基于省际面板数据的对外开放度、TFP和新动能提升研究

张宗良

(临沂大学，山东 临沂 276000)

1 问题提出

不同经济增长阶段，约束经济增长条件相异，采取有效措施突破约束是该阶段政策取向的核心内涵。随着阶段跨越，需要再分析新阶段经济增长的约束条件，并根据其变化，制定相适应的战略、政策与措施，使之成为新阶段经济增长的强大动力。改革开放以来，我国政府基于对经济增长阶段准确判断和施策，2010年起经济总量超越日本成为世界第二大经济体，并不断缩小着与美国的差距。

从改革开放40年经济增长阶段看：1978—1997年，我国处于典型的短缺经济时期，供给推动成为该时期经济政策的典型特点；1998—2012年，扩张需求上升为经济增长的主要难题，需求拉动成为保证经济稳定增长的重要战略[1]。因此，适时推进新旧动力系统的调整和转换，才能保持经济持续平稳发展。

作为经济全球化体系中的一员，2008年金融危机后全球经济深度调整，我国经济也深受影响，伴随国内各种因素的共同作用，由过去的高速增长转变为中高速增长，进入经济增长新常态。这种转变本质上是其增长的约束条件产生系统性改变，出现了阶段性变化特征。具体来看，我国经济的需求结构发生了较大变化，社会消费品零售总额所反映的消费需求占比下降，同时增量资本—产出比(ICOR)越来越高。2010年以来，我国固定资产投资效率下降超过60%，导致投资需求下降，从供给侧看，总量上经济增长也受到产能过剩的约束。必须推动新一轮经济增长动力转换来保证经济高质量发展[2]。

从世界范围看，当前我国进入上中等收入阶段，根据国外经济发展史，我国经济有可能在2021年实现向高收入阶段的跨越。但当前国民生产的总成本相对前期明显提高，潜在通货膨胀的压力和经济下行的威胁并存，成为经济进入新常态以来的突出特点，也使宏观需求管理面临困境。基于我国经济当前面临的结构性矛盾，需要引入供给管理来弥补需求管理的局限性，实行供给侧结构性改革也就成为客观选择[3]。新旧动能转换是供给侧结构改革的重要内容，其重要任务是实现新阶段增长动力的转换，深化改革需要转向培育经济增长新动能。新旧动能转换不仅是世界经济演进的客观规律，也是世界新技术革命的必然要求和向全球价值链中高端提升的保证，是新时代中国经济发展的根本出路[4]。2018年，山东省新旧动能转换综合试验区的建立，也亟需从对外开放实践、全要素生产率等方面为其提供理论支持和实证研究。

2 对外开放与新动能提升

开放是我国也是世界主要国家经济增长的基本经验，世界经济强国的成功崛起都与开放直接相关，开放为其经济腾飞提供了新动能。1978年以来，我国坚持独具中国特色的渐进式开放，建立了包括经济特区、国家级新区、综合配套改革试验区、高新技术产业开发区、经济技术开发区、海关特殊监管区、自由贸易试验区等在内各具特色的开放区域，形成由点到面、由沿海到内陆引领各区域开放的基本格局。对外开放广度和深度不断加强，从最初引进国外资金和技术、利用国际市场为目的，发展到与国内生产要素紧密融合，积极融入全球分工体系，引资、引技、引智相结合，商品、技术、金融市场开放相结合，以建设经济社会为目标。基于对外开放的成功经验以及构建我国开放型经济新体系的顶层设计，2013年我国提出了“一带一路”的行动倡议，目前已与125个国家29个国际组织签署了173份合作文件，成为新时代我国对外开放工作的总方针和行动指南。体现了我国对经济全球化的理解、应对和贡献，成为构建人类命运共同体的具体实践和中国方案。

需求侧管理是西方经济学者的政策主张，也是西方国家宏观经济管理的主流做法[5]。而供给侧管理由于主要作用于生产者和劳动者，不符合西方经济自由主义原则，受到西方学者的普遍排斥。但中国特色的社会主义市场经济体制可以实现二者的统一，为新旧动能转换和新动能提升服务。据此可将新动能提升的动力源分为需求拉动和供给推动两大系统。又可进一步将其细分为6个子系统，包括投资拉动、消费拉动、出口拉动、要素推动、结构推动和制度推动，见图1。

图1 新动能提升的动力源与对外开放的关系Fig.1 Relationship between power producer of new kinetic energy improvement and opening to the outside world

以上各子系统大都与对外开放紧密相关。在我国当前经济发展阶段，来自发达国家和地区的FDI仍是我国吸收的投资中质量较高部分，通过对外开放实现引资、引技、引智，仍是提升新动能的重要途径。对外开放还能通过跨境服务贸易、国际消费文化、消费潮流等方面拉动国内消费增长。而出口贸易更是经济开放的直接表现形式，出口导向甚至成为一些国家的立国之本，并取得了较大成功，彰显其对经济转型的重要作用。出口商品结构更能体现一国的经济及产业水平。在要素子系统中所包括的资本、土地、劳动、管理、技术、知识等供给及其使用效率，都是新动能提升的重要组成部分，也是我国实行对开放的直接目标，需要国家对外开放的制度供给予以保证。而推进我国经济结构的转型也离不开对先进国家产业结构的分析与借鉴。所以对外开放度与经济新动能提升联系密切，建设对外开放新高地是推动新旧动能转换的必由之路。

基于我国由沿海到内陆的渐进式开放模式，我国东、中、西部各省级行政区域开放度存在较大差距，其对该区域经济增长的影响也会不同。从实证的角度度量这一影响的实际效果，能更准确地了解开放度对新动能提升的绩效。国家发改委国际合作中心2018年发布的“中国区域对外开放指数报告”，以经济、技术、社会三大核心因素为基础构建的对外开放指数，为衡量省域对外开放总体进程和开放度提供了较为权威数据[6]。

3 全要素生产率与新动能提升

全要素生产率(TFP)是探求经济增长动力和源泉的重要手段，也是国家经济增长方式能否可持续的重要指标[7]，研究新动能提升离不开对TFP的分析。TFP最早由索洛提出，其基本解释是：在规模收益不变和希克斯中性技术假设下，产出增长中剔除劳动、资本等投入要素增长部分后所得到的残差[8]。计算TFP增长率，索洛残差法的TFP增长率计算公式为(1)：

(1)

(2)

式中i为各省域，t为年份，Yit为i区域第t年的实际产出，用区域实际GDP表示，Kit为以某年为基期的i区域第t年的固定资本存量，Lit为i区域第t年的劳动投入。取自然对数后，形成模型(3)：

(3)

可以看出索洛残差法假设经济资源得到充分利用，没有考虑配置效率提升的影响，故该方法测算的全要素生产率增长主要包括技术进步率的影响，不包括“干中学”范畴的经验积累。自TFP被提出以后，其他国内外学者也提出了许多TFP的测算方法，主要分为增长会计法和经济计量法两大类方法[9]。前者包括代数指数法、索洛残差法等，后者包括隐性变量法和潜在产出法等。其中潜在产出法利用法雷尔[10]的主张，将产出增长划分为投入增长、技术效率和配置效率提升三个方面，TFP的增长就是后两者之和。在具体计算过程中可分为参数随机边界分析(SFA)和非参数数据包络分析(DEA)，SFA模型需要设定诸如C-D模型等生产函数并给出假定的样本分布，适合大样本的实证研究；而DEA模型利用线性规划，从样本中估计一个非参数分段前沿，即效率的等量曲线，然后相对这个前沿通过距离函数实现效率的计算，能够避免较强的假定。

本研究采用在DEA模型基础上提出的Malmquist指数，通过距离函数的比率计算生产效率，从而分析我国各省域TFP的动态变化。其模型如下：

(4)

(5)

显然，式5中技术效率EF和配置效率TC乘积等于TFP指数。同时该方法不需要设定投入要素价格信息和成本利润等极值条件，从而可以从技术效率和配置效率两个方面研究其对新动能提升的影响。

DEA测算结果的质量与样本和变量的选取密切相关。选取全国30个省域数据作为模型中的决策单元DMU(由于数据缺失，西藏自治区除外)，根据公式(2)，结合数据的可得性，投入要素确定为各DMU的资本存量和城镇单位从业人员。

由于统计资料中没有直接可用的各省域资本存量数据，前人的研究也没有近年的相关数据，故参考张军等的做法使用永续盘存法对各省的资本存量进行了重新测算，并采纳其经济折旧率为9.6%的估算[11]。其公式为(6)：

(6)

其中K、i、t含义同上，Iit为i省第t年的固定资本形成总额，Pi为换算得来的以1978年为基期的固定资产投资价格指数，δ为经济折旧率。最终得出以1978年为基期的各省域固定资本存量。

而上述指标及城镇单位从业人员的数据可从《新中国60年统计资料汇编》及近年的统计年鉴中获得。

十九大报告中明确把发展经济的重点放在提高供给侧生产要素质量、振兴实体经济上，首次提出了提高全要素生产率的要求。促使我们思考供给要素质量、TFP和新动能提升的关系。显然新动能是一个涵义更加丰富的概念，涵盖了当前我国供给侧结构改革背景下经济新常态阶段经济增长的主要发展动力，包括创新驱动、结构调整、人力资本等方面，是发展动力发生适应经济发展的质变后新生动能的统称。

TFP是供给要素的评价标准，是培育新动能的重要方面[12]，是经济社会新动能提升的中间变量，需要得到有效关注。在创新驱动经济发展阶段，TFP增长率主要靠增强科技创新的驱动力和人力资本的推动，依靠制度创新[13]，是经济运行效率提升的有效衡量指标，对我国经济社会高质量发展起到显著促进作用[14]。我国当前进行的供给侧结构改革，也主要是通过提高TFP来提升新动能[15]。同时，对我国经济增长研究的任何方面都不应忽视区域异质性方面的特点。

4 模型构建与实证

4.1 变量选取及数据说明

利用全球金融危机后2011—2017年30个省域(西藏自治区除外)面板数据，量化对外开放指标和FTP Malmquist指数分解出的技术效率和配置效率对新动能提升的影响。通过主成分分析法得出的各省域新动能得分作为被解释变量，经济开放度、技术开放度、社会开放度、TFP的技术效率和配置效率是关键解释变量，为提高模型精度，将结合文献添加各省域城镇就业人口数、出口额标化后作为控制变量。

4.1.1 新动能综合得分

尽管国家统计局已于2018年底发布了2015—2017年我国经济发展新动能指数，但省域层面官方统一量纲的新动能指数尚不可得。各省关于新产业、新业态、新商业模式的统计数据也鲜有系统发布。本研究在考虑数据可得性的基础上，将能源消费总量、工业用水量、一般工业固体废物产生量、第三产业占比、工作当量、R&D经费、规模以上工业企业开发新产品经费、规模以上工业企业有效发明专利数8项指标除以各省域以1978年为基期的实际年度地区生产总值作为反映各省域新动能提升的计算依据。

以上指标尽管从不同角度描述各省域新动能，但数据相关性不可避免，影响评价效率和评价质量，故需剔除重复信息。研究采用主成分分析法(PCA法)，利用空间降维原理，把各省域以上指标转化成若干主成分，既能反映原始指标中的大部分信息，也将各自所含的重复信息剔除出去，最终得出2012年以来各省域的新动能指标(新动能综合得分)。其计算思路为：

设有n个待评价省域，每个省域有m个新动能评价变量(即指标)，xij为第i个评价省域第j个评价变量值，则可构建评价矩阵X=(Xij)n×m，即:

(7)

这m个线性相关的新动能评价变量，可重新组合成评价新动能提升的m个线性无关新变量，即：

Fj=aj1xj1+aj2xj2+…+ajmxjm,(j=1,2,…,m)

(8)

其中Fj称为第j个主成分，aij为载荷系数。设λj是Fj特征值，则满足:Fi与Fj线性无关(i≠j)；λ1>λ2>…>λm；∑ajm=1。

于是，主成分分析模型可表示为:F=AX

(9)

其中，A称为主成分系数矩阵。计算各主成分的贡献率和累积贡献率后，提取累积贡献率大于85%的特征值从λi到λt，设对应的主成分为F1至Ft。则各省域新动能提升的综合得分F分别为：

F=w1F1+w2F2+…+wtFt

(10)

结合上述指标数据，对新动能指标的相关数据进行主成分分析后，利用KMO检验，测定其结果为0.769 5，表明利用主成分分析法所得的结果可用。特征值大于1的前3个主成分，其贡献率分别为51.26%、18.84%和12.53%，三者累积贡献率为82.64%。取这3个主成分，最终得出2011—2017年各省域新动能综合得分。2017年我国各省域新动能综合得分见表1。

表1 2017年我国各省级行政区域新动能综合得分Tab.1 Synthesis score of new kinetic energy in provincial administrative region in China in 2017

由表1可以看出，新动能综合得分呈现东部沿海较高，西部内陆较低的基本趋势。前5名全部为东部沿海省市，后5名主要是西北内陆省区。其中广东省以高出浙江省66.7%的综合得分高居榜首，成为新旧动能转换的典范。但海南、黑龙江、吉林等省份由于基础或体制等原因，新动能综合得分较低，面临着新动能提升的迫切任务。

4.1.2 区域开放度指数

在区域开放度方面，借鉴国家发展改革委国际合作中心《中国区域对外开放指数报告》，主要从经济开放度、技术开放度和社会开放度三个维度研究对新动能的提升问题。其中，经济开放度包括贸易往来、投资往来和要素流动，技术开放度包括知识获取、创新能力和产业化水平，社会开放度包括人员交往、信息流动和文化交融等因素。从历年数据来看，东部沿海地区始终领先，中西部地区开放度不断提高。北上广地区全国领先，开放度各有特点，除华东地区外，其他地区开放度不平衡。

4.1.3 TFP的Malmquist指数及分解

依据公式(4)、(5)、(6)的原理，利用deap2.1测度了2011—2017年TFP的Malmquist指数及其分解的技术效率和配置效率。该指数以上一年度作为基数1，各项输出距离1的差作为年度增长或负增长率。结果表明，我国各省域近年来TFP呈现提高的趋势，但地区之间不平衡现象较为突出，年度之间也存在较大差异。其中技术效率增长较为普遍，而西部地区的配置效率增长乏力，部分省区呈现负增长，拖累了TFP Malmquist指数增长。2017年我国各省级行政区域TFP Malmquist指数及分解结果见表2。

表2 2017年我国各省级行政区域TFP Malmquist指数及分解Tab.2 TFP Malmquist index and decomposition in provincial administrative regions in China in 2017

4.2 模型设定

为确定具体回归模型，验证上述变量是否存在空间相关，分别以相邻矩阵、距离权重矩阵和经济权重矩阵(人均GDP的倒数为标准)建立空间权重矩阵，对以上变量进行全局莫兰指数的测度，结果显示，这些核心变量历年莫兰指数均不显著，表明不存在空间集聚效应和相关性，无需使用空间计量模型。故根据短面板数据的特性构建模型(9)，分别使用混合回归(OLS)、固定效应(FE)、随机效应广义最小二乘法(RE_GFLS)和随机效应最大似然估计(RE_MLE)进行估计，其中OLS、FE、RE_GFLS均使用聚类稳健标准误。

NEWit=β0+β1TECHCHit+β2EFFCHit+β3ITECHDit+β4ISODit+β5IECDit+β6COLSTUit+β7EXPit+εit

(11)

其中，NEW为新动能综合得分，TECHCH为TFP Mamlquist分离出来的技术效率，EFFCH 为配置效率，ITECHD为技术开放度，ISOD为社会开放度，IECD为经济开放度，LABOR为标准化的城镇就业人数，EXP为标准化的出口额，β为待估系数，i为各省域，t为年份，ε为随机干扰项。

4.3 变量描述性统计

模型所使用变量的描述性统计信息见表3，其中控制变量进行了标准化处理。

表3 各变量的描述性统计Tab.3 Descriptive statistics of each variable

4.4 实证结果分析

利用2011—2017年各省域上述变量的面板数据，对模型(9)依据上述4种方法进行估计，并对方法的适用性进行检验。在个体效应模型中，原假设H0：不存在个体效应。使用固定效应回归时，则其F检验F(7，29)=41.27，P=0.000 0，强烈拒绝原假设。表明FE明显优于混合回归。使用随机效应回归时，则LM检验χ2(01)=407.41，P=0.000 0，强烈拒绝原假设。表明在RE与混合回归之间，应选择RE。基于随机效应可视为在固定效应基础上添加了个体异质性与解释变量不相关的约束，相当于过度识别条件，再对二者的估计进行过度识别检验，结果表明：χ2(6)=12.762，P=0.047 0。表明在5%的显著性水平下FE优于RE，但两种方法对系数的估算非常接近。各回归系数的估计值、标准误及P值见表4。

表4 各面板数据模型回归结果Tab.4 Regression results of each panel data model

从以上结果看，不同方法估算的R2均在0.75左右，模型拟合优度较高，所计算的各变量符号相同，系数差异较小且较显著，表明所选用的模型较为合理，核心变量TECHCH、EFFCH、ITECHD、ISOD对被解释变量NEW有较强且显著的解释力，但IECD不显著。

从TFP分解出来的技术效率和配置效率分别反映了技术进步和要素配置合理化的程度，从估算结果来看，二者系数全部为正，且均在1%或5%的水平上显著。表明TFP中无论技术进步还是生产要素配置的优化，都可提升新动能。在当前阶段，配置效率甚至比技术进步更能提升新动能。如在固定效应模型下，技术效率和配置效率指数每提升1个百分点，将分别提升新动能0.725和0.858个百分点。笔者认为这一结果的出现主要源于当前要素配置没有充分市场化、配置效率不高，成为新阶段经济增长的约束条件，较大地制约了当前新旧动能转换进程，供给侧结构性改革依然需要持续进行。当然从长远的角度来讲，在破除了制度性约束后，技术进步及其成果的应用将对新动能提升发挥关键作用。

区域开放对经济增长的促进可从中国对外开放40年的经济成就得到验证。实证分析表明，技术开放和社会开放对新动能提升均在1%的水平上显著且符号为正，说明二者在新动能提升过程中发挥稳定性的正向作用。在对外交流过程中技术开放领域对技术信息等要素的获取能力、以创新为特征的专业化能力、以高新技术产业的集聚和增长为特征的核心竞争能力及在社会开放领域国际高端人才交流、国际信息的互动与交流、多元开放的现代文化等方面都对新动能提升有重要影响。但值得关注的是，多种回归方法的结果表明，经济开放度变量符号为负，但系数值很小，同时也不显著，表明各省域经济开放度指标对新动能提升尚未形成统一机制或作用力较小，故认为，这主要是由于经济开放是我国对外开放的最早板块，虽然对我国经济发展发挥了重要作用，但在新动能提升方面，主要依靠技术外溢机制，随着我国的科技与世界先进水平差距越来越小，这种机制的作用越来越有限。实证结果表明，在现阶段技术开放和社会开放比经济开放更能发挥重要作用。所以当前阶段，应更加重视技术和社会两个层面的开放。以2013年中国(上海)自由贸易试验区为代表的各级各类自由贸易试验区的成功实践，也显示了通过对外开放提升新动能的必要性。

总体来看，全要素生产率的提高和对外开放度的提高，能够显著提升新动能水平，在我国新旧动能转换进程中发挥重要作用。

5 结论

以省级面板数据为依据，采用DEA模型，测算了2011—2017年我国各省域全要素生产率 Malmquist指数及其分解的技术效率和配置效率指数；利用主成分分析法，测度了2011—2017年来我国各省域新动能提升的综合得分，并利用混合回归、个体效应等模型，对我国各省域开放度和全要素生产率对新动能提升的相互关系及影响进行了定量分析。

(1)我国各省域新动能都存在提升趋势，但表现出较大的异质性。东部沿海地区，特别是广东省新动能提升趋势明显，而青海等中西部地区以及黑龙江等东北地区新动能提升较慢。

(2)TFP Malmquist指数测算结果表明，我国各省域近年来TFP呈现增长趋势，但地区之间不平衡现象较为突出，年度之间也存在较大差异。其中技术效率增长较为普遍，而西部地区的配置效率增长乏力，部分省区呈现负增长，拖累了TFP增长。

(3)实证结果表明：TFP中技术效率和配置效率、区域开放中技术开放和社会开放均显著对新动能提升发挥促进作用，是我国经济高质量发展的重要保证。

(4)我国经济进入新常态后，促进经济发展的动力机制需要适时调整，提升新动能成为保持经济较快发展和决胜全面建成小康社会的重大战略和必由之路。印证了我国坚持多边主义、以“一带一路”倡议为统领、以各地自由贸易综合试验区为突破、打造对外开放新高地战略的正确抉择。