一般通用技术与经济增长的国外研究综述，本文主要内容关键词为：经济增长论文,国外论文,技术论文，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。
一、引言
重大技术变革对经济增长有深远的影响，从工业革命时代的蒸汽机到现在的计算机，都对经济增长产生了巨大的推动作用，甚至深刻地改变了经济结构。将这种重大技术变革纳入经济增长的研究中，是一个重要的研究方向，一般通用技术(general purpose technology，简称GPT)就是这一方面研究的重要成果。在这个理论框架下，经济学家对重大技术变革进行了深入的研究，取得了很多重要的理论成果：GPT理论对经济增长中的生产率波动、技能溢价、工资不平等以及国际贸易都有较强的解释能力，对于经济政策具有很强的借鉴意义。但是在国内经济学文献中，还没有对GPT的研究，也没有关于GPT的文献综述。本文将国外20世纪90年代以来的GPT理论的研究成果进行分类整理，希望能对国内研究有所裨益。本文首先明确GPT的含义，然后按照GPT对经济增长的影响、GPT对工资不平等的影响以及GPT模型的扩展，分类综述GPT的理论文献，最后讨论GPT理论存在的问题及可能的研究方向。
二、一般通用技术的定义
在GPT这一概念正式出现之前，经济学家已经对重大技术变革从理论上作了考察，并提出与GPT类似的概念。Mokyr(1990)区分了“宏观发明”和“微观发明”，宏观发明是没有明显先兆的情况下出现的根本性的创新，代表了同先前技术的彻底决裂；微观发明则是微小的、逐步递增的提高，改造和流水线化已存在的技术。Lipsey和Bekar(1995)提出了“启动技术”(enabling technologies)的概念，启动技术不提供最终解决方案，而是开启新的技术机会，为进一步的技术创新提供平台。但是这两个更早出现的概念都没有成为公认的理论框架，最终被认可的是GPT。GPT这一概念最早是在Bresnahan和Trajtenberg(1995)中首先提出的，Bresnahan和Trajtenberg(1995)认为，整个技术进步和经济增长的时代都表明经济增长是由少数一般通用技术推动的，GPT存在以下几个特征：普遍深入性(GPT广泛适用于多个产业)、技术进步的内在潜力(GPT能推动应用部门技术的持续进步)以及创新互补性(GPT提高了应用部门的研发生产率，这反过来促进了GPT自身的进步)。其后的GPT文献大部分沿袭这一最早的定义。Lipsey等(1998)对GPT的概念作了更广泛的考察，将GPT定义为一种起初存在很大的改进范围、最终导致广泛的应用，并有多种不同的用途，以及存在大量希克斯互补性和技术互补性的技术。Lipsey等(1998)还对存在的对GPT的错误认识进行了纠正，认为能够满足大量需求，具有通用功能、外生的、没有明显先例的、激进的技术并不一定是GPT。
三、一般通用技术理论
(一)GPT与经济增长
作为GPT理论的第一篇文献，Bresnahan和Trajtenberg(1995)分析了GPT的外部性导致均衡状态下产出水平的下降。GPT存在两种外部性：垂直外部性由创新互补性产生，类似于资本专用性问题，由于涉及到双边的道德风险，任何价格机制都不能激励GPT部门和应用部门进行创新；水平外部性则是一般通用性的直接结果，因为GPT类似于公共品，任何应用部门对GPT部门的支付的提高都最终导致所有的应用部门水平提高，每个应用部门都选择搭便车，最终应用部门的数量就太少，这又导致了GPT部门创新率下降。所以分散经济不能充分开发GPT的增长机会，社会优化的结果高于分散经济的纳什均衡结果。在动态分析中，由于存在对对方技术预测的困难，动态均衡结果要低于静态均衡结果，并随技术预测难度的提高而提高。改进技术预测主要依赖于能促使合作的制度设计，更多GPT部门与应用部门之间的合作会产生更高的均衡水平。这个结果得到了实证分析的支持，Dudley(2010)使用1700-1850年间116个创新检验了GPT的溢出，实证分析发现，约一半的创新需要合作，先前的GPT对创新有很强的正的溢出。
Helpman和Trajtenberg(1998a)通过将Bresnahan和Trajtenberg(1995)引入Romer(1990)以及Grossman和Helpman(1991)，建立了第一个动态一般均衡的GPT增长模型，并使用这个模型解释了GPT的出现导致经济增长停滞的现象。GPT的出现诱导了资源从生产部门转移出来进行互补性投资，导致第一阶段产出和生产率增长缓慢甚至下降，实际工资停滞，利润在GDP中的份额下降；第二阶段，在充分的互补性投入开发出来之后，产出、工资、利润都上升；整个周期中的增长率取决于GPT的进步率。扩展模型考虑了应用部门的异质性和GPT的扩散顺序，应用部门从GPT获得的生产率收益存在不同等级，GPT从收益最高的应用部门到收益最低的应用部门扩散，扩展模型的动态与前面类似；由于GPT扩散到所有相关产业部门需要一定时间，所以长期均衡将涉及到更长时间的周期，GPT扩散的速度也影响了GDP的增长率。这个GPT模型还澄清了很多增长文献中模糊不清的概念——“报酬递增”和“技术非凸性”，报酬递增或技术非凸性的原因在于GPT培育了应用部门互补性的技术进步。
Helpman和Trajtenberg(1998a)仅仅涉及到GPT扩散需要的时间，从而导致周期变长，但是并没有深入地研究GPT扩散的动态特征。经济学家很早就发现技术进步的扩散是非常缓慢的，其时间轨迹是决定其收益的关键因素，这在传统的增长模型中是不能解释的，因为传统增长模型研究微小的增量技术进步，所以不存在增长的延迟。与其不同的是，Helpman和Trajtenberg(1998b)研究GPT在整个经济范围的收益。从宏观来看，第一阶段出现断断续续的增长过程，直到关键数量的部门采用新GPT，从而产生了持续增长；与上一个模型不同，在这个模型中实际工资和实际收入都是稳定上升的。采用GPT较早的部门有较低的过渡门槛和研发成本，以及高支出收益；对后来者而言，决定性的障碍来自于其历史积淀，后来者错误地预计了新GPT的相对技术收益，而不是由于采用新GPT的门槛。这个模型存在多重均衡，但没有市场机制能够选择做有效的采用顺序的均衡。
Atkeson和Kehoe(2001)对经济增长滞后于GPT发明的现象也持有类似的观点。技术的实施需要专门的资本设备和使用这种设备的专门知识，旧技术在长期使用过程中积累了庞大的资本设备和专门知识，体现新技术的资本设备的设计和专门使用新技术设备的知识的积累是缓慢的，在新GPT出现之后，工厂主为是否放弃旧技术的设备和知识而犹豫，从而延缓了经济增长，这类似于熊彼特“创造性破坏”的观点。模拟结果与美国第二次工业革命中的新技术缓慢扩散以及增长滞后类似。已有的知识存量越低，过渡到新经济的速度就越快，在过渡状态，扩散是逐渐加速的，这与蒸汽机、电力的扩散过程相吻合。
Aghion和Howitt(1998)对GPT导致生产率暂时下降的机制提出了不同的观点。Helpman和Trajtenberg(1998a，1998b)的模型面临如下经验问题：主要的技术创新需要经过几十年才能对宏观经济活动产生重大影响，难以相信劳动的转移能对遥远的未来经济活动产生大范围的影响。Aghion和Howitt(1998)使用“社会学习”来解释产出的暂时下降，未掌握GPT使用的公司通过向已掌握GPT的公司学习如何使用新的GPT，这些成功的公司的程序可以当作模板，每个产业为新GPT开发的模板降低了更多产业的模板开发成本。GPT发明之后，应用部门起初不知道如何开发使用新GPT，所以很长时间只有微小的进步，总量指标没有显著变化；通过长时间的探索和学习之后，大部分公司会发现使用新GPT是值得的；此时大部分昂贵的试验将集中在GPT扩散之后相对较短的时期，在这个时期将产生研发的雪球效应，由于资源从生产部门转移到研发部门，从而总产出会出现下降。数值模拟显示，这个模型比不存在社会学习的模型产出下降的时间要晚得多，相对产出(年度产出与发现GPT那一年的产出的比值)先下降后上升。
Helpman和Rangel(1999)则认为GPT对人力资本需求的不同是决定产出是否下降的原因，需要更多教育和训练的GPT会产生起初的下降。Helpman和Rangel(1999)区分了两种类型的人力资本，通过运用技术获得的特定技术经验及通过教育和训练获得的一般知识，经验在技术间不可转移，一般知识则可以用于不同的技术。新GPT的出现产生两种效应，转换效应与进入效应。当GPT产生后，旧生产部门的部分工人会转移到新生产部门，由于旧部门的生产经验不能转移到新部门，在工人形成新部门的生产经验之前，会出现暂时的产出下降，这就是转换效应；进入效应则是由新GPT对一般知识的需求提高产生的，新技术越复杂，操作所需的一般技能就越高，因此提高了教育的吸引力，在劳动力市场中的一部分工人选择继续教育来升级自身技能，这种情况下有效劳动力收缩，从而短期内产出下降。
Howitt(1998)从经济核算的角度解释了在引入新GPT后，实际产出和实际收入的可测水平下降的原因。GPT的引入从两种渠道引起了可测产出的显著放缓，一是新GPT吸引部分资源离开产品生产而转入知识生产，但知识创造活动的产出在国民核算中被排除了，这导致可测的GDP伪下降；二是GPT引发剧烈的技术变革将降低已有资本的净收益率，引起物质资本和人力资本的加速折旧，国民核算中的折旧率不能及时调整以反映GPT导致的加速折旧，这是真实的下降。数值模拟显示，已有资本的折旧问题在数量上比研发活动价值的低估要重要得多，可测的国民收入可能低估了GPT导致的放缓。另外这个模型显示，研发和经济增长存在比通常所认为的更长期的滞后，这与前面文献中的结论是一致的。
(二)GPT与工资不平等
工资不平等是经济增长文献中关注的重点问题，已有文献注意到隐含在工资不平等背后的技术进步的加速以及技术进步的技能偏向，但忽略了技术的一般通用性对工资不平等的影响。不少GPT文献涉及这个问题，Helpman和Trajtenberg(1998a)通过引入技能劳动与非技能劳动的区分，考察GPT对工资不平等的影响。在第一阶段增长停滞时，非技能劳动的真实工资停滞，技能劳动的真实工资增长；第二阶段，非技能劳动的真实收入增长，技能劳动的真实收入停滞，甚至在第二阶段末尾有所下降。Aghion和Howitt(1998)也得出了类似结果，在模型中引入技能差异之后，数值模拟显示技能溢价起初上升然后下降。Violante(2002)和Hornstein等(2005)都认为GPT导致了部门间或企业间生产率差异扩大，这导致了同质工人的个体产出的差异的提高，而个体工资又由个体产出决定，从而GPT导致了组内工资不平等的扩大。
以前的组内工资不平等的文献基本上都依赖于外生的先天能力的固定差异，但这不能解释实证文献中发现的工资不稳定的提高，以及暂时性的冲击能够解释一半以上的组内工资不平等的现象。Aghion等(2000)发展了一个动态一般均衡模型分析当工人同质但对新技术的适应受随机因素影响时，GPT怎样影响组内工资不平等。GPT提高了技术进步率，这使得适应领先技术的工人的市场溢价上升；GPT的通用性提高了适应性强的工人将新获得的知识转移到新机器(技术)的能力，从而扩大了组内工资不平等；GPT的通用性还降低了重组旧机器来适应新技术的成本，从而提高了对适应性强的工人的需求，扩大了工资不平等。这个模型同样可以解释组间工资不平等，研究发现：受教育的工人供给的提高将降低组间工资不平等，但对组内不平等是中立的；另外，GPT扩散加速会提高教育溢价；在工资方差分解中，组内差异所占的比重随着工人适应性和技能可转移性的提高而上升。Aghion和Howitt(2009)也认为由于对适应性无法准确度量，所以无论怎样以可观测的特征对工人分组，组内工资不平等仍是不可避免的；工人对于GPT的适应性具有随机性，从而造成了工人工资变化的不稳定。
Gould等(2001)发展了一个教育选择模型来考察工资不平等，高技能工人在大学里获得了不随技术进步折旧的通用技能，低技能工人没有通用技能，只有从工作中获得特定技术的技能。GPT提高了对高等教育的预防性需求，在大学门槛降低的情况下，技能工人内部的工资差异扩大了，非技能工人内部的工资差异缩小了。技术进步导致了高技能工人与低技能工人工资差异扩大依赖于技术进步变化的分布是异方差的。Krueger和Kuma(2004)也证明一般教育比专业教育更促进经济增长，一般教育的收益随着技术进步逐渐提高。
Aghion等(2002)在Aghion等(2000)的基础上更深入地分析了GPT对工资不平等的影响。GPT的一般通用性分为两方面：一方面GPT使得技能在经济中不同部门的可转移性提高；另一方面GPT提高了新旧资本之间的兼容性水平。当工人对GPT的适应性外生时，如果GPT一般性的两个方面都上升，就会扩大长期组内工资不平等，在过渡阶段，工资不平等将暂时超过均衡状态；当工人对GPT的适应性内生时，GPT一般性的上升，提高了对教育的需求，从而高适应性工人的供给增长了，这削弱了工资不平等的扩大。这个模型还揭示了GPT对经验溢价的影响，而其他文献很少关注这一点。一个允许技能更具有转移性的GPT提高了老工人的相对工资，因为积累的知识和经验能更好地适应新GPT从而提高了其溢价；反之，一个提高资本设备的兼容性的GPT降低了经验溢价，因为新工人和老工人对新GPT的适应性是相同的，经验在这种情形下不起作用。这个结果对内生化老工人的适应能力是稳健的。
(三)GPT模型的扩展
除了使用GPT理论解释经济现象之外，GPT模型本身也处于不断发展中，先前的GPT文献都包含递增规模报酬的特征，Jones(1995)、Young(1998)指出规模效应与工业化国家的时间序列数据不符。Petsas(2003)将GPT引入由Dinopoulos和Segerstrom(1999)发展的无规模效应的熊彼特增长模型，考察了无规模效应假设条件下的GPT的动态效应。研究发现：经济长期增长率正向依赖于质量创新的大小，任何影响创新的政策都存在长期效应；GPT的S型扩散假设产生了GPT扩散前后的两种均衡，后一个均衡相比前一个均衡，其长期增长率更高，总体投资水平更高，单位资本消费支出更低。Petsas(2003)特别研究了GPT扩散对股票市场的影响，股票市场增长率负向依赖于GPT扩散率以及GPT驱动的研发生产率收益的大小，正向依赖于人口增长率，并且遵循U型路径，这与Jovanovic和Rousseau(2001)对美国114年的股票数据的实证研究一致。Hobijn和Jovanovic(2001)对1970年代以来的信息技术的研究也有类似的结果，GPT扩散开始阶段，股票总值下降，更多的企业采用GPT后，股票总值上升。Petsas(2009)将Petsas(2003)模型扩展到国际贸易领域，分析了无规模效应下，新GPT对两国之间贸易模式的影响。在假定两个国家大小不同、两国人口都以给定增长率外生增长的前提下，只要外国人口与本国人口之比充分大，本国相对工资(本国工资与外国工资之比)就大于1；本国在一定范围的产业内存在比较优势，外国则在其他产业存在比较优势；本国在某些产业使用新GPT，而在另一些产业使用旧GPT；GPT被采用前后存在两种稳态均衡，在最终稳态均衡中，本国生产、研发和出口更多，相对工资也更高。
单一的GPT模型未涉及到经济史中发现的更多的重要特征。Rosenberg(1982)证明技术存在复杂的结构，技术的使用需要其他特定补充的技术，不同的技术沿着不同的依赖路径发展。Lipsey和Bekar(1995)也认为，只有经济的支持结构适应新GPT，新GPT的收益才能广泛、显著的实现。Lipsey等(1998)考察了生产结构中的GPT与其他要素的相互作用。一个生产结构包括投入(劳动、原材料)、技术、经济便利结构(facilitating structure，如物质资本、生产组织、地理位置等要素)以及政策结构。经济便利结构将技术、投入、政策结构组合在一起进行生产。生产率的全部效应取决于新GPT与新GPT取代的技术的生产率差异，当新GPT与已有的技术是互补的时候，生产率效应由两种技术的生产率共同决定；由于两种技术都处于改进过程中，生产率效应是时间依赖的，不能单独从对新GPT的考察中获得。经济便利结构的要素主要通过最大化潜在的GPT收益而改变；GPT不仅扩大了可使用的物质资本，也改变了生产组织结构以及产业的地理布局；GPT的扩散和经济便利结构的改变都需要政策的支持，即政策结构的改变。
以上GPT模型只包含一种GPT，这隐含地假设了每个GPT对整体经济行为都存在独立的效应，并且将不同的GPT视为同质的，而没有考虑多种异质性GPT及其相互关系。Carlaw和Lipsey(2011)通过经验研究发现：GPT分不同的类(材料、信息与通信技术、动力、交通等)，同一类GPT相互竞争，不同类的GPT通常互补；任何时期都有几个不同质的GPT共存，不同的GPT对生产率的效应不同，新GPT的发明和扩散面临很多不确定性，所以代表性个体最大化GPT是不可能的，而这些特征不能被单一GPT的模型解释。Carlaw和Lipsey(2011)将GPT模型扩展到同时存在多个异质性GPT的情形，但放弃了单一GPT模型中的动态均衡、完美预见、个体在无限界期的最大化均衡等假设，个体行为被模型化为在几种不同的不确定性下的利益搜寻；这个模型包含了内生产生和改进的一组相互作用的GPT驱动的动态增长过程，能够解释经验发现的多种GPT的特征。
四、存在的问题与进一步的研究
GPT对经济增长存在复杂的影响，而对GPT的研究仅仅十几年的时间，尽管在此期间已经取得了很多重要的成果，但是还有很多重要的问题需要解决。
很多实证文献证实了GPT与经济增长之间存在延迟的观点，Crafts(2004)使用增长核算的方法估计了蒸汽机在19世纪英国经济增长中的作用。1830年以前蒸汽机对经济增长的影响可以忽略不计，直到1850年之后，蒸汽机技术才完全发挥出它的潜能，推动了经济的快速增长。Basu和Fernald(2007)发现美国信息和通信技术(Information and Communication Technologies)产业与GPT理论一致，1990年代中期之后的全要素生产率加速，主要是因为信息和通信技术应用部门的扩张，而不是信息和通信技术生产部门；信息和通信技术资本增长与全要素生产率加速有5-15年的滞后，这是因为信息和通信技术部门的投资涉及到重新组织生产和学习而使得全要素生产率下降；2000年代的加速与1990年代的信息和通信技术资本的增长正相关；控制先前的信息和通信技术资本增长，当前资本增长与全要素生产率加速存在负相关。但另外一些GPT实证文献发现GPT动态中不存在产出停滞的现象，Crafts和Mills(2004)通过考察19世纪蒸汽机的案例，发现没有证据支持GPT框架的宏观假设，对电力的研究也没有发现存在增长放缓的阶段，相反的是长期的生产率增长。Ristuccia和Solomou(2010)应用各国的电力制造业中利用的数据集，从GPT的角度评估了电力的扩散。无论对于世界经济的领导者美国，还是其他跟随国家，都没有发现生产率下降的事实，相反则是与电力利用相关的制造业的生产率突飞猛进。如何从理论上解释这种矛盾的现象，是GPT理论面临的最重要问题。
大部分文献将GPT视为外生的，只考察GPT出现后对经济产生的效应，Bresnahan和Gambardella(1998)从分工角度探讨了GPT内生的问题，但仅限于市场规模对GPT出现产生的影响，而没有进一步考察GPT产生的原因。已有的文献仅仅探讨了GPT对于应用部门产生的影响，而没有讨论应用部门对GPT部门的效应，Bresnahan和Trajtenberg(1995)也仅仅从博弈论的角度考察了GPT部门与应用部门之间的外部性，没有涉及到应用部门如何影响GPT的动态。Atkeson和Kehoe(2001)认为适合电力技术的假设不适用于信息技术；Crafts(2004)也发现蒸汽机对经济增长的影响小于信息和通信技术，如何在Carlaw和Lipsey(2011)基础上进一步研究异质性GPT的动态均衡是另一个重要的问题。Jovanovic和Rousseau(2005)发现，不同的GPT对技能溢价影响相反，在19世纪末至20世纪初，电力技术的产生和扩散导致了技能溢价的猛烈下降，而20世纪80年代以来IT技术却提高了技能溢价，如何解释这种看似矛盾的现象是另一个可能的研究方向。在工资不平等的研究中，工人适应性的随机性是解释工资不稳定的重要原因，怎样描述工人适应性的随机分布是实证研究中的重要课题。
五、结语
本文对GPT理论的发展脉络进行了简单的梳理概括。与仅仅是微小的增量的技术变革相比，作为具有广泛应用性的技术变革，GPT在经济增长中扮演更加重要的角色。GPT的产生不仅导致了经济增长的暂时停滞，还改变了经济结构的要素，并对收入差距、国际贸易等方面产生了显著的影响，因而在最近十几年内，吸引了众多经济学家的研究。但是作为一个年轻的理论，GPT理论还不够完善，很多GPT模型隐含着过强的假设条件，一些GPT理论结果与实证研究相冲突，这都是需要进一步研究的问题。
JEL Classification:O 15,031,O33
标签：生产率论文; 经济模型论文; 经济增长论文; 经济论文; 工资结构论文; 均衡生产论文; 经济学论文; 创新理论论文;