要素错配

出自 MBA智库百科(https://wiki.mbalib.com/)

　　要素错配即要素边际生产率在不同部门不一致情形。

　　要素错配概念来自最优配置。最优配置是指在完全竞争市场当中，各种要素的边际产品价值等于要素价格，如果要素边际产品价值偏离了要素自身价格，也就是要素在市场上得不到充分反映，那么就存在要素错配现象。根据生产技术是否是凸性的，可以将现有要素错配分为两种类型:

　　第一种是“内涵型要素错配”，即在技术凸性假设下，各投入要素的截面报酬不相等;

　　第二种是“外延型要素错配”，这又分为两种情况:(1)在技术非凸性假设下，资源配置按照要素报酬相对原则进行，此时那些规模报酬递增的企业由于缺乏充分的资源而未充分利用潜在生产力，而规模报酬递减企业却存在资源的过度使用最终导致整体生产率的下降;(2)市场存在进入壁垒的情况下，导致企业不能自由进入市场，阻碍了生产率较高的潜在企业进入，从而使要素只能配置给现有生产率较低的企业，导致了潜在生产率的降低。

　　(一)劳动力错配

　　按照Song等人((2012)的观点，劳动力错配是指实际观测到的失业人员在跨部门配置效率与最优配置效率之间的差距。关于劳动力要素错配的研究最早源自于劳动市场结构性失业。19世纪80年代经济学家试图找出欧洲国家劳动失业率不断上升的原因，结果发现由于70年代石油危机对欧洲制造业的冲击使欧洲国家的产业结构由制造业向服务业转变，从而导致很多制造业技术工人暂时性失业。Attanasio和Padoa(1991)利用欧洲7个发达国家劳动市场数据检验了部门间工资差异、劳动力流动性和失业率之间的关系，但是他们认为结构性失业并不能很好地解释随之出现的持续性失业率上升的现象。最近Barnicho。和Figura(2011)研究了影响人岗匹配效率的动因，发现有两个因素也是影响失业率的重要原因:一是失业人员的结构;二是劳动市场的分散状况。

　　而Shimer(2007a)和Mortensen(2009)则首次从理论上提出了具有多个劳动市场的经济体，劳动市场间应聘者和空缺职位的空缺能够在实证上与总体贝弗里奇曲线相一致。随后Alvarez和Shimer(2011),Birchenall(2010),Carrillo-Tudel。和Visscher(2011)以及Hert，和VanRenz(2011)提出了各种在劳动力市场中由于错配导致的失业人员具有明确移动决策的动态模型。Song等人(2011)根据广义Jackman-Roper条件发展了一个劳动力错配指数，并定量化研究了劳动力错配所导致的美国失业率上升的程度。最近Micc。和Repetto(2012)利用智利1979-2007年制造业企业数据，估计了劳动错配程度以及导致制造业全要素生产率的损失程度，指出劳动力错配与货币政策和能源政策导致的经济波动性有关。

　　(二)资本要素错配

　　关于资本要素错配的研究是近20年的事，但是最近几年发展迅速。Banerje。和Newman(1993)，Galor和Zeira(1993),Aghion和Bolton(1997)以及Piketty(1997)等较早研究了金融市场不完善对经济的影响。后来Banerjee和Munshi(2004)、Matsuyama(2007),Aghion等(2010,2007),Song等(2012)、Midrigan以及Xu(2010),Buera等(2009),Jeong和Townsend(2007)等强调了金融发展对资本配置的影响，他们假设对投资的需求越大，资本的生产率就越高，但是由于资本要素错配的存在导致了各种经济体包括各种微观企业的生产率也会出现差异。Hsieh和I}lenow(2007)指出假设规模报酬递增，那么不同企业的资本边际收益应该相等，否则会导致全要素生产率的损失。最近Jeong和Townsend(2007),Buera和Shin(2009a),Buera,Kaboski和Shin(2009),Midrigan和Xu(2009)等研究了资本错配对全要素生产率的影响，他们一致认为资本要素错配会导致全要素生产率损失，但在损失程度上并没有得到一致的结论。比如根据Buera,Kaboski和Shin(2009)的模型，金融摩擦会导致TFP损失40%，但是Midrigan和Xu(2009)根据韩国企业数据的研究发现，金融摩擦只导致了TFP损失2.5%。最近Dollar和Wei(2007)使用中国2002-2004年120个城市的一万多家企业的数据，发现中国存在系统性的资本配置扭曲，这导致了不同所有制、地区和部门之间非常不平均的资本边际报酬差异。Song(2011)对中国国有和非国有企业全要素生产率进行了研究，发现非国有企业使用更多先进的生产技术，但是由于金融市场的非完善性导致它们只能通过内源融资进行投资，而国有企业虽然具有较低的生产率，但是能够获得更多的银行贷款，从而能够存活在市场中，他进一步指出这种状况的持续使中国全要素生产率产生了较大的损失。

　　(三)政策错配

　　所谓政策错配是指政府在干预市场运行中所采用的政策措施对生产要素的配置造成的影响。比如政府为了鼓励某些行业的发展，会制定相应的扶持和保护政策，诸如税收优惠、财政补贴和关税限制等，从短期来看，这些政策能够促进该行业的发展;但是从长远来看，由于受保护的行业其要素的边际产出等于边际成本，而其成本又低于那些没有享受优惠和保护的行业，进而低于这些行业的生产率，因此享受优惠和保护的行业整体生产率不但不会提升，反而会保持在一个较低水平上。

　　Bhagwati(1969)从理论上较早关注了由于市场不完善导致的效率损失，其将市场扭曲分为两种类型:内生性扭曲和政策扭曲，认为内生性扭曲可能源于政策扭曲。在实证研究方面，tuner,Ventura和Xu(2008)研究了基于企业规模的政策会对企业全要素生产率造成实质性的影响。Bartelsmann,Haltiwanger和Scarpetta(2006)利用跨国企业数据研究了该效应。Hsieh和Klenow(2006}2009)用企业间要素错配来解释中国和印度两国生产率的差异。Alfaro等(2007)用80个国家企业样本数据实证分析了企业间要素配置是导致收入差距的重要原因。Restuccia和Rogerson(2008)在一个新古典增长模型中，利用美国数据进行校准，发现对生产率不同的企业进行补贴或征税会导致总产出和全要素生产率(TFP)有较大程度的减少。

　　国内学者，比如罗德明、李哗和史晋川((2012)，在一个随机动态一般均衡模型框架下，定量考察了我国偏向国有企业的政策所导致的效率损失。他在理论模型中引入了垄断竞争的中间产品生产企业与内生化的进入退出选择，用不同的全要素生产率增长随机过程刻画了要素市场面临政策扭曲的国有与私有企业的生产行为。为了全面反映产业特征，用制造业企业微观数据来校准企业全要素生产率随机增长，并指出源于政策扭曲的资源错置导致了非常高昂的效率损失。

　　施炳展和冼国明(2012)认为“对内改革”是“对外开放”的国内背景，中国“对内改革”渐进性诱发的要素市场扭曲是中国“对外开放”面临的独特约束。基于这一判断，他们从要素价格扭曲视角，利用1999-2007年中国微观企业数据，重新审视中国企业出口行为，结论认为:中国工业企业要素价格存在严重负向扭曲并有增加趋势;东部地区、外资、港澳台资和私营企业扭曲程度最高。总体上看，要素价格的负向扭曲促进了中小企业出口，这意味着中小企业的出口奇迹离不开要素价格的负向扭曲;中小企业将国内“生产要素应得”通过低价出口形式转移给了国外消费者。因此，在贸易规模扩大、贸易结构优化的同时，更应注意贸易利益分配。

　　对要素错配程度的测算方法，前期文献一般分为两种，即直接测度方法和间接测度方法。

　　(一)直接测算法

　　直接测算法的目的是识别特定政策和制度所产生的异质性效应和错配效应。早期的研究认为很多政策和制度都会产生错配并会导致效率损失，但是这些政策和制度所产生的错配程度不一，因此需要从众多因素中挑选出导致效率损失最大的几个政策和制度。直接测算方法的思路就是首先确定一些特定的能够导致要素错配的重要因素，条件是能够从现实中获取相关数据对其进行衡量，然后在一个异质性生产函数中定量化测度出其生产的错配程度及其导致的全要素生产率损失的程度。从现有的研究看，直接测算方法所计算出的由于政策或制度扭曲导致的效率损失程度要小于间接测算法。

　　综合前期研究，学者们主要从两方面展开研究:一是政策扭曲导致要素错配进而降低TFP;二是从制度扭曲方面考察要素错配导致的效率损失。

　　在政策因素方面，Hopenhayn(1993)便较早涉及到税收政策导致企业劳动要素错配的情况，他利用Hopenhayn(1992)的行业均衡模型研究了固定税对劳动的扭曲并且计算出了该扭曲导致企业全要素损失为5%。他的研究为后来者关于确定扭曲因素提供了很好的例证。在另一个相关的研究中，Lagos(2006)则采用匹配模型证明了对失业人员给予补助津贴和对就业人员给予保护的政策是如何影响TFP的。而Gunner等(2008)利用Lucas(1978)的扩展模型研究了“规模相依政策”产生的错配现象所导致的TFP损失。

　　最近，研究者将视角拓展到其他政策上，比如贸易政策和法规。这方面的代表比如Pavcnik(2002)对智利贸易改革的研究;Alcalaá和Ciccone(2004)对跨国贸易的研究;Lileeva和Trefler(2010)对美国降低关税对加拿大企业生产率的影响;Bond等(2013)论证了在美国大衰退时期通过的Smoot-Hawley关税法案对生产率产生的异质性影响;Eslava等(2013)研究了哥伦比亚贸易改革在总量生产率中的选择效应。后来，Wauhg(2010)研究认为贸易壁垒是各国制造业生产率分散的重要来源。Tombe(2012)则强调了贸易壁垒不仅使落后国家农业生产率下降更使食品贸易减少。Gancia(2011)认为贸易壁垒降低了竞争因此使得物价上涨，而由贸易壁垒诱致的涨价是要素错配的另一个来源。Restuccia(2013)指出实际上诸如支持小规模生产的税收和补贴政策以及土地分割政策都会降低农业生产率。

　　另一方面，关于制度特征所造成的错配在文献中占有较大比例，正如前面分析的劳动力市场和金融市场等是否完善也会导致要素错配，进而对全要素生产率产生影响。Banerjee和Duf1o(2005)强调金融约束在印度制造业企业资本边际产品分散中的作用是印度总量TFP低下的原因。Buera,Kaboski和Shin(2011)以及Greenwood,Sanchez和Wang(2013)的研究表明信贷市场不完善的国别差异导致了要素配置的扭曲进而产生大量的效率损失。Leal(2013)研究了各种政策在决定墨西哥非官方部门规模大小中的效应。而对农业部门要素错配的研究提示人们关注农业政策或者政策所带来的潜在效率损失。Adamopoulos和Restuccia(2013)认为农业部门的错配是贫穷国家农业规模较小、生产率较低的重要原因。

　　Restuccia和Rogerson(2012)总结了直接测算法的局限性:由于要考察某一个特定的政策或者制度导致的要素错配所产生的TFP效应，但是现实中却有很多因素导致了要素错配，比如降低贷款利率、特定的税收优惠、补贴、减少竞争的措施等，要一一识别是很困难的，因此，直接测算法难以全面衡量要素错配所导致的效率损失。

　　(二)间接测算法

　　鉴于直接法的缺陷，间接测算法不去考察某一个特定因素，转而关注所有可能导致要素错配的因素对TFP产生的净影响。间接测算法的基本思想是所有可能导致错配的因素会在利润最大化一阶条件中产生一个“经济楔子”(wedges)，相当于对投入要素征收了一个比例税。因此只需要将重点放在“经济楔子”上而不是关注产生“经济楔子”的来源上，这使得测算起来更为全面和准确。

　　Restuccia和Rogerson(2008)考虑了Hopenhayn(1992)模型，在模型中他们假设每个企业面临的产出扭曲定义为τ_i，重点考察了随着τ_i的变化对TFP产生的影响程度。在该框架下，学者会面临两个问题:(1)在给定扭曲条件下，该要素扭曲对全要素生产率会产生怎样的影响?(2)在实际经济中，要素扭曲程度有多大?

　　实际上，Restuccia和Rogerson(2008)等人的研究主要回答了第一个问题，他们利用美国企业微观数据对模型进行了校准，研究表明由于政策的扭曲导致每个异质性企业面临不同的要素价格进而导致了产出水平下降，以TFP衡量的生产率下降了30%-50%。

　　在随后的研究中，Restuccia(2012),Bello等人(2011)考虑了另外一种渠道，他们认为各个企业生产率的分布不再是独立同分布的，而是受到企业家努力程度的影响，该影响能够进一步放大要素错配导致的效率损失。Hsieh和Klenow(2012)也认为要素错配对生产率分布具有重要影响。他们对制造业企业生命周期进行了跨国比较研究，发现墨西哥和印度随着企业年龄的增长，其就业增长水平要低于美国，因此他们认为主要原因是各种政策偏向于大型企业，而忽视了中小型成长企业，进而降低了对其进行的无形资产的投资，实际上中小型成长企业能够创造更高的生产率。

　　但是要素错配程度到底有多大?对于该问题的回答始于Hsieh和Klenow(2009)，他们在实证测算要素错配的方法方面做出了开创性的研究。他们提出了一个利用全要素生产率的离散程度来衡量要素错配程度的方法，并基于中印两国1998}2005年制造业企业数据测算了要素错配程度，发现如果中国要素得到有效配置，那么制造业全要素生产率将会提高86.6%一115%。但是他们只是将要素错配限定在制造业行业，对其他行业没有测度;另外他们假定规模报酬不变，一旦该假设不成立，那么其用全要素生产率的方差来衡量要素错配程度就会失效。他们的研究只能测算总体要素配置效率，不能测算单个要素配置效率。尽管如此，Hsieh和Klenow(2009)的研究结论还是影响了后来一大批学者，许多学者从不同的角度基于不同的国家研究了要素错配对全要素生产率的影响。学者们的研究进一步确认了要素错配在解释生产率差异方面具有非常重要的作用。

　　Bartelsman等(2013提供了另一种测算要素错配的方法。他们提出由于在要素最优配置的情况下，企业层面的全要素生产率将会与企业规模正相关，也就是说生产率较高的企业需要更多的要素投入，那么可以根据企业层面的TFP与企业规模的相关性来评价要素错配程度。他们利用美国和欧洲7国1992-2001年企业数据，并且考虑了Hsieh和Klenow(2009)所忽略的企业选择效应，然后计算了要素错配导致的效率损失。他们计算的企业TFP的分散程度要低于Hsieh和Klenow(2009)，但是依然发现由于效应错配导致总量TFP损失15%。他们还指出在东中欧国家初期要素扭曲非常严重。