不同要素密集型制造业创新效率变动的实证分析＊——基于DEA-Malmquist指数方法

黄山松,谭清美

(1.广西工学院社会科学系,广西柳州545006;2.南京航空航天大学经济与管理学院,江苏南京210016)

不同要素密集型制造业创新效率变动的实证分析＊
——基于DEA-Malmquist指数方法

黄山松1,2,谭清美2

(1.广西工学院社会科学系,广西柳州545006;2.南京航空航天大学经济与管理学院,江苏南京210016)

应用DEA-Malmquist指数分析方法对我国劳动、资本和技术密集型制造业2001-2008年的创新效率进行了测评。结果显示,劳动密集型制造业创新效率在下降,其原因主要是由技术退步所致;而资本、技术密集制造业创新效率均得到提升。但二者动力有所不同。前者主要依靠技术效率推动,而后者则主要依赖技术进步。三大类型制造业的纯技术效率维持改善态势且差异并不大。劳动、资本密集制造业创新规模接近并都处在扩张态势。劳动、资本和技术密集制造业提高创新效率的主要政策方向,应分别为促进技术进步,提高技术效率和扩大创新规模。

曼奎斯特指数;制造业;技术创新效率

一、引 言

进入新世纪以来,中国制造业已经逐步成为全球制造业乃至世界经济的重要贡献者。这一现象引起了学者对中国制造业全要素生产效率,包括创新效率的广泛关注。到目前为止,在区域层面上的研究成果比较丰富,而在行业层面上探讨制造业创新效率的相对较少,其中比较有代表性的研究有：王伟光利用工业行业技术比较创新效率指数(IRCIE)对1990-1999年中国38个工业行业技术创新效率进行实证分析,发现中国工业行业之间的技术创新效率差异呈现出缩小的趋势[1];陈泽聪、徐钟秀利用DEA方法,计算了我国制造业各行业和各省市制造业1994-2003年期间技术创新效率值,认为我国制造业的技术创新效率与行业技术含量呈正相关关系[2];黄鲁成、张红彩通过因子分析定权法测算了北京制造业的技术创新效率,结果发现技术含量较高的制造业行业其技术创新效率却较低,而技术含量较低的行业其技术创新效率反而较高[3];吴丹、王娅莉运用DEA-Malmquist生产率指数对中国制造业各行业全要素生产率、技术效率和技术进步进行了测算,发现产业的技术密集度越高,技术进步、技术效率和全要素生产率指数增长越高[4];方红、王红霞使用DEA-Malmquist指数法,把制造业分为非耐用消费品、中间投入品和资本品及耐用消费品三个部门,比较了部门间技术变化的差异,得出了技术进步是 TFP增长的主要原因的结论[5];沈能、刘凤朝、赵建强也运用Malmquist指数方法测算了中国改革以来整体工业生产率的变动趋势,并探讨了地区之间工业 TFP增长差异的特征,结论是改革开放以来,中国工业 TFP的增长主要是由技术进步推动的,生产效率的下降对 TFP的增长造成了不利影响[6];宫俊涛、孙林岩、李刚对中国制造业省际全要素生产率变动进行了分析,发现省际全要素生产率增长主要来源于技术进步,技术效率变化表现为负作用[7]。

上述文献对我国制造业技术创新效率作了有益的探讨,但由于分析期不同,或者选取样本的差别,即使采用同样的方法,得出的结论并不一致,已难以应用于近期的研究。此外,已有文献从研究对象的选取和划分上仍存在一些缺陷和不足,多数把制造业作为一个整体来研究。本文拟做以下拓展：基于要素使用结构是效率变动起点的考虑,测算制造业分行业创新效率时,依要素配置结构的区别进行比较研究。也就是将制造业按要素投入密集程度分为劳动密集型、资本密集型和技术密集型三个类别,然后再基于 DEAMalmquist指数方法,对各类别制造业的创新效率变动进行评价,并对不同要素类型制造业之间技术创新效率的差异做出诠释。

二、研究方法：DEA-Malmquist指数法

基于DEA-Malmquist指数方法能很好地处理多输入和多输出的数据集,这种方法不但可以分析不同时期决策单元的效率演化,而且可以将Malmquist指数分解为技术进步指数和技术效率变化指数。技术效率表示在给定投入要素下实际产出与最优产出(生产前沿)之间的距离,距离越大,技术效率越低。技术效率又可分解为纯技术效率(主要体现在制度安排、技术创新以及管理效率的改变等方面)和规模效率(主要体现在规模扩张等方面);技术进步则表示生产前沿面随时间的移动变化。因此能更加详细地了解影响制造业技术创新效率变动的具体因素的作用。

本文把某个要素密集型制造业看作一个生产决策单位(DMU),先确定每一年各要素密集型制造业生产最佳前沿面,再把其中每个行业的生产前沿面与最佳前沿面进行比较,从而对各个要素密集型制造业的技术效率和生产率变化进行测定,得出这个行业采用以投入为指标的Malmquist生产率变化指数。

Malmquist指数最初由Malmquist提出,Caves等首先将该指数应用于生产率变化的测算[8],此后与Charne S等建立的DEA理论相结合,在生产率测算中的应用日益广泛。在实证分析中,研究者普遍采用 Fare等构建的基于DEA的Malmquist指数[9]。

以t时期技术Tt为参照,基于产出角度的Malmqulst指数可以表示为：

这个指数测度了在t时期的技术条件下,从t到t+1时期的技术效率的变化。同理,以t+1时期技术Tt+1为参照,基于产出角度的Malmquist指数可以表示为：

为避免时期选择的随意性可能导致的差异,可以用上两式两个Malmquist生产率指数的几何平均值来衡量从t到t+1时期生产率的变化。该指数大于1时,表明从t到t+1时期全要素生产率是增长的：

进一步地,根据上述处理所得到的Malmquist指数可以分解为不变规模报酬且要素自由处置条件下的技术效率变化指数(EC)和技术进步指数(TP),其分解过程如下：

EC指数测度了从时期t到t+1时期每一个决策单元对生产可能性边界的追赶程度;TP指数测度了技术边界在时期t到时期t+1之间的移动情况。根据Fare等的研究,技术效率变化指数(EC)还可进一步分解为纯技术效率指数(PC)和规模效率指数(SC)。从而有：

某一指数大于1表示其是生产率提高的源泉,反之则是导致生产率降低的根源。

三、样本选取及数据来源

(一)行业选择

国民经济行业分类标准 GBT4754-2002将制造业门类分成30个2位码的大类行业。在统计年鉴中,2003年后把工艺品与其他制造业划归一类,并增加了废弃资源和废旧材料回收加工业,前后的统计口径不同,再加之两行业数据并不全面,在全部制造业中的影响也有限,本文未将其列入。故本文所探讨的制造业只包括28个行业。

(二)技术创新投入产出指标选择

合理选取技术投入和技术产出指标是应用Malmquist指数评测制造业技术创新效率的关键。相关文献[10-13]一般采用 R&D资金投入和R&D人力资源投入作为技术创新的投入变量。本文沿袭一般做法,选用R&D经费投入作为企业技术创新最主要投入变量。考虑到各行业数据收集的可得性和完整性,就用企业科技活动人员代替R&D人力资源投入。这里,科技活动人员指直接从事科技活动、以及专门从事科技活动管理和为科技活动提供直接服务累计从事科技活动的实际工作时间占全年制度工作时间 10%及以上的人员。它涵盖了企业创新过程中有关的技术、设计、制造、管理以及商业活动,因此这一指标的替换应是可行的。

除上述两个指标外,还选取了企业新产品开发经费和技术吸收消化经费作为投入变量。因为对于企业而言,新产品开发活动对技术创新具有直接作用,是企业自主创新的重要因素[14],而在吸收消化基础上进行创新更是我国企业在目前阶段普遍存在的现象,吸收消化经费仍然是我国企业技术开发投入的重要部分。

本文把新产品销售收入和发明专利选做技术创新产出指标。发明专利是衡量创新产出水平的较好指标,其技术含量高且申请量很少受到专利授权机构审查能力的约束,更能客观地反映出企业的原始创新能力与科技综合实力[15]。新产品销售收入体现了企业技术创新最终实现的价值,体现了技术创新为企业带来的真实收益,因此对技术创新成果有很好的代表性。

(三)数据来源

所有样本数据均来源于2002-2009年《中国科技统计年鉴》和《中国统计年鉴》。并且本文采用的28个制造业行业数据全部来自统计年鉴中大中型工业企业的统计资料。为了统一指标口径,对各年的技术创新投入经费按2001年不变价格作了平减处理,新产品销售收入按各行业产品价格指数进行平减,使各行业的创新产出具有可比性。

四、实证分析结果

(一)各要素密集型制造业子行业创新效率差异的分析

利用DEAP2.1软件计算2001-2008年各要素密集制造业各行业平均的创新生产率指数及其分解为技术效率与技术进步的变化情况。先来看看劳动密集型制造业的情况。见表1。

表1 劳动密集型制造业创新效率指数及其分解

从表1可看出,在分析期内劳动密集型制造业创新效率整体趋于下降,平均下降8%。技术效率大于1,年均增长7.9%,这主要是由规模效率和纯技术效率共同以3.9%的平均增速来保证的;技术退步十分明显,其程度达到14.8%。显然,劳动密集型制造业创新效率的变化主要来源于技术效率的提高。技术进步不但没有促进创新效率的增长,反而抵消了由于规模效率的提高和纯技术效率的改善而对创新效率的贡献。

从劳动密集型制造业内部来看,各行业均处于技术退步状态,但除饮料制造业 H3、印刷业、记录媒介的复制业 H11外,其余行业的技术效率均得到改善。其中,木材加工及竹藤棕草制品业H8、造纸及纸制品业 H10、纺织业 H5和食品加工业 H1改善的幅度最大,均在16%以上。由于技术效率改善导致创新效率明显提高的行业并不多,仅有食品加工业 H1和木材加工及竹藤棕草制品业 H8。值得注意的是,各行业基本上都获得了较好的规模效率,说明劳动密集型制造业的创新规模在不断扩大之中。

再来看看,资本密集型制造的情况。见表2。

表2 资本密集型制造业创新效率指数及其分解

从表2可见,资本密集制造业创新效率在提高,其主要贡献来自技术效率的改善,而技术退步在抑制技术效率对创新的正效应,也即资本密集型制造业创新效率增进的动力也更多来源于技术效率的改善而非技术进步的变化。特别值得注意的是,劳动、资本密集制造业各分行业的技术效率都大于1或接近于1,给人有“趋同”的印象。从内部子行业来看,烟草加工业 H4、化学纤维制造业 H16、黑色金属冶炼及压延加工业 H20、有色金属冶炼及压延加工业 H21创新效率得到提高,但引致因素略有不同。烟草加工业 H4、化学纤维制造业H16、有色金属冶炼及压延加工业H21技术进步和技术效率共同推动效率的提高。但 H20主要由技术效率变化决定,其中规模效率的作用更为显著一些。H13的创新效率最差,且完全由严重技术退步导致。橡胶制品业 H17、非金属矿物制品业H19、有色金属冶炼及压延加工业H21等行业的创新规模不足,有待进一步扩大。

下面是技术密集型制造业的情况。见表3。

表3 技术密集型制造业技术创新效率指数及其分解

从表3可见,该行业创新效率也得到了提高,但与劳动、资本密集型制造业不同,其动力主要源于技术进步而不是技术效率的改善。其平均规模效率在下降,削弱了技术效率的改进。从子行业看,化学原料及化学制品制造业 H14、电子及通信设备制造业 H27创新效率最高,分别增长19.6%和21.6%,并且它们的技术效率和技术进步共同改进,保证了创新的高效率。专用设备制造业H24的创新效率则差强人意,其技术退步也最明显。化学原料及化学制品制造业 H14、电气机械及器材制造业 H26纯技术效率和规模效率都在降低,通用设备制造业 H23、专用设备制造业 H24和仪器仪表文化办公用机械业 H28获得较好的纯技术效率变化,但规模效率不济,有待进一步提高。

(二)各要素密集型制造业之间创新效率的比较分析

以下是三大要素密集型制造业创新效率指数分解。见表4。

表4 三大要素密集型制造业创新效率指数分解

从表4中可见,三大类型制造业创新效率除前述的差别外,劳动、资本密集型制造业技术效率都虽有提高(包括纯技术效率和规模效率都有改善),但由于劳动密集型制造业出现严重的技术退步,使得技术创新效率平均降低了8%;资本、技术密集型制造业虽然创新效率都大于1,但技术密集型规模效率在降低,其创新效率是以牺牲技术创新投入为代价的;而资本密集型行业则出现了较明显的技术退步,使创新效率过度依赖技术效率的改进。同时,劳动密集型制造业的创新效率、技术进步,技术密集型的技术效率、纯技术效率和规模效率等都处于平均水平之下。说明技术密集行业存在较大的改善技术效率的压力,特别是规模效率的压力,资本密集行业,尤其是劳动密集型行业则必须彻底扭转技术退步的颓势,否则行业创新将无从谈起。

在不同时段上,我们同样可发现三大类型制造业创新效率存在差别。从表5可见,在各个时期三类型制造业技术进步变化都比较剧烈,后两类型变动及至全制造业平均值变动都具有明显的钟摆特征。其中,劳动密集型制造业仅在分析期头一年有大幅技术进步,2002年后一直处于技术退步之中,最多负增长52%,近期衰退仍达20%;资本密集型制造业2001-2005年技术进步负增长,但之后各期都取得较大程度的技术进步;技术密集型行业技术进步各期呈波动变化,近期处于技术退步状态,值得关注。见表5。

表5 三大要素密集型制造业技术进步变化

图1显示了技术创新效率的变动趋势。见图1。

图1 三大要素密集型制造业创新效率变动趋势

从图中可见,2006年之前创新效率波动较大,之后波动有所降低。在三大类型中,资本密集制造业创新效率最高,劳动密集型最低,技术密集型居中;技术密集制造业变动趋势与平均变动较为接近,资本密集制造业创新效率在多数时段高于全制造业平均水平,近期有继续走高的趋势。劳动密集型制造业基本上均处于平均水平之下,近期也没有改善迹象。

(三)各类型制造业创新效率变动原因分析

上述对细分行业和三大类型制造业的比较分析都表明,劳动密集型制造业技术退步比较明显,说明该类型行业的创新活动并没有使其生产可能性边界向外移动。导致这一状况的原因,一是因国内劳动密集型制造业创新投入不足的短期行为所致。该类型行业进入门槛低,对技术扩散较敏感,更喜欢利用技术外溢的机会而不是加大创新投入。相应地,企业为应对过度竞争可能带来的效益下滑所进行的创新,大多也都是改进型的产品创新,创新模式也多是模仿创新。由于行业的技术开发周期短,且主要开发易被市场接受的产品,因此技术效率相对较高,但技术进步却并不显著。二是该类行业技术人才相对缺乏影响其技术创新能力。作为技术含量相对较低的行业,劳动密集型制造业长期以低劳动成本的比较优势作为竞争手段,缺乏高水平技术人才,从而抑制了技术进步。

资本密集制造业近几年创新效率的提升明显得益于其技术进步,这个结果至少存在三个原因。一是该类行业的企业规模大,多数是国有企业,因而其科技创新活动容易受到国家宏观环境及政府科技政策的直接影响。近几年来,为建设创新型国家,在企业层面上,政府提供了各种政策支持,从而使其科技创新表现出良好的发展态势。二是该类企业一般都建立了独立的研发机构,加大了创新投入力度。由于是大企业,也容易配备更多高学历的研发人员和熟练掌握先进技术、工艺和技能的人才。三是该类行业为适应发展方式的转变,加快推进以企业为核心的产学研创新机构,逐步完善创新激励机制和企业创新文化,注重提高创新活动的组织管理效率。

技术密集制造业的技术效率与技术进步起伏波动,呈现交替变化趋势是受技术演进规律支配的结果。该类行业技术密集,含量也高,但创新要素的组合优化,创新管理的完善,关键技术的突破等等,都有一个从量变到质变的过程,因此由这一原因引起的该类型行业近期的技术退步应是短暂的现象。

五、三大类型制造业技术效率收敛性检验

从表4已知,技术效率对制造业创新效率起重要推动作用。在分析期内,三大类型制造业的技术效率指数分别为1.079、1.068和0.994,相对差别并不是很大。那么,不同要素密集型各分行业的技术效率会不会存在趋同的情况?对此根据Barro和Sala-I-Mattin的分析,并依据白俊红等人[13]的做法采用绝对—收敛回归模型进行检验加以了解。设定的回归模型为：lneffchit=C+βlneffchi0+εit。式中:effchit为t期技术效率变化率;effchi0为基期技术效率;β为回归系数;C为常数项;ε为随机扰动项。当基期技术效率lneffchi0的回归系数为负时,表示存在绝对收敛,为正时,表示发散。在本文中我们利用2001-2008年间各行业技术效率变化率的平均值作为回归模型中的effchit值,使用计量软件Eviews6.0分析,得出回归结果。见表6。

表6 技术效率的绝对—收敛检验

由表6中的调整后R2、F值可知三个回归方程均显著,三个方程的回归系数也都通过了显著性检验。三大类型制造业技术效率回归模型系数β均为负,说明不同要素密集制造业各子行业的技术效率变化都是显著收敛的。检验结果进一步印证了上文的实证结果,即劳动和资本密集型行业间的技术效率差距在逐步缩小。检验结果也说明了技术效率改善的过程,其实也是技术效率收敛的过程。

六、结论与政策方向

本文按照要素使用密集度把制造业划分为劳动密集、资本密集和技术密集等三个类型。使用DEA-Malmquist指数方法,利用2001-2008年的各行业创新投入的面板数据分别计算三大类型制造业28个行业的创新效率变化状况,并采用绝对β-收敛法比较三大类型各个行业间技术效率变化的差异。得到的基本结论是：

第一,劳动密集型制造业创新效率在下降,而资本、技术密集制造业创新效率则得到提升。劳动密集型制造业创新效率下降主要由严重的技术退步造成,它抵消了由于规模效率的提高和纯技术效率的改善而对创新效率的贡献。

第二,资本、技术密集制造业创新效率虽然都在提高,但其动力源却有不同,前者主要依靠技术效率推动,而后者则主要依赖技术进步;劳动、资本密集制造业规模效率的改善对创新效率的提高发挥了应有作用,而技术密集制造业面临规模报酬递减的态势。

第三,三大类型制造业内部各子行业之间的创新效率差异较大,技术效率和技术进步的作用也呈现复杂态势。

第四,在不同时段变动上,资本密集制造业创新效率最高,劳动密集型最低,技术密集型居中;技术密集制造业创新变动趋势与平均变动较为接近,资本密集制造业创新效率在多数时段高于全制造业平均水平,而劳动密集型制造业创新效率基本上均处于平均水平之下。

第五,不同要素密集制造业各子行业的技术效率变化都显著收敛。三大类型制造业的纯技术效率维持改善态势且差异并不大;劳动、资本密集制造业创新规模接近且都处在扩张态势。

基于上述结论,制造业创新效率改进的政策方向应是：劳动密集型制造业(也包括资本密集制造业)亟待促进技术进步,应该更加重视技术创新,增加研发和科技投入,尤其是要增加新产品开发的投入和技术消化吸收方面的投入,以扭转技术退步颓势;资本密集制造业技术效率水平下降,这说明在给定创新要素投入下未获得最大创新产出量,必须重视制度安排、技术创新以及管理效率的提高和改进,以充分发挥其技术潜力;低水平的规模效率已抑制技术密集制造业技术效率的提高,因此,技术密集制造业应设法扩大创新规模,扭转规模报酬递减的态势,同时采取措施提高行业技术效率。

[1] 王伟光.中国工业行业技术创新效率的实证研究(1990-1999)[J].沈阳师范大学学报：社会科学版,2003(3)：57-61.

[2] 陈泽聪,徐钟秀.我国制造业技术创新效率的实证分析[J].厦门大学学报：哲学社会科学版,2006(6)：122-125.

[3] 黄鲁成,张红彩.北京制造业行业的技术创新效率评价[J].研究与发展管理,2006(3)：54-58.

[4] 吴 丹,王娅莉.基于 Malmquist生产率指数的R&D投入对制造业影响评价[J].管理学报,2006(3)：580-581.

[5] 方 虹,王红霞.中国制造业技术变化实证研究[J].统计研究,2008(4)：40-44.

[6] 沈 能,刘凤朝,赵建强.中国地区工业技术效率差异及其变动趋势分析[J].科研管理,2007(4)：16-22.

[7] 宫俊涛,孙林岩,李 刚.制造业省际全要素生产率变动分析[J].数量经济技术经济研究,2008(4)：102-108.

[8] Caves D W,Christensen L R,Diewert W E.Multilateral compositions of output,inputand pro-ductivity using superlative index numbers[J].Economic Journal,1982,92：73286.

[9] Fare R,Grosskop S,Norris F M,et al.Productivity growth,technical progress and efficiency changes inindustrialized countries[J].American Economic Review,1994(84)：69-82.

[10] 刘顺忠,官建成.区域创新系统创新绩效的评价[J].中国管理科学,2002(1)：75-78.

[11] 虞晓芬.我国区域技术创新效率：现状与原因[J].科学学研究,2005(2)：258-264.

[12] 池仁勇,唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理,2004(4)：23-27.

[13] 颜鹏飞,王 兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究,2004(12)：55-56.

[14] 梁莱歆,马如飞,田元飞.科技经费投入结构与企业技术创新[J].科学管理研究,2009(4)：104-107.

[15] 白俊红,江可申,李 婧.中国区域创新效率的收敛性分析[J].财贸经济,2008(9)：119-123.

(责任编辑 易 民)

An Empirical Analysis of the Innovation Efficiency of Manufacturing Industry——Based on DEA-Malmquist Index

HUANG Shan-song1,2,TAN Qing-mei2
(1.Department of Social Sciences,Guangxi University of Technology,L iuzhou545006,Guangxi,China;2.Economics and Management,N anjing University,N anjing210016,J iangsu,China)

With Malmquist DEA model and co-integration test method,this paper estimates the innovation efficiency of manufacturing industry from 2001 to 2008 in China,the main results are as follows.Average innovation efficiency of Chinese capital-intensive manufacturing and technology-intensive industries takes on an increasing trend while labor intensive manufactures are decreasing.Labor intensive and capital intensive manufacturing have higher technical efficiency than that of technology-intensive industry.But their technical regress has significantly negative effects for growth of innovation efficiency.And this is different in tech intensive industries,it has remarkable technology progress.

malmquist-DEA;manufacturing industry;innovation efficiency

F062.4

：ADOI：10.3963/j.issn.1671-6477.2011.01.005

2010-09-10

黄山松(1965—),男,广西壮族自治区容县人,南京航空航天大学经济与管理学院博士,广西工学院社会科学系副教授,主要从事产业经济、产业创新管理研究;谭清美(1961—),男,山东省临朐县人,南京航空航天大学经济与管理学院教授,博士生导师,主要从事技术经济研究。

国家社会科学基金项目(08BJ Y014);教育部博士点专项基金(20093218120032)