區域工業全要素生產率的增長及其結構變動研究

摘要：運用空間計量分析技術，本文考察了1988～2012年中國大陸28個省級就業結構轉變和區域工業全要素生產率增長之間的關系。研究發現，我國區域工業就業結構存在顯著的正向相關性，相對全要素生產率的增長和資本產出比的提高會降低產業的就業份額。人均收入的提高對產業就業份額的影響可正可負。產業結構與就業結構的變動未必同步。提高制造業的就業份額關鍵在于空間效應的提高。

關鍵詞：就業結構；全要素生產率；空間面板

一、引言

改革開放以來，我國第一產業的就業比重相比第二產業和第三產業持續降低，第三產業就業比重增長速度最快，但是目前我國第三產業就業比重與其他發達國家相比是較低的，產業結構偏離度過大。有學者認為應該采取一定的措施來糾偏，但就業結構一定與產業結構同步嗎？是什么讓勞動力在不同的產業之間進行流動？這種流動是否會受到空間溢出效應的影響？迄今為止，我們對區域之間的這種空間溢出作用的強度和作用范圍的實證研究依然有限。

二、研究方法及數據處理

（一）全要素生產率的測算

對生產率進行測量是為了辨別產出差異當中那些不能被投入差異解釋的部分。相同的企業生產相同的產品，如果投入越少，我們就說其生產率越高。為了使生產率得以提高，我們需要觀測并控制應用于投入和產出的技術水平。如果企業之間的技術水平發生變化、規模經濟不變，首選的方法是數據包絡分析（DEA）。運用DEA模型時，我們不需要設定具體的生產函數，還允許企業間技術異質的存在。

Malmquist指數被應用于生產效率的測算并依據效率測算的結果進行比較研究。我們將每個省區作為一個決策單元，在一定時期內，投入函數為xk，t=（Xk），產出函數為yk，t=（Yk），k代表我國各省區。我們從產出角度來運用非參數數據包絡分析方法構造t時期的不變規模報酬，即

Ltc={（xt，yt）：∑28k=1zkytk≥yt；∑28k=1zk

xtk≤xt；zk≥0；k=1，......，28}（1）

其中，Z表示不同橫截面觀察值的權重。相應的k省區的產出距離函數為

Dtc=（xk，t，yk，t）={max[θ：（xk，t，θyk，t）∈Ltc]}-1（2）

此產出距離函數是使θ最大來求解線性規劃的，其目的是在投入給定的情況下求出產出最大。當Dtc=1時，生產在技術上有效率；當Dtc>1，生產在技術上無效率。

根據經濟學家F？覿re等（1989）的研究，Malmquist生產率變化指數可設為

Mt（k，t，t+1）=[ ] （3）

若Mt（k，t，t+1）大于1，表明全要素生產率在改進，小于1則意味著生產率在退化。

（二）計量模型

1.Moran I指數

空間計量通常使用空間自相關指數Moran I，即

Moran I =

（4）

式中，S （Y - ）2，Y= Y ，Y 表示第i個地區的觀測值，n代表觀測的地區總數，W 代表空間權重矩陣，如果兩個地區相鄰則取“1”，反之則為“0”。Moran I的范圍在-1到1之間，當Moran I>0，意味著地區之間空間呈現正相關，Moran I<0，表示兩個地區之間空間不相關。

2.空間誤差模型（SEM）與空間滯后模型（SLM）

根據設定模型時對“空間”體現方法的不同，我們將空間計量模型分為兩種：空間滯后模型和空間誤差模型，表示形式為

SLM：Y=ρWY+Xβ+ε（5）

SEM：Y=Xβ+ε（6）

其中，Y是被解釋變量，X代表外生解釋變量矩陣，X的參數向量是β，ρ代表的是空間滯后回歸的系數，λ是空間誤差回歸系數，ε=λWε+μ，和都代表示隨機誤差項，空間權重矩陣為W。

本文采用的是0到1的空間權重矩陣，相鄰的區域空間權重為“1”，不相鄰區域為“0”，即

Wij=0 當區域i=j0 當區域i與j不相鄰1 當區域i與j相鄰。

確定空間權重的方法有很多種，關于空間權重的選擇外生并且任意。由于鄰接方法簡便，它被廣泛使用，本文使用這一方法。

3.模型設定及變量選取

本文的被解釋變量為就業結構對數值（ln /n），其中n為某行業的就業人數占工業總就業人數的比重。本文主要研究工業各行業內部結構變化。我們將待估計的計量模型設定為

lnYit=αi+γt+βXit+ρWY-it+εit

εit=λWε-it+μit，|ρ|≤1（7）

其中，下標i表示各省區，t表示年份，αi表示地區效應，γt是時間效應，其他變量涵義同上。

為了考察地區就業結構與產業全要素生產率的關系，本文選取的主要變量是已經被證實影響著就業結構。本文將工業分為采礦業、制造業和電力、燃氣及水的生產和供應業。回歸方程的被解釋變量是第二產業中各行業就業結構指標的對數值，解釋變量包括資本勞動比、各產業發展水平，相對全要素生產率的增長和人均收入水平的對數值。

（三）指標選擇及數據處理

本文所采用的樣本包括我國28個省區，同時我們將重慶的數據并入四川，考察期為1987～2012年，共700個觀測值。工業全要素生產率的產出變量為工業增加值，投入變量包括資本存量和勞動投入，選取固定資產凈值作為資本投入并以各行業固定資產投資價格指數進行平減。勞動投入指標以職工年均人數代表勞動投入。

本文用工業各行業職工人數占工業職工人數的比重來衡量就業結構。將國內生產總值（GDP）作為我國經濟總量的唯一統計指標。我們從各省相應年份《統計年鑒》獲得28個省區的生產總值（1987年=100），將生產總值的指數全部換算為以1987年我基數的不變價格。各年份各省區人口采用年末人口數指標，這一數據來自于《中國統計年鑒》及各地區《統計年鑒》相應年份。

三、實證分析

（一）工業各產業全要素生產率的變動分析

運用DEAP2.0軟件，我們得到我國工業各行業的全要素生產率呈現增長趨勢，其中采礦業的全要素生產率增長最快，平均增長率為17%，制造業和電力、燃氣及水的生產和供應業的平均增長率分別為6.9%和7.8%。采礦業的全要素生產率從1988年的0.89上升到2012年的1.41。制造業和電力、燃氣及水的生產和供應業的全要素生產率則分別從1.17和0.94到0.94和0.85。

（二）空間計量結果

由于允許共同沖擊的存在，所以模型中擾動項目中有空間滯后變量的存在，即（εit=λWε-it+μit～iid（0，σ2μ），|ρ|≤）。對于公式（7）來說，其做法是先進行固定效應的預估計，從而得到一致估計的系數β和ρ。然后，利用得到的殘差結合矩方法估計λ、σ2μ和σ2t。最后，根據估計結果使用FGLS法，再次估計式（7）中的固定效應，得到β和ρ的一致有效估計。

以上采用的是固定效應模型，從回歸結果來看，資本勞動比對工業各產業就業結構產生負向的影響。采礦業的資本勞動比每增加1個百分點，其就業份額增加約0.5個百分點。對于制造業來說，資本勞動比前的系數較小。這表明提高制造業的資本勞動比對制造業就業份額的減少影響不大。

全要素生產率都對工業各產業的就業結構產生負面的影響，并且估計結果相當顯著。人均GDP的增長對制造業就業結構的影響不顯著，人均GDP的增長對采礦業就業結構的影響為負，對電力、燃氣及水的生產和供應業影響為正。這說明經濟的發展會加大對電力等行業的需求，減少對采礦業等初級加工的需求。從空間相關系數來看，這些指標都為正值并且都通過了1%的顯著性概率檢驗。這說明，本地區的產業的就業結構容易受到周邊地區的就業結構的影響。

四、結論

通過研究，本文得出以下幾點結論。

第一，樣本期內，我國采礦業的全要素生產率的增長率最高，其次是電力、燃氣及水的生產和供應業，最后是制造業。這表明要提高工業總體的全要素生產率，關鍵是制造業。

第二，就業結構不一定要與產業結構發展變化同步，這取決于資本產出比、相對全要素生產率和人均收入水平的變化。

第三，一個地區的就業結構分布是有規律的，它取決于其相鄰地區的經濟發展和產業發展情況。提高制造業的就業份額關鍵在于空間相關效應。

參考文獻：

[1]Franco Malerba.Innovation and the evolution of industries[J].Journal of Evolutionary Economics，2006（16）.

[2]牛仁亮，陳永奇.加速技術進步：結構調整的必由之路[J].管理世界，2004（12）.

[3]黃茂興，李軍軍.技術選擇、產業結構升級與經濟增長[J].經濟研究，2009（07）.

[4]周叔蓮，王偉光.科技創新與產業結構優化升級[J].管理世界，2001（05）.

（作者單位：云南大學經濟學院）