中国要素份额决定模型及主导力量研究

奥鹏网院作业

中国要素份额决定模型及主导力量研究
——对要素价格、技术偏向与经济增长的共同考察

摘 要： 本文基于超越对数成本函数推导要素份额决定方程，在统一框架下考察要素价格、技术偏向及经济增长等多层级因素的影响，借助统计分解方法揭示我国要素份额变动的主导力量，并剖析其时间变化与空间差异。研究发现：面板计量模型估计结果十分稳健，要素比价上升导致劳动份额下降，这是由我国替代弹性小于1决定的；无论全国还是各省区，要素价格始终是要素份额变动的主导力量；经济增长对劳动份额影响为负，但其退居次要因素、且存在区域分化；技术偏向影响持续提高，成为重要的辅助因素。为改善我国要素分配结构，政策调控应以推进要素市场深化改革为根本抓手，并注重区分主导因素的时空差异。
关键词： 要素收入分配； 劳动份额； 要素替代弹性； 技术偏向
一、引言
收入分配是我国经济研究的持续热点，数十年来积累起海量文献。囿于体制与数据约束，早期研究聚焦于再分配之后国民收入在个人或家庭之间的规模分配(Size Distributions of Income)。20世纪90年代中期以来我国劳动份额持续下降，这明显有悖于卡尔多“要素份额相对稳定”的经济增长典型事实，其内在原因激发了学术界对初次分配阶段要素分配(Factor Distributions of Income)的研究热情。同时，国际上要素分配研究在理论与方法上取得重要进展，国家统计局相继公布系统性要素分配核算资料，为推动国内要素分配研究提供了强大动力与数据支持[1]。在此背景下，国内要素分配研究集中涌现一批重要成果。
要素份额决定机制与影响因素研究，是我国要素分配研究的持续热点与核心议题。要素份额决定机制探讨，主要由理论推演与统计分解两类思路分头展开。在此基础上，大量经验研究对要素份额各类影响因素的作用方向及强度进行估计与检验。(1)发展阶段对要素分配的影响获得高度重视：若干跨国研究表明劳动份额随人均收入提高[2-3]；国内研究普遍发现我国劳动份额随人均收入下降，但对其变化模式及成因的认识有明显分歧[4-7]。(2)技术因素对要素分配的影响备受关
注：多数研究认为技术偏向对中国要素分配有重要影响[8-9]；但就资本积累对要素分配的影响方向分歧较大[10-12]，其主要由要素替代弹性取值差异导致[13]。(3)市场结构对要素分配的影响也有广泛讨论：产品市场扭曲(垄断力量)对劳动份额的负面影响取得共识[14-16]；劳动市场扭曲(议价能力)[17-18]及资本市场扭曲(融资约束)[19]的影响也进入研究视野。(4)全球化对要素分配的影响同样引人瞩目：对国际贸易是否促进我国劳动份额提高，支持方[6，11]与反对方[20-21]各执一词；但就FDI对中国劳动份额的负向影响达成一致[6，11-12，15]。(5)制度因素在国内要素分配研究中颇受重视：所有制结构[6，11-12，15]和财税体制[22-23]对要素分配的影响，构成其两大讨论热点。
现有经验研究中，要素分配影响因素选取很大程度上取决于研究者偏好及数据制约，对各类因素间的内在联系及层级关系考虑不足[24]。本研究认为，技术因素是决定要素分配的直接动因；市场结构集中反映经济主体的决策约束，构成对技术因素的关键补充；发展阶段、国际联系、制度因素则通过技术因素和市场结构间接影响要素分配，属于决定要素分配的深层原因。已有研究对我国要素份额决定机制及主要影响因素存在明显分歧，原因主要有两方面。其一，绝大多数文献均重点考察某类特定因素的作用，而将其他潜在影响因素作为控制变量，其变量选取与计量模型设定较为随意，缺乏坚实的理论基础和数理经济模型支撑。其二，计量经济模型善于同时考察多类因素，统计分解模型便于明确揭示主导力量，已有研究中两类方法往往相互隔离，限制了主导因素识别及文献之间的结果比较。
有鉴于此，本文力图基于一般性理论框架构建要素份额决定模型，利用我国改革时期省际面板数据，综合考察技术偏向(技术因素)、要素价格(市场结构)及经济增长(发展阶段)对要素份额的影响，并借助统计分解方法识别其主导力量，为更有针对性地进行政策调控提供数据支持。本研究的潜在优势及创新点为：(1)根据新古典要素需求理论，在超越对数成本函数之下推导要素份额决定方程，可以避免借助经验认识选取变量并建立多元回归模型的随意性；(2)以经济增长为代理指标反映发展阶段等间接因素的作用，利用要素价格变化揭示市场结构的影响，并结合替代弹性与技术偏向共同刻画技术因素的影响，能有效揭示不同层级影响因素的作用强度及相互关系；(3)在同一框架内估计经济增长、要素价格、技术偏向对要素份额的影响，综合利用时序数据和面板数据构建计量经济模型，通过统计分解方法揭示我国劳动份额变动的主导因素及省际差异，估计结果具有较强稳健性，且对改善“我国要素份额决定主导力量研究不足”的局面有积极意义。
二、理论框架
为同时考察要素价格、技术偏向及经济增长对要素份额的影响，应选用包容性强的总量生产函数。广泛使用的CD生产函数，内在限定中性技术进步且要素替代弹性为1(进而决定要素份额不变)，故无法胜任这一使命。一般要素增强型CES生产函数虽然放松对替代弹性取值的限制，但其非线性形式阻碍据其导出简洁的要素份额决定方程。相比之下，超越对数(Transcendental logarithmic, Translog)函数凭借极强的灵活性与包容性，成为构建要素份额决定模型的首选。
(一)超越对数函数族
Translog函数属于平方响应面(Quadratic Response Surface)模型，凭借易估计和包容性优势，其在经济研究中获得广泛应用。由于其既是研究生产要素之间替代互补关系的有力工具，也是测度技术进步偏向的重要手段，故在要素分配研究中大有用武之地[25]。
Translog函数实为一族，分为Translog生产函数、Translog价格函数、Translog成本函数三类，三者具有密切的内在联系。
多要素情形下，Translog生产函数一般形式为

(1)
其中，Y为产出；Xi及Xj为各种生产要素(i,j=1,2,…n)，可以涵盖反映技术变化的时间t；α0=lnA反映初始技术水平。
根据对偶(duality)理论，可构造等价反映Translog生产函数信息的价格函数及成本函数。式(1)中Translog生产函数的对偶价格函数(dual price function)与最小成本函数(minimum cost function)分别为

(2)

(3)
其中，PY为产出价格，Pi为各类要素价格，β和γ均为待估参数。
鉴于Translog成本函数解释变量过多，往往遭受严重的共线性问题，甚至因数据容量制约无法进行参数估计。为减少待估参数，可用产出代理各类投入信息，给出如下简化形式
ΣiγijlnPilnY
(4)
理论上，对偶性保证三种Translog函数可等价地用于相关研究。但一般而言，为刻画要素替代和技术进步偏向，使用Translog成本函数或价格函数更为方便[26]。
(二)要素份额决定方程
Binswanger(1974)最早基于Translog成本函数考察技术偏向对要素分配的影响。其基本方程等价于式(4)，但引入时间趋势项t为反映技术偏向[27]
lnC=γ0+γtt+γttt2+αlnY+ΣiβilnPi+ΣiΣjβijlnPilnPj+ΣiγitlnPi+ΣiγiYlnPilnY
(5)
根据谢泼德引理(Shephard’s lemma)，要素投入数量等于最小成本函数对要素价格的偏导数(Xi=∂C/∂Pi)，故各类要素份额可表示为
γit
(6)
Binswanger(1974)所用的技术偏向指标为即给定要素价格不变、仅由技术变化导致的要素份额变化率。大于0，表明技术进步偏向i要素，即技术变化促使i要素收入份额上升。估计要素份额方程(6)后，可根据计算技术偏向指标。可见，根据该方程可同时考察要素价格(lnP)、经济增长(lnY)及技术偏向对要素份额的决定。
引入时间趋势项反映技术偏向的方法简便易行，在实证研究中有广泛应用[28-30]。但其对有偏技术进步形式做了主观限定，常系数时间趋势无法刻画技术偏向的动态变化。有鉴于此，后续研究致力于寻求改进。为反映有偏技术进步，一些学者采用一个或一组代理变量Z取代时间趋势项t，但代理变量往往需要根据考察对象具体设定。宏观研究中，常用研发投入、计算机使用、设备进口、教育支出等指标作为代理[31]。采用此类方法时，要素份额决定方程变为
Si=βi+ΣjβijlnPj+γiYlnY+γiZZ
(7)
为克服代理变量法指标选择的主观性，Baltagi和Rich (2005)采用一般指数方法(General Index Approach)测度技术偏向，以兼顾时间趋势法与代理变量法的优点[32]。其基本思路为：以一组代理变量Z的函数刻画技术变化路径。此时，作用于某要素的技术变化路径，既未局限于时间t的特殊函数，也非特定代理变量的时间路径Zt本身。在面板数据可得的情况下，可由一组虚拟变量反映。将其引入Translog成本函数，得到如下要素份额方程
Si=βi+ΣjβijlnPj+γiYlnY+ΣtγitDt
(8)
综上，时间趋势项方法简便易行，但理论性质较差；一般指数方法具有良好的理论性质，但只有借助面板数据才能实现；代理变量法应用限制较多，适于在无法获取面板数据但能得到理想代理变量时采用。下文基于全国时序数据估计时以式(6)为基本模型，基于省级面板数据分析时改用式(8)作为基本模型。
三、数据说明
本文实证分析基于中国改革时期全国时序数据及省区面板数据，数据跨度为1978-2014年。核心变量为要素份额、产出Y、劳动价格w及资本价格r。基础变量包括劳动投入L、资本投入K、以及各类要素报酬，数据结构见表1。
表1 主要指标数据来源与计算方法

注：首行以X为例说明数据结构，Xit下标包含两类信息：i=0代表全国，i=1,…,31表示31个省区；t表示年份。以下各行给出所用指标的数据来源与计算方法。对任一指标，分别构成一个“省区×年份”面板数据。
(1)产出。Y使用生产法GDP数据。为剔除价格变动影响，利用GDP隐含缩减指数调整为1978年可比价序列。基础数据取自《中国国内生产总值核算历史资料1952-2004》和近年《中国统计年鉴》。
(2)要素投入。劳动投入L使用年中从业人员数，利用官方统计提供的年末从业人员数计算。资本投入K由固定资本存量(年中值)反映，利用“最优一致性-永续盘存法”(OCM-PIM)估算。为提高数据估算质量，实际构建了1952-2014年全国及各省区1978年价格资本存量序列。为满足资本价格r计算需要，另外利用GFCF隐含缩减指数调整得到K现价数据。
(3)要素份额。为保证全国和省区数据一致性，本文基于地区收入法GDP计算要素份额*对省区而言，收入法GDP是计算要素份额序列的唯一数据来源；对全国而言，还可利用资金流量表数据计算要素份额(时间跨度较短)。此外，基于全国或地区投入产出表也可计算编表年份要素份额，但无法进行连续分析。。收入法GDP基本核算公式为：GDP=COMP+DEP+NTP+NOS。其中，COMP为劳动者报酬，DEP为固定资产折旧，NTP为生产税净额，NOS为净营业盈余，NOS与DEP之和为总营业盈余GOS。本文选用劳动份额揭示要素分配结构，其定义为劳动者报酬占“要素价格”GDP之比，即SL=COMP/(GDP-NTP)=COMP/(COMP+GOS)。进而定义，资本份额SK=1-SL，相对收入份额R=SK/SL。基础数据取自《中国国内生产总值核算历史资料1952-2004》和近年《中国统计年鉴》。
(4)要素价格。利用要素投入与收入法GDP提供的要素报酬计算。鉴于国民核算中推算而得的净值指标不及总值指标可信，最终选用总收益率衡量资本价格。其定义为总营业盈余与现价固定资本存量之比，r=GOS/K，且等于净收益率与折旧率之和。劳动价格取劳动者报酬与劳动投入之比，w=COMP/L。较官方统计中的“在职职工平均工资”，该指标涵盖了职工以外规模庞大的非正规就业，是工资率的理想代理。为剔除物价变动影响，利用全国及各省区CPI将其调整为1978年价格。
四、全国时序数据初探
首先，利用全国时序数据对我国劳动份额变动的主导因素进行初步分析。
(一)模型估计
以式(6)为基础，构造计量模型
SLt=β0+βrlnrt+βwlnwt+γYlnYt+γtt+εt
(9)
利用全国1978-2014年数据进行估计，结果见表2。模型1估计效果极不理想：除系数βr和βw显著不为0外，其他系数在10%显著水平下均未通过T检验；特别是βw系数显著为负，无法通过经济意义检验。检查发现，其源于lnY与t之间极强相关性所引发的严重共线性问题。因此，放弃以时间趋势项t揭示技术偏向对劳动份额的影响，并改用GLS方法修正自相关问题。
表2 全国时序数据模型估计结果

注：本文估计结果由Eviews6.0给出，括号内为t值；***、**和*分别表示在1%、5%及10%显著水平下通过T检验，ns表示在10%显著水平下无法通过T检验。后同。
修改后，模型2的系数估计值符合理论预期。(1) βr为负且βw为正，意味着资本价格r提高及劳动价格w降低，均导致劳动份额下降。可以证明，该结果成立的条件为资本与劳动之间替代弹性小于1。我国要素替代弹性小于1，已得到众多经验研究有力支持[33-38]。此时，要素相对价格(r/w)上升1%引起的资本劳动比率(K/L)下降不足1%，作为二者乘积的相对收入份额(R=SK/SL)上升、劳动份额下降。(2) 比较两类要素价格的影响(βr约-0.1，βw约0.2)，发现w对SL的影响强度高于r，符合“工资变动对要素分配影响更直接”的经验认识。(3) βY估计值为负，表明经济增长对劳动份额有反向影响，凸显出我国经济增长成果分配向资本倾斜的特殊性。
(二)影响比较
利用表2结果，可用式(10)测算各因素对劳动份额变动的影响，并确定主导因素。

(10)
其中，和反映要素价格(替代弹性)影响；反映经济增长影响；鉴于扣除上述影响之后的余值(γt+Δεt)以γt为主，故可近似衡量技术偏向影响。
图1给出基于模型2的测算结果，其显示：经济增长对劳动份额变动始终呈反向影响，其强度变动区间逐渐收窄；绝大多数年份要素价格对劳动份额变动为正向影响，其强度变动区间有所扩大；技术偏向对劳动份额变动的影响倾向于由正转负，且其绝对值在三者中最小。图形观察仅能给出粗略判断，为确定劳动份额变动的主导因素，需要综合影响方向与作用强度两方面信息。

图1 各因素对劳动份额变动影响(余值法)
表3 劳动份额变动主导因素判别规则

本文在表3中结合两种分类维度给出判别规则。维度1：某因素影响与劳动份额变动同向，称为导向因素；否则称为逆向因素。维度2：某因
素作用强度大，称为主要因素；否则称为次要因素。将二者交叉分类：变动同向且强度大者为主导因素，变动同向但强度小者为辅助因素；变动反向时，根据作用强度大小分为首逆因素与辅逆因素。
为清晰揭示各因素影响的时间变化，本文将整个考察期划分为四个子时期*子时期划分主要结合改革时期发展阶段，并参照考察期内劳动份额变化特征。1978-1985年为改革启动阶段，改革主要在农村展开，“没有输家的改革”导致劳动份额稳步提高；1986-1995年为改革初期，城市改革逐渐推开并占据主导，该时期宏观经济波动剧烈，劳动份额也反复升降；1996-2005年各领域改革迅速深入，对外开放程度显著提高，中国经济在全球化分工中的弱势地位导致劳动份额持续下降；2006年以来，决策层逐渐认识到要素收入分配结构存在重大失衡，相继出台一系列调整政策，劳动份额持续下降趋势得以扭转。，分别计算各因素变动与劳动份额变动的相关系数。表4显示，改革时期，各因素与劳动份额变动的相关性存在明显时期变化：技术偏向影响及要素价格影响与劳动份额变动相关性较高，经济增长影响与劳动份额变动相关性最低且呈下降趋势。
进一步计算影响强度，以衡量各因素对劳动份额变动的贡献。具体方法为：对任意一年，先计算各因素影响绝对值的平均值，再将某因素影响绝对值与之对比，得到该因素影响强度(取值范围为[0,3]，三因素影响强度之和为3)；然后，计算整个考察期及各子时期内影响强度平均值。表4显示，整个考察期内经济增长影响强度最大，要素价格影响强度较大且持续上升，技术偏向影响强度较低且明显下降。
表4 全国劳动份额变动主导因素

将相关系数与影响强度相乘，即可判别劳动份额变动的主导力量。改革时期，我国劳动份额变动的主导因素为要素价格，技术偏向和经济增长均为辅助因素。分时期看，改革启动阶段以经济增长为主导力量，改革初期技术偏向为主导力量，此后劳动份额变动始终由要素价格主导。由于技术偏向影响由余值近似给出，基于全国时序数据的结果仅作初步参考。
五、省级面板数据分析
为提高分析结论可靠性，基于省级面板模型直接测度技术偏向影响，并对劳动份额变动的主导因素进行修正。
(一)常系数模型
以式(6)为基础，构造面板计量模型
SLit=β0+βrlnrit+βwlnwit+γYlnYit+γt+εit
(11)
模型设定是面板计量模型成败的关键。暂不考虑变系数模型，在变截距模型与混合模型之间进行选择。根据冗余固定效应检验，有力拒绝混合效应模型。考虑到各省区劳动份额差异明显，该结果实属意料之中。豪斯曼检验(Hausman Test)进一步表明，应采用截面与时间双随机(Two-way random)效应模型。
双随机效应形式下，式(11)的面板广义最小二乘估计结果见表5模型1。其中，γt在常用显著水平下无法通过T检验。可见，即使利用面板数据模型，以时间趋势项揭示技术偏向的努力也告失败，这印证了Baltagi和Rich (2005)的判断。剔除时间趋势项后，双随机效应模型2a估计结果略有改观。为说明变截距效应设定差异对估计结果的冲击大小，同时估计模型2b至2d用于稳健性分析。结果表明，βr估计值极其稳健(介于-0.09至-0.11之间)，βw和γY估计值变化稍大但符号稳定，截距项个体效应高度一致。
表5 基于式(11)的估计结果

注：括号内报告的t值已采用White cross-section稳健标准误方法进行修正。鉴于面板模型往往存在较强的序列相关，导致参数估计量标准差及常规T检验失效。为此，在EViews软件提供的“Coef covariance method”选项中，应确定计算系数标准差的稳健估计方法。经验上，各省要素份额差异较大，容易引致空间异方差；各省面临相似的宏观经济形势，容易导致个体间同期相关。因此，最终选用White cross-section加权方法。此外，改用Cross-section SUR或Period SUR后T检验结果高度一致，说明表5结果非常稳健。
与表2模型2结果相比：表5中βr、βw和γY系数估计值的符号完全一致，因此同样能通过经济意义检验；从影响强度看，βr与原有结果极为接近、工资率及产出的影响强度(βw与γY绝对值)明显下降。这意味着，时序数据模型高估了经济增长对劳动份额的负面作用。鉴于省区面板数据比全国时序数据包含更丰富的信息，常系数面板模型估计结果更为可信。
表5模型1中时间趋势项方法无力反映技术偏向影响，故改由式(8)构造计量模型
SLit=β0+βrlnrit+γYlnYit+ΣtγtDt+εit
(12)
该模型引入一组虚拟变量，并以γt刻画不同年份技术偏向对劳动份额的影响。面板模型中，γt等价于变截距模型的时间效应，表5模型2a至2d均可提供此类信息。结果显示，模型2a至2c的时间效应几乎重合，模型2d时间效应差异较大、但变化趋势基本一致。进一步计算发现，模型2a与2d时间效应一阶差分序列的相关系数超过0.9，据以测度的技术偏向影响相当接近。总之，不同设定下的结果非常稳健，不会影响本文对劳动份额变动主导因素的判断。
利用模型2a估计结果，基于式(10)重新计算三大因素对劳动份额变动的影响，结果见表6。此时技术偏向影响不再间接以余值近似，而是直接由时间效应一阶差分计算。
表6结果与表4基本一致，但经济增长影响强度有所下降、要素价格影响强度相应提高。改革启动阶段，要素分配结构变动的主导力量仍为经济增长。尽管技术偏向影响与劳动份额变动具有最强同向性，但由于其影响强度最低，因而长期作为辅助因素(仅改革初期例外，其与经济增长共同主导劳动份额变动)。90年代中期以来，随着市场化改革推进及生产要素流动性增强，要素价格影响迅速提升，成为决定劳动份额变动的主导因素。同时，技术偏向影响超越经济增长，成为决定劳动份额变动的首要辅助因素。
表6 全国劳动份额变动主导因素修正

以上结果具有明显的政策涵义：(1)我国劳动份额随经济增长而下降的趋势逐渐减弱，通过深化体制改革促进生产要素自由流动和优化配置，有望转向劳动份额随经济增长而上升的新阶段；(2)鉴于要素价格是我国劳动份额变动主导因素，为改善我国要素分配结构，应通过推进全国要素市场一体化进一步理顺要素价格体系、增强要素替代能力，提升市场对资源配置的决定能力；(3)同时也应重视对技术引进与技术创新的引导，通过调整资本偏向型技术与劳动偏向型技术使用比例调整要素分配结构。
(二)变系数模型
为揭示各省区劳动份额变动的主导因素，需要借助变系数模型。面板计量模型中，对变系数模型与常系数变截距模型的取舍，可采用协方差分析方法确定。
截面维度，需要对原假设H0:β1=β2=…=βN进行检验，检验统计量为
N(T-k-1)]
(13)
时间维度，需要对原假设H0:β1=β2=…=βT进行检验，检验统计量为

(14)
其中，β为回归系数向量，S1为变系数模型残差平方和，S2为常系数变截距模型残差平方和。F越大，表明常系数模型拟合效果较变系数模型越差，故更支持变系数模型。
表7 变系数模型估计结果

注：变系数模型中，Eviews不支持截距随机效应设定，故改用双向固定效应。稳健性检验表明，其对分析结果无实质影响。
本文中，N=31，T=37，k=3。截面维度，S1N=0.767，S2N=1.958，F=17.64>F0.05(90,1 023)=1.27，有力拒绝原假设，支持变系数模型。时间维度，S1T=3.699，S2T=4.036，F=0.633<F0.05(108,999)=1.25，无法拒绝原假设，支持常系数模型。故本文最终选定包含时间效应的截面变系数模型
SLit=β0+βrilnrit+βwilnwit+γYilnYit+ui+vt+εit
(15)
其中，ui为个体效应，vt为时间效应；随省区i变化的回归系数βri、βwi和γYi，可以揭示要素价格及经济增长对劳动份额影响的省际差异。
审视表7估计结果，得到四点发现：(1)除广西(βri估计值为正、但统计不显著)外，各省区βri估计值全部为负(北京、浙江、宁夏未通过T检验)，各省区βri均值(-0.108)与常系数模型结果(-0.113)十分接近；(2)所有省区βwi估计值均为正(仅江西、甘肃未通过T检验)，各省区βwi均值(0.213)明显高于常系数模型2a结果(0.096)，但与模型2d结果(0.213)重合；(3)除北京γYi统计无异于0外，其余省区γYi均显著为负，γYi均值(-0.243)与常系数模型2a结果(-0.095)相差较大，但与模型2d结果(-0.249)非常接近；(4)变系数模型时间效应vt与常系数模型变化趋势接近，其个体效应ui变化幅度明显增大、但变动方向与常系数模型基本一致。
表8 1978-2014年各省区劳动份额变动主导因素比较

注：北京γYi估计结果在10%显著水平下未通过T检验，其经济增长影响仅做粗略参考(以ns标注)。类似地，北京、浙江、广西、宁夏βri估计结果未通过T检验，江西和甘肃βwi估计结果未通过T检验，其要素价格影响可靠性减弱。
基于以上估计结果，可以确定各省区劳动份额变动的主导因素，并考察其在不同子时期的变化。各省区要素价格与经济增长影响根据自身βri、βwi及γYi估计值计算，技术偏向影响由共同的时间效应vt确定。表8显示，整个考察期所有省区均以要素价格为劳动份额变动的主导因素，这与表6所给全国情况高度一致*篇幅所限，各省区分时期劳动份额变动主导因素的详细结果无法列示，需要者可与作者联系。。理论研究表明，要素价格影响主要通过要素替代弹性实现，要素替代弹性离1越远，要素价格对要素份额影响越大。改革时期，我国要素替代弹性明显小于1，其决定要素价格成为劳动份额变动的主导因素。可以预期，随着我国要素替代弹性持续提高，要素价格影响强度将逐渐下降，技术偏向影响将相应提升。此外，少数省区经济增长影响与劳动份额变动方向相反，表明“劳动份额随经济增长下降”的模式已经出现区域分化；至于劳动份额何时转向随经济增长提高的阶段，则有待未来更长时期的数据分析。
(三)简要总结
基于常系数面板模型，以一般指数方法测度技术偏向，比利用余值法间接测度技术偏向有明显优势。模型拟合效果更好，且结果稳健：βr估计值显著为负，βw估计值显著为正，与我国替代弹性小于1相一致；γY估计值为负，但绝对值明显下降，表明时序数据模型明显高估了我国经济增长成果分配偏向资本的倾向。因素分解表明：要素价格是决定我国劳动份额变动的主导因素；技术偏向影响与劳动份额变动同向性高但力度最弱，近期其已超越经济增长成为决定劳动份额变动的重要辅助因素。
利用截面变系数面板模型，可以进一步分析三大因素对各省区劳动份额变动的影响。与常系数模型对比，参数估计结果的符号高度一致，但大小存在差异：绝大多数省区βri估计值显著为负，并在(-0.2，-0.02)之间变动，各省均值与常系数模型非常接近；所有省区βwi估计值为正，在(0.05，0.38)之间变动，均通过经济意义检验与统计检验；除北京外各省区γYi均显著为负，在(-0.36，-0.11)之间变动，表明北京将率先摆脱劳动份额随经济增长而下降的局面。整个考察期内，各省区劳动份额变动均以要素价格为主导因素；经济增长的影响开始呈现地区分化，但尚难识别出明确的模式。
六、结论、建议及展望
本研究旨在揭示我国要素份额变动的主导因素，并剖析其时间变化与空间差异。为避免借助经验认识选取变量的随意性，本文根据新古典要素需求理论，基于超越对数成本函数推导要素份额决定方程，为同时考察要素价格、技术偏向及经济增长等不同层级因素对要素分配的影响提供了有力工具。进而利用统计分解方法，结合影响方向与作用强度两大维度确立判别规则，利用计量模型估计结果揭示要素份额变动的主导力量。上述方法改进，可对该领域已有研究提供有益补充。通过理论讨论与实证分析，本文得到如下结论与认识。
(1)全国劳动份额决定方程的估计结果，符合理论预期且非常稳健：βr为负且βw为正，表明要素比价(r/w)提高将导致劳动份额下降，该结果得到我国要素替代弹性小于1的经验研究有力支持；从参数估计绝对值看，劳动价格变动的影响大于资本价格，符合“工资变动对要素分配影响更直接”的经验认识；经济增长对劳动份额影响βY为负，表明经济增长对劳动份额有反向影响，凸显出我国经济增长成果分配向资本倾斜的特殊性。比较各子时期的统计分解结果，发现90年代中期以来要素价格影响迅速提升，成为支配劳动份额变动的主导力量，技术偏向影响也超越经济增长成为首要辅助因素。
(2)利用省际面板数据，经检验确定截面变系数面板模型估计劳动份额决定方程，其可有效刻画劳动份额变动主导力量的省际差异。结果表明：对各省区而言，要素价格对劳动份额的作用方向高度一致，各省参数估计值虽有窄幅变动，但其平均值与全国模型估计结果非常接近；经济增长对各省区劳动份额均有负向影响，但影响强度的省际差异很大，表明尽管各省区都处在劳动份额随经济增长而下降的阶段，但距离转折点的路径长短不一，北京有望率先实现这一转折。整个考察期内，所有省区中劳动份额变动的主导因素均为要素价格；分子时期看，各省区技术偏向影响强度普遍提高，经济增长影响则存在明显的区域分化，有望逐渐摆脱劳动份额随经济增长下降的困局。
以上研究结论清晰表明，我国90年代中期以来劳动份额持续下降，但其影响因素存在明显的时空差异。为改善要素分配结构，调控政策必须分清主次、对症下药。鉴于要素价格始终是我国劳动份额下降的主导力量，首先应积极推进要素市场改革，加快建立健全全国统一的劳动力市场与资本市场，消除各类要素价格扭曲，提升市场对资源配置的决定能力，促进要素替代弹性提高，以减弱并扭转劳动份额份额下降趋势。与此同时，鉴于技术偏向对要素份额变动的影响逐渐增强，也应注重在技术引进与技术创新中提高劳动偏向型技术占比，扭转要素分配过度向资本倾斜的局面。总之，针对我国要素份额变动主导因素的时空差异，全国性政策调控必须与时俱进，各省区具体举措则要因地制宜。
鉴于我国要素分配决定机制及影响因素研究具有重要的理论意义与政策价值，近期已经激发大量研究。本文力图在既有文献基础上，由理论模型构建与主导因素分析两方面寻求改进，并通过揭示要素份额主导力量的时期变化和省际差异，提升政策建议的时效性与针对性。未来研究中，可从多方面继续深化。一是改善要素替代弹性估计研究，揭示替代弹性省际差异，深入剖析要素份额变动主导因素的省际差异。二是加强省区技术偏向测度研究，直接测算其对要素分配的影响。三是向产业及细分行业扩展，由更微观的层面进一步揭示各类因素对要素份额变动的影响机制。
参考文献 ●
[1]郝枫. 中国要素收入分配研究进展述评[J]. 经济学动态，2013(8): 84-94.
[2]Rodrik D. Democracies Pay Higher Wages[J]. Quarterly Journal of Economics, 1999,114(3): 707-738.
[3]Rodríguez F, Ortega D. Are Capital Shares Higher in Poor Countries? Evidence from Industrial Surveys [R]. Wesleyan Economics Working Papers, 2006.
[4]白重恩，钱震杰. 谁在挤占居民的收入[J]. 中国社会科学，2009(5):99-115.
[5]李稻葵，刘霖林，王红领. GDP中劳动份额演变的U型规律[J]. 经济研究，2009(1):70-82.
[6]罗长远，张军. 劳动收入占比下降的经济学解释[J]. 管理世界，2009(5):25-35.
[7]郝枫. 劳动份额“型”演进规律[J]. 统计研究，2012(6):33-40.
[8]黄先海，徐圣. 中国劳动收入比重下降成因分析[J]. 经济研究，2009(7):34-44.
[9]白重恩，钱震杰. 劳动收入份额决定因素[J]. 世界经济，2010(12):3-27.
[10]杨俊，邵汉华. 资本深化、技术进步与全球化下的劳动报酬份额 [J]. 上海经济研究，2009(9):10-17.
[11]邵敏，黄玖立. 外资与我国劳动收入份额 [J]. 经济学(季刊)，2010(4):1189-1210.
[12]唐东波. 全球化与劳动收入占比[J]. 管理世界，2011(8):23-33.
[13]Bentolilla S, Saint-Paul G. Explaining Movements in the Labor Share[J]. The BE Journal of Macroeconomics, 2003, 3(1): 1-33.
[14]白重恩，钱震杰，武康平. 中国工业部门要素分配份额决定因素研究 [J]. 经济研究，2008(8):16-28.
[15]翁杰，周礼. 中国工业部门劳动收入份额的变动研究[J]. 中国人口科学，2010(4):31-45.
[16]伍山林. 劳动收入份额决定机制[J]. 经济研究，2011(9):55-68.
[17]龚刚，杨光. 论工资性收入占国民收入比例的演变 [J]. 管理世界，2010(5):45-55.
[18]张杰，卜茂亮，陈志远. 中国制造业部门劳动报酬比重的下降及其动因分析 [J]. 中国工业经济，2012(5):57-69.
[19]罗长远，陈琳. 融资约束会导致劳动收入份额下降吗? [J]. 金融研究，2012(3):29-42.
[20]李坤望，冯冰. 对外贸易与劳动收入占比 [J]. 国际贸易问题，2012(1):26-37.
[21]张杰，陈志远，周晓艳. 出口对劳动收入份额抑制效应研究[J]. 数量经济技术经济研究，2012(7):44-60.
[22]郭庆旺，吕冰洋. 论税收对要素收入分配的影响[J]. 经济研究，2011(6):15-40.
[23]李文溥，谢攀，刘榆. 两税合并的要素收入份额影响研究[J]. 南开经济研究，2012(1):50-62.
[24]郝枫. 要素份额决定机制与影响因素研究述评[J]. 财贸研究，2014(4): 28-38.
[25]郝枫. 超越对数函数要素替代弹性公式修正与估计方法比较[J]. 数量经济技术经济研究，2015(4): 88-105.
[26]Jorgenson D W. Econometric Modeling of Producer Behavior[M]. Cambridge: The MIT Press, 2000:137-139.
[27]Binswanger P H. The Measurement of Technical Change Biases with Many Factors of Production[J]. American Economic Review, 1974, 64(6):964-976.
[28]Morrison C, Berndt E. Short-run Labor Productivity in a Dynamic Model [J]. Journal of Econometrics, 1981, 16(3):339-365.
[29]Betts J. The Skill Bias of Technological Change in Canadian Manufacturing Industries [J]. Review of Economics and Statistics, 1997, 79(1):146-150.
[30]Feng G, Serletis A. Productivity Trends in U.S. Manufacturing: Evidence from the NQ and AIM Cost Functions[J]. Journal of Econometrics, 2008, 142(2):281-311.
[31]Carraro C, Enrica C. Factor-Augmenting Technical Change: An Empirical Assessment[J]. Environmental Modeling & Assessment, 2013, 18(1):13-26.
[32]Baltagi B, Rich D P. Skill-biased Technical Change in US Manufacturing: A General Index Approach[J]. Journal of Econometrics, 2005,126(2):549-570.
[33]戴天仕，徐现祥. 中国技术进步方向 [J]. 世界经济，2010(1):54-70.
[34]陈晓玲，连玉君. 资本-劳动的替代弹性与地区经济增长 [J]. 经济学(季刊)，2012(1): 93-118.
[35]陆雪琴，章上峰. 技术进步偏向定义及其测度 [J]. 数量经济技术经济研究，2013(8): 20-34.
[36]雷钦礼. 偏向性技术进步的测算与分析 [J]. 统计研究，2013(4): 83-91.
[37]郝枫，盛卫燕. 中国要素替代弹性估计 [J]. 统计研究，2014(7):12-21.
[38]郝枫，盛卫燕. 中国要素替代弹性之“索洛猜想”检验 [J]. 商业经济与管理，2015(3): 85-96.
Determining Mechanism and Dominant Force ofChina’s Factor Shares: the Influence of Factor Price, Biased TechnicalChange and Economic Growth
ZHAO Hui-qing1, HAO Feng2
(1. School of Economics, Tianjin University of Commerce, Tianjin 300134, China; 2. Department of Statistics, Tianjin University of Finance and Economics, Tianjin 300222, China)
Abstract：The core purpose of this paper is to explore the determining mechanism and dominant force of the movement of China’s factor share. Based on factor share determining equation derived from Translog cost function, we investigate the influence of factor price, biases of technical change and economic growth on factor distributions of income within a unified framework. Based on provincial panel econometric models, estimated structural parameters are very robust and consistent with economic theory expectations: labour’s income share decline as the ratio of factor price(r/w) rising, which can be validated by σ <1 in China. By decomposition of both national and provincial labour’s income share, we confirm that factor price is the dominant force, while the economic growth degenerate a minor force polarized among provinces, and biases of technical change become an important force due to its rising impact. In order to improve China’s factor distributions of income, the policy regulation should be carried out by promoting the deepening reform of the factor market and paying attention to the spatial and temporal differences of the dominant factors.
Key words：factor distributions of income; labour’s income share; elasticity of substitution; biases of technical change