第一节
中国省际产业间要素错配程度的演变趋势

一 测度模型

如图3-1的左图所示， y _i 、 l _i 、 k _i 、 A _i 分别为 i 省份的产出、劳动力、资本和全要素生产率，且 。 A 点为 i 省份要素配置的初始状态，此时总的资本量为 ，第一产业的劳动力为 。假设资本的配置处于最优状态， i 省份通过调整三大产业劳动力的配置，可以达到的最优产出为 ，此时第一产业的劳动力为 ，则第一产业的劳动力扭曲量为 。

如果 i 省份的总资本量增加到 ，则 i 省份的要素配置的调整有两条选择路径，即A→B→E和A→C→D。第一条路径调整劳动力的配置时不考虑资本的状态，其实质是认为资本的状态不影响劳动力的扭曲，所以得出的劳动力扭曲量仍然为 ，如此通过调整劳动力在三大产业间的配置得到的最优产出低于 。第二条路径首先考虑资本量的增加，在资本达到最优状态时再寻找劳动力的合理配置点 D ，得到的劳动力扭曲量为 ，如此通过调整劳动力在三大产业间的配置得到的最优产出为 。显然两条路径得到的结果有天壤之别，相比于路径1，路径2有较低的劳动力扭曲量和较高的最优产出，说明劳动力要素的配置需要考虑资本的动态变化。

在图3-1的右图可以看到，对于每一状态的资本配置，都有相应的劳动力配置使得总产出在这一资本配置状态下达到最优。如果在测算劳动力的扭曲量时不考虑资本配置是否达到最优，则 O ₂ 点的 是资本在扭曲状态下的劳动力最优配置，如此得到的劳动力扭曲量为 ，显然劳动力从 调整到 并不能得到最优产出。只有资本配置状态为 O ₁ 时，才能通过劳动力配置的调整得到最大总产出，与此比较，得到的劳动力扭曲量为 。说明在精确计算劳动力的扭曲量时，资本必须为最优配置状态。

借鉴柏培文的思路（柏培文，2012），假设多行业中任选 m 、 i 两个行业，且行业的生产函数分别为 ， ，其中 Y 表示行业产出， K 表示资本， L 表示劳动力， α 、 β 分别为资本和劳动力的产出弹性。则相应有劳动边际生产力 ， ，其中 p 表示劳动的回报率（即工资）， κ 表示劳动回报率与劳动边际产出的扭曲度。则有：

其中， γ _m = Y _m / Y , ， 。

依据Aoki的方法推测（Aoki, 2012），当 m 、 i 两行业的劳动边际生产力相等时，意味着 m 、 i 行业之间不存在劳动力配置扭曲，即有 ；当 m 、 i 两行业的劳动边际生产力不相等时，意味着 m 、 i 行业之间存在劳动力配置扭曲，即有 或 ，此时 m 、 i 行业间的错配劳动量为 ΔL _m = 。如此，可以用行业间劳动边际生产力的扭曲测度行业间劳动力错配程度。

但在解算行业劳动边际生产力的时候面临一个问题——资本是否调整为最优配置？可以设想，如果资本仍然处于扭曲状态，如此求得的劳动边际生产力也不是最优的，此时得到的并不是相对于最优总产出的劳动力扭曲量，即使完全消除劳动力错配，也得不到劳动力的最优配置。所以下文将基于要素配置的动态性与路径选择性的分析，采用最优产出状态为比较对象测算劳动力要素的扭曲度。

类似于劳动力的分解， m 行业的资本投入量可以表示为：

其中， p _mk κ _mk 为资本的边际产出， 。

当行业间不存在资本错配时，则行业间资本的边际产出相等，即 ，则 m 行业的资本配置从 K _m 变为 ，其中 。此时， m 行业的劳动力边际产出将变为：

接下来，本书在柏培文和杨志才的研究基础上（柏培文、杨志才，2016），将行业 m 相对于行业 i 的劳动力错配程度表示为：

同理，为了测度中国省际的劳动力、资本错配程度，将 p ₁ 、 p ₂ 、 p ₃ 分别表示为第一、第二、第三产业的要素回报率， κ ₁ 、 κ ₂ 、 κ ₃ 分别表示第一、第二、第三产业的要素回报与要素边际产出扭曲程度， ν ₁ 、 ν ₂ 、 ν ₃ 分别表示第一、第二、第三产业的要素占比权重。则三大产业间要素 F 的扭曲程度可表示为：

将第二、第三产业扭曲合并，得到非农业内部要素配置扭曲程度：

基于Blinder、Oaxaca的差值分解方法（Blinder, 1973; Oaxaca, 1971），将 按照产业间要素回报率的差异和产业内要素回报与要素边际产出的扭曲度进行分解，则有：

其中 反映的是产业间要素回报差异的贡献， 反映的是产业内部要素市场扭曲的贡献， 为调节项。

如此，则有 H _F = H _p + H _Id + H _pId 。其中：

在 H _p 中，每一项都反映了某种情形下的产业间要素回报差异的贡献。因此， H _p 反映的是产业间要素回报率差异对要素配置扭曲的贡献，加上绝对值，就可以刻画产业间要素回报率差异导致的要素配置扭曲。 H _Id 反映的是产业内部要素市场扭曲对要素配置扭曲的贡献，加上绝对值，就可以刻画产业内部要素市场扭曲导致的要素配置扭曲。 H _pId 反映的是相互彼此叠加效应的影响，作为调节项来处理。

二 参数设置与数据处理

为了测度1995—2014年中国各省份（暂不含中国香港、澳门、台湾、西藏地区，下同）劳动力和资本要素错配程度以及要素错配的分解，需要中国各省份三次产业的生产总值、劳动力人数、物质资本存量、平均工资、资本收益率以及要素产出弹性的相关数据。

第一，生产总值和劳动力人数。中国各省份三大产业的生产总值数据来源于《中国统计年鉴》，在处理中需要用三次产业增加值物价指数分别对三大产业的生产总值进行平减。1995—2010年各省份三大产业的劳动力人数数据来源于 CEIC 中国经济数据库。2010年以后中国各省份三大产业劳动力统计口径变化较大，2010年前后数据无可比性，所以本书采用的处理方式： i 省份第一产业劳动力人数= i 省份劳动力人数×全国第一产业劳动力人数/全国劳动力人数，第二、第三产业的处理方式与此类似。中国各省份劳动力人数、全国三次产业劳动力人数、全国劳动力人数的数据来源于《中国统计年鉴》。

第二，物质资本存量。1995—2002年中国各省份三次产业的物质资本存量的数据来源于徐现祥等估计的中国省区三次产业资本存量（徐现祥等，2007）。在此基础上，2003—2014年的物质资本存量根据各省份三次产业固定资产投资，按照永续盘存法得到，其中各省份三次产业的固定资产投资按照2012年的《三次产业划分规定》，由相关行业加总得到。在处理过程中仿照张军等的做法（张军等，2004），采用9.6%的物质资本折旧率，同时用第一、第二、第三产业的固定资产投资物价指数对各产业的固定资产投资进行平减。固定资产投资的相关数据来源于《中国统计年鉴》。

第三，平均工资。1995—2004年中国各省份三次产业的平均工资采用的处理方式： i 省份第一产业平均工资= i 省份第一产业劳动报酬/第一产业劳动力人数，第二、第三产业的平均工资处理方式与此类似。2008—2014年各省份三次产业的平均工资采用的处理方式： i 省份第一产业平均工资=（一产城镇单位工资总额+一产城镇私营单位和个体户工资总额）/（一产城镇单位就业人员数+一产城镇私营单位和个体户就业人员数），第二、第三产业的平均工资处理方式与此类似。其中，各产业城镇单位和城镇私营单位的工资总额和就业人员数由各行业的数据加总得到。2005—2007年各省份三次产业的平均工资采用移动平均的修复方式得到。各省份三次产业劳动报酬数据来源于《中国国内生产总值核算历史资料（1952—2004）》，各省份相关行业的城镇单位、城镇私营单位及个体户的工资总额和就业人数的数据来源于《中国统计年鉴》。

第四，资本收益率。Bai等将资本回报定义为生产总值与资本报酬占比的乘积（Bai et al., 2006）。方文全认为生产总值收入法核算中除去劳动报酬的部分都为资本回报（方文全，2012）。张勋和徐建国进一步认为生产总值除去劳动报酬和间接税后的部分才为资本回报（张勋、徐建国，2014）。基于生产总值收入法核算体系，本书认为GDP除去劳动报酬、固定资产折旧和间接税后的部分（即营业盈余）为资本回报。各省份三次产业的资本收益率的处理方式： i 省份第一产业资本收益率= i 省份一产营业盈余/ i 省份一产物质资本存量，第二、第三产业的资本收益率处理方式与此类似。1995—2004年各省份三次产业营业盈余数据来源于《中国国内生产总值核算历史资料（1952—2004）》， 2005—2014年各省份三次产业营业盈余采用的处理方式： m 年份 i 省份一产营业盈余=2004年 i 省份一产营业盈余× m 年份 i 省份营业盈余/2004年 i 省份营业盈余，第二、第三产业的营业盈余处理方式与此类似。各省份营业盈余的数据来源于《中国统计年鉴》。

第五，要素产出弹性。要素产出弹性的估算方法：使用各省份的产出、物质资本存量和劳动力人数，采用对数形式进行回归，得到劳动力和资本弹性系数。

三 劳动力错配程度的演变趋势

（一）产业间劳动力错配程度

为了作比较，表3-1分别从资本扭曲配置角度和资本最优配置角度给出了产业间劳动力错配程度的测算结果。 ^[1] 资本扭曲配置角度的产业间劳动力错配程度方面。东部地区，北京、江苏、浙江和福建的劳动力错配程度在2004年以前有逐步下降趋势，而2004年后又步入上升通道，整体呈现以2004年为界点的“U”形结构；与此类似，河北、山东、广东和海南的劳动力错配程度呈现以2008年为界点的先下降后上升的“U”形结构；天津、辽宁和上海的劳动力错配程度在2006年以前呈现先上升后下降的倒“U”形结构，而2006年以后又迈入“V”形上升通道。中部地区，山西、吉林和黑龙江的劳动力错配程度在2008年以前呈现先上升后下降的倒“U”形结构，而2008年后呈现出上升趋势；其余省份的劳动力错配程度则呈现出以2006年为界点的先下降后上升的“U”形结构。西部地区，内蒙古和新疆的劳动力错配程度以2006年为界点，之前呈现先上升后下降的倒“U”形结构，之后则呈现“V”形上升趋势；其余省份较多呈现出以2008年为界点的先下降后上升的“U”形结构。

资本最优配置角度的产业间劳动力错配程度方面。北京和上海的劳动力错配程度起初较低，但有逐年上升趋势，2010年以后处于较高水平；天津的劳动力错配程度起初不高，且变化缓慢；江苏和海南的劳动力错配程度在2006年以前基本维持在较低水平，且变化缓慢，但2006年以后呈现陡峭的“V”形上升结构；河北、浙江和山东的劳动力错配程度呈现以2006年为界点的“U”形结构，其中浙江的劳动力错配程度在2010年以后处于较高水平；辽宁、福建和广东的劳动力错配程度以2006年为界点，之前呈现先上升后下降的倒“U”形结构，之后则呈现“V”形上升趋势，其中福建的劳动力错配程度在2008年以后处于较高水平。中部地区，山西和吉林的劳动力错配程度以2006年为界点，之前呈现先上升后下降的倒“U”形结构，之后又步入上升通道；黑龙江的劳动力错配程度整体呈现先上升后下降的倒“U”形结构；安徽、江西、河南、湖南和湖北呈现以2006年为界点的先下降后上升的“U”形结构，其中安徽、江西、湖北和湖南的劳动力错配程度2008年以后处于较高水平。西部地区，各省份的劳动力错配程度整体呈现先下降后上升的“U”形结构，其中重庆、四川和贵州的劳动力错配程度2010年以后处于较高水平。

比较两种测算方法，多数省份的劳动力错配测算结果差别较大。且2008年国际金融危机后，相比于资本扭曲配置角度，资本最优配置角度的劳动力错配测算结果普遍较高，这是金融危机后多数省份的资本配置浮动变化的结果，而资本最优配置角度的测算方法精确地捕捉到这一特点，使其测算结果更为科学可靠。资本扭曲配置角度的测算方法并未考虑资本扭曲状况，使得测算结果出现误差。

总体上看，劳动要素错配的程度与中国社会主义市场经济发展趋势一致，且与地区间的不同经济发展水平和市场化程度密切相关。东部地区的民营经济相对发达，城镇化水平较高，基础设施较为完善，教育和技术进步水平较高，劳动力的行业和空间选择性较大，所以劳动力错配程度相对较低，符合城乡经济一体化发展的趋势。但金融危机后，北京、上海、江苏、浙江、福建和海南的劳动力错配程度快速上升，可能是由于金融危机阻碍了六省份的外贸出口，非农业部门生产严重过剩，且现代农业的发展促使六省份的农业部门相对于非农业部门生产率提高，但非农业部门投入过大，严重侵蚀了农业部门的人才资源，导致农业总量发展滞后；同时六省份大力发展出口导向型经济，需要大量农村劳动力，但城镇中对于农村劳动力的户籍、就业歧视和行政干预依然较严重；另外考虑到金融危机后劳动力成本的上升，促使了六省份的FDI（外国直接投资）向东南亚大量转移，劳动力与资本不匹配的程度加剧也提高了劳动力错配程度。中西部地区市场化水平起初较低，且教育水平、对外开放度、城乡一体化建设相对滞后，阻碍了劳动力空间上的自由流动和行业的自由选择，增加了工作选择的成本，导致劳动要素错配程度较高；但劳动要素错配程度随着这些因素的改善而逐渐降低。其中江西、湖北、安徽、湖南、四川、重庆、贵州的劳动力要素扭曲程度在金融危机后快速上升，可能与这些省份非农业部门的重复建设、过度投资、产能过剩有关，且这些省份民营经济不发达，不同体制的经济单位大量并存，严重阻碍了劳动力自由流动，同时这些省份的农业劳动力外出打工的意愿降低，外出务工的劳动力返乡回流的现象严重，加剧了农业与非农业部门之间劳动力资源配置非均衡的程度。

（二）非农业内部劳动力错配程度 ^[2]

表3-2给出了非农业内部劳动力错配程度的测算结果。东部地区，各省份的非农业间劳动力错配程度起初较低，整体上有逐年缓慢增长的趋势。其中北京和上海的非农业部门内存在不同体制的经济单位，并有大量的流动劳动力，使得非农业部门内的劳动力错配程度增长较快。中西部地区，各省份的非农业间劳动力错配程度起初较低，且增长态势不明显。其中黑龙江、江西和河南近年来的非农业内部劳动力错配程度出现止涨下跌的趋势，说明三省份第二产业与第三产业的劳动生产率趋同。

（三）劳动力错配程度的分解 ^[3]

表3-3给出了劳动力错配程度的分解结果。工资差异的贡献量方面。东部地区，北京和上海的工资差异贡献量较低，且增长缓慢；天津的工资差异贡献量大致呈逐年增长趋势；河北的工资差异贡献量大致呈逐年下降趋势，但2012年以后又拐头向上；其余省份的工资差异贡献量呈现波浪式上升趋势。中部地区，安徽和河南的工资差异贡献量呈现先下降后上升的“U”形结构；江西的工资差异贡献量有逐年上升的趋势；湖北的工资差异贡献量以2008年为界点，之前呈平稳变化趋势，之后则跳跃式上升；其余省份的工资差异贡献量呈波浪式上升趋势。西部地区，重庆、四川、贵州、云南、陕西和甘肃的工资差异贡献量呈现先下降后上升的“U”形结构，其余省份的工资差异贡献量呈波浪式上升趋势。

产业内部劳动力市场扭曲的贡献量方面。东部地区，北京、江苏和福建的产业内部劳动力市场扭曲的贡献量以2010年为界，之前逐年上升，之后逐年下降，且三省份的产业内部劳动力市场扭曲的贡献量在2010年处于较高水平；上海、海南的产业内部劳动力市场扭曲的贡献量呈现以2012年为界的先上升后下降的倒“U”形结构，且2012年两省份的产业内部劳动力市场扭曲的贡献量较大；天津的产业内部劳动力市场扭曲的贡献量呈逐年上升趋势；其余省份的产业内部劳动力市场扭曲的贡献量呈螺旋式上升趋势，但绝对量较小。中部地区，多数省份的产业内部劳动力市场扭曲的贡献量呈现先下降、后上升、再下降的波浪式上升趋势，且在2008年或2010年达到最高水平，其中安徽和湖北的产业内部劳动力市场扭曲的贡献量在2010年达到较高水平。西部地区，多数省份的产业内部劳动力市场扭曲的贡献量呈现螺旋式上升趋势，且在2008年或2010年达到较高水平。

整体上看，各省份工资差异的贡献量前期较低，但增长趋势明显，这与中国城市与农村经济发展阶段是一致的。1995年之后，城市在一系列国家优惠政策下快速发展，大量资本、技术、人才涌入城市，农村劳动力也逐步流向城市。2001年中国加入世界贸易组织以后，这种步伐加快，大量国外资本也投向城市，使得中国的二元经济现象明显，农村和城市之间的差距逐步加剧，这种差距在工资水平方面也体现得淋漓尽致。与工资差异的贡献量相比，产业内部劳动力市场的贡献量更加突出，说明导致劳动力扭曲的体制性因素依然较严重，所有制壁垒、户籍限制等现象依然存在，加剧了产业内部劳动力市场的扭曲。同时产业内部不同行业的劳动力非均衡配置以及行业壁垒也较为突出，劳动力在同行业内部的转移或行业间的流动会受到技术经验或者机会成本的限制。

四 资本错配程度的演变趋势

（一）产业间资本错配程度

为了作比较，表3-4分别从劳动力扭曲配置角度和劳动力最优配置角度给出了产业间资本错配程度的测算结果。劳动力扭曲配置角度的产业间资本错配程度方面。东部地区，北京和上海的产业间资本错配程度呈螺旋式下降趋势，且2014年两省份的产业间资本错配程度处于较低水平；浙江和广东的产业间资本错配程度以2004年为界，之前快速下降，之后变化则基本平稳；其余省份的产业间资本错配程度基本呈现以2006年为界的先快速下降、后缓慢上升的“U”形结构。中部地区，黑龙江的产业间资本错配程度呈现以2002年为界，之前快速下降，之后缓慢上升的趋势；其余省份的产业间资本错配程度起初较高，呈现以2006年为界的先下降、后上升的“U”形结构。西部地区，各省份的产业间资本错配程度起初较高，且以不同年份为转换界点，呈现先下降后上升的趋势。

劳动力最优配置角度的产业间资本错配程度方面。东部地区，北京和上海的产业间资本错配程度在2006年之前快速下降，但2006年之后有一定程度的上升趋势；天津的产业间资本错配程度下降趋势较为明显；河北、江苏、福建、山东、广东和海南的产业间资本错配程度在2006年之后有不同程度的快速上升趋势。中部地区，安徽、江西、湖北和湖南的产业间资本错配程度呈现以2002年为界点的先下降后上升的“U”形结构，且2014年维持在较高水平；山西的产业间资本错配程度呈下降趋势；其余省份的产业间资本错配程度呈先快速下降、后缓慢上升的趋势。西部地区，重庆和甘肃的产业间资本错配程度变化不明显；云南和陕西的产业间资本错配程度起初较大，但金融危机前快速下降，金融危机后有上升趋势；其余省份以不同年份为转换界点，呈现先下降后上升的趋势。

可以看出，两种情况下的资本错配程度的测度结果变化较大。与劳动力扭曲配置情况相比，劳动力最优配置时的资本错配程度在金融危机后有较大程度的提高，且东部地区有更高的资本错配程度，这与现实中东部地区的过度投资、产能过剩一致。所以，基于动态性和路径选择性的要素错配测度方法更具有合理性。

总体比较，金融危机前各省份的产业间资本错配程度有下降趋势，这与中国社会主义市场经济发展趋势一致。随着对外开放度的提高、信息交流的深入、基础设施建设的完善，各省份的经济发展水平和市场化程度不断提高，这些条件与劳动者素质的优化相结合，大大促进了资本在各地区、各产业、各领域的合理配置。但金融危机后，多数省份的产业间资本错配程度出现回升的现象，可能与以下几点有关。一是东部、中部、西部地区产业转移所致。东部地区低端制造业向中西部转移的过程中，东部地区的企业因大量沉没成本、产品市场、技术人才等问题不愿意完全迁入中西部地区，为了应付政策而选择重复性简单投资，同时东部地区的产业升级并未取得突破性进展，大量资本重复性投资于现有产业链低端节点；中西部地区为了引进企业入驻，给予各项优惠条件，但换来的往往是污染严重、低端耗能型企业，甚至是单纯的建设用地补偿，同时中西部地区缺乏承接产业所需的技术、市场、人才、基础设施，使得投资效率极低。二是为了刺激经济快速复苏，国家大力投资各地区的基础设施建设，但重复性建设严重，且浪费型投资较多，回收成效不明显，经济动力仍然不足，使得总体资本回报率下降。同时外部环境恶化，企业利润降低，大量资本选择投入虚拟经济或房地产行业而挤兑实体产业的投资，造成了资本的扭曲配置。三是政府干预所致。政府干预可以通过两条路径造成较为严重的资本错配：其一，通过财政补贴保护现有的生产率较低的企业，使得本应该淘汰的僵尸企业仍然不停地吸收资本，继续存在，而缺少资本投入的高生产率企业可能由于融资约束出现资金链断裂问题，甚至遭遇倒闭，使得市场不能发挥自由选择的功能，市场拣选优质企业的功能失效；其二，严重的行政性市场进入壁垒阻碍了高生产率企业的进入，使得资源不能有效流到生产率高的企业，造成资源的不合理配置。

（二）非农业内部资本错配程度

表3-5给出了非农业内部资本错配程度的测算结果。东部地区，北京、上海和山东的非农业内部资本错配程度呈先下降后上升的“U”形结构；河北、辽宁、浙江、福建、广东和海南的非农业内部资本错配程度呈现波浪式变动趋势；江苏的非农业内部资本错配程度呈现波浪式上升趋势。中部地区，山西、吉林、安徽和湖南的非农业内部资本错配程度呈逐年下降趋势；黑龙江的非农业内部资本错配程度呈先上升后下降的倒“U”形结构；其余省份的非农业内部资本错配程度呈现螺旋式下降趋势。西部地区，重庆和云南的非农业内部资本错配程度呈现先上升后下降的倒“U”形结构；四川的非农业内部资本错配程度基本维持在较低水平；贵州和陕西的非农业资本错配程度呈现先下降后上升的“U”形结构；青海和新疆的非农业资本错配程度呈现螺旋式下降趋势。

（三）资本错配程度的分解

表3-6给出了资本错配程度分解的测算结果。资本收益率差异的贡献量方面。东部地区，北京、天津、福建和广东的资本收益率差异的贡献量有曲线上升的趋势，其中天津的资本收益率差异的贡献量在2012年达到较高水平；河北和山东的资本收益率差异贡献量呈波浪式上升趋势；辽宁和上海的资本收益率差异的贡献量有曲线下降的趋势；海南的资本收益率差异贡献量呈先下降后上升的“U”形结构。中部地区，吉林的资本收益率差异的贡献量呈现先下降后快速上升的趋势，2014年吉林的资本收益率差异的贡献量达到较高水平；山西和江西的资本收益率差异的贡献量呈逐年下降的趋势；黑龙江的资本收益率差异的贡献量呈螺旋式上升趋势。西部地区，内蒙古的资本收益率差异的贡献量有上升的趋势；重庆、贵州、云南和陕西的资本收益率差异的贡献量起初较高，但下降趋势明显，2014年四省份的资本收益率差异的贡献量达到较低水平；其余省份的资本收益率差异的贡献量有螺旋式下降的趋势。

产业内部资本市场扭曲的贡献量方面。东部地区，北京和上海的产业内部资本市场扭曲的贡献量在1998年以后维持在较低水平，且没有增长趋势；天津、江苏、浙江、福建和广东的产业内部资本市场扭曲的贡献量呈现先下降后上升的“U”形结构；其余省份的产业内部资本市场扭曲的贡献量呈波浪式运动。中部地区，吉林和黑龙江的产业内部资本市场扭曲的贡献量增长趋势明显，且吉林的产业内部资本市场扭曲的贡献量在2014年达到较高水平；山西和湖北的产业内部资本市场扭曲的贡献量呈现先下降后上升的“U”形结构。西部地区，内蒙古的产业内部资本市场扭曲的贡献量有逐年上升的趋势；贵州和云南的产业内部资本市场扭曲的贡献量起初较高，但下降趋势明显，两省份的产业内部资本市场扭曲的贡献量在2014年处于较低水平；宁夏和新疆的产业内部市场扭曲的贡献量分别以2000年和2006年为界点，呈现螺旋式上升趋势。

整体来看，东部地区的资本收益率扭曲的贡献量起初水平较低，但增长趋势明显，产业间显著的投资回报率差异与东部地区产业间投资比重的变化一致，也与行业进入壁垒和行业垄断密切相关。西部地区的资本收益率差异的贡献量起初水平较高，但下降趋势明显，这与西部地区基础设施建设、对外开放、产业承接有关。 0ZvYiXnFTKacgOgIIoxwGBNODE1gW65MaU595THjf+jFr3aznbsHpzKri9L286Yu