1.2.3
产业政策实施效果的含义

本书研究的产业政策仅限于制造业，不包含农业、服务业以及工业中采掘业、建筑业等行业中的产业政策。中国产业政策的主要目标是：引导产业发展方向，提升产业技术水平和国际竞争力。以传统产业为例，中央政府的产业政策目标旨在鼓励和支持发展先进生产能力，限制和淘汰落后生产能力，防止盲目投资和低水平重复建设，推进产业结构优化升级。[1]借鉴Aghion et al（2015）、勃兰特（201-6）的做法，本书用产业内企业层面的全要素生产率均值来衡量产业政策预期目标的实现程度。因而，本书中的产业政策实施效果是指产业政策作用于特定产业中的企业并使企业全要素生产率（Total Factor Productivity,TFP）提高的程度，即基于目标产业相关数据通过回归估计得到的产业政策对企业TFP均值的影响系数。相应地，产业政策对企业TFP均值（正向）作用系数的增加视之为产业政策实施效果的优化。

在索洛经济增长核算框架下，全要素生产率（TFP）为扣除资本、劳动力等有形生产要素投入对生产率贡献后的余量，又称为“索洛余值”。全要素生产率的差异反映了生产函数等产量线的移动，即在给定要素组合下的产出变化。常用的计算方法有数据包络分析（Data Envel-opment Analysis,DEA）、随机前沿分析（Stochastic Frontier Analy-sis,SFA）、参数线性回归估计，以及半参数OP（Olley-Pakes）方法、LP（Levinsohn-Petrin）方法。不同的方法各有优缺点，并需要满足一定的适用条件。其中，OP、LP方法和参数线性回归估计均基于索洛经济增长核算框架，并且更加适用于企业层面全要素生产率的测算。对于产业层面的TFP，需要对企业层面的TFP进行加权求和。SFA方法的优点在于充分考虑了生产要素投入与产出之间的内生性；不足之处是仍然需要为生产函数指定一个函数形式。在本书中，企业层面的TFP主要通过LP方法进行测算。

传统上，通过OLS方法计算得到的TFP，由于生产要素投入可能受到产出的影响而发生波动，因而要素投入与产出之间可能存在内生性问题。Olley and Pakes（1-996）通过引入投资变量作为产出波动的代理变量，发展了OP方法。随后，Petrin et al（2004）指出，应用OP方法估计生产函数仍然存在两个问题：第一，投资形成资本存量，而资本存量的变动会引起成本的变动，从而影响了用投资变量作为产出冲击代理变量的有效性，违反了代理变量的单调性条件；第二，从数据本身来看，投资变量可能是截断数据，从而导致对系数的估计出现偏误。在OP方法的基础上，Levinsohn and Petrin发展了LP方法，改用中间投入作为产出波动的代理变量。

LP方法假设企业的生产技术服从柯布道格拉斯生产函数，即

在式（1-1）中，Yit为i企业t年的工业增加值，Ait为企业的技术水平，、、分别为i企业在t年的劳动力、资本和中间投入，α、β、γ分别为劳动力、资本和中间投入的产出弹性。

对式（1-1）的两边取对数，得到计量模型：

yit=β0+β1kit+β2lit+β3mit+ωit+μit

（1-2）

在式（1-2）中，yit、kit、lit、mit分别为产出、资本、劳动和中间投入的对数，ωit为影响产出的随机冲击变量，β0和ωit之和为全要素生产率，μit为服从独立同分布假定的误差项。因mit与kit、ωit有关，故mit可以表示为：mit=mit（kit，ωit），则ωit=ωit（kit，mit），将其带入式（1-2）得：

yit=β1lit+φit（kit，mit）+μit

（1-3）

其中，φit（kit，mit）=β0+β2kit+β3mit+ωit（kit，mit），为非参数估计量。参照Robinson（1988）的做法，对式（1-3）中参数估计分两步进行：

第一步，估计可调节变量——劳动力的产出弹性。通过式（1-3）得到预期方程：

E[yit|mit，kit]=E[lit|mit，kit]）β1+φit（kit，mit）

（1-4）

用式（1-3）减去式（1-4）得：

yit-E[yit|mit，kit]=（lit-E[lit|mit，kit]）β1+μit）

（1-5）

由于式（1-5）消去了非参数估计量，并且已知μit服从独立同分布假设，因此可以运用OLS（Ordinary Least Squares）方法估计出β1。

第二步，估计状态变量——资本及中间投入的产出弹性。运用第一步估计的结果构建新的估计方程如下：

假定ωit服从一阶马科维茨过程，表示为ωit=E[ωit|ωit-1]+η。进一步，可以将式（1-6）转化为

其中，g（ωit-1）=β0+E[ωit|ωit-1]，=μit+η。

对式（1-7）我们通过增加约束条件[2]运用与第一步中相似的方法求出β2和β3，从而计算出索洛残差，并得到企业层面的全要素生产率。