测量经济增长潜力的方法

大多数文献计算潜在产出来衡量经济增长潜力。潜在产出最初由奥肯（1962）提出，认为潜在产出即经济处于合理稳定的价格下，以现有的资本的劳动力状况在某种理想状态时的总体产出水平，而实际产出总是围绕潜在产出上下波动，其中新古典主义者一般从持久性和宏观经济周期性的分解测度，而凯恩斯主义者推崇使用供给角度的要素投入测算潜在产出。随着计量经济学的不断发展，潜在产出的可行测算方法将这两种主义演化为统计学意义上的分解趋势法，如HP滤波、BP滤波（高铁梅，2016）和对全要素生产率进行计算以获得潜在产出。

HP滤波法由Hodrick和Prescott在1980年提出，初期被用来分析美国战后经济周期，因为其能够将序列组成成分中的长期趋势分离出来，而受到学界的广泛使用。HP滤波法不对经济周期的波峰和波谷进行假定，而是增大经济周期，减少周期性波动的频率，用平滑法得到宏观经济趋势项。本章平滑指数λ取100。

全要素生产率是指在所有要素对经济体增长的贡献程度中，剔除资本和劳动力的其他要素所引发的经济体增长，全要素生产率难以直接统计，因此学界对全要素生产率的计算和处理十分多样，发展到现在主要分为参数估计法和非参数估计法。参数估计法主要包括增长核算法、参数随机边界分析法（SFA）和隐形变量法。其中增长核算法由Solow在1957年提出的增长会计法演变而来，通过计算索洛残差得到全要素生产率；参数随机边界分析法（SFA）在给定参数和函数具体形式的条件下生成无穷个随机边界。而非参数方法包括KLEMS投入产出分析法和数据包络分析法（DEA）。其中KLEMS投入产出分析法（Jorgenson，et al，1987）需要投入产出表，而数据包络分析法（DEA）无须设定函数形式和参数，因此使用较为普遍。(www.xing528.com)

本章使用数据包络分析法（DEA）中的Malmquist指数直接计算全要素生产率的分解项。数据包络分析法（DEA）由Fare在1957年提出，是一种非参数线性规划估计方法。初期DEA所使用的具体模型CCR以规模报酬不变为前提，但很明显这并不符合实际。随着DEA和计量经济学不断向前推进，Shephard（1953）通过引进距离函数将CCR模型改进为BCC模型，新模型中全要素生产率中的技术效率可以进一步分解为纯技术效率和规模效率。而Malmquist指数最早由Sten Malmquist在1953年提出，他在消费领域构造Malmquist缩放因子以研究消费问题，1989年Fare将这一指数引进生产分析领域，1999年Arcelus&Arozena改进了Malmquist指数，在计算全要素生产率分解项时不依赖于投入和产出之间的关系，采用决策单元数DMU进行计算，相当于对数据进行一阶差分，因此不使用价格信息，避免了因口径和不对称信息引起的误差，此外不考虑进行成本最小化和利润最大化的两个条件假设，使得全要素生产率分解项的估算更接近真实值，因此本章使用Malmquist指数法通过构造以产出为导向的可变规模报酬模型计算全要素生产率分解项，同时借鉴新古典主义者统计趋势分解的思想利用HP滤波构建趋势全要素生产率分解项进行测度。