The Change Trajectory and Evolution Characteristics of Guangdong Total Factor Productivity in the Context of Opening up
-
摘要: 广东省是中国改革开放的排头兵, 近年来其经济增长放缓引发了人们对外向型经济可持续增长的担忧。为有效发挥对外开放提升全要素生产率的作用, 促进经济持续健康增长, 在测算广东省1990年~2016年全要素生产率的基础上, 研究FDI、进口和出口依存度对广东全要素生产率的影响轨迹与演进特征。实证结果表明:从影响轨迹来看, 随着FDI、进口和出口依存度的上升, 全要素生产率呈先上升后下降的倒U型变动轨迹; 从演进特征来看, 随着时间的推移, FDI、进口和出口对全要素生产率的正向作用区间在缩小。随着改革开放的深入推进, FDI、进口和出口应从量的扩张走向质的提升, 才能有效促进全要素生产率的增长。Abstract: Guangdong is the pioneer of China's reform and opening up. In recent years, the slowdown of economic growth in Guangdong has aroused concerns about the sustainable growth of export-oriented economy. In order to effectively play a role of opening to the outside world for the promotion of total factor productivity and the sustainable economic growth, this paper calculates the total factor productivity (TFP) of Guangdong Province from 1990 to 2016 by using the OLS regression method, and investigates the influence track and evolution characteristics of FDI, import and export dependence on TFP. The empirical results show that from the perspective of impact trajectory, with the increase of FDI, import and export dependence, total factor productivity shows an inverted U-shaped change trajectory, which rises first and then decreases; from the perspective of evolution characteristics, with the passage of time, the positive impact interval of FDI, import and export on total factor productivity is narrowing. Therefore, with the deepening of reform and opening up, FDI, imports and exports must be expanded from quantity to quality in order to effectively maintain its role of promoting total factor productivity.
-
一、 引言
回溯历史，广东对外开放已走过了40个年头，成功实现从经济落后的农业省份向全国第一经济大省的华丽转身。2018年广东省的地区生产总值超过1.4万亿美元，占全国经济总量的比重从1978年的5.1%提升到2017年的10.6%。广东利用区位优势与政策赋能，无论是进出口还是FDI均居全国前列。2017年广东货物进出口总额达到6.8万亿人民币，连续32年位居全国货物进出口总量首位。然而，自2012年起广东的经济增长速度持续放缓，2016年的进出口和FDI同时首次出现了下降，与2015年相比，其出口总额、进口总额和FDI分别下降了7%、6%和13%。这一态势引发了学界与业界对外向型经济增长模式可持续性的担忧。
根据新古典增长理论和内生增长理论，经济的持久增长有赖全要素生产率的提高。那么，进出口和FDI与全要素生产率有着怎样的关系？广东的进出口和FDI促进了全要素生产率的提升吗？广东的全要素生产率的变动轨迹与演进特征怎样？该如何发挥进出口和FDI对全要素生产率的促进作用？无疑，对这些问题的探讨对广东经济的可持续发展具有重要现实意义。
二、 相关文献回顾与评述
（一） 关于FDI对生产率的影响
部分研究通过分析中国区域或行业的发展，认为FDI通过技术引进、技术外溢、人员流动等方式，从总体上提高了中国工业的全要素生产率。如沈坤荣和耿强(2001)[1]构建内生增长模型进行研究，发现FDI的增长导致了经济增长率的增加。谢建国(2006)[2]研究FDI对中国省区经济增长效率的影响发现，外商直接投资对中国省区技术效率的提高有显著溢出效应。陈涛涛和陈娇(2006)[3]分析了行业增长特征对我国FDI行业内溢出效应的影响，发现行业增长特征是影响我国FDI行业内溢出效应的重要因素。姜瑾和朱桂龙(2007)[4]对1999年~2003年行业层面面板数据进行了分析，发现通过FDI垂直联系发生的行业间溢出是更重要的国际技术转移途径。张鹏杨和唐宜红(2018)[5]从全球价值链升级视角研究了FDI对企业国内附加值率的影响效果及路径，发现FDI提高了我国出口企业的国内附加值。李磊等(2018)[6]基于2004年~2013年间企业层面的微观数据集进行研究，发现外商投资的水平溢出、前向溢出和后向溢出效应明显。但也有研究提出了相反的观点。如卢荻(2003)[7]对中国1989年~2001年分产业的FDI进行研究，发现外商投资确实有助于改进资源配置效率, 但这种贡献却是以妨碍生产效率的改进为代价的，并提出以进口替代和资本深化为特征的“上海模式”要优于以出口导向和劳动密集为特征的“广东模式”。邱斌等(2008)[8]的研究认为，在出口依存度小的行业中, FDI的水平技术溢出效应虽然从总体上提高了内资企业的全要素生产率，但从传导机制看却阻碍了内资企业的技术进步，外资进入这些行业带来了竞争效应与学习模仿效应, 但也对内资企业的研发产生了挤出效应, 不利于企业的自主创新与技术进步。在出口依存度大的行业中，由于中国加工贸易产业链条短, “体外循环”和“飞地效应”现象突出，FDI在技术转移方面并无多大建树, 技术溢出效应不明显。
（二） 关于出口对生产率的影响
一般认为，发展中国家的企业通过出口可以接触到发达国家先进的生产制造、技术研发与管理方式，这有利于发展中国家全要素生产率的提高。包群等(2003)[9]通过实证分析提出，出口贸易主要通过对非出口部门的技术外溢来促进我国的经济增长。Amiti和Freund(2007)[10]的研究表明，中国出口依存度低的行业通过学习、模仿和竞争等效应在一定程度上突破了“比较优势陷阱”，在出口过程中提高了自身的技术水平, 进而促进了全要素生产率的提升。张杰等(2009)[11]基于中国本土制造业企业1999年~2003年的研究发现，出口通过“出口中学习效应”促进了中国本土制造业企业全要素生产率的提高，且这种促进效应不是通过促进企业自主创新能力的提升而获得，而是通过促进企业生产工艺流程与组织管理方式改善以及外部制度环境改进等非创新因素而获得。出口通过知识外溢和技术扩散提升了生产率，出口企业的创新活动还可以提升其他企业的生产率(Filipescu等，2013)[12]。但也有研究提出，出口与生产率之间的正向相关关系源于出口行为的“自我选择”效应，只有具备规模经济、技术创新等竞争优势的企业才能进入国际市场(Melitz，2002)[13]。Fu和Export(2005)[14]基于中国26个制造业行业1990年~1997年的数据，对出口和生产率之间的关系进行实证检验, 发现出口并没有显著促进各行业的生产率增长，等等。
（三） 关于进口对生产率的影响
关于进口对生产率的影响，也存在不同看法。如Romer(1990)[15]认为知识具有非竞争性和外部性，进口的商品数量越多，则物化在进口商品中的技术越多，本国的技术进步也越快。Coe和Helpman(1995)[16]提出，由于技术具有外溢效应，一个国家从技术水平越高的国家进口，其技术进步速度越快。Coe等(1997)[17]首次验证了发展中国家与发达国家的国际贸易促进了发展中国家的技术进步。另一些文献则从理论方面证实了国际贸易是技术进步的重要原因(Frankel和Romer，1999)[18]。李小平等(2008)[19]的研究发现，进口显著促进了我国工业行业的全要素生产率增长和技术进步的增长。Halpern等(2015)[20]的研究表明，进口中间品显著提升了企业生产率。但也有研究提出，进口并不必然促进生产率提升。如诸竹君等(2018)[21]认为，只有推动进口政策由出口导向向创新导向升级才能有效促进企业全球价值链的提升。Doan等(2016)[22]基于越南2000年~2009年制造业企业的数据分析，发现进口增多会导致竞争压力增加，从而使企业的生产率降低，进而会提高本土企业倒闭的概率。
综上，FDI和进出口对全要素生产率的影响效应是不确定的，既有积极的一面，也有消极的一面；既取决于本土的资源禀赋，又与发展模式和技术吸收能力有关。为研究对外开放语境下广东全要素生产率的变动轨迹与演进特征，本文将使用OLS方法估算广东省1990年~2016年的全要素生产率，在此基础上再考察FDI、进口和出口依存度对全要素生产率的影响，同时从行业分布及其演变的角度，探讨通过FDI、进口和出口提升全要素生产率的路径，最后是结论与建议。
三、 变量的估算与检验
研究变量分为被解释变量与解释变量两类。本文的被解释变量为全要素生产率，主要用于描述广东经济的发展状况；解释变量包括FDI依存度、进口依存度和出口依存度，主要用于描述广东的对外开放情况。所有变量的数据来自相关年份的《广东省统计年鉴》及广东省产业发展数据库，研究的时间跨度为1990年~2016年。
（一） 被解释变量的估算与平稳性检验
1. 估算模型
本研究采用索洛残差法估算全要素生产率。假设GDP生产函数为科布—道格拉斯生产函数：Y=AKα(LH)β，其中Y为地区生产总值，K为资本要素投入，L和H分别为投入的劳动数量与质量，α和β分别是资本和劳动的产出弹性，A为全要素生产率，即TFP。当α+β < 1时，规模报酬递减；当α+β>1时，规模报酬递增。我们选择α+β=1，即规模报酬不变。规模报酬不变意味着经济能产生如AK模型的内生增长。舒元和徐现祥(2002)[23]的研究表明，我国经济增长的典型事实比较支持AK类型增长理论。此外，该模型可以较好地解决资本和劳动投入之间的线性相关问题。
2. 各变量的计算
《广东省统计年鉴》中的GDP及全社会固定资产投资均是用当年价格统计得出，需要先利用GDP价格指数(1978=100)等计算出GDP和全社会固定资产投资的可比价格，再由此计算出资本存量。具体算法如下：
(1) 各年GDP的计算。按照每年的GDP价格指数(1978=100)及1978年GDP(当年价)185.85亿元，计算得出每年的GDP(1978年不变价)=185.85×GDP(当年价)/100。
(2) 全社会固定资产投资的计算。由于广东省产业发展数据库自2001年才开始统计固定资产投资价格指数(上年=100)，所以这里用商品零售价格指数(1978=100)进行折算，得出1978年以不变价表示的固定资产投资实际值，即全社会固定资产投资(1978年不变价)=全社会固定资产投资(上年=100)/商品零售价格指数(1978=100)×100。
(3) 各年资本存量的计算。本研究以资本存量代表资本量，并采用Gold-Smith的永续盘存法计算得出。具体计算方法为：$ {K_t} = \frac{{{I_t}}}{{{P_t}}} + \left( {1 + \delta } \right){K_{t - 1}}\left( * \right) $。其中，Kt为当期资本存量，Kt-1为前期资本存量，It为当期全社会固定资产投资，Pt为当期固定资产投资价格指数，δ为资本折旧率。参考黎靖(2009)[24]的方法，按δ=10%进行计算，同时取1977年资本存量为400亿元，利用(*)计算得出1990年~2016年的各期资本存量K。
(4) 劳动力数量和质量的计算。由于劳动要素投入必须兼顾到劳动力的数量和质量，本文以就业人数和人均受教育年限分别表示劳动力的数量和质量，记为L和H。
(5) 全要素生产率的计算。将生产函数的两边取对数，得到：
$$ {\rm{Ln}}\left( {\frac{Y}{{LH}}} \right) = {\rm{Ln}}A + \alpha {\rm{Ln}}\left( {\frac{K}{{LH}}} \right) $$ (1) 方程(1)即估算全要素生产率的基本模型，对其进行回归，可得到参数α的值，再由(1)式求出全要素生产率的对数值。
3. 被解释变量的平稳性检验
由于所有序列都是时间序列数据，为避免出现伪回归现象，我们对模型中的变量进行平稳性检验，表 1表明所有变量都是平稳的。
表 1 变量的平稳性检验检验变量 检验类型 DW值 ADF
检验值临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 $ {\rm{Ln}}\left( {\frac{Y}{{LN}}} \right) $ (c, t, 3) 2.23 -4.678 -4.416 -3.622 -3.249 平稳*** $ {\rm{Ln}}\left( {\frac{K}{{LN}}} \right) $ (c, t, 2) 1.82 -3.578 -4.394 -3.612 -3.243 平稳* 说明：c和t表示检验类型中带有常数项和趋势项；k表示采用的是滞后阶数；当ADF检验值大于某一显著性水平下的临界值时，说明序列不平稳，***、**、*分别表示在1%、5%、10%的显著性水平下平稳。表 3同。 由于所有变量序列都是平稳的，采用最小二乘估计可得：
$$ \begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{\rm{Ln}}\left( {\frac{Y}{{LH}}} \right) = - 0.748 + 0.631{\rm{Ln}}\left( {\frac{K}{{LH}}} \right) + \left( {AR\left( 1 \right) = 0.918} \right)\\ t检验值\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left( { - 12.539} \right)\;\;\;\;\;\;\;\;\left( {12.440} \right)\;\;\;\;\;\;\;\;\;\;\;\;\left( {45.502} \right) \end{array} $$ 对上式进行假设检验，得出：R2=0.999，F＝18 393.50。
对残差序列进行单位根检验，在检验类型为(0, 0, 1)的情况下，得到ADF统计量=-2.840，而显著性为1%、5%、10%的临界值分别为-2.665、-1.956和-1.609。由此可见，残差序列在1%的显著下是平稳的。
将α=0.631代入(1)式中，可求出全要素生产率(结果见表 2中的TFP)：
表 2 广东省全要素生产率、FDI依存度、进出口依存度年份 TFP FDIRATIO IMPRATIO EXPRATIO 年份 TFP FDIRATIO IMPRATIO EXPRATIO 1990 0.348 1 0.044 8 0.603 8 0.681 8 2004 0.473 9 0.043 9 0.726 4 0.840 5 1991 0.363 1 0.051 2 0.715 4 0.761 1 2005 0.474 9 0.044 9 0.689 4 0.864 9 1992 0.379 8 0.080 0 0.727 6 0.753 9 200 6 0.489 6 0.043 5 0.675 4 0.905 3 1993 0.390 9 0.124 5 0.680 1 0.621 1 2007 0.502 3 0.041 0 0.633 6 0.883 6 1994 0.393 2 0.175 3 0.866 8 0.936 9 2008 0.502 2 0.036 2 0.527 2 0.762 9 1995 0.414 9 0.143 3 0.666 9 0.796 5 2009 0.490 2 0.033 8 0.436 2 0.620 9 1996 0.413 1 0.141 2 0.615 1 0.721 2 2010 0.496 9 0.029 8 0.487 8 0.666 4 1997 0.416 8 0.124 9 0.592 4 0.795 0 2011 0.489 9 0.026 4 0.462 8 0.645 1 1998 0.425 1 0.116 7 0.525 8 0.733 9 2012 0.488 3 0.026 0 0.452 8 0.634 1 1999 0.429 9 0.109 2 0.560 8 0.695 4 2013 0.483 8 0.024 7 0.451 5 0.630 9 2000 0.441 6 0.094 3 0.602 6 0.708 4 2014 0.476 2 0.024 3 0.390 0 0.585 3 2001 0.439 6 0.089 2 0.557 3 0.656 0 2015 0.467 0 0.023 0 0.324 5 0.550 4 2002 0.453 7 0.080 4 0.629 1 0.726 1 2016 0.458 9 0.019 5 0.297 9 0.499 2 2003 0.466 2 0.081 4 0.682 6 0.798 5 $$ {\rm{Ln}}A = {\rm{Ln}}\left( {\frac{Y}{{LH}}} \right) - 0.631{\rm{Ln}}\left( {\frac{K}{{LH}}} \right) $$ （二） 解释变量的估算与平稳性检验
1. 解释变量的估算
对FDI、IMP、EXP三个解释变量的估算，需要首先按每年的中间汇率将美元值换算成人民币值，再用GDP平减指数进行折算。以FDI、IMP、EXP分别除以GDP的可比价格金额，得出每年的外资依存度FDIRATIO、进口依存度IMPRATIO和出口依存度EXPRATIO(见表 2)。
2. 解释变量的平稳性检验
讨论TFP、FDIRATIO、IMPRATIO和EXPRATIO这四个变量序列之间的协整关系的前提是各个序列均为非平稳序列。为此，首先对这四个变量序列进行单位根检验。运用ADF单位根检验方法，对四个变量序列进行平稳性检验，检验结果见表 3。
表 3 变量的平稳性检验结果检验变量 检验类型 ADF检验值 临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 TFP (0, 0, 1) -0.923 -2.661 -1.955 -1.609 非平稳 DTFP (c, 0, 0) -3.470 -3.711 -2.981 -2.630 平稳* FDIRATIO (0, 0, 1) -0.846 -2.661 -1.955 -1.609 非平稳 DFDIRATIO (0, 0, 1) -2.694 -2.665 -1.956 -1.609 平稳*** IMPRATIO (0, 0, 1) -1.303 -2.661 -1.955 -1.609 非平稳 DIMPRATIO (0, 0, 1) -3.518 -2.665 -1.956 -1.609 平稳*** EXPRATIO (0, 0, 1) -0.784 -2.661 -1.955 -1.609 非平稳 DEXPRATIO (0, 0, 4) -2.134 -2.680 -1.958 -1.608 平稳** 从表 3可以看出，变量序列TFP、FDIRATIO、IMPRATIO和EXPRATIO的一阶差分的检验统计量值都小于10%检验水平下的临界值，因此一阶差分序列是平稳的。
四、 实证分析
（一） 回归方程构建
表 4为FDI依存度与进出口依存度之间的相关系数及检验。从中可以看出，FDI依存度与进出口依存度之间具有较高的线性相关关系(相关系数及检验结果见表 4)，因而可构建模型，分析解释变量即FDI依存度和进出口依存度与被解释变量即全要素生产率之间的关系。
表 4 FDI依存度与进出口依存度之间的相关系数及检验FDIRATIO IMPRATIO EXPRATIO FDIRATIO 1.000(—) 0.596 (3.707) 0.397(2.166) IMPRATIO 0.596(3.707) 1.000(—) 0.837(7.654) EXPRATIO 0.397(2.166) 0.837(7.654) 1.000(—) 再构建FDI依存度、进口依存度、出口依存度与全要素生产率之间的分布散点图(见图 1)，可以看出，FDI依存度、进口依存度、出口依存度分别与全要素生产率之间存在非线性关系。因此，我们在回归方程中分别引入FDI依存度、进口依存度、出口依存度的平方项。
考虑到全要素生产率还会受其他因素的影响，我们再引入下面的控制变量。
产业结构。产业结构的优化升级是全要素生产率增长的重要源泉。本文分别用第二产业总产值占GDP的比重、第三产业总产值占GDP的比重和非农产业总产值占GDP的比重来表示，分别记为SINDUS、TINDUS、NINDUS。
市场化水平。生产要素更自由的流动和资源更有效的配置，对提升全要素生产率有更直接和更明显的效果。本文以国有企业就业人员占全部从业人员年末人数的比重来表示市场化水平，记为M。
公共支出水平。全要素生产率的提高依赖于技术进步，这就需要采取更多的激励机制以引导人力资本聚集于研发和创新，而有效的政府公共支出有利于这种聚集，无效的公共支出则不利于这一集聚。本文以财政支出占GDP的比重来表示公共支出水平，记为PE。
研发投入强度。理论上，研发投入对于全要素生产率的提升有积极作用，但适度的研发投入强度才更有利于全要素生产率的增长(毛德凤等，2013)[25]。本文用工业企业科技活动内部支出费占GDP的比重来表示研发投入强度，记为RD。
控制变量的平稳性检验结果见表 5。
表 5 控制变量的平稳性检验检验变量 检验类型 ADF检验值 临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 INDUS (0, 0, 1) -0.053 -2.661 -1.955 -1.609 非平稳 DINDUS (c, t, 0) -3.797 -4.374 -3.603 -3.238 平稳** NINDUS (0, 0, 1) -0.625 -2.661 -1.955 -1.609 非平稳 DNINDUS (0, 0, 0) -2.503 -2.661 -1.956 -1.609 平稳** TINDUS (c, t, 1) -2.097 -4.374 -3.603 -3.238 非平稳 DTINDUS (0, 0, 0) -2.553 -2.661 -1.955 -1.609 平稳** M (c, 0, 2) -1.944 -3.738 -2.992 -2.636 非平稳 DM (c, t, 0) -4.654 -4.374 -3.603 -3.238 平稳*** PE (0, 0, 0) 1.567 -2.657 -1.954 -1.609 非平稳 DPE (0, 0, 0) -5.157 -2.661 -1.955 -1.609 平稳*** RD (0, 0, 0) 0.978 -2.657 -1.954 -1.609 非平稳 DRD (0, 0, 0) -4.470 -2.661 -1.955 -1.609 平稳*** 表 3和表 5的平稳性检验表明各个变量都是I(1)序列，协整检验也表明变量之间存在长期的稳定关系，可以进行回归分析。结合以上几个控制变量、解释变量和被解释变量(TFP)，构建多元回归分析模型如(2)~(4)式所示。其中γ代表回归系数，Xi代表控制变量，ε为随机扰动项。
$$ TFP = {\gamma _{01}} + {\gamma _{11}}FDIRATIO + {\gamma _{21}}FDIRATI{O^2} + {\gamma _{31}}{X_i} + {\varepsilon _1} $$ (2) $$ TFP = {\gamma _{02}} + {\gamma _{12}}IMPRATIO + {\gamma _{22}}IMPRATI{O^2} + {\gamma _{32}}{X_i} + {\varepsilon _2} $$ (3) $$ TFP = {\gamma _{03}} + {\gamma _{13}}EXPRATIO + {\gamma _{23}}EXPRATI{O^2} + {\gamma _{33}}{X_i} + {\varepsilon _3} $$ (4) （二） 实证分析
下面基于公式(2)~(4)，选取广东省1990年~2016年的相关数据进行实证分析，探讨FDI、进口和出口依存度对全要素生产率TFP的差异化影响。在分析全样本的基础上，再进一步分时段对1990年~2003年及2004年~2016年的情况进行比较分析。多元回归分析结果见表 6。
表 6 多元回归分析结果变量 TFP (1) (2) (3) (4) (5) (6) (7) (8) (9) C -0.04 0.32*** -0.69* 0.61*** 0.08 0.06 -2.09 0.57** -0.70 (-0.22) (4.73) (-1.78) (8.23) (1.16) (0.25) (-1.86) (2.99) (-0.79) FDIRATIO -0.44* 1.10*** 8.70* (-2.01) (5.60) (2.42) FDIRATIO2 1.19 -4.17*** -115.74* (1.35) (-4.78) (-2.19) IMPRATIO 0.13 0.41*** 0.47 (1.29) (4.73) (1.92) IMPRATIO2 -0.14* -0.30* -0.46* (-1.79) (-4.81) (-2.39) EXPRATIO 0.75*** 0.76** 0.78** (4.32) (2.39) (3.72) EXPRATIO2 -0.49*** -0.50** -0.51** (-4.34) (-2.48) (-3.49) SINDUS 0.46*** 0.47*** (7.22) (5.57) TINDUS -0.02 -0.32 (-0.18) (-1.07) NINDUS 0.68*** 0.99** 0.42*** 2.47* 1.10 (4.27) (2.81) (12.25) (2.20) (1.26) M -0.28 -0.95*** -0.26 -1.42*** -0.83*** -1.06*** 1.38 -0.79 -1.17 (-0.83) (-8.09) (-0.89) (-7.31) (-6.97) (-4.43) (1.36) (-0.87) (-1.13) PE -0.58*** -0.13 -0.16 -0.38 -0.30* 0.05 -0.31 -0.11 -0.51** (-6.12) (-0.80) (-1.31) (-1.41) (-2.00) (0.13) (-1.60) (-0.43) (-2.65) RD -1.09 -0.18 -0.78 -1.63** -2.02*** -0.81 0.83 0.73 -0.33 (-1.68) (-0.29) (-1.35) (-2.44) (-5.26) (-0.98) (0.96) (0.65) (-0.34) AR(1) 0.74*** (7.35) AR(2) -0.92* (-2.07) R2 0.99 0.99 0.99 0.99 1.00 0.99 0.92 0.89 0.94 F-stat. 224.33 314.39 205.68 180.04 579.50 205.21 11.86 8.02 11.82 D-W stat. 2.09 1.94 1.67 2.14 2.52 1.79 2.18 2.05 2.46 残差平稳性检验 平稳*** 平稳*** 平稳*** 平稳** 平稳*** 平稳*** 平稳*** 平稳*** 平稳*** 分类 1990-2016 1990-2016 1990-2016 1990-2003 1990-2003 1990-2003 2004-2016 2004-2016 2004-2016 倒U型曲线顶点值 — 0.48 0.46 0.13 0.68 0.76 0.04 0.51 0.45 说明：系数估计值下面括号内的数字为t统计量，***、**、*分别表示在1%、5%、10%水平上显著或平稳。 可以看出，回归方程(1)~(9)总体拟合良好，表明FDI、进口和出口依存度对全要素生产率有显著影响。首先，从影响的轨迹来看。随着FDI、进口和出口依存度的上升，全要素生产率呈先上升后下降的倒U型变化轨迹。当前FDI、进口和出口依存度处于倒U型曲线的左侧，其对TFP的作用为正但边际效应递减。因此，为了保持其对全要素生产率的促进作用，FDI、出口和进口要从量的扩张转向质的提升。政府应有意识地引导FDI、出口和进口向能产生技术溢出和能有效提高全要素生产率的行业聚集。
其次，从演进的特征来看。分组回归结果显示，2004年~2016年倒U型曲线的顶点相对于1990年~2003年的发生了左移。FDI依存度的提高对全要素生产率有促进作用的区间，1990年~2003年为[0, 0.13]，2004年~2016年为[0, 0.04]；进口依存度的提高对全要素生产率有促进作用的区间，1990年~2003年为[0, 0.68]，2004年~2016年为[0, 0.51]；出口依存度的提高对全要素生产率有促进作用的区间，1990年~2003年为[0, 0.76]，2004年~2016年为[0, 0.45]。这表明，随着时间的推移，FDI、进口和出口对全要素生产率的正向作用区间在缩小，试图通过提高FDI、出口、进口依存度以提升全要素生产率变得愈来愈不现实，因而应考虑通过优化FDI、出口与进口的结构，以有效提升全要素生产率。
同时，控制变量的回归结果基本符合预期。首先，工业总产值占GDP的比重和非农产业总产值占GDP的比重的提高有利于全要素生产率的提升，第三产业总产值占比提高对全要素生产率的提升有不利影响但不显著。干春晖和郑若谷(2009)[26]对我国改革开放以来产业结构演进与生产率增长的关系进行研究发现，生产率的增长主要来自于产业内部尤其是第二产业内部。本研究的结果与其结论相一致。其次，国有企业在经济中占比的提高基本上不利于全要素生产率的提升，但大多数情况下这一影响不显著；非国有经济的发展可能更有利于全要素生产率的提升。再次，财政支出占GDP的比重提高不利于全要素生产率的提升，但大多数情况下影响不显著。这是因为财政支出的范围很广，且大部分用于公共物品的供给，因而对全要素生产率的影响有限。根据预算平衡原则，财政支出的提高意味着税收的增加，而税收增加对全要素生产率有抑制作用。最后，研发投入对全要素生产率的影响随着时间的推移逐渐显现。2004年~2016年间三个方程的回归结果均表明，研发投入对全要素生产率的作用为正但不显著。这也与Jones(1995)[27]的研究结论一致，即研发投入的上升并不必然提高全要素生产率。
（三） 现实解析
伴随着FDI、出口和进口依存度的下降，广东省的全要素生产率自2007年起持续下降(见图 2)。
从影响轨迹来看，FDI、进口和出口对全要素生产率的边际影响效应下降；从演进特征来看，FDI、进口和出口对全要素生产率的正向作用区间在缩小。在要素成本上升、比较优势逆转和产业升级的大背景下，FDI、出口、进口依存度的下降是必然趋势，优化FDI、出口和进口结构，进而推动区域经济结构转型升级，应当成为当前提高全要素生产率的重要举措。
从2004年~2016年分行业的外商直接投资演进特征来看(见图 3)，房地产业、批发和零售业、租赁和商务服务业、金融业是FDI增长较快、利润回报率较高的几个行业。制造业是技术创新和全要素生产率增长的重要领域，但制造业的FDI自2014年起呈雪崩式下降，需引起高度重视。
分行业的外商直接投资与全要素生产率的关系见图 4，可以看出，房地产业、批发和零售业、金融业的FDI占比与全要素生产率呈负相关关系，而制造业的FDI占比与全要素生产率呈正相关关系。因此，应通过产业升级、人才聚集和政策引导，让FDI回归制造业，培育高端制造业，提升广东的全要素生产率。此外，引导FDI流向高端服务业，提升服务业效率，也应成为政策导向之一。
图 5反映了2004年~2016年间分类产品的进口额占进口总额的比重演变。可以看出，电器及电子产品、电子技术产业的进口比重显著上升；计算机与通信技术产品的进口比重有所上升；机械及设备产品的进口比重则呈下降趋势。总体上，这一时期的机电产品和高新技术产品的进口比重呈上升趋势。
图 5 按产品类型划分的进口占进口总额的比重演变说明：机电产品、高新技术产品对应右坐标轴，其他行业对应左坐标轴；机电产品大类之下选择了比重较高的机械及设备、电器及电子产品；高新技术产品大类之下选择了比重较高的计算机与通信技术、电子技术。图 6同。图 6反映了2004年~2016年间分类产品的出口额占出口总额的比重演变。可以看出，电器及电子产品、电子技术产业的出口比重上升；机械及设备、计算机与通信技术产品的出口比重下降。总体上，这一时期的机电产品和高新技术产品的出口比重呈先上升后下降趋势。
由于进出口的技术溢出效应和学习效应是全要素生产率提升的重要源泉，提升机电产品和高新技术产品在出口总额中的比重，重视与发达国家之间的进出口往来，将有助于全要素生产率的提升。
五、 结论
作为中国对外开放的经典样板，广东不仅吸引了可以傲视全国的FDI，而且形成了巨大的进出口吞吐量，依靠FDI、出口与进口有效促进了其全要素生产率的提升。但广东的对外开放走到今天，其对外开放政策需要适时作出调整与优化。基于此，本文测算了广东省1990年~2016年的全要素生产率，并考察了FDI、进口和出口依存度对全要素生产率的影响轨迹与演进特征。从影响轨迹来看，FDI、进口和出口对全要素生产率的边际影响效应下降；从演进特征来看，FDI、进口和出口对全要素生产率的正向作用区间在缩小。因此，随着改革开放的深入推进，FDI、进口和出口必须从量的扩张转向质的提升，才能对全要素生产率起到有效的促进作用。一方面，应优化FDI、出口和进口结构，引领区域经济结构的转型升级，这是当今广东提高全要素生产率的核心之举；另一方面，要在增强战略定力的基础上，加快国内经济结构调整与升级的步伐，提升本省的全要素生产率。
-
图 5 按产品类型划分的进口占进口总额的比重演变
说明：机电产品、高新技术产品对应右坐标轴，其他行业对应左坐标轴；机电产品大类之下选择了比重较高的机械及设备、电器及电子产品；高新技术产品大类之下选择了比重较高的计算机与通信技术、电子技术。图 6同。
表 1 变量的平稳性检验
检验变量 检验类型 DW值 ADF
检验值临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 $ {\rm{Ln}}\left( {\frac{Y}{{LN}}} \right) $ (c, t, 3) 2.23 -4.678 -4.416 -3.622 -3.249 平稳*** $ {\rm{Ln}}\left( {\frac{K}{{LN}}} \right) $ (c, t, 2) 1.82 -3.578 -4.394 -3.612 -3.243 平稳* 说明：c和t表示检验类型中带有常数项和趋势项；k表示采用的是滞后阶数；当ADF检验值大于某一显著性水平下的临界值时，说明序列不平稳，***、**、*分别表示在1%、5%、10%的显著性水平下平稳。表 3同。 
下载: 导出CSV
表 2 广东省全要素生产率、FDI依存度、进出口依存度
年份 TFP FDIRATIO IMPRATIO EXPRATIO 年份 TFP FDIRATIO IMPRATIO EXPRATIO 1990 0.348 1 0.044 8 0.603 8 0.681 8 2004 0.473 9 0.043 9 0.726 4 0.840 5 1991 0.363 1 0.051 2 0.715 4 0.761 1 2005 0.474 9 0.044 9 0.689 4 0.864 9 1992 0.379 8 0.080 0 0.727 6 0.753 9 200 6 0.489 6 0.043 5 0.675 4 0.905 3 1993 0.390 9 0.124 5 0.680 1 0.621 1 2007 0.502 3 0.041 0 0.633 6 0.883 6 1994 0.393 2 0.175 3 0.866 8 0.936 9 2008 0.502 2 0.036 2 0.527 2 0.762 9 1995 0.414 9 0.143 3 0.666 9 0.796 5 2009 0.490 2 0.033 8 0.436 2 0.620 9 1996 0.413 1 0.141 2 0.615 1 0.721 2 2010 0.496 9 0.029 8 0.487 8 0.666 4 1997 0.416 8 0.124 9 0.592 4 0.795 0 2011 0.489 9 0.026 4 0.462 8 0.645 1 1998 0.425 1 0.116 7 0.525 8 0.733 9 2012 0.488 3 0.026 0 0.452 8 0.634 1 1999 0.429 9 0.109 2 0.560 8 0.695 4 2013 0.483 8 0.024 7 0.451 5 0.630 9 2000 0.441 6 0.094 3 0.602 6 0.708 4 2014 0.476 2 0.024 3 0.390 0 0.585 3 2001 0.439 6 0.089 2 0.557 3 0.656 0 2015 0.467 0 0.023 0 0.324 5 0.550 4 2002 0.453 7 0.080 4 0.629 1 0.726 1 2016 0.458 9 0.019 5 0.297 9 0.499 2 2003 0.466 2 0.081 4 0.682 6 0.798 5
下载: 导出CSV
表 3 变量的平稳性检验结果
检验变量 检验类型 ADF检验值 临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 TFP (0, 0, 1) -0.923 -2.661 -1.955 -1.609 非平稳 DTFP (c, 0, 0) -3.470 -3.711 -2.981 -2.630 平稳* FDIRATIO (0, 0, 1) -0.846 -2.661 -1.955 -1.609 非平稳 DFDIRATIO (0, 0, 1) -2.694 -2.665 -1.956 -1.609 平稳*** IMPRATIO (0, 0, 1) -1.303 -2.661 -1.955 -1.609 非平稳 DIMPRATIO (0, 0, 1) -3.518 -2.665 -1.956 -1.609 平稳*** EXPRATIO (0, 0, 1) -0.784 -2.661 -1.955 -1.609 非平稳 DEXPRATIO (0, 0, 4) -2.134 -2.680 -1.958 -1.608 平稳**
下载: 导出CSV
表 4 FDI依存度与进出口依存度之间的相关系数及检验
FDIRATIO IMPRATIO EXPRATIO FDIRATIO 1.000(—) 0.596 (3.707) 0.397(2.166) IMPRATIO 0.596(3.707) 1.000(—) 0.837(7.654) EXPRATIO 0.397(2.166) 0.837(7.654) 1.000(—)
下载: 导出CSV
表 5 控制变量的平稳性检验
检验变量 检验类型 ADF检验值 临界值
(1%显著性)临界值
(5%显著性)临界值
(10%显著性)结论 INDUS (0, 0, 1) -0.053 -2.661 -1.955 -1.609 非平稳 DINDUS (c, t, 0) -3.797 -4.374 -3.603 -3.238 平稳** NINDUS (0, 0, 1) -0.625 -2.661 -1.955 -1.609 非平稳 DNINDUS (0, 0, 0) -2.503 -2.661 -1.956 -1.609 平稳** TINDUS (c, t, 1) -2.097 -4.374 -3.603 -3.238 非平稳 DTINDUS (0, 0, 0) -2.553 -2.661 -1.955 -1.609 平稳** M (c, 0, 2) -1.944 -3.738 -2.992 -2.636 非平稳 DM (c, t, 0) -4.654 -4.374 -3.603 -3.238 平稳*** PE (0, 0, 0) 1.567 -2.657 -1.954 -1.609 非平稳 DPE (0, 0, 0) -5.157 -2.661 -1.955 -1.609 平稳*** RD (0, 0, 0) 0.978 -2.657 -1.954 -1.609 非平稳 DRD (0, 0, 0) -4.470 -2.661 -1.955 -1.609 平稳***
下载: 导出CSV
表 6 多元回归分析结果
变量 TFP (1) (2) (3) (4) (5) (6) (7) (8) (9) C -0.04 0.32*** -0.69* 0.61*** 0.08 0.06 -2.09 0.57** -0.70 (-0.22) (4.73) (-1.78) (8.23) (1.16) (0.25) (-1.86) (2.99) (-0.79) FDIRATIO -0.44* 1.10*** 8.70* (-2.01) (5.60) (2.42) FDIRATIO2 1.19 -4.17*** -115.74* (1.35) (-4.78) (-2.19) IMPRATIO 0.13 0.41*** 0.47 (1.29) (4.73) (1.92) IMPRATIO2 -0.14* -0.30* -0.46* (-1.79) (-4.81) (-2.39) EXPRATIO 0.75*** 0.76** 0.78** (4.32) (2.39) (3.72) EXPRATIO2 -0.49*** -0.50** -0.51** (-4.34) (-2.48) (-3.49) SINDUS 0.46*** 0.47*** (7.22) (5.57) TINDUS -0.02 -0.32 (-0.18) (-1.07) NINDUS 0.68*** 0.99** 0.42*** 2.47* 1.10 (4.27) (2.81) (12.25) (2.20) (1.26) M -0.28 -0.95*** -0.26 -1.42*** -0.83*** -1.06*** 1.38 -0.79 -1.17 (-0.83) (-8.09) (-0.89) (-7.31) (-6.97) (-4.43) (1.36) (-0.87) (-1.13) PE -0.58*** -0.13 -0.16 -0.38 -0.30* 0.05 -0.31 -0.11 -0.51** (-6.12) (-0.80) (-1.31) (-1.41) (-2.00) (0.13) (-1.60) (-0.43) (-2.65) RD -1.09 -0.18 -0.78 -1.63** -2.02*** -0.81 0.83 0.73 -0.33 (-1.68) (-0.29) (-1.35) (-2.44) (-5.26) (-0.98) (0.96) (0.65) (-0.34) AR(1) 0.74*** (7.35) AR(2) -0.92* (-2.07) R2 0.99 0.99 0.99 0.99 1.00 0.99 0.92 0.89 0.94 F-stat. 224.33 314.39 205.68 180.04 579.50 205.21 11.86 8.02 11.82 D-W stat. 2.09 1.94 1.67 2.14 2.52 1.79 2.18 2.05 2.46 残差平稳性检验 平稳*** 平稳*** 平稳*** 平稳** 平稳*** 平稳*** 平稳*** 平稳*** 平稳*** 分类 1990-2016 1990-2016 1990-2016 1990-2003 1990-2003 1990-2003 2004-2016 2004-2016 2004-2016 倒U型曲线顶点值 — 0.48 0.46 0.13 0.68 0.76 0.04 0.51 0.45 说明：系数估计值下面括号内的数字为t统计量，***、**、*分别表示在1%、5%、10%水平上显著或平稳。
下载: 导出CSV
-
[1] 沈坤荣, 耿强.外国直接投资、技术外溢与内生经济增长——中国数据的计量检验与实证分析[J].中国社会科学, 2001(5): 82-93. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK200105008.htm [2] 谢建国.外商直接投资对中国的技术溢出——一个基于中国省区面板数据的研究[J].经济学(季刊), 2006(4): 126-145. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU200603006.htm [3] 陈涛涛, 陈娇.行业增长因素与我国FDI行业内溢出效应[J].经济研究, 2006(6): 39-47. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200606004.htm [4] 姜瑾, 朱桂龙.外商直接投资, 垂直联系与技术溢出效应——来自中国工业部门的经验证据[J].南方经济, 2007(2): 46-56. doi: 10.3969/j.issn.1000-6249.2007.02.006 [5] 张鹏杨, 唐宜红. FDI如何提高我国出口企业国内附加值?——基于全球价值链升级的视角[J].数量经济技术经济研究, 2018(7): 79-96. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201807005.htm [6] 李磊, 冼国明, 包群. "引进来"是否促进了"走出去"?——外商投资对中国企业对外直接投资的影响[J].经济研究, 2018(3): 142-156. doi: 10.3969/j.issn.1672-5719.2018.03.127 [7] 卢荻.外商投资与中国经济发展——产业和区域分析证据[J].经济研究, 2003(9): 40-48. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200309004.htm [8] 邱斌, 杨帅, 辛培江. FDI技术溢出渠道与中国制造业生产率增长研究:基于面板数据的分析[J].世界经济, 2008(8): 20-31. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ200808005.htm [9] 包群, 许和连, 赖明勇.出口贸易如何促进经济增长?——基于全要素生产率的实证研究[J].上海经济研究, 2003(3): 3-10. https://www.cnki.com.cn/Article/CJFDTOTAL-HSYJ200303000.htm [10] AMITI M, FREUND C. An anatomy of China's export growth[EB/OL]. (2007-08-10)[2018-11-12]. http://www.nber.org/books/china07/2007-08-10. [11] 张杰, 李勇, 刘志彪.出口促进中国企业生产率提高吗?——来自中国本土制造业企业的经验证据: 1999-2003[J].管理世界, 2009(12): 11-26. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ200912003.htm [12] FILIPESCU DA, PRASHANTHAM S, RIALP A, et al. Technological innovation and exports: unpacking their reciprocal causality[J]. Journal of International Marketing, 2013, 21(1): 23-38. doi: 10.1509/jim.12.0099 [13] MELITZ J. The impact of trade on intra-industry reallocations and aggregate industry productivity[J]. National Bureau of Economic Research Inc, 2002, No. 8881. [14] FU X, EXPORT S. Technical progress and productivity growth in a transition economy: a non-parametric approach for China[J]. Applied Economics, 2005, 37(7): 725-739. doi: 10.1080/00036840500049041 [15] ROMER P. Endogenous technological change[J]. Journal of Political Economy, 1990, 98(5): 71-102. [16] COE DT, HELPMAN E. International RD spillovers[J]. European Economic Review, 1995, 39(5): 859-887. [17] COE DT, HELPMAN E, HOFFMAISTER AW. North-south RD spillovers[J]. Economic Journal, 1997, 107(440): 134-149. [18] FRANKEL J, ROMER D. Does trade cause growth?[J]. American Economic Review, 1999, 89(3): 379-399. http://www.emeraldinsight.com/servlet/linkout?suffix=b13&dbid=16&doi=10.1108%2FJES-08-2012-0114&key=10.1257%2Faer.89.3.379 [19] 李小平, 卢现祥, 朱钟棣.国际贸易、技术进步和中国工业行业的生产率增长[J].经济学(季刊), 2008(2): 549-564. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU200802009.htm [20] HALPERN L, KOREN M, SZEIDL A. Imported inputs and productivity[J]. American Economic Review, 2015, 105(12): 3660-3703. [21] 诸竹君, 黄先海, 余骁.进口中间品质量、自主创新与企业出口国内增加值率[J].中国工业经济, 2018(8): 116-134. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201808008.htm [22] DOAN T, NGUYEN S, VU H, et al. Does rising import competition harm local firm productivity in less advanced economies? evidence from the Vietnam's manufacturing sector[J]. Journal of International Trade & Economic Development, 2016, 25(1): 23-46. [23] 舒元, 徐现祥.中国经济增长模型的设定: 1952-1998[J].经济研究, 2002(11): 3-11, 63-92. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200211000.htm [24] 黎靖.改革开放30年广东省全要素生产率分析[J].粤港澳市场与价格, 2009(5): 11-16. https://www.cnki.com.cn/Article/CJFDTOTAL-GDJG200905004.htm [25] 毛德凤, 李静, 彭飞, 等.研发投入与企业全要素生产率——基于PSM和GPS的检验[J].财经研究, 2013(4): 134-144. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ201304014.htm [26] 干春晖, 郑若谷.改革开放以来产业结构演进与生产增长研究——对中国1978-2007年"结构红利假说"的检验[J].中国工业经济, 2009(2): 55-65. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY200902009.htm [27] JONES CI. R & D-based models of economic growth[J]. Journal of Political Economy, 1995, 103(4): 759-784. 期刊类型引用(2)
1. 齐丽暘，王维然. FDI技术溢出对中国计算机、通信和其他电子设备制造业技术进步的影响——基于面板平滑转化回归模型. 现代管理科学. 2024(02): 52-62 . 
百度学术2. 张平淡，张惠琳. 环境规制改进企业全要素生产率的路径研究——基于碳排放权交易试点的准自然实验. 江淮论坛. 2021(04): 44-51 . 百度学术其他类型引用(1)
-
下载:
点击查看大图
计量
- 文章访问数: 253
- HTML全文浏览量: 80
- PDF下载量: 10
- 被引次数: 3