蘇南地區要素配置和創新效率研究：2002～2018

范 金 陳 敏

1（南京林業大學經濟發展質量研究中心， 南京 210037）2（南京林業大學經濟管理學院， 南京 210037）

引言

自從2002 年中國加入WTO 以來，以蘇寧錫常鎮五市所構成的蘇南地區無疑是長三角地區、乃至中國融入全球化最活躍的地區之一，一直在“中國方案”中扮演著示范引領角色。2018 年全國“GDP 萬億俱樂部”城市總共16 個，蘇寧錫就占3 席。在人均GDP 超過2 萬美元的15 個城市中，蘇南5 市除鎮江外全部在列。因此，無論是從發展數量還是發展質量看，蘇南地區均顯示出強勁態勢。實際上，早在2014 年11 月3 日，國務院正式批復，同意支持南京、蘇州、無錫、常州、昆山、江陰、武進、鎮江8 個高新技術產業開發區和蘇州工業園區建設蘇南國家自主創新示范區。2018 年7 月5 日，經國務院同意，國家發展改革委正式印發《蘇南現代化建設示范區規劃》。顯示出國家對蘇南地區實現現代化強國的示范引領作用的厚望。因此，探討2002～2018 蘇南地區要素配置和創新效率研究，具有重要的現實意義。

十九大報告提出，“我國經濟已由高速增長階段轉向高質量發展階段”，通過全要素生產率（Total Factor Productivity，TFP）促進經濟增長已成為社會共識。最新研究表明，優化要素配置是提高TFP 的重要途徑［1，2］，主流經濟學研究通過辨析要素錯配來研究要素配置的優化問題。主流方法一般圍繞要素錯配的測度、原因和影響三方面展開：（1）要素錯配的測量方法，主要包括直接測量法和間接測量法。直接測量法僅考慮某一特定因素造成的要素錯配程度；間接測量法不單獨考慮某一因素，而是將所有造成要素錯配的潛在因素看作“經濟楔子”，是現階段學術界采用的主流方法［3-5］；（2）要素錯配的形成原因，主要包括現實層面與制度層面。前者指經濟運行過程中不可避免的現實因素所導致的要素錯配，如行業生產率異常波動將引起企業實際資本投入偏離最優投資決策，最終導致行業內企業間的資本錯配程度增加；后者指政府的制度安排、政策安排等導致的要素錯配，如政府壟斷、住房限制［6-10］。劉同山和吳剛（2019）認為農戶需求、制度與自然因素是造成農地資源錯配的主要原因［11］；（3）要素錯配對TFP 的影響及其程度大小。Aoki（2012）為弄清TFP 差異是由于技術差異造成還是要素配置導致的，將國與國之間的TFP 差異拆分為技術差異、部門份額差異以及部門內要素配置效率差異，發現因要素配置差異導致日本和美國的TFP相差9 個百分點［12］。Brandt 和Tombe（2013）對1985～2007 年中國制造業和服務業部門的生產率進行研究，發現中國勞動力和資本在省際間的錯配及省內的部門間錯配導致總TFP 損失20%［13］。Jovanovic（2014）通過建立企業的成長模型，發現更有效分配可促進經濟更快速的長期增長、更大的不平等以及人力資本分配中更少的人員流動［14］。袁志剛和解棟棟（2011）利用1978～2007 的宏觀產業經濟數據，估算出改革開放以來勞動力錯配對經濟增長負效應的效率損失在-2%～-18%，并呈逐漸擴大趨勢［15］。張鐘文（2017）構建了一個基于總產出行業生產函數的增長核算框架，來衡量行業要素錯配對總體經濟的TFP 的影響［16］。

本文可能的創新之處在于：（1）已有文獻大多假設生產函數的規模報酬不變，但考慮到蘇南地區處于創新示范引領地位，本文嘗試作出規模報酬遞增的假設；（2）已有文獻一般對某一地區整體經濟體系進行研究，本文嘗試將地區按知識、技術密集度的高低劃分為高技術部門和傳統部門，從而最大程度的刻畫技術要素配置效率的影響；（3）已有文獻僅關注科技創新資源內部投入產出配置效率問題，本文嘗試將科技要素作為一個部門，放在整個經濟體系中進行研究。

1 理論模型與數據說明

1.1 理論模型

假設地區部門的生產函數滿足Cobb-Douglas形式：

其中，i∈｛1，2，…，N｝表示地區（地級市），j∈｛h，l｝表示部門（高技術部門，傳統部門）。Yij、Aij、Kij以及Lij分別表示地區部門的產出、全要素生產率、資本投入以及勞動投入。αij＋βij＝1，η為規模報酬遞增的程度。

i地區的生產函數具有CES 形式：

其中，Yi、Yih以及Yil分別表示i地區的總產出，高技術部門的產出以及傳統部門的產出。參數σ與i地區不同部門間產出替代彈性相關。省級層面的生產函數依此類推。

根據經濟主體的一階優化條件以及市場出清條件，均衡要素配給滿足：

借鑒陳詩一和陳登科（2017）［5］的經驗，資本市場扭曲和勞動市場扭曲可根據以下公式識別：

在推導出均衡要素配給的基礎上，i地區的實際全要素生產率Ai可表示為：

令τijk＝τijl＝0，可得要素配置有效情況下的潛在全要素生產率參照Gilchrist 等（2013）的做法，本文將要素配置扭曲D定義為：

進一步借鑒陳詩一和陳登科（2017）［5］的研究思路，基于“反事實”框架，即消除某一扭曲所導致的要素配置扭曲的減少，考察各投入要素扭曲以及各部門扭曲對總體要素配置扭曲的貢獻。

最后，參考Fare（1994）［18］的研究思路，基于DEA 模型的Malmquist 指數法，可以將TFP 的變動分解為技術進步變化指數（Technical Change，TC）以及技術效率變化指數（Efficiency Change，EC），具體分解過程如式（9）所示，其中，各個指數大于1、等于1 以及小于1 分別表示效率提升、不變以及下降。

1.2 變量選取與數據說明

產出。本文選取“地區生產總值”作為產出的代理變量。南京、蘇州、無錫、常州以及鎮江的地區生產總值可以直接從年鑒中找到，高技術部門的地區生產總值利用“高新技術產業產值占規模以上工業總產值的比值”推算得出。以上數據來源于2003～2019 年《江蘇統計年鑒》。

資本投入。本文選取“資本存量”作為資本投入的代理變量。由于這一變量無法直接獲取，目前已被普遍采用的測算方法是Goldsmith（1951）開創的永續盤存法，即：

其中，δi，t為i地區第t年的經濟折舊率，Ii，t為i地區第t年的投資。

關于初始資本存量的選擇，已有研究大多采用張軍等（2004）［19］歸納的兩種做法：（1）用初始年份的資本形成總額除以10%估算得出；（2）沿用已有文獻計算出來的資本存量。本文采用第2 種方法，借鑒張軍等（2004）對江蘇省2000 年資本存量的估計作為初始資本存量，9.6%作為經濟折舊率，投資額選用“固定資本形成總額”這一指標，利用式（10）測算出2001～2018 年江蘇省的資本存量。南京、蘇州、無錫、常州以及鎮江的資本存量利用“各市工業增加值占江蘇省工業增加值的比值”推算得出，高技術部門的資本存量通過“高技術產業固定資產投資額占固定資產投資額的比值”推算得出。以上數據來源于2002～2019 年《江蘇統計年鑒》 和《中國高技術產業統計年鑒》。

勞動投入。本文選取“從業人員數”作為勞動投入的代理變量。南京、蘇州、無錫、常州以及鎮江的從業人員數可以直接從年鑒中找到，高技術部門的從業人員數利用“高技術產業從業人員年平均人數占第二產業從業人員數的比值”推算得出。以上數據來源于2003～2019 年《江蘇統計年鑒》 以及《中國高技術產業統計年鑒》。

值得注意的是，產出數據和資本投入數據均為名義值，包含了各年的價格變動因素，為確切地反映實物變動，本文采用工業生產者出廠價格指數對名義產出進行平減，利用固定資產投資價格指數對名義投資額進行平減，最終折算為以2000年為基準年的不變價數據。價格指數數據來源于2001～2019 年《中國價格統計年鑒》。

2 蘇南經濟發展與要素配置現狀

在進行各項指標計算前，通過回歸結果給出各個參數的取值。（1）對各地區各部門的投入產出數據分別取對數作二元線性回歸，由OLS 估計量可發現除鎮江傳統部門外，各地區各部門的生產函數普遍存在規模報酬遞增的現象，遞增程度在1.05～1.9 之間不等，驗證了之前規模報酬遞增的假設，保守估計，本文選取η＝1.1，即假設蘇南地區所有生產函數的規模報酬遞增程度為1.1；（2）對每一生產函數進行有約束的回歸可得到αij、βij的取值，表1 顯示，高技術部門資本和勞動的彈性系數基本相當，表2 顯示，傳統部門資本的彈性系數遠大于勞動的彈性系數，兩部門資本和勞動彈性系數的回歸結果都在1%的水平上高度顯著；（3）根據式（2）實際數據的擬合，可得參數σ取值為0.01。

表1 分地區高技術部門生產函數回歸結果

表2 分地區傳統部門生產函數回歸結果

圖1 2002～2018 年蘇南TFP 增長率與GDP 增長率

圖3、圖4 分別給出2002～2018 年蘇南地區分部門TFP 的變動情況，以及蘇南地區整體TFP變動的DEA-Malquist 指數分解。圖3 顯示：（1）蘇南地區傳統部門TFP 的波動幅度很小，基本穩定在較低水平，而高技術部門TFP 的波動十分劇烈，2008 年后增長幅度明顯，高于蘇南地區整體TFP 的增長；（2）高技術部門TFP 的具體數值介于6～10 之間，而蘇南地區整體TFP 與傳統部門TFP 的大小基本維持在一個數量級，介于0～2 之間。以上分析表明蘇南地區整體TFP 增長主要依賴于高技術部門TFP 增長的拉動，但高技術部門在蘇南地區整個經濟體系中所占比重還很小，傳統部門在蘇南地區整體TFP 增長中起穩定壓艙石的作用。從圖3 可以看出，除個別年份外，技術進步變動指數基本都大于1，技術效率變動指數在1 附近起伏且波幅很小，說明Malmquist 指數增長比較明顯的階段，主要依賴于技術進步的提高。此外，Malmquist 指數變動的曲線與技術進步變動指數的曲線幾乎一致，技術效率變動指數對Malmquist 指數變動的貢獻很小，說明蘇南地區經濟增長主要取決于創新的技術支持。但就像上文提到的，蘇南地區TFP 增長率平穩，高技術部門TFP 在整個經濟體系中所起所用尚小。蘇南地區進一步發展僅依賴技術進步促進經濟增長的拉動模式動力不足，技術效率變動未發揮其應有的優勢，因此其有望成為新的增長潛力，驅動蘇南地區經濟增長。

圖2 2002～2019 年中國GDP 增長率（%）和TFP 變化趨勢

圖3 2002～2018 年蘇南整體和分部門TFP

圖4 不同時期蘇南整體TFP 變動的DEA 分解

表3 給出2002～2018 年蘇南地區整體以及各市的要素配置扭曲程度。（1）平均而言，2002～2018 年期間，蘇州、無錫、南京、鎮江以及常州要素配置扭曲的均值分別為0.22、0.36、0.64、0.66 和0.68，說明分析期間要素配置扭曲導致蘇州、無錫、南京、鎮江以及常州TFP 年均下降21%、36%、64%、66%和68%；（2）分析期間要素配置扭曲導致蘇南地區整體TFP 年均下降36%，略小于五市的簡單加權平均值，我們認為這與模型設定中，未考慮地區間要素錯配的影響有關，這也從側面說明蘇南地區整體要素配置扭曲程度被低估；（3）從走勢上看，蘇南地區整體以及各市的要素配置扭曲呈波動下降的態勢，究其原因，與生產函數規模報酬遞增的假設有關，在規模報酬遞增的假設下，潛在TFP 的增長值偏小，進而要素配置扭曲程度隨時間推移有減小趨勢；另外，這與蘇南地區要素錯配狀況略微改善有關。

3 要素錯配的原因分解

雖然蘇南地區要素配置扭曲狀況出現改善，但要素錯配的存在降低了要素配置效率，進而影響技術效率變動對經濟增長的貢獻，因此，本文基于“反事實”框架，探尋要素配置扭曲背后的機制，具體按以下3 個維度對要素錯配扭曲進行剖析：（1）從投入要素角度，包括資本要素與勞動要素對要素配置扭曲的貢獻；（2）從部門角度，包括高技術部門與傳統部門對要素配置扭曲的貢獻；（3）從地區角度，包括實際TFP 與潛在TFP 的對比。

圖5 給出資本扭曲和勞動扭曲對總體扭曲貢獻率變化的曲線，平均而言，分析期間資本、勞動要素扭曲對總體扭曲的貢獻率分別為71.02%、28.98%，說明資本要素扭曲是蘇南地區要素配置扭曲的主要貢獻者。從變化趨勢上看，資本扭曲對總扭曲的貢獻度在下降，勞動扭曲對總扭曲的貢獻在上升，且有相互持平的跡象，說明蘇南地區金融體制改革取得一定成效，資本錯配狀態得到改善，相比之下，勞動錯配狀態改善并不明顯，此消彼長，勞動扭曲對總扭曲的貢獻越來越大，成為矯正要素配置扭曲過程中越來越不可輕視的部分。

圖5 資本、勞動對總扭曲的貢獻

圖6 給出高技術部門扭曲和傳統部門扭曲對總體扭曲貢獻率變化的曲線，可以很直觀地看到，傳統部門扭曲對總扭曲的貢獻呈波動下降趨勢，高技術部門扭曲對總扭曲的貢獻呈上升趨勢，且2015年后，高技術部門超越傳統部門成為蘇南地區要素配置扭曲的首要貢獻者。計算結果顯示，在不考慮部門間扭曲的情況下，平均而言2002～2018年期間高技術部門扭曲與傳統部門扭曲對總體扭曲的貢獻率分別為30.86%、69.14%，高技術部門扭曲的貢獻相對很低，這與高技術部門在整個經濟體系中所占份額較小有關；另外也驗證了之前高技術部門TFP 對整體TFP 增長貢獻最大的結論，但同時也可以看到，高技術部門的發展速度快，具有高附加值、高效益以及高風險等特點，其內部要素配置扭曲對總扭曲的貢獻也在不斷放大，提高高技術部門的要素配置效率刻不容緩。

圖6 高技術部門以及傳統部門對總扭曲的貢獻

圖7 蘇南五市實際全要素生產率（TFP）

圖8 蘇南五市潛在全要素生產率（TFP）

圖7 和圖8 分別給出蘇南五市實際TFP 與潛在TFP 的變化曲線，根據式（8）關于要素配置扭曲的定義，要素配置扭曲值與實際TFP 成反向關系，與潛在TFP 成正向關系。由表3 可知，蘇南五市要素配置效率的排名為蘇州、無錫、南京、常州以及鎮江，說明蘇州的各種要素投入得到最充分的利用，從具體數值上看，蘇州和無錫的扭曲值較小，在一個梯度，南京、鎮江以及常州的在另一梯度。一般而言，經濟發展水平較高的地區，要素配置效率排名相對靠前，如蘇州、無錫，經濟發展水平較低的地區，要素配置效率排名相對靠后，如鎮江、常州，但南京作為經濟發展水平較高的地區，要素配置效率卻較低，出現如此異常，究其原因，我們認為與潛在TFP 有關。從實際TFP 看，蘇州一直領先，南京與無錫不分伯仲，三者遠超過常州、鎮江，穩定在較高水平；但從潛在TFP 看，南京遙遙領先，與其他4 個市之間形成巨大差距，這從側面反映出南京作為省會城市，不管是從財力投入還是人才配置方面都有著得天獨厚的優勢，在蘇南五市里面最具有發展前景，其要素配置效率問題是蘇南五市的重中之重。

4 結論與建議

本文創新性地按照技術水平的高低將整個經濟體劃分為高技術部門和傳統部門兩個部門，并做出生產函數規模報酬遞增的假設，通過對蘇南地區TFP 增長以及要素配置效率的研究，分析蘇南地區經濟增長的發展潛力。所得主要結論如下：

（1）相比全國而言，蘇南地區TFP 增長與經濟增長降速換擋并不同步，蘇南作為國家自主創新示范區之一，創新引領、內生增長優勢依然明顯。其中，蘇南地區整體TFP 的增長主要依賴于高技術部門TFP 增長的拉動，傳統部門TFP 穩定在較低水平，但波幅很小，對蘇南地區整體TFP起穩定壓艙石的作用。

（2）由蘇南地區TFP 增長率的DEA-Malquist指數分解發現當前蘇南地區經濟增長主要依靠創新技術的支持，但僅依賴技術進步促進經濟增長的拉動模式動力不足，要素錯配的存在降低了要素配置效率，蘇南地區經濟進一步增長需要技術效率變動發揮其應有的優勢。

（3）要素配置扭曲的部門分解顯示，雖然高技術部門對蘇南地區整體TFP 增長的貢獻度最大，分析期間對整體要素配置扭曲的貢獻僅占30.86%，但同時也可以看到高技術部門因其高附加值、高風險的特點，要素配置扭曲對總扭曲的貢獻也在不斷放大，甚至在2016 年后超越傳統部門扭曲對總扭曲的貢獻。

（4）要素配置扭曲的要素分解顯示，盡管資本要素扭曲一直是蘇南地區要素配置扭曲的主要貢獻者，但資本扭曲狀況有改善趨勢并趨于收斂，勞動扭曲反而有惡化趨勢，逐漸成為矯正要素配置扭曲過程中越來越不可輕視的部分。

（5）從地區角度，蘇南五市要素配置效率的排名為蘇州、無錫、南京、常州以及鎮江，蘇州各種要素投入得到最充分的利用，實際TFP 最大，要素配置效率最高，而南京作為省會城市，潛在TFP 遙遙領先，要素配置效率排名靠后，應引起重視。

基于以上結論，提出以下政策建議：

（1）瞄準國內國際科技發展前沿，催生蘇南地區經濟高質量發展新動能。強化關鍵共性技術、前沿引領技術、現代工程技術、顛覆性技術創新的系統布局，加快推動蘇南地區經濟發展向網絡化、數字化、智能化、綠色化轉變，為推進蘇南地區經濟高質量發展搶占“制高點”。

（2）充分發揮蘇南地區科教資源集聚優勢，構建高效協同科技創新體系。以國家實驗室為引領，加快推進國家科技創新基地的優化整合，建設一批世界一流的科研院所和創新領軍企業，著力提高科技創新對實體經濟的貢獻率。

（3）推動蘇南地區多層次資本市場建設，促進資本要素高技術產業流動。鼓勵高新技術產業的多元投入，規范發展各類市場化風險投資基金，形成靈活多樣的投入和退出機制，為高技術企業發展創造良好條件。

（4）加大蘇南地區科技創新開放合作力度，加速集聚國際科技創新人才。加大對促進高質量發展的急需緊缺人才和區域特色產業人才的培養引進力度，不斷拓展國際科技合作的深度和廣度，通過與國際著名機構建立聯合實驗室等方式，集聚一批國際化行業領軍人才，吸收國際頂尖人才加盟蘇南地區。