中国高技术产业全要素生产率变动分解——基于非参数Malmquist指数的实证研究

林晶

（福建江夏学院数理教研组，福建福州，350108）

摘要：本文运用非参数Malmquist生产率指数分析了2005～2016年我国高技术产业全要素生产率的变动情况。结果表明，在2005～2016年间我国高技术产业的全要素生产率变动的总体趋势是好的。对全要素生产率的变动进行分解后发现，技术进步是我国高技术产业全要素生产率提高的最直接的原因。

关键词：TFP  技术进步  技术效率

中国分类号：F279.24      文献标识码：A

The change of TFP of Chinese high-tech industry

——empirical study on the non-parametric Malmquist index

Lin jing

(Actuarial-oriented of Mathematics and Physics, Fujian Jianxia College, Fuzhou 350108)

Abstract: this paper use the non-parametric Malmquist index to analyze the change of the high-tech industry’s total factor productivity during the 2005～2016 in China. The conclusion shows that the total factor productivity of each province generally shows stronger growth situation in China. The growth of TFP mainly stems from the function of the technological progress. Keywords: total factor productivity；technology progress；efficiency of technology

一、引言

在供给侧改革的背景下，通过技术的进步和要素配置效率的提高来增加GDP将是大势所趋。通过对一个国家相关产业的全要素生产率进行分析和分解，可以让我们更加清楚地看清该国经济增长方式是依靠资源的大量投入还是依靠技术进步、效率的提高，为此对产业全要素生产率（Total factor productivity, 简称TFP）的研究也越来越受经济学家的关注。基于全要素生产率的变动的计算和应用，目前已有的理论成果内容涉及到TFP的变动和分解^[1]，国家整体TFP的估算^[2]，分行业如农业^[3]、工业^[4]、服务业^[5]的全要素生产率的变化等等。考虑到宏观数据在统计加总过程中会出现统计数据失真的现象，基于全国数据测算TFP无法反映一国各产业的总体发展情况，因此笔者认为对全要素生产率变动的研究必须以各个产业部门为基础。考虑高技术产业对技术的高度依赖性，产业技术进行对其它行业具有引领作用，因此本文运用非参数Malmquist生产率指数来分析我国各地区高技术产业发展的技术进步状况，并把全要素生产力的变动进一步分解为技术进步和技术使用效率的提高。

二、分析模型

鉴于众多学者关于同一产业或地区的全要素生产率的研究，但结果却不尽相同的事实，笔者认为在经济统计分析中，统计模型和统计数据的选取对统计结果有着绝对的影响。本文运用曼奎斯特（Malmquist）生产率指数对中国29个地区的高技术产业的生产率变动进行实证研究。Malmquist指数是瑞典经济学家和统计学家Sten Malmquist于1953年提出的旨在研究不同时期的消费变化。Fare, Grosskopf, Norris和Zhang于1994年建立了考察全要素生产率增长的Malmquist指数，具体形式为：

                      ①

在①式中，（x _t+1, y _t+1）和（x _t, y _t）分别表示第t+1期和第t 期的投入和产出向量。

d ^t（x _t+1,y _t+1）表示以第t期的数据为参考集的第t+1期的技术效率水平；d ^t+1（x _t+1, y _t+1）表示以第t+1期当期的数据为参考集的本期的技术效率水平；d ^t（x _t, y _t）表示以第t期的数据为参考集的本期的技术效率水平；d ^t+1（x _t, y _t）表示以第t+1期的数据为参考集的第t期的技术效率水平。当TFP>1时，意味着此期间内全要素生产率呈上升的趋势；反之TFP<1，则此期间内全要素生产率呈衰退的趋势。

根据①式所定义的Malmquist的生产率指数，Fare在1994年应用了Shephard距离函数（Distance function）在规模报酬不变的假设条件下把Malmquist指数进一步分解为技术效率变化指数（EC）和技术变化指数（TC）：

       ②

根据上面的推导我们可以得出以下结论：若TC >1，则表示技术进步；若TC<1，则表示技术衰退；EC>1表示技术的使用效率在提高；反之，若EC<1表明技术使用效率在下降。

三、实证分析 

（一）数据选取

在计算全要素生产率时，投入方面一般采用劳动和资本两要素，产出则可采用总产出、总收入或增加值等。本文的数据均来自历年的《中国高技术产业统计年鉴》，并对各指标的选择方式作如下解释：

（1）产出水平：产出水平用各地区各年的高技术产业的总产值，并以2000年的不变价进行换算。

（2）资本投入：关于资本投入额的计算，理论界有众多的选择方法。由于数据的统计不完善，我们仅用“年末固定资产+年科技经费的内部支出”作为资本投入指标。

（3）劳动力投入：严格地说劳动力的投入应考虑到劳动的时间和劳动的质量，即劳动力当量问题。由于数据的可获取性限制，本文也只能用年末从业人员来代替。

上面收集到的关于各年和各地区高技术产业的投入和产出数据，运用OnFront 2.01软件进行求解，可以求解距离函数d ⁱ（x _i, y _i）, i = t , t+1的具体数值。代入式子①和式子②则可以算出各地区的TFP、EC、TC的变动情况。

（二）结果分析

从计算结果可以看出，在2005～2016年期间全国总体高技术产业的TFP是呈上升趋势，虽然有部分地区的TFP值出现衰退现象，但总体上还是好的。从全国平均的TFP变动值来看，在考察年间我国高技术产业的平均TFP值为1.181，但TFP增长率并不稳定，表现为在2005～2008间全国平均的TFP变动率逐年增长，且增长的速度很快，但是之后却经历了两三年的回落，在2010～2011年间全国平均的TFP增长率下滑到最低点4%。随后的TFP增长速度又开始回升，在2015年达到19%。值得庆幸的是，虽然在这几年中全要素生产率的变化跌宕起伏，但是所有年份的TFP值均大于1，说明了在2005～2016年间我国高技术产业的全要素生产率变动的总体趋势是好的。再从分地区来看，东部、中部和西部的在2005～2016年间TFP的平均值分别为1.177、1.169、1.2，可见在这几年间内，TFP增长最多的是西部地区，它对全国TFP的增长贡献最大。另外我们还可以发现在1995～1997年间东部地区的高技术产业全要素生产率增长快于中、西部地区，而1998年后中、西部高技术产业的全要素生产率增长却超过了东部地区。出现这种现象主要有以下几个原因：（1）地处沿海的东部省市由于地理位置得天独厚、开放度高、享有政府的各项优惠政策等原因吸引了众多跨国企业，跨国企业在带来资金的同时也带来了相对较为先进的生产技术、生产设备、组织管理方式，在投入相同的条件下东部地区的产出高于中、西部地区，所以这个时期东部的TFP增长速度高于中、西部。（2）技术存在可模仿性和外溢性的特征，地区间的自由贸易和产品的流通，促进了技术在地区间的扩散，特别是东部地区向中、西地区的扩散。后发展的地区可以充分发挥其后发优势，就生产技术、人员培训、组织方式、管理方式等进行学习模仿，提高本地区的全要素生产率的增长速度。（3）中、西部地区也分布着众多的高等院校和科研院所，这为学习、消化、吸收先进技术提供了智力的保证。

对全要素生产率变动的分解有利于我们弄清高技术产业全要素生产率变动的真正原因，只有准确认识TFP变动的真正内因才有助于我们做出合理有效的决策。根据式②我们对TFP指数值进行分解，得到反映高技术产业技术效率的指数和高技术产业的技术进步指数。

从分解结果发现，在2005～2007年间绝大部分地区的技术效率（EC）指数在衰退，不管是东部、中部、西部，还是全国平均的技术效率值均是如此。此阶段全国技术效率指数下降了6%，紧接着技术效率出现了增长的势头，但是增长的幅度并不大。技术效率增长最大的时期是2010～2011年，在这段时间内全国技术效率指数增长了26%，其余的年份远远低于该值。再从分地区来看，东、中、西部地区在2005～2016年技术效率的平均值为1.03、1.06、1.09。所以就全国平均1.058的效率提高来看，中、西部的贡献要比东部来得多。理由是在2005～2016年间中、西部技术效率的增长速度比东部地区的提高要来得快。

同时，我们还可以发现我国各地区高技术产业TFP增长中技术进步和技术效率提高对TFP的提高的贡献率并不相同，技术进步的贡献率要高于技术效率提高对TFP增长的贡献率。因为在2005～2010年间全国总体的技术效率平均呈现-1%的负增长，2010～2015年虽然出现了正增长，但是正负抵消，所以2005～2016这段期间内技术效率的变动对高技术产业全要素生产率增长的贡献率仅为31.66%。而除了2010～2011外，其余时间的TC值均大于1，所以在2005～2016这段时间内，全国平均的技术进步增长率为14.8%，该值是技术效率提高率的两倍多，在全国平均TFP增长率中技术进步的贡献力量为68.34%。再从分地区的技术进步情况中发现，东部地区在2005～2010年间技术进步要快于中、西部地区，此时的东部是我国高技术产业技术进步的领航者，通过技术扩散带动中、西部地区的技术进步。随着时间的推进，2010～2015年间，全国均出现了不同程度的技术进步速度下降的局面，但此时东部技术进步率下降的速度也快于中、西部地区。

四、结论

经过模型的分析我们可以得出如下的结论：在2005～2016年间，我国高技术产业的总体TFP变动是呈上升的趋势，但是TFP的增长还是不稳定。另外，对TFP进行分解后发现，技术进步对TFP增长的贡献率较大，大约为68.34%。而技术效率的提高对TFP的增长的贡献仅为31.66%。这原因是技术效率在2005～20077的间出现了衰退，虽然此后有所提高，但正负抵消，总体的贡献力量较弱。为此，我们认为要实现我国高技术产业产值的大飞跃，还是要从研究与开发新技术入手，扩大对技术的开发和引进、消化吸收的资金投入，彻底改变目前过分依赖于外国技术的局面，努力实现自己的知识产权。在技术进步的同时，技术效率也有待于进一步的提高，从TFP的分解情况就说明了我国的技术效率潜能并没有充分的发挥出来，若能在现有的技术水平下最大化技术的使用效率对我国高技术产业的发展意义深远。

参考文献:

[1]赵伟、马瑞永、何元庆. 全要素生产率变动的分解[J]. 统计研究，2005（7）：37-43.

[2]李斌，赵新华. 中国全要素生产率的估算：1979-2006[J]. 统计与决策，2009（14）：103-105.

[3]葛鹏飞，王颂吉，黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口资源与环境，2018（5）：66-74.

[4]杨芸，洪功翔. 国有高技术企业创新效率评价——基于Malmquist 指数[J]. 山东工商学院学报. 2017, 31（5）：87-95

[5]纪明辉. 东北三省服务业全要素生产率增长测度与分析[J]. 社会科学战线，2018（4）：246-250.