不确定性与全要素生产率：基于省份数据的研究

邹卫星 范梦雪

【摘 要】提升全要素生产率是中国实现转型的关键，经济政策变化、经济波动和自然灾害，这些宏观经济的不确定性会影响全要素生产率。本文梳理和测度多重不确定性，利用中国1990-2014年省际面板数据，分析不确定性对全要素生产率的影响。研究发现，各类不确定性对全要素生产率的影响效应不同，财政政策不确定性会阻碍全要素生产率增长；货币政策不确定性的影响不显著；经济上行和自然灾害可促进全要素生产率提升。为了提高全要素生产率，需要避免财政政策的过度波动，充分利用经济快速增长和爆发自然灾害所带来的技术进步机会。

【关键词】不确定性；全要素生产率；经济政策

当前，继续依靠要素投入促进经济增长已不可持续，依靠技术进步，提高全要素生产率已成为中国实现转型和促进经济增长的不二选择。在宏观经济层面，技术进步主要体现在全要素生产率的提高上，已有文献主要研究人力资本、知识资本、对外开放、政府行为、市场化等确定性条件对全要素生产率的影响。但是，在经济发展的过程中充满了不确定性，不确定性如何影响技术进步，当前这方面的研究还比较少。一般文献多从一或两个视角的不确定性来展开分析；致力于研究多重不确定性对全要素生产率的影响效应的还很少。为此，本文将分析多重不确定性对全要素生产率的影响。选取多项指标作为代理变量，梳理和测度中国宏观经济的不确定性，分析多重不确定性对全要素生产率的影响。

一、文献回顾

不確定性包括很多方面，本文主要研究象经济政策的不确定性、经济波动和自然灾害这样的宏观经济不确定性。关于不确定性的大量宏观研究文献主要集中在不确定性对经济增长影响的研究上。在经济政策方面，Baker等（2016）[1]通过宏观计量模型测算出，经济政策的不确定性自2007年以来导致就业人数减少了230万。而对于经济波动，一般认为经济衰退不利于经济增长，经济繁荣可促进经济增长。Bloom（2009）[2]发现，经济萧条时雇佣劳动的调整成本可达企业支付职工年工资的10- 20%。一般情况下，坏消息可能会使工程停止，不利于企业投资；好消息可使企业的预期利润增加，有利于企业成长和经济复苏。关于自然灾害，则得到了多种结论。Baker等（2013）[3]检验了外生性不确定性因素对经济增长的负向影响。

与对不确定性和经济增长之间关系的研究已有大量文献不同，关于不确定性对全要素生产率的影响，已有研究较少，且分歧较多。Martin等（2000）[4]认为，全要素生产率的变动具有顺周期性，即经济上行有利于提高全要素生产率。因为在经济上行时，工作机会增多，生产劳动时间增多，知识积累速度增加，有利于全要素生产率增长。Oikawa等（2010）[5]检验了企业不确定性增加对全要素生产率的促进作用，指出之所以具有顺周期性，是由于干中学在企业研发部门发生了作用。

而另一种观点则认为，全要素生产率具有逆周期性。在经济下行时，缺乏效率的企业被淘汰，结构重组、人员培训、新技术开发应用等活动的机会成本更低，从而提升了行业的平均效率，提高了全要素生产率。邵军等（2011）[6]利用1985- 2009年的省际面板数据，研究经济波动对全要素生产率的影响表明，经济波动与技术进步呈逆周期性，经济波动加大有利于提高全要素生产率。孟庆斌等（2018）[7]和顾夏铭等（2018）[8]认为，宏观经济政策不确定性会正向影响企业的研发投入，增加上市公司的专利申请量，有利于技术进步和全要素生产率的提高。

显然，关于不确定性对全要素生产率的影响，现有研究文献不多，对中国的相关研究很少，也没有得到比较一致的结论。在相关宏观研究文献中，多只从一类或两类不确定性来研究对宏观经济的影响效应，从多重不确定性来研究中国宏观经济的文献还不太多。而且，即使是对全要素生产率的研究，也主要集中在进出口波动和经济波动的影响分析上，对经济政策变化、自然灾害等对全要素生产率影响效应的研究还没有。有鉴于此，本文将针对宏观经济的不确定性进行分类，分析中国省份数据，实证检验多重不确定性对中国全要素生产率的影响。

（二）全要素生产率的测度

采用Malmquist指数法计算中国31个省、市和自治区的全要素生产率。以劳动投入和资本存量作为投入变量。总产出为以1978年为基期的实际GDP，用各省的名义GDP除以相应省份的GDP平减指数得到实际值。劳动投入用各省市的历年就业人员总数表示。资本存量的估算参照单豪杰（2008）[9]的计算结果和计算方法，利用资本存量平减指数，将1952年为基期的1992- 2006年的资本存量，转换为以1978年为基期的实际值。2007- 2014年资本存量使用永续盘存法计算，其中，当年新增资本存量用固定资产投资总额表示，固定资产总额价格指数用固定资产投资价格指数表示。

（三）多重不确定性的测度

通过测算代理指标方差、极差等波动幅度，间接测算出宏观经济的不确定性。近年来，GAR CH模型、随机波动模型、马尔科夫模型等被广泛用来测度宏观经济的不确定性。关于代理变量的选取，当前国际学术界多采用隐含波动率VIX作为经济不确定性的代理变量（Bloom，2013）。随着互联网和大数据的发展，Baker等（2012）根据媒体关注度、税收条款变动和经济预测分歧等指标综合测算的政策不确定性指数EPU指数也受到了学界的很多认可。（Pástor等，2013）[11]

关于不确定性代理指标，国内研究主要选取工业增加值增长率、通货膨胀率、利率水平、货币增长率、GDP增长率、宏观经济景气指数（章上峰等，2015）[12]、HP滤波方法等。近年来国内一些研究也开始利用政策不确定性指数EPU（金雪军等，2014[13]）作为宏观经济不确定性的测度指标，但在中国，目前还没有使用VIX指数和省份EPU指数。

本文将测度如下多种与经济增长相关的宏观经济的不确定性。一是经济政策的不确定性，包括财政政策和货币政策两方面，通过GAR CH模型进行测算。选用财政收入增长率作为财政政策的代理指标；选用短期贷款6个月利率水平和货币供给量M1增长率作为货币政策的代理指标，这些不確定性的代理指数分别记为UII，UIM和UICZ。二是经济波动。选取两个经济波动的代理指标，即通货膨胀的周期性波动CCPI和金融机构期末贷款余额增长率的周期性波动CDEB。参考邵军等（2011），使用HP滤波测度出通货膨胀的周期性波动。三是自然灾害。Bloom等（2014）将自然灾害、恐怖袭击和政治变革作为不确定性的外生代理指标，实证检验了外生性不确定性因素对经济增长的负向影响。根据数据的可得性，这里暂时不考虑恐怖袭击和政治变革因素，只考虑自然灾害，采用农作物受灾面积DIS来度量自然灾害。

（四）控制变量

为了更好地描述全要素生产率，这里考察四类控制变量。一是研发资本占比R DK。大量研究表明，研发资本对经济转型和提升全要素生产率至关重要。参考程惠芳等（2014）[14]，以大中型（规模以上）工业企业内部研发支出作为研发资本投入，通过永续盘存法计算研发资本存量，计算公式为：KR i，t=R I i，t+（1-δ） KRi，t- 1。其中，KR i，t和KRi，t- 1分别代表i地区第t、t- 1年的研发资本存量，R I i，t表示i地区第t年的实际研发资本增量，δ为研发资本折旧率，取值为15%，研发资本的支出价格指数按照如下公式求得：KPI=0.55 CPI+0.45 FPI，其中，KPI、CPI、FPI分别表示研发资本价格指数、消费者物价指数、固定资产投资价格指数。测算出以1978年为基期的1991- 2014年的研发资本存量，再选择研发资本存量占资本存量总额的比重R DK来衡量资本存量的创新含量。

二是对外开放程度。对外开放是中国促进经济发展的重要战略举措，扩大对外开放程度可以提高市场竞争力，从而提高全要素生产率。引入两项指标来反映对外开放程度，第一个指标是外贸依存度，即地区进出口额占该地区GDP的比重，用WM表示。第二个指标是外资依存度，即地区实际利用外商直接投资额占地方GDP的比重，用FDI表示。

三是基础设施JCSS。一般认为，良好的基础设施可以改善生产要素的使用效率从而提高全要素生产率。本文用铁路公路里程数来衡量各省市的基础设施水平。四是土地开发TDKF。选取房地产开发投资额占固定资产投资的比重来表示，比重越大，则地方政府和地方经济对土地开发的依赖程度越大。一般认为土地开发与全要素生产率存在显著负向关系。

本文研究1992- 2014年的省份数据，所有数据均来自《新中国六十年统计资料汇编》、历年《中国统计年鉴》和《中国工业企业统计年鉴》、中国宏观经济数据库和WIND数据库。

三、检验结果及其分析

Hausman检验显示，应选用固定效应模型；由于因变量很难导致各个自变量发生变化，故不存在内生性问题。从估计结果可以看出，财政政策不确定性越高，全要素生产率越低，货币政策不确定性的影响效应不显著，经济波动和自然灾害有利于提高全要素生产率。

财政政策不确定性指数UICZ的参数估计在5%的水平上显著为负，这表明财政政策的频繁变动不利于中国全要素生产率的进步。当经济下滑时，政府可以通过减税和增加财政支出来刺激经济，这会增加居民收入，增加居民消费；降低利率进而降低投资成本，增加企业投资，促进经济增长。由于财政政策要起作用具有时滞性，过于频繁变动的财政政策会影响财政政策的作用效果，并降低全要素生产率。这主要是因为，财政政策的变动会改变投资项目的需求和成本，扰乱企业的投资计划，影响资源配置效率和企业技术创新，从而降低全要素生产率。

虽然代表货币政策不确定性指数的UII和UIM的参数估计均为正，但并不显著，这表明货币政策的波动并没有显著影响全要素生产率。从微观层面来看，当货币政策不确定性增加时，企业需要频繁地调整投资规划，企业投资成本随之增加，企业出现坏账的概率也相应增加，银行会出现惜贷现象。结果，积极货币政策之下大量的新增贷款难以流入创新性企业和中小企业，只能流向大型传统企业，这会阻碍全要素生产率的提高，削弱货币扩张带来的刺激效应，并最终使货币政策不确定性对经济的影响不显著。

在经济波动代理指标的参数估计中，通货膨胀周期波动CCPI和贷款余额增长率周期波动CDEB的系数都显著为正。通货膨胀和贷款余额通常会与GDP同方向变动，CCPI和CDEB数值大于零表示经济处于向上波动阶段，小于零则表示经济下滑。也就是说，当经济上行越快时，CCPI和CDEB增长越快，全要素生产率提高得越快；如果经济下行越快，则技术进步越慢。

自然灾害DIS的系数显著为正，表明自然灾害促进了全要素生产率的提高和技术进步。自然灾害会提高全要素生产率，这与灾害经济学的理论研究一致。灾害经济学认为，由于灾区复兴的资本需求、救灾投资的乘数效应以及灾后的技术创新，自然灾害的经济效应为正。所以，虽然自然灾害会直接破坏基础设施、资本财富和经济发展条件，间接破坏经济社会秩序等，但灾后政府会出台措施重振灾区经济，恢复生产活动、开发灾害产业、完善社会保障和商业保险等都会增加生产资本，提高全要素生产率。

再考察控制变量对全要素生产率的影响。研发资本比的系数显著为正，说明科技创新有助于提高全要素生产率，该结果与程惠芳等（2014）的研究一致。对外开放的测度指标是外贸依存度WM和外资依存度FDI，外贸依存度和外资依存度的系数都显著为正。这表明，外贸规模的扩大显著提高了中国的全要素生产率，外商实际投资形成了技术溢出，促进了技术进步。

基础设施JCSS对全要素增长率的影响呈显著的正U型关系，这表明，在基础设施比较薄弱时，基础设施投资会由于大量挤占研发资金而妨碍技术进步。随着基础设施投建到一定程度之后，进一步的基础设施投资将会推进技术进步。土地开发TDKF的系数显著为负，这表明现阶段中国的土地开发过度，在总体上看，地方政府土地财政的经营模式已经阻碍了全要素生产率的进步，该结论与徐艳飞等（2014）的实证结果一致。

参数的稳健性检验：

（1）政策不确定性的变量替代

政策不确定性是本文的核心解释变量之一，有研究直接使用Bloom等的政策不确定性指数EPU（金雪军等，2014）。由于中国EPU指数的数据是从1996年开始的，我们选择1996- 2014年數据进行稳健性检验。我们可以得出与前文研究一致的结论，即政策的不确定性显著阻碍了技术进步。

（2）经济波动和自然灾害的变量替代

先对实际资本存量K，劳动力数量L和能源消费量R取对数，使用HP滤波测算分别测算这些变量的周期性波动CLNK，CLNL和CLNR，替代变量CCPI和CDEB引入模型中对参数估计的稳健性进行检验。再将农作物成灾面积DIS2替代自然灾害的代理变量DIS引入模型。检验结果与本文结论一致。经济波动方面，CLNK和CLNL的系数均显著为正，但CLNR的系数为负，选取这三个变量的历年值计算发现，三个变量变动的综合效应为负，这是和前文研究结论相一致的。在自然灾害方面，农作物成灾面积的系数为正，也是和前文所得的自然灾害对全要素生产率具有促进作用的结论一致的。

四、结论

本文细分宏观经济不确定性为经济政策不确定性、经济波动和自然灾害，使用中国1990- 2014年省际面板数据，得到了与已有文献更为丰富的结论。研究发现，不确定性对全要素生产率影响显著，不可忽略；不同于以往单一不确定性与全要素生产率顺周期或逆周期的认知，不同类型的不确定性对全要素生产率的影响不同。具体来说，政策不确定性阻碍全要素生产率的增长，且这种阻碍作用主要通过财政政策的不确定性来起作用，货币政策的不确定性对全要素生产率的影响并不显著；经济波动对全要素生产率的增长起阻碍作用；而自然灾害的发生则会提高全要素生产率。另外，科技创新和对外开放有利于技术进步，基础设施投资与全要素生产率呈U型关系，过度的土地开发不利于技术进步。

本文的研究具有重要的对策启示。一是需要维持财政政策的稳定性和持续性。经济政策的制定要考虑经济政策稳定性对技术进步的影响。财政政策波动对技术进步具有显著的阻碍作用，货币政策波动对技术进步的冲击并不显著，可以多使用货币政策。二是确保一定的经济增长速度。提高全要素生产率可以促进经济增长，是经济增长的重要动力，经济增长也可以促进更快的全要素生产率提升。实施较快的经济增长速度，有利于促进技术进步。三是把握自然环境变化带给技术进步的机会。可进一步强化灾害预测和灾害救助等方面的研究，鼓励新技术新方法和新的组织形式在这一领域的创新、使用和推广，从而促进技术进步。四是鼓励创新、扩大对外开放和加强基础设施建设，改革土地财政的既有模式。提高研发资本在社会总资本中所占比重；扩大外商投资、对外投资和商品进出口；继续强化基础设施投资；限制过度的土地开发，实现快速的技术进步。

（1.天津财经大学经济学院，天津 河西 300222；2.中共中央对外联络部，北京 海定 100038）

参考文献：

[1]Baker S.， N. Bloom and S. Davis （2016）. “Measuring Economic Policy Uncertainty”. The Quarterly Journal of Economics.131（4）.

[2]Bloom N. （2009）. “The Impact of Uncertainty Shocks”. Econometrica， 77（3）.

[3]Baker S. and N. Bloom（2013）. “Does Uncertainty Reduce Growth？ Using Disasters as Natural Experi- ments”. NBER Working Paper 19475.

[4]Martin P. and C. A. Rogers（2000）. “Long-term Growth and Short-term Instability”， European Economic Review， 44.

[5]Oikawa K.（2010）.“Uncertainty-driven Growth”. Journal of Economic Dynamics & Control.34（ 5）.

[6]邵军，徐康宁.转型时期经济波动对中国生产率增长的影响研究[J].经济研究，2011（12）.

[7]孟庆斌，师倩.宏观经济政策不确定性对企业研发的影响：理论与经验研究[J].世界经济，2017（9）.

[8]顾夏铭，陈勇民，潘士远.经济政策不确定性与创新——基于我国上市公司的实证分析[J].经济研究，2018（2）.

[9]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008（10）.

[10]李华杰，史丹，马丽梅.经济不确定性的量化测度研究：前沿进展与理论综述[J].统计研究，2018（1）.

[11]Pástor L. and P. Veronesi（2013）. “Political Uncertainty and Risk Premia”. Journal of Financial Economics，110（3）.

[12]章上峰，李荣丽，王玉颖.中国宏观经济不确定性的统计测度研究[J].统计与信息论坛，2015（6）.

[13]金雪军，钟意，王义中.政策不确定性的宏观经济后果[J].经济理论与经济管理，2014（2）.

[14]程惠芳，陆嘉俊.知识资本对工业企业全要素生产率影响的实证分析[J].经济研究，2014（5）.

[15]廖晓静.我国中小上市公司股权结构与财务风险的相关性研究[J].时代经贸，2016（22）.

基金项目：国家社科基金项目“基于技术进步、有效投资和脱贫工程的经济增长潜力研究”（国家社会科学基金16BJL031）。

作者简介：

邹卫星，男，湖北监利人，天津财经大学经济学院，副教授，研究方向：宏观经济。

范梦雪，女，中共中央对外联络部。