鄧金鋒，楊 娟

(北京師范大學(xué) 經(jīng)濟(jì)與工商管理學(xué)院，北京 100875)

一、引言

圖1 1978—2019年中國(guó)GDP增速和勞動(dòng)生產(chǎn)率增速數(shù)據(jù)來(lái)源:國(guó)家統(tǒng)計(jì)局，http://data.stats.gov.cn/easyquery.htm?cn=c01

2010年以后，中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入轉(zhuǎn)型期。在達(dá)到劉易斯拐點(diǎn)之后，中國(guó)勞動(dòng)力供給開(kāi)始下降，勞動(dòng)力成本不斷增加，中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入“新常態(tài)”。在這一新階段，產(chǎn)業(yè)結(jié)構(gòu)表現(xiàn)主要為服務(wù)業(yè)占比超過(guò)第二產(chǎn)業(yè)，制造業(yè)由資本密集型產(chǎn)業(yè)向技術(shù)密集型轉(zhuǎn)變。

在新階段下，基于要素和投資驅(qū)動(dòng)的經(jīng)濟(jì)增長(zhǎng)已不可持續(xù)。就勞動(dòng)力要素來(lái)看，中國(guó)面臨勞動(dòng)力成本不斷上升、勞動(dòng)力供給持續(xù)下降、人口老齡化加速和生育率較低的問(wèn)題；從資本要素投入來(lái)看，邁過(guò)2010年后，中國(guó)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的固定資產(chǎn)投資完成額增速呈下降趨勢(shì)，2011年，中國(guó)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)固定資產(chǎn)投資完成額增速分別為27.3%和21.1%，之后處于增長(zhǎng)減速階段，到2019年，增速分別下降至3.2%和6.6%。

站在21世紀(jì)的第三個(gè)十年，中國(guó)經(jīng)濟(jì)發(fā)展面臨的外部和內(nèi)部環(huán)境更加復(fù)雜。一是2008年全球金融危機(jī)后，單邊貿(mào)易保護(hù)主義抬頭，且與民粹主義、“逆全球化”互相呼應(yīng)。二是2020年爆發(fā)的新冠肺炎疫情對(duì)全球經(jīng)濟(jì)造成巨大沖擊，后疫情時(shí)代各國(guó)經(jīng)濟(jì)恢復(fù)緩慢，疫情反復(fù)給各國(guó)財(cái)政和貨幣政策帶來(lái)巨大挑戰(zhàn)，世界經(jīng)濟(jì)發(fā)展充滿(mǎn)了不確定性。三是“十四五”期間，中國(guó)發(fā)展面臨的矛盾和問(wèn)題集中在發(fā)展質(zhì)量上，能否實(shí)現(xiàn)擴(kuò)大內(nèi)需、進(jìn)一步優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、以創(chuàng)新促發(fā)展等目標(biāo)將是中國(guó)經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展和2035遠(yuǎn)景規(guī)劃目標(biāo)的關(guān)鍵。

實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量、持續(xù)發(fā)展，意味著需要不斷提高勞動(dòng)生產(chǎn)率。2021年3月，政府工作報(bào)告提出“十四五”期間“全員勞動(dòng)生產(chǎn)率增長(zhǎng)高于國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)”的目標(biāo)。單從數(shù)學(xué)意義上理解，這一目標(biāo)似乎很容易實(shí)現(xiàn)，畢竟中國(guó)從業(yè)人員數(shù)量處于持續(xù)下降狀態(tài)，只需國(guó)民生產(chǎn)總值保持增長(zhǎng)即可。但從實(shí)際意義來(lái)說(shuō)，這一目標(biāo)是要求國(guó)內(nèi)生產(chǎn)總值應(yīng)由勞動(dòng)生產(chǎn)率的提高拉動(dòng)，保持合理與健康的勞動(dòng)生產(chǎn)率增速將決定中國(guó)的經(jīng)濟(jì)發(fā)展速度和質(zhì)量。

深入分析影響中國(guó)勞動(dòng)生產(chǎn)率增長(zhǎng)的因素，有利于正確認(rèn)識(shí)勞動(dòng)生產(chǎn)率和經(jīng)濟(jì)增長(zhǎng)，挖掘新時(shí)期經(jīng)濟(jì)增長(zhǎng)的潛在動(dòng)力。通過(guò)對(duì)新古典增長(zhǎng)模型進(jìn)行擴(kuò)展，本文得到包含產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變、資本深化和教育因素三方面的勞動(dòng)生產(chǎn)率生產(chǎn)函數(shù)，并利用各省市1998—2019年數(shù)據(jù)進(jìn)行OLS回歸分析；進(jìn)一步地，對(duì)不同階段勞動(dòng)生產(chǎn)率的增長(zhǎng)進(jìn)行RIF分解以探究不同因素的增長(zhǎng)貢獻(xiàn)。本文的意義在于：回歸分析的結(jié)果肯定了中國(guó)經(jīng)濟(jì)在結(jié)構(gòu)轉(zhuǎn)型升級(jí)時(shí)期確實(shí)經(jīng)歷了“結(jié)構(gòu)性減速”，但也認(rèn)可產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變的積極作用，即促進(jìn)上側(cè)分位數(shù)上的勞動(dòng)生產(chǎn)率增長(zhǎng)；同時(shí)，本文還發(fā)現(xiàn)教育數(shù)量和教育質(zhì)量對(duì)勞動(dòng)生產(chǎn)率產(chǎn)生影響時(shí)的相互影響。

二、相關(guān)文獻(xiàn)回顧

在眾多研究勞動(dòng)生產(chǎn)率的文獻(xiàn)中，可以按照影響勞動(dòng)生產(chǎn)率的因素進(jìn)行分類(lèi)，這些因素包括：產(chǎn)業(yè)結(jié)構(gòu)和全球產(chǎn)業(yè)鏈分工、資本深化、教育和人力資本、市場(chǎng)配置資源有效性、創(chuàng)新和技術(shù)進(jìn)步、城市規(guī)模、環(huán)境等。本文主要關(guān)注產(chǎn)業(yè)結(jié)構(gòu)、出口結(jié)構(gòu)、資本深化、教育人力資本四方面與勞動(dòng)生產(chǎn)率關(guān)系的研究成果。

1.產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)生產(chǎn)率

把產(chǎn)業(yè)結(jié)構(gòu)升級(jí)看作生產(chǎn)要素從低生產(chǎn)率部門(mén)向高生產(chǎn)率部門(mén)流動(dòng)優(yōu)化的過(guò)程，那么結(jié)構(gòu)變化對(duì)經(jīng)濟(jì)增長(zhǎng)具有正向作用；而“鮑莫爾成本病”觀點(diǎn)認(rèn)為，勞動(dòng)力不斷從進(jìn)步部門(mén)轉(zhuǎn)移到停滯部門(mén)，最終會(huì)導(dǎo)致整體生產(chǎn)率的降低。1990年以后，非洲和拉丁美洲國(guó)家的產(chǎn)業(yè)結(jié)構(gòu)工業(yè)化轉(zhuǎn)變處于下降態(tài)勢(shì)，那些依賴(lài)于自然資源出口的國(guó)家，勞動(dòng)力從高生產(chǎn)率部門(mén)流向低生產(chǎn)率部門(mén)，導(dǎo)致整體勞動(dòng)生產(chǎn)率降低。有學(xué)者使用1973—1990年聯(lián)合國(guó)工業(yè)開(kāi)發(fā)組織39個(gè)國(guó)家和24個(gè)行業(yè)的數(shù)據(jù)對(duì)勞動(dòng)生產(chǎn)率增長(zhǎng)進(jìn)行分解，發(fā)現(xiàn)盡管總體上產(chǎn)業(yè)結(jié)構(gòu)服務(wù)化轉(zhuǎn)變對(duì)勞動(dòng)生產(chǎn)率有負(fù)向作用，但那些致力于發(fā)展電子行業(yè)的國(guó)家實(shí)現(xiàn)了勞動(dòng)生產(chǎn)率更快的增長(zhǎng)。還有學(xué)者對(duì)俄羅斯1995—2012年勞動(dòng)生產(chǎn)率的增長(zhǎng)進(jìn)行了分解，發(fā)現(xiàn)結(jié)構(gòu)變化的影響是隨著勞動(dòng)生產(chǎn)率增速增加、隨時(shí)間降低的。羅賓森(Robinson)等對(duì)中國(guó)1978—1995年的經(jīng)濟(jì)增長(zhǎng)進(jìn)行實(shí)證分析，認(rèn)為通過(guò)將要素資源從低生產(chǎn)率部門(mén)轉(zhuǎn)移至高生產(chǎn)率部門(mén)，產(chǎn)業(yè)結(jié)構(gòu)工業(yè)化對(duì)經(jīng)濟(jì)增長(zhǎng)有正向影響；但是，李文兵等對(duì)1979—2005年中國(guó)的勞動(dòng)生產(chǎn)率和全要素生產(chǎn)率增長(zhǎng)進(jìn)行了分解，認(rèn)為三次產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變期間沒(méi)有產(chǎn)生明顯的“結(jié)構(gòu)紅利”。對(duì)中國(guó)2010年后經(jīng)濟(jì)增長(zhǎng)的相關(guān)研究認(rèn)為，中國(guó)經(jīng)濟(jì)正在經(jīng)歷“結(jié)構(gòu)性減速”。產(chǎn)業(yè)結(jié)構(gòu)“服務(wù)化”對(duì)勞動(dòng)生產(chǎn)率的負(fù)向影響被部分學(xué)者用于解釋2011年以來(lái)中國(guó)經(jīng)濟(jì)增長(zhǎng)的持續(xù)放緩，這一經(jīng)濟(jì)增長(zhǎng)放緩的現(xiàn)象被稱(chēng)為“結(jié)構(gòu)性減速”，支持這一觀點(diǎn)的邏輯是中國(guó)服務(wù)業(yè)發(fā)展滯后，其生產(chǎn)率相對(duì)工業(yè)部門(mén)生產(chǎn)率較低，向“服務(wù)化”轉(zhuǎn)變導(dǎo)致經(jīng)濟(jì)增長(zhǎng)放緩。陸明濤等也認(rèn)為，在勞動(dòng)人口增長(zhǎng)減緩甚至負(fù)增長(zhǎng)、資本投資下降、要素產(chǎn)出彈性下降的沖擊下，結(jié)構(gòu)性減速不可避免。

2.出口結(jié)構(gòu)和勞動(dòng)生產(chǎn)率

發(fā)展中國(guó)家參與全球產(chǎn)業(yè)鏈分工，具備吸收發(fā)達(dá)國(guó)家技術(shù)實(shí)現(xiàn)勞動(dòng)生產(chǎn)率快速增長(zhǎng)的“后發(fā)優(yōu)勢(shì)”?？ù?Kates)比較了1970—1996年期間拉丁美洲國(guó)家和美國(guó)的勞動(dòng)生產(chǎn)率增速，拉丁美洲國(guó)家產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)向具備比較優(yōu)勢(shì)的原材料加工和勞動(dòng)力密集型產(chǎn)業(yè)，使得這些產(chǎn)業(yè)的勞動(dòng)生產(chǎn)率相比美國(guó)對(duì)應(yīng)產(chǎn)業(yè)的勞動(dòng)生產(chǎn)率差距減小，而其余產(chǎn)業(yè)的勞動(dòng)生產(chǎn)率差距不斷擴(kuò)大。孫文遠(yuǎn)和姜德波認(rèn)為，基于比較優(yōu)勢(shì)和規(guī)模經(jīng)濟(jì)利益的獲得、技術(shù)進(jìn)步和技術(shù)溢出效應(yīng)、企業(yè)和產(chǎn)業(yè)組織創(chuàng)新效應(yīng)等途徑，參與產(chǎn)品內(nèi)國(guó)際分工對(duì)勞動(dòng)生產(chǎn)率的提高有積極作用。唐東波對(duì)中國(guó)2000—2006年參與全球分工的研究也發(fā)現(xiàn)，參與國(guó)際垂直分工對(duì)勞動(dòng)生產(chǎn)率增長(zhǎng)確實(shí)有正向作用，尤其對(duì)高新技術(shù)行業(yè)和低生產(chǎn)率企業(yè)的效應(yīng)更大。

3.資本深化和勞動(dòng)生產(chǎn)率

資本深化即勞動(dòng)力人均資本不斷增加的過(guò)程，根據(jù)Solow增長(zhǎng)模型，當(dāng)經(jīng)濟(jì)處于平衡增長(zhǎng)路徑上時(shí)，勞均資本是穩(wěn)定的；對(duì)于發(fā)展中國(guó)家來(lái)說(shuō)，儲(chǔ)蓄率偏高和外向型發(fā)展戰(zhàn)略都意味著資本深化的持續(xù)性。有學(xué)者通過(guò)對(duì)1987—2005年中國(guó)勞動(dòng)生產(chǎn)率的分解，認(rèn)為儲(chǔ)蓄是這一期間勞動(dòng)生產(chǎn)率持續(xù)增長(zhǎng)的主要原因，而這與中國(guó)對(duì)外開(kāi)放過(guò)程中資本深化持續(xù)加深相關(guān)；類(lèi)似的，毛豐付和潘家順也認(rèn)為1995—2010年間資本深化對(duì)地級(jí)市及以上城市勞動(dòng)生產(chǎn)率的貢獻(xiàn)最大，盡管這一影響呈緩慢下降態(tài)勢(shì)；李谷成也認(rèn)為資本積累及其深化是改革開(kāi)放以來(lái)中國(guó)農(nóng)業(yè)持續(xù)增長(zhǎng)的重要原因。

4.人力資本和勞動(dòng)生產(chǎn)率

在內(nèi)生增長(zhǎng)理論中，知識(shí)和人力資本對(duì)全要素生產(chǎn)率的提高十分重要，進(jìn)而影響經(jīng)濟(jì)的長(zhǎng)期增長(zhǎng)。在實(shí)證研究中，大多數(shù)學(xué)者使用教育人力資本作為代理變量，證實(shí)了人力資本提高對(duì)勞動(dòng)生產(chǎn)率的促進(jìn)作用。如費(fèi)舍爾(Fischer)等人使用歐盟NUTS-2地區(qū)的觀測(cè)數(shù)據(jù)，發(fā)現(xiàn)地區(qū)人力資本的相對(duì)提升對(duì)區(qū)域的勞動(dòng)生產(chǎn)率確實(shí)有促進(jìn)作用；蘭加斯(Rangazas)對(duì)美國(guó)長(zhǎng)期(1870—1970年)的勞動(dòng)生產(chǎn)率研究表明，教育數(shù)量和質(zhì)量能解釋美國(guó)30%—40%的勞動(dòng)生產(chǎn)率增長(zhǎng)；其他的研究也表明人力資本對(duì)勞動(dòng)生產(chǎn)率具有正向作用。

在現(xiàn)有關(guān)于中國(guó)勞動(dòng)生產(chǎn)率的研究中，大部分學(xué)者從資本深化和要素結(jié)構(gòu)轉(zhuǎn)變的角度分析勞動(dòng)生產(chǎn)率增長(zhǎng)，少量研究考察了資本深化和教育人力資本的影響，前者忽視了中國(guó)經(jīng)濟(jì)發(fā)展過(guò)程中教育擴(kuò)張的貢獻(xiàn)，后者卻沒(méi)有考慮到結(jié)構(gòu)因素的動(dòng)態(tài)變化。此外，在研究教育人力資本對(duì)勞動(dòng)生產(chǎn)率的影響時(shí)，大多學(xué)者僅考慮了教育數(shù)量而忽視了教育質(zhì)量，雖然張海峰等估計(jì)了教育質(zhì)量的影響，但是其使用的數(shù)據(jù)較早(1980—2005年)，不能反映出高等教育擴(kuò)張的效應(yīng)。綜合已有文獻(xiàn)，本文將考慮結(jié)構(gòu)轉(zhuǎn)變、資本深化和教育(數(shù)量和質(zhì)量)人力資本對(duì)勞動(dòng)生產(chǎn)率的邊際影響和增長(zhǎng)貢獻(xiàn)。

三、分析框架

在對(duì)影響勞動(dòng)生產(chǎn)率的因素進(jìn)行實(shí)證分析時(shí)，主要使用的方法有兩種，即回歸和分解?；貧w的結(jié)果能直接反映在某一給定自變量的水平上，的微小變動(dòng)對(duì)于因變量的影響，因此回歸系數(shù)又被稱(chēng)為條件偏效應(yīng)，回歸系數(shù)即為均值處的偏效應(yīng)。在某些情況下(比如研究性別收入差距和代際收入差異時(shí))，為了測(cè)量的微小變動(dòng)對(duì)于的邊際分位數(shù)或者的邊際分布的其他函數(shù)的影響，可以使用RIF(Recentered Influence Function)回歸。

對(duì)被解釋變量的變動(dòng)進(jìn)行分解，有助于清楚認(rèn)識(shí)不同解釋變量的增長(zhǎng)貢獻(xiàn)。在部分文獻(xiàn)中，學(xué)者們對(duì)勞動(dòng)生產(chǎn)率的研究專(zhuān)注于勞動(dòng)生產(chǎn)率變動(dòng)成因的分解，比如，法格伯格(Fagerberg)、佩內(nèi)德(Peneder)、蔡躍州和付一夫等使用偏移—份額分解法將勞動(dòng)生產(chǎn)率拆解為進(jìn)步效應(yīng)和結(jié)構(gòu)效應(yīng)。偏移—份額分解法對(duì)數(shù)據(jù)質(zhì)量有一定要求，即需要知道各產(chǎn)業(yè)的投入和產(chǎn)出占比，在實(shí)證分析中，投入占比和產(chǎn)出占比數(shù)據(jù)往往由測(cè)算得出，存在一定缺陷。另一種新興的分解方法是基于RIF回歸，這一方法和Oaxaca-Blinder分解相似，但不同的是RIF分解研究的是要素及其回報(bào)的變化對(duì)在不同時(shí)期分布的影響。

本文將基于面板OLS回歸探討各要素對(duì)于勞動(dòng)生產(chǎn)率的邊際效應(yīng)，使用RIF分解討論引起不同階段勞動(dòng)生產(chǎn)率水平和分布變化的原因。下面介紹OLS回歸模型和RIF分解方法。

1.生產(chǎn)函數(shù)和OLS回歸模型

基于Solow增長(zhǎng)模型，提出地區(qū)生產(chǎn)函數(shù)如下：

(1)

(2)

其中，,=,,，即為勞均產(chǎn)出，也稱(chēng)勞動(dòng)生產(chǎn)率；,=,,，為勞均資本存量。

下面分別給出全要素生產(chǎn)率和人力資本的具體形式，設(shè)定為：

(3)

,=,+,-+(,,,-),

(4)

將方程(3)、(4)進(jìn)行對(duì)數(shù)變換后代入方程(2)，可得到用產(chǎn)業(yè)結(jié)構(gòu)、出口結(jié)構(gòu)、勞均資本存量、教育數(shù)量、教育質(zhì)量及總勞動(dòng)力數(shù)量表示的勞動(dòng)生產(chǎn)率增長(zhǎng)方程:

·(,,,-)+,

(5)

2.RIF分解

(6)

(,())=(,())+()

(7)

同樣，也僅為的函數(shù)。在方程(7)等號(hào)兩邊求期望，得到如下方程：

[(,())|=]

(8)

根據(jù)方程(8)，統(tǒng)計(jì)量()等于的無(wú)條件期望，同時(shí)也等于的條件期望。這意味著把作為被解釋變量，作為解釋變量進(jìn)行OLS回歸，可以得到如下方程：

(9)

費(fèi)爾南多(Fernando)基于菲爾波等人的工作，提出了使用半?yún)?shù)方法來(lái)確定反事實(shí)分布函數(shù)，并將分布函數(shù)的變化分解為系數(shù)效應(yīng)和特征效應(yīng)。在數(shù)據(jù)中，只能觀察到受到影響后的分布函數(shù)，用表示反事實(shí)，設(shè)定的反事實(shí)分布函數(shù)。統(tǒng)計(jì)量的變動(dòng)可以分解為：

(10)

在式(10)中，最右邊等號(hào)后第一項(xiàng)為純系數(shù)效應(yīng)(Pure Wage Structure)；第二項(xiàng)為權(quán)重分配誤差(Reweighting Error)，用于重新加權(quán)策略的質(zhì)量，在大樣本下期望為0；第三項(xiàng)為純特征效應(yīng)(Pure Composition Effect)；第四項(xiàng)是模型誤差(Specification Error)，用于評(píng)估模型設(shè)定和RIF估計(jì)的質(zhì)量。第一項(xiàng)和第二項(xiàng)之和被稱(chēng)作系數(shù)效應(yīng)(Total Wage Structure)，和Oaxaca-Blinder分解類(lèi)似；第三項(xiàng)和第四項(xiàng)之和被稱(chēng)作特征效應(yīng)(Wage Structure Effect)。

至此，本文提出了對(duì)勞動(dòng)生產(chǎn)率階段性變化特征的分析框架：使用OLS回歸可以直觀體現(xiàn)各要素對(duì)勞動(dòng)生產(chǎn)率的邊際影響；RIF分解可以用于討論各生產(chǎn)要素對(duì)不同時(shí)期勞動(dòng)生產(chǎn)率分布(統(tǒng)計(jì)量)變動(dòng)的貢獻(xiàn)大小。

四、數(shù)據(jù)來(lái)源和趨勢(shì)性描述

本文使用的數(shù)據(jù)為1998—2019年各省(自治區(qū)、直轄市)宏觀數(shù)據(jù)，文中所有的經(jīng)濟(jì)數(shù)據(jù)均按各地平減指數(shù)轉(zhuǎn)換為1998年價(jià)格。下面根據(jù)各變量數(shù)據(jù)的收集和處理進(jìn)行說(shuō)明。

勞動(dòng)生產(chǎn)率由各省(自治區(qū)、直轄市)的年末GDP與三次產(chǎn)業(yè)從業(yè)人員總數(shù)相比得到，數(shù)據(jù)均來(lái)自各省(自治區(qū)、直轄市)統(tǒng)計(jì)年鑒。圖2是主要年份地區(qū)勞動(dòng)生產(chǎn)率的核密度分布情況，從分布曲線(xiàn)的開(kāi)口程度可以看出，地區(qū)間的勞動(dòng)生產(chǎn)率差距有隨時(shí)間縮小趨勢(shì)，表現(xiàn)為后發(fā)地區(qū)對(duì)先發(fā)地區(qū)的追趕和趨同，這一現(xiàn)象也被稱(chēng)作經(jīng)濟(jì)發(fā)展的區(qū)域間溢出效應(yīng)。

圖2 主要年份勞動(dòng)生產(chǎn)率(對(duì)數(shù)值)核密度分布

產(chǎn)業(yè)結(jié)構(gòu)分為以工業(yè)產(chǎn)值與非農(nóng)部門(mén)產(chǎn)值之比表示的“工業(yè)化”結(jié)構(gòu)和以服務(wù)業(yè)產(chǎn)值與非農(nóng)部門(mén)產(chǎn)值之比表示的“服務(wù)化”結(jié)構(gòu)，本文使用“工業(yè)化”結(jié)構(gòu)指標(biāo)，數(shù)據(jù)來(lái)自各省(自治區(qū)、直轄市)統(tǒng)計(jì)年鑒。

按照孫永強(qiáng)和巫和懋的方法，出口結(jié)構(gòu)被定義為各省出口總額中資本和技術(shù)密集型產(chǎn)品出口占比，他們選取了10個(gè)行業(yè)的數(shù)據(jù)；但是，各省在公布商品出口金額時(shí)采用的統(tǒng)計(jì)標(biāo)準(zhǔn)不同(分為SITC標(biāo)準(zhǔn)和HS標(biāo)準(zhǔn))，且部分省份并未公布細(xì)分行業(yè)出口數(shù)據(jù)，給數(shù)據(jù)整合造成困難?；谏鲜鲈?，本文使用高技術(shù)產(chǎn)品出口金額占總出口的比重來(lái)表示出口結(jié)構(gòu)，其中各地區(qū)高技術(shù)產(chǎn)品出口金額可由《中國(guó)高技術(shù)產(chǎn)品統(tǒng)計(jì)年鑒》和《中國(guó)科技統(tǒng)計(jì)年鑒》獲取，總出口數(shù)據(jù)來(lái)自各省市統(tǒng)計(jì)年鑒。

勞均資本存量為各地區(qū)資本存量與從業(yè)人員總數(shù)之比。單豪杰使用永續(xù)盤(pán)存法計(jì)算了中國(guó)各省1952—2006年的資本存量(1952年價(jià)格)，基于此，本文按照折舊率為10.96%計(jì)算，并根據(jù)固定資產(chǎn)投資價(jià)格指數(shù)將各省資本存量測(cè)算至2019年(1952年價(jià)格)，再根據(jù)各省GDP平減指數(shù)將資本存量轉(zhuǎn)換成1998年價(jià)格，再除以從業(yè)人員數(shù)即可得到1998—2019年各省勞均資本存量。勞動(dòng)力數(shù)據(jù)來(lái)自各省市統(tǒng)計(jì)年鑒。

教育數(shù)量即各省從業(yè)人員平均受教育年限。根據(jù)《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》公布的“分地區(qū)從業(yè)人員接受教育程度分組構(gòu)成”計(jì)算得到，具體而言，平均受教育年限=小學(xué)占比×6+初中占比×9+高中占比×12+大專(zhuān)占比×15+本科占比×16+研究生占比×19。

教育質(zhì)量數(shù)據(jù)用生均教育經(jīng)費(fèi)支出表示，數(shù)據(jù)來(lái)自于《中國(guó)教育經(jīng)費(fèi)統(tǒng)計(jì)年鑒》，目前該年鑒系列已經(jīng)公布1995—2018年教育經(jīng)費(fèi)支出數(shù)據(jù)。本文使用的教育經(jīng)費(fèi)數(shù)據(jù)包括各地生均教育經(jīng)費(fèi)支出(由總的教育經(jīng)費(fèi)支出除以該年在校學(xué)生總數(shù)得到)、普通高等院校生均經(jīng)費(fèi)支出和普通中學(xué)生均經(jīng)費(fèi)支出，均換算成1998年價(jià)格。

其他數(shù)據(jù)包括城鎮(zhèn)化率、用就業(yè)占比表示的工業(yè)化結(jié)構(gòu)，均來(lái)自各省市統(tǒng)計(jì)年鑒。表1給出了未經(jīng)對(duì)數(shù)換算的樣本數(shù)據(jù)的描述性統(tǒng)計(jì)。

表1 樣本的描述性統(tǒng)計(jì)結(jié)果

五、實(shí)證分析

1.OLS回歸

(1)基準(zhǔn)回歸。按照方程(5)，使用樣本數(shù)據(jù)對(duì)各省(自治區(qū)、直轄市)勞動(dòng)生產(chǎn)率進(jìn)行回歸估計(jì)，Hausman檢驗(yàn)拒絕了原假設(shè)，因此使用固定效應(yīng)模型，所有回歸均控制了時(shí)間效應(yīng)和地區(qū)固定效應(yīng)，教育質(zhì)量數(shù)據(jù)為三年平均值(滯后期和前后兩年)，回歸結(jié)果如表2所示。第(1)至第(9)列的結(jié)果表明，產(chǎn)業(yè)結(jié)構(gòu)“工業(yè)化”對(duì)勞動(dòng)生產(chǎn)率有十分顯著的正向作用。從系數(shù)大小來(lái)看，產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響至少為0.273，這意味著在均值處，工業(yè)部門(mén)產(chǎn)值在非農(nóng)業(yè)部門(mén)產(chǎn)值中的比重每提高0.01，勞動(dòng)生產(chǎn)率將至少提高0.273%；對(duì)應(yīng)的，在邊際影響上，服務(wù)業(yè)產(chǎn)值在非農(nóng)部門(mén)產(chǎn)值中的比重每提高0.01，勞動(dòng)生產(chǎn)率將至少降低0.273%。這一估計(jì)結(jié)果同“結(jié)構(gòu)性減速”的觀點(diǎn)相符。

表2 OLS回歸結(jié)果

出口結(jié)構(gòu)優(yōu)化同樣對(duì)勞動(dòng)生產(chǎn)率有顯著的促進(jìn)作用。出口結(jié)構(gòu)(高技術(shù)產(chǎn)品出口占比)每提高0.01，勞動(dòng)生產(chǎn)率在邊際上至少提高0.047%。隨著中國(guó)勞動(dòng)力成本不斷上升，以勞動(dòng)密集型產(chǎn)品出口為主的貿(mào)易結(jié)構(gòu)將不可持續(xù)，中國(guó)開(kāi)始實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，鼓勵(lì)支持企業(yè)創(chuàng)新，帶動(dòng)外貿(mào)出口產(chǎn)品向技術(shù)和資本密集型轉(zhuǎn)變優(yōu)化，在全球產(chǎn)業(yè)鏈分工中加速?gòu)南掠无D(zhuǎn)向中上游，高技術(shù)附加值產(chǎn)品出口占比增加，促進(jìn)勞動(dòng)生產(chǎn)率提高。

第(4)至第(9)列的結(jié)果表明，資本產(chǎn)出彈性在0.133—0.169間，低于其他大部分研究得到的結(jié)果。導(dǎo)致這一差異的可能性有：基期存量資本和固定資產(chǎn)投資測(cè)算不同，單豪杰未將土地、存貨投資納入固定資本投資中，因此得到的資本存量相對(duì)小，使用的折舊率不同，分省折舊率為10.96%，比其他大多數(shù)學(xué)者使用的折舊率要高；有的學(xué)者使用城市數(shù)據(jù)估計(jì)資本產(chǎn)出彈性；此外，樣本所定的基年不同也會(huì)導(dǎo)致估計(jì)結(jié)果差異。

第(5)、(6)列的結(jié)果表明，教育數(shù)量和教育質(zhì)量(滯后5年)的提升對(duì)勞動(dòng)生產(chǎn)率都有顯著的促進(jìn)作用。加入交叉項(xiàng)后，盡管交叉項(xiàng)的系數(shù)對(duì)勞動(dòng)生產(chǎn)率的促進(jìn)作用仍然相當(dāng)顯著，但教育數(shù)量和教育質(zhì)量各自的影響不再顯著，這和模型的預(yù)測(cè)不符。主要是因?yàn)闇?年的教育質(zhì)量和教育數(shù)量并不匹配，2019年中國(guó)大陸勞動(dòng)力平均年齡為38.8歲，因此使用滯后10年甚至更久的教育質(zhì)量數(shù)據(jù)比較合理。使用滯后10年的教育質(zhì)量數(shù)據(jù)，估計(jì)結(jié)果如第(8)和第(9)列所示，交叉項(xiàng)的系數(shù)為負(fù)，表明教育數(shù)量對(duì)勞動(dòng)生產(chǎn)率的影響在一定程度上取決于教育質(zhì)量：當(dāng)教育質(zhì)量較低時(shí)，擴(kuò)大教育數(shù)量對(duì)勞動(dòng)生產(chǎn)率的邊際影響更大；隨著教育質(zhì)量的不斷提升，教育數(shù)量擴(kuò)張對(duì)勞動(dòng)生產(chǎn)率的邊際影響不斷減小。在本文樣本中,教育質(zhì)量均值(對(duì)數(shù)值)為7.717，因此教育數(shù)量對(duì)勞動(dòng)生產(chǎn)率的邊際效應(yīng)為0.425>0(0.425=0.888-0.06×7.717)，即教育擴(kuò)張對(duì)勞動(dòng)生產(chǎn)率仍有促進(jìn)作用。

總結(jié)OLS回歸結(jié)果，解釋變量的估計(jì)系數(shù)基本符合模型預(yù)測(cè)(除資本產(chǎn)出彈性偏小)。值得說(shuō)明的是，盡管產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響較大，但從經(jīng)濟(jì)意義來(lái)看，產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變是一個(gè)長(zhǎng)期且緩慢的過(guò)程，因此實(shí)際的影響大小還有待探究。

(2)穩(wěn)健性檢驗(yàn)。為了證明回歸模型的穩(wěn)定性，使用替代變量對(duì)第(9)列進(jìn)行重新估計(jì)。表3是穩(wěn)健性檢驗(yàn)結(jié)果，用第二產(chǎn)業(yè)從業(yè)人員占非農(nóng)部門(mén)從業(yè)人員之比表示產(chǎn)業(yè)結(jié)構(gòu)，回歸結(jié)果如第(10)列所示，對(duì)比表2第(9)列的估計(jì)結(jié)果，產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響并無(wú)顯著變化，但是教育質(zhì)量的邊際影響降低且教育數(shù)量和教育質(zhì)量交叉項(xiàng)的回歸系數(shù)在統(tǒng)計(jì)上變得不顯著。在第(11)列中，用滯后10年的普通高等學(xué)校生均經(jīng)費(fèi)支出作為教育質(zhì)量的代理變量進(jìn)行回歸，發(fā)現(xiàn)教育質(zhì)量、教育數(shù)量和教育質(zhì)量的交叉項(xiàng)對(duì)勞動(dòng)生產(chǎn)率并無(wú)影響；對(duì)比之下，第(12)列中，用普通中學(xué)生均經(jīng)費(fèi)支出作為教育質(zhì)量的代理變量，除出口結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響在統(tǒng)計(jì)上不顯著外，其余估計(jì)結(jié)果和第(9)列的結(jié)果十分相似。導(dǎo)致第(11)、(12)列的教育質(zhì)量系數(shù)估計(jì)結(jié)果存在差異的可能原因是：普通高等學(xué)校的學(xué)生大多為“流動(dòng)人口”，受教育地和就業(yè)地不一致。在第(13)列中，加入控制變量“城鎮(zhèn)化率”，主要解釋變量的估計(jì)結(jié)果相比第(9)列在統(tǒng)計(jì)上基本無(wú)差異。綜上，本文的OLS回歸結(jié)果比較穩(wěn)健。

表3 穩(wěn)健性檢驗(yàn)

(3)分組回歸。本文想說(shuō)明在經(jīng)濟(jì)發(fā)展的不同階段，解釋變量對(duì)勞動(dòng)生產(chǎn)率的影響是不一致的,正如部分學(xué)者指出的那樣，2010年之后，中國(guó)的經(jīng)濟(jì)增長(zhǎng)發(fā)生了“結(jié)構(gòu)性減速”。將2010年作為經(jīng)濟(jì)增長(zhǎng)模式的轉(zhuǎn)折點(diǎn)，將樣本進(jìn)行分組回歸，估計(jì)結(jié)果如表4所示。

表4 按年份分組回歸

在表4中，第(14)、(15)列為使用2010年及其之前數(shù)據(jù)的回歸結(jié)果。產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響變小且僅在10%的統(tǒng)計(jì)性水平上顯著；出口結(jié)構(gòu)、教育質(zhì)量對(duì)勞動(dòng)生產(chǎn)率沒(méi)有影響；對(duì)比之下，資本投入和教育數(shù)量投入對(duì)勞動(dòng)生產(chǎn)率的影響較大且在統(tǒng)計(jì)上顯著。這可能與1998—2010年期間中國(guó)勞動(dòng)生產(chǎn)率的增長(zhǎng)模式為要素投入驅(qū)動(dòng)的粗放式增長(zhǎng)相關(guān)。第(16)列為使用2011—2019年數(shù)據(jù)進(jìn)行回歸估計(jì)的結(jié)果，其中，產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際影響為0.234，且在5%的統(tǒng)計(jì)性水平上顯著；出口結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率無(wú)明顯影響；勞均資本存量產(chǎn)出彈性仍然十分顯著，且邊際影響大小有所提升；對(duì)比第(17)列的估計(jì)結(jié)果，交叉項(xiàng)的系數(shù)減小且十分顯著，這意味著2010年以后，在教育質(zhì)量(教育數(shù)量)保持不變的情況下，教育數(shù)量(教育質(zhì)量)邊際生產(chǎn)率加快下降。整體上來(lái)看，2011—2019年期間，結(jié)構(gòu)性因素對(duì)勞動(dòng)生產(chǎn)率的影響開(kāi)始提升。

2.RIF分解結(jié)果

(1)總體分解結(jié)果。在前面的分組回歸中，以2010年為分界點(diǎn)(分別用和作為2010年前后時(shí)期的簡(jiǎn)稱(chēng))，回歸結(jié)果表明結(jié)構(gòu)因素對(duì)勞動(dòng)生產(chǎn)率的邊際影響有較大差異，為了更進(jìn)一步地認(rèn)識(shí)要素投入和結(jié)構(gòu)轉(zhuǎn)變?cè)诮?jīng)濟(jì)發(fā)展不同時(shí)期對(duì)勞動(dòng)生產(chǎn)率的影響大小，接下來(lái)使用RIF分解的方法進(jìn)一步分析，表5是分解結(jié)果。

表5 RIF分解結(jié)果

在表5中，到期均值的總變動(dòng)為正，對(duì)均值變動(dòng)的分解結(jié)果表明，特征效應(yīng)對(duì)均值總變動(dòng)的貢獻(xiàn)為73.8%，系數(shù)效應(yīng)對(duì)均值總變動(dòng)的貢獻(xiàn)為26.2%。在特征效應(yīng)中，純特征效應(yīng)幾乎能完全解釋特征效應(yīng)的變動(dòng)，這意味著不同時(shí)期解釋變量的結(jié)構(gòu)變動(dòng)是造成勞動(dòng)生產(chǎn)率均值變動(dòng)的主要原因。盡管純系數(shù)效應(yīng)對(duì)均值變動(dòng)的貢獻(xiàn)超過(guò)100%，但是權(quán)重分配誤差較大，導(dǎo)致系數(shù)效應(yīng)對(duì)均值變動(dòng)的貢獻(xiàn)總體較小。

對(duì)方差總變動(dòng)的分解結(jié)果表明，系數(shù)效應(yīng)導(dǎo)致總效應(yīng)變動(dòng)為負(fù)，貢獻(xiàn)度達(dá)到了177.88%。對(duì)系數(shù)效應(yīng)進(jìn)一步分解發(fā)現(xiàn)，純系數(shù)效應(yīng)為正，但權(quán)重分配誤差較大導(dǎo)致系數(shù)效應(yīng)為負(fù)。特征效應(yīng)為正，但主要是模型設(shè)定誤差導(dǎo)致的。對(duì)50%分位數(shù)和10%分位數(shù)之差的分解結(jié)果表明，系數(shù)效應(yīng)造成了不同時(shí)期的差異為負(fù)，而權(quán)重分配誤差解釋了系數(shù)效應(yīng)為負(fù)的原因；特征效應(yīng)為正，但影響較小。不同時(shí)期90%分位數(shù)和50%分位數(shù)之差為負(fù)，主要為系數(shù)效應(yīng)導(dǎo)致，而純系數(shù)效應(yīng)導(dǎo)致了系數(shù)效應(yīng)為負(fù)；特征效應(yīng)為負(fù)，但由模型設(shè)定誤差所致，純特征效應(yīng)為正，對(duì)不同時(shí)期90%分位數(shù)和10%分位數(shù)之差的分解得到類(lèi)似的結(jié)果。上述結(jié)果表明，時(shí)期，盡管解釋變量的結(jié)構(gòu)變動(dòng)會(huì)導(dǎo)致勞動(dòng)生產(chǎn)率分布更加發(fā)散，但系數(shù)效應(yīng)的負(fù)向影響更大，使得勞動(dòng)生產(chǎn)率分布更加集中。

表6展現(xiàn)了對(duì)均值進(jìn)行分解時(shí)主要解釋變量對(duì)四種效應(yīng)的解釋力度。在純特征效應(yīng)中，有51.43%可以由勞均資本存量變動(dòng)解釋?zhuān)粍趧?dòng)力的純特征效應(yīng)為負(fù)，這與模型的預(yù)測(cè)一致；教育數(shù)量(教育質(zhì)量)的純特征效應(yīng)受到教育質(zhì)量(教育數(shù)量)的影響，且人力資本的純特征效應(yīng)為正；產(chǎn)業(yè)結(jié)構(gòu)和出口結(jié)構(gòu)對(duì)于純特征效應(yīng)的貢獻(xiàn)非常小。在純系數(shù)效應(yīng)中，24.13%由產(chǎn)業(yè)結(jié)構(gòu)的純系數(shù)效應(yīng)貢獻(xiàn)，1.85%由出口結(jié)構(gòu)的純系數(shù)效應(yīng)造成；教育數(shù)量(教育質(zhì)量)的純系數(shù)效應(yīng)受到教育質(zhì)量(教育數(shù)量)的影響，且人力資本的純系數(shù)效應(yīng)為正。簡(jiǎn)言之，勞均資本存量主要通過(guò)特征變化(投入增加)影響勞動(dòng)生產(chǎn)率；人力資本(教育數(shù)量和教育質(zhì)量)通過(guò)特征效應(yīng)和系數(shù)效應(yīng)(回歸系數(shù))影響勞動(dòng)生產(chǎn)率；結(jié)構(gòu)因素在對(duì)勞動(dòng)生產(chǎn)率的增長(zhǎng)影響中主要表現(xiàn)為系數(shù)效應(yīng)，但貢獻(xiàn)相對(duì)較小。

表6 解釋變量對(duì)均值變動(dòng)的貢獻(xiàn)(RIF分解)

(2)分位數(shù)變動(dòng)分解。將不同分位點(diǎn)上的勞動(dòng)生產(chǎn)率變動(dòng)分解成四種效應(yīng)，結(jié)果如圖3所示。總體上，純特征效應(yīng)對(duì)總變動(dòng)的貢獻(xiàn)最大；模型設(shè)定誤差在中部分位區(qū)域相對(duì)較小,意味著在中部分位處模型設(shè)定相對(duì)更合理，RIF估計(jì)質(zhì)量更高；純系數(shù)效應(yīng)對(duì)總變動(dòng)的貢獻(xiàn)基本為正，且在勞動(dòng)生產(chǎn)率較低的分位處貢獻(xiàn)更大；而權(quán)重分配誤差的表現(xiàn)和純系數(shù)效應(yīng)相反。這些現(xiàn)象表明：在不同階段，解釋變量的特征變化是勞動(dòng)生產(chǎn)率增加的主要推動(dòng)力量；這也同時(shí)印證了對(duì)均值變動(dòng)分解時(shí)得出的觀點(diǎn)。

圖3 分位數(shù)變動(dòng)分解

圖4描繪了產(chǎn)業(yè)結(jié)構(gòu)和出口結(jié)構(gòu)在不同分位數(shù)上的貢獻(xiàn)大小。對(duì)產(chǎn)業(yè)結(jié)構(gòu)的效應(yīng)分解表明，特征效應(yīng)主要解釋了總效應(yīng)。產(chǎn)業(yè)結(jié)構(gòu)的效應(yīng)在低分位數(shù)上的作用為負(fù)，在高分位數(shù)上的作用為正，即產(chǎn)業(yè)結(jié)構(gòu)的服務(wù)化轉(zhuǎn)變對(duì)高勞動(dòng)生產(chǎn)率一側(cè)有正向作用，對(duì)低勞動(dòng)生產(chǎn)率一側(cè)有負(fù)向作用。部分原因可能是制造業(yè)的“服務(wù)化”轉(zhuǎn)型，即國(guó)內(nèi)服務(wù)替代國(guó)外服務(wù)。對(duì)出口結(jié)構(gòu)的效應(yīng)分解表明，出口結(jié)構(gòu)的效應(yīng)在低分位數(shù)處為正，在高分位數(shù)處為負(fù)，但整體上效應(yīng)較小。

圖4 結(jié)構(gòu)因素在不同分位數(shù)上的增長(zhǎng)貢獻(xiàn)分解

六、總結(jié)與討論

在中國(guó)經(jīng)濟(jì)發(fā)展邁入新階段背景下，勞動(dòng)生產(chǎn)率對(duì)經(jīng)濟(jì)的長(zhǎng)期合理增長(zhǎng)起著決定性作用，正確認(rèn)識(shí)中國(guó)勞動(dòng)生產(chǎn)率的增長(zhǎng)過(guò)程將有益于深入理解新階段的經(jīng)濟(jì)增長(zhǎng)。本文在新古典增長(zhǎng)模型的基礎(chǔ)上，考慮結(jié)構(gòu)轉(zhuǎn)變、資本深化和人力資本對(duì)勞動(dòng)生產(chǎn)率的邊際影響和增長(zhǎng)貢獻(xiàn)。使用中國(guó)各省(自治區(qū)、直轄市)1998—2019年的數(shù)據(jù)進(jìn)行OLS回歸分析，并以2010年作為經(jīng)濟(jì)發(fā)展模式的轉(zhuǎn)折點(diǎn)，對(duì)前后不同階段勞動(dòng)生產(chǎn)率水平和分布的變動(dòng)進(jìn)行RIF分解，得出以下五點(diǎn)結(jié)論：第一，OLS回歸結(jié)果表明，產(chǎn)業(yè)結(jié)構(gòu)“服務(wù)化”在邊際上對(duì)勞動(dòng)生產(chǎn)率有負(fù)向影響；RIF分解結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)“服務(wù)化”主要促使處于較低分位數(shù)上的勞動(dòng)生產(chǎn)率增長(zhǎng)減速，對(duì)處于較高分位數(shù)上的勞動(dòng)生產(chǎn)率有促進(jìn)增長(zhǎng)作用。第二，結(jié)合OLS估計(jì)和RIF分解結(jié)果，出口結(jié)構(gòu)對(duì)勞動(dòng)生產(chǎn)率的邊際促進(jìn)作用僅發(fā)生在低分位數(shù)上，且總體效應(yīng)很小。第三，相對(duì)于上一個(gè)時(shí)期(1998—2010年)，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變階段資本產(chǎn)出彈性更大。分解的結(jié)果表明，資本深化是促進(jìn)轉(zhuǎn)變期勞動(dòng)生產(chǎn)率增長(zhǎng)的最重要的力量。第四，不論是從對(duì)勞動(dòng)生產(chǎn)率的邊際影響還是從對(duì)勞動(dòng)生產(chǎn)率的增長(zhǎng)貢獻(xiàn)來(lái)看，教育數(shù)量和教育質(zhì)量都存在相互影響。第五，轉(zhuǎn)變期中國(guó)勞動(dòng)生產(chǎn)率分布收斂，表明地區(qū)間勞動(dòng)生產(chǎn)率的趨同，而這主要是系數(shù)效應(yīng)(要素回報(bào))形成的。

根據(jù)本文的研究結(jié)果，中國(guó)在經(jīng)濟(jì)轉(zhuǎn)型期間確實(shí)經(jīng)歷了一定程度的“結(jié)構(gòu)性減速”，但產(chǎn)業(yè)結(jié)構(gòu)“服務(wù)化”也有積極的一面，即促進(jìn)高勞動(dòng)生產(chǎn)率部分的增長(zhǎng)?！胺?wù)化”是中國(guó)經(jīng)濟(jì)發(fā)展在工業(yè)化后期必然經(jīng)歷的過(guò)程，引導(dǎo)生產(chǎn)性服務(wù)產(chǎn)業(yè)發(fā)展，促進(jìn)制造業(yè)向高端化發(fā)展將緩解轉(zhuǎn)變期之“經(jīng)濟(jì)陣痛”。未來(lái)應(yīng)更加重視人力資本在勞動(dòng)生產(chǎn)率增長(zhǎng)中的重要作用。教育擴(kuò)張仍然對(duì)勞動(dòng)生產(chǎn)率的增長(zhǎng)具有積極作用，但在擴(kuò)張的同時(shí)也應(yīng)兼顧教育質(zhì)量。

本文的研究存在一定不足之處，即本文使用的資本存量數(shù)據(jù)并沒(méi)有包括土地、存貨等投資，但在中國(guó)經(jīng)濟(jì)的發(fā)展過(guò)程中，土地這一要素投入同樣發(fā)揮著重要作用，因此可能會(huì)導(dǎo)致低估資本產(chǎn)出彈性。未來(lái)可以從產(chǎn)業(yè)結(jié)構(gòu)對(duì)不同水平勞動(dòng)生產(chǎn)率影響的差異開(kāi)始，探究中國(guó)經(jīng)濟(jì)“服務(wù)化”發(fā)展的具體路徑，評(píng)估產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變對(duì)經(jīng)濟(jì)增長(zhǎng)減速的貢獻(xiàn)大小。