金融發(fā)展對(duì)全要素生產(chǎn)率增長(zhǎng)的驅(qū)動(dòng)機(jī)制研究

刁其波

(淮南師范學(xué)院 金融與數(shù)學(xué)學(xué)院，安徽 淮南 232038)

當(dāng)前，我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展階段，經(jīng)濟(jì)發(fā)展由傳統(tǒng)量能驅(qū)動(dòng)轉(zhuǎn)向效率優(yōu)先、量穩(wěn)質(zhì)先的新局面。需求收縮、供給沖擊和預(yù)期減弱仍然是制約經(jīng)濟(jì)發(fā)展的主要因素，如何充分發(fā)揮要素優(yōu)勢(shì)，合理配置資源，促進(jìn)全要素生產(chǎn)率的提升對(duì)于保障我國(guó)經(jīng)濟(jì)平穩(wěn)運(yùn)行具有決定性作用。羅默等人創(chuàng)立的內(nèi)生增長(zhǎng)理論，揭示全要素生產(chǎn)率(TFP)是經(jīng)濟(jì)增長(zhǎng)的唯一源泉[1]。他們通過(guò)比較全要素生產(chǎn)率對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)和要素投入的比例，識(shí)別技術(shù)進(jìn)步、效率提升和規(guī)模報(bào)酬等經(jīng)濟(jì)增長(zhǎng)的來(lái)源，從而為政府部門(mén)制定經(jīng)濟(jì)政策提供有效依據(jù)。

金融是現(xiàn)代經(jīng)濟(jì)的核心，在“規(guī)模發(fā)展”向“結(jié)構(gòu)發(fā)展”轉(zhuǎn)型過(guò)程中，金融體系的作用愈發(fā)顯著。改革開(kāi)放以來(lái)，我國(guó)金融市場(chǎng)飛速發(fā)展，極大地促進(jìn)資源配置效率的提升和經(jīng)濟(jì)的增長(zhǎng)。一般認(rèn)為，金融的適度發(fā)展能夠降低企業(yè)融資成本，緩解企業(yè)資金壓力，有力促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展。但隨著金融的進(jìn)一步深化，金融抑制現(xiàn)象逐步顯現(xiàn)，包容性、高質(zhì)量經(jīng)濟(jì)發(fā)展受到一定挑戰(zhàn)。因此，本文以金融抑制和金融約束理論為基礎(chǔ)，通過(guò)研究金融發(fā)展與全要素生產(chǎn)率增長(zhǎng)之間的關(guān)系，試圖厘清金融發(fā)展對(duì)全要素生產(chǎn)率增長(zhǎng)的驅(qū)動(dòng)機(jī)制，為促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供一定的參考價(jià)值。

1 文獻(xiàn)綜述

目前關(guān)于金融發(fā)展與全要素生產(chǎn)率增長(zhǎng)的研究屈指可數(shù)，但金融發(fā)展、全要素生產(chǎn)率與經(jīng)濟(jì)增長(zhǎng)的研究成果較多，主要有以下幾類：

一是全要素生產(chǎn)率測(cè)算。全要素生產(chǎn)率測(cè)算方法主要有索洛余值法和前沿分析法。前者是由索洛于1957年提出的全要素生產(chǎn)率的殘差計(jì)算方法，基于新古典生產(chǎn)函數(shù)，將總產(chǎn)出增長(zhǎng)率剔除全部要素投入之后得到余值，由此體現(xiàn)全要素生產(chǎn)率的增長(zhǎng)[2]。該方法簡(jiǎn)單易行，但假設(shè)條件較為嚴(yán)格，實(shí)證估算可能存在較大誤差。前沿分析法將假設(shè)條件放寬，提高了精準(zhǔn)度，而且將全要素生產(chǎn)率進(jìn)行分解，從技術(shù)效率、技術(shù)進(jìn)步率和規(guī)模效率等方面反映經(jīng)濟(jì)增長(zhǎng)的實(shí)際情況。目前主流分析方法有Farrell、Charnes提出的隨機(jī)前沿生產(chǎn)函數(shù)法(SFA)和Aigner提出的數(shù)據(jù)包絡(luò)分析法(DEA)。Fare等人將Malmquist指數(shù)方法與數(shù)據(jù)包絡(luò)結(jié)合，使之成為測(cè)度效率最常用的分析方法。姚耀軍、陸啟清和貴斌威等學(xué)者均采用上述方法進(jìn)行全要素生產(chǎn)率的測(cè)度和分析[3-4]。

二是全要素生產(chǎn)率影響因素研究。大部分研究聚焦于產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、人力資本、政府補(bǔ)貼等外部因素對(duì)全要素生產(chǎn)率的影響。如顏鵬飛和王兵采用DEA方法測(cè)度我國(guó)1978-2001年省際全要素生產(chǎn)率，并分析人力資本和制度因素對(duì)TFP的影響機(jī)制，二者對(duì)技術(shù)效率的提高均有明顯的正向作用[5]。陳明華等對(duì)長(zhǎng)江經(jīng)濟(jì)帶的TFP增長(zhǎng)進(jìn)行測(cè)度，實(shí)證分析要素稟賦結(jié)構(gòu)、金融發(fā)展和技術(shù)進(jìn)步對(duì)區(qū)域TFP的正向影響機(jī)制，就產(chǎn)業(yè)結(jié)構(gòu)、金融發(fā)展和外商直接投資對(duì)全要素生產(chǎn)率的影響進(jìn)行深入分析[6]。也有部分學(xué)者從全要素生產(chǎn)率內(nèi)部構(gòu)成解釋影響機(jī)制，這部分研究大體上以部門(mén)全要素生產(chǎn)率為研究對(duì)象，多集中于工業(yè)和農(nóng)業(yè)部門(mén)。如陳仲常等研究所有制結(jié)構(gòu)對(duì)工業(yè)企業(yè)全要素生產(chǎn)率的影響，得出我國(guó)工業(yè)企業(yè)TFP增長(zhǎng)主要來(lái)源于技術(shù)進(jìn)步[7]。尹朝靜、曹明霞、吳國(guó)松等從農(nóng)業(yè)全要素生產(chǎn)率角度也得出類似結(jié)論，技術(shù)進(jìn)步是主要貢獻(xiàn)力量，技術(shù)效率起阻滯作用[8-11]。李雙燕等將研發(fā)投入作為中介變量研究綠色全要素生產(chǎn)率的影響因素，得出普惠金融發(fā)展對(duì)全要素生產(chǎn)率的影響和作用機(jī)制[12]。

三是金融發(fā)展與全要素生產(chǎn)率關(guān)系研究。早期研究多注重于理論層面，把金融中介職能引入內(nèi)生增長(zhǎng)模型，通過(guò)優(yōu)化資金合理配置，促進(jìn)技術(shù)進(jìn)步從而提高全要素生產(chǎn)率。Gorodnichenko等從融資成本角度分析，得出金融發(fā)展對(duì)TFP增長(zhǎng)有明顯的促進(jìn)作用[13]。姚耀軍基于時(shí)間序列分析法證明了金融發(fā)展、外商直接投資和經(jīng)濟(jì)自由度是全要素生產(chǎn)率變動(dòng)的原因[3]。隨著計(jì)量工具的發(fā)展，越來(lái)越多的實(shí)證模型被引入到研究二者復(fù)雜的關(guān)系中。姚耀軍[14]、劉洪鐸等人[15]均運(yùn)用不同實(shí)證模型得出金融發(fā)展會(huì)促進(jìn)全要素生產(chǎn)率的提升，陳剛[16]、陳啟清等[4]則認(rèn)為金融發(fā)展對(duì)TFP增長(zhǎng)也有負(fù)向效應(yīng)。此外，也有部分學(xué)者認(rèn)為金融發(fā)展對(duì)TFP增長(zhǎng)存在非線性、空間溢出等效應(yīng)[17]。

上述文獻(xiàn)對(duì)金融發(fā)展與全要素生產(chǎn)率增長(zhǎng)的研究均做出重要貢獻(xiàn)，但對(duì)于金融發(fā)展能否促進(jìn)TFP增長(zhǎng)或驅(qū)動(dòng)機(jī)制如何尚未形成定論。筆者在深入分析全要素生產(chǎn)率增長(zhǎng)的影響因素，測(cè)度我國(guó)省際TFP增長(zhǎng)率及其分解指數(shù)，引入面板平滑轉(zhuǎn)換回歸模型實(shí)證檢驗(yàn)金融發(fā)展對(duì)TFP增長(zhǎng)的非線性驅(qū)動(dòng)機(jī)制的基礎(chǔ)上，試圖厘清二者的影響機(jī)制，為金融發(fā)展驅(qū)動(dòng)TFP增長(zhǎng)提供參考。

2 模型、變量選取及數(shù)據(jù)說(shuō)明

2.1 模型設(shè)定

面板平滑轉(zhuǎn)換回歸(Panel Smooth Transition Regression,PSTR)模型最早由Gonzàlez等提出，該模型是面板門(mén)限回歸(PTR)模型的一般狀態(tài)，能夠準(zhǔn)確區(qū)分變量的空間異質(zhì)性和時(shí)間易變性，同時(shí)允許回歸系數(shù)從一個(gè)機(jī)制到另一個(gè)機(jī)制逐漸變化，從而在位置參數(shù)的左右兩邊能夠?qū)崿F(xiàn)平滑轉(zhuǎn)換，故這種轉(zhuǎn)換機(jī)制更能捕捉到變量之間的非線性關(guān)系。選用模型如下：

(1)

其中，i=1,2,...,N;t=1,2,...,T。模型中關(guān)鍵部分是轉(zhuǎn)換函數(shù)g(qit;γ,c)，這是一個(gè)值域?yàn)?0,1)的連續(xù)有界函數(shù)。qit為轉(zhuǎn)換變量，γ為轉(zhuǎn)換速度參數(shù)，轉(zhuǎn)換函數(shù)一般形式如下：

(2)

c是位置參數(shù),代表函數(shù)轉(zhuǎn)換時(shí)的位置，m一般取值為1或者2。m=1時(shí)，轉(zhuǎn)換函數(shù)中位置參數(shù)只有一個(gè)，對(duì)應(yīng)的轉(zhuǎn)換函數(shù)為：

g(qit;γ,c)={1+exp[-γ(qit-c)]}-1

(3)

此時(shí)轉(zhuǎn)換函數(shù)在定義域內(nèi)單調(diào)遞增，轉(zhuǎn)換函數(shù)g=0，此時(shí)模型處于低體制狀態(tài);，g=1，模型處于高體制狀態(tài)，函數(shù)值在高低體制之間連續(xù)變動(dòng)速率由轉(zhuǎn)換速度參數(shù)γ決定。m=2時(shí)，轉(zhuǎn)換函數(shù)為：

g(qit;γ,c)={1+exp[-γ(qit-c1)(qit-c2)]}-1

(4)

此時(shí)函數(shù)先遞減后遞增，有兩個(gè)位置參數(shù)并且關(guān)于(c1+c2)/2對(duì)稱，此處轉(zhuǎn)換函數(shù)取得極小值。轉(zhuǎn)換變量qit→±∞時(shí)，轉(zhuǎn)換函數(shù)g(qit;γ,c)→1，解釋變量對(duì)被解釋變量的影響處于另外一種狀態(tài)。

2.2 變量選取

2.2.1被解釋變量：全要素生產(chǎn)率

研究采用非參數(shù)前沿分析法中的DEA-Malmquist指數(shù)法測(cè)度全要素生產(chǎn)率。Malmquist指數(shù)由瑞典經(jīng)濟(jì)學(xué)家斯滕·馬爾姆奎斯特(Sten Malmquist)于1953年首次提出，隨后卡維斯將比例因子思想應(yīng)用于經(jīng)濟(jì)分析，通過(guò)構(gòu)造距離函數(shù)來(lái)衡量生產(chǎn)率指數(shù)。然而，當(dāng)時(shí)沒(méi)有合適的測(cè)量方法，直到1978年，Malmquist指數(shù)才成為一個(gè)重要的實(shí)證指數(shù)?；趖和t+1參考技術(shù)的Malmquist生產(chǎn)率指數(shù)如下：

(5)

(6)

(7)

2.2.2測(cè)算指標(biāo)及來(lái)源

研究數(shù)據(jù)時(shí)間跨度為1997-2019年，產(chǎn)出指標(biāo)為各省市的國(guó)內(nèi)生產(chǎn)總值(GDP)①，投入指標(biāo)資本存量用固定資產(chǎn)投資總額進(jìn)行推算，參照張軍[19]等做法，先根據(jù)Ki0=Ii0/(g+δ),計(jì)算出以1997年為基期的資本存量，假定經(jīng)濟(jì)折舊率δ為6%②，其中Iio為基期固定資產(chǎn)投資總額，g為當(dāng)年經(jīng)濟(jì)增長(zhǎng)率。隨后采用永續(xù)盤(pán)存法計(jì)算出1998-2019年30個(gè)省市的資本存量。具體計(jì)算公式為：Kit=Iit+(1-δ)Kit-1,勞動(dòng)投入指標(biāo)選取年末就業(yè)人數(shù)，基礎(chǔ)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局、各省統(tǒng)計(jì)年鑒。

2.2.3測(cè)算結(jié)果

運(yùn)用DEAP2.1軟件，計(jì)算1999-2019年全國(guó)30個(gè)省市平均全要素生產(chǎn)率及相關(guān)分解數(shù)據(jù)(見(jiàn)表1)。

表1 1999-2019年我國(guó)各地區(qū)全要素生產(chǎn)率指數(shù)及其分解(平均值)

續(xù)表

由表1可以看出，只有內(nèi)蒙古、吉林、遼寧等6個(gè)省市全要素生產(chǎn)率指數(shù)小于1，大部分地區(qū)全要素生產(chǎn)率呈現(xiàn)正增長(zhǎng)趨勢(shì)。結(jié)果表明，1999-2019年以來(lái)，中國(guó)全要素生產(chǎn)率增長(zhǎng)的內(nèi)在驅(qū)動(dòng)力既來(lái)自技術(shù)進(jìn)步，又來(lái)自技術(shù)效率的提高，且技術(shù)效率的提高遠(yuǎn)大于技術(shù)進(jìn)步。

2.2.4核心解釋變量與轉(zhuǎn)換變量：金融發(fā)展

衡量金融發(fā)展的指標(biāo)很多，大多采用存貸款余額與GDP的比值。研究參照張林[19]的做法，將金融發(fā)展分為發(fā)展規(guī)模(sfd)和發(fā)展效率(efd)兩個(gè)維度，具體采用貸款余額與GDP的比值衡量金融發(fā)展規(guī)模，金融發(fā)展效率即金融資源配置效率，參考投入產(chǎn)出效率采用新增貸款與金融業(yè)增加值的比重。

2.2.5控制變量

外商投資水平(fil)。合理的外商投資規(guī)模和結(jié)構(gòu)能夠反映一國(guó)參與國(guó)際貿(mào)易的水平，引入先進(jìn)技術(shù)，創(chuàng)造就業(yè)機(jī)會(huì)，增加居民收入。選取各地區(qū)外商投資企業(yè)投資總額與GDP的比重衡量外商投資水平，其中外商投資企業(yè)投資總額按照當(dāng)年人民幣與美元匯率折算。

政府財(cái)政支出水平(gel)。政府行為對(duì)于資源合理化配置、要素充分流動(dòng)以及經(jīng)濟(jì)增長(zhǎng)具有重要意義。一般來(lái)說(shuō)，政府購(gòu)買(mǎi)會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生正向影響，但由于擠出效應(yīng)的存在，又會(huì)阻礙民間投資進(jìn)而對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生負(fù)向影響。研究采用各地區(qū)地方財(cái)政一般預(yù)算支出占GDP的比值衡量政府財(cái)政支出水平，數(shù)據(jù)均來(lái)自于國(guó)家統(tǒng)計(jì)局網(wǎng)站。

技術(shù)創(chuàng)新強(qiáng)度(tii)。創(chuàng)新是發(fā)展的不竭動(dòng)力，提升創(chuàng)新能力是企業(yè)持續(xù)健康發(fā)展的重要保障。選取每萬(wàn)人專利申請(qǐng)受理量作為代理變量，具體表示為各省專利申請(qǐng)受理量/常住人口(項(xiàng)/萬(wàn)人)。

各變量的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2?？梢钥闯?，全要素生產(chǎn)率指數(shù)的均值為1.0104，意味著1999-2019年全要素生產(chǎn)率正增長(zhǎng)，指數(shù)最大值為2.141(2004年山西省)，全要素增長(zhǎng)率高達(dá)114.1%；最小值為0.378(2012年的海南省)，全要素增長(zhǎng)率為-62.2%，說(shuō)明該段時(shí)間經(jīng)濟(jì)發(fā)展?fàn)顩r受到較大的外部挑戰(zhàn)。此外，相比于金融發(fā)展規(guī)模，發(fā)展效率差距較大，這也意味著部分地區(qū)資源配置效率仍有較大提升空間?？刂谱兞恐校馍掏顿Y水平和技術(shù)創(chuàng)新強(qiáng)度區(qū)別較大，從側(cè)面也反映出不同地區(qū)發(fā)展水平的差異。

表2 各變量數(shù)據(jù)的描述性統(tǒng)計(jì)(1999-2019年)

3 實(shí)證檢驗(yàn)及結(jié)果分析

3.1 非線性檢驗(yàn)

PSTR模型分析首先要對(duì)變量進(jìn)行非線性驗(yàn)證。設(shè)立原假設(shè)H0∶γ=0，此時(shí)非線性模型轉(zhuǎn)變?yōu)閱我粰C(jī)制，即線性模型；備選假設(shè)H1∶γ≠0，此時(shí)非線性模型中至少含有一個(gè)門(mén)檻變量。由公式(2)可知原假設(shè)即模型變?yōu)榫€性模型，不滿足PSTR的非線性檢驗(yàn)條件。當(dāng)轉(zhuǎn)換變量為金融發(fā)展效率(efd)時(shí)，LRT統(tǒng)計(jì)量顯示拒絕原假設(shè)，說(shuō)明面板數(shù)據(jù)具有空間異質(zhì)性，符合PSTR模型對(duì)數(shù)據(jù)的要求。同時(shí)由數(shù)據(jù)的非線性檢驗(yàn)結(jié)果(見(jiàn)表3)可知，三個(gè)統(tǒng)計(jì)量的顯著性檢驗(yàn)均未通過(guò)，因此不能拒絕r=1的原假設(shè)，即轉(zhuǎn)換函數(shù)個(gè)數(shù)為1，該模型是一個(gè)收斂于單區(qū)制的PSTR模型。

表3 非線性檢驗(yàn)結(jié)果

3.2 位置參數(shù)個(gè)數(shù)及轉(zhuǎn)換機(jī)制的確定

表4所示的檢驗(yàn)結(jié)果表明，轉(zhuǎn)換變量為金融發(fā)展效率時(shí)，對(duì)應(yīng)的統(tǒng)計(jì)量檢驗(yàn)均拒絕原假設(shè)，即模型最優(yōu)位置參數(shù)個(gè)數(shù)m=1。

表4 位置參數(shù)個(gè)數(shù)m的確定

3.3 非線性模型參數(shù)估計(jì)及結(jié)果分析

在前文檢驗(yàn)基礎(chǔ)上，采用非線性最小二乘法(NLS)對(duì)PSTR參數(shù)進(jìn)行估計(jì)(見(jiàn)表5)。運(yùn)用網(wǎng)格搜索方法，多次迭代計(jì)算變量殘差平方和最小時(shí)對(duì)應(yīng)的平滑轉(zhuǎn)換速度參數(shù)γ和位置參數(shù)c，最終得到的值分別為6.4363、4.2389。以金融發(fā)展效率作為轉(zhuǎn)換變量時(shí)，模型的斜率參數(shù)γ=6.4363，說(shuō)明平滑轉(zhuǎn)換特征較明顯。

表5 PSTR模型參數(shù)估計(jì)結(jié)果

3.3.1考察轉(zhuǎn)換函數(shù)

將斜率參數(shù)和位置參數(shù)的數(shù)值代入式(3)，得到轉(zhuǎn)換函數(shù)的具體形式如下：

g(qit;γ,c)={1+exp[-6.4363(qit-4.2389)]}-1

(8)

當(dāng)qit<4.2389時(shí)，轉(zhuǎn)換函數(shù)g(qit;γ,c)=0；qit>4.2389時(shí)，轉(zhuǎn)換函數(shù)g(qit;γ,c)=1。由圖1可以看出，轉(zhuǎn)換函數(shù)在位置參數(shù)c=4.2389處發(fā)生了突變，此時(shí)斜率參數(shù)γ=6.4363，轉(zhuǎn)換速率較平緩。

圖1 轉(zhuǎn)換函數(shù)散點(diǎn)圖(efd為轉(zhuǎn)換變量)

3.3.2金融發(fā)展對(duì)全要素生產(chǎn)率的影響

3.3.3穩(wěn)健性檢驗(yàn)

以上建立的PSTR模型是以金融發(fā)展效率(efd)為轉(zhuǎn)換變量，衡量?jī)蓞^(qū)制模型下金融發(fā)展與全要素生產(chǎn)率的非線性關(guān)系。由于金融發(fā)展衡量指標(biāo)還有很多，為了檢驗(yàn)該非線性關(guān)系的穩(wěn)健性，采用金融發(fā)展規(guī)模(sfd)作為替代指標(biāo)重新建立PSTR模型進(jìn)行驗(yàn)證。根據(jù)非線性檢驗(yàn)和最優(yōu)位置參數(shù)的檢驗(yàn)結(jié)果，確定r=1,m=2。PSTR(sfd)模型對(duì)位置參數(shù)估計(jì)結(jié)果為0.8304和2.406(見(jiàn)表5)，此時(shí)模型變?yōu)閮蓚€(gè)轉(zhuǎn)換位置的更復(fù)雜的模型，具體如圖2。斜率參數(shù)由6.4363變?yōu)?8.3009，說(shuō)明金融發(fā)展規(guī)模作為轉(zhuǎn)換變量時(shí)，轉(zhuǎn)換得更快。

圖2 轉(zhuǎn)換函數(shù)散點(diǎn)圖(sfd為轉(zhuǎn)換變量)

4 結(jié)論

基于我國(guó)30個(gè)省市1999-2019年的年度面板數(shù)據(jù)，分別以金融發(fā)展效率和發(fā)展規(guī)模為轉(zhuǎn)換變量，首先測(cè)算我國(guó)各地區(qū)的全要素生產(chǎn)率的增長(zhǎng)率，然后運(yùn)用面板平滑轉(zhuǎn)換回歸模型考察我國(guó)金融發(fā)展對(duì)全要素生產(chǎn)率的非線性影響效應(yīng)。結(jié)論顯示：第一，我國(guó)全要素生產(chǎn)率增長(zhǎng)的內(nèi)在動(dòng)力既來(lái)自于技術(shù)進(jìn)步又來(lái)自于技術(shù)效率的提高，且技術(shù)效率提升遠(yuǎn)大于技術(shù)進(jìn)步。第二，我國(guó)金融發(fā)展對(duì)全要素生產(chǎn)率的非線性影響是存在的，金融發(fā)展對(duì)全要素生產(chǎn)率增長(zhǎng)的拉動(dòng)作用先大幅上升，后有所減緩。2000-2019年的20年間，我國(guó)金融業(yè)蓬勃發(fā)展，金融業(yè)增加值由4842.2億元上升至77077億元，增長(zhǎng)近15倍，金融業(yè)規(guī)模的增加和金融市場(chǎng)的發(fā)展促進(jìn)資源配置效率的提升，很大程度上促進(jìn)我國(guó)經(jīng)濟(jì)的發(fā)展。當(dāng)處于高區(qū)制階段時(shí)，資源過(guò)度流向金融行業(yè)可能出現(xiàn)“金融空轉(zhuǎn)”現(xiàn)象。第三，其他影響全要素生產(chǎn)率的因素中，技術(shù)創(chuàng)新對(duì)全要素生產(chǎn)率的增長(zhǎng)有積極作用。

根據(jù)以上結(jié)論，為推動(dòng)我國(guó)全要素生產(chǎn)率的增長(zhǎng)提出以下建議：第一，商業(yè)銀行應(yīng)注重提升技術(shù)效率。技術(shù)進(jìn)步是內(nèi)生增長(zhǎng)理論中促進(jìn)經(jīng)濟(jì)增長(zhǎng)的直接驅(qū)動(dòng)因素，也是我國(guó)經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵，商業(yè)銀行特別是國(guó)有商業(yè)銀行可適當(dāng)減員增效，提升貸款質(zhì)量。第二，合理控制金融規(guī)模，降低金融部門(mén)投入產(chǎn)出比。關(guān)注金融發(fā)展對(duì)全要素生產(chǎn)率增長(zhǎng)影響的門(mén)檻效應(yīng)，適當(dāng)控制銀行貸款規(guī)模，注重提升資金使用效率。第三，政府引導(dǎo)外商投資，適度加大財(cái)政支出力度。在金融業(yè)開(kāi)放的大背景下，合理控制外商投資規(guī)模，優(yōu)化外商投資“負(fù)面清單”；加大對(duì)金融發(fā)展相對(duì)落后地區(qū)的支持力度，優(yōu)化金融制度創(chuàng)新，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

注釋:

①為保持?jǐn)?shù)據(jù)時(shí)空維度與下文一致，此處未選取西藏自治區(qū)相關(guān)數(shù)據(jù)。

②參考Young,Alwyn(2000)“Gold into Base Metals:Productivity Growth in the People’s Republic of China during the reform period”,NBRE working paper,7856。