经济增长要素

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇经济增长要素范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

经济增长要素范文第1篇

技术有效性的研究始于Koopmans（1951），他给出了技术有效的定义：如果在不增加其他生产要素投入的情况下，由于生产率的提高导致产出增加，则该投入产出向量是技术有效的。在现代经济理论的发展过程中，MichealFarrel与Whitesen将效率分为技术效率与配置效率，在给定技术和投入要素的前提下，实际产出与最优产出的比值为技术效率指数，而配置效率指数用以量度。如果假定规模收益可变，则技术效率又可分解为纯技术效率和规模效率。从产业角度看，影响经济增长的技术效率的因素主要有产业内因素、产业间因素和外部环境等。产业内因素是由产业的投入决定。产业间因素具体指每个产业都与其他产业有一定的产业间联系，某产业的效率发生变化必然会导致一系列与之有联系的产业部门效率发生改变，推动整个产业效率的变动。外部环境主要有产业政策、市场大小、地区城市化率、人力资本存量等。外部环境因素导致产业效率的变化大部分都可以通过产业投入和产业间合作因素反映。比如人力资本存量增加肯定通过加大产业的人力资本投入来反映，产业政策对某些产业的扶持会通过产业的投入和产业之间连带作用产生效果。目前系统研究区域经济技术效率的人不多，更缺乏系统地对陕西省11个地级市区经济增长的技术效率差异按质进行聚类性分析，也很少有人系统地研究省级区域经济增长产业技术效率的源泉问题。本文应用DEA模式计算陕西2000———2009年的各地区经济增长的技术效率，然后进行技术效率地区差异分析及分类，最后对影响技术效率的地区间差异因素进行研究。通过经济增长的技术效率分析，可以为经济发展方式由粗放型向集约型转变提供理论依据和数据支持，对落实科学发展观具有重要的现实意义。本文采用的数据均来自于2001—2010年的《陕西省统计年鉴》，资本存量增加额用固定资产投资代表。

2地区间技术效率差异实证分析

2．1研究方法

2．1．1数据包络分析对效率的研究方法可分为两大类，传统研究方法和前沿分析方法。前沿分析方法又可分为参数法和非参数法，因为此方法限制较少、对样本的要求较低，得到很多学者推崇。其中数据包络分析方法属于非参数法。数据包络分析是由美国运筹学家A．Char－nes提出，它借助已有的数据构造有效的生产前沿面，据此前沿面参照研究相关个体的投入产出的相对效率。DEA方法的优势在于：首先，DEA是用于分析多投入、多产出的决策单元的效率分析方法，不需要输入特定的生产函数关系，因此它可以评价较为复杂生产关系的决策单位的效率。其次，使用DEA分析不需要计算综合的投入量和产出量，从而避免了在分析过程中各指标量纲不一致所带来的麻烦。第三，决策单元的输入输出权重作为变量，模型采用最优化方法内定权重，不受人为主观因素的影响。

2．1．2研究模型的选择根据决策主体规模报酬可变性的假设，DEA分析分为规模报酬不变模型（简称CRS模型）和规模报酬可变模型（简称VRS模型）。需要补充的是，使用DEA在具体分析时分为投入导向（以现有的产出水平评价是否是最小投入为标准）和产出导向（以现有投入情况判断产出是否最大化为标准）。由于探讨的是技术效率，分析各城市的生产要素产出效率。因此采用产出导向为基准。在评价技术效率时，要考虑到不同决策单元的综合效率和对同一地区不同年份数据进行跨期研究。因此，根据DEA分析原理，采用可变规模报酬模型VRS来进行分析。

2．2指标体系建立

本文评价陕西省11个地级市的技术效率，目的是研究陕西省各城市在发展进程中，地方生产要素投入产出效率。根据DEA模型，进行决策单元效率分析时，投入产出指标选择至关重要。对于产业效率投入指标我们选择了从业劳动人口和资本存量，产出指标采用GDP。

2．3实证分析

本文使用DEAP2．1软件，结合选取的投入数据从业劳动人口和资本存量产出数据GDP，并以规模报酬可变、产出为导向，得出陕西省各地级市多年综合产业效率（见表1）。对结果进行综合分析，2000—2009年西安产业效率最高为1，其次是咸阳0．9903，接着是宝鸡0．9647、榆林0．931、延安0．8893、汉中0．8776、安康0．8581、渭南0．8554、铜川0．804、商洛0．7052、杨凌0．6876。从地区经济发展水平看，汉中、安康不如渭南，但是产业效率比渭南高。这是由于产业生产效率所要表达的是现实的生产边界与最优的生产边界的比值。根据各地区历年产业效率变化情况，可分为三种类型。第一种是高水平稳定波动型，西安和咸阳综合产业效率平均值分别为1、0．9903，这两个地区属于城市化发展比较成熟的地区。第二种是稳步上升型，具体有铜川、宝鸡、杨凌、榆林、延安。这些地区经济特点是增长较为迅速，榆林、延安有些年份出现了下降但整体为上升的趋势。第三种是较低水平波动，具体为渭南、汉中、安康、商洛，这些地区产业效率波动无序，效率较低。

3技术效率影响因素分析

3．1影响因子的选择

选取科学合理的因子是对技术效率影响分析的基础和保证。确定影响因子的原则和依据：（1）科学性和代表性，影响因子应该能够准确反映影响技术效率的某个方面，避免主观性和片面性；（2）可行性，影响因子选取要考虑到可行性，要尽量采用在研究期间内可获取的指标，同时要可量化。根据影响技术效率理论依据和资料情况，文章选取对技术效率有明显关系的2000—2009年的7个指标：X1资本存量（亿元）、X2从业人员（万人）、X3万人大学生数量（人）、X4专业技术人员（人）、X5科研经费（万元）、X6非农化率（％）、X7生产业占总服务业比重（％）。

3．2技术效率影响因素分析

将上述选取的各项指标经过标准化处理后，采用因子分析法，SPSS软件分析结果见表2。经旋转后的因子矩阵结果为：公共因子F1在X1，X2，X3，X4，X5值都比较大，可以看出，这几个因素主要反映的是地区经济发展的规模，因而F1代表经济规模效应因素，其中X1，X2反映生产要素投入规模方面，X3，X4体现人力资本规模对技术效率影响，X5是从科研投入规模角度；公共因子F2由于在X6，X7载荷较大，主要是关于经济部门的关联性方面指标，代表产业关联效应。综上所述，技术效率的影响因素可以概括为：规模效应因素、产业关联效应因素。

4陕西省各地区技术效率差异影响因素分析

根据上述分析，资本存量、从业劳动人数、在校大学生人数、科研经费、非农化率、生产业占总服务业的比重都对地区产业效率有显著影响。将各地区的技术效率与以上各因素进行相关研究，分析地区间技术效率差异的原因。借助SPSS软件，输入指标数据，得出模型结果：根据表3的结果，我们对影响陕西各地级市的变量进行分类比较。首先分析资本存量要素。铜川、宝鸡、延安、安康、榆林对技术效率影响比其他地区大。第二，从业人口数量要素。杨凌、延安较其他地区对技术效率影响大。第三，人力资本因素。西安、咸阳、宝鸡、杨凌、延安对技术效率影响较大。第四，科研投入方面。西安、宝鸡、杨凌、铜川对技术效率提升有明显作用。第五，产业关联性因素。除了西安、咸阳产业关联效应对技术效率有明显影响，其他地区作用都不显著。结果表明：西安、咸阳经济水平高，技术效率提升受到科研投入、产业关联的影响较大，其他地区技术效率提升更多的是由于生产要素、人力资本的投入。

经济增长要素范文第2篇

一、变量及变量的平稳性检验

为了考察南通工业经济增长与劳动、资本、能源消费、科技进步四影响因素之间协整关系，本文首先择取自1978～2009年间的南通地区工业生产总值及其指数、工业从业人员数、全社会固定资产投资完成额、发电量、各类专业技术人员数（相关数据均来自各年《南通统计年鉴》）；其次将南通地区工业生产总值、全社会固定资产投资完成额按1978年不变价格进行调整；最后对各变量取自然对数，从而完成对各数据的预处理工作。

一般地，在分析经济变量之间是否存在长期稳定的均衡关系时，只有在检验变量的平稳性后，才可进一步进行协整分析。如前所述，各经济变量数据在经过价格指数化处理后，为消除数据中存在的异方差，分别取其对数。南通地区工业生产总值、工业从业人员数、全社会固定资产投资完成额、发电量、各类专业技术人员数之对数值分别记为lngy、lnlab、lncap、lnny、lnkj。然后分别使用ADF检验方法进行单位根检验。ADF检验滞后期选取原则是采用降阶搜索法，在保证残差不相关前提下，采用AIC与SC准则，两者最小时的滞后长度为滞后期。对于回归中是否包括常数项和线性趋势项的处理方法，一般地，在回归中首先包含常数项和线性趋势项，如果参数检验显著，应在回归模型中包含，否则应排除之。具体检验结果（见表1）。

通过检验可知，lngy、lnlab、lncap、lnny、lnkj均为一阶单整的时间序列，其一阶差分序列在10%的显著水平上为平稳序列。满足变量协整的条件，即lngy、lnlab、lncap、lnny、lnkj间可能存在协整关系。

二、协整分析及检验

（一）协整检验

协整分析是用于非平稳时间序列变量组成的关系中长期均衡参数估计的技术。目前最常用的协整分析方法是Engle-Granger（EG）两步法和Johnsen和Juseliu（sJJ）的极大似然法。一般地，对多变量之间的协整关系的检验应采用Johnsen检验法（即JJ检验法）。因使用JJ方法建立的VAR模型对滞后期的选择比较敏感，故采用AIC准则和SC准则来确定最佳滞后阶数，经采用降阶搜索法依次验证，发现当P=1时AIC和SC值最小，故可确定滞后期为1。在滞后期确定后，再对协整中是否具有常数项和时间趋势进行验证，然后再对数据进行协整检验，检验结果（见表2）。

由（表2所示）检验结果可知，在5%的显著水平下，序列lngy、lnlab、lncap、lnny、lnkj之间存在一个协整关系，即在研究的5变量之间存在一种长期均衡关系，系统迟早能将新息变化带来的冲击加以吸收，使系统维持在一个均衡的状态下运行，协整方程为：ln=0.284390lnlab+0.0337830lncap0.067468lnkj0.099368lnny+9.889550由协整方程可以看出，投资每增加1个百分点，则南通工业产值增长0.33个百分点；劳动力每增加1个百分点，则南通工业产值减少0.28个百分点；科技投入每增加1个百分点，则南通工业产值减少0.06个百分点；能源消费每增加1个百分点，则南通工业产值减少0.09个百分点。由此可知，投资和南通工业增长存在长期的正向关系，投资对南通工业经济增长具有拉动作用。但劳动力、科技投入、能源消费与南通工业经济增长存在长期的负向关系，与理论上不是很一致，这可能是与当前此三因素对南通工业经济增长影响力弱有关。

（二）VAR模型估计

根据上面的分析，VAR模型的最优滞后阶数为1，在滞后1阶的情况下，对VAR（1）模型残差进行JB正态性检验、LM自关检验和White异方差检验，显示残差服从正态分布、无自相关、不存在异方差，且所有特征根根模的倒数都小于1，说明VAR（1）模型的结构是稳定的。VAR（1）模型估计结果（如表3所示）。其中5个回归函数的可决系数分别达到0.9704、0.9692、0.9466、0.9942、0.9932，这足以说明5个回归函数的拟合程度很好。

（三）向量误差修正模型（VECM）

Grange（1987）定理证明了协整与误差修正模型的必然联系。

只在一组变量之间存在协整关系，一定具有误差修正模型的表达式存在，即可以建立误差修正模型。建立在协整理论上的VEC模型既能反映不同经济序列间长期信息，又能反映短期偏离长期均衡的修正机制，是长短期结合具有高稳定性和可靠性的一种经验模型，（如表4所示），VEM模型的稳定性条件满足自相关性检验、异方差检验和正态性检验要求。当以lngy为因变量时，误差修正系数为-0.177010，符合反向修正机制，表明每年实际的南通工业总值与其长期均衡值的偏差中的17%被修正。以lngy为因变量的误差修正模型表达式还反映：lnlab的短期变动对lngy存在正向影响，劳动力投入的增长率每增加1%，南通工业产值的增长率将增加0.01%；而lnkj的的短期变动对lngy存在反向影响，科技投入的增长率每增加1%，南通工业产值的增长率将降低0.07%；lncap的短期变动对lngy无影响。

（四）方差分解

方差分解的主要思想是把系统中每个内生变量的波动按其成因分解为与各方程信息相关联的部分，从而了解各信息对模型内生变量的相对重要性，（如表5所示）显示的是南通工业产值（lngy）的方差分解情况，可以看出能源消费（lnny）和科技投入（lnkj）对南通工业产值（lngy）的影响一直较弱。劳动力（lnlab）和资本投资额（lncap）则有不断增强的趋势，且构成对南通工业产值（lngy）最主要的两个因素，其中资本投资额（lncap）影响最大。

（五）脉冲响应函数

脉冲响应函数描述一个内生变量对误差的反应。具体地，其反映的是在扰动项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。为充分描述短期内的动态效应，本文采用累积脉冲响应形式。从图1来看，劳动力（lnlab）的一个标准差的正向冲击对南通工业产值（lngy）有正向影响，即会导致南通工业产值逐渐增加，最后在第9期以后稳定在0.18左右。这说明劳动力（lnlab）对南通工业产值有长期的正效应，这与协整方程得到的长期均衡关系表现不一致；资本投资额（ncap）的一个标准差的正向冲击，对南通工业产值（lngy）亦有正向影响，但较劳动力（lnlab）的影响更大，其导致南通工业产值在第4期前增长迅速，然后增长趋缓，至第8期后稳定于0.30附近。这亦反映出资本投资额（ncap）对南通工业产值有长期的正效应；当科技投入（lnkj）出现一个标准差的正向冲击时，它在1～3期内对南通工业产值（lngy）的影响经历了先负后正的过程，第4期到达峰值00.004附近，然后缓慢趋于0值，但这也与长期协整关系的结果稍有不同；能源消费（lnny）的一个标准差的正向冲击，对南通工业产值（lngy）有负向影响。其导致南通工业产值第2期到达峰值-0.007附近，然后缓慢趋于0值。总之，可看出上述四因素中，劳动力（lnlab）和资本投资额（ncap）对南通工业产值（lngy）的影响较大；科技投入（lnkj）和能源消费（lnny）的影响很小，这与前面方差分析中的结论一致。

三、格兰杰因果关系检验

由协整检验结果可知，序列lngy、lnlab、lncap、lnny、lnkj之间存在长期的均衡关系，但这种均衡关系是否构成因果关系及因果关系的方向如何，有待进一步验证。此处分别对序列lngy、lnlab、lncap、lnny、lnkj的差分序列进行了格兰杰因果检验，选取滞后1~6阶。使用Eviews6.0软件将存在单向或双向因果关系的回归结果整理（如表6所示)。水平上，lncap是lngy的格兰杰原因。也就是说，短期内资本投资对南通工业产值有促进作用。（2）当滞后期为3、4阶时，在10%的显著水平上，lngy是lnkj的格兰杰原因。

也就是说，在中期内，南通工业产值增长对科技投入的提高有促进作用。（3）当滞后期为3阶时，在5%的显著水平上，lngy是lnlab的格兰杰原因。也就是说，在中期内，南通工业产值增长对劳动力投入的提高有促进作用。（4）当滞后期为1、6阶时，lnny是lnlap的格兰杰原因。也就是说，在短期及长期内，南通能源消费的提高对南通地区劳动力增长有促进作用。（5）当滞后期为2、3阶时，lnkj是lnny的格兰杰原因。也就是说，在短中期内，科技投入的增加对南通能源消费的提高有促进作用。（6）当滞后期为1～6阶时，lngy不是lnny的格兰杰原因，lnny也不是lngy的格兰杰原因。也就是说，南通工业产值的提高对南通能源消费的促进作用不明显；同时南通能源消费增长对南通工业产值的促进作用也不明显。

四、结论与研究启示

（1）南通工业经济增长与劳动力投入、资本投资、能源消费及科技投入之间存在长期的均衡关系。其中资本投资每增加1个百分点，则南通工业产值增长0.33个百分点；劳动力每增加1个百分点，则南通工业产值减少0.28个百分点；科技投入每增加1个百分点，则南通工业产值减少0.06个百分点；能源消费每增加1个百分点，则南通工业产值减少0.09个百分点。由此可知，投资和南通工业增长存在长期的正向关系，也就是说，投资对南通工业经济增长具有拉动作用。但劳动力、科技投入、能源消费与南通工业经济增长存在长期的负向关系，与理论上不是很一致，这可能需要进一步的研究与探寻。

（2）向量误差修正模型（VECM）反映出，劳动力投入的短期变动对南通工业产值存在正向影响，劳动力投入的增长率每增加1%，南通工业产值的增长率将增加0.01%；而科技投入的的短期变动对南通工业产值存在反向影响，科技投入的增长率每增加1%，南通工业产值的增长率将降低0.07%；资本投入的的短期变动对南通工业产值无影响。此外，误差修正系数为-0.177010，符合反向修正机制，表明每年实际的南通工业总值与其长期均衡值的偏差中的17%被修正。

经济增长要素范文第3篇

[关键词] 适度经济增长 实际产出 潜在产出

近年以投资和外贸拉动的经济增长模式，引发固定资产投资需求过热，并由此推动生产要素成本上涨。我国自2003年起，实际产出（其有可能高于或低于总需求）高于10%～11%，已超过国内公认的8%～9%的适度产出区间。2008年固定资产投资过热已拉升生产要素成本价格和核心通胀达8%以上，这种通胀使高速经济增长难以持续。

一、保持适度经济增长有助于抑制生产要素成本通胀

若要控制投资需求过热及其诱发的生产要素价格上涨，应调控实际产出不超过潜在产出。新凯恩斯主义认为，只要实际产出持续高于其潜在水平，多种生产要素的价格会上涨，导致生产要素成本增加超过一般价格水平的涨幅，从而刺激通胀预期上浮。因此，抑制投资过热及其预期推动的生产要素成本上涨，需要控制实际产出低于潜在产出水平(Whelan,2005)。也就是说，投资过热将刺激对生产要素充分或过度开发利用，促使实际产出超过其潜在产出水平，引致生产资料成本推动的通胀。这种通胀又使产出和经济增长不可持续。因此，适度的经济增长率或产出应该低于潜在产出，进而稳定通胀。稳定产出不超出其潜在水平，就能稳定生产要素价格，从而遏制生产要素推动型通胀。据国际经验，保持适度经济增长（指实际产出低于对生产要素充分利用的潜在产出），有助于抑制生产要素成本通胀。Blinder（2006）提出自然产出率，即产出水平等于总需求，并不引致价格水平升降 ，其关系式可表示为：＝AD＝π＊ ；，AD，π*，分别代表自然产出率，总需求，货币当局设定的通胀目标（国外将通胀目标设置在1%～3%的区间。实证研究表明其能稳定产出和较长期的价格，和缓解经济衰退压力。我国前段时期设立的适度通胀率为4.8%。因我国CPI包括燃油和食品）。该公式表明，稳定产出和生产要素通胀的均衡点在于实际产出低于潜在产出，达到与总需求基本一致，和不刺激生产要素成本上升的自然产出率。而央行设定通胀率在适度区间，又能反过来稳定产出或经济增长达最大限度可持续性。美国经济证实，1995年～2000年美国年平均经济增长率为3.59%，低于同期潜在经济增长率4%，平均失业率为4.8%（低于6%自然失业率），呈现高增长，低通胀，低失业率的局面。

二、采取综合治理措施抑制生产要素成本上涨

为控制实际产出持续高于潜在产出，除了继续向集约型经济增长模式转变外，对于货币政策可调控的内生性通胀，需加强前向调节，避免政策时滞效应未能及时抑制经济过热，带来更高调控成本。当经济过热与经济下滑压力同时存在时，可针对不同行业过热与否，有紧有松，分而治之：对高耗能耗资源，高污染和投资过热行业，宜控制贷款或提高贷款利率，对“三农”，环保，社保、文教医疗卫生,带动就业等民生项目，技术创新，新材料，无污染清洁新能源等项目要降低利率，并采取适当财政政策予以扶持。至于货币政策难以发挥较强的杠杆作用的外生性通胀（由国际市场定价的国外能源资源农产品上涨），和结构性通胀（国内提高农产品，资源性产品价格，以及环保成本），可通过能源替代和减少高能耗产业，下调某些产品的物价（如电子产品，纺织品，汽车，日常生活用品等），以遏制物价总体升幅，并有必要就控制通胀跨国传递问题，在国际金融市场监管、主要贸易伙伴国之间的汇率政策、贸易政策，产业政策等方面加强国际协调。

另外，需要提高货币政策信息透明度和建立健全行业经济信息体系。企业和行业在不能准确了解市场供需状况下进行过度投资，将刺激实际产出趋向超出其潜在产出（即充分利用劳动力，资本，自然资源等生产要素条件下的产出）水平，和对资源的过度开发利用，诱发生产资料成本推进的通胀。因此，有必要尽可能详尽和及时地向各行业国内外市场供需变化，走势和国内外可能的宏观经济政策导向信息，以减少行业企业投资生产盲目性和信息收集成本，引导企业根据国内外市场供需状况进行生产投资。

三、小结

当代资源经济与20世纪80年代之前最大的区别，是能源资源等初级产品1986年之前呈下行走势，初级产品国际价格在1986年比1900年下降了一半（James,1999）。生产要素成本的低廉，会降低在提高产出水平时的生产要素通胀压力。然而，目前不可再生资源能源的稀缺度和价格，与国际社会强劲需求之间存在高度敏感性，只要实际产出持续高于潜在产出，生产要素成本推动的通胀效应即将显现。因此，为控制固定资产投资需求拉升的通胀与生产要素成本推进型通胀的联动效应，控制实际产出低于潜在产出水平，达到与社会总需求相适应的自然产出率，是稳定这类通胀的关键。对于结构性通胀和外生性通胀，宜结合相对价格调节机制和适当的国内外宏观调控措施来治理。

参考文献：

[1]余永定:2008年中国经济:应对三大挑战.国际经济评论,2008(5～6)

[2]Blinder，Alan S. Monetary Policy Today:Sixteen Questions and about Twelve Answers. CEPS W/P No. 129, 2006

经济增长要素范文第4篇

关键词：江苏经济；全要素生产率；对策建议

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。本文的全要素生产率是指各要素投入之外的技术进步和能力体现等导致的产出增加。目前，全要素生产率的估算方法可归结为两大类：一类是增长会计法，另一类是经济计量法。不过起点都是从设定生产函数开始。经济计量法是用产出增长率对资本增长率、劳动增长率做回归，或者用劳均产出的增长率对劳均资本的增长率做回归，估计得出系数项的值，隐含了系数项为常数的假设，应较为适用于成熟的市场经济体；对于像江苏这样的转型经济允许系数项随时间可变，将更易于接受。另外，Barro和Sala认为经计量法的缺点太多，包括要素增长率非外生、要素数量测量误差使得回归结果不满足一致以及系数项随时间变化的可能性。基于以上考虑，我们采用要素收入份额可变的增长核算来测算TFP的变动。

二、模型设定和数据准备

经济增长要素范文第5篇

关键词：Malmquist指数 全要素生产率 经济增长

中图分类号：F127 文献标识码：A

文章编号：1004-4914（2017）05-031-04

一、引言

自1992年起，长三角是我国率先开始区域经济一体化的地区，其经济增长也一直是我国最快的地区之一，目前它已成为我国最大的综合性工业基地，工业总产值占全国的近1/4，对其他地区经济发展有着较大的示范作用。根据国家“十三五”规划，长三角在2016-2020期间要力争提升区域经济总量在全国的占比，并持续攀升。长三角经济是否存在持续攀升的趋势？什么是促使长三角经济增长的主要驱动力？全要素生产率（TFP）对长三角经济增长的作用怎样？便成为我们研究的基点。笔者梳理了2000-2014年长三角16市GDP占全国GDP的比重（见图1），发现以2006年为界，长三角经济GDP的全国占比存在一个明显的转折。即，2000-2006年长三角GDP占全国的比重不断攀升，到2006年达到最高，但此后长三角GDP占全国比重呈现下降趋势。由此可见，如何保障长三角经济持续发展，如何从长三角经济发展的现状中寻找新的增长点，就成为非常重要的问题。笔者从全要素生产率（TFP）的角度出发，研究全要素生产率在长三角经济增长中的作用，分析相对于资本要素的贡献度，并以此为依据提出长三角经济持续攀升的对策建议。这对长三角的经济发展和全国区域经济的增长都有重要的意义。

二、文献回顾

全要素生产率的研究起源于生产函数的研究，美国数学家柯布（C.W.Cobb）和经济学家保罗・道格拉斯首先建立柯布道格拉斯生产函数，其后由斯蒂格勒提出全要素生产率的问题。1957年，美国经济学家索罗（Slow）在《技术进步与总量生产函数》一书中提出，在引入技g进步及假设生产函数为具有规模报酬不变特性的情况下，建立了著名的索罗模型，定量分析要素投入与技术效率之间的关系。Fleisher等（1997）基于1978-1993年我国部分省份的数据，分析我国全要素生产率的地区差异，得出教育投资和FDI是我国东西部TFP差异的主要原因。斯科特・拜尔等（2006）研究世界145个国家及地区全要素生产率与要素投入之间的关系，发现全要素生产率的增长解释度不高，仅解释西方国家34%和欧洲南部26%的劳动产出的增长。Gregory Chow（2009）研究中国1978年后的全要素生产率，得出约2.7%的年增长率是可靠的，其资本的产出弹性接近0.6；Xu Ti等（2012）利用1950年到2009年中国东中西部的数据，研究表明：1978年之前的平均技术进步率仅为2%，1978年之后对经济的贡献度高达20%，且技术进步东部高于中部和西部地区。

国内研究全要素生产率的文献有很多，郑绍濂等（1986）结合我国实际情况提出了全要素生产率的概念，并从理论与实践对其进行研究；张军等（2003）利用中国1952-1998年的数据计算我国的TFP，结果表明，在改革前中国经济的TFP波动很大，且1978年的TFP与1952年的TFP相比，不但没有增长，反而退步，但在改革后，中国经济的TFP明显提高。颜鹏飞等（2004）运用DEA方法计算1978-2001年中国30个省市技术效率、技术进步及Malmquist指数，并把人力资本和制度因素考虑其中，而后检验与经济增长的关系，结果表明TFP处于增长状态，其主要原因是技术效率的提升，人力资源因素也对技术进步和效率提高有重要的影响作用。许小雨（2011）基于1997-2009长三角16市的数据，采用DEA-Malmquist法测算长三角16市的TFP，结果显示，长三角的TFP没有得到显著提升。王鑫（2013）利用DEA-Malmquist测算长三角两省一市制造业和服务业的TFP，结果表明，长三角整体TFP高于全国平均水平，但技术进步对经济贡献不明显。赵伟光、敬梨（2015）通过DEA分析技术和Malmquist指数对西北五省的TFP变动进行分析，结合改进的C-D函数，建立面板模型，分析西北五省经济增长与TFP、资本投入之间的关系。

通过梳理研究TFP的文献，发现针对近几年长三角16市的TFP研究文献相对较少，无法说明近几年长三角经济比重下降原因，更无法针对近几年的长三角问题作系统分析。笔者通过DEA-Malmquist方法对TFP变化进行了测算，并基于此建立面板模型，对TFP与经济增长的关系作详细分析，对长三角的发展提出相关的建议，这对长三角的经济发展有一定的现实意义。

三、长三角全要素生产率的估算与分解

（一）测算方法

Malmquist 指数是利用距离函数的比率计算，这里假设（Xt，Yt）和（Xt+1，Yt+1）分别是T期和T+1期投入产出关系，投入产出关系从（Xt，Yt）到（Xt+1，Yt+1）的变化就是生产率的变化。

（二）变量选择与数据处理

笔者采用的数据是长三角16个城市，数据周期从2000-2014年。在测算长三角16市的TFP变化所涉及的变量有产出、资本和劳动的投入，以下是所涉及变量及数据处理的介绍。

1.产出。以长三角各个城市GDP作为衡量城市的产出变量，为了避免物价变动带来的误差，笔者对GDP以2000年为基期进行平减得到真实的GDP。

2.资本投入。采用Galdsmith 开创的永续盘存法估算资本投入量，估算公式为：

其中Kt表示第t期资本投入总量，？啄为折旧率，It为第t年投资，pt为以2000年基期的固定资产价格指数。

由于受到国内统计数据的限制，资本的初始存量估计存在着很大的困难，尤其涉及市级的初始资本存量。笔者采用张军的永续盘存法估算各市2000年的资本存量，以2000年全社会固定资产的投入与省市固定资产的投入之比为权重，计算各个城市2000年的初始资本存量；关于折旧δ的取值，采用目前多数学者所使用的9.6%为折旧系数。

3.劳动资本。严格意义上说，总工作时间与平均每单位时间内劳动质量相乘为劳动资本投入，但考虑到数据获取的难易程度，笔者采用长三角16个市的年末从业人员为劳动要素的变量衡量的指标。

笔者所有数据均来自于各省市的统计年鉴，缺失值则通过城市的国民经济和社会发展公报获取相关数据。

（三）测算结果与分析

笔者采用DEA-Malmquist模型对长三角16市2000-2014年的TFP变化进行测算，利用DEAP2.1软件输出长三角16市整体TFP变化，及各个城市TFP变化、效率变化、技术进步，结果如图2。

图2为2000-2014年长三角整体TFP变化趋势，2000-2009年TFP变化处于下降趋势，而2009-2011年TFP上升，但上涨趋势并没得以持续，随后TFP继续下降，这可能是导致长三角经济占全国比重下降的原因之一。效率变化（EFFCH）方面，2000-2005、2007-2008，2010-2012年的效率变化呈现下降趋势，且有些年份负增长还直接降低了长三角TFP的增长率；对于技术进步（TCHCH），2000-2002、2006-2007、2009-2010、2013-2014年技术进步的变化大于1，其他年份技术进步的变化均小于1。

为了进一步分析长三角城市全要素生产率变化及存在的差异，笔者对长三角各市2000-2014年的Malmquist指数进行汇总：

如表1，最后一列为Malmquist指数，是长三角16市在2000-2014年TFP变动的平均值。Malmquist指数最大的是上海，且均来自于技术变化的作用，说明技术进步在上海的经济增长中扮演着举足轻重的角色。南京、苏州及无锡在2000-2014年的Malmquist指数也大于1，技术变化和效率变化有所改善。而其余城市Malmquist指数均小于1，常州对应的技术变化有所改善，但效率下降导致TFP降低1.1%；而镇江的技术进步下降也拉低了TFP。其他城市的效率变化及技术进步变化均下降，这对TFP产生双重“拖累”，所对应的TFP变化均小于1。从整体来看，长三角16市2000-2014年的TFP变化值小于1，主要原因可能是技术变化和效率变化的交互影响，长三角地区整体的技术退步，引进技术和运用新技术不足，技术效率发挥作用的基础相对较弱；规模效率的变化小于1，表明长三角总体经济还存在着规模不经济。

四、全要素生产率、人均资本投入与经济增长的实证分析

前面分析了长三角16市2000-2014年整体及个体的TFP变动，对长三角16市TFP变化特点有明确的认识。由于考虑到资本投入的重要性对于经济增长的重要性，笔者通过构建了人均资本投入、全要素生产率对人均产出影响的面板模型来分析，在长三角经济增长中全要素生产率与资本要素对其贡献度的差异。

（一）模型的建立

（二）数据的来源及处理

这里用到的数据除了TFP，其他数据已在上文介绍，这里不再列举。这里TFP的变化是Malmquist指数与1相减得到TFP增长率用tfp来表示；人均产出增长率以2000年为价格基期的各城市实际GDP除以年末从业人数，得出增长率，用gdp表示；人均资本存量的增长率是以2000为价格基期的资本存量除以年末从业人数，且计算出增长率用k表示。

（三）实证分析

笔者用Eviews7.2软件处理数据，在建立面板数据模型前，先对变量进行单位根检验，结果表明这些变量零阶单整，并在此基础上做协整检验，结果为人均资本投入、人均产出、及TFP增长率三者之间存在协整关系。通过随机效应Hausman检验，拒绝原假设，建立固定效应面板模型。笔者先建立固定效应整体，结果如下：

从表2可以得出：人均产出受不同因素影响的程度不同。对于长三角城市而言，人均资本投入的系数是0.849，对人均产出的影响在1%的置信水平下显著，说明人均资本投入对人均产出的影响很大；同样从回归结果中可以看出，tfp的系数为0.725，且tfp的变动对于人均产出的影响要小于人均资本投入，说明人均资本投入的提高对于人均产出影响占主导地位，说明支撑长三角经济较快增长的资源条件和主要动力因素仍然是资本要素的投入。

为详细了解长三角地区2001-2014年每年TFP变动及人均资本变动与对人均产出的变化影响，下面列举了2001年到2014年影响人均产出的因素变化情况，进一步分析每年TFP对经济影响状况。

表3槌と角地区每年人均资本投入与tfp对人均产出的影响程度分析，除2005、2007、2008、2010年人均资本投入小于tfp的影响外，其余年限均是人均资本投入占主导因素。观察tfp对人均产出系数大小，发现从05年到08年tfp的系数逐渐增大，这可能与2003、2004年长三角签订的《沪苏浙共同推进长三角区域创新体系建设协议书》、长三角地区科技中介战略联盟有关，促进了经济的增长。但自2011年后tfp对于人均产出的系数愈发小，虽然2010、2011年国家以及长三角地区相继推出许多政策，如《国务院关于进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》、《长江三角洲地区区域规划》等，旨在加快区域科技创新体系一体化发展，推动长三角率先建成国家自主创新综合试验示范区，但对于经济增长并没达到预想的效果，反而tfp对人均产出的影响愈发小。

为比较长三角各市人均产出影响因素的差异，我们运用固定效应变系数模型，如表4：

从表4看出，长三角城市tfp和人均资本投入对各个城市的人均产出贡献存在着明显的差异，除了上海、南京、苏州、常州、舟山、台州外，其他城市均是tfp对人均产出的贡献要大于人均资本投入对于人均产出的贡献，有的城市的tfp对人均产出系数超过了1，这说明在现阶段这些城市的经济增长中效率提高和技术进步对经济增长的贡献较大。对于上海、苏州而言，人均资本投入的系数略大于tfp的系数，说明上海、苏州的经济增长中资本投入还是占据重要的地位；对于南京、常州、舟山、台州而言，人均资本投入的系数与tfp的系数相差较大，特别是台州，资本投入的系数为1.170，而tfp的系数却为0.077，二者相差很大，说明其经济增长对资本投入的依赖很大。上述分析表明，目前投资和基础设施建设仍是长三角城市经济发展的主要推动力。TFP对经济增长贡献程度较低，说明长三角的这些城市经济增长中效率提高和技术进步并不占有明显的比重。

五、结论与建议

笔者首先对2000-2014年长三角16市的TFP变化进行分析，然后通过建立面板数据进一步分析人均资本投入、tfp与单位人均产出之间关系，结果表明：tfp对人均产出促进效果小于人均资本投入，长三角经济发展仍主要依靠资本投入，但是由于目前能源愈发匮乏，人口也趋向于老龄化，所以经济发展无论依靠是资本还是劳动力投入，都难以为长三角地区城市的经济可持续发展提供强劲后力。由于资源的瓶颈，长三角需要将重点转到如何提高全要素生产率，为长三角经济增长提供可持续发展的动力。至于如何提高全要素生产率，笔者主要是从技术和规模效率两个方面提出以下建议：

1.深化市场机制改革、提高企业管理水平，提高地区的规模效率。一方面长三角地区应继续进一步加快市场化体制改革、克服现有体制的弊端，释放要素再配置效应，促进资源的进一步优化配置，提高资本要素和劳动力要素配置的灵活性；另一方面应提高企业管理的水平，努力为企业家精神的发挥创造条件，优化资源配置，以提高效率改善对区域经济增长的贡献。

2.改善科技发展环境，注重长三角城市间创新体系管理，提升长三角自主创新的能力。近年来，美国“波士华”城市群和日本东海道城市群的知识经济高技术产业在这些城市之间集聚，形成良好的合作创新体系，有效地促进了技术进步，进而有效提高了全要素生产力，为其经济增长提供了新动力。反观长三角的创新体系建设中存在城市之间缺乏联动，布局较分散，单干蛮干，效率低下等问题。所以长三角应深入实施创新驱动发展战略，落实各项政策，摆脱形式主义，加快形成以创新为主要引领和支撑的经济体系和发展模式，提高教育质量、引进高技术人才和加大R&D投入力度，提高区域创新能力，形成点线面结合的科技创新区域，增强创新能力，促进技术进步。

3.提升科技成果的产出质量，提高技术成果的转化率。目前长三角地区存在大量的科技成果的闲置，但科技成果转化成经济效益力度却不大。长三角应当努力创建科学合理的利益分配机制，完善科技成果转化的激励体系，使科技产出符合长三角实际的经济发展需要，继而提高技术成果转化率，促进技术进步最大化，促进长三角地区经济发展。

参考文献：

[1] Fleisher， Belton M. and Jian Chen.The Coast-Noncoast Income Gap， Productivity，and Regional Economic Policy in China[J]，Journal of Comparative Economics，1997（2）.

[2] Scott L.Baier，Gerald P.Dwyer，Robert Tamura.How Important are Capital and Total Factor Productivity for Economic Growth？[J].Economic inquiry，2006（1）.

[3] Gregory Chow.Another look at the rate of increase in TFP in china[J] .Journal of Chinese Economic and Business Studies ，2008（2）.

[4] Tian X.and X.Yu .The Enigmas of tfp in China：A Meta-Analysis[J].China Economic Reviews，2012（2）.

[5] 绍濂，胡祖光.经济系统的经济效益度量的综合指标――全要素生产率的研究和探讨[J].系统工程理论与实践，1986（1）.

[6] 孔翔，Rorbert E.Marks，万广华.国有企业全要素生产率及其决定因素：1990-1994[J].经济研究，1999（7）

[7] 张军，施少华.中国经济全要素生产率的变动，1952-1998[J].世界经济文汇，2003（2）

[8] 颜鹏飞，王兵.技术效率、技术进步和生产率提高――基于DEA的实证分析[J].经济研究，2004（12）

[9] 吴新博.中国各地区全要素生产率的测定与比较分析[J].运筹与管理，2006（5）

[10] 许小雨.长三角全要素生产率的测算及影响因素分析[D].南京大学，2011

[11] 王鑫.长三角地区全要素生产率的测算与比较分析[D].宁波大学，2015

[12] 赵伟光，敬莉.全要素生产率、资本投入与西北五省经济增长[J].科技与产业，2015（2）

[13] 高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2009

[14] 李子奈，潘文卿.计量经济学[M].北京：高等教育出版社，2010