李健　張滿林　張?zhí)m

摘 要：在雙重差分方法的研究框架下，基于1998-2014年中國內(nèi)陸30個地區(qū)以及香港、臺灣地區(qū)的面板數(shù)據(jù)，首先使用DEA-Malmquist指數(shù)法測算中國及各地區(qū)全要素生產(chǎn)率水平并對其分解研究，在此基礎(chǔ)上利用DEA-Tobit模型分析高校擴招對中國全要素生產(chǎn)率增長水平產(chǎn)生的影響。研究發(fā)現(xiàn)：在樣本考察期間中國全要素生產(chǎn)率（TFP）年均增速為0.9%，且呈現(xiàn)出逐年下降趨勢，與中國經(jīng)濟增長減速是一致的。中國全要素生產(chǎn)率出現(xiàn)正增長的動力源泉為技術(shù)進步（2.7%），而技術(shù)效率惡化（-1.8%）抑制了全要素生產(chǎn)率的增長。中國地區(qū)經(jīng)濟增長表現(xiàn)良好但依舊有較大的改善空間，技術(shù)進步和技術(shù)效率改善共同推動全要素生產(chǎn)率增長的地區(qū)占全部樣本的十分之一左右；高校擴招對中國內(nèi)地地區(qū)的全要素生產(chǎn)率增長產(chǎn)生了顯著的負(fù)面影響，高校擴招后內(nèi)地30個地區(qū)的整體全要素生產(chǎn)率增長率由于政策的沖擊而下降146%-175%。

關(guān)鍵詞：高校擴招；全要素生產(chǎn)率；DEA；雙重差分法

一、引言

1999年高校擴招的決策對中國高等教育產(chǎn)生了十分顯著的沖擊，最直接的后果是全國普通本?？茖W(xué)校在校學(xué)生數(shù)從1998年的340.9萬人持續(xù)增長到2013年的2468.10萬人，年均增長14.1%。然而，高校在校學(xué)生規(guī)模迅速擴張的同時，高等教育投入水平遠(yuǎn)遠(yuǎn)沒有達到教育的實際需求，高校教育資源變得十分緊張。1998年每10名在校學(xué)生可獲得3名在校教職工教輔與17.5萬元的高等教育經(jīng)費投入，而這兩個指標(biāo)在2013年分別約為0.92個教職工教輔與33萬元的高等教育經(jīng)費投入。陳林和夏俊（2015）認(rèn)為自實施大學(xué)生擴招政策以來，中國高等教育已經(jīng)進入了“低投入—高產(chǎn)出”的發(fā)展階段?！案咝U招”這一舉措降低了大學(xué)入學(xué)門檻，并增加了本沒有機會進入大學(xué)的人接受高等教育的機會，使得高等教育變得大眾化。與此同時，高校擴招也引發(fā)了一系列的負(fù)面影響，如高校教育資源緊張，大學(xué)生的生產(chǎn)率下降、失業(yè)率提高等。那么高校擴招對中國經(jīng)濟增長產(chǎn)生了何種經(jīng)濟效應(yīng)？這值得進行深入的研究。

二、文獻綜述

Lucas（1988）通過構(gòu)建內(nèi)生經(jīng)濟增長模型論證人力資本對經(jīng)濟增長的影響，得出人力資本促進了經(jīng)濟增長的結(jié)論。彭清華（2011）的研究指出高等教育部門生產(chǎn)“人力資本”，因而高校擴招會擴大人力資本規(guī)模，最終促進經(jīng)濟增長，同時通過實證論證支持了Lucas（1988）的觀點。丁小浩和陳良焜（2000）利用投入產(chǎn)出乘數(shù)方法證實了1999年高校招生數(shù)量的增加帶動了國民經(jīng)濟總產(chǎn)出增加129.9894億元。周曉紅（2001）認(rèn)為高校擴招對經(jīng)濟發(fā)展具有長期的促進作用和即期拉動作用。石大千和張衛(wèi)東（2017）采用倍差法實證檢驗高校擴招對城鄉(xiāng)收入差距的影響，研究結(jié)果顯示高校擴招通過規(guī)模效應(yīng)、教育機會增加效應(yīng)和非農(nóng)就業(yè)效應(yīng)增加了農(nóng)村居民收入和農(nóng)村居民受教育機會。馮劍鋒和岳經(jīng)綸（2017）的研究表明大學(xué)擴招對當(dāng)期勞動參與率帶來了負(fù)面影響，但有助于緩解人口轉(zhuǎn)變過程中結(jié)構(gòu)性失業(yè)帶來的不利沖擊，從長期來看，高校擴招對后期勞動參與率具有明顯的促進作用。蔡海靜和馬汴京（2015）在評估高校擴招對大學(xué)畢業(yè)生就業(yè)的異質(zhì)性效應(yīng)時發(fā)現(xiàn)，由于高校擴招而獲得大學(xué)學(xué)歷的新畢業(yè)生失業(yè)率得到了降低，但這部分學(xué)生的就業(yè)質(zhì)量并未得到顯著的改善。以上研究從不同角度證實了高校擴招對經(jīng)濟增長會產(chǎn)生較為明顯的正面影響。然而，也有諸多學(xué)者認(rèn)為高校擴招對經(jīng)濟增長產(chǎn)生了負(fù)面影響的結(jié)論。如李勇（2004）的研究指出，高校擴招政策的實施對經(jīng)濟增長的促進效應(yīng)是有限的，如果不顧及教育自身發(fā)展的客觀規(guī)律，把高等教育當(dāng)作一種經(jīng)濟手段，在短期內(nèi)迅速擴張教育規(guī)模，會對經(jīng)濟發(fā)展產(chǎn)生負(fù)面影響。唐可月和張鳳林（2006）利用勞動市場信號發(fā)送理論分析高校擴招后的經(jīng)濟效應(yīng)時指出，高校擴招會使勞動力市場存在著大量的大學(xué)生和研究生，大學(xué)生為了在競爭激烈的勞動市場上獲得工作機會不斷降低就業(yè)標(biāo)準(zhǔn)，而雇主面對競爭激烈的勞動市場不斷提高就業(yè)門檻，致使研究生從事著以前大學(xué)生的工作內(nèi)容，大學(xué)生從事著以前?？粕墓ぷ?，這種情況勢必對經(jīng)濟增長產(chǎn)生抑制作用。吳要武和趙泉（2010）分析高校擴招對大學(xué)新畢業(yè)生市場的影響時，發(fā)現(xiàn)高校擴招對大學(xué)新畢業(yè)生的就業(yè)帶來了困難，勞動參與率下降，而失業(yè)率上升。邢春冰和李實（2011）利用雙重差分方法分析1999年高校擴招對大學(xué)畢業(yè)生就業(yè)的影響時，發(fā)現(xiàn)高校擴招使得大學(xué)畢業(yè)生的失業(yè)率顯著提高了9個百分點左右，而其中有50%左右是由于畢業(yè)生平均能力下降導(dǎo)致的。陳林和夏?。?015）的研究表明，高校擴招政策的實施對創(chuàng)新效率產(chǎn)生了顯著的負(fù)向沖擊，地區(qū)創(chuàng)新效率因擴招政策的沖擊下降35.7%左右。李郁芳和艾興勇（2015）在CHIP數(shù)據(jù)的基礎(chǔ)上使用RIF分布分解法分析高校擴招的經(jīng)濟效應(yīng)，發(fā)現(xiàn)高校擴招的稟賦效應(yīng)和價格效應(yīng)擴大了城鎮(zhèn)居民收入水平差距。

綜上分析可知，關(guān)于高校擴招對經(jīng)濟發(fā)展的影響學(xué)者們做出了較多的研究，但現(xiàn)有研究中很少從全要素生產(chǎn)率視角分析高校擴招政策的經(jīng)濟增長效應(yīng)。高校擴招政策實施帶來的直接效果是大學(xué)生畢業(yè)規(guī)模的擴大和教育水平的普遍提高，而間接效果是中國教育投入力度無法迎合教育規(guī)模擴大的需求而導(dǎo)致教育質(zhì)量下降。在這種教育背景下，綜合素質(zhì)偏低的大學(xué)生進入勞動市場會對地區(qū)全要素生產(chǎn)率增長產(chǎn)生深遠(yuǎn)的影響。全要素生產(chǎn)率的提高是經(jīng)濟可持續(xù)增長的核心動力，通過分析高校擴招對全要素生產(chǎn)率增長的影響，可以更為準(zhǔn)確地確定高校擴招政策的實施是否真的推動了地區(qū)經(jīng)濟的可持續(xù)增長。鑒于此，本文把1999年高校擴招作為一次公共政策實驗，采用基于準(zhǔn)實驗的雙重差分方法分析高校擴招政策對全要素生產(chǎn)率增長的影響，并在此基礎(chǔ)上提出相關(guān)的政策建議。

三、全要素生產(chǎn)率測度

國內(nèi)學(xué)者在對全要素生產(chǎn)率（TFP）水平測算時采用的方法主要分為兩大類：一類是參數(shù)方法（如隨機前沿分析方法，SFA）；另一類是非參數(shù)法（如數(shù)據(jù)包絡(luò)分析方法，DEA）。這兩種方法各有千秋。隨機前沿方法測算TFP水平時，需要提前設(shè)定函數(shù)形式，以及假設(shè)隨機擾動項和技術(shù)無效率服從一定的概率分布，這導(dǎo)致此方法受到了很大內(nèi)生性問題的挑戰(zhàn)。在設(shè)定隨機前沿函數(shù)的具體形式時，同樣是設(shè)定超越對數(shù)生產(chǎn)函數(shù)形式，但在處理過程中依舊存在較大的差異。例如余永澤（2015）采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型對中國省際全要素生產(chǎn)率進行研究，采用的是檢驗后的超越對數(shù)生產(chǎn)函數(shù)形式，這種方法通常是把初次估計的生產(chǎn)函數(shù)中系數(shù)不顯著的變量進行剔除之后再重新估計。而張軍等（2009）在采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型對中國工業(yè)全要素生產(chǎn)率進行研究時，把采用SFA方法得到的生產(chǎn)函數(shù)中變量不顯著的數(shù)值全部設(shè)定為零。Bos 等（2010）采用超越對數(shù)生產(chǎn)函數(shù)隨機前沿模型對1970-2000年77個國家的經(jīng)濟增長、產(chǎn)出彈性、生產(chǎn)效率進行研究時，沒有把未顯著變量的系數(shù)剔除而是直接進行分析。由此可見，盡管在對不同研究對象的生產(chǎn)效率進行分析時，同樣采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型，但是采用的估計方法不同，致使研究結(jié)果不穩(wěn)定。因此，采用隨機前沿方法對TFP水平測算存在諸多不足。綜上分析，本文選擇數(shù)據(jù)包絡(luò)分析方法測算全要素生產(chǎn)率（TFP）水平，具體論述可參考顏鵬飛和王兵（2004）以及李健等（2015）的研究。

在采用基于DEA模型的Malmquist指數(shù)方法對各個地區(qū)的全要素生產(chǎn)率進行測算時，需要各個地區(qū)的實際產(chǎn)出、勞動力投入、資本投入的數(shù)據(jù)。（1）地區(qū)的實際產(chǎn)出（rgdp）：本文選擇各個地區(qū)的實際生產(chǎn)總值作為衡量地區(qū)每年產(chǎn)出的變量指標(biāo)。由于《中國統(tǒng)計年鑒》《香港統(tǒng)計年刊》《臺灣統(tǒng)計年鑒》中提供的地區(qū)生產(chǎn)總值的原始數(shù)據(jù)為名義值，本文將其進行折算成實際生產(chǎn)總值（以1998年為基期）。（2）資本投入（capital）：本文采用張軍等（2004）的研究方法對各個地區(qū)的資本存量進行測算。在使用永續(xù)盤存法過程中，要獲得各個地區(qū)每年的資本存量數(shù)據(jù)，需要以下幾個方面的數(shù)據(jù)：每個地區(qū)以1998年為基期的初始實際資本存量、1998-2014年期間固定資產(chǎn)投資總額和資本折舊率。至于基期資本存量的選擇，本文采用張軍等（2004）、Young（2003）的研究做法，采用基期的固定資產(chǎn)投資額除以10%作為初始資本的資本存量。對于資本的折舊率選擇，我們將其設(shè)定為9.6%。至于固定資產(chǎn)投資總額度量，本文選擇固定資產(chǎn)形成總額作為衡量指標(biāo)。測算資本投入水平的原始數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《香港統(tǒng)計年刊》《臺灣統(tǒng)計年鑒》，由于《香港統(tǒng)計年刊》和《臺灣統(tǒng)計年鑒》并沒有提供固定資產(chǎn)投資價格指數(shù)，本文選擇中國整體的固定資產(chǎn)投資價格指數(shù)進行折算。（3）勞動投入：本文選擇就業(yè)人數(shù)作為衡量地區(qū)的勞動投入指標(biāo)。測算勞動投入水平的原始數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《香港統(tǒng)計年刊》《臺灣統(tǒng)計年鑒》。

本文選擇Deap2.1軟件對全要素生產(chǎn)率水平進行測算，具體測算結(jié)果如表1所示。表中的數(shù)據(jù)顯示，中國全要素生產(chǎn)率在1998～2006年間呈現(xiàn)出正增長，而在2007～2014年間呈現(xiàn)出負(fù)增長，2007年美國次貸危機的負(fù)面影響開始在世界主要金融市場得到體現(xiàn)，這對中國經(jīng)濟發(fā)展也開始產(chǎn)生負(fù)面沖擊。由此可見，本文采用DEA方法測算出來的全要素生產(chǎn)率變動趨勢和現(xiàn)實經(jīng)濟發(fā)展態(tài)勢十分契合，這也說明該種方法的合理性。從樣本整體角度來看，32個地區(qū)由于西藏地區(qū)統(tǒng)計數(shù)據(jù)缺失較為嚴(yán)重，本文對其進行了剔除。在1998-2014年間Malmqusit生產(chǎn)率指數(shù)動態(tài)平均值為1.009，折算成增長率為0.9%。從Malmqusit生產(chǎn)率指數(shù)的進一步分解結(jié)果可以看出，技術(shù)進步指數(shù)和技術(shù)效率指數(shù)分別為1.027和0.982，折算成增長率分別為2.7%和-1.8%。這表明1998年以來，中國全要素生產(chǎn)率增長的主要動力是技術(shù)進步而非技術(shù)效率改善。技術(shù)效率變化指數(shù)進一步分解之后可以發(fā)現(xiàn)、純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)分別為0.991和0.991，折算成增長率分別為-0.9%和-0.9%。這表明在樣本期內(nèi)，技術(shù)效率的惡化是由純技術(shù)效率惡化和規(guī)模效率惡化共同導(dǎo)致的。

表2為中國32個地區(qū)的全要素生產(chǎn)率增長指數(shù)及其分解結(jié)果。從表2中的測算結(jié)果可以看出，全要素生產(chǎn)率出現(xiàn)正增長的地區(qū)有23個（即Malmquist生產(chǎn)率指數(shù)大于1），出現(xiàn)負(fù)增長的地區(qū)有9個。其中增幅最大的地區(qū)為浙江（5.1%），降幅最大的地區(qū)為內(nèi)蒙古（-2.6%）。技術(shù)進步變化為正的地區(qū)有32個，樣本對象全部出現(xiàn)了技術(shù)進步。技術(shù)效率改善的地區(qū)有3個，技術(shù)效率保持不變的地區(qū)有1個，技術(shù)效率出現(xiàn)惡化的地區(qū)有28個。由技術(shù)進步和技術(shù)效率改善共同驅(qū)動的地區(qū)有3個，分別為北京市、上海市和浙江省，占據(jù)全部樣本1/10左右，由此可見中國經(jīng)濟運行效率水平相對較低，這也表明中國地區(qū)運行效率改善空間巨大。

四、計量方法、模型構(gòu)建及變量選取

（一）雙重差分方法

高校擴招可以大幅度增加接受高等教育的人口和潛在科技創(chuàng)新人員的數(shù)量。吳要武和趙泉（2010）認(rèn)為，高校擴招的目的主要有兩個：一是緩解就業(yè)壓力；二是積累人力資本，為經(jīng)濟增長提供保障。并且他們把高校擴招看作一次公共政策實驗，來分析高校擴招對大學(xué)生就業(yè)的影響。陳林和夏?。?015）指出，基于自然實驗基礎(chǔ)上的雙重差分方法有著自然科學(xué)實驗方法與統(tǒng)計科學(xué)相結(jié)合的特征，通常被用于公共政策效應(yīng)評估，并且這種方法對來自經(jīng)濟系統(tǒng)外部的公共政策效應(yīng)研究具有良好的解釋力和穩(wěn)健性。綜合考慮，本文也采用雙重差分方法來展開研究。將內(nèi)地省、市、自治區(qū)作為“實驗組”或“處理組”，而將香港和臺灣作為“控制組”或“對照組”。假設(shè)P為政策虛擬變量，換言之，虛擬變量P=1時，則為實驗組，表明地區(qū)受到了高校擴招政策的沖擊；虛擬變量P=0時，則為對照組，表明地區(qū)沒有受到高校擴招政策的沖擊。

（二）樣本選擇及分組

在經(jīng)典的自然實驗研究中，Card和Krueger（1994）的研究對象為新澤西州（實驗組）與賓夕法尼亞州（控制組）快餐店的就業(yè)水平，評價在實施最低工資法前后的效果，兩個州的快餐店不具有本質(zhì)的差異。雖然經(jīng)濟個體之間的所有差別不能像控制實驗?zāi)菢油耆谠囼炛邢?，但由于實驗選擇了同類的經(jīng)濟個體，那些由于實驗沒有控制好的變量造成的“無關(guān)變異量”可能已經(jīng)最小化。為了得到更為可靠的政策評估結(jié)果，分組對象之間的差異不能太大。本文關(guān)于樣本選擇與分組，借鑒陳林和夏?。?015）的研究方法，將內(nèi)地的各個省市作為實驗組，而將香港和臺灣地區(qū)作為控制組。這樣的處理方法主要出于政策非內(nèi)生性的考慮，這也是準(zhǔn)實驗的基本前提條件。香港和臺灣地區(qū)不受1999年內(nèi)地高校擴招政策的影響，政策的實施對象選擇不存在內(nèi)生性問題。

（四）變量設(shè)定與說明

本文計量模型中的解釋變量包括政策虛擬變量Pit、實驗期虛擬變量Tit以及雙重差分變量Dit?？紤]到研究選取對象的相似性和可比性，本文首先借鑒了陳林和夏?。?015）選取方法，把北京、天津、上海、江蘇、福建、山東、廣東作為實驗組，將Pit設(shè)定為1，但本文在此選取方法的基礎(chǔ)上進一步加入了重慶市。本文把香港和臺灣地區(qū)設(shè)定為對照組，將Pit設(shè)定為0。由于高校擴招政策的實施范圍實際上包括了內(nèi)地的所有地區(qū)，因此，本文進一步把實驗組所包括的研究對象擴充到內(nèi)地所有地區(qū)來分析。高校擴招政策沖擊是在1999年開始的，受到擴招政策影響的第一批大學(xué)生在2003年本科畢業(yè)或者2005年碩士研究生畢業(yè)后開始參加工作，本文將實驗期虛擬變量Tit在1998～2002年間和1998～2004年間取值為0，2003～2014年間和2005～2014年間取值為1。雙重差分變量Dit為虛擬變量Pit和Tit的乘積，即Dit=Pit×Tit。雙重差分估計量應(yīng)該是剔除了實驗組與對照組“實驗前差異”的影響。根據(jù)現(xiàn)有學(xué)者關(guān)于全要素生產(chǎn)率增長的影響因素的研究，本文加入四個與全要素生產(chǎn)率有關(guān)的控制變量，以控制內(nèi)陸地區(qū)與香港、臺灣地區(qū)之間社會文化、經(jīng)濟發(fā)展程度、制度環(huán)境等差異，從而分離出高校擴招政策沖擊對全要素生產(chǎn)率增長的影響。

（1）平均受教育年限（education）：內(nèi)生經(jīng)濟增長認(rèn)為加強對學(xué)習(xí)和教育的投資可以推動技術(shù)進步，進而推動經(jīng)濟增長。教育水平越高代表地區(qū)人力資本水平也越高，而且反映出地區(qū)間的社會文化環(huán)境與地理空間差異。例如云南、貴州、廣西等西部地區(qū)的教育水平相對低于北京、上海、廣州等東部發(fā)達地區(qū)，地區(qū)間的教育水平的差異完全歸因于經(jīng)濟發(fā)展程度、地理空間、社會文化等方面的差異。本文對平均受教育年限的指標(biāo)選取，參照李健和盤宇章（2017）以及李健和衛(wèi)平（2015）的方法，設(shè)定不同水平的受教育年限：不識字或者識字很少為0年、小學(xué)為6年、初中為9年、高中為12年、大專及以上為16年，然后以不同受教育水平的人數(shù)占總?cè)丝诘谋壤秊闄?quán)重，測算各個地區(qū)的平均受教育年限。由于《中國統(tǒng)計年鑒》中提供的數(shù)據(jù)是6歲以上人口的受教育年限數(shù)據(jù)，因此本文測算出來的結(jié)果是內(nèi)陸地區(qū)6歲及以上的平均受教育年限數(shù)據(jù)。但《香港統(tǒng)計年刊》和《臺灣統(tǒng)計年鑒》提供的數(shù)據(jù)是15歲以上人口受教育年限數(shù)據(jù)，本文依據(jù)提供的數(shù)據(jù)計算結(jié)果為香港和臺灣地區(qū)的15歲以上的平均受教育年限。

（2）研發(fā)投入水平（rd）：R&D;經(jīng)費投入水平衡量一個地區(qū)對科技創(chuàng)新的重視程度，本文用這個變量來控制地區(qū)間創(chuàng)新環(huán)境的差異。本文根據(jù)《中國科技統(tǒng)計年鑒》提供的數(shù)據(jù)，選擇研究與試驗發(fā)展（R&D;）經(jīng)費作為衡量研發(fā)投入水平的指標(biāo)。中國內(nèi)地的數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，香港數(shù)據(jù)來源于《中國統(tǒng)計年鑒》，臺灣數(shù)據(jù)來源于《臺灣統(tǒng)計年鑒》。

（3）政府財政支出（govern）：政府在地方經(jīng)濟發(fā)展過程中扮演了十分重要的角色。這個變量用來控制地區(qū)間經(jīng)濟發(fā)展和社會環(huán)境方面的差異。作為政府財政支出重要組成部分的基礎(chǔ)建設(shè)投資，可以提供不斷完善的公共基礎(chǔ)設(shè)施，而這又能為地區(qū)的經(jīng)濟活動提供相應(yīng)的配套服務(wù)。當(dāng)前基礎(chǔ)設(shè)施投資力度不斷加深，這會有效促進信息和技術(shù)的共享，降低創(chuàng)新的成本，有利于調(diào)動企業(yè)的創(chuàng)新積極性，最終影響地區(qū)的生產(chǎn)率水平。同時，政府消費商品過程中，通過產(chǎn)品需求可以刺激企業(yè)不斷創(chuàng)新以獲取市場利潤，在此過程中影響地區(qū)創(chuàng)新水平，最終對地區(qū)全要素生產(chǎn)率產(chǎn)生影響。中國內(nèi)地地區(qū)與香港地區(qū)的政府財政支出的數(shù)據(jù)來于《中國統(tǒng)計年鑒》，臺灣地區(qū)的數(shù)據(jù)來源于《臺灣統(tǒng)計年鑒》。

（4）對外開放程度（em）：對外開放程度直接體現(xiàn)地區(qū)與國外市場的聯(lián)系程度，李健和衛(wèi)平（2015）的研究表明對外開放促進了中國全要素生產(chǎn)率水平的提升。本文通過此變量來控制地區(qū)間經(jīng)濟發(fā)展和社會環(huán)境方面的差異。本文選擇進出口總額來度量地區(qū)的對外開放程度，中國內(nèi)地與香港地區(qū)的進出口數(shù)據(jù)來源于《中國統(tǒng)計年鑒》，臺灣地區(qū)的數(shù)據(jù)來源于《臺灣統(tǒng)計年鑒》。

本文香港的匯率來源于《中國統(tǒng)計年鑒》，臺灣的匯率來源于臺灣地區(qū)銀行發(fā)布的《與主要貿(mào)易對手通貨之匯率年資料》。同時，考慮到變量之間的單位關(guān)系，本文對所有的控制變量均取自然對數(shù)，這也盡量降低了異方差問題影響。

五、實證結(jié)果分析與討論

（一）雙重差分方法的適用性檢驗

Meyer（1995）以及陳林和伍海軍（2015）的研究指出，國內(nèi)外采用雙重差分法研究政策沖擊效應(yīng)的文獻中，最常見的錯誤是實驗分組不滿足隨機性假設(shè)。因此，本文需要對實驗分組是否為隨機的進行檢驗。保證實驗分組隨機化的常用手段主要有實驗前測和實驗后側(cè)。本文借鑒現(xiàn)有常用的方法——隨機前測，檢驗確定高校擴招政策對象是隨機分組的。本文采用面板Logit模型前測法，檢驗實驗對象分組是否為“隨機的”。采用Logit模型的原因是，本文以政策虛擬變量Pit為被解釋變量，而被解釋變量是離散的，符合二值選擇模型特征。解釋變量為全要素生產(chǎn)率增長率（TFPG），進而考察全要素生產(chǎn)率增長率是否影響某個省份實行高校擴招政策。若該解釋變量前面的估計系數(shù)顯著，則說明該因素影響了政策虛擬變量，那么采用雙重差分方法會存在內(nèi)生性問題，最終導(dǎo)致回歸結(jié)果不一致。面板Logit模型回歸結(jié)果如表3所示，我們發(fā)現(xiàn)檢驗結(jié)果支持了研究樣本選擇的隨機性，滿足使用雙重差分方法的前提條件。

雙重差分方法的前提不僅包含實驗分組應(yīng)該滿足隨機性，同時還應(yīng)該滿足除實驗組和控制組樣本所操控的實驗變項不同外，其余各方面應(yīng)該達到同質(zhì)狀態(tài)（陳林和伍海軍，2015）。本文借鑒鄭新業(yè)等（2011）的研究方法對樣本同質(zhì)性進行驗證，即對實驗組和對照組在政策沖擊影響全要素生產(chǎn)率增長率走勢是否相同進行檢驗。本文以全要素生產(chǎn)率增長率的差分值為被解釋變量，以政策虛擬變量Pit為主要變量，來研究實驗組和對照組在2003年之前的全要素生產(chǎn)率增長率趨勢的特征，具體回歸結(jié)果如表4所示。表中的結(jié)果表明實驗組和地區(qū)在政策沖擊影響之前與對照組的地區(qū)沒有顯著的差異，顯然高校擴招政策的外生性這個結(jié)論得到進一步的支持。

（二）高校擴招政策對全要素生產(chǎn)率增長的影響效應(yīng)

根據(jù)前文采用數(shù)據(jù)包絡(luò)分析方法（DEA）測算出來的全要素生產(chǎn)率增長率，并結(jié)合設(shè)定的DEA- Tobit計量模型，采用stata13.0軟件進行回歸分析，得到回歸結(jié)果如表5所示。模型1中的回歸結(jié)果是建立在實驗組包含幾個主要內(nèi)陸地區(qū)（北京、天津、上海、江蘇、福建、山東、廣東、重慶）的基礎(chǔ)上得到的。模型2中的回歸結(jié)果是在模型1條件基礎(chǔ)上將樣本時間跨度從1998-2014年縮短為1998-2011年，主要因為在計算臺灣地區(qū)的平均受教育年限的數(shù)據(jù)時，原始數(shù)據(jù)只提供到了2011年。通過變化樣本的時間跨度可以使得從不平衡面板變成平衡面板，同時還可以驗證回歸結(jié)果的穩(wěn)健性。模型3中的回歸結(jié)果是建立在實驗組包含所有內(nèi)陸地區(qū)的基礎(chǔ)上得到的。模型4的回歸結(jié)果是在模型3的基礎(chǔ)條件上把時間跨度從1998-2014年縮短為1998-2011年。以上模型1至模型4中的對照組均是香港和臺灣地區(qū)，實驗期的虛擬變量從2003年開始設(shè)定為1。從表5中的回歸結(jié)果可以看出，雙重差分估計量（Dit=Pit×Tit）的系數(shù)在模型1到4中均為負(fù)值且在1%水平上顯著，這說明高校擴招政策對全要素生產(chǎn)率增長率產(chǎn)生了顯著的負(fù)向效應(yīng)。在做自然實驗時，實驗的效果常常需要一段時間才能顯現(xiàn)出來。高校擴招政策沖擊是在1999年開始的，受到擴招政策影響的第一批大學(xué)生在2003年本科畢業(yè)或者2005年碩士研究生畢業(yè)后開始參加工作，本文再次借鑒陳林和夏俊的研究方法[1]，假設(shè)高校擴招政策對全要素生產(chǎn)率增長的效應(yīng)于2005年開始產(chǎn)生沖擊，將實驗期虛擬變量Tit在1998-2004年間取值為0，而在2005-2014年間取值為1。因此調(diào)整高校擴招政策影響的沖擊顯現(xiàn)時間之后，可以得到表6中的回歸結(jié)果。我們發(fā)現(xiàn)雙重差分估計量（Dit=Pit×Tit）的系數(shù)在模型5到8中均為負(fù)值且顯著，這進一步證實了前文結(jié)果的穩(wěn)健性。由于模型3和模型7的回歸結(jié)果是在實驗組包含所有內(nèi)地地區(qū)基礎(chǔ)上得到的，本文基于這兩個回歸結(jié)果來分析高校擴招政策對全要素生產(chǎn)率增長的影響大小。由表1中的結(jié)果可知，被解釋變量全要素生產(chǎn)率增長率（TFPG）均值為0.009，而模型3和模型7中雙重差分變量Dit的系數(shù)分別為-0.0158和-0.0132，由此可以計算出高校擴招導(dǎo)致全要素生產(chǎn)率增長率下降程度在146%-175%倍之間。

高校擴招政策對中國全要素生產(chǎn)率產(chǎn)生了負(fù)面影響的原因可能有以下幾個方面：第一，高等教育質(zhì)量出現(xiàn)“棘輪式”下降，降低了大學(xué)畢業(yè)生的綜合素質(zhì)，對技術(shù)進步產(chǎn)生了一定的抑制作用。1999年高校擴招的后果是大學(xué)生生源質(zhì)量下降，先天基礎(chǔ)較為薄弱的學(xué)生并不能通過大學(xué)教育獲得較大的改善，而這部分“先天不足”的大學(xué)生進入教育界，造成了教育質(zhì)量的進一步下降，致使大學(xué)生技能和知識積累受到了很大的抑制，在進入工作崗位時技術(shù)創(chuàng)新能力相對較弱，這對技術(shù)進步產(chǎn)生了較大的阻礙，最終抑制了全要素生產(chǎn)率水平的提升。第二，高校擴招致使在校生數(shù)量增速過快，而高等教育投入跟不上教育環(huán)境的實際需求，阻礙了大學(xué)生知識積累和能力的提升。由前文可知1998年每10名在校學(xué)生可獲得3名教職工教輔，而這一指標(biāo)在2013年約為0.92個教職工教輔。高校擴招最為明顯的特征是大學(xué)生數(shù)量迅猛增加，而財政性高等教育經(jīng)費投入增速反而相對減緩，學(xué)生沒有足夠的配套教輔，教師沒有得到激勵而開始對教學(xué)和科研工作懈怠，這阻礙了在校大學(xué)生的知識積累效率（陳林和夏俊，2015），進而影響未來全要素生產(chǎn)率的增長。第三，高校擴招致使大學(xué)生就業(yè)門檻不斷提高，勞動參與率下降，失業(yè)率上升。高校擴招的直接后果是過多的畢業(yè)生追求相對較少的工作崗位，而企業(yè)雇主在面對競爭激烈的勞動市場時不斷提高就業(yè)門檻，擴大了畢業(yè)生的失業(yè)率，最終導(dǎo)致生產(chǎn)率增長受到抑制。

平均受教育年限（lneducation）在模型1至模型8中系數(shù)均不顯著，這表明教育水平的上升并沒有對全要素生產(chǎn)率增長產(chǎn)生顯著的促進作用。本文實證結(jié)果與理論上有些出入，但與Vandenbussche等（2006）以及彭國華（2007）的研究結(jié)論一致。本文采用的平均受教育年限忽略了人力資本的異質(zhì)性問題，而這往往會使得教育的經(jīng)濟增長效應(yīng)被弱化。Vandenbussche等（2006）的研究表明，只有具有高等教育水平的人力資本才會對全要素生產(chǎn)率增長產(chǎn)生顯著的正向作用，而人力資本的平均水平對全要素生產(chǎn)率增長并沒有產(chǎn)生顯著的正向作用。彭國華（2007）的研究表明只有受過高等教育的人力資本才對全要素生產(chǎn)率增長產(chǎn)生顯著的促進作用。研發(fā)經(jīng)費投入（lnrd）的系數(shù)在所有的模型中均為負(fù)值且在個別模型中顯著，這表明研發(fā)經(jīng)費投入水平越高反而越抑制全要素生產(chǎn)率的增長，本文的實證結(jié)果與李健和盤宇章（2017）以及李健和衛(wèi)平（2015）的研究結(jié)果一致。中國創(chuàng)新能力不斷提升，主要貢獻來源于科技創(chuàng)新投入力度的增強，然而中國科技創(chuàng)新投入和產(chǎn)出并不成比例，創(chuàng)新效率低下的同時科技創(chuàng)新成果轉(zhuǎn)化率也很低，很多專利不能有效地轉(zhuǎn)化為有效生產(chǎn)力，最終對全要素生產(chǎn)率的增長產(chǎn)生了負(fù)面的影響。政府財政支出（lngovern）的系數(shù)在所有模型中均為負(fù)值，除了模型6不顯著外，在其他的模型中均在5%水平上顯著，這表明政府財政支出水平提升反而抑制了全要素生產(chǎn)率的增長，本文實證結(jié)果與李健和盤宇章（2017）、劉生龍和胡鞍鋼（2010）的研究結(jié)果一致。本文所選用的政府財政支出數(shù)據(jù)既包含行政費用、重復(fù)公共基礎(chǔ)建設(shè)等不利于全要素生產(chǎn)率增長的支出項目，也包含財政科技撥款、教育支出等有利于全要素生產(chǎn)率增長的支出項目，很難在模型中將這兩個部分合理地區(qū)分開來。同時，中國地方政府的“錯位”“越位”“缺位”現(xiàn)象很嚴(yán)重，財政支出流向隨著政府的意愿變化而不斷調(diào)整，本應(yīng)該發(fā)揮合理效用的資源被扭曲使用，導(dǎo)致財政支出最終抑制了全要素生產(chǎn)率的增長。對外開放程度（lnem）系數(shù)在模型1到8中均為正值且在1%水平上顯著，這表明對外開放促進了全要素生產(chǎn)率的增長。對外開放可以通過高新技術(shù)產(chǎn)品進口的溢出效應(yīng)、技術(shù)進口溢出效應(yīng)等效應(yīng)推動地區(qū)的技術(shù)進步，最終推動全要素生產(chǎn)率的增長（王靜和張西征，2012；孫文杰和沈坤榮，2007；劉重力和黃平川，2011）。

六、主要結(jié)論與政策啟示

本文基于1998-2014年中國內(nèi)陸30個地區(qū)以及香港、臺灣地區(qū)的面板數(shù)據(jù)，利用DEA-Malmquist指數(shù)分析方法測算了中國及各地區(qū)的全要素生產(chǎn)率增長率并對其進行分解研究，在此基礎(chǔ)上利用DEA-Tobit模型和雙重差分方法分析高校擴招對中國全要素生產(chǎn)率增長的影響。得到以下主要研究結(jié)論：

（1）1998-2014年間中國全要素生產(chǎn)率（TFP）出現(xiàn)了正增長，年均增長率為0.9%。中國整體的全要素生產(chǎn)率增長率呈現(xiàn)逐年下降趨勢，這與當(dāng)前中國經(jīng)濟增長減速是完全一致的。中國技術(shù)進步年均增速為2.7%，而技術(shù)效率年均增速為-1.8%，中國全要素生產(chǎn)率出現(xiàn)增長主要是由于技術(shù)進步導(dǎo)致的，而技術(shù)效率的惡化產(chǎn)生了一定的抑制作用。純技術(shù)效率和規(guī)模效率的年均增速相同，均為-0.9%，說明技術(shù)效率的惡化是由純技術(shù)效率和規(guī)模效率惡化共同導(dǎo)致的。

（2）中國地區(qū)經(jīng)濟增長表現(xiàn)良好但依舊有較大的改善空間。樣本空間內(nèi)出現(xiàn)全要素生產(chǎn)率正增長的地區(qū)有23個，技術(shù)進步變化為正的地區(qū)有32個，技術(shù)效率改善的地區(qū)有3個，由技術(shù)進步和技術(shù)效率改善共同推動全要素生產(chǎn)率增長的地區(qū)有3個，占全部樣本總數(shù)的10%左右，這表明中國地區(qū)經(jīng)濟運行效率改善空間巨大。

（3）高校擴招對中國內(nèi)地的全要素生產(chǎn)率增長產(chǎn)生了顯著的負(fù)面影響。高校擴招后中國內(nèi)地30個地區(qū)的整體全要素生產(chǎn)率增長率由于政策的沖擊而下降146%-175%倍左右。為了驗證回歸結(jié)果的穩(wěn)健性，本文通過選取不同時間和不同對象得到不同的面板數(shù)據(jù)集對計量模型進行回歸，發(fā)現(xiàn)高校擴招對內(nèi)地全要素生產(chǎn)率的增長負(fù)面影響這個結(jié)論是穩(wěn)健的。

以上研究結(jié)論對中國內(nèi)地提高TFP水平具有以下兩個方面的政策啟示：第一，中國內(nèi)地高等教育應(yīng)該在“質(zhì)”的提升基礎(chǔ)上考慮“量”的擴張。高等教育過程也是提高人力資本的過程，這與傳統(tǒng)生產(chǎn)產(chǎn)品那種“低投入—高產(chǎn)出”的生產(chǎn)模式不同，高等教育應(yīng)該是“高投入—高產(chǎn)出”的模式。而這種通過高校擴招來增加人力資本的方式并不能帶來長久的正面收益，因此中國內(nèi)陸地區(qū)在教育改革過程中不應(yīng)該過分強調(diào)短期的經(jīng)濟效應(yīng)，更應(yīng)該關(guān)注經(jīng)濟的可持續(xù)增長。第二，中國內(nèi)陸各地區(qū)的全要素生產(chǎn)率持續(xù)增長需要同時注重技術(shù)進步和技術(shù)效率的改善。中國自改革開放以來，科技創(chuàng)新投入力度不斷增強，R&D;投入強度在2014年超過了國際普遍公認(rèn)的標(biāo)準(zhǔn)線2%，技術(shù)進步速度不斷加快。然而，中國內(nèi)地多數(shù)地區(qū)一直處于經(jīng)濟低效率發(fā)展?fàn)顟B(tài)，要素市場扭曲程度并沒有得到明顯的緩解，資源沒有被充分利用，這些問題不是僅僅是依靠技術(shù)進步能解決的，更要提高生產(chǎn)效率，這需要提升人力資本的綜合素質(zhì)，而這更加凸顯了高等教育重點應(yīng)該是放在人力資本的綜合培養(yǎng)上面，而不是簡簡單單的人力資本的數(shù)量。

參考文獻：

[1]蔡海靜、馬汴京，2015：《高校擴招、能力異質(zhì)性與大學(xué)畢業(yè)生就業(yè)》，《中國人口科學(xué)》第4期。[Cai Haijing，and Ma Bianjing，2015，Higher Education Expansion，Ability Heterogeneity and Graduates Employment，Chinese Journal of Population Science，4]

[2]陳林、夏俊，2015：《高校擴招對創(chuàng)新效率的政策效應(yīng)——基于準(zhǔn)實驗與雙重差分模型的計量檢驗》，《中國人口科學(xué)》第5期。[Chen Lin，and Xia Jun，2015，Policy Effect of China`s College Enrolment Expansion on the Innovation Efficiency：Based on the Framework of Quasi Experiment and Difference-in-difference Method，Chinese Journal of Population Science，5]

[3]陳林、伍海軍，2015：《國內(nèi)雙重差分法的研究狀況與潛在問題》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第7期。[Chen Lin，and Wu Haijun，2015，Research Status and Potential Problems of Differences-in-differences Method in China，The Journal of Quantitative & Technical Economics，7]

[4]丁小浩、陳良焜，2000：《高等教育擴大招生對經(jīng)濟增長和增加就業(yè)的影響分析》，《教育發(fā)展研究》第2期。[Ding Xiaohao，and Chen Liangkun，2000，Analysis of Effects of High Education Expansion on the Economic Growth and Employment，Exploring Education Development，2.]

[5]馮劍鋒、岳經(jīng)綸，2017：《高校擴招、人口轉(zhuǎn)變與勞動參與率》，《高等教育研究》第7期。[Feng Jianfeng，and Yue Jinglung，2017，Education Expansion，People`s Transformation and Labor Force Participation Rate，Journal of Higher Education，7.]

[6]李健、衛(wèi)平、付軍明，2015：《中國地區(qū)工業(yè)生產(chǎn)率增長差異及收斂性研究——基于三投入DEA實證分析》，《產(chǎn)業(yè)經(jīng)濟研究》第5期。[Li Jian，Wei Ping，and Fu Junming，2015，The Disparity and Convergence of Industrial TFP Growth in Chinese Provinces：Based on the Three-input DEA Model Study，Industrial Economics Research，5.]

[7]李健、衛(wèi)平，2015：《金融發(fā)展和全要素生產(chǎn)率增長》，《經(jīng)濟理論與經(jīng)濟管理》第8期。 [Li Jian，and Wei Ping，2015，F(xiàn)inancial Development and Total Factor Productivity Growth，Economic Theory and Business Management，8]

[8]李健、盤宇章，2017：《金融發(fā)展、實體部門與全要素生產(chǎn)率增長——基于中國省級面板數(shù)據(jù)分析》，《經(jīng)濟科學(xué)》第5期。 [Li Jian，and Pan Yuzhang，2017，F(xiàn)inancial Development，Real Sector and Total Factor Productivity Growth，Economic Science，5]

[9]李勇，2004：《高校擴招的實證分析》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第2期。[Li Yong，2004，Empirical Analysis of Education Expansion， The Journal of Quantitative & Technical Economics，9]

[10]李郁芳、艾興勇，2015：《高校擴招改善了收入不平等嗎？》，《產(chǎn)經(jīng)評論》第2期。[Li Yufang，and Ai Xingyong，2015，Does Higher Education Expansion Improve Income Inequality？ Industrial Economic Review，2.]

[11]劉生龍、胡鞍鋼，2010：《基礎(chǔ)設(shè)施的外部性在中國的檢驗：1998-2007》，《經(jīng)濟研究》第3期。[Liu Shenglong，and Hu Angang，2010，Test on the Externality of Infrastructure in China，Economic Research Journal，3]

[12]劉重力、黃平川，2011：《技術(shù)進口對我國企業(yè)技術(shù)創(chuàng)新的影響——基于中國省際數(shù)據(jù)的分位數(shù)回歸》，《南開經(jīng)濟研究》第5期。[Liu Zhongli and Huang Pingchuan，2011，The Influence of Technology Imports to China`s Enterprises Innovation：Evidence from Provincial Data and Quantile Regression，Nankai Economic Studies，5.]

[13]彭國華，2007：《我國地區(qū)全要素生產(chǎn)率與人力資本構(gòu)成》，《中國工業(yè)經(jīng)濟》第2期。[Peng Guohua，2007，Total Factor Productivity and Composition of Human Capital in Chinese Provinces，China Industrial Economy，2.]

[14]彭清華，2011：《高校擴招的經(jīng)濟社會貢獻研究》，中南大學(xué)。[Peng Qinghua，2011，A Study on Economic and Social Contributions of Enrollment Expansion of the University，ZhongNan University.]

[15]石大千、張衛(wèi)東，2017：《高校擴招縮小了城鄉(xiāng)收入差距嗎？》，《教育與經(jīng)濟》第5期。[Shi Daqian，and Zhang Weidong，2017，Does the Expansion of College Enrollment Narrow the Urban-Rural Income Gap？Education & Economy，5]

[16]唐可月、張鳳林，2006：《高校擴招后果的經(jīng)濟學(xué)分析——基于勞動市場信號發(fā)送理論的研究》，《財經(jīng)研究》第3期。[Tang Keyue，and Zhang Fenglin，Effects of Increased Enrollment of High Education—An Analysis Based on the Job Market Signaling Theory，Journal of Finance and Economics，3.]

[17]孫文杰、沈坤榮，2007：《技術(shù)引進與中國企業(yè)的自主創(chuàng)新：基于分位數(shù)回歸模型的經(jīng)驗研究》，《世界經(jīng)濟》第11期。[Sun Wenjie，and Shen Kunrong，2007，Technolocial Introduction and Independent Innovation of Enterprises in China：Based on Quantile Regression Model，The Journal of World Economy，11]

[18]王靜、張西征，2012：《高科技產(chǎn)品進口溢出、創(chuàng)新能力和生產(chǎn)效率》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第9期。[Wang Jing，and Zhang Xizheng，2012，High-tech Products Import Spillovers，Innovation Ability and Production Efficiency，The Journal of Quantitative & Technical Economics，9]

[19]吳要武、趙泉，2010：《高校擴招與大學(xué)畢業(yè)生就業(yè)》，《經(jīng)濟研究》第9期。[Wu Yaowu，and Zhao Quan，2010，Technical Progress，Return to Education and Income Inequality in China，Economic Research Journal，9]

[20]邢春冰、李實，2011：《擴招“大躍進”、教育機會與大學(xué)畢業(yè)生就業(yè)》，《經(jīng)濟學(xué)（季刊）》第4期。[Xing Chunbing，and Li Shi，2011，Higher Education Expasion，Education opportunity and Unemployment of College Graduates，China Economic Quarterly，4.]

[21]余永澤，2015：《中國省際全要素生產(chǎn)率動態(tài)空間收斂性研究》，《世界經(jīng)濟》第10期。[Yu Yongze，2015，Dynamic Spatial Convergence of TFP of China`s Provinces， The Journal of World Economy，10]

[22]顏鵬飛、王兵，2004：《技術(shù)效率、技術(shù)進步與生產(chǎn)率增長：基于DEA的實證分析》，《經(jīng)濟研究》第12期。[ Yan Pengfei，and Wang Bing，Technical Efficiency，Technical Progress &Productivity; Growth ：A Empirical Analysis Based on DEA，Economic Research Journal，12.]

[23]鄭新業(yè)、王晗、趙益卓，2011：《“省直管縣”能促進經(jīng)濟增長嗎？——雙重差分法》，《管理世界》第8期。[Zheng Xinye，Wang Han，and Zhao Yizhuo，2011，Can the Behavior that Provinces Manage County Promote Economic Growth？Based on the Difference-in-difference，Management World，8.]

[24]周曉紅，2001：《論高校擴招對經(jīng)濟發(fā)展的作用》，《教育與經(jīng)濟》第1期。[Zhou Xiaohong，2011，On the Effect of College Enrollment Expansion on Economic Development，Education & Economy，1]

[25]張軍、吳桂英、張吉鵬，2004：《中國省級物質(zhì)資本存量估算：1952-2000》，《經(jīng)濟研究》第10期。[Zhang Jun，Wu Guiying and Zhang Jipeng，2004，The Estimation of China`s Provincial Capital Stock：1952-2000，Economic Research Journal，10.]

[26]張軍、陳詩一、Jefferson G.H.，2009：《結(jié)構(gòu)改革與中國工業(yè)增長》，《經(jīng)濟研究》第7期。[Zhang Jun，Chen Shiyi，and G.H. Jefferson，2009，Structural Reform and Industrial Growth in China，Economic Research Journal，7.]

[27]Bos， J.W.B.，C. Economidou，M. koetter，and J.W. Kolari， 2010， Do All Countries Grow Alike？ ，Journal of Development Economics，91（1）：113-127.

[28]Card，D. and A. Krueger ，1994，Minimum Wages and Employment：A Case Study of the Fast Food Industry，American Economic Review，84（4）：772-793.

[29]Lucas，R.，1988， On the Mechanics of Economic of Economic Development，Journal of Monetary Economics，22（1）：3-42.

[30]Meyer，B.D.，1995，Natural and Quasi-experiments in Economics，Journal of Business and Economy Statisticism，13（2）：151-161.

[31]Vandenbussche，J.，P. Aghion，and C. Mehir，2006，Growth，Distance to Frontier and Composition of Human Capital，Journal of Economic Growth，11（2）：97-127.

[32]Young，A，2003， Gold into Base Metals：Productivity Growth in the People`s Republic of China during the Reform Period，Journal of Political Economy，111（6）：1220-1261.

Abstract：In the framework of difference-in-difference method and based on the provincial panel data of China mainland's 30 provinces， Hong Kong and Taiwan from 1998 to 2014， the paper firstly uses the DEA-Malmquist index method to calculate the level of total factor productivity in different regions， followed by more precise further studies， which provides the basis for the authors to make further efforts by using of the DEA-Tobit model for an analysis of the effect of China's university enrollment expansion policy on the growth of total factor productivity.

The empirical results show that the average growth rate of total factor productivity in China during the study period was 0.9%. The growth rate presented a yearly downward trend， and kept pace with the slowdown of China's economic growth. The power source of China's total factor productivity growth was the technical progress of 2.7%，and the deterioration of technical efficiency of -1.8% inhibited the growth of total factor productivity. The regional economic growth in China featured a fine performance， but there still existed substantial space for improvement. In about one out of ten sample regions， the total factor productivity is found to be increased by the joint work of technological progress and technological efficiency improvement.

However， the enrollment expansion policy in universities has had an obviously negative effect on the growth of total factor productivity in the mainland regions in China. After the enrollment expansion of universities， the growth rate of total factor productivity in China mainland decreases by 146% to 175% from province to province.

Key Words：Enrollment Expansion of Universities； Total Factor Productivity； DEA； Difference-in-Difference Method

責(zé)任編輯 鄧 悅