基础设施对工业技术效率的影响——基于随机前沿模型的实证分析

王良举,王 丽

（1.2. 安徽财经大学工商管理学院，安徽蚌埠，233030）

基础设施对工业技术效率的影响
——基于随机前沿模型的实证分析

王良举1,王 丽2

（1.2. 安徽财经大学工商管理学院，安徽蚌埠，233030）

基于超越对数生产函数的随机前沿模型，利用1999～2010年中国工业行业省级面板数据，实证分析基础设施对工业技术效率的影响。结果表明，交通、信息基础设施的完善能显著地促进工业技术效率的提高。继续加强基础设施建设，并向基础设施整体发展水平较低的中西部落后地区倾斜，有助于中国工业技术效率的提高和区域经济的协调发展。

基础设施；技术效率；随机前沿分析

一、引言

完善的基础设施是一个国家和地区经济发展的必要前提。[1]改革开放以来，中国基础设施投资快速增长。特别是1998年以来，中国先后实施的西部大开发、振兴东北老工业基地以及中部崛起等重大战略均将加强基础设施建设作为政策核心。2008年底，为应对国际金融危机冲击，中国政府推出的4万亿投资计划中有1.5万亿元用于基础设施建设。这一系列加强基础设施建设的政策措施使得中国各类基础设施实现了跨越式发展，创造了基础设施“奇迹”。刘生龙、胡鞍钢（2010a）将超前发展的基础设施视为中国经济实现增长“奇迹”的重要原因。[2]

基础设施对经济增长的重要作用早在20世纪40年代就已引起发展经济学家的关注。[1]内生增长模型从理论上支持了基础设施存在对经济增长的溢出效应。[3-4]Aschauer（1989）, Munnell（1992）以及Röller和Waverman（2001）从实证角度证实基础设施对经济增长具有积极效应。[5-7]但Hulten和Schwab（1991）, Holtz-Eakin（1994）以及Garcia等（1996）研究表明，基础设施对经济增长的正外部性并不显著。[8-10]国内学者就基础设施对中国经济增长的影响进行的研究大多发现，基础设施对中国经济增长具有积极影响。[2,11-14]除了研究基础设施对宏观经济的影响，基础设施对中观产业或微观企业的生产率、生产成本等的影响也受到研究人员的关注。Eberts（1986）利用美国38个大都市区数据进行的研究发现，公共资本存量增加对制造业产出具有显著促进作用。[15]Nadiri和Mamuneas（1994）研究发现，公共基础设施对美国制造业成本结构和绩效均有显著影响[16]。Cohen和Paul（2004）研究发现，公共基础设施能够显著降低了美国制造业的生产成本。[17]Paul和Sahni等（2004）研究发现，公共基础设施对加拿大制造业生产率具有显著促进作用。[18]在微观企业层面，良好的交通设施通过降低交通成本、促进专业化、刺激创新和网络效应，导致规模经济、集聚效应和更好的存货管理，[19]而更好的电力、信息基础设施使得工人能更快速地处理任务，从而提高劳动生产率。[20]基于中国产业（或企业）的实证研究仍非常缺乏。李涵、黎志刚（2009）估计了公路和铁路投资对企业存货水平的影响途径及影响程度，[21]张光南等（2010）分析了基础设施对企业生产平均成本和投入要素需求弹性的影响。[22]本文采用超越对数生产函数的随机前沿模型实证检验基础设施对中国工业技术效率的影响。

二、模型设定与变量说明

技术效率（Technical Efficiency, TE）是和生产可能性边界（Production Frontier）的概念联系在一起的。[23]考虑单一产出的情形，则生产可能性边界指的是一定的要素投入所对应的最大产出。技术效率是用来衡量等量要素投入条件下，企业实际产出与最大产出的距离。技术效率反映了企业生产过程中的技术水平、管理水平、劳动者素质、产品和工艺创新程度以及资源配置情况等信息。近年来，Aigner和Lovell等（1977）以及Meeusen和van den Broeck（1977）提出的随机前沿分析（Stochastic Frontier Analysis, SFA）方法被广泛用于测算中国产业技术效率。根据Kumbhakar和Lovell（2000）的总结，[24]本文使用的随机前沿模型基本形式如下：

式中，yit代表第i个省第t期的工业实际产出，表示生产可能性边界上的前沿产出（潜在最大产出），即具有完全效率时的产出，x表示投入要素向量，t（t=1,…,T）为时间趋势，反映技术变化。（vit-uit）为复合误差项，且vit与uit相互独立。其中，，表示随机扰动的影响；uit为非负的技术无效率项，且，表示实际产出与前沿产出的差距。

技术效率水平的测度指标TE定义为实际产出与前沿产出期望的比值。即：

采用SFA方法测算产业技术效率需要设定生产函数的形式。本文放宽技术中性和产出弹性固定的假定，采用超越对数（Translog）生产函数，很好地避免了函数形式误设带来的估计偏差。模型具体形式如下（原模型两边同取自然对数）：

式中，β、φ为待估参数；y为工业产出，用工业增加值表示；k表示资本投入，用工业固定资产净值年均余额表示；l表示劳动投入，用工业从业人员年平均数表示；t及复合误差项定义同前文。

遵循Battese和Coelli（1995）的做法，在模型（3）基础上构建技术无效率方程，进而考察基础设施对工业技术效率的影响。模型形式如下：

式中，δ0为常数项；zit为影响技术非效率的因素；δ为影响因素的系数向量，若该系数为负，说明其对技术效率有正的效应，反之，则有负的效应；η为技术无效率的时变参数，η＞0、η=0和η＜0分别表示技术无效项随时间递增、不变和递减；wit为随机误差项。本文主要目的是考察基础设施对工业技术效率的影响，因此将基础设施作为核心解释变量引入技术无效率方程，而将对外开放以及制度因素作为控制变量。

（一）核心解释变量

基础设施包括公路、铁路、机场、通讯、水电煤气等经济性基础设施和教育、科技、医疗卫生、体育、文化等社会性基础设施两大类。[26]基础设施的完善有利于企业技术水平、管理水平、劳动者素质以及工艺创新能力的提高，减少企业运行中的技术无效率。基础设施涵盖范围广泛，本文重点关注经济性基础设施中的交通基础设施及信息基础设施对工业技术效率的影响。

1. 交通基础设施（Trans）。由于中国地域广阔，空间距离导致的运输成本是个别省份技术落后行业的天然保护性关税。交通基础设施的发展能够提高区域的通达性，降低运输成本，起到削减这一保护税率的作用[27]，竞争的压力迫使企业不断提高自身的技术水平和管理能力。由于各省交通基础设施资本存量数据不可得，本文用实物形态的变量作为交通基础设施的代理。考虑到铁路和公路承担了中国绝大部分的客货运输，而且二者在各省分布较为广泛，本文用铁路营业里程和公路里程衡量交通基础设施水平。沿用Demurger（2001）的做法[28]，加总两类交通基础设施之后再除以各省国土面积，得到交通基础设施密度来具体反映各省交通基础设施发展水平。

2. 信息基础设施（Inform）。信息基础设施的完善能减少市场中的信息不对称问题，使得企业能更有效地利用当前更先进的技术进行生产从而提高运行效率。信息基础设施水平一般可以用电话、互联网普及率和电话服务价格等来衡量，但这些变量只能从一个层面来反映信息基础设施状况，而且难以准确获取相关数据。本文借鉴刘生龙、胡鞍钢（2010b）的做法[29]，用人均邮电业务量具体衡量各省信息基础设施发展水平。

（二）控制变量

1. 对外开放度（Open）。对外开放的国家更有能力吸收国外先进技术成果，提高该国技术水平，促进该国经济增长。随着国际贸易活动的增加，包含在进口商品和服务中的先进技术和管理经验能被本国生产者吸收利用，进而提高本国生产效率；跨国公司带来的先进技术与管理经验，通过技术扩散效应会提高东道国的劳动生产率。[30-31]因此，本文将对外开放度作为控制变量引入技术无效率方程，用外贸依存度作为对外开放度的代理变量，并用进出口总额占GDP的比重来表示。

2. 制度因素（SOE）。中国经济转型过程中，制度因素对生产率的影响值得特别关注。姚洋（1998）研究发现，非国有企业比国有企业具有更高的技术效率。[32]刘小玄（2000）研究发现，与私营个体企业和三资企业相比，国有企业效率最低。可见，国有经济参与程度提高会降低产业技术效率。[33]本文用国有及国有控股工业企业总产值占工业行业总产值的比重作为制度因素的代理变量。

三、实证结果及分析

（一）样本及数据说明

工业增加值用工业品出厂价格定基指数（以1998年为基期）进行平减。工业固定资产净值年均余额用各省固定资产投资价格指数进行平减，基期为1998年。广东省2001年之前的固定资产投资价格指数未公布，本文采用各年东部地区的固定资产投资价格指数的均值近似替代。中国从2001年开始才公布居民通信服务消费价格指数，本文用居民消费价格指数近似代替，将邮电业务量原始数据进行平减，基期同样为1998年。进出口总额用当年人民币对美元的平均汇率调整成以人民币计价的值。2004年全国大多省份工业行业总产值和国有及国有控股工业企业总产值数据不可得，我们用插值法进行了估算。

西藏自治区和海南省历史数据缺失较多，故将其舍去。因此本文研究样本实际涵盖中国大陆29个省（市、自治区）。考虑到数据的可得性，本文样本期间为1999~2010年。为保持样本数据的一致性，如果没有特别说明，本文所有数据均来自《新中国60年统计资料汇编》、各年《中国统计年鉴》和各省统计年鉴。相关变量统计描述如表1所示。

表1 变量统计描述

（二）计量结果及分析

使用Frontier4.1软件对随机前沿生产函数和技术无效率方程进行极大似然估计，结果见表2。模型参数估计结果大多均非常显著，说明模型具有相当的解释力，采用超越对数生产函数是合理可靠的。γ=0.8837，且通过1%水平下的显著性检验，表明技术无效率主要是由生产的无效率造成的，而与随机扰动关联不大，用随机前沿模型对生产函数进行拟合是合适的。技术无效率方程中，时变参数η为-0.0157，表明中国工业企业整体的技术无效率程度有不断降低的趋势，即中国工业企业整体的技术效率水平在改善，中国工业企业整体的技术效率水平年均提高大约1.57%。

交通基础设施（Trans）和信息基础设施（Inform）的系数估计值均显著为负，即二者与技术无效率程度负相关，表明交通、信息基础设施对工业技术效率具有显著的正向影响，这一结果与本文预期一致。交通、信息基础设施的发展能够缩短空间距离，降低交通成本，使得人员、货物区域间流动更加便利，促进知识、技术的传播和扩散，进而有利于企业技术效率的提高；此外，交通、信息等基础设施的完善能够吸引企业和人员向这些区域聚集，而经济活动主体在空间上的相互接近带来了外部经济，提高了所有参与者的生产率。改革开放以来，中国各级政府加大基础设施投入力度，使得交通、信息基础设施实现了跨越式发展，逐步消除了经济发展中的基础设施“瓶颈”问题，为中国经济快速、稳定、健康发展提供了润滑剂和推进剂。中国交通、信息等基础设施的发展完善为中国工业技术效率的提升作出了重要贡献。

对外开放度（Open）的系数显著为负，表明对外开放对中国工业技术效率具有积极影响。作为一个后发国家，国际贸易给予中国模仿国际先进技术的机会，而模仿是一个通过“干中学”提升技术水平的过程。“出口中学习”效应亦会促进企业技术效率的提升。[34]源于国际市场的产品竞争会促使出口企业不断改进生产工艺，逐步提高技术效率。而包含在进口商品与服务中的大量先进技术和管理经验也能被国内企业所吸收利用，进而提高企业的生产率。

制度因素（SOE）的系数显著为正，表明国有经济参与程度提高会降低技术效率。行业内国有经济比重越高，越不利于整个行业技术效率的提高。国有企业和非国有企业具有不同的激励约束机制，而且它们在行业进入、退出和投融资方面面临的政策环境也不同，这使得非国有企业的创新激励更强，更加注重提高效率，以求在激烈的市场竞争中获得长期生存和发展。改革开放以来，中国企业所有制改革的不断深入对中国工业技术效率的提升产生了积极作用。

表2 随机前沿模型的极大似然估计结果

四、总结性评述

本文采用超越对数生产函数的随机前沿模型，实证检验了基础设施对中国工业技术效率的影响。结果表明，交通、信息基础设施对中国工业技术效率具有显著的促进作用。交通、信息基础设施的发展、完善能降低交通成本，使得运输货物、交流思想、传授技术和知识更加便利，促进企业技术水平、管理能力以及创新能力不断提升。此外，本文研究还发现，中国对外开放的深化和企业所有制改革的深入也为中国工业技术效率的提升作出了积极贡献。

改革开放以来，中国政府注重加强基础设施建设，使得各类基础设施条件均得到不断完善，尤其是铁路、高速公路以及电信基础设施条件的改善最为明显。但总体上看，中国基础设施发展水平依然较为落后，而且各类基础设施发展并不均衡，区域差异也较大。近年来，国家实施的区域协调发展战略将加强基础设施建设作为政策基点。2010年以来，国家发展和改革委员会先后批复设立的安徽皖江城市带、广西桂东、重庆沿江、湖南湘南、湖北荆州以及豫晋陕黄河金三角等6个国家级承接产业转移示范区均将提升基础设施保障能力、优化产业发展环境作为建设的重要内容。今后相当长一段时期内，应针对中国各地区不同类型基础设施的发展现状，优化基础设施投资结构，调整基础设施投资的地区流向，优先发展经济社会发展亟需的各类基础设施，并向基础设施整体发展水平较低的中西部落后地区倾斜，实现中国各地区各类基础设施的均衡发展，增强中西部地区承接产业转移能力，缓解东部沿海地区工业高度集聚带来的拥挤效应，提高中西部地区产业集聚水平，促进中国工业技术效率的不断提高和区域经济的协调发展。

[1] Rosenstein-Rodan, P. N. Problems of Industrialisation of Eastern and South-Eastern Europe [J]. Economic Journal, 1943, 53(210/211):202-211.

[2] 刘生龙,胡鞍钢. 基础设施的外部性在中国的检验：1988-2007[J].经济研究,2010a,(3):4-15.

[3] Romer, P. M. Increasing Returns and Long-Run Growth [J]. Journal of Political Economy,1986,94(5):1002-1037.

[4] Jr. Lucas, R. E. On the Mechanics of Economic Development [J]. Journal of Monetary Economics, 1988,22(1):3-42.

[5] Aschauer, D. A. Is Public Expenditure Productive [J]. Journal of Monetary Economics, 1989, 23(2):177-200.

[6] Munnell, A. H. Infrastructure Investment and Economic Growth [J]. Journal of Economic Perspectives, 1992,6(4):189-198.

[7] Röller, L. and L. Waverman. Telecommunications Infrastructure and Economic Development: A Simultaneous Approach [J]. American Economic Review, 2001, 91(4):909-923.

[8] Hulten, C. and R. M. Schwab. Public Capital Formation and the Growth of Regional Manufacturing Industries[J]. National Tax Journal, 1991, 44(4):121-134.

[9] Holtz-Eakin, D. Public Sector Capital and the Productivity Puzzle [J]. Review of Economics and Statistics,1994, 76(1):12-21.

[10] Garcia-Milà, T., T. J. Mcguire and R. H. Porter. The Effect of Public Capital in State Level Production Functions Reconsidered [J]. Review of Economics and Statistics, 1996, 78(2):177-180.

[11] 踪家峰,李静. 中国的基础设施发展与经济增长的实证分析[J].统计研究,2006(7):18-21.

[12] 罗雨泽,芮明杰,罗来军,等. 中国电信投资经济效应的实证研究[J].经济研究,2008(6):61-72.

[13] 郭庆旺,贾俊雪.基础设施投资的经济增长效应[J].经济理论与经济管理,2006(3):36-41.

[14] 胡鞍钢,刘生龙.交通运输、经济增长及溢出效应——基于中国省际数据空间经济计量的结果[J].中国工业经济,2009(5):5-14.

[15] Eberts, R. W. Estimating the Contribution of Urban Public Infrastructure to Regional Growth [R]. Federal Reserve Bank of Cleveland, Working Paper 8610,1986.

[16] Nadiri, M. I. and T. P. Mamuneas. The Effects of Public Infrastructure and R&D Capital on the. Cost Structure and Performance of U.S. Manufacturing Industries [J]. Review of Economics and Statistics, 1994, 76(1):22-37.

[17] Cohen, J. P. and C. J. M. Paul. Public Infrastructure Investment, Interstate Spatial Spillovers, and Manufacturing Costs [J]. Review of Economics and Statistics, 2004, 86(2):551-560.

[18] Paul, S., B. S. Sahni and B. P. Biswal. Public Infrastructure and the Productive Performance of Canadian Manufacturing Industries [J]. Southern Economic Journal, 2004, 70(4):998-1011.

[19] Forslid, R. and G. I. P. Ottaviano. An analytically solvable core-periphery model [J]. Journal of Economic Geography, 2003, 3(3):229-240.

[20] Agénor, P. R. and K. C. Neanidis. The allocation of public expenditure and economic growth [R].Discussion Paper Series with number 69,2006.

[21] 李涵,黎志刚.交通基础设施投资对企业库存的影响——基于我国制造业企业面板数据的实证研究[J].管理世界,2009(8):73-80.

[22] 张光南,朱宏佳,陈广汉. 基础设施对中国制造业企业生产成本和投入要素的影响——基于中国1998-2005年27个制造业行业企业的面板数据分析[J].统计研究,2010(6):46-57.

[23] Farrell, M. J. The Measurement of Production Efficiency [J]. Journal of Royal Statistical Society. Series A(General), 1957, 120(3):253-290.

[24] Kumbhakar, S. C. and C. A. K. Lovell. Stochastic Frontier Analysis [M]. Cambridge: Cambridge University Press, 2000:8-10.

[25] Battese, G. E. and T. J. Coelli. A Model of Technical Inefficiency Effects in Stochastic Frontier Production for Panel Data [J]. Empirical Economics, 1995, 20(2):325-332.

[26] World Bank. World Development Report 1994: Infrastructure for Development [M]. New York: Oxford University Press, 1994:13-24.

[27] 刘秉镰,武鹏,刘玉海.交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J].中国工业经济,2010(3):54-64.

[28] Demurger, S. Infrastructure and Economic Growth: An Explanation for Regional Disparities in China [J]. Journal of Comparative Economics, 2001, 29(1):95-117.

[29] 刘生龙,胡鞍钢. 交通基础设施与经济增长:中国区域差距的视角[J].中国工业经济,2010b(4):14-23.

[30] Barro, R. J. Economic Growth in a Cross Section of Countries [J]. Quarterly Journal of Economics, 1991,106(2):407-443.

[31] Sala-I-Martin, X. I Just Ran Two Million Regressions [J]. American Economic Review, 1997, 87(2):178-183.

[32] 姚洋. 非国有经济成分对我国工业企业技术效率的影响[J].经济研究,1998(12):29-35.

[33] 刘小玄,中国工业企业的所有制结构对效率差异的影响——1995年全国工业企业普查数据的实证分析[J].经济研究,2000(2):17-25.

[34] Bernard, A. B., J. B. Jensen and P. K. Schott. Trade Costs, Firms and Productivity [J]. Journal of Monetary Economics, 2006, 53(5):917-937.

(责任编辑 郑娟榕)

Effect of Infrastructure on Technical Efficiency of China’s Industry:Empirical Study Based on Stochastic Frontier Model

WANG Liang-ju1, WANG Li2
（1.2.School of Business Administration, Anhui University of Finance and Economics, Bengbu, 233030, China）

Using province-level panel data of China’s industry from 1999 to 2010, this paper analyses the effect of infrastructure on technical efficiency of China’s industry based on translog production function in a general stochastic frontier specification. The empirical results show that infrastructure has significant and positive effect on technical efficiency of China’s industry. To strengthen infrastructure construction with a policy inclination to Midwest of China help to improve technical efficiency of China’s industry and promote harmonious development of regional economy.

infrastructure; technical efficiency; Stochastic Frontier analysis

F424;F224

A

2095-2082（2013）04-0017-07

2013-04-08

教育部人文社会科学研究青年基金项目（13YJCZH179）；安徽高校省级自然科学研究项目（KJ2012Z001）

1. 王良举（1979-），男，安徽肥西人，安徽财经大学工商管理学院讲师，经济学博士；

2. 王 丽（1978-），女，安徽太和人，安徽财经大学工商管理学院讲师。

book=22,ebook=267