在讨论数字经济对中国经济增长率贡献一文中，我们基于经济增长理论，严格地估计了各个行业对中国整体经济增长的贡献[1]。
我们的结果纠正了因忽视投入和产出价格变动的异步性，特别是这种异步性在“数字经济”和“非数字经济”行业之间的巨大差异，所造成的对数字经济增长率的低估，同时对其他部门的高估。同时，我们的结果显示自2001年中国加入WTO至2018年，按照一个较宽泛的定义，“数字经济”部门对中国整体经济年平均增长8%的贡献已逾三分之二，而其中占主导地位的信息与通讯技术（ICT）生产部门和ICT集约使用制造业部门的年平均增长贡献已近40%。然而，这并不意味着我们可以据此回答中国数字经济乃至整体经济的效率问题。
从增长经济学的观点，回答这个问题需要解析中国经济的增长因素，特别是分析其中的效率表现，也就是这篇短文的主题。本文以经验事实说明，中国“数字经济”过去20年在增长上之所以优于“非数字经济”，主要归因于前者比后者更好的效率表现。然而，我们发现2012年以来在其他部门效率下降的同时，部分“数字经济”行业的效率也在下降。而且整体经济的资本错配问题也在恶化，这不仅意味着长期效率低下的企业挤占了过多的资源，挤出了更有效率的企业，也表明不当的政策干预所造成的资本市场扭曲增加了经济活动的交易成本。
全要素生产率是一个制度问题
中国数字经济在过去20年中如此举足轻重的增长贡献并不是单纯依靠大规模资源动员，追求增长速度得到的。飞快的数字技术升级和价格下降带来极大的市场不确定性，使数字经济活动比其他经济活动更具有竞争性，因此参与者必须克服更大的效率压力。所以，理解数字经济增长的表现不仅需要解析整体经济中各个行业，也包括“非数字经济”的资本和劳动投入，以及连接各个行业生产活动的中间商品和服务投入，更重要的是还需要在此基础上估计出一个独立于这些投入因素，可以反映配置、组合、管理和运营这些投入因素综合效果的效率或生产率因素，这就是经济增长分析中受到关注的全要素生产率（total factor productivity或TFP）指标[2]，也是本文的效率讨论中所使用的核心指标。
值得注意的是，长期以来，在大量的实证研究中将这样一个效率指标误解为技术进步指标。这不仅会造成对一个经济体增长表现的误解，还会导致错误的政策建议（如鼓励将公共资源用于推动技术进步的产业政策）。所以，我们必须首先澄清这个概念。
我们希望强调这样的观点：一个经济体的效率改进应该主要归因于它的制度改进，而不是技术进步。不能接受“创造性毁灭”的制度，无法奖励创新，也就无法充分收获创新的成果。所以全要素生产率本质上是一个制度问题。这并不是什么理论创新，而是回到理论原点。
简单地说，新古典理论增长模型针对的是一个假设的纯粹市场经济状态，即假定不存在信息成本，没有制度扭曲，也没有行为扭曲（非竞争手段获利），而且生产要素完全是竞争性配置同时被最佳使用的经济。因此，其中的任何经济活动都可以实现充分效率。在这种情况下，如果出现了效率改进，那就可以归因于技术进步（这里延续了“完美制度”的强假定，即现有制度亦不需要因为新技术而改进）。但是，即使在完美的制度中，技术进步也不可能在所有的企业和所有的经济活动中同时发生。所以，来自技术进步的全要素生产率增长是极为缓慢的，特别是投入不再被错误地计入全要素生产率。
如果回到制度尚不成熟的发展中经济，我们就必须考虑制度变化对效率的影响。这里的“制度”是广义的，既包括企业外部的法治和政策，也包括企业内部的组织和管理。如果假定制度改进是常态，那么改进带来的交易成本下降就会提高效率。而且，发展中经济体远离技术前沿，其技术进步主要依靠引进或购买基础上的模仿，不但有成本，而且技术效果很难充分实现，所以效率提高几乎都可以被制度改进所解释。1980年代中国农业改革的生产率效果，就是在没有技术进步的条件下通过制度改进（所谓“制度红利”）改善效率的一个绝好的例子。同样重要的是，这样的理解也有助于我们解释理论模型中不考虑，但现实中存在的因制度退步导致的全要素生产率下降（负增长）的问题。
全要素生产率：理论、方法、数据和测算的一致性
很多经济学家对实证研究中估计的互相矛盾的生产率结果感到困惑与失望。有人曾经对2008年前研究改革后中国经济增长的上百篇论文进行分析，发现虽然多数研究者都使用了主流的增长核算方法，但是全要素生产率的估计结果却大相径庭。这里忽视了两个关键问题：一个是在现有的分析框架下如何接近现实，另一个是如何维持理论、方法、数据和测算的一致性。比如，总量生产函数方法隐含地否定了行业的异质性，而且引进了以不变价格计算的固定权重偏差。
相比之下，通过整合行业生产率账户的乔根森生产可能性边界方法，我们可以延申新古典增长核算的框架以解析行业的增长和生产率贡献，这对分析发展中国家的经济增长十分重要。不过，引进行业必然要求我们面对长期被忽视的数据和测算问题。具体地说，行业在劳动和资本类型上的差异深化了行业的异质性，但是全要素生产率的准确估计必须以对投入的准确估计为基本前提，忽视这种异质性就会影响全要素生产率的估计结果。
例如，如果以劳动者自然人数代替各个行业不同质量结构（年龄、性别、教育）的劳动投入，那么在劳动力倾向流向生产率较高的行业且劳动质量（人力资本）具有上升趋势的情况下，这就会低估劳动投入的增长贡献，高估全要素生产率。这就要求我们从整体经济的自然就业人数时间序列，转向可以刻画劳动力的行业、年龄、性别和教育特征的多维数量矩阵和报酬矩阵。
乔根森教授生前以哈佛大学为基地推动的全球KLEMS（K=资本、L=劳动、E=能源、M=材料、S=服务）计划，目的就是严格地基于生产率理论构建满足增长解析所需要的生产率数据库。经过自2000年代初期至今的努力，世界主要经济体和欧盟都已经初步建立了KLEMS原则的数据库。本文所报告的研究工作使用了我的研究团队按照KLEMS原则建立的《中国经济分行业生产率数据库》（CIP/China KLEMS）。
为了满足对数字经济的分析，也使用了该团队初步建立的、尚未包括在数据库中的分行业IT和CT设备投资和资本存量估计。这个数据库的核心贡献是在中国经济投入-产出框架中，第一次系统地解决了复杂的异质要素同质化，及各种加总问题。（随后两小节所报告的研究结果就使用了这个数据库。对数据建设和增长解析感兴趣的读者，可以通过脚注1的文献获得信息。）
数字经济视角：解析行业/部门、初级要素与TFP的增长贡献
表1报告了中国经济不同行业/部门和不同要素对整体经济增加值增长的贡献，并且从中分解出了全要素生产率即TFP的贡献。
首先，让我们关注该表的第一部分，对于我们所考察的2001-2018年整个时期，整体经济年平均增长为8%，其中ICT生产和集约使用部门的贡献高达70%，非ICT集约部门贡献了41%，而以公共服务为主的非市场服务业部门（教育、卫生、政府）则损失了11%。分期来看，ICT生产和集约使用部门自加入WTO后起对整体增长的贡献持续上升，从逾60%起升至危机后早期的近80%，或者整个后危机十年稳定在75%。ICT生产与集约使用部门不仅是过去二十年中国经济增长的引擎，而且支撑了后危机时代的增长。更重要的是，换一个角度，这个部门“支付”了其他部门，特别是公共服务部门因过度扩张和经营不善带来的效率损失（即总成本增长超过增加值增长）。
该表的第二部分报告了资本和劳动的投入对中国经济整体增长的贡献。得益于初步更新的CIP/China KLEMS数据库，我们现在可以将资本投入细分为生产性建筑、IT设备、CT设备、非ICT设备以及住宅五类资产，同时也可以将劳动投入分为低、中和高三种技能类型。经济增长中不能够由这些不同类型资本和劳动投入增长解释的部分就是TFP的变化。结果显示，就整个时期而言，资本投入对整体经济增长的贡献高达84%，劳动投入的贡献为9%，而TFP的贡献只有7%。
这个结果肯定了这样的假说（如吴敬琏的“粗放式增长模式”假说），即中国经济增长模式必然依赖资本投入的增长，尽管牺牲效率。这种依赖性呈不断上升的趋势，从加入WTO后的不到70%，提高到后危机时期的逾95%。这显然与危机后政府过分依赖以铁路、公路和其他基础设施建设为代表的“保增长”政策密切相关。与此同时，TFP进入了负增长。
进一步对资产和劳动类型的解析更有助于我们理解这个变化。从劳动投入看，这样的解析揭示了危机以来在劳动投入增长迅速下降的背后，是较低成本的中低技能劳动力投入的绝对减少，同时较高成本的高技能劳动力投入的迅速上升。这解释了已经被普遍观察到的中国就业结构从制造业向服务业的转变。劳动力短缺和成本的提高，一方面迫使劳动密集型行业转移至其他低劳动成本的国家，另一方面也刺激企业选择以资本替代劳动的技术，正在促成中国经济过早地进入“去工业化”的过程。
不同类型资本增长贡献的变化也支持这个“去工业化”的判断。尽管ICT生产和集约使用部门对产出增长的重要贡献，但是ICT设备在资本投入增长中的比重不但没有增加，反而有一定减少。与此同时，非ICT设备的贡献也显著下降，从中国加入WTO后的“黄金期”直到危机后早期的近55%，陡然降至危机后晚期的约40%。然而，生产性建筑资本投入（包含所有非住宅结构与设施）的贡献却从加入WTO后的25%升至危机后早期的约30%，然后又跃升至危机后晚期的45%，明显地反映了“保增长”政策的投资选择方向和强度，但是我们对这个时期的TFP估计并不支持这样的政策取向。
根据表1对行业/部门和要素的增长贡献解析，我们构建了图1。它直观地告诉我们，中国经济对投资的依赖是以效率（即TFP）的持续下降为代价。而且，这发生在一个失去“人口红利”的时代，因而无法通过劳动力增长而缓解。不过，这样一种经济变化恰恰凸显了数字经济部门，而不是“保增长”政策投资的增长引擎作用，这应该是个很好的政策提示。
数字经济视角：部门以及部门间要素重新配置的TFP贡献
行业自身的生产率变化通过行业间的投入产出关系，以及资源在不同行业之间的重新配置，影响着整体经济的全要素生产率的表现。
如下表2表明，在整个考察期间，中国经济TFP的年平均增速并不高，仅为0.54%。分解来看，首先是通过多玛方法加总得到行业/部门贡献的0.33个百分点，然后是要素在行业/部门间重新配置贡献的0.21个百分点。
让我们进一步细分行业/部门的TFP增长贡献。与其增长表现一致，ICT是整个时期最有效率的经济活动，其中ICT生产部门的TFP增长贡献为0.52个百分点，ICT集约使用制造业为0.85个百分点，ICT集约使用服务业为0.15个百分点。在其他行业中，非ICT集约使用制造业部门的贡献最大，达到了0.95个百分点。但是，非ICT集约使用服务业和非市场服务业給整体经济造成了严重的TFP损失，分别为-0.67和-1.61个百分点！行业/部门之间如此巨大且持续的TFP增长差异反映了增长和效率的严重脱节，也意味着行业间的要素流动——要素的配置与重新配置——在相当程度上并没有遵循市场竞争的原则。
表2的最后一部分给出了资本和劳动要素重新配置对整体经济TFP增长影响的估计。依据要素重新配置的TFP效果判断，资本出现了严重的错配。就整个考察时期而言，劳动重新配置对整体经济年平均0.54%TFP增长的贡献为0.40个百分点，而资本重新配置为-0.19个百分点。如果分期观察，劳动重新配置的TFP贡献是不断下降的，从加入WTO后“黄金期”的0.67个百分点，下降到近年的0.12个百分点。
这一方面反映了劳动力市场的灵活程度已经不再上升，另一方面表明部门间大规模劳动力转移已近基本完成。相比之下，加入WTO后的“黄金期”并没有扭转资本错配（TFP增长贡献为-0.23个百分点），可以认为这与地方政府加剧了旨在尽早收获“WTO红利”的增长竞赛有关。这一趋势在金融危机后早期得到一定的纠正（0.36个百分点），可能因为政策对产能过剩部门投资的干预促使投资转向长期处于短缺的基础设施。然而，这种行政干预的可持续性值得怀疑，因为它会造成严重的挤出效果。行业/部门内部正在经历的整个时期最糟的全要素生产率表现（-1.06个百分点）支持了这个看法，危机后晚期资本重新配置的TFP效果再次逆转为负值（-0.60个百分点）也支持了这个看法。
通过图2我们可以更加直观地展示表2对中国经济全要素生产率的解析结果。该图的计量单位为百分点，条图的高度为相关时期TFP年平均增长率（见表2）（注意：其中右图是对左图中“部门加总”的结果中内部行业/部门的进一步分解）。这个图示说明了保持数字经济部门的活力和纠正资本错配对于中国持续经济增长的重要性。
结语与政策启发
我们看到，中国整体经济增长并没有伴随持续的效率改善。但是，从数字经济的视角对中国经济增长因素进行的解析表明，“数字经济”部门不仅在2001-2018年期间贡献了70%的中国经济增长，而且也是整个经济中最有效率的部门，其贡献相当于整体经济TFP增长（年平均0.54%）的三倍，即年平均1.52个百分点。相比之下，所有低效率部门造成的TFP损失却相当于整体经济TFP增长的逾2.5倍，高达-2.63个百分点。设想，如果使低效率部门实现零效率损失，所有其他因素不变，那么中国GDP的增长率就可以至少提高两个百分点，可见效率的重要性。
假设替代不了现实。2012年以来在其他部门效率下降的同时，部分“数字经济”行业的效率也开始下降。从整体经济资本错配问题看，这可能意味着长期效率低下的企业挤占了过多的资源，挤出了更有效率的企业，而且政策干预所造成的资本市场扭曲增加了包括数字经济在内市场经济活动的交易成本。
应该强调的是，效率是企业的生命力所在。正是对效率的不懈追求才刺激了企业家的创意和创新活动，最终推动了技术进步。但是，效率的压力来自市场竞争的压力。所以，改善中国经济效率表现的关键不是什么产业政策，也不是政府如何而为，而是一场货真价实的市场化改革。
[1] 见国发院“承泽观察”《伍晓鹰：数字经济对中国经济增长的贡献有多大？》2022。伍晓鹰、余昌华，《数字经济对中国经济增长的影响》，北京大学国家发展研究院智库报告，2021。
[2] 理论上，全要素生产率与生产率和效率的概念是一致的，所以它们在本文的使用中是互换的。但是应该注意的是，这些概念不能够与单要素生产率概念，如劳动生产率，相混淆。
北京大学国家发展研究院研究教授。兼任日本一桥大学经济学特邀教授，及美国世界大型企业联合会（The Conference Board, TCB）高级学术顾问和TCB中国中心经济研究部主任。主要研究领域包括经济增长、生产率及相关宏观经济测算，经济周期波动，以及以生产法PPP为基础的国际经济比较。
,
