经济新常态下制造业全要素生产率的区域比较研究
——基于福建省2001—2015年的面板数据

钟明春 ，陈新芳

（1.福建江夏学院 经济贸易学院，福建 福州350108；2.福建江夏学院 现代商贸经济研究中心，福建 福州350108）

自2008年美国金融危机爆发以来，全球经济遭受重创，欧美发达国家经济增长乏力，使得各国开始重新审视制造业对于一国经济发展的重要性。事实上，以美国、德国为代表的许多发达国家纷纷提出“再工业化战略”，试图实现从“产业空心化”到“再工业化”的回归。2012年世界经济论坛认为，几乎所有的国家都在因制造业而进步，这表明制造业不仅是重要的，而且许多国家正在成为制成品和提升制造知识能力的竞争者，大多数国家之间，包括新兴经济体和发达国家之间，正在为从制造业获得利益而进行激烈的竞争[1]。在此背景下，如果我国制造业不能有所作为的话，必将面临价值链低端锁定甚至淘汰出局的可能。尤其是近几年来，我国国民经济增速出现小幅回落，由高速增长转为中高速增长，除了外部宏观经济形势的影响，我国制造业还面临着劳动力成本上涨、节能减排、资源消耗与环境污染以及产能过剩等诸多压力。事实上，我国制造业尚未实现向集约型增长方式转变，过度依赖资源消耗和生产要素的投入已经成为限制我国经济持续稳定增长的隐患[2]。为了应对国内外的诸多挑战，促进制造业的转型升级，我国政府提出了《中国制造2025》的发展战略，这标志着我国制造业开始步入新的历史发展阶段。那么当前我国制造业处于何种水平？制造业全要素生产率的增长及其变化趋势如何？资本或劳动对于生产率的贡献发生了什么样的变化？技术进步是否带来生产率的变化呢？对于这些问题的研究将有助于为相关部门制定相应的产业政策提供有力的支撑。全要素生产率作为集约型增长方式的基本内涵和衡量技术进步的重要指标，最早由美国经济学家罗伯特·索洛提出[3]，随后，许多学者对此进行了更为深入的研究，关于TFP的测算方法也越来越多样化，并且更为完善。其中比较典型的有Jorgenson提出的超越对数生产函数法[4]，Aigner、Schmidt和 Meeusen、VandenBroe 等分别独立提出的随机前沿生产函数法[5-6]，A.Charnes、W.W.Cooper和 E.Rhodes提出的数据包络分析（Data Envelopment Analysis，简称DEA）方法[7]。随着理论及方法研究的不断完善，国内外采用不同方法测算TFP的研究成果纷至沓来，数不胜数。其中在制造业方面，Kyoji Fukao、Keiko Ito等通过对日本内资制造业企业和外资制造业企业的比较研究，发现外资企业和跨国并购企业拥有相对较高的全要素生产率水平以及较高的资本回报率[8]。Dolores Anon Higon通过对英国制造业全要素生产率的技术外溢影响研究，得出英国自身产业技术外溢和国外关于该产业技术外溢都会有助于该国制造业生产率的提高[9]。Amity和Wei采用工具变量估计法研究了1992—2000年期间,外包行为对美国整个制造业的 TFP和劳动生产率的影响，研究发现服务外包行为对生产率影响显著，货物外包的影响则次之[10]。Kruger通过美国制造业1958—1996年数据的分析发现，比较优势结构变化对生产率增长的作用明显[11]。

国内学者亦采用不同方法从各自的角度对制造业全要素生产率进行广泛的研究。杨桂元、王莉莉利用Malmqulst生产率指数方法，就我国1999—2005年省际全要素生产率进行了测算研究，结果表明，我国制造业全要素生产率的增长主要是由技术进步推动的[12]。司传宁、付宏华则运用半参数估计方法，对我国2002—2011年26个制造业行业的全要素生产率进行了测算，得出对外开放以及合理的技术差距会显著促进我国行业技术水平的提高[13]。除了宏观层面的研究之外，许多学者还在省级区域层面对各省制造业全要素生产率进行了测算[14-16]。

综上所述，关于制造业TFP的测算研究成果颇丰，研究方法与视角迥异，但从现有研究来看，针对特定区域相对微观的比较研究还不多见。本文拟以福建省为例，采用生产函数法就该省不同地区制造业的全要素生产率进行比较研究，以期为特定区域制定差别化的产业政策提供决策参考。

一、研究设计与指标的选取

（一）全要素生产率相关理论及影响因素分析

1.全要素生产率的相关理论

全要素生产率是指“生产活动在一定时间内的效率”,是衡量投入产出的生产率指标，常常被视为科技进步的指标。关于全要素生产率的研究理论可以从三个方面来表述：一是全要素生产率是所有投入要素对产出增长率的影响，全要素生产率的鼻祖Davis认为资本、劳动力、原材料、能源等全部投入均应作为投入要素。但这种研究方法难以计算生产过程中所投入的全部生产要素，并且若将资本、劳动力、原材料、能源、技术等全部投入要素都考虑进来便会造成不同研究主体之间不再存在生产率的差异，也无法衡量和对比不同投入要素对生产率增长的影响。二是全要素生产率是除资本和劳动以外的要素投入所带来的生产率的增长。最先提出这一观点的是美国经济学家罗伯特·索洛，他认为全要素生产率是无法被资本和劳动的增长率所解释部分的生产率的增长值，即“索洛余值”。索洛将这个“余值”当作是技术进步所带来的贡献，但实际上这个“余值”并不仅仅包含技术进步，还包含诸如人力资本的提高、市场环境的改善、计算误差等其他因素的影响，因此就可能高估技术进步的贡献率。三是以Jorgenson和Griliches为代表的，在认同前者观点的前提下，认为全要素生产率应当是扣除资本、劳动、技术进步以及教育、管理等多种可测量的要素投入之后所剩余的和无法解释的生产率的增长，据此还提出了超对数生产函数法，使生产率的测算更为准确。

2.全要素生产率的影响因素分析

全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等，因此全要素生产率的影响因素主要有技术进步、对外开放、R&D活动、制度变迁及其他因素。

a.技术进步。全要素生产率是衡量一国经济发展的重要指标，而全要素生产率的增长很大一部分就来源于技术进步，因此技术进步对提高全要素生产率具有促进作用。技术进步是知识形态的生产力，它一旦加入生产过程，就转化为物质生产力，在当代生产力发展中起着决定性作用，是推动经济增长的首要因素。在现阶段，移动电子商务的迅速发展就是技术进步所带来的最好例子，移动电子商务的发展为各行各业的发展提供了可能，促进了经济的增长。事实证明，长期持续稳定的经济增长在很大程度上归功于科学技术水平的不断提高。

b.对外开放。自1978年改革开放以来我国取得了巨大的成就，国内生产总值得到较快增长。一方面，对外开放吸收外资可以发挥我国市场、资源和劳动力的比较优势，提高我国经济增长的质量和效益，而积极引进国外的先进技术和设备，经过吸收和消化，加快技术进步，则可促进产业结构和产品结构的升级换代，能够增强我国企业的竞争力。另一方面，对外开放可促进贸易自由化、国际化，企业会相应地扩大生产，呈现规模经济效应，从而导致生产率的提高。

c.R&D活动。R&D(research and development)是指在科学技术领域，为增加知识总量(包括人类文化和社会知识的总量)，以及运用这些知识去创造新的应用而进行的系统的创造性活动，包括基础研究、应用研究、试验发展三类活动。R&D活动的规模和强度指标可以反映一国的科技实力和核心竞争力，一国的R&D水平体现着一国的政治经济实力，而一个企业的R&D水平，则在某种程度上体现着一个企业的竞争力。一般来说，企业的R&D投入越多，创新的成果也就越丰富，对全要素生产率的提升也就越显著。国内多数学者通过对企业R&D进行研究后都曾得出相同的结论：R&D溢出对全要素生产率具有正效应。

d.制度变迁。美国著名经济学家Douglass C.North在《西方世界的兴起》一书中，认为制度因素是经济增长的关键，一种能够对个人提供有效激励的制度是保证经济增长的决定性因素，“一个有效率的经济组织在西欧的发展正是西方兴起的原因所在”。良好的制度环境、社会环境以及文化氛围对产业的发展至关重要。通过降低交易成本、提供服务、创造合作条件、创建激励机制等手段来促进技术创新，从而提高全要素生产率。制度会影响高技术产业发展，当物质生产要素不变，尤其是技术不变时，生产率便可以通过制度的变化得到提高。

（二）生产函数模型的构建

许多经济学家对全要素生产率进行了深入分析，提出了不同的测算方法，主要可分为增长会计法与经济计量法这两大类。其中增长会计法包括代数指数法与索洛残差法，经济计量法包括隐性变量法与潜在产出法，潜在产出法又可分为参数随机边界分析和非参数数据包络分析。这些方法各有优缺点又相互联系，本文采用Cobb-Douglas生产函数法，即：

其中，Yt表示第t期的实际产出，At表示第t期的技术进步率，Kt和Lt分别表示第t期的固定资本投入和劳动力投入，α、β分别是固定资本投入和劳动力投入的产出弹性，u表示随机误差项。（1）式中的被解释变量Yt与解释变量Kt、Lt之间的关系是非线性的，通过对数变换后可转化为如下形式：

在规模保持不变的条件下，即α+β=1，利用E Views软件，采用普通最小二乘估计法（OLS）对（2）式中的多元线性回归模型的参数进行估计。再利用索洛余值法对全要素生产率进行测量，计算公式如下：

（三）面板数据模型的构建

面板数据也称作时间序列与截面混合数据，是截面上个体在不同时点的重复观测数据，利用面板数据建立模型可以增加估计量的抽样精度，比单截面数据建模可以获得更多的动态信息。

面板数据的模型主要有混合模型、固定效应模型和随机效应模型这3种。一般的单方程线性面板数据模型可以表示为：

其中，Yit为被回归变量（标量），α表示截距项，Xit为k×1阶回归变量列向量（包括k个回归量），β为k×1阶回归系数列向量，εit为误差项（标量）相互独立，且满足零均值、等方差，n是截面样本点个数，T是时序期数。

二、数据处理与分析

（一）指标选取与数据处理

本文使用的样本为2001—2015年福建省8个地级市（福州市、厦门市、漳州市、泉州市、南平市、龙岩市、宁德市、莆田市，其中三明市因缺乏2001—2012的数据故不计算在内）工业的面板数据（因制造业数据不完整故用工业数据来代替），所用的数据根据各市2016年统计年鉴的资料整理得来。

为准确评估福建省这8个地级市的制造业全要素生产率的增长情况，数据的获取与处理至关重要。本文综合比较国内研究普遍使用的处理方法，构建8个地级市工业的产出、资本投入和劳动力投入的指标数据。

1.制造业产出增加值

为减少价格波动的影响，本文采用制造业产出增加值来表示工业的产出，数据来源于福建省各市2016年统计年鉴。

2.固定资本投入

固定资本投入采用永续盘存法来估算物质资本存量，计算公式为：

其中，Kt为t期末的资本存量，It为t期内的资本形成总额，δ为固定资本经济折旧率。本文参照张军等的处理方法[17]，取固定资本经济折旧率为9.6%。这里需要说明的是，由于各地级市并没有公布固定资本形成总额，并且国家的统计局也是以全社会固定资产投资额为基础进行一定的调整来计算固定资本形成总额的，可见，全社会固定资本投资额与固定资本形成总额具有较强的相关性。因此，本文采用全社会固定资本投资额来代替固定资本形成总额。

3.劳动力投入

本文选取各市2001—2015年社会从业人员的平均数作为劳动力投入。利用E Views 7.0软件计算2001—2015年各地级市制造业全要素生产率的增长情况。

（二）福建省各地区全要素生产率的测算与比较分析

1.面板数据单位根检验

面板数据的单位根检验方法主要有LLC检验、Breitung检验、Hadri检验、ISP检验、Fisher-PP检验与Fisher-ADF检验。为了避免单一检验方法可能存在的缺陷，本文选择LLC检验、Fisher-PP检验与Fisher-ADF检验三种方法进行单位根检验。根据检验结果显示，LLC、Fisher-PP和Fisher-ADF的伴随概率P值均小于0.051，因此，在5%的显著性水平下，变量ln（Y/L）和ln（K/L）的面板数据水平值是平稳的，如表1所示。

表1 2001—2015年福建省各地区序列的面板单位根检验结果

2.面板模型估计

根据（2）式对2001—2015年福建省8个地级市面板数据建立回归模型，自变量ln（K/L）系数为截面不同的系数，无截面和时期效应，因此该模型是变系数面板模型，采用最小二乘法为估计方法。根据估计情况可知，面板数据回归结果较好，在显著性水平为5%的情况下，除厦门市外其余均通过了显著性检验。通过分析可以得到，福建省宁德、莆田、龙岩及漳州的资本贡献率相对较高，均超过0.50，而厦门、福州、泉州、南平的资本贡献率均低于0.50，相对低一些，而劳动的贡献率则相反，厦门、福州、泉州及南平均超过0.60。结果如表2所示。

表2 2001—2015年福建省各地级市面板模型估计结果

3.福建省各地区全要素生产率的测算

在计算出福建省各地区资本弹性系数与劳动弹性系数的基础上，便可以得出2001—2015年各地区的制造业全要素生产率年均率及产出贡献率。

①从2001—2015年的全要素生产率贡献度与贡献率来看，福建省各地区之间的差距较大。全省全要素生产率平均贡献率为17.47%，其中，宁德市全要素生产率的贡献率最低，为5.3%，其次为南平6.8%；而厦门市全要素生产率贡献率则最大，为29.3%，其次为泉州25.9%，漳州为24.9%。可见福建省各地区之间的全要素生产率贡献率地区差异比较大，厦漳泉地区全要素生产率贡献较大，这可能与该地区经济发展水平有着较为密切的关系，而宁德地区由于早期交通条件、产业结构等原因的制约，经济发展相对滞后一些。

②从劳动投入贡献率来看，全省劳动投入的平均贡献率为40.67%，其中南平市劳动投入的贡献率最高，为69.9%，其次为厦门的49.5%，顺推依次为福州48.9%、泉州46.7%，宁德劳动投入的贡献率最低，为4.7%。从全省劳动投入贡献率的总体情况来看，福建省的劳动投入仍然是制造业增长的主要推动力，这说明福建制造业的技术含量和附加值仍然偏低，劳动密集型产业仍然占了较大比重，有待于进一步进行转型升级，以提升福建制造业的竞争力。

③从资本投入的贡献率来看，全省资本投入的平均贡献率为36.9%，其中，宁德的资本投入贡献率为90%，其次为龙岩，占54.1%，漳州则占45.1%，而厦门和漳州相对较低，分别为21.2%和23.3%，福州为32.6%，泉州为27.4%。这其中差异较大的原因可能与这些地区的资本要素禀赋有关，厦漳泉与福州有着丰富的资本要素资源，因此可能资本的贡献率会低些，而技术进步的贡献相对较大。对于龙岩和宁德地区而言，可能资本相对匮乏，因此资本的贡献率可能会相对大一些，结果如表3所示。

表3 2001—2015年间福建省各地区资本、劳动、全要素生产率的平均贡献

三、结论与建议

根据前述研究结论可知，厦漳泉地区、福州及莆田地区全要素生产率较高，技术进步对于该地区制造业的贡献较大，而龙岩、三明、南平及宁德的全要素生产率相对较低些，可能因为这些地区技术水平相对较低，科学技术对于制造业的作用或贡献尚没有充分发挥出来；其次从资本和劳动的贡献率来看，龙岩、宁德等地区资本贡献较大些，而厦漳泉地区、福州及莆田地区则劳动的贡献率更大些，表明沿海大部分经济发展较快的地区劳动密集型产业仍然占了较大比重；再次，从劳动、资本及全要素生产率的平均贡献率来看，劳动占40.67%，技术占36.9%，而全要素生产率则占17.47%。可见福建省制造业主要还是依靠资本和劳动等要素投入来拉动，全要素生产率的贡献仍然偏低，福建省制造业的集约化程度还不够高，有待于进一步进行转型升级。