收入差距約束下西南邊境地區(qū)全要素生產(chǎn)率測度分析
——基于Malmquist-Luenberger指數(shù)

陳光春，劉宏楠，于世海

(桂林理工大學管理學院，廣西桂林541004)

收入差距約束下西南邊境地區(qū)全要素生產(chǎn)率測度分析
——基于Malmquist-Luenberger指數(shù)

陳光春，劉宏楠，于世海

(桂林理工大學管理學院，廣西桂林541004)

將收入差距因素引入全要素生產(chǎn)率體系，運用Malmquist-Luenberger生產(chǎn)指數(shù)估算西南邊境11個州(市)2003-2014年的全要素生產(chǎn)率，并與傳統(tǒng)不考慮收入差距的Malmquist生產(chǎn)率指數(shù)對比，結(jié)果表明：樣本期內(nèi)西南邊境地區(qū)不考慮收入差距的平均全要素生產(chǎn)率大于1，考慮收入差距時平均全要素生產(chǎn)率則小于1，而且全要素生產(chǎn)率增長很不穩(wěn)定，全要素生產(chǎn)率增長的主要來源是技術(shù)進步；考慮收入差距的全要素生產(chǎn)率、技術(shù)效率以及技術(shù)進步均有不同程度的下降，即不考慮收入差距大大高估了西南地區(qū)的全要素生產(chǎn)率。采用面板數(shù)據(jù)模型對影響西南邊境地區(qū)收入差距約束下全要素生產(chǎn)率增長的因素進行回歸分析，結(jié)果顯示：城鎮(zhèn)化率與TFP的增長呈負相關(guān)關(guān)系，地區(qū)經(jīng)濟開放程度、產(chǎn)業(yè)結(jié)構(gòu)和城鄉(xiāng)收入差距縮小與TFP的增長呈正相關(guān)關(guān)系。

全要素生產(chǎn)率；Malmquist-Luenberger指數(shù)；西南邊境地區(qū)；收入差距

一、引言與文獻述評

全要素生產(chǎn)率(Total Factor Productivity，簡稱TFP)已成為當今影響經(jīng)濟增長的關(guān)鍵因素。經(jīng)濟增長已經(jīng)逐漸由粗放型的增長方式逐漸轉(zhuǎn)變?yōu)橐蕴岣呷厣a(chǎn)率為核心的集約型增長方式。中國不同地區(qū)全要素生產(chǎn)率的增長率存在明顯的地區(qū)差異。隨著國家對西南地區(qū)經(jīng)濟發(fā)展支持力度的加大，西南邊境地區(qū)經(jīng)濟快速增長,科技進步、社會發(fā)展、環(huán)境改善等方面均取得突破性進展,但仍沒有從根本上擺脫傳統(tǒng)經(jīng)濟發(fā)展方式的束縛。西南邊境地區(qū)集邊境地區(qū)、民族地區(qū)、貧窮地區(qū)于一體，經(jīng)濟發(fā)展水平以及各項基礎(chǔ)設(shè)施建設(shè)都相對落后，研究該地區(qū)全要素生產(chǎn)率與經(jīng)濟發(fā)展，關(guān)系到邊境地區(qū)民生安全和社會穩(wěn)定，也關(guān)系到國家對西南地區(qū)經(jīng)濟扶持政策的有效執(zhí)行，具有重大的戰(zhàn)略意義。

國內(nèi)學者就全要素生產(chǎn)率展開了廣泛研究，從最開始的利用索洛經(jīng)濟增長模型來測算我國以及各個省份全要素生產(chǎn)率的大小，到如今大量文獻使用DEA模型下的非參數(shù)法計算全要素生產(chǎn)率的變化情況，都產(chǎn)生了大量有影響的成果。已有文獻對全要素生產(chǎn)率的研究大多是從國家層面展開的，如劉建國、李國平、張軍濤、孫鐵山(2012)認為中國TFP平均變化率為-1.8%，其中技術(shù)進步變化率為0.9%，技術(shù)效率變化為-2.6%，且存在明顯的空間差異；[1]鄭麗琳、朱啟貴(2013)將能源和環(huán)境因素考慮在內(nèi)，發(fā)現(xiàn)中國的TFP年均增長幅度十分有限；[2]孫傳旺、劉希穎等(2010)研究表明，碳強度約束下的TFP指數(shù)與碳強度目標相吻合，且技術(shù)進步是推動碳強度約束下TFP增長的主要因素。[3]為了深入分析中國全要素生產(chǎn)率的變化，一些學者開始聚焦到區(qū)域和省域展開全要素生產(chǎn)率研究，如康海媛、孫焱林、陳祖海(2016)選取2000—2012年中國29個省(直轄市、自治區(qū))數(shù)據(jù)作為研究樣本，結(jié)果表明：技術(shù)效率是能源約束下TFP增長的主要來源，省際能源TFP存在收斂趨勢；[4]馬海良、黃德春、姚惠澤(2011)基于超效率DEA模型的Malmquist指數(shù)法分析中國三大經(jīng)濟區(qū)域的能源TFP，發(fā)現(xiàn)長三角和珠三角區(qū)域能源TFP普遍高于環(huán)渤海區(qū)域。[5]近年來，學者們開始將全要素生產(chǎn)率的研究范圍縮小至企業(yè)或者某個行業(yè)，以探究全要素生產(chǎn)率對微觀層面經(jīng)濟主體的影響，程惠芳、陸嘉俊(2014)通過研究知識資本對企業(yè)全要素生產(chǎn)率、技術(shù)進步和技術(shù)效率的影響,發(fā)現(xiàn)技術(shù)創(chuàng)新和技術(shù)升級投入對企業(yè)TFP具有積極的促進作用；[6]范劍勇、馮猛、李方文(2014)考察了產(chǎn)業(yè)集聚的專業(yè)化和多樣化對TFP及其構(gòu)成要素的影響，結(jié)果表明：專業(yè)化經(jīng)濟通過技術(shù)效率改善來促進TFP增長,多樣化經(jīng)濟雖然能夠促進前沿技術(shù)進步,但沒有顯著促進整體TFP增長；[7]楊汝岱(2015)運用OP、LP等方法計算出中國制造業(yè)整體TFP增長速度在2%-6%之間,年均增長3.83%,增長速度不穩(wěn)定。[8]

可以看出，國內(nèi)學者從國家層面，地區(qū)、省域?qū)用?，再到產(chǎn)業(yè)、企業(yè)層面對全要素生產(chǎn)率展開了細致的研究，而對城市全要素生產(chǎn)率的研究并不多。馬曉龍(2014)對中國主要旅游城市的TFP做了分析，發(fā)現(xiàn)大多數(shù)旅游城市的TFP保持了增長趨勢，但增長速度逐年下降；[9]楊丞娟(2015)運用Malmquist指數(shù)法對武漢城市圈TFP的變化進行了縱向的時間分析和橫向的地區(qū)分析，發(fā)現(xiàn)技術(shù)效率對武漢城市TFP的影響要高于技術(shù)進步。[10]上述研究大多沒考慮經(jīng)濟發(fā)展過程中“壞的”(非期望)產(chǎn)出。收入差距作為經(jīng)濟發(fā)展過程中“壞的”(非期望)產(chǎn)出，對西南邊境地區(qū)的經(jīng)濟發(fā)展是否有抑制作用？如何客觀地認識西南邊境地區(qū)經(jīng)濟發(fā)展方式的轉(zhuǎn)變？這不僅是理論界需要解決的問題,也是探索西南邊境地區(qū)加快經(jīng)濟發(fā)展方式轉(zhuǎn)變的現(xiàn)實需求。本文嘗試將收入差距作為非期望產(chǎn)出納入全要素生產(chǎn)率估算模型，估算和分析中國比較落后的西南邊境地區(qū)考慮收入差距的全要素生產(chǎn)率，運用DEA模型非參數(shù)的Malmquist指數(shù)法和Malmquist—Luenberger指數(shù)法，測算西南地區(qū)11個邊境州(市)的全要素生產(chǎn)率增長，試圖探索西南邊境地區(qū)經(jīng)濟增長的源泉以及收入差距對西南邊境地區(qū)全要素生產(chǎn)率的影響，判斷西南邊境地區(qū)的經(jīng)濟是依賴資源投入的粗放型增長還是有較高效率的集約型增長，進而為未來西南邊境地區(qū)經(jīng)濟增長路徑的選擇提供參考。

二、研究方法與模型構(gòu)建

目前測算全要素生產(chǎn)率的方法主要有參數(shù)法和非參數(shù)法兩類。二者的主要區(qū)別是參數(shù)法需要對具體的生產(chǎn)函數(shù)形式進行假設(shè)，然后根據(jù)投入產(chǎn)出的數(shù)據(jù)確定表達式中的參數(shù)。參數(shù)法主要有索洛殘值法、隨機前沿法等。而非參數(shù)法主要有數(shù)據(jù)包絡(luò)分析法(DEA)、指數(shù)法等，在測算全要素生產(chǎn)率時不需要假設(shè)具體的生產(chǎn)函數(shù)。

Sten Malmquist在1953年創(chuàng)造性提出縮放因子理論，并據(jù)此構(gòu)建了消費指數(shù)，即最初的Malmquist指數(shù)。Caves等人在1982年運用Malmquist指數(shù)計算生產(chǎn)效率，并分析了全要素生產(chǎn)率的變化。計算Fisher指數(shù)和Tomqvist指數(shù)還需要考慮價格等可變因素對研究對象的影響，而Malmquist指數(shù)和Malmquist—Luenberger指數(shù)可以把TFP的變化分解為技術(shù)效率變化和技術(shù)進步，從而可以忽略價格因素對全要素生產(chǎn)率的影響。

為了將收入差距引入全要素生產(chǎn)率體系，需要構(gòu)建既包含經(jīng)濟發(fā)展過程中“好”產(chǎn)出(期望產(chǎn)出)也包含經(jīng)濟發(fā)展過程中“壞”產(chǎn)出(非期望產(chǎn)出)的生產(chǎn)可能性集。假設(shè)在每一時期t(t=1, …,T),每一個地區(qū)k(k=1,…,K)都使用I種投入x=(x1,…,xi)Ri，生產(chǎn)出M種“好”產(chǎn)出y=(y1,…,yM)RM和N種“壞”產(chǎn)出b=(b1,…,bN)RN+。用P(x)表示這種生產(chǎn)可能性集：

P(x)={(y，b)：x可以生產(chǎn)(y，b)}，xRi

(一)方向性距離函數(shù)

相比傳統(tǒng)Shephard距離函數(shù)，方向性距離函數(shù)是將產(chǎn)出與投入結(jié)合，更具有代表性。假設(shè)g= (-gx，gy,-gb)為基于方向性距離函數(shù)的一個方向向量，方向性距離函數(shù)可以根據(jù)給定的方向性向量，最大限度地增加“好”產(chǎn)出，同時盡可能減少非期望產(chǎn)出和生產(chǎn)投入。本文構(gòu)建如下基于產(chǎn)出角度的方向性距離函數(shù)：

圖1為方向性距離函數(shù)的坐標表示，縱坐標表示經(jīng)濟生產(chǎn)過程中的期望產(chǎn)出，橫坐標表示經(jīng)濟生產(chǎn)過程中的非期望產(chǎn)出。g=(gy,-gb)表示隨著非期望產(chǎn)出減少，期望產(chǎn)出會有所增加。傳統(tǒng)的距離函數(shù)只能增加期望產(chǎn)出，不涉及非期望產(chǎn)出的增加或減少，而方向性距離函數(shù)可以同時實現(xiàn)使期望產(chǎn)出增加和非期望產(chǎn)出減少的目的。對于圖1中給定投入A，根據(jù)傳統(tǒng)距離函數(shù)所得出的最大產(chǎn)出為C點，而方向性距離函數(shù)則是按照方向向量g=(gy,-gb)來同時增加期望產(chǎn)出和減少非期望產(chǎn)出，最終達到生產(chǎn)前沿B。對比兩種距離函數(shù)可以發(fā)現(xiàn)，在給定投入的情況下，方向性距離函數(shù)得出的產(chǎn)出B要比傳統(tǒng)距離函數(shù)得出的產(chǎn)出C要高很多。

圖1 方向性距離產(chǎn)出函數(shù)

(二)Malmquist生產(chǎn)率指數(shù)

假設(shè)(Xt,Yt)表示t時期投入與產(chǎn)出的生產(chǎn)函數(shù)，(Xt+1,Yt+1)表示t+1時期投入與產(chǎn)出的生產(chǎn)函數(shù)，函數(shù)dt(xt，yt)是用第t期的技術(shù)來表示第t期的技術(shù)效率水平；函數(shù)dt(xt+1，yt+1)是用第t期的技術(shù)來表示第t+1期的技術(shù)效率水平；函數(shù)dt+1(xt，yt)是用第t+1期的技術(shù)表示第t期的技術(shù)效率水平；函數(shù)dt+1(xt+1，yt+1)是用第t+1期的技術(shù)表示第t+1期的技術(shù)效率水平。

Fare等(1997)基于Malmquist生產(chǎn)率指數(shù)，以產(chǎn)出角度設(shè)定t期和t+1期的Malmquist生產(chǎn)率指數(shù)分別為[11] [12]：

(1)

(2)

根據(jù)t期和t+1期的生產(chǎn)率指數(shù)Mt和Mt+1在經(jīng)濟意義層面具有對稱性，因此建立將t期和t+1期綜合考察的Malmquist指數(shù)：

(3)

在規(guī)模報酬可變的假設(shè)條件下，可將(3)式的Malmquist指數(shù)初步分解為技術(shù)效率變化(EFFCH)和技術(shù)進步(TECHCH),具體分解過程如(4)式所示：

(4)

(4)式中，EFFCH表示技術(shù)效率變化，反映了技術(shù)運用水平的變化對研究對象所產(chǎn)生的影響效果，EFFCH>1，表示研究對象技術(shù)運用水平提高，EFFCH<1,則表示研究對象技術(shù)運用水平下降；TECHCH表示技術(shù)進步，TECHCH>1，表示研究對象技術(shù)進步，TECHCH<1，表示研究對象技術(shù)退步；TFPCH表示TFP增長率的變化，TFPCH>1，表示TPF增長，若TFPCH<1，則表示TFP下降。當EFFCH或者TECHCH大于1時，表示其對TFP的增長具有積極的促進作用，反之，則對TFP的增長具有阻礙作用。

(三)Malmquist-Luenberger生產(chǎn)率指數(shù)

在Chung 等( 1997) 的方法及方向性距離函數(shù)基礎(chǔ)上，可構(gòu)造考慮收入差距這一非期望產(chǎn)出的 Malmquist-Luenberger(ML) 指數(shù)?；诋a(chǎn)出的 ML 指數(shù)在 t 到 t + 1 期之間的變化為：

(5)

ML指數(shù)通常又可以分解為技術(shù)效率變化(MLEFFCH)和技術(shù)進步(MLTECH),即：

(6)

(7)

(8)

其中，ML>1 表明收入差距約束下的全要素生產(chǎn)率增長，ML<1 表明收入差距約束下的全要素生產(chǎn)率下降，ML=1 表示不變;同理MLEFFCH>1 表明技術(shù)效率改善，MLEFFCH<1表示技術(shù)效率惡化，反映技術(shù)效率向前沿面移動的情況; MLTECH>1表示技術(shù)進步，MLTECH<1 表示技術(shù)退步，反映不同時期技術(shù)追趕程度。

三、變量、數(shù)據(jù)來源及處理

(一)樣本和時間的選取

本文選取廣西(防城港市、崇左市、百色市)和云南(保山市、紅河州、文山州、普洱市、西雙版納州、德宏州、怒江州、臨滄市)這兩省(區(qū))的11個邊境州(市)作為研究對象，即DEA模型中的決策單元(DMU)。把每個州(市)作為一個決策單元，假設(shè)每個州(市)都有多種生產(chǎn)要素的投入使用，產(chǎn)出也不止一種。數(shù)據(jù)來自2004-2015年的《廣西統(tǒng)計年鑒》和《云南統(tǒng)計年鑒》，這一時期的數(shù)據(jù)比較完備，從而可以保證測算結(jié)果的相對準確性。

(二)投入變量

投入變量的選擇對于模型的最后測算結(jié)果的準確性有著很大影響。測算全要素主要有資本(K)和勞動(L)這兩個投入變量。

對于資本投入變量，國際上通用永續(xù)盤存法來計算各個時期的資本存量。國內(nèi)學者在這方面的研究也較多，且結(jié)果存在一定差異，原因在于用永續(xù)盤存法計算資本存量時，一些關(guān)鍵指標的選取存在不確定性。如計算資本存量時折舊率的選取沒有一個統(tǒng)一的數(shù)值，王小魯、樊綱等(2000)在研究中國市場化進程對經(jīng)濟增長的作用時將折舊率設(shè)定為5%[13]，張軍等(2004)在研究全國各省資本存量時假設(shè)折舊率為9.6%[14]，劉建翠(2007)在研究R&D對我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率影響時將折舊率設(shè)定為15%。[15]由此可見，使用永續(xù)盤存法計算資本存量時，由于折舊率這一關(guān)鍵指標沒有一個統(tǒng)一的數(shù)值，最終導(dǎo)致測算出來的結(jié)果與實際值有很大偏差。除此之外，采用資本存量這一指標會導(dǎo)致一些閑置資本被統(tǒng)計在內(nèi)，而且新舊資本的使用效率也是有差別的。國內(nèi)學者對資本存量的估算大多集中在全國或省際范圍內(nèi)，對于單個城市的資本存量還沒有一個比較有說服力的指標。若勉強計算各州(市)的資本存量，難免會出現(xiàn)較大的誤差。文章所使用的基于Malmquist-Luenberger指數(shù)法是一種測算相對效率的方法，只要各個研究對象保持相對的一致性，測算結(jié)果就不會出現(xiàn)很大的偏差。在已有的研究文獻中，趙偉、馬瑞永等(2005)在計算各地區(qū)全要素生產(chǎn)率時，曾用資本形成總額作為資本指標；[16]劉秉鐮、李清彬(2009)在測算中國城市全要素生產(chǎn)率的變動時，則直接采用固定資產(chǎn)投資作為資本存量的代替指標，且測算結(jié)果較為可信。[17]基于以上原因，本文也遵循劉秉鐮等人的做法，選用固定資產(chǎn)投資作為資本存量的代替指標。

關(guān)于勞動變量，從經(jīng)濟學意義上講，勞動投入量應(yīng)該是實際參與生產(chǎn)過程中的勞動量，但我國目前尚無這方面的統(tǒng)計數(shù)據(jù)。因此本文延續(xù)已有研究文獻的做法，采用各州(市)三次產(chǎn)業(yè)的從業(yè)人員總數(shù)作為勞動投入指標。其中百色市2011年和2013年統(tǒng)計年鑒誤把城鎮(zhèn)就業(yè)人員數(shù)作為就業(yè)人員總數(shù)，因此本文用均值替代法來修正這兩年的數(shù)據(jù)。

(三)產(chǎn)出變量

產(chǎn)出變量既要包括經(jīng)濟發(fā)展過程中“好的”(期望)產(chǎn)出變量，又要包括能度量“壞的”(非期望)產(chǎn)出的指標變量，本文采用各州(市)的地區(qū)生產(chǎn)總值(GRP)作為經(jīng)濟期望產(chǎn)出的指標。最常見的是用基尼系數(shù)這一指標來衡量城鄉(xiāng)收入差距，但目前國內(nèi)欠缺相關(guān)統(tǒng)計數(shù)據(jù)，考慮到中國是典型的城鄉(xiāng)二元經(jīng)濟結(jié)構(gòu)，收入差距很大程度上可以用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均純收入的差距來解釋，本文基于Malmquist-Luenberger指數(shù)把收入差距變量作為非期望產(chǎn)出，用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均純收入的比值表示收入差距非期望產(chǎn)出。

具體的變量指標和數(shù)據(jù)來源見表1。

表1 變量的選取和具體指標

數(shù)據(jù)來源：《廣西統(tǒng)計年鑒》和《云南統(tǒng)計年鑒》。

四、實證結(jié)果分析

本文測算傳統(tǒng)Malmquist指數(shù)使用學者Tim Colelli(1996)編寫的DEA模型專用軟件DEAP2.1，測算考慮收入差距的Malmquist-Luenberger指數(shù)采用MaxDEA Pro軟件，選取產(chǎn)出導(dǎo)向、可變規(guī)模報酬(VRS)來測算廣西和云南共11個邊境州(市)的全要素生產(chǎn)率變動情況。測算結(jié)果見表2、表3。

表2 西南邊境地區(qū)總體的生產(chǎn)率指數(shù)及其分解

注:MPI和MLPI分別是Malmquist指數(shù)和Malmquist—Luenberger指數(shù)測算的全要素生產(chǎn)率指數(shù)；EFFCH和MLEFFCH分別是兩種指數(shù)測算的技術(shù)效率變化；TECH和MLTECH分別是兩種指數(shù)測算的技術(shù)進步變化指數(shù)。

從表2可以看出，樣本期內(nèi)，考慮收入差距的Malmquist—Luenberger指數(shù)測算的全要素生產(chǎn)率、技術(shù)效率以及技術(shù)進步的增長率均比不考慮收入差距的傳統(tǒng)Malmquist指數(shù)要低。不考慮收入差距的傳統(tǒng)Malmquist指數(shù)測算的西南邊境地區(qū)技術(shù)效率平均增長率為0.9%，平均技術(shù)進步增長率為-0.1%，平均全要素生產(chǎn)率增長率為0.8%；而將收入差距考慮在內(nèi)的Malmquist—Luenberger指數(shù)測算出的西南邊境地區(qū)技術(shù)效率平均增長率為0.3%，比傳統(tǒng)Malmquist指數(shù)低了0.6%；技術(shù)進步平均增長率為-1.3%，比傳統(tǒng)Malmquist指數(shù)低了1.2%；全要素生產(chǎn)率平均增長率為-1.4%，比傳統(tǒng)Malmquist指數(shù)低了2.2%?？紤]收入差距的TFP比傳統(tǒng)的TFP下降很多，主要是因為考慮收入差距以后，投入要素除了用于促進經(jīng)濟的增長還用于促進收入的平均分配，投入相同的情況下，考慮收入差距的產(chǎn)出要比不考慮收入差距的產(chǎn)出更低，所以考慮收入差距在一定程度上導(dǎo)致技術(shù)效率變低，技術(shù)進步也會受到相應(yīng)的度的影響。由此可見，如不考慮收入差距則高估了實際全要素生產(chǎn)率。這也從側(cè)面反映了目前西南邊境地區(qū)經(jīng)濟增長的公平性很差，雖然整體的GDP增長速度較快，但卻使得收入差距越來越大，要實現(xiàn)城鄉(xiāng)經(jīng)濟的協(xié)同發(fā)展還有很長的路要走。

表3 西南各邊境州(市)樣本期內(nèi)全要素生產(chǎn)率指數(shù)及分解

注:表中的數(shù)值表示各州(市)該指數(shù)2003-2014年的平均變化速度。

從表3可以看出，西南邊境地區(qū)全要素生產(chǎn)率有著不小的差異。在樣本期內(nèi)，兩種指數(shù)測算的廣西3個邊境市的TFP增長速度都大于1，其中防城港市不考慮收入差距的TFP增長變動速度最快，增長率均值達到10.3%，考慮收入差距的TFP增長率均值則為8.6%，二者的共同點都是技術(shù)進步的貢獻率最大。這主要與防城港獨特的地理位置以及經(jīng)濟發(fā)展條件有關(guān)，防城港市與越南相鄰而且是個沿海城市，近年來國家對防城港經(jīng)濟發(fā)展制訂了一系列支持政策，如設(shè)立北部灣經(jīng)濟區(qū)等，使得防城港成為北部灣沿岸重要的經(jīng)濟中心。其次是百色和崇左，樣本期內(nèi)不考慮收入差距的TFP增長均值分別達到7.9%和7.5%，考慮收入差距的TFP增長均值分別為14.2%和8.1%；技術(shù)效率和技術(shù)進步對百色和崇左兩市 TFP增長的貢獻最大。

云南的8個州(市)中，不考慮收入差距時，只有怒江市的TFP增長速度略大于1，TFP增長速度均值為0.7%，其中技術(shù)效率的增長對怒江的TFP增長貢獻最大；其余7個邊境州(市)的TFP均略微小于1，只有紅河州的技術(shù)進步是大于1的；文山州和保山市的技術(shù)效率大于1，但是其整體的TFP卻略小于1，主要是由于文山和保山這兩個州(市)的技術(shù)水平相對落后；西雙版納的TFP增長為-2.1%，位列第三，西雙版納是云南著名的旅游景區(qū)，其經(jīng)濟增長很大一部分依靠旅游業(yè)，對科技的進步重視不夠，因此TFP的增長水平較低；德宏州的TFP增長水平最低，其次是普洱和臨滄，而這三個州(市)的技術(shù)進步水平也是云南8個州(市)中最低的?？紤]收入差距時，云南各州(市)的平均全要素生產(chǎn)率除了西雙版納外，其余7個州(市)的全要素生產(chǎn)率呈下降趨勢。只有西雙版納州的全要素生產(chǎn)率增長率略大于1，其中技術(shù)進步貢獻最大，而技術(shù)效率則對西雙版納全要素生產(chǎn)率的增長起到了阻礙作用；臨滄市與紅河州的全要素生產(chǎn)率增長率位列第二、第三位，分別為-0.17%和-0.48%，主要是由于這兩個州(市)的技術(shù)進步水平太低；普洱市的全要素生產(chǎn)率增長率最低，為-15.5%，比不考慮收入差距時普洱市的全要素生產(chǎn)率降低了10%，可見收入差距對普洱市全要素生產(chǎn)率的影響之大。

綜上所述，考慮收入差距對西南邊境地區(qū)TFP有較大的沖擊，表明西南邊境地區(qū)經(jīng)濟增長的包容性還很低，經(jīng)濟增長速度很高但是全要素生產(chǎn)率較低，而且存在較大的貧富差距。

五、影響TFP增長的因素分析

(一)變量選取與模型構(gòu)建

上文分析了西南邊境地區(qū)全要素生產(chǎn)率的變動以及經(jīng)濟增長的源泉，但還不清楚具體影響因素包括哪些。為了探討西南邊境各州(市)TFP增長與影響收入差距擴大的主要因素間的關(guān)系，本文利用面板數(shù)據(jù)模型分析各因素對西南邊境地區(qū)TFP增長的影響。本文將考察時期確定為2003-2014年，回歸方程如下：

TFPit表示全要素生產(chǎn)率增長率(被解釋變量)；Xit代表影響全要素生產(chǎn)率增長的因素(解釋變量)；βk是解釋變量參考系數(shù)；μit是標準白噪聲；c是截距項。借鑒以往關(guān)于全要素生產(chǎn)率增長的研究成果以及相關(guān)理論，本文在分析時運用西南邊境各個州(市)的生產(chǎn)率指數(shù)表示被解釋變量。鑒于數(shù)據(jù)的可獲得性，本文選取地區(qū)經(jīng)濟開放程度、產(chǎn)業(yè)結(jié)構(gòu)、城鄉(xiāng)收入差距、城鎮(zhèn)化率四個指標作為解釋變量，以下是解釋變量的定義以及數(shù)據(jù)處理的說明：

(1)地區(qū)經(jīng)濟開放程度(DOP)。地區(qū)經(jīng)濟開放度對一個地區(qū)的經(jīng)濟增長水平有重要影響，本文用各個州(市)進出口貿(mào)易總額與各州(市)GRP之比表示；其中年鑒上進出口總額的統(tǒng)計單位是美元，本文根據(jù)歷年人民幣對美元的年平均匯率將美元表示的進出口貿(mào)易總額換算成人民幣表示。

(2)產(chǎn)業(yè)結(jié)構(gòu)(IS)。產(chǎn)業(yè)結(jié)構(gòu)是經(jīng)濟發(fā)展過程中所使用的各類生產(chǎn)要素在各部門分工并不斷演化的結(jié)果，其中第一產(chǎn)業(yè)是以農(nóng)業(yè)為主的以自然物為對象的生產(chǎn)部門，科技含量低；第二產(chǎn)業(yè)和第三產(chǎn)業(yè)主要包括工業(yè)和服務(wù)業(yè)，科技含量相對較高。第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對我國國民經(jīng)濟的發(fā)展和生產(chǎn)率的增長具有重大影響。本文用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)生產(chǎn)總值之和占各州(市)GRP份額表示。

(3)城鄉(xiāng)收入差距(INC)。城鄉(xiāng)收入差距的擴大不利于TFP的增長，與前文測算考慮收入差距的Malmquist—Luenberger指數(shù)不同，這里用農(nóng)村居民人均純收入與城鎮(zhèn)居民人均可支配收入的比值(%)表示城鄉(xiāng)收入差距，即城鄉(xiāng)收入差距的倒數(shù)。

(4)城鎮(zhèn)化率(URB)。本文用城鎮(zhèn)人口占該地區(qū)總?cè)丝诘谋壤齺肀硎尽?/p>

(二)面板數(shù)據(jù)模型估計結(jié)果分析

利用Eviews8.0軟件分別對不考慮收入差距和考慮收入差距估算的TFP結(jié)果進行面板數(shù)據(jù)模型回歸分析，不考慮收入差距的模型被解釋變量為傳統(tǒng)的Malmquist指數(shù)測算的TFP(MPI)，將收入差距考慮在內(nèi)的模型被解釋變量為Malmquist—Luenberger指數(shù)測算的TFP(MLPI),分析結(jié)果如表4所示。

表4 西南邊境地區(qū)全要素生產(chǎn)率影響因素面板模型估計結(jié)果

注:*表示估計系數(shù)在10%水平上顯著，**表示估計系數(shù)在5%水平上顯著，***表示估計系數(shù)在1%水平上顯著。

實證結(jié)果顯示：(1)地區(qū)經(jīng)濟的開放程度與TFP的增長呈正向關(guān)系。經(jīng)濟開放程度比較高的地區(qū)主要在沿海一帶，沿海地區(qū)在參與國際貿(mào)易方面具有天然的港口優(yōu)勢，開放度的提高有利于吸引外資和引進國外先進的技術(shù)。因此不難理解地區(qū)經(jīng)濟開放程度對TFP的積極促進作用，這也是防城港市的全要素生產(chǎn)率遙遙領(lǐng)先的重要原因之一。(2)產(chǎn)業(yè)結(jié)構(gòu)與TFP的增長呈正向關(guān)系。第二和第三產(chǎn)業(yè)的技術(shù)含量較第一產(chǎn)業(yè)要高很多，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占比的提高意味著科技投入在經(jīng)濟發(fā)展中的占比提高，因此產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化對TFP的增長具有正向的促進作用。(3)農(nóng)村居民人均純收入與城市居民人均可支配收入的比例與TFP的增長呈正向關(guān)系。中國是典型的城鄉(xiāng)二元經(jīng)濟結(jié)構(gòu)，城鄉(xiāng)收入差距的縮小，意味著經(jīng)濟發(fā)展過程中的不平衡性得到改善，因此對TFP的增長具有積極的促進作用。(4)兩種方法測算的城鎮(zhèn)化率與TFP的增長都呈負相關(guān)的關(guān)系。這一結(jié)果與陳紅蕾、覃偉芳(2014)測算的全國的結(jié)果有所不同。[18]可能是由于西南邊境地區(qū)的經(jīng)濟相對其它地區(qū)來說要落后很多，基礎(chǔ)設(shè)施建設(shè)欠缺，城鎮(zhèn)化率的提高，意味著需要更多的財政投入與資源消耗，因此在一定時期內(nèi)西南邊境地區(qū)城鎮(zhèn)化率的提高對TFP的增長具有抑制作用。

六、研究結(jié)論及政策建議

在考慮收入差距這一經(jīng)濟發(fā)展過程中的非期望產(chǎn)出的情況下，本文應(yīng)用 Malmquist-Luenberger 指數(shù)研究了西南邊境地區(qū)11個州(市)的全要素生產(chǎn)率，并對其加以分解，將其與傳統(tǒng)Malmquist指數(shù)法測算的全要素生產(chǎn)率比較，分析考慮收入差距時全要素生產(chǎn)率的變動情況，并對影響全要素生產(chǎn)率的因素進行實證分析。通過對比分析兩種模型的測算結(jié)果，可得出以下結(jié)論：

第一，考慮收入差距的測算的全要素生產(chǎn)率、技術(shù)效率變化和技術(shù)進步，均小于不考慮收入差距測算的結(jié)果。雖然近年來西南邊境地區(qū)的GDP總量保持較快的增長，但經(jīng)濟增長的質(zhì)量不高，城鄉(xiāng)收入差距不斷擴大，造成收入差距約束下的TFP增長水平較低。西南邊境地區(qū)在經(jīng)濟發(fā)展過程中，過于追求經(jīng)濟發(fā)展的成果而忽視了其帶來的收入差距的負面影響，造成西南邊境地區(qū)經(jīng)濟發(fā)展中出現(xiàn)諸多不和諧現(xiàn)象，使得西南邊境地區(qū)經(jīng)濟發(fā)展偏離了“讓經(jīng)濟發(fā)展的成果惠及大眾”的目標。由此可以得出西南邊境地區(qū)經(jīng)濟增長是不可持續(xù)的結(jié)論。因此，西南邊境地區(qū)的經(jīng)濟增長方式亟待轉(zhuǎn)型，在經(jīng)濟發(fā)展過程中要注意縮小城鄉(xiāng)收入差距，使西南邊境地區(qū)經(jīng)濟增長由粗放型的增長轉(zhuǎn)變?yōu)榛菁按蟊姷陌菪栽鲩L。

第二，從整體上看，在樣本期內(nèi)兩種指數(shù)法測算出的廣西和云南11個邊境州(市)的TFP增長水平均不高，只有4個州(市)的TFP增長指數(shù)是大于1的。防城港、崇左、百色這三市的技術(shù)進步水平最高，其TFP的增長速度也最快；而德宏、普洱、臨滄這三個州(市)的技術(shù)進步水平最低，其TFP增長速度也最低。崇左和百色的技術(shù)效率水平遠高于防城港市，但這兩市的TFP增長速度卻遠低于防城港市。不難看出，技術(shù)進步極大地促進了TFP增長，相比之下技術(shù)效率對TFP增長的促進作用要小得多。TFP的增長源泉包括技術(shù)進步和技術(shù)效率兩個部分，需要協(xié)同發(fā)展才能更加有效地帶動TFP增長，單方面提高一個因素對TFP增長的促進作用是十分有限的。西南邊境地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)需要優(yōu)化升級，提高三次產(chǎn)業(yè)的技術(shù)水平和經(jīng)營管理能力，合理利用現(xiàn)有資源來促進資本要素、勞動要素以及技術(shù)要素等的有效流通，從而使得技術(shù)效率和技術(shù)進步能協(xié)調(diào)發(fā)展。

第三，西南邊境地區(qū)TFP的增長主要來源于技術(shù)進步，但是技術(shù)進步的發(fā)展過程十分不穩(wěn)定，甚至在一段時間內(nèi)出現(xiàn)倒退。西南邊境地區(qū)的經(jīng)濟增長不夠穩(wěn)定，容易受到一些突發(fā)性自然災(zāi)害和公共安全事件的影響。西南邊境地區(qū)與東南亞國家相鄰，有天然的邊境貿(mào)易優(yōu)勢，但由于惡劣的自然環(huán)境以及落后的基礎(chǔ)設(shè)施建設(shè)，這些邊境地區(qū)與世界其它地區(qū)經(jīng)濟聯(lián)系并不密切，對外開放程度也較其它地區(qū)低很多。西南邊境地區(qū)在完善基礎(chǔ)設(shè)施建設(shè)、擴大對外開放程度的同時，應(yīng)積極引進先進技術(shù)、吸收和改進中東部地區(qū)的發(fā)展經(jīng)驗，形成自身獨具特色的核心技術(shù)競爭力，為技術(shù)進步的提升打下堅實的基礎(chǔ)，從而帶動西南邊境地區(qū)TFP穩(wěn)步提升。

[1] 劉建國,李國平,張軍濤,孫鐵山. 中國經(jīng)濟效率和全要素生產(chǎn)率的空間分異及影響[J]. 地理學報,2012(8):1069-1084.

[2] 鄭麗琳,朱啟貴. 納入能源環(huán)境因素的中國全要素生產(chǎn)率再估算[J]. 統(tǒng)計研究,2013(7):9-17.

[3] 孫傳旺,劉希穎,林靜. 碳強度約束下中國全要素生產(chǎn)率測算與收斂性研究[J]. 金融研究,2010(6):17-33.

[4] 康海媛,孫焱林,陳祖海. 中國省際能源全要素生產(chǎn)率變化與收斂性的實證分析[J]. 統(tǒng)計與決策,2016(5):101-104.

[5] 馬海良,黃德春,姚惠澤. 中國三大經(jīng)濟區(qū)域全要素能源效率研究——基于超效率DEA模型和Malmquist指數(shù)[J]. 中國人口·資源與環(huán)境,2011(11):38-43.

[6] 程惠芳,陸嘉俊. 知識資本對工業(yè)企業(yè)全要素生產(chǎn)率影響的實證分析[J]. 經(jīng)濟研究,2014(5):174-187.

[7] 范劍勇,馮猛,李方文. 產(chǎn)業(yè)集聚與企業(yè)全要素生產(chǎn)率[J]. 世界經(jīng)濟,2014(5):51-73.

[8] 楊汝岱. 中國制造業(yè)企業(yè)全要素生產(chǎn)率研究[J]. 經(jīng)濟研究,2015(2):61-74.

[9] 馬曉龍. 2000-2011年中國主要旅游城市全要素生產(chǎn)率評價[J]. 資源科學,2014(8):1626-1634.

[10] 楊丞娟. 武漢城市圈全要素生產(chǎn)率的測算[J]. 統(tǒng)計與決策,2015(22):109-112.

[11] R. Fare，M. Norris． Productivity growth，technical progress，and efficiency change in industrialized countries[J]． American Economic Review，1994,84(1): 66 -83．

[12] R. Fare，S. Grosskopf，B. Lindgren． Productivity change in Swedish pharmacies 1980-1989: a nonparametric Malmquist approach[J]. Journal of Productivity Analysis，1992，3(1): 85-101.

[13] 王小魯,樊綱,劉鵬. 中國經(jīng)濟增長方式轉(zhuǎn)換和增長可持續(xù)性[J]. 經(jīng)濟研究,2009(1):4-16.

[14] 張軍,吳桂英,張吉鵬. 中國省際物質(zhì)資本存量估算:1952—2000[J]. 經(jīng)濟研究,2004(10):35-44.

[15] 劉建翠. R&D對我國高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率影響的定量分析[J]. 工業(yè)技術(shù)經(jīng)濟,2007(5):51-54.

[16] 趙偉,馬瑞永,何元慶. 全要素生產(chǎn)率變動的分解——基于Malmquist生產(chǎn)力指數(shù)的實證分析[J]. 統(tǒng)計研究,2005(7):37-42.

[17] 劉秉鐮,李清彬. 中國城市全要素生產(chǎn)率的動態(tài)實證分析:1990—2006——基于DEA模型的Malmquist指數(shù)方法[J]. 南開經(jīng)濟研究,2009(3):139-152.

[18] 陳紅蕾,覃偉芳. 中國經(jīng)濟的包容性增長:基于包容性全要素生產(chǎn)率視角的解釋[J]. 中國工業(yè)經(jīng)濟,2014(1):18-30.

[責任編輯 劉文俊]

Analysis on the Total Factor Productivity of Southwest Frontier Area under the Constraint of Income Gap——Based on Malmquist-Luenberger Index

CHEN Guang-chun，LIU Hong-nan, YU Shi-hai

(School of management , Guilin University of Technology, Guilin 541004, China)

Taking income gap into total factor productivity system，use Malmquist-Luenberger productivity index to Estimate the total factor productivity of 11 states in the Southwest Frontier from 2003 to 2014. And compared with the traditional Malmquist productivity index which does not take into account the income gap. The results show that the average total factor productivity of the income gap is more than 1 during the sample period, When the income gap is considered the average total factor productivity is less than 1, and total factor productivity growth is very unstable, the main source of the total factor productivity growth is the technological progress; Consider the income gap, the TFP, technical efficiency and technical progress have different degrees of decline, that does not take into account the income gap greatly overestimated the southwest of TFP. Using panel data model to analyze the factors that affect the growth of TFP under the constraint of income gap in southwest frontier region, the results showed that: the urbanization rate and the growth of TFP were negatively correlated, regional economic openness, industrial structure and the income gap between urban and rural areas and the growth of TFP was positively correlated.

total factor productivity; Malmquist-Luenberger index; southwest frontier region; income gap

10.16088/j.issn.1001-6597.2016.06.001

2016-08-21

國家社會科學基金項目“桂滇邊境民族地區(qū)經(jīng)濟包容性增長路徑研究”(編號：13BMZ073)

陳光春( 1957-) ，男，廣西桂林人，桂林理工大學管理學院教授，研究方向：國際貿(mào)易、經(jīng)濟包容性增長；劉宏楠(1992-)，男，河南信陽人，桂林理工大學管理學院碩士研究生。

于世海( 1982-) ，男，山東濰坊人，桂林理工大學管理學院副教授，經(jīng)濟學博士，研究方向：國際貿(mào)易、投資與企業(yè)跨國經(jīng)營。

F127;F014.2

A

1001-6597(2016)06-0054-09