陕西调查
2020年第1期
总第629期
国家中心城市全要素生产率
及影响因素研究——以西安为例
摘要: 国家中心城市作为国家经济发展的增长极和重要支撑点,担负着转变经济增长方式、提高全要素生产率的重要任务。本文利用索罗余值法对2008-2017年9个国家中心城市的全要素生产率进行测算,并以西安为例分析全要素生产率的影响因素,研究结果表明:9个国家中心城市的全要素生产率保持0.61-2.16之间,且呈现东中西部逐级递减趋势,广州、上海和北京居前三,平均值为1.91、1.57和1.45,西安最低,仅为0.8,分化明显,城市之间全要素生产率的差距呈逐年扩大之势。从增长率看,9个国家中心城市全要素生产率持续增长,但增速有所回落。全要素生产率的影响因素中,R&D经费投入强度、第三产业占GDP比重和人均GDP有明显正向效应,提升全要素生产率应重点关注R&D经费投入、产业结构调整、供给侧结构性改革和人才培育。
关键词:国家中心城市;全要素生产率;索罗余值法
改革开放以来,我国经济持续快速增长,经济增速在全球范围内名列前茅,1978-2017年GDP(不变价)年均增长9.5%。劳动力和资本两大要素投入是我国经济增长的主要动力,经济发展呈现典型的要素驱动型。进入新时代,劳动力和资本要素投入均面临瓶颈约束,经济下行压力加大,2018年GDP增长6.6%,2019年前三季度降至6.2%,单靠劳动力和资本要素投入已难以支撑经济健康可持续发展。
2017年,习近平总书记在党的十九大报告中指出,我国经济已由高速增长阶段转向高质量发展阶段,必须坚持质量第一、效益优先,以供给侧结构性改革为主线,推动经济发展质量变革、效率变革、动力变革,提高全要素生产率。推动我国经济高质量发展,就必须将经济增长方式由要素驱动型为主向创新驱动型为主转变,就必须提高全要素生产率。
国家中心城市作为经济发展的增长极、国家经济的重要支撑点和参与世界经济竞争的龙头,担负着转变经济增长方式、提高全要素生产率的重要任务。本文在回顾2008年以来9个国家中心城市经济发展现状的基础上,利用索罗余值法对9个国家中心城市全要素生产率进行测算和分析,并以西安为例分析全要素生产率的影响因素,以此探寻提高全要素生产率的对策建议,以期为促进国家中心城市高质量发展提供有益借鉴。
一、研究综述
(一)国家中心城市
2010年,住建部发布《全国城镇体系规划2010—2020年》明确提出建设5个国家中心城市:北京、天津、上海、广州、重庆。2016年4月、12月、2018年1月,国务院分别批复《成渝城市群发展规划》、《促进中部地区崛起“十三五”规划》和《关中平原城市群发展规划》,文件中明确提出成都、武汉、郑州、西安建设国家中心城市,至此,国家中心城市达到9个。
国家中心城市是我国区域规划出现的新概念,近年来,学者们从不同角度进行了深入研究。一是国家中心城市的内涵及功能。陈来卿(2009)认为国家中心城市是国家及大区域的经济、文化、教育、科技、信息、综合交通、对外交往和中介服务的中心,在国家或区域经济社会发展中具有很强的集聚、辐射、带动和综合性服务功能。周阳(2012)认为国家中心城市是国家重点城市群的核心城市,全国性经济中心,全球城市网络体系和产业价值链分工体系的重要功能节点,促进区域融合和参与国际竞争的门户,具有控制管理、协调辐射、城市服务和信息枢纽等功能的特大中心城市。宋思曼(2013)认为我国国家中心城市需具备“1+3+1” 功能,即政治功能是国家中心城市的关键因素,经济功能、社会功能、文化功能是国家中心城市的主要内容,枢纽功能是国家中心城市发展基础。田美玲(2014)认为国家中心城市一般具备“六元要素”:经济集聚要素、空间辐射要素、对外开放要素、文化创新要素、管理服务要素和生态保护要素。二是国家中心城市的发展和评价。陈江生(2009)分析了国家中心城市建设中的中心城市职能过度集中、中心城市交通拥堵、城市创新功能不足、城市公共服务和社会管理能力缺失等问题,并结合国际经验提出了解决办法。田美玲(2013)基于层次分析法,从中心城市的四大功能、八大中心角度出发,构建评价指标体系对武汉、杭州、青岛、成都、沈阳、南京进行综合评价。黄俊(2018)建立评价体系,并运用层次分析法对国家中心城市北京、上海、天津、广州、重庆、武汉、成都、西安和沈阳、南京、深圳进行综合评价,并以武汉为研究对象对评价结果进行比较分析。郭志强(2018)从城市自身及其与城市群协同发展两方面,构建国家中心城市竞争力评价体系,并运用层次分析法对九个国家中心城市的竞争力与发展水平进行了定量分析。
(二)全要素生产率
全要素生产率(Total Factor Productivity,TFP)是衡量经济增长效率的指标,是指在生产要素投入之外,通过体制优化、组织管理改善等无形要素推动经济增长的作用,包括技术进步、规模经济、管理水平等因素的作用。具体来说,全要素生产率是指除了劳动力和资本之外,其他生产要素带来的产出增长率。
全要素生产率的测算方法有参数法和非参数法两类,参数法是指全要素生产率有明确的函数形式,通过计量回归估计函数的各参数值,然后计算全要素生产率,包括基于C-D生产函数的索罗余值法和随机前沿分析法(Stochastic Frontier Analysis,SFA)。非参数法是指全要素生产率没有明确的函数形式,而从投入和产出角度衡量全要素生产率的变化情况,主要包括基于生产前沿面的数据包络法(Data Envelopment Analysis,DEA)。
国内学者对我国城市全要素生产率研究主要集中两个方面,一是通过不同方法测算城市全要素生产率,金相郁(2006)利用DEA-Malmquist生产率指数分析中国41个主要城市在1990年~2003年期间全要素生产率的动态变化,认为我国城市全要素生产率有所提高,但其规模效率在下降。常勉(2016)采用索罗余值法对1991-2010 年我国 215 个城市全要素生产率的增长率进行测算,结果表明全要素生产率从全国整体来看,呈现下跌走势。邵明伟(2018)使用 DEA -Malmquist 指数法测算中国 19 个城市群全要素生产率变化并进行分解,结果表明中国城市群整体综合效率提升并未弥补技术进步贡献下降,使平均全要素生产率下降但存在时空差异。二是关于城市全要素生产率的影响因素研究,杜汜敏(2013)分析了人力资本、科技投入、利益分配格局、政府行为、城市化水平和产业结构对35 个区域中心城市全要素生产率的影响,认为城市化水平和政府支出对区域中心城市全要素生产率的增长具有显著的推动作用。王艺明(2016)通过对中国255个地级市14年全要素生产率进行分析,认为地区差异、对外开放程度、外商直接投资比重以及政府科研资金的投入比重都对城市的全要素生产率变动有正向影响,而对技术效率的影响不显著。
国家中心城市作为近年出现的新概念,学者们对其全要素生产率及影响因素研究不多,本文在借鉴已有研究基础上,利用索罗余值法测算国家中心城市的全要素生产率及其影响因素,并提出对策建议。
二、国家中心城市经济发展现状
(一)经济实力雄厚,GDP占全国19.3%。
国家中心城市是国家城市体系中经济实力最强的“塔尖城市”,2008年以来,国家中心城市经济快速发展,经济总量连上新台阶,综合实力与日俱增。2018年,9个国家中心城市GDP为17.4万亿元,较2008年的5.9万亿元,增加11.5万亿元,占全国GDP的比重从2008年的18.5%增加至2018年的19.3%,提高了0.8个百分点。2018年,9个国家中心城市中,上海的GDP最高,达到3.3万亿,北京也超过3万亿元,广州、重庆超过2万亿元,天津、郑州、武汉、成都位于1-2万亿元,西安的GDP最少,仅为0.8亿元,未突破万亿元大关。
表1 2008-2018年9个国家中心城市GDP及比重(万亿元、%)
年份 | 北京 | 天津 | 上海 | 郑州 | 武汉 | 广州 | 重庆 | 成都 | 西安 | 合计 | 占全国比重 |
2008 | 1.1 | 0.7 | 1.4 | 0.3 | 0.4 | 0.8 | 0.6 | 0.4 | 0.2 | 5.9 | 18.5 |
2009 | 1.2 | 0.8 | 1.5 | 0.3 | 0.5 | 0.9 | 0.7 | 0.5 | 0.3 | 6.6 | 18.9 |
2010 | 1.4 | 0.9 | 1.7 | 0.4 | 0.6 | 1.1 | 0.8 | 0.6 | 0.3 | 7.8 | 18.9 |
2011 | 1.6 | 1.1 | 1.9 | 0.5 | 0.7 | 1.2 | 1 | 0.7 | 0.4 | 9.2 | 18.9 |
2012 | 1.8 | 1.3 | 2 | 0.6 | 0.8 | 1.4 | 1.1 | 0.8 | 0.4 | 10.2 | 18.9 |
2013 | 2 | 1.4 | 2.2 | 0.6 | 0.9 | 1.5 | 1.3 | 0.9 | 0.5 | 11.4 | 19.2 |
2014 | 2.1 | 1.6 | 2.4 | 0.7 | 1 | 1.7 | 1.4 | 1 | 0.5 | 12.4 | 19.3 |
2015 | 2.3 | 1.7 | 2.5 | 0.7 | 1.1 | 1.8 | 1.6 | 1.1 | 0.6 | 13.3 | 19.4 |
2016 | 2.6 | 1.8 | 2.8 | 0.8 | 1.2 | 2 | 1.8 | 1.2 | 0.6 | 14.7 | 19.9 |
2017 | 2.8 | 1.9 | 3.1 | 0.9 | 1.3 | 2.2 | 1.9 | 1.4 | 0.7 | 16.2 | 19.7 |
2018 | 3 | 1.9 | 3.3 | 1 | 1.5 | 2.3 | 2 | 1.5 | 0.8 | 17.4 | 19.3 |
(二)经济增速有所回落,7个城市平均增速高于全国。
随着中国经济进入新常态,经济增速逐步回落,2008-2018年,9个国家中心城市GDP增速(不变价)均呈现回落态势,其中天津GDP增速回落幅度最大,极差达14个百分点,重庆次之,极差为11.2个百分点,北京、上海GDP增速回落幅度较少,极差分别为3.8和3.6个百分点,全国GDP增速的极差为4个百分点。从GDP平均增速看,9个国家中心城市中,北京、上海的平均增速较慢,分别为8.0%和7.9%,均低于全国平均增速(8.1%),其余7个城市平均增速均高于全国,重庆平均增速居首位,为12.5%,天津次之,为11.8%。
表2 2008-2018年9个国家中心城市GDP增速(%)
年份 | 北京 | 天津 | 上海 | 郑州 | 武汉 | 广州 | 重庆 | 成都 | 西安 | 全国 |
2008 | 9 | 16.7 | 9.7 | 13.4 | 15.1 | 12.5 | 14.6 | 12.4 | 16.3 | 9.7 |
2009 | 10 | 16.6 | 8.4 | 11.2 | 13.7 | 11.7 | 15.1 | 14.7 | 14.5 | 9.4 |
2010 | 10.4 | 17.6 | 10.2 | 12.8 | 14.7 | 13.2 | 17.2 | 15 | 14.5 | 10.6 |
2011 | 8.1 | 16.6 | 8.3 | 14 | 12.5 | 11.3 | 16.4 | 15.2 | 13.5 | 9.5 |
2012 | 8 | 14 | 7.5 | 12.3 | 11.4 | 10.5 | 13.6 | 13 | 12.2 | 7.9 |
2013 | 7.7 | 12.5 | 7.9 | 10.4 | 10 | 11.6 | 12.3 | 10.2 | 11.1 | 7.8 |
2014 | 7.4 | 10.1 | 7.1 | 9.4 | 9.7 | 8.6 | 10.9 | 8.9 | 9.9 | 7.3 |
2015 | 6.9 | 9.4 | 7.0 | 10 | 8.8 | 8.4 | 11 | 7.9 | 8.2 | 6.9 |
2016 | 6.8 | 9.1 | 6.8 | 8.5 | 7.8 | 8.2 | 10.7 | 7.7 | 8.6 | 6.7 |
2017 | 6.7 | 3.6 | 6.9 | 8.2 | 8 | 7 | 9.3 | 8.1 | 7.7 | 6.9 |
2018 | 6.6 | 3.6 | 6.6 | 8.1 | 8 | 6.2 | 6 | 8 | 8.2 | 6.6 |
平均 | 8.0 | 11.8 | 7.9 | 10.8 | 10.9 | 9.9 | 12.5 | 11.0 | 11.3 | 8.1 |
(三)固定资产投资稳步增长,占全国比重有所下降。
固定资产投资一直是经济发展的重要驱动力量,固定资产投资的稳步增长对国家中心城市的持续健康发展起到了重要作用。2008-2017年,9个国家中心城市全社会固定资产投资额逐年稳步增长,自2.7万亿元增长至8.28万亿元,增加5.58亿元。从全社会固定资产投资占全国的比重看,2008年9个国家中心城市所占比重为15.6%,2017年降至12.9%,下降2.7个百分点。2017年,9个国家中心城市中,重庆的全社会固定资产投资额最高,达到1.75万亿,天津次之,为1.13万亿,其余7个城市均未超过万亿大关,广州最少,仅为0.59万亿。
图1 2008-2017年9个国家中心城市全社会固定资产投资及比重
(四)就业人数持续增长,占全国比重逐年提升。
随着我国城镇化水平提高,劳动力集聚度不断加大,国家中心城市就业人数持续增长。2018年,9个国家中心城市就业人数达到8911万人,较2008年的6855万人,增长30%,其中郑州就业人数增幅最大,达到49.9%,重庆增幅最小,为14.5%。9个国家中心城市就业人数占全国的比重从2008年的9.1%提高至2018年的11.5%,上升2.4个百分点。2018年,9个国家中心城市中,重庆的就业人数最多,达到1710万人,上海、北京均超过千万大关,武汉就业人数最少,仅为611万人。
图2 2008-2018年9个国家中心城市就业人数及比重
三、国家中心城市全要素生产率的测算
(一)测算方法
本文运用索罗余值法测算全要素生产率。根据索罗增长模型,在规模报酬不变和希克斯技术中性假设下,C-D生产函数为:
(1)
其中,是全要素生产率,是经济产出,为资本投入,为劳动力投入,、分别为资本和劳动力产出弹性,对上述式1进行对数转换:
(2)
其中β=1-α,可得:
(3)
对式3进行OLS估算,可得、。
对式1进行求导转换:
(4)
其中,为全要素生产率增长率,为经济产出增长率,为资本增长率,为劳动力增长率,可以看出,在经济产出增长率中,扣除资本和劳动力的增长率,剩余部分就是全要素生产率增长率。将、值代入式4,计算出全要素生产率增长率。
(二)变量的选择
本文选取GDP(2007年不变价)代表经济产出(),选取就业人数代表劳动力投入(),选取通过永续盘存法测算的资本存量代表资本投入 ()。根据永续盘存法:
其中,是当期资本存量,是当期投资额,是当期价格指数,为折旧率,是前一期资本存量。本文借鉴张军(2004)的估算方法,当期投资额采用固定资本形成总额,当期价格指数取固定资产投资价格指数(2007年为基期),折旧率取9.6%,初始资本存量为基期固定资本形成总额除以10%。因部分城市2018年度固定资本形成总额尚未公布,本文时间序列为2008-2017年,数据来源于各市统计年鉴和国家统计数据库。
(三)测算结果与分析
通过上述方法测算,可得9个国家中心城市全要素生产率及其增长率:
表3 2008-2017年9个国家中心城市全要素生产率
年份 | 北京 | 天津 | 上海 | 郑州 | 武汉 | 广州 | 重庆 | 成都 | 西安 |
2008 | 1.15 | 0.99 | 1.22 | 0.94 | 0.8 | 1.46 | 0.64 | 0.73 | 0.61 |
2009 | 1.25 | 1.08 | 1.3 | 0.98 | 0.88 | 1.58 | 0.71 | 0.8 | 0.67 |
2010 | 1.34 | 1.16 | 1.4 | 1.05 | 0.97 | 1.71 | 0.8 | 0.88 | 0.72 |
2011 | 1.4 | 1.24 | 1.5 | 1.12 | 1.05 | 1.82 | 0.89 | 0.96 | 0.77 |
2012 | 1.45 | 1.28 | 1.59 | 1.18 | 1.11 | 1.93 | 0.95 | 1.03 | 0.81 |
2013 | 1.5 | 1.32 | 1.68 | 1.21 | 1.16 | 2.04 | 1.01 | 1.07 | 0.83 |
2014 | 1.56 | 1.34 | 1.65 | 1.25 | 1.19 | 2.09 | 1.07 | 1.11 | 0.87 |
2015 | 1.6 | 1.38 | 1.73 | 1.29 | 1.24 | 2.13 | 1.13 | 1.14 | 0.9 |
2016 | 1.62 | 1.45 | 1.78 | 1.3 | 1.27 | 2.16 | 1.18 | 1.13 | 0.92 |
2017 | 1.65 | 1.46 | 1.84 | 1.34 | 1.31 | 2.16 | 1.22 | 1.15 | 0.91 |
平均 | 1.45 | 1.27 | 1.57 | 1.17 | 1.1 | 1.91 | 0.96 | 1 | 0.8 |
表4 2009-2017年9个国家中心城市全要素生产率的增长率(%)
年份 | 北京 | 天津 | 上海 | 郑州 | 武汉 | 广州 | 重庆 | 成都 | 西安 |
2009 | 8.7 | 9.9 | 6.6 | 4.8 | 10.1 | 8.4 | 12.5 | 9.9 | 10.3 |
2010 | 7.4 | 8.1 | 8.4 | 7.1 | 11.3 | 8.7 | 13.3 | 10.3 | 8.6 |
2011 | 4.8 | 7.4 | 7.0 | 7.5 | 7.8 | 6.5 | 10.9 | 10.2 | 6.8 |
2012 | 3.8 | 4.2 | 6.2 | 5.5 | 6.7 | 6.1 | 8.0 | 7.2 | 4.7 |
2013 | 3.4 | 2.6 | 5.7 | 2.4 | 4.1 | 6.4 | 6.5 | 3.8 | 3.8 |
2014 | 3.8 | 1.6 | -2.4 | 3.6 | 3.1 | 2.1 | 5.7 | 4.5 | 3.9 |
2015 | 2.8 | 3.6 | 4.6 | 3.3 | 4.0 | 2.1 | 5.6 | 2.8 | 3.6 |
2016 | 1.4 | 5.0 | 3.0 | 0.7 | 3.1 | 1.4 | 4.7 | -1.1 | 2.8 |
2017 | 2.0 | 1.0 | 3.4 | 2.9 | 2.7 | 0.4 | 4.2 | 2.1 | -1.2 |
平均 | 4.23 | 4.8 | 4.74 | 4.2 | 5.9 | 4.67 | 7.9 | 5.5 | 4.8 |
从上述测算结果可以看出:
1、全要素生产率呈现东中西部逐级递减。9个国家中心城市的全要素生产率均保持在0.61-2.16之间,从平均值看,东部地区的广州、上海、北京、天津分别为1.91、1.57、1.45和1.27,位居前列,中部地区的郑州、武汉分别为1.17和1.1,排位居中,西部地区的成都、重庆、西安分别为1、0.96和0.8,位居末尾,东中西部逐级递减,分化明显。
2、全要素生产率持续增长。9个国家中心城市中,除2014年上海、2016年成都和2017年西安外,其余年份及城市的全要素生产率增长率均大于0,呈持续增长态势。其中重庆增速最大,年均增长7.9%,郑州增速最小,年均增长4.2%,9个国家中心城市平均增速为5.2%。2008年以来,国家中心城市转变经济发展方式,充分发挥科技创新对经济的支撑作用,科技创新的水平和活跃度不断跃升,有力保障了全要素生产率的增长。
3、全要素生产率增速有所回落。9个国家中心城市的全要素生产率虽保持增长,但增速回落。与2009年相比,2017年西安的全要素生产率增速回落幅度最大,达11.5个百分点,天津回落8.9个百分点,重庆回落8.3个百分点,郑州回落幅度最小,为1.9个百分点。2008年金融危机以来,我国经济下行压力加大,经济结构转型和资源优化配置任务十分艰巨,经济增长新动能尚未成熟,导致全要素生产率增速回落。
4、全要素生产率差距逐年扩大。从9个国家中心城市的全要素生产率标准差看,2008年为0.27,2012年升至0.32,2017年为0.36,呈逐年扩大之势。2017年,9个国家中心城市中,广州的全要素生产率最高,为2.16,上海、北京次之,分别为1.84和1.65,西安最低,仅为0.91,西安和广州相差1.37倍。广州、上海、北京作为全国科技创新中心,拥有市场优势、产业优势、资本优势和人才优势,虹吸效应明显,全要素生产率远高于其他城市,造成差距扩大。
四、国家中心城市全要素生产率影响因素分析—以西安为例
(一)模型和变量的选取
全要素生产率的进步通常来源于两个方面,一是资源配置的改善,即在同等技术水平下,生产要素配置到效率更高的产业或企业;二是技术进步,在既定生产要素投入水平下,通过使用更先进的生产技术达到产出的增长。本文以上述西安市全要素生产率的测算值(Y)为被解释变量,资源配置改善方面选取第二产业占GDP比重(X1)和第三产业占GDP比重(X2)作为解释变量。技术进步方面,选取R&D经费投入强度(R&D经费占GDP比重)(X3)代表技术进步中的科技创新,选取实际利用外资(X4)代表技术进步中的技术引进,选取高等教育在校学生人数(X5)代表技术进步中的人力资本,选取人均GDP(X6)代表经济发展水平对技术进步的促进作用。本文假定解释变量和被解释变量存在以下多元线性关系:
其中,分别代表解释变量X1~X6对被解释变量Y的弹性,时间序列为2008-2017年,数据来源自历年《西安统计年鉴》。
(二)实证结果
利用Eviews进行逐步回归,剔除不显著变量:第二产业占GDP比重(X1)、实际利用外资(X4)、高等教育在校学生人数(X5),得到以下结果:
表5 回归结果
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -5.608439 | 0.283925 | -19.75326 | 0.0000 |
X2 | 0.319194 | 0.098342 | 3.245750 | 0.0176 |
X3 | 0.447599 | 0.056179 | 7.967427 | 0.0002 |
X6 | 0.310657 | 0.018109 | 17.15460 | 0.0000 |
R-squared | 0.998723 | Adjusted R-squared | 0.998085 | |
F-statistic | 1564.580 | Prob(F-statistic) | 0.000000 | |
根据回归结果可以得出以下结论:
1、R&D经费投入强度对全要素生产率有显著正效应。R&D经费投入是科技创新的核心要素和源泉。回归结果显示,R&D经费投入强度的弹性系数为0.45,影响程度最高,表明科技创新是西安全要素生产率最重要的影响因素,是西安全要素生产率增长的重要引擎。近年来,西安加快建设创新型城市,持续加大对科技创新的投入力度,R&D经费投入快速增长,2008-2018年年均增长16%,为全要素生产率增长提供了有力的保障。
表5 西安市R&D经费
年份 | R&D经费(亿元) | R&D经费投入强度(%) |
2008 | 96.56 | 4.41 |
2009 | 164.99 | 4.86 |
2010 | 167.24 | 5.16 |
2011 | 202.53 | 5.24 |
2012 | 229.47 | 5.25 |
2013 | 256.77 | 5.26 |
2014 | 287.12 | 5.23 |
2015 | 303.71 | 5.24 |
2016 | 325.56 | 5.2 |
2017 | 360.17 | 4.82 |
2018 | 426.14 | 5.1 |
2、第三产业占GDP比重对全要素生产率有显著正效应。从回归结果看,西安第三产业占GDP比重的弹性系数为0.32,影响程度仅次于R&D经费投入强度,表明产业结构优化配置对西安全要素生产率有重要影响。1990年至今,西安第三产业所占比重始终高于第二产业所占比重,2018年,西安第三产业所占比重为61.8%,较第二产业的35%,高26.8个百分点。相比第二产业产值小、比重低、发展慢,对全要素生产率的影响不显著,西安市第三产业的快速发展有力支撑了全要素生产率的提高。
3、人均GDP对全要素生产率有显著正效应。经济发展水平的提高,能够对技术效率的提升提供人力、物力、财力的支持。回归结果显示,人均GDP的弹性系数为0.31,表明经济发展水平能够有效促进技术进步,对西安全要素生产率的提升有显著影响。2018年西安人均GDP达到85114元,较2008年的27794元,增加57320元,按不变价计算,年均增长9.8%,人均GDP的稳步增长为全要素生产率的提升奠定坚实基础。
4、实际利用外资和高等教育在校学生人数对全要素生产率的影响并不显著。外商直接投资能够带动国际间人才和信息的交流,有利于技术引进、产品创新和管理升级,推动全要素生产率增长。西安实际利用外资数量少、水平低,对全要素生产率影响较小。高等教育在校学生人数不能充分代表技术进步中的人力资本,对全要素生产率影响不显著。
五、研究结论和对策建议
(一)研究结论
2008以来,9个国家中心城市的全要素生产率保持0.61-2.16之间,呈现东中西部逐级递减趋势,广州、上海、北京居前三位,平均值为1.91、1.57、1.45,西安最低,仅为0.8,东中西部分化明显,城市之间差距逐年扩大。从增长率看,9个国家中心城市的全要素生产率呈现持续增长态势,但增速有所回落。从影响因素看(西安),R&D经费投入强度、第三产业占GDP比重和人均GDP对全要素生产率的提升有明显正向效应,第二产业占GDP比重、实际利用外资和高等教育在校学生人数对全要素生产率的影响并不显著。
(二)提高全要素生产率的对策建议
1、进一步加大R&D经费投入强度。模型结果表明,R&D经费投入强度对全要素生产率的弹性系数最大,是最重要的影响因素。提升全要素生产率,需加快实施创新驱动发展战略,不断加大R&D经费投入强度。一是加大财政资金对R&D的投入,R&D投入具有高风险和高溢出性,财政资金对R&D的直接投入对全社会具有示范和拉动作用。二是鼓励企业加大R&D经费投入,企业是市场经济的主体,是技术创新的操盘手,进一步完善财税优惠政策,激发企业开展R&D活动的自觉性和积极性,提高企业R&D经费投入强度。三是鼓励R&D主体强强联合,积极引导科研院所与企业共同开展R&D活动,使理论和实践紧密结合,科技与产业紧密结合,研发与市场紧密结合,构建以市场为导向、多主体联合、产学研结合的技术创新体系,提升科研水平和科技成果转化能力。
2、加快产业结构转型。根据上述测算,第三产业占GDP比重对全要素生产率的提升有显著正效应,产业结构转型、资源优化配置对全要素生产率有重要影响。一是聚焦产业链高端,发展新兴产业、高端产业,加快新旧动能转换。新兴产业往往是高科技产业,是先进科技的代表,发展新兴产业、高端产业能够抢占科技创新的制高点,获得发展主动权,对提高全要素生产率大有裨益。二是大力发展现代服务业。与传统服务业相比,现代服务业具有技术水平高、知识集中度高、附加值高的特点,是衡量经济现代化和城市竞争力的重要标志,是产业结构转型升级的方向。现阶段发展现代服务业,主要在于充分发挥现代服务业对第二产业、第一产业的引领带动作用,运用现代服务业改造传统产业,加快现代服务业向第二产业、第一产业的渗透融合,促进三次产业融合发展。
3、扎实推进供给侧结构性改革。坚持推进供给侧结构性改革,减少无效供给和低端供给,释放有限的生产要素和资源,达到资源的优化配置,提升全要素生产率。全面落实“三去一降一补”任务,持续化解过剩产能,淘汰“僵尸企业”,让生产要素流动起来。引导企业转型发展,调整落后的生产方式和产品结构,积极培育发展新业态、新模式。持续推进简政放权,最大限度减少政府对市场活动的直接干预,改善营商环境,激发企业市场活力。
4、加快实施人才强国战略。科技创新关键在于人才,习近平总书记指出:“人才是创新的第一资源,没有人才优势,就不可能有创新优势、科技优势、产业优势。”“人才是创新的根基,创新驱动实质上是人才驱动,谁拥有一流的创新人才,谁就拥有了科技创新的优势和主导权。”因此,全要素生产率的提升取决于人力资本的培育。一是健全和完善科学合理的用人机制,改革人才培养、引进、使用的机制,通过制度发现人才、激励人才、凝聚人才、稳定人才。二是注重培养一线创新人才,推进人才与产业的融合互促,让人才在产业中成长,让人才推动产业成长。三是加大人力资本投资,提高教育经费占GDP的比重,强化对基础教育和职业技能培训的投资,注重提高人力资本储备。
参考文献:
[1] 陈来卿.建设国家中心城市以功能论输赢[J].城市观察.2009(2)
[2] 周阳.国家中心城市:概念、特征、功能及其评价[J].城市观察.2012(1)
[3] 宋思曼.国家中心城市功能理论与重庆构建国家中心城市研究[D].重庆大学.2013
[4] 田美玲.国家中心城市及其竞争力的理论与实践研究—以武汉市为例[D].华中师范大学.2014
[5] 陈江生.郑智星.国家中心城市的发展瓶颈及解决思路—以东京、伦敦等国际中心城市为例[J].城市观察.2009(2)
[6] 田美玲.刘嗣明.朱媛媛.国家中心城市综合评价与实证研究—以武汉市为例[J].科技进步与对策.2013(11)
[7] 黄俊.李军.周恒.国家中心城市职能评价体系建构—以武汉市为例[J].现代城市研究.2018(5)
[8] 郭志强.吕斌. 国家中心城市竞争力评价[J].城市问题.2018(11)
[9] 李林.赵文丹.国家中心城市的选择与功能定位[J].城市观察.2009(2)
[10] 刘明康.中国的全要素生产率研究—现状、问题和对策[D].研究专论44.2016
[11] 张军.吴桂英.张吉鹏.中国省际物质资本存量估算:1952-2000[J].经济研究.2004(10)
[12] 金相郁.中国城市全要素生产率研究:1990~2003[J].上海经济研究.2006(7)
[13] 常勉.全要素生产率的测算与简要探讨-以武汉城市圈为例[D].河南大学.2016
[14] 邵明伟.金钟范.张军伟.中国城市群全要素生产率测算与分析[J].经济问题探索.2018(5)
[15] 杜汜敏.全要素生产率视角下我国区域中心城市经济增长方式研究[D].河南大学.2013
[16] 盛来运.李拓.毛盛勇.付凌晖.中国全要素生产率测算与经济增长前景预测[J].统计与信息论坛.2018(12)
[17] 王艺明.陈晨.高思航. 中国城市全要素生产率估算与分析:2000-2013[J].经济问题.2016(8)
[18] 吴国培.王伟斌.我国全要素生产率对经济增长贡献的分析研究[J]. 统计研究.2014(12)
[19] 张少华.蒋伟杰.中国全要素生产率的再测度与分解[J].统计研究.2014(3)
[20] 王德祥.薛桂芝.中国城市全要素生产率的测算与分解 (1998—2013) [J]. 财经科学.2016(9)
课题组组长:李瑞虎
课题组成员:司选辉 袁琦 李东涛 程诗瑶