已有研究脉络与本章视角

国内学者关于经济增长的源泉与增长方式转变有大量的研究。在宏观方面，面对日益收紧的资源和环境约束，学术界越来越多地从总体和区域、省际等层面关注中国经济增长的可持续性问题，研究我国经济增长方式是否可持续以及增长方式转变的文献不断涌现（郑京海和胡鞍钢，2005；吴敬琏，2006；林毅夫和苏剑，2007；卫兴华和侯为民，2007；王小鲁等，2009；庞瑞芝和李鹏，2011）。

在具体行业分析方面，则主要从全要素生产率（total factor productivity：TFP）增长角度来展开。全要素生产的分解至少有三种方法：指数法、生产函数法和成本函数法（Cowing and Stevenson，1981；Denny et al.，1981；Bauer，1990）。虽然方法各异，但是一般都将TFP增长分解为技术进步、技术效率与规模效应（Bauer，1990；Kumbhakar and Lovell，2000）。早期对全要素生产率的测算以新古典经济学为分析框架，采用的是增长核算方法。增长核算方法必须具备一个前提条件：完全竞争市场和规模报酬不变假设。在现实中，由于结构转型、体制转轨和市场化不足等因素使中国行业发展存在明显的市场不完善特征，厂商生产行为往往容易偏离新古典经济理论的基本假设；使用增长核算方法可能获得一个有偏的度量结果。另一种对TFP、技术进步和技术效率的测算方法为数据包络方法DEA（data envelopment analysis）。DEA是线性规划的非参数方法，是一种数据驱动型的方法，不需要利用假设的函数形式，相对比较灵活。但是DEA方法对数据准确性要求较高，其估计结果受数据统计误差影响大，由于中国宏观统计数据与行业（厂商）实际存在一定程度的误差，因此采用DEA方法同样可能带来较大偏差。更为重要的是，DEA方法假定存在确定性前沿，这使DEA不能解释随机误差，这显然不能很好地刻画经济运行的现实情况。

与上述方法相比，随机前沿分析（stochastic frontier analysis：SFA）方法，则放松了关于生产行为最大化或者最小化的假设，通过引入非效率影响因素来刻画实际生产行为与最优决策的偏离（Aigner et al.，1977）。基于中国经济明显的转型特征，大量文献放松了完全竞争市场和规模收益不变的假设，同时通过引入随机扰动项来刻画非效率，并假定部分厂商实际的生产技术与生产（技术）前沿存在差距，从而建立了随机前沿生产函数来测算TFP，克服了增长核算方法和DEA方法的不足（郑玉歆等，1995；涂正革和肖耿，2005；王志刚等，2006；王争等，2006；傅晓霞、吴利学，2006）。随机前沿生产模型因为同时考虑非效应因素与随机冲击对最优产出的影响，受到学术界肯定因而被广泛采用（涂正革、肖耿，2005）。随着研究者将效率分析引入TFP，效率改进成为新的经济增长源泉。经过不断发展和完善，随机前沿分析方法已经成为参数化前沿分析的主流方法之一（Farsi and Filippini，2004）。Pitt and Lee（1981）首次将SFA方法扩展和应用到面板数据中，随后Schmidt and Sickles（1984）也建议使用面板数据来估计随机前沿边界，这样能够比截面数据得到更丰富的信息和更加一致的估计。Battese and Coelli（1992，1995）运用似然比检验（likelihood ratio tests）给出了对面板数据条件下，最大似然估计中的随机前沿函数与传统生产函数形式的选取、随机误差与技术效率的分布假设是否稳健等进行甄别、判断的方法，为面板随机前沿模型方法的推广应用提供了坚实的基础。Green（2005）总结了随机前沿分析在面板数据中的新近发展和应用。

关于行业层面的增长方式研究主要集中于工业行业，并且绝大部分研究采用生产函数分析框架进行（张军等，2003；涂正革、肖耿，2005，2006；李小平、朱钟棣，2005；陈勇、李小平，2007；张军等，2009）。由于数据的难获取性，采用成本函数进行研究的文献较为鲜见。涂正革和肖耿（2007a）在非参数成本前沿模型框架下，分析了转轨时期中国大中型工业成本变化与工业增长模式转变情况。涂正革和肖耿（2007b）同样使用非参数成本前沿模型对成本效率进行了分解分析。何晓萍（2012）基于参数成本前沿模型研究了工业成本变动效应，并首次在前沿模型中纳入资本、劳动、能源三要素对2000—2007年工业节约增长模式进行了研究，从成本角度发现了一些转型的特征与转型动力。

基于生产函数框架，涂正革和肖耿（2005）运用大中型工业企业1995—2002年企业数据，研究了37个行业的全要素生产率（TFP）增长趋势，认为生产率提高的主要源泉是前沿技术进步，同时技术进步加剧了企业间的技术效率差距。李小平和朱钟棣（2005）选取制造业1986—2002年的数据，对行业TFP进行了估算，发现TFP增长与经济增长有较强的相关关系，但对大部分行业来说TFP增长并不是产出增长的主要来源。陈勇和李小平（2007）则分析了1985—2003年工业行业的技术进步的转型特征，发现行业技术进步趋势呈现出不同的阶段性特点，对外开放、行业规模有利于技术进步，而国有比重和行业集中度对技术进步有负作用。张军等（2009）则发现，在1992年之后，工业TFP增长超过了要素投入的增长，工业存在由粗放型增长向集约型增长模式转变的特征，要素配置推动TFP和工业增长。基于成本函数的分析框架，涂正革和肖耿（2007a，2007b）对中国大中型工业1995—2002年的研究发现技术进步、技术效率共同推动中国工业经济由粗放向集约型增长转变，同时，技术进步正逐步成为工业集约型发展的主要动力。何晓萍（2012）运用2000—2007年数据研究了工业36个行业成本变动效应，发现规模扩大是推动行业成本增长的首要因素，其次是价格调整效应。技术进步与效率改进共同推动新世纪行业的节约型增长转型，其中技术进步的贡献更大。

然而，由于较难获取数据，较长一段时期以来，已有研究对行业全要素生产率、成本效率等的测度与分析主要限于传统的资本和劳动两种要素，鲜有文献涉及与可持续发展息息相关的能源、环境因素。能源是行业生产过程中的重要投入要素之一，能源与环境因素对产出和成本影响巨大，中国经济长期高增长（特别是工业行业）主要是通过高投资与高能耗、高排放来实现的，因而，忽略能源与环境要素显然会使研究的准确性、科学性带来疑问，并且无法进行可持续和绿色发展的分析。遗憾的是，在已有研究中，仅有何晓萍（2012）在随机前沿成本模型中纳入资本、劳动、能源三要素对工业节约增长模式进行了研究，这给我们提供了有益启示。但是，这篇文献只研究了2000年后的行业发展情况，这无法透视自20世纪80年代改革开放以来，中国工业改革与发展转型至关重要的转型时期的经济增长驱动因素与模式。另外，价格因素是生产率和效率研究所必须共同面对的挑战，各行业的投入要素与产出价格的准确度量以及波动差异是科学分析的前提。资本、劳动力、能源要素的异质性以及行业要素价格的非完全市场性，都使要素价格度量成为数据构建的一个难点。正如涂正革和肖耿（2007）所指出的，不同行业的资本新旧程度不同、劳动力素质存在差异，但是由于数据资料的缺乏，在他们的研究中无法给予充分的考虑。因此，这些未能考察的因素可能都包含在成本效率中，也就给成本效率的测度带来了一定的偏误。在仅有的纳入了能源要素的研究中（何晓萍，2012），对要素价格的处理仍然只是采用一些近似的方法，特别是能源要素价格测度较为困难，不可避免地会给实证研究带来了一些偏误，因而其成本变动效应分解的准确性有进一步提高的空间。

基于上述考虑，本书从成本角度研究中国经济增长转型时期的转型特征与动力。与现有文献不同的是，本书采用参数方法研究面板数据下的成本效率问题，并纳入能源这一重要生产要素，着重考虑能源要素在低碳（绿色）增长与增长转型中的重要作用。成本分析的重要优势在于可以考察要素价格调整效应与效率提升效应。借鉴Kumbahark（2000）的理论模型，本书利用随机前沿模型，构建面板数据下的参数成本前沿模型，并依据成本前沿分解出生产规模效应、技术进步效应、价格调整效应与效率提升效应。基于此，从成本角度来考察增长方式的动态变化，进而分析行业集约型增长趋势与特征。与现有研究文献相比，本书的研究有以下三点贡献：第一，在理论方法上，构建了面板数据下的参数成本前沿模型，考察增长模式转型特征；第二，在数据质量方面，本书采用基于投入产出的KLEM数据集，这个数据在投入要素价格方面进行了更加科学准确的测度，具有更加丰富的行业信息；第三，本书选取具有明显转型特征的20世纪90年代作为考察期间^[1]，更加便于对增长的转型特征进行观察和分析，解析出增长模式转型所面临的挑战、节约增长转型的动力所在，增进对中国增长转型历程的理解并由此引出对当下经济转型的进一步思考，使研究结论更具实践指导意义。本章余下部分，第二部分，构建一个行业成本效率的随机前沿模型，讨论模型设定和成本变动分解方法；第三部分，对数据和变量进行详细说明并给出模型检验和估计结果；第四部分，通过实证结果详细考察行业节约型转型增长的动力与面临的挑战；第五部分是全文的结论和讨论，并提出相应的转型增长政策建议。