中国技术不平衡的统计测度与分解

柳剑平，龚兆鋆，程时雄（湖北大学 商学院，武汉 430062）

中国技术不平衡的统计测度与分解

柳剑平，龚兆鋆，程时雄
（湖北大学 商学院，武汉 430062）

文章利用中国各省1998—2012年的面板数据，从省际、东中西部和八大经济区域三个维度用测度不平衡的相对指标基尼系数、Theil-L指数和Theil-T指数测度了中国技术不平衡，并同时运用Theil指数组群分解方法，从东中西部和八大经济区域两个维度对中国技术不平衡进行分解。测度和分解结果表明：中国技术不平衡发展现状较为合理，从动态角度来看，中国技术不平衡在过去16年间呈现出下降趋势。整体技术不平衡主要由区域内差异所造成，区域间差异贡献较小，八大经济区域间技术不平衡程度较东中西部间技术不平衡程度高。

技术不平衡；基尼系数；Theil指数；组群分解

0 引言

在新常态下，我国经济发展已经进入到了一个关键时期，经济发展要从要素驱动转变为创新驱动，后发地区实现对发达地区的技术追赶是一个非常关键的问题。可见弄清中国技术不平衡发展现状，查明技术是否在区域之间存在不平衡，判断技术不平衡是否存在缩小趋势，不仅有重要的理论意义，而且对中国实施创新驱动发展战略还具有重要的现实意义。

本文主要运用中国1998—2013年的省际面板数据，在测度中国各地区技术发展现状的基础上运用基尼系数、Theil-L指数和Theil-T指数测度了中国技术不平衡，并从东中西部和八大经济区域两个视角对技术不平衡进行分解，提出促进中国技术平衡发展的政策建议。

1 研究方法和数据来源

1．1 技术水平的测度

本文主要运用索洛余值方法测度的全要素生产率来反映各省的技术水平。

假定各省的产出用Y表示，投入为两种，一种为物质资本投入，用K表示，另一种为劳动力投入，用L表示，全要素生产率用TFP来表示，TFP的计算公式为：

式（1）中，α，β分别代表参数值，α，β可用回归方法求得，即对式（1）进行变形，然后分别对式（1）两边取对数可得：

假设规模报酬不变，即α+β=1，将α，β值进行正规化处理，可得：

将式（3）的α*，β*值代入式（1），便可测得各省各时期的全要素生产率。

1．2 不平衡的测度

由于对不平衡的认识不同，不平衡的度量在学术界存在争议。一般而言，不平衡的度量必须满足：①匿名性公理；②齐次性公理；③人口无关性公理；④转移性公理；⑤尺度无关性公理；⑥单调性公理；⑦标准化公理。同时，度量不平衡主要有相对指标和绝对指标，由于绝对指标较难反映不平衡的变化，大部分学者使用相对指标来度量不平衡。

在度量不平衡的相对指标中，使用最多的指标是基尼系数，基尼系数能满足上述6个公理，同时基尼系数介于0和1之间，基尼系数越小代表不平衡程度越低，越大则代表不平衡程度越高。

由于各省所占有的研发资源不同，本文采用对R&D投入进行加权的方法处理技术不平衡，如果将R&D投入等分为N组，使得每个组的研发投入占总研发投入的比重相等，且已知每一等分组的全要素生产率均值为tfpi，则基尼系数的计算公式为：

式（4）中，Gini为基尼系数，μ为各等分组总体全要素生产率的期望值，N表示观察值的个数，i，j分别代表相应的个体，tfpi表示个体i的全要素生产率。

基尼系数虽是测度不平衡最常用的指标，但基尼系数对占有资源较多的组观察值比较敏感，如果资源占有较多的组的观测值误差较大，那么基尼系数就不太可靠。为了解决这一问题，本文还采用符合不平衡度量公理的另外两种相对指标来测度技术不平衡的观察值：广义熵指标（GE指数）和Aktinson指标。但是，Shorrocks和Slottje发现Atkinson指标和GE指数存在一一对应的单调转换关系，这两个指标是序数等价的，故只用GE指数即可。

μ、N定义如前所述，pi代表研发支出比例，GE指数的表达式为：

GE指数根据其厌恶不平衡程度的参数a取值不同可分为Theil-L指数（又称对数离差均值指数）和Theil-T指数（又称泰尔指数）[8]。

若a=0，GE指数为Theil-L指数，即为：

式（6）中，pi代表研发投入占总投入的比重。

若a=1，GE指数为Theil-T指数，即为：

同时，部分学者运用分解方法可将整体技术不平衡分解为组内技术不平衡W和组间技术不平衡B部分之和，以Theil-L指数为例：

式（8）和式（9）中，m为分组的个数，yr为第r组全要素生产率在全部省份中全要素生产率的占比，M为r组中的省份的个数，wr为r组中的R&D投入占比。Theil-T指数的分解方法与此类似，不再详述。

1．3 数据来源

本文产出变量采用产出增加值（Y）来表示，投入变量使用物质资本投入（K）和劳动力投入（L）两种投入来表示。本文使用中国1998—2013的省际面板数据，产出数据来源于中国各省的GDP数据，用各省的GDP平减指数平减成以1998年为不变价的GDP数据。物质资本一般而言需要采用永续盘存法转化成物质资本存量来表示，目前各省物质资本存量数据使用较多的两套数据有：一套为张军使用的数据，另一套为单豪杰所使用的数据，本文使用单豪杰的数据，并根据其文章中的计算方法，将其数据扩充到2013年。劳动力投入数据来源于中国各省的就业人员数据，1998—2008年的数据均来源于《新中国60年统计资料汇编》，2008年以后的数据来源于《中国统计年鉴（2009—2014）》和各省的《统计年鉴》汇总。

此外，本文用各省的研发投入进行加权（相当于人口加权）测度省际技术不平衡。研发数据来源于《中国科技统计年鉴（1999—2014）》，用研发经费内部支出表示，研发数据采用永续盘存法转化为研发资本存量。

2 测度结果

2．1 省际技术不平衡的测度

本文根据中国各省1998—2013年的面板数据从省际（按惯例将重庆和四川的数据合并，西藏部分数据缺失，只能剔除，实际省份为29个）维度度量了中国技术不平衡的发展现状，其结果如表1所示。

表1 1998—2013年省际技术不平衡的测度结果

表1的结果表明，不同指标测度结果的变动趋势基本一致，但基尼系数测度而得的不平衡程度要比Theil-L指数和Theil-T指数测度的结果大，这主要是由于基尼系数在测度不平衡时未对变量进行对数化处理。通过观测基尼系数值可以看出，其值在0.326～0.393之间，如果根据联合国有关规定，将0.4作为衡量不平衡的分界线，那么，中国技术不平衡目前处于相对合理的区间，随着改革开放的深化和中国经济的增长，技术不平衡程度从较为严重转变为较为合理，但离技术平衡发展仍有一定的距离，这表明中国技术后发省份仍存在通过技术模仿来吸收发达省份技术的空间。

从表1的测度结果中还可以得出一个重要结论：从动态角度来看，中国技术不平衡的程度在逐步缩小。由此也表明，伴随着中国改革开放的进一步深入，技术后发省份通过模仿和创新不断地吸引技术先进省份的技术，从而带来技术差距的进一步缩小，从而导致了省份之间的不平衡程度在逐步缩小。

2．2 东中西部技术不平衡测度及分解

本文按照一般的划分标准将29个省份划分为东中西部，仍使用技术不平衡的相对指标基尼系数、GE指数来测度东中西部的技术不平衡程度，限于篇幅，本文并未报道Theil-L指数和Theil-P指数的分解结果，从趋势上看Theil-L指数和Theil-P指数的分解结果大致与基尼系数类似。其结果如图1所示。

图1 1998—2013年技术不平衡东中西部基尼系数分解结果

根据图1可以看出，西部地区的技术不平衡程度最高，其值在0.452～0.528之间，其次为东部地区，其值在0.299～0.371之间，技术不平衡程度最低的地区为中部地区，其值在0.208～0.236之间。西部省份之间技术不平衡程度较高表明西部省份之间技术水平十分不均衡，究其原因，主要是由于西部部分省份如四川技术水平较高，而贵州、宁夏等省份的技术水平较低，两者之间的较大差异导致西部地区技术不平衡程度较高。从中部地区的测度结果可以看出，中部地区的技术不平衡程度最低，这主要是由于中部地区技术发展较为均衡，湖北、湖南、江西等中部省份的技术水平并未呈现出一省独高的局面。

从动态的角度来看，西部地区技术不平衡在不断上升，而东部地区在不断下降。这表明西部地区各省虽然技术水平在不断上升，但有的省份增长较快，而有的省份技术水平增长较慢，从而导致了技术不平衡程度不断上升。东部地区技术不平衡程度不断下降，表明伴随着对外开放的进一步深入，东部地区省份引进国外先进技术不断加强，彼此之间的技术溢出日益明显，从而使得各省份之间的技术增长较为一致，带来了技术不平衡程度的不断缩小。

根据式（7）和式（8）对技术不平衡进行分解，测度了技术不平衡的区域内差异和区域间差异，分解结果如表2所示。从分解结果可以看出，大部分技术不平衡都由区域内差异引起的，区域间差异所占的份额很少。这表明要解决技术不平衡的发展现状可从区域内的不平衡现状出发，按照区域的特点，制定适宜的区域科技发展战略。

表2 1998—2013年技术不平衡Theil指数分解结果

2．3 八大经济区域技术不平衡测度及分解

本文根据国务院发展研究中心《地区协调发展的战略和政策》报告中的分法，划分八大经济区域为：南部沿海地区（广东、福建、海南）、东部沿海地区（上海、江苏、浙江）、北部沿海地区（山东、河北、北京、天津）、东北地区（辽宁、吉林、黑龙江）、长江中游地区（湖南、湖北、江西、安徽）、黄河中游地区（陕西、河南、山西、内蒙古）、西南地区（广西、云南、贵州、四川、重庆）、西北地区（甘肃、青海、宁夏、西藏、新疆）。采用基尼系数来测度各区域的技术不平衡，其测度结果如图2所示。

图2 1998—2013年技术不平衡八大区域基尼系数分解结果

从图2的测度结果可以看出，八大经济区域技术不平衡呈现出高度不均衡状态。东北地区、北部沿海地区、东部沿海地区、南部沿海地区、黄河中游地区、长江中游地区、西南地区和西北地区的基尼系数均值分别为：0.272、0.369、0.284、0.134、0.303、0.143、0.218、0.185。从总体上而言，北部沿海地区的技术不平衡程度最高，其中重要的原因是河北等省份和北京、天津的技术差距较大，因此，通过构造京津冀一体化的战略目标可以有效的缩小河北与北京、天津等省份的技术差距，从而带动河北的迅速发展。南部沿海地区的技术不平衡程度最低，这是由于南部沿海地区对外开放程度相当，技术水平差距相对而言并不明显。

从动态趋势来看，八大经济区域技术不平衡呈现不同的趋势，技术不平衡程度下降最快的是东部沿海地区，在过去16年间技术不平衡一直处于下降趋势，由此表明东部沿海地区省份之间的经济联系较为紧密，相互间的技术溢出明显，因此不平衡下降较快。上升较快的是北部沿海地区，这表明随着改革开放深入，北京和天津的地缘优势越发明显，北京、天津与河北之间的发展差距也越来越大。同时需要注意的是，西南地区和西北地区在2007年后其技术不平衡一直处于较快的上升趋势，最主要是因为西南地区四川等省份技术水平较云南和贵州上升较快，而西北地区各省际之间特别是新疆的技术发展水平仍然与其他省份有较大差距，对技术的利用也不及其他省份。其余地区技术不平衡发展较为平缓，其中，南部沿海地区和长江中游地区的技术不平衡现状几乎未发生较大改变。

继续使用式（7）和式（8）对八大区域术不平衡进行组内和组间分解，分解结果如表3所示。

从表3的分解结果中可以看出，大部分技术不平衡仍都由区域内差异引起，这与东中西部技术不平衡分解结果一致。但从与表2的对比可以看出，区域间技术不平衡占比比东中西部间占比更高，由此表明，不同经济区域间差异对技术不平衡的贡献也不可忽视。这也在一定程度上反映八大区域的分组方法较东中西部分组方法较为合理，从八大区域出发，可以更加明显地分析区域间的技术不平衡，从而有针对性地解决区域发展不均衡问题。

表3 1998—2013年技术不平衡Theil指数分解结果

从动态趋势上来看，八大区域的区域内差异和区域间的差异都呈现出不断下降的趋势，这与省际技术不平衡测度结果相一致。而区域内差异占比呈现出上升趋势，随着改革开放的进一步发展，中国的技术水平呈现出一定的趋同趋势，进一步验证了技术赶超理论和内生经济增长理论在中国各省份之间的适用性。同时也表明，中国的技术增长潜力仍然较大，可以通过不断的缩小区域之间的技术不平衡实现技术后发省份的技术进步。

3 结论及政策含义

本文利用中国各省1998—2013年的面板数据，从省际、东中西部和八大经济区域三个维度用测度不平衡的相对指标基尼系数、Theil-L指数和Theil-T指数测度了中国技术不平衡，并同时运用Theil指数组群分解方法，从东中西部和八大经济区域两个维度对中国技术不平衡进行分解。总体上来看，中国技术不平衡发展呈现出下降趋势，而技术不平衡主要是由于不同区域内差异所造成，区域间的技术不平衡差异较小。并通过东中西部和八大经济区域的对比可以看出，八大经济区域间的技术不平衡要明显大于东中西部间的技术不平衡。

从本文的分析中可以得到如下政策含义：（1）整体的测度结果表明中国技术不平衡程度在逐步缩小，验证了后发优势理论在中国省际和区域之间的适用性，后发省份可以通过技术吸收、创新来缩小与技术发达省份的技术差距，从而实现中国整体技术平衡发展。从这一点可以看出，一方面政府可以通过扶持后发省份的技术发展，同时注重技术和人才在省际之间的流动以实现后发省份对发达省份的技术赶超。另一方面从国家层面而言，政府也不必担心先进省份的技术发展会带来严重的技术不平衡，让部分省份技术先发展起来对整个中国的技术发展而言有着重要的“火车头”似的推动作用。（2）本文的结论也表明技术在八大经济区域之间、东中西部之间也存在不平衡，同时八大经济区域之间不平衡要大于东中西部之间不平衡。这一点表明，如果要缩小技术不平衡的发展现状，我国科技政策的实施也不一定以省际为主体，可以考虑以区域为实施主体，通过缩小区域之间的技术不平衡实现技术的平衡发展。（3）本文的结论也揭示了中国各区域的技术不平衡比区域间的技术不平衡更大，特别是在西部地区技术不平衡发展更为明显。这一点表明要实现技术平衡发展，可通过构建区域之间的经济一体化战略，在以区域为整体的基础上再给予技术后发省份扶持，以最终实现后发地区的技术赶超。

[1]Abramovitz M.Catching-up;Forging Ahead and Falling Behind[J]. Journal of Economic History,1986,46(2).

[2]Baumol W J.Productivity Growth,Convergence and WelFare:What the Long-Run Data Show[J].American Economic Review,1986,76(5).

[3]Inklaar R,Timmer M P.GGDC Productivity Level Database:Interna⁃tional Comparisons of Output,Inputs and Productivity at the Industry Level[J].Groningen Growth and Development Centre Research Memo⁃randum,2008.

[4]柳剑平,郑光凤.世界技术不平衡发展测度及其对经济增长的影响[J].湖北大学学报（哲学社会科学版），2015，(4).

[5]张军，吴桂英，张吉鹏.中国省际物质资本存量估算.（1952—2000）[J].经济研究，2004,(10).

[6]单豪杰.中国资本存量K的再估算（1952—2006）[J].数量经济技术经济研究，2008,(10).

（责任编辑/刘柳青）

F127

A

1002-6487（2016）24-0088-04

国家社会科学基金资助项目（14CJL041）

柳剑平（1961—），男，湖北罗田人，教授，博士生导师，研究方向：世界经济、技术经济。

龚兆鋆（1981—），男，湖北宜城人，博士研究生，研究方向：世界经济、技术经济。

程时雄（1984—），男，湖北阳新人，博士，副教授，研究方向：世界经济、技术经济。