中国城市全要素生产率增长率动态实证分析及收敛性研究.docVIP

中国城市全要素生产率增长率的动态实证分析及收敛性研究 　　摘要：本文采用超越对数形式的SFA模型，对中国2005―2012年285个地级及以上城市的全要素生产率（TFP）增长率进行了测算及收敛性检验，并将TFP增长率分解为技术进步效率、规模效率以及技术效率变化率三部分。研究结果表明：（1）中国TFP增长率整体偏低并连续出现负增长，在样本期间，TFP增长率由1.085%下降为-3.338%，年均下降0.56%，主要原因是技术进步的连续下降；（2）生产效率呈现由东部到西部逐步降低的态势；（3）政府干预对生产效率有负面影响，而加强基础设施建设、提升城市的空间集聚程度以及发展多样化经济有利于生产效率的提升；（4）不同规模及不同区域的城市之间存在发展趋同的趋势，但整体而言不存在俱乐部收敛现象，且我国城市规模效率有待加强。中国城市的发展模式亟须引起高度重视。 　　关键词：全要素生产率；SFA模型；超越对数生产函数 　　中图分类号：F292 文献标志码：A 文章编号：1001-862X（2016）03-0054-010 　　一、引 言 　　全要素生产率是经济增长效率的核心内容，随着我国经济发展进入新常态，经济增长速度开始放缓，“效率”这一关键词被频频提起。为了更好地转变生产方式，成功跨越中等收入陷阱，早日实现中国梦，必须实现我国经济的包容性及可持续性发展。而技术进步正是实现经济可持续发展的关键所在，技术进步同时也是全要素生产率的核心内容。目前关于全要素生产率的研究主要可以概括为以下两个层面：（1）研究方法，主要有索洛余值法[1][2][3]，根据已有的研究经验来看，普遍认为索洛余值法的约束性较强，比如假设规模报酬不变，并且直接将TFP当作残差对待，而且无法剔除测算误差的影响[4][5][6][7]；数据包络法（DEA），该方法虽然相比索洛余值法而言有了较大改进，但是稳定性较差，易受随机因素的干扰，不少学者得出的研究结果相差较大（1）；与DEA方法相比，随机前沿分析法[8][9][10]在一定程度上消除了随机因素的干扰，并且依据Kumbhakar（2000）的方法可以将TFP指标分解为四个关键效率指标（技术进步、技术效率、配置效率、规模效率），相比前两种方法有一定的优越性。（2）研究范围，主要有企业及区域两个层面。在企业层面，主要的研究内容聚集于工业企业部门以及服务业的生产效率研究。例如，杨继东、江艇（2012）[11]及HsiehKlenow（2009）[12]分别使用1999―2007和1999―2005年的工业企业数据，发现中国企业整体的生产率水平在提高，且企业间的生产率差距在缩小。杨汝岱（2015）[13]依托1998―2009年中国工业企业数据库，利用OP、LP方法发现中国制造业全要素生产率增长速度在2%～6%之间，且增速存在较大波动；在区域层面主要有省级、市级两个层面，王志刚等（2006）从省级层面计算1978―2003年我国的TFP增长率，发现在改革开放以来，我国TFP增长率出现了先降低后增长的两轮周期性变化。相比省级层面的研究，城市层面的相关研究则相对较少，且基本运用的都是DEA方法。李郇等（2005） [14]采用DEA方法，研究了20世纪90年代中国202个地级及以上城市的效率情况，认为城市效率低下，规模效率的下降对整体效率低下影响很大。但是采用同样的方法，金相郁（2006）发现在1990―2003年间，我国城市的TFP增长了8.3%，主要贡献来自技术进步，不过该文仅选了41个城市作为样本，并不能完全代表我国城市整体层面的情况。邵军等（2010）的研究是近年来关于城市TFP研究具有代表性的一篇文章，他运用DEA方法测算了191个城市1999―2006年间的TFP，发现TFP增长率连续多年为负值，主要是由于技术进步水平的下降造成的，并且西部地区与东、中部地区的差距明显。 　　针对关于城市层面TFP研究的不足，本文通过运用更具优越性的SFA方法，以大样本数据为基础，考察我国2005年至2012年285个地级及以上城市的TFP增长率，并对其进行效率分解，以进一步分析影响TFP变动的关键因素。考虑到我国城市发展存在的区域差异性以及规模差异，本文分别对TFP增长率进行城市分组以及区域分组进行详细的分析。同时，为了分析区域差异引起的TFP增长率走势的差异，本文分区域对各地区TFP增长率进行了收敛性分析。 　　二、数据说明 　　本文所采用的数据主要来源于《中国城市统计年鉴》，时间跨度为2004―2012年，由于部分城市存在较为严重的数据缺失，经部分剔除，最后选取了285个地级及以上城市作为本文的研究样本。从数据的统计范围来看，关于城市的统计数据主要分为全市和市辖区，全市包括市区、下辖县以及乡村，市辖区主要包括的是城区。