新旧常态下中国全要素生产率演化趋势的比较研究
范 金1张润磊2 陈 敏1孟芊汝2
1（南京林业大学经济发展质量研究中心，南京 210037）
2（江苏省行政学院决策咨询研究中心，南京 210009）
〔摘 要〕 本文采用索洛余值法、对偶核算法、随机有效前沿模型和数据包络分析模型4种常用测度技术，测算和研究了2002～2017年TFP演化趋势，得到主要研究结论：（1）TFP增长降速换挡表现为由旧常态的高速增长到新常态经济增速中高速增长； （2）TFP区域差异特征表现为东部地区优势明显；（3）TFP增长的主导角色更迭表现为由旧常态的技术进步主导逐步到新常态的技术效率主导；（4）TFP的要素资源错配表现为新常态阶段资源错配态势加剧。为推进新时代经济高质量发展，本文认为： （1）稳增长以实现具有换档性特征的新时代背景下经济增长质量保持强盛性和有效性；（2）拓潜力以实现具有开放性特征的新时代背景下经济增长质量保持开放性和包容性；（3）增效率以实现具有叠加性特征的新时代背景下经济增长质量保持有效性和协调性；（4）优配置以实现具有风险性特征的新时代背景下经济增长质量保持有效性和协调性。
〔关键词〕 新旧常态 全要素生产率 演化趋势 索洛余值法 对偶核算法 技术效率
引 言
自从 “十三五”开局至今，以下两个特征事实不容忽视：（1）经济增长降速明显，换挡趋势已经形成。与2001～2010年相比，从2011年第三季度以来，经济增长速度明显下降1个档位，降速趋势一直到2016年第三季度才有所转变，应该理解为新常态的最基本特征之一： “速度——从高速增长转为中高速增长”； （2）全要素生产率对经济增长贡献的下滑趋势尽管有所收敛，但创新的引领作用并未显现。全要素生产率 （Total Factor Productivity，TFP）常常被视为科技进步的指标，它的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为TFP增长率。自2002年以来，中国TFP增长趋势在逐步下滑；自2012年以来，中国TFP增长下滑趋势得到遏制，呈现出低位持平态势，2012年和2015年甚至出现增长率负数。
经济增长的降速换挡与TFP的降速换挡几乎同步。那么，这个现象有无必然性？其背后的经济学逻辑是怎样的？准确厘清经济增长速度与TFP增长速度之间的关系，对 “适应新常态、把握新常态、引领新常态”过程中推进高质量发展具有重要的现实意义和理论价值。
党的十九大报告指出： “推动经济发展质量变革、效率变革、动力变革，提高全要素生产率。”将提高TFP写入党的全国代表大会报告中，这在历次报告中尚属首次，显示出该测度评价指标在推进新时代高质量发展工作中的重要性和紧迫性。实际上，2015年3月5日李克强总理在政府工作报告中首次指出 “要增加研发投入，提高全要素生产率”。自此，纵观从中央到地方的政府工作报告、五年规划等，TFP一直被视为测度评价经济增长质量的主要指标。
但是TFP的测算也存在一定缺陷：（1）测度量纲的缺陷。TFP指标的各种投入品的衡量单位（量纲）不一样，最后形成的是一个没有量纲的指标 （苏剑，2019）①；（2）测度形式的缺陷。TFP测算包括增长核算法与前沿函数法，而后者又包括参数方法和非参数方法。不同的形式可能会产生一定的差异；（3）测度方法的缺陷。林毅夫和任若恩 （2007）、郑玉歆 （2007）均指出采用TFP测度中国经济增长质量存在着局限［1，2］。总之，TFP确实是一项反映创新能力的综合性指标，但 “如何让全要素生产率能真正衡量和推动我国经济高质量发展，变成国家和各地方政府能够接受的、能客观反映经济高质量发展的实用指标”，尚有待时日 （李群，2019）②。
因此，本文尝试用多种方法对新旧常态下中国全要素生产率进行测算和分解，并从不同角度进行比较研究，把本文测算结果与现有研究测度结果进行比较，验证本文测算结果的可靠性；并采用不同的TFP测度方法进行比较研究，针对新旧常态下中国全要素生产率的演化趋势得出比较一致的研究结论。
“打糍粑喽！”我高兴极了。家里陆陆续续来了许多大人。这个时候，厨房里飘来阵阵糯米清香。我跑进厨房一看，大灶台里正蒸着糯米，奶奶在不断地往灶膛里添柴火。过了一会儿，只听爷爷喊：“米好啦！米好啦！”于是，叔叔伯伯们便走进厨房，用竹匾（）装好蒸熟的糯米，放入石磨里。大人们“嘿哟、嘿哟”地忙活了好一阵子，糯米都被磨成了米糊。妈妈将米糊倒入那个“大石碗”中，一旁的爸爸和几位伯伯，都举起了手中的大木槌，“啪”的一声，再一声，你一槌、他一槌，把糯米捶出一个大窟窿。才一会儿，大人们头上都布满了细密的汗珠。
从上述试验、模拟中可以看出新型消能减震复合墙板表现出良好的耗能效果。为寻求一种最优的墙板设计尺寸，既可以满足良好的减震耗能，又可以经济合理，故对带耗能钢棒的新型消能减震复合墙板进行不同参数情况下的减震效果对比。
1 TFP测度
TFP最初被称为索洛余值 （Solow Residual）（Barro， Sala-i-Martin， 2004； Solow， 1957）［3，4］，可以用来衡量经济增长中要素投入增加不能解释的部分。从本质上讲，它是技术进步对经济发展作用的综合反映 （Hulten，2000；Syverson，2011；程惠芳和陈超，2017； 袁礼和欧阳峣，2018）［5-8］。
1.1 TFP测算方法
增长核算法 （Growth Accounting Approach）由Solow（1957）首先提出，主要有索洛余值法和对偶法等。随着TFP测算方法的扩展，前沿函数法被越来越多的学者使用，根据生产函数的具体形式是否已知而分为参数方法和非参数方法两大类，代表方法有随机前沿生产函数 （Stochastic Frontier Approach，SFA）和基于数据包络分析 （Data Envelopment Analysis，DEA）的Malmquist的指数法，其中，使用面板数据为研究人员测度中国TFP问题尤为普遍，如董敏杰和梁泳梅 （2013）、邵明伟等 （2018）、 易明等 （2018）［9-11］。
1.1.1 索洛余值法
索洛余值法自Solow（1957）提出，其公式为：
在式（1）中，GY 为经济增长率，GL 为劳动力增长率，GK 为固定资本存量增长率，TFP 为全要素生产率，α 和β 分别为劳动和资本的产出弹性。
数据选取和样本来源同于前文增长核算法测度。用从业人员总报酬作为劳动力的总报酬收入，劳动所得份额用从业人员总报酬除以GDP来表示，即sL （徐现祥和舒元，2009；项歌德和朱平芳，2010），资本所得份额sK ＝1-sL 。
从收入法的角度看，GDP就是要素所得之和，即：
按照文中对经济新旧常态的时间定义，将已有研究覆盖2002至今的代表性TFP测算结果归纳为 （归纳表略）［20-31］： （1） 不同学者采用不同方法测算出的结果具有一致性。表现在不同方法测算的地区TFP变动具有一致性，东部最高，中、西部次之，且在同一时期的TFP的变动也趋于一致；（2）不同学者采用不同方法测算出的结果又存在着不同程度的差异性。差异性表现在：同时期不同方法测算TFP数值存在相当大的差异，同一核算方法所测算出相邻时间段的TFP增长率也有较大不同。
式中：SK ＝rK／Y 、SL ＝wL／Y 分别是资本、 劳动所得在总产出中的比重，即资本所得份额、劳动所得份额，显然sK +sL ＝1；gx 表示变量x 的增长率。可以整理为：
本文选取超越对数生产函数作为前沿生产函数的具体形式，公式为：
10月14日下午，《妈妈宝宝》杂志联合上海国妇婴美兰湖分院举办“母乳喂养指导”主题孕妈沙龙。活动内容包含：“母乳喂养指导”课程、知识问答、爸爸“母乳姿势”赛、幸运抽奖，还有精致丰盛下午茶歇等。在这里，大家一起度过了一个美好的周末下午时光，给孕期生活增添不少乐趣和美好的回忆。
式 （5）即为对偶法核算TFP的公式。
1.1.3 参数法-SFA模型
按照Solow残差法，TFP ＝gY -sKgK -sLgL ，即经济增长中不能够被可观测生产要素所解释的部分。因此，式（4）实际上给出了TFP的另外一种核算方法：生产要素价格增长率的加权平均数，即：
式中：lnyit 表示对数形式的第i 个地区第t 年的产出，lnkit 和lnlit 分别表示第i 个地区在第t 年的资本和劳动力投入的对数形式。
参照Kumbhakar（2000）的TFP增长率计算和分解方法［12］，可以测算TFP增长率及其分解指数，公式如下：
式中：TEC 、TC 、SC 、AE 分别表示技术效率改进 （Technical Efficiency Change）、技术进步（Technical Change）、 规模效率改进（Scale Change）和配置效率改进 （Allocation Efficiency）。
1.1.4 非参数法-基于DEA模型的Malmquist的指数法
浇水时掌握五浇五不浇，即晴天浇水，阴天不浇水；上午浇水，下午不浇水；浇温水，不浇冷水；膜下浇暗水，不浇明水；要浇轻水，不浇大水，并注意浇水后放风排湿。
按照Fare等 （1994）的思路，基于DEA模型的Malmquist的指数法可以分解为不变规模报酬假定下技术效率变化指数（Efficiency Chang，EC）和技术进步变化指数 （Technical Change， TP）［13］，具体分解过程如下：
（6）槽孔坍塌的预防及处理措施。①严格控制泥浆性能指标，必要时采用复合泥粉拌制泥浆，增加泥浆的附着力，确保槽段两侧土体的稳定。②减短成槽完成至混凝土浇注之间的工序衔接时间。③槽段出现坍塌时，应立即进行回填，防止坍塌进一步扩大。
各个指数大于1、等于1、小于1时分别表示效率提升、不变和下降。其中，EC 测度t 到t +1期DMU 向最佳生产前沿的追赶程度，TP 测度从t 到t +1期因为DMU 的技术变动使最佳生产前沿面移动的情况。
1.2 TFP测度方法的优势和不足
不足：索洛余值法不但必须依赖于生产函数形式的假定，还依赖于严格的新古典经济学假定框架，无法避免纳入各种误差，其资本指标在中国的估算方式争议也很大，这使得TFP的测算结果容易被质疑 （郭庆旺和贾俊雪，2005；姚战琪，2009； 赵志耘和杨朝峰， 2011）［14-16］。
在人类历史的发展长河中，社会主义经历了从空想到科学、从科学到现实，筚路蓝缕，薪火相传。中国共产党自十一届三中全会以来，在拨乱中反正，在继承中创新，中国特色社会主义的伟大创举实现了中华人民共和国成立以来的伟大转折，经济建设、政治建设、文化建设、社会建设、生态文明建设取得了历史性成就与变革，全面推进国防和军队现代化、推动全方位对外开放、加强和改进党的建设。40年改革开放，波澜壮阔，玉汝于成。长城内外，风展红旗如画；大江南北，风景这边独好。
优点：索洛余值法在TFP测算中应用很广泛，它可对中国不同时间段的经济情况进行研究；对偶核算法同样属于增长核算法的范畴，它可以避免计算资本存量，从要素增长率的角度测算TFP，可以作为索洛余值法的补充。
1.2.1 索洛余值法和对偶核算法
1.2.2 SFA模型和基于DEA模型的Malmquist指数法
优点：SFA模型兼顾TFP内涵的解释，改进了测算方法和生产函数之间关系上的问题，并且可以对TFP进行分解。DEA模型的Malmquist指数法利用线性优化给出边界生产函数与距离函数的估算，无需对生产函数形式和分布做出假设，从而可以避免较强的理论约束。
不足：SFA模型和DEA模型存在的缺陷：（1）都放宽了假设，适用性受到局限；（2）样本点较少时，结果的稳健性较差；（3）SFA模型假定的前沿生产函数形式具有分歧 （段文斌和尹向飞，2009）［17］； （4） 使用DEA模型可能产生难以理解的测算结果，如难以解释的 “技术退步”现象（王兵和颜鹏飞， 2007； 于永达和吕冰洋， 2010）［18，19］。
总结以上TFP研究方法的概况，可以得出结论：TFP能够反映经济增长的情况，但是不同方法测算TFP时都存在各种形式的缺陷问题 （于永达和吕冰洋，2010）［19］，且测算结果存在不少争议（郑京海等， 2008； 赵志耘和杨朝峰， 2011）［16，20］。
（1）制作噬菌体的蛋白质外壳。分别取红色和蓝色的彩色磁片，先在上面画出噬菌体模型的外观图，再按照图形裁剪出红色和蓝色两种噬菌体的外壳模型（红色代表有放射性标记，蓝色代表没有放射性标记，以下同，与教科书中的颜色标记一致）。
1.3 中国TFP研究最新进展
式中：Y 、K 和L 分别是总产出、资本和劳动，r 和w 则分别是资本和劳动的价格，即资本的工资和劳动者的工资。式（2）两边取自然对数，然后对时间求导，得到：
2 数据处理与测算结果
2.1 数据及变量选取
为比较新旧常态下中国TFP演化趋势，本文选取样本时间为2002～2017年，样本地区包括东部 （北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南）10个地区、中部 （山西、安徽、江西、河南、湖北、湖南）6个地区、西部 （内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆）12个地区、东北 （辽宁、吉林、黑龙江）3个地区，共31个省 （市），数据来源于 《中国统计年鉴》（2003～2018）。
王阳明不仅是有明一代儒家大宗，又是明王朝的功臣，著名的唯心主义哲学家、教育家。在中国哲学史上，王阳明的主观唯心主义思想直接继承了宋明两代“心学”的开山鼻祖陆九渊的思想，形成了中国哲学史上著名的“陆王学派”。他逐步提出了“心外无物”“致良知”和“知行合一”等主要哲学命题。这里我们旨在探讨王阳明的古文献学思想，因而对其哲学体系与学术大成，不再加以赘述。
2.2 不同方法测算结果
2.2.1 索洛余值法测算结果
主要涉及3个变量：产出指标yit ，将GDP来衡量，将GDP指数换算成以2001年为基期的不变价；投入指标，劳动要素lit （以历年从业人员来衡量）和资本要素kit （以资本存量来衡量）。资本存量用永续盘存法计算，以2001年为基期。固定资产的经济折旧率选取张军和章元 （2003）、张军和施少华 （2003） 测算的 9.6%［32，33］， 具体估算资本存量借鉴单豪杰 （2008）的计算方法［34］。
在当下的大数据时代，管理会计是十分符合当代环境的企业工具，企业应当加强加深对于管理会计的认识，并且要站在企业的高度去推进管理会计的发展。并且与此同时应当加强管理会计的能力，培养管理会计成为更加符合企业需求的人才，使得企业能够更好的拥抱大数据，为企业带来更大的效益。
世界其他国家的油气工业发展相对较早，市场已日趋成熟，其中美国、俄罗斯、欧盟地区的油气管网规模大，对我们有一定的借鉴意义。目前全球天然气产业与管输运营模式主要有三种，即一体化模式、“X+1+X”模式和市场自由化模式，分别以俄罗斯、欧盟和美国为代表（见图1）。
表1 中国新旧常态下四大地区的TFP水平值及增长率
2.2.2 对偶核算法测度
1.1.2 对偶核算法
劳动的工资，用劳动者报酬来度量 （徐现祥和舒元，2009）［24］，并且用GDP指数进行不变价处理。资本的租金，根据 Griliches和 Jorgenson（1967）［35］提出的方法进行计算。
通过对偶核算法可以测算出新旧常态下中国全要素生产率的增长水平，如表2所示。
表2 不同时期中国四大地区的TFP增长率
续 表
2.3 参数法——SFA模型
数据选取和样本来源同于前文增长核算法测度。
采用最大似然估计构造SFA模型进行回归估计，得出表3估计结果。
表3 SFA模型的估计结果
通过估计结果进一步测算新旧常态下中国TFP的增长率，并对其进行分解，计算结果见表4、图1所示。
2.4 非参数法——基于DEA模型的Malmquist指数法测度
数据选取和样本来源同于前文增长核算法测度。采用Deap2.1程序，根据上述数据计算TFP、TFP增长率、EC和TP，计算结果如表5所示。
3 新旧常态下中国TFP的比较
3.1 测算结果的比较
通过图2和表6比较不同方法的测算结果和现有的研究结果，可以发现：
表4 不同时期中国四大地区的TFP增长率
（1）新旧常态下我国TFP变动呈现出换挡性。新常态阶段的TFP增长率均值低于旧常态阶段的TFP增长率均值，呈前高后低特征。索洛余值法和对偶核算法测算的新常态阶段TFP增长率相比旧常态相差2%左右，SFA模型和DEA模型测算的新常态阶段TFP增长率相比旧常态相差5%左右。在Penn World Table，Version 9.1测算中，旧常态TFP增长率为3.5%，新常态TFP增长率为0.62%，两个阶段相差2.88%，与索洛余值法和对偶核算法测算结果基本一致；全国及各地区的TFP增长趋势一致，均为前高后低型增长，呈现出换挡性，只是不同地区TFP增长率大小和波动幅度略有不同③。
（2）新旧常态下我国地区TFP变动具有层次性。由表6可知，在2002～2017年，中国各地区的TFP增长率东部、东北较高，中部和西部次之，与李言等 （2018）、王德祥和薛桂芝 （2016）、吕连菊和阚大学 （2017）［23，29，31］测算的结论基本一致。旧常态下中、东部地区的TFP增长率较高，东北和西部次之；新常态下东部、东北地区TFP增长率较高，中部和西部相对较低。新常态下东北的TFP增长率超过了中部和西部，显示出东北地区的发展潜力巨大。
3.2 测算方法的比较
通过表7，对不同方法下TFP增长率进行描述性统计，并结合前文测算结果可以发现：
（1）4种TFP测算方法在估算我国TFP的过程中呈现出高度的一致性。不同方法计算出的中国TFP增长率虽然数值上存在着不同程度的差异，但总体变化趋势相同。索洛余值法和DEA模型的Malmquist指数法测算的中国TFP增长率分别为5.46%和6.6%，对偶法和随机前沿生产函数法测算的中国TFP增长率分别为3.7%和2.22%④。
图1 中国及四大地区TFP分解
（2）4种TFP测算方法在估算我国TFP的侧重点上存在一定的差异性。从TFP增长率的稳定性来看，2002～2017年对偶法和SFA模型的测算结果都比较稳定，DEA模型的Malmquist指数法和SFA模型测算结果波动幅度较大，索洛余值法则在新旧常态两个阶段计算的结果稳定性上表现出较大的差异。索洛余值法、对偶核算法以及DEA模型的Malmquist指数法3种测算结果的变动趋势和变动幅度呈现出相当大的一致性，反映了TFP增长率短期的波动，SFA模型重点在于反映TFP增长率长期的变化上。从TFP增长率的数值来看，SFA模型反映了最低的平均TFP增长率，仅为2.2%，DEA模型的Malmquist指数法反映了最高的平均TFP增长率，为6.6%，这可能是由于SFA模型构造的是理论前沿面，而DEA模型的Malmquist指数法测量的是相对前沿面，该法对相对发达地区的技术进步和技术效率体现得更多，比SFA模型更能体现出发达地区TFP增长过程，因此TFP增长率相对较高。
表5 不同时期全国与四大地区TFP及其分解
续 表
3.3 中国及地区TFP的分解
通过前文图2和表5对中国及各大地区的TFP分解可以看出：
图2 4种不同方法、Penn World Table，Version 9.1测算的中国TFP增长率
表6 4种测算方法的TFP估算结果
（1）不同方法对中国及地区的TFP的分解呈现出一致性，TFP增长主要由技术进步拉动。用SFA模型分解出2002～2017年技术进步均值为0.0548，技术效率均值为0.0168，DEA模型的Malmquist指数法分解出技术进步均值为1.064，技术效率为1.002，验证了在2002～2017年我国的TFP增长主要依靠技术进步拉动。在已有的研究中，影响技术进步的因素包括R＆D经费的投入强度、人力资本积累、相关体制机制与技术创新的适应程度等 （李平，2016）［36］。对于东部和东北地区，技术进步一直处于相对较高水平，推动技术进步只能依靠不断的研发和自主创新，而对处于相对落后状态的中部和西部来说，不仅要通过加大R＆D经费的投入强度、人力资本积累、相关政策优势等途径来实现自主创新，还要依靠发达地区的技术转移，通过引进消化吸收再创新的方式提升地区的前沿技术水平。
表7 不同方法下TFP增长率描述性统计
（2）在旧常态阶段向新常态阶段过渡过程中技术进步的拉动作用在逐渐减小，技术效率改进开始成为中国TFP增长越来越重要的因素。在图2中国TFP分解中发现2002～2017年的技术进步一直在下降，技术效率改进处于平稳状态，再比较旧常态和新常态两个阶段的技术进步、技术效率改进均值发现，技术进步均值分别为0.0774、0.0098，技术效率改进均值分别为0.0174、0.0156，说明新常态阶段技术效率改进对TFP的拉动作用远远大于技术进步。在DEA模型的Malmquist指数法中，2002～2012年技术效率均值0.996上升至2012～2017年的均值1.002，充分显示出技术效率对TFP增长的促进作用不断增强。影响技术效率改进的主要因素有：从微观视角来看，包括企业内部管理组织模式、企业员工素质、信息通信技术在生产经营中的广泛应用、企业地理位置和产业配套情况；宏观来看包括资源要素在地区间的协调性等因素 （丁胜等，2019）［37］。在东北和西部地区，2002～2017年技术效率改进都相对较高，东部和中部次之，这可能是东北和西部地区承接了发达地区的技术转移，不仅注重技术进步也充分重视了技术效率改进的提升。
通过索洛余值法测算出资本弹性α ＝0.548，劳动力弹性β ＝0.452，测算2002～2017年中国TFP，并分为东、中、西部和东北，测算结果如表1所示。
（3）随着新常态阶段的到来，中国及各大地区的资源配置效率仍然不足。旧常态阶段中国各地区的配置效率改进呈现不同程度的上升，新常态阶段中国各地区的配置效率改进有下降的趋势，说明在旧常态向新常态的转变过程中，配置效率改进对TFP的拉动作用在下降。研究发现影响配置效率改进的主要因素有：市场竞争选择机制、适当的行业准入和规制、新兴产业的引导培养能力、金融体系对实体经济的支撑能力等 （王建斌，2018； 夏永红等， 2018）［38，39］。 在我国的配置效率改进变动中，2002～2017年中部地区的配置效率改进远高于我国其他地区，说明中部地区长期以来有着较好的市场竞争环境，也反映了提升配置效率改进对东部、东北和西部地区的TFP拉动作用更大。
（4）旧常态向新常态阶段发展过程中，规模效率改进对TFP的拉动作用逐渐显现。无论是从全国范围还是东、中、西、东北地区来看，旧常态阶段规模效率改进为负值，持续下降，说明旧常态阶段规模扩张是无效的，在一定程度上抑制了TFP的增长；新常态阶段规模效率改进虽然仍是负值，但是在逐步上升，说明新常态以来规模扩张的拉动作用逐步显现，其中东北和东部地区规模效率改进增长较快，西部和中部地区次之，这可能是因为东北和东部地区经济发展基础好，对外进一步扩大规模更有利于TFP的增长。总的来说，规模效率改进对TFP的拉动作用需要进一步挖掘。
4 结论和启示
综合前文，本文通过4种常用TFP测度方法计算了新旧常态中国TFP的演化趋势，主要得出以下研究结论：
（1）TFP增长降速换挡：由旧常态的高速增长到新常态经济增速中高速增长。新旧常态下TFP增长率呈现出前高后低的动态特征，新常态阶段的TFP增长率均值低于旧常态阶段的TFP增长率均值；东部、东北、中部、西部以及全国的TFP增长趋势趋于一致，均为前高后低型增长。说明在新旧常态下，无论是全国整体地区还是分地区，TFP的变动均呈现出换挡性。
（2）TFP区域差异特征显著：东部地区优势明显。在旧常态阶段，中部、东部地区的TFP增长率相对较高，东北和西部地区次之；在新常态阶段，东部、东北地区TFP增长率较高，中部和西部相对较低。特别需要说明，东北地区在新常态阶段的TFP增长率相对较高，超过了中部和西部，从一个角度显示出东北地区仍然具有一定的发展潜力。
（3）TFP增长的主导角色更迭：由旧常态的技术进步主导逐步到新常态的技术效率主导。本文研究发现，2002～2017年中国的TFP增长主要是依靠技术进步拉动，但随着时间的推移，技术进步的拉动作用逐渐减弱，技术效率改进在2014年超过了技术进步，开始成为中国TFP增长越来越重要的因素。
在反渗透净水器产品中，普遍使用压力桶来实现增压加快流速的目的，而压力桶不仅占地面积大，影响了厨下的使用空间，且流速并没有得到较好的改善，即使是现有的大通量净水机，虽然比小通量的制水速度快了一点，但是出水速度依然还是很小。例如500G大通量1分钟出水速度只有1.3L，接满一个1.5L的烧水壶需要70秒。
（4）TFP的要素资源错配：新常态阶段资源错配态势加剧。旧常态阶段中国各地区的配置效率改进呈现不同程度的上升趋势，新常态阶段中国各地区的配置效率改进则呈下降的趋势，说明在旧常态向新常态阶段的转变过程中，配置效率改进对TFP的拉动作用在下降。
基于本文的TFP视角，为实现新时代发展目标，推进经济增长高质量发展，体现在TFP的稳定性、增效率、拓潜力、优配置四方面：
（1）稳增长以实现具有换档性特征的新时代背景下经济增长质量保持强盛性和有效性。稳增长有双层含义：①由于TFP与GDP增长率具有单调一致性，因此只有保持适度的TFP增长率才能保证顺利实现全面建成小康社会、基本实现社会主义现代化、社会主义现代化强国目标；②从数量型增长到质量型增长是必然趋势，符合国际上成功跨越 “中等收入陷阱”国家的一般市场经济规律。通过科技创新引领经济新常态，才能防止经济增长速度出现断崖式的暴跌。
（2）拓潜力以实现具有开放性特征的新时代背景下经济增长质量保持开放性和包容性。拓潜力有双层含义：①以包容意识加强产业创新，占据全球价值链高端，引领拓展生产可能性边界；②以开放意识探索知识创新，开创知识无人区，引领催生下一个技术突破引领下的产业革命。
（3）增效率以实现具有叠加性特征的新时代背景下经济增长质量保持有效性和协调性。十九大报告指出： “我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”。增效率有双层含义：①以供给侧结构性改革为主线，推动经济发展质量变革、效益变革、动力变革，努力建立现代经济体系；②坚持以人民为中心的发展思想，着眼于人民现实的物质文化生活需要，着眼于促进人民素质的提高，着眼于改善人民生活的社会环境，为人的全面发展创造良好的条件。
（4）优配置以实现具有风险性特征的新时代背景下经济增长质量保持有效性和协调性。优配置有双层含义：①优化企业生产要素配置效率。完善现代企业制度、提高企业员工素质、强化物联网和人工智能在企业中的应用、完善企业地理位置和产业配套情况等。同时，保持合理的规模结构、区域结构；②加强市场经济制度建设。建立市场竞争选择机制、适当的行业准入和规制，加强新兴产业的引导培养能力以及金融体系对实体经济的支撑能力等。
注释：
①苏剑.从全要素生产率看高质量发展 ［EB］.中国共产党新闻网， 2019-03-15.http：／／theory.people.com.cn／n1／2019／0315／c40531-30977107.html.
②李群.规范全要素生产率测算推进经济高质量发展 ［N］.中国社会科学报， 2019-03-19.http：／／www.cssn.cn／index／index_focus／201903／t20190319_4849668.shtml.
卡罗尔(1979)提出了经典的企业社会责任金字塔模型(Pyramid of Corporate Social Responsibility)，他把企业社会责任看作是一个结构成分，关系到企业与社会关系的四个不同层面，即“企业社会责任包含了在特定时期内，社会对经济组织经济上的、法律上的、伦理上的和慈善上的期望”。在这里，简单借鉴卡罗尔的模型对案例企业的社会责任行为进行归纳。
老梅出事后，一连几天，李叔和都心里蔫蔫的，他像霜打的茄子，浑身没了一点儿精神。走到那儿，都感到有警察的影子。
③刘华君等 （2018）用DEA的Malmquist指数法测算东部、中部、东北、西部的绿色TFP发现，四大地区绿色TFP的变动趋势与全国基本一致，均呈明显的下降态势。
④肖宏伟和王庆华 （2017）用数量经济模型测算的2002～2015年TFP增长率为3.77%，与本文对偶法核算的TFP增长率非常接近，显示出不同的测算方法测算的TFP虽在数值上有区别，但是总体趋势一致。
参考文献
［1］林毅夫，任若恩.东亚经济增长模式相关争论的再探讨［J］. 经济研究， 2007， （8）： 4～12.
［2］郑玉歆.全要素生产率的再认识——用TFP分析经济增长质量存在的若干局限 ［J］.数量经济技术经济研究，2007，24（9）： 3～11.
［3］ Barro R J， X Sala-i-Martin.Economic Growth （2nd ed.）［M］.MIT Press： Cambridge， MA， 2004： 14～37.
［4］ Solow， R.A Contribution to the Theory of Economic Growth［J］.Quarterly Journal of Economics， 1957， 70 （1）： 65～94.
［5］ Hulten C R.Total Factor Productivity： A Short Biography ［R］.Nber Working Papers， 2000， 51 （3）： 3～16.
［6］ Syverson C.What Determines Productivity？ ［J］.Journal of Economic Literature， 2011， 49 （2）： 326～365.
［7］程惠芳，陈超.开放经济下知识资本与全要素生产率——国际经验与中国启示 ［J］.经济研究，2017，（10）：23～38.
［8］袁礼，欧阳峣.发展中大国提升全要素生产率的关键 ［J］.中国工业经济，2018，363（6）：45～63.
［9］董敏杰，梁泳梅.1978～2010年的中国经济增长来源：一个非参数分解框架 ［J］.经济研究，2013，（5）：17～32.
［10］邵明伟，金钟范，张军伟.中国城市群全要素生产率测算与分析——基于2000～2014年数据的DEA-Malmquist指数法［J］. 经济问题探索， 2018， 430 （5）： 114～122.
［11］易明，李纲，彭甲超，等.长江经济带绿色全要素生产率的时空分异特征研究 ［J］.管理世界，2018，34（11）：184～185.
［12］ Kumbhakar S C.Estimation and Decomposition of Productivity Change When Production is Not Efficient：A Panel Data Approach ［J］.Econometric Reviews， 2000， 19 （4）： 312～320.
［13］ Fare R， Grosskopf S， Norris M， Zhang Z.Productivity Growth，Technical Progress and Efficiency Change in Industrialized Countries ［J］.American Economic Review， 1994， 87： 1033～1039.
［14］郭庆旺，贾俊雪.中国省份经济周期的动态因素分析 ［J］.管理世界， 2005， （11）： 50～58.
［15］姚战琪.生产率增长与要素再配置效应：中国的经验研究［J］. 经济研究， 2009， 44 （11）： 130～143.
［16］赵志耘，杨朝峰.中国全要素生产率的测算与解释：1979～2009年 ［J］.财经问题研究， 2011， （9）： 3～12.
［17］段文斌，尹向飞.中国全要素生产率研究评述 ［J］.南开经济研究， 2009， （2）： 130～140.
［18］王兵，颜鹏飞.技术效率、技术进步与东亚经济增长——基于APEC视角的实证分析 ［J］.经济研究，2007， （5）：91～103.
［19］于永达，吕冰洋.中国生产率争论：方法的局限性和结论的不确定性 ［J］.清华大学学报 （哲学社会科学版），2010，（3）： 141～153.
［20］郑京海，胡鞍钢，Bigsten A.中国的经济增长能否持续？——一个生产率视角 ［J］.经济学 （季刊），2008，7（3）：777～808.
［21］张浩然，衣保中.基础设施、空间溢出与区域全要素生产率——基于中国266个城市空间面板杜宾模型的经验研究［J］. 经济学家， 2012， （2）： 61～67.
［22］叶宗裕.全国及区域全要素生产率变动分析——兼对C-D生产函数模型的探讨 ［J］.经济经纬，2014，（1）：14～19.
［23］李言，高波，雷红.中国地区要素生产率的变迁：1978～2016 ［J］.数量经济技术经济研究，2018，35（10）：22～40.
［24］徐现祥，舒元.基于对偶法的中国全要素生产率核算 ［J］.统计研究， 2009， 26 （7）： 78～86.
［25］项歌德，朱平芳.对偶法核算全要素生产率 ［J］.统计研究， 2010， 27 （11）： 47～53.
［26］王志平.生产效率的区域特征与生产率增长的分解——基于主成分分析与随机前沿超越对数生产函数的方法 ［J］.数量经济技术经济研究，2010，27（1）：33～43，94.
［27］张健华，王鹏.中国全要素生产率：基于分省份资本折旧率的再估计 ［J］.管理世界，2012，（10）：18～30.
［28］余泳泽.中国省际全要素生产率动态空间收敛性研究 ［J］.世界经济， 2015， （10）： 30～55.
［29］王德祥，薛桂芝.全要素生产率框架下的城市资本要素生产率分析 ［J］.中国人口资源与环境，2016，（11）：53～61.
［30］张自然.TFP增长对中国城市经济增长与波动的影响——基于264个地级及地级以上城市数据 ［J］.金融评论，2014，（1）： 24～37.
［31］吕连菊，阚大学.中国全要素生产率的测算及其变动分析［J］. 统计与决策， 2017， （20）： 134～137.
［32］张军，章元.对中国资本存量K的再估计 ［J］.经济研究，2003， （7）： 35～43.
［33］张军，施少华.中国经济全要素生产率变动：1952～1998［J］. 世界经济文汇， 2003， （2）： 17～24.
［34］单豪杰.中国资本存量 K的再估算：1952～2006年 ［J］.数量经济技术经济研究，2008，（10）：17～31.
［35］ Jorgenson D W， Griliches Z.The Explanation of Productivity Change ［J］.Review of Economic Studies， 1967， 34 （3）：249～283.
［36］李平.提升全要素生产率的路径及影响因素——增长核算与前沿面分解视角的梳理分析 ［J］.管理世界，2016，（9）：1～11.
［37］丁胜，赵庆建，曹福亮，等.基于DEA分析法的区域林业产业规模经济效率评价 ［J］.中国林业经济，2019，154（1）：3～7， 22.
［38］王建斌.我国生产要素配置效率的测算 ［J］.统计与决策，2018， 34 （23）： 129～132.
［39］夏永红，沈文星，李存芳.产业共同集聚测度方法研究进展 ［J］. 技术经济， 2018， （8）： 106～115.
A Comparative Study on the Evolution Trend of China's Total Factor Productivity Under the New and Old Normal Conditions
Fan Jin1 Zhang Runlei2 Chen Min1 Meng Qianru2
（1.Research Center for the Study of Economic Development Quality， Nanjing Forestry University，Nanjing 210037， China；2.Research Center for Decision Consulting， Jiangsu Administration Institute， Nanjing 210009， China）
〔Abstract〕 Using four commonly used measuring techniques， such as Solow Remainder Method， Dual Accounting Method，Stochastic Frontier Approach and Data Envelopment Analysis Model，this paper calculates and studies the evolution trend of TFP from 2002 to 2017， and draws the main conclusions： first， the slow-down shifting of TFP growth is characterized by high-speed growth from the old normal to the new normal economic growth； second， the regional difference of TFP is special； the characteristics are obvious advantages in the eastern region； third， the change of the leading role of TFP growth shows that the technological progress of the old normal gradually leads to the technological efficiency of the new normal； fourth， the mismatch of TFP's essential resources shows that the situation of resource mismatch intensifies in the new normal stage.In order to promote the high-quality economic development in the new era， this paper argues that： first， to maintain the strength and effectiveness of economic growth quality under the background of stable growth in order to achieve shifting characteristics of the new era； second， to expand the potential to achieve the quality of economic growth in the context of the new era with open characteristics to achieve openness and inclusiveness； third， to increase efficiency to achieve a new era background with overlapping characteristics； fourthly， we should optimize the allocation to achieve the effectiveness and coordination of the quality of economic growth in the context of a new era with risk characteristics.
〔Key words〕 old and new norms； total factor productivity； evolution trend； Solow Remainder Method； Dual Accounting Method；technical efficiency
DOI： 10．3969 ／j．issn．1004-910X．2019．09．019
〔中图分类号〕 F124；F224
〔文献标识码〕 A
收稿日期： 2019-06-03
基金项目： 国家社会科学基金重点项目 “新常态背景下中国经济增长质量的演化趋势与对策研究”（项目编号：14AZD085）；国家自然科学基金面上项目 “工业增加值率的转型动态研究与政策模拟：以长三角地区制造业为例”（项目编号：71373106）。
作者简介： 范金，南京林业大学经济发展质量研究中心首席专家，教授，博士，博士生导师。研究方向：产业经济学。张润磊，江苏省行政学院决策咨询研究中心硕士研究生。研究方向：国民经济学。陈敏，南京林业大学经济发展质量研究中心硕士研究生。研究方向：农林经济管理。孟芊汝，江苏省行政学院决策咨询研究中心硕士研究生。研究方向：国民经济学。
（责任编辑： 史 琳）
标签：新旧常态论文; 全要素生产率论文; 演化趋势论文; 索洛余值法论文; 对偶核算法论文; 技术效率论文; 南京林业大学经济发展质量研究中心论文; 江苏省行政学院决策咨询研究中心论文;