中国乳制品行业技术效率变动研究----基于随机前沿生产函数方法

卢 宁,李国平

(西安交通大学经济与金融学院,陕西西安 710061)

一、 问题的提出与文献回顾

由三鹿“问题奶粉”引发的中国乳制品质量风波,使我们再次把目光投向中国乳制品行业的发展。直到20世纪90年代,中国乳制品行业才真正发展起来,特别是最近几年发展势头迅猛,乳制品行业进入了崭新的发展阶段。1998年中国乳制品行业总产值为122.92亿元,2005年总产值达886.74亿元,是1998年总产值的7.21倍;乳制品产量从1998年的54.86万吨增长到2005年的164.63万吨,是1998年产量的3倍。1998年全国乳制品企业共计395家,2008年乳制品企业数增至756家。乳制品行业在规模扩张的同时,技术装备水平有了明显提高,特别是代表着中国乳制品行业主导力量的大型骨干企业,技术装备水平己经达到了国际先进水平,乳制品企业已经成为一些地区工业企业中的重要力量。然而面对中国乳制品行业迅速发展与涉及范围较广的“问题奶粉”并存的局面,除了企业社会责任、企业产品质量管理、产业链内部利益分配机制等问题,乳制品行业的可持续发展和技术效率的提高值得深入研究,从而为制定乳制品行业发展政策提供理论依据。

促进产业增长的源泉除了增加生产要素投入以外,只能依靠生产率的提高。由于要素投入的不可持续性以及近年国内乳制品行业生产要素价格上涨的影响*① 2005年9月全国原料奶收购价格开始上扬,全国范围内平均上涨0.2～0.4元/kg,同年11月我国北方地区出现了奶源紧张的情况,重现2000—2002年的奶源争夺大战的情形。参见李胜利,曹志军:《2005年我国奶业的热点问题与发展趋势(上)》,《中国畜牧杂志》,2006年第2期。,技术进步和技术效率研究成为研究产业经济增长的热点。近期对中国产业全要素生产率(total factor productivity,简称TFP)研究的文献比较丰富*② 孟令杰(2000),姚洋、章奇(2001),朱钟棣、李小平(2005),高伟、何枫(2005),顾乃华、李江帆(2006)等研究了多个不同行业的技术效率。。这些文献对解释中国行业增长具有重要意义,但是在对具体行业的研究上,由于行业生产特性和发展阶段差异较大,因此基于分行业视角的全要素生产率的测算所能阐释的政策含义及其影响因素会因行业不同而存在一些差别。对中国乳制品行业技术效率的研究并不多见。代表性的研究有张莉侠(2006)等运用基于数据包络分析方法(data envelopment analysis, 简称DEA)的非参数Malmquist指数方法估计1998—2005年中国乳制品行业的全要素生产率,并将其进一步分解为技术效率和技术进步,研究发现中国乳制品行业的全要素生产率呈增长趋势。技术进步支撑着乳制品行业全要素生产率增长,但是技术效率下降。不过技术效率的下降不足以抵消技术进步的影响,这种情况使中国乳制品行业的全要素生产率呈增长趋势[1]。张莉侠(2007)还采用超效率模型(slacks-based measure, 简称SBM)测算2001—2005年中国21个乳制品企业的技术效率,并将其分解为纯技术效率及规模效率,研究表明中国乳制品企业的技术效率处于较低水平,对技术效率贡献最大的是纯技术效率,乳制品企业并不存在规模经济效应[2]。马恒运(2007)等采用国有及集体和个体奶牛场牛奶生产的随机投入距离函数,分析了中国牛奶生产全要素生产率的增长及来源,研究发现中国牛奶生产全要素生产率的增长是比较“温和”的,国有及集体和个体奶牛场全要素生产率的年均增长率分别为0.25%和2.33%,主要来自于技术进步。国有及集体奶牛场的技术效率明显下降,而个体奶牛场的技术效率略有增长。中国牛奶生产的技术效率水平大约为80%～90%。因此,主张推广新技术仍然是中国今后牛奶生产的优先政策[3]。就研究方法而言,这些研究多采用非参数的数据包络分析方法,忽视了随机因素对生产行为的影响。回顾生产率研究的发展发现,早期在研究行业技术进步和技术效率时大多数是采用索洛余值核算(Solow residuals accounting, 简称SRA)[4]。但是索洛余值核算假定所有生产者在技术上都充分有效,将生产率的增长等同于技术进步,这显然不完全符合经济现实[5-8]。因而前沿技术分析逐步被发展起来并广泛应用。前沿技术分析允许生产者存在技术无效率(technical inefficiency),将全要素生产率分解为前沿技术(frontier technology,简称FT)和技术效率(technical efficiency,简称TE),前沿技术刻画某一时期所有生产者的最优生产技术,技术效率描述个别生产者实际生产技术与最优技术的差距。前沿技术分析能将生产者的全要素生产率指数分解为反映生产函数变化的前沿技术进步和反映技术吸收能力差异变化的技术效率改进,从而提供更多生产者信息。因此,本文与已有研究文献相比,不同之处体现在以下三个方面:第一,使用基于参数分析的随机前沿分析方法估计我国1998—2007年乳制品行业生产技术效率,而以往多数研究都采用基于非参数的数据包络分析方法,基于参数分析的随机前沿方法考虑了随机因素,其估计结果比数据包络分析方法更为准确;第二,在估计出我国1998—2007年乳制品行业生产技术效率的基础上,同时考虑了同期生产成本、资本回报率、企业规模、资本密度、原料奶产量等因素对技术效率的影响方向及影响程度;第三,从东部地区、东北地区、中部地区和西部地区的区域比较角度,采用乳制品行业产值、奶类产量、技术效率指标来进一步综合分析乳制品行业的地区发展差异。

二、 随机前沿生产函数模型与效率估计模型的建立

建立随机前沿生产函数模型,首先要考虑一个参数随机前沿生产函数(Stochastic frontier production function), Battese和Coelli(1995)的随机前沿生产函数为[9-12]:

Yit=exp(xitβ+υit-μit)

(1)

假设技术非效率μit是一些解释变量zit和待估参数δ的函数,技术非效率μit的函数为:

μit=zitδ+Wit

(2)

随机前沿生产函数模型与技术非效率模型的参数可以用极大似然法来估计,在确定了生产函数与技术非效率模型的参数值之后,第i行业在时期t的生产技术效率可界定为:

TEit=exp(-μit)=exp(-zitδ-Wit)

(3)

式(3)中,行业生产技术效率(TEit)是指现有资源最优化利用的能力,即在给定各种投入要素的条件下实现最大产出,或者给定产出水平下投入最小化的能力。在选定的生产函数形式下,依据u的分布形式,利用极大似然法确定生产函数中的参数值。因而,生产函数形式的选择对模型估计结果的可信性至关重要。可以考虑构建柯布-道格拉斯(Cobb-Douglas,简称C-D)前沿生产函数,但由于Wald参数检验值在1%显著水平上拒绝资本和劳动力的产出弹性之和为l,即我国制造业行业存在规模报酬不变的原假设,无法采用C-D生产函数的密集形式[13];同时考虑到技术进步的因素以及超越对数生产函数形式灵活、限制少的特点,因此本文采用超越对数生产函数形式的随机前沿生产函数,即:

其中,Yit、Lit和Kit分别为第i个地区乳制品行业在t年的产品销售收入、就业人数和总资产,t为观察变量的年份,1998年取值为1;技术变化的时间趋势系数用来解释希克斯中性技术变化,β0为截距项,β1、β2、ϑ1、ϑ2、ϑ3、φ1、φ2、α1、α2为待估系数,υit和μit解释同式(1)。

三、 数据来源与变量使用说明

实证分析所用数据来自《中国奶业年鉴》(1999—2008年)。由于我国对工业行业数据的统计口径在1998年前后有调整,因此我们对乳制品行业的研究期间确定为1998—2007年,总共29个省区市共290个样本点的面板数据[注]由于海南和西藏的数据不完整,计算时将这两个省区排除在外,统计口径为大中型企业。。

1.投入和产出的指标选择

资本投入是资本对乳制品行业增长实际提供的服务流量。但是现实中资本的服务流量难以直接度量。限于数据可得性,本文通过假定资本服务流量与资本存量成正比的情况下,间接度量资本服务流量。考虑资本品的有形磨损和无形磨损,我们参照郑玉歆(1992)等的做法[14],选取固定资产净值作为资本投入,并用以1998年为基年的固定资产投资价格指数进行平减。劳动投入是指生产过程中实际投入的劳动量,理论上应该采用标准劳动强度的劳动时间衡量。但是由于中国收入分配体制和市场调节机制不够完善,缺乏准确的统计数据,用工作时间来衡量劳动投入量短期内不能实现。所以我们用乳制品行业年从业人数作为各地区乳制品行业劳动投入量的指标。产出指标用产品销售收入表示,产品销售收入可以衡量企业的销售能力、库存管理能力,用食品类商品零售价格指数平减。

2.影响乳制品行业技术效率的因素变量和指标选择

影响乳制品行业技术效率的因素包括产品销售成本、企业规模、资本密度、资本回报率和原材料五个因素:

(1) 产品销售成本SCit。产品销售成本既包括企业已经销售产品的生产成本,也包括劳务等主要经营业务的实际成本,相关研究在测算工业的生产率时常把产品销售成本作为生产物耗的价值指标。由于产品销售成本指标既包括购买的乳制品的机器设备,也包括购买的奶类原料,未剔除价格因素的影响,因此我们选用各地区生产总值价格指数平减,得到产品销售成本的实际值。

(2) 企业规模ASit。一般而言,企业规模越大,可提升生产技术达到规模经济,降低生产成本,提高生产效率。但是,如果地方政府偏好并通过优惠政策鼓励大规模企业,很可能出现企业规模过大而存在规模不经济,从而引致资源配置效率和企业生产效率降低。因而企业规模对生产效率的影响是不确定的。这里使用地区乳制品行业工业总产值除以企业个数表示企业规模。

(3) 资本密度CLit。企业资本密度越高,即人均资本拥有量越高,意味着企业技术结构越趋向于资本密集型,有利于提升生产效率。我们用地区乳制品行业总资产与年末乳制品行业就业人数的比率表示资本密度。

(4) 资本回报率CRit。用利润总额与资本存量之比表示资本回报率。利润总额由于包含企业所得税部分,因而包括以税收形式构成资本社会回报的一部分资本剩余,故本文考虑的是资本总回报,是在利润总额基础上加上资本方承担的间接税,是资本权益和社会两重回报的度量指标。限于数据可得性,暂不考虑间接税以及企业补贴因素对回报部分的影响。资本存量采用地区乳制品行业总资产数据。

(5) 原材料MKit。考虑乳制品生产受到原料奶产量的影响较大的产业特征,用各地区奶类产量表示原材料因素来考虑其对乳制品行业技术效率的影响[注]暂不考虑地理毗邻省区之间奶类原料的交叉供应效应。。

对中国乳制品行业非效率项的影响因素建立回归模型,模型中各变量指标均取自然对数值以避免多重共线性导致的回归偏误,见式(5):

式(5)中δ0为截距项,δ1、δ2、δ3、δ4、δ5为待估系数,Wit解释同式(2)。

回归所使用的变量的统计描述见表1。

表1 变量的描述性统计

数据来源:1998—2007年《中国奶业年鉴》。

四、 实证结果分析

根据以上分析,运用FRONTIER 4.1软件计算中国乳制品行业的技术效率。在分析中国乳制品行业全要素生产率的变动时,对1998—2007年各地区乳制品业技术效率的影响因素进行分析。

1.中国乳制品行业全要素生产率的变动

由表2显示的随机前沿生产函数中参数估计系数的符号与大小可知,我国乳制品行业资本的产出弹性显著地高于劳动的产出弹性,这说明乳制品行业生产中资本投入对产出的贡献大于劳动投入的贡献。在技术非效率模型估计结果(表3)中,乳制品行业的生产成本(SCit)与技术非效率之间存在显著的正相关性,并且与本文考虑的其他影响因素相比,生产成本对技术非效率的影响程度很大,生产成本提高1%将引致技术效率下降0.94%。乳制品行业的企业规模(ASit)与技术非效率之间存在负相关性,即本地企业规模越大,生产技术效率越高,乳制品企业在生产中可以获得规模经济效益。

表2 随机前沿生产函数的最大似然估计结果

注:各估计系数后括号内为t统计值,*代表10%的显著性水平,**代表5%的显著性水平,***代表1%的显著性水平。

① 东部地区包括:北京、天津、河北、上海、江苏、浙江、山东、福建、广东共9个省市。东北地区包括:内蒙古、辽宁、吉林、黑龙江共4个省区。中部地区包括:河南、湖北、湖南、江西、山西、安徽共6个省。西部地区包括:广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆共10个省区市。

表3 技术非效率的影响因素回归结果

注:同表2。

资本密度(CLit)对技术非效率的影响显著为负,资本密度每提高1%,本地企业的技术效率将提高0.162%,这意味着乳制品行业不存在过度使用资本的情况,资本在中国目前乳制品行业仍是较为稀缺的资源,投资增长对产出增长的贡献大于劳动投入对产出增长的贡献,符合中国产出增长的现实。资本回报率(CRit)与技术非效率是正相关的。资本回报率越高,技术效率下降越快。原材料奶类产量(MKit)与技术非效率之间存在显著的正相关性,即奶类产量越高的地区,该地区乳制品行业的技术效率反而偏低。由此可见,企业规模和资本密度是促进乳制品行业的技术效率提升的积极因素。而乳制品行业生产技术上的非效率与生产成本、资本回报率、原材料奶类产量之间存在正相关关系。

2.各地区乳制品行业全要素生产率的变动

按照通常的地区划分方式,将本文研究的29个省区市划分为东部、东北、中部和西部四个地区①。我们发现,从总体上看1998—2007年中国乳制品行业技术效率年均增长4.93%,呈上升趋势。同时中国乳制品行业技术效率具有明显的地区差异性。1998—2007年东部地区乳制品行业技术效率年均值为0.968,中部地区平均值为0.969,西部地区平均值为0.946,东北地区平均值为0.939。在此期间,全国乳制品行业技术效率平均值为0.949,显然东部和中部地区乳制品行业的技术效率高于全国平均水平。如图1所示,自1999年以来,除东北地区以外,全国大部分地区的乳制品行业技术效率呈温和上升趋势。其中,中部地区乳制品行业的技术效率上升趋势较强,比西部地区乳制品行业技术效率水平高、上升速度快。东北地区乳制品行业的技术效率水平与全国平均水平及其他地区平均水平相比存在较大差距。特别是在2002—2005年期间,这个差距在不断扩大,但是从2005年以后,东北地区乳制品行业的技术效率增长速度加快。

为了进一步比较分析中国乳制品行业分省区的技术效率水平,我们对1998—2007年中国29个省区市乳制品行业的产值、奶类产量、技术效率水平三个指标的平均值排序来对比分析各省区市乳制品行业的特点,从而挖掘其存在的潜在问题及相应对策(见表4)。从乳制品产值来看,内蒙古、黑龙江、河北、山东、上海五个省区市1998—2007年乳制品平均产值排在全国前五位。

从地区奶类产量来看,内蒙古、黑龙江、河北、山东、新疆、陕西六个省区1998—2007年奶类平均产量排在全国前六位。而新疆乳制品行业的产值却排在全国21位。可见,新疆等地区并没有把奶类原材料优势转化为乳制品生产的经济效益优势。

从乳制品行业技术效率来看,上海、广东、湖南、重庆、北京、云南、福建、天津、江西、湖北十个省市1998—2007年乳制品行业平均技术效率水平排在全国前十位,并且这些地区乳制品行业技术效率的变化趋势大部分平稳,还有的呈上升趋势。而乳制品产值和奶类产量在全国均占有重要比例的内蒙古、黑龙江、河北、山东、新疆、陕西等省区乳制品生产的技术效率水平却在全国排名的第15位之后。乳制品行业在区域奶类产量、乳制品产值与技术效率之间的不匹配给予我们一个重要启示,即拥有原料奶产量优势的地区要科学调整当地乳制品产业的发展战略,从以量为主导的粗放型生产方式向以质为主导的集约型生产方式转化。由于技术非效率主要来自企业生产经验与生产管理水平的不足,因此,乳制品生产技术效率水平较低同时奶类产量较高的地区一方面要从生产技术研发与创新中谋求发展,另一方面要重视生产管理水平的提高,从而把原料奶产量的资源优势转化成区域产业技术优势。

表4 中国乳制品行业分省区技术效率变动与比较

注: ①代表技术效率呈上升趋势;②代表技术效率呈下降趋势;③～代表技术效率变化趋势不明显。

五、 结 论

本文借助中国乳制品行业1998—2007年的省际面板数据,运用随机前沿生产函数分析方法,实证分析了中国乳制品业技术效率的变动情况及其影响因素。研究结果表明:

(1) 中国乳制品行业整体上生产技术效率呈增长趋势。1998—2007年中国乳制品行业技术效率年平均增长4.93%。

(2) 企业规模和资本密度是促进中国乳制品行业的技术效率提升的积极因素。而乳制品行业生产技术上的非效率与生产成本、资本回报率、原材料奶类产量之间存在正相关关系。其中生产成本对技术非效率的影响程度最大。

(3) 中国乳制品行业技术效率具有明显的区域差异性。东部和中部地区乳制品行业的技术效率高于全国平均水平,并呈温和上升趋势。中部地区乳制品行业的技术效率上升趋势较强,比西部地区乳制品行业技术效率水平高、上升速度快。东北地区乳制品行业的技术效率水平与全国平均水平及其他地区平均水平相比存在较大差距,并且技术效率差距在出现扩大趋势后出现收敛迹象。

(4) 中国各区域乳制品行业在奶类产量、乳制品产值与技术效率上不匹配。奶类产量和乳制品产值较高的省区,如内蒙古、黑龙江、河北等省区,在乳制品生产技术效率上十分滞后,与全国乳制品技术效率平均水平之间存在一定差距。对于奶类产量和乳制品产值较高的地区,其乳制品生产技术效率的提高是当地大力发展优势产业亟待解决的问题,同时也是中国乳制品行业实现可持续发展、落实科学发展观的必由之路。

参考文献:

[1]张莉侠,刘荣茂,孟令杰. 中国乳制品业全要素生产率变动分析----基于非参数Malmquist指数方法[J]. 中国农村观察, 2006(6):2-8.

[2]张莉侠. 中国乳制品企业技术效率分析----基于SBM超效率模型[J]. 统计与信息论坛, 2007(5):103-108.

[3]马恒运,唐华仓,Rae A. 中国牛奶生产的全要素生产率分析[J]. 中国农村经济, 2007(2):40-47.

[4]Solow R M. Technical Change and the Aggregate Production Function[J]. Review of Economics and Statistics, 1957,39:312-320.

[5]Farrell J. The Measurement of Productive Efficiency[J]. Journal of the Royal Statistical Society, 1957,120:253-282.

[6]Kalirajan K. An Econometric Analysis of Yield Variability in Paddy Production[J]. Canadian Journal of Agriculture Economics, 1981,29:283-294.

[7]Kodde D A, Palm F C.Wald Criteria for Jointly Testing Equality and Inequality Restrictions[J]. Econometrica, 1986,54:1243-1248.

[8]Kumbhakar S C, Soumendra G, Thomas Mc G. A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in US Dairy Farms[J]. Journal of Business and Economic Statistics, 1991,9(3):279-286.

[9]Battese E, Coelli T. A Model of Technical Inefficiency Effects in Stochastic Frontier Production for Panel Data[J]. Empirica1 Economic, 1995,20:325-332.

[10]Coelli T, Rao P, Battase E. An Introduction to Efficiency and Productivity Analysis[M]. Boston: Kluwer Academic Publishers, 1998.

[11]傅晓霞,吴利学. 前沿分析方法在中国经济增长核算中的适用性[J]. 世界经济, 2007(7):56-66.

[12]Kumbhakar S C, Lovell A K. Stochastic Frontier Analysis[M]. Cambridge: Cambridge University Press, 2000.

[13]张倩肖. 外商直接投资、市场竞争及对我国制造业的技术外溢效应----基于随机前沿生产函数的分析[J]. 经济学家, 2007(3):60-65.

[14]郑玉歆,许波. 资本度量中的数量与价值量[J]. 数量经济技术经济研究, 1992(11):41-48.