結構轉型、生產率增長誤測與服務業成本病

（圖片來源於網路）

在發達經濟體的發展過程中，普遍認為的一個問題就是威廉.鮑默爾提出的「服務業成本病」（cost disease of services）（或稱鮑默爾假說）。鮑默爾假說最早是由鮑默尓於1965年提出的，後來又經過他本人和許多學者的論證，其主要思想是說：服務業部門的生產率增長天生就比工業部門的低，當兩個部門競爭生產要素時，服務業部門的相對成本不可避免會提高。由於服務業部門的需求價格彈性不高，從而勞動力不斷轉移到服務業部門，導致服務業部門名義產出比例不斷上升，進而帶來整體經濟生產率增長的下降。

關於鮑默爾假說是否真的成立，學術界歷來是有不同聲音的。Young 於2014年發表在AER上的文章「Structural Transformation, the Mismeasurement of Productivity Growth, and the Cost Disease of Services」，通過引入羅伊模型的思想，指出服務業部門與工業部門之間的生產率差異並非真實存在。如果勞動者基於他們在不同行業的相對生產率來自我選擇進入自身具有比較優勢的行業，而比較優勢與絕對優勢又正相關的話，部門員工的平均效率與其就業份額成反比。這對於理解服務業的擴張與按增長核算方法計算出來的服務業生產率增速較低的事實提供了全新的視角。

如圖1所示，鮑默爾相對供給曲線是水平線，取決於服務業部門與工業部門的相對生產率。當工業部門的生產率增長更快時，供給曲線從S上升到S1，反映出服務業成本病的問題。同時，由於服務業具有更高的需求收入彈性，相對需求曲線從D右移到D1。從而導致均衡從E右移到E1，服務業擁有更高的相對價格和更高的相對產出，即服務業的名義產出份額會上升。而根據羅伊模型的思想，由於比較優勢和絕對優勢是正相關的，所以羅伊相對供給曲線是向右上方傾斜的曲線，同樣羅伊供給曲線也和需求曲線交於E和E1，說明即使兩個部門的生產率增長是一樣的，服務業相對價格的上升完全可以由該部門勞動力的平均效率下降而導致。

圖1：鮑莫爾和羅伊相對供給曲線分析

文章通過構建羅伊模型，指出由於部門員工的平均效率與其就業份額成反比，會導致按照增長核算方法計算出來的全要素生產率增長出現偏誤。具體來說，就是會低估服務業的全要素生產率增長，而高估工業的全要素生產率增長，從而得出所謂的服務業成本病。同時，文章給出了滿足部門員工的平均效率與其就業份額成反比的充分條件：個人在不同行業的生產率分布是相互獨立的。

文章進一步通過實證分析來檢驗部門員工的平均效率與其就業份額成反比這一關鍵理論推斷是否正確。文章利用了美國的BLS-KLEMS數據和歐洲的EU-KLEMS數據來做實證研究。KLEMS項目採用Jorgenson的生產核算框架來構建保持行業與總體一致的資料庫，其中考慮了勞動指標不同的屬性（性別、教育、年齡、行業）來調整勞動質量，是目前全球最符合同質化要求的增長核算資料庫。其中，BLS-KLEMS的時間跨度為1987-2010，EU-KLEMS的時間跨度為1970-2005，包括了18個OECD國家。

由於自變數與因變數之間存在雙向因果，文章試圖尋找工具變數來進行2SLS分析。文章初始選了18個候選變數來作為工具變數，通過工具變數的檢驗，發現同時滿足第一階段相關性要求和第二階段「外生性」要求的只有「國防開支佔GDP的變化率」這一變數。利用這一工具變數，採用2SLS回歸，基本模型和各種穩健性檢驗都證實了部門員工的平均效率與其就業份額成反比。考慮滯後項之後，長期效應也是負的；並且EU-KLEMS的數據也顯示了同樣的關係，儘管係數的大小在各國之間並不一致。

進一步，文章根據部門員工的平均效率與其就業份額之間係數的不同，對服務業部門和工業部門的生產率增長產生的效應進行了模擬。利用美國和18個OECD國家的數據進行模擬的結果顯示，當兩者的相關係數為-0.75時，服務業部門和工業部門的真實生產率增長的差距消失了。

儘管文章並不能給出部門員工的平均效率與其就業份額之間的具體系數，但是-0.75位於估計的區間之中，所以該文的結論能夠讓我們重新審視發達國家的生產率、價格和物量的歷史數據，並且接受服務業部門和工業部門之間並非存在生產率增長的差異，而是羅伊效應導致了服務業相對成本的上升和名義產出的擴張，所謂的服務業成本病並非真實存在。

文章來源：Young, Alwyn, 2014, Structural Transformation, the Mismeasurement of Productivity Growth, and the Cost Disease of Services, The American Economic Review, pp. 3635-3667(33).

關注訂閱號的同時，我們也誠邀八方學人加入量化歷史研究QQ討論群或發送電郵建言獻策。「量化歷史研究」旨在凝聚一批對歷史研究有激情、有熱情的朋友，共同推動以量化的方法研究經濟史，金融史、政治史、社會史、文化史等各類歷史題材，分享觀點，共享資料。我們的郵箱：lianghualishi@sina.com。期待您的聲音！

輪值主編：何石軍 責任編輯：彭雪梅

TAG:量化歷史研究 |