近日，我院龚斌磊研究员独著论文“New Growth Accounting(新增长核算法)”发表于农业经济权威期刊American Journal of Agricultural Economics(AJAE,《美国农业经济学杂志》)2020年3月刊。

全文下载：Gong, Binlei, 2020, New Growth Accounting, American Journal of Agricultural Economics, 102(2): 641-661.

https://onlinelibrary.wiley.com/doi/10.1002/ajae.12009。

Abstract：This article opens the black box of total factor productivity by decomposing this “all-in-one” index into various input-embedded and input-free productivities in a new growth accounting framework. The new method identifies different channels through which growth drivers affect economic growth and finds the most effective way to boost the economy, which is unidentified in standard method. This new approach uses a varying coefficient stochastic frontier model, which integrates the standpoints of the endogenous growth theory and the induced innovation theory into a reduced-form productivity analysis. The new growth accounting is then applied to study the impacts and contributions of R&D investments, international trade, and structural transformation to world agricultural growth during the period of 1962–2014. The empirical results provide new evidence to support the endogenous growth theory and the induced innovation theory, indicating the necessity of using the new growth accounting method.

摘要：本文构建新增长核算模型，打开全要素生产率这个“黑箱”，将分解为“与各生产要素相关”（input-embedded）部分和“与生产要素无关”（input-free）部分。与传统增长核算法 相比，新增长核算法不但能测算某种驱动因素对经济的总体影响，还能厘清经济增长的传导机制、识别驱动因素通过不同途径对经济增长的边际影响，从而找到刺激经济增长的最优路径。基于内生（新）增长理论和诱致性技术创新理论，新增长核算法构建了一个简化（reduced-form）模型，克服了基于新古典增长理论的传统增长核算法的一些缺陷。最后，本文利用新增长核算模型分析了1962-2014年期间科研投入、国际贸易和产业结构转型对世界农业增长的影响。实证结果为内生增长理论和诱致性技术创新理论提供了新的证据，也印证了利用新增长核算法的必要性。

内容简介

自索洛对于新古典增长理论开创性的工作（Solow，1956）以来，增长核算法（Growth Accounting）提供了一个框架，将产出增长分解为两个来源：投入要素变化的贡献和无法用投入要素变化解释的剩余部分。后者通常用全要素生产率（TFP）的变化来衡量，而TFP通常被视为测度技术进步的指标。因此，增长核算法可以研判一个经济体属于依赖投入扩张的粗放型增长，还是主要由技术变革驱动的集约型增长。同时，增长核算法也是研究不同驱动因素通过影响全要素生产率从而驱动经济增长的主流方法。

生产率分析在增长核算法研究中扮演重要角色。在传统增长核算法中，通过回归估计生产函数并推导出TFP，进而将经济增长分解为投入要素引起的增长和技术进步引起的增长。此外，一些学者利用TFP决定函数来预测不同因素对TFP的边际影响，进而计算这些因素对经济增长的贡献。

然而，上述传统增长核算法有两个问题。首先，标准生产函数中的固定系数假设，以及新古典（外生）增长理论，并未考虑投入产出关系在地区间和不同时期的异质性，且与内生增长理论（Romer，1986；Lucas，1988）以及诱导性技术创新理论（Hicks，1932；Hayami and Ruttan，1971）相矛盾。一些已有研究（例如，Kumbakar, et al.，2000；Young，2003）使用投入成本份额作为投入系数，确实放松了固定系数的假设。但这种方法依赖固定报酬不变的假设，而内生增长理论认为该假设在宏观层面可能是无效的（Barro，1999）。

第二，传统增长核算法只能估计增长驱动因素对经济增长的总体影响，但无法识别增长驱动因素促进经济增长的途径或渠道，因为所有可能的途径都混杂在以索洛余值衡量的TFP中。无法厘清经济增长的驱动机制是一个大问题。例如，假设一个国家的公共科研投入（R&D）存在预算约束，我们应该如何分配R&D，从而在最大程度上促进经济增长？这是现实世界一个重要的公共政策问题，需要通过比较R&D对经济增长不同途径的边际影响才能得出结论，而传统增长核算法无法实现这种机制分析。

本文基于内生增长理论和诱导性技术创新理论的思想构建了新增长核算法，利用变系数生产函数（Gong，2018）反映投入要素质量的变化，且不受规模报酬不变的限制。然后，本文打开TFP的“黑箱”，将其增速分解为“与各生产要素相关”（input-embedded）部分和“与生产要素无关”（input-free）部分。因此，传统增长核算法中的第二个增长来源，即TFP的增长，在新增长核算法中可以被进一步分解。基于此，新增长核算法可以评估增长驱动因素促进经济增长的不同途径，包括它们对投入要素数量、投入要素质量和要素无关生产率的影响。

本文有三个理论贡献。首先，本文运用内生增长理论和诱致性技术创新理论，为使用变系数生产函数找到理论基础。其次，将全要素生产率增速分解为“与各生产要素相关”部分和“与生产要素无关”部分。第三，本文构建的新增长核算法，能够厘清经济增长的传导机制、识别驱动因素通过不同途径对经济增长的边际影响，从而为探索刺激经济增长的最优路径提供新的计量工具。

本文运用新模型对1962-2014年间107个国家的农业增长情况，以及科研投入、国际贸易和产业结构对农业增长的贡献进行了实证研究。之所以选择农业部门作为研究对象，是因为农业部门的投入要素分类较细，除了劳动力和资本外，还有诸如土地和饲料等其他投入要素，这使得农业成为一个理想的研究对象，来展示经济驱动因素（科研投入、国际贸易和产业结构）通过不同途径影响经济增长。实证结果表明：1）劳动力逐步被资本替代，土地逐步被化肥替代，这为诱致性技术创新理论找到了新的证据；2）规模报酬率随时间呈上升趋势，这与内生增长理论中溢出效应的观点相符（Barro，1999）；3）过去五十年世界农业平均增速2.1%，而科研投入和国际贸易平均拉动了0.32%和0.33%的增长，两者贡献了全球农业增长的三成以上；4）科研投入促进农业增长的最有效途径是通过改进化肥和农业机械技术，而国际贸易促进农业增长的最有效途径是通过改善土地和牲畜质量；5）异质性分析结果表明，随着时间的推移，农业增长逐渐从要素驱动的粗放型转向TFP驱动的集约型。此外，欠发达国家仍未摆脱粗放型的增长模型，而发达国家更多地依靠科研投入和国家贸易等手段提高TFP，从而促进农业增长。这些结论为适宜技术理论（Basu and Weil，1998）提供了新的证据。