員工培訓(xùn)投入對企業(yè)生產(chǎn)率的作用評估——基于廣義傾向得分匹配模型的分析

湯學(xué)良，吳萬宗，宗大偉，3(．上海財經(jīng)大學(xué)經(jīng)濟學(xué)院，上海00433; ．上海財經(jīng)大學(xué)國際工商管理學(xué)院，上海00433; 3．常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院，江蘇常熟5500)

員工培訓(xùn)投入對企業(yè)生產(chǎn)率的作用評估——基于廣義傾向得分匹配模型的分析

湯學(xué)良1，吳萬宗2，宗大偉1，3
(1．上海財經(jīng)大學(xué)經(jīng)濟學(xué)院，上海200433; 2．上海財經(jīng)大學(xué)國際工商管理學(xué)院，上海200433; 3．常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院，江蘇常熟215500)

摘要:員工培訓(xùn)投入并非多多益善。本文利用廣義傾向得分匹配的方法，評估了員工培訓(xùn)投入對企業(yè)生產(chǎn)率的作用，發(fā)現(xiàn): (1)培訓(xùn)投入與企業(yè)生產(chǎn)率呈“倒N形”關(guān)系，即隨著培訓(xùn)投入的增加，企業(yè)生產(chǎn)率呈“下降－上升－下降”趨勢;從而，數(shù)額較小或數(shù)額過大的培訓(xùn)投入都是無效的，不會提升企業(yè)效率，存在最優(yōu)的員工培訓(xùn)投入。(2)該結(jié)論在兩種效率指標(biāo)下(勞動生產(chǎn)率和全要素生產(chǎn)率)和三種分類子樣本下(按地區(qū)、行業(yè)和所有制分類)均是穩(wěn)健的。(3)但是，員工培訓(xùn)投入的處理效應(yīng)與最優(yōu)規(guī)模在不同的子樣本中是有差異的。

關(guān)鍵詞:員工培訓(xùn)投入;企業(yè)生產(chǎn)率;廣義傾向得分匹配;處理效應(yīng)

一、引言

一國經(jīng)濟的可持續(xù)增長必須立足于企業(yè)生產(chǎn)率的持續(xù)提升，探究企業(yè)生產(chǎn)率的影響因素已經(jīng)成為從微觀層面討論我國經(jīng)濟可持續(xù)發(fā)展的重要問題。其中，貿(mào)易自由化、企業(yè)研發(fā)和產(chǎn)權(quán)結(jié)構(gòu)等因素已經(jīng)被學(xué)者們廣泛深入地研究過了［1－4］，但是，人力資本質(zhì)量作為企業(yè)生產(chǎn)率的重要決定因素卻沒有引起學(xué)界和實踐領(lǐng)域足夠的重視。習(xí)近平總書記指出“勞動者素質(zhì)對一個國家、一個民族發(fā)展至關(guān)重要。勞動者的知識和才能積累越多，創(chuàng)造能力就越大?！雹倭?xí)近平．在慶?！拔逡弧眹H勞動節(jié)暨表彰全國勞動模范和先進(jìn)工作者大會上的講話［N］．人民日報，2015－04－29(1)。顯然，員工素質(zhì)的提升需要進(jìn)行人力資本的投入，因此，

審視企業(yè)人力資本投資對生產(chǎn)率的作用問題恰逢其時。Berker最早提出人力資本投資分為在職培訓(xùn)(on-the-job training)、學(xué)校教育(school training)以及對信息的掌握(information)［5］。其中，后兩者并不能由企業(yè)所控制，主要是員工的個體經(jīng)歷或者特征，而員工的在職培訓(xùn)則是企業(yè)人力資本投資最為直接的途徑。

因此，本文研究的核心問題就是企業(yè)的員工培訓(xùn)投入與生產(chǎn)率之間的因果效應(yīng)。實際上，討論員工培訓(xùn)對生產(chǎn)率影響一直都是國外研究的重要問題，并且大部分的實證研究均指向一個經(jīng)驗事實:員工培訓(xùn)能夠提高企業(yè)的生產(chǎn)率［6－8］。湯二子和孫振利用中國工業(yè)企業(yè)數(shù)據(jù)，驗證了企業(yè)在職教育對全要素生產(chǎn)率的正向作用［9］;孔東民和龐立讓利用2004年全國經(jīng)濟普查數(shù)據(jù)，得出人力資本因素對企業(yè)生產(chǎn)率有正向作用的結(jié)論［10］;吳萬宗和湯學(xué)良基于我國制造業(yè)企業(yè)數(shù)據(jù)也發(fā)現(xiàn)有員工培訓(xùn)經(jīng)驗企業(yè)的人均工業(yè)增加值和全要素生產(chǎn)率都顯著地高于沒有員工培訓(xùn)的企業(yè)，但是他們進(jìn)一步指出，這主要是因為做員工培訓(xùn)的企業(yè)原先就具備更高的效率，即存在著高效率企業(yè)選擇做員工培訓(xùn)的“自選擇效應(yīng)”［11］。

“自選擇效應(yīng)”所帶來的內(nèi)生性問題，給評估員工培訓(xùn)投入對企業(yè)生產(chǎn)率的影響增加了難度，必須剔除“自選擇效應(yīng)”帶來的干擾，否則會高估員工培訓(xùn)的作用，這一點在現(xiàn)有的文獻(xiàn)中沒有得到重視。此外，影響企業(yè)員工培訓(xùn)投入決策的因素，如企業(yè)規(guī)模、資本密集度、人均工資、研發(fā)，甚至所有制性質(zhì)［12－13］，也同時會影響企業(yè)的生產(chǎn)率水平，如果不控制這些因素，那么只能得到員工培訓(xùn)投入與生產(chǎn)率的相關(guān)關(guān)系而不完全是因果關(guān)系。匹配方法在“反事實分析”框架下，通過選出主要特征最接近的企業(yè)個體進(jìn)行比較，可以較好地控制“自選擇效應(yīng)”和其他因素的影響，從而捕捉到員工培訓(xùn)投入對企業(yè)生產(chǎn)率的因果效應(yīng)。但是，傳統(tǒng)的傾向得分匹配(Propensity Score Matching，PSM)方法只適用于0或1的二值型處理變量，對于處理變量為員工培訓(xùn)投入強度(以每年人均培訓(xùn)費用度量)并不適用。實際上，既有的文獻(xiàn)均在討論有無員工培訓(xùn)投入(有為1，沒有為0)對企業(yè)效率的影響，但直覺上講，零星的培訓(xùn)投入與大額的培訓(xùn)投入所帶來的效果應(yīng)該是不同的。那么，員工培訓(xùn)投入是否越多越好，是否有最優(yōu)的員工培訓(xùn)投入強度?這些問題在二值型的變量下無法研究，但對于政策調(diào)控和企業(yè)實踐決策而言卻是非常重要的。因此，本文采用廣義傾向得分匹配法(Generalized Propensity Score，GPS)，克服了PSM方法處理變量必須是二值變量的限制，在控制了“自選擇效應(yīng)”與企業(yè)主要特征的基礎(chǔ)上，評估員工培訓(xùn)投入強度對企業(yè)生產(chǎn)率的作用，這是本文的主要貢獻(xiàn)與創(chuàng)新所在。本文余下部分安排如下:第二部分介紹模型與GPS方法，并給出相關(guān)的實證方程;第三部分介紹數(shù)據(jù)處理、變量估算，展示回歸結(jié)果并解釋;第四部分進(jìn)行了一系列穩(wěn)健性檢驗與擴展分析;最后是文章的結(jié)論和政策建議。

二、模型與方法

對于處理效應(yīng)的研究主要是基于Rosenbaum和Rubin提出的“反事實”分析框架［14］，但是以傾向得分匹配(PSM)為主的計量方法只能用來分析處理變量是二元變量的問題，具有較大的局限性。以員工培訓(xùn)投入為例，如果只定義0(沒有員工培訓(xùn)投入) 和1(有員工培訓(xùn)投入)兩種處理狀態(tài)，就顯然忽視了員工培訓(xùn)投入的差異對于企業(yè)生產(chǎn)率影響可能是不同的。Hirano和Imbens將“反事實”分析框架擴展到處理變量是多元變量或者連續(xù)變量的情形，提出了廣義傾向得分匹配(GPS)的計量方法來捕捉不同的處理強度下潛在結(jié)果的差異，彌補了PSM方法的不足［15－16］。GPS方法的基本理論如下:

對于一組隨機樣本，以下標(biāo)i表示不同的個體(i = 1，…，N)，假定個體i針對處理變量t的不同取值(t∈D)存在著一組對應(yīng)的潛在的產(chǎn)出水平Y(jié)i(t)，稱為個體的“劑量反應(yīng)”函數(shù)(unit－level doseresponse function)。如果D = { 0，1}，就回到了二值變量的處理效應(yīng)問題，GPS方法則允許D =［t0，t1］，并且更關(guān)注平均“劑量反應(yīng)”函數(shù)(average dose －response function)，即μ(t) = E［Yi(t)］。自變量所對應(yīng)的函數(shù)值差異則可以解釋為處理強度變化所帶來的因果效應(yīng)。但是，對于個體i而言，可以觀測到的數(shù)據(jù)只有一組協(xié)變量Xi、處理水平Ti∈D以及與處理水平對應(yīng)的潛在產(chǎn)出水平Y(jié)i= Yi(Ti) (方便起見下文省略下標(biāo)i)。

與PSM方法一樣，GPS方法的關(guān)鍵設(shè)定仍然是條件獨立性假設(shè)(ignorability assumption)，即:

Y(t)⊥T|X?t∈D(1)

條件獨立性假設(shè)的含義是在控制了多元協(xié)變量X的差異后，任意處理水平上的潛在產(chǎn)出水平與個體接受的實際處理水平相互獨立。換言之，在個體協(xié)變量特征一致的時候，可以有效地剔除處理強度的自選擇性，以及由此產(chǎn)生的內(nèi)生性問題。多元協(xié)變量特征X又稱為“匹配變量”，既影響個體的處理強度(T)又影響個體的產(chǎn)出水平(Y)，要控制多元協(xié)變量特征一致同樣存在著“高維詛咒”①所謂“高維詛咒”就是說隨著需要匹配的維度增加，匹配成功的難度就增加了。例如，找同樣身高的人很容易，但是找到身高、體重、性別、民族、學(xué)歷等等全部一樣的人就困難得多。用傾向得分匹配(PSM)的方法來解決該問題，就是將高維指標(biāo)整合成一個傾向得分指標(biāo)進(jìn)行匹配。(curse of dimensionality)。Hirano和Imbens設(shè)定了處理變量的條件概率密度函數(shù):

r(t，x) = fT/X(t/x)(2)

并定義了廣義傾向得分(Generalized Propensity Score，GPS) :

R = r(T，X)(3)

與標(biāo)準(zhǔn)的傾向得分類似，GPS也需要滿足平衡條件(balancing property)，即在控制r(t，X)一致的情況下，事件T = t發(fā)生的概率與多元協(xié)變量X獨立:

X⊥1{ T = t} | r(t，X)(4)

滿足平衡條件的GPS可以將條件獨立性假設(shè)進(jìn)一步拓展到廣義傾向得分值上:

fT［t | r(t，X)，Y(t)］= fT［t | r(t，X)］(5)

換言之，控制廣義傾向得分值一致就可以保證任意處理強度與其潛在的產(chǎn)出結(jié)果獨立。因此，通過GPS方法可以有效剔除協(xié)變量差異帶來的偏誤以及可能存在的處理強度自選擇性帶來的偏誤。另外，廣義傾向得分值是一維指標(biāo)，相對于高維的協(xié)變量X而言，更加容易匹配。

進(jìn)一步地，Hirano和Imbens提出了用GPS方法估計平均“劑量反應(yīng)”函數(shù)的三個步驟:第一步，給定多元協(xié)變量X，估計處理變量的條件概率密度函數(shù)，即(2)式。本文考慮的處理變量是企業(yè)的員工培訓(xùn)投入強度(以人均培訓(xùn)費用度量)，該變量的分布是有偏的，存在較多的人均培訓(xùn)費用為0的觀測個體①根據(jù)本文所使用的工業(yè)企業(yè)數(shù)據(jù)庫(2004－2007)中，培訓(xùn)費用(以職工教育經(jīng)費度量)為0的企業(yè)占到了60%左右。，因此不適用Hirano和Imbens提出的正態(tài)分布的假定。本文采用Papke和Wooldridge提出的Fractional Logit模型來估計員工培訓(xùn)投入強度的條件分布［17］。假定對于個體i，給定協(xié)變量Xi時，處理變量Ti的條件期望為:

(6)式中F(．)滿足Logistic分布的累積分布函數(shù)形式，對于?Xiβ∈R有F(Xiβ)∈［0，1］，因此要求處理變量的取值屬于［0，1］。員工培訓(xùn)投入強度變量滿足大于0的要求但是會超過1，本文采取的處理方式是將處理強度的最大值標(biāo)準(zhǔn)化為1，其余取值做相應(yīng)的標(biāo)準(zhǔn)化轉(zhuǎn)化，從而滿足處理變量的取值要求。接下來在廣義線性模型(generalized linear

根據(jù)估計結(jié)果計算廣義傾向得分值(GPS) :

然后，根據(jù)處理變量取值和GPS值進(jìn)行樣本分割，并檢驗經(jīng)過廣義傾向得分匹配調(diào)整過后處理強度取值(T = t)是否與協(xié)變量(X)獨立，即檢驗GPS的平衡條件是否滿足。

第二步，利用處理變量、廣義傾向得分變量構(gòu)造產(chǎn)出變量(本文主要指企業(yè)的生產(chǎn)率)的條件期望模型(conditional expectation model)。Hirano和Imbens指出具體的函數(shù)形式可以靈活多變，既可以只考慮兩個變量的一次項，也可以考慮兩個變量的二、三次項和交互項進(jìn)行逼近［16］。條件期望模型的作用在于擬合產(chǎn)出變量與處理變量、GPS變量之間的函數(shù)關(guān)系。因此，本文選擇更為穩(wěn)健的三階多項式來逼近產(chǎn)出變量的條件期望②選擇其他函數(shù)形式逼近對于本文的基本結(jié)論不產(chǎn)生影響，并且三階多項式的逼近結(jié)果中每個系數(shù)均非常顯著。對逼近結(jié)果感興趣可以向作者索取。: model，GLM)的框架下，最大化伯努利對數(shù)似然函數(shù)，以修正處理變量有偏對條件期望函數(shù)估計的影響:

只需要簡單的OLS回歸即可估計出(9)式中的系數(shù)，得到的系數(shù)則是估計平均“劑量反應(yīng)”函數(shù)的關(guān)鍵。

第三步，利用上一步得到的回歸系數(shù)，計算出每個處理強度上所對應(yīng)的產(chǎn)出變量條件期望的均值，從而估計出平均“劑量反應(yīng)”函數(shù)μ(t) :

其中，N為樣本容量。利用計算機估算函數(shù)μ(t)時需要設(shè)定［0，1］區(qū)間上的具體取值，本文設(shè)定的步長是0．01，即選擇t = 0，0．01，0．02，……，0．99，1 共101個處理強度值。此外，還定義了處理效應(yīng)TE(t)用來計算任一非零的員工培訓(xùn)投入強度下與無員工培訓(xùn)投入情形相比企業(yè)生產(chǎn)率的差異。

對瀝青砂進(jìn)行分析研究，發(fā)現(xiàn)其中的有機類物質(zhì)包括重質(zhì)液化油、瀝青類物質(zhì)和未轉(zhuǎn)化的煤；無機礦物質(zhì)包括金屬雜質(zhì)和外加的催化劑。依據(jù)瀝青砂特性，我們采用瀝青砂、合成導(dǎo)熱油廢油和裂化油漿的混合油漿為主要原材料制備了MY瀝青砂添加劑。

三、數(shù)據(jù)、變量與回歸結(jié)果

(一)數(shù)據(jù)介紹與處理

本文使用的是中國工業(yè)企業(yè)數(shù)據(jù)庫，該數(shù)據(jù)庫的觀測個體都是微觀企業(yè)，時間跨度是2000年至2008年。其中2000年含有162885家，到2008年觀測企業(yè)數(shù)目則達(dá)到了412212家。國家統(tǒng)計局每年會針對兩類制造業(yè)企業(yè)進(jìn)行調(diào)查構(gòu)成統(tǒng)計樣本，一是所有的國有企業(yè)(SOEs)，二是年銷售收入超過500萬人民幣的非國有企業(yè)(non－SOEs)。該數(shù)據(jù)集所含的變量個數(shù)超過了100個，以企業(yè)的財務(wù)指標(biāo)為主，但是員工培訓(xùn)費用的信息則有缺失，僅2004－2007年報告了員工培訓(xùn)費用的信息，故只保留這四年的企業(yè)樣本。此外，實證研究主要集中在制造業(yè)企業(yè)(兩位行業(yè)代碼13－42)，且企業(yè)樣本均在2002年以后，不存在行業(yè)調(diào)整的問題。

數(shù)據(jù)集中有些變量的數(shù)值可能是某些企業(yè)錯報或者漏報的，本文根據(jù)下面兩個原則刪除部分企業(yè):第一，關(guān)鍵的財務(wù)指標(biāo)不能漏報否則刪除該企業(yè)，如總資產(chǎn)、固定資產(chǎn)凈值余額、銷售收入、工業(yè)總產(chǎn)值等;第二，企業(yè)的雇傭員工人數(shù)不能低于8人，否則刪除該企業(yè)。此外，根據(jù)一般公認(rèn)會計原則(General Accepted Accounting Principles)刪除了不滿足下列原則的企業(yè)［18］: (1)總資產(chǎn)不能少于流動資產(chǎn); (2)總資產(chǎn)不能少于總的固定資產(chǎn); (3)總資產(chǎn)必須大于固定資產(chǎn)凈值余額; (4)每個企業(yè)的企業(yè)代碼不能缺失，并且同一年內(nèi)必須唯一; (5)企業(yè)的創(chuàng)建時間必須有效，例如創(chuàng)建年是2007年以后或者創(chuàng)建月小于1或者大于12等都是無效的創(chuàng)建時間，刪除創(chuàng)建時間無效的企業(yè); (6)企業(yè)的銷售收入必須大于500萬人民幣。經(jīng)過所有的上述處理后，樣本中包含的企業(yè)數(shù)量為631308家。

(二)變量定義與估算

本文用到的統(tǒng)計數(shù)據(jù)包括企業(yè)的工業(yè)增加值、年平均就業(yè)人數(shù)、年銷售收入、年末固定資產(chǎn)凈值余額、固定資產(chǎn)原值、員工培訓(xùn)費用、出口交貨值、工資總額。其中，企業(yè)的工業(yè)增加值數(shù)據(jù)利用Brandt等給出的4位代碼行業(yè)層面的產(chǎn)出品價格指數(shù)進(jìn)行平減［19］，年銷售收入、員工培訓(xùn)費用和工資總額數(shù)據(jù)利用消費價格指數(shù)(以2004年為基期)進(jìn)行了平減。固定資產(chǎn)年末凈值余額和固定資產(chǎn)原值主要是用來估算企業(yè)的資本存量，本文采用永續(xù)盤存法剔除價格因素計算出實際資本存量①企業(yè)層面永續(xù)盤存算法參見:湯學(xué)良，吳萬宗．員工培訓(xùn)、出口與企業(yè)生產(chǎn)率［J］．財貿(mào)研究，2015(5) : 65－74。。

接下來，在指標(biāo)構(gòu)建上主要有三個方面:首先，本文選擇以勞動生產(chǎn)率作為企業(yè)生產(chǎn)率的度量，同時考慮用全要素生產(chǎn)率(TFP)做穩(wěn)健性檢驗。其次，本文關(guān)鍵的處理變量，即員工培訓(xùn)投入強度(簡稱員工培訓(xùn)強度)指標(biāo)，用企業(yè)的人均培訓(xùn)費用度量。由于數(shù)據(jù)庫中員工培訓(xùn)費用為0的企業(yè)超過了60%，因此員工培訓(xùn)強度變量的分布是嚴(yán)重有偏的，采用Fractional Logit模型進(jìn)行調(diào)整則要求處理變量的取值在0－1之間。本文分兩步對人均培訓(xùn)費用進(jìn)行標(biāo)準(zhǔn)化處理: (1)對人均培訓(xùn)費用變量進(jìn)行99%分位去尾處理，剔除人均培訓(xùn)費用超過99%分位值②在本文研究的企業(yè)樣本中，企業(yè)人均培訓(xùn)費用的99%分位值是5千元/人。的企業(yè)樣本，避免異常值的干擾; (2)將人均培訓(xùn)費用變量的99%分位值(5千元/人)標(biāo)準(zhǔn)化為1，其余取值則相應(yīng)的除以5進(jìn)行標(biāo)準(zhǔn)化，從而保證了員工培訓(xùn)強度取值屬于［0，1］。最后，對于協(xié)變量或者匹配變量的選擇，需要既與處理變量相關(guān)又與產(chǎn)出變量相關(guān)，才能夠較好地滿足條件獨立性假設(shè)。參考現(xiàn)有的研究文獻(xiàn)［9，11，13］，選擇以下變量作為匹配變量:企業(yè)上一期的生產(chǎn)率水平;以銷售收入衡量的企業(yè)規(guī)模指標(biāo);以人均資本存量衡量的資本密度指標(biāo);人均工資指標(biāo);企業(yè)研發(fā)活動啞變量;企業(yè)是否屬于內(nèi)資企業(yè);此外，還有企業(yè)所屬的行業(yè)、地區(qū)以及年份啞變量。這些主要變量的計算方式和描述性統(tǒng)計如表1所示:

(三)實證分析

根據(jù)企業(yè)是否有培訓(xùn)費用支出，可以將企業(yè)分為做員工培訓(xùn)和不做員工培訓(xùn)兩組，兩組樣本的勞動生產(chǎn)率均值的變化趨勢如圖1所示。可以發(fā)現(xiàn):第一，兩組企業(yè)勞動生產(chǎn)率均值水平隨著時間的增長趨勢基本一致，說明有些宏觀因素共同提高了兩類企業(yè)的生產(chǎn)率;第二，尤為重要的發(fā)現(xiàn)是做員工培訓(xùn)的企業(yè)擁有更高的勞動生產(chǎn)率水平，這與直覺相符，但是也給實證分析提出了挑戰(zhàn)。

表1　主要變量的定義和描述性統(tǒng)計

圖1　做員工培訓(xùn)與不做員工培訓(xùn)企業(yè)的勞動生產(chǎn)率比較

此外，員工培訓(xùn)對生產(chǎn)率的作用可能是持續(xù)的，實證分析時需要剔除企業(yè)以前的員工培訓(xùn)行為的影響。因此，本文對企業(yè)樣本做了如下處理:首先，分別保留2004－2005年、2005－2006年和2006－2007年連續(xù)存在的樣本;其次，刪除其中在上一年(即2004、2005或者2006)有員工培訓(xùn)行為的樣本;最后，將上一年企業(yè)的生產(chǎn)率信息匹配到當(dāng)期，保留當(dāng)期的企業(yè)數(shù)據(jù)構(gòu)成最終的研究樣本，共373718家企業(yè)?；跇颖緮?shù)據(jù)得到的員工培訓(xùn)強度的Fractional Logit模型的估計結(jié)果如表2所示:

表2　員工培訓(xùn)強度的Fractional Logit模型的估計結(jié)果

顯然，主要匹配變量對于企業(yè)的員工培訓(xùn)投入強度的影響均是顯著且穩(wěn)健的:上一期生產(chǎn)率水平對當(dāng)期的員工培訓(xùn)強度具有顯著的正向作用，這驗證了企業(yè)的員工培訓(xùn)強度具有“自選擇效應(yīng)”，原本就高效的企業(yè)更傾向于提高員工培訓(xùn)強度;以銷售收入衡量的企業(yè)規(guī)模變量對員工培訓(xùn)強度具有顯著的促進(jìn)作用，相對于小企業(yè)而言大企業(yè)更愿意增加人均培訓(xùn)費用投入，這與Holtmann和Idson的研究一致［12］;資本密度越大，則企業(yè)的員工培訓(xùn)強度也越大，這恰好說明了資本與勞動力之間的互補作用，大量的資本設(shè)備往往需要訓(xùn)練有素的員工使用才能發(fā)揮最大的作用;員工的人均工資越高，企業(yè)的員工培訓(xùn)強度也越大;具有研發(fā)行為的企業(yè)，對員工培訓(xùn)的投入強度也越大，說明員工培訓(xùn)行為可能是研發(fā)活動有利的補充;內(nèi)資企業(yè)的員工培訓(xùn)強度較高，這與G?rg等的結(jié)論相反［21］，但是與馬雙和甘犁的研究一致［13］。此外，在Fractional Logit模型中，我們還控制了2位代碼的行業(yè)效應(yīng)、省份特征的地區(qū)效應(yīng)以及時間效應(yīng)，廣義線性回歸的AIC指標(biāo)均在0．102左右，說明模型擬合較為精準(zhǔn)且不存在過度擬合的問題。

根據(jù)Fractional Logit模型的估計結(jié)果，可以按照(8)式計算廣義傾向得分值(GPS)，GPS需要滿足平衡條件才能夠通過GPS方法消除協(xié)變量帶來的偏誤。參照Hirano和Imbens的做法，將員工培訓(xùn)強度分割為兩個區(qū)間，檢驗經(jīng)過GPS匹配調(diào)整后能否削弱不同區(qū)間內(nèi)協(xié)變量均值的差異，如表3所示:

表3　廣義傾向得分(GPS)的平衡條件檢驗

GPS匹配調(diào)整之前，兩個區(qū)間的企業(yè)樣本在協(xié)變量均值上差異較大且非常顯著(內(nèi)資啞變量除外)。但是以員工培訓(xùn)強度內(nèi)生的情形為例，經(jīng)過GPS匹配調(diào)整后，上一期勞動生產(chǎn)率的均值差異(絕對值)從0．607下降到0．126－0．128且不顯著;銷售收入變量的均值差異從0．451下降到0．101－0．104且不顯著;資本密集度的均值差異從0．701下降0．141－0．158且不顯著;人均工資變量和研發(fā)啞變量的均值差異則從0．257和0．149，分別下降到0．011－0．014和0－0．004，且均不再顯著;內(nèi)資啞變量的均值差異，在GPS匹配調(diào)整之后也仍然是不顯著的。此外，員工培訓(xùn)強度外生情形，經(jīng)過GPS匹配調(diào)整后協(xié)變量均值差異也變得不顯著了。換言之，GPS較好地滿足了平衡條件。

利用GPS數(shù)據(jù)和員工培訓(xùn)強度數(shù)據(jù)，可以估計出企業(yè)勞動生產(chǎn)率的條件期望方程，即(9)式①限于篇幅(9)式的擬合回歸結(jié)果不展示，需要的可以向作者索要。，然后遍歷［0，1］區(qū)間上的101個處理強度值，估計出平均“劑量反應(yīng)”函數(shù)和處理效應(yīng)函數(shù)，即(10)式，結(jié)果如圖2所示(標(biāo)準(zhǔn)化的員工培訓(xùn)強度乘以5千元/人得到實際的處理強度值)。有趣的是，平均“劑量反應(yīng)”函數(shù)呈現(xiàn)出“倒N形”特征，說明隨著員工培訓(xùn)強度的增加，企業(yè)的勞動生產(chǎn)率呈現(xiàn)“下降－上升－下降”的趨勢;當(dāng)不考慮員工培訓(xùn)強度的“自選擇效應(yīng)”時，平均“劑量反應(yīng)”函數(shù)曲線向上移動了，說明這種情形下會高估員工培訓(xùn)強度對企業(yè)效率的作用。

圖2　員工培訓(xùn)強度與企業(yè)生產(chǎn)率:“劑量反應(yīng)”函數(shù)(左)與處理效應(yīng)函數(shù)(右)

根據(jù)平均“劑量反應(yīng)”函數(shù)計算得到的處理效應(yīng)函數(shù)，反映了員工培訓(xùn)的不同強度相對于不做員工培訓(xùn)的情況而言能給企業(yè)效率帶來的因果變化。以內(nèi)生情形為例，可以發(fā)現(xiàn)處理效應(yīng)函數(shù)也呈現(xiàn)出“倒N形”特征。將員工培訓(xùn)強度取值范圍分割成兩部分，一部分區(qū)域員工培訓(xùn)強度的處理效應(yīng)為正，能夠提高企業(yè)的效率，稱為有效區(qū)域;另一部分員工培訓(xùn)強度的處理效應(yīng)則是負(fù)值或者接近于0，即無法提高企業(yè)的效率，稱為無效區(qū)域。存在無效區(qū)域的原因可能有兩點:當(dāng)培訓(xùn)投入強度較小時，培訓(xùn)可能流于形式，員工的技能與素質(zhì)不僅得不到提升，反而出現(xiàn)了知識理解混亂;當(dāng)培訓(xùn)投入強度過大時，培訓(xùn)可能超出了實際需要，甚至影響到正常生產(chǎn)，為“磨洋工”提供了機會。

如表4所示，以員工培訓(xùn)內(nèi)生為例，不超過900元的人均培訓(xùn)投入或者人均培訓(xùn)費用超過4900元，并不能夠給企業(yè)帶來效率的提升，因此是無效的員工培訓(xùn)投入;相對于不做員工培訓(xùn)，人均培訓(xùn)費介于900－4900元之間的投入強度能夠提高企業(yè)效率，是有效的員工培訓(xùn)投入。但是，最優(yōu)的培訓(xùn)投入強度為人均3400元左右，使企業(yè)的勞動生產(chǎn)率增加0．73①本文用人均工業(yè)增加值的自然對數(shù)值衡量勞動生產(chǎn)率，因此，反映在人均工業(yè)增加值上是增長了e0．73－1≈1．07倍左右。。而在員工培訓(xùn)外生的情形下，由于高估了員工培訓(xùn)的處理效應(yīng)，人均培訓(xùn)費用的無效區(qū)域縮小了，有效區(qū)域增大了，但是最優(yōu)的培訓(xùn)強度仍然指向了3400元左右。

表4　員工培訓(xùn)強度的處理效應(yīng)分析

四、穩(wěn)健性檢驗與拓展分析

(一)以TFP作為生產(chǎn)率變量的實證結(jié)果

為了檢驗實證結(jié)論的穩(wěn)健性，本文進(jìn)一步考慮以全要素生產(chǎn)率(TFP)作為企業(yè)效率指標(biāo)，研究員工培訓(xùn)強度對于TFP的作用是否仍然具有前文所述的特征。模型處理的細(xì)節(jié)與第三部分一致，不再贅述。平均“劑量反應(yīng)”函數(shù)的估算結(jié)果如圖3所示:不考慮員工培訓(xùn)“自選擇效應(yīng)”的結(jié)果會高估員工培訓(xùn)對企業(yè)效率的作用;考慮內(nèi)生性，員工培訓(xùn)強度與TFP的關(guān)系仍然呈“倒N形”，但是初始部分遞減的趨勢比較弱，這可能是由于TFP包含了更多的信息所致;平均“劑量反應(yīng)”函數(shù)最大值所對應(yīng)的最優(yōu)員工培訓(xùn)強度仍然指向3400元左右。因此，我們可以發(fā)現(xiàn)以TFP作為企業(yè)效率指標(biāo)，并沒有改變基本結(jié)論，換言之，員工培訓(xùn)強度與企業(yè)效率的關(guān)系是穩(wěn)健的。

圖3　員工培訓(xùn)強度與企業(yè)生產(chǎn)率(TFP) :“劑量反應(yīng)”函數(shù)

(二)子樣本分類拓展分析

基于全部有效樣本的研究結(jié)論是比較“籠統(tǒng)”的，有可能忽視存在于不同子樣本中的結(jié)論差異，而這些差異對于企業(yè)優(yōu)化員工培訓(xùn)決策和政府相應(yīng)政策調(diào)控具有重要的價值。接下來，本文從三個角度進(jìn)行樣本分類，即按地區(qū)、所有制和行業(yè)分類，進(jìn)行拓展分析。

1．按地區(qū)劃分子樣本的實證結(jié)果。數(shù)據(jù)庫中提供了企業(yè)所屬的省份信息，根據(jù)東、中、西部的省份劃分規(guī)則①東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南;中部地區(qū)包括黑龍江、吉林、山西、安徽、江西、河南、湖北、湖南;西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆?？梢源_定每個企業(yè)所屬的地區(qū)。對每個地區(qū)的企業(yè)樣本分別估算平均“劑量反應(yīng)”函數(shù)和處理效應(yīng)函數(shù)，由于地區(qū)間企業(yè)效率的均值水平存在著差異，因此報告處理效應(yīng)函數(shù)更具有可比性，可以比較出員工培訓(xùn)強度變化帶來企業(yè)效率的因果變化是否會隨著地區(qū)不同而有所不同，分析結(jié)果如圖4所示。

圖4　員工培訓(xùn)強度的處理效應(yīng)函數(shù):地區(qū)差異

東部與中部地區(qū)企業(yè)的員工培訓(xùn)強度的處理效應(yīng)函數(shù)比較接近，仍然呈現(xiàn)出明顯的“倒N形”特征，但是中部地區(qū)企業(yè)人均培訓(xùn)投入的無效區(qū)域較大，低于1200元的人均培訓(xùn)投入對于企業(yè)效率的提升沒有作用，而東部地區(qū)人均培訓(xùn)投入超過800元就能夠發(fā)揮提升企業(yè)效率的作用了;東部地區(qū)企業(yè)的最優(yōu)員工培訓(xùn)強度是人均培訓(xùn)投入3450元，能夠讓勞動生產(chǎn)率增加0．76，中部地區(qū)企業(yè)的最優(yōu)員工培訓(xùn)強度則為人均3600元，能夠讓勞動生產(chǎn)率增加0．78。西部地區(qū)企業(yè)的員工培訓(xùn)強度的處理效應(yīng)函數(shù)與東部和中部的差異就比較大了，如表5所示，員工培訓(xùn)投入很容易見效，人均培訓(xùn)費用超過500元就能帶來正向作用，但是，隨著投入的增加，正向作用很快就轉(zhuǎn)為負(fù)向的作用，人均培訓(xùn)費超過4100元就只會拉低企業(yè)的勞動生產(chǎn)率了;尤其重要的是，西部地區(qū)企業(yè)的員工培訓(xùn)強度的處理效應(yīng)遠(yuǎn)遠(yuǎn)小于東部和中部地區(qū)，以最優(yōu)投入2850元為例，只能讓勞動生產(chǎn)率增加0．34，不足東部和中部的一半。

2．按所有制劃分子樣本的實證結(jié)果。本文分兩步來確認(rèn)企業(yè)的產(chǎn)權(quán)性質(zhì):第一步，根據(jù)企業(yè)登記注冊類型信息區(qū)分出國有企業(yè)、外資企業(yè)(包括港澳臺資)和私營企業(yè)，以及合資、合伙和股份制企業(yè);第二步，將合資、合伙和股份制企業(yè)等按照控股產(chǎn)權(quán)區(qū)分為國有控股、外資控股和私營控股企業(yè)②以權(quán)益資本類型中占比最高且超過25%的作為控股類型。參考:路江涌．企業(yè)出口與企業(yè)生產(chǎn)效率研究［A］;金祥榮．民營化之路－軌跡與現(xiàn)象的理論解釋［M］．杭州:浙江大學(xué)出版社，2008。。將國有控股、外資控股和私營控股的企業(yè)也分別納入到國有企業(yè)、外資企業(yè)和私營企業(yè)中，構(gòu)成了三類企業(yè)樣本，分樣本計算的員工培訓(xùn)強度的處理效應(yīng)函數(shù)如圖5所示。

圖5　員工培訓(xùn)強度的處理效應(yīng)函數(shù):所有制差異

國有企業(yè)和私營企業(yè)的員工培訓(xùn)強度的處理效應(yīng)函數(shù)仍呈現(xiàn)出“倒N形”特征，國有企業(yè)員工培訓(xùn)強度的有效區(qū)域是800～4600元，最優(yōu)的人均培訓(xùn)費用為3250元;私營企業(yè)員工培訓(xùn)強度的有效區(qū)域是1050～4800元，最優(yōu)的人均培訓(xùn)費用為3400元;值得注意的是，有效區(qū)域中國有企業(yè)員工培訓(xùn)強度的處理效應(yīng)水平最高，這可能與國有企業(yè)效率水平值最低有關(guān)，反映出國有企業(yè)通過員工培訓(xùn)能夠有效追趕外資和私營企業(yè)的效率水平。外資企業(yè)員工培訓(xùn)強度不存在無效區(qū)域，換言之，外資企業(yè)的培訓(xùn)投入都能夠發(fā)揮作用提高企業(yè)的效率，這可能與外資企業(yè)規(guī)范和高效的培訓(xùn)系統(tǒng)有關(guān);當(dāng)然，外資企業(yè)培訓(xùn)強度的處理效應(yīng)函數(shù)也存在著“先遞增再遞減”的趨勢，因此最優(yōu)的員工培訓(xùn)強度為3950元，可以將企業(yè)勞動生產(chǎn)率提高0．69，參見表6。

表6　員工培訓(xùn)強度的處理效應(yīng)的所有制差異分析

3．按行業(yè)類型劃分子樣本的實證結(jié)果。OECD按照國際標(biāo)準(zhǔn)產(chǎn)業(yè)分類(ISIC3．0版)，根據(jù)生產(chǎn)或增加值中的研發(fā)密度(R＆D intensity)將制造業(yè)劃分為高技術(shù)行業(yè)、中高技術(shù)行業(yè)、中低技術(shù)行業(yè)以及低技術(shù)行業(yè)。文偉東等借鑒了這一做法，并結(jié)合我國企業(yè)的情況，進(jìn)一步將制造業(yè)行業(yè)分為勞動密集型、資本密集型和技術(shù)密集型［22］。本文對三類行業(yè)的分類標(biāo)準(zhǔn)與文偉東等一致，按行業(yè)分類的子樣本實證結(jié)果如圖6所示。

可以發(fā)現(xiàn):勞動密集型行業(yè)員工培訓(xùn)強度的有效區(qū)域為600－4700元，最優(yōu)的人均培訓(xùn)投入為3250元;資本密集型行業(yè)員工培訓(xùn)強度的有效區(qū)域為1000－4850元，最優(yōu)的人均培訓(xùn)投入為3450元;技術(shù)密集型行業(yè)員工培訓(xùn)強度的有效區(qū)域為950－4900元，最優(yōu)的人均培訓(xùn)投入為3500元。需要指出的是，員工培訓(xùn)的處理效應(yīng)在勞動密集型行業(yè)中最小，在資本密集型行業(yè)中較大，在技術(shù)密集型行業(yè)中最大，這與直覺是一致的。勞動力要素分別與資本要素、技術(shù)要素的互補作用，使得資本密集型和技術(shù)密集型行業(yè)中員工培訓(xùn)的邊際作用較大。因此，越是資本密集或者技術(shù)密集的企業(yè)越需要加大員工培訓(xùn)投入，參見表7。

圖6　員工培訓(xùn)強度的處理效應(yīng)函數(shù):行業(yè)差異

表7　員工培訓(xùn)強度的處理效應(yīng)的行業(yè)差異分析

五、結(jié)論與政策建議

本文圍繞探究企業(yè)生產(chǎn)率決定因素這個話題，討論了企業(yè)員工培訓(xùn)投入對于生產(chǎn)率的影響，基于2004－2007年中國工業(yè)企業(yè)數(shù)據(jù)，運用GPS方法檢驗了企業(yè)員工培訓(xùn)行為對生產(chǎn)率的因果效應(yīng)，并評估了員工培訓(xùn)強度對生產(chǎn)率的處理效應(yīng)，研究主要發(fā)現(xiàn):滯后一期的生產(chǎn)率水平對當(dāng)期員工培訓(xùn)強度具有正向作用，達(dá)到0．153，這說明高效率的企業(yè)更傾向于提高員工培訓(xùn)強度，因此，忽視“自選擇問題”會高估員工培訓(xùn)對生產(chǎn)率的影響。GPS的方法可以有效地控制員工培訓(xùn)的內(nèi)生性，得到員工培訓(xùn)強度與生產(chǎn)率之間的“倒N形”關(guān)系，并將處理強度分為初始［0，0．9］、尾部［4．9，5］的無效區(qū)域與中間(0．9，4．9)的有效區(qū)域。在無效區(qū)域內(nèi)，增加人均培訓(xùn)費用反而降低企業(yè)生產(chǎn)率;在有效區(qū)域中，3400元的人均培訓(xùn)費用可能是潛在的最優(yōu)投入強度，能將生產(chǎn)率提高0．73。使用全要素生產(chǎn)率(TFP)做穩(wěn)健性檢驗，結(jié)果表明基本結(jié)論依然成立。最后，本文從不同地區(qū)、不同所有制、不同行業(yè)類型等視角，考察子樣本情形下員工培訓(xùn)強度對企業(yè)生產(chǎn)率的處理效應(yīng)，從而得到更加細(xì)化和有針對性的政策建議:

首先，不同地區(qū)的處理效應(yīng)函數(shù)具有差異，員工培訓(xùn)投入需要因地制宜，不能犯“一刀切”的錯誤。雖然研究結(jié)論支持東部、中部、西部企業(yè)的員工培訓(xùn)強度與生產(chǎn)率存在“倒N形”的特征，但是明顯的，西部地區(qū)在初始階段的無效區(qū)域十分小，只要給予員工人均超過500元的培訓(xùn)投入就能提升企業(yè)效率，而當(dāng)投入超過4100元時就會拉低企業(yè)生產(chǎn)率;中東部則正好相反，初始階段的無效區(qū)域更長，而尾部的無效區(qū)域幾乎不存在。另外，當(dāng)培訓(xùn)能夠給企業(yè)帶來生產(chǎn)率提升時，中東部的平均提升水平也是顯著高于西部的。造成以上現(xiàn)象的原因很可能和西部地區(qū)的產(chǎn)業(yè)發(fā)展水平有關(guān)，由于企業(yè)效率起點低，只需一定量的培訓(xùn)強度就能給企業(yè)帶來好處，而相對落后的產(chǎn)能桎梏了生產(chǎn)力水平的進(jìn)一步提升;對于產(chǎn)業(yè)科技含量高的中東部地區(qū)來說，要想通過培訓(xùn)員工帶來效率提升，必須跨越相對較大的初始無效區(qū)域。

其次，國有企業(yè)在人力資源管理方面應(yīng)該多向外資企業(yè)學(xué)習(xí)。總體而言，國有企業(yè)通過員工培訓(xùn)投入，呈現(xiàn)出了對外資和私營企業(yè)效率的“追趕”。但是，仍然需要反思我們的招聘體系、職業(yè)技能教育。當(dāng)前的“用工荒”不是因為勞動力“量上的荒”，而是勞動力“質(zhì)上的荒”，企業(yè)招不到適應(yīng)崗位要求的員工，浪費了大量的前期投入。國家職業(yè)教育缺失，造成技能層面的工人緊張，再加上私營企業(yè)混亂的招聘，國企員工的世代襲任現(xiàn)象存在，最終在這些企業(yè)內(nèi)的員工素質(zhì)良莠不齊，很難在管理培訓(xùn)上獲得持續(xù)的回報。而外資企業(yè)子樣本的處理效應(yīng)函數(shù)不存在無效區(qū)域，也就是說只要有投入，就會有效果，這和國有、私營企業(yè)形成鮮明對比。國企改革的下一步需要引入嚴(yán)密的“招聘－實習(xí)－培訓(xùn)系統(tǒng)”，可以有效地減少信息不對稱造成的成本浪費，為生產(chǎn)率的提升帶來更好的效果。

最后，對于中國經(jīng)濟“新常態(tài)”的今天，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)產(chǎn)業(yè)優(yōu)化升級顯得尤為重要。研究結(jié)論表明，即使增加勞動密集型產(chǎn)業(yè)的員工培訓(xùn)費用，效果也不理想，技術(shù)密集型產(chǎn)業(yè)的效果最好?？梢?，單純依靠勞動力本身的低端制造產(chǎn)業(yè)，過去經(jīng)濟高速增長階段，發(fā)揮主導(dǎo)的低成本勞動驅(qū)動、高投資驅(qū)動的產(chǎn)業(yè)正受限于產(chǎn)業(yè)生產(chǎn)力進(jìn)一步提升。因此，當(dāng)經(jīng)濟面臨中高速增長時，必尋轉(zhuǎn)向更加依賴創(chuàng)新驅(qū)動主導(dǎo)的技術(shù)革新。然而，創(chuàng)新的關(guān)鍵在于人，加大這類產(chǎn)業(yè)員工的培訓(xùn)費用，能夠釋放出他們的創(chuàng)新潛能，發(fā)揮出員工培訓(xùn)最本質(zhì)的“學(xué)習(xí)效應(yīng)”。促進(jìn)產(chǎn)業(yè)自身發(fā)展向中高端邁進(jìn)，勞動、資本密集型的產(chǎn)業(yè)向技術(shù)密集型轉(zhuǎn)變，淘汰落后產(chǎn)能、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，都必須有龐大的高素質(zhì)產(chǎn)業(yè)工人為依托。

參考文獻(xiàn):

［1］簡澤，張濤，伏玉林．進(jìn)口自由化、競爭與本土企業(yè)的全要素生產(chǎn)率——基于中國加入WTO的一個自然實驗［J］．經(jīng)濟研究，2014 (8) : 120－132．

［2］包群，葉寧華，邵敏．出口學(xué)習(xí)、異質(zhì)性匹配與企業(yè)生產(chǎn)率的動態(tài)變化［J］．世界經(jīng)濟，2012 (4) : 26－48．

［3］周亞虹，賀小丹，沈姚．中國工業(yè)企業(yè)自主創(chuàng)新的影響因素和產(chǎn)出績效研究［J］．經(jīng)濟研究，2012(5) : 107－119．

［4］胡一帆，宋敏，鄭紅亮．所有制結(jié)構(gòu)改革對中國企業(yè)績效的影響［J］．中國社會科學(xué)，2006 (4) : 50－64．

［5］Becker G．Investment in human capital: A theoretical analysis［J］．Journal of Political Economy，1962，70(5) : 9－49．

［6］Dearden L，Reed H，Van R J．The impact of training on productivity and wages: Evidence from British panel data ［J］．Oxford Bulletin of Economics and Statistics，2006，68 (4) : 397－421．

［7］Almeida R，Carneiro P．The return to firm investments in human capital［J］．Labor Economics，2009，16: 97－106．

［8］Andries G，Sauermann J．The effects of training on own and co－worker productivity: Evidence from a field experiment［J］．Economic Journal，2012，122(May) : 376－399．

［9］湯二子，孫振．企業(yè)研發(fā)和培訓(xùn)投入對產(chǎn)出與生產(chǎn)率的影響研究［J］．科學(xué)學(xué)與科學(xué)技術(shù)管理，2012，33 (11) : 143－149．

［10］孔東民，龐立讓．研發(fā)投入對生產(chǎn)率提升的滯后效應(yīng):來自工業(yè)企業(yè)的微觀證據(jù)［J］．產(chǎn)業(yè)經(jīng)濟研究，2014(6) : 69－80．

［11］吳萬宗，湯學(xué)良．員工培訓(xùn)的動態(tài)變化與企業(yè)績效［R］．上海財經(jīng)大學(xué)，工作論文，2014．

［12］Holtman A，Idson T．Employer size and on－the－job training decision［J］．Southern Economic Journal，1991，58(2) : 339－355．

［13］馬雙，甘犁．最低工資對企業(yè)在職培訓(xùn)的影響分析［J］．經(jīng)濟學(xué)(季刊)，2013，13(1) : 1－26．

［14］Rosenbaum P R，Rubin D B．The central role of the propensity score in observational studies for causal effects［J］．Biometrika，1983，70(1) : 41－45．

［15］Imbens G W．The role of the propensity score in estimation dose－response functions［J］．Biometika，2000，7 (3) : 706－710．

［16］Hirano K，Imbens G W．The propensity score with continuous treatment［A］．A Gelman，Meng X L．In applies Bayesian modeling and causal inference from incomplete－data perspectives［C］．West Sussex，England: Wiley Inter Science，2004．73－84．

［17］Papke L E，Wooldridge J M．Economic methods for fractional response variables with an application to 401 (K) plan participation rates［J］．Journal of Applied Econometrics，1996，11(4) : 619－632．

［18］Cai Hongbin，Liu Qiao．Competition and corporate tax avoidance: Evidence from Chinese industrial firms［J］．Economic Journal，2009，119(Apr) : 764－795．

［19］Brandt L，Van Biesebroeck J，Zhang Yifan．Creative accounting or creative destruction? Firm－level productivity growth in Chinese manufacturing［J］．Journal of Development Economics，2012，97(2) : 339－351．

［20］Olley S，Pakes A．The dynamics of productivity in the telecommunications equipment industry［J］．Econometrica，1996．64(6) : 1263－1297．

［21］G?rg H E，Strobl E，Walsh F．Why do foreign－owned firms pay more? The role of on－the－job training［J］．Review of World Economics，2007，143: 464－482．

［22］文東偉，冼國明，馬靜．FDI、產(chǎn)業(yè)結(jié)構(gòu)變遷與中國的出口競爭力［J］．管理世界，2009(4) : 96－107．

責(zé)任編輯、校對:李斌泉

作者簡介:湯學(xué)良(1986－)，江蘇省淮安市人，上海財經(jīng)大學(xué)經(jīng)濟學(xué)院博士研究生，研究方向:應(yīng)用微觀計量與企業(yè)效率問題;吳萬宗(1986－)，江蘇省揚州市人，上海財經(jīng)大學(xué)國際工商管理學(xué)院博士研究生，研究方向:產(chǎn)業(yè)組織理論、產(chǎn)業(yè)發(fā)展與收入不平等;宗大偉(1981－)，江蘇省常熟市人，常熟理工學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院講師，上海財經(jīng)大學(xué)經(jīng)濟學(xué)院博士研究生，研究方向:實證國際貿(mào)易。

基金項目:上海財經(jīng)大學(xué)研究生創(chuàng)新基金項目(CXJJ－2015－328)。

收稿日期:2015－07－04

文獻(xiàn)標(biāo)識碼:A

文章編號:1002－2848－2016(01)－0097－11