前言:想要寫出一篇令人眼前一亮的文章嗎?我們特意為您整理了5篇經濟增長要素范文,相信會為您的寫作帶來幫助,發現更多的寫作思路和靈感。
技術有效性的研究始于Koopmans(1951),他給出了技術有效的定義:如果在不增加其他生產要素投入的情況下,由于生產率的提高導致產出增加,則該投入產出向量是技術有效的。在現代經濟理論的發展過程中,MichealFarrel與Whitesen將效率分為技術效率與配置效率,在給定技術和投入要素的前提下,實際產出與最優產出的比值為技術效率指數,而配置效率指數用以量度。如果假定規模收益可變,則技術效率又可分解為純技術效率和規模效率。從產業角度看,影響經濟增長的技術效率的因素主要有產業內因素、產業間因素和外部環境等。產業內因素是由產業的投入決定。產業間因素具體指每個產業都與其他產業有一定的產業間聯系,某產業的效率發生變化必然會導致一系列與之有聯系的產業部門效率發生改變,推動整個產業效率的變動。外部環境主要有產業政策、市場大小、地區城市化率、人力資本存量等。外部環境因素導致產業效率的變化大部分都可以通過產業投入和產業間合作因素反映。比如人力資本存量增加肯定通過加大產業的人力資本投入來反映,產業政策對某些產業的扶持會通過產業的投入和產業之間連帶作用產生效果。目前系統研究區域經濟技術效率的人不多,更缺乏系統地對陜西省11個地級市區經濟增長的技術效率差異按質進行聚類性分析,也很少有人系統地研究省級區域經濟增長產業技術效率的源泉問題。本文應用DEA模式計算陜西2000———2009年的各地區經濟增長的技術效率,然后進行技術效率地區差異分析及分類,最后對影響技術效率的地區間差異因素進行研究。通過經濟增長的技術效率分析,可以為經濟發展方式由粗放型向集約型轉變提供理論依據和數據支持,對落實科學發展觀具有重要的現實意義。本文采用的數據均來自于2001—2010年的《陜西省統計年鑒》,資本存量增加額用固定資產投資代表。
2地區間技術效率差異實證分析
2.1研究方法
2.1.1數據包絡分析對效率的研究方法可分為兩大類,傳統研究方法和前沿分析方法。前沿分析方法又可分為參數法和非參數法,因為此方法限制較少、對樣本的要求較低,得到很多學者推崇。其中數據包絡分析方法屬于非參數法。數據包絡分析是由美國運籌學家A.Char-nes提出,它借助已有的數據構造有效的生產前沿面,據此前沿面參照研究相關個體的投入產出的相對效率。DEA方法的優勢在于:首先,DEA是用于分析多投入、多產出的決策單元的效率分析方法,不需要輸入特定的生產函數關系,因此它可以評價較為復雜生產關系的決策單位的效率。其次,使用DEA分析不需要計算綜合的投入量和產出量,從而避免了在分析過程中各指標量綱不一致所帶來的麻煩。第三,決策單元的輸入輸出權重作為變量,模型采用最優化方法內定權重,不受人為主觀因素的影響。
2.1.2研究模型的選擇根據決策主體規模報酬可變性的假設,DEA分析分為規模報酬不變模型(簡稱CRS模型)和規模報酬可變模型(簡稱VRS模型)。需要補充的是,使用DEA在具體分析時分為投入導向(以現有的產出水平評價是否是最小投入為標準)和產出導向(以現有投入情況判斷產出是否最大化為標準)。由于探討的是技術效率,分析各城市的生產要素產出效率。因此采用產出導向為基準。在評價技術效率時,要考慮到不同決策單元的綜合效率和對同一地區不同年份數據進行跨期研究。因此,根據DEA分析原理,采用可變規模報酬模型VRS來進行分析。
2.2指標體系建立
本文評價陜西省11個地級市的技術效率,目的是研究陜西省各城市在發展進程中,地方生產要素投入產出效率。根據DEA模型,進行決策單元效率分析時,投入產出指標選擇至關重要。對于產業效率投入指標我們選擇了從業勞動人口和資本存量,產出指標采用GDP。
2.3實證分析
本文使用DEAP2.1軟件,結合選取的投入數據從業勞動人口和資本存量產出數據GDP,并以規模報酬可變、產出為導向,得出陜西省各地級市多年綜合產業效率(見表1)。對結果進行綜合分析,2000—2009年西安產業效率最高為1,其次是咸陽0.9903,接著是寶雞0.9647、榆林0.931、延安0.8893、漢中0.8776、安康0.8581、渭南0.8554、銅川0.804、商洛0.7052、楊凌0.6876。從地區經濟發展水平看,漢中、安康不如渭南,但是產業效率比渭南高。這是由于產業生產效率所要表達的是現實的生產邊界與最優的生產邊界的比值。根據各地區歷年產業效率變化情況,可分為三種類型。第一種是高水平穩定波動型,西安和咸陽綜合產業效率平均值分別為1、0.9903,這兩個地區屬于城市化發展比較成熟的地區。第二種是穩步上升型,具體有銅川、寶雞、楊凌、榆林、延安。這些地區經濟特點是增長較為迅速,榆林、延安有些年份出現了下降但整體為上升的趨勢。第三種是較低水平波動,具體為渭南、漢中、安康、商洛,這些地區產業效率波動無序,效率較低。
3技術效率影響因素分析
3.1影響因子的選擇
選取科學合理的因子是對技術效率影響分析的基礎和保證。確定影響因子的原則和依據:(1)科學性和代表性,影響因子應該能夠準確反映影響技術效率的某個方面,避免主觀性和片面性;(2)可行性,影響因子選取要考慮到可行性,要盡量采用在研究期間內可獲取的指標,同時要可量化。根據影響技術效率理論依據和資料情況,文章選取對技術效率有明顯關系的2000—2009年的7個指標:X1資本存量(億元)、X2從業人員(萬人)、X3萬人大學生數量(人)、X4專業技術人員(人)、X5科研經費(萬元)、X6非農化率(%)、X7生產業占總服務業比重(%)。
3.2技術效率影響因素分析
將上述選取的各項指標經過標準化處理后,采用因子分析法,SPSS軟件分析結果見表2。經旋轉后的因子矩陣結果為:公共因子F1在X1,X2,X3,X4,X5值都比較大,可以看出,這幾個因素主要反映的是地區經濟發展的規模,因而F1代表經濟規模效應因素,其中X1,X2反映生產要素投入規模方面,X3,X4體現人力資本規模對技術效率影響,X5是從科研投入規模角度;公共因子F2由于在X6,X7載荷較大,主要是關于經濟部門的關聯性方面指標,代表產業關聯效應。綜上所述,技術效率的影響因素可以概括為:規模效應因素、產業關聯效應因素。
4陜西省各地區技術效率差異影響因素分析
根據上述分析,資本存量、從業勞動人數、在校大學生人數、科研經費、非農化率、生產業占總服務業的比重都對地區產業效率有顯著影響。將各地區的技術效率與以上各因素進行相關研究,分析地區間技術效率差異的原因。借助SPSS軟件,輸入指標數據,得出模型結果:根據表3的結果,我們對影響陜西各地級市的變量進行分類比較。首先分析資本存量要素。銅川、寶雞、延安、安康、榆林對技術效率影響比其他地區大。第二,從業人口數量要素。楊凌、延安較其他地區對技術效率影響大。第三,人力資本因素。西安、咸陽、寶雞、楊凌、延安對技術效率影響較大。第四,科研投入方面。西安、寶雞、楊凌、銅川對技術效率提升有明顯作用。第五,產業關聯性因素。除了西安、咸陽產業關聯效應對技術效率有明顯影響,其他地區作用都不顯著。結果表明:西安、咸陽經濟水平高,技術效率提升受到科研投入、產業關聯的影響較大,其他地區技術效率提升更多的是由于生產要素、人力資本的投入。
一、變量及變量的平穩性檢驗
為了考察南通工業經濟增長與勞動、資本、能源消費、科技進步四影響因素之間協整關系,本文首先擇取自1978~2009年間的南通地區工業生產總值及其指數、工業從業人員數、全社會固定資產投資完成額、發電量、各類專業技術人員數(相關數據均來自各年《南通統計年鑒》);其次將南通地區工業生產總值、全社會固定資產投資完成額按1978年不變價格進行調整;最后對各變量取自然對數,從而完成對各數據的預處理工作。
一般地,在分析經濟變量之間是否存在長期穩定的均衡關系時,只有在檢驗變量的平穩性后,才可進一步進行協整分析。如前所述,各經濟變量數據在經過價格指數化處理后,為消除數據中存在的異方差,分別取其對數。南通地區工業生產總值、工業從業人員數、全社會固定資產投資完成額、發電量、各類專業技術人員數之對數值分別記為lngy、lnlab、lncap、lnny、lnkj。然后分別使用ADF檢驗方法進行單位根檢驗。ADF檢驗滯后期選取原則是采用降階搜索法,在保證殘差不相關前提下,采用AIC與SC準則,兩者最小時的滯后長度為滯后期。對于回歸中是否包括常數項和線性趨勢項的處理方法,一般地,在回歸中首先包含常數項和線性趨勢項,如果參數檢驗顯著,應在回歸模型中包含,否則應排除之。具體檢驗結果(見表1)。
通過檢驗可知,lngy、lnlab、lncap、lnny、lnkj均為一階單整的時間序列,其一階差分序列在10%的顯著水平上為平穩序列。滿足變量協整的條件,即lngy、lnlab、lncap、lnny、lnkj間可能存在協整關系。
二、協整分析及檢驗
(一)協整檢驗
協整分析是用于非平穩時間序列變量組成的關系中長期均衡參數估計的技術。目前最常用的協整分析方法是Engle-Granger(EG)兩步法和Johnsen和Juseliu(sJJ)的極大似然法。一般地,對多變量之間的協整關系的檢驗應采用Johnsen檢驗法(即JJ檢驗法)。因使用JJ方法建立的VAR模型對滯后期的選擇比較敏感,故采用AIC準則和SC準則來確定最佳滯后階數,經采用降階搜索法依次驗證,發現當P=1時AIC和SC值最小,故可確定滯后期為1。在滯后期確定后,再對協整中是否具有常數項和時間趨勢進行驗證,然后再對數據進行協整檢驗,檢驗結果(見表2)。
由(表2所示)檢驗結果可知,在5%的顯著水平下,序列lngy、lnlab、lncap、lnny、lnkj之間存在一個協整關系,即在研究的5變量之間存在一種長期均衡關系,系統遲早能將新息變化帶來的沖擊加以吸收,使系統維持在一個均衡的狀態下運行,協整方程為:ln=0.284390lnlab+0.0337830lncap0.067468lnkj0.099368lnny+9.889550由協整方程可以看出,投資每增加1個百分點,則南通工業產值增長0.33個百分點;勞動力每增加1個百分點,則南通工業產值減少0.28個百分點;科技投入每增加1個百分點,則南通工業產值減少0.06個百分點;能源消費每增加1個百分點,則南通工業產值減少0.09個百分點。由此可知,投資和南通工業增長存在長期的正向關系,投資對南通工業經濟增長具有拉動作用。但勞動力、科技投入、能源消費與南通工業經濟增長存在長期的負向關系,與理論上不是很一致,這可能是與當前此三因素對南通工業經濟增長影響力弱有關。
(二)VAR模型估計
根據上面的分析,VAR模型的最優滯后階數為1,在滯后1階的情況下,對VAR(1)模型殘差進行JB正態性檢驗、LM自關檢驗和White異方差檢驗,顯示殘差服從正態分布、無自相關、不存在異方差,且所有特征根根模的倒數都小于1,說明VAR(1)模型的結構是穩定的。VAR(1)模型估計結果(如表3所示)。其中5個回歸函數的可決系數分別達到0.9704、0.9692、0.9466、0.9942、0.9932,這足以說明5個回歸函數的擬合程度很好。
(三)向量誤差修正模型(VECM)
Grange(1987)定理證明了協整與誤差修正模型的必然聯系。
只在一組變量之間存在協整關系,一定具有誤差修正模型的表達式存在,即可以建立誤差修正模型。建立在協整理論上的VEC模型既能反映不同經濟序列間長期信息,又能反映短期偏離長期均衡的修正機制,是長短期結合具有高穩定性和可靠性的一種經驗模型,(如表4所示),VEM模型的穩定性條件滿足自相關性檢驗、異方差檢驗和正態性檢驗要求。當以lngy為因變量時,誤差修正系數為-0.177010,符合反向修正機制,表明每年實際的南通工業總值與其長期均衡值的偏差中的17%被修正。以lngy為因變量的誤差修正模型表達式還反映:lnlab的短期變動對lngy存在正向影響,勞動力投入的增長率每增加1%,南通工業產值的增長率將增加0.01%;而lnkj的的短期變動對lngy存在反向影響,科技投入的增長率每增加1%,南通工業產值的增長率將降低0.07%;lncap的短期變動對lngy無影響。
(四)方差分解
方差分解的主要思想是把系統中每個內生變量的波動按其成因分解為與各方程信息相關聯的部分,從而了解各信息對模型內生變量的相對重要性,(如表5所示)顯示的是南通工業產值(lngy)的方差分解情況,可以看出能源消費(lnny)和科技投入(lnkj)對南通工業產值(lngy)的影響一直較弱。勞動力(lnlab)和資本投資額(lncap)則有不斷增強的趨勢,且構成對南通工業產值(lngy)最主要的兩個因素,其中資本投資額(lncap)影響最大。
(五)脈沖響應函數
脈沖響應函數描述一個內生變量對誤差的反應。具體地,其反映的是在擾動項上加一個標準差大小的沖擊對內生變量的當期值和未來值所帶來的影響。為充分描述短期內的動態效應,本文采用累積脈沖響應形式。從圖1來看,勞動力(lnlab)的一個標準差的正向沖擊對南通工業產值(lngy)有正向影響,即會導致南通工業產值逐漸增加,最后在第9期以后穩定在0.18左右。這說明勞動力(lnlab)對南通工業產值有長期的正效應,這與協整方程得到的長期均衡關系表現不一致;資本投資額(ncap)的一個標準差的正向沖擊,對南通工業產值(lngy)亦有正向影響,但較勞動力(lnlab)的影響更大,其導致南通工業產值在第4期前增長迅速,然后增長趨緩,至第8期后穩定于0.30附近。這亦反映出資本投資額(ncap)對南通工業產值有長期的正效應;當科技投入(lnkj)出現一個標準差的正向沖擊時,它在1~3期內對南通工業產值(lngy)的影響經歷了先負后正的過程,第4期到達峰值00.004附近,然后緩慢趨于0值,但這也與長期協整關系的結果稍有不同;能源消費(lnny)的一個標準差的正向沖擊,對南通工業產值(lngy)有負向影響。其導致南通工業產值第2期到達峰值-0.007附近,然后緩慢趨于0值。總之,可看出上述四因素中,勞動力(lnlab)和資本投資額(ncap)對南通工業產值(lngy)的影響較大;科技投入(lnkj)和能源消費(lnny)的影響很小,這與前面方差分析中的結論一致。
三、格蘭杰因果關系檢驗
由協整檢驗結果可知,序列lngy、lnlab、lncap、lnny、lnkj之間存在長期的均衡關系,但這種均衡關系是否構成因果關系及因果關系的方向如何,有待進一步驗證。此處分別對序列lngy、lnlab、lncap、lnny、lnkj的差分序列進行了格蘭杰因果檢驗,選取滯后1~6階。使用Eviews6.0軟件將存在單向或雙向因果關系的回歸結果整理(如表6所示)。水平上,lncap是lngy的格蘭杰原因。也就是說,短期內資本投資對南通工業產值有促進作用。(2)當滯后期為3、4階時,在10%的顯著水平上,lngy是lnkj的格蘭杰原因。
也就是說,在中期內,南通工業產值增長對科技投入的提高有促進作用。(3)當滯后期為3階時,在5%的顯著水平上,lngy是lnlab的格蘭杰原因。也就是說,在中期內,南通工業產值增長對勞動力投入的提高有促進作用。(4)當滯后期為1、6階時,lnny是lnlap的格蘭杰原因。也就是說,在短期及長期內,南通能源消費的提高對南通地區勞動力增長有促進作用。(5)當滯后期為2、3階時,lnkj是lnny的格蘭杰原因。也就是說,在短中期內,科技投入的增加對南通能源消費的提高有促進作用。(6)當滯后期為1~6階時,lngy不是lnny的格蘭杰原因,lnny也不是lngy的格蘭杰原因。也就是說,南通工業產值的提高對南通能源消費的促進作用不明顯;同時南通能源消費增長對南通工業產值的促進作用也不明顯。
四、結論與研究啟示
(1)南通工業經濟增長與勞動力投入、資本投資、能源消費及科技投入之間存在長期的均衡關系。其中資本投資每增加1個百分點,則南通工業產值增長0.33個百分點;勞動力每增加1個百分點,則南通工業產值減少0.28個百分點;科技投入每增加1個百分點,則南通工業產值減少0.06個百分點;能源消費每增加1個百分點,則南通工業產值減少0.09個百分點。由此可知,投資和南通工業增長存在長期的正向關系,也就是說,投資對南通工業經濟增長具有拉動作用。但勞動力、科技投入、能源消費與南通工業經濟增長存在長期的負向關系,與理論上不是很一致,這可能需要進一步的研究與探尋。
(2)向量誤差修正模型(VECM)反映出,勞動力投入的短期變動對南通工業產值存在正向影響,勞動力投入的增長率每增加1%,南通工業產值的增長率將增加0.01%;而科技投入的的短期變動對南通工業產值存在反向影響,科技投入的增長率每增加1%,南通工業產值的增長率將降低0.07%;資本投入的的短期變動對南通工業產值無影響。此外,誤差修正系數為-0.177010,符合反向修正機制,表明每年實際的南通工業總值與其長期均衡值的偏差中的17%被修正。
[關鍵詞] 適度經濟增長 實際產出 潛在產出
近年以投資和外貿拉動的經濟增長模式,引發固定資產投資需求過熱,并由此推動生產要素成本上漲。我國自2003年起,實際產出(其有可能高于或低于總需求)高于10%~11%,已超過國內公認的8%~9%的適度產出區間。2008年固定資產投資過熱已拉升生產要素成本價格和核心通脹達8%以上,這種通脹使高速經濟增長難以持續。
一、保持適度經濟增長有助于抑制生產要素成本通脹
若要控制投資需求過熱及其誘發的生產要素價格上漲,應調控實際產出不超過潛在產出。新凱恩斯主義認為,只要實際產出持續高于其潛在水平,多種生產要素的價格會上漲,導致生產要素成本增加超過一般價格水平的漲幅,從而刺激通脹預期上浮。因此,抑制投資過熱及其預期推動的生產要素成本上漲,需要控制實際產出低于潛在產出水平(Whelan,2005)。也就是說,投資過熱將刺激對生產要素充分或過度開發利用,促使實際產出超過其潛在產出水平,引致生產資料成本推動的通脹。這種通脹又使產出和經濟增長不可持續。因此,適度的經濟增長率或產出應該低于潛在產出,進而穩定通脹。穩定產出不超出其潛在水平,就能穩定生產要素價格,從而遏制生產要素推動型通脹。據國際經驗,保持適度經濟增長(指實際產出低于對生產要素充分利用的潛在產出),有助于抑制生產要素成本通脹。Blinder(2006)提出自然產出率,即產出水平等于總需求,并不引致價格水平升降 ,其關系式可表示為:=AD=π* ;,AD,π*,分別代表自然產出率,總需求,貨幣當局設定的通脹目標(國外將通脹目標設置在1%~3%的區間。實證研究表明其能穩定產出和較長期的價格,和緩解經濟衰退壓力。我國前段時期設立的適度通脹率為4.8%。因我國CPI包括燃油和食品)。該公式表明,穩定產出和生產要素通脹的均衡點在于實際產出低于潛在產出,達到與總需求基本一致,和不刺激生產要素成本上升的自然產出率。而央行設定通脹率在適度區間,又能反過來穩定產出或經濟增長達最大限度可持續性。美國經濟證實,1995年~2000年美國年平均經濟增長率為3.59%,低于同期潛在經濟增長率4%,平均失業率為4.8%(低于6%自然失業率),呈現高增長,低通脹,低失業率的局面。
二、采取綜合治理措施抑制生產要素成本上漲
為控制實際產出持續高于潛在產出,除了繼續向集約型經濟增長模式轉變外,對于貨幣政策可調控的內生性通脹,需加強前向調節,避免政策時滯效應未能及時抑制經濟過熱,帶來更高調控成本。當經濟過熱與經濟下滑壓力同時存在時,可針對不同行業過熱與否,有緊有松,分而治之:對高耗能耗資源,高污染和投資過熱行業,宜控制貸款或提高貸款利率,對“三農”,環保,社保、文教醫療衛生,帶動就業等民生項目,技術創新,新材料,無污染清潔新能源等項目要降低利率,并采取適當財政政策予以扶持。至于貨幣政策難以發揮較強的杠桿作用的外生性通脹(由國際市場定價的國外能源資源農產品上漲),和結構性通脹(國內提高農產品,資源性產品價格,以及環保成本),可通過能源替代和減少高能耗產業,下調某些產品的物價(如電子產品,紡織品,汽車,日常生活用品等),以遏制物價總體升幅,并有必要就控制通脹跨國傳遞問題,在國際金融市場監管、主要貿易伙伴國之間的匯率政策、貿易政策,產業政策等方面加強國際協調。
另外,需要提高貨幣政策信息透明度和建立健全行業經濟信息體系。企業和行業在不能準確了解市場供需狀況下進行過度投資,將刺激實際產出趨向超出其潛在產出(即充分利用勞動力,資本,自然資源等生產要素條件下的產出)水平,和對資源的過度開發利用,誘發生產資料成本推進的通脹。因此,有必要盡可能詳盡和及時地向各行業國內外市場供需變化,走勢和國內外可能的宏觀經濟政策導向信息,以減少行業企業投資生產盲目性和信息收集成本,引導企業根據國內外市場供需狀況進行生產投資。
三、小結
當代資源經濟與20世紀80年代之前最大的區別,是能源資源等初級產品1986年之前呈下行走勢,初級產品國際價格在1986年比1900年下降了一半(James,1999)。生產要素成本的低廉,會降低在提高產出水平時的生產要素通脹壓力。然而,目前不可再生資源能源的稀缺度和價格,與國際社會強勁需求之間存在高度敏感性,只要實際產出持續高于潛在產出,生產要素成本推動的通脹效應即將顯現。因此,為控制固定資產投資需求拉升的通脹與生產要素成本推進型通脹的聯動效應,控制實際產出低于潛在產出水平,達到與社會總需求相適應的自然產出率,是穩定這類通脹的關鍵。對于結構性通脹和外生性通脹,宜結合相對價格調節機制和適當的國內外宏觀調控措施來治理。
參考文獻:
[1]余永定:2008年中國經濟:應對三大挑戰.國際經濟評論,2008(5~6)
[2]Blinder,Alan S. Monetary Policy Today:Sixteen Questions and about Twelve Answers. CEPS W/P No. 129, 2006
關鍵詞:江蘇經濟;全要素生產率;對策建議
一、引言
全要素生產率(TFP)是宏觀經濟學的重要概念,也是分析經濟增長源泉的重要工具,尤其是政府制定長期可持續增長政策的重要依據。本文的全要素生產率是指各要素投入之外的技術進步和能力體現等導致的產出增加。目前,全要素生產率的估算方法可歸結為兩大類:一類是增長會計法,另一類是經濟計量法。不過起點都是從設定生產函數開始。經濟計量法是用產出增長率對資本增長率、勞動增長率做回歸,或者用勞均產出的增長率對勞均資本的增長率做回歸,估計得出系數項的值,隱含了系數項為常數的假設,應較為適用于成熟的市場經濟體;對于像江蘇這樣的轉型經濟允許系數項隨時間可變,將更易于接受。另外,Barro和Sala認為經計量法的缺點太多,包括要素增長率非外生、要素數量測量誤差使得回歸結果不滿足一致以及系數項隨時間變化的可能性。基于以上考慮,我們采用要素收入份額可變的增長核算來測算TFP的變動。
二、模型設定和數據準備
關鍵詞:Malmquist指數 全要素生產率 經濟增長
中圖分類號:F127 文獻標識碼:A
文章編號:1004-4914(2017)05-031-04
一、引言
自1992年起,長三角是我國率先開始區域經濟一體化的地區,其經濟增長也一直是我國最快的地區之一,目前它已成為我國最大的綜合性工業基地,工業總產值占全國的近1/4,對其他地區經濟發展有著較大的示范作用。根據國家“十三五”規劃,長三角在2016-2020期間要力爭提升區域經濟總量在全國的占比,并持續攀升。長三角經濟是否存在持續攀升的趨勢?什么是促使長三角經濟增長的主要驅動力?全要素生產率(TFP)對長三角經濟增長的作用怎樣?便成為我們研究的基點。筆者梳理了2000-2014年長三角16市GDP占全國GDP的比重(見圖1),發現以2006年為界,長三角經濟GDP的全國占比存在一個明顯的轉折。即,2000-2006年長三角GDP占全國的比重不斷攀升,到2006年達到最高,但此后長三角GDP占全國比重呈現下降趨勢。由此可見,如何保障長三角經濟持續發展,如何從長三角經濟發展的現狀中尋找新的增長點,就成為非常重要的問題。筆者從全要素生產率(TFP)的角度出發,研究全要素生產率在長三角經濟增長中的作用,分析相對于資本要素的貢獻度,并以此為依據提出長三角經濟持續攀升的對策建議。這對長三角的經濟發展和全國區域經濟的增長都有重要的意義。
二、文獻回顧
全要素生產率的研究起源于生產函數的研究,美國數學家柯布(C.W.Cobb)和經濟學家保羅?道格拉斯首先建立柯布道格拉斯生產函數,其后由斯蒂格勒提出全要素生產率的問題。1957年,美國經濟學家索羅(Slow)在《技術進步與總量生產函數》一書中提出,在引入技g進步及假設生產函數為具有規模報酬不變特性的情況下,建立了著名的索羅模型,定量分析要素投入與技術效率之間的關系。Fleisher等(1997)基于1978-1993年我國部分省份的數據,分析我國全要素生產率的地區差異,得出教育投資和FDI是我國東西部TFP差異的主要原因。斯科特?拜爾等(2006)研究世界145個國家及地區全要素生產率與要素投入之間的關系,發現全要素生產率的增長解釋度不高,僅解釋西方國家34%和歐洲南部26%的勞動產出的增長。Gregory Chow(2009)研究中國1978年后的全要素生產率,得出約2.7%的年增長率是可靠的,其資本的產出彈性接近0.6;Xu Ti等(2012)利用1950年到2009年中國東中西部的數據,研究表明:1978年之前的平均技術進步率僅為2%,1978年之后對經濟的貢獻度高達20%,且技術進步東部高于中部和西部地區。
國內研究全要素生產率的文獻有很多,鄭紹濂等(1986)結合我國實際情況提出了全要素生產率的概念,并從理論與實踐對其進行研究;張軍等(2003)利用中國1952-1998年的數據計算我國的TFP,結果表明,在改革前中國經濟的TFP波動很大,且1978年的TFP與1952年的TFP相比,不但沒有增長,反而退步,但在改革后,中國經濟的TFP明顯提高。顏鵬飛等(2004)運用DEA方法計算1978-2001年中國30個省市技術效率、技術進步及Malmquist指數,并把人力資本和制度因素考慮其中,而后檢驗與經濟增長的關系,結果表明TFP處于增長狀態,其主要原因是技術效率的提升,人力資源因素也對技術進步和效率提高有重要的影響作用。許小雨(2011)基于1997-2009長三角16市的數據,采用DEA-Malmquist法測算長三角16市的TFP,結果顯示,長三角的TFP沒有得到顯著提升。王鑫(2013)利用DEA-Malmquist測算長三角兩省一市制造業和服務業的TFP,結果表明,長三角整體TFP高于全國平均水平,但技術進步對經濟貢獻不明顯。趙偉光、敬梨(2015)通過DEA分析技術和Malmquist指數對西北五省的TFP變動進行分析,結合改進的C-D函數,建立面板模型,分析西北五省經濟增長與TFP、資本投入之間的關系。
通過梳理研究TFP的文獻,發現針對近幾年長三角16市的TFP研究文獻相對較少,無法說明近幾年長三角經濟比重下降原因,更無法針對近幾年的長三角問題作系統分析。筆者通過DEA-Malmquist方法對TFP變化進行了測算,并基于此建立面板模型,對TFP與經濟增長的關系作詳細分析,對長三角的發展提出相關的建議,這對長三角的經濟發展有一定的現實意義。
三、長三角全要素生產率的估算與分解
(一)測算方法
Malmquist 指數是利用距離函數的比率計算,這里假設(Xt,Yt)和(Xt+1,Yt+1)分別是T期和T+1期投入產出關系,投入產出關系從(Xt,Yt)到(Xt+1,Yt+1)的變化就是生產率的變化。
(二)變量選擇與數據處理
筆者采用的數據是長三角16個城市,數據周期從2000-2014年。在測算長三角16市的TFP變化所涉及的變量有產出、資本和勞動的投入,以下是所涉及變量及數據處理的介紹。
1.產出。以長三角各個城市GDP作為衡量城市的產出變量,為了避免物價變動帶來的誤差,筆者對GDP以2000年為基期進行平減得到真實的GDP。
2.資本投入。采用Galdsmith 開創的永續盤存法估算資本投入量,估算公式為:
其中Kt表示第t期資本投入總量,?啄為折舊率,It為第t年投資,pt為以2000年基期的固定資產價格指數。
由于受到國內統計數據的限制,資本的初始存量估計存在著很大的困難,尤其涉及市級的初始資本存量。筆者采用張軍的永續盤存法估算各市2000年的資本存量,以2000年全社會固定資產的投入與省市固定資產的投入之比為權重,計算各個城市2000年的初始資本存量;關于折舊δ的取值,采用目前多數學者所使用的9.6%為折舊系數。
3.勞動資本。嚴格意義上說,總工作時間與平均每單位時間內勞動質量相乘為勞動資本投入,但考慮到數據獲取的難易程度,筆者采用長三角16個市的年末從業人員為勞動要素的變量衡量的指標。
筆者所有數據均來自于各省市的統計年鑒,缺失值則通過城市的國民經濟和社會發展公報獲取相關數據。
(三)測算結果與分析
筆者采用DEA-Malmquist模型對長三角16市2000-2014年的TFP變化進行測算,利用DEAP2.1軟件輸出長三角16市整體TFP變化,及各個城市TFP變化、效率變化、技術進步,結果如圖2。
圖2為2000-2014年長三角整體TFP變化趨勢,2000-2009年TFP變化處于下降趨勢,而2009-2011年TFP上升,但上漲趨勢并沒得以持續,隨后TFP繼續下降,這可能是導致長三角經濟占全國比重下降的原因之一。效率變化(EFFCH)方面,2000-2005、2007-2008,2010-2012年的效率變化呈現下降趨勢,且有些年份負增長還直接降低了長三角TFP的增長率;對于技術進步(TCHCH),2000-2002、2006-2007、2009-2010、2013-2014年技術進步的變化大于1,其他年份技術進步的變化均小于1。
為了進一步分析長三角城市全要素生產率變化及存在的差異,筆者對長三角各市2000-2014年的Malmquist指數進行匯總:
如表1,最后一列為Malmquist指數,是長三角16市在2000-2014年TFP變動的平均值。Malmquist指數最大的是上海,且均來自于技術變化的作用,說明技術進步在上海的經濟增長中扮演著舉足輕重的角色。南京、蘇州及無錫在2000-2014年的Malmquist指數也大于1,技術變化和效率變化有所改善。而其余城市Malmquist指數均小于1,常州對應的技術變化有所改善,但效率下降導致TFP降低1.1%;而鎮江的技術進步下降也拉低了TFP。其他城市的效率變化及技術進步變化均下降,這對TFP產生雙重“拖累”,所對應的TFP變化均小于1。從整體來看,長三角16市2000-2014年的TFP變化值小于1,主要原因可能是技術變化和效率變化的交互影響,長三角地區整體的技術退步,引進技術和運用新技術不足,技術效率發揮作用的基礎相對較弱;規模效率的變化小于1,表明長三角總體經濟還存在著規模不經濟。
四、全要素生產率、人均資本投入與經濟增長的實證分析
前面分析了長三角16市2000-2014年整體及個體的TFP變動,對長三角16市TFP變化特點有明確的認識。由于考慮到資本投入的重要性對于經濟增長的重要性,筆者通過構建了人均資本投入、全要素生產率對人均產出影響的面板模型來分析,在長三角經濟增長中全要素生產率與資本要素對其貢獻度的差異。
(一)模型的建立
(二)數據的來源及處理
這里用到的數據除了TFP,其他數據已在上文介紹,這里不再列舉。這里TFP的變化是Malmquist指數與1相減得到TFP增長率用tfp來表示;人均產出增長率以2000年為價格基期的各城市實際GDP除以年末從業人數,得出增長率,用gdp表示;人均資本存量的增長率是以2000為價格基期的資本存量除以年末從業人數,且計算出增長率用k表示。
(三)實證分析
筆者用Eviews7.2軟件處理數據,在建立面板數據模型前,先對變量進行單位根檢驗,結果表明這些變量零階單整,并在此基礎上做協整檢驗,結果為人均資本投入、人均產出、及TFP增長率三者之間存在協整關系。通過隨機效應Hausman檢驗,拒絕原假設,建立固定效應面板模型。筆者先建立固定效應整體,結果如下:
從表2可以得出:人均產出受不同因素影響的程度不同。對于長三角城市而言,人均資本投入的系數是0.849,對人均產出的影響在1%的置信水平下顯著,說明人均資本投入對人均產出的影響很大;同樣從回歸結果中可以看出,tfp的系數為0.725,且tfp的變動對于人均產出的影響要小于人均資本投入,說明人均資本投入的提高對于人均產出影響占主導地位,說明支撐長三角經濟較快增長的資源條件和主要動力因素仍然是資本要素的投入。
為詳細了解長三角地區2001-2014年每年TFP變動及人均資本變動與對人均產出的變化影響,下面列舉了2001年到2014年影響人均產出的因素變化情況,進一步分析每年TFP對經濟影響狀況。
表3槌と角地區每年人均資本投入與tfp對人均產出的影響程度分析,除2005、2007、2008、2010年人均資本投入小于tfp的影響外,其余年限均是人均資本投入占主導因素。觀察tfp對人均產出系數大小,發現從05年到08年tfp的系數逐漸增大,這可能與2003、2004年長三角簽訂的《滬蘇浙共同推進長三角區域創新體系建設協議書》、長三角地區科技中介戰略聯盟有關,促進了經濟的增長。但自2011年后tfp對于人均產出的系數愈發小,雖然2010、2011年國家以及長三角地區相繼推出許多政策,如《國務院關于進一步推進長江三角洲地區改革開放和經濟社會發展的指導意見》、《長江三角洲地區區域規劃》等,旨在加快區域科技創新體系一體化發展,推動長三角率先建成國家自主創新綜合試驗示范區,但對于經濟增長并沒達到預想的效果,反而tfp對人均產出的影響愈發小。
為比較長三角各市人均產出影響因素的差異,我們運用固定效應變系數模型,如表4:
從表4看出,長三角城市tfp和人均資本投入對各個城市的人均產出貢獻存在著明顯的差異,除了上海、南京、蘇州、常州、舟山、臺州外,其他城市均是tfp對人均產出的貢獻要大于人均資本投入對于人均產出的貢獻,有的城市的tfp對人均產出系數超過了1,這說明在現階段這些城市的經濟增長中效率提高和技術進步對經濟增長的貢獻較大。對于上海、蘇州而言,人均資本投入的系數略大于tfp的系數,說明上海、蘇州的經濟增長中資本投入還是占據重要的地位;對于南京、常州、舟山、臺州而言,人均資本投入的系數與tfp的系數相差較大,特別是臺州,資本投入的系數為1.170,而tfp的系數卻為0.077,二者相差很大,說明其經濟增長對資本投入的依賴很大。上述分析表明,目前投資和基礎設施建設仍是長三角城市經濟發展的主要推動力。TFP對經濟增長貢獻程度較低,說明長三角的這些城市經濟增長中效率提高和技術進步并不占有明顯的比重。
五、結論與建議
筆者首先對2000-2014年長三角16市的TFP變化進行分析,然后通過建立面板數據進一步分析人均資本投入、tfp與單位人均產出之間關系,結果表明:tfp對人均產出促進效果小于人均資本投入,長三角經濟發展仍主要依靠資本投入,但是由于目前能源愈發匱乏,人口也趨向于老齡化,所以經濟發展無論依靠是資本還是勞動力投入,都難以為長三角地區城市的經濟可持續發展提供強勁后力。由于資源的瓶頸,長三角需要將重點轉到如何提高全要素生產率,為長三角經濟增長提供可持續發展的動力。至于如何提高全要素生產率,筆者主要是從技術和規模效率兩個方面提出以下建議:
1.深化市場機制改革、提高企業管理水平,提高地區的規模效率。一方面長三角地區應繼續進一步加快市場化體制改革、克服現有體制的弊端,釋放要素再配置效應,促進資源的進一步優化配置,提高資本要素和勞動力要素配置的靈活性;另一方面應提高企業管理的水平,努力為企業家精神的發揮創造條件,優化資源配置,以提高效率改善對區域經濟增長的貢獻。
2.改善科技發展環境,注重長三角城市間創新體系管理,提升長三角自主創新的能力。近年來,美國“波士華”城市群和日本東海道城市群的知識經濟高技術產業在這些城市之間集聚,形成良好的合作創新體系,有效地促進了技術進步,進而有效提高了全要素生產力,為其經濟增長提供了新動力。反觀長三角的創新體系建設中存在城市之間缺乏聯動,布局較分散,單干蠻干,效率低下等問題。所以長三角應深入實施創新驅動發展戰略,落實各項政策,擺脫形式主義,加快形成以創新為主要引領和支撐的經濟體系和發展模式,提高教育質量、引進高技術人才和加大R&D投入力度,提高區域創新能力,形成點線面結合的科技創新區域,增強創新能力,促進技術進步。
3.提升科技成果的產出質量,提高技術成果的轉化率。目前長三角地區存在大量的科技成果的閑置,但科技成果轉化成經濟效益力度卻不大。長三角應當努力創建科學合理的利益分配機制,完善科技成果轉化的激勵體系,使科技產出符合長三角實際的經濟發展需要,繼而提高技術成果轉化率,促進技術進步最大化,促進長三角地區經濟發展。
參考文獻:
[1] Fleisher, Belton M. and Jian Chen.The Coast-Noncoast Income Gap, Productivity,and Regional Economic Policy in China[J],Journal of Comparative Economics,1997(2).
[2] Scott L.Baier,Gerald P.Dwyer,Robert Tamura.How Important are Capital and Total Factor Productivity for Economic Growth?[J].Economic inquiry,2006(1).
[3] Gregory Chow.Another look at the rate of increase in TFP in china[J] .Journal of Chinese Economic and Business Studies ,2008(2).
[4] Tian X.and X.Yu .The Enigmas of tfp in China:A Meta-Analysis[J].China Economic Reviews,2012(2).
[5] 紹濂,胡祖光.經濟系統的經濟效益度量的綜合指標――全要素生產率的研究和探討[J].系統工程理論與實踐,1986(1).
[6] 孔翔,Rorbert E.Marks,萬廣華.國有企業全要素生產率及其決定因素:1990-1994[J].經濟研究,1999(7)
[7] 張軍,施少華.中國經濟全要素生產率的變動,1952-1998[J].世界經濟文匯,2003(2)
[8] 顏鵬飛,王兵.技術效率、技術進步和生產率提高――基于DEA的實證分析[J].經濟研究,2004(12)
[9] 吳新博.中國各地區全要素生產率的測定與比較分析[J].運籌與管理,2006(5)
[10] 許小雨.長三角全要素生產率的測算及影響因素分析[D].南京大學,2011
[11] 王鑫.長三角地區全要素生產率的測算與比較分析[D].寧波大學,2015
[12] 趙偉光,敬莉.全要素生產率、資本投入與西北五省經濟增長[J].科技與產業,2015(2)
[13] 高鐵梅.計量經濟分析方法與建模[M].北京:清華大學出版社,2009
[14] 李子奈,潘文卿.計量經濟學[M].北京:高等教育出版社,2010