双循环新发展格局与中国制造业增长效率

李宏 牛志伟 邹昭晞

摘 要：构建以国内大循环为主体、国内国际双循环相互促进的新发展格局对中国经济的增长方式提出了新要求，在主要发达国家逆全球化进程引发贸易保护主义抬头的时代背景下，研究中国制造业增长效率问题具有重要的现实价值。本文运用随机前沿模型（SFA）和数据包络分析（DEA），对OECD国家投入产出数据进行了比较分析，针对全球价值链中的中国制造业整体水平及其细分产业增长效率的全球排序、中国制造业增长效率的主要影响因素、中国制造业增长效率的内在机制进行了研究。中国具备构建新发展格局的产业基础：中国制造业大部分细分产业垂直专业化指数较低，说明中国制造业已经摆脱了产业链低端锁定的低效率风险;同时，完备的集成配套能力和较高的产业贸易竞争力使中国制造业具有较高的产业技术效率，实质性地转变了中国制造业被动嵌入全球产业链的状况。然而，中国制造业细分产业全要素生产率世界排序较靠后，且大多数呈负增长状态，尤其与日本、美国和德国相比仍处于劣势，主要原因是技术进步不足，在技术创新方面存在较大差距，这些不足和差距是中国制造业匹配新发展格局的主要障碍。

关键词：双循环新发展格局;中国制造业;增长效率;全球价值链

中图分类号：F426  文献标识码：A

文章编号：1000176X（2021）03003811

一、引 言

当今世界正经历百年未有之大变局，中国社会经济发展也进入了重大的转型期：一方面，伴随着“十三五”规划的收官，中国即将实现第一个百年奋斗目标，“十四五”规划即将开启，进入全面建设中国特色社会主义现代化国家的新时期;另一方面，突发的新冠肺炎疫情加剧了逆全球化的趋势，对此，中国提出构建“以国内大循环为主体、国内国际双循环相互促进的新发展格局”（下文简称“新发展格局”）。中国经济已由高速增长阶段转向高质量发展阶段，制造业产业转型升级已经成为中国经济发展的关键。新形势下，中国制造业正面临着外部与内部两个方面的严峻挑战：外部挑战主要来自后疫情时期进一步强化的逆全球化趋势，以美国为代表的发达国家遏制中国发展，试图维持其对高新技术的垄断及其在全球價值链中技术主导地位的分工格局等;内部挑战主要包括人口红利的逐步消失，供给侧结构性改革、高质量发展推动的环境规制强化，以及新冠肺炎疫情后的经济复苏等。毋庸置疑，这些变化都对中国经济的增长方式提出了新的要求。在当前的大背景下，尤其是相对于构建新发展格局的任务，研究中国制造业增长效率问题具有重要的现实价值。

产业升级可以理解为生产函数中各种要素组合达到更高效配置的过程，这一过程伴随着产业增长效率的提升，学术界通常使用技术效率（TE）与全要素生产率（TFP）这两个指标对产业增长效率的提升进行衡量。多年来，国内外学者对中国制造业增长效率的研究并不少见。但是，在构建新发展格局的背景下，逆全球化、新冠肺炎疫情等诱发的众多经济问题都为全球价值链下的中国制造业增长效率国际比较研究提供了延展空间。深化这一领域的研究，能够更加确切地把握中国制造业增长效率的发展现状与发展趋势，对于清晰地掌控产业升级的发展方向、制定和实施正确的发展战略、构建新发展格局具有重要的理论与现实意义。

（一）估量中国制造业整体及其细分产业增长效率在世界中的真实水平

杨汝岱[1]对比了国内外多篇测算中国全要素生产率增长及其对中国经济增长贡献的研究，由于所运用的方法、变量设置、数据类型不同，测算结果的差异亦十分显著。蔡昉[2]也发现，关于亚洲“四小龙”及东亚其他经济体全要素生产率的估计“差异巨大、甚至可以说是对立的结果”。笔者也有类似的发现，即使采用同样方法、同类数据，仅仅在技术无效项的设置上有所差异，所测算出的同一主体的技术效率也会相去甚远。这一现象说明，增长效率只有在对多个主体运用相同的方法、变量设计和数据类型均相同的情况下进行测算、比较才有意义。国内外关于增长效率的比较研究一般是依据不同时间阶段、不同产业、不同地区三个维度中的一个或两个展开。不同地区的比较研究大多以国内不同地区为主，国际不同地区的比较研究大多限于两个经济体或几个经济体之间，世界范围内的比较研究一般不涉及产业的细分[3-4]。

中国制造业已经深刻地融入全球价值链，与世界的联系是全方位的，不仅涵盖世界绝大多数经济体，而且涉及各个细分产业。只有展开时间、产业、地区三个维度的国际比较，才能更准确地估量中国制造业整体及其细分产业增长效率在世界中的真实水平。

（二）基于全球价值链，分析影响中国制造业增长效率的主要因素

全球价值链的兴起极大地改变了全球商品和服务生产的组织形式和交易形式，对国际贸易、投资模式、产业竞争力等方面产生了深远的影响。近年来，国际贸易学对各经济体参与全球价值链分工的研究日益深化，构建了多个指标衡量各经济体参与全球价值链分工的深度、高度（地位）与竞争力。国内外关于中国制造业及其细分产业在全球价值链中发展状况的研究也有很多，但将其与中国制造业及其细分产业的增长效率联系在一起的研究却十分罕见。也许是因为国际贸易学与产业经济学两个不同学科的分类导致了此类研究的欠缺。事实上，中国制造业早已深刻地融入全球价值链中，在研究增长效率的同时，引入和设置全球价值链发展状况的变量，有助于深入分析影响中国制造业增长效率的主要因素。

（三）基于技术效率与全要素生产率的比较，剖析驱动中国制造业增长效率的内在机制

国内外关于产业增长效率的研究通常使用技术效率与全要素生产率两个指标。在研究中，只针对一个主体或比较研究的范围不够宽泛时，很难发现被测算主体在两个指标之间所表现出来的差异。而本文则是对制造业增长效率展开全方位的国际比较研究，中国制造业细分产业的技术效率与全要素生产率在全球的排序存在显著差异（然而，一些发达经济体却显示反向的差异）。在此基础上，本文进一步展开对全要素生产率分解的比较研究，剖析驱动中国制造业增长效率的内在机制。

二、相关研究梳理与相关概念界定

（一）研究增长效率的指标与方法

自Farrell[5]提出经济效率理论之后，学术界逐步完善了一整套关于产业增长效率的理论与方法。

Davis[6]首次明确提出全要素生产率的内涵：反映产出量与全部投入要素之间的效率关系，是生产单元全部产出与全部投入总和的比率。需要明确，全要素生产率不是静态的比率关系，而是两个时期全要素生产率的增长变化，是将产出增长率超过要素投入增长率的部分作为全要素生产率（增长率），换言之，全要素生产率（增长率）是研究不能由全部要素投入增长解释的产出增长。基于Solow[7-8]、Nishimizu和Page[9]以及Kalirajan等[10]的贡献，全要素生产率的增长分解为技术进步和技术效率提高两个部分。其中，技术效率提高是两个时期生产单元实际产出与生产前沿面距离的变化，对应着“水平效应”，反映对先进技术的学习模仿能力、对现有资源的有效利用能力和资源配置能力;技术进步则是两个时期生产前沿面之间的距离，技术进步产生“增长效应”，反映技术创新的能力。前者会随着时间流逝而消失，而后者不仅可以不断维持下去甚至还可能扩大[11]。

增长效率的测算方法主要有两大类：参数方法和非参数方法。参数方法以随机前沿模型（SFA）为代表，非参数方法则以数据包络分析（DEA）为代表。随机前沿模型需要确定生产前沿的具体形式，并考虑了随机因素对于产出的影响。同时，作为面板数据模型[12]，随机前沿模型不仅可以估计出决策单元的技术效率，而且可以分析影响效率的因素[13-14]。数据包络分析则不需要已知生产前沿的具体形式，只需投入产出的数据。

虽然在研究方法上，随机前沿模型和数据包络分析有所不同，但一般而言两者的结果差别不会太大[15]。随着两种方法的不断完善，根据两种方法各自的相对优势，学术界大多运用随机前沿模型测度技术效率，运用数据包络分析测度全要素生产率（增长率）。

（二）研究参与全球价值链分工状况的主要指标

关于各国在全球价值链中的发展状况，有的研究选取的是运用各国投入产出表测算的垂直专业化指标和运用世界投入产出表测算的贸易附加值系列指标。垂直专业化指数（VSS）是指，进口中间品用于生产出口品的那部分中间投入品的价值占该国某产业总出口的比重[16];贸易附加值系列指标则逐渐被完善[17-18]，包括出口中的国内价值增值率、出口中的间接附加值率（上游参与度）、出口中的国外附加值率（下游参与度）、全球价值链参与率、全球价值链地位等。其中，垂直专业化指数（VSS）与出口中的国外附加值率是等同的指标，反映一国产业参与国际分工的深度，也反映一国产业在全球价值链中的分工地位。

Hummels等[16]提出的垂直专业化指数有两种测算角度，一种是考虑进口中间品在国内的投入产出循环利用效应;另一种是不考虑进口中间品在国内的投入产出循环利用效应。将这两种角度测算的VSS相除，就可以得到进口中间品的价值在国内生产循环体系中的增值比，因而本文的研究延伸性地创建了一个测算指数——进口中间品国内配套增值率（Incremental Value Rate Generated From Domestic Processing of Imported Products，LVDI），用以反映一个国家各产业的国内集成配套能力。LVDI=VSSMD/VSSM。VSSMD指考虑国内投入产出循环利用效应的VSS，VSSM指不考虑国内投入产出循环利用效应的VSS。此外，国际贸易学界常用来反映国家（或产业）贸易竞争力（Trade Competitiveness，TC）的指标也可以作为测度国家（或产业）在全球从价值链发展状况的指标，计算方法为 TC=出口额-进口额出口额+进口额×100% 。

综合上述的研究，本文将采用共同的数据、运用两类方法对中国制造业增长效率展开全方位的国际比较。首先，运用随机前沿分析方法测算世界各主要经济体制造业细分产业的技术效率，并选择适宜的、能体现出在全球价值链中发展状况的指标作为随机影响因素（技术无效项），分析其对技术效率影响的方向和力度;其次，运用数据包络分析方法测算世界各主要经济体制造业细分产业的全要素生产率及其分解，分析影响中国制造业全要素生产率提升的主要原因。

三、研究设计

（一）随机前沿模型设定

本文選取Battese和Coelli[13]发展的随机前沿模型对中国制造业细分产业技术效率及其影响因素进行国际比较，以超越对数生产函数作为前沿生产函数的形式，模型如式（1）所示：

lnYit=β0+β1lnKit+β2lnLit+β3lnKit2+β4lnLit2+β5lnKit×lnLit+β6t×lnKit

+β7t×lnLit+β8t+β9t2+Vit-Uit（1）

其中，β0—β9为待估参数，i和t分别为经济体和时间，Yit、Kit、Lit分别为i经济体在t时期制造业各细分产业的增加值、资本投入和劳动投入，t为时间趋势，Vit-Uit为回归方程的随机扰动项。Vit反映不可控因素对各国制造业细分产业产出的随机影响，服从对称的正态分布N（0，σ2），并独立于Uit。Uit反映i经济体在t时期技术无效性对i经济体的随机影响，服从单侧正态分布N（mit，σ2u）。技术无效方程如式（2）所示：

mit=δ0+δ1z1it+δ2z2it+……+δnznit （2）

其中，mit对应的函数即为技术无效函数，e-mit反映i经济体第t年的技术效率水平，mit越大表明技术效率越低，或者说技术无效程度越高。z1it—znit为技术无效项的变量，δ0—δn为待估参数，表示各技术无效项变量对制造业细分产业技术效率的影响程度。如果δj的符号为负，说明技术无效项zjit对技术效率具有正面影响;如果δj的符号为正，说明技术无效项zjit对技术效率具有负面影响。判断技术无效所占比例即判断γ=σ2v/（σ2v+σ2u）中γ的大小。γ越趋近于1，说明前沿生产函数的误差主要来自技术无效项。

（二）数据与指标选取

1.数据来源

依据OECD网站提供的国家投入产出表最新时间区间（2005—2015年）的数据，本文选择50个经济体（之所以未全部选用，是因为剔除了一些制造业细分产业产量太少甚至为零的经济体），并运用制造业16个细分产业的全部投入产出、增加值构成、VSS、非竞争投入产出等数据。

2.数据使用说明

衡量经济体产出水平的指标一般是增加值，在OECD国家投入产出表中，有相应的各国各细分产业各年的增加值数据。市场经济条件下，劳动者报酬能够合理反映劳动投入量的变化，OECD国家投入产出表中的增加值构成表中，有相应的各经济体各细分产业各年的增加值及其构成数据，可以得到各经济体各细分产业各年劳动者报酬的完整数据。生产过程中的资本投入量一般用资本存量来度量。目前国际上普遍采用的资本存量估算方法是永续盘存法，计算公式如式（3）所示：

Kit=Kit-11-δ+Iit（3）

其中，Kit为i经济体第t年的资本存量，Kit-1为i经济体第t-1年的资本存量，Iit为i经济体第t年的投资，δ为折旧率。

OECD国家投入产出表中有相应的各经济体各细分产业各年的固定资产形成总额数据，可作为当年投资的主要指标。折旧率δ一般取5%。本文资本存量的计算按如下逻辑安排：将基年设定为2005年，2005年的资本存量取当年的投资额，即当年的固定资产形成总额;之后的2006—2015年的资本存量，按照Kit=Kit-11-0.05+Iit计算。上述50个经济体制造业细分产业的产出、劳动投入和资本投入数据将同时运用于之后的随机前沿分析（测算技术效率）和数据包络分析（测算全要素生产率）。

在随机前沿分析的技术无效方程中，z1it—znit是技术无效项的变量，也是技术效率的主要影响因素。本文选择在全球价值链中发展状况的三个指标作为技术无效项：垂直专业化（VSS）、进口中间品国内配套增值率（LVDI）和贸易竞争力（TC）。本文未采用Koopman等[18]所构建的GVC参与率、GVC地位两个指标，也没有采用本文构建的进出口中间品增值率（IVRIE）指标，是因为考虑到数据来源的一致性，这些指标需要运用WIOD网站所提供的世界投入产出表进行测算，该表所提供的数据在经济体的选择、时间阶段、制造业细分产业划分等方面都与OECD网站提供的国家投入产出表存在诸多不一致。这些指标笔者在其他专题中单独测算。本文所选择的VSS、LVDI和TC三个指标基本能够反映各经济体及其产业参与全球价值链分工的深度、高度（地位）、国内配套能力与竞争力状况，而这三个指标测算所需数据在OECD网站提供的国家投入产出表中都可以得到。

四、全球价值链中中国制造业增长效率的国际比较

（一）中国制造业技术效率（TE）的国际比较

运用Frontier 4.1软件，依据50个经济体2005—2015年制造业16个细分产业相关面板数据，对随机前沿生产函数和技术无效方程进行联合估计，估计结果如表1和表2所示。

1.中国制造业细分产业技术效率数值及其在50个经济体中的排序

表1中每大列分为两个小列，分别表示2005—2015年技术效率的平均值和2015年技术效率的数值。第一大列显示中国技术效率的数值与排序，每个单元格括号中的数值是中国该产业技术效率在50个经济体中的排序，括号下的数值是中国该产业的技术效率;第二大列和第三大列分别显示其他49个经济体技术效率最大和最小的经济体名称、排序和数值，每个单元格上面的数值显示该产业技术效率最大的（或最小的）经济体的名称与排序，下面的数值是该产业该经济体技术效率的数值。

从整体考察，中国制造业技术效率处于全球领先地位。在16个细分产业中，有13个产业2015年的技术效率在50个经济体中位列前5位，如食品加工业、纺织服装业、纸制品业、化工制品业、橡胶和塑料制品业等，可见，中国制造业的技术效率呈现出逐年提高的趋势。16个细分产业中有13个产业2015年的技术效率高于或等于其2005—2015年的平均值。

2.中国制造业三个主要指标的数值及其排序与三个指标对产业技术效率的参数估计结果

表2分为中国VSS、LVDI、TC三个指标的数值及其排序、三个指标对产业技术效率的参数估计两大部分。“三个指标的数值及其排序”有三大列，每大列分为两个小列，分别表示2005—2015年中国VSS、LVDI、TC三个指标的平均值和2015年的数值与排序。其中，每个单元格括号中的数值是中国该产业该指标在50个经济体中的排序，括号下的数值是中国该产业该指标的数值。“三个指标对产业技术效率的参数估计”列举了三个技术无效项变量的估计数值。每一个单元格的数值是该变量的估计值，星号表示该估计通过显著性检验的程度。

从整体考察，中国制造业VSS在全球50个经济体中排序很靠后。16个细分产业中有14个产业2015年的VSS在50个经济体中排序处于后10位。此外，16个细分产业2015年的VSS均低于其2002—2015年的平均值，反映出VSS逐年下降的趋势。计算机电子光学制造业和石油制品业两个细分产业2015年的VSS在50个经济体中分别位列第27位和第37位，在世界排序相对较高，但也呈现逐年下降的态势。上述结果表明，中国制造业细分产业出口产品在产业下游承接国外材料加工比重较小，且逐年减少。

从整体考察，中国制造业LVDI在全球处于领先地位。在16个细分产业中，有13个产业2005—2015年的LVDI平均值在50个经济体中位列前5位。具体而言，在16个细分产业中，有10个细分产业2015年的LVDI位列世界第1位;排序偏后的有木制品業和石油制品业，两个细分产业2015年的LVDI数值分别位列第22、15位。此外，16个细分产业中，有14个细分产业2015年的LVDI均高于2005—2015年平均值，而机动车辆制造业与其他交通设备制造业虽然2015年的LVDI低于2005—2015年平均值，但在世界的排序没有降低。上述计算结果表明，中国制造业细分产业承接国外进口中间品在国内生产循环体系中的增值比例较大，即中国制造业细分产业国内集成配套能力较强，且这一能力还在逐年增长。

四个经济体中，中国制造业细分产业的技术效率占有一定优势。16个细分产业中有9个产业的技术效率在四个经济体中位列第1位。但是，有6个细分产业的技术效率低于日本;同时有3个细分产业的技术效率低于美国;在机动车辆制造业，中国的技术效率低于德国。

四个经济体中，中国制造业细分产业的全要素生产率处于劣势地位。中国只有金属制品业占据第一的位置;同时低于美国、日本、德国三个经济体的有4个细分产业;同时低于美国、日本两个经济体的有7个细分产业;低于日本的有3个细分产业;低于美国的是电气设备制造业。

从技术效率与全要素生产率的世界排序水平进行考察，除機动车辆制造业的两个指标在世界排序相同外，其他15个细分产业的全要素生产率在世界的排序显著低于技术效率的排序。而其他三个经济体，大多细分产业的两个指标在世界的排序呈现反向的差异。日本有12个细分产业全要素生产率的世界排序高于或等于技术效率的排序，美国有9个细分产业全要素生产率的世界排序高于或等于技术效率的排序，德国有5个产业全要素生产率的世界排序高于技术效率的排序。

对美国、日本、德国三个经济体增长效率进行比较后发现，日本表现最好，不仅在多个细分产业中全要素生产率在世界名列前茅，技术效率的表现也很突出;美国的表现也不错，但与日本相比，差距还是比较明显;德国的表现在这三个经济体中是最弱的，但在金属制品业、电气设备制造业、机械设备制造业、机动车辆制造业、其他制造业等5个细分产业中，其技术效率比美国更高。

上述比较分析表明，中国制造业在技术效率上占据优势，而在全要素生产率上处于劣势，中国制造业对先进技术的学习模仿能力、对现有资源的有效利用能力和资源配置能力在不断提升，但与先进经济体相比，技术创新水平还存在较大的差距。中国要构建新发展格局，深化供给侧结构性改革、转变经济增长方式是必然的选择，无法规避的是要不断提升技术创新的能力和水平。中国的产业发展已经基本跨越了学习模仿阶段，资源的配置效率得到了有效提升，但仍然受到技术创新的掣肘，这也是当前中国构建新发展格局中制约产业发展的主要障碍。

五、政策建议

中国即将进入“十四五”阶段并将开启全面建设社会主义现代化国家的新时期，构建新发展格局成为中国新的发展方略。无论是国内循环还是国际循环，其关键均是通过产业升级提高要素生产效率，形成新的增长点，提升中国制造业在全球价值链中的地位以构筑产业发展的新优势。本文通过对全球价值链各经济体增长效率的比较分析，估量了中国制造业整体及其细分产业增长效率在全球的真实水平，剖析了中国制造业增长效率的主要影响因素，解析了中国制造业增长效率的内在驱动机制，为中国明确产业升级的发展方向和战略、提高要素生产效率，进而为中国构建新发展格局，提供了理论和实践参考。基于此，本文提出如下政策建议：

中国制造业细分产业技术效率在全球处于领先地位，且呈现逐年递增的态势。反映出中国制造业在全球价值链分工中，通过“干中学”，各种生产要素实现了更高效的配置，对先进技术的学习模仿能力、现有资源的利用能力与资源配置能力不断提升。这为中国在后疫情时期实现经济快速恢复、抵御贸易保护主义奠定了基础，更为中国构建新发展格局提供了坚实的产业基础。

对垂直专业化指标（VSS）、进口中间品国内配套增值率指标（LVDI）、产业贸易竞争力指标（TC）三个主要影响因素参数估计值考察，得出如下结论：VSS对大多数细分产业技术效率的影响是负向的，在产业下游承接全球价值链分工，会面临分工锁定的低效率风险;LVDI对大多数细分产业技术效率的影响是正向的，提高国内集成配套能力有助于提升产业技术效率;TC对大多数细分产业技术效率的影响也是正向的，提高贸易竞争力有助于提升产业技术效率。这表明，中国制造业细分产业在产业下游承接国外材料加工比重较小、国内集成配套能力较强、贸易竞争力处于世界中上游水平等，都是促进中国制造业技术效率提升的重要因素。这表明中国产业已经转变了被动参与全球价值链的局面，为构建新发展格局提供了坚实的产业基础保障。

与技术效率名列前茅的情况相比，中国制造业细分产业TFP在50个经济体中的排名低得多，并显为负增长，在16个细分产业中有12个技术效率指标高于技术进步指标。与美国、日本、德国相比较，中国制造业细分产业虽然技术效率占有一定优势，但全要素生产率处于劣势地位，16个细分产业中有15个细分产业全要素生产率低于三个经济体中的全部或部分经济体，且在中国制造业呈现全要素生产率世界排序显著低于技术效率的同时，三个发达经济体却显示出多个细分产业全要素生产率世界排序高于技术效率的反向差异。从内在机制考察，影响中国制造业全要素生产率提升的主要原因是技术进步不足，与制造业先进经济体相比，中国制造业在技术创新方面尚存在较大的差距。这为中国构建新发展格局的产业政策方面提供了参考，要继续实行创新发展战略，尤其是鼓励技术创新。

（2）政策建议

第一，加快实现产业转型升级。日益完备健全的集成配套体系和相对较高的贸易竞争力水平，支撑着中国制造业技术效率指标在世界名列前茅。中国制造业在全球价值链分工中，各种生产要素日渐实现更加高效的配置，但是，中国制造业全要素生产率与先进经济体尚存在较大差距，中国制造业还没有摆脱发达国家跨国公司的技术主导与控制，从制造大国迈向制造强国，中国制造业任重道远。加快实现产业转型升级应是中国制造业坚定不移的发展方向。

第二，进一步加大对先进技术的学习与应用，持续优化资源利用与配置能力，继续保持并提升技术效率优势地位。中国制造业在全球价值链分工中，通过“干中学”，对先进技术的学习模仿能力、对现有资源的利用能力与资源配置能力不断提升。然而，中国制造业各细分产业的技术效率还存在诸多的不平衡、不一致，还有很大的提升空间。要继续在跟随创新和模仿创新上挖潜力，紧跟先进国家创造新的生产前沿面。同时，要不断强化中国齐全的工业部门和完备的基础设施优势，进一步提高现有资源的有效利用与配置能力和水平，保持和提升在全球的技术效率优势地位。

第三，全力推進自主创新和原始创新，全面提高全要素生产率。改革开放之后，建立在“以市场换技术”思路上的跟随创新和模仿创新促使中国制造业在世界分工中紧跟生产前沿面，迅速缩小了与发达国家技术差距，但如果仅仅停留跟随创新和模仿创新，中国制造业永远不可能站在世界科技前沿，难以实现对先进国家全要素生产率的追赶和超越，还会遭致发达国家的挤压和攻击。

参考文献：

[1] 杨汝岱.中国制造业企业全要素生产率研究[J].经济研究，2015，（2）： 61-74.

[2] 蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学，2013，（1）：56-71.

[3] 陆明涛，袁富华，张平.经济增长的结构性冲击与增长效率：国际比较的启示[J].世界经济，2016，（1）：24-51.

[4] 张杨，陈娟娟.农业生态效率的国际比较及中国的定位研究[J].中国软科学，2019，（10）：165-172.

[5] Farrell，M. J. The Measurement of Production Efficiency[J]. Journal of Royal Statistical Society，1957，120（3）：253-281.

[6] Davis，H.S. Productivity Accounting[M].Philadelphia：University of Pennsylvania Press，2016.3.

[7] Solow，R.M. A Contribution to the Theory of Economic Growth[J].Quarterly Journal of Economics，1956，70（1）：65-94.

[8] Solow，R.M. Technical Change and the Aggregate Production Function[J]. Review of Economics and Statistics，1957，39（3）：154-155.

[9] Nishimizu，M.，Page，J.M. Total Factor Productivity Growth，Technological Progress and Technical Efficiency Change： Dimensions of Productivity Change in Yugoslavia，1965—78[J].Economic Journal，1982，92（368）：920-936.

[10] Kalirajan，K. P.，Obwona，M. B.，Zhao，S. A Decomposition of Total Factor Productivity Growth：The Case of Chinas Agricultural Growth Before and After Reform[J]. American Journal of Agricultural Economics，1996，78（2）：331-338.

[11] Yanrui，W. Is Chinas Economic Growth Sustainable？ A Productivity Analysis[J].China Economic Review，2000，11 （3）：278-296.

[12] Pitt，M.M.，Lee，L. F. The Measurement and Sources of Technical Inefficiency in the Indonesian Weaving Industry[J].Journal of Development Economics，1981，9（1）：43-64.

[13] Battese，E.，Coelli，T. A Model of Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J]. Empirical Economics，1995，20（2）：325-332.

[14] Battese，E.，Coelli， T.Prediction of Firm-Level Technical Efficiency With a Generalised Frontier Production Function and Panel Data[J].Australia Journal of Economics，1998，38（3）：378-399.

[15] Lovell，C.A.K. Applying Efficiency Measurement Techniques to the Measurement of Productivity Change[J]. Journal of Productivity Analysis，1996，7（2-3）：329-340.

[16] Hummels，D.，Ishii，J.，Yi，K.M. The Nature and Growth of Vertical Specialization in World Trade[J]. Journal of International Economics，2001，54（1）：75-96.

[19]  Johnson，R.C.，Noguera，G. Accounting for Intermediates： Production and Trade in Value Added[J].Journal of International Economics， 2012a，86（2） ： 224-236.

[20]  Johnson，R.C.，Noguera，G. Fragmentation and Trade in Value Added Over Four Decades[R]. National Bureau of Economic Research Working Paper，2012.

[21]  Johnson，R.C.，Noguera，G. Proximity and Production Fragmentation[J].American Economic Review，2012，102（3）： 407-411.

[17] Daudin，G.，Rifflart，C.，Schweisguth，D. Who Produces for Whom in the World Economy？ [J]. Canadian Journal of Economics，2011，44（4）： 1403-1437.

[23]  Koopman，R.，Powers，W. ，Wang，Z.，et al. Give Credit to Where Credit Is Due： Tracing Value Added in Global Production Chains[R]. National Bureau of Economic Research Working Papers，2010.

[24]  Koopman R.，Wang，Z.，Wei，S.J. Estimating Domestic Content in Exports When Processing Trade is Pervasive[J]. Journal of Development Economics，2012，99（1）： 178-189.

[18] Koopman，R.，Wang，Z.，Wei，S.J. Tracing Value-Added and Double Counting in Gross Exports[J]. The American Economic Review，2014，104（2）： 1-37.

[19] Coelli，T. A Guide to DEAP Version 2.1： A Data Envelopment Analysis（Computer） Program[R]. Center for Efficiency and Productivity Analysis Working Paper，1996.

（責任编辑：邓 菁）