基于全要素生产率经济增长的模型分析

地区增长差异（以及收敛）问题目前正得到学者们的广泛关注，许多学者提出固定资产投资、外商投资、人力资本、金融发展等因素对于地区产出和差异有显著的影响；但最近学者们开始尝试将全要素生产率（TFP）引入对中国地区差异分析和增长收敛的研究中，例如颜鹏飞、王兵（2004）采用数据包络分析（DEA）、彭国华（2005）采用索洛余值法（SRA）在对中国各地区的全要素生产率进行测算基础上，进一步引入制度和教育水平等因素探讨了经济发展的条件收敛性；Wu（2003）、赵伟和马瑞永（2005）利用随机前沿分析法（SFA）估计并分解了各地区全要素生产率后，进一步考虑了技术进步和技术效率改善对地区差异的影响以及变化趋势。

目前，测算全要素生产率的最常用方法仍是索洛残差方法，其关键为假定所有生产者都能实现最优的生产效率，从而将产出增长中要素投入贡献以外的部分全部归结为技术进步的结果，这部分索洛剩余被称为全要素生产率（李京文等，1998）[1]。全要素生产率研究中最常用的生产函数形式为超越对数生产函数、Cobb‐Douglas生产函数等；前者虽然放宽了技术中性和产出弹性固定的假设，但是存在着不方便进行产出分解以及在估计中容易产生多重共线性的问题，所以根据Wu（2003）以及Chow ＆ Lin（2002）有等的建议，宜采用Cobb‐Douglas生产函数，其基本形式为：Yit＝ AKαitLβit，其中Kit为地区物质资本，Lit为地区劳动投入，α和β分别为资本和劳动的产出弹性，A为技术进步水平。

然而，根据经典的金融发展理论，金融对一个地区经济增长还是存在着重要作用，因此，作为金融服务的接触程度的反面———金融排斥，对经济增长也应该有一定的作用。金融发展促进经济增长，在经济增长过程中，穷人能够享受到更多的金融服务（金融排斥程度的降低）而导致贫困降低，而贫困的降低就相当于提高了全社会的整体收入水平，从而又会促进新一轮的经济增长（Jalilian＆ Kirkpatrick，2001）。然而，Arestis＆Caner（2004）却在考察了金融自由化影响贫困途径后，提出那些认为通过金融自由化促进金融深化、从而增加穷人接触信贷和金融服务的机会（金融排斥程度的降低）而增加其收入这一观点并没有得到实际情况的支持，因为金融自由化把更多的资金投入到了非正规部门和用于增加穷人信贷上，反而可能导致全社会资金配置的低效率，最终造成穷人收入的减少和地区经济发展的缓慢。

所以对于上述两种不同的观点，我们需要用进一步的实证来加以确认。为此，我们将对传统的Cobb‐Douglas生产函数进行了一定的修改，引入金融排斥变量，如下：

Yit＝ AKαitLβitEXCLγit

其中，EXCLit表示各地区金融排斥程度，而且假设满足α＋β＋γ＝1。

对其取对数，有：

ln Yit＝ln A＋αln Kit＋βln Lit＋（1－α－β）ln EXCLit＋εit

进而有：

ln（Yit/Lit）＝ln A＋αln（Kit/Lit）＋（1－α－β）ln（EXCLit/Lit）＋εit

上述模型为对数模型，因而可以用OLS方法估算参数α，（1－α－β）以及全要素生产率，从而看出金融排斥对经济增长的影响。

当然，仅仅以此对全要素生产率进行估计，可能存在一定的误差，但是我们研究的重点在于通过TFP的方法来关注金融排斥对经济增长的作用，因此，如Coelli et al．（1998）、朱钟棣和李小平（2006）所说的，对于估计TFP的变量及其规模报酬，传统的计量经济学方法仍然是合适的。所以，根据我们研究的目的，我们将采用上述传统的计量方法进行研究。同时，运用该方法进行面板数据模型的估计，既克服了DEA、Kalman滤波模型等方法仅采用时间维度的缺陷，兼顾了时间和空间维度，同时也扩展了样本数量，这对于短时间段的样本而言显得尤为重要。

因此，下文将建立起以省区面板数据为基础的全要素生产率模型，并进而探究东中西三大地区的金融排斥是否以类似的方式在对经济增长起作用。