中国先进制造业技术效率及其影响因素测度

2015-12-28谭媛元谭蓉娟

北方经贸 2015年9期

谭媛元，谭蓉娟

（广东工业大学经济与贸易学院，广州 510520）

一、文献回顾

先进制造业的概念首次为美国政府于1992年正式提出，美国政府认为，先进制造业是拥有先进制造技术的行业。秦世俊（2004），蒋文怀（2013）认为先进制造业是指制造业不断地吸收电子信息、计算机、机械、材料以及现代管理技术等方面的高新技术成果，并将这些先进制造技术综合应用于制造业产品生产全过程，实现优质、高效、低耗、清洁、灵活生产的制造业的总称。邬龙，张永安（2013）就先进制造业创新研究中长期忽略创新效果和产业竞争力问题，运用SFA方法对北京市信息技术和医药两大代表性先进制造业为例对其创新效率进行了比较分析。

本研究在现有研究成果的基础上，以技术效率与先进制造业发展之间的关系为研究主线，按照提出问题、理论建模、实证分析的脉络，对先进制造业的技术效率进行测度并对影响技术效率的内外部因素进行分析，从而较为系统深入地揭示技术效率提升对先进制造业发展的重要作用，为先进制造业发展研究提供新的思路，为产业发展战略的制定提供决策参考。

二、模型构建

随机前沿模型(Stochastic Frontier Analysis，SFA)是把生产前沿面看作是随机的并采用统计学方法对参数进行求解，经典的随机前沿模型（SFA）可以表述为：

其中，y为产出向量；x为投入向量；β为技术参数；第一个误差项v～N（0，δv2）为双边误差项，表示各种随机的环境因素对前沿产量的影响。第二个误差项u≥0，为单边误差项，用以衡量技术非有效性。我们将传统的随机前沿模型优化为：

其中：其中，i=1，2，…，N；t=1，2，…，T，Yi,t、Ki,t、Li,t分别是i产业第t年的产出、资本投入和劳动投入，β0是基期年的前沿技术水平，β1、β2分别为资本和劳动的产出弹性；uit≥0是N×1维的技术无效率项向量，代表生产单位在第t时段的技术无效率程度；vit为N×1维的双边误差项向量，代表不可控的经济系统外部影响因素和数据测度误差等；ηit是N×1维的随机干扰项向量；W1、W2是空间权重矩阵，表示不同生产单位之间的空间相关性，W1yit为空间滞后因变量，W2vit为空间滞后误差项；τ是待估计的空间自回归系数；ρ是待估计的空间误差自相关系数。

三、指标描述与数据来源

由于现有统计口径的限制，先进制造业所涉及的七大产业的相关数据不能从已有的统计年鉴或其他官方统计数据中直接得到。考虑到上市公司年报及其深度研究资料中会披露较为详尽的数据，且上市公司特别是行业龙头公司往往代表了产业发展的趋势，我们选取先进制造业七大产业中排名前十位的、共计70家龙头上市公司2009～2013年的数据作为样本，所有原始数据均来自万得金融资讯终端。

（一）生产前沿方程相关指标

1.产业产出。我们选取主营业务收入作为先进制造业产出的指标。

2.资本投入。我们采用反映企业本期资产规模增长情况的总资产增长率指标描述产业资本投入参数，以企业本年总资产增长额同年初资产总额的比率来计算。

3.劳动投入。我们选择年末在职员工数目作为劳动投入的指标。

（二）技术效率方程相关指标

1.企业规模。我们以资产总额作为描述企业规模的指标。

2.创新能力。我们选取无形资产在总资产中的比重作为企业创新投入能力以及研发水平的指标。

3.管理能力。我们使用成本费用利润率指标来代表企业的管理水平。

4.控制能力。我们采用股权集中度表述控制能力这一参数。

5.偿债能力。我们采用资产负债率作为衡量企业资本结构以及偿债能力的指标，由负债总额除以资产总额的百分比来计算。

6.运营能力。总资产周转率是企业在一定时期业务收入净额与平均资产总额的比率。

7.盈利能力。净利润是衡量企业盈利状况最为合适的指标。

四、实证结果

为了避免回归过程中的内在的假设冲突以及传统的最小二乘法（OLS）失效问题，我们利用最大似然法（ML）对前沿生产函数与技术效率的外部因素进行一步联立估计，通过对技术无效率项的均值建立回归方程，考察影响技术效率的变量的显著性。根据以上假设，我们就已有的70家先进制造业上市公司2009～2013年的年报数据，使用Frontier 4.1软件分别进行经典随机前沿模型和空间随机前沿模型的最大似然（ML）联立估计，得到随机前沿生产模型和无效率方程的参数估计结果，分别如表1、表3所示。

接着，我们根据公式TEit=exp（-uit）计算出第个先进制造业在第t期的技术效率、年均技术效率及排名情况，如表2所示。