全要素生产率估计中代理变量选择的经验规范:来自中国省级和工业数据的证据

时间:2026年3月21日
来源:Economies

编辑推荐:

为提升全要素生产率(TFP)估计的准确性与稳健性,研究人员在控制函数法(CFA)框架下,通过综合比较分析,系统评估了不同代理变量(如能源投入、中间投入)在宏观和中等尺度数据中的应用效果。研究结果为宏观和中观层面TFP估计的代理变量选择提供了实证规范,建议在低异质性情境下优先使用能源投入,而在高异质性情境下则选用中间投入。这项工作为政策制定者和研究者改进TFP测量、进行更可靠的经济分析提供了标准化框架。

广告
   X   

在衡量一个国家或地区经济增长质量和技术进步时,全要素生产率(Total Factor Productivity, TFP)是一个绕不开的核心指标。它代表了产出增长中无法被资本、劳动等传统生产要素所解释的“剩余”部分,通常被视为技术、管理和规模效率进步的体现。然而,尽管TFP的概念至关重要,但要准确测量它却并非易事,这背后是方法论的多样性、理解上的误区以及数据层面的诸多挑战。
目前,估算TFP主要有生产函数法(Production Function Approach, PFA)、控制函数法(Control Function Approach, CFA)、随机前沿分析(SFA)和数据包络分析(DEA)等几类方法。其中,CFA(以Olley和Pakes以及Levinsohn和Petrin等方法为代表)因其能够较好地处理内生性问题,在微观企业层面的研究中已成为“黄金标准”。但当研究视角上升到产业、省份甚至国家等宏观或中观层面时,情况变得复杂起来。一方面,CFA在这些层面的应用研究相对匮乏;另一方面,一个关键但长期被忽视的问题是代理变量的选择。在CFA框架中,代理变量(如投资、中间投入等)被用来捕捉不可观测的生产率冲击,其选择会直接影响最终的TFP估计结果。然而,现有研究对于如何在宏观和中观层面选择最合适的代理变量,缺乏明确的实证指南和选择标准。这导致不同研究得出的TFP结果可能差异巨大,不仅影响分析的稳健性,也可能使基于TFP制定的经济政策偏离实际。
为了填补这一研究空白,并为宏观和中观层面的TFP测量提供一个更可靠、标准化的框架,朱永清和姚丰彤展开了一项深入研究。他们的目标很明确:系统评估不同TFP估算方法在宏观和中观层面的表现,并重点关注在CFA框架下,不同代理变量的选择如何影响TFP的估计结果,最终为代理变量的选择提供基于实证的规范。
研究人员采用了一个综合性的方法论框架,整合了显著性分析、稳健性分析和比较分析。他们利用了1998年至2022年间中国30个省份三大产业的数据,采用理论上可比的方法进行了全面的TFP计算。具体而言,他们同时使用了PFA中的普通最小二乘法(OLS)和固定效应法(FE),以及CFA中的多种方法(基于不同的代理变量,如能源投入、中间投入、增加值等),对相同的数据集进行估计和比较。
研究假设与检验框架
研究提出了两个渐进式的假设进行检验:
  • 假设1:CFA在测量TFP方面优于PFA。这个假设从两个层面评估:一是模型整体拟合优度和变量显著性;二是TFP估计结果的波动性(稳定性)。
  • 假设2:在CFA框架内,能源投入是最优的代理变量。研究人员基于数据和理论,设定了“能源投入”、“中间投入”和“增加值”作为CFA中待检验的代理变量。
主要研究发现
  1. 1.
    CFA与PFA的比较结果:研究表明,在拟合优度和变量显著性方面,CFA的表现与传统的PFA相当(未能完全验证假设1的第一层面)。然而,在降低TFP估计的波动性方面,CFA显著优于PFA,能够提供更稳定的TFP测量结果(验证了假设1的第二层面)。这说明CFA在宏观层面数据上,对于获得一个更平滑、更合理的TFP时间序列具有优势。
  2. 2.
    代理变量选择的决定性影响:一个关键发现是,代理变量的选择对最终的TFP结果具有显著影响。不同的代理变量会导致估计出的TFP水平、增长率乃至其波动模式产生明显差异。这突显了在应用CFA时明确和合理化代理变量选择的极端重要性。
  3. 3.
    最优代理变量的选择规范:尽管假设2(能源输入为最优)未被完全验证,但研究得出了一个更具普适性和指导意义的实证规范:对于低异质性的研究对象(如产业结构、技术水平相近的省份或产业),能源投入是更优的代理变量;而对于高异质性的研究对象,中间投入则是更佳的选择。 这为研究者在不同情境下选择代理变量提供了清晰的决策依据。
  4. 4.
    对现有TFP增长率的评估:通过将本研究计算出的TFP增长率与现有可靠的TFP增长率进行比较,作者发现,通常公布的一些TFP增长率数据可能被高估了。这进一步强调了研究方法与代理变量选择规范化对于获得准确经济指标的重要性。
研究结论与意义
朱永清和姚丰彤的这项研究,为宏观和中观层面的全要素生产率估计做出了重要的方法论贡献。它系统地揭示和实证了CFA框架下代理变量选择对估计结果的重大影响,这一发现在以往的中宏观研究中常被忽视。更重要的是,研究提出了一个基于数据异质性程度的、标准化的代理变量选择框架,即“低异质性用能源,高异质性用中间”。
这项研究的意义深远。首先,它提高了TFP测量的准确性和结果的可比性,使得基于TFP的跨国、跨地区、跨时期的经济分析更加可靠。其次,它为经济学者和政策分析师提供了一个实用的工具,在选择TFP估计方法特别是CFA中的代理变量时,有了明确的经验法则可循,减少了方法的误用和结果的随意性。最后,更稳健的TFP估计有助于更精准地识别经济增长的源泉,评估技术进步的真正贡献,从而为制定更有效的创新政策、产业政策和区域发展政策提供坚实的实证基础。这项研究发表在《Economies》期刊上,为经济增长和生产率的学术研究及政策实践提供了宝贵的见解。

生物通微信公众号
微信
新浪微博


生物通 版权所有