21世纪以来, 随着世界经一体化进程发展以及市场化开放程度, 国家之间的经济交流也越来越大, 各国经济也存在着高速增长。在世界经济飞速发展的大背景下, 近10年以来, 我国的经济也呈现着每年GDP增长率高速发展。这到底是由于什么原因引起的呢?主要有三种观点, 第一, 传统经济学理论认为由于中国投入的高增长导致了中国经济的高增长, 主要包括资本和劳动的积累。第二, 30年来我国经济的改革提升了要素的配置效率, 优化了产业结构, 尤其是在国企改革以及金融贸易之间的改革极大地促进了全要素生产率的提升。第三, 由于R&D的投入以及技术进步、FDI技术外溢效应直接或间接地提升了技术效率, 科研活动的加强也促进了经济的高速增长。
国内有许多学者对中国全要素生产率测算以及相关领域做了大量研究, 运用不同的计量方法 (参数法和非参数法) 对全要素生产率进行测量比较比较少, 更多的是对2000年左右的全要素生产率进行测量分析。还有一些学者对企业层面的生产效率和TFP变化了进行了研究, 主要采用的是非参数方法 (数据包络分析DEA, Date Envelopment Analysis) , 对所选取的生产数据也添加了许多变量进行分析。
本文在以下几个方面有别于以往的研究:首先, 通过运用参数法和非参数的方法, 选取2003-2012年省级层面数据, 经过大量测算整理工作, 处理各个省份数据进行面板回归测量比较, 并根据经济区域把各省份划分为东中西三部分结构归类。其次通过对测算方法的比较分析两种测算方法的优劣, 选取较合适的DEA指数分析法的结果。并对其全要素增长率进行分解为效率进步和效率提升这两部分。最后通过比较分解的结果, 找出各地区全要生产率差异形成的原因, 并为缩短区域经济发展的差距提出政策性建议。
我们得到的初步结论是:2003-2012年间, 全国全要素生产率平均增长率为-0.2%, 主要原因是由于技术效率的增长率为-2.3%, 技术进步的增长量为2.1%。表明我国全要素生产率的提升主要来自于科研、R&D研究这一块领域, 而技术效率的年平均-2.3%的下跌造成了我国全要素生产率不高的主要原因。技术效率是指产业结构能否符合总体要求 (综合效益) 并使之发挥最大的经济和社会效益, 根据我们对技术效率数据的观察, 技术效率最高的前三个省市分别为天津、上海、广东省;而技术效率最低的四个省份分别为广西、西藏、内蒙古、吉林。从区域层次来看, 2003-2012之间曼奎斯特全要素生产率增长率顺序从高到低依次是东部、中部和西部地区。技术效率指数的以仍然是东部地区最高、中部次之, 西部地区最低。
国内外已有文献主要从参数法和非参数法研究两个方面研究各地区经济发展中的生产要素效率情况。参数法经典理论索洛残差法由SLOW (1957) 提出, 也称作生产函数法, 舒元 (1993) 通过索洛残差法估算了1952-1990年之间我们的全要素生产的变化情况, 研究得到其有0.02%的增长率, 且0.3%的贡献率对于产出的增长。郭庆旺、贾俊雪 (2005) 通过运用四种估算方法对全要素生产率进行了测算, 认为四种结果较为一致, 主要趋势都是在当经济不景气的时候, 全要素生产都出现了不同程度的下降, 由此得出结论国家的宏观经济的波动和全要素生产率的变化有密切的关系。杨勇 (2008) 基于科布-道格拉斯 (Cobb-Douglas) 生产函数并且利用历年统计数据得出中国1952-2006年的服务业全要素生产率, 随后通过计算生产要素对产出的贡献率做了时序分析且与国外经验做了横向的对比, 实证结果表明, 中国全要素生产率对服务业产出增长率的影响在1980年前波动较大, 而之后渐趋平稳, 然而总体水平仍旧较低。
非参数法研究全要素生产率主流的是以DEA-Malmquist指数方法。该算法为代表的是郭庆旺 (2005) 在分析测算中国省份经济时, 利用非参数DEA-Malmquist指数方法, 结果表明各省份经济虽然增长, 但是存在较大的差异, 而且仍然有逐步增大的趋势, 发现其原因主要是由于各省份之间的技术进步率差异所造成的;吴延兵 (2008) 利用中国工业面板数据研究从国内外技术引进和自主研发对生产率的影响, 结果显示两者进对生产率促进存在着正向的作用, 然而我国在对自主研发吸收能力表现不强, 对引进技术的学习和消化产生不利影响, 进而影响了生产率增长。刘建国、李国平、张军涛、孙铁山 (2012) 运用Malmquist指数模型在省际层面测算了1990-2009年全要素生产率, 影响因素做了进一步分解, 实证得出从全要素生产率的影响因素上看, 经济集聚、人力资本、信息化、基础设施、经济开放度及制度因素对全要素生产率有促进作用;产业结构、政府干预和土地投入对全要素生产率的影响为负相关;但是在统计学上看基础设施水平对全要素生产率的贡献并不是很明显;
国外对于全要素生产率的也有相关实证研究。早在20世纪60年代Griliches (1964) 就已经证实R&D是促进生产率增长的关键条件之一;Basant和Fikkert (1996) 基于印度1974-1982年的厂商间数据, 估计了R&D开支、技术购买、国内外R&D溢出对全要素生产率的影响的, 分析得出三者对于全要素生产率的提升均有正向作用;Jimmy Ran、Guangzhong Li、Jan P.Voon (2007) 利用来自19个行业层面以及来自中国30个省级层面的最新面板数据, 实证研究发现外国直接投资对全要素生产率的净影响依旧是正面的, 但是区域差距一直在扩大。
对于全要素生产率的测算目前主要有两种:索洛残差法 (参数法) 和DEA-Malmquist指数方法 (非参数方法) 。本文将同时运用这两种方法对全要素生产率进行测量, 选取精确度较高的一种用于“FDI双向流动”模型进行回归分析。
“索洛残差法” (参数法) 主要基于柯布道格拉斯生产函数模型。运用隐性变量法柯布—道格拉斯随机前沿生产函数, 即:
i=1, 2, …, n;t为时间式
其中Yit是各地区生产总值 (GDP) ;Kit为各时期各地区的资本投入量;Lit为各时期各地区劳动力投入量;Ait为各时期各地区的全要素生产率。αiβi分别为资本和劳动的产出弹性, μit则作为随机误差项。
为了估算TFP, 对式3.1两端同时取对数可得:
DEA方法 (非参数法) 主要基于产出的生产效率。假设有k=1, …, K个省份使用n=1, …, N种投入要素xtk, n, 得到m=1, …, M种产出ytk, m。在不变的规模报酬和投入要素可自由处置的条件下, 参考技术集为:
在计算Malmquist生产率指数时我们依照DEA方法下构造的Malmquist模型的基本思想, 依据, Fare和Roos (1989) 的研究成果, 得到线性规划问题, 根据相对有效性函数将Malmquist指数定义为为两个时期的Malmquist指数的几何平均:
当TFPCH>1, 表示全要素生产率呈增长趋势, TFPCH<1则表示全要素生产率呈下降趋势, 根据Fare、Grosskopf、Norris、Zhang (1994) 的研究发现, 全要素生产率的变动又可以分解为两个部分, 技术效率变化 (EFFCH) 和技术变化 (TECH) , 全要素生产率为两部分效率变化的乘积。
当EFFCH>1时, 表示从t到t+1时期出现了效率提高;反之, 如果EFFCH<1, 表示从t到t+1时期出现了效率下降。如果MLTECH>1, 表示t到t+1时期忽略坏产出的情况下的生产前沿朝更多的产出, 更少的投入的方向移动, 出现技术进步;反之, 如果MLTECH<1, 则表示生产前沿面朝着更少的产出, 更多的投入的方向移动, 出现技术退步。
对2003-2012年间我国全要素生产率的数据进行估算, 索罗残差法估算平均增长率为0.05%, 根据DEA-Malmquist指数方法得到年平均增长率-0.024%。鉴于索罗残差法本身比较粗糙, 且对于东中西部省份的估计也不精确以及对于政策和经济冲击波动比较大, 我们采用相对比较可信的DEA-Malmquist指数方法测得的全要素生产率数据。
利用统计软件Eviews7.2对In (Yit/Lit) =In (A) +αIn (Kit/Lit) +εit进行回归, 得到α=0.723, β=0.277, 检验结果显示在1%水平上显著。然后将α=0.723, β=0.277代入A/A=Y/Y-α*K/K-β*L/L, 计算得到2003-2012年中国各省份的TFP增长率, 如表3.1, 。为进一步观察我国各地区的TFP变化率, 我们对地区进行划分, 得到中国东中西三部分的TFP增长趋势图。
根据柯布-道格拉斯生产函数投入产出变量作为参照物, 劳动指标我们用历年各省份的就业人口作为代替劳动投入量, 我们选用固定资本存量作为资本指标, 产出指标一般有两种选择, GDP和人均GDP都可以反映一个地区的经济发展水平, 本文我们选取的GDP作为产出指标来替代。并利用DEAP2.1软件对全要素生产率进行测算。全要素生产率、技术效率和技术进步变化有表3.1列出。
由图3.1和图3.2可以看出, 2003年以来, TFP总体呈上升趋势, TFP增速在2001-2007年间快速上升, 2008年受国际金融危机的影响, 投资严重受挫, TFP也迅速下滑, 随着经济局势的好转, 2009和2010年连续两年TFP增速有所回升, 但仍未达到前期高点, 2011年欧债危机的爆发使得TFP增速又有所下降。综合来看, 改革开放后我国经济稳步增长, 生产率水平显著提高, TFP指数呈现稳步上升态势, 预计未来仍将保持上升趋势不变。但受国内外经济环境影响, 我国的TFP增速波动较大。
索罗残残差法和DEA-Malmquist指数方法对东中西部进行整体趋势分析, 与我国的宏观经济政策、国际经济大环境和区域经济结构还是比较吻合的。我们发现, 2003-2012年之间, 2003年初东部和中部地区存在一定的差距, 但是总体上看全要素生产率的变化率都是大于1, 存在逐年进步的, 而西部地区全要素生产率较为落后, 在2005年时三个区域开始呈现发散, 之后东部地区开始稳步增长, 中部地区则出现短暂的下滑, 全要素生产率有呈现不规律波动。2007年, 国家根据《西部大开发“十一五”规划》, 投入总规模为1516亿元进行在西部地区开工10项重点工程。政策的导向是的西部地区的全要素生产率瞬间被拉高, 由于没有后续的企业资本投入, 到西部的产业转移也没有跟进, 使得其后的几年直到2012年全要素生产率一直有下降的趋势。东部地区受金融危机的影响, 2007-2009年发生持续性的下降, 到2010年经济复苏全要素生产率开始回升, 略高于中部地区。
技术效率是指产业结构能否符合总体要求 (综合效益) 并使之发挥最大的经济和社会效益, 根据我们对技术效率数据的观察, 从表5.3可以看到, 技术效率最高的前三个省市分别为天津、上海、广东省;而技术效率最低的四个省份分别为广西、西藏、内蒙古、吉林。从区域层次来看, 2003-012之间曼奎斯特全要素生产率增长率顺序从高到低依次是东部、中部和西部地区。技术效率指数的以仍然是东部地区最高、中部次之, 西部地区最低。
对2003-2012年间我国全要素生产率的数据进行估算, 索罗残差法估算平均增长率为0.05%, 根据DEA-Malmquist指数方法得到年平均增长率-0.024%。鉴于索罗残差法本身比较粗糙, 且对于东中西部省份的估计也不精确以及对于政策和经济冲击波动比较大, 我们采用相对比较可信的DEA-Malmquist指数方法测得的全要素生产率数据。
两种模型方法估算全要素生产率总体的大小和趋势是一致的, 在经济繁荣的阶段, TFP增长率都出现了逐步上涨的特点, 在经济不景气或者受经济危机影响的阶段, 都出现了急剧下滑降至阶段低点。但是对于波动幅度和大小存在较大的差异。索洛残差法对全要素生产了的估算比较平缓, 但在经济冲击比较大的背景下波动又显得较为剧烈。用索罗残差法估算全要素生产率的变化, 东部地区和中部地区基本都在TFP变化率1上下震荡, 且东部地区和中部地区差距描述不是很明显。而DEA-Malmquist指数方法对全要素生产率的梯度差估算更为显著, 经济危机和国家政策对地区投入的冲击波动也更为平稳和顺畅。2003-2012年间, 全国全要素生产率平均增长率为-0.2%, 主要原因是由于技术效率的增长率为-2.3%, 技术进步的增长量为2.1%。表明我国全要素生产率的提升主要来自于科研、R&D研究这一块领域, 而技术效率的年平均-2.3%的下跌成为我国全要素生产率不高的主要原因。
这些结论为我们制定经济政策提供的指导意义在于:在全国宏观经济经济方面, 政府应该加大对R&D投入, 增强企业自主研发的主观能动性, 通过有效的管理增强资源配置的效率, 实现企业对技术层面的追赶。此外, 我们还要积极引入高质量的资本以及外资企业, 通过对要素配置效率的渗透, 突破技术前沿面。同时在平衡东中西部区域经济发展方面, 应该加大对中西部地区的人才和高质量企业的引进, 在引进先进技术的同时实现对资源的利用和合理配置。
摘要：论文基于参数法经典理论索洛残差法以及非参数法DEA-Malmquist指数方法对我国东中西地区全要素生产率进行测算比较。两种模型方法估算全要素生产率总体的大小和趋势是一致的, 在经济繁荣的阶段, TFP增长率都出现了逐步上涨的特点, 在经济不景气或者受经济危机影响的阶段, 都出现了急剧下滑降至阶段低点。但是对于波动幅度和大小存在较大的差异。索洛残差法对全要素生产了的估算比较平缓, 但在经济冲击比较大的背景下波动又显得较为剧烈。用索罗残差法估算全要素生产率的变化, 东部地区和中部地区基本都在TFP变化率1上下震荡, 且东部地区和中部地区差距描述不是很明显。而DEAMalmquist指数方法对全要素生产率的梯度差估算更为显著, 经济危机和国家政策对地区投入的冲击波动也更为平稳和顺畅。通过对DEA指数方法对全要素生产率进行分解后, 发现技术效率最高的前三个省市分别为天津、上海、广东省;而技术效率最低的四个省份分别为广西、西藏、内蒙古、吉林。从区域层次来看, 2003-2012年之间曼奎斯特全要素生产率增长率顺序从高到低依次是东部、中部和西部地区。技术效率指数的以仍然是东部地区最高、中部次之, 西部地区最低。本文建议加大R&D投入、加快区域产业转型升级是提升中西部区域技术效率缩小与东部差距的重要手段和途径之一。
关键词：TFP,技术效率,索罗残差法,DEA-Malmquist
[1] Basant R, Fikkert B.The effects of R&D, foreign technology purchase, and domestic and international spillovers on productivity in Indian firms[J].The Review of Economics and Statistics, 1996:187-199
[2] Fare R, Grosskopf S, Norris M, et al.Productivity growth, technical progress, and efficiency change in industrialized countries[J].The American economic review, 1994:66-83
[3] Griliches Z.Research expenditures, education, and the aggregate agricultural production function[J].The American Economic Review, 1964:961-974
[4] Ran J, Voon J P, Li G.How does FDI affect China?Evidence from industries and provinces[J].Journal of Comparative Economics, 2007, 35 (4) :774-799
[5] 白洁.对外直接投资的逆向技术溢出效应——对中国全要素生产率影响的经验检验[J].世界经济研究, 2009 (8) :65-69
[6] 郭庆旺, 贾俊雪.中国全要素生产率的估算:1979—2004[J].经济研究, 2005, 6 (5) :1-60
[7] 郭庆旺, 赵志耘, 贾俊雪.中国省份经济的全要素生产率分析[J].世界经济, 2005, 5:46-53
[8] 刘建国, 李国平, 张军涛等.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报, 2012, 67 (8) :l
[9] 邱斌, 杨帅, 辛培江.FDI技术溢出渠道与中国制造业生产率增长研究:基于面板数据的分析[J].世界经济, 2008 (8) :20-31
[10] 覃毅, 张世贤.FDI对中国工业企业效率影响的路径——基于中国工业分行业的实证研究[J].中国工业经济, 2011 (11) :68-78
[11] 吴延兵.自主研发, 技术引进与生产率[J].经济研究, 2008, 8:51-64
[12] 杨勇.中国服务业全要素生产率再测算[J].世界经济, 2008 (10) :46-55
