基于動態面板模型的我國生產率增長來源分析

崔友洋

（南京中醫藥大學經貿管理學院，江蘇南京 210002）

0 引言

內生增長理論認為，國家要實現經濟的長期增長，必須要有快速的技術進步作為支撐，以技術進步提高資本利用率和人力資本水平（Aghion and Howitt，1992）。因而，內生增長理論比較注重一國自主研發的投入，強調自發的研發行為對技術進步和經濟增長的貢獻（張鵬飛和路乾，2008）。然而，根據“后發優勢”理論（林毅夫，2000），對于發展中國家來說，可以通過引進西方發達國家的現有先進技術，在學習效應和競爭效應的作用下，實現發展中國家最快速和最有效的技術進步和經濟增長，甚至是趕超戰略。可以說，現有的經濟理論為我們提供了實現技術進步的兩條主要道路，即內源性的自主研發和外源性的對外引進。

改革開放以來，我國經濟總體上保持了快速的增長，經濟發展所依托的技術也實現了較快進步和蛻變，在許多領域都實現了令世界矚目的成就。在推動我國技術進步的背后，一方面離不開自主研發的投入，另一方面也需要對外引進，尤其是對外商直接投資（FDI）的吸引。在研發投入方面，與現有大部分發達國家相比來說，在投入強度，即研發支出占GDP 的比重方面，存在著較大的差距。如據世界銀行統計，2009 年我國研發投入強度為1.70，而美國為2.90，日本為3.36，最高的國家以色列為4.46，但是我國的這一投入水平在所有發展國家中基本上處于領先地位，如巴西為1.17，俄羅斯為1.25，甚至還超過了部分OECD 國家，如意大利（1.26）、盧森堡（1.66）等，而且從自我發展的歷史視角來看，我國在研發投入方面也實現了較大的增長，如我國1996 年的研發投入強度只有0.57，到2009 年就基本增長了2 倍多。

從實現技術進步的另一源泉，即吸引外商直接投資來看，我國在此方面也獲得了長足發展。據世界銀行（WDI）數據庫統計，在1982 年，我國引進外商直接投資的規模為4.3 億美元，只有約美國的3.45%左右，到2012 年，我國的引資規模達到2500 多億美元，超過美國，是美國的1.23 倍，成為全球最大的外商直接投資引進國家。這一方面反映出我國經濟發展環境的巨大改善和經濟增長具有強大的內在潛力，能夠吸引眾多跨國公司來華投資，另一方面也體現出我國對外商直接投資的重視和關注，希冀通過引資來激活國內生產經營和技術進步。

綜上，不論是從內源性的研發投入，還是從外源性的外商直接投資，我國都加大了投入力度和吸引程度。本文重點研究了我國經濟增長過程中的研發投入、外商直接投資和生產率增長這三者之間的作用關系，藉此希望能夠明確我國當前生產率增長的主要特點及其內外源性的結構特征，為今后的引資、研發投入和經濟轉型等提供借鑒和啟示。

1 模型構建與實證分析

1.1 變量構建與說明

在進行實證分析時，首先要對相關變量予以測度。本研究涉及3 個變量，即生產率增長（TFP）、研發投入（R&D）和外商直接投資（FDI）。

對于生產率增長的測算，現有文獻大多采用3 種方式來測度之，即參數、半參數和非參數估計。參數法主要包括隨機前沿函數分析法（SFA）和索羅余值法等，半參數法主要包括OP和LP 2 種分析法，非參數法分為數據包絡分析方法（DEA）和指數法。因非參數法不需要事先對生產函數結構進行假定，可直接利用線性優化估算出邊界生產函數與距離函數，避免了較強的理論約束，因而得到了普遍的應用。本文也利用非參數法中的數據包絡分析法（DEA）來估算我國的生產率變化情況。

在估算生產率增長之前，需要明確投入和產出兩項指標。產出一般來說主要用國內生產總值（GDP）來測度；對于投入而言，根據新古典生產函數，主要取決于2 個因素，即勞動力投入和資本投入。勞動投入可用每年的就業量來測度，該數據是在現有的統計年鑒中可以搜集到的；資本投入，即資本存量，現有的統計年鑒中沒有現成的指標，需要重新構建與測算。根據單豪杰（2008）的做法，我們采用永續盤存法來測度資本存量，其中所涉及到的折舊率，取值為10.96%。為了保持數據平減的一致性，我們將所有涉及到需要進行價格調整的變量都平減至1978 年。

在明確了就業量和資本存量的基礎上，借助DEAP2.0 軟件，基于DEA-Malmquist 模型的規模報酬不變法，就可直接測算出本文研究所需的被解釋變量生產率增長及其分解，具體包括3 個方面，即：效率改進（EFF）、技術進步（TECH）和全要素生產率（TFP）。從測算的結果來看，不論是效率改進（EFF）、技術進步（TECH），還是全要素生產率（TFP），都存在著較大的異質性變化，并非是線性增長，這與我國經濟增長的周期性變化是比較吻合的。

同時，還需要測度研發投入和外商直接投資。對于研發投入，用研發投入量占GDP 的比重來表示。根據現有能夠搜尋到關于研發投入的絕對量，最早可溯源至1989 年，因而這就限定了本文研究的數據范圍為1989-2011 年。對于外商直接投資，用當年實際利用外商投資與GDP 的比值來表示。根據現有研究，本文還選取了2 個典型的控制變量，即人力資本（HR）和基礎設施（INV）。人力資本用各層次的受教育年限及其人數占比的加權乘積來衡量；基礎設施主要用固定資產占GDP 的比重來表示。所有變量的數值描述如表1 所示。

1.2 證實分析

在上述變量構建的基礎上，為了消除所用數據的不平穩性給研究結果引致的異方差性，本文將所用數據都取對數。同時，也為了避免研究樣本的地區異質性影響以及體現研發投入和外商直接投資的交互作用，本文采用了面板數據分析中的固定效應法（FE）來回歸，并在回歸方程中加入了研發投入和外商直接投資的乘積項，即LnR&D* LnFDI。

表1 變量的初步描述

通過上述簡要處理后，運用STATA10.0 軟件，我們可以得到相應的回歸結果（見表2）。從中可以看到，不論是從回歸所得的變量的預期作用效果，還是從變量的顯著性以及回歸方程的總體顯著程度來看，都不是很理想，都難以說明我們所要研究的問題。

表2 回歸結果一

針對上述回歸結果的不理想以及在回歸過程中可能會因變量之間所存在的內生性問題，我們采用廣義矩估計法（GMM）對本文所要研究的變量之間的關系重新回歸。之所以采取GMM，一方面是由于該方法能夠消除變量的內生性問題，體現在本文的回歸方程中，即研發投入或外商直接可能會引致生產率增長，但同時生產率增長也可能會進一步引致研發投入或外商直接投資的增長；另一方面，GMM 方法較好地體現了被解釋變量的前期引致性作用，也即體現在方程中為滯后一期被解釋變量對當期被解釋變量的作用。

需要說明的是，通常來說GMM 包含2 種方法，即差分GMM（Diff-GMM）和系統GMM（Sys-GMM）。究其估計效率，一般來說，系統GMM 要優于差分GMM。同時，在運用上述2 種方法時，都需要對這2 種方法所適用的條件進行檢驗。檢驗包括擾動項無自相關檢驗和工具變量的過度識別檢驗。擾動項無自相關檢驗需要檢驗擾動項的差分是否存在二階差分（AR（2）），而對工具變量的過度識別檢驗，通常是借助Sargan 檢驗來完成。

基于上述原理，本文采用GMM 方法再次對研究樣本予以重新估計，所得結果如表3 所示。首先，對于效率改進（LnEFF）回歸的效果來看，盡管通過了Sargan 檢驗，也即工具變量不存在過度識別，但是沒有通過AR（2）檢驗，即擾動項的差分存在二階差分，說明并不適用差分GMM。其次，分析技術進步（LnTECH），其從所必需的2 項基本檢驗來看，與效率改進的結果相類似，雖然通過了Sargan 檢驗，但是沒有通過AR（2）檢驗，說明并不適宜采用差分GMM。

表3 回歸結果二

最后，分析全要素生產率（LnTFP）的作用情況。從表3 反映的情況來看，見方程（9），雖然所得結果都通過了Sargan 和AR（2）檢驗，但是從各變量回歸的結果來看，只有研發投入和前期TFP 的結果顯著為正，其余變量均不顯著。該結果以及上述所得結果是否具有穩健性，還需要進一步的檢驗。

為了進一步檢驗上述結果的穩健性，本文采用系統GMM對上述過程予以再次回歸，所得結果如表3 的方程（10）-（12）所示。我們依然首先分析效率改進（LnEFF）的回歸結果，從方程（10）可以看出，在采用Sys-GMM 方法下，雖然通過了Sargan檢驗，但是依然沒有通過擾動項無自相關的二階差分檢驗，即AR（2）。因而，綜合基于固定效應法（FE）和GMM 法回歸所得的結果，可以說明現階段不論是來自內部的研發投入還是來自外部的外商直接投資，都難以對效率改進產生作用。剖析個中原因，可能與我國現階段研發投入資金的利用率低下以及對所引進外資的投資導向性不合理應該都不無關系。同時，在引進外資過程中，我國是否充分利用了外資所隱含的先進技術，是否將外資引導到了最能體現我國產業結構升級的發展過程中，而不是只是為了引資而引資，也是值得深究和追問的。

其次，從對技術進步（LnTECH）的系統GMM 回歸結果來看，通過雙重檢驗的方程（11）與沒有通過檢驗的方程（8）所得結果從系數符號和顯著性來判斷基本上是一致的，即現有的研發投入和外商直接投資還難以促進技術進步，這可能在于雖然現階段我國投入了較多的研發資金，也吸引了大量的外商直接投資，但是對于投入和投資的有效利用程度不高，還沒有產生或者激活對于我國技術進步的促進效應。同時，如果研發投入與外商直接投資共同作用于技術創新過程中，會呈現出互為替代的作用關系（交互項系數顯著為負），也即這兩者對技術進步所帶來的作用存在著此消彼長的關系，并不能對技術進步產生協同促進效應。對技術進步滯后項的回歸結果來看，從中可以看出，該變量的系數顯著為正，說明前期技術進步對于當前技術進步具有促進作用，這也意味著技術進步具有循環累積效應。

最后，從對全要素生產率（LnTFP）的回歸結果來看，由系統GMM 所得的結果（方程（12））與由差分GMM 所得的結果（方程（9））基本沒差異，即除了研發和前期全要素生產率外，其余變量均不顯著，這說明方程（9）的結果具有一定的穩健性。這也在一定程度上說明了當前我國推進全要素生產率增長的主要動力來源于內在的研發投入和前期全要生產率的循環累積作用，而對于外商直接投資，我們所得結果比較支持劉舜佳和王耀中（2012）等所得出的中性說，即現階段我國所吸引的外商直接投資可能存在著結構不匹配或者技術外溢阻塞等現象，使得FDI 還沒有真正融入至我國經濟發展的內在過程中，還沒有真正形成推動我國生產率提升的有效動力。

2 結語

在本文的研究樣本期內，研發投入與外商直接投資對于效率改進并不存在著顯著的促進作用；對于技術進步來說，研發投入與外商直接投資還均難以體現出對于技術進步的推進作用，而前期技術進步對當期技術進步具有循環累積效應；最后，對全要素生產率的回歸結果來看，其主要動力來源于內在的研發投入和前期全要生產率的循環累積作用。

針對上述結論，本文提出以下幾點政策建議。首先，對于研發投入，一方面還應繼續加大投入力度，尤其是加大對那些具有技術引導性和創新引領性行業的投入，破解“巧婦難為無米之炊”的資金瓶頸；另一方面還要改善研發投入結構和質量，將研發資金投入到生產效能高、生產潛力大的產業中去，主要是對高精尖技術和戰略性新興產業的投入與支持。其次，對于外商直接投資，要改變過去那種單純為了“引資而引資”的傳統發展思路和政績觀，要結合當地的經濟發展規律和產業結構特征來引資，避免淪落為跨國公司的“代工廠”或是“污染天堂”。第三，對于各企事業相關部門來說，要注重前期生產率增長的積累，要從政策宣傳、氛圍營造、資金扶持等方面予以支持，特別是對于政府來說，更要從頂層設計層面，通過戰略規劃、路徑設計、產業布局等來積極引導和扶持技術創新以及經濟增長內生化的發展思路與理念。

［1］Arellano，M.and O.Bover.Another look at the instrumental-variable estimation of error-components models［J］.Journal of Econometrics，1995（1）：29-52.

［2］Smith，V.R&D and productivity in Danish firms：some empirical evidence［J］.Applied Economics，2004（16）：1797-1806.

［3］Kim，Linsu and Richard R.Nelson.Technology，Learning and Innovation：Experiences of Newly Industrializing Economics［M］.Cambridge：Cambridge University Press，2000.

［4］陳強.高級計量經濟學及Stata 應用［M］.北京：高等教育出版社，2010.

［5］李杏，M.W.Luke Chan.外商直接投資與對外貿易技術溢出效應的比較［J］.國際貿易問題，2009（2）：70-77.

［6］毛鳳德，李靜，彭飛，等.研發投入與企業全要素生產率:基于PSM 和GPS 的檢驗［J］.財經研究，2013（4）：134-144.

［7］邵軍，徐康寧.轉型時期經濟波動對我國生產率增長的影響研究［J］.經濟研究，2011（12）：97-110.