中国的工业生产力革命

12004年1月7日讨论稿中国的工业生产力革命大中型工业企业随机前沿生产模型实证分析：1995-2002China’sIndustrialProductivityRevolutionAStochasticFrontierProductionFunctionAnalysisofChina’sLargeandMediumIndustrialEnterprisesduring1995-2002肖耿涂正革*†GengXiaoandZhenggeTu摘要：本文运用中国大中型工业企业1995-2002期间的年度企业数据，系统地研究37个两位数工业行业的全要素生产率(TFP)变化趋势及其特征，并用随机前沿生产模型，将TFP的增长分解为前沿技术进步（FTP）、相对前沿技术效率的差距(TE)的变化、配置效率(AE)以及规模经济性(SE)四大因素之后，发现：（一）中国大中型工业1996至2002年间TFP的行业加权年均增长率为6.8%，并呈逐年上升的趋势；（二）前沿技术进步已经成为TFP增长的昀重要动力，对TFP增长的贡献年均约为14个百分点；（三）因相对前沿的技术效率差距扩大，致使TFP年均下降约7个百分点；（四）企业投入要素的配置效率对TFP增长几乎没有贡献，年均贡献仅为0.02个百分点，而企业的规模经济性对TFP的贡献为负0.33个百分点。分析表明，世纪之交的中国昀重要的工业企业正经历着一场以技术进步为核心的生产力革命。前沿技术进步一方面推动着生产力的快速增长，另一方面却加剧了企业间的技术效率差异。相对前沿的技术效率的提高已经成为中国工业企业今后发展的另一个潜在动力及挑战。从政策角度看，中国工业发展应该是在引进前沿技术、鼓励技术创新的同时，加强各行业内企业间的平等竞争，通过比学赶帮，缩短行业内企业与其前沿企业间效率的差距，提高各行业整体的技术效率。另外，中国需要进一步深化大型国企的改革，充分发挥现代企业的规模经济性，并在生产要素的配置效率方面获得进一步的改进。关键词：全要素生产率前沿技术进步技术效率规模经济性配置效率Abstract:Usingthestochasticfrontierproductionfunctionanalysisandafirm-levelpaneldatacollectedbytheNationalBureauofStatisticsofChina,thispaperexaminesthetotalfactorproductivitygrowthofChina’slargeandmedium-sizedindustrialenterprisessectorduring1995-2002.Themajorfindingsinclude:(1)AverageannualgrowthofTFPinChina’slargeandmediumindustrialenterprisessectorwasashighas6.8%witharisingtrendduring1996-2002;(2)ThecontributiontoTFPgrowthbyFrontierTechnologyProgressreachedasmuchas14percentagepointsayearonaverage;(3)ThedeclineinTechnicalEfficiency(RelativetotheFrontier)reducedthegrowthofTFPby7.1percentagepointsayearonaverage;(4)AllocativeEfficiencycontributedonaverageonly0.02percentagepointsayeartothegrowthofTFP;(5)ScaleDis-EconomyslowedthegrowthofTFPby0.33percentagepointsayear.Theresultsshowthatattheturnofthecentury,themostimportantpartofChina’sindustrywasinthemiddleofanindustrialproductivityrevolutiondrivenbybothfrontiertechnologicalcatchingupandexpandinggapsoftechnicalefficiencyamongenterprises.Therevolutionisaresultofincreasedcompetition,privatization,foreigninvestment,andbusinessexpansion.Keywords:TotalFactorProductivity,FrontierTechnologyProgress,TechnicalEfficiency,ScaleEconomy,AllocativeEfficiency;JELClassificationcode:D24,C23,O47,L60*肖耿，香港大学，[e-mail]；涂正革，香港大学及华中科技大学，[e-mail]。†所有观点均属作者个人，不代表所在单位。作者感谢国家统计局邢俊玲和俞肖云对数据处理的帮助，华中科技大学林少宫教授和王少平教授的宝贵建议，及香港研究基金拨款委员会及大学拨款委员会的资助（项目编号：HKU7167/98H及A0E/H-05/99）。2一、引言改革开放后的四分之一世纪内，中国经济一直保持高速的增长。但是，按标准普尔2004年的数据，中国四大银行的不良资产率高达45%以上，大中型工业企业的亏损面也超过30%以上，这都是资源配置效率和生产率低下的表现。许多经济学者认为，高储蓄率以及大量外资的流入使得中国经济在低效率的情况下，能够靠大量资本投入的推动来保持高速增长，而并非通过效率的提高来达到高增长。这些结论主要是基于宏观数据和整体经济表现，无法反映中国经济多层次、动态、复杂的现状。本文运用微观层面的企业数据，借助随机前沿生产模型，考察中国工业企业中昀重要的一个群体，即中国境内全部大中型工业企业，的效率状况及其在1995-2002期间的变化趋势。本文所研究的企业群体所创造的增加值在1995-2002期间占到中国国民生产总值的12%到19%，并呈上升趋势。因此，这里的实证结果对深入分析中国工业生产力发展趋势及潜力有重要意义。随机前沿生产模型的理论昀初由Aigner、Lover、Schmidt(1977)以及Meeusen、VandenBroeck(1977)提出，并很快成为计量经济学中一个引人注目的分支。随机前沿生产模型假定，企业由于各种非价格的组织管理等因素导致生产过程中技术效率的损耗，而达不到昀佳的技术状况，即前沿技术水平。随机前沿生产模型的产出，是在考虑了随机冲击的情况下，一个行业中的企业在昀好的设备与昀佳的管理技术水平下所达到的昀大产出。随机前沿生产模型被大量用于全要素生产率的分析，并可以将全要素生产率的增长分解为前沿技术进步与相对前沿技术的效率差距的变化。在生产率研究的早期，特别是Solow的“残余项”方法，通常将技术进步看作是全要素生产率增长的唯一源泉。昀近的研究发现除了前沿技术进步外，相对前沿的技术效率变化也对全要素生产率有重要的影响。如果政策制定者了解生产率增长的结构因素，就可以考虑采取更有效的措施改善企业生产率。如果生产率低是由于前沿技术水平低，那么政策的重点应该是引导企业进行技术创新，加大研发投入，引进先进技术，以提高前沿生产技术水平，也就是让前沿生产函数向上移动。如果行业内已经具备大量的先进设施、工艺及技术，但是许多企业的实际产出依然与前沿技术产出相差巨大，这就是相对前沿的技术效率低下的表现。对此，政策的重点应该是如何通过竞争提高效率，加强人员的培训，提高管理水平，缩小效益低下企业与行业前沿技术水平的差距。Nishinizu和Page（1982）首次提出将全要素生产率（TFP）的增长分解成前沿技术变化和相对前沿技术效率的变化。此后，许多研究都沿用他们的方法分析全要素生产率的增长。Bauer(1990)使用美国航空业的数据将全要素生产率的增长分解为前沿技术进步、相对前沿的技术效率变化以及规模经济性改善等因素。Fecher与Perelman(1992)利用该方法分析了OECD制造业的全要素生产率与前沿技术进步。SanghoKim（2001）对韩国的制造业主要行业的全要素生产率进行了分解及分析。Kalirajan,Obwona以及Zhao（1996）研究了中国各省的农业全要素生产率的分解。姚洋（1998）及姚洋和章奇（2001）用随机前沿生产模型研究了中国工业经济的技术效率。胡鞍钢和郑京海（2004）选择常规模报酬的非参数模型，借助中国省际数据用DEA-Malmquist指数方法对TFP的增长率进行了分解。ZhuobaoWei(2002)等人用1993年1036家特大型工业企业的数据研究了所有制对中国制造业生产率的影响。YanruiWu（2000）使用1981-1995年27个省市的综列数据通过生产率分解研究中国经济的可持续发展问题。上述对中国经济技术效率的研究，要么是用微观企业的横截面数据，要么使用全国的或省际的宏观综列数据(paneldata)。宏观数据在数据加总过程中变量的波动性大大减少导致严重的信息损失，而截面数据则不能发现生产率及技术效率的动态变化特征，而1994-2002期间正是中国经济向市场经济转轨的关键时期，中国的工业企业发生了巨大的变化。另一方面，根据Schmidt和Sickles(1984)的研究，用截面数据来研究技术效率，在估计随机前沿生产模型时存在三大计量问题：第一是模型的估计高度依赖误差分布假设；第二是独立性假设过于苛刻；第三是技术效率的估计不具有一致性特性，这是横截面数据面3临的昀严重问题。对于这三大困难，综列数据就不难解决，因为，从抽样理论角度看，综列数据可以看作是对众多的观测样本的重复抽样。与单纯的截面数据相比，综列数据不仅包含更丰富的信息，更重要的是能够解决技术效率估计的非一致性。用宏观数据研究中国经济全要素生产率的文献不胜枚举，但运用企业层面的综列数据，在随机前沿模型的范畴下测量、分解中国工业各行业的全要素生产率在中国生产率研究领域还是空白。本文采用非平衡综列数据（unbalancedpaneldata）及随机前沿模型研究中国大中型工业企业各行业1995-2002期间全要素生产率的变化，根据Kunbhakar(2000)提出的分析方法，将全要素生产率的增长分解为前沿技术进步、相对前沿技术效率的变化、相对前沿资源配置效率的改善以及规模经济性的变化。本文的研究有以下几点独到之处：第一，使用较长的paneldata，不仅信息量更丰富，而且可以解决截面数据技术效率估计的不一致性；第二，使用微层面的企业数据，研究一群代表了中国昀先进生产力的大中型工业企业的全部样本；第三，在方法上，使用了随机前沿生产模型，考虑了随机冲击对前沿产出的影响，比确定性前沿生产模型更合乎实际；第四，样本期间1995-2002跨越中国经济转轨的关键时期，其结论对中国未来的发展及其他转型经济具有借鉴意义；第五，突破了将全要素生产率分解为前沿技术进步与技术效率的框架，从微观考虑了资源配置效率以及规模经济性，为产业发展以及市场建设提供了更有价值的信息及分析；第六，我们的分析是按两位数工业行业展开的，本文研究所得出的结论不仅对分析中国工业乃至整个经济、提出科学合理的政策措施有重大的现实和理论意义，而且，针对37个行业生产力的研究对企业考察自身在市场中的位置有重大参考价值。文章的第二部分将提出全要素生产率变化及随机前沿生产模型的分析框架。第三部分将说明数据及变量的来源及定义。第四部分是实证分析的结果。第五部分是结论及其相关的政策含义。附录部分给出较完整的数据表格以及模型的估计结果、假设检验和价格处理方法。二、全要素生产率与随机前沿生