郑江淮 荆 晶
基于Solow（1956）构建的基础增长核算框架，可以将经济增长分解为要素投入和全要素生产率（TFP）贡献，早期的研究表明高收入国家经济增长的较大比例来自于TFP的增长，而中国主要依靠大量的要素投入推动经济增长，全要素生产率对经济增长的贡献有限，这种粗放型经济增长模式被认为是不可持续的（Krugman，1994；
Young，2003）。
中国的经济发展趋势似乎印证了上述观点。目前中国确实已进入了经济增速换挡期，由年均10%以上的高速增长逐步过渡至6%左右的中高速增长，并且在经济发展过程中面临着许多新的困难，如资本回报率下降，劳动力成本上升，地区发展结构不平衡等问题，单纯依靠要素投入驱动的粗放型经济增长模式难以维系。在这种背景下，党的十九大报告指出，中国经济要转向高质量发展阶段，需要转变发展方式、优化经济结构、转换增长动力。那么，中国之前的经济增长依赖哪些动能，与其他国家相比又有什么不同，未来又能依赖哪些动能？为回答这些问题，需要进一步对经济增长进行分解，尤其需要打开全要素生产率的黑箱，厘清全要素生产率中包含了哪些动能因素，揭示全要素生产率变动的内在机制以及驱动因素。
已有针对中国经济增长核算的相关文献大多认可固定资本投入是中国经济增长的主要动能因素，但在全要素生产率在中国经济增长过程中是否也是主要驱动因素方面则存在一定争议。王小鲁（2000）发现中国1979至1999年间全要素生产率平均增长率为1.46%，对经济增长的贡献率为14.9%；
郭庆旺、贾俊雪（2005）估算中国1979至2004年全要素生产率平均增长率仅为0.891%，对经济增长的贡献率也只有9.46%；
王小鲁等（2009）估计中国1999至2007年全要素生产率增长率为3.6%；
白重恩、张琼（2015）估计中国1978至2007年全要素生产率平均增速为3.9%，2008—2013年TFP年均增长率下降为1.8%。
也有很多文献尝试打开全要素生产率的黑箱。现有研究表明，全要素生产率包含了技术进步、资源配置效率、设备使用率、规模经济、要素和管理质量提升以及扩散效应等多种含义（Jorgenson and Griliches，1967；
Maddison，1987；
Aghion and Howitt，2007）。王小鲁等（2009）实证发现中国全要素生产率提升主要来自于市场化和城市化改革，基础设施改善以及人力资本效应；
靳涛、陶新宇（2015）则强调科技进步、城市化、对外开放、政府主导以及国有企业改革等对全要素生产率提升的促进作用；
李平（2016）提出全要素生产率提升主要来自技术进步，技术效率改善以及结构转换等；
张豪等（2017）发现中国全要素生产率增长主要来自于技术进步，其次是规模效应；
郑江淮等（2018）提出资源再配置、全球价值链攀升等结构动能是中国经济长期增长的重要动力来源，而在2008年后，人力资本以及创新投入等供给侧动能贡献不断提高；
郝大江、张荣（2018）提出要素在空间上的集聚效应是促进经济增长的长期动力；
许宪春等（2020）则发现中国全要素生产率增长主要源于行业内全要素生产率增长以及行业间的劳动力再配置。
劳动力技能水平的提升也被认为是全要素生产率提升的重要驱动因素。Lucas（1988）发现教育和人力资本提高可以显著促进经济增长和技术进步；
Romer（1990）指出人力资本水平的提升有助于促进社会整体生产率的提高；
Fleisher et al.（2009）的实证研究也表明中国1978—2003年人力资本提高显著提高了全要素生产率水平；
程红等（2016）基于中国企业-员工匹配调查数据，发现劳动技能结构对企业全要素生产率提升具有较强的促进作用；
张勇（2020）针对中国1978—2017年的实证研究则表明中国人力资本投入对经济增长的平均贡献率为10.8%。
近年来，已有很多文献发现，技术进步是有偏的，随着技能劳动力占比的提升，技术进步将相对提升技能劳动力的技术效率水平（Acemoglu，1998），然而目前很少有文献将技能偏向性技术进步因素纳入经济增长核算框架中。
本文尝试从供给侧出发，在基础的增长核算框架内引入异质性劳动力投入以及偏向性技术进步，从而构建一个新的经济增长动能分解框架，将经济增长分解为资本投入、劳动投入、技能结构深化、偏向性技术进步、中性技术进步及效率改进等五种动能，分别计算了这五种动能对经济增长的贡献，并对比了不同国家间的增长动能情况。本文的研究结果表明，中国的经济增长由资本要素积累以及全要素生产率提升共同驱动，其中技能结构深化以及技能偏向性技术进步是TFP增长的主要来源，而资源配置效率的变化则是导致全要素生产率波动的主要原因。
本文与现有文献的差别及可能的创新之处在于：第一，本文将不同技能水平的劳动力作为直接投入的生产要素，而非以人力资本形式，这是因为不同类型劳动力间可能是不完全替代的，简单的加总不能很好刻画技能劳动投入对产出的实际贡献，同时，人力资本积累对经济增长的影响是非对称的，提高劳动力的人力资本水平更多影响的是技能劳动力的生产率水平（Stokey，2021）。第二，本文考虑了偏向性技术进步对经济增长的影响，不同技能水平劳动力可以使用不同的技术，并且这些技术的增长率可能是不同的。第三，本文允许不同国家以及不同技能水平劳动力具有特定的技术进步形式，并直接使用数据推得各国偏向性技术进步形式。第四，本文在基础的包含资本与劳动的C-D生产函数基础上嵌套了一个包含异质性劳动力投入以及偏向性技术进步的CES函数，从而将资本、低技能劳动力、高技能劳动力、偏向性技术进步等因素均纳入增长核算框架内，并且可以与现有增长核算文献相关结果进行比较。
本文的理论意义在于对基准增长核算方法进行了拓展，量化分析了技能结构深化以及技能偏向性技术进步这两种新动能对经济增长的贡献。本文的现实意义在于，通过对中国经济增长的动能分解，并与其他国家相比较，揭示了中国经济增长的奇迹背后，不仅仅是依靠大量的资本要素投入，技能劳动力培养以及技能偏向性技术进步同样发挥了重要作用，并且技能深化以及技能偏向性技术进步对于高收入国家而言也是重要的经济增长动能。本文的政策含义是在高质量发展阶段，技能结构深化以及技能偏向性技术进步将成为中国经济持续稳定增长的关键动能因素，政府要将促进技能偏向性技术进步以及技能劳动力供给侧改革作为长期的发展战略和政策取向。
本文主要与两类文献密切相关，首先是技能偏向性技术进步理论。技能偏向性技术进步理论的提出主要是用来解释20世纪70年代以来发达国家的长期技能溢价现象（Autor et al.，1998；
Acemoglu，2002）。针对中国的研究也发现，中国同样也存在技能偏向性技术进步，并且引致了技能溢价以及地区不平等问题（宋冬林等，2010；
陆雪琴、文雁兵，2013；
陈勇、柏喆，2018；
郭凯明、罗敏，2021）。
偏向性技术进步同样也存在经济增长效应，目前大部分文献都强调技术进步方向与要素禀赋匹配有助于提高全要素生产率水平，发展中国家直接引进、吸收和改进发达国家的先进技术与自身要素禀赋不匹配是导致发展中国家与发达国家间产生生产率差异的重要原因，因此要采用适宜性技术以促进经济增长（Basu and Weil，1998；
Acemoglu and Zilibotti，2001；
林毅夫、张鹏飞，2006；
孔宪丽等，2015；
余东华等，2019）。
第二类文献是经济增长核算相关文献。经济增长核算是基于生产函数对经济增长动力来源进行近似分解，可以用来量化分析特定部门或新技术对经济增长的贡献，进而用来比较不同国家或部门经济增长表现的优劣（Crafts and Woltjer，2021）。王家庭等（2019）、赵文（2021）以及李展（2022）等基于经济增长核算方法分析了中国劳动生产率增长的主要来源，他们的研究表明，资本投入以及部门间的结构变化是中国长期以来劳动力生产率增长的主要驱动因素，技术进步对经济增长的贡献正逐步提升。Cette et al.（2022）对1960至2019年30个发达国家的经济增长核算结果则表明，发达国家劳动生产率的主要增长来源是全要素生产率增长，同时资本深化以及教育同样扮演了重要角色。
也有文献进一步分解核算了偏向性技术进步对经济增长的贡献。马洪福、郝寿义（2018）基于时变弹性生产函数框架，利用反事实分析方法发现有偏技术进步可以通过改变要素产出弹性直接提高全要素生产率，但同时又会通过改变要素投入结构而抑制全要素生产率增长。杨翔等（2019）运用数据包络分析法（DEA）度量了技术进步的偏向性，并发现中国工业行业技术进步以中性技术进步为主，偏向性技术进步对技术进步的贡献率为12.5%。雷钦礼、徐家春（2015）、封永刚等（2017）、李小平、李小克（2018）、余东华等（2019）使用对数线性化方法展开CES生产函数，从而对TFP增长率进行分解，进而得到偏向性技术进步对TFP增长率的影响，他们的研究表明资本偏向性技术进步可以解释中国宏观以及大部分工业行业全要素生产率增长，并且贡献率是在逐年上升的。
然而现有研究存在三个问题，第一，传统的经济增长核算框架通常将生产函数设定为固定产出弹性的C-D函数形式，而出于度量技术进步偏向性的需要，现有研究中大多需要将生产函数设定为时变产出弹性生产函数或CES函数形式，这就使得在考虑偏向性技术进步因素后得到的经济增长核算结果较难与现有研究结果进行比较（Prados et al.，2021）。而本文则选择在C-D生产函数基础上嵌套一个包含两种异质性投入的CES函数，使得本文分解得到的结果中既包含技能结构深化、中性技术进步、偏向性技术进步等新动能贡献，也包含资本、劳动投入等传统动能贡献，从而可以与传统经济增长核算框架下的研究结果相比较。
第二，现有分解核算偏向性技术进步对经济增长贡献的文献大多是对生产函数的不完全分解，更多强调偏向性技术进步对总体技术进步或者全要素生产率增长的贡献，较少提及偏向性技术进步对经济增长的总体贡献，并且没有与要素投入等传统动能的贡献进行比较。
第三，现有实证研究大多着眼于资本偏向性技术进步，而在经济增长核算框架中考虑技能偏向性技术进步的文献相对较少，尤其缺少度量技能偏向性技术进步对中国经济增长贡献的实证研究，本文将做出相应补充，并通过跨国比较方式，指出技能结构深化以及技能偏向性技术进步将成为中国经济持续稳定增长的关键动能因素。
与本文结果密切相关的文献为Rossi（2022），他们基于12个国家微观数据的实证研究结果表明，技能偏向性技术进步每提高1.11%可以促进人均GDP提高1%。本文的实证分析结果同样表明技能偏向性技术进步可以显著促进经济增长，并且本文进一步通过增长核算方法分解得到了技能偏向性技术进步对经济增长的贡献及其变动趋势。
此外，Barany and Siegel（2021）设定了一个与本文类似的增长核算框架以分析1960至2017年美国产品部门劳动率的驱动因素，他们的结果表明技术进步在不同部门以及不同要素间均存在差异，而部门间生产率差异主要来源于技术进步的方向以及技术进步增长率。该结论也与本文基本结论较为相似，但本文的分析主要着眼于宏观层面的经济增长动能分解，而非比较部门间经济增长驱动因素的差异。
传统的经济增长核算框架通常将生产函数设定为如下包含资本和劳动两种要素投入的C-D函数
现有文献在考虑劳动投入异质性时通常是在（1）式的基础上加入衡量劳动力投入质量或人力资本的参数，从而将劳动投入中的技能水平变化分离出来。而本文则将劳动要素投入分为技能劳动力和非技能劳动力两种类型，并假定劳动产出为两种异质性劳动投入的CES函数。此外，本文还假定存在偏向性的技术进步，从而将生产函数形式设定为
其中Y为最终产出，K、H、L分别为资本、技能劳动力和非技能劳动力投入，α和1-α分别为资本和劳动的产出弹性系数，并且0＜α＜1。本文假定技能劳动力与非技能劳动力间存在替代关系，替代弹性为σ＞0。本文还假定技能劳动力与非技能劳动力使用不同的技术，技能劳动力使用的技术效率参数为非技能劳动力则为上述设定意味着技术进步是非中性的，当技能增强型技术进步速度更快，即时，技术进步是技能偏向性的，反之则为非技能偏向性的。
如果在（2）式中不考虑技能劳动力与非技能劳动力间的替代关系时，本文设定的生产函数与传统考虑劳动投入质量或人力资本的生产函数是相似的，此时非技能劳动力技术效率参数的变化可看作是哈罗德中性技术进步，而技能劳动力技术效率参数AH t的变化则包含哈罗德中性技术进步以及人力资本积累带来的生产效率提升。
对（2）式的生产函数两边取对数可得
假定Ht=ℎtNt，Lt=(1-ℎt)Nt，其中Nt为t期总的劳动力投入，ℎt为技能劳动力投入比例。从而可将（3）式改写为
参照Kmenta（1967）和Thursby and Lovell（1978）对CES生产函数的近似方法，对函数
在f(0,0)处二阶泰勒展开可得到（4）式的近似等式，并进一步得到产出增长可近似分解为
与传统的经济增长核算框架相比，本文的分解结果中同样包含物质资本投入增长贡献αΔlnKt，以及劳动投入增长贡献(1-α)ΔlnNt，二者可以视作经济增长的常规动能。因此，本文得到的分解结果可与现有经济增长核算结果相比较，区别主要在于本文对索洛余值的做出了新的分解与解释。
在本文所使用的经济增长核算框架中，作为经济增长新动能的全要素生产率增长，即索洛余值（tfp）由劳动力技能结构深化、中性技术进步以及偏向性技术进步三部分组成：
上式第一部分E1仅包含技能结构因素，可以度量技能结构深化对经济增长的贡献；
第二部分E2中，技能增强型技术进步与非技能增强型技术进步的变化对两种劳动要素的影响是中性的，因此该部分可以度量中性技术进步对经济增长的影响；
第三部分E3中的变化会相对提高某种技能水平劳动力的生产率水平，即该部分中包含了偏向性技术进步对经济增长的影响，同时该部分中还包含了技能偏向性技术进步与技能结构深化的协同效应，现有文献大多将其独立出来，而本文认为，适宜性技术进步是偏向性技术进步研究中的一个重要领域，技能偏向性技术进步与技能结构深化的协同效应对经济增长的贡献可以归并于技能偏向性技术进步贡献之中。
与现有偏向性技术进步研究相比，本文所列（6）式中并不包含资本以及劳动力投入要素，即改变要素投入大小不会影响全要素生产率，这与索洛余值的定义更为一致。同时，本文在计算技能结构深化对经济增长的贡献时考虑了技能劳动力与非技能劳动力之间不完全替代关系，而非简单地计算劳动技能结构变化，同时计算过程中仅需用到技能劳动力占比数据，而无需估算人力资本投资流量以及折旧量，进而估算得到人力资本存量数据。
（一）估计模型设定
本文首先设定了以下实证模型以检验劳动力技能结构深化以及偏向性技术进步对全要素生产率水平是否具有提高效应，进而验证本文所构建的增长核算分解式的合理性：
其中Skilli,t是i国t时期技能结构水平，SBTCi,t表示技能偏向性技术进步水平，其计算表达式为：
此外，本文还控制了城市化水平，外商直接投资以及政府投入等可能会对国家全要素生产率水平产生影响的因素。同时本文在回归中也加入了时间固定效应，以控制经济周期对本文回归结果的影响。
（二）数据来源和变量说明
本文所使用数据均来自于2013版WIOD数据库，时间跨度为1995—2009年，各变量数据处理方法如下。
增加值（Y）：本文使用了WIOD数据库提供的各国增加值数据，并使用历年增加值价格指数进行平减。在此基础上，也可以进一步计算出历年增加值实际增长。
资本投入（K）：WIOD数据库提供了各国历年实际固定资本存量（1995年不变价），本文将其作为资本投入，资本投入的增长情况也由资本存量变化计算得到。
劳动力投入（N）：从业人员人数和工作小时数均为常见的用来衡量劳动力投入的指标，WIOD数据库同样也提供了各国历年从业人员人数数据，但细分到技能劳动力和非技能劳动力投入时，仅提供了从业人员工作小时数数据，因此本文统一使用从业人员工作小时数衡量劳动力投入。
技能结构（Skill）：WIOD数据库将劳动力分为高技能劳动力、中等技能劳动力和低技能劳动力三类，本文参照Acemoglu（1998）的定义，将中等技能劳动力和低技能劳动力统一归类为非技能劳动力，并将技能劳动力与非技能劳动力工作小时数之比作为技能结构的代理变量。
资本报酬份额（πK）：本文使用WIOD数据库提供的资本报酬总额数据除以增加值得到了资本报酬份额。
技能劳动力报酬份额（πH）和非技能劳动力报酬份额（πL）：分别使用技能劳动力和非技能劳动力在劳动报酬中所占比例乘以劳动报酬总额可以得到各类劳动力的报酬总额，再除以增加值可以得到各类劳动力在总体报酬分配中所占的份额。
利率（r）和劳动力工资（w）：使用实际的资本报酬总额①统一使用增加值价格指数平减。除以固定资本存量可以得到资本利率，同样使用各类劳动力的实际报酬总额除以工作小时数可以得到各类劳动力的实际小时工资。
蛋白定量采用Bradford法，波长595 nm测定蛋白浓度，用标准牛血清白蛋白绘制标准曲线，对制备样品蛋白溶液定量。
控制变量。城市化水平（Urban）、外商投资（FDI）、政府投入（Gov）等变量数据均来自于世界银行发展数据库。
各变量的描述性统计如表1所示。
表1 描述性统计结果
（一）技能偏向性技术进步估计结果
本文使用标准化供给面系统方程组分别估计了34个国家的技能劳动力与非技能劳动力替代弹性，各参数估计结果如表2所示：
表2 替代弹性等参数估计结果
从参数回归结果来看，各国规模报酬参数ξ均接近于1，没有明显的规模报酬递增或递减；
成本加成率μ的估计结果则均接近于0，说明在考虑不同技能水平劳动力投入情况下，市场垄断情况并不明显。各国资本报酬份额α的估计结果则存在较大差异，大部分欧美发达国家的资本报酬份额居于0.3～0.4区间，中国等发展中国家的资本报酬份额则接近甚至大于0.5。
本文估计得到34个国家技能劳动力与非技能劳动力替代弹性均值为1.77，不同国家的估计结果存在较大差异，这也意味着在做跨国比较研究中，使用统一的技能劳动力与非技能劳动力弹性可能是不合适的，会导致最终结果出现误差。现有文献对技能劳动力与非技能劳动力替代弹性大多居于1.4～2.0区间（Katz and Murphy，1992），本文估计得到的替代弹性均值也处于该区间。
由参数估计结果也能发现，大多数国家在1995—2009年之间是呈现技能偏向性技术进步的（γH-γL＞0），但也有一部分国家技术进步是非技能偏向性的，其中既有中低收入国家，如印尼、巴西等，也有加拿大等高收入国家。而由图2可知，总体而言，人均GDP水平越高的国家，技术进步越偏向于技能劳动力，技能偏向性技术进步速度也越高。
中国在该时期内的技术进步是技能偏向性的，根据（8）式计算的技能偏向性指数SBTC的变化趋势如图2所示，可以看出，中国的技能偏向性技术进步是相对稳定的，尤其是在1996—2004年间技能偏向性技术进步速度较快，而在2004年后技术进步速度有所放缓。
图2 中国技能偏向性技术进步指数变动趋势
（二）技能偏向性技术进步对经济增长回归结果
在估算得到各参数情况下，利用（8）式可计算得到偏向性技术进步指数（SBTC），并在此基础上对（7）式的回归方程进步估计。本文分别使用了差分GMM（Diff-GMM）和系统GMM（SYS-GMM）两种方法进行估计，具体结果如表3所示。
表3 基准回归结果
回归结果表明，技能结构深化，即提高技能劳动力投入比例有助于促进全要素生产率增长。技能劳动力生产效率更高，对新技术新设备的使用能力更强，投入技能劳动力更利于企业模仿吸收前沿技术，也是提升人力资本的主要方式。
技能偏向性技术进步指数的回归系数为负，这与本文的预期完全相反。根据（6）式，由于各国技能劳动力占比均是不断提高的，因此技能偏向性技术进步指数对全要素生产率的边际效应正负性主要取决于替代弹性的大小，当σ＞1时，技能偏向性技术进步对全要素生产率的边际效应才会为正，反之则不然。而本文使用标准化供给面系统方程组估计的结果中，有多个国家的技能劳动力与非技能劳动力替代弹性σ的估计值小于1，因此直接使用（8）式定义的技能偏向性技术进步指数进行回归并不合理，需要进一步考虑替代弹性的影响。而在考虑弹性系数影响，即使用(σ-1)/σ*ΔSBTC作为解释变量后，回归系数为正。这意味着，当且仅当技能劳动力与非技能劳动力间是替代关系时，技能偏向性技术进步才会显著促进全要素生产率提升，而当技能劳动力与非技能劳动力间是互补关系时，非技能偏向性技术进步更能促进经济增长，这与适宜性技术进步的结论是一致的。
控制变量方面，城镇化、FDI以及政府支出等都能显著促进全要素生产率增长。城镇化水平提高，意味着剩余劳动力从低生产率的农业部门转移至生产率相对更高的城市非农部门，提升了资源配置效率，从而带动整体全要素生产率提高。FDI会带来技术溢出效应，同样也有助于提高全要素生产率。政府用于基础设施改善以及基础科技研发活动的支出，对于提高全要素生产率同样有着显著作用。
（三）稳健性检验
本文基准回归部分的结果可能会受到技能劳动力与非技能劳动力间替代关系的影响，首先是技能偏向性技术进步对经济增长的影响可能来自于替代弹性。现有对资本-劳动替代弹性的研究表明，资本-劳动替代弹性会受到经济发展水平的影响，同时资本-劳动替代弹性对经济增长率也会产生正向影响，替代弹性越大，经济增长率越高。技能劳动力与非技能劳动力替代弹性同样也可能与经济发展水平以及经济增长率相关。
图3给出了经济发展水平与不同技能水平劳动力替代弹性的关系，从中可以发现大部分国家技能劳动力与非技能劳动力间是替代关系，34个样本国家中仅有11个为互补关系。同时，经济发展水平与不同技能水平劳动力替代弹性间存在一定的正向联系，即人均GDP越高的国家技能劳动力与非技能劳动力间的替代弹性通常越大，人均GDP低于20000美元（2010年不变价）的国家大部分技能劳动力与非技能劳动力之间均为互补关系，高于20000美元的国家则大部分为替代关系。但经济发展水平与不同技能水平劳动力替代弹性间的这种正向联系并不是绝对的，如中国、印度等发展中国家不同技能水平劳动力替代弹性较大，而美国、芬兰、加拿大等发达国家劳动力替代弹性则接近于1。
图3 经济发展水平与替代弹性
同样，由图4可知，技能劳动力与非技能劳动力间的高替代弹性并不能引致更快的全要素生产率提升速度，反之也不成立。因此，技能劳动力与非技能劳动力间的替代弹性大小并不会对全要素生产率以及经济增长产生正向影响。
图4 替代弹性与全要素生产率
其次是本文对替代弹性的估计可能存在误差，进而对实证结果产生影响。为进一步减少替代弹性对实证结果的影响，本文考虑使用固定的替代弹性值代替供给面方程组估计得到的结果。现有文献中大多假定技能劳动力与非技能劳动力间的替代弹性为1.4或2，在这两种情形下，技能劳动力与非技能劳动力间均为替代关系，而供给面方程组估计结果显示部分国家异质性劳动力间是互补关系，因此本文也考虑了替代弹性为0.5的情形。将各国异质性劳动力间的替代弹性固定为上述三个值后，重新计算了技能偏向性技术进步指标（SBTC），并分别使用差分GMM方法做了回归，回归结果如表4所示。
表4 稳健性回归结果
表4的回归结果表明，当技能劳动力与非技能劳动力间替代弹性被固定为1.4或2时，技能偏向性技术进步回归系数仍然显著为正，而当技能劳动力与非技能劳动力间替代弹性被固定为0.5时，技能偏向性技术进步回归系数则变为负。这意味着，当技能劳动力与非技能劳动力间为替代关系时，技能偏向性技术进步可以促进全要素生产率提升，而当技能劳动力与非技能劳动力间为互补关系时，技能偏向性技术进步则会阻碍全要素生产率提升，这与基准回归得到的结论是一致的。此外，当将(σ-1)/σ*ΔSBTC作为解释变量后，回归系数始终为正，且使用不同的固定弹性值不会对系数大小产生影响。使用系统GMM方法进行回归后也可以得到同样的结论。因此，固定弹性的估计结果不会对本文结论产生影响，本文实证部分的结论是稳健的①受篇幅限制，本文在稳健性检验部分仅报告了差分GMM回归结果，系统GMM回归结果与差分GMM回归结果基本一致，仅在系数大小以及控制变量回归系数显著性上略有差别，但不影响本文总体结论。。
在验证技能结构深化以及偏向性技术进步对全要素生产率提高的促进作用基础上，本文将进一步利用经济增长动能分解框架计算各国经济增长中各类因素的贡献。
使用实证部分计算得到的技能偏向性技术进步指数代入（4）式可以得到
其中εt是产出增长减去要素投入贡献、技能结构深化贡献以及技能偏向性技术进步贡献后的余值项，包含了中性技术进步以及资源配置效率等对经济增长的影响。本节在增长分解中将中性技术进步因素与资源配置效率合并，并使用余值项代替，而不是分别进行计算，是因为第一，本文主要是为了分析技能结构以及偏向性技术进步对经济增长的影响，第二，计算偏向性技术进步指标SBTC时仅需使用利润最大化一阶条件，而分别计算每年技能增强型技术进步率以及非技能增强型技术进步率以加总得到中性技术进步率则需要额外的假设，使用标准化供给面系统方程组中得到的γH+γL代替则不能很好地反映中性技术进步每年的变化情况。当然这种处理方式并不会影响本文对于技能结构以及技能偏向性技术进步对经济增长贡献的分析。
根据（9）式可计算1995—2018年各国新旧动能对经济增长的年均贡献。由于2013版WIOD数据库仅提供了1995—2009年各国不同技能水平劳动力投入以及收入数据，仅使用该数据库分析各动能对经济增长贡献存在年限较短且时效性较差等问题。因此本文需要引入其他数据以将分析结果拓展至2018年①本文在回归分析部分仅使用了1995至2009年样本数据，主要是因为2010至2018年数据缺失较为严重，需要使用插值法补充数据，数据质量相对较差。同时当将样本数据拓展到2018年时，得到的是一个长面板数据，此时两阶段GMM回归估计是无效的。而在动能分解分析部分为了能保证分析具有时效性，将样本数据拓展至2018年是有必要的，而且使用插值法并不会改变总体的动能贡献变动趋势。当然本文在使用14个国家2010至2018年面板数据的回归结果与本文回归分析部分结果基本是一致的，因此回归分析部分的样本年份选择并不会改变本文的基本结论。，新的数据来源及处理方法如下。
固定资本投入：世界银行发展数据库（WDI）提供了各国历年实际固定资本形成额（2010年不变价），本文将折旧率统一设定为4%，并在此基础上采用永续存盘法计算了固定资本存量。该数据库中仅提供了2010年中国实际固定资本形成额，其他年份数据来自历年中国统计年鉴，并以2010年为基期使用历年固定资产投资价格指数进行平减。
劳动投入：世界银行发展数据库（WDI）提供了各国劳动力规模以及国家层面估计的失业率数据，在此基础上，本文计算得到实际投入的劳动力规模。
技能劳动力投入：世界银行发展数据库（WDI）并未提供劳动力投入中技能劳动力比例数据，参照Barro and Lee（1993，2013），本文采用25岁人口中至少接受过短期高等教育人口比例指标作为代替。该指标存在数据缺失的情况，本文使用2013版WIOD数据库补充了1995—2009年的缺失数据，由于WIOD数据库中报告的技能劳动力投入为投入时间，而世界银行发展数据库仅提供了技能劳动力人数比例，因此在补充数据过程中需要先根据现有数据估算两个数据库中指标间的比例关系，再对数据进行调整补充。2010年及之后的缺失数据则使用插值法进行补充。中国的技能劳动力投入数据则来使用历年劳动统计年鉴提供的大专及以上劳动力投入比例指标，部分缺失年份数据同样使用插值法进行补充。
技能溢价：根据WIOD数据库相关指标可计算得到1995—2009年各国技能溢价水平。而OECD数据库提供了部分OECD国家2010—2018年受过不同教育的劳动力的平均工资水平，本文首先根据WIOD数据库中的相关指标计算得到各国低技能劳动力与中等技能劳动力投入比例，进而计算各国2010—2018年中等及以下技能水平劳动力的平均工资（低技能劳动力比例*低技能劳动力平均工资水平+中等技能劳动力比例*中等技能劳动力平均工资水平），最后在此基础上可计算得到技能溢价水平（高技能劳动力平均工资/中等及以下技能水平劳动力平均工资）。中国1995—2009年技能溢价数据同样来自于WIOD数据库，2011年及2015年技能溢价数据则根据中国健康与营养调查（CHNS）提供的调查数据计算得到，其余年份使用插值法进行补充。
受到数据可得性限制，本文仅计算得到14个国家1995—2018年各动能对经济增长的贡献情况②其余国家则可以利用WIOD数据库提供的数据分解得到1995至2009年各动能对经济增长的贡献，受篇幅限制，本文未列出相关结果。，其均值如表5所示。
表5 1995至2018年14个国家经济增长动能分解结果
典型事实一：资本投入增长是各国经济增长主要的动力来源之一，高收入国家资本投入增长主要来自于内生资本积累，中低收入国家则主要来自额外资本投入。
中国1995至2018年GDP年均增长率为8.68%，其中资本投入增长年均贡献为5.35%，贡献率达到了61.64%，是经济增长的最主要驱动因素。本文动能分解所使用的样本中另一个处于中低收入阶段的国家，墨西哥GDP年均增长率为2.68%，其中资本投入增长对经济增长的贡献率是达到了99.08%，即墨西哥在1995至2018年的经济增长几乎完全可以用资本投入增长来解释。高收入国家中资本投入增长贡献率则相对较低，其中美国资本投入对经济增长的贡献率为46.99%，其他国家的资本投入增长贡献率则在30%左右。
进一步考虑固定资本投入增长的机制，在索洛经济增长模型中，当经济体处于均衡增长路径上，人均资本增长率等于外生的技术进步速度，从而可以得到均衡增长路径上固定资本增长率为ΔlnK*=ΔlnL+tfp。因此，固定资本投入增长可以分为均衡增长路径上劳动力投入增加和全要素生产率提升引致的固定资本积累，以及向均衡增长路径转移过程中额外的固定资本积累三个部分。通过进一步分解可以发现，中低收入国家资本投入增长对经济增长的贡献更多是来源于向均衡增长路径转移过程中额外的固定资本积累，而高收入国家资本投入增长对经济增长的贡献则更多来源于均衡增长路径上技术进步引致的固定资本积累。
如图5所示，从资本投入贡献变动趋势来看，固定资本投入增长在大部分年份都是中国经济增长的主要来源，其变动趋势可以大致分为四个阶段。第一阶段，1995至2000年间，固定资本投入增长对中国经济增长贡献持续下降，由1996年的5.64%降至2000年的4.48%；
第二阶段，2000年至2004年固定资本投入增长贡献快速增大，并在2004年达到了5.87%；
第三阶段，2004年至2010年，资本投入贡献在缓慢增长，2010年时达到6.55%；
第四阶段，2010年至2018年，资本投入贡献快速下降，2018年资本投入对经济增长的贡献仅为4.36%。而通过对固定资本投入贡献再分解可以发现，2000年至2007年固定资本投入增长主要来源于全要素生产率提升引致的固定资本内生积累增加，而在2008年后，中国政府大幅增加了公共投资，导致额外固定资本投入大幅增长，对经济增长贡献也大幅提高。然而额外资本投入并不具有持续性，其在2010后的持续下降也是导致资本投入贡献快速下降的主要原因。
图5 资本投入贡献变动趋势
其他各国资本投入贡献变动趋势与中国存在较大差异。其中墨西哥的资本投入贡献在1995至2000年间是在不断提高的，但2000年后的大部分年份中资本投入贡献都是在减少的，有效资本投入不足也是其经济增长速度下滑，迟迟没有跨过中等收入阶段的重要原因之一。美国及其他部分OECD高收入国家的资本投入贡献则在2007年经济危机冲击后出现下滑态势，随后在2010年前后恢复增长。
典型事实二：全要素生产率是经济增长的另一个主要来源，TFP快速提升是中国经济增长速度高于其他中低收入国家的主要原因。
根据本文计算结果，中国1995至2018年全要素生产率平均增长率为3.10%，即使在不考虑技术进步对资本积累的内生促进作用情况下，TFP增长对中国经济增长的年均贡献率也达到35.66%。美国及其他高收入国家中，全要素生产率提升也在经济增长过程中发挥着重要的作用，其贡献率也普遍高于30%。与之相对应的，墨西哥全要素生产率呈现负增长态势，对经济增长的平均贡献率为-28.63%，是其无法走出中等收入国家陷阱的重要原因。
本文计算得到的各国全要素生产率提升对经济增长贡献的变动趋势如图8所示。全要素生产率提升对中国经济增长的贡献仅次于固定资本投入增长，其变动趋势可以大致分为五个阶段。第一阶段，1995年至2000年间，全要素生产率提升对经济增长贡献缓慢下降；
第二阶段，2000年至2004年间，全要素生产率缓慢提升；
第三阶段，2004至2007年间，全要素生产率快速提升，并且其对经济增长的贡献在2006年以及2007年分别达到6.06%以及7.15%，超过了资本投入增长贡献；
第四阶段，2007至2012年，全要素生产率提升对经济增长贡献快速下降，在2012年全要素生产率提升贡献仅为1.58%，是本文样本期内最低水平；
第五阶段，2012年以后全要素生产率提升对经济增长贡献缓慢增加，并在2018年达到了2.21%。
图8 TFP增长贡献变动趋势
典型事实三：技能结构深化是中国全要素生产率提升的主要驱动力，并且仍有较大潜力。
根据本文的计算结果，1995至2018年间，中国的技能结构深化对经济增长的年均贡献为2.78%，贡献率为32.04%，是全要素生产率提升的主要驱动力。1995至2004年，中国技能劳动力占比由2.30%快速提升至7.23%，对全要素生产率提升以及经济增长的贡献较大；
2005至2008年间，中国技能劳动力占比总体变化不大，对经济增长的贡献也相对较小；
2009至2017年间，中国技能劳动力占比再次快速提升，由7.43%提升至19.1%；
而在2017年后，中国技能劳动力占比提升速度再度放缓。总体而言，技能结构深化是中国全要素生产率保持较高提升速度的重要因素，对经济增长的贡献相对稳定。
墨西哥1995年技能劳动力占比为12.39%，远高于中国同期水平，但在样本期间内，墨西哥技能劳动力占比提升缓慢，2018年时仅达到16.45%，已经低于中国同期水平。较为缓慢的技能结构深化速度拉低了墨西哥的全要素生产率提升速度，进而影响了墨西哥的经济增长速度。因此，持续稳定的技能劳动力培养是中国全要素生产率提升速度远高于其他中低收入国家的重要因素之一。
此外，中国在技能结构深化方面仍具有较大潜力，尽管在1995至2018年间中国技能劳动力占比提升速度远高于其他国家，但是与高收入国家相比仍然有较大差距。2018年美国技能劳动力占比已经达到了45.17%，本文样本中的其他12个OECD国家技能劳动力平均占比也达到34.09%，均远高于中国，未来中国仍然可以通过加快技能劳动力培养带动全要素生产率提升，并进一步促进经济增长。
典型事实四：技能偏向性技术进步是中国全要素生产率提升的另一个主要来源。
1995至2018年间，中国技能偏向性技术进步对经济增长的年均贡献为1.85%，贡献率为21.27%，略低于技能结构深化对经济增长的贡献，但仍然是样本时期内中国全要素生产率的主要来源之一。如图11所示，从历年分解结果来看，中国技能偏向性技术进步对经济增长贡献的变动趋势与技能结构深化贡献的变动趋势基本一致，说明中国的偏向性技术进步是适宜的。
图1 经济发展水平与技能偏向性技术进步
图11 偏向性技术进步贡献变动趋势
值得注意的是，在样本期间内，美国技能劳动力占比增长较为缓慢，技能结构深化平均每年促进经济增长0.16%。而技能偏向性技术进步平均每年促进经济增长0.61%，可以解释美国样本期间内大部分TFP增长，对经济增长的总体贡献也仅次于资本投入。因此，当技能劳动力占比提升速度放缓时，进一步促进技能偏向性技术进步将成为促进TFP持续增长的关键。
同时也可以发现，对于本文样本中的大部分高收入国家而言，技能结构深化以及技能偏向性技术进步均可以解释大部分的全要素生产率增长。不同的是，中国经济增长过程中，技能结构深化以及技能偏向性技术进步均发挥了重要作用，美国全要素生产率增长主要来自于技能偏向性技术进步，而其他11个OECD国家全要素生产率增长平均而言则主要来自于技能结构深化。
典型事实五：中国经济增长过程中存在着效率损失，阻碍了全要素生产率提升以及经济增长。
本文的动能分解结果表明，在样本期内的大部分年份中，中国都存在效率损失。总体而言，中性技术进步及效率改进对经济增长的年均贡献为-1.53%，贡献率为-17.65%。从变动趋势来看，在2001年加入WTO之后，对外开放红利逐步改善了中国的资源配置效率，中性技术进步及效率改进等因素在2004至2007年推动了全要素生产率增长，部分年份对经济增长的贡献甚至超过了技能结构优化以及技能偏向性技术进步贡献之和。然而在2008年之后，政府部门对基础设施以及房地产等行业的额外投资导致资源配置效率恶化，阻碍了全要素生产率增长，也是导致全要素生产率提升对经济增长贡献快速下降的主要原因。因此，资源配置效率的变化是中国全要素生产率波动的重要因素。
而从其他国家中性技术进步及效率改进变动趋势来看，受经济危机冲击影响，美国及其他11个OECD国家中性技术进步及效率改进对经济增长贡献在2007年出现了大幅下滑，并在2010年后逐步恢复，这与全要素生产率波动趋势基本是一致的。因此，全要素生产率的波动主要受资源配置效率变化影响。
图6 内生资本积累贡献变动趋势
图7 额外资本投入贡献变动趋势
图9 技能劳动力占比变动趋势
图10 技能结构深化贡献变动趋势
图12 中性技术进步及效率改进贡献变动趋势
本文从供给侧出发，将经济增长分解为资本、劳动这两种要素投入为代表的旧动能，以及技能结构深化、中性技术进步、偏向性技术进步等新动能，并计算了1995至2018年14个国家各动能对经济增长的贡献。本文的结果表明，第一，1995至2018年中国经济增长主要依靠固定资本投入以及全要素生产率增长共同驱动，其中全要素生产率增长的主要来源为技能结构深化以及技能偏向性技术进步，技能结构深化年均促进经济增长2.78个百分点，对经济增长的贡献率为32.04%，技能偏向性技术进步年均促进经济增长1.85个百分点，对经济增长的贡献率为21.27%。技能结构深化以及技能偏向性技术进步同样也是高收入国家经济增长的主要动能，而较为缓慢的技能劳动力投入占比提升速度以及与自身要素禀赋不相匹配的偏向性技术进步则是导致墨西哥等中低收入国家全要素生产率增长缓慢，深陷中等收入陷阱的重要原因。
基于以上结论，本文得出了以下促进中国未来经济增长的启示。第一，中国仍需保持较高的固定资本投资增长速度。尽管在高质量发展阶段，需要转变以往依靠要素投入驱动经济增长的方式，但这并不意味着固定资本投资不再重要。当然高质量发展阶段的固定资本投资应更多为与新模式、新业态、新技术以及新材料新能源的使用相关的新基础设施建设以及新机器投资，从而持续推动经济增长。第二，中国需要进一步培养技能劳动力队伍，以应对可能的老龄化问题。通过培养技能劳动力队伍，提高技能深化程度，将“人口红利”转化为“技能红利”，进而持续推动经济增长。目前中国劳动力中技能劳动力比例与高收入国家间存在较大差距，技能结构深化仍有很大潜力。第三，创新驱动对中国经济未来发展十分重要，需要保持较快的技术进步速度。技术进步是全要素生产率提高的主要来源，可以持续推动经济增长。由于资本收益递减效应的存在，未来固定资本投资增长对经济增长的贡献将不可避免地下降，此时需要较高的技术进步速度以维持经济的中高速增长。
当然，本文还存在很大改进余地。首先是本文并未摆脱传统的Solow增长核算框架，主要分解了供给端的要素投入以及技术进步等动能，而并未考虑需求端动能，以及结构转换红利等同样会带来全要素生产率提升的动能。其次，本文并未考虑各动能间的内在联系，而仅仅核算了各动能变化对经济增长的贡献。最后，限于生产函数估计方法以及样本期较短问题，本文并未考虑不同时期替代弹性的变化，也可能对具体核算结果造成影响。
猜你喜欢偏向生产率动能中国城市土地生产率TOP30决策(2022年7期)2022-08-04新动能，源自创新力金桥(2022年4期)2022-05-058～12岁儿童抑郁与认知重评的关系：悲伤面孔注意偏向的中介作用*心理学报(2022年1期)2022-01-21“偏向”不是好导向当代陕西(2020年23期)2021-01-07国外技术授权、研发创新与企业生产率产业经济评论(2019年4期)2019-09-10考核偏向：错把经过当结果当代陕西(2019年12期)2019-07-12跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13为构建开放创新新高地增添动能人大建设(2018年7期)2018-09-19“金企对接”转换旧动能商周刊(2018年15期)2018-07-27澎湃新动能商周刊(2018年11期)2018-06-13
