地区间生产效率与全要素生产率增长率分解_1978_2003_
地区间生产效率与全要素生产率
增长率分解(1978—2003)Ξ王志刚 龚六堂 陈玉宇
本文选取超越对数生产函数的随机前沿模型,对改革开放以来中国地区间生产效率演进进行了研究。通过对1978—2003年分省数据的实证检验发现:(1)东部地区的生产效率最高,其次是中部和西部。(2)各地区生产效率具有一定的波动性,但地区间差异基本保持不变。(3)国有化程度和财政支出占G DP 的比重对生产效率有负面影响。出口占G DP 的比重、初始人力资本对生产效率有正面影响。(4)国有企业比重、财政支出比重和出口比重越高,生产的不确定性越高。初,生产的不确定性越低。相对中部地区,东部地区的生产不确定性较高,西部较低。(5)全要素生产率增长率主要由技术进步率决定,而且从1990年代中期以后有所下降。对生产效率的重视程度有待提高。
关键词 全要素生产率 生产效率 超越对数生产函数 随机前沿生产函数
作者王志刚,1976年生,经济学博士,财政部财政科学研究所(北京 100036);龚六堂,1970年生,理学博士,北京大学光华管理学院应用经济系教授(北京 100871);陈玉宇,1970年生,经济学博士,北京大学光华管理学院应用经济系助教授(北京 100871)。
Ξ 本文是在王志刚博士论文基础上修改而成,同时得到了教育部“新世纪优秀人才基金”资助。① 邓翔、李建平:《中国区域经济增长的动力分析》,《管理世界》2004年第11期。② W.T.Woo ,Chinese Economic Grow th :S ources and Pros pects ,in Fouquin M.and Lemoine F.(eds.),The Chinese Economy ,Paris :Economica ,1998;张军:《增长、资本形成与技术选择:解释中国经济增长率下降的原因》,《经济学(季刊)》第1卷第2期(2002年)。
③ Y oung ,Alwyn ,The Tyranny of Numbers :Conf ronting the Statistical Realities of the East Asian Growth Experience ,T he Quarterl y J ournal of Economics ,MIT Press ,vol.110,no.3,1995,pp.641—680.④ P.Krugman ,The Myth of Asia πs Miracle ,Forei gn Af f ai rs ,vol.73,no.6,1994,pp.62—78.⑤ J.Y.Lin ,Rural Reforms and Agricultural Growth in China ,A merican Economic Review 82,1992,pp.34—51.
一、引 言
中国过去20多年来的高速经济增长,究竟是什么原因造成的?对此存在着激烈的争论,大致有下面三种观点:第一种观点认为,中国高速经济增长来源于投入的高增长①,包括资本的积累②,劳动参与率的增加以及部门间劳动力的转移③。这种观点认为传统的经济理论足以解释
这种所谓的“经济奇迹”
④。第二种观点认为,高速的经济增长主要来源于效率提高,农业制度创新⑤、国有企业改革,以及财政金融贸易等领域的改革促进了资源的充分利用和优化配置,?
55?
导致了效率改进。第三种观点强调,高速增长主要来源于技术进步。这里面有两种力量在起作用:第一种是开放的力量,对外贸易、引进外资和加强国际合作带来了新的技术和管理经验①。第二种是科教兴国战略的力量,教育科研活动的加强也促使经济实现高速增长。
经济增长的核心就是全要素生产率(TFP )的增长。一般来说,产出的增长扣除投入增长之外就是全要素生产率的增长。以往的研究对全要素生产率增长的组成部分没有加以严格区分,将其混同于技术进步。其实这两者有本质区别,我们拟在本文中就TFP 增长率的组成部分进行较为细致的分析,以加深对中国地区差距成因的认识。全要素生产率的变化可以进一步分解为:生产效率变化、技术进步、规模效率变化、资源生产效率变化②。其中由于价格信息的可得性不够,资源生产效率不易计算,人们通常考察前面三种变化。生产效率用来衡量一个企业在等量要素投入条件下,产出与最大产出(生产前沿,Production Frontier )的距离。距离越大,则生产效率越低。技术进步表明了生产可能性边界随时间变化的轨迹。生产效率和技术进步具有不同的政策含义,经济改革不仅要加速创新活动,促进技术进步,更为重要的,是通过制度等手段提高现有资源的利用率,使实际产出接近潜在产出。规模效率变化体现出要素投入产出的变化,如果规模报酬递增且要素投入增加,或是规模报酬递减且要素投入减少,那么规模效率变化对全要素生产率变化起推动作用。
有许多国内学者对中国要素生产率测算及相关领域做过大量研究③,但是缺乏对生产效率水平影响因素的探讨。此外,还有一些学者对企业层面的生产效率和TFP 变化率进行研究④。上面这些研究主要集中在1978—2000年左右,而且多采用非参数方法,主要是数据包络分析(D EA ,Data Envelop ment Analysis ),对所选取的生产函数也施加了诸多限制。
本文在以下几个方面有别于以往的研究:首先,采用形式灵活的超越对数生产函数,对所选取的生产函数未做任何限制;借助随机前沿生产函数模型,对TFP 增长率进行详尽分解。其次,经过大量测算整理工作得到了1978—2003年的分省面板数据,这是目前较为全面的宏观数据库。最后,在生产效率方程中加入若干重要变量,以找出造成地区间生产效率差异的原因。
我们得到的初步结论是:(1)东部地区的生产效率最高,其次是中部和西部。(2)地区间的生产效率差异基本保持不变。(3)如果国有工业产值增加1%,那么该地区生产效率将会降低大约12%。如果财政支出占GDP 的比重增加1%,那么该地区的生产效率将会降低大约116%。而如果出口占GDP 的比重增加1%,生产效率会增加316%。如果初始的具有小学以上文化程度
?
65?中国社会科学 2006年第2期
①②③④沈坤荣、耿强:《外国直接投资、技术外溢与内生经济增长》,《中国社会科学》2001年第5期。
S. C.Kumbhakar and C. A.K.Lovell ,S tochastic Frontier A nal ysis ,Cambridge University Press ,
2000;本文将技术效率(Technical Efficiency )译做生产效率以便于理解。
谢千里、罗斯基、郑玉歆:《论国营工业生产率》,《经济研究》1994年第10期;郑玉歆、张晓、张思
奇:《生产效率、技术进步及其对生产率的贡献———沿海工业企业调查的初步分析》,《数量经济与技术经济研究》1995年第12期;郑玉歆:《全要素生产率的测算及其增长的规律———由东亚增长模式的争论谈起》,《数量经济与技术经济研究》1998年第10期;葛虹、冯英浚:《基于等效益面生产函数的全要素生产率与技术进步贡献率》,《数量经济与技术经济研究》2004年第11期。
何枫、陈荣:《经济开放度对中国经济效率的影响———基于跨省数据的实证分析》,《数量经济与技术经
济研究》2004年第3期;胡鞍钢、郑京海:《中国分省生产率的实证研究:1978—2001》,2004年工作论文(Swo PEc ),no.127;林毅夫、刘培林:《经济发展战略对劳均资本积累和技术进步的影响———基于中国经验的实证研究》,《中国社会科学》2003年第4期;刘小玄、郑京海:《国有企业效率的决定因素:1985—1994》,《经济研究》1998年第1期;姚洋、章奇:《中国工业企业效率分析》,《经济研究》2001年第10期。
的人口比例增加1%,那么该地区的生产效率会增加140%。(4)全要素生产率增长率主要由技术进步率决定,而且从1990年代中期以后有所下降,其原因有待进一步研究。
本文结构如下:第二部分数据介绍;第三部分本文所采用的随机前沿生产函数模型介绍;第四部分进行估计并讨论结果;第五部分全要素生产率增长率分解,并讨论其变化趋势;第六部分简短结论。二、数据简介
我们所采用的数据主要来源于《新中国五十年统计资料汇编》(1999年)、历年《中国统计年鉴》、某些年份和某些省份的统计年鉴及固定资产投资年鉴等。为了便于分析比较,数据不包括海南和西藏,重庆并入四川省。全部样本为1978—2003年中国28个省、市、自治区的样本数据,且仍沿袭传统的划分方法,划分为东、中、西部三个地区。
本文选取的主要变量见表1。
表1 主要变量与统计量
变量
观测值均值标准差最小值最大值实际人均G DP (元)
728104313430193615700173154082272015300劳动力(万人)
72819101270012441928013516400610911400实际G DP (亿元)
72827811717231140031310000129319760实际资本存量(亿元)
7289681219313351123037143881144612500国有工业产值占工业总产值的比重
728016707011654011311019842财政支出占G DP 的比重
728011417010656010492014490出口占G DP 的比重
7280111140114140100021108271982年小学以上文化人口比重
7280160530109710142690177801978年物质资本存量(亿元)728146171077419531371438837015804 数据来源:1978—2003年的分省数据。
下面我们就表1中提到的主要变量整理工作简单加以介绍:
(1)实际GDP (单位:亿元)
1999年以前的国内生产总值来自《新中国五十年统计资料汇编》,之后来自历年的统计年鉴。GDP 缩减指数是将以1952年为基期的指数进行的测算统一折算到以1978年为基期的指数,这种折算和统计年鉴公布的结果基本一致,然后对GDP 进行折现,基期为1978年。人均国内生产总值按照总人口数进行平均。
(2)实际资本存量(单位:亿元)
1999年及以前的资本数据来自北京大学中国经济中心刘明兴整理的《1970—1999中国经济增长数据》,其后的数据把历年的资本形成额(包括固定资本和存货增加)作为投资。实际资本
存量按照固定资产投资折现指数进行计算。按照10%的折旧率计算资本存量。
①其中投资的平减指数主要按照《中国国内生产总值核算历史资料:1952—1995》
②一书中给?
75?地区间生产效率与全要素生产率增长率分解(1978—2003)
①②物质资本存量测算,更为详细的讨论请见张军、吴桂英、张吉鹏《中国省际物质资本存量估算:
1952—2000》,载《经济研究》2004年第10期。
国家统计局国民经济核算司:《中国国内生产总值核算历史资料:1952—1995》,东北财经大学出版社,
1997年。
出的资本形成指数值计算得来。1996—1999年,所有省份的指数值均不存在,因此(固定)资本形成按照各省固定资产投资指数平减,存货按照RPI 计算。2000—2003年也是按照固定资产投资指数平减。广东省1999年和2000年的固定资产投资指数缺失,我们以建筑业价格指数代替进行计算。
(3)劳动力(单位:万人)
1999年以前来自刘明兴的数据①,其后来自历年统计年鉴三次产业从业人员总数,核实发现,刘明兴的数据也是三次产业的从业人员总数,从而保持了数据的一致性。在实际计算过程中,我们是以就业人员总数来衡量的。由于省际间缺少更为详尽的资料,故无法对劳动投入进行质量上的调整,更不可能像发达的市场经济国家那样用工作时间来衡量劳动的投入量。
(4)其他变量
在刘明兴的数据基础上,我们还补充了1999年之后的数据并进行相应的测算整理,包括国有工业产值占工业总产值的比重、当期出口占当期GDP 的比重、财政支出占GDP 的比重等。1982年小学以上文化人口比重和1978年物质资本存量也取自刘明兴的数据。
三、超越对数生产函数和随机前沿模型
首先需要对全要素生产率和生产效率的概念加以区分。我们用图1来说明,以一种投入和一种产出的生产函数为例。曲线1和2表示不同时期的生产前沿(Production Frontier ),它定义了最优的投入产出关系,代表了当前的技术水平下每一种投入水平所对应的最大产出水平。厂商要么处于前沿面上,要么位于前沿之下,这取决于他们的生产效率。
A 点代表着生产无效率点,
B 点和
C 点表示生产有效率点。无效率的程度可以用该点与前沿曲线的距离表示,距离越大越无效率。全要素生产率定义为从原点出发的射线的斜率。如果一个厂商从A 点移到B 点,斜率变大,意味着全要素生产率的提高,同时生产效率也得到了改进。从B 点移到C 点,生产效率不变,但是全要素生产率得到了提高。从前沿曲线1上移到前言曲线2就是技术进步。从图1可以清楚地发现:无论是技术进步,还是生产效率的改进,都会导致全要素生产率的提高。如果技术进步的速度过快,可能同时伴随着生产效率的下降。也可能生产效率提高和技术退步共存
。
图1 全要素生产率、生产效率和技术进步
(一)超越对数生产函数
本文所采用的超越对数生产函数形式为:
?
85?中国社会科学 2006年第2期
①主要参考的统计年鉴:《新中国五十年统计资料汇编》,国家统计局国民经济综合统计司编,中国统计
出版社,1999年;历年统计年鉴和人口年鉴。
lny it =α0+∑j αj
lnx ijt +αt t +12∑j ∑k αjk
lnx ijt lnx ikt +αtt t 2+∑j αjt lnx ijt t +εit
其中,lny it 是第i 个省份第t 年的对数产出(i =1,2,…,N ,t =1,2,…,Ti ),lnx ijt ,lnx ikt 是第i 个省份在第t 年第j ,k 种投入要素的对数形式,它们随不同省份和时期而有所变化。本文主要包括资本和劳动两种投入要素(j ,k =1,2)。t 是时间趋势,表示技术变化。
使用超越对数生产函数①,主要有下面几个优点:(1)允许要素间替代弹性可变。(2)允许存在非中性的技术进步,将技术进步分解为一个共同项和一个随不同地区和时间而变化的特质项。(3)可以方便地将TFP 增长率分解②为技术进步项、生产效率变化项,以及规模效率变化项。
微观经济理论中对厂商行为有一个基本的假定,那就是利润最大化。利润最大化的存在,决定了生产可能性边界的存在。在现实中,一个追求利润最大化的厂商的生产结果并不一定是最优的。它受到一些外部不可控因素的影响,这些因素影响了企业的产出水平,使其产出至多可以达到既定技术水平下的生产可能性边界,也就是生产前沿。也就是说,生产无效率是普遍存在的,完全有效是少见的,因此找出一些影响生产效率的关键因素是非常重要的。本文主要是利用随机前沿生产函数模型来估计生产效率。确定性模型没有对残差项加以区分,把所有影响生产效率的因素都归结为残差项,而随机前沿模型把残差项分解为两部分,一个是传统的白噪声项,另一个就是生产无效率项。接下来我们将给出具体的模型形式并加以讨论。
(二)随机前沿生产函数模型
本文采用的随机前沿生产函数定义如下③:
y it =X it β+(υit -u it )
(1)υit ～N (0,σ
2υ)(2)u it ～N +(μit ,σ2it )(3)
μit =z it δ(4)
σ2it =exp (z it θ)(5)
σ2ν=exp (z it
λ)(6)其中,y it 为第i 个省份在第t 期的实际国内生产总值的对数。X it 包含劳动力、资本(均为对
数形式)、时间,以及所有的二次项(包括交叉项)。β为待估计的未知参数。υit 为第i 个省份在
第t 期生产过程的随机误差,包括测量误差以及各种不可控的随机因素,如天气、运气等等。u it 为第i 个省份在第t 期生产过程的生产无效率项,服从半正态分布,为非负随机变量。z it 为影响
?
95?地区间生产效率与全要素生产率增长率分解(1978—2003)
①②③Laurits R.Christensen ,Dale W.Jorgenson ,Lawrence https://www.wendangku.net/doc/408195111.html,u ,Transcendental Logarithmic Production
Frontiers ,T he Review of Economics and S tatistics ,MIT Press ,vol.55,no.1,1973,pp.28—45;H.K im ,Y oung ,The Translog Production Function and Variable Returns to Scale ,Review of Economic and S tatistics ,1992,pp.547—552.
G. E.Battese ,T.J.Coelli ,Frontier Production Functions ,Technical Efficiency and Panel Data :With
Application to Paddy Farmers in India ,in T.R.Gulledge , C. A.K.Lovell (eds.),I nternational A p plications of Productivit y and Ef f iciency A nal ysis ,Boston :Kluwer Academic Publishers ,1992,pp.149—165.
Wang ,Hung 2J en ,P.Schmidt ,One 2Step and Two 2Step Estimation of the Effects of Exogenous Variables
on Technical Efficiency Levels ,J ournal of Productivit y A nal ysis 18,2002,pp.129—144;Wang ,Hung 2J en ,Heteroscedasticity and Non 2Monotonic Efficiency Effects of a Stochastic Frontier Model ,J ournal of Productivit y A nal ysis 18,2002,pp.241—253.
地区生产无效率的外生解释变量。
δ为无效率方程的外生解释变量系数待估计值。θ为生产无效率项方差方程系数的待估计值。υit 与u it 独立不相关,其中i =1,2,3,…,28,t =1,2,3,
(26)
(1)式为设定的随机前沿生产函数;(2)式为复合误差项,表明实际产出与潜在最大产出的差异;(3)式表明生产无效率项的分布;(4)式为生产无效率项的均值方程,由一组外生变量解释①,本文选取的解释变量包括地区的虚拟变量、国有工业产值占工业总产值比重(反映市场化程度)、财政支出占GDP 的比重(反映政府行为)、初始人力资本和物质资本,出口占GDP 的比重(反映开放程度);(5)式为无效率项的方差,它也可以被一组外生变量来解释,鉴于数据的可得性,我们对无效率项的方差和随机误差项的方差估计采取了同一组变量。其中,复合
残差项的方差:σ2=σ2u +σ2ν。定义γ=σ2u σ2ν
∈[0,1],如果γ=0,表明实际产出偏离前沿产出完全是由白噪声引起的,无效率项为一个常数。如果γ=1,表明实际产出偏离前沿产出完全是由生产的无效率引起的,而且和随机误差不相关。
1.技术进步率
我们定义的技术进步率为:
TP it =9lny it 9t
=αt +αtt t +∑j αjt lnx ijt ②
其中,αt +αtt t 表示纯粹的技术变化,是所有地区面临的共同的技术进步率,这是因为技术
外溢使每个地区都面临相似的前沿技术水平;∑j
αjt lnx ijt 表示非中性的技术进步,随不同地区和时期而变,因为有些技术是通过“干中学”获得的,这种学习能力因各种地区特征有所差异,而且需要一个学习的过程。
2.生产效率
我们定义的生产效率为③:
TE it =exp (-^u it )
其中,无效率项^u it 具有不同的表现形式。一般要求无效率项^u it 为非负的,以保证生产效率值介于0和1之间。当^u it =0时,存在完全的生产效率,TE it 值为1。当^u it 趋向于正无穷时,存在完全的生产无效率,TE it 值为0。本文采取的^u it 是某些变量的线性组合,随时间和地区特征而改变,我们可以据此对生产效率的变化轨迹做进一步研究。
(三)估计中的计量问题
在全要素生产率增长率的分解中,生产效率的估计极为关键,接下来我们主要对这一指标的估计进行阐述。复合残差项υit 和u it 的分布是独立的,都和回归的解释变量无关。这两项的联合分布有四种情形:正态—半正态(非负)(Normal 2Half Normal ),正态—指数(Normal 2
?
06?中国社会科学 2006年第2期
①②③S.Deprins ,Estimating Technical Efficiencies with Correction for Environmental Conditions :with
Application to Railway Companies ,A nnals of Public and Cooperative Economics ,vol.60,no.1,(J anuary/March )1989b ,pp.81—102;Wu yan rui ,Has Productivity Contributed to China πs Growth ?Paci f ic Economic Review ,vol.8,no.1,2003,pp.15—30.
S. C.Kumbhakar ,C. A.K.Lovell ,S tochastic Frontier A nal ysis ,Cambridge University Press ,2000.测量生产效率通常有两种方法:非参数方法无需估计企业的生产函数,从而避免了因错误的函数形式
带来的问题;缺点是需要大量的个体数据,且对算法的要求很高,同时对生产过程没有任何描述。参数方法通常是先估计一个生产函数,且考虑到该生产函数中误差项目的复合结构及其分布形式,并根据误差项的分布假设不同,采用相应的技术方法来估计生产函数中的各个参数。
Expo nential ),正态—截断正态(Normal 2Truncated Normal ),正态—伽玛(Normal 2Gamma )。分布不同,生产效率值也不尽相同。复合残差项的不同分布会引起估计上的问题。与最小二乘估计相比较,极大似然估计量都是有效的,而且截距项的估计为一致估计量。本文对复合残差项采取的是第一类联合分布,并用极大似然估计方法进行估计。
在实际的生产活动中,有一些外部变量不直接进入生产,但是却对生产效率具有重要影响,考虑这些外在因素对生产效率的影响会得到更有效的估计结果。究竟是什么因素决定了生产效率的变化,早期的实证研究采用了两步回归方法,首先,估计出随机前沿的生产函数,然后对无效率项与外生变量建立回归方程重新估计。需要注意的是,无效率部分具有非负性,因而需要采用截断回归(Tobit Regression )。但是两步估计法也存在着一定的计量问题:首先,要假定这些外部变量和投入要素之间不存在相关性,否则遗漏这些关键变量会造成第一步的估计结果(包括估计系数和复合残差的方差)就是有偏的。估计出的有偏无效率项会造成第二步估计的效率方程系数也是有偏的。其次,随机前沿模型往往假设无效率项同分布,但是在第二步的生产效率回归方程中,生产效率项是随着不同的外部变量变化的,这就形成了矛盾。
解决方法是采用一步回归,利用极大似然估计或是非线性最小二乘估计。王泓仁和施密特(Wang ,Hung 2J en 和Schmidt )①利用蒙特卡罗模拟方法证实了一步估计优于两步估计。一步估计又分别对生产无效率项的均值和生产无效率项的方差建立回归方程②。王泓仁③对上面的两类模型进行了综合,放松了生产无效率项随时间单调变化的假定,同时对生产无效率项的均值和方差分别建立回归方程。通过对无效率的均值建立回归方程,我们可以考察那些影响生产效率的经济变量的显著性及其隐含的经济意义。
四、中国生产效率估计(1978—2003)
为了对生产效率方程进行详细分析,我们结合中国经济现实,在生产效率方程的估计中加入以下的代表性变量:用国有工业产值占工业总产值的比重表示市场化或制度性指标,用财政支出占GDP 的比重表示财政因素或政府对经济的干预程度,用出口占GDP 的比重表示开放程度,用1982年具有小学以上文化程度的人口比例表示初始的人力资本,选择1978年的物质资本存量作为初始的物质资本存量,同时用地区虚拟变量代表那些观测不到的不随时间变化的地区特征。我们试图通过对生产效率方程的估计来考察中国市场化进程或所有制结构变化、财政支出变化、对外开放度变化,以及初始人力资本和物质资本存量对地区生产效率的影响。
(一)随机前沿生产函数估计
采用面板随机前沿模型,分别利用两步估计(模型1)和一步极大似然估计方法(模型2),?
16?地区间生产效率与全要素生产率增长率分解(1978—2003)
①②③Wang ,Hung 2J en ,P.Schmidt ,One 2Step and Two 2Step Estimation of the Effects of Exogenous Variables
on Technical Efficiency Levels ,J ournal of Productivit y A nal ysis 18,2002,pp.129—144;Wang ,Hung 2J en ,Heteroscedasticity and Non 2Monotonic Efficiency Effects of a Stochastic Frontier Model ,J ournal of Productivit y A nal ysis 18,2002,pp.241—253.
S. B.Caudill ,J.M.Ford ,Biases in Frontier Estimation due to Heteroscedaticity ,Economic L etters
41,1993,pp.17—20;Hadri ,Kaddour ,Estimation of a doubly Heteroscedastic Stochastic Frontier Cost Function ,J ournal of the Roy al S tatistical S ociet y 17,1999,pp.359—363.
Wang ,Hung 2J en ,Heteroscedasticity and Non 2Monotonic Efficiency Effects of a Stochastic Frontier
Model ,J ournal of Productivit y A nal ysis 18,2002,pp.241—253.
对上面的超越对数生产函数进行回归,结果见表2。
表2 随机前沿生产函数估计和效率方程估计结果
模型1
模型2模型1模型21.超越对数生产函数估计 2.生产无效率方程估计
劳动113174333014235333国有工业产值占工业总产值的比重
0107060111643(013588)(011619)(010842)(010680)物质资本016436333016294333财政支出占G DP 的比重
21011333111582333(011434)(011261)(012183)(011684)物质资本×劳动-011574333-011793333出口占G DP 的比重
-014104333-010358(010250)(010230)(010956)(010587)物质资本的平方010642333010979333初始人力资本存量
-118791333-113951333(010141)010194(011426)(011324)劳动的平方-010255010545333初始物质资本存量
-010049333-010020333(010242)(010156)(010002)(010002)物质资本×时间-010247333-010270333东部
-01063833-010195(010037)(010050)(010272)(010193)劳动×时间010230333010233333西部
13110333011291333(010037)(010030)(010371)(010229)时间-010302-010572333极大似然函数值
6961959926519655(010221)(010141)时间的平方010034333010033333残差项的部分参数估计
(010003)(010004)μ
015959015386(015173)(013559)γ019907
110000(010063)(010002)
注:333表示显著性水平至少为01001,33表示显著性水平至少为0105,3显著性水平至少为011。括号内为标准误差。模
型1为传统的两步法估计,其中的第一步采用极大似然估计。模型2为一步极大似然估计。极大似然函数值给出
了两步法中第一步估计的极大似然函数值和一步极大似然估计中的极大似然函数值。两步法中第二步的可决系数
为019525。表2中略去了生产函数估计中的常数项。以后的分析主要基于模型2。
μ为无效率项的均值。γ为无效率项方差与随机误差项方差的比值,反映了无效率项和随机误差项的相对重要程度。
数据来源:1978—2003年的分省数据。
下面我们对表2提供的估计结果做一简要说明:
1.对比两个模型的估计结果,我们发现大部分估计值都较为接近,但是关于资本和劳动的估计系数有所不同。模型1采用两步估计得出的资本的平均产出弹性为-010361,劳动的平均产出弹性为012759。模型2采用一步的极大似然估计方法得到的资本的平均产出弹性为011778,劳动的平均产出弹性为014156。通过比较,我们认为模型2的结论更符合经济现实,中国的经济增长是典型的劳动要素投入型增长。模型2生产函数的估计中,资本、劳动、时间以及所有
的二次项都非常显著,说明我们的模型具有相当的解释力。
γ基本上接近于1,说明生产无效率基本上是由于生产的无效率造成的,与随机误差项关系不大。
2.影响生产效率的地区特征因素有:初始劳动力质量(人力资本),初始物质资本存量,经济开放度(出口占GDP 的比重),市场化程度或制度性指标(国有工业产值占工业总产值的比重),政府行为(财政支出占GDP 的比重)以及地区因素。
在模型2效率方程估计中,我们可以清楚地看到,国有经济和财政支出比重高的省份,生产效率较低。如果国有工业产值增加1%,那么该地区生产效率将会降低大约12%。如果财政支?
26?中国社会科学 2006年第2期
出占GDP 的比重增加1%,那么该地区的生产效率将会降低大约116%。不难发现,财政支出比重的负面作用很大。那些对外开放程度较高的沿海省份,对外交流多,可以引入更多的外资和管理经验,从而会提高该地区的生产效率。出口比重每增加1%,生产效率会提高316%。初始物质资本存量越高,生产效率越高,但是作用程度很小。初始人力资本较多的地方,生产的效率更高。因为高素质的劳动力具有更高的劳动生产率,可以更有效率地利用先进技术组织生产。如果初始的具有小学以上文化程度的人口比例增加1%,那么该地区的生产效率会增加140%。三大地区的生产效率从东部、中部到西部依次递减。相对中部来说,东部的生产效率更高,但是并不显著;西部地区的生产效率更低,而且显著。
(二)生产无效率方程的进一步分析
从表2的生产无效率方程估计结果可以发现:初始人力资本存量、经济开放度、初始物质资本存量的提高都有助于减少生产的无效率程度,其中初始人力资本作用最大,初始人力资本存量越高,生产效率就越高;市场化程度越高,生产效率就越高;政府对经济的干预越少,生产效率就越高;相对中部地区而言,东部地区的效率更高,而西部地区的效率更低。
本文进一步考察了整个样本均值范围内,各种影响生产效率的变量的边际效应(Marginal Effect s ),具体见表3。
表3 无效率项的平均边际效应E (u )V (u )
国有工业产值占工业总产值的比重011065010226
财政支出占G DP 的比重115690010852
出口占G DP 的比重-014094010644
初始人力资本存量(1982年)-111387-011133
初始物质资本存量(1978年)-010022-010001
东部010*********
西部
011342-010042 数据来源:1978—2003年的分省数据。E (u ),V (u )分别表示无效率项的非条件均值和方差①。各种变量对无条件均值的影响程度和前面估计结果基本一致。方差表示生产过程的不确定性②,从符号可以看出,市场化程度增加,生产的不确定性会减少;政府对经济干预越多,生产的不确定性越大;对外开放程度越高,生产的不确定性越高;初始人力资本存量越高,生产的不确定性越低;初始物质资本存量增加,也会降低生产的不确定性,只是没有初始人力资本存量那么大;相对中部地区,东部地区的生产不确定性较大,西部的生产不确定性较低。
因为人力资本具有较大的正外部性,不仅可以提高人们自身的生产效率,而且同时可以提高教育的回报率,高的回报率又会激励更多的人进行人力资本的投资。人力资本和物质资本的互补性使那些具有高人力资本地区的生产更为有效,投资回报更高。那些具有高人力资本的地区抵抗风险能力也较强,这就减少了生产过程的不确定性。市场化程度越高,尤其是要素市场的完善,也会改善一个地区的劳动生产率。对外开放程度越高,说明一个地区对外交流频繁,
?
36?地区间生产效率与全要素生产率增长率分解(1978—2003)
①②Wang ,Hung 2J en ,Heteroscedasticity and Non 2Monotonic Efficiency Effects of a Stochastic Frontier
Model ,J ournal of Productivit y A nal ysis 18,2002,pp.241—253.
A.K.Bera ,S. C.Sharma ,Estimating Production Uncertainty in Stochastic Frontier Production
Function Models ,J ournal of Productivit y A nal ysis 12,1999,pp.187—210.
可以有效地从外部引入先进的技术和管理经验,从而提高该地区的生产效率。同时我们要注意的是,对外交流的扩大也会带来一定的风险,比如国际生产原料市场价格的波动、国外技术专利的时效性。最后,政府对一个地区的经济干预太多,会妨碍地区生产效率的提高,同时也会加大生产的不确定性。
五、全要素生产率增长率的分解
索洛余值法将产出的增长扣除投入品的增长余下的部分视为全要素生产率的增长,没有进一步区分全要素生产率增长的组成部分。本文利用随机前沿模型的估计,给出了TFP 增长的三个组成部分,即生产效率变化率和技术进步率、规模效率变化率,就可以求出每个省份及地区的全要素生产率变化轨迹。首先根据模型2的估计,画出各个地区的生产效率变化曲线图,见图2
。
图2 各地区生产效率变化曲线(T echnical E ff iciency)
从图2可以看出:(1)生产效率从高到低依次是东部、中部和西部。各个地区之间的生产效率变动趋势基本一致,且一直保持相当的差距。(2)自1978年到1990年代中期,各个地区的生产效率虽然有所波动,1985年略有下降,但总体而言,基本保持缓慢增长态势。从1990年代中期开始,生产效率有所下降,直到2001年才开始上升。
我们给出这种现象的部分解释:1979年到1984年,实行家庭联产承包责任制,大大提高了农民劳动积极性。1980年代初,国有企业放权让利也提高了生产的积极性,这些都带来了改革初期生产效率的提高。1992年10月,明确提出建立社会主义市场经济体制的改革目标。经过多年的努力,中国经济的市场化进程已经取得巨大的成就。到了1990年代中期,中国加快了要素市场的改革步伐,国有企业改革造成了大量的工人下岗失业。整个社会保障体制还没有建立,医疗、养老、失业等保险机制也正在建立之中,这给整个社会带来了巨大的风险。此外,中国也加快了财税体制的改革力度。1994年实行分税制改革提高了中央财政收入比重,理顺了中央和地方的关系。但是,很多原来由中央负责的支出项目下放到了地方,同时中央又没有给予相应的财政支持,这使地方财政赤字增加。为了填补缺口,地方政府必须寻找国家预算以外的收入来源,因此更容易滋生腐败从而导致生产效率的损失。而且,政府支出多数在生产领域中,这在某种程度上反映出政府对经济的干预程度。总的来说,生产效率下降在一定程度上反映出?
46?中国社会科学 2006年第2期
改革的风险在增加,同时各种资源的配置变化处在一个新的调整过程中。
根据库姆巴卡(Kumbhakar )全要素生产率增长率的分解公式①:
T F P it = T E it +TP it +(E -1)∑j E j E
x j j =1,2其中,T F P it 、 T E it 、TP it 分别代表全要素生产率增长率、生产效率变化率以及技术进步率。
x j 表示第j 种投入要素的增长率(包括劳动和资本)。E j (j =1,2)代表资本和劳动两种要素的产出弹性,E =∑2
j =1E j 表示规模弹性。其中劳动和资本的产出弹性和规模弹性分别为: E l =
5lny 5lnl =αl +αll l +αlt t +αlk k E k =5lny 5lnk
=αk +αkk k +αkt t +αkl l E =E l +E k
本文没有对规模报酬加以限定,根据上面的随机前沿生产函数估计,经过简单的计算,可以得到各个地区的全要素生产率变化轨迹(见图3)
。
图3 各地区的全要素生产率增长率变化曲线
从图3可以看出,自改革开放到1980年代中期,全要素生产率的增长率在降低。1980年代中期到1990年代中期,全要素生产率增长率在上升。1990年代中后期,增速开始下降,这和以往某些研究者的部分结论一致②。到了2001年又开始急速上升。各地区全要素生产率增长率变动基本一致,差距不是很大。
表4 全要素生产率增长率各组成部分的贡献率全要素生产率增长率生产效率变化率技术进步率
生产效率贡献(%)技术进步贡献(%)规模效率变化贡献(%)东部01036701010001024927124506718939418611中部
01047001005801039012143078219795415898西部01047201007301037515144677913340512193 注:上面的指标都是时间和省份的平均值。
数据来源:1978—2003年的分省数据。
?
56?地区间生产效率与全要素生产率增长率分解(1978—2003)
①②S. C.Kumbhakar ,C. A.K.Lovell ,S tochastic Frontier A nal ysis ,Cambridge University Press ,2000.胡鞍钢、郑京海《中国分省生产率的实证研究:1978—2001》(2004年工作论文,no.127)给出了关
于全要素生产率下降原因的相关讨论。
接着,我们利用上面估计的结果,将中国不同地区的全要素生产率增长率分解为技术进步率、生产效率变化率和规模效率变化率三个部分,观察这三个部分的贡献,以使我们对中国地区全要素生产率增长率的构成有更多的了解。这里我们只给出了各种变化率的平均贡献率,见表4,鉴于篇幅所限,具体省份和年份不在此列出。
从表4我们可以发现,全要素生产率的增长主要来自于技术进步率,而生产效率的变化率贡献不大,规模效率贡献非常小。平均来说,东部地区生产效率的变化率最大,中部最小。而中部地区的技术进步率最大,西部次之,东部最小。
六、结 论
本文采用超越对数形式的随机前沿面板模型,考察了中国各省市自1978年改革开放以来地区间的生产效率和全要素生产率增长率变迁,给出了生产效率的估计和全要素生产率增长率的分解。同时使用标准的计量分析工具,对那些影响生产效率的关键因素进行分析。我们得到的初步结论是:
(1)全要素生产率增长率在1990年代中期以后明显减速,直到2001年开始回升,具体原因有待进一步研究。
(2)全要素生产率增长的分解结果表明:主要是技术进步而非生产效率改进支撑了全要素生产率增长,这说明我们以往只重视技术进步而忽略了生产效率。如果单纯的依靠技术进步,而忽视对现有资源的合理配置和生产效率的提高,必将造成生产的无效和资源浪费。
(3)通过对生产效率方程的分析发现:东部地区的生产效率最高,其次是中部和西部。地区的市场化程度越高,该地区的生产效率就越高,而且生产的不确定性越低。对外开放程度越高,该地区的生产效率就越高,但是生产的不确定性也越高。初始人力资本存量越高,生产效率就越高,而且生产的不确定性越低。政府支出比重越高,该地区生产效率越低,而且生产的不确定性越高。初始物质资本存量越高,生产效率越高,生产不确定性越低,但是作用程度不大。在生产效率提高中,人力资本所起的作用最大。
这些结论为我们制定经济政策提供的指导意义在于:政府在经济发展中首先要做的就是培育市场和加大对人力资本的投入力度。此外,还要适当减少政府财政支出比重,对外开放也要适度。尤其值得注意的是,我们不要只片面地引进先进技术,而忽视对现有资源的利用和合理配置,否则会造成巨大的浪费。
〔本文责任编辑:梁 华〕
In recent years,research on bot h t he asymmetry of t he effect of monetary policy and it s effect o n inflation has raised great concern abroad in t he field of finance.Paolo Suricaπs(2004) belief t hat nonlinearity is a robust feat ure of U S monetary policy holds only for t he period before 1979and wit h respect to t he outp ut gap,and t his implies an average inflation bias during t he 1960s and1970s but a value not statistically different f rom zero over t he last two decades.Wit h t he targeting f unction defined by t he forward2looking st ruct ure of t he economy and non2quadratic lo ss f unction,we obtain t he optimal and nonlinear response rules.By using t he Generalized Met hod of Moment s(GMM),we cont rast t he result s of reduced2form and st ruct ural estimates of cent ral bank first order condition(Eular equation)under t he framework of asymmet ric preference and nonlinear response rules.Through a simple device,t his paper p rovides a discussion of t he inflation bias.The result indicates cent ral bank asymmet ric p reference and nonlinear monetary policy response rules cont ribute to t he inflation bias.
(5)Chinaπs R egional Differences in T echnical E ff iciency and the Decomposition of Total F actor
Productivity G row th(1978—2003)W an g Zhi gan g Gong L i utang Chen Yuy u?55?
Empirical st udy is conducted to test Chinaπs p rovincial dataset s(1978—2003),using a t ranslog p roduction f unction in a general stochastic frontier specification.The findings of t his st udy show t hat t he eastern region is t he mo st efficient while t he western region is t he least efficient,and t he difference between t hem is significant and almost constant during t he recent years.St ronger market forces and human capital are important factors for efficiency imp rovement and may decrease p roduction uncertainty,while a higher government spending ratio is harmf ul to efficiency and increases production uncertainty.Finally,t he st udy finds t hat TFP(Total Factor Productivity)has been decreasing since1995,but t he reasons behind t his call for f urt her research.Technological progress is t he main driving force for TFP,and more effort s should be made to imp rove technical efficiency in t he f ut ure.
(6)The Income G ap and the Accumulation of H uman C apital in Rural China
Zou W ei Zhan g Fen?67?
The income gap between rural and urban areas,and among different rural areas in China has drawn wide attention.This st udy attempt s to explain t he income gap in rural China f rom t he perspective of human capital(particularly t he level of educatio n).In analyzing t he growing income gap t rend among different rural areas,t he aut hors of t his article specify income gap s by sources of income and undertake met rological research.According to t heir st udy,t he wage income gap in rural areas present s as a major factor cont ributing to growing income gap s.Wage income in rural areas is mainly co2related wit h farmersπlevel of education.Finally,t he article analyses t he effect s of education on income gap s in rural areas wit h t he extended model by L ucas (1988),and concludes t hat t here is a significant correlation between rural income gap s and farmersπlevel of education.Therefore,t he key to narrowing rural income gap s lies in improvement of education(particularly elementary and secondary education)in rural areas.
(7)Integration of T rade and Disintegration of Production:An Empirical Study B ased on Tw o
关于索洛残差法计算全要素生产率的再思考
关于索洛残差法计算全要素生产率的再思考 摘要：本文认为索洛提出的残差法在计算全要素生产率在理论上虽然具有可行性，但是在具体操作中存在科学性的问题。笔者对中国1952-2004部分省市的面板数据，利用索洛残差法计算了全要素生产率，对结果进行了分析和平稳性检验并论证了该方法计算的结果不具可信度，并对其可能的原因进行了分析。 关键词：全要素生产率（TFP）索洛残差经济增长 一、对索洛残差法和中国全要素生产率的思考 易纲、樊纲、李岩指出，索洛的主要的理论缺陷来源于以资本存量代替资本服务。这样难以对资本进行准确的估算，另外在实际中资本往往有一部分处于闲置状态，而新旧资本的使用效率也不一样，因此会高估全要素生产率。笔者却认为不仅如此，运用索洛残差法估算全要素生率的可行性值得商榷，因为该方法实质是求残差，而具体使用时又往往是通过计量的方法获得资本和劳动的产出弹性，这里面本身已经存在一个计量的随机误差项，如此计算出来的全要素生产率缺乏准确性，如果回归样本数过小，其计算数值根本不具有代表性。 克鲁格曼认为，如果用全要素生产率来衡量技术进步的话，亚洲各国的技术进步几乎为零。而近年来的实证研究也越来越多倾向于中国的全要素生产率过低，我国的经济几乎完全依赖资本的投入。笔者当然同意这种现状的存在的确可以部分解释计量全要素生产率结果过低。本文将采用索洛残差的一般方法，根据面板数据，来试图构建一个关于经济增长的大样本回归，以此测算我国及各省各区域的全要素生产率，通过分析实证结果证明索洛方法的应用性值得商榷。 二、模型和测算 笔者采用索洛模型 在数据上，笔者采集了1952-2004年的GDP，L，K。由于我们更多地关注1978年之后的生产函数形式，从1952起至1978，每隔3年取一次数据，在回归时将他们与1978年之后的数据视为连续数据，这样就相当于加大了1978年之后
全要素生产率的概念界定和内涵
1.全要素生产率的概念界定和内涵（金融发展对中国全要素生产率增长的影响：作用机制 与实证分析，周杰琦） 目前学界对于全要素生产率概念的界定仍未达成共识，全要素生产率是个内涵和外延模 糊的概念（郑玉歆，1999）。全要素生产率概念的界定对于本文后续理论分析以及实证研究都尤为重要。荷兰学者Tibergen（1942）将时间因素引入到柯布一道格拉斯生产函数中，开创性提出全要素生产率的概念。全要素生产率引起学界的广泛关注最早起源于Solow（1957）开创性的研究工作，其目前已成为分析经济增长源泉以及评价经济增长质量的重要指标。按照Solow 经济增长理论，全要素生产率是指，各种生产投入要素(如资本、劳动投入、 能源、自然资源等)贡献之外的、由技术进步、技术效率、管理创新、社会经济制度等因素所导致的产出增加。在此意义上，全要素生产率也称为Solow 剩余。全要素生产率变动被解释为生产函数的整体移动，而要素投入变化则指要素投入沿着生产函数本身的移动。在新古典经济增长理论中，全要素生产率被解释是外生的技术进步，因此，技术进步独立于经济体的其他任何变量而产生。有的学者认为，Solow 剩余“测量了我们在经济增长源泉中无法全部解释和分析的因素”，它不仅包含：依赖创新推动的技术进步、通过模仿学习获得的技术进步以及技术效率提升，还包含了一系列未知的复杂因素，如数据测量误差、模型变量遗漏、模型设定偏误、经济周期波动的干扰等。然而，Jorgerson 和Griliches(1967)却认为，Solow剩余不过是投入要素不恰当测量所造成的结果，如果投入要素被正确测量，Solow 剩余则不复存在。由上可见，即便从索洛剩余的角度来界定全要素生产率，学术界对全要素生产率的内涵和外延也未能形成一致的认识。这种局面容易导致有关全要素生产率的研究出现混乱，甚至妨碍该研究领域的深入向前发展。 以中国情况为例，目前，由于概念定义、数据处理以及研究方法的不同，国内外研究对 中国全要素生产率平均增长率的测算结果存在较大分歧，比如，Young(2003)测算的结果为1.4%，Chow (2002) 测算的结果为2.68%，郭庆旺等(2005)测算的结果为0.891%。不过，绝大多数研究都认为，全要素生产率增长率对经济增长的贡献率相对较低，表明中国经济是典型的粗放型增长，因此，提高全要素生产率对经济增长的贡献率是中国未来经济发展的一个重要战略选择。为了使本文后续对全要素生产率的估计结果与其它研究更具可比性、允许采用多种方法估测全要素生产率、以及后面的实证结果能够得到清楚的解释，在本文研究中，笔者对全要素生产率的概念及其内涵做出更为全面而广泛的解释。笔者分析的全要素生产率是指：刨除了资本、劳动、土地、能源、原材料等要素投入的贡献和作用之外，其它所有可以促进经济增长的因素的有机综合体。本文所指的全要素生产率不仅包括Solow 经济增长理论假定的非体现的、能提高生产效率的技术进步（如创新的管理和组织方法、研究开发投入、创新活动、政策法律等），还包含了与资本质量提高、劳动者素质改进紧密联系的体现式的技术进步（如投资先进的现代化设备、教育进步所引起的劳动者素质提高）。按照体现型技术的理论，技术进步可以体现在要素投入质量上的改进。就资本投入而言，体现型的技术进步意味着，资本设备在设计、质量和功效方面的改善。对劳动投入而言，体现型的技术进步意味着，劳动者教育水平的提高及知识技能的改进。此外，随机因素和数据测量误差也包括在全要素生产率当中。 从全要素生产率增长来源的类别来看，全要素生产率的变动可以进一步分解为技术进步变化率、技术效率变动率、资源配置效率、规模效率变化等等。技术进步变化率不能完全表示全要素生产率的变动，从经济学意义来看，技术进步主要是指新的知识和技能、新生产工艺、新采用的设备或改进的旧设备、研究开发以及新组织管理框架等在经济生产活动中得到广泛应用，进而引起人们劳动生产率、经济活动水平的提高。技术效率变动率也不能完全代表全要素生产率的变动。技术效率刻画了生产中现有技术的使用状况，Farrell(1957)首先提出了技术效率的估测方法，Farrell(1957)的技术效率是指在给出一定要素投入下，某企业的实际
全要素说生产率
编辑本段全要素生产率的概念 全要素生产率 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 编辑本段概述 经济学角度 全要素生产率 全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。
50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 全要素生产率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等 导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要
如何用DEAP进行全要素生产率分析
一、软件的具体操作 1.建一个文件夹，里面必须有四个文件(Dblank；deap；deap.000；123.dta)前三个文件在一般下载的DEAP Version 2.1中都有，直接复制过来就可以，第四个文件是一个数据文件，一般先在excel中先输入，再复制到一个记事本下就可以，注意在记事本下的数据只有数据，不包括决策单元的名称和投入、产出的名称，并且一定要先放产出，后是投入。例子具体见123电子表格和123记事本。 2.对命令Dblank文件进行修改,修改后保存为12 3.ins文件 3.打开deap软件,运行123.ins 4,回车后自动会有123.out 注意事项：(1) 123.dta；Dblank；123.ins都用记事本打开； (2)数据文件名和命令文件名一定要一样，如例子中都用123 (3)文件夹中一定要包括deap.000文件，如果没有这个文件，打开deap软件，就会出现一闪就没有了的情况。 二，结果的分析 在文件夹中打开123.out，看如下： 1) firm crste vrste scale 1 0.687 1.000 0.687 drs 2 0.814 1.000 0.814 drs 3 0.319 0.709 0.450 drs 4 1.000 1.000 1.000 - 5 1.000 1.000 1.000 - 6 0.336 0.425 0.791 drs 7 0.642 0.648 0.991 irs 8 0.379 0.381 0.994 irs 9 0.702 0.750 0.936 irs 10 1.000 1.000 1.000 - 11 0.304 0.461 0.659 irs 12 0.352 1.000 0.352 irs 13 1.000 1.000 1.000 - 14 0.594 0.929 0.639 irs 15 0.402 1.000 0.402 irs mean 0.635 0.820 0.781 firm：代表例子中的15的样本 crste：技术效率，也叫综合效率 vrste：纯技术效率 scale：规模效率(drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增) crste=vrste×scale 2)
要素投入和全要素生产率对经济增长的影响分析
要素投入和全要素生产率对经济增长的影响分析——重庆现阶段经济增长方式实证研究 在认识经济增长一般规律的基础上，对经济增长阶段做出判断，揭示特定时期的经济增长方式，特别是具有转折意义的特征，是理解经济增长过程，从而形成具有方向性和针对性的政策思路的关键。改革开放以来，重庆市实现了经济的平稳快速发展，GDP年均增长达到10.4%。随着科学发展观对经济增长方式提出新要求，刘易斯转折点的日益临近，人口因素的变化显现出其长期隐藏的经济含义，即通过减少劳动力的供给量，实现经济增长方式由主要依靠增加资本投入和劳动投入转向主要依靠生产率提高。这个正在发生的变化既可以成为推动重庆经济迈向一个新阶梯的催化剂，也可能使重庆经济发展陷入一个均衡陷阱。因此，只有在科学发展观的指导下，正确认识经济增长阶段和经济增长方式，才能最大限度地将其转化为对重庆经济增长的积极因素。本文利用柯布—道格拉斯生产函数模型，并以此作为框架分析重庆经济增长要素贡献及其变化，剖析重庆经济增长阶段及所面临的阶段性变化。 一、柯布-道格拉斯生产函数 生产函数是西方经济学中一个十分重要的概念,按照萨缪尔森的定义,生产函数是“在技术水平既定条件下确定某一组要素投入所能带来的最大产出的关系式”。美国数学家柯布(Charles W.Cobb)与经济学家道格拉斯(Paul Douglas)通过研究1899至1922年美国的资本
与劳动力数量对制造业产量的影响，提出了著名的柯布—道格拉斯生产函数，其形式为 e K AL Y βα= 其中Y 代表产出量, K 代表资本投入量, L 代表劳动投入量，A 、α、β为未知参数。A 表示技术进步对经济增长的影响，系数α和β分别表示劳动和资本对产出的弹性系数。 给与模型规模报酬的约束，即假定1=+βα，则αβ-=1,模型变形为： e K AL Y -1αα= 对该生产函数取对数得: 1)LnK -(1LnL LnA LnY +++=αα 方程两边同除以LnK ，变形得： 1) -(LnL/LnK 1]/LnK 1(LnA [LnY/LnK α+++=） 二、经济变量及参数的确定 （一）经济增长要素 经济增长是指一个国家或地区生产商品和劳务能力的扩大，是一定时期内经济活动的重要结果变量。在实际核算过程中，常以一个国家或地区生产的商品和劳务总量的增加来表示，即以国内或地区生产总值（GDP ）的增长来计算。决定经济增长的因素很多，根据柯布-道格拉斯生产函数，可以分为要素投入和全要素生产率。 1.要素投入 要素投入主要是资本投入和劳动投入。资本投入是在流通过程中
索罗余值法测算全要素生产率的文献综述
第46卷 第8期 2019年8月 天 津 科 技 TIANJIN SCIENCE & TECHNOLOGY V ol.46 No.8Aug. 2019 基金项目：天津市重点招标项目“2017年天津市全要素生产率测算研究”(18ZLZDZF00210)。 收稿日期：2019-07-18 科学与社会 索罗余值法测算全要素生产率的文献综述 孟 媛，张 弛 (天津市科技统计与发展研究中心 天津300051) 摘 要：国内外全要素生产率的测算方法很多，例如索罗余值法、随机前沿法、数据包络法等，其中应用较为普遍的是索罗余值法。通过简要梳理索罗余值法的推导过程，归纳较为普遍的关于该理论的基本假设(即规模效益不变和希克斯中性)的质疑，以及阐述全要素生产率与技术进步的关系，说明全要素生产率衡量技术进步是不完全准确的。关键词：全要素生产率 索罗余值法 技术进步 中图分类号：F204；F224 文献标志码：A 文章编号：1006-8945(2019)08-0094-02 Literature Review on Measurement of Total Factor Productivity by Solow Residual Method MENG Yuan ，ZHANG Chi (Tianjin Science and Technology Statistic Center ，Tianjin 300051，China ) Abstract ：There are many measurement methods of total factor productivity at home and abroad, such as the Solow residual method, stochastic frontier method, data enveloping method and so on. The Solow residual method is widely used. The gen-eral doubts about its basic assumptions (namely, constant scale benefit and Hicks neutral) are summarized by briefly combing the derivation process of the Solow residual method. The relationship between total factor productivity and technical progress is discussed, indicating that the measurement of technical progress by total factor productivity is not completely accurate. Key words ：total factor productivity ；Solow residual method ；technical progress 十九大指出，我国经济已由高速增长阶段转向高质量发展阶段，并提出要提高全要素生产率。关于全要素生产率，国内外学者进行了较多研究，测算方法不一，包括索罗余值法、随机前沿法、数据包络法等，其中索罗余值法的应用范围较为广泛。本文通过文献综述，简要介绍索罗余值法测算全要素生产率的过程，根据其适用的前提条件探讨测算的局限性，进而阐述全要素生产率与技术进步的关系。 1 索罗余值法简介 索罗[1]并不是第一个将生产函数与生产率联系起来的人，早在1942年Tinbergen 就探索过两者之间的关系，但是索罗的开创性贡献在于他在生产函数和指数方法之间建立了较为简洁且实用的理论联系。 索罗余值法是基于柯布-道格拉斯生产函数(即CD 生产函数)得到的，以规模效益不变和希克斯中 性(Hicks neutral )为基本假设前提。规模效益不变指 的是在既定的技术水平下，要素价格不变时，产出增加的比例等于所有投入要素增加的比例。希克斯中性指的是投入要素资本和劳动的边际产出的比率不变。CD 生产函数为： (,)t t t t Q A F K L = (1) 式中：Q t 指的是产出，K t 指的是资本投入，L t 指的是劳动投入，希克斯A t 指的是在资本和劳动投入水平不变时产出增加的部分，即全要素生产率，经常被用以衡量“技术进步”。 上述公式(1)变形，可以得到相对希克斯效率A t /A 0，即Q t /Q 0作分子，生产函数中要素积累的部分F (K t ，L t )/F (K 0，L 0)作分母。但是由于各投入要素的计量单位不同，这样并不能直接得到希克斯效率。 索罗运用非参数指数法，将上述公式变形得到： t t t t t t t t t t t t Q K K L L A Q Q Q K Q K L Q L A ??=++?? (2)
【最新2019】中国“全要素生产率”或降为2.7%word版本 (1页)
【最新2019】中国“全要素生产率”或降为2.7%word版本 本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 中国“全要素生产率”或降为2.7% 中国社会科学院副院长蔡昉10日表示，中国的全要素生产率正在呈现持续下滑态势，并将在“十三五”时期进一步降为2.7%。 图片源自网络 请看相关报道： China should take actions to cope with its falling total factor productivity ( TFP ), a senior expert with a government think tank said Sunday . 1月10日，政府智囊团的一位资深专家表示，中国应采取措施应对全要素生产率下滑态势。 全要素生产率（ total factor productivity ， TFP ），也称总和要素生产率，是各种要素投入水平既定的条件下，所达到的额外生产效率，是分析经济增长源泉的重要因素。经济增长、人均收入和财富水平提高最终要依赖全要素生产率的提高。 中国社会科学院副院长蔡昉在第七届中国经济前瞻论坛上说，在人口红利 （ demographic dividend ）消失以后，中国经济增长要寻找新动力。目前，我国全要素生产率增速呈现下行趋势，他预测全要素生产率“十三五”时期会下降到2.7%。 他指出，要通过四方面措施进行调整：改革户籍制度（ reform household registration system ）；大力推进教育改革，把义务教育扩大到更大范围（ expand compulsory education to more people ），提高劳动力的质量（ increase the quality of labor force ）；解决各个领域的产能过剩（ overcapacity ）问题，进一步降低杠杆率（ leverage ratios ）；创造好的制度条件、政策环境，让企业能够自由进入，并让那些不再有生产力提高潜力和没有竞争力的企业退出（ create a policy environment where promising enterprises can easily enter the market and non - competitive ones are forced to exit ）。
经济发展论文：全要素生产率研究方法述评
经济发展论文： 全要素生产率研究方法述评 摘要:全要素生产率作为反映经济增长质量的重要指标,近年来引起了国内外学者的广泛关注。目前测算全要素生产率的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。文章以上述分类方法为基础,对全要素生产率的研究方法进行了详细论述,并总结了不同方法在测算中的优势和不足,同时对相关研究文献进行了简要评述。最后,对我国全要素生产率的研究方向进行了探讨。 关键词:全要素生产率;索洛余值法;随机前沿生产函数法;数据包括分析法 一、引言 全要素生产率(TFP)是宏观经济学的重要概念,也是分析经济增长源泉的重要工具,尤其是政府制定长期可持续增长政策的重要依据。首先,估算全要素生产率有助于进行经济增长源泉分析,即分析各种因素(投入要素增长、技术进步和能力实现等)对经济增长的贡献,识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次,估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较,就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。改革开放以来,国内外学者对中国的全要素生产率进行了深入研究,产生了大量的研究文献,但这些文献对TFP的估算结果存在较大差异,引发了许多争论,究其原因主要有两点:一是数据来源和处理方法不同,二是测算方法不同。测算TFP的方法多种多样,每种方法都有其优缺点和适用对象,究竟哪种方法更为恰当,哪一个研究的结果更为准确,哪种方法或哪种研究思路对于改革以来中国经济增长的分析更为适用?为此,有必要对既有的TFP研究方法进行梳理和总结,并指出其中存在的缺陷和不足,以利于研究者对TFP有一个较为客观的认识和了解,进而进行科学的计算。 目前测算TFP的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。参数方法主要有索洛余值法、拓展的索洛余值法、随机前沿生产函数(SFA)法等,非参数方法主要有指数法、数据包络分析(DEA)法等,本文以上述分类方法为基础,对相关文献进行评述。 二、参数方法 1. 索洛余值法。索洛余值法最早由索洛(Solow,1957)提出,基本思路是估算出总量生产函数后,采用产出增长率扣除各投入要素增长率后的余值来测算全要素生产率增长,故也称生产函数法。在规模收益不变和希克斯中性技术假设下,全要素生产率增长就等于技术进步率。 由于模型简单,合乎经济原理,因此国内外很多学者利用这种方法对我国全要素生产率进行测算。如邹至庄(1993,2002)、张军(2002)、郭庆旺等(2005)、涂正革等(2006)等,尽管研究结果存在分歧,但绝大多数研究认为中国改革开放以前的经济增长是低效率的,TFP增长十分缓慢,而改革开放以后经济增长质量比改革开放以前有了较大的改善;国企的全要素生产率低于集体企业等。 在利用索洛余值法测度TFP时,存在着如下缺陷和不足: (1)该方法中TFP通过方程的“剩余”计算出来,不能直接求解,这种通过“剩余”得到的计算结果,包括了整个方程的计算误差,由此得到的结果的精确性有待提高。Jorgenson & Grilliches(1967)认为全要素生产率实际是一种计算误差,引起这种误差应归因于两个原因:
全要素生产率
全要素生产率是指“生产活动在一定时间内的效率”。是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 经济学角度全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。 50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要素生产率与经济增长进行了理论思考，如郑玉歆(1999) 对全要素生产率测度和经济增长方式转变的阶段性规律进行了详细讨论，但未给出中国全要素生产率的具体估算。易纲、樊纲和李岩(2003) 提出中国经济存在效率提升的四点证据，指出新兴经济在测算全要素生产率上面临的困难，并给出新兴经济全要素生产率的测算模型，但他们也未给出具体估算。本文在析比较全要素生产率四种
中国全要素生产率的变化
中国全要素生产率的变化：2000-2008 江春1 吴磊2滕芸 3 内容摘要：本文使用序列DEA和当期DEA方法测算了中国2000至2008年的 Malmquist生产率指数，并在规模报酬固定的假设下将其分解为技术效率变化指数 和技术变化指数。结果显示自2000年以来全国及各省份的全要素生产率均发生下 降，近年来中国的经济增长几乎完全依赖于要素投入的增加。全要素生产率持续降 低是同期资本产出比率迅速上升造成的，这反映出中国经济增长过于依赖投资、收 入分配不合理，同时也反映出金融体系的不健全。 关键词：全要素生产率；DEA；资本产出比 一、引言 改革开放三十多年来，中国的经济增长迅猛，取得了世所瞩目的成就。但与此同时，资源消耗巨大、要素配置效率差、产品附加值低、产业结构不合理等诸多问题始终让人们疑虑中国经济增长的持续性。中国经济增长的质量究竟如何，经济增长到底是来源于要素的投入还是来源于效率的提高？全要素生产率（TFP），作为衡量经济增长质量的重要指标，越来越受到经济学者的广泛重视，提高全要素生产率也被视为中国未来经济增长的决定因素（胡鞍钢，2003）[1]。 Chow（1993）[2]开启了对中国经济增长来源的研究，他认为中国在改革开放前TFP基本稳定，经济增长的主要动力是资本积累，而改革开放后TFP以每年2.7%的速度增长。颜鹏飞和王兵（2004）[3]将中国改革开放以来的经济发展划分为两个阶段，测算得到第一个阶段——1978-1991年间，中国TFP年均增长为-0.17%；第二阶段1992-2001年间则为0.79%。Y oung（2003）[4]采用自行调整后的数据测算1978年至1998年间中国的TFP增长率为1.4%等等。但是目前这类研究对中国TFP增长率的估计存在较大分歧，即便针对同一时期的研究，不同学者 作者简介：江春（1960—），男，武汉大学经济与管理学院金融系（武汉，430072），教授。研究方向：宏观金融 理论与金融发展理论。 吴磊（1980—），男，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。 滕芸（1982—），女，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。
全要素生产率
第一步：选取测度方法 采用传统的索洛残差法对中国1978年-2013年的全要素生产率（TFP ）进行测度。 设总量生产函数为C —D 生产函数： βαλt t t t L K Ae Y = 其中，Yt 为实际产出，Lt 为劳动投入，Kt 为资本存量，α、β分别为平均资本产出份额和平均劳动力产出份额。 为求出α、β，在规模收益不变的假设下（α＋β=1）对方程两边取对数 )ln()ln()ln()ln(t t t L K t A Y βαλ+++= （1） 整理得： )/ln()ln()/ln(t t t t L K t A L Y αλ++= （2） 在规模收益不变和中性技术假设下，全要素生产率的增长率为： L L K K Y Y A A /)1(///?--?-?=?αα （3） 根据方程（2）估计出α后，代入方程（3）即可求出全要素生产率的增长率。 第二步：样本数据及变量的选取 计算全要素生产率所需的真实产出的数据可以通过从国家统计局的官网上获得与生产函数设定中变量 L 相对应的现实数据，国外文献通常使用工作小时数，但我国统计年鉴中没有提供这个指标，故选取历年的就业人员数。另外，注意到指标给出的是年底数，为与 GDP 流量的含义相一致，将前后两年的就业人员数进行算术平均，获得年中的就业数。但资本存量序列需要在统计资料的数据基础上进行估算。经查阅文献可知，现在多采用被OECD 国家所广泛使用的永续盘存法对资本存量进行核算，所以，此处也采用此方法进行资本存量的核算。 其基本公式是： 1)1(/--+=t t t t K P I K δ （4） 其中，I t 是t 期以当期价格计价的投资额，P t 是t 期的价格指数，δ是折旧率。 对K 0 的估算采用国际常用方法：)/(00δ+=g I K 其中，g 是样本期真实投资的年平均增长率，δ为综合折旧率，一般定于5%。 历年投资流量指标的选取：综合经典文献和数据的可获得性两方面因素，此处采用1978-2013年全社会的固定资本形成总额为投资流量指标。我们只有截止于2004年的固定资本形成总额指数。这样，我们便无法直接把我国2005—2013年间的用当年价格给出的固定资本形成总额折算成以2000年价格表示的数据。
基于企业进入退出的“中国全要素生产率之谜”解释
基于企业进入退出的“中国全要素生产率之谜”解释 摘要：本文通过LP法回归出制造业TFP，对“中国全要素生产率之谜”进行了验证，并构造了企业进入退出的动态模型，在通过特征事实对参数估计之后，通过模拟2008年企业进入的冲击，拟合出了稳态情况下行业面对大规模企业进入时的TFP变动情况，并与事实进行了比较。 关键词：全要素生产率企业的进入与退出模型 一、问题的提出：中国全要素生产率之谜 中国全要素生产率之谜，即指在2008年之后，企业的研究与试验发展投入（R&D）不断扩大，而学者们通过不同的估算方式测度出来的中国TFP（全要素生产率）却在不断下滑。根据统计局数据，在2008年，除了工业企业的全要素生产率下降之外，企业的数量迎来了一个激增的过程。除2004年因为第一次工业普查完善了统计核算的精确度而导致进入数量剧增之外，正常年份企业纯进入数大致在2―3万，然而在2008年，企业纯进入数量达到了惊人的10万家左右。 联系到中国在该年的四万亿救市计划，笔者认为可能是该政策刺激了大批低于行业平均TFP的低效率企业进入行业，因此拉低了行业的平均值。为了验证这一猜想，则需考察企业的进入退出对全要素生产率的影响。 二、企业进入退出与全要素生产率
企业的进入退出又叫企业更替，是产业经济学中的一个重要概念，反映了市场的基本特征之一。企业的进出对于TFP的影响在近年来受到了国内外学者的重视。由于数据的可得性，国内外学者往往测算工业企业，尤其是制造业的进入退出对TFP的影响。如周黎安等（2006）采用1995―2003年中关村科技园区制造业企业层面的微观数据，认为园区的TFP变动可划分为企业自身生产率增长和企业进入退出的动态过程这两个部分。毛其淋等（2013）通过1998―2006年中国工业企业微观数据测算了TFP，并将企业进出理解为替代关系，运用Baldwin&Gu（2003）发展的BG分解法测算了企业的纯进入效应，并认为进入效应对于全要素生产率的发展存在较为显著的效果。 综上，笔者提出猜想，新进企业由于TFP较低，因此其进入效应会对行业TFP造成负面影响，但在未来因为学习效应新进入企业会逐渐抬高行业TFP；而退出企业因为TFP较低被淘汰，其退出效应会对行业TFP造成正面影响。2008年以来企业数量激增，可能因新进入企业数量过多且低效率企业比重增大而导致2008年企业进入效应增大，且对长期造成了影响，以至于TFP呈现了负增长。笔者将通过微观数据验证以上猜想，并构建模型，进行数字检验。 三、数据的处理与基本特征事实 （一）数据处理 本文采用的样本是1998―2007年中国工业经过产业筛选后的制造业规模以上企业微观数据库。原数据库包含近200万观测值，经过数据清理，约有160万观测值，收录从1998年的10万家企业到2007
全要素生产率概述
全要素生产率的内涵、定义与测算方法 全要素生产率（Total Factor Productivity ,简称TFP）是指所有生产要素的生产率, 所谓的“全要素生产率”是指“生产活动在某一特定时间内的效率”，是总产量与全部要素投入量之比，是用来衡量单位总投入的总产量的生产率指标是针对全部投入要素进行测算, 而不是只涉及部分要素。它在一个更广的范围内考察生产率的情况, 是总产出与综合投入要素之比, 研究的是在一个经济系统中, 所有投入要素加权综合后形成综合投入的产出效率, 故又称“ 综合要素生产率”。相对于传统的单要素生产率, 全要素生产率能够更为全面地考虑投入要素, 从而能够更加真实客观地衡量全部要素投入量的节约, 反映一个经济系统的宏观综合经济效益,是分析经济增长源泉的重要工具。总而言之, 通过分析各种因素对经济增长的贡献, 可以识别经济增长的类型是投入型还是效率型; 通过比较单要素投入和全要素生产率增长对经济增长的贡献, 可以确定经济政策的控制方向是应该增加总需求, 还是对经济结构进行调整。 参数方法 1.索洛余值法 索洛于1957年发表了著名的文章“技术变化和总量生产函数”。在该文章中,索洛首次将技术进步因素纳入经济增长模型,从总产出增长中扣除资本和劳动力对产出的贡献,所得到的“余值”就是技术进步对产出的贡献。在希克斯中性和规模报酬不变的假设下,技术进步率就等于全要素生产率的增长率。 2.增长核算法 增长核算法, 是在经济学家索洛提出的索洛余值法的基础上形成和发展的, 后来经过丹尼森和乔根森的发扬而成为一种成熟的全要素生产率的计算方法。其计算的基本思路是: 寻找一个合适的生产函数形式, 利用样本数据进行回归, 估算出总量生产函数的具体参数, 得到具体的生产函数, 进而测算TFP 及其增长。 3.随机参数前沿生产函数方法 非参数方法 1.指数法 测算TFP的指数法是一种统计学方法,由Kendric和Denison开创,后经Jorgensen、Griliches等人发展而成熟。TFP指数是指一个生产单元在一定时期内总产出和总投入之比,用公式可表示 为: / / t s st t s Y Y TPF X X ，其中s代表基期, t代表报告期, X表示投入, Y表示产出 从TFP指数的定义可以看出, TFP增长是科技进步、技术效率和规模效率等提高的综合体现。而且,对 TFP指数的度量,必须转化为对总投入和总产出指数的计算,而现实中的生产单元,大都是多投入多产出的,这就必须使用综合指数来度量。经常使用的指数从早期的Laspeyres指数、passche指数、Fisher指数到Tornqvist 指数。 1967年, Kendric和Denison的论文“生产率变化的解释”是生产率理论发展的一个里程碑。他们在索洛增长模型的基础上,遵循新古典生产理论,引入超越对数生产函数的形式。Diewert证明,超越对数生产函数对应的是离散的Tornqvist指数,也就是说, Torn2qvist指数实际上是精确的指数;而且,超越对数生产函数被认为是对其他函数形式的很好的二阶近似。所以, Tornqvist指数是度量TFP的合理选择。 2.数据包络分析(DEA) 3.Malmquist指数法 Malmquist指数法也是指数法中的一种, 但是由于计算Malmquist指数首先要构筑生产前沿面,得到距离函数,因此一般也可将此方法归入生产前沿面法中。计算距离函数既可通过DEA,也可通过随机前沿生产函数来完成,但目前主要是通过DEA来完成,所以该方法也被称为基于DEA的Malmquist指数法。
关于全要素生产率的认识
作者简介：李婷姝（1988—），女，贵州大学经济学院2011级西方经济学专业硕士研究生。 摘要：在经济高速增长的今天，我们不仅关注经济增长的速度，更关注经济增长的质量和效率，而全要素生产率作为测量经济增长质量和效率的最为流行的指标，在测算过程中，存在着一些不足。本文在借鉴相应学者关于全要生产率研究的基础上，总结了全要素生产率的不足，并提出了相应改进方法。 关键词：全要素生产率；经济增长；测算方法 时至今日，我们关于经济发展的认识，已不再局限于过去单纯依托经济发展的规模与数量作为衡量经济增长成果的标准的状况，而逐渐关注经济增长的效率、质量等。我们不仅希望经济能够在数量上增长，更希望通过经济增长能够提高民众的福利，改善民众的生活。自从改革开放以来，中国的经济取得了突飞猛进的发展。但是随着我国经济几十年的飞速增长，随之而来的却是越来越多的问题的产生。为此，我们不禁反思，经济增长真的只是从gdp增长总量数据就可以判断经济增长的效率与质量吗？对于衡量经济增长质量与效率的迫切需要，客观上也促进了利用全要素生产率，即tfp（total factor productivity）衡量与评价经济增长质量与效率的发展，如今，利用tfp衡量经济增长已成为国内最为流行的一种测算方法之一。 1. tfp内涵 自索洛提出了规模报酬不变的生产函数以及由此推导出来的增长方程，通过将产出增长率中超出资本与劳动力生产要素投入增长率的扣除（索洛余值）形成了全要素生产率的概念，并将全要素生产率来源定义为由技术进步引起的产出增长。由索洛余值的求解可以看出，全要素生产率除了包括技术进步引起的产出增长，还包括没有识别的经济增长因素以及由此产生的误差。 它的一般含义是指一定时间内生产活动的开发利用的效率，等同于一定时间内各种生产要素与总产量之间的比值，可以衡量一个国家在一定时间经济增长的质量与效率，也是关于技术进步对经济发展作用的综合反映，但是因为tfp还包括未识别的经济增长因素以及测量误差，因此，tfp对技术进步的衡量只是一种近似测量。tfp的来源除了包括技术进步，还包括效率提升与规模效应，比如组织创新、专业化以及生产创新等。但是，在索洛模型中，假定技术进步是外生变量，并没有考虑知识进步以及人力资本提升对于经济增长的溢出效应，在没有考虑技术进步的外部性情况下，因为边际产量递减规律，最终技术进步带来的产出效应会为零。这显然与现实生活中，通过改进技术水平，从而带来边际产量递增的现象不符，这也使全要素生产率的解释能力与借鉴意义大打折扣，即全要素成产率成为“黑箱”。[1] 2. tfp测算方法的缺陷 tfp的测算方法虽然简单可行，但是其中也存在着一些问题，这些问题影响着tfp作为衡量一国经济增长质量与效率指标的有效性与代表性。 2.1 用于测算tfp的要素投入数据为存量数据 在对tfp进行测算时，必须考虑要素投入与产出之间的关系。而根据新古典生产理论，一定时期的投入带来一定时期的产出，换言之，我们所要考虑的要素投入只是某段时期的投入量，即该段时期的流量数据，而不是某一时点上的存量数据。但是，从目前关于资本的指标统计口径来看，我们将资本分为固定资本和流动资本。用固定资本的存量数据代替资本的流量数据，其中隐含了固定资本某一时点上的存量与其在此段时期内的资本流量成正比的关系，但是，在现实生活中，这种假设显然是不一定成立的。综上所述，因为，用于衡量相应变量的指标，尤其是资本，在统计口径以上存在局限，造成计算结果投入与产出的不一致，从而使tfp的测量值偏离真实结果。 2.2 tfp自身的“黑箱”使其内涵含混，需要进一步分解