張倩肖，李丹丹（西安交通大學 經濟與金融學院，陜西 西安 710061）

?

區(qū)域發(fā)展

基于半參數法的中國跨地區(qū)全要素生產率研究

張倩肖，李丹丹
（西安交通大學 經濟與金融學院，陜西 西安 710061）

摘要：文章利用2002-2014年中國工業(yè)企業(yè)水平的微觀數據，采用Levinsohn and Pertrin法（簡稱LP半參數法）系統(tǒng)分析和測算中國31個省份全要素生產率（TFP）的變動情況，同時比較跨地區(qū)生產率差異并分析其差異原因。結果表明，中國跨地區(qū)全要素生產率具有較大差異，其中環(huán)渤海和東南地區(qū)及中部地區(qū)的TFP均值相對較高，其次是東北地區(qū)，西南和西北地區(qū)TFP均值最低。因此，要改善中國不同地區(qū)的全要素生產率差異，政府需要在全面實施創(chuàng)新驅動發(fā)展戰(zhàn)略、完善產業(yè)政策、優(yōu)化資源配置和降低地區(qū)邊界效應等方面做出努力。

關鍵詞：全要素生產率；LP半參數法；地區(qū)差異

［DOI］10.3969/j.issn.1007-5097.2016.03.008

一、引　言

中國自改革開放以來經濟得到了飛速的發(fā)展，但是不同區(qū)域和地區(qū)間經濟發(fā)展的非一致性卻日益突出。在20世紀90年代以前，人們認為地區(qū)經濟差異的重要原因是要素投入不同造成的。有關重要素投入的理論和研究不斷出現，其中Basu，Susanto and John（1997）［1］的文獻是早期最先關注不同國家經濟差異的經典之作。但是，在90年代的中后期，學者們對重要素投入的觀點提出質疑，尤其是對新古典理論中的資本報酬遞減的質疑。Easterly（2001）［2］研究認為，如果一個地區(qū)經濟發(fā)展比較落后，那么該地區(qū)所投入的資本要素必然會小于經濟發(fā)達地區(qū)所投入的資本要素，而資本的報酬增長速度必然會高于經濟發(fā)達地區(qū)的，因此資本就會從經濟比較發(fā)達的地區(qū)流向經濟落后的地區(qū)，所以一個地區(qū)經濟落后的真正原因并不是由于資本的匱乏導致的。在隨后的研究中，一些學者考察了人力資本對經濟績效的作用。研究認為，雖然人力資本對經濟增長有著重要的作用，但是它對不同國家經濟效率的差異解釋不到1/3，對經濟增長的貢獻率比較低，因此，人力資本并不是解釋國家或地區(qū)經濟差異的重要原因（Ra?phael，2015）［3］?；谝陨戏治觯瑢W者們基本得出一致結論認為，經濟增長實際上是由許多因素共同發(fā)揮作用的，在市場經濟體制下，經濟績效的提高實際上就表現為全要素生產率（簡稱TFP）對經濟績效的影響。因此可以說，國家或地區(qū)貧富的差異是來源于生產率的差異。

大多數文獻研究全要素生產率時，主要研究的是農業(yè)和制造業(yè)部門，而針對工業(yè)的研究比較少。工業(yè)在中國經濟發(fā)展和增長過程中起著舉足輕重的作用。伴隨著各國經濟發(fā)展條件的差異以及國際產業(yè)的分工，未來中國工業(yè)的增長將會在世界經濟的發(fā)展中扮演著更加重要的角色。對于總體TFP的研究已有文獻大都主要是從宏觀層面出發(fā)，要么采用傳統(tǒng)的索羅余值法，要么采用數據包絡法（DEA）和隨機邊界法（SFA），從企業(yè)層面基于半參數法研究TFP的文獻屈指可數。值得注意的是，由于企業(yè)的技術水平在某種程度上是可以事前認知的，企業(yè)根據已知的技術水平再選擇合適的要素投入水平，因此用傳統(tǒng)宏觀研究方法測量企業(yè)生產率會出現同步偏差問題和選擇偏差問題，使得估計結果不準確，所以傳統(tǒng)方法并不適用于微觀企業(yè)全要素生產率研究。針對以上問題，一系列的最新修正方案被提出，并形成了很多前沿的估計方法，目前國際上流行的是 Olley and Pakes法（簡稱 OP法）和Levinsohn and Pertrin法（簡稱LP法）。半參數法主要是一并建立了參數關系和非參數關系，但并非是參數和非參數模型的簡單疊加，而是兩種方法的有機結合，能夠有效解決生產函數的同步偏差問題和選擇偏差問題。

二、文獻綜述

改革開放后，國內外的學者們對中國全要素生產率相繼進行了研究，但是對全要素生產率的估算結果存在非常大的差異，這就引發(fā)了許多爭論。究其原因，主要包括兩點：第一是樣本數據的來源與處理方法的不一致，第二是全要素生產率的測算方法不一致。目前測算全要素生產率的方法有很多，大致可分為三類：①參數法，這類方法事先需要假設具體的生產函數再進行測算，主要包括索羅余值法和隨機前言生產函數法；②非參數法，這類方法不需要設定先驗的生產函數，是通過獲得樣本點的觀測數據后直接利用線性優(yōu)化給出距離函數和邊界生產函數進行估算，主要包括Malmquist生產率指數法和數據包絡分析（DEA）等；③半參數法，主要包括Olley and Pakes［4］法（簡稱OP法）和Levinsohn and Pertrin［5］法（簡稱LP法）。半參數法主要是一并建立了參數關系和非參數關系，參數關系是針對影響產出的主要因素建立的，而非參數關系則是針對其他影響產出的未知因素建立的，并在生產函數中一起加以估計，這樣就能夠有效解決生產函數的樣本選擇和內生性問題。每一種方法都有各自的適用對象和優(yōu)缺點，那么究竟哪種方法更為恰當和更為使用呢？為此，本節(jié)將對有關全要素生產率的測度方法的文獻進行梳理和述評。

索洛余項度量的是經濟增長中要素投入所不能解釋的部分，指企業(yè)實際觀察產值和由最小二乘法計算所得的估計產值之間的差額。由于模型簡單，合乎經濟原理，因此很多學者利用這種方法對中國全要素生產率進行測算，如李平等（2013）［6］測算了中國總體和省級生產率變化及其對經濟增長的貢獻率；楊茜淋（2013）［7］對中國工業(yè)分行業(yè)全要素生產率進行估計；張建升（2011）［8］對中國省域全要素生產率地區(qū)差異的動態(tài)演進進行研究等。索洛余值法開創(chuàng)了經濟增長源泉分析的先河，是新古典增長理論的一個重要貢獻。用索洛余值法計算全要素生產率的優(yōu)點是思路清晰，算法簡單，很容易理解。缺點是它的必要條件是需要估算出?和 β的參數值，這就需要對技術水平A做出一定的假設。假設1：技術水平A是一個固定的常數A=A0；假設2：技術水平A是關于時間t的指數函數，即A=A0eλt；假設3：技術水平A是關于時間t的指數增長A=A0(1+γ)t。但是，以上幾種假設都很難令人信服。因為，技術水平的提高是由很多已知與未知因素共同導致的結果，它既不是一個常數也不是簡單的關于t的指數函數，應該是一種難以確定的非線性函數。隨機前沿生產函數法測度全要素生產率的步驟主要是首先設定前沿生產函數，然后估計前沿生產函數中的參數。如蒲勇健等（2014）［9］基于隨機前沿超越對數生產函數對中國再生資源產業(yè)的技術效率及影響因素進行研究；余泳澤等（2012）［10］利用該方法對中國高技術產業(yè)地區(qū)效率差異與全要素生產率增長率分解進行研究等。但是該方法也存在一些不足，如參數太多，且該函數中的一些二次項無法從經濟學角度給出合理解釋；假設各年度的參數相同，否定了不同時間經濟發(fā)展的多樣性［11］。隨機前沿生產函數法在計算全要素生產率的優(yōu)勢是：①通過估計生產函數能對個體企業(yè)的生產過程進行描述，從而有效地控制了對技術效率的估計；②相比于其他方法，該方法的模型可以較好地處理測度誤差，并考慮到了隨機誤差對經濟增長的影響，因此能較好地模擬現實經濟發(fā)展的狀況。隨機前沿生產函數法的劣勢主要是：這種方法在具體的研究過程中假設條件太多，這樣就使得該研究的應用受到了較大的限制。

測度全要素生產率的非參數法也越來越多地被應用到生產率研究的領域中。如孫慶蘭（2013）［12］利用該方法對流通業(yè)與制造業(yè)全要素生產率的交叉作用進行了實證研究；石騰超等（2014）［13］基于DEA分解的Malmquist指數法對中國制造業(yè)全要素生產率區(qū)域差異及其原因進行研究；孫曉華等（2012）［14］分別采用ATFP法、LP法和DEA-Malmquist指數法對中國制造業(yè)15個子行業(yè)的全要素生產率進行了測算及比較。用非參數法計算全要素生產率的優(yōu)點是，它們不需要事先設定具體的生產函數，而是通過獲得樣本點的觀測數據后直接利用線性優(yōu)化給出距離函數和邊界生產函數進行估算，并且可以將全要素生產率具體分解為技術進步、規(guī)模效應和配置效率。非參數法的缺點是，數據包絡法（DEA）和Malmquist指數法都沒有考慮到樣本的隨機因素，這就會造成很大的測量誤差。

通過對有關文獻的梳理和述評可以看出，隨著微觀企業(yè)統(tǒng)計數據可獲得性的逐漸增強，有關中國全要素生產率的總體研究趨勢正在由宏觀走向微觀。但是，傳統(tǒng)測量微觀企業(yè)全要素生產率的估計方法會產生兩個問題，即聯(lián)立性問題與樣本選擇問題，也就是通常所說的內生性問題。聯(lián)立性問題是指在位企業(yè)在做要素投入的決策之前，會在某一個時刻感覺到一部分的生產率，因此這就會影響企業(yè)做出要素投入的決策；樣本選擇問題是指由于市場競爭和企業(yè)利益最大化，生產率較低的企業(yè)會被市場淘汰，而留在市場中的在位企業(yè)都是生產率相對較高的企業(yè)，因此如果在估計企業(yè)的生產率水平時只用在位企業(yè)的樣本來估計，會使得企業(yè)的生產率水平得到過高的估算，因此估算結果會不客觀和不準確。為了解決這些問題，目前較為合適的是采用半參數法。然而目前采用半參數法來測度企業(yè)全要素生產率的文獻比較少。張杰等（2009）［15］以中國1999-2003年之間的全部國有與規(guī)模以上的非國有企業(yè)的統(tǒng)計數據為樣本，采用OP半參數法估計了企業(yè)的全要素生產率。余淼杰（2010）［16］同樣使用類似的方法和數據估計了全要素生產率?；诖耍疚膶⒃敿毥榻B和闡述半參數法。半參數法包括Olley and Pakes法（簡稱OP法）和Levinsohn and Pertrin法（簡稱LP法）。半參數法主要是一并建立了參數關系和非參數關系，參數關系是針對影響產出的主要因素建立的，而非參數關系則是針對其他影響產出的未知因素建立的，并在生產函數中一起加以估計，這樣就能夠有效解決生產函數的樣本選擇和內生性問題。

（一）Olley and Pakes法（簡稱OP法）

根據柯布—道格拉斯生產數可以得到以下關系：

其中，yit、kit、和lit分別表示的是企業(yè)增加值、資本投入和勞動投入的自然對數形式；ωit表示的是企業(yè)不能被觀測到的且隨著時間變化的異質性生產率，它代表了企業(yè)的技術、管理水平等因素；εit表示的是真正的誤差項，或者說是生產率偏離預期的沖擊。ωit和εit都不可能被觀測到，其區(qū)別就在于，企業(yè)在觀測到本期的生產率水平ωit后，會決定資本和勞動的投入量，因此，ωit與要素投入有關，而企業(yè)在做出決策之前不能觀測到εit，因此εit與要素投入不相關。

Olley and Pakes假定生產率的變化服從一階馬爾科夫過程，用公式表示為，其中，Jit表示的是第t時期的全部信息。這就意味著企業(yè)下一時期的生產率只與當期的生產率有關。Olley and Pakes假設資本按照永續(xù)盤存法形成，即，其中，δ表示折舊率，it-1表示t-1時期的投資。由資本積累的方程可以知道，在t時期的資本投入完全是由上一時期的全部信息集合決定的，因而投資與當期的生產力水平ωit和隨機擾動項εit都不相關。因此，在上式的生產函數中，只有l(wèi)it是內生變量。

在多時期的不確定動態(tài)環(huán)境中，由于企業(yè)的目標是保證未來預期利潤貼現加總達到最大化，因此，企業(yè)的投資決策變量是關于生產率和資本的函數，即iit=it(kit,ωit)。Olley and Pakes假設該過程中僅存在生產率這一個不可觀測的變量，因此在資本kit給定的情形下可求出生產率ωit關于投資iit的函數即：ωit=ht(kit,iit)，將該生產率的表達式帶入方程（1）可得：

同時，定義φt=βtkit+ht(kt,it)，將其帶入方程（2）可得：

運用序列估計（Paquet，2001）［17］方法進行估計可得到φt的估計值φt勞動的系數估計值 βl。由于在該過程中已經用關于投資和資本的函數φt將生產率顯性地表示出來，因此在方程（3）式中不存在內生性問題。

接下來估計資本的系數 βk。對于任意給定的βk，由和的表達式以計算出企業(yè)的全要素生產率，即ωit=βtkit-φt。又因為假設生產率服從一階馬爾科夫過程，因此t時期的生產率可以寫成t-1時期生產率和信息值（innovation）的和，用公式表示為：

其中，f(ωit-1)表達的是關于 ωit-1的函數，ξit表達的是t-1時期和t時期之間的信息值，它與t-1時期的信息集不相關。又因為t時期的資本完全是由t-1時期的全部信息集合決定，因此它與ξit也不相關。將方程（3）可以改寫為：

由于假定kit與εit、ξit都不相關，因此在方程（5）中通過將內生變量lit移動到方程的左邊，該方程不包含任何內生變量。然后采用非線性最小二乘法就可以估計出資本的系數βk的估計值 β∧k，這樣生產函數中的所有系數都估計出來了，最后通過索羅殘值法就能得到企業(yè)的全要素生產率。

（二）Levinsohn and Pertrin法（簡稱LP法）

Levinsohn and Pertrin則認為，由于調整成本的存在，投資會因為受到調整成本的影響而不能靈活地反映企業(yè)生產率的變動情況，因此上述OP方法不能完全解決回歸項和殘差項之間的內生性問題。LP方法則建議采用中間投入變量作為代理變量。因為企業(yè)只要進行生產，就會使用中間投入品，而且中間投入品的調整相對于投資來說更加靈活，因此更能完全反映企業(yè)生產率的變動情況。在對柯布-道格拉斯生產函數取自然對數后可得：

其中，yit和mit分別表示取自然對數后的企業(yè)產出值和中間投入品。與OP方法所假設的投資與生產率存在單調關系不同，LP法假定在kit給定的條件下，mit是關于ωit的單調增函數，即mit=mt(kit,ωit)。對其求反函數可得：，這意味著生產率是關于資本和中間投入品的函數，將其帶入方程（6）中可得：

其中，g(ωit-1)表示的是關于ωit-1的函數，ξit表達的是t-1時期和t時期之間的信息值，它與t-1時期的信息集不相關的，因此kit和εit、ξit都不相關，這可以當作為識別的一個矩條件。由方程（6）、（7）和（8）可得：

由于中間投入品mit作為企業(yè)在t時期的決策變量雖然與誤差項εit不相關，但是卻和信息值ξit相關，因此可以用其滯后一期值mit-1當做mit的工具變量。然后用?t-1-βkkit-1-βmmit-1多項式表示g(?t-1-βkkit-1-βmmit-1)，根據矩條件，使用GMM方法就可以估計出βk和βm，最后通過索羅殘值法求得全要素生產率：

兩種半參數法都可以很好地消除內生性的問題，但是由于OP方法中的一個假定是要求代理變量（投資）和總產出始終保持單調遞增關系，這就表示那些投資額為零的樣本企業(yè)并不能夠被估計。實際上，并非每一個企業(yè)在每一年的投資都為正，如果采用OP法來估計企業(yè)的全要素生產率就會丟棄掉很多企業(yè)樣本。LP法是以中間投入指標代替投資額作為代理變量，從數據的角度出發(fā)，這樣所損失的樣本量將比OP方法小很多，在數據的篩選過程中比較有效，從而估計結果更加精確。通過這兩種方法的對比，本文將采用LP法來測度我國2002-2014年全部國有和規(guī)模以上非國有的工業(yè)企業(yè)層面的全要素生產率。

三、基于LP半參數法全要素生產率的測度

（一）模型和變量的界定

本文借鑒Levinsohn and Pertrin（2003）的模型方法，模型設定為如下形式：

在（11）式中，yit表示企業(yè)實際產出值（對數），lit、mit和kit分別表示勞動投入、中間投入和資本投入（對數）。勞動投入變量用從業(yè)人員平均人數來表示，資本投入變量按照永續(xù)盤存法即kt=(1-δ)kt-1+it-1，其中，δ表示折舊率，it-1表示t-1時期的投資，ki為第t年的實際資本存量，kt-1為第

年的實際資本存量。以2002年為基期，本文分別用各地區(qū)歷年工業(yè)品出廠價格指數、原材料價格指數、固定資產投資價格指數對企業(yè)產出值、中間投入和資本投入進行價格平減，其中的價格指數均來自《中國統(tǒng)計年鑒》和《中國工業(yè)統(tǒng)計年鑒》。地區(qū)總量生產率則定義為所有企業(yè)全要素生產率的加權平均，具體形式為：

其中，θit表示的是用企業(yè)生產份額來衡量的權重變量，通過用企業(yè)的產值除以該地區(qū)總產值求出。

（二）中國跨地區(qū)全要素生產率測算

本文使用的樣本數據來源于《中國工業(yè)企業(yè)數據庫》和銳思金融研究數據庫，在處理樣本數據的過程中，依據標準的數據剔除程序（Levinsohn and Petrin，2003；謝千里，2008；聶輝華，2008）［5，18-19］，剔除了異常的觀測值。本文對區(qū)域的劃分按照世界銀行（2006）［20］的標準，將全國31個省級行政區(qū)域劃分為六大經濟區(qū)域，分別為東北、東南、環(huán)渤海、中部、西北和西南。由于環(huán)渤海與東南地區(qū)、西北與西南地區(qū)的變化特征較為一致，本文則將環(huán)渤海和東南地區(qū)作為一個整體進行分析，類似地，將西北和西南地區(qū)也作為一個整體進行分析，其中東北地區(qū)包括吉林、遼寧和黑龍江；中部地區(qū)包括湖南、湖北、安徽、江西和河南；環(huán)渤海和東南地區(qū)包括北京、河北、天津、山東、江蘇、上海、福建、廣東和浙江；西北和西南地區(qū)包括陜西、山西、內蒙古、寧夏、新疆、青海、甘肅、重慶、四川、云南、廣西、貴州、海南和西藏。

表1列出了2002-2014年中國31個省份的TFP水平值與增長率?？偟膩碚f，從TFP水平指標來看，中國地區(qū)層面生產率最高的是環(huán)渤海和東南地區(qū)。具體到省份，將生產率按照從高到底的順序排名依次為：上海、福建、廣東、北京、山東、浙江、江蘇、天津和河北。其中，地區(qū)總量生產率最高的是上海，TFP達到了8.23，位居全國第一，這表明上海的市場經濟發(fā)達程度是最高的。其余8個省份的地區(qū)總量生產率在樣本考察期間普遍都處于全國領先的水平。其次，中國地區(qū)總量生產率排名第二是中部地區(qū)。按照TFP的高低排名依次是湖北、安徽、湖南、江西和河南。其中，湖北和安徽的地區(qū)TFP最高，分別達到為7.44和7.41，可見湖北和安徽的市場經濟發(fā)達程度在中部地區(qū)最高，而河南的TFP在中部地區(qū)是最低的，只有6.88，可見河南在中部地區(qū)經濟發(fā)展是相對落后的。再次，中國地區(qū)總量生產率相對較低的是東北地區(qū)。其中，吉林的TFP相對較高，達到了7.11，可見吉林的經濟發(fā)展水平在樣本考察期間是東北地區(qū)經濟相對比較發(fā)達的省份，其次較高的是遼寧，地區(qū)TFP為7.03；而黑龍江在東北地區(qū)經濟發(fā)展水平相對較低，地區(qū)TFP只有6.61。最后，中國西南和西北地區(qū)各省份的總量生產率相對其他地區(qū)是最低的。生產率在西南和西北地區(qū)排名靠前的是山西、陜西、四川、海南和重慶，其中山西和陜西的TFP分別為7.58和7.56。而新疆和寧夏幾乎排在了全國最末，地區(qū)TFP只有6.57和6.03。可見，西南和西北地區(qū)各省份之間的經濟差距較大而且經濟發(fā)展落后于中國其他地區(qū)。

3) 溫度。當浸提溫度<40℃時，隨著溫度升高火龍果果皮甜菜苷類色素提取量呈逐漸上升趨勢；當溫度增至40℃時提取量最高，為3.85 mg/100g；之后呈快速下降趨勢，其原因可能是甜菜苷類色素對溫度較敏感，過高的溫度加速了甜菜苷類色素的分解[14]。因此，浸提溫度以40℃最優(yōu)。

從TFP增長率指標來看，可以發(fā)現2002-2014年中國地區(qū)總量TFP均出現上升的趨勢，都有著較高TFP增長率。其中，經濟相對落后的區(qū)域如西南和西北地區(qū)及東北地區(qū)生產率增長率相對較高，而經濟相對發(fā)達的環(huán)渤海和東南地區(qū)生產率增長率放緩。這意味著中國工業(yè)企業(yè)在總體上存在著收斂的趨勢，這和謝千里等（2008）使用參數方法測量TFP獲得結果一致。

表1　2002-2014年中國31個省份的TFP水平值與增長率

四、中國跨地區(qū)全要素生產率差異原因分析

對于中國跨地區(qū)全要素生產率的差異的原因，可以從以下三個方面進行分析，包括知識進步、資源配置和政策因素。

（一）知識進步

新經濟增長理論認為，知識進步是推動經濟增長的一個重要因素。中國長期以來存在著“輕研發(fā)，重引進”的思想。在20世紀80年代，中國工業(yè)技術發(fā)展水平與發(fā)達國家的差距很大，因此通過引進國外先進技術可以促進生產率的增長。但是，隨著這種差距的不斷縮小，發(fā)達國家不愿意再向中國轉讓先進技術，因此，僅僅依靠技術的引進來提高生產力的效果會不斷變差。而且中國引進先進技術是從發(fā)達的地區(qū)如環(huán)渤海和東北地區(qū)開始的，由于技術的流動存在著一些制約因素，因而導致了中國四大區(qū)域的技術水平產生差異。同時，由于東北、中部及西南和西北地區(qū)的科技成果向市場轉化的程度也比較低，因此制約了這些地區(qū)的經濟發(fā)展水平，從而表現為這三個區(qū)域的TFP相較于環(huán)渤海和東南地區(qū)的TFP較低。

（二）資源的配置效果，主要包括市場化、城市化和產業(yè)結構

市場化進程的關鍵在于：市場位于資源合理配置的主導地位、非國有經濟發(fā)展加快、政府直接干預經濟活動頻率減少等。環(huán)渤海和東南地區(qū)位于中國改革開放的最為前沿的地帶，擁有非常優(yōu)越的地理位置和極為雄厚的經濟實力，吸引了大量的人才（人力資本）和資金（物質資本）向該區(qū)域進行集聚，并且在2003年中國政府加大對環(huán)渤海和東南地區(qū)的政策優(yōu)惠和提供更多的資源，使得該區(qū)域的市場經濟更加發(fā)達，市場經濟更加成熟，從而市場機制得以有效發(fā)揮，促使了該區(qū)域資源配置情況的大幅度改善，因而資源配置效果最好。而中部地區(qū)人口數量大，市場化程度明顯低于環(huán)渤海和東南地區(qū)，主要表現在：非國有經濟所占的比重小、政府直接干預經濟活動和資源的配置范圍比較廣、對外開放水平低、引入外資程度低等，因而導致了生產要素和勞動力的大量流失，市場份額減少，所以資源誤配置程度要高于環(huán)渤海和東南地區(qū)。但是在2003年中國提出“加強中部地區(qū)之崛起”的戰(zhàn)略目標后，中部地區(qū)的市場化程度和開放度得到提高，資源誤配置程度得到很大的改善，各地區(qū)TFP水平有所提高。而東北地區(qū)和西南和西北地區(qū)的國有企業(yè)和集體經濟在經濟中起著非常重要的作用，所占份額比重很高，導致了生產率較高的民營企業(yè)規(guī)模卻不是較大的，反之生產率較低的國有企業(yè)規(guī)模卻是很大的，因此影響了該地區(qū)的資源配置效果，使得TFP水平較低。在城市化方面，在改革開放初期階段，國有企業(yè)因為體制的制約缺乏競爭力，而沿海地區(qū)的民營企業(yè)憑借著市場導向和較低的勞動力成本迅速占領市場。同時，首先快速發(fā)展起來的民營企業(yè)通過引進先進技術、人才和產權改制等改進了經營模式，在市場上占領了資源的優(yōu)勢，從而使得中國跨地區(qū)生產率發(fā)生了差異。而產業(yè)機構的調整對經濟的增長也起了很大的推動作用。但是，不管是在20世紀80年代初期的中國工業(yè)結構轉向了輕型化還是在90年代中國工業(yè)結構的重新轉向重型化，都聚集發(fā)生在環(huán)渤海和東南地區(qū)的一些省份，中部、西部地區(qū)的一些省份在轉換的程度上遠遠落后于環(huán)渤海和東南地區(qū)，因此導致了中國四大區(qū)域經濟發(fā)展的差異。

（三）政策因素

中國改革實行的是從局部到整體的循序，并且政策向東部沿海地區(qū)傾斜，因此給環(huán)渤海和東南地區(qū)提供了更多政策支持和更多的自主權。同時，對投資、財政、計劃、稅收、價格、信貸、工資等各領域進行了全面的改革，逐步提高了市場機制在資源配置中的發(fā)揮作用。但是這種改革體制在客觀上也造成了中國四大區(qū)域之間經濟發(fā)展機會的不均等，從而使得跨地區(qū)生產率產生較大的差異。

五、結論與政策建議

本文利用2002-2014年中國工業(yè)企業(yè)水平的數據，采用LP半參數方法估算了中國各個區(qū)域和31個省份的全要素生產率，并在此基礎上從知識進步、資源配置和政策因素等三個方面分析了跨地區(qū)生產率差異原因，結果表明中國跨地區(qū)生產率具有較大差異，其中環(huán)渤海和東南地區(qū)及中部的TFP均值最高，其次是東北地區(qū)，西南和西北地區(qū)TFP均值最低。這是因為環(huán)渤海和東南地區(qū)及中部地區(qū)位于改革開放的前言地帶，經濟體制改革最為徹底，市場化程度和城市化程度最高，并且中國引進先進技術是從該區(qū)域開始的，政策也向沿海地區(qū)傾斜，因此給環(huán)渤海和東南地區(qū)提供了更多政策支持和更多的自主權，所以該區(qū)域經濟發(fā)展速度最快，而東北及西南和西北地區(qū)的TFP均值比較低，這是由于這兩個區(qū)域技術引進水平不高，國有企業(yè)份額比重大，缺乏市場競爭力，并且產業(yè)結構調整和城市化建設相對較慢，因此導致了這兩個區(qū)域TFP均值較小。要改善中國不同地區(qū)的生產率差異程度，中國政府的政策和制度安排需要從以下幾個方面進行改善。

第一，全面實施創(chuàng)新驅動發(fā)展戰(zhàn)略，加快各地區(qū)形成以創(chuàng)新為主要引領和支撐的發(fā)展模式，拓展發(fā)展新空間。政府相關部門要加大鼓勵企業(yè)科技創(chuàng)新、產業(yè)創(chuàng)新、產品創(chuàng)新和市場創(chuàng)新，增加自主創(chuàng)新能力和自我學習意識，提高技術進步和技術效率，促進不同地區(qū)間的技術溢出效應，并鼓勵發(fā)展產業(yè)集聚來提高企業(yè)和地區(qū)的經濟效率。這不僅有利于應對新舊經濟發(fā)展動力銜接，也有利于產業(yè)結構調整和轉型升級。政府還要加快改造提升傳統(tǒng)工業(yè)，將傳統(tǒng)以資源和要素驅動的發(fā)展方式轉向為以創(chuàng)新驅動和發(fā)展質量為中心，依靠科學技術和人力資本及管理創(chuàng)新的發(fā)展模式。進一步深入推進信息化與各產業(yè)的協(xié)同和融合，發(fā)揮城市群的輻射帶動作用，引導構建產業(yè)技術創(chuàng)新聯(lián)盟，推動跨領域跨行業(yè)協(xié)同創(chuàng)新，促進科技與經濟深度融合，促進較發(fā)達地區(qū)形成“追趕效應”。

第二，加強對落后地區(qū)產業(yè)政策的完善和扶持力度，加快科技體制和金融市場化的改革進程，積極優(yōu)化資源配置。政府要進一步加大對落后地區(qū)如西部地區(qū)的發(fā)展扶持力度，加大金融支持、人力資本、科學研究等要素投入和稅收優(yōu)惠力度，促進要素積累，提高要素邊際生產率。進一步深入實施西部大開發(fā)，支持西部地區(qū)改善基礎設施，發(fā)展特色優(yōu)勢產業(yè)。同時，政府相關部門要減少金融機構對非國有企業(yè)和中小企業(yè)的信貸歧視，并改變金融機構對集體企業(yè)和國有企業(yè)的信貸政策傾斜的現狀，降低金融市場進入壁壘、放松政策限制，鼓勵和引導非國有資本進入金融業(yè)，加速銀行業(yè)的競爭，促進要素有序資源流動，提高資源配置效率和金融服務實體經濟效率，從而從根本上縮小地區(qū)生產率差異。

第三，降低地區(qū)邊界效應，打破技術轉移壁壘。地區(qū)邊界效應不僅包括地方保護政策和貿易壁壘，還包括體制障礙和技術壁壘。因此，政府不僅要不斷完善地方政府的激勵機制，進一步加強中國各地區(qū)的通信設施、交通運輸和公共設施的建設，消除各地區(qū)的市場進入壁壘和壟斷勢力，制定更加合理的貿易政策，還要拓寬地區(qū)間技術擴散的廣度和深度，打破地區(qū)間技術轉移壁壘，提高對外開放程度，建立落后地區(qū)引進和學習先進地區(qū)技術的保障機制，通過提高企業(yè)競爭力來縮小地區(qū)生產率差異。

參考文獻：

［1］Basu S，John G Fernald.Returns to Scale in US Production：Estimates and Implications［J］.Journal of Political Econo?my，1997，105（2）：249-283.

［2］Easterly W，Levine R.It is not Factor Accumulation：Styl?ized Facts and Growth Models［J］.World Bank Economic Review，2001，15（2）：177-219.

［3］Auer Raphael A.Human capital and the dynamic effects of trade［J］.Journal of Development Economics，2015，117（7）：105-118.

［4］Olley G Steven，Ariel Pakes.The Dynamics of Productivi?tyintheTelecommunicationsEquipmentIndustry［J］. Econometrica，1996，64（6）：63-97.

［5］Levinsohn James，Amil Petrin.Estimating Production Func? tions Using Inputs to Control for Unobservables［J］.Review of Economic Studies，2003，70（4）：317-341.

［6］李平，鐘學義，王宏偉，等.生產率變化與經濟增長源泉：1978～2010年［J］.數量經濟技術經濟研究，2013（1）：3-21.

［7］楊茜淋.我國工業(yè)分行業(yè)全要素生產率估計［J］.商業(yè)時代，2013（16）：115-117.

［8］張建升.省域全要素生產率地區(qū)差異的動態(tài)演進［J］.經濟經緯，2011（6）：37-41.

［9］蒲勇健，余顯蘭，張勇.中國再生資源產業(yè)的技術效率及影響因素研究——基于隨機前沿超越對數生產函數的分析［J］.工業(yè)技術經濟，2014（12）：3-10.

［10］余泳澤，張妍.我國高技術產業(yè)地區(qū)效率差異與全要素生產率增長率分解——基于三投入隨機前沿生產函數分析［J］.產業(yè)經濟研究，2012（1）：44-53.

［11］段文斌，尹向飛.中國全要素生產率研究評述［J］.南開經濟研究，2009（2）：130-140.

［12］孫慶蘭.基于數據包絡分析法的流通與制造業(yè)TFP交叉作用分析［J］.商業(yè)經濟研究，2015（2）：15-16.

［13］石騰超，鄒一南.我國制造業(yè)全要素生產率區(qū)域差異及其原因研究——基于制造業(yè)2003-2011年面板數據的實證分析［J］.區(qū)域經濟評論，2014（1）：130-137.

［14］孫曉華，王昀，鄭輝.R&D溢出對中國制造業(yè)全要素生產率的影響——基于產業(yè)間、國際貿易和FDI三種溢出渠道的實證檢驗［J］.南開經濟研究，2012（5）：18-35.

［15］張杰，李勇，劉志彪.出口促進中國企業(yè)生產率提高嗎?來自中國本土制造業(yè)企業(yè)的經驗證據［J］.管理世界，2009（12）：11-26.

［16］余淼杰.中國的貿易自由化與制造業(yè)企業(yè)生產率［J］.經濟研究，2010（12）：97-110.

［17］Paquet A，Robidoux B.Issues on the Measurement of the Solow Residual and the Testing of Its Exogeneity Evidence for Canada［J］.Journal of Monetary Economics，2001，47：33-58.

［18］謝千里，羅斯基，張軼凡.中國工業(yè)生產率的增長與收斂［J］.經濟學（季刊），2008（3）：45-56.

［19］聶輝華，松濤，王宇鋒.創(chuàng)新企業(yè)規(guī)模和市場競爭——基于中國企業(yè)層面面板數據的證據［J］.世界經濟，2008，7（2）：15-24.

［20］世界銀行.中國政府治理、投資環(huán)境與和諧社會：中國120個城市競爭力的提高［C］.杭州：第四屆中國投資環(huán)境論壇論文集，2006.

［責任編輯：余志虎］

中圖分類號：F061.5；F124

文獻標志碼：A

文章編號：1007-5097（2016）03-0050-07

收稿日期：2015-07-23

基金項目：國家社會科學基金項目（07BJY074）；陜西省軟科學研究計劃項目（2013KRM12）

作者簡介：張倩肖（1966-），女，陜西西安人，教授，博士生導師，研究方向：產業(yè)經濟學，宏觀經濟學；李丹丹（1990-），女，河南濟源人，博士研究生，研究方向：產業(yè)經濟學。

A Study on the Transregional Total Factor Productivity in China Based on the Semi-parametric Method

ZHANG Qian-xiao，LI Dan-dan
（School of Economics and Finance，Xi’an Jiaotong University，Xi’an 710061，China）

Abstract：Based on the micro data of the level of China’s industrial enterprises from 2002 to 2014，this paper applies Levinsohn and Pertrin method（hereinafter referred to as LP method）systematically analyzes and measures the changes in the total factor productivity（TFP）of China’s 31 provincial-level administrative areas，and compares the differences in productivity between different areas and analyzes the reasons for the differences.The results show that the transregional total factor productivity in China has great differences，among them the TFP mean value is relatively high in Bohai Sea，the southeast and central regions，followed by the northeast region，and the southwest and northwest regions with the lowest mean TFP.Therefore，the government needs to make more efforts on fully implementing innovation driven development strategy，perfecting industrial policy，optimizing resource allocation，reducing regional boundary effect and so on，in order to improve the TFP differences between different regions in China.

Keywords：TFP；LPsemi-parametric method；regional differences