2008年7月3日至4日，第十届CCER-NBER“中国与世界经济”年会在北京大学中国经济研究中心万众楼举行。来自NBER、CCER以及清华大学等机构的学者围绕有关中国与世界经济的议题互相交流并进行讨论。本期简报将主要介绍年会第四场“生产力”研讨内容。本场三位报告人分别是清华大学李稻葵教授，马里兰大学Charles Hulten教授，清华大学曹静博士。
李稻葵：劳动收入占GDP比例的刘易斯式观点
我今天要报告的研究是与刘霖林、王红领共同完成的。劳动收入占GDP的比例（以下简称“劳动份额”）是理解收入分配问题的重要变量，它同时也是分析经济体中投资、储蓄和消费的基础，并反映了经济体内的微观行为。在中国，收入分配问题已经成为一个重要议题，而劳动份额的降低能够在一定程度上解释消费率（即消费在GDP中所占比重）的下降、以及投资率（即投资在GDP中所占比重）的上升。
同这个问题相关的观点，包括古典经济学和马克思主义政治经济学中的“生存工资率”（survival wage rate）、新古典经济学中的生产技术、以及制度经济学中的谈判能力（bargaining power）。这个方面的文献不是很多。Gollin (2002)认为，劳动份额在所有国家都是相同的。Harrison (2002)认为，在过去的40年内，发展中国家的劳动份额在下降，而发达国家的劳动份额在上升。在这个问题上，基于中国情况所做的研究得出的结论也不尽相同。在20世纪80年代，一些学者认为，中国存在“工资侵蚀利润”的现象（戴园晨、黎汉明，1988），另一些学者对此作出了质疑（唐宗昆，1990；杨瑞龙、周业安、张玉仁，1998)。 2000年以来，一些学者认为中国的高储蓄率是由劳动份额的下降所引致的（李扬、殷剑峰，2007；Kuijs、Louis，2005)。 Bai and Qian (2008)则探讨了中国要素收入份额背后的一些原因。
我们的研究目的是探讨经济发展中的劳动份额的一般规律，以及这一规律对于中国的适用性，从而更好地理解中国劳动份额的未来走向。我们的数据来源于多种途径，包括世界银行的世界发展指标（2006）、亚洲经济数据库（CEIC）、中国统计年鉴、Matthew等对于1856-1973年间英国经济增长情况的研究、日本长期统计纵览、联合国统计数据、中国社会科学院2005年开展的中国企业调查等。
从中国数据来看，近年来，中国的劳动份额呈下降趋势。从美国数据来看，在1960-2006年间，美国的劳动份额维持在60%-70%的水平，相对较为稳定。从英国数据来看，英国的劳动份额在二战之后显著提高。从日本数据来看，在1985-1998年间，劳动份额逐渐由55%上升至80%，而若加入对自营业者的考虑，则在这一期间，日本的劳动份额相对较为稳定，维持在80%-90%之间。此外，我们从世界发展指标（2006）中选取了24个国家（其中低收入国家、中等收入国家、高收入国家各8个），分析了这些国家在1965-1997年间的劳动份额。结果表明，低收入国家、中等收入国家和高收入国家的平均劳动份额分别为65%、55%和59%，劳动份额与人均GDP的关系呈U型曲线。从1991-2003年间中国省级数据来看，经济发展水平和劳动份额基本呈线性负相关关系。而从企业数据来看，不同产业的劳动份额存在显著差异，服装业的劳动份额最高，而化工业的劳动份额最低。
在刘易斯模型中，经济是由农业和工业（或服务业）组成的二元经济。劳动力的流动是不完全的，农业部门中的劳动边际产量（Marginal Product of Labor, MPL）低于或等于工业（或服务业）部门的MPL。农业和工业（或服务业）部门的工资率均与农业部门的MPL相等。农业部门的劳动份额较高，工业部门的劳动份额相对较低。伴随着经济发展，越来越多的劳动力离开农业部门，因而农业部门的MPL逐渐提高，各部门的工资水平也相应提高，但始终低于工业部门的MPL。当农业部门的MPL与工业部门的MPL相等时，劳动力停止转移，劳动份额保持稳定。而在此之前，伴随着劳动力的转移，劳动份额先下降、然后逐渐上升，因而劳动份额与人均产量的关系呈U型。
由此，我们得到三个待检验的假说：（1）劳动份额与人均收入之间的关系呈U型；（2）劳动份额与工业/农业比之间的关系呈U型；（3）当资本或储蓄较高时，劳动份额较低。以下分别运用跨国数据、跨省数据和企业数据对这三个假说进行实证检验。
在利用跨国数据估计的计量模型中，被解释变量为劳动份额，主要解释变量为人均GDP或经济体中的工业（或服务业）比重。其他控制变量包括投资率、GDP增长率、工会力量、政府的公共开支与私人消费的比率、进出口总额在GDP中所占份额、外商直接投资（FDI）在GDP中所占份额等。估计结果支持了上述3个假说。
在利用中国数据估计的计量模型中，被解释变量为劳动份额，解释变量包括人均GDP、工业与服务业的比率、资本回报率、小企业份额、国企比重、国际贸易、FDI、政府财政等。估计结果显示，劳动份额与人均GDP、非农产业和农业的比重均呈显著的负相关关系，即表现为U型曲线的前半部分。
在利用企业数据估计的计量模型中，解释变量包括人均资产、人均工资、是否为国有企业、税前资产收益率、税率等。估计结果表明，劳动份额与人均资产、税前资产收益率等呈显著的负相关关系。
我们得到如下结论：（1）中国的劳动份额在降低，而且低于其他国家；（2）经济发展中的劳动份额呈现U型，最低点出现在人均GDP为4600美元时；（3）截至2003年，中国经济符合这一发展趋势，其他影响中国劳动份额的因素包括企业的（短期）盈利性和劳动者的谈判能力。
Charles Hulten：无形资产对于生产力及企业估值的影响
技术的变迁及与之相关的全球化，带来了世界经济与企业组织的结构性变迁。相对于生产本身，产品和流程创新被给予更多的关注；相对于有形资产，无形资产被给予更多的关注。然而，尽管经济学家和会计师已经认识到了无形资产的存在，在理论和实践中却往往忽视了这一资产。我们在数据或现有理论中很难找到同信息技术革命相关的信息，增长理论和增长核算的实践也尚未将无形资产这一创新和增长的核心要素纳入考虑。
针对无形资产的传统观点认为，企业在无形资产上的支出通常被视作当前支出，而不是对于企业的未来所作的投资。这一支出并没能创造产出或价值。此外，企业的股市市值和资产账面价值之间的差异被视为“善意”（goodwill），与无形资产具有或多或少的联系。
Lev（2001）研究了无形资产的结构特征，将无形资产划分为同创新相关的无形资产、人力资源无形资产、以及组织性无形资产。一些学者从产出角度研究无形资产的功能特征，涉及产出的股市价值、产出的未来预期价值、证券化、指标和指数等内容。还有一些学者从投入角度研究无形资产的功能特征，涉及价值投资、托宾Q理论的成本-价值联系等。
我和我的合作者（Corrado, Hulten, and Sichel，2006）研究了1998-2000年，美国非农业（non-farm business，NFB）部门的无形资产投资。研究结果表明：（1）非农部门对于信息技术的投资额为1540亿美元，其中，对于计算机软件和数据库的投资额分别为1510亿美元和30亿美元；（2）非农部门对于创新性资产的投资额为4240亿美元，其中，对于科学研发、矿产勘探、版权和许可证的投资额分别为1840亿美元、180亿美元和750亿美元；（3）非农部门对于经济能力（economic competency）的投资额为6420亿美元，其中，对于品牌资产、企业特定人力资本、组织结构管理的投资额分别为2360亿美元、1160亿美元和2910亿美元。
有形资产和无形资产都是资本投资，都利用现有资源创造未来消费。无形资产不同于有形资产的主要特性是：（1）无形资产不是对于当前生产的持续性投资；（2）无形资产通常是在企业内部创造的，而无法在市场中交易；（3）无形资产难于观察，很难衡量；（4）无形资产在很大程度上是非竞争性的，且其所有者很难直接从中获益，只有在进行商业投资时，无形资产的部分利益才能直接显现出来，而未显现的部分则分散于成本的降低和TFP（Total Factor Productivity，全要素生产力）的提高。
无形资产对于经济体而言非常重要，且近年来，企业对于无形资产的投资一直呈上升趋势。无形资产能够解释企业的股市市值和资产账面价值之间差距中的很大一部分。在加入对无形资产的考虑之后，美国非农企业的增长结构发生了变化，TFP对于增长的贡献显著降低，而无形资产对于增长的贡献十分显著。此外，对比日本、英国、美国三国企业的增长情况知，无形资产对于美国企业的贡献最大，英国次之，对于日本企业的贡献最小。
综上，无形资产投资是决定创新速度、经济增长和企业估值的关键因素。在将无形资产引入传统生产力分析后，我们的注意力会从产品转移到企业的组织形态。无形资产对于企业估值的影响主要是通过影响TFP和MFP（Multi-Factor Productivity,多要素生产率）而实现的。
曹静：中国生产力增长
中国的经济增长取得了巨大的成功，那么，推动这一成功增长的动力是什么？是资本积累、全要素生产率的提高、抑或经济结构由农业向工业和服务业的转变？这是我们的研究所要探讨的主要问题。
为了分析这一问题，我们首先分部门测算生产率的增长情况。其次，我们通过三种不同的加总方法——总量生产函数法、总量生产可能性边界法、以及Domar加权加总法，来估计总量生产率增长。之后，我们在时间序列式投入-产出表（time-series Input-Output Table）中使用新获得的数据，并运用了由劳动力调查获得的微观数据。最后，我们在进行必要的物价平减的基础上，构建部门层级的时间序列数据。
我们所使用的数据的期间为1982-2000年。为了便于分析，我们将这一期间划分为三个子期间：（1）1982-1984年，在这一期间，农业生产率的提高和农业增长由家庭联产承包责任制的推行所引致；（2）1984-1988年，在这一期间，经济增长由工业部门的改革和开放政策所引致；（3）1988-1994年，在这一期间，我国开始建立“社会主义市场经济”和经济特区；（4）1994-2000年，在这一期间，国有企业份额下降，民营企业逐渐成长起来，加入WTO导致关税削减。
已有针对TFP的研究所得的结论不尽相同。一些学者对于中国TFP的测算结果十分乐观，如，Chow and Li（2002）认为中国1978-1998年间的TFP增长达到3.03%，Fan, Zhang and Ostry （1996）认为中国1978-1994年间的TFP增长达到4.2%。但另一些学者得到的结论不十分乐观，如，Woo（1998）认为，中国1979-1993年间的TFP增长仅为1.1%。
由于已有研究结论存在较大的分歧，我们需要重新测算中国的生产率增长情况。我们将经济体划分为初级部门、工业部门和第三产业部门，其中，工业部门被进一步划分为26个子部门。在资本投入方面，我们考虑结构、机器设备和汽车等；在劳动投入方面，我们考虑劳动者数量，并基于性别、年龄和教育程度对劳动者进行分类。在中间品投入方面，我们考虑在生产过程中使用的本国产品和进口产品。假定各部门在每个特定期间的总产出都是通过Hicks中性生产函数得到的，生产中使用了各种资本、劳动和中间品。通过对生产函数进行分解和转换，我们可以得到产业层级的TFP增长规模。
我们在增长核算中所做的一个重要技术创新，就是构建一个具有内在一致性的时间序列式投入-产出表。我们所使用的数据来自于四个基准官方投入-产出表（1981年，1987年，1992年和1997年）。在此基础上，我们通过Kuroda残差最小化方法（Kuroda minimization of errors approach）构建了时间序列式现值U表（time-series current value U table）。在这些现值U表的基础上，我们进一步构建了时间序列式实际值U表（time-series real value U table）。最后，我们从这些实际值U表中提取了时间序列的KLEM（资本、劳动、能源、材料）数据。从产出增长率来看，在1982-2000年间，超过半数的产业的产出增长率高于10%；而在1994-2000年间，只有少数产业的产出增长率超过10%。从TFP增长率来看，在1982-2000年间，能源类产业的TFP增长率为负值，其他大多数产业的TFP增长率均为正；而在1994-2000年间，仅有半数产业的TFP增长率为正。由Domar加权法得到的贡献率的情况类似于TFP增长率。
我们分别通过总量生产函数法、总量生产可能性边界法、以及Domar加权加总法来估计总量生产率的增长。在总量生产函数法下，总附加值是总资本和总劳动的函数，这一方法的潜在假设是部门之间完全替代，具有相同的劳动力价格和资本价格。总量生产可能性边界法放松了总量生产函数的存在假设，并假定附加值在产业间非完全替代。而Domar加权加总法则是对于产业特定生产率的简单加权加总。总量生产函数法下得到的TFP增长，可以分解为Domar加权加总法下获得的部门增长、部门间附加值的再分配、以及部门间劳动和资本的再分配。
由通过总量生产可能性边界法获得的结果来看，四个子期间的附加值增长逐渐下降，资本投入逐渐增加，劳动投入基本维持稳定。此外，在附加值的增长中，资本的贡献率逐渐提高，从1982-1984年的1.72%提高到1994-2000年的6.33%；劳动的贡献率基本稳定在1.5%-2.1%之间；但总和TFP的贡献逐渐下降，由1982-1984年的9.12%下降到1984-1988年的3.26%、1988-1994年的2.64%，并进而下降到1994-2000年的-0.31%。从TFP的变动趋势来看，我国的生产效率可能在降低，我们须对此给予必要的关注。
最后，我们得到如下结论：在不同的产业和时期，TFP增长率具有显著的差异；总量生产可能性边界法是首选的加总方法，在这种方法下，我们可以将TFP增长分解为Domar加权的部门增长、以及劳动和资本的再分配；在1982-2000年间，总和TFP为2.5，在四个子期间内，TFP的增长逐渐下降。在考虑整个期间的时候，劳动和资本再分配的作用很小。
当然，我们的研究也存在一些缺陷：（1）在服务业部门存在很多自营业者，但是我们无法获得这部分人的数据，因此存在数据缺失问题；（2）在受到高度管制的部门（如电力、石油和天然气开采、石油冶炼等行业）有一定的数据缺失问题，因而这些部门的产出可能会被低估；（3）在过去高度垂直化的企业中，近年来出现了分包合同（sub-contract）或分拆现象，因而，总产量可能会提高，但我们没有考虑这一问题；（4）对于一些部门，我们没有估计土地投入，而是将其视为资本投入，这也有可能会导致一些偏误。
（邓一婷整理）
