要素抑或效率驱动——来自江苏省市县经济增长的证据

孟令杰，李 婧，史雨萱，杨世盼

（南京理工大学 经济管理学院，江苏 南京210094）

一、引言

经济运行的重心已经由过去关注总量的增长转变为发展质量的提升，在经济发展的驱动因素方面，正在逐渐发生变化，从高度依靠资本、劳动等要素驱动转变为依赖全要素生产率的提高。 在2008到2016 年间，江苏省的工业经济增长率从13.7%降到6.9%，增长速度不断减缓，提高经济发展的质量成为全省主要目标。根据江苏省GDP 分布状况可知长期以来占比最高的为工业生产总值， 超过50%，所以深度剖析驱动工业经济发展的关键因素，能够帮助江苏改善经济发展方式、 提高经济发展效率。对比近十年苏南、苏中和苏北的工业生产总值的变化状况， 可以看出地区间经济差异逐年扩大。 从2018 年发布的全国百强县名录可知，江苏省市县综合实力在全国范围内领先，但这些市县在省内分布不均，多数集中于苏南区域，表明地区之间发展不平衡。

基于以上江苏省经济发展的特征，又考虑到现有研究大多集中于全国或省际层面，得出的结论并不能够很好地满足地方的需要，因此本文将聚焦于工业经济的增长，着眼于市县层面，探求江苏省市县工业经济增长的来源。

二、文献综述

我国自20 世纪80 年代开始探究效率问题，对TFP 的研究起步较晚， 已有的绝大多数研究成果均是参考海外学者提出的相关理论以及方法，多视角探索TFP 增长率及相关问题，并逐步细分到不同地区、行业中。

总体上看，国内研究呈现以下特点：在研究方法上，大部分学者采用非参数的数据包络分析法研究工业TFP 及其分解指标。21 世纪初国内有部分学者运用DEA（数据包络分析法）方法测算我国各省份近三十年来的全要素生产率，发现中国TFP 增长的主要源泉是技术效率的提高 （颜鹏飞和王兵，2004；章祥荪和贵斌威，2008）。 对于分行业的研究，陈正其和吴彤琳（2018）测算了我国工业39 个行业的全要素生产率，研究发现，国内工业TFP 得以增长的关键因素是技术进步，而技术效率则为限制其增长的关键。

另有学者探究了经济增长受TFP 增长率及要素影响的状况，虽然我国经济水平自改革开放以来逐步提升，然而在经济增长贡献方面，TFP 的贡献程度较低，经济增长对要素投入的依赖性更强（郭庆旺和贾俊雪，2005）。 在测度要素对经济增长的贡献状况时，索洛余值法被普遍采用（孙启明等，2013）。也有学者细化研究范围，利用中国264 个地级及以上城市的投入产出数据测算发现全国GDP 增长率主要与劳动增长率成正相关，其中东部地区经济增长主要与TFP 增长率有关，中西部地区则与固定资本存量有关（张自然，2014）。

目前，有关江苏省工业行业TFP 增长的实证研究仍有所欠缺，其中针对要素或效率对经济增长的贡献率的研究更为缺乏。 根据现有文献可知，江苏工业各细分行业在2010 年之前， 技术进步推动了TFP 的增长，而纯技术效率则起抑制作用（万兴和范金2007；王郁晶和李刚，2009）。

在研究视角上，多数学者基于全国和省际层面的宏观视角进行研究， 从市县层面的研究较少，市县作为工业更直接的载体， 更加贴近工业生产实际，宏观层面的研究无法准确地反映市县间的具体差异。 因此，文章基于DEA-Malmquist 模型，首先收集整理了2008—2016 年江苏省54 个市县工业投入与产出的面板数据，测算江苏省、三大区域以及各市县的全要素生产率， 同时对TFP 进行分解，划分为技术进步、技术效率两类指标，探求江苏省市县实现工业TFP 增长的驱动因素。 其次通过索洛余值法来计算贡献率，判断各市县的经济增长是更多地依赖于要素投入还是效率水平，以此来评价各市县的可持续发展能力。

三、研究方法与模型的选取

本研究选用参数法和非参数法作为分析工具。参数法进一步细分为随机前沿分析法、计量经济学法等方法，而非参数法则主要涵盖数据包络分析法（DEA）以及指数法。 两大类方法对比而言，后者摒弃了对具体的某种函数形式的事先假定、参数的有效性与合理性检验等问题，被普遍接受与运用。 本文以江苏省54 个市县（包括市辖区、县级市与县）为决策单元（DMU），由于地区数量众多同时各有差异，不宜设定统一的函数形式，因此文章运用的是非参数分析法（Malmquist 指数法）。

首先测算全要素生产率，此后结合数据包络分析理论（Charneset al.，1978）在生产率的测算中广泛应用进行分析。Malmquist 指数可划分为两类指标的变化：一是技术效率的变化（EC）；二是生产技术的改变（TC）（Fare et al.，1992）。 本文将参照这种分解方式。

由于跨期参比会出现VRS-Malmquist （规模报酬可变）模型无可行解的问题，所以文章选择基于产出导向的CCR 模型（规模报酬不变模型）计算得到相邻联合前沿参比（单一Malmquist 指数），可以用相邻两个时期的“DMU”联合构建共同的前沿，即无论被评价“DMU”为Kt=()还是Kt=()，其参考集均为Saj=Sk∪Sk+1={()}∪{()}。

由于采用了两个时期的联合共同前沿， 因此获得的Malmquist 指数仅有一个， 无须再通过计算两个生产率指数。然后取其几何平均值的计算方式，即

Etu(t+1)(xt,yt)和Etu(t+1)(xt+1,yt+1)分别为K 在联合共同前沿下的两个时期的技术效率值。 虽然相邻的两期在计算Malmquist 指数时参考的是同一前沿， 但是两期仍然有各自的前沿，效率变化（EC）的计算仍然采用各自的前沿：

Et(xt,yt)和Et+1(xt+1,yt+1)分别是K 在两个时期采用各自前沿的技术效率值。 前沿t 与联合前沿接近的程度可由来表示，前沿t+1 与联合前沿接近的程度可由来表示， 比值越接近1，说明前沿t、前沿t+1 与联合前沿越接近。 那么前沿t+1 与前沿t 相比，其变动情况则可以由两个比值来表示：

对于Malmquist 指数， 可以将其细分成技术效率和技术变化两方面：

在研究贡献率方面，索洛借助余值法完成了对科技进步贡献率的运算(Solow,1957)。 他将总产出中的资本、劳动力对经济增长的贡献剥离出来，把余值部分视作技术进步带来的经济贡献，从而定量分析出技术进步的贡献程度。 本文将采用索洛余值法对江苏省工业经济增长中效率的驱动作用进行定量评价。

设产出增长型生产函数为：

（1）式中A 表示全要素生产率，K、L 分别为资本投入量和劳动力投入量。

将公式转化成生产函数形式，即：

其中，资本和劳动要素的产出弹性分别表示为α 和β，对（2）式两边取对数可得：

对（3）式求导得：

（4）式就是索洛增长速度方程。 式中，Y 代表工业经济增长率，K 代表资本投入增长率，L 代表劳动力投入增长率。 如果用μ 代表TFP 增长率，则上式可以表示为：Y=μ+αK+βL。

四、数据、指标的处理选取与实证分析

本文以 《江苏省统计年鉴》《中国城市统计年鉴》以及江苏省各市的统计年鉴作为数据来源。 为了保证数据统计口径的一致性，详细的市县名录选择以2016 年的最新划分为标准， 全部样本为2007年至2016 年间江苏省的13 个市辖区及41 个县级市或县的数据。 把市辖区当作行政区划，行政级别等同于县与县级市，本文用地级市数据扣除县与县级市数据得到各个市辖区样本数据，其中由于2016年南京市不再划分县或县级市，故将南京市的数据作为南京市辖区的样本数据一同处理。

（一）数据、指标的选取处理

在选取和处理方面确定两个指标：一是产出指标。 把不同市县的工业生产总值当作产出指标，并经过生产总值指数将其转化成以2005 年为基期的不变价格的工业生产总值。 二是投入指标。 在劳动力投入指标上选用的是工业企业年平均从业人数，将上一年年末工业资产合计作为下一年资本投入指标。 运用固定资产投资价格指数对工业资产合计数据进行平减运算，调整为2005 年不变价格。

（二）实证分析结果

本文通过测算江苏省各市县、地区以及全省的全要素生产率， 得到效率对工业经济增长的贡献率，用这一指标来度量是要素抑或效率驱动江苏省的经济增长。

1.江苏省经济增长的投入产出分析。 在研究要素与效率对工业经济增长的贡献程度之前，首先分析省及三大区域的要素增长率和经济增长率的特点，各要素及经济增长率如图1、图2 和图3 所示。

图1 工业资产投入增长率

图2 工业企业劳动力投入增长率

从图1 和图2 所示的各地区资产和劳动力投入增长率的变化情况来看，2008—2011 年均呈现先增后减的趋势。 因受到金融危机的影响，资产投入增长率在2009 年后趋于下降， 劳动力增长率在2010 年后大幅降低。 2011 年以后， 两者又开始回升，2012 年之后又处于波动下降的趋势。

图3 江苏省及三大区域工业经济增长率

从图3 所示的工业经济增长率的角度出发，在2008 到2011 年间，该省表现出先减后增的趋势，这一趋势恰好同要素增长率的变化相反。2011 年以后又开始波动下降，在2014—2016 年期间有所放缓，趋于稳定，维持在4%～7%间，这与江苏省工业经济正由高速度增长向高质量增长转变有关。 纵观苏北和苏中地区的工业经济增长率， 均高于平均水平，而苏南却低于平均水平，说明江苏省工业经济增长关键依靠苏北和苏中。 在2008—2009 年和2013—2014 年间，工业经济增长速度均明显下降，前者是因为金融危机引起的国际资本流动影响了工业经济的发展，后者还需要通过分析工业经济增长的驱动因素得出。

对比2008—2011 年的投入与产出的增长率变化情况可以发现，在2010 年之前，要素增长率的提高不能带来经济增长率的上升。 表明江苏省过多依赖要素投入来推进工业经济的增长，而表现出经济增长效率低下。 可以认为，金融危机引起了大量国际资本的撤出，即使江苏省自身逐年增加要素投入量，但相比于国际水平，仍然效率偏低。2011 年的数据变化表明要素增长率下降明显，而江苏省整体工业经济增长率走势平稳，这可能与危机的影响消失有关， 同时表明江苏省的应对发展策略富有成效，各区域的工业经济增长逐渐从依靠要素驱动转向效率提升。

2.TFP 变化结构分析

（1）江苏省工业TFP 变动分析。 表1 展示了通过运算54 个DMU 的几何平均数获得的江苏工业经济TFP 以及相关分解指标，9 年TFP 的平均增长率是-0.5%，有下跌的迹象。 技术进步、技术效率平均数值分别是-1.1%、0.6%。

表1 江苏省工业不同年份全要素生产率及其分解（2008—2016 年）

可以发现江苏省工业的技术进步几乎与技术效率呈反向变动，说明江苏省在技术改造、产业升级和改善生产状况、提升管理水平的两方面不能做到有效协调。 尤其是在2011—2013 年间，技术进步由1.255 瞬间下跌到0.828，而技术效率由0.816 瞬间上升到1.242， 巨大的反差可能是由于江苏省工业企业开始注重管理水平的提高，但在有效整合资源时忽略了技术进步的提高。

（2）三大区域工业TFP 变动分析。 参照表2 中Malmquist 指数及其分解指标，能够发现不同地区的TFP 的增长状况差异较大。 由于技术进步的贡献水平低（平均增长率仅为-4%），苏北地区的TFP 平均增长率仅为-3.8%。 这表明在此期间，苏北地区开始注重资源的有效整合和技术的充分利用，然而却忽视了自身的技术改造和产业升级。 而苏南地区由于技术进步与技术效率的增长，其平均TFP 增长率约为3.9%，其中技术进步的贡献更显著，技术效率有待进一步提升。 苏中地区的平均TFP 增长率约为0.8%，得益于技术效率的提高，说明苏中地区在科技进步等方面还有待加强。

这些与李刚（2010）的研究结论相吻合，在工业经济全要素增长方面，不同地区保持不同特色。 苏北地区处于工业化初期， 尽管早在2006 年江苏便提出了南北挂钩以及产业战略转移，但苏北地区仍未呈现技术进步带来的增长。 苏南地区已经进入后工业化阶段，具有技术水平先进、稳定性强等特征。苏中地区当前正处在工业化上升时期，该地区的技术效率正稳步提升。

（3）各市县工业TFP 变动分析。 在江苏省各市县工业全要素生产率平均值及其分解指标的基础上，我们可以发现：其一，苏北地区各市县工业TFP平均增长率为负值的比例高达72%， 苏中地区约为28.6%，而苏南地区仅为13.3%，其中TFP 平均增长率最高的是苏州张家港市（7.76%）。 苏北的多数市县较落后的主要原因可能是苏北工业起步较晚，技术进步、产业集中度等方面还落后于苏南地区。 其二， 从TFP 增长的推动力方面来看， 苏北地区有76%的市县主要依靠技术效率推动TFP 增长，主要是由于有52%的市县技术效率为负增长，但其下降幅度仍然小于技术进步的年均下降率。 苏南地区为33.3%，虽然注重改善技术效率，但效果不显著，主要依靠技术进步推动TFP 增长。 苏中地区为57.1%，有42.9%的市县技术进步为负增长，这需要在改善管理水平的同时注意技术的改进。

3.效率贡献率分析。 本部分是对效率贡献率的计算分析，图4 即为江苏省及三大区域的TFP 贡献率。 整体来看，在2008—2016 年期间江苏省的TFP贡献率波动较大。TFP 贡献率从2008 年的24.6%下降到2010 年的-72.3%后，在2011 年又快速增加到44.9%。 此后呈波动下降趋势，在2014 年又开始变为负值，可见从全省角度来看，全要素生产率作为生产效率，对于全省部分地区工业经济增长的驱动作用表现并不显著，主要以要素驱动为主，原因可能是各地区内部差异较大，导致总体效率水平无明显提升。

根据图4 还可以看出各区域TFP 贡献率存在差距。 苏南和苏中的TFP 贡献率普遍高于平均水平， 其中苏南地区在2011 年以后TFP 贡献率几乎都超过50%，并且未来有超过100%的趋势，即苏南地区主要是依靠效率驱动工业经济增长。 苏中地区的TFP 贡献率在2013 年达到最高值60.9%后开始下降，直到2015 年以后才逐步回升。 而苏北地区的TFP 贡献率一直低于平均水平且几乎都为负值，未来仍有下降趋势，这说明苏北的TFP 长期保持在负增长的状态，生产效率不能显著提高。可以总结得出苏中、 苏北的工业经济增长主要来源于要素的投入的结论。

表2 江苏省三大区域工业不同年份全要素生产率及其分解指标（2008—2016 年）

图4 江苏省及三大区域TFP 贡献率

在江苏各市县TFP 增长率对工业经济增长的贡献率基础上，我们对比可以发现大部分市辖区效率驱动经济的能力高于多数县或县级市，多年处于高效率驱动水平。 而县与县级市的数据普遍为负值，这表明在多数县与县级市，效率不仅没有起到驱动经济发展的作用，在一定程度上还限制了经济发展。 图5 和图6 分别描绘了2 类典型市县的贡献率水平，即要素驱动型与效率驱动型，表明了各市县效率贡献率差异明显。

据统计，在2008 到2016 年间，苏北地区各市县各年份的TFP 贡献率为负值的比例高达60%，苏中地区将近40%，而苏南地区只有不到20%。 由此可见， 苏北和苏中地区呈现大面积效率低下的现象，而苏南地区普遍表现出较高的效率水平。 从变化趋势可以看出，在2008 年到2010 年，全省的TFP贡献率大幅降低，2011 年才开始回升。显然，受金融危机引发的国际资本流动的影响，江苏省的实体经济也遭遇了发展危机。

图5 苏南地区县级市的效率贡献率

图6 苏北地区县的效率贡献率

参照2018 年《中国县域经济发展报告(2018)》暨全国百强县案例报告，可以看出县域经济增速表现出总体回升的态势，但也存在分化的现象。苏州、无锡和常州市县的平均TFP 贡献率均大于50%， 其中有5个市县包揽了全国县域经济综合竞争力百强县12018 年全国综合实力百强县江苏省市县排名：1 昆山市、2 江阴市、3 张家港市、4 常熟市、5 太仓市、9 宜兴市、17 海门市、21启东市、25 如皋市、26 丹阳市、29 海安市、31 溧阳市、32 泰兴市、33 靖江市。的前五名， 在一定程度上可以印证苏南的市县实力较强， 这与其高效率的驱动水平密不可分。 苏中的南通市主要是以要素驱动经济增长为主， 效率正向驱动作用较弱，而扬州和泰州市县的TFP 贡献率波动较大， 而且大多数年份处于反向驱动状态。 苏北市县的平均工业经济增长率高于苏南和苏中地区， 然而从2008—2016 年的TFP贡献率来看，呈现大面积负值，高经济增长率伴随着低效率贡献率， 表明苏北市县工业经济发展呈要素驱动模式， 而且资源投入量增加的同时效率水平却降低，基本都起到反向驱动作用，即资源的有效利用程度不高。

根据以上分析，总结认为21 世纪以来，江苏省统筹实施区域共同发展战略，强化分类指导，改善生产力布局，为了振兴苏北和苏中投入了大量的劳动力、物资、资本等要素。 而苏南地区的工业经济基础较好， 又抓住了国际资本向长三角集聚的机遇，加强对产业结构的优化，确保经济发展质量得到提升， 使得经济高效增长。 将工业经济增长率与TFP贡献率的对比可以发现，苏南虽然经济增长率居于低位，但其效率驱动能力高，能够有效利用固有的资源，而苏中、苏北的经济增长受益于各类要素的投入，但却无法充分高效地利用这些要素产生更高的经济效益。

五、结论与建议

本文利用2008—2016 年江苏各市县的面板数据，运用基于DEA 的Malmquist 指数法完成了对各地区的全要素生产率的计算，并将TFP 分解为技术效率和技术进步两类指标来分析TFP 变化的驱动因素。 又借助索洛余值法计算出效率的贡献率，来判断各地区是要素驱动型经济还是效率驱动型经济，得出以下相关结论：

总体而言，2008—2016 年间江苏省TFP 贡献率波动较大，平均TFP 增长率为0.5%，效率贡献率仅为-6.3%， 为要素驱动型。 但省内地区分化比较严重： 虽然苏南的工业经济增长率处于最低水平，但其效率贡献率最高， 近些年平均水平均超过50%，属于效率驱动型经济，经过TFP 指标分解可知高效率归因于技术进步水平的提高。 而苏北、苏中地区相反，效率贡献率均在40%以下甚至为负数，表明这两大区域属于要素驱动型经济，这些地区的工业经济增长均依靠大量要素的投入。 从市县层面来看，在TFP 贡献率方面，各市县差异很大，属于全国综合经济竞争实力百强县的市县，其效率驱动经济增长的作用更加显著，然而还有很多较落后的地区效率贡献率为负。 此外，大部分地级市市辖区的效率较高，基本属于效率驱动型经济。

综合上述研究可知， 省内各地区经济增长的驱动因素差异明显。 为了改善各地区发展不均衡的现状，需要推动经济增长效率的提升和可持续发展水平的提高，省及各地区政府应该加大科技投入来提高技术进步水平。 尤其是针对以要素驱动为主的苏北、苏中地区，以提高技术效率为工作重点，着眼于技术开发和应用的推广，逐步改善江苏省驱动经济增长的动力，实现从要素驱动转变为效率驱动的发展模式。