【原创】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

原标题:【原创】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

蔡跃洲 付一夫

内容提要:宏观TFP增长可分解为代表普遍技术进步的技术效应和要素流动配置的结构效应。本文利用中国宏观及产业数据,在增长核算基础上将TFP 增长进行分解,据以对改革开放以来不同阶段中国经济增长的来源进行细致剖析。结果表明:(1)1978-2014 年间中国经济增长整体质量较高,增长动力约1/3来自技术水平的普遍提升。(2)2005年以后,中外技术差距的缩小导致后发优势逐步衰减,技术进步对经济增长的支撑作用迅速下降,而结构效应对经济增长的贡献度不断提高。(3)金融危机后,产能过剩领域和金融、房地产等行业存在要素资源配置逆技术进步倾向。由此,短期内应着力将要素资源引导到技术和效率水平更高的细分行业;中长期则要切实推动各行业技术进步。

关键词:全要素生产率 技术效应 结构效应 增长核算

Jel:O47, O33, O14

一、引 言

2014年以来,中国经济发展进入新常态,下行压力不断增大。为增强经济持续增长动力,2015年11月,习近平总书记提出“着力加强供给侧结构性改革,着力提高供给体系质量和效率,…,推动我国社会生产力水平实现整体跃升”;此后总书记进一步指出:“供给侧结构性改革的主攻方向是减少无效供给,扩大有效供给,提高供给结构适应性和灵活性,提高全要素生产率”[1]。在国家“十三五”规划纲要中,上述思想也被明确列为未来中国经济社会发展的主线之一。

总书记的系列论述将供给侧结构性改革与社会生产力水平和全要素生产率紧密联系在一起,为提升宏观全要素生产率、增强经济增长动力指出了一条切实可行的有效途径。其背后更是有着合理的增长经济学理论基础。全要素生产率(TotalFactor Productivity,TFP)是“给定单位要素投入组合能够获得的产出(组合)”。经济分析中讨论更多的是TFP的变化,即“TFP增长率”或“TFP指数”。在微观层面,可从生产前沿面视角测算企业TFP增长率,并将其分解为“生产前沿面移动”和“企业技术水平相对于生产前沿面变化”两部分;在宏观层面,除了各产业部门技术进步外,还能通过将要素更多地引导和配置到生产率水平更高的产业部门来实现TFP增长。

上述两种途径可称为技术进步效应(简称“技术效应”)和产业结构调整效应(简称“结构效应”),后者正是推动供给侧结构性改革,提升宏观TFP、增强经济增长潜力的内在机制。准确测算出这两种效应将获得产业技术进步、产业间要素流动和配置效率等信息,为政府部门更有效地引导要素流动提供参考依据。在既有的测度实践中,以余值形式出现的TFP增长率大多还是被等同于技术进步,很少有人对其进一步分解。

为此,本文依托Jorgenson增长核算框架,综合Divisia指数、Massell(1961)、偏移-份额分解(shift-share method)等,加入产业部门TFP指数,从数理角度对宏观TFP增长率表达式进行分解。根据分解模型,在中国宏观及产业部门TFP增长率测算基础上,将改革开放以来的宏观TFP增长分解为技术效应和结构效应,从而认清增长的内在动力,为提升中国宏观TFP和经济增长潜力提出针对性思路和建议。

二、文献综述与研究思路

1.TFP增长率测算与宏观增长核算

TFP本质仍是生产率,用于衡量经济单元的生产效率。单投入单产出情形下,其测算可以表示为“投入产出比”;将劳动作为唯一投入要素便得到熟悉的劳动生产率。回到现实,仅使用劳动生产率度量生产效率难免会产生偏差,故有必要测度所有能够观测到要素投入组合的产出效率,于是便有了TFP和TFP增长率测算(Hulten,2000;Syverson,2011)。根据被衡量经济单元,TFP增长率测算分为企业TFP增长率测算和经济体/产业部门TFP增长率测算,二者差别较大。

微观企业TFP 增长率遵循以生产前沿面为基准的相对效率测算思路,最早源于Farrell(1957,1962)的开创性工作。Farrell(1957)从一般厂商“多投入、多产出”特点出发,利用等产量线(生产前沿面)衡量不同厂商相对投入产出效率。其中生产前沿面代表技术上的最高水平,前沿面上的投入—产出组合技术上最具效率;距离等产量线越近的组合,相对技术效率越高。生产前沿面为基准的相对效率在数学上可转化为距离函数,并成为测算TFP指数的基础(Malmquist,1953;Shephard,1953,1970)。根据距离函数表达方式的不同,前沿面TFP指数测算又可以分为数据包络分析(data envelopment analysis,DEA)和随机前沿分析(stochastic frontier analysis,SFA)。DEA方法利用数学规划,将表征相对效率的距离函数测算转化为线性规划目标函数的求解;将技术效率(距离函数)与Malmquist指数相结合便能测算出不同时点间的TFP指数。由于该方法不涉及生产函数具体形式及参数估计,因此也被称为非参数方法(Charnes&Cooper,1962;Charnes et al.,1978;Banker et al al.,1984)。SFA方法通过随机生产前沿函数刻画厂商生产行为;生产函数中的随机项误差项被分成表示各种随机环境因素对前沿产出影响的对称误差项和衡量技术非有效性即厂商技术效率(距离函数)的单边误差项。据此得到的技术效率(距离函数)与Malmquist指数结合同样可以测算TFP指数(Aigner et al al.,1977;Meeusen & Broeck,1977)。

Stigler、Abramovitz、Solow等对宏观TFP增长率测算均有开创性贡献。影响最深远的当属Solow新古典增长模型及著名的“索洛余值”和宏观增长核算体系(Abramovitz,1956;Solow,1957)。索洛模型将经济增长源泉分解为资本、劳动要素和“被忽略因素(索洛余值)”三部分,进而可求不同因素的贡献率,“被忽略因素”增长正是TFP增长率。Solow之后,Jorgenson和Griliches等先后将投资理论、指数理论、国民收入核算体系、企业理论等融入增长核算框架中,形成了一套完善严谨的增长核算框架。鉴于Jorgenson的杰出贡献,不妨称其为“Jorgenson增长核算框架”,它将经济增长来源分解与国民统计核算体系有效对接:在资本要素投入估算方面引入资本服务、生产能力衰减、存量资本退役及役龄(最大服务年限)等概念;在劳动要素方面考虑教育、健康等劳动力质量因素,体系更为合理,已得到全球范围内的广泛采用。为规范成员国统计部门的TFP增长率测算活动、提高测算结果可比性,OECD以手册形式对Jorgenson增长核算框架及TFP 增长率测算细节进行了详细说明(OECD,2001)。

国内宏观TFP增长率测算工作至少可以回溯到20 世纪90 年代初,李京文领导中国社会科学院团队与Jorgenson、黑田昌裕等合作开展中美日生产率比较研究(李京文等,1993;李京文和李军,1993;郑玉歆,1998)。21世纪起,宏观TFP受到更多关注,黄勇峰等(2002)、孙琳琳和任若恩(2005)、郭庆旺和贾俊雪(2005)都开展了相关研究。近年来国内学者也尝试着用生产前沿面方法测度宏观或部门TFP指数,大致做法是以企业或区域作为效率和TFP指数测算单元,在测度每个单元效率和TFP指数基础上,加权平均得出行业部门或经济体整体的TFP指数(王志刚等,2006;姚战琪,2009)。

2. 产业结构调整与宏观生产率指数分解

除技术水平外,产业结构调整也是影响宏观生产率的重要因素。根据配第-克拉克定理,在经济起飞阶段,一产比重将逐步下降,二、三产业比重将逐步上升,并以二产为主导;随着经济走向成熟阶段,一、二产比重将同时下降,三产则不断上升,并成为新的主导产业(Clark,1940)。由于二产生产率水平远高于一产,在二产比重不断上升过程中,经济体的整体生产率水平和潜在增长率都将持续提升;工业化完成后,要素资源不断由二产向三产转移,但三产中很多部门生产率水平难以提升,导致宏观生产率水平呈现下降态势(Baumol,1967; Kruger,2008)。Montobbio(2002)、Ngai&Pissarides(2007)等通过构造多部门增长模型分析经济增长过程中的动态结构变化,以数理模型方式重新刻画了上述产业结构演化规律及其对宏观生产率的影响。

实证方面,Dietrich(2009)利用7个OECD国家的面板数据和面板格兰杰因果检验等工具考察产业结构变化与经济增长的关系,但实证显示的因果关系并不确定。更多实证是将宏观生产率变化分解为整体技术进步和产业结构变动两部分,进而考察产业结构调整对宏观生产率的影响。Peneder(2003)、Fagerberg(2000)等采用偏移-份额分解法将劳动生产率指数分解为产业进步效应和产业结构转换效应[2]。Peneder(2003)对28个OECD国家的数据进行分解后发现,产业进步是生产率提升的决定性因素;结构变化对生产率影响有正有负且程度有限。Fagerberg(2000)则聚焦于专业化和结构转换对制造业生产率提升的影响,对39个国家24个行业的实证表明,结构转换平均来说对生产率虽无明显促进作用,但提升技术进步最快产业比重的国家生产率增长更快[h1] 。

劳动生产率提升是技术进步和资本深化的双重结果,以各部门加权劳动生产率指数表征的产业进步效应不完全等同于技术进步效应。对TFP指数的类似分解则可解决此问题。Massell(1961)将索洛模型和增长核算拓展到产业部门,将宏观TFP增长率分解为各部门加权TFP增长率、资本和劳动要素在部门间流动带来的结构变化;前者为衡量整体技术进步的技术效应,后两者为衡量结构转换的结构效应。据此Massell(1961)将20世纪50年代的美国宏观经济细分为19个部门并分解,结果表明技术效应约贡献2 /3,结构效应贡献剩余的1 /3。

国内学者也从指数分解角度开展了实证研究。李文兵(2011)结合中国三次产业数据在增长核算基础上将TFP增长率分解为各部门加权TFP增长率、部门间劳动要素流动和资本要素流动,得出了与Massell(1961)类似的结论。王德文等(2004)关于结构调整与生产效率关系的实证虽也以索洛增长模型为基础,但使用的是基于企业微观数据的计量回归。姚战琪(2009)则用前沿面方法测度部门TFP指数,并考察要素配置对TFP增长的影响。

3. 既有研究评述及本文研究思路

20世纪50年代以来,学界在TFP指数测算方面逐步形成较为成熟的方法体系。微观TFP指数测算主要是以生产前沿面和距离函数为基础的DEA和SFA,宏观TFP指数测算则依托增长核算框架。微观TFP指数可分解为技术变化指数和技术效率变化指数,二者均反映技术因素的影响。[3]在宏观层面,除整体技术进步外,产业结构变化也会带来宏观生产率变化,因此宏观生产率指数基本都会分解为技术效应和结构效应。出于便利的原因,国外相关实证研究大多选择对劳动生产率指数进行分解,仅有个别针对宏观TFP指数分解的研究。国内学者在增长核算及TFP指数测算方面做了大量实证工作,不过部分研究的资本投入、劳动投入估算等细节有待规范。至于产业结构转换与生产率增长的关系,国内很多都是在运用DEA或SFA等方法测度微观企业及行业TFP指数基础上进行的分析,从增长核算和宏观TFP指数测算分解的实证并不多见。另外,国内既有研究在分析结构效应时对产业部门的划分相对粗糙。

为了更加清晰准确地测度和分解中国宏观TFP指数中的技术效应和结构效应,本文将在构建宏观TFP增长率测算分解模型框架基础上,收集宏观及17个细分行业部门的数据开展实证分析。后续如下安排:第三部分给出宏观TFP指数测算分解模型;第四部分对数据处理进行说明并展示测算分解主要结果;第五部分对测算分解结果进行深入分析;第六部分是总结性评论及政策建议。

三、TFP指数测算分解及要素估算模型

1. TFP指数测算模型

根据定义,TFP是全部产出组合相对全部投入组合的比值,于是有:

[1] 2015年11月10日召开的中央财经领导小组第十一次会议上,习近平总书记首次提及供给侧结构性改革。此后,在2015年12月召开的中央经济工作会议、2016年1月26日召开的中央财经领导小组第十二次会议、2016年3月“两会”期间、2016年5月16日召开的中央财经领导小组第十三次会议、2016年7月8日召开的经济形势专家座谈会等重要场合,习近平总书记都特别强调“推进供给侧结构性改革,增强经济持续增长动力”。

[2]更确切地说是分解为三部分,即:(1)静态结构转换效应(static shift effect);(2)动态结构转换效应(dynamicshift effect);(3)产业进步效应(within shift effect)。另外,“偏移-份额分解法”形式上与碳减排研究中常用的“对数平均迪维西亚指数分解法(Logarithmic Mean Divisia Index,LMDI)”基本一致。

[3]技术效率与企业自身的资源要素配置有关。微观层面的配置不当往往源于生产管理漏洞、工人技能水平不高等所造成的浪费;它们虽不是机器设备那样直接的体现式技术(embodied technology),但也是管理、技能等软技术实力不足的表现。

(四)第三产业TFP 增长的技术效应与结构效应

将三产TFP增长率进行分解,计算出技术效应与结构效应的贡献度,并进一步分解到5个细分行业,见表8。结合表4可以作如下判断。

①改革开放以来,技术效应在支撑三产TFP增长方面同样占据主导;三产增长平均有约1 /3是由各细分行业的技术进步带来的,结构效应贡献有限。

②2005 年以前,三产TFP增长几乎全部来自技术效应,2005年以后,结构效应贡献度迅速提高,2010-2014 年间为60.3%,取代技术效应成为TFP增长的主导。

③从5个细分行业来看,技术进步对三产的带动作用主要来自其他服务业、商业与饮食业、运输仓储邮政业,而金融与保险、房地产的技术效应基本可以忽略。

④金融与保险、房地产的结构效应对三产增长发挥了显著的正向作用,但这两个行业长期处于技术水平停滞甚至倒退状态,却集聚了大量要素,而技术进步最为明显的其他服务业、运输仓储邮政业,其结构效应对三产增长的拉动平均为负,表明三产内部的要素配置和集聚存在明显的逆技术进步倾向。

六、总结性评论及政策建议

前文构建了宏观TFP增长率分解模型,测算了不同经济层次的TFP增长率,并将其逐级分解为技术效应、结构效应及资本要素和劳动要素结构效应。主要论断如下。

①改革开放以来,凭借引进消化吸收再创新模式发出的后发优势,中国经济增长整体质量较高,增长动力约1 /3 来自各行业技术水平的普遍提升。在工业化、城市化推进中,资本和劳动要素向二三产业集聚,结构效应对中国经济增长也发挥了一定支撑作用。

②2000年以后,特别是2005年以后,后发优势潜力逐步消失,经济增长质量下滑,表现为技术进步对经济增长的支撑持续下降。而结构效应特别是资本要素结构效应对TFP增长的贡献度持续上升。这意味着在技术落差大幅缩小的背景下,推动供给侧结构性改革、引导更多要素资源向高生产率部门集聚将是支撑TFP以及宏观经济增长的有效途径。

③技术效应及结构效应在各产业增长中发挥的作用差别较大。一产增长主要由技术进步支撑,2000年以后技术进步更是独立支撑了一产的增长。二产和三产增长约1/3来自细分行业技术进步,结构效应的平均贡献可基本忽略;但2005年后技术进步支撑作用迅速减弱甚至出现负贡献;而结构效应对产业增长发挥出显著的正向贡献。金融危机后,中国经济增长的质量明显下滑,增长动力主要来自大量低效投入,以二产增长质量下滑尤为突出。该趋势于2014年后出现扭转迹象。

④从细分行业看,二产中钢铁、水泥、电解铝、平板玻璃、船舶等产能过剩领域所属行业在金融危机后普遍表现出明显的技术停滞或倒退,而三产中的金融与保险、房地产技术水平更是长期停滞或倒退;要素配置和集聚却存在着明显的逆技术进步倾向。

政策建议如下:

①正视金融危机后中国宏观TFP 增速及对经济增长贡献度下降的现实,反思刺激政策及要素驱动增长所带来的负面影响,平衡好增长速度与增长质量之间的关系。②短期内要充分发挥TFP 增长的结构效应。在供给侧结构性改革中继续淘汰产能过剩行业中的落后产能,降低金融和房地产领域的泡沫化程度,通过合理的激励机制引导要素资源向科技含量和生产率水平更高的细分行业集聚。

③中长期看,技术进步仍是TFP增长的主要源泉。落实《国家创新驱动发展战略纲要》各项重大部署,持续推动各行业技术进步,形成技术优势,为经济增长提供有力支撑。

参考文献

蔡跃洲、张钧南,2015:《信息通信技术对中国经济增长的替代效应与渗透效应——基于乔根森增长核算框架的测算与分析》,《经济研究》第12期。

曹跃群、秦增强、齐倩,2012:《中国资本服务估算》,《统计研究》第12期。

郭庆旺、贾俊雪,2005:《中国全要素生产率的估算:1979-2004》,《经济研究》第6期。

黄勇峰、任若恩、刘晓生,2002:《中国制造业资本存量永续盘存法估计》,《经济学(季刊)》第2期。

李京文、乔根森、郑友敬、黑田昌裕,1993:《生产率与中美日经济增长研究》,北京:中国社会科学出版社。

李京文、李军,1993:《中美生产率比较》,《经济研究》第4期。

李京文、龚飞鸿、明安书,1996:《生产率与中国经济增长》,《数量经济与技术经济研究》第12期。

李文兵,2011:《结构转变、资本深化与生产率增长》,《中国科技论坛》第5期。

孙琳琳、任若恩,2005:《中国资本投入和全要素生产率的估算》,《世界经济》第12期。

王德文、王美艳、陈兰,2004:《中国工业的结构调整、效率与劳动配置》,《经济研究》第4期。

王志刚、龚六堂、陈玉宇,2006:《地区间生产效率与全要素生产率增长率分解(1978-2003)》,《中国社会科学》第2期。

肖红叶、郝枫,2005:《资本永续盘存法及其国内应用》,《财贸经济》第3期。

姚战琪,2009:《生产率增长与要素再配置效应:中国的经验研究》,《经济研究》第11期。

郑玉歆,1998:《全要素生产率的测算及其增长的规律——由东亚增长模式的争论谈起》,《数量经济与技术经济研究》第10期。

Abramovitz, Moses, 1956. “Resource andOutput Trends in the United States since 1870”, American Economic Review, 46 (2), 5-23.

Aigner, D.J., Lovell CAK, and SchmidtP., 1977. “Formulation and Estimation of Stochastic Frontier Production FunctionModels”, Journal of Econometrics, 6,21-37.

Banker, R. D., A. Charnes and W.W.Cooper, 1984. “Some Models for Estimating Technical and Scale Inefficiencies inData Envelopment Analysis”, ManagementScience, 30, 1078-1092.

Baumol, W. J., 1967. “Macroeconomics ofUnbalanced Growth: The Anatomy of Urban Crisis”, American Economic Review, 57, 415–426.

Caves, D. W., L. R. Christensen andW.E. Diewert, 1982. “The Economic Theory of Index Numbers and the Measurementof Input, Output, and Productivity”, Econometrica,50(6), 1393-1414.

Charnes, A. and W.W. Cooper, 1962. “Programmingwith Linear Fractional Functionals”, NavalResearch Logistics Quarterly, 9, 181-185.

Charnes, A., W.W. Cooper and E. Rhodes,1978. “Measuring the Efficiency of Decision Making Units”, European Journal of Operational Research, 429-444.

Clark, Colin, 1940. “The Conditions ofEconomic Progress”, London: Macmillan & Co.Ltd.

Coelli, Timothy J., D. S. Prasada Rao,Christopher J. O’Donnell, and George E. Battese, 2005. “An Introduction toEfficiency and Productivity Analysis (Second Edition)”, Springer.

Dietrich, Andreas, 2009. “Does GrowthCause Structural Change, or is it the Other Way Round? A Dynamic Panel DataAnalyses for Seven OECD Countries”, JenaEconomic Research Papers, 34.

Farrell, M. J. , 1957. “The Measurementof Productive Efficiency”, Journal of theRoyal Statistical Society, 120 (3), 253-290.

Fagerberg, Jan, 2000. “Technological Progress,Structural Change and Productivity Growth: A Comparative Study”, Structural Change and Economic Dynamics,11, 392-411.

Farrell, M. J., 1962. “EstimatingEfficient Production Functions under Increasing Returns to Scale”, Journal of the Royal Statistical Society,125 (2), 252-267.

Hulten, Charles R., 2000. “Total FactorProductivity: A short biography”, NBERWorking paper, No. 7471.

Kruger, Jens, 2008. “Productivity and StructuralChange: A Review of the Literature”, Journalof Economic Surveys, 22(2), 330-363.

Malmquist, Stern, 1953. “Index Numbersand Indifference Curves”, Trabajos deEstatistica, 4(1), 209-242.

Massell, Bento F., 1961. “ADisaggregated View of Technical Change”, Journalof Political Economy, 69(6), 547-557.

Meeusen W. and J. van den Broeck, 1977.“Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error”,International Economic Review, 18,435-444.

Montobbio, Fabio, 2002. “An EvolutionaryModel of Industrial Growth and Structural Change”, Structural Change and Economic Dynamics, 13, 287-424.

Ngai, Rachel, Christopher A.Pissarides, 2007. “Structural Change in a Multisector Model of Growth”, American Economic Review, 97(1),429-443.

OECD, 2001. “Measuring Productivity:Measurement of Aggregate and Industry-level Productivity Growth”, OECD Manual.

Peneder, Michael, 2003. “IndustrialStructure and Aggregate Growth”, StructuralChange and Economic Dynamics, 14, 427-448.

Shephard R.W., 1953. “Cost andProduction Functions”, PrincetonUniversity Press, Princeton.

Shephard R.W., 1970. “Theory of Costand Production Functions”, PrincetonUniversity Press, Princeton.

Solow, Robert M., 1957. “TechnicalChange and the Aggregate Production Function”, Review of Economics and Statistics, 39 (8), 312-320.

Stigler, George J., 1947. “Trends inOutput and Employment”, New York, NBER.

Syverson, Chad, 2011. “What DeterminesProductivity?”, Journal of EconomicLiterature, 49 (2), 326-365.返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
免费获取
今日搜狐热点
今日推荐