考虑能源的中国经济要素再配置效应

许光清 陈晓玉

摘要：通过将中国经济全要素生产率的增长率分解为主要考虑产业技术进步的内部增长效应和资本、劳动、能源要素在部门间流动形成的要素再配置效应，文章以23个细分产业为研究对象，采用多部门增长核算法验证了2005—2017年间资本、劳动、能源要素的“结构红利假说”，得出以下结论：①以各行业技术进步为代表的内部增长效应仍为整体经济全要素生产率增长的主要贡献因素;②资本要素的再配置效应由“结构负利”向“结构红利”转变;③劳动要素的再配置效应呈现出先上升后下降的趋势，表现出从“结构红利”转变为“结构负利”的趋势;④能源要素的再配置效应逐渐显现，由“结构负利”向“结构红利”转变。基于研究结果，认为除了重视全社会各行业的技术进步，更要重视要素流动的效率;由于市场不完善和信息不对称造成的要素配置扭曲會部分抵消技术进步的作用，阻碍经济高质量发展。针对资本、劳动和能源的要素再配置，提出以下建议：①资本要素的再配置应综合考虑宏观调控和市场机制，按照利润最大化原则进行资本配置，在提高资本产出弹性的同时增加资本的配置效率;②劳动力的配置不能仅局限于三次产业层面，还应重视产业内部的边际产出差异;③能源要素的再配置要重视工业内部各行业间的能源产出弹性，避免能源的低效配置;加速淘汰高耗能重污染行业，推动低能耗产业的发展，以提高能源配置效应的方式助力节能减排和绿色发展。

关键词：结构红利;要素再配置;全要素生产率;能源

中图分类号F062.1文献标识码A文章编号1002-2104（2021）03-0128-10DOI：10.12062/cpre.20200910

改革开放以来，我国经济保持高速增长。2017年，党的十九大明确提出将“高质量”作为经济发展的新要求。经济高质量发展的源泉之一来自全要素生产率（TotalFactorProduction，TFP）的提高。TFP又称为广义技术进步，实际上反映的是生产过程中无法被定量衡量的那些因素的贡献，这些因素包括技术、制度、企业家才能、人力资本、规模报酬、产业结构与要素配置、对外开放度等。提高TFP，实际上就是通过技术进步、人力资本提升、结构性改革、扩大开放等等，来提高可以定量衡量的各种投入要素的利用效率。要实现经济高质量发展必须通过促进要素的流动完成经济结构的调整，使要素配置到要素生产率高的行业，从而促进整体经济的全要素生产率。十九大报告将深化供给侧结构性改革纳为六大战略举措之首，这意味着产业结构变化、要素再配置效应愈发受到重视。要素配置效率的提高与经济结构升级成为我国在新常态背景下实现经济高质量发展的必要条件。

很多学者研究了要素投入对经济增长的贡献[1-4]，并没有将全要素生产率进一步分解，没有研究要素配置效率对全要素生产率的贡献。也有一些学者在研究要素配置时，只纳入资本与劳动要素[5-13]，忽略了能源作为投入要素对生产率的贡献。实际上，能源作为经济发展的基础，对经济增长的影响愈发重要甚至成为制约经济发展的因素，能源对经济增长的影响不能忽略。目前也有涉及能源要素配置效应的研究，但普遍存在以下问题：一是使用偏离份额法分析能源单要素的配置效应[14-15]，没有考虑资本、劳动和能源要素的协同作用;二是虽然综合考虑了资本、劳动和能源要素，但是没有将能源要素单独分离出来[16]。同时不管有没有纳入能源要素，很多文献将整体经济分解为三次产业[4，7，11]，没有考虑中国工业化进程中工业内部各行业间的要素流动。也有文献将工业[8]、制造业[6]和高技术行业[13]单独拿出来进行分析，没有考虑工业和非工业部门间的要素流动。

本研究通过构建一个纳入能源要素的多部门生产核算框架，将三次产业分解为23个细分产业，既覆盖了经济整体又将工业进一步分解;将中国经济的全要素生产率的增长率分解为主要考虑产业技术进步的内部增长效应和资本、劳动、能源要素在部门间流动形成的要素再配置效应，既同时考虑了资本、劳动和能源要素配置的协同作用，又将三种要素的再配置效应单独分离出来，以检验中国资本、劳动和能源要素的“结构红利”是否存在，并为促进中国经济高质量发展提出要素有效配置方面的建议，以释放更多的结构红利，提升全要素生产率。

1理论综述

1.1结构红利假说

自20世纪50年代，产业结构调整及其在经济发展中的作用引起了学者的广泛注意，一般认为产业结构依托生产要素流动而发生变化，从而影响经济增长。Chomme等[17]认为，由于各部门劳动生产率不同，劳动力要素将从低生产率的农业部门转向中等生产率的工业部门，再转向高生产率的商业部门。Lewis[18]提出的二元经济理论阐述了劳动力要素将从农业部门转移至非农业部门，直至二者的劳动力边际报酬相等，二元经济将合成一元经济。二者均表达了要素流动导致产业结构变动的思想。Chenery等[19]认为，随着经济发展就，一国的经济结构将呈现一次产业比重逐渐下降，二三产业比重逐渐上升的趋势。Kuznet[20]指出，结构变化的两个主要原因是部门间需求收入弹性和技术进步影响的差异。至于结构变化对整体经济的影响，Baumol等[21]通过研究美国战后各部门经济发现，各部门的生产率增长很不相同，结构变化是长期性的并且与生产率增长息息相关。

在以上学者的基础上，更多学者对要素配置和结构变化进行研究。其中，Timmer等[22]首次提出“结构红利”的概念：资源要素从生产率较低的产业或部门向生产率较高的产业或部门转移，整体经济的要素生产率将会提高。结构红利即要素从低产出弹性的行业向高产出弹性的行业转移。由于能源环境问题愈发严重，结构红利的概念中纳入了能源要素，认为能源要素向能源生产率更高的部门流动，从而对经济增长产生促进作用称为“能源要素的结构红利”。

1.2验证结构红利假说的研究方法

综上所述，结构红利假说基于以下理论假设：由于不同产业的要素生产率不同，要素生产率高的产业其要素的边际收益高，吸引要素不断流入;要素生产率低的产业其要素不断流出，引致产业结构的变动，而且要素流动的结果会导致整体经济全要素生产率的提高。由于现实中有市场不完善、信息不对称等各种障碍，要素的流动不一定符合结构红利假说。

依据要素生产率的分类，结构红利的估算方法可分为单要素生产率的分解与全要素生产率的分解。

最常用的单要素生产率的分解方法为偏离份额法（Shift-share），由Fabricant[23]在1942年提出，最早用于分析劳动要素结构的变动对经济发展的影响。该方法可以将要素生产率的变化率分解为内部增长效应与要素再配置效应，前者具体含义为产业内部技术提升、管理效率提升等，后者表示要素在产业间流动导致生产率变动的效应。运用偏离份额法研究结构红利的文献大多针对劳动和资本要素，较少针对能源要素。Fagerberg[24]、Peneder[25]分别使用该方法对各国劳动要素的再配置效应进行了验证。我国学者也使用偏离份额法，如丁焕峰等[5]、李小平等[7]、干春晖等[8]和吳寿平[9]分别对我国的制造业、工业和三次产业间的劳动、资本要素的再配置效应进行了研究。

对于全要素生产率的分解，常用的是随机前沿生产函数（stochasticfrontierproductionfunction，SFP）与多部门生产核算法。SFP考虑到技术变化对生产前沿面的影响，将全要素生产率增长率分解为技术进步变化率、技术效率变化率、规模效率变化率、要素配置效率变化率，更适用于微观层面的研究。多部门生产核算法是研究结构红利的重要方法，将经济整体全要素生产率增长率分解为内部增长效应和各投入要素的再配置效应[25]，适用于宏观经济分析且能够在控制其他要素不变的情况下单独分离出要素的再配置效应。Timmer等[22]运用该方法对亚洲四个地区的资本、劳动要素再配置效应进行了分析。辛超等[10]、王鹏等[11]、蔡跃洲等[12]用该方法对我国的劳动、资本要素再配置进行了分析等。

2考虑能源要素的测算模型

本文选取多部门生产核算法进行估计。首先，基于柯布-道格拉斯生产函数，将整体经济增长分解为全要素生产率的增长和资本、劳动、能源要素投入的增长;其次，基于各细分产业的柯布-道格拉斯生产函数，将全要素生产率的增长进一步分解为内部增长效应和资本、劳动、能源要素在部门间流动形成的要素再配置效应。

参考Massel[26]的计算方法，计算模型如下：

假设经济生产符合柯布-道格拉斯生产函数，技术进步满足希克斯中性，则生产函数表示为：

Y=AKαLβEγ（1）

其中，Y表示经济产出，K、L、E分别表示资本投入、劳动投入和能源投入，A为全要素生产率，α、β、γ分别表示资本、劳动、能源要素的产出弹性。左右同时取对数并对时间求导，得到：

g（Y）=g（A）+αg（K）+βg（L）+γg（E）（2）

g（Y）=dYdtY=Y（3）

其中，g（Y）表示经济产出Y的变化率，g（A）表示全要素生产率A的变化率。αg（K）表示资本投入的变化引致的经济产出的变化，βg（L）表示劳动投入的变化引致的经济产出的变化，γg（E）表示能源投入的变化引致的经济产出的变化。

各细分产业的生产函数与经济整体一致，则对细分产业i有：

g（Yi）=g（Ai）+αig（Ki）+βig（Li）+γig（Ei）（4）

所以，用各细分产业变量表示的经济整体的产出变化率可表示为：

g（Y）=∑ρig（Yi）

=∑ρig（Ai）+∑ρiαig（Ki）+∑ρiβig（Li）+∑ρiγig（Ei）（5）

其中，ρi为权重因子，即i细分产业的产出占整体经济产出的比例：ρi=YiY。（5）式代入（2）式，可将g（A）进一步分解：

g（A）=∑ρig（Ai）内部增长效应+

{∑ρiαig（Ki）-αg（K）}资本要素的再配置效应+

{∑ρiβig（Li）-βg（L）}劳动要素的再配置效应+

{∑ρiγig（Ei）-γg（E）}能源要素的再配置效应（6）

其中：c（A）=∑ρig（Ai）（7）

c（A）为各细分产业的全要素生产率变化率的加权累加值，表示全要素生产率增长率的内部增长效应。细分产业的产出占整体经济产出的比重和细分产业全要素生产率的增长率均会对内部增长效应产生影响。

s（K）=∑ρiαig（Ki）-αg（K）（8）

s（L）=∑ρiβig（Li）-βg（L）（9）

s（E）=∑ρiγig（Ei）-γg（E）（10）

其中，s（K）、s（L）、s（E）分别为各细分产业的资本、劳动和能源要素变化引致的部门产出变化的加权累加值与整体经济各要素投入变化引致的经济产出变化的差，s（K）、s（L）、s（E）分别表示了资本、劳动和能源要素在细分产业间流动引致的再配置效应。细分产业的产出占整体经济产出的比重、要素的产出弹性、要素投入增长率均会对要素的再配置效应产生影响，整体经济要素投入变化引致的经济产出变化也会对要素再配置效应产生影响。如果要素再配置效应为正则说明要素在不同行业间的配置对整体经济全要素生产率增长率的变动起着正向作用，反之则不利于g（A）的增长。

由式（6）可知，整体经济全要素生产率的变化，受到四个主要因素的影响，分别是各部门的内部增长效应、资本、劳动、能源要素在部门间流动引致的再配置效应。

要素再配置效应的估计需要整体经济及各部门投入要素的产出弹性。对于产出弹性的估计，以往文献中常用非参数法[6，12]和超越对数生产函数法[11，26-27]。非参数法中要素的产出弹性为该要素的报酬与经济产出的比值，而资本报酬有利润、固定资本折旧、利息、补贴等;劳动报酬有工资和福利。基于数据的可得性，本文采用超越对数生产函数以估计投入要素的产出弹性。超越对数生产函数具有易估计与包容性两大特征，利用投入产出数据即可用线性模型估计，并适用于多投入要素情况，可以考虑要素间的相互影响，且对于产出弹性的估计无需做任何先验设定，具有一定优势[28-29]。具体形式为：

lnYit=ω0+ω1lnKit+ω2lnLit+ω3lnEit+

ω4t+ω5lnKitlnLit+ω6lnKitlnEit+

ω7lnLitlnEit+ω8lnKitt+ω9lnLitt+

ω10lnEitt+12ω11lnKit2+12ω12lnLit2+

12ω13lnEit2+12ω14t2（11）

其中，t为时间趋势变量，t=T-2000.

因此，各要素的产出弹性可表示为：

αi=ω1+ω5lnLit+ω6lnEit+ω8t+ω11lnKit（12）

βi=ω2+ω5lnKit+ω7lnEit+ω9t+ω12lnLit（13）

γi=ω3+ω6lnKit+ω7lnLit+ω10t+ω13lnEit（14）

3数据来源及处理

本文将资本、劳动、能源作为投入要素。自“十一五”以来，许多政策作用于工业内部结构优化，工业内部结构变动较为明显;同时，工业作为耗能大户，其细分行业的能耗情况与能源产出弹性差异较大。因此，为更好地研究要素配置的结构红利，在细分行业层面提出有针对性的优化配置建议，将工业分为20个细分行业，加上建筑业、第一产业和第三产业，共23个细分行业，具体分类情况见表1。

3.1资本存量

由于我国官方统计数据中缺少对资本存量的统计，大多数研究采用永续盘存法进行估算，本文也采用该方法估计各产业的资本存量，公式如下：

Kt=Kt-1（1-δ）+It（15）

其中，Kt为第t年的资本存量，It为第t年的新增投资，δ为折旧率。因此，只要确定基年的资本存量、每年的新增投资及折旧率便能估算出每年的资本存量。本文选取2000年为基年，使用2000年的资本存量作为基期的资本存量;使用全社会固定资产序列衡量产业的新增投资;对于折旧率采用分行业的平均折旧率进行计算[30]。由于工业细分行业缺少相关数据，参考余咏泽等[31]的做法，用2000年固定资产原价比例将工业基年资本存量数据分配到细分行业，用逐年固定资产原价之差比例将工业全社会固定资产投资数据分配到细分行业。不同年份数据使用固定资产投资价格指数对其进行平减。

3.2劳动、能源和经济产出

文章采用全部从业人员年末就业人数衡量劳动投入。由于工业细分行业缺少年末就业人数统计，利用工业全部从业人员年平均值比例，将工业整体年末就业人数分配到细分行业，其数据来自国家统计局和人力资源和社会保障部网站。采用发电煤耗法计算的能源消费总量衡量第一产业、第三产业的能源投入，采用终端能源消费量衡量第二产业的能源投入，避免高估将二次能源作为主要产出的个别行业能源消费量，数据来自中国能源统计年鉴。采用各产业增加值衡量经济产出，使用各产业增加值价格指数对其进行平减，以得到2000年为基年的不变价增加值，数据来自国家统计局网站。

4实证研究

文章使用主成分分析和最小二乘法回归相结合的方式估计要素产出弹性。由于变量之间存在严重共线性，若采用普通最小二乘法估计参数，估计值会出现不存在或估计值方差变大的情况。因此，文章采用“主成分回归分析法”以估计弹性[32]，先用主成分分析法消除回归模型中存在的多重共线性问题，后将主成分作为新的自变量进行回归分析，根据得分系数矩阵将原变量代回得到产出弹性估计值。使用SPSS25进行主成分分析和最小二乘法回归，提取载荷累积平方和均大于90%，主成分能够较好代表原变量的信息;主成分回归系数均在0.001水平上显著，回归结果较为可靠。

4.1整体经济的全要素生产率增长率

公式（2）将整体经济产出的增长率分解为全要素生产率的增长率和资本、劳动及能源要素投入的增长率，根据该公式可计算出全要素生产率增长率及各要素投入增长对经济增长的贡献率，结果如表2所示。由于2000—2003年某些数据在统计口径上与2004年以后的数据不一致，因此本文仅对2005年以后的估算结果进行分析。

首先整体经济增长率是逐年下降的，在2005—2007年、2008—2012年、2013—2017年这三个时间段，整体经济的增长率均值分别是12.9%、9.5%、7.3%。

对整体经济增长率的分解结果显示，2005—2007年间，全要素生产率增长率的分解均值为5.6%，对经济增长的贡献为43.4%，资本、劳动和能源要素投入增长的贡献达到56.7%;2008—2012年間，全要素生产率增长率的分解均值为3.4%，对经济增长的贡献为35.8%，资本、劳动和能源要素投入增长的贡献达到64.2%;2013—2017年间，全要素生产率增长率的分解均值为2.9%，对经济增长的贡献为39.7%，资本、劳动和能源要素投入增长的贡献为60.3%。

将全要素生产率和各要素投入的贡献率分开来看，全要素生产率增长率的贡献在2005—2007年为43.4%，在2008—2012年下降为35.8%，在2013—2017年又上升为39.7%。全要素生产率的贡献在研究期内略有波动，呈现先下降后上升的趋势，近年来在40%左右，已经呈现出技术驱动的发展模式。

资本投入增长的贡献随着时间的推移逐渐上升，在2005—2007年为17.1%，在2008—2012年上升为32.6%，在2013—2017年进一步上升为38.4%。

劳动投入增长的贡献在研究期内略有波动，变化不大，在2005—2007年为13.2%，在2008—2012年为13.7%，在2013—2017年又下降为12.3%。

能源投入增长的贡献随着时间的推移显著下降，在2005—2007年为26.4%，在2008—2012年下降为17.9%，在2013—2017年进一步下降为9.6%。

蔡跃洲等[12]的研究显示，在17个细分产业层面，1978—2014年间全要素生产率增长对经济整体增长的平均贡献率为39.44%，资本投入增长的平均贡献率为53.89%，劳动投入增长的平均贡献率为6.67%。本研究中全要素生产率增长的贡献与蔡跃洲研究相似。由于要素投入中考虑了能源，与没有考虑能源要素的上述研究相比，资本投入增长的贡献率下降了，而劳动投入增长的贡献率略有上升。可见，如果不考虑能源，资本投入增长的贡献率有一部分其实是能源投入增长导致的。

4.2结构红利假说验证

4.2.1内部增长效应

基于公式（2）、（4）和（6）可计算内部增长效应和要素再配置效应及其对全要素生产率增长率的贡献。根据公式（7）可知，细分产业的产出占整体经济产出的比值和细分产业的全要素生产率的增长率都会影响内部增长效应。细分产业的产出占整体经济产出的比值越大，该细分产业对内部增长效应的贡献越大;细分产业的全要素生产率的增长率越大，该细分产业对内部增长效应的贡献越大。

对内部增长效应和要素再配置效应的计算结果进行总结，如表3所示。2005—2007年内部增长效应的分解均值是6.1%，贡献率达到113%，资本、劳动和能源要素的再配置效应合计为-13%;2008—2012年内部增长效应的分解均值是2.8%，贡献率为78.8%，资本、劳动和能源要素的再配置效应合计为21.2%;2013—2017年内部增长效应的分解均值是2.5%，贡献率为83.4%，资本、劳动和能源要素的再配置效应合计为16.6%。细分产业的内部增长对全要素生产率增长率的贡献均为正数且数值很大，说明决定经济整体全要素生产率增长率的最大贡献因素为各细分产业的内部增长，即代表各部门的技术进步和管理效率改善引致的全要素生产率增长。但是随着时间的推移，内部增长效应的贡献率出现下降，虽然在2013—2017年内部增长效应略有回升，但依然可以得到以下结论：各部门技术进步仍是我国整体经济全要素生产率增长的主要驱动因素，但要素再配置效应对经济增长的促进作用逐渐显现并逐渐增大。未来内部增长效应有望进一步减小，要素配置效应会对经济增长做出更大的贡献。

蔡跃洲等[12]的研究显示，2008年全球金融危机后，代表技术进步的内部增长效应对整体经济全要素生产率增长贡献度急剧下滑，要素再配置效应对整体经济全要素生产率增长贡献度逐步占据主导地位，呈现结构红利。说明包括4万亿在内的调控措施并未带来技术水平提升，但引致要素向第二产业快速集聚。本研究显示了同样的变化趋势，所不同的是本研究纳入了能源要素，内部增长效应和各要素再配置效应的具体贡献率与上述研究有所不同。我国节能减排的重点领域是工业领域，十几年来工业领域的结构发生了比较大的变化，新型装备制造业正在逐渐替代高耗能产业和部分轻工业，纳入能源要素的全要素生产率增长率的分解更能反映中国的国情。

4.2.2要素的再配置效应

在研究期内，资本、劳动和能源要素的再配置效应各有不同。资本要素的再配置效应随着时间的推移逐渐上升，在2005—2007年为-2.4%，在2008—2012年上升为9.4%，在2013—2017年进一步上升为9.9%，表现出从结构负利向结构红利的转变。

劳动要素的再配置效应呈现出先上升后下降的趋势，在2005—2007年为2.8%，在2008—2012年上升为7.8%，在2013—2017年下降为-2.7%，表现出从结构红利转变为结构负利的趋势。

能源要素的再配置效应随着时间的推移呈现出明显的上升趋势，在2005—2007年为-13.4%，在2008—2012年上升为3.9%，在2013—2017年进一步上升为9.4%，表现出明显从结构负利转变为结构红利的趋势。

研究期内，资本和能源的再配置效应表现出从结构负利向结构红利转变的趋势，说明我国资本和能源要素的配置愈发有效，对整体经济增长起着正向促进作用。劳动的再配置效应表现出波动趋势，在2013—2017年呈现出结构负利，说明劳动要素的配置正在从有效走向无效，近期对整体经济增长起到了阻碍作用。

4.2.3要素再配置效应的影响因素

由前述式（8）、（9）、（10）可知，细分产业的产出占整体经济产出的比重、要素的产出弹性、要素投入增长率均会对要素的再配置效应产生影响，整体经济要素投入变化引致的经济产出的变化也会对要素的再配置效应产生影响。部门产出占整体经济产出比重大的细分产业，对要素再配置效应的影响比较大;要素的產出弹性越大，其对要素再配置效应的影响越大;细分产业要素投入的变化越大，其对要素再配置效应的影响越大。有一些细分产业的要素产出弹性为负，如果该细分产业的某一要素的投入变化率越大，则对该要素的结构红利有越大的反作用;而如果该细分产业的某一要素投入变化率也为负并且绝对值越大的话，则对结构红利有越大的正作用。

由图1可见，资本产出弹性大的细分产业有能源采掘业、金属采掘业、木材家具制造业、造纸印刷文教制造业、化学工业、有色金属冶炼和压延加工业、设备制造业、其他制造业、建筑业，说明这些细分产业的资本利用效率比较资本产出弹性较小的细分产业有第一产业、纺织服饰与皮革制造业、石油加工、炼焦及核燃料加工业、交通制造业，这些细分产业的资本利用效率较低。

同时23个细分行业的资本产出弹性在研究期内变化不大，金属采掘业、其他采掘业、食品加工制造业、木材家具制造业、造纸印刷文教制造业、化学工业、有色金属冶炼和压延加工业、金属制品业、设备制造业、建筑业的资本产出弹性在上升，只有其他制造业在下降。

大多数细分产业的资本投入增速在三个时间段内是逐渐增加的，特别在2008—2012年期间增长迅速，只有能源采掘业、其他采掘业、电力煤气及水生产和供应业、建筑业的资本投入增速在三个时间段内是下降的。

综合考虑细分产业的产出占整体经济产出的比重、资本要素的产出弹性、资本要素投入增长率的影响，2005—2007年间，资本产出弹性较大的细分产业中仅能源采掘业、金属采掘业、建筑业的资本投入增速超过全国水平;同时，资本产出弹性较小的电力、煤气及水的生产供应业是该时期投入增速最大的，其资本投入增速远超全国水平。二者共同造成了较为严重的资本错配，使得该时期资本要素的再配置效应为负。2008—2012年间，其他采掘业、食品加工制造业、纺织服饰制造业、木材家具制造业、化学工业、有色金属冶炼和压延加工业、金属制品业、设备制造业等资本产出弹性较大的细分产业资本投入增速均提升至全国水平以上，同时电力、煤气及水的生产供应业的资本投入增速大幅降低，使得资本要素的配置效率有所提高，其要素再配置效应由负转正。2013—2017年间，在前一时期的基础上，产出弹性较小的石油加工、炼焦及核燃料制造业与交通制造业的资本投入增速下降至全国水平以下，进一步提高了资本要素的再配置效应。但是这一阶段的资本再配置效应增加的并不多，说明还没有很完全地释放出结构红利，还存在着一定程度的要素错配。

劳动力较资本、能源要素更容易在不同部门之间流动，劳动产出弹性大于1说明增加1%的劳动力投入会增加大于1%的GDP增长;弹性为负说明该细分产业劳动力投入过饱和，由于边际收益递减雇佣更多劳动力会减少边际产出。

由图2可知，劳动产出弹性较大的细分产业有非金属矿物制品业、造纸印刷文教制品业、有色金属冶炼和压延加工业、食品加工业和第三产业，说明这些行业的劳动利用效率比较高;其他采掘业、石油加工、炼焦及核燃料加工业劳动产出弹性较小，这些行业劳动利用效率较低;第一产业、纺织业、电力煤气及水的生产供应业劳动产出弹性为负，说明此类行业劳动力过饱和，增加劳动投入反而对经济产出造成负面影响。

研究期内，劳动力先是由第一产业大量向第二产业转移并大量流向制造业部门，2013年开始第一产业和制造业劳动力向建筑业和第三产业转移。

2005—2007年间，劳动力从第一产业大量流向第二产业和第三产业，由于第二产业和第三产业劳动力产出弹性普遍较高，因此劳动配置效率有所提高，呈现“结构红利”的现象。2008—2012年，依旧从第一产业流向第二产业。此外，第二产业内部也出现劳动力从劳动产出弹性较小的部门流向弹性更大的部门，比如纺织业和其他制造业的劳动力在流出，非金属矿物制品业和有色金属冶炼和压延加工业的劳动力在流入。在此期间，劳动产出弹性为负的第一产业、纺织业和电力煤气及水生产和供应业的投入增速也为负，这使得劳动力的配置更加有效，劳动要素的结构红利更大。2013—2017年间，大多数行业的劳动投入都是减速的，只有建筑业和第三产业依然增加，可见该期间这两个行业吸引了大量的劳动力，但是建筑业的劳动产出弹性小于大多数制造业，因此劳动配置效率由正向负转变。

研究期内，能源要素的再配置效应对总体经济的全要素生产率增长的贡献由负转正。能源产出弹性较大的细分产业有能源采掘业、化学工业、其他采掘业、金属采掘业和电力、煤气及水生产和供应业，这些细分产业能源利用效率较高;第一产业、橡胶和塑料制品业、交通制造业、纺织服饰与皮革羽毛制造业、纺织业产出弹性较小，说明其能源利用效率较低，见图3。

2005—2007年间，能源产出弹性小于全国水平的纺织业、橡胶和塑料制品业、黑色金属冶炼及压延加工业、有色金属冶炼和压延加工业、器材、通信和仪器制造业的能源投入增速都大于全国水平，能源要素投入速率并未与能源产出弹性挂钩，导致能源要素配置对经济增长起着负向贡献。此时，我国经济正处于重化工业迅速发展的时期，经济过热、过度投资使得能源过度消耗于低效率的行业，导致整体经济产出能效降低[33]。然而，在此期间能源要素投入的增加对整体经济增长的贡献趋于第二，仅次于全要素生产率增长的贡献（表2）。由此可见，虽然能源要素投入增加拉动经济增长，但能源要素低效配置对经济增长产生负贡献造成了大量能源浪费。

2008—2012年，能源产出弹性大于全国水平的采掘业、非金属矿物制品业的能源投入增速逐渐提高至全国水平之上，并且产出弹性小于全国水平的纺织服饰与皮革羽毛制造业、橡胶和塑料制品业的能源投入增速大幅下降至全国水平之下，能源要素投入向着能源产出弹性更大的行业流动，使得能源要素的配置呈现“结构红利”，贡献率为3.90%。自“十一五”后期开始，为实现单位GDP能耗下降和单位碳强度下降的目标，政府严控高耗能行业过快增长并加速淘汰落后产能。在此期间，高耗能行业能源增速有所下降，能源配置效率有所提高，使得能源再配置效应从“结构负利”向“结构红利”转变。

2013—2017年间，我国为治理大气污染实施了“大气十条”，严控高耗能高污染行业新增产能，加速淘汰落后产能，调整能源结构，提高能源利用效率，一系列节能减排措施使得能源投入增速较快的行业从传统制造业向先进装备制造业、建筑业、第三产业转移，高耗能行业能源投入增速进一步下降，能源再配置效应进一步提高至9.4%。

5结论与建议

文章以23个细分产业作为研究对象，采用多部门增长核算法，基于超越对数生产函数估计不同产业的要素产出弹性，通过将全要素生产率的增长率分解为主要考虑产业内部技术进步的内部增长效应以及要素在不同产业间流动导致的要素再配置效应，以探讨2005—2017年我国全要素生产率增长率的内部增长效应并验证资本、劳动和能源要素再配置的“结构红利假说”，得出以下结论。

（1）研究期内，对整体经济增长率的分解结果显示，全要素生产率增长率对经济增长的贡献为40%，资本、劳动和能源要素投入的贡献率达到60%。可见，我国经济的增长模式依然是要素投入驱动的增长模式，但是以技术进步和结构变动为代表的全要素生产率的贡献比改革开放初期有了很大的改善。

（2）内部增长效应仍为整体经济全要素生产率增长的主要贡献因素，但随着时间推移贡献率有所下降。2005—2007年内部增长效应的贡献率达到113%，各要素的再配置效应合计为-13%;2008—2012年内部增长效应的贡献率为78.8%，各要素的再配置效應合计为21.2%;2013—2017年内部增长效应的贡献率为83.4%，各要素的再配置效应合计为16.6%。可见，各部门技术进步仍是我国整体经济全要素生产率增长的主要驱动因素。2005—2007年表现为结构负利，意味着要素的再配置效应抵消了部分技术进步的作用，但随着时间的推移要素再配置效应对经济增长的促进作用逐渐显现并逐渐增大，表现出结构红利。

（3）资本要素的再配置效应随着时间的推移逐渐上升，在2005—2007年为-2.4%，在2008—2012年上升为9.4%，在2013—2017年进一步上升为9.9%，表现出从结构负利向结构红利的转变。可见，近年来资本要素的流动已经克服了前期较为严重的资本错配现象，表现出结构红利，但是随着时间的推移，其要素再配置效应却没有进一步增大。

（4）劳动要素的再配置效应呈现出先上升后下降的趋势，在2005—2007年为2.8%，在2008—2012年上升为7.8%，在2013—2017年下降为-2.7%，表现出从结构红利转变为结构负利的趋势。劳动力在2013—2017年期间从第一产业和工业流向建筑业和第三产业，劳动的再配置效应表现为结构负利，抵消了各行业技术进步的作用，值得引起注意。

（5）能源要素的再配置效应随着时间的推移呈现出明显的上升趋势，在2005—2007年为-13.4%，在2008—2012年上升为3.9%，在2013—2017年进一步上升为9.4%，表现出明显从结构负利转变为结构红利的趋势。可见，近年来能源要素的流动已经克服了前期较为严重的要素错配现象，表现出逐渐增大的结构红利。

基于上述研究结论，文章认为在当前促进经济高质量发展的过程中，除了重视全社会各行业的技术进步，更要重视要素配置的效率。由于市场不完善和信息不对称造成的要素配置无效率会部分抵消技术进步的作用，阻碍经济高质量发展的进程。

有关资本、劳动和能源要素的有效配置，该文提出以下建议：①对于资本要素的再配置，应综合考虑宏观调控和市场机制，按照利润最大化原则进行资本配置，以提高资本产出弹性的同时增加资本的配置效率。②劳动力的再配置不能仅局限于三次产业层面，还应重视产业内部的边际产出差异，尽可能避免劳动力流向边际产出较低的行业;同时，应加强劳动力的教育培训，提高劳动力质量与产出弹性。③能源要素的再配置要重视细分行业间的能源产出弹性，避免能源的低效配置;加速淘汰高耗能重污染行业，推动低能耗产业的发展，以提高能源配置效应的方式助力节能减排和绿色发展。

参考文献

[1]程名望，贾晓佳，仇焕广.中国经济增长（1978—2015）：灵感还是汗水？[J].经济研究，2019，54（7）：30-46.

[2]杨志云，陈再齐.要素生产率、资本深化与经济增长：基于1979—2016年中国经济的增长核算[J].广东社会科学，2018（5）：41-51.

[3]蒲志仲，刘新卫，毛程丝.能源对中国工业化时期经济增长的贡献分析[J].数量经济技术经济研究，2015，32（10）：3-19.

[4]刘伟，张立元.资源配置、产业结构与全要素生产率：基于真实经济周期模型的分析[J].经济理论与经济管理，2018（9）：5-22.

[5]丁焕峰，宁颖斌.要素流动与生产率增长研究：对广东省“空间结构红利假说”的实证分析[J].经济地理，2011，31（9）：1421-1426.

[6]姚战琪.生产率增长与要素再配置效应：中国的经验研究[J].经济研究，2009，44（11）：130-143.

[7]李小平，卢现祥.中国制造业的结构变动和生产率增长[J].世界经济，2007（5）：52-64.

[8]干春暉，郑若谷.改革开放以来产业结构演进与生产率增长研究：对中国1978—2007年“结构红利假说”的检验[J].中国工业经济，2009（2）：55-65.

[9]吴寿平.中国工业结构变化与技术进步率增长研究：对中国1985—2009年工业“结构红利假说”的检验[J].产经评论，2013，4（1）：36-46.

[10]辛超，张平，袁富华.资本与劳动力配置结构效应：中国案例与国际比较[J].中国工业经济，2015（2）：5-17.

[11]王鹏，尤济红.产业结构调整中的要素配置效率：兼对“结构红利假说”的再检验[J].经济学动态，2015（10）：70-80.

[12]蔡跃洲，付一夫.全要素生产率增长中的技术效应与结构效应：基于中国宏观和产业数据的测算及分解[J].经济研究，2017，52（1）：72-88.

[13]胡亚茹，陈丹丹.中国高技术产业的全要素生产率增长率分解：兼对“结构红利假说”再检验[J].中国工业经济，2019（2）：136-154.

[14]张宗益，陈夕红，吴俊，等.产业结构调整、能源要素流动与能源生产率增长：基于结构红利假说的实证分析[J].管理工程学报，2014，28（2）：174-181.

[15]吕明元，陈维宣.能源配置结构变迁对能源效率增长影响的实证比较：基于中国1985—2012年30个省际数据[J].天津商业大学学报，2015，35（1）：54-59.

[16]谌莹，张捷.碳排放、绿色全要素生产率和经济增长[J].数量经济技术经济研究，2016，33（8）：47-63.

[17]CHOMMEJ，CLARKC.Theconditionsofeconomicprogress[J].Revueéconomique，1953，4（6）：940.

[18]LEWISWA.Economicdevelopmentwithunlimitedsuppliesoflabour[J].Themanchesterschool，1954，22（2）：139-191.

[19]CHENERYHB，ROBINSONS，SYRQUINM.Industrializationandgrowth：acomparativestudy[M].NewYork：OxfordUniversityPress，1986.

[20]KUZNETSS.Moderneconomicgrowth：findingsandreflections[J].Americaneconomicreview，1973（63）：247–258.

[21]BAUMOLWJ，BLACKMANSAB，WOLFFEN.ProductivityandAmericanleadership：thelongview[M].Cambridge，MA：MITpress，1989.

[22]TIMMERMP，SZIRMAIA.ProductivitygrowthinAsianmanufacturing：thestructuralbonushypothesisexamined[J].Structuralchangeandeconomicdynamics，2000，11（4）：371-392.

[23]FABRICANTS.Laborperunitofproductinindividualindustries[M].Cambridge：NationalBureauofEconomicResearch，Inc，1942.

[24]FAGERBERGJ.Technologicalprogress，structuralchangeandproductivitygrowth：acomparativestudy[J].Structuralchange&economicdynamics，2000，11（4）：393-411.

[25]PENEDERM.Industrialstructureandaggregategrowth[J].Structuralchange&economicdynamics，2003，14（4）：427-448.

[26]MASSELLBF.Adisaggregatedviewoftechnicalchange[J].Journalofpoliticaleconomy，1961，69（6）：547-557.

[27]張军，陈诗一，JEFFERSONGH.结构改革与中国工业增长[J].经济研究，2009，44（7）：4-20.

[28]郝枫.超越对数函数要素替代弹性公式修正与估计方法比较[J].数量经济技术经济研究，2015，32（4）：88-105，122.

[29]郑照宁，刘德顺.考虑资本-能源-劳动投入的中国超越对数生产函数[J].系统工程理论与实践，2004，24（5）：51-54，115.

[30]田友春.中国分行业资本存量估算：1990—2014年[J].数量经济技术经济研究，2016（6）：3-21，76.

[31]余泳泽，刘凤娟，张少辉.中国工业分行业资本存量测算：1985—2014[J].产业经济评论，2017（6）：5-15.

[32]杨福霞，杨冕，聂华林.能源与非能源生产要素替代弹性研究：基于超越对数生产函数的实证分析[J].资源科学，2011，33（3）：460-467.

[33]吴利学.中国能源效率波动：理论解释、数值模拟及政策含义[J].经济研究，2009，44（5）：130-142，160.

Chinasfactorreallocationeffectconsideringenergy

XUGuangqingCHENXiaoyu

（SchoolofEnvironmentandNaturalResources，RenminUniversityofChina，Beijing100872，China）

AbstractDecomposingtotalfactorproductivitygrowthrateintointernalgrowtheffectthatmainlyconsidersindustryinternaltechnicaladvancementandtheeffectoffactorreallocationformedbytheflowofcapital，laborandenergybetweensectors，thisstudytook23subsectorsastheresearchobjectandadoptedthemulti-sectorgrowthaccountingmethodtoverifythe‘structuraldividendhypothesisofcapital，laborandenergyfrom2005to2017.Thestudydrewthefollowingconclusions：①Internalgrowtheffectrepresentedbysectoraltechnicaladvancementwasstillthemaincontributortototalfactorproductivitygrowthoftheoveralleconomy，butthecontributionratehaddecreased.②Thereallocationeffectofcapitalchangedfrom‘structuralnegativebenefitto‘structuraldividend.③Thereallocationeffectoflaborshowedatrendoffirstrisingandthenfalling，changingfrom‘structuraldividendto‘structuralnegativebenefit.④Theeffectofenergyreallocationwasgraduallyemerging，withashiftfrom‘negativestructuralbenefitto‘structuraldividend.Basedontheseresearchresults，thispaperarguesthatmoreattentionshouldbepaidtotheefficiencyoffactorreallocationinadditiontothetechnicaladvancementofallsectors.Theinefficiencyoffactorreallocationcausedbyimperfectmarketandasymmetricinformationwouldpartiallyoffsettheeffectoftechnicaladvancementandhinderthehigh-qualityeconomicdevelopment.Inviewofthereallocationofcapital，laborandenergyfactors，thispaperproposesthefollowingsuggestions：①Inthereallocationofcapital，considerationshouldbegiventoboththemacroeconomicregulationandtheroleofmarketmechanism，andcapitalallocationshouldbecarriedoutinaccordancewiththeprincipleofprofitmaximization，soastoimprovetheelasticityofcapitaloutputandincreasetheallocationefficiencyofcapital.②Thereallocationoflaborforceshouldnotonlybelimitedtothelevelofthreeindustries;attentionshouldalsobepaidtothemarginaloutputdifferenceswithinthesecondaryindustryinthisprocess.③Attentionshouldbepaidtotheelasticityofenergyoutputbetweensectorstoavoidinefficientallocationduringenergyreallocation.Itisalsonecessarytoacceleratethephase-outofindustrieswithhighenergyconsumptionandhighpollution，promotethedevelopmentoflowenergyindustriestoencourage‘energyconservationandemissionreductionaswellasgreendevelopmentbyincreasingtheeffectofenergyreallocation.

Keywordsstructuraldividend;factorreallocation;totalfactorproductivity;energy

（责任编辑：刘照胜）