高质量发展背景下中国全要素生产率作用因素研究

姜竹 马天 王轶

摘 要：中国速度向中国质量转变，高质量发展需要解决束缚我国全要素生产率提高的核心问题。基于1996—2015的年度数据，选取经济制度改革、技术进步、对外开放、基础设施四个一级指标和细化的24个二级指标，通过建立因子增强型向量自回归模型（FAVAR），对作用我国全要素生产率的因素进行了分析，探究影响的核心要素、方向和贡献度。研究发现：（1）短期来看，经济制度改革、技术引进和对外开放因素能有效带动我国全要素生产率的增长;（2）长期来看，自主创新、基础设施建设因素对全要素生产率的推动效力具有较强持续性;（3）从对作用于我国全要素生产率的贡献度排序角度来看，依次是经济制度改革、技术引进、对外开放、自主创新和基础设施。由此，建议政府转变经济发展方式，更加注重自主科技创新，强化基础设施建设的实用性，释放关键性制度改革红利，增强对外开放和技术引进。

关键词：高质量发展;全要素生产率;作用要素;FAVAR;自主创新

文章编号：2095-5960（2019）01-0037-10;中图分类号：F061.1;文献标识码：A

一、问题的提出

2017年年底，中央经济工作会议明确指出，要围绕推动高质量发展，做好八项重点工作。其中包括：推进中国制造向中国创造转变，中国速度向中国质量转变，制造大国向制造强国转变;深化要素市场化配置改革;培育新动能，强化科技创新，推动传统产业优化升级;降低实体经济成本，降低制度性交易成本，深化行业改革。这说明要实现我国经济的高质量发展，需要转变经济发展方式，找出制约我国全要素生产率的核心要素，推进绿色发展，实现我国全要素生产率的提升。

劳动、资本、创新和管理等因素都是推动一国经济快速发展的重要动能[1]，而除去劳动和资本以外的因素对经济增长的贡献被称作全要素生产率。改革开放以来，中国的经济出现奇迹式增长，被学术界称作“增长奇迹”。然而，许多学者认为，中国的经济增长的源泉主要来自资本的积累[2][3]，甚至Krugman[4]认为东亚经济的飞速增长中全要素生产率并无贡献，提出了“东亚无奇迹”的观点。之后学者对中国的全要素生产率与经济增加之间的关系以及全要素的作用要素进行了大量研究。郭庆旺、贾俊雪[5]的研究认为在1978—2005年之间，中国的经济增长的主要贡献来自要素投入的增长，全要素生产率的贡献存在滞后期。近年学者又采用不同的方法和数据对我国的全要素生产率进行了估计。Brandt et al. [6]研究发现，1998—2007年之间，中国工业企业的全要素生产率的年均增长率约为7.96%;但是杨汝岱[7]使用相同的数据进行了测算，发现同时期的年均增长率只有3.83%。以上专家学者的研究可以说明，提高全要素的生产率的确能推进我国经济的发展。但是，作用我国全要素生产率的要素众多，在推进我国经济高质量发展背景下，分析作用我国全要素生产率的核心要素、作用程度、方向和贡献率就显得尤为必要。

二、文献综述

1957年，著名经济学家索洛所（Solow）[1]以柯布-道格拉斯生产函数为基础，推导出一个新的经济增长模型。他认为，在规模报酬不变的既定假设下，全要素生产率对于打破资本边际报酬递减效应、释放既有要素潜能、推动经济长期可持续发展具有重要作用。在索洛所提出新的经济增长模型以后，国内外学者都基于该理论研究了全要素生产率与经济增长的关系。已有文献主要包括两个方面：

一是全要素的分析。如Solow[1]在Harrod-Domar模型的基础之上加入技术进步因素，结合Cobb-Douglas生产函数，将产出增长中由技术进步引起的部分与投入要素增长的部分区别分析。Romer[8]在现代经济增长理论中，将全要素生产率内生化，使得现代经济增长理论可以解释经济的持续增长问题。Fagerberg[9]通过对发展中国家的研究显示，产业结构转变、市场化程度提高等经济结构转变均可以提高资源配置效率，从而提高全要素生产率。Markusen[10]从人力资本和专业分工角度验证了FDI对全要素生产率具有促进作用。赵志耘[11]从技术创新和经济制度改革两方面选取变量，实证结果显示技术引进是我国改革开放以来全要素生产率变化的主要原因;R&D经费投入增长迅速，但这些投入只增加了我国技术知识的存量，并没有转化为全要素生产率的提高;且我国经济制度改革对经济增长的促进作用，从推动资本、劳动增长转移到了推动全要素生产率的增长。当然，还有大量学者从教育[12]、环境[13]、碳排放[14]、知识溢出效应[15]（汤学良、宗大伟，2017）、投入产出比[16]等方面分析了全要素生产率的问题。

二是全要素生产率的影响因素分析。如Guellec [17]引入了R&D变量，并将变量区分为国内商业研发投入、公共机构研发投入和国外商业研发投入，研究发现以上变量均促进了生产率的提高。Chen[18]研究指出实用专利、信息通信技术、科学出版物和科技文章发表数量与全要素生产率的相关关系为统计显著，进一步解释了技术创新是全要素生产率的重要影响因素。Bronzini & Piselli[19]采用实证的方法检验了基础设施与全要素生产率的关系，得出基础设施对全要素生产率有积极影响的结论。张浩然[20]利用空间杜宾模型检验了基础设施及其空间外溢效应与全要素生产率的关系，研究发现通讯、医疗、人力资本和交通的基础设施提高了全要素生产率，且通讯和医疗基础设施在地区间存在显著的溢出效应。张宇[21]建立误差修正模型，分析FDI流入对我国全要素生产率的提升作用具有一定时滞性，在短期内不显著。Georges[22]基于82个国家技术创新、基础设施和社会制度等多类指标数据，实证分析了全要素生产率的影响因素，发现基础设施因素回归统计最显著，技术创新因素和制度因素次之。唐未兵[23]采用动态面板模型估计模型研究技术创新和技术引进对全要素生产率的影响，发现技术溢出更易于促进全要素生产率的提高。姚耀军[24]利用界限检验、协整关系检验等计量方法，验证了我国全要素生产率与金融發展、外商直接投资、经济自由度三个变量存在长期均衡关系。且短期全要素生产率是金融发展的格兰杰原因，表明其发展滞后于全要素生产率的增长。简则[25]利用微观数据分析了中国加入WTO后进口自由化带来的进口竞争促进了我国企业平均全要素生产率的增长，而进口竞争阻碍了低效率企业全要素生产率的增长，促进了高效率企业全要素生产率增长。罗良文[26]采用指数法测算各省全要素生产率及其组成，并借助面板模型从基础设施投资视角分析了自主创新和技术引进对全要素生产率的实际贡献度，研究发现基础设施对自主研发存在挤出效应，对技术引进存在促进作用。柳思维、周洪洋[27]研究发现，区域产业结构的聚集和人口城镇化水平的提高都有助于提高本区域的全要素生产率。

综上所述，国内外学者都对全要素生产率的内涵及影响因素进行了大力研究，取得普遍的共识，即劳动、资本、技术等都是投入要素，外部环境、人力资本积累等都对要全要素生产率的提升产生重要影响，这些研究成果的确为本研究提供了很好的理论基础，但也存在一定的不足。主要表现在：其一，在国外文献中[28]，常假设经济发展处于长期均衡状态，将技术创新和基础设施建设作为全要素生产率的主要影响因素分析。但这种假设对于发展中国家，尤其是经济转型中的中国并不完全适用[29]。由于存在市场经济制度不完善、信息不对称以及源于制度等非价格因素的生产效率损失，经济制度的改革往往未纳入在全要素生产率影响因素之列。其二，在影响全要素生产率的要素分析上，已有文献中仅选取了某个具体指标作为全要素生产率影响因素的代表，但全要素生产率的影响因素十分复杂，单一指标的使用不仅会使估计结果有偏，还会导致其他影响因素的传导机制和影响效果被掩盖。其三，已有文献仅考察了单一变量对全要素生产率的影响维度和贡献度，对多因素的影响维度和贡献度，已有文献较少分析。

鉴于此，本文在对上述文献进行梳理的基础之上，通过构建广义视角分析框架，利用因子增强型向量自回归模型FAVAR（Factor-Augmented Vector Autoregressive），通过因子分析将多因素变量加入模型，从中找出影响全要素生产率的核心要素，分析影响的程度和影响的方向，以期为我国全要素生产率的提高给出确实可行的政策建议。

三、数据说明、模型构建及变量定义

（一）数据说明

本文数据主要采用《中国统计年鉴》、国家统计局网站（http：//www.stats.gov.cn）和世界银行数据库（https：//data.worldbank.org.cn）发布的1996—2015年度的统计数据，数据统计周期10年。数据汇总以后，按照以下原则进行了筛选：（1）由于使用数据的跨度长，所以非连续性数据没有计入统计;（2）对于统计值出现奇异值的，进行了删除;（3）涉及衡量全要素生产率的变量数据缺失的，不计入统计范围。

（二）模型构建

在现实的经济运行中，众多的因素会直接或间接影响着全要素生产率，且各类因素对全要素生产率变化的影响程度很难测度。因此，需突破现有计量经济模型仅能体现有限变量的局限性，构建尽可能包含更多变量的模型来分析各类因素对全要素生产率的影响。与Bernanke[30]研究货币政策效果情形类似，使用VAR模型分析全要素生产率的影响因素问题会存在模型变量受限、估计出现偏差、存在代理误差和统计误差等诸多问题。而将动态因子模型[31]和VAR模型相结合，建立FAVAR模型能够很好地解决这个问题。在已有研究中，如Vargas[32]和Gupta[33]已经通过实证研究证实，FAVAR模型的实证效果明显优于VAR模型。本文利用FAVAR模型分析我国全要素生产率的影响因素。

全要素生产率及其影响因素的动态变化，可以通过VAR模型来表示，该模型如下：

FAVAR模型的估计方法一般有两步估计和一步联合估计，两种方法的脉冲响应分析结果非常接近，不存在明显的优劣之分，已有文献也证实了这一结论[30]。本文使用Stock & Watson[31]提出的两步主成分分析法，即第一步将信息集划分为“快速变化”和“慢速变化”的两组经济变量，使用主成分分析估计出不可观测因子;第二步，利用提取出来的主成分和可观察的变量做普通意义上的VAR模型。本文使用的分析软件为Matlab。

（三）变量的选取

1.全要素生产率的测算

文中将全要素生产率视为“快速变量”，因此需要对其进行测算。测算全要素生产率所需的产出和劳动投入数据分别用指标实际GDP和就业人数表示，数据来源于《中国统计年鉴》，因而需要估算资本存量数据。本文采取国际通用的永续存盘法的改进方法[34]进行估算，估算公式如下：

式（3）中，It是t期以当期价格计价的投资额，采用社会固定资产投资总额。Pt是t期的价格指数，采用固定资产投资价格指数，δ是折旧率，采用5%的通用值，计算得到固定资产存量。利用上述得出的产出、劳动投入、固定资产存量数据，采用文献[35]中使用的隐形变量法，利用状态空间模型（state-space model），通过极大似然估计估算出全要素生产率。由于产出、劳动力和资本存量数据的趋势成分通常是单位根过程且三者之间不存在协整关系，所以往往利用产出、劳动力和资本存量的一阶差分序列来建立回归方程[35]。采用Cobb-Douglas生产函数，假定规模收益不变，得到观测方程（4）：

方程（4）中，Δln（TFPt）为全要素生产率对数的差分值，假设其为一个隐性变量，且遵循一阶自回归，即AR（1）过程，则有如下状态方程：

方程（5）中，ρ为自回归系数，满足ρ<1，μt为白噪声。这样，利用状态空间模型，通过极大似然估计同时估算观测方程（4）和状态方程（5），即可得到全要素生产率的估算值。隐形变量法将全要素生产率看作独立的状态变量，并从残差中分离出来，对全要素生产率的估算更为精确，测算结果如表1所示。

2.影响因素变量的选取

本文基于上述文献综述，结合数据的可得性，選取了由24个变量构成的时间序列数据作为经济信息集合Xt，并将其设置为“慢速变量”。各变量的具体名称、简称及数据来源如表2所示。

第一组变量为技术进步变量。本组变量中研究与开发人员数（RDR）、研究与开发投入（RDI）、专利申请书（PA）、科技期刊文章（STJ）、商标申请数（TA）变量体现我国自主创新能力水平，高技术产品进口额（IPR）、技术产品交易额（TPT）、知识产权使用支付费（IPR）变量体现我国对外引进技术水平。鉴于近20年来我国技术进步主要通过对外引进和自主创新来实现，因此以上两部分变量较全面的覆盖了我国技术发展的指标和路径。

第二组变量为经济制度改革变量。本组变量中政府财政支出占GDP比重（GE）、直接税占总税收比重（DT）、非国有经济就业人数（NSE）、非国有经济固定资产投资（NSA）、非国有经济工业产值（NSI）变量从我国政府宏观调控能力、所有制形式和经济市场化程度三方面展开，较好的构建了经济转型过程中经济体制改革的指标体系。

第三组变量为对外开放变量。本组变量中实际利用外资占GDP比重（FI）、进出口总额占GDP比重（IET）变量较好衡量了我国对外开放的发展程度。第四组变量为基础设施建设指标，本组变量中包括铁路里程数（RAILWAY）、航空货运量（AIRLINE）、货柜码头吞吐量（WHARF）、耗电量（POWER）等直接参与生产活动、提高生产效率的经济型基础设施变量，也包括互联网用户数（IU）、移动和固定电话用户数（PHONE）、普通高等学校数（COLLEGE）等有利于人力资本积累和科技创新、推动经济长期发展的社会型基础设施，综合以上两类基础设施的变量选取，也能更准确地反映我国基础设施的建设结构与发展程度。

四、实证分析

根据FAVAR模型的相关限制条件，我们对上述数据进行预处理。首先，大部分原始数据为非平稳序列，我们用取对数等形式对数据进行标准化。标准化以后的数据，采用ADF和PP检验方法进行单位根检验，结果均通过平稳性检验。

变量信息集解释的特征值中，各主因素的特征方差、贡献率、累计特征值如表3所示。通过表中数据推断可以提取4个主因素，第1个主因素解释度为30.300%，第2个主因素解释度为27.860%，第3个主因素解释度为17.245%，第4個主因素解释度为10.482%。以上数据说明，分析变量信息集对全要素生产率的影响，只需要分析累积贡献度达85.927%的以上4个主因素即可。

为了说明各主因素的经济含义，我们将各主因素所对应的载荷因子值最高的前4个变量指标列示如表4，从中可以看出政府财政支出占GDP比重（GE）、固定投资国家预算比重（DT）、非国有经济就业人数（NSE）、非国有经济工业产值比重（NSI）4个指标变量在第1个主因素上因子载荷值较高，因此主因素1概括为“经济制度改革因素”，具体包括：高技术产品进口额（HPI）、知识产权使用支付费（IPR）、实际利用外资（FI）和进出口总额（IET）4个指标变量。在第2个主因素上因子载荷值较高，主因素2概括为“技术引进和对外开放因素”，具体包括：科技期刊文章（STJ）、专利申请数（PA）、R&D人员（RDR）和R&D投入（RDI）。在第3个主因素上因子载荷值高，视其为“自主创新因素”，具体包括：互联网用户数（IU）、移动电话用户数（PHONE）、货柜码头吞吐量（WHARF）和铁路里程数（RAILWAY）。在第4个主因素上因子载荷值高，因此概括为“基础设施因素”，具体包括：互联网用户（IU）、信息和通信技术产品进口（ICT）、信息技术服务收入（ITS）、铁路里程数（RAILWAY）、航空运货量（AIRINE）、耗电量（POWER）等指标。提出的4个主要因子能解释全要素生产率影响因素的85.927%，说明上述因素为核心影响因素。

下面利用提取的主因素时间序列和测算得到的全要素生产率序列建立VAR模型，并按照因素顺序给出脉冲响应和方差分解。由于数据周期为20年，FAVAR模型中的脉冲滞后期为20期。

首先，对各主因素时间序列进行对数处理，检验其平稳性，发现为非平稳序列，对其进行一阶差分后，主因素在5%的置信水平下平稳。然后，根据AIC和SC信息准则进行检验，选取含2期滞后变量的VAR模型。再次，借助脉冲响应函数，得到各主因素一单位的冲击所引起全要素生产率脉冲响应图，利用其来衡量各因素随机扰动一单位的标准差对全要素生产率的冲击响应。最后，利用方差分解图，分析各主因素对我国全要素生产率提升的贡献度。脉冲响应和方差分解见图1。

如图1所示，全要素生产率对主因素1即经济制度改革因素的一个标准差冲击的反应在第2期达到最大，冲击效应为0.43，随后逐渐降低，在到达第6期后冲击效果消失，经济制度改革因素对全要素生产率贡献度的初始值为40.53%，之后趋于下降，在第20期达到36.05%。因此，本文可以推断，经济制度改革因素是我国全要素生产率提高的主要影响因素之一，且具有较高的短期正向影响和贡献度。经济制度改革要素在因子载荷值较高的4个指标变量中，分别表示政府支出和市场化程度。可见过去20年里，政府财政支出政策和市场化的推进均在不同程度上优化了资源配置效率，促进了我国全要素生产率的提升，释放了既有要素的潜能。但随着我国市场化逐步加深，与其相适配的经济制度改革存在相对滞后性，深层次制度改革的缺失导致要素潜力的释放遭遇瓶颈，使其对我国全要素生产率的激活效力日趋弱化。

全要素生产率对主因素2，即“技术引进和对外开放因素”的一单位标准差扰动的反应也相当显著。第3期反应最大，到达0.48，而后迅速降低，在第5期消失，其对全要素生产率的贡献度初始值逐步增加达到14.55%并趋于稳定。这说明技术引进和对外开放因素也同样是短期内提高全要素生产率的影响因素，且贡献度较高，仅低于经济制度改革因素。可见大规模的技术引进使我国迅速缩短了与发达国家的技术差距;外资的吸收使我国在利用外国资本的同时完成了先进技术的学习;对国外市场的开放不仅扩大了我国市场规模、促进了分工深化，同时也提高了进口的投入品和资本品的技术水平。而随着我国经济发展阶段的提升，传统行业的低端技术引进对技术边际改进的进度会放缓，高新技术的引进又受限于我国较低的吸收转化能力，因此，技术引进和对外开放因素对全要素生产率的促进效应也进入瓶颈期。

全要素生产率对主因素3，即自主创新因素的一单位标准差扰动的反应，在前4期上升加快，且在第6期反应逐步减弱，在第16期逐渐消失，冲击效应最高达到0.22，其对全要素生产率的贡献度，从初始的5.72%逐步降低到第20期的4.69%。与主因素1和主因素2相比，自主创新因素对我国全要素生产率的促进作用具有持续性，与实现工业化、体制相对稳定和成熟的经济体相似，自主创新带来的技术进步是长期持续促进全要素生产率的主要影响因素，同样也是我国将经济增长方式由投入驱动转向创新驱动的核心因素。但自主创新因素对我国全要素生产率的贡献度偏低，且促进作用不显著，其原因归集为以下两个方面：一方面，自主创新对全要素生产率的提高具有滞后性规律，科技创新对生产率的促进作用需要较长的周期;另一方面，我国科研机构的科技创新与研发并没有很好地适应各行业前沿发展的需求，存在错配现象，科技创新与研发仅增加了知识存量，技术成果的低转化率制约了其对全要素生产率的正向作用。

全要素生产率对主因素4，即基础设施因素的一单位标准差扰动的反应与自主创新因素相似，均具有正向促进作用，且持续期相近。图中在第4期上升逐步加快，冲击效应最高为0.002，随后逐步减弱并在第12期消失，对全要素生产率的贡献度从初始1.29%增加到第20期的1.94%。实证结果表明，我国基础设施建设对全要素生产率的提高也具有持续性作用，但促进作用较为有限。原因存在于以下两方面：一方面，基础设施建设也具有时滞性，是连续性的动态发展过程，其对全要素生产率的促进作用需要一定的时间才能显现;另一方面，由政府主导的基础设施建设投资中，经济型基础设施建设投资占比较大，对社会型基础设施建设存在挤出效应，从而导致我国基础设施建设的结构布局不太合理，对全要素生产率的促进作用不十分明显。

五、结论及启示

（一）研究结论

2018年是质量年，如何满足我国经济高质量发展需要、推进我国全要素生产率高质量增长，解决束缚全要素生产率提升的核心要素，已经成为迫在眉睫的问题。本文基于1996—2015年的年度数据，选取了经济制度改革、技术进步、对外开放、基础设施四个一级指标，专利、高新技术、互联网、通信等细化的24个二级经济指标，通过建立因子增强型向量自回归（FAVAR）模型，对作用我国全要素生产率的因素进行分析，探究影响的核心要素、影响的方向和作用的贡献度。研究发现：（1）短期来看，经济制度改革、技术引进和对外开放因素仍然是推進全要素生产率提高的主要影响因素，但促进作用正在逐步减弱。比如：随着我国市场化逐步加深，与其相适配的经济制度改革存在相对滞后性，深层次制度改革的缺失导致要素潜力的释放遭遇瓶颈;传统行业的低端技术引进对技术边际改进的进度会放缓，高新技术的引进又受限于我国较低的吸收转化能力。（2）长期来看，自主创新因素对全要素生产率的提升具有可持续上升空间，也是我国将经济增长方式由投入驱动转向创新驱动的核心因素。基础建设因素对全要素生产率的提高也具有持久性的作用，但由于我国基础设施建设的结构布局不太合理，导致促进作用受到一定的限制。（3）通过方差分解图，分析各主因素对我国全要素生产率提升的贡献度，发现经济制度改革因素的贡献度最大，其次是技术引进和对外开放，再次是自主创新和基础设施因素，但是自主创新具有持续性和滞后性。

（二）研究启示

（1）转变经济发展方式。应更加注重技术创新投入和人才培养，加大基础设施建设。在基础设施建设方面，合理调节基础设施建设投资结构，注重加强社会型基础设施建设，进一步提升教育、科研及互联网平台等基础设施投资在总投资中的比重;在自主创新机制体制层面，应完善技术创新制度，积极引入市场机制，加快技术创新成果的转化、应用，切实有效的提高技术创新形成生产能力的速度;在自主创新战略层面，要深入研究和解决经济和产业发展亟须的科技问题，围绕促进转方式、调结构、建设现代产业体系、培育战略性新兴产业、发展现代服务业等方面需求，推动自主创新成果转移转化，推动产业和产品向价值链中高端跃升，加快经济增长方式转变的步伐，促进经济增长方式由粗放型向集约型转变。

（2）进一步深化经济体制改革、释放改革红利的关键仍然是处理好政府与市场间关系。充分发挥市场作用，更加尊重市场规律，积极转变政府职能，坚持通过制度创新释放市场活力;财政政策定位也应由“锦上添花”向“雪中送炭”转变，即通过制度供给减轻外部因素对经济造成的冲击，促进市场逐渐完善，创造让企业和市场发挥作用的制度环境。

（3）加强对外开放和技术引进。继续坚持通过利用外资引进技术的战略，强化对引进技术的消化吸收能力;重视引进技术的先进性，提升技术引进的层次，缩小与发达国家的技术差距，为自主创新奠定坚实的基础;积极推进“一带一路”战略规划，为我国企业“走出去”创造机会，构建包容性的合作平台;同时也与各国取长补短，互学互鉴，进一步提高我国开放型经济的水平，扩大现代服务业和制造业的开放领域，为外商提供更多投资机会，营造更加公平、透明、可预期的投资环境。

（4）重视原创性科技创新。上述分析发现，自主技术创新能够持久推动全要素生产率的提升。为此，国家应该出台相应政策文件，全面推进科技创新，企业推进科技创新，全面享有税收优惠政策;科研事业单位推进科技成果转化，对于转化成功的单位和个人，国家给予一定的政策扶持，激励科研人员进一步创新;培育创新文化和创新环境，激发创新人员的创造力。

（5）完善基础设施建设。虽然这几年国家投入了大量资金进行基础设施建设，这些设施的确为推动国家经济发展提供了重要保障，但是目前基础设施建设要素对全要素生产率的作用不明显。本文认为，基础设施的建设要与区域经济增长的速度和方式匹配，要与区域经济和人口规模相匹配，充分发挥基础设施建设对区域经济的拉动作用。

参考文献：

[1]SOLOW R M.Technical change and the aggregate production function [J].Review of Economics and Statistics，1957，39（3）：312-320.

[2]YOUNG A.The tyranny of numbers：confronting the statistical realities of the east asian growth experience [J].Quarterly Journal of Economics，1995，110（3）：641-680.

[3]YOUNG A.Gold into base metals：productivity growth in the Peoples Republic of China during the reform period[R].National Bureau of Economic Research，2000.

[4]KRUGMAN P.The return of depression economics [J].Foreign Affairs，1999，78（1）：56-74.

[5]郭庆旺，贾俊雪.中国全要素生产率的估算：1979—2004[J].经济研究，2005（6）：51-60.

[6]BRANDT M C，MAHFOUD F，REDA S，et al.Renal sympathetic denervation reduces left ventricular hypertrophy and improves cardiac function in patients with resistant hypertension[J].Journal of the American College of Cardiology，2012，59（10）：901-909.

[7]杨汝岱.中国制造业企业全要素生产率研究[J].经济研究，2015（2）：61-74.

[8]ROMER P M.Increasing returns and long -run growth [J].Journal of Political Economy，1986，94（10）：1002-1037.

[9]FAGERBERG J.Technological progress，structural change and productivity growth：a comparative study [J].Journal of Development Economics，2000（11）：393-411.

[10]MARKUSE J，RUTHERFORD T，TARR D.Trade and direct investment in producer services and the domestic market for expertise [J].Canadian Journal of Economics，2005，38（3）：758-777.

[11]趙志耘，杨朝峰.中国全要素生产率的测算与解释：1979—2009年 [J].财经问题研究，2011（9）：3-12.

[12]LVOVSKY K.Health and environment[R]，Washington：World Bank Environment Strategy Paper No.1，2001，，DC：World Bank，2001.

[13]BERMAN E，BUI L T.Environmental regulation and productivity：evidence from oil refineries [J].Review of Economics and Statistics，2001（83）：498-510.

[14]相天东.我国区域碳排放效率与全要素生产率研究——基于三阶段DEA模型[J].经济经纬，2017（1）：20-25.

[15]汤学良，宗大伟.局部知识溢出与企业全要素生产率演化——基于中国制造业企业数据的研究[J].贵州财经大学学报，2017（1）：81-93.

[16]傅元海，陈丽姗，尹硕.工业投入产出率对能源全要素生产率的影响研究——以珠三角地区为例[J].江西财经大学学报，2017（5）：14-21.

[17]GUELLEC D B.Van pottelsberghe de la potterie.R&D and productivity growth：panel data analysis of 16 OECD countries[R]，OECD Economic Studies，No.33，2001.

[18]CHEN D H，DAHLMAN C J.Knowledge and development：a cross-section approach[Z]，Policy Research Working Paper，Washington，DC：World Bank，No.3366，2004.

[19]BRONZINI R，PISELLI P.Determinants of long-run regional productivity with geographical spillovers：the role of r&d，human capital and public infrastructure [J]，Regional Science and Urban Economics，2009，39（2）：187—199.

[20]张浩然，衣保中.基础设施、空间溢出与去与全要素生产率——基于中国266个城市空间面板杜宾模型的经验研究 [J].经济学家，2012（2）：61-67.

[21]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）：14-20.

[22]GEORGES B，JEAN-MICHEL E，PIERRE M.How important is innovation？ A Bayesian factor-augmented productivity model on panel data[Z]，UNU-MERIT Working Paper，No.52，2014.

[23]唐未兵，傅元海，王展祥.技术创新、技术引进与经济增长方式转变 [J].经济研究，2014（7）：31-43.

[24]姚耀军.中国金融发展与全要素生产率——基于时间序列的经验证据 [J].数量经济技术经济研究，2010（3）：68-72.

[25]简则，张涛，伏玉林.进口自由化、竞争与本土企业的全要素生产率——基于中国加入WTO的一个自然实验 [J].经济研究，2014（8）：120-132.

[26]罗良文，潘雅茹，陈铮.基础设施投资与中国全要素生产率——基于自主研發和技术引进的角度 [J].中南财经政法大学学报，2016（1）：30-37.

[27]柳思维，周洪洋.我国流通产业全要素生产率空间关联和影响因素研究[J].北京工商大学学报（社会科学版），2018，33（02）：38-50.

[28]NADIRI M I.Some approaches to the theory and measurement of total factor productivity：a survey [J].Journal of Economic Literature，1970，8（4）：1137-1177.

[29]KRUEGER A O，BARAN T.Estimating total factor productivity growth in a developing country [Z].World Bank staff working paper，no.422，1980.

[30]BERNANKE B，BOIVIN J，ELIASZ P.Measuring monetary policy：a factor augmented vector autoregressive（FAVAR） approach [J]，Quarterly Journal of Economics，2005，120（6）：387-422.

[31]STOCK J，WASTON M.Forelasting using principal components from a large number of predictor [J].Journal of the Americal Association，2002（97）：1167-1179.

[32]VARGAS-SILVA C.The effect of monetary policy on housing：a factor augmented vector auto regression（ FAVAR ）approach [J].Applied Economics Letters，2008（15）：749-752.

[33]GUPTA R，JURGILAS M，KABUNDI A.The effect of monetary policy on real house price growth in South Africa：a factor-augmented vector autoregression（FAVAR）approach [J].Economic Modeling，2010，27：315-323.

[34]易纲，樊纲，李岩.关于中国经济增长与全要素生产率的理论思考 [J].经济研究，2003（8）：13-20.

[35]郭庆旺，贾俊雪.中国潜在产出与产出缺口的估算 [J].经济研究，2004（5）：31-39.