区域要素规模效率及其影响因素的效应机理研究，本文主要内容关键词为：机理论文,要素论文,效应论文,效率论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F061.5 文献标识码：A 文章编号：1000-8462(2011)08-1270-06
修回时间：2011-07-10
理论分析和国际经验表明，转型期经济增长的主要来源将发生重大变化，依靠要素投入支持的粗放型增长将会受到资源和环境的双重约束，要保持经济的可持续快速增长，就必须提高要素的利用效率，走集约型增长的道路[1]。要素投入与产出之间由于存在着一个“转换效应”——“要素规模效率”，即某地区在一定技术水平下，实际产出与理想产出的差距，是地区投入要素的有效配置、运行状态和经营管理水平的综合体现。
国内外学者对于地区的要素投入与产出效率及其变化问题一直都十分关注，对于效率的地域差异也有研究[2-6]。但在以往的研究中存在两个不足：一是分析选择的要素类型不同，将资本与劳动力作为两大要素进行分析，缺乏对土地要素的考虑，而大量研究表明土地在我国当前经济发展中也是重要的生产要素之一；二是大量研究都将重点放在分地区的要素贡献率的估计上，对于效率地域差异的影响因素和作用机制的分析相对薄弱，尤其缺乏定量分析的证据。
本文从宏观层面检验各个省区的要素规模效率及其影响因素的效应，对于区域经济增长问题，构建了基础性影响机制的理论框架，使用超越对数生产函数，在具体投入要素和影响因素分析中，选择了资本存量、劳动力资本存量、城市化率、工业化阶段等关键因素，通过定量分析总结其影响效应，相比之前大量的定性推理更具可靠性。
1 区域要素规模效率的理论分析
在快速城市化和工业化进程下，中国经济增长的特点是同时受经济转轨、新古典式增长和二元经济结构三方面共同影响的，在这些纷繁复杂的影响因素下，本研究构建了一个相对概括性的区域经济增长的分析框架(图1)。
图1 区域经济增长的宏观机制分析框架
Fig.1 The macro-mechanism framework of regional economic growth
基于此，本文将着重从以下几个方面来检验地域差异与相关因素对要素规模效率的影响效应：①城市化、工业化——要素规模效率演化的基础性机制。城市化和工业化带来的总和交易效率提高可能影响生产要素、产品的跨地区流动，也可能影响“经济人”自利决策的成本和约束条件，还可能影响这些要素的经济活动区位分布，其结果必然推动或阻碍一个地区的经济发展[7-8]；②规模报酬递增——要素规模效率的集聚经济解释。城市作为劳动力、资本等生产要素高度密集的空间载体，具有显著的规模报酬特征，其来源于三个层次：范围经济(economic of scope)、马歇尔外部性(Marshallian externalities)与雅各布斯外部性(Jacobs externalities)[9-11]；③人口素质、人力资本空间集聚、创新活动水平的效率绩效[12]。人口素质、人力资本空间集聚与创新活动水平三者具有一定的关联性，人口素质决定了人力资本的平均水平，人力资本空间集聚是人口素质与劳动力在空间上的分布密度，创新活动则同时受人口素质和人力资本空间集聚的影响，进而影响到要素规模效率[13]；④区域基础设施规模——要素规模效率的空间成本解释。交通运输成本是由交通运输等基础设施网络水平所引起的交易成本，可达性造成的空间摩擦对要素流动起到阻碍作用，且存在“门槛效应”；⑤区域政策与地域差异对于要素规模效率的影响。区域经济发展的平衡与区域差异问题，是区域政策制定关注的重点[14]，区域政策从“被组织”的角度影响着要素的空间配置。而源于地域差异的资源禀赋则决定了地区发展的基础条件。
2 研究模型构建与数据变量
2.1 基于随机前沿的基础模型构建
本文将各个省份看作是投入一定要素进行生产的部门，要素投入总量及合理利用决定了地区的产出量。由Aigner et al.和Meeusen and Broeck提出的随机前沿分析(Stochastic Frontier Analysis，SFA)方法通过评价对象产出与最优前沿面之间的差距来判别要素投入与产出水平的有效率程度[15-16]。SFA将误差项分成了两个部分：一部分为具有对称分布随机误差，表示随机扰动的影响；另一部分为效率残差，体现了与最优前沿面的差距，表示个体冲击的影响，表现各种影响因素的效应，此两个误差彼此独立。其基础模型如下：
目前，已有部分国外学者建立了土地与经济增长之间的模型[18-19]。因而，模型需要同时考虑包含土地要素与选择最佳形式。本文选择运用易估计和包容性较强的超越对数生产函数(Translog Production Function)来表示生产技术的前沿，采用的函数形式如下：
模型采用的基础数据来源于1987-2006年各期的《中国统计年鉴》、《国土资源公报》、《国土资源统计年鉴》①，其中产出数据为各省份的国民生产总值，主要投入要素如下：①资本要素投入(K)采用各年年末的物质资本存量进行表征，运用永续盘存法[20]进行计算；②有效劳动投入(L)则采用各省区城镇就业总数；③土地要素投入(R)采用各省区建设用地总面积。
表1显示了在未考虑影响因素时，随机前沿模型极大似然法估计的结果，通过广义似然统计量(Generalized Likelihood-Ratio Test)，对于原假设进行检验，相对于模型3，模型1、模型2、模型4和模型5均被拒绝，且广义似然率均大于相应的1％显著性水平下的卡方分布临界值，这表明土地要素应被重视，且模型3最好的拟合了样本数据。另一方面，模型2和模型3的
和g均通过了显著性水平为1％的检验，表明要素投入非效率在各省份的生产过程中显著存在，同时也说明本文应用SFA方法研究的合理性。同时，h也显著大于零，表明要素规模效率是随时间不断改善的。
2.2 基于影响因素的扩展模型构建
为分析各种外部因素对要素规模效率的影响效应，研究将区域经济增长宏观因素框架内的关键因素进行了变量控制，变量定义见表2，函数形式如下：
3 效率估算结果及其影响因素的效应机理
3.1 外部影响因素的效应机理分析
表3为在考虑影响因素情况下，基于超越对数生产函数随机前沿模型的估计结果，其中模型6为1986-2005年的估计结果，模型7为1986-1995年的估计结果，模型8为1996-2005年的估计结果，从估计结果中可以看出这3个模型的g均达到了1％的显著性水平，表明要素投入非效率是要素规模效率未达前沿面产出水平的重要原因。但根据分时间段的估计结果：1986-2005年和1996-2005年两个时段的g值非常接近1，说明前沿函数的误差主要来源于随机变量，即影响因素的效应相对显著；相比之下，1986-1995年时段的g值较为接近0，表面实际产出与理想产出的差距主要来自不控制因素造成的噪声误差，即主要由要素投入的自身优化配置程度决定，外部因素的影响相对较小。
城市化水平(Urb)变量在模型6和7中为正，且并不显著，但在模型8的估计中呈现显著为负，根据城市化发展“S”型曲线的国际经验，从城市化水平的计算结果中发现我国城市化水平呈现加速上升的态势，1996-2005年间其平均增长率约为1986-1995年间的两倍，因而认为1986-1995年间处于相对较缓的“S”型下部区域，该时期以“农村城市(城镇)化”取代“城市化”的做法或倾向，导致我国在初期以粗放的方式进行的要素积累模式，使城镇体系结构呈现低度化特征，虽城镇化不断发展但要素规模效率仍不会明显提高；而1996-2005年，从农村城市化转向了城镇城市化，区域中心城市和中心镇的集聚作用开始增强，规模报酬递增机制使要素规模效率得以改善。
工业化阶段(Ind)变量在模型6、7和8中都显著为负，表明其对区域要素规模效率产生正面的影响。即物化在资本中的知识(技术)能抵消资本的边际收益递减，随着工业化阶段的不断演进，新技术对生产要素的渗透和扩散，改善了生产要素的内在功能，提高了其使用效率，这也是规模报酬递增的重要因素。
专业化指数(Spe)变量在模型6、7和8中都为正，但影响系数不高，表明专业化对于区域要素规模效率有着微弱的负面影响。这里存在专业化外部性(马歇尔外部性)和多样化外部性(雅各布斯外部性)的权衡，即专业化与城市集聚间存在不太稳定的微弱负相关，这与李金滟等的实证结论[23]一致。就中国现阶段而言，如果企业生产者从技术选择角度偏好多样化城市[24]，而消费者从多样性需求角度偏好多样化城市，那么显然多样化更有助于吸引资本和劳动，在城市集聚中作用更为显著。
人力资本空间集聚度(Lab)在模型6和7中均为正，而在模型7中为负。人力资本空间集聚度是一个复合变量，该变量较高的省区为福建、安徽和甘肃等经济发展较慢的地区，而上海、天津、浙江等经济发达地区却较低；同时，也发现对于城市空间规模增长率的区域差异正好与其相反。通过进一步分析，发现东部地区的空间发展更为粗放，虽人力资本总量高，但分布密度低。可见，对于中西部地区的关键是增强集聚能力与加强人力资源建设，而东部地区则是要转变经济增长方式，向高技术和集约化的新型工业化模式转型。
人口素质(Peo)变量在模型6和7中都为负，表明对于区域要素规模效率有着正面的影响。经过进一步分析，1986-1995年人口素质的提高速度要高于1996-2005年，但经济增长速度较快的省区，其人力素质增长速度反而较慢。这里有两种情况：第一种是北京、上海等东部省区人口素质水平的基数一直较高，在国家区域政策引导与区域生活成本的不断提高的限制下，人才集聚的规模与速度较1986-1995年间有所下降；第二种则是内蒙古、西藏等省区的人口素质基础水平较低，中西部地区尽管有着数量庞大的人口和丰富的人力资源，但是是低质量的。
其他控制变量中：创新活跃度(Cre)在三个模型中都为负，且在模型8中呈现显著状态，表明创新活跃度起到了正向的作用，同时技术集聚度高于经济，两者的集聚度随时间增强，地理分布高度一致，这也是导致局部集聚和东西部发展不均问题的原因之一[25]。基础设施规模(Inf)变量在模型6和8中均为负，但只有在模型8中呈显著状态，即基础设施规模对于要素效率的影响效应主要在1996-2005年间显现，印证了其“门槛”假设，同时也表明要素流动的支撑体系建设提高了要素流动环境及其效率，特别是“西部大开发”战略中对于中西部基础设施建设的大力投入，促进了中西部要素规模效率的提高。地域区位(Loc)虚拟变量在3个模型中均为负，且较为显著，表明东部地区市场经济体制和所有制结构的改革起到了明显的作用，地域之间的差异十分明显，且在当前仍处于主导地位。
3.2 要素规模效率的时变趋势
根据选择的模型分别对1986-2005、1986-1995、1996-2005三个时间段的区域要素规模效率在考虑与不考虑影响因素两种情况下进行分别估计，表4是对估计结果所作的描述性统计。从模型估计结果看：考虑影响因素后的效率均值分别为0.712、0.598、0.87，均高于不考虑影响因素的估计结果，因而在分析区域要素规模效率时，如不考虑外部环境变量的冲击，各省区的效率水平将有可能被低估。同时，用于控制各省区效率差异的各个影响因素均有较为显著的影响，说明城市化、工业化、专业化、创新活动、人力资本空间集聚、人口素质、基础设施水平和地理区位等因素是造成区域间效率差异的重要原因。
从效率的频度分布上看，效率值从低值集簇分布逐步向高值集簇过渡，低值分布效率越来越小，而高值频度越来越高。从各年份效率估计结果的时变趋势看(图2)，不论是否考虑外部环境的影响因素，效率均呈现上行的时变趋势。说明随着时间的推进，区域经济增长的要素投入系统通过不断调节其投入与产出，使其配置更为合理[26]；而考虑了影响因素后，估计结果发生了波形变化，即在总体效率呈现上升态势下，在不同时期出现了增长速度的波动情况，如在1991-1996和2001-2005两个时间段中效率增长较快，而1988-1991和1 997-2000两个时间段中增长速度缓慢。前一阶段研究认为可能的外部冲击来自于受发展过热的影响，该时期国内通货膨胀明显加剧，结构不合理、经济发展失衡；而后一时期，则受到亚洲金融危机的冲击，通过GDP数据的分析，也看出其增长斜率在此两个时期明显变缓，这也说明在考虑外部环境剧烈变化的影响下，效率水平的变化趋势更为准确。
3.3 要素规模效率的地域差异
从效率值的偏离系数(Skewness)和峰度系数(Kurtosis)看(表4)，1986-2005年和1996-2005年均小于1986-1995年，且为负，说明1986-1995年的效率变异程度大于1996-2005年；标准差也体现出1986-1995年大于1996-2005年的特征，说明随着时间的推进，各省区的效率在总体不断提高的趋势下，差异程度在逐步收敛。而另一方面，研究按地域统计了1986-2005年的平均效率值(图3)，发现东部与中西部的效率变化趋势一致，波动状态也相符合，但效率的地域差距却随时间的推移逐步扩大，1992年之前区域差异并不显著，而后东部的平均效率增长速度明显要快于中西部，且呈现继续扩大的趋势。
图2 考虑与未考虑影响因素下的效率时变趋势图
Fig.2 The efficiency time-varying trend chart of considering and without considering influencing factors
图3 分地域的要素规模效率平均值变化趋势
Fig.3 The changing trends of mean factors scale efficiency in different regions
图4 分地域要素规模效率内部变异程度变化趋势
Fig.4 The internal variation trends of factors scale efficiency in different regions
本文采用变异系数(又称标准差系数、变差系数)，对效率估计的结果进行地域内部变异程度的分析(图4)：虽然东部与中西部之间的效率差异逐步拉大，但区域内部的差异在不断变小；同时，东部区域内的差异总体上比中西部区域内的差异要小，近年来也有加速下降的趋势，但中西部区域内的差异在1997年之后的下降趋势并不显著。东部地区效率的快速收敛趋势，正是各省区市场化和对外开放程度逐步趋同的结果，东部的体制转轨和增长方式转变有效提高了区域内落后地区的效率。因此，现阶段不单是中西部要素投入不足的问题，而是投入要素的产出质量偏低，城市化的集聚效应不充分，市场化不深入引致要素配置效率不够高，加之自主创新能力较弱，对国外先进技术的吸收能力不强，使得地域差异区域不断扩大。
注释：
①重庆由于行政区划变革，在变为直辖市之前的数据无法独立出来，因而将其数据归并入四川省进行统计与计算。