一个经济体之所以能增加产出,可能是因为雇佣了更多劳动力、积累了更多机器,或者更好地利用了既有资源。全要素生产率试图分离出后一种维度:即产出中无法被已测算的劳动以及诸如设备、机械和厂房等生产性资本数量所解释的部分。
这一理念看似简单——用同样的资源生产更多产品——但其测算需要审慎。全要素生产率并不能像工作时长或设备数量那样直接被观测到。它是在设定模型、测算投入要素并计算出未被解释的增长份额之后估算出来的。因此,它是研究经济表现时非常有用的指标,但不能自动回答其成因是什么。
核心观点:全要素生产率并非各个生产要素生产率的相加。它是在所采用的数据和模型约束下,对一个经济体如何将多种投入转化为产出的综合测度。
全要素生产率衡量什么
假设一家企业提高了产量。这种变化的一部分可能源于增加了劳动时间;另一部分可能源于安装了更多设备。如果产出的增长超出了模型中这些投入变量所能解释的范围,那么其中的差额就会归因于全要素生产率的增长。
这是一种残差测度。在实际操作中,经合组织(OECD)通过从产出增长率中扣除各项投入要素的加权贡献来计算其变动。因此,全要素生产率反映的是利用已测算的全部资源获取产出的估算能力。
应当区分其水平与增长率。水平旨在比较特定时间点的估算生产能力;增长率则表明该能力在两个时期之间的变动情况。这两种计算都对数据质量以及资本、劳动和产出的测算方式较为敏感。
全要素生产率与劳动生产率并非同一概念
经济生产率可以通过多种方式测算。其中较为人所熟知的一种是劳动生产率:即每工作小时或每名就业人员所创造的产出。它的优势在于直观易懂。然而,仅凭该指标本身,并不能说明为什么每小时能生产出更多产品。
劳动生产率的提高可能仅仅是因为每位劳动者拥有了更多或更好的机器设备。劳动力培训程度与人员构成的变化,或者全要素生产率的提升,也可能带来这种改变。换言之,单位小时产出的增加并不能证明整个组织机构都变得更有效率。
全要素生产率则将多种投入统筹考虑。它不仅是将产出除以工时,而是试图扣除劳动和资本各自的贡献。这种差异有助于区分经常被混淆的两个过程:增加资源与更好地组合资源。
案例分析:资源相同的两个车间
设想有两个生产家具的车间。两者都拥有十名工人、相同的工作时长以及同等水平的机器设备。在这一周内,第二个车间生产出了更多可用的成品。
这种差异可能源于更明确的任务分工、更少的闲置停工时间、更优良的设计、与供应商更精准的协同配合,或者是减少了失误的诀窍与知识。如果测得的劳动和资本数量完全相同,模型就会将产出的这种差异记录为全要素生产率的差异。
但这一测算结果并不能揭示上述哪种解释才是正确的。也许是某台设备的测算不够完备,也许是一个车间使用了质量更好的原材料,又或者是记录的工时并未反映实际付出的有效劳动。该案例同时展示了全要素生产率的实用价值与局限所在:它能够发现已核算投入要素无法解释的差额,但并不会自动指出其产生的具体根源。
核心观点:更高的全要素生产率表明产出增长超过了已测算投入所能解释的部分。这一指标本身并不能证明究竟是哪项创新、规则或决策促成了这种变动。
计算公式与索洛残差
这种基本直觉可以通过生产函数来表示:
Y = A · F(K, L)
式中,Y 代表产出;K 代表资本;L 代表劳动;A 代表全要素生产率。函数 F 代表设定的投入与产出之间的关系。一种常见的形式是柯布-道格拉斯函数:
Y = A · K<sup>α</sup> · L<sup>(1−α)</sup>
参数 α 近似反映资本的权重,而在特定假设下 1−α 代表劳动的权重。该公式是一种被广泛使用的说明形式,并非全要素生产率的普适定义。
在增长核算中,人们估算在 Y 的增长中有多少归功于 K 与 L 的加权增长。剩余未被解释的部分则记录为 A 的变动。这一分析程序与 Robert Solow 1957 年的研究密切相关,索洛残差这一称谓亦由此而来。
将整个残差通称为“技术”可能会产生误导。技术确实是其中的一部分,但残差还可以涵盖组织管理、知识积累、规模经济、产能利用率的变化、遗漏的投入要素以及统计测算误差。它首先是在明确假设前提下构建的一种核算层面的剥离与分解。
全要素生产率提高的潜在驱动因素
当企业采用能够减少浪费的工艺流程、知识传播更为迅速,或者劳动与资本流向能够创造更高价值的生产领域时,全要素生产率便可能得到提升。管理水平、创新以及资源再配置都是合理的解释机制。
企业之间的相互关系同样重要。传递信息的市场价格、自愿交易以及市场竞争,可能有助于发掘更优的方法,并促使资源从价值较低的用途转移到需求更大的用途。然而,这些机制在基础方程中并未作为独立变量出现。要确定其实际重要性,需要更多的经验证据支持。
国际货币基金组织(IMF)强调了全要素生产率、资源配置与收入创造能力之间的内在联系。这种联系在经济学上具有重要意义,但这并不构成将某项具体估算结果单方面归结于某一特定制度因素的依据。
测算过程中的局限性
对全要素生产率的任何估算都取决于事先作出的决定。研究不仅需要测量资本的总量,还要测量其所提供的资本服务;不仅需要统计从业人数,还要统计工作时长,甚至在某些核算中还需考虑技能素质的差异。此外,还必须估算各项投入对总产出贡献的份额权重。
这些方法选择带来了若干局限:
- 资本并非同质:计算机、建筑物与生产机械所提供的资本服务各不相同。
- 产能利用率存在波动:同一台设备运转的时间可能较少,也可能较长。
- 投入要素的质量可能发生变动,而这种变化无法完全体现在数量统计中。
- 某些行业的产出难以准确计量,特别是部分服务业部门。
- 测算结果取决于所选取的生产函数及其设定假设。
此外,相关性并不等同于因果关系。即使某项制度与全要素生产率呈现协同变动,其因果关系可能是单向的、双向互为因果的,或者两者背后存在第三个共同变量。经合组织(OECD)在研究生产率增长驱动因素时,明确指出了测算、模型设定与因果识别方面存在的诸多挑战。
核心观点:残差涵盖了模型无法解释的所有部分。解读残差需要深入分析其具体构成;仅仅为其贴上“效率”的标签并不能消除客观存在的不确定性。
为什么它对经济增长与生活水平重要
积累劳动和资本可以扩大生产规模,但这些要素具有成本,而且不可能长期以相同的速度无限制增长。改善要素之间的协同方式提供了另一条途径:从现有的可用资源组合中获取更高的价值。
因此,全要素生产率在长期经济增长和人均收入的分析中占据核心地位。这并不意味着所有福利的改善都可以简化为一个产出数字,也不意味着资本积累不再重要。它表明,要理解产出的持久增长,仅统计劳动者和机器的数量是不够的。
从古典自由主义视角来看,可预期的产权、普适性规则、开放交易与市场竞争等制度安排,可能有助于促进试错探索、要素协同与资源再配置。这是一种关于经济传导渠道的假说,既非核算公式中的现成项,也不是必然实现的效果。经济自由与繁荣之间的联系,必须结合具体语境并依靠经验证据予以审慎评估。
全要素生产率有助于提出正确的问题:在核算了各项投入之后,生产表现中究竟还有多大比例尚未得到解释?它的测算结果是探索价值创造机制的起点,而非对原因的定论。若能得到审慎合理的解读,它能帮助我们区分两种不同的增长方式:一种是单纯依靠拥有更多资源而实现的增长,另一种是通过学会更有效地协同配置资源而获得的增长。
分享