中国装备制造业TFP增长的结构性研究.docVIP

中国装备制造业TFP增长的结构性研究 　　摘 要：本文通过对装备制造业1995年-2011年分行业的面板数据的实证分析，综合考虑劳动、资本、能源消耗等投入要素对全要素生产率的影响，并用Malmquist生产率指数法对装备制造业的全要素生产率变动进行分解，发现全要素生产率的增长主要得益于技术进步；从分行业的角度看，17年间全要素生产率增长最快的是电子及通信制造业。 　　关键词：装备制造业 Malmquist指数法 全要素生产率 　　一、引言 　　装备制造业是为国民经济和国防建设提供生产技术装备的制造业，是国民经济的根基和国家安全的保障，具有产业关联度高、技术资金密集、技术含量高等特点。在国际竞争中，高度发达的装备制造业和先进的制造技术已经成为衡量一个国家综合竞争力的重要标志。 　　目前国内对装备制造业的研究大部分都建立在定性分析的基础上，对生产绩效的定量研究较少。王欣（2010）利用三阶段DEA法对我国装备制造业1999—2007年的时间序列数据研究，对全要素生产率进行测算，发现装备制造业全要素生产率年均增长11.8%，其中技术进步年均增长11.7%，技术效率年均增长仅为0.1%，并且各个行业的TFP有着较大差异。李星光、于成学（2009）运用Malmquist指数法对1995-2006年分行业的装备制造业测算，认为在不同的时期技术效率和技术进步对TFP的贡献程度不同，从分行业来看，电子及通信制造业的TFP增长最快，但文章仅考虑了劳动和资本投入，没有涉及到能源消耗。而薛万东（2010）用BCⅡ模型对我国装备制造业1992—2004年时间序列数据研究，测算全要素生产率，得出劳动投入对生产绩效起反作用，而且技术效率对TFP的贡献要大于技术进步的贡献的结论，这和王欣（2010）得出的结论显然不符。 　　导致上述结论不一致的原因主要是由于选取的样本或分析的方法不同引起的。由于面板数据可以提高自由度和有效性，增加变量的多变性和减少共线性，并且可以实现动态研究，基于上述优点，本文以1995—2011年分行业的面板数据为样本，在传统的投入要素劳动和资本的基础上增加能源作为投入变量，希望更全面真实的反映出我国装备制造业的绩效，并对TF的P变动进行测算，为产业发展提出建议。本文第二部分介绍了运用Malmquist指数法测算TFP并对TFP进行分解的理论方法，第三部分运用分行业的面板数据进行了实证分析，对装备制造业分行业状况和TFP的分解分别进行分析，第四部分提出政策性建议。 　　二、全要素生产率测算分解方法 　　目前关于TFP变动的测算，主要有四种方法：增长核算法、生产函数法、随机前沿分析法和数据包络分析法（Malmquist指数法），（ Hulten ，2000 ；Coelli ，2005） 。其中数据包络分析法（DEA） 由于具有不需要对生产函数结构做先验假定、不需要对参数进行估计、允许无效率行为存在、能对TFP变动进行分解等优点， 在近来研究中受到了越来越多的关注（章祥荪、贵斌威（2008）） ，因此本文选择Malmquist 指数法。Fare等（1994）将Malmquist指数从理论指数变成了实证指数，并且进一步把Malmquist指数法进行了分解，将指数变动分解成技术效率变动、技术进步变动和规模效率变动。下面我们引入生产可能集、距离函数的概念对Malmquist指数的分解进行数学上的介绍： 　　显然St包括在t期的所有可行的投入x和产出y，距离函数在此基础之上定义。按照Shephard（1970），t期的生产活动相对于t期的生产可能集的距离函数为： 　　为定义Malmquist指数，我们需要定义两个不同时期的距离函数，则以第t期的技术水平为参考的第t+1期的距离函数为： 　　因为以t和t+1期的生产水平为参考定义的Malmquist生产率指数在经济含义上是对称的，为了避免选择生产技术参照系的随意性，按照Fisher（1922），基于两者的几何平均值定义产出角度的Malmquist指数： 　　TE是相对效率指数，代表技术效率变动，测度了从t期到t+1期每个观察对象到最佳产出的追赶程度。如果在t+1时期，由于非技术进步要素的影响，如企业的管理制度改善、国家政策的支持等使决策单元向最佳生产前沿面靠近，则TE大于1；反之，TE小于1。TC代表了技术进步，它测度了技术边界从t期到t+1期的移动，如机器设备或生产工艺的改善等会使TC大于1，技术退步会使TC小于1，技术水平没有变化，TC就等于1。 　　同时，技术效率变动（TE）还可以分解为纯技术效率变动（PEC）和规模效率变动（SE），即：TE= PEC×SE。纯技术效率反映的是决策单元在管理制度方面的情况，即决策单元的实际产出与最大可能产出之间的差距；规模效率反映了决策