劳动力错配诱发全要素生产率损失了吗?——来自中国产业层面的经验证据

董直庆，刘迪钥，宋 伟

(1.华东师范大学 商学院，上海 200241；2.吉林大学 商学院，吉林 长春 130012)

一、前 言

近年来我国环境污染日益严重，沙尘和雾霾天气频繁爆发，居民的生活质量日渐恶化，这都不断凸显传统资源高投入、高增长和高污染经济发展模式的不可持续性。如何在不增加要素投入和环境污染的前提下，盘活和提升存量要素的生产效率以提高经济增长率和产出质量，已成为“十二五”时期经济可持续发展的关键。诚然，一国无法在短期内迅速提升技术水平和要素质量，我国在控制投资规模背景下也无法以大规模引进技术方式提升效率。为此，如何通过破除要素流动障碍，提高存量要素配置效率来改变全要素生产率，已成为当前我国推动经济转型和增长方式转变的重点。

关于要素错配问题的研究，可以追溯至20世纪70年代，Mundlak(1970)构造出两部门模型考察要素错配，发现要素错配会影响要素供给、产出份额和产出替代弹性。John(1971)认为制度约束会引发要素价格变化，使其出现价格扭曲而明显有别于自由市场价格，导致生产要素无法达到最优化配置。Jaime和De Melo(1977)将两部门模型扩展到多部门模型，衡量资源错配效应及要素价格扭曲对经济产出和结构优化的影响。Syrquin(1986)从要素配置视角扩展了Solow要素无流动障碍时的经济增长模型，分析了资源错配对全要素生产率的作用效应。Kumbhakar(1992)发现，美国航空业要素错配引发企业间资源配置不均，技术进步率出现不断下降趋势，这根源于资源非市场方式配置，使航空业企业将工作重心转向寻租，而不再关注经济效率与技术创新。若将一国经济分成农业和非农业两部门，Rogerson(2008)和Temple(2001)发现农业和非农业部门间的要素报酬差异明显，其中非市场因素阻碍了要素的自由流动，使部门间出现要素错配现象。Barseghyan和Dicecio(2010)结合一般均衡模型利用企业注册登记费表示行业进入障碍，发现行业进入障碍可以解释相当大比例的跨国生产率差距，若以产出份额测度行业进入成本则可以解释25%的全要素生产率增长，且进入成本每增加1%，全要素生产率将损失0.52%，成本最低国家和最高国家相比二者全要素生产率和人均收入分别相差1.32倍和1.52倍，表明市场结构越不完全和垄断程度越高，要素错配越明显，全要素生产率增长越慢。Buera等(2010)对比了不同国家金融部门的要素配置效率问题，发现最发达和最不发达金融部门的效率损失相差40%。

然而，对于发展中国家而言，要素错配和无效配置现象更为常见，通常即便不增加资本投入而只需减少要素错配，就可以大幅提高经济产出水平和生产效率(Dollar和Wei，2007)。Hsieh和Klenow(2007)以美国制造业为基准，对比中国1998-2005年制造业要素错配对全要素生产率的影响，结果发现中国制造业若能实现美国制造业的要素匹配程度或效率水平，则中国的全要素生产率可以增长30%-45%且经济产出提高1倍。袁志刚和解栋栋(2010)以日、韩经济为基准，从单要素错配视角，估计了我国劳动力在部门间错配对全要素生产率的影响，发现1978年后我国劳动力错配引致全要素生产率损失在2%到18%之间，而且呈逐年扩大趋势，并且认为要素价格而非市场结构因素是导致我国劳动力错配的主要原因。同样，利用要素错配引发效率损失的逻辑，朱喜等(2011)结合2003-2007年全国农村固定农户数据，分析了我国地区农户生产的要素配置扭曲度与总量全要素生产率的关系，发现地区间要素配置扭曲程度差异明显，如果消除资本和劳动配置扭曲，农户农业全要素生产率可以增长20%-30%，从农村和农户层面印证了袁志刚和解栋栋(2011)的结论。同时，陈永伟和胡伟民(2011)将资源错配和效率损失与传统增长核算相结合，考察我国制造业资源错配的效率损失情况，发现我国制造业资源错配在不同子行业内差异明显，资源错配导致15%的经济产出缺口。姚战琪(2009)结合面板数据检验发现，我国资源错配对总体经济和工业部门的作用均为负。张杰等(2011)利用2001-2007年工业企业样本数据考察要素市场错配度，发现要素市场扭曲除引发效率损失外还会抑制企业R&D投入，表明要素错配不仅会直接降低技术效率，还会通过影响企业的R&D投入来改变技术效率。

毫无疑问，劳动力是生产活动中不可或缺的要素，劳动力规模和配置效率更是对经济增长有决定性影响。2010年以来我国已经开始进入劳动力绝对减少阶段，为此，人口红利渐次消失时期如何提高劳动力配置效率，对我国经济而言作用更明显。那么，是什么因素引起劳动力错配呢？Becker(1957)认为，拥有相同劳动生产率的劳动者，因种族和性别歧视而出现明显的工资报酬差异，进而影响劳动力资源的优化配置。Doeringe(1971)认为，可以将劳动力市场划分为一级劳动力市场和二级劳动力市场，通常劳动力在一级劳动力市场会得到高于市场价格的工资，而在二级劳动力市场会得到低于市场价格的工资，进而使劳动力在一级市场和二级市场间出现价格扭曲。Dickens(1985)则进一步证实了市场分割对劳动力错配的影响，认为市场分层是导致劳动要素流通障碍的重要因素。同时，20世纪90年代后技术发展愈加与资本耦合(Pakko, 2002)，技术进步物化性使技能劳动需求不断增加(Berman, 1994)，加剧了劳动力市场需求结构的变化。由于技能信息在劳动供给者与市场需求者之间存在信息不对称性，引发企业岗位和技能劳动的非匹配，进而使劳动力错配问题愈发严重。Goldin(1998)强调，不同生产方式对劳动力错配的影响不同，传统机械化生产刺激企业引进低技能劳动力，自动化生产则需要高技能劳动者，但市场需求无法有效识别劳动者技能，在一定程度上扭曲了劳动力结构，从而改变了劳动力的匹配水平。Fisher(2000)还发现，在欧美国家工会使劳动力在工资谈判过程中拥有一定的垄断力，工会对劳动工资的干预使劳动力市场供求无法按照市场规律运行，进而使劳动价格出现扭曲和劳动力错配现象。盛仕斌和徐海(1999)发现，我国要素市场更是普遍存在要素价格扭曲现象，而且不同地区间劳动力市场的资源错配现象存在差异，尤其是中西部劳动力市场发展较慢，计划经济和政府管制色彩浓厚，相对于东部沿海地区资源错配现象就更严重(蔡昉等，2001)，当然，这也可能是地方分权引致资源流动障碍使地区要素价格扭曲(郑毓盛，2003)。不过，袁志刚和解栋栋(2011)指出，劳动力错配引发的效率损失更可能是源于部门间的工资差异。

就我们研究所及，国内文献虽已关注到劳动力错配及其对全要素生产率的影响，却普遍忽视劳动力在不同行业的配置情况，在我国行业管制和市场垄断下劳动力在不同行业的市场进入障碍和政府管制强度差异明显，劳动力错配往往更易表现在行业层面。若从行业视角度量我国劳动力的错配水平及其对全要素生产率的影响，将有利于产业结构和劳动力结构优化及生产率的提升。为此，本文借鉴Aoki(2008a,b)的框架，构建存在劳动力流动摩擦的多部门一般均衡模型，结合1978-2010年数据，度量我国分行业劳动力扭曲系数和错配程度，对比不同行业劳动力错配水平及其对全要素生产率的影响，并进一步考察技能劳动规模、劳动报酬和行业垄断对劳动力错配的影响。本文的剩余结构安排如下：第二部分指标设计和我国分行业劳动力错配水平；第三部分劳动力错配诱发的效率损失水平；第四部分劳动力错配的成因分析；第五部分基本结论。

二、指标设计和我国分行业劳动力错配水平

令θi=piYi(∑jpjYj)-1，其中θi表示行业i的产值在整体经济中所占的比重，有

则行业i的劳动力相对错配系数为：

本文数据来自1978-2010年《中国统计年鉴》和《中国劳动力统计年鉴》，行业产出数据Yi取不同行业产出增加值并按不变价格调整。Lit为行业劳动投入，在此采用行业t-1期和t期的从业人员数表示。Ki为不同行业固定资本投资存量，在此使用永续盘存法估计Kit=Ki(t-1)+(1-δ)Iit，It为t期固定资产投资，δ为资本折旧率。由于不同行业价格变动差异及可能引发的估计偏差，数据均按照定基比价格指数剔除价格影响并调整到1978年水平，相关指标的统计特征见表1。

表1 产出、资本和劳动变量的行业数据统计特征(均值、标准差)

注：总产出和资本单位为“亿元”，劳动力单位为“万人”。

建立面板数据模型lnYit=ci+αilnKit+βiLit+μi，在此采用Hausman检验和F检验确定最优的模型形式。Hausman检验结果表明在5%的条件下拒绝原假设，面板数据使用固定效应效果更优。F统计量也在5%显著性水平上印证面板数据应建立固定效应的变系数模型(相关估计结果见表2)。为此，本节利用1978-2010年六个行业面板数据，建立固定效应的变系数面板数据模型，依据规模报酬不变假设对资本和劳动力产出弹性进行标准化处理，运用普通最小二乘法并借鉴朱喜等(2011)估计思路，结果见表3。

表2 面板数据模型的Hausman检验和F检验结果

表3 资本和劳动固定效应的变系数模型下行业要素产出弹性估计结果

面板数据模型总体R2拟合效果和F检验结果比较理想，表明固定效应的变系数模型对数据解释力强。数据显示，不同行业要素产出弹性差异明显。其中劳动力产出弹性大于资本产出弹性的行业，主要有农业、建筑业和交通运输仓储及邮电通信业，这类行业属于传统的劳动密集型行业。而资本产出弹性大于劳动的行业，涉及工业、金融业以及房地产业，这类行业产出增长主要依靠资本投入，属于传统的资本密集型产业。对比分行业要素产出弹性，发现农业劳动力产出弹性和金融业资本产出弹性最高，这两类行业劳动力技能和资本密集度差异也最为显著，表明行业的要素禀赋与该产业的要素产出弹性呈现匹配性。不过，工业行业要素产出弹性估计结果超预期，其资本产出弹性远高于劳动并达到1.24，而劳动产出弹性却为负，这应该不符合劳动的真实贡献。究其原因，偏误可能是来自面板数据在截面或时间上的异方差，而且工业行业包括众多细分行业，而这些行业也都可以归并为资本密集型或劳动密集型行业，由于相互间要素产出弹性差距明显，多重因素的共同作用易导致工业行业的要素弹性估计出现偏误。为此，依据Aoki(2008a,b)的要素收入份额法重新估算行业的要素产出弹性，计算公式为：αk=(∑irK)/Y；βL=(∑iwL)/Y。其中αK和βL分别表示行业资本和劳动收入份额，Y表示行业增加值，r、w、K和L分别表示利率、工资、资本和劳动(见表4)。

表4 依据要素收入份额法估计的分行业要素产出弹性结果

图1 分行业劳动力错配程度及其变化趋势

利用分行业资本和劳动力弹性系数和劳动力错配系数定义，计算我国1978-2010年六个行业的劳动力错配程度及变化趋势(见图1)。数据显示：

(1)劳动力错配问题普遍但行业差异明显。在六大行业中，无论是传统的农业还是现代金融业，无一不出现劳动力错配现象。与其他行业相比，农业劳动力错配问题最为突出。虽然改革开放时期的家庭联产承包责任制改革使农业劳动力摆脱旧经济体制束缚，生产效率提升和劳动力错配水平在改革初期有所缓解；但伴随工业化改革，工业劳动力需求增长明显而农村劳动力由于制度障碍无法从农业自由流入工业，劳动力错配程度开始不断上升，从1983年的最低值1.53逐年提高到2010年的3.46。剔除农业外，其他五个行业劳动力也都存在一定的错配，表明政府行政管制和制度约束引发劳动力流动障碍，诱使不同行业劳动力不可避免地出现无效配置现象。

(2)劳动力错配周期波动特征不突出但不同行业分化趋势明显。无论哪一产业，劳动力错配都没有出现较明显的周期波动特征，而是呈现出趋势性。其中农业、房地产业和金融业的劳动力错配度都表现出逐年递增趋势，其他产业出现递减。不过，不同产业分化趋势明显，主要表现在两个方面：一是农业劳动力错配度不断趋高且明显高于其他产业。其中农业劳动力平均扭曲程度达到10%，并在样本期末达到最高，表明农业在经历农村联产承包责任制后产出规模和产出效率仅在短期内对劳动力配置优化发挥作用，使劳动力错配得到某种程度的缓解。但由于户籍管理制度和社会保障制度改革滞后，以及农业技术进步引致的剩余劳动力无法有效退出农业等因素的影响，使农业劳动力错配表现愈加突出。二是不同产业劳动力错配出现不同变化。其中金融业也表现出劳动力错配现象，并且错配程度持续恶化，暗示我国金融业管制和国有垄断问题依然突出，民营资本的行业进入成本仍然高昂。金融业行政管制的结果是，其从业人员更有机会享受体制内成果，劳动报酬和社会福利明显偏高，而高工资和高福利又诱使劳动力通过各种方式流入金融业，使劳动力错配现象不断恶化。与此相反，工业、建筑业和交通运输通信业的劳动力错配度却出现较为平稳的下降趋势，这应该归功于历年来的市场化改革，促使劳动力更多通过市场而非行政进行配置，降低了行业劳动力错配程度。

三、劳动力错配诱发的效率损失水平

为对比不同行业劳动力错配对全要素生产率的影响，首先估计行业全要素生产率，依据资本和劳动力要素产出弹性，利用索洛余值法估算全要素生产率，结果见图2。图2显示：除房地产业外几乎所有行业的全要素生产率均表现出增长趋势，金融业增长趋势最为明显，表明历经30年的金融体制改革，金融业人力资本积累和制度建设都达到一定水平。全要素生产率水平较高的行业依次是金融保险业、建筑业以及房地产业，其全要素生产率均值分别为2.4976、1.3990和0.9332。这一结果基本与实际相符，金融保险业和房地产业属于技术密集型行业，凭借市场的资本优势和政策倾斜，不断发展使其全要素生产率实现了快速增长。此外，全要素生产率水平较低的行业有农业、工业和交通运输及邮电通信业，其平均值分别为0.2603、0.4682和0.4802，主要是这三个行业均属于平稳发展的基础产业，行业技术水平较低，经济发展过程中技术进步对行业的影响较弱，从而使其生产率增长相对缓慢。

结合劳动力错配系数，估计样本期内我国劳动力错配诱发的效率损失情况，结果见表5和图3。数据显示：(1)我国劳动力错配引发的效率损失呈现多头“W”形非对称特征。主要体现为经历了三次明显的下降和两次明显的上升趋势，其中下降阶段分别是1978-1983年、1993-1996年和2003-2010年，而上升阶段是1984-1993年和1996-2003年，表明改革开放初期以家庭联产承包责任制为主要内容的市场化改革，有效改善了劳动力配置扭曲现象，促使剩余劳动力在产业和地区间流动，提高经济产出效率。之后虽经历国有企业改制和市场经济体制改革，却未能有效扭转劳动力错配状况，使经济效率损失逐年提高。不过，在历经近20年的劳动力市场制度改革，近十年来劳动力错配引发的效率损失逐年减少。(2)我国劳动力错配引发经济效率损失近24%。改革开放初期全要素生产率下降均值水平在14%左右，但在1985年至1993年的观测期内，劳动力错配对全要素生产率的负效应持续加剧，其影响攀升至25%，并于2003年达到36%的最高点。而在2003-2010年间我国劳动力错配对TFP的效率损失虽有所缓解，但依旧维持在约30%的较高水平。这充分说明，在当前经济发展阶段，我国经济效率的提升还有较大的空间，完全可以通过制度改革释放红利以减少劳动力错配，从而进一步提升效率。

图2 行业全要素生产率的变化趋势 图3 要素错配引发整体经济的效率损失情况

观测期最大值最小值均值标准差1978-20100.36700.12500.23910.08351978-19850.17420.12500.14150.01621985-19950.23880.14370.19290.03181995-20050.36700.21630.30180.05702005-20100.35430.32050.33900.0123

为进一步考察我国劳动力错配改善及其对经济效率的影响，结合前述我国宏观经济中劳动力错配对经济效率的作用特征，将观测期分成1978-1985年、1985-1995年、1995-2005年和2005-2009年四个阶段，分别考察不同时期劳动力错配对经济效率的影响，结果见表6。表6显示：不同行业劳动力错配诱发全要素生产率损失出现分化趋势。主要体现在两方面：一是劳动力错配作用在不同行业差异明显。其中农业劳动力错配引发的效率损失最为突出，自20世纪80年代中期以来，劳动力错配引发全要素生产率损失不断减少。而工业劳动力错配紧接其次，平均保持两位数增幅。金融保险业、房地产业以及建筑业的劳动力错配对经济效率的影响最小，并在某些阶段还表现出一定的正效应。在四个观测期内，行业劳动力错配程度变动对全要素生产率的影响虽有正有负，但在整个样本期内更多表现为负效应。二是劳动力错配作用在不同时期分化突出。20世纪80年代中后期劳动力错配有所改善，但其他时段劳动力错配并没有明显好转。

表6 不同时期分行业劳动力错配变化对全要素生产率的影响(均值)

四、劳动力错配的成因分析

从宏观经济和分行业看，劳动力错配现象及其引发的效率损失突出，那么，是何种因素引发了劳动力错配呢？一般地，一国劳动力错配大多来自流动障碍和劳动价格扭曲，其中市场制度、劳动报酬和技能劳动水平决定了劳动力市场结构及其配置效率。为此，建立如下劳动力错配模型：

其中，被解释变量为i行业的劳动力错配系数。解释变量包括：(1)行业相对于整体经济的技能劳动水平lnls。国家统计局并没有提供技能劳动指标的数据，不同研究文献也未形成统一认识。为此，本文定义行业或一国的技能劳动水平为大学生与高中及以下学历劳动者的相对比例；(2)行业i相对于整体经济的工资水平lnwl，用行业的平均工资和整体经济的平均工资表示；(3)制度ins，制度是发展中国家尤其是转轨经济体阻碍劳动力自由流动的关键性因素，对于我国而言，阻碍劳动力流动的制度因素更多体现为政府管制，在此将制度表示为国有经济对市场的垄断水平，以国有员工人数与行业全体员工人数的相对比例表示。其中劳动力相对错配系数使用上节对六个行业的估算结果，2002-2010年劳动报酬、技能水平和制度变量的数据直接取自历年《中国统计年鉴》和《中国劳动统计年鉴》。此外，本文利用Hausman 检验来选择固定效应和随机效应，变量统计特征见表7。

表7 相关变量的统计描述

注：以上所有变量的数据均经过对数化处理。

数据显示，农业劳动力错配更多体现为劳动力的过度使用，其相对技能水平、相对工资以及市场垄断程度均显著低于整体经济。而其他行业的劳动力错配则普遍表现为劳动力投入不足，其相对技能水平、相对工资和相对垄断程度在不同程度上均高于整体经济。

应用Eviews统计软件进行Hausman检验以确定固定效应或随机效应，分析结果发现在5%的显著性水平上应使用固定效应模型，利用面板数据和普通最小二乘法， 检验劳动力错配与行业相对工资、相对技能水平及相对垄断程度的作用关系，结果见表8。

表8 劳动力错配成因的实证检验

注：括号内为系数的T值；*、**、***分别表示10%、5%和1%的显著性水平。

表8显示，劳动力错配决定因素模型拟合效果较好，自变量与因变量间的线性关系总体显著，模型对变量关系具有较好的解释力。全样本的数据检验结果发现，技能劳动、工资和国有垄断水平对我国劳动力相对错配水平均有显著负效应，其作用系数分别为-0.73、-0.26和-0.14，表明技能劳动、劳动报酬和国有经济市场化改革正不断降低劳动力的错配水平。与此类似，市场化改革使劳动力错配得到改善的还体现在工业、房地产业和交通运输仓储及邮电通信业。不过，虽然农业技能劳动发展和劳动工资改革均有助于减少劳动力错配，但市场化改革却并没有明显引导农业劳动力向其他行业流动。这也基本符合预期，原因在于农业劳动力能否自由流动，并非取决于国有企业的市场化程度及其市场化水平，而根本在于城乡户籍制度和社保制度的发展程度。金融保险业解释变量对劳动力错配水平的作用均不显著，表明金融保险业作为最重要的要素市场，其市场化改革的作用并未有效发挥，政府管制的结果是使金融业工资更高且福利更好，表明技能劳动过度配置、高工资和国有垄断正不断恶化金融业劳动力的错配水平。

五、基本结论

在粗放型经济发展模式下，我国资本和劳动的高投入拉动经济持续高增长。但在经济高增长的同时，由于通过市场而非行政方式配置资源的改革并未取得实质性进展，劳动力涌入高收入行业，而富余劳动力又无法从富余行业流出，致使劳动价格扭曲和劳动力错配而引发经济效率损失。

本文借助于存在劳动力错配的多部门一般均衡模型，通过构建劳动力错配指标考察劳动力错配对全要素生产率的影响，选取1978-2010年行业时间序列数据，测算出我国整体经济及农业、工业、建筑业、交通运输仓储和邮电通信业、金融业以及房地产业的劳动力错配程度，估计其对全要素生产率增长的影响，并进一步考察引发劳动力错配的决定因素。结果发现：(1)劳动力错配的行业分化趋势明显。从行业上看，劳动密集型行业的劳动力产出弹性大于资本产出弹性，而资本密集型行业与之相反，不同行业劳动力相对错配水平呈现显著差异，表现为农业劳动力过度使用与其他行业劳动力要素投入不足相并存。从时间上看，农业、金融业的劳动力错配几乎都经历了先改善后恶化的过程。(2)所有行业全要素生产率呈上升趋势，但不同行业水平和增速差异明显。其中全要素生产率水平较高的行业主要表现在金融保险业、房地产业和建筑业，且增速较快。而农业、工业和交通运输业全要素生产率相对较低，但在观测期内也呈现稳步上升趋势。劳动力错配明显抑制了全要素生产率的增长，劳动力错配整体诱致效率损失约24%且出现逐年恶化趋势，若能纠正行业劳动力错配可以有效提高全要素生产率，但不同行业劳动力错配对全要素生产率的作用存在差异。(3)技能劳动规模、劳动工资和国有经济垄断水平均对劳动力错配有显著负作用，作用系数分别为-0.73、-0.26和-0.14且都在1%的水平上显著。因此，通过市场化方式缩减行业间工资差距、合理配置劳动力和破除国有垄断以减少行政干预，将会有效抑制劳动力错配并提升经济效率。

主要参考文献：

[1]白重恩，钱震杰. 国民收入的要素分配:统计数据背后的故事[J]. 经济研究,2009,(3).

[2]林毅夫，蔡昉, 李周. 竞争、政策性负担与国有企业改革[J]. 经济社会体制比较,1998,(5).

[3]盛仕斌，徐海. 要素价格扭曲的就业效应研究[J]. 经济研究,1999,(15).

[4]盛誉. 贸易自由化与中国要素市场扭曲的测定[J]. 世界经济,2005,(6).

[5]宋冬林，王林辉，董直庆. 技能偏向型技术进步存在吗？[J]. 经济研究,2010,(5).

[6]苏永照. 技术进步偏向对中国劳动力市场的影响[J]. 财贸研究,2010,(1).

[7]王德文，王美艳，陈兰. 中国工业的结构调整、效率与劳动配置[J]. 经济研究,2004,(4).

[8]姚战琪. 生产率增长与要素再配置效应：中国的经验研究[J]. 经济研究,2009,(11).

[9]郑毓盛. 中国地方分割的效率损失[J]. 中国社会科学,2003,(1).

[10]朱喜，史清华，盖庆恩. 要素配置扭曲与农业全要素生产率[J]. 经济研究,2011,(5).

[11]陈永伟，胡伟民. 价格扭曲、要素错配和效率损失：理论和应用[J]. 经济学(季刊),2011,(10).

[12]袁志刚，解栋栋. 中国劳动力错配对TFP 的影响分析[J]. 经济研究,2010,(7).

[13]蔡昉，王德文，都阳. 劳动力市场扭曲对区域差距的影响[J]. 中国社会科学,2001,(2).

[14]Aoki S. A Simple Accounting Framework for the Effect of Resource Misallocation on Aggregate Productivity [R]. MPRA Paper, No. 11511, 2008a.

[15]Aoki S. Was the Barrier to Labor Mobility an Important Factor for the Prewar Japanese Stagnation [R]. No. 8178，2008b.

[16]Berman E., Bound J., Griliches Z. Changes in the Demand for Skilled Labor within U.S. Manufacturing Industries: Evidence from the Annual Survey of Manufacturing [R]. NEBR Working Paper, No.4255, 1994.

[17]Dickens L. Shadow Prices with Variable Factor Supply and Distortion [J]. Southern Economic Journal, 1985, 57(3): 649-655.

[18]Doeringer P. An Economic Justification for Protectionism: Comment [J]. Quarterly Journal of Economics, 1971, 75(1): 133-144.

[19]Dollar D., Wei S. Das (Wasted) Kapital: Firm Ownership and Investment Efficiency in China [R]. NBER Working Paper,No.13103,2007.

[20]Fisher W. Between Plan and Market: The Role of the Local Sector in Post-Mao China [J]. Journal of Comparative Economies, 2000, 11(3): 385-398.

[21]Hsieh C. T., Klenow P. Misallocation and Manufacturing TFP in China and India [J]. Quarterly Journal of Economics, 2007, 124(4):1403-1448.

[22]Jaime A. P. , De Melo. Distortions in the Factor Market: Some General Equilibrium Estimates [J]. Review of Economics and Statistics, 1977, 59(4): 398-405.

[23]John J. R. Sectoral Elasticities of Substitution between Capital and Labor in a Developing Economy: Time Series Analysis in the Case of Post War Chile [J]. Econometrist, 1971, 40(2): 311-326.

[24]Mundlak Y. Serra. Substitutability and Price Distortion in the Demand for Factors of Production: An Empirical Estimation [J]. Applied Economics, 1970, 9(3): 203-217.

[25]Pakko M. R. Investment-Specific Technology Growth: Concepts and Recent Estimates [J]. Federal Reserve Bank of St. Louis Review, 2002: 37-48.

[26]Rogerson R. Structural Transformation and the Deterioration of European Labor Market Outcomes [J]. Journal of Political Economy, 2008, 116(2): 235-259.

[27]Syrquin M. Productivity Growth and Factor Reallocation in Chenery. Industrialization and Growth. Oxford [M]. Oxford University Press, 1986.

[28]Temple R.W. Jonathan. Structural Change and Europe’s Golden Age [R]. University of Bristol Discussion Paper, 2001:501-519.