1.基于超越对数函数的随机前沿模型

关于TFP分解的测度方法一般有两种：以随机前沿模型为代表的参数方法和以数据包脉分析为代表的非参数方法。前者将生产前沿看作是随机的，需要构建一定的生产函数形式，后者通过数学线性规划将生产前沿固定，无须设定生产函数。但由于随机前沿模型可以对参数进行检验，且能有效避免随机误差等因素对整体结果的干扰，更符合现实情况，因此选用随机前沿模型，其一般形式如下：

yit=f(xit，t)exp(vit－uit)

其中，α，β，ρ为待估计变量的系数，tlnxitj要素投入与时间趋势的交叉项。按照Kumbhakar（2000）的分解，根据所得的参数估计量，可将TFP增长率分解为TCit、TECit、SECit和AECit四个部分（表3-1）。

表3-1　全要素生产率分解表达式及含义

注：sitj为资本利润和劳动报酬占产出的份额，利用收入法核算的国内生产总值的数据，从国内生产总值中扣除固定资产折旧和生产税净额得到国内生产净值，然后分别用营业余额和劳动者报酬除以国内生产净值，得到资本份额和劳动报酬份额。但由于没有相应的城市的数据，考虑资本份额和劳动报酬份额相对稳定，此处通过计算历年广东省全省的资本份额和劳动份额平均值，分别为0.3191和0.6809，以此计算配置效率改进。

其中，RSTit表示规模弹性之和，λitj（j=1，2）分别为两种要素的规模弹性：

全要素生产率增长的分解，在剔除规模效率改进和配置效率改进后，以技术进步率和技术效率变化来衡量创新驱动经济增长的贡献率，即创新驱动的经济产出，记作Yide，经济增长率记为GGDP，两者的比值表示科技创新与技术进步所驱动的经济增长对区域实际经济增长的贡献度。计算式为：

IDE=Yide/GGDP

2006年是我国进入自主创新的关键年，这一年，《国家中长期科学和技术发展规划纲要（2006—2020）》^[1]颁布，按照国家自主创新的战略部署，广东省率先出台《广东省促进自主创新若干政策》^[2]，广东省自主创新进入全新阶段。因此，本节采用2006—2015年广东省21个地级及以上市的数据，其中产出变量采用各市实际地区生产总值（亿元），投入因素分为资本投入和劳动力投入，分别以各市的资本存量（亿元）和全社会从业人员数（万人）表示，数据来源历年《广东统计年鉴》。(www.daowen.com)

2.测度结果

2006—2015年，全省的创新驱动效率均值为0.5971，分地区来看，创新驱动效率均值从高到低依次是：珠三角（0.8200）—粤北（0.4896）—粤东（0.4122）—粤西（0.3555）。与技术进步排序一致：珠三角（0.0833）—粤北（0.0383）—粤东（0.0356）—粤西（0.0301），其中，珠江三角洲地区技术进步对TFP增长率的贡献度最大。究其原因，创新活动的顺利开展与各地区的经济基础、发展条件和资源优势密切关系。珠江三角洲地区创新基础水平较高，在吸引资本、人才、环境等资源上具有相对优势，因此技术进步的幅度较大是合乎常规的。相反，粤东西北地区在人才和环境各方面处于相对劣势，促进技术进步的科研投入力度也相对薄弱，尽管技术在不断进步，但明显低于珠江三角洲地区。然而，在技术效率方面，珠江三角洲地区技术效率改善幅度较小，究其原因，珠江三角洲地区的技术创新基础较好，其效率改善的空间相对较小，因此表现为对TFP增长的贡献不是很大；而粤东西北地区，技术效率的改善均高于TFP增长率，对其促进作用较为明显，由于这些地区经济欠发达，技术也较为滞后，其技术效率改善的空间较大。

图3-3直观地显示全省及分地区TFP增长率的构成。整体而言，TFP增长率主要依赖技术进步与配置效率改进，技术效率改进对TFP增长率的贡献较小，而规模效率在很大程度上阻碍TFP增长的势头。

图3-3　广东全省与分地区TFP增长率及创新驱动效率