环境效应、随机干扰与全要素生产率测度——装备制造业三阶段DEA分析

王 欣,庞玉兰

(海南大学三亚学院,海南三亚 572022)

环境效应、随机干扰与全要素生产率测度
——装备制造业三阶段DEA分析

王 欣,庞玉兰

(海南大学三亚学院,海南三亚 572022)

传统的前沿分析不能排除环境效应和随机误差对全要素生产率的影响,于是尝试运用更为科学的三阶段DEA模型,对 2009年我国各省装备制造业全要素生产率进行实证分析。结论是:各省的全要素生产率确实受到教育发展因素、工业发展因素、金融支持因素、宏观经济因素等环境变量和随机因素的影响。在同质经营环境和经营运气的条件下,各省的技术效率并不低下,且区域间差异较小,但规模效率成为制约全要素生产率提升的瓶颈。

全要素生产率;装备制造业;三阶段DEA模型

一、研究缘由与文献回顾

装备制造业是国民经济发展的支柱产业,其重要性不言而喻。2006年国家出台了《国务院关于振兴装备制造业的若干意见》。2009年为了应对全球金融危机,出台的十大产业振兴规划中也包括了装备制造业。本文的研究重点就是通过对我国装备制造业全要素生产率的计算,去除外部环境和随机干扰对全要素生产率计算的影响,得出更加真实的技术效率、规模效率以及规模报酬的发展现状,为装备制造业的持续稳定发展提供理论指导。

数据包络分析 (DEA)(Charnes等,1978)被广泛应用于全要素生产率的估计,但它固有的一些缺陷也引起部分学者的关注。为此,Fried等 (2002)提出了一种新的效率评价模型——三阶段DEA法。该方法最大的特点是能够将非经营的因素(外部环境与随机误差)对效率的影响去除,使得所计算出来的效率值能更加真实地反映决策单元的内部管理水平。

DEA三阶段模型提出的时间不长,因此在全要素生产率研究中使用该方法的文献尚不多见。黄台心和陈盈秀(2004)运用DEA三阶段法对中国台湾地区 49家商业银行的纯技术效率、配置效率以及规模效率进行了研究。随后国内在近两年时间内陆续出现若干运用DEA三阶段方法的文献。方燕和白先华 (2008)以及黄宪、余丹和杨柳(2008)分别分析了中国商业银行的经营效率问题。白雪洁和宋莹(2008)分析了中国各省火电行业的技术效率及其提升方向。支燕 (2009)分析了中国寿险业。李然和冯中朝(2009)分析了农户家庭经营技术效率。

目前对于我国装备制造业全要素生产率的研究还十分有限,并且都是应用传统的前沿效率分析方法。王永保(2007)运用 SFA模型分析了我国装备制造业 1992-2004年全要素生产率的变动趋势及其影响因素的分析。刘靖宇和张宪平(2007)运用 SFA模型分析了我国装备制造业在省际层面的技术效率差异。冯梅 (2008)运用索洛函数法对我国装备制造业 7个子行业从 1996—2006年的技术进步情况进行量化分析。这些研究从不同角度分析了我国装备制造业的效率问题,得出了一些很有意义的结论。然而,它们共同的不足之处就是没有剥离环境因素和随机误差对效率值的影响。

二、评价指标与数据说明

(一)投入产出指标的选取

本文选择各省份装备制造业“工业总产值”作为产出的价值指标。因为工业总产值包含了中间产品转移价值,而正是由于中间产品价值的重复计算,反映了规模节约和资源配置效率的经济效能。关于资本指标,大量的学者在研究全要素生产率时均选取固定资产净值年均余额和流动资产年均余额作为度量资金投入两个指标,所以本文也同样选用装备制造业的“固定资产净值年均余额”和“流动资产年均余额”作为两类资金投入或占用的数量指标。就劳动投入指标而言,是指生产过程中实际投入的劳动量,用标准劳动强度的劳动时间来衡量。在市场经济国家,劳动的质量、时间、强度一般是与收入水平相联系的,在市场机制的调节下,劳动报酬能够合理地反映劳动投入量的变化。而在中国,由于正处于由计划经济体制向市场经济体制的过渡时期,收入分配体制不尽合理和市场调节机制不够完善,而且我国目前尚缺乏必要的统计资料。因此,本文采用“全部从业人员年平均人数”作为劳动投入量指标。

(二)环境变量的选取

环境变量指的是那些影响各省装备制造业效率但不在装备制造业主观可控范围之内的因素。本文选取了4个外部环境因素:

第一,教育发展因素。教育是人力资本形成的重要途径,人力资本是影响经济增长产业发展的一个重要因素。本文选取“高中以上学历占总就业人员比例”来反映各省在教育发展方面的差异。第二,工业发展因素。雄厚的工业基础一方面可以为装备制造业发展提供可靠的原材料和技术支持,另一方面也可以为装备制造业提供广阔的市场需求。本文运用“工业增加值”除以“地区生产总值”得到的“工业发展比重”来反映各省不同的工业发展程度。第三,金融支持因素。现代企业的发展离不开金融的支持,缺少“金融血液”的持续稳定供给,任何企业都难以得到持续的发展。目前,在我国间接金融还是占有绝对主导地位,因此本文选取“金融机构存贷款余额”除以“地区生产总值”得到的“金融支持程度”来反映各省的金融发达程度。最后,宏观经济因素。宏观经济环境是任何企业或产业都要共同面对的重要因素,装备制造业也不例外,经济总量的增长幅度对装备制造业的发展会起到很强的促进作用。本文选取“地区生产总值增幅”作为宏观经济因素。

(三)数据说明

鉴于数据的可得性和完整性,本文选取 2009年中国31个省(自治区、直辖市,以下简称省)的装备制造业为样本,其中装备制造业的投入产出数据都是由 7个子行业相关数据加总而成。文中数据分别来源于《中国工业经济统计年鉴 2010》《中国统计年鉴 2010》《中国人口和就业统计年鉴 2010》《中国金融年鉴 2010》。

三、实证结果与分析

为了研究国内各省装备制造业的技术效率和规模报酬的发展状况,并寻求推动技术效率增长的方向,本文运用 Fried等(2002)提出的DEA三阶段法,去除了外部环境以及随机干扰的影响,计算了 2009年 31个省份装备制造业的全要素生产率指数。

(一)第一阶段初始DEA计算结果

第一阶段运用DEAP2.1软件中的可变规模报酬模型(BCC模型)对 31个省份装备制造业的效率水平和规模报酬进行了初步评价。表1为我们列出了各省装备制造业的全要素生产率(TFP)、技术效率 (TE)、规模效率 (SE)以及规模报酬所处的状态(RS),其中 TFP=TE×SE。

首先,根据表1我们发现,在不考虑环境因素和统计误差的影响下,全国平均全要素生产率为 0.729,说明还有较大的效率空间可以提高。而其中规模效率很高为 0.948,接近最高值 1,表明各省基本都处于最优规模报酬阶段;而全要素生产率低下的主要原因是技术效率不高,技术效率仅为 0.773。其次,仔细观察各省的具体情况,可以发现很多结果似乎与我们预先设想的结果偏差较大:(1)其中有10个省的技术效率等于 1,说明这些省位于技术效率前沿。但这 10个省内既有北京、上海这样的发达地区,也有海南、西藏这样的欠发达地区。并且黑龙江、湖北等较发达省份得分低于 0.7,很难解释这一差异的原因。(2)规模效率得分普遍很高,除了江苏、西藏、青海三省,其他各省得分都在 0.9以上,差距不大。但现实中各省之间的产业规模相差巨大,观察“总产值”的描述统计量可以发现,最大值与最小值之间相差十几万倍。(3)有多达 8个省的规模报酬处于递减区间,12个省处于规模报酬不变,只有 11个省处于规模报酬递增区间。但是,我国装备制造业与其他发达国家相比还比较弱小,产业规模还有很大的增长空间。

我国的幅员辽阔,各省之间的差距巨大,产业发展所面临的外部环境相差迥异。以上这三个问题正可以说明在评价各省装备制造业全要素生产率时,如果不考虑外部环境和随机干扰的影响,得到的结论很难反映真正的现实情况。因此,我们下一步有必要通过 SFA方法去除外部环境和随机干扰对全要素生产率评价的影响。

(二)第二阶段 SFA回归分析结果

在第二阶段,运用 FRONTIER4.1软件将第一阶段得到的各样本投入松弛变量(slack)作为被解释变量,将影响装备制造业发展的教育发展因素、工业发展因素、金融支持因素和宏观经济因素等 4个外部环境因素作为解释变量构建 SFA回归模型,具体结果见表 2。

表 1 2009各省装备制造业初始DEA指数及分解

表 2 第二阶段 SFA估计结果

接下来,观察各个解释变量的回归情况。除了工业发展因素在劳动力松弛变量的回归方程中只在 10%的水平上显著以外,其余各个变量都在 1%水平上显著。由于环境变量是对各投入松弛变量的回归,所以当回归系数为负时,表示增加环境变量有利于投入松弛变量的减少,即有利于减少各投入变量的浪费或降低负产出。

教育发展因素对于三个投入松弛变量的系数符号均为负,表示教育水平越发达越有利于投入松弛变量的减少,有利于节约各种投入变量,提高各决策单位的效率水平。这一结果符合我们的事先预期。工业发展因素、金融支持因素和宏观经济因素的系数符合均为正,表示这些环境变量的值越大越会造成投入的浪费,不利于效率的提高。这三个环境变量的数值越大,就越表明市场上产销两旺,整体经济积极向好,因此决策单元对未来的预期也会比较乐观,规模扩张意识强烈,这样就可能导致过度投资或是忽略投资的经济效益,最终造成投入量的部分浪费。应该说这一结果也是符合经济逻辑的。

(三)第三阶段投入调整后的实证结果

将调整后的投入变量和原始的产出变量代入BCC模型,利用Deap2.1软件再次进行运算,可获得第三阶段的各效率值以及规模报酬的状态,运行结果见表 3。

表 3 2009各省装备制造业最终DEA指数及分解

对比表 3与表 1可看出,排除外部环境和随机干扰的影响后,全国平均全要素生产率有较大的下降,由 0.729下降为 0.489。其中技术效率大幅上升,由 0.773上升为0.989;而规模效率大幅下滑,由 0.948下降为 0.497。由此推断,如果处于同样的外部环境和随机干扰中,全国平均技术效率水平非常高并且十分接近,规模效率低下是制约全要素生产率提升的瓶颈因素。

进一步分析各省情况。首先,处于技术效率前沿的地区由 10个上升到 26个,且全部省份的技术效率都有所上升。这一结果说明各省的装备制造业在剥离了外部环境和随机干扰的同质环境下经营都是高效的。这一结果不难理解,在市场经济环境日益完善的条件下,如果不同决策单位之间的技术效率相差巨大,那么效率差的单位必然会遭到市场的自然淘汰。因此,经过了较充分竞争之后的装备制造业技术效率在全国各省之间表现极为平均。其次,各省的规模效率均有大幅的下降,特别是西部各省下降尤其厉害。应该说这样一个结果才更加符合我们的预先设想,就是各省装备制造业发展规模相差巨大,总产值最大的省份是最小省份的十几万倍,发展规模不平均,整体规模偏小。最后,只有江苏处于规模报酬递减阶段,上海、山东和广东三省处于规模报酬不变阶段,其余占绝大部分的 27个省份处于规模报酬递增阶段,应该继续加大要素投入力度,积极扩大产业规模。这也是符合实际的结果。

四、结论

本文运用三阶段DEA模型和 31个省份相关数据,分析了 2009年我国装备制造业的全要素生产率情况,得出如下结论:首先,调整前后各省的全要素生产率各项分解指标变化较为明显,外部环境和随机干扰确实对生产效率产生了重要影响,因此利用三阶段DEA方法进行装备制造业全要素生产率分析颇有必要,从而也在一定程度上弥补了国内研究上的某些不足。其次,我国装备制造业平均全要素生产率比较低下,拥有很大的上升空间。第三,我国各省代表生产决策与管理效率的技术效率得分并不低下,相反均能达到或接近随机生产前沿,且区域间差异较小。规模效率较低是目前阻碍我国装备制造业全要素生产率提升的关键因素。第四,我国各区域之间以及区域内部具有较大的差异,其中西部远低于全国平均水平并且内部差异也是最大的。最后,本文选择的 4个外部环境因素对于投入松弛变量均有非常显著的影响,反映外部环境因素对于提升各省全要素生产率有很大的作用。

相应的政策建议为:通过各种有针对性的政策措施鼓励扩大企业的生产规模,提高企业生产的规模效率;合理化配置生产要素,避免粗放经营,提高资源的利用效率;同时,在制定产业政策时应该充分考虑区域之间以及区域内部的差异性。另外,对于外部环境条件较差的地区需要继续加大教育投入力度,促进工业化进程,建立健全各种资金融通渠道,缩小地区发展差距。

[1] 白雪洁,宋莹.中国各省火电行业的技术效率及其提升方向——基于三阶段DEA模型的分析[J].财经研究,2008(10):15-25.

[2] 方燕,白先华.中国商业银行经营效率分析——三阶段DEA之应用[J].中央财经大学学报,2008(6):41 -46.

[3] 冯梅.我国装备制造业技术进步研究:1996—2006 [J].世界经济与政治论坛,2008(2):67-74.

[4] 黄台心,陈盈秀.应用三阶段估计法探讨台湾地区银行业经济效率[J].货币市场,2004(9):1-29.

[5] 黄宪,余丹,杨柳.我国商业银行 X效率研究——基于DEA三阶段模型的实证分析[J].数量经济技术经济研究,2008(7):80-91.

[6] 李然,冯中朝.环境效应和随机误差的农户家庭经营技术效率分析——基于三阶段DEA模型和我国农户的微观数据[J].财经研究,2009(9):92-102.

[7] 刘靖宇,张宪平.中国装备制造业技术效率的测度与空间差异分析 [J].统计与决策,2007(21):110 -112.

[8] 王永保.提高我国装备制造业全要素生产率的途径探讨[J].煤炭经济研究,2007(9):19-21.

[9] 杨廷干.对我国工业全要素生产率测度方法的看法[J].当代财经,1994(4):48-50.

[10]支燕.中国寿险业的效率研究[J].经济理论与经济管理,2009(6):59-64.

[11]Banker R D,CharnesA,CooperW W.Som e Models for Est im ating Technical and Scale Inefficiencies in Date Envelopm entAnalysis[J].M anagem ent Science,1984, 30(9):1078-1092.

[12]CharnesA,CooperW W,Rhodes E.M easuring the Efficiency of Decision M aking Units[J].European Journal ofOperational Research,1978,2(6):429-444.

[13]Fried H O,Lovell C A K,Schm id t S S,et al.A ccounting for Environm ental Effects and Statistical Noise in Date Envelopm entAnalysis[J].Journalof Productivity Analysis,2002(17):157-174.

[14]Jond row J,M aterov I,Lovell C A K,et al.On the Estim ation of Technical Inefficiency in the Stochastic Frontier ProductionModel[J].Journal of Econom etrics,1982 (19):233-238.

2011-02-16

王欣(1981—),男,博士,讲师,研究方向:产业经济学。

F062.9

A

1007-7111(2011)03-0031-05

(责任编辑 张佑法)