中国制造业省际全要素
生产率变动分析1
)))基于非参数M almquist指数方法
宫俊涛孙林岩李刚
(西安交通大学管理学院)
=摘要>在构建1987~2005年中国28个省区市制造业面板数据的基础上,本
文基于非参数M almquist指数方法构造区域制造业生产前沿,考察制造业省际全要
素生产率的增长来源、差异与变化趋势。研究表明,分析期内制造业的生产要素结
构经历了一个资本相对密集化的过程;制造业省际全要素生产率的增长来源于技术
进步,技术效率变化表现为负作用;全要素生产率在1988~1990年和1994~1997
年两个时间段出现了负增长,1987~2002年全要素生产率总体上没有增长。
关键词全要素生产率增长来源制造业
中图分类号F06112文献标识码A
Provincial Productivity Analysis in China.s
Manufacturing Industry
Abstract:T his paper focuses on the provincial productivity analysis for China.s manufacturing industry1At fir st,the panel data about m anufacturing industries of
tw enty-eight provinces fr om1987to2005y ear is set up1Then a M almquist index appr oach is used to fo rmulate the pro duction fro ntier mo dels for prov incial m anu-facturing industry1T he r esult sho ws that capital deepening has been intensified thro ug h this stag e w hich chang ed the facto r structure1T he gr ow th o f total factor
pro ductivity(TFP)came from technical prog ress,w hile technical efficiency change deterior ated the productivity1Neg ative productiv ity grow th occurred dur ing1988~ 1990and1994~19971TFP didn c t incr ease during1987to2002year1
Key words:Total Factor Productivity;Growth Source;Manufacturing Industry
引言
当今世界制造业的格局正发生着急剧的变化,新技术的传播、组织的变革及市场机制的1基金项目:国家自然科学基金重点资助项目(70433003)。
完善为许多国家带来了机遇也带来了挑战。事实上,中国与其他发展较快的国家都面临着同样的挑战,即如何使制造业获得持续增长,以维持其国际竞争力。中国自改革开放以来经济的快速发展离不开制造业的重要贡献,尤其是近些年来制造业的快速增长及其面临的国际竞争环境的深刻变化引起了很多学者的关注,有关中国制造业增长的研究正在展开。
生产率分析是研究经济增长的重要工具。世界上对于生产率的研究已经从对劳动生产率、资本生产率等的单纯测算发展到了对全要素生产率的测算。全要素生产率更能从整体上反映一个产业的生产率状况,尤其是全要素生产率增长率的分解可以很好地度量要素效率的提高以及技术进步的程度,对经济发展的策略制定有很强的指导意义。就目前对中国制造业的研究而言,采用制造业省际数据进行生产率分析的研究还不足,有待加深。本文运用非参数的M almquist指数法,根据1987~2005年中国制造业投入与产出的分省面板数据,估计中国省际制造业生产率增长及其构成的变化情况,以刻画区域增长的差异及其来源。
一、文献综述
对生产率的研究大致可分为两类,一类是生产率测算及分解方法的研究,另一类是采用各种生产率分析方法进行的实证研究。Battese和Coelli等总结生产率的测度方法主要有四种:回归生产模型、指数法、数据包络分析方法(DEA)和随机前沿法(SFA),其中,第一种和第四种为参数方法,第二种和第三种为非参数方法。参数方法与非参数方法各有优缺点,参数方法需事先假定生产函数形式,可能存在因函数形式设定不当影响结论准确性的问题;而非参数方法的缺陷是假设不存在随机误差的影响,影响效率估计。各位学者对两类方法的偏好不一,需根据实际需求合理选择。
在有关生产率分析的实证研究方面,一些学者对亚洲国家或地区的制造业生产率进行了研究与比较。如Kum ar(2006)采用非参数线性规划方法对印度15个主要地区的制造业进行TFP测算,研究发现印度改革前后生产率增长来源发生了转变。H siao(2005)应用Malm quist指数对韩国和中国台湾的传统、基础及高技术三类制造业的生产率进行了比较分析。H an(1994)则比较了日本、新加坡、韩国和中国香港的制造业生产率。
有关中国生产率的研究自Chow(1993)以来成为热点,但是对于中国工业或工业分行业的生产率研究却存在不少争论。Woo等(1994)、H uang和M eng(1999)等使用中国国有企业调查数据,发现国有工业企业全要素生产率的增长率为零或者为负;而Chen等(1988)运用中国全国工业加总数据,发现国有企业1978~1985年T FP每年增长4%~ 5%,Jefferso n等(1996)认为1980~1992年TFP年均增长215%。谢千里、罗斯基、郑玉歆等(2001)对1980~1996年中国工业生产率的研究发现,在1984~1988年达到了最高点,平均每年达到了417%,1988~1992年回落到20世纪80年代初的水平,1992年以后生产率增长出现了停滞并在1993~1996年出现了负增长。朱钟棣、李小平(2006)对中国制造业分行业的全要素生产率进行了估算,发现制造业行业的全要素生产率变动经历了缓慢增长、下降、快速增长3个阶段。原鹏飞(2005)使用制造业分行业数据分析1996~2003年制造业生产效率水平及变化,研究显示技术进步是生产率提高的主要动力,并且近年来技术效率对生产率的贡献作用得以显现。涂正革(2005)利用大中型企业数据,对1995~ 2002年工业行业的生产率进行了分析,认为T FP的行业加权年均增长率为618%,并呈逐年上升的趋势,技术进步已经成为TFP增长的最重要动力。
总的来看,有关中国制造业的生产率研究多从企业和行业角度展开,缺乏区域视角,这
不利于了解各区域制造业生产率变化的特点及区域间生产率差异。此外,由于不同学者在数据选择、数据处理及研究模型选用等方面的差异,使得目前对中国工业部门生产率的研究尚未取得比较一致的结论,需进一步规范研究方法和过程。这些问题为后续研究留下了空间。
二、研究模型
自20世纪70年代末For sund和H jalm arsso n(1979)采用面板数据应用确定性前沿生产函数模型以时间趋势变量对技术变迁率进行估算以来,这类模型的一个重要发展就是在概念和经验估算上将生产率拆分为技术进步、技术效率变化和规模效率的改善(N ishim izu和Page,1982)。以数据包络分析为基础的M almquist指数法生产率模型即属于这样一类模型。本文在进行区域分析时将采用M alm quist指数法,主要是因为各区域的生产差异性较大,不宜设定统一的生产函数形式,采用非参数方法较为稳妥。
Malmquist生产率指数运用距离函数(Distance Functio n)来定义,反映生产决策单位与最佳实践面的距离。在本文中,我们把每一个省看作一个生产决策单位,构造在每一个时期中国的生产最佳实践前沿面;并把每一个省的生产同最佳实践前沿面进行比较,从而对效率变化和技术进步进行测度。
Fare等(1994)提出的基于产出的M almquist生产率指数可表示为:
M t o=D t o(x t+1,y t+1)/D t o(x t,y t)(1)这里D o即为距离函数,下标o表示基于产出的距离函数。(1)式的M almquist指数测度了在时间t的技术条件下,从时期t到(t+1)的技术效率的变化。同样可以定义在时期(t+1)的技术条件下,测度从时间t到(t+1)的技术效率变化的M almquist生产率指数:
M t+1o=D t+1o(x t+1,y t+1)/D t+1o(x t,y t)(2)为了避免使用上的混乱,可用两个曼奎斯特生产率指数的几何平均值来计算生产率的变化。为避免时期选择的随意性可能导致的差异,可用(1)式和(2)式两个M almquist生产率指数的几何平均值来衡量从t时期到(t+1)时期生产率变化。该指数大于1时,表明从t时期到t+1时期全要素生产率是增长的。
M o(x t+1,y t+1;x t,y t)=D t o(x t+1,y t+1)
D t o(x t,y t)
@D
t+1
o(x t+1,y t+1)
D t+1o(x t,y t)
1/2
=D t+1o(x t+1,y t+1)
D t o(x t,y t)
D t o(x t+1,y t+1)
D t+1o(x t+1,y t+1)
@D t o(x t,y t)
D t+1o(x t,y t)
1/2
=T E#T P
=PE#S C#T P(3)同时,(3)式给出了M almquist生产率指数的分解。M almquist生产率指数总体上可以分解为效率变化指数TE和技术进步指数T P两项。T E是规模报酬不变且要素自由处置条件下的效率变化指数,它测度从时期t到(t+1)每个观察对象到最佳实践边界的追赶程度。效率变化指数又可以分解为纯技术效率变化指数PE和规模效率变化指数S C。T P指数则测度技术边界从时期t到(t+1)的移动。
Malmquist生产率指数的构造要求计算距离函数D t o(x t,y t)、D t+1o(x t+1,y t+1)、D t o(x t+1,y t+1)、D t+1o(x t,y t),这些距离函数的计算可借助线性规划的方法来实现。对于
一个N个省份、T个时期的问题而言,以上过程共需求解N@(4T-2)个线性规划方程1。
三、制造业省际面板数据的构建
分析中国经济问题时,数据的获取与处理成为相当关键的问题。不少学者,如郑玉歆(1998)、Szirmai(2005)、陈勇和李小平(2006)、郑京海和胡鞍钢(2005)等在对中国生产率进行研究时采用的数据处理方法为本研究提供了有益的借鉴。本文综合对比目前较为流行的处理方法,对产出、资本投入以及劳动投入数据进行了较为全面、谨慎的处理,构建了1987~2005年28个省区市o制造业的投入产出面板数据。
从中国官方公布的统计数据中较容易收集到有关各省(市)的工业投入产出数据,构建各省(市)工业面板数据相对容易;但是有关各省(市)的制造业数据却很难找到,好在5中国工业经济统计年鉴6提供了按地区分组的行业统计数据,可以通过行业数据汇总的方式获得各省(市)的制造业数据?,但不尽完善的是,5中国工业经济统计年鉴6是非连续出版的,且出版时间不是很长,因此我们只能构建1987~2005年的区域制造业面板数据,其中1991年、1995年、1996年、1998年、2004年这5年的数据缺失,本文通过线性插值的方法进行补值。以下就数据的具体处理进行说明。
11产出数据
选取制造业工业增加值作为产出指标。由于我国在1992年以前采取的是物质平衡核算体系,此前工业增加值相对应的指标是/工业净产值0,需要调整为工业增加值,本文依据1992年投入产出表计算了各行业增加值与净产值数据,以增加值与净产值之比作为各省市各行业的调整比例。接下来通过5中国统计年鉴6公布的工业品价格指数进行工业增加值的不变价处理(以1980年不变价格计算),然而5中国统计年鉴6公布的工业品价格指数只包括14类工业行业产品价格指数,本文使用这些指数依据行业的生产和产品相似性对没有提供价格指数的行业进行了替代。此外,1998年及以后年份,工业统计调查范围由按隶属关系划分改变为按企业规模划分,统计口径的变化主要表现为原来主营业务收入在500万元以下的乡及乡以上非国有企业被剔除,主营业务收入在500万元以上的村办企业被纳入其中,而国有企业的统计范围基本没有发生变化,总的来看,该统计口径的变化未对增加值时间序列的连续性造成严重影响(Szir mai,2005),本文暂不对该统计口径变化进行调整。
21资本投入数据
通常将固定资产作为资本存量的最可靠的估计,然而同其他发展中国家一样,中国也没有有关资本存量的数据,需要进行计算,可按照国际上流行的永续盘存法进行计算。进行测算的几个关键问题是:确定初始资本存量、年度折旧以及每年新增固定资本。
在初始资本存量的确定上基期时点应该尽可能早,并且该时点之前的价格变化不能太大,限于数据获取的难度,本文将1980年定为基期,进而将1987年各省(市)制造业的固定资产净值转变为1980年价格,并以此数据作为各省(市)各行业1987年的固定资产存量。
1o
?本文采用DEAP210软件计算。
28省区市含北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、
山东、河南、湖北、湖南、广东、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。
5中国工业经济统计年鉴6各年的行业细分程度不一样,需要进行行业归类。
中国官方公布的统计数据中有各制造行业的年固定资产净值这一统计项,而固定资产净值是固定资产原值扣除折旧后的余额,因此我们可以利用固定资产净值跳过折旧问题。有了每年的固定资产净值,即可利用相邻年份固定资产净值相减获得年固定资产增量。对当年的固定资产增量按照固定资产投资价格指数进行缩减1,然后与上一年的固定资产存量相加,即可求得该年的固定资产存量,如此计算可获得各年的资本增量和资本存量。
31劳动力投入数据
通常限于统计资料的可获得性,多数文献使用劳动力人数代替服务流量作为劳动力投入,本文也采用这种方法来衡量各行业的劳动力投入。
自改革开放以来,中国劳动力的统计概念发生了多次变化o,不同部门的统计口径也有差异,准确计量中国各行业的劳动力投入绝非易事,一些学者,如大塚启二朗、Szirmai,在这方面做了有益探讨。本文以工业普查、经济普查为基准,对比了5中国统计年鉴6(简称5年鉴6)、5中国工业交通能源五十年统计资料汇编6(简称5汇编6)、5中国工业经济统计年鉴6(简称5工经6)的工业劳动力投入数据,发现5汇编6和5工经6提供的工业劳动力投入数据与工业普查、经济普查的数据保持了较好的一致性,而5年鉴61993~2002年的劳动力数据局限于城镇职工的范围,统计口径小,不宜选用,因此,对于劳动力数据的来源选择需格外注意,本文从5工经6上选取劳动力投入数据。此外,因1998年在岗职工概念的使用,原则上需区分在岗职工与全部职工的概念,然而本文处理的是各省市分行业的数据,比Szirmai等的数据多出了一个区域维度,由于不同区域不同行业的差异性较大,对每一区域每一行业使用同一系数进行数据处理有可能更加偏离实际情况,因此,本文暂不对这两个概念下的数据进行调整。此外,需将部分年份的年末人数调整为年均人数,由此可形成1987~2005年28个省市的制造业劳动力投入数据。
四、结果与分析
11生产前沿的变动及特点
首先我们可以通过观察生产前沿的移动和生产单位(各省、市、自治区)在投入系数空间的分布和随时间变化运动的情况来大致掌握生产前沿的变化情况。图1中给出了1990年、1995年、2000年以及2005年的全国28省市制造业的资本、劳动投入比例状况。
从四个不同年份的点阵分布形式与运动方向来看,有两个趋势是明显的,一是资本劳动比从1990年的横向分布逐渐变成2005年的纵向分布,这与郑京海、胡鞍钢(2005)使用GDP 分析省际生产率变化时的发现基本一致,表明制造业的生产要素结构从20世纪80年代末到21世纪初经历了一个资本相对密集化的过程;二是点阵向生产前沿的移动也比较明显。
从生产前沿的形状和运动来看,也有两个特点:一是制造业的生产前沿向纵轴的移动比较明显,但向原点的移动并不明显,这与郑京海、胡鞍钢(2005)的结果有些差异,他们使用GDP数据分析的结果表明生产前沿向原点的移动很明显,我们的分析结果显示,对制造业而言,1995~2000年,生产前沿有沿纵轴向上移动的趋势,表明这一时期资本深化现象
1o国家统计局只提供了自1991年以来的固定资产价格指数,之前的数据本文使用了谢千里、罗斯基、郑玉歆等
(2001)的计算结果。
1987~2005年,5中国工业经济统计年鉴6对劳动力投入的统计概念发生了两次变化,共使用了三个概念。1993年以前为/年末职工人数0,从1993年起使用/全部职工年平均人数0,从1999年起使用/全部从业人员平均人数0。
图1资本、劳动投入比与生产前沿的变化
较为明显,而2000~2005年这一趋势又有一定的回落,有待进一步分析;二是生产前沿的线性分段有增加的趋势,表明最佳实践省份在逐渐增加,表1给出了历年最佳实践省市。
表1最佳实践省市随时间的变化
年份1987198819891990199119921993199419951996199719981999200020012002200320042005
最佳省市
北京云南云南云南云南云南云南云南云南云南云南云南云南云南云南云南广东山东山东浙江浙江上海上海上海上海上海上海上海
浙江浙江浙江广东广东
福建
注:云南位于生产前沿主要得益于其烟草业的优异表现。1989~1992年浙江的技术效率在全国位居第
二,1993年广东取代浙江位居第二,1994~1996年上海位居全国第二,1997年安徽位居第二,1998年上海重新回到了第二位。
21技术效率及其变化趋势
表2给出了制造业省际技术效率变化的年度数值,1987~2005年,各地区平均的技术效率水平经历了先下降后上升的过程,并且目前的技术效率水平并没有超过20世纪80年代末的技术效率水平。1987~1994年这8年间,技术效率出现了大幅度的下降,从0170降至0149;而后又经历了11年的技术效率恢复,达到全国平均017的水平。由此可见,全国各区域制造业的平均技术效率水平在这19年间并没有获得提高。
表2制造业省际技术效率变化趋势
(续)
年份技术效率
(CRS)
技术效率
(V RS)
规模
效率
技术效率
(CRS,最小值)
技术效率
(V RS,最小值)
技术效率
(CRS,标准差)
1990015990173501815013620144801137 1991016110173801828013840144401143 1992016270172101870014050142901157 1993015990170301852013380137001173 1994014940165301757012800129301156 1995015100166201770012970133001159 1996015260167301782012620132801169 1997015420168501791012240132601185 1998015830168301854012790132801193 1999016240168601910012960132701213 2000016670171901928013430139501217 2001016650171801926013320138001222 2002016710172201929013610139901227 2003016590172101914013050138601223 2004016850175301910013090138301208 2005017020177901901013160138201199
注:技术效率(CR S)与技术效率(V RS)分别表示规模报酬不变条件下的技术效率和可变规模报酬下的技术效率(即纯技术效率)。
由于本文采用的是制造业总量数据,许多与时间无关的个体效应一般来说也会影响省际间效率水平的测算。因此,一些采用加总数据的应用研究并不对估算出来的技术效率水平进行详细的解释,而是把注意力放在效率变化的时间趋势上,这样的分析可以消除个体效应的影响(郑京海、胡鞍钢,2005)。从技术效率的标准差来看,我国省际间的技术效率差异较20世纪80年代末有了明显的扩大趋势,尤其是1995~2002年尤为明显,1997年,技术效率最低的省份其技术效率仅为01224,远低于最佳实践省份;但从2003年以来,这种差异程度似乎有缓解的趋势。规模效率的波动较为明显,总体而言,规模效率得到一定的提升。
此外,为比较各个时段不同省区市的效率变化情况,本文以1998年为分界点,将1987~ 2005年划分为两个时段:1987~1997年和1998~2005年。为何选取1998年为分界点,主要是以市场经济体制的确立为依据的,从1982年开始中国经济加入了市场调节的成分,经过对市场经济的逐步认可,到1992年提出建立和完善社会主义市场经济体制并进行了积极的探索与实践,1997年9月,党的十五大进一步发展和完善了社会主义市场经济的理论,提出了/公有制实现形式可以而且应当多样化0,/股份制是现代企业的一种资本组织形式0,并提出了/把按劳分配和按生产要素分配结合起来0的理论,这些举措与实践使得外界对中国的市场体制给予了较高的认可。此外,一些学者在进行增长分析时,也采取1997年或1998年为分界点进行对比分析。
本文也对各省区市在1987~1997年及1998~2005年间的效率情况进行了统计。总体而言,1998~2005年全国平均技术效率水平为0166,高于1987~1997年的平均水平(0160),
说明按经济发展时段来看,各省区市总体上相对向生产前沿靠拢(需要注意的是,他们相对VRS前沿的距离有所加大,也就是纯技术效率没有得到改善)。具体来看,山西、辽宁、黑龙江、安徽、江西、广西、甘肃、新疆、湖南的技术效率在恶化,尤以辽宁、黑龙江、江西、广西、甘肃及新疆严重,其余省市或基本保持不变或技术效率改善加快,内蒙古、上海、江苏、山东、广东等省市技术效率改善明显。各省区市在1998~2005年间的规模效率较1987~1997年间有了较大的改进,相比纯技术效率的表现,可见在这两个时段内,技术效率的改善主要来自于规模效率的改善。
31生产率变化率及其组分变化趋势
表3是省际全要素生产率变化率及其组分。该分析结果与区域生产率的研究(多数研究不对产业进行划分,使用区域GDP作为产出进行研究)不尽一致。然而本文认为更细致的产业划分可使研究更具针对性,对产业政策的制定更有指导意义,避免基于集成数据分析可能产生的误导。1987~2005年全要素生产率年平均增长117%,技术进步年平均增长118%,技术效率年平均降低011%。由此可见,制造业省际全要素生产率的增长来源于技术进步,技术效率的恶化阻碍了生产率的增长。1987~2005年这19年里,全要素生产率在两个时间段出现了负增长,即1988~1990年、1994~1997年。
表3省际全要素生产率变化率及其组分
年份技术效率变化技术进步纯技术效率变化规模效率T F P变化率1988/19871107901835110441103401901 1989/1988019101973019660194201886 1990/19890187511028019190195301900 1991/19901102001996110041101511016 1992/1991110220199801978110451102 1993/19920194611210019680197711145 1994/19930181911078019070190301883 1995/1994110330187110181101501898 1996/1995110260189110181100801914 1997/19961102201907110141100801927 1998/1997110780195611001110761103 1999/1998110680196511006110611103 2000/19991107411067110561101711146 2001/20000199311113019970199611105 2002/20011100911172110061100311182 2003/20020198111199019970198311175 2004/20031104911093110530199611146 2005/20041103211081110380199411116平均值0199911018019991100111017注:T FP变化率=技术进步@纯技术效率变化率@规模效率。
图2描述了1987~2005年间累积全要素生产率变化指数的变化趋势。1987~2005年累计技术效率经历了先下降后上升的过程,1994年降至谷底。累计技术进步与累计全要素生产率的变化趋势具有很强的一致性,经历了两次先降后升的波动过程。从图2可以看出,直到2003年累积生产率变化指数才超过110,说明1987~2002年我国制造业省际生产率总体上没有增长,但从1998年以来,省际生产率的增长趋势是很明显也是很稳定的。
图21987~2005年间累积全要素生产率变化指数
注:E ffch表示累积技术效率变化指数;Techch表示累积技术进步指数;Tfpch表示累积全要素生产率变化指数。
表4是各省区市全要素生产率变化率及其组分。1987~2005年,只有5个省份的全要素生产率增长率为负,即山西、黑龙江、浙江、广西、甘肃,其中甘肃的生产率恶化最严重,生产率增长率以年均116%的速度下降,并且这5个省份生产率降低的原因相同,即技术效率的降低导致生产率的降低。生产率获得提升的省区市有23个,其中北京、内蒙古、上海、广东、云南的提升幅度较大,上海更是达到年均1013%的增长速度。在这些生产率提升较大的省市中,除内蒙古外,它们的生产率提升主要来源于技术进步,技术效率的改善并不明显。
这里,我们也以1998年为分界点,考察1998年之前和之后各省市的生产率变化情况。分析发现,1987~1997年,各省市的生产率增长率以年均4177%的速度下滑,技术效率变化率和技术进步率分别以年均2121%、2107%的速度下降,因此,技术效率和技术进步的共同恶化导致了这一时段生产率的下降。这一时段,全国只有上海、广东以及云南的生产率得到了提升,并且提升速度较快,都在4%以上。其他区域的生产率恶化现象比较严重,辽宁以每年1114%的速度恶化。1998~2005年,各省区市制造业生产率年均增长1119%,其中技术效率年均增长3174%,技术进步年均增长8114%。技术进步的贡献大于技术效率,但两者对生产率的变化都起了重要作用。从各省市、自治区来看,河北、山西、上海、安徽、江西、湖南、湖北、广东、贵州、云南、陕西、甘肃及新疆的全要素生产率增长以技术进步的贡献为主;在这28个省区市中只有内蒙古、吉林、河南、青海的技术效率改善高于技术进步,不过他们的技术进步也对各自的全要素生产率增长有不小的贡献。除以上地区外,北京、天津、辽宁、黑龙江、江苏、浙江、福建、山东、广西、四川、宁夏的全要素生产率增长则依赖于技术进步与技术效率改善两者的共同作用。因此,各省区市针对自身的状况制定相应的制造业发展政策是有必要的。
表4各省区市全要素生产率变化率及其组分
省区市技术效率变化技术进步纯技术效率变化规模效率变化全要素生产率变化北京0199211055019940199811046
天津0199511027019980199911023
河北0199211007019941100011001
山西0198211009019840199901992
内蒙古110311005110320199911036
辽宁0198511017019731101311003
吉林1100711003110110199811012
黑龙江0198411000019890199601985
上海1100711095110001100711103
江苏1100411007110001100411012
浙江0198311006019860199901992
安徽0199811005110000199911004
福建111012110041100111017
江西0199611007019980199811004
山东1101111011110071100411022
河南1100411008110080199811014
湖北1100711008110051100311015
湖南0199611009110010199611007
广东1100811076110071100311087
广西0198711007019881100001994
四川1101311010110091100511024
贵州0199811010110030199611010
云南1100511047110090199811055
陕西1100311010110070199711014
甘肃0197411008019790199701984
青海1100411008110001100411011
宁夏1100511009110001100711016
新疆0197711039019771100011015
平均值0199911018019991100111017
41区域生产率增长的变化趋势
表5是分区域的生产率变化及其分解。1987~2005年,东部地区的生产率增长居于四区域之首,平均年增长速度为4122%,西部、中部、东北依次居于东部之后。从生产率变化的分解情况来看,四大区域的生产率增长主要得益于技术进步,技术效率的改善作用不明
显,东北地区甚至出现了技术效率的恶化。东部地区的技术进步率以及技术效率变化率最高,引领着生产前沿面的变化。
按时段划分来看,1988~1997年与1998~2005年两个时段的生产率差异极大,前一时段生产率在四个区域皆表现为负增长,并且负增长速度较快,其中东北区域的生产率负增长情况最为明显,以年均9143%的速度降低。技术进步和技术效率的共同降低是各区域生产率降低的主要原因,但是两者在各区域的作用不一样,东部、东北区域主要是因为技术效率的降低导致生产率降低,中部和西部地区主要是因为技术进步率的降低导致生产率降低。对技术效率变化率的进一步分解发现,纯技术效率以及规模效率的共同恶化导致了技术效率的下降。1998~2005年,全要素生产率迅速回升,四大区域的年均增速超过9%,按增速排序依次为:东北、东部、西部及中部。分析此阶段生产率增长的来源可以发现,东部、西部及中部主要依靠技术进步,而东北地区则依赖于技术效率改善与技术进步的共同增长,两者年均增长速度均在7%左右,此阶段东北地区技术效率的快速改善可能与前一阶段其技术效率的严重恶化有关,使其相对其他区域而言,在这一阶段表现突出。
表5分区域生产率变化及其分解
1988~2005年
技术效率变化技术进步纯技术效率变化规模效率变化全要素生产率变化东部1100593811038969110011361100459311042167
中部110021571101461111002130199982411015083
西部11005722110214831100445611002001102325
东北019993151101242601995204110038711011926
1988~1997年
技术效率变化技术进步纯技术效率变化规模效率变化全要素生产率变化东部01980101993922019910198903301968933
中部0198636701964817019958501989983019484
西部01981790197828019869901994660195359
东北0194123301967401951301989267019057
1998~2005年
技术效率变化技术进步纯技术效率变化规模效率变化全要素生产率变化东部1103823611095278110138061102404211133708
中部1102189611076854110099791101212511098438
西部1103563811075488110262881101117511110325
东北1107191711068708110500831102212511144708
注:东部地区包括北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省;中部地区包括山西省、安徽省、江西省、河南省、湖北省、湖南省;西部地区包括内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区;东北地区包括辽宁省、吉林省、黑龙江省。
此外,我们可以对各区域间的技术效率追赶问题进行分析。表6是各区域初期与期末技
术效率变化情况。期末与初期相比,四个区域中,只有东部区域的技术效率获得了提升,并且一直在四个区域中处于领先地位;中部、西部及东北的技术效率出现了不同程度的恶化。从省份构成上来看,参与分析的28个省市中,只有9个省市的期末技术效率高于初期技术效率,其中,东部省市居多,其余三大区域中的多数省份都出现了技术效率下滑现象。结合前面的分析结果,以1998年为分界点来看,多数省市的技术效率经历了先下降后上升的过程,但是多数省市尚未恢复到初期的水平。通过以上分析,可以得出这样的结论:中部、西部及东北在技术效率上与东部地区不存在追赶效应。
表6各区域初期与期末技术效率变化
初期技术
效率期末技术
效率
效率提升的省区市效率降低的省区市
东部018390490187321上海、江苏、福建、
山东、广东
北京、天津、河北、浙江
中部0168436801622861湖北山西、安徽、江西、河南、湖南
西部0158757301520437内蒙古、四川广西、贵州、云南、陕西甘肃、青海、宁夏、新疆
东北0168823401577468吉林辽宁、黑龙江
注:初期技术效率取各省区市1987~1989年技术效率的几何平均值表示,以消除某一年份的波动;同理,期末技术效率取各省区市2003~2005年技术效率的几何平均值表示。
五、结论
中国是一个处在经济转型、快速发展时期的发展中国家,那么全要素生产率增长在转型期中国制造业增长过程中究竟扮演了什么样的角色?生产率的增长来源是什么?对这些问题的回答可以帮助我们掌握生产率增长的结构因素,从而可以采取更有效的措施促进制造业增长,这具有十分重要的政策含义。此外,相对目前有关中国的生产率研究而言,本文将生产率研究细致到区域的行业层面,降低了数据的汇总程度,基于该数据采用M almquist指数模型进行制造业的省际生产率分析,可以提供更为细致、准确的研究结论。
第一,制造业的生产要素结构从20世纪80年代末到21世纪初经历了一个资本相对密集化的过程,最佳实践省份总体上在增加。
第二,1987~2005年,各省区市的平均技术效率水平经历了先下降后上升的过程,各省市的技术效率水平总体上没有提高,但是省际间的技术效率差异扩大了。规模效率虽波动较为明显,但有了一定的提升。
第三,在生产率变化上,1987~2005年制造业省际全要素生产率年平均增长117%,技术进步年平均增长118%,技术效率年平均降低011%,制造业省际全要素生产率的增长来源于技术进步。且在分析期内,全要素生产率在两个时间段出现了负增长,即1988~1990年和1994~1997年,累积生产率变化指数也显示1987~2002年我国制造业省际生产率总体上没有增长。
第四,分时段来看,1987~1997年中国制造业省际生产率以年均4177%的速度下降,技术效率和技术进步的共同恶化是导致这一时段生产率下降的主要原因。1998~2005年情况发生了转变,全要素生产率以年均1119%的速度高速增长,技术进步起了主要作用。此
外,各省区市的全要素生产率增长来源差别较大,针对各自的情况制定相应的产业政策是有必要的。
第五,东部地区的生产率增长最高,西部、中部、东北依次降低,并且东部的技术进步率以及技术效率变化率也是最高的,引领着生产前沿面的变化。四大区域的生产率增长主要得益于技术进步,技术效率的改善作用不明显。此外,中部、西部及东北在技术效率上与东部地区不存在追赶效应。
参考文献
[1]Sur ender,K umar,2006,A D ecomp os ition of T otal Pr oductiv ity Gr ow th:A R egional A naly sis of
I nd ian I ndustr ial M anuf actur ing Grow th[J],International Jour nal o f Pr oductivit y and Per for mance M an-ag ement,55,3,311~3241
[2]Fr ank S1T1H siao,2005,K or ean A nd T aiwanese P r oductivity Per f or mance:Comp ar isons at M atched M anuf actur ing L ev els[J],Jour nal of P roduct ivity A naly sis,23,85~1071
[3]Gaofeng Han,2002,Pr oductiv ity and Economic Gro wth in Eas t A s ia-I nnovatio n,Ef f iciency and
A ccumul ation[J],Japan and the W or ld Eco no my,14,401~4241
[4]Chow,G1,1993,Cap ital For mation and Economic Gr ow th in China[J],Q uarter ly Journal o f Eco no mics,108,809~8421
[5]W oo,W1T1,H ai,W1,Jin,Y1&Fan,G1,1994,H ow Successf ul has Chinese Enter p r ise Re-
f or m been?Pitf alls in Op p osite Biases and Focus[J],Journal of Comparative Eco nomics,18,410~4371
[6]H uang,Y1and X1M eng,1999,China.s I ndustr ial Gr owth and E f f iciency:A Comp ar iso n betw een the State and T VE Sector s[J],Jo urnal o f the A sia P acific Eco no my,2,101~1211
[7]Chen,K1,Wang,H1C1,Zheng,Y1X1,Jefferson,G1H1,&Rawski,T1G,1988,Pr oduc-tivity Change in Chines e I ndustr y,1953~1985[J],Journal of Comparative Economics,12,570~5911
[8]Jefferson,G1H1,Raw ski,T1G1&Zheng,Y1,1996,Chinese I nd ustr ial Pr oductiv ity: T r ends,M easur ement I ss ues and Recent D ev elo p ments[J],Jo ur nal o f Comparat ive Eco no mics,23,146~ 1801
[9]Adam Szirmai,2005,Chinese M anuf actur ing Perf or mance in Comp ar ative P er s p ective,1980~ 2002,Center Discussion Paper N o1920(Economic G row th Center Yale U niver sity)1
[10]For sund,F inn R1and H jalmarsson,1979,Fr ontier Pr oductio n Functions and T echnical P ro-gr ess:A S tudy o f Gener al M ilk Pr oces sing in S wedish Dair y P lants[J],Econometr ica,47(4),883~ 9001
[11]N ishimizu,M1and J1M1Pag e,1982,T otal Factor Pr oductiv ity Gr ow th,T echnical Pr ogr ess and T echnical Ef f iciency Change:D imensions of Pr oductiv ity Change in Yugosl av ia,1965~1978[J],T he Eco no mic Jo urnal,92,929~9361
[12]Far e,R1,Gr ossko pf,S1,and L ovell,C1A1K1,1994,P rod uction Fr ontier s[M],Cam-br idg e:Cambr idg e U niver sity P ress1
[13]谢千里、罗斯基、郑玉歆等:5所有制形式与中国工业生产率变动趋势6[J],5数量经济技术经济研究62001年第3期。
[14]朱钟棣、李小平:5中国工业行业资本形成、全要素生产率变动及其趋异化:基于分行业面板数据的研究6[J],5世界经济62005年第9期。
[15]原鹏飞:5中国制造业生产效率变迁实证研究6[J],5中国软科学62005年第6期。
[16]涂正革:5中国的工业生产力革命)))用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析6[J],5经济研究62005年第3期。
(下转第130页)
当把它们有机地结合起来,才能很好地解决问题与破解难题,发挥它们各自的作用。
第四,在研究泡沫经济问题中把实验经济学实验方法与基于非正态分布模型结合起来,是集心理、风险偏好、非对称、非均衡于一体的新方法,具有很好的发展前景。
参考文献
[1]葛新权:5泡沫判断与预控方法的研究6[J],5数量经济技术经济研究62004年第5期。
[2]D iba,B1and H1Gr ossman(1998),Ratio nal inf l ationar y bubbles[J],Jo ur na l of M onetary Eco-nomics,21,35~461
[3]D iba,B1and H1Gr ossman(1998),T he theor y of r ational bubbles in s tock p rices[J],Eco no mic Jo ur na l,98,746~7541
[4]Diba,Behzad T1and Gro ssman,H erschel I1(1988),E x p losiv e R ational Bubbles I n Stock Pr ices? [J],A merican Economic Rev iew,V o l178,N o13,520~5301
[5]Flood,R1and P1G arber(l980),M ar ket Fundamentals ver sus Pr ice-L evel Bubbles,T he Fir st T est[J],Jo urnal of Political Eco no my,N o188,745~770by Spr ings V erlag1
[6]T iro le,J1(1985),A sset bubbles and over lap p ing generations[J],Econmetrica,53,1499~ 15281
[7]W eil,P1,Conf idence and the r eal v alue of money in an ov er lap p ing gener atio ns economy[J], Quar terly Journal o f Eco no mics,Vo l1102,1~22,19871
[8]李强:5股指波动与经济增长背离关系的实证分析6[J],5财经科学62003年第3期。
[9]张兵、徐炜:5中国股票市场泡沫的持续期限检验6[J],5统计与精算62003年第4期。
[10]王国成、黄涛、葛新权:5经济行为异质性和实验经济学的发展6[J],5经济研究62005年第11期。
[11]葛新权、王国成主编:5实验经济学引论6[M],社会科学文献出版社,2006。
(责任编辑:彭战;校对:曹宇)
(上接第109页)
[17]张军、施少华、陈涛一:5中国的工业改革与效率变化)))方法、数据、文献和现有的结果6 [J],5经济学(季刊)62003年第10期。
[18]郑玉歆:5全要素生产率的测算及其增长的规律)))由东亚增长模式的争论谈起6[J],5数量经济技术经济研究61998年第10期。
[19]陈勇、李小平:5中国工业行业的面板数据构造及资本深化评估:1985~20036[J],5数量经济技术经济研究62006年第10期。
[20]郑京海、胡鞍钢:5中国改革时期省际生产率增长变化6[J],5经济学(季刊)62005年第2期。
(责任编辑:陈卫宾;校对:吕小玲)
关于索洛残差法计算全要素生产率的再思考 摘要：本文认为索洛提出的残差法在计算全要素生产率在理论上虽然具有可行性，但是在具体操作中存在科学性的问题。笔者对中国1952-2004部分省市的面板数据，利用索洛残差法计算了全要素生产率，对结果进行了分析和平稳性检验并论证了该方法计算的结果不具可信度，并对其可能的原因进行了分析。 关键词：全要素生产率（TFP）索洛残差经济增长 一、对索洛残差法和中国全要素生产率的思考 易纲、樊纲、李岩指出，索洛的主要的理论缺陷来源于以资本存量代替资本服务。这样难以对资本进行准确的估算，另外在实际中资本往往有一部分处于闲置状态，而新旧资本的使用效率也不一样，因此会高估全要素生产率。笔者却认为不仅如此，运用索洛残差法估算全要素生率的可行性值得商榷，因为该方法实质是求残差，而具体使用时又往往是通过计量的方法获得资本和劳动的产出弹性，这里面本身已经存在一个计量的随机误差项，如此计算出来的全要素生产率缺乏准确性，如果回归样本数过小，其计算数值根本不具有代表性。 克鲁格曼认为，如果用全要素生产率来衡量技术进步的话，亚洲各国的技术进步几乎为零。而近年来的实证研究也越来越多倾向于中国的全要素生产率过低，我国的经济几乎完全依赖资本的投入。笔者当然同意这种现状的存在的确可以部分解释计量全要素生产率结果过低。本文将采用索洛残差的一般方法，根据面板数据，来试图构建一个关于经济增长的大样本回归，以此测算我国及各省各区域的全要素生产率，通过分析实证结果证明索洛方法的应用性值得商榷。 二、模型和测算 笔者采用索洛模型 在数据上，笔者采集了1952-2004年的GDP，L，K。由于我们更多地关注1978年之后的生产函数形式，从1952起至1978，每隔3年取一次数据，在回归时将他们与1978年之后的数据视为连续数据，这样就相当于加大了1978年之后
武汉市2017届高中毕业生五月模拟考试 文科综合试卷 2017.5.12 一、选择题（本题共35小题，每小题4分，共140分） 在每小题给出的四个选项中，只有一项是符合题目要求的。 12.沙湾县作为新疆棉花供给侧结构性改革试点县，探索成立了棉花产业社企联盟，发挥棉农、合作社与加工企业各自优势，使市场信号直抵生产环节，打通棉花产业链，减少了种植、加工、销售等方面的成本，实现各环节协作共赢。棉花产业社企联盟的成立 ①坚持以市场为导向，增强棉花生产供给的有效性 ②优化棉花生产经营管理，从而确保棉农稳定增收 ③有利于开展棉花规模化经营，有效规避市场风险 ④有利于优化棉花产业化经营，提高生产经营效率 A．②③ B．①② C．③④ D．①④ 13.当个体或组织在一项任务中习得更多的经验，他们会变得效率更高。这种经验与效率之间的关系可以用学习曲线表示（如图5）。学习曲线揭示了不同阶段单位产品生产时间与所生产产品的总数量之间的关系。由学习曲线可以推知 ①聘用具有相关工作经验员工，才能提高生产效率 ②提高专业化分工程度，可以提高生产效率 ③不断进行产品创新，有利于提高生产效率 ④经验提升到一定程度，必须寻求新突破才能持 续提升效率 A．①③ B．①② C．②④ D．③④ 14.中央经济工作会议提出，房子是用来住的、不是用来炒的。完善房地产税收制度，向房屋产权所有人征税，是我国财税改革的一个重要选择。房产税立法已列入人大立法规划。下列关于开征房产税的效应分析合理的是 A．开征房产税→住房持有成本增加→居民购房意愿下降→商品房需求减少、房价下降 B．开征房产税→房产投资收益回落→分流社会资金及银行信贷→助力实体经济发展 C.开征房产税→房地产市场趋冷、库存增加_银行呆坏账趋多→金融风险大大增加 D.开征房产税→房地产业遭受打击→相关行业广受影响→经济增长速度大幅下降
编辑本段全要素生产率的概念 全要素生产率 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 编辑本段概述 经济学角度 全要素生产率 全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。
50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 全要素生产率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等 导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要
【关键字】情况、功夫、思路、环节、条件、动力、前提、成绩、空间、领域、效益、质量、模式、增长、基层、地方、问题、战略、体制、机制、大力、自主、深入、继续、充分、整体、现代、均衡、平衡、合理、和谐、民主、快速、持续、加大、合作、执行、保持、提升、统一、发展、建设、建立、制定、发现、研究、措施、规律、特点、位置、关键、支撑、稳定、意识、力量、成果、地位、根本、要素、举措、基础、需要、利益、素质、竞争力、政策、工 转变湖北经济发展方式的基本途径与着力点【摘要】湖北省在全国经济发展水平上形成区域性滞后的主要原因并不是经济区位上的不利地位,而是落后的经济发展方式。只有加快经济发展方式转变,才是湖北经济实现跨越式发展的必由之路。 【关键词】湖北省发展方式全要素生产率产业升级 一、转变经济发展方式是推动湖北经济实现跨跃式发展的决定性因素 近30年来,湖北省的经济特别是制造业保持了较快速度的增长。GDP年均增长10.4%,2007年达9230.8亿元,人均GDP已达2279美元;工业主导经济增长,经过多年发展和结构调整,湖北省已建设了以大型企业为骨干,以汽车、钢铁、石化、纺织、食品、电力、机械、化工部门为主体的制造业体系。高科技产业发展迅速,光纤光缆、光通信、激光加工、3C和3S软件、生物医药、电动汽车领域在全国领先,高技术产业增加值占全省工业的三分之一,“中国光谷”产值有望赶超千亿元。然而,一个不容忽视的现实是:湖北省的经济发展水平不仅与沿海发达地区差距没有缩小,而且在中部周边几省横向比较亦不占领先位置。2005年湖北GDP总值全国排位13位,人均GDP排19位。2006年,全省GDP增长率为12.4%,是近十年来最高增速,但在全国只居16位,中部六省排第3位。与经济增长、发展、经济效益有关大部分指标,湖北省也
一、软件的具体操作 1.建一个文件夹，里面必须有四个文件(Dblank；deap；deap.000；123.dta)前三个文件在一般下载的DEAP Version 2.1中都有，直接复制过来就可以，第四个文件是一个数据文件，一般先在excel中先输入，再复制到一个记事本下就可以，注意在记事本下的数据只有数据，不包括决策单元的名称和投入、产出的名称，并且一定要先放产出，后是投入。例子具体见123电子表格和123记事本。 2.对命令Dblank文件进行修改,修改后保存为12 3.ins文件 3.打开deap软件,运行123.ins 4,回车后自动会有123.out 注意事项：(1) 123.dta；Dblank；123.ins都用记事本打开； (2)数据文件名和命令文件名一定要一样，如例子中都用123 (3)文件夹中一定要包括deap.000文件，如果没有这个文件，打开deap软件，就会出现一闪就没有了的情况。 二，结果的分析 在文件夹中打开123.out，看如下： 1) firm crste vrste scale 1 0.687 1.000 0.687 drs 2 0.814 1.000 0.814 drs 3 0.319 0.709 0.450 drs 4 1.000 1.000 1.000 - 5 1.000 1.000 1.000 - 6 0.336 0.425 0.791 drs 7 0.642 0.648 0.991 irs 8 0.379 0.381 0.994 irs 9 0.702 0.750 0.936 irs 10 1.000 1.000 1.000 - 11 0.304 0.461 0.659 irs 12 0.352 1.000 0.352 irs 13 1.000 1.000 1.000 - 14 0.594 0.929 0.639 irs 15 0.402 1.000 0.402 irs mean 0.635 0.820 0.781 firm：代表例子中的15的样本 crste：技术效率，也叫综合效率 vrste：纯技术效率 scale：规模效率(drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增) crste=vrste×scale 2)
第46卷 第8期 2019年8月 天 津 科 技 TIANJIN SCIENCE & TECHNOLOGY V ol.46 No.8Aug. 2019 基金项目：天津市重点招标项目“2017年天津市全要素生产率测算研究”(18ZLZDZF00210)。 收稿日期：2019-07-18 科学与社会 索罗余值法测算全要素生产率的文献综述 孟 媛，张 弛 (天津市科技统计与发展研究中心 天津300051) 摘 要：国内外全要素生产率的测算方法很多，例如索罗余值法、随机前沿法、数据包络法等，其中应用较为普遍的是索罗余值法。通过简要梳理索罗余值法的推导过程，归纳较为普遍的关于该理论的基本假设(即规模效益不变和希克斯中性)的质疑，以及阐述全要素生产率与技术进步的关系，说明全要素生产率衡量技术进步是不完全准确的。关键词：全要素生产率 索罗余值法 技术进步 中图分类号：F204；F224 文献标志码：A 文章编号：1006-8945(2019)08-0094-02 Literature Review on Measurement of Total Factor Productivity by Solow Residual Method MENG Yuan ，ZHANG Chi (Tianjin Science and Technology Statistic Center ，Tianjin 300051，China ) Abstract ：There are many measurement methods of total factor productivity at home and abroad, such as the Solow residual method, stochastic frontier method, data enveloping method and so on. The Solow residual method is widely used. The gen-eral doubts about its basic assumptions (namely, constant scale benefit and Hicks neutral) are summarized by briefly combing the derivation process of the Solow residual method. The relationship between total factor productivity and technical progress is discussed, indicating that the measurement of technical progress by total factor productivity is not completely accurate. Key words ：total factor productivity ；Solow residual method ；technical progress 十九大指出，我国经济已由高速增长阶段转向高质量发展阶段，并提出要提高全要素生产率。关于全要素生产率，国内外学者进行了较多研究，测算方法不一，包括索罗余值法、随机前沿法、数据包络法等，其中索罗余值法的应用范围较为广泛。本文通过文献综述，简要介绍索罗余值法测算全要素生产率的过程，根据其适用的前提条件探讨测算的局限性，进而阐述全要素生产率与技术进步的关系。 1 索罗余值法简介 索罗[1]并不是第一个将生产函数与生产率联系起来的人，早在1942年Tinbergen 就探索过两者之间的关系，但是索罗的开创性贡献在于他在生产函数和指数方法之间建立了较为简洁且实用的理论联系。 索罗余值法是基于柯布-道格拉斯生产函数(即CD 生产函数)得到的，以规模效益不变和希克斯中 性(Hicks neutral )为基本假设前提。规模效益不变指 的是在既定的技术水平下，要素价格不变时，产出增加的比例等于所有投入要素增加的比例。希克斯中性指的是投入要素资本和劳动的边际产出的比率不变。CD 生产函数为： (,)t t t t Q A F K L = (1) 式中：Q t 指的是产出，K t 指的是资本投入，L t 指的是劳动投入，希克斯A t 指的是在资本和劳动投入水平不变时产出增加的部分，即全要素生产率，经常被用以衡量“技术进步”。 上述公式(1)变形，可以得到相对希克斯效率A t /A 0，即Q t /Q 0作分子，生产函数中要素积累的部分F (K t ，L t )/F (K 0，L 0)作分母。但是由于各投入要素的计量单位不同，这样并不能直接得到希克斯效率。 索罗运用非参数指数法，将上述公式变形得到： t t t t t t t t t t t t Q K K L L A Q Q Q K Q K L Q L A ??=++?? (2)
转变湖北经济发展方式的基本途径与着力点【摘要】湖北省在全国经济发展水平上形成区域性滞后的主要原因并不是经济区位上的不利地位,而是落后的经济发展方式。只有加快经济发展方式转变,才是湖北经济实现跨越式发展的必由之路。 【关键词】湖北省发展方式全要素生产率产业升级 一、转变经济发展方式是推动湖北经济实现跨跃式发展的决定性因素 近30年来,湖北省的经济特别是制造业保持了较快速度的增长。GDP年均增长10.4%,2007年达9230.8亿元,人均GDP已达2279美元;工业主导经济增长,经过多年发展和结构调整,湖北省已建设了以大型企业为骨干,以汽车、钢铁、石化、纺织、食品、电力、机械、化工部门为主体的制造业体系。高科技产业发展迅速,光纤光缆、光通信、激光加工、3C和3S软件、生物医药、电动汽车领域在全国领先,高技术产业增加值占全省工业的三分之一,“中国光谷”产值有望赶超千亿元。然而,一个不容忽视的现实是:湖北省的经济发展水平不仅与沿海发达地区差距没有缩小,而且在中部周边几省横向比较亦不占领先位置。2005年湖北GDP总值全国排位13位,人均GDP排19位。2006年,全省GDP增长率为12.4%,是近十年来最高增速,但在全国只居16位,中部六省排第3位。与经济增长、发展、经济效益有关大部分指标,湖北省也落后于周边各省。建国前30多年,湖北省的农业、制造业,在全国处于较领先地位,然而现在湖北经济发展水平只居中间,甚至中等偏下的地位。如果这种情况任其发展下去,湖北省要实现中部率先崛起的战略目
标就会越来越困难。 根据经济增长、发展经济学的基本原理,一个较长时期高速增长的经济体,必然形成经济发展水平的区域不平衡。湖北经济发展的这种相对滞后,是由经济发展(增长)区域不平衡规律所决定的。只有客观、深入分析湖北省与沿海发达地区、周边各省经济不平衡发展各种因素,才能形成一套使湖北经济走出区域发展滞后的困境实现跨越发展的正确的思路与对策。有一种主流的看法认为,决定经济发展区域不均衡基本因素在于是否存在区位优势。当前,中国经济高速增长已成为全球市场体系的重要力量,中国内地形成了三个具有全球影响经济增长中心区域:即以上海为龙头的长三角经济圈,以广州、深圳为主的珠三角经济圈,京津唐为轴心的环勃海经济带。湖北省地理位置使其置身于这些世界经济增长的中心区域的外部。政策上看,湖北既没有享受东部沿海地区经济优惠政策,也没有被纳入中央西部大开发政策体系之中。应当承认,湖北省的这种地理位置是造成其经济发展地域上相对滞后的不可忽视的原因。然而,决定经济增长地域差距根本因素是一个地区经济发展模式。近十年来,国内一些学者运用西方新古典经济增长公式及全要素生产率理论分析决定国内各省份之间经济增长差距的因素。一个地区的经济增长速度,尤其是人均GDP增长率取决于要素投入增长、全要素生产率增长及产业结构合理化程度。因此,导致湖北经济发展水平区域性差距主要原因是生产率方面的差距。具体来说,与东部沿海发达地区相比,湖北经济发展水平的相对落后,是由以下具体原因引起的。 一是效率或生产率的差别。据统计,2005年湖北经济发展总指标
【最新2019】中国“全要素生产率”或降为2.7%word版本 本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 中国“全要素生产率”或降为2.7% 中国社会科学院副院长蔡昉10日表示，中国的全要素生产率正在呈现持续下滑态势，并将在“十三五”时期进一步降为2.7%。 图片源自网络 请看相关报道： China should take actions to cope with its falling total factor productivity ( TFP ), a senior expert with a government think tank said Sunday . 1月10日，政府智囊团的一位资深专家表示，中国应采取措施应对全要素生产率下滑态势。 全要素生产率（ total factor productivity ， TFP ），也称总和要素生产率，是各种要素投入水平既定的条件下，所达到的额外生产效率，是分析经济增长源泉的重要因素。经济增长、人均收入和财富水平提高最终要依赖全要素生产率的提高。 中国社会科学院副院长蔡昉在第七届中国经济前瞻论坛上说，在人口红利 （ demographic dividend ）消失以后，中国经济增长要寻找新动力。目前，我国全要素生产率增速呈现下行趋势，他预测全要素生产率“十三五”时期会下降到2.7%。 他指出，要通过四方面措施进行调整：改革户籍制度（ reform household registration system ）；大力推进教育改革，把义务教育扩大到更大范围（ expand compulsory education to more people ），提高劳动力的质量（ increase the quality of labor force ）；解决各个领域的产能过剩（ overcapacity ）问题，进一步降低杠杆率（ leverage ratios ）；创造好的制度条件、政策环境，让企业能够自由进入，并让那些不再有生产力提高潜力和没有竞争力的企业退出（ create a policy environment where promising enterprises can easily enter the market and non - competitive ones are forced to exit ）。
经济发展论文： 全要素生产率研究方法述评 摘要:全要素生产率作为反映经济增长质量的重要指标,近年来引起了国内外学者的广泛关注。目前测算全要素生产率的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。文章以上述分类方法为基础,对全要素生产率的研究方法进行了详细论述,并总结了不同方法在测算中的优势和不足,同时对相关研究文献进行了简要评述。最后,对我国全要素生产率的研究方向进行了探讨。 关键词:全要素生产率;索洛余值法;随机前沿生产函数法;数据包括分析法 一、引言 全要素生产率(TFP)是宏观经济学的重要概念,也是分析经济增长源泉的重要工具,尤其是政府制定长期可持续增长政策的重要依据。首先,估算全要素生产率有助于进行经济增长源泉分析,即分析各种因素(投入要素增长、技术进步和能力实现等)对经济增长的贡献,识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次,估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较,就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。改革开放以来,国内外学者对中国的全要素生产率进行了深入研究,产生了大量的研究文献,但这些文献对TFP的估算结果存在较大差异,引发了许多争论,究其原因主要有两点:一是数据来源和处理方法不同,二是测算方法不同。测算TFP的方法多种多样,每种方法都有其优缺点和适用对象,究竟哪种方法更为恰当,哪一个研究的结果更为准确,哪种方法或哪种研究思路对于改革以来中国经济增长的分析更为适用?为此,有必要对既有的TFP研究方法进行梳理和总结,并指出其中存在的缺陷和不足,以利于研究者对TFP有一个较为客观的认识和了解,进而进行科学的计算。 目前测算TFP的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。参数方法主要有索洛余值法、拓展的索洛余值法、随机前沿生产函数(SFA)法等,非参数方法主要有指数法、数据包络分析(DEA)法等,本文以上述分类方法为基础,对相关文献进行评述。 二、参数方法 1. 索洛余值法。索洛余值法最早由索洛(Solow,1957)提出,基本思路是估算出总量生产函数后,采用产出增长率扣除各投入要素增长率后的余值来测算全要素生产率增长,故也称生产函数法。在规模收益不变和希克斯中性技术假设下,全要素生产率增长就等于技术进步率。 由于模型简单,合乎经济原理,因此国内外很多学者利用这种方法对我国全要素生产率进行测算。如邹至庄(1993,2002)、张军(2002)、郭庆旺等(2005)、涂正革等(2006)等,尽管研究结果存在分歧,但绝大多数研究认为中国改革开放以前的经济增长是低效率的,TFP增长十分缓慢,而改革开放以后经济增长质量比改革开放以前有了较大的改善;国企的全要素生产率低于集体企业等。 在利用索洛余值法测度TFP时,存在着如下缺陷和不足: (1)该方法中TFP通过方程的“剩余”计算出来,不能直接求解,这种通过“剩余”得到的计算结果,包括了整个方程的计算误差,由此得到的结果的精确性有待提高。Jorgenson & Grilliches(1967)认为全要素生产率实际是一种计算误差,引起这种误差应归因于两个原因:
龙源期刊网 https://www.doczj.com/doc/b69193000.html, 湖北 作者： 来源：《科技创新与品牌》2016年第02期 为创新提供丰厚的“土壤” 2015年，湖北省发改委先后取消、调整和下放行政审批事项84项，公布权力清单、责任清单、监管清单，为创新提供丰厚的“土壤”。 截至2015年底，湖北省已支持行业骨干企业、大型企业建立了涵盖全省支柱产业和重点领域的省级及以上企业技术中心506家，其中国家级企业技术中心47家。在“十三五”期间，将从加强创新改革政策统筹、以创新创业打造创新驱动新动力、培育发展战略性新兴产业、构建以企业为主体的区域创新体系四大方面落实创新驱动发展的目标。“互联网+”行动计划和大数据战略将成为湖北转型发展的切入点，充分利用科技、人才优势，推进“互联网+”和“大数据”与传统产业、现代服务业的融合，实现激发创新创业活力、提升创新效率、推进经济转型升级的目标。 湖北省围绕科技创新发展所制定出台的“科技十条”和“新九条”的改革举措，从供给侧入手进行科技成果的培育落地、激活成果转化潜力、调动全要素生产率的角度，通过协调全产业链上下游的成果创新、技术转化和产业发展，以更好地发挥科技第一生产力、人才第一资源、创新第一动力的作用，推动相关产业提高技术水平，降低生产成本，节约能源资源，变革生产方式，从而提高传统要素的投入效率，提升供给质量和效益。 作为国家第二个自主创新示范区，光谷五年来“双创”收获发展新动能，成果令人惊喜。“十二五”期间，东湖高新区企业总收入年均增长25%，总量跨越万亿元大关。光谷还主导创制国际标准10项、国家标准280多项。仅2015年一年地区新注册企业数量便达9621家，是整个“十一五”期间注册数量的1.4倍。
全要素生产率是指“生产活动在一定时间内的效率”。是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 经济学角度全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。 50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要素生产率与经济增长进行了理论思考，如郑玉歆(1999) 对全要素生产率测度和经济增长方式转变的阶段性规律进行了详细讨论，但未给出中国全要素生产率的具体估算。易纲、樊纲和李岩(2003) 提出中国经济存在效率提升的四点证据，指出新兴经济在测算全要素生产率上面临的困难，并给出新兴经济全要素生产率的测算模型，但他们也未给出具体估算。本文在析比较全要素生产率四种
中国全要素生产率的变化：2000-2008 江春1 吴磊2滕芸 3 内容摘要：本文使用序列DEA和当期DEA方法测算了中国2000至2008年的 Malmquist生产率指数，并在规模报酬固定的假设下将其分解为技术效率变化指数 和技术变化指数。结果显示自2000年以来全国及各省份的全要素生产率均发生下 降，近年来中国的经济增长几乎完全依赖于要素投入的增加。全要素生产率持续降 低是同期资本产出比率迅速上升造成的，这反映出中国经济增长过于依赖投资、收 入分配不合理，同时也反映出金融体系的不健全。 关键词：全要素生产率；DEA；资本产出比 一、引言 改革开放三十多年来，中国的经济增长迅猛，取得了世所瞩目的成就。但与此同时，资源消耗巨大、要素配置效率差、产品附加值低、产业结构不合理等诸多问题始终让人们疑虑中国经济增长的持续性。中国经济增长的质量究竟如何，经济增长到底是来源于要素的投入还是来源于效率的提高？全要素生产率（TFP），作为衡量经济增长质量的重要指标，越来越受到经济学者的广泛重视，提高全要素生产率也被视为中国未来经济增长的决定因素（胡鞍钢，2003）[1]。 Chow（1993）[2]开启了对中国经济增长来源的研究，他认为中国在改革开放前TFP基本稳定，经济增长的主要动力是资本积累，而改革开放后TFP以每年2.7%的速度增长。颜鹏飞和王兵（2004）[3]将中国改革开放以来的经济发展划分为两个阶段，测算得到第一个阶段——1978-1991年间，中国TFP年均增长为-0.17%；第二阶段1992-2001年间则为0.79%。Y oung（2003）[4]采用自行调整后的数据测算1978年至1998年间中国的TFP增长率为1.4%等等。但是目前这类研究对中国TFP增长率的估计存在较大分歧，即便针对同一时期的研究，不同学者 作者简介：江春（1960—），男，武汉大学经济与管理学院金融系（武汉，430072），教授。研究方向：宏观金融 理论与金融发展理论。 吴磊（1980—），男，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。 滕芸（1982—），女，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。
第一步：选取测度方法 采用传统的索洛残差法对中国1978年-2013年的全要素生产率（TFP ）进行测度。 设总量生产函数为C —D 生产函数： βαλt t t t L K Ae Y = 其中，Yt 为实际产出，Lt 为劳动投入，Kt 为资本存量，α、β分别为平均资本产出份额和平均劳动力产出份额。 为求出α、β，在规模收益不变的假设下（α＋β=1）对方程两边取对数 )ln()ln()ln()ln(t t t L K t A Y βαλ+++= （1） 整理得： )/ln()ln()/ln(t t t t L K t A L Y αλ++= （2） 在规模收益不变和中性技术假设下，全要素生产率的增长率为： L L K K Y Y A A /)1(///?--?-?=?αα （3） 根据方程（2）估计出α后，代入方程（3）即可求出全要素生产率的增长率。 第二步：样本数据及变量的选取 计算全要素生产率所需的真实产出的数据可以通过从国家统计局的官网上获得与生产函数设定中变量 L 相对应的现实数据，国外文献通常使用工作小时数，但我国统计年鉴中没有提供这个指标，故选取历年的就业人员数。另外，注意到指标给出的是年底数，为与 GDP 流量的含义相一致，将前后两年的就业人员数进行算术平均，获得年中的就业数。但资本存量序列需要在统计资料的数据基础上进行估算。经查阅文献可知，现在多采用被OECD 国家所广泛使用的永续盘存法对资本存量进行核算，所以，此处也采用此方法进行资本存量的核算。 其基本公式是： 1)1(/--+=t t t t K P I K δ （4） 其中，I t 是t 期以当期价格计价的投资额，P t 是t 期的价格指数，δ是折旧率。 对K 0 的估算采用国际常用方法：)/(00δ+=g I K 其中，g 是样本期真实投资的年平均增长率，δ为综合折旧率，一般定于5%。 历年投资流量指标的选取：综合经典文献和数据的可获得性两方面因素，此处采用1978-2013年全社会的固定资本形成总额为投资流量指标。我们只有截止于2004年的固定资本形成总额指数。这样，我们便无法直接把我国2005—2013年间的用当年价格给出的固定资本形成总额折算成以2000年价格表示的数据。
基于企业进入退出的“中国全要素生产率之谜”解释 摘要：本文通过LP法回归出制造业TFP，对“中国全要素生产率之谜”进行了验证，并构造了企业进入退出的动态模型，在通过特征事实对参数估计之后，通过模拟2008年企业进入的冲击，拟合出了稳态情况下行业面对大规模企业进入时的TFP变动情况，并与事实进行了比较。 关键词：全要素生产率企业的进入与退出模型 一、问题的提出：中国全要素生产率之谜 中国全要素生产率之谜，即指在2008年之后，企业的研究与试验发展投入（R&D）不断扩大，而学者们通过不同的估算方式测度出来的中国TFP（全要素生产率）却在不断下滑。根据统计局数据，在2008年，除了工业企业的全要素生产率下降之外，企业的数量迎来了一个激增的过程。除2004年因为第一次工业普查完善了统计核算的精确度而导致进入数量剧增之外，正常年份企业纯进入数大致在2―3万，然而在2008年，企业纯进入数量达到了惊人的10万家左右。 联系到中国在该年的四万亿救市计划，笔者认为可能是该政策刺激了大批低于行业平均TFP的低效率企业进入行业，因此拉低了行业的平均值。为了验证这一猜想，则需考察企业的进入退出对全要素生产率的影响。 二、企业进入退出与全要素生产率
企业的进入退出又叫企业更替，是产业经济学中的一个重要概念，反映了市场的基本特征之一。企业的进出对于TFP的影响在近年来受到了国内外学者的重视。由于数据的可得性，国内外学者往往测算工业企业，尤其是制造业的进入退出对TFP的影响。如周黎安等（2006）采用1995―2003年中关村科技园区制造业企业层面的微观数据，认为园区的TFP变动可划分为企业自身生产率增长和企业进入退出的动态过程这两个部分。毛其淋等（2013）通过1998―2006年中国工业企业微观数据测算了TFP，并将企业进出理解为替代关系，运用Baldwin&Gu（2003）发展的BG分解法测算了企业的纯进入效应，并认为进入效应对于全要素生产率的发展存在较为显著的效果。 综上，笔者提出猜想，新进企业由于TFP较低，因此其进入效应会对行业TFP造成负面影响，但在未来因为学习效应新进入企业会逐渐抬高行业TFP；而退出企业因为TFP较低被淘汰，其退出效应会对行业TFP造成正面影响。2008年以来企业数量激增，可能因新进入企业数量过多且低效率企业比重增大而导致2008年企业进入效应增大，且对长期造成了影响，以至于TFP呈现了负增长。笔者将通过微观数据验证以上猜想，并构建模型，进行数字检验。 三、数据的处理与基本特征事实 （一）数据处理 本文采用的样本是1998―2007年中国工业经过产业筛选后的制造业规模以上企业微观数据库。原数据库包含近200万观测值，经过数据清理，约有160万观测值，收录从1998年的10万家企业到2007
全要素生产率的内涵、定义与测算方法 全要素生产率（Total Factor Productivity ,简称TFP）是指所有生产要素的生产率, 所谓的“全要素生产率”是指“生产活动在某一特定时间内的效率”，是总产量与全部要素投入量之比，是用来衡量单位总投入的总产量的生产率指标是针对全部投入要素进行测算, 而不是只涉及部分要素。它在一个更广的范围内考察生产率的情况, 是总产出与综合投入要素之比, 研究的是在一个经济系统中, 所有投入要素加权综合后形成综合投入的产出效率, 故又称“ 综合要素生产率”。相对于传统的单要素生产率, 全要素生产率能够更为全面地考虑投入要素, 从而能够更加真实客观地衡量全部要素投入量的节约, 反映一个经济系统的宏观综合经济效益,是分析经济增长源泉的重要工具。总而言之, 通过分析各种因素对经济增长的贡献, 可以识别经济增长的类型是投入型还是效率型; 通过比较单要素投入和全要素生产率增长对经济增长的贡献, 可以确定经济政策的控制方向是应该增加总需求, 还是对经济结构进行调整。 参数方法 1.索洛余值法 索洛于1957年发表了著名的文章“技术变化和总量生产函数”。在该文章中,索洛首次将技术进步因素纳入经济增长模型,从总产出增长中扣除资本和劳动力对产出的贡献,所得到的“余值”就是技术进步对产出的贡献。在希克斯中性和规模报酬不变的假设下,技术进步率就等于全要素生产率的增长率。 2.增长核算法 增长核算法, 是在经济学家索洛提出的索洛余值法的基础上形成和发展的, 后来经过丹尼森和乔根森的发扬而成为一种成熟的全要素生产率的计算方法。其计算的基本思路是: 寻找一个合适的生产函数形式, 利用样本数据进行回归, 估算出总量生产函数的具体参数, 得到具体的生产函数, 进而测算TFP 及其增长。 3.随机参数前沿生产函数方法 非参数方法 1.指数法 测算TFP的指数法是一种统计学方法,由Kendric和Denison开创,后经Jorgensen、Griliches等人发展而成熟。TFP指数是指一个生产单元在一定时期内总产出和总投入之比,用公式可表示 为: / / t s st t s Y Y TPF X X ，其中s代表基期, t代表报告期, X表示投入, Y表示产出 从TFP指数的定义可以看出, TFP增长是科技进步、技术效率和规模效率等提高的综合体现。而且,对 TFP指数的度量,必须转化为对总投入和总产出指数的计算,而现实中的生产单元,大都是多投入多产出的,这就必须使用综合指数来度量。经常使用的指数从早期的Laspeyres指数、passche指数、Fisher指数到Tornqvist 指数。 1967年, Kendric和Denison的论文“生产率变化的解释”是生产率理论发展的一个里程碑。他们在索洛增长模型的基础上,遵循新古典生产理论,引入超越对数生产函数的形式。Diewert证明,超越对数生产函数对应的是离散的Tornqvist指数,也就是说, Torn2qvist指数实际上是精确的指数;而且,超越对数生产函数被认为是对其他函数形式的很好的二阶近似。所以, Tornqvist指数是度量TFP的合理选择。 2.数据包络分析(DEA) 3.Malmquist指数法 Malmquist指数法也是指数法中的一种, 但是由于计算Malmquist指数首先要构筑生产前沿面,得到距离函数,因此一般也可将此方法归入生产前沿面法中。计算距离函数既可通过DEA,也可通过随机前沿生产函数来完成,但目前主要是通过DEA来完成,所以该方法也被称为基于DEA的Malmquist指数法。
一、历史经验：ＴＦＰ是决定经济增长的关键 国内外的各种研究表明，改革开放以来，中国的经济增长率之所以高于改革前，关键在于全要素生产率（ＴＦＰ）大幅度提高。根据分析，１９７８－１９９５年期间中国经济增长来源主要有四个方面：１、劳动力保持较高增长（为２．６％）；２、资本存量出现了较高增长（为９．３％），但低于１９５２－１９７８年期间的增长率（１１．５％）；３、人力资本（按１５岁以上就业人口平均受教育年限计算）增长率为２．２％；４、全要素生产率由改革前（１９５２－１９７８年）的－１．９％提高到３．３－４．６％（按不同的资本或劳动权重计算），对经济增长率的贡献在３３－４７％之间。上述计算结果与国际上的主要研究结论比较接近。 这就解释了为什么改革时期中国会出现经济高增长，并不是由于资本增长明显上升，反而是有所下降（减少了２．２个百分点），主要是由于全要素生产率增长率由负变正作出重要贡献，相对改革前提高了５．２－６．５个百分点。 二、近年来增长模式变化：ＴＦＰ明显下降 然而这一经济高增长和全要素生产率高增长并没有能够持续下去，在１９９５年之后中国经济增长来源发生重大变化。迄今为止还没有国内外学者对此予以分析和关注，主要原因是在分析中国经济增长来源时，无论是选择１９７８－１９９５年期间，还是选择１９７８－１９９９年期间，都暗含了一个重要假设，认为改革开放之后中国经济增长模式基本不变或变化不大，都是作为一个长期增长方程来讨论。我们认为，这一假设对１９７８－１９９５年期间是适用的，但是对１９９５年以后的情形就不适用了。 首先在１９９５－２００１年期间经济增长率（８．２％）低于长期潜在增长率（９．３％－９．５％）。其次增长来源发生重要变化：一是就业增长率明显下降，仅为１．２％，出现经济高增长、就业低增长的情形，中国经济吸纳就业能力下降；二是资本存量高增长（为１１．８％），比１９７８－１９９５年高２．５个百分点，也略高于１９５２－１９７８年期间的增长率（为１１．５％），结果资本生产率（等于经济增长率减去资本存量增长率）由正（为０．５％）变负（为－３．６％），下降了４．１个百分点，表现为资本深化过程，劳动人均资本增长率高达１０．６％，是全世界各国最快的资本深化过程，几乎比１９７８－１９９５年期间高出４个百分点，出现资本替代劳动、资本排斥劳动情形；三是人力资本高增长为２．８％，由于这一时期扩大了高中和高等学校招生数，２００３年中国高等学校在校生已经居世界首位；四是全要素生产率明显下降，为０．３－２．３％之间（按资本与劳动不同的权重计算），大幅度下降了２－３个百分点。这表明，１９９５－２００１年时期中国经济增长主要来源于资本投入，劳动投入低下，无论是资本生产率还是全要素生产率都明显下降。 值得关注的是２００３年中国经济形势，ＧＤＰ增长为９．１％，已经接近长期增长潜力（为９．３－９．５％之间）；全国投资增长率为２６．７％，大大高于１９７９－２００１年期间的平均增长率（为１０．９％），这表明，已经出现明显的投资过热；估计当年资本存量增长率为１５．８％（考虑了折旧因素），对经济增长的贡献大约在６．３－９．５％（这取决于资本和劳动的权重）；全要素生产率增长率降为１．１％到－１．１％之间，估计这一年全要素生产率贡献可能是负值，并与计划经济情形相似。这表明，２００３年尽管经济增