信息化对中国经济增长的贡献：行业面板数据的经验证据，本文主要内容关键词为：证据论文,面板论文,中国经济增长论文,贡献论文,经验论文，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 引言和文献综述
有关全要素生产率（TFP）的研究①都证明了资本要素对于中国经济增长的重要贡献，而TFP对于增长业绩的贡献就没有那么卓越。通过提高生产率来提高中国经济增长的质量是目前经济增长模式转变的重要目标。“努力工作”并不能带来生产率的增长，生产率增长需要“更聪明的工作”。在历史上生产率的快速改进往往和“通用技术革命”（General Purpose Technology,GPT）相关，如蒸汽机和电力革命都曾带来快速的技术进步。20世纪以来的信息化革命也被视为是一次“通用技术革命”。信息化通常是指信息通讯技术（Information and Communication Technology,ICT）的广泛应用，导致应用对象或领域发生转变的过程。ICT定义包括广义和狭义的两种，狭义的ICT包括计算机、通讯设备和软件投资；②广义的ICT还包括广播电视设备、家用视听设备、电子仪表制造等。考虑到统计数据可用性和国际比较的需要，我们使用狭义的ICT定义。上世纪90年代中后期，欧美经济有了明显的复苏，信息化投资的广泛实施被认为是西方国家经济复苏的重要动力。微电子和集成电路技术的飞速发展促进了信息通讯技术的高速增长，③并带来ICT产品价格的迅速下降，企业越来越多地用ICT设备替代其他资本品。信息化可能通过三个途径影响一个国家的经济增长：（1）ICT资本深化④可以促进产出增长；（2）ICT生产部门的技术进步可以带来TFP的改善；（3）在GPT理论下，ICT在经济中的广泛使用可以提高企业的效率，从而提高全社会的TFP水平。中国在上世纪90年代开始关注信息化建设，出现了一批具有国际竞争力的ICT生产企业，ICT应用也日渐广泛。本文将在行业面板数据基础上，全面分析信息化对中国经济增长的贡献并进行国际比较。
对于信息化与经济增长关系的研究方法，归纳起来主要有两种：增长核算和计量方法。这两种方法都将信息化视为一种特殊的资本品，在ICT资本估算的基础上分析信息化的贡献。增长核算方法一般需要假设完全竞争市场、规模收益不变，当这些假设不满足时会影响结果的可靠性。⑤但该方法对数据要求比较低，因而比较容易实施。经济计量学方法测算TFP虽然可以放松增长核算方法中完全竞争市场和规模收益不变等假设，但必须对估计的参数给出先验假设，并且受样本数量的限制，容易出现参数估计的不稳定等统计问题。早期的总量研究关注ICT资本深化对劳动生产率的贡献，并利用国际面板数据分析信息化资本扩散和各国生产率增长关系以及影响各国信息化扩散的因素。2000年以后随着欧美国家ICT资本深化速度的减慢，更多研究开始关注信息化对TFP的影响。这类研究基于行业层面数据，利用计量方法分析ICT和TFP增长的关系。除此之外还有基于企业微观数据的研究。研究发现企业在进行信息化投资时，需要相应的补充性投资，包括员工培训、组织变革、创新机制等。补充性投资有助于信息化投资获得好的投资效果。⑥
Roach（1987）的研究发现，在上世纪七八十年代美国进行了大量的计算机投资，但1973年后美国生产率增长出现了明显减速。之后的一些研究也得到了相似的结论：对于计算机的大量投资并没有带来相应的生产率改进。Solow（1987）提到“唯独在生产率统计中，发现不了计算机时代的踪影。”这被称为“生产率悖论”。上个世纪90年代以后，随着可用数据和研究方法的改进，一些研究发现了信息化对经济增长的积极贡献。这个时期的宏观研究集中在总量层面，研究对象从美国扩展至欧洲地区。这些研究认为上世纪90年代末至本世纪初，经合组织（OECD）国家的ICT投资对GDP增长的贡献率在0.1%～0.5%之间。虽然各国的ICT投资对经济增长的促进作用都比较显著，但不同国家具体的贡献度存在差异。美国最高，在0.4%以上（Oliner和Sichel,2000；Jorgenson和Stiroh,2000）；意大利在0.3%左右（Daveri,2001）；日本、英国处于中等水平，约0.2%；德国、法国较低，不足0.2%（Schreyer,2000）。这些研究集中于ICT资本深化对总量GDP增长和劳动生产率的影响。
2000年网络泡沫破灭后，美国以及欧洲国家的ICT资本深化速度逐渐减缓，研究者们开始关注信息化的另外两个贡献——ICT的生产和使用行业的TFP改进。与ICT资本深化的贡献研究相比，ICT的使用对于TFP的贡献还没有得到完全一致的结论。Jorgenson等（2006）、Ark和Inklaar（2005）的研究发现，2000年后美国ICT资本深化速度减缓，但ICT使用行业的TFP增长率加速。Corrado等（2006）发现，2000年以后美国的TFP改进集中于金融和服务业，这是ICT使用密度相对高的行业。Bosworth和Triplett（2006）强调了美国服务行业生产率的改进，认为2000年后劳动生产率改进主要归功于ICT使用密度高的服务业。Basu和Fenzald（2007）发现美国ICT积累和2000年后TFP增长之间存在正相关关系。但是Stiroh（2006）发现美国行业总劳动生产率增长和ICT没有明显的相关性。Stiroh和Botsch（2007）利用行业数据分析了2000年前后TFP变化和信息化投资之间的关系，发现美国2000年后的TFP改进与信息化并不明显相关。Gretton等（2004）发现澳大利亚行业的ICT使用和TFP增长有正向联系，在一些服务部门中ICT的使用促进了TFP的增长。但Inklaar等（2005）利用行业数据，比较了欧洲4个主要国家（法国、德国、挪威、英国）和美国的ICT资本贡献，发现欧洲4个国家的ICT资本深化贡献低于美国，且ICT使用行业也没有出现TFP的加速。Lee和Yougesh（2003）分析了亚洲9个经济体的⑦ICT（硬件、软件和通讯设备）资本贡献，发现在20世纪90年代后半期ICT对亚洲经济增长的贡献主要是通过资本深化实现的，TFP改进在大多数亚洲国家都比较小。
由于相关数据的缺乏，国内信息化的定量研究还比较少。孙宝文（2002）的测算显示，信息技术产业对GDP的贡献占GDP增长率的10%以上。袁正（2003）对中国信息化水平进行了经验研究，认为中国的信息化发展水平与经济发展水平呈明显正相关。汪斌与余东筠（2004）估计了信息化对中国国民经济的带动度和对三次产业的差别影响，发现信息化对第二产业增长的影响最大。李跃波（2007）用回归分析来衡量GDP增长率和信息化水平的关系，发现两者之间存在显著相关性。施莉（2008）采用对偶方法估算1980～2003年ICT生产行业对中国TFP增长的贡献，认为中国TFP增长得益于ICT生产行业。当前有关中国的信息化研究一般用网站、电话或基站数目等表示信息化程度，而且主要关注信息化生产行业的全要素生产率改进和就业贡献，往往忽视ICT使用的经济贡献，并且由于数据的缺乏，已有的研究基本在总量层面上进行分析。
与以往研究相比，本文的创新体现在下面几个方面：（1）基于行业层面数据构建了考虑ICT资本的行业增长核算数据库。（2）用行业ICT资本投入指数来反映ICT资本深化水平，不同于以前简单的ICT设备数目的方法，对称测算传统资本投入指数和ICT资本投入。（3）在行业数据基础上，应用增长核算方法和计量方法综合测算信息化对中国经济增长的贡献。在增长核算框架下可以研究ICT资本深化和ICT生产行业TFP改进的贡献；而计量方法可以验证GPT理论是否适用于中国目前的ICT使用。
本文结构安排如下：第二部分为理论框架；第三部分介绍中国行业数据的构建，以及ICT资本投入指数的测算；第四部分从ICT资本深化、ICT生产行业的TFP改进以及ICT使用密度和TFP关系三方面分析ICT对中国经济增长的贡献，并进行国际比较；最后是结论。
二 理论模型和计量方程
本部分介绍增长核算账户框架（KLEMI），以及如何测算信息化对经济增长的三个方面的贡献。我们将经济分为33个行业，每个行业都使用各种投入（ICT资本、非ICT资本、劳动、中间投入）要素来生产总产出。其总产出可以用于最终需求和中间需求，GDP是所有行业最终需求的加总。
（一）行业增长核算账户
为了估计TFP，我们需要要素投入的增长率和投入报酬占总产出份额的数据。KLEMI框架的基本特点是对称处理所有投入要素，并用每种投入报酬占总产出的份额作为权重加总。
（二）测算ICT对经济增长的贡献
1.ICT资本深化的贡献。信息化革命对经济增长的贡献，首先体现在信息化技术的迅速改进带来信息化产品价格的下降，从而推动企业用信息化资本来代替传统资本。信息化带来的ICT资本深化，增加投资量，提高资本投入的质量，促进了产出增长。在增长核算框架下，每种投入指数与其相应份额的乘积为该项投入要素对行业总产出的贡献。ICT资本深化对经济增长的贡献等于ICT资本投入增长率乘上ICT资本的产出弹性。在完全竞争市场下，ICT资本投入的产出弹性用ICT资本报酬占总产出份额来表示：
2.ICT生产行业的TFP改进贡献。总量层面的产出测算有三种方法：总量生产函数方法、总量生产可能性前沿方法和Domar加总方法。总量生产函数方法要求要素在各部门之间充分流动，各部门增加值的生产函数方程相同；总量生产可能性前沿方法不再假设各部门增加值方程相同；而Domar加权方法放宽了对增加值函数方程的任何限制。⑧本文选择Domar加总的方法。Domar（1961）首先提出该方法，Jorgenson等（1987）对该方法进行了改进。Domar方法可以分析总量产出和TFP增长的行业来源，总量产出增长来自各行业的ICT和非ICT资本、劳动和TFP的加权贡献：
行业的Domar份额为ICT生产行业的总产出比上GDP。
3.ICT使用行业的TFP改进。尽管新古典框架不认为行业的ICT资本深化可以带来TFP改进，但ICT通常被视为GPT，GPT的特点是带来生产过程中的基础变化。⑨Brynjolfsson和Hitt（2000a、b）研究认为，充分实现ICT投资的收益需要企业进行生产流程和组织的变革。⑩通过组织变革，对ICT的投资可以改进企业的生产效率，从而促进TFP的增长。此外，ICT也可以通过网络和外溢效应促进TFP的增长。例如，一个企业使用新的信息管理系统带来了很好的效果，这可能会带动其他企业效仿，因为模仿的成本比较低。Basu和Fernald（2007）分析了ICT补充投资对 TFP测算的影响，发现ICT投资可以促进TFP增长，而ICT所需的补充投资会降低TFP增长率。由于实际的补充投资难以估算，这些模型的经验检验存在很大难度。目前，一般做法是利用计量方法分析行业ICT使用是否可以促进TFP增长。
第一，倍差法（difference in difference）。(11)将全部样本分为两组：ICT使用密度(12)的行业和非ICT使用密度的行业，分析ICT使用密度的行业全要素生产率是否高于其他行业。如果ICT积累可以促进ICT使用行业的全要素生产率增长，那么ICT使用密度的行业将会有更快的全要素生产率增长。如果TFP变化只是由于经济周期波动，那么所有行业的TFP变化应该和ICT使用情况无关。我们将2000年设为节点（考虑到ICT资本发挥作用有滞后性，而中国ICT积累在1995年后才开始快速增加），倍差法估算公式为：
A代表行业的TFP增长率，C、D为哑变量。如果t大于2000，D＝1；否则，D＝0。如果是ICT使用密度的行业，C＝1；如果不是ICT使用密度行业，C＝0。DC交叉项表示2000年后的ICT使用密度行业的虚拟变量。α是非ICT使用密度行业2000年前的平均TFP增长率，α＋γ是ICT使用密度行业2000年前平均TFP增长率，β是非ICT密度行业的2000年后的TFP加速，β＋δ是ICT使用密度行业2000年后的TFP加速，γ、δ表示ICT使用密度的行业高于其他行业的TFP加速。ξ为误差项用于调整行业相关性和异质性。
第二，生产函数估算方法。计量模型的生产函数方法在已有的ICT生产率研究中得到了广泛的应用，(13)由于样本量并不是太大，我们假设生产函数为科布—道格拉斯（C-D）生产函数：
如果一个行业高速增长，该行业未来的原材料投入和资本积累的增长也会较快，这意味着当期产出增长率会影响以后的产出增长。ICT资本可以带来创新和组织变革，过去的ICT积累可能会促进当期的产出增长，意味着以前的ICT投资增长率会影响本时期的产出增长。此时产出滞后项与误差项有相关性，固定效应估计和随机效应估计的结果有偏。而正面的需求冲击可能会促进投资和就业的增加，投入存在内生性。广义矩方法（GMM）能较好地克服内生性问题，常用的GMM方法有两种：差分GMM（DIFF-GMM）和系统GMM（SYS-GMM）。差分GMM通过一阶差分消除个体固定效应的影响：选取有效的工具变量，以剔除可能存在的内生性，从而对面板模型进行合理估计。一阶差分GMM估计的一致性关键在于所选择的工具变量的有效性，可以应用Sargan检验来选取适合的工具变量。(15)采用两阶段的一阶差分GMM估计，Sargan检验会更有效。在一阶差分GMM估计时，我们采用了两阶段估计方法并进行Robust检验。
三 数据来源和处理
KLEMI框架需要大量的行业数据，在以往的行业TFP研究中对于行业投入类型数据的构建曾经有过一些介绍。本文的关键是行业层面的ICT资本和非ICT资本投入的构建。
（一）投入产出表序列和劳动投入指数数据
行业的中间投入和总产出可以从投入产出表序列得到。(16)国际可比的中国U表的构建经历了几个阶段：第一阶段，构建5个当前价的基准投入产出表包括U表，这些表都与1997年的投入产出表部门总量以及统计口径相一致，并且与最新公布的GDP序列相一致。第二阶段，基于5个基期的投入产出表来估计1981～2005年当前价的U表。第三阶段，利用历史价格数据来构建行业价格指数和投资品价格指数，并在当前价U表和生产者价格指数的基础上构建1981～2005年不变价的U表。第四阶段，根据最新的普查数据(17)和投入产出表，更新了1980～2005年的投入产出表序列。中间投入指数
表示单个中间投入的超越对数数量指数：
很多研究使用就业人数表示劳动投入。然而不同的劳动力对应不同的劳动生产率，劳动人数相同时，由于劳动素质的改善，劳动投入可能仍在增加。我们的劳动投入指数使用了岳希明和任若恩（2008）(18)的行业劳动投入数据，该数据考虑了不同就业人群的差异。岳希明和任若恩的研究采用性别、年龄、教育程度以及行业4个属性对从业人员进行交叉分组。性别分男女两类，年龄分为7个年龄组，教育程度采用5种不同的学历，行业分成33个行业。从业人数矩阵的数据来源于人口普查以及1%劳动力抽样调查。除了从业人数之外还需要劳动报酬矩阵，数据来自中国社会科学院经济研究所实施的中国居民收入分配调查。
投入产出表还可以提供各种投入的份额数据，投入产出表的第三象限反映了国民收入的初次分配，将增加值分解为劳动者报酬、生产税净额、固定资产折旧和营业盈余。我们将生产税净额、(19)固定资产折旧和营业盈余视为资本报酬。国内的统计数据将所有的“自我雇佣人员”报酬视为劳动者报酬，而我们根据各行业“自我雇佣人员”资本数量估算这部分人群的资本报酬，并进行了相应调整。
（二）ICT和非ICT资本投入指数的测算
本文使用资本投入指数而非资本存量来表示资本投入：资本存量将资本品的购置价格作为权重加总，而资本投入指数用资本租赁价格作为权重加总。资本投入指数的估算包括3步：（1）估算资本存量；（2）估算资本租赁价格；（3）将不同类型的资本投入加总得到总的资本投入指数。资本租赁价格可以反映ICT资本品相比非ICT资本品具有更高的边际产出。
1980～2005年ICT的销售额、进口数据和出口数据主要来自《中国电子工业年鉴》。(21)目前比较系统的行业ICT使用数据是普查年份的行业计算机存量数据，(22)行业计算机存量比例可以作为计算机和软件(23)行业投资比例估算的基础。通讯设备的行业比例借鉴了美国的通讯设备行业比例，并且根据中美行业结构差异进行了相应的调整。一些研究认为ICT的行业扩散在不同国家有相似之处，欧洲的很多研究用到类似的解决方法，也有经验研究证明该方法的可行性。(24)
我们选择几何折旧模式计算折旧率。建筑和设备寿命分别假设为40和16年，(25)计算机11年，通讯设备28年，软件8.5年。(26)在已有的寿命期假设下，分别估计出建筑和设备的折旧率为8%和17%，计算机为25.4%，通讯设备是11.5%，软件是31.5%。本文总量的建筑和设备的基期资本存量估算是基于PIM。1980年建筑和设备的总量资本存量来自孙琳琳与任若恩（2005），并根据普查数据中1980年各行业的固定资产净值比例，得到行业层面的基期资本存量。基期ICT资本存量估计需要1980年以前的ICT投资数据，本文使用1980～1985年的平均ICT设备投资增长率，推导1980年以前的ICT投资序列。实际投资水平由名义投资价值除以资本品的价格：
官方的投资价格指数仅在1992年才可以使用。1992年以前的建筑价格指数使用了建筑行业的出厂价格指数，设备价格指数则来自王益煊与吴优（2003），其数据来源于国家统计局的城调队。与一般资本品价格指数构建不同，ICT产品由于技术的迅速改进，需要考虑价格调整后的价格指数。美国使用Hedonie技术(27)考虑ICT资本品的质量变化。我们使用Schreyer（2000）②提出的“和谐指数”方法估算中国ICT价格指数，计算公式为中国各ICT产品的价格指数＝美国各产品的ICT价格指数×中国GDP折算指数／美国GDP折算指数。本文的软件和通讯设备的投资价格指数使用“和谐指数”计算；计算机价格在1995年后使用孙琳琳与任若恩（2008）的数据，之前使用“和谐指数”计算。质量调整后，中国的通讯设备、软件和计算机价格都明显下降，计算机价格指数下降幅度最大，平均每年下降幅度在20%～30%。
2.从资本存量到资本投入指数。企业提供的资本投入价值无法直接观察，一般是用估算资本租赁价格的方式，将存量转变为资本投入指数。资本租赁价格反映了资本的使用成本。资本租赁价格包括：（1）资本品购置价格的机会成本。（2）资本品随着役龄增加的效率损耗。（3）同种资本品不同时期购置价格的变化。税收也会增加资本品的使用成本，考虑税收影响后，资本租赁价格p调整为：
折旧率和资本利得的估算要与存量中变量保持一致，资本利得可以用投资价格指数变化来计算。增值税率(29)和折旧抵扣(30)依靠法定税率，间接税率(31)和公司所得税率是经计算的实际税率。本文使用Christensen和Jorgenson（1969）提出的内部收益率方法计算资本收益率r。该方法假设每个行业资本投入的价值（资本租赁价格乘以资本存量的值）等于该行业的资本报酬值，利用投入产出表的资本报酬数据求出资本收益率r。(32)假设该行业只有一种资产，有下列等式：
四 信息化对中国经济增长贡献的分析
（一）ICT资本深化的贡献
ICT资本深化的贡献取决于两个因素：ICT资本投入增速和ICT资本份额的大小。表1给出了1994和2005年的ICT资本存量的比例，1994年后中国ICT资本存量在总资本存量中的比例有了明显提升。1994年大部分行业的ICT资本存量占比都低于3%，而2005年已有不少行业的ICT资本存量占比达到10%以上，包括家具、印刷出版业、皮毛、金属制品、其他运输设备、仪器设备、橡胶塑料、邮电通讯。从表1可以看到，ICT资本和非ICT资本在1994年后资本投入增长速度都明显加快。制造业和服务业的ICT资本投入增长率比较接近，而ICT资本投入增长速度远高于非ICT资本。不同行业在改革后的20多年中非ICT资本积累的速度差别很大：第三产业的资本积累速度最快，而农业和部分制造业资本积累速度较慢，制造业中的大多行业的资本投入指数在8%以下。1981～2005年年平均ICT资本积累比较快的行业有邮电通讯、天然气水、木材、金属制品、金融地产业等。
图1 各国ICT资本深化的产出贡献（2000～2005）
数据来源：中国的数据为本文计算，其他各国数据来自GGDC的国际数据库。
1981～1994年，大部分行业的ICT资本深化贡献年平均低于0.1%，邮电通讯业、商业和金融地产有着比较高的ICT资本深化贡献。1994～2005年所有行业的ICT资本深化贡献都快速增长，相比1981～1994年ICT资本深化贡献增长了数十倍。在此期间，邮电通讯、天然气水、商业、印刷业、仪器设备业的ICT资本深化贡献较大。图1比较了中国和其他发达国家2000～2005年主要行业的ICT资本深化贡献水平。1990～2000年美国、日本和德国的大多数行业的ICT资本深化贡献高。2000年以后由于ICT的快速扩散，中国ICT资本深化贡献已经超过发达国家。但由于中国经济增长率远高于其他发达国家，ICT对产出贡献的比例仍然比较小。从行业上看，发达国家的金融地产行业ICT资本深化贡献最高，服务行业的ICT资本深化显著高于其他行业。相比而言，中国很多制造行业的ICT资本深化贡献比较大。由于中国ICT投资和资本存量绝对水平还比较低，未来ICT还将在一些行业快速扩散，特别是金融行业、商业等服务行业。
图2给出了各个行业的产出分析，可以发现大多数行业总产出的首要增长来源于中间投入，之后是非ICT资本投入。少数行业的ICT资本投入对产出做出了重要贡献，如邮电通讯、仪器设备业等。
图2 各行业的产出增长来源（1981～2005）
说明：图中的行业编号和表1行业编号相对应（图3同）。
（二）ICT生产行业的TFP改进贡献
ICT产品的技术进步会反映在ICT生产行业的效率改进上。ICT生产行业包括ICT制造业（电气电子机械制造）以及提供ICT服务的行业（邮电通讯）。为了分析比较不同行业的TFP增长贡献，我们计算了中国所有行业的TFP。1981～1994年，TFP增长最快的行业是邮电通讯、其他运输设备、电气电子机械制造、普通机械制造业、仪器设备和商业。1994～2005年，TFP增长最快的行业是仪器设备、非金属矿物制品、电气电子机械制造业、其他运输设备（见表1）。在整个时期内，TFP增长率平均最高的是电气电子机械制造（6.32%）、仪器设备（5.34%）、其他运输设备（4.94%）、非金属矿物制品（3.53%）。TFP增长率最低的行业是金融保险房地产业（-9.44%）、石油天然气开采（-7.45%）、电力（-3.99%）、农业（-1.9%）。ICT制造业在所有行业中TFP增长率最高，虽然邮电通讯业的TFP增长率并不太高，但在垄断服务业中有着较高的增长率。相比改革初期，中国TFP增长率在1994年之后有所下降。改革初期得益于经济体制改革的实施，经历了快速的生产率改进，但这种快速的生产率改进并没有持续。石油天然气开采业、电力供应部门、金融行业以及其他能源部门的TFP增长率为负值（且负值较大），这意味着全要素生产率出现了负增长。TFP增长率为什么出现负值，学界一直没有得出一致的结论。(34)在我们的估算中这些行业的TFP增长率为负，可能有以下几方面原因：我们假设所有行业面临统一的投入品价格，但在价格管制期间这些行业得到大量的补贴，统计数据未能反映撤销价格管制前后这些行业面临的价格差异，从而高估了中间投入的增长率；撤销管制后，能源行业的产品价格上涨，而物价指数未能充分反映该变化。此外，我们假设资本存量充分使用，没有考虑不同时期资本利用率的区别。当然垄断行业缺乏竞争是生产率低下的原因之一。
行业的TFP增长对总量TFP的贡献除了与行业的TFP增长率有关外，还与该行业总产出的大小有关（Domar权重）。图3给出了各行业的TFP增长对总量TFP的贡献。可以看到电气电子机械制造业、商业、普通机械制造业、非金属矿物制品业对总的技术改进贡献最大。而金融保险房地产、石油天然气开采、电力、其他服务业等对TFP的贡献为负。可以发现TFP为负的行业主要是一些以国有企业为主的垄断行业。
图3 各行业对总量TFP的贡献
图4 不同国家ICT生产制造业对TFP增长的贡献（1995～2001）
电气电子机械制造业的TFP增长率在所有行业中最快，平均达到了6.32%，对中国总量TFP增长率贡献达到了0.5%；邮电通讯业的TFP明显低于ICT制造业，平均为1.84%，对总量TFP的贡献为0.01%。中国ICT制造业的生产率改进明显促进了总量TFP进步，但是邮电通讯业贡献相对较小。图4给出了不同国家的ICT制造业对总量TFP的贡献。其中，中国的数据为本文计算，美国的估计来自Jorgenson等（2005），欧洲的估计来自Timmer和Ark（2005），他们的计算方法和我们前文的计算框架相同。美国的ICT生产行业贡献率高于欧盟地区，中国ICT生产行业平均水平高于欧盟地区平均水平。但是某些欧洲国家ICT生产行业贡献率超过美国的ICT贡献率，如爱尔兰的ICT生产行业对TFP的贡献达到了3.62%，芬兰和瑞典也在0.5%以上。发展迅速的中国ICT制造业，已经成为总量技术进步的重要推动力。
（三）ICT使用行业和TFP改进的关系
考虑到补充投资所需要的时间，ICT投资和实现TFP改进之间有一定时滞，计量模型要考虑恰当的时滞期。我们对不同变量定义的ICT使用密度进行稳健性检验：ICT资本存量的比例、ICT投资的比例、(35)ICT资本投入的比例。ICT使用密度行业定义是超过所有行业ICT密度中值的行业，(36)本文使用Stata10.0进行计量估计。
表2给出了倍差法估算结果，没有发现2000年后ICT使用密度行业相对其他行业有显著的TFP改进。使用“ICT投资比例”和“ICT资本投入比例”来定义ICT使用密度行业时发现，2000年后行业TFP水平有较显著地改进，但这与ICT使用无关。
生产函数估算方法首先要选择合适的面板估算方法。通过我们的统计检验，随机效应模型是最合适的静态面板估算方法。由于时间跨度较长，统计检验发现时间虚拟变量不相同并显著不为0，双向随机效应模型可以改进结果的有效性。通过Sargan检验（P值为1）和残差的自相关检验（不存在残差两阶差分的自相关），证明了一阶差分GMM估计的有效性。Blundell和Bond（1998a、b）、Judson和Owen（1999）提出了SYS-GMM方法，对一阶差分广义矩估计法进行了修正，解决了动态面板数据模型参数估计的有偏和非一致性问题。在SYS-GMM估计中，我们将劳动、非ICT资本和ICT资本投入都视为内生变量进行估计。残差自相关检验和Sargan检验（P值为1)表明不存在残差两阶差分自相关，工具变量也有效。
表3给出了估算结果，分别包括双向随机效应模型、一阶差分GMM的两阶段估计法、SYS-GMM估计方法的结果。由于我们时间跨度为24年，考虑到时间虚拟变量过多，我们在结果中没有列出虚拟变量估算结果。从估算结果可以看到，中间投入是影响产出增长的最主要的变量，不仅显著性最高，而且系数也比较大。影响行业产出增长的因素除中间投入之后为非ICT资本投入。ICT资本投入的一阶和二阶滞后项在一阶差分GMM估计下显著为正，但在其他计量统计时不显著。劳动投入的当前项也都不显著，只有其二阶滞后项显著。可以看到中国行业产出增长主要受中间投入和非ICT资本投入的影响，ICT资本投入和劳动投入的贡献比较小。ICT资本当期的系数在大多数计量模型中并不显著，而滞后项在一阶差分GMM估计中显著，说明ICT资本对产出影响有一定的时滞。ICT资本滞后项相比当期的ICT投资对产出有更显著的贡献，同ICT是GPT的结论一致（Bresnahan和Trajtenberg，1995；Helpman，1998；Brynjolfsson和Hitt，2000b；Bresnahan等，2002；Basu等，2003）。ICT投资发挥作用需要大量的补充投资和创新，ICT对产出的贡献需要一定时间。
从计量估计结果来看，还不能认为目前中国的ICT资本使用显著促进行业TFP的增长。当期的ICT投资对当期TFP没有显著正面作用；当期的ICT投入和行业产出增长也没有显著联系，而ICT资本滞后项对行业总产出增长有一定的积极影响，中国行业产出增长率主要受中间投入和非ICT资本投入影响。从发达国家计量结果来看，一些国家的行业ICT使用促进了TFP增长。可以想象，未来经过一定时期的ICT积累后，中国的ICT资本也会促进行业TFP的增长。与ICT资本深化不同，实现ICT的生产率贡献并不容易，需要建立无形资本或补充投资。不同国家会有不同的动态调整过程，调整过程会受到补充投资的影响，也会受到不同国家市场结构的影响，以及不同国家投资的调整成本影响。
五 结论和政策分析
中国的ICT投资到2005年已经接近总设备投资的20%。但是无论从ICT投资占总投资的比例，还是从当前价的ICT投资水平，2005年中国ICT扩散水平只相当于发达国家上世纪80年代水平。尽管扩散水平还比较低，但1995年以后中国ICT投资增长幅度远高于欧美国家，资本深化对产出贡献更大。在行业分布上，中国目前信息化存量主要集中于服务行业。中国ICT对经济增长的贡献，主要是通过ICT资本深化和ICT制造业的TFP改进来实现。2000～2005年ICT资本深化对产出贡献为0.61%，超过了发达国家的水平。过去20年，ICT资本深化贡献最大的行业是邮电通讯，仪器设备、印刷出版、金属制品、商业、橡胶塑料业的ICT资本深化对产出的贡献也比较高。1980～2005年电气电子机械制造业的TFP增长率达到了6.32%；而邮电通讯的TFP增长率比较低，1981～2005年平均为0.6%。相对ICT制造业，缺乏竞争是中国ICT服务业TFP增长率低下的重要原因。利用行业的面板数据，我们用倍差法和生产函数法分析了行业ICT使用和TFP增长的关系。尽管在一阶差分GMM估计中发现ICT滞后项对产出增长有积极贡献，但其他计量方法都没有发现ICT使用显著促进了中国ICT使用行业的TFP改善。中国ICT使用没有明显促进TFP增长的主要原因在于：ICT扩散时间较短，ICT需要的补充投资还不足，ICT发挥TFP贡献需要较长时滞。尽管中国ICT扩散速度很快，但ICT的资本存量水平还比较低，还不能发挥网络外溢作用；充分发挥ICT生产率效果需要扩大补充投资。
注释：
①生产率是个简单概念，表示单位投入的产出数量变化。如果投入考虑资本和劳动，那么生产率就是全要素生产率。相关TFP研究综述可见Cao等（2009）、任若恩和孙琳琳（2009）等。
②SNA93将购买软件作为投资，构建了无形资产。随着SNA93的实施，很多国家开始提供软件投资额的数据，但是大多数国家估计软件投资额的方法有很大差别。
③摩尔定律认为，集成电路的集成度大约每隔18个月就会翻一番。
④ICT产品价格的下降，致使企业越来越多地进行ICT资本投资，带来ICT资本深化（capital deepening）。
⑤由于在增长核算框架中，TFP是个余值的概念，如果存在规模收益或者非完全竞争会影响TFP的测算结果。比如存在规模收益时，会高估TFP的增长。也有一些研究试图将TFP进行分解，从中分解出规模收益或者非完全竞争市场的影响，如Malmqvist指数方法和动态要素需求模型等。
⑥相关的信息化微观研究综述可以见OECD（2003、2004）、Hempell等（2004）。
⑦中国、韩国、中国台湾、中国香港、新加坡、马来西亚、泰国、印度尼西亚和菲律宾。
⑧对于这些方法的总结讨论，可见Jorgeneon和Stiroh(2000)。
⑨Helpman和Trajtenberg（1998）的论证。
⑩这些组织变化包括生产过程重组、管理系统改革、以顾客为导向、外包、企业网络和其他合作（OECD,2003）。
(11)McGuckin和Stiroh(2000a)、Ark等(2002)、Stiroh(2002a、b)曾经使用倍差法分析及比较了ICT使用密度行业与一般行业的全要素生产率。
(12)根据ICT资本份额的比例可以将行业区分为ICT使用密度行业和非ICT使用密度的行业（Bailey和Lawrence,2001; Jorgenson等，2005；Stiroh，2002a、2006；Triplett和Bosworth，2004），将超过所有行业ICT资本份额中值的行业定义为ICT使用密度的行业。
(13)Berndt和Morrison（1995）、Brynjolfsson和Hitt（1995）、Kiley(2000）、Lehr和Lichtenberg（1999）、McGuckin和Stiroh（2000b）、Siegel（1997）、Steindel（1992）使用各种计量方法分析ICT对美国行业企业的生产率影响。Brynjolfsson和Yang（1996）、Brynjolfsson和Hitt（2000a）对这类文献进行了综述。
(14)参考Arellano和Bond（1991）的方法。
(15)Sargan检验的原假设为：过度识别限制是有效的，即工具变量有效。在原假设成立的条件下，Sargan统计量服从自由度为r-k的
分布（r是工具变量的秩，k是待估参数个数）。
(16)该投入产出表序列由国家统计局和北京航空航天大学任若恩、李晓琴等共同完成。
(17)2004年经济普查后调高了第三产业产出，目前的投入产出表序列也进行了相应的调整。
(18)岳希明和任若恩（2008）估算了1981～2000年中国的劳动投入指数。岳希明等又将数据更新到2005年（尚没有公开发表）。数据来源和处理方法可参见岳希明与任若恩（2008）。
(19)生产税净额中也包括部分针对劳动要素的征税。由于数据难以分开，所以都放入资本报酬。劳动所得税收包含在劳动报酬中。
(20)固定资本形成总额是指生产者在一定时期内所获得的固定资产减去处置的固定资产的价值总额。
(21)上世纪80年代的软件销售数据较少，本文通过计算机和软件的比例来计算早期的软件数据。
(22)1985年的中国工业经济普查、2004年的全国经济普查提供了行业的计算机拥有量数据。
(23)因为软件是和计算机硬件配套的，所以可以利用行业的计算机投资比例来估算软件投资行业比例。
(24)Ark等（2002）发现不同国家的行业ICT投资分布类似，这说明ICT扩散水平和行业本身特征有关系，如教育、金融、通讯和电子制造业在各个国家都是ICT的密集使用行业；而农业在各国都不是ICT密集使用行业。O' Mahony和De Boer（2002）得到相似结论，认为法国、英国和美国的行业ICT投资分布非常类似。
(25)建筑和设备的年限参考了Maddison（1993）。
(26)相对其他类型资本品，ICT设定的使用寿命在全球比较类似。我们参考了Jorgenson和Stiroh（2000）、Oulton（2001）研究所使用的美国折旧率数据。
(27)Hedonic方法的基本原理是将影响商品价格的各种商品特征作为自变量，用回归的方法剔除质量变化带来的价格变化，只留下仅由市场供求变化而引起的价格变化。
(28)这是大部分欧洲信息化研究所用的价格估算方式，包括Daveri（2001、2002）。
(29)增值税率1994年前选为16%，1994年后使用基准增值税率17%。
(31)用年间接税额比上年资本存量得到每年的间接税率。中国主要的间接税包括财产税、车船税等。每年的间接税收数据来自历年《中国税收年鉴》。
(32)内部收益率方法的优点是基于国民账户的数据进行计算，保证了结果的一致性。
(33)这里我们假设每个行业所有资产类型的收益率相同，建筑、设备和ICT产品的收益率相同，假设ICT设备没有额外的外溢收益。ICT产品比其他资本品相对高的边际产出体现在其迅速下降的“不变质量价格指数”和高折旧率上。
(34)Jorgenson和Stiroh（2005）估算也发现美国很多服务行业和建筑业出现负的TFP增长率。
(35)最好采用当前价价格计算比例，Whelan（2000）对此进行了详细讨论。
(36)参考Stiroh（2002a、b，2006）的定义。
标签：ict论文; 面板数据论文; 资本存量论文; 经济增长论文; 经济论文; 投资资本论文; 价格发现论文; 生产率论文; 投资论文; gmm论文;