李 展，崔 雪

（1.北京大學 國家發(fā)展研究院，北京100871；2.深圳大學 經(jīng)濟學院，廣東 深圳518052）

一、引 言

全要素生產(chǎn)率（TFP）被認為是影響經(jīng)濟長期可持續(xù)增長的重要因素，快速的TFP增長代表經(jīng)濟增長主要是以效率推動為主，有利于其長期可持續(xù)發(fā)展。Krugman（1994）［1］認為，東亞經(jīng)濟體的快速增長很大程度上是由大量要素投入（如資本和勞動）推動的，而不是來自效率的提升。自此開始，關(guān)于中國經(jīng)濟增長效率性的討論也逐漸成為學者們的研究重點，尤其是2012年以來，不僅經(jīng)濟增長速度放緩，而且前期快速增長帶來的過度能源消耗、產(chǎn)能過剩和環(huán)境污染等問題日益突出，這就使得中國經(jīng)濟走出一條依靠于技術(shù)創(chuàng)新的效率型增長路徑顯得格外重要。

目前，已有大量研究從多個角度分析中國TFP增長表現(xiàn)，如Chow和Li（2002）［2］、Maddison（2007）［3］、World Bank（1997）［4］分析了中國整體經(jīng)濟的TFP增長；蔡躍洲和付一夫（2017）［5］、王恕立和滕澤偉（2015）［6］從 行業(yè) 角度 分析 了 中 國TFP；余 泳 澤（2017）［7］、李蘭冰和劉秉鐮（2015）［8］從地區(qū)角度分析了中國TFP增長。然而，現(xiàn)有測算中國TFP的研究仍存在一定的局限性。大多數(shù)用資本存量代替資本投入、就業(yè)人數(shù)代替勞動投入，忽視了生產(chǎn)要素的質(zhì)量改善會對實際生產(chǎn)中資本和勞動投入的測算帶來偏差，而Jorgenson 和Griliches（1967）［9］表明要素投入的準確測算會對TFP 結(jié)果產(chǎn)生重大影響。再者，大量現(xiàn)有文獻采用的數(shù)據(jù)包絡(luò)分析和隨機前沿分析方法無法將資本和勞動在行業(yè)間的再配置效應(yīng)及其對中國TFP 增長的影響納入考察范圍，而越來越多的研究發(fā)現(xiàn)，資源的再配置效應(yīng)是影響TFP 增長的一個重要因素（Hsieh 和Klenow，2009［10］；Wu，2015b［11］）。資源的再配置效應(yīng)反映了資源在行業(yè)間的重新配置對TFP增長帶來的影響。若一個經(jīng)濟體的市場機制完善，資源會遵循市場機制從回報率低的行業(yè)流向回報率高的行業(yè)，從而優(yōu)化資源使用效率，促進TFP的增長；反之，若市場機制不完善，甚至出現(xiàn)扭曲，則有可能出現(xiàn)資源被限制在回報率低的行業(yè)的現(xiàn)象，導致資源錯配的發(fā)生，進而抑制TFP 的增長。對于中國經(jīng)濟來說，政府在資源分配中仍然占據(jù)著主導地位（Wu，2015b）［11］，而替代市場機制的政府干預(yù)行為勢必會對資源配置產(chǎn)生重要影響，并進一步影響TFP 增長。因此，考察中國經(jīng)濟TFP 增長狀況時，很有必要將資源再配置效應(yīng)納入研究范圍。

本文的邊際貢獻在于：遵循理論方法（OECD，2001）［12］測算資本和勞動兩種要素投入的服務(wù)量，進而評估現(xiàn)有做法（即用要素存量代替流量）對TFP 結(jié)果帶來的影響；同時，本文采用Jorgenson 增長核算模型測算TFP 增長（Jorgenson 等，2005）［13］，該模型運用Domar 加權(quán)體系（Domar，1961）［14］將資本和勞動的再配置效應(yīng)融入整個核算框架，這樣既能保證增長核算模型的邏輯一致性，又可以明確資本和勞動再配置效應(yīng)對TFP增長帶來的影響。

二、要素服務(wù)的測算

生產(chǎn)過程中實際使用的要素投入是源自各種要素投入存量的生產(chǎn)性服務(wù)流。由于無法直接觀測到生產(chǎn)要素投入服務(wù)流，可以采用直接觀測到的要素投入存量并假定要素所提供的服務(wù)流與其存量成比例，近似地估算要素投入服務(wù)流（OECD，2001）［12］。本部分首先介紹測算資本服務(wù)所用數(shù)據(jù)及方法，然后介紹測算勞動服務(wù)所用數(shù)據(jù)及方法（1）。

（一）資本服務(wù)的測算

測算資本服務(wù)的前提是估計資本存量。由于國家統(tǒng)計局沒有公布SNA（System of National Accounts）標準的資本存量數(shù)據(jù)，并且可獲得的官方固定資本數(shù)據(jù)也存在諸如不恰當?shù)募涌偤驼叟f、行業(yè)分類不一致和缺乏價格平減指數(shù)等問題（Wu，2002）［15］。研究者普遍運用永續(xù)盤存法（perpetual inventory method）測度資本存量，所需的核心變量是當年投資流、折舊率、初始資本存量和投資價格指數(shù)。很多既有研究采用每年的“固定資產(chǎn)投資額”這個指標作為當年的投資流，如楊廷干和吳開堯（2017）［16］、王恕立和胡宗彪（2012）［17］等，然而Wu（2015a）［18］指出用“固定資產(chǎn)投資額”代替當年資本投資流會對資本存量的測算帶來誤差，原因主要有兩個：一是當年的固定資產(chǎn)投資并不能于當年形成固定資產(chǎn)，可能需要較長的建設(shè)周期才能得以完成；二是部分固定資產(chǎn)投資的最終結(jié)果并不能形成標準的固定資產(chǎn)，部分投資甚至可能完全被浪費。對于工業(yè)部門，Wu（2015a）［18］采用“固定資產(chǎn)原值”的兩期差值作為當年的投資流，且加回當年報廢的固定資產(chǎn)，并進一步做了兩個調(diào)整：一是扣除非生產(chǎn)性資產(chǎn)，主要是住宅投資；二是加回未被官方統(tǒng)計到的生產(chǎn)性固定資產(chǎn)投資。對于非工業(yè)部門，由于沒有“固定資產(chǎn)原值”指標，Wu（2015a）［18］采用“新增固定資產(chǎn)”作為當年的投資流。

關(guān)于資產(chǎn)種類，Wu（2015a）［18］運用可獲得的官方統(tǒng)計數(shù)據(jù)將工業(yè)部門的固定資產(chǎn)分為設(shè)備、住宅結(jié)構(gòu)、非住宅結(jié)構(gòu)和其他四種，然后移除“住宅結(jié)構(gòu)”并按照“設(shè)備”和“非住宅結(jié)構(gòu)”兩者所占的比例將“其他”重新歸入兩者中。對于非工業(yè)部門，Wu（2015a）［18］采用《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》的數(shù)據(jù)將服務(wù)業(yè)部門投資流分為“設(shè)備”和“非住宅結(jié)構(gòu)”兩項，采用農(nóng)業(yè)和建筑業(yè)的投資統(tǒng)計數(shù)據(jù)將這兩個部門的投資流分為“設(shè)備”和“非住宅結(jié)構(gòu)”兩項。因此，本文所用數(shù)據(jù)庫中資產(chǎn)種類目前只有“設(shè)備”和“非住宅結(jié)構(gòu)”兩種。

對 于 折 舊 率，Wu（2015a）［18］基 于Hulten 和Wykoff（1981）［19］的方法，即，其中δ、R和T分別代表折舊率、余額遞減率（declining balance rate）和資產(chǎn)的服務(wù)年限，運用各種數(shù)據(jù)推算出各種資產(chǎn)的服務(wù)年限，并采用Hulten和Wykoff關(guān)于余額遞減率的結(jié)果推算出工業(yè)部門的折舊率。對于非工業(yè)部門，Wu（2015a）［18］采用工業(yè)部門折舊率的幾何平均值。這種做法減少了主觀隨意性對行業(yè)折舊率的設(shè)定，如楊廷干和吳開堯（2017）［16］、顧乃華（2008）［20］等。

對于初始資本存量，Wu（2015a）［18］基于“穩(wěn)態(tài)方法（steady-state method）”進行推算，背后的假定是經(jīng)濟處于穩(wěn)態(tài)時資本增長率與產(chǎn)出增長率相同，此方法也被其他研究者廣泛采用，如Harberger（1978）［21］、King 和Levine（1994）［22］、單 豪 杰（2008）［23］、徐 現(xiàn) 祥 等（2007）［24］、劉興凱和張誠（2010）［25］等。對于投資價格指數(shù)，Wu（2015a）［18］運用財政部關(guān)于國有企業(yè)部門的資產(chǎn)價格調(diào)查數(shù)據(jù)并進行調(diào)整，從而推算出工業(yè)各部門的投資價格指數(shù)，非工業(yè)部門的投資價格指數(shù)是工業(yè)各部門投資價格指數(shù)的幾何平均值。

部門i的資本投入增長率由下式估算得到：

其中：Ki代表部門i的資本投入；Zk,i表示種類k的資本存量；PKk,i表示種類k的資本服務(wù)價格，即資本使用成本；Δ表示一個變量在兩期間的變化。式（1）表明，一個部門的資本投入增長率是對其所有資產(chǎn)種類的資本存量增長率進行加權(quán)得到的，權(quán)重是各資產(chǎn)種類的使用成本占總資本成本的份額。

（二）勞動服務(wù)的測算

根據(jù)OECD（2001）［12］，工作小時是一個測算勞動投入較為合適的指標，然而多數(shù)已有研究采用就業(yè)人數(shù)測算勞動投入，忽視了平均工作小時的變動。再者，一個勞動者對生產(chǎn)過程的貢獻由兩部分組成：一個是其物理勞動，一個是其人力資本服務(wù)。即使是相同一個小時的勞動，兩個勞動者的服務(wù)也并不一定構(gòu)成等量的勞動投入。這是因為不同的技能、教育、健康和專業(yè)經(jīng)歷等因素導致不同勞動者的貢獻之間存在巨大差異。若想考察勞動質(zhì)量變化對產(chǎn)出和TFP的影響，尤其需要按照技能水平對勞動進行區(qū)分。鑒于此，Wu 等（2015）［26］構(gòu)建了詳細類別的勞動數(shù)據(jù)，每個行業(yè)有70種勞動類別（2）。

為了構(gòu)建每種勞動類別對應(yīng)的就業(yè)人數(shù)、工作小時和小時報酬數(shù)據(jù)，Wu 等（2015）［26］首先從各種數(shù)據(jù)來源中，包括人口普查、1%人口抽樣調(diào)查、中國家庭收入調(diào)查、中國農(nóng)村—城鎮(zhèn)流動人口調(diào)查等，搜集基準年的邊際矩陣（只包含局部維度），然后采用迭代比例擬合（iterative proportional fitting）方法建立基準年的全維度矩陣。迭代比例擬合方法是通過生成矩陣中每個元素的最大似然估計值將所有邊際矩陣整合為全維度矩陣?；诨鶞誓甑娜S度矩陣和時間序列的邊際矩陣，將邊際矩陣作為非基準年的控制總量，他們采用線性插值法構(gòu)建時間序列的全維度矩陣。詳細類別分類的勞動數(shù)據(jù)不僅有助于估計生產(chǎn)過程中實際的勞動投入，也可以較為準確地測算中國人力資本的增長。

部門i的勞動投入增長率由下式估算得到：

其中：Li代表部門i的勞動投入；Hl,i表示種類l的工作小時；PLl,i表示種類l的勞動服務(wù)價格，即小時報酬。式（2）表明，一個部門的勞動投入增長率是對其所有勞動種類的工作小時增長率進行加權(quán)得到的，權(quán)重是各勞動種類使用成本占總勞動成本的份額。

三、結(jié)果分析

表1 給出了各部門資本投入增長率的結(jié)果（3）。1980—2018 年，我國整體經(jīng)濟資本投入的年均增長率為11.7%。為了反映政策和沖擊對資本投入帶來的影響，本文將整個時期分為五個分時期。1978年開始實施的改革開放政策和1992年的南方談話分別促進了資本投入在1980—1991年和1992—2001 年實現(xiàn)了10.0%和12.3%的年均增長。中國于2001 年底正式加入世界貿(mào)易組織，吸引了大量外國直接投資，2002—2007 年，大部分行業(yè)（24個）相比于前一時期實現(xiàn)了更快的資本增長。為了消除2008 年金融危機帶來的沖擊并防止經(jīng)濟衰退，中央政府于2008 年底啟動4 萬億刺激計劃，加之地方政府資助的18 萬億，帶來新的一波以國有企業(yè)為主的投資浪潮（Wu，2015b）［11］，22 個行業(yè)的資本投入在2008—2011年實現(xiàn)了比2002—2007年更快的增長。自2012 年起，中國經(jīng)濟面臨巨大的下行壓力，要素成本上升、產(chǎn)能過剩和環(huán)境污染等問題也日益凸顯。中央政府逐漸將政策由刺激需求轉(zhuǎn)向促進供給側(cè)改革，使得大多數(shù)行業(yè)以及整體經(jīng)濟的資本投入增長率在2012—2018年出現(xiàn)了大幅下降。

表1 也顯示了服務(wù)業(yè)各部門（除了金融業(yè)）在整個時期資本投入的年均增長率均超過10%。整個時期，服務(wù)業(yè)整體的資本投入年均增長率為14.6%，超過工業(yè)的10.6%。大體而言，各服務(wù)業(yè)部門在各分時期均實現(xiàn)了較高的資本增長。更為重要的是，即使在2012—2018年，工業(yè)各部門的資本投入增長率出現(xiàn)了明顯下降，而服務(wù)業(yè)各部門仍維持著高速增長率，均在11%以上。并且，整個服務(wù)業(yè)的資本增長率是工業(yè)的近4 倍（分別為15%和4%）。伴隨著中國經(jīng)濟過去四十年的高速增長，服務(wù)業(yè)也取得了快速發(fā)展。根據(jù)官方數(shù)據(jù)，服務(wù)業(yè)生產(chǎn)總值占整體經(jīng)濟的比重由1978 年的24.6%上升至2018 年的52.2%，并且，于2001 年超過工業(yè)，使其成為國民經(jīng)濟的最大組成部分。因此，快速的資本和勞動增長預(yù)示著服務(wù)業(yè)有潛力成為我國經(jīng)濟增長的重要引擎。

表1 各部門資本服務(wù)增長率 單位：%

續(xù)表1

為了更為準確地測算勞動投入，本文采用工作小時而不是就業(yè)人數(shù)指標，結(jié)果見表2 所列（4）。1980—2018 年，我國整體經(jīng)濟勞動投入的年均增長率為3.3%，并在各分時期呈現(xiàn)明顯的波動。部門間勞動投入增長趨勢反映：①部門間勞動投入增長存在明顯的異質(zhì)性；②服務(wù)業(yè)部門的勞動增長率高于工業(yè)部門，整個時期服務(wù)業(yè)和工業(yè)的勞動增長率分別為6.5%和3.1%；③農(nóng)業(yè)部門的勞動增長率呈下降趨勢。結(jié)合工業(yè)和服務(wù)業(yè)，尤其是后者，勞動投入增長率的上升，表明中國經(jīng)濟的產(chǎn)業(yè)結(jié)構(gòu)仍處在由農(nóng)業(yè)向工業(yè)和服務(wù)業(yè)轉(zhuǎn)型的過程中。

表2 各部門勞動服務(wù)增長率單位 單位：%

續(xù)表2

圖1 展示了整體經(jīng)濟資本和勞動投入質(zhì)量改善的變動趨勢（5）。左側(cè)圖顯示了由于資本服務(wù)增長率略低于資本存量增長率，導致資本質(zhì)量大體呈現(xiàn)惡化趨勢，而期末的翹尾現(xiàn)象或許表明近年來實施的供給側(cè)改革逐漸使各行業(yè)采用邊際生產(chǎn)率高的資產(chǎn)替代邊際生產(chǎn)率低的資產(chǎn)，優(yōu)化了資產(chǎn)結(jié)構(gòu)，使得資本質(zhì)量得以改善。右側(cè)圖反映整個時期勞動投入的質(zhì)量在大幅改善，尤其是自2005 年以來改善幅度更加明顯，這表明了低技能的勞動越來越多地被高技能的勞動所替代。通過圖1 可以做出推斷：現(xiàn)有研究在測算TFP增長率時采用要素存量替代要素流量的做法勢必會對TFP 結(jié)果帶來偏誤，這是因為前者忽視了要素質(zhì)量的改善。

圖1 要素質(zhì)量的增長指數(shù)（1980=100）

為了探索采用要素存量給TFP 結(jié)果帶來的影響，本文采用了四種方案計算中國經(jīng)濟的TFP增長率，結(jié)果見表3所列?？傮wTFP增長率由三部分組成：Domar加權(quán)的TFP增長率、資本再配置效應(yīng)和勞動再配置效應(yīng)（6）。

情況1是遵循理論方法測算資本和勞動投入的服務(wù)量，這也是與其他方案結(jié)果進行比較的基準線。1980—2018 年，TFP 的年均增長率為0.89%，其中0.67%來自Domar 加權(quán)的TFP、-0.23%來自資本再配置效應(yīng)和0.45%來自勞動再配置效應(yīng)。TFP 增長率自1980 年以來逐漸下降，由于2008 年金融危機影響和2012年以來經(jīng)濟面臨的下行壓力，使得TFP在最后兩個時期轉(zhuǎn)為負增長。

情況2 是用資本存量替代資本服務(wù)。1980—2018 年，TFP 的年均增長率為0.86%，其中0.70%來自Domar 加權(quán)的TFP、-0.30%來自資本再配置效應(yīng)和0.45%來自勞動再配置效應(yīng)。由圖1 可知，資本質(zhì)量在1980—2018 年出現(xiàn)一定程度的惡化，整個時期下降了2.32%，導致資本再配置效應(yīng)由-0.23%下降至-0.30%。另外，輕微的資本質(zhì)量下降稍微改善了Domar 加權(quán)的TFP 增長率。因此，采用資本存量替代資本服務(wù)對TFP 結(jié)果帶來的綜合影響是使得整個時期的TFP 增長率被低估了3.37%。

情況3 是用勞動存量替代勞動服務(wù)。1980—2018年，TFP的年均增長率為1.39%，其中1.12%來自Domar加權(quán)的TFP、-0.23%來自資本再配置效應(yīng)和0.50%來自勞動再配置效應(yīng)。由圖1 可知，勞動質(zhì)量在1980—2018年得到顯著改善，整個時期提高了52.18%。勞動存量忽視了其質(zhì)量改善，低估了實際的勞動投入，導致Domar 加權(quán)的TFP 增長率由0.67%上升至1.12%，勞動再配置效應(yīng)由0.45%上升至0.50%。因此，采用勞動存量替代勞動服務(wù)對TFP結(jié)果帶來的綜合影響是使整個時期的TFP增長率被高估了56.18%。

情況4 是用資本和勞動兩者的存量替代其服務(wù)量。1980—2018 年，TFP 的年均增長率為1.36%，其中1.15%來自Domar 加權(quán)的TFP、-0.30%來自資本再配置效應(yīng)和0.50%來自勞動再配置效應(yīng)。由于資本和勞動存量忽視了兩者投入的質(zhì)量改善，資本再配置效應(yīng)由-0.23%下降至-0.30%，而勞動再配置效應(yīng)由0.45%上升至0.50%，并且，勞動質(zhì)量改善的幅度要遠遠大于資本質(zhì)量惡化的幅度，導致Domar 加權(quán)的TFP 增長率由0.67%上升至1.15%。因此，采用資本和勞動存量替代兩者服務(wù)量對TFP 結(jié)果帶來的綜合影響是使整個時期的TFP增長率被高估了52.81%。

表3 全國TFP增長率的分解 單位：%

表4 比較了本文與現(xiàn)有文獻中TFP 增長率的結(jié)果。本文的結(jié)果明顯低于現(xiàn)有研究，主要原因有：①現(xiàn)有研究采用要素存量替代要素服務(wù)流量的做法忽視了要素投入的質(zhì)量改善，尤其是中國經(jīng)濟中存在明顯的勞動投入質(zhì)量改善，從而低估了實際的要素投入；②基于構(gòu)建的各行業(yè)的價格指數(shù)，本文運用理論上的雙平減方法測算產(chǎn)出增長率，考慮了中間投入的價格變動，而現(xiàn)有研究多是采用單平減方法并將官方的生產(chǎn)總值指數(shù)用作平減指數(shù)。單平減方法是直接用價格指數(shù)平減現(xiàn)價增加值，忽視了中間投入及其價格變動，存在高估實際產(chǎn)出的可能。并且，官方的生產(chǎn)總值指數(shù)一直被質(zhì)疑低估了價格變動，從而高估了產(chǎn)出增長率（Maddison，2007［3］；Wu，2002［15］）。投入和產(chǎn)出兩方面的測算誤差致使現(xiàn)有研究高估了TFP增長率。

表4 TFP年均增長率的比較 單位：%

圖2 顯示了資本和勞動再配置效應(yīng)的變動趨勢。左側(cè)圖反映了資本再配置效應(yīng)在1980—1988年快速上升，之后出現(xiàn)顯著下降。與此相對的是，右側(cè)圖反映了勞動再配置效應(yīng)在整個時期一直維持上升態(tài)勢。在中國，資本資源主要受政府影響或控制，且大部分資本資源傾向于流入國有企業(yè)或國有控股的企業(yè)，盡管這些企業(yè)的效率被普遍認為較低，這就導致了資本再配置效應(yīng)在整個時期為負。另一方面，相對于資本市場，勞動市場較少受到政府控制或干預(yù)，管制的放松使得勞動者可以較為自由地遵循市場機制在行業(yè)間流動，促進勞動再配置效應(yīng)在整個時期為正。顯著的資本和勞動再配置效應(yīng)有兩個重要含義：一是行業(yè)間要素使用成本的確是不一樣的，意味著我國經(jīng)濟中存在影響要素自由流動的障礙，進而導致資源錯配現(xiàn)象的發(fā)生；二是資源錯配現(xiàn)象可通過“讓市場在資源配置中起決定性作用”得到糾正，這將會促進TFP 增長（Wu，2015b）［11］。

圖2 資源再配置效應(yīng)增長指數(shù)（1980=100）

四、結(jié)論與建議

運用來自《中國經(jīng)濟行業(yè)生產(chǎn)率數(shù)據(jù)庫》的詳細類別分類的資本和勞動數(shù)據(jù)，本文遵循理論方法測算了1980—2018 年中國經(jīng)濟的資本和勞動投入，并探索現(xiàn)有研究中采用資本和勞動存量替代兩者服務(wù)流量的做法對TFP結(jié)果帶來的影響。再者，采用Jorgenson 增長核算模型將資本和勞動的再配置效應(yīng)融入分析框架，探索中國經(jīng)濟中資本和勞動的再配置效應(yīng)及其對中國TFP 增長帶來的影響。分析發(fā)現(xiàn)，1980—2018 年中國整體經(jīng)濟的資本投入和資本存量的年均增長率分別為11.7%和12.2%，勞動投入和勞動存量的年均增長率分別為3.3%和1.3%。要素投入服務(wù)流和存量之間的差異在于前者考慮了要素質(zhì)量的變動，即要素內(nèi)部成分結(jié)構(gòu)的優(yōu)化，低生產(chǎn)率的要素種類與高生產(chǎn)率的要素種類之間的替代。由于本文的資本數(shù)據(jù)中只包含兩種資產(chǎn)種類，故而資產(chǎn)種類間的替代效應(yīng)不明顯，而勞動數(shù)據(jù)包含相對較為詳細的勞動類別，因而勞動種類間的替代效應(yīng)較為明顯。整個時期，資本質(zhì)量出現(xiàn)輕微惡化，而勞動質(zhì)量得到大幅提升，這表明現(xiàn)有研究中采用要素存量替代要素服務(wù)的做法會對TFP 結(jié)果帶來嚴重偏誤。本文的結(jié)果顯示，若用資本和勞動存量替代兩者的服務(wù)量，中國的TFP增長率將會被嚴重高估。另外，受政府干預(yù)影響，資本市場出現(xiàn)了資源錯配現(xiàn)象，致使資本的再配置效應(yīng)為負，抑制了中國TFP 的增長，而勞動市場相對較為靈活，其再配置效應(yīng)在整個時期為正，大幅促進了中國TFP的增長。

為了緩解資源錯配現(xiàn)象，政府應(yīng)進一步改革金融融資體系，改變金融機構(gòu)對國有企業(yè)和非國有企業(yè)的信貸現(xiàn)狀，引導資本流入效率更高的中小型企業(yè)；為進城務(wù)工人員解決住房、子女教育和醫(yī)療等難題，鼓勵勞動者由工資較低的農(nóng)業(yè)部門向非農(nóng)業(yè)部門以及由農(nóng)村向城市的轉(zhuǎn)移；減少政府干預(yù)并努力發(fā)揮市場在資源配置中的決定性作用，逐步消除要素投入跨部門流動的制度性障礙。這些均有利于提高資源配置效率，進而促進中國TFP增長。

注 釋：

（1）本文所用的數(shù)據(jù)來自《中國經(jīng)濟行業(yè)生產(chǎn)率數(shù)據(jù)庫》，它是由日本一橋大學伍曉鷹教授領(lǐng)導團隊建立的。該數(shù)據(jù)庫嚴格按照KLEMS標準構(gòu)建行業(yè)層次的投入產(chǎn)出數(shù)據(jù)，因而滿足生產(chǎn)函數(shù)分析以及TFP 的測算。KLEMS是生產(chǎn)活動中使用的所有要素的英文首字母縮寫，即K（C）apital，Labor，Energy，Materials和Services。本部分主要介紹該數(shù)據(jù)庫構(gòu)建資本和勞動數(shù)據(jù)的主要步驟以及對兩種要素投入的測算，產(chǎn)出和價格數(shù)據(jù)的詳細構(gòu)建方法請見參考文獻［33］，資本數(shù)據(jù)的構(gòu)建方法請見參考文獻［18］，勞動數(shù)據(jù)的構(gòu)建方法請見參考文獻［26］。

（2）70 種勞動類別包含2 種性別、7 個年齡組和5 級教育水平，詳細分類請見參考文獻［26］中的表1。

（3）因篇幅所限，文中沒有給出各部門資本存量的增長率，可向作者索取。

（4）因篇幅所限，文中沒有給出各部門就業(yè)人數(shù)的增長率，可向作者索取。

（5）資本質(zhì)量被定義為資本服務(wù)對資本存量的比率，勞動質(zhì)量的定義類似。因篇幅所限，文中沒有給出各部門的資本和勞動質(zhì)量結(jié)果，可向作者索取。

（6）本文采用Jorgenson增長核算模型測算TFP，詳細公式推導請見參考文獻［13］中的第八章。