要素錯配

出自 MBA智库百科(https://wiki.mbalib.com/)

　　要素錯配即要素邊際生產率在不同部門不一致情形。

　　要素錯配概念來自最優配置。最優配置是指在完全競爭市場當中，各種要素的邊際產品價值等於要素價格，如果要素邊際產品價值偏離了要素自身價格，也就是要素在市場上得不到充分反映，那麼就存在要素錯配現象。根據生產技術是否是凸性的，可以將現有要素錯配分為兩種類型:

　　第一種是“內涵型要素錯配”，即在技術凸性假設下，各投入要素的截面報酬不相等;

　　第二種是“外延型要素錯配”，這又分為兩種情況:(1)在技術非凸性假設下，資源配置按照要素報酬相對原則進行，此時那些規模報酬遞增的企業由於缺乏充分的資源而未充分利用潛在生產力，而規模報酬遞減企業卻存在資源的過度使用最終導致整體生產率的下降;(2)市場存在進入壁壘的情況下，導致企業不能自由進入市場，阻礙了生產率較高的潛在企業進入，從而使要素只能配置給現有生產率較低的企業，導致了潛在生產率的降低。

　　(一)勞動力錯配

　　按照Song等人((2012)的觀點，勞動力錯配是指實際觀測到的失業人員在跨部門配置效率與最優配置效率之間的差距。關於勞動力要素錯配的研究最早源自於勞動市場結構性失業。19世紀80年代經濟學家試圖找出歐洲國家勞動失業率不斷上升的原因，結果發現由於70年代石油危機對歐洲製造業的衝擊使歐洲國家的產業結構由製造業向服務業轉變，從而導致很多製造業技術工人暫時性失業。Attanasio和Padoa(1991)利用歐洲7個發達國家勞動市場數據檢驗了部門間工資差異、勞動力流動性和失業率之間的關係，但是他們認為結構性失業並不能很好地解釋隨之出現的持續性失業率上升的現象。最近Barnicho。和Figura(2011)研究了影響人崗匹配效率的動因，發現有兩個因素也是影響失業率的重要原因:一是失業人員的結構;二是勞動市場的分散狀況。

　　而Shimer(2007a)和Mortensen(2009)則首次從理論上提出了具有多個勞動市場的經濟體，勞動市場間應聘者和空缺職位的空缺能夠在實證上與總體貝弗里奇曲線相一致。隨後Alvarez和Shimer(2011),Birchenall(2010),Carrillo-Tudel。和Visscher(2011)以及Hert，和VanRenz(2011)提出了各種在勞動力市場中由於錯配導致的失業人員具有明確移動決策的動態模型。Song等人(2011)根據廣義Jackman-Roper條件發展了一個勞動力錯配指數，並定量化研究了勞動力錯配所導致的美國失業率上升的程度。最近Micc。和Repetto(2012)利用智利1979-2007年製造業企業數據，估計了勞動錯配程度以及導致製造業全要素生產率的損失程度，指出勞動力錯配與貨幣政策和能源政策導致的經濟波動性有關。

　　(二)資本要素錯配

　　關於資本要素錯配的研究是近20年的事，但是最近幾年發展迅速。Banerje。和Newman(1993)，Galor和Zeira(1993),Aghion和Bolton(1997)以及Piketty(1997)等較早研究了金融市場不完善對經濟的影響。後來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)等強調了金融發展對資本配置的影響，他們假設對投資的需求越大，資本的生產率就越高，但是由於資本要素錯配的存在導致了各種經濟體包括各種微觀企業的生產率也會出現差異。Hsieh和I}lenow(2007)指出假設規模報酬遞增，那麼不同企業的資本邊際收益應該相等，否則會導致全要素生產率的損失。最近Jeong和Townsend(2007),Buera和Shin(2009a),Buera,Kaboski和Shin(2009),Midrigan和Xu(2009)等研究了資本錯配對全要素生產率的影響，他們一致認為資本要素錯配會導致全要素生產率損失，但在損失程度上並沒有得到一致的結論。比如根據Buera,Kaboski和Shin(2009)的模型，金融摩擦會導致TFP損失40%，但是Midrigan和Xu(2009)根據南韓企業數據的研究發現，金融摩擦只導致了TFP損失2.5%。最近Dollar和Wei(2007)使用中國2002-2004年120個城市的一萬多家企業的數據，發現中國存在系統性的資本配置扭曲，這導致了不同所有制、地區和部門之間非常不平均的資本邊際報酬差異。Song(2011)對中國國有和非國有企業全要素生產率進行了研究，發現非國有企業使用更多先進的生產技術，但是由於金融市場的非完善性導致它們只能通過內源融資進行投資，而國有企業雖然具有較低的生產率，但是能夠獲得更多的銀行貸款，從而能夠存活在市場中，他進一步指出這種狀況的持續使中國全要素生產率產生了較大的損失。

　　(三)政策錯配

　　所謂政策錯配是指政府在干預市場運行中所採用的政策措施對生產要素的配置造成的影響。比如政府為了鼓勵某些行業的發展，會制定相應的扶持和保護政策，諸如稅收優惠、財政補貼和關稅限制等，從短期來看，這些政策能夠促進該行業的發展;但是從長遠來看，由於受保護的行業其要素的邊際產出等於邊際成本，而其成本又低於那些沒有享受優惠和保護的行業，進而低於這些行業的生產率，因此享受優惠和保護的行業整體生產率不但不會提升，反而會保持在一個較低水平上。

　　Bhagwati(1969)從理論上較早關註了由於市場不完善導致的效率損失，其將市場扭曲分為兩種類型:內生性扭曲和政策扭曲，認為內生性扭曲可能源於政策扭曲。在實證研究方面，tuner,Ventura和Xu(2008)研究了基於企業規模的政策會對企業全要素生產率造成實質性的影響。Bartelsmann,Haltiwanger和Scarpetta(2006)利用跨國企業數據研究了該效應。Hsieh和Klenow(2006}2009)用企業間要素錯配來解釋中國和印度兩國生產率的差異。Alfaro等(2007)用80個國家企業樣本數據實證分析了企業間要素配置是導致收入差距的重要原因。Restuccia和Rogerson(2008)在一個新古典增長模型中，利用美國數據進行校準，發現對生產率不同的企業進行補貼或徵稅會導致總產出和全要素生產率(TFP)有較大程度的減少。

　　國內學者，比如羅德明、李嘩和史晉川((2012)，在一個隨機動態一般均衡模型框架下，定量考察了我國偏向國有企業的政策所導致的效率損失。他在理論模型中引入了壟斷競爭的中間產品生產企業與內生化的進入退出選擇，用不同的全要素生產率增長隨機過程刻畫了要素市場面臨政策扭曲的國有與私有企業的生產行為。為了全面反映產業特征，用製造業企業微觀數據來校準企業全要素生產率隨機增長，並指出源於政策扭曲的資源錯置導致了非常高昂的效率損失。

　　施炳展和冼國明(2012)認為“對內改革”是“對外開放”的國內背景，中國“對內改革”漸進性誘發的要素市場扭曲是中國“對外開放”面臨的獨特約束。基於這一判斷，他們從要素價格扭曲視角，利用1999-2007年中國微觀企業數據，重新審視中國企業出口行為，結論認為:中國工業企業要素價格存在嚴重負向扭曲並有增加趨勢;東部地區、外資、港澳台資和私營企業扭曲程度最高。總體上看，要素價格的負向扭曲促進了中小企業出口，這意味著中小企業的出口奇跡離不開要素價格的負向扭曲;中小企業將國內“生產要素應得”通過低價出口形式轉移給了國外消費者。因此，在貿易規模擴大、貿易結構優化的同時，更應註意貿易利益分配。

　　對要素錯配程度的測算方法，前期文獻一般分為兩種，即直接測度方法和間接測度方法。

　　(一)直接測演算法

　　直接測演算法的目的是識別特定政策和制度所產生的異質性效應和錯配效應。早期的研究認為很多政策和制度都會產生錯配並會導致效率損失，但是這些政策和制度所產生的錯配程度不一，因此需要從眾多因素中挑選出導致效率損失最大的幾個政策和制度。直接測算方法的思路就是首先確定一些特定的能夠導致要素錯配的重要因素，條件是能夠從現實中獲取相關數據對其進行衡量，然後在一個異質性生產函數中定量化測度出其生產的錯配程度及其導致的全要素生產率損失的程度。從現有的研究看，直接測算方法所計算出的由於政策或制度扭曲導致的效率損失程度要小於間接測演算法。

　　綜合前期研究，學者們主要從兩方面展開研究:一是政策扭曲導致要素錯配進而降低TFP;二是從制度扭曲方面考察要素錯配導致的效率損失。

　　在政策因素方面，Hopenhayn(1993)便較早涉及到稅收政策導致企業勞動要素錯配的情況，他利用Hopenhayn(1992)的行業均衡模型研究了固定稅對勞動的扭曲並且計算出了該扭曲導致企業全要素損失為5%。他的研究為後來者關於確定扭曲因素提供了很好的例證。在另一個相關的研究中，Lagos(2006)則採用匹配模型證明瞭對失業人員給予補助津貼和對就業人員給予保護的政策是如何影響TFP的。而Gunner等(2008)利用Lucas(1978)的擴展模型研究了“規模相依政策”產生的錯配現象所導致的TFP損失。

　　最近，研究者將視角拓展到其他政策上，比如貿易政策和法規。這方面的代表比如Pavcnik(2002)對智利貿易改革的研究;Alcalaá和Ciccone(2004)對跨國貿易的研究;Lileeva和Trefler(2010)對美國降低關稅對加拿大企業生產率的影響;Bond等(2013)論證了在美國大衰退時期通過的Smoot-Hawley關稅法案對生產率產生的異質性影響;Eslava等(2013)研究了哥倫比亞貿易改革在總量生產率中的選擇效應。後來，Wauhg(2010)研究認為貿易壁壘是各國製造業生產率分散的重要來源。Tombe(2012)則強調了貿易壁壘不僅使落後國家農業生產率下降更使食品貿易減少。Gancia(2011)認為貿易壁壘降低了競爭因此使得物價上漲，而由貿易壁壘誘致的漲價是要素錯配的另一個來源。Restuccia(2013)指出實際上諸如支持小規模生產的稅收和補貼政策以及土地分割政策都會降低農業生產率。

　　另一方面，關於制度特征所造成的錯配在文獻中占有較大比例，正如前面分析的勞動力市場和金融市場等是否完善也會導致要素錯配，進而對全要素生產率產生影響。Banerjee和Duf1o(2005)強調金融約束在印度製造業企業資本邊際產品分散中的作用是印度總量TFP低下的原因。Buera,Kaboski和Shin(2011)以及Greenwood,Sanchez和Wang(2013)的研究表明信貸市場不完善的國別差異導致了要素配置的扭曲進而產生大量的效率損失。Leal(2013)研究了各種政策在決定墨西哥非官方部門規模大小中的效應。而對農業部門要素錯配的研究提示人們關註農業政策或者政策所帶來的潛在效率損失。Adamopoulos和Restuccia(2013)認為農業部門的錯配是貧窮國家農業規模較小、生產率較低的重要原因。

　　Restuccia和Rogerson(2012)總結了直接測演算法的局限性:由於要考察某一個特定的政策或者制度導致的要素錯配所產生的TFP效應，但是現實中卻有很多因素導致了要素錯配，比如降低貸款利率、特定的稅收優惠、補貼、減少競爭的措施等，要一一識別是很困難的，因此，直接測演算法難以全面衡量要素錯配所導致的效率損失。

　　(二)間接測演算法

　　鑒於直接法的缺陷，間接測演算法不去考察某一個特定因素，轉而關註所有可能導致要素錯配的因素對TFP產生的凈影響。間接測演算法的基本思想是所有可能導致錯配的因素會在利潤最大化一階條件中產生一個“經濟楔子”(wedges)，相當於對投入要素征收了一個比例稅。因此只需要將重點放在“經濟楔子”上而不是關註產生“經濟楔子”的來源上，這使得測算起來更為全面和準確。

　　Restuccia和Rogerson(2008)考慮了Hopenhayn(1992)模型，在模型中他們假設每個企業面臨的產出扭曲定義為τ_i，重點考察了隨著τ_i的變化對TFP產生的影響程度。在該框架下，學者會面臨兩個問題:(1)在給定扭曲條件下，該要素扭曲對全要素生產率會產生怎樣的影響?(2)在實際經濟中，要素扭曲程度有多大?

　　實際上，Restuccia和Rogerson(2008)等人的研究主要回答了第一個問題，他們利用美國企業微觀數據對模型進行了校準，研究表明由於政策的扭曲導致每個異質性企業面臨不同的要素價格進而導致了產出水平下降，以TFP衡量的生產率下降了30%-50%。

　　在隨後的研究中，Restuccia(2012),Bello等人(2011)考慮了另外一種渠道，他們認為各個企業生產率的分佈不再是獨立同分佈的，而是受到企業家努力程度的影響，該影響能夠進一步放大要素錯配導致的效率損失。Hsieh和Klenow(2012)也認為要素錯配對生產率分佈具有重要影響。他們對製造業企業生命周期進行了跨國比較研究，發現墨西哥和印度隨著企業年齡的增長，其就業增長水平要低於美國，因此他們認為主要原因是各種政策偏向於大型企業，而忽視了中小型成長企業，進而降低了對其進行的無形資產的投資，實際上中小型成長企業能夠創造更高的生產率。

　　但是要素錯配程度到底有多大?對於該問題的回答始於Hsieh和Klenow(2009)，他們在實證測算要素錯配的方法方面做出了開創性的研究。他們提出了一個利用全要素生產率的離散程度來衡量要素錯配程度的方法，並基於中印兩國1998}2005年製造業企業數據測算了要素錯配程度，發現如果中國要素得到有效配置，那麼製造業全要素生產率將會提高86.6%一115%。但是他們只是將要素錯配限定在製造業行業，對其他行業沒有測度;另外他們假定規模報酬不變，一旦該假設不成立，那麼其用全要素生產率的方差來衡量要素錯配程度就會失效。他們的研究只能測算總體要素配置效率，不能測算單個要素配置效率。儘管如此，Hsieh和Klenow(2009)的研究結論還是影響了後來一大批學者，許多學者從不同的角度基於不同的國家研究了要素錯配對全要素生產率的影響。學者們的研究進一步確認了要素錯配在解釋生產率差異方面具有非常重要的作用。

　　Bartelsman等(2013提供了另一種測算要素錯配的方法。他們提出由於在要素最優配置的情況下，企業層面的全要素生產率將會與企業規模正相關，也就是說生產率較高的企業需要更多的要素投入，那麼可以根據企業層面的TFP與企業規模的相關性來評價要素錯配程度。他們利用美國和歐洲7國1992-2001年企業數據，並且考慮了Hsieh和Klenow(2009)所忽略的企業選擇效應，然後計算了要素錯配導致的效率損失。他們計算的企業TFP的分散程度要低於Hsieh和Klenow(2009)，但是依然發現由於效應錯配導致總量TFP損失15%。他們還指出在東中歐國家初期要素扭曲非常嚴重。