意見領袖 | 蔣飛、仝垚煒

　　???核心觀點

　　我們在2022年11月發布的《中國潛在經濟增速初探》中，采用C-D生產函數模型，帶入1978-2021年數據，測算的勞動彈性系數β（即勞動收入份額）與收入法GDP中勞動收入份額差距較大，也比部分研究機構測算結果更低。我們認為主要可能是采用了“全社會就業人員數”大致代替勞動投入量，這一點可能會導致測算結果低估勞動投入對經濟增長的貢獻。

　　本文我們參考盛來運等（2018）中的做法，使用收入水平作為勞動時間的替代變量，以“就業人員數量x勞動收入因子”代替勞動投入量，測算出勞動收入份額β大幅升至0.50，與收入法GDP中的勞動者報酬占比（1992-2020年平均約為0.51）較為接近。值得一提的是，這一勞動投入量增長明顯快于勞動人數增長，很大程度上是因為勞動收入因子中已經含有就業結構轉變、勞動效率乃至技術因素等的影響。我們認為盡管用此法能夠測得一個較為合理的勞動收入份額β，但同時也可能干擾對全要素生產率（TFP）的估計。因此，選擇非農產業勞動人數作為勞動投入量可能是一個較好的方式。

　　另外，在處理勞動收入數據的同時，我們注意到1978年至今，農業收入水平和非農產業收入水平的實際增速都有較明顯的分段，指向2002-2004年間，我國跨過劉易斯拐點。1978年-2001年農業與非農產業收入增速波動較大，且均值相對較低；2002年后兩者趨于穩定，且中樞上行，表現出劉易斯轉折點到來的典型特征。實際上從2004年開始，沿海地區出現“民工荒”現象，隨后更在全國范圍內蔓延開來，演變為普遍性的勞動力短缺。而這啟示我們，在分析勞動、資本對經濟增長貢獻的時候應該分時段考慮。

　　我們以平滑處理后的非農產業勞動人數作為勞動投入，其余核心假設基本不變；同時以2004年為界，將1978年至2022年的數據分成兩階段，帶入模型測算各階段的資本收入份額α與勞動收入份額β。結果顯示2004至今的階段β明顯提升，進一步表明2004年以后隨著農村剩余勞動基本全部轉移到非農產業，我國經濟增長中的勞動收入份額已明顯提高。

　　我們結合2004-1978年的α、β值，重新測算得出2022-2030年潛在經濟增長率。預測結果顯示，“十四五”期間，我國潛在經濟增長率可能在4.7%-5.2%，2023年、2024年分別約為5.1%和4.9%，這一潛在增速偏低。

　　我們認為要維持經濟較高速增長，一個重要的條件就是維持TFP高速增長。但反觀過去幾年，我國TFP一直處于相對較低速度。當前中國經濟轉型進入關鍵時期，面臨著從粗放到精細，從債務推動到技術推動的重大轉變。我們認為當務之急就是加快改革步伐，在制度層面釋放更多生產率。

　　1

　　重新確定勞動收入份額

　　1.1．初測勞動收入份額偏低

　　我們在2022年11月發布的《中國潛在經濟增速初探》中，采用C-D生產函數模型，帶入1978-2021年數據，大致測算資本的產出彈性（即資本收入份額）α為0.81，勞動的產出彈性（即勞動收入份額或勞動報酬占比）β為0.19。但我們注意到，這一結果與資金流量表和投入產出表以及各省匯總計算出的勞動/資本收入份額差距較大，也與部分研究機構測算結果不同，我們測算的資本彈性系數（即資本收入份額）明顯偏高，換言之勞動彈性系數（即勞動收入份額）偏低。

　　實際上測算過程中樣本時間區間不同、指標核心假設與統計方式不同等原因，都可能導致最終模型系數不同?；乜础吨袊鴿撛诮洕鏊俪跆健?，出于簡化數據獲取和處理的考量，我們采用了“全社會就業人員數”大致代替勞動投入量，這一點可能會導致測算結果低估勞動投入對經濟增長的貢獻。

　　《OECD 生產率測算手冊》指出，從生產分析的觀點看，忽略短期勞動質量的差異，總工時數是最合適的勞動投入量，簡單用就業人員數測度勞動投入反映不出工時數的變化。另外改革開放以來中國農村勞動力大量轉移、就業結構不斷優化，從這個角度看測算勞動投入也應考慮勞動時間或勞動強度的變化。

　　當然，《OECD 生產率測算手冊》也指出實際工時數會產生一系列統計問題。問題之一是如何才能恰當地利用些可獲得的統計資料，尤其是企業和家庭調查?！妒謨浴诽岬娇梢圆捎弥Ц秷蟪甑墓r數或相當于全日制的就業人員數作為其合理替代。因此我們下一部分將重點探究如何對勞動投入量的數據重新處理。

　　1.2．數據處理與重測

　　根據（盛來運等，2018），“就業人員數量x勞動時間”是西方國家在測算勞動投入中通用的算法。但其同時指出，我國勞動時間統計數據基礎較薄弱，無法直接套用。而勞動力投入的勞動時間與其獲得的勞動報酬具有較高的相關性，雖然收入水平的變化可能有技術進步因素的存在，但在數據可得性限制下，這仍是一個較為合理的替代變量。因此（盛來運等，2018）使用收入水平作為勞動時間的替代變量，具體而言使用農村居民從事農、林、牧、漁業的人均經營純收人表示農業收人水平，使用城鎮居民人均工資性收人與經營凈收人合計表示非農產業收人水平，通過相應處理代替勞動時間。

　　就業人員數量數據較為易得，在此不再贅述，我們重點介紹收入水平的數據處理。對于農業收入水平，國家統計局自1978年公布“農村居民家庭：人均年純收入：家庭經營收入”這一指標，2012年后改為“農村居民人均可支配收入：經營凈收入”， 這可以視作農業勞動人員的名義收入，數據也相對充足，但其在個別年份變化較大，不排除價格的影響。另外我們發現“農村居民家庭：人均純收入：實際增長指數”也可以較好地表現農村居民人均經營純收入的實際增速。因此我們將其指數化（1978年=1）后，乘以對應年份的第一產業勞動人數，來代表農業勞動投入量。

　　對于非農產業收人水平，國家統計年鑒2002年以后公布城鎮居民人均家庭收入（按來源劃分），其中包含工資性收入與經營性收入，數據獲取較為簡便，加總后即可認為是非農產業收入水平。難點在于1978年-2002年數據統計。

　　一是2002年前統計年鑒中并未按來源劃分城鎮居民人均收入，僅有按所有制分類的城鎮居民人均收入情況。我們大致將（國有單位職工工資+集體及其它經濟類型單位職工工資+職工從工作單位得到的其他收入）作為工資性收入，個體經營勞動者收入作為經營性收入進行統計。

　　二是統計局官網公布的國家統計年鑒最早截至1999年。這意味著前述方法僅適用于1985年、1990年以及1997年-2001年。我們發現國家統計年鑒自1978年開始公布“職工平均貨幣工資”，（時間涵蓋1978/1980/1985，1986-1998年），盡管平均貨幣工資與城鎮居民人均工資性收入+經營性收入并不一致，但根據已知的數據對比來看，兩者之間存在一定的比例關系。我們按此關系大致推算工資性+經營性收入。最后再將少數空缺值利用趨勢差值法進行填補。最終得到1978-2022年非農產業的名義收入水平及其同比的時間序列。剔除價格因素（CPI）后將此數據指數化（1978年=1），乘以對應年份的第二、第三產業勞動人數，來代表非農產業勞動投入量。農業、非農產業勞動投入量加總即可視為總勞動投入量。

　　我們測算的結果顯示，我國勞動投入總量從1978 年的 4.0億人員當量[1]提升至 2022年的128.0億人員當量，復合年均增速達8.2%，增速明顯快于就業人員數量的平均增速（1.4%）。而盛來運等（2018）測算的中國勞動投入總量從1978年的3.6億人員當量提升至2017年的10.3億人員當量，平均每年增長2.7%，明顯低于我們的測算。這可能是因為調整方法存在差異：盛文是基于農村和城鎮時間的差異而在原有勞動人數基礎上調整，而我們是把收入當做勞動時間強度，直接與勞動人數相乘。我們按照盛文的調整方法得出的勞動收入份額β是0.24，明顯低于收入法GDP中勞動者報酬的占比（基于實物交易資金流量表）。

　　按照我們統計的勞動投入總量[2]，測算出勞動收入份額β大幅升至0.50。這一勞動收入份額與收入法GDP中的勞動者報酬占比較為接近——1992年-2020年，我國收入法勞動者報酬占GDP比重（基于實物交易資金流量表）平均約在51.2%；根據格羅寧根大學測算的數據，我國的勞動收入份額約為57.6%?；蛟S盛來運等（2018）的方法沒有把生產率算入勞動投入中。

　　實際上，勞動收入（報酬）與勞動投入，可以說是收入法GDP和要素生產函數GDP的“一體兩面”。我們統計的勞動投入量名義同比（非農產業和農業人均名義收入與對應產業勞動人數乘積之和），與GDP收入法中的勞動者報酬的同比增速基本一致，一定程度表明用我們統計名義勞動投入量，剔除價格后作為實際勞動投入量帶入C-D生產函數，是較為合理的。

　　值得一提的是，以收入水平代替勞動時間來統計的勞動投入量，盡管勞動人數增長相對較慢，但勞動投入還是在快速增長，這很大程度上是因為勞動收入中已經含有就業結構轉變、勞動效率乃至技術因素等的影響。一個數據層面的證據就是全要素生產率（TFP）的測算。我們在《中國潛在經濟增速初探》中以勞動人數代替勞動投入量，測算的TFP增速與國家統計局公布的“國家全員勞動生產率同比”走勢較為一致。而當我們將勞動收入因子x勞動人數作為勞動投入量，測算的TFP與國家全員勞動生產率同比走勢出現較大差異。這就說明勞動收入中含有一部分勞動生產率的信息。也就是說，盡管以勞動收入因子x勞動人數代替勞動投入量，能夠測得一個較為合理的勞動收入份額β，但這種方法可能干擾對全要素生產率（TFP）的估計。因此，綜合來看選擇非農產業勞動人數作為勞動投入量可能是一個較好的方式。

　　2

　　劉易斯拐點在中國

　　我們在重測勞動收入份額的同時，注意到農業收入水平和非農產業收入水平的實際增速都有較明顯的分段。1978-2001年農業收入同比增速平均約為7.4%，并且波動幅度較大，2002年后農業收入增速回穩，2002-2022年均增速提升至7.9%并且波動幅度明顯變小；類似的，1978-2001年非農產業收入水平增速的波動性較強，且整體增速偏低，年均增長5.7%；2002-2022年非農產業收入水平增長趨于穩定，增速中樞提升至7.8%。

　　1978年-2002年農業與非農產業收入的震蕩一定程度折射了農業勞動人口與非農勞動人口頻繁的相互轉移。1991年后農業就業人數就已開始明顯下降，一定程度體現了開放條件下高速工業化對轉移勞動力的大規模吸納，農業剩余勞動力趨于不斷減少。1997年-2002年非農就業人員和農業就業人員人數基本打平。

　　2002年后農業與非農產業收入增速均趨于穩定，且整體中樞有所上行，一定程度已經是劉易斯拐點的特征。實際上2002年之后，我國的非農就業人數徹底超過農業就業人數并且不斷增長，而農業就業人數快速減少，就業結構持續改善。另一方面快速的人口轉變也使得勞動年齡人口的增長接近尾聲，勞動力供給能力漸趨羸弱。從2004年開始，沿海地區出現“民工荒”現象，隨后更在全國范圍內蔓延開來，演變為普遍性的勞動力短缺。按照二元經濟發展理論，當勞動力轉移到達這樣的階段，雖然勞動力并沒有出現絕對的不足，但是雇主開始通過提高工資水平來吸引工人，因而引起普通勞動者工資的普遍和持續上漲，這就是劉易斯轉折點到來的典型表現（蔡昉，2022）。

　　總的來看，劉易斯拐點在國內的出現大致在2004年前后，表現為農業剩余勞動力基本全部轉移入非農產業，全部勞動工資普遍穩定上漲。而這也啟示我們，在分析勞動、資本對經濟增長貢獻的時候應該分時段考慮。

　　2.1分階段測算勞動收入份額

　　我們以2004年為界，將1978年至今的數據分成兩階段，繼續用C-D函數模型測算各階段的資本收入份額α與勞動收入份額β。

　　對于資本投入K，我們依然維持《中國潛在經濟增速初探》核心假設，僅將折舊率5%小幅調升至7.5%。

　　對于勞動投入L，我們采用國家統計局公布的第二、第三產業勞動力人數之和（即非農就業人數）作為勞動投入量，并且對1980-1989年就業數據做平滑處理。

　　測算結果如下：

　　1978-2003年：α=0.89，β=0.11，R2=0.9967，D.W．=0.8530

　　2004-2022年：α=0.63，β=0.37，R2=0.9952，D.W．=0.5801

　　（1978-2022年：α=0.74，β=0.26，R2=0.9992，D.W．=1.0333）

　　在兩階段增長模型下，我們測算的全要素生產率在走勢上與國家統計局公布的國家全員勞動生產率同比較為接近，而數值上與荷蘭格羅寧根大學測算的較為接近。我們認為可以較好地衡量1978年以來我國全要素生產率的增長。

　　同時這一結果表明，2004年以后隨著農村剩余勞動基本全部轉移到非農產業，我國經濟增長中的勞動收入份額已經明顯提高。這也在提示我們，若將1978-2022年的平均資本/勞動收入份額作為參數，預測未來的經濟潛在增長速度并不合理。采用2004-2022年的資本/勞動收入份額進行未來一段時間的預測應是較為理想的方式。

　　2.2潛在經濟增速測算

　　對于資本投入、勞動投入和全要素生產率的預測，我們基本維持《中國潛在經濟增速初探》的方法。并且結合2004-1978年的α、β值，計算得出2022-2030年潛在經濟增長率。未來一段時間，資本存量增長將仍是經濟增長的重要貢獻力量；關于勞動力投入增長，整體全國勞動人口數量增速放緩趨勢仍將主導。雖然二孩政策全面放開，但在沒有轉化為實際勞動力前，勞動力增長對經濟增長的貢獻會持續減弱。預測結果顯示，“十四五”期間，我國潛在經濟增長率可能在4.7%-5.2%之間，2023年、2024年分別為5.1%和4.9%。

　　劉哲希、陳彥斌在《“十四五”時期中國經濟潛在增速測算》中提到，中國要到2035年基本實現社會主義現代化，那么2020—2035年年均 GDP 實際增速要保持在4.8%左右，“十四五”時期中國經濟增速至少要在 5%以上，理想情況下應保持在 5.5%左右。我們認為，要維持較高速增長，就勢必要求TFP增速維持較高水平。

　　反觀過去幾年，我國TFP一直處于相對較低速度。當前中國經濟轉型進入關鍵時期，面臨著從粗放到精細，從債務推動到技術推動的重大轉變。我們認為當務之急就是加快改革步伐，在制度層面釋放更多生產率。我們在2023年9月發布的《中美分化，政策相背——四季度經濟展望》指出，推動高質量發展、穩住潛在經濟增速需要進一步掃清“障礙”，更廣泛的改革亟待鋪開，高水平對外開放也值得期待。提示關注新型城鎮化、央地財權事權改革在內的“更廣泛的改革”，以制度型開放為重點的高水平對外開放。

　　風險提示

　　潛在經濟增速測算可能存在誤差；未來經濟潛在增速的測算存在較多假設變量，假設變量可能與實際數值不符的風險；國內宏觀經濟政策不及預期；信用事件集中爆發。

　　腳注：

　　[1]勞動人數單位為億人，勞動收入因子取1978年=1，本文我們將勞動人數x勞動收入因子單位定為“億人員當量”。

　　[2] 對于資本投入，我們將《中國潛在經濟增速初探》中選取的折舊率5%小幅調升至7.5%，其余核心假設維持不變，將1978-2022年經濟產出、資本投入量、勞動投入量數據代入原模型，測算資本收入份額α和勞動收入份額β。

　　參考文獻：

　　[1]王滿倉，吳登凱．中國經濟高質量發展的潛在增長率研究[J]．西安財經大學學報，2021，34（01）：19-27.DOI：10.19331/j.cnki.jxufe.20210114.003．

　　[2]劉云霞，趙昱焜，曾五一．關于中國全要素生產率測度的研究——基于一階差分對數模型和有效資本存量的再測算[J]．統計研究，2021，38（12）：77-88．

　　[3]盛來運，李拓，毛盛勇等．中國全要素生產率測算與經濟增長前景預測[J]．統計與信息論壇，2018，33（12）：3-11．

　　[4]李小克，李小平．中國全要素生產率演變的測度和多重效應分解：偏向性技術進步視角[J]．經濟研究，2022，57（04）：191-208．

　　[5]馬曉玲，蒙衛華．“十四五”時期廣東潛在經濟增長率研究——基于生產函數法的預測[J]．廣東經濟，2019（07）：72-77．

　　[6] 蔡 昉 ． 劉 易 斯 轉 折 點 — — 中 國 經 濟 發 展 階 段 的 標 識 性 變 化 [J]． 經 濟 研究，2022（01）：16-22．

　　[7]劉哲希，陳彥斌．“十四五”時期中國經濟潛在增速測算——兼論跨越“中等收入陷阱”[J]．改革，2020（10）：33-49．

　　(本文作者介紹：經濟學者)