是什么影响了地区全要素生产率?
——基于QCA 的组态分析
2022-08-03盛明泉李志杰吕紫薇
盛明泉,李志杰,吕紫薇
(安徽财经大学会计学院,安徽蚌埠 233030)
在后疫情时代,全球经济面临着新一轮的冲击与转型升级,如何精准有效地实现经济复苏与可持续发展对当前来说意义重大。如何促使经济增长?除了增加劳动力、资本外,提高全要素生产率也显得尤为重要。在研究提升地区全要素生产率的要素禀赋条件上,大多数研究主要从某一现实问题为主要切入点,“以问题提出—现象测度—传导路径—治理思路—对策启示”为逻辑主线,主要聚焦于对地区全要素生产率提升的实践性归纳与经验性总结,并基于此提出规范化的优化路径[1-2]。目前,虽已有研究提出了全要素生产率的评估体系与方法,并进行了实证研究,但由于框架和视角限制,难以对地区全要素生产率的内在机制进行深刻阐释,以至于对提升地区全要素生产率的驱动路径模糊不清。
由于不同因素对地区全要素生产率的影响并不是完全独立的,他们之间会存在着某些联动匹配现象,即会产生不同组合影响地区全要素生产率。因此,从条件组态视角出发,有助于深入研究不同地区全要素生产率背后的复杂机理。基于省级层面全要素生产率提升的实践背景,运用模糊集定性比较分析法(fs/QCA),通过分析技术条件、组织条件和环境条件,研究对地区全要素生产率的影响,识别出地区全要素生产率提升的驱动路径。具体而言,本研究将尝试回答下面三个问题:(1)影响地区全要素生产率的条件组态是什么?(2)哪些条件对于提升地区全要素生产率更为重要?(3)我国东部、中部和西部地区全要素生产率是否存在差异化?以“技术—组织—环境”(TOE)框架为基础,构建影响地区全要素生产率的研究框架,并基于我国31 个省级层面全要素生产率的现实情况,探讨导致区域全要素生产率差异化的条件组态和内在机理。本次研究有助于拓宽省级层面全要素生产率的研究视角,并有望加深对于全要素生产率驱动路径和影响机理的理解,全面推动国家经济高质量发展,顺应新常态的发展趋势。
1 文献综述与研究框架
1.1 全要素生产率提升的实践经验与研究进程
全要素生产率一直是宏观经济学研究中的一个重要概念,其基于索洛的增长理论,是当前用以分析经济高质量发展的重要指标。通过对现有文献的梳理,认为当前对于全要素生产率的研究主要从以下三方面展开。第一,对于全要素生产率的测度与研究,大体可以分为以下几方面。一是对于全国或者各区域的全要素生产率的测度与分解研究;二是对行业全要素生产率进行的测算与分解研究;此外还有对全要素生产率的测算进行的对比研究[3-4]。第二,全要素生产率的影响因素。目前针对全要素生产率影响因素的研究主要从经济效率、知识资本、创新结构、互联网发展水平和适宜性创新新模式角度开展的一系列研究。刘柏惠等[5]基于扩展的Hsieh&Klenow 模型,从经济效率角度证明了通过增值税简并改革可以提升全要素生产率。程惠芳等[6]将知识资本与全要素生产率相结合进行研究,发现创新政策的有效应用和创新资源的有效配置,可以在很大程度上提高全要素生产率。余泳泽等[7]通过对适宜性创新模式的讨论,研究了其与全要素之间的内在关系,发现只有当一个地区的要素禀赋水平、经济发展水平和制度环境相匹配时,内源式创新模式才会有助于全要素生产率的提高。第三,全要素生产率的实践及效用。中国经济目前正处在发展的关键阶段,加速产业结构软化,提升全要素生产率是实现高质量发展的源泉[8]。李保民等[9]发现,全要素生产率提高,特别是技术进步是影响企业出口行为、缓解经济政策不确定性的主要根源。在对碳排放的研究中,全要素生产率的提高能够从整体上显著降低二氧化碳排放量[10-11]。
综上所述,学界对全要素生产率的测算与影响因素展开了深入细致地研究,并开始探讨其差异化路径问题,但可以借鉴的文献仍然较少。而且,现有研究存在以下不足:一是虽然已有研究为全要素生产率提供了解释,但主要还是在寻找其影响因素以及带来的经济后果,忽视了要素之间的整合与路径解释。二是全要素生产率的提升是多要素之间共同作用的结果,但现有“自变量—因变量”的传统定量分析方法限制了全要素生产率提升路径的选择。
1.2 全要素生产率模型构建
针对上述存在的现实问题,本文拟采用fs/QCA方法,探索影响全要素生产率的技术、组织和环境之间的联动效应,并揭示其中的相互关系。本文基于TOE 框架,结合现实研究中的具体情况,构建了影响全要素生产率改革的理论模型框架。
技术条件。包括数字经济发展水平和基础设施建设。当前,新一代信息技术蓬勃发展,数字经济应运而生,其在提升本地区全要素生产率的同时,对邻近地区的全要素生产率也有一定的提升作用[12]。而且,数字经济对东部地区的本土效应和溢出效应要大于中西部地区[13]。在现实情境下,技术基础设施的建设在一定程度上是推动数字经济发展,从而促进地区全要素生产率的重要基础。只有加强信息流通、优化通讯网络、注重信息渠道建设、重视信息基础设施,构建开放共享的网络平台,才能确保数字化发展在提升全要素生产率中发挥作用,从而使得经济持续长效发展[14]。
组织条件。包括营商环境和政府作用。良好的营商环境对经济高质量发展有明显的激励作用,可以激发市场活力和创造力。现阶段,优化营商环境依然面临着不小的挑战、压力,推进政府职能转型,是优化营商环境的根本[15]。政府应加强对高等教育的重视,加大对科技研发的投入比例,培育地方创新人才,提高地区的创新能力。
环境条件。包括市场化水平和金融发展水平。突破数字技术发展瓶颈,提高地区市场化水平,有利于促进社会经济良性发展[16]。目前,中国要素市场化处于较低水平,且存在明显的空间异质性,优化要素市场化配置,充分发挥当地的要素优势,有助于推动经济高质量发展[17]。而且,金融发展水平越高,越会相应促进人力资本和创新投入的增加,进而会推动经济高质量,可持续发展[18]。
2 研究方法与数据
2.1 定性比较分析
摒弃“自变量—因变量”的传统定量分析方法,从集合论的角度出发,运用模糊集定性比较分析方法,尝试在组态视角下分析地区全要素生产率背后的复杂机理。QCA 由Ragin[19]在1987 年提出,发展至今已逐渐趋于成熟(fs/QCA 3.0)[20]。通过QCA 分析,可以将不同案例拿来比较,找出不同条件的协同与结果之间的内在逻辑,即分析集合之间的共同关键特征,探讨前因变量与结果变量之间因果复杂性[21]。与传统的定量研究相比,QCA 的优势在于:第一,通过QCA 分析方法,研究者可以更好地对小样本进行研究。例如,本文以31 个省级层面全要素生产率为案例进行组态分析,识别出条件组态的内在机理。第二,通过QCA 分析方法,研究者可以识别出导致同一结果的“等效(Equifinality)”组态,进而更有效地分析差异化驱动机制。从分地区研究可以看出,由于各地区客观条件的不同,我国东部、中部和西部地区全要素生产率的驱动路径呈现明显的差异化。第三,QCA 分析方法的“因果不对称性”逻辑为研究者对案例进行解释提供了新的,有趣的视角。从本文可以看出,高水平地区全要素生产率背后是多条件共同作用的结果,各条件相互结合以“殊途同归”的方式提升地区全要素生产率。
2.2 数据与校准
2.2.1 结果变量
选取了2010 — 2018 年的数据运用随机边界分析法(SFA),以超越对数生产函数模型为基础测算各年的全要素生产率,并以2018 年的地区全要素生产率作为结果变量。其中产出数据为不变价地区生产总值,投入数据为劳动力和资本存量,以各年劳动力从业人员为劳动投入数据,资本存量以永续盘存法计算得出,数据来源于各年各地区统计年鉴。
2.2.2 条件变量
技术条件。数字经济发展水平的测量根据中国电子信息产业发展研究院发布的《中国数字经济发展指数》(2018),本文选择用综合得分来表示各地区数字经济发展水平;技术基础设施是根据陶克涛等和谭海波等[22-23]的做法,以2018 年各省人均互联网端口数为指标,数据来自于《中国统计年鉴》(2018)。
组织条件。营商环境的测量是参考张三保等[24]的研究,以其测算的2018 年各省营商环境总得分来衡量;政府作用是以各地区政府在教育和科技中的支出占政府一般公共预算总支出中的比重来衡量,数据来自于2018 年各地区统计年鉴和EPS 数据库。
环境条件。区域市场化水平以《樊纲市场化指数报告》(2018)中的总得分进行衡量。金融发展水平根据唐婍婧和韩廷春[25]的做法,以2018 年各省社会融资规模的增量与GDP 的比值来衡量金融发展水平,数据来源于2018 年中国人民银行网站和各省统计年鉴。
2.2.3 校 准
在fs/QCA 中,每个条件和结果都是一个独立的集合。校准就需要根据研究的具体情境和现有的理论知识,将变量校准为特定集合[21]。校准后数值将介于0~1 之间。为了将数值校准到0~1 之间,我们需要分析条件变量的实际分布,以实际情况和已有的理论为基础来选取恰当的校准锚点。本文采用直接校准法,根据具体情境,借助“percentile”函数来实现的,其中,以0.95、0.5 和0.05 分位点对技术条件、组织条件和环境条件进行划分校准,如表1所示。本文是基于fs/QCA3.0 软件进行的。
表1 条件和结果的校准
3 数据分析与实证结果
3.1 必要性分析
在进行充分性分析之前,一般需要进行“必要性(Necessity)”检验。本文是根据国内外现如今主流的fs/QCA 分析方法,首先检验地区全要素生产率是否存在必要条件。Ragin 和Fiss[26-27]认为,可以用一致性来检验某一结果是否存在必要条件。具体来说,一致性检验临界值为0.9,当条件变量的一致性水平在临界值以上时,则认为该条件为必要条件。如表2 所示,是高水平和非高水平地区全要素生产率的必要性分析结果。可以看出,所有条件变量的一致性水平均在临界值以下(<0.9)。所以,不存在影响地区全要素生产率的必要条件。
表2 必要性分析
3.2 充分性分析
条件组态充分性分析是从整体视角出发,分析集合之间的共同关键特征,探讨前因变量与结果变量之间因果复杂性。Schneider 等[28]认为,通常一致性水平应该在0.75 以上。阈值通常根据已有的研究和具体情境确定,如0.8。频数阈值通常参照样本量大小决定,小样本的频数阈值为1 或2,大样本的阈值通常在1 以上。本研究确定的一致性阈值和频数阈值分别为0.8 和1。表3 呈现了用以解释高水平地区全要素生产率的3 条驱动路径。其中,解的一致性为0.774,解的覆盖度为0.607。解的覆盖度、解一致性和单个解的一致性与现有研究相比,均在临界值以上,实证分析有效。如表3 所示,研究归纳的路径(即组态)如下。
组态1 表明,数字经济发展水平、技术基础设施、地区营商环境和市场化程度高构成了核心作用。意味着当这些条件存在时,金融发展水平对于高水平地区全要素生产率来说无关紧要。在这一组态下,数字经济发展、技术基础设施建设、营商环境和市场化程度构成了核心条件,政府作用为补充条件。在三种条件中,技术条件发挥的作用最大,组织条件次之,环境条件最小,因此我们将该路径命名为“技术—组织型”。该路径的一致性、唯一覆盖度、原始覆盖率分别为0.779、0.018、0.37。由此可见,该组态解释了大约37%的高水平地区全要素生产率案例,其中约1.8%仅能被该条路径解释。
组态2 表明,数字经济发展、技术基础设施建设、营商环境和区域市场化水平发挥了核心作用。对于地区全要素生产率这一议题,高度的技术条件、良好的营商环境以及区域市场化程度高可以适当地弥补政府在教育和科技上面的投入。其中数字经济发展、技术基础设施建设、营商环境和区域市场化程度为核心条件,金融发展水平为补充条件。在三种条件中,技术条件发挥的作用最大,环境条件次之,组织条件最小,因此我们将该路径命名为“技术—环境型”。该路径的一致性、唯一覆盖度、原始覆盖率分别为0.813、0.04、0.396。由此可见,该组态解释了大约39.6%的高水平地区全要素生产率案例。另外,大约4%的的地区全要素生产率仅能被这条路径解释。
组态3 表明,技术基础设施建设发挥了核心作用,这说明,在拥有完善基础设施的省份,能够冲破组织条件和环境条件的限制,使其达到高水平的生产效率。由于在该条驱动路径中,技术条件发挥了核心作用,所以该条路径为“技术型”路径。从表3中可知,一致性为0.822,唯一覆盖度为0.187,原始覆盖率为0.345。该路径能够解释大约34.5%的高水平地区全要素生产率案例。另外,大约18.7%的地区全要素生产率案例仅能被这条路径解释。
表3 高水平地区全要素生产率组态分析
4 我国东部、中部、西部地区全要素生产率差异化路径
由于受到客观条件的影响,我国不同地区的全要素生产率呈现明显的异质性。另外,制度环境的地区性差异,也可能导致数字经济发展、技术基础设施建设、营商环境、区域市场化水平和金融发展水平等在很大程度上对全要素生产率产生不同的影响。因此本研究在我国东、中、西部区域划分的基础上,对各地区全要素生产率进行组态分析,探索不同省份技术条件、组织条件和环境条件对该地区全要素生产率影响的差异化。
从表4 可以看出,我国东部地区全要素生产率存在两种驱动路径(组态)。路径1 表明,金融发展水平为核心条件,数字经济发展、营商环境、政府作用为补充条件。路径2 表明,即使数字经济发展水平、技术基础设施建设、营商环境、区域市场化水平是补充条件,但金融发展水平作为核心条件发展到了一定程度,也会驱动地区全要素生产率高水平。东部地区属于经济发展较好的地区,在数字经济发展、技术基础设施建设、营商环境、政府作用和区域市场化程度方面都有着较好的基础,此时提高金融发展水平往往会对东部地区全要素生产率的高水平有着极大的推动作用。同时,两条组态也表明,在东部地区特定的金融发展水平下,在技术、组织和环境条件不同要件相互组合下,可以对高水平的地区全要素生产率起到“殊途同归”的作用。从中部地区高水平地区全要素生产率的驱动路径可以看出,加大基础设施建设力度,可以在一定程度上冲破在地区数字经济发展、营商环境、政府作用、区域市场化发展水平和金融发展水平方面的限制。我国中部地区靠近东部发达地区,具有很强的地区优势,当中部地区加大技术基础设施建设力度后,会对东部地区的资源条件产生一定的吸引,进而促进自身高水平发展。从西部地区的驱动路径可以看出,该地区数字经济发展、技术基础设施建设、金融发展水平都不高,特别是缺乏良好的营商环境,但是通过政府对于教育和科技的投入力度加大,区域市场化程度提升也会在一定程度上提升全要素生产率。综上所述,我国对东部、中部和西部地区全要素生产率提升存在差异化路径。东部、中部和西部受客观条件的限制,各地区的经济发展差异性显著,进而各地区全要素生产率也存在显著差异。
表4 东部、中部、西部地区全要素生产率(高水平)组态分析
5 结论与政策
5.1 研究结论
本文采用fs/QCA 方法以31 个省级层面全要素生产率为案例进行组态分析,研究技术条件、组织条件和环境条件对地区全要素生产率的联动效应和驱动路径,揭示了影响地区全要素生产率的核心条件及其内在机理。结论如下:第一,从总体上看,经过必要性分析,技术条件、组织条件和环境条件都不能单独成为地区全要素生产率的必要条件,说明单个要素并不构成高水平地区全要素生产率的限制。高水平地区全要素生产率存在3 条驱动路径。具体可以归纳为以数字经济发展、技术基础设施建设、营商环境、政府作用和区域市场化水平构成的技术—组织型,以数字经济发展、技术基础设施建设、营商环境、区域市场化水平和金融发展水平构成的技术—环境型和以技术基础设施建设构成的技术型。其中,技术因素在提高地区全要素生产率方面发挥着重要的作用。这也就意味着相对于其他条件而言,技术条件至关重要。第二,高水平地区全要素生产率背后是多条件共同作用的结果,各条件相互结合以“殊途同归”的方式提升地区全要素生产率。例如,在客观禀赋条件下,技术能力的提升可以有效突破组织条件和环境条件的瓶颈。第三,由于各地区客观条件的不同,我国东部、中部和西部地区全要素生产率的驱动路径呈现明显的差异化。
5.2 理论贡献
相比于其他全要素生产率研究而言,理论贡献如下。
第一,将地区全要素生产率的研究从单一视角转向技术、组织和环境相协调的整体视角。本文基于“整体视角”,摒弃传统计量方法下单一视角研究,结合中国的具体情境,运用TOE 框架,揭示了全要素生产率背后的“因果复杂性”。有助于更好地理解影响地区全要素生产率的宏观环境和影响因素,进而增强了研究的内在效果。研究表明:高水平地区全要素生产率背后是多条件共同作用的结果,各条件相互结合以“殊途同归”的方式提升地区全要素生产率,从而进一步加深了对全要素生产率背后复杂机理的理解,丰富了对全要素生产率问题的解释。
第二,将fs/QCA 方法引入地区全要素生产率问题的研究之中,一方面丰富了该问题的现有理论与研究方法,另一方面也为进一步研究奠定了坚实的基础。目前已有的研究多在传统计量方法下讨论自变量与因变量之间的作用机制,少有研究关注因素间的联动匹配。因此,本文从多因素整体视角出发,运用TOE 框架,结合地区禀赋差异,研究影响地区全要素生产率的作用路径。研究发现,由于各地区客观条件的不同,我国东部、中部和西部地区全要素生产率的驱动路径呈现明显的差异化,这也在一定程度上阐明了造成地区全要素生产率异质性的因果不对称性。
5.3 发展启示
为地区全要素生产率提升提出3 方面的建议:第一,充分发挥技术、组织和环境之间的联动匹配。各地区应从整体视角出发,分析集合之间的共同关键特征,找到提升全要素生产率的最优路径,做到发展效率与现实条件相适应。第二,要善于利用有利条件,规避不利条件。从上文分析可以看出,技术条件对新疆、黑龙江和吉林的发展来说至关重要,加大对技术基础设施的建设力度,在组织条件和环境条件都受到限制的情况下,对全要素生产率的提高也有一定作用。第三,要因地制宜,对症下药。由于我国各地区发展程度,发展水平不尽相同,这就要求各地区政府要审慎分析当地情况,有针对性地制定相关政策,促进我国东部、中部和西部均衡发展。