机构、技术效率与劳动生产率之间的联系：一个扩展的索洛模型框架 奥姆尼亚·奥萨马·埃尔胡塞因（Omnia Osama ElHusseiny）

《Economies》：Nexus Between Institutions, Technological Efficiency and Labor Productivity: A Framework of Augmented Solow Model Omnia Osama ElHusseiny

　　摘要：本文采用扩展的索洛模型（Augmented Solow Model）作为核心实证框架，旨在探讨制度作为调节因素在技术效率与劳动生产率之间的关系中的影响。现有文献尚未充分将技术效率纳入扩展索洛模型的分析中，且通常单独研究这两个维度，而未能捕捉它们对劳动生产率的交互（调节）效应。为了实现这一研究目标，将各国划分为高收入国家、中高收入国家和中低收入国家。模型揭示了各国之间的巨大差距，并发现这种差距会因不良的制度环境而进一步扩大。本研究使用1990至2019年间175个国家的数据进行了面板分析，结果表明改善制度质量有助于提升产出并促进长期经济增长。实证结果显示，制度环境的质量决定了制度效应的强弱。具体而言，在较差的制度背景下，技术效率的提升作用会被削弱；而在制度质量较高的环境中，这种提升作用会得到显著增强。因此，本文强调，仅旨在提高生产率或鼓励采用新技术的政策在没有健全且运作良好的制度环境的支持下是不足以实现预期效果的。

1. 引言
全球范围内劳动力和资本的高度流动性促使人们关注经济表现和生活水平的变化。平均劳动生产率作为衡量经济表现的一个重要指标，揭示了劳动力市场、人力资本及其在提升生活水平和促进经济增长中的作用（Van Ark & McGuckin, 1999）。然而，经济体往往倾向于投资于新的生产技术，以提高资源利用率。在良好的制度环境下，可以减少技术资源（如硬件、软件、专业知识及相关金融资源）的浪费。Acemoglu和Johnson指出，制度确实能解释各国经济运行方式和表现上的差异（Acemoglu et al., 2005）。最近，制度被视为解决人均收入差异及提升经济表现问题的关键因素。因此，分析经济运行的制度框架已成为研究的重要组成部分。全球范围内，收入不平等的原因通常归结为技术差距。高效技术的应用为生产低成本、高质量的商品、积累资本和提升竞争力奠定了基础。因此，在一个能够促进增长、实施效率原则和改善流程管理的制度环境中，技术效率是影响劳动生产率的重要变量；而在制度不健全的环境中，技术效率可能会降低生产率并增加成本。综上所述，考虑制度因素有助于提升研究质量，并促进社会的文化和政治发展（Todorova, 2022）。

近期文献强调技术效率——即优化利用现有技术的能力——作为产出表现的关键决定因素，尤其是在发展中国家和新兴经济体中。不过，越来越多的研究指出制度在形经济结果方面的重要性。Acemoglu等人（2001）的开创性研究表明，包括治理有效性、监管质量和法治在内的制度质量是经济表现的根本决定因素。尽管存在这一理论共识，实证结果仍存在分歧：一些研究证实制度对生产率和增长有显著的正向影响（Rodrik et al., 2004），而另一些则发现制度变量与技术和结构性因素交互时的效应较弱或具有情境依赖性。本研究采用扩展的索洛模型扩展新古典增长理论，分析不同国家之间的收入和增长率差异。该模型通过将技术纳入模型，解释了各国人均收入的差异。研究重点关注制度对整体经济表现（如增长和发展）的影响，而非作为经济增长投入的决定因素。制度对经济表现的某些方面具有显著影响（Hall & Jones, 1999）；制度控制着教育体系、就业状况、工资以及企业培训员工的政策（Tebaldi & Mohan, 2009）。根据世界银行基于人均国民总收入（GNI）的分类标准，国家被划分为低收入、中低收入、中高收入和高收入四大类别。低收入国家被视为“发展中国家”。发展是一个与收入相关的因素。Antonie W. Van Agtmael于1981年提出的“新兴经济体”概念，将那些人均收入较低至中等水平的国家定义为发展中国家。“新兴”经济体和“发展中国家”根据其改革措施、经济增长速度以及参与全球经济的程度而有所不同（Campbell & Ahmed, 2012）。随着时间的推移，发展中国家需要解决劳动力市场供需不匹配及资源分配不足等问题，以提高生产率。相比之下，发达国家通过教育、基础设施和投资创新实现了更高的生产率水平，并受益于更高效的市场和良好的治理机制。因此，理解生产率差距的原因和后果对于希望提升经济增长率和减少全球不平等的政策制定者和发展专家至关重要。

2. 文献综述
2.1. 生产率与技术效率的理论基础
技术进步与生产率之间的关系一直是经济增长理论的核心。技术效率指经济或企业在给定投入条件下产生最大产出的能力。效率的提高反映了向生产前沿的靠近，而非前沿本身的移动。然而，最新理论发展表明，这种效率提升并非自然而然发生，而是取决于互补的结构性条件，尤其是制度质量。大量实证研究证实了技术进步与劳动生产率之间的正相关关系（Solow, 1956; Romer, 1990）。不过，近期研究表明，这种关系在不同国家、行业和制度环境中存在显著差异。

制度经济学（Institutional Economics）由North（1990）开创，将制度定义为塑造经济行为并降低交易成本的正式和非正式“规则”。Acemoglu等人（2001）认为，制度质量是长期经济表现的根本决定因素，影响激励机制、投资决策和资源分配效率。最新理论进一步强调制度互补性，即技术效率与制度质量共同决定了生产率结果。在这种观点下，制度不仅直接影响经济表现，还制约了技术进步和效率提升过程的成效（Aghion & Howitt, 2009）。

2.2. 制度质量与经济表现
制度质量被广泛认为是经济发展和生产率的关键决定因素。跨国实证研究一致表明，法治、监管质量和政府效能等治理指标与较高的产出和生产率密切相关（Acemoglu et al., 2001; Rodrik et al., 2004）。North（1990）指出，制度通过降低不确定性和交易成本，促进了高效的经济交流。现代实证研究进一步发现，制度质量能提升投资效率、改善创新成果并促进生产率增长。最近的研究将这一观点扩展到数字和技术领域，表明制度质量在数字转型中对生产率效应具有关键作用，尤其是通过加强监管执行和优化资源配置（Zhang & Zhang, 2025; Lu et al., 2025）。

2.3. 技术效率与制度的互动关系
新兴文献开始探讨制度在塑造技术结果中的互动作用。这一观点认为，仅依靠技术效率无法实现持续的生产率提升，必须依赖强大的制度框架。实证研究越来越多地支持这一观点，例如在制度质量较高的国家，信息通信技术（ICT）和数字技术的生产率效应更为显著（Fulgenzi et al., 2024）。创新系统研究也表明，制度优势通过改善协调性、减少不确定性及确保经济政策的有效实施，增强了技术投资的经济回报。宏观层面的跨国分析显示，技术发展与生产率之间的关系是非线性的，并受到制度环境的强烈影响。薄弱制度可能会削弱甚至抵消技术效率带来的生产率提升，而强大制度则会显著增强这些效应（Wu & Kikuchi, 2025）。最新的计量经济学证据进一步证实了制度质量的调节作用，即制度质量增强了技术创新和效率对经济增长和生产率的正面影响（Nguyen & Be, 2025）。

2.4. 文献中的研究空白
尽管相关研究日益丰富，但仍存在若干空白。首先，许多实证研究依赖加性模型，未能捕捉技术-制度关系的条件性质，从而限制了对制度环境如何影响技术效率效果的理解。其次，很少有研究明确区分技术效率和技术创新在解释生产率差异中的作用，尽管两者具有不同的理论含义。第三，关于标准化制度变量的方法论议题关注不足，尤其是在涉及变异变量时，这可能导致政策结论的模糊性。因此，当前研究旨在探讨制度质量在技术效率与劳动生产率关系中的调节作用，具体包括：（1）评估技术效率对劳动生产率的直接影响；（2）评价制度质量对这种关系的调节程度；（3）使用标准化变量对交互效应进行严格解释，以提高可比性和计量经济学稳健性。

3. 研究方法
本研究方法结合了定量和定性分析：定量研究侧重于使用统计方法收集和分析数据以测量现象并推广结果；定性研究则通过回顾以往研究来深入理解现象和观点。该模型遵循扩展索洛模型框架，将技术效率（A）视为可通过数据包络分析（Data Envelopment Analysis, DEA）测量的变量。数据包络分析（DEA）用于估计各要素的技术效率和整体生产力，而不是将它们视为未观测到的残差。劳动生产率被视为效率水平的直接结果，而制度因素在确定一个经济体相对于效率阈值的位置方面起着关键作用，这可以通过将它们作为非可选投入纳入模型，或者通过两阶段分析来解释国家之间的效率差异来实现。该模型重点关注在制度存在的情况下，技术效率如何促进劳动生产率，在扩展的索洛模型框架内进行研究。它指出，每个工人的产出是由制度决定的。反过来，制度可以刺激或破坏经济的生产率。

为了明确提出的框架在增长文献中的位置，构建了一个增长模型的比较表。表1展示了基于增长理论的文献分类。表1还强调了关于技术进步、效率以及制度作用的关键假设差异。与将全要素生产率视为未观测残差的传统模型不同，当前研究整合了数据包络分析（DEA）来明确衡量效率和技术绩效。这种方法允许对扩展的索洛框架进行更精确的实证描述，并增强了本研究的方法论贡献。

本研究使用了涵盖1990年至2019年175个国家的面板数据集。选择1990年作为起始年份是为了纳入更多的样本国家。下表2定义了研究中使用的变量，包括从可靠的国际数据库中获取的数据来源，以确保结果的准确性和可比性。本研究分为两个程序：首先使用DEA衡量效率变量；其次，通过将国家分为三个部门（高收入、中高收入和中低收入），来衡量制度对劳动生产率（因变量）和技术效率（自变量）的调节作用。

在第一阶段中，使用DEA模型估计样本国家的技术效率变量，以计算技术效率得分，该得分被视为自变量。估计技术效率有两种方法：参数化方法和非参数化方法。SFA是参数化方法的一个基本例子，它将技术低效率与随机误差分开（Aigner等人，1977年；Battese & Coelli，1992年）。相比之下，DEA是一种数学规划的非参数方法，用于构建生产前沿并相对于构建的前沿来衡量效率。DEA通过设定投入和产出目标（需要减少的投入或增加的产出）来帮助决策者判断一个企业、行业或国家是否高效或有改进潜力。

DEA方法用于测试国家的决策单元（DMU），它将多个投入和产出转换为效率的标量度量（从0到1），以识别高效的（好的）表现者并创建一个基准前沿，而其他则为 inefficient 的单位创建自己的前沿；这在经济学和运筹学研究中被广泛使用（Seiford & Zhu，1998年）。基准前沿与其他前沿之间的距离可以表示低效率。然而，技术效率可以作为一种总体绩效的衡量标准，但它并不能指出低效率的来源，这可能是以下原因之一：
- 资源可能被错误分配。
- 资源可能在没有达到最佳规模的情况下运作。

根据这一理论，技术效率指的是DMU应用生产前沿的能力，偏离这些边界的程度代表低效率。这一程序由Farrell（1957年）开发，他估计了各国的产出或生产边界，并由Charnes等人（1981年）和Battese & Coelli（1992年）进一步探索，他们使用DEA方法分析了技术效率。该方法假设有N个国家通过N个投入产生了Y产量，以了解在标准非参数方法中的多投入和多产出的确切途径（Coelli等人，2005年）。基准经济体可以用作案例研究，以便提高其他经济体的绩效。发展中国家可能表现出规模报酬递增，表明扩大运营有潜在的好处。而发达国家更可能处于规模报酬不变的条件下，意味着它们已经通过投入（物质资本和人力资本）实现了最优运营规模。

DEA模型可以假设规模报酬不变（CRS）或规模报酬可变（VRS）。CRS假设产出会与投入成比例变化，而VRS允许存在规模报酬递增或递减（Charnes等人，1981年）。VRS模型更可靠，原因有多种：它计算了多种投入和产出变量；它不假设投入和产出变量之间存在函数关系；它适应不同的投入和产出变量测量集合。VRS下的效率包括规模报酬递增、不变和递减三种情况，而传统DEA模型中的CRS假设则不同。VRS假设对于评估国家的规模效率更为现实，因为它考虑了投入和产出与类似规模DMU的比较（Sulaiman & Ismail，2021年）。当所有国家都没有在最优规模下运作时，VRS更为适用（Coelli等人，2005年）。

本研究在1990-2019年期间，针对175个国家的面板数据集应用了DEA和Cobb-Douglas生产函数。数据来自世界银行数据库，该数据库提供了更可靠的绩效证据，因为时间的变化使研究人员能够追踪它们的绩效，如下方程所示：
- 工人的实际GDP份额（Y）：以人均产出（按购买力平价计算）表示。
- 每个工人的物质资本存量（K）：使用永久库存法（PIM）根据固定资本形成指数（按不变价格）计算每个国家的资本存量链。
- 每个工人的人力资本存量（H）：总劳动力变量，按平均受教育年限加权。

本研究使用EViews 12统计软件包来估计结果。利用DEA模型测量的技术效率代表了国家实际产出的潜力份额，并突出了效率得分在0到1范围内的相对价值，其中1表示高效，小于1表示低效。期望一个国家根据可用技术最大化产出。数据可以在下表3中总结，展示了1990-2019年期间4800个样本国家的效率频率。表3显示了发展中国家和发达国家的效率得分频率。效率得分范围为0到1，其中1表示DMU是高效的基准。对于大多数发展中国家来说，低于基准的效率得分可能更为常见，这些国家也因资源有限、技术不先进和人力资本水平较低而存在改进空间。相比之下，大多数发达国家的较高效率得分可以作为提高效率的参考点，因为它们能够更好地获取资源、拥有先进技术并具备较高的人力资本水平。表3展示了1990年至2019年各国的技术效率频率。

如表3所示，数据显示了发达国家和发展中国家在效率方面的明显差异。发达国家的效率得分普遍较高，大多位于0.8-0.89范围内，而发展中国家的分布范围较广，但仍有大量国家的得分较低。发达国家通常表现出更高的效率得分，需要注意的是，发达国家使用的技术比发展中国家更先进。

如表4所示，发展中国家中大多数效率得分集中在接近0%的范围内。发达国家通常表现出更高的效率百分比。表5从表3和表4中得出了主要观察结果。从频率和百分比表可以看出，随着发展中国家效率得分的增加，其频率呈下降趋势。发达国家通常表现出更高的效率得分，但没有发达国家的效率得分为零的情况。根据前三张表格，可以得出一些国家表现优于其他国家的结论。在扩展的索洛模型框架下，这些差异是由于其在物质资本上的高投资率、在教育上的大量投入、较低的人口增长率以及较高水平的技术。选择这一模型是因为它认为增长的来源是物质资本和人力资本的积累，加上技术效率，后者似乎是促进劳动生产率的因素。这表明发达国家在效率方面通常表现更好。同时，发展中国家有大量效率非常低的案例（得分为0），而发达国家则没有这种情况。然而，两组中达到完全效率（得分为1.00）的比例都相对较少。对于发达国家和发展中国家来说，实现完全效率都是罕见的，这表明在效率和政策方面总有改进的空间。

在计算出“效率变量”之后，应用了第二步程序：
第二阶段：研究制度作为调节因素在技术效率与劳动生产率之间的关系中的作用。在扩展的索洛模型框架内，计算制度在技术效率与劳动生产率关系中的调节作用是一个多维阶段，可以分为三个子部分：
1. 计算每个部门的变异系数（CV）。变异系数（CV）是数据分析中的重要工具，用于确定数据围绕平均值的离散程度。变异系数较低的变量更具同质性。本研究使用了根据世界银行最新分类将国家分为高收入、中等收入和低收入三组的三年面板数据的效率和产出变量的CV。
2. 计算皮尔逊相关系数（r）。皮尔逊相关系数（r）衡量两个变量（X和Y）之间的关系强度和方向，其值在（+1, 0, ?1）之间。可以通过以下步骤计算：
- 计算每个变量的平均值（μ）。
- 计算标准差（ε）。
- 计算每个标准差的总和。
- 应用皮尔逊相关系数公式：
r = (Σ [x_i * y_i) / (n * Σ [x_i] * Σ [y_i]])

根据附录C的结果，CV3（低收入-中等收入）表示最同质的变量，其离散程度最小，表明模型强度高。下一步是计算皮尔逊相关系数（r）。

通过这些步骤，可以得出变量X和Y之间存在强相关性（直接关系），即随着技术效率的增加，生产率也会增加。为了衡量制度在扩展的索洛模型框架内技术效率与劳动生产率关系中的调节作用，本研究进行了调节回归分析。分析采用了pool最小二乘法（PLS）、固定效应模型和随机效应模型。本研究通过面板回归分析进行假设检验，以评估各模型的最佳估计器。假设的检验通过Hausman检验来选择固定效应模型或随机效应模型。假设为H0：αi = Xit, Zi 和 H1：αi ≠ Xit, Zi，其中H0代表随机效应模型，H1代表固定效应模型。如果p值显著（p < 0.05），则拒绝原假设，表明固定效应模型是更好的估计器。面板回归的一般模型表示为公式（2）：

（2）

在面板回归和广义线性模型（GLM）的框架下，制度对自变量（技术效率）与因变量（劳动生产率）之间的关系强度或方向具有调节作用。在本研究中，数据集包含以下内容：
- 劳动生产率指数（每位工人的产出）；
- 技术效率得分；
- 制度。

为了进行调节分析，需要自变量与调节变量之间的交互项。交互项 = TE × Inst （3）

因此，采用以下模型进行回归：

（4）

其中：
- β0：y轴截距；
- β1：技术效率对劳动生产率的影响；
- β2：制度对劳动生产率的直接影响；
- β3：制度对技术效率与劳动生产率关系的调节效应；
- 如果β3（交互项的系数）具有统计学意义，则表明制度对该关系具有调节作用；
- εt：随机误差；
- LPit：以每位工人产出表示的劳动生产率；
- TEit：使用数据包络分析（DEA）计算出的技术效率；
- Instit：通过包括治理总体得分在内的指标来代理的制度。

为了考察制度作为调节变量在技术效率与劳动生产率关系中的作用，通过将样本国家的制度质量分解为各个国家的代理变量来估计模型（4）。关于制度质量的衡量，文献中关注了几组变量（Glaeser等人，2004年），例如Knack和Keefer（1995年）使用的变量集以及Kaufmann和Kraay（2010年）使用的变量集。如果技术效率随着制度质量的提高而提高，则意味着制度制度化了技术效率与劳动生产率之间的关系，反之亦然。

表6展示了本研究中使用的变量的描述性统计信息。该表显示了由统计软件包EViews计算得出的均值、中位数、标准差和其他相关指标。根据表6，制度质量变量以标准化（总体得分）的形式表示，其中的数值表示偏离样本均值的情况。负值表示低于平均水平的制度表现，而不仅仅是绝对的负面水平。同样，交互项捕捉了技术效率与制度质量之间的联合效应；负值反映了在相对较弱的制度条件下效率的运作情况。这种转换有助于解释结果并减少包括交互效应在内的模型中的多重共线性。表7总结了表6中提到的结果的解释和解读。

下一步是使用变量之间的相关矩阵来检查相关性，如表8所示。表8显示了本研究变量之间的相关系数，这些系数在表9中进行了解读。如表8、表9和表10所示，相关矩阵用于检查本研究变量之间的相关性。从表8可以看出，效率与劳动生产率（由Output_Ln_Y表示）之间存在密切关联，这与经济理论相符，即效率能够提升生产率。Output_Ln_Y和效率系数之间的相关性强，相关系数为0.536。调节变量——交互项与Inst_overall_score呈正相关（0.99），表明它能够影响经济结果。总之，相关矩阵表明效率是推动产出的最重要因素，其次是调节变量——交互项。Inst_Overall_Score与Output_Ln_Y之间一些看似反常的相关性揭示了数据集中这些变量的复杂性质。

随后检查了变量的平稳性，进行了单位根检验以确认变量的平稳性。单位根检验的结果见表11。由于p值小于0.05，我们拒绝了变量平稳性的原假设。表11展示了针对多个变量进行的面板单位根检验结果。单位根检验的结果表明，变量是平稳的。

在确认相关矩阵后，使用它来检查变量之间的多重共线性。广义线性模型（GLM）通常被认为是处理面板数据自相关的最佳模型，因为它能有效处理内生性和自相关性。这种方法一致且高效，是进行面板数据分析的稳健选择。表12展示了GLM的结果：

表12. 面板广义线性模型

该表的解读如下：
- 效率系数（24.96617）：该变量具有统计上显著且为正的系数（p值 = 0.0000），表明效率的提高会导致产出的对数增加，说明效率在推动生产率或产出增长方面起着关键作用。
- Overall_Inst_Score（-11.04028）：该变量具有负的且显著的系数（p值 = 0.0000），表明在该特定模型中，Overall_Inst_Score的增加可能与产出增长减少有关，这可能反映了治理改革或效率在不同情境下的影响。
- Interaction_term（Efficiency*Overall_Score）（12.64241）：该变量具有显著性（p值 = 0.0000）且与产出呈正相关，结果表明改善交互项可以促进产出增长，表明稳定的政治环境对经济表现有积极影响。

5. 讨论
实证发现为技术效率在提高受研究经济体劳动生产率方面的作用提供了有力证据。相对较低的均方根误差（RMSE = 1.689059）表明模型拟合良好，说明估计的关系紧密反映了观察到的数据模式，并支持了实证规范的可靠性。本研究的一个关键结果是制度质量对技术效率与劳动生产率之间关系的统计上显著且正向的调节效应。交互项的大且高度显著的系数（p值 = 0.0000）表明制度在技术进步转化为生产率增益的过程中起着关键的调节作用。从经济角度来看，这一发现表明技术效率本身是不够的；相反，其在具有强大制度框架的环境中效果会被显著放大。这一结果与近期实证文献一致，这些文献强调技术的生产率提升效应取决于制度质量，包括监管质量、治理效率和法治。相反，这也解释了为什么一些先前的研究在发展和新兴经济体中报告的技术效果较弱或不一致，因为制度缺陷可能限制了创新的传播和有效利用（Egbeleo & Sodokin, 2025）。从比较角度来看，这些发现与跨国证据一致，即制度结构较强的经济体往往从技术投资中获得更高的回报，而治理系统较弱的经济体则表现出有限的生产率溢出效应。这加强了结构和制度异质性是技术驱动增长结果的关键决定因素的观点。

理论上，这些结果为增强索洛增长模型（Augmented Solow Growth Model）和内生增长理论（Endogenous Growth Theory）提供了支持。在增强的索洛框架内，制度可以被解释为影响资本和技术生产率的关键因素，从而影响稳态结果。从内生增长的角度来看，这些发现支持了技术驱动的增长是内部可持续的，但依赖于经济的吸收能力，而这在很大程度上取决于制度质量。总之，本文认为人均收入的巨大差异源于社会和市场的组织方式。按照Douglass North的观点，制度的作用在于为提高生产率和技术提供适当的标准和基准。例如，法治可以保障财产权、稳定的政策和低贸易成本，这些都是可持续增长的关键。因此，提高技术效率应是提高总体绩效的关键政策工具。这可以通过投资人力资本（教育和培训）、改善制度质量以及采用更高效的技术和管理实践来实现。

6. 结论
本研究考察了技术效率与劳动生产率之间的关系，特别关注制度质量的调节作用。实证分析得出以下结论：技术效率虽然与每位工人的产出呈正相关，但其影响在不同国家并不一致。相反，其效果取决于制度环境的质量。效率与制度质量之间的估计交互项提供了强烈的调节效应证据，即在制度框架较强的国家中，效率提升效果显著增强，而在治理结构较弱的国家中则受到限制。特别是，负的交互项值表明技术效率在次优的制度条件下运行，限制了其对生产率的贡献。

尽管有这些贡献，但本研究仍存在一些局限性，为未来的研究提供了方向。首先，使用聚合的制度指标可能会掩盖特定制度维度的不同效应（例如，腐败控制、法治、政府效能），这表明需要更细化的分析。其次，关于内生性的潜在问题，如生产率与制度质量之间的反向因果关系尚未得到充分解决，需要应用更先进的估计技术（例如，工具变量或动态面板模型）。

总体而言，本研究强化了这样一个结论：仅靠技术效率不足以推动可持续的生产率增长。相反，其有效性在很大程度上取决于制度环境，这突显了加强监管和治理环境作为长期经济表现基础的重要性。

7. 建议
实证结果表明，技术效率的影响受到制度质量的显著调节。因此，政策重点应集中在加强监管框架上，特别是通过修订投资法律、改进法律保障和执行质量标准。这些措施确保效率的提升能够成功转化为生产率的提高。旨在提高教育和技能、改善治理质量以及促进先进技术采用的政策对于实现持续的生产率增长至关重要。这种综合方法确保技术进步能够有效地转化为更广泛的经济表现。同样，通过增强经济的能力和效率，基础设施和技术教育的支出支持长期的生产率增长。诸如技术教育和中小企业支持等补充政策仍然非常重要，但其成功最终取决于强大而高效的制度框架的存在。