前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇經(jīng)濟(jì)增長(zhǎng)要素范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

經(jīng)濟(jì)增長(zhǎng)要素范文第1篇

技術(shù)有效性的研究始于Koopmans（1951），他給出了技術(shù)有效的定義：如果在不增加其他生產(chǎn)要素投入的情況下，由于生產(chǎn)率的提高導(dǎo)致產(chǎn)出增加，則該投入產(chǎn)出向量是技術(shù)有效的。在現(xiàn)代經(jīng)濟(jì)理論的發(fā)展過程中，MichealFarrel與Whitesen將效率分為技術(shù)效率與配置效率，在給定技術(shù)和投入要素的前提下，實(shí)際產(chǎn)出與最優(yōu)產(chǎn)出的比值為技術(shù)效率指數(shù)，而配置效率指數(shù)用以量度。如果假定規(guī)模收益可變，則技術(shù)效率又可分解為純技術(shù)效率和規(guī)模效率。從產(chǎn)業(yè)角度看，影響經(jīng)濟(jì)增長(zhǎng)的技術(shù)效率的因素主要有產(chǎn)業(yè)內(nèi)因素、產(chǎn)業(yè)間因素和外部環(huán)境等。產(chǎn)業(yè)內(nèi)因素是由產(chǎn)業(yè)的投入決定。產(chǎn)業(yè)間因素具體指每個(gè)產(chǎn)業(yè)都與其他產(chǎn)業(yè)有一定的產(chǎn)業(yè)間聯(lián)系，某產(chǎn)業(yè)的效率發(fā)生變化必然會(huì)導(dǎo)致一系列與之有聯(lián)系的產(chǎn)業(yè)部門效率發(fā)生改變，推動(dòng)整個(gè)產(chǎn)業(yè)效率的變動(dòng)。外部環(huán)境主要有產(chǎn)業(yè)政策、市場(chǎng)大小、地區(qū)城市化率、人力資本存量等。外部環(huán)境因素導(dǎo)致產(chǎn)業(yè)效率的變化大部分都可以通過產(chǎn)業(yè)投入和產(chǎn)業(yè)間合作因素反映。比如人力資本存量增加肯定通過加大產(chǎn)業(yè)的人力資本投入來反映，產(chǎn)業(yè)政策對(duì)某些產(chǎn)業(yè)的扶持會(huì)通過產(chǎn)業(yè)的投入和產(chǎn)業(yè)之間連帶作用產(chǎn)生效果。目前系統(tǒng)研究區(qū)域經(jīng)濟(jì)技術(shù)效率的人不多，更缺乏系統(tǒng)地對(duì)陜西省11個(gè)地級(jí)市區(qū)經(jīng)濟(jì)增長(zhǎng)的技術(shù)效率差異按質(zhì)進(jìn)行聚類性分析，也很少有人系統(tǒng)地研究省級(jí)區(qū)域經(jīng)濟(jì)增長(zhǎng)產(chǎn)業(yè)技術(shù)效率的源泉問題。本文應(yīng)用DEA模式計(jì)算陜西2000———2009年的各地區(qū)經(jīng)濟(jì)增長(zhǎng)的技術(shù)效率，然后進(jìn)行技術(shù)效率地區(qū)差異分析及分類，最后對(duì)影響技術(shù)效率的地區(qū)間差異因素進(jìn)行研究。通過經(jīng)濟(jì)增長(zhǎng)的技術(shù)效率分析，可以為經(jīng)濟(jì)發(fā)展方式由粗放型向集約型轉(zhuǎn)變提供理論依據(jù)和數(shù)據(jù)支持，對(duì)落實(shí)科學(xué)發(fā)展觀具有重要的現(xiàn)實(shí)意義。本文采用的數(shù)據(jù)均來自于2001—2010年的《陜西省統(tǒng)計(jì)年鑒》，資本存量增加額用固定資產(chǎn)投資代表。

2地區(qū)間技術(shù)效率差異實(shí)證分析

2．1研究方法

2．1．1數(shù)據(jù)包絡(luò)分析對(duì)效率的研究方法可分為兩大類，傳統(tǒng)研究方法和前沿分析方法。前沿分析方法又可分為參數(shù)法和非參數(shù)法，因?yàn)榇朔椒ㄏ拗戚^少、對(duì)樣本的要求較低，得到很多學(xué)者推崇。其中數(shù)據(jù)包絡(luò)分析方法屬于非參數(shù)法。數(shù)據(jù)包絡(luò)分析是由美國(guó)運(yùn)籌學(xué)家A．Char－nes提出，它借助已有的數(shù)據(jù)構(gòu)造有效的生產(chǎn)前沿面，據(jù)此前沿面參照研究相關(guān)個(gè)體的投入產(chǎn)出的相對(duì)效率。DEA方法的優(yōu)勢(shì)在于：首先，DEA是用于分析多投入、多產(chǎn)出的決策單元的效率分析方法，不需要輸入特定的生產(chǎn)函數(shù)關(guān)系，因此它可以評(píng)價(jià)較為復(fù)雜生產(chǎn)關(guān)系的決策單位的效率。其次，使用DEA分析不需要計(jì)算綜合的投入量和產(chǎn)出量，從而避免了在分析過程中各指標(biāo)量綱不一致所帶來的麻煩。第三，決策單元的輸入輸出權(quán)重作為變量，模型采用最優(yōu)化方法內(nèi)定權(quán)重，不受人為主觀因素的影響。

2．1．2研究模型的選擇根據(jù)決策主體規(guī)模報(bào)酬可變性的假設(shè)，DEA分析分為規(guī)模報(bào)酬不變模型（簡(jiǎn)稱CRS模型）和規(guī)模報(bào)酬可變模型（簡(jiǎn)稱VRS模型）。需要補(bǔ)充的是，使用DEA在具體分析時(shí)分為投入導(dǎo)向（以現(xiàn)有的產(chǎn)出水平評(píng)價(jià)是否是最小投入為標(biāo)準(zhǔn)）和產(chǎn)出導(dǎo)向（以現(xiàn)有投入情況判斷產(chǎn)出是否最大化為標(biāo)準(zhǔn)）。由于探討的是技術(shù)效率，分析各城市的生產(chǎn)要素產(chǎn)出效率。因此采用產(chǎn)出導(dǎo)向?yàn)榛鶞?zhǔn)。在評(píng)價(jià)技術(shù)效率時(shí)，要考慮到不同決策單元的綜合效率和對(duì)同一地區(qū)不同年份數(shù)據(jù)進(jìn)行跨期研究。因此，根據(jù)DEA分析原理，采用可變規(guī)模報(bào)酬模型VRS來進(jìn)行分析。

2．2指標(biāo)體系建立

本文評(píng)價(jià)陜西省11個(gè)地級(jí)市的技術(shù)效率，目的是研究陜西省各城市在發(fā)展進(jìn)程中，地方生產(chǎn)要素投入產(chǎn)出效率。根據(jù)DEA模型，進(jìn)行決策單元效率分析時(shí)，投入產(chǎn)出指標(biāo)選擇至關(guān)重要。對(duì)于產(chǎn)業(yè)效率投入指標(biāo)我們選擇了從業(yè)勞動(dòng)人口和資本存量，產(chǎn)出指標(biāo)采用GDP。

2．3實(shí)證分析

本文使用DEAP2．1軟件，結(jié)合選取的投入數(shù)據(jù)從業(yè)勞動(dòng)人口和資本存量產(chǎn)出數(shù)據(jù)GDP，并以規(guī)模報(bào)酬可變、產(chǎn)出為導(dǎo)向，得出陜西省各地級(jí)市多年綜合產(chǎn)業(yè)效率（見表1）。對(duì)結(jié)果進(jìn)行綜合分析，2000—2009年西安產(chǎn)業(yè)效率最高為1，其次是咸陽0．9903，接著是寶雞0．9647、榆林0．931、延安0．8893、漢中0．8776、安康0．8581、渭南0．8554、銅川0．804、商洛0．7052、楊凌0．6876。從地區(qū)經(jīng)濟(jì)發(fā)展水平看，漢中、安康不如渭南，但是產(chǎn)業(yè)效率比渭南高。這是由于產(chǎn)業(yè)生產(chǎn)效率所要表達(dá)的是現(xiàn)實(shí)的生產(chǎn)邊界與最優(yōu)的生產(chǎn)邊界的比值。根據(jù)各地區(qū)歷年產(chǎn)業(yè)效率變化情況，可分為三種類型。第一種是高水平穩(wěn)定波動(dòng)型，西安和咸陽綜合產(chǎn)業(yè)效率平均值分別為1、0．9903，這兩個(gè)地區(qū)屬于城市化發(fā)展比較成熟的地區(qū)。第二種是穩(wěn)步上升型，具體有銅川、寶雞、楊凌、榆林、延安。這些地區(qū)經(jīng)濟(jì)特點(diǎn)是增長(zhǎng)較為迅速，榆林、延安有些年份出現(xiàn)了下降但整體為上升的趨勢(shì)。第三種是較低水平波動(dòng)，具體為渭南、漢中、安康、商洛，這些地區(qū)產(chǎn)業(yè)效率波動(dòng)無序，效率較低。

3技術(shù)效率影響因素分析

3．1影響因子的選擇

選取科學(xué)合理的因子是對(duì)技術(shù)效率影響分析的基礎(chǔ)和保證。確定影響因子的原則和依據(jù)：（1）科學(xué)性和代表性，影響因子應(yīng)該能夠準(zhǔn)確反映影響技術(shù)效率的某個(gè)方面，避免主觀性和片面性；（2）可行性，影響因子選取要考慮到可行性，要盡量采用在研究期間內(nèi)可獲取的指標(biāo)，同時(shí)要可量化。根據(jù)影響技術(shù)效率理論依據(jù)和資料情況，文章選取對(duì)技術(shù)效率有明顯關(guān)系的2000—2009年的7個(gè)指標(biāo)：X1資本存量（億元）、X2從業(yè)人員（萬人）、X3萬人大學(xué)生數(shù)量（人）、X4專業(yè)技術(shù)人員（人）、X5科研經(jīng)費(fèi)（萬元）、X6非農(nóng)化率（％）、X7生產(chǎn)業(yè)占總服務(wù)業(yè)比重（％）。

3．2技術(shù)效率影響因素分析

將上述選取的各項(xiàng)指標(biāo)經(jīng)過標(biāo)準(zhǔn)化處理后，采用因子分析法，SPSS軟件分析結(jié)果見表2。經(jīng)旋轉(zhuǎn)后的因子矩陣結(jié)果為：公共因子F1在X1，X2，X3，X4，X5值都比較大，可以看出，這幾個(gè)因素主要反映的是地區(qū)經(jīng)濟(jì)發(fā)展的規(guī)模，因而F1代表經(jīng)濟(jì)規(guī)模效應(yīng)因素，其中X1，X2反映生產(chǎn)要素投入規(guī)模方面，X3，X4體現(xiàn)人力資本規(guī)模對(duì)技術(shù)效率影響，X5是從科研投入規(guī)模角度；公共因子F2由于在X6，X7載荷較大，主要是關(guān)于經(jīng)濟(jì)部門的關(guān)聯(lián)性方面指標(biāo)，代表產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)。綜上所述，技術(shù)效率的影響因素可以概括為：規(guī)模效應(yīng)因素、產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)因素。

4陜西省各地區(qū)技術(shù)效率差異影響因素分析

根據(jù)上述分析，資本存量、從業(yè)勞動(dòng)人數(shù)、在校大學(xué)生人數(shù)、科研經(jīng)費(fèi)、非農(nóng)化率、生產(chǎn)業(yè)占總服務(wù)業(yè)的比重都對(duì)地區(qū)產(chǎn)業(yè)效率有顯著影響。將各地區(qū)的技術(shù)效率與以上各因素進(jìn)行相關(guān)研究，分析地區(qū)間技術(shù)效率差異的原因。借助SPSS軟件，輸入指標(biāo)數(shù)據(jù)，得出模型結(jié)果：根據(jù)表3的結(jié)果，我們對(duì)影響陜西各地級(jí)市的變量進(jìn)行分類比較。首先分析資本存量要素。銅川、寶雞、延安、安康、榆林對(duì)技術(shù)效率影響比其他地區(qū)大。第二，從業(yè)人口數(shù)量要素。楊凌、延安較其他地區(qū)對(duì)技術(shù)效率影響大。第三，人力資本因素。西安、咸陽、寶雞、楊凌、延安對(duì)技術(shù)效率影響較大。第四，科研投入方面。西安、寶雞、楊凌、銅川對(duì)技術(shù)效率提升有明顯作用。第五，產(chǎn)業(yè)關(guān)聯(lián)性因素。除了西安、咸陽產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)對(duì)技術(shù)效率有明顯影響，其他地區(qū)作用都不顯著。結(jié)果表明：西安、咸陽經(jīng)濟(jì)水平高，技術(shù)效率提升受到科研投入、產(chǎn)業(yè)關(guān)聯(lián)的影響較大，其他地區(qū)技術(shù)效率提升更多的是由于生產(chǎn)要素、人力資本的投入。

經(jīng)濟(jì)增長(zhǎng)要素范文第2篇

一、變量及變量的平穩(wěn)性檢驗(yàn)

為了考察南通工業(yè)經(jīng)濟(jì)增長(zhǎng)與勞動(dòng)、資本、能源消費(fèi)、科技進(jìn)步四影響因素之間協(xié)整關(guān)系，本文首先擇取自1978～2009年間的南通地區(qū)工業(yè)生產(chǎn)總值及其指數(shù)、工業(yè)從業(yè)人員數(shù)、全社會(huì)固定資產(chǎn)投資完成額、發(fā)電量、各類專業(yè)技術(shù)人員數(shù)（相關(guān)數(shù)據(jù)均來自各年《南通統(tǒng)計(jì)年鑒》）；其次將南通地區(qū)工業(yè)生產(chǎn)總值、全社會(huì)固定資產(chǎn)投資完成額按1978年不變價(jià)格進(jìn)行調(diào)整；最后對(duì)各變量取自然對(duì)數(shù)，從而完成對(duì)各數(shù)據(jù)的預(yù)處理工作。

一般地，在分析經(jīng)濟(jì)變量之間是否存在長(zhǎng)期穩(wěn)定的均衡關(guān)系時(shí)，只有在檢驗(yàn)變量的平穩(wěn)性后，才可進(jìn)一步進(jìn)行協(xié)整分析。如前所述，各經(jīng)濟(jì)變量數(shù)據(jù)在經(jīng)過價(jià)格指數(shù)化處理后，為消除數(shù)據(jù)中存在的異方差，分別取其對(duì)數(shù)。南通地區(qū)工業(yè)生產(chǎn)總值、工業(yè)從業(yè)人員數(shù)、全社會(huì)固定資產(chǎn)投資完成額、發(fā)電量、各類專業(yè)技術(shù)人員數(shù)之對(duì)數(shù)值分別記為lngy、lnlab、lncap、lnny、lnkj。然后分別使用ADF檢驗(yàn)方法進(jìn)行單位根檢驗(yàn)。ADF檢驗(yàn)滯后期選取原則是采用降階搜索法，在保證殘差不相關(guān)前提下，采用AIC與SC準(zhǔn)則，兩者最小時(shí)的滯后長(zhǎng)度為滯后期。對(duì)于回歸中是否包括常數(shù)項(xiàng)和線性趨勢(shì)項(xiàng)的處理方法，一般地，在回歸中首先包含常數(shù)項(xiàng)和線性趨勢(shì)項(xiàng)，如果參數(shù)檢驗(yàn)顯著，應(yīng)在回歸模型中包含，否則應(yīng)排除之。具體檢驗(yàn)結(jié)果（見表1）。

通過檢驗(yàn)可知，lngy、lnlab、lncap、lnny、lnkj均為一階單整的時(shí)間序列，其一階差分序列在10%的顯著水平上為平穩(wěn)序列。滿足變量協(xié)整的條件，即lngy、lnlab、lncap、lnny、lnkj間可能存在協(xié)整關(guān)系。

二、協(xié)整分析及檢驗(yàn)

（一）協(xié)整檢驗(yàn)

協(xié)整分析是用于非平穩(wěn)時(shí)間序列變量組成的關(guān)系中長(zhǎng)期均衡參數(shù)估計(jì)的技術(shù)。目前最常用的協(xié)整分析方法是Engle-Granger（EG）兩步法和Johnsen和Juseliu（sJJ）的極大似然法。一般地，對(duì)多變量之間的協(xié)整關(guān)系的檢驗(yàn)應(yīng)采用Johnsen檢驗(yàn)法（即JJ檢驗(yàn)法）。因使用JJ方法建立的VAR模型對(duì)滯后期的選擇比較敏感，故采用AIC準(zhǔn)則和SC準(zhǔn)則來確定最佳滯后階數(shù)，經(jīng)采用降階搜索法依次驗(yàn)證，發(fā)現(xiàn)當(dāng)P=1時(shí)AIC和SC值最小，故可確定滯后期為1。在滯后期確定后，再對(duì)協(xié)整中是否具有常數(shù)項(xiàng)和時(shí)間趨勢(shì)進(jìn)行驗(yàn)證，然后再對(duì)數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)，檢驗(yàn)結(jié)果（見表2）。

由（表2所示）檢驗(yàn)結(jié)果可知，在5%的顯著水平下，序列l(wèi)ngy、lnlab、lncap、lnny、lnkj之間存在一個(gè)協(xié)整關(guān)系，即在研究的5變量之間存在一種長(zhǎng)期均衡關(guān)系，系統(tǒng)遲早能將新息變化帶來的沖擊加以吸收，使系統(tǒng)維持在一個(gè)均衡的狀態(tài)下運(yùn)行，協(xié)整方程為：ln=0.284390lnlab+0.0337830lncap0.067468lnkj0.099368lnny+9.889550由協(xié)整方程可以看出，投資每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值增長(zhǎng)0.33個(gè)百分點(diǎn)；勞動(dòng)力每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.28個(gè)百分點(diǎn)；科技投入每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.06個(gè)百分點(diǎn)；能源消費(fèi)每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.09個(gè)百分點(diǎn)。由此可知，投資和南通工業(yè)增長(zhǎng)存在長(zhǎng)期的正向關(guān)系，投資對(duì)南通工業(yè)經(jīng)濟(jì)增長(zhǎng)具有拉動(dòng)作用。但勞動(dòng)力、科技投入、能源消費(fèi)與南通工業(yè)經(jīng)濟(jì)增長(zhǎng)存在長(zhǎng)期的負(fù)向關(guān)系，與理論上不是很一致，這可能是與當(dāng)前此三因素對(duì)南通工業(yè)經(jīng)濟(jì)增長(zhǎng)影響力弱有關(guān)。

（二）VAR模型估計(jì)

根據(jù)上面的分析，VAR模型的最優(yōu)滯后階數(shù)為1，在滯后1階的情況下，對(duì)VAR（1）模型殘差進(jìn)行JB正態(tài)性檢驗(yàn)、LM自關(guān)檢驗(yàn)和White異方差檢驗(yàn)，顯示殘差服從正態(tài)分布、無自相關(guān)、不存在異方差，且所有特征根根模的倒數(shù)都小于1，說明VAR（1）模型的結(jié)構(gòu)是穩(wěn)定的。VAR（1）模型估計(jì)結(jié)果（如表3所示）。其中5個(gè)回歸函數(shù)的可決系數(shù)分別達(dá)到0.9704、0.9692、0.9466、0.9942、0.9932，這足以說明5個(gè)回歸函數(shù)的擬合程度很好。

（三）向量誤差修正模型（VECM）

Grange（1987）定理證明了協(xié)整與誤差修正模型的必然聯(lián)系。

只在一組變量之間存在協(xié)整關(guān)系，一定具有誤差修正模型的表達(dá)式存在，即可以建立誤差修正模型。建立在協(xié)整理論上的VEC模型既能反映不同經(jīng)濟(jì)序列間長(zhǎng)期信息，又能反映短期偏離長(zhǎng)期均衡的修正機(jī)制，是長(zhǎng)短期結(jié)合具有高穩(wěn)定性和可靠性的一種經(jīng)驗(yàn)?zāi)Ｐ?，（如?所示），VEM模型的穩(wěn)定性條件滿足自相關(guān)性檢驗(yàn)、異方差檢驗(yàn)和正態(tài)性檢驗(yàn)要求。當(dāng)以lngy為因變量時(shí)，誤差修正系數(shù)為-0.177010，符合反向修正機(jī)制，表明每年實(shí)際的南通工業(yè)總值與其長(zhǎng)期均衡值的偏差中的17%被修正。以lngy為因變量的誤差修正模型表達(dá)式還反映：lnlab的短期變動(dòng)對(duì)lngy存在正向影響，勞動(dòng)力投入的增長(zhǎng)率每增加1%，南通工業(yè)產(chǎn)值的增長(zhǎng)率將增加0.01%；而lnkj的的短期變動(dòng)對(duì)lngy存在反向影響，科技投入的增長(zhǎng)率每增加1%，南通工業(yè)產(chǎn)值的增長(zhǎng)率將降低0.07%；lncap的短期變動(dòng)對(duì)lngy無影響。

（四）方差分解

方差分解的主要思想是把系統(tǒng)中每個(gè)內(nèi)生變量的波動(dòng)按其成因分解為與各方程信息相關(guān)聯(lián)的部分，從而了解各信息對(duì)模型內(nèi)生變量的相對(duì)重要性，（如表5所示）顯示的是南通工業(yè)產(chǎn)值（lngy）的方差分解情況，可以看出能源消費(fèi)（lnny）和科技投入（lnkj）對(duì)南通工業(yè)產(chǎn)值（lngy）的影響一直較弱。勞動(dòng)力（lnlab）和資本投資額（lncap）則有不斷增強(qiáng)的趨勢(shì)，且構(gòu)成對(duì)南通工業(yè)產(chǎn)值（lngy）最主要的兩個(gè)因素，其中資本投資額（lncap）影響最大。

（五）脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)描述一個(gè)內(nèi)生變量對(duì)誤差的反應(yīng)。具體地，其反映的是在擾動(dòng)項(xiàng)上加一個(gè)標(biāo)準(zhǔn)差大小的沖擊對(duì)內(nèi)生變量的當(dāng)期值和未來值所帶來的影響。為充分描述短期內(nèi)的動(dòng)態(tài)效應(yīng)，本文采用累積脈沖響應(yīng)形式。從圖1來看，勞動(dòng)力（lnlab）的一個(gè)標(biāo)準(zhǔn)差的正向沖擊對(duì)南通工業(yè)產(chǎn)值（lngy）有正向影響，即會(huì)導(dǎo)致南通工業(yè)產(chǎn)值逐漸增加，最后在第9期以后穩(wěn)定在0.18左右。這說明勞動(dòng)力（lnlab）對(duì)南通工業(yè)產(chǎn)值有長(zhǎng)期的正效應(yīng)，這與協(xié)整方程得到的長(zhǎng)期均衡關(guān)系表現(xiàn)不一致；資本投資額（ncap）的一個(gè)標(biāo)準(zhǔn)差的正向沖擊，對(duì)南通工業(yè)產(chǎn)值（lngy）亦有正向影響，但較勞動(dòng)力（lnlab）的影響更大，其導(dǎo)致南通工業(yè)產(chǎn)值在第4期前增長(zhǎng)迅速，然后增長(zhǎng)趨緩，至第8期后穩(wěn)定于0.30附近。這亦反映出資本投資額（ncap）對(duì)南通工業(yè)產(chǎn)值有長(zhǎng)期的正效應(yīng)；當(dāng)科技投入（lnkj）出現(xiàn)一個(gè)標(biāo)準(zhǔn)差的正向沖擊時(shí)，它在1～3期內(nèi)對(duì)南通工業(yè)產(chǎn)值（lngy）的影響經(jīng)歷了先負(fù)后正的過程，第4期到達(dá)峰值00.004附近，然后緩慢趨于0值，但這也與長(zhǎng)期協(xié)整關(guān)系的結(jié)果稍有不同；能源消費(fèi)（lnny）的一個(gè)標(biāo)準(zhǔn)差的正向沖擊，對(duì)南通工業(yè)產(chǎn)值（lngy）有負(fù)向影響。其導(dǎo)致南通工業(yè)產(chǎn)值第2期到達(dá)峰值-0.007附近，然后緩慢趨于0值?？傊?，可看出上述四因素中，勞動(dòng)力（lnlab）和資本投資額（ncap）對(duì)南通工業(yè)產(chǎn)值（lngy）的影響較大；科技投入（lnkj）和能源消費(fèi)（lnny）的影響很小，這與前面方差分析中的結(jié)論一致。

三、格蘭杰因果關(guān)系檢驗(yàn)

由協(xié)整檢驗(yàn)結(jié)果可知，序列l(wèi)ngy、lnlab、lncap、lnny、lnkj之間存在長(zhǎng)期的均衡關(guān)系，但這種均衡關(guān)系是否構(gòu)成因果關(guān)系及因果關(guān)系的方向如何，有待進(jìn)一步驗(yàn)證。此處分別對(duì)序列l(wèi)ngy、lnlab、lncap、lnny、lnkj的差分序列進(jìn)行了格蘭杰因果檢驗(yàn)，選取滯后1~6階。使用Eviews6.0軟件將存在單向或雙向因果關(guān)系的回歸結(jié)果整理（如表6所示)。水平上，lncap是lngy的格蘭杰原因。也就是說，短期內(nèi)資本投資對(duì)南通工業(yè)產(chǎn)值有促進(jìn)作用。（2）當(dāng)滯后期為3、4階時(shí)，在10%的顯著水平上，lngy是lnkj的格蘭杰原因。

也就是說，在中期內(nèi)，南通工業(yè)產(chǎn)值增長(zhǎng)對(duì)科技投入的提高有促進(jìn)作用。（3）當(dāng)滯后期為3階時(shí)，在5%的顯著水平上，lngy是lnlab的格蘭杰原因。也就是說，在中期內(nèi)，南通工業(yè)產(chǎn)值增長(zhǎng)對(duì)勞動(dòng)力投入的提高有促進(jìn)作用。（4）當(dāng)滯后期為1、6階時(shí)，lnny是lnlap的格蘭杰原因。也就是說，在短期及長(zhǎng)期內(nèi)，南通能源消費(fèi)的提高對(duì)南通地區(qū)勞動(dòng)力增長(zhǎng)有促進(jìn)作用。（5）當(dāng)滯后期為2、3階時(shí)，lnkj是lnny的格蘭杰原因。也就是說，在短中期內(nèi)，科技投入的增加對(duì)南通能源消費(fèi)的提高有促進(jìn)作用。（6）當(dāng)滯后期為1～6階時(shí)，lngy不是lnny的格蘭杰原因，lnny也不是lngy的格蘭杰原因。也就是說，南通工業(yè)產(chǎn)值的提高對(duì)南通能源消費(fèi)的促進(jìn)作用不明顯；同時(shí)南通能源消費(fèi)增長(zhǎng)對(duì)南通工業(yè)產(chǎn)值的促進(jìn)作用也不明顯。

四、結(jié)論與研究啟示

（1）南通工業(yè)經(jīng)濟(jì)增長(zhǎng)與勞動(dòng)力投入、資本投資、能源消費(fèi)及科技投入之間存在長(zhǎng)期的均衡關(guān)系。其中資本投資每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值增長(zhǎng)0.33個(gè)百分點(diǎn)；勞動(dòng)力每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.28個(gè)百分點(diǎn)；科技投入每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.06個(gè)百分點(diǎn)；能源消費(fèi)每增加1個(gè)百分點(diǎn)，則南通工業(yè)產(chǎn)值減少0.09個(gè)百分點(diǎn)。由此可知，投資和南通工業(yè)增長(zhǎng)存在長(zhǎng)期的正向關(guān)系，也就是說，投資對(duì)南通工業(yè)經(jīng)濟(jì)增長(zhǎng)具有拉動(dòng)作用。但勞動(dòng)力、科技投入、能源消費(fèi)與南通工業(yè)經(jīng)濟(jì)增長(zhǎng)存在長(zhǎng)期的負(fù)向關(guān)系，與理論上不是很一致，這可能需要進(jìn)一步的研究與探尋。

（2）向量誤差修正模型（VECM）反映出，勞動(dòng)力投入的短期變動(dòng)對(duì)南通工業(yè)產(chǎn)值存在正向影響，勞動(dòng)力投入的增長(zhǎng)率每增加1%，南通工業(yè)產(chǎn)值的增長(zhǎng)率將增加0.01%；而科技投入的的短期變動(dòng)對(duì)南通工業(yè)產(chǎn)值存在反向影響，科技投入的增長(zhǎng)率每增加1%，南通工業(yè)產(chǎn)值的增長(zhǎng)率將降低0.07%；資本投入的的短期變動(dòng)對(duì)南通工業(yè)產(chǎn)值無影響。此外，誤差修正系數(shù)為-0.177010，符合反向修正機(jī)制，表明每年實(shí)際的南通工業(yè)總值與其長(zhǎng)期均衡值的偏差中的17%被修正。

經(jīng)濟(jì)增長(zhǎng)要素范文第3篇

[關(guān)鍵詞] 適度經(jīng)濟(jì)增長(zhǎng) 實(shí)際產(chǎn)出 潛在產(chǎn)出

近年以投資和外貿(mào)拉動(dòng)的經(jīng)濟(jì)增長(zhǎng)模式，引發(fā)固定資產(chǎn)投資需求過熱，并由此推動(dòng)生產(chǎn)要素成本上漲。我國(guó)自2003年起，實(shí)際產(chǎn)出（其有可能高于或低于總需求）高于10%～11%，已超過國(guó)內(nèi)公認(rèn)的8%～9%的適度產(chǎn)出區(qū)間。2008年固定資產(chǎn)投資過熱已拉升生產(chǎn)要素成本價(jià)格和核心通脹達(dá)8%以上，這種通脹使高速經(jīng)濟(jì)增長(zhǎng)難以持續(xù)。

一、保持適度經(jīng)濟(jì)增長(zhǎng)有助于抑制生產(chǎn)要素成本通脹

若要控制投資需求過熱及其誘發(fā)的生產(chǎn)要素價(jià)格上漲，應(yīng)調(diào)控實(shí)際產(chǎn)出不超過潛在產(chǎn)出。新凱恩斯主義認(rèn)為，只要實(shí)際產(chǎn)出持續(xù)高于其潛在水平，多種生產(chǎn)要素的價(jià)格會(huì)上漲，導(dǎo)致生產(chǎn)要素成本增加超過一般價(jià)格水平的漲幅，從而刺激通脹預(yù)期上浮。因此，抑制投資過熱及其預(yù)期推動(dòng)的生產(chǎn)要素成本上漲，需要控制實(shí)際產(chǎn)出低于潛在產(chǎn)出水平(Whelan,2005)。也就是說，投資過熱將刺激對(duì)生產(chǎn)要素充分或過度開發(fā)利用，促使實(shí)際產(chǎn)出超過其潛在產(chǎn)出水平，引致生產(chǎn)資料成本推動(dòng)的通脹。這種通脹又使產(chǎn)出和經(jīng)濟(jì)增長(zhǎng)不可持續(xù)。因此，適度的經(jīng)濟(jì)增長(zhǎng)率或產(chǎn)出應(yīng)該低于潛在產(chǎn)出，進(jìn)而穩(wěn)定通脹。穩(wěn)定產(chǎn)出不超出其潛在水平，就能穩(wěn)定生產(chǎn)要素價(jià)格，從而遏制生產(chǎn)要素推動(dòng)型通脹。據(jù)國(guó)際經(jīng)驗(yàn)，保持適度經(jīng)濟(jì)增長(zhǎng)（指實(shí)際產(chǎn)出低于對(duì)生產(chǎn)要素充分利用的潛在產(chǎn)出），有助于抑制生產(chǎn)要素成本通脹。Blinder（2006）提出自然產(chǎn)出率，即產(chǎn)出水平等于總需求，并不引致價(jià)格水平升降 ，其關(guān)系式可表示為：＝AD＝π＊ ；，AD，π*，分別代表自然產(chǎn)出率，總需求，貨幣當(dāng)局設(shè)定的通脹目標(biāo)（國(guó)外將通脹目標(biāo)設(shè)置在1%～3%的區(qū)間。實(shí)證研究表明其能穩(wěn)定產(chǎn)出和較長(zhǎng)期的價(jià)格，和緩解經(jīng)濟(jì)衰退壓力。我國(guó)前段時(shí)期設(shè)立的適度通脹率為4.8%。因我國(guó)CPI包括燃油和食品）。該公式表明，穩(wěn)定產(chǎn)出和生產(chǎn)要素通脹的均衡點(diǎn)在于實(shí)際產(chǎn)出低于潛在產(chǎn)出，達(dá)到與總需求基本一致，和不刺激生產(chǎn)要素成本上升的自然產(chǎn)出率。而央行設(shè)定通脹率在適度區(qū)間，又能反過來穩(wěn)定產(chǎn)出或經(jīng)濟(jì)增長(zhǎng)達(dá)最大限度可持續(xù)性。美國(guó)經(jīng)濟(jì)證實(shí)，1995年～2000年美國(guó)年平均經(jīng)濟(jì)增長(zhǎng)率為3.59%，低于同期潛在經(jīng)濟(jì)增長(zhǎng)率4%，平均失業(yè)率為4.8%（低于6%自然失業(yè)率），呈現(xiàn)高增長(zhǎng)，低通脹，低失業(yè)率的局面。

二、采取綜合治理措施抑制生產(chǎn)要素成本上漲

為控制實(shí)際產(chǎn)出持續(xù)高于潛在產(chǎn)出，除了繼續(xù)向集約型經(jīng)濟(jì)增長(zhǎng)模式轉(zhuǎn)變外，對(duì)于貨幣政策可調(diào)控的內(nèi)生性通脹，需加強(qiáng)前向調(diào)節(jié)，避免政策時(shí)滯效應(yīng)未能及時(shí)抑制經(jīng)濟(jì)過熱，帶來更高調(diào)控成本。當(dāng)經(jīng)濟(jì)過熱與經(jīng)濟(jì)下滑壓力同時(shí)存在時(shí)，可針對(duì)不同行業(yè)過熱與否，有緊有松，分而治之：對(duì)高耗能耗資源，高污染和投資過熱行業(yè)，宜控制貸款或提高貸款利率，對(duì)“三農(nóng)”，環(huán)保，社保、文教醫(yī)療衛(wèi)生,帶動(dòng)就業(yè)等民生項(xiàng)目，技術(shù)創(chuàng)新，新材料，無污染清潔新能源等項(xiàng)目要降低利率，并采取適當(dāng)財(cái)政政策予以扶持。至于貨幣政策難以發(fā)揮較強(qiáng)的杠桿作用的外生性通脹（由國(guó)際市場(chǎng)定價(jià)的國(guó)外能源資源農(nóng)產(chǎn)品上漲），和結(jié)構(gòu)性通脹（國(guó)內(nèi)提高農(nóng)產(chǎn)品，資源性產(chǎn)品價(jià)格，以及環(huán)保成本），可通過能源替代和減少高能耗產(chǎn)業(yè)，下調(diào)某些產(chǎn)品的物價(jià)（如電子產(chǎn)品，紡織品，汽車，日常生活用品等），以遏制物價(jià)總體升幅，并有必要就控制通脹跨國(guó)傳遞問題，在國(guó)際金融市場(chǎng)監(jiān)管、主要貿(mào)易伙伴國(guó)之間的匯率政策、貿(mào)易政策，產(chǎn)業(yè)政策等方面加強(qiáng)國(guó)際協(xié)調(diào)。

另外，需要提高貨幣政策信息透明度和建立健全行業(yè)經(jīng)濟(jì)信息體系。企業(yè)和行業(yè)在不能準(zhǔn)確了解市場(chǎng)供需狀況下進(jìn)行過度投資，將刺激實(shí)際產(chǎn)出趨向超出其潛在產(chǎn)出（即充分利用勞動(dòng)力，資本，自然資源等生產(chǎn)要素條件下的產(chǎn)出）水平，和對(duì)資源的過度開發(fā)利用，誘發(fā)生產(chǎn)資料成本推進(jìn)的通脹。因此，有必要盡可能詳盡和及時(shí)地向各行業(yè)國(guó)內(nèi)外市場(chǎng)供需變化，走勢(shì)和國(guó)內(nèi)外可能的宏觀經(jīng)濟(jì)政策導(dǎo)向信息，以減少行業(yè)企業(yè)投資生產(chǎn)盲目性和信息收集成本，引導(dǎo)企業(yè)根據(jù)國(guó)內(nèi)外市場(chǎng)供需狀況進(jìn)行生產(chǎn)投資。

三、小結(jié)

當(dāng)代資源經(jīng)濟(jì)與20世紀(jì)80年代之前最大的區(qū)別，是能源資源等初級(jí)產(chǎn)品1986年之前呈下行走勢(shì)，初級(jí)產(chǎn)品國(guó)際價(jià)格在1986年比1900年下降了一半（James,1999）。生產(chǎn)要素成本的低廉，會(huì)降低在提高產(chǎn)出水平時(shí)的生產(chǎn)要素通脹壓力。然而，目前不可再生資源能源的稀缺度和價(jià)格，與國(guó)際社會(huì)強(qiáng)勁需求之間存在高度敏感性，只要實(shí)際產(chǎn)出持續(xù)高于潛在產(chǎn)出，生產(chǎn)要素成本推動(dòng)的通脹效應(yīng)即將顯現(xiàn)。因此，為控制固定資產(chǎn)投資需求拉升的通脹與生產(chǎn)要素成本推進(jìn)型通脹的聯(lián)動(dòng)效應(yīng)，控制實(shí)際產(chǎn)出低于潛在產(chǎn)出水平，達(dá)到與社會(huì)總需求相適應(yīng)的自然產(chǎn)出率，是穩(wěn)定這類通脹的關(guān)鍵。對(duì)于結(jié)構(gòu)性通脹和外生性通脹，宜結(jié)合相對(duì)價(jià)格調(diào)節(jié)機(jī)制和適當(dāng)?shù)膰?guó)內(nèi)外宏觀調(diào)控措施來治理。

參考文獻(xiàn)：

[1]余永定:2008年中國(guó)經(jīng)濟(jì):應(yīng)對(duì)三大挑戰(zhàn).國(guó)際經(jīng)濟(jì)評(píng)論,2008(5～6)

[2]Blinder，Alan S. Monetary Policy Today:Sixteen Questions and about Twelve Answers. CEPS W/P No. 129, 2006

經(jīng)濟(jì)增長(zhǎng)要素范文第4篇

關(guān)鍵詞：江蘇經(jīng)濟(jì)；全要素生產(chǎn)率；對(duì)策建議

一、引言

全要素生產(chǎn)率（TFP）是宏觀經(jīng)濟(jì)學(xué)的重要概念，也是分析經(jīng)濟(jì)增長(zhǎng)源泉的重要工具，尤其是政府制定長(zhǎng)期可持續(xù)增長(zhǎng)政策的重要依據(jù)。本文的全要素生產(chǎn)率是指各要素投入之外的技術(shù)進(jìn)步和能力體現(xiàn)等導(dǎo)致的產(chǎn)出增加。目前，全要素生產(chǎn)率的估算方法可歸結(jié)為兩大類：一類是增長(zhǎng)會(huì)計(jì)法，另一類是經(jīng)濟(jì)計(jì)量法。不過起點(diǎn)都是從設(shè)定生產(chǎn)函數(shù)開始。經(jīng)濟(jì)計(jì)量法是用產(chǎn)出增長(zhǎng)率對(duì)資本增長(zhǎng)率、勞動(dòng)增長(zhǎng)率做回歸，或者用勞均產(chǎn)出的增長(zhǎng)率對(duì)勞均資本的增長(zhǎng)率做回歸，估計(jì)得出系數(shù)項(xiàng)的值，隱含了系數(shù)項(xiàng)為常數(shù)的假設(shè)，應(yīng)較為適用于成熟的市場(chǎng)經(jīng)濟(jì)體；對(duì)于像江蘇這樣的轉(zhuǎn)型經(jīng)濟(jì)允許系數(shù)項(xiàng)隨時(shí)間可變，將更易于接受。另外，Barro和Sala認(rèn)為經(jīng)計(jì)量法的缺點(diǎn)太多，包括要素增長(zhǎng)率非外生、要素?cái)?shù)量測(cè)量誤差使得回歸結(jié)果不滿足一致以及系數(shù)項(xiàng)隨時(shí)間變化的可能性?；谝陨峡紤]，我們采用要素收入份額可變的增長(zhǎng)核算來測(cè)算TFP的變動(dòng)。

二、模型設(shè)定和數(shù)據(jù)準(zhǔn)備

經(jīng)濟(jì)增長(zhǎng)要素范文第5篇

關(guān)鍵詞：Malmquist指數(shù) 全要素生產(chǎn)率 經(jīng)濟(jì)增長(zhǎng)

中圖分類號(hào)：F127 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2017）05-031-04

一、引言

自1992年起，長(zhǎng)三角是我國(guó)率先開始區(qū)域經(jīng)濟(jì)一體化的地區(qū)，其經(jīng)濟(jì)增長(zhǎng)也一直是我國(guó)最快的地區(qū)之一，目前它已成為我國(guó)最大的綜合性工業(yè)基地，工業(yè)總產(chǎn)值占全國(guó)的近1/4，對(duì)其他地區(qū)經(jīng)濟(jì)發(fā)展有著較大的示范作用。根據(jù)國(guó)家“十三五”規(guī)劃，長(zhǎng)三角在2016-2020期間要力爭(zhēng)提升區(qū)域經(jīng)濟(jì)總量在全國(guó)的占比，并持續(xù)攀升。長(zhǎng)三角經(jīng)濟(jì)是否存在持續(xù)攀升的趨勢(shì)？什么是促使長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)的主要驅(qū)動(dòng)力？全要素生產(chǎn)率（TFP）對(duì)長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)的作用怎樣？便成為我們研究的基點(diǎn)。筆者梳理了2000-2014年長(zhǎng)三角16市GDP占全國(guó)GDP的比重（見圖1），發(fā)現(xiàn)以2006年為界，長(zhǎng)三角經(jīng)濟(jì)GDP的全國(guó)占比存在一個(gè)明顯的轉(zhuǎn)折。即，2000-2006年長(zhǎng)三角GDP占全國(guó)的比重不斷攀升，到2006年達(dá)到最高，但此后長(zhǎng)三角GDP占全國(guó)比重呈現(xiàn)下降趨勢(shì)。由此可見，如何保障長(zhǎng)三角經(jīng)濟(jì)持續(xù)發(fā)展，如何從長(zhǎng)三角經(jīng)濟(jì)發(fā)展的現(xiàn)狀中尋找新的增長(zhǎng)點(diǎn)，就成為非常重要的問題。筆者從全要素生產(chǎn)率（TFP）的角度出發(fā)，研究全要素生產(chǎn)率在長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)中的作用，分析相對(duì)于資本要素的貢獻(xiàn)度，并以此為依據(jù)提出長(zhǎng)三角經(jīng)濟(jì)持續(xù)攀升的對(duì)策建議。這對(duì)長(zhǎng)三角的經(jīng)濟(jì)發(fā)展和全國(guó)區(qū)域經(jīng)濟(jì)的增長(zhǎng)都有重要的意義。

二、文獻(xiàn)回顧

全要素生產(chǎn)率的研究起源于生產(chǎn)函數(shù)的研究，美國(guó)數(shù)學(xué)家柯布（C.W.Cobb）和經(jīng)濟(jì)學(xué)家保羅?道格拉斯首先建立柯布道格拉斯生產(chǎn)函數(shù)，其后由斯蒂格勒提出全要素生產(chǎn)率的問題。1957年，美國(guó)經(jīng)濟(jì)學(xué)家索羅（Slow）在《技術(shù)進(jìn)步與總量生產(chǎn)函數(shù)》一書中提出，在引入技g進(jìn)步及假設(shè)生產(chǎn)函數(shù)為具有規(guī)模報(bào)酬不變特性的情況下，建立了著名的索羅模型，定量分析要素投入與技術(shù)效率之間的關(guān)系。Fleisher等（1997）基于1978-1993年我國(guó)部分省份的數(shù)據(jù)，分析我國(guó)全要素生產(chǎn)率的地區(qū)差異，得出教育投資和FDI是我國(guó)東西部TFP差異的主要原因。斯科特?拜爾等（2006）研究世界145個(gè)國(guó)家及地區(qū)全要素生產(chǎn)率與要素投入之間的關(guān)系，發(fā)現(xiàn)全要素生產(chǎn)率的增長(zhǎng)解釋度不高，僅解釋西方國(guó)家34%和歐洲南部26%的勞動(dòng)產(chǎn)出的增長(zhǎng)。Gregory Chow（2009）研究中國(guó)1978年后的全要素生產(chǎn)率，得出約2.7%的年增長(zhǎng)率是可靠的，其資本的產(chǎn)出彈性接近0.6；Xu Ti等（2012）利用1950年到2009年中國(guó)東中西部的數(shù)據(jù)，研究表明：1978年之前的平均技術(shù)進(jìn)步率僅為2%，1978年之后對(duì)經(jīng)濟(jì)的貢獻(xiàn)度高達(dá)20%，且技術(shù)進(jìn)步東部高于中部和西部地區(qū)。

國(guó)內(nèi)研究全要素生產(chǎn)率的文獻(xiàn)有很多，鄭紹濂等（1986）結(jié)合我國(guó)實(shí)際情況提出了全要素生產(chǎn)率的概念，并從理論與實(shí)踐對(duì)其進(jìn)行研究；張軍等（2003）利用中國(guó)1952-1998年的數(shù)據(jù)計(jì)算我國(guó)的TFP，結(jié)果表明，在改革前中國(guó)經(jīng)濟(jì)的TFP波動(dòng)很大，且1978年的TFP與1952年的TFP相比，不但沒有增長(zhǎng)，反而退步，但在改革后，中國(guó)經(jīng)濟(jì)的TFP明顯提高。顏鵬飛等（2004）運(yùn)用DEA方法計(jì)算1978-2001年中國(guó)30個(gè)省市技術(shù)效率、技術(shù)進(jìn)步及Malmquist指數(shù)，并把人力資本和制度因素考慮其中，而后檢驗(yàn)與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，結(jié)果表明TFP處于增長(zhǎng)狀態(tài)，其主要原因是技術(shù)效率的提升，人力資源因素也對(duì)技術(shù)進(jìn)步和效率提高有重要的影響作用。許小雨（2011）基于1997-2009長(zhǎng)三角16市的數(shù)據(jù)，采用DEA-Malmquist法測(cè)算長(zhǎng)三角16市的TFP，結(jié)果顯示，長(zhǎng)三角的TFP沒有得到顯著提升。王鑫（2013）利用DEA-Malmquist測(cè)算長(zhǎng)三角兩省一市制造業(yè)和服務(wù)業(yè)的TFP，結(jié)果表明，長(zhǎng)三角整體TFP高于全國(guó)平均水平，但技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)貢獻(xiàn)不明顯。趙偉光、敬梨（2015）通過DEA分析技術(shù)和Malmquist指數(shù)對(duì)西北五省的TFP變動(dòng)進(jìn)行分析，結(jié)合改進(jìn)的C-D函數(shù)，建立面板模型，分析西北五省經(jīng)濟(jì)增長(zhǎng)與TFP、資本投入之間的關(guān)系。

通過梳理研究TFP的文獻(xiàn)，發(fā)現(xiàn)針對(duì)近幾年長(zhǎng)三角16市的TFP研究文獻(xiàn)相對(duì)較少，無法說明近幾年長(zhǎng)三角經(jīng)濟(jì)比重下降原因，更無法針對(duì)近幾年的長(zhǎng)三角問題作系統(tǒng)分析。筆者通過DEA-Malmquist方法對(duì)TFP變化進(jìn)行了測(cè)算，并基于此建立面板模型，對(duì)TFP與經(jīng)濟(jì)增長(zhǎng)的關(guān)系作詳細(xì)分析，對(duì)長(zhǎng)三角的發(fā)展提出相關(guān)的建議，這對(duì)長(zhǎng)三角的經(jīng)濟(jì)發(fā)展有一定的現(xiàn)實(shí)意義。

三、長(zhǎng)三角全要素生產(chǎn)率的估算與分解

（一）測(cè)算方法

Malmquist 指數(shù)是利用距離函數(shù)的比率計(jì)算，這里假設(shè)（Xt，Yt）和（Xt+1，Yt+1）分別是T期和T+1期投入產(chǎn)出關(guān)系，投入產(chǎn)出關(guān)系從（Xt，Yt）到（Xt+1，Yt+1）的變化就是生產(chǎn)率的變化。

（二）變量選擇與數(shù)據(jù)處理

筆者采用的數(shù)據(jù)是長(zhǎng)三角16個(gè)城市，數(shù)據(jù)周期從2000-2014年。在測(cè)算長(zhǎng)三角16市的TFP變化所涉及的變量有產(chǎn)出、資本和勞動(dòng)的投入，以下是所涉及變量及數(shù)據(jù)處理的介紹。

1.產(chǎn)出。以長(zhǎng)三角各個(gè)城市GDP作為衡量城市的產(chǎn)出變量，為了避免物價(jià)變動(dòng)帶來的誤差，筆者對(duì)GDP以2000年為基期進(jìn)行平減得到真實(shí)的GDP。

2.資本投入。采用Galdsmith 開創(chuàng)的永續(xù)盤存法估算資本投入量，估算公式為：

其中Kt表示第t期資本投入總量，？啄為折舊率，It為第t年投資，pt為以2000年基期的固定資產(chǎn)價(jià)格指數(shù)。

由于受到國(guó)內(nèi)統(tǒng)計(jì)數(shù)據(jù)的限制，資本的初始存量估計(jì)存在著很大的困難，尤其涉及市級(jí)的初始資本存量。筆者采用張軍的永續(xù)盤存法估算各市2000年的資本存量，以2000年全社會(huì)固定資產(chǎn)的投入與省市固定資產(chǎn)的投入之比為權(quán)重，計(jì)算各個(gè)城市2000年的初始資本存量；關(guān)于折舊δ的取值，采用目前多數(shù)學(xué)者所使用的9.6%為折舊系數(shù)。

3.勞動(dòng)資本。嚴(yán)格意義上說，總工作時(shí)間與平均每單位時(shí)間內(nèi)勞動(dòng)質(zhì)量相乘為勞動(dòng)資本投入，但考慮到數(shù)據(jù)獲取的難易程度，筆者采用長(zhǎng)三角16個(gè)市的年末從業(yè)人員為勞動(dòng)要素的變量衡量的指標(biāo)。

筆者所有數(shù)據(jù)均來自于各省市的統(tǒng)計(jì)年鑒，缺失值則通過城市的國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展公報(bào)獲取相關(guān)數(shù)據(jù)。

（三）測(cè)算結(jié)果與分析

筆者采用DEA-Malmquist模型對(duì)長(zhǎng)三角16市2000-2014年的TFP變化進(jìn)行測(cè)算，利用DEAP2.1軟件輸出長(zhǎng)三角16市整體TFP變化，及各個(gè)城市TFP變化、效率變化、技術(shù)進(jìn)步，結(jié)果如圖2。

圖2為2000-2014年長(zhǎng)三角整體TFP變化趨勢(shì)，2000-2009年TFP變化處于下降趨勢(shì)，而2009-2011年TFP上升，但上漲趨勢(shì)并沒得以持續(xù)，隨后TFP繼續(xù)下降，這可能是導(dǎo)致長(zhǎng)三角經(jīng)濟(jì)占全國(guó)比重下降的原因之一。效率變化（EFFCH）方面，2000-2005、2007-2008，2010-2012年的效率變化呈現(xiàn)下降趨勢(shì)，且有些年份負(fù)增長(zhǎng)還直接降低了長(zhǎng)三角TFP的增長(zhǎng)率；對(duì)于技術(shù)進(jìn)步（TCHCH），2000-2002、2006-2007、2009-2010、2013-2014年技術(shù)進(jìn)步的變化大于1，其他年份技術(shù)進(jìn)步的變化均小于1。

為了進(jìn)一步分析長(zhǎng)三角城市全要素生產(chǎn)率變化及存在的差異，筆者對(duì)長(zhǎng)三角各市2000-2014年的Malmquist指數(shù)進(jìn)行匯總：

如表1，最后一列為Malmquist指數(shù)，是長(zhǎng)三角16市在2000-2014年TFP變動(dòng)的平均值。Malmquist指數(shù)最大的是上海，且均來自于技術(shù)變化的作用，說明技術(shù)進(jìn)步在上海的經(jīng)濟(jì)增長(zhǎng)中扮演著舉足輕重的角色。南京、蘇州及無錫在2000-2014年的Malmquist指數(shù)也大于1，技術(shù)變化和效率變化有所改善。而其余城市Malmquist指數(shù)均小于1，常州對(duì)應(yīng)的技術(shù)變化有所改善，但效率下降導(dǎo)致TFP降低1.1%；而鎮(zhèn)江的技術(shù)進(jìn)步下降也拉低了TFP。其他城市的效率變化及技術(shù)進(jìn)步變化均下降，這對(duì)TFP產(chǎn)生雙重“拖累”，所對(duì)應(yīng)的TFP變化均小于1。從整體來看，長(zhǎng)三角16市2000-2014年的TFP變化值小于1，主要原因可能是技術(shù)變化和效率變化的交互影響，長(zhǎng)三角地區(qū)整體的技術(shù)退步，引進(jìn)技術(shù)和運(yùn)用新技術(shù)不足，技術(shù)效率發(fā)揮作用的基礎(chǔ)相對(duì)較弱；規(guī)模效率的變化小于1，表明長(zhǎng)三角總體經(jīng)濟(jì)還存在著規(guī)模不經(jīng)濟(jì)。

四、全要素生產(chǎn)率、人均資本投入與經(jīng)濟(jì)增長(zhǎng)的實(shí)證分析

前面分析了長(zhǎng)三角16市2000-2014年整體及個(gè)體的TFP變動(dòng)，對(duì)長(zhǎng)三角16市TFP變化特點(diǎn)有明確的認(rèn)識(shí)。由于考慮到資本投入的重要性對(duì)于經(jīng)濟(jì)增長(zhǎng)的重要性，筆者通過構(gòu)建了人均資本投入、全要素生產(chǎn)率對(duì)人均產(chǎn)出影響的面板模型來分析，在長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)中全要素生產(chǎn)率與資本要素對(duì)其貢獻(xiàn)度的差異。

（一）模型的建立

（二）數(shù)據(jù)的來源及處理

這里用到的數(shù)據(jù)除了TFP，其他數(shù)據(jù)已在上文介紹，這里不再列舉。這里TFP的變化是Malmquist指數(shù)與1相減得到TFP增長(zhǎng)率用tfp來表示；人均產(chǎn)出增長(zhǎng)率以2000年為價(jià)格基期的各城市實(shí)際GDP除以年末從業(yè)人數(shù)，得出增長(zhǎng)率，用gdp表示；人均資本存量的增長(zhǎng)率是以2000為價(jià)格基期的資本存量除以年末從業(yè)人數(shù)，且計(jì)算出增長(zhǎng)率用k表示。

（三）實(shí)證分析

筆者用Eviews7.2軟件處理數(shù)據(jù)，在建立面板數(shù)據(jù)模型前，先對(duì)變量進(jìn)行單位根檢驗(yàn)，結(jié)果表明這些變量零階單整，并在此基礎(chǔ)上做協(xié)整檢驗(yàn)，結(jié)果為人均資本投入、人均產(chǎn)出、及TFP增長(zhǎng)率三者之間存在協(xié)整關(guān)系。通過隨機(jī)效應(yīng)Hausman檢驗(yàn)，拒絕原假設(shè)，建立固定效應(yīng)面板模型。筆者先建立固定效應(yīng)整體，結(jié)果如下：

從表2可以得出：人均產(chǎn)出受不同因素影響的程度不同。對(duì)于長(zhǎng)三角城市而言，人均資本投入的系數(shù)是0.849，對(duì)人均產(chǎn)出的影響在1%的置信水平下顯著，說明人均資本投入對(duì)人均產(chǎn)出的影響很大；同樣從回歸結(jié)果中可以看出，tfp的系數(shù)為0.725，且tfp的變動(dòng)對(duì)于人均產(chǎn)出的影響要小于人均資本投入，說明人均資本投入的提高對(duì)于人均產(chǎn)出影響占主導(dǎo)地位，說明支撐長(zhǎng)三角經(jīng)濟(jì)較快增長(zhǎng)的資源條件和主要?jiǎng)恿σ蛩厝匀皇琴Y本要素的投入。

為詳細(xì)了解長(zhǎng)三角地區(qū)2001-2014年每年TFP變動(dòng)及人均資本變動(dòng)與對(duì)人均產(chǎn)出的變化影響，下面列舉了2001年到2014年影響人均產(chǎn)出的因素變化情況，進(jìn)一步分析每年TFP對(duì)經(jīng)濟(jì)影響狀況。

表3槌と角地區(qū)每年人均資本投入與tfp對(duì)人均產(chǎn)出的影響程度分析，除2005、2007、2008、2010年人均資本投入小于tfp的影響外，其余年限均是人均資本投入占主導(dǎo)因素。觀察tfp對(duì)人均產(chǎn)出系數(shù)大小，發(fā)現(xiàn)從05年到08年tfp的系數(shù)逐漸增大，這可能與2003、2004年長(zhǎng)三角簽訂的《滬蘇浙共同推進(jìn)長(zhǎng)三角區(qū)域創(chuàng)新體系建設(shè)協(xié)議書》、長(zhǎng)三角地區(qū)科技中介戰(zhàn)略聯(lián)盟有關(guān)，促進(jìn)了經(jīng)濟(jì)的增長(zhǎng)。但自2011年后tfp對(duì)于人均產(chǎn)出的系數(shù)愈發(fā)小，雖然2010、2011年國(guó)家以及長(zhǎng)三角地區(qū)相繼推出許多政策，如《國(guó)務(wù)院關(guān)于進(jìn)一步推進(jìn)長(zhǎng)江三角洲地區(qū)改革開放和經(jīng)濟(jì)社會(huì)發(fā)展的指導(dǎo)意見》、《長(zhǎng)江三角洲地區(qū)區(qū)域規(guī)劃》等，旨在加快區(qū)域科技創(chuàng)新體系一體化發(fā)展，推動(dòng)長(zhǎng)三角率先建成國(guó)家自主創(chuàng)新綜合試驗(yàn)示范區(qū)，但對(duì)于經(jīng)濟(jì)增長(zhǎng)并沒達(dá)到預(yù)想的效果，反而tfp對(duì)人均產(chǎn)出的影響愈發(fā)小。

為比較長(zhǎng)三角各市人均產(chǎn)出影響因素的差異，我們運(yùn)用固定效應(yīng)變系數(shù)模型，如表4：

從表4看出，長(zhǎng)三角城市tfp和人均資本投入對(duì)各個(gè)城市的人均產(chǎn)出貢獻(xiàn)存在著明顯的差異，除了上海、南京、蘇州、常州、舟山、臺(tái)州外，其他城市均是tfp對(duì)人均產(chǎn)出的貢獻(xiàn)要大于人均資本投入對(duì)于人均產(chǎn)出的貢獻(xiàn)，有的城市的tfp對(duì)人均產(chǎn)出系數(shù)超過了1，這說明在現(xiàn)階段這些城市的經(jīng)濟(jì)增長(zhǎng)中效率提高和技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)較大。對(duì)于上海、蘇州而言，人均資本投入的系數(shù)略大于tfp的系數(shù)，說明上海、蘇州的經(jīng)濟(jì)增長(zhǎng)中資本投入還是占據(jù)重要的地位；對(duì)于南京、常州、舟山、臺(tái)州而言，人均資本投入的系數(shù)與tfp的系數(shù)相差較大，特別是臺(tái)州，資本投入的系數(shù)為1.170，而tfp的系數(shù)卻為0.077，二者相差很大，說明其經(jīng)濟(jì)增長(zhǎng)對(duì)資本投入的依賴很大。上述分析表明，目前投資和基礎(chǔ)設(shè)施建設(shè)仍是長(zhǎng)三角城市經(jīng)濟(jì)發(fā)展的主要推動(dòng)力。TFP對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)程度較低，說明長(zhǎng)三角的這些城市經(jīng)濟(jì)增長(zhǎng)中效率提高和技術(shù)進(jìn)步并不占有明顯的比重。

五、結(jié)論與建議

筆者首先對(duì)2000-2014年長(zhǎng)三角16市的TFP變化進(jìn)行分析，然后通過建立面板數(shù)據(jù)進(jìn)一步分析人均資本投入、tfp與單位人均產(chǎn)出之間關(guān)系，結(jié)果表明：tfp對(duì)人均產(chǎn)出促進(jìn)效果小于人均資本投入，長(zhǎng)三角經(jīng)濟(jì)發(fā)展仍主要依靠資本投入，但是由于目前能源愈發(fā)匱乏，人口也趨向于老齡化，所以經(jīng)濟(jì)發(fā)展無論依靠是資本還是勞動(dòng)力投入，都難以為長(zhǎng)三角地區(qū)城市的經(jīng)濟(jì)可持續(xù)發(fā)展提供強(qiáng)勁后力。由于資源的瓶頸，長(zhǎng)三角需要將重點(diǎn)轉(zhuǎn)到如何提高全要素生產(chǎn)率，為長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)提供可持續(xù)發(fā)展的動(dòng)力。至于如何提高全要素生產(chǎn)率，筆者主要是從技術(shù)和規(guī)模效率兩個(gè)方面提出以下建議：

1.深化市場(chǎng)機(jī)制改革、提高企業(yè)管理水平，提高地區(qū)的規(guī)模效率。一方面長(zhǎng)三角地區(qū)應(yīng)繼續(xù)進(jìn)一步加快市場(chǎng)化體制改革、克服現(xiàn)有體制的弊端，釋放要素再配置效應(yīng)，促進(jìn)資源的進(jìn)一步優(yōu)化配置，提高資本要素和勞動(dòng)力要素配置的靈活性；另一方面應(yīng)提高企業(yè)管理的水平，努力為企業(yè)家精神的發(fā)揮創(chuàng)造條件，優(yōu)化資源配置，以提高效率改善對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)。

2.改善科技發(fā)展環(huán)境，注重長(zhǎng)三角城市間創(chuàng)新體系管理，提升長(zhǎng)三角自主創(chuàng)新的能力。近年來，美國(guó)“波士華”城市群和日本東海道城市群的知識(shí)經(jīng)濟(jì)高技術(shù)產(chǎn)業(yè)在這些城市之間集聚，形成良好的合作創(chuàng)新體系，有效地促進(jìn)了技術(shù)進(jìn)步，進(jìn)而有效提高了全要素生產(chǎn)力，為其經(jīng)濟(jì)增長(zhǎng)提供了新動(dòng)力。反觀長(zhǎng)三角的創(chuàng)新體系建設(shè)中存在城市之間缺乏聯(lián)動(dòng)，布局較分散，單干蠻干，效率低下等問題。所以長(zhǎng)三角應(yīng)深入實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，落實(shí)各項(xiàng)政策，擺脫形式主義，加快形成以創(chuàng)新為主要引領(lǐng)和支撐的經(jīng)濟(jì)體系和發(fā)展模式，提高教育質(zhì)量、引進(jìn)高技術(shù)人才和加大R&D投入力度，提高區(qū)域創(chuàng)新能力，形成點(diǎn)線面結(jié)合的科技創(chuàng)新區(qū)域，增強(qiáng)創(chuàng)新能力，促進(jìn)技術(shù)進(jìn)步。

3.提升科技成果的產(chǎn)出質(zhì)量，提高技術(shù)成果的轉(zhuǎn)化率。目前長(zhǎng)三角地區(qū)存在大量的科技成果的閑置，但科技成果轉(zhuǎn)化成經(jīng)濟(jì)效益力度卻不大。長(zhǎng)三角應(yīng)當(dāng)努力創(chuàng)建科學(xué)合理的利益分配機(jī)制，完善科技成果轉(zhuǎn)化的激勵(lì)體系，使科技產(chǎn)出符合長(zhǎng)三角實(shí)際的經(jīng)濟(jì)發(fā)展需要，繼而提高技術(shù)成果轉(zhuǎn)化率，促進(jìn)技術(shù)進(jìn)步最大化，促進(jìn)長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展。

參考文獻(xiàn)：

[1] Fleisher， Belton M. and Jian Chen.The Coast-Noncoast Income Gap， Productivity，and Regional Economic Policy in China[J]，Journal of Comparative Economics，1997（2）.

[2] Scott L.Baier，Gerald P.Dwyer，Robert Tamura.How Important are Capital and Total Factor Productivity for Economic Growth？[J].Economic inquiry，2006（1）.

[3] Gregory Chow.Another look at the rate of increase in TFP in china[J] .Journal of Chinese Economic and Business Studies ，2008（2）.

[4] Tian X.and X.Yu .The Enigmas of tfp in China：A Meta-Analysis[J].China Economic Reviews，2012（2）.

[5] 紹濂，胡祖光.經(jīng)濟(jì)系統(tǒng)的經(jīng)濟(jì)效益度量的綜合指標(biāo)――全要素生產(chǎn)率的研究和探討[J].系統(tǒng)工程理論與實(shí)踐，1986（1）.

[6] 孔翔，Rorbert E.Marks，萬廣華.國(guó)有企業(yè)全要素生產(chǎn)率及其決定因素：1990-1994[J].經(jīng)濟(jì)研究，1999（7）

[7] 張軍，施少華.中國(guó)經(jīng)濟(jì)全要素生產(chǎn)率的變動(dòng)，1952-1998[J].世界經(jīng)濟(jì)文匯，2003（2）

[8] 顏鵬飛，王兵.技術(shù)效率、技術(shù)進(jìn)步和生產(chǎn)率提高――基于DEA的實(shí)證分析[J].經(jīng)濟(jì)研究，2004（12）

[9] 吳新博.中國(guó)各地區(qū)全要素生產(chǎn)率的測(cè)定與比較分析[J].運(yùn)籌與管理，2006（5）

[10] 許小雨.長(zhǎng)三角全要素生產(chǎn)率的測(cè)算及影響因素分析[D].南京大學(xué)，2011

[11] 王鑫.長(zhǎng)三角地區(qū)全要素生產(chǎn)率的測(cè)算與比較分析[D].寧波大學(xué)，2015

[12] 趙偉光，敬莉.全要素生產(chǎn)率、資本投入與西北五省經(jīng)濟(jì)增長(zhǎng)[J].科技與產(chǎn)業(yè)，2015（2）

[13] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社，2009

[14] 李子奈，潘文卿.計(jì)量經(jīng)濟(jì)學(xué)[M].北京：高等教育出版社，2010