在讨論數字經濟對中國經濟增長率貢獻一文中，我們基于經濟增長理論，嚴格地估計了各個行業對中國整體經濟增長的貢獻[1]。

我們的結果糾正了因忽視投入和産出價格變動的異步性，特别是這種異步性在“數字經濟”和“非數字經濟”行業之間的巨大差異，所造成的對數字經濟增長率的低估，同時對其他部門的高估。同時，我們的結果顯示自2001年中國加入WTO至2018年，按照一個較寬泛的定義，“數字經濟”部門對中國整體經濟年平均增長8%的貢獻已逾三分之二，而其中占主導地位的信息與通訊技術（ICT）生産部門和ICT集約使用制造業部門的年平均增長貢獻已近40%。然而，這并不意味着我們可以據此回答中國數字經濟乃至整體經濟的效率問題。

從增長經濟學的觀點，回答這個問題需要解析中國經濟的增長因素，特别是分析其中的效率表現，也就是這篇短文的主題。本文以經驗事實說明，中國“數字經濟”過去20年在增長上之所以優于“非數字經濟”，主要歸因于前者比後者更好的效率表現。然而，我們發現2012年以來在其他部門效率下降的同時，部分“數字經濟”行業的效率也在下降。而且整體經濟的資本錯配問題也在惡化，這不僅意味着長期效率低下的企業擠占了過多的資源，擠出了更有效率的企業，也表明不當的政策幹預所造成的資本市場扭曲增加了經濟活動的交易成本。

全要素生産率是一個制度問題

中國數字經濟在過去20年中如此舉足輕重的增長貢獻并不是單純依靠大規模資源動員，追求增長速度得到的。飛快的數字技術升級和價格下降帶來極大的市場不确定性，使數字經濟活動比其他經濟活動更具有競争性，因此參與者必須克服更大的效率壓力。所以，理解數字經濟增長的表現不僅需要解析整體經濟中各個行業，也包括“非數字經濟”的資本和勞動投入，以及連接各個行業生産活動的中間商品和服務投入，更重要的是還需要在此基礎上估計出一個獨立于這些投入因素，可以反映配置、組合、管理和運營這些投入因素綜合效果的效率或生産率因素，這就是經濟增長分析中受到關注的全要素生産率（total factor productivity或TFP）指标[2]，也是本文的效率讨論中所使用的核心指标。

值得注意的是，長期以來，在大量的實證研究中将這樣一個效率指标誤解為技術進步指标。這不僅會造成對一個經濟體增長表現的誤解，還會導緻錯誤的政策建議（如鼓勵将公共資源用于推動技術進步的産業政策）。所以，我們必須首先澄清這個概念。

我們希望強調這樣的觀點：一個經濟體的效率改進應該主要歸因于它的制度改進，而不是技術進步。不能接受“創造性毀滅”的制度，無法獎勵創新，也就無法充分收獲創新的成果。所以全要素生産率本質上是一個制度問題。這并不是什麼理論創新，而是回到理論原點。

簡單地說，新古典理論增長模型針對的是一個假設的純粹市場經濟狀态，即假定不存在信息成本，沒有制度扭曲，也沒有行為扭曲（非競争手段獲利），而且生産要素完全是競争性配置同時被最佳使用的經濟。因此，其中的任何經濟活動都可以實現充分效率。在這種情況下，如果出現了效率改進，那就可以歸因于技術進步（這裡延續了“完美制度”的強假定，即現有制度亦不需要因為新技術而改進）。但是，即使在完美的制度中，技術進步也不可能在所有的企業和所有的經濟活動中同時發生。所以，來自技術進步的全要素生産率增長是極為緩慢的，特别是投入不再被錯誤地計入全要素生産率。

如果回到制度尚不成熟的發展中經濟，我們就必須考慮制度變化對效率的影響。這裡的“制度”是廣義的，既包括企業外部的法治和政策，也包括企業内部的組織和管理。如果假定制度改進是常态，那麼改進帶來的交易成本下降就會提高效率。而且，發展中經濟體遠離技術前沿，其技術進步主要依靠引進或購買基礎上的模仿，不但有成本，而且技術效果很難充分實現，所以效率提高幾乎都可以被制度改進所解釋。1980年代中國農業改革的生産率效果，就是在沒有技術進步的條件下通過制度改進（所謂“制度紅利”）改善效率的一個絕好的例子。同樣重要的是，這樣的理解也有助于我們解釋理論模型中不考慮，但現實中存在的因制度退步導緻的全要素生産率下降（負增長）的問題。

全要素生産率：理論、方法、數據和測算的一緻性

很多經濟學家對實證研究中估計的互相矛盾的生産率結果感到困惑與失望。有人曾經對2008年前研究改革後中國經濟增長的上百篇論文進行分析，發現雖然多數研究者都使用了主流的增長核算方法，但是全要素生産率的估計結果卻大相徑庭。這裡忽視了兩個關鍵問題：一個是在現有的分析框架下如何接近現實，另一個是如何維持理論、方法、數據和測算的一緻性。比如，總量生産函數方法隐含地否定了行業的異質性，而且引進了以不變價格計算的固定權重偏差。

相比之下，通過整合行業生産率賬戶的喬根森生産可能性邊界方法，我們可以延申新古典增長核算的框架以解析行業的增長和生産率貢獻，這對分析發展中國家的經濟增長十分重要。不過，引進行業必然要求我們面對長期被忽視的數據和測算問題。具體地說，行業在勞動和資本類型上的差異深化了行業的異質性，但是全要素生産率的準确估計必須以對投入的準确估計為基本前提，忽視這種異質性就會影響全要素生産率的估計結果。

例如，如果以勞動者自然人數代替各個行業不同質量結構（年齡、性别、教育）的勞動投入，那麼在勞動力傾向流向生産率較高的行業且勞動質量（人力資本）具有上升趨勢的情況下，這就會低估勞動投入的增長貢獻，高估全要素生産率。這就要求我們從整體經濟的自然就業人數時間序列，轉向可以刻畫勞動力的行業、年齡、性别和教育特征的多維數量矩陣和報酬矩陣。

喬根森教授生前以哈佛大學為基地推動的全球KLEMS（K=資本、L=勞動、E=能源、M=材料、S=服務）計劃，目的就是嚴格地基于生産率理論構建滿足增長解析所需要的生産率數據庫。經過自2000年代初期至今的努力，世界主要經濟體和歐盟都已經初步建立了KLEMS原則的數據庫。本文所報告的研究工作使用了我的研究團隊按照KLEMS原則建立的《中國經濟分行業生産率數據庫》（CIP/China KLEMS）。

為了滿足對數字經濟的分析，也使用了該團隊初步建立的、尚未包括在數據庫中的分行業IT和CT設備投資和資本存量估計。這個數據庫的核心貢獻是在中國經濟投入-産出框架中，第一次系統地解決了複雜的異質要素同質化，及各種加總問題。（随後兩小節所報告的研究結果就使用了這個數據庫。對數據建設和增長解析感興趣的讀者，可以通過腳注1的文獻獲得信息。）

數字經濟視角：解析行業/部門、初級要素與TFP的增長貢獻

表1報告了中國經濟不同行業/部門和不同要素對整體經濟增加值增長的貢獻，并且從中分解出了全要素生産率即TFP的貢獻。

首先，讓我們關注該表的第一部分，對于我們所考察的2001-2018年整個時期，整體經濟年平均增長為8%，其中ICT生産和集約使用部門的貢獻高達70%，非ICT集約部門貢獻了41%，而以公共服務為主的非市場服務業部門（教育、衛生、政府）則損失了11%。分期來看，ICT生産和集約使用部門自加入WTO後起對整體增長的貢獻持續上升，從逾60%起升至危機後早期的近80%，或者整個後危機十年穩定在75%。ICT生産與集約使用部門不僅是過去二十年中國經濟增長的引擎，而且支撐了後危機時代的增長。更重要的是，換一個角度，這個部門“支付”了其他部門，特别是公共服務部門因過度擴張和經營不善帶來的效率損失（即總成本增長超過增加值增長）。

該表的第二部分報告了資本和勞動的投入對中國經濟整體增長的貢獻。得益于初步更新的CIP/China KLEMS數據庫，我們現在可以将資本投入細分為生産性建築、IT設備、CT設備、非ICT設備以及住宅五類資産，同時也可以将勞動投入分為低、中和高三種技能類型。經濟增長中不能夠由這些不同類型資本和勞動投入增長解釋的部分就是TFP的變化。結果顯示，就整個時期而言，資本投入對整體經濟增長的貢獻高達84%，勞動投入的貢獻為9%，而TFP的貢獻隻有7%。

這個結果肯定了這樣的假說（如吳敬琏的“粗放式增長模式”假說），即中國經濟增長模式必然依賴資本投入的增長，盡管犧牲效率。這種依賴性呈不斷上升的趨勢，從加入WTO後的不到70%，提高到後危機時期的逾95%。這顯然與危機後政府過分依賴以鐵路、公路和其他基礎設施建設為代表的“保增長”政策密切相關。與此同時，TFP進入了負增長。

進一步對資産和勞動類型的解析更有助于我們理解這個變化。從勞動投入看，這樣的解析揭示了危機以來在勞動投入增長迅速下降的背後，是較低成本的中低技能勞動力投入的絕對減少，同時較高成本的高技能勞動力投入的迅速上升。這解釋了已經被普遍觀察到的中國就業結構從制造業向服務業的轉變。勞動力短缺和成本的提高，一方面迫使勞動密集型行業轉移至其他低勞動成本的國家，另一方面也刺激企業選擇以資本替代勞動的技術，正在促成中國經濟過早地進入“去工業化”的過程。

不同類型資本增長貢獻的變化也支持這個“去工業化”的判斷。盡管ICT生産和集約使用部門對産出增長的重要貢獻，但是ICT設備在資本投入增長中的比重不但沒有增加，反而有一定減少。與此同時，非ICT設備的貢獻也顯著下降，從中國加入WTO後的“黃金期”直到危機後早期的近55%，陡然降至危機後晚期的約40%。然而，生産性建築資本投入（包含所有非住宅結構與設施）的貢獻卻從加入WTO後的25%升至危機後早期的約30%，然後又躍升至危機後晚期的45%，明顯地反映了“保增長”政策的投資選擇方向和強度，但是我們對這個時期的TFP估計并不支持這樣的政策取向。

根據表1對行業/部門和要素的增長貢獻解析，我們構建了圖1。它直觀地告訴我們，中國經濟對投資的依賴是以效率（即TFP）的持續下降為代價。而且，這發生在一個失去“人口紅利”的時代，因而無法通過勞動力增長而緩解。不過，這樣一種經濟變化恰恰凸顯了數字經濟部門，而不是“保增長”政策投資的增長引擎作用，這應該是個很好的政策提示。

數字經濟視角：部門以及部門間要素重新配置的TFP貢獻

行業自身的生産率變化通過行業間的投入産出關系，以及資源在不同行業之間的重新配置，影響着整體經濟的全要素生産率的表現。

如下表2表明，在整個考察期間，中國經濟TFP的年平均增速并不高，僅為0.54%。分解來看，首先是通過多瑪方法加總得到行業/部門貢獻的0.33個百分點，然後是要素在行業/部門間重新配置貢獻的0.21個百分點。

讓我們進一步細分行業/部門的TFP增長貢獻。與其增長表現一緻，ICT是整個時期最有效率的經濟活動，其中ICT生産部門的TFP增長貢獻為0.52個百分點，ICT集約使用制造業為0.85個百分點，ICT集約使用服務業為0.15個百分點。在其他行業中，非ICT集約使用制造業部門的貢獻最大，達到了0.95個百分點。但是，非ICT集約使用服務業和非市場服務業給整體經濟造成了嚴重的TFP損失，分别為-0.67和-1.61個百分點！行業/部門之間如此巨大且持續的TFP增長差異反映了增長和效率的嚴重脫節，也意味着行業間的要素流動——要素的配置與重新配置——在相當程度上并沒有遵循市場競争的原則。

表2的最後一部分給出了資本和勞動要素重新配置對整體經濟TFP增長影響的估計。依據要素重新配置的TFP效果判斷，資本出現了嚴重的錯配。就整個考察時期而言，勞動重新配置對整體經濟年平均0.54%TFP增長的貢獻為0.40個百分點，而資本重新配置為-0.19個百分點。如果分期觀察，勞動重新配置的TFP貢獻是不斷下降的，從加入WTO後“黃金期”的0.67個百分點，下降到近年的0.12個百分點。

這一方面反映了勞動力市場的靈活程度已經不再上升，另一方面表明部門間大規模勞動力轉移已近基本完成。相比之下，加入WTO後的“黃金期”并沒有扭轉資本錯配（TFP增長貢獻為-0.23個百分點），可以認為這與地方政府加劇了旨在盡早收獲“WTO紅利”的增長競賽有關。這一趨勢在金融危機後早期得到一定的糾正（0.36個百分點），可能因為政策對産能過剩部門投資的幹預促使投資轉向長期處于短缺的基礎設施。然而，這種行政幹預的可持續性值得懷疑，因為它會造成嚴重的擠出效果。行業/部門内部正在經曆的整個時期最糟的全要素生産率表現（-1.06個百分點）支持了這個看法，危機後晚期資本重新配置的TFP效果再次逆轉為負值（-0.60個百分點）也支持了這個看法。

通過圖2我們可以更加直觀地展示表2對中國經濟全要素生産率的解析結果。該圖的計量單位為百分點，條圖的高度為相關時期TFP年平均增長率（見表2）（注意：其中右圖是對左圖中“部門加總”的結果中内部行業/部門的進一步分解）。這個圖示說明了保持數字經濟部門的活力和糾正資本錯配對于中國持續經濟增長的重要性。

結語與政策啟發

我們看到，中國整體經濟增長并沒有伴随持續的效率改善。但是，從數字經濟的視角對中國經濟增長因素進行的解析表明，“數字經濟”部門不僅在2001-2018年期間貢獻了70%的中國經濟增長，而且也是整個經濟中最有效率的部門，其貢獻相當于整體經濟TFP增長（年平均0.54%）的三倍，即年平均1.52個百分點。相比之下，所有低效率部門造成的TFP損失卻相當于整體經濟TFP增長的逾2.5倍，高達-2.63個百分點。設想，如果使低效率部門實現零效率損失，所有其他因素不變，那麼中國GDP的增長率就可以至少提高兩個百分點，可見效率的重要性。

假設替代不了現實。2012年以來在其他部門效率下降的同時，部分“數字經濟”行業的效率也開始下降。從整體經濟資本錯配問題看，這可能意味着長期效率低下的企業擠占了過多的資源，擠出了更有效率的企業，而且政策幹預所造成的資本市場扭曲增加了包括數字經濟在内市場經濟活動的交易成本。

應該強調的是，效率是企業的生命力所在。正是對效率的不懈追求才刺激了企業家的創意和創新活動，最終推動了技術進步。但是，效率的壓力來自市場競争的壓力。所以，改善中國經濟效率表現的關鍵不是什麼産業政策，也不是政府如何而為，而是一場貨真價實的市場化改革。

[1] 見國發院“承澤觀察”《伍曉鷹：數字經濟對中國經濟增長的貢獻有多大？》2022。伍曉鷹、餘昌華，《數字經濟對中國經濟增長的影響》，北京大學國家發展研究院智庫報告，2021。

[2] 理論上，全要素生産率與生産率和效率的概念是一緻的，所以它們在本文的使用中是互換的。但是應該注意的是，這些概念不能夠與單要素生産率概念，如勞動生産率，相混淆。

北京大學國家發展研究院研究教授。兼任日本一橋大學經濟學特邀教授，及美國世界大型企業聯合會（The Conference Board, TCB）高級學術顧問和TCB中國中心經濟研究部主任。主要研究領域包括經濟增長、生産率及相關宏觀經濟測算，經濟周期波動，以及以生産法PPP為基礎的國際經濟比較。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!