內生全要素生產率、經濟波動與通貨膨脹

張伍濤 盤業哲 姚金海

（1.湖州學院經濟管理學院，浙江湖州 313000；2.廣州開發區戰略研究院，廣東廣州 510670）

一、引言

隨著中國經濟邁入高質量發展階段，技術創新已然成為中國邁向科技強國和制造大國的重要驅動力。中共十九大提出了創新是引領發展的第一動力，為中國經濟高質量發展賦能。中國經濟增長的科技驅動力已經逐步實現自主研發，技術創新不斷成為現代化經濟體系的重要支撐。一般而言，技術創新伴隨著生產力的提高，表現為全要素生產率的提高（唐未兵等，2014）。[1]如圖1 所示，中國R＆D經費增長率和全要素生產率表現出顯著的順周期性，勞動生產率和全要素生產率相對R＆D 經費增長率存在一定時滯，以上表明中國技術創新和全要素生產率存在順周期的特征，經濟增長、全要素生產率的變化落后于技術創新。在面對金融危機、歐債危機、供給側結構性改革和新冠疫情等外部沖擊時，勞動生產率和全要素生產率表現出一致的變化趨勢，表明全要素生產率中存在的內生成分促使其在受到外生沖擊后保持與GDP 增長率相近趨勢。因此，通過構建一個引入內生全要素生產率的中等規模標準DSGE 模型，將全要素生產率的外生成分和內生成分分離并分別研究其對經濟變量的影響，嘗試闡述內生全要素生產率的機制和中國經濟增長背后的內生驅動因素。

圖1 2001—2020年中國勞動生產率、TFP增長率及R＆D支出增長率

二、文獻述評

國內外學者就全要素生產率對經濟增長的影響展開了廣泛探討。有學者將全要素生產率作為經濟增長的重要測度指標并研究其影響因素。在此類研究中，全要素生產率被抽象化為廣義技術進步，是連接技術進步和經濟增長的主要橋梁。蘇治和徐淑丹（2015）發現TFP中的技術創新成分對經濟增長產生了顯著的促進作用，是中國經濟高速發展的重要驅動力。[4]程名望等（2019）通過測算中國經濟增長中各項因素的貢獻率，發現市場潛能的貢獻率最高，TPF 的貢獻率為20.03%。[5]陳彥斌等（2019）研究發現，人工智能技術的發展有助于緩解人口老齡化對全要素生產率的不利影響，減少老齡化對經濟增長的負面沖擊。[6]通過對全要素生產率的分解，劉志彪和凌永輝（2020）實證分析經濟結構轉換對TFP的影響呈現出先促進后抑制的倒U型關系，TFP的提升有助于提升中國經濟集約化程度。[7]賈洪文等（2021）使用綠色全要素生產率作為經濟高質量發展的代理變量，研究發現地區科技水平的提升有助于促進經濟增長。[8]隨著經濟發展模式的轉變，中國提升全要素生產率的主要途徑是實現從依靠技術模仿和要素流動到部門內競爭性技術創新的轉型（江飛濤等，2014；劉世錦等，2015）。[9，10]

研究全要素生產率影響經濟增長的另一個方向是將全要素生產率作為技術進步的代理變量，并在宏觀經濟模型中將其假定為一種完全外生的技術沖擊。其中最為經典的代表是以Smets ＆ Wouters（2003）、Christiano et al.（2005）所構建的新凱恩斯模型，學者研究技術沖擊對經濟變量的影響大多基于NK 模型。[11，12]一般而言，單位正向技術沖擊對GDP 增長有顯著的促進作用（余泳澤和張先軫，2015；朱軍，2017）。[13，14]雖然將全要素生產率抽象化為廣義技術進步有助于簡化模型和增強理論分析的嚴謹性，但全要素生產率并不完全等同于技術進步，狹義技術進步與全要素生產率之間存在較大差異（唐未兵等，2014）。除了狹義技術進步外，影響全要素生產率的因素還包括諸如制度、市場化程度、對外開放、資源錯配、產業結構等。因此，全要素生產率中存在的內生成分應該被識別出來，以全面分析其對經濟增長的影響。一些關于金融危機發生后關于生產率的研究對此提供了間接證據。Hall（2014）和Reifschneider et al.（2015）分析了全球金融危機后經濟衰退期間美國商業投資的崩潰對資本存量和生產率的影響，認為生產率持續下降是技術投資減少的結果，也是經濟衰退的內生反應，衰退期經濟活動收縮反過來導致了產出增長的內生下降。[15，16]

在宏觀經濟模型中，一種解決全要素生產率內生化的方法是放松標準的外生技術假設并內生地模擬全要素生產率增長，這種引入內生全要素生產率的方法是建立在Romer（1990）提出的內生增長理論基礎上。[17]Comin ＆ Gertler（2006）在內生增長理論基礎上通過研發和使用內生技術構建了一套內生全要素生產率的機制，并考慮商業周期和技術采用的內生途徑。[18]Moran ＆ Queralto（2018）使用具有內生全要素生產率的新凱恩斯主義模型來量化由于零下限利率（ZLB）貨幣政策約束導致的TFP 損失及比當前預期更慢的速度收緊貨幣政策的TFP收益。[19]Bianchi et al.（2019）構建了包含債務和股權融資摩擦的內生化TFP 的宏觀經濟模型，發現股權融資沖擊對研發投資放緩的解釋力更強。[20]Anzoategui et al.（2019）進一步優化了模型中擴散過程中的滯后現象并考慮了約束性零下限利率的貨幣政策，研究發現全球金融危機后的經濟衰退中美國生產率下降大部分源于內生現象，內生全要素生產率機制也有助于解釋經濟衰退前的生產率下降。[21]

技術研發的溢出效應表明全要素生產率增長與經濟狀況之間存在內生關系（Schm?ller ＆Spitzer，2021）。[22]綜上，本研究可能的邊際貢獻為：一是區別于以往研究中將全要素生產率作為外生沖擊或者不區分內生成分和外生成分，通過在技術研發和采用過程將全要素生產率內生化，考慮經濟增長中的內生全要素生產率機制；二是基于新凱恩斯模型構建涵蓋內生全要素生產率的DSGE 模型，對內生全要素生產率影響經濟增長的理論機制作出解釋。

三、內生全要素生產率機制下的DSGE模型

（一）家庭部門

在Smets ＆ Wouters（2007）的模型中，假設代表性家庭的消費行為受到消費習慣的影響，家庭的儲蓄全部投資于資本和無風險債券，將投資于資本的儲蓄全部出借給中間產品生產商。由于存在工資黏性，家庭實質上相當于不同類型勞動力的壟斷競爭供應商。[23]假設代表性家庭作出最優行為決策時受勞動力供給和流動性偏好的影響。首先家庭為其他部門提供兩種勞動力，用于研發部門和技術使用的熟練勞動力Lhs，t及用于生產中間產品的非熟練勞動力Lhu，t。假設代表性家庭更偏好于持有安全性更高的資產，即家庭有較高的流動性偏好，在家庭效用函數中引入債券持有量。參考Fisher（2015）將流動性需求沖擊ρliquid,t引入模型，該沖擊是經濟周期性波動的主要成因，具有金融沖擊的傳遞特性。Ct表示t期消費，Bt表示無風險債券持有量，Πt表示投資于壟斷競爭企業所分得的利潤，Kt表示資本，Qt表示資本價格，Rkt表示資本回報率，Dt表示資本租金率，其中Rkt=DtQt/Qt-1。因此，代表性家庭的最優決策問題可以表示如下：

代表性家庭的預算約束為：

因此，可以得出資本Kt和無風險債券Bt的一階條件分別如下：

其中，Ξt，t+1表示家庭隨機貼現因子，ξliquid，t表示單位消費的流動性偏好沖擊，分別由和決定，其中，表示單位消費的邊際效用。

式（4）中的流動性需求沖擊對無風險債券的一階條件造成扭曲，對既定的無風險利率Rt+1，ξliquid，t上升導致家庭增加預防性儲蓄，即家庭通過減少消費以降低家庭隨機貼現因子Ξt，t+1來實現無風險債券的一階條件。由式（3）和式（4）得到式（5），表明流動性需求的沖擊導致利差Rkt+1-Rt+1的增加，降低了投資需求，對消費和投資產生負向影響，展示了金融沖擊傳導機制的相似性。

（二）最終生產商

參考Anzoategui et al.（2019）的作法，在生產結構中引入內生全要素生產率并展示其在模型中的動態演化。假設經濟中存在兩種企業類型：中間產品生產商和最終產品生產商。壟斷競爭的最終產品生產商i 生產差異化產品的Y it，最終產品的總產出Yt是差異化產出Y it的CES函數：

其中，μt＞1 是外生的。假設最終產品生產商i使用中間產品投入組合進行生產是其唯一的生產投入，并遵循線性生產函數：

每個壟斷競爭的中間生產商生產差異化產品，并存在已應用于生產且連續可測度的技術存量At，中間產品的總產出Mt是差異化產出Mtj的CES函數：

其中，?＞1。假設中間產品生產商j使用非熟練勞動力和有效資本Utj K tj并遵循Cobb-Douglas生產函數進行生產：

假設中間產品的價格是完全靈活的，中間產品生產商在每個時期可以隨時調整中間產品價格。當中間產品全部作為生產投入用于生產最終產品時，由式（6）～式（9）可以推導出最終產品的總產出Yt的生產函數如下：

上式表明模型的全要素生產率由外生性的TFP沖擊θt和內生性的(At)?-1共同構成。因此，模型中的經濟變量不僅受外生全要素生產率變化的影響，還受內生全要素生產率變化的影響，內生全要素生產率的變化來源于中間產品種類的擴張所導致的對技術存量采用量的增加，可以用At衡量。

（三）中間生產商

假設中間產品生產商選擇資本K tj、資本利用率、非熟練勞動力進行生產，將考慮中間產品組合的相對價格、實際工資wut、中間產品加成定價?m以最小化生產成本作為生產決策?？紤]存在模仿者進入市場的潛在競爭，假設?m小于最優無約束定價加成?。資本折舊率是關于Utj的凹函數，δ'＞0且δ″＜0。中間生產商成本最小化時K tj、的一階條件為：

（四）技術研發和技術采用

技術進步和內生全要素生產率增長通過技術研發和技術采用兩個過程實現（Comin ＆ Gertler，2006）。首先，技術研發部門通過發明新技術，提高總技術存量Zt，后續中間生產商將新技術應用于生產活動中。在內生TFP 的實現機制中，假設成功研發新技術帶來的技術存量的提高不能提高全要素生產率，只有廠商在生產過程中使用這些新技術時，才能實現全要素生產率的提高。因此，模型將技術研發和技術采用劃分為先后兩個過程，這導致新技術發明成功和現實生產過程中實際采用該技術之間產生時間差。將At表示為已采用的技術存量，是總技術存量Zt的子集，對應TFP中的內生性成分，則Zt-At表示尚未使用的技術存量。如式（10）所示，增加At將有助于提高內生全要素生產率。

對技術研發部門而言，技術研發是內生全要素生產率增長的第一階段。研發部門雇傭熟練的研發人員Lsrt來創造新技術，在t時期內每位熟練的研發人員可以創造在t+1 時期新技術的數量為φt。φt由下式給定：

其中，表示研發部門熟練勞動力的總水平，Zt為現存的技術總量。χt表示對技術的外生沖擊，即在技術研發過程中研發投資對研發效率的外生沖擊，服從參數為ρχ和σχ的AR(1)過程。由于研發過程受擁擠效應的影響，假設與研發相關的技術增長彈性ρz＜1，即總體研發活動的增加會降低每個創新者的研發效率。

技術研發部門p的最優決策問題如下：

其中，Jt+1時為還未使用的技術的價值，wst代表單位熟練勞動力的實際工資。

技術研發部門p最優決策一階條件：

將式（14）代入上式，可得：

式（17）表明額外單位熟練研發勞動力的邊際收益現值等于單位熟練研發勞動力的邊際成本。若給定的中間產品利潤是順周期的，由未來中間產品利潤決定的未采用技術的現值應是順周期的。該假定和工資黏性假定決定了研發部門雇傭熟練的研發人員和研發投資也是順周期的。

假設技術隨時間變化而過時淘汰的比率為1-τ，即技術的存活率為τ，則Zt+1滿足以下條件：

其中，φtLsrt衡量創造的新技術，τZt表示未被淘汰的前期技術。將式（14）代入上式可得：

技術采用的實質是將現存技術Zt轉化為可用于生產的技術At的過程。實現技術使用過程需要一段時間，但采用率可以順周期變化。為避免對每一項可用技術都要跟蹤已使用和未使用該技術的公司的比例，假設存在一個有競爭力的技術轉化者群體，能夠將未使用的技術轉化為可用于生產的技術。技術轉化者以有競爭力的價格從研發部門購買使用該技術的權利，即為使用技術的價值，并通過雇傭熟練勞動力將購買的技術轉化為應用于生產的技術。這一過程需要一段時間，技術轉化率受內生變化的影響，轉化技術的速度受熟練勞動力數量的影響。假設技術轉化者個體特征差異不影響技術轉化概率λt，即每個技術轉化者的技術轉化概率相同。因此，轉化者在給定時間t實現技術轉化的概率為λt：

其中，Lsat是指在技術采用中雇用的熟練勞動力。假設λ'＞0 且λ″＜0，這意味著使用的速度λt是分配給該部門的熟練勞動力Lsat的遞增和凹函數。技術采用的過程意味著技術擴散需要時間，將λt的穩態值表示為λss，則采用新技術之前的平均時間為1/λss。技術采用受總技術存量Zt溢出效應的影響，即技術轉化效率會隨著技術存量的增加而提高，保證了平衡增長路徑的存在。

當技術轉化完成，技術轉化者將該使用技術的權力出售給中間產品生產商。讓表示中間產品企業從生產該產品中獲得的利潤。技術轉化者以具有競爭力的價格出售已轉化的技術價值Tt等于生產該商品的利潤的現值。

技術轉化者最優決策為選擇Lsat最大化未使用技術的價值Jt：

式（22）第一項為未采用技術的收益現值，是已使用和未使用技術價值的概率加權總和。熟練勞動力Lsat的一階條件：

其中，Tt+1-Jt+1是順周期的，因為未來利潤對已使用技術價值Tt的影響大于未使用技術價值Jt。由于工資黏性和順周期的Lsat，技術轉化的概率λt也是順周期的。

由于λt不受技術轉化者個體特征差異的影響，對所有技術轉化者進行加總后，根據假設可以得到如下的At遞推式：

其中，Zt-At對應未采用技術的存量。應用于生產的技術存量At+1等于當期尚未過時的技術存量之和τλt（Zt-At）及這一時期新轉化的技術τAt。

（五）資本生產者

假設新的資本是由競爭性資本生產者利用最終產品生產的，資本生產者將資本品出售給家庭，家庭將資本品出租給中間生產商。將It表示新生產的資本品，γI表示資本品It的增長率表示資本的重置價格，即最終產品轉化為新資本的相對價格。假定調整成本函數是遞增的凹函數，其中f（1）=f'（1）=0 和f″（1）＞0。因此，托賓Q可以由調整成本函數f表示為：

（六）價格和工資

假設存在價格黏性和工資黏性，公司不能調整其價格的概率為ξp，企業不能調整其工資的概率為ξw。ιp為價格通貨膨脹指數化，ιw為工資通貨膨脹指數化。家庭提供非熟練勞動力和熟練勞動力，兩種類型的勞動力受相同頻率的工資調整。通貨膨脹為πt，mct為最終產品生產商的邊際成本，為穩態對數差分。因此，菲利普斯曲線可以表示為：

其中，εμt表示對最終商品加價的沖擊，服從參數為ρμ和σμ的AR(1)過程。

非技術工人的菲利普斯曲線如下：

（七）貨幣政策

假定貨幣政策遵循非線性的泰勒規則，央行通過設定名義利率Rnt+1來實施貨幣政策。

其中，log()遵循參數為ρm和σm的AR(1)過程。為穩態名義利率，為目標通貨膨脹率為穩態就業人數，?π、?y分別為名義利率對通貨膨脹缺口和產出缺口的反應系數。同時對凈名義利率施加了零下限約束，即≥1，這也更符合中國名義利率的實際情況。

（八）市場出清

總資源約束條件為：

Gt表示政府消費，由一次性稅收作為收入來源并遵循AR(1)過程：

市場出清意味著債券的凈供給為零，即Bt=0。

最后，假設熟練勞動力的勞動力市場必須在均衡狀態下出清：

四、參數校準及估計

為提高模擬中國經濟運行的準確性，參照現有文獻和中國經濟數據以季度時間為單位對模型參數進行校準和貝葉斯估計。參考仝冰（2017）、卞志村等（2019）和楊兵等的研究（2020）[24-26]，將對以下家庭部門和廠商部門參數進行校準：家庭主管貼現率β=0.99，廠商資本折舊率δ=0.025，廠商資本產出彈性α=0.6，中間產品替代彈性?=10，穩態中間品加成?=1.18，穩態最終產品加成μt=1.11。對研發部門參數校準參照Anzoategui et al.（2019）的研究，取技術存活率τ=0.98，即技術報廢率（1-τ）=0.02；穩態技術使用時滯λss=0.05，即技術轉化的平均時間為5年；參考Schm?ller ＆ Spitzer（2021）的處理方式，考慮到中國R＆D支出占GDP的比重低于美國，將熟練勞動力的使用彈性校準為ρλ=0.95。參照卞志村等（2019）的方法取穩態政府支出占GDP 比重GY=0.074，穩態產出增長gy取研究期間季度GDP增長率的平均值2.208%。

對余下動態參數采用貝葉斯估計方法，以使參數的取值更為客觀合理。首先估計參數的先驗分布，參照仝冰（2017）、卞志村等（2019）和Anzoategui et al.（2019）對參數先驗分布及其均值和方差的設置，將外生沖擊的自回歸系數設置為Beta 分布，將其余取值在（0，+∞）的結構參數設置為Gamma 分布，將外生沖擊標準差設置為Inv-Gamma 分布（見表1）?？紤]數據可得性，選取2002 年一季度至2020 年四季度的產出增長DY、固定資產投資增長DI、通貨膨脹率Dπ及名義利率R作為觀測變量，以提高模型的可識別性。產出增長DY為以2001 年為基年計算的當季實際GDP 除以總人口后的對數差分；固定資產投資增長DI為當季人均固定資產投資增長除以GDP 平減指數后的對數差分；通貨膨脹率Dπ為當季GDP 平減指數的對數差分；名義利率R為當季3 個月期間銀行同業拆借加權平均利率的1/4。參數的先驗分布及貝葉斯估計結果如表1所示。

表1 參數貝葉斯估計結果

五、實證分析

（一）方差分解

表2 展示了關鍵經濟變量的方差分解，其中對中國經濟變量影響最大的是貨幣政策沖擊，其次是投資品價格沖擊和政府消費沖擊。貨幣政策沖擊分別占GDP 變化和投資變化的28.82%和35.05%，對消費和研發支出變化的貢獻超過50%，對通貨膨脹變化的貢獻為83.26%。同時，82.71%的內生全要素生產率變化是由貨幣政策沖擊引起的，11.52%是由流動性需求沖擊引起的。這說明需求沖擊是解釋內生全要素生產率變化的重要來源。相較之下，全要素生產率的外生成分即外生TFP沖擊對經濟變量變化的貢獻較小。貨幣政策沖擊、流動性需求沖擊和政府消費沖擊三種需求沖擊解釋了48.57%的GDP 增長變化，供給沖擊以投資品價格沖擊（46.94%）為主，外生TFP 沖擊僅占2.77%，表明中國經濟高速增長是需求側驅動和供給側驅動共同作用的結果。具體而言，貨幣政策和政府消費是中國GDP 增長的主要需求側驅動力，而投資品價格則是中國GDP 增長的最重要供給側驅動力，這與投資、消費、出口驅動經濟發展密切相關。較為穩定的貨幣政策和利率政策、政府購買在消費中占有較大份額、優化營商環境以增加國內外投資等措施都對經濟增長作出了重要貢獻。流動性需求沖擊對中國GDP增長的作用較小，主要由于居民儲蓄率普遍較高導致不利的流動性需求沖擊對人們提高持有流動性資產需求的影響較小，降低了流動性需求沖擊在向消費和投資等領域傳遞和積累時的影響。

（二）貨幣政策沖擊的脈沖響應

貨幣政策沖擊在短期內提高了名義利率，意味著居民儲蓄收益和投資成本增加，直接導致居民消費下降并減少風險資產持有量，使資本投資下降。同時貨幣政策沖擊后總產出的下降導致企業利潤下降，從而抑制了企業用于提高生產率的投資，即減少了對研發和技術使用方面的投資。與新凱恩斯模型相比，包含內生全要素生產率的模型表現出更強的經濟周期持續性。在內生TFP 模型下，由貨幣政策沖擊引發的產出下降更為顯著和持久，消費與投資也表現出該特點。其根本原因是全要素生產率的演化和整體經濟運行狀況之間存在重要的反饋機制，這種內生機制不存在于新凱恩斯模型。貨幣政策沖擊后，技術使用率小幅上升后持續下降及技術研發支出的大幅下降抑制了全要素生產率并增加其恢復時間，加劇了初期產出的下降并減緩后續產出恢復。由于內生TFP 機制的存在，雖然無風險利率R（名義利率）上升，但對研發和技術使用的投資減少使資本回報率Rk的上行壓力更大，導致利差（Rk-R）小幅上升。而在外生TFP 模型中缺乏該機制，使資本回報率Rk的上行壓力小于無風險利率上升幅度，利差小幅下降。

（三）全要素生產率的演變及驅動因素

考慮模型中全要素生產率與經濟增長的關系，并分析全要素生產率及其內生成分的演變、全要素生產率和勞動生產率之間的關系。對式（10）進行變形可得式（35），其中全要素生產率為(At)?-1θt，內生成分為(At)?-1，外生成分為θt。Yt/Lu，t表示勞動生產率，UtYt/Lu，t表示單位勞動力的有效資本，即有效資本深度。因此，對數線性化后的全要素生產率可以理解為內生TFP 和外生TFP 的加總。勞動生產率可以表示為全要素生產率與有效資本密集度的函數，全要素生產率則為內生TFP 與外生TFP 的乘積。

如圖2 所示，模型中的全要素生產率及其內生成分的變化趨勢與勞動生產率具有高度相關性，表明全要素生產率的演變和勞動生產率的變化高度一致，全要素生產率尤其是內生TFP 對勞動生產率具有重要影響。勞動生產率和全要素生產率之間的差異源于資本深化程度Kt/Lu，t和資本利用率Ut的波動。TFP 和內生TFP 在研究期間內高度相關，并且全要素生產率的內生成分解釋了幾乎全部的全要素生產率變動。一般而言，全要素生產率與其內生成分的差異為外生TFP 沖擊，即標準技術沖擊。外生TFP沖擊解釋了不能有技術研發和技術使用所內生解釋的全要素生產率變動。在研究期間內，TFP 和內生TFP 之間的差異并不明顯，即外生TFP對全要素生產率的貢獻較小。內生TFP是全要素生產率的決定性因素，外生TFP 沖擊則是次要因素。上述分析表明，中國經濟增長的一個重要內生驅動因素是內生全要素生產率。正對應方差分解的結果，單純的外生技術沖擊對經濟增長的貢獻不大。隨著中國對基礎理論和應用技術研發的投入不斷加大，相較于外生技術沖擊，由技術部門所貢獻的內生全要素生產率的變動更能解釋中國經濟增長的本質。

圖2 TFP、內生TFP和勞動生產率的演變

（四）內生全要素生產率的決定因素

如方差分解結果所示，對內生全要素生產率變動貢獻最大的是貨幣政策沖擊，其解釋了82.71%的內生TFP 變動，其次分別是流動性需求沖擊和研發效率沖擊。因此，貨幣政策沖擊是構成內生全要素生產率變動的最重要驅動因素。圖3 展示了內生全要素生產率在研究期間的演變及三種主要沖擊的貢獻。在研究期內的各期分解中，貨幣政策沖擊和內生全要素生產率的變動呈現出高度相關性，貨幣政策沖擊的貢獻顯著為正，說明其對內生TFP 變動有決定性作用。從2002 年開始，貨幣政策沖擊對內生全要素生產率的正向貢獻不斷增大，推動內生全要素生產率不斷提高。2007 年起，研發效率沖擊對內生全要素生產率的貢獻由正轉負，并開始逐步下降。但此時，貨幣政策沖擊的正向影響要大于研發效率的負向影響，內生全要素生產率依舊有較高增長。直至2012 年后利率市場化改革的逐步推進，貨幣政策沖擊逐漸趨于平穩，不斷擴大的研發效率沖擊負向貢獻對內生全要素生產率產生了重要影響，導致內生全要素生產率開始逐漸下降。從2018年開始，內生全要素生產率逐漸趨于平穩，主要是因為研發效率的負面效應開始趨于平穩，貨幣政策的正向效應開始促進內生全要素生產率的增長。但在受2020 年的新冠疫情影響后，內生全要素生產率開始大幅下降。因此，中國內生全要素生產率的增長決定因素是貨幣政策沖擊，2012 年內生全要素生產率下降的主要原因是研發效率的下降及貨幣政策沖擊趨于平穩。

圖3 內生TFP及主要沖擊貢獻

（五）內生全要素生產率與通貨膨脹

在分析內生全要素生產率的決定因素及其對經濟增長的影響后，嘗試在內生全要素生產率模型下探討中國通貨膨脹的動態變化。在式（27）的菲利普斯曲線中，最終產品生產商的邊際成本mct受內生全要素生產率的影響，當內生技術創新影響通貨膨脹時會導致邊際成本mct發生變化。假設最終產品生產商考慮成本最小化，則未對數線性化的邊際成本MCt等于中間產品價格pxt與內生全要素生產率(At)?-1的比值，即MCt=pxt/(At)?-1。將式（13）對求積分可得MCt= ?mwutLu，t/((1 - α)Yt)，并將式（10）代入上式并取對數線性化可得邊際成本mct為：

因此，具有內生全要素生產率的菲利普斯曲線可以表示為：

上式展示了內生全要素生產率模型中通貨膨脹與內生全要素生產率(?- 1)?和就業?之間的關系。通貨膨脹在新凱恩斯模型和內生全要素生產率模型之間的差異來源于內生全要素生產率(?- 1)?。在式（28）中，參照參數估計的結果，可以得出kp＞0。因此，通貨膨脹和就業之間呈現正相關關系，而內生全要素生產率對通貨膨脹產生抑制作用。就業和內生全要素生產率通過影響最終產品廠商的邊際成本，進而影響通貨膨脹率。不同的是，就業人數的增長會直接增加最終產品企業的邊際成本，提高最終產品的交易價格，增加通貨膨脹；而內生全要素生產率的提高意味著研發部門的技術創新已經應用于中間產品生產商，提高中間產品生產商的生產效率并降低生產成本，導致中間產品價格下降，進而降低最終生產商將中間產品作為唯一投入進行生產的邊際成本，使最終產品的交易價格下降，降低通貨膨脹。

方差分解結果說明貨幣政策沖擊是通貨膨脹波動最主要的因素，流動性需求沖擊次之。如圖4所示，貨幣政策沖擊、流動性需求沖擊和通貨膨脹具有高度相關性。貨幣政策沖擊對通貨膨脹的影響為正向，而流動性需求沖擊則是拉低通貨膨脹的主要原因。2008 年全球金融危機時，不利的流動性需求沖擊導致通貨膨脹率大幅下跌，但中國利用貨幣政策和財政政策的組合推動經濟復蘇，并因此推動了通貨膨脹。但隨著利率市場化改革的推進，貨幣政策沖擊逐漸趨于平穩，仍是中國通貨膨脹最主要的驅動因素。

圖4 通貨膨脹的驅動因素

六、結論與對策建議

作為技術創新促進經濟增長的重要途徑，全要素生產率的內生化對研究中國經濟高質量增長具有關鍵性作用。首先，通過引入技術創新和技術采用過程，構建具有內生全要素生產率機制的DSGE模型，研究在內生全要素生產率機制下經濟波動對產出、消費、投資等主要經濟變量的動態效應。其次，探究全要素生產率及其內生成分的主要驅動因素。最后，分析內生全要素生產率與通貨膨脹的相互作用及通貨膨脹的主要驅動因素。研究發現：第一，在內生TFP機制下，需求側沖擊是主要經濟變量波動的主要驅動因素，尤其是貨幣政策沖擊；供給側的投資品價格沖擊對主要經濟變量有重要影響，尤其是對產出而言；外生TFP 沖擊對主要經濟變量的影響并不顯著。第二，內生全要素生產率是全要素生產率的決定性因素，外生TFP是次要因素；貨幣政策沖擊是構成內生全要素生產率變動的最重要驅動因素；技術轉化率的波動上升是內生全要素生產率增長的主要原因，未來內生全要素生產率增長將更多依靠技術創新帶來的技術存量增加。第三，內生全要素生產率對通貨膨脹產生抑制作用；內生TFP 機制下菲利普斯曲線的斜率與外生TFP 下的斜率相近，但內生TFP下的斜率更平穩，即內生TFP機制緩解了通貨膨脹；貨幣政策沖擊是通貨膨脹波動的最主要因素。

為更好利用內生全要素生產率機制促進經濟增長，提出以下幾點對策建議：一是持續擴大內需，降低投資成本。充分發揮貨幣政策宏觀調控職能，加快利率市場化進程，通過高效協調的貨幣政策提高國內消費需求。優化營商環境進而吸引國內外投資，降低投資品相對價格，提高資本利用效率，降低投資相對價格沖擊對經濟的不利影響。二是加強研發部門投入，完善技術創新和科技成果轉化體系。技術創新是中國提高產業競爭力和實現高質量發展的重要途徑。加大技術創新投入，擴大技術存量，為生產制造提供堅實的技術儲備。提高技術創新的轉化效率，將技術創新從理論轉變成現實生產力，從而提高全要素生產率。三是選擇合適的貨幣政策，保持溫和的通貨膨脹。由于內生全要素生產率機制的存在，對經濟刺激效果更好的貨幣政策導致的通貨膨脹增長較小，政府調控經濟時可以選擇更為靈活的貨幣政策，以促進經濟增長。