"真实"生产力序列之争：跨数据库美国农业与产业生产力指标的系统性不一致分析

这篇综述通过时间序列算法系统评估了美国产业层面全要素生产率(TFP)在三大权威数据库(JHS、BEA、BLS)中的一致性，特别关注农业部门。研究发现56%-66%的产业TFP序列存在显著不一致性，揭示出不同数据库在产出值、中间投入等基础指标测算上的系统性差异。文章提出创新的向量误差修正模型(VECM)分析框架，为生产力研究的数据库选择和方法标准化提供了重要方法论启示。

　　

摘要

本研究对美国政府三大权威机构发布的产业层面全要素生产率(TFP)序列展开系统性实证分析，涵盖农业部门在内的61个行业。通过开发基于单位根检验和协整分析的时间序列算法，发现Jorgenson等(JHS)、经济分析局(BEA)和劳工统计局(BLS)数据库之间存在显著测量差异。特别值得注意的是，农业(作物和动物生产)部门的TFP序列在所有三组数据库配对比较中均显示不一致性。

引言

TFP作为经济增长的核心驱动力，其测算精度直接影响着科研结论和政策制定的可靠性。研究团队聚焦美国农业等61个行业，针对当前学界普遍依赖单一数据源的研究现状提出质疑。既往文献显示，不同TFP数据源在资本生产率估算和技术进步弹性等关键参数上存在显著分歧，但缺乏系统性验证方法。

方法

创新性地构建了多层级时间序列分析框架：

1. 一致性检验：采用增广迪基-富勒(ADF)测试确定序列整合阶数，对I(1)和I(2)序列分别建立误差修正模型

2. 质量评估：通过向量误差修正模型(VECM)中的调整系数?_z和θ_z判断序列收敛速度

3. 因果分析：对平稳序列实施格兰杰因果检验

特别设计了保守性检验策略，从I(2)开始逐步降阶检验，避免低估单位根数量。所有分析均对取对数后的序列进行去均值处理。

数据

选取1987-2020年间三大数据库的行业级TFP数据：

• JHS数据库：基于KLEMS框架的解析数据(1947-2014)

• BEA数据库：采用Fisher链式指数的综合生产账户

• BLS数据库：官方TFP数据，使用T?rnqvist指数聚合

结果

核心发现：

1. 不一致性广泛存在：BLS-BEA(56%)、BLS-JHS(57%)、BEA-JHS(66%)的行业TFP序列不匹配

2. 农业部门典型问题：BLS与BEA在产出名义值、劳动投入等基础指标上存在根本性分歧

3. 调整机制异常：VECM分析显示多数收敛系数不显著，反映深层测量方法差异

成分分解显示：

• BLS-BEA差异主要源于产出名义值指标(88%行业不一致)

• 资本价格指数一致性最高(50%行业一致)

• 农业部门在BEA-JHS比较中仅产出价格指数不一致

讨论

研究发现对生产力研究具有三重启示：

1. 方法论层面：现有研究普遍忽视的数据库选择偏差可能显著影响结论

2. 实践层面：建议采用卡尔曼滤波等方法融合多源数据

3. 政策层面：亟需建立跨机构的标准化测量框架

特别指出农业TFP测量的特殊性：尽管投入要素价格指数相对稳定，但产出测量的不一致性直接导致政策效益评估的困难。

结论与展望

本研究开创的序列一致性分析框架可扩展应用于：

1. 劳动生产力指标的国际比较

2. 分数阶积分模型的构建

3. 环境调整型TFP的验证

建议后续研究重点探索三大方向：不同指数公式的敏感性分析、州级数据的空间一致性、气候变化对生产力测量的影响机制。这些发展将显著提升生产力指标在可持续发展目标(SDGs)评估中的适用性。