广东省区域间双重要素错配和扭曲度测算

丘海斌

(广东金融学院 经济贸易学院，广东 广州 510520)

我国经济增长驱动力已主要从投入要素的增加投入转向全要素生产率(TFP)的提高。提高TFP一般有两种重要途径：技术进步和资源优化配置。其中，资源的区域流动是改善要素配置的重要渠道。当资源的配置从低生产率地区流向高生产率地区时，资源的配置就实现了帕累托改进。但由于市场分割、行政干预、户籍制度、经济不确定等因素，导致资源错配问题。资源错配对全要素生产率、经济增长、国际贸易、收入分配、能源环境等问题产生影响，因此受到广泛关注。尤其2000年以来随着大量宏微观数据的增加，国内外学术界对资源错配的研究持续升温。美国的《经济学季刊》《美国经济学刊：宏观经济学卷》《计量经济学刊》《美国经济评论》等期刊发表了一系列相关文章，2013年《经济动态学评论》甚至设置了“资源错配与生产率”专题。针对我国经济转型中存在的各种资源错配问题，国内学术界对资源错配成因、测度、经济效应、政策措施等方面展开了广泛的讨论。

在“双循环”新发展格局和粤港澳大湾区战略背景下，为促进广东省经济高质量发展，需要进一步优化资源配置。但区域资源优化配置的着力点在哪？这需要先了解全省的区域资源配置情况。为此，笔者把整体资源分为双重要素(一般生产要素和研发要素)，运用修正的HK模型测算了2007—2019年全省区域间双重要素的错配和扭曲度，从而为资源优化配置和供给侧结构性改革提供参考。

一、模型和数据说明

(一)模型说明

目前，计算资源错配的模型主要有两种：HK模型[1]和Aoki模型[2]。通过对比两个模型模型及数据可得性，本文采用修正的HK二层架构模型。早期的HK模型在分析资源错配时将整个经济体分为三层架构：总体层(如国家)、部门层(如行业、地区)、企业层。三层架构模型要求有比较全面的微观企业数据，该类数据较难获得。本文关注的是广东省区域内的双重要素错配问题，各地级市和四大区域①等相关的数据比较容易获得，故借鉴靳来群等改造的HK模型[3-4]，将HK模型的三层架构简化为两层架构：即总体层(在本文中指广东省)、部门层(本文以地级市、四大区域为部门)。其基本思路是将部门的TFP拟合得到总体TFP和部门间的资源错配程度。

结合总体生产函数和部门生产函数，得到总体TFP的计算公式为：

(1)

要计算资源错配程度，先要得到实际状态(扭曲状态)下的TFP。为此，假设部门要素价格为τikγ、τil，其中τik、τil代表扭曲系数。由公式(1)所示，要得到实际TFP，先要计算各部门的要素投入比例li、ki。

(2)

(3)

有效状态下部门要素投入比例为组间扭曲系数τi=1的解，将τi=1代入(2)式，得到各部门的有效状态要素投入比例为：

(4)

有效状态下总体的潜在TFP为：

(5)

由此，部门间总资源错配所致TFP损失程度为d=A*/A-1。在总错配基础上，进一步测算了资本和劳动的错配程度。资本错配程度指：资本扭曲不存在(τik=1)，而劳动扭曲存在时的总体生产率Ak*与两种要素扭曲都存在时的实际生产率A的比值，即d*=Ak*/A-1。相应的劳动错配程度为dl=Al*/A-1，其中Al*,为τil=1时的总体TFP。

与最优资源配置相比，资源错配存在投入相对不足和投入相对过剩两种情况。本文采用要素投入扭曲度进行衡量。利用上文模型计算得到的实际状态的劳动投入li、资本投入ki，以及有效状态下的劳动投入比例li*、资本投入比例ki*，由公式pl=li/li*(表示劳动要素扭曲度)、pk=ki/ki*(表示资本要素扭曲度)测算要素扭曲度。当pl和pk越接近1，说明实际投入和有效投入越接近，要素的配置越合理；大于1代表该要素投入相对过度，应优先改善资源配置体制机制素；小于1代表该要素投入相对不足，可以优先增加该要素投入。需要注意的是，要素扭曲度是相对指标而不是绝对指标，因此，可能有些地区的要素投入在绝对值上很大但相对值可能不足，有些地区在绝对值上很小但相对值过度。

(二)参数取值

(三)数据说明

二、要素错配测算结果

(一)生产要素错配测算结果

由模型中公式计算得到2007—2019年广东省各地级市和四大区域资源错配趋势图。图1反映地级市间生产要素错配趋势。在总资源错配中，劳动错配的程度比资本错配的程度要严重得多，总资源错配主要由劳动力错配造成。地级市之间总资源错配情况可分为三个阶段：2007—2013年是改善阶段，资源错配程度连年下降，2013年达到错配程度最低，主要源自劳动错配程度的下降。2007—2009年间，资本错配程度恶化，而劳动资源错配有显著改善，从而总体上改善了资源配置效率。第二阶段是2013—2017年，各地级市间的资源错配程度上升。第三价段是2018—2019年。2018年劳动错配程度的大幅度下降，但2019年又突然大幅上升。这种波动的原因，应该是供给侧结构性改革取得阶段性成果和城镇化进程加速改善了2018年的劳动力配置，而2018年开始的中美贸易摩擦在2019年得到较充分的显现，同时制造业比重下降和服务业比重上升，民营企业比重下降，这对劳动力流动预期和结构性调整产生压力，从而恶化了2019年的劳动力配置效率。

图1 地级市间生产要素错配程度趋势图 图2 四大区域间生产要素错配程度趋势图

图2反映珠三角、东翼、西翼、山区四大区域生产要素错配趋势。2008年以来，四大区域之间的总资源错配程度呈下降趋势，2013年之后有比较明显的下降，配置改善的主要来源是劳动配置效率提高。资本的错配程度较低，但从2007—2019年呈缓慢的上升趋势，尤其是2016年之后，其错配程度与劳动错配程度的距离呈缩小趋势，劳动配置效率在提高，而资本配置效率在恶化。比较地级市间和四大区域间生产要素错配程度，地级市间的总错配具有较大波动性，但损失值较低，总错配损失为0.01～0.07之间，而四大区域的总错配损失为0.06～0.12。因此，改善四大区域间的生产要素配置显得更为急迫。由于总错配主要由劳动错配造成，四大区域之间的劳动力市场协调便成为改善错配的重要渠道。

(二)研发要素错配测算结果

由研发数据和相关公式计算得到研发要素错配。图3反映地级市间研发要素错配趋势，研发总错配主要由研发劳动力错配造成的，劳动力错配和总错配总趋势基本同步，并具有较大的波动性。从具体数值看，总错配均值给为0.15，劳动力错配均值为0.13。从时间看，2012—2016年的研发总错配有所改善，2017—2019年连续下降。研发资本错配值介于0.01～0.02，波动性较小。

图3 地级市间研发要素错配趋势图 图4 四大区域间研发要素错配趋势图

图4反映了四大区域间研发要素错配趋势，总错配和劳动错配具有共同趋势，总错配主要由劳动错配引起。2007—2011年，三种错配程度都呈下降趋势，研发要素配置效率得到较明显的改善。2011—2014年，三种错配程度略有恶化，随后的2015—2019年保持相对低的错配程度并比较稳定。四大区域间的错配程度比地级市间更为严重，尤其是资本错配程度，均值接近0.1，而地级市间的均值约为0.015。

比较生产要素错配和研发要素错配程度，可以发现地级市间的研发要素的错配程度约为生产要素错配程度的2倍，研发要素错配损失远高于生产要素错配损失。四大区域的研发总错配和劳动错配损失也高于相应的生产要素错配损失，研发资本错配是生产资本错配的近4倍。因此，研发错配改善比生产要素的改善更为重要。在研发资本错配方面，四大区域间的错配损失远大于地级市间的损失。由上述测算结果，研发要素错配大于生产要素错配，四大区域间的双重要素错配程度严重于地级市间的错配，改善配置效率的重点是研发要素的配置和四大区域之间的配置。

三、要素投入扭曲度测算结果

与最优配置相对，要素错配存在投入不足和投入相对过剩两种情况。利用模型中的要素扭曲度公式计算双重要素的扭典程度，可以反映要素错配体现为投入相对不足还是相对过度。

(一)生产要素扭曲度

1.地级市生产要素扭曲度。首先计算2007—2019年年度各地级市的要素扭曲度，然后求该期间各市的平均值，得到图5的劳动力投入扭曲程度平均值趋势图和图6的资本投入扭曲度趋势图。由图5所示，劳动投入相对不足的地级市从低到的城市是广州、深圳、佛山、珠海、中山、东莞，劳动投入过度的地级市从低到高的排名是江门、茂名、阳江、汕头、肇庆、韶关、潮州、湛江、揭阳、清远、汕尾、河源、云浮、梅州，后面的5个地级市扭曲度甚至超过2，存在比较严重的劳动投入相对过剩。

图5 2007—2019年地级市劳动投入扭曲程度平均值 图6 2007—2019年地级市资本投入扭曲程度平均值

由图6所示，资本扭曲度小于1的有深圳、茂名、广州、佛山、东莞、汕头、湛江、珠海、惠州，需要进一步增加资本投入。而中山、潮州、梅州、肇庆、韶关、云浮、汕尾、清远、河源等城市的资本扭曲度大于1，存在资本投入相对过度，尤其是韶关、云浮、汕尾、清远、河源等城市的值大于1.5，存在比较严重的资本过度，需要改善金融系统的资本配置效率。

2.四大区域生产要素扭曲度。图7表示劳动力扭曲度趋势图。珠三角地区总体上劳动力扭曲值小于1，存在比较严重的劳动投入不足，2013年之后劳动力扭曲程度有所改善，但仍只有0.6多，还有较大的改善空间。东翼地区的劳动力扭曲度大于1，2007—2013年的值大于1.5，劳动力投入存在一定程度的过量，2014年之后下降到1.3左右，劳动力配置效率有所提高。西翼的劳动力扭曲值总体上维持在1.3～1.4，劳动力投入过量。山区的劳动扭曲值总体上高于2，劳动力配置效率低下。

图7 2007—2019年四大区域劳动投入扭曲度 图8 2007—2019年四大区域资本投入扭曲度

图8反映了资本投入扭曲度。珠三角和西翼的扭曲值为0.7～0.8，总趋势上非常接近，需要增加资本投入。东翼的资本扭曲值约为1.2左右，资本投入相对过度。山区的资本扭曲度最为严重，数值上超过2。综合来看，珠三角经济还需要更多的劳动力和资本，而其他区域要加速人口转移，提高资本资本效率，这也符合大湾区城市群发展聚集效应的要求。

(二)研发要素投入扭曲度

1.地级市间研发要素扭曲度。图9和图10反映了地级市间研发劳动投入和资本投入扭曲度平均值。图9所示，研发劳动力投入不足的城市从低到高排列为广州、珠海、东莞、深圳、中山、惠州，这些地级市研发劳动力相对不足，需要增加劳动力投入。茂名、江门两个地级市研发劳动力投入比较适度。剩下的地级市存在研发人力投入相对过剩，扭曲值超过1.5的城市有潮州、河源、揭阳、汕尾、清远、梅州、云浮，这类城市的研发人力投入存在比较严重的过度。图10所示，地级市研发资本投入相对不足的地级市有深圳、佛山、广州、珠海，相对合理的地级市有东莞、汕头、茂名、中山，研发投入略有过度的地区是揭阳、湛江，资本投入比较严重过度的地区是梅州、肇庆、河源、汕尾、韶关、云浮、清远。研发劳动和研发资本投入两方面看，广州、深圳、珠海、深圳、东莞等区域两方面投入都相对不足，河源、梅州、清远、云浮、汕尾等地区存在投入相对过剩。

图9 2007—2019年地级市研发劳动投入扭曲度平均值 图10 2007—2019年地级市研发资本投入扭曲度平均值

2.四大区域间研发要扭曲度。图11和图12反映四个区域的研发劳动力和资本投入扭曲度。珠三角研发劳动力总体上投入不足，除了2013年、2014年、2015年达到1，其他年份均低于1。东翼劳动力投入相对过度，扭曲值在1.5上下波动。西翼劳动力投入扭曲度高于东翼，大部分年份高于1.5并波动较大。山区的劳动力投入扭曲度最为严重，一半的年份达到2。珠三角的研发资本投入在2008—2010年相对合理，扭曲度接近于1，随后到2014年持续下降。2015—2019年，扭曲值在1以下波动，总体上珠三角的资本投入相对不足。东冀的研发资本投入扭曲值在1～1.4之间，略有过度。西冀资本投入在1.5上下波动，扭曲相对严重。山区的资本投入和劳动力投入一样，扭曲值在2上下波动，是扭曲最严重的区域。综上所述，珠三角地区无论是研发劳动力还是资本都需要进一步增加投入以优化科技资源配置，东冀劳动力方面可以较大幅度地降低，西冀和山区尤其是山区需要进行较大规模的科技劳动力的转移以改善配置效率。

图11 四大区域研发劳动力投入扭曲度 图12 四大区域研发资本投入扭曲度

四、小结和启示

通过生产要素和研发要素错配程度以及要素扭曲度测算，结果表明：第一，双重要素的总错配主要由劳动力错配和扭曲造成。改善劳动力配置是提高总体配置效率的重点，需要通过完善劳动力市场、增加劳动力技能培训、降低劳动力转移成本等方式促进劳动力流通和配置效率提高。第二，研发要素的错配损失比生产要素的错配损失更大。除了改善生产要素配置效率，更需要提高研发劳动力和研发资本的配置效率，以促进科技创新。第三，从区域的角度看，四大区域间的要素错配程度高于地级市间的要素错配程度。因此，协调大区域之间的要素配置优先于改善地级市间的要素配置。在四个区域中，珠三角可以进一步吸引劳动力和资本，其他地区存在较严重的资源错配，应优先改善资源配置机制，在优化存量资源的基础上引进新资源。

注释：

① 根据广东省统计年鉴的标准，把广东省分为四个区域：珠江三角洲包括广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆；东翼包括汕头、汕尾、潮州和揭阳；西翼包括阳江、湛江和茂名；山区包括韶关、河源、梅州、清远和云浮。