Microsoft Word - ChinaProductivityRevolution final.doc

Size: px

Start display at page:

Download "Microsoft Word - ChinaProductivityRevolution final.doc"

冷康
7 years ago
Views:

1 2005 年 2 月 4 日修改稿, 将发表于经济研究中国的工业生产力革命随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析 2 涂正革肖耿摘要 : 本文运用中国大中型工业企业期间的年度企业数据, 系统地研究 37 个两位数工业行业的全要素生产率 (TFP) 增长趋势, 并用随机前沿生产模型, 将生产率增长分解为前沿技术进步 (FTP) 相对前沿技术效率(TE) 的变化配置效率 (AE) 以及规模经济性 (SE) 四大因素主要结论 : ( 一 )TFP 的行业加权年均增长率为 6.8%, 并呈逐年上升的趋势 ;( 二 ) 前沿技术进步已经成为 TFP 增长的最重要动力, 企业因前沿技术进步平均每年提高全要素生产率高达 4 个百分点 ;( 三 ) 企业相对前沿的技术效率差距拉大, 已经严重阻碍了 TFP 增长, 导致 TFP 平均每年下降 7 个百分点, 这既是挑战, 也是反映今后企业通过追赶先进技术提高生产力的潜力 ( 四 ) 企业投入要素的配置效率对 TFP 增长几乎没有贡献, 年均贡献仅为 0.02 个百分点, 而企业的规模经济性对 TFP 的贡献也仅为负 0.33 个百分点, 这与前沿技术进步和技术效率变化对 TFP 的影响相比都微不足道分析表明, 前沿技术进步一方面推动着生产力的快速增长, 另一方面却加剧了企业间的技术效率差距, 导致更激烈的市场竞争压力世纪之交的中国最重要的工业企业正经历着一场以前沿技术进步及追赶先进企业为核心的生产力革命关键词 : 全要素生产率前沿技术进步技术效率规模经济性配置效率文献分类代码 :D24, C23, O47, L60 一引言改革开放后的四分之一世纪内, 中国的国民生产总值增长率一直保持在 8% 到 9% 的高水平但是, 许多经济学者认为, 中国经济的高增长主要依赖高储蓄率及大量的资本投入, 包括外资的流入, 而不是由生产率的提高获得的有许多宏观数据似乎也表明中国经济增长的效率不高, 比如, 按标准普尔 2004 年的数据, 中国四大银行的不良资产率高达 45% 以上, 大中型工业企业的亏损面也超过 30% 以上这些基于宏观数据和整体经济表现的结论却无法反映中国经济多层次动态及复杂的现状本文运用企业微观数据, 借助随机前沿生产模型, 考察中国大中型工业企业的全要素生产率在期间的变化趋势及其增长的因素分解本文所研究的企业群体所创造的增加值在期间占到中国国民生产总值的 5% 到 9%, 并呈上升趋势因此, 这里的实证结果对深入分析中国工业生产力发展趋势及潜力有重要意义随机前沿生产模型的理论最初由 Aigner Lover Schmidt (977) 以及 Meeusen Van den Broeck (977) 提出, 并很快成为计量经济学中一个引人注目的分支随机前沿生产模型假定, 企业由于各种组织管理及制度等非价格性因素导致生产过程中效率的损耗, 而达不到最佳的前沿技术水平 Nishinizu 和 Page(982) 首次提出将全要素生产率 (TFP) 的增长分解成前沿技术变化和相对前沿技术效率的变化此后, 许多研究都沿用他们的方法分析全要素生产率的增长 Bauer (990) 使用美国航空业的数据将全要素生产率的增长分解为前沿技术进步相对前沿的技术效率变化以及规模经济性改善等因素 Fecher 与 Perelman (992) 利用该方法分析了 OECD 制造业的全要素生产率与前沿技术进步 Sangho Kim(200) 对韩国的制造业主要行业的全要素生产率进行了分解及分析 Kaliraan, Obwona 以及 Zhao(996) 研究了中国各省的农业全要素生产率的分解姚洋 (998) 及姚洋和章奇 (200) 用随机前沿生产模型研究了中国工业经济的技术效率胡鞍钢和郑京海 (2004) 涂正革, 华中科技大学,tulingxiao@63.com; 肖耿, 香港大学,xiaogeng@hku.hk 2 所有观点均属作者个人, 不代表所在单位作者感谢国家统计局邢俊玲和俞肖云对数据处理的帮助, 华中科技大学林少宫教授和王少平教授的宝贵建议, 审稿人的评论, 及香港研究基金拨款委员会及大学拨款委员会的资助 ( 项目编号 :HKU767/98H 及 A0E/H-05/99)

2 选择常规模报酬的非参数模型, 借助中国省际数据用 DEA-Malmquist 指数方法对 TFP 的增长率进行了分解 Zhuobao Wei (2002) 等人用 993 年 036 家特大型工业企业的数据研究了所有制对中国制造业生产率的影响 Yanrui Wu(2000) 使用年 27 个省市的面板数据通过生产率分解研究中国经济的可持续发展问题上述对中国经济技术效率的研究, 主要用全国的或省际的宏观面板数据 (panel data) 或企业的横截面数据宏观数据在加总过程中由于变量的波动性大大减少导致严重的信息损失, 而截面数据则不能发现生产率及技术效率的动态变化特征而期间正是中国经济向市场经济转轨的关键时期, 中国的工业企业经历了巨大的动态变化另一方面, 根据 Schmidt 和 Sickles (984) 的研究, 用截面数据来研究技术效率, 在估计随机前沿生产模型时存在三大计量问题 : 第一是模型的估计高度依赖误差分布假设 ; 第二是独立性假设过于苛刻 ; 第三是技术效率的估计不具有一致性特性, 这是横截面数据面临的最严重问题对于这三大困难, 面板数据就不难解决因为, 从抽样理论角度看, 面板数据可以看作是对众多的观测样本的重复抽样与单纯的截面数据相比, 面板数据不仅包含更丰富的信息, 更重要的是能够解决技术效率估计的非一致性用宏观数据研究中国经济全要素生产率的文献不胜枚举, 但运用企业层面的面板数据, 在随机前沿模型的范畴下测量分解中国工业各行业的全要素生产率在中国生产率增长研究领域还是空白本文采用非平衡面板数据 (unbalanced panel data) 及随机前沿模型研究中国大中型工业企业各行业期间全要素生产率的变化根据 Kunbhakar (2000) 提出的分析方法, 本文将全要素生产率的增长分解为来自四个方面的贡献 :() 前沿技术进步 ;(2) 相对前沿技术效率的变化 ;(3) 资源配置效率的改善 ;(4) 规模经济性的改善文章的第二部分提出全要素生产率增长的分解框架及随机前沿生产模型的设定第三部分说明数据来源及变量定义第四部分给出生产率增长分解的结果第五部分是结论及其相关的政策含义附录部分给出较完整的数据表格以及模型的估计结果假设检验和价格处理方法 3 二全要素生产率增长的分解与随机前沿生产模型 ( 一 ) 全要素生产率增长的分解根据 Kumbhakar (2000) 的分析, 全要素生产率增长的分解涉及到六个概念 : 全要素生产率 (Total Factor Productivity) 前沿技术进步(Frontier Technology Progress) 相对前沿的技术效率 (Technical Efficiency Relative to the Frontier) 相对前沿技术效率的变化率资源配置效率 (Allocative Efficiency) 以及规模经济性 (Scale Economy) 加上前沿二字的目的在于强调前沿生产函数与平均生产函数的不同实际产出前沿产出和相对前沿技术效率三者之间的关系为 : yi = f ( xi, t) exp( ui ) () 这里, y i 是公司 i(i=,,n) 在第期的实际产出 ( =,.,T) x i 是投入要素向量 f(.) 是随机前沿生产函数中的确定性前沿产出部分 t 是测量技术变化的时间趋势变量 u i >=0, 是技术非效率指数, 衡量相对前沿的技术效率水平为了避免混淆时间趋势变量 t 和标注投入产出时期的下标, 在以下的论述中, 我们删除标注时期的下标和公司下标 i, 而只保留表示投入要素的下标, x 表示投入要素. 前沿技术进步 (FTP) 将对数形式的前沿生产函数 f ( i ) 对时间趋势 t 求导数, 得到 : dln f( xt, ) ln f( xt, ) ln f( xt, ) dx / x = + (2) dt t x / x dt 3 由于篇幅的限制, 附录部分无法包括在正文内, 有兴趣的读者请向作者索取 2

3 ln f xt, / t, 即为前沿技术进步 (FTP), 表示在投入要素保持不变的条件下产出随时间的变化率第二项衡量了投入要素增长所导致的前沿生产函数产出的变化运用要素的产出弹性表达式, ε = ln f / ln x, 第二项可以表达成等式 (2) 的右边的第一项 ( ) ε x, x 是要素 x 的变化率定义 x = ln x / t, 于是, 式 (2) 可以写成 : dln f ( x, t) = FTP + ε x (3) dt 2. 相对前沿的技术效率 (TE) 及其变化率 (TE ) 相对前沿的技术效率 (TE ) 是指在某一技术水平下, 某一组要素投入得到的实际产出水平与相应要素投入下的前沿技术产出水平之间的比例,TE 反映了一个企业在特定技术和要素投入规模下实际产出与最大可能产出间的差距前沿生产函数是衡量技术效率的基准, 故称为相对前沿的技术效率定义产出增长率为 : y = dln y/ dt 等式() 两边同取自然对数, 然后对时间趋势 t 进行全微分, 并利用等式 (3), 将产出增长率分解为前沿技术进步投入要素增长对产出增长的供献及相对前沿的技术效率的提高 : dln f ( x, t) du du y = = FTP+ ε x (4) dt dt dt 定义相对前沿的技术效率的变化率为 : TE = du / dt 3. 全要素生产率的增长 TFP 按照增长核算 (growth accounting) 方法, 全要素生产率的增长为 : TFP = y S x (5) 这里,S 是要素在要素总成本中的份额, 且有 S = 在利润最大化条件下, 要素的产出弹性值应该等于要素的费用份额, 这就是使用增长核算方法计算全要素生产率增长的理论依据实际中, 产出弹性和要素的费用份额可能不相等, 这就是资源配置效率问题 4. 配置效率 (AE) 以及规模经济性 (SE) 将等式 (4) 代入等式 (5), 经过适当的变换得到 : du TFP = FTP + ( ε S ) x dt (6) du = FTP + ( λ S ) x + ( RTS ) λ x dt 这里, λ = ε / ε = ε / RTS, 是前沿生产函数中要素投入的相对产出弹性, 有 λ = 这样转换的目的是使得相对产出弹性 λ 与相对费用份额 S 具有可比性, 以衡量资源的配置效率 RTS= ε, 表示规模总报酬的大小等式 (6) 右边的最后两项衡量了要素对生产率增长的两大效应 : 配置效率 (AE): 要素投入结构的变化对生产率增长的贡献 AE = ( λ S ) x 规模经济性 (SE): 要素的规模报酬对生产率增长的贡献 SE = ( RTS ) λ x 规模经济是指在其他条件不变的情况下, 产出增长比例高于要素规模综合增长比例总之, 等式 (6) 中 TFP 的增长可以分解为前沿技术进步相对前沿的技术效率提高要素资源的配置效率及规模经济性四个部分下面, 我们以单一要素投入为例, 用图说明全要素生产率增长的分界, 包括前沿技术进步相对前沿的技术效率及其变化以及规模经济性等关键概念由于是单一要素, 没 3

4 有考虑要素配置效率在图中, 我们假定只有一种投入要素并生产一种产品, 生产从 A ( t t, ) t+ t+ t+ t+ t t ( x, y ) 从上图可以看出生产率在提高, 因为 ( y / x ) ( y / x ) x y 扩张到 B > 生产扩张不具有规模经济性, 因为图中两条前沿生产技术曲线都向下弯, 属于规模报酬递减从年度 t 到 f x, t+ ; β > f x, t; β, 相同的投入, 产出却明显不 t+ 前沿生产技术有所提高, 因为 ( ) ( ) 同假定不考虑噪音的效应, 两个时期的生产都存在相对前沿的技术非效率, 因为要素的投入所得到的实际产出都低于前沿技术水平下的产出 : t t+ y < f xt,; β, y < f xt, + ; β 但是从 t 到 t+, 相对前沿的技术效率有所下降, 因为 ( ) ( ) t+ ( β ) > ( + β ) t y / f xt, ; y / f xt, ; T+ f x, t+ ; β ( ) t y + B T f ( xtβ,; ) t y A t x 图一全要素生产率分解示意图 t x + ( 二 ) 随机前沿生产函数模型的设定通过随机前沿生产函数的估计结果可以对 TFP 的增长进行分解随机前沿生产模型不仅要考虑前沿技术进步, 还必须考虑前沿技术进步与投入要素对生产率的交互效应, 以及投入要素之间的替代效应因此, 我们选用对数形式的时变 (time-varying) 技术效率随机前沿生产模型 : ln yi = α0 + α ln xi + αtt+ β l ln xli ln xi 2 l 2 + βttt + βttln xi + vi ui,,l = L,k, 2 (7) 这里, y i 是观察到的实际产出 ; 时间趋势变量 t=,2,,t, 反映技术变化 ;x 是要素投入变量, 下标和 l 是要素标志 (=L, K;l=L, K); 误差项 ui 表示公司由于技术非效率造成的产出损失 ( 不可观测 ), 要求 ui 大于或等于零, 并且独立于统计误差 vi, 假定 2 ( v ) v ~ iid N 0, σ 按照 Battese 和 Coelli(992) 设定的随机前沿模型, 假定时变非效率指 i 4

5 数服从 : ui = uiexp η ( t T) (8) + 2 这里, 假定 u i 的分布服从非负断尾正态分布, 即 ui ~ N ( µ, σ u ) 参数 η 表示技术效率指数 ( u i ) 的变化率, 该参数值为正表示公司相对前沿的技术效率不断改善, 负值则表示相对前沿的技术效率不断恶化随机前沿生产模型 (7) 和时变技术非效率指数模型 (8) 中的参数用最大似然法联合估计得到似然函数中构造了方差参数 : γ = σu / σs, σs = σu + σv 公司 i 相对前沿的技术效率水平 ( TE i ), 衡量实际产出与潜在最大产出的比率采用 Jondrow Lovell Materov 和 Schmidt(982) 提出的混合误差分解方法 ( 简称 JLMS 技术 ), 从混合误差 ν i ui 中分离出技术非效率 ui 于是, TEi = exp( ui ) (9) 基于随机前沿生产模型的估计, 以及相对前沿的技术效率变化形式, 我们可推算企业的前沿技术进步相对前沿的技术效率的变化规模经济性以及配置效率根据 u 的表达形式 : ui = ui*exp [ η ( t T) ], 相对前沿的技术效率变化 : TE i = ui / t = η uiexp [ η( t T )] = η ui (0) 显然, 相对前沿的技术效率变化不仅与行业的技术效率指数变化率参数 η 有关, 而且与企业特定的技术非效率 ui 有关计算 TFP 增长率中的规模经济性, 必须首先计算要前沿生产函数的要素产出弹性在随机前沿生产函数模型 (7) 下, 生产要素 ( 资本 K 或劳动 L) 的产出弹性为 : ε = ln f ( x, t) / ln x = α + β l ln xl + β ln x + βtt,,l = L,K. () 2 l 规模总报酬弹性 RTS= ε,rts<,=, 或 > 分别表示规模报酬递减不变和递增于是, 规模经济性 SE: SE = RTS λ * k + λ * l (2) ( )( k l ) k, l 分别表示资本与劳动要素的增长率配置效率 (AE): AE = ( λk Sk) * k + ( λl Sl) * l (3) 根据随机前沿生产函数模型的形式 (7) 及前沿技术进步的定义, 前沿技术进步对产出 ( 及全要素生产率增长 ) 的贡献为 : FTP = ln f ( x, t) / t = αt + βττt + βt ln x, = L,K. (4) 三数据及变量 ( 一 ) 数据来源及代表性本文数据来源于国家统计局大中型工业企业的年度统计数据, 原始数据每年约 22,000 家企业清除数据不完整工业增加值为负值有错误或开工不足等企业后, 每年大约有 2,000 家企业, 八年共 77,086 个观察样本我们对 37 个两位数行业中的每个行业单独进行模型估计, 再利用估计的参数计算生产率增长分解的有关变量大中型工业企业在整个工业乃至整个国民经济中占有十分重要的地位从企业数量上看, 占全部国有及产值规模在 5 百万人民币以上非国有企业的比例, 大约每年为 2% 左右以从业人数看, 占整个工业从业人数的 6.7% 从每年创造的增加值看, 占整个工业 40% 以上, 占国家总 GDP 的 5% 到 9% 因此, 代表了中国先进生产力的大中型工业企业, 其生产效率水平很大程度上决定了我国工业乃至整个经济的效率水平, 这是我们以大中型工 5

6 业企业为研究对象的意义所在价格因素是生产率研究所必须面对的挑战尽管期间中国零售物价波动不大, 但是各行业的产出及投入要素价格变动的差异却不容忽视总体上看, 能源及原材料价格上涨, 而加工业产品价格下跌关于工业增加值以及固定资产净值的价格处理见附录 ( 二 ) 变量定义模型 (7) 的主要变量中, 产出变量 y it 是经价格调整的工业增加值 (avalue), 要素变量 xk和 xl分别采用固定资产净值年平均余额 (nvfixa) 和从业人员年均人数 (labor) 反映技术变化的时间趋势 t=,2,8 则对应 995 至 2002 年我们采用增长账户法计算全要素生产率的增长时, 用到劳动与资本的行业平均费用份额其中与劳动相关的费用主要包括工资奖金劳动福利以及劳动保险支出与资本投入相关的费用主要包括利息支出和固定资产的当年折旧行业产出及投入要素的平均增长率行业平均劳动及资本费用份额 ( S l S k ) 的计算方法及详细结果参阅附录在技术非中性随机前沿生产函数下, 生产要素的产出弹性以及前沿技术进步都与要素的投入水平有关因此, 在计算行业的 TFP 变化率前沿技术进步规模经济性配置效 S, S 都用行业年均值率时, 投入要素 (lnk,lnl) 及要素成本份额 ( ) 四全要素生产率增长的因素分解随机前沿生产模型的设定是否恰当直接关系到结论的准确性传统的全要素生产率模型大多使用形式简单的柯布道格拉斯生产函数, 没有区分随机噪音和技术进步, 没有考虑因为管理水平等因素导致的相对前沿的技术效率下降, 即技术上的非效率为此, 我们对模型的设定做了五个方面的检验 : 一随机前沿模型的适用性 ; 二相对前沿的技术效率时变性 ; 三前沿技术进步是否存在 ; 四技术是否中性 ; 五使用简单柯布道格拉斯生产函数还是随机前沿生产函数所有检验结果表明非中性技术的随机前沿生产模型确实优于其它模型由于版面的限制, 模型检验部分在附录给出我们对中国 38 个两位数工业行业投入产出的技术结构参数进行了模型估计由于似然估计中的收敛性问题, 有一个行业, 即木材采运业, 没有参与分析下面根据行业生产函数的估计结果考察各行业的全要素生产率增长前沿技术进步相对前沿的技术效率变化配置效率以及规模经济性 ( 一 ) 全要素生产率 (TFP) 的增长率前面已经阐述了如何用增长核算法计算全要素生产率的增长率以行业增加值劳动及资本的增长率计算出各行业全要素生产率的增长率扣除物价因素, 中国大中型工业年工业增加值的增长率保持年均.5% 的速度增长, 这与国家统计局公布的工业增长速度基本一致资本存量的年均增长率达 2.3% 从业总人数则以 4.4% 的速度下降行业的年度平均全要素增长率的计算公式为 : TFP = TFP, * avalue, / avalue, 这里, TFP, 表示行业在年度的全要素生产率增长, avalue, 是行业年度的增加值总额以下, 凡涉及平均值的计算都以工业增加值为权重年, 大中型工业企业总体全要素生产率年均增长 6.8% 两年全要素生产率分别下降 4.3% 和 0.7% 此后, 总体全要素生产率加速增长, 年全要素生产率分别以 3.0% 7.5%.2% 8.2% 和 4.0% 的年均速度增长从行业看, 期间行业年均 TFP 增长最快的五个行业分别为 : 交通设备制造业 7.8% 仪器仪表制造业 6.0% 印刷业 3.8% 金属制品业 3.6% 医药制造业 2.4%; TFP 增长最慢的五个行业分别是 : 石油加工业年均下降 4.6% 电力工业年均下降 4.% 自来水年均下降 4.0% 化纤制造业年均增长 2.% 石油天然气年均增长 2.3% 从行业分布, 可以发现开放程度高竞争性强的行业的全要素生产率增长快相反, 高度垄断开放程 l k 6

7 度低的行业生产率增长慢, 甚至出现下降的局面总体情况是, 期间, 我国大中型工业企业的生产率增长呈现前降后升逐年提高的态势年大规模的投资, 受 997 年金融危机以及宏观调控影响, 没有带来高的效益, 全要素生产率连续两年下降 998 年以后, 随着整个亚洲经济的恢复, 生产率呈快速上升趋势 ( 二 ) 前沿技术进步 (FTP) 前沿技术进步表示在不增加要素投入条件下, 通过技术水平的改进而得到的额外前沿产出增长率, 其结果直接体现在全要素生产率的提高从前沿技术进步对生产率贡献的数学公式可以看出, 前沿技术进步的贡献大小不仅与要素的投入水平有关, 而且与时间 t 有关总体上, 期间前沿技术进步的速度不断加快, 中国大中型工业 37 个行业的前沿技术进步对全要素生产率增长的贡献年平均为 4 个百分点前沿技术进步导致生产率大幅度增长主要发生在 998 年以后 998 年前沿技术进步导致生产率增长 9.0 个百分点 999 年 2.3 个百分点 2000 年 5.3 个百分点 200 年 8.9 个百分点 2002 年更高达 22.6 个百分点各行业前沿技术进步对生产率的贡献 (FTP) 的详细数据结果参见附录从行业看, 年期间前沿技术进步对生产率推进最显著的五个行业分别为 : 电子通讯设备业年平均为 26.3 个百分点黑色金属冶炼加工业 24.4 个百分点交通设备 23.0 个百分点医药制造业 22.7 个百分点食品制造业 2.5 个百分点前沿技术进步缓慢的五个行业是 : 煤气生产与供应业前沿技术进步仅仅推动生产率增长年均 2.85 个百分点自来水 2.4 个百分点石油加工业.4 个百分点石油天然气 0.98 个百分点电力为 0.7 个百分点如何理解中国大中型工业企业的前沿技术进步效应? 随机前沿生产函数代表所在行业投入与产出间的最优技术结构关系, 因此这里估算的前沿技术进步的贡献是假定企业是最优秀企业时其全要素生产率可以获得的增长, 没有考虑偏离前沿的许多企业相对前沿技术的非效率要素配置的非效率以及规模不经济性, 在实际中, 许多企业往往在前沿之下前沿技术进步背后的真正的驱动力是什么? 在随机前沿生产函数中, 时间 t 是作为衡量技术变化的变量, 而时间是无所不包的变量这就意味着我们研究的技术具有非常广泛的内涵, 不仅包括先进的工艺专利技术创新高科技设备与人才等直接技术因素, 还包括经济周期, 以及经济社会法律制度的变迁等非技术因素, 如私有企业发展国企改制进展税制改革外商投资加入 WTO 等等都会对产出有深远的冲击, 并影响生产率的提高本文的主要目的是确定前沿技术进步对中国企业生产率增长的巨大贡献, 由于篇幅限制不可能对前沿技术进步背后的各种因素进行深入的分析但是, 根据我们的研究, 可以归纳出以下四大因素供进一步的统计分析 : 第一行业内各企业间的激烈竞争是前沿技术进步的市场压力随着中国市场经济改革的深入, 经济由供给短缺转向供给过剩, 加上关税保护措施的逐渐减少, 市场竞争日趋激烈, 迫使企业引入先进技术工艺, 加大技术的投入, 以保持在市场中的优势因此, 激烈的竞争却极大地促进了行业的前沿技术进步我们研究的 37 个行业中前沿技术进步缓慢的行业, 如煤气自来水电力石油加工与石油开采业等都属于国家高度垄断缺乏竞争的行业而前沿技术进步对生产率增长影响大的行业, 如电子通讯设备食品制造食品加工业医药制造业等, 都是开放度高竞争激烈的行业第二全球化与外商直接投资是前沿技术进步的源泉中国加入 WTO 为中国企业提高了更广阔的市场及更高的技术及质量要求, 同时外商的大举进入极大地加快了技术引进及更新的步伐大中型工业企业中, 外商投资企业由 995 年的,000 家增加到 2002 年的 2,935 家, 短短八年仅从数量上增加约两倍港澳台投资企业由 995 年的 936 家企业增加到 2002 年的 2,495 家外资特别是日本欧美企业的投资是推动行业技术水平提高的源泉第三所有制结构的变革是前沿技术进步的内在动力明晰的产权关系确保技术创新所得内在化, 是前沿技术进步的内在动力 995 至 2002 年间大中型工业企业所有制结构发生了巨大的变化私有企业的数量由 995 年的 5 家增长到 2002 年的,302 家, 混合制企业 7

8 由,233 家增加到 6,35 家, 外商与港澳台企业比重增加将近两倍, 国有企业却由 5,36 家下降到 7,25 家, 集体企业也由 4,008 家下降到 2,38 家产权关系模糊的国有企业和集体企业的比重下降超过一半, 而产权清晰的企业大幅度上升, 这是前沿技术进步大幅提高的制度改革因素第四经济扩张期营造了前沿技术进步的外部环境经济的复苏, 会带来大规模的需求, 企业少量要素的投入就会得到巨大的产出, 这样生产率提高了相反, 在经济衰退期, 需求的大幅减少, 导致产出相应减少, 但是, 劳动力和固定资本的减少是非常困难的, 特别是固定资产这样, 生产率就会明显的下降 996 至 2002 期间, 全国 GDP 的增长率保持在 8% 左右的速度全社会的固定资产投资率, 除了两年外都保持两位数的速度增长因此, 年经济发展的扩张期, 无疑对大中型工业企业的前沿技术进步提供了良好的外部环境 ( 三 ) 相对前沿的技术效率 (TE) 及其变化率 (TE ) 相对前沿的技术效率就是企业实际产出水平占前沿产出水平之比例相对前沿的技术效率变化率 (TE ) 是导致生产率变化的一个重要因素基于 37 个行业随机前沿生产函数模型的估计结果, 我们计算出各行业的 TE 及 TE TE 的行业平均值仍然以工业增加值为权重首先根据行业中每个企业的 TE 估计值, 计算出其行业平均值, 再计算整个大中型工业的平均 TE 计算结果显示,996 年至 2002 年大中型工业企业的平均 TE 水平只有 3%, 即实际产出水平与最优随机产出水平的平均比例年 TE 分别为 32% 32% 32% 3% 30% 30% 和 29% 相对前沿的技术效率平均低于三分之一, 并略有下降从行业平均情况看, 年 TE 最高的五个行业为 : 烟草业年均 55% 黑色金属矿采选业 5% 造纸业 46% 有色金属冶炼加工业 45 % 和纺织业 44%;TE 最低的五个行业分别为 : 电子通讯设备制造业 2% 仪器仪表业 5% 电气机械 6% 煤气生产与供应 7% 工艺品等其他制造业 8% 从行业分布来看, 传统产业 ( 矿产业纺织造纸 ) 高垄断产业 ( 烟草业 ) 的 TE 高于机械电子及仪表行业怎么解释呢? 从 TE 的定义及行业平均 TE 的计算方法可以看出, 企业相对前沿的技术效率 TE 的高低, 首先取决于行业前沿技术水平的高低, 即衡量基准的高低生产前沿是对应于各种生产要素组合的最大产出的集合, 如果行业技术创新技术引进的力度大, 那意味着行业的前沿产出水平大幅提高, 生产前沿会大幅度向上移动假如技术创新仅仅局限于少数企业, 大多数企业都远离生产前沿, 行业的平均技术效率就不会很高相反, 如果行业技术创新前沿技术进步不是非常显著, 比如一些传统产业, 技术成熟稳定, 其生产前沿变动不大, 而且行业技术的普及率很高, 这就意味着大多数企业的产出都接近于生产前沿, 这些行业, 相对新兴产业而言, 其相对前沿的平均技术效率 TE 反而较高另外, 权重的大小也可能影响行业相对前沿的平均技术效率如果行业中的特大型企业相对前沿的技术效率很低, 用代表企业大小的工业增加值作为权重加权平均无疑降低行业的平均技术效率水平因此, 解释行业技术效率水平不仅要考虑行业的前沿技术进步状况, 还要考虑行业结构的影响这样, 我们就不难理解有些技术含量高的行业为什么相对前沿的技术效率 TE 不高随着中国改革开放的深入, 大型跨国公司的进入无疑会加剧各个行业企业间技术水平的差异, 导致企业间技术效率水平的差异加大, 降低行业相对前沿的技术效率的平均水平另一方面, 现阶段企业技术水平的地区差距日益扩大也是导致行业技术效率平均水平低的一个原因相对前沿的技术效率差距大是现阶段我国大中型工业企业的重要特征, 这反映了许多企业面临的一个问题, 也就是市场竞争的压力但从整个经济发展的角度看, 这种差距将是今后提高整体技术水平的潜力这是我们相信中国工业生产力正进入一场现代化革命时期的另一原因在前沿生产函数的分析框架下, 我们更关心 TE 的变化对生产率的影响根据前沿生产函数模型分析, 相对前沿的技术效率变化是指单个企业技术效率的变化趋势企业 i 在年 8

9 度的技术效率变化为 : TE ˆ * ˆ i =η ui, ˆ η 是企业 i 所在行业的技术效率指数变化率的估计值, uˆi 是企业 i 技术非效率指数的估计值因此, 企业的技术效率变化的估计不仅与行业相对前沿的技术效率变化趋势有关, 而且与企业的技术非效率指数有关行业相对前沿的技术效率变化率的加权平均为 : TE TE * avalue / avalue = i i i i i 本文分析技术效率的变化主要针对行业的平均趋势我们用每个企业相对前沿的技术效率变化的加权平均来表达行业相对前沿的技术效率变化及其对生产率的影响 996 年至 2002 年,37 个行业相对前沿的技术效率下降导致生产率年平均下降 7. 个百分点从 996 年的 -6.4% 到 2002 年的 -7.9%, 相对前沿的行业平均技术效率下降幅度有加大的趋势 37 个行业中唯独自来水工业相对前沿的技术效率是略有好转, 大约年均提高全要素生产率 0.7 个百分点 ; 电力行业的技术效率的下降率年平均为 0.4 个百分点非金属矿采选下降率为 2.3 个百分点烟草业下降 2.5 个百分点煤气生产与供应业下降率为 2.6 个百分点 ; 相对前沿的技术效率下降幅度最大的五个行业分别为 : 化学原料业年均下降率. 个百分点食品制造业下降. 个百分点饮料业下降.6 个百分点橡胶业下降 2. 个百分点电子及通讯设备制造业年均下降 5 个百分点从相对前沿技术效率变化看, 高垄断行业的技术效率下降幅度反倒不大, 而竞争激烈的行业有大量外资进入的行业, 如食品加工食品制造电子通讯等行业相对前沿的技术效率下降很快技术效率的这种变化特征到底意味着什么? 电子通讯食品行业正面临越来越激烈的竞争, 新技术外来管理经验及工艺提高了行业的随机生产前沿水平, 但同时拉大了企业间的技术效率差距, 使得行业相对前沿的技术效率平均水平下降在另外一篇文章中我们将从所有制结构变化技术外溢效应行业竞争程度企业规模等方面深入分析技术效率差异的决定性因素从政策分析角度看, 相对前沿的技术效率低表明有可能通过优胜劣汰比学赶帮, 提高行业整体技术效率, 也就是存在生产力革命的潜力 ( 四 ) 资源配置效率 (AE) 生产要素资源的优化配置能够提高生产率生产要素资源的成本和边际收益在每个行业的不同企业间是不同的, 如果某一要素的成本相对较高, 而其边际产出相对其它要素却较低, 这一要素在这一行业的快速增长会导致企业及行业平均生产率的下降相反, 该要素投入的减少反而能够提高生产率这就是资源的配置效率人才资本的自由流动为资源配置效率的提高提供了可能从宏观角度看, 随着中国经济市场化程度的加深, 社会资源配置效率的提高是中国经济迅猛发展的重要因素本文的研究主要是以行业内的企业为对象, 从企业角度观察投入要素的配置效率, 并没有直接考虑跨行业的资源配置效率从 37 个行业总体平均看, 企业内部资源配置效率的提高所导致的生产率增长并不明显, 年平均每年仅为 0.4 个百分点期间分别为年均和 0.5 个百分点从分行业来看, 年因资源配置效率改善而提高生产率的增长幅度, 石油天然气开采业为年均 4.44 个百分点印刷媒体复制业为年均 3.97 个百分点黑色金属矿采选业为年均 3.06 个百分点煤气生产与供应为年均个百分点通用机械制造业为年均.99 个百分点 ; 因资源配置效率不佳或下降导致的生产率增长下降, 造纸业为年均.52 个百分点黑色金属冶炼为年均.75 个百分点饮料业为年均.87 个百分点石油加工业为年均 2.23 个百分点电力业为年均 2.38 个百分点其他大多数行业资源配置效率对生产率增长的贡献很低, 而从总体上看大中型工业的整体要素配置效率对生产率增长的平均贡献几乎为零这是好现象还是不祥之兆? 如何解释? 如果资本要素和劳动力要素能够充分流动, 要素都会追求最大的价格企业则追求最大利润在完全竞争条件下, 利润最大化的均衡条件是要素的边际产出等于要素的价格 ( 即成本 ) 在这种状态下, 资源配置效率对生产率增长的贡献应该趋于零实际上对某一企业或某一行业, 受诸多因素影响, 这种理想的均衡条件很难达到, 资源的配置效率对生产率增长的贡献可正可负但是, 当我们将这些正负的贡献以增加值为权重计算全部工业各行业平均贡献时, 其正负值相互抵消, 导致整个工业源于要素资源配置的生产率提高几 9

10 乎为零这种结果告诉我们, 中国经济的市场化程度有了较大的提高, 市场配置资源的功能在加强, 从总体平均的角度看, 通过改进要素的资源配置效率来提高生产率的增长也许潜力不大, 但在微观层面, 一些行业及个别企业还存在通过改善资源配置促进生产率增长的潜力 ( 五 ) 行业规模报酬 (RTS) 以及规模经济性 (SE) 基于我们估算的行业前沿生产函数, 以行业要素投入的平均值为代表性要素投入水平计算规模报酬及规模经济性, 因此, 我们所讨论的规模报酬以及规模经济性都是代表行业的平均情况规模报酬指数 (RTS) 是投入要素的产出弹性 ( ε, ε ) 之和如果规模报酬指数大于, 说明在考虑了技术进步以及技术非效率条件下, 企业扩大规模有规模效应, 其产出增加的比例高于投入增加的比例从估算的结果看, 大中型工业企业 37 个行业的平均规模报酬为在 37 个行业中, 仅仅烟草业的规模报酬平均为.42; 饮料业规模报酬略大于, 为.033, 反映这些行业在给定的资本及劳力产出边际效率 ( 即要素产出弹性 ) 下, 大企业产出效率更高服装制造业石油天然气开采业以及石油加工业的规模报酬接近但是其他行业的规模报酬大都远远小于, 其中有色金属冶炼业化学原料与制品业仪器仪表制造业木材加工业以及煤气生产与供应业的规模报酬指数分别仅仅为和 0.657, 反映在这些行业, 给定要素的产出弹性, 大企业的产出效率更低大型企业和特大型企业中主要是国有企业, 国有企业的效率低可能是许多行业规模报酬小于的一个原因规模效应对生产率的影响取决两大因素 : 规模报酬指数与要素综合增长指数如果规模报酬不变, 即 RTS=, 规模变化对生产率没有影响规模报酬指数大于或小于都可能对生产率产生影响这就取决于投入要素综合增长指数当 RTS 大于时, 扩大生产规模能够提高生产率, 相反则降低生产率当 RTS 小于时, 情况完全相反从行业来看, 年由于规模效应而促进年均生产率提高的前五个行业分别为 : 烟草业.07 个百分点专用设备 0.59 个百分点有色金属矿采选 0.57 个百分点仪器仪表 0.46 个百分点以及非金属矿采选 0.39 个百分点 ; 规模效应导致年均生产率下降的五个行业分别为 : 塑料制造业 2.02 个百分点造纸业 2.06 个百分点家具制造业 2.60 个百分点煤气水产与供应业 3.35 个百分点以及木材加工业 3.53 个百分点总体上, 中国工业经济的规模不经济性效应导致生产率下降年均 0.33 个百分点, 这与前沿技术进步和技术效率变化对生产率的影响相比可以说是微不足道年规模效应对生产率的影响分别为 : 和个百分点但是, 在微观层次, 一些行业内的企业还有潜力通过调整规模来提高生产率我们在另外一篇文章中将对要素资源配置及规模效应的微观层面作更深入的分析五生产率变化的动态分解与中国的工业生产力革命综合上面五方面的分析, 我们发现随着中国市场化经济改革的深入经济环境的改善, 中国大中型工业的全要素生产率不断提高生产率提高的主要源泉在前沿技术进步生产技术前沿向上大幅移动却导致企业间的技术效率水平的差距拉大逐渐扩大的企业间效率的差距严重阻碍了行业的整体生产率增长, 但也是今后生产率增长的潜在动力根据随机前沿模型对中国大中型工业 995 至 2002 年间企业数据的估算得出的主要结论是 :( 一 )TFP 的行业加权年均增长率为 6.8%, 并呈逐年上升的趋势 ;( 二 ) 企业因前沿技术进步平均每年提高全要素生产率 4 个百分点 ;( 三 ) 因为企业相对前沿的技术效率差距拉大使得全要素生产率平均每年下降 7 个百分点 ;( 四 ) 因规模不经济性导致全要素生产率平均每年下降 0.33 个百分点 ;( 五 ) 因资源配置效率的提高而促进生产率增长平均每年 0.02 个百分点对全要素生产率增长进行分解的估算误差项没有超过 TFP 年均增长率的 4% 下面是期间中国大中型工业企业全要素生产率增长的动态分解图 : k l 0

11 图二中国大中型工业企业全要素生产率动态变化分解图 ( 单位 : 相对期间 TFP 年平均增长率 6.8% 的百分比 ) 400% 350% 300% 250% 200% 50% 00% 50% 0% -50% -00% -50% TFP FTP TE AE SE 为了比较, 我们将 TFP 增长率以及前沿技术进步 (FTP) 技术效率变化率 (TE ) 资源配置效率 (AE) 和规模经济性 (SE) 对 TFP 增长的贡献都除以全要素生产率的年平均增长速度 6.8% 分解图直观地显示了前沿技术进步 FTP 对生产率增长的巨大贡献以及落后企业技术效率改进不够快对生产率增长造成的严重障碍这两大因素对生产率增长的影响在数量方面已经相当于甚至大于全要素生产率的年平均增长率相比较而言, 要素资源配置效率和规模经济性对生产率增长的宏观平均净影响在数量上就微不足道世纪之交的中国工业正经历着一场以前沿技术进步为核心的工业生产力革命前沿技术进步一方面推动着工业生产力的快速增长, 另一方面也加剧了落后企业相对前沿的技术效率差距, 使得推动行业前沿技术进步和提高企业平均效率水平成为经济可持续发展及生产力革命的两个发动机从政策角度看, 中国工业发展的重点应该是在吸收先进技术保持前沿技术进步的同时, 加强竞争, 通过比学赶帮, 缩短行业内各企业间的效率差距, 提高行业整体的技术效率水平另外, 还需进一步深入市场化改革, 保证资本与劳动力要素的有效流动, 在微观层次提高工业经济的资源配置效率与规模效应参考文献. 姚洋, 章奇. (200). 中国工业企业技术效率分析, 经济研究第十期 2. 姚洋. (998). 非国有经济成分对我国工业企业技术效率的影响, 经济研究第十二期 3. 胡鞍钢, 郑京海. (2004). 中国全要素生产率为何明显下降?, 北京大学中国经济研究中心, 政策性研究见报, 第 5 期 ( 总第 43 期 ) 4. Aigner, D. J., C. A. K. Lovell, and P. Schmidt. (997). Formulation and Estimation of Stochastic Frontier Production Function Models. Journal of Econometrics, 6:, July, Kumbhakar, S. C. and C. A. K. Lovell. (2000). Stochastic Frontier Analysis. Cambridge: Cambridge University Press. 6. Kumbhakar, S. C. (2000). Estimation and decomposition of productivity change when production is not efficient:a panel data approach. Econometric Review, 9, Kaliraan, K. P., M. B. Obwona and S. Zhao. (996). A Decompositon of Total Factor

12 Productivity Growth: The Case of Chinese Agricultural Growth Before and After Reforms. American Journal of Agricultural Economics, 78, Jondrow, James, C. A. K. Lovell, I. S. Materov, P. Schmidt. (982). On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model. Journal of Econometrics, 9, 23:8, Meeusenm, W., and J. van den Broeck. (977). Efficiency Estimation from Cobb-Douglas Producton Functions with Composed Error. International Economic Reviews, 8:2, Nishimizu, M. and J. M. Page. (982). Total Factor Productivity Growth, Technical Progress and Technical Efficiency Change: Dimensions of Productivity Change in Yugoslavia, The Economic Journal, 92, Kim, Sangho and Gwangho Han. (200). A decomposition of total factor productivity growth in Korean manufacturing industry. Journal of Productivity Analysis, 6, 3, p Kim, Sangho. (2003). Identifying and estimating sources of technical inefficiency in Korean manufacturing industry. Contemporary Economic Policy, 2,, p Wei, Zuobao, Oscar Varela, M. Kabir Hassan. (2002). Ownership and performance in Chinese manufacturing industry. Journal of Multinational Financial Management, 2, p Wu, Yanrui. (2000). Is China s economic growth sustainable? Productivity analysis. China Economic Review,, p China s Industrial Productivity Revolution A Stochastic Frontier Production Function Analysis of TFP Growth in China s Large and Medium Industrial Enterprises Zhengge Tu, Huazhong University of Science & Technology And Geng Xiao, The University of Hong Kong Abstract: Using the stochastic frontier production function analysis and a firm-level panel data collected by the National Bureau of Statistics of China, this paper examines the total factor productivity growth of China s large and medium-sized industrial enterprises sector during The maor findings include: () The weighted average of the annual growth of TFP in China s large and medium industrial enterprises sector was as high as 6.8% with a rising trend during ; (2) The contribution to TFP growth by Frontier Technology Progress reached as much as 4 percentage points a year on average; (3) The decline in Technical Efficiency (Relative to the Frontier) reduced the growth of TFP by 7. percentage points a year on average; (4) Allocative Efficiency contributed on average only 0.02 percentage points a year to the growth of TFP and Scale Dis-Economy slowed the growth of TFP by 0.33 percentage points a year. The results show that at the turn of the century, the most important part of China s industry was in the middle of an industrial productivity revolution driven by both frontier technological progress and the great potential of catching up in technical efficiency by the lagging enterprises. The revolution is driven by increased competition, privatization, foreign investment, and business expansion. Key words: Total Factor Productivity, Frontier Technology Progress, Technical Efficiency, Scale Economy, Allocative Efficiency; JEL Classification code: D24, C23, O47, L60 2

2005 3, Nishinizu Page (1982) ( TFP), Bauer (1990) Fecher Perelman (1992) OECD Sangho Kim(2001) Kaliraan, Obwona Zhao (1996) (1998) (2001) (2004), DEA

2005 3, Nishinizu Page (1982) ( TFP), Bauer (1990) Fecher Perelman (1992) OECD Sangho Kim(2001) Kaliraan, Obwona Zhao (1996) (1998) (2001) (2004), DEA : 3 ( ) ( ) : 1995 2002, 37 (TFP),, (FTP) (TE) (AE) (SE) : ( ) TFP 618 %, ; ( ) TFP, 14 ; ( ), TFP, TFP 7,, ( ) TFP, 0102, TFP 0133, TFP,,, : 1Π4, 8 % 9 %,,,,,, 2004, 45 %, 30 %,, 1995 2002 1995 2002 15