什么影响了制造业行业内生产率结构变化？——基于1998—2007年中国工业企业数据的实证研究，本文主要内容关键词为：生产率论文,工业企业论文,年中论文,制造业论文,结构论文，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
1.生产率结构问题的提出
生产率衡量了要素投入转化为产出的效率，生产率越高，意味着能够使用较少的生产资料生产出较多的产成品。在宏观层面，一个产业甚至一个国家的生产率的进步体现了一个产业和国家创造财富能力的提升，而在微观层面，除了研究微观企业的生产率进步，一个更重要的现象是，同一产业内不同企业的生产率存在差异，即企业存在异质性。
异质性企业构成了不同产业内，不同产业发展阶段差异化的生产率结构。我们使用生产率差异度，即高效企业和低效企业的生产率之比这一指标来衡量产业内的生产率结构。对生产率结构研究的意义在于，生产率结构很好地反映了一个产业的市场竞争程度和资源配置效率，生产率差异度的绝对值及其变化也是衡量产业发展水平的一个重要指标。同时，过高的生产率差异也将阻碍生产率的进一步提升和恶化收入分配。
Hsieh和Klenow[1]认为一个产业的生产率结构，反映了产业内资源配置的效率高低。他们对比中国、印度和美国的数据表明，由于印度和中国资源错配，其生产率差异度要高于美国。Loren Brandt等[2]对比中国和美国制造业企业其平均TFP(全要素生产率)和整体TFP，也发现同样的结果。Restuccia和Rogerson[3]则发现较大的企业的生产率结构差异会造成总产出和平均TFP减少。而Mortensen[4]发现生产率差异度的扩大，会导致更大收入分配不均的现象。
生产率结构变化的路径往往是因为充分的市场竞争带来的资源的有效配置将会使资源向高效企业集中，在长期带来低效企业的退出从而降低生产率差异，并提升整个行业的平均生产率。在极端情况下，一个完全竞争的行业其生产率差异度为1，每个企业的生产率都是一样的。但这一变化是一个具有行业特性且动态的过程，在不同行业的不同阶段，由于领先优势、后发优势、技术溢出、选择效应和学习效应，生产率差异度可能在短期存在或收敛或发散的不同变化路径。
通过对生产率结构绝对水平、相对水平和趋势的研究，有助于我们判断具体国家具体产业的发展水平和发展特性，产业是处于高生产率企业扩大优势阶段，还是低生产率企业发挥后发优势赶超的阶段，或是由于资源分配效率过低而处于生产率差异发散阶段。而由研究所形成对行业发展阶段的准确的判断，正是宏观层面制定有效的产业政策的重要基础。
2.生产率结构变化的影响因素
在研究生产率结构所处水平的基础上，我们进一步研究是什么因素更多的主导了生产率结构的变化。正是由于生产率结构变化的动态多样性，不同的学者对其产生原因提出了许多不同的观点，主要可分为内部和外部两类因素。
内部因素主要是新技术的研发和投入、企业内部管理水平提升和新产品的推出等。Nelson[5]认为技术进步是造成生产率差异的主要原因。而Caselli[6]认为生产率差异来源于企业对于新技术吸收程度的差异。企业通过引进新的技术在与其他企业的竞争中占据生产率的优势，从而导致生产率差异变大。而Faggio等[7]用英国企业数据验证了Caselli[6]的观点，并且他认为对于信息技术的研发投入是造成行业生产率差异度变化的主要原因，对信息技术研发投入较大的行业往往有较大的生产率差异。
外部因素则主要是集聚产生的溢出效应、竞争强度和资源配置有效性对行业内生产率差异度的影响。Moretti[8]的研究发现美国的集聚效应产生了生产率的溢出。同一区域内同行业的落后生产率企业通过模仿生产率领先企业提升自己的生产率，从而使得行业生产率差异度得到下降。Ralf Martin[9]通过研究英国的企业数据表明竞争的激烈程度与行业差异度呈负相关，竞争可以使更有效率的企业扩大市场份额，提高行业的进入门槛，从而淘汰低生产率的企业，行业的生产率差异下降，行业平均生产率上升。Syverson[10]通过对美国水泥行业的研究表明市场竞争提升了行业平均生产率并降低了行业内生产率差异。由于水泥行业的市场竞争程度受运输半径限制，导致水泥行业的行业内生产率差异一直较大。而Syverson[11]则是从产品差异度导致了市场需求结构变化这一方面衡量了竞争对生产率差异的影响。一个产品如果差异度很高，品牌等因素的存在使其始终拥有一部分的消费者，从而行业内的竞争不再单单是成本的竞争，这使得生产异质性产品的低效率企业也能够一直在市场中存在。影响竞争的还有所有制因素和政府补贴。赖俊平[12]发现中国国有企业比例的降低促进了行业全要素生产率的提升。Restuccia和Rogerson[3]发现，在美国企业中，由于存在对低效率企业的补贴阻止其退出，扩大了企业的生产率结构差异，从而会造成总产出和平均TFP减少。
Hsieh和Klenow[1]认为资源配置的效率低下是发展中国家生产率差异普遍较大的主要原因。Loren Brandt等[2]也认为是中国企业严重的资源错配现象导致了生产率差异。
对于全球化带来的市场竞争，Melitz[13]，Helpman[14]认为其对行业内生产率差异的影响可以划分为两个阶段，过渡阶段和均衡阶段。在过渡阶段，出口所带来的选择效应和学习效应会使行业内生产率差异扩大。而在均衡阶段，随着低生产率企业的退出，行业内生产率差异会缩小。Ito和Lechevalier[15]利用日本企业调查数据发现国际化和行业集中度对行业生产率差异有显著的正面影响。
由于影响生产率结构变化的因素众多，在产业发展的不同阶段，某些因素可能会起到主导性的影响作用。本文对中国微观企业的生产率差异及其影响因素的研究，有助于我们更好的判断中国产业发展阶段和资源配置效率，并判断在现阶段是什么推动了特定阶段的生产率结构变化。这些研究结果，将更好的帮助我们依据不同行业特点制定不同的产业政策，加快行业生产率的进步。
本文利用1998—2007年中国规模以上制造业企业数据库，主要使用OP和LP等半参估计方法测算了微观企业生产率，研究了中国二位数行业1998—2007年间的生产率结构的变化过程，对影响行业内生产率差异度的各项因素进行了实证，并利用SFA方法测算的生产率对结果进行了检验。在本文的结构上，第一部分引言之后，第二部分是模型的构建和数据描述，第三部分是实证结果和稳健性检验，最后是结论和政策建议。
二、数据和处理方法
1.数据来源和分组
本文使用1998—2007年中国工业企业调查数据库，该数据库是基于国家统计局进行的“规模以上工业统计报表统计”取得的资料整理而成。数据库的统计对象为规模以上工业法人企业，包括全部国有和年主营业务收入500万元及以上的非国有工业法人企业。该数据库是企业层面的原始数据，截至2007年，收录了33万多家工业企业，占中国工业总产值的95%。值得注意的是，500万的门槛并不是硬性的，样本中的国有企业和一小部分非国有企业销售收入虽然小于500万(大约5%)，但出于样本的尽量多的考虑，本文并未进行删除。
由于各年收集的企业数量众多，我们将不同的年份单独处理，按照行业和地区分别进行划分，采用截面数据分析。由于2004年版的统计年鉴开始采用新的国民经济行业分类体系(GB/T4754-2002)，本文研究的C门类制造业行业分类有所改变。为了保持行业前后的一致性，本文将新统计口径下有所差异的一些产业视为同一类，分别是：“食品加工业”和“农副食品加工业”、“烟草加工业”和“烟草制品业”、“服装及其他纤维制品制造业”和“纺织服装鞋帽制造业”、“石油加工及炼焦业”和“石油加工炼焦及核燃料加工业”、“普通机械制造业”和“通用设备制造业”、“电子及通信设备制造业”和“通信设备计算机及其他电子设备制造业”、“其他制造业”和“工艺品及其他制造业”。此外，加上未变动的22类产业，本文共研究29个C门类制造业。因为西藏的制造业企业太少，不具有研究价值，故本文剔除了所有西藏的样本。
我们使用数据库中的企业登记注册类型，将企业划分为：国有企业、集体和混合企业、私营企业、港澳台商投资企业和外商投资企业。数据库中的股份合作企业、联营企业、有限责任公司、股份有限公司和其他企业，则按照其资本金构成进行了调整。国家资本占比最多的归为国有企业，个人资本占比最多的为私营企业，港澳台资本占比最多的为港澳台商投资企业，外商资本占比最多的为外商投资企业，集体和法人资本占比最多的为集体和混合企业。
2.生产率的测算方法
本文采用了四种方法分别对微观企业生产率进行了估算，分别是劳动生产率法、SFA方法、LP方法和OP方法。
劳动生产率法(Labor Productivity，简称LaP)是指用企业的工业增加值除以企业的员工数来衡量企业的生产率水平。使用劳动生产率法的优点是其经济学意义明确，表明每一单位劳动力生产的产品价值，而其缺点是忽略了其他要素对生产率的影响。新创造的价值是由劳动力、资本和中间投入品等多种要素共同带来的，劳动生产率不能很好的衡量除劳动人数增加以外的因素对生产率增长的影响。
SFA方法为随机前沿分析法，本文采用由Battese和Coelli[16]提出的模型，认为存在一个技术前沿面，企业无法达到技术前沿面，存在非效率项。SFA分析可以计算在位企业距离技术前沿面的距离，衡量企业的生产率变动。
生产率和产出之间存在的内生性是SFA方法所无法解决的，所以本文采用OP和LP等半参数方法以更准确地估算企业的生产率。企业家在生产行为中，能够更直接的掌握企业的生产率，而这是不能够完全被观测到的，这被称之为不可观测的生产率(unobservable productivity)，企业家可以根据这不可观测的生产率来决定扩大或者缩小投入从而扩大或者缩小产出，这就产生了内生性。Olley and Pakes[17]采用了投资作为这些不可观测冲击的代理变量进行生产率估计。然而OP方法本身也存在一些问题，首先用资本不一定能够完全反映出不可观测生产率，如果企业在投资的时候面临扭曲的金融环境，它不能够很好的反映企业的生产中的不可观测生产率。其次是数据原因，在很多国家的数据中，都出现了企业投资为零的情况，这种截断对企业的生产率估计，会造成有偏，大企业存在投资数据的可能性要更大，所以OP方法可能会导致高估平均的TFP。因此Levinsohn and Petrin[18]建议使用中间投入品指标作为不可观测生产率的代理变量，首先其跟生产直接相关，更能反映生产过程中生产率的变化。本文主要以IP方法进行分析，同时为了使结果更加稳健，也同时计算了OP方法和SFA方法作为对照。
本文对生产率的估算主要涉及到工业增加值、固定资产原值、工资、企业职工人数、中间投入品，因此对于数据库中缺失了以上指标的数据进行了删除。
数据库中的固定资产原值和固定资产净值只是会计上的简单加总，而未进行价格上的平减，直接使用会造成对资本投入估算的偏差。为了更好的进行估算，在计算资本存量的方法上，采用Loren Brandt等[2]的方法，使用1993年的分省分行业的固定资产原值，算出1993—1998五年的固定资产原值的增长率，然后按照企业年限将其进行倒推回企业成立时的固定资产净值，再使用Perkins和Rawski[19]的价格平减指数进行平减，得到企业成立时的固定资本存量，其中1978年以前成立的企业，按照1978年成立进行计算。对经过平减的固定资本存量使用永续盘存法以计算每年的资本存量：
通过永续盘存法可以得到企业每年的真实的资本存量。劳动力存量(labor stock)采用的是企业职工人数，不需要进行平减。而中间投入品的平减，直接采用了Loren Brandt 等[2]的中间投入品平减指数，他们是利用2002年投入产出表和中国统计年鉴的产出品价格平减指数计算出来的。
3.生产率差异的趋势和绝对值比较
对生产率差异度的衡量，Helpman，Melitz和Yeaple[20]用行业内企业生产率的帕累托分布(Pareto Distribution)的形状参数(k-(ε-1))来作为行业内生产率差异度的衡量。而对于生产率差异度更简单的处理是Syverson[10]用行业内生产率90%分位数除以10%分位数，记做DP。90%分位数代表了行业内优于其余90%企业的生产率水平，10%分位数代表仅优于行业内10%企业的生产率水平。两者的比值DP反映了行业内生产率差异程度，DP值越高，意味着行业内企业生产率差异度越高。
图1 各行业生产率差异度变化
本文采用了Syverson[10]的方法，用分位数的比值来衡量生产率差异度。我们在图l中展示了各行业用LP方法衡量的75分位数生产率差异度的变化。图2则是日本制造业企业生产率结构1994—2003年的变化。
从变化趋势看，我们发现从1998年到2007年，中国大部分行业的生产率均是呈现缓慢收敛的趋势，表现为生产率差异度DP逐年下降，其中行业13农副产品加工业，行业14食品制造业，行业15饮料制造业，行业23印刷业，行业36专用设备制造业和行业37交通运输设备制造业表现出较为显著的下降。而日本企业总体上却呈现出生产率差异度上升的情况。生产率差异度的收敛与发散取决于分位数比值中分子分母的变化，当90%分位数增长较10%分位数更快的时候，生产率呈现发散的趋势，即DP上升，而当10%分位数增长较90%分位数更快的时候，DP就会下降。中国的企业在1998年到2007年阶段，大多数行业低生产效率企业的生产率提升超过了高生产效率企业。而日本的情况则恰恰相反，90%分位数的增长明显快过10%分位数的增长。
图2 日本制造业企业生产率结构变化此图来源：Ito和Lechevalier[15]，数据年份1994-2003。
表1显示了以绝对数值衡量的中日生产率差异度对比。中国的生产率我们用的是IP方法估计的TFP，而日本则是参数法估计的TFP。从绝对值来看，中国大多数行业的75%分位数上的生产率差异度数值从1998年的2～3的水平下降到2007年的1.29，相当于高效率企业是低效率企业的3.67倍。而日本的75%分位数的数值水平为0.126，相当于高效率企业的生产效率是低效率企业的1.13倍。日本企业的生产率差异度远远低于我国，这也验证了我们最初提出的生产率差异度变化是一个动态趋近于1的过程，从生产率差异度这一绝对量指标可以看出日本产业的资源配置效率和有效竞争程度都远高于我国。日本的制造业产业相比我国，处于一个更高的发展水平和阶段，我国产业发展还有较大的提升空间。
三、生产率差异影响因素及实证检验
1.生产率差异度的影响因素
(1)新技术的应用
正如我们在引言中提到的一样，Caselli[6]和Faggio[7]都倾向认为新技术的应用对生产率差异度有正向的影响。行业对于研发的投入和新技术的应用决定了这个行业的生产率差异度。对研发投入越高的行业，生产率差异度越大。在我们的实证检验中，我们使用新产品比例(New Product Ratio，简称NPR)，即微观企业数据库中新产品产值与工业增加值的比值这一数据来度量企业对新技术的应用程度。
(2)行业集中程度
作为影响生产率差异度的外部因素，Ralf Martin[9]的研究表明行业竞争程度对生产率差异度的影响主要体现在行业内竞争越激烈，低生产率的企业越有可能退出，从而使生产率差异度下降。在完全竞争市场的均衡中，企业生产率不会有差异，低生产率的企业不能在市场中存活。而对于非完全竞争的市场，低生产率的企业可能继续存活在市场中，从而扩大了生产率的差异度。行业集中程度作为衡量竞争程度的一项指标，行业集中程度越高，行业内面对的竞争程度越低，行业内差异度越高，从而对生产率差异的扩大带来正向的影响。本文采用赫芬达尔—赫希曼指数(Herfindahl-Hirschman Index，简称HHI)来衡量2位数行业的竞争程度。HHI是一种测量产业集中度的综合指数，它是指一个行业中各市场竞争主体所占行业总收入百分比的平方和，用来计量市场份额的变化，即市场中厂商规模的离散度。依据Martin对英国企业的研究，HHI指数和DP指数应该是正向关系。
(3)对外开放程度
Melitz[13]认为对于一个已经开放的地区来说，开放程度进一步的深化将会迫使低生产率的内销企业退出市场，从而使得行业内的生产率差异度降低。对外开放程度越高，行业内的生产率差异度也就越低。本文用出口产值比例(Export Ratio，简称ExR)即出口产值占总产值的比重来衡量行业对外开放的程度。在Melitz[13]的理论框架里，ExR和DP应该是负向关系。
(4)企业所有制
对于企业所有制对行业生产率差异度变动的影响的逻辑和竞争类似，对于国有企业来说，其面对竞争时的退出机制与私企和外企相比，更为僵硬。低生产率的国有企业可能依然能够在市场中存在，国企占比上升可能会导致行业生产率差异的上升。我们用国有企业行业密度指标(SOE Index，简称SOEIN)来衡量行业的企业所有制结构，即行业内国有企业工业增加值与行业工业增加值的比值。
2.计量模型
我们通过计算企业层面的生产率构造2位数行业的行业差异度指标，并在2位数行业层面计算影响行业差异度变化的指标，构建了2位数行业下1998—2007年关于行业生产率差异度的面板数据。
在考虑构建计量模型去估计相关变量对生产率差异度影响的时候，由于我们对于行业生产产品的异质性及产品成本结构等影响变量的数据的缺失，而这些数据若简单的归到误差项中，其与现有变量可能存在相关性，故简单进行回归的结果不可避免的会出现不一致的情况。
但考虑到产品的异质性和产品成本结构等因素对于同一个行业来说，可以认为随时间发生的变化较小，是行业特有的属性，虽然与其他解释变量有相关性，但我们可以通过固定效应模型差分掉这些因素，获得较为一致的估计结果。所以我们利用以下模型估算这些指标对行业生产率差异度的影响：
考虑到
和解释变量可能存在相关性，使用随机效应模型可能是不适当的。我们使用Hausman检验来验证我们的考量。Hausman检验的p值为0.0004，拒绝了和前项解释变量不相关的假设。所以我们可以认为，使用固定效应模型对我们的估计是更为有效的。
3.实证结果及分析
我们使用固定效应模型对方程进行估计，估计结果如表3所示。
表3中1～4栏为中国数据实证结果，5～8栏为Ito和Lechevalier[15]利用日本1994—2003年微观企业数据所得到的结果。Ito和Lechevalier[15]采用了两种方法估算企业生产率，一是劳动生产率，实证结果为第5、第6栏。二是名为T.rnqvist index number的估算方法。这一方法对生产函数系数的确定直接来自于现实数据，而不是通过像LP方法一样的计量回归。尽管中日企业生产率在估算方法上有所差异，但由于生产率差异度是一个结构性指标，因此并不影响两国不同模型间的对比。
从不同模型的效度来看，除了新产品应用这一系数对以劳动生产率法衡量的75%分位的生产率差异下是正的，与其他模型不相符，其余的所有参数在方向上都是一致的。而从统计的显著性上来说，新产品投入对生产率差异度的负向影响并不显著，而产业集中度、对外开放程度和所有制因素对生产率差异度的影响则较为显著，LP方法衡量的生产率差异度效果相对较好，但与其他方法得出的结果差异不大。
再将中国企业的实证结果与日本1994—2003年微观企业的实证结果做对比，发现两国得到的实证结果有相似之处，也有完全相反的结论。从总体而言，在前述中数据描述部分，我们已经发现，中日企业处于产业发展的不同阶段，而实证结果也证明了在不同的产业发展阶段，影响生产率结构的因素可能存在差异。
首先，从表3来看，新产品的产出对生产率差异度的影响系数为负，但是大多数均不显著，少数在10%水平上显著。这说明新产品比率提高还是会降低生产率的差异度，但是显著度不高。负的影响不符合预期，即企业研发投入对于行业的生产率差异是降低的，高的生产率企业在技术投入的影响下生产率相对提高的并不多，而低生产率企业会因为高生产率企业的新产品进行模仿，反而会提高的更快，更接近技术前沿面，即新产品生产使低生产率的企业提高的更快。日本得到的估计系数也是负的，用劳动生产率显著性较高，TFP时则符号会发生变动，且不显著。中日企业在新产品的生产和新技术的应用上，并无像Caselli[6]和Faggio[7]所论述的美国企业新技术对生产率高的企业提升显著，从而提高行业的生产率差异。Motohashi[21]认为，日本企业和美国企业相比，新技术应用对生产率差异的影响并没有那么显著，这是由不同的企业文化所带来的，美国公司更愿意利用公司这一形式去进行实验性的前沿探索。而中国企业可能也存在类似日本企业一样的企业文化问题，新技术的应用对中国企业生产率差异的影响并不显著。
其次，从HHI对生产率差异度的影响来看，由中日两国的企业得到的实证结果都较为显著，但中国的结果表明HHI对生产率差异度的影响是负向的，这一结果和日本的结果是恰恰相反的。这与Martin[9]使用英国微观企业1980—2000年的数据得出的实证结果也不符合。日本和英国的实证结果都表明，当一个行业集中度越高，行业的生产率差异度是上升的，因为垄断意味着竞争的不完善和资源的低效配置，低效率的企业难以被淘汰。而中国的实证结果表明，当一个行业集中度越高，行业的生产率差异度是下降的。我们认为这可能是由于不同的产业发展阶段造成了系数方向上的差异。正如前文所述，在不同的产业发展阶段，不同因素对生产率差异度的影响可能会不同。日本和英国等产业发展程度较高的发达国家，产业内垄断或寡头垄断的竞争格局已然较为稳定。而相比日本和英国，我国产业内的竞争格局并不稳定，大多数产业还处于企业数量多，相互竞争并加速产业整合的阶段。对比中国和日本的HHI指标，中国行业最大值仅为0.0615，平均0.00309，而日本行业最大值为0.2681，平均0.0581，日本的产业集中度远远高出我国。所以对于我国来说，尚处于产业整合未完成的阶段，行业内的集中度发展趋势是不断上升的，处于一个不断淘汰落后企业，加速生产率收敛的过程之中。这也就不难理解为何中国HHI指标对生产率差异影响和日本及英国恰恰相反的实证结果了。
再次，相比日本，所有制这一因素是我们的模型中独特的变量。我们发现，国有企业所占比例对生产率差异度有显著的正向影响，也就是说，国有企业比例越高的行业，越倾向拥有较高的生产率差异。这是符合预期的，在竞争中，国有企业可能会受到政府补贴、金融优惠等政策的优待，低效率的国有企业不能够有效的退出市场，从而扩大了生产率差异。Restuccia和Rogerson[3]在美国的研究发现，政府对企业的补贴将会阻止低效率企业退出，扩大了企业的生产率结构差异。中国的数据也证明国有企业比例扩大，生产率差异扩大。从生产率结构的角度，我们的实证结果说明国有企业并不利于资源的优化配置。
最后，对外开放程度对生产率差异度有显著的负向影响，这验证了Melitz[15]的理论，也是符合我们预期的。由于对外开放使得高生产率企业通过出口学习效应[22]，进一步扩大在生产效率上的优势。而同时，也通过更多的竞争，加速了低生产率企业的退出，从而使得生产率差异度降低。日本的数据同样支持这一点，可见在产业发展的较高阶段，扩大对外开放程度依然是提升资源配置效率，优化生产率结构的有效手段。
4.稳健性检验
表3中采用LaP和IP方法估算企业生产率，我们又采用了OP方法和SFA方法进行了稳健性检验，结果如表4所示。
表4结果可以看出，在采用了OP和SFA方法中，其估计结果也跟表3类似。新产品的产出对行业层面生产率结构差异无显著影响，行业集中度对生产率差异度的影响为负，国有企业份额对生产率差异度的影响为正，出口份额对生产率差异度的影响为负。表3的结论是稳健的。
四、结论和政策建议
本文利用中国制造业企业的微观数据，发现中国的生产率结构相比日本还处于相对落后的阶段，并且通过实证发现，行业的集中度、对外开放程度和国有企业密集程度对现行业发展阶段的生产率分散程度有显著的影响。对于我国目前的行业发展阶段，行业集中度越提高，越有利于淘汰落后生产率企业，降低生产率差异度。行业对外开放程度越高，由于开放带来的学习效应使出口企业的生产率进一步提高，并占据更多的市场份额，从而淘汰低生产率的企业，带来生产率差异度的收敛。而行业内国有企业占比的降低，意味着行业内私企和外企的比例上升，这些企业在面对竞争的时候能够更好的做出是否退出行业的决定，故生产率差异度也会下降。同时，新技术的研发投入和新产品的投入对行业生产率差异度的影响并不显著，这可能是由于指标选择及我国研发投入对生产率的作用渠道的差异性所导致的，有待未来进一步深入研究。
基于我们的实证结果，并与日本等国家实证结果的对比，我们认为，中国制造业在生产率结构调整上仍有较大的提升空间。中国制造业行业中依然存在大量低生产率的企业，这些企业的存在，成为了资源配置效率提升的重要障碍。
在政策层面上，我们给出如下建议：首先应当完善新技术应用方面的制度建设。新技术的应用对推动产业进步所起到的作用，从跨国比较数据看，中日都不如美国。美国以企业为主体的研发投入方式优于中日主要依赖研究机构的方式，因为企业主体对新技术的应用有更强的利益激励。所以，在我国制造业升级的过程中，应当通过产权保护体系的完善，给予企业的研发和创新工作更多更有效的激励。
其次，要通过一系列手段推进行业内企业间的资源优化整合，淘汰低效率的企业，促进资源的优化配置。如果低效率企业由于某些因素，不能在市场中有效的退出，将会极大的阻碍我国产业结构的优化升级。在日本产业整合和结构优化的过程中，政府曾出台一系列政策，诸如分阶段取消产业保护政策，资助退出企业的职工进行职业培训等政策，使低效率企业退出，加快资本和劳动力向高效率企业的重新配置，加速高效率企业的扩张。在产业升级的过程中，我国也应当建立和完善落后产业和落后企业的退出机制，对淘汰的落后产能进行一定补偿，对职工进行符合调整方向的职业培训都是可行的办法。
最后，要在制造业行业内丰富竞争主体，鼓励企业参与到更广泛的国际竞争中去。从实证结果看，有效的竞争是优化生产率结构，促进产业升级的最好手段。可以通过降低产业进入的所有制门槛，扩大产业开放水平，使企业更多地参与到与国内和国外私人部门的竞争中去。这些政策都将更好的促进产业内的良性竞争，从而促进产业发展，优化产业内生产率的结构。