论文部分内容阅读
摘 要：近几年中国经济增速持续低迷，引发了对全要素生产率研究的热潮，有必要对国内全要素生产率的研究全貌进行梳理。文献计量分析方法和可视化软件的发展为分析大量文献勾勒出某一领域的研究概貌提供了可能。因此，基于CNKI期刊数据库利用可视化软件CiteSpace对国内1986—2016年的2617篇关于全要素生产率的文献进行计量分析，通过文献量变化发现了全要素生产率的研究热度以2005年为分水岭，从零星研究到急剧增加的变化趋势，通过词频分析和关键词谱聚类分析发现，2005年以前集中在基本理论框架的研究，2005年至今出现了三次研究热点爆发，共計11个热点研究领域，从而勾画了31年以来国内对全要素生产率的研究走向。
关键词：全要素生产率;知识图谱;文献计量;CiteSpace
中图分类号：F061.2 文献标志码：A 文章编号：1673-291X（2021）05-0004-07
一、引言与文献回顾
研究全要素生产率的理由是什么？是由于经济增速的放缓引发了学术界对经济增长源泉的新一轮研究热潮，全要素生产率无疑是研究的重点。Tinbergen（1942）、Stigler（1947）提出全要素生产率（Total Factor Productivity，TFP）概念。索罗模型（Solow，1956）把经济增长的源泉分为要素投入（资本、劳动）和除要素投入外的因素（统称全要素生产率）。之后众多西方学者对全要素生产率的研究从要素细分（Denison，1962; Jorgenson和Griliches，1967）、测算与分解方法（Malmquist，1953;Farrel，1957;Aigner，Lovell&Schmidt，1977;Meeusen & Broeck，1977;Battese & Corra，1977;Charnes，Cooper & ERhodes，1978）、R&D等影响因素（Bernstern & Yan， 1996 ）、国际间比较（Krugman，1994;Fagerberg，2000;Ghirmay，2001）等方面进行了研究，总体来说是从理论走向实证，从模型走向数据。
中国经济和经济研究有自己的特点，有必要给出一幅中国研究全要素生产率的全景图。由于世界经济环境的变化、技术的发展、新经济业态的涌现和国际间经济情况的差异，国外经济理论的引进既有适用的地方又有要区别探讨的地方。国内对全要素生产率的研究一方面是对国外理论引进的探讨，另一方面是进行实证分析。对国内现有研究情况进行综述的主要集中在测算方法与分解（邱阳、杨俊、廖冰，2002;刘光岭、卢宁，2008）、行业实证（姚耀军、曾维洲，2011;王元园，2013;余康、章立、郭萍，2012;潘丹、应瑞瑶，2012）、要素分析（钟廷勇、安烨，2014）、影响因素（田先钰、张洁，2011;刘青海，2011;高凌云、夏万军，2009）等。已有对全要素生产率研究进行综述的文献各有侧重，从内容上来说还没有对全要素生产率研究的所有研究方向进行综述的，从综述方法和文献量来看还没有采用文献计量方法进行全部文献梳理的，如今运用软件CiteSpace对全要素生产率研究的全部文献进行可视化分析正可以做到从内容和文献量上全面覆盖。
为什么选择CiteSpace来分析全要素生产率的文献？文献计量科学的兴起和可视化软件的发展为大数据分析海量文献把握某一领域的研究总体趋势，进而发现研究热点和重点提供了有效的分析工具。文献计量学主要从文献的分布规律（如布拉德福定律、洛特卡定律、齐普夫定律、H指数等）、文献的网络联系（如关键词共现、文献共被引、作者共被引、机构合作等）、科研的评价（如机构研究能力、作者影响力等）等方面进行计量分析。Garfield（1964）绘制DNA领域研究图谱为标志的文献计量学新兴方向——知识图谱（Mapping Knowledge Domains）的兴起，更是为展现某一研究领域的总貌提供了直观、科学的途径，各种可视化软件应之而生，比如BibExcel、①WordSmith Tools、②Pajek、③ Ucinet、④SATI、⑤CiteSpace⑥等。Chen（2004，2006，2010，2013）开发的CiteSpace因其在可视化方面独特的“突发检测”功能发现研究热点以及时间分片显示知识的变迁成为近年绘制知识图谱热门的可视化工具。它广泛用于文文献挖掘（Li & Xu， 2018）、学者合作网络（Zhu & Wang，2018）、研究热点转变（Chen & Wu，2017）等方面的研究。目前还没有检索到运用CiteSpace对全要素生产率进行研究的文献。下文利用可视化软件CiteSpace（版本5.0.R2 SE）对CNKI期刊数据库中有关“全要素生产率”的文献进行关键词高频词和共现图谱分析，试图归纳出1986年以来研究的总体变动趋势和各个时间段的研究热点及其变迁的现实经济原因。
论文按以下顺序展开：首先通过文献量的变化展现整体研究热度变化;然后分两阶段根据文献样本的高频词统计和关键词聚类图谱梳理各个时期的研究热点;最后得出研究结论，展望进一步研究的方向。
二、全要素生产率研究热度总体变化趋势
1986—2004年，无论经济增长率上升还是下降，研究全要素生产率的文章几乎都很少，二者相关性不大。论文量从2005年开始几乎是持续年年增长 2011年和2012年除外。经济增长率从2008年后几乎是持续年年下降，2010年和2011年除外。总体来说，从2008年开始，经济增长率和研究全要素生产率的文献呈现相反走势。 二者呈现这样的走势与中国的经济发展事实相符合。自从1978年改革开放以来，中国的经济持续高增长主要靠投资拉动。作为发展中国家，中国与发达国家相比存在技术水平和商业模式上的差距。1992年中共十四大提出发展社会主义市场经济，投资迅速增加，经济增长率迅速上升。经济经过几年的投资推动增长，迅速出现了产能过剩现象，国有企业大面积亏损。1997年亚洲金融危机爆发，中国的出口贸易受到极大影响。1998年中国经济增长率下降到7.84%，随后开始国有企业改革。20世纪90年代是以美国为代表的发达国家信息技术繁荣的时期。中国在2000年左右开始启动信息技术产业的发展，开始了新一轮的经济增长。从2005年开始中国出现新一轮产能过剩现象，亟待转型找到新的增长点。而此时国内外在技术水平和商业模式上能借鉴的都基本借鉴了，特别核心的技术壁垒较高，只能自己研发。2008年国际金融危机爆发，之后陷入全球经济下滑趋势，西方发达国家同样面临寻找新的经济增长点的问题。所以，国内对经济增长的研究只能从自身实际出发，对增长的源泉——全要素生产率的研究进入了剧增阶段。2010年全国经济增长率有一个小的回升，之后又持续下滑，随之全要素生产率的研究相应地出现了2011年和2012年短暂平稳后又继续增加的趋势。总体来说，2015年以来，中国研究全要素生产率的文献呈上升趋势，这与中国经济增长不能再主要靠投资拉动息息相关。
三、每个阶段的研究前沿
由上可知，中国对全要素生产率的研究热度大致可以分为两个阶段：1984—2014年，2005—2016年。下文分别对这两个阶段的全要素生产率进行文献计量分析。
（一）1986—2004年全要素生產率研究图谱与热点
这一期间的19年在CNKI全部期刊来源中检索到147篇文献，总体文献量很少，研究也不连续（1988年没有文献）。运用CiteSpace（版本5.0.R2 SE）进行关键词累计词频统计，得到频次不小于2的关键词84个，其中频次最高的10个词见表1。
全要素生产率这个概念最初就是在西方国家经济增长核算中诞生的，作为经济增长中除去劳动投入和资本投入外其他因素带来的经济增长率的总和。早期的研究把它近似做作技术进步的表现。从表1可以看出，这一时期由于文献量少，除了“全要素生产率”频次为94以外其他关键词的词频都较低，词频10次以上的关键词只有6个。其中6个词是以“生产函数”为核心进行投入产出分析的：有关投入的关键词包括“资本投入”和“劳动投入”，有关产出的关键词包括“总产出”和“产出弹性”以及“弹性系数”。已经认识到“经济增长”有赖于“生产率提高”，“生产率提高”有赖于“技术进步”。总的说来，这一时期中国对全要素生产率的研究较少，集中在概念和基本理论框架的探讨。
（二）2005—2016年关键词谱聚类与研究前沿分析
2005—2016年间在四种刊源中检索到期刊文献2 470篇，运用CiteSpace（版本5.0.R2 SE）设置条件“E=3，1年，关键词节点，TOP50，寻径网络修剪”进行可视化词频分析和聚类分析。
1.重要关键词节点词统计分析
频次、突发度、中介中心性、∑值是衡量节点重要性的四个指标。
其中，突发度表示关键词在某一时间片内迅速增加的程度。突发度越高越说明这个词在某个较短的时间出现了剧烈的研究热度爆发。表2按照爆发开始年份列出了2005年以来的28个关键词。
从表2可以看出，这些词的突发区间在2-6年。2005年开始，出现了几个长达6年的突发词，集中在对经济增长核算的研究和面板数据。2012年开始，两个突发期达5年的关键词集中在对企业创新的研究。2013年开始，两个突发期达4年的关键词强调空间和环境。2014年开始，研究的热度继续集中在环境、计量方法和新兴产业几个方面。
频次表示在分析样本整个研究时间的区间的累计出现次数，频次越高说明在整个样本区间被研究得越多。中介中心性表示在整个图谱网络中的连接性重要程度，可以理解为在知识的网络中可能有推进性或转折性的节点。∑值是CiteSpace软件根据突发度和中心性算出来的一个值，可以理解为这两个指标的综合值。表3分别列出了频次、中心性、∑值排名前10的关键词。
从表3看出，“全要素生产率”作为研究样本的主题词频次是排名第二的“malmquist指数”的6倍多，说明样本中的文献都是紧紧围绕研究对象选取的。∑值出现了明显的分段特征，最大的两个值高达100多而第三的只有13.06。最大的两个词是技术效率和技术进步，都与技术有关。由此可见，技术与关于全要素生产率的各个细分研究领域高度联系，其本身也是研究的重点。总体看来，三个指标中出现最多的是与全要素生产率的分解有关的词，如 “技术进步”、“技术效率”、“规模效率”以及与方法模型相关的词，比如“malmquist指数”、“数据包络分析”、“随机前沿分析”。剩下的词涉及增长、投资、溢出、研发、生产、区域、产业、企业。
2.关键词的谱聚类分析
对2005—2016年每年频次前50的关键词进行聚类，生成的图谱包含122个节点、128条连接，Q值0.8364，S值0.8593，说明聚类效果良好。软件自动生成了各个聚类的名称，根据每个聚类出现的时间顺序和包含的节点，结合中国的经济发展历史，下文分三阶段简述全要素生产率研究热点的变迁。
第一阶段，2005—2007年，全要素生产率与产业（#6、#4、#9、#5）。这一时期的几个聚类重点研究基于宏观经济增长框架的“经济增长”、“技术进步”与“全要素生产率”，是对前20多年零星研究的深入和爆发探讨。大家广泛采用面板数据进行实证研究，并重视产业集聚对全要素生产率的影响。中国的实体经济在2005年左右出现了新一轮的产能过剩。此时，中国国内外的技术水平和商业模式的差距逐渐缩小，能简单借鉴的产业都已经移植进来了，所以需要找到适合自己国情的新的经济增长点。固此从结构的方面分析各个产业的增长潜力以及从各个产业的分布考察其规模效率是否最优十分有必要。 第二阶段，2011年左右，经济刺激政策与研究方法发展（#0， #1， #3， #10， #11）。2008年世界金融危机后出现了全球经济下滑。中国政府推出了一系列措施，包括基础设施、公共事业、生态环境、创新和结构调整、减轻企业负担、城乡居民收入等方面，以扩大内需和促进经济增长。通过估算，到2010年底这一揽子计划约需投资4万亿元。这对中国经济的发展和对经济的研究都产生了显而易见的影响。对应于创新，人力资本和技术溢出得到了广泛研究。对应于结构调整，业界研究了外商直接投资、进口中间品和企业异质性对全要素生产率的影响。对应于环境保护，环境全要素生产率成为研究的重要领域。同时，研究的方法得到了充分的发展，曼奎斯特指数、数据包络分析、HMB指数等是主要的研究方法。
第三阶段，2012—2016年，第三产业、空间经济计量模型（#2、#7、#8）。这一阶段中国的经济增长率持续下滑，各个产业都出现增长疲软，企业出现融资难问题。国家一方面倡导“大众创业，万众创新”发展新兴产业，另一方面鼓励大力发展服务业，并且对企业的融资问题高度重视。在产业增长乏力的前提下，加快落后地区的发展、缩小地区发展不平衡能够以地区结构性发展带动一定的总体增长。空间计量方法在这一阶段运用较多。
2005—2016年这一阶段与前面19年相比，国内对全要素生产率的研究主要是通过面板数据进行更深入的实证分析，包括对全要素生产率分解方法的探讨，从行业、地区、企业等对象的差异和自然环境约束、融资约束等方面进行实证研究。
总的说来，可以根据我国近30几年来经济发展的历程对研究量的兩阶段变化进行解释。前19年可以理解为跟随长板式经济增长，以引进国外技术、加大国内投资为主;而后12年可以理解为提高技术效率和规模效率为主的补短板式经济增长和创新经济。1992年我国经济体制改革以前国内外的技术水平是存在闸门效应的，个人或者说少数企业家既没有合适的渠道也没有足够的动力迅速把国外的先进技术引进国内。经济体制改革后，随着三资企业的兴起和民营经济、个体经济的兴起，既打通了国内外技术传导的路径，又激发了经营者的引进动力，这一阶段对国外技术的引进极大地促进了国内经济发展。然而，正如郑玉歆（1995，1998，1999）所言，生产率变动以及技术进步的模式应区分行业异质性和生命周期。引进国外技术在工业中更多地体现在对设备的引进，一些行业从无到有、从少到多、从弱到强，这就必然伴随着劳动力和资本在这些行业的迅速增加。随着国内外技术闸门效应逐渐减小，经济发展更多地需要研发投入以推动创新。这两个阶段的全要素生产率的构成有很大的差异。2000年左右爆发的互联网知识经济可以看做是引进技术发展的最后一波浪潮，此后，能够通过市场消除的国内外技术差基本已经消除了，国内的经济增长过渡到技术扩散阶段。各个行业一方面寻求突破环境的制约、资金的制约、管理制度的制约等短板把现有技术发挥到最大效率，另一方面加大研发投入摸索下一阶段的技术爆点。所以，前期可以借鉴国外技术时，全要素生产率研究少;后期是促进效率提高和自主创新时，对全要素生产率的研究剧增。
四、研究结论
通过对国内1984—2016年2617篇有关全要素生产率研究的期刊文献进行统计和计量分析可以得出以下几点结论。
（一）研究热度与经济现实的关系
对全要素生产率的研究以2005年为分水岭。之前是零星的研究，之后是迅速升温至今的爆发期，爆发期又分为三个阶段。这个分水岭体现了国内外经济发展的闸门效应正在消除，之前是跟随式长板经济以技术引进、投资拉动为主的，之后是补短板和创新经济以提高规模效率、自主创新为主。
（二）研究重点
从研究对象来看主要有3个方面。（1）区域，如全国、省级地区等。（2）产业和行业，如工业、农业、细分行业等。（3）企业，如工业企业、上市企业等。从研究的内容来看，包括投入产出、效率、规模、技术、溢出效应和环境等。从研究的方法来看最常用的是malmquist指数、数据包络分析和随机前沿分析，最新的是空间计量模型。
总之，国内对全要素生产率的研究经历了对基本概念和理论的探讨到对测算方法的深入、对外延的分解、对影响因素的分析。这是一个从笼统到具体、从总量到细分的过程。
参考文献：
[1] Tinbergen，J. Professor Douglas’ Production Function[J]. Review of the International Statistical Institute，1942，10（1-2）： 37-48.
[2] Stigler，G. .J. Trends in Output per Worker[M]. National Bureau of Economic Research，Inc.：Cambridge， MA，1947.USA.
[3] Solow，R.A contribution to the theory of economic growth.[J]. The Quarterly Journal of Economics，1956， 70（1）：65-94.
[4] Denison，E F. United States economic growth [J].Journal of Business，1962，35（2）：109-121.
[5] Jorgenson，DW，Griliches Z . Issues in Growth Accounting：Final Reply[J]. Survey of Current Business，1972，52（5）. [6] Malmquist，S. Malmquist，S.. Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（2）：209-242.
[7] Farrell，M J. The measurement of productive efficiency[J].Journal of the Royal Statistical Society，1957，120（3）：253-290.
[8] Aigner，D，Lovell， C A K， Schmidt， P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics，1977，6（1）：21-37.
[9] Meeusen，W，Broeck， J V D. Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error[J].International Economic Review，1977，18（2）：435.
[10] Battese，G E，Corra，G S. Estimation of a production frontier model： with application to the pastoral zone of eastern Australia[J].Australian Journal of Agricultural Economics， 1977， 21（3）：169-179.
[11] Charnes，A，Cooper， W W， Rhodes， E. Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，（2）：429-444.
[12] Bernstern J I，Yan XY. Canadian-Japanese R&D Spillovers and Productivity Growth[J].Applied Economics Letters，1996，3（12）：763-767.
[13] Krugman，P. Competitiveness：a dangerous obsession[J]. Foreign Affairs，1994，73（2）：28-44.
[14] Fagerberg，J. Technological progress，structural change and productivity growth：a comparative study[J].Structural Change & Economic Dynamics，2000，11（4）：393-411.
[15] Ghirmay，T，Grabowski，R，Sharma，S C. Exports， investment， efficiency and economic growth in LDC： an empirical investigation[J].Applied Economics，2001，33（6）：689-700.
[16] 邱阳，杨俊，廖冰.全要素生产率测定方法综述[J].重庆大学学报：自然科学版，2002，（11）：38-41.
[17] 刘光岭，卢宁.全要素生产率的测算与分解：研究述评[J].经济学动态，2008，（10）：79-82.
[18] 姚耀军，曾维洲.金融发展和全要素生产率：一个文献回顾[J].浙江社会科学，2011，（3）：52，144-149，160.
[19] 王元园.银行业全要素生产率的增长率测算：一个文献综述[J].财会通讯，2013，（15）：121-124.
[20] 余康，章立，郭萍.1989—2009中国总量农业全要素生产率研究综述[J].浙江农林大学学报，2012，（1）：111-118.
[21] 潘丹，应瑞瑶.中国农业全要素生产率增长的时空变异：基于文献的再研究[J].经济地理，2012，（7）：113-117，128.
[22] 钟廷勇，安烨.要素错配与全要素生产率损失前沿文献评述[J].税务与经济，2014，（2）：25-30.
[23] 田先钰，张洁.R&D与生产率变动研究综述[J].科学学与科学技术管理，2011，（3）：44-49.
[24] 刘青海.国内外R&D对本国生产率的相对贡献研究：相关国外文献综述[J].科技进步与对策，2011，（9）：157-160.
[25] 高凌云，夏萬军.进口品属性、溢出与全要素生产率：文献综述[J].首都经济贸易大学学报，2009，（1）：105-110.
[26] Garfield，E. Science citation index — a new dimension in indexing[J].Science，1964，（144）：649-654. [27] Chen，C M. Searching for intellectual turning points：progressive knowledge domain visualization[C].Proceedings of the National Academy of Sciences of the United States of America （PNAS），2004，101：5303-5310.
[28] Chen，C M. CiteSpac Ⅱ：detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology，2006，57 （3）： 359-377.
[29] Chen，C M，Ibekwe-SanJuan，f，Hou JH. The structure and dynamics of co-citation clusters：a multiple-perspective co-citation analysis[J]. Journal of the American Society for Information Science and Technology，2010，61（7）：1386-1409.
[30] Chen，C M，Loet Leydesdorff. Patterns of connections and movements in dual-map overlays： a new method of publication portfolio analysis[J]. Journal of the American Society for Information Science & Technology，2013，65（2）：334-351.
[31] Li，Z M，Xu，S Y，Yao，L M. A Systematic literature mining of sponge city： trends， foci and challenges standing ahead[J].Sustainability，2018，（10）：1182.
[32] Zhu，W W，Wang，Z Q. The collaborative networks and thematic trends of research on purchasing and supply management for environmental sustainability：a bibliometric review[J]. Sustainability，2018，（10）：1510.
[33] Chen，Y，Wu，C. The hot spot transformation in the research evolution of maker[J]. Scientometrics， 2017，（113）：1307-1324.
[34] 郑玉歆，张晓，张思奇.技术效率、技术进步及其对生产率的贡献——沿海工业企业调查的初步分析[J].数量经济技术经济研究，1995，（12）：20-27.
[35] 郑玉歆.全要素生产率的测算及其增长的規律——由东亚增长模式的争论谈起[J].数量经济技术经济研究，1998，（10）：28-34.
[36] 郑玉歆.全要素生产率的测度及经济增长方式的“阶段性”规律——由东亚经济增长方式的争论谈起[J].经济研究，1999，（5）：57-62.
关键词：全要素生产率;知识图谱;文献计量;CiteSpace
中图分类号：F061.2 文献标志码：A 文章编号：1673-291X（2021）05-0004-07
一、引言与文献回顾
研究全要素生产率的理由是什么？是由于经济增速的放缓引发了学术界对经济增长源泉的新一轮研究热潮，全要素生产率无疑是研究的重点。Tinbergen（1942）、Stigler（1947）提出全要素生产率（Total Factor Productivity，TFP）概念。索罗模型（Solow，1956）把经济增长的源泉分为要素投入（资本、劳动）和除要素投入外的因素（统称全要素生产率）。之后众多西方学者对全要素生产率的研究从要素细分（Denison，1962; Jorgenson和Griliches，1967）、测算与分解方法（Malmquist，1953;Farrel，1957;Aigner，Lovell&Schmidt，1977;Meeusen & Broeck，1977;Battese & Corra，1977;Charnes，Cooper & ERhodes，1978）、R&D等影响因素（Bernstern & Yan， 1996 ）、国际间比较（Krugman，1994;Fagerberg，2000;Ghirmay，2001）等方面进行了研究，总体来说是从理论走向实证，从模型走向数据。
中国经济和经济研究有自己的特点，有必要给出一幅中国研究全要素生产率的全景图。由于世界经济环境的变化、技术的发展、新经济业态的涌现和国际间经济情况的差异，国外经济理论的引进既有适用的地方又有要区别探讨的地方。国内对全要素生产率的研究一方面是对国外理论引进的探讨，另一方面是进行实证分析。对国内现有研究情况进行综述的主要集中在测算方法与分解（邱阳、杨俊、廖冰，2002;刘光岭、卢宁，2008）、行业实证（姚耀军、曾维洲，2011;王元园，2013;余康、章立、郭萍，2012;潘丹、应瑞瑶，2012）、要素分析（钟廷勇、安烨，2014）、影响因素（田先钰、张洁，2011;刘青海，2011;高凌云、夏万军，2009）等。已有对全要素生产率研究进行综述的文献各有侧重，从内容上来说还没有对全要素生产率研究的所有研究方向进行综述的，从综述方法和文献量来看还没有采用文献计量方法进行全部文献梳理的，如今运用软件CiteSpace对全要素生产率研究的全部文献进行可视化分析正可以做到从内容和文献量上全面覆盖。
为什么选择CiteSpace来分析全要素生产率的文献？文献计量科学的兴起和可视化软件的发展为大数据分析海量文献把握某一领域的研究总体趋势，进而发现研究热点和重点提供了有效的分析工具。文献计量学主要从文献的分布规律（如布拉德福定律、洛特卡定律、齐普夫定律、H指数等）、文献的网络联系（如关键词共现、文献共被引、作者共被引、机构合作等）、科研的评价（如机构研究能力、作者影响力等）等方面进行计量分析。Garfield（1964）绘制DNA领域研究图谱为标志的文献计量学新兴方向——知识图谱（Mapping Knowledge Domains）的兴起，更是为展现某一研究领域的总貌提供了直观、科学的途径，各种可视化软件应之而生，比如BibExcel、①WordSmith Tools、②Pajek、③ Ucinet、④SATI、⑤CiteSpace⑥等。Chen（2004，2006，2010，2013）开发的CiteSpace因其在可视化方面独特的“突发检测”功能发现研究热点以及时间分片显示知识的变迁成为近年绘制知识图谱热门的可视化工具。它广泛用于文文献挖掘（Li & Xu， 2018）、学者合作网络（Zhu & Wang，2018）、研究热点转变（Chen & Wu，2017）等方面的研究。目前还没有检索到运用CiteSpace对全要素生产率进行研究的文献。下文利用可视化软件CiteSpace（版本5.0.R2 SE）对CNKI期刊数据库中有关“全要素生产率”的文献进行关键词高频词和共现图谱分析，试图归纳出1986年以来研究的总体变动趋势和各个时间段的研究热点及其变迁的现实经济原因。
论文按以下顺序展开：首先通过文献量的变化展现整体研究热度变化;然后分两阶段根据文献样本的高频词统计和关键词聚类图谱梳理各个时期的研究热点;最后得出研究结论，展望进一步研究的方向。
二、全要素生产率研究热度总体变化趋势
1986—2004年，无论经济增长率上升还是下降，研究全要素生产率的文章几乎都很少，二者相关性不大。论文量从2005年开始几乎是持续年年增长 2011年和2012年除外。经济增长率从2008年后几乎是持续年年下降，2010年和2011年除外。总体来说，从2008年开始，经济增长率和研究全要素生产率的文献呈现相反走势。 二者呈现这样的走势与中国的经济发展事实相符合。自从1978年改革开放以来，中国的经济持续高增长主要靠投资拉动。作为发展中国家，中国与发达国家相比存在技术水平和商业模式上的差距。1992年中共十四大提出发展社会主义市场经济，投资迅速增加，经济增长率迅速上升。经济经过几年的投资推动增长，迅速出现了产能过剩现象，国有企业大面积亏损。1997年亚洲金融危机爆发，中国的出口贸易受到极大影响。1998年中国经济增长率下降到7.84%，随后开始国有企业改革。20世纪90年代是以美国为代表的发达国家信息技术繁荣的时期。中国在2000年左右开始启动信息技术产业的发展，开始了新一轮的经济增长。从2005年开始中国出现新一轮产能过剩现象，亟待转型找到新的增长点。而此时国内外在技术水平和商业模式上能借鉴的都基本借鉴了，特别核心的技术壁垒较高，只能自己研发。2008年国际金融危机爆发，之后陷入全球经济下滑趋势，西方发达国家同样面临寻找新的经济增长点的问题。所以，国内对经济增长的研究只能从自身实际出发，对增长的源泉——全要素生产率的研究进入了剧增阶段。2010年全国经济增长率有一个小的回升，之后又持续下滑，随之全要素生产率的研究相应地出现了2011年和2012年短暂平稳后又继续增加的趋势。总体来说，2015年以来，中国研究全要素生产率的文献呈上升趋势，这与中国经济增长不能再主要靠投资拉动息息相关。
三、每个阶段的研究前沿
由上可知，中国对全要素生产率的研究热度大致可以分为两个阶段：1984—2014年，2005—2016年。下文分别对这两个阶段的全要素生产率进行文献计量分析。
（一）1986—2004年全要素生產率研究图谱与热点
这一期间的19年在CNKI全部期刊来源中检索到147篇文献，总体文献量很少，研究也不连续（1988年没有文献）。运用CiteSpace（版本5.0.R2 SE）进行关键词累计词频统计，得到频次不小于2的关键词84个，其中频次最高的10个词见表1。
全要素生产率这个概念最初就是在西方国家经济增长核算中诞生的，作为经济增长中除去劳动投入和资本投入外其他因素带来的经济增长率的总和。早期的研究把它近似做作技术进步的表现。从表1可以看出，这一时期由于文献量少，除了“全要素生产率”频次为94以外其他关键词的词频都较低，词频10次以上的关键词只有6个。其中6个词是以“生产函数”为核心进行投入产出分析的：有关投入的关键词包括“资本投入”和“劳动投入”，有关产出的关键词包括“总产出”和“产出弹性”以及“弹性系数”。已经认识到“经济增长”有赖于“生产率提高”，“生产率提高”有赖于“技术进步”。总的说来，这一时期中国对全要素生产率的研究较少，集中在概念和基本理论框架的探讨。
（二）2005—2016年关键词谱聚类与研究前沿分析
2005—2016年间在四种刊源中检索到期刊文献2 470篇，运用CiteSpace（版本5.0.R2 SE）设置条件“E=3，1年，关键词节点，TOP50，寻径网络修剪”进行可视化词频分析和聚类分析。
1.重要关键词节点词统计分析
频次、突发度、中介中心性、∑值是衡量节点重要性的四个指标。
其中，突发度表示关键词在某一时间片内迅速增加的程度。突发度越高越说明这个词在某个较短的时间出现了剧烈的研究热度爆发。表2按照爆发开始年份列出了2005年以来的28个关键词。
从表2可以看出，这些词的突发区间在2-6年。2005年开始，出现了几个长达6年的突发词，集中在对经济增长核算的研究和面板数据。2012年开始，两个突发期达5年的关键词集中在对企业创新的研究。2013年开始，两个突发期达4年的关键词强调空间和环境。2014年开始，研究的热度继续集中在环境、计量方法和新兴产业几个方面。
频次表示在分析样本整个研究时间的区间的累计出现次数，频次越高说明在整个样本区间被研究得越多。中介中心性表示在整个图谱网络中的连接性重要程度，可以理解为在知识的网络中可能有推进性或转折性的节点。∑值是CiteSpace软件根据突发度和中心性算出来的一个值，可以理解为这两个指标的综合值。表3分别列出了频次、中心性、∑值排名前10的关键词。
从表3看出，“全要素生产率”作为研究样本的主题词频次是排名第二的“malmquist指数”的6倍多，说明样本中的文献都是紧紧围绕研究对象选取的。∑值出现了明显的分段特征，最大的两个值高达100多而第三的只有13.06。最大的两个词是技术效率和技术进步，都与技术有关。由此可见，技术与关于全要素生产率的各个细分研究领域高度联系，其本身也是研究的重点。总体看来，三个指标中出现最多的是与全要素生产率的分解有关的词，如 “技术进步”、“技术效率”、“规模效率”以及与方法模型相关的词，比如“malmquist指数”、“数据包络分析”、“随机前沿分析”。剩下的词涉及增长、投资、溢出、研发、生产、区域、产业、企业。
2.关键词的谱聚类分析
对2005—2016年每年频次前50的关键词进行聚类，生成的图谱包含122个节点、128条连接，Q值0.8364，S值0.8593，说明聚类效果良好。软件自动生成了各个聚类的名称，根据每个聚类出现的时间顺序和包含的节点，结合中国的经济发展历史，下文分三阶段简述全要素生产率研究热点的变迁。
第一阶段，2005—2007年，全要素生产率与产业（#6、#4、#9、#5）。这一时期的几个聚类重点研究基于宏观经济增长框架的“经济增长”、“技术进步”与“全要素生产率”，是对前20多年零星研究的深入和爆发探讨。大家广泛采用面板数据进行实证研究，并重视产业集聚对全要素生产率的影响。中国的实体经济在2005年左右出现了新一轮的产能过剩。此时，中国国内外的技术水平和商业模式的差距逐渐缩小，能简单借鉴的产业都已经移植进来了，所以需要找到适合自己国情的新的经济增长点。固此从结构的方面分析各个产业的增长潜力以及从各个产业的分布考察其规模效率是否最优十分有必要。 第二阶段，2011年左右，经济刺激政策与研究方法发展（#0， #1， #3， #10， #11）。2008年世界金融危机后出现了全球经济下滑。中国政府推出了一系列措施，包括基础设施、公共事业、生态环境、创新和结构调整、减轻企业负担、城乡居民收入等方面，以扩大内需和促进经济增长。通过估算，到2010年底这一揽子计划约需投资4万亿元。这对中国经济的发展和对经济的研究都产生了显而易见的影响。对应于创新，人力资本和技术溢出得到了广泛研究。对应于结构调整，业界研究了外商直接投资、进口中间品和企业异质性对全要素生产率的影响。对应于环境保护，环境全要素生产率成为研究的重要领域。同时，研究的方法得到了充分的发展，曼奎斯特指数、数据包络分析、HMB指数等是主要的研究方法。
第三阶段，2012—2016年，第三产业、空间经济计量模型（#2、#7、#8）。这一阶段中国的经济增长率持续下滑，各个产业都出现增长疲软，企业出现融资难问题。国家一方面倡导“大众创业，万众创新”发展新兴产业，另一方面鼓励大力发展服务业，并且对企业的融资问题高度重视。在产业增长乏力的前提下，加快落后地区的发展、缩小地区发展不平衡能够以地区结构性发展带动一定的总体增长。空间计量方法在这一阶段运用较多。
2005—2016年这一阶段与前面19年相比，国内对全要素生产率的研究主要是通过面板数据进行更深入的实证分析，包括对全要素生产率分解方法的探讨，从行业、地区、企业等对象的差异和自然环境约束、融资约束等方面进行实证研究。
总的说来，可以根据我国近30几年来经济发展的历程对研究量的兩阶段变化进行解释。前19年可以理解为跟随长板式经济增长，以引进国外技术、加大国内投资为主;而后12年可以理解为提高技术效率和规模效率为主的补短板式经济增长和创新经济。1992年我国经济体制改革以前国内外的技术水平是存在闸门效应的，个人或者说少数企业家既没有合适的渠道也没有足够的动力迅速把国外的先进技术引进国内。经济体制改革后，随着三资企业的兴起和民营经济、个体经济的兴起，既打通了国内外技术传导的路径，又激发了经营者的引进动力，这一阶段对国外技术的引进极大地促进了国内经济发展。然而，正如郑玉歆（1995，1998，1999）所言，生产率变动以及技术进步的模式应区分行业异质性和生命周期。引进国外技术在工业中更多地体现在对设备的引进，一些行业从无到有、从少到多、从弱到强，这就必然伴随着劳动力和资本在这些行业的迅速增加。随着国内外技术闸门效应逐渐减小，经济发展更多地需要研发投入以推动创新。这两个阶段的全要素生产率的构成有很大的差异。2000年左右爆发的互联网知识经济可以看做是引进技术发展的最后一波浪潮，此后，能够通过市场消除的国内外技术差基本已经消除了，国内的经济增长过渡到技术扩散阶段。各个行业一方面寻求突破环境的制约、资金的制约、管理制度的制约等短板把现有技术发挥到最大效率，另一方面加大研发投入摸索下一阶段的技术爆点。所以，前期可以借鉴国外技术时，全要素生产率研究少;后期是促进效率提高和自主创新时，对全要素生产率的研究剧增。
四、研究结论
通过对国内1984—2016年2617篇有关全要素生产率研究的期刊文献进行统计和计量分析可以得出以下几点结论。
（一）研究热度与经济现实的关系
对全要素生产率的研究以2005年为分水岭。之前是零星的研究，之后是迅速升温至今的爆发期，爆发期又分为三个阶段。这个分水岭体现了国内外经济发展的闸门效应正在消除，之前是跟随式长板经济以技术引进、投资拉动为主的，之后是补短板和创新经济以提高规模效率、自主创新为主。
（二）研究重点
从研究对象来看主要有3个方面。（1）区域，如全国、省级地区等。（2）产业和行业，如工业、农业、细分行业等。（3）企业，如工业企业、上市企业等。从研究的内容来看，包括投入产出、效率、规模、技术、溢出效应和环境等。从研究的方法来看最常用的是malmquist指数、数据包络分析和随机前沿分析，最新的是空间计量模型。
总之，国内对全要素生产率的研究经历了对基本概念和理论的探讨到对测算方法的深入、对外延的分解、对影响因素的分析。这是一个从笼统到具体、从总量到细分的过程。
参考文献：
[1] Tinbergen，J. Professor Douglas’ Production Function[J]. Review of the International Statistical Institute，1942，10（1-2）： 37-48.
[2] Stigler，G. .J. Trends in Output per Worker[M]. National Bureau of Economic Research，Inc.：Cambridge， MA，1947.USA.
[3] Solow，R.A contribution to the theory of economic growth.[J]. The Quarterly Journal of Economics，1956， 70（1）：65-94.
[4] Denison，E F. United States economic growth [J].Journal of Business，1962，35（2）：109-121.
[5] Jorgenson，DW，Griliches Z . Issues in Growth Accounting：Final Reply[J]. Survey of Current Business，1972，52（5）. [6] Malmquist，S. Malmquist，S.. Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（2）：209-242.
[7] Farrell，M J. The measurement of productive efficiency[J].Journal of the Royal Statistical Society，1957，120（3）：253-290.
[8] Aigner，D，Lovell， C A K， Schmidt， P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics，1977，6（1）：21-37.
[9] Meeusen，W，Broeck， J V D. Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error[J].International Economic Review，1977，18（2）：435.
[10] Battese，G E，Corra，G S. Estimation of a production frontier model： with application to the pastoral zone of eastern Australia[J].Australian Journal of Agricultural Economics， 1977， 21（3）：169-179.
[11] Charnes，A，Cooper， W W， Rhodes， E. Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，（2）：429-444.
[12] Bernstern J I，Yan XY. Canadian-Japanese R&D Spillovers and Productivity Growth[J].Applied Economics Letters，1996，3（12）：763-767.
[13] Krugman，P. Competitiveness：a dangerous obsession[J]. Foreign Affairs，1994，73（2）：28-44.
[14] Fagerberg，J. Technological progress，structural change and productivity growth：a comparative study[J].Structural Change & Economic Dynamics，2000，11（4）：393-411.
[15] Ghirmay，T，Grabowski，R，Sharma，S C. Exports， investment， efficiency and economic growth in LDC： an empirical investigation[J].Applied Economics，2001，33（6）：689-700.
[16] 邱阳，杨俊，廖冰.全要素生产率测定方法综述[J].重庆大学学报：自然科学版，2002，（11）：38-41.
[17] 刘光岭，卢宁.全要素生产率的测算与分解：研究述评[J].经济学动态，2008，（10）：79-82.
[18] 姚耀军，曾维洲.金融发展和全要素生产率：一个文献回顾[J].浙江社会科学，2011，（3）：52，144-149，160.
[19] 王元园.银行业全要素生产率的增长率测算：一个文献综述[J].财会通讯，2013，（15）：121-124.
[20] 余康，章立，郭萍.1989—2009中国总量农业全要素生产率研究综述[J].浙江农林大学学报，2012，（1）：111-118.
[21] 潘丹，应瑞瑶.中国农业全要素生产率增长的时空变异：基于文献的再研究[J].经济地理，2012，（7）：113-117，128.
[22] 钟廷勇，安烨.要素错配与全要素生产率损失前沿文献评述[J].税务与经济，2014，（2）：25-30.
[23] 田先钰，张洁.R&D与生产率变动研究综述[J].科学学与科学技术管理，2011，（3）：44-49.
[24] 刘青海.国内外R&D对本国生产率的相对贡献研究：相关国外文献综述[J].科技进步与对策，2011，（9）：157-160.
[25] 高凌云，夏萬军.进口品属性、溢出与全要素生产率：文献综述[J].首都经济贸易大学学报，2009，（1）：105-110.
[26] Garfield，E. Science citation index — a new dimension in indexing[J].Science，1964，（144）：649-654. [27] Chen，C M. Searching for intellectual turning points：progressive knowledge domain visualization[C].Proceedings of the National Academy of Sciences of the United States of America （PNAS），2004，101：5303-5310.
[28] Chen，C M. CiteSpac Ⅱ：detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology，2006，57 （3）： 359-377.
[29] Chen，C M，Ibekwe-SanJuan，f，Hou JH. The structure and dynamics of co-citation clusters：a multiple-perspective co-citation analysis[J]. Journal of the American Society for Information Science and Technology，2010，61（7）：1386-1409.
[30] Chen，C M，Loet Leydesdorff. Patterns of connections and movements in dual-map overlays： a new method of publication portfolio analysis[J]. Journal of the American Society for Information Science & Technology，2013，65（2）：334-351.
[31] Li，Z M，Xu，S Y，Yao，L M. A Systematic literature mining of sponge city： trends， foci and challenges standing ahead[J].Sustainability，2018，（10）：1182.
[32] Zhu，W W，Wang，Z Q. The collaborative networks and thematic trends of research on purchasing and supply management for environmental sustainability：a bibliometric review[J]. Sustainability，2018，（10）：1510.
[33] Chen，Y，Wu，C. The hot spot transformation in the research evolution of maker[J]. Scientometrics， 2017，（113）：1307-1324.
[34] 郑玉歆，张晓，张思奇.技术效率、技术进步及其对生产率的贡献——沿海工业企业调查的初步分析[J].数量经济技术经济研究，1995，（12）：20-27.
[35] 郑玉歆.全要素生产率的测算及其增长的規律——由东亚增长模式的争论谈起[J].数量经济技术经济研究，1998，（10）：28-34.
[36] 郑玉歆.全要素生产率的测度及经济增长方式的“阶段性”规律——由东亚经济增长方式的争论谈起[J].经济研究，1999，（5）：57-62.