福建省第三产业要素投入实证分析

福建省第三产业要素投入实证分析（精选5篇）

福建省第三产业要素投入实证分析 篇1

随着我国经济的不断发展,一些深层次的矛盾逐渐显现并日益加深,如环境污染、资源短缺等问题,已经成为阻碍我国经济可持续发展的重要瓶颈。这些问题如果得不到妥善的解决,中国特色的可持续发展之路将难以为继。可以说,我国正处于必须转变经济增长方式的十字路口,如何加快从粗放型向集约型经济增长方式的转变,将长期作为我国政府、学者共同面对的难题。在美国“新经济”期间,信息技术、信息产业的进步和发展对整个国民经济增长的重要拉动作用已经被世人所公认。随着我国信息技术的不断进步和信息产业的不断发展,信息技术与信息产业以其广泛的渗透性、强关联性以及技术密集性使我国经济增长方式转变的实现成为一种可能,在我国转变经济增长方式的关键时期,信息产业无疑也必须要发挥主导性的作用。因此,进一步深入探讨信息产业与中国经济增长的关系是极其必要的。为此,本文在前人研究的基础之上,进一步探讨细分的信息产业对经济增长的贡献,为充分发挥信息产业在经济转型时期的作用提供科学信息。

1 文献综述

我国学者自1993年美国总统克林顿率先提出的“信息高速公路”的计划以及美国长达10年的“新经济”现象之后给予了信息产业发展更多的关注,同时对信息产业在经济增长中的贡献进行了广泛的研究。

从笔者掌握的资料来看,我国第一篇以信息产业与经济增长关系为题的研究出现在1998年。章奇、马永(1998)运用定性研究的方法对我国信息产业与经济增长的关系进行了初步探讨,并得出了信息产业本身的经济规模偏低,对经济增长的直接推动作用不尽如人意的结论,这是当时经济发展状况所决定的。在此之后,更多定量的实证研究不断涌现。

孙宝文(2002),钟根元等(2005),陈晓华(2009),赖志花、王必锋(2011)则利用柯布—道格拉斯生产函数对信息产业在经济增长的贡献进行了实证研究,他们都肯定了信息技术、信息产业对经济增长的拉动作用。杨艳红,姚翠友(2010),刘春梅、唐守廉(2010)则运用时间序列经济计量方法对我国信息产业在实际经济增长中的作用进行了实证分析,得出了信息产业对GDP增长存在着格兰杰因果关系,信息产业与经济增长在长期内存在稳定协同互动的均衡关系的结论。

除了直接研究信息技术、信息产业对经济增长的贡献之外,我国学者也对全要素生产率与经济增长的关系进行了广泛的探讨。李京文、钟学艺(1998)利用中国1978~1995年期间的数据,最先测算了全要素生产率增长对经济增长的贡献。郭庆旺、贾俊雪(2005),魏下海(2008),刘亚军、妮树高(2006),陈瑛(2009)分别运用不同的估算方法,从不同的视角对全要素生产率在我国经济增长中的贡献进行分析。与前人研究相比,王宏伟(2009)的研究更加全面和细化,运用生产可能性前沿方法测算了产业层次、分组层次(IT生产业、IT应用业和非IT业)以及总量层次上的全要素增长率,进而分析了信息产业TFP增长率及其对经济增长的贡献。

对文献进行回顾总结后发现,我国学者对信息产业与经济增长关系的研究走了从定性分析到定量分析,从总量到细分的研究脉络。当然,对于更加细分的信息产业与经济增长关系以及将细分的信息产业、全要素生产率等要素与经济增长相结合的研究是比较欠缺的,这正好体现了本文研究的必要性。

2 研究方法

2.1 模型设定

与前人的研究相比,本文将信息产业、资本投入、劳动投入等变量进行细分,采用多投入、多产出模型,从投入和产出两个视角分别对非信息产业、信息产业、资本投入、劳动投入(1)与全要素生产率对经济增长的贡献进行深入探讨。模型设定如下:

其中,总产出Y用国内生产总值表示,Yn表示非信息产业产出,Yu表示信息应用产业产出,Yi表示信息制造业产出,Ys表示信息产业服务业产出。总投入中Kn表示非信息产业资本投入,Ku表示信息应用产业资本投入,Ki表示信息制造业资本投入,Ks表示信息服务业资本投入,Ln表示非信息产业劳动投入,Lu表示信息应用产业劳动投入,Li表示信息产业劳动投入,全要素生产率记为A。

在产出和要素市场完全竞争的假设之下,生产者均衡意味着产出的份额加权增长率是投入的份额加权增长率和全要素生产率增长率之和。

等式的左边,表示下标对应变量的平均价值份额。由于下标对应的变量都用产业增加值来表示,具有相同的量纲,所以下标对应变量的平均价值份额直接用下标对应变量的产出与总产出的比重来表示。

ΔLnYx(x=n,u,i,s)表示各个子产出的增长率。即ΔLnYn、ΔLnYu、ΔLnYi与ΔLnYs分别表示非信息产业、信息应用产业、信息制造业与信息服务业产出的增长率。

等式的右边,分别表示非信息产业、信息应用产业、信息制造业与信息服务业资本投入占总投入的比重。而与分别表示非信息产业、信息应用产业与信息产业劳动投入占总投入的比重。总投入中细分的资本和劳动的比重可以定义为:

其中,PL表示劳动价格,PK表示资本价格。其中PL用劳动者报酬/国内生产总值的比值表示。

在报酬不变的假设下,产出和投入的份额之和为1,即:

在核算中,产出的增长率是各子产出的加权平均,每种产出的贡献都是其加权增长率。类似的,投入的增长率是资本和劳动服务的加权平均,每种投入的贡献也都是其加权增长率。全要素生产率(A)的贡献,是产出增长率与投入增长率之差。

3 计算结果与分析

根据多投入、多产出模型以及相关数据计算经济增长来源结果见表1、表2所示:

3.1 产出角度的分析

3.1.1 经济增长来源总体情况

从产出视角来看,1995~2010年4个不同区间内国内经济增长来源总体情况显示,非信息产业一直都是经济增长的主要源泉,其次是信息应用产业,而信息产业对经济增长的贡献相对较低。单独考察信息产业对经济增长的贡献后发现,信息服务业对经济增长的贡献低于信息制造业,这凸显了我国信息产业“硬”强“软”弱的结构问题依然存在。从动态变动趋势来看,非信息产业对经济增长的贡献在前3个区间内呈现稳步下滑的趋势,但在第4个区间内有所反弹。而信息应用产业对经济增长的贡献则呈现平稳的增长态势。虽然信息制造业与信息服务业对经济增长的贡献在前3个区间内逐步提高,但是在第4个区间内发生了巨大的波动(见图1),贡献率从2003~2006年期间的13.26%骤降至2007~2010年的3.37%,降幅近10个百分点。由于非信息产业大多属于低技术产业,通常具有劳动与资本密集型的特点,而与非信息产业相比,信息产业与信息应用产业大多属于中高技术产业,资本、技术和知识密集性特征明显。然而,在1995~2010年期间,非信息产业对经济增长贡献的居高不下表明我国产业与经济结构近年来并没有得到根本改善。

3.1.2 非信息产业对经济增长的贡献

1993年全球信息化浪潮以来,经过十几年的发展,信息产业日益成为我国国民经济的“重要支柱”。2010年,我国重点电子信息产品中手机、计算机、彩电、数码相机、激光视盘机的产量占全球产量的接近50%、60%、50%、80%和85%,电子信息产品贸易额占全球15%以上,电子信息产业从业人员近800万人,占全部工业从业人员的10%左右,我国因此被称为世界信息产品“第一制造大国”。虽然我国被冠以电子信息产品“第一制造大国”的美誉,然而基于产出角度对1995~2010年经济增长来源的考察结果来看,所谓的“第一制造大国”美誉难以令人兴奋。从整体上看,非信息产业一直都是我国经济增长的主要来源。1995~1998年非信息产业对我国经济增长的贡献率达到88%。1999~2002年与2003~2006年两个阶段的贡献率虽然较前一阶段有所下降,但仍然达到了78%与71%,到2007~2010年期间,这一比例又有所攀升,从2003~2006年间的71%上升为77.34%(见图1)。非信息产业对经济增长贡献率的上升伴随着信息产业贡献率的下降,如前文所述,2 007~2010年间信息产业对经济增长的贡献从上期的13.26%下降为3.37%,降幅近10个百分点。表明在2007~2010年间,信息产业发展受阻,其中原因有待深层次的挖掘,笔者将在下文给予分析。

3.1.3 信息产业对经济增长的贡献

而与非信息产业对我国不同阶段的经济增长贡献的主导作用相比,信息产业(包括制造业与服务业)对我国经济增长的贡献率相对较低,且波动剧烈(见图2)。1995~1998年期间贡献率仅为3.55%,1999~2002与2003~2006年期间我国信息产业平稳发展,对经济增长的贡献率稳步上升,分别达到12.3%与13.2%。然而到了2007~2010年期间,信息产业对经济增长的贡献率骤降至3.4%,比上期下降9.8个百分点,与此对应的是2007~2010年间非信息产业对经济增长贡献率的快速回升。因此,信息产业对经济增长贡献的下降可能是非信息产业贡献率回升的一个主要间接原因。为什么2007~2010年间信息产业对经济增长的贡献相比上一时期发生了如此大的波动?笔者认为有两个主要原因。

为什么2007~2010年间信息产业对经济增长的贡献相比上一时期发生了如此大的波动?笔者认为有两个主要原因。(1)受到全球金融危机的影响,我国电子信息制造业出口受阻,出口额锐减。2008年,美国次贷危机爆发,进而引发全球性的金融海啸。2010年,欧洲、美国债务危机的接踵而至致使国际经济环境持续恶化,对我国出口贸易造成了巨大的打击。当然,作为出口主要构成部分的电子信息制造业首当其冲。(2)我国处于电子信息产业链的低端,行业竞争力低下,产品附加值低。我国虽然被冠以电子信息产品“第一制造大国”,然而我国仍然处于全球电子信息产业链低端的事实不容驳斥,如前文说述,我国众多电子信息产品产量都居于世界之首,然而我国大多数信息行业仍然处于全球产业链的最低端。以计算机与集成电路为例,2009年,我国计算机产量达到2.46亿台,占全球的比重超过60%,然而我国大多数计算机企业仍然处于计算机行业链的最低端,只是进行简单的组装生产与销售,计算机服务业和软件产业发展远远滞后,核心竞争力不强。我国电子信息百强企业80%主要从事整机的加工制造,处于制造业的最低端,所需的核心技术如核心芯片、高端元器件、专用设备、关键材料与组件主要依靠进口(2)。

笔者认为,国际经济环境的持续恶化是造成信息产业对我国经济增长贡献率剧烈下降的主要外因,而我国信息产业处于全球信息产业链的低端、核心技术的缺乏、信息产业竞争力低下是我国信息产业难以抵挡国际经济危机的冲击进而导致贡献率剧烈波动的根本内因。

3.1.4 信息应用产业对经济增长的贡献

与信息产业对经济增长贡献发生剧烈波动相比,我国信息应用产业对经济增长的贡献率逐步提高。从1995~1998年期间的9.31%稳步上升为2007~2010年间的24.14%(见图3)。在经历了1995~1998年较低贡献率之后,1999~2002年,2003~2006年两个区间内,信息应用产业对经济增长的贡献率快速提高。由于受2008年以来国际经济形势持续恶化的影响,我国信息应用产业对经济增长的贡献率增长速度放缓,但总体来说仍处于稳步增长区间。

由于信息技术的广泛的渗透性以及信息产业的强关联性,信息产业对经济增长具有巨大的拉动作用,而这种拉动作用,除了反映在信息产业本身之外,更重要的是体现在信息技术在其他产业的应用之上。以往我们所讲的信息化建设,大多注重于基础设施能力建设,而容易忽略信息技术的应用。对信息化的评价也主要集中在能力评价之上,往往忽略信息化应用绩效的评价,从而造成了信息化不等式的长期存在。所谓信息化不等式是指,信息化能力≠信息化应用≠信息化绩效。具体来说,它是指:在信息化发展中,信息能力建设的水平不等于它的应用水平,信息能力被应用的程度也不等于由此应用而产生的实际效果。毫无疑问,我们开展信息化建设是为了应用,建设和应用信息能力是为了出实效。然而,事实上,人们投入大量资源所建成的信息能力,不一定能够得到充分应用;而应用了信息技术或已建成的信息能力,也不一定总能获得实际的绩效(3)

我国长期注重信息基础设施能力建设,轻视应用及绩效的评估导致信息能力闲置的同时存在着大量的重复性建设,造成了资源的严重浪费,这对于信息产业的发展以及信息技术应用都是极为不利的。因此笔者认为,信息不等式的长期存在,是限制信息应用产业对经济增长贡献进一步提高的一个重要障碍,但同时也是提高信息应用产业对经济增长贡献的突破口。而如何化解信息不等式?笔者认为加强信息化应用及绩效考核是一种有效的方法。提高信息技术应用水平,才能真正发挥信息技术的强渗透性以及信息产业的强关联性对于经济增长的拉动作用。

3.2 投入角度的分析

3.2.1 经济增长来源的总体情况

从投入视角来看,1995~2010年4个不同区间的国内经济增长来源总体情况显示,资本投入一直都是经济增长的主要来源,其次是全要素生产率(TFP),而劳动投入对经济增长的贡献非常低。从动态变动趋势来看,资本投入对经济增长的贡献一直居高不下但波动剧烈,这与我国长期以来依靠资本推动经济增长且依靠扩大投资来抵御经济增速下滑的情况是非常吻合的。如图4所示,资本对经济增长的贡献发生剧烈波动都发生在经济危机前后,如1997年亚洲危机与2008年世界金融危机发生后都伴随着资本投入对经济增长的贡献急剧上升,贡献率分别从1995~1998年,2003~2006年间的60.8%、63.6上升为1999~2002年,2007~2010年间的89.1%、82%,涨幅分别达到28.3与18.4个百分点。而与资本对国民收入增长的贡献剧烈波动相对应的是全要素生产率(TFP)贡献率的反向剧烈波动。资本与TFP对经济增长的贡献呈现此消彼长的关系。与资本对经济增长的贡献相反,全要素生产率对经济增长的贡献率分别从1995~1998年,2003~2006年间的35.4%、34.8%下降为1999~2002年,2007~2010年间的5.6%、17%,降幅分别达到19.8与17.8个百分点。资本对经济增长的贡献与全要素生产率(TFP)对经济增长贡献的反向剧烈波动表明,投资的过度增长往往伴随着低效率,过度投资可能是导致全要素生产率(TFP)低下的一个重要原因。相比资本投入与全要素生产率(TFP),劳动投入对经济增长的贡献一直非常低,凸显了我国人力资本的匮乏。

3.2.2 细分的资本投入对国民收入增长的贡献

从细分的资本投入对经济增长的贡献来看,非信息产业资本投入对经济增长的贡献最大,信息应用产业次之,之后是信息制造业,最后是信息服务业。从动态变化趋势来看,非信息产业与信息应用产业资本投入对经济增长的贡献率都处于上升区间,而信息制造业与信息服务业资本投入对经济增长的贡献一直徘徊不前,这与我国产业结构现状是比较吻合的。非信息产业大都是低技术产业,与非信息产业不同,信息应用产业、信息制造业与信息服务业大都属于中高技术产业。与低技术产业不同,由于发达国家对中高产业核心技术的垄断,导致我国发展中高技术产业需要更强的自主创新能力,这需要大量的投资。而资本向非信息产业的集中突出了我国产业结构中低技术产业的重要地位,也从侧面反映出了我国中高技术产业发展的相对滞后,以及对中高技术产业投资特别是对信息产业投资与自主创新能力重视的不足。

这种不足首先体现在国家层面的R&D投入上,如我国2007年R&D投入占GDP比重远远落后于发达国家90年代初的水平,2007年中国R&D投入占GDP比重为1.4%,而1994年美国、日本、英国、法国、德国与韩国分别达到2.42%、2.79%、2%、2.32%、2.18%与2.32%.其次反映在产业层次上的R&D投入上,我国信息产业资本投入对经济增长贡献较低,且信息服务业资本投入对经济增长的贡献低于信息制造业的直接原因在于R&D投入的巨大差距。2010年,我国信息产业投资为62 81亿元,仅为全社会固定资产投资的2.26%。从信息产业投资结构来看,2009年,通信设备、计算机及其他电子设备制造业的R&D投入为54 960 59万元,而信息传输、计算机服务和软件业R&D投入只有688 75万元,仅为通信设备、计算机及其他电子设备制造业的R&D投入的1.25%。

从微观企业R&D投入来源角度来看,我国信息传输、计算机服务和软件业R&D投入经费来源中政府资金比重过大,企业资金比例过低,凸显了企业对信息技术自主创新重视的不足。2009年,我国信息传输、计算机服务和软件业R&D投入经费为688 75万元,其中来自企业的资金只有19 33万元,仅为R&D投入总额的2.8%,而同期我国信息传输、计算机服务和软件业R&D投入经费来自政府资金达到558 15万元,占R&D投入总额的81%。企业自主创新动力的严重不足,是造成我国信息服务业对经济增长贡献率低下的主要原因。

3.2.3 细分的劳动投入对国民收入增长贡献分析

如前文所述,与资本投入及全要素生产率(TFP)对经济增长的贡献相比,劳动投入对经济增长的贡献非常低。从细分的劳动投入对经济增长贡献的动态变动趋势来看,非信息产业劳动投入的贡献处于持续下滑区间,信息应用产业在前3个区间处于上升期,但进入第4个区间以来,这种趋势戛然而止,信息产业劳动投入对经济增长的贡献率相对较低且比较平稳。总体来说,非信息产业劳动投入的贡献的持续下滑可能根源于技术的进步对劳动的替代,而信息产业劳动投入对经济增长的贡献率相对较低且徘徊不前可能是由于我国中高新技术产业人才的缺乏。总而言之,劳动投入对于经济增长的贡献的趋势是降低的,表明了我国经济增长已经完成了从劳动投入向资本投入推动的转变,当然,培养高端人才可能成为提高我国劳动投入特别是信息产业劳动投入对经济增长贡献的一个突破口。

4 结论与启示

从产出角度来看,非信息产业一直都是我国经济增长的主要来源,其次是信息应用产业,而信息产业对经济增长的贡献相对较低。单独考察信息产业对经济增长的贡献后发现,信息服务业对经济增长的贡献又低于信息制造业,这凸显了我国信息产业发展“硬”强“软”弱的结构问题。实际上,这是我国很多产业发展的通病,这种结构问题长期存在的原因在于R&D投入上的巨大差距与自主创新动力的不足,体现在国家、产业与企业层面上R&D投入比重过低。从动态变动趋势来看,2 007~2 010年期间,信息产业对经济增长贡献率较以往区间发生剧烈波动。国际经济环境的持续恶化可能是造成波动的主要外因,而我国信息产业处于全球信息产业链的低端是造成波动的根本内因,表明我国信息产业竞争力低下,没有核心技术的支撑而难以抵抗国际经济危机的冲击。一方面受到国际经济危机的影响,另一方面随着国内资源、人力成本的不断上升以及人民币的不断升值,我国经济增长长期以来依靠的成本优势在不断弱化。在国际经济形势持续恶化导致我国低端产品出口受阻,以及新兴经济体(如越南等东南亚国家)依靠更低的成本优势快速发展抢占世界低端产品市场的双重夹击之下,可能会引发新一轮的世界产业转移浪潮,世界“制造业中心”的转移将在不远的将来成为现实。因此,包括信息产业在内的很多工业产业部门,都可能陷入低技术产品市场向世界其他国家转移,高端技术产品核心竞争力缺乏的两难境地。综上所述,摆在中国产业发展面前的是两条路,在努力拓展低端产品市场的同时未雨绸缪投资海外。此外特别是要加强高端产业的自主创新,特别是企业主导的而非政府主导的自主创新,提升核心竞争力,这是决定未来我国是否能抢占战略制高点的关键所在。

从投入角度来看,资本投入对我国经济增长的贡献最大,其次是全要素生产率(TFP),而劳动投入对经济增长的贡献非常低,这与我国长期以来依靠投资拉动经济增长的经济增长方式是非常吻合的。依靠资本推动经济增长的不可持续性已经被政府、广大学者所公认,但是由于投资对经济增长拉动的时效性让我们难以割舍,或者说我们始终没有找到除了投资之外新的经济增长推动点,这是长期困扰我国政府以及广大学者的一个重大难题。然而基于对劳动投入在经济增长中贡献的分析来看,换一个角度考虑,劳动投入对经济增长贡献的低水平凸显了我国人资资本的缺乏,特别是高技术人才的缺乏,但正是这种人力资本的缺乏或者说是劳动投入对经济增长贡献的低水平可能会给我们转变经济增长方式提供了一个新的突破口或者说是新的经济增长推动点。笔者认为,以往我们对投资的过度依赖和重视导致了对劳动投入作用的轻视。而投资在经济增长中的作用是短期的或者说是带有一点狭隘性的。站在经济持续增长角度来看,劳动投入在经济增长中作用的长期性可能使提高劳动投入在经济增长中的贡献比投资在长期内更有效,这是值得我们关注的。从动态变动趋势来看,经济危机前后,资本投入对经济增长贡献率发生剧烈波动伴随着全要素生产率(TFP)对经济增长贡献的反向剧烈波动。表明为应对经济危机而采取的投资过度增长往往伴随着低效率,过度投资可能是导致全要素生产率(TFP)低下的一个重要原因。例如,2008年,为应对经济危机,国家启动的4万亿投资计划虽然在短期内对经济增长的快速恢复起到了重要的作用,但是同时造成了严重的通货膨胀、重复建设、资源浪费、生产力过剩等问题,这些问题对经济发展的影响是长期的,某种程度上可能比经济危机导致的经济增速下滑的影响更为严重。因此,依靠过度投资来应对经济增长下滑的做法是值得商榷的。

福建省第三产业要素投入实证分析 篇2

关键词：部门R&D 全要素生产率 指数 回归分析 弹性

0 引言

单要素生产率指的是产出对于投入之比，劳动生产率和资本生产率是常用的两种。由于每种要素都受到边际收益递减规律的制约，因而从长远来看，通过投入更多要素来推动经济增长必然是不可持续的。而要素的使用效率主要是由科技创新与进步、制度进步等其他一些非资本和劳动的因素所推动的，我们把这样一些因素称为全要素生产率（TFP），全要素生产率（TFP）是指总产出与综合要素投入之比率。而现代经济的增长主要是由全要素生产率的提高所推动的。在全要素生产率的影响因素中技术创新与进步又是最主要的方面，而R&D又是促进技术进步的主要动因，并且充分的R&D产出也使经济持续增长成为可能，因此对R&D及其产出的研究就成为研究经济增长时不可缺少的内容之一。研究表明，R&D投入的规模和强度与创新成果的产出及经济增长具有很强的相关性。由于知识的非独占性和部分可排他性，在过程创新中，R&D活动不仅降低了自身产品的成本，也降低了技术相关者的成本。R&D溢出、TPF的增长主要是源于知识的外部性特征。

对技术进步的度量通常是通过TFP指数的变化来实现的，而能够决定技术变化的因素一个是新知识，另一个就是新技术。我们可以把新知识的增加和技术进步认为是“生产可能性边界”的向外推移。而这些因素的取得靠的是科学家、研究人员和企业不懈的努力。从而就可以把TFP看作是过去R&D投入的函数。因此我们可以认为无论是TFP的增长还是经济的增长，其中的很大一部分都来自R&D。可以说R&D是促进技术进步的主要动因。

这些从事R&D投入活動的部门，根据其特点和作用不同，可分为：科研单位R&D、大专院校R&D、企业部门R&D和其他部门R&D。科研单位和大专院校（也可以统一为公共部门）R&D会对基础科学知识和公益事务有直接影响。比如，增加了社会知识存量的基础研究主要由大学来完成的。虽然基础研究的成果没有被记入地区生产总值，但是基础研究可以为企业R&D提供新的机遇，从而提高生产率。企业部门R&D主要体现在新产品、新服务的增加、产品质量的提高或用新的生产过程生产。企业R&D投入一般由企业自己支出，或者有些企业也可以得到政府的资助。因此由于资金来源的不同，企业R&D对生产率的影响也是不同的。其他部门R&D主要是指那些中小企业和一些私营企业，对于省外R&D，由于河北省有关这方面的统计数据不足，因此本文未对这一部分进行分析。本文主要采用采用C—D生产函数，利用回归分析方法，就各部门R&D的投入对河北省全要素生产率的影响进行了实证分析和比较研究。

1 实证分析

1.1 模型设定及变量数据的选取

本文主要分析河北省2000-2010年的科研单位、大专院校、企业部门和其他部门R&D对全要素生产率影的响，估计方程采用C-D生产函数形式：

TFP=eμ·KYλ1·DZλ2·QYλ3·QTλ4

两边取对数为：

LNTFP=μ+λ1LNKY+λ2LNDZ+λ3LNQY+λ4LNQT

其中：TFP为河北省2000-2010年各年的全要素生产率指数，KY、DZ、QY、QT分别为河北省2000-2010各年科研单位R&D经费支出、大专院校R&D经费支出、企业部门R&D经费支出、其他部门R&D经费支出。λ1，λ2，λ3，λ4分别是各个部门R&D对全要素生产率的弹性。

1.2 模型参数的估计

根据河北经济年鉴1990-2010中地区生产总值、资本投入和劳动投入数据，按照Y=A0ertKαLβ公式，可估计出资本的产出弹性为α=0.4453，劳动的产出弹性β=0.9041，由于α+β>1，故要对其进行正规化，αK=■=0.33，αL=■=0.67，由此可计算出科技进步即全要素生产率（TFP）对经济增长的贡献率EA=57.24%。

而全要素生产率（TFP）可由下式进行计算：

TFPt=■

然后根据这个TFP值进而计算出每年的TFP指数（以2000年为基年）。列表如下：

■

■

为了分析各部门R&D与TFP的关系，首先对各部门R&D经费支出与TFP进行相关分析，它们之间相关关系的相关矩阵如下：

■

从表3中可以看到TFP与科研单位、大专院校、企业部门R&D均呈高度正相关关系。同时科研单位、大专院校R&D与企业R&D的相关性也都很高，也均呈高度正相关关系。

■

回归方程为：lnTFP=

3.8223+0.1047lnKY+0.0251lnDZ+0.2361lnQY+0.0274lnQT

（19.0861） （1.0050） （0.2215） （1.5460） （2.5794）

或写成：

TFP=e3.8223·KY0.1047·DZ0.0251·QY0.2361·QT0.0274

因为TFP增长对产出（地区生产总值）增长的贡献是 EA，所以可进一步得出各部门R&D投入对产出（地区生产总值）增长作用的公式为：ERD i=EA·λi，ERD i表示i部门的R&D对经济增长的贡献。则科研单位R&D、大专院校R&D、企业R&D投入、其他部门R&D投入和对外开放每增加1%，分别促进产出增长EA·λ1%、EA·λ2%、EA·λ3%和EA·λ4%。下面计算科研单位R&D、大专院校R&D、企业R&D投入、其他部门R&D投入对产出的贡献：

ERD1=EA·λ1=57.24%×0.057=0.033

ERD 2=EA·λ2=57.24%×0.060=0.034

ERD 3=EA·λ3=57.24%×0.251=0.144

ERD 4=EA·λ4=57.24%×0.015=0.009

即这四个部门的R&D投入每增长1%，就分别可以带动经济增长0.033%，0.034%，0.144%，0.009%。

1.3 结果分析

从以上计算可见，企业部门R&D对TFP的弹性最大，为0.2361；其次是科研单位R&D，为0.1047；而大专院校和其他部门（即中小企业和一些私营企业）R&D对TFP的弹性很小，仅分别为0.0251和0.0274。可见，河北省2000年-2010年间，企业部门R&D对TFP的影响最大，而大专院校和其他部门R&D对TFP的影响很小，而科研单位R&D对TFP的影响虽然大于大专院校和其他部门，但与企业部门R&D对TFP的影响相比，只相当于其二分之一。科研单位和大专院校R&D对TFP的影响远不如企业部门R&D对TFP的影响大的原因是：由于数据时间跨度的原因，在回归时不能考虑滞后的因素，因此只考察了各因素对TFP的同期影响情况。而实际中从R&D投入到要素使用效率提高需要一定时间，因此不同的R&D活动都存在一定的滞后性，并且由于不同部门R&D活动的性质不同，因此滞后时间也不同。由于企业部门的R&D更多地进行的是应用研究，期望尽快获得经济收益，滞后时间相对较短。所以，从当年来看，企业的R&D对TFP的贡献最大，科研单位次之，而大专院校的R&D更多地进行的是基础研究，研究成果的外溢性强，但应用缓慢，因此从开始到成果转化周期相对较长，还有的研究就没有转化成应用成果，只是增加了社会的知识存量。因此，科研单位和大专院校这两个部门，特别是大专院校的R&D对TFP的影响滞后期相对要较长。如果从相对较长时期来看，科研单位和大专院校的R&D对TFP的贡献是不言而喻的，不但会在长期内推动TFP的增长，而且也是TFP持续增长的重要动力。

2 对策与建议

通过上述分析，在制定河北省科技政策时应采取如下措施：

2.1 采取各种优惠政策提高中小企业自身的R&D活动水平

中小企业是河北省R&D活動非常活跃的群体，中小企业的R&D活动甚至已超过大企业。因此，给予中小企业R&D更大幅度的税收优惠不乏是一种行之有效的激励方式。由于溢出和模仿，R&D活动的私人收益低于它的社会收益，市场经济体制内R&D支出是不足的。既然市场经济体制无法直接带来社会最优水平的R&D活动，政府就有必要进行干预，利用税收和补贴措施间接引导企业投资社会最优水平的R&D活动。在溢出程度较高的情形下，政府应该实施补贴企业的产出和R&D投入，以鼓励它们更多地从事R&D活动。对其R&D活动激励政策的支持，主要包括三个方面：①制定税收激励政策。税收激励政策主要包括两个方面：其一，允许从税前支出中扣除R&D费用；其二，给予R&D活动以税收减免。②直接补贴。直接补贴有两种形式：一是给予R&D人员补贴，二是对于特定的R&D活动给予补贴。③提供低息贷款。

2.2 加快科研单位改革，鼓励高等院校、科研单位与企业的联合

与私有厂商的R&D支出相比，科研单位的R&D支出显得效率相对较低，这可能是因为现代科学研究在很大程度上与厂商追求利润最大化的行为存在密切相联的。因此，科研单位和大专院校首先要深化内部改革，促进高等院校和科研机构的科技力量进入企业，鼓励应用型科研机构与企业联合或直接创办企业，改变目前大部分科研力量游离于企业和市场之间的局面。要充分发挥科技园区、产业园区、技术转移中心和孵化器的作用，对新创办的科技型企业进入市场进行引导和扶持。

高校本身要进行科技创新融资体制创新，建立多元化的创新活动融资体系，为深入而广泛的创新活动提供坚实的资金支撑。通过多种渠道进行开发融资。依托高校科研优势，建立大学科学园区。在本地研究性大学周围建立科学园区，可以通过寻求高技术公司的聚集来实现当地经济的发展，使得高校成为高技术产业的摇篮，吸引大量国内外风险投资企业家到大学的周边地区兴办高技术产业，努力形成高校的“产业经济圈”，加速知识的生产、流动、转化，推动区域经济的发展。同时，依托高校区位优势，建设区域创新平台。通过研发创新平台，实现政府的信息、政策资源与高校的人才、研发资源和企业的资金、市场资源共享。改变过去高校与企业之间合作的“单对单”或“点对点”模式，为优化资源配置提供基础平台。构建区域创新共享平台要发挥高校的区位优势，把高校人才与技术资源优势作为创新平台的基础要素，鼓励和支持高校师生到大学科技园兼职、创业，并通过加强知识产权管理，运用专利许可、技术转让和技术入股等多种方式大力推进高校科技成果产业化。

推进“产－学－研”相结合的科技经济一体化。要以市场为导向，促进多种形式的“产－学－研”结合，以使得R&D获得最大市场效益。一方面，要继续完善国内市场，深化市场改革，消除市场扭曲；另一方面，要重视利用国际贸易带来的管理、生产经验、新的信息等软的技术，以促进河北省技术效率的改善。通过国际贸易获得更大的R&D溢出。

2.3 优化R&D活动的运行机制，注重提高研发投资的经济效果

河北省R&D投入相对于固定资产投入和劳动投入还很小，技术知识存量的绝对值还很低，而河北省R&D投资的经济效果还没有达到最优化，R&D的产出还有进一步提高的余地。因此河北省一方面要加大R&D的投资，在政府部门(省内企业)加大科研项目的立项，增加R&D投资的同时，还要吸引和引导更多的省外和国外企业进行研发投资等。另一方面，更要大力提高R&D投资的经济效果，提高研发活动对经济增长的贡献。

参考文献：

[1]侯汉平，王浣尘.R&D知识溢出效应模型分析，系统工程理论与实践，2005，5.

[2]沈坤荣.中国综合要素生产率的计量分析与评价，数量经济技术经济研究，1997，11.

[3]沈能.中国制造业全要素生产率地区空间差异的实证研究，中国软科学.2006，6.

[4]孙琳琳，任若恩.中国资本投入和全要素生产率的估算，世界经济，2005，3.

[5]朱强.我国R&D投入对经济增长贡献率研究，科学管理研究，2009，5.

作者简介：

鲁勇兵，男，（1962-），河北经贸大学数学与统计学学院，副教授，研究方向：统计、计量经济学；马银戌，女，（1965-），河北经贸大学数学与统计学学院，副教授，研究方向：统计、投入产出学。

福建省第三产业要素投入实证分析 篇3

一、模型设计

我们以xi=Xi/Y (i=1, 2, …, k) 表示各产业的产出占总产出的比例, 它也表示第i产业在整个产业结构中的大小。我们从Cobb-Douglas生产函数出发, 构建把产业结构视为制度因素的要素生产函数为:

其中Y表示总产出;K表示资本使用量;L表示劳动投入量;A表示广义的技术进步, 参数分别表示劳动、资本、技术进步在总产出的份额权数, 反映它们的投入在经济增长中的相对重要性。对上式两端同时取对数可得计量产业结构对生产规模和要素效率影响的经济计量模型:

再将该模型变形:

参数ai (i=1, 2…、k) 可以解释为:产业i的产出Xi在Y中的比重增加一个百分点, 则地区总的资本弹性增加a个百分点;参数bi可以解释为:产业i的产出Xi在Y中的比重增加一个百分点, 则地区总的劳动产出弹性增加b个百分点;参数ci可以解释为:产业i的产出Xi在Y中的比重增加一个百分点, 则地区技术进步弹性增加c个百分点, 而ε则反映了其他因素对经济增长的影响。

二、数据选定

(一) 社会总产值, 第一、二、三产业产值, 劳动力人数数据比较好采集, 我们直接采用云南省各年统计年鉴公布的真实数据。

(二) 资本投入的测量比较困难, 主要是很难准确地估算历年资本存量。本文采用永续盘存法, 该方法由戈德斯密在1951年提出, 其后被广泛用于多数经合组织国家 (OECD, 1993) 。永续盘存法可表示为:

Kt表示当年的固定资本存量, It表示当年的固定资本投资额, Kt-1表示前一年的固定资本存量。e为重置率, 如果资本对生产的贡献以几何级数递减, 那么重置的价值等于折价的价值, 本文假定重置率等于折旧率, 为0.05。

本文选取1988年为基期, 数据来源于叶裕民 (2003) , 1988年固定资本存量总额为905.2亿元。本文采用这个数据进行以下各年数据的计算。

(三) 技术进步数据的选定。因为全要素生产率 (TFP) 是因为技术进步而提高了的效率。所以通过全要素生产率我们计算出A的值。

通常我们采用以下方程计算全要素生产率:

通过推倒可以得出上述方程的简单形式, 则经济增长的因素分解是可以用下式表示:

其中, Y代表产量, L、K分别代表劳动和资本的投入量, A代表广义的技术进步, a和b分别代表劳动和资本在收入中的份额权数, 反映它们的投入在经济增长中的相对重要性。

(四) Cobb-Douglas生产函数中a、b值的确定

根据资料分析, 一些发达国家的劳动力产出弹性a=0.75-0.65, 资金产出弹性b=0.25-0.35。考虑到我国的实际情况, 一方面生产发展水平仍偏低;另一方面劳动力较多, 在我国大多数行业, 都是劳动密集型行业, 即在生产中劳动者所占的比重较大。因此, 在实际测算时, 取劳动力产出弹性系数a略高于发达国家的相应数值, 而资金产出弹性系数b则略低于发达国家数值, 即按国家计委根据我国国情推荐的a=0.8-0.7, b=0.2-0.3, 的范围以及本行业的实际情况而选定。本文中a、b值的确定, 根据云南省相关数据进行计算得出的。

注:数据来源于1989~2005各年云南省统计年鉴

我们还是从Cobb-Douglas生产函数出发:

两边取对数, 得到:

我们通过已知数据, 运用SPSS软件分析得到以下模型:

从我们计算出来的模型中我们可以得到, a=1.557, b=0.309, 但是我们知道在Cobb-Douglas生产函数中a+b=1, 但是我们计算出来的结果a+b>1, 因此我们对所得到的a、b值做归一化处理, 即:

然后我们将刚才计算出来的结果带到上式, 我们得到a’=0.8b’=0.2。结合云南省的实际, 云南省人力资源相对丰富, 大多数产业属于劳动密集型产业, 因此这个a’、b’的取值是符合云南省实际的。

通过上述对数据的描述, 我们得到表1。

三、模型分析

根据转换后的云南省各产值, 我们运用SPSS统计分析软件采用逐步回归的统计方法对模型进行回归分析和检验, 剔除不显著的变量, 得到了以下的模型, 详细分析结果如下:

从表2我们可以看出, 该模型的相关系数为1, 调整系数为1, 调整判断系数也为1, DW检验值为2.960, 因此我们认为五个变量之间没有序列相关关系。即认为第一产业资本要素的投入, 一产技术的投入, 二产资本要素、劳动力要素的投入, 三产技术要素的投入之间没有序列相关性, 也就是说这五个变量对总产值的变化具有整体的解释意义, 这样就可以继续下面的分析。

表3显示了模型的方差分析结果, 模型的P值0.000<0.05, 拒绝原假设, 认为总产值与这几个变量之间具有线性关系。

表4就显示了模型的回归系数以及相应的检验值, 并且各个变量的P值都为0.000<0.05, 说明每个变量对模型都具有显著性, 通过分析计算出来的回归系数建立线性回归方程:

模型中的参数都通过了假设检验, 并且方程的拟合程度好, 我们可以认为该模型较好地描述了云南省产业结构对地区经济的要素效率的影响。

四、小结

从上面的分析中我们可以看到, 各个产业中要素投入的效率是不同的, 结合云南省的实际, 我们看到, 第一产业中资金、技术对GDP的贡献率较高, 第二产业中资金对GDP的贡献率较高, 第三产业技术投入对GDP的贡献率较高, 具体如表5:

由模型的回归结果可知, 云南省的第一产业不影响劳动要素的生产效率, 但其扩张有助于提高资本要素的生产率以及技术进步带来的生产效率, 第一产业增加值在GDP中的比重增加一个百分点, 资本的产出弹性将增加0.139个百分点, 同时技术进步弹性增加2.750个百分点;第二产业的扩张将有助于提高资本要素的生产率, 但会降低劳动要素的生产率, 第二产业增加值在GDP中的比重增加一个百分点, 将使资本的产出弹性增加0.576个百分点, 但同时将使劳动的产出弹性降低0.857个百分点;第三产业不影响劳动要素的生产率, 也不影响资本要素生产率, 只影响技术进步, 第三产业增加值在GDP中的比重增加一个百分点, 会使技术进步带来生产率增加1.574个百分点。

参考文献

[1]云南省统计年鉴

[2]万国峰尹敬东卢正惠云南经济增长方式研究云南财贸学院学报200312

[3]毛健经济增长中的产业结构优化产业经济研究20032

福建省第三产业要素投入实证分析 篇4

产业集聚是某些产业在空间上趋向于特定区位的现象,是各种生产要素在某一地域范围的大量汇聚并循环累积的过程,从而推动区域经济的持续增长。上述现象也引起了国内外学者的长期和广泛关注。从理论上讲,产业集聚通过技术进步对经济增长及其质量产生重要影响,区域经济学和产业经济学将产业集聚所产生的外部性归结为技术外部性 ( Fujita和Thisse,2002)[1],它既包括新增长理论所言的外部性,也包括Marshall产业外部 性的3个源泉 ( Baldwin et. al. ,2010)[2]。多数早期实证文献主要采取间接的方法,通过考察劳动生产率或全要素生产率 ( 简称TFP,下同) 在地区水平上的变动趋势来研究产业集聚与经济增长的关系,上述研究的一个共同缺陷在于先验性地假设集聚经济的线性特征,但由于区域、行业选择以及相关测度指标的差异,经验研究并未取得一致结论。当前,伴随着区域经济和城市规模的持续扩大,资源的相对稀缺和资本的过度密集等现象与日俱增,很多学者开始注意到产业集聚对经济的负面影响,如过度竞争、环境破坏、和公共产品供应不足等,这些非经济性被称为拥挤效应 ( Congestion Effect) 。由于集聚规模效应与拥挤效应在一定条件或边界内可动态转变,这也就决定了集聚经济具有非线性收敛的特征甚至存在着门槛值,这种拥挤效应对区域产业发展及经济增长产生了负面影响,因此通常被视作企业实施区域转移最直接的经济利益动机,也往往被政府当做推动产业转移的理论依据。

产业集聚一方面通过影响区域经济活动的规模和空间分布来影响区域产业的规模经济; 另一方面通过影响新技术开发的速度、新技术知识进入并在整个区域扩散的速度和新技术被纳入到厂商的生产过程来影响区域技术变化率 ( Beeson,1987)[3]。产业集聚对集群内技术进步和技术创新有两方面影响,适度集聚可以促进创新,而过度集聚则会阻碍技术创新。赵婷 ( 2012)[4]的实证研究表明,东部沿海地区部分制造业的集聚规模与产业效率之间存在先促进、后抑制的倒U型关系,拐点出现在2004年前后。在技术层面研究TFP和产业集聚的文献主要有: 李小平和朱钟棣 ( 2006)[5]、周燕和蔡宏波 ( 2011)[6]等研究表明TFP增长由技术效率与技术进步两个分量的变动决定,这两个分量都受到产业集聚的影响。张宇和蒋殿春 ( 2008)[7]实证检验了产业集聚对我国相关产业TFP的影响以及FDI在其中的作用,结果显示,FDI有力地促进了我国产业的地理集聚,并由此推进了相关行业的技术进步。王丽丽和范爱军 ( 2009)[8]基于中国制造业面板数据对空间集聚与TFP之间的非线性关系进行了实证考察,结果显示,集聚与TFP增长之间存在显著的门限效应,而集聚对TFP增长的影响主要是通过技术效率体现出来的,但推动空间集聚形式由水平型向垂直型转化,将有利于发挥集聚对技术进步的促进作用,并进而促进TFP的提高。Mc Morrow等针对美国、欧盟几个国家TFP增长的决定因素的一项调查研究发现,TFP的增长被“赶超”现象驱动,这和新技术的研发与利 用关系密 切。王良举、 陈甬军( 2013)[8]基于中国制造企业的实证分析结果表明,在集聚地区存在能够促进企业生产率提高的“学习效应”。张公嵬等 ( 2013)[10]的实证研究发现,制造业TFP年均增长9. 6% ,其中80% 以上是技术进步贡献的,行业间的技术进步差距较小,技术效率变化差异较大,而后者是TFP增长差异的主要原因。范剑勇等 ( 2014)[11]实证考察了县级层面产业集聚的专业化和多样化对TFP及其构成要素的影响,结果显示,专业化经济对TFP有正面促进作用,而多样化经济则没有,技术效率改善与前沿技术进步是TFP增长的主要动因。这一结论 与Henderson ( 2003)[12]、Martinet. al. ( 2011)[13]的研究结果如出一辙。

当前,制造业仍将是我国工业体系的核心,其生产率的变动将会直接影响我国整体经济增长的质量和速度。而且,在部分要素密集型制造业出现拥挤效应开始扩散的同时,产值 ( 规模)较小的制造业仍然有加深集聚的可能 ( 一些高新技术产业和新兴产业尤为明显) 。在技术———经济范式转换、产业———空间作用交互日益频繁的背景下,劳动和资本等传统要素对制造业TFP的边际贡献正逐渐减弱,而在产业转型升级过程中,技术进步和技术创新的作用将越来越大。由于制造业行业跨度较大,不同行业产业集聚效应发挥的作用机制、表现形式与效果可能完全不同,同时,集聚程度也是产业集聚影响技术变化进而影响TFP的重要变量 ( 范剑勇,2014) 。应该说,从技术变化角度来研究产业集聚与TFP的关系是对集聚经济研究的一种深化,但直接研究文献迄今还略显缺乏,尤其是对特定区域TFP变化的作用途径的研究更是鲜见。基于上述研究的可拓展之处,本文认为产业集聚在总体上可看作一种增长要素,对集聚经济的研究不必陷入集聚是否促进了经济增长或生产率提升的争论,有必要对产业集聚影响TFP的作用机制和途径进行全面解构,把握技术变化在全要素增长过程中所起作用,在此基础上提出假说并进行计量检验,对上述问题的深入探究将会有效推进相关产业的集聚发展与持续创新。

本文遵循已有相关文献的研究思路将TFP分解为技术进步和技术效率变化两部分,基于长三角部分制造业2003 ~ 2012年期间的数据,利用回归模型实证检验产业集聚对TFP作用路径的相关假说。需要做出说明的是: 在研究区域的选择上,Rosenthal & Strange ( 2004 )[14]指出,展开产业集聚研究的适宜区域层面应该是较低的。由于我国各地区的经济与技术发展水平、基础条件等还存在着一定差异,决定和影响生产性服务业集聚的因素也就不尽相同。也就是说,研究的空间尺度越小,就越能全面反映产业集聚状况。考虑到长三角地区具有良好的区位优势和产业发展基础,该地区的知识存量与技术创新水平、产业协同程度与区域经济一体化水不断提高,因此,本文以长三角作为产业集聚研究的主要区域是合适的; 在生产率指标的选择上,目前关于产业集聚经济的研究主要集中在行业或企业层面的生产率分析 ( 劳动生产率或TFP) ,但采用劳动生产率,在中国以制造业为主的产业结构条件下,可能会产生向下低估的错误,因此,采用TFP作为衡量指标更为适宜。在TFP的测算方法选择上,本文选择了兼具数据包络分析法和Malmquist指数法各 自优势的 非参数DEA Malmquist指数法; 在制造业的行业选择上,本文根据研究需要以及长三角地区产业集聚的实际情况,从集聚规模和要素密集度两个维度选择了20个两位数制造业行业,主要涵盖部分劳动密集型行业以及部分资金和技术密集型行业,具备一定的代表性。

2 长三角制造业集聚的测度及变动趋势

2. 1 集聚指标的选取和数据说明

为了研究产业集聚的变动,首先要对产业集聚进行测算。产业集聚作为一种普遍的经济活动,引起了众多学者的关注,不同研究层面的产业集聚测度方式也不同,国内研究产业集聚的测度方法很多,主要有空间基尼系数、产业内集聚指数、赫芬达尔指数和区位商等。产业空间系数涉及到企业规模差异,并且需要微观基础,空间基尼系数需要三位数以上部门的数据,综合以上情况考虑到数据的可获得性,我们选取地理集中指数 ( MS) ,其表达式为:

xi定义为地区i就业人数占总就业人数的比例,si为区域i某产业就业占全国该产业就业的份额。^γ由两部分组成,一个是反映地理集中的初始地理集中 ( Raw Geographic Concentration)指数G; 一个是反映产业结构状况的赫芬达尔指数H。本文在计算时只采用初始地理集中指数G,估计数据存在的极小误差不影响最后的实证分析。使用各行业工业产值替代劳动力作为衡量地理集中指数的指标,以消除劳动率的影响因素。

2. 2 数据来源

本文的就业人数和产值等相关基础数据均来源于2003 ~2012年《中国工业统计年鉴》、《上海统计年鉴》、《江苏统计年鉴》和 《浙江统计年鉴》,地区和全国总产值的基础数据来自2003 ~ 2012年《中国城市统计年鉴》和《中国统计年鉴》。由于数据资料的限制和统计口径的变化,我们计算了2003 ~ 2012年20个制造业行业的地理集中指数。除2004年外,相关数据均来自各年度《中国工业经济统计年鉴》,2004年数据来自《中国经济普查年鉴2004》。此外,有个别行业部门的名称已发生变化,本文以2006年的行业名称为准。

2. 3 2003 ~2012年长三角制造业集聚度的变动趋势

本文以2003 ~ 2012年长三角制造业20个产业的地理集中指数为样本,计算出了GCI在10年间的平均数和变化率。在图1中,长三角整体集聚程度自2004年开始显著下降,2006年作为集聚变化趋势的一个时间拐点,集聚程度先增加后下降。从整体变化率来看,长三角制造业集聚的加权指数10年间下降了12. 98% 。加权指数相对于算术平均数更能看出产业集聚的结构变动,可以得出2004年以来,长三角地区制造业的结构发生了明显的转变,产业集聚程度有所降低,甚至加权平均数显示的集聚程度在2006 ~2012年处于下降阶段,表明长三角制造业开始扩散。同时从大部分制造业分行业的地理集中指数年变化率出现负值情况来看,部分产业的扩散趋势明显。本文借鉴EG和MS1的分类标准,将长三角20个制造业进行分类发现,我国长三角制造业基本上已经进入高集聚类水平。劳动密集型产业和技术密集型产业已经进入高度集聚水平,如化工、用品制造业和电子制造业。中度集聚产业集中在资源加工行业和资本密行业,如石油加工和仪器类产业。交叉的资本密集型和劳动密集型产业处于低集聚水平。总体来看,技术密集型产业已经成为长三角制造业高度集聚的主导产业,劳动密集型和资源密集型产业也已达到中等集聚程度,而资本密集型产业的集聚度随着要素拥挤而逐渐变低。集聚程度加深的制造业主要集中在技术密集型和高新产业,少数传统产业也增长较快。深层次的原因可能是因为长三角新兴产业具有外商投资优势,政府政策优惠,加速了产业集聚。而部分传统制造产业由于产业结构转变困难,难以形成“自集聚”效应。

3 长三角制造业全要素生产率的分解

3. 1 测度方法与指标选取

在产业集聚的变动趋势基础上,本文对长三角制造业的TFP进行结构性分解,首先需要选取测度方法。国内外研究方法从最初的索罗剩余法,一直发展到后来的随机前沿分析法、数据包络分析法和Malmquist指数法,研究方法已相当丰富,学者们也对各种方法的适用性进行了分析比较。目前常用的测度方法有随机前沿生产函数法和Malmquist指数法,由于本文研究的是长三角两省一市共20个制造业的TFP,为了估计产业集聚对制造业TFP的影响,需要衡量各行业生产率的变动情况。由于本文研究的是面板数据,时间跨度较长而行业涉及面不多,所以我们选择非参数Malmquist指数法进行测算。关于指标选取作如下说明:

( 1) 本文选取工业总产值作为产出指标,为了获得各变量的实际值,以《中国工业经济统计年鉴》中上海、江苏和浙江制造行业2003年价格为不变价格 ( 基期) 的工业总产值,并构建出各行业的相对价格指数;( 2) 资本投入指标选取,国内外学者采用过不同的处理方法,本文沿用李小平等 ( 2005) 的方法,使用固定资产净值作为资本投入的基础数据,并折合成2003年不变价格; ( 3) 考虑到数据的可获得性,本文采用2003 ~ 2012年长三角制造业各行业全部就业人数的年平均人数作为劳动力投入指标。

3. 2 DEA—Malmquist 指数及其分解结果

根据产出导向的可变规模报酬模型以及长三角制造业分行业的投入产出数据,使用Colelli给出的数据包络分析DEAP2. 1计量软件,计算出2003 ~ 2012年上海、江苏和浙江20个制造业行业的TFP指数并分解为技术进步指数 ( TG)和技术效率指数 ( TE) ,Mal'TFP = TG×TE,具体结果如表1所示。

注: 表中的平均数均为几何平均数; 指数值的上标表示在各分行业中的排名。C13: 农副食品加工业; C14: 食品制造业; C15: 饮料制造业; C16: 烟草制品业; C17: 纺织业; C22: 造纸及纸制品业; C23: 印刷业和记录媒介的复制; C24: 文教体育用品制造业;C25: 石油加工、炼焦及核燃料加工业; C26: 化学原料及化学制品制造业; C27: 医药制造业; C28: 化学纤维制造业; C31: 非金属矿物制品业; C32: 黑色金属冶炼及压延加工业; C33: 有色金属冶炼及压延加工业; C34: 金属制品业; C35: 通用设备制造业;C36: 专用设备制造业; C37: 交通运输设备制造业; C40: 通信设备、计算机及其它电子设备制造业; C41: 仪器仪表及文化办公用机械制造业; C42: 仪器仪表及文化办公用机械制造业。下同。

表1是2003 ~ 2012年20个制造行业的Malmquist指数及其分解结果。10年间长三角制造业TFP平均增长率为4. 3% 左右,技术效率和技术进步指 数平均增 长率分别 为1. 32% 和2. 6% 。从表1中分析TFP指数、技术效率指数和技术进步指数的增长率,结果表明资本和技术密集型产业TFP增长迅速,与产业集聚增长的产业和趋势相吻合,同时劳动密集型和资源加工型产业的TFP下降,增长指数小于零,技术进步指数的变化趋势接近TFP的变化。整体看来长三角制造业大部分行业都出现了技术进步,除了食品饮料等加工行业外,技术进步在资本密集型产业中的增长较快。

首先观察不同集聚度组别间制造业行业TFP增长的差异,如图2所示,发现制造业行业TFP增长与行业集聚系数之间没有显著的线性关系。其中,高度集聚行业的TFP增长速度最慢。本文认为导致这种情况的原因可能是空间集聚促进TFP增长需要一定阀值条件。总体上来看,长三角地区的TFP都处于缓慢增长中。TFP和技术进步的变化十分相似,均为先降后升,并有进一步上升的趋势,而技术效率则与之相反,呈现出先升后降的趋势。而且TFP增长主要来源于技术进步而非技术效率改善。具体到每个行业,行业间的平均生产率存在着显著的差距。两省一市的制造业TFP变化指数2004年均表现出大幅度下降,这也印证了赵婷 ( 2012) 的研究结论,这是由于长三角地区产业同构现象突出,土地、劳动力等资源和要素相对拥挤,这也是对不合理产业结构的自发调整。

4 制造业集聚和全要素生产率关系的实证分析

本文第三部分从统计学意义上分析了TFP、技术效率和技术进步的变化趋势,并基于行业的不同集聚程度分析了技术效率和技术进步对TFP的贡献,但是产业集聚对TFP的作用关系与相关的一些影响因素,以及技术进步与技术效率在这一作用过程中扮演了什么样的角色? 上述问题还有待进一步验证。因此,本文将基于已有的研究成果与长三角产业发展实践,对上述变量间的关系提出相关理论假设并作出相应的计量验证。

4. 1 待验证的假设

区域经济理论认为,产业集聚能够提高区域竞争力并对区域经济增长具有重要的效应。产业空间集聚可以通过规模经济、减少成本和发挥动态外部性与金钱外部性的效应来提高TFP水平( 专业化经济与多样化经济的确存在,但两者对TFP作用的强度 及路径却 有所差异 ) 。但是,Brulhart和Sbergami ( 2009 )[15]、徐盈之 等( 2011)[16]等人的实证研究还表明,产业空间集聚可能会存在着威廉姆森假说 ( Williamson Hypotheses)3。因此我们提出,假设1: 产业集聚在一定范围内会促进长三角整体TFP的提高。

闫逢柱等[17,18]认为集聚的共享劳动力市场、技术及知识溢出、专业化投入与服务、柔性化生产、范围经济等集聚经济的出现和其他技术因素的作用,行业规模和行业的要素密集度会发生改变,这引发了厂商在产出结构、产品市场和要素市场上的博弈,并最终使得产出结构、产品和要素市场结构发生变化。这些变化使得不同产业出现不同的变化趋势,产业集聚的发展最终呈现出一个类似于生命周期的轨迹。在轨迹的不同阶段,集聚对产业成长的影响是不同的。因此我们提出,假设2: 不同集聚程度的产业对TFP的影响不同。

改革开放以来凭借独特的区位优势和完善的工商业基础,长三角逐渐形成各类产业集聚群。从行业整体上看,该地区制造业已接近成熟阶段并具有一定的资本技术密集特征。虽然有部分传统产业面临过度集聚问题,但由于具有较好的区域创新网络、知识存量和研发能力,使得该地区产业集聚效应还处于“经济区”内。对于高新技术产业 ( 新兴产业) 发展较快的长三角地区,技术密集型的产业已形成自身的优势集聚,技术在经济增长与产业发展过程中占很重要的地位。因此我们提出,假设3: 产业集聚主要是通过影响技术进步进而促进长三角制造业TFP的。

实际上影响TFP增长的因素很多,主要包含行业规模、要素比例、研发投入、对外贸易、外商投资等。目前我国制造业的一些劳动密集型行业的集聚规模过大,生产要素配置不合理,造成TFP水平的损失,这一现象在长三角地区尤为明显 ( 汪彩君、唐根年,2011)[19]。另外,较高贸易开放度会放大过度空间集聚所产生的拥挤效应,即在一个既定的区域,当出口企业超过集聚临界点后,大量企业扎堆与恶性竞争反而会导致负的外溢效应 ( 叶宁华等,2014)[19],因此我们提出,假设4: TFP不仅由企业规模、竞争、政府政策、外商直接投资等多种因素共同影响,还与R&D投入以及环境机制有关。

4. 2 实证分析

由于本文研究的是产业集聚、技术变化和TFP之间的内在联系,并且处于2003 ~ 2012年的一个较长变动周期内,所以沿用Arellano和Bond ( 1996 )[21]建立的动态面板数据回归方法( 回归所使用的计量软件为STATA10. 0) ,计量模型表示为:

其中,DEPVAR表示被解释变量,αi是行业的特殊效应,ρt是时间的特殊效应,εit是误差项。我们将地理集中指数作为预先给定变量,其他变量作为外生变量。估算过程中,首先通过差分消除行业特殊效应αi,然后使用因变量和预先给定变量的滞后值,外生变量的差分值作为工具变量 ( IV)4,时间的特殊效应通过加入每个年份的虚拟变量进行处理。考虑到时间序列的长度,为保留足够的样本我们将因变量滞后取2期。

4. 2. 1 变量选取以及说明

通过上文的分析得知,TFP增长指数是技术效率与技术进步两种指数之积。长三角地区产业集聚对TFP有着促进作用,通过技术效率和技术进步作用于TFP。在集聚成熟的长三角地区,技术效率、技术进步、TFP和产业集聚之间的内在联系,本文还需进一步分析。

( 1) 被解释变量: 将全要素 生产率指 数( TFP) 、技术效率指数 ( TE) 、技术进步指数( TG) 作为我们研究的被解释变量。用DEA计算3个变量的年平均指数,继而算出增长速度,作为回归模型中的时间数列。

( 2) 解释变量: 地理集中指数 ( GCI) 的时间跨度与被解释变量时期相对应 ( 2003 ~ 2012年) 。为了保证时间序列数据有足够多的样本数,部分行业个别年份的数据缺失,我们通过制造业整体GCI的平均增长速度进行估算。

( 3) 控制变量: 竞争力指标 ( COMP) : 采用职工平均企业数作为工具变量来反映竞争大小;R&D投入指标 ( INVEST) : 研发和设计的投入是影响技术进步的重要因素,本文通过2003年不变价工业总产值除以行业R&D投入量来表示作用强度。在实际回归时,该指标取对数滞后的被解释变量; FDI指标 ( FDI) : 由于长三角地区开放型经济发展水平较高,FDI是实现产业集聚的最重要因素 ( 刘志彪等,2008)[22],进而会显著提升该地区相关企业生产率 ( 蒋冠宏等)[23,24]。因此,也作为控制变量在回归时取对数。

4. 2. 2 实证结果分析

对3个被解释变量TFP、技术效率指数、技术进步指数分别回归,从表2的结果可看出,当GCI作为预先确定变量时,5% 水平上的3个回归都显著,由于GCI增长缓慢,滞后值检验不显著。总体上来说,GCI加深,促进了TFP的增长,0. 01的GCI增加带来1. 91% 的TFP增长。长三角制造业集聚在后期发生了扩散,甚至有的产业出现过度集聚,这也是后来TFP增长缓慢的原因,从而验证了假设1; 产业集聚对TFP提高有积极作用,但是随着集聚的加深,后期会阻碍生产率的进步。TFP随着地理集中指数的变化而浮动,表明了不同集聚程度的产业生产率是不同的,并且拟合度很 高,从而验证了 假设2;GCI对技术效率指数产生了负影响,与Porter的技术竞争力相吻合,在长三角制造业的产业竞争中,技术进步产生的作用要大于技术效率,技术密集型产业和高新技术产业依靠技术进步来促进生产率发展。不过两者相差不是很大,说明产业转型缓慢,结构不合理的产业集聚带来规模不经济,从而验证了假设3。这与陈柳 ( 2010)[25]对全国制造业TFP影响因素的研究结果相反,原因在于长三角区位特殊,制造业相对比较成熟,集聚水平较高。竞争度指标在5% 和10% 的水平上显著,对TFP和技术进步的系数为正,说明企业竞争能够促进生产率提高和技术进步。竞争度对技术效率系数在统计上不显著并且数值较小,表明竞争对技术效率影响不大。不同集聚度的制造业行业技术因素起到的作用也不同,从分析结果来看,集聚度高的行业技术进步所做的贡献较大,对于一些劳动密集型企业,在中等集聚水平下,技术效率贡献反而高。

注: ***,**,* ,#分别表示 1% ,5% ,10% ,15% 的水平上显著; 括号里的数值为标准差; 模型 1 中年份作为虚拟变量回归,系数表中没有列出。

INVEST变量对TFP、TE和TG的系数都是正的,3个被解释变量的1期滞后值的系数是正的,且在1% 的水平上显著。但滞后2期的系数中只有技术效率指数的系数在统计上是显著负的,说明一个行业的技术研发和投入对TFP的影响将是一个比较长的过程。总而言之,通过上述分析我们发现,长三角地区产业集聚对制造行业TFP增长存在较显著的正向作用,但这一影响主要是对技术进步增长率的影响,集聚促进企业间信息的扩散和相互模仿,有利于现有技术的利用。集聚程度的增加对技术效率存在负面影响,由于长三角地区要素拥挤,现有条件下集聚已很难再促进技术效率的提高了,但技术进步抵消了一部分的负面影响,所以整体上TFP还是呈上升趋势的。

5 主要结论和政策建议

本文应用2003 ~ 2012年长三角20个制造行业的面板数据,通过非参数DEA - Malmquist指数法测算了TFP及其变化的结构性因素,并运用动态面板模型检验了产业集聚对TFP的作用关系、路径及其影响因素,我们发现,总体上长三角制造业的产业空间集聚促进了TFP的增长。长三角制造业集聚整体上已达到了高度集聚水平,对TFP的整体发展起到了一定的促进作用。在TFP的增长过程中主要起作用的是技术进步,这与长三角地区FDI的集聚、技术研发和投入及人力资本存量等有着密切联系,长三角制造业TFP增长过程中技术起到了重要的推动作用。只是后期由于保护主义,外商撤资以及要素拥挤等原因,导致了部分产业开始扩散,限制了生产率的发展。与之对应,提出如下政策建议:

( 1) 在长三角地区快速城市化进程中,制造业发展不应片面追求“大而全”、“小而全”或一味地无限度提升集聚度,从而导致地区产业结构严重趋同,要素拥挤效应长期徘徊。尤其是对该地区的一些传统行业而言,应积极改变粗放使用生产要素的习惯 ( 模式) ,推动有条件的企业向生产性服务业、高新技术产业转变。政府也应该倡导产业转型,制定相应的产业政策,为企业发展提供良好的基础环境和内在激励。根据长三角地区的产业实践与城市特色,可以利用区位优势形成一批有特色和竞争力的产业协同集聚群( 区) ,提高资源利用率,加强城市间的区际协调并实现区域内企业抱团取暖。

( 2) 产业的可持续发展主要依靠技术进步和技术创新。考虑到资本和劳动等传统要素的作用有限,技术进步需要区域创新体系和政府政策相结合。因此,政府和企业在这一方面将会大有作为,具体而言: 政府在鼓励企业创新方面应制定更多的激励政策,鼓励项目研发,同时缩减申请专利的相关手续,提高技术的质量,并建立相应的投融资和担保机制。同时地方政府也应在促进“官、产、学、研”的有效结合方面发挥作用; 企业在技术投入和创新方面也应加大力度,并与高等院校和科研机构之间建立广泛而密切的联系。此外,在推动技术进步和技术创新的同时也要注重相关制度创新,降低企业参与要素市场的交易成本。

( 3) 提高企业利用外资、打通渠道、整合资源的效率,在追求TFP增长过程中应该注重产业间的和谐健康成长,当前国内环境比较乐观,企业更应该抓住机遇,做大做强,发展核心产品,优化部分传统产品的结构,尤其是电子信息行业,更应该不断创新,提高国际竞争力。同时积极开拓国外市场,将劳动密集型产业向印度、柬埔寨、越南等周边人力成本低的地区转移,提高利润空间。长三角地区已经出现拥挤效应的产业应保持适度集聚,但是部分产业还需加强集聚,企业间相互帮助扶持,利用优质信息渠道和系统,提高管理效率和组织效率,引进高技术人才,提高产业集聚对生产率的作用强度,帮助企业健康发展。

摘要：本文通过非参数DEA-Malmquist指数法估算了2003~2012年间长三角20个制造业行业的全要素生产率(TFP),并借鉴EG和MS的分类,将Malmquist指数分解为技术进步指数和技术效率指数,分析不同集聚程度行业对它们的影响及其变化趋势,在此基础上借用Arellano和Bond的动态面板模型,验证技术进步和技术效率指数在TFP增长过程中的贡献。实证结果表明:制造业集聚一定程度上促进了整体TFP的提高,但主要是通过促进技术进步(并非促进技术效率改进)进而产生影响。各细分行业TFP增长率存在较大差异,中低度集聚行业的TFP的增长率大于高度集聚行业,并且随着时间推移,高集聚度行业TFP增长率逐渐下降。而且,技术进步和技术创新将是长三角制造业TFP增长的重要推动力。

福建省第三产业要素投入实证分析 篇5

一、福建省纺织品服装对外贸易现状

(一) 纺织品服装贸易量增长迅速

随着2008年中美纺织品配额设限结束, 福建省的纺织品服装贸易呈快速增长势头。2001年福建纺织品服装进出口24.亿美元到2010年的122.2亿美元, 在十年期间实现了翻4番。

(二) 纺织品服装贸易市场扩大

从福建省纺织品服装产业的出口市场来看, 福建省纺织品服装主要出口至欧盟、美国和日本等发达国家和地区, 由于福建政府和企业不断的开发促进新市场, 努力实现出口市场扩大化和多元化, 非配额地区也成为拉动增长的主要力量。

二、选择模型及计算分析

(一) 纺织品服装统计范围

考虑到本文的研究方向和数据获取的可能性, 本文将按照联合国统计局的“国际贸易标准分类” (SITC) 的标准对纺织品服装进行统计。

(二) G-L指数的介绍

格鲁贝尔-劳埃德指数 (G-L指数) 是研究产业内贸易时使用较普遍的一个指标, 其对产业内贸易的衡量指数表达为:

其中, Bi表示第章纺织品服装在一定时期内的G-L产业内贸易指数;Xi和Mi分别代表第i章纺织品服装的出口值和进口值;i的取值为4、5, 分别代表两章的纺织品服装。

G-L指数的取值范围为[0, 1]。当一个国家在某一产业只有进口或只有出口时, 则认为此时该国没有产业内贸易此时, G-L指数等于0, 表明该章纺织品服装的全部贸易都为产业间贸易;当一国在某一产业的进出口相等时, 此时该国的产业内贸易水平达到最大, G-L指数等于1, 表明该章纺织品服装的全部贸易都为产业内贸易。总体纺织品服装的G-L指数可由所属各章纺织品服装的G-L指数加权求和得出:

式中Bj表示一定时期总体纺织品服装的G-L产业内贸易指数, , X、M为总体纺织品服装的出口和进口总值, Wi为第i章纺织品服装在纺织品服装贸易中的比重。

(三) G-L指数分析

从表1的福建省纺织品服装G-L指数的数据来看, 据分析, 第04章的服装及衣着附件在2003-2010年的G-L指数均低于0.1的低水平, 福建省服装及衣着附件大部分还是依赖于产业间贸易, 这表明福建省的服装及衣着附件在近年来仍保持出口占绝对优势, 少量进口的传统。就福建省纺织品服装总体而言, 2003-2010年8个年份的G-L指数均低于0.5在低水平徘徊, 整个纺织品服装还是为产业间贸易, 产业内贸易还没得到充分的发展。

三、建议

加强品牌建设, 提升产品竞争力。福建省纺织品服装要创立自主品牌, 提高福建省纺织服装企业品牌的知名度及认知度, 从而形成以技术为后盾, 以产品品牌为依托, 以质量取胜的纺织品服装出口的新格局。

提升产品档次, 实施多元化出口战略。福建省纺织品服装的发展必须尽快改变传统以量取胜的做法, 要提高垂直性产业内贸易水平, 同时应在产品多样化、市场多元化上努力, 寻找市场空白, 加强区域经济合作, 挖掘市场需求。

参考文献