基于动态面板模型的我国生产率增长来源分析

崔友洋

（南京中医药大学经贸管理学院，江苏南京 210002）

0 引言

内生增长理论认为，国家要实现经济的长期增长，必须要有快速的技术进步作为支撑，以技术进步提高资本利用率和人力资本水平（Aghion and Howitt，1992）。因而，内生增长理论比较注重一国自主研发的投入，强调自发的研发行为对技术进步和经济增长的贡献（张鹏飞和路乾，2008）。然而，根据“后发优势”理论（林毅夫，2000），对于发展中国家来说，可以通过引进西方发达国家的现有先进技术，在学习效应和竞争效应的作用下，实现发展中国家最快速和最有效的技术进步和经济增长，甚至是赶超战略。可以说，现有的经济理论为我们提供了实现技术进步的两条主要道路，即内源性的自主研发和外源性的对外引进。

改革开放以来，我国经济总体上保持了快速的增长，经济发展所依托的技术也实现了较快进步和蜕变，在许多领域都实现了令世界瞩目的成就。在推动我国技术进步的背后，一方面离不开自主研发的投入，另一方面也需要对外引进，尤其是对外商直接投资（FDI）的吸引。在研发投入方面，与现有大部分发达国家相比来说，在投入强度，即研发支出占GDP 的比重方面，存在着较大的差距。如据世界银行统计，2009 年我国研发投入强度为1.70，而美国为2.90，日本为3.36，最高的国家以色列为4.46，但是我国的这一投入水平在所有发展国家中基本上处于领先地位，如巴西为1.17，俄罗斯为1.25，甚至还超过了部分OECD 国家，如意大利（1.26）、卢森堡（1.66）等，而且从自我发展的历史视角来看，我国在研发投入方面也实现了较大的增长，如我国1996 年的研发投入强度只有0.57，到2009 年就基本增长了2 倍多。

从实现技术进步的另一源泉，即吸引外商直接投资来看，我国在此方面也获得了长足发展。据世界银行（WDI）数据库统计，在1982 年，我国引进外商直接投资的规模为4.3 亿美元，只有约美国的3.45%左右，到2012 年，我国的引资规模达到2500 多亿美元，超过美国，是美国的1.23 倍，成为全球最大的外商直接投资引进国家。这一方面反映出我国经济发展环境的巨大改善和经济增长具有强大的内在潜力，能够吸引众多跨国公司来华投资，另一方面也体现出我国对外商直接投资的重视和关注，希冀通过引资来激活国内生产经营和技术进步。

综上，不论是从内源性的研发投入，还是从外源性的外商直接投资，我国都加大了投入力度和吸引程度。本文重点研究了我国经济增长过程中的研发投入、外商直接投资和生产率增长这三者之间的作用关系，藉此希望能够明确我国当前生产率增长的主要特点及其内外源性的结构特征，为今后的引资、研发投入和经济转型等提供借鉴和启示。

1 模型构建与实证分析

1.1 变量构建与说明

在进行实证分析时，首先要对相关变量予以测度。本研究涉及3 个变量，即生产率增长（TFP）、研发投入（R&D）和外商直接投资（FDI）。

对于生产率增长的测算，现有文献大多采用3 种方式来测度之，即参数、半参数和非参数估计。参数法主要包括随机前沿函数分析法（SFA）和索罗余值法等，半参数法主要包括OP和LP 2 种分析法，非参数法分为数据包络分析方法（DEA）和指数法。因非参数法不需要事先对生产函数结构进行假定，可直接利用线性优化估算出边界生产函数与距离函数，避免了较强的理论约束，因而得到了普遍的应用。本文也利用非参数法中的数据包络分析法（DEA）来估算我国的生产率变化情况。

在估算生产率增长之前，需要明确投入和产出两项指标。产出一般来说主要用国内生产总值（GDP）来测度；对于投入而言，根据新古典生产函数，主要取决于2 个因素，即劳动力投入和资本投入。劳动投入可用每年的就业量来测度，该数据是在现有的统计年鉴中可以搜集到的；资本投入，即资本存量，现有的统计年鉴中没有现成的指标，需要重新构建与测算。根据单豪杰（2008）的做法，我们采用永续盘存法来测度资本存量，其中所涉及到的折旧率，取值为10.96%。为了保持数据平减的一致性，我们将所有涉及到需要进行价格调整的变量都平减至1978 年。

在明确了就业量和资本存量的基础上，借助DEAP2.0 软件，基于DEA-Malmquist 模型的规模报酬不变法，就可直接测算出本文研究所需的被解释变量生产率增长及其分解，具体包括3 个方面，即：效率改进（EFF）、技术进步（TECH）和全要素生产率（TFP）。从测算的结果来看，不论是效率改进（EFF）、技术进步（TECH），还是全要素生产率（TFP），都存在着较大的异质性变化，并非是线性增长，这与我国经济增长的周期性变化是比较吻合的。

同时，还需要测度研发投入和外商直接投资。对于研发投入，用研发投入量占GDP 的比重来表示。根据现有能够搜寻到关于研发投入的绝对量，最早可溯源至1989 年，因而这就限定了本文研究的数据范围为1989-2011 年。对于外商直接投资，用当年实际利用外商投资与GDP 的比值来表示。根据现有研究，本文还选取了2 个典型的控制变量，即人力资本（HR）和基础设施（INV）。人力资本用各层次的受教育年限及其人数占比的加权乘积来衡量；基础设施主要用固定资产占GDP 的比重来表示。所有变量的数值描述如表1 所示。

1.2 证实分析

在上述变量构建的基础上，为了消除所用数据的不平稳性给研究结果引致的异方差性，本文将所用数据都取对数。同时，也为了避免研究样本的地区异质性影响以及体现研发投入和外商直接投资的交互作用，本文采用了面板数据分析中的固定效应法（FE）来回归，并在回归方程中加入了研发投入和外商直接投资的乘积项，即LnR&D* LnFDI。

表1 变量的初步描述

通过上述简要处理后，运用STATA10.0 软件，我们可以得到相应的回归结果（见表2）。从中可以看到，不论是从回归所得的变量的预期作用效果，还是从变量的显著性以及回归方程的总体显著程度来看，都不是很理想，都难以说明我们所要研究的问题。

表2 回归结果一

针对上述回归结果的不理想以及在回归过程中可能会因变量之间所存在的内生性问题，我们采用广义矩估计法（GMM）对本文所要研究的变量之间的关系重新回归。之所以采取GMM，一方面是由于该方法能够消除变量的内生性问题，体现在本文的回归方程中，即研发投入或外商直接可能会引致生产率增长，但同时生产率增长也可能会进一步引致研发投入或外商直接投资的增长；另一方面，GMM 方法较好地体现了被解释变量的前期引致性作用，也即体现在方程中为滞后一期被解释变量对当期被解释变量的作用。

需要说明的是，通常来说GMM 包含2 种方法，即差分GMM（Diff-GMM）和系统GMM（Sys-GMM）。究其估计效率，一般来说，系统GMM 要优于差分GMM。同时，在运用上述2 种方法时，都需要对这2 种方法所适用的条件进行检验。检验包括扰动项无自相关检验和工具变量的过度识别检验。扰动项无自相关检验需要检验扰动项的差分是否存在二阶差分（AR（2）），而对工具变量的过度识别检验，通常是借助Sargan 检验来完成。

基于上述原理，本文采用GMM 方法再次对研究样本予以重新估计，所得结果如表3 所示。首先，对于效率改进（LnEFF）回归的效果来看，尽管通过了Sargan 检验，也即工具变量不存在过度识别，但是没有通过AR（2）检验，即扰动项的差分存在二阶差分，说明并不适用差分GMM。其次，分析技术进步（LnTECH），其从所必需的2 项基本检验来看，与效率改进的结果相类似，虽然通过了Sargan 检验，但是没有通过AR（2）检验，说明并不适宜采用差分GMM。

表3 回归结果二

最后，分析全要素生产率（LnTFP）的作用情况。从表3 反映的情况来看，见方程（9），虽然所得结果都通过了Sargan 和AR（2）检验，但是从各变量回归的结果来看，只有研发投入和前期TFP 的结果显著为正，其余变量均不显著。该结果以及上述所得结果是否具有稳健性，还需要进一步的检验。

为了进一步检验上述结果的稳健性，本文采用系统GMM对上述过程予以再次回归，所得结果如表3 的方程（10）-（12）所示。我们依然首先分析效率改进（LnEFF）的回归结果，从方程（10）可以看出，在采用Sys-GMM 方法下，虽然通过了Sargan检验，但是依然没有通过扰动项无自相关的二阶差分检验，即AR（2）。因而，综合基于固定效应法（FE）和GMM 法回归所得的结果，可以说明现阶段不论是来自内部的研发投入还是来自外部的外商直接投资，都难以对效率改进产生作用。剖析个中原因，可能与我国现阶段研发投入资金的利用率低下以及对所引进外资的投资导向性不合理应该都不无关系。同时，在引进外资过程中，我国是否充分利用了外资所隐含的先进技术，是否将外资引导到了最能体现我国产业结构升级的发展过程中，而不是只是为了引资而引资，也是值得深究和追问的。

其次，从对技术进步（LnTECH）的系统GMM 回归结果来看，通过双重检验的方程（11）与没有通过检验的方程（8）所得结果从系数符号和显著性来判断基本上是一致的，即现有的研发投入和外商直接投资还难以促进技术进步，这可能在于虽然现阶段我国投入了较多的研发资金，也吸引了大量的外商直接投资，但是对于投入和投资的有效利用程度不高，还没有产生或者激活对于我国技术进步的促进效应。同时，如果研发投入与外商直接投资共同作用于技术创新过程中，会呈现出互为替代的作用关系（交互项系数显著为负），也即这两者对技术进步所带来的作用存在着此消彼长的关系，并不能对技术进步产生协同促进效应。对技术进步滞后项的回归结果来看，从中可以看出，该变量的系数显著为正，说明前期技术进步对于当前技术进步具有促进作用，这也意味着技术进步具有循环累积效应。

最后，从对全要素生产率（LnTFP）的回归结果来看，由系统GMM 所得的结果（方程（12））与由差分GMM 所得的结果（方程（9））基本没差异，即除了研发和前期全要素生产率外，其余变量均不显著，这说明方程（9）的结果具有一定的稳健性。这也在一定程度上说明了当前我国推进全要素生产率增长的主要动力来源于内在的研发投入和前期全要生产率的循环累积作用，而对于外商直接投资，我们所得结果比较支持刘舜佳和王耀中（2012）等所得出的中性说，即现阶段我国所吸引的外商直接投资可能存在着结构不匹配或者技术外溢阻塞等现象，使得FDI 还没有真正融入至我国经济发展的内在过程中，还没有真正形成推动我国生产率提升的有效动力。

2 结语

在本文的研究样本期内，研发投入与外商直接投资对于效率改进并不存在着显著的促进作用；对于技术进步来说，研发投入与外商直接投资还均难以体现出对于技术进步的推进作用，而前期技术进步对当期技术进步具有循环累积效应；最后，对全要素生产率的回归结果来看，其主要动力来源于内在的研发投入和前期全要生产率的循环累积作用。

针对上述结论，本文提出以下几点政策建议。首先，对于研发投入，一方面还应继续加大投入力度，尤其是加大对那些具有技术引导性和创新引领性行业的投入，破解“巧妇难为无米之炊”的资金瓶颈；另一方面还要改善研发投入结构和质量，将研发资金投入到生产效能高、生产潜力大的产业中去，主要是对高精尖技术和战略性新兴产业的投入与支持。其次，对于外商直接投资，要改变过去那种单纯为了“引资而引资”的传统发展思路和政绩观，要结合当地的经济发展规律和产业结构特征来引资，避免沦落为跨国公司的“代工厂”或是“污染天堂”。第三，对于各企事业相关部门来说，要注重前期生产率增长的积累，要从政策宣传、氛围营造、资金扶持等方面予以支持，特别是对于政府来说，更要从顶层设计层面，通过战略规划、路径设计、产业布局等来积极引导和扶持技术创新以及经济增长内生化的发展思路与理念。

［1］Arellano，M.and O.Bover.Another look at the instrumental-variable estimation of error-components models［J］.Journal of Econometrics，1995（1）：29-52.

［2］Smith，V.R&D and productivity in Danish firms：some empirical evidence［J］.Applied Economics，2004（16）：1797-1806.

［3］Kim，Linsu and Richard R.Nelson.Technology，Learning and Innovation：Experiences of Newly Industrializing Economics［M］.Cambridge：Cambridge University Press，2000.

［4］陈强.高级计量经济学及Stata 应用［M］.北京：高等教育出版社，2010.

［5］李杏，M.W.Luke Chan.外商直接投资与对外贸易技术溢出效应的比较［J］.国际贸易问题，2009（2）：70-77.

［6］毛凤德，李静，彭飞，等.研发投入与企业全要素生产率:基于PSM 和GPS 的检验［J］.财经研究，2013（4）：134-144.

［7］邵军，徐康宁.转型时期经济波动对我国生产率增长的影响研究［J］.经济研究，2011（12）：97-110.