全要素生產率視角下安徽經濟轉型發展研究
——基于隨機前沿模型

廖信林,李　敬,賀雪瑩

(安徽財經大學 經濟學院,安徽 蚌埠 233030)

一、引言

據國家統計局2016年1月公布的數據顯示,中國2015年GDP同比增長6.9%,增速為1990年以來最低水平,成為自改革開放以來經濟超高速發展的暫時終結點,這意味著中國經濟從高增長率走向增長率放緩,過去經濟發展背后隱藏著產能過剩、勞動者收入增長后勁不足、消費購買力萎縮等一系列問題,中國經濟迫切需要轉型升級。習近平總書記在中央財經領導小組第十一次會議上的講話中明確提出要加強供給側結構性改革,即更新供給結構,化解過剩產能,改變經濟增長方式,提高全要素生產率。

全要素生產率與經濟增長一直是國內外經濟學界的研究熱點。過去國內學者多用索羅余值法來探索中國經濟增長方式,得出的結論大同小異,研究內容愈加詳細。如張軍、施少華在C-D生產函數基礎上加入時間虛擬變量,證明經濟體制的改革顯著提高了中國經濟的生產率水平[1];郭慶旺、賈俊雪則結合索羅余值法、隱形變量法和潛在支出法證明出我國經濟是典型的要素投入型增長方式,TFP增長對經濟增長的貢獻率較低[2];孫琳琳、任若恩通過構建資本投入指數數列也表達了相同觀點,即中國經濟增長是資本投入式的增長,同時他們認為資本投入對經濟增長的貢獻是由于資本數量的增加,而非資本質量的改善[3];傅曉霞、吳利學開始考慮中國地區經濟發展差異的來源,他們認為1990年以后TFP是導致今后地區差距的關鍵性因素[4];趙志耘、楊朝峰認為1994年后中國制度變遷對經濟增長的作用才從推動要素增長轉移到推動全要素生產率的增長上來[5]。

現階段分析全要素生產率的變化不再局限于索羅余值法,研究多采用DEA-Malmquist指數法和隨機前沿分析法。其中數據包絡分析的研究對象多集中于工業及工業的具體行業,如高新才、韓妍利用DEA的Malmquist指數法測算改革以來中國工業生產率的變動趨勢,發現技術進步是工業增長的動力,而生產效率阻礙了其增長[6];但張洋、項本武用相同的方法分析中國工業時,卻認為生產效率推動了工業的TFP增長,這可能與樣本期間和資料來源不同有關,其中他們一致認為規模效率在逐漸惡化[7];楊勇、李忠民在此研究方法上著重分析要素市場化對工業企業全要素生產率的影響,發現要素市場化對技術進步的影響最大,于是他提出只有進行要素市場的改革才能提高生產要素的活力[8]。相對而言隨機前沿分析法多用于分析區域長期經濟增長,這種方法的優勢是不僅可以將生產率變化分解成經濟可詮釋的多個部分,而且考慮到了加入隨機因素以減少測算誤差。最近國外學者Arazmuradov等用SFA對 1995～2008年期間15個前蘇聯經濟體的TFP進行測度,他們建議這些國家可以通過加強公共政策來吸引外資,同時改善國內教育提高經濟發展水平[9]。此外,Aisen和Veiga在對169個國家研究后則發現政治不穩定會降低生產力增長率,而經濟自由和種族同質性有助于生產率的增長[10]。國內王德祥、李靜等學者均測算了我國地級市及以上城市的全要素生產率,都認為我國東部地區的技術效率要高于中西部地區[11-12]。

安徽省作為中部六省之一近幾年發展迅速,經濟發展活力得到顯著增強,綜合實力比之前有大幅度提升,成為中部經濟發展的第二梯隊[13]。但是當前安徽省經濟發展下行壓力較大,要素綜合效率較低,有效供給和優質供給能力不足,因此在供給側改革背景下提高TFP成為轉變經濟增長方式的主要途徑。目前,運用參數型生產前沿法單獨分析安徽省TFP增長方面研究相對不足,不同于以往學者在規模報酬不變的前提下運用C-D生產函數計算TFP,本文采用安徽省16個地級市2000～2015年的面板數據,結合隨機前沿模型和超越對數生產函數,測算安徽省全要素生產率的變動趨勢和增長源泉,探究其經濟增長質量,為進一步落實供給側結構性改革提供數據支持。

二、模型設定、數據與變量說明

(一)隨機前沿模型

隨機前沿設定形式如下表示,y代表各個地區的實際產出,x是投入要素向量,β是定義生產技術的參數向量,t則為時間趨勢變量。

y=f(t,x,β)exp(v-u),u≥0.

(1)

v和u代表不同的誤差分量,第一個指的是誤差的隨機部分,第二個與生產前沿的向下偏離部分,則是代表技術無效率的非負向量。因此y=f(t,x,β)exp(v)代表隨機生產前沿,v用來計算測量誤差和外部沖擊造成的隨機效應,它服從對稱分布。不同地區不同時間的隨機前沿模型為

yit=f(t,xit,β)exp(vit-uit);

i=1,…,N

(2)

假定vit～i.i.d.N(0,σ2);uit～NT(μ,σ2),即uit服從截斷正態分布,兩個誤差分量相互獨立,x為外生變量,該模型可以用極大似然法來估計。此外,我們將采用Battese 和Coelli提出的模型[14],把技術無效率項視為時變函數:

uit=exp[-η(t-T)]*uiuit≥0,

i=1,…,N,t∈τ(i).

(3)

在上面表達式中,τ(i)表示第i個地區可用觀測值中Ti時間段,它可能包含面板數據中的所有時間段或只是一段時間。η表示技術無效率行為,當η與0沒有顯著差異時,表明技術無效率與時間改變無關,也稱為持續低效。Battese 和Coelli也承認[14],這種無效率行為方式的設定不太靈活,因為根據公式技術無效率必須以降低的速率增長(η>0),或者以遞增的速度減少(η<0)。此外,樣本中所有地區的η估計值無差異,這說明各個區域無效率上升或下降的方式一致。但是在沒有更好的理論模型前提下,我們依然使用前面的假設。為是否適用隨機前沿模型,構造以下統計量:

(4)

如果γ=0,說明產出偏差完全由隨機誤差項引起,這時直接使用最小二乘法(OLS)估計即可,如果γ>0且越接近于1,則說明誤差總量的變動主要由無效性部分引起,比較適合采用隨機前沿模型。

假定超越對數生產函數有兩種生產要素資本和勞動,該模型可以用以下形式表示:

lnYit=β0+β1lnKit+β2lnLit+β3lnKitlnLit+0.5β4(lnKit)2+0.5β5(lnLit)2+β6t+0.5β7t2+β8tlnKit+β9tlnLit+vit-uit.

(5)

Y代表實際產出,i是地區,t表示年份,β為待估參數。

Kumbhakar[15]提出將TFP增長率分解為四部分,分別為技術進步率(TP)、技術效率變化率(T'E)、規模效率變化率(SE)和資源配置效率變化(AE),由于配置效率變化涉及到投入要素的價格,這種數據目前不可獲取,所以參照余泳澤[16]的做法,本文將TFP的變化分解成前三部分。為了進行分解,首先我們必須估計(3)和(5)描述的模型,這樣就可從結果中組合TFP增長率。根據(2)式,我們可得:

(6)

根據Divisia指數分解法,TFP增長率可用下式表示:

(7)

SK和SL代表資本和勞動在要素總成本中所占比例,將(6)式代入(7)式并忽略掉配置效率存在后得:

(8)

其中

(9)

即RTS為要素產出彈性之和,λK和λL為資本和勞動的相對產出彈性,兩者相加等于1。綜上所述,由(8)式可得技術進步率

β8lnk+β9lnl.

(10)

技術改進表現為生產前沿的上升。技術效率變化率

(11)

測度的是生產者利用可使用技術的能力;規模效率變化率

(12)

技術及要素積累決定規模經濟的貢獻度,若規模報酬不發生改變,即RTS=1,這個部分顯然不必再加入;如果RTS≠1,當規模報酬比1大時,擴大要素投入量會提升生產率的增長速度,但當規模報酬小于1時,若想擴大產出增加規模只能縮小投入要素規模。

(二)數據與變量說明

由于巢湖在2011年8月22日已并入合肥市,為保持數據一致性,本文以安徽省現有的16個地級市2000～2015年為樣本數據來測算全要素生產率增長。模型的產出變量Y為用以2000年為基期GDP指數平減后的各地級市的實際總產出,勞動要素L的投入用各地級市年末就業人數來衡量。同時使用Goldsmith在1951年開創的永續盤存法來估算資本存量,其表達式為:

Kt=It/Pt+(1-δt)Kt-1.

(13)

其中,Kt為第t年的實際資本存量,Kt-1為第t-1年的實際資本存量,It為固定資產投資額,同時用以2000年為基期的固定資產投資價格指數Pt對It進行平減,折舊率δt采用張健華等利用最小二乘法估計出的安徽1993～2010時間段的6.4%最優折舊率[17]。基期實際資本存量借鑒張軍等測得的[18]以2000年價格計算的安徽省資本存量,再根據各地級市2000年GDP占全省GDP的比例來確定各地級市的基年資本存量,公式如下:

2000年各地級市資本存量/2000年安徽省實際資本存量=2000年各地級市GDP/2000年安徽省GDP.

(14)

為進一步分析技術無效率項,在模型中加入外生解釋變量,用地方財政預算內支出占GDP的比例表示政府干預程度(Gov),用GDP中第二產業增加值占比來表示產業結構(Indust),用進出口總額與GDP之比來表示對外依存度(Trade),用非農人口占年末總人口的比重來表示城市化率(Urban),文中數據主要來源于《安徽統計年鑒》和《中國城市統計年鑒》。

三、實證分析

(一)模型假設檢驗

為使模型有更好的擬合效果,首先要對其設定形式進行檢驗,主要包括五個方面,檢驗的方法都是使用似然比統計量,公式為LR=-2[lnL(H0)-lnL(H1)],lnL(H0)為受約束的零假設前沿模型的對數似然值,lnL(H1)為無約束的備擇假設前沿方程的對數似然值,LR統計量服從混合卡方分布,自由度為受約束變量個數。模型設定檢驗結果如表1所示,可以看出檢驗全部拒絕零假設,隨機前沿生產模型的函數形式為式(5)。

表1　模型形式的假設檢驗結果

注:無約束的對數似然值lnL(H0)為437.66。

(二)模型估計結果及分析

運用Frontier4.1 軟件,基于安徽省16個地級市2000～2015年面板數據估計隨機前沿生產函數模型,估計結果如表2、表3所示。

表2　隨機前沿模型超越對數生產函數估計結果

注:① ② ③ 分別表示在10%、5%和1%的水平下通過顯著性檢驗,下同。

表3　隨機前沿模型生產無效率方程估計結果

從表2、表3可以看出,絕大多數變量都通過了1%的顯著性檢驗,γ值為0.945,說明超越對數生產函數和生產無效率方程都具有較強的解釋力,同時表明實際產出偏離前沿面的主要是由生產無效率造成。經計算,樣本年度中資本的平均產出彈性為0.641,勞動力的平均產出彈性為0.317,資本產出彈性值高于兩倍勞動投入的產出彈性值,結果符合安徽省投資驅動型經濟增長模式現狀。

無效率方程估計結果顯示,財政支出占GDP之比重每增加1%,那么安徽省的技術效率將會降低54.5%,這意味著財政支出對技術效率有明顯的負面作用,這是地方政府之間開展的“為增長而競爭”的錦標賽造成的[19],過去政府官員的晉升與GDP增長率直接掛鉤,這就會導致有些官員為追求短期利益進行大規模重復性建設投資,不僅會造成要素成本的扭曲,還會讓市場機制無法充分發揮優勝劣汰的作用,最后致使企業產能過剩,在進一步削弱企業的盈利能力后降低其生產效率。而第二產業占GDP的比重每提高1%,該地區的生產效率增加10.9%,由此可見安徽省的第二產業發展狀況對于技術效率的影響非常顯著。GDP中進出口總額的比重每提高1%,技術效率水平將增加6.8%。城市化率每提高1%,城市的技術效率則會增加0.82%,但是該顯著性檢驗沒有通過,這可能和安徽省城市化水平區域不均衡和發展質量總體水平較低有關[20],所以對生產效率的影響不明顯。

1. 安徽省TFP測算與分解

由表4可以看出安徽省總體上呈現波動性下降后平穩升高、再逐漸下降的變化趨勢,全要素生產率平均增速為2.32%,僅在2009年呈現負值為-0.3%。從2001年以來大部分年份呈現正值,但是在2009年出現劇烈下跌,直接下降到-0.29%,說明2008年的金融危機對安徽省具有顯著的負面影響,盡管安徽地處我國中部,但是其經濟基礎比較薄弱、產業結構層次低,所以易受外部沖擊,加上當時政府給予的政策支持有滯后性,也在一定程度上降低了當年的經濟效率。在2010～2012年間“四萬億”投資計劃對安徽省各產業產生直接刺激作用,經濟效益好轉,宏觀經濟的恢復刺激企業加強技術研發,社會整體科技創新能力的提升TFP呈增長趨勢。2012年中國及安徽省經濟進入新常態[21],投資過度開始顯現,部分行業產能過剩也在加重,結構性改革帶來的技術進步的提升抵消不了技術效率的惡化,TFP的增長受到嚴重抑制,在2013～2015年間呈現出下降的趨勢。

表4　TFP增長率構成及各部分貢獻率(%)

從全要素生產率增長的構成部分上看,呈逐年上升趨勢的技術進步是推動TFP改善的主導力量,它對TFP增長的貢獻率高達118.5%,這與安徽省科研投入程度的增加及創新改革試驗區的系統推進有關,近年來安徽省積極利用技術后發優勢,將內生性技術創新與外來先進技術相結合,全力配合國家戰略推動皖江城市帶承接產業轉移示范區建設,加大采購創新產品,整合多種優質資源,培育現代產業體系,促進了技術進步的大幅度提高。

值得注意的是技術效率的下降是安徽省TFP提升的最主要制約因素,這說明雖然其科技創新速度在加快,但是技術利用率低下,科技研發成果與生產應用不能及時掛鉤,無法迅速轉化成實際生產力。這與王藝明的研究結果相一致,他認為中國大部分城市的生產效率是下降的,原因一是現在的生產規模不是我國的最佳生產規模,二是管理體制和技術市場還不完善[22]。對于技術進步率上漲與技術效率下降同時存在的現象,J.Felipe曾給出解釋,他認為發展中國家的政府部門更加注重技術進步而忽略技術效率的提高,以致即使技術前沿向前推移也不能帶動生產效率的相應增長[23]。

安徽省規模效率在2001～2015年間年均下降0.68%,變化率一直處于零值以下,這源于規模報酬遞減,即勞動和資本增加的比例大于產出增加的比例,而導致規模報酬遞減的主要因素是資本回報率的下降,這反映出安徽省不但過于追求經濟增長速度,沒有把重點放在經濟增長質量上,大量的無效投資導致資源浪費,而且產業集聚程度低。但是,從2009年起規模效率呈上升趨勢,可以看出情況在改善。

2. 安徽省資本、勞動與TFP增長率對經濟增長的貢獻及變化

如表5所示,安徽省2001～2015年間資本對經濟增長的貢獻率遠高于勞動投入和TFP增長率的貢獻率,經計算資本平均貢獻率為66.13%,TFP增長率的平均貢獻率為22.3%,說明安徽省TFP對經濟的推動作用有限,過去經濟增長方式是粗放式的資本投入型,經濟增長質量總體上不高。各年資本貢獻率比較大是由于安徽省目前處于工業化第二階段向第三階段的過渡時期,投資成為拉動經濟增長的最主要動力,我們可以看出資本貢獻率在2009年更是創出新高,主要原因在于為抵消金融危機的短期波動影響及保持經濟穩定增長,安徽省采取一系列刺激政策, 通過加大財政投入來重點推進重大基礎設施建設。但是從2010年起資本貢獻率逐年下降,說明投資過度已經出現,經濟增長中的資本過度擴張導致資本成本增加及投資效率降低,整個工業產能過剩問題也愈加嚴重,到2014年資本貢獻率緩慢回升則表明去產能成效開始顯現。

表5安徽省2001～2015年資本、勞動和TFP增長率對經濟的貢獻率(%)

年份資本貢獻率勞動貢獻率TFP增長率貢獻率200134.8015.8949.31200244.5014.9440.56200357.7027.0615.24200477.503.4519.05200579.1011.968.94200680.3014.315.39200785.0011.103.90200886.601.5511.85200988.5013.57-2.07201083.506.749.76201158.5024.0617.44201257.305.4337.27201350.9010.9038.20201452.006.2841.72201555.806.3937.81均值66.1311.5822.29

相對而言,TFP增長率貢獻率在2010年起呈上升趨勢,主要由于安徽省政府開始注重建設創新環境,同時加大研發資金的投入,另外合蕪蚌自主創新綜合配套改革試驗區也開始發揮重要作用,引導扶持試驗區內創新型新興產業,使得總體科技創新實力明顯提升,經濟增長質量亦得到提高。

其中勞動貢獻率一直維持在較低水平,這是因為據國家衛生和計劃生育委員會統計,截至2013年底安徽省是我國跨省流出人口最多的省份,創新型人才多涌入經濟相對發達的沿海地區,加上勞動力本身素質低、受教育程度不高,因此對經濟增長有很大的制約作用。

3. 安徽省各城市及區域TFP比較

表6顯示,安徽省2001～2015年大多數地級市的全要素生產率在改善。合肥年均TFP增長率最高,達到2.89%,這是由于合肥作為安徽省省會和長三角城市群副中心具有強大的區位優勢和政策優勢,在整個研究期間政府通過建設國家自主創新示范區來快速整合優勢資源,大力實施技術創新型工程,重點發展新興產業,對創新型企業扶持力度的增加、產業結構的相對改善以及制度改革的推進帶來了TFP水平的大幅度提高。作為全國首批技術創新工程示范城市中之一的蕪湖TFP增長率僅次于合肥,年均約為2.78%,該市創新型經濟的成長壯大主要得益于合蕪蚌試驗區的設立,地方政府善于把握這一機遇發展創新型經濟,用一系列科技政策為高新技術企業提供不同服務模式,在轉型的關鍵時期積極推進各項創新工程,奇瑞汽車等龍頭企業也以自主創新為途徑提高核心競爭力,它們注重新產品研發和工程實驗室的建設,齊力推動蕪湖經濟發展方式由資源驅動向創新驅動轉變, 使蕪湖經濟朝高質量發展方向邁進。滁州、銅陵、宣城及六安的TFP增長率緊隨合肥和蕪湖之后,主要因為它們同屬于皖江城市帶,承接產業轉移示范區的建立給它們帶來了新的發展機會,過去經濟發展的相對落后使它們容易獲益于發達地區的技術溢出效應[24]。在“一軸雙核兩翼”的空間格局部署下,合肥和蕪湖作為核心城市充分發揮輻射功能,帶動了這四個城市創新效率的提高和產業結構的快速優化升級,當然這些城市自身也在把握改革機遇謀求新發展,比如銅陵通過集聚創新創業資源來打造特色高技術產業鏈,并鼓勵重工業企業進行改造升級,在資源短缺與環境污染的雙重壓力下,利用科技創新戰略并積極尋找環保型能源利用方式,走出一條經濟與科技緊密結合的轉型發展之路。蚌埠雖是合蕪蚌試驗區的參與者之一,然而它的TFP增長率遠低于合肥和蕪湖,僅為1.65%,原因可能有三,一是它作為老工業城市對傳統發展路徑依賴性較強,產業結構仍不合理;二是創新激勵政策的落實不到位及創新扶持資金的大幅度縮水,例如在2014年省政府取消了對蚌埠的1億元專項資金支持;三是高新技術產業實力較弱,創新效率水平偏低,據統計截至2016年底合肥和蕪湖規模以上高新技術產業增加值分別達1 294.2億元和823.7億元,蚌埠只達313.8億元。

表6安徽省2001～2015年各地級市TFP增長率均值

地市TFP增長率(%)合肥0.0289淮北-0.0031亳州0.0126宿州0.0142蚌埠0.0165阜陽0.0148淮南-0.0032滁州0.0265六安0.0253馬鞍山-0.0037蕪湖0.0278宣城0.0248銅陵0.0260池州-0.0076安慶0.0198黃山-0.0059

同時我們還注意到只有淮北、淮南、馬鞍山、黃山及池州的TFP增長率為負值,分別是-0.31%、-0.32%、-0.37%、-0.59%和-0.76%。究其原因,淮南、淮北和馬鞍山三市都為資源型城市,經濟發展主要依靠煤電或鋼鐵拉動,產業結構比較單一,即使產業部門多樣化也是依賴于資源開采而存在,資源稟賦優勢帶來的豐富利潤使其忽略技術對經濟發展的重要性,目前高新技術產業還處于起步階段,無法帶動生產效率的提高,而黃山和池州的優勢產業是缺乏技術進步動力的旅游業,TFP的放緩可能與創新要素不活躍有關。

分地區來看,皖北、皖中、皖南地區的TFP年均增長率分別為0.86%、2.51%、1.02%,其中皖中地區最高,皖北地區最低。從表7可以看出,技術進步強力帶動三個區域TFP的增長,技術效率在不同程度上弱化了技術進步對TFP的改進作用,但規模效率卻變化態勢各異,皖中和皖南地區的規模效率分別年均下降0.75%和0.38%,原因在于當規模報酬小于1時,經濟相對發達地區容易集聚更多投入要素,也就是說投入要素的增長幅度更大于其他地區,這樣會使規模效率下降更快[11],而皖北地區的規模效率的上升則可能是由于近年來皖北勞動力回流開始顯現,勞動力整體素質水平有所提升,使規模報酬改進。另外,皖北、皖中及皖南地區TFP改善程度不同主要是由于技術進步率有差異,技術效率及規模效率變化率相差不大,表明優化和提升技術進步率是縮小地區發展差距的關鍵。

表7　安徽省2001～2015年不同區域TFP增長比較

注:表4和表7結果有差異是因為表4的歷年數據由16個城市按照 GDP 的加權平均值計算得到,表7為比較地區差異,由計算歷年數據的算術平均值得到。

四、結論與建議

本文使用超越對數生產函數的隨機前沿模型,對安徽省2000～2015年16個地級市的全要素生產率進行測算和分解,并從勞動、資本和TFP對經濟增長貢獻率的時間變動趨勢角度探討了安徽省經濟增長方式的轉變,最后對各城市及各區域TFP增長率做了比較分析,得到以下結論:

第一,在2000～2015年間,安徽省全要素生產率平均增速為2.32%,總體上呈現先降后升、再逐漸下降的變化趨勢。其中技術進步呈逐年上升趨勢,是促進TFP增長的根本動力,技術效率的下降是阻礙安徽省TFP提升的最主要根源,而規模效率變化率一直處于零值以下,也在一定程度上抑制TFP的提高。

第二,從經濟增長源泉上來看,資本對安徽省經濟增長的平均貢獻率為66.13%,TFP增長率貢獻率平均貢獻率為22.3%,勞動要素和TFP增長對經濟的貢獻率相對較低。經進一步分析后發現TFP增長率貢獻率在2010年起呈上升趨勢,說明安徽省經濟正在向質量效率型集約增長轉變。

第三,分城市來看,除淮北、淮南、馬鞍山、黃山及池州外,其他城市的全要素生產率都在改善,并且處于皖江經濟帶的城市TFP增長率均值要高于其余地級市。分地區來看,皖中地區TFP增長率最高,皖南次之,皖北最低,這主要由于技術進步率差異。

當前安徽省經濟發展正處于原有增長動力減弱,新的增長動力未能有效彌補的階段,礦產業繁榮的逐漸消退也使經濟發展受到嚴重影響,鑒于此本文提出以下建議:

首先,加強供給側結構性改革,重視全要素生產率增長率,通過創新實現經濟過渡,將以資本驅動的經濟增長方式轉變為以創新驅動的發展方式,推動產業結構升級,對傳統產業進行技術改造讓其繼續發揮作用,同時用新技術帶動新產業,推動生產要素從老化產業向新興產業轉移,以創造更高經濟效益。

其次,在加大技術創新投入的基礎上,我們要重視技術效率和規模效率的提升,一方面提高生產能力利用水平,加強科技成果的轉移與轉化,另一方面減少無效投資,優化資源配置,改善資本供給結構。

再次,政府要深化科技體制改革,積極參與天使基金的建設,通過引導社會資本為創新型企業發展注入資金活力,另外利用合蕪蚌試驗區創新平臺,加快科技成果轉化速度,繼續為減輕企業負擔來實施全面深入的結構性減稅,讓企業為創新投入更多資源,提高企業創新積極性。

最后,要提高產業集聚效應,充分發揮皖江示范區在推動安徽省轉型發展中的支撐作用,通過招商引資使安徽省企業與國內外龍頭企業全面對接,促進各城市間的協同合作和創新要素的自由流動,其他城市也應利用比較優勢發展特色產業,加入創新元素,從而縮小區域間經濟差距,實現安徽省均衡可持續發展。

[參考文獻]

[1]張軍,施少華.中國經濟全要素生產率變動:1952-1998[J].世界經濟文匯,2003,(2):17-24.

[2]郭慶旺,賈俊雪.中國潛在產出與產出缺口的估算[J].經濟研究,2004,(5):31-39.

[3]孫琳琳,任若恩.中國資本投入和全要素生產率的估算[J].世界經濟,2005,(12):3-13.

[4]傅曉霞,吳利學.全要素生產率在中國地區差異中的貢獻:兼與彭國華和李靜等商榷[J].世界經濟,2006,(9):12-22.

[5]趙志耘,楊朝峰.中國全要素生產率的測算與解釋:1979-2009年[J].財經問題研究,2011,(9):3-12.

[6]高新才,韓妍.基于Malmquist生產率指數的中國區域工業全要素生產率測度[J].甘肅社會科學,2009,(3):84-87.

[7]張洋,項本武,段東生.中國工業全要素生產率的動態實證分析:1998-2007:基于DEA模型的Malmquist指數方法[J].決策與信息旬刊,2011,(2):124-125.

[8]楊勇,李忠民.供給側結構性改革背景下的要素市場化與工業全要素生產率:基于31個地區的實證分析[J].經濟問題探索,2017,(2):31-38.

[9]Arazmuradov A,Martini G,Scotti D. Determinants of total factor productivity in former Soviet Union economies: A stochastic frontier approach[J].Economic Systems,2011,38(1):115-135.

[10]Aisen A, Veiga F J. How does political instability affect economic growth?[J].European Journal of Political Economy, 2013, 29(568):151-167.

[11]王德祥,薛桂芝.中國城市全要素生產率的測算與分解(1998-2013):基于參數型生產前沿法[J].財經科學,2016,(9):42-52.

[12]李靜,李逸飛,馬永軍.中國城市全要素生產率增長率的動態實證分析及收斂性研究[J].江淮論壇,2016,(3):54-63.

[13]洪功翔,張蘭婷.安徽經濟崛起的比較與解析[J].江淮論壇,2014,(3):75-79.

[14]Battese G E, Coelli T J. Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India[M].Berlin:Springer Netherlands, 1992:149-165.

[15]Kumbhakar S C, Lovell C A K. Stochastic frontier analysis[M]. Cambridge: Cambridge University Press, 2000.

[16]余泳澤.中國省際全要素生產率動態空間收斂性研究[J].世界經濟,2015,(10):30-55.

[17]張健華,王鵬.中國全要素生產率:基于分省份資本折舊率的再估計[J].管理世界,2012,(10):18-30.

[18]張軍,吳桂英,張吉鵬.中國省際物質資本存量估算:1952-2000[J].經濟研究,2004,(10):35-44.

[19]李濤,周業安.中國地方政府間支出競爭研究:基于中國省級面板數據的經驗證據[J].管理世界,2009,(2):12-22.

[20]楊軍.推進安徽新型城鎮化建設[J].宏觀經濟管理,2013,(6):75-76.

[21]金碚.中國經濟發展新常態研究[J].中國工業經濟,2015,(1):5-18.

[22]王藝明,陳晨,高思航.中國城市全要素生產率估算與分析:2000-2013[J].經濟問題,2016,(8):1-8.

[23]Jesus Felipe. Total factor productivity growth in East Asia: A critical survey[J]. The Journal of Development Studies, 1998, 35(4):1-41.

[24]熊義杰.技術溢出效應與區域經濟發展[M].北京:科學出版社,2016.