有说服力。同时，也为国家新一轮的战略改革调整指明了方向。在保证原有技术效率不断改善的前提下，加强技术进步上位优势，保证高质量、可持续性的经济增长模式。综上启示，我国应该进一步加大科技投入，增加科研创新力度，摆脱技术创新不足的尴尬局面，实现技术效率与技术进步的双驱动作用，从根本上提升我国高质量的经济增长，以应对新常态下经济结构的良性转型。

表4 质量视角下TFPK和TFPGDP的比较分析（全国层面）

（2）质量视角下地区层面TFPK比较分析

由表5可以看出，质量克强指数方面：在考察期内，东部地区TFPK、EFFK、TECHK平均增长率分别为-6.3%、1.5%、-7.7%；中部地区TFPK、EFFK、TECHK平均增长率分别为-5.1%、0.8%、-5.8%；西部地区TFPK、EFFK、TECHK平均增长率分别为-4.5%、-0.7%、-3.8%。可见，受能源、环境等复杂要素的影响之后，各地区TFPK、EFFK、TECHK的增长都有所下降，并且从高到低的平均增长率排序打破传统克强指数下的原有一致性，地区TFPK从高到低的排序依次为西部、中部和东部；地区EFFK从高到低的排序依次为东部、西部和中部；地区TECHK从高到低的排序依次西部、中部和东部。质量GDP方面：在考察期内，东部地区TFPGDP、EFFGDP、TECHGDP平均增长率分别为-5.5%、-1%、-4.6%；中部地区TFPGDP、EFFGDP、TECHGDP平均增长率分别为-3.7%、-0.8%、-3%；西部地区TFPGDP、EFFGDP、TECHGDP平均增长率分别为-0.2%、0.2%、-0.4%。可见，受能源、环境等复杂要素的影响之后，各地区TFPGDP、EFFGDP、TECHGDP的增长也同样有所下降，并且从高到低的平均增长率排序则与传统视角下截然不同，表现为一致从高到低的排序性，依次为西部、中部和东部。

表5 质量视角下TFPK和TFPGDP的比较分析（地区层面）

通过对两种结果排序的比较来看，质量视角下地区TFPK、TECHK、TFPGDP和TECHGDP的平均增长率排序表现为一致性，从高到低依次为西部、中部和东部，这点也反映出将能源和环境等要素的纳入对地区TFP增长的显著影响。侧面烘托出东部地区经济增长的“乐观”表象，是在以消耗大量能源和严重环境污染为代价；中部地区的经济处于“不冷不热”的稳步上升期，也始终处于三区（东、中和西部地区）的发展中游；西部地区受惠于国家西部大开发战略的政策调整，充分利用资源优势和资金政策扶持，经济增长呈现出了前所未有的良好局面。但质量视角下地区EFFK和EFFGDP的平均增长率排序却表现出较大差异，地区EFFK从高到低的排序依次为东部、西部和中部；而地区EFFGDP从高到低的排序依次为西部、中部和东部。显然，东部地区在拥有良好的发展基础前提下，吸引到很多高新技术产业的企业注资和落户，促进该地区先进技术的应用普及和推广，技术效率改善是最为明显的；西部地区在获得政策调整的福利，加快了技术更新换代的资金投入和保障，推动该地区的技术进步改革，并促进效率改善的大幅度提升；中部地区发展势头不足，资源优势濒临匮乏、工业基础设备陈旧和资金供给不足等，导致该地区技术效率相对落后；西部地区虽然受国家政策倾向取得了阶段性的效果，但地区的整体技术效率改善仍然存在很大空间。故此，东、中和西部地区的EFF的增长状况反映出克强指数的科学性。再从各地区省份增长来看，东、中和西部的不同省份TFPK增长更多归功于EFFK的改善，并且许多省份出现了负增长，这也验证当下中国经济结构转型的关键期所在；而各地区不同省份的TFPGDP更多归功于TECHGDP的改善，并且正增长省份基本集中西部地区（广西、四川、贵州、云南、宁夏和新疆），明显存在估计的偏差性和逻辑发展的相悖性，予以再次验证了质量TFPK的测算结果与中国各地区TFP实际增长的一致性。

（3）全国及各地区质量视角下TFPK的趋势特征分析

从下页图3可以看出，全国及各地区的质量TFPK增长率并未出现持续的攀升和下降。各地区增长差异较大主要发生在2002—2006年间，该区段的东部和中部地区基本随全国走势起伏稳定，而西部地区却有悖常态之理，这也主要源于国家西部大开发战略阶段性的投资影响，催生了该地区短暂的经济热度上扬，但这种热度会随着投入生产的滞后性逐渐被稀释。2006年以后，各地区的TFPK均同全国的走势保持了一致性，回归了常态、稳定的经济增长模式。可惜好景不长，受之于美国爆发金融危机的全球蔓延效应，2008年末的中国经济再次陷入了“阴霾”，质量TFPK呈现了整体的增长回落局面，甚至于出现了负增长。中国政府启动了紧急援助的四万亿刺激计划，以“强心剂”之势助推经济活力，并在2009年末收到显著地成效。所谓“是药三分毒”的道理众所周知，这个“强心剂”的后遗症在2010年末得到了有效的回应，其增长也再次呈现了跳跃式回落且为负的局面。继世界经济持续走低的消极影响，中国各地区“低温”的经济增长模式并没有得到有效缓解，TFPK增长也围绕着零幅度附近上下徘徊，迎接到来的是三期叠加的中国新常态经济形势。进一步分地区来看，西部地区TFPK增长最快且波动幅度较大，东部地区增长平缓且较为稳定，中部地区的状况介于二者之间。

图3 质量TFPK的增长趋势图

3 结论与政策启示

本文通过借助中国及各地区TFP研究来分析克强指数的科学性得出结论如下：

（1）从传统视角来看，全国层面TFPK增长更多归功于EFFK改善作用结果，而TFPGDP增长更多归功于TECHGDP作用结果；地区层面TFPK、EFFK、TECHK平均增长率排序同地区经济发展水平相吻合，而TFPGDP、EFFGDP、TECHGDP的平均增长率排序同地区经济发展水平相偏差。故此判定为传统TFPK的估计结果更加理性化，彰显克强指数作为衡量中国经济发展评价指标的客观性与真实性。（2）从质量视角来看，在依据马尔萨斯的经典论断，打破传统索洛生产模型的局限性，将能源与环境综合因素纳入到生产当中，发现全国及地区层面的TFPK和TFPGDP都发生了不同程度下降，说明我国当下亟待提高能源利用效率和根治环境污染能力，并验证了我国地区经济增长率被严重高估现象的存在及厘清低质量经济增长的背后原因。全国层面的TFPK增长更多归功于EFFK改善作用结果与TFPGDP增长更多归功于TECHGDP作用结果保持不变；地区层面TFPK、EFFK、TECHK和 TFPGDP、EFFGDP、TECHGDP平均增长率排序发生了不同程度的变化，体现了不同要素投入影响TFP增长的复杂性，但基于客观事实的合理性描述，TFPK、EFFK、TECHK与实际情况的匹配度仍然要优于TFPGDP、EFFGDP、TECHGDP。故此验证克强指数修正GDP作为经济评价指标的准确性和必要性，克强指数为优化区域资源合理配置提供一种全新的方法和思路，并协助管理者对当前地区经济形势做出更为准确的判断。

根据上述实证结论得到如下政策启示：

（1）当下正是中国经济结构改革转型的关键期，新常态下不可持续的经济增长已经对发展阶段初期的粗放、低质量经营模式提出了更高的挑战，故此提升全要素生产率的亟待性也被认识到了空前的高度，并牢牢以此为驱动新常态经济增长的动力主线，加快供给侧全面改革的步伐，增加资源利用效率的高效性，减少废弃物排放的公害性，打造产业结构升级的最优合理区间，实现高质、可持续性经济增长模式的成功转型，夯实了新常态下中高速经济增长的稳定性。（2）克强指数为管理者科学评价经济增长质量提供一种全新的视野，修正了以往GDP指标评估真实经济增长的局限性，厘清当前经济增长乏力的背后脉络，给予新常态下经济的高质量运转提供了重要的导向作用。（3）区域间协调发展是国家“十三五规划”的重要战略调整方针，在保证东部地区发展供给平衡的条件下，进一步倾向于中西部地区科技要素的有效供给改革，实现科技进步与该地区资源优势结合的杠杆效应，增加科技进步对经济增长的贡献度，促使中西部地区发展迅速崛起，以此来保证中国经济稳步于转型下全方位、高质、可持续的增长态势。

参考文献：

[1]蔡昉.全要素生产率是新常态经济增长动力[J].党政干部参考,2016，(1).

[2]刘世锦.全要素生产率提升与转型再平衡[J].宁波经济:三江论坛,2015，(7).

[3]楼继伟.中国经济最大潜力在于改革[J].杭州,2016，(2).

[4]吴敬琏.建设能够激励创新和创业的体制机制[J].新金融,2016，(4).

[5]Chow G,Lin A L.Accounting for Economic Growth in Taiwan and Mainland China:A Comparative Analysis[J].Journal of Comparative Economics,2002,30(3).

[6]Young A.Gold Into Base Metals:Productivity Growth in the People's Republic of China During the Reform Period[J].Journal of Political Economy,2003,111(6).

[7]梅国平,甘敬义,朱清贞.资源环境约束下我国全要素生产率研究[J].当代财经,2014，(7).

[8]刘慧媛,吴开尧.考虑能源与环境因素的中国区域经济增长研究[J].商业研究,2014，(10).

[9]刘华军,杨骞.资源环境约束下中国TFP增长的空间差异和影响因素[J].管理科学,2014，(5).

[10]毛伟,赵新泉,居占杰.纳入土地要素的中国全要素生产率再估算及收敛性分析[J].资源科学,2014,10(10).

[11]Yoo S H,Lee J S.Electricity Consumption and Economic Growth:A Cross-Country Analysis[J].Energy Policy,2010,38(1).

[12]刘生龙,高宇宁,胡鞍钢.电力消费与中国经济增长[J].产业经济研究,2014,(3).

[13]Wang J,Lai X.Research on the Relationship Between Railway Freight Volume and Economic Development Based on the“Keqiang Index”[J].CICTP,2015.

[14]张岩,张晓峒,段楠.增加信贷投放能否刺激经济增长——基于我国贷款总量与实际GDP的长短期动态关系研究[J].财经论丛,2013,(3).

[15]范从来,盛天翔,王宇伟.信贷量经济效应的期限结构研究[J].经济研究,2012,(1).

[16]章祥荪,贵斌威.中国全要素生产率分析:Malmquist指数法评述与应用[J].数量经济技术经济研究,2008,25(6).

[17]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).