全要素生产率测度教材.ppt

全要素生产率测度方法应用步骤及示例 全要素生产率(TFP)测度应用步骤 第一步：测度方法选择 参数方法 索洛残差法、生产函数法和随机前沿生产函数法 非参数方法 指数法和数据包络分析 参数方法 参数法需要设定具体的生产函数形式，因此必须满足一系列假设条件。如果现实不满足假设条件，测算结果就会有较大误差。 但参数法也有很多优点，每种方法各不相同。 ★索洛残差法 优点：简单易行，适用于时间序列。 缺点： （1）如果现实不符合假设，技术进步率 就不能 等同于TFP的增长率； （2）技术进步贡献率的高估； （3）只能计算TFP的增长率，而无法直 接计算TFP。 ★生产函数法和随机前沿生产函数法 优点： （1）能进一步将TFP分解，并能较好地处理测度误差； （2）随机前沿模型既可以用于横截面数据，也可以用于面板数据，自由度较大。 缺点：假设条件太多，使应用受到较大的限制。 非参数方法 非参数法不需要设定具体的函数形式，从而避免了因生产函数不当而带来的误差。 ▲指数法 优点：最简单的方法，比较适宜于微观经济分析。 缺点： （1）不能导出对TFP贡献份额的确切估计； （2）Laspeyres, Passche, Fisher, Tornqvist指数不能提供更多的技术进步和技术效率等方面的信息； （3）指数法本质上属于非参数法、确定性方法，没有考虑随机因素对TFP的影响。 ▲数据包络分析（DEA) 优点：仅通过线性规划方法，不需要任何具体函数形式而得到生产前沿面。 缺点： （1）把观测值到前沿面的偏差都当作无效率的结果，完全忽略了测度误差和其他噪声； （2）重要的投入产出遗漏会引起结果的偏移； （3）效率得分仅仅是样本量相对于最好厂商的得分。 ▲基于DEA的Malmquist指数法 优点： （1）尤其适用于价格信息不充分的情形； （2）不需要行为假设，使得研究具有更强的适应性； （3）简便易于计算。 缺点：样本必须包括多个对象和指标。 第二步：样本数据及投入产出变量选取 样本数据选取： （1）选择具有代表性的数据作为样本； （2）考察的样本期尽可能地接近当前； （3）样本数据可在相关的统计年鉴或考察行业的年报中获得。 投入产出变量选取： 资产法、中介法和生产法等。 第三步：计算结果并进行实证分析 测算各行业的效率值，揭示影响其全要素生产率的主要因素，使其在以后的经营活动中，能更加重视这些因素，最终提高自身全要素生产率。 全要素生产率测度方法应用示例 下面以我国邮电业发展的动态效率分析为例，说明TFP测度方法的应用。 本案例搜集了1996-2005年我国各省份邮电行业的数据，设计的指标体系如下： 投入指标：各省邮电部门员工人数X1，各省邮电局的数目X2 产出指标：邮电部门总收益Y1，投递信函的数量Y2 为了得到各省的TFP的变化率，本案例采用了Malmquist指数的计算方法来分析。 对这些省份在此期间的全要素生产率指数(TFP)情况进行分解，从而得到这些省份的技术变化指数(TP)和综合效率改善指数(TE)。 TFP=TP×TE 综合效率改善指数(TE) 案例分析： （1）综合效率指数(TE)：我国邮电部门的综合效率指数没有太大的改变。 （2）技术进步指数(TP)：技术进步指数的变化趋势基本上与全要素生产率指数的变化趋势一致；又由于效率指数的变化不明显，这就说明全要素生产率的变动主要是由技术进步带来的。 （3）全要素生产率指数(TFP)：我国邮政业发展的全要素生产率指数没有太大的变化，说明技术进步对于我国邮电业发展的推动作用还没有充分发挥出来，技术进步将成为我国邮政部门发展的新动力。 省份 1996~1997年 1997~1998年 1998~1999年 1999~2000年 2000~2001年 2001~2002年 2002~2003年 2003~2004年 2004~2005年 北京 1.42 1.11 0.79 1.35 0.84 1.00 1.04 0.98 1.03 天津 1.43 1.25 1.36 1.27 1.24 0.96 2.12 0.71 1.13 河北 2.05 1.14 0.76