交通基础设施与地区全要素生产率提升分解效应评测.doc

交通基础设施与地区全要素生产率提升：分解效应评测范跃进 鲁婧颉（济南大学）一、引言中国自改革开放以来，经济一直保持快速发展。从1978年到2010年，国内生产总值（GDP）年均增长率接近10%。新古典经济理论认为，一个经济体若能在长期中实现持续快速的增长，其必定伴随全要素生产率（Total Factor Productivity，TFP）的较快提高。而大规模的物质基础设施建设能够为中国经济的持续发展和竞争力的提高起到强有力的支撑作用（Chatterjee，2005；Stephane et al.，2007；刘生龙和胡鞍钢，2010）。作为基础设施的重要组成部分交通基础设施，与全要素生产率之间存在怎样的关系，其如何促进地区全要素生产率的提高，这是本文要解决的主要问题。文章结构安排如下：第二部分就交通基础设施对地区全要素生产率提升的作用机制进行理论分析；第三部分对我国各地区TFP的总体变动趋势及其构成进行说明；第四部分构建实证模型，并介绍文中主要变量及使用数据来源；第五部分对实证研究的回归结果进行解释；第六部分是结论。二、交通基础设施提升地区全要素生产率的理论机制交通基础设施作为物质资本，能够直接参与生产过程，有利于社会生产力的提高，进而加快经济增长速度。交通基础设施对地区全要素生产率提升的影响机制主要表现在以下方面：第一，交通基础设施建设能够提高地区技术创新能力。这主要表现为两方面：其一，加快新型显性知识（技术）的传播和扩散。显性知识是指可以用书面文字、图标和数学公式表示的明确知识。其二，加快隐性知识（技术）的传播和扩散。隐性知识则指包括技术人员的经验、信仰、价值观、预见性在内的缄默知识（Tacit Knowledge）。交通基础设施建设能够在一定程度从空间和时间上缩短地区之间的距离，加快区域间人员的交流，从而带动新知识和新技术的传播。第二，交通基础设施建设有利于提高资源配置效率和规模效率。一方面，交通基础设施的完善能够减少资源要素流动成本，加快资源要素的流动速度，促使地区原有的资源配置向最优配置的均衡点靠近。另一方面，交通基础设施的发展完善有利于经济集聚和市场扩张，从而为规模效率的提高提供空间。本文认为，交通基础设施不仅能够加快知识和技术扩散，提高区域的技术创新水平，还能够提高资源分配利用效率和规模效率，从而对地区全要素生产率的提升产生影响。三、全要素生产率的测算及其分解分析本文采用基于数据包络分析方法（Data Envelopment Analysis, DEA）的Malmqusit指数对TFP进行测算，主要有以下优点：第一，它将TFP进一步细分成技术创新效率、管理效率和规模效率；第二，它仅利用线性规划，而不需要任何具体函数形式或分布假设来得到前沿函数。将每个省作为一个决策单元，基于DEA的Malmquist 指数可以表示为： （1）其中，Ech和Tech分别表示时期t 到时期t+1所发生的效率提高和技术进步。当把技术设定为不变规模报酬时，效率的含义为综合技术效率（Ech），其又可进一步分解为纯技术效率指数(Pech)和规模效率指数（Sech）。所以全要素生产率的变化（TFPch），最终可以分解为技术进步(Tech)、技术效率变化（Pech）和规模效率变化（Sech）3个部分，即： （2）Malmquist 指数1 意味着TFP有所提升；Tech1意味着技术在考察期内实现跨越，即实现技术创新；Pech1意味着管理改善使效率发生改进；SechI意味着改变要素投入，规模效率提高。若上述指标值小于1，表明相应效率恶化。本文选用1985到2009年我国30个省（区、市）的投入和产出数据构建生产技术前沿。其中，产出用各省（区、市）的国内生产总值来衡量，并转换为1985年的不变价格。投入包括劳动和资本，劳动用各省（区、市）市历年的就业人数衡量，资本用1985年为基期的固定资产原值替代。（一）TFP总体变动趋势图1为利用19852009年我国各省（区、市）投入产出数据进行Malmquist生产率指数分析后得到的19862009年TFP的增长变化情况。图1 我国19862009年TFP均值变化趋势注：本图数据根据DEAP2.1输出结果整理得到。图1显示，TFP在19862009年主要经历了以下变化时期：第一阶段为1989年之前，短暂上升之后的下降阶段，TFP年均下降2.46%，1989年达到该阶段最低点；第二阶段为1990到1994年的下降阶段，在经历1989的最低点之后，1990年TFP增长率超过17%，达到24年来的最高点，随后逐渐下降；第三阶段为1995到2006年，TFP在平稳中上升，平均增幅为0.44%。第四阶段为2007到2008年，连续两年处于下降趋势，2008年达到样本期内的最低点。TFP于2009年开始反弹。 从各省（区、市）的角度看，TFP平均增长率较高的依次为：山西、广东、江苏、海南、天津和上海；较低的省（区、市）包括：江西、四川、广西、安徽和吉林。 排名根据DEAP2.1输出结果从高到低（从大到小）排列。（二）TFP的分解分析1、技术创新效率增长分析样本期内，技术创新效率的波动与TFP的波动趋势基本一致。技术创新效率在经历1988年的最低点之后，1989年增长幅度接近120%，之后技术创新效率不断改善。1994年技术创新效率开始出现小幅恶化。从1997年到2006年，该指标在平稳中有所提高。2007到2008年技术创新效率略有所下降，2009年开始上升。对于各省份的技术创新效率，笔者按照增长幅度的大小将其划分为三个区域（见表1）。表1表明，技术创新效率增长最高的区域主要集中于东部沿海地区。技术创新效率增长相对比较弱的省份有辽宁、青海、黑龙江等，这些省份的技术创新效率虽然有所改善，但与东部沿海省份还具有较大差距。表1 各省（区、市）按技术创新效率变化的分组Tech11Tech1.014Tech1.014省份内蒙古、吉林、山西、河北、江西、四川、河南、陕西、甘肃、云南、安徽、广西、湖南、贵州辽宁、青海、黑龙江、江苏、新疆、福建、西藏、广东、湖北、山东、宁夏上海、浙江、北京、天津、海南注：本表数据根据DEAP2.1输出结果整理得到。2、纯技术效率和规模效率增长分析总的来看，综合技术效率（纯技术效率和规模效率）经历了类似的变化。除了1988年，纯技术效率和规模效率均达到样本期最高点为，其他年份效率增长指数基本保持在1左右，上下波动幅度不大。从各省情况看，纯技术效率增长最高的省份集中于广东、江苏、山西、山东、河北和辽宁。规模效率增长最高的省份包括海南、宁夏等省（区、市）。四、实证模型、变量说明及数据来源（一）实证模型构建交通基础设施的改善有利于加快先进技术的传播，能够使资源得到更有效的配置，促进要素产出的规模效率。本文的主要目的在于检验交通基础设施对TFP的影响，并检验交通基础设施与TFP各分解值（技术创新效率、纯技术效率和规模效率）之间的关系，从而理解交通基础设施对不同经济效率值贡献度的差异。实证模型形式如下： （3） （4） （5） （6）其中，被解释变量分别为、和的对数，解释变量有：交通基础设施及其滞后项，以此考察交通基础设施当期及滞后期对被解释变量的影响；的滞后项，用来控制初始条件对的影响。表示其他一些影响经济效率的变量，包括高等教育发展水平（）以及国内各省（区、市）的研发资本存量（）。表示时间虚拟变量，用来控制时间变化对被解释变量的影响。为误差项。（二）主要变量说明及数据来源1、交通基础设施（）本文的交通基础设施包含三类：铁路里程、公路里程和内河航道里程。为了让各省（区、市）在不同年份的交通基础设施存量上具有可比性，笔者计算了各省份19862009年的交通基础设施密度，借鉴Demurger（2001）的做法加总三类交通基础设施之后再除以各省份的国土面积。2、高等教育发展水平（）这个指标用各地区高校在校生数占其总人口的比重来代理，劳动力受教育程度的提高能够改善当地的技术创新和技术吸收能力，进而促进技术进步。3、国内研发资本存量（）本文采用永续盘存法来计算中国各地区历年的研发资本存量：，采用Griliches（1980）提出的方法来计算中国1986年的研发存量，其中，为19862009年每年研发投资支出对数形式增长率的平均数。为研发资本折旧率，笔者沿用Coe和Helpman（1995）回归所得的5%，表示各省（区、市）每年的研发经费支出额。在所有使用数据中，各省（区、市）的国内生产总值（GDP）、就业人数、全社会固定资产投资额、铁路里程、公路里程、内河航道里程以及高校在校生数来源于相关年份的中国统计年鉴和新中国五十五年统计资料汇编；各省（区、市）的研发经费支出额来自相关年份的全国科技经费投入统计公报。五、实证结果及分析本文利用19862009年我国30个省（区、市）的相关数据进行面板估计。首先利用Hausman检验对固定效应方法和随机效应方法进行选择。由于矩阵V_b-V_B是非正定的，故拒绝随机效应，采用固定效应估计模型，最后回归时控制时间虚拟变量和个体效应的同时使用稳健标准差进行修正。回归结果（见表2）表明：第一，交通基础设施在不同时期分别对TFP及其分解值产生不同程度的影响。交通基础设施对TFP的影响在滞后四期时才表现出显著的积极效应。具体来看，交通基础设施对技术创新效率的影响在滞后一期时统计上显著，对纯技术效率的影响在滞后四期才显著为正，对规模效率的作用在当期就表现出积极的溢出效应。也就是说，交通基础设施对全要素生产率的影响首先表现为对规模效率的积极作用，然后是对技术创新效率的改善，最后是纯技术效率的提高。原因可能是，交通基础设施的完善为生产要素的区域性流动提供了有利条件，使得生产要素的流动更为迅速和直接，从而各种生产要素能够在极短的时间内发挥到最大效用。相比之下，先进技术和管理技能要发挥积极作用，需要一定的消化和吸收时间。尤其是对于我国来说，由于人才管理和激励制度尚不完全，很多企业的短视行为使得纯技术效率（管理效率）的提升受到较大阻碍。第二，高等教育发展水平对TFP的效应为负，对TFP各分解值的效应均在统计上不显著。原因可能是，其一，目前我国高等教育发展水平尚处于提高阶段，接受高等教育的群体在受教育年限和教育质量上还没有完全实现均衡发展；其二，高校在校学生比例可能并非是最好的高等教育发展水平和人力资本状况的替代变量，在今后的研究中拟选择更多其他的替代变量进行检验。第三，国内研发资本存量能够对TFP、技术创新效率和纯技术效率产生积极影响，但对规模效率的影响显著为负。可能的原因是国内研发资本的投入能够提高技术创新能力，从而为产品创新和技术创新提供保障。对于规模效率来说，国内研发资本的投入在一定时期内可能会打破一般性生产要素的合理性配置，从而使得最佳规模效率和投入要素之间的比例出现某种程度的失调。表2 交通基础设施与TFP及其分解的回归结果受篇幅所限，本表略去所有时间虚拟变量的回归系数。变量模型（1）变量模型（2）变量模型（3）变量模型（4）Cons-0.053(-1.73)*Cons0.015(0.92)Cons-0.084(-2.42) *Cons0.037(0.83)L.0.309(8.11) *L.0.000(0.01)L.0.097(5.14) *L.0.065(3.12) *L2.0.124(3.27) *L2.-0.086(-1.97) *L2.0.037(1.50)L2.-0.009(-0.19)-0.009(-0.68)-0.011(-0.74)0.002(0.28)0.032(1.81) *L.-0.010(-0.99)L.0.006(1.71) *L.-0.010(-2.72) *L.-0.004(-0.85)L2.0.005(0.50)L2.0.034(1.00)L2.0.026(0.49)L2.-0.049(-0.83)L3.-0.024(-2.34) *L3.-0.035(-1.14)L3.-0.037(-0.66)L3.0.046(0.83)L4.0.022(2.92) *L4.-0.000(-0.03)L4.0.017(2.39) *L4.0.006(0.94)-0.013(-1.83) *-0.003(-0.99)-0.004(-0.91)-0.003(-0.30)0.006(1.65) *0.006(1.67) *0.009(1.60) *-0.013(-2.04) *个体效应检验0.003个体效应检验0.005个体效应检验0.000个体效应检验0.0000.3900.9460.7160.306Hausman检验结果0.004Hausman检验结果0.000Hausman检验结果0.005Hausman检验结果0.000注：估计软件为stata11.0；括号里的数值为回归系数的t检验值；*、*、和*分别表示在10%、5%和1%的显著水平上拒绝原假设。六、结论及不足之处本文利用我国19862009年30个省（区、市）的面板数据检验交通基础设施对全要素生产率及其分解值的影响，以考察交通基础设施在促进全要素生产率过程中发挥的分解效应的大小。研究结果表明，交通基础设施在不同时期能够对全要素生产率产生不同方面的积极影响，交通基础设施的影响不仅表现在当期，还具有显著的后续溢出效应。另外，TFP及其分解值的其他影响因素，如高等教育发展水平、研发资本存量等也能够对其产生不同程度的影响。本文研究的不足之处在于，笔者仅研究了交通基础设施对本地区全要素生产率及其分解值的影响。随着交通基础设施的快速发展，跨区域的联系愈加紧密，各地区之间通过交通基础设施进行优势互补的可能性增大，但是本文没有对交通基础设施的跨区域效应进行研究，这是本文的遗憾，也是下一步的研究方向。参考文献1 Chatterjee, S. Poverty Reduction StrategiesLessons from the Asian and Pacific Region on Inclusive Development J, Asian Development Review 2005. 22: 1244.2 Stphane Straub, Charles Vellutini and Michael Warlters. Infrastructure and Economic Growth in East Asia R. World Bank, Policy Research Working Paper, 2007. No. 4589.3 刘生龙、胡鞍钢. 基础设施的外部性在中国的检验：19882007 J. 经济研究，2010. (3): 4-15。4 Demurger, S. Infrastructure and Economic Growth: An Explanation for Regional Disparities in China? J. Journal of Comparative Economics, 2001. 29: 95117.5 Griliches, Zvi, Returns to Research and Development Expenditures in the Private Sector C, in Kendrick, J. W. and B. Vaccara (eds.), New Developments in Productivity Measurement, National Bureau of Economic Research Studies in Income and Wealth No.44, Chicago: University of Chicago Press, 1980.6 Coe, D.T., and Helpman E., International R&D Spillover J. European Economic Review, 1995. 39(5): 859-887.