金融錯(cuò)配對(duì)中國(guó)制造業(yè)全要素生產(chǎn)率影響研究

王 欣 曹慧平

(安徽財(cái)經(jīng)大學(xué) 國(guó)際經(jīng)濟(jì)貿(mào)易學(xué)院, 安徽 蚌埠 233030)

一、引言及文獻(xiàn)綜述

中央經(jīng)濟(jì)工作會(huì)議將“推動(dòng)制造業(yè)高質(zhì)量發(fā)展”列為2019年重點(diǎn)工作之首。推進(jìn)制造業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí)，也是近些年供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容。中國(guó)經(jīng)濟(jì)要實(shí)現(xiàn)高質(zhì)量增長(zhǎng)，必須有高質(zhì)量的制造業(yè)作為支撐，而金融資源則是支撐制造業(yè)發(fā)展的核心要素?；诖?，如何促進(jìn)金融要素配置“脫虛向?qū)崱?，有效引?dǎo)金融要素在制造業(yè)的優(yōu)化配置，糾正金融資源錯(cuò)配，以促進(jìn)制造業(yè)全要素生產(chǎn)率水平的提升，這些都是值得進(jìn)一步需要深入探討的問(wèn)題。

在經(jīng)濟(jì)新常態(tài)下，以往過(guò)度依靠要素投入的“粗放式”增長(zhǎng)模式難以為繼；在人口紅利吿罄的情況下，資本大量投入也無(wú)法維持較高的經(jīng)濟(jì)增長(zhǎng)速度，因而唯一可以依賴的就是全要素生產(chǎn)率(TFP)的提升。多數(shù)研究認(rèn)為，中國(guó)整體全要素生產(chǎn)率水平的提升還有非常大的空間(Yao,2010;楊岱汝,2015)，且提升主要源于企業(yè)技術(shù)進(jìn)步以及要素資源的配置效率優(yōu)化。但企業(yè)本身的成長(zhǎng)需要消耗大量的資源，因此只有降低要素價(jià)格扭曲，優(yōu)化資源在企業(yè)間的配置效率，才能形成真正可持續(xù)的內(nèi)生經(jīng)濟(jì)增長(zhǎng)模式。

從部門間資源配置角度研究TFP可以追溯到Syrquin(1986)，通過(guò)對(duì)Solow(1956)的增長(zhǎng)核算框架進(jìn)行進(jìn)一步完善，即將全要素生產(chǎn)率的增長(zhǎng)變動(dòng)分解為行業(yè)自身全要素生產(chǎn)率的增長(zhǎng)和要素資源在行業(yè)間產(chǎn)生的配置效應(yīng)，從而使這一分析框架被廣泛應(yīng)用于解釋結(jié)構(gòu)變動(dòng)的影響(Syrquin,1986)。Nordhaus(2002)將全要素生產(chǎn)率的增長(zhǎng)率計(jì)算值進(jìn)一步分解為行業(yè)內(nèi)部生產(chǎn)率增長(zhǎng)效應(yīng)、行業(yè)份額對(duì)生產(chǎn)率增長(zhǎng)的正向效應(yīng)、資源再配置效應(yīng)三個(gè)部分。此后，國(guó)內(nèi)外也不乏采用類似分解法的文獻(xiàn)，這些文獻(xiàn)從宏觀和行業(yè)層面對(duì)要素錯(cuò)配與TFP之間關(guān)系進(jìn)行分析(Timmer et al.,2000;姚戰(zhàn)琪,2009)。

隨著企業(yè)統(tǒng)計(jì)數(shù)據(jù)可獲得性的增強(qiáng)，全要素生產(chǎn)率研究也由宏觀層面走向微觀層面，最有代表性的研究文獻(xiàn)當(dāng)屬Hsieh et al.(2009)研究，其采用全要素生產(chǎn)率價(jià)值的離散程度來(lái)衡量資源配置效率，并基于企業(yè)層面數(shù)據(jù)從要素錯(cuò)配的角度解釋不同國(guó)家經(jīng)濟(jì)增長(zhǎng)差異。之后不少學(xué)者的研究也得出Hsieh et al.(2009)類似的結(jié)論，即要素錯(cuò)配是跨國(guó)經(jīng)濟(jì)效率差異的主要原因(Jones,2011;Buera et al.,2011;Larrain et al.,2013)。近年來(lái)研究中國(guó)資源錯(cuò)配問(wèn)題的文獻(xiàn)頗為豐富(Brandt et al.,2012;陳永偉 等,2011;羅德明 等,2012;龔關(guān) 等,2013;張慶君,2015;黃先海 等,2017),這些文獻(xiàn)也從理論和經(jīng)驗(yàn)上證明了Hsieh et al. (2009)的觀點(diǎn)：如果中國(guó)的資源能夠得到有效配置，在不增加要素投入的前提下，可以大幅度提高制造業(yè)全要素生產(chǎn)率水平。但就估計(jì)全要素生產(chǎn)率提升幅度而言，不同文獻(xiàn)的測(cè)算結(jié)果存在顯著差異。

當(dāng)前研究金融錯(cuò)配與全要素生產(chǎn)率關(guān)系的文獻(xiàn)較少，有關(guān)金融要素錯(cuò)配的研究主要集中在造成金融錯(cuò)配的原因及其影響方面。一部分研究認(rèn)為，金融體系的“所有制偏好”,使得銀行體系向生產(chǎn)率較低的國(guó)有部門配置了過(guò)多的金融資源，從而降低了企業(yè)對(duì)投資機(jī)會(huì)的敏感度(龔關(guān),2013;李青原 等,2013)；中國(guó)資本市場(chǎng)仍具有較強(qiáng)的制度約束特征，由此引發(fā)的非市場(chǎng)化行為對(duì)資本市場(chǎng)的資本流向產(chǎn)生誤導(dǎo)，也降低了資本配置效率(王欣 等,2015)；差別化的產(chǎn)業(yè)政策也使得金融資源配置到低生產(chǎn)率的企業(yè)，從而扭曲了市場(chǎng)的進(jìn)入退出機(jī)制，產(chǎn)生資源誤置效應(yīng)(羅德明 等,2012;錢學(xué)松 等,2018)。某種意義上，資本流動(dòng)起到了信號(hào)指示作用，如果資本配置均衡有效，將會(huì)帶動(dòng)勞動(dòng)力、技術(shù)等經(jīng)濟(jì)資源流向生產(chǎn)率水平較高的部門，形成較為合理的要素配置結(jié)構(gòu)，從而促進(jìn)資源配置效率的提升，而資源配置效率的改善則是全要素生產(chǎn)率提升的重要條件。

綜上，現(xiàn)有研究多用實(shí)際TFP與潛在TFP比較來(lái)衡量總體要素錯(cuò)配對(duì)全要素生產(chǎn)率的影響，而較少研究單個(gè)要素的配置扭曲及其導(dǎo)致的TFP效率損失。對(duì)于中國(guó)而言，由于國(guó)有經(jīng)濟(jì)占據(jù)重要地位，由金融抑制和制度性障礙所導(dǎo)致的金融錯(cuò)配現(xiàn)象尤為明顯，因而有必要重點(diǎn)考察金融錯(cuò)配對(duì)全要素生產(chǎn)率的影響。由此本文力圖在以下兩個(gè)方面做出拓展：一是研究視角方面，本文側(cè)重于從資源配置效率的視角探討金融錯(cuò)配與全要素生產(chǎn)率之間的關(guān)系，檢驗(yàn)中國(guó)制造業(yè)能否通過(guò)改善金融錯(cuò)配來(lái)推動(dòng)全要素生產(chǎn)率的增長(zhǎng)；二是在研究方法方面，本文從微觀企業(yè)的全要素生產(chǎn)率出發(fā)，分別測(cè)算出制造業(yè)子行業(yè)的全要素生產(chǎn)率水平及金融錯(cuò)配系數(shù)，在此基礎(chǔ)上進(jìn)行整體樣本及分部門、分行業(yè)的異質(zhì)性檢驗(yàn)，這不僅有助于豐富現(xiàn)有理論微觀經(jīng)驗(yàn)證據(jù)，還將增進(jìn)對(duì)金融錯(cuò)配影響制造業(yè)企業(yè)全要素生產(chǎn)率程度差異的理解。

二、理論模型

現(xiàn)實(shí)經(jīng)濟(jì)中，由于政策扭曲和金融摩擦的存在，資源的配置并非最優(yōu)。本文在Hsieh et al.(2009)的研究框架下，引入表示最終產(chǎn)品市場(chǎng)、金融要素市場(chǎng)、勞動(dòng)力市場(chǎng)金融錯(cuò)配系數(shù)的三個(gè)不同變量，并定義競(jìng)爭(zhēng)均衡，進(jìn)而討論金融錯(cuò)配對(duì)制造業(yè)全要素生產(chǎn)率的影響。

HK是基于壟斷競(jìng)爭(zhēng)模型的框架，其假設(shè)行業(yè)內(nèi)的企業(yè)是異質(zhì)性的，面臨不同程度的價(jià)格扭曲。本文假設(shè)制造業(yè)內(nèi)N個(gè)不同子行業(yè)的生產(chǎn)函數(shù)不同，而同一子行業(yè)內(nèi)的企業(yè)生產(chǎn)函數(shù)相同，這樣每個(gè)子行業(yè)可用一家代表性企業(yè)表示。企業(yè)為要素市場(chǎng)的價(jià)格接受者，在完全競(jìng)爭(zhēng)模型下基本要素價(jià)格分別為pk、pL，各行業(yè)面對(duì)不同的扭曲稅率則代表了要素錯(cuò)配程度的差異，用τki和τLi表示。由柯布-道格拉斯(CD)生產(chǎn)函數(shù)出發(fā)，則有：

(1)

其中：Vi代表產(chǎn)出；Ai表示單個(gè)企業(yè)的技術(shù)進(jìn)步；Ki、Li分別表示資本投入、勞動(dòng)力投入；?i表示資本的產(chǎn)出彈性。

企業(yè)利潤(rùn)最大化目標(biāo)函數(shù)公式表示如下：

(2)

(3)

制造業(yè)總產(chǎn)出V由各子行業(yè)的產(chǎn)出決定，由此可以得出加總生產(chǎn)函數(shù)：

V=V(V1,…，VI)

(4)

假設(shè)V(·)規(guī)模報(bào)酬不變，可以得到：

(5)

整個(gè)行業(yè)的產(chǎn)值等于各個(gè)子行業(yè)產(chǎn)值的加總，由此得到：

根據(jù)上述設(shè)定，便可以定義具有扭曲系數(shù)的競(jìng)爭(zhēng)均衡下的模型，假設(shè)變量{Vi,Ki,Li,Pi,Pk,PL}滿足下列條件：

(1)企業(yè)生產(chǎn)最優(yōu)解的一階條件(2)(3)

(2)加總生產(chǎn)函數(shù)的規(guī)模報(bào)酬不變(4)(5)

接下來(lái)求解可以得到具有要素價(jià)格扭曲的競(jìng)爭(zhēng)均衡條件下Ki、Li的值：

(6)

其中，σi為行業(yè)i的產(chǎn)出份額，σi=piVi/V，則等式可重寫為：

(7)

(8)

類似可得出競(jìng)爭(zhēng)均衡模型下的Li表達(dá)式：

(9)

將整體TFP進(jìn)行分解，進(jìn)而分析要素使用成本的扭曲對(duì)總體TFP的影響。先將加總生產(chǎn)函數(shù)式(4)取對(duì)數(shù)，代入式(5)、式(6)，可得：

(10)

代入式(1)、式(7)、式(9),可以得到：

(11)

根據(jù)全要素生產(chǎn)率TFP的一般定義，可得總體TFP表達(dá)式:

(12)

將式(11)代入式(12)中，可得：

(13)

由此可見(jiàn)，總體TFP由兩部分決定，前一部分是各行業(yè)內(nèi)的技術(shù)進(jìn)步加權(quán)平均，另一部分則是行業(yè)所面臨的要素市場(chǎng)上價(jià)格扭曲程度加成，這說(shuō)明行業(yè)間資本扭曲與制造業(yè)全要素生產(chǎn)率之間呈現(xiàn)負(fù)相關(guān)的關(guān)系。

三、制造業(yè)全要素生產(chǎn)率的估算

(一)生產(chǎn)函數(shù)

根據(jù)前文理論部分的假設(shè)可知，制造業(yè)同一子行業(yè)內(nèi)的企業(yè)生產(chǎn)函數(shù)相同，那么我們先需要知道各行業(yè)的生產(chǎn)函數(shù)形式，接下來(lái)才能分別對(duì)資本彈性和勞動(dòng)彈性進(jìn)行合理估計(jì)。從柯布-道格拉斯(CD)生產(chǎn)函數(shù)出發(fā)，設(shè)定生產(chǎn)函數(shù)公式如下：

(14)

其中：Yit表示產(chǎn)出；Kit和Lit分別表示資本和勞動(dòng)要素的投入；TFPit代表行業(yè)或企業(yè)的全要素生產(chǎn)率，由于中國(guó)行業(yè)層面的數(shù)據(jù)比較缺乏，這將極大地影響生產(chǎn)函數(shù)估計(jì)的可靠性，因此本文利用微觀層面的企業(yè)數(shù)據(jù)來(lái)估計(jì)生產(chǎn)函數(shù)的具體形式。通過(guò)對(duì)式(14)取對(duì)數(shù)，將其轉(zhuǎn)化為線性形式的公式：

yit=?kit+βlit+εit

(15)

(二)數(shù)據(jù)與變量說(shuō)明

本文使用的基礎(chǔ)數(shù)據(jù)來(lái)源是中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)，以1999—2013年全部國(guó)有企業(yè)及規(guī)模以上非國(guó)有制造業(yè)企業(yè)作為樣本企業(yè)，經(jīng)過(guò)對(duì)數(shù)據(jù)進(jìn)行篩選合并，從原始數(shù)據(jù)中選取29個(gè)兩位數(shù)行業(yè)的數(shù)據(jù)，并隨機(jī)從各行業(yè)企業(yè)中分別抽取5%的企業(yè)作為有效樣本，再構(gòu)建面板數(shù)據(jù)做相應(yīng)處理，同時(shí)剔除關(guān)鍵變量的缺失值和部分異常觀測(cè)值。

本文對(duì)估計(jì)生產(chǎn)函數(shù)所需的變量指標(biāo)的處理方法是：選取工業(yè)增加值衡量產(chǎn)出，使用固定資產(chǎn)凈值衡量資本，就業(yè)人數(shù)可以直接采用數(shù)據(jù)庫(kù)中的職工人數(shù)表示；由于樣本數(shù)據(jù)時(shí)間跨度較長(zhǎng)，為了使不同年份的數(shù)據(jù)具有可比性，工業(yè)增加值和固定資產(chǎn)凈值需要進(jìn)行相應(yīng)的價(jià)格指數(shù)處理；樣本中的所有變量名義值都以1999年為基期來(lái)調(diào)整實(shí)際值，其中工業(yè)增加值使用企業(yè)所在地區(qū)工業(yè)品出廠價(jià)格指數(shù)進(jìn)行平減，固定資產(chǎn)凈值采用固定資產(chǎn)投資價(jià)格指數(shù)進(jìn)行平減，價(jià)格指數(shù)均來(lái)自各個(gè)年份的中國(guó)統(tǒng)計(jì)年鑒。

(三)估計(jì)方法及結(jié)果

使用傳統(tǒng)的OLS估計(jì)方法會(huì)面臨同時(shí)性偏差和樣本選擇偏差等問(wèn)題(魯曉東 等，2012)。式(15)中的殘差項(xiàng)εit包括了企業(yè)TFP的對(duì)數(shù)信息，考慮到企業(yè)生產(chǎn)決策的同時(shí)性偏差問(wèn)題，即企業(yè)決策者可以在當(dāng)期根據(jù)可觀測(cè)到的企業(yè)生產(chǎn)率調(diào)整要素的投入配置，因此εit部分包含了可被企業(yè)觀測(cè)到并影響當(dāng)期要素投入的變量 h和殘差項(xiàng)λ。此外，還可能存在樣本選擇問(wèn)題，即在位企業(yè)樣本都是生產(chǎn)率較高的企業(yè)，而生產(chǎn)率較低的企業(yè)會(huì)因被淘汰而未被觀測(cè)到，若據(jù)此樣本估計(jì)TFP,企業(yè)的TFP則有被高估的傾向。本文估算生產(chǎn)函數(shù)形式采用以投資額作為代理變量的Olley-Pakes方法(簡(jiǎn)稱OP法)，該方法在一定程度上可以解決OLS估計(jì)方法無(wú)法避免的同時(shí)性偏差問(wèn)題。假定企業(yè)根據(jù)自身生產(chǎn)率水平做出投資決策Iit，由此可以用企業(yè)的當(dāng)期投資額作為不可觀測(cè)的生產(chǎn)率沖擊的代理變量，從而構(gòu)建如下企業(yè)生產(chǎn)函數(shù)：

yit=βlit+?itkit+h(Iit,kit)+λit

(16)

由于數(shù)據(jù)庫(kù)中沒(méi)有固定資產(chǎn)投資這一指標(biāo)，本文使用永續(xù)盤存法測(cè)算出Iit，具體相應(yīng)公式可以變形為：It=Kt+1-Kt+δKt，其中K表示固定資產(chǎn)實(shí)際值，δ表示固定資產(chǎn)折舊率，δ設(shè)為10%。利用整理后的數(shù)據(jù)，采取OP法對(duì)29個(gè)制造業(yè)子行業(yè)的生產(chǎn)函數(shù)進(jìn)行估計(jì)，表1列出了資本彈性和勞動(dòng)力彈性系數(shù)的具體估計(jì)結(jié)果。

表1 基于OP法估算的制造業(yè)行業(yè)資本和勞動(dòng)彈性

注：***、**、*分別表示1%、5%、10%的顯著性水平。下同。

在估計(jì)出生產(chǎn)函數(shù)的彈性系數(shù)后，可以對(duì)各個(gè)時(shí)期每個(gè)行業(yè)內(nèi)單個(gè)企業(yè)的TFP水平進(jìn)行估計(jì)；接下來(lái)根據(jù)企業(yè)的產(chǎn)出份額，對(duì)企業(yè)TFP進(jìn)行加權(quán)，進(jìn)而計(jì)算出1999—2013年間中國(guó)制造業(yè)各行業(yè)各期的整體TFP。

由表1可知，從中國(guó)制造業(yè)各行業(yè)歷年的TFP增長(zhǎng)率來(lái)看，1999年以來(lái)中國(guó) TFP 增長(zhǎng)率呈現(xiàn)出平穩(wěn)的增長(zhǎng)態(tài)勢(shì)，TFP增長(zhǎng)率到2007年達(dá)到峰值，2007年之后開始出現(xiàn)顯著下降。之所以在2007—2013年這一階段出現(xiàn)這種情況：一方面中國(guó)制造業(yè)企業(yè)受到國(guó)際環(huán)境波動(dòng)的負(fù)面影響；另一方面，國(guó)內(nèi)經(jīng)濟(jì)也出現(xiàn)了結(jié)構(gòu)失衡、經(jīng)濟(jì)增速放緩的情況，TFP 增長(zhǎng)率持續(xù)下降的態(tài)勢(shì)一直持續(xù)到2011年，2012年后才開始出現(xiàn)微升反彈。

四、金融錯(cuò)配系數(shù)的測(cè)算

現(xiàn)有文獻(xiàn)主要采用兩種方法來(lái)測(cè)量金融錯(cuò)配程度。一種方法是Wurgler(2000)的方法，他認(rèn)為衡量一國(guó)是否能夠合理有效地配置資本，關(guān)鍵是這個(gè)國(guó)家能否根據(jù)行業(yè)的興衰及時(shí)調(diào)整資金的流向。行業(yè)投資反應(yīng)系數(shù)越高，表明行業(yè)間的資本配置效率越高，反之，則表示金融錯(cuò)配程度愈明顯。另一種方法是通過(guò)比較企業(yè)層面資本回報(bào)率水平的差異來(lái)衡量金融錯(cuò)配程度。這種方法的基本原理是用資本回報(bào)率反映資本邊際收益率，若不存在金融錯(cuò)配，資本能夠在不同部門之間自由流動(dòng)，最終會(huì)使不同企業(yè)間的資本邊際收益趨于一致，因此可以用當(dāng)前資本配置狀態(tài)與最優(yōu)狀態(tài)之間的偏離程度來(lái)衡量當(dāng)前的金融錯(cuò)配度。

考慮到數(shù)據(jù)的可得性，本文借鑒第二種方法來(lái)測(cè)算金融錯(cuò)配程度，采用資本效率偏離度來(lái)表示資本回報(bào)率差異，具體計(jì)算公式如下：

(17)

(18)

加權(quán)結(jié)果顯示，中國(guó)制造業(yè)存在嚴(yán)重的金融資源錯(cuò)配，且行業(yè)間金融錯(cuò)配差異顯著，這阻礙了生產(chǎn)要素的充分利用和配置有效性的提高(1)為節(jié)省篇幅，這里沒(méi)有報(bào)告金融錯(cuò)配系數(shù)的具體數(shù)值。。

五、計(jì)量模型與實(shí)證檢驗(yàn)結(jié)果

前文采用了OP法測(cè)算了中國(guó)制造業(yè)各行業(yè)的全要素生產(chǎn)率水平，同時(shí)利用資本效率偏離度來(lái)衡量金融錯(cuò)配系數(shù)。為了考察金融錯(cuò)配程度對(duì)制造業(yè)全要素生產(chǎn)率的影響，接下來(lái)將對(duì)這一研究問(wèn)題進(jìn)行實(shí)證檢驗(yàn)。

(一)模型建立與變量選取

依據(jù)前文的理論分析可知，考慮到被解釋變量滯后期對(duì)當(dāng)期的影響，在此加入被解釋變量的滯后一期為解釋變量,建立如下動(dòng)態(tài)面板數(shù)據(jù)回歸模型:

(19)

其中，TFPi,t表示被解釋變量全要素生產(chǎn)率； ηi,t表示核心解釋變量金融錯(cuò)配系數(shù)，對(duì)被解釋變量的影響同樣具有滯后效應(yīng)；Controli,t是一系列控制變量，具體包括：固定資產(chǎn)投資增速、R&D投入強(qiáng)度、國(guó)有經(jīng)濟(jì)比值、人力資本質(zhì)量和對(duì)外開放度；β1、β2、β3、βj表示相關(guān)變量的待估系數(shù)，分別表示各解釋變量對(duì)全要素生產(chǎn)率的影響強(qiáng)度；i和t分別代表行業(yè)和時(shí)間；?i代表行業(yè)個(gè)體效應(yīng)；λt代表宏觀政策沖擊的時(shí)間效應(yīng)；εi,t是殘差項(xiàng)。 上述變量的詳細(xì)描述見(jiàn)表2。

表2 變量描述與解釋說(shuō)明

(二)實(shí)證結(jié)果分析

1.數(shù)據(jù)來(lái)源與統(tǒng)計(jì)性描述

式(19)模型中所利用的變量數(shù)據(jù)均來(lái)源于1999—2013年的中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)數(shù)據(jù)以及《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》數(shù)據(jù)。表3列出了各變量的描述性統(tǒng)計(jì)。

表3 金融錯(cuò)配對(duì)全要素生產(chǎn)率影響的相關(guān)變量描述性統(tǒng)計(jì)

本文基于式(19)來(lái)檢驗(yàn)金融錯(cuò)配程度與全要素生產(chǎn)率之間的關(guān)系，如果系數(shù)β2、β3為負(fù)，則表明金融錯(cuò)配對(duì)全要素生產(chǎn)率的提高產(chǎn)生了抑制作用，且這種抑制效應(yīng)具有時(shí)滯性。

考慮到解釋變量可能存在的內(nèi)生性問(wèn)題，同時(shí)存在短面板數(shù)據(jù)方面的約束，本文采用差分矩估計(jì)方法(GMM)對(duì)模型進(jìn)行估計(jì)，以提高模型估計(jì)結(jié)果的精度。為消除差分方程中解釋變量與殘差項(xiàng)之間的內(nèi)生性，同時(shí)為防止弱工具變量問(wèn)題，本文擬選取五期滯后項(xiàng)作為差分方程工具變量。

2.實(shí)證結(jié)果

表4的AR檢驗(yàn)結(jié)果顯示，差分方程的干擾項(xiàng)不存在二階序列相關(guān)AR(2)，說(shuō)明本文選取的工具變量是合理的；Sargan過(guò)度識(shí)別檢驗(yàn)的結(jié)果顯示不能拒絕工具變量與干擾項(xiàng)不相關(guān)的零假設(shè)(P值均大于0.1)，說(shuō)明工具變量選取是合理的，這更進(jìn)一步表明模型設(shè)定的合理性。

表4 動(dòng)態(tài)面板的GMM估計(jì)結(jié)果與穩(wěn)健性檢驗(yàn)

注：括號(hào)中數(shù)值為標(biāo)準(zhǔn)誤，由于篇幅限制，本表未報(bào)告年度效應(yīng)的估計(jì)結(jié)果。

表4中的模型1為基準(zhǔn)方法回歸結(jié)果，回歸結(jié)果顯示金融錯(cuò)配與全要素生產(chǎn)率之間呈現(xiàn)負(fù)相關(guān)，金融錯(cuò)配當(dāng)期項(xiàng)與滯后一期項(xiàng)的回歸系數(shù)均為負(fù)，但是滯后一期的系數(shù)顯著性水平有所提高，表明金融錯(cuò)配的滯后一期項(xiàng)對(duì)全要素生產(chǎn)率具有顯著的抑制作用；而從系數(shù)的變化來(lái)看，這種抑制效應(yīng)隨著時(shí)間的推移也在逐漸減弱。這一實(shí)證結(jié)論表明：金融資源的結(jié)構(gòu)性錯(cuò)配會(huì)阻礙中國(guó)制造業(yè)全要素生產(chǎn)率的提升；相反隨著金融配置扭曲狀況的改善，則會(huì)顯著促進(jìn)全要素生產(chǎn)率的提高。目前，中國(guó)制造業(yè)行業(yè)之間仍存在較為嚴(yán)重的資本價(jià)格扭曲，行政干預(yù)阻礙了要素配置到資本回報(bào)率更高的行業(yè)，價(jià)格信號(hào)的扭曲也使得衰退行業(yè)無(wú)法有序退出市場(chǎng)，而高成長(zhǎng)性行業(yè)卻難以得到資本的投入，資源配置效率的低下導(dǎo)致全要素生產(chǎn)率的下降。

除此之外，控制變量中的R&D投入、國(guó)有經(jīng)濟(jì)比重、人力資本質(zhì)量以及對(duì)外開放度也均通過(guò)顯著性檢驗(yàn)，說(shuō)明本文的控制變量選擇較為合理。固定資產(chǎn)投資系數(shù)雖然為正(0.053)，但統(tǒng)計(jì)上并不顯著，說(shuō)明固定資產(chǎn)投資的增加并不能對(duì)全要素生產(chǎn)率的提升起到明顯的促進(jìn)作用，這也和大多數(shù)文獻(xiàn)的研究結(jié)論是一致的(楊岱汝，2015)，即近來(lái)年中國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率水平的提升并不是由不斷加大的投資所貢獻(xiàn)的，相反這種高投資只會(huì)導(dǎo)致經(jīng)濟(jì)效率越來(lái)越低。

為了驗(yàn)證基準(zhǔn)方法的穩(wěn)健性，模型2和模型3分別加入了被解釋變量的ln TFP二階滯后項(xiàng)，模型2采用White異方差穩(wěn)健性檢驗(yàn),模型3采用twostep兩階段估計(jì)進(jìn)行檢驗(yàn)。表4中模型2—3的檢驗(yàn)結(jié)果顯示，本文關(guān)注的主要變量的符號(hào)和顯著性水平并沒(méi)有發(fā)生太大變化，說(shuō)明估計(jì)結(jié)果基本穩(wěn)健。

3.分部門估計(jì)

為了驗(yàn)證不同所有制類型企業(yè)金融錯(cuò)配抑制效應(yīng)的影響差異，模型4加入了所有制類型虛擬變量，如式(20)所示，D為企業(yè)所有權(quán)虛擬變量，Di=1表示企業(yè)為國(guó)有企業(yè)，Di=0則為非國(guó)有企業(yè);交互項(xiàng)D×ηit與D×ηit-1，其系數(shù)θ1和θ2是本文所關(guān)注的，假如接受原假設(shè)H0∶θ1=θ2=0，則表示中國(guó)制造業(yè)企業(yè)國(guó)有部門與非國(guó)有部門的金融錯(cuò)配程度對(duì)制造業(yè)全要素生產(chǎn)率影響并不存在顯著差異。在中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)中，我們根據(jù)企業(yè)登記注冊(cè)類型指標(biāo)來(lái)定義不同所有制的企業(yè)，將登記注冊(cè)類型為國(guó)有企業(yè)、國(guó)有聯(lián)營(yíng)企業(yè)、國(guó)有與集體聯(lián)營(yíng)企業(yè)、國(guó)有獨(dú)資企業(yè)定義為國(guó)有部門企業(yè)。

(20)

表5 制造業(yè)國(guó)有與非國(guó)有部門估計(jì)結(jié)果與穩(wěn)健性

表5匯報(bào)了分部門的回歸結(jié)果。其中，表5模型4是基準(zhǔn)回歸結(jié)果，結(jié)果顯示非國(guó)有企業(yè)與國(guó)有企業(yè)的金融錯(cuò)配當(dāng)期系數(shù)分別為-1.380和-2.122，滯后一期系數(shù)分別為-0.947和-1.95，變量系數(shù)均通過(guò)顯著性檢驗(yàn)。提高每單位國(guó)有企業(yè)金融資源錯(cuò)配程度將導(dǎo)致TFP減少2.122，較非國(guó)有企業(yè)的邊際影響增加0.743。交互項(xiàng)當(dāng)期和滯后項(xiàng)系數(shù)均顯著為負(fù)，表明異質(zhì)性差異對(duì)當(dāng)期及滯后一期的影響都是顯著的。不同所有制性質(zhì)企業(yè)金融錯(cuò)配程度對(duì)全要素生產(chǎn)率的抑制效應(yīng)存在顯著差異。在市場(chǎng)化不完全的情況下，不同所有制企業(yè)面臨融資條件和融資成本差異：一方面，國(guó)有企業(yè)的“所有權(quán)虛置”容易導(dǎo)致企業(yè)投資決定偏離利潤(rùn)最大化目標(biāo)，使得資金運(yùn)用效率低下；另一方面，金融所有權(quán)歧視加深了國(guó)有企業(yè)的金融錯(cuò)配程度，在剛性兌付的情況下，資本被過(guò)度配置到國(guó)有部門，而隨著資本在這些部門不斷增加，投資回報(bào)率逐漸下降。所有制性質(zhì)檢驗(yàn)結(jié)果表明，中國(guó)制造業(yè)國(guó)有企業(yè)通過(guò)改善金融錯(cuò)配來(lái)提升全要素生產(chǎn)率還存在較大的空間。

表5模型5和模型6均為基準(zhǔn)方法的穩(wěn)健性檢驗(yàn)結(jié)果，其中模型5將企業(yè)所有權(quán)變量指標(biāo)進(jìn)行替換，根據(jù)企業(yè)實(shí)收資本定義是否為國(guó)有企業(yè)，模型6采用Chow test檢驗(yàn)國(guó)有部門與非國(guó)有部門的組間系數(shù)差異。從表5第二列和第三列可以得出主要實(shí)證結(jié)果，即分部門金融錯(cuò)配效應(yīng)和所有權(quán)異質(zhì)性的影響存在差異，在使用不同變量指標(biāo)和檢驗(yàn)方法下都是顯著的，說(shuō)明了基準(zhǔn)結(jié)果具有較好的穩(wěn)健性。

4.分行業(yè)估計(jì)

考慮到29個(gè)制造業(yè)行業(yè)存在一定的異質(zhì)性，有必要進(jìn)一步考察金融錯(cuò)配對(duì)全要素生產(chǎn)率的影響是否存在行業(yè)間差異。我們按照生產(chǎn)要素相對(duì)密集度將29個(gè)二位碼行業(yè)分為三類，即：勞動(dòng)密集型行業(yè)、資本密集型行業(yè)和技術(shù)密集型行業(yè)。具體處理方法如下：技術(shù)人員占所有職工的比例可以作為區(qū)分技術(shù)密集型行業(yè)的主要變量，該指標(biāo)大于平均值且超過(guò)50%的行業(yè)劃為技術(shù)密集型行業(yè)，采用人均固定資產(chǎn)占比來(lái)區(qū)分資本密集型行業(yè)和勞動(dòng)密集型行業(yè)，具體分類見(jiàn)表6。

表6 制造業(yè)按要素密集度分類

將三大類行業(yè)數(shù)據(jù)分別進(jìn)行回歸，具體結(jié)果見(jiàn)表7中模型7—9。表7中，金融錯(cuò)配系數(shù)當(dāng)期系數(shù)及滯后項(xiàng)系數(shù)在勞動(dòng)密集型、資本密集型以及技術(shù)密集型行業(yè)均顯著為負(fù)，但資本密集型行業(yè)的系數(shù)絕對(duì)值最大，表明金融錯(cuò)配對(duì)資本密集型行業(yè)全要素生產(chǎn)率的抑制作用最強(qiáng)，技術(shù)密集型行業(yè)次之，勞動(dòng)密集型行業(yè)最弱，這可能是由于國(guó)有經(jīng)濟(jì)多集中于資本密集型行業(yè)，而國(guó)有經(jīng)濟(jì)傾向于密集過(guò)度使用資本，從而易引致資本的低效運(yùn)用。

在表7中，在控制變量中，研發(fā)強(qiáng)度對(duì)全要素生產(chǎn)率增長(zhǎng)的影響在行業(yè)間存在一定的差異。在技術(shù)密集型行業(yè)，研發(fā)投入顯著地促進(jìn)了行業(yè)全要素生產(chǎn)率的提高；在勞動(dòng)密集型行業(yè)和資本密集型行業(yè)，研發(fā)投入對(duì)全要素生產(chǎn)率增長(zhǎng)的正向作用均未通過(guò)顯著性檢驗(yàn)。之所以出現(xiàn)這種差異，很可能與各行業(yè)的科技水平以及研發(fā)投入的使用效率有關(guān)。這和陳豐龍等(2012)的觀點(diǎn)相似,即在缺乏自主品牌和高附加值產(chǎn)品的情況下，勞動(dòng)密集型行業(yè)依然走著一條“粗放”的發(fā)展道路，從而對(duì)研發(fā)投入產(chǎn)生了侵蝕效應(yīng),進(jìn)而削弱了對(duì)全要素生產(chǎn)率的積極影響。而反映人力資本質(zhì)量的系數(shù)在三類行業(yè)中均顯著為正，與整體估計(jì)結(jié)果也是一致的，在勞動(dòng)密集型行業(yè)中的作用最為明顯，盡管作用程度不如技術(shù)密集型行業(yè)，但這充分表明人力資本在促進(jìn)低技術(shù)行業(yè)生產(chǎn)率增長(zhǎng)過(guò)程中具有的積極作用。對(duì)外開放度指標(biāo)系數(shù)在勞動(dòng)密集型、資本密集型和技術(shù)密集型行業(yè)均顯著為正，表明出口競(jìng)爭(zhēng)可以起到倒逼國(guó)內(nèi)企業(yè)改進(jìn)生產(chǎn)工藝、提高生產(chǎn)效率的。

表7 制造業(yè)分行業(yè)性質(zhì)估計(jì)結(jié)果

六、主要結(jié)論與政策建議

本文通過(guò)選取中國(guó)制造業(yè)29個(gè)行業(yè)1999—2013年的面板數(shù)據(jù)，在測(cè)度分行業(yè)全要素生產(chǎn)率水平和金融錯(cuò)配系數(shù)的基礎(chǔ)上，運(yùn)用GMM估計(jì)方法考察了當(dāng)前經(jīng)濟(jì)發(fā)展中金融錯(cuò)配對(duì)全要素生產(chǎn)率的影響，并進(jìn)一步檢驗(yàn)了分部門及分行業(yè)的這一影響差異。研究結(jié)果表明：當(dāng)期與滯后一期的金融錯(cuò)配對(duì)全要素生產(chǎn)率均具有顯著的抑制作用，這種抑制效應(yīng)隨著時(shí)間的推移而逐漸減弱；在所有制結(jié)構(gòu)中，國(guó)有企業(yè)金融錯(cuò)配對(duì)全要素生產(chǎn)率的抑制效應(yīng)更強(qiáng)，且這種負(fù)的邊際影響在資本密集型行業(yè)尤為明顯。

中國(guó)一直在強(qiáng)調(diào)技術(shù)創(chuàng)新對(duì)提升企業(yè)全要素生產(chǎn)率的重要作用，技術(shù)創(chuàng)新固然很重要，但我們也應(yīng)重視金融配置扭曲方式形成的問(wèn)題，根據(jù)本文研究結(jié)論，我們提出如下建議: 首先，要逐步深化金融領(lǐng)域改革，使市場(chǎng)規(guī)律和價(jià)格機(jī)制真正能夠在資源配置中起到?jīng)Q定性作用，同時(shí)要逐步減少異質(zhì)性企業(yè)融資過(guò)程中的所有制歧視和政府行政性干預(yù)。繼續(xù)推進(jìn)利率市場(chǎng)化，使資本價(jià)格能夠反映要素稟賦的真實(shí)成本和供需關(guān)系，從而引導(dǎo)產(chǎn)業(yè)資本的高效流動(dòng)。其次，在完善要素市場(chǎng)化的同時(shí)，必須進(jìn)一步推進(jìn)國(guó)企產(chǎn)權(quán)改革，完善國(guó)企法人治理結(jié)構(gòu)，明確企業(yè)運(yùn)行資產(chǎn)的行為邊界，減少由于企業(yè)管理者錯(cuò)誤決策導(dǎo)致的資本配置低效。最后，在產(chǎn)業(yè)層面，要加快推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，減少行業(yè)管制和補(bǔ)貼，使優(yōu)勝劣汰的市場(chǎng)機(jī)制真正發(fā)揮資源配置的基礎(chǔ)作用。