中国制造业生产率增长研究

王蛟龙，代智慧

（中南财经政法大学 经济学院，武汉 430073）

0 引言

改革开放以来，我国经济快速增长，制造业也获得了发展良机，取得了长足的进步。但是在劳动生产率方面，我国同发达经济国家和地区相比，仍旧有相当大差距，这就导致了我国制造业生产效率不高。因此，研究我国制造业的生产率增长，对于提升制造业生产效率，促进制造业发展有重要意义。

对于我国企业生产率的研究，学者们选择的数据和方法存在差异。测算生产率方法主要分为参数和非参数两大类方法。先前的生产率测算主要采用宏观层面汇总的数据，其缺陷在于测算结果的准确性以及难以反映经济体结构的动态变化和企业的异质性。与现有研究相比，本文将从以下几方面进行拓展分析：一是本文通过ACF方法进行了中国制造业企业1999—2016年全要素生产率的测算，目前此方法在国内的运用还较少，而且是从企业的层面进行测算；二是本文对于全要素生产率研究的两种主流方法——ACF方法与LP方法做了一个比较研究，更加直观地看出ACF方法在对内生性的优化处理以及计算结果方面更加精确；三是本文通过对我国制造业三类行业结构的生产率情况加以比较，结合国家最新产业政策进行分析。

1 研究方法

1.1 LP方法

通常采用Cobb-Douglas生产函数。本文对于C-D函数取对数就可以将其转化为如下线性形式:

式（1）中，yit为取对数的企业的产出增长值；kit为取对数的资本存量；lit为取对数的劳动力投入量；mit为取对数的中间投入品使用量；ωit为研究者无法观测的随时间变化的企业生产率，但是企业相关决策者却可以观测到；εit为偏离预设水平的生产率冲击及测量被解释变量产生的误差。其中，yit、kit、lit这些都能被观察。而ωit和εit则是两个计量无法观察项。

LP方法设定中间投入品使用量mit是关于生产率ωit和资本存量kit的函数，mit=ft（kit，ωit），在给定kit的条件下，设定mit是关于生产率ωit的严格单调函数，求出ωit关于mit、kit的反函数，ωit=（kit，mit），代入式（1）中，可以得到：

（1）LP方法的第一阶段：

本文用资本和中间品使用量的多项式来拟合全要素生产率，来估算相关系数。得到LP方法第一阶段的广义矩估计：

（2）LP方法的第二阶段：

1.2 ACF方法

本文考虑“增长值”生产函数：

式（5）中，yit为取对数的企业的增长值（注：这里同OP方法一样，是企业的增长值）；kit为取对数的资本存量；lit为取对数的劳动力投入量；ωit为企业的异质性生产率，随时间变化；εit为偏离预设水平的生产率冲击及测量被解释变量产生的误差。

ACF方法提出一种新的数据生成机制（GPD）:

公司积累资本根据下式确定：

这里，投资iit-1在时期t-1被选择，决定的指标为kit。劳动投入lit有潜在的动态隐含意义，在时期t-b被选择（0＜b＜1）。在时期t，决定的指标为mit。

中间投入品如下定义：

给定这些假设，可以求出ωit的反函数表达，并代入到生产函数，式（1）中可以得到：

（1）ACF方法的第一阶段

对式（6）采取多项式的拟合，并用OLS方法进行回归，可以得到的估计值。这完成了ACF估计的第一阶段。具体为用kit、lit、mit的二次多项式（包括水平值、二次项以及交叉项）来表示（kit，lit，mit）。代入式（6）中，用实际的数据做OLS回归，得到二次多项式的具体表达式，即估计值。于是可以得到εit的表达式：

（2）ACF方法的第二阶段

矩条件一：

这里设定生产率变动遵从马尔科夫的一阶过程，ωt=E[ωt|ωt-1]+ξt，ξt是生产率冲击且与资本kit不相关。

考察ωit的时期t-1条件期望，可以得到：

矩条件二：

矩条件三：

条件四（非条件矩）：

相比较于LP方法，ACF方法在第二阶段需要估计一个额外参数βl，于是ACF方法需要一个额外的非条件矩。为了说明，本文定义ωit：

将ωit的表达式代入式（11），并用多项式乘积形式表达矩阵的方法，于是得到：

由上述4个条件，算出4个值β0、βk、βl和ρ。

最后，计算出ωit=͂（kit，lit，mit）-（β0+βkkit+βllit）。

2 变量选择与数据处理

本文测算我国制造业企业1999—2016年全要素生产率，使用了ACF方法和LP方法，基础数据来自我国1998—2016年《中国统计年鉴》《中国工业经济统计年鉴》以及出自国家统计局的《中国工业企业数据库》。由于LP、ACF方法的测算过程中，在计算当期的企业生产率的过程中，需要用到前一期同一家企业的信息集。因此需要采集1998—2016年相关数据，1998年的企业数据作为第一期数据，供1999年企业测算生产率使用，即具体的测算研究是从1999年开始的。

尽管中国工业企业数据库比较详实，但其中也存在记录有误的样本和空缺项[1]。参照谢千里等（2008）[2]、杨汝岱（2015）[3]并结合实际变量的需要，本文选取了制造业企业，并对数据做了相应筛选：一是删除了变量有所遗漏的样本，比如剔除工业增加值、工业总产值、工业销售额小于或等于0的样本；二是提取了从业企业职工人数大于或等于8的样本；三是剔除生产率过大和过小的企业样本。

经过处理后的数据中，1998—2016年的企业样本一共5171610家企业，其中相邻两年能够匹配上，适用于计算全要素生产率的企业样本一共3631089家企业。

本文测算过程中采用企业工业增加值作为产出量，中间投入品是包括原材料、电、石油等的加总值。同时做了价格指数平减处理，用各变量数据除以对应价格平减指数，从而得到实际值，从中经网统计数据库中得到价格平减指数表（以1995年为第一期）。计算折旧时使用永续盘存法，用实际投资值做为投资量计算。劳动变量指标采用企业从业人数。

3 实证分析

3.1 全要素生产率测算结果

本文采用ACF与LP方法对我国制造业企业1998—2016年企业数据进行测算，使用软件版本为Stata12.0，用Stata软件包levpet来测算，得出了1999—2016年我国制造业企业TFP，再采用各企业的工业增加值为权重，从行业层面来研究计算生产率。具体结果如下页表1所示。

表1 我国制造业分行业资本、劳动系数弹性（ACF方法测算结果）

3.2 生产率的行业比较分析

相同测算研究和相关检测后，本文发现ACF方法在内生性问题上更有优越性，获得了相对较好的估算结果，本文中主要用ACF方法测算的TFP结果作为分析的依据。通过两种方法的比较，ACF方法在解决内生性上有以下几个方面的优越性：一是，ACF方法具体的参数估计从第二阶段才开始，无论是模型还是测算更为简洁；二是，ACF方法同LP方法都是半参数的方法，在实际运用过程中适用范围更广泛；三是，ACF方法在第二阶段运算过程中巧妙地运用了相同矩条件的转换运算，对参数进行估计，有效克服内生性。

本文估算出的我国制造业TFP的各年均值为3.04，与鲁晓东和连玉君（2012）[4]、杨汝岱（2015）[3]等的结果大致相符。从TFP年均速度来看，我国制造业TFP1999—2016年均增长速度为7.27%，这也与邵军等（2011）[5]、余淼杰等（2015）[6]利用宏观和行业数据，估算出90年代以来TFP年均增长约为5%的结果大致相符。但由于各学者采用的年份数据不同，估算方法不同，得出的我国TFP年均增长速度有所差异，但大多数文献发现我国TFP年均增长速度在3%～6%之间，本文得出的TFP年均7.27%的增长速度略高于此范围。

从劳动密集型行业、技术密集型行业、资本密集型行业的TFP年均增长速度分别为7.18%、6.91%、7.70%。可以得出：技术密集型行业的TFP年均增长速度最低；与之比较，劳动密集型行业、资本密集型行业的TFP年均增长速度反而高些。

我国制造业分行业中生产率增长最快的是黑色金属冶炼及压延加工业、石油加工、炼焦及核燃料加工业、电气机械及器材制造业，可以看出这几个行业都属于高新技术相关行业，生产率增长迅速。

4 结论

本文基于1998—2016年我国制造业行业的面板数据，采用ACF方法和LP方法，先后测算出我国制造业企业层面全要素生产率，进行分行业资本、劳动系数弹性分析等，得到以下结论：

第一，从整体看，我国制造业的整体生产率在1999—2016年是稳步增长的。其中1999—2001年增长格外迅猛，规模以上企业数也逐步增长。这也反映出这段时期制造业发展环境良好，很大程度上得益于国家行业政策宏观调控。

第二，亟需提高我国技术密集型行业的技术集中度，提倡科技创新，推动技术进步。技术密集型行业的技术创新、技术使用度需要进一步提高，很多分类上是“技术密集型”的企业，例如电子计算机的制造企业等，其中核心的技术如电脑芯片的制造，都来源于国外。技术度不高的资本密集型行业、劳动密集型行业的生产率却一直在稳步增长。劳动密集型行业如纺织业等，吸纳了社会相当多的劳动力，对于维持国民经济正常运行，解决就业问题有着特殊的作用，依旧需要鼓励和推动该行业持续进步，实现合理与优化发展。

第三，高新技术行业是生产率增长最快的行业，相关的行业扶持政策效果较为显著。传统行业的生产率增长较慢，如文教体育用品制造业、家具制造业、服装等，推行传统行业技术革新任重道远，需要有新的产业政策来积极引导，实现稳定持续发展。