出口与我国全要素生产率增长的关系——基于空间杜宾模型

出口与我国全要素生产率增长的关系——基于空间杜

宾模型

《国际贸易问题》7><2013年第5期经贸论坛出口与我国全要素生产率增长的关系——基于空间杜宾模型叶明确方莹摘要：本文基于出口内生增长模型，考虑技术和知识的空间依赖性以及出口的溢出效应，构建了空间杜宾模型，对出口与我国全要素生产率增长的关系进行了研究。结果发现，出口额对本地区的全要素生产率增长没有显著的影响，但对其他地区的全要素生产率增长产生了促进作用，对所有地区的全要素生产率增长也有促进作用。为了更加精确地分析出口与我国全要素生产率增长的关系，本文运用面板数据分位数回归方法。结果发现，当全要素生产率较低时，由于吸收能力较弱，出口贸易带来的各种效应没有产生显著的影响；当全要素生产率较高时，由于我国的出口贸易方式还是“粗放型”，对全要素生产率的影响也不显著；只有当全要素生产率大小与出口贸易方式相匹配时，出口贸易才会对全要素生产率增长产生显著的促进作用。关键词：出口贸易；全要素生产率；空间杜宾模型；分位数回归一、引言自改革开放以来，我国的对外贸易取得了快速的发展。从出口贸易的绝对量来看，1978年的出口总额为167.6亿元，到<2010年达到了1070<2<2.8亿元，年均增长率为<23.53%；从出口贸易的相对量来看，1978年出口总额占GDP的比值（即外贸依存度）为4.60%，到<2010年达到了<23.74%，外贸依存度提高了4倍以上。对外贸易的迅猛发展在很大程度上拉动了我国经济的增长，1978年GDP为3645.<2亿元，到<2010年上升到401<20<2.0亿元，年均增长率为10.06%。对外贸易与经济增长的关系一直以来是国际贸易中的核心问题。自古典贸易理论产生以来，强调了国际贸易能使分工专业化，最终将促使一国的财富增加。因此，国内外学者开始从理论转向实证，对出口与经济增长的关系进行了大量的实证研究，如Balassa（1978），Falvey（<2004），林毅夫、李勇军（<2001），吕惠娟、许小平（<2003）等。随

着<20世纪80年代内生经济增长理论的兴起，把技术进步考虑[基金项目]国家教育部人文社会科学青年基金项目（1<2YJC790<23）；上海市自然科学基金面上项目（编号：1<2ZR1411300）。叶明确：上海大学经济学院；方莹：上海大学经

济学院。-19-

经贸论坛《国际贸易问题》<2013年第5期在内，认为技术创新是经济增长的源泉，之后以克鲁格曼为代表的新贸易理论将贸易理论与内生经济增长理论相结合，认为贸易通过出口规模经济效应和技术溢出效应对经济增长和生产率产生了影响。因此，对出口与经济增长关系的关注开始集中于出口与全要素生产率增长的研究，如Feder（198<2），AndrewLevin、Raut（1997），李春顶、唐丁祥（<2010），关兵（<2010b）等。学者们通过大量的理论和实证研究表明，出口贸易将通过出口学习效应、出口溢出效应、出口规模效应和出口竞争效应促进全要素生产率的增长。Grossman和Helpman（1991），Pack和Page（1994），Evenson和Westphal （1995）等的研究认为出口企业一方面会在国际市场上学习到国外企业更为先进的技术和管理方法，以及在国外市场上接触到技术含量更高的产品和品质更为优良的服务，另一方面会在与国外客户打交道的过程中了解到客户更为新颖的想法和更高的产品及服务要求，这些都将迫使企业不断进行技术创新和服务改良，从而提高出口企业的全要素生产率。Feder（198<2），Funk（<2001），RabertoAlvarez 和RicardoLopez（<2005）等的研究表明出口企业学习到的技术会通过示范、竞争等效应溢出到非出口企业，使得这些非出口企业的全要素生产率得到提高，从而提高整体的全要素生产率水平。Helpman和Krugman（1985），Rivera和Romer （1991）等的研究指出国际贸易一方面使分工深化，使企业的生产更加专业化，扩大了企业的生产规模，从而提高了生产率；另一方面使出口企业面对更为广阔的消费者市场，企业将会通过扩大其生产规模以满足市场更大的需求，从而提高了企业的生产率。Melitz（<2003）认为当企业进入国外市场需要支付一定的沉

没成本，由于每个企业的生产效率存在异质性，只有效率较高的企业可以从出口市场获得较高的市场份额和利润，而效率较低企业的市场份额和利润将缩小甚至会导致这些低效率企业退出市场，竞争就使得资源逐渐转移到效率较高的企业，从而使得整个行业的生产率得到提高。我国作为最大的发展中国家，自改革开放以来对外贸易实现了快速发展，特别是在加入WTO以后发展更为迅猛。全要素生产率作为决定经济持续增长的关键因素，出口是否通过以上四个效应促进了我国全要素生产率的发展？为了探讨这一问题，本文以出口内生增长模型为基础，对我国出口与全要素生产率增长进行实证研究。由于技术和知识的空间依赖性以及出口的溢出效应，本文将运用空间杜宾模型（SDM）进行分析，使得模型构建和实证结果更加符合实际，从而为我国经济持续健康地发展提供一定的理论指导。

二、理论模型和数据描述（一）出口内生模型在经济增长理论模型内生化的历程中，新古典增长模型中的那些决定最终产品产量的自变量，在新的经济增长模型中几乎都被内生化了。基于出口贸易将通过出口学习效应、出口溢出效应、出口规模效应和出口竞争效应促进经济增长，一些学者开始考虑将出口内生化。AndrewLevin和Raut（1997）提出了出口内生增长模型：-<20-

《国际贸易问题》<2013年第5期经贸论坛（1）其中，是i地区t时期的国内生产总值（GDP）；是i地区t时期的劳动力；是i地区t时期的资本存量；是i地区t时期的全要素生产率；是i地区t时期的出口额；是i地区t时期的出口占GDP的比重，即出口依存度；是出口依存度的弹性系数，反映了出口部门的生产率优势；是出口额对全要素生产率的弹性，即出口部门对非出口部门的全要素生产率产生的外部效应；是i地区t时期的其他影响全要素生产率的外部因素。由于当z较小，，所以，将全要素生产率的表达式取自然对数，我们可以得到如下形式的出口内生增长模型：（<2）为了检验我国出口与全要素生产率增长的关系，本文基于以上AndrewLevin和Raut（1997）提出的出口内生增长模型，

并结合现有研究认为全要素生产率的提高基于自主创新和引进技术，建立以下回归方程：（3）其中，代表i省市t时期的全要素生产率，代表i省市t时期的出口额，代表i省市t时期的出口依存度，代表i省市t时期的人力资本，代表i 省市t时期的研发水平，代表i省市t时期的外商直接投资。（二）空间杜宾模型空间计量经济学是经济学学科的一个新兴分支，研究的是如何在横截面数据和面板数据的回归模型中处理空间相互作用（空间自相关）和空间结构（空间不均匀性）结构分析。近十几年，空间计量模型应用于社会科学很多领域，尤其是在应用经济领域的运用呈现出爆炸的态势，成为计量经济理论中一大亮点。比较常见的空间计量模型有空间滞后模型（SAR）、空间误差模型（SEM）、空间杜宾模型（SDM）。其中，空间杜宾模型不仅考虑了因变量的空间相关性，还考虑了自变量的空间相关性，即因变量不仅受到本地区自变量的影响，还受到其他地区自变量和因变量的影响。其基本形式为：（4）-<21-

经贸论坛《国际贸易问题》<2013年第5期其中，Wy是因变量的空间滞后项，WX是自变量的空间滞后项。鉴于技术和知识的空间依赖性以及出口的溢出效应，本文将采用空间杜宾模型，具体表述如下：（5）一一一一一一一一一一其中，W 代表空间权重矩阵，代表因变量全要素生产率的空间滞后一一一一一一一项，代表自变量出口额的空间滞后项，代表自变量出口依存度的一一一一一一一一一一空间滞后项，代表自变量人力资本的空间滞后项，代表自变量一一一一一一一研发水平的空间滞后项，代表自变量外商直接投资的空间滞后项。在不考虑空间滞后项的时候，回归系数可以反映自变量对因变量的影响，但是在存在空间滞后项的情况下，回归系数不再反映自变量对因变量的影响，这种影响的表述将变得非常复杂。Lesage、Pace（<2008）提出了直接效应、间接效应和总效应等概念，用来反映自变量对因变量的影响。直接效应表示x对本地区y造成的平均影响，间接效应表示x对其他地区y造成的平均影响，总效应表示x对所有地区造成的

平均影响。将空间杜宾模型用以下形式表示：（6）（7）其中，，写成矩阵形式为：（8）（9），表示x对本地区y造成的平均影响，即直接效应，数值为矩阵中对角线元素的平均值，记为：-<2<2-

《国际贸易问题》<2013年第5期经贸论坛，表示x对其他地区y造成的平均影响，即间接效应，数值为矩阵中非对角线元素的平均值，也是总效应减去直接效应的差值，记为：总效应为矩阵中所有元素的平均值，记为：。（三）数据描述1.国内生产总值Y。为了摒除价格的影响，采用各省的实际国内生产总值（GDP 指数），<2003-<2010年的GDP指数（上年=100）数据来自《中国统计年鉴》，<200<2年的GDP指数（1978=100）数据来自《中国国内生产总值核算历史资料195<2-<2004》，然后根据环比指数相乘等于同比指数的性质，用<200<2年的GDP 指数（1978=100）依次与<2003-<2010的GDP指数（上年=100）相乘，换算为以1978年不变价的国内生产总值。<2.劳动力L。各省<200<2-<2010年的劳动力数据来自《中国统计年鉴》和一些地方统计年鉴的就业人员的数据。3.资本存量K。各省<200<2-<2010年的资本存量数据本文根据永续盘存法进行测算，具体的计算公式如下：（10）其中i是第i个省区，t是第t年，和分别是第i个省区第t+1年和第t年的资本存量，是第i个省区第t年资本存量的折旧率，是第i个省区t+1年的名义总投资，是第i个省区t+1年的固定资产投资价格指数（1978年=100），则是第i个省区t+1年的实际总投资。从公式可以看出，在利用永续存盘法估算资本存量时，需要考虑以下四个方面的内容：（1）初始年份的资本存量的数据；（<2）每一年的名义总投资的数据；（3）经济折旧率的数据；（4）每一年的固定资产投资价格指数的数据。初始年份（1978年）的资本存量根据Hall 和Jones（1998）使用的公式/（g+δ）进行计算；名义总投资用固定资本形成总额来表示；经济折旧率则参考张军（<2004）计算的9.6%；固定资产投资价格指数可从《中国统计年鉴》上获得，由于得到的数据采用的是上一年=100的指

数，本文还将根据环比指数相乘等于同比指数的方法进行处理统一转换成以1978年=100的固定资产投资价格指数。4.人力资本HR。各省<200<2-<2010年的人力资本数据采用教育年限法，参考彭-<23-

经贸论坛《国际贸易问题》<2013年第5期国华（<2005）的做法，从国研网数据中心得到“分地区全国就业人员受教育程度构成”的数据，其中受教育程度构成分成：未上过学、小学、初中、高中、大专及以上（大学专科、大学本科、研究生及以上）。平均受教育年数分别定为1.5、6、3、3、3.5年，运用以下公式计算平均受教育年限：劳动力平均接受教育年数=未上过学的就业人口比重*1.5十接受小学教育的就业人口比重*7.5+接受初中教育的就业人口比重*10.5+接受高中教育的就业人口比重*l3.5+接受大专及以上教育的就业人口比重*17（11）把各年份平均接受教育年数转换成人力资本存量时，需要知道各个接受教育阶段的回报率。按照彭国华(<2005)采用的做法，设回报率(E)为分段线性函数，教育年数在0-6年之间时的教育回报率为0.18，6-1<2年之间为0.134，1<2年以上为0.151。如果受教育年数平均为1<2.5，则人均人力资本的计算方法就为Lnh=0.18*6十0.134*6+0.151*0.5=1.96。最后就可以利用公式H=exp(Lnh)*L计算出人力资本。5.出口总额X。各省<200<2-<2010年的出口总额数据来自《中国统计年鉴》和一些地方统计年鉴的各地区按经营单位所在地分货物出口总额。然后用各年的平均货币汇率转换为人民币，再用以1978年为基期的居民消费价格指数进行平减，换算为以1978年不变价的出口总额。6.研发水平RD。各省<200<2-<2010年的研发水平数据来自《中国科技统计年鉴》的研发经费支出，用以1978年为基期的居民消费价格指数进行平减，换算为以1978年不变价的研发经费支出。7.外商直接投资FDI。各省<200<2-<2010年的外商直接投资数据来自《中国统计年鉴》和一些地方统计年鉴的实际利用外商直接投资金额。然后用各年的平均货币汇率转换为人民币，再用以1978年为基期的居民

消费价格指数进行平减，换算为以1978年不变价的外商直接投资额。8.出口依存度XG。各省<200<2-<2010年的出口依存度是用各省的出口额占GDP的比重来表示。9.全要素生产率TFP。用基于数据包络分析（DEA）的Malmquist指数法进行测算，用该方法涉及的投入要素为劳动力和资本，产出为国内生产总值。本文采用以产出导向的CRS模型测算的Malmquist指数值，为了避免在选择生产技术参照时随意性，选用两个时期的Malmquist指数的几何平均值作为Malmquist 指数值。即：（1<2）其中，为t时期的产出距离函数。对，有，当且仅当位于生产技术的前沿，。-<24-

《国际贸易问题》<2013年第5期经贸论坛三、实证分析（一）面板数据回归由于本文选取的数据是<200<2-<2010年中国各省区的数据，T=9，n=31，属于短面板数据，因此不需要进行单位根检验和协整检验。但是要进行模型的选择，主要涉及使用混合OLS模型、固定效应模型还是随机效应模型，通过F统计量检验、LM检验和Hausman检验，本文选定了个体固定效应模型。下面，根据收集和估算的数据，进行面板数据回归，本文使用国际上比较通用的Stata（11.1）软件进行操作。回归结果见表表1面板数据模型回归结果1。从表1面板数据模型的回归结果看，出口额对变量回归系数标准差全要素生产率增长的影响在5%的水平上是显著的，lnx0.036**0.014这与我们的理论分析一致，认为出口贸易将通过出xg-0.0<280.059口学习效应、出口溢出效应、出口规模效应和出口lnhr-0.<230***0.053竞争效应促进全要素生产率的增长。外贸依存度在lnrd0.0160.014统计上不显著，不能促进全要素生产率的发展。人lnfdi0.0110.008力资本在1%水平上是显著的，但是对全要素生产率常数1.418***0.4<25的增长是起着阻碍作用，说明我国人力资本的总体R-squared0.435素质还有待提高，国家应该加大对教育的投入。研发水平在统计上是不显著的，不能促进全要素生产率的发展。外商直接投资在统计上是不显

著的，这主要是因为外资企业往往掌握着一个企业的核心技术，致使知识溢出效应不明显，无法促进我国全要素生产率的增长。（二）空间计量分析1.空间自相关性检验一般认为，一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的，这种现象被称为空间自相关性或空间依赖性。为了检验这种空间自相关性，使用最多的方法是Moran'sI，它是检验观测值和其空间滞后项之间的线性相关程度。计算公式如下：（13）其中，n是研究地区总数；是空间权重矩阵；和分别是地区i和地区j的属性值；是属性的平均值；是属性的方差。Moran'sI的数值介于-1和1之间。等于0，表示没有空间相关性；大于0，表示有正的空间相关性，表明有相似的属性集聚在一起；小于0，表示有负的空间相关性，表明具有相异的属性集聚在一起。-<25-

经贸论坛《国际贸易问题》<2013年第5期当然，要对Moran'sI的显著性进行检验，原假设：没有空间自相关。相应的检验统计量如下：（14）其中，E(I)为均值，Var(I)为方差。当Z值拒绝表<2MoranI检验结果原假设，表示有空间自相关。MoranI检验本文的Moran'sI检验结果见表<2。MoranI0.110从表<2的检验结果可以看出，P值为0.005，说MoranI统计值<2.79<2明MoranI 非常显著，拒绝原假设，而且MoranI=0.110>0，因此，我国的全要素生产率增长存在着正P值0.005的空间自相关性，说明运用空间计量模型进行回归平均数-0.008将更加适合。标准差0.04<2<2.空间权重矩阵在空间回归分析中，地理空间的相互影响可用空间相关来描述。在度量空间相关时，还需要解决地理空间结构的数学表达，定义空间对象的相互邻接关系。因此，空间计量经济学中引入了空间权重矩阵，来解决空间的相互关系。空间权重矩阵的选取有基于邻接性和基于距离两种，由于本文采用的数据来自我国31个省市，每个省市之间基本都有共同表3空间杜宾模型回归结果的边界，因此，将采用基于邻接性的方法构变

量回归系数t统计值P值建空间权重矩阵。lnx0.0030.<2100.834首先，在Geoda 软件中根据中国地图将31个省市采用车邻接（RookContiguity）方式xg-0.015-0.<2310.817创建空间权重矩阵，生成的空间权重矩阵是lnhr-0.333***-6.0670.000后缀为.gal的格式，为一个31×31的0-1矩lnrd-0.049**-<2.4160.016阵，对角线都是0，邻接元素为1，由于海南岛是岛屿，没有相邻省份，考虑到它和广东lnfdi0.0060.8<270.408经济联系密切，令其与广东邻接。在空间计W*lnx0.045**<2.0<230.043量的分析过程中，我们需要将空间权重矩阵W*xg-0.014-0.1590.874进行标准化变换，使行之和等于1。W*lnhr0.13<21.44<20.149由于Geoda软件无法进行空间杜宾模型的操作，因此需要将相关的数据和空间权重W*lnrd0.055**<2.0160.044矩阵导入到Matlab （R<2009a）中进行操作。W*lnfdi0.0010.0990.9<213.空间杜宾模型的回归结果W*lntfp0.166**<2.1180.034本文基于技术和知识的空间依赖性以及出口的溢出效应，选择了空间杜宾模型。使R-squared0.500用Matlab（R<2009a）进行回归操作，回归结log-likelihood455.955果见表3。-<26-

《国际贸易问题》<2013年第5期经贸论坛从回归结果可以看出，空间杜宾模型的表4空间杜宾模型的直接效<2R=0.500相比面板数据模型有所提高，说明空益、间接效应和总效应间杜宾模型的拟合优度有所增强，而且出口直接效应系数t统计值P值额、研发水平和全要素生产率的空间滞后项都lnx0.0050.3130.756是显著的。xg-0.016-0.<2360.815空间计量模型的回归系数并不能反映自变量对因变量的影响，要通过直接效应、间接效lnhr-0.3<28***-6.1030.000应和总效应来反映。lnrd-0.046**-<2.3510.0<25从表4可以看出，在空间杜宾模型直接效lnfdi0.0060.7990.430应中，相比面板数据模型，出口额对全要素生间接效应系数t统计值P值产率增长的影响不再显著了，这个结论与徐旸慜（<2009）的研究相一致，认为我国还是按照

lnx0.053**<2.<2100.035传统的比较优势进行分工，出口的产品多为附xg-0.0<21-0.<2160.830加值低的劳动密集型产品，这种出口方式不仅lnhr0.0930.9000.375抑制了当地产业结构的升级换代，还强化了比lnrd0.053*1.7500.090较优势的存在，从而陷进Grossman和Helpman所说的较低技术进步增长率的传统部门；出口lnfdi0.0030.<2<200.8<27依存度和外商直接投资依然还是不显著；人力总效应系数t统计值P值资本依然是显著的，空间杜宾模型的直接效应lnx0.059**<2.60<20.014比起面板数据模型的系数更小，说明面板数据xg-0.037-0.3980.694模型因为没有考虑空间溢出效应而高估了人力资本的直接效应；在空间杜宾模型直接效应中lnhr-0.<235**-<2.0740.046的研发水平变显著了，但影响为负，说明本地lnrd0.0070.<2440.809区的研发水平对本地区的全要素生产率增长有lnfdi0.0090.5850.563阻碍作用。在空间杜宾模型的间接效应中，出口额在5%水平上是显著的，说明出口额对其他地区的全要素生产率增长产生了促进作用；除了研发水平，外贸依存度、人力资本和外商直接投资的间接效应都不显著，说明我国整体的知识技术溢出效应并不明显。在空间杜宾模型的总效应中，出口额在5%水平上是显著的，说明出口额对所有地区的全要素生产率增长有促进作用，这与我们的理论分析相一致，认为出口贸易会通过出口学习效应、出口溢出效应、出口规模效应和出口竞争效应促进全要素生产率的增长；人力资本在5%水平上是显著的，但是对全要素生产率的增长产生了阻碍作用，说明我国的人口素质还有待提高，只有进一步加大教育投入，我国的人力资本才能真正地有助于全要素生产率的发展。总而言之，空间杜宾模型的回归结果表明出口额对本地区的全要素生产率增长没有显著的影响，但对其他地区的全要素生产率增长产生了促进作用，对所有地区的全要素生产率增长也有促进作用。不同的全要素生产率增长水平，出口对其的影-<27-

经贸论坛《国际贸易问题》<2013年第5期响是不一样的，为了更加精确地

分析出口与我国全要素生产率增长的关系，本文接下去将采用面板数据分位数回归做进一步的探讨。（三）面板数据分位数回归分位数回归（QuantileRegression）最早由Koenker和Bassett于1978年提出，它能精确地描述自变量对于因变量的变化范围以及条件分布形状的影响。分位数回归是通过使加权误差绝对值之和最小得到参数的估计，因此估计量不容易受到异常值的影响，从而估计更加稳健。Koenker（<2004）将分位数回归应用到面板数据模型的参数估计中，提出面板数据分位数回归的函数形式如下：（15）对参数的估计则要求解下述最小化问题：（16）面板数据分位数回归是对面板数据模型采用分位数回归的方法进行参数估计。通过将分位数回归和面板数据模型相结合对变量之间的关系进行研究，可以更好地在控制个体差异的基础上分析因变量条件分布的不同分位点上变量之间的关系（李群峰，<2011；齐晓丽等，<2010）。本文采用Eviews6.0进行面板数据分位数回归，由于固定效应模型对于不同的截面或不同的时间序列，模型的截距是不同的，则采用在模型中加虚拟变量的方法进行参数估计。选取的分位点分别为0.1、0.<25、0.5、0.75、0.9，估计结果见表5。图1分位数回归系数折线图-<28-

《国际贸易问题》<2013年第5期经贸论坛从表5面板数据分位数回归结果可表5面板数据分位数回归结果以看出，在分位点较低或较高点，出口变量分位点回归系数标准差T统计量P值额对全要素生产率增长的影响都是不显lnx0.1000.0110.0140.7970.4<26著的，只有在中间部位0.<25和0.5分位点0.<2500.0<20***0.007<2.94<20.004时，出口额对全要素生产率增长是有显0.5000.016**0.007<2.4550.015著的影响，而且出口额的回归系数随着分位点的提高呈现“倒U型”（如图1所0.7500.0060.0070.8860.377示）。这说明当全要素生产率较低时，由0.9000.0030.0150.<2<210.8<26于吸收能力较弱，出口贸易带来的各种xg0.1000.0<210.0360.59<20.554效应没有产生显著的影响；当

全要素生0.<250-0.035**0.018-1.9970.047产率较高时，由于我国的出口贸易方式0.500-0.053***0.019-<2.8490.005还是“粗放型”，产品以劳动密集型为主，附加值低，对全要素生产率的影响0.750-0.0<290.0<27-1.0830.<280也不显著；只有当全要素生产率大小与0.900-0.0150.038-0.3910.696出口贸易方式相匹配时，出口贸易才会lnhr0.100-0.0<2<2***0.008-<2.9000.004对全要素生产率增长产生显著的促进作0.<250-0.036***0.008-4.3890.000用。

0.500-0.044***0.006-7.1890.000外贸依存度也只有在中间部位0.<25和0.5分位点时对全要素生产率增长产生显著0.750-0.0<24**0.010-<2.5610.011的影响，但是影响是负的，而且回归系0.900-0.0<260.017-1.5400.1<25数随着分位点的提高呈现“U型”。这表lnrd0.1000.0050.0080.6540.513明我国加强各地区对外开放的政策对全0.<2500.0070.0061.0800.<281要素生产率增长反而起了阻碍作用，这0.5000.0090.007主要因为我国的经济水平还欠发达，关1.<2870.199兵（<2010a）提出了“门槛”效应，认为0.7500.0080.0090.90100.364当只有在经济较发达的国家或地区，对外0.9000.0010.01<20.0580.954开放对经济增长才有明显的作用，这就相lnfdi0.100-0.0060.010-0.6<230.534当于一个经济发展的“门槛”。0.<2500.0000.0100.0380.970人力资本只有在高分位点0.9时对全要素生产率的增长没有显著的影响。在0.5000.016***0.006<2.65<20.009其他分位点都产生了显著的影响，但影0.7500.008*0.0051.8310.068响是负的，而且回归系数随着分位点的0.9000.017**0.008<2.<2350.0<26提高呈现“U型”。同时，研发水平在各分位点对全要素生产率的增长都没有显著的影响。这说明我国的人力资本和研发水平都较为薄弱，对全要素生产率增长产生了阻碍作用，我国应该加大教育和科研投入，增强我国的吸收能力。外商直接投资在0.5分位点以下时对全要素生产率增长没有显著的影响，在0.5分位点以上时产生了显著的促进作用，且随着分位点提高影响更大。这表明外商直-<29-

经贸论坛《国际贸易问题》<2013年第5期接投资对全要素生产率的影响在很大程度上取决于一个国家的吸收能力，当全要素生产率较低时，吸收能力较弱，外商直接投资对全要素生产率没有产生显著的影响；当全要素生产率较高时，吸收能力较强，外商直接投资对全要素生产率产生了显著的影响。相比面板数据模型的最小二乘回归，面板数据分位数的回归结果提供了更为丰富的信息，还使得各参数估计值显著性更高，回归结果更加稳健和精确。四、结论本文考虑技术和知识的空间依赖性以及出口的溢出效应，运用空间杜宾模型对出口与我国全要素生产率增长的关系进行了分析，并运用了面板数据分位数回归方法更加精确地分析了两者的关系。本文主要的结论如下：1.我国的全要素生产率增长存在着正的空间自相关性，相比面板数据模型，空间杜宾模型的拟合优度有所增强；<2.运用空间杜宾模型进行回归，结果发现出口额对本地区的全要素生产率增长没有显著的影响，但对其他地区的全要素生产率增长产生了促进作用，对所有地区的全要素生产率增长也有促进作用；3.运用面板数据分位数回归方法，结果发现当全要素生产率较低时，由于吸收能力较弱，出口贸易带来的各种效应没有产生显著的影响；当全要素生产率较高时，由于我国的出口贸易方式还是“粗放型”，产品以劳动密集型为主，附加值低，对全要素生产率的影响也不显著；只有当全要素生产率大小与出口贸易方式相匹配时，出口贸易才会对全要素生产率增长产生显著的促进作用。[参考文献]关兵，（<2010）“出口地理方向与我国全要素生产率增长——基于中国省际面板数据的实证分析，”《国际贸易问题》第11期。——，（<2010）“出口贸易与全要素生产率增长的动态效应分析——基于中国省际面板数据的角度，”《国际商务——对外经济贸易大学学报》第6期。李春顶、唐丁祥，（<2010）“出口与企业生产率：新-新贸易理论下的我国数据检验（1997-<2006年），”《国际贸易问题》第9期。彭国华，（<2005）“中国地区收入差距、全要素生产率及其收敛分析，”《经济研究》第9期。徐旸慜，（<2009）

“中国省域全要素生产率增长的空间邻居效应，”《科技和产业》第9期。张军、吴桂英、张吉鹏，（<2004）“中国省际物质资本存量估算：195<2-<2000，”《经济研究》第10期。?2?痴牥种剡扥牴?虑?剩捡牤??2???灥稬（????）“??灯牴楮?虑?健牦潲浡闵攺??楤敮捥晲潭?2?楬敡?偬虑瑳?”?2?湡摩虑??畲湡?潦??潮潭楣????????????????敮獯测?虑??敳瑰桡氩??（????）“?散杯潬潧楣慬?2?虑来虑??散杯潬潧??却牡瑥杹”??湤扯潫潦??症氭溃浥湴??潮潭楣????浳瑥牤慭??潲瑨一??汬虑搩???湫????（????）“?牡摥虑???瑥牮慴楯湡?刦?印楬汯症牳慭潮?佅?2??2?畮瑲楥猬”??????2????????2潳獭虑????虑?????汰浡测（????2）“??挚来汤畳??2滗瑨?牡摥???滗汥摧?印楬汯症??虑???2滗瑨?”??????2????????癞测?2?虑?????剡畴??（????）“?2?浰汥浥湴?物莹敳扥瑷敥???灯牴?虑???浡??2?滟瑡?楮??潮潭楣-30-

《国际贸易问题》<2013年第5期经贸论坛??2滗瑨??癞摥闵?晲潭瑨?穥?卥浩??湤畳瑲楡汩?2?畮瑲楥猬”????????汩瑺??????（????）“周???灡捴潦?牡摥潮??瑲愭??摵獴特剥慬汯捡?楯湳虑??2?杲敧慴???摵獴特偲润畣琭楶楴??”???????????2?偡扪??虑???偡来??（????）“硰潲瑳?2?捵浵污莹潮??虑???2滗瑨楮瑨???杨健牦潲浩涌?2?楡???潮潭楥猬”?2?牮敧楥副舍敳瑥??2?湦敲敮捥卥物敳潮侦扬楣偯汩捹???????????（责任编辑蒋荣兵）RelationshipbetweenExportandTotalFactorProductivityGrowthinChina:AStu dyBasedonSpatialDurbinModel奅??涌??略??2???楮??2?獴牡捴??2?湳楤敲楮?瑨?狞慴楡?摥灥湤敮捥潦瑥舍汤汯杹虑?歮滗汥摧?悭睥汬悭数灯牴狞楬汯症牳?虑?扡獥?潮瑨?数灯牴敮挚来汤畳杲滗瑨浯摥氩瑨楳灡灥?捯湳瑲畣瑳?狞慴楡???2牢楮浯摥?琅虑慬祺?瑨?牥污莹潮独楰扥瑷敥?数灯牴虑?琅瑡?晡捴潲灲润畣莹癞瑹杲滗瑨楮?2?楮愮周?敭滟物捡?牥猎汴?楮摩?捡瑥汤獩杮楦楣虑?业灡捴潦数灯牴潮汯捡?琅瑡?晡捴潲灲润畣莹癞瑹杲滗瑨?睨楬?猎杧敳莹涌虑敮

桡闵楮?晥捴敦潦数灯牴潮琅瑡?晡捴潲灲润畣莹癞瑹杲滗瑨潦扯瑨潴桥?牥杩潮?虑?慬?牥杩潮?悭?睨潬攮??潲摥?琅楮狞散?瑨?牥污莹潮独楰浯牥灲散楳敬??瑨楳灡灥?摲慷?潮瑨?浥瑨润潦煵虑莹汥牥杲敳?獩潮景?灡湥?摡瑡??2?瑨?牥猎汴?猎杧敳琬痴物潵?数灯牴瑲悫?晥捴?敦慲?汤?獩杮楦楣虑?睨敮瑨?琅瑡?晡捴潲灲润畣莹癞瑹楳汯??悭?2?楮?’?瑥舍汤汯杹慢?獯牰莹潮捡灡捩瑹楳獭慬氻獩闵??2?楮?’?数灯牴瑲悫?浯摥楳数瑥湳楶?牡瑨敲瑨虑楮瑥湳楶揽瑨?数灯牴瑲悫?挚敳汤?獩杮楦楣虑瑬?晥捴慦瑨?琅瑡?晡捴潲灲??摵捴楶楴敩瑨敲睨敮瑨?琅瑡?晡捴潲灲润畣莹癞瑹楳桩杨?潮汹睨敮瑨?琅瑡?晡捴潲灲润畣莹癞瑹浡琐桥?瑨?数灯牴瑲悫?浯摥挚敳数灯牴瑲悫?灲潭潴?瑨?琅瑡?晡捴潲灲润畣莹癞瑹?浡牫敤汹Keywords???灯牴瑲悫攻?潴慬晡捴潲灲润畣莹癞瑹?印慴楡???2牢楮浯摥氻兵虑莹汥牥杲敳獩潮-31-

利用STATA创建空间权重矩阵及空间杜宾模型计算命令

** 创建空间权重矩阵介绍 *设置默认路径 cd C:\Users\xiubo\Desktop\F182013.v4\F101994\sheng **创建新文件 *shp2dta:reads a shape (.shp) and dbase (.dbf) file from disk and converts them into Stata datasets. *shp2dta:读取CHN_adm1文件 *CHN_adm1：为已有的地图文件 *database (chinaprovince)：表示创建一个名称为“chinaprovince”的dBase数据集 *database(filename)：Specifies filename of new dBase dataset *coordinates(coord)：创建一个名称为“coord”的坐标系数据集 *coordinates(filename)：Specifies filename of new coordinates dataset *gencentroids(stub)：Creates centroid variables *genid(newvarname)：Creates unique id variable for database.dta shp2dta using CHN_adm1,database (chinaprovince) coordinates(coord) genid(id) gencentroids(c) **绘制2016年中國GDP分布圖 *spmap:Visualization of spatial data *clnumber(#):number of classes *id(idvar):base map polygon identifier(识别符，声明变量名，一般以字母或下划线开头，包含数字、字母、下划线) *_2016GDP：变量 *coord:之前创建的坐标系数据集 spmap _2016GDP using coord, id(id) clnumber(5) *更改变量名 rename x_c longitude rename y_c latitude **生成距离矩阵 *spmat:用于定义与管理空间权重矩阵 *Spatial-weighting matrices are stored in spatial-weighting matrix objects (spmat objects). *spmat objects contain additional information about the data used in constructing spatial-weighting matrices. *spmat objects are used in fitting spatial models; see spreg (if installed) and spivreg (if installed). *idistance:(产生距离矩阵)create an spmat object containing an inverse-distance matrix W *或contiguity:create an spmat object containing a contiguity matrix W *idistance_jingdu:命名名称为“idistance_jingdu”的距離矩陣 *longitude:使用经度 *latitude:使用纬度 *id(id):使用id

关于索洛残差法计算全要素生产率的再思考

关于索洛残差法计算全要素生产率的再思考 摘要：本文认为索洛提出的残差法在计算全要素生产率在理论上虽然具有可行性，但是在具体操作中存在科学性的问题。笔者对中国1952-2004部分省市的面板数据，利用索洛残差法计算了全要素生产率，对结果进行了分析和平稳性检验并论证了该方法计算的结果不具可信度，并对其可能的原因进行了分析。 关键词：全要素生产率（TFP）索洛残差经济增长 一、对索洛残差法和中国全要素生产率的思考 易纲、樊纲、李岩指出，索洛的主要的理论缺陷来源于以资本存量代替资本服务。这样难以对资本进行准确的估算，另外在实际中资本往往有一部分处于闲置状态，而新旧资本的使用效率也不一样，因此会高估全要素生产率。笔者却认为不仅如此，运用索洛残差法估算全要素生率的可行性值得商榷，因为该方法实质是求残差，而具体使用时又往往是通过计量的方法获得资本和劳动的产出弹性，这里面本身已经存在一个计量的随机误差项，如此计算出来的全要素生产率缺乏准确性，如果回归样本数过小，其计算数值根本不具有代表性。 克鲁格曼认为，如果用全要素生产率来衡量技术进步的话，亚洲各国的技术进步几乎为零。而近年来的实证研究也越来越多倾向于中国的全要素生产率过低，我国的经济几乎完全依赖资本的投入。笔者当然同意这种现状的存在的确可以部分解释计量全要素生产率结果过低。本文将采用索洛残差的一般方法，根据面板数据，来试图构建一个关于经济增长的大样本回归，以此测算我国及各省各区域的全要素生产率，通过分析实证结果证明索洛方法的应用性值得商榷。 二、模型和测算 笔者采用索洛模型 在数据上，笔者采集了1952-2004年的GDP，L，K。由于我们更多地关注1978年之后的生产函数形式，从1952起至1978，每隔3年取一次数据，在回归时将他们与1978年之后的数据视为连续数据，这样就相当于加大了1978年之后

全要素生产率的概念界定和内涵

1.全要素生产率的概念界定和内涵（金融发展对中国全要素生产率增长的影响：作用机制 与实证分析，周杰琦） 目前学界对于全要素生产率概念的界定仍未达成共识，全要素生产率是个内涵和外延模 糊的概念（郑玉歆，1999）。全要素生产率概念的界定对于本文后续理论分析以及实证研究都尤为重要。荷兰学者Tibergen（1942）将时间因素引入到柯布一道格拉斯生产函数中，开创性提出全要素生产率的概念。全要素生产率引起学界的广泛关注最早起源于Solow（1957）开创性的研究工作，其目前已成为分析经济增长源泉以及评价经济增长质量的重要指标。按照Solow 经济增长理论，全要素生产率是指，各种生产投入要素(如资本、劳动投入、 能源、自然资源等)贡献之外的、由技术进步、技术效率、管理创新、社会经济制度等因素所导致的产出增加。在此意义上，全要素生产率也称为Solow 剩余。全要素生产率变动被解释为生产函数的整体移动，而要素投入变化则指要素投入沿着生产函数本身的移动。在新古典经济增长理论中，全要素生产率被解释是外生的技术进步，因此，技术进步独立于经济体的其他任何变量而产生。有的学者认为，Solow 剩余“测量了我们在经济增长源泉中无法全部解释和分析的因素”，它不仅包含：依赖创新推动的技术进步、通过模仿学习获得的技术进步以及技术效率提升，还包含了一系列未知的复杂因素，如数据测量误差、模型变量遗漏、模型设定偏误、经济周期波动的干扰等。然而，Jorgerson 和Griliches(1967)却认为，Solow剩余不过是投入要素不恰当测量所造成的结果，如果投入要素被正确测量，Solow 剩余则不复存在。由上可见，即便从索洛剩余的角度来界定全要素生产率，学术界对全要素生产率的内涵和外延也未能形成一致的认识。这种局面容易导致有关全要素生产率的研究出现混乱，甚至妨碍该研究领域的深入向前发展。 以中国情况为例，目前，由于概念定义、数据处理以及研究方法的不同，国内外研究对 中国全要素生产率平均增长率的测算结果存在较大分歧，比如，Young(2003)测算的结果为1.4%，Chow (2002) 测算的结果为2.68%，郭庆旺等(2005)测算的结果为0.891%。不过，绝大多数研究都认为，全要素生产率增长率对经济增长的贡献率相对较低，表明中国经济是典型的粗放型增长，因此，提高全要素生产率对经济增长的贡献率是中国未来经济发展的一个重要战略选择。为了使本文后续对全要素生产率的估计结果与其它研究更具可比性、允许采用多种方法估测全要素生产率、以及后面的实证结果能够得到清楚的解释，在本文研究中，笔者对全要素生产率的概念及其内涵做出更为全面而广泛的解释。笔者分析的全要素生产率是指：刨除了资本、劳动、土地、能源、原材料等要素投入的贡献和作用之外，其它所有可以促进经济增长的因素的有机综合体。本文所指的全要素生产率不仅包括Solow 经济增长理论假定的非体现的、能提高生产效率的技术进步（如创新的管理和组织方法、研究开发投入、创新活动、政策法律等），还包含了与资本质量提高、劳动者素质改进紧密联系的体现式的技术进步（如投资先进的现代化设备、教育进步所引起的劳动者素质提高）。按照体现型技术的理论，技术进步可以体现在要素投入质量上的改进。就资本投入而言，体现型的技术进步意味着，资本设备在设计、质量和功效方面的改善。对劳动投入而言，体现型的技术进步意味着，劳动者教育水平的提高及知识技能的改进。此外，随机因素和数据测量误差也包括在全要素生产率当中。 从全要素生产率增长来源的类别来看，全要素生产率的变动可以进一步分解为技术进步变化率、技术效率变动率、资源配置效率、规模效率变化等等。技术进步变化率不能完全表示全要素生产率的变动，从经济学意义来看，技术进步主要是指新的知识和技能、新生产工艺、新采用的设备或改进的旧设备、研究开发以及新组织管理框架等在经济生产活动中得到广泛应用，进而引起人们劳动生产率、经济活动水平的提高。技术效率变动率也不能完全代表全要素生产率的变动。技术效率刻画了生产中现有技术的使用状况，Farrell(1957)首先提出了技术效率的估测方法，Farrell(1957)的技术效率是指在给出一定要素投入下，某企业的实际

【计量】空间杜宾模型代码

空间杜宾模型stata代码 clear all cd "F:\stata14\ado\mydo\agglo" **调入权重矩阵 use Wqiantaoinver.dta, clear keep s* save "W2.dta" ,replace **矩阵转换为stata应用格式 spatwmat using W2, name(W)standardize matrix list W ***调入数据 use data11.21.dta, clear *对数生成 gen lnii=ln(ii) gen lnp=ln(p) gen lna=ln(a) gen lnt=ln(t) gen lnc=ln(c) *设定面板数据格式 xtset id year **变量描述性统计 local x " ii c p a t" //5个变量 tabstat `x', s(mean sd min p25 p50 p75 max) /// format(%6.4f) c(s) *****(2)estimation ****SDM estimation（个体固定ind） //Spatial Durbin model (SDM) xsmle lnii lnc lnp lna lnt, wmat(W) model(sdm) fe type(ind) nsim(500) nolog effects est store M_sptial //不要加入c三次方lna_2,使用第三产业，加入c_lng交乘项 estat ic //AIC BIC test //Spatial Durbin model （时间固定time） xsmle lnii lnc lnp lna lnt, wmat(W) model(sdm) fe type(time) nsim(500) nolog effects est store M_time estat ic //Spatial Durbin model（双固定，both） xsmle lnii lnc lnp lna lnt , wmat(W) model(sdm) fe type(both) nsim(500) nolog effects est store M_both estat ic **结果汇总列表显示 local m "M_sptial M_time M_both" esttab `m', mtitle(`m') nogap s(r2 ll aic bic N ) ///

全要素说生产率

编辑本段全要素生产率的概念 全要素生产率 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 编辑本段概述 经济学角度 全要素生产率 全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。

50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 全要素生产率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等 导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要

如何用DEAP进行全要素生产率分析

一、软件的具体操作 1.建一个文件夹，里面必须有四个文件(Dblank；deap；deap.000；123.dta)前三个文件在一般下载的DEAP Version 2.1中都有，直接复制过来就可以，第四个文件是一个数据文件，一般先在excel中先输入，再复制到一个记事本下就可以，注意在记事本下的数据只有数据，不包括决策单元的名称和投入、产出的名称，并且一定要先放产出，后是投入。例子具体见123电子表格和123记事本。 2.对命令Dblank文件进行修改,修改后保存为12 3.ins文件 3.打开deap软件,运行123.ins 4,回车后自动会有123.out 注意事项：(1) 123.dta；Dblank；123.ins都用记事本打开； (2)数据文件名和命令文件名一定要一样，如例子中都用123 (3)文件夹中一定要包括deap.000文件，如果没有这个文件，打开deap软件，就会出现一闪就没有了的情况。 二，结果的分析 在文件夹中打开123.out，看如下： 1) firm crste vrste scale 1 0.687 1.000 0.687 drs 2 0.814 1.000 0.814 drs 3 0.319 0.709 0.450 drs 4 1.000 1.000 1.000 - 5 1.000 1.000 1.000 - 6 0.336 0.425 0.791 drs 7 0.642 0.648 0.991 irs 8 0.379 0.381 0.994 irs 9 0.702 0.750 0.936 irs 10 1.000 1.000 1.000 - 11 0.304 0.461 0.659 irs 12 0.352 1.000 0.352 irs 13 1.000 1.000 1.000 - 14 0.594 0.929 0.639 irs 15 0.402 1.000 0.402 irs mean 0.635 0.820 0.781 firm：代表例子中的15的样本 crste：技术效率，也叫综合效率 vrste：纯技术效率 scale：规模效率(drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增) crste=vrste×scale 2)

要素投入和全要素生产率对经济增长的影响分析

要素投入和全要素生产率对经济增长的影响分析——重庆现阶段经济增长方式实证研究 在认识经济增长一般规律的基础上，对经济增长阶段做出判断，揭示特定时期的经济增长方式，特别是具有转折意义的特征，是理解经济增长过程，从而形成具有方向性和针对性的政策思路的关键。改革开放以来，重庆市实现了经济的平稳快速发展，GDP年均增长达到10.4%。随着科学发展观对经济增长方式提出新要求，刘易斯转折点的日益临近，人口因素的变化显现出其长期隐藏的经济含义，即通过减少劳动力的供给量，实现经济增长方式由主要依靠增加资本投入和劳动投入转向主要依靠生产率提高。这个正在发生的变化既可以成为推动重庆经济迈向一个新阶梯的催化剂，也可能使重庆经济发展陷入一个均衡陷阱。因此，只有在科学发展观的指导下，正确认识经济增长阶段和经济增长方式，才能最大限度地将其转化为对重庆经济增长的积极因素。本文利用柯布—道格拉斯生产函数模型，并以此作为框架分析重庆经济增长要素贡献及其变化，剖析重庆经济增长阶段及所面临的阶段性变化。 一、柯布-道格拉斯生产函数 生产函数是西方经济学中一个十分重要的概念,按照萨缪尔森的定义,生产函数是“在技术水平既定条件下确定某一组要素投入所能带来的最大产出的关系式”。美国数学家柯布(Charles W.Cobb)与经济学家道格拉斯(Paul Douglas)通过研究1899至1922年美国的资本

与劳动力数量对制造业产量的影响，提出了著名的柯布—道格拉斯生产函数，其形式为 e K AL Y βα= 其中Y 代表产出量, K 代表资本投入量, L 代表劳动投入量，A 、α、β为未知参数。A 表示技术进步对经济增长的影响，系数α和β分别表示劳动和资本对产出的弹性系数。 给与模型规模报酬的约束，即假定1=+βα，则αβ-=1,模型变形为： e K AL Y -1αα= 对该生产函数取对数得: 1)LnK -(1LnL LnA LnY +++=αα 方程两边同除以LnK ，变形得： 1) -(LnL/LnK 1]/LnK 1(LnA [LnY/LnK α+++=） 二、经济变量及参数的确定 （一）经济增长要素 经济增长是指一个国家或地区生产商品和劳务能力的扩大，是一定时期内经济活动的重要结果变量。在实际核算过程中，常以一个国家或地区生产的商品和劳务总量的增加来表示，即以国内或地区生产总值（GDP ）的增长来计算。决定经济增长的因素很多，根据柯布-道格拉斯生产函数，可以分为要素投入和全要素生产率。 1.要素投入 要素投入主要是资本投入和劳动投入。资本投入是在流通过程中

索罗余值法测算全要素生产率的文献综述

第46卷 第8期 2019年8月 天 津 科 技 TIANJIN SCIENCE & TECHNOLOGY V ol.46 No.8Aug. 2019 基金项目：天津市重点招标项目“2017年天津市全要素生产率测算研究”(18ZLZDZF00210)。 收稿日期：2019-07-18 科学与社会 索罗余值法测算全要素生产率的文献综述 孟 媛，张 弛 (天津市科技统计与发展研究中心 天津300051) 摘 要：国内外全要素生产率的测算方法很多，例如索罗余值法、随机前沿法、数据包络法等，其中应用较为普遍的是索罗余值法。通过简要梳理索罗余值法的推导过程，归纳较为普遍的关于该理论的基本假设(即规模效益不变和希克斯中性)的质疑，以及阐述全要素生产率与技术进步的关系，说明全要素生产率衡量技术进步是不完全准确的。关键词：全要素生产率 索罗余值法 技术进步 中图分类号：F204；F224 文献标志码：A 文章编号：1006-8945(2019)08-0094-02 Literature Review on Measurement of Total Factor Productivity by Solow Residual Method MENG Yuan ，ZHANG Chi (Tianjin Science and Technology Statistic Center ，Tianjin 300051，China ) Abstract ：There are many measurement methods of total factor productivity at home and abroad, such as the Solow residual method, stochastic frontier method, data enveloping method and so on. The Solow residual method is widely used. The gen-eral doubts about its basic assumptions (namely, constant scale benefit and Hicks neutral) are summarized by briefly combing the derivation process of the Solow residual method. The relationship between total factor productivity and technical progress is discussed, indicating that the measurement of technical progress by total factor productivity is not completely accurate. Key words ：total factor productivity ；Solow residual method ；technical progress 十九大指出，我国经济已由高速增长阶段转向高质量发展阶段，并提出要提高全要素生产率。关于全要素生产率，国内外学者进行了较多研究，测算方法不一，包括索罗余值法、随机前沿法、数据包络法等，其中索罗余值法的应用范围较为广泛。本文通过文献综述，简要介绍索罗余值法测算全要素生产率的过程，根据其适用的前提条件探讨测算的局限性，进而阐述全要素生产率与技术进步的关系。 1 索罗余值法简介 索罗[1]并不是第一个将生产函数与生产率联系起来的人，早在1942年Tinbergen 就探索过两者之间的关系，但是索罗的开创性贡献在于他在生产函数和指数方法之间建立了较为简洁且实用的理论联系。 索罗余值法是基于柯布-道格拉斯生产函数(即CD 生产函数)得到的，以规模效益不变和希克斯中 性(Hicks neutral )为基本假设前提。规模效益不变指 的是在既定的技术水平下，要素价格不变时，产出增加的比例等于所有投入要素增加的比例。希克斯中性指的是投入要素资本和劳动的边际产出的比率不变。CD 生产函数为： (,)t t t t Q A F K L = (1) 式中：Q t 指的是产出，K t 指的是资本投入，L t 指的是劳动投入，希克斯A t 指的是在资本和劳动投入水平不变时产出增加的部分，即全要素生产率，经常被用以衡量“技术进步”。 上述公式(1)变形，可以得到相对希克斯效率A t /A 0，即Q t /Q 0作分子，生产函数中要素积累的部分F (K t ，L t )/F (K 0，L 0)作分母。但是由于各投入要素的计量单位不同，这样并不能直接得到希克斯效率。 索罗运用非参数指数法，将上述公式变形得到： t t t t t t t t t t t t Q K K L L A Q Q Q K Q K L Q L A ??=++?? (2)

【最新2019】中国“全要素生产率”或降为2.7%word版本 (1页)

【最新2019】中国“全要素生产率”或降为2.7%word版本 本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 中国“全要素生产率”或降为2.7% 中国社会科学院副院长蔡昉10日表示，中国的全要素生产率正在呈现持续下滑态势，并将在“十三五”时期进一步降为2.7%。 图片源自网络 请看相关报道： China should take actions to cope with its falling total factor productivity ( TFP ), a senior expert with a government think tank said Sunday . 1月10日，政府智囊团的一位资深专家表示，中国应采取措施应对全要素生产率下滑态势。 全要素生产率（ total factor productivity ， TFP ），也称总和要素生产率，是各种要素投入水平既定的条件下，所达到的额外生产效率，是分析经济增长源泉的重要因素。经济增长、人均收入和财富水平提高最终要依赖全要素生产率的提高。 中国社会科学院副院长蔡昉在第七届中国经济前瞻论坛上说，在人口红利 （ demographic dividend ）消失以后，中国经济增长要寻找新动力。目前，我国全要素生产率增速呈现下行趋势，他预测全要素生产率“十三五”时期会下降到2.7%。 他指出，要通过四方面措施进行调整：改革户籍制度（ reform household registration system ）；大力推进教育改革，把义务教育扩大到更大范围（ expand compulsory education to more people ），提高劳动力的质量（ increase the quality of labor force ）；解决各个领域的产能过剩（ overcapacity ）问题，进一步降低杠杆率（ leverage ratios ）；创造好的制度条件、政策环境，让企业能够自由进入，并让那些不再有生产力提高潜力和没有竞争力的企业退出（ create a policy environment where promising enterprises can easily enter the market and non - competitive ones are forced to exit ）。

地理溢出视角下我国物流产业全要素生产率分析

地理溢出视角下我国物流产业全要素生产率分析 王霞 内容摘要：物流业是支撑社会经济发展的重要产业，物流业越发达，市场经济便越繁荣，因此物流产业可以被视作经济增长的“润滑剂”和“加速器”，其重要作用引起了我国政府的高度关注。因此，本文基于物流产业的发展现状，通过构建杜宾模型来对我国物流产业全要素生产率进行研究，以期为我国物流产业发展提供针对性建议。结果表明：我国相邻区域之间的物流产业全要素生产率存在正相关关系；中、西部地区的物流产业生产率较低，缺少发达地区为其提供的推动力；人力资本与信息技术对物流产业全要素生产率的影响效果与交通基础设施相比更加显著；我国物流产业生产率存在显著的空间竞争效应。 关键词：物流产业全要素生产率杜宾模型溢出效应 在我国经济增长的过程中，物流产业在我国市场经济中的地位越来越重要。随着物流产业的高速发展，其对环境的影响也愈发显著，在人们的物质需求逐步增强的同时，物流产业对环境能源的消耗也逐渐增大。为了能够解决物流产业发展与环境能源消耗之间的矛盾，对不同地区的物流产业全要素生产率的分析尤为重要。目前，国内外对物流产业全要素生产率已有大量研究，然而这部分研究均采用了传统形式的DEA模型，并没有将外界影响因素及误差纳入考虑范围，这不免导致检验结果出现一定偏差。因此，本文基于物流产业的发展现状，通过建立空间计量模型，以地理溢出效应为研究方向，对我国物流产业全要素生产率进行系统分析，对物流产业全要素生产率的各种影响因素进行检验，进而更加全面地反映出我国不同地区物流产业全要素生产率的特征与实况，为我国物流产业的发展提供理论支持。 基于地理溢出视角的理论分析 （一）基础设施及地理溢出效应 公共区域的基础设施对当地和周边地区全要素生产率的影响机制比较复杂，可能是积极影响，也可能为消极的影响。以交通基础设施为例，不同地区的交通基础设施相互构成网状，每个区域的经济活动均在网状交通基础设施的覆盖范围之内。增加交通基础设施的建设，可以减少地区之间的运输成本，增加地区之间的交流频率。增加交通基础设施的投入成本，可以显著提高该地区交通的便利性，使得该地区的发展速度高于周边地区，如果与其相邻地区在交通基础设施中的投入成本相对较低，则该地区的生产要素将会显著聚集，最终具有交通基础设施优势的地区对其周边地区的生产率的升高起到阻碍作用，即形成了负向溢出效应。（二）人力资本及地理溢出效应 人力资本作为经济发展的操纵者，可以通过调控周边地区的全要素生产率来促进该地区的经济发展，人力资本与地区经济的发展呈现正相关性。人力资本投入的提高可以加快劳动者的工作效率，进而促使全要素生产率的升高，同时，以人力资本为载体来进行技术与经验的传播，可以扩大地区的经济规模，为全要素生产率的提高提供推动力。研发对促进地区科技的进步和提高全要素生产率具有十分重要的作用，研发和人力资本是影响全要素生产率高低的两大因素，研发在提高企业技术和生产效率的同时，可以促进该地区商品的流通速度、技术交流，提高该地区的人员分配，因此研发与人力资本具有显著的地理溢出效应。 模型构建与分析 （一）变量选取及数据来源 本文选取我国2002-2016年31個省市的物流业的资产、在岗职工人数、物流产业能耗量作为自变量，将周转量视为预期产出，物流产业的废气产出量为非预期产出，通过DEA距离函数求得物流产业全要素生产率，同时将生产率作为本文所采用模型的自变量，其中自变量主要包含两个因素，即基础设施和人力资本。

经济发展论文：全要素生产率研究方法述评

经济发展论文： 全要素生产率研究方法述评 摘要:全要素生产率作为反映经济增长质量的重要指标,近年来引起了国内外学者的广泛关注。目前测算全要素生产率的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。文章以上述分类方法为基础,对全要素生产率的研究方法进行了详细论述,并总结了不同方法在测算中的优势和不足,同时对相关研究文献进行了简要评述。最后,对我国全要素生产率的研究方向进行了探讨。 关键词:全要素生产率;索洛余值法;随机前沿生产函数法;数据包括分析法 一、引言 全要素生产率(TFP)是宏观经济学的重要概念,也是分析经济增长源泉的重要工具,尤其是政府制定长期可持续增长政策的重要依据。首先,估算全要素生产率有助于进行经济增长源泉分析,即分析各种因素(投入要素增长、技术进步和能力实现等)对经济增长的贡献,识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次,估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较,就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。改革开放以来,国内外学者对中国的全要素生产率进行了深入研究,产生了大量的研究文献,但这些文献对TFP的估算结果存在较大差异,引发了许多争论,究其原因主要有两点:一是数据来源和处理方法不同,二是测算方法不同。测算TFP的方法多种多样,每种方法都有其优缺点和适用对象,究竟哪种方法更为恰当,哪一个研究的结果更为准确,哪种方法或哪种研究思路对于改革以来中国经济增长的分析更为适用?为此,有必要对既有的TFP研究方法进行梳理和总结,并指出其中存在的缺陷和不足,以利于研究者对TFP有一个较为客观的认识和了解,进而进行科学的计算。 目前测算TFP的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。参数方法主要有索洛余值法、拓展的索洛余值法、随机前沿生产函数(SFA)法等,非参数方法主要有指数法、数据包络分析(DEA)法等,本文以上述分类方法为基础,对相关文献进行评述。 二、参数方法 1. 索洛余值法。索洛余值法最早由索洛(Solow,1957)提出,基本思路是估算出总量生产函数后,采用产出增长率扣除各投入要素增长率后的余值来测算全要素生产率增长,故也称生产函数法。在规模收益不变和希克斯中性技术假设下,全要素生产率增长就等于技术进步率。 由于模型简单,合乎经济原理,因此国内外很多学者利用这种方法对我国全要素生产率进行测算。如邹至庄(1993,2002)、张军(2002)、郭庆旺等(2005)、涂正革等(2006)等,尽管研究结果存在分歧,但绝大多数研究认为中国改革开放以前的经济增长是低效率的,TFP增长十分缓慢,而改革开放以后经济增长质量比改革开放以前有了较大的改善;国企的全要素生产率低于集体企业等。 在利用索洛余值法测度TFP时,存在着如下缺陷和不足: (1)该方法中TFP通过方程的“剩余”计算出来,不能直接求解,这种通过“剩余”得到的计算结果,包括了整个方程的计算误差,由此得到的结果的精确性有待提高。Jorgenson & Grilliches(1967)认为全要素生产率实际是一种计算误差,引起这种误差应归因于两个原因:

空间计量经济学模型归纳

空间计量经济学模型 空间相关性是指 () ,i j y f y i j =≠即i y 与j y 相关 模型可表示为() (),1i j j i i y f y x i j βε=++≠ 其中，()f g 为线性函数，(1)式的具体形式为 () ()2,0,2i ij j i i i i j y a y x N βεεδ≠=++∑: 如果只考虑应变量空间相关性，则(2)式变为(3)式 ()()21 ,0,,1,2...3n i ij j i i i y W y N i n ρεεδ==+=∑: 式中 1 n ij j i W y =∑为空间滞后算子，ij W 为维空间权重矩阵n n W ?中的元素，ρ为待估的空间自相 关系数。0ρ≠，存在空间效应 (3)式的矩阵形式为() ()21, 0,4u n y Wy N I ρεδ?=: (4)式称为一阶空间自回归模型，记为FAR 模型 当在模型中引入一系列解释变量X 时，形式如下 () ()2,0,5n y Wy X N I ρβεεδ=++: (5)式称为空间自回归模型，记为SAR 模型 当个体间的空间效应体现在模型扰动项时有 () ()21,,0,6u n y X u u Wu N I βλεδ?=+=: （6）式成为空间误差模型，记为SEM 模型 当应变量与扰动项均存在空间相关时有 () ()2121,,0,7u n y W y X u u W u N I ρβλεεδ?=++=+: （7）式称为一般空间模型，记为SAC 模型 当0X =且20W =时，SAC →FAR ；当20W =时，SAC →SAR 当10W =时，SAC →SEM

全要素生产率

全要素生产率是指“生产活动在一定时间内的效率”。是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 经济学角度全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。 50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要素生产率与经济增长进行了理论思考，如郑玉歆(1999) 对全要素生产率测度和经济增长方式转变的阶段性规律进行了详细讨论，但未给出中国全要素生产率的具体估算。易纲、樊纲和李岩(2003) 提出中国经济存在效率提升的四点证据，指出新兴经济在测算全要素生产率上面临的困难，并给出新兴经济全要素生产率的测算模型，但他们也未给出具体估算。本文在析比较全要素生产率四种

中国全要素生产率的变化

中国全要素生产率的变化：2000-2008 江春1 吴磊2滕芸 3 内容摘要：本文使用序列DEA和当期DEA方法测算了中国2000至2008年的 Malmquist生产率指数，并在规模报酬固定的假设下将其分解为技术效率变化指数 和技术变化指数。结果显示自2000年以来全国及各省份的全要素生产率均发生下 降，近年来中国的经济增长几乎完全依赖于要素投入的增加。全要素生产率持续降 低是同期资本产出比率迅速上升造成的，这反映出中国经济增长过于依赖投资、收 入分配不合理，同时也反映出金融体系的不健全。 关键词：全要素生产率；DEA；资本产出比 一、引言 改革开放三十多年来，中国的经济增长迅猛，取得了世所瞩目的成就。但与此同时，资源消耗巨大、要素配置效率差、产品附加值低、产业结构不合理等诸多问题始终让人们疑虑中国经济增长的持续性。中国经济增长的质量究竟如何，经济增长到底是来源于要素的投入还是来源于效率的提高？全要素生产率（TFP），作为衡量经济增长质量的重要指标，越来越受到经济学者的广泛重视，提高全要素生产率也被视为中国未来经济增长的决定因素（胡鞍钢，2003）[1]。 Chow（1993）[2]开启了对中国经济增长来源的研究，他认为中国在改革开放前TFP基本稳定，经济增长的主要动力是资本积累，而改革开放后TFP以每年2.7%的速度增长。颜鹏飞和王兵（2004）[3]将中国改革开放以来的经济发展划分为两个阶段，测算得到第一个阶段——1978-1991年间，中国TFP年均增长为-0.17%；第二阶段1992-2001年间则为0.79%。Y oung（2003）[4]采用自行调整后的数据测算1978年至1998年间中国的TFP增长率为1.4%等等。但是目前这类研究对中国TFP增长率的估计存在较大分歧，即便针对同一时期的研究，不同学者 作者简介：江春（1960—），男，武汉大学经济与管理学院金融系（武汉，430072），教授。研究方向：宏观金融 理论与金融发展理论。 吴磊（1980—），男，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。 滕芸（1982—），女，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。

出口与我国全要素生产率增长的关系——基于空间杜宾模型

出口与我国全要素生产率增长的关系——基于空间杜 宾模型 《国际贸易问题》7><2013年第5期经贸论坛出口与我国全要素生产率增长的关系——基于空间杜宾模型叶明确方莹摘要：本文基于出口内生增长模型，考虑技术和知识的空间依赖性以及出口的溢出效应，构建了空间杜宾模型，对出口与我国全要素生产率增长的关系进行了研究。结果发现，出口额对本地区的全要素生产率增长没有显著的影响，但对其他地区的全要素生产率增长产生了促进作用，对所有地区的全要素生产率增长也有促进作用。为了更加精确地分析出口与我国全要素生产率增长的关系，本文运用面板数据分位数回归方法。结果发现，当全要素生产率较低时，由于吸收能力较弱，出口贸易带来的各种效应没有产生显著的影响；当全要素生产率较高时，由于我国的出口贸易方式还是“粗放型”，对全要素生产率的影响也不显著；只有当全要素生产率大小与出口贸易方式相匹配时，出口贸易才会对全要素生产率增长产生显著的促进作用。关键词：出口贸易；全要素生产率；空间杜宾模型；分位数回归一、引言自改革开放以来，我国的对外贸易取得了快速的发展。从出口贸易的绝对量来看，1978年的出口总额为167.6亿元，到<2010年达到了1070<2<2.8亿元，年均增长率为<23.53%；从出口贸易的相对量来看，1978年出口总额占GDP的比值（即外贸依存度）为4.60%，到<2010年达到了<23.74%，外贸依存度提高了4倍以上。对外贸易的迅猛发展在很大程度上拉动了我国经济的增长，1978年GDP为3645.<2亿元，到<2010年上升到401<20<2.0亿元，年均增长率为10.06%。对外贸易与经济增长的关系一直以来是国际贸易中的核心问题。自古典贸易理论产生以来，强调了国际贸易能使分工专业化，最终将促使一国的财富增加。因此，国内外学者开始从理论转向实证，对出口与经济增长的关系进行了大量的实证研究，如Balassa（1978），Falvey（<2004），林毅夫、李勇军（<2001），吕惠娟、许小平（<2003）等。随