大中型工业企业随机前沿生产模型实证分析：1995-2002
合集下载
中国工业企业生产效率随机前沿模型分析
t t ( x, q ) d0 （４） s d 0 ( x, q )
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
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
我国制造业生产效率测算——基于随机前沿模型的实证分析
衰 的课 题 。 而我 国 ２ Ｏ多 年 来 不 同性 质 的企 业 、 业 在 经 济 转 轨 产
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
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
企业生产率增长及来源_创新还是需求拉动.
估算生产率的变化, 需要至少有两年连续的平衡数据, 作为计算的依据, 我们的数据则是以此 为基础形成的面板数据。为了尽可能减少不必要的观察值的损失, 面板数据库并无必要做成五年 完全平衡的。由于本文主要试图发现各年比上年的生产率增长变化, 而非整个面板期间的平均增 长率或总体增长率, 那么非平衡面板是可行的, 其能够更准确地反映出这个时期的生产率的年度波 动状态。平衡面板与非平衡面板数据的生产率增长的根本不同在于, 后者比前者多一些新增观察 值的影响效果, 如果新增量较少, 那么两者的效果差异并不大。就可比性来说, 如果比较的不是期 初与期末的生产率变化, 而只是当年与上年之间的生产率变化, 那么, 即使在非平衡面板中的企业 数量有一定变化, 也不会影响比较的效果。
本文将主要测算企业的生产率变化( M 指数) 。一般技术效率是指每个企业在效率上的水平效 应, 是横向可比的; 而生产率变化则测量每个企业在效率上的增长效应, 是纵向可比的, 涉及到动态
的变化, 反映的是企业效率随时间的变化, 这样的生产率需要以面板数据为基础进行估计, 才能发 现企业生产率增长的变化, 以及决定增长的不同因素。
Farrell 技术效率的倒数,
即
D
t i
(
yt ,
xt ) =
1P
F
t i
(
yt
,
xt|
C,
S
)
。全要素生产率以某一时期的技术为参照技术,
用两不同时期距离函数的比值来
表示( 通常称为 Malmquist 生产率指数) , 以下简称 M 指数。为了避免在选择生产技术参照系时的
随意性, 通常用两个生产率指数的几何平均值来计算生产率的变化, 即:
沿, 再把每一个企业的生产同最佳前沿进行比较就可以测度出各个企业的技术效率, 如果将企业本
本文将主要测算企业的生产率变化( M 指数) 。一般技术效率是指每个企业在效率上的水平效 应, 是横向可比的; 而生产率变化则测量每个企业在效率上的增长效应, 是纵向可比的, 涉及到动态
的变化, 反映的是企业效率随时间的变化, 这样的生产率需要以面板数据为基础进行估计, 才能发 现企业生产率增长的变化, 以及决定增长的不同因素。
Farrell 技术效率的倒数,
即
D
t i
(
yt ,
xt ) =
1P
F
t i
(
yt
,
xt|
C,
S
)
。全要素生产率以某一时期的技术为参照技术,
用两不同时期距离函数的比值来
表示( 通常称为 Malmquist 生产率指数) , 以下简称 M 指数。为了避免在选择生产技术参照系时的
随意性, 通常用两个生产率指数的几何平均值来计算生产率的变化, 即:
沿, 再把每一个企业的生产同最佳前沿进行比较就可以测度出各个企业的技术效率, 如果将企业本
随机前沿分析(新)
测算全要素生产率的传统方法是索洛余值法 (SRA) ,其关键是假定所有生产者都能实现最优的生产 效率,从而将产出增长中要素投入贡献以外的部分全部 归结为技术进步( technological progress) 的结果,这 部分索洛剩余后来被称为全要素生产率(李京文等 1998) 。 然而,SRA 法的理论假设不完全符合现实,因为现实经 济中大部分生产者不能达到投入—产出关系的技术边 界(Farrell ,1957) 。
利用随机前沿生产函数法，Schmidt（1980， 1986）、Kumbhakar（1988，1990）、Bauer （1990）、Kalirajan（1993）、Batese和Coelli 1988，1992，1995）等对技术效率对TFP和 产出的影响做了大量的实证研究。
2021/5/8
9
2. 技术效率的测度 2.1.1 确定性生产边界
传统的生产函数只反映样本各投入因素与平均产出之 间的关系, 称之为平均生产函数。但是1957 年, Farrell 在 研究生产有效性问题时开创性地提出了前沿生产函数 (Frontier Production Function)的概念。对既定的投入 因素进行最佳组合, 计算所能达到的最优产出, 类似于经 济学中所说的“帕累托最优”, 我们称之为前沿面。前沿 面是202一1/5/8个理想的状态, 现实中企业很难达到这一状态。4
随机前沿分析
Stochastic Frontier Analysis
2021/5/8
1ቤተ መጻሕፍቲ ባይዱ
一、导言
1.1 随机前沿方法简介
在经济学中，技术效率的概念应用广泛。 Koopmans首先提出了技术效率的概念，他将技术有效 定义为：在一定的技术条件下，如果不减少其它产出就 不可能增加任何产出，或者不增加其它投入就不可能减 少任何投入，则称该投入产出为技术有效的。Farrell首 次提出了技术效率的前沿测定方法，并得到了理论界的 广泛认同，成为了效率测度的基础 。
利用随机前沿生产函数法，Schmidt（1980， 1986）、Kumbhakar（1988，1990）、Bauer （1990）、Kalirajan（1993）、Batese和Coelli 1988，1992，1995）等对技术效率对TFP和 产出的影响做了大量的实证研究。
2021/5/8
9
2. 技术效率的测度 2.1.1 确定性生产边界
传统的生产函数只反映样本各投入因素与平均产出之 间的关系, 称之为平均生产函数。但是1957 年, Farrell 在 研究生产有效性问题时开创性地提出了前沿生产函数 (Frontier Production Function)的概念。对既定的投入 因素进行最佳组合, 计算所能达到的最优产出, 类似于经 济学中所说的“帕累托最优”, 我们称之为前沿面。前沿 面是202一1/5/8个理想的状态, 现实中企业很难达到这一状态。4
随机前沿分析
Stochastic Frontier Analysis
2021/5/8
1ቤተ መጻሕፍቲ ባይዱ
一、导言
1.1 随机前沿方法简介
在经济学中，技术效率的概念应用广泛。 Koopmans首先提出了技术效率的概念，他将技术有效 定义为：在一定的技术条件下，如果不减少其它产出就 不可能增加任何产出，或者不增加其它投入就不可能减 少任何投入，则称该投入产出为技术有效的。Farrell首 次提出了技术效率的前沿测定方法，并得到了理论界的 广泛认同，成为了效率测度的基础 。
随机前沿分析(新)PPT课件
.
采用线性规划方法计算前沿面, 确定性前沿生产函数把 影响最优产出和平均产出的全部误差统归入单侧的一 个误差项ε中, 并将其称为生产非效率. 随机前沿生产函数( Stochastic Frontier Production Function)在确定性生产函数的基础上提出了具有复合 扰动项的随机边界模型。其主要思想为随机扰动项ε应 由v 和u 组成, 其中v 是随机误差项, 是企业不能控制的 影响因素, 具有随机性, 用以计算系统非效率; u是技术 损失误差项, 是企业可以控制的影响因素, 可用来计算技 术非效率。 参数型随机前沿生产函数体现了样本的统计特性, 也反 映了样本计算的真实性。
.
生产率和效率的度量涉及到生产函数。DEA方法 的特点是将有效的生产单位连接起来，用分段超平 面的组合也就是生产前沿面来紧紧包络全部观测点， 是一种确定性前沿方法，没有考虑随机因素对生产 率和效率的影响。随机前沿生产函数则解决了这个 问题。
.
前沿生产函数(Frontier Prodution Function)反映 了在具体的技术条件和给定生产要素的组合下, 企业各投 入组合与最大产出量之间的函数关系。通过比较各企业实 际产出与理想最优产出之间的差距可以反映出企业的综合 效率。
但非参数方法存在的最大局限是: 该方法主要 运用线性规划方法进行计算, 而不像参数方法有统 计检验数作为样本拟合度和统计性质的参考; 另外, 非参数方法对观测数有一定的限制, 有时不得不舍 弃一些样本值, 这样就影响了观测结果的稳定性。 因此, 我们在这里选择参数方法进行前沿生产函数 的计算。
在参数型前沿生产函数的研究中, 围绕误差项的 确立, 又分为随机性和确定性两种方法。首先, 确 定性前沿生产函数不考虑随机因素的影响, 直接
采用线性规划方法计算前沿面, 确定性前沿生产函数把 影响最优产出和平均产出的全部误差统归入单侧的一 个误差项ε中, 并将其称为生产非效率. 随机前沿生产函数( Stochastic Frontier Production Function)在确定性生产函数的基础上提出了具有复合 扰动项的随机边界模型。其主要思想为随机扰动项ε应 由v 和u 组成, 其中v 是随机误差项, 是企业不能控制的 影响因素, 具有随机性, 用以计算系统非效率; u是技术 损失误差项, 是企业可以控制的影响因素, 可用来计算技 术非效率。 参数型随机前沿生产函数体现了样本的统计特性, 也反 映了样本计算的真实性。
.
生产率和效率的度量涉及到生产函数。DEA方法 的特点是将有效的生产单位连接起来，用分段超平 面的组合也就是生产前沿面来紧紧包络全部观测点， 是一种确定性前沿方法，没有考虑随机因素对生产 率和效率的影响。随机前沿生产函数则解决了这个 问题。
.
前沿生产函数(Frontier Prodution Function)反映 了在具体的技术条件和给定生产要素的组合下, 企业各投 入组合与最大产出量之间的函数关系。通过比较各企业实 际产出与理想最优产出之间的差距可以反映出企业的综合 效率。
但非参数方法存在的最大局限是: 该方法主要 运用线性规划方法进行计算, 而不像参数方法有统 计检验数作为样本拟合度和统计性质的参考; 另外, 非参数方法对观测数有一定的限制, 有时不得不舍 弃一些样本值, 这样就影响了观测结果的稳定性。 因此, 我们在这里选择参数方法进行前沿生产函数 的计算。
在参数型前沿生产函数的研究中, 围绕误差项的 确立, 又分为随机性和确定性两种方法。首先, 确 定性前沿生产函数不考虑随机因素的影响, 直接
2002中国制造业集中与市场结构分析_魏后凯
中国制造业集中与市场结构分析*◆魏后凯从广义的角度看,市场结构是指规定构成市场的卖者(企业)相互之间、买者相互之间以及卖者和买者集团之间等诸关系的因素及其特征①。
然而,除少数特殊产业外,买方市场一般比较分散,加上现有的产业分类是按照卖方(企业)来划分的,卖方市场的资料也容易收集,因此,目前学术界一般仅从狭义的角度来考察市场结构,即主要分析特定产业内企业之间以及企业和消费者之间的关系和特征。
一般地讲,规模经济、进入壁垒、产品差别和市场集中是市场结构的主要构成要素,而且这些要素往往相互影响、相互交织在一起。
这里,主要从市场集中的角度来探讨中国制造业的市场结构问题。
一、市场结构分类的集中度标准自美国学者贝恩采用集中度指标对市场结构进行分类以来,集中度指标已经成为国际上衡量市场结构状况的重要指标之一。
60年代以来兴起的芝加哥学派、新奥地利学派,虽然对哈佛学派的SCP范式(S tructure-Co nduct-Perfo rmance)提出了挑战,但并不否认集中作为定义市场垄断、竞争性的主要方法的重要地位。
近年来,在一些实证研究中,虽然从进入壁垒、产品差别、政府管制等角度研究市场结构的文献大量涌现,但由于资料的限制,目前对制造业市场结构进行全面系统的分类,仍有赖于集中度标准。
早在50年代,美国学者贝恩就根据前4位和前8位集中率(CR4和C R8)指标,将不同产业的市场结构分为高度寡占型、高度集中寡占型、中(上)集中寡占型、中(下)集中寡占型、低集中寡占型、原子型6种类型②。
依据这一分类标准,贝恩对50年代美国产业的集中程度和市场结构进行了测定③。
然而,由于贝恩所采用的分类标准范围较窄,按照这种分类方法将无法包括全部产业在内。
同时,由于美国的产业集中度较高,贝恩把CR4<30%或CR8<40%作为原子(竞争)型结构的标准,可能并不适合其他国家特别是发展中国家的情况。
1995年,在我国521个制造业行业中,C R4<30%和C R8<40%的行业分别占67.0%和64.4%。
我国大中型工业企业生产率与技术效率的随机前沿模型分析.pdf
华中科技大学博士学位论文我国大中型工业企业生产率与技术效率的随机前沿模型分析姓名：***申请学位级别：博士专业：西方经济学指导教师：***20050512快速增长。
初步分析，我们认为前沿技术进步背后有四大驱动力：行业竞争是前沿技术进步的外部压力；全球化与外商直接投资是前沿技术进步的源泉；所有制结构的变化是前沿技术进步的内在动力；良好的经济大环境为前沿技术进步提供了必要前提条件。
（3）相对前沿技术效率的行业平均水平低，企业间的技术效率水平差距逐渐拉大是生产率提高的最大障碍。
1996-2002年相对前沿的技术效率下降，使得全要素生产率的下降平均为7.1个百分点。
1996-2002年37个工业行业相对前沿的技术效率的加权平均只有31%水平，而且逐年呈下降的趋势。
企业间技术效率差距的扩大导致行业整体生产率下降：1996年下降6.4个百分点、1997年下降6.5个百分点、1998年下降6.6个百分点、1999年下降6.7个百分点、2000年下降7.0个百分点、 2001年下降7.4个百分点、和2002年下降7.9个百分点。
因此，提高相对前沿的技术效率水平已经成为中国工业企业今后发展的另一个潜在动力及挑战。
（4）随着中国市场经济改革的深化，资本市场和劳动力市场逐步完善，配置资源的功能不断提高。
资源配置效率是生产要素市场化程度高低的反映，也体现了资本市场与劳动力市场配置资源功能的强弱。
对单个企业而言，在完全竞争下，利润最大化的条件是要素的边际产出弹性等于要素的成本价格。
从37个行业的平均值，1996年至2002年大中型工业企业的资源配置效率对生产率增长的贡献仅为0.02个百分点。
生产要素的产出弹性接近要素的成本，表明从总体上市场配置资源的功能的增强。
但是，针对个别企业或行业而言，还有通过要素配置效率来提高生产率水平的空间。
（5）规模不经济性是现阶段大中型工业企业的主要特征，提高规模效应将是提升工业经济增长质量的一条有效途径。
我国工业企业技术效率的比较分析——应用随机前沿生产函数进行的比较
我国工业企业技术效率的比较分析——应用随机前沿生产函
数进行的比较
于立;王铁
【期刊名称】《科技与管理》
【年(卷),期】2007(009)004
【摘要】采用随机前沿生产函数对不同所有制企业的技术效率水平进行了比较评价.通过Frontier Version4.1软件,将企业间技术效率的差异用可比的方式表示,并用技术效率的指标作为被解释变量,企业的所有制、企业的特质指标作为解释变量估计模型的各个参数,进一步找出技术效率差异产生的原因,提出了提高企业技术效率水平的建议.
【总页数】3页(P42-44)
【作者】于立;王铁
【作者单位】哈尔滨理工大学,经济管理学院,黑龙江,哈尔滨,150040;哈尔滨理工大学,经济管理学院,黑龙江,哈尔滨,150040;齐齐哈尔大学,经济管理学院,黑龙江,齐齐哈尔,161006
【正文语种】中文
【中图分类】F279.23
【相关文献】
1.我国工业企业R&D状况的区域比较分析 [J], 陈海波;刘洁
2.应用Bootstrap-DEA方法的公立三级医院技术效率测量与比较分析 [J], 李萌;
张旭东; 郭淑岩; 杨婷婷; 杨威; 黎浩; 张建成; 董四平
3.应用管理学理论提升我国职业院校教学质量的可行性方案探讨
——借鉴澳大利亚TAFE教育模式进行比较分析 [J], 陶喆;刘文社;徐玮
4.“效率”与“效力”共驱的R&D项目绩效评价研究——基于DEA方法的我国各地区大中型工业企业的比较分析 [J], 刘井建
5.对我国技术效率的测算:随机前沿生产函数的应用 [J], 何枫;陈荣;郑江绥
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
Key words: Total Factor Productivity, Frontier Technology Progress, Technical Efficiency, Scale Economy, Allocative Efficiency; JEL Classification code: D24, C23, O47, L60
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
肖耿 涂正革* Geng Xiao and Zhengge Tu
摘要：本文运用中国大中型工业企业 1995-2002 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)变化趋势及其特征， 并用随机前沿生产模型， 将 TFP 的增长分解为前沿技 术进步（FTP） 、相对前沿技术效率的差距(TE)的变化、配置效率(AE)以及规模经济性(SE)四大因素 之后，发现： （一）中国大中型工业 1996 至 2002 年间 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，对 TFP 增长的贡献年均约为 14 个百分点； （三）因相对前沿的技术效率差距扩大，致使 TFP 年均下降约 7 个百分点； （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 的贡献为负 0.33 个百分点。分析表明，世纪之交的中国最重要的工业企业正经历着一场以技 术进步为核心的生产力革命。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 业间的技术效率差异。相对前沿的技术效率的提高已经成为中国工业企业今后发展的另一个潜在动 力及挑战。从政策角度看，中国工业发展应该是在引进前沿技术、鼓励技术创新的同时，加强各行 业内企业间的平等竞争，通过比学赶帮，缩短行业内企业与其前沿企业间效率的差距，提高各行业 整体的技术效率。另外，中国需要进一步深化大型国企的改革，充分发挥现代企业的规模经济性， 并在生产要素的配置效率方面获得进一步的改进。 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
2
临的最严重问题。对于这三大困难，综列数据就不难解决，因为，从抽样理论角度看，综 列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，综列数据不仅 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，但运用企业层面的综列数据， 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研究领 域还是空白。本文采用非平衡综列数据（unbalanced panel data）及随机前沿模型研究中国 大中型工业企业各行业 1995-2002 期间全要素生产率的变化，根据 Kunbhakar (2000) 提出 的分析方法，将全要素生产率的增长分解为前沿技术进步、相对前沿技术效率的变化、相 对前沿资源配置效率的改善以及规模经济性的变化。本文的研究有以下几点独到之处： 第一，使用较长的 panel data ，不仅信息量更丰富，而且可以解决截面数据技术效率估 计的不一致性； 第二，使用微层面的企业数据，研究一群代表了中国最先进生产力的大中型工业企业 的全部样本； 第三，在方法上，使用了随机前沿生产模型，考虑了随机冲击对前沿产出的影响，比 确定性前沿生产模型更合乎实际； 第四， 样本期间 1995-2002 跨越中国经济转轨的关键时期， 其结论对中国未来的发展及 其他转型经济具有借鉴意义； 第五，突破了将全要素生产率分解为前沿技术进步与技术效率的框架，从微观考虑了 资源配置效率以及规模经济性，为产业发展以及市场建设提供了更有价值的信息及分析； 第六，我们的分析是按两位数工业行业展开的，本文研究所得出的结论不仅对分析中 国工业乃至整个经济、提出科学合理的政策措施有重大的现实和理论意义，而且，针对 37 个行业生产力的研究对企业考察自身在市场中的位置有重大参考价值。 文章的第二部分将提出全要素生产率变化及随机前沿生产模型的分析框架。第三部分 将说明数据及变量的来源及定义。第四部分是实证分析的结果。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。
2004 年 1 月 7 日讨论稿
中国的工业生产力革命
大中型工业企业随机前沿生产模型实证分析：1995-2002
China’s Industrial Productivity Revolution
A Stochastic Frontier Production Function Analysis of China’s Large and Medium Industrial Enterprises during 1995-2002
†
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 1995-2002. The major findings include: (1) Average annual growth of TFP in China’s large and medium industrial enterprises sector was as high as 6.8% with a rising trend during 1996-2002; (2) The contribution to TFP growth by Frontier Technology Progress reached as much as 14 percentage points a year on average; (3) The decline in Technical Efficiency (Relative to the Frontier) reduced the growth of TFP by 7.1 percentage points a year on average; (4) Allocative Efficiency contributed on average only 0.02 percentage points a year to the growth of TFP; (5) 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 catching up and expanding gaps of technical efficiency among enterprises. The revolution is a result of increased competition, privatization, foreign investment, and business expansion.
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
肖耿 涂正革* Geng Xiao and Zhengge Tu
摘要：本文运用中国大中型工业企业 1995-2002 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)变化趋势及其特征， 并用随机前沿生产模型， 将 TFP 的增长分解为前沿技 术进步（FTP） 、相对前沿技术效率的差距(TE)的变化、配置效率(AE)以及规模经济性(SE)四大因素 之后，发现： （一）中国大中型工业 1996 至 2002 年间 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，对 TFP 增长的贡献年均约为 14 个百分点； （三）因相对前沿的技术效率差距扩大，致使 TFP 年均下降约 7 个百分点； （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 的贡献为负 0.33 个百分点。分析表明，世纪之交的中国最重要的工业企业正经历着一场以技 术进步为核心的生产力革命。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 业间的技术效率差异。相对前沿的技术效率的提高已经成为中国工业企业今后发展的另一个潜在动 力及挑战。从政策角度看，中国工业发展应该是在引进前沿技术、鼓励技术创新的同时，加强各行 业内企业间的平等竞争，通过比学赶帮，缩短行业内企业与其前沿企业间效率的差距，提高各行业 整体的技术效率。另外，中国需要进一步深化大型国企的改革，充分发挥现代企业的规模经济性， 并在生产要素的配置效率方面获得进一步的改进。 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
2
临的最严重问题。对于这三大困难，综列数据就不难解决，因为，从抽样理论角度看，综 列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，综列数据不仅 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，但运用企业层面的综列数据， 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研究领 域还是空白。本文采用非平衡综列数据（unbalanced panel data）及随机前沿模型研究中国 大中型工业企业各行业 1995-2002 期间全要素生产率的变化，根据 Kunbhakar (2000) 提出 的分析方法，将全要素生产率的增长分解为前沿技术进步、相对前沿技术效率的变化、相 对前沿资源配置效率的改善以及规模经济性的变化。本文的研究有以下几点独到之处： 第一，使用较长的 panel data ，不仅信息量更丰富，而且可以解决截面数据技术效率估 计的不一致性； 第二，使用微层面的企业数据，研究一群代表了中国最先进生产力的大中型工业企业 的全部样本； 第三，在方法上，使用了随机前沿生产模型，考虑了随机冲击对前沿产出的影响，比 确定性前沿生产模型更合乎实际； 第四， 样本期间 1995-2002 跨越中国经济转轨的关键时期， 其结论对中国未来的发展及 其他转型经济具有借鉴意义； 第五，突破了将全要素生产率分解为前沿技术进步与技术效率的框架，从微观考虑了 资源配置效率以及规模经济性，为产业发展以及市场建设提供了更有价值的信息及分析； 第六，我们的分析是按两位数工业行业展开的，本文研究所得出的结论不仅对分析中 国工业乃至整个经济、提出科学合理的政策措施有重大的现实和理论意义，而且，针对 37 个行业生产力的研究对企业考察自身在市场中的位置有重大参考价值。 文章的第二部分将提出全要素生产率变化及随机前沿生产模型的分析框架。第三部分 将说明数据及变量的来源及定义。第四部分是实证分析的结果。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。
2004 年 1 月 7 日讨论稿
中国的工业生产力革命
大中型工业企业随机前沿生产模型实证分析：1995-2002
China’s Industrial Productivity Revolution
A Stochastic Frontier Production Function Analysis of China’s Large and Medium Industrial Enterprises during 1995-2002
†
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 1995-2002. The major findings include: (1) Average annual growth of TFP in China’s large and medium industrial enterprises sector was as high as 6.8% with a rising trend during 1996-2002; (2) The contribution to TFP growth by Frontier Technology Progress reached as much as 14 percentage points a year on average; (3) The decline in Technical Efficiency (Relative to the Frontier) reduced the growth of TFP by 7.1 percentage points a year on average; (4) Allocative Efficiency contributed on average only 0.02 percentage points a year to the growth of TFP; (5) 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 catching up and expanding gaps of technical efficiency among enterprises. The revolution is a result of increased competition, privatization, foreign investment, and business expansion.