【《全要素生产率研究的国内外文献综述》1900字】

全要素生产率研究的国内外文献综述一、全要素生产率的概念全要素生产率（TotalFatorProductivity，TFP）可以理解为各要素（比如人力、物力、财力等）投入之外的技术进步、能力实现等带来的产出增加，是剔去了要素投入所带来的贡献后而得到的残差值，TFP也被称为“索洛残差”，因为该概念是由罗伯特·M·索洛（RobertMertonSolow）提出的。全要素生产率作为一个经济概念，通常被理解为总的产出中不能被要素投入所解释的“剩余”。在很多的研究中通常用技术水平来反映TFP，鲁晓冬和连玉君（2012）认为这并不是一种准确的描述，因为TFP不仅和技术进步息息相关，还与制度环境、管理技能、物质生产的知识水平等各种密切相关，因此将TFP统称为生产率水平更为合适。二、全要素生产率测算方法综述随着时间的推移以及研究的不断深入，学术界对于全要素生产率的测算逐渐从宏观转向微观。早期受限于数据的可得性，学者们对全要素生产率的测度主要针对国家、行业以及产业等宏观层面展开的，且主要采用增长核算法以及经济计量法来测算宏观层面的全要素生产率。近年来随着微观层面的企业数据的可得性不断提高，越来越多的学者开始研究企业层面的全要素生产率水平。但宏观层面的计算方法在微观层面并不能完全适用，两者之间还是存在较大的差异，因为对于企业而言在某种程度上技术水平是可以被提前认知的，企业可以在提前获得的技术水平的基础上，再配置企业的投入水平从而获得最优的产出，这就有区别于宏观层面全要素生产率的测算方法，因此宏观和微观层面的测算方面并不能等同（鲁晓东和连玉君，2012）。根据已有的研究，基于微观角度测算全要素生产率的方法主要有OLS法、固定效应法（FE）、LP（Levinsohn-Petrin）法和OP（Olley-Pakes）法等方法。（一）OLS法最小二乘估计是最直观和最传统的估算方法，也是最早被国外学者采用用于测算微观企业层面全要素生产率的方法。但Marschak和Aadrews（1994）认为由于劳动和资本的投入可能会在一定程度上与全要素生产率的冲击相关，因此用OLS方法估算出来的全要素生产率会存在样本选择性偏差以及同时性偏差。（二）固定效应法（FE法）固定效应法是一种在面板数据条件下，TFP仅随个体变化而不随时间变化的一类方法。其优点是内生性问题能得到解决，但同时固定效应法也有其自身无法克服的缺点。首先，FE对数据有较高的要求，原始样本数据必须是面板数据，因为在使用个体固定效应方法进行最小二乘法估计时只能用面板数据；其次，个体固体效应模型的估计只考虑了不同个体之间的变化，不能体现单个个体随时间而发生的变化；最后，FE的前提假设条件过于严苛其要求跨时间不变化，这一假设在企业操作层面很难找到有力的论证支持。因此，固定效应法也没能很好的解决OLS估算中存在的内生性问题。（三）Olley-Pakes法（OP法）Olley和Pakes（1996）利用半参数估计值估算生产率，该方法的假设条件是企业当前的生产率水平会影响企业的投资决策，并以企业的当期投资额作为代理变量，因此需要构建企业当期资本量与投资额之间的关系，其关系式如下：Kit+1=1−δKit+Iit其中K和I分别代表企业的当期投资以及企业的资本存量，δ表示折旧率。该等式表明企业当前的资本价值和投资是存在正交关系。如果能够满足全部的假设条件，Olley-Pakes法可以解决同时性偏差同时还能提供企业层面的生产函数的估计值。但OP法的假设条件要求代理变量即当期投资需要始终与总的产出保持单向的关系，那么如果样本企业的投资额为零时就不能被估计，而事实上不是每个企业每一年的投资额都是正数，所以在测算过程中会导致很多企业样本被舍弃掉，从而影响估算结果的准确性。（四）Levinsohn-Petrin法（LP法）Levinsohn和Petrin（2003）为了解决OP法要求每个企业每年都有正的投资这一问题，考虑从数据的可获得性角度出发，提出了另外一种测算全要素生产率的方法。这种方法以中间品投入为代理变量，而不是继续将企业的当期投资额当作代理变量。中间品投入不仅涵盖了资本投入，还包括了其他要素的投入，因此将中间品作为代理变量可以解决所有残差项和回归项之间的相关性。另外学者们在使用LP方法测算企业全要素生产率时，可以根据数据的可得性选择合适的代理变量，只要该代理变量能通过Levinsohn和Petrin提供的合意度的检验即合理。因此LP方法也被学者们广泛用于测算企业的全要素生产率。参考文献[1]AmitiM.andKonings.AssociationTradeLiberalization，IntermediateInputsandProductivity:EvidencefromIndonesia.[J].TheAmericanEconomicReview,2007,97(5):1611－1638.[2]ChandanSharma,RiteshKumarMishra.Internationaltradeandperformanceoffirms:Unravelingexport,importandproductivitypuzzle[J].QuarterlyReviewofEconomicsandFinance,2015,57:[3]CHANEYT.TheNetworkStructureofInternationalTrade[J].AmericanEconomicsReview，2014，104(11):3600-3634.[4]ChristianBrodaandJoshuaGreenfieldandDavidE.Weinstein.Fromgroundnutstoglobalization:Astructuralestimateoftradeandgrowth[J].ResearchinEconomics,2017,71(4):759-783.[5]DavidT.CoeandElhananHelpmanandAlexanderW.Hoffmaister.InternationalR&Dspilloversandinstitutions[J].EuropeanEconomicReview,2009,53(7):723-741.[6]DaynaZacliceverandAndreaPellandra.Importedinputs,technologyspilloversandproductivity:firm-levelevidencefromUruguay[J].ReviewofWorldEconomics,2018,154（4）:725-743.[7]GarrickBlalock.Imports,ProductivityGrowth,andSupplyChainLearning[J].WorldDevelopment,2006,35(7):1134-1151.[8]GeneM.GrossmanandElhananHelpman.QualityLaddersintheTheoryofGrowth[J].TheReviewofEconomicStudies,1991,58(1):43-61.[9]GiorgioFagioloandJavierReyesandStefanoSchiavo.Theevolutionoftheworldtradeweb:aweighted-networkanalysis[J].JournalofEvolutionaryEconomics,2010,20(4):479-514.[10]G.StevenOlleyandArilePakes.TheDynamicsofProductivityintheTelecommunicationsEquipmentIndustry[J].Econometrica,1996,64(6):1263-1297.[11]JožeP.DamijanandJozefKoningsandSašoPolanec.ImportChurningandExportPerformanceofMulti‐productFirms[J].TheWorldEconomy,2014,37(11):1483-1506.[12]JuanCarlosHallakandJagadeeshSivadasan.Productandprocessproductivity:Implicationsforqualitychoiceandconditionalexporterpremia[J].JournalofInternationalEconomics,2013,91(1):53-67.[13]LorenBrandtand