我们对式（5）和式（6）分别运用面板固定效应模型（FE）和随机效应模型（RE）进行回归，并通过Hausman检验来判断具体使用哪个模型。同时，考虑到在最终产出可能会存在一定的效率损失，我们进一步采用面板随机边界模型（SFA）来进行分析，具体的回归结果如下：

表2　模型回归结果

续表

注：Standard errors in parentheses：***p＜0.01，**p＜0.05，*p＜0.1。(www.daowen.com)

通过Hausman检验的P值看出，两个模型都适合采用固定效应模型来进行估计，而两个模型的组内R2分别达到了0.983和0.984，同时，各变量系数均显著，说明两个模型的拟合效果很好。同时，从SFA模型估计结果来看，两个模型的估计结果与采用固定效应模型时的估计结果类似，进一步证明了模型的稳健性。

从模型1和模型2的估计结果来看，可得出以下结论：第一，代表技术水平的logA系数虽然为正，但其产出弹性明显小于其他要素，这表明技术提升对增长的贡献明显小于要素贡献。第二，所有结构变化对要素产出弹性的影响都显著为正，但在劳动投入结构中，第三产业就业比重提升对劳动产出弹性的正向影响最大，而第三产业就业比重提升对劳动产出弹性的正向影响最小；在资本投入结构中，第一产业资本投入比重提升对资本产出弹性的正向影响最大，而第三产业资本投入比重对资本产出弹性的正向影响最小；在人力资本结构中，模型1得出的结论是，高级人力资本比重提升对人力资本产出弹性的正向影响要远大于一般人力资本比重提升对人力资本产出弹性的正向影响，模型2得出的结论是，随着受教育层次从高到低，各层次所占比例对人力资本产出弹性的积极影响依次递减，并且从高中往下呈现出负向影响，这主要是因为各教育层次比重变化呈现递增性，处于中间教育层次的比重变化具有一定随机性，很难判断其对人力资本产出弹性的真实作用。基于此，我们在后来的要素产出弹性和潜在增长率估算过程中将主要考虑使用模型1来进行估计。