而搜寻密度x又与两部门之间的工资比有关，即
。
所以得
（6）
6．综合上述各式，得总量生产函数
将（5）式代入到上式并对g求导可得
，
即政府的分割性劳动力市场政策对经济增长有负作用,但这种负作用是递减的。
7.两边取对数得
将（5）直接带入上式得
（7）
这就得到了加入政府政策变量的总量生产函数分解模型。
三、实证文献回顾（LiteratureReview）
本文的实证研究是与大量的结构改变（StructureChange）与经济增长关系的研究联系在一起的。
最近的跨国增长回归实证研究Temple（2003）,Temple&Wobmann（2004）,Restuccia,Yang&Zhu（2003）表明，结构改变对经济增长有显著的影响。
Fan,Zhang&Robinson（2003）第一次估计了结构改变对中国经济的影响。
他们将中国的产业部门分成城市工业、城市服务业、农业和乡镇企业四个部门，对Solow（1957）年的经济增长核算框架进行了扩展。
结果显示，中国从1978-1995年的总增长有17%可以认为是由于结构改变——将资源从低生产率的部门转移到高生产率的部门而带来的。
而蔡昉和王德文（1999）也实际估算了由于劳动力的重新配置对整个中国经济增长的贡献。
认为从1982-1997年之间，劳动力的重新配置对GDP增长率的贡献达到了20.23%。
但他们都没有将结构改变与中国二元性的劳动力市场状况进行联系和分析。
Brandt,HsiehandZhu（2005）是关于这一问题的最新的文章。
他们计算了1979-2000年中国农业、非农业和总的劳动生产率增长，发现平均的劳动生产率增长率低于总的劳动生产率。
这说明一些总的劳动生产率一定来自劳动力在两个部门的重新配置。
他们将总劳动生产率增长分解为三个部分农业增长、非农业增长和两部门之间重新配置。
结果得到的结论是，非农业部门的增长是增长的重要来源（超过1/2）;还有农业转移出的劳动力的再配置及进入非农部门（大约有3/1）;尽管农业生产率增长很高，但它的贡献相当小（大约1/6）。
蔡昉、王德文和都阳（2001）详细讨论了劳动力市场扭曲对区域经济差异造成的影响。
他们将传统的全要素生产率分解为“技术因子”和“效率因子”，分别代表提高技术和提高配置效率而获得的绩效提高。
那么，随着提高技术所获得的绩效提高的空间越来越小——技术因子逐步趋同时，效率因子就决定了一个地区的经济增长。
而配置效率（效率因子）则内生于劳动力市场发育状况。
这就将劳动力市场状况与区域差异形成联系了起来。
他们构建了“比较农业生产率”这一指标，用这一指标来衡量劳动力市场的扭曲导致的要素配置的扭曲程度。
他们计算了1978-1998年东中西三大地区的比较农业生产率，并对地区的经济增长率进行回归。
但他们的估计很可能是有偏的，因为以“比较劳动生产率”所代表的配置效率因子与经济增长的作用可能是相互的，即经济增长越快的地区越有可能实施提高配置效率的措施，或者干脆两者都受到了其他重要因素的影响，而且他们的指标也存在一定问题。
而龚六堂、谢丹阳（2004）则分省计算了1970-1999年的劳动边际生产率，并且利用定义的一个离差指标来刻画各个省之间劳动边际生产率的离散程度，得到了从1970-1999年中国各省之间的劳动边际生产率差异的变化趋势，即从1970-1993年，省际的劳动的边际生产率差异逐渐下降，1993年之后则上升。
因为劳动边际生产率差异的减小意味着经济效率的增加，反之则意味着效率下降。
因此这一上升与随着经济改革深入，劳动生产率应该提高的直觉产生了矛盾。
由于他们的方法必须假定1）经济中只有一种要素是自由流动的；2）生产函数是规模报酬不变的。
因此他们认为：
“
（1）政策驱使的劳动力流动增加了劳动市场的无效性；
（2）出现了劳动力的规模回报递增；（3）在1993年以后出现了资本存量和劳动力可以同时流动的情形”是可能的三种解释。
但他们关注的问题只是省际之间的要素流动，因为只有省际之间的要素具有充分的流动性，要素的边际生产率才具有趋同性，而忽略了省内迁移的作用。
这与中国实际的迁移状况并不完全相符合。
一些学者从制度和政策角度出发，对中国经济增长进行了研究。
如严冀、陆铭和陈钊（2005）利用分省的面板数据，分析了改革以来经济开放、非国有、财政改革等经济政策及其相互作用对中国地区经济增长的影响。
他们认为，由于存在大规模的劳动力跨地区流动以及国有企业的隐性失业问题，所以对中国劳动力要素投入的准确度量是有困难的。
而制度和经济政策与要素增长密切相关，因此直接从增长中估计制度和政策对经济增长的作用就非常有意义。
但非常遗憾的是，在他们分析中并没有包括劳动力市场政策。
与上述研究相比，首先我们更突出了由于政府政策所导致的劳动力市场二元性分割而对经济增长的影响，其次我们将二元性分割劳动力市场理论融合进增长回归方程中，并且得到了满意的结果。
从而获得了二元性劳动力市场政策对经济增长影响的估计。
四、实证模型的计量和分析
根据前面我们推导得出的总量生产函数分解框架（7）式，我们建立扩展的经济增长回归模型。
该模型包含了增长要素（劳动力、资本）、人力资本以及劳动力转移因素。
由于模型以中国不同省份的时间序列为研究对象，要同时考虑了截面因素和时间因素，因此建立以下形式的面板数据（PanelData）模型：
Log（GDP）it=α0it+α1itLog（capital）it+α2itLog（labor）it+α3itLog（human）it+α4itLog（migration2）it（8）
其中，GDP表示国内生产总值，capital、labor分别表示物质资本和劳动力，human表示人力资本，migration2表示农业就业比。
按照一般的个体时间恒量（IndividualTime-invariantVariable）假定，增长模型
（1）式变为如下形式：
Log（GDP）i=α0i+α1iLog（capital）i+α2iLog（labor）i+α3iLog（human）i+α4iLog（migration2）i（9）
从我们所要考察的劳动力流动的政策制定来看，除了几个直辖市之外，大多数的政策的直接制定者是地级市政府，而不是省级政府，但地级市政府的政策又是根据省级政府的指导方针而制定的。
因此，虽然在具体政策的执行上各个地级市政府可能会不同步，但整体上反映了各个省对城乡迁移的政策指向。
因此以省为单位，通过其内部的城乡迁移状况来代表其劳动力市场的分割度是合适的。
1、变量及数据来源
本模型涉及五个变量：
各省市GDP、劳动力、物质资本、人力资本和农业就业比等。
其中，各省市GDP为以1952年为基期折算出各省市的不变价的生产总值，数据来源于《中国国内生产总值核算历史资料：
1952—1995》和《新中国五十年统计资料汇编》。
劳动力变量选取各地区劳动力就业量来替代，数据来源于《新中国五十年统计资料汇编》。
物质资本变量使用在经济增长计量上更有意义上的物资资本存量来替代，但这一指标数据较难获得，不少学者对此指标测算做了深入的研究，在此我们以张军等（2004）的测算方法为依据，以固定资本形成总额为基础，测算出1952年为基期的各省市物质资本存量。
基础数据来源于《中国国内生产总值核算历史资料：
1952—1995》和《新中国五十年统计资料汇编》。
人力资本变量使用普遍接受且应用较广的人均受教育年限这一存量指标来替代，数据来源于陆铭（2004）。
劳动力转移项使用了总就业中农业就业比指标代替，农业就业比反映了劳动力资源在城乡间的配置结构，反映了城乡劳动力市场的分割状况，Temple&Wobmann（2004）曾使用劳动迁移率作为劳动力转移项对经济增长做了回归，本文选取的农业就业比指标与劳动迁移率相近的一个静态指标，数据来源于《新中国五十年统计资料汇编》。
2、横截面样本及数据时间序列时期的选择
由于变量所需的各省市数据并非完全可以得到，例如天津的资本存量数据，湖南的城乡就业人数在统计年鉴中的缺失等，使得我们的样本无法包含中国大陆31个省（市、区）。
本论文最终选取25个省市最为研究的截面样本，从样本的个数及涵盖面来看，包含了几乎主要的省份，可以保证计量的科学有效性。
从时间序列来看，由于人力资本数据的来源起始于1987年，而1998年之后的劳动力就业数据的在年鉴中存在着不一致性，所以变量时间序列选取1987年至1997年，共11年的数据。
另一方面，从实际中来看，城市国有企业劳动制度的第一轮改革开始于1987年，也就是所谓的打破“铁饭碗”。
同时，农村劳动力开始向城市转移，参与到城市就业中，劳动力市场真正开始发挥作用（蔡昉、林毅夫，2003），所以采用1987年作为研究的起始年是恰当合适的。
3、模型计量方法的选择
由于同时考虑了样本的截面和时间因素，需要使用面板模型计量。
在本文中，面板数据模型的优点除了具有同时体现截面和时间因素外，更多的还在于能够测量出不同省市或全国的结构变量对经济增长的作用及程度，从而为之后的分析做出依据。
除了传统的参数显著性检验、拟合优度检验等之外，面板数据模型计量中的重要问题在于变量形式的选择，本文使用了国内外通用的协方差检验来判断形式。
4、模型计量结果
首先，由于模型计量的目的在于对检验结构变量对经济增长的作用，所以可将（9）式变为如下：
Log（GDP）i=α0i+α1Log（capital）i+α2Log（labor）i+α3Log（human）i+α4iLog（migration2）i（10）
即不同省市的资本、劳动力和人力资本同系数，而劳动力农业就业比在不同省时间不同。
采用上述模型需经过协方差检验。
检验结果如下：
F2=239>F（72,200）=1.43;F1=3.54>F（48,200）=1.50，所以分别拒绝同系数模型和变截距模型，采用结构变量不同系数的模型。
由此，根据定性的需要和定量的检验，我们选择（10）式作为面板数据模型的设定形式。
由于样本点较多，以下只列出部分重要结果。
计量结果如下：
表一
同系数变量
系数
t-Statistic
Prob.
LOG（LABOR?
）
0.738686
8.630613
0
LOG（CAPITAL?
）
0.603122
28.56653
0
LOG（HUMAN?
）
0.319099
3.112315
0.0021
结构项显著的主要省份
江苏
浙江
安徽
福建
广东
四川
河北
陕西
系数
-7.2208
-4.1047
-6.598
-11.54
-3.1553
-12.34
-3.731
-7.2132
结构项不显著的主要省份
内蒙古
黑龙江
云南
宁夏
新疆
甘肃
系数
2.90492
0.7593
15.687
1.515
0.56202
0.1035
AdjustedR-squared=0.999737Durbin-Watsonstat=1.170744
此模型估计的结果在拟合优度、参数显著性检验以及序列相关性（D.W）等方面都通过了检验，所以模型的结果是可以采纳的。
从全国的角度来看，劳动力、物质资本、人力资本的影响系数分别为0.74、0.60、0.32。
然后分析各省市的结构变量对经济增长的影响，从总体来讲，变量参数的系数多为负，在全部25个样本中，有15各省市的结构项系数为负值，即劳动力非农就业的增加对经济增长有正的影响。
这一结果与之前的理论分析的结论是完全一致的。
从具体的数值来看，江苏、浙江、福建、广东、河北、安徽、四川、陕西等省份的非农就业比对经济增长的影响程度较大。
这其中东部的省份较多，且对经济增长的贡献度较大。
内蒙古、黑龙江、云南、甘肃、宁夏、新疆等中西部边疆省份中，非农就业对经济增长的促进作用不显著。
这种结果与现实中各地的经济增长状况以及地方政策对劳动力流动的促进（限制）作用状况也是一致的。
为了更好的分析个省份的劳动力资源配置变化对经济增长的作用，将面板数据按经济状况分成东中西三部分来考察。
由于经济状况相似，分区域模型使得面板数据模型中的资本和劳动力同系数的设定更可靠。
在分三大区域的回归中，由于人力资本存量显著性不高、且各区域此变量一致性较差，因此，在回归中剔除了此变量。
1、东部地区
首先，使用协方差检验模型形式：
F1=1.96>F（21,56）=1.7，所以分别拒绝同系数模型和变截距模型，我们判断东部地区面板数据模型的形式依然如式（10），采用结构变量不同系数的模型。
计量结果如下（常数项未列出）：
表二
同系数变量
Coefficient
t-Statistic
Prob.
LOG（CAPITAL?
）
0.718436
39.57084
0
LOG（LABOR?
）
0.739759
8.293538
0
结构变量项
北京
上海
辽宁
江苏
浙江
福建
山东
广东
系数
0.855453
0.132
0.757381
-4.32
-1.9466
-8.7
0.109
-0.55
AdjustedR-squared
0.990813
Durbin-Watsonstat
0.951
以上结果显示，模型通过了拟合优度、参数显著性等检验。
从劳动力和资本的贡献系数来看，两者分别0.74和0.72，与全国的系数相比，在东部地区，资本的贡献度增加而劳动的贡献度降低，与经济含义相符。
从劳动力转移项系数来看，江苏、浙江、福建、广东的劳动力转移项为负，且较大，表明对经济增长有较大的贡献，而北京、上海、山东、辽宁的劳动力转移项为正，表明对经济增长无显著贡献，但系数都较小，表明此影响程度较低。
2、中部地区
首先，使用协方差检验模型形式：
S1=0.236,S2=0.277,S3=5.56.F1=0.47F（24,49）=1.75,所以分别拒绝变截斜率模型和同系数模型，我们判断中部地区面板数据模型的形势为变截距模型，形式如下：
Log（GDP）i=α0i+α1Log（capital）i+α2Log（labor）i+α3Log（human）i+α4Log（migration2）i（11）
计量结果如下（常数项未列出）：
表三
变量
系数
t-Statistic
Prob.
LOG（CAPITAL?
）
0.721715
114.2985
0
LOG（LABOR?
）
0.781896
16.99939
0
LOG（MIGRATION2?
）
-0.173423
-2.776436
0.0068
AdjustedR-squared=0.983753
Durbin-Watsonstat=0.40404
以上结果同样显示，模型通过了各项检验，只是D.W值偏低。
变量同系数模型表面了中部地区各省市的经济状况相似，劳动力、资本及结构改变三项对经济增长有着近似一致的贡献，三者的贡献度分别为0.78、0.72、0.17。
这表明，与劳动力和资本要素一样，劳动力城乡迁移对经济增长有着较显著的作用。
这与之前全国的测算结果也是一致的，在全国的模型中，安徽、河北、河南等中部省份的结构项均对经济增长有较显著的作用。
3.西部地区
西部地区增加山西和内蒙古后共包括10个省份，首先，仍对模型形式做协方差检验。
S1=0.153,S2=0.256,S3=11.37;F1=1.3F（36,70）=1.63
所以分别拒绝变截斜率模型和同系数模型，我们判断西部地区面板数据模型的形势为变截距模型，形式如式（11）。
计量结果如下（常数项未列出）：
表四
变量
系数
t-Statistic
Prob.
LOG（LABOR?
）
1.002494
37.00754
0
LOG（CAPITAL?
）
0.595954
147.4395
0
LOG（MIGRATION2?
）
0.069442
2.692509
0.0081
AdjustedR-squared=0.993302
Durbin-Watsonstat=0.407572
在西部地区中，相对于资本等其他要素，经济增长的绝大数贡献来自于劳动力要素。
城乡劳动力迁移对经济增长总体来讲，无显著促进作用，系数为0.07。
与之前的全国模型相比，结果也是一致的。
在全国模型中，只有经济相对较发达的四川和陕西两省的非农就业变量对经济增长的贡献较明显，而其他省份均无显著影响，由此也导致了整个地区迁移项对经济增长的不显著作用。
五、研究中的问题
虽然我们通过增长回归，计量出了二元性劳动力市场政策对经济增长影响。
但由于数据和计量模型的不够完善，也使我们的研究存在着如下问题。
1.数据问题。
我们使用的迁移数据
升级会员 