中国工业企业生产效率随机前沿模型分析
中国上市军工企业X效率实证分析
形成 １家军工集团。 ０ ２ ， ０ ２０ 年 国务院又将信息产业部原军工研究院所重组成 电子集团
公司。 经过这些市场化改革 ， 最终形成了目前国内的１家军工集团。 ｌ 可以说 ，９ ９ １９ 年的
作者简介 ：
闰仲勇 。 。 男 讲师 ， 博士研究生 ． 国防科技大学人文与社会科学学 院， １ ０ ４ ４ ０ ７
分析 ， 缺乏定量分析 ， 为此本文借鉴ｘ 效率理论 ， 运 用 随机前 沿生产 函数 方法 对我 国军 工集 团 的
效 率进行 实证分 析 。
率的结论 。而Ｔｅｉ 和Ｈｇｓ 用新古典生产函 圆 ｒ ｎ ｖｏ ｉ Ｊ ｇ￣
数 ， 过与 民用企 业成果 的 比较 ， 通 分析 了美 国军 工 企业 的效率 ，研 究表 明军 工企业 的效 率 要好 于相对较 大 的公 司 。３ａｋｒ和Ｈ ｒｅ从公 私合 １ ｒｅａ ａｔｙ １ Ｐ ｌ 伙 的角度认 为英 国国防企业 的效率 较低 。
从２ 世纪８ 年代初开始 ，由于中央对国家安全形势 的看法发生了根本性改变 ， ０ Ｏ 国家战略重心从备战转向经济建设 ， 用于军工企业 的国防开支大幅削减 ， 由此造成全 国军工企业在生产经营方面的长期困难。 为了扭转军工企业 的困局 ， 同时也为了使我 国军工企业从苏联式发展模式走上西方式具有较强生命力 的发展模式 ，从２世纪８ ０ ０
中 上 国 市军工 企业Ｘ 实证 效率 分析 国防经济 稳
中国上市军工企业 Ｘ效率实证分析
Ａｎ Ｅ ｐ ｒ ａ ａｙ ｉ ｎ ｔ ｅ Ｘ—Ｅ ｆ ｉ ｎ ｙ ｏ ｉｅ ｅ Ｍ ｉ ａ ｙ Ｃｏｒ ｏ ａ ｉｎ ｍ ｉｃ ｌＡｎ ｌｓｓ ｏ ｈ — ｆｉ ｅ ｃ ｆ Ｃｈｎ ｓ ｌ ｒ ｉ ｃ ｉ ｔ ｐ ｒｔ ｏ
我国制造业生产效率测算——基于随机前沿模型的实证分析
因 此 研 究 产 业 之 间 的 生 产 效 率 差 异 以 及 造 成 差 异 的 原 因 就 具 有 重 要 的 理论 和 实 践 意 义 。 为 弥 补 上 述 缺 憾 ， 文将 试 图 运 用 本 随 机 前 沿 分 析 技 术 （ｔｃａｔ ｒｎｉ ｎ ｌ ｉ， 下 简 称 Ｓ Ａ） ＳｏｈｓｃＦｏｔ ｒ ａ ｓ 以 ｉ ｅＡ ｙｓ Ｆ 对 我 国 １９ ９ ６年 ０ ３年 问 制 造 业 生 产效 率 水 平 进 行 测 算 。 ２０
动 中 国 经 济 高 速增 长 的 同 时 ， 带 来 了 中 国经 济然在 ２ Ｏ多年的改革 中我 国的经济运 行效率大 幅度 提高 ， 但经济 活动的高投 入 、 低产 出， 能耗 、 高 低 效 率 依 然 是我 国经 济增 长过 程 中 一个 不 容 忽 视 的 问 题 。 保 持 在 经济总量 不断增 长的同时 ，如何稳定地提 高我 国的经济效率 ．
利 用 宏 观 经 济 数 据 对 我 国 区 域宏 观 经 济 效 率 进 行 了 测 算 ， 现 发
引 言
伴随着中国 ２ Ｏ多 年 的市 场 经 济 体 制 改 革 ， 中 国 社 会 经 济
据 对 不 同 产 业 之 间 的 生 产 效 率 进 行 比 较 方 面 的 经 验 和 实 证 的
研 究 都 比 较 缺 乏 ， 我 们 难 以 了 解 我 国 整 个 宏 观 经 济 中 各 产 业 使
济体 系的核心 。 因此制造业 的增长状况将 直接影 响我国经济增
长 的 速 度 和 质 量 。 由 于 企 业 与 产 业 在 运 行 上 的 较 大 差 别 ， 对 针 企 业 的研 究 不 能 满 足 对 产 业 考 察 的需 要 ． 此 有 必 要 对 产 业 进 因 行 专 门研 究 。 外 基 于 产 业 加 总 数 据 的研 究 有 利 于 我 们 对 具 有 另
中国工业企业全要素生产率的前沿估计方法比较
种修 正方案 ，并 利用 中 国 １ ９ ９ ９年一２ ０ ｏ ９年 的全 部
国有 和规模 以上非国有 企业 的工业 企业 统计数 据估 算 了其全要 素 生产率 。
二 、企 业 层 全 要 素 生 产 率 估计 方 法
在估 计全 要素 生产率 之前 ，通常要 对 生产 函数
的形 式 进 行 设 定 。在 实 际 应 用 中 ，Ｃ ｂ ｏ ｂ—Ｄ ｕｌｓ ｏｇ ａ 生产 函数 成为 最为 常用 的函数 形 式 。Ｃ—Ｄ生 产 函 数通 常采 用 以下形式
中 图 分 类 号 ：Ｆ ６ ． ０ １２ 文 献标 识码 ：Ａ 文 章 编 号 ：１０ ．８ ５ （０ ２ １０ ２ ．８ ０ ７６ ７ ２ １ ）Ｏ ．０ ５０
一
、
引 言
发 ，研 究 中 国 的 总 体 Ｔ Ｐ状 况 及 其 变 迁 （ 元 ， Ｆ 舒
１ ９ ；王 小鲁 ，２ ０ ；张 军 ，２ ０ ；郭 庆 旺和 贾俊 ９３ ００ ０２
・
２ ６・
石家庄 经济学 院学报
第３ ５卷 第 １ 期
产 函数 法 在 估 计 企 业 层 Ｔ Ｐ的 种率要 远远 高于 哪些 具 有较低 资本存量 的企业 ，因为这 种规模 较大 的企业 往往对
未来 的收益抱 有更 高的预 期 ，从 而不会 轻易 退 出 目 前 的市 场 。这 就使 得在 面对低效 率 冲击时退 出市 场
（ ０ ８ 提 出 了几 个划 分 Ｔ Ｐ的维 度 ，通 过 这些 方 ２０ ） Ｆ
Ｄ Ａ模型 ，对 已有 的全 要 素 生产 率 研 究 进行 了修 Ｅ 正 ¨ ；第 二类 总 量 研 究 是 针 对 特 定 的 区域 ，如 彭 国华 （ ０ ７ 研 究 了人 力 资 本 构 成 与 地 区全 要 ２０ ）
大中型工业企业随机前沿生产模型实证分析：1995-2002
肖耿， 香港大学， xiaogeng@hku.hk； 涂正革， 香港大学及华中科技大学， zhengge_tu@econ.hku.hk。 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，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：HKU7167/98H 及 A0E/H-05/99） 。
†
*
பைடு நூலகம்
1
一、 引言
改革开放后的四分之一世纪内， 中国经济一直保持高速的增长。 但是， 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，这都是资源配置效率和生产率低下的表现。许多经济学者认为，高储蓄率以及大量 外资的流入使得中国经济在低效率的情况下， 能够靠大量资本投入的推动来保持高速增长， 而并非通过效率的提高来达到高增长。这些结论主要是基于宏观数据和整体经济表现，无 法反映中国经济多层次、动态、复杂的现状。本文运用微观层面的企业数据，借助随机前 沿生产模型，考察中国工业企业中最重要的一个群体，即中国境内全部大中型工业企业， 的效率状况及其在 1995-2002 期间的变化趋势。本文所研究的企业群体所创造的增加值在 1995-2002 期间占到中国国民生产总值的 12%到 19%，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(1977)以及 Meeusen、Van den Broeck(1977)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， 企业由于各种非价格的组织管理等因素导致生产过程中技术效率的损耗，而达不到最佳的 技术状况，即前沿技术水平。随机前沿生产模型的产出，是在考虑了随机冲击的情况下， 一个行业中的企业在最好的设备与最佳的管理技术水平下所达到的最大产出。 随机前沿生产模型被大量用于全要素生产率的分析，并可以将全要素生产率的增长分 解为前沿技术进步与相对前沿技术的效率差距的变化。 在生产率研究的早期， 特别是 Solow 的“残余项”方法，通常将技术进步看作是全要素生产率增长的唯一源泉。最近的研究发 现除了前沿技术进步外，相对前沿的技术效率变化也对全要素生产率有重要的影响。如果 政策制定者了解生产率增长的结构因素，就可以考虑采取更有效的措施改善企业生产率。 如果生产率低是由于前沿技术水平低，那么政策的重点应该是引导企业进行技术创新，加 大研发投入，引进先进技术，以提高前沿生产技术水平，也就是让前沿生产函数向上移动。 如果行业内已经具备大量的先进设施、工艺及技术，但是许多企业的实际产出依然与前沿 技术产出相差巨大，这就是相对前沿的技术效率低下的表现。对此，政策的重点应该是如 何通过竞争提高效率，加强人员的培训，提高管理水平，缩小效益低下企业与行业前沿技 术水平的差距。 Nishinizu 和 Page（1982）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 (1990) 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 (1992) 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（2001）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。Kalirajan, Obwona 以及 Zhao（1996）研究 了中国各省的农业全要素生产率的分解。姚洋（1998）及姚洋和章奇（2001）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）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 1993 年 1036 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 1981-1995 年 27 个省市的综列数据通过生产率分 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，要么是用微观企业的横截面数据，要么使用全国的 或省际的宏观综列数据 (panel data)。宏观数据在数据加总过程中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 1994-2002 期间正是中国经济向市场经济转轨的关键时期， 中国的工业企业发生了巨大的变 化。另一方面，根据 Schmidt 和 Sickles (1984) 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
中国各省份产能利用率测度——基于随机前沿生产函数法的分析
产能过剩不仅会导致资源浪费、企业恶性竞争、公司生产经营困难甚至破产倒闭，还会大幅度扰乱社会秩序，增加国际贸易摩擦风险。
工业、制造业作为支持国家发展的基础性产业，其重要性不言而喻。
然而，人们对当前经济表现所知甚少，因此本文将从产能利用率的角度出发，对当前中国各个省份的产能利用情况进行测度，并运用随机前沿生产函数对产能利用率进行估计分析。
一、文献综述从定义上来讲，产能利用率是指观察到的实际产出y 与潜在产出Y 的比值，潜在产出是指在给定要素投入、技术水平，且要素被充分利用的情况下，企业/行业所能够达到的最大产出水平。
所以，CU=y/Y。
在现实社会中，由于企业在生产的时候经常需要考虑市场需求、资源限制、设备磨损等多方面因素，不能实现投入要素的充分利用，所以往往会出现实际产出小于潜在产出，既CU<1。
目前国内关于测量产能利用率的研究工作尚处于起步阶段，所采用的方法也主要是借鉴国外的相关研究。
国内外学者测算产能利用率的方法大致分为以下几种：1.峰值法：在20世纪60年代，美国学者Klein 就开展了对企业产能利用率的测量，其提出的“峰值法”可谓是开创了经济分析法的先河。
Klein 将产能定义为企业在一段时间内所达到的产出水平的峰值，即在一个经济周期中企业实际产出的最大值作为潜在产出。
峰值法的最大缺陷在于我们无法确定企业在产出峰值是否实现了产能的完全利用。
2.函数法：由于峰值法限制较多，后续学者开始从产出的微观经济定义出发对产能利用率进行研究。
根据现有要素的投入情况，构建相应的生产函数、成本函数或者利润函数，将产能定义为企业利润最大化或者成本最小化情况下的产出水平，将实际产出水平与计算得到的最佳产出水平的比值作为衡量产能利用率的标准。
相对而言，函数法以微观经济基础作为理论支撑，但是对函数形式设定要求严格，一旦函数形式设定错误，所测算的产能利用率可信度也随之降低。
3.协整法：Shaikh and Moudud （2004）认为产出受到企业固定资本存量的影响，两者之间具有稳定的长期关系，所以提出了协整法测量产能利用率。
stata随机前沿模型sfa方法
stata随机前沿模型sfa方法随机前沿模型（Stochastic Frontier Analysis，简称SFA）是一种经济学方法，用于评估生产或效率的前沿水平和技术效率。
本文将介绍SFA方法的基本原理和应用领域，并探讨其在实际研究中的价值和局限性。
SFA方法最初由Aigner、Lovell和Schmidt在1977年提出，旨在解决生产要素利用效率评估中的随机误差和不可观测因素的问题。
该方法将生产函数分为两个部分：前沿函数和误差项。
前沿函数描述了理论上的最大产出水平，而误差项则捕捉了技术效率的偏差。
通过估计前沿函数和技术效率，SFA方法可以提供对生产效率的准确评估。
SFA方法的应用领域广泛，包括农业、制造业、金融业等。
在农业领域，SFA方法可以评估农民的生产效率，帮助政府制定农业政策和资源配置。
在制造业领域，SFA方法可以评估企业的生产效率，发现潜在的改进空间。
在金融业领域，SFA方法可以评估银行的效率和绩效，指导银行经营和监管。
然而，SFA方法也存在一些局限性。
首先，SFA方法基于对生产函数的假设，需要满足一定的假定条件。
如果这些假定条件不成立，SFA 方法的结果可能失真。
其次，SFA方法对数据的要求较高，需要大样本和高质量的数据。
如果数据质量差或样本量小，SFA方法的结果可能不可靠。
此外，SFA方法对模型的选择和参数的估计也存在一定的主观性和不确定性。
为了提高SFA方法的准确性和可靠性，研究者可以采取一些改进措施。
首先，可以使用更加灵活的模型来捕捉生产函数的非线性关系和异方差性。
其次，可以使用面板数据模型，以提高数据的效率和可靠性。
此外，还可以引入其他变量或控制变量，以更全面地评估生产效率。
SFA方法是一种评估生产效率的重要工具。
通过估计前沿函数和技术效率，SFA方法可以帮助研究者和决策者更好地理解和改进生产过程。
然而，使用SFA方法时需要注意其局限性，并采取相应的改进措施，以提高评估结果的准确性和可靠性。
生产率与效率分析lecture8-随机前沿效率1
in i-th firm
14
Problem (cont.)
ln yi = xi - ui
u assumed to measure only extent of inefficiency BUT . . .
u can also capture measurement error in y & other noise
2 = v2 + u2 = (u2 / 2 ) [0,1]
19
y
yJ yi
xi
deterministic production function y=exp(x)
xJ
x
20
frontier output i
exp(xi+vi), if vi>0 y
deterministic production function y=exp(x)
yJ
yi observed output i exp(xi+vi-ui)
xi
xJ
x
21
y
frontier output i exp(xi+vi), if vi>0
deterministic production function y=exp(x)
frontier output j
yJ
exp(xJ+erved output j
yi
exp(xJ+vJ-uJ)
18
Stochastic Frontier (cont.)
Basic features of stochastic frontier (SF) illustrated in Fig. 1
inputs on horizontal axis outputs on vertical axis assuming diminishing returns to scale apply observed inputs and outputs for two firms, i&j
工业增加值与全要素生产率估计基于中国制造业的拟蒙特卡洛实验
工业增加值与全要素生产率估计基于中国制造业的拟蒙特卡洛实验一、本文概述本文旨在探讨中国制造业的工业增加值与全要素生产率（TFP）之间的关系，并基于拟蒙特卡洛实验进行估计。
工业增加值是衡量一个国家工业发展水平的重要指标，而全要素生产率则反映了生产过程中各种投入要素的综合效率。
在中国这样一个以制造业为主导的发展中国家，深入理解和评估工业增加值与全要素生产率的关系，对于优化产业结构、提升经济增长质量具有重要的理论和现实意义。
本文首先介绍了工业增加值和全要素生产率的基本概念和研究背景，回顾了相关文献和研究成果。
随后，文章详细阐述了拟蒙特卡洛实验的基本原理和应用方法，以及在工业增加值和全要素生产率估计中的应用。
通过构建数学模型和设定实验参数，文章模拟了不同情境下的工业增加值和全要素生产率的变化情况，并对实验结果进行了深入分析和讨论。
文章的研究结果揭示了工业增加值与全要素生产率之间的内在联系和相互影响机制，为政策制定者提供了决策参考和理论依据。
本文还指出了研究中存在的局限性和未来研究方向，以期推动相关领域的研究进一步深化和发展。
二、文献综述在经济学领域，工业增加值和全要素生产率是衡量一个国家或地区工业发展水平和效率的重要指标。
近年来，随着中国制造业的快速发展，对工业增加值和全要素生产率的深入研究逐渐成为学术界的热点。
本文旨在通过拟蒙特卡洛实验的方法，对中国制造业的工业增加值和全要素生产率进行更为精确的估计。
关于工业增加值的研究，早期文献主要关注其定义、计算方法以及对经济增长的贡献。
随着研究的深入，学者们开始关注工业增加值的影响因素的分析，如技术进步、产业结构、资源配置等。
同时，也有研究尝试通过不同的统计方法，对工业增加值进行预测和分解，以便更好地理解工业增长的内在动力。
在全要素生产率的研究方面，早期文献主要集中在全要素生产率的测算方法、影响因素及其对经济增长的贡献等方面。
近年来，随着计量经济学和统计学的发展，越来越多的学者开始运用更为复杂的方法，如随机前沿分析、数据包络分析等，来更准确地估计全要素生产率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
若ＴＥＣ＞１，则存在前沿效率的进步。 （３）规模效率变化（ＳＥＣ） 一个厂商可以通过变动他的运营规模 使得该厂商运营与生产的技术最优规模 （ＴＯＰＳ）处，以提高其生产效率。 一个厂商在 某个时期的规模效率可以表示为：
均来源于２０００ 年～２ ０ ０ ８年的 《中国统计年 鉴》 和 《科技统计年鉴》 ， 部分年份的数据来 源于各年各地区的统计年鉴。 （１）实际工业总产值（Ｙ）。 本文采用实际 工业总产值作为产出。 处理方式如下：将 《中国统计年鉴》 中规模以上工业企业的各 年名义工业总产值，经过各年各地区工业 品出厂价格指数平减， 得到实际的工业总 产值。 内资工业部门的实际工业总产值由 规模以上工业企业和规模以上三资企业的 实际工业总产值相减得到。 （２）固定资产净值（Ｋ）。 对于固定资产净 值的处理采用永续盘存法（ＰＩＭ），以１９９９年 的 固 定 资 产 净 值 为 基 期， 以 相 邻 两 年 的 固 定资产年末余值之差作为当年的新增固定 资产投资。 公 式 如 下：
表２
+∑
n =1
N
n
InX nit +
1 N N ∑∑ 2 n =1 j =1
nj
InX nit InX njt +
∑
n =1
N
tn
tInX nit + t t +
1 2
tt
t 2 + D1 + D2 + D3 + Vit − U it （１１）
（１）内 资 工 业 企 业 的 估 计 结 果 分 析：我 们将内资工业部门的估计结果统计如表１ 所示。 （２）对 于 显 著 性 和 假 设 检 验 的 说 明：由 表３．１，除了δ４、 δ７之外，所有系数均通过 了１％的ｔ检验；而γ＝０．９９９，并且显著，这说 明 生 产 对 于 前 沿 的 偏 离， 主 要 是 由 于 技 术 无效率所引起的。 对于是否存在无效性的
１ 引言及文献综述
自从索洛在１９５７年在新古典的框架 下， 提 出 以 “索洛残差” 形式的全要素生产 率研究以来， 全要素生产率的分析， 就成为 了研究经济增长的主要方法。 中国作为东 亚最主要的一个经济体之一， 其经济增长 一直受到国内外学者的广泛关注。 同时，作 为 一 个 正 在 崛 起 的 发 展 中 国 的 代 表， 一 个 外向型经济的典型实践者，其经济发展模 式极具代表性。 因此， 对于中国经济增长源 泉的研究也极具现实意义。 除了对于增长 模式、 全要素生产率的考察之外， 中国的生 产经营环境如何，哪些环境变量在影响着 中国的工业企业的经济效率， 这些环境变 量 对 经 济 效 率 的 影 响 程 度 如 何， 通 过 怎 样
InYit =
0
其 中 d0 ( x, q) 为 产 出 距 离 函 数 ，
d 0 ( x, q) ∈ [0,1] 。 如 果 Ｔ Ｃ ＞１ ， 则 存 在 技 术 进
步。 由 于（ ｘ ， ｑ ） 既 可 以 用 ｔ 期的 ( xt , qt ) 来计 算 ， 也 可 以 用 ｓ 期 的 ( xs , qs ) 来 计 算 ， 为 了 避 免结果的不一致，所以通常采用两者的几 何均值来表示ＴＣ， 即： TC = [
实不符。 要放松这一假定， 就必须突破新古 典的分析框架，寻找新的方法来测算全要 素生产率。 ２０世纪７０年代以后，随着内生经济增长 理 论 的 出 现， 为 经 济 增 长 分 析 提 供 了 新 的 思路和分析框架。 基于这一理论框架， 两种 新的增长测算方法逐渐取代了索洛余值 法， 成 为 Ｔ Ｆ Ｐ分 析 的 主 要 方 法 ，一 种 是 非 参 数的ＤＥＡ方法，另外一种是参数的ＳＦＡ方 法。 本文利用１ ９ ９ ９年～２ ０ ０ ７年的２９ 省的省 际面板数据， 在超越对数模型的基础上， 利 用随机前沿分析（ＳＦＡ）方法，对我国规模以 上的内外资工业企业的绩效进行了分析， 并对影响企业效率的几个环境因素进行了 考察和对比。 并在此基础之上， 将内外资企 业的全要素生产率的增长率分解为技术效 率变化、 纯技术变化和规模效率变化三部 分， 分 别 进 行 了 内 外 资 部 门 的 对 比 。
2 为 σ 2 = σ v2 + σ u ，同时定 Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ ＆ Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ Ｉ Ｎ Ｆ Ｏ Ｒ Ｍ Ａ Ｔ Ｉ Ｏ Ｎ
企 业 管 理
上，本文采用了如下形式的超越对数生产 函数：
InYit = β0 + ∑ β n InX nit +
n =1 N
２０１０ ＮＯ．１０ ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
科技资讯
1 N N ∑∑ βnj InX nit InX jit + 2 n =1 j =1
的产出集内， 产出距离函数ｔ 期的产出距离 t 函 数 d0 ( xt , qt ) 就 描 述 了 ｔ 期 的 前 沿 技 术 效 率。 前沿技术效率的变化， 就可以用ｔ 期与ｓ 期 的 前 沿 效 率 之 比 来 测 量： TEC =
t t ( x s , qs ) d 0 ( xt , qt ) 1 d0 × ] 2 （５） d 0s ( xs , qs ) d 0s ( xt , qt )
与ＴＣ一样，ＳＥＣ也存在由于基期技术 选择的不一致而导致的计算结果不一致的 情况， 因 此 ， 在 实 际 计 算 中 ， 同 样 也 采 用 两 期的几何平均值来表示： SEC = [ SEC s × SEC t ]2 （９）
ni k Ktni = (1 − σ ) Ktni P t （１０） −1 + ∆K t
SE t ( xt , q) （８） SE t (x s , q )
其 中 ∆K tni = K tni − (1 − σ ) K tni −1 ， σ 为 每 年的固定资产折旧率，在实际计算中取５％ 。 Pt k 以１９９９年为基期的固定资产投资价格指 数。 内资工业部门的数据同样由规模以上 工业企业和规模以上三资企业的数据相减 获得。 （３）从业人数（Ｌ）。 在计算中，劳动力数据 以各地区规模以上内资企业和三资企业从 业人员数来代替， 数据来自历年的 《中国统 计年鉴》 。 （４）地区虚拟变量。 基于中国东、 中、 西 三 地 区 经 济 发 展 不 平 衡 的 现 实， 本 文 采 用 了周晓艳、 韩朝华在 《中国地区间生产效率 与全要素生产率增长率分解（１９９０－２００６）》 一文中所采用的方法， 在超越对数生产函 数中， 加 入 虚 拟 变 量 。 （５）其他数据。 本文在无效率方程中，一 共加入了８个变量，分别为：人力资源、 规模 以上工业企业资本存量中外资占比、 外贸 依存度、 基础设施、 地区经济结构、 各地区 财政支出、 Ｒ＆Ｄ和ＦＤＩ。 ３ ． ２ 计量结果分析 利用上一节中整理的面板数据， 将相 关数据对数化之后，使用Ｆｒｏｎｔｉｅｒ４．１软件 包，对如下超越对数模型进行极大似然估 计：
的方式来影响着进级效率？ 这些问题同样 是中国改革发展和工业化进程中的重要问 题， 对改善国内企业的经营环境， 促进企业 的发展和技术的升级可以提供重要的政策 参考。 对于全要素生产率的研究， 最早源于 索洛（１９５７） 在新古典框架下对于增长因素 的分析。 索洛将生产函数进行分解后的剩 余值解释为技术进步的贡献。 然而，事实 上，这一余值反映了除资本和劳动之外的 其他一切增长来源。 索洛余值法计算简单， 数据易得， 因此， 至今仍然为很多学者使 用， 但是， 这一方法无法对全要素生产率进 行分解，无法对增长的源泉进行更深入的 研究。 同时，索洛余值法假定 “所有生产者 在技术上都是有效的” ， 这一假定显然与现
科技资讯 Ｓ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ ＆ Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ Ｉ Ｎ Ｆ Ｏ Ｒ Ｍ Ａ Ｔ Ｉ Ｏ Ｎ
科技资讯
２０１０ ＮＯ．１０ ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
企 业 管 理
中国工业企业生产效率随机前沿模型分析
何军 （ 南京大学商学院国际贸易系 江苏南京 ２ １ ０ ０ ９ ３ ） 摘 要：本文在超越对数生产函数下，运用随机前沿分析方法（ＳＦＡ），在１９９９年～２００７年的２９省的省际面板数据和超越对数模型的基础上， 利用随机前沿分析（ＳＦＡ）方法，对我国规模以上的内外资工业企业的绩效进行了分析，并对影响企业效率的几个环境因素进行了考察和对 比。 并在此基础之上，将内外资企业的全要素生产率的增长率分解为技术效率变化、 纯技术变化和规模效率变化三部分，分别进行了内外 资部门的对比。 并在此基础上提出了一些政策建议。 关键词： 随机前沿 超越对数模型 效率分析 中 图 分 类 号： Ｆ ４ ０ 文献标识码： Ａ 文章编号：１６７２－３７９１（２０１０）０４（ａ）－０１５０－０４
1
３ 计量分析
３ ． １ 数据简介 在数据上， 本 文 选 择 了 除 西 藏 、 海南之 外的全国２９ 个 省 、 直辖市、 自 治 区１ ９ ９ ９年－ ２００７年 规 模 以 上 工 业 部 门 数 据 。 所有数据
（２）效率变化（ＥＣ） 一个厂商的生产往往无法到达它的生 产前沿，而是落在由它的生产前沿所刻画
２ 理论分析框架
表２ 表１
２ ． １ 随机前沿生产函数设定 在 模 型 框 架 选 择 上 ， 本 文 使 用 Ｂａｔｔｅｓｅ＆Ｃｏｅｌｌｉ（１９９５）模型： Yit = Xit β + (Vit − Uit ) ， ｉ ＝ １ ， … … ． ， Ｎ ｔ＝１，…．．，Ｔ （１）
t SE = *t TEt* ( x , q) d0 ( x, q ) = t TEt ( x , q) d0 ( x , q ) （７）
其中 TEt* 表示ｔ期相对于规模报酬不变 （ＣＲＳ）测量的前沿效率。 因此，ｔ期的规模效 率的变化可以表示为： SEC =