全要素生产率视角下安徽经济转型发展研究
——基于随机前沿模型

廖信林,李　敬,贺雪莹

(安徽财经大学 经济学院,安徽 蚌埠 233030)

一、引言

据国家统计局2016年1月公布的数据显示,中国2015年GDP同比增长6.9%,增速为1990年以来最低水平,成为自改革开放以来经济超高速发展的暂时终结点,这意味着中国经济从高增长率走向增长率放缓,过去经济发展背后隐藏着产能过剩、劳动者收入增长后劲不足、消费购买力萎缩等一系列问题,中国经济迫切需要转型升级。习近平总书记在中央财经领导小组第十一次会议上的讲话中明确提出要加强供给侧结构性改革,即更新供给结构,化解过剩产能,改变经济增长方式,提高全要素生产率。

全要素生产率与经济增长一直是国内外经济学界的研究热点。过去国内学者多用索罗余值法来探索中国经济增长方式,得出的结论大同小异,研究内容愈加详细。如张军、施少华在C-D生产函数基础上加入时间虚拟变量,证明经济体制的改革显著提高了中国经济的生产率水平[1];郭庆旺、贾俊雪则结合索罗余值法、隐形变量法和潜在支出法证明出我国经济是典型的要素投入型增长方式,TFP增长对经济增长的贡献率较低[2];孙琳琳、任若恩通过构建资本投入指数数列也表达了相同观点,即中国经济增长是资本投入式的增长,同时他们认为资本投入对经济增长的贡献是由于资本数量的增加,而非资本质量的改善[3];傅晓霞、吴利学开始考虑中国地区经济发展差异的来源,他们认为1990年以后TFP是导致今后地区差距的关键性因素[4];赵志耘、杨朝峰认为1994年后中国制度变迁对经济增长的作用才从推动要素增长转移到推动全要素生产率的增长上来[5]。

现阶段分析全要素生产率的变化不再局限于索罗余值法,研究多采用DEA-Malmquist指数法和随机前沿分析法。其中数据包络分析的研究对象多集中于工业及工业的具体行业,如高新才、韩妍利用DEA的Malmquist指数法测算改革以来中国工业生产率的变动趋势,发现技术进步是工业增长的动力,而生产效率阻碍了其增长[6];但张洋、项本武用相同的方法分析中国工业时,却认为生产效率推动了工业的TFP增长,这可能与样本期间和资料来源不同有关,其中他们一致认为规模效率在逐渐恶化[7];杨勇、李忠民在此研究方法上着重分析要素市场化对工业企业全要素生产率的影响,发现要素市场化对技术进步的影响最大,于是他提出只有进行要素市场的改革才能提高生产要素的活力[8]。相对而言随机前沿分析法多用于分析区域长期经济增长,这种方法的优势是不仅可以将生产率变化分解成经济可诠释的多个部分,而且考虑到了加入随机因素以减少测算误差。最近国外学者Arazmuradov等用SFA对 1995～2008年期间15个前苏联经济体的TFP进行测度,他们建议这些国家可以通过加强公共政策来吸引外资,同时改善国内教育提高经济发展水平[9]。此外,Aisen和Veiga在对169个国家研究后则发现政治不稳定会降低生产力增长率,而经济自由和种族同质性有助于生产率的增长[10]。国内王德祥、李静等学者均测算了我国地级市及以上城市的全要素生产率,都认为我国东部地区的技术效率要高于中西部地区[11-12]。

安徽省作为中部六省之一近几年发展迅速,经济发展活力得到显著增强,综合实力比之前有大幅度提升,成为中部经济发展的第二梯队[13]。但是当前安徽省经济发展下行压力较大,要素综合效率较低,有效供给和优质供给能力不足,因此在供给侧改革背景下提高TFP成为转变经济增长方式的主要途径。目前,运用参数型生产前沿法单独分析安徽省TFP增长方面研究相对不足,不同于以往学者在规模报酬不变的前提下运用C-D生产函数计算TFP,本文采用安徽省16个地级市2000～2015年的面板数据,结合随机前沿模型和超越对数生产函数,测算安徽省全要素生产率的变动趋势和增长源泉,探究其经济增长质量,为进一步落实供给侧结构性改革提供数据支持。

二、模型设定、数据与变量说明

(一)随机前沿模型

随机前沿设定形式如下表示,y代表各个地区的实际产出,x是投入要素向量,β是定义生产技术的参数向量,t则为时间趋势变量。

y=f(t,x,β)exp(v-u),u≥0.

(1)

v和u代表不同的误差分量,第一个指的是误差的随机部分,第二个与生产前沿的向下偏离部分,则是代表技术无效率的非负向量。因此y=f(t,x,β)exp(v)代表随机生产前沿,v用来计算测量误差和外部冲击造成的随机效应,它服从对称分布。不同地区不同时间的随机前沿模型为

yit=f(t,xit,β)exp(vit-uit);

i=1,…,N

(2)

假定vit～i.i.d.N(0,σ2);uit～NT(μ,σ2),即uit服从截断正态分布,两个误差分量相互独立,x为外生变量,该模型可以用极大似然法来估计。此外,我们将采用Battese 和Coelli提出的模型[14],把技术无效率项视为时变函数:

uit=exp[-η(t-T)]*uiuit≥0,

i=1,…,N,t∈τ(i).

(3)

在上面表达式中,τ(i)表示第i个地区可用观测值中Ti时间段,它可能包含面板数据中的所有时间段或只是一段时间。η表示技术无效率行为,当η与0没有显著差异时,表明技术无效率与时间改变无关,也称为持续低效。Battese 和Coelli也承认[14],这种无效率行为方式的设定不太灵活,因为根据公式技术无效率必须以降低的速率增长(η>0),或者以递增的速度减少(η<0)。此外,样本中所有地区的η估计值无差异,这说明各个区域无效率上升或下降的方式一致。但是在没有更好的理论模型前提下,我们依然使用前面的假设。为是否适用随机前沿模型,构造以下统计量:

(4)

如果γ=0,说明产出偏差完全由随机误差项引起,这时直接使用最小二乘法(OLS)估计即可,如果γ>0且越接近于1,则说明误差总量的变动主要由无效性部分引起,比较适合采用随机前沿模型。

假定超越对数生产函数有两种生产要素资本和劳动,该模型可以用以下形式表示:

lnYit=β0+β1lnKit+β2lnLit+β3lnKitlnLit+0.5β4(lnKit)2+0.5β5(lnLit)2+β6t+0.5β7t2+β8tlnKit+β9tlnLit+vit-uit.

(5)

Y代表实际产出,i是地区,t表示年份,β为待估参数。

Kumbhakar[15]提出将TFP增长率分解为四部分,分别为技术进步率(TP)、技术效率变化率(T'E)、规模效率变化率(SE)和资源配置效率变化(AE),由于配置效率变化涉及到投入要素的价格,这种数据目前不可获取,所以参照余泳泽[16]的做法,本文将TFP的变化分解成前三部分。为了进行分解,首先我们必须估计(3)和(5)描述的模型,这样就可从结果中组合TFP增长率。根据(2)式,我们可得:

(6)

根据Divisia指数分解法,TFP增长率可用下式表示:

(7)

SK和SL代表资本和劳动在要素总成本中所占比例,将(6)式代入(7)式并忽略掉配置效率存在后得:

(8)

其中

(9)

即RTS为要素产出弹性之和,λK和λL为资本和劳动的相对产出弹性,两者相加等于1。综上所述,由(8)式可得技术进步率

β8lnk+β9lnl.

(10)

技术改进表现为生产前沿的上升。技术效率变化率

(11)

测度的是生产者利用可使用技术的能力;规模效率变化率

(12)

技术及要素积累决定规模经济的贡献度,若规模报酬不发生改变,即RTS=1,这个部分显然不必再加入;如果RTS≠1,当规模报酬比1大时,扩大要素投入量会提升生产率的增长速度,但当规模报酬小于1时,若想扩大产出增加规模只能缩小投入要素规模。

(二)数据与变量说明

由于巢湖在2011年8月22日已并入合肥市,为保持数据一致性,本文以安徽省现有的16个地级市2000～2015年为样本数据来测算全要素生产率增长。模型的产出变量Y为用以2000年为基期GDP指数平减后的各地级市的实际总产出,劳动要素L的投入用各地级市年末就业人数来衡量。同时使用Goldsmith在1951年开创的永续盘存法来估算资本存量,其表达式为:

Kt=It/Pt+(1-δt)Kt-1.

(13)

其中,Kt为第t年的实际资本存量,Kt-1为第t-1年的实际资本存量,It为固定资产投资额,同时用以2000年为基期的固定资产投资价格指数Pt对It进行平减,折旧率δt采用张健华等利用最小二乘法估计出的安徽1993～2010时间段的6.4%最优折旧率[17]。基期实际资本存量借鉴张军等测得的[18]以2000年价格计算的安徽省资本存量,再根据各地级市2000年GDP占全省GDP的比例来确定各地级市的基年资本存量,公式如下:

2000年各地级市资本存量/2000年安徽省实际资本存量=2000年各地级市GDP/2000年安徽省GDP.

(14)

为进一步分析技术无效率项,在模型中加入外生解释变量,用地方财政预算内支出占GDP的比例表示政府干预程度(Gov),用GDP中第二产业增加值占比来表示产业结构(Indust),用进出口总额与GDP之比来表示对外依存度(Trade),用非农人口占年末总人口的比重来表示城市化率(Urban),文中数据主要来源于《安徽统计年鉴》和《中国城市统计年鉴》。

三、实证分析

(一)模型假设检验

为使模型有更好的拟合效果,首先要对其设定形式进行检验,主要包括五个方面,检验的方法都是使用似然比统计量,公式为LR=-2[lnL(H0)-lnL(H1)],lnL(H0)为受约束的零假设前沿模型的对数似然值,lnL(H1)为无约束的备择假设前沿方程的对数似然值,LR统计量服从混合卡方分布,自由度为受约束变量个数。模型设定检验结果如表1所示,可以看出检验全部拒绝零假设,随机前沿生产模型的函数形式为式(5)。

表1　模型形式的假设检验结果

注:无约束的对数似然值lnL(H0)为437.66。

(二)模型估计结果及分析

运用Frontier4.1 软件,基于安徽省16个地级市2000～2015年面板数据估计随机前沿生产函数模型,估计结果如表2、表3所示。

表2　随机前沿模型超越对数生产函数估计结果

注:① ② ③ 分别表示在10%、5%和1%的水平下通过显著性检验,下同。

表3　随机前沿模型生产无效率方程估计结果

从表2、表3可以看出,绝大多数变量都通过了1%的显著性检验,γ值为0.945,说明超越对数生产函数和生产无效率方程都具有较强的解释力,同时表明实际产出偏离前沿面的主要是由生产无效率造成。经计算,样本年度中资本的平均产出弹性为0.641,劳动力的平均产出弹性为0.317,资本产出弹性值高于两倍劳动投入的产出弹性值,结果符合安徽省投资驱动型经济增长模式现状。

无效率方程估计结果显示,财政支出占GDP之比重每增加1%,那么安徽省的技术效率将会降低54.5%,这意味着财政支出对技术效率有明显的负面作用,这是地方政府之间开展的“为增长而竞争”的锦标赛造成的[19],过去政府官员的晋升与GDP增长率直接挂钩,这就会导致有些官员为追求短期利益进行大规模重复性建设投资,不仅会造成要素成本的扭曲,还会让市场机制无法充分发挥优胜劣汰的作用,最后致使企业产能过剩,在进一步削弱企业的盈利能力后降低其生产效率。而第二产业占GDP的比重每提高1%,该地区的生产效率增加10.9%,由此可见安徽省的第二产业发展状况对于技术效率的影响非常显著。GDP中进出口总额的比重每提高1%,技术效率水平将增加6.8%。城市化率每提高1%,城市的技术效率则会增加0.82%,但是该显著性检验没有通过,这可能和安徽省城市化水平区域不均衡和发展质量总体水平较低有关[20],所以对生产效率的影响不明显。

1. 安徽省TFP测算与分解

由表4可以看出安徽省总体上呈现波动性下降后平稳升高、再逐渐下降的变化趋势,全要素生产率平均增速为2.32%,仅在2009年呈现负值为-0.3%。从2001年以来大部分年份呈现正值,但是在2009年出现剧烈下跌,直接下降到-0.29%,说明2008年的金融危机对安徽省具有显著的负面影响,尽管安徽地处我国中部,但是其经济基础比较薄弱、产业结构层次低,所以易受外部冲击,加上当时政府给予的政策支持有滞后性,也在一定程度上降低了当年的经济效率。在2010～2012年间“四万亿”投资计划对安徽省各产业产生直接刺激作用,经济效益好转,宏观经济的恢复刺激企业加强技术研发,社会整体科技创新能力的提升TFP呈增长趋势。2012年中国及安徽省经济进入新常态[21],投资过度开始显现,部分行业产能过剩也在加重,结构性改革带来的技术进步的提升抵消不了技术效率的恶化,TFP的增长受到严重抑制,在2013～2015年间呈现出下降的趋势。

表4　TFP增长率构成及各部分贡献率(%)

从全要素生产率增长的构成部分上看,呈逐年上升趋势的技术进步是推动TFP改善的主导力量,它对TFP增长的贡献率高达118.5%,这与安徽省科研投入程度的增加及创新改革试验区的系统推进有关,近年来安徽省积极利用技术后发优势,将内生性技术创新与外来先进技术相结合,全力配合国家战略推动皖江城市带承接产业转移示范区建设,加大采购创新产品,整合多种优质资源,培育现代产业体系,促进了技术进步的大幅度提高。

值得注意的是技术效率的下降是安徽省TFP提升的最主要制约因素,这说明虽然其科技创新速度在加快,但是技术利用率低下,科技研发成果与生产应用不能及时挂钩,无法迅速转化成实际生产力。这与王艺明的研究结果相一致,他认为中国大部分城市的生产效率是下降的,原因一是现在的生产规模不是我国的最佳生产规模,二是管理体制和技术市场还不完善[22]。对于技术进步率上涨与技术效率下降同时存在的现象,J.Felipe曾给出解释,他认为发展中国家的政府部门更加注重技术进步而忽略技术效率的提高,以致即使技术前沿向前推移也不能带动生产效率的相应增长[23]。

安徽省规模效率在2001～2015年间年均下降0.68%,变化率一直处于零值以下,这源于规模报酬递减,即劳动和资本增加的比例大于产出增加的比例,而导致规模报酬递减的主要因素是资本回报率的下降,这反映出安徽省不但过于追求经济增长速度,没有把重点放在经济增长质量上,大量的无效投资导致资源浪费,而且产业集聚程度低。但是,从2009年起规模效率呈上升趋势,可以看出情况在改善。

2. 安徽省资本、劳动与TFP增长率对经济增长的贡献及变化

如表5所示,安徽省2001～2015年间资本对经济增长的贡献率远高于劳动投入和TFP增长率的贡献率,经计算资本平均贡献率为66.13%,TFP增长率的平均贡献率为22.3%,说明安徽省TFP对经济的推动作用有限,过去经济增长方式是粗放式的资本投入型,经济增长质量总体上不高。各年资本贡献率比较大是由于安徽省目前处于工业化第二阶段向第三阶段的过渡时期,投资成为拉动经济增长的最主要动力,我们可以看出资本贡献率在2009年更是创出新高,主要原因在于为抵消金融危机的短期波动影响及保持经济稳定增长,安徽省采取一系列刺激政策, 通过加大财政投入来重点推进重大基础设施建设。但是从2010年起资本贡献率逐年下降,说明投资过度已经出现,经济增长中的资本过度扩张导致资本成本增加及投资效率降低,整个工业产能过剩问题也愈加严重,到2014年资本贡献率缓慢回升则表明去产能成效开始显现。

表5安徽省2001～2015年资本、劳动和TFP增长率对经济的贡献率(%)

年份资本贡献率劳动贡献率TFP增长率贡献率200134.8015.8949.31200244.5014.9440.56200357.7027.0615.24200477.503.4519.05200579.1011.968.94200680.3014.315.39200785.0011.103.90200886.601.5511.85200988.5013.57-2.07201083.506.749.76201158.5024.0617.44201257.305.4337.27201350.9010.9038.20201452.006.2841.72201555.806.3937.81均值66.1311.5822.29

相对而言,TFP增长率贡献率在2010年起呈上升趋势,主要由于安徽省政府开始注重建设创新环境,同时加大研发资金的投入,另外合芜蚌自主创新综合配套改革试验区也开始发挥重要作用,引导扶持试验区内创新型新兴产业,使得总体科技创新实力明显提升,经济增长质量亦得到提高。

其中劳动贡献率一直维持在较低水平,这是因为据国家卫生和计划生育委员会统计,截至2013年底安徽省是我国跨省流出人口最多的省份,创新型人才多涌入经济相对发达的沿海地区,加上劳动力本身素质低、受教育程度不高,因此对经济增长有很大的制约作用。

3. 安徽省各城市及区域TFP比较

表6显示,安徽省2001～2015年大多数地级市的全要素生产率在改善。合肥年均TFP增长率最高,达到2.89%,这是由于合肥作为安徽省省会和长三角城市群副中心具有强大的区位优势和政策优势,在整个研究期间政府通过建设国家自主创新示范区来快速整合优势资源,大力实施技术创新型工程,重点发展新兴产业,对创新型企业扶持力度的增加、产业结构的相对改善以及制度改革的推进带来了TFP水平的大幅度提高。作为全国首批技术创新工程示范城市中之一的芜湖TFP增长率仅次于合肥,年均约为2.78%,该市创新型经济的成长壮大主要得益于合芜蚌试验区的设立,地方政府善于把握这一机遇发展创新型经济,用一系列科技政策为高新技术企业提供不同服务模式,在转型的关键时期积极推进各项创新工程,奇瑞汽车等龙头企业也以自主创新为途径提高核心竞争力,它们注重新产品研发和工程实验室的建设,齐力推动芜湖经济发展方式由资源驱动向创新驱动转变, 使芜湖经济朝高质量发展方向迈进。滁州、铜陵、宣城及六安的TFP增长率紧随合肥和芜湖之后,主要因为它们同属于皖江城市带,承接产业转移示范区的建立给它们带来了新的发展机会,过去经济发展的相对落后使它们容易获益于发达地区的技术溢出效应[24]。在“一轴双核两翼”的空间格局部署下,合肥和芜湖作为核心城市充分发挥辐射功能,带动了这四个城市创新效率的提高和产业结构的快速优化升级,当然这些城市自身也在把握改革机遇谋求新发展,比如铜陵通过集聚创新创业资源来打造特色高技术产业链,并鼓励重工业企业进行改造升级,在资源短缺与环境污染的双重压力下,利用科技创新战略并积极寻找环保型能源利用方式,走出一条经济与科技紧密结合的转型发展之路。蚌埠虽是合芜蚌试验区的参与者之一,然而它的TFP增长率远低于合肥和芜湖,仅为1.65%,原因可能有三,一是它作为老工业城市对传统发展路径依赖性较强,产业结构仍不合理;二是创新激励政策的落实不到位及创新扶持资金的大幅度缩水,例如在2014年省政府取消了对蚌埠的1亿元专项资金支持;三是高新技术产业实力较弱,创新效率水平偏低,据统计截至2016年底合肥和芜湖规模以上高新技术产业增加值分别达1 294.2亿元和823.7亿元,蚌埠只达313.8亿元。

表6安徽省2001～2015年各地级市TFP增长率均值

地市TFP增长率(%)合肥0.0289淮北-0.0031亳州0.0126宿州0.0142蚌埠0.0165阜阳0.0148淮南-0.0032滁州0.0265六安0.0253马鞍山-0.0037芜湖0.0278宣城0.0248铜陵0.0260池州-0.0076安庆0.0198黄山-0.0059

同时我们还注意到只有淮北、淮南、马鞍山、黄山及池州的TFP增长率为负值,分别是-0.31%、-0.32%、-0.37%、-0.59%和-0.76%。究其原因,淮南、淮北和马鞍山三市都为资源型城市,经济发展主要依靠煤电或钢铁拉动,产业结构比较单一,即使产业部门多样化也是依赖于资源开采而存在,资源禀赋优势带来的丰富利润使其忽略技术对经济发展的重要性,目前高新技术产业还处于起步阶段,无法带动生产效率的提高,而黄山和池州的优势产业是缺乏技术进步动力的旅游业,TFP的放缓可能与创新要素不活跃有关。

分地区来看,皖北、皖中、皖南地区的TFP年均增长率分别为0.86%、2.51%、1.02%,其中皖中地区最高,皖北地区最低。从表7可以看出,技术进步强力带动三个区域TFP的增长,技术效率在不同程度上弱化了技术进步对TFP的改进作用,但规模效率却变化态势各异,皖中和皖南地区的规模效率分别年均下降0.75%和0.38%,原因在于当规模报酬小于1时,经济相对发达地区容易集聚更多投入要素,也就是说投入要素的增长幅度更大于其他地区,这样会使规模效率下降更快[11],而皖北地区的规模效率的上升则可能是由于近年来皖北劳动力回流开始显现,劳动力整体素质水平有所提升,使规模报酬改进。另外,皖北、皖中及皖南地区TFP改善程度不同主要是由于技术进步率有差异,技术效率及规模效率变化率相差不大,表明优化和提升技术进步率是缩小地区发展差距的关键。

表7　安徽省2001～2015年不同区域TFP增长比较

注:表4和表7结果有差异是因为表4的历年数据由16个城市按照 GDP 的加权平均值计算得到,表7为比较地区差异,由计算历年数据的算术平均值得到。

四、结论与建议

本文使用超越对数生产函数的随机前沿模型,对安徽省2000～2015年16个地级市的全要素生产率进行测算和分解,并从劳动、资本和TFP对经济增长贡献率的时间变动趋势角度探讨了安徽省经济增长方式的转变,最后对各城市及各区域TFP增长率做了比较分析,得到以下结论:

第一,在2000～2015年间,安徽省全要素生产率平均增速为2.32%,总体上呈现先降后升、再逐渐下降的变化趋势。其中技术进步呈逐年上升趋势,是促进TFP增长的根本动力,技术效率的下降是阻碍安徽省TFP提升的最主要根源,而规模效率变化率一直处于零值以下,也在一定程度上抑制TFP的提高。

第二,从经济增长源泉上来看,资本对安徽省经济增长的平均贡献率为66.13%,TFP增长率贡献率平均贡献率为22.3%,劳动要素和TFP增长对经济的贡献率相对较低。经进一步分析后发现TFP增长率贡献率在2010年起呈上升趋势,说明安徽省经济正在向质量效率型集约增长转变。

第三,分城市来看,除淮北、淮南、马鞍山、黄山及池州外,其他城市的全要素生产率都在改善,并且处于皖江经济带的城市TFP增长率均值要高于其余地级市。分地区来看,皖中地区TFP增长率最高,皖南次之,皖北最低,这主要由于技术进步率差异。

当前安徽省经济发展正处于原有增长动力减弱,新的增长动力未能有效弥补的阶段,矿产业繁荣的逐渐消退也使经济发展受到严重影响,鉴于此本文提出以下建议:

首先,加强供给侧结构性改革,重视全要素生产率增长率,通过创新实现经济过渡,将以资本驱动的经济增长方式转变为以创新驱动的发展方式,推动产业结构升级,对传统产业进行技术改造让其继续发挥作用,同时用新技术带动新产业,推动生产要素从老化产业向新兴产业转移,以创造更高经济效益。

其次,在加大技术创新投入的基础上,我们要重视技术效率和规模效率的提升,一方面提高生产能力利用水平,加强科技成果的转移与转化,另一方面减少无效投资,优化资源配置,改善资本供给结构。

再次,政府要深化科技体制改革,积极参与天使基金的建设,通过引导社会资本为创新型企业发展注入资金活力,另外利用合芜蚌试验区创新平台,加快科技成果转化速度,继续为减轻企业负担来实施全面深入的结构性减税,让企业为创新投入更多资源,提高企业创新积极性。

最后,要提高产业集聚效应,充分发挥皖江示范区在推动安徽省转型发展中的支撑作用,通过招商引资使安徽省企业与国内外龙头企业全面对接,促进各城市间的协同合作和创新要素的自由流动,其他城市也应利用比较优势发展特色产业,加入创新元素,从而缩小区域间经济差距,实现安徽省均衡可持续发展。

[参考文献]

[1]张军,施少华.中国经济全要素生产率变动:1952-1998[J].世界经济文汇,2003,(2):17-24.

[2]郭庆旺,贾俊雪.中国潜在产出与产出缺口的估算[J].经济研究,2004,(5):31-39.

[3]孙琳琳,任若恩.中国资本投入和全要素生产率的估算[J].世界经济,2005,(12):3-13.

[4]傅晓霞,吴利学.全要素生产率在中国地区差异中的贡献:兼与彭国华和李静等商榷[J].世界经济,2006,(9):12-22.

[5]赵志耘,杨朝峰.中国全要素生产率的测算与解释:1979-2009年[J].财经问题研究,2011,(9):3-12.

[6]高新才,韩妍.基于Malmquist生产率指数的中国区域工业全要素生产率测度[J].甘肃社会科学,2009,(3):84-87.

[7]张洋,项本武,段东生.中国工业全要素生产率的动态实证分析:1998-2007:基于DEA模型的Malmquist指数方法[J].决策与信息旬刊,2011,(2):124-125.

[8]杨勇,李忠民.供给侧结构性改革背景下的要素市场化与工业全要素生产率:基于31个地区的实证分析[J].经济问题探索,2017,(2):31-38.

[9]Arazmuradov A,Martini G,Scotti D. Determinants of total factor productivity in former Soviet Union economies: A stochastic frontier approach[J].Economic Systems,2011,38(1):115-135.

[10]Aisen A, Veiga F J. How does political instability affect economic growth?[J].European Journal of Political Economy, 2013, 29(568):151-167.

[11]王德祥,薛桂芝.中国城市全要素生产率的测算与分解(1998-2013):基于参数型生产前沿法[J].财经科学,2016,(9):42-52.

[12]李静,李逸飞,马永军.中国城市全要素生产率增长率的动态实证分析及收敛性研究[J].江淮论坛,2016,(3):54-63.

[13]洪功翔,张兰婷.安徽经济崛起的比较与解析[J].江淮论坛,2014,(3):75-79.

[14]Battese G E, Coelli T J. Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India[M].Berlin:Springer Netherlands, 1992:149-165.

[15]Kumbhakar S C, Lovell C A K. Stochastic frontier analysis[M]. Cambridge: Cambridge University Press, 2000.

[16]余泳泽.中国省际全要素生产率动态空间收敛性研究[J].世界经济,2015,(10):30-55.

[17]张健华,王鹏.中国全要素生产率:基于分省份资本折旧率的再估计[J].管理世界,2012,(10):18-30.

[18]张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952-2000[J].经济研究,2004,(10):35-44.

[19]李涛,周业安.中国地方政府间支出竞争研究:基于中国省级面板数据的经验证据[J].管理世界,2009,(2):12-22.

[20]杨军.推进安徽新型城镇化建设[J].宏观经济管理,2013,(6):75-76.

[21]金碚.中国经济发展新常态研究[J].中国工业经济,2015,(1):5-18.

[22]王艺明,陈晨,高思航.中国城市全要素生产率估算与分析:2000-2013[J].经济问题,2016,(8):1-8.

[23]Jesus Felipe. Total factor productivity growth in East Asia: A critical survey[J]. The Journal of Development Studies, 1998, 35(4):1-41.

[24]熊义杰.技术溢出效应与区域经济发展[M].北京:科学出版社,2016.