| 标题 | 中国技术进步实现路径及其时空分异规律 |
| 范文 | 杨冕+杨福霞 摘要 作为促进全要素生产率变动的重要动力来源，技术进步的速率及其要素偏向类型均在较大程度上影响着经济增长的潜力乃至其发展方式。本文基于生产前沿分析框架，构建技术进步的综合评估模型，对1996—2014年期间中国技术进步速率、实现路径及要素偏向类型的时空分异规律进行系统研究。结果显示：①在整个样本期内，中国技术进步的平均速率高达3.05%，不仅抵消了由技术效率降低所导致的TFP损失部分，还促进整体的生产率实现了年均近2%的增长。纵观其阶段性变化特征：中国技术进步速率在2003年之前逐年下降，其数值由1996年的1.080降低到2003年的1.025；随后，该指数呈现波动状态，取值范围在1.006—1.030之间。②近20年来中国所实现的持续技术进步主要源自于中性技术进步的贡献（约为86%）；尽管要素偏向型技术进步的贡献份额总体上呈现持续上升态势，但作用相对较小（仅为14%）。由此可见，随着要素市场化改革的持续推进以及资源配置效率的不断提升，要素偏向型技术进步对我国总体技术水平的提升作用尚存在较大的改进空间。③中国要素偏向型技术进步在整个样本期内总体表现为资本密集-劳动节约型、能源密集-劳动节约型特征；而对于资本、能源两种要素而言，技术进步的要素偏向呈现明显的阶段性演化特征：1996—2001年期间，主要体现为资本密集-能源节约型；2002—2005年期间，能源密集-资本节约型技术进步逐渐盛行并占据主导地位；2006—2014年期间，要素偏向型技术进步又重回资本密集-能源节约型。此外，受要素禀赋分布不均所影响，中国技术进步的要素偏向类型还表现出较为显著的空间分异规律。 关键词 技术进步；要素投入结构；全要素生产率；时空分异 中图分类号 F061.3 文献标识码 A 文章编号 1002-2104（2017）11-0021-10 DOI：10.12062/cpre.20170501 20世纪50年代，Solow开创性地建立了经济增长核算模型，发现技术进步是国民经济增长的重要源泉[1]。基于这一分析框架，众多学者研究表明：近几十年来中国所取得的巨大经济成就主要依靠于资本、劳动力等要素积累的贡献，而技术进步的贡献份额则相对较小。长期粗放型的经济发展方式不可避免地给我国带来了社会总需求结构失衡、资源环境问题日趋严重、收入差距不断拉大等一系列结构性和系统性问题[2]。因此，对正处于“人口红利”逐渐消失、资本邊际报酬递减的中国经济而言，提升技术进步对经济增长的贡献，并积极推动经济发展方式由粗放型向集约型转变，是保障其持续、健康发展的必然选择[3-5]。 1 文献综述 近年来，围绕技术进步核算及其对中国经济增长贡献程度的研究引起了学术界的广泛关注。早期研究大多将全要素生产率（total factor productivity， TFP）作为技术进步的代理指标[6-8]，用以反映除要素积累之外导致产出增加的诸多因素。然而，对于像中国这样一个经历了剧烈变革的社会而言，用TFP表征技术进步的科学性值得商榷[9]。因此，随后的研究更多倾向于通过对TFP的变动进行分解来测度技术进步及其对经济增长的贡献[10-14]。此外，为进一步刻画技术进步对TFP乃至经济增长的具体作用路径，颜鹏飞、王兵借用前人分析框架，将技术进步分解为中性、投入偏向、产出偏向三种类型[15]。章上峰发现“索洛余值”在数值上等于中性技术进步和偏向型技术进步贡献度之和[16]。 与此同时，关于技术进步方向的研究也逐步成为热点问题之一。技术进步是嵌套在各种生产要素（如劳动力或资本装备）之中的知识改进，由于生产过程中每种要素技术变革的速率存在差异，因此，技术进步通常表现出要素偏向型特征[17-20]。要素偏向型技术进步是指在要素投入比（xj/xk）不变的条件下，使某一生产要素的相对边际产出（MPj/MPk）增加的技术变革。为了对技术进步的要素偏向类型进行定量分析，Acemoglu提出了要素增强型（Factoraugmenting）技术进步的概念[18]，以此构建技术进步偏向测度的理论模型。沿袭这一分析框架，国内学者对中国技术进步的方向进行了深入考察。尽管具体估算方法和样本选择有所差异，但其研究结论相对一致，认为技术进步总体上是偏向资本的[19， 21-22]。同时，部分学者还对要素偏向型技术进步的收入分配效应，如我国经济发展中出现的“技能溢价之谜”[23-24]、逆“Kaldor事实”[25-26]等问题进行了探索。此外，技术进步偏向对生产率的影响也逐渐引起学者们的关注。黄先海、徐圣认为资本偏向型的技术进步导致劳动生产率长期较低[25]；雷钦礼发现资本效率的逐年下降是全要素生产率增长缓慢的原因[27]。 通过对现有关于我国技术进步方面的文献进行系统梳理发现：首先，相关研究仅侧重于分析技术进步大小或方向中的一个方面，而将两者置于同一分析框架下进行综合考察却鲜有涉及。其次，绝大多数文献采用常替代弹性生产函数测算技术进步的要素偏向类型；受函数形式所限，其大多局限于分析两种生产要素（如资本与劳动力，技能工人与非技能工人，清洁产品与污染产品），而对包含三种以上投入要素的情形则鞭长莫及。此外，受资源禀赋、经济发展水平、产业结构等因素制约，不同地区在技术变革路径上存在显著差异；而大多关于要素偏向型技术进步的研究将中国作为一个整体进行考察，对区域差异的关注严重不足。 鉴于此，本文基于生产前沿分析框架构建技术进步的综合评估模型，考察1996—2014年期间我国省际层面技术进步速率及其实现路径，并深入探索要素偏向型技术进步的时空分异规律。 2 理论模型与数据说明 2.1 技术进步速率及实现路径分析 本文采用对全要素生产率指数进行分解的方法来测度技术进步速率及其对TFP的影响。根据Fre等[28]，基于投入径向距离函数DI（x，y）构造Malmquist全要素生产率指数MPIt，t+1I： MPIt，t+1I（xt，yt，xt+1，yt+1）=DtI（xt，yt）DtI（xt+1，yt+1）· Dt+1I（xt，yt）Dt+1I（xt+1，yt+1）1/2（1） 其中，DI（x，y）=max{θ：θ>0，（x/θ，y）∈T}，表示生产者在保持产出不变条件下，为达到技术前沿其投入要素所能够缩减的最大比例，取值范围为（1，+∞）。xt、xt+1和yt、yt+1分别表示两个相邻时期（t和t+1）的投入和产出向量；MPIt，t+1I测度了该相邻时期内某生产者TFP的变动。通常，该指数可以分解为纯技术进步（MTCt，t+1）和技术效率改进（MECt，t+1）两个部分；其中，MTC表示生产技术前沿水平的移动，MEC考察了生产者相对技术效率的改变。由于本文主要目的是分析技术进步的大小和方向，此处重点关注MTC及其分解： MTCt，t+1（xt，yt，xt+1，yt+1）=Dt+1I（xt+1，yt+1）DtI（xt+1，yt+1）· Dt+1I（xt，yt）DtI（xt，yt）1/2（2） （2）式中，DtI（xt，yt）和Dt+1I（xt+1，yt+1）均为同期投入距离函数，测度的是当期投入产出观测值离当前技术前沿的距离。Dt+1I（xt，yt）和DtI（xt+1，yt+1）为混合期投入距离函数，测度了第t（t+1）期观测值与第t+1（t）期前沿的距离。因此，MTC反映了从第t期到t+1期技术前沿的变动。MTC>1说明为生产相同的产出用t+1期前沿技术比用t期前沿技术可节约更多的投入，表现为跨期内技术边界向外扩展，即前沿技术进步。相应地，（MTC-1）测度了跨期内技术进步的速率。相反，MTC<1说明t+1期前沿技术较t期有所退步，而MTC=1表示技术前沿相对停滞。 为深入考察技术边界变动的原因，即前沿技术进步的具体实现路径，进一步对MTC作如下分解[29-30]： 其中，MATC度量了技术前沿的平行移动程度，通常称作中性技术进步。IBTC度量的是在保持产出水平yt不变的情况下，使用不同的要素投入组合（xt，xt+1）所导致的技术前沿的变动，反映了要素投入结构变化所引发的技术前沿移动，称为要素偏向型技术进步。IBTC>1表示由于投入结构变动导致t+1技术边界相对t期向外扩张，IBTC<1则反映了投入结构变动所导致的技术前沿下陷，IBTC=1表示投入结构变化未对技术前沿产生影响。OBTC度量的是投入要素（xt+1）给定条件下，生产不同产出（yt，yt+1）所引起的技术前沿的变动情况，其考察产出结构变化对前沿技术的影响，一般称作产出偏向型技术进步。 （3）式表明技术前沿的移动是中性技术进步、要素偏向型技术进步和产出偏向型技术进步三者综合作用的结果。由于本文仅考虑一种产出，则产出方向上不存在技术偏向，即OBTC=1[29]。在此情景下，生产者技术前沿的移动源自于中性技术进步和要素偏向型技术进步两种途径。 2.2 技术进步的要素偏向类型 为进一步探析技术进步的要素偏向类型，此处重点关注（3）式中的IBTC项，即： IBTC=DtI（xt，yt）Dt+1I（xt，yt）·Dt+1I（xt+1，yt）DtI（xt+1，yt）1/2（4） （4）式中，若IBTC=1，即DtI（xt，yt）/Dt+1I（xt，yt）=DtI（xt+1，yt）/Dt+1I（xt+1，yt），表明投入结构的变动对t期和t+1期技术前沿线的相对距离不产生影响，表现为跨期内技术前沿线平行移动。在此情景下，给定任一水平的投入结构（（x2/x1）t+1），其在t期和t+1期技术前沿线上的投影的要素间边际技术替代率（MRTS）相等。在完全竞争市场条件下，跨期内要素间的边际产出之比不变，此时的技术进步表现为希克斯中性特征。需特别说明的是，此处强调的是技术进步在两种要素之间不存在偏向，与（3）式中的中性技术进步项（MATC）在内涵上存在着本质区别。反之，IBTC≠1则表明技术进步存在要素偏向特征，其具体偏向何种生产要素取决于投入结构的变动情况以及IBTC值的大小。 考虑两种要素x=（x1，x2）情形，根据投入距离函数关于要素投入量的一阶齐次性性质，（4）式可转换为： IBTC=DtI（1，xt2/xt1，yt）Dt+1I（1，xt2/xt1，yt）·Dt+1I（1，xt+12/xt+11，yt）DtI（1，xt+12/xt+11，yt）1/2（5） （5）式中（x2/x1）t、（x2/x1）t+1分別表示t期和t+1期的要素投入结构。（x2/x1）t+1>（x2/x1）t表明由于要素市场环境变化所导致的生产要素2的相对稀缺度下降，致使生产者在t+1期比在t期投入了相对多的要素2。在此情形下，若与该生产者相对应的前沿技术也更倾向于要素2的使用，则对于任一给定的投入结构，其在t期和t+1期技术前沿线上投影的要素间边际技术替代率（MRTS12）下降。此时，以距离函数所测度的两前沿线间的相对距离DtI（1，xt2/xt1，yt）Dt+1I（1，xt2/xt1，yt）>DtI（1，xt+12/xt+11，yt）Dt+1I（1，xt+12/xt+11，yt） ，即IBTC>1。该情形所对应的技术进步类型为要素2密集—要素1节约。相反，当要素2的相对稀缺性下降时，若生产者选用了倾向于要素1使用的新技术，此时IBTC<1，该类技术进步为要素1密集—要素2节约型[28]。 另一种情景：（x2/x1）t+1<（x2/x1）t表明由于市场环境的变化导致要素2变得更为稀缺，致使生产者在t+1期比t期相对投入了更多的要素1。在此条件下，若与生产者相对应的前沿技术偏向于使用更多的要素1，则该类技术进步为要素1密集—要素2节约型；反之，则为要素2密集—要素1节约型技术进步。 2.3 距离函数的计算 本文选择非参数的数据包络分析（data envelopment analysis， DEA）方法，对（1）—（3）式中所涉及的距离函数值进行求解。考虑到前期使用的技术在下一时期仍然可行这一事实，此处选用序列DEA（sequential DEA）方法构造技术前沿，以消除DEA方法自身所可能带来的伪技术退步问题[31]。据此，第t期的技术前沿Tt=T1∪T2∪…∪T t，其中T t由N个决策单元第t期的观察值所构建，具体表示为： T t（xt，yt）={（xt，yt）：xt能够生产yt} ={（xt，yt）：∑Ni=1λtixtki≤xtki，∑Ni=1λtiyti≥ytmi，λti≥0，i=1，…，N} λti为构造技术前沿时对应观察值的权重，不等式约束反映了投入要素和产出的强处置性。由此，第i个决策单元在第t期的同期距离函数Dti（xt，yt）可通过求解以下的线性规划得到： Dti（xt，yt）=min1θt，ti s.t.∑ts=1∑Ni=1λsixski≤1θt，ti·xtki，k=L，K，E ∑ts=1∑Ni=1λsiysi≥yti， λsi，θt，ti≥0，for all i， k； i=1，… N（6） 该生产者混合期距离函数Dti（xt+1，yt+1）可通过求解如下的线性规划而得到： Dti（xt+1，yt+1）=min1θt，t+1i s.t.∑ts=1∑Ni=1λsixski≤1θt，t+1i·xt+1ki，k=L，K，E ∑ts=1∑Ni=1λsiysi≥yt+1i， λsi，θt，t+1i≥0，for all i，k；i=1，…N（7） 同理，其他的混合期距离函数Dt+1i（xt，yt）也可以通过求解类似的线性规划而得。 2.4 数据说明 本研究的时间跨度为1995—2014年；受数据可获得性影响，研究对象为中国大陆除西藏自治区以外的30个省份（包括22个省、4个直辖市、4个自治区）。根据公式（6）和（7），本文所需数据为样本期内各省份的资本（K）、劳动力（L）、能源（E）三种要素投入和以GDP衡量的经济产出。其中，资本投入用资本存量来表示，其经永续盘存法计算而得。需特别指出的是，为体现资本设备使用寿命的省际差异，对各地区折旧率的取值也不尽相同，详见张健华、王鹏[32]。劳动力、能源投入分别采用从业人员数和能源消耗总量来表示。上述基础数据取自于对应年份的《中国统计年鉴》《中国能源统计年鉴》《中国劳动统计年鉴》等。此外，为消除价格变动对结果所造成的影响，本文将所有涉及价格信息的指标（如GDP、资本存量）统一调整为以1995年为基期。 3 技术进步速率与实现路径结果分析 3.1 技术进步速率及其对TFP的影响 为考察样本期内各省份技术进步速率及其对TFP贡献的动态特征，本文基于公式（1）和（2），估算出1996—2014年各省份Malmquist全要素生产率指数（MPI）、技术进步（MTC）及技术效率变动（MEC）。全国层面的技术进步状况采用各省份的算术平均值来衡量，其结果如图1所示。 整个样本期内全国层面的MPI总体上呈现下降趋势，其在“九五”时期（1996—2000）、“十五”时期（2001—2005）、“十一五”时期（2006—2010）和“十二五”前四年（2011—2014）的均值分别为1.046、1.016、1.010、1.002。由此说明，自20世纪90年代中期以来，我国TFP一直处于上升通道，但其增速持续放缓。MPI的上述变动是由技术进步与技术效率改变共同作用的结果。其中，技术进步效应一直居于主导地位。从时序特征来看，其在整个样本期内均大于1且呈现波动下降的趋势。纵观其阶段性变化特征发现，MTC在2003年之前逐年下降，其数值由1996年的1.080降低到2003年的1.025；随后，该指数呈现波动状态，取值范围在1.006—1.030之间。MTC在整个样本期内的均值高达1.031。与之相比，研究期内技术效率得分稳定于0.978—0.998之间；由此可见，1996年以来我国技术效率呈现持续降低的趋势，一定程度上导致了TFP的损失。综上所述，1996—2014年期间我国技术进步速率一直维持在较高水平（均值为3.05%），不仅抵消了由技术效率降低所导致的TFP损失部分，还促使整体的生产率实现了年均近2%的增长。 从技术进步的空间分布来看（表1），所有省份MTC取值均大于1，表明样本期内所有省份的前沿技术均得以不同程度的改进。其中，上海（1.068）、天津（1.058）、北京（1.058）、浙江（1.051）等經济发达地区的MTC取值均大于1.05，成为我国过去20年中科技创新与技术进步的高地。相反，甘肃（1.011）、贵州（1.011）、湖南（1.017）、重庆（1.019）等中西部省份的MTC取值相对较低，表明其在科技创新、技术引进等方面尚有较大的提升空间。从MTC对MPI贡献的区域分布状况来看：①上海、浙江、江苏、北京、天津等发达省份的贡献程度接近100%，说明技术进步已成为推动上述地区经济增长的主要动力来源。②对于青海、宁夏、甘肃、贵州、山西等欠发达省份而言，尽管其在一定程度上实现了技术进步，但仍然无法弥补较为明显的技术效率下降所导致的TFP损失。③对于河北、辽宁、吉林等其他省份而言，技术进步在完全抵消其技术效 率降低所带来的TFP损失的基础上，还在一定程度上促进了当地生产率的提升。 3.2 技术进步的实现路径考察 鉴于技术进步对我国TFP提升乃至宏观经济增长的巨大促进作用，对其具体实现路径及时空分异特征进行考察具有重要的现实意义。根据公式（3），将1996—2014年我国省际层面MTC进一步分解为中性技术进步（MATC）和要素偏向型技术进步（IBTC）两个组成部分（由于本文仅考虑一种产出，则OBTC=1），并计算历年的省际算术均值和各省份的年度均值，分别用以分析MATC和IBTC对前沿技术影响的时序特征和空间分布状况。 从我国技术进步实现路径的时序特征来看（图2），在整个样本期内MATC的变动趋势与MTC高度一致，其数值由1996年的1.077持续下降到2003年的1.021；随 后，呈现阶段性波动特征，取值范围稳定于1.003—1.029之间。与之相比，尽管IBTC在整个研究期内均大于1，但其取值范围具有非常强的稳定性；除2007年（1.011）之外，长期位于1—1.01之间。由此可见，过去20年间我国所实现的持续的技术进步主要源自于中性技术进步的贡献（约为86%），而要素偏向型技术进步对此的作用相对较小（仅为14%）。纵观上述两种途径对我国MTC促进作用的演变趋势不难发现，随着技术进步总体水平持续降低以及中性技术进步速率逐渐放缓，要素偏向型技术进步的贡献份额总体呈现上升趋势。IBTC的贡献率在“九五”时期（1996—2000）、“十五”时期（2001—2005）、“十一五”时期（2006—2010）和“十二五”前四年（2011—2014）的均值分别为7.53%、15.85%、24.67%和33.85%；并于2011年一度升高至50%以上，成为推动我国技术进步的主导力量。因此，随着要素市场化改革的持续推进以及资源配置效率的不断提升，要素偏向型技术进步对我国总体技术水平的提升作用尚存在较大的改进空间。 从技术进步实现路径的空间分布状况来看（表2），对绝大部分省份而言，MATC与MTC在数值上也存在高度一致性，而IBTC取值则稳定于1—1.01之间（上海、福建 除外）。该结果印证了MATC是我国技术进步持续推进的主要动力来源。尽管如此，各地区技术进步的实现路径存在着一定的空间差异：对于福建、上海、湖南等省份而言，其IBTC对当地技术进步的贡献份额高达50%左右。 4 要素偏向型技术进步的时空分异规律 鉴于要素偏向型技术进步在促进我国TFP提升乃至国民经济增长方面的作用日益凸显，对技术进步要素偏向类型及其时空分异规律进行深入探索具有重要的现实意义。由于本研究考虑资本、劳动力、能源三种要素，因此，技术进步偏向类型包括如下六种情况：分别为资本密集-劳动节约型（K-IN， L-S）和劳动密集-资本节约型（L-IN， K-S）、资本密集-能源节约型（K-IN， E-S）和能源密集-资本节约型（E-IN， K-S）、能源密集-劳动节约型（E-IN， L-S）和劳动密集-能源节约型（L-IN， E-S）。 4.1 要素偏向型技术进步的年度演化特征 根据要素投入结构变化过程，并结合IBTC值的大小，对我国各省份历年的技术进步具体要素偏向类型进行依次判别，其时序演化特征详如表3所示。 表3（2—4列）显示，除2008年之外，所有年份中技术进步呈现资本密集-劳动节约型（K-IN， L-S）的省份数量均大于呈现劳动密集-资本节约型（L-IN， K-S）的省份数量，表明样本期内我国要素偏向型技术进步整体表现为资本密集-劳动节约型特征。该结果与陈晓玲等[22]、黄先海和徐圣[25]的研究结论相一致。纵观其时序特征，2007年以前，呈现K-IN， L-S的省份数量一直占据主导地位且总体上持续增加。此结论与戴天仕和徐现祥[19]所提出的观点不谋而合。究其原因不难发现，20世纪90年代中期以来，我国产业结构日益向重型化方向发展；特别是加入世贸组织之后，这一倾向表现得尤为明显。而重化工业又属于较为典型的资本密集型行业，从而导致我国技术进步偏向资本的程度逐渐加深。2008年之后，金融危机所带来的资本短缺与“人口红利”逐渐消失所引起的劳动力价格持续上涨引起要素投入结构持续变动。企业在技术选择时对提高两种要素的边际产出予以同等关注，最终导致呈现资本—劳动中性技术进步（NTCK-L）的省份数量陡然增加。为刺激经济复苏，国家在2009—2012年期间启动了“四万亿投资计划”，其对要素偏向型技术进步的影响在2012年以后逐渐显现。 表3（5—7列）显示，我国在资本、能源间的偏向型技术进步在过去20年中呈现较为显著的阶段性特征。第一阶段（1996—2001年）：技术进步呈现资本密集-能源节约型（K-IN， E-S）的省份數量大于呈现能源密集-资本节约型（E-IN， K-S）的省份数量，表明K-IN， E-S技术进步在这一时期内较为盛行。第二阶段（2002—2005年）：技术进步表现为E-IN， K-S特征的省份数量陡然增加，并远超过K-IN， E-S类型的省份数量。究其原因发现，我国高耗能行业在这一时期内实现了迅猛扩张；随着能源对经济增长的支撑作用日益凸显，生产者对提升能源边际产出类型的前沿技术更加青睐。第三阶段（2006—2014年）：K-IN， E-S技术进步在该时段内又占据主导地位；与此同时，资本—能源中性技术进步（NTCK-E）的比重也呈现增加的态势。表3（8—10列）显示，1996—2005年期间，对应于能源密集-劳动节约型（E-IN， L-S）的省份数量在波动中持续增加且逐渐占据主导地位，表明这一时期内我国要素偏向型技术进步总体上表现为E-IN， L-S特征。2006年之后，对应于劳动密集-能源节约型（L-IN，E-S）或能源—劳动中性技术进步（NTCL-E）特征的省份数量在部分年度显著增加。 4.2 要素偏向型技术进步的空间差异状况 根据要素投入结构变化过程以及IBTC数值计算结果，中国要素偏向型技术进步的空间差异状况详如表4所示。 表4（2—4列）显示，除甘肃、贵州以外，其他所有省份技术进步呈现K-IN， L-S的年度均大于呈现L-IN， K-S的年度。这一特征在福建、广东、江苏等经济相对发达省份表现得尤为显著。与之相比，湖北、江西等省份呈现L-IN， K-S技术进步特征的年份也占有相当的比重。 导致上述区域差异的可能原因为：一个经济体的技术变革模式内生于其初始的要素投入结构[33]；要素投入结构的不同彰显经济体间初始技术模式存在一定差别。受路径依赖影响，各区域在不同要素边际产出的提升幅度方面将不可避免地存在差异，以至区域间在技术变革方向上出现分化。其次，从资本—能源技术进步偏向类型的空间分布来看（表4，5—7列），在整个研究期内，有22个省份的技术进步偏向类型主要呈现K-IN， E-S特征，其中以江苏、黑龙江、安徽、青海等省份最为显著。相反，其他8个省份（包括河北、上海、山东、河南、湖北、海南、重庆、陕西）技术进步偏向类型主要呈现E-IN， K-S特征。最后，从能源—劳动技术进步偏向类型的区域分布来看（表4，8—10列），除辽宁以外，所有省份表现为L-IN， E-S特征的年度数量均未能超过样本期一半，说明该时期内技术进步偏向类型以E-IN， L-S为主导。其中，以北京、天津、上海、江苏、福建、山东、海南等东部沿海省份最为典型。相反，甘肃、贵州、云南等西部欠发达省份的E-IN， L-S技术进步特征并不突出。 5 主要研究結论 随着中国经济逐渐步入“新常态”，党的十八大适时提出创新驱动发展战略，突出科技创新在提高社会生产力乃至综合国力过程中的战略性支撑地位。本文基于生产前沿分析框架构建技术进步的综合评估模型；与现有研究技术进步（特别是要素偏向性技术进步）的方法相比，该理论模型能够将技术进步速率、实现路径及要素偏向类型纳入同一分析框架进行系统研究。同时，由于不受具体生产函数形式的局限，此方法便于将技术进步方向的分析推广到包含三种以上投入要素的情形。基于上述理论模型，本文测算了1996—2014年期间我国技术进步速率及其对TFP的促进作用，并对技术进步具体实现路径及其要素偏向类型的时空分异规律进行了深入探索。其主要研究结论可归纳如下： （1）技术进步速率及其对TFP的影响：在整个样本期内，中国技术进步的平均速率高达3.05%，不仅抵消了由技术效率降低所导致的TFP损失部分，还促使整体的生产率实现了年均近2%的增长。从时序维度来看，技术进步速率在2003年之前逐年下降，之后呈现波动状态。 （2）技术进步的实现路径：中国近20年来所实现的持续技术进步主要源自于中性技术进步的贡献（约为86%），而要素偏向型技术进步的作用相对较小（仅为14%），尽管其贡献份额总体上呈现持续上升的趋势。因此，深入挖掘要素偏向型技术进步对我国前沿技术进步的提升潜力是贯彻落实创新驱动发展战略的重要内容。 （3）技术进步的要素偏向类型及其时空分异规律：①就资本-劳动两种要素而言，我国要素偏向型技术进步在整个样本期内总体表现为资本密集-劳动节约型特征；且受产业结构重型化趋势所影响，该特征在2007年之前得以逐步强化。随后，呈现资本-劳动中性技术进步（NTCK-L）的省份数量陡然增加。②就资本-能源两种要素而言，我国技术进步的要素偏向类型具有阶段性演化特征：1996—2001年期间体现为资本密集-能源节约型；2002—2005年，受高耗能行业迅速扩张所影响，能源密集-资本节约型技术进步逐渐盛行并占据主导地位；2006—2014年期间要素偏向型技术进步又重回资本密集-能源节约型特征。③就能源-劳动两要素而言，我国要素偏向型技术进步总体表现为能源密集-劳动节约型，且该特征在北京、天津、上海、江苏等东部沿海省份表现得尤为明显。相反，受能源-劳动中性技术进步逐渐盛行所影响，这一特征在甘肃、贵州、云南等西部欠发达省份并不突出。 （编辑：李 琪） 参考文献（References） [1]SOLOW R M. Technical change and the aggregate production function [J]. Review of economics and statistics， 1957， 39 （3）： 312-320. [2]沈坤荣， 滕永乐. “结构性”减速下的中国经济增长[J]. 经济学家， 2013 （8）： 29-38. [SHEN Kunrong， TENG Yongle. Chinas economic growth in the context of structural slowdown [J]. Economist， 2013 （8）： 29-38.] [3]刘伟， 张辉. 中国经济增长中的产业结构变迁和技术进步[J]. 经济研究， 2008（11）： 4-15. [LIU Wei， ZHANG Hui. Structural change and technical advance in Chinas economic growth [J]. Economic research journal， 2008（11）： 4-15.] [4]蔡昉. 中国经济增长如何转向全要素生产率驱动型[J]. 中国社会科学， 2013（1）： 56-71. [CAI Fang. How can Chinese economy achieve the transition toward total factor productivity growth [J]. Social sciences in China， 2013（1）： 56-71.] [5]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. [YANG Rudai. Study on the total factor productivity of Chinese manufacturing enterprises [J]. Economic research journal， 2015（2）： 61-74.] [6]CHOW G， LIN A. Accounting for economic growth in Taiwan and mainland China： a comparative analysis [J]. Journal of comparative economics， 2002， 30（3）：507-530. [7]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. [GUO Qingwang， JIA Junxue. Estimating total factor productivity in China [J]. Economic research journal， 2005（6）： 51-60.] [8]苏治， 徐淑丹. 中国技术进步与经济增长收敛性测度——技术创新与效率的视角[J]. 中国社会科学， 2015（7）： 4-25. [SU Zhi， XU Shudan. An evaluation of Chinese technological progress and the convergence of economic growth： from the perspective of innovation and efficiency [J]. Social sciences in China， 2015（7）： 4-25.] [9]徐瑛， 陈秀山， 刘凤良. 中国技术进步贡献率的度量与分解[J]. 经济研究， 2006（8）： 93-103. [XU Ying， CHEN Xiushan， LIU Fengliang. Estimating and decomposing the contribution of technical change in China [J]. Economic research journal， 2006（8）： 93-103.] [10]涂正革， 肖耿. 中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J]. 经济研究， 2005（3）： 4-15. [TU Zhengge， XIAO Geng. Chinas industrial productivity revolution： a stochastic frontier production function analysis of TFP growth in Chinas large and medium industrial enterprises [J]. Economic research journal， 2005（3）： 4-15.] [11]岳书敬， 刘朝明. 人力资本与区域全要素生产率分析[J]. 经济研究， 2006（4）： 90-96. [YUE Shujing， LIU Chaoming. Human capital accumulation and regional total factor productivity [J]. Economic research journal， 2006（4）： 90-96.] [12]舒元， 才国伟. 我国省际技术进步及其空间扩散分析： 1980—2004 [J]. 经济研究， 2007（6）： 106-118. [SHU Yuan， CAI Guowei. An analysis on technology progress and spatial diffusion among Chinas provinces： 1980-2004 [J]. Economic research journal， 2007（6）： 106-118.] [13]张军， 陈诗一， JEFFERSON G H. 结构改革与中国工业增长[J]. 经济研究， 2009（7）： 4-20. [ZHANG Jun， CHEN Shiyi， JEFFERSON G H. Structural reform and industrial growth in China [J]. Economic research journal， 2009（7）： 4-20.] [14]张少华， 蒋伟杰. 中国全要素生产率的再测度与分解[J]. 统计研究， 2014， 31（3）： 54-60. [ZHANG Shaohua， JIANG Weijie. A reestimate and decomposing of the total factor productivity of China [J]. Statistical research， 2014， 31（3）： 54-60.] [15]颜鹏飞， 王兵. 技术效率、技术进步与生产率增长：基于DEA的实证分析[J]. 经济研究， 2004（12）： 55-65. [YAN Pengfei， WANG Bing. Technical efficiency， technical progress & productivity growth： an empirical analysis based on DEA [J]. Economic research journal， 2004（12）： 55-65.] [16]章上峰. 时变弹性生产函数生产率分解公式及其政策含义[J]. 数量经济技术经济研究， 2011（7）： 106-121. [ZHANG Shangfeng. Timevarying elasticity production function： productivity decomposition formula and policy implications [J]. Journal of quantitative & technical economics， 2011（7）： 106-121.] [17]ACEMOGLU D. Why do new technologies complement skills？ Directed technical change and wage inequality [J]. Quarterly journal of economics， 1998， 113（4）： 1055-1089. [18]ACEMOGLU D. Directed technical change [J]. Review of economic studies， 2002， 69（4）： 781-809. [19]戴天仕， 徐現祥. 中国的技术进步方向[J]. 世界经济， 2010（11）： 54-70. [DAI Tianshi， XU Xianxiang. The direction of Chinas technical progress [J]. Journal of world economy， 2010（11）： 54-70.] [20]邓明. 人口年龄结构与中国省际技术进步方向[J]. 经济研究， 2014（3）： 130-143. [DENG Ming. Age structure of population and Chinas provincial technical progress direction [J]. Economic research journal， 2014（3）： 130-143.] [21]陆雪琴， 章上峰. 技术进步偏向定义及其测度[J]. 数量经济技术经济研究， 2013（8）： 20-34. [LU Xueqin， ZHANG Shangfeng. The identification of factorbiased technical change [J]. Journal of quantitative & technical economics， 2013（8）： 20-34.] [22]陈晓玲， 徐舒， 连玉君. 要素替代弹性、有偏技术进步对我国工业能源强度的影响[J]. 数量经济技术经济研究， 2015（3）： 58-76. [CHEN Xiaoling， XU Shu， LIAN Yujun. Factor substitution elasticity and biased technologys effects on industrial energy intensity [J]. Journal of quantitative & technical economics， 2015（3）： 58-76.] [23]宋冬林， 王林輝， 董直庆. 技能偏向型技术进步存在吗？——来自中国的经验证据[J].经济研究， 2010（5）： 68-81. [SONG Donglin， WANG Linhui， DONG Zhiqing. Is there skill biased technological change？ Evidence from China [J]. Economic research journal， 2010（5）： 68-81.] [24]董直庆， 蔡啸， 王林辉. 技能溢价：基于技术进步方向的解释[J]. 中国社会科学， 2014（10）： 22-40. [DONG Zhiqing， CAI Xiao， WANG Linhui. The skill premium： an interpretation based on the direction of technological progress [J]. Social sciences in China， 2014（10）： 22-40.] [25]黄先海， 徐圣. 中国劳动收入比重下降成因分析——基于劳动节约型技术进步的视角[J]. 经济研究， 2009（7）： 34-44. [HUANG Xianhai， XU Sheng. Reasons for the decline of labor share： from the angle of labor： saving technical progress [J]. Economic research journal， 2009（7）： 34-44.] [26]姚毓春， 袁礼， 王林辉. 中国工业部门要素收入分配格局——基于技术进步偏向型视角的分析[J]. 中国工业经济， 2014（8）： 44-56. [YAO Yuchun， YUAN Li， WANG Linhui. Factor shares in Chinas industrial sector： analysis from the view of directed technical change [J]. China industrial economics， 2014（8）： 44-56.] [27]雷钦礼. 偏向性技术进步的测算与分析[J]. 统计研究， 2013， 30（4）： 83-91. [LEI Qinli. The measurement and analysis of biased technical progress [J]. Statistical research， 2013， 30（4）： 83-91.] [28]FRE R， GROSSKOPF S， NORRIS M， et al. Productivity growth， technical progress， and efficiency change in industrialized countries [J]. American economic review， 1994， 84（1）： 66-83. [29]FRE R， GRIFELLTATJé E， GROSSKOPF S， et al. Biased technical change and the malmquist productivity index [J]. Scandinavian journal of economics， 1997， 99（1）： 119-127. [30]CHEN P C， YU M M. Total factor productivity growth and directions of technical change bias： evidence from 99 OECD and nonOECD countries [J]. Annals operations research， 2014， 214：143-165. [31]SHESTALOVA V. Sequential malmquist indices of productivity growth： an application to OECD industrial activities [J]. Journal of productivity analysis， 2003， 19（2）： 211-226. [32]张健华， 王鹏. 中国全要素生产率：基于分省份资本折旧率的再估计[J]. 管理世界， 2012（10）： 18-30. [ZHANG Jianhua， WANG Peng. Chinas growth in total factor productivity： a reestimation based on provincial capital depreciation rate [J]. Management world， 2012（10）： 18-30.] [33]LIN J Y. Public research resource allocation in Chinese agriculture： a test of induced technological innovation hypotheses [J]. Economic development and cultural change， 1991， 40 （1）： 55-73. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。