中观层面上标准化对经济增长的贡献率分析：基于东中西部省际面板数据

王丽君，王益谊，陈 韬

（1.中国标准化研究院，北京 100191；2.清华大学，北京 100084；3.中国社会科学院研究生院数量经济与技术经济系，北京 100005）

我国经济正从高速增长阶段转入高质量发展阶段，必须推动经济发展质量变革、效率变革、动力变革，提高全要素生产率（TFP）。蔡昉［1］将全要素生产率定义为，资本、劳动等各种要素投入既定，达到的额外生产效率，从构成上包括资源配置效率和微观生产效率。李平［2］提出，在很多场合，全要素生产率的增长率被简单等同于技术进步。详细而言，全要素生产率可以分解为技术进步、技术效率和产业结构转换。

随着我国经济发展阶段的转化，全要素生产率对经济发展的驱动机制逐渐从提高资源配置效率（技术效率、产业结构转换）转向为更加注重微观生产效率（技术进步）的提高。本文尝试基于省级面板数据研究标准化对于技术进步、经济发展的作用，对于帮助加快形成推动高质量发展的标准体系，发挥标准化对于经济发展的重要支撑作用，在现阶段具有重要的理论和现实意义。

1 文献综述

现有的关于标准化对国家经济增长影响的研究大多基于时序数据进行，假定标准化通过推动创新知识的扩散促进经济发展。但是，时序数据相对简单，据此进行的实证研究经常受到我国数据可得性的限制。相比时序数据而言，面板数据由于样本容量大，能够帮助提高模型测算结果的精确度。这使得从国家或者省级视角，基于面板数据开展实证研究，从新的维度进行创新和经济增长研究成为可能。

1.1 标准化对经济增长的影响的研究

各国国家层面开展的标准化对经济增长的研究大都是由各国的国家标准机构进行，如德国标准机构（DIN）、法国标准机构（AFNOR）；或者由国家标准机构委托相关研究机构进行，如英国标准机构（BSI）。在我国也有部分学者进行了类似研究，如赵树宽等［3］、胡彩梅等［4］等。这些研究多采用生产函数法，利用时序数据，通过截至年底有效的标准总量测算标准化对经济增长的贡献。这类研究的局限性在于不同年度发布的标准对于经济增长的作用具有异质性，因此应该测算标准的有效存量。

1.2 基于国际面板数据开展的创新与经济发展的研究

在国际层面开展的创新和经济增长相关的研究中，有的研究对个体的选择基于全部或大部分国家。例如Choi 等［5］基于世界银行的国际发展指标，选择207 个国家从1991—2000 年的面板数据，将投资比率、政府消费比率和通货膨胀作为控制变量，分析得出网络对于经济增长具有积极和显著的作用。Ding 等［6］基于146 个国家在1980—2004 年间的动态面板数据，用增广的索洛模型进行分析，认为中国经济高速增长的原因在于，高物质资本投入、有条件的趋同收益、就业和产出结构的剧烈变化以及低人口增长。

也有研究根据政治、地理、文化上的共性特征，遴选少量的样本国家，从而在一定程度上克服国家间法律、技术、社会环境差异导致的统计分析差异。例如，Harrigan［7］选择了包括澳大利亚、加拿大等在内的11 个OECD 成员国，基于1980—1989 年间的面板数据，使用指数理论和跨国计量经济理论分析这些工业化国家之间存在的巨大和持续的TFP 差异的原因，认为原因包括发达国家之间的技术差异，法律、技术、社会环境的差异，以及TFP 指数成分的系统测量误差。Jungmittag［8］基于15 个欧盟国家在1963—1998 年的时序数据和面板数据单位根检验，分析得出欧盟国家的国家创新能力存在趋同现象，对单个欧盟国家来说表现为有条件的趋同或者趋同于国家自身的创新路径。Blind 等［9］将标准分为通用性和接口标准，最低质量和安全标准，种类减少标准，并分析各类标准对增长的影响。对20 世纪90 年代4 个国家（德国、英国、法国和意大利）12 个部门的面板数据进行实证研究，发现专利存量和标准存量都显著促进经济增长。在研发密度小的行业中，标准对经济增长发挥更大作用；在研发密度大的行业中，专利对经济增长发挥更大作用。

1.3 基于我国省级面板数据开展的创新与经济发展的研究

现阶段我国学者在中观即省级层面开展的研究，大都分析制度、人力资本、金融等因素对经济增长或全要素生产率的影响，研究方法包括经济增长模型、动态面板模型、空间计量模型等。根据数据的可得性，一般选择基于2000 年之后的面板数据，选择我国30 个省、自治区、直辖市（以下简称“省区市”）的面板数据作为分析的基础。

陶长琪等［10］基于2001—2015 年的面板数据，构建了由创新研发部门、中间产品生产部门和最终产品生产部门在内的经济体，通过内生经济增长模型分析，发现创新驱动效应具有地区差异性，制度质量能够有效保障创新驱动效应。

马茹等［11］基于2001—2015 年的动态面板数据，从就业人员的学历和学科背景测算科技人才资本，通过实证检验发现科技人才资本对提高全要素生产率的贡献显著。谢婷婷等［12］基于2000—2015 年的动态面板数据，研究金融创新、技术创新对经济增长的影响，发现二者的协同作用促进经济增长。张元萍等［13］研究金融和技术创新对经济发展水平的作用，基于2007—2014 年的面板数据分析得出金融创新和技术创新的综合作用对经济增长的驱动显著。庞瑞芝等［14］基于2009—2012 年的面板数据，使用网络化数据包络分析法，发现创新对经济发展的支撑效率偏低，并具有明显的区域差异；与创新生产阶段的效率相比，创新成果转化的低效率直接导致创新不能有效支撑经济发展。

周慧等［15］基于2003—2014 年的面板数据，从空间视角对经济增长模型进行扩展，发现创新驱动区域经济增长，省际技术溢出存在异质性，创新和城镇化的交互作用推动了创新对经济发展的驱动作用。白俊红等［16］构建包含技术创新、产业创新、制度创新、文化创新的创新驱动综合评价指标体系，使用空间计量分析方法，分析发现创新驱动对经济增长质量指数的影响具有显著的地区差异性。白俊红等［17］基于1998—2012 年的面板数据，构建政府、企业、科研机构等之间的协同创新指标，构建基于研发人员和研发资本的空间关联权重矩阵，使用空间计量分析方法，分析区域内的协同创新、区域间的空间关联对区域创新绩效的影响。

1.4 总结

图1 各省区市的专利存量、标准存量和GDP 的散点图

通过对上述文献的分析可以看出，各国关于标准化对经济增长贡献的研究大都基于时序数据，虽然面板数据被广泛应用于国家和区域间创新和经济发展相关的实证研究，仅有极少的文献通过面板数据分析标准化对经济增长的作用，例如Blind 等［9］。其中，研究方法包括了经济增长模型、空间计量模型等，以增广的索洛模型为主。在我国省级层面未见类似基于面板数据开展的标准化和经济增长的相关研究。本文基于标准体系的构成，将国家标准和行业标准数量通过标准研制贡献指数转化为地区的标准化水平，构建面板数据模型分析标准化对推动经济发展的作用，以期为加快形成推动高质量发展的标准体系提供政策建议。

2 模型设定和变量选择

2.1 模型设定

伴随创新驱动战略的实施，技术创新对地区经济发展产生越来越显著的驱动作用。标准一方面作为利益相关方协商一致的结果，成为技术的载体；另一方面，通过实施过程推动技术的扩展，产生溢出效应。将我国各省区市的GDP 分别和以发明专利有效存量为代表的技术创新水平、以标准有效存量为代表的标准化水平做散点图（见图1），可以发现GDP 与专利有效存量、标准有效存量呈现正相关关系。

本文基于经典的增长模型，引入创新水平、标准化水平等变量对模型进行扩展，得到增广的索洛模型，见公式1。对模型的各变量进行指数化处理，如公式2 所示。

其中，i 表示我国30 个省、自治区、直辖市，由于数据可得性问题，未将香港、澳门、西藏纳入；t 代表数据变量的选取时限为2001—2017 年。表示待估参数。

2.2 经济发展水平的变量选择和数据来源

2.3 资本投入的变量选择和数据来源

2.4 劳动投入的变量选择和数据来源

2.5 技术创新水平的变量选择和数据来源

2.6 标准化水平的变量选择和数据来源

甘克勤［18］提出，通过在单项标准中标准起草单位的排序，可以量化得出起草单位对单项标准的贡献程度，即标准研制贡献指数。通过国家标准研制贡献指数和行业标准研制贡献指数分别将年度发布的国家标准和行业标准转化为与各地相关的标准数量，然后将二者进行简单加总的和作为各地的年度标准数量（详见公式5）。

各地的年度标准数量=每年度发布的国家标准数量×各地国家标准研制贡献指数/∑各地国家标准研制贡献指数+每年度发布的行业标准数量×各地行业标准研制贡献指数/∑各地行业标准研制贡献指数 （5）

在公式5 的基础上，参照上述关于资本存量的测算方法，基于各地的年度标准数量用永续盘存法可以测算得出各地标准的有效存量。各年度发布的国家标准数量出自《中国科技统计年鉴》，各年度发布的行业标准数量出自中国标准服务网。各地国家标准研制贡献指数和各地行业标准研制贡献指数由中国标准化研究院国家标准馆提供。

3 实证分析

3.1 各省区市标准化水平分析

基于国家统计局对东、中、西部地区的划分，结合数据的可得性，未将香港、澳门、台湾、西藏纳入考虑范围，认为东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11 个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8 个省市；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等11 个省区市。

按照上文对各地标准化水平的测算方法，可以测算得出以2001 年为期初的，截至期末2017 年东部、中部、西部地区各省区市的标准化水平如图2 所示。

图2 2017 年各省区市标准化水平和2001—2017 年年均增速

从图2 可以看出，从2017 年各省区市标准化水平的现状来看，2017 年北京的标准存量要远高于其他省区市，东部地区11 个省区市的标准存量的平均水平高于中部地区的8 个省区市，中部地区标准存量的平均水平高于西部地区的11 个省区市。从2001—2017 年年均增速来看发展趋势，青海的年均增速远高于其他省区市，从年均增速的地区平均水平来说，东部地区和中部地区持平，西部地区高于东部、中部地区。

3.2 各变量对地区经济发展的作用效果分析

面板数据实证分析的过程包括面板数据的单位根检验，面板模型的选择，面板数据的异方差检验和自相关检验，面板模型的回归等。

3.2.1 面板数据单位根检验和面板模型的选择

STATA 16.0 提供6 种面板数据单位根检验的方法。本文的面板数据是平衡面板，对全样本、东部省份、中部省份、西部省份的各变量分别使用LLC检验（检验相同根）和Fisher-ADF 检验（检验不同根），显示变量都是平稳序列。

对公式（2）进行面板回归。其中，混合回归分析（OLS）、个体固定效应分析（FE）、个体随机效应分析（RE）的结果见表1。

表1 各变量对地区经济发展作用的面板模型选择

进行显著性检验，可以发现面板数据的个体效应显著，因此个体固定效应模型和随机效应模型优于进行混合回归的结果。使用基于自助法（Bootstrap）的豪斯曼（Hausman）检验对面板数据模型进行检验，结果显示在个体固定效应模型（FE）和个体随机效应模型（RE）中选择固定效应模型。

对全样本、东部省份、中部省份、西部省份的各变量进行异方差检验和自相关检验的结果如表2所示，认为在四个模型中都存在组间异方差、组内自相关和组间同期相关。

表2 面板数据的异方差检验和自相关检验

3.2.2 面板模型的回归

根据面板模型选择，数据的异方差检验和自相关检验的结果，将全样本模型使用面板校正标准误差（PCSE）回归，并将混合回归分析、个体固定效应分析、个体随机效应分析的结果作为参照系，对比结果见表3。

表3 各变量对地区经济发展水平的影响分析（基于全样本模型）

从表3 可以看出，PCSE 回归从标准误、置信水平、拟合优度上均优于混合回归、固定效应和随机效应分析的结果。在2001—2017 年间，从各要素的产出弹性来看，资本投入、劳动投入、技术创新水平、标准化水平等产出弹性均为正，这意味着增加要素投入都会促进地区经济发展。以固定资本形成总额为代表的资本要素的弹性高达0.527，这与现有理论研究成果相符，投资驱动（固定资产投资）是近年来经济发展的主动力。以年度就业人员数为代表的劳动投入的弹性高达0.268，也与现有理论研究相符，表明人口红利对近年来经济的发展仍然发挥着积极作用。以各地区年度发明专利授权数为代表的技术创新投入的弹性略低于劳动投入的弹性，为0.264，表明我国近年来实施的创新驱动战略是有效的，正在通过促进自主创新，推动将资源和劳动的低成本优势转换为创新优势，对地区经济发展产生积极的驱动作用。以各地的标准有效存量为代表的标准化水平的弹性0.050，表明标准的实施通过推动创新知识的传播，创新促进科技成果的转化机制，支持了创新驱动战略的发展，对地区经济发展产生正面影响。

使用面板校正标准误差（PCSE）回归，分析在东部省份、中部省份、西部省份模型中各变量对地区经济发展水平的影响情况，并以全样本模型作为参照。具体如表4 所示。

表4 各变量对地区经济发展的弹性分析（基于分区域模型）

从表4 可以看出，在2001—2017 年间，包括全样本模型、东部省份模型、中部省份模型、西部省份模型在内，资本投入、劳动投入、技术创新水平、标准化水平等要素的产出弹性均为正，这意味着增加要素投入的数量能够提高地区经济发展水平。其中，在东部省份回归模型和中部省份回归模型中，劳动投入的弹性都居于第一位，资本投入的弹性居于第二位，技术创新投入的弹性居于第三，标准化投入的弹性居于第四，均在不超过5%的显著性水平下通过显著性检验，拟合优度很好。在西部省份回归模型中，资本投入的弹性居于第一位，其次是技术创新投入和标准化投入，在不超过1%的显著性水平下通过显著性检验，拟合优度很好。这意味着，在东部省份和中部省份注重劳动和资本要素的投入，实施积极的就业政策和投资政策，将能够在一定程度上继续推动经济的发展水平；在西部省份注重资本要素的投入，实施积极的投资政策，将能够在一定程度上继续推动经济的发展水平。对于技术创新投入和标准化投入来说，则具有普适性，在全国和东、中、西部地区实施积极的创新推动政策和标准化政策，都将有利于地区经济的正向发展。尤其在我国经济发展面临质量变革、效率变革、动力变革的大趋势下，制定推动技术进步和技术效率的政策，将有助于推动标准化发挥对经济发展的积极作用。

3.3 各要素对经济增长的贡献率分析

基于要素的产出弹性和要素的年均增长率可以测算各要素对经济增长的贡献率，见公式6。要素年均增长率的测算方法包括算数平均数和几何平均数两种，见公式7 和公式8。分别使用两种测算要素年均增长率的方法，测算要素对经济增长的贡献率如表5 和表6 所示。

表5 2001—2017 年变量年均增长率及要素贡献率（算数平均增长率）

表6 2001—2017 年变量年均增长率及要素贡献率（几何平均增长率）

从表5 和表6 可以看出，基于两种测算方法得到的要素贡献率差异不大，因此以采取几何平均增长率的表6 为主进行分析。根据表6 中要素的年均增长率和各要素对GDP 的贡献率，2001—2017 年的全样本模型中，在年均增长率方面，GDP 的年均增长率是11.12%。在投入要素中，技术创新水平的年均增长率最高，为30.92%；其次是标准化，为13.37%；第三是资本投入，为2.70%；劳动投入的年均增长率最低，仅为1.67%。在要素贡献率方面，自主创新对GDP 的要素贡献率高达73.41%，其次是资本的要素贡献率12.80%，第三是标准化的要素贡献率6.01%，劳动的要素贡献率只有4.02%，位于最末。

在东部省区市模型各变量中，自主创新的要素年均增长率和要素贡献率位于第一位；标准化的要素年均增长率居于第二位，但与其他要素相比，对GDP 的要素贡献率最低；劳动投入的要素年均增长率略高于资本投入，要素贡献率位于第二位；资本投入的要素年均增长率位于第三位，要素贡献率也位于第三位。

在中部省区市模型各变量中，自主创新的要素年均增长率和要素贡献率也位于第一位；标准化的要素年均增长率居于第二位，高于资本的年均增长率，但对GDP 的要素贡献率位于第三位；劳动要素的年均增长率和要素贡献率均最低。

在西部省区市模型各变量中，自主创新的要素年均增长率和要素贡献率仍位于第一位；标准化的要素年均增长率居于第二位，高于资本的年均增长率，但对GDP 的要素贡献率远低于资本；劳动要素的年均增长率和要素贡献率均居于最末。

由于要素的年均增长率在东部、中部、西部省份模型中存在差异，以及要素产出弹性在地区之间存在差异，使得各要素对GDP 的贡献率也呈现区域差异性。自主创新的要素年均增长率和要素贡献率在各区域都稳居第一位，只存在数值上的差异。这表明自主创新已经对地区经济增长产生显著影响。而标准化要素年均增长率和要素贡献率表现居中,但不突出，主要是因为其通过自主创新知识的扩散对地区经济增长产生积极影响，这与面板模型中弹性分析结果也是一致的。同时资本和劳动投入等传统意义上的要素投入仍然对经济增长产生正向影响，但是年均增长率限制了资本和劳动要素对GDP 的贡献率。从另一个角度来看，自主创新要素年均增长率和要素贡献率越高的东部省区市，标准化的要素年均增长率和要素贡献率越高，资本和劳动要素对GDP 的贡献率越低；反之亦然。

4 研究结论与政策展望

本文采用技术创新要素和标准化要素构建增广的索洛模型，根据我国标准体系的构成和标准研制贡献指数构建地区的标准化水平，通过2001—2017年的省际面板数据分析包括标准化在内的各投入要素对经济增长的贡献率。主要贡献体现在：一是提出测算地区标准化水平的方法，并测算了2001—2017 年间30 个省区市标准化水平，分析其现状和预测其发展趋势；二是构建省际面板模型，使用面板校正标准误差（PCSE）实证研究了标准化对中观层面经济增长的作用效果，为通过标准化促进地区经济增长提供政策参考。

实证结果显示，首先，各要素的产出弹性均为正，意味着增加要素投入的数量能够提高地区经济发展水平。其次，估计模型各变量中自主创新的要素年均增长率和要素贡献率在各区域都稳居第一位，意味着我国的创新驱动战略在中观层面正在持续发挥显著影响。最后，包括标准化在内的各要素对经济增长的贡献率呈现区域差异性，意味着不同的区域需要实施不同的要素驱动政策。在全样本模型和中部、西部省区市模型中，标准化对经济增长的要素贡献率都高于劳动，在东部省区市模型中，标准化对经济增长的要素贡献率最低，表明随着创新驱动在经济增长中的作用越发显著，标准化将有较大的发展空间。总之，标准化对东中西部地区经济增长具有一定要素年均增长率和要素贡献率。虽然由于自身原因和作用机制，标准化对经济高质量增长影响没有自主创新要素明显，但是通过不同区域的比较显示，区域经济增长中标准化与自主创新的贡献度也是相关的。

基于上述研究结论，应根据东中部省区市差异逐步提高我国整体标准化水平。结合我国标准化的发展，本文提出如下建议：第一，各省区市应发布政策鼓励利益相关方参与政府组织制定的国家标准、行业标准，并制定地方标准与国家标准、行业标准等相衔接；第二，各省区市可发布政策鼓励市场利益相关方自主制定团体标准和企业标准；第三，各省区市应共享与标准制定相关的信息，建立标准实施信息反馈和评估机制，推动标准实施，通过实施标准促进对创新知识的传播，从而逐步提高各省区市的标准化水平。