經濟新常態下重慶全要素生產率的測算與分解研究

摘 要：基于經濟新常態背景，研究全要素生產率對經濟可持續發展有著重要意義。根據2000年-2018年重慶市38個區縣的面板數據，本文采用序列DEA的方法測算了重慶全要素生產率及其分解情況，并在此基礎上，分析了重慶縣域全要素生產率增長的時空特征。結果表明：（1）整體上重慶市全要素生產率增長率達到2.6%，技術進步是增長率提高的主要動力，而技術效率對增長率的貢獻相對有限。（2）從時間趨勢上看，全要素生產率增長波動的階段性特征顯著，按照波動特點將其分為2000年-2005年，2005年-2011年，2011年-2018年三個階段。（3）從空間角度看，重慶市全要素生產率、增長率呈現空間不均衡的特點，一小時經濟圈增長最快，渝東北翼次之，渝東南翼增長最慢。

關鍵詞：全要素生產率;序列DEA;技術效率;技術進步

一、引言

中國的經濟在持續三十多年的高速增長后，在2011年出現減速跡象，至今中國GDP增長率下降成為趨勢，中國經濟已經進入了結構性減速期，目前整體經濟發展形勢正處于由高速發展向高質量發展的攻關期。2017年的《政府工作報告》指出要繼續保持穩中求進的總基調，堅持努力適應把握并引領經濟發展的新常態。如何增強經濟增長動力，推動結構轉型升級，從而引領和適應新常態，成為當下經濟發展關注的重中之重。按照新古典經濟增長的理論，全要素生產率（Total Factor Productivity，TFP）是推動經濟可持續增長的動力源泉。當下經濟依靠要素投入帶動發展存在后續乏力的可能，因此提高全要素生產率成為未來促進經濟增長的重要措施。

目前國內對TFP的研究主要包括：第一，TFP的不同測算方法。測算方法分為參數方法和非參數方法，區別主要在于是否需要具體的生產函數形式。參數方法包括索羅余值法、隨機前沿生產函數法等;非參數方法主要包括指數法、數據包絡分析法等。其中，王艷芳（2019）采用索羅余值法對全國三次產業的全要素生產率進行測算。向玲凜（2017）采用隨機前沿生產函數法分別測算出對于不同地區的全要素生產率及其分解。王力（2016）采用非參數DEA和參數SFA模型相結合的方法，測算了棉花全要素生產率。魏下海、余玲錚（2011）分別采用兩種方法研究測算，認為數據包絡分析法比隨機前沿生產函數法得到的結論可能更加可靠且更滿足對中國經濟現實的解釋。第二，不同空間視角的TFP測算。吳春雅（2015）從4個角度比較分析了江西縣域全要素生產率指數及其分解情況。魯志國等（2020）以廣東省為例研究金融效率、產業結構升級與全要素生產率的動態關系及其區域差異。肖曉軍等（2020）基于省級面板數據分析了環境規制影響貿易出口與綠色全要素生產率之間關系的作用機制。楊萬平、滕澤偉等（2020）從生態和綠色的角度測算國家層面的全要素生產率并進行空間差異的分析探討。第三，影響因素分析。學者們從不同角度對TFP的影響因素進行探討，主要包括產業結構（例如江永紅、陳奡楠）、勞動保護（例如廖冠民等）、房地產調控（例如羅鵬）、政府補貼（例如李政）、互聯網發展（例如李欠男等）、外商直接投資（例如崔興華）等方面。

縱觀文獻，學者們在宏觀層面的研究分析已經比較全面，但是目前以區縣為測度對象的測算和分析較少。而縣域經濟不僅是構造區域經濟的基礎，更是促進城市發展的重要環節，因此從縣域層面討論十分必要且有意義。另外，研究方法以往以傳統的DEA方法為主，很少有文獻采用序列DEA方法，其可以有效解決“技術退步”的問題。同時，重慶作為四大中央直轄市之一，是經濟發達的東部地區與資源聚集的西部地區之間聯系的重要橋梁，也是“一帶一路”、“長江經濟帶”以及“成渝經濟圈”建設的重點城市。然而，重慶GDP在高速增長10年來，在2017年首次下降到兩位數以下，2018年增速保持下行趨勢。全要素生產率是帶動重慶經濟發展的重要動力，研究全要素生產率對于重慶市促進經濟增長具有重要意義，也能夠為其他地區實現經濟高質量發展提供參考借鑒。

本文基于重慶38個區縣的面板數據，采取序列DEA的方法來測算重慶的全要素生產率及其分解情況，并進一步考察重慶TFP增長的時間變動趨勢和特征。在此基礎上對于重慶不同的區域提出差異化的政策建議，以期在經濟新常態背景下，為推動重慶市以及其他地區提高全要素生產率，推動經濟結構轉型提供決策依據。

二、研究方法

基于2000年-2018年重慶38個區縣的面板數據，本文采用數據包絡分析法（Data Envelopment Analysis，DEA）對全要素生產率及其分解情況進行測算。Fare等將全要素生產率（TFPCH）分解為技術效率變動指數（TEC）和技術進步指數（TC），這樣有利于后續分析可以更加清晰考察增長情況。將各個區縣作為獨立的生產決策單位，通過統計數據來找到不同時期的最佳生產前沿面，并比較決策單元的生產與最佳生產前沿面。

首先，假設第k（k=1，2，…，K）個生產決策單位在第t（t=1，2，…，T）個時期使用了n（n=1，2，…，N）種投入Xtk，n，生產出了m（m=1，2，…，M）種產出，在規模不變且要素投入強可處置性的條件下，從產出角度對全要素生產率的變動進行研究。

借鑒Shestalova提出的序列DEA方法，將各期的參考集包含以前所有時期的參考集，并把參考技術定義為：

其中，xt、yt分別表示了t時的投入和產出向量，技術效率變動指數（TEC）反映了從t期到t+1期各地區對最佳生產前沿的追趕程度，即資源配置和使用效率的改善程度;技術進步指數（TC）體現了技術前沿從t期到t+1期的變動情況，即生產技術的發展程度。

三、變量處理與數據來源

1.變量處理

參考章祥蓀、貴斌威（2008）的文獻，并結合數據可獲取性，本文構建了全要素生產率的測算指標。其中，產出指標為重慶市38個區縣的國內生產總值（Gross Domestic Product，GDP），需要說明的是，本文將各年38個區縣的GDP均折算為2000年可比價格。投入指標為資本投入和勞動投入兩個指標。具體來說，勞動變量選取為重慶各區縣的全部就業人數。而資本投入的指標按照普遍使用的永續盤存法計算固定資本，公式如下：

其中，Kit表示i地區t年的資本存量，Iit表示i地區t年的固定資產投資流量，δ表示資產折舊率，按張軍等（2004）研究，選取9.6%為固定資產折舊率。

2.數據來源

本文的數據來源為2001年-2019年的《重慶統計年鑒》。需要說明的是，有些年份部分數據缺失，本文使用線性插值法補齊。另外，由于區劃變動，2011年萬盛區和雙橋區已經分別納入綦江區和大足區，為了保持統計口徑一致，統計時未包括在內。

四、全要素生產率的測算結果及分析

1.全要素生產率變動的時間特征

首先，整體上重慶TFP年均增長率為2.6%，技術進步年均增長率約為1.5%，技術效率年均增長率約為1.1%。技術進步對于TFP增長的推動作用更大且與TFP增長率變動趨勢的一致性更強，說明技術進步是推動TFP增長率提高的主要動力。技術效率對于TFP增長率的貢獻相對有限，且在部分年份中對于其增長甚至呈反向變動趨勢，但其變動對于TFP增長率仍有重要影響，也是TFP增長率提高的重要動力。

其次，重慶TFP增長率波動的階段性特征較為明顯，根據TFP增長率的波動起伏大致將其增長情況劃分為2000年-2005年、2005年-2011年、2011年-2018年三個階段。首先，2000年-2005年期間TFP年均增長率提升較慢，但是實現了由負增長轉變為正增長，呈現增長態勢。2005年TFP增長率有所下降，但仍保持正增長，可能與2005年實施一系列控制部分行業投資增長過快的政策，從而影響技術研發投入。2005年-2011年整體TFP增長率增長較快，當期內達到5%以上，可能與深入實施科教興國和人才強國戰略，提高自主創新能力有關。雖然在2009年受到全球金融危機以及其時間滯后性影響，導致資本波動，使TFP增長率有所下滑，但因重慶市主導產業的技術含量較高，以及政府出臺一系列穩定經濟的舉措使其下降幅度不大，保持在5%左右。且在金融危機過后經濟逐漸回溫，恢復較快的正增長。而在2012年由于經濟新常態轉型和新一輪經濟危機的影響，增長率下降至1.7%。在此之后，隨著經濟逐漸轉型，TFP增長率保持在2%左右，且其波動呈現收斂形式。可能是因為政府對于鼓勵技術創新、引進人才設備等政策的實施力度加大，推動技術進步增速逐漸提高，使其表現出更強的可持續性。

2.全要素生產率變動的空間特征

首先，由下表觀察到各地區TFP指數及其分解情況的差異明顯，即各地區發展不平衡。除秀山縣的TFP指數小于1外，其他37個區縣TFP指數都大于1，即各區縣的TFP基本實現正增長。其中，渝北區增長最大，增幅達到8.9%，這可能與先前渝北區建設一批高科技園區以及長期政府的科技政策扶持有關，通過提高科學技術水平，帶動TFP增長率提高。反觀秀山縣的TFP指數最低，仍為負值，主要是由于地區較偏遠，經濟發展不充分，科技人才和設施不足，以及當地對于技術研發和利用的程度不高，導致其技術效率和技術進步相對都較為緩慢從而影響當地TFP增長。

為進一步考察TFP增長率在空間上的差異，本文對“一圈兩翼”（一小時經濟圈、渝東南翼、渝東北翼）三大區域展開具體的分析。首先，從TFP年均增長率來看，一小時經濟圈和渝東北翼的TFP增長率提升較快，平均增速分別為3.2%和2.3%，渝東南翼的TFP增長率提升最慢，平均增速僅為0.9%。究其原因，應是一小時經濟圈地理位置更加優越，地區經濟發展較快，資本、技術、人才等資源方面的優勢更加突出，從而推動地區各種資源集聚，導致TFP增長率增長迅速。其次，從技術進步年均增長率看，一小時經濟圈、渝東南翼、渝東北翼的技術進步平均增長約為2.56%、0.06%、0.4%，一小時經濟圈的技術進步水平最高，與其他地區差距較大。究其原因，應與一小時經濟圈通過推動建設六大產業集群有關，推動產業發展，提高創新能力，帶動技術和TFP的迅速發展。而兩翼的地理位置相對偏遠，資金和資源相對匱乏，對于人才和技術的吸引力不足，產業發展相對緩慢，導致其創新能力較弱，技術進步緩慢。最后，從技術效率增長率角度看，一小時經濟圈、渝東南翼、渝東北翼的技術效率變化分別約為0.7%、0.9%、1.95%。總的來說，整體上各地區的技術效率進步較慢，且地區差距較大：一小時經濟圈技術效率水平最低，其TFP增長的重心主要放在提高技術水平方面，依靠技術進步帶動全要素生產率發展，相比之下對于技術效率的重視程度不足，對資源利用效率相對較低。渝東北翼的技術效率較高，TFP增長主要由技術效率帶動，相比其他地區，當地對技術的利用效率較高，匹配當地合適的產業和資源。渝東南翼技術效率水平較低，主要是由于經濟、技術等都較為落后，人才缺乏以及當地產業發展不足，影響了整體發展。

五、主要結論與建議

本文運用序列DEA的方法，針對2000年-2018年重慶市38個區縣的面板數據，對重慶市全要素生產率及其分解情況進行測算與分析，結果如下：（1）從時間變動趨勢上看，重慶全要素生產率年均增長約為2.6%，技術進步年均增長約1.5%，技術效率年均增長約1.1%。根據數據分析，發現技術進步對全要素生產率增長率變動的一致性和推動作用更大，是重慶全要素生產率增長率提高的主要動力，技術效率對于全要素生產率增長率的貢獻相對有限，但仍是全要素生產率增長率的重要影響因素。（2）從時間階段來看，重慶全要素生產率增長率增長的階段性較為明顯，在2000年-2005年增速較慢，但實現了增長率由負增長到正增長的轉變，在2005年-2011年增速較快，達到了5%左右的增速。在2011年以后，全要素生產率的增長率增速保持在2%，且其增速的波動呈現收斂態勢。（3）從空間角度看，不同地區和區域的全要素生產率增長率及其分解情況的差距較大。一小時經濟圈全要素生產率的增速最快，主要依靠技術進步推動增長率進步，總體具備可持續發展的潛力。而渝東北翼的全要素生產率增速不高，應該主要是受到了技術進步水平不足的影響，未來在區域技術引進與研發方面還需要進一步加強。渝東南的技術效率和技術進步水平都較低，導致TFP增速緩慢，與其他區域的差距明顯，為了促進區域協調發展，后期需要更加重視對于低技術低效率地區的幫扶。

基于經濟新常態背景和分析結果，本文的政策建議如下：（1）因地制宜，根據當地特點，采取不同措施提高全要素生產率、增長率。在對不同地區的資源、產業等因素綜合考量后，綜合選擇匹配相應適合的產業、技術、設備等資源，推廣適宜當地的技術，并加強宏觀調控能力，促進資源配置更加合理，提高技術利用率，推動技術效率水平發展。（2）實現技術效率與技術進步的雙動力協調驅動發展。不同地區的各區縣應針對自身情況選擇發展重點：一小時經濟圈應在保持技術研發水平的基礎上，側重于加強自身的資源配置能力，提高技術使用效率。渝東南和渝東北地區應適當加大技術研發創新、引進人才資源以及引進適宜的技術力度，更新生產設備，同時建立科研創新激勵體系，通過減稅降費、財政補貼等方式激勵創新，提高自主創新能力，推動技術進步增長。（3）整體上注重區域協調發展。深化流動體制機制改革，促進區域之間資源的流動性，并降低區域內的流動障礙，使資源流動渠道能夠暢通。同時，加強對技術進步和技術效率較為落后地區的幫扶力度，實現各地區技術共享，進一步縮小區域差距，帶動整體協同發展，實現區域結構優化，建設創新型城市，增強經濟發展動力。

參考文獻：

[1]王艷芳.基于人力資本視角的我國三次產業TFP再測算[J].統計與決策，2019，35（24）：137-140.

[2]向玲凜.基于SFA模型的西部地區TFP增長率測算及其效率分解[J].統計與決策，2017（03）：152-155.

[3]王力，韓亞麗.中國棉花全要素生產率增長的實證分析——基于隨機前沿分析法[J].農業技術經濟，2016（11）：95-105.

[4]魏下海，余玲錚.中國全要素生產率變動的再測算與適用性研究——基于數據包絡分析與隨機前沿分析方法的比較[J].華中農業大學學報（社會科學版），2011（03）：76-83.

[5]吳春雅.江西縣域經濟的比較研究——基于全要素生產率視角[J].中國農學通報，2015，31（24）：258-264.

[6]魯志國，趙培陽.金融效率、產業結構升級與全要素生產率的動態關系及區域差異研究——以廣東省為例[J].經濟問題探索，2020（10）：94-109.

[7]肖曉軍.環境規制視角下貿易出口對中國綠色全要素生產率的影響——基于省際面板數據的非線性實證檢驗[J].軟科學，2020，34（10）：18-24.

[8]楊萬平，李冬.中國生態全要素生產率的區域差異與空間收斂[J].數量經濟技術經濟研究，2020，37（09）：80-99.

[9]滕澤偉.中國服務業綠色全要素生產率的空間分異及驅動因素研究[J].數量經濟技術經濟研究，2020，37（11）：23-41.

[10]江永紅，陳奡楠.產業結構服務化對全要素生產率增速的影響機理[J].改革，2018（05）：87-96.

[11]廖冠民，宋蕾蕾.勞動保護、人力資本密集度與全要素生產率[J].經濟管理，2020，42（08）：17-33.

[12]羅鵬，倪令兵，陳義國，于寄語.房地產調控與全要素生產率：“事半功倍”或“事與愿違”[J].南方經濟，2020（11）：47-61.

[13]李政，楊思瑩，路京京.政府補貼對制造企業全要素生產率的異質性影響[J].經濟管理，2019，41（03）：5-20.

[14]李欠男，李谷成.互聯網發展對農業全要素生產率增長的影響[J].華中農業大學學報（社會科學版），2020（04）：71-78+177.

[15]崔興華，林明裕.FDI如何影響企業的綠色全要素生產率？——基于Malmquist-Luenberger指數和PSM-DID的實證分析[J].經濟管理，2019，41（03）：38-55.

[16]章祥蓀，貴斌威.中國全要素生產率分析：Malmquist指數法評述與應用[J].數量經濟技術經濟研究，2008（06）：111-122.

[17]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.

[18] GROSSKOPF S， NORRIS M， et al. Productivity growth， technical progress and efficiency change in industrialized countries. The American Economic Review，1994， 87（5）： 66-83.

[19]SHESTALOVA V. Sequential malmquist indices of productivity growth：an application to OECD industrial activities[J].Journal of Productivity Analysis，2003，19（2/3）：211-226.

[20]CAVES D W， CHRISTENSEN L R， DIEWERT W E. The economic theory of index numbers and the measurement of input， output， and productivity[J].Econometrica，1982，50（6）：1393-1414.

作者簡介：馬小珂（2000.08- ），女，漢族，河南省鄭州市人，西南大學，經濟學專業，本科在讀