EN中文

经济地理 >

2019 , Vol. 39 >Issue 9: 129 - 137

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.09.016

产业经济与创新发展

空间视角下要素市场扭曲与高技术产业TFP增长——基于电子及通信设备制造业的实证检验

  • 汪浩瀚 , 1 ,
  • 徐建军 , 2, ※ ,
  • 吕博 1
展开
  • 1.宁波大学 商学院，中国浙江 宁波 315211
  • 2.宁波大学 科学技术学院，中国浙江 宁波 315211
※徐建军（1977—），男，湖北赤壁人，硕士，副教授。主要研究方向为计量经济学方法应用。E-mail：。

汪浩瀚（1964—），男，安徽合肥人，博士，教授，博士生导师。主要研究方向为数量经济与产业经济理论。E-mail：。

收稿日期: 2018-12-28

  修回日期: 2019-04-27

  网络出版日期: 2025-04-17

基金资助

国家自然科学基金面上项目(71773057)

教育部人文社会科学研究青年基金项目(16YJCZH124)

教育部人文社会科学研究青年基金项目(17YJCZH218)

浙江省科技厅软科学研究项目(2018C35G2070227)

收起

Factor Market Distortion and TFP Growth of High-Tech Industry from the Spatial Perspective：An Empirical Test Based on Manufacturing of Electronic and Communication Equipment

  • WANG Haohan , 1 ,
  • XU Jianjun , 2, ※ ,
  • LYU Bo 1
Expand
  • 1. Faculty of Business，Ningbo University，Ningbo 315211，Zhejiang，China
  • 2. College of Science & Technology，Ningbo University，Ningbo 315211，Zhejiang，China

Received date: 2018-12-28

  Revised date: 2019-04-27

  Online published: 2025-04-17

Fold

摘要

以中国电子及通信设备制造业为例，首先测算资本要素、劳动力要素和研发劳动力要素价格扭曲程度，进而构建空间面板模型检验不同要素价格扭曲对全要素生产率（TFP）的影响并比较其地区差异。结果发现：①资源错配导致的要素价格扭曲程度客观存在，东部资本要素和研发人员要素价格扭曲程度远远高于中西部地区，中西部劳动力要素价格扭曲程度高于东部。②中国电子及通信设备制造业的TFP增长存在显著的空间溢出效应，各类要素市场扭曲对该行业TFP增长呈现显著的抑制作用，抑制作用最大的是劳动力要素市场的扭曲。③不同地区要素市场扭曲对该行业TFP增长的影响差异明显。其中，资本要素扭曲对三大区域TFP增长均呈现显著的抑制作用，劳动力要素仅对东部地区TFP的抑制作用具有统计显著性，研发劳动力要素扭曲能提升东部和中部该行业的TFP，而抑制西部地区该行业的TFP。

关键词： 要素市场扭曲; 全要素生产率增长; 高技术产业; 资本要素; 劳动力要素; 资源错配; R&D资源

本文引用格式

汪浩瀚 , 徐建军 , 吕博 . 空间视角下要素市场扭曲与高技术产业TFP增长——基于电子及通信设备制造业的实证检验[J]. 经济地理, 2019 , 39(9) : 129 -137 . DOI: 10.15957/j.cnki.jjdl.2019.09.016

Abstract

Taking manufacturing industry of China's electronic and telecommunication equipment as a research object, this paper measures the factor market distortion from the perspectives of capital, labor and R&D labor factors, and constructs a spatial panel model to test the effects of different factor distortion on total factor productivity (TFP) growth and compare their regional differences. The results show that: 1) The distortion degree of factor price caused by resource mismatch objectively exists, and the distortion degree of factor price of capital and R&D personnel in eastern China is much higher than that in central and western China, while the distortion degree of labor force in central and western China is higher than that in eastern China; 2) There is a significant spatial spillover effect in the growth of TFP in manufacturing industry of China's electronic and communication equipment, and three factor market distortions have a significant inhibitory effect on the TFP growth, and the biggest inhibitory effect is distortion of labor factor market; 3) Factor market distortions in different regions have significant different impact on the TFP growth. Among them, capital factor distortion has significant inhibition on the TFP growth in the three regions, labor factor only has statistical significance on the TFP growth in the eastern region, and R&D labor factor distortion can restrain industry TFP in the western region and enhance industry TFP in the eastern and central regions.

Key words： factor market distortion; TFP growth; high-tech industry; capital element; labor factor; misallocation of resources; R&D resources

市场化改革使得中国大多数商品与服务已基本确立市场形成价格的机制，但要素市场的市场化进程却严重滞后。十八届三中全会再次强调要使市场在资源配置中起到决定性作用，其中关键是要形成合理的要素价格机制并推动要素市场的进一步开放，而要素价格是否扭曲是衡量要素市场完善程度的重要指标，也可能是中国经济潜在增长率下降的一个重要原因。要素市场扭曲是否抑制中国全要素生产率（Total Factor Productivity，TFP）下降有待深入检验。
关于要素市场扭曲与效率缺失的研究较多。王宁认为要素价格的扭曲对投入结构和产出结构产生影响，低廉的劳动力导致企业倾向于发展劳动力密集型产业，并导致帕累托效率缺失[1]；白俊红等通过中国省份面板数据证实要素价格扭曲造成企业创新效率缺失[2]。钟世川就我国要素价格扭曲与制造业TFP关系进行分析，结果表明要素价格扭曲对TFP产生负向抑制作用[3]；张杰等基于工业企业的研究发现，地方政府的政策管控虽在短期内能提升地方经济，但会显著抑制该地区企业的研发投入[4]；李平等则认为，较高的要素价格扭曲导致工人自身和后代的教育投入降低进而影响人力资源累积，导致企业人才流失与创新意愿下降[5]。
从已有研究来看，相关研究大多限于传统产业特征，投入要素忽略研发投入，但对于高技术产业的发展而言，研发投入是主要因素[6]，尽管研发投入的设备与企业资本较难分离，但是研发人员与劳动力的分离较为简单，而高技术产业发展特征导致要素价格扭曲包含技术扭曲，已有研究往往忽略这一点。此外，迄今为止的研究均忽略由要素流动和聚集特性造成的空间相关性，劳动力尤其是高素质劳动力更容易在空间上产生聚集，进而导致劳动力要素市场扭曲程度上升[7]。另一方面，某地区较高的要素价格扭曲程度会促使要素向外转移[8]，因此，研究要素市场的扭曲问题应考虑技术、人才转移带来的空间溢出效应。
正是基于上述考虑，本文结合2002—2015年中国26个省份电子及通信设备制造业的基础数据，首先测算资本要素扭曲、劳动力要素和研发劳动力要素扭曲程度，进而构建空间计量分析模型，实证检验不同要素市场扭曲对TFP增长的影响及其地区差异，以期为该领域的研究提供边际贡献。

1 要素市场扭曲与高新技术产业TFP增长的内在关联：理论模型

假设某产业共有 N种生产要素，投入量分别为 x 1， x 2， x 3，…， x N，生产函数形式如下：
Y = η ⋅ A t ∙ ∏ s = 1 N x s a s = A t ∙ ∏ s = 1 N η s ∙ x s a s
式中： Y为产出； a s为生产要素 s的产出弹性； A t为全要素生产率； η表示纯技术效率； η s = η 1 a s ⋅ N，表示要素 s的几何平均纯技术效率。
假设产品价格 P = 1，要素扭曲系数 D I S T s为：
D I S T s = V P M s ω s = M P s ω s = ∂ Y ∂ x s ⋅ ω s = a s ∙ η s ⋅ Y x s ∙ ω s
式中： V P M s、 M P s、 ω s分别表示要素 s的边际产品价格、边际产出、使用价格。当 D I S T s = 1时，认为不存在扭曲；当 D I S T s 1时，要素 s存在价格低估，存在负向扭曲，反之存在价格高估与正向扭曲。
测算的 D I S T s包含三部分：一是与生产函数的规模报酬形式，即与规模效率相关的要素价格扭曲 λ s，这指存在规模报酬递增产业的生产行为导致要素价格负向扭曲；二是与纯技术效率相关的要素价格扭曲 η s。前两种扭曲的乘积称为技术扭曲[9]，无法表现“人为”的要素价格扭曲程度，故加入系数 d i s t s以表示要素 s源于要素市场扭曲的价格扭曲。因此， D I S T s具有以下分解形式：
D I S T s = λ s ∙ η s ∙ d i s t s
忽略要素之间的相对扭曲以及要素市场扭曲，并假定不存在纯技术效率缺失，即 λ 1 = λ 2 = … = λ N， d i s t 1 = d i s t 2 = ⋯ = d i s t N = 1且 η 1 = η 2 = ⋯ = η N = 1，假设产品市场完善，即产品市场完全竞争，超额利润 R = 0，则
∑ s = 1 N a s λ s = 1 → 各 要 素 间 不 存 在 相 对 扭 曲 λ i = ∑ s = 1 N a s
式（4）表明当要素不存市场扭曲和生产效率缺失时，其价格扭曲与该产业的规模报酬形式有关。当规模报酬不变时，不存在扭曲；当规模报酬递增时，存在负向扭曲，反之存在正向扭曲。
当考虑厂商纯技术效率和规模效率不发生变化时其要素投入状况，则要素价格扭曲完全来自于要素市场扭曲。当 η 1 = η 2 = ⋯ = η N = 1， λ s = ∑ s = 1 N a s，且厂商TFP不变的条件下，需求 x s为：
x s = a s ⋅ C ∙ ∑ k = 1 N a k ⋅ ω k - 1 = a s ⋅ C ⋅ d i s t s M P s
将厂商实际需求 x s代入式（1）中，得：
Y = A t ∙ ∏ s = 1 N d i s t s a s ∙ ∏ s = 1 N a s ⋅ C M P s a s = A t ∙ ∏ s = 1 N d i s t s a s ∙ ∏ s = 1 N x s * a s
记 a s ⋅ C M P s = x s *，即理论最优要素投入量。
假设在 t + 1时刻下，要素价格扭曲变为 d i s t s , t + 1，且 d i s t s , t + 1 = d i s t s θ s， θ s表示要素 s价格扭曲的变化情况。当 θ s 1时表示要素价格扭曲改善，当 θ s 1时表示要素价格扭曲加重。在产出规模不变条件下可得
A t A t - 1 = ∏ s = 1 n d i s t s r s
式中： A t A t - 1表示TFP指数； r s表示要素价格扭曲与TFP增长的影响因子。在要素市场扭曲降低能够提高TFP的假设下，可以得到推论：
r s = 1 θ s - 1 ⋅ a s ≤ 0
考虑纯技术效率、规模效率变动后得：
A t A t - 1 = ∏ s = 1 N D I S T s λ s ∙ η s r s
式（9）表明，TFP增长受要素市场扭曲的影响，要素价格扭曲系数与要素市场扭曲之间存在内在关联，但需要剔除纯技术效率与规模效率变动才能准确反映要素价格扭曲、要素市场扭曲和TFP增长之间的联系，在Malmquist方法中这两项的乘积即为技术效率变动。

2 要素市场扭曲影响高新技术产业TFP增长的实证检验：方案设计

2.1 实证方法

2.1.1 要素价格扭曲系数的测度方法

要素扭曲价格扭曲系数主要通过生产函数法进行测定，参照王宁和李平等人的研究[1,5]，采取边际产出与要素使用价格之间相比作为测算方法。 t年 i省市要素 s的价格扭曲的实际测算公式如下：
D I S T i j t = a ^ I j ⋅ Y - i x i j t ⋅ ω i j t
式中： Y - i为 i省市的年均产出； x i s t和 ω i s t分别表示 t年 i省市要素 s的投入量和使用价格； a ^ I s为 i省市所属地区 I要素 s的产出弹性系数估计值。
产出弹性系数通过C-D生产函数法测算，考虑到电子及通信设备制造业的发展存在区域联系，普通最小二乘法（OLS）可能会忽略由于政策、技术等因素带来的同期误差项相关性，并且由于划分区域导致三个地区的个体数小于时期数，故用面板似不相关回归模型（PDSURM）消除不同个体的同期误差相关性。

2.1.2 全要素生产率测算方法

TFP是衡量产业效率的有效指标，其测算方法主要分为参数法与非参数法，前者通过计量模型来测算产出增长中非要素投入增长的部分作为TFP，后者则使用DEA分析方法测算经济单元的产出边界的变动距离来衡量TFP。由于要素市场扭曲，导致要素间的技术替代率不完全相等，不满足新古典增长理论的基本假设，TFP无法通过参数法得到，因此常用的方法是利用基于DEA-Malmquist生产率指数来衡量TFP的变动情况[10]，这种方法无需一系列前提假设，具有较好的政策含义。计算公式如下：
T F P C H = M 0 x t , y t , x t + 1 , y t + 1 = D 0 t x t + 1 , y t + 1 ⋅ D 0 t + 1 x t + 1 , y t + 1 D 0 t x t , y t ⋅ D 0 t + 1 x t , y t = D 0 t x t + 1 , y t + 1 D 0 t + 1 x t + 1 , y t + 1 ⋅ D 0 t x t , y t D 0 t + 1 x t , y t = E F F C H ∙ T E C H
式中： T F P C H、 E F F C H、 T E C H分别为TFP指数、技术效率指数、技术进步指数。式（11）衡量了从 t期到 t + 1期TFP变化的Malmquist指数， x t , y t为 t期投入向量和产出向量， x t + 1 , y t + 1为 t + 1期的投入向量和产出向量， D 0 t为 t期的产出距离函数， D 0 t + 1为 t + 1期的产出距离函数。式（11）表示TFP可以分解为技术进步与技术效率，前者是通常意义上的技术进步，后者是指对现有技术条件的利用程度，反映在实际投入与最优产出投入面之间的距离。
技术效率进一步分解为纯技术效率（P E C H）和规模效率（S E C H）。规模效率指生产规模是否达到最优生产规模，即增大或减少投入无法达到最优生产边界；纯技术效率指要素投入是否达到了生产边界的最优组合。其分解形式如下：
E F F C H = P E C H ∙ S E C H
显然，式（9）中 λ ∙ η一项可使用 E F F C H来表示。

2.1.3 要素市场扭曲影响TFP增长的空间计量模型设定

①空间杜宾模型。如果本地及邻近地区的要素市场扭曲与邻近地区的TFP增长能够影响本地的TFP增长，采用空间杜宾面板数据模型（SDPDM）较为合理。
l n T F P C H i t = ρ ∑ j = 1 n W i j l n T F P C H j t + β ∑ j = 1 n W i j l n d i s t i s t + r s l n d i s t i s t + μ i + λ t + ε i t
式中： n为样本容量；下标 i与 t分别表示第 i个省市与第 t年； ρ表示空间滞后系数； W i j为 n × n维经标准化的空间权重矩阵 W的 i行 j列元素； d i s t i s t表示一系列要素市场扭曲，包括资本、普通劳动力、R&D人员和政策性扭曲； β、 r s为待估计参数； μ i、 λ t分别表示个体效应和时间效应； ε i t为独立同分布的随机误差项。
②空间滞后模型。如果TFP增长受到邻近地区要素市场扭曲的影响，则建立空间滞后面板数据模型（SLPDM）更为合理。
l n T F P C H i t = ρ ∑ j = 1 n W i j l n T F P C H j t + r s l n d i s t i s t + μ i + λ t + ε i t
变量符号同式（13）。
③空间误差模型。如果TFP增长受到邻近地区误差项的影响，则建立空间误差面板数据模型（SEPDM）更为合理。
l n T F P C H i t = r s l n d i s t i s t + μ i + λ t + φ i t φ i t = υ ∑ j = 1 n W i j φ j t + ε i t
式中： φ i t表示空间自相关的残差项，其生成过程受邻近区域的残差 φ j t和独立同分布的随机误差项 ε i t影响； υ为待估计的常系数；其余变量符号同式（13）。

2.2 变量处理与数据来源

本文所用选用指标如下：
产出值 Y：以各省市电子及通信设备制造业主营业务收入为总产出，并按生产者价格指数以2001年为基数进行平减。
资本存量 K：各省市电子及通信设备制造业固定资产投资额作为资本增量，并按固定资产价格指数以2001年为基数进行平减，采用永续盘存法得到资本存量，固定资产折旧采用国家规定年限20年，即每年9.6%折旧（δ = 9.6 %）。计算公式为： K t = K t - 1 + 1 - δ ⋅ I。
劳动力数量 L及R&D人员数量 R L：各省市电子及通信设备制造业R&D活动人员折合全时当量为R&D人员数量 R L。制造业从业人员平均人数减去R&D活动人员折合全时当量作为劳动力投入量 L，本文将普通劳动力与高素质劳动力进行区分，得到普通劳动力数量与R&D人员数量。
劳动力价格 ω L及R&D人员价格 ω R L：各省市计算机、通信和其他电子设备制造业人均工资为劳动力价格 ω L。由于缺乏对应的细分子行业的人均工资数据，故采用这一指标替代。R&D人员价格 ω R L采取各省市电子及通信设备制造业R&D人员劳务费除以R&D活动人员折合全时当量得到，两者均按居民消费物价水平指数进行平减。
资本价格 ω K：资本价格为银行贷款利率与固定资产折旧率加总[11]。其中，固定资产折旧率的值恒定为9.6%，银行利率为一年贷款利率均值。
资本市场扭曲 d i s t K、劳动力市场扭曲 d i s t L和研发劳动力市场扭曲 d i s t R L：首先根据式（10）计算价格扭曲指标，再将各类要素价格扭曲系数除以技术效率指数 E F F C H以剔除技术扭曲。
政策扭曲 d i s t g：电子及通信设备制造业作为高技术产业，往往会得到政府补贴，这便造成政策扭曲。在各类补贴中，研发经费补贴最为通用，故以各省市该产业的政府来源R&D经费占R&D经费内部支出的比重除以 E F F C H剔除技术扭曲测度政策扭曲程度。
空间权重矩阵：空间权重矩阵有地理距离权重矩阵、相邻权重矩阵和经济距离矩阵等多种形式，本研究考虑到劳动力迁徙受到地理距离的影响最大，故选择地理距离权重矩阵。 W i j为各个省会间的地理距离的倒数，并且进行标准化处理。
考虑到数据的可得性，本研究选取2001—2015年中国大陆26个省市（西藏、内蒙古、宁夏、青海、新疆除外）的电子及通信设备制造业数据作为样本，基础数据来源于《中国高技术产业统计年鉴》《中国统计年鉴》《中国固定资产投资统计年鉴》《中国劳动统计年鉴》。需要指出的是，①中国分地区分行业固定资产投资额2007年才开始公布，2001年的资本存量以1991、1996、2000三年的固定资产投资额折旧累计值代替；②由于各类要素价格统计年限不同，资本、劳动力和R&D人员要素价格扭曲系数的测算年限分别为2002—2015年、2003—2015年和2009—2015年；③空间计量分析受限于R&D人员要素价格扭曲数据的限制，样本期间限定在2009—2015年。

3 要素市场扭曲影响高新技术产业TFP增长的实证检验：结果与分析

3.1 要素市场扭曲的测度结果

资本、劳动力和研发劳动力要素价格扭曲系数如图1所示。由图1可知，我国电子及通信设备制造业的资本要素价格扭曲度较为平稳，2002—2008年处于下降阶段，而在2009年后却出现一定程度的上升。从资本要素的产出弹性系数上来看，东部为0.19，中部为0.308，西部为0.419，这表明东部地区资本扭曲远远高于中西部地区，资本要素的地区投入出现严重的错配现象，资本地区性错配造成了中国空间整体的效率缺失。
图1 三大要素价格扭曲变化图

Fig.1 The change of three factor price distortion from 2002 to 2015

劳动力要素价格扭曲呈现显著下降趋势，中西部比东部扭曲程度更高。这种现象跟相关的产业转移有关，东部地区产业发展到一定程度，需要将产业链中较低附加值的产业逐步向中西部转移，体现这一过程最为明显的是河南和北京。河南省在2002—2009年的主营业务收入只能位列全国第14，而在2010年—2015年上升至第8，与此同时北京则从第4降到第9。随着地区产业发展，北京由于其土地、政策限制，劳动力密集型产业将逐步向外转移，地区产出值降低，但劳动力平均薪资水平上升，从图1中可以看到北京的劳动力要素价格扭曲程度下降最快，而河南省在2004—2008年甚至出现一定程度上升，这与全国整体趋势相悖，这也表明在该时间段内河南可能采取政策手段人为地压低劳动力要素价格。
电子及通信设备制造业作为高技术产业，其R&D人员的价格扭曲最为严重。在知识产权保护体系不完善的现状下，R&D投入具有较高的风险，传统要素仍具有“红利窗口”的前提下，企业会抑制R&D投入，这导致R&D要素市场无法形成合理的价格机制，R&D人员的薪资跟其给企业带来的收益严重不符。对于东部地区而言，R&D投入带来的收益是三个地区中最高的，但R&D人员的价格扭曲也是最严重的，这除了跟相关市场机制不健全相关外，也跟高素质劳动力更容易在空间上产生聚集相关。从R&D人员的薪资水平上升速度来看，西部地区是最快的，2009—2015年提升了84.8%，相较之下东部为40.3%，中部仅为26.6%。据此可知，利用不断提高报酬吸引高素质人才落户是产业基础薄弱地区的重要手段之一。

3.2 要素市场扭曲影响TFP增长的空间计量分析结果

3.2.1 基于总样本的空间计量分析

①模型预检验。固定效应与随机效应的选择通过豪斯曼检验判别，本文的豪斯曼统计量为78.46，在1%显著性水平下显著，故选择固定效应模型进行参数估计。基本模型形式根据非观测项分为5类，各类模型的预检验结果见表1。
表1 总样本空间计量模型预检验

Tab.1 Pre-test of whole sample based on the spatial econometric model

变量 noFE cFE sFE tFE stFE
C 0.257***（4.162）
lngov -0.139***（-6.464） -0.065**（-2.386） 0.001（0.020） -0.092***（-3.645） -0.012（-0.484）
lndistk -0.088**（-2.535） -0.064*（-1.88） -0.557***（-5.357） -0.058*（-1.861） -1.022***（-6.982）
lndistl -0.025（-0.554） -0.200***（-3.300） -0.167（-1.604） -0.268***（-4.511） 0.090（0.654）
lndistrl -0.060**（-2.382） -0.058**（-2.415） 0.036（0.667） -0.068***（-3.118） 0.022（0.542）
R2 0.222 0.291 0.465 0.381 0.684
0.020 0.018 0.013 0.015 0.007
D-W Stat 1.835 1.828 1.366 2.225 2.125
LogL 100.375 108.871 141.542 127.314 195.954
AIC -1.059 -1.141 -1.226 -1.278 -1.124
SC -0.989 -1.053 -0.698 -1.085 -1.501
LM Test 5.562** 3.018* 7.177*** 1.471 0.357
Robust LM Test 4.448** 13.558*** 50.497*** 0.663 0.401
LM Test 16.472*** 24.787*** 172.846*** 2.528 1.138
Robust LM Test Error 15.357*** 35.327*** 216.166*** 1.720 1.182
Wald Test（SLM） 36.721*** 22.012*** 84.285***
LR Test（SLM） 33.457*** 18.452*** 79.505***
Wald Test（SEM） 12.530** 19.595*** 10.692**
LR Test（SEM） 27.833*** 7.061** 11.469**

注：①根据有无截距项、个体效应与时间效应选择可以分为5种基本形式，分别是无截距项（noFE）、有截距项（cFE）、个体固定效应（sFE）、时间固定效应（tFE）和时空固定效应（stFE）；②*、**、***分别表示在10%、5%、1%水平下显著。表2~表4同。

本文以LM检验（Lagrange Multipier Test）和稳健性LM检验（Robust Lagrange Multipier Test）作为OLS、SEM和SLM选择判断依据，以Wald检验和LR检验作为SDM能够简化为SEM或SLM的判断依据[12]。从表1中可以看出，除时间固定效应模型外，其余模型预检验均支持建立空间面板模型。在个体固定效应与无固定效应的选择中，采用施瓦茨准则（SC）作为判别依据，无固定效应的模型其SC值更小，故应进一步分析无固定效应模型。由于不同的置信度标准将对模型选择产生影响，5%显著性水平条件下应选择noFE与sFE的SDM形式，而在1%显著性水平条件下选择SEM形式。
②估计与分析。表2给出了SDM和SEM形式的回归结果，比较发现各类模型的空间滞后系数ρ和空间误差参数υ均在1%条件下显著为正，这表明某地区的TFP增长可以带动邻近地区增长，地区间技术溢出性显著。四类类要素市场扭曲的系数大多显著为负数，表明各类要素市场扭曲对中国电子及通信设备制造业的TFP增长均呈现不利影响。
表2 总样本空间面板模型的估计结果

Tab.2 Estimation results of whole sample based on the spatial panel model with

变量 SDPDM SEPDM
noFE sFE noFE cFE sFE
C 0.287***
（4.691）
lngov -0.081*** -0.010 -0.148*** -0.079*** -0.006
（-3.297） （-0.36） （-6.778） （-3.129） （-0.205）
lndistk -0.065** -1.057*** -0.095*** -0.066** -1.012***
（-2.052） （-6.529） （-2.823） （-2.038） （-6.616）
lndistl -0.269*** 0.120 -0.057 -0.248*** 0.082
（-4.442） （0.784） （-1.221） （-4.119） （0.564）
lndistrl -0.059** 0.050 -0.061** -0.061** 0.030
（-2.330） （1.077） （-2.416） （-2.547） （0.676）
W·lngov 0.022 -0.018
（0.415） （-0.162）
W·lndistk 0.219* 1.098***
（1.662） （5.437）
W·lndistl 0.280* -0.420
（1.728） （-1.31）
W·lndistrl -0.023 0.172
（-0.215） （0.682）
ρ/υ 0.371** 0.543*** 0.527*** 0.527*** 0.787***
（2.544） （4.870） （4.482） （4.482） （13.999）
ad-R2 0.209 0.649 0.209 0.29 0.448
σ2 0.018 0.009 0.018 0.016 0.009
LogL 105.719 185.263 105.719 116.105 179.528
在SDPDM模型中，空间滞后的资本与劳动力市场扭曲的系数符号为正，且在10%条件下显著，说明某地区出现要素的过度扭曲时会发生要素外流，资本与劳动力的流动同时带动技术的流动，这种流动是对TFP增长呈现正面作用；另一方面来看，当某地要素市场定价机制更为合理时，会吸引周围地区的资本与劳动力，并且带动本地的TFP增长。然而遗憾是，这种正面的作用并不如其负面作用那样显著，更多模型的估计结果表明过度的要素市场扭曲对TFP增长的抑制作用是显著的。
根据cFE的SEM模型估计结果来看，各类要素市场扭曲产生的负作用大约抵消了一半技术溢出的正向作用，其中影响最为强烈的是劳动力要素市场的扭曲，该结果跟尚晓晔等人的结论一致[13]。资本要素扭曲则呈现了最为显著的负相关关系。R&D人员价格扭曲的影响较弱，其原因主要还是在于传统要素的红利窗口尚未完全关闭，全国产业整体都仍倾向于普通劳动力与资本的投入，企业对R&D要素投入并不积极，也导致了TFP增长迟缓，这与张杰、戴魁早等人的研究结论一致[4,14]。最后考察政策扭曲对高技术产业TFP增长的影响，结果表明越高的政府R&D经费支持力度越会抑制TFP增长，这意味着中国电子及通信设备制造业的相关政策产生了地区性错配，导致了整体的效率缺失。一个可能的解释是，地方政府过高的R&D经费支持导致企业的自生能力较弱，企业的逆向选择风险与监管机制不健全导致这些研发经费的利用效率有限，进而没有起到促进TFP增长的作用。

3.2.2 基于子样本的空间计量分析

①模型检验。我国东部、中部和西部电子及通信设备制造业要素市场扭曲呈现明显的空间差异特性，为了揭示这三大区域要素扭曲的差异对当地高技术产业TFP增长的影响差异，有必要分区域构建空间计量模型进行比较分析。各类模型的预检验结果见表3，LM检验与稳健性LM检验结果表明，东部地区选择带个体固定效应的SDM，中部和西部选择个体固定效应的SEM形式。
表3 子样本空间面板模型的预检验

Tab.3 Pre-test of sub-sample based on the spatial panel model

变量 东部 中部 西部
cFE sFE sFE cFE sFE tFE stFE
LM Test 1.902 10.579*** 0.669 3.188* 3.252* 1.912 2.587
Robust LM Test 4.570** 17.089*** 8.818*** 0.361 2.659 3.723* 2.565
LM Test 6.819*** 65.478*** 7.426*** 6.706*** 20.647*** 3.684* 7.434***
Robust LM Test 9.487*** 71.989*** 15.575*** 3.880** 20.053*** 5.494** 7.412***
Wald Test（SLM） 70.736***
LR Test（SLM） 55.468***
Wald Test（SEM） 12.910**
LR Test（SEM） 14.586***
②估计与分析。东、中、西部地区样本的空间计量估计结果见表4。首先，比较资本要素扭曲的TFP增长效应差异。由表4可知，资本要素扭曲对东、中、西部地区的TFP增长均呈现显著的抑制作用，东部的影响最大，抑制效应大概是中西部的两倍，这意味着要素的结构性错配和资本的区域性错配造成了东部地效率损失最为严重，这是因为我国资本投入结构不合理，大部分资本流向了东部地区以获得报酬，但是这种要素的扎堆投入是不理智的，江苏省的这一特征比较明显。从TFP增长上来看，江苏省尽管产值排名非常高，但其TFP增速排行却较为靠后，这表明江苏省技术利用率并不高，因为江苏引入的是富士康之类处于产业链下游的企业，这种发展模式倚靠的是大量要素的投入来得到较高的产值，然而效率并无优势。
表4 子样本空间计量模型的估计结果

Tab.4 Estimation results of sub-sample based on the spatial panel model

变量 东部 中部 西部
SEPDM SDPDM SEPDM SEPDM
cFE sFE sFE sFE cFE sFE tFE stFE
C 0.383*** 0.147**
（3.071） （2.107）
lngov -0.074** -0.062** -0.066** 0.045 -0.073 0.035 -0.097** 0.011
（-1.970） （-1.991） （-2.202） （0.805） （-1.641） （0.804） （-2.185） （0.287）
lndistk -0.018 -1.303*** -1.413*** -0.704** -0.323*** -0.730*** -0.489*** -0.935***
（-0.474） （-7.272） （-7.475） （-2.088） （-2.661） （-4.232） （-4.028） （-5.242）
lndistl -0.312** 0.163 0.321 -0.089 0.032 -0.059 0.172 0.083
（-2.313） （0.877） （1.639） （-0.288） （0.245） （-0.364） （1.409） （0.532）
lndistrl -0.092 0.203*** 0.181*** -0.106 -0.060 0.053 -0.096* 0.060
（-1.537） （3.713） （3.335） （-1.02） （-1.026） （0.883） （-1.779） （1.044）
W*lngov -0.011
（-0.125）
W*lndistk 1.710***
（6.620）
W*lndistl -0.199
（-0.734）
W*lndistrl -0.450**
（-2.047）
ρ/υ 0.441*** 0.789*** 0.628*** 0.532*** 0.408*** 0.591*** -0.988*** -0.547*
（3.286） （14.069） （7.078） （4.506） （2.676） （5.407） （-3.119） （-1.828）
ad-R2 0.324 0.539 0.784 0.359 0.402 0.614 0.479 0.787
σ2 0.013 0.004 0.004 0.018 0.009 0.005 0.006 0.002
LogL 56.494 101.759 109.051 34.013 44.054 61.23 57.709 84.850
其次，比较劳动力要素价格扭曲的TFP增长效应差异。结果发现，东、中、西部地区劳动力要素价格扭曲对当地TFP增长的影响没有通过统计性t检验，这意味着三大地区的影响差异没能得到有效证实。
接着，比较R&D人员要素价格扭曲的TFP增长效应。结果表明，R&D人员要素价格扭曲能促进东部地区的TFP增长，但可能抑制西部地区的TFP增长，对中部地区TFP的影响没有通过t检验。社会实践表明，R&D人员作为高素质人才，更容易在空间上产生集聚，这种集聚不仅受到薪酬的影响，也受到城市的教育、医疗、环境水平等各种因素的影响，在R&D人员薪酬存在普遍扭曲的现状下，东部电子及通信设备制造业发达的地区更容易吸引高技术人才，而这种集聚作用也造成了周围地区的人才流失。
最后比较不同地区政策扭曲对TFP的影响。表4的结果表明，东部地区支持政策扭曲一定程度上抑制了TFP增长。中部和西部的情况与东部地区不同，但影响类似，扭曲政策对当地TFP增长正相关，但却没有通过显著性t检验。因此，现阶段政府对于电子及通信设备制造业基础薄弱的中部和西部给予更多的政策支持和保护具有合理性。

4 结论

本文结合2002—2015年中国大陆26个省份电子及通信设备制造业的基础数据，首先测算了资本要素扭曲、劳动力要素和研发劳动力要素扭曲程度，进而构建空间计量分析模型实证检验了不同要素市场扭曲对TFP增长的影响，并比较了东、中、西部的要素市场扭曲对TFP增长的影响差异，从中得到以下三点结论：
第一，电子及通信设备制造业作为高技术产业，其要素价格扭曲成因包含技术扭曲。资源错配导致的要素价格扭曲程度客观存在。其中，地区资本要素价格和研发人员要素价格的扭曲程度要远远高于中西部地区；中西部劳动力要素价格扭曲程度要比东部地区要素价格扭曲程度更高。
第二，中国电子及通信设备制造业的TFP增长存在明显的空间溢出效应，资本要素扭曲、劳动力要素和研发劳动力要素扭曲均不利于中国电子及通信设备制造业的TFP增长。其中，劳动力要素市场扭曲对TFP增长的抑制作用最大，研发人员要素价格扭曲对TFP的抑制作用相对最弱。此外，政府政策支持的扭曲也会抑制中国电子及通信设备制造业的TFP增长，导致了整体的效率缺失。
第三，电子及通信设备制造业发展水平不同的地区其要素市场扭曲产生的影响有很大不同。其中资本要素扭曲对东、中、西部地区的TFP增长均具有显著的抑制作用，并且东部的影响最深，其抑制效应大概是中西部的两倍；劳动力要素价格的扭曲仅对东部地区TFP的抑制作用具有统计显著性；研发劳动力要素价格扭曲能提升东部和中部该行业的TFP，而抑制西部地区该行业的TFP。现阶段政府对于电子及通信设备制造业基础薄弱的中部和西部给予更多的政策支持和保护有一定的合理性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王宁. 生产要素市场扭曲的结构效应分析[D]. 杭州: 浙江大学, 2016.

[2]
白俊红, 卞元超. 要素市场扭曲与中国创新生产的效率损失[J]. 中国工业经济, 2016(11):39-55.

[3]
钟世川. 中国制造业要素市场扭曲程度的测算及其分解——基于技术进步偏向和资本深化的视角[J]. 经济经纬, 2017, 34(1):88-93.

[4]
张杰, 周晓艳, 李勇. 要素市场扭曲抑制了中国企业R&D?[J]. 经济研究, 2011, 46(8):78-91.

[5]
李平, 季永宝. 要素价格扭曲是否抑制了我国自主创新?[J]. 世界经济研究, 2014(1):10-15.

[6]
吴友军. 我国电子及通信设备制造业技术创新能力研究[D]. 武汉: 武汉理工大学, 2003.

[7]
刘乃全. 空间集聚论[M]. 上海: 上海财经大学出版社, 2012.

[8]
陈秀山, 徐瑛. 中国制造业空间结构变动及其对区域分工的影响[J]. 经济研究, 2008, 43(10):104-116.

[9]
蒋含明. 要素价格扭曲与我国居民收入差距扩大[J]. 统计研究, 2013, 30(12):56-63.

[10]
赵自芳, 史晋川. 中国要素市场扭曲的产业效率损失——基于DEA方法的实证分析[J]. 中国工业经济, 2006(10):40-48.

[11]
夏晓华, 李进一. 要素价格异质性扭曲与产业结构动态调整[J]. 南京大学学报:哲学·人文科学·社会科学版, 2012, 49(3):40-48.

[12]
Elhorst J P. “Spatial Panel Data Models” in Handbook of Ap-plied Spatial Analysis[M]. Berlin, Heidelberg and New York: Springer, 2010.

[13]
尚晓晔. 要素市场扭曲对中国产业结构优化升级的影响[J]. 求索, 2016(9):114-118.

[14]
戴魁早, 刘友金. 要素市场扭曲、区域差异与R&D投入——来自中国高技术产业与门槛模型的经验证据[J]. 数量经济技术经济研究, 2015, 32(9):3-20.

Options
文章导航

/

〈 〉