中国高技术产业TFP增长率分解及效率研究.docVIP

第十一章 高技术产业研发创新效率与全要素生产率增长 模型的理论知识 （一）随机前沿函数随机前沿函数是由Aigner，Lovell， and Schmidt(1977)[1]、Meeusen and Vanden Broeck (1977)[]提出的，早期的研究中，随机前沿模型主要应用于横截面数据，Pitt and Lee(1981)[3]，Kumb hakar(1990)[4]、Battese and Coelli (1992，1995) [5-6]等逐渐发展为使用面板数据。面板数据比横截面数据有更多的优势：如增加自由度，允许技术和效率同时随时间而变等。 本文在Battese and Coelli（1992）模型()基础上，运用超越对数生产函数的随机前沿分析技术研究2000－2008年我国各地区高技术产业的TFP增长、技术进步和效率变化。分析模型如下： i＝1，2，……，N；t＝1，2，……，T。 （1） 式（1）中，表示经价格调整后的高技术产业创新产出，下标i表示第i个地区，N等于28；t代表年份编号，T等于9。和是高技术产业研发投入的资本和人力。式中的所有和都是待估计的参数。式（1）的误差项由两个独立的部分组成：是经典的随机误差，其服从正态分布；是非负的表征第个地区高技术产业在年生产非效率的随机变量，其被假设为服从： （2） 这里，假设ui的分布服从非负断尾正态分布，即：，(是待估计参数，表示技术效率的变化率。 地区i的高技术产业技术效率水平（TEit），衡量实际产出与潜在最大产出的比率。采用Jondrow、Lovell、Materov 和 Schmidt(1982)[13]提出的混合误差分解方法（简称 JLMS），从混合误差 uit– νit 中分离出技术非效率uit。于是，第i个地区在第t个年份的高技术产业技术效率定义为： （3） 基于随机前沿生产模型的估计，根据uit的表达形式：，技术效率的变化： （4）进一步，为了了解创新过程中全要素生产率的变化情况，并探究其变的动因，根据Kumbhakar和Lovell (2000)的全要素生产率增长率核算公式，测算创新的全要素生产率增长率及其分解率，其核算公式如式()所示: （） 式（）中和分别表示研发创新全要素生产率增长率及技术进步率。和分别表示RD人员和资本的增长率。El和Ek则分别表示RD人员和资本的产出弹性，而E=El+Ek表示规模弹性。uit的表达形式：，技术效率的变化： （7） 在随机前沿生产函数模型（1）下，生产要素j（资本K或劳动L）的产出弹性为： （） 最后，根据随机前沿生产函数模型的形式（1）及技术进步的定义，技术进步对经济增长率的贡献为： (9) 由于技术效率不随时间变化，式()中可以去掉，成为式（）形式， （） 高技术产业是在必威体育精装版的科学技术成果基础上建立起来的，具有技术更新迅速、产品性能和工艺技术改进快速等特点。近年来，中国高技术产业规模不断壮大，其增加值占GDP的比重从本世纪初期的5%提高到当前的10%左右，有力的带动了产业结构的调整和产品技术的升级。各地区也把高技术产业作为当前和未来经济的新的增长点而加以积极扶持。而高技术产业作为创新型产业，技术创新是其发展的核心动力，因而，各地政府及社会各界十分重视对高技术产业的研发投入。但是增加技术创新投入只是高技术产业发展的必要条件而非充分条件。在提升高技术产业技术创新能力的过程中，不仅要注重创新资源的总量投入，更要注重其效率问题，特别是在相对于发达国家我国高技术产业科技创新资源严重不足的情况下，效率问题就变得更为突出。 由于中国各地区高技术产业发展程度不一，本文将研究视角聚焦于各地区高技术产业研发创新过程投入产出的效率问题，目的旨在对各地区高技术产业研发创新的相对效率及全要素生产率增长进行测算，探求全要素生产率增长的动力来源，并以此为基础比较其地区差异。近年来，有关中国高技术产业研发创新的效率问题已受到学者们广泛关注，也取得了一些有益的成果，朱有为和徐康宁(2006)、吴和成(2008)及官建成(2009)[-10]等运用分行业数据实证测度与评价了高技术产业的研发创新效率，并探讨企业规模、产业结构等因素对研发创新效率的影响。基于地区视角的研究主要是对各省区的创新效率进行测算(刘顺忠和官建成，2002；孙凯和李煜华，2007；白俊红等，2009)[-13]，而将不同地区高技术产业创新效率与研发创新全要素生