凡是搞计量经济的，都关注这个号了
稿件：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
正文
关于下方文字内容，作者：赵雪梅，华中科技大学经济学院，通信邮箱：m202174308@hust.edu.cn
Chang-Tai Hsieh, Peter J. Klenow, Misallocation and Manufacturing TFP in China and India, The Quarterly Journal of Economics, Volume 124, Issue 4, November 2009, Pages 1403–1448, https://doi.org/10.1162/qjec.2009.124.4.1403Resource misallocation can lower aggregate total factor productivity (TFP).We use microdata on manufacturing establishments to quantify the potential extent of misallocation in China and India versus the United States. We measure sizable gaps in marginal products of labor and capital across plants within narrowly defined industries in China and India compared with the United States. When capital and labor are hypothetically reallocated to equalize marginal products to the extent observed in the United States, we calculate manufacturing TFP gains of 30%–50% in China and 40%–60% in India.
一，摘要
我们使用制造企业的微观数据来量化中国和印度与美国的潜在错配程度。与美国相比，我们测量了中国和印度狭义行业内不同工厂之间劳动力和资本边际产品的巨大差距。假设资本和劳动力被重新分配以使边际产品到美国被观察到的程度时，计算可得，中国制造业 TFP 将增长 30%–50%，印度将增长 40%–60%。二，引言
1. 问题引出
TFP的差距是穷国富国之间人均产出差异巨大的重要原因，而TFP为何存在差距？是本文要探索的问题。已有研究多认为，根源问题在于企业内部技术差异，从而拓展到部门、国家之间的差距。然而，最新的研究提出了一个新的视角，并没有关注代表性企业的效率，而是认为企业间的资源配置不当会对总体TFP产生影响，举例说明了资本的错误配置导致人均总产出和全要素生产率低下。许多机构和政策都可能带来潜在的资源错配，麦肯锡研究所在全球范围内给出了许多案例。2. 研究过程
1）研究目的
2）关键模型与测度
本文主要使用异质企业的垄断竞争的标准模型来反应企业之间劳动力和资本的扭曲，从而降低的TFP。在测度上，利用收益生产率（物质价格*产出价格）来衡量不同企业间的扭曲。3）研究思路
本文建立研究框架对资源错配影响TFP的贡献率在中、印与美国之间进行对比。中印两国在体量和发展阶段上具有较高参考价值，以配置相对未扭曲的美国为基准能够在一定程度上减小测量误差。本文采用中国工业调查、印度工业年度调查和美国制造业普查数据，分析了三国的四位数制造业之间劳动力和资本的离散程度。随后，本文计算了如果中、印两国的劳动力与资本能够在四位数制造业中重新配置使边际产出以达到美国的被观测的水平，两国的制造业总产值分别能增加的程度。4）研究结论
研究发现，如果中国达到美国基准，TFP会增加30%-50%；如果印度达到美国基准，增加比例是40%-60%；此外，在中国和印度，大工厂的边际产品比小工厂更高，说明两国以牺牲小工厂为代价在进行制造业扩张。3. 主要参考
1）Restuccia and Rogerson (2008)的模型与方法（与本文最贴合）。2）Chari, Kehoe, and McGrattan (2007)的一阶条件下残差失真。3）Foster, Haltiwanger, and Syverson (2008)强调的企业生产率与物质生产率之间的区别。三） Banerjee and Duflo (2005)将资源错配与TFP相联系的研究思路。三，资源错配与TFP：理论模型
在这种特殊情况下，扭曲对总TFP的负面影响可以用对数TFP的方差来表示。直观上，当边际产品分布更分散时，错配的程度更严重。3. 模型启示和重要Tips
只要平均边际收入产品不变，劳动和资本在每个行业的总份额不受错配程度的影响。l 全部的推导是以总资本固定为条件的。因为租金率随着总TFP的上升而上升，我们预计资本会对总TFP做出反应(即使是在固定的储蓄和投资率下)。四，中、印、美三国数据集
1. 中国数据集
l 数据来源：国家统计局工业年鉴（样本是企业而非工厂，与印度区分）。l 抽样方法：囊括所有营业收入在人民币500万元（约60万美元）以上的非国有企业和所有国有企业。。l 数据跨度：1998年至2005年。原始数据中，1998年有超过10万家公司，到2005年增长到超过20万家。l 使用变量：工厂所属行业（4位数的编码）、年龄（以成立年为基准）、所有l 价值、出口收入和资本存量。资本存量即为固定资本扣除折旧后的账面价值。至于劳动补偿，中国的数据只报告了工资支付，但是工厂级数据中的劳动收入占比中值约为30%（大大低于中国投入产出表和国民核算中制造业劳动收入占比的总和）。因此，假设非工资的福利是工厂工资补偿的一个常数部分，其中调整因素的计算方法是，所有工厂的估算福利和工资之和等于总增加值的50%（与宏观数据相对应）。2. 印度数据集
l 数据来源：印度政府中央统计机构的印度统计数据——ASI。ASI是印度所有注册制造业工厂的普查数据。l 抽样方法：选择超过50名工人（如果没有电，则为100名工人）的全部工厂和随机抽取超过10名工人（如果没有电，20名工人）但少于50名（无电为100名工人）工厂总体的三分之一。l 计算方法：对样本数据使用抽样权值，以反应总体情况。l 数据跨度：1987-1988到1994-1995，原始数据包含约四万个工厂（每年）。l 使用变量：工厂所属行业（4位数的编码）、劳动报酬、附加价值、年龄（以成立年为基准）、固定资本股票的账面价值、所有权等。我们衡量劳动报酬的标准是工资、奖金和福利的总和。对于固定资本账面价值的计算，涉及到折旧问题——ASI在会计年度的开始和结束时分别报告固定资本的账面价值减去折，本文对年末、年初值取平均。3. 美国数据集
l 数据来源：美国人口普查局公布的制造业普查数据。l 数据跨度：1977年、1982年、1987年、1992年和1997年的制造业普查数据，但是在数据清理环节剔除了生产数据缺失较多的小型工厂。每年剩余样本超16万个。l 使用变量：工厂所属行业(同样是4位数代码)、劳动报酬（工资和福利）、附加价值、出口收入、资本存量。数据1%截尾。五，再分配的潜在收益
为了计算资源错配的影响，需要从第四部分提到的数据中集提取关键参数（行业产出份额、行业资本份额和企业特定扭曲）。本节阐述了具体的操作。1. 关键参数设置
需要注意的是，对所有数据进行了缩尾处理，剔除了相关变量最大值、最小值的1%。3. 图表分析
1）TFPQ与TFPR的分布
Figure 1 展示了用三国数据集最新数据绘制的的关系图像。可以见得：1）印度的TFPQ分散度明显高于中国，但这可能反映了不同的抽样框架（在中国的调查中，样本基本没有囊括小型私营工厂或企业）。因此，美国和印度的样本更具可比性。2）印度数据的左尾比美国要厚得多，与现实中印度相对于美国更有利于低效率工厂生存的情况是一致的。3）使用分位数进行稳健性检验结果一致（原文表1）。4）文章对于美国的TFPQ的测量值比已有文献要大。
Figure 2展示了用三国数据集最新数据绘制的TFPR的分布图像。可以得出如下结论：1）印度的TFPR分散程度最高。2）中国的分散程度（即使没有考虑体量较小的企业）仍然大于美国。3）稳健性检验（原文表2）显示，印度、中国的扭曲程度确大于美国。2）因子贡献率
表3给出了对于 印度和中国而言，所有权、年龄、规模和地区所解释的TFPR方差的累积百分比。所有权对印度而言没有对中国而言重要。四个变量的贡献率（解释程度）加在一起占印度TFPR方差的不到5%，占中国TFPR方差的近10%，解释力度较低。3）有效产出
根据边际产品相等时的，计算实际产出与有效产出之比。假定每个 产业中各个工厂的TFPR相等，可以计算TFP增长的比例为：
可知，中国的TFP将增长87%-115%，印度将增长100%-128%，美国将增长31%-43%。相比于印度和中国，美国的误差依然是最小的。
Figure 3绘制了最近一年工厂的有效规模和实际规模分布（以工厂的附加价值衡量）。在这三个国家，假设的有效的分配规模要比实际的分散得多。特别是，应该减少中型工厂，增加小型和大型工厂。表5显示了如果每个国家的TFPR相等，最初的大工厂和小工厂的规模将如何变化。这些条目是未加权的植物份额。
表5显示了三个国家的TFPR相等时，大工厂和小工厂的规模将如何变化。总的来说，因此，与美国相比，中国和印度的TFPR随规模的增长强度更大。在表6中，报告了1997年数据中，使中国和印度的TFPR与美国相等时，TFP增长的百分比（选择1997年为基准是因为美国当年TFPR最大）。对中国来说，假设向美国看齐效率，可能会使其TFP在1998年提高50%，2001年提高37%，2005年提高31%。与1997年的美国基准相比，中国的配置效率从1998年到2005年提高了15%(1.5/1.3)，或每年提高2.0%。与此同时，假设印度拥有美国的效率，那么印度的TFP在1987年或1991年可能提高了约40%，在1994年提高了59%。因此，没有发现1987年至1994年印度增加TFP的证据。从1987年到1994年，配置效率下降12%，或每年下降1.8%。4）总结
l 对于印度来说，资源错配的证据可能有助于解释其TFP增长在三国中最低的现象。l 资源分配不当可能导致了美国和中国之间约49%的TFP差距，以及美国和印度之间约35%的TFP差距。l 当资本积累以保持资本租金不变时，产出收益会被放大。l 计算过程中，理论上，可能低估了不同工厂之间TFPR的差异。但是，稳健性检验中，分配收益更小。因此，工资差异可能是放大而不是限制了TFPR的差异。l 假设产业内的替代弹性(σ)为3，比较保守。我们的结果对我们假设的部门之间的单一替代弹性不那么敏感。l 当部门产出替代性更高的时候，投入被重新分配到生产率提高更大的部门，以使总TFP增加更多。六， 测量误差
上文测量的潜在效率增益可能只是中国和印度数据比美国数据更大的测量误差的假象。本节尝试衡量我上述结果是否可以归因于特定形式的测量误差。1.极端异常值
首先将TFPQ和TFPR1%尾部（总观测值的6%）进行了截断；然后截断2%的尾部（12%的观测值）时，估算的中国TFP收益在2005年从87%下降到69%，在1994年印度从128%下降到106%。因此，1%尾部的测量误差可能很重要，但无法解释均衡TFPR带来的巨大收益。2.内部分布误差
TFPR与所有权属存在内在关联。在中国，国有工厂表现出低41%的TFPR，好像他们在低盈利的情况下获得补贴，也能继续运营。外资工厂的TFPQ平均高23%，但TFPR平均低13%——后者可反映出口加工企业更容易获得信贷或优惠待遇。与这一解释一致的是，出口工厂的TFPQ高46%，但TFPR低14%。在美国，出口商有类似的TFPQ优势(50%)，但显示出更高而饿TFPR。3.TFP与工厂退出的关联性
有人认为，对于退出者来说，实际TFPR会更低。如果在中国和印度测量TFRR时误差较大，则工厂退出对TFPR的回归系数应为负。实证结果确实证明了低TFPR与高退出率相关。TFPQ与工厂退出呈现同样的关系。4.工厂收益投入的经典测量误差
如果收入和投入的百分比误差彼此不相关，并且所有国家的真实弹性相同，那么当我们对log收入和log投入进行回归时，我们期望中国和印度的系数更低，反之亦然。回归结果中，投入与收入的弹性在印度是0.96，在中国是0.98，而在美国是1.01。这些系数表明，更大的经典测量误差可能会使印度的对数收入的方差增加5%，使中国的方差增加3%。收入相对于投入的弹性在中国是0.82，在印度是0.90，在美国是0.82。这些系数表明，传统测量误差对中国和美国的对数输入方差的影响相同，但实际上使印度的方差相对于美国降低了10%。把双向回归放在一起，更大的经典测量可能导致中国的TFPR的更高方差，但在印度不然。以上证据说明，中国和印度相对于美国有更大的测量误差。
完全均衡的TFPR水平带来的TFP收益在2005年中国从OLS下的87%下降到IV下的72%，在1994年印度从127%下降到108%，在1997年美国从43%下降到26%。按照这个标准，在美国，测量误差在收益中所占的比例比在中国或印度要大得多。当然，也有可能是测量误差比真正的TFPR更持久。总而言之，本小节讨论的误差是非决定性的。七，政策与错配
上节讨论了在本文图表结果中，可能由测量误差导致的部分。本节关注如果TFPR离散度是真实的，而不是测量误差的副产品，将TFPR差距与明确的政府政策联系起来。具体而言，将TFPR在中国的分散与工厂的国有制联系起来，并将TFPR在印度的分散与许可证和规模限制联系起来。1. 中国的企业国有制
根据整理的信息，表中国国有工厂的百分比为——1998年为29%，2001年为19%，2005年为8%(在印度，国营工厂所占比例从1987年的12%下降到1994年的8%，下降幅度较小)。据统计，中国国有工厂与私营工厂的TFPR相比约低40%。于是，将logTFPR的行业差异对国有工厂的比例进行回归分析。结果显示，在1998年和2001年，这种关系是正且显著的；2005年，关系不显著。仅在所有权属内部平衡TFPR时，1998年的收益下降了8.2%，2005年下降了2.4%。——从1998年到2005年，中国再分配的潜在收益减少了15%，有39%(5.8/15.0)来自国有企业和其他工厂之间不断缩小的TFPR差距。2. 印度的许可证和规模限制
在印度，行业内的分配不当通常归因于许可证和规模限制，这些扭曲可能会阻止高效的工厂实现最佳规模，并使低效工厂无法缩小规模或退出。原文回归结果显示，1991年解散的工长表现出较少的TFPR分散性，但1991年以后的情况并不特别明显，原因可能是许多细分行业仍然受制于规模限制。在受规模限制的行业内，TFPR的方差更大。1991年细化的面临规模限制的行业从1991年开始确实表现出更多的TFPR离散性。从1991年起，没有受到规模限制的行业确实表现出较低的TFPR，但不是显著的。印度的许可限制可能会特别限制工厂在效率提高时获取投入物的能力。如果是这样，那么可以预期TFPQ升高的工厂具有更高的TFPR，但在许可限制前比许可限制后更高。对于1991年颁布法令的印度工业，下图绘制了平均对数TFPR与对数TFPQ增长率百分比之间的关系。正如预测的那样，这种关系是正向的，且在许可限制后更加明显。
八，其他可能的解释
除了政策扭曲和测量误差之外，还可能考虑的因素有：工厂规模、调整成本、未观察到的投资(如研发)和行业内不同的资本弹性而变化的加成率。这些因素肯定对TFP有影响，但是本文主要关注其是否能够解释中、印比美国更离散的TFPR分布。1. 工厂规模加价
前文分析中假定，所有商品在行业内(更不用说跨行业)具有相同的加价。然而，实际情况中，大型工厂的加价可能更高，而且我们中国和印度的数据可能比美国数据的规模分散性更大。当然，加价也是扭曲的，但它们的差异可能并不完全反映出两国之间的政策差异。下图显示，在印度，TFPR在工厂大小百分比(附加值)中显著增加，在中国工厂大小中略微增加，在美国随着工厂大小而减少。如果线性需求适用于所有地方，那么在美国TFPR也应该随着规模的增加而增加。因此，工厂规模加价是一个可能的解释。
2. 调整成本
由于调整成本，初创期的工厂的平均TFPR可能更高。如果中国和印度工厂在生产年龄上的差异也大于美国工厂，那么按生产年龄调整成本的差异可能会导致中国和印度的TFPR分布更广。3. 未观察到的投资
低TFPR可能反映了实践学习或其他未观察到的投资(研发、建立客户基础)，而不是扭曲。如果是这样，那么我们预计低TFPR的工厂随后会表现出较高的TFPQ生长。下图精确地显示了美国的这种模式，但在中国和印度则相反。
因此，中国和印度未被观察到的工厂投资差异比美国更大。4. 资本份额的行业异质性
前文从产业内资本-劳动比率的变化中推断出相对扭曲。在另一个极端，人们可以将行业内这些比率的所有变化归因于特定于工厂的资本份额。九，结论
l 使中国、印度的配置以美国为基准进行均衡，中国的TFP将提高30% - 50%，印度提高40% - 60%。l 有许多错配以外的可能性需要注意，例如测量误差、政策影响等。l 忽略了扭曲对工厂的建立、退出的潜在影响，后续研究中有待完善。
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。