范 金 陳 敏

1（南京林業(yè)大學經(jīng)濟發(fā)展質量研究中心， 南京 210037）2（南京林業(yè)大學經(jīng)濟管理學院， 南京 210037）

引言

自從2002 年中國加入WTO 以來，以蘇寧錫常鎮(zhèn)五市所構成的蘇南地區(qū)無疑是長三角地區(qū)、乃至中國融入全球化最活躍的地區(qū)之一，一直在“中國方案”中扮演著示范引領角色。2018 年全國“GDP 萬億俱樂部”城市總共16 個，蘇寧錫就占3 席。在人均GDP 超過2 萬美元的15 個城市中，蘇南5 市除鎮(zhèn)江外全部在列。因此，無論是從發(fā)展數(shù)量還是發(fā)展質量看，蘇南地區(qū)均顯示出強勁態(tài)勢。實際上，早在2014 年11 月3 日，國務院正式批復，同意支持南京、蘇州、無錫、常州、昆山、江陰、武進、鎮(zhèn)江8 個高新技術產(chǎn)業(yè)開發(fā)區(qū)和蘇州工業(yè)園區(qū)建設蘇南國家自主創(chuàng)新示范區(qū)。2018 年7 月5 日，經(jīng)國務院同意，國家發(fā)展改革委正式印發(fā)《蘇南現(xiàn)代化建設示范區(qū)規(guī)劃》。顯示出國家對蘇南地區(qū)實現(xiàn)現(xiàn)代化強國的示范引領作用的厚望。因此，探討2002～2018 蘇南地區(qū)要素配置和創(chuàng)新效率研究，具有重要的現(xiàn)實意義。

十九大報告提出，“我國經(jīng)濟已由高速增長階段轉向高質量發(fā)展階段”，通過全要素生產(chǎn)率（Total Factor Productivity，TFP）促進經(jīng)濟增長已成為社會共識。最新研究表明，優(yōu)化要素配置是提高TFP 的重要途徑［1，2］，主流經(jīng)濟學研究通過辨析要素錯配來研究要素配置的優(yōu)化問題。主流方法一般圍繞要素錯配的測度、原因和影響三方面展開：（1）要素錯配的測量方法，主要包括直接測量法和間接測量法。直接測量法僅考慮某一特定因素造成的要素錯配程度；間接測量法不單獨考慮某一因素，而是將所有造成要素錯配的潛在因素看作“經(jīng)濟楔子”，是現(xiàn)階段學術界采用的主流方法［3-5］；（2）要素錯配的形成原因，主要包括現(xiàn)實層面與制度層面。前者指經(jīng)濟運行過程中不可避免的現(xiàn)實因素所導致的要素錯配，如行業(yè)生產(chǎn)率異常波動將引起企業(yè)實際資本投入偏離最優(yōu)投資決策，最終導致行業(yè)內企業(yè)間的資本錯配程度增加；后者指政府的制度安排、政策安排等導致的要素錯配，如政府壟斷、住房限制［6-10］。劉同山和吳剛（2019）認為農(nóng)戶需求、制度與自然因素是造成農(nóng)地資源錯配的主要原因［11］；（3）要素錯配對TFP 的影響及其程度大小。Aoki（2012）為弄清TFP 差異是由于技術差異造成還是要素配置導致的，將國與國之間的TFP 差異拆分為技術差異、部門份額差異以及部門內要素配置效率差異，發(fā)現(xiàn)因要素配置差異導致日本和美國的TFP相差9 個百分點［12］。Brandt 和Tombe（2013）對1985～2007 年中國制造業(yè)和服務業(yè)部門的生產(chǎn)率進行研究，發(fā)現(xiàn)中國勞動力和資本在省際間的錯配及省內的部門間錯配導致總TFP 損失20%［13］。Jovanovic（2014）通過建立企業(yè)的成長模型，發(fā)現(xiàn)更有效分配可促進經(jīng)濟更快速的長期增長、更大的不平等以及人力資本分配中更少的人員流動［14］。袁志剛和解棟棟（2011）利用1978～2007 的宏觀產(chǎn)業(yè)經(jīng)濟數(shù)據(jù)，估算出改革開放以來勞動力錯配對經(jīng)濟增長負效應的效率損失在-2%～-18%，并呈逐漸擴大趨勢［15］。張鐘文（2017）構建了一個基于總產(chǎn)出行業(yè)生產(chǎn)函數(shù)的增長核算框架，來衡量行業(yè)要素錯配對總體經(jīng)濟的TFP 的影響［16］。

本文可能的創(chuàng)新之處在于：（1）已有文獻大多假設生產(chǎn)函數(shù)的規(guī)模報酬不變，但考慮到蘇南地區(qū)處于創(chuàng)新示范引領地位，本文嘗試作出規(guī)模報酬遞增的假設；（2）已有文獻一般對某一地區(qū)整體經(jīng)濟體系進行研究，本文嘗試將地區(qū)按知識、技術密集度的高低劃分為高技術部門和傳統(tǒng)部門，從而最大程度的刻畫技術要素配置效率的影響；（3）已有文獻僅關注科技創(chuàng)新資源內部投入產(chǎn)出配置效率問題，本文嘗試將科技要素作為一個部門，放在整個經(jīng)濟體系中進行研究。

1 理論模型與數(shù)據(jù)說明

1.1 理論模型

假設地區(qū)部門的生產(chǎn)函數(shù)滿足Cobb-Douglas形式：

其中，i∈｛1，2，…，N｝表示地區(qū)（地級市），j∈｛h，l｝表示部門（高技術部門，傳統(tǒng)部門）。Yij、Aij、Kij以及Lij分別表示地區(qū)部門的產(chǎn)出、全要素生產(chǎn)率、資本投入以及勞動投入。αij＋βij＝1，η為規(guī)模報酬遞增的程度。

i地區(qū)的生產(chǎn)函數(shù)具有CES 形式：

其中，Yi、Yih以及Yil分別表示i地區(qū)的總產(chǎn)出，高技術部門的產(chǎn)出以及傳統(tǒng)部門的產(chǎn)出。參數(shù)σ與i地區(qū)不同部門間產(chǎn)出替代彈性相關。省級層面的生產(chǎn)函數(shù)依此類推。

根據(jù)經(jīng)濟主體的一階優(yōu)化條件以及市場出清條件，均衡要素配給滿足：

借鑒陳詩一和陳登科（2017）［5］的經(jīng)驗，資本市場扭曲和勞動市場扭曲可根據(jù)以下公式識別：

在推導出均衡要素配給的基礎上，i地區(qū)的實際全要素生產(chǎn)率Ai可表示為：

令τijk＝τijl＝0，可得要素配置有效情況下的潛在全要素生產(chǎn)率參照Gilchrist 等（2013）的做法，本文將要素配置扭曲D定義為：

進一步借鑒陳詩一和陳登科（2017）［5］的研究思路，基于“反事實”框架，即消除某一扭曲所導致的要素配置扭曲的減少，考察各投入要素扭曲以及各部門扭曲對總體要素配置扭曲的貢獻。

最后，參考Fare（1994）［18］的研究思路，基于DEA 模型的Malmquist 指數(shù)法，可以將TFP 的變動分解為技術進步變化指數(shù)（Technical Change，TC）以及技術效率變化指數(shù)（Efficiency Change，EC），具體分解過程如式（9）所示，其中，各個指數(shù)大于1、等于1 以及小于1 分別表示效率提升、不變以及下降。

1.2 變量選取與數(shù)據(jù)說明

產(chǎn)出。本文選取“地區(qū)生產(chǎn)總值”作為產(chǎn)出的代理變量。南京、蘇州、無錫、常州以及鎮(zhèn)江的地區(qū)生產(chǎn)總值可以直接從年鑒中找到，高技術部門的地區(qū)生產(chǎn)總值利用“高新技術產(chǎn)業(yè)產(chǎn)值占規(guī)模以上工業(yè)總產(chǎn)值的比值”推算得出。以上數(shù)據(jù)來源于2003～2019 年《江蘇統(tǒng)計年鑒》。

資本投入。本文選取“資本存量”作為資本投入的代理變量。由于這一變量無法直接獲取，目前已被普遍采用的測算方法是Goldsmith（1951）開創(chuàng)的永續(xù)盤存法，即：

其中，δi，t為i地區(qū)第t年的經(jīng)濟折舊率，Ii，t為i地區(qū)第t年的投資。

關于初始資本存量的選擇，已有研究大多采用張軍等（2004）［19］歸納的兩種做法：（1）用初始年份的資本形成總額除以10%估算得出；（2）沿用已有文獻計算出來的資本存量。本文采用第2 種方法，借鑒張軍等（2004）對江蘇省2000 年資本存量的估計作為初始資本存量，9.6%作為經(jīng)濟折舊率，投資額選用“固定資本形成總額”這一指標，利用式（10）測算出2001～2018 年江蘇省的資本存量。南京、蘇州、無錫、常州以及鎮(zhèn)江的資本存量利用“各市工業(yè)增加值占江蘇省工業(yè)增加值的比值”推算得出，高技術部門的資本存量通過“高技術產(chǎn)業(yè)固定資產(chǎn)投資額占固定資產(chǎn)投資額的比值”推算得出。以上數(shù)據(jù)來源于2002～2019 年《江蘇統(tǒng)計年鑒》 和《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》。

勞動投入。本文選取“從業(yè)人員數(shù)”作為勞動投入的代理變量。南京、蘇州、無錫、常州以及鎮(zhèn)江的從業(yè)人員數(shù)可以直接從年鑒中找到，高技術部門的從業(yè)人員數(shù)利用“高技術產(chǎn)業(yè)從業(yè)人員年平均人數(shù)占第二產(chǎn)業(yè)從業(yè)人員數(shù)的比值”推算得出。以上數(shù)據(jù)來源于2003～2019 年《江蘇統(tǒng)計年鑒》 以及《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》。

值得注意的是，產(chǎn)出數(shù)據(jù)和資本投入數(shù)據(jù)均為名義值，包含了各年的價格變動因素，為確切地反映實物變動，本文采用工業(yè)生產(chǎn)者出廠價格指數(shù)對名義產(chǎn)出進行平減，利用固定資產(chǎn)投資價格指數(shù)對名義投資額進行平減，最終折算為以2000年為基準年的不變價數(shù)據(jù)。價格指數(shù)數(shù)據(jù)來源于2001～2019 年《中國價格統(tǒng)計年鑒》。

2 蘇南經(jīng)濟發(fā)展與要素配置現(xiàn)狀

在進行各項指標計算前，通過回歸結果給出各個參數(shù)的取值。（1）對各地區(qū)各部門的投入產(chǎn)出數(shù)據(jù)分別取對數(shù)作二元線性回歸，由OLS 估計量可發(fā)現(xiàn)除鎮(zhèn)江傳統(tǒng)部門外，各地區(qū)各部門的生產(chǎn)函數(shù)普遍存在規(guī)模報酬遞增的現(xiàn)象，遞增程度在1.05～1.9 之間不等，驗證了之前規(guī)模報酬遞增的假設，保守估計，本文選取η＝1.1，即假設蘇南地區(qū)所有生產(chǎn)函數(shù)的規(guī)模報酬遞增程度為1.1；（2）對每一生產(chǎn)函數(shù)進行有約束的回歸可得到αij、βij的取值，表1 顯示，高技術部門資本和勞動的彈性系數(shù)基本相當，表2 顯示，傳統(tǒng)部門資本的彈性系數(shù)遠大于勞動的彈性系數(shù)，兩部門資本和勞動彈性系數(shù)的回歸結果都在1%的水平上高度顯著；（3）根據(jù)式（2）實際數(shù)據(jù)的擬合，可得參數(shù)σ取值為0.01。

表1 分地區(qū)高技術部門生產(chǎn)函數(shù)回歸結果

表2 分地區(qū)傳統(tǒng)部門生產(chǎn)函數(shù)回歸結果

圖1 2002～2018 年蘇南TFP 增長率與GDP 增長率

圖3、圖4 分別給出2002～2018 年蘇南地區(qū)分部門TFP 的變動情況，以及蘇南地區(qū)整體TFP變動的DEA-Malquist 指數(shù)分解。圖3 顯示：（1）蘇南地區(qū)傳統(tǒng)部門TFP 的波動幅度很小，基本穩(wěn)定在較低水平，而高技術部門TFP 的波動十分劇烈，2008 年后增長幅度明顯，高于蘇南地區(qū)整體TFP 的增長；（2）高技術部門TFP 的具體數(shù)值介于6～10 之間，而蘇南地區(qū)整體TFP 與傳統(tǒng)部門TFP 的大小基本維持在一個數(shù)量級，介于0～2 之間。以上分析表明蘇南地區(qū)整體TFP 增長主要依賴于高技術部門TFP 增長的拉動，但高技術部門在蘇南地區(qū)整個經(jīng)濟體系中所占比重還很小，傳統(tǒng)部門在蘇南地區(qū)整體TFP 增長中起穩(wěn)定壓艙石的作用。從圖3 可以看出，除個別年份外，技術進步變動指數(shù)基本都大于1，技術效率變動指數(shù)在1 附近起伏且波幅很小，說明Malmquist 指數(shù)增長比較明顯的階段，主要依賴于技術進步的提高。此外，Malmquist 指數(shù)變動的曲線與技術進步變動指數(shù)的曲線幾乎一致，技術效率變動指數(shù)對Malmquist 指數(shù)變動的貢獻很小，說明蘇南地區(qū)經(jīng)濟增長主要取決于創(chuàng)新的技術支持。但就像上文提到的，蘇南地區(qū)TFP 增長率平穩(wěn)，高技術部門TFP 在整個經(jīng)濟體系中所起所用尚小。蘇南地區(qū)進一步發(fā)展僅依賴技術進步促進經(jīng)濟增長的拉動模式動力不足，技術效率變動未發(fā)揮其應有的優(yōu)勢，因此其有望成為新的增長潛力，驅動蘇南地區(qū)經(jīng)濟增長。

圖2 2002～2019 年中國GDP 增長率（%）和TFP 變化趨勢

圖3 2002～2018 年蘇南整體和分部門TFP

圖4 不同時期蘇南整體TFP 變動的DEA 分解

表3 給出2002～2018 年蘇南地區(qū)整體以及各市的要素配置扭曲程度。（1）平均而言，2002～2018 年期間，蘇州、無錫、南京、鎮(zhèn)江以及常州要素配置扭曲的均值分別為0.22、0.36、0.64、0.66 和0.68，說明分析期間要素配置扭曲導致蘇州、無錫、南京、鎮(zhèn)江以及常州TFP 年均下降21%、36%、64%、66%和68%；（2）分析期間要素配置扭曲導致蘇南地區(qū)整體TFP 年均下降36%，略小于五市的簡單加權平均值，我們認為這與模型設定中，未考慮地區(qū)間要素錯配的影響有關，這也從側面說明蘇南地區(qū)整體要素配置扭曲程度被低估；（3）從走勢上看，蘇南地區(qū)整體以及各市的要素配置扭曲呈波動下降的態(tài)勢，究其原因，與生產(chǎn)函數(shù)規(guī)模報酬遞增的假設有關，在規(guī)模報酬遞增的假設下，潛在TFP 的增長值偏小，進而要素配置扭曲程度隨時間推移有減小趨勢；另外，這與蘇南地區(qū)要素錯配狀況略微改善有關。

3 要素錯配的原因分解

雖然蘇南地區(qū)要素配置扭曲狀況出現(xiàn)改善，但要素錯配的存在降低了要素配置效率，進而影響技術效率變動對經(jīng)濟增長的貢獻，因此，本文基于“反事實”框架，探尋要素配置扭曲背后的機制，具體按以下3 個維度對要素錯配扭曲進行剖析：（1）從投入要素角度，包括資本要素與勞動要素對要素配置扭曲的貢獻；（2）從部門角度，包括高技術部門與傳統(tǒng)部門對要素配置扭曲的貢獻；（3）從地區(qū)角度，包括實際TFP 與潛在TFP 的對比。

圖5 給出資本扭曲和勞動扭曲對總體扭曲貢獻率變化的曲線，平均而言，分析期間資本、勞動要素扭曲對總體扭曲的貢獻率分別為71.02%、28.98%，說明資本要素扭曲是蘇南地區(qū)要素配置扭曲的主要貢獻者。從變化趨勢上看，資本扭曲對總扭曲的貢獻度在下降，勞動扭曲對總扭曲的貢獻在上升，且有相互持平的跡象，說明蘇南地區(qū)金融體制改革取得一定成效，資本錯配狀態(tài)得到改善，相比之下，勞動錯配狀態(tài)改善并不明顯，此消彼長，勞動扭曲對總扭曲的貢獻越來越大，成為矯正要素配置扭曲過程中越來越不可輕視的部分。

圖5 資本、勞動對總扭曲的貢獻

圖6 給出高技術部門扭曲和傳統(tǒng)部門扭曲對總體扭曲貢獻率變化的曲線，可以很直觀地看到，傳統(tǒng)部門扭曲對總扭曲的貢獻呈波動下降趨勢，高技術部門扭曲對總扭曲的貢獻呈上升趨勢，且2015年后，高技術部門超越傳統(tǒng)部門成為蘇南地區(qū)要素配置扭曲的首要貢獻者。計算結果顯示，在不考慮部門間扭曲的情況下，平均而言2002～2018年期間高技術部門扭曲與傳統(tǒng)部門扭曲對總體扭曲的貢獻率分別為30.86%、69.14%，高技術部門扭曲的貢獻相對很低，這與高技術部門在整個經(jīng)濟體系中所占份額較小有關；另外也驗證了之前高技術部門TFP 對整體TFP 增長貢獻最大的結論，但同時也可以看到，高技術部門的發(fā)展速度快，具有高附加值、高效益以及高風險等特點，其內部要素配置扭曲對總扭曲的貢獻也在不斷放大，提高高技術部門的要素配置效率刻不容緩。

圖6 高技術部門以及傳統(tǒng)部門對總扭曲的貢獻

圖7 蘇南五市實際全要素生產(chǎn)率（TFP）

圖8 蘇南五市潛在全要素生產(chǎn)率（TFP）

圖7 和圖8 分別給出蘇南五市實際TFP 與潛在TFP 的變化曲線，根據(jù)式（8）關于要素配置扭曲的定義，要素配置扭曲值與實際TFP 成反向關系，與潛在TFP 成正向關系。由表3 可知，蘇南五市要素配置效率的排名為蘇州、無錫、南京、常州以及鎮(zhèn)江，說明蘇州的各種要素投入得到最充分的利用，從具體數(shù)值上看，蘇州和無錫的扭曲值較小，在一個梯度，南京、鎮(zhèn)江以及常州的在另一梯度。一般而言，經(jīng)濟發(fā)展水平較高的地區(qū)，要素配置效率排名相對靠前，如蘇州、無錫，經(jīng)濟發(fā)展水平較低的地區(qū)，要素配置效率排名相對靠后，如鎮(zhèn)江、常州，但南京作為經(jīng)濟發(fā)展水平較高的地區(qū)，要素配置效率卻較低，出現(xiàn)如此異常，究其原因，我們認為與潛在TFP 有關。從實際TFP 看，蘇州一直領先，南京與無錫不分伯仲，三者遠超過常州、鎮(zhèn)江，穩(wěn)定在較高水平；但從潛在TFP 看，南京遙遙領先，與其他4 個市之間形成巨大差距，這從側面反映出南京作為省會城市，不管是從財力投入還是人才配置方面都有著得天獨厚的優(yōu)勢，在蘇南五市里面最具有發(fā)展前景，其要素配置效率問題是蘇南五市的重中之重。

4 結論與建議

本文創(chuàng)新性地按照技術水平的高低將整個經(jīng)濟體劃分為高技術部門和傳統(tǒng)部門兩個部門，并做出生產(chǎn)函數(shù)規(guī)模報酬遞增的假設，通過對蘇南地區(qū)TFP 增長以及要素配置效率的研究，分析蘇南地區(qū)經(jīng)濟增長的發(fā)展?jié)摿?。所得主要結論如下：

（1）相比全國而言，蘇南地區(qū)TFP 增長與經(jīng)濟增長降速換擋并不同步，蘇南作為國家自主創(chuàng)新示范區(qū)之一，創(chuàng)新引領、內生增長優(yōu)勢依然明顯。其中，蘇南地區(qū)整體TFP 的增長主要依賴于高技術部門TFP 增長的拉動，傳統(tǒng)部門TFP 穩(wěn)定在較低水平，但波幅很小，對蘇南地區(qū)整體TFP起穩(wěn)定壓艙石的作用。

（2）由蘇南地區(qū)TFP 增長率的DEA-Malquist指數(shù)分解發(fā)現(xiàn)當前蘇南地區(qū)經(jīng)濟增長主要依靠創(chuàng)新技術的支持，但僅依賴技術進步促進經(jīng)濟增長的拉動模式動力不足，要素錯配的存在降低了要素配置效率，蘇南地區(qū)經(jīng)濟進一步增長需要技術效率變動發(fā)揮其應有的優(yōu)勢。

（3）要素配置扭曲的部門分解顯示，雖然高技術部門對蘇南地區(qū)整體TFP 增長的貢獻度最大，分析期間對整體要素配置扭曲的貢獻僅占30.86%，但同時也可以看到高技術部門因其高附加值、高風險的特點，要素配置扭曲對總扭曲的貢獻也在不斷放大，甚至在2016 年后超越傳統(tǒng)部門扭曲對總扭曲的貢獻。

（4）要素配置扭曲的要素分解顯示，盡管資本要素扭曲一直是蘇南地區(qū)要素配置扭曲的主要貢獻者，但資本扭曲狀況有改善趨勢并趨于收斂，勞動扭曲反而有惡化趨勢，逐漸成為矯正要素配置扭曲過程中越來越不可輕視的部分。

（5）從地區(qū)角度，蘇南五市要素配置效率的排名為蘇州、無錫、南京、常州以及鎮(zhèn)江，蘇州各種要素投入得到最充分的利用，實際TFP 最大，要素配置效率最高，而南京作為省會城市，潛在TFP 遙遙領先，要素配置效率排名靠后，應引起重視。

基于以上結論，提出以下政策建議：

（1）瞄準國內國際科技發(fā)展前沿，催生蘇南地區(qū)經(jīng)濟高質量發(fā)展新動能。強化關鍵共性技術、前沿引領技術、現(xiàn)代工程技術、顛覆性技術創(chuàng)新的系統(tǒng)布局，加快推動蘇南地區(qū)經(jīng)濟發(fā)展向網(wǎng)絡化、數(shù)字化、智能化、綠色化轉變，為推進蘇南地區(qū)經(jīng)濟高質量發(fā)展搶占“制高點”。

（2）充分發(fā)揮蘇南地區(qū)科教資源集聚優(yōu)勢，構建高效協(xié)同科技創(chuàng)新體系。以國家實驗室為引領，加快推進國家科技創(chuàng)新基地的優(yōu)化整合，建設一批世界一流的科研院所和創(chuàng)新領軍企業(yè)，著力提高科技創(chuàng)新對實體經(jīng)濟的貢獻率。

（3）推動蘇南地區(qū)多層次資本市場建設，促進資本要素高技術產(chǎn)業(yè)流動。鼓勵高新技術產(chǎn)業(yè)的多元投入，規(guī)范發(fā)展各類市場化風險投資基金，形成靈活多樣的投入和退出機制，為高技術企業(yè)發(fā)展創(chuàng)造良好條件。

（4）加大蘇南地區(qū)科技創(chuàng)新開放合作力度，加速集聚國際科技創(chuàng)新人才。加大對促進高質量發(fā)展的急需緊缺人才和區(qū)域特色產(chǎn)業(yè)人才的培養(yǎng)引進力度，不斷拓展國際科技合作的深度和廣度，通過與國際著名機構建立聯(lián)合實驗室等方式，集聚一批國際化行業(yè)領軍人才，吸收國際頂尖人才加盟蘇南地區(qū)。