长三角区域经济一体化进程中数据要素配置机制研究

2021-02-28徐新卫邓佳佳

南阳理工学院学报 2021年6期

徐新卫，邓佳佳，陶飞，周俊

(安徽工业大学管理科学与工程学院安徽马鞍山 243032)

1 引言

1.1 研究背景及意义

当前，长三角一体化、京津冀协调发展、粤港澳大湾区等国家战略在我国双循环发展新格局中发挥了重要作用，而长三角一体化战略发挥了重要引领作用，有利于形成陆海内外联动、东西双向互济的战略新局面。从发展水平的视角，区域一体化和政策协同不仅是高质量发展的关键，也是帮助解决区域协调发展的重大战略举措。

推动形成区域经济一体化的根本目的, 就是为了利用区域内各地区生产要素的不同, 加之生产要素的循环流动, 促进生产要素的聚集效应, 从而实现经济效益最大化。区域经济一体化实现的目标是要素在区域间的自由流动，且区域要素一体化有助于降低要素的交易和流动成本，提高要素交易和跨区域流通效率，优化要素空间配置结构，促进区域经济增长。区域经济发展的源泉是要素的最优配置, 而要素最优配置的实现必然伴随要素流动。生产要素的整合是区域一体化的目标，同时也是区域一体化的支撑点。可见，要素市场的整合才是区域一体化的本质和精髓所在[1]。

长三角区域经济增长并不是多种不同要素简单相加的数量增长，对于高质量经济增长来说，更重要的是劳动、资本、数据等多种要素的高效优化组合[2]。数据要素开发利用具有强烈的多要素综合效应，数据要素开发利用会对其他要素的使用产生正外部性，与数据要素的深度融合可以实现对传统资本、劳动等有形要素的新组合，单位资本或劳动会创造出远高于缺乏数据要素时的价值，大数据开发应用及其与资本、劳动要素的深度融合会带来资本深化和劳动生产率的大幅提升。因此，数据与其他生产要素的融合越全面越深入，对总产出增长的贡献就越大，整个经济的全要素生产率提升幅度就越大[3]。同时数据要素作为新动能可以更好地整合和优化区域一体化进程中产业升级的 “传统动能”(“旧动能”)，如创新、要素结构、贸易开放以及市场规模等[4]。

1.2 国内外研究现状及分析

全要素生产率主要有非参数法和参数法两类测算方法。参数法主要有索洛余值法、隐形变量法以及随机前沿SFA法。索洛余值法是RSolow、Robert M[5]于1957年在新古典增长理论中提出，他对改进的C-D生产函数进行测算，将索洛余值定义为总产出增长中除去投入要素增长剩下的部分。鉴于索洛余值法忽视了技术效率对全要素生产率增长的影响，因此美国经济学家Denison E F[6]对该方法进行了改进，将余值增长结果进行因素分解。Jorgensen D W、Griliches Z[7]提出了用超越对数生产函数的方法，将总产出、资本和要素投入分解为数量增长和质量增长。由于这种模型简单，适合于宏观层面生产率的测算，因此得到国内外学者的广泛使用，杨飞虎、孙国茂、曹新颖[8]均使用了索洛余值法及C-D 生产函数原理来估计中国的全要素生产率。曹新颖、刘骏、韩咏梅等应用改进的索洛余值法以及C-D生产函数来计算我国全要素生产率。黄鑫昊、孙猛均等[9]在研究中超越对数生产函数的随机边界模型来分解全要素生产率。还有部分学者采用非参数估计中数据包络分析(DEA-Malmquist)生产率指数法测算了全要素生产率。管立杰、赵伟等[10]基于DEA-Malmquist 生产率指数法测算了我国29个省份2013—2017年间农村基础设施供给全要素生产率的变化。李健、冯山等[11]采用DEA-Malmquist 方法对省际全要素生产率进行了测算。对比以往学者的研究，由于索络余值法存在诸多限制，难以满足实际数据的需要；而DEA不需要事前设定生产函数，可以通过计算实际样本点与有效样本点之间的距离来测算生产单元的相对效率。但是，DEA 模型只能测算静态规模效率和技术效率，动态测算则需要借助Malmquist指数。因此，本文采取DEA-Malmquist指数法对TFP进行测算，并同时将TFP增长率分解为技术进步、技术效率变化率、规模效率和分配效率4个指标。

由于全要素生产率测算方法中参数法以及DEA模型存在的不足，同时长三角区域数据要素配置效率[12,13]如何，鲜有文献涉及。本文基于DEA-Malmquist指数法对TFP的测算，并将TFP增长率分为技术进步、技术效率变化率、规模效率和分解效率4个指标，并构建数据要素配置效率指标对配置效率进行评估。本文将针对数据要素在长三角区域的资源配置问题展开研究，具体分析过程将分为以下三步: 第一，基于DEA - Malmquist 模型估算长三角区域实际状态下的全要素生产率; 第二，以上一步得到的全要素生产率为被解释变量，与数据要素配置相关的影响因素为自变量，建立回归模型; 第三，分析回归模型系数，并给出相应的对策和建议。

2 研究方法

2.1 全要素生产率估算

本文基于DEA-Malmquist指数法[14-16]测算长三角地区实际状态下的TFP，并分析长三角区域数据要素配置对TFP的影响。

首先，定义生产可能集合为下列形式

St={(xt,yt):xt能够产出yt}

(1)

上式中，xt为t时生产单元i的因子输入向量，yt为t+1时生产单元i的输出向量，公式(1)指的是因子输入向量xt在一定条件下获得的输出向量yt。

t时期的产出距离函数为以下形式

=(sup{θ:(xt,θyt)∈St})-1

(2)

(3)

(4)

为避免参考技术前沿的随意性，Malmquist 指数被定义为t和t+1两个时期生产率指数的几何平均值，对TFP的变化分解为技术效率变化和技术进步，其计算公式为

=EC×TC

(5)

此外，EC还可以分为规模效率变化(scale efficiency change，sech)和纯效率变化(pure efficiency change，pech)。所以生产单元t+1的TFP最终分解如下

TFPt+1=techcht+1×secht+1×pecht+1

(6)

2.2 逐步回归模型

多元线性回归是分析1个因变量与多个自变量线关系的方法。其回归方程为

y=b0+b1x1+b2x2+…+bkxk+e

(7)

式中：b0，b1，b2，…，bk为回归系数;e为随机误差。

以使方程的误差平方和最小为目标，获得多元线性回归方程的回归系数，分别求偏导数并使之等于0，解相关方程组可求得b0，b1，b2，…，bk的数值。

3 实证分析

3.1 数据来源及处理

考虑样本数据的可获得性和一致性，选取长三角区域三省一市(安徽、江苏、浙江及上海)的统计数据。在选择时间序列方面，本文以2005—2018年作为样本区间。本文的数据来源于中国经济与社会发展数据库中的《江苏统计年鉴》《浙江统计年鉴》《安徽统计年鉴》和《上海统计年鉴》，同时参考了各地区人力资源和社会保障局公布的数据。

关于各地区的全要素生产率指数的测算，投入指标包括长三角区域总资本投入和总劳动力投入，本文以各省的GDP指数将名义GDP转换为实际GDP(以2005年不变价格为准)来衡量产出水平。参考张军(2004)等的做法，以永续盘存法计算的资本存量为资本投入，估算公式为

Kit=Iit/Pit+(1-δ)Kit-1

其中，投资流量指标(Iit) 、投资流量指标的价格平减指数(Pit) 分别采用t时期的i地区固定资产形成总额和固定资产投资价格指数;与大多数学者一样，将折旧率设为9.6%。应用DEAP软件计算，可以得出TFP指数、技术效率指数和技术进步指数，如表1所示。

表1 2005—2018年长三角实际状态下Malmquist指数分解结果

从Malmquist 指数分解结果可以看出，长三角区域 2005—2018年期间TFP的动态变化均值为1.039，表示在实际状态下长三角区域TFP平均增长率为3.9%。而对TFP的结果进行分析，得出技术进步变化(techch)对TFP的增长贡献最大，技术进步变化在 2005—2018年间年均变化平均值为 1.049，年平均增长了4.9%。其中，纯技术效率(pech)变化均值年均降低了0.5%，规模效率(sech)变化均值年均降低了0.9%，这也说明了长三角全要素生产率的提高主要取决于技术水平的进步，而不是技术效率的提高。

3.2 数据要素配置影响因素分析模型

本文构建数据要素配置因素指标。首先，考虑长三角区域国有企业对资源的外部干预较为明显，故而构建产权制度指标，选用“国有企业占比”衡量长三角区域产权制度体系对数据要素配置的影响。考虑到我国产业和结构差异，有必要考察产业结构差异对数据要素配置的影响，本文选取“第三产业总值占地区GDP的比重”来研究产业结构对要素配置的影响。其次，考虑到产品市场的良好运行决定了各部门间的要素配置状况。因此，考虑到产品市场的良好运行，可以衡量市场竞争度，选取“民营企业的销售收入比例”进行考察。再次，提高信息交流水平也可以优化要素配置，目前企业的转型升级过程就是对数据要素重新配置的过程，其中信息交流水平对此有重要影响，因此采用“各省邮电业务的对数”来衡量信息交流水平对数据要素配置的影响。同时，长三角经济的增长主要依靠投资和进出口，尤其对于上海、江苏和浙江众多企业，进出口的繁盛和萧条严重影响着其企业效益，进而影响地区间数据要素配置的状态，由“进出口贸易总额占该地区GDP的比重”这一指标来衡量；最后，通过教育可以提高数据要素配置水平，教育程度越高的劳动者对数据要素流动的贡献程度越大，因此采用“各省每万人中高校在校人数的对数”来衡量。

因此，本文选取市场竞争度、对外开放程度、产权制度、产业结构程度、教育水平、信息交流水平和技术水平作为解释变量，测算出的长三角全要素生产率为被解释变量，基于多元回归方程，研究这7个变量对长三角区域2006—2018年数据要素配置的影响[17]，回归方程见下式。

TFPit=a0+c1MRit+c2TRit+c3PRit+c4D3it+c5Eit+c6TEit+c7Iit+uit

(8)

公式(8)中，I=年份，t=1,2,3,4,5,6,7，TFP 为长三角全要素生产率，MR为市场竞争度，TR为外贸开放度， PR为产权制度水平， D3为三产占比，E为教育水平，TE为技术水平，I为信息交流程度。

考虑到经济指标间存在多重共线性的影响，所以本文将应用 SPSS 软件，引入逐步回归方法，探究长三角数据要素配置效率的影响因素。根据理论模型方程式，模型结果如表2所示。

表2为长三角数据要素配置影响因素的逐步回归结果，选取回归过程中的3个模型，比较分析每个变量对数据要素配置效率的影响。模型 M2与模型 M1相比，加入了外贸开放程度变量后，市场竞争度和三产占比的显著水平明显提高，并且技术进步、三产占比的回归系数都有所升高。与模型M2相比，模型 M3中加入了产权制度变量后，产权制度变量改变了其他指标系数，但影响方向不变，即其经济含义保持不变，说明模型基本是稳定的。

表2 长三角数据要素配置影响因素分析回归结果

对模型结果分析可知，市场竞争度对长三角数据要素配置效率影响程度最大，回归系数为5.572。市场竞争的高度加剧和大量生产力的释放，反映了面向市场的数据要素分配的重要性，以及市场在数据要素分配中的决定性作用。其次，教育水平以及产权制度的回归系数值较高。数据要素如何更好地开放与利用，依赖于大数据和人工智能技术的运用与发展，教育水平的提高将成为这些技术发展的强大的助推剂。产权制度使用“国有企业占比”指标衡量。政府与国企存在相互依赖关系。政府在关键时刻可以采取干预手段，调控与管制企业，规范企业行为，进而提高企业的效率。

4 结论及建议

长三角区域数据要素配置不充分的原因主要是由于制度安排不合理，在各部门相对独立、企业、科研院所与高等学校合作不够充分，资源共享困难的条件下形成的数据要素配置体制。在此基础上，本文结合长三角地区具体情况，在政府的指导下，以市场分配为基础，提出了基于市场分配的数据要素配置机制，构建产学研协同联盟。在数据资源共享平台的支持下，以金融和服务机构为辅，同时以法律保护产权制度保障，构建长三角区域经济一体化数据要素配置体系。

4.1 市场在要素配置中的决定性作用

保障各类企业在市场中的平等地位，确保市场竞争机制，解决特权部门和部分企业在数据市场的控制和垄断问题，使数据资源能够按照市场价格分配给不同主体。在竞争性领域中，保证所有相关部门平等获取数据要素资源，使有限的资源最大限度地流向最有效率的部门[18]。

4.2 政府应给予数据资源配置适当的干预与调节

数据资源配置过程中，政府应发挥不可或缺的辅助作用[19]。但政府的辅助并不意味着各级部门的全面干预，而是应该注意整体把控和顶层设计，避免缺乏顶层设计和统筹考虑的政策对数据资源配置的干扰，避免数据要素政策制定范围过宽泛，涵盖方方面面，缺少对核心问题的认识，也避免对数据要素政策过度限制以及全面干预现象的发生。除了制定宏观政策外，政府应作为数据配置活动的重要决策主体。政府应制定配置数据要素的顶层设计方案，指出明确的发展趋势，并提供良好的外部环境。