科技进步贡献率与全要素生产率： 测算方法与统计现状辨析
陈向武
[提要] 经济增长中技术进步的两个常用指标——科技进步贡献率和全要素生产率，就计算方法和实际内涵而言，这两个指标是一致的，但是全要素生产率是国际通用的概念，全要素生产率对经济增长的贡献率与科技进步贡献率的统计内容一致，用全要素生产率对经济增长的贡献率替代科技进步贡献率作为统计指标，有助于概念上的澄清，从而在进行政策考量时更为精准和严谨，同时，也可以与国际通用概念保持一致，增强可比性。
[关键词] 科技进步贡献率；全要素生产率；经济增长；技术效率；随机前沿生产函数
引言
科学技术是经济增长的重要动力，随着我国经济步入新常态，科技进步在经济增长中的作用也越来越关键。国内常见的一个度量科技进步作用的统计口径，科技进步贡献率也是政策文件中经常出现的概念。如2006年发布的《国家“十一五”科学技术发展规划》指出，科技进步对经济增长的贡献率2010年要达到45%；2011年发布的《国家“十二五”科学和技术发展规划》指出科技进步贡献率要力争达到55%；2016年政府工作报告提出，“十三五”期间，力争到2020年科技进步对经济增长的贡献率达到60%；2018年政府工作报告指出科技进步贡献率达到57.5%。与科技进步贡献率对应的是学者研究中普遍采用的全要素生产率概念，进一步厘清二者的联系与区别，从而为政策制定者提供准确的统计数据作为依据，这是经济研究工作所面临的重要任务。
一、科技进步贡献率与全要素生产率的含义及演变
(一)科技进步贡献率的含义
根据《中国科技统计年鉴》，科技进步贡献率(TFP Contribution on Economic Growth)是指广义技术进步对经济增长的贡献份额，即扣除资本和劳动贡献后，包括科技在内的其他因素对经济增长的贡献。可以看出，这一理论概念名义上是指科技进步，但实际上的统计内容却是一种广义的技术进步(指一切引起生产效率提高的全部要素的总和)，是把资本、劳动等有形要素的贡献率扣除之后的剩余，除了科技进步之外，人力资本、制度政策、市场等因素带来的增长均被包含在这个剩余里，这就造成理论概念与统计概念及其内容的不一致性，从而夸大了科技进步对经济增长的贡献程度。此外，由科技进步贡献率的含义和计算方法来看，与国际通用的全要素生产率对经济增长的贡献是一致的，相关国家的增长案例显示，全要素生产率对经济增长的贡献不可能逐年不断提高，发达国家，包括日本全要素生产率对经济增长的贡献在最高点也很难超过50%，达到60%几乎不可能(何锦义，2012)[1]。绝大部分国内学者在研究中会避免使用科技进步贡献率，而是使用全要素生产率这样一个术语，也有一些学者(陈颖和李强，2006[2]；于洁等，2009[3]；李兰兰等，2011[4]；吴建宁和王选华，2013[5])把科技进步贡献率与全要素生产率对经济增长的贡献等同使用。
将科技进步贡献率与全要素生产率对经济增长的贡献看成一致容易造成概念上理解的误差，和国际比较的歧义。因此，无论是从概念的准确性来讲，还是从与国际通用概念保持一致性来讲，都有必要在我国政府正式文件和使用的统计指标中，以“全要素生产率对经济增长的贡献率”替代容易让人产生误解的“科技进步贡献率”。本文的讨论也将围绕全要素生产率展开。
(二)全要素生产率(TFP)的含义及演变
全要素生产率(Total Factor Productivity，TFP或Multifactor Productivity，MFP，在下文中统一使用TFP)是经济增长理论中的一个重要概念，也是政府制定长期经济增长政策的重要依据。TFP是指在各种生产要素(如资本和劳动等)投入水平既定的情况下，所达到的额外的生产效率。这里的“全”并非指所有要素带来的增长，而是指不能归因于劳动、资本等有形要素的增长部分，其来源往往包括技术进步、效率提高、规模效应等，其中，技术进步是TFP的一个极为重要的来源，因此，TFP常被作为技术进步的衡量指标。
对生产率的研究可以追溯到18世纪，法国重农学派创始人魁奈在其1766年的著作《关于贸易》中首次提出了“生产率”一词，这里的生产率特指劳动生产率(张德霖，1990)[6]。随后，随着新古典经济学及凯恩斯主义经济学的发展，生产率有了更深的经济学内涵。尽管众多学者、研究机构对生产率概念的定义不尽相同，但对其经济学内涵还是达成了共识。在经济学概念上，生产率本质上是衡量经济体要素投入、产出效率的度量指标。在最简单的情况下，当只有一种要素投入和一种产出时，生产率就可以简单地用单位要素的产出来反映。而现实中的经济问题都是多要素投入、多产出的，这就必须利用价格对多种要素投入及产出进行加总，再进行指数化处理，Hicks(1961)[7](P.18-31)和Moorsteen(1961)[8]分别提出了可以运用产出指数与投入指数比值来计算生产率的思想。
较单一模式的句酷批改网而言，学生认为三稿式人机结合的反馈模式能更加显著地提高他们的英语写作水平（P=0.006），这与上文前后测的结果一致。
二、 TFP的测算方法
(一)基于生产率定义的指数法
生产率衡量单位总投入的总产量，Hicks(1961)[7]和Moorsteen(1961)[8]分别提出了可以运用产出指数与投入指数比值来计算生产率的思想，亦即基于生产率定义的指数法。离散时间下：
(1)
这里的产出指数和投入要素指数的构建有多种方法，以产出指数为例，常见的指数构建方法有(Q 表示物量指数，上标表示相应的指数类型，下标O 为产出指数，如
为Paasche产出物量指数；p 和q ，分别为对应产出的价格和数量，下标为产出种类，1为计算期，0为基期，如p m1 和q m1 分别指第m 种产出在计算期的价格和产量)：
社区矫正起源于美国，在160多年的发展历程中，美国的社区矫正工作积累了丰富的经验。1973年，美国的明尼苏达州通过了第一部社区矫正立法，至1995年，美国已有18个州通过了社区矫正法。美国的社区矫正工作一般由州财政预算进行资助。社区矫正形式丰富，主要包括中途之家、社区服务、日间报告中心、家庭监禁、电子监控等众多形式。1983年，美国的新墨西哥州率先将电子脚镣引入社区矫正。
为了消除基体效应，常用的方法有标准加入法、基体匹配法和内标法等。考虑到采用基体匹配法时难以准确地对不同生产工艺、不同品位的CoCl2净化液和Co(NO3)2净化液基体背景进行精确匹配，且对绘制校准曲线的标准溶液系列中基体Co的纯度要求很高，相应的分析成本也高。同时，标准加入法和基体匹配法操作繁琐，故本文采用内标法。
(2)Laspeyres产出指数：
(3)Fisher产出指数：
(4)Tornqvist产出指数：
其中，
(5)Divisia产出指数：
下标m 为产出品种，t 为时期。
(2)政府政策与治理。Hall和Jones(1998)[62]认为政府治理水平和社会基础设施是生产率水平差异的根本原因；王欣亮和严汉平(2014)[63]测算了1952-2012年我国的TFP，TFP的变动与经济体制的变动及宏观政策的调控相契合。但是，也有研究表明，政府的政策支持对高技术产业TFP增长率变化的影响具有不确定性(余泳泽和张妍，2012)[59]。
Marine Medium/High Speed Engine Wear Fault Diagnosis Model Based on Expert Knowledge-Bayesian Networks Integration
(二)基于Solow模型的增长核算法
Solow(1956)[11]利用Cobb-Douglas生产函数进行研究，用产出增长率扣除要素增长率来计算“Solow余值”，即TFP。具体方法如下：
选取我院2015年9月-2018年3月收治的106例采取输尿管软镜治疗的肾盂旁囊肿合并肾结石患者进行研究,随机分为对照组53例和观察组53例。对照组中,男、女各有29例、24例,平均年龄(54.6±2.3)岁,囊肿平均直径和肾结石平均直径分别为(3.2±0.3)cm、(1.4±0.2)cm。观察组中,男、女各有30例、23例,平均年龄(54.8±2.4)岁,囊肿平均直径和肾结石平均直径分别为(3.3±0.2)cm、(1.2±0.2)cm。对比两组上述各项基本资料,差异不明显(P>0.05),有可比性。
设定生产函数为Y =AK α L β ，其中，α 、β 为资本、劳动产出弹性，当规模报酬不变(α +β =1)时，α 、β 分别是资本和劳动分配占总产出的比重。对生产函数取对数并对时间求导得
则TFP的计算公式为：
(2)
需要说明的是，在上一小节指数法的计算中，当
趋近于1时，
≅
在Divisia指数下利用
可以得到与Solow余值法具有相同经济学含义的结果，即Solow余值法可以看成是Divisia指数法的一种具体应用，证明过程如下：
只有一个产出Y ，则Divisia指数简化成：
(3)
劳动价格用ω 、资本价格用r 表示，则投入Divisia指数：
(4)
1.技术和人力资本因素
(5)
考虑连续时间下：
(6)
(三)随机前沿生产函数法(SFA)
Farrell(1957)[12]在应用随机前沿生产函数(SFA)测度TFP的方法中做出了开创性的贡献，他利用前沿生产函数研究投入产出关系，并测算技术效率。Aigner和Schmidt(1977)[13](P.1-138)引进了一种估计随机前沿生产函数的方法，在技术无效率条件下估算TFP。Battese和Coelli(1995)[14]利用面板数据，在SFA分析中引入随机无效率，从而可以测量技术进步和随时间变化的技术效率，并进一步刻画技术无效率的存在。具体来说，SFA方法的基本思想如下：
Cobb-Douglas 生产函数的提出(Cobb和Douglas，1928)[9]为生产率的定量研究提供了重要前提，也为TFP概念的出现奠定了基础，Tinbergen(1942)[10]利用Cobb-Douglas生产函数对经济增长进行研究，考虑了劳动与资本投入，提出了全要素生产率(TFP)的概念，从而把对要素生产率的研究从劳动生产率拓展到多要素。另一个常见的TFP概念来自于Solow(1956)[11]的研究，他利用Cobb-Douglas生产函数对新古典经济增长模型进行研究，认为投入要素的增长不足以解释经济体之间的产出差距，并把产出增长率扣除要素增长率后的余值解释为技术进步率，这一余值被称为“Solow余值”，也就是TFP，而这一方法也成为计算TFP的重要方法之一。除此之外，许多学者又发展出随机前沿函数方法(Stochastic Frontier Analysis，SFA)、数据包络方法(Data Envelopment Analysis，DEA)等方法，成为TFP测度的重要方法。
利用前沿生产函数y =f (x ，t ，β )e -u ，取对数形式lny =lnf (x ，t ，β )-u ，并对时间求导：
(7)
定义技术进步为
技术效率为
则(7)式化为：
(8)
定义
其中w m 为第m 种投入要素的回报，则(8)式化为
(9)
最终得出：
(10)
因此，在前沿生产函数下，TFP可以被分解为四个部分：第一项TC为技术进步率；第二项为规模报酬对生产率的贡献部分，当规模报酬不变，即
时，此项为零；第三项为配置效率，当配置为有效时，
则第三项为零；第四项为技术效率。可以看出，只有在规模报酬不变、资源配置有效、技术效率不变时，TFP才与技术进步率一致。通过构造随机前沿生产函数，利用截面或者面板数据就可以对TFP进行分解计算。
(四)基于Malmquist指数的数据包络分析法(DEA)
1978年，Charnes et al.(1978)[15]引入了评价决策单元效率的数据包络分析法(DEA)，该方法后来被广泛应用于效率测算，TFP测算即是该方法的应用。用DEA测算TFP主要是基于Malmquist指数，该指数源自Malmquist(1953)[16]对不同时期消费变化的研究。Caves et al.(1982)[17]将Malmquist指数引入对生产效率变动的测算，并论证了当距离函数为超越对数函数形式且规模报酬不变时，Tornqvist指数与Malmquist指数一致。Fare et al.(1994)[18]进一步分析了Malmquist指数，将TFP分解为技术进步率和技术效率两部分，其中技术效率测度的是短期内对现有生产能力的利用程度，反映的是现实经济的生产技术效率；技术进步率是较长期内测算技术效率的参照物。
具体而言，要计算Malmquist生产率指数，就要定义距离函数。设定生产集为p t (x ，y )={(x ，y )|t 期，x 可以生产y }，则产出距离函数为
考虑t期为基期，可以定义产出生产率指数为M t =d t (x t+1 ，y t+1 )/d t (x t ，y t )；考虑t+1期为基期，可以定义产出生产率指数为M t+1 =d t+1 (x t+1 ，y t+1 )/d t+1 (x t ，y t )。引入Fisher指数思想，即利用两期指数的几何平均来定义Malmquist TFP指数：
(11)
M (x t+1 ，y t+1 ，x t ，y t )
=GTEC *TC
(12)
其中，第一项GTEC 为规模报酬不变且配置有效率条件下的广义技术效率变化，第二项为技术进步率。由上面的公式可以看出，利用Malmquist指数方法计算TFP的关键是求解d t (x t ，y t )、d t (x t+1 ，y t+1 )、d t+1 (x t ，y t )、d t+1 (x t+1 ，y t+1 )这四个混合距离函数，这就需要在DEA分析框架下，构造四个线性规划问题来实现。
以上通过传统Malmquist指数求解的TFP有不少局限：首先，传统Malmquist指数要么从产出方面，要么从投入方面对生产率进行刻画，不能从产出、投入两个方面同时入手来构造生产率指数；其次，在非规模报酬不变技术下进行测算时，会存在偏误等问题；再次，由于基期选取不同，如相邻两期的指数测算的结果通常不一致①，因此需要取几何平均值；最后，通过线性规划求解可能不可行，且求得的TFP的结果不具有乘法完备性②(Pastor和Lovell，2005[19])。而这些可能造成不同研究得到的结论不一致，导致传统Malmquist指数受到越来越多的质疑，一些学者提出了改进的思路，如Bjurek(1996)[20]提出了利用Malmquist产出指数与投入指数的比值计算生产率的方法；Pastor和Lovell(2005)[19]则建议引入全局生产集(Global)，重新分解定义TFP指数；O’Donnell(2010)[21]定义了Hicks-Moorsteen Malmquist生产指数，并给出了DEA分析框架下的计算模型，弥补了传统Malmquist指数的缺陷。
三、 TFP的测算和影响因素研究
(一)我国TFP的测算
(3)市场规模等其他因素。陈丰龙(2012)[58]使用2001-2010年我国制造业分行业数据，实证分析了本土市场规模与TFP之间的关系，发现本土市场规模每增加1%，会促进生产率指数增长0.021%、效率改进指数增长0.023%、技术进步指数增长0.018%，同时，本土市场规模作用的发挥更依赖于行业的技术密集程度和资本密集程度，但对行业的劳动密集程度则并不敏感；余泳泽和张妍(2012)[59]的研究表明，市场化程度、创新能力投入与企业规模对高技术产业生产效率有正影响。
基于随机前沿生产函数，何枫等(2004)[28]等通过回归估计了要素产出弹性，对我国改革开放以来1982-2000年间近20年的技术效率进行了测算。分析结果表明，我国整体的平均技术效率水平是相对较低的，但呈现出稳步上升趋势，东部地区优于中、西部；余永泽(2015)[29]利用超越对数生产函数的随机前沿函数建立实证模型，测算了1978-2012年我国省际TFP，并进行分解，发现TFP的改进主要源于规模效率改进和技术进步。
基于DEA-Malmquist方法，几乎都是以Fare et al.(1994)[18]的定义进行测算并分解。华萍(2005)[30]测算发现1993-2001年期间，我国TFP水平持续下滑；颜鹏飞和王兵(2004)[31]测度了1978-2001年我国30个省(自治区、直辖市)，认为我国TFP是增长的，主要原因是技术效率的提高；孟令杰和李静(2004)[32]对我国28个省份1952-1998年间的TFP的变化作了测算，发现我国TFP呈现着地区间严重不平衡的增长趋势；在生产率增长构成方面，TFP增长主要来源于在全部时期内技术进步的改善，超过了由纯技术效率和规模效率决定的生产效率的下滑；郭庆旺等(2005)[33]估算出我国各省份1979-2003年间的TFP增长、效率变化和技术进步率，认为我国省份经济增长差异较大且有逐步增大的倾向，主要由TFP增长尤其是技术进步率差异较大且逐步增大所致。
那天她从汪小波手里接过又一期内容，扭身离开时饶哥喊了一声：“小秋。”饶哥说：“你好像说过想找个房子的？”
“苏州模式”表明，在社会主义市场经济体制下，中小微企业融资这一世界性难题可以找到解决方案，这将充分体现社会主义制度优势。关键在于银行和政府部门通力合作，再辅之以信息技术手段，就完全可以建立起更加优化的金融市场机制，为中小微企业提供金融服务。
综上，对于我国TFP的测算，不同的研究结论并不一致，一些研究认为我国经济增长源于全要素生产率的持续改进；一些研究则持相反观点，认为我国经济增长主要是由要素投入拉动，效率改善有限甚至恶化，其原因可以归结如下。首先，不同研究的时间跨度不一致，而我国近四十年的改革开放，经济结构与产业结构都经历了巨大的变化，对于不同时期的实证检验，可能导致结论不一致。如增长核算法测算TFP的研究的首要问题是估算要素的产出弹性，一个方便可行的方法是假设要素产出弹性在全要素生产率的测算期间不变，以此利用收入弹性法或者建立计量模型进行估算。对于发达经济体，产业结构、要素投入比率都相对稳定、成熟，假设产出弹性在全要素生产率测算期间为常数有其合理性，但我国历史原因造成的要素市场资本流动性受限(张吉鹏和吴桂英，2004[34])，经济仍处于二元经济结构到新古典转变过程中的现状(蔡昉，2013[35])，显然是不符合要素产出弹性不随时间变动的假设的。要素产出弹性是时间的函数，生产要素投入的改变会引起其产出弹性的进一步改变(陈瑾瑜，2012[36])，将要素产出弹性设为常数用于估计全要素生产率很可能是有偏的甚至有误的(章上峰和许冰，2009[37])。其次，不同TFP研究在测算模型、数据处理的不一致导致结果不具可比性(郑玉歆，1999)[38]，既有文献由于测算方法、投入要素变量的确定(如是否包括人力资本)等存在差异，在测算TFP的结论方面存在着不一致甚至相悖，张吉鹏和吴桂英(2004)[39]认为人力资本对经济增长的影响已经得到大家公认，但是对人力资本存量的度量以及人力资本回报率的研究却长期滞后，这是许多研究得出人力资本和全要素生产率研究结论差异的重要原因。最后，要素度量的误差是所有测算TFP方法都共同面对的问题，Jorgenson和Griliches(1967)[40]早就指出TFP可能是要素度量误差的表现，章祥荪和贵斌武(2008)[41]认为国内学者测算结果不一致较多是由于资本存量数据差异(期初资本，价格指数，折旧率等选取不同)导致的。
(二)TFP的影响因素
TFP衡量的是不能归因于劳动、资本等有形要素的增长部分，因而TFP这个概念本身包含了很多因素，许多研究对TFP进行分解，考察TFP所涵盖的内容，或者说，探讨了影响TFP提高的主要因素，Hulten(2000)[42]对影响TFP的可能原因进行了总结，包括技术创新、组织和制度创新、社会观念变动、需求变化、要素份额变动、变量缺失、计量误差等。本文把影响TFP的因素总结为四类：
综上所述，在民用建筑施工过程中，地基和桩基础施工技术的应用日益广泛，为提高土建工程的施工质量，应做好前期地质勘察工作，还应加强对施工技术的规范，注重提高相关人员的素质。从多方面出发，保障民用建筑施工的质量。
为资本产出弹性
为劳动产出弹性β 。
(1)R&D支出。Hall和Mairesse(1995)[43]的研究发现，R&D资本支出对制造业企业TFP有显著的正向影响；Doraszelski和Jaumandreu(2013)[44]发现，R&D支出是企业自身TFP变化和企业间TFP差异的主要原因，但这种影响具有非线性和不确定性。然而，对我国问题的研究却得出了不同的结论，夏良科(2010)[45]基于2000-2007年我国大中型工业企业的行业数据进行研究，发现R&D投入对技术进步及TFP增长都有正向作用，而赵志耘和杨朝峰(2011)[46]则认为，1979-2009年间R&D投入带来的知识存量增长并没有有效提高TFP。
孙晓妍、盖地（2015）分析论述了增值税符合费用要素的基本确认标准，通过增值税税负影响企业盈余的实证分析验证了增值税的费用特性。[4]
(2)技术进步和技术效率。Jerzmanowski(2007)[47]指出，技术效率低下造成了低收入国家较低的TFP；Prescott(1998)[48]认为国家间TFP差异的主要原因是一个国家采用并有效利用新技术的阻力大小。具体到我国，颜鹏飞和王兵(2004)[31]测度了1978-2001年各省市的技术效率、技术进步和Malmquist生产率指数，指出我国TFP增长的主要原因是技术效率的提高；孟令杰和李静(2004)[32]在测算28个省份1952-1998年间TFP的基础上，发现TFP增长主要来源于技术进步的改善，超过了由纯技术效率和规模效率决定的生产效率的下滑；赵志耘和杨朝峰(2011)[46]认为技术引进是我国改革开放以来TFP增长的主要原因；郭庆旺等(2005)[33]则指出技术进步率和技术效率低是我国TFP对经济增长贡献率低的原因。
(3)人力资本。Miller和Upadhyay(2000)[49]的研究表明，人力资本是影响TFP的重要因素。何元庆(2007)[50]实证研究了1986-2003年28个省份的人力资本、国际进出口及FDI对技术效率、技术进步和TFP增长的影响，结果表明，人力资本对技术效率的提高有正向作用，且对外开放对TFP增长的促进作用远远不及人力资本。
2.市场和贸易因素
(1)要素市场和资源配置效率。Hsieh和Klenow(2009)[51]为资源错配导致了我国、印度制造业TFP水平的下降；Miao和Wang(2011)[52]研究了资产价格泡沫与企业TFP波动的关系，泡沫积聚时，更多资金流入有效率的企业，导致TFP上升，泡沫破裂时则会带来TFP的下降；Petrosky(2013)[53]研究了2008年金融危机对TFP的影响，认为经济体的TFP受到企业TFP分布以及信贷和劳动力市场结构的影响。具体到国内研究，盖庆恩等(2015)[54]研究了要素市场扭曲对TFP的影响，强调要素市场扭曲不仅通过影响在位企业的资源配置效率直接降低TFP，而且会通过垄断势力改变企业的进入和退出行为间接降低TFP；刘晗等(2015)[55]基于1990-2013年省级面板数据对农业TFP增长进行实证研究，结果表明，要素配置效率是影响农业TFP增长的主要因素；叶裕民(2002)[22]的研究表明，资本深化速度的差异是东中西部TFP水平差异的重要原因。
(2)贸易。Miller和Upadhyay(2000)[49]研究了贸易导向和人力资本积累对TFP的作用，更高的经济开放度有利于TFP的提高；简泽等(2014)[56]在一个自然实验的框架下，考察了加入WTO后进口自由化带来的进口竞争对本土企业TFP的影响，研究发现，进口竞争促进了本土企业平均TFP的增长，但却对效率不同的企业有不同的影响，阻碍了低效率企业TFP的增长，促进了高效率企业TFP的增长，同时他还发现，进口竞争对本土企业TFP的影响是激励效应和规模效应综合作用的结果；何元庆(2007)[57]的实证研究表明，出口对技术效率的提高有正向作用，进口负向影响技术效率，FDI的影响不显著，对外开放对TFP增长的促进作用远远不及人力资本。
基于Solow增长核算法，叶裕民(2002)[22]利用收入法计算劳动资本弹性，同时在规模报酬不变假设下得到资本劳动弹性测算了我国省级1978-1998年TFP水平，认为我国经济是资本与技术双推动型，东部TFP低于西部，即经济增长快的区域TFP反而更低；张军和施少华(2003)[23]利用计量回归估计劳动和资本的产出弹性，进一步测算了1952-1998年我国整体TFP水平，结果发现改革开放前我国TFP下降，但是改革开放后TFP持续改善，对经济增长的作用加强；彭国华(2005)[24]引入人力资本基于回归估计要素产出弹性，测算了我国省级1982-2002年TFP，发现TFP水平是省级人均收入差异的重要原因；郭庆旺和贾俊雪(2005)[25]测算了1979-2004年我国整体TFP水平，发现TFP对经济增长贡献较低，我国主要依靠要素投入实现经济增长；李静等(2006)[26]对比了包含人力资本与不包含人力资本测算1952-2002年TFP的结果，发现包含人力资本的测算结果地区TFP差距缩小了，其得出的结论是经济发达地区的TFP显著高于落后地区；王小鲁等(2009)[27]基于内生增长模型引入人力资本，测算发现1999-2007年TFP增长呈上升趋势。
设原抗体为IA(k)，经过扩增、变异和交叉等操作后亲合度最大的抗体为为了保持抗体种群的多样性，ICSA-ECOC方法给出如下选择算子：
3.制度和政策因素
(1)改革和经济结构。Kalirajan(1996)[60]研究了1970-1987年我国农业TFP在改革前后的变化，发现改革前TFP在大多数省份为负，改革中几乎所有省份为正，改革后很多省份又变为负；叶裕民(2002)[22]测算了全国及各省市1979-1998年的TFP，发现经济结构的显著变动是TFP提高的重要原因；易纲等(2003)[61]基于Krugman对新兴经济体经济增长缺乏效率的批评，提出了我国经济存在效率提升的证明，改革带来的制度变迁、技术进步、人力资本积累都反映在了TFP上。
选取相应的产出和投入要素指标，利用定义就可以直接测度TFP。这种方法可以相对直观地测算TFP，但难点在于如何获取全面价格信息向量来构造指数。需要说明的是，指数的构造对于下文所要提到的增长核算法中要素投入和产出量的度量同样重要。在实际研究中，很少有学者直接运用指数法来测度TFP，但是指数法的思想与其他测度方法都有着内在的联系，可以说，任何一种测度TFP的方法，在考虑产出增长、投入要素增长时，必然要涉及到相关指数的构造。
4.其他因素
比如基础设施，刘秉镰等(2010)[64]运用空间面板计量方法研究了我国交通基础设施与TFP增长之间的关系发现，2001-2007年铁路基础设施对TFP有着持续显著的正向影响，1997-2000年高速公路基础设施对TFP有着持续显著的正向影响，而其他等级公路基础设施的影响则没有显示出这种持续的显著性。
综上所述，国内学者对于全要素生产率影响因素的研究结论也存在争议。其原因主要如下：首先，各个研究的时间跨度并不一致，而这一时期正是我国经济、产业结构发生巨变之时，实证的结论可能并不一致；且由于我国二元经济结构的特征，如工业与农业在资本、技术条件上，在特定时间并不均衡，因此行业间的研究结论可能存在差异。其次，对于全要素生产率影响因素的分析，要以合理测算TFP为前提，而TFP的测算因各种因素导致测算结果并不一致(前文已对相关因素进行分析)。最后，不同研究在计量模型设定、控制变量与工具变量选择上存在差异，也是造成影响因素分析不一致的重要原因。
四、 TFP的统计现状
受到数据获得和语言限制，我们在这部分中仅整理和分析若干国家和国际机构对全要素生产率的统计情况。
(1)Paasche产出指数：
(一)部分国家TFP的统计现状
美国劳工统计局从1987年开始公布TFP(用MFP表示)的数据，每年发布一次，测算方法基于Solow模型，即MFP为产出增长扣除劳动、资本及其他生产要素贡献后的剩余部分，并把资本细分为八大类、劳动细分为两大类。2016年5月5日，劳工局发布了《TFP增长的初步估计》(Preliminary estimates of multifactor productivity growth)，公布了最新的MFP数据。
日本经济产业省从2006年开始发布TFP数据，每年发布一次，测算方法同样是基于规模报酬不变的Cobb-Douglas函数的Solow模型。在《日本科学技术吸收指标2015》(Digest of Japanese Science and Technology-indicators 2015)中有日本最新的TFP数据。
中共江西省委党校教授吴志远探讨了农村普惠金融对农村经济和乡村振兴的助推作用。指出，农村普惠金融是一个涉及国计民生的重大领域，其发展既值得期待，同时也有很多问题亟待科学诊断并有效破解，前提则是要科学评价我国农村普惠金融的发展状况。我们需要从诸如基于城乡融合大格局、扶贫事业总体框架、农村金融体系整体运行、金融运行与调节以及金融运行空间维度等多个方面重新理解并科学评价我国农村普惠金融发展状况与水平，并在此基础上判断我国农村普惠金融未来发展趋势。
澳大利亚国家统计局从2004年开始每年公布MFP数据，MFP为扣除资本、劳动等要素集合所带来的生产率，模型是基于KLEMS模型的Solow余值。《KLEMSTFP的实验估计2015》(Experimental Estimates of Industry Level KLEMS Multifactor Productivity 2015)是最新的MFP数据。
英国国家统计局发布的MFP数据分为两个版本，一是先前的版本(previous version)，包括1970-2013年的MFP数据；二是最新的版本(latest version)，有1970-2014年的数据。2016年5月6日，最新报告《TFP估计：截止2014年的实验估计》(Multi-factor productivity estimates： Experimental estimates to 2014)发布，报告中明确提出MFP即“Solow余值”，并提及其与以往报告的不同在于对产出的核算采用总产出增加值法(Gross value added)，对劳动投入的核算采用质量调整劳动投入法(Quality adjusted labour input)。
墨西哥国家统计局从2013年开始发布TFP数据，目前共有两份报告，第一份报告是2013年发布的《1990-2011年墨西哥国民账户体系之全要素生产率》，包括1991-2011年的TFP数据；第二份为2014年发布的《墨西哥国民账户体系之全要素生产率》，虽然没有给出具体数据，但介绍了计算方法，其计算依据也是基于KLEMS的Solow余值此外，在墨西哥统计局的网页上能够查找到1991-2014年的TFP数据。
总体来看，世界各国对于TFP(或MFP)的计算和发布主要是基于Solow模型的增长核算，但在具体运用中会基于自身情况做一些改进：(1)测算资本存量时，对当年新增投资利用价格指数平减，扣除资产折旧，同时加入对无形资本、人力资本的考虑；(2)测算劳动存量时，不仅将劳动力人数作为变量，而是扩展到引入劳动时间、同时对劳动力质量进行校准，从而综合考虑劳动投入；(3)引入中间变量，如能源、物质资料、服务等；(4)对要素的收入弹性进行不同的估计。
(二)国际组织TFP的统计现状
目前，大部分的国际组织或机构都没有定期的系统报告来披露相应国家的TFP数据，一些关于创新、科技的报告中，也没有TFP对经济增长贡献率的指标。一个例外是经济合作发展组织(OECD)，在其发布的《生产率测算手册》(Measuring Productivity - OECD Manual)中，给出了TFP的测算方法——基于Solow模型的增长测算，同时给出了劳动投入、资本投入、要素收入弹性的测算指导。
结论
科技进步贡献率是我国政策文件中经常使用的概念，其实际统计内容不仅包括科技进步，而且还包括市场、贸易、制度、政策、人力资本等因素，因而并没有准确考察科技进步的增长作用，由此得到的统计数据常常夸大了科技进步的实际作用。全要素生产率是国际通用的概念，全要素生产率对经济增长的贡献率与我国政策文件中常用的科技进步贡献率的统计内容一致，用全要素生产率替代科技进步贡献率作为统计指标，有助于概念上的澄清，从而在进行政策考量时更为精准和严谨，同时，也可以与国际通用概念保持一致，增强可比性。
目前，全要素生产率主要有四种计算方法：基于生产率定义的指数法、基于Solow模型的增长核算法、随机前沿生产函数法(SFA)和基于Malmquist指数的数据包络分析法(DEA)。在学术研究上，后三种方法均有采用；但在统计实践中，虽然各国会有细微差异，但主要是采用了基于Solow模型的增长核算法，即计算扣除劳动、资本贡献之后的Solow余值。我国在进行全要素生产率的统计中，可以与各国采用同样的方法，但需要根据我国的具体国情进行调整和改进。
在明确了著作权所特有的性质后，我们就可得知，未经许可演绎人取得著作权后，法律并未赋予其以法律规定以外的方式利用其作品的权利。其是否有权对其作品实施控制，仍须得到原作品著作权人的许可。这是因为，哪里有独创性表达，哪里就有保护，未经许可演绎作品中包含有原作品著作权人的独创性表达，因此原作品著作权人可依法对未经许可演绎作品进行控制，以禁止或许可未经许可演绎人乃至于第三人利用未经许可演绎作品。而赋予未经许可演绎人著作权，仅赋予了其许可或禁止他人以特定方式利用其作品的权利。他人欲利用未经许可演绎作品，需获得双重许可，除了得到未经许可演绎人的许可之外，还须得到原作品著作权人的许可。
注释：
由白水源测区磁异常平面等值线图(图4)上可见：整个测区磁异常正负相间，幅值变化较大。测区西侧磁异常以正值为背景值，夹有零星分布的负异常，西侧磁异常规模较大，其幅值在-120～120nT之间，磁场变化较剧烈；测区中部分布有条带状的正异常，正负伴生，幅值在-80～40nT之间，磁场变化相对平缓；测区东部磁异常正负伴生，幅值最高达40nT。
①M t (x t+1 ，y t+1 ，x t ，y t )≠M t+1 (x t+1 ，y t+1 ，x t ，y t )
②M (x t+1 ，y t+1 ，x t ，y t )*M (x t+2 ，y t+2 ，x t+1 ，y t+1 )
≠M (x t+2 ，y t+2 ，x t ，y t )
参考文献：
[1]何锦义.关于科技进步贡献率的几点认识[J].统计研究，2012(8).
[2]陈颖，李强.索罗余值法测算科技进步贡献率的局限与改进[J].科学学研究，2006(S2).
[3]于洁，刘润生，曹燕等.基于DEA-Malmquist方法的我国科技进步贡献率研究：1979～2004年[J].软科学，2009(2).
[4]李兰兰，诸克军，郭海湘.中国各省市科技进步贡献率测算的实证研究[J].中国人口资源与环境，2011(4).
[5]吴建宁，王选华.中国科技进步贡献率测度：一种视角[J].科学学与科学技术管理，2013(8).
[6]张德霖.论生产率的内涵[J].生产力研究，1990(6).
[7]Hicks J R.The Measurement of Capital in Relation to the Measurement of Other Economic Aggregates[M].The Theory of Capital.Palgrave Macmillan UK，1961.
[8]Moorsteen R H.On Measuring Productive Potential and Relative Efficiency[J].The Quarterly Journal of Economics，1961.
[9]Cobb C W，Douglas P H.A Theory of Production[J].The American Economic Review，1928(1).
[10]Tinbergen J.Zur Theorie Der Langfristigen Wirtschaftsentwicklung[J].Weltwirtschaftliches Archiv，1942.
[11]Solow R M.A Contribution to the Theory of Economic Growth[J].The Quarterly Journal of Economics，1956.
[12]Farrell M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society，1957(3).
[13]Aigner D，Lovell C A K,Schmidt P.Formulation and estimation of stochastic froniter production function models[J]. Journal of Econometrics, 1977(1).
[14]Battese G E，Coelli T J.A Model for Technical Inefficiency Effects in A Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995(2).
[15]Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978(6).
[16]Malmquist S.Index Numbers and Indifference Surfaces[J].Trabajos De Estadistica Y De Investigacion Operativa，1953(2).
[17]Caves D W，Christensen L R，Diewert W E.The Economic Theory of Index Numbers and the Measurement of Input，Output，and Productivity[J].Econometrica： Journal oOf The Econometric Society，1982.
[18]Fare R，Grosskopf S，Norris M.，Zhang Z.Productivity Growth Technical Progress and Efficiency Change in Industrialized Countries[J].American Economic Review，1994(1).
[19]Pastor J T，Lovell C A K.A global Malmquist productivity index[J].Economics Letters，2005(2).
[20]Bjurek H.The Malmquist Total Factor Productivity Index[J].Scandinavian Journal of Economics，1996(2).
[21]O’Donnell C J.Measuring and decomposing agricultural productivity and profitability change[J].Australian Journal of Agricultural and Resource Economics，2010(54).
[22]叶裕民.全国及各省区市全要素生产率的计算和分析[J].经济学家，2002(3).
[23]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).
[24]彭国华.中国地区收入差距、全要素生产率及其收敛分析[J].经济研究，2005(9).
[25]郭庆旺，贾俊雪.中国全要素生产率的估算：1979—2004[J].经济研究，2005(6).
[26]李静，孟令杰，吴福象.中国地区发展差异的再检验：要素积累抑或TFP[J].世界经济，2006(1).
[27]王小鲁，樊纲，刘鹏.中国经济增长方式转换和增长可持续性[J].经济研究，2009(1).
[28]何枫，陈荣，郑江绥.对我国技术效率的测算：随机前沿生产函数的应用[J].科研管理，2004(5).
[29]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]华萍.不同教育水平对全要素生产率增长的影响——来自中国省份的实证研究[J].经济学季刊，2005(4).
[31]颜鹏飞，王兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究，2004(12).
[32]孟令杰，李静.中国全要素生产率的变动趋势——基于非参数的 Malmquist 指数方法[J].产业经济评论，2004(2).
[33]郭庆旺，赵志耘，贾俊雪.中国省份经济的全要素生产率分析[J].世界经济，2005(5).
[34]张吉鹏，吴桂英.中国地区差距：度量与成因[J].世界经济文汇，2004(4).
[35]蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学，2013(1).
[36]陈瑾瑜.全要素生产率与技术进步间的差别及测算——几何微分法的应用[J].数量经济技术经济研究，2012(6).
[37]章上峰，许冰.时变弹性生产函数与全要素生产率[J].经济学，2009(2).
[38]郑玉歆.全要素生产率的测度及经济增长方式的“阶段性”规律：由东亚经济增长方式的争[J].经济研究，1999(5).
[39]张吉鹏，吴桂英.中国地区差距：度量与成因[J].世界经济文汇，2004(4).
[40]Jorgenson D W，Griliches Z.The Explanation of Productivity Change[J].Review of Economic Studies，1967(3).
[41]章祥荪，贵斌威.中国全要素生产率分析：Malmquist指数法评述与应用[J].数量经济技术经济研究，2008(6).
[42]Hulten C R.Total Factor Productivity： A Short Biography[J].Social Science Electronic Publishing，2000(3).
[43]Hall B H，Mairesse J.Exploring the Relationship between R&D and Productivity in French Manufacturing Firms[J].Journal of Econometrics，1995(1).
[44]Doraszelski U，Jaumandreu J.R&D and Productivity： Estimating Endogenous Productivity[J].Review of Economic Studies，2013(4).
[45]夏良科.人力资本与R&D如何影响全要素生产率——基于中国大中型工业企业的经验分析[J].数量经济技术经济研究，2010(4).
[46]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).
[47]Jerzmanowski M.Total Factor Productivity Differences： Appropriate Technology vs.Efficiency[J].European Economic Review，2007(8).
[48]Prescott E C.Lawrence R.Klein Lecture 1997： Needed： A Theory of Total Factor Productivity[J].International Economic Review，1998.
[49]Miller S M，Upadhyay M P.The Effects of Openness，Trade Orientation，and Human Capital on Total Factor Productivity[J].Journal of Development Economics，2000(2).
[50]何元庆.对外开放与 TFP 增长： 基于中国省际面板数据的经验研究[J].经济学季刊，2007(4).
[51]Hsieh C T，Klenow P J.Misallocation and Manufacturing TFP in China and India[J].The Quarterly Journal of Economics，2009(4).
[52]Miao J，Wang P.Bubbles and Total Factor Productivity[J].American Economic Review，2011(3).
[53]Petrosky-Nadeau N.TFP during a Credit Crunch[J].Journal of Economic Theory，2013(3).
[54]盖庆恩，朱喜，程名望，等.要素市场扭曲、垄断势力与全要素生产率[J].经济研究，2015(5).
[55]刘晗，王钊，姜松.基于随机前沿生产函数的农业全要素生产率增长研究[J].经济问题探索，2015(11).
[56]简泽，张涛，伏玉林.进口自由化、竞争与本土企业的全要素生产率——基于中国加入WTO的一个自然实验[J].经济研究，2014(8).
[57]何元庆.对外开放与 TFP 增长： 基于中国省际面板数据的经验研究[J].经济学季刊，2007(4).
[58]陈丰龙，徐康宁.本土市场规模与中国制造业全要素生产率[J].中国工业经济，2012(5).
[59]余泳泽，张妍.我国高技术产业地区效率差异与全要素生产率增长率分解——基于三投入随机前沿生产函数分析[J].产业经济研究，2012(1).
[60]Kalirajan K P，Obwona M B，Zhao S.A Decomposition of Total Factor Productivity Growth： The Case of Chinese Agricultural Growth before and after Reforms[J].American Journal of Agricultural Economics，1996(2).
[61]易纲，樊纲，李岩.关于中国经济增长与全要素生产率的理论思考[J].经济研究，2003(8).
[62]Hall R E，Jones C I.Why Do Some Countries Produce So Much More Output Per Worker than Others?[J].Quarterly Journal of Economics，1998(1).
[63]王欣亮，严汉平.我国全要素生产率的测算、分解及演进研究：1952-2012.人文杂志，2014(3).
[64]刘秉镰，武鹏，刘玉海.交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J].中国工业经济，2010(3).
中图分类号： F016
文献标识码： A
文章编号： 1004—3926(2019)07—0107—09
基金项目： 国家社会科学基金项目“新常态下我国产业园区资源整合‘二次成长’的市场化模式研究”(15AJL015)、北京市中国特色社会主义理论体系研究中心项目及北京市社会科学基金项目“北京建设具有全球影响力的科技创新中心”(17ZDAL14)阶段性成果。
作者简介： 陈向武， 北京大学经济学院政治经济学博士研究生，研究方向：发展经济学。北京 100871
收稿日期 2019-03-20
责任编辑 刘 梅
标签：科技进步贡献率论文; 全要素生产率论文; 经济增长论文; 技术效率论文; 随机前沿生产函数论文; 北京大学经济学院论文;