APP下载

基于劳动效率的中国全要素生产率的再测量

2015-01-01王芳李健

现代财经-天津财经大学学报 2015年12期
关键词:生产率要素变化

王芳 李健

(1.北京理工大学 管理与经济学院,北京100081;2.北京理工大学 人文学院,北京100081)

一、引言

改革开放以来,特别是1992年明确市场经济体制以来,中国经济持续20多年的快速增长引起了全世界的瞩目。美国诺贝尔经济学家保罗·克鲁格曼[1]质疑中国等亚洲国家经济增长的奇迹,认为通过劳动和资本的大量投入以获得经济快速增长的模式不可持续。中国经济快速增长是要素拉动还是全要素生产率提升的结果引起了国内外学者的关注。从研究对象的选择上,可将现有的研究分为两类:对全国或区域全要素生产率的测算和对行业或部门全要素生产率的测算。

第一类研究以省级为单位测算中国或区域全要素生产率(简称TFP)的变化,来分析经济增长的源泉。代表性的研究有:郭庆旺等[2]采用多种方法对比研究认为1993年前TFP波动变化,1993后出现下滑,2000年后出现攀升势头;TFP增长较慢是因为技术进步缓慢,技术效率低下。郑京海等[3]研究了1978-1995年的数据得出了类似结论。颜鹏飞等[4]研究了1978-2001年中国30个省的数据认为技术效率的提升是全国TFP增长的原因,由于技术进步减慢使得1997年以后TFP增长率下降,1992年后技术进步成为各地区TFP差异的主要原因。金相郁[5]测算了1996-2003年的省际数据得出TFP增长了3.8%,1999年前为负增长,之后为正,主要得益于技术进步,技术效率反而下降;在区域上东部TFP增长最快(7.6%),中西部增长了为3.8%。章祥荪等[6]测算了1978-2005年全要素生产率的变化为1.6%,从2002年开始呈负增长态势,主要受技术效率持续下降所致;区域上东部TFP增长最快(2.15%),主要得益于技术进步优势,西部次之(1.68%),主要挖掘了技术效率潜力,中部靠后(0.31%),技术进步缓慢的同时技术效率也下降。邹心勇等[7]测算1978-2010年全要素生产率的平均变化为1.49%,主要得益于技术效率的提升,从2006年起呈负增长态势,技术效率和技术进步都出现明显下降。李建国等[8]研究了1990-2009年31个省的数据认为TFP平均变化为-1.8%,其中技术进步率变化为0.9%,技术效率变化为-2.6%,张建华等[9]采用省际不同的折旧率研究发现1979-2010年间TFP呈正增长态势,平均增长率为2.48%,其中技术进步率为4.15%,技术效率为1.58%。

第二类研究通过测算某一行业或部门的全要素生产率,分析行业或部门的技术进步情况。代表性的研究有:李小平等[10]采用DEA方法对34个细分行业测算得出1998-2003年的TFP增长7%,张军[11]采用随机前言分析方法显示2001-2006年工业行业TFP增长了10.6%,李胜文[12]等研究发现1996-2005年的TFP增长为1.62%,其中资本密集型制造业的TFP增长低于劳动密集型制造业和采掘业,主要原因是资本密集型制造业中产出弹性相对较低的中间投入和资本增长较快;周燕等[13]采用DEA方法得到2003-2007年全要素生产率增加了10.83%。现有测算结果都显示进入新世纪后,工业行业的全要素生产率呈增长态势,其主要来源是技术进步而不是技术效率[14,15]。

综合上述研究,我们发现:(1)90年代前中国全要素生产率快速增长[3,4-7,9],主要是因为土地制度改革释放了劳动力潜力,推动了技术效率的提升;90年代后中国全要素生产率增速减缓,并在不同年份出现负增长态势[2-5]。这与易纲、樊纲等经济学家[16]从制度变迁、技术进步、人力资本素质提高、人民币汇率走势以及官方储备增长方面证明中国经济增长效率提高的结论不一致;进入21世纪初,全要素生产率是升还是降,不同的学者得出了不一致的结论[2,5-9],现有研究是否低估了中国全要素生产率的增长速度还值得进一步研究。(2)从区域上,东部得益于技术的快速发展,全要素生产率增长最快的结论得到了学者的一致认同,但是中部还是西部的全要素生产率走在了前面,目前还存在争议,其相应的驱动因素也未达成一致意见[5-6,8],还值得进一步的深入研究。(3)现有研究对工业行业全要素生产率呈增长态势的结论较为一致,但其增长率大小相差较大,而且从全国和行业两个层面得到的全要素生产率的结果也相差较大。我国是一个以工业为主导的国家,尽管自2000年后工业在全国经济比重中有所下降,但工业仍是拉动我国经济增长的主要部门,工业行业的技术进步状况对我国经济的发展影响较大,因此需进一步分析居经济主导地位的工业行业的全要素生产率的变化。(3)不同学者采用不同的研究方法得出了不同的结论。malmquist指数法不需要对生产函数的行为进行假设,不需要首先估计参数值,允许存在无效率行为,从而近年来受到更多学者的欢迎[19-23]。这些学者对malmquist指数分解都采用 FGNZ模型[10],Ray和 Desli[11]指出FGNZ模型中malmquist指数分解存在内在逻辑不一致,以规模收益不变技术为假设的问题,并提出相应的修正模型(RD模型)。因此本研究采用修正的分解模型进一步分析全要素生产率增长的驱动要素具有重要的意义。(4)劳动投入严格定义为总工作时间乘以单位时间内的工作质量,现有研究中劳动投入变量采用就业人数度量,仅仅考虑劳动投入的数量,而忽略了工作时间内的工作质量,难免导致对全要素生产率测算的不准确。

基于以上问题,本文采用修正的Malmquist指数RD分解模型,用就业人员的平均受教育水平度量单位时间内的劳动质量,用就业人数和就业人员的平均受教育水平的乘积度量劳动投入变量,从省级和行业两个层面测算中国1993-2012年间中国全要素生产率的增长情况如何,并对其进一步分解,探讨驱动全要素生产率增长的因素及其变化情况,然后深入研究不同地区的经济变化情况及其增长源泉,以及在工业化进程中工业行业的技术进步对全国生产率进步的影响,为调整政策措施提供指导和建议。

二、研究设计和数据说明

(一)DEA-Malmquist指数法及其RD分解模型

Malmquist指数最初是由经济学家Malmquist.S(1953)提出来的,利用缩放因子构造消费数量指数,缩放因子的概念与距离函数是对应的[17]。在此基础上,Cave等[18]将 DEA 思想和Malmqtrist指数方法结合起来,用距离函数之比构造生产率指数,即Malmqtrist生产率指数。这一指数虽然通过严格的理论证明,但不能进行实证。Fare等(1994a)[19]将理论的Malmquist指数变为实证指数,将以产出为基础的Malmquist生产率指数定义为两时期Malmquist指数的几何平均,如式(1)。

Fare et al.(1994b)[20]将 Malmquist生产率指数分解为技术效率变化(TECH)和技术进步变化(TCH),并进一步将技术效率变化分解为纯技术效率变化(PECH)和规模效率变化(SECH),其FGNZ分解模型为:

其中,技术进步变化(TCH)描述技术前沿面的变化,如图1中的变为,即技术创新,具体可表现为生产工艺、中间投入品以及制造技能等方面的革新和改进;技术效率变化(TECH)描述企业从技术前沿内部向技术前沿的追赶,如图1中点相对前沿面的距离的变化,具体可表现为企业组织管理水平的提升,现有技术的有效利用等。技术效率变化的分解建立在规模效率不变的基础上,纯技术效率变化(PECH)考虑了规模收益可变技术。

Ray和 Desli[21]认为FGNZ模型分解是基于规模收益不变技术,而现实技术是规模收益可变的,而且FGNZ模型分解的不同部分基于不同的技术假设,存在内部的不一致,因此RD模型基于可变规模收益假设,重新分解了Malmquist指数,如式(3)。

对比FGNZ模型和RD模型可以发现,唯一相同的分解是纯技术效率的变化,技术进步变化和规模效率变化都存在较大的区别。对于技术进步变化,根据图1可知,FGNZ模型计算的技术进步变化可表示为如式(4),以规模收益不变技术表示的技术前沿面的移动。而根据图1可知,RD模型计算的技术进步变化可表示为如式(5),以规模收益可变技术表示的技术前沿面的移动。既然FGNZ模型假设规模收益不变,就不存在规模无效率,从而表示技术追赶的技术效率变化的分解没有意义[21]。

对于规模效率变化,FGNZ模型分解的规模效率变化以不同生产前沿面为参照,不同时期的规模效率变化作比较。而RD模型认为规模效率变化是以同一生产前沿面为参照,两时期规模效率值的几何平均,如式(6)、(7)和(8)。以、为灵活运动的点使FGNZ模型分解的内在逻辑不一致,而以、为灵活运动的点,实现了规模收益可变的假设,另一方面RD模型采用同一时期以相同生产前沿面为参考计算规模效率变化更为合理。

图1 Malmquist指数及其分解图

因此本研究根据Malmquist指数和RD分解模型计算同一或跨时期的距离函数,其具体计算过程参照FGNZ模型距离函数的计算方法[20]。

(二)变量和数据说明

(1)省级样本数据说明

假定每个省(直辖市、自治区)作为一个决策单位,鉴于数据的可获性和完整性,选取除海南省和西藏以外的28个省市为样本(将重庆归入四川)。党的十四大提出建立社会主义市场经济体制,开放沿海城市,大量引进外资的方针政策,从此改革进入了新的阶段。现有文献表明改革开放以来我国TFP的变化可以1992年为界分为两个阶段,而1992年TFP变化的研究结论较为一致,因此本研究以1992~2012年为样本区间。采用地区生产总值作为产出变量,各省市各年份实际地区生产总值(1992年不变价)可由各省市地区生产总值(现价)和地区生产总值指数计算而来,数据来源于中国经济信息网统计数据库。投入变量包括实际资本存量和劳动投入。以就业人数和就业人员的平均受教育水平①平均受教育水平采用平均受教育年限代替,其计算方法是,将大学(及以上)、高中、初中、小学、文盲的受教育年限依次设置为16、12、9、6、0,然后乘以该教育水平的人数百分比。的乘积表示劳动投入,既反映劳动投入的数量,也反映其质量。各省市就业人数和及其平均受教育年限的数据来自《中国人口与就业统计年鉴》,就业人数缺少天津、黑龙江,湖南,云南2012年的数据,本文采用指数平滑法估计。由于各省市的资本存量没有直接的统计数据,我们借鉴张军[22]的方案,采用永续盘存法进行估算,计算公式为

其中i指第i个省市,t指第t年,K代表实际资本存量,I选取固定资本形成总额这一指标,P为固定资本形成价格指数,δ为折旧率,计算中取9.6%。1992年各省市的固定资产存量利用张军[15]给出的以1952年为基期的2000年全国各省市固定资产存量和固定资产投资价格指数数据计算得来。计算过程如下:

首先采用公式(10)计算各省市以1952年为基期的1992年的固定资产投资价格指数。

其中指第个省市,斜线下方的年份表示基期。其次根据公式(9)从2000年倒推估算出1992年的各省市的固定资产存量Ki1992/1952,然后根据公式11)计算出各省市以1992年为基期的固定资产存量Ki1992。

各省市固定资产形成总额和固定资产价格指数(上一年=100)数据来自中经网数据库,将固定资产价格指数(上一年=100)换算成以1992年为基期的价格指数,将固定资产形成总额看作全社会新增固定资产,缺乏广州1992-2000年固定资产投资价值指数的数据,用全国数据代替。

确定了各省市1992年的固定资本存量、全社会新增固定资产投资、以1992年为基期的固定资产价格指数和折旧率后,按照公式(9)我们计算出28个省市1992~2012年以1992年为基期的固定资本存量。

(2)行业样本数据说明

假定每个行业作为一个决策单元,取《国民经济行业分类》(GB/T4754-2002)两位码的32个行业②按《国民经济行业分类》(GB/T4754-2002)两位码分类方法,中国工业行业可划分为39个行业,我们去掉三个政府垄断性行业(电力蒸汽热水生产供应业、煤气生产供应业、自来水生产供应业)、两个分类笼统的行业(其他采矿业、工艺品及其他制造业)和一个缺少数据的行业(废弃资源和废旧材料回收加工业)。为了和贸易统计数据对应(贸易按SITC分类统计,只有商品贸易数据,没有行业贸易数据),我们又把农副食品加工业和食品制造业合并为食品制造和加工业,剩下32个行业。,并参考ISIC三位码,本研究将32个行业归为矿物采选、食品饮料、纺织毛皮、木材家具、造纸印刷、石化橡胶、矿物加工、机械设备、电子电气和文教体仪共十个行业大类③十个行业大类及所包含的两位码行业如下:矿物采选(包括煤炭采选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业);食品饮料(包括食品制造和加工业、饮料制造业、烟草制品业);纺织毛皮(包括纺织业、服装鞋帽制造业、皮革毛皮羽绒制品制造业);木材家具(包括木材加工及竹藤棕制品业、家具制造业);造纸印刷(包括造纸及纸制品制造业、印刷业);石化橡胶(包括石油加工及炼焦业、化学原料及化学制品制造业、医药制造业、化学纤维制造业、橡胶制品业、塑料制品业);矿物加工(包括非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业);机械设备(包括金属制品业、普通机械制造业、专用设备制造业、交通运输设备制造业);电子电气(包括电气机械及器材制造业、电子及通信设备制造业);文教体仪(包括文教体育用品制造业、仪器仪表及文化办公用机械制造业)。[23]。由于《国民经济行业分类》的行业分类标准在2002年和2011年分别进行了第二次和第三次修订,为保证行业分类的一致性和数据的可获得性,我们选取2003-2011年为研究样本区间,采用以1993年不变价格计算的工业增加值作为投入变量,中国统计年鉴公布了2003、2005-2008年的工业增加值数据,其他缺失年份的数据根据现有年份工业增加值占工业总产值的平均比例乘以当年的工业总产值估算得来,并以工业品出厂价格指数作为平减指数计算各年份的实际工业增加值。资本投入采用各行业固定资产净值余额替代各行业年末的资产存量,劳动投入采用各行业的就业人数乘以就业人员的平均受教育程度,处理方法同省级劳动投入变量。2003-2011年固定资产净值余额数据都来自《中国统计年鉴》。就业人数和就业人员的平均受教育水平数据来自《中国人口和就业统计年鉴》,固定资产净值余额采用工业品出厂价格指数计算各年份的实际资本投入(2003年不变价)。

三、实证结果与分析

(一)省级测算结果分析

以28个决策单位1992-2012年的数据为样本,我们采用上述的DEA--Malmquist指数的计算方法利用Matlab7.0软件计算各省市各年份的Malmquist生产率指数,进一步,计算各年份各指标的省际均值(全国的Malmquist生产率指数及其分解)和各省市各指标的年度均值(省域的Malmquist生产率指数及其分解),结果见表1和表2。表中各指数均以上一年为基期,上一年的指数设为1。各指数与1的正、负差值表示该指数上升、下降的百分率。

(1)全国全要素生产率变化及其组分变化的时间趋势

自1992年建立市场经济体制以来,我国全要素生产率不断增长。如表1所示,1993-2012年我国(省际平均)全要素生产率年均增长5.1%,其中技术进步年均增长5.3%,技术效率年均增长为-0.2%。由此可见,技术进步是全要素生产率增长的核心动力。

从时间趋势上看,中国全要素生产率变化呈现出三个阶段性的增长特征。第一阶段(1993-1994年)全要素生产率的平均增长率为1.9%,其主要驱动因素为技术效率的快速提升,这与中国的国情基本一致。第二阶段(1995-2004年)全要素生产率的平均增长率为3.7%,其主要驱动因素为技术进步率的增长,技术效率为-0.06%。这主要是因为确立市场经济体制后,开放沿海地区,引进外资带来了先进的生产设备和生产技术,大大促进了技术的进步。与此同时,外资和廉价劳动力的大量投入,组织管理水平较低,规模效率快速下滑,导致技术效率大大降低。第三阶段(2005—2012年)全要素生产率的平均增长率为7.9%,中国经济的增长质量有明显改善。这主要是因为技术效率的潜力得到挖掘,成为继技术进步后的又一驱动因素。虽然受金融危机的影响,技术进步的步伐放缓,但技术效率的强劲提升保证了全要素生产率的正增长。这说明国家鼓励转变生产方式,在积极的财政政策的引导下,资源配置效率得到提升;同时国内中小企业经历全球竞争环境的洗礼不断成长壮大,经营管理水平得到提升;但在金融危机中出口受阻的情况下,技术进步增长放缓,说明我国的自主研发实力还有待提升。

从技术效率的分解来看,1995-2004年间技术效率下降的原因是纯技术效率和规模效率水平都为负增长,这可能是因为内外资和廉价劳动力大量涌入沿海城市,资源配置水平低,其潜在的技术实力未得到发挥。2005年后,纯技术效率和规模效率水平都得到一定的提升,其平均增长率转为正,这可能是因为 WTOA后,国内企业在市场竞争中不断提升经营管理水平,再加上金融危机的洗礼,效率较差的企业纷纷倒下,现存企业的经营能力更强,资源得到更合理配置,市场竞争能力较强,技术效率渐渐回升。

现有研究[2-5]认为92年后中国全要素生产率不断下降,主要是因为技术进步放缓和技术效率下降所致,并导致负增长的态势;进入21世纪初,全要素生产率的走向并未达成一致意见[2,5-9],而本研究结果显示1993-2012年中国全要素生产率年均增长率为5.1%,不但没有下降反而呈现出增长的态势,高于李建国[8](1990-2010年 TFP的年均增长率-1.8%),郝然[24](1993-2008年0.3%),邹心勇[7](1993-2008年TFP的年均变化率为-2.7%)的研究结论,与张建国[9]的研究结论较为一致。本研究认为95年后中国全要素生产率增长主要得益于技术进步的优势,技术效率的下降减慢了全要素生产率增长的速率,与现有研究结论较为类似。但2005年后,技术进步放缓,技术效率开始攀升,两者间的替代作用保证了全要素生产率的增长态势,与张建华[9]的结论略有不同。

表1 1993-2012年全要素生产率指数及其组分的省际均值

(2)全要素生产率的省份和地区差异

我国28个省市全要素生产率增长率均为正增长,省际间存在较大的差异,如表2所示。天津、上海、广东、内蒙、黑龙江、甘肃、江苏、福建、安徽、四川、吉林、浙江、辽宁、新疆、河南、山东和宁夏等17个省市的全要素生产率增长率高于全国平均水平的变化(5.1%)。其中东部省市平均增速超过全国平均水平0.9个百分点,中西部省市平均增速比全国平均水平分别低0.4和0.5个百分点,中部略快于西部。陕西、湖北和云南等三个中西部省份位于最后三位,年增长率低于2.5%。

图2 全要素生产率指数及其组分变化趋势图

表2 全要素生产率指数及其组分的省际及区域变化(1993-2012年的均值)

从技术进步来看,全国28个省市的技术进步为正增长,有15个省市的技术进步变化快于其全要素生产率变化水平。其中东部省市增速最快,比全国平均水平快0.7个百分点,西部省市增长幅度与全国平均水平持平,显示出自西部开发后在技术发展方面的快速追赶步伐,而中部落后平均水平0.8个百分点。

技术效率方面,全国28各省市的技术效率均为负增长,东部和中部省市平均值变化并不明显,只有西部省市出现明显下降,陕西下降幅度为全国之最,达到-4.2%。其中,规模效率相对稳定,各省市的年度平均值保持了0.1%的正增长,但有11个省市出现了下降,还未达到规模有效状态;而纯技术效率中有16个省市出现了下降,年均增长率为-1.7%,反映出一半以上的省市在结构调整、体制机制创新等方面乏力,也导致全国平均水平拉低至下降区间,使得东中西部地区的平均值都在下降。其中青海、湖北和山西等中西部三省的纯技术效率和规模效率双双下降。

总体来看,各省市全要素生产率正增长主要得益于技术进步,纯技术效率下降导致技术效率的贡献较小。其中东西部地区全要素生产率的增长主要依赖于技术进步的优势,中部地区技术进步相对较慢,挖掘了技术效率的潜在优势,相比而言,西部地区的技术效率增长落后。省际间全要素生产率的差异较大,主要是因为发展较慢的省市的技术进步步伐慢,也未发挥技术效率的作用,双管齐下阻碍了全要素生产率增长的速度。

(3)不同劳动投入变量的结果比较

仅采用就业人数作为劳动投入变量,采用上述DEA-Malmquist指数的计算方法利用Matlab7.0软件重新计算全要素生产率指数及其分解,其结果与劳动投入变量中考虑就业人员的平均受教育水平的计算结果进行对比,如表3所示。

表3 不同劳动投入要素的全要素生产率指数及其分解结果对比

从技术效率的变化看,仅以就业人数作为劳动投入变量的计算结果呈现出逐年下降的趋势,从1994年的1.018下降为2012年0.888;而就业人数和其平均受教育水平的乘积作为劳动投入变量的计算结果呈现出下降后上升的态势,2005年为转折点。从技术效率的年均变化率看,以劳动人数作为投入变量的计算结果(-8.1%)大大小于以就业人数和其平均受教育水平的乘积作为劳动投入变量的计算结果(-0.2%)。这在一定程度上说明仅以就业人数作为劳动投入变量将会低估技术效率的增长速度。

从技术进步的变化趋势看,采用两种方法计算的技术进步率的变化趋势较为一致,但从增长的速度来看,以就业人数为劳动投入变量计算的年均技术进步率的变化为-0.7%,而加入平均受教育水平计算的年均技术进步率的变化为5.3%,这充分说明以就业人数为劳动投入变量将会大大低估技术进步率的增长速度。

综合来看,采用两种方法计算的全要素生产率存在较大的差异。以就业人数为劳动投入变量计算的全要素生产率呈下降态势,其年均变化率为-8.8%,而加入就业人员的平均受教育水平计算的全要素生产率呈增长态势,年均增长率为5.1%。这主要是因为以就业人数作为劳动投入变量的计算结果低估了技术效率和技术进步率的增长速度,从而双双拉低了全要素生产率的变化值,忽略了人力资本对全要素生产率增长的重要贡献[25]。知识型人才在技术引进,消化吸收和再创新方面,在学习国外先进的经营管理经验,应对市场竞争的决策上都发挥了重要作用,并通过知识型人才的流动,不断增强国内企业的自主创新和经营管理能力,是技术进步和技术效率提升的关键力量。

(二)行业测量结果分析

(1)全要素生产率及其组分变化的时间趋势

2004-2011年间我国工业行业的全要素生产率以年均10.7%的高速增长,如表4所示。其中,技术进步率年均增长9.4%,技术效率年均增长1.2%。这说明我国全要素生产率的增长主要来源于技术的持续进步,技术效率提升对生产率增长的贡献相对较小。与现有研究比较,工业行业全要素生产率变化的测算结果与张军[11]测算的结果(10.6%)一致,略低于周燕[13]的测算结果(10.83%),这说明此研究具有一定的稳健性。

表4 2004-2011年全要素生产率指数及其组分的工业行业均值

工业行业的技术进步的变动情况与全要素生产率的变动基本一致。2004年达到27.4%的峰值后,出现2005年和2009年的回落并出现显著下降,但在2009年后的两年仍保持了高速增长态势。另一方面,技术效率增速自2004年起不断放缓,2007年和2008年分别出现了负增长;在金融危机的影响下,2009年技术效率的快速反弹也使得工业行业全要素生产率保持了正增长。其中纯技术效率持续正增长,对技术效率的增长贡献较大,而规模效率的影响甚微。透过2005年和2009年技术进步率的大幅震荡可以发现,技术的快速进步掩盖了行业内的结构矛盾,加快行业内的结构升级,加强技术的消化吸收和再转化,增强自主创新实力,提高内部资源配置效率,提升规模效应是工业行业未来的发展方向。与现有研究比较发现:工业行业的全要素生产率各分解因素的变化趋势也与周燕[13]的研究结论一致。

(2)全要素生产率及其组分变化的行业间差异

从行业差异看,全要素生产率增速高于行业平均水平(10.7%)的四大行业分别是矿物采选业、矿物加工业、石化橡胶业和造纸印刷业,平均增长率分别为20.1%、18.9%、14.3%、12.7%,如表5所示。这四个行业全要素生产率的增长都得益于技术进步和技术效率的共同作用。全要素生产率增长最低的四个行业分别是电子电器业、文教体仪业、机械设备业和仿制毛皮业,平均增长率分别为3.7%、5%、6%和8%。其中,除仿制毛皮业的技术进步和技术效率双增长外,其余三个行业的全要素生产率的增长都受制于技术效率的下降。电子电器业和机械设备业虽然包含众多高新技术子行业,但两行业全要素生产率增长较慢凸显出我国多数高新技术产业仍处于加工、组装的资本和劳动密集环节,劳动力和资本投入仍发挥了重要作用。

表5 工业各行业全要素生产率指数及其组分的年度均值

(三)省级与行业层面的测算结果对比分析

工业行业层面测算的全要素生产率的年均变化比省级层面测算的全国全要素生产率的年均变化值高2.8个百分点,如表6所示,说明工业行业为全国经济的快速增长做出了重要贡献。从驱动全要素生产率增长的因素看,行业层面测算的技术进步率比省级层面测算的全国技术进步率高1.6个百分点,而技术效率增长值高1.2个百分点。与省级范围内技术效率增长对全国经济发展的贡献比较,技术效率对行业经济发展的贡献更高,这说明我国工业化建设走在了全国各部门经济的前面,工业部门内凝聚了中国主要的技术成果,汇聚了大量的技术和管理精英,为我国工业发展做出了较大贡献。

表6 行业和省级层面测算结果对比分析

四、结论与启示

现有大多数研究认为,90年代以后中国全要素生产率增长速度放慢,并出现负增长的态势,主要是因为技术效率的增长为负[2-3,5-9]。易纲[16]等经济学家通过观察经济发展现状,认为中国全要素生产率增长几乎为零的结论是难以令人信服的。本文深入研究发现:大多数研究忽略了劳动投入要素中对有效劳动质量的测量,从而导致全要素生产率测量结果被低估,另一方面大多数研究在Malmquist指数分解时,使用的FGNZ模型存在分解逻辑内在不一致的问题,而且该模型以规模收益不变技术为假设,与现实不符。本文充分考虑上述研究中存在的不足,以劳动数量与劳动质量的乘积作为劳动投入变量,采用能更好弥补FGNZ模型不足的RD分解模型,从省级和行业两个层面重新测量全要素生产率的变化,并对其进行分解。由此得到全国和工业行业的全要素生产率及其分解要素的变化情况,通过对比各测量结果,得到以下结论:

(1)通过省际研究发现,全国水平的全要素生产率一直处于快速增长态势,但自2008年起其增长势头有所放缓。全要素生产率的快速增长主要得益于技术进步的提升,1995年-2004年间技术效率的影响为负,但此后技术效率的潜力得到发掘,规模效率提升,是保证金融危机后全要素生产率呈正增长态势的重要力量。这说明靠引进外资,大量投资购买设备的技术进步方式不能持续,需加强自主研发实力,另一方面,企业在多年的全球竞争中,提升了经营管理水平,经受金融危机的洗礼后,存活下来的企业效率水平更高。因此需进一步增强自主创新能力,加强技术的引进、消化、吸收和再创新能力,同时以市场为导向,在将创新应用于市场的经营中,提升国内企业在全球的竞争能力。

(2)中国各省市全要素生产率增长均为正,但省市间存在较大的差异,区域上呈现出东部最快,中部略快于西部的阶梯状。东西部全要素生产率的增长主要依赖于技术进步的优势,中部相对而言发掘了更多的技术效率潜力,西部地区技术效率增长较为落后,这与我国区域发展政策密切相关;省市间全要素生产率的差异主要是因为中西部部分省市技术进步步伐慢,同时技术效率下滑,双管齐下。因此需因地制宜引进资本和技术,缩小东、中、西部的经济差距,扶持特别贫困的省市,创造各种环境和条件充分发掘技术进步,特别是技术效率的增长潜力。

(3)通过对比研究发现:以就业人数为劳动投入变量计算的结果低估了技术效率和技术进步的增长速度,从而双双阻碍了全要素生产率的增长,这可能是导致已有研究认为90年代以后中国全要素生产率下降并出现负增长的原因。本研究在劳动投入变量中加入就业人员平均受教育水平得到的结果显示:技术进步率一直保持较快的增长态势,技术效率也由下降转为增长,虽然受2008年金融危机影响技术进步增长缓慢,但技术效率和技术进步间存在替代作用,保证了全要素生产率持续稳定的正增长。这说明人力资本对全要生产率提升的重要作用,因此国家要重视人才的教育、培养、引进和各种用人政策,为人才的成长和流动创造更为有利的条件,促进人才在技术进步和技术效率的提升中发挥更大的作用。

(4)省级与行业层面的对比研究发现:工业行业的全要素生产率高速增长,比全国平均水平高2.8个百分点,说明进入新世纪工业行业是推动中国经济增长的主导力量。全要素生产率增长的来源与全国类似,但工业行业的技术进步速度比全国平均水平快1.6个百分点,技术效率快1.2个百分点。相比而言,技术效率对工业行业全要素生产率增长的贡献更为明显。从金融危机后技术进步的变化可以看出,我国工业行业技术的快速进步掩盖了行业内的结构矛盾,加快产业结构调整,增强自主创新能力是工业行业未来的主要发展方向。

(5)分行业研究发现,中国传统行业如石化橡胶、造纸印刷、矿物加工等仍是全要素生产率增长较快的行业,而新兴行业如电子电器行业、机械设备业、文教体仪等行业全要素生产率增长相对缓慢,特别是包含众多高科技产业的电子电器业和机械设备行业的全要素生产率增长反而较慢,这说明我国企业仍处于这些新兴行业的加工、组装等劳动和资本密集型环节,劳动和资本在这些行业发挥了重要作用。

[1]Krugman P.萧条经济学的回归[M].北京:中国人民大学出版社,1999.

[2]郭庆旺,贾俊雪.中国全要素生产率的估计:1979-2004[J].经济研究,2005(6):51-60.

[3]郑京海,胡鞍钢.中国改革时期省际生产率增长变化的实证分析(1979-2001)[J].经济研究,2005(2):263-296.

[4]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):55-65.

[5]金相郁.中国区域全要素生产率与决定因素:1996-2003[J].经济评论,2007(5):107-112.

[6]章祥荪,贵斌威.中国全要素生产率分析:Malmquist指数法评述与应用[J].数量经济技术经济研究,2008(6):11-122.

[7]邹心勇,赵丽芬.中国经济全要素生产率的变迁:1978—2010年实证分析[J].中央财经大学学报,2013(11):51-55.

[8]刘建国,李国平,张军涛,孙铁山.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报,2012(8):1069-1084.

[9]张健华,王鹏.国全要素生产率:基于分省份资本折旧率的在估计[J].管理世界,2012(10):18-30.

[10]李小平,朱钟棣.国际贸易、技术进步与中国工业行业的生产率增长[J].经济学(季刊),2008(2):5493-564.

[11]张军,陈诗一,Gary,H Jefferson.结构改革与中国工业增长[J].经济研究,2009(7):4-20.

[12]李胜文,李大胜.中国工业全要素生产率的波动:1986-2005——基于细分行业的三投入随机前沿生产函数分析[J].数量经济技术经济研究,2008(5):43-54.

[13]周燕,蔡宏波.中国工业行业全要素生产率增长的决定因素:1996-2007[J].北京师范大学学报(社会科学版),2011(1):133-141.

[14]张海洋.R&D两面性、外资活动与中国工业生产率增长[J].经济研究,2005(3):107-117.

[15]涂正革,肖耿.中国的工业生产力革命——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[J].经济研究,2005(3):4-14.

[16]易纲,樊纲,李岩.关于中国经济增长与全要素生产率的理论思考[J].经济研究,2003(08):13-20.

[17]Malmquist S.Index Numbers and Indifference surfaces[J].Trabajos de Estadisticay de Investigacion Operativa,1953.4(2):209-242.

[18]Caves D W.Multilateral Comparisons of Output,Input,and Productivity Using Superlative Index Numbers[J].Economic journal,1982,92:73-86.

[19]Fare R,Grosskopf S,Lindgren B,et al.Productivity Developments in Swedish Hospitals:A Malmquist Output Index Approach [C]∥Data Envelopment Analysis:Theory,Methodology and Applications.Boston:Kluwer Academic Publishers,1994:27-291.

[20]Fare R,Grosskopf S,Norris M,et al.Productivity Growth,Technical,Progress,and Efficiency Change in Industrialized Countries[J].American E-conomic Review,1994,84:66-83.

[20]Ray S C,Desli E.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries:Comment[J].American Economic Review,1997,87:1033-10391.

[22]张军,吴桂英,张吉鹏.中国省际物质资本存量的估算:1952~2000[J].经济研究,2004(10):35-44.

[23]符淼,易行健.资和外贸创新溢出效应的行业差异分析——基于广州市的实证研究[J].财经研究,2008(08):29-42.

[24]赫然.978-2008年中国全要素生产率的变动及其分解[D].复旦大学,2011.

[25]朱福林.全要素生产率与人力资本:基于中国经验数据的实证研究(1979-2010)[J].经济管理研究,2013(102):3-8.

猜你喜欢

生产率要素变化
中国城市土地生产率TOP30
从9到3的变化
掌握这6点要素,让肥水更高效
跟踪导练(三)4
这五年的变化
外资来源地与企业生产率
外资来源地与企业生产率
观赏植物的色彩要素在家居设计中的应用
论美术中“七大要素”的辩证关系
关于机床生产率设计的探讨