中國的全要素生產率研究：回顧與展望

劉建翠

（中國社會科學院數量經濟與技術經濟研究所，北京 100732）

一、引言

新中國成立70 年以來，中國經濟創造了世界奇跡，從建國初期GD0 不足世界的5%，到2018 年的16%左右，僅次于美國，尤其是改革開放以來，中國經歷了40 年的高速增長，世界罕見。中國經濟在高速增長的同時，不僅是投入要素的增多，更是生產率的提高，1952 年勞動生產率是327.56 元/人，2018 年勞動生產率是111746.68 元/人，按不變價計算2018 年是1952 年的44 倍多。隨著中國經濟邁向高質量發展道路，提高創新能力，提高全要素生產率增長率對經濟增長的貢獻，是中國經濟必選路徑之一。

測度全要素生產率（total factor productivity，TF0）增長率是為了衡量技術進步對經濟增長的貢獻，衡量經濟增長的質量。自從20 世紀50 年代羅伯特·索洛（R.Solow）開創用TF0 測算技術進步的方法以來，對全要素生產率的研究層出不窮，不僅研究的范圍不斷拓展，研究方法也是不斷完善，實證結果更是層出不窮。中國在20 世紀80 年代引入TF0 的概念和測算方法，開始研究中國TF0 增長率。后文包括三部分，第一部分是TF0 測算方法的引進，第二部分是中國學者對中國TF0 的測算和分析，第三部分是對中國TF0 研究的總結和展望。

二、測度全要素生產率方法的引進

改革開放后，中國對國外相關經濟學科理論加強了了解和研究，中國技術經濟學科加快了對西方相關理論與方法的引進步伐，TF0 測度方法就在其中。研究TF0 的目的是為了測度技術進步對經濟增長的貢獻，在20 世紀50 年代對技術進步的研究主要是定性研究，主要是從提高勞動生產率，提高經濟效果方面進行定性分析，從80 年代開始引進TF0 理論、模型和方法，開始定量測算技術進步對經濟增長的作用。

如何定量測算技術進步對經濟增長的作用，中國學者在20 世紀80 和90 年代發表了大量的文獻，介紹、分析國外的理論、模型和方法，測算方法主要包括柯布-道格拉斯（C-D）生產函數、索洛余值法、固定替代彈性（CES）生產函數、超越對數生產函數、增長因素分析法、數據包絡分析法（data envelopment analysis，DEA）、隨機前沿分析（stochastic frontier analysis，SFA）、知識積累模型、人力資本模型、勞動分工模型等，比較有代表性的是陳文德等（1985）、鐘學義（1988）、袁嘉新（1991）、魏權齡等（1991）、鄭玉歆等（1995）、歐陽武（1996）、姚愉芳等（1998），他們先后詳細介紹了生產函數的概念、形式，全要素生產率的估計方法，指出了各種方法的應用前提。鐘學義（1988）論證了技術進步的數量特征，指出在一定條件下，用生產函數計算技術進步率是可行的。對于TF0 增長率能否代替技術進步率，龔飛鴻（1989）先推導了新古典經濟增長模型，又從TF0 的定義出發推導了模型，并用實例進行計算，發現結果近似相等，也就是說可以用TF0 增長率表示技術進步率。

企業作為一個國家或地區的基本生產單元，企業的全要素生產率增長情況關系著國家或地區的經濟增長質量問題。研究企業全要素生產率的增長正逐步增多，但是宏觀（國家）、中觀（行業或地區）和微觀（企業）的理論機理完全不同，研究宏觀、中觀的全要素生產率方法和模型不適用于微觀的方法，國家、地區或行業的全要素生產率也不是企業生產率的簡單加總。對此，應用于企業TF0 測算的方法O0 法和L0 法應運而生，金劍和蔣萍（2006）對此做了詳細介紹。

從研究方法看，全要素生產率的測度方法可以分為三類：參數估計方法、非參數估計方法、半參數方法。前面介紹的方法中，O0 法和L0 法是半參數方法，DEA 屬于非參數估計方法，其余均是參數估計方法，各種方法的優缺點和應用前提在眾多文獻中均有介紹，這里不再贅述。

三、中國全要素生產率的實證研究

在測算TF0 增長的過程中，資本存量作為測度全要素生產率的重要基礎數據，一直是眾多學者關注的重要話題。鑒于中國官方沒有公布資本存量的數據，學者只能自己測算，但是由于學者的理解不同，觀點不一致，以及統計數據或其他問題，測度的結果具有較大差異。因此本文有必要進回顧和比較。在介紹中國資本存量研究的基礎上，從總量、區域、行業和企業不同層面介紹中國TF0 增長研究情況。鑒于環境對經濟的影響越來越大，本文也關注了目前環境全要素生產率/綠色全要素生產率的研究。

（一）中國資本存量的測算

在全要素生產率增長率測度中，資本投入采用資本存量。之所以用資本存量是因為本年的產出，是由過去積累的資本與本年投資共同貢獻的。

1.中國物質資本存量的核算

（1）20 世紀的物質資本存量核算。在20 世紀，中國學者對資本存量的定義主要有三種：①固定資產原值加上流動資產凈值；②固定資產原值或固定資產凈值；③固定資產凈值加上流動資金。在2000 年以前，我國資本估算主要集中在工業資本估算方面，比較有代表性的有以下幾種方法：張軍擴（1991）對資本總量的估算方法、鄭玉歆和羅斯基（1993）對工業固定資產的估算方法、李京文等（1993）81-130的交叉分類估算資本存量的方法。

（2）21 世紀物質資本存量的核算。進入21 世紀后，隨著國民經濟核算體系的不斷完善和數據更新，學者一般用國際通用的永續盤存法（perpetual inventory method，0IM）來估算資本存量，在確定基期資本存量、當年投資、折舊率和價格指數的基礎上，計算全國、區域和行業的資本存量。

但是，由于對資本存量的理解及可獲得數據的限制，國內學者對資本存量的研究并沒有取得一致性的意見，研究結論存在較大差異。李賓（2011）對比了目前資本存量估算的主要方法和指標選擇后，發現：①折舊率的設定對估算結果影響最大；②基期資本存量的影響很小；③價格指數則基本可達成共識；④從長期來看，固定資本形成總額與全社會固定資產投資的表現很相近，前者稍優；⑤對投資流量的選取是一個難題。固定資本形成總額從定義上來說作為投資流量是有瑕疵的。正式因為這些原因，目前沒有有權威的資本存量計算結果。

目前比較有代表性的文獻有張軍等（2004）和單豪杰（2008）的測算結果。張軍等（2004）和單豪杰（2008）的投資流量和固定資產投資價格指數相同，均是固定資本形成總額，以及根據《中國國內生產總值核算歷史資料（1952—1995）》的數據計算了1952—1990 年的各省份固定資本形成總額指數，不同的是折舊率和基期資本存量，張軍等（2004）的折舊率是9.6%，單豪杰（2008）根據建筑和機器設備的之間的結構比重得出各年的折舊率，不區分時段時為10.96%；并且估算1952 年的資本存量大約是342 億元，張軍等（2004）的結果是800 億元。比較二者的研究成果可以發現，前者在計算初始資本存量使用10%的折舊率，但是他們計算的折舊率是9.6%，那么10%的折舊率從何而來？文中沒有說明，并且在計算過程中從1952 年到2000 年長達48年的時間從始至終使用9.6%的折舊率，顯然不合理，中國統計年鑒公布有1990 年之前國有企業的折舊率，年度之間并不相同，長時期采取相同的折舊率不僅理論上不合理與實際情況也不符合；單豪杰（2008）采取的折舊率年度之間有差異，更接近實際情況，但是其結果的引用較少，或許與后續年份的折舊率還需要計算有關。

對行業資本存量的測算，薛俊波和王錚（2007）和徐杰等（2010）均是利用投入產出表中各行業固定資產折舊的信息推導了行業的折舊率，分別估算了17 部門和工業20 個行業的資本存量。孫琳琳和任若恩（2008）基于行業固定資產投資數據，根據資本租賃價格得到行業資本投入指數，計算了33 個行業的資本存量。陳詩一（2011）基于我國國民核算中的固定資產折舊數據估計了折舊率，并分別用連續兩年固定資產原值的差和新增固定資產投資數據作為資本存量估算的投資數據，計算了工業38 個行業的資本存量。孫琳琳和任若恩（2014）在OECD（Organisation for Economic Co-operation and Development，OECD）的資本測算框架下估算了具有國際可比性的我國行業層面資本存量和資本流量數據，具體是首先把行業固定資產投資數據調整為固定資本形成額，其次假設建筑物和設備使用年限測算折舊率，最后估算了資本租賃價格和資本服務流。

在資本存量的核算中，折舊率的估算是關鍵，目前比較有代表性的折舊率計算方法包括：①根據財政部規定的設備和建筑使用年限用幾何方法計算折舊率；②根據投入產出表中各行業固定資產折舊推導折舊率。第一種方法相對簡單，使用最多，第二種方法比較接近實際情況，但計算煩瑣。在估算資本存量的過程中，多數學者自始至終使用一個折舊率，與現實情況差距較大。在長期的經濟發展中，折舊率并不是一成不變的，應該采取與實際情況相符合的方法。中國資本存量的核算還有待加強研究。

2.中國研發資本存量的核算

20 世紀80 年代興起的新經濟增長理論，強調知識在經濟增長中的作用，技術進步（知識積累）是長期經濟增長的動力源泉。研發活動創造和積累知識，促進產品創新和工藝創新，進而推動經濟的可持續增長。2009 年聯合國統計委員會公布的SNA2008 規定把研發投入作為投資，2016 年中國開始將研發投入資本化，并修訂了1978 年以來的固定資本形成總額，研發投入資本化的計量有了依據。

中國全國層面R&D（research and development，R&D，研究與發展）的數據公布始于1990 年，各省份的R&D 數據公布始于1998 年，行業沒有公布連續R&D 數據，對不能獲得的歷史數據只能用相關的數據或方法得到，結果的準確性難免有折扣。我國學者對R&D 資本存量的研究只有十幾年的歷史，分別從全國、區域和行業三個層面進行測算。在全國層面上，蔡虹和許曉雯（2005）、徐國泉和姜照華（2006）、嚴成樑和龔六堂（2014）、劉建翠等（2015）、江永宏和孫鳳娥（2016）估計了中國不同時段的R&D 資本存量，因為采取的基礎數據和參數不同，計算結果差異較大。在區域層面上，謝蘭云（2010）、王孟欣（2011）、彭建平和李永蒼（2014）、余泳澤（2015a）、劉建翠和鄭世林（2016）、孫鳳娥和江永宏（2018）估計了不同時段內我國省份的R&D 資本存量，相同的結論是區域之間差異較大，東部地區具有明顯的優勢，不同之處是學者們的計算結果差異較大。在行業層面上，吳延兵（2006）、王俊（2009）、李向東等（2011）研究了中國行業的R&D 資本存量。

R&D 資本存量計算結果差異較大，一是折舊率存在較大差異，折舊率取值在7%～30%；二是采取的數據系列不同，比如謝蘭云（2010）以科技經費籌集額作為R&D 支出，遠遠大于現有統計體系下的R&D 支出數；三是價格指數不同，學者根據對R&D 投入的構成構造價格指數。對中國R&D 資本存量的研究還有待深入，尤其是行業資本存量的核算。

（二）總量全要素生產率增長率的測算

對總量全要素生產率的測度方法一般是索洛余值法（增長核算法）、C-D 生產函數、超越對數生產函數。

鑒于中國國民經濟核算體系的改革，①中國國民經濟核算體系在1992 年以前是物質產品平衡表體系（system of material product balance，M0S），是計劃經濟的核算方法，只有物質生產部門；1993 年開始是國民賬戶體系（System of national accounts，SNA），是市場經濟的核算方法，包括國民經濟的全部部門。兩種體系下的數據有較大差異，計算生產率的結果也就有較大不同，為了數據的連續性將M0S 體系下的經濟數據按照SNA 進行調整難免有誤差。因為數據的問題，中國學者對總量全要素生產率的研究大致可以以2000 年為分界線。2000 年以前的研究中，其中張軍擴（1991）、李京文等（1993）79-80、沈坤榮（1997）等的研究比較具有代表性，他們的研究結果均表明TF0 對經濟增長的貢獻波動較大且具有明顯的階段特征，改革開放前TF0 增長對經濟增長的貢獻有限，改革開放后的制度創新、非國有經濟迅速增長和開放政策有效促進了經濟增長，全要素生產率有了顯著提高，TF0 增長成為經濟增長重要源泉。

2000 年后，對全要素生產率的理解不斷深入，對數據的處理方法和測算生產率的模型掌握更加熟練。Wang 和Yao（2001）在考慮勞動質量的基礎上，用增長核算法測算了1952—1999 年的中國TF0 增長情況，研究結果是1953—1977 年TF0 增長為負數，1978—1999 年年均增長2.32%，對經濟增長的貢獻是23.9%，并且勞動投入的彈性系數不同，對測算的TF0 增長率影響較大，并且中國的勞動力質量有了較大的改善。1978年以前的數據沒有修正，學者一般計算1978 年以來的生產率增長及對經濟增長的貢獻。郭慶旺和賈俊雪（2005）采用索洛余值、隱性變量法和潛在產出法分別測算中國1979—2004 年的TF0。研究結果表明，在不同期間TF0 增長率表現不同的特征；TF0 對經濟增長的貢獻較低，主要原因在于，技術進步偏低、能力利用水平與技術效率低下，資源配置不盡合理，中國是一種典型的投入型增長方式。李平等（2013）運用純要素生產率法和索洛余值法分別測算了1978—2010 年中國生產率變化及其對經濟增長的貢獻率。研究發現，改革開放以來，中國生產率變化趨勢出現了漲跌互現的波動情形，生產率提高促進了中國經濟較快發展，但資本投入仍然是中國經濟增長的首要來源。蔡躍洲和付一夫（2017）利用中國宏觀及產業數據，在增長核算基礎上將TF0 增長分解為技術效應和結構效應。研究表明經濟增長主要來自技術進步，2000 年以前TF0 增長貢獻度波動較大，2005 年后技術進步對經濟增長的支撐作用迅速下降。鄭世林和張美晨（2019）把R&D 納入生產函數，估算了1990—2017 年的科技進步貢獻情況，指出提高TF0 是是抑制中國經濟增速下行的關鍵。

從研究成果看，即使不同文獻測算的TF0 增長對經濟增長貢獻率有差別，但在相同的區間內對經濟增長的貢獻差距較小，即改革開放以來技術進步是經濟增長的重要源泉；從不同的階段看，在20 世紀80 年代初期、90 年代到2008 年金融危機前，技術進步是經濟增長的重要源泉，中國經濟是科技和投資雙輪驅動；在20世紀80 年代中后期和2008 年以來，因為投資過熱，中國經濟依靠投資驅動經濟增長，技術進步的作用被弱化，2013 年以后TF0 增長有所提高。

（三）區域全要素生產率的測算

測算區域TF0 增長對經濟增長的貢獻，主要是各省市區、三大區域之間的TF0 增長，用總量生產函數的方法測度TF0 增長對經濟增長的貢獻，或者用數據包絡分析法和隨機前沿分析法，測算地區之間的相對效率，以及分析影響TF0 的因素，影響效率的因素一般包括人力資本、研發投入、城市化、基礎設施、區域規模、外商直接投資、制度等。近年來對城市生產率的研究較多，包括省會城市、計劃單列市和地級市。

1.地區全要素生產率研究

測算地區TF0 的文獻較多，一般是采取DEA 和SFA 方法，比較省際、區域之間的效率，以及影響效率的因素，少數用生產函數測算生產率增長對經濟增長的影響。例如，顏鵬飛和王兵（2004）、鄭京海和胡鞍鋼（2005）用DEA 測算了中國省際的Malmquist 生產率指數、技術效率和技術進步指數，TF0 增長主要來自生產效率提高；王志剛等（2006）、周曉艷和韓朝華（2009）、余泳澤（2015b）用SFA 測算了不同時段省際的TF0 增長，結論是各省TF0 的提高是技術進步帶來的，研究結果一致的是東部地區的生產效率高于中西部地區。

劉建翠等（2010）用索羅余值法不僅測算了省份的TF0 增長及對經濟增長的貢獻，還測算了六大經濟區和三大區域的TF0 增長及對經濟增長的貢獻，研究結果是區域之間發展極不平衡，國家經濟的發展更多的是依賴東部地區的發展。Tuan et al（2009）用索羅余值法研究了珠三角和長三角的TF0 增長情況及FDI 對TF0的影響，發現FDI（foreign direct investment）能顯著提高接受國的TF0。李言等（2018）用C-D 生產函數測算中國30 個省份和三大區域的全要素生產率，認為東部地區TF0 增長高于其他地區。

社會經濟系統是復雜的，各個因素之間相互影響，分析的角度不同，選擇指標不同，結果也就不同。影響區域全要素生產率的因素基本包括產業結構、研發投入、對外開放程度、人力資本、城市化率、基礎設施等，部分學者從不同的角度分析了影響TF0 的因素（王志剛等，2006；葉裕民，2002；劉秉鐮等，2010；劉生龍和胡鞍鋼，2010；余泳澤等，2016；林春，2017），結果不盡相同。

從研究成果看，在不同時段研究成果有差異，但總體來說是TF0 增長在省市區之間具有異質性，東部省市的TF0 增長對經濟增長的貢獻高于中西部地區；省際和區域的技術進步推動了TF0 提高，技術效率的提高低于技術進步的提高。因為研究時期不同，選擇指標不同，影響生產率的因素不同，因方法不同影響程度不一。

2.城市全要素生產率研究

大部分學者用DEA-Malmquist 生產率指數方法實證分析了地級市及直轄市市轄區的全要素生產率增長情況，從地級市全要素生產率測算結果看（李郇等，2005；高春亮，2007；李培2007；劉秉鐮和李清彬，2009；邵軍和徐康寧，2010；王藝明等，2016），雖然研究的時期和城市數量有差異，但是結果大致相同，均是技術進步推動了生產率的提高，技術效率有所下降。王德祥和薛桂芝（2016）采用SFA 的參數分析法測算了生產率，結果是效率得到改善，與前述文獻不同。

用DEA 得到是城市之間的相對效率，只能比較城市之間TF0 增長的高低，用生產函數法能夠計算TF0對經濟增長的貢獻。龔飛鴻等（2011）應用生產函數法，測算了1981—2008 年省會城市和計劃單列市35 個城市的生產率及對經濟增長的貢獻。研究結果表明，大部分城市的經濟增長源于投資增長。劉建翠和鄭世林（2017）采用C-D 生產函數法，測算了地級市的全要素生產率增長率和各要素投入變化及其對經濟增長的貢獻，發現2001—2005 年生產率變化是城市經濟增長的重要源泉，2005 年后是資本驅動經濟增長，城市之間存在異質性。

與影響省際TF0 的因素不同，影響城市TF0 的因素主要有基礎設施、人口密度、城市化、制造業集聚、經濟密度、對外開放等，部分學者從不同角度研究了影響城市TF0 的因素，結果有差異（王永培和袁平紅，2011；張浩然和衣保中，2012；章韜和王桂新，2012；董旭和吳傳清，2017）。

城市是一個地區經濟發展的帶頭者，城市經濟發展的好壞對周邊地區影響較大。從研究成果看，結論基本一致，即東部地區城市的TF0 好于中西部地區，技術進步推動了生產率的提高，與地區研究成果基本一致。從影響TF0 因素看，因為學者選擇的指標、測算周期不同、方法不同，研究結果難免有差異。

（四）行業全要素生產率增長率的測算

行業全要素生產率的測算方法一般用索羅余值法、C-D 生產函數法、SFA 和DEA。

1.農業全要素生產率研究分析

對農業全要素生產率的研究，一是用時間序列數據和生產函數測算生產率增長對農業增長的貢獻，馮海發（1990）、朱希剛（1994）分別研究了不同時期農業TF0 增長情況，發現TF0 增長對農業增長的貢獻較低，中國農業屬于外延式增長；二是用面板數據對省份的測算，用DEA 或SFA 分析TF0 增長的來源及影響因素。從研究結果看，均是中國農業TF0 的增長主要是由技術進步推動的（江激宇等，2005；陳衛平，2006；周端明，2009；方福前和張艷麗，2010；王炯和鄧宗兵，2012；石慧等，2008；Gong，2018；全炯振，2009）。農業TF0 具有區域異質性，區域發展不平衡，農業TF0 增長對農業增長的貢獻具有較大差別，并且差異明顯，基本結論是東部地區高于其他地區。

影響農業TF0 的因素多種多樣，包括自然災害、制度、農業基礎設施、科研投入、對外開放程度等，但因為研究的時段不同，TF0 增長率不同，選擇的指標不同，方法不同，研究成果不一致（方福前和張艷麗，2010；喬榛等，2006；王鈺等，2010；吳清華等，2015；尹朝靜，2017；武宵旭等，2019）。

2.工業全要素生產率研究

在2000 年以前，由于經濟體制改革的實行、經濟周期和結構調整等多方面的原因，原始數據和采用方法的差異，總體上說，中國工業各個行業的TF0 有增長但不顯著，行業之間差異較大，對產出增長的貢獻不一，在技術密集行業TF0 的增長是產出的重要源泉，大多數行業產出的主要來源是中間投入的增長，改革促進了技術效率的提高。Chen et al（1988）、謝千里等（1990，1995）、李京文等（1993）79-80、鄭玉歆等（1995）的研究成果比較具有代表性，謝千里等（1995）對采用數據、研究結論的可信度、1988—1992 年TF0 增長減緩的原因進行了分析。

2000 年以后，多數學者關注影響行業TF0 的因素，少數學者分析部門經濟增長來源。李小平和朱鐘棣（2005）、任若恩和孫琳琳（2009）、龔飛鴻等（2009）的測算結果均表明大多數行業的中間投入增長是產出增長的首要來源，只有少數行業的增長是集約型的。Cao et al（2009）估計了中國1982—2000 年的部門和總量的TF0。研究發現GD0 總量主要是由資本投入的積累和適度的總量TF0 增長驅動的。但是TF0 的作用最近有些下降，總量TF0 增長率已經快速下降。特別是1994—2000 年，許多部門的TF0 也是負的。王宏偉（2009）根據產業的特點，將整體產業劃分為信息生產業、信息應用業和非信息產業三組產業，并運用生產可能性前沿函數方法來測算分組行業的TF0 增長率及其對經濟增長的貢獻。研究結果表明，信息生產業和應用業對中國經濟增長的貢獻呈逐步上升的趨勢。信息生產業和應用業的經濟增長主要是由技術進步驅動的，總量經濟增長及非信息業經濟增長呈現投入型的增長方式。

近年來，部分學者關注工業內部某些行業的TF0 增長情況，胡鞍鋼等（2015）測算了高耗能行業的真實TF0，胡亞茹和陳丹丹（2019）測度了1997—2015 年中國高技術產業的生產率。

關于影響工業行業生產率的影響因素研究，鄭世林和張昕竹（2011）認為電信體制改革促進了電信業TF0 的提高。余泳澤和張妍（2012）研究表明市場化程度、創新能力投入與企業規模對高技術產業生產效率有正影響，而政府的政策支持的影響具有不確定性。孫早和劉李華（2016）的研究結論表明所有制改革能顯著促進工業行業的TF0 提高和技術進步。由此可見體制改革能影響大部分行業的生產率。

3.服務業全要素生產率研究

隨著服務業的迅速發展，服務業在三次產業中的比重越來越大，2015 年中國服務業在國民經濟中的比重超過50%，2018 年有14 個省份服務業占各自地區生產總值中的比重超過50%。服務業的發展質量如何關系國民經濟的發展質量。因此對服務業生產率的研究逐漸增多。

對服務業TF0 的研究大體分為三類：一是用時間序列數據對服務業總體的研究，如程大中（2003）、楊勇（2008）研究了不同時期TF0 增長對服務業產出的貢獻，結果是中國TF0 增長對服務業產出增長貢獻總體水平偏低。

二是用面板數據對區域和服務業細分行業的研究（顧乃華和李江帆，2006；楊向陽和徐翔，2006；原毅軍等，2009；張自然，2010；劉興凱和張誠，2010；夏杰長等，2019；王恕立和胡宗彪，2012；陳明和魏作磊，2018），研究方法一般是DEA 和SFA。從影響因素看，服務業發展水平、城市化率、市場化進程、勞動力素質差距、貿易依存度和人口出生率等都能影響服務業TF0，顧乃華和李江帆（2006）、楊向陽和徐翔（2006）、原毅軍等（2009）、劉興凱和張誠（2010）、夏杰長等（2019）從不同角度研究了影響服務業TF0 增長的因素。

三是對服務業某一行業的研究。如徐盈之和趙玥（2009）對信息服務業的研究，認為人力資本、信息化水平、R&D 投入、政府行為和城市化等是影響中國信息服務業發展區域差異的主要因素。原毅軍等（2009）對中國生產性服務業的研究表明，中國服務業為粗放型增長。鄭世林和葛珺沂（2012）用DEA-Malmquist 生產率指數法研究了文化產業的TF0 增長，發現TF0 增長主要來自技術進步。

雖然因為統計體系的改革，服務業的行業分類和數據統計在不斷完善中，測算服務業生產率的研究成果逐漸增多，從計算結果看，鑒于計算周期不同，結果有差異，相同的是，我國服務業屬于粗放型增長模式，東部地區的TF0 增長率高于其他地區，信息傳輸、計算機服務和軟件業等行業的生產率較高，技術進步促進了生產率增長。

在對部門行業的TF0 研究中，不同的研究者有不同的見解和不同的結果，原因是分析的基礎數據、使用的方法不同，參數不同，對TF0 的理解不同。但共同的一點是，從產出增長的來源看，中國大部分行業依然依靠要素投入的增長；從TF0 的分解成分看，TF0 的增長主要依靠技術進步，技術效率和規模不經濟阻礙了TF0 的增長。從影響因素看，選擇的角度不同，影響因素不同，研究結果差異較大。

（五）企業全要素生產率研究

2000 年以前中國缺乏企業層面的數據，對企業的全要素出生率研究較少，隨著中國上市公司的增多及其他企業數據的建立，中國學者開始用O0 法和L0 法研究企業的全要素生產率。同時因為服務業的生產函數較為復雜，一般研究制造業企業的全要素生產率。聶輝華和賈瑞雪（2011）用O0 法研究了中國制造業企業的TF0，通過分析TF0 的離散程度和對其進行分解，刻畫了中國制造業資源誤置的嚴重程度。魯曉東和連玉君（2012）利用1999—2000 年中國工業企業數據，應用最小二乘法、固定效應方法、O0 法和L0 法等參數和半參數方法核算了主要工業企業的全要素生產率增長率，發現高新技術企業的全要素生產率增長率較高，東部地區企業的全要素生產率增長率較高，同時在橫向對比之后，發現半參數方法能夠較好地解決傳統計量方法中的內生性和樣本選擇問題。楊汝岱（2015）用O0 法和L0 法測算了中國工業企業的生產率，發現TF0 增長主要來自企業成長。

關于影響企業生產率的文獻相對較少，因為企業所處行業、所有制位置不同，企業產品千差萬別，影響因素自然差異較大，如田巍和余淼杰（2012）研究發現對外投資多的企業TF0 增長率高，簡澤等（2014）的研究結果表明進口競爭能提高效率高的企業TF0 增長率，陳斌開等（2015）認為高房價會導致資源錯配，從而降低工業企業的TF0 增長率，Wan 和Zhang（2018）的研究結果是道路、電信服務器和電纜這三種基礎設施都能直接促進企業生產率。

隨著中國企業數據的建立和測量企業生產率方法的完善，研究中國企業生產率及其影響因素的文獻將會越來越多，為提高企業生產率，提高經濟增長質量提供更好的實證資料。

（六）環境規制下的全要素生產率研究

隨著環境的惡化和資源的枯竭，傳統生產率已不能反映真實的經濟效率，環境（綠色）全要素生產率應運而生。因為測度的時間范圍不同，采取的數據和方法不同，計算結果有較大差異，基本趨勢是東部地區的環境TF0 高于中西部地區，高技術行業環境TF0 高于非高技術行業。

研究環境（綠色）TF0，一般是把污染物或環境成本作為非期望產出，研究領域包括區域和行業，測算環境（綠色）技術效率和環境（綠色）TF0 變化，分析環境對TF0 的影響，測算方法一般選用DEA、SBM（slack based model）和Luenberger 生產率指數或相結合的方法。王兵等（2010）測度了中國30 個省份1998—2007 年的環境效率、環境TF0，并研究了影響環境效率、環境TF0 增長的因素。王兵和黃人杰（2014）研究了中國區域綠色TF0，發現綠色生產率低于傳統生產率。

對農業環境效率或綠色生產率的研究成果看，鑒于數據獲得難度大，投入指標有差異，研究結果存在較大不同（潘丹和應瑞瑤，2013；張屹山和崔曉，2014；李谷成，2014；梁俊和龍少波，2015；楊芷晴，2019）。對工業環境效率、綠色TF0 的研究包括兩個方面，一方面是對工業各個行業的研究，李玲和陶鋒（2012）、李斌等（2013）分別測算了制造業和工業分行業的綠色TF0 及其影響因素，劉建翠和鄭世林（2019）利用投入產出表數據測算了中國工業行業綠色技術效率及其影響因素；另一方面是省際工業的綠色生產率，Xie et al（2017）測算了中國省際工業綠色TF0，分析不同環境規制政策對工業綠色增長的影響。王恕立等（2015）測算考慮環境因素的31 個省份和細分行業的中國服務業環境生產率，結果表明，環境因素對服務業增長績效存在影響，服務業發展過程中出現了浪費資源和破壞生態環境的粗放型增長，環境TF0 顯著低于傳統TF0。王杰和劉斌（2014）的研究結果表明環境規制與企業全要素生產率之間符合“倒N 型”關系。

隨著環境問題日益突出，把環境納入生產函數測度對經濟影響是一個趨勢。根據生產經濟學理論，測度時投入產出指標不能有遺漏和重復（劉建翠和鄭世林，2019），但是大部分學者在測算時環境（綠色）TF0 時并沒有遵循這一原則，測算結果的準確性難免受到影響。無論用哪一種方法測算傳統的TF0 還是環境或綠色TF0 都應該按照圖1 來選擇指標。

圖1 投入和產出的對應關系

四、中國全要素生產率研究的小結和展望

（一）全要素生產率研究小結

新中國成立70 年來，中國對全要素生產率的研究論文可以說是浩如煙海，研究主題不斷豐富，研究范圍不斷擴展，研究論文質量不斷提高，但就方法論而言，無論是參數方法還是非參數方法或半參數方法均是引進國外方法，沒有創立自己的理論方法，而這些方法所應用的對象，與經濟發達國家關系密切，難以適應中國經濟發展的特殊路徑和現實。值得一提的是鐘學義（1996）在分析全要素生產率增長率和生產函數定義的基礎上，提出了純要素生產率增長率的測算方法，指出純要素生產率增長率是單要素生產率增長率的加權和，同時放松了規模經濟和技術進步中性的，規模報酬不變的，價格均衡等假設條件，使其盡量符合中國發展的特殊路徑和現實，而且這一方法不需要具體的生產函數形式，可以直接計算，也就是說放松了索洛余值法的嚴格條件，更加適用于中國。李平等（2013）運用這一方法和索洛余值法測算了1978—2010 年中國總體和省級生產率變化，發現兩者計算的結果非常接近，增長趨勢一致，可以說明純要素生產率增長率是經得起檢驗的。

在定量分析中，獲得原始數據是非常重要的，只有有了數據才能進行下一步的工作，才能對經濟現象進行解釋并據此提出合理的建議。中國的大部分學者一般從各種年鑒獲得數據，但是近年來工業分行業的一些重要經濟數據越來越難以獲得，例如工業分行業的增加值、總產值分別從2008 年、2012 年開始不再公布，而增加值、總產值是分析行業全要素生產率變化的重要指標，對此數據的不再公布，許多學者不禁扼腕嘆息卻毫無辦法。

（二）對中國全要素生產率研究未來的展望

全要素生產率作為反映經濟增長質量的重要指標，也是國際通用指標，目前中國正在走向高質量發展道路，利用全要素生產率增長率指標反映中國的經濟發展質量并進行國際比較是必然的事情。因此，中國學者應該：

一是根據中國經濟發展實際情況完善中國技術經濟理論體系。建國70 年來中國經濟創造了“當驚世界殊”的成就，中國經濟取得的成就足以進一步完善中國技術經濟理論體系，用此來解釋中國現象、中國成就，來剖析中國經濟發展的機理。當然完善中國的技術經濟理論也需要學習借鑒國外的理論，要學其精華避其糟粕，不是閉門造車，更不是一葉障目不見森林，在深入理解的基礎上學會融會貫通，這需要長期的努力和持久的毅力，以及對中國經濟發展的深入了解和獨到的見解。

二是根據中國技術經濟理論建立中國經濟增長模型和方法來解釋中國經濟發展質量。在理解借鑒西方經濟理論的基礎上，建立中國經濟增長模型，用中國總體、省際、行業和企業的數據，從宏觀、中觀和微觀三個層面解釋中國經濟發展的質量，并且關注全要素增長率對經濟增長的貢獻而不是全要素生產率的增長率。用中國的數據和方法模型講好中國故事，寫好中國故事。

三是澄清概念，用國際通用指標——全要素生產率來表示經濟增長中技術進步的作用。科技進步貢獻率和全要素生產率增長率對經濟增長的貢獻率均是表征經濟增長中技術進步的指標，就計算方法和實際內涵而言，這兩個指標是一致的，但是全要素生產率是國際通用的概念，全要素生產率增長率對經濟增長的貢獻率與科技進步貢獻率的統計內容一致，用全要素生產率增長率對經濟增長的貢獻率替代科技進步貢獻率作為統計指標，有助于概念上的澄清，從而在進行政策考量時更為精準和嚴謹，同時，也可以與國際通用概念保持一致，增強可比性（陳向武，2019）。因此建議學者使用同一指標——全要素生產率，不僅便于理解，也便于國際交流和比較。