李躍??
摘要:資源錯(cuò)配的成因主要源自不同維度的企業(yè)異質(zhì)性和地區(qū)發(fā)展戰(zhàn)略的扭曲。采用“中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)”數(shù)據(jù),利用CD確定性前沿參數(shù)模型測(cè)算微觀企業(yè)全要素生產(chǎn)率,并用OP協(xié)方差法對(duì)各地區(qū)資源錯(cuò)配程度進(jìn)行測(cè)度,進(jìn)而從微觀企業(yè)異質(zhì)性和地區(qū)發(fā)展戰(zhàn)略兩個(gè)層面分析我國(guó)資源錯(cuò)配的成因,結(jié)果表明:企業(yè)TFP異質(zhì)性主要與其市場(chǎng)結(jié)構(gòu)(壟斷及規(guī)模經(jīng)濟(jì))、所處地區(qū)(城市和省份)以及所有制等維度的差異有關(guān);地方政府違背比較優(yōu)勢(shì)的發(fā)展戰(zhàn)略加劇了資源錯(cuò)配程度,造成各地區(qū)15.0%~52.7%的資源配置效率損失、12.8%~45.1%的全要素生產(chǎn)率損失以及2.4%~8.5%的產(chǎn)出損失。未來(lái)中國(guó)全要素生產(chǎn)率的提升,應(yīng)注重內(nèi)部競(jìng)爭(zhēng)優(yōu)化,同時(shí)要發(fā)揮政府因勢(shì)利導(dǎo)的職能。
關(guān)鍵詞:企業(yè)異質(zhì)性;地區(qū)發(fā)展戰(zhàn)略;資源錯(cuò)配;全要素生產(chǎn)率;資源配置效率;比較優(yōu)勢(shì)
中圖分類號(hào):F12;F224.0文獻(xiàn)標(biāo)志碼:A文章編號(hào):16748131(2017)04010511
一、引言
中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài),經(jīng)濟(jì)增速由“高速”換擋為“中高速”,資源錯(cuò)配造成的生產(chǎn)率損失對(duì)經(jīng)濟(jì)增長(zhǎng)的約束效應(yīng)凸顯。近年來(lái),對(duì)資源錯(cuò)配造成的全要素生產(chǎn)率(Total Factor Productivity,TFP)損失程度的研究逐漸增多,王林輝和袁禮(2014)分析認(rèn)為,資源錯(cuò)配導(dǎo)致中國(guó)2.6%左右的TFP損失;Joel和Hugo(2016)研究認(rèn)為,該TFP損失甚至高達(dá)10%~14%。因此,提升資源配置效率以扭正資源錯(cuò)配,是中國(guó)釋放經(jīng)濟(jì)增長(zhǎng)潛力并加快跨越“中等收入陷阱”的關(guān)鍵。
市場(chǎng)不完全性會(huì)導(dǎo)致各種資源不能按照邊際產(chǎn)出均等原則在企業(yè)間配置,進(jìn)而使資源無(wú)法從生產(chǎn)率較低的部門流向更高的部門,造成資源錯(cuò)配或者資源配置效率低下。資源錯(cuò)配的根源在于企業(yè)間要素流動(dòng)障礙與企業(yè)異質(zhì)性并存。企業(yè)異質(zhì)性是指企業(yè)的多維度(包括市場(chǎng)、規(guī)模、人力資本、所有權(quán)、歷史等)異質(zhì)特征( Wagner,2007; Das et al,2007;Cole et al,2010),產(chǎn)業(yè)類別、企業(yè)規(guī)模、所有制差異等均會(huì)造成企業(yè)TFP橫截面波動(dòng),因而關(guān)于資源錯(cuò)配問(wèn)題的研究多以企業(yè)異質(zhì)性為理論前提(楊光 等,2015;王定星,2016;李魯 等,2016)。宏觀層面的研究主要采用宏觀經(jīng)濟(jì)數(shù)據(jù)來(lái)測(cè)算宏觀TFP,并利用TFP分解法分離其中的要素配置效率以測(cè)度要素間的相對(duì)扭曲程度(袁志剛 等,2011;王鵬 等,2016),此類研究更多的是分析跨期要素投入扭曲造成的資源錯(cuò)配問(wèn)題。微觀層面的研究則利用微觀企業(yè)數(shù)據(jù)直接分析企業(yè)層面的TFP扭曲及其成因(李靜 等,2012;靳來(lái)群,2015)。國(guó)內(nèi)研究主要針對(duì)企業(yè)異質(zhì)性的某一維度分析資源錯(cuò)配成因,如靳來(lái)群等(2015)采用中國(guó)制造業(yè)企業(yè)數(shù)據(jù)對(duì)所有制引致的資源錯(cuò)配進(jìn)行分析,認(rèn)為行政壟斷是導(dǎo)致資源錯(cuò)配的根本原因,其中勞動(dòng)要素錯(cuò)配帶來(lái)的TFP損失約為100%,資本要素錯(cuò)配帶來(lái)的TFP損失約為50%。
除企業(yè)各維度的異質(zhì)性因素外,還應(yīng)考慮制度環(huán)境、產(chǎn)業(yè)政策等宏觀因素對(duì)資源配置的影響。在中國(guó)特有的地方“GDP錦標(biāo)賽”背景下,地方政府可能違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略,通過(guò)政府干預(yù)手段,出臺(tái)各類產(chǎn)業(yè)政策引導(dǎo)生產(chǎn)要素更多地流入重工業(yè)或資源型產(chǎn)業(yè)以實(shí)現(xiàn)經(jīng)濟(jì)短期快速增長(zhǎng)。相關(guān)研究表明,政府因素對(duì)企業(yè)發(fā)展的影響不容忽視,如財(cái)政補(bǔ)貼、金融歧視、行業(yè)準(zhǔn)入管制等(韓劍 等,2014)。林毅夫(2012)認(rèn)為違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略將造成要素市場(chǎng)扭曲進(jìn)而引發(fā)資源錯(cuò)配。然而,現(xiàn)有的宏觀研究更多的是分析資源錯(cuò)配程度及其變化趨勢(shì),對(duì)資源錯(cuò)配相關(guān)因素的實(shí)證檢驗(yàn)較少;微觀研究則主要分析各維度因素對(duì)企業(yè)TFP的影響,宏觀因素不在考慮范圍之內(nèi)。宏、微觀分析銜接不夠的原因在于沒(méi)有恰當(dāng)?shù)臏y(cè)度方法將企業(yè)TFP與宏觀加總TFP進(jìn)行銜接。Olley和Pakes(1996)建立了OP協(xié)方差法,厘清了企業(yè)生產(chǎn)率與宏觀加總TFP之間的關(guān)系,使得行業(yè)和地區(qū)等中觀層面資源錯(cuò)配問(wèn)題的研究成為可能(孫元元 等,2015;陳詩(shī)一 等,2016)。
李躍:企業(yè)異質(zhì)性、地區(qū)發(fā)展戰(zhàn)略與資源錯(cuò)配
綜上所述,國(guó)內(nèi)關(guān)于資源錯(cuò)配問(wèn)題的文獻(xiàn)中鮮有針對(duì)不同維度企業(yè)異質(zhì)性特征進(jìn)行分析的研究,而宏觀層面的研究更多地關(guān)注融資約束、所有制結(jié)構(gòu)、開(kāi)放程度等制度因素對(duì)資源錯(cuò)配的影響,對(duì)于地方政府行為及產(chǎn)業(yè)政策的影響研究較少。有鑒于此,本文首先采用基于CD生產(chǎn)函數(shù)的確定性前沿模型測(cè)算2006年中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率,通過(guò)不同維度的企業(yè)TFP異質(zhì)性特征分析資源錯(cuò)配的成因;然后運(yùn)用OP協(xié)方差法測(cè)算地區(qū)資源配置效率,并引入地區(qū)發(fā)展戰(zhàn)略變量建立宏觀分析模型以探究地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度對(duì)其資源錯(cuò)配的影響;最后進(jìn)一步采用CD生產(chǎn)函數(shù)和超越對(duì)數(shù)生產(chǎn)函數(shù)隨機(jī)前沿模型進(jìn)行穩(wěn)健性檢驗(yàn)。本文通過(guò)各維度企業(yè)異質(zhì)性特征分析資源錯(cuò)配的成因,進(jìn)而探討地區(qū)發(fā)展戰(zhàn)略違背比較優(yōu)勢(shì)對(duì)資源錯(cuò)配的加劇效應(yīng),并對(duì)其造成的TFP和總產(chǎn)出損失進(jìn)行初步測(cè)算,銜接了微觀分析與宏觀分析,充實(shí)和拓展了關(guān)于資源錯(cuò)配及其影響因素的相關(guān)研究。
二、企業(yè)全要素生產(chǎn)率測(cè)算
1.數(shù)據(jù)來(lái)源與處理
“中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)”的統(tǒng)計(jì)信息在2007年前后差異較大,現(xiàn)有研究通常只采用2007年之前的數(shù)據(jù)進(jìn)行分析。本文數(shù)據(jù)來(lái)自2006—2007年“中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)”,用以測(cè)算2006年中國(guó)工業(yè)企業(yè)橫截面TFP。雖然“中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)”信息量龐大,但無(wú)效信息比重較大,如魯曉東和連玉君(2012)的研究中1998—2007年的有效觀測(cè)值只有73 921個(gè)。本文采用與相關(guān)研究相同的數(shù)據(jù)處理方法,剔除重要指標(biāo)存在異常數(shù)據(jù)的樣本,并通過(guò)跨期樣本匹配刪除數(shù)據(jù)信息不連貫的樣本,對(duì)163 400個(gè)觀測(cè)值處理后得到99 531個(gè)有效觀測(cè)值。從表1的省際分布可以看出,江蘇省樣本企業(yè)數(shù)量最多,較少的為香港、海南、西藏(這不代表實(shí)際企業(yè)區(qū)域分布情況)。
2.企業(yè)TFP測(cè)度方法與模型選取
全要素生產(chǎn)率測(cè)度方法可分為前沿法和非前沿法,微觀企業(yè)TFP的測(cè)度主要采用前沿方法。其中,數(shù)據(jù)包絡(luò)模型(DEA)是通過(guò)模擬生產(chǎn)可能性邊界來(lái)測(cè)度相對(duì)全要素生產(chǎn)率,而傳統(tǒng)前沿參數(shù)模型通過(guò)估計(jì)生產(chǎn)函數(shù)來(lái)測(cè)度TFP。本文選取參數(shù)法對(duì)生產(chǎn)函數(shù)進(jìn)行估計(jì)并測(cè)算企業(yè)TFP,主要有以下考慮:一是以DEA測(cè)算的企業(yè)TFP相對(duì)值雖然能夠反映企業(yè)異質(zhì)性差異,但經(jīng)濟(jì)含義不足(取值范圍與波動(dòng)性較?。?,單純選取解釋變量對(duì)TFP相對(duì)值進(jìn)行回歸會(huì)造成偏誤;二是無(wú)法銜接宏觀TFP和資源配置效率,而采用參數(shù)法對(duì)企業(yè)TFP進(jìn)行測(cè)度后,可通過(guò)協(xié)方差法進(jìn)一步測(cè)算加總TFP及資源配置效率。
由于本文采用的是橫截面數(shù)據(jù),而OP、LP、GMM等方法都是基于面板數(shù)據(jù),因此本文采用OLS法對(duì)CD生產(chǎn)函數(shù)模型進(jìn)行估計(jì)。采用該方法面臨“同時(shí)性”與“選擇性”偏差問(wèn)題?!巴瑫r(shí)性”偏差是由于企業(yè)可以觀察到部分生產(chǎn)效率而導(dǎo)致殘差項(xiàng)(TFP)與當(dāng)期投資支出存在相關(guān)性而引發(fā)內(nèi)生性問(wèn)題,進(jìn)而影響生產(chǎn)要素彈性估計(jì)值;“選擇性”偏差是由企業(yè)市場(chǎng)進(jìn)入退出的動(dòng)態(tài)變化造成的,下一期退出市場(chǎng)的企業(yè)當(dāng)期TFP存在較大波動(dòng)。對(duì)于上述偏差的處理,Olley和Pakes(1996)采取半?yún)?shù)估計(jì)法(OP法),Levinsohn和Petrin(2003)以中間投入替代投資額改進(jìn)傳統(tǒng)的估計(jì)模型也削弱了偏差問(wèn)題(LP法)。但這些方法適用于面板模型估計(jì),而本文采取橫截面模型,故處理偏差問(wèn)題的方法有所不同,具體為:首先,依據(jù)企業(yè)代碼進(jìn)行兩年的樣本匹配,并刪除次年退出企業(yè)樣本(第二年為停業(yè)狀態(tài)),以此消除“選擇性”偏差;其次,考慮到年齡越大的企業(yè)經(jīng)驗(yàn)越豐富,可識(shí)別的當(dāng)期全要素生產(chǎn)率越高,因此在前沿參數(shù)模型中加入企業(yè)年齡變量,作為當(dāng)期可識(shí)別TFP部分的代理變量,通過(guò)剝離當(dāng)期可識(shí)別TFP部分以減弱“同時(shí)性”偏差?;贑D生產(chǎn)函數(shù)確定的前沿模型為:
lny_addi=αlnKi+βlnLi+κAgei+ωi
進(jìn)一步,企業(yè)TFP可表示為:
TFPi=lny_addi-αlnKi-βlnLi
其中,ωi~(0,μ2)為模型殘差項(xiàng),包括隨機(jī)干擾項(xiàng)和測(cè)度誤差等因素;TFPi為企業(yè)i的TFP值,即技術(shù)、管理、企業(yè)家才能以及其他外部沖擊對(duì)企業(yè)產(chǎn)出的綜合貢獻(xiàn)值;lny_add為企業(yè)工業(yè)增加值,K和L分別為企業(yè)當(dāng)年勞動(dòng)力數(shù)量(企業(yè)從業(yè)人員數(shù)量)和固定資本存量(固定資產(chǎn)年末凈值)。本文測(cè)算的勞動(dòng)力和資本的要素產(chǎn)出彈性分別為0.312和0.499,進(jìn)而TFP對(duì)總產(chǎn)出貢獻(xiàn)率為33.5% 國(guó)內(nèi)外諸多研究測(cè)算的中國(guó)TFP對(duì)總產(chǎn)出貢獻(xiàn)率不同,變動(dòng)區(qū)間在10%~40%。這主要與核算方法及樣本的差異等因素有關(guān)。本文基于中國(guó)工業(yè)企業(yè)樣本加總資本存量和勞動(dòng)力計(jì)算出資本和勞動(dòng)產(chǎn)出,再用要素產(chǎn)出彈性估計(jì)值進(jìn)一步計(jì)算TFP對(duì)產(chǎn)出的貢獻(xiàn)率。。根據(jù)彈性估計(jì)結(jié)果進(jìn)一步測(cè)算各企業(yè)TFP(數(shù)據(jù)量過(guò)大不再列出),OLS回歸結(jié)果見(jiàn)表2。
三、微觀分析:企業(yè)異質(zhì)性與資源錯(cuò)配
1.模型建立
資源錯(cuò)配在企業(yè)層面表現(xiàn)為橫截面TFP波動(dòng)性增加,這種波動(dòng)性成因源自融資能力、年齡、所有制、行業(yè)與地區(qū)等維度的企業(yè)異質(zhì)性。不同維度內(nèi)的企業(yè)異質(zhì)程度越高,企業(yè)TFP差異越明顯,資源錯(cuò)配問(wèn)題越嚴(yán)重。通過(guò)對(duì)不同維度企業(yè)異質(zhì)性特征與TFP相關(guān)性的分析,可以對(duì)資源錯(cuò)配的成因進(jìn)行初步考察。在此建立微觀企業(yè)TFP模型以分析各維度內(nèi)的企業(yè)TFP差異特征,模型如下:
tfpi=κ1financei+κ2Agei+κ3Age2i+
κrDUM_industry+κsDUM_registor+
κjDUM_city+κvDUM_province+μi
其中,tfp為企業(yè)全要素生產(chǎn)率;DUM_industry、DUM_registor、DUM_city、DUM_province為本文關(guān)注的企業(yè)異質(zhì)性各維度虛擬變量,分別為所屬行業(yè)、企業(yè)注冊(cè)類型、所在城市、省份虛擬變量,各虛擬變量細(xì)分項(xiàng)的回歸結(jié)果呈現(xiàn)出行業(yè)、所有制、城市、省份維度內(nèi)的企業(yè)TFP異質(zhì)性特征。另外,選取若干控制變量對(duì)影響企業(yè)TFP的因素進(jìn)行控制,其中Age為企業(yè)年齡,考慮到企業(yè)生命周期內(nèi)企業(yè)年齡與TFP可能存在非線性關(guān)系,進(jìn)一步引入企業(yè)年齡的二次項(xiàng);finance為企業(yè)融資約束,以企業(yè)資產(chǎn)負(fù)債率衡量?;貧w結(jié)果見(jiàn)表3。
2.各維度的企業(yè)TFP異質(zhì)性特征分析
虛擬變量回歸系數(shù)能夠解釋不同維度內(nèi)的企業(yè)TFP差異。如行業(yè)維度虛擬變量系數(shù)顯著性越大的行業(yè),說(shuō)明相關(guān)行業(yè)內(nèi)企業(yè)TFP整體偏高,而系數(shù)不顯著的行業(yè)則沒(méi)有表現(xiàn)出整體差異特征。對(duì)各維度虛擬變量回歸結(jié)果分析如下:
(1)行業(yè)維度的企業(yè)TFP異質(zhì)性特征。行業(yè)類型虛擬變量回歸結(jié)果表明,600個(gè)細(xì)分行業(yè)虛擬變量中回歸系數(shù)具有顯著性的數(shù)量為276個(gè)。企業(yè)TFP整體偏高的前十大行業(yè)為:“稀有金屬采礦業(yè)”“核力發(fā)電”“卷煙制造”“天然原油和天然氣開(kāi)采”“鐵路機(jī)車車輛配件制造”“煙葉復(fù)烤”“鐵路信號(hào)設(shè)備制造業(yè)”“其他能源發(fā)電”“稀有高熔點(diǎn)金屬礦采選業(yè)”“鉻礦采選業(yè)”,以上行業(yè)多具有行政壟斷性質(zhì);企業(yè)TFP整體偏低的前十大行業(yè)為:“汞冶煉業(yè)”“鋁礦采選”“錫冶煉”“農(nóng)”“林”“牧”“漁儀器”“儀表制造業(yè)”“寶石”“玉石采選業(yè)”“鈦礦采選業(yè)”“其他針織品及編織品制造”“實(shí)驗(yàn)室及醫(yī)用消毒設(shè)備和器具的制造”“地毯”“掛毯制造”“假肢”“矯形器制造業(yè)”,以上行業(yè)均具有市場(chǎng)規(guī)模小的特征。行業(yè)維度的企業(yè)TFP異質(zhì)性特征見(jiàn)圖1。
(2)城市維度的企業(yè)TFP差異。349個(gè)縣級(jí)市及以上行政區(qū)域中回歸系數(shù)顯著的數(shù)量為132個(gè)。其中企業(yè)TFP偏高的前十大城市為:泉州、廈門、漳州、莆田、四平、玉溪、五家渠、大理、威海和阿克蘇;企業(yè)TFP偏低的前十大城市為:恩施土家族苗族自治州、荊州、武漢、宜昌、黃石、十堰、荊門、咸寧、巴中和襄樊。城市維度的企業(yè)TFP差異呈現(xiàn)地區(qū)趨同性,如福建、新疆地區(qū)的TFP偏高,而湖北地區(qū)則整體偏低。城市維度的企業(yè)TFP異質(zhì)性特征見(jiàn)圖2。
(3)省份虛擬變量回歸結(jié)果:31個(gè)省份虛擬變量中回歸系數(shù)顯著的數(shù)量為18個(gè);較東部省份,甘肅、內(nèi)蒙古、西藏、安徽、青海、貴州、寧夏等中西部地區(qū)TFP明顯較低。
(4)所有制虛擬變量回歸結(jié)果:23個(gè)注冊(cè)類型虛擬變量中,國(guó)有企業(yè)、國(guó)有聯(lián)合企業(yè)、國(guó)有獨(dú)資企業(yè)、國(guó)有與集體聯(lián)合企業(yè)四類企業(yè)TFP顯著偏低,而其他的均不顯著。
綜上所述,從行業(yè)維度看,行政壟斷及行業(yè)壟斷導(dǎo)致相關(guān)企業(yè)TFP偏高,而市場(chǎng)需求約束下的規(guī)模不經(jīng)濟(jì)導(dǎo)致相關(guān)行業(yè)企業(yè)TFP偏低;從城市維度看,企業(yè)的TFP差異與所在城市的地理位置、人力資本水平以及政府效率有關(guān),不同地區(qū)的資本(設(shè)備)和勞動(dòng)力質(zhì)量存在差異,反映出技術(shù)水平對(duì)總產(chǎn)出的貢獻(xiàn)不同,這是以往研究中容易被忽視的因素;從地區(qū)維度看,企業(yè)TFP的省際差異主要源于地理位置、交通基礎(chǔ)設(shè)施等的差異;從所有制維度看,國(guó)有企業(yè)的TFP整體偏低。
四、宏觀分析:地區(qū)發(fā)展戰(zhàn)略與資源錯(cuò)配
政府對(duì)經(jīng)濟(jì)的不當(dāng)干預(yù)將會(huì)加劇市場(chǎng)失靈,這是導(dǎo)致市場(chǎng)進(jìn)入退出失衡不容忽視的因素。偏離市場(chǎng)需求,違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略將造成要素市場(chǎng)扭曲進(jìn)而引發(fā)資源錯(cuò)配。因此,地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略程度越高,資源錯(cuò)配程度越嚴(yán)重。為分析導(dǎo)致資源錯(cuò)配的地區(qū)發(fā)展戰(zhàn)略層面的原因,本文在測(cè)度微觀企業(yè)TFP的基礎(chǔ)采用OP協(xié)方差法測(cè)度省際資源配置效率,同時(shí)采用參數(shù)法(工具變量法)測(cè)度地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度,進(jìn)而建立計(jì)量模型對(duì)上述理論預(yù)期進(jìn)行檢驗(yàn)。
1.模型建立
TSPi=κ0+κ1TCIi+κ2Financei+κ3SOE+
κ4size+μi
其中,TSP為地區(qū)資源錯(cuò)配程度,TCI為地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度,F(xiàn)inance為地區(qū)金融發(fā)展水平(銀行年末存款總額占地方GDP比重),SOE為地區(qū)國(guó)民經(jīng)濟(jì)所有制結(jié)構(gòu)(國(guó)有企業(yè)工業(yè)總產(chǎn)值占比),size為地區(qū)企業(yè)規(guī)模(中小企業(yè)工業(yè)總產(chǎn)值占比),μi為隨機(jī)擾動(dòng)項(xiàng)。核心變量的測(cè)度方法如下:
(1)資源錯(cuò)配程度(TSP)
資源配置效率越高則資源錯(cuò)配程度越低,故在此以資源配置效率衡量地區(qū)資源錯(cuò)配程度。本文采用Olley和Pakes(1996)建立的OP協(xié)方差法對(duì)地區(qū)資源配置效率進(jìn)行測(cè)度,該方法認(rèn)為企業(yè)規(guī)模與全要素生產(chǎn)率應(yīng)成正相關(guān),因此地區(qū)企業(yè)規(guī)模與全要素生產(chǎn)率協(xié)方差越大,說(shuō)明資源配置效率越高,反之則說(shuō)明存在資源錯(cuò)配問(wèn)題。根據(jù)OP協(xié)方差法,加總TFP在微觀企業(yè)層面的分解表達(dá)式為:
TFP=siωi=ω-+(si-s-)(ωi-ω-)
其中,s為企業(yè)規(guī)模權(quán)重,ωi為企業(yè)TFP。該式表明,宏觀TFP由微觀企業(yè)TFP非均衡權(quán)重加總獲得。資源有效配置情況下,企業(yè)規(guī)模與企業(yè)TFP成正比,即企業(yè)規(guī)模越大其TFP值越高。因此企業(yè)規(guī)模與TFP的協(xié)方差可以衡量資源配置效率,協(xié)方差值越大的地區(qū)說(shuō)明資源錯(cuò)配程度越低,其表達(dá)式為:
TSP=(si-s-)(ωi-ω-)
依據(jù)OP協(xié)方差法對(duì)省際TFP和TSP進(jìn)行測(cè)算,并將結(jié)果繪制成圖3以便直觀展示各地區(qū)的數(shù)值表現(xiàn)??梢?jiàn),加總TFP與TSP存在高度耦合性,即資源配置效率越高的地區(qū)全要素生產(chǎn)率越高。另外,筆者用企業(yè)層面分解式估算TSP對(duì)加總TFP的貢獻(xiàn)度,結(jié)果為0.856,說(shuō)明資源配置效率對(duì)地區(qū)加總TFP的貢獻(xiàn)度達(dá)到85.6%。
圖3各樣本地區(qū)的TFP和TSP
(2)地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度
基于新結(jié)構(gòu)經(jīng)濟(jì)學(xué)理論的研究多用技術(shù)選擇(TCI)指數(shù)作為地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度的測(cè)度指標(biāo) 林毅夫在新結(jié)構(gòu)經(jīng)濟(jì)學(xué)中將TCI指數(shù)作為衡量地區(qū)發(fā)展戰(zhàn)略選擇指標(biāo),TCIit=(ATMit/LMit)/(GDPit/Lit)。其中AMT為制造業(yè)產(chǎn)值,LM為制造業(yè)從業(yè)人數(shù),GDP和L分別為地區(qū)生產(chǎn)總值和總就業(yè)人數(shù)。如果地區(qū)產(chǎn)業(yè)發(fā)展不能與同一時(shí)期本身所具備的要素稟賦決定的比較優(yōu)勢(shì)產(chǎn)業(yè)相符合,那么TCI指數(shù)將較高。如果發(fā)展戰(zhàn)略向就業(yè)吸納能力小的資本(資源)密集型制造業(yè)傾斜,相對(duì)于其他情況下,壟斷利潤(rùn)、政府補(bǔ)貼貸款和優(yōu)惠政策會(huì)使得被扶持產(chǎn)業(yè)的運(yùn)營(yíng)成本降低,增加值上升,但產(chǎn)業(yè)吸納勞動(dòng)力能力沒(méi)有顯著提高,導(dǎo)致TCI指數(shù)增加。,但該指標(biāo)存在兩個(gè)問(wèn)題:一是不同地區(qū)最優(yōu)TCI指數(shù)的確定,二是TCI指數(shù)的內(nèi)生性問(wèn)題,陳斌開(kāi)和林毅夫(2013)通過(guò)引入虛擬變量和工具變量予以解決。由于本文進(jìn)行宏觀層面的資源錯(cuò)配問(wèn)題分析時(shí)采用的是橫截面模型,樣本數(shù)據(jù)不足使得控制變量可用數(shù)量有限,殘差項(xiàng)與解釋變量之間的內(nèi)生性風(fēng)險(xiǎn)增加。因此,本文直接采用工具變量法進(jìn)行回歸分析。
地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度的工具變量選取,以往研究引入“三線建設(shè)”概念,即采用各地區(qū)省會(huì)城市離邊界線最短距離作為工具變量(陳斌開(kāi) 等,2013)。部分學(xué)者對(duì)此方法存在質(zhì)疑的原因是“三線建設(shè)”無(wú)法完全解釋所有違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略的政府行為,即只片面考慮了“歷史遺留因素”。筆者同樣認(rèn)為此方法存在不足,忽視了“對(duì)外貿(mào)易產(chǎn)業(yè)越發(fā)達(dá)地區(qū)的發(fā)展戰(zhàn)略越符合國(guó)際比較優(yōu)勢(shì)”的事實(shí),以及地理位置、自然環(huán)境對(duì)重工業(yè)發(fā)展的約束性問(wèn)題。據(jù)此,本文對(duì)工具變量選取進(jìn)行調(diào)整,識(shí)別違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略可能性較低的地區(qū)并設(shè)該類地區(qū)的偏離度為0,該類地區(qū)主要有:戰(zhàn)時(shí)極易受攻擊的“非三線”重要地區(qū),包括北京、天津、黑龍江,內(nèi)蒙古;地理位置偏遠(yuǎn)地區(qū),包括西藏、海南;改革開(kāi)放前沿地區(qū),包括上海、廣東。其他省份采用“省會(huì)城市離上海、香港兩大國(guó)際港口最近距離的對(duì)數(shù)”測(cè)度違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略的程度,主要有以下考慮:由于離國(guó)際港口越遠(yuǎn),交通成本對(duì)外貿(mào)產(chǎn)業(yè)發(fā)展的抑制作用越強(qiáng),在中國(guó)特有的地區(qū)“GDP錦標(biāo)賽”驅(qū)使下,越偏遠(yuǎn)的地區(qū)越傾向于采取違背比較優(yōu)勢(shì)的發(fā)展戰(zhàn)略,使得生產(chǎn)要素過(guò)度流入資源型部門或重工業(yè)部門,進(jìn)而導(dǎo)致資源錯(cuò)配。地理距離采用中國(guó)地圖進(jìn)行測(cè)度,具體結(jié)果見(jiàn)表4。
2.回歸結(jié)果分析
模型(1)到(6)將控制變量逐一納入基準(zhǔn)模型進(jìn)行回歸分析,以檢驗(yàn)?zāi)P头€(wěn)健性。另外,考慮到中小企業(yè)比重不同會(huì)造成資源配置效率波動(dòng),故模型引入三種企業(yè)規(guī)模的控制變量(中小型企業(yè)產(chǎn)值占比Size1、小型企業(yè)產(chǎn)值占比Size2、中型企業(yè)產(chǎn)值占比Size3),以觀察模型穩(wěn)健性。異方差檢驗(yàn)(Heteroscedasticity Test)結(jié)果接收原假設(shè),說(shuō)明不存在異方差。分析結(jié)果表明,各模型中TCI的系數(shù)均顯著且正負(fù)性沒(méi)有變化,說(shuō)明模型穩(wěn)健性較高,工具變量有效?;貧w結(jié)果驗(yàn)證了“地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略會(huì)加劇資源錯(cuò)配程度”的理論預(yù)期,回歸結(jié)果見(jiàn)表5。
回歸結(jié)果表明,TCI的回歸系數(shù)穩(wěn)定在-0.076左右。根據(jù)前文估計(jì)結(jié)果校準(zhǔn)資源配置效率、TFP與總產(chǎn)出之間關(guān)系參數(shù),并根據(jù)表中各地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離度測(cè)算其造成的資源配置效率、TFP以及總產(chǎn)出損失。結(jié)果表明違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略造成各地區(qū)15.0%~52.7%的資源配置效率損失、12.8%~45.1%的TFP損失以及2.4%~8.5%的GDP損失,測(cè)算結(jié)果詳見(jiàn)表6。
五.穩(wěn)健性檢驗(yàn)
模型設(shè)定會(huì)影響企業(yè)TFP的測(cè)算結(jié)果。隨機(jī)前沿生產(chǎn)函數(shù)模型(Stochastic Frontier Production Function)在確定性生產(chǎn)函數(shù)模型的基礎(chǔ)上提出了具有復(fù)合擾動(dòng)項(xiàng)的隨機(jī)邊界模型,其主要思想為隨機(jī)擾動(dòng)項(xiàng)ε應(yīng)由v 和u 組成。其中,v是隨機(jī)誤差項(xiàng),是企業(yè)不能控制的影響因素,具有隨機(jī)性,用來(lái)計(jì)算系統(tǒng)非效率;u是技術(shù)損失誤差項(xiàng),是企業(yè)可以控制的影響因素,用來(lái)計(jì)算技術(shù)非效率。另外,考慮到超越對(duì)數(shù)生產(chǎn)函數(shù)放松了常替代彈性和中性技術(shù)進(jìn)步的假設(shè),比C-D函數(shù)和CES函數(shù)更具靈活性,能有效避免函數(shù)形式誤設(shè)引發(fā)的估計(jì)偏誤。因此,本文建立基于C-D和超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型(SFA)重新估計(jì)企業(yè)TFP及其產(chǎn)出貢獻(xiàn)率,以檢驗(yàn)分析模型變化的測(cè)算結(jié)果是否存在顯著差異。
CD生產(chǎn)函數(shù)隨機(jī)前沿模型為:
lny_addi=c+α1lnKi+α2lnLi+κAgei-μi+νi
超越對(duì)數(shù)生產(chǎn)函數(shù)隨機(jī)前沿模型為:
lny_addi=c+α1lnKi+α2lnLi+α312(lnLi)2+α312(lnKi)2+α4lnLi×lnKi+κAgei-μi+νi
同時(shí)對(duì)超越對(duì)數(shù)確定性前沿模型進(jìn)行估計(jì)作為參照,依據(jù)估計(jì)結(jié)果進(jìn)一步計(jì)算得到各模型中TFP對(duì)企業(yè)產(chǎn)出的貢獻(xiàn)率分別為35.1%,49.8%和398%采用超越對(duì)數(shù)生產(chǎn)函數(shù)計(jì)算TFP對(duì)企業(yè)產(chǎn)出貢獻(xiàn)率前,需計(jì)算企業(yè)加總的0.5(lnK)2、0.5(lnL)2、lnK×lnL與加總lnY_add的比值,分別為4.841、1.713、5.663。。由前文可知C-D確定性前沿模型測(cè)得TFP產(chǎn)出貢獻(xiàn)率為33.5%,可見(jiàn)超越對(duì)數(shù)生產(chǎn)函數(shù)模型、隨機(jī)前沿模型測(cè)度的企業(yè)TFP及其產(chǎn)出貢獻(xiàn)率高于C-D確定性前沿模型結(jié)果。另外,基于各模型計(jì)算的企業(yè)TFP重新測(cè)度了省際資源配置效率,并估計(jì)地區(qū)比較優(yōu)勢(shì)發(fā)展戰(zhàn)略偏離程度對(duì)地區(qū)資源配置效率的影響系數(shù),結(jié)果表明模型變動(dòng)后地區(qū)TCI系數(shù)估計(jì)的正負(fù)性和顯著性沒(méi)有變化,且負(fù)向影響程度略有上升,地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略造成的TFP及產(chǎn)出損失可能更大??傮w來(lái)說(shuō),本文計(jì)算的TFP產(chǎn)出貢獻(xiàn)率偏高的原因可能是樣本篩選造成了選擇性偏差。具體結(jié)果見(jiàn)表7。
六、結(jié)論
大量文獻(xiàn)表明資源錯(cuò)配的成因源自不同維度的企業(yè)異質(zhì)性和地區(qū)產(chǎn)業(yè)發(fā)展政策的扭曲。本文采用2006—2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù),分別從微觀的企業(yè)異質(zhì)性特征和宏觀的地區(qū)發(fā)展戰(zhàn)略角度,實(shí)證分析資源錯(cuò)配的原因以及地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略造成的TFP和總產(chǎn)出損失。從企業(yè)異質(zhì)性看,資源錯(cuò)配主要與企業(yè)的市場(chǎng)結(jié)構(gòu)差異(壟斷及規(guī)模經(jīng)濟(jì))、所處地區(qū)(城市和省份)以及所有制差異有關(guān):行政壟斷及行業(yè)壟斷導(dǎo)致相關(guān)行業(yè)的企業(yè)TFP偏高,而市場(chǎng)需求約束下的規(guī)模不經(jīng)濟(jì)導(dǎo)致相關(guān)行業(yè)的企業(yè)TFP偏低;企業(yè)的TFP差異與所在城市和省區(qū)的地理位置、人力資本水平、基礎(chǔ)設(shè)施以及政府效率有關(guān);國(guó)有企業(yè)的TFP整體偏低。從地區(qū)發(fā)展戰(zhàn)略看,基于CD確定性前沿模型測(cè)度結(jié)果,地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略導(dǎo)致其15.0%~527%的資源配置效率損失、12.8%~45.1%的全要素生產(chǎn)率損失以及2.4%~8.5%的產(chǎn)出損失,隨機(jī)前沿模型測(cè)度的結(jié)果較確定性前沿模型更高。
資源錯(cuò)配問(wèn)題存在于不同行業(yè)、東部與中西部、國(guó)有與非國(guó)有企業(yè)之間,資源配置效率提升將是未來(lái)中國(guó)全要素生產(chǎn)率增長(zhǎng)的動(dòng)力源泉之一。扭正資源錯(cuò)配局面應(yīng)針對(duì)微觀企業(yè)間資源錯(cuò)配的根源來(lái)制定宏觀政策,完善市場(chǎng)進(jìn)入退出機(jī)制,消除影響市場(chǎng)發(fā)揮資源配置作用的制度障礙,如行業(yè)準(zhǔn)入限制、金融信貸歧視、戶籍制度等。政府應(yīng)加大國(guó)有企業(yè)改革力度,在不造成國(guó)有經(jīng)濟(jì)損失的前提下提升國(guó)有企業(yè)生產(chǎn)效率,創(chuàng)新國(guó)有企業(yè)內(nèi)部激勵(lì)措施,優(yōu)化委托代理機(jī)制。地區(qū)違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略會(huì)造成企業(yè)“市場(chǎng)錯(cuò)入”,進(jìn)一步加劇企業(yè)異質(zhì)性程度和要素市場(chǎng)扭曲。因此,應(yīng)進(jìn)一步明確地方政府職能,并構(gòu)建能夠“因勢(shì)利導(dǎo)”的有為政府。偏遠(yuǎn)地區(qū)由于企業(yè)交易成本過(guò)高等外部性問(wèn)題使得其單純依靠市場(chǎng)無(wú)法形成具有規(guī)模效應(yīng)的要素集聚,各地方政府競(jìng)爭(zhēng)關(guān)系造成的市場(chǎng)分割雖然對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)具有一定的促進(jìn)作用,但也是地方采取違背比較優(yōu)勢(shì)發(fā)展戰(zhàn)略的重要原因之一。所以,各地區(qū)政府應(yīng)強(qiáng)化區(qū)域間合作關(guān)系,依托“一帶一路”建設(shè),為建立新型開(kāi)放型經(jīng)濟(jì)提供跨行政區(qū)域的公共服務(wù)與基礎(chǔ)設(shè)施。
參考文獻(xiàn):
陳斌開(kāi),林毅夫.2013.發(fā)展戰(zhàn)略、城市化與中國(guó)城鄉(xiāng)收入差距[J].中國(guó)社會(huì)科學(xué)(4):81102.
陳詩(shī)一, 陳登科.2016.融資約束、企業(yè)效率韌性與我國(guó)加總?cè)厣a(chǎn)率研究[J].經(jīng)濟(jì)學(xué)報(bào)(季刊)(3):131.
靳來(lái)群.2015.所有制歧視所致金融資源錯(cuò)配程度分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)(6):3644.
靳來(lái)群,林金忠,丁詩(shī)詩(shī).2015.行政壟斷對(duì)所有制差異所致資源錯(cuò)配的影響[J].中國(guó)工業(yè)經(jīng)濟(jì)(4):3143.
韓劍,鄭秋玲.2014.政府干預(yù)如何導(dǎo)致地區(qū)資源錯(cuò)配——基于行業(yè)內(nèi)和行業(yè)間錯(cuò)配的分解[J].中國(guó)工業(yè)經(jīng)濟(jì)(11):6981.
李靜,彭飛,毛德鳳.2012.資源錯(cuò)配與中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)(10):4653.
李魯,王磊,鄧芳芳.2016.要素市場(chǎng)扭曲與企業(yè)間生產(chǎn)率差異:理論及實(shí)證[J].財(cái)經(jīng)研究(9):110120.
魯曉東,連玉君.2012.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì):1999—2007[J].經(jīng)濟(jì)學(xué)(季刊)(1):541558.
林毅夫.2012.新結(jié)構(gòu)經(jīng)濟(jì)學(xué):反思經(jīng)濟(jì)發(fā)展與政策的理論框架[M].北京:北京大學(xué)出版社.
孫元元,張建清.2015.中國(guó)制造業(yè)省際間資源配置效率演化:二元邊際的視角[J].經(jīng)濟(jì)研究(10):89103.
王定星.2016.企業(yè)異質(zhì)性、市場(chǎng)化與生產(chǎn)率分布[J].統(tǒng)計(jì)研究(8):4754.
王林輝,袁禮.2014.資本錯(cuò)配會(huì)誘發(fā)全要素生產(chǎn)率損失嗎[J].統(tǒng)計(jì)研究(8):1118.
王鵬,尤濟(jì)紅.2015.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整中的要素配置效率——兼對(duì)“結(jié)構(gòu)紅利假說(shuō)”的再檢驗(yàn)[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)(10):7080.
楊光,孫浦陽(yáng),龔剛.2015.經(jīng)濟(jì)波動(dòng)、成本約束與資源配置[J].經(jīng)濟(jì)研究(2):4760.
袁志剛,解棟棟.2011.中國(guó)勞動(dòng)力錯(cuò)配對(duì)TFP的影響分析[J].經(jīng)濟(jì)研究(7):417.
COLE M,ELLIOTT J. 2010. Firm heterogeneity,origin of ownership and export participation[J]. World Economy,33(2): 264291.
DAS S,ROBERT M. 2007. Market entry costs,producer heterogeneity and export dynamics[J]. Econometrica,75(3):837873.
JOEL M,HUGO A. 2016. Information,misallocation and aggregate productivity[J]. The Quarterly Journal of Economics,131(2):9431005.
LEVNSOHN J,PETRIN A. 2003. Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies,70(2):317341.
OLLEY S,PAKES A. 1996. The dynamics of productivity in the telecommunication equipment industry[J]. Econometrica,64(6):12631297.
WAGNER J. 2007. Exports and productivity:A survey of the evidence from firm level data[J]. World Economy,30(1):6082.
Enterprise Heterogeneity, Regional Development
Strategy and Resources Misallocation
LI Yue
(School of Economics and Resource Management, Beijing Normal University, Beijing 100875, China)
Abstract: The cause of resources misallocation mainly emanates from the distortion of enterprise heterogeneity with different dimensions and regional development strategy. This paper uses CD to determine frontier parameter model to calculate total factor productivity of enterprises, uses OP covariance method to calculate resources misallocation extent of different regions, and further analyzes the cause for Chinas resources misallocation from such two perspective as enterprise heterogeneity and regional development strategy. The results show that the firm TFP heterogeneity is mainly correlated with the differences in market structure, regional differences and ownership, and that local governments' development strategies that violate the comparative advantages deteriorates provincial misallocation, leading to 15.0%52.7% resources misallocation loss, 12.8%45.1% of TFP loss and 2.4%8.5% of GDP loss in different provinces. Chinas future TFP improvement should pay attention to the internal competition optimization and let the guiding role of the local government be played.
Key words: firm heterogeneity; regional development strategy; resources misallocation; TFP; resources allocation efficiency; comparative advantage
CLC number:F12;F224.0Document code:A Article ID:16748131(2017)04010511
(編輯:夏冬)
重慶工商大學(xué)學(xué)報(bào)(西部論壇)2017年4期