经济新常态下重庆全要素生产率的测算与分解研究

摘 要：基于经济新常态背景，研究全要素生产率对经济可持续发展有着重要意义。根据2000年-2018年重庆市38个区县的面板数据，本文采用序列DEA的方法测算了重庆全要素生产率及其分解情况，并在此基础上，分析了重庆县域全要素生产率增长的时空特征。结果表明：（1）整体上重庆市全要素生产率增长率达到2.6%，技术进步是增长率提高的主要动力，而技术效率对增长率的贡献相对有限。（2）从时间趋势上看，全要素生产率增长波动的阶段性特征显著，按照波动特点将其分为2000年-2005年，2005年-2011年，2011年-2018年三个阶段。（3）从空间角度看，重庆市全要素生产率、增长率呈现空间不均衡的特点，一小时经济圈增长最快，渝东北翼次之，渝东南翼增长最慢。

关键词：全要素生产率;序列DEA;技术效率;技术进步

一、引言

中国的经济在持续三十多年的高速增长后，在2011年出现减速迹象，至今中国GDP增长率下降成为趋势，中国经济已经进入了结构性减速期，目前整体经济发展形势正处于由高速发展向高质量发展的攻关期。2017年的《政府工作报告》指出要继续保持稳中求进的总基调，坚持努力适应把握并引领经济发展的新常态。如何增强经济增长动力，推动结构转型升级，从而引领和适应新常态，成为当下经济发展关注的重中之重。按照新古典经济增长的理论，全要素生产率（Total Factor Productivity，TFP）是推动经济可持续增长的动力源泉。当下经济依靠要素投入带动发展存在后续乏力的可能，因此提高全要素生产率成为未来促进经济增长的重要措施。

目前国内对TFP的研究主要包括：第一，TFP的不同测算方法。测算方法分为参数方法和非参数方法，区别主要在于是否需要具体的生产函数形式。参数方法包括索罗余值法、随机前沿生产函数法等;非参数方法主要包括指数法、数据包络分析法等。其中，王艳芳（2019）采用索罗余值法对全国三次产业的全要素生产率进行测算。向玲凛（2017）采用随机前沿生产函数法分别测算出对于不同地区的全要素生产率及其分解。王力（2016）采用非参数DEA和参数SFA模型相结合的方法，测算了棉花全要素生产率。魏下海、余玲铮（2011）分别采用两种方法研究测算，认为数据包络分析法比随机前沿生产函数法得到的结论可能更加可靠且更满足对中国经济现实的解释。第二，不同空间视角的TFP测算。吴春雅（2015）从4个角度比较分析了江西县域全要素生产率指数及其分解情况。鲁志国等（2020）以广东省为例研究金融效率、产业结构升级与全要素生产率的动态关系及其区域差异。肖晓军等（2020）基于省级面板数据分析了环境规制影响贸易出口与绿色全要素生产率之间关系的作用机制。杨万平、滕泽伟等（2020）从生态和绿色的角度测算国家层面的全要素生产率并进行空间差异的分析探讨。第三，影响因素分析。学者们从不同角度对TFP的影响因素进行探讨，主要包括产业结构（例如江永红、陈奡楠）、劳动保护（例如廖冠民等）、房地产调控（例如罗鹏）、政府补贴（例如李政）、互联網发展（例如李欠男等）、外商直接投资（例如崔兴华）等方面。

纵观文献，学者们在宏观层面的研究分析已经比较全面，但是目前以区县为测度对象的测算和分析较少。而县域经济不仅是构造区域经济的基础，更是促进城市发展的重要环节，因此从县域层面讨论十分必要且有意义。另外，研究方法以往以传统的DEA方法为主，很少有文献采用序列DEA方法，其可以有效解决“技术退步”的问题。同时，重庆作为四大中央直辖市之一，是经济发达的东部地区与资源聚集的西部地区之间联系的重要桥梁，也是“一带一路”、“长江经济带”以及“成渝经济圈”建设的重点城市。然而，重庆GDP在高速增长10年来，在2017年首次下降到两位数以下，2018年增速保持下行趋势。全要素生产率是带动重庆经济发展的重要动力，研究全要素生产率对于重庆市促进经济增长具有重要意义，也能够为其他地区实现经济高质量发展提供参考借鉴。

本文基于重庆38个区县的面板数据，采取序列DEA的方法来测算重庆的全要素生产率及其分解情况，并进一步考察重庆TFP增长的时间变动趋势和特征。在此基础上对于重庆不同的区域提出差异化的政策建议，以期在经济新常态背景下，为推动重庆市以及其他地区提高全要素生产率，推动经济结构转型提供决策依据。

二、研究方法

基于2000年-2018年重庆38个区县的面板数据，本文采用数据包络分析法（Data Envelopment Analysis，DEA）对全要素生产率及其分解情况进行测算。Fare等将全要素生产率（TFPCH）分解为技术效率变动指数（TEC）和技术进步指数（TC），这样有利于后续分析可以更加清晰考察增长情况。将各个区县作为独立的生产决策单位，通过统计数据来找到不同时期的最佳生产前沿面，并比较决策单元的生产与最佳生产前沿面。

首先，假设第k（k=1，2，…，K）个生产决策单位在第t（t=1，2，…，T）个时期使用了n（n=1，2，…，N）种投入Xtk，n，生产出了m（m=1，2，…，M）种产出，在规模不变且要素投入强可处置性的条件下，从产出角度对全要素生产率的变动进行研究。

借鉴Shestalova提出的序列DEA方法，将各期的参考集包含以前所有时期的参考集，并把参考技术定义为：

其中，xt、yt分别表示了t时的投入和产出向量，技术效率变动指数（TEC）反映了从t期到t+1期各地区对最佳生产前沿的追赶程度，即资源配置和使用效率的改善程度;技术进步指数（TC）体现了技术前沿从t期到t+1期的变动情况，即生产技术的发展程度。

三、变量处理与数据来源

1.变量处理

参考章祥荪、贵斌威（2008）的文献，并结合数据可获取性，本文构建了全要素生产率的测算指标。其中，产出指标为重庆市38个区县的国内生产总值（Gross Domestic Product，GDP），需要说明的是，本文将各年38个区县的GDP均折算为2000年可比价格。投入指标为资本投入和劳动投入两个指标。具体来说，劳动变量选取为重庆各区县的全部就业人数。而资本投入的指标按照普遍使用的永续盘存法计算固定资本，公式如下：

其中，Kit表示i地区t年的资本存量，Iit表示i地区t年的固定资产投资流量，δ表示资产折旧率，按张军等（2004）研究，选取9.6%为固定资产折旧率。

2.数据来源

本文的数据来源为2001年-2019年的《重庆统计年鉴》。需要说明的是，有些年份部分数据缺失，本文使用线性插值法补齐。另外，由于区划变动，2011年万盛区和双桥区已经分别纳入綦江区和大足区，为了保持统计口径一致，统计时未包括在内。

四、全要素生产率的测算结果及分析

1.全要素生产率变动的时间特征

首先，整体上重庆TFP年均增长率为2.6%，技术进步年均增长率约为1.5%，技术效率年均增长率约为1.1%。技術进步对于TFP增长的推动作用更大且与TFP增长率变动趋势的一致性更强，说明技术进步是推动TFP增长率提高的主要动力。技术效率对于TFP增长率的贡献相对有限，且在部分年份中对于其增长甚至呈反向变动趋势，但其变动对于TFP增长率仍有重要影响，也是TFP增长率提高的重要动力。

其次，重庆TFP增长率波动的阶段性特征较为明显，根据TFP增长率的波动起伏大致将其增长情况划分为2000年-2005年、2005年-2011年、2011年-2018年三个阶段。首先，2000年-2005年期间TFP年均增长率提升较慢，但是实现了由负增长转变为正增长，呈现增长态势。2005年TFP增长率有所下降，但仍保持正增长，可能与2005年实施一系列控制部分行业投资增长过快的政策，从而影响技术研发投入。2005年-2011年整体TFP增长率增长较快，当期内达到5%以上，可能与深入实施科教兴国和人才强国战略，提高自主创新能力有关。虽然在2009年受到全球金融危机以及其时间滞后性影响，导致资本波动，使TFP增长率有所下滑，但因重庆市主导产业的技术含量较高，以及政府出台一系列稳定经济的举措使其下降幅度不大，保持在5%左右。且在金融危机过后经济逐渐回温，恢复较快的正增长。而在2012年由于经济新常态转型和新一轮经济危机的影响，增长率下降至1.7%。在此之后，随着经济逐渐转型，TFP增长率保持在2%左右，且其波动呈现收敛形式。可能是因为政府对于鼓励技术创新、引进人才设备等政策的实施力度加大，推动技术进步增速逐渐提高，使其表现出更强的可持续性。

2.全要素生产率变动的空间特征

首先，由下表观察到各地区TFP指数及其分解情况的差异明显，即各地区发展不平衡。除秀山县的TFP指数小于1外，其他37个区县TFP指数都大于1，即各区县的TFP基本实现正增长。其中，渝北区增长最大，增幅达到8.9%，这可能与先前渝北区建设一批高科技园区以及长期政府的科技政策扶持有关，通过提高科学技术水平，带动TFP增长率提高。反观秀山县的TFP指数最低，仍为负值，主要是由于地区较偏远，经济发展不充分，科技人才和设施不足，以及当地对于技术研发和利用的程度不高，导致其技术效率和技术进步相对都较为缓慢从而影响当地TFP增长。

为进一步考察TFP增长率在空间上的差异，本文对“一圈两翼”（一小时经济圈、渝东南翼、渝东北翼）三大区域展开具体的分析。首先，从TFP年均增长率来看，一小时经济圈和渝东北翼的TFP增长率提升较快，平均增速分别为3.2%和2.3%，渝东南翼的TFP增长率提升最慢，平均增速仅为0.9%。究其原因，应是一小时经济圈地理位置更加优越，地区经济发展较快，资本、技术、人才等资源方面的优势更加突出，从而推动地区各种资源集聚，导致TFP增长率增长迅速。其次，从技术进步年均增长率看，一小时经济圈、渝东南翼、渝东北翼的技术进步平均增长约为2.56%、0.06%、0.4%，一小时经济圈的技术进步水平最高，与其他地区差距较大。究其原因，应与一小时经济圈通过推动建设六大产业集群有关，推动产业发展，提高创新能力，带动技术和TFP的迅速发展。而两翼的地理位置相对偏远，资金和资源相对匮乏，对于人才和技术的吸引力不足，产业发展相对缓慢，导致其创新能力较弱，技术进步缓慢。最后，从技术效率增长率角度看，一小时经济圈、渝东南翼、渝东北翼的技术效率变化分别约为0.7%、0.9%、1.95%。总的来说，整体上各地区的技术效率进步较慢，且地区差距较大：一小时经济圈技术效率水平最低，其TFP增长的重心主要放在提高技术水平方面，依靠技术进步带动全要素生产率发展，相比之下对于技术效率的重视程度不足，对资源利用效率相对较低。渝东北翼的技术效率较高，TFP增长主要由技术效率带动，相比其他地区，当地对技术的利用效率较高，匹配当地合适的产业和资源。渝东南翼技术效率水平较低，主要是由于经济、技术等都较为落后，人才缺乏以及当地产业发展不足，影响了整体发展。

五、主要结论与建议

本文运用序列DEA的方法，针对2000年-2018年重庆市38个区县的面板数据，对重庆市全要素生产率及其分解情况进行测算与分析，结果如下：（1）从时间变动趋势上看，重庆全要素生产率年均增长约为2.6%，技术进步年均增长约1.5%，技术效率年均增长约1.1%。根据数据分析，发现技术进步对全要素生产率增长率变动的一致性和推动作用更大，是重庆全要素生产率增长率提高的主要动力，技术效率对于全要素生产率增长率的贡献相对有限，但仍是全要素生产率增长率的重要影响因素。（2）从时间阶段来看，重庆全要素生产率增长率增长的阶段性较为明显，在2000年-2005年增速较慢，但实现了增长率由负增长到正增长的转变，在2005年-2011年增速较快，达到了5%左右的增速。在2011年以后，全要素生产率的增长率增速保持在2%，且其增速的波动呈现收敛态势。（3）从空间角度看，不同地区和区域的全要素生产率增长率及其分解情况的差距较大。一小时经济圈全要素生产率的增速最快，主要依靠技术进步推动增长率进步，总体具备可持续发展的潜力。而渝东北翼的全要素生产率增速不高，应该主要是受到了技术进步水平不足的影响，未来在区域技术引进与研发方面还需要进一步加强。渝东南的技术效率和技术进步水平都较低，导致TFP增速缓慢，与其他区域的差距明显，为了促进区域协调发展，后期需要更加重视对于低技术低效率地区的帮扶。

基于经济新常态背景和分析结果，本文的政策建议如下：（1）因地制宜，根据当地特点，采取不同措施提高全要素生产率、增长率。在对不同地区的资源、产业等因素综合考量后，综合选择匹配相应适合的产业、技术、设备等资源，推广适宜当地的技术，并加强宏观调控能力，促进资源配置更加合理，提高技术利用率，推动技术效率水平发展。（2）实现技术效率与技术进步的双动力协调驱动发展。不同地区的各区县应针对自身情况选择发展重点：一小时经济圈应在保持技术研发水平的基础上，侧重于加强自身的资源配置能力，提高技术使用效率。渝东南和渝东北地区应适当加大技术研发创新、引进人才资源以及引进适宜的技术力度，更新生产设备，同时建立科研创新激励体系，通过减税降費、财政补贴等方式激励创新，提高自主创新能力，推动技术进步增长。（3）整体上注重区域协调发展。深化流动体制机制改革，促进区域之间资源的流动性，并降低区域内的流动障碍，使资源流动渠道能够畅通。同时，加强对技术进步和技术效率较为落后地区的帮扶力度，实现各地区技术共享，进一步缩小区域差距，带动整体协同发展，实现区域结构优化，建设创新型城市，增强经济发展动力。

参考文献：

[1]王艳芳.基于人力资本视角的我国三次产业TFP再测算[J].统计与决策，2019，35（24）：137-140.

[2]向玲凛.基于SFA模型的西部地区TFP增长率测算及其效率分解[J].统计与决策，2017（03）：152-155.

[3]王力，韩亚丽.中国棉花全要素生产率增长的实证分析——基于随机前沿分析法[J].农业技术经济，2016（11）：95-105.

[4]魏下海，余玲铮.中国全要素生产率变动的再测算与适用性研究——基于数据包络分析与随机前沿分析方法的比较[J].华中农业大学学报（社会科学版），2011（03）：76-83.

[5]吴春雅.江西县域经济的比较研究——基于全要素生产率视角[J].中国农学通报，2015，31（24）：258-264.

[6]鲁志国，赵培阳.金融效率、产业结构升级与全要素生产率的动态关系及区域差异研究——以广东省为例[J].经济问题探索，2020（10）：94-109.

[7]肖晓军.环境规制视角下贸易出口对中国绿色全要素生产率的影响——基于省际面板数据的非线性实证检验[J].软科学，2020，34（10）：18-24.

[8]杨万平，李冬.中国生态全要素生产率的区域差异与空间收敛[J].数量经济技术经济研究，2020，37（09）：80-99.

[9]滕泽伟.中国服务业绿色全要素生产率的空间分异及驱动因素研究[J].数量经济技术经济研究，2020，37（11）：23-41.

[10]江永红，陈奡楠.产业结构服务化对全要素生产率增速的影响机理[J].改革，2018（05）：87-96.

[11]廖冠民，宋蕾蕾.劳动保护、人力资本密集度与全要素生产率[J].经济管理，2020，42（08）：17-33.

[12]罗鹏，倪令兵，陈义国，于寄语.房地产调控与全要素生产率：“事半功倍”或“事与愿违”[J].南方经济，2020（11）：47-61.

[13]李政，杨思莹，路京京.政府补贴对制造企业全要素生产率的异质性影响[J].经济管理，2019，41（03）：5-20.

[14]李欠男，李谷成.互联网发展对农业全要素生产率增长的影响[J].华中农业大学学报（社会科学版），2020（04）：71-78+177.

[15]崔兴华，林明裕.FDI如何影响企业的绿色全要素生产率？——基于Malmquist-Luenberger指数和PSM-DID的实证分析[J].经济管理，2019，41（03）：38-55.

[16]章祥荪，贵斌威.中国全要素生产率分析：Malmquist指数法评述与应用[J].数量经济技术经济研究，2008（06）：111-122.

[17]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.

[18] GROSSKOPF S， NORRIS M， et al. Productivity growth， technical progress and efficiency change in industrialized countries. The American Economic Review，1994， 87（5）： 66-83.

[19]SHESTALOVA V. Sequential malmquist indices of productivity growth：an application to OECD industrial activities[J].Journal of Productivity Analysis，2003，19（2/3）：211-226.

[20]CAVES D W， CHRISTENSEN L R， DIEWERT W E. The economic theory of index numbers and the measurement of input， output， and productivity[J].Econometrica，1982，50（6）：1393-1414.

作者简介：马小珂（2000.08- ），女，汉族，河南省郑州市人，西南大学，经济学专业，本科在读