中国资源错配与经济效率损失:趋势与分解

李欣泽 司海平

要：本文在Hsieh & Klenow资源错配模型的基础上，将行业内资源错配程度进一步分解为资本错配程度、劳动错配程度与要素关联性资源配置程度，并利用1998—2013年工业企业数据进行测算，就其对经济效率损失的影响进行了分析。研究发现：当行业内的资源配置达到效率最优水平，总体经济效率将至少会提高115%～156%。中国总体资源错配程度、行业内资本错配程度以及劳动错配程度均呈现“先降低后上升”，尤其是在“四万亿”计划实施后上升趋势明显。

关键词：经济效率;资源错配;资本错配;劳动错配;要素关联性;全要素生产率

文献标识码：A

文章编号：100228482019（06）000112

新常态下，经济发展由高速增长转向中高速，探寻经济发展的新动能是我国现阶段所面临的极为重要的现实问题。当经济运行中存在阻碍生产要素自由流动的摩擦和障碍时，资源无法有效的配置到高效率部门，最终会导致经济产出下降[12]。这正是目前阻碍中国经济持续高速增长的重要原因。在中央财经领导小组召开的第十一次会议上，习近平同志也提出了用改革的方法推进要素配置状况，矫正要素配置扭曲，提高全社会生产率水平，从而促进经济社会可持续增长。可见，在中国经济转型背景下，有效配置资源及提升经济效率关系到我国能否实现经济高质量发展，也决定着能否实现新旧动能的顺利转换。

2008年国际金融危机爆发后，我国政府实施了刺激经济增长的“四万亿”计划，短时期内经济增速显著。而这种促进作用并没有得到持续，GDP增速由2010年的10.2%下降至2017年的6.9%。部分原因可能是经济周期所致，而更重要的可能是结构性因素，也就是资本、劳动等要素在部门间、产业间及企业间并没有实现合理的配置，进而导致全要素生产率未及时得到提升①。那么，高投资刺激与低增速的“背离”是否与资源错配有内在联系？“四万亿”计划实施后中国企业间资源配置状况发生了何种改变？“四万亿”计划实施后中国资源错配造成的经济效率损失呈现怎样的变化趋势？本文拟基于Hsieh等[1]所构建的资源错配理论框架，将行业内资源错配程度分解为行业内资本错配程度、劳动错配程度以及要素关联性资源配置程度三部分，利用中国工业企业数据库，重新对1998—2013年中国资源错配引起的经济效率损失进行测算，并重点分析“四万亿”计划实施后我国资源错配对经济效率的影响。

一、文献综述

经过近二十年的发展，资源错配理论已经形成了较为完整的基于微观基础解释宏观机制的理论体系。这为研究发展中国家如何快速增长进而赶超发达国家提供了理论基础。

自资源错配经典模型提出以来，第一类文献主要测算并分析了中国微观企业间资源错配对经济效率的影响。如Hsieh等[1]发现在1998—2005年间如果中国资源配置效率能够达到美国水平，其总体的全要素生产率水平至少提高30%～50%。就目前而言，以Hsieh等[1]为代表的从微观企业到宏观经济的资源错配理论模型，依然是学界测算资源错配的主流方法。众多学者在该模型框架下，对中国的资源错配程度和诱发原因进行了研究。第二类文献主要是考察分析部門间资源错配对经济效率的影响[26]。其中，Brandt等[2]同时考察了中国国有企业和非国有企业部门之间、省级地区之间两种形式的资源错配程度对经济效率的影响。第三类文献则是从多个角度探究了中国资源错配造成经济效率损失的内在影响机制。如政府干预（制度因素）、资源错配与中国经济效率[78];房地产市场扭曲与资源错配[910];贸易政策与资源错配[11];土地市场扭曲与资源错配[12]。同样地，部分学者也从产业结构变迁、市场分割等视角研究资源错配对经济效率的影响机制[13]。还有学者基于资源错配的视角，研究了中国企业规模的分布特征及形成机制[14]。

其中，经济危机后资源错配的变动趋势以及作用机制的相关理论和实证研究，对指导发展中国家成功转型是极为重要的。一部分学者认为经济危机会改善资源配置，降低资源错配程度。例如，Chen等研究了智利在1982年金融危机后的资源错配程度和全要素生产率水平的变化，他们使用智利制造业的企业普查数据，研究了资源错配对全要素生产率的影响，结果显示在1983—1996年间由于资源配置效率提高引致的制造业全要素生产率提高了46%，造成这一结果的主要原因是在此期间降低了对低生产率企业的补贴[15]。同样地，Foster等研究了美国在大衰退（the Great Recession）时期的资源再分配状况，研究发现在经济衰退时期资源重新分配的速度加快，导致该时期全要素生产率提高的速度高于正常时期[16]。而另一部分学者认为金融危机会恶化资源配置，造成全要素生产率下降[17]。Ziebarth研究了美国大萧条时期的资源错配对全要素生产率的影响，他们发现在1929年至1935年间美国总体的全要素生产率下降了18%，其中资源错配导致的全要素生产率下降的份额占其中的15%～50%[17]。Jermann等指出，2007年的金融危机造成严重的全球经济衰退，这表明金融部门自身的冲击会影响实体经济，并造成严重后果[18]。为此，Ai等对这一问题进行了研究，他们发现金融摩擦的不利冲击加剧了资本错配程度，引起总体全要素生产率的波动[19]。

对于中国资源错配的研究，已有文献多是研究了2008年之前中国企业间和行业间资源错配情况[12，7]。但鲜有文献针对“四万亿”计划实施后中国资源错配怎样影响经济效率进行深入研究。在整个经济转轨过程中，特别是为了应对2008年国际经济危机实施“四万亿”计划以来，大量的信贷和资本投向了国有经济部门、重工业部门，导致了严重的产能过剩和过度负债，资源配置效率呈现恶化趋势。那么在“四万亿”计划实施以来，中国的资源错配对经济效率会造成多大程度的损失？探究“四万亿”计划实施后中国资源错配问题不仅可以对该政策评价提供理论支撑，还能为未来制定相应的经济刺激政策提供相应的指导。所以，本文将借助Hsieh等[1]所构建的资源错配理论模型，重点测算并研究了“四万亿”计划实施后中国企业间资源配置状况以及其对经济效率的影响，进一步填补了相关研究中的空白。

二、理论模型——资源错配的一般理论框架

本文依托Hsieh等[1]的理论模型，在其基础上将资源错配程度分解成资本错配程度、劳动错配程度以及要素相关性资源配置三个部分。

（一）基本模型

1.最终产品市场的产出

假设经济中有S个行业，每个行业的产出在整个经济中所占的份额为θs，最终产品的生产函数为：Y=∏ss=1Yθss，其中∑sθs=1。

在最终产品部门成本最小化的目标条件即min∑SsPsYs，subject to Y=∏ss=1Yθss一阶求导获得行业产出占总产出的份额为PsYs=θsPY，其中Y、P分别表示最终产品的总产出与价格，此处将价格P标准化为1;Ys、Ps表示行业s的产出与产品价格。

2.行业s的产出

假定行业产出Ys是关于Ms个企业内可分产品的加总，它所面临的CES生产函数形式为：

Ys=∑Msi=1Yσ-1σsiσσ-1

其中，σ为不同产品之间的替代弹性，根据行业部门的成本最小化条件min∑Msi=1PsiYsi ，subject to Ys=（∑Msi=1Yσ-1σsi），可获得产品Ysi的需求函数：Ysi=PσsP-σsiYs。

3.微观企业的产出

企业的资本Ksi和劳动Lsi投入到生产活动中时，将会面临要素价格扭曲，出售产品时也会面临产品市场价格扭曲，在该模型中定义扭曲以税收的方式体现。微观企业所面临两类扭曲：一是来自产品市场的价格扭曲（τYsi），它会降低企业的实际产品售价;二是资本市场扭曲（τKsi），它会增加企业使用资本的成本，降低企业资本投入的边际产出。假定微观企业使用资本Ksi和劳动Lsi来生产产品，其生产函数为CobbDouglas形式：

Ysi=AsiKαssiL1-σssi。

其中，Asi为企业的技术生产率，当存在价格扭曲时，企业的利润最大化问题可以表述为maxKsi，Lsi，Ysiπsi=（1-τYsi）PsiYsi-wLsi-（1+τKsi）RKsi，最大化利润条件应该满足的约束条件为Psi=PsY1/σsY-1/σsi和Ysi=AsiKαssiL1-αssi。其中，w为劳动要素使用价格，用微观企业的平均工资水平代替，R为资本要素使用价格，用市场平均利率代替。

那么，当存在价格扭曲时，企业的利润最大化问题可以表述为：

maxKsi，Lsi，Ysiπsi=（1-τYsi）PsiYsi-wLsi-（1+τKsi）RKsi

s.t.Ysi=AsiKαssiL1-σssi

Psi=PsY1/σsY-1/σsi

通过对上式求一阶偏导，可以获得：

资本与劳动的要素结构比：

KsiLsi=wRαs1-αs11+τKsi（1）

劳动边际产品收益：

MRPLsi=PsiYsiLsi=

sY1-1σsiLsi=

1-1σ（1-αs）PsiYsiLsi=

w1-τYsi（2）

资本边际产品收益：

MPPKsi=PsiYsiKsi=

sY1-1σsiKsi=

1-1σαsPsiYsiKsi=

R（1+τKsi）1-τYsi（3）

式（2）（3）中，當扭曲税τYsi=0，τKsi=0时，产品市场和要素市场不存在扭曲，资源达到最优配置状态;当τYsi≠0，τKsi≠0，产品市场和要素市场存在扭曲并带来资源错配，即资本和劳动等生产要素的边际收益在不同企业间存在差异，造成企业投入偏离Pareto最优配置。

此时，垄断竞争微观企业产品的定价为

具体测算过程请与作者联系索取。：

Psi=σσ-1（1+τKsi）αsAsi（1-τYsi）

Rαsαs

w1-αs1-αs。

我们定义产量生产率为TFPQsi=YsiKαssiL1-αssi=Asi。

（二）总体的TFP与资源错配

在存在要素市场扭曲条件下，经济总体的TFP可以表示为产品和要素扭曲的函数形式。其中，行业s的最终产品总产出：

Y=∏Ss=1（TFPsKαssL1-αss）θs。

定义行业s的劳动和资本分别为

Ls=∑Msi=1Lsi，

Ks=∑Msi=1Ksi，故TFP表达式为

具体测算过程请与作者联系索取。：

TFPs=YsKαssL1-αss=

∑Msi=1Asi（1-τYsi）（1+τKsi）αsδ-1δδ-1

∑Msi=1Aδ-1si（1-τYsi）δ

（1+τKsi）αs（δ-1）+1αs

∑Msi=1Aδ-1si（1-τYsi）δ

（1+τKsi）αs（δ-1）1-αs（4）

式（4）可以改写为：

TFPs=∑Msi=1AsiTFPRsTFPRsi1-σ11-σ。

由此获得行业s的TFPs，其中行业s的平均收益全要素生产率为：

TFPRs=δδ-1

1-αsW∑Msi=1（1-τYsi）PsiYsiPsYsαs-1

asR∑Msi=1（1-τYsi）PsiYsi（1+τKsi）PsYs-αs=

δδ-1

MRPKsαsαs

MRPLs1-αs1-αs

其经济学的含义为：当不存在产品市场和要素市场扭曲时，不同企业的边际产品收益都会相等，行业s资本的边际产品收益与企业的资本边际产品收益相等，即：

MRPKs=MRPKsi;同样的，行业s劳动的边际产品收益与企业的劳动边际产品收益也相同，即

MRPLs=MRPLsi，行业s的平均收益全要素生产率与企业的收益全要素生产率也相同，即

TFPRs=TFPRsi。此时行业s的TFPs可以退化为

TFPes=∑Msi=1（Asi）1-σ11-σ。但是，当存在产品市场和要素市场扭曲时，不同企业的边际产品收益不同，使得企业资源配置偏离Pareto最优状态，导致行业s的全要素生产率下降。假定A和TFPR服从联合对数正态分布（Jointly Lognormal Distribution），D（x）表示x的方差，式（4）中的行业s内的TFPs可以表示为

具体测算过程请与作者联系索取。：

lnTFPs=

lnTFPes-δ2D（lnTFPRsi）-

as（1-as）2D[ln（1+τKsi）]（5）

微观层面的企业要素错配可以通过影响lnTFPR的离散程度进而影响总体TFP。当资源错配TFPs程度增强时，企业TFPR的分散程度增加，导致总体行业s的TFPs下降，即当存在产品市场扭曲和要素市场扭曲时，企业投入要素配置偏离Pareto最优状态，进而会导致其所在行业的全要素生产率TFPs下降。故企业间资源错配导致总体经济效率损失。

结合式（2）（3），可以将式（5）行业s内的资源错配程度进行分解：

lnTFPes-lnTFPs=

δ2D[ln（1-τYsi）]+

a2sδ2+as（1-as）2D[ln（1+τKsi）]-

asδCov[ln（1+τKsi），

ln（1-τysi）]=

a2sδ2+as（1-as）2D（lnMRPKsi）+

δ（1-as）22D（lnMRPLsi）-

as（1-as）（2δ-1）2Cov（lnMRPKsi，lnMRPLsi）=

C1D（lnMRPKsi）+

C2D（lnMRPLsi）-

C3Cov（lnMRPKsi，lnMRPLsi）（6）

其中，C1、C2、C3都为大于零的常数。通过进一步化简分析发现，行业s内资源错配程度可以分解为3个部分：行业内资本要素边际成本的方差（资本错配程度），行业内劳动要素边际成本的方差（劳动错配程度）以及资本要素和劳动要素的协方差（要素关联性资源配置程度）。对于要素关联性资源配置程度，类似于Hopenhayn[20]指出要素扭曲与生产率之间存在相关性，即高生产率的企业往往也会面临更强的要素价格扭曲。故不同要素扭曲之间也存在着相关性，同样会对配置效率产生显著影响，并且其对资源配置效率存在两面性，可能为正向影响也可能为负向影响。当资本要素的边际成本和劳动要素的边际成本正相关时，两者的相关系数越大，造成的经济效率损失越小;反之，资本要素的边际成本和劳动要素的边际成本负相关，两者的相关系数越大，造成的经济效率损失越大。但行业内资本要素错配和劳动要素错配都对资源配置效率为负向影响，即行业内资本要素错配程度和劳动要素错配程度越高，行业内资源错配程度也就越高。

（三）资源错配系数与经济效率损失的测算

1.总体经济的效率损失

当不存在产品市场扭曲和要素市场扭曲时，企业的边际产品收益都相同，那么行业s有效产出（Efficient Output）为Yes=sKαssL1-αss，此时行业s的有效全要素生产率为s=TFPs=∑msi=1（Asi）σ-11σ-1。此时，定义资源错配导致的经济整体的效率损失为：

Y_gap=Y/Ye=∏ss=1∑Msi=1AsisTFPRsTFPRsi1-σθs1-σ（7）

其中，Asi=YsiKαssi（Lsi）1-αs=

（PsYs）-1δ-1Ps×

（PsiYsi）δδ-1Kαssi（Lsi）1-αs=

κs（PsiYsi）δδ-1Kαssi（Lsi）1-αs，

κs=（PsYs）-1δ-1Ps是一个标量，并不会影响行业内企业间资源再配置，故在此我们假设κs=1。式（7）中0<Y_gap<1，数值越小代表资源错配导致的经济效率损失越大。

2.资源错配系数（程度）分解

根据式（5）（6）的分解结果，我们定义：

行业s内资源错配程度：MISS=D（lnTFPRsi）（8）

行业s内资本要素错配程度：MISKS=D（lnMRPKsi）（9）

行业s内劳动要素错配程度：MISLS=D（lnMRPLsi）（10）

行业s内要素关联性资源配置程度：

MISKLS=Cov（

lnMRPKsi，

lnMRPLsi）=

ρ（lnMRPKsi，

lnMRPLsi）×

sd（lnMRPKsi）×sd（

lnMRPLsi）（11）

其中，

D（lnTFPRsi）、

D（lnMRPKsi）、

D（lnMRPLsi）分別表示行业s内收益全要素生产率、资本要素边际成本、劳动要素边际成本的方差;

ρ（lnMRPKsi，

lnMRPLsi）表示行业s内资本要素边际成本和劳动要素边际成本的相关性系数;

sd（lnMRPKsi）、

sd（lnMRPLsi）分别表示行业s内资本要素边际成本、劳动要素边际成本的标准差。当

ρ（lnMRPKsi，

lnMRPLsi）>0，其值越大，最终导致的经济效率损失就越小;而当

ρ（lnMRPKsi，

lnMRPLsi）<0，其绝对值越大，最终导致的经济效率损失就越大。例如，当

ρ（lnMRPKsi，

lnMRPLsi）>0时，资本要素价格扭曲越大，劳动要素价格扭曲也会越大，且这种互补性的扭曲也间接增加了资本要素扭曲程度和劳动要素扭曲程度，故在计算总的资源错配程度时应对该部分进行消减。

三、数据处理与变量选取

（一）基本数据处理

本文数据来源于1998—2013年国家统计局建立的《全部国有及规模以上非国有工业企业数据库》，即“中国工业企业数据库”。该数据库的样本来源于全国每年主营业务收入在500万元及其以上（2011年以后主营业务收入要求在2000万元及其以上）的全部国有与非国有的工业企业数据。这里的工业统计口径包括两位码大行业分类中的“采掘业”“制造业”以及“电力、燃气及水的生产和供应业”三个门类，其中“制造业”行业数据占比90%以上。根据需要，本文只选取了“制造业”行业企业数据。但是该数据库存在样本匹配混乱、指标缺失以及变量定义混乱等一系列严重问题[21]，这将导致利用该数据库所得的估计结果出现严重的偏差。为了处理该数据库存在的缺陷，Brandt等[22]和杨汝岱[23]对该数据库做了较为详细的处理，为后续的研究提供了较为统一的数据清理处理标准，故本文主要参考这两篇文献，对1998—2013年《中国工业企业数据库》进行处理。由于数据质量和部分关键指标缺失等原因，本文在样本区间内剔除了2010年样本[24]。此外，由于本文数据需要企业“生产总值”“固定资产原值”“从业人数”“企业类型”等变量，故在处理数据前，首先按照聂辉华等[21]的方法将从业人数小于8人、固定资产原值小于或等于0等异常值剔除。

（二）变量选取

本文在测算过程中涉及的核心变量及其处理如下：首先，关于企业产出Y。由于2007年以后中国工业企业数据库不再提供企业工业增加值，笔者利用2004—2007年2位码行业的增加值与工业销售值比例的均值作为调节因子，测算2008—2013年间企业的增加值水平。其次，关于企业工资。本文用应付职工薪酬变量近似代替企业工资wLsi，但是发现1998—2013年间所有企业加总的工资占企业总产值总额的比例仅仅为

20%左右

Heish等[1]利用1998—2005年中国工业企业库发现企业工资总额占企业增加值的比例不足30%，这与中国统计局公布的50%比例相差比较大，为此他们将企业工资总额等比例的调整至占增加值的比例为50%，然后测算出一个常数调整因子，再用这个调整因子对企业的工资进行调整，获得企业实际工资w。，这与中国统计局公布的实际经济数据差别较大，故借鉴Hsieh等[1]的做法对企业的工资进行了调整。再次，对于资本要素的弹性系数。笔者利用OP法测算出1998—2013年工业企业资本弹性为0.39，故此处定义a=0.39。最后，产品的替代弹性σ的选取。借鉴Hsieh等[1]和Bartlesman等[25]的做法，本文将产品的替代弹性定义为σ=3。

综上，表1汇报了主要变量的描述性统计结果。

四、结果估算及分析

根据前文的理论模型，下文结合1998—2013年中国工业企业数据库，测算1998—2013年间企业间、行业内资源配置情况及其对全社会经济效率的影响。

在2008年国际金融危机冲击后，特别是在“四万亿”计划的刺激下，由于我国实施的一系列政府干预手段、发展战略路径等制度性因素未及时做出调整，当大量的资本迅速投入到要素市场中，整个社会的资源配置情况可能会发生改变。故本部分着重分析1998—2013年企业间、行业内资源配置的变动趋势，尤其是对比2008年前后的趋势变化情况。

（一）资源配置的分布情况

2004年、2008年、2011年和2013年的制造业行业内企业的相对lnTFPQs

其中lnTFPQs=ln（Asi/As）表示行业s的产出全要素生产率。的离散程度分布如图1所示。可以发现，在2004—2008年间，行业的

lnTFPQs的概率密度分布图呈现出左尾逐渐变薄，而右尾逐渐变厚的趋势，且曲线逐渐向右平移，整体离散程度逐年下降;这意味着2004—2008年中，制造业行业内企业整体的生产率逐渐提高，特别是较低生产率水平的制造业行业的提升水平较为明显。在2011—2013年中，lnTFPQs的概率密度分布图的坡峰逐年变低，右尾有逐渐变厚的趋势，

lnTFPQs有向两端扩散的趋势，这意味着2011—2013年间，虽然制造业行业整体的生产率逐渐提高，但是其分布的离散程度也在逐年提高。这一现象可能是由国家应急出台的“四万亿”计划造成的，该计划使得资源从高生产效率企业流向低生产效率企业，造成严重的资源错配，使得制造业行业

lnTFPQs的离散程度增大。

（二）资源错配分解及分析

为了探究1998—2013年间制造业各行业内资源配置状况及变动趋势，接下来将根据理论模型，对两位码3个制造业行业内的资本错配程度、劳动错配程度、要素关联性资源配置程度以及总的资源错配程度进行测算并分析。具体的测算结果及分析如下：

1.各行业内资本错配程度估算及分析

为了考察在经济转轨过程中制造业行业内資本错配的动态演变过程，根据式（9）可绘制出1998—2013年加权平均的行业内资本错配变动图（图2）。可见，在1998—2013年间，行业内平均资本错配程度呈“先升高后降低”的趋势。具体而言，在1998—2008年，虽然短期内存在小波动，但平均的行业内资本错配程度基本呈现逐渐下降趋势，即由1998年的1.96逐渐下降至2008年的1.44，到2008年资源错配程度降到最低;而在2009年后，平均的行业内资本错配程度迅速升高至1.58，且2011年至2013年行业内资本错配程度也呈逐渐升高的趋势。

2.各行业内劳动错配程度估算及分析

为了考察在经济转轨过程中不同时期劳动错配程度的动态演变过程，根据式（1）可绘制出1998—2013年30个两位码制造业行业内加权平均的

劳动错配变动图（图3）。就总体而言，在1998—2013年制造业行业内平均劳动错配程度呈“先下降后上升”的趋势，这与资本错配的变动趋势一致，但行业内平均劳动错配程度在2009年降到最低。具体为：在1998—2009年间，行业内平均劳动错配程度呈逐渐下降趋势，其数值由1998年的1.74逐渐下降到2009年的0.91，2009年其值达到最小，而2009年以后行业内平均劳动错配程度逐渐升高，其数值由2009年的0.91逐渐升高到2013年的1.15。这意味着伴随经济转轨过程，制造业行业内劳动配置状况不断改善，尽管在全球金融危机后，2009年劳动配置状况也在改善，但2011年以后劳动配置状况逐渐恶化。

3.各行业内要素关联性资源配置程度估算及分析

根据式（6），行业内资源错配程度为劳动错配、资本错配与要素关联性资源配置程度三者的加总。式（11）的分解结果显示，要素关联性资源

配置程度的大小取决于要素边际成本之间的相关性系数。当两者之间的相关性系数

ρ（lnMRPKsi，lnMRPLsi）>0时，要素关联性资源配置程度与行业内资源错配程度负相关，故

ρ（lnMRPKsi，lnMRPLsi）系数越大，对行业内资源配置状况的优化作用越强。为了考察要素关联性资源配置程度的变动趋势，根据测算的平均行业内要素边际成本之间的相关系数可绘制出1998—2013年的變动趋势（图4）。可见，在1998—2013年要素边际成本之间的相关系数都大于零，但其系数却逐渐变小。这意味着，在此期间内要素关联性对资源的优化配置影响越来越小。

4.各行业内资源错配程度

式（5）显示：微观层面的企业间要素再配置状况会通过影响TFPR离散程度进而影响行业的TFP水平，当行业s内企业间的TFPR离散程度增强时，行业s的资源错配程度就越高，造成的经济效率损失也会越大。故这里近似地将行业内企业的TFPR离散程度定义为行业内资源错配程度，其由行业内资本错配程度、劳动错配程度以及要素关联性优化程度三部分组成。1998—2013年间3个两位码制造业行业的平均资源错配程度的变动情况见图5，其总体的变动趋势为“先降低后升高”，这一结果基本与资本错配、劳动错配的变动趋势一致。

（三）经济效率损失测算

1998—2013年间制造业行业内企业间

lnTFPQsi、

lnTFPRsi的方差数据（见表2）说明我国资源配置状况呈现出“先降低后升高”的情况。具体情况为：在1998—2009年间我国资源配置状况在一定程度上得到了改善，而在2009年以后资源配置状况却发生了恶化。为了进一步对该结果进行解释，本文根据式（7）对其进行定量分析。表3汇报了在1998—2013年间当要素（劳动和资本）达到有效配置后整体经济的潜在收益结果，即消除资源错配后整体经济的潜在收益。结果显示：就总体而言，如果要素配置达到最优配置时，1998—2013年间整体经济至少提高115.05%～156.99%，潜在收益呈逐渐递减趋势，而在2009年以后，潜在收益逐渐上升。

五、影响行业内资源配置状况的异质性分析

在上文测算并分析了行业内资本和劳动错配以及总资源错配程度后，本文进一步通过实证分析来探究行业的垄断程度、行业内企业的平均规模及平均年龄对行业内资源错配程度的影响。

（一）行业内国有企业占比对行业内资源错配的影响

行业内国有企业占比越高，意味着该行业国有垄断势力越强，提高了非国有企业进入门槛，造成更多的非国有企业退出，而政府的一系列倾向性政策以及金融机构的信贷优惠措施，使该行业内国有企业在使用生产要素时变得更容易且价格更低，与该行业内存活的非国有企业在生产要素使用上差异越来越大，这种要素市场扭曲会导致更加严重的资源错配，带来经济效率损失。故行业内垄断势力的变化会影响行业内资源错配的程度。为了考察行业垄断势力与行业内资源配置、资本配置、劳动配置之间的关系，利用行业内国有企业生产总值占行业生产总值的比例衡量行业内垄断势力（Soe），将其分别对行业内资源错配MISS、行业内资本错配MISKS以及行业内劳动错配MISLS进行回归。表4汇报了行业内垄断势力（Soe）与行业内MISLS、MISKS的回归结果。结果显示，在控制时间固定效应和行业固定效应的条件下，第（1）—（3）列的回归系数都在1%的水平上显著为正，这印证了行业垄断势力越高，该行业的资源错配程度、资本错配程度、劳动错配程度也越高。2008年底实施的“四万亿”计划可能会影响行业内资源配置。为此定义“四万亿”计划虚拟变量p，2008年以后p=1，反之p=0，并构建交乘项Soe×p来考察“四万亿”计划实施后，行业内国有垄断势力变化对行业内资源配置的影响。第（4）—（5）列的结果显示，Soe×p的系数在1%水平上显著为正，这说明在“四万亿”计划后，在其他因素不变的前提下，行业内垄断势力提高1%，会带来行业内资源错配程度、资本错配程度较之前至少多提高0.254%，而（6）列中Soe×p的系数并不显著，表明其对劳动错配没有显著的影响。综上，行业内国有垄断势力增强会导致更加严重的资源错配，特别地，在“四万亿”计划实施后，使其资源配置的恶化程度加强。

（二）行业内企业平均规模对行业内资源错配的影响

表5汇报了行业内企业平均规模与行业内资源错配的关系。利用行业内企业的平均产值（Size）分别对行业内资源错配MISS、行业内资本错配MISKS以及行业内劳动错配MISLS进行回归。第（1）—（3）列的回归结果显示，在其他因素不变的前提下，行业内平均企业规模每增加1%，其资源错配、资本错配以及劳动错配程度至少减少0.183%，这说明随着行业内企业平均规模变大，行业内资源配置将会得到改善。同表4一样，构建交乘项Size×p来考察“四万亿”计划实施后，行业内企业平均规模对行业内资源配置的影响。第（4）—（6）列显示，Size×p系数均在1%的水平上显著为正。以上结果表明，行业内企业的平均规模增大，其行业内资源配置状况就会得到改善。但在“四万亿”计划后，行业内这种规模效应带来的资源配置改善程度将会降低。

（三）行业内企业平均年龄与行业内资源错配的关系

行业内企业平均年龄的大小与行业内企业进入、退出的比例有关。行业内企业平均年龄越小说明该行业进入壁垒越小，可能受到的政府管制等摩擦阻力也越小，故行业内企业平均年龄高低也会影响行业内资源错配程度。表6报告了行业内企业平均年龄与行业内资源配置的关系。利用行业内企业平均年龄（Age）分别对行业内资源错配MISS、行业内资本错配MISKS以及行业内劳动错配MISLS进行回归。第（1）—（3）列的回归结果显示，在其他因素不变的前提下，行业内平均企業年龄每增加1%，其资源错配、资本错配以及劳动错配程度至少增加0.024%，这说明行业内企业平均年龄变大，将会导致更加严重的资源错配。同表4一样，构建交乘项Age×p来考察“四万亿”计划实施后，行业内企业存活时间对行业内资源配置的影响。第（4）—（6）列显示，行业内资源错配（MISS）列的Age×p系数不显著，资本错配（MISKS）列的Age×p系数在1%的水平上显著为正，而劳动错配（MISLS）列的Age×p系数同样在1%的水平上显著为负，这就意味着，在“四万亿”计划实施后，行业内企业平均年龄变化对资源配置并没有影响，但企业平均年龄提高会恶化资本错配程度，同时改善了劳动配置状况。

六、结论与政策建议

本文在资源错配的理论框架下，将行业内资源错配程度进一步分解为资本错配、劳动错配以及两要素关联性资源配置三个部分，利用中国工业企业数据库，测算了1998—2013年资源错配所导致的总体经济效率的损失程度，并重点分析了“四万亿”计划实施后资源错配状况。通过理论分析和实证检验结果可以看出：第一，在样本期间内，当中国的制造业企业间资源配置水平达到最优时，我国总体经济效率至少会提高115%～156%。第二，我国总体的资源错配程度呈“先降低后上升”的“U”型趋势，特别地，在“四万亿”计划实施后总体的资源配置状况逐年恶化。第三，在总体上，两位码3个制造业行业的加权平均资源错配程度也呈现“先下降后上升”的“U”型趋势：1998至2008年间行业内资源配置状况逐渐改善，而2008年以后行业内资源配置开始恶化。

为应对2008年国际金融危机，我国政府推出和实施了“四万亿”计划。在短期内，该计划为对冲严重的外部冲击和稳定宏观经济形势起到了关键性作用，使中国成为最早从金融危机中恢复的几个经济体之一。但是这种漫灌式的经济刺激计划对企业间资源的配置效率也产生了诸多影响，特别是大量的资金流向了大型国有企业和重化工业企业，恶化了资源配置状况，导致了一定程度上的经济效率损失。因此考察“四万亿”投资计划前后企业的资源配置效率对探究政府未来拉动经济增长的经济政策具有重要的指导意义。为改善资源配置状况、促进新时期经济增长，应进一步做好放管服工作，加强政府部门在经济领域简政放权力度，优化要素在企业间、部门间的配置效率，培养并建立统一、开放、竞争、有序的市场体系。应优化政府服务，为资源在企业间的自由配置提供保障。为了保障高效率的中小企业的生产活动，应降低市场准入门槛，清理不必要的企业资格审批，加快企业资格审批流程。同时，在财政、金融、信息化建设等方面提供服务和帮助，为中小企业营造更加公平的市场环境。

参考文献：

[1]Hsieh C T， Klenow P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly Journal of Economics， 2009， 124（4）： 14031448.

[2]Brandt L， Tombeb T， Zhu Xiaodong. Factor market distortion across time and space and sectors in China[J]. Review of Economic Dynamics， 2013， 16（1）： 3958.

[3]Baily M N， Hulten C， Campbell D， et al. Productivity dynamics in manufacturing plants[J]. Brookings Papers on Economic Activity. Microeconomics， 1992： 187267.

[4]Melitz M J， Polanec S. Dynamic OlleyPakes productivity decomposition with entry and exit[J]. The Rand Journal ofEconomics， 2015， 46（2）： 362375.

[5]朱喜， 史清华， 盖庆恩. 要素配置扭曲与农业全要素生产率[J]. 经济研究， 2011（5）： 8698.

[6]陈永伟， 胡伟民. 价格扭曲、要素错配和效率损失： 理论和应用[J]. 经济学（季刊）， 2011（4）： 14011422.

[7]韩剑， 郑秋玲. 政府干预如何导致地区资源错配——基于行业内和行业间错配的分解[J]. 中国工业经济， 2014（11）： 6981.

[8]马光荣. 制度、企业生产率与资源配置效率——基于中国市场化转型的研究[J]. 财贸经济， 2014（8）： 104114.

[9]Wang S Y. State misallocation and housing prices： Theory and evidence from China[J]. American Economic Review， 2011， 101（5）： 20812107.

[10]陈斌开， 金箫， 欧阳涤非. 住房价格、资源错配与中国工业企业生产率[J]. 世界经济， 2015（4）： 7798.

[11]钱学锋， 潘莹， 毛海涛. 出口退税、企业成本加成与资源误置[J]. 世界经济， 2015（8）： 80106.

[12]李力行， 黄佩媛， 马光荣. 土地资源错配与中国工业企业生产率差异[J]. 管理世界， 2016（8）： 8696.

[13]季书涵， 朱英明， 张鑫. 产业集聚对资源错配的改善效果研究[J]. 中国工业经济， 2016（6）： 7390.

[14]李旭超， 罗德明， 金祥荣. 资源错置与中国企业规模分布特征[J]. 中国社会科学， 2017（2）： 2543.

[15]Chen Kaiji， Irarrazabal A. Misallocation and the recovery of manufacturing TFP after a financial crisis[R]. Norges Bank’s Working Paper， 2013.

[16]Foster L， Grim C， Haltiwanger J. Reallocation in the Great Recession： cleansing or not？[J]. Journal of Labor Economics， 2016， 34（S1）： S293S331.

[17]Ziebarth N L. Misallocation and productivity during the great depression[J]. Q Unpublished Working Paper， 2012， 16（1）： 110.

[18]Jermann U， Quadrini V. Macroeconomic effects of financial shocks[J]. American Economic Review， 2012， 102（1）： 23871.

[19]Ai Hengjie， Li Kai， Yang Fang. Financial intermediation and capital reallocation[J]. Working Paper， 2016.

[20]Hopenhayn H A. Firms， misallocation， and aggregate productivity： A review[J]. Annual Review of Economics， 2014， 6： 735770.

[21]聶辉华， 江艇， 杨汝岱. 中国工业企业数据库的使用现状和潜在问题[J]. 世界经济， 2012（5）： 142158.

[22]Brandt L， Van Biesebroeck J， Zhang Yifan. Creative accounting or creative destruction？ Firmlevel productivity growth in Chinese manufacturing[J]. Journal of Development Economics， 2012， 97（2）： 339351.

[23]杨汝岱. 中国制造业企业全要素生产率研究[J]. 经济研究， 2015（2）： 6174.

[24]谭语嫣， 谭之博， 黄益平， 等. 僵尸企业的投资挤出效应： 基于中国工业企业的证据[J]. 经济研究， 2017（5）： 175188.

[25]Bartelsman E， Haltiwanger J， Scarpetta S. Crosscountry differences in productivity： The role of allocation and selection[J]. American Economic Review， 2013， 103（1）： 305334.

[本刊相关文献链接]

[1]常远， 吴鹏. 要素配置会扭曲技术进步偏向性对全要素生产率增长的影响吗？[J]. 当代经济科学， 2019（1）： 2034.

[2]戴小勇. 资源错配视角下全要素生产率损失的形成机理与测算[J]. 当代经济科学， 2018（5）： 103116.

[3]王文， 孙早. 基础研究还是应用研究： 谁更能促进TFP增长——基于所有制和要素市场扭曲的调节效应分析[J]. 当代经济科学， 2016（6）： 2333.

[4]吴延兵. 国有企业双重效率损失再研究[J]. 当代经济科学， 2015（1）： 110.

责任编辑、校对： 郑雅妮

Resource Misallocation and Economic Efficiency Loss in China： Trend and Decomposition

LI Xinze1， SI Haiping2

（1. Institute of New Structural Economics， Peking University， Beijing 100871， China;

2. Institute of Quantitative & Technical Economics Chinese Academy of Social Sciences， Beijing 100732， China）

Abstract：Based on the model of resource misallocation designed by Hsieh and Klenow （2009）， we further decompose the degree of resource misallocation inside sectors： the degree of capital misallocation， the degree of labor misallocation and the degree of factorrelated resource allocation. And we use the database of the Annual Survey of Industrial Firms in China from 1998 to 2013 to reestimate and analyze the degree of resource misallocation among sectors. We find， （1） For the whole sample， the overall economic efficiency could move up 115% to 156% if the manufacturing enterprise could reach the peak of efficiency of resource allocation; （2） The whole degree of misallocation， and the degree of capital and labor inside different sectors falls at first and rises afterwards especially after 2008 when the “four trillion yuan” stimulus policy is implemented.

Keywords：Economic efficiency; Resource misallocation; Capital misallocation; Labor misallocation; Factorrelated; Total factor productivity