2023年12月9日上午，北大国发院【朗润•格政】第176期暨北大国发院增长实验室成立揭牌仪式在承泽园举行。北大国发院经济学研究教授、国发院增长实验室主任伍晓鹰作“增长系列”首场讲座。

本文根据演讲内容整理。

我们为什么要深入研究经济增长？

现在深入研究中国经济增长的意义是什么？

经济增长实证研究中有哪些主要问题？

我们为什么要致力解决这些问题？

为什么很多实证研究的结果不一样？

上述问题引出研究中必须遵循的重要原则——“理论-方法-数据-测算一致性”原则。如何基于这个原则做研究，构建增长和生产率数据库？有哪些最新的实证结果和政策含义？这些是我今天会讲到的问题。

为什么要深入研究经济增长？

我们为什么要深入研究经济增长？美国著名经济学家罗伯特·卢卡斯说，经济增长是“一旦思考就不可能放下”的题目。我越研究，越认同这句话。我现在是放不下了，未来也将离不开这个题目。

我这里讲的“增长”是人均收入增长，不是总的GDP增长。人均收入增长是人类福祉之源，因为一切都由此而开始，没有这样的增长，就没有人类文明的进步。然而，增长并不是人类社会的必然现象，迄今为止不过二百年，大致始于麦迪森的“1820年转折”。

增长怎么来的？我们可以说增长始于交易，或交换。但是交易的出现并不只是由于存在剩余，很多经济体都可能有剩余，但并没有经济学意义上的导致真正市场交换的剩余。这里最关键的一点，剩余必须是源于自由人可以支配的剩余。这个定义有很深的含义，因为它包括最基本的权利问题。我们经常说市场扭曲了，为什么？其根本上是权利的扭曲，干预了公平竞争。交易需要一个基于规则的、平等和自由参与的、通过竞争及妥协，最终使所有参与者在利益上各得其所的制度，这个制度就是市场。

总结一下，市场是一个利益驱动的、竞争性的供给与需求网络，企业家是其中的灵魂。经济因为这样一个能促进自由竞争、自由企业生长的市场制度的扩张而增长。

按照麦迪森的数据，自由贸易资本主义在19世纪最终否定了重商主义。这是因为基于规则的自由竞争制度及其不断的纠错过程，使交易各方的市场规模可以持续扩张。这一点特别重要，因为如果没有这个条件，就不会有分工和专业化。正式由于有了这样的条件，才出现了内生性的分工和专业化，最终刺激推动了技术进步、工业革命、经济增长。

唯一试图挑战市场制度的就是20世纪以“苏东集团”为代表的中央计划制度。它在“冷战”中败北，不是运气不好，而是根本不可能胜出，因为其本质上也是一种重商主义，不知道大家是否同意这个观点。中央计划制度是一种通过政府权力强行改变要素相对成本以服务于国家利益的重商主义制度。麦迪森认为这个制度就是从损人利己出发，以害己收场。在这个制度里，官员取代了企业家，计划取代了自由生产和交易，相比真正的市场经济，这种制度安排既没有效率上的竞争力，也没有创新上的竞争力优势。

这种“增长的制度假说”可以被证伪吗？其他那些经常被提到的重要因素，如人口、资源、技术、政治等，或者它们的某些特定组合，是否可以成为增长的必要条件？增长可以被预测吗？制度呢？这些问题都是需要深入研究才能回答的。这就是我们为什么需要深入研究经济增长问题。

当前深入研究中国经济增长的意义

战后中国经济增长之路跌宕起伏，而市场化改革能够不失时机地吸收人类技术革命产生的成熟的商业化成果。无论以什么保守方法重新估算，1978年后的中国经济的确出现了长期的高增长，再创了1950至1980年代日本引领的东亚奇迹。但是全球金融危机后，中国经济也出现了持续的减速。

始于2020年初的三年新冠疫情加剧了减速。但是从我们的实证结果看，特别是从产业和要素贡献、投入结构和反映制度质量的TFP（全要素生产率）看，结构性/制度性的减速早已开始，与新冠疫情无关。

中国经济虽然看似“成功地”应对了两次颠覆性的外部市场冲击(1998、2008) 但是强势的“保增长”政策在一定程度上弱化了市场功能，固化了某些长期的结构扭曲问题。市场必然会有波动，投资者要从市场本身的波动当中学习，而“保增长”实际上关掉了市场的学习功能，结果让结构问题长期积累。

这种扭曲始自政府因追求增长速度对经济活动施加的过多干预，影响了从要素成本、资源配置、产业结构，再到收入分配、人口过程等诸多方面。持续的经济减速压缩了可能纠正扭曲的空间，反而鼓励了政府通过行政手段解决问题，结果可能进一步加重扭曲。

从另一个方面来看，纠正扭曲的困难也来自那些因长期扭曲所滋养的利益集团的阻力。但是不纠正扭曲就意味着中国经济无法面对市场的效率和创新压力，最终可能不得不放弃市场化。

这不是危言耸听，都与制度问题相关，是中国经济增长研究中无法绕过的大问题，也是其意义所在。如何通过我们构建的系统数据来建立特征事实，以辨认这些问题；如何结合整个政策和宏观大环境来理解这些问题；如何在理论上和实证上解释这些问题。这是当前对中国经济增长问题研究的挑战，也是意义所在。

中国经济增长研究中的三个主要问题

问题一：误解全要素生产率（TFP）。

TFP定义一个经济体的产出相对于其初级要素投入的效率关系。TFP增长反映效率的提高，本质上是无成本所得，是产出对效率提高的奖励。反之，TFP下降表明效率下降，是该经济体为效率损失付出的成本。

效率提高可能源于技术进步(排除研发成本)，或制度改善(包括管理、组织、法律、政策、政治)，也可能二者兼而有之(增长核算模型得到的是二者的净效果)。这还涉及到一个观念，政府非商业目的技术研发应该计入整体经济的成本，因为增长核算必须要服从商业目的，否则现在讨论的就是另外的问题。由于不能假定正常情况下会出现技术退步，所以如果出现TFP下降，其原因只能是制度退步导致的效率损失。

举例来看，先看新古典理论情景：新古典增长理论隐含地假定不存在制度问题，这是一个完美市场、零效率损失假定。它也假定现有制度可以与任何新技术完全兼容，满足其效率预期，即无成本地接受其制度冲击。所以TFP增长在这个意义上完全来自技术创新，也不会出现TFP下降。

但是，有一点值得注意，因为创新首先只在个别企业出现，不可能在所有的企业同时出现，而且在观察期（通常是一年）内只可能产生有限的传播，整体经济的TFP增长通常会极为缓慢。这是Jorgeson和Griliches在1967年提出的zero TFP hypothesis。随后大量的研究基本上证明了这一点，只要能够把投入更准确地计算出来，会发现整体经济平均TFP增长的贡献的确变小。这不是坏事，这是事实，也许它挑战了一直以来大家对于TFP的崇拜。

再看发展中经济体情景：由于制度改进（如改革、开放）的推动，也由于通过引进获得的技术属于适用型和成熟型的技术（有别于发达经济体的原创技术），技术进步和TFP改善的速度会明显快于(接近新古典情景的)发达经济体，但其对整体经济持续的效率影响只能通过适应新技术的、不断深入的制度改进才可能实现。

在这个意义上，TFP增长不可能是稳定的，极有可能会出现TFP下降，因为制度改进和改革开放是有阻力的，新技术与现有制度的矛盾所产生的新问题，以及旧技术、旧职业和旧部门及其利益集团的抵抗等都会成为阻力，导致进行中的制度改进停滞，甚至出现制度退步。

有两种流行的主要错误观点：一是认为TFP仅与创新有关，所以处于技术引进和模仿阶段的发展中经济体没有TFP增长，也不需要关注TFP指标；二是认为新技术内含于引进的设备之中，因此无法由TFP反映出来。问题是，不管新技术是引进还是模仿，是内含还是独立于设备，都是有成本的，都需要通过产出进行效率评价。这是一个很重要的基础问题，是任何一个企业家都要面对的根本问题，即必须通过产出来评价投入是否有效率，是否值得。这些错误观点显然违背了对经济增长的经济学理解。

问题二：忽视传统实际增长率估计方法中的偏差。

现行统计中假定中间投入和产成品价格变动一致的价格单平减(single deflation) 方法导致两个方向的“成本偏差”：道理很简单，其他因素不变，如果事实上的投入价格变动快于/慢于产出价格变动，就会高估/低估实际投入成本(因为低估/高估了投入价格)，从而低估/高估实际增加值。前一种情况如机器，特别是ICT设备制造业，后一种情况正好相反，如ICT集约使用的服务业。

现行统计中的行业或部门固定价格加总方法引进了“替代偏差”，这个方法使用某年固定价格，把各个部门都变成这个固定价格的价值，然后再把这样的值进行加总。它否定了事实上的价格变化会引起产出结构变化，也否定了市场上存在生产者成本最小化和购买者效用最大化行为，否定了这些行为所导致的要素和产品市场上事实上存在的竞争性选择或替代过程，引入了“替代偏差”，导致对基期以后/以前实际增长率的高估/低估。我做了各种方法的估算，也在课上带着研究生们进行了估算，这个偏差非常明显。

问题三：忽视初级要素异质性和APF框架下行业间要素成本差异。

行业之间有差异，要素之间也有差异，后者的差异是因为不同的生产率，因此不能简单用要素的自然单位替代其对经济活动的投入。举个例子，可不可以用当年简单的自然劳动就业人数代替劳动投入呢？肯定不可以。如果使用自然人数，那就引入了两个很强的假定：一是假定每个人的工作小时数是恒定的，而实际上每个人的小时集约度是不一样的，不仅各个时期不同，行业之间的差距也非常大。仅仅观察整体经济，WTO之后平均每个工人的实际工作小时迅速上升；二是假定不同类型或特质的劳动力的生产率是一样的，但实际上不同性别、教育、年龄，在不同行业工作的劳动力的生产率是不一样的。这就涉及复杂的如何将异质劳动力（劳动小时）同质化的问题，其本质上是如何将质转化成量的问题。

“理论-方法-数据-测算一致性”原则及数据库构建

如何解决这些问题？需要我的“理论-方法-数据-测算一致性”原则。我们的理论是新古典的增长模型，是其生产函数的部分。生产函数刻画了产出与初级要素的关系，一个是劳动，一个是资本。但是那个理论上的劳动并不是一个自然就业数量的概念，而是一个劳动投入的概念。这实际上要求我们必须将异质性劳动转化为同质性劳动，也就是乔根森（Jorgenson）常说的，把质（类型）的变化转化成量的变化，或者把“更好的要素”变成“更多的要素”。只有这样才可以满足理论上同质劳动的概念。

我们必须先确定一个满足理论所要求的方法，它决定了我们应该怎么测算，进而采集什么样的数据。现在很多研究者，特别是青年研究者在写论文的时候到处找劳动数据，获得了劳动自然就业量数据就满足了，实际上还远远不够。你如果没有对劳动数据进行过这样转换，其结果会有很大的差异，如果忽视了它，肯定会误测、误读中国经济增长和TFP变化。

投入产出表对我们研究者而言非常重要，不仅需要利用投入产出表构建我们的数据体系，建立与资本及劳动投入的内在一致的逻辑关系，还需要使用它进行正在兴起的网络分析。

与投入产出矩阵相对应，我们还需要资本和劳动矩阵。以劳动矩阵为例，它是一个非常复杂的矩阵体系。我们首先要建立一个至少四维的劳动人数矩阵，包括劳动者的性别、年龄、教育和行业特征（所以必须采集所有相关的普查、调查、报表的数据）。接下来，我们还需要一个与其对应的劳动小时矩阵，因为每个类型的劳动者的劳动小时集约度是不一样的。下一步更重要，我们还要建立一个报酬矩阵，相当于用这个报酬矩阵去购买那个小时矩阵。这个总的劳动报酬就是生产当年名义GDP的劳动成本，也就是劳动对当年经济活动所提供的服务。

具体怎么做？又要回到投入产出表，就是把收入矩阵里面劳动的那部分拿出来——我们假定这是正确的，假定当年的整个经济活动就是支付给劳动这么一笔钱，不管这个劳动矩阵中的劳动类型有多么复杂，我们必须要建立一个同样复杂的报酬矩阵，这样劳动投入的测算工作才算完成。资本矩阵也是同样道理，只是资本成本的计算更加复杂。

这就是我们基于“理论-方法-数据-测算一致性”原则所进行的数据工作。当然不可能做到完美，既无必要，也不可能。当然，如果没有这些年官方统计数据的改进，我们这样的工作就会更加困难。

大家很难想象整个过程需要经过多少年的反复努力。它是一个痛苦的过程，我们就是这样走过来的，现在可以说有了迄今最完整的、最令人满意的、可以涵盖改革以来40年的生产率数据库。同时，我还在继续做从1949年开始的针对整个计划经济时期的数据库，当然在行业上要少一些，但是必须保持可比性。另外一项工作时间跨度更大，从1870年开始，目的是建立一个可以解析中国工业化全过程150年的数据库。这项工作做了很长时间，困难很大，但是很有意义。

如何让这个数据库服务于政策和制度问题的讨论？制度没有办法直接量化，那么应该怎么做？我们的体系是一个生产系统，无法把其他与生产函数无关的变量加进来。制度不可能是其中统计上可以建立的系统性变量。也许我们可以量化货币政策和财政政策，这是一个有些过于大胆的问题，也是有潜力的。但现在还没有办法让制度变量直接进来。

让行业分组、时间分期为制度分析服务

如果感兴趣政策或制度问题，在现在的数据条件下，我们可以通过行业分组进行观察，这可能是目前最好的一种方法。

比如，我们可以把37个行业大致按照市场竞争程度进行分组，通过行业的上下游位置确定其与最终市场的距离，反过来这也就是和政府的距离。通过这样的分组方法，可以观察行业组由于不同的市场竞争程度或政府干预程度，而产生的不同的增长和效率表现。

以服务业为例，这里面有一个重要的分组问题。与通常排除“非市场服务业（政府、教育、卫生）”的做法不同，我们保留了“非市场服务业”，但是把它和“市场服务业”分开了。关于这个问题，我和乔根森曾有一次很重要的讨论。我注意到他们过去很多研究中把“非市场服务业”在整个系统中故意排除了，好多美国学者也这样做。我问他为什么？他说因为那些服务业的行为是非市场的。我认为这样的处理扭曲了整个经济体的资源重新配置，等于假定这个部门与整个经济的其他部门之间不存在资源流动。这个问题讨论了好几次，他后来觉得我的考虑是对的，而且他们现在的很多工作也已经包括了全部行业。

我们发现“非市场服务业”部门的增加值是负增长的，全要素生产率也是如此。我们使用了不同的数据和测算方案，最后的结果就是如此。通过不断地修改价格指数（用的都是统计局的资料），我们现在可以肯定地说这个部门的负增长所反映的就是成本上升问题，也就是Baumol所说的“成本病（cost disease）”问题。

分组先谈到这里，数据还可以分成不同的时间窗口，针对重要改革事件的影响。很多研究者对这样的政策或制度变化参照感兴趣，人民大学岳希明教授提到我的增长核算结果与整个中国经济的变化，与重要事件、重大冲击相契合的意义。他的建议也使我感到，这样做其实可以再次检查数据的可信度。

整个数据工作的统计观察

观察几个例子。

图1显示了不同平减方法下的中国GDP增长率。

红色线是国家统计局发表的中国经济实际增长率。大家平时所做的涉及增长率的研究，一般使用的都是这条线，它是基于价格单平减方法得到的。我们使用的是双平减方法。我们的基础数据也来自国家统计局，是其名义GDP数据。我们首先根据官方发表的生产者价格指数（PPI）和其他价格信息建立一个对应全部行业的生产者价格矩阵。这样，每个行业都有自己的生产者价格，在同一个矩阵里面，每一个行业都接受这个系统中的37个行业的投入，包括自身的投入（对角线），如果哪些行业没有，那就是零投入，但不会影响这个系统。所有37个行业自身的PPI就是这个行业面对的购买者价格——这是我们的假定，我们不得不忽略购买发生时的差价，但没有很大影响，最后再通过所购入行业的名义总产值权重加总，得到这个行业面对的购买者价格。

图中的蓝线就是对每个行业双平减后的增长率再进行Tornqvist指数法加总的结果，是标准的Divisia指数的离散替代。

简单总结一下两种平减方法的比较：一是我的结果凸显了外部冲击，这在官方数据中是看不到的；二是官方数据是平滑的，有些像移动平均数，而我的结果显示增长的波动更大；三是平均增长速度不一样，我估计的结果要比官方慢，官方数据估计40年的年平均增长率是9.5%，而我的估计是8.3%。尽管慢了些，但是仍然史无前例。事实上，即使那些被认为创造了战后增长奇迹的东亚经济体，也没有谁可以将其高速度维持40年。

双平减的结果对不同行业产生了不同的影响，不仅是因为多数行业的投入价格变动与产出价格不一致，更是因为行业之间不一致的程度很不同。

2021年我和国发院余昌华老师一起做了一个研究，依据ICT集约度分类，观察官方单平减和我们的双平减得出的不同增长率。我们的假说是，生产ICT设备的部门的投入价格下降的速度可能慢于其产出价格下降的速度，因为相对ICT产品，其中间投入品的生产率上升未必同样快，比如矿产品、服务业等等，所以价格下降较慢，甚至会出现价格上升。如果不考虑这种差异，就会扭曲估计。在这个例子中，就会低估ICT部门的实际增长率，结果的确如此。

服务业正好反过来，服务业的价格很高，因为服务业的增长在很大程度上是成本现象（如果可以准确剔除其价格变化中的质量因素）。为什么呢？因为制造业生产率上升最快，服务业跟不上，相对而言服务业就变贵了。现在大量的服务业越来越多地使用不断降价且功能还不断上升的ICT设备。这样，使用双平减方法后的变化正好反过来，服务业增长比官方的估计变慢了。

建筑业也是如此，是补贴问题。官方单平减结果是年平均增长10.6%，我们现在这样双平减一算才5.2%，丢了一半还多。统计局将部分成本计算成了实际增长率。

再观察图2这个关于劳动数据的例子。

注意，这个图还没有将劳动类型或质量变化进行同质化，只是自然就业人数和转化后的小时数。蓝色线代表就业人数，我把它叫做“政策线”，因为我们不允许轻易地解雇工人，至少疫情前是这样的。这是官方的就业数据。

红色线是总劳动小时数，我叫它“市场线”，正是这条线的变化才告诉我们市场发生了什么变化。这是一个很有意思的政治经济学问题。

最后一个观察，通过投入产出表的使用象限看看整体经济的投资问题，看看投资数据中的问题和调整的困难。我们把使用象限中的投资，即资本形成总额，以百分比分割，里面有这样几个部分，一部分是存货，一部分是房地产，再一部分就是图3红线以下面积，即规模以上制造业加资质以上服务业的固定资本形成。这是我们根据所有能够找到的信息建立起来的一条线，这样做我们就可以导出中间这个部分，虽然趋势上减小，但是没有清晰的规律。我们的工作是确定如何将这个缺失的部分分到各个行业。我们的逻辑要求我们必须做到这一点，必须和投入产出表对应。这是一个系统性的挑战。

1990年代前反常的存货值是长期以来的大问题，到目前我们还没有方法解决。大致可以说，在市场经济条件下，存货的表现应该是这样的，大概占比为3至5个百分点，接近1990年代晚期以后的情况。之前看起来就很离谱了，可以说计划经济的影响在这段时间非常明显，也可以说那是一个非常浪费的制度。我设想的一个解决方案是，把它变成整个经济的成本，消耗掉了或浪费掉了。但问题是怎么做。

观察和讨论实证结果

根据我们的实证方法得到的结果——我们使用一个可以整合全部行业生产率账户的、扩展的Jorgenson模型，先看一看整体经济的情况。

首先是图4的GDP年增长率，可以看到40年的趋势、波动、冲击等。在这个GDP背景上，我们让投资进来，这不是简单的资本存量，而是资本投入增长率，是资本为当年所有经济活动提供的服务的增长率。基本上可以看出，资本投入的增长并不一定带来GDP增长。最后十年（2008-2018）资本投入的下降与GDP增长变缓大致是同步的，非常明显。这也证明我们经济模式的问题是从2008年开始显现的。再加入劳动投入的变化，然后加入全要素生产率的变化，平均一下，可以看出全要素生产率已经长期为负。

有一种观点认为TFP没有什么好讲的，它与GDP增长同步，是顺周期的，可以观察到。但我怀疑这个逻辑。市场扩张时，一切都是大干快上，但是不一定有效率改进。不过，补贴可能会增加观察的困难。我的逻辑是，如果增长减速时存在严重的产能过剩，同时，如果“保增长”的政策空间在缩小，为了生存下去，企业必须修复自己的成本函数。

图5是行业和部门对GDP增长的贡献。这个表显示最主要的贡献者就是生产成品和半成品的制造业部门，它们是离市场较近，离政府较远的部门，特别是其中的成品部门。其他部门，除了较早时期的农业，乏善可陈。反映在图上的是一个百分比贡献图。这条红线是GDP每个时期的年平均增长率。服务业增长越来越快，这就是所谓Baumol Cost Disease（鲍莫尔成本病）。和历史上任何经济体的增长经验一样，我们的速度肯定要慢下来，不用大惊小怪。如果服务业扩张的同时GDP增长率也在上升，肯定是数据出了问题。但核心不是速度问题，而是效率问题。

再看图6关于要素的增长贡献。这里的资本项目，如设备、建筑、住宅，是蓝色系的，劳动是绿色系的，中间最亮的绿色是高技能的劳动，其它是中低技能劳动，已经出现了严重下降。整个情况来看，我们越来越依靠资本投入，代价就是效率损失，我们看到TFP增长（也在绿色系列）已经长期表现为负增长。

如果把全要素生产率增长进行解析，从各个行业加总内部看，仍然是成品和半成品制造业对TFP增长的贡献最大，足以和“东亚奇迹”的TFP表现相比，WTO之后达到了2.5左右。不过这个表现非常不稳定，整体经济最好的时期是农业改革时期。整体经济40年平均来看，全要素生产率是非常低的，平均年增长只有0.7%，这不是战后“东亚经济模式”的经验。我们用效率损失换来了更长期的高速增长，然而这个损失可能远大于成本问题。

很值得一提的是，重资本品制造业也就是装备制造业的表现得最好，最有效率。为什么？这个部门显然在计划经济时期得益于很多补贴，如材料行业和设备行业之间的“价格剪刀差”——与农业和工业之间的“价格剪刀差”同一性质。随后，在改革开放中及时利用了国际上的成熟技术，增长特别快，看起来很有效率。这可能是一个应该深究的问题。

我们还可以从另外一个角度观察，图7是我的研究生梁涛做的，他在和我共同研究所有制对增长的影响。这是整体经济的40年资本存量分布，红色是国有的，深蓝色的是外资，中间天蓝色的是规模以上私有企业，灰色的是小型私有企业。左图是整体经济，右图是装备制造业。可以清楚看到，国有企业在装备制造业中不断后退，至少退至进入WTO后中期，同时，外资和私有企业先后进入。看来我们可以说，就是这样的所有制结构变动支撑了这个部门的效率改善。

最后，我把全要素生产率做一个指数，假定都从1978年开始，无初始点差异。图8里有几条线，天蓝色实线是整体经济的TFP指数；天蓝色虚线是来自于各个行业的TFP加总，这是经济体效率改善的基础；随后是两个要素重新配置的TFP效果，深蓝色线是资本重置TFP效果，绿色线是劳动重置TFP效果，目的是观察这些要素的重新配置在多大程度上影响了整体经济的TFP增长。我在图中把所有重大的政策变化、经济改革、外部冲击都标出来了，只标了其起始年。

可以发现一个特点，当中国经济每一次被大的改革举措推动起来的时候，TFP上升的斜率是惊人地一致。好像有一个基本面在那里，一旦给了正确的政策环境它就把效率推上来了，持续多长时间不固定。这似乎是一个制度特点。如果再把要素的重置效果放大，我们看到资本重新配置效果到了邓小平南方讲话后反而停止改善了，尽管行业内部的效率在上升。这好像是说，在行业内部改善效率的同时，政府没有放松对资源配置的影响。只要政府干预资源配置，就会影响整个经济的交易成本，就会挤出一些和政府没有关系的企业，结果，整体经济肯定会有TFP损失。长期看，这个情况日益严重。如果这个损失能避免，经济增长就是另外一种情况，不仅是增长率会更高，更重要的是经济就会有更大的活力。

劳动重新配置的TFP效果基本上是符合我们的预期的。中国有一个少有的灵活的劳动市场，因为我们的劳动在资本面前力量严重不足，集体议价的权利很小，也没有得到政府足够的保护。所以，工人的劳动报酬并没有基于劳动生产率的变化调整，结果提高了资本报酬，也提高了政府的收入——税收，进而鼓励了过度投资。这种模式不能持续，因为中国劳动力数量十年来持续在下降。

最后，在图9这张放大的要素重置TFP效果图的基础上，我想展示一下对设备分解的意义。我的研究生将ICT设备从官方统计的设备中分离出来，因为ICT设备和非ICT设备有着不同的生产率。如果不分解，相当于假定ICT和非ICT资产有着一样的生产率，也就是无法考虑有着更高效率的ICT资产在错配时所引起的更大的效率损失。政府希望通过产业政策推动技术进步，但没有意识到在技术进步加速的时代，因产业政策导致资源错配所造成的效率损失会更大。

编辑：梁萍