全要素生产率框架下的城市资本要素生产率分析

王德祥+薛桂芝

摘要 已有的文献基本上都是关注全要素生产率的研究，很少在全要素生产率的框架下识别每一种投入要素对经济增长的贡献和影响。本文在Chang et al 2012年提出的ISP方法的基础上，突破了其模型规模报酬不变的限制，采用投入导向的SBM模型对Luenberger生产率指数进行改进，在全要素生产率的框架下测算资本、劳动力和土地要素的生产率指数，识别每一种投入要素对全要素生产率的贡献和影响。经研究发现，城市全要素生产率变化主要是资本要素生产率驱动的，提升城市全要素生产率的关键是提升资本要素生产率。本文还从经济发展水平、城市规模、产业结构、市场化程度、人力资本积累、政府规模、投资率、财政科技支出、FDI、基础设施建设等多个方面分析了影响城市资本要素生产率的因素。研究结论主要有：①1998—2013年间，中国城市全要素生产率累计下降了23.03%，其中资本要素生产率累计下降了60.71%，不同区域、不同层级、不同类型城市的资本要素生产率存在明显的差异；②城市规模、市场化程度、人力资本积累、FDI资本存量和投资率是影响城市资本要素生产率的主要因素，其中，规模较大的城市占据各方面的优势，能够更好地改进资本要素生产率。市场化的推进和人力资本积累有利于资本生产率的改进，符合经济发展的一般规律。FDI资本存量通过技术溢出效应和示范效应等能推进东道国技术进步和生产率提高；③投资率与资本要素生产率负相关，印证了Krugman随着投资率走高会出现资本边际报酬递减以及资本要素生产率下降的问题的观点；④第二产业占比与资本生产率正相关，而第三产业占比与资本生产率负相关，说明当前中国的居民消费结构层次总体上还比较低，强制推进二三产业间的结构升级只能造成供需结构匹配程度更低、愈加损失效率。短期内中国产业结构升级的方向应该为第二产业内部的调整升级。

关键词 全要素生产率；资本要素生产率；LPI；ISP

中图分类号 F062.1 文献标识码 A 文章编号 1002-2104（2016）11-0053-09 doi：10.3969/j.issn.1002-2104.2016.11.007

新古典经济学把经济增长的直接原因归结为生产要素投入量的增长和全要素生产率的提高。资源的稀缺性意味着单纯依靠要素投入的经济增长是难以持续的，只有全要素生产率的提高才是经济持续增长的源泉。改革开放之后中国的投资率从1981年的19.62%飞速上升到2014年的80.56%，同时“人口红利”爆发，劳动力占比不断上升，可以说中国改革开放以来的经济增长主要是靠要素投入驱动的。然而，自2011年逐年下滑的经济走势印证了新古典经济学投入驱动增长模式无法实现经济持续增长的观点。一方面投资率和人口红利终将面临拐点，不可能持续走高；另一方面要素投入达到一定规模一定会遇到报酬递减的问题[1]。当经济增长达到一定的阶段，终将面临经济增长的“阵痛”调整期。当前中国的供给侧改革旨在改变现有的经济增长模式，减少无效投资，增加有效投资，改善投入产出关系，提高全要素生产率，促进经济持续健康发展。可以说，供给侧改革的核心任务就是提升全要素生产率。2015年中国城镇化率达到56.1%，学者们预测城镇化的过程可以延续到2030年，从而进入城镇化发展的成熟阶段，届时城镇化水平可以达到70%。所以城市经济发展的质量直接关系到未来中国经济发展的质量。因而不同于以往从省级层面来测算全要素生产率，本文从城市层面来测算全要素生产率及各单要素生产率的增长变化情况。全要素生产率是资本、劳动力、土地等投入要素的综合生产率，提升全要素生产率首先要辨析每一种要素生产率的变化情况。以往的研究方法得出的全要素生产率指数都是加总层面的指数，无法识别每一种投入要素的生产率对全要素生产率的影响，因而不能够明确地辨析全要素生产率变动背后的关键因素测算全要素生产率的方法主要有索洛余值法、扩展索洛余值法、随机前沿生产函数法和数据包络分析法。。因此，本文沿袭并突破了Chang et al 2012年的研究[2]，采用SBM模型对Luenberger生产率指数（LPI）进行改进，采用基于投入松弛的全要素生产率指数（Input Slack-based TFP，ISP）來测度和分解223个地级及以上城市1998—2013年的全要素生产率，将每种投入要素的生产率从全要素生产率的框架下分离出来，辨析全要素生产率的变化究竟是由哪种要素生产率驱动的。相对于Chang et al的研究，本文的创新之处在于采用投入导向的SBM模型对传统的Luenberger生产率指数进行改进，投入导向SBM距离函数能够在规模报酬可变的假设条件下实现要素生产率改进的测算，突破了于Chang et al模型规模报酬不变的限制条件。另外本文也对主导全要素生产率的资本要素生产率的影响因素进行了分析，可以说从两方面弥补了Chang et al研究的缺憾。

式（6）表明全要素生产率是各项投入要素生产率的算术平均值。所以，基于ISP指数方法不仅可以测算出各项投入要素的生产率，而且可以进一步测算出全要素生产率。这样，在考虑资本、劳动力和土地资源三项要素投入的情况下，就可以借助ISP指数分别测度出资本要素生产率、劳动要素生产率以及土地要素生产率，而将各项投入生产率进行算术平均就可以得出全要素生产率。注意，基于ISP指数方法测算的要素生产率是控制了其他投入要素情况下的要素生产率，而不再是单独测算某一项投入要素的偏要素生产率（Partial Factor Productivity），这种测算方式考虑到了投入要素之间可能存在的替代关系或者互补关系。

1.3 指标设计

生产要素主要包括劳动力、资本和土地，土地往往被看成是不变的，其他两个则是可变的。传统索洛模型的生产函数为Y=AF（L，K），其中，Y为总产出，L为劳动力，K为资本存量，A为全要素生产率。后来陆续有学者将其他生产要素引入这一模型，使得索洛模型不断扩展，其中包括土地。我们认为城市经济增长在很大程度上受益于城市用地的扩张，城市生产函数中土地不能被视为是不变的。基于此，我们构建一个扩展的索洛模型，Y=AF（L，K，R），R表示土地资源。所以模型的产出指标为Y，投入指标为L，K和R。总产出Y用市辖区GDP来表示，以1998年为基期，采用GDP平减价格指数进行平减。劳动力L我们用期末市辖区单位从业人员和城镇私营和个体从业人员来表示。资本存量K采用历年固定资产投资额，经永续盘存法测算而得，资本存量的测算方法主要借鉴张军等的做法进行测算而得[5]。土地资源R用各地区的建成区面积表示。

本文最终构建了自1998年起升级为地级市的223个地级市1998—2013年的平衡面板数据来测度中国城市全要素生产率及其各项投入要素的生产率。

2 生产率测算结果及分析

本文采用Max DEA软件测算城市全要素生产率框架下的单要素生产率。当期SBM距离函数Dt（xt，yt）和Dt+1（xt+1，yt+1）采用基于投入导向的SBM模型逐年测算得出。跨期SBM距离函数Dt（xt+1，yt+1）和Dt+1（xt，yt）将面板数据转换为截面数据，通过群组上方邻群参比和下方邻群参比方法测算得出。测算结果如表1，其中ISPK表示资本要素生产率，ISPK表示劳动要素生产率，ISPR表示土地要素生产率，LPI表示全要素生产率。

从国家层面来看，在1998—2013年的样本区间内中国的全要素生产率的累计变化一直处于零值以下，呈明显的退步状态，累计退步23.03%。土地要素生产率在样本区间一直处于退步状态，累计退步17.01%。劳动要素生产率呈稳步上升趋势，虽然2010—2013年有微弱的退步，但是在样本期间累计增长8.63%。而资本要素生产率呈直线下滑态势，样本区间年增长率为-4.05%，累计退步60.71%。可以看出，全要素生产率退步的原因主要在于资本要素生产率的不断下降。过度投资导致的严重产能过剩是资本要素生产率快速下降的重要因素。

从区域层面上看，资本要素生产率呈现出明显的区域层次性，其中，东部地区的退步程度最小，累计退步35.42%，与其他三个地区的差别非常明显。中部、西部和东北地区分别为71.69%、76.87%和79.89%，东北地区退步最为严重①。东部沿海省份与中西部省份之间差距呈不断扩大的趋势，主要原因是自改革开放后东部沿海省份的区位优势和政策优势引发了要素聚集效应，物力资本、人力资本和先进技术不断向东部省份聚集。东北三省从地理位置上看属于东部地区，但资本要素生产率最低，原因在于东北三省资源型城市比重过大，全国资源型城市262个，东北占了37个，全国资源衰退型地级市24个，有10个在东北。资源型城市经济发展对资源开发依赖程度大，资源利用水平低。另外，2003—2012年振兴东北十年，三个省份的固定资产投资年均增幅超过30%，GDP增速也水涨船高，高投入高产出掩盖了产能过剩、生产率下滑等问题。东北地区的经济困境是投入驱动增长模式负面效应的极端体现。

从城市层级上来看，副省级及以上城市资本要素生产率累计进步27.05%，地级市累计退步68.88%，大部分年份呈负增长状态。副省级及以上城市的资本要素生产率远远超出了地级市的资本要素生产率，且生产率呈进步状态。19个副省级及以上的城市基本上都属于国家中心城市或区域中心城市，国家中心城市和区域中心城市是区域组织经济活动和配置资源的中枢、区域综合交通和信息网络枢纽、科教、文化、创新中心，是城市体系中综合实力最强的顶尖城市，在政策、资本、劳动力、技术和体制創新方面占尽天时地利人和，有利于生产率改进。

从城市类型来看，非资源型城市资本要素生产率样本期间累计退步52.89%，资源型城市累计退步72.82%，其中资源衰退型城市累计退步90.95%。原因在于资源型城市的经济增长对资源开发的依赖性强，采掘业占GDP比重较高，资源开发强度大，产能严重过剩，“三高”项目过多，低水平重复投资过高，接续替代产业发展滞后，向高技术产业、现代制造业的产业转型升级尚处于起步阶段，物力资本、人力资本和先进技术等要素集聚能力弱，创新能力差，不利于生产率改进。

尽管很多学者认为中国的要素生产率应该是取得了很大的进步，但是采用多种方法测算，中国的要素生产率的确长期在零值附近徘徊，甚至呈倒退状态。本文对出现这种情况的原因进行了猜想：

（1）全要素生产率所体现的技术进步没有蕴含资本投入带来的技术进步。如果全要素生产率的增长较低，只说明没有蕴含资本投入的技术进步较低，蕴含在资本投入中的技术进步仍然是存在的[6]。而中国的技术进步可能被蕴含在资本投入的增长中了。技术进步有自行研发和学习模仿两种实现方式，同发达国家相比，中国在技术上存在着很大的差距，所以主要采用模仿、购买等方式来实现技术进步。这种进步通常是与购买专利技术或者购置机器设备同时进行的，从而蕴含在资本投入的增长中。要素生产率将技术进步和资本隔离开可能低估了中国技术进步的程度和生产率的真实改进情况。

（2）中国的投资率可能存在被高估的情况。国内很多研究都对中国投资率的真实性表达了怀疑[7]，认为中国的投资率可能存在被高估的情况。如果投资率被高估，那么以投资额为基础测算得出的资本存量也将被高估，资本要素生产率被低估就不足为奇了。

（3）转型时期的寻租行为抑制了生产率进步。由于转型时期有效监管制度的缺失，作为一种高成本的“暗税”，腐败租金不仅会导致投资偏离社会期望的适度投资率，也会扭曲投资结构，抑制有效投资，加剧无效投资，并降低投资的产出水平，最终对投资效率都产生不同程度的负面效应[8-9]。中国尚处于转型时期，政府部门的寻租行为对资本要素生产率的改进会产生负面效应。

（4）基础设施尚未发挥其“生产力”。基础设施的建设周期特别长，甚至长达几十年。中国作为新兴经济体，用于基础设施建设的投资要在若干年后才能发挥其“生产力”。许多基础设施建设项目尚处于建设期，尚未充分地发挥作用。

3 城市资本要素生产率的影响因素

国内外许多学者对中国全要素生产率测算及相关领域做了大量研究，但是缺乏对生产率影响因素的探讨。从前一部分的分析可以看出，中国全要素生产率的变化主要是由资本要素生产率的变化主导的，提升全要素生产率的关键是提升资本要素生产率。提升资本要素生产率有两个途径，一是推进技术进步，二是改善资本配置效率。这一部分我们对影响技术进步和资本配置效率的一系列影响因素进行探讨，最终构建223个城市1998—2013年的平衡面板。

3.1 指标选取与数据说明

我们选取经济发展水平、城市规模、产业结构、市场化程度、人力资本积累程度5个不可控解释变量用来描述城市的经济、社会特征，也加入政府规模、投资率、财政科技支出、FDI以及基础设施建设5项可控解释变量，用来代表城市的经济行为。

经济发展水平（gdpp）。人均GDP衡量的是一个地区的经济发展水平和富裕程度。富裕地区往往具有资本优势、劳动力优势、技术优势和体制创新优势，有利于生产率改进。而Loikkane & Susiluoto认为富裕地区吸引投资和劳动力的能力较强，经济主体控制成本的主动性会降低[10]。预期符号为正。

城市规模（pop）。Melo et al[11]，Combes[12]的研究发现大城市的企业具有更高的全要素生产率。大城市生产率优势主要来源于经济活动高度集聚产生的要素集聚效应，以及因市场激烈竞争而产生的选择效应。本文用城市年末总人口代表城市规模，预期符号为正。

产业结构（second和third）。“结构红利假说”认为投入要素从低生产率部门向高生产率部门转移会使总体生产率上升。有研究认为存在“结构红利假说”，产业结构调整有利于经济增长，另一些研究则认为“结构红利假说”不显著，或者在不同的国家出现截然不同的情况。Fagerberg认为经济结构变化并不必然导致生产率的变化[13]。本文分别用第二、三产业占比为指标，进行回归，预期符号不确定。

市场化程度（market）。经济自由主义认为“看不见的手”使得市场能够高效地配置资源。而凯恩斯主义认为市场运行中存在严重的市场失灵，政府干预能弥补市场失灵的缺陷，提高资源的配置效率。新凯恩斯主义再次强调政府宏观调控的微观基础，重新确定市场在资源配置中的作用。樊纲等认为市场化进程显著地推进了全要素生产率的提升[14]。本文采用分省市场化推进指数表示市场化程度，预期符号为正①。

人力资本积累（human）。在理论增长模型中人力资本对生产率的增长具有正的影响。Pritehett[15]和Temple[16]认为大多数在这个领域的实证研究却不能给予其支持，主要源于人力资本测算方法的欠合理性。人力资本需要进行间接推算，不同学者采用的方法往往有所不同，一些学者把影响人力资本质量和人力资本数量的众多因素进行汇总，再采用分析方法测算出人力资本综合存量，这种测算方法涉及到几十个变量，容易出现误差[17]。也有的学者认为劳动力的知识和技能是人力资本的核心，而知识和技能主要是通过教育和培训投资得来的[18]，他们以每年财政的社会文化教育支出作为投资数据，运用永续盘存法来构造人力资本。戴维·韦尔认为把教育开支作为投资额来测算人力资本会大大低估教育投资的真实成本，因为除了显性的教育成本之外，还有隐性成本，即学生因接受教育而放弃工作所产生的机会成本，而机会成本是难以估量的[19]。所以本文通过原始劳动力数量、最低工资标准、平均工资水平来间接测算人力资本的数量。我们认为最低工资是支付给原始劳动力的报酬，平均工资是支付給效率劳动力的报酬，平均工资和最低工资的差额是支付给人力资本的，即：

人力资本原始劳动力=平均工资-最低工资最低工资

所以可以认为劳均人力资本=（平均工资-最低工资标准）/最低工资标准。本文采用劳均人力资本表示人力资本积累情况。

政府规模（govsize）。政府行为如经济政策、发展战略、财政支出均是影响生产率的重要变量，然而政府规模与生产率增长之间的关系比较模糊。Blanchard & Shleifer认为财政支出可以提高当地的公共物品的规模和质量，吸引资源流入，增加物质资本和人力资本的积累[20]。然而国内一些研究认为当前过分强调GDP的干部考核和选拔体系也导致地方政府行为扭曲以及财政支出结构偏向会导致经济增长的效率损失[21]。政府规模用财政支出占GDP的比重来表示，预期符号不确定。

投资率（invest）。古典经济学理论认为资本深化往往与资本回报率负相关，许多学者的研究也证实了这一点。Krugman指出，经济增长如果完全依赖要素投入将不可避免地会出现资本边际报酬递减以及资本生产率下降的问题[22]。张军认为中国经济增长率持续下降可以用资本形成过快，投资收益持续恶化来解释[23]。Gordon却认为长期来看资本深化与资本利润率之间的关系非常复杂，不一定负相关[24]。本文用全社会固定资产投资占GDP的比重来表示投资率，预期符号为负。

财政科技支出（sci）。财政科技支出通过影响技术创新来影响要素生产率。David P A & Hall B H指出政府R&D补贴激励效应和挤出效应并存[25]。Hall & Maffioli认为政府R&D补贴对企业的R&D投入存在杠杆效应，但该杠杆效应究竟是激励效应还是挤出效应在不同经济体中情况有所不同[26]。本文用科技支出占财政支出的比重来表示此指标，预期影响不确定。

外商直接投资（FDI）。一般认为FDI可以通过技术溢出效应和示范效应等推进东道国技术进步和生产率提高。但也有观点认为FDI只是为了占领东道国的市场，利用东道国廉价的劳动力，并不重视技术的引进，因而不会对东道国工业整体技术水平的提高起到积极的作用[27-28]。张宇认为FDI的流入会导致我国生产率水平在长期内得到显著提升，在短期内对生产率的提升表现不明显[29]。本文采用FDI存量占GDP的比重来衡量外商直接投资水平，预期影响不确定①。

基础设施建设（infra）。基础设施越完善往往越利于要素流动，进而通过提升资源利用效率来实现生产率的增长。Aschauer测算了美国1945—1985年生产率和基础设施的关系，结果显示二者高度相关[30]。王小鲁等研究了我国的基础设施对全要素生产率增长的影响，得出基础设施改善对TFP增长的作用迅速上升[31]。也有研究认为基础设施对TFP的作用不显著，如Aaron[32]、Hulten & Sehwab [33]的研究发现基础设施资本对美国制造业部分地区的TFP作用不明显。本研究采用人均道路铺设面积作为其代理指标②，预期符号为正。

3.2 模型估计结果与说明

很多经济关系是动态的，当期资本要素生产率会受到上期资本要素生产率的影响。所以我们构建动态面板数据模型来计量资本要素生产率与诸多影响因素之间的关系。根据以上解释变量构建的动态面板数据回归方程如下：

从动态面板模型的形式看，被解释变量的滞后项会与其个体效应相关，造成内生性问题。从模型的经济意义来看，投资率、市场化水平、产业结构和人力资本等变量均可能存在内生性

问题，这会使得OLS估计结果产生有偏和不一致的问题，本文采用广义矩估计（GMM）来进行回归分析，以减弱内生性，得到无偏、一致的估计量。

首先用第三产业GDP占比代表产业结构解释变量构建模型1，然后用第二产业GDP占比代表产业结构解释变量构建模型2，最后将模型1和模型2中不显著的变量剔

除后构建模型3，得到的GMM回归结果如表2，各个模型的Sargan P值均大于0.1，可以看出，模型设定形式正确。

从三个模型的回归结果可以看出，无论在哪种模型下，城市规模、市场化程度、人力资本积累、投资率、政府科技支出和FDI资本存量均在1%的水平下显著且相关关系符合预期，是影响城市资本要素生产率最重要的因素。城市资本生产率与城市规模呈正比，说明规模较大的城市占据天时地利人和，具有明显的要素优势、政策优势以及区位优势，能够更好地改进资本要素生产率。市场化的推进有利于资本生产率的改进，这符合经济发展的规律。人力资本的积累与资本生产率显著正相关的结果也说明我们测算人力资本的方法是合理的。投资率增长幅度与城市资本要素生产率呈反比，印证了Krugman随着投资率走高会出现资本边际报酬递减以及资本生产率下降的观点。FDI资本存量显著地推进了资本要素生产率，说明FDI通过技术溢出效应和示范效应等推进了中国技术进步和生产率提高。财政科技支出虽然也在1%的水平下显著，但相关关系不符合预期。政府科技支出呈负相关关系，说明财政科技支出的挤出效应超出了其激励效应。其原因可能在于对技术创新活动的政府干预同样存在“失灵”的可能性，尤其是在经费投放和使用过程中可能出现“逆向选择”和“道德危险”问题。

我们分别用第二产业占比和第三产业占比做回归分析，发现第二产业占比与资本生产率正相关，在5%的水平下显著，而第三产业占比与资本生产率负相关，在5%的水平下显著。说明当前中国居民消费结构层次总体偏低，强制推进产业间结构升级只能造成供求结构匹配程度更低、效率损失更加严重，不能强制推进第二产业向第三产业的升级。无论从人均GDP来看、从产业结构来看、从就业结构来看、从制造业增加值占比来看，当前中国仍处于工业化中期，第二产业还有很大的上升空间，但这种上升不是建立在低水平重复投资上，而是建立在科技创新的基础上。所以短期内中国产业结构转型的方向应该为第二产业内部的调整升级。

政府规模与资本要素生产率之间的关系不显著。说明政府财政支出的增加對资本生产率的改进并没有明显的效果，原因可能在于当前过分强调GDP的干部考核和选拔体系导致地方政府行为扭曲以及财政支出结构偏向。基础设施越完善越应有利于生产率的增长，但我国城市资本要素生产率与城市人均道路面积的关系却不显著。原因可能是人均道路面积只能反映道路建设的数量，不能反映道路建设的质量，另外以人均道路面积作为衡量基础设施建设情况的指标可能不够全面。

4 结 论

本文突破了Chang et al关于ISP测算规模报酬不变的限制，采用投入导向SBM模型对Luenberger生产率指数进行改进，在全要素生产率的框架下测算资本、劳动力和土地要素的生产率指数，发现中国全要素生产率退步的主要原因在于资本生产率的不断下降，提升全要素生产率的关键在于提升资本生产率。本文还从经济波动、城市规模、产业结构、市场化程度、人力资本积累、政府规模、投资率、科技支出、FDI、基础设施建设等多个方面分析了影响城市资本要素生产率变化的因素。我们的研究主要有以下几点结论：

（1）中国的城市全要素生产率1998—2013年间呈退步态势，累积下降了23.03%，其中资本要素生产率累积下降了60.71%，资本要素生产率是抑制全要素生产率进步的主要因素。从区域层面上看，东部地区的资本生产率明显高于其他三个地区；从城市层级看，副省级及以上城市资本生产率远远高于地市级城市；从城市类型看，资源型城市明显低于非资源型城市，资源衰退型城市更低。

（2）规模较大的城市占据天时地利人和，能够更好的改进资本要素生产率。当前中国正在建设国家中心城市和区域中心城市，要进充分地发挥中心城市的控制管理功能、协调辐射功能、城市服务功能、信息枢纽功能，合理整合地区资源，辐射带动周边地区要素生产率改进。市场化的推进和人力资本积累有利于资本生产率的改进，应进一步推进简政放权，加速市场化改革，尤其是国有企业改革，激发市场活力。应推进人力资本的积累，提高人力资本水平，努力构建人力资本红利。FDI资本存量占比与城市资本要素生产率呈正比，说明FDI通过技术溢出效应和示范效应等推进了中国技术进步和生产率提高，未来应坚持对外开放和利用外资政策，进一步鼓励FDI的进入。

（3）投资率与城市资本要素生产率呈反比，印证了Krugman随着投资率走高会出现资本边际报酬递减以及资本生产率下降的问题的观点。应进一步推进供给侧改革，优化投资结构，减少低端制造业和“三高”产业的无效投资，降低产能过剩，增加高端制造业和基础设施领域的有效投资。

（4）第二产业占比与资本生产率正相关，而第三产业占比与资本生产率负相关。当前中国居民消费结构层次总体较低，强制推进第二产业向第三产业的升级只能造成供求结构匹配程度更低、效率损失更严重。短期内中国产业结构升级的方向应该为鼓励第二产业内部的结构升级，由低端制造业和“三高”产业向高技术产业、高端制造业转型升级，从劳动、资本密集型产业向技术、知识密集型产业过渡。

（编辑：刘呈庆）

参考文献（References）

[1]保罗·克鲁格曼.萧条经济学的回归[M].朱文晖，王玉清，译.北京：中国人民大学出版社，1999：38-48. [KRUGMAN P. The return of depression economics [M]. Translated by ZHU Wenhui， WANG Yuqing. Beijing： China Renmin University Press， 1999： 38-48.]

[2]CHANG T， HU J， CHOU R Y， et al. The sources of bank productivity growth in China during 2002-2009： a disaggregation view [J]. Journal of banking& finance， 2012， 36（12）： 1998-2006.

[3]CHAMBERS R G， CHUNG Y， FARE R. Profit， directional distance functions， and Nerlovian efficiency[J]. Journal of optimization theory and applications， 1998（2）： 351-364.

[4]成刚.数据包络分析方法与Max DEA软件[M].北京：知识产权出版社，2014： 64[CHENG Gang. Data envelopment analysis： methods and Max DEA Software[M]. Beijing： Intellectual Property Publishing House， 2014： 64.]

[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）：35-44.[ZHANG Jun， WU Guiying， ZHANG Jipeng. The Estimation of Chinas provincial capital stock： 1952—2000[J]. Economic research journal， 2004（10）：35-44.]

[6]孔琳琳，任若恩.中國资本投入和全要素生产率的估算[J].世界经济，2005（12）： 3-13. [KONG Linlin， REN Ruoen. Estimates of Chinas capital input and total factor productivity[J].The journal of world economy， 2005（12）：3-13.]

[7]张军.中国的投资率到底有多高[J].经济资料译丛，2014（4）： 8-22. [ZHANG Jun. How much high is Chinas investment rate[J].Journal of translation from foreign literature of economics， 2014（4）：8-22.]

[8]张雷宝.转型时期腐败和地方政府公共投资效率的关联分析[J].财经论丛，2005（9）： 51-57. [ZHANG Leibao. On the relationship between corruption and local public investment efficiency in transition economy[J]. Collected essays on finance and economics， 2005（9）：51-57.]

[9]万良勇，陈馥爽，饶静.地区腐败与企业投资效率——基于中国上市公司的实证研究[J].财政研究，2015（5）： 57-62. [WAN Liangyong， CHEN Fushuang， RAO Jing. Corruption and corporate investment efficiency： empirical research based on Chinese listed companies[J]. Public finance research， 2015（5）：57-62.]

[10]LOKKAINEN H， SUSILUOTO I. Cost efficiency of Finnish municipalities 1994-2002： an application of DEA and Tobit methods [R]. Porto， Portugal： The 44th Congress of the European Regional Science Association，2004.

[11]MELO P C， GRAHAM D J， NOLAND R B. A Metaanalysis of estimates of urban agglomeration economies [J]. Regional science and urban economics， 2009， 39（3）： 332-342.

[12]COMBES P P. Productivity advantages of large cities： distinguishing agglomeration from firm selection[J]. Econometrica， 2012， 80（6）： 2543-2594.

[13]FAGERBERG J. Technological progress， structural change and productivity growth： a comparative study[J]. Structural change and economic dynamics， 2000（11）： 393-411.

[14]樊纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献[J].经济研究，2011（9）： 4-16. [FAN Gang， WANG Xiaolu， MA Guangrong. Contribution of marketization to Chinas economic growth[J].Economic research journal， 2011（9）： 4-16.]

[15]PRITCHETT L. Where has all the education gong？[J]. World Bank economic review， 2001（15）： 367-391.

[16]TEMPLE J， WOESSMANN L. Dualism and crosscountry growth regressions[J]. Journal of economic growth， 2006， 3（11）： 187-228.

[17]李德煌，夏恩军.人力资本对中国经济增长的影响——基于扩展Solow模型的研究[J].中国人口·资源与环境，2013（8）： 100-106. [LI Dehuang， XIA Enjun. Research on the influence of human capital on China economy growth： based on extended Solow Model[J].China population， resources and environment， 2013（8）：100-106.]

[18]范九利，白暴力.基础设施投资对中国经济增长的地区差异研究[J].人文地理，2004（4）： 35-38. [FAN Jiuli， BAI Baoli. A study on the different influence of infrastructure on regional economic growth in China[J]. Human geography， 2004（4）： 35-38.]

[19]戴維·N·韦尔.经济增长[M].金志农，古和今，译.北京：中国人民大学出版社，2007：147-151.[ WEIL D N. Economic growth[M]. Translated by JIN Zhinong， GU Hejin. Beijing： China Renmin University Press，2007： 147-151.]

[20]BLANCHARD O， SHLEIFER A. Federalism with and without political centralization： China versus Russia[R]. IMF Staff Papers， No.48， 2001： 171-179.

[21]周黎安.晋升博弈中政府官员的激励与合作——兼论我国地方保护主义和重复建设问题长期存在的原因[J].经济研究，2004（6）： 3-40. [ZHOU Lian. The incentive and cooperation of government officials in the political tournaments： an interpretation of the prolonged local protectionism and duplicative investments in China[J]. Economic research journal，2004（6）：3-40.]

[22]KRUGMAN P. The myth of Asias miracle[J]. Foreign affairs， 1994， 73（6）： 62-78.

[23]张军.增长、资本形成与技术选择：解释中国经济增长下降的长期因素[J].经济学（季刊），2002（1）： 301-336.[ZHANG Jun. Growth， capital formation and technological choice： why has Chinas economic growth rate been declining？ [J]. China economic quarterly， 2002（1）：301-336.]

[24]GORDON， ROBERT J. Economic growth since 1870： what we know and still need to know [J]. American economic review， 1999， 89（2）： 320-352.

[25]DAVID P A， HALL B H， TOOLE A A. Is public R&D a complement or substitute for private R&D？ a review of the econometric evidence[J]. Research policy， 2000， 29 （4）： 497-529.

[26]HALL B H， MAFFIOLI A. Evaluating the impact of technology development funds in emerging economies evidence from Latin America[J]. The European journal of development research， 2008， 20 （2）： 172-198.

[27]张海洋，刘海云.外资溢出效应与竞争效应对中国工业部门的影响[J].国际贸易问题，2004（3）：76-81.[ZHANG Haiyang， LIU Haiyun. Analysis on the impact of foreign investments spillover effect and competition effect on Chinas industrial sector [J]. Journal of international trade， 2004（3）：76-81.]

[28]AITKEN B， HARRISON A. Do domestic firms benefit from foreign direct investment？ evidence from Venezuela [J]. American economic review， 1999， 89（5）： 605-618.

[29]张宇.FDI与中国全要素生产率的变动——基于DEA与协整分析的实证检验[J].世界经济研究，2007（5）： 14-19.[ZHANG Yu. Does FDI promote Chinese TFP？ an evidence based on DEA and cointegration [J]. World economy study， 2007（5）：14-19.]

[30]ASCHAUER D A. Is public expenditure productive？[J]. Journal of monetary economics， 1989，23：177-200.

[31]王小鲁，樊纲，刘鹏.中国经济增长方式转换和增长可持续性[J].经济研究，2009（1）：4-16.[WANG Xiaolu， FAN Gang， LIU Peng. Transformation of growth pattern and growth sustainability in China [J]. Economic research journal， 2009（1）：4-16.]

[32]AARON H J， ASCHAUER D A， MUNNELLI A H. Why is infrastructure important： is there a shortfall in public capital investment？ [R]. Boston： Federal Reserve Bank of Boston， 1990： 51-63.

[33]HULTEN C R， SCHWAB R M. Regional productivity growth in US manufacturing [J]. American economic review， 1991， 74（2）： 1152-1163.

[34]曹春方，马连福，沈小秀.财政压力、晋升压力、官员任期与地方国企过度投资[J].经济学（季刊），2014（7）：1415-1435. [CAO Chunfang， MA Lianfu， SHEN Xiaoxiu. Fiscal pressure， promotion pressure， tenure of office and local stateowned companies overinvestment[J]. China economic quarterly， 2014（7）： 1415-1435.]

[35]蔣德权，姜国华，陈冬华.地方官员晋升与经济效率：基于政绩考核观和官员异质性视角的实证考察[J].中国工业经济，2015（10）： 21-36. [JIANG Dequan， JIANG Guohua， CHEN Donghua. Local leaders promotion and economic efficiency： an empirical study from the performance evaluation and heterogeneity perspectives [J]. China industrial economics， 2015（10）：21-36.]

[36]程哲，白云霞.融资冲动、资本配置效率与地方官员更迭频度[J].改革，2015（8）：113-124.[CHENG Zhe， BAI Yunxia. Financing impulse， capital allocation efficiency and the change of local officials[J]. Reform， 2015（8）：113-124.]