西部地区信息产业全要素生产率的测度与评价——基于非参数Malmquist指数的研究

王恒玉，黄慧淼，熊兴

(西北师范大学 商学院，甘肃 兰州 730070)

一、问题提出

20世纪90年代以来，随着信息技术的快速发展，信息技术和信息产业业已成为国内外热门的研究领域和各国政府关注的焦点。马克·波拉特(M．U．Porat)、张南保、刘小瑜、张守一等都认为随着信息技术的飞速发展，信息产业快速崛起，已经成为继农业、工业、服务业之后的第四产业[1－3]。发展信息产业，推进信息化进程的新经济发展模式也被世界各国广泛采纳。随着信息技术和信息产业的重要性不断提高，信息技术和信息产业的发展规律与发展模式引起了经济、管理、科技等多学科学者的广泛关注。

2005年－2011年我国西部地区信息产业呈快速发展趋势，平均年增长率50.79%。2011年西部地区信息产业总体产值达到8348.65亿元，有效地促进了西部地区经济增长。但是，目前对西部地区信息产业发展状况的研究更多的是停留在经济指标和图表的分析上，如主营业务收入和增加值等，鲜有针对信息产业全要素生产率的定量分析研究，这不利于充分地了解西部地区信息产业的发展水平及其内在机制。

本文运用DEA的Malmquist指数分析西部地区信息产业的生产率水平，并通过对全要素生产率的分解，发现西部地区信息产业发展的优势和劣势，推动对西部地区信息产业生产率水平及其与经济社会发展的更深层次探讨，从而更有利于指导西部地区信息产业的健康、快速发展。同时，本文也探讨了西部地区各省份间信息产业发展呈现出的差异性，地区差异性的长期存在可能会影响到西部地区信息产业发展的整体效率，且不利于信息资源的有效配置与充分利用。

二、研究方法和数据来源

(一)Malmquist指数分析方法

全要素生产率的测算通常有以下两种方法:一是参数方法，主要包括索罗余值法或生产函数法，利用产出增长率除去各投入要素增长率后的余值来计算全要素生产率，张军、赵志耘等运用索罗余值法分别对1952年－1998年和1979年－2009年我国全要素生产率进行了估算[4－6]，徐家杰运用修正的索洛余值法对我国1978年－2006年的全要素生产率进行了测算[7];随机前沿生产函数法，可以在技术无效率条件下估算全要素生产率，如史丹、范丽霞运用随机前沿生产函数法分别对我国能源效率和乡镇企业经济增长效率进行了测度[8－9]。二是非参数方法，主要包括指数法和数据包络分析法(DEA)。Bassem运用指数法测算了中东和北非地区小额信贷机构的全要素生产率变化[10]，林玉英运用指数法测算了1981年－2007年70个国家绿色(环保)的经济增长效率[11]，魏权龄对数据包络分析法进行了相关描述，并运用于卫生经济学测度了医院效率，Ahmar运用数据包络分析法测算了我国高新技术产业的全要素生产率[12]。在本文的研究中采用DEA的Malmquist指数方法测算西部地区信息产业的全要素生产率(TFP)。本文选择Malmquist指数分析方法测算西部地区信息产业的TFP，不仅可以弱化数据质量对于估算结果的影响，还可以避免模型的误设。

本文通过Malmquist指数分析方法测算西部地区信息产业技术效率的变化和技术进步。首先定义时期s与时期t产出距离函数为:

图1 Malmquist生产率指数

Malmquist指数的分解如图1所示。假设只有一种投入x和一种产出y，并且生产规模报酬不变。图1中的点D和E分别表示在时期s和t时的投入－产出组合。在这两种情况下，实际产出都在生产可能前沿的下面。时期s的技术效率变化为，时期t的技术效率变化为。生产率变化由产出增长贡献而不是由投入增长贡献的部分，为，其中表示产出增长为沿生产前沿线在时期s的移动。则生产率的变化也可表示为，其中为在时期t时产出的距离函数，表示时期s的距离函数。Malmquist指数也称为“全要素生产率”(TFP)，Malmquist生产率分解即从TFP变化中分解出技术进步和技术效率变化。

将时期s作为参考标准，时期s到时期t的Malmquist生产率指数变化可表示为:

将时期t作为参考标准，则Malmquist生产率指数变化可定义为:

这两个指数在一种产出、一种投入的情况下是相同的，但是在可变规模收益和多种投入情况下两个指数则有所不同，为了避免这种不一致性，根据上面两种指数的几何平均值构建了基于DEA的Malmquist指数分析方法，公式为:

(二)数据来源

基于数据的可得性，本文利用西部地区11个省(市、区)(除西藏)2005年－2011年信息产业的投入产出数据。数据的选择包括:(1)产出水平(Y)。产出Y为西部地区(除西藏外)2005年－2011年信息产业的主营业务收入;(2)劳动力投入(L)。劳动投入为西部地区(除西藏外)2005年－2011年年末信息产业从业人员L(万人);(3)资本投入(K)，信息产业的资本投入为通信设备、计算机及其他电子设备制造业和信息传输、计算机服务和软件业的资本存量的总和。为简化计算，通信设备、计算机及其他电子设备制造业的资本存量用固定资产净值表示，信息传输、计算机服务和软件业根据永续盘存法(PIM)得到的资本存量公式进行计算［13］:

其中，Kit表示报告期资本存量，Kit－1表示基期资本存量，Iit表示名义固定资本投资额，δit表示折旧率，折旧率参照HallandJones(1999)设为6%，即δit=6%。数据来源与说明见表1。

表1 投入产出变量及数据来源

三、西部地区信息产业全要素生产率的实证分析

通过式(6)算得西部地区各省、市(区)信息产业的Malmquist指数及其分解，结果如表2所示。

表2 2011年西部地区信息产业TFP指数及其分解

表2反映了西部地区信息产业的区域发展状况，从表中我们发现，就整个西部地区而言，信息产业的技术进步是有效的，2005年－2011年平均增长4.4%，而西部地区信息产业全要素生产率变动指数整体上是无效的，其中主要是由于信息产业技术效率的下降(－4.4%)。它表明西部地区信息产业的生产管理水平较低，生产技术能力方面提升较快。

但各省、市(区)TFP指数又存在着明显的区域差异，内蒙古、重庆、陕西、甘肃、青海、宁夏均是有效的。其中陕西的生产效率最高，2005年－2011年全要素生产率平均增长率13.3%，其中主要源自于技术进步(7.9%)和技术效率(4.9%)的提高;而新疆的全要素生产率最低，2005年－2011年全要素生产率平均降低12%，其中主要原因是由于新疆信息产业技术效率的降低(－12.2%)所致。

西部地区信息产业的技术进步指数除内蒙古外均是有效的，说明西部地区信息产业在生产技术能力方面提升较快;在技术效率方面和纯技术效率方面，内蒙古、重庆、陕西、甘肃、青海、宁夏是有效的，说明这6个地区信息产业的生产管理水平提升较快，而这又和全要素生产率的水平是吻合的;就规模效率方面，内蒙古表现最好，表明内蒙古信息产业发展通过规模带来的边际效益最大。

表3 西部地区信息产业整体全要素生产率年际变化

表3显示，西部地区信息产业2005年－2011年全要素生产率平均增长率是下降的(－0.2%)，远远低于同期的信息产业产值年均增长率50.79%。这说明西部地区信息产业的增长仍旧还是粗放的，西部地区对信息产业等高科技产业的承接吸收力量较弱，西部地区应该更加重视科技创新及科研方面的投入，投资拉动在较长时期内仍旧还是促进信息产业增长的主导力量。

图2 西部地区信息产业整体平均全要素生产率年度变化

进一步分析西部地区信息产业全要素生产率及其构成部分的增长情况，可以看出，西部地区信息产业的技术进步指数和全要素生产率有下降的趋势;而同期纯技术效率、规模效率和技术效率指数则表现出缓慢上升的趋势。从图2可以看出，技术进步是目前推动西部地区信息产业全要素生产率(TFP)增长的主要动力。

以上现象可以从以下几个方面来解释:首先，西部地区由于历史和现实的原因，区域经济基础薄弱，资本、技术和人才匮乏。其次，西部地区信息产业起步较晚，西部大开发以来，西部地区信息产业虽然得到了一定的发展，但是发展规模较小，截止2011年底，只占到全国信息产业的10%左右。因此信息产业的技术进步效率和规模效率的相关关系还表现得不明显，但是发达地区，信息产业规模较大，市场饱和度较高，且外资进入比例较大，竞争异常激烈，为了获得规模优势，通过并购或企业扩展等形式的规模扩张将更为普遍、频繁，而这也将进一步促进西部地区信息产业的发展。

四、结论与讨论

本文利用基于DEA模型的Malmquist指数分析方法用估算了西部地区在2005年－2011年期间信息产业的全要素生产率的动态变化。研究发现:首先，2005年－2011年期间西部地区信息产业的技术进步是有效的，但信息产业的技术效率和全要素生产率(TFP)是无效的;其次，西部地区信息产业的生产率各指数的变动存在明显的区域差异，内蒙古、重庆、陕西、甘肃、青海、宁夏在技术效率、纯技术效率和全要素生产率(TFP)方面是有效的。这主要反映了西部地区信息产业在快速发展的过程中还存在着诸多问题，主要问题在于生产管理水平跟不上行业快速发展的需要，导致生产资源配置的效率下降，从而使得信息产业的技术效率较低。

针对上述问题，应从以下几点入手:首先，西部地区信息产业增长较快，但技术效率在各省、市(区)之间存在较大差异，因此，为了均衡技术投入，建立科学的技术引进制度;及时改进和引进生产技术、更新生产设备，促进广西、四川、云南、贵州和新疆等省、区技术水平的提高。其次，西部地区信息产业整体生产管理水平较低，应提升人力资本的投入，提高劳动力素质，为当地信息产业的发展培养优秀的管理人才，促进地区技术进步和技术创新，提高资源利用效率。

[1]张南保．第四产业初探[J]．经济科学，1987，(3):50-54．

[2]刘小瑜．第四产业及其统计指标体系[J]．当代财经，1995，(9):56-59．

[3]张守一．知识、知识经济、知识产业[J]．数量经济技术经济研究，1998，(8):77-81．

[4]章祥荪，贵斌威．中国全要素生产率分析——Malmquist指数法评述与应用[J]．数量经济技术经济研究，2008，25(6):111-121．

[5]张军，施少华．中国经济全要素生产率变动:1952-1998[J]．世界经济文汇，2003，(2):17-24．

[6]赵志耘，杨朝峰．中国全要素生产率的测算与解释:1979年-2009年[J]．财经问题研究，2011，(9):3-12．

[7]徐家杰．中国全要素生产率估计:1978年-2006年[J]．亚太经济，2007，(6):65-68．

[8]史丹，吴利学，傅晓霞，吴滨．中国能源效率地区差异及其成因研究——基于随机前沿生产函数的方差分解[J]．管理世界，2008，(2):35-43．

[9]范丽霞，蔡根女．中国乡镇企业增长的随机前言生产函数分析[J]．数理统计与管理，2009，(4):618-625．

[10]Soltane Bassem B．Total factor productivity change of MENA microfinance institutions:A Malmquist productivity index approach [J]．Economic Modelling，2014，(39):182-189．

[11]Yu －Ying Lin E，Chen P．Y，Chen C．C．Measuring green productivity of country:A generlized metafrontier Malmquist productivity index approach[J]．Energy，2013，(55):340-353．

[12]Qazi A．Q，Yulin Z．Productivity Measurement of Hi－ tech Industry of China Malmquist Productivity Index – DEA Approach [J]．Procedia Economics and Finance，2012，(1):330-336．

[13]朱宗尧，乐嘉锦．上海软件产业全要素生产率评价——基于Malmquist指数的分析[J]．上海经济研究，2011，(6):100-106．