中国战略性新兴产业生产绩效——基于细分行业的随机前沿生产函数的分析

杨悦

（中国社会科学院研究生院，北京 102488）

中国战略性新兴产业生产绩效
——基于细分行业的随机前沿生产函数的分析

杨悦

（中国社会科学院研究生院，北京 102488）

文章运用随机前沿超越对数生产函数和2007-2011年战略性新兴产业各行业的面板数据，研究了我国战略性新兴产业各行业的前沿技术进步率、技术效率以及全要素生产率的特征。实证结果表明：五年间，我国战略性新兴产业的全要素生产率增长快速，为我国经济的平稳较快发展作出了重要贡献；前沿技术进步率基本一直呈现正增长，成为推动我国战略性新兴产业全要素生产率增长的主要动力；技术效率一直呈现正增长但增长幅度较小。因此，提高技术进步将是促进我国战略性新兴产业全要素生产率增长的关键所在，同时提高战略性新兴产业整体的技术效率水平不容忽视。

技术效率；战略性新兴产业；全要素生产率；技术经济

一、引言

长期以来，经济活动的高投入、低产出，高能耗、低效率一直是伴随我国经济增长的一个不容忽视的问题，在保持经济总量不断增长的同时，如何稳定地提高我国的经济效率，已成为我国经济转轨后期迫切需要解决的战略问题。国际金融危机爆发后，我国将战略性新兴产业视为推进产业结构升级、实现经济振兴、提升国际竞争力的突破口。探讨中国战略性新兴产业的增长状况及规律，寻求中国战略性新兴产业的发展路径，对加快中国战略性新兴产业的发展具有重要的指导意义。

传统的经济理论认为经济的增长主要来源是要素的投入量和生产率的增长。随着要素投入的不断增加，要素的边际收益存在递减的规律，因此，经济的长期增长必须依赖生产率的提高来实现。那么当前，战略性新兴产业的生产率状况如何？战略性新兴产业的全要素生产率增长的来源是什么？技术效率与技术进步在中国战略性新兴产业的增长过程中扮演了怎样的角色？本选题从定量分析入手，在探讨中国战略性新兴产业增长规律的基础上，探讨战略性新兴产业的效率问题，为其进一步发展提出具有针对性的对策，具有重要的现实意义和参考价值。

二、文献综述

近年来我国学术界出现了大量从技术效率角度考察经济增长的研究，使得中国经济的发展情况和运行质量成为理论界关注的热点问题。技术效率是衡量生产绩效的重要指标，对技术效率进行估计，经常使用的方法有非参数的数据包络分析(DEA)和参数的随机前沿分析法(SFA)。SFA是允许技术无效率的存在，并可以对全要素生产率的增长进行分解，该方法自提出至今已得到了大量应用。

利用SFA法研究生产绩效的文章越来越多，其内容主要集中在研究中国国民经济某一行业的技术效率。涂正革、肖耿(2005)用随机前沿生产函数法测算了1995-2002年中国大中型工业企业的全要素生产率，发现随着市场化经济改革的深入，我国大中型工业企业的全要素生产率不断提高，而提高的源泉在于前沿技术进步，而企业间的技术效率差距阻碍了生产率的增长；王志鹏、李子奈(2003)对外资是否影响我国工业企业的技术效率问题进行了分析，发现外商投资有助于提高国内企业的技术效率；亢霞和刘秀梅(2005)利用1992-2002年分省的成本与产量数据，估计七种不同粮食作物的随机前沿生产函数并测算出技术效率及其变动趋势，认为提高粮食生产的技术效率是增加产量的现实选择；李胜文、李大胜(2008)基于1985-2005中国34个工业细分行业面板数据，运用资本、劳动和中间投入三种投入要素，分别测算出工业及细分行业的全要素生产率增长率，发现工业全要素生产率的增长出现先慢后快、停滞增长、缓慢回升的态势；杨青青(2009)基于随机前沿生产函数对服务业技术效率及其影响因素的分析时，除了运用人力资本、信息化和市场化等变量，还引入了信任、交互、互助和社团等社会资本因素，研究表明人力资本、信息化、市场化对服务业的技术效率有重要作用，互助和社团有显著的正向作用，但是信任和交互对技术效率没有显著影响；李春梅、杨蕙馨(2012)对中国信息产业技术效率及影响因素进行了分析；杜娟(2011)基于SFA模型对我国汽车制造业技术效率的实证研究等。

目前对中国战略性新兴产业全要素生产率的研究成果尚缺，本文通过构建战略性新兴产业细分行业的随机前沿生产函数，利用遴选出的代表性战略性新兴行业的面板数据加以检验，最终建立出最为适当的函数形式以避免先验设定的错误，在此基础上对行业的技术效率变化进行细致地量化描述，同时考察全要素生产率的增长及其构成随时间变化的特征。

三、全要素生产率的分解与随机前沿生产函数模型的设定

1.全要素生产率的分解

全要素生产率(Total Factor Productivity)，即总产量与全部要素投入量之比，是一种包括所有生产要素的生产率的测量，是用来衡量除各要素（如资本和劳动等） 投入之外对经济增长产生贡献因素的指标。Nishinizu and 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，全要素生产率的增长率可以很好地度量要素效率的提高以及技术进步的程度，因为全要素生产率的增长率可以分解为三个部分：技术效率的变化、规模效率的变化和技术进步。

（1）技术效率

技术效率的概念往往是和生产前沿曲线密不可分的。生产前沿曲线是用来说明和描述在一定的资源与技术条件下可能达到的最大产量的组合。它还可以用来说明潜力与过度的问题：生产前沿曲线以内的任何一点，说明生产还有潜力，即还有资源未得到充分利用，存在资源闲置；而生产前沿曲线之外的任何一点，则是现有资源和技术条件所达不到的；只有生产前沿边界之上的点，才是资源配置最有效率的点。因而，生产前沿曲线可以代表“最佳运行”技术。由此可以看出，技术效率就是用来衡量在一定的投入条件下，其所处的生产曲线与前沿生产曲线之间的距离，距离越大，则效率越低，反之越接近前沿生产曲线则效率越高。

测量技术效率的常用方法是随机前沿分析法。参数的前沿分析方法依赖于对生产函数模型的设定，估计模型中的未知参数，并测量技术效率。根据测算过程中是否考虑随机因素，生产前沿函数又可分为确定性生产前沿函数与随机生产前沿函数，其中确定性生产前沿模型没有把测量误差和其他统计噪声来源考虑进模型，将所有偏离前沿的因素都假定成来自于技术无效，而在随机生产前沿函数中，通过引入统计噪声的随机变量，将产出设定成表示技术无效的非负随机误差与表示噪声的系统随机误差的函数。Ainger，Lovell and Schmidt，Meeusen and Van Den Broeck于1977年分别提出如下形式的随机前沿生产函数模型：

如此可看出，产出导向的技术效率是可观测产出与相应随机前沿产出之比：

（2）全要素生产率增长率的分解

本文是基于Battese and Coelli(1995)提出的随机前沿生产模型进行研究的，其基本模型形式如下：

其中，yit为第i个生产单位在t时期的产出；xit为第i个生产单位在t时期的要素投入；β是待估参数；νit为随机误差项，νit～iidN(0，σν2)且独立于uit；uit为技术无效率项，为误差项的方差中生产无效率方差所占比重，γ值越大，表明生产无效率对生产的波动越具有解释力。

参照Kumbhakar(2000)的分解方法，将对数生产函数对时间t求导，可得产出的增长率：

由此可以看出，产出的增长率分解为前沿技术进步、投入要素增加对产出增长的贡献和技术效率的提高。由全要素生产率的定义可知，产出增长率超出要素投入增长率的部分为全要素生产率，因此若假定要素投入的产出弹性不发生变动且不考虑配置非效率的情况，则可以看出全要素生产率的增长由前沿技术进步和技术效率提高两个部分构成，即：

2.模型函数形式的设定

本文采用时变的超对数生产函数模型，其优点在于此模型具有较好的包容性，不仅考虑了时间变化的因素，还将前沿技术进步与投入要素对生产率的交互效应和投入要素间的替代效应纳入模型之中。本文采用了两投入要素的超越对数生产函数，具体形式为：

其中，i表示行业，yit表示产出，Kit表示资本投入，Lit表示劳动投入，t表示样本观察年度，T表示基期年度，β0～β9和 η均为待估参数，其中 η＞0、η＜0、η=0分别表示无效率项μit随时间的递减、不变、递增。

根据前文全要素生产率增长率的分解，结合公式(4)与公式(7)得：

前沿技术进步率：

四、指标选择与数据处理

1.战略性新兴产业所属的依托部门的选择

2010年9月8日，国务院常务会议审议并原则通过的《国务院关于加快培养和发展战略性新兴产业的决定》，确定了战略性新兴产业将成为国民经济的先导产业和支柱产业，主要包括节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料和新能源汽车七个战略性新兴产业。2012年初，由工信部牵头组织的《国家战略性新兴产业分类目录》课题结题评审通过。《目录》遵循“全局性、前瞻性、规范性、成长性和带动性”的总体原则，细化了战略性新兴产业产品分类，七大产业重点方向得到细分界定。目前，我国战略性新兴产业各行业的数据并不完善，因此需要选择战略性新兴产业的依托部门。中国七个战略性新兴产业都无法精准的划归于某一特定行业，而是散见于国民经济的某些部门，分属于其中的某一小类，称这些包含战略性新兴产业的部门为战略性新兴产业的依托部门（李金华，2011）。对比《目录》中战略性新兴产业的分类与《国民经济行业分类》的行业大类的对应关系，不难发现战略性新兴产业大多属于制造业门类，据此遴选出了战略性新兴产业的依托部门，见表1。

由表1可以看出，我国战略性新兴产业分别集中在B采矿业、C制造业、D电力、热力、燃气及水生产和供应业、E建筑业、G交通运输、仓储和邮政业、I信息传输、软件和信息技术服务业、M科学研究和技术服务业、N水利管理业，不难发现我国战略性新兴产业中大多行业集中在工业部门，因而通过战略性新兴产业分类与国民经济行业分类的对应关系，本文将工业部门中包含战略性新兴产业大类内容的大类作为战略性新兴产业所属的依托部门，选取了19个大类作为研究对象，它们分别是B09有色金属矿采选业、C25石油加工、炼焦和核燃料加工业、C26化学原料和化学制品制造业、C27医药制造业、C29橡胶和塑料制品业、C30非金属矿物制造业、C31黑色金属冶炼和压延加工业、C32有色金属冶炼和压延加工业、C33金属制品业、C34通用设备制造业、C35专用设备制造业、C36汽车制造业、C37铁路、船舶、航空航天和其他运输设备制造业、C38电气机械和器材制造业、C39计算机、通信和其他电子设备制造业、C40仪器仪表制造业、C42废弃资源综合利用业、D44电力、热力生产和供应业、D46水的生产和供应业。

2.指标选择、数据来源与处理

2011年《国民经济行业分类》进行了新的调整，比之前的分类多出了C36汽车制造业，由于数据的可得性限制，本文将C36汽车制造业与C37铁路、船舶、航空航天和其他运输设备制造业两个大类合并，并用《中国工业经济统计年鉴2012》中的交通运输设备制造业的经济指标替代，赋予其代码为C36*，从而最终形成了18个细分行业。

本文模型所使用的样本为遴选出的18个行业规模以上工业企业的产出、资本和劳动力投入的面板数据,数据来源于《中国统计年鉴》 （2007-2011年）和《中国工业经济统计年鉴》 （2007-2011年）。本文采用各行业工业总产值作为产出指标的衡量，并以2007年为基期依据相应各行业工业品出厂价格指数对其进行平减；资本投入采用固定资产净值指标，并以2007年为基期，用固定投资价格指数进行平减；采用全部从业人员平均人数作为劳动投入。

表1 战略性新兴产业的统计分类

续表1 战略性新兴产业的统计分类

五、实证结果与分析

1.模型的检验

随机前沿生产函数模型是测定技术效率的基础，其函数形式是否正确设定关系到对技术效率分析的有效性，因此需要对随机前沿生产模型设定的合理性进行检验。本文对随机前沿生产模型的检验如下：

（1）检验超越对数生产函数的合理性

Cobb-Douglas生产函数中并不包含要素的交互项，其技术结构是线性的，因此检验Cobb-Douglas生产函数是否比超越对数生产函数更合理，则需检验假设H0：β4=β5=β6=β7=β8=β9=0。

（2）检验技术进步变化是否存在

如果不存在技术变化，则随机前沿生产模型中所有含有时间变量t的各项系数均为0，因此需检验假设H0：β3=β6=β8=β9=0。

（3）检验技术中性是否存在

技术中性是指技术的变化不体现在要素中，如果存在技术中性，即生产投入要素的变化不会引起技术的变化，因此需检验假设H0：β8=β9=0。

上述三种假设检验均通过建立似然比统计量LR来进行。其检验思路如下：首先对无约束模型进行估计，得到备择假设下的对数似然值lnL1；然后分别在前文所述的三个约束条件下估计模型，得到约束条件下的对数似然值lnL0；若约束条件下的模型成立，则统计量LR服从渐进卡方分布，即LR～χ2(k)，k为受约束变量的个数；计算统计量LR=-2[lnL0-lnL1]并与约束条件下的卡方值进行比较，如果LR＞χ2(k)，则拒绝H0；反之接受。

通过检验可以看出，所有的原假设均被拒绝，表明本文采用超越对数生产函数比Cobb-Douglas生产函数更为合适，模型中带有技术进步因素更合理且技术是非中性的。上述检验的具体统计量如表2所示。

表2 模型的假设检验结果

2.随机前沿模型估计结果

随机前沿生产函数模型中的参数估计由Frontier4.1 (:Coelli，1996)软件使用极大似然法估计出。在无约束估计模型中，对于不显著的变量我们尝试逐步剔除后得到修正后模型。各类产业的无约束估计的原始模型以及修正后模型估计结果见表3。

表3 模型估计结果

3.我国战略性新兴产业的技术效率分析

由模型估算出来的战略性新兴产业各行业2007-2011年的技术效率水平见表4。

表4 战略性新兴产业分行业的技术效率

从时间变化角度看，战略性新兴产业各行业的技术效率均呈现出逐年提高的趋势，但提高的幅度较小。通过计算所有行业技术效率的均值来简单度量战略性新兴产业总体的技术效率水平，结果显示，我国战略性新兴产业整体的技术效率从2007年的0.6131提高到2011年的0.6369，其提高幅度同样较小，这表明各行业的技术效率水平提高趋势不明显的原因可能是大环境因素的影响，全球金融危机的爆发对我国战略性新兴产业的发展起到了阻碍作用。

分行业来看，石油加工.炼焦及核燃料加工业、有色金属冶炼及压延加工业、电气机械及器材制造业、通信设备。计算机及其他电子设备制造业等行业的技术效率水平最高，各年均超过了0.9，平均技术效率分别为0.9850、0.9186、0.9442、0.9476，交通运输设备制造业的技术效率水平次之，但也处于高水平行列，各年技术效率值均在0.8以上，五年来平均技术效率为0.8105，这五个年均技术效率最高的行业中大多数行业的竞争性普遍较强；居于技术效率水平较高行列的行业有化学原料及化学制品制造业(0.6142)、医药制造业(0.5124)、橡胶和塑料制品业(0.5790)、黑色金属冶炼及压延加工业(0.6712)、金属制品业(0.6753)、通用设备制造业(0.7224)、专用设备制造业(0.6412)以及仪器仪表及文化。办公用机械制造业(0.5464)等，这八个行业的年均技术效率水平在0.5～0.8之间，不难发现这七个较高技术效率的行业中也以竞争性行业居多且大部分为技术密集型行业；平均技术效率水平最低的五个行业分别是有色金属矿采选业、非金属矿物制品业、废弃资源和废旧材料回收加工业、电力、热力的生产和供应业、水的生产和供应业，其技术效率分别为 0.3993、0.4655、0.4761、0.2525、0.0897，这些低技术效率的行业以垄断行业为主，这与多数研究结果是一致的。值得一提的是，水的生产和供应业的平均技术效率还不到0.1，作者对于这个数据的可靠性提出质疑，但究其原因的过程中发现，水的生产和供应业的工业总产值在遴选出的18个战略性新兴行业中是最小的，其资本的投入和劳动的投入相对较大，完全属于高投入低产出的行业，外加其行业的高度垄断性，导致了水的生产和供应业的低技术效率。图1是根据实证结果，分行业平均技术效率的统计折线图。

图1 2007-2011年中国18个战略性新兴行业年均技术效率比较

表5 中国战略性新兴产业分行业的前沿技术进步率表

表6 中国战略性新兴产业分行业的技术效率变化表

表7 中国战略性新兴产业分行业的全要素增长率变化表

4.全要素生产率变化率的分解

分别计算出2007-2011年间战略性新兴产业分行业的前沿技术进步率和技术效率变化率、全要素增长率变化以及加总的全要素生产率以及对应的标准差系数，见表5～表8。

前沿技术进步率分析。从整体看，我国战略性新兴行业的前沿技术进步率逐年提高且提高幅度较大，从0.0382提高到0.1426，但增长缓慢，年平均前沿技术进步率为0.0894，说明我国战略性新兴产业的自主创新能力和吸收外来技术的能力有待提高。分行业看，我国18个战略性新兴行业的前沿技术进步率都逐年提高。有色金属矿采选业、医药制造业、橡胶和塑料制品业、金属制品业、专用设备制造业、电气机械及器材制造业、仪器仪表及文化、办公用机械制造业和废弃资源和废旧材料回收加工业等8个行业的前沿技术进步率均高于10个百分点，这些行业大多属于技术密集型行业。考察这8个行业的前沿技术进步率波动差异，变异系数较为相近且在18个行业中偏小，呈现出明显的趋同效益。石油加工、炼焦及核燃料加工业、化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、通用设备制造业、交通运输设备制造业、通信设备、计算机及其他电子设备制造业和水的生产和供应业等9个行业的前沿技术进步率均低于10%且波动差异较大，说明这些行业的前沿技术进步率出现比较明显的分化特征。电力、热力的生产和供应业的前沿技术进步率最低，平均1个百分点，其前沿技术进步率的变异系数值为410.13%，是18个行业中差异最大的，这说明该行业的前沿技术进步率出现十分明显的分化的特征。考察该行业五年来的前沿技术进步率发现，2007年和2008年该行业的前沿技术进步率为负值，分别为-0.0419、-0.0068，说明这两年电力、热力的生产和供应业的技术进步速度是减缓的，此后技术进步速度明显上升。作者认为，出现这种现象的原因可能有两点：一是电力体制改革滞后，二是自主创新能力不强。2002年我国以“初步建立竞争、开放的区域电力市场”为目标，开始实行“厂网分离”的改革，但由于行业产业链、价值链的局限，无法在短期内看到改革成效，另外该行业的核心技术还处于引进消化、联合设计阶段，一些关键材料等还依赖于进口，缺少自主知识产权。改革的滞后和技术的不成熟导致电力、热力的生产和供应业连年巨额亏损，打击了该行业研发新技术的积极性。此后，随着改革的深入和技术的进一步成熟，该行业的技术进步速度呈现递增趋势。

技术效率变化率分析。表6显示，从整体上看，我国战略性新兴产业的技术效率从2007年的0.6131提高到2011年的0.6369，年平均技术效率变化率为0.0229。石油加工.炼焦及核燃料加工业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、金属制品业、通用设备制造业、交通运输设备制造业、电气机械及器材制造业等行业的技术效率变化率随时间变动的趋势不明显，其技术效率变化率均值均低于0.01。根据前文分行业技术效率的分析，石油加工、炼焦及核燃料加工业、有色金属冶炼及压延加工业、交通运输设备制造业、电气机械及器材制造业属于高技术效率行业，高起点的特征导致了技术效率增长率的不显著。有色金属矿采选业、电力、热力的生产和供应业、水的生产和供应业等技术效率变化率最大，这与这些行业技术效率低起点的特征是分不开的。从变异系数上看，石油加工、炼焦及核燃料加工业的变异系数为12.50%，远大于其他行业，说明其行业技术效率变化差异较大。

全要素生产率增长率分析。从整体上看，我国战略性新兴产业的全要素生产率增长速度较快，平均增长率为0.1040。全要素生产率增长率的构成中，前沿技术进步起了根本性的作用，前沿技术进步对全要素生产率增长率的贡献达到85.96%，生产效率变化率对全要素生产率变化的影响很小。从细分行业上看，18个战略性新兴行业的年均全要素生产率都呈现正的增长趋势，全要素生产率增长最快的五个行业依次为废弃资源和废旧材料回收加工业(15.51%)、仪器仪表及文化、办公用机械制造业(14.55%)、有色金属矿采选业(13.53%)、水的生产和供应业(13.22%)和金属制品业(12.05%)，这五个行业的全要素生产率的增长率远高于平均行业全要素生产率的增长水平(10.40%)；增长最慢的五个行业依次为电力、热力的生产和供应业、石油加工、炼焦及核燃料加工业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业和化学料及化学制品制造业。可以看出增长较快的行业多数开放度一般较大、竞争性较强，增长速度较慢的全是资本密集型行业，并且垄断程度较高。作为技术密集型行业的交通运输设备制造业和通信设备、计算机及其他电子设备制造业的全要素生产率增长率未达到平均水平，作者认为这些行业的技术水平和技术创新能力与世界前沿水平差距较大，许多关键设备零件、核心技术需从发达国家购入，从而加大了资本投入，导致全要素生产率增长缓慢。

表8 全要素生产率增长率的构成情况

六、结论

本文应用随机前沿生产函数估算了中国2007-2011年战略性新兴产业及其细分行业的技术效率以及全要素生产率的变化。

综合上述分析，五年间，我国战略性新兴产业的全要素生产率快速增长，为我国经济的平稳较快发展作出了重要贡献。我国战略性新兴产业各行业全要素生产率和技术进步变化显著，技术效率变化不大；电力、热力的生产和供应业前沿技术进步率虽出现过负增长，但近年来已出现上升趋势，并呈现正增长，其他行业的前沿技术进步率一直呈现正增长，成为推动我国战略性新兴产业全要素生产率增长的主要动力；技术效率一直呈现正增长但增长幅度较小。这一结果表明，2007年以来，技术进步是推动我国战略性新兴产业全要素生产率的最显著因素。由此看来，当前中国战略性新兴产业正经历着一场以前沿技术进步为核心的生产力革命。从政策角度看，提高技术进步将是促进我国战略性新兴产业全要素生产率增长的关键所在，因在发展战略性新兴产业的策略上要着重吸收先进技术，加强培养技术创新能力，减少对国外先进设备和核心技术的依赖，但是技术效率的提高也不容忽视，在保持前沿技术进步的同时，加强竞争，需要根据行业的性质、市场需求等因素的差异，分别制定相应发展政策，以提高战略性新兴产业整体的技术效率水平。

[1]姚洋，章奇.中国工业企业技术效率分析 [J].经济研究，2001，(10)：13-19.

[2]涂正革，肖耿.中国的工业生产力革命 [J].经济研究，2005(3)：4-15.

[3]王志平.生产效率的区域特征与生产率增长的分解——基于主成分分析与随机前沿超越对数生产函数的方法 [J].数量经济技术经济研究，2010(1)：33-43.

[4]傅晓霞，吴利学.技术效率、资本深化与地区差异——基于随机前沿模型的中国地区收敛分析 [J].经济研究，2006(10)：52-61.

[5]王争，郑京海，史晋川.中国地区工业生产绩效:结构差异、制度冲击及动态表现 [J].经济研究，2005(3)：48-59.

[6]李胜文，李大胜.中国工业生产率的波动：1986-2005[J].数量技术经济研究，2008(5)：4-45.

[7]严兵.效率增进、技术进步与全要素生产率增长 [J].数量技术经济研究，2008(11)：16-27.

[8]沈能.中国制造业全要素生产率地区空间差异的实证研究 [J].中国软科学，2006(6)：9-10.

[9]王德祥.我国税收征管效率及其影响因素——基于随机前沿分析(SFA)技术的实证研究 [J].数量经济技术经济研究，2009 (4)：152-161.

[10]岳书敬，刘朝明.人力资本与区域全要素生产率分析 [J].经济研究，2006(4)：6-8.

[11]干春晖，郑若谷.中国工业生产绩效：1998-2007——基于细分行业的推广随机前沿生产函数的分析 [J].财经研究，2009 (6)：97-108.

[12]王志刚，龚六堂，陈玉宇.地区间生产效率与全要素生产率增长率分解 [J].中国社会科学，2006(2)：12-13.

[13]周燕，蔡宏波.中国工业行业全要素生产率增长的决定因素：1996-2007[J].北京师范大学学报（社会科学版），2011(1)：133-141.

[14]全炯振.中国农业全要素生产率增长的实证分析：1978-2007年——基于随机前沿分析（SFA）方法 [J].中国农村经济，2009(9)：36-47.

[15]李静，孟令杰.中国农业生产率的变动与分解分析：1978-2004年 [J].数量经济技术经济研究，2006(5)：11-19.

[16]Battese，G.E and Coelli，T.J..A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995：325-332.

[17]Kumar，Subodh and Russell，Robert.Technological Change，Technological Catch-up and Capital Deepening：Relative Contributions to Growth and Convergence[J].The American Economic Review，2002，92(3)：527-548.

[18]Kumbhakar，Subal C1.Estimation and Decomposition of Productivity Change When Production Is Not Efficient：A Panel Data Approach[J].Econometric Reviews，2000，19(4)：425-4601.

[19]Stoneman，Paul.TheEconomicAnalysisofTechnological Change[M].Oxford：Oxford University Press，1983.

[20]Casetti，F W.J.Coleman.The World Technology Frontier[J]. NBER Working Paper，2000：7904.

[21]Caves，D.W.，L.R.Christensen and W.E.Diewert.The Economic Theory of Index Numbers and the Measurement of Input，Output and Productivity[J].Econometrica，1982(50)：1393-1414.

[22]Charnes，A.，W.Cooper and E.Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operations Resarch，1978(2)：429-449.

[23]刘洪昌.中国战略性新兴产业的选择原则及培育政策取向研究 [J].科学学与科学技术管理，2011(03).

[24]Zhu Ruibo，Liu Yun.The general characteristics of the strategic emerging industry development of our country，the system obstacles and mechanism innovation [J].Journal of Social Sciences，2011(05).

[25]Peng Jinrong，Li Chunhong.Foreign strategic emerging industry development trend and enlightenment[J].Reformation& Strategy，2011(02).

[26]Xiong Yongqing，Li Shicai.Strategic emerging industries and traditional industries of benign interactive development，based on an analysis of the present situation of the industry development of our country and thinking[J].Science&Technology Progress and Policy，2011(05).

[27]He Zhengchu，Zhang Mi.The evaluation index system of strategic emerging industries research-based on the connotation and characteristics of several industry comparative perspective[J].Academia Bimestrie，2011(06).

（责任编辑：WD）

Production Performance of China's Strategic Emerging Industries——The Analysis of the Stochastic Frontier Production Function based on Niche Business

YANG Yue
（Graduate School of Chinese Academy of Social Sciences，Beijing 102488，China）

This paper takes advantage of stochastic frontier logarithmic production function and the panel data of China's strategic emerging industries between 2007 and 2011 to study the forefront of the industry rate of technological progress，technical efficiency and total factor productivity.The empirical results demonstrate that during the five years，TFP of China's strategic emerging industries increases rapidly，which has made important contributions for China's economic development.The rate of forefront technological progress keeps growing，which has become the main engine of the growth of strategic emerging industries'TFP. Technical efficiency has been growing yet，and the quantity is comparatively small.Therefore，the improvement of the technological advances will be the key to China's strategic emerging industries TFP growth.In the meantime，improving the overall strategic emerging industries technical efficiency levels must not be ignored.

Technical efficiency；Strategic emerging industries；TFP；Technical and economic

F062.9

A

1004-292X（2014）03-0097-08

2013-11-01

国家自然科学基金项目（71273276）。

杨 悦（1987-），女，山东东明人，博士研究生，研究方向：经济统计。