3 經濟增長效率：基于馬爾科夫區制轉移向量自回歸模型的分析

由前文實證結果可知，要素、結構和制度對經濟增長的作用不容忽視。由于經濟體內要素和經濟增長內生耦合于一個經濟系統內，這些因素必然又會影響經濟增長的效率。然而，以往很多文獻均是基于線性化模型去解讀全要素生產率增長的動力機制，而對于非線性模型也大都集中在門限回歸等對于全要素生產率的影響，并未對全要素生產率的不同形態予以劃分。為此，本文通過馬爾科夫區制轉移向量自回歸模型，考察不同因素對于全要素生產率在不同區制內的影響。馬爾科夫區制轉移向量自回歸模型在傳統向量自回歸模型的基礎上，融合馬爾科夫鏈的（Markov Chain）特性并廣泛應用于經濟領域（劉金全和解瑤姝，2015；劉金全和潘長春，2016；鐘美瑞等，2016；孟慶斌等，2014），近些年來在能源和農業領域均有所運用（隋建利等，2018；丁存振和肖海峰，2018）。

對于全要素生產率的測算，常用的方法主要有三，即索洛余值法（SAR）、隨機前沿法（SFA）、非參數數據包絡法（DEA），不同方法各有優劣?；诮Y果的可比性和連續性，本節利用SAR測算全要素生產率，并為保證馬爾科夫區制轉移向量自回歸模型的有效性，采用ADF法對數據的平穩性進行檢驗。同時，分別將全要素生產率與各指標做對數差分變換以增長率的形式考察區制狀態，各變量均在1%的顯著性水平下顯著。模型設計如下。

y=（Dlntfp，Dlnub，Dlnopen，Dlnfin，Dlnins，Dlnmkt，Dlnfis）

MSVAR模型具有不同的變形形式，因此，本文依次考量不同區制M=2，3，滯后階數p=1，…，5等形式下，各類非線性MS（M）-VAR（p）模型下AIC、BIC、HQ等信息準則值，經比較發現MSIA（2）-VAR（1）模型的各類信息準則值最小，因而最終選擇MSIA（2）-VAR（1）模型，即滯后一階，兩區制的截距、系數依賴于區制變化的MSVAR模型。同時該模型的LR統計量為125.06，卡方統計量的P值小于1%，顯著地拒絕線性模型的原假設，因此選擇MSIA（2）-VAR（1）模型是合理的。通過構建MSIA（2）-VAR（1）模型，目的是探究新中國成立以后，各變量增長率與全要素生產率增長率之間的內在聯系，分析區制關聯的屬性并探析結構因素和體制因素與全要素生產率的內在機制，以下結果均是作者在Oxmetrics上利用Ginwin平臺經過EM算法迭代得到的。首先，分析系統在1954～2016年的具體的增長區制，需要測算兩區制的區制變量S_t離散取值的平滑概率值，若區制變量的平滑概率值Pr（S_t=i|I_t）＞0.5，i=1，2，其中I_t是基于過去的信息集，平滑概率越大，處于該區制的可能性越高。

由于事先通過模型選擇確定為兩區制，可以發現系統的兩區制平滑概率圖在兩區制內的平滑概率值均接近1（見圖1），說明模型擬合良好。結合兩區制下不同的截距值如表6所示。

圖1 區制轉移概率圖

表6 MSIA（2）-VAR（1）模型兩區制截距屬性

由表6可以發現，在區制1內的截距均小于區制2內的截距，結合圖1，我們將區制1定義為低增長階段，將區制2定義為高增長階段?；仡櫺轮袊闪⒁詠砦覈洕鲩L歷程，以及各種結構性轉化與制度變遷過程，高增長往往伴隨著高波動，低增長的不確定性相對較小。新中國成立以后，經過1949～1952年的中國經濟恢復期，1953年開始第一個五年計劃，經濟發展進入工業化歷程。1954～1960年經濟增長不斷進行調整，全要素生產率增長率與結構體制因素均處于上升狀態。1961～1965年，由于歷史原因，經濟迅速回落，全要素生產率增長率系統也都處于低增長階段。1966～1976年，中國處于特殊歷史時期的十年，制度變革波動，政府主導增強，其間又經歷國防建設時期，導致該時期大多處于高波動漸進探索階段。改革開放以后，經濟發展迅猛，結構性改革加速，全要素生產率也逐漸提高。1982～1994年，全國的農村改革與城市化改革加快了城市化的進程，同時，隨著證券行業的發展，金融領域得到發展，實現了股票的集中交易，緊接著鄧小平南方談話，均對于中國經濟增長具有重要意義，加快了全要素生產率的提高，其間經濟增長過熱，又進行了回調，因此經濟在1982～1994年處于低速、快速輪換增長期。1995～1997年經濟增長軟著陸，對于全要素生產率的提高起到了顯著的拉動作用。1998～1999年由于受到亞洲金融危機的影響，經濟增長緩慢，金融業受到沉重打擊，因此處于低增長區制。在2000年中國加入WTO，外貿發展迅猛，經濟保持在8%以上的發展水平，使全要素生產率系統快速增長，對外貿易度顯著提高，因此2000～2003年處于高增長區制。在2004～2010年這一過程中由于受到了國際金融危機的影響以及實施抵御經濟風險的措施、加快國內經濟結構調整等影響，全要素生產率增長緩慢。2011～2013年國家培育發展新興戰略產業、注重推動重大技術突破、移動互聯網產業發展迅速，全要素生產率系統趨于快速發展。2014～2016年經濟發展處于“新常態”，推進供給側結構性改革，產能過剩嚴重，庫存壓力大等問題嚴重，國家出臺“三去一降一補”戰略，這個階段全要素生產率的增長率與結構調整緩慢，在經濟增長新常態的背景下出現漸進調整特征。

接著，對區制轉移的屬性進行分析，即分析系統在不同區制內的平均持續期，以及轉移概率，進一步探析不同區制內全要素生產率增長率系統的區制屬性（見表7）。

表7 區制轉移概率與區制屬性

由表7可以看出，系統維持在低增長區制與高增長區制的概率均大于它們的轉移概率，同時轉移概率大小的不同表明了區制轉移的“非對稱性”，在整個樣本期，維持在低增長區制的概率和高增長區制的概率趨于相等，同時，根據公式1/（1-p_ii）可得到不同區制的樣本持續期，在低增長區制的樣本數量和平均持續期與高增長區制接近。然后，通過區制內回歸系數探析不同區制內各因素對于全要素生產率增長率的影響?；貧w結果如表8所示。

表8 MSIA（2）-VAR（1）模型分區制參數估計系數

分區制參數估計結果可以發現：在低增長區制內，城鄉結構、金融結構、產業結構、政府主導對于全要素生產率增長率具有阻礙作用。其中，城鎮化水平的提高對于全要素生產率增長率提升的阻礙效應最明顯，原因在于城鎮化進程的加快雖然帶來經濟增長的快速發展，但是也帶來了城市環境污染嚴重，城鎮人口密度的上升導致交通擁擠、城鄉矛盾加劇，因此城鎮化水平的急劇上升導致全要素生產率增長受限。金融結構對于全要素生產率的負向作用的原因在于，隨著貸款與工業總產值的比值的提升，投資程度依賴于金融結構，因此金融結構的轉變加劇了投資規模的擴張，加劇了粗放型增長模式的發展，阻礙了全要素生產率的提升。同樣，產業結構中第二產業比重的上升導致環境惡化程度加劇，因此阻礙了全要素生產率的提高。政府主導因素對于全要素生產率的影響在低增長區制內是負向影響，可能的原因是政府主導在低增長區制內進行大規?；A設施的投資，在追求經濟高速增長的同時，忽略了對于經濟增長質量的重視，以犧牲經濟環境的可持續發展為代價，一味追求粗放型的發展方式，阻礙了全要素生產率的提高。外貿依存度的提高，促進了全要素生產率的提升，可能的原因在于，外貿依存度的提升不僅可以增加對外貿易，同時也可以引進國外的先進技術，提高自身的全要素生產率水平。

在高增長區制內，可以發現城鄉結構、產業結構對于全要素生產率增長率的影響雖然還是阻礙作用，但是阻礙的程度明顯變小而且不顯著了，說明產業結構正在逐步調整，城鎮化建設在逐步向新型城鎮化轉型。市場化程度對于全要素生產率增長率也具有阻礙作用，原因在于高增長區制下，隨著市場化程度的提高，非國有工業企業面臨融資難、融資貴等問題，民營企業無形之中受到國有企業擠壓，導致民營企業創新活動受限，困難重重、舉步維艱。相反政府主導在高增長階段會大力支持國有資本，因此，國有企業具有先天的優勢，從而創新活動更容易進展，提升了全要素生產率增長率。外貿依存度對于全要素生產率增長率的提升具有正向影響，說明在兩區制內外貿依存度對于全要素生產率增長率的促進作用是一致的。

關于有效性，圖2左邊描述全要素生產率增長率的實際值、一步預測值和擬合值的關系，右邊描述殘差擬合正態分布效果，證明MSVAR模型方法運用在全要素生產率增長率波動中的有效性。

圖2 變量擬合與殘差分布