生產(chǎn)率增長：全球模式、決定因素及其在中國的應用（上）

金墉 諾曼·勞亞

【提??要】本文是世界銀行長期增長模型項目（LTGM）關于生產(chǎn)率的擴展研究。通過對文獻的回顧，本文識別了經(jīng)濟生產(chǎn)率的五個主要決定因素：創(chuàng)新、教育、市場效率、基礎設施和制度。本文構建了代表生產(chǎn)率決定因素各主要類別的指標體系，并通過主成分分析法將多指標轉(zhuǎn)化為一個總體指標。我們的數(shù)據(jù)來源于1985-2015年100多個國家。同時，本文提出了一個測算全要素生產(chǎn)率（TFP）的方法，并評估了不同地區(qū)和收入群體的生產(chǎn)率增長模式。本文還考察了TFP與五個決定因素之間的關系。通過將生產(chǎn)率增長的差異分解為五個決定因素所解釋的份額，可以確定生產(chǎn)率增長與總體決定指標之間的關系。結果顯示，在決定TFP增長差異的因素中，近10年來對OECD國家和發(fā)展中國家的TFP增長影響最大的因素分別是市場效率和教育?；貧w結果表明，在控制了國別效應和時間效應后，TFP增長與我們所提出的TFP決定因素指標具有顯著的正向關系，與初始TFP具有負向關系。在此基礎上，本文模擬了TFP增長的潛在路徑，并基于地理區(qū)位和收入水平的區(qū)別介紹了不同國家的模擬結果。此外，本文模擬了中國在不同情景下的TFP潛在增長路徑。

【關鍵詞】生產(chǎn)率;創(chuàng)新;教育;效率;基礎設施;制度;增長

一、前言

投入相同的勞動、人力和物質(zhì)資本、物資，不同國家、部門和企業(yè)的產(chǎn)出不同。這一差異取決于生產(chǎn)過程中分配和使用資源的效率。經(jīng)濟學中最重要的經(jīng)驗之一就是提高生產(chǎn)率是經(jīng)濟持續(xù)增長的關鍵（如Hall and Jones，1999; Easterly and Levine， 2001; Caselli， 2005）。

生產(chǎn)率是現(xiàn)代經(jīng)濟學之父亞當·斯密（Adam Smith）和大衛(wèi)·李嘉圖（David Ricardo）在18世紀主要關注的問題，因為他們認為專業(yè)化和貿(mào)易優(yōu)勢是國家財富的基礎。20世紀上半葉，隨著發(fā)達國家從大蕭條中復蘇，?？怂梗℉icks，1939）和熊彼特（Schumpeter，1942）研究了提高生產(chǎn)率的重要性，并將其與企業(yè)創(chuàng)新和“創(chuàng)造性破壞”相聯(lián)系。當經(jīng)濟學家將注意力轉(zhuǎn)向發(fā)展中國家時，他們將生產(chǎn)率增長描述為可持續(xù)增長和發(fā)展的關鍵。劉易斯（Lewis，1954）、庫茲涅茨（Kuznets，1957）和切納里（Chenery，1960）認為，經(jīng)濟發(fā)展需要進行結構改革，將資源從經(jīng)濟中生產(chǎn)率較低的部門轉(zhuǎn)移至生產(chǎn)率較高的部門。由于20世紀70年代發(fā)達國家生產(chǎn)率持續(xù)下降，80年代發(fā)展中國家增長乏力，以及90年代東歐劇變，人們對增長和生產(chǎn)率的興趣呈指數(shù)級增長（Woo， Parker and Sachs，1997; Ben-David and Papell， 1998; Easterly， 2001;Jorgenson， Ho and Stiroh， 2008）。

將生產(chǎn)率研究置于經(jīng)濟增長研究框架中是具有啟示意義的。20世紀50年代，索洛和斯旺（Solow，1956; Swan，1956）建立了一個增長模型，認為物質(zhì)資本、勞動力和全要素生產(chǎn)率（TFP）的變化決定了經(jīng)濟增長率。在過去50多年里，該模型一直是增長理論的主流。但這個模型也存在一個缺點，即假設TFP增長路徑是外生的。自20世紀80年代中期以來，理論經(jīng)濟學家就在著手解決這一缺陷。例如，羅默（Romer， 1987&1990）、格羅斯曼和赫爾普曼（Grossman and Helpman，1991）以及阿吉翁、菲利普和休伊特（Aghion， Philippe and Howitt，1992）認為，研發(fā)支出（R&D）所代表的技術進步是長期增長的驅(qū)動力。盧卡斯（Lucas，1988）認為，通過教育積累人力資本會產(chǎn)生一種正外部性，這種外部性推動了生產(chǎn)率的提高，從而解釋了長期增長的原因。里貝羅（Kebelo，1991）認為包含人力資本和物質(zhì)資本在內(nèi)的資本邊際收益為常數(shù)，因此持續(xù)擴大投資可以帶來長期增長。巴羅等（Barro，1990; Barro and Sala-I-Martin，1992）的研究發(fā)現(xiàn)公共和私人投資可以帶來長期增長，因為政府的公共支出與私人資本具有互補性。恩格曼和索科洛夫（Engerman and Sokoloff，2000）以及阿西莫格魯、約翰遜和羅賓遜（Acemoglu，Johnson and Robinson，2001&2004）進一步深化了公共產(chǎn)品的概念，認為政治和經(jīng)濟制度對經(jīng)濟增長至關重要?？梢娫谶@些文獻中，提高生產(chǎn)率的機制是解釋長期經(jīng)濟增長的主要內(nèi)生因素。

對宏觀經(jīng)濟活動的微觀基礎的研究也為生產(chǎn)率研究提供了重要視角?；舯竟虻龋℉openhayn，1992;Hopenhayn and Rogerson，1993;Caballero and Hammour，1996;Davis，Haltiwanger and Schuh，1996）開創(chuàng)性地研究了企業(yè)動態(tài)驅(qū)動生產(chǎn)率提升從而推動經(jīng)濟增長的機制。從這一廣泛的研究中得出的結論是，資源再配置（包括企業(yè)進入和退出、創(chuàng)新和更新以及結構轉(zhuǎn)型）對生產(chǎn)率提高的解釋占了相當大的份額。當然，資源再配置可能需要進行代價高昂的調(diào)整：采用新技術、企業(yè)擴張需要整合生產(chǎn)投入、企業(yè)退出造成勞動力和資本流失。因此，資源再配置的難易程度差異可以解釋為什么一些國家比其他國家生產(chǎn)率更高。這種差異可能與一國發(fā)展水平（如缺乏人力資本和運作良好的司法體系。見Caballero and Hammour， 1998;Daron Acemoglu and Zilibotti， 2001）以及政府監(jiān)管和干預（如過度的勞動法規(guī)、對低效部門的補貼以及企業(yè)進入和退出壁壘。見Parente and Prescott， 2000）有關?；谖⒂^基礎研究的文獻在一定程度上完善了解釋機制，但其得出的結論與宏觀研究文獻基本相同，即創(chuàng)新、教育、監(jiān)管環(huán)境、公共產(chǎn)品和制度對生產(chǎn)率提高具有重要作用。

研究發(fā)現(xiàn)，人們的受教育年限、中高等教育完成率等變量都與TFP改進和人力資本積累有關，進而影響產(chǎn)出增長（Benhabib and Spiegel， 1994; Griffith， Redding and Reenen， 2004; Bronzini and Piselli， 2009; Erosa， Koreshkova and Restuccia， 2010）。具有足夠高的教育水平有助于發(fā)展中國家使用來自發(fā)展前沿國家的新技術，從而提高生產(chǎn)率。例如，本哈比伯等（Benhabib and Spiegel，2005）研究發(fā)現(xiàn)，一國國民平均受教育年限（教育的代理變量）可以影響技術追趕，進而對TFP增長具有正向影響。米勒等（Miller and Upadhyay，2002）發(fā)現(xiàn)，教育（同樣以國民受教育年限作為代理變量）會影響發(fā)展中國家通過貿(mào)易吸收新技術的能力，從而對TFP具有正向影響。巴羅（Barro，2001）在一項針對約100個國家的研究中，以國民受教育年限和學生考試分數(shù)作為變量進行研究，發(fā)現(xiàn)教育的數(shù)量和質(zhì)量與經(jīng)濟增長顯著相關。Wei和Hao（2011）發(fā)現(xiàn)，中國的教育質(zhì)量（以政府教育支出和師生比作為變量）與TFP增長顯著相關。

（三）市場效率

市場效率，反映的是資源（如勞動力、資本和物資）在企業(yè)和部門間的有效配置，通過讓非生產(chǎn)性企業(yè)退出市場、促進生產(chǎn)性企業(yè)成長、允許新企業(yè)涌現(xiàn)等推動了生產(chǎn)率增長（Foster， Haltiwanger and Krizan， 2001;Hsieh and Klenow， 2009;Parente and Prescott， 2000; Restuccia and Rogerson， 2017）。市場效率包括最終產(chǎn)品市場、金融體系和勞動力市場等方面的運作效率。

許多研究發(fā)現(xiàn)，市場效率與企業(yè)、部門或國家間的生產(chǎn)率差異有關。吉斯曼諾夫斯基（Jerzmanowski，2007）對1960-1995年間約80個國家的研究發(fā)現(xiàn)，人力和物質(zhì)資本配置效率低是造成這些國家收入水平低的主要原因。謝長泰等（Hsieh and Klenow，2009）估計，如果資本和勞動力的配置效率達到了美國的水平，2005年中國和印度的制造業(yè)部門生產(chǎn)率可以分別提高1.3倍和1.6倍。梅里茨（Melitz，2003）研究發(fā)現(xiàn)，貿(mào)易會促使生產(chǎn)率更高的企業(yè)進入出口市場、生產(chǎn)率最低的企業(yè)退出出口市場，從而導致行業(yè)總體生產(chǎn)率提高。監(jiān)管框架也顯著影響了企業(yè)和部門間資源再分配的難易程度（Djankov et al.， 2002; Loayza and Servén， 2010）。貝爾戈英等（Bergoeing，Loayza andPiguillem，2016）分析了技術應用不足和監(jiān)管之間的聯(lián)系，對于美國和107個發(fā)展中國家的收入差距，企業(yè)進入和退出的監(jiān)管壁壘解釋了26%-60%的部分，消除監(jiān)管壁壘（特別是全部消除）是至關重要的。尼科萊蒂等（Nicoletti and Scarpetta， 2003;Arnold， Nicoletti and Scarpetta， 2008）認為，繁重的市場監(jiān)管以及缺乏促進私營企業(yè)治理和競爭的改革，導致一些歐洲國家在使用或生產(chǎn)ICT的產(chǎn)業(yè)生產(chǎn)率水平低下，并阻礙了企業(yè)追趕國際前沿技術的步伐。

在金融體系，拉詹等（Rajan and Zingales，1998）研究發(fā)現(xiàn)，金融發(fā)展降低了許多國家的企業(yè)外部融資成本，從而促進了經(jīng)濟增長。貝克爾等（Beck， Levine and Loayza， 2000）認為，金融發(fā)展主要通過對TFP的正向效應而影響經(jīng)濟增長。布埃拉等（Buera， Kaboski and Shin， 2011）發(fā)現(xiàn)，金融摩擦扭曲了資本和創(chuàng)業(yè)人才在生產(chǎn)單元間的配置，因而對TFP和部門相對生產(chǎn)率產(chǎn)生了不利影響。在勞動力市場，研究表明，在勞動力配置方面提供靈活性的監(jiān)管提高了生產(chǎn)率?；魻柕偃f格等（Haltiwanger， Scarpetta and Schweiger，2008;Bartelsman， Gautier and De Wind，2016）的研究表明，就業(yè)保護阻礙了勞動力的有效再配置，因為相關監(jiān)管措施限制了就業(yè)流動，阻礙了企業(yè)使用高風險但生產(chǎn)率高的技術。巴羅（Barro，2001）指出，與男性相比，女性教育變量對經(jīng)濟增長的影響其實不顯著，這表明將女性員工納入勞動力市場的改革具有提高TFP的潛力。

（四）基礎設施

公共基礎設施（交通運輸、電信、能源、水和衛(wèi)生設施），能夠提供及時、符合成本收益的途徑，使得各種要素進入投入和產(chǎn)出市場、工作場所、獲取知識和信息來源，從而支持所有可能的經(jīng)濟活動（Straub， 2008; Galiani， Gertler and Schargrodsky， 2005）。適當?shù)模ㄔ跀?shù)量、質(zhì)量和多樣性方面）基礎設施網(wǎng)絡可以作為私人資本和勞動力要素的補充，增加其回報率并對經(jīng)濟增長產(chǎn)生影響。通過這種方式，擴大公共基礎設施成為TFP增長的一個重要來源。

適當?shù)墓不A設施對生產(chǎn)率和經(jīng)濟增長具有正向影響的證據(jù)是令人信服的。赫爾騰（Hulten，1996）指出，1970-1990年東亞和非洲的增長差異中，25%的部分可以由基礎設施的有效利用來解釋。阿肖爾（Aschauer，1989）認為，公共資本存量，特別是核心基礎設施，如高速公路、機場、下水道和供水系統(tǒng)等，是決定1950年代至1980年代美國生產(chǎn)率的關鍵因素。斯楚普（Straub，2008）對1989-2007年140個國家的數(shù)據(jù)進行了研究，發(fā)現(xiàn)基礎設施存量對經(jīng)濟增長具有正向的外部影響，因為基礎設施建設可以讓企業(yè)投資于生產(chǎn)效率更高的機器、減少工人通勤時間、提升員工健康和教育水平。同樣基于一組國家的面板數(shù)據(jù)，卡爾德隆等（Calderón and Servén，2010&2012&2014）得出的結論也支持基礎設施對增長和分配公平產(chǎn)生了積極影響。當然，要產(chǎn)生這些正向影響，需要一個框架來管理、組織和協(xié)調(diào)建設公共基礎設施和提供相關服務的政府和企業(yè)。此外，正如普利切特等（Pritchett，1996;Pennings，2018）所強調(diào)的，基礎設施支出不一定是衡量有效基礎設施的良好指標。支出的質(zhì)量也很重要，這一點與公共部門的能力密切相關（世界銀行，2003&2017r）。

（五）制度

公共制度——包括監(jiān)管、司法、政策和政治體系等——可以促進社會和經(jīng)濟穩(wěn)定，提供安全的生活和工作環(huán)境，保護財產(chǎn)權，保障公民基本權利。公共制度所形成的環(huán)境和政策對經(jīng)濟發(fā)展具有重大而根本的影響（North， 1990; Acemoglu， Johnson and Robinson， 2004）。良好的治理（體現(xiàn)在政治穩(wěn)定、法治、財產(chǎn)權保護、官僚作風、透明度和問責制以及沒有腐敗等方面）對生產(chǎn)率和經(jīng)濟增長的影響是非常大和令人信服的。

巴羅（Barro，1991）在對1960-1985年間約100個國家的研究發(fā)現(xiàn)，經(jīng)濟增長與政治穩(wěn)定正相關，與政府導致的市場扭曲負相關。貿(mào)羅（Mauro，1995）將語言的多樣性指標¹作為工具變量來衡量政府腐敗，發(fā)現(xiàn)腐敗對經(jīng)濟增長具有統(tǒng)計學意義上和經(jīng)濟上的巨大負面影響?？思{克等（Knack and Keefer，1995）發(fā)現(xiàn)，以合同的強制執(zhí)行程度和征收風險作為代理變量來衡量的財產(chǎn)權，即使將資本積累考慮在內(nèi)，仍然對經(jīng)濟增長產(chǎn)生了顯著影響。羅德里克等（Rodrik， Subramanian and Trebbi，2004）的研究表明，以財產(chǎn)權保護和法治的綜合指標來衡量的制度質(zhì)量，對大量樣本國家的收入水平都具有積極影響。錢達和達爾高（Chanda and Dalgaard，2008）認為，制度質(zhì)量（用法治、官僚作風、腐敗、征收風險和政府拒絕履行合同的綜合指標衡量）與生產(chǎn)率正相關。伊斯特利等（Easterly and Levine，2003）發(fā)現(xiàn)，制度是地理稟賦對經(jīng)濟發(fā)展產(chǎn)生影響的渠道。如果給定制度質(zhì)量，宏觀經(jīng)濟政策不會對經(jīng)濟發(fā)展產(chǎn)生影響，這意味著良好的制度會導致有利的宏觀經(jīng)濟環(huán)境。

上述五個TFP決定指標涵蓋了一系列驅(qū)動生產(chǎn)率增長的因素。它們也是其他潛在變量影響TFP的渠道。其中一些潛在變量是不隨時間變化而變化的，如歷史淵源和地理條件，但五個決定指標可以反映出它們的影響。例如羅德里克等（Rodrik， Subramanian and Trebbi，2004）研究顯示，地理因素通過影響制度質(zhì)量進而影響收入水平。還有一些潛在變量解釋了社會流動和收入不平等的緩慢變化。這些變量對TFP增長的影響可以通過教育、市場效率和制度來解釋。辛加諾（Cingano，2014）指出，收入不平等對經(jīng)濟增長具有負面影響，因為父母受教育背景較差的個體的技能發(fā)展受到了阻礙。達布拉-諾里斯等（Dabla-Norris et al.，2015）研究發(fā)現(xiàn)，低收入家庭和小企業(yè)在獲得金融服務方面存在更大困難，這將降低經(jīng)濟增長?；衾盏龋℉oeller，Joumard and Koske，2014）認為，缺乏提供更廣泛教育、金融服務和勞動力市場機會的政策將導致收入不平等，最終導致經(jīng)濟增長放緩。

三、研究方法

第一，本文介紹了分析中涉及的國家和年份的樣本。第二，我們解釋了如何估算國家層面的TFP增長。第三，我們構建了一組代表五個TFP決定因素指標的變量，并將這些變量綜合得到一個總體指標。第四，我們分析了TFP增長與TFP決定因素指標之間的關系。

（一）樣本

我們對1985-2014年間98個發(fā)展中國家和發(fā)達國家的數(shù)據(jù)進行了統(tǒng)計分析。數(shù)據(jù)來自于賓大世界表（PWT）9.0和世界銀行發(fā)展指標（WDI）數(shù)據(jù)庫。我們排除了那些歷史數(shù)據(jù)不足和嚴重依賴石油生產(chǎn)的國家（因為石油對產(chǎn)出的貢獻可能導致對TFP增長率的嚴重高估）²，以及人口不足200萬（2016年）的小國（世界銀行，2017m）。

為了對跨區(qū)域和跨時間的TFP增長進行描述性分析，我們增加了16個國家，這些國家的勞動力收入占比數(shù)據(jù)在PWT 9.0中缺失，但可以從全球貿(mào)易分析項目（GTAP）9.0中獲得（Aguiar， Narayanan and McDougall， 2016）。而對于TFP決定因素的描述性分析，我們還增加了22個國家，這些國家無法獲得估算TFP的信息，但可以獲得TFP決定因素指標的數(shù)據(jù)。在長期增長模型（LTGM）的增長預測中，我們重新加入了小國、嚴重依賴石油的國家以及可以通過其他來源或附加假設完善數(shù)據(jù)的國家。因此，包含TFP模塊的擴展的長期增長模型（LGTM）可以應用到約190個國家進行增長預測。

我們將加入OECD逾40年的國家定義為高收入國家，并對其他國家按地區(qū)和收入進行分類。我們使用1985-2014年的平均人均GDP數(shù)據(jù)（世界銀行，2017e），將樣本五等分。

（二）全要素生產(chǎn)率的構建

全要素生產(chǎn)率通常是作為殘差來衡量的，即在計入資本和勞動力要素對GDP的直接貢獻后剩余的部分（Barro and Sala-I-Martin， 2004）。資本存量總額通常使用永續(xù)盤存法來計算，即扣除現(xiàn)有資本存量折舊后的物質(zhì)資本總額的累積（相較于給定的初始資本存量）。勞動力投入可以按就業(yè)人數(shù)計算，并調(diào)整為人力資本。資本份額指用于支付資本收入的GPD份額，勞動力份額指用于支付勞動力收入的GDP份額。每種生產(chǎn)要素的份額通常被假定為隨時間恒定。

對于（相對）TFP的水平，我們使用PWT 9.0中提供的估計值，用rtfpna表示（Feenstra， Inklaar and Timmer， 2015）。該組數(shù)據(jù)是將2011年的TFP水平設置為1，然后根據(jù)TFP增長率往前和往后計算其余年份的TFP。

（三）主要決定因素指標的構建

我們構建了代表五個決定因素（創(chuàng)新、教育、市場效率、基礎設施和制度）的子成分指標，并構建了一個總體決定因素指標來代表這五個決定因素的綜合結果。

首先，為了構建子成分指標，我們選擇了相關變量并使用因子分析法將其組合起來，并讓變量的共性方差盡可能大，如圖1A（Mulaik，2009）。

其次，為了構建總體決定因素指標，我們使用主成分分析法將五個子成分指標組合起來，并讓五個子成分指標的總方差盡可能大，如圖1B（Jolliffe，2002）。³我們使用主成分分析法得到總體決定因素指標，因為主成分分析法可以表示每個子成分指標的不同特性。這與每個子成分指標不同，每個子成分指標應該代表變量的共同特征。

對于五個TFP決定因素，我們選擇指標的原則是基于該指標是否衡量了某個重要特征、是否在文獻中使用過以及是否可以獲得跨國和跨期數(shù)據(jù)。有少數(shù)情況下，數(shù)據(jù)略有缺失，我們根據(jù)收入類別或趨勢估算了缺失值。

1.創(chuàng)新。我們使用以下變量構建創(chuàng)新（Innov）的子成分指標：公共和私人研發(fā)支出占GDP的比重，作為衡量創(chuàng)造新技術的指標（世界銀行，2017o）;居民和非居民專利申請數(shù)量，以及科技期刊文章發(fā)表數(shù)量，作為衡量研發(fā)活動成果的指標（世界銀行，2017k&2017l&2017p）。

2.教育。我們使用以下變量構建教育（Educ）的子成分指標：政府教育支出占GDP的比重，作為衡量基礎人力資本公共投資的指標（世界銀行，2017f）;25歲及以上人口完成中等教育和高等教育的比例（Barro and Lee， 2013），作為衡量工人受教育程度的指標;標準化國際考試分數(shù)——國際學生評估項目（PISA）中數(shù)學、科學和閱讀成績的平均值，作為衡量教育質(zhì)量的指標（OECD，2016a&2016b&2016c）。

3.市場效率。我們將市場劃分為最終產(chǎn)品市場、金融市場和勞動力市場，并構建了市場效率子成分指標（Effi）。我們選擇世界銀行營商環(huán)境分數(shù)作為衡量最終產(chǎn)品市場效率的指標，該指標衡量了企業(yè)創(chuàng)業(yè)、跨境貿(mào)易、財產(chǎn)登記、信貸可獲得性等方面的監(jiān)管環(huán)境（世界銀行，2017a）。我們選擇國際貨幣基金組織金融發(fā)展指數(shù)作為衡量金融市場效率的指標，該指標衡量了金融發(fā)展水平（包括金融市場規(guī)模和流動性）、個人和企業(yè)獲得金融服務的便利程度以及金融機構低成本可持續(xù)提供服務的能力（Svirydzenka， 2016）。作為衡量勞動力市場的指標，我們使用因子分析法構建了一個綜合指標，包括最低工資（人均增加值的百分比）、冗余員工的解雇費用（周工資）和女性在非農(nóng)部門就業(yè)占比（世界銀行，2017h&2017q）。

4.基礎設施。我們使用以下變量構建基礎設施（Infra）的子成分指標：每百人固定電話和移動電話用戶數(shù)（世界銀行，2017c&2017i）;每百人鋪設道路長度公里數(shù)（國際公路聯(lián)合會，2017a&2017b）;發(fā)電量（每百人千瓦）（OECD/IEA，2017）;經(jīng)改善的水資源和衛(wèi)生設施（占人口的百分比）（WHO/UNICEF，2017b&2017a）。

5.制度。我們選擇了世界銀行的全球治理變量來構建制度（Inst）的子成分指標，包括：發(fā)言權和問責措施;反腐?。閭€人利益而行使公共權力的程度）;政府效率（公共服務質(zhì)量以及政策制定和執(zhí)行情況）;政治穩(wěn)定（沒有政治動機的沖突）;監(jiān)管質(zhì)量（政府制定和執(zhí)行促進私營部門發(fā)展相關措施的能力）;法治（公民對法律的信心和遵守的程度）（Kaufmann and Kraay， 2017）。

必要時，我們對所選變量的缺失值進行估算，以平衡樣本規(guī)模，并最大限度地增加樣本國家數(shù)量。在估算時，我們根據(jù)可用數(shù)據(jù)的數(shù)量和變量的特點采用不同的方法。對于擁有10年以上（在1985-2014年期間內(nèi)）數(shù)據(jù)的樣本國家，我們根據(jù)線性趨勢來估算缺失值。對于數(shù)據(jù)不足10年的樣本國家，我們將缺失值替換為該國所在收入和區(qū)域組的中值。對于PISA分數(shù)這一指標，我們采用了不同的方法，因為所有樣本國家的可用數(shù)據(jù)都不足10年?？紤]到PISA分數(shù)與滯后5年的人均GDP對數(shù)存在系數(shù)為0.66（p值<0.01）的統(tǒng)計相關性，我們對PISA分數(shù)和滯后5年人均GDP對數(shù)進行了回歸，并控制了跨國時間序列數(shù)據(jù)集的時間效應。⁵得到了PISA分數(shù)的估計值后，我們將PISA分數(shù)的缺失值替換為該國所在收入和區(qū)域組的PISA分數(shù)中值。對于最低工資和解雇費用，我們將最老的可用數(shù)據(jù)（2014年）應用于2014年之前的時間段，因為可用數(shù)據(jù)（2014-2017年）不足以獲得一個時間趨勢，且難以根據(jù)國家的收入和區(qū)域分組來計算。

（四）TFP決定因素與TFP增長之間的關系

1.主要決定因素對TFP增長方差的相對貢獻。為了評估五個主要決定因素對TFP增長的相對貢獻，我們將TFP增長率（從t-5期到t期）的方差分解為各子成分指標（t-5期）所解釋的方差，并控制TFP初始水平（t-5期）和98個國家的時間效應。戈洛姆平（Gr?mping，2007）在文獻中回顧了通過方差分解測算相對重要性的方法，指出“優(yōu)勢分析法”（dominance analysis）是一種合理的方法（Budescu， 1993; Azen and Budescu， 2003），主要用于處理個體決定因素之間存在協(xié)方差的問題。該方法可以計算子成分指標的貢獻，因為當子成分指標被添加到其他子成分指標的每個子集時，解釋方差會隨之增加。例如，當創(chuàng)新指標（innovc，t）被添加到其他四個子成分指標的16個子集中時，可以通過計算TFP增長率的解釋方差的平均⁶增加值得到創(chuàng)新指標的貢獻率。

2.總體決定因素指標與TFP增長之間的關系。為了量化總體決定因素指標與TFP增長之間的關系，我們構建了一個回歸模型，其中TFP增長率是考慮了國家和時間效應的關于滯后期總體決定因素指標和滯后期TFP水平的函數(shù)（公式2）。我們將過去30年總體決定因素指標的最低值和最高值分別記為1和100。為此，我們使用了以下線性變換：

根據(jù)初步分析，總體決定因素指標和TFP增長之間的關系隨著總體決定因素指標的增長而下降;考慮到該非線性特征，我們對上文計算的新指數(shù)進行了對數(shù)變換。我們使用滯后5年的數(shù)據(jù)來降低內(nèi)生性作為反向因果關系的可能。這也有助于平滑TFP增長數(shù)據(jù)，因為在較短期內(nèi)TFP增長可能會受經(jīng)濟周期波動影響（Beck， Levine and Loayza，2000; Giavazzi and Tabellini，2005）。

為了進行比較和穩(wěn)健性檢驗，我們進行了不同的回歸：無國別效應、隨機國別效應以及分別滯后3年和7年。我們估計了（White-Huber）穩(wěn)健標準誤。在將模型與樣本進行擬合后，我們將結果納入長期增長模型（（Loayza and Pennings， 2018），從而對不同國家和地區(qū)的TFP增長潛在路徑進行模擬。

Abstract： This is the background paper for the productivity extension of the World Banks Long-Term Growth Model （LTGM）. Based on an extensive literature review， the paper identifies the main determinants of economic productivity as innovation， education， market efficiency， infrastructure， and institutions. Based on underlying proxies， the paper constructs indexes representing each of the main categories of productivity determinants and， combining them through principal component analysis， obtains an overall determinant index.This is done for every year in the three decades spanning 1985–2015 and for more than 100 countries. In parallel， the paper presents a measure of total factor productivity （TFP）， largely obtained from the Penn World Table， and assesses the pattern of productivity growth across regions and income groups over the same sample. The paper then examines the relationship between the measures of TFP and its determinants. The variance of productivity growth is decomposed into the share explained by each of its main determinants， and the relationship between productivity growth and the overall determinant index is identified. The variance decomposition results show that the highest contributor among the determinants to the variance in TFP growth is market efficiency for Organisation for Economic Co-operation and Development countries and education for developing countries in the most recent decade. The regression results indicate that， controlling for country- and time-specific effects， TFP growth has a positive and significant relationship with the proposed TFP determinant index and a negative relationship with initial TFP. This relationship is then used to provide a set of simulations on the potential path of TFP growth if certain improvements on TFP determinants are achieved. The paper presents and discusses some of these simulations for groups of countries by geographic region and income level. In addition， as a country-specific illustration， the paper presents simulations on the potential path of TFP growth for China under various scenarios.

Keywords： Productivity;Innovation;Education; Efficiency; Infrastructure; Institutions; Growth