東部地區全要素生產率測算與分析

□文/朱夏婷

（福州大學經濟與管理學院 福建·福州）

［提要］ 基于2000～2019 年東部11 個省（市）面板數據，運用隨機前沿分析模型對東部地區全要素生產率增長進行測算和分析，并采用固定效應面板回歸模型對全要素生產率進行影響因素研究。研究結果表明：技術進步是東部地區全要素生產率增長的主要動力，且東部各個經濟圈之間的全要素生產率具有空間差異性。提高基礎設施水平和市場化水平有利于促進東部地區全要素生產率增長，城鎮化水平和科研投入的提高會對全要素生產率起阻礙作用。

改革開放以來，中國經濟憑借“要素投入”和“人口紅利”實現了持續高速發展，但隨著人口老齡化，自然資源短缺和勞動力成本上漲等問題的出現，依靠要素投入的粗放式經濟增長模式已不可持續。中國經濟轉變增長方式刻不容緩。十九大報告指出，必須堅持質量第一、效率優先，以供給側結構改革為主線，推動經濟發展質量、效率和動力變革，提高全要素生產率（TFP）。

1957 年美國經濟學家羅伯特·索洛第一次將技術進步引入經濟增長模型，將人均產出增長扣除資本集約程度增長后的部分歸因于技術進步，并稱其為技術進步率，也就是全要素生產率的增長率。自索洛開拓性研究以來，對全要素生產率的研究層出不窮，成為國家、地區、行業等經濟單位經濟運行質量的定量評估指標。20 世紀80 年代，中國引入全要素生產率的概念和測算方法，開始結合實際研究全要素生產率增長率。

在當前開放性經濟大背景下，東部沿海地區憑借優越的地理位置成為我國改革開放的試點，區域經濟獲得優先快速發展。對東部地區各省市全要素生產率進行測算，研究影響因素，對推動區域經濟高質量發展和實現國家戰略目標有重要的現實意義。

一、東部地區全要素生產率測算與分析

（一）模型方法。本文采用Battese & Coelli（1992）版的隨機前沿分析模型（SFA）對東部地區全要素生產率進行測算。SFA方法具有以下幾個優點：（1）屬于統計方法，具備統計特征，可以對模型本身進行檢驗；（2）既考慮了技術非效率的影響，又考慮到了隨機因素的影響；（3）既可以直接計算出每個生產單元的技術效率，又可以就個體之間技術效率的差異進行深入分析。隨機前沿模型描述如下：

其中，i 表示決策單元，在本文中代表東部各個省（市），t 表示時間趨勢項，Yit代表地區i 在時期t 的實際產出，f（·）為前沿生產函數，表示當前要素投入比例下，能夠產出的最高水平。Xit表示i 省（市）在時期t 的一組要素投入，α 為待估計的參數向量，νit-uit為復合誤差項，其中νit為隨機誤差，服從正態分布，uit為生產無效率項，服從截斷正態分布。將公式（1）兩邊取對數，可以得出以下對數隨機前沿模型：

本文采用C-D 生產函數的隨機前沿模型進行全要素生產率的測算，式（2）轉化為：

（二）研究變量與數據來源。從投入和產出兩個維度討論變量：

1、選取各個省（市）歷年的實際地區生產總值作為產出變量。將歷年的名義GDP 通過GDP 指數折算成以2000 年為基期的實際GDP。

2、選取各省（市）歷年的物質資本存量和勞動力投入作為投入變量。其中，物質資本存量參考張軍（2004）的做法，將固定資本形成額作為當年投資并利用固定資本投資價格指數折算成實際投資，把9.6%作為折舊率，采用永續盤存法計算出歷年的固定資本存量。另外，勞動力投入用各省（市）歷年年末就業人員數來表示。

本文的研究樣本為東部地區的11 個省（市），包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，時間跨度為2000～2019 年。數據主要來源于《中國統計年鑒》和各省（市）的地方統計年鑒。

（三）東部地區全要素生產率增長具體測算。通過對東部地區 11 個省（市）2000～2019 年投入產出數據，利用 stata 軟件估計回歸系數，參數估計結果見表1。（表1）

表1 SFA 模型的參數估計結果一覽表

將全要素生產率增長率分解為技術效率和技術進步，并結合公式計算出歷年東部地區TFP 增長率，結果見表2。從表2中可以看出，技術進步指數在2000～2019 年期間一直大于1，對于全要素生產率具有促進作用，而技術效率指數在這一期間一直小于1，說明對于全要素生產率的增長具有削弱的作用。（表 2）

表2 2000～2019 年東部地區全要素生產率年增長指數分解一覽表

為分析全要素生產率在空間區域上的差異，本文將東部11 省（市）分成環渤海經濟圈、長三角經濟圈和泛珠三角經濟圈。環渤海經濟圈包括北京、天津、河北、遼寧、山東；長三角經濟圈包括上海、江蘇、浙江；泛珠三角經濟圈包括福建、廣東、海南。將2000～2019 年平均分成10 個時間段，2 年為一組計算每個經濟圈的全要素生產率年平均指數，結果如表3 所示。為了更加直觀地對比三個經濟圈的全要素生產率指數情況，本文用表3 的數據繪制了折線圖，如圖1 所示。從圖1 可以看出，長三角經濟圈在三個經濟圈中處于上峰，其次是泛珠三角經濟圈，最后是環渤海經濟圈。另外，從圖1 可以看出，長三角經濟圈全要素生產率呈上升發展趨勢，泛珠三角和環渤海經濟圈自2006/2007 年后呈下降趨勢，其中環渤海經濟圈在2018/2019年開始逆轉趨勢，出現上升勢頭。（表3、圖1）

圖1 2000～2019 年各經濟圈平均全要素生產率指數走勢圖

表3 2000～2019 年按經濟圈全要素生產率平均年增長指數一覽表

二、東部地區全要素生產率影響因素分析

（一）模型設定。本文采用面板回歸對全要素生產率的影響因素進行分析研究，模型設定如下：

其中，i 表示決策單位，這里表示各個省（市），t 表示時間趨勢項，tfpit代表地區i 在t 時期全要素生產率增長率，β0是截距項，βi是各個解釋變量的回歸系數，X 代表解釋變量，Xit表示i省（市）在時間t 的一組解釋變量值，μit代表隨機誤差。

（二）變量說明和數據來源。根據已有的研究，選擇以下6個變量作為全要素生產率增長率的解釋變量：（1）開放程度（進出口貿易總額占GDP 比重）；（2）基礎設施水平（每平方面積公路里程數）；（3）人力資本（每萬人高等教育在校人數）；（4）城鎮化水平（城鎮人口占比）；（5）市場化水平（參考樊綱（2011））；（6）科研投入（R&D 內部經費支出），如表4 所示。在計算時，對上述6 個變量都取對數，解釋變量就是全要素生產率增長率tfp。以上變量的原始數據來自于《中國統計年鑒》《中國科技統計年鑒》和各省（市）地方統計年鑒的2000～2019 年的11 個省份年度數據，其中市場化水平指標取值來源于中國市場化指數數據庫。（表4）

表4 解釋變量說明一覽表

（三）數據處理。在正式進行模型計算之前，對數據進行平穩性、協整性檢驗。首先，本文對7 個變量數據進行平穩性分析，檢驗結果為：開放程度通過了時間趨勢檢驗，其他變量都通過滯后兩期的平穩性檢驗。其次，對變量做協整性檢驗，ADF 檢驗的P 值為0.0520，說明在顯著度10%的程度上，變量具有協整性。

固定效應、隨機效應選擇。首先，對變量數據進行F 檢驗，得到p 值為0，表示拒絕混合回歸，選擇固定效應。其次，對變量數據進行Hausman 檢驗，結果顯示p 值為0.0130，在5%的顯著度上拒絕隨機效應，應當選擇固定效應。因此，本文選擇帶固定效應的面板回歸模型。

（四）模型回歸結果及分析。本文采用stata 軟件利用固定效應模型對變量數據進行回歸分析，回歸結果見表5。（表5）

表5 固定效應面板回歸結果一覽表

1、開放程度。從表5 中可以看出，開放程度提高對全要素生產率增長存在負作用，開放程度每提高一個百分點，全要素生產率增長將會下降0.0128 個百分點，但是開放度系數并未通過10%顯著度的檢驗，說明開放程度對全要素生產率的影響并不明顯。開放程度這一指標系數為負，可能是因為雖然貿易的總量在擴張，但是貿易的結構并不合理，導致產業結構的不合理，要素扭曲配置。

2、基礎設施水平。基礎設施水平的指標系數為0.0827，意味著基礎設施水平每提高一個百分點，東部地區的全要素生產率增長提高0.0827，說明基礎設施水平對全要素生產率起正向促進作用，且系數通過了1%顯著度的檢驗。完善的基礎設施可以降低運輸成本，有利于生產要素的流動，有助于一體化市場的形成，從而促進區域經濟的發展。

3、人力資本。人力資本指標的系數為正，意味著人力資本水平每提高1 個百分點，全要素生產率增長提高0.0148 個百分點，人力資本對全要素生產率具有正向促進作用。但是，人力資本指標的系數并未通過10%顯著度的檢驗，說明人力資本對全要素生產率的影響并不明顯。人力資本的正向作用可以通過推動科技創新從而提高全要素生產率增長。

4、城鎮化水平。城鎮化水平指標系數為負，意味著每提高一個百分點城鎮化水平，就會使全要素生產率增長下降0.248個百分點，并且其系數通過了1%顯著度的檢驗。城鎮化對全要素生產率產生負作用，可能是由于東部地區城鎮化的推進速度過快，造成了技能水平較低的勞動力的過度供給，與當地的產業不匹配，政府為了解決就業問題，被迫選擇能提供更多就業崗位的企業，對產業結構優化產生負作用，造成全要素生產率增長下降。

5、市場化水平。市場化水平的指標系數為正，意味著市場化水平每提高一個百分點，全要素生產率增長提高0.253 個百分點，且其系數通過了1%顯著度的檢驗。市場化水平越高，說明市場對資源的配置作用更強，有效解決要素配置扭曲的問題，促進生產要素流向效益高的行業企業，有利于技術效率的提高，從而提高全要素生產率增長。

6、科研投入。從表5 可以看出，科研投入指標系數為負，意味著科研投入水平每提高一個百分點，全要素生產率增長下降0.203 個百分比，且其系數通過了1%顯著度的檢驗。科研投入對全要素生產率增長具有負作用，可能是跟R&D 經費的投資結構有關，即公共研究機構和企業科研經費的比例。公共研究機構的R&D 投入可能會對企業的全要素生產率產生負影響。在一定時間內，可用于科技研究的經費是有限的，用于公共研究機構多了，則能夠提供給企業的，特別是中小企業的經費就會減少。并且，R&D 經費投入的研究方向如果過多地集中在風險高且資金密集的技術項目上，對企業的技術效率可能會造成負面影響。

三、結論及建議

（一）結論。（1）2000～2019 年全要素生產率呈先上升再下降的趨勢，其中技術效率對全要素生產率增長起阻礙作用，技術進步對全要素生產率增長起促進作用；（2）東部地區各經濟圈空間差異明顯，長三角全要素生產率增長率高于環渤海和泛珠三角經濟圈，且呈良好的發展態勢，環渤海和泛珠三角經濟圈近幾年全要素生產率增長呈下降趨勢；（3）面板回歸結果顯示，基礎設施、市場化水平對全要素生產率增長起促進作用，城鎮化、科研投入對全要素生產率增長起阻礙作用，開放水平、人力資本并未通過顯著度檢驗，作用效果不明顯。

（二）建議。（1）科技效率一直阻礙全要素生產率增長，說明生產要素的配置存在扭曲，政府需要通過協調各種要素的配比來提高技術效率，充分釋放技術水平潛能，比如大力發展中介機構，促進市場各參與者之間的信息交流和溝通；（2）為促進區域全要素生產率均衡發展，環渤海、泛珠三角經濟圈可以借鑒長三角的發展經驗，推廣復制，取長補短；（3）為推進東部地區整體全要素生產率的提高，政府要加大基礎設施投入，完善交通設施，加快市場化改革進程，促進要素的自由流動；（4）政府應當科學地推進城市化進程，如果某些城市城鎮化率過高，接踵而至的城市病可能會阻礙全要素生產率的發展，不合理的勞動資本配合也會阻礙產業結構升級，從而遏制全要素生產率增長；（5）政府應當合理規劃R&D 經費投入，科學合理地選擇分配的對象和研究領域，實現1+1＞2。