苏南地区要素配置和创新效率研究：2002～2018

范 金 陈 敏

1（南京林业大学经济发展质量研究中心， 南京 210037）2（南京林业大学经济管理学院， 南京 210037）

引言

自从2002 年中国加入WTO 以来，以苏宁锡常镇五市所构成的苏南地区无疑是长三角地区、乃至中国融入全球化最活跃的地区之一，一直在“中国方案”中扮演着示范引领角色。2018 年全国“GDP 万亿俱乐部”城市总共16 个，苏宁锡就占3 席。在人均GDP 超过2 万美元的15 个城市中，苏南5 市除镇江外全部在列。因此，无论是从发展数量还是发展质量看，苏南地区均显示出强劲态势。实际上，早在2014 年11 月3 日，国务院正式批复，同意支持南京、苏州、无锡、常州、昆山、江阴、武进、镇江8 个高新技术产业开发区和苏州工业园区建设苏南国家自主创新示范区。2018 年7 月5 日，经国务院同意，国家发展改革委正式印发《苏南现代化建设示范区规划》。显示出国家对苏南地区实现现代化强国的示范引领作用的厚望。因此，探讨2002～2018 苏南地区要素配置和创新效率研究，具有重要的现实意义。

十九大报告提出，“我国经济已由高速增长阶段转向高质量发展阶段”，通过全要素生产率（Total Factor Productivity，TFP）促进经济增长已成为社会共识。最新研究表明，优化要素配置是提高TFP 的重要途径［1，2］，主流经济学研究通过辨析要素错配来研究要素配置的优化问题。主流方法一般围绕要素错配的测度、原因和影响三方面展开：（1）要素错配的测量方法，主要包括直接测量法和间接测量法。直接测量法仅考虑某一特定因素造成的要素错配程度；间接测量法不单独考虑某一因素，而是将所有造成要素错配的潜在因素看作“经济楔子”，是现阶段学术界采用的主流方法［3-5］；（2）要素错配的形成原因，主要包括现实层面与制度层面。前者指经济运行过程中不可避免的现实因素所导致的要素错配，如行业生产率异常波动将引起企业实际资本投入偏离最优投资决策，最终导致行业内企业间的资本错配程度增加；后者指政府的制度安排、政策安排等导致的要素错配，如政府垄断、住房限制［6-10］。刘同山和吴刚（2019）认为农户需求、制度与自然因素是造成农地资源错配的主要原因［11］；（3）要素错配对TFP 的影响及其程度大小。Aoki（2012）为弄清TFP 差异是由于技术差异造成还是要素配置导致的，将国与国之间的TFP 差异拆分为技术差异、部门份额差异以及部门内要素配置效率差异，发现因要素配置差异导致日本和美国的TFP相差9 个百分点［12］。Brandt 和Tombe（2013）对1985～2007 年中国制造业和服务业部门的生产率进行研究，发现中国劳动力和资本在省际间的错配及省内的部门间错配导致总TFP 损失20%［13］。Jovanovic（2014）通过建立企业的成长模型，发现更有效分配可促进经济更快速的长期增长、更大的不平等以及人力资本分配中更少的人员流动［14］。袁志刚和解栋栋（2011）利用1978～2007 的宏观产业经济数据，估算出改革开放以来劳动力错配对经济增长负效应的效率损失在-2%～-18%，并呈逐渐扩大趋势［15］。张钟文（2017）构建了一个基于总产出行业生产函数的增长核算框架，来衡量行业要素错配对总体经济的TFP 的影响［16］。

本文可能的创新之处在于：（1）已有文献大多假设生产函数的规模报酬不变，但考虑到苏南地区处于创新示范引领地位，本文尝试作出规模报酬递增的假设；（2）已有文献一般对某一地区整体经济体系进行研究，本文尝试将地区按知识、技术密集度的高低划分为高技术部门和传统部门，从而最大程度的刻画技术要素配置效率的影响；（3）已有文献仅关注科技创新资源内部投入产出配置效率问题，本文尝试将科技要素作为一个部门，放在整个经济体系中进行研究。

1 理论模型与数据说明

1.1 理论模型

假设地区部门的生产函数满足Cobb-Douglas形式：

其中，i∈｛1，2，…，N｝表示地区（地级市），j∈｛h，l｝表示部门（高技术部门，传统部门）。Yij、Aij、Kij以及Lij分别表示地区部门的产出、全要素生产率、资本投入以及劳动投入。αij＋βij＝1，η为规模报酬递增的程度。

i地区的生产函数具有CES 形式：

其中，Yi、Yih以及Yil分别表示i地区的总产出，高技术部门的产出以及传统部门的产出。参数σ与i地区不同部门间产出替代弹性相关。省级层面的生产函数依此类推。

根据经济主体的一阶优化条件以及市场出清条件，均衡要素配给满足：

借鉴陈诗一和陈登科（2017）［5］的经验，资本市场扭曲和劳动市场扭曲可根据以下公式识别：

在推导出均衡要素配给的基础上，i地区的实际全要素生产率Ai可表示为：

令τijk＝τijl＝0，可得要素配置有效情况下的潜在全要素生产率参照Gilchrist 等（2013）的做法，本文将要素配置扭曲D定义为：

进一步借鉴陈诗一和陈登科（2017）［5］的研究思路，基于“反事实”框架，即消除某一扭曲所导致的要素配置扭曲的减少，考察各投入要素扭曲以及各部门扭曲对总体要素配置扭曲的贡献。

最后，参考Fare（1994）［18］的研究思路，基于DEA 模型的Malmquist 指数法，可以将TFP 的变动分解为技术进步变化指数（Technical Change，TC）以及技术效率变化指数（Efficiency Change，EC），具体分解过程如式（9）所示，其中，各个指数大于1、等于1 以及小于1 分别表示效率提升、不变以及下降。

1.2 变量选取与数据说明

产出。本文选取“地区生产总值”作为产出的代理变量。南京、苏州、无锡、常州以及镇江的地区生产总值可以直接从年鉴中找到，高技术部门的地区生产总值利用“高新技术产业产值占规模以上工业总产值的比值”推算得出。以上数据来源于2003～2019 年《江苏统计年鉴》。

资本投入。本文选取“资本存量”作为资本投入的代理变量。由于这一变量无法直接获取，目前已被普遍采用的测算方法是Goldsmith（1951）开创的永续盘存法，即：

其中，δi，t为i地区第t年的经济折旧率，Ii，t为i地区第t年的投资。

关于初始资本存量的选择，已有研究大多采用张军等（2004）［19］归纳的两种做法：（1）用初始年份的资本形成总额除以10%估算得出；（2）沿用已有文献计算出来的资本存量。本文采用第2 种方法，借鉴张军等（2004）对江苏省2000 年资本存量的估计作为初始资本存量，9.6%作为经济折旧率，投资额选用“固定资本形成总额”这一指标，利用式（10）测算出2001～2018 年江苏省的资本存量。南京、苏州、无锡、常州以及镇江的资本存量利用“各市工业增加值占江苏省工业增加值的比值”推算得出，高技术部门的资本存量通过“高技术产业固定资产投资额占固定资产投资额的比值”推算得出。以上数据来源于2002～2019 年《江苏统计年鉴》 和《中国高技术产业统计年鉴》。

劳动投入。本文选取“从业人员数”作为劳动投入的代理变量。南京、苏州、无锡、常州以及镇江的从业人员数可以直接从年鉴中找到，高技术部门的从业人员数利用“高技术产业从业人员年平均人数占第二产业从业人员数的比值”推算得出。以上数据来源于2003～2019 年《江苏统计年鉴》 以及《中国高技术产业统计年鉴》。

值得注意的是，产出数据和资本投入数据均为名义值，包含了各年的价格变动因素，为确切地反映实物变动，本文采用工业生产者出厂价格指数对名义产出进行平减，利用固定资产投资价格指数对名义投资额进行平减，最终折算为以2000年为基准年的不变价数据。价格指数数据来源于2001～2019 年《中国价格统计年鉴》。

2 苏南经济发展与要素配置现状

在进行各项指标计算前，通过回归结果给出各个参数的取值。（1）对各地区各部门的投入产出数据分别取对数作二元线性回归，由OLS 估计量可发现除镇江传统部门外，各地区各部门的生产函数普遍存在规模报酬递增的现象，递增程度在1.05～1.9 之间不等，验证了之前规模报酬递增的假设，保守估计，本文选取η＝1.1，即假设苏南地区所有生产函数的规模报酬递增程度为1.1；（2）对每一生产函数进行有约束的回归可得到αij、βij的取值，表1 显示，高技术部门资本和劳动的弹性系数基本相当，表2 显示，传统部门资本的弹性系数远大于劳动的弹性系数，两部门资本和劳动弹性系数的回归结果都在1%的水平上高度显著；（3）根据式（2）实际数据的拟合，可得参数σ取值为0.01。

表1 分地区高技术部门生产函数回归结果

表2 分地区传统部门生产函数回归结果

图1 2002～2018 年苏南TFP 增长率与GDP 增长率

图3、图4 分别给出2002～2018 年苏南地区分部门TFP 的变动情况，以及苏南地区整体TFP变动的DEA-Malquist 指数分解。图3 显示：（1）苏南地区传统部门TFP 的波动幅度很小，基本稳定在较低水平，而高技术部门TFP 的波动十分剧烈，2008 年后增长幅度明显，高于苏南地区整体TFP 的增长；（2）高技术部门TFP 的具体数值介于6～10 之间，而苏南地区整体TFP 与传统部门TFP 的大小基本维持在一个数量级，介于0～2 之间。以上分析表明苏南地区整体TFP 增长主要依赖于高技术部门TFP 增长的拉动，但高技术部门在苏南地区整个经济体系中所占比重还很小，传统部门在苏南地区整体TFP 增长中起稳定压舱石的作用。从图3 可以看出，除个别年份外，技术进步变动指数基本都大于1，技术效率变动指数在1 附近起伏且波幅很小，说明Malmquist 指数增长比较明显的阶段，主要依赖于技术进步的提高。此外，Malmquist 指数变动的曲线与技术进步变动指数的曲线几乎一致，技术效率变动指数对Malmquist 指数变动的贡献很小，说明苏南地区经济增长主要取决于创新的技术支持。但就像上文提到的，苏南地区TFP 增长率平稳，高技术部门TFP 在整个经济体系中所起所用尚小。苏南地区进一步发展仅依赖技术进步促进经济增长的拉动模式动力不足，技术效率变动未发挥其应有的优势，因此其有望成为新的增长潜力，驱动苏南地区经济增长。

图2 2002～2019 年中国GDP 增长率（%）和TFP 变化趋势

图3 2002～2018 年苏南整体和分部门TFP

图4 不同时期苏南整体TFP 变动的DEA 分解

表3 给出2002～2018 年苏南地区整体以及各市的要素配置扭曲程度。（1）平均而言，2002～2018 年期间，苏州、无锡、南京、镇江以及常州要素配置扭曲的均值分别为0.22、0.36、0.64、0.66 和0.68，说明分析期间要素配置扭曲导致苏州、无锡、南京、镇江以及常州TFP 年均下降21%、36%、64%、66%和68%；（2）分析期间要素配置扭曲导致苏南地区整体TFP 年均下降36%，略小于五市的简单加权平均值，我们认为这与模型设定中，未考虑地区间要素错配的影响有关，这也从侧面说明苏南地区整体要素配置扭曲程度被低估；（3）从走势上看，苏南地区整体以及各市的要素配置扭曲呈波动下降的态势，究其原因，与生产函数规模报酬递增的假设有关，在规模报酬递增的假设下，潜在TFP 的增长值偏小，进而要素配置扭曲程度随时间推移有减小趋势；另外，这与苏南地区要素错配状况略微改善有关。

3 要素错配的原因分解

虽然苏南地区要素配置扭曲状况出现改善，但要素错配的存在降低了要素配置效率，进而影响技术效率变动对经济增长的贡献，因此，本文基于“反事实”框架，探寻要素配置扭曲背后的机制，具体按以下3 个维度对要素错配扭曲进行剖析：（1）从投入要素角度，包括资本要素与劳动要素对要素配置扭曲的贡献；（2）从部门角度，包括高技术部门与传统部门对要素配置扭曲的贡献；（3）从地区角度，包括实际TFP 与潜在TFP 的对比。

图5 给出资本扭曲和劳动扭曲对总体扭曲贡献率变化的曲线，平均而言，分析期间资本、劳动要素扭曲对总体扭曲的贡献率分别为71.02%、28.98%，说明资本要素扭曲是苏南地区要素配置扭曲的主要贡献者。从变化趋势上看，资本扭曲对总扭曲的贡献度在下降，劳动扭曲对总扭曲的贡献在上升，且有相互持平的迹象，说明苏南地区金融体制改革取得一定成效，资本错配状态得到改善，相比之下，劳动错配状态改善并不明显，此消彼长，劳动扭曲对总扭曲的贡献越来越大，成为矫正要素配置扭曲过程中越来越不可轻视的部分。

图5 资本、劳动对总扭曲的贡献

图6 给出高技术部门扭曲和传统部门扭曲对总体扭曲贡献率变化的曲线，可以很直观地看到，传统部门扭曲对总扭曲的贡献呈波动下降趋势，高技术部门扭曲对总扭曲的贡献呈上升趋势，且2015年后，高技术部门超越传统部门成为苏南地区要素配置扭曲的首要贡献者。计算结果显示，在不考虑部门间扭曲的情况下，平均而言2002～2018年期间高技术部门扭曲与传统部门扭曲对总体扭曲的贡献率分别为30.86%、69.14%，高技术部门扭曲的贡献相对很低，这与高技术部门在整个经济体系中所占份额较小有关；另外也验证了之前高技术部门TFP 对整体TFP 增长贡献最大的结论，但同时也可以看到，高技术部门的发展速度快，具有高附加值、高效益以及高风险等特点，其内部要素配置扭曲对总扭曲的贡献也在不断放大，提高高技术部门的要素配置效率刻不容缓。

图6 高技术部门以及传统部门对总扭曲的贡献

图7 苏南五市实际全要素生产率（TFP）

图8 苏南五市潜在全要素生产率（TFP）

图7 和图8 分别给出苏南五市实际TFP 与潜在TFP 的变化曲线，根据式（8）关于要素配置扭曲的定义，要素配置扭曲值与实际TFP 成反向关系，与潜在TFP 成正向关系。由表3 可知，苏南五市要素配置效率的排名为苏州、无锡、南京、常州以及镇江，说明苏州的各种要素投入得到最充分的利用，从具体数值上看，苏州和无锡的扭曲值较小，在一个梯度，南京、镇江以及常州的在另一梯度。一般而言，经济发展水平较高的地区，要素配置效率排名相对靠前，如苏州、无锡，经济发展水平较低的地区，要素配置效率排名相对靠后，如镇江、常州，但南京作为经济发展水平较高的地区，要素配置效率却较低，出现如此异常，究其原因，我们认为与潜在TFP 有关。从实际TFP 看，苏州一直领先，南京与无锡不分伯仲，三者远超过常州、镇江，稳定在较高水平；但从潜在TFP 看，南京遥遥领先，与其他4 个市之间形成巨大差距，这从侧面反映出南京作为省会城市，不管是从财力投入还是人才配置方面都有着得天独厚的优势，在苏南五市里面最具有发展前景，其要素配置效率问题是苏南五市的重中之重。

4 结论与建议

本文创新性地按照技术水平的高低将整个经济体划分为高技术部门和传统部门两个部门，并做出生产函数规模报酬递增的假设，通过对苏南地区TFP 增长以及要素配置效率的研究，分析苏南地区经济增长的发展潜力。所得主要结论如下：

（1）相比全国而言，苏南地区TFP 增长与经济增长降速换挡并不同步，苏南作为国家自主创新示范区之一，创新引领、内生增长优势依然明显。其中，苏南地区整体TFP 的增长主要依赖于高技术部门TFP 增长的拉动，传统部门TFP 稳定在较低水平，但波幅很小，对苏南地区整体TFP起稳定压舱石的作用。

（2）由苏南地区TFP 增长率的DEA-Malquist指数分解发现当前苏南地区经济增长主要依靠创新技术的支持，但仅依赖技术进步促进经济增长的拉动模式动力不足，要素错配的存在降低了要素配置效率，苏南地区经济进一步增长需要技术效率变动发挥其应有的优势。

（3）要素配置扭曲的部门分解显示，虽然高技术部门对苏南地区整体TFP 增长的贡献度最大，分析期间对整体要素配置扭曲的贡献仅占30.86%，但同时也可以看到高技术部门因其高附加值、高风险的特点，要素配置扭曲对总扭曲的贡献也在不断放大，甚至在2016 年后超越传统部门扭曲对总扭曲的贡献。

（4）要素配置扭曲的要素分解显示，尽管资本要素扭曲一直是苏南地区要素配置扭曲的主要贡献者，但资本扭曲状况有改善趋势并趋于收敛，劳动扭曲反而有恶化趋势，逐渐成为矫正要素配置扭曲过程中越来越不可轻视的部分。

（5）从地区角度，苏南五市要素配置效率的排名为苏州、无锡、南京、常州以及镇江，苏州各种要素投入得到最充分的利用，实际TFP 最大，要素配置效率最高，而南京作为省会城市，潜在TFP 遥遥领先，要素配置效率排名靠后，应引起重视。

基于以上结论，提出以下政策建议：

（1）瞄准国内国际科技发展前沿，催生苏南地区经济高质量发展新动能。强化关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新的系统布局，加快推动苏南地区经济发展向网络化、数字化、智能化、绿色化转变，为推进苏南地区经济高质量发展抢占“制高点”。

（2）充分发挥苏南地区科教资源集聚优势，构建高效协同科技创新体系。以国家实验室为引领，加快推进国家科技创新基地的优化整合，建设一批世界一流的科研院所和创新领军企业，着力提高科技创新对实体经济的贡献率。

（3）推动苏南地区多层次资本市场建设，促进资本要素高技术产业流动。鼓励高新技术产业的多元投入，规范发展各类市场化风险投资基金，形成灵活多样的投入和退出机制，为高技术企业发展创造良好条件。

（4）加大苏南地区科技创新开放合作力度，加速集聚国际科技创新人才。加大对促进高质量发展的急需紧缺人才和区域特色产业人才的培养引进力度，不断拓展国际科技合作的深度和广度，通过与国际著名机构建立联合实验室等方式，集聚一批国际化行业领军人才，吸收国际顶尖人才加盟苏南地区。