论文部分内容阅读
【摘要】本文运用中国25个城市群2008～2012年时间序列数据先测算了25个城市群的全要素生产率，然后再测出全要素生产率的基础上再次运用25个城市群2008～2012年的面板数据测算了高速交通网对全要素生产率的影响。研究发现高速交通网的发展与要素生产率有较强的正相关关系。高速交通网每增长1个百分点，可以使全要素生产率提高0.36个百分点。
【关键词】高速交通网 全要素生产率
一、引言
自2010年第二季度以来，全国GDP增速持续下滑，到2014年第三季度GDP增速已下滑至7.4%。毫无疑问，中国已由高速增长国家转向中高速增长。根据2014年10月份的数据，10月份全国固定资产投资增速和PPI指数进一步下滑，这些指标显示全国经济下行压力较大，同年10月16日到11月5日这21天的时间里，国家发改委先后批复了16条铁路和5个机场共21个基建项目，这些项目总投资达6933.74亿元。这些巨大的基础设施投资的确对经济有较强的推动作用，能够稳定经济，然而这些巨额投资是否具有效率，通过投资对经济的刺激和推动作用是否具有持续性，是值得和需要进行深入探讨的。
因此本文用全要素生产率来测算高速公路和高速铁路组成的高速交通在网城市群成长的效率和可持续性。
二、全要素生产率的测算
（一）全要素生产率的测算
生产要素的投入无疑会带来经济的增长，但是往往经济增长的效率远远高于要素投入所应该带来的增长，这个现象一直是经济学家们苦于探索的问题。Solow提出了一个带有技术进步的内生增长模型，该模型把经济的增长分解为资本，劳动要素的投入和其他的 生产效率，这部分其他的生产效率成为全要素生产率。在Solow的模型中，全要素生产率的主要来源是技术进步，而后来的经济学家们认为全要素生产率的提高还应该包括效率的改善和规模效应。因此全要素生产率是衡量一个地区或国家发展潜力的重要指标。
全要素生产率的测算方法分为两种。一种是基于具体生产函数的测算方法。这些函数法包括C-D函数法，代数指数法，和超越对数生产函数法。由于代数指数法本身存在缺陷（暗含劳动力和资本可以自由替代），此方法并不适用于实证。而超越对数生产函数法本质上还是C-D函数法。因此全要素生产率的测量大都使用C-D函数法。另一类型测算方法是包括指数法，数据包络分析方法（DEA）和DEA-Malmquist指数方法，这些都是一些非参数的方法。基于本文不需要将全要素生产率进行分解，因此借鉴赵奉军采用C-D函数的方法。
（二）模型、数据和TFP核算
1.TFP核算模型。假设设生产函数为：
Yi，t表示i城市群在t年的产出，Li，t表示表示i城市群在t年的劳动投入，εi，t表示随机干扰项。
2.数据来源和说明。本文选取中国25大城市群2008～2012年的面板数据作为研究对象。城市群划分来源于《全国主体功能区规划》和张学良（2013），具体是：环渤海，京津冀，辽中南，山东半岛，长三角，珠三角，太原，呼包鄂，哈长，东陇海，江淮，海峡两岸，中原，长江中游，武汉，环长株潭，环鄱阳湖，北部湾，成渝，黔中，滇中，关中-天水，兰州-西宁，宁夏沿黄河，天山北坡城市群。各城市群产出，劳动投入和固定资产投资数据均来源于各《中国城市统计年鉴》并进行加总所得。所缺数据用线性插值法补齐，各城市群产出都以2007年为基期处理。
对于资本存量的计算，采用永续盘古法计算。基期定为2007年，基期资本存量的确定，参考Young（2003）用2007年固定资本投资除以10最为基期资本存量。按照永续盘古法，第i个城市第t年的资本存量为：
其中，δ为资产折旧率，采用张军（2004）所用的9.6%，Ii，t为i城市群第t年的固定资产投资，pt是固定资产投资价格指数，来源于《中国统计年鉴》，并以2007年为基期做了处理，Ki，t-1是i城市群第t-1年的资本存量。
3.TFP核算结果。
表1 回归结果
Standard errors in parentheses
***p<0.01，**p<0.05，*p<0.1
根据表1的回归结果，产出弹性β=0.742，则α=1-β=0.258。按照公式可以计算出各个城市群2008～2012年的全要素生产率。
三、实证分析
（一）实证模型
在上文求解出因变量全要素生产率的基础上，我们将回归模型设定为
其中，i表示城市群，t表示年份，TFP为全要素生产率，RD为主要解释变量，X为一组控制变量，μ为随机干扰项。
（二）变量和数据来源说明
主要解释变量RD。用每平方公里上的高速交通线路里程即高速交通网密度来表示各个城市群的高速交通发育状况。考虑到铁路速度和公路速度不一样，在计算高速路线路里程的是不能直接相加，因此我们按照速度给予不同种类的高速路不同的权重。铁路在第六次大面积提速以后，运行速度达到200km/h。高铁在2011年降速以后，目前运行速度在300km/h。而高速公路运行速度不得超过120km/h，所以高速公路速度按照100km/h来计算。因此高速交通网的计算公式为：
其中，RD是城市群高速交通网密度，LR是城市群铁路运营里程，LE是城市群高速公路运营里程，S为城市群面积。对控制变量的说明如下。
人力资本（pc）。以Lucas、Barro、Romer等人为代表的新经济增长理论，都把人力资本作为影响经济长期增长的因素之一。人力资本有利于吸收现有技术并能促进创新，容易实现规模报酬递增。人力资本变量的算法有许多种，本文采用人均受教育年限作为人力资本，具体算法借鉴陈钊的做法。 产业结构（is）。WU，李小平，刘伟，姚战琦等研究表明要素在不同行业之间的分配产生的产业结构配置效应会影响经济的长期增长。本文采用二三产业增加值占GDP的比例作为产业结构。
实际利用FDI（fdi）。Blomstrom，M.，Wilbur，C，沈坤荣，余浩等分别从两个角度说明了FDI对全要素生产率的影响。一是FDI促进了本地市场的竞争从而提高了全要素生产率，二是对本地市场的技术溢出效应。本文采用实际利用FDI占GDP的比重作为一个控制变量。
城市群规模（cgs）。Segal指出城市的积聚效应会促使全要素生产率的提高。Fogarty指出城市人口增加会明显提高生产率。本文采用城市群人口密度作为城市群规模的衡量指标。
城市群创新能力（ps）。Mansfield、Hall&Mairesse、Harhoff，吴延兵，李小平等人指出R&D对全要素生产率有促进作用。为了体现R&D的成果和转化能力，我们采用各个城市群三种专利的授权量作为城市创新能力的指标。
（三）实证结果和分析
表2 估计结果
***p<0.01，**p<0.05，*p<0.1
从表2第1列可以看出模型较好的估计了交通设施对全要素生产率的影响。模型1中可以看出，高速交通网密度在5%的水平下显著且为正。这说明交通网与全要素生产率有较强的正相关关系。城市群高速交通网密度每提高1个百分点，可以使城市群全要素生产率提高0.36个百分点。充分表明我国快速城市化过程中，高铁、高速公路以及铁路提速构成的高速交通网不仅促成了城市群的快速成型，还为城市群长期经济增长率奠定了良好的基础。人力资本仍然是推动全要素生产率增长的重要因素。人力资本每提高1个百分点，可以使全要素生产率增4.72个百分点。可以看出人力资本依旧是我国经济高速发展的最重要的推动力。
但是从产业结构来看，第二，三产业增加值占GDP得比例与全要素生产率是负相关关心，并且在1%的水平下显著。这说明我国城市群产业结构还是不合理。我国这些年城市群成长过程中并不是能提高全要素生产率的高科技产业的蓬勃发展，而是低效率产业的不断转移，这些低效率产业的转移并没有对落后地区的生产率带来很大改进，而且还降低了发达的地区的总体生产率。第三产业的发展更多的是集中在消费性服务业而不是生产性服务业，这些消费性服务业的开发虽然当地经济带来了较大的提高，但是并没有实际产出不能产生要素的积累，所以并没有使全要素生产率提高。
为了印证模型1中产业结构的负相关关系，我们使用了模型2，将第三产业从产业结构中分离出来，用第三产业增加值占GDP比例来验证其对全要素生产率的影响。在模型2中可以看出第三产业增加值占GDP比例与城市群全要素生产率在1%的水平下呈显著的负相关关系。第三产业增加值占GDP比例每提高1个百分点，可以使全要素生产率下降0.86个百分点。FDI与全要素生产率在5%的水平下呈显著的正相关关系。FDI每提高1个百分点，能使全要素生产率提高0.1个百分点，FDI带来的溢出效应是城市群成长的良好助推器。在模型1中，城市群规模与全要素生产率没有显著的相关关系。但是模型2中城市群规模与全要素生产率在5%的水平下显著负相关。这是由于城市群人口密度的增加带来的更多是消费性服务业的发展，因此会影响全要素生产率的增长。用三种专利授权总数体现的城市群创新能力与全要素生产率在5%的水平下显著，三种专利授权总数每提高1个百分点能够使全要素生产率提高0.13个百分点，科技进步带来的生产率提高一直都是经济长期发展的不二法宝。
四、结论
本文先用C-D函数求出25个城市群的全要素生产率，之后运用25个城市群的面板数据来估计高速交通网对全要素生产率的影响。研究结果证明高速交通网对全要素生产率的提高有较大的推动作用。因此，通过大规模投资来改善交通设施有助于城市群长期经济增长。
参考文献
[1]陈钊，陆铭，金钰.《中国人力资本和教育发展的区域差异：对于面板数据的估算》.《经济研究》，2004第12期.
[2]陈建军，郑广建.《集聚视角下高速铁路与城市发展》.《江淮论坛》，2014第2期.
[3]郭庆旺，贾俊雪.《中国全要素生产率的估算：1979～2004》.《经济研究》，2005第6期.
作者简介：张岐锋（1989-），男，汉族，云南保山人，云南大学硕士研究生，研究方向：西方经济学；胡健（1992-），男，汉族，云南文山人，云南大学硕士研究生，研究方向：机器学习。
【关键词】高速交通网 全要素生产率
一、引言
自2010年第二季度以来，全国GDP增速持续下滑，到2014年第三季度GDP增速已下滑至7.4%。毫无疑问，中国已由高速增长国家转向中高速增长。根据2014年10月份的数据，10月份全国固定资产投资增速和PPI指数进一步下滑，这些指标显示全国经济下行压力较大，同年10月16日到11月5日这21天的时间里，国家发改委先后批复了16条铁路和5个机场共21个基建项目，这些项目总投资达6933.74亿元。这些巨大的基础设施投资的确对经济有较强的推动作用，能够稳定经济，然而这些巨额投资是否具有效率，通过投资对经济的刺激和推动作用是否具有持续性，是值得和需要进行深入探讨的。
因此本文用全要素生产率来测算高速公路和高速铁路组成的高速交通在网城市群成长的效率和可持续性。
二、全要素生产率的测算
（一）全要素生产率的测算
生产要素的投入无疑会带来经济的增长，但是往往经济增长的效率远远高于要素投入所应该带来的增长，这个现象一直是经济学家们苦于探索的问题。Solow提出了一个带有技术进步的内生增长模型，该模型把经济的增长分解为资本，劳动要素的投入和其他的 生产效率，这部分其他的生产效率成为全要素生产率。在Solow的模型中，全要素生产率的主要来源是技术进步，而后来的经济学家们认为全要素生产率的提高还应该包括效率的改善和规模效应。因此全要素生产率是衡量一个地区或国家发展潜力的重要指标。
全要素生产率的测算方法分为两种。一种是基于具体生产函数的测算方法。这些函数法包括C-D函数法，代数指数法，和超越对数生产函数法。由于代数指数法本身存在缺陷（暗含劳动力和资本可以自由替代），此方法并不适用于实证。而超越对数生产函数法本质上还是C-D函数法。因此全要素生产率的测量大都使用C-D函数法。另一类型测算方法是包括指数法，数据包络分析方法（DEA）和DEA-Malmquist指数方法，这些都是一些非参数的方法。基于本文不需要将全要素生产率进行分解，因此借鉴赵奉军采用C-D函数的方法。
（二）模型、数据和TFP核算
1.TFP核算模型。假设设生产函数为：
Yi，t表示i城市群在t年的产出，Li，t表示表示i城市群在t年的劳动投入，εi，t表示随机干扰项。
2.数据来源和说明。本文选取中国25大城市群2008～2012年的面板数据作为研究对象。城市群划分来源于《全国主体功能区规划》和张学良（2013），具体是：环渤海，京津冀，辽中南，山东半岛，长三角，珠三角，太原，呼包鄂，哈长，东陇海，江淮，海峡两岸，中原，长江中游，武汉，环长株潭，环鄱阳湖，北部湾，成渝，黔中，滇中，关中-天水，兰州-西宁，宁夏沿黄河，天山北坡城市群。各城市群产出，劳动投入和固定资产投资数据均来源于各《中国城市统计年鉴》并进行加总所得。所缺数据用线性插值法补齐，各城市群产出都以2007年为基期处理。
对于资本存量的计算，采用永续盘古法计算。基期定为2007年，基期资本存量的确定，参考Young（2003）用2007年固定资本投资除以10最为基期资本存量。按照永续盘古法，第i个城市第t年的资本存量为：
其中，δ为资产折旧率，采用张军（2004）所用的9.6%，Ii，t为i城市群第t年的固定资产投资，pt是固定资产投资价格指数，来源于《中国统计年鉴》，并以2007年为基期做了处理，Ki，t-1是i城市群第t-1年的资本存量。
3.TFP核算结果。
表1 回归结果
Standard errors in parentheses
***p<0.01，**p<0.05，*p<0.1
根据表1的回归结果，产出弹性β=0.742，则α=1-β=0.258。按照公式可以计算出各个城市群2008～2012年的全要素生产率。
三、实证分析
（一）实证模型
在上文求解出因变量全要素生产率的基础上，我们将回归模型设定为
其中，i表示城市群，t表示年份，TFP为全要素生产率，RD为主要解释变量，X为一组控制变量，μ为随机干扰项。
（二）变量和数据来源说明
主要解释变量RD。用每平方公里上的高速交通线路里程即高速交通网密度来表示各个城市群的高速交通发育状况。考虑到铁路速度和公路速度不一样，在计算高速路线路里程的是不能直接相加，因此我们按照速度给予不同种类的高速路不同的权重。铁路在第六次大面积提速以后，运行速度达到200km/h。高铁在2011年降速以后，目前运行速度在300km/h。而高速公路运行速度不得超过120km/h，所以高速公路速度按照100km/h来计算。因此高速交通网的计算公式为：
其中，RD是城市群高速交通网密度，LR是城市群铁路运营里程，LE是城市群高速公路运营里程，S为城市群面积。对控制变量的说明如下。
人力资本（pc）。以Lucas、Barro、Romer等人为代表的新经济增长理论，都把人力资本作为影响经济长期增长的因素之一。人力资本有利于吸收现有技术并能促进创新，容易实现规模报酬递增。人力资本变量的算法有许多种，本文采用人均受教育年限作为人力资本，具体算法借鉴陈钊的做法。 产业结构（is）。WU，李小平，刘伟，姚战琦等研究表明要素在不同行业之间的分配产生的产业结构配置效应会影响经济的长期增长。本文采用二三产业增加值占GDP的比例作为产业结构。
实际利用FDI（fdi）。Blomstrom，M.，Wilbur，C，沈坤荣，余浩等分别从两个角度说明了FDI对全要素生产率的影响。一是FDI促进了本地市场的竞争从而提高了全要素生产率，二是对本地市场的技术溢出效应。本文采用实际利用FDI占GDP的比重作为一个控制变量。
城市群规模（cgs）。Segal指出城市的积聚效应会促使全要素生产率的提高。Fogarty指出城市人口增加会明显提高生产率。本文采用城市群人口密度作为城市群规模的衡量指标。
城市群创新能力（ps）。Mansfield、Hall&Mairesse、Harhoff，吴延兵，李小平等人指出R&D对全要素生产率有促进作用。为了体现R&D的成果和转化能力，我们采用各个城市群三种专利的授权量作为城市创新能力的指标。
（三）实证结果和分析
表2 估计结果
***p<0.01，**p<0.05，*p<0.1
从表2第1列可以看出模型较好的估计了交通设施对全要素生产率的影响。模型1中可以看出，高速交通网密度在5%的水平下显著且为正。这说明交通网与全要素生产率有较强的正相关关系。城市群高速交通网密度每提高1个百分点，可以使城市群全要素生产率提高0.36个百分点。充分表明我国快速城市化过程中，高铁、高速公路以及铁路提速构成的高速交通网不仅促成了城市群的快速成型，还为城市群长期经济增长率奠定了良好的基础。人力资本仍然是推动全要素生产率增长的重要因素。人力资本每提高1个百分点，可以使全要素生产率增4.72个百分点。可以看出人力资本依旧是我国经济高速发展的最重要的推动力。
但是从产业结构来看，第二，三产业增加值占GDP得比例与全要素生产率是负相关关心，并且在1%的水平下显著。这说明我国城市群产业结构还是不合理。我国这些年城市群成长过程中并不是能提高全要素生产率的高科技产业的蓬勃发展，而是低效率产业的不断转移，这些低效率产业的转移并没有对落后地区的生产率带来很大改进，而且还降低了发达的地区的总体生产率。第三产业的发展更多的是集中在消费性服务业而不是生产性服务业，这些消费性服务业的开发虽然当地经济带来了较大的提高，但是并没有实际产出不能产生要素的积累，所以并没有使全要素生产率提高。
为了印证模型1中产业结构的负相关关系，我们使用了模型2，将第三产业从产业结构中分离出来，用第三产业增加值占GDP比例来验证其对全要素生产率的影响。在模型2中可以看出第三产业增加值占GDP比例与城市群全要素生产率在1%的水平下呈显著的负相关关系。第三产业增加值占GDP比例每提高1个百分点，可以使全要素生产率下降0.86个百分点。FDI与全要素生产率在5%的水平下呈显著的正相关关系。FDI每提高1个百分点，能使全要素生产率提高0.1个百分点，FDI带来的溢出效应是城市群成长的良好助推器。在模型1中，城市群规模与全要素生产率没有显著的相关关系。但是模型2中城市群规模与全要素生产率在5%的水平下显著负相关。这是由于城市群人口密度的增加带来的更多是消费性服务业的发展，因此会影响全要素生产率的增长。用三种专利授权总数体现的城市群创新能力与全要素生产率在5%的水平下显著，三种专利授权总数每提高1个百分点能够使全要素生产率提高0.13个百分点，科技进步带来的生产率提高一直都是经济长期发展的不二法宝。
四、结论
本文先用C-D函数求出25个城市群的全要素生产率，之后运用25个城市群的面板数据来估计高速交通网对全要素生产率的影响。研究结果证明高速交通网对全要素生产率的提高有较大的推动作用。因此，通过大规模投资来改善交通设施有助于城市群长期经济增长。
参考文献
[1]陈钊，陆铭，金钰.《中国人力资本和教育发展的区域差异：对于面板数据的估算》.《经济研究》，2004第12期.
[2]陈建军，郑广建.《集聚视角下高速铁路与城市发展》.《江淮论坛》，2014第2期.
[3]郭庆旺，贾俊雪.《中国全要素生产率的估算：1979～2004》.《经济研究》，2005第6期.
作者简介：张岐锋（1989-），男，汉族，云南保山人，云南大学硕士研究生，研究方向：西方经济学；胡健（1992-），男，汉族，云南文山人，云南大学硕士研究生，研究方向：机器学习。