网络融合、技术进步与电信业生产率增长——基于中国31省市面板数据的实证研究

刘 孟 飞

( 西安交通大学 经济与金融学院， 陕西 西安 710061 )

一、引 言

自20世纪90年代末期以来，电信网、互联网、广播电视网的三网融合问题逐渐成为我国学术界探讨的热点，特别是在2010年初，国务院常务会议决定加快推进三网融合，并通过了相应总体推进方案，标志着三网融合上升到国家战略层面。2010年6月，国务院确定了首批12个试点城市，正式开始实施试点工作，2011年底，试点城市进一步扩大到42个，从2013年开始，三网融合将由试点期进入到全面推广阶段。实现三网融合以后，电信运营商将能够提供语音、数据、视频三重业务，与广电网、互联网进入交叉竞争领域，必将给中国电信业的业务活动、服务内容与盈利能力等造成影响。在此背景下，立足于网络融合的历史进程，对这一变革给电信产业组织演化与绩效带来的影响进行深入探讨，进而对政策框架进行基础性构建，是电信产业经济研究的一项崭新课题。

长期以来，对不同电信部门的相对效率表现进行测算是有关学者和监管机构最为关注的问题，这有助于监管机构在制定价格、收入上限等激励性规制措施过程中，可针对X因素(x-factors)进行相应调整[1]。有关学者也采用各种方法，对电信部门的效率及其影响因素进行了广泛的探讨。Madden和Savage研究表明，发展中国家可通过技术赶超(technological catch-up)实现生产率增长，私有化与竞争程度的提高有利于全要素生产率[2][3]。Uri分别使用MPI与DEA模型研究了价格上限制度对美国电信业全要素生产率、生产效率、服务质量的影响[4][5]。Lam和Shiu通过DEA模型对中国各省市电信业效率的影响因素进行了研究，认为效率差异的原因主要是由于不同省份的经营环境不同，而不是电信企业本身[6]。国内方面，李再扬和杨少华采用DEA方法，对中国各省市电信业技术效率进行了度量[7]。杨少华和李再扬运用Malmquist生产率方法，进一步分析了中国各省市电信业的生产率变动情况[8]。吕昌春和康飞分析了市场竞争和区域差异对生产效率的影响，认为加强移动通信市场的竞争程度有助于生产效率的提高[9]。

综合上述国内外研究现状来看，有关学者采用各种方法，对电信业绩效问题进行了广泛探讨，取得了很多有益的结论，特别是对于引入竞争、打破垄断有助于电信产业效率的提高问题已经达成共识，不少文献也对政府规制的有效性给予了肯定。但其缺陷也是显而易见的，如在研究视角上，现有文献大多从政府规制政策、行业环境差异等方面入手，忽略了技术进步、网络融合深化发展的现实；在研究方法上，大多集中在电信业的静态绩效方面，而动态绩效研究较少。与以往研究不同，本文尝试对产业重组、价格上限规制两个具体规制因素进行实证分析，并基于网络融合深化发展的现实背景，分析我国电信部门在产业改革与技术变迁过程中绩效的动态演化过程，以期为我国电信业的健康发展、运营绩效的改善以及进一步的改革方向提出可供借鉴的依据。

二、研究方法

目前有关电信业的效率研究文献中，由于其应用上的便捷性，大多采用非参数的数据包络分析方法(data envelopment analysis，简称DEA)，例如Sadjadi和Omrani[1]、Lam和Shiu[10]、Resende[11]、Giokas和Pentzaropoulos[12]，等等。然而，无论是CCR模型还是BBC模型，其所得出的效率值均属于静态效率的范畴，即只适用于截面数据的横向对比，并不能反映决策单元在研究期间内的动态演化情况，而Malmquis指数可以有效弥补以上缺陷。该指数最初由Malmquist提出[13]，Caves 等首先将其应用于生产率变化的测算[14]。在实证分析中，研究者普遍采用Färe 等构建的基于DEA 的Malmquist 指数[15]。为客观衡量中国电信业的动态变化趋势，本文使用Malmquist生产率指数进行分析。

根据Färe 等的计算方法[15]，在s期(基期)与t期之间投入导向的Malmquist生产率指数可以表示为：

考虑到短期内决策单元的生产规模不一定全部处于最优(CRS)，为了解在当前规模下(VRS)其纯技术效率与规模效率的变化，本文需将CRS下的effch进一步分解。首先求出可变规模报酬(VRS)下，纯技术效率的变化，再与effch(CRS)相除，得到规模效率的变化如下：

同样地，若pech>1，意味着在短期的情况下，管理改善使效率有所改进；反之，表示退步。若sech>1，意味着技术在所考察的年份实现了跨越，即实现了技术进步；反之，则表示技术退步。

三、指标选取与数据来源

1.网络融合度变量

由于网络融合程度衡量的实际困难与微观数据的缺乏，目前尚无人构建完整的有关测算网络融合程度的指标体系。本文借鉴有关产业融合度的研究与测算方法，采用赫芬达尔指数作为计量指标，计算公式如下：

其中，I为电信运营商业务收入来源集中度，Pi为电信运营商在第i项业务上的营业收入占总营业收入的比率；n为电信业务数目，包括固网语音、移动语音、一次性初装费收入等传统业务以及互联网、增值服务、综合信息应用服务、基础数据等新兴业务；HHI为网络融合度指标。当I越接近1，表示运营商的业务收入来源较集中于传统业务部门，意即集中度高，网络融合程度低；反之，若I愈低，则HHI越高，意味着运营商的业务较集中于互联网、增值服务等新兴业务，网络融合程度越高。本文收集了2003～2011年间主要电信运营商的业务结构数据，根据式(3)计算获得网络融合度指标。为了便于对比，本文同时计算了互联网业务收入占比指标。由计算结果来看，2003～2011年，电信业的HHI指数从2003年的0.423提高到了2011年的0.697，与此同时，互联网收入占比也逐年提高，由2003年的6.595%上升到2011年的30.604%，说明我国电信业的网络融合程度是持续增长的。由于数据获取的困难，本文只计算了全国平均意义上的网络融合度指标，但考虑到各个地区电信业都是由中国电信、中国联通、中国移动以及中国广电等全国性运营商所构成，在技术上，各个省市的网络融合状况并无显著差异，因此，本文认为采用全国平均指标作为地区网络融合度的替代指标是合适的。

2.投入产出指标选取与数据来源

现有文献对于决策单元的选取，一是以运营商为研究对象[1]；二是以省市为研究对象[10]。其中，以省市为决策单元的文献居多，原因在于：首先，作为典型的寡头垄断行业，大多数国家的电信运营商数目较少，无法满足DMU数量上的要求；其次，决策单元要有大致相同的外部环境和技术水平。因此，本文选取31个省市作为决策单元。

关于投入变量的选择，现有文献大多从资本要素投入和劳动要素投入两方面考虑[8][10]。在产出变量选择方面，现有文献基本形成共识，一般选取电信用户数、业务总量等。基于以上文献的做法，并考虑到数据的可获得性，本文选取电信用户数量和电信业务总量两个产出变量，选择电信业员工数量、交换机容量(包括长途电话交换机容量、局用交换机容量、移动电话交换机容量)、长途光缆线路长度等作为投入变量，具体指标的描述性统计分析见表1。

表1 投入产出指标的描述性统计(n=279)

资料来源：《中国统计年鉴》2004～2012年各卷。

3.影响因素变量选取与数据来源

在影响因素变量的选取上，本文侧重于从网络融合、政府规制的视角考察电信业全要素生产率的演化机制。具体指标的描述性统计分析见表2。

表2 影响因素变量的描述性统计(n=279)

资料来源：《中国统计年鉴》2004～2012年各卷。

四、各地区电信业全要素生产率测算结果

1.分年度我国电信业全要素生产率增长(TFP)情况

运用DEAP2.1软件包，我国31个省份分年度和分地区的电信业全要素生产率增长(平均值)及其分解情况见表3和表4。

表3 2003～2011年我国电信业分年度TFP(平均值)及其分解

注：tfpch为生产率变化值。

纵向比较来看，由表3可知，大部分年度均实现了全要素生产率增长，特别是在2003～2004年度和2009～2010年度，增长率分别达到了5.3%和9.5%；出现全要素生产率衰退的年度2006～2007、2007～2008两个年度，且衰退幅度都比较小。总体来看，我国电信业年均全要素生产率变化指数为1.022，而效率值的变化、技术的变化、纯技术效率的变化以及规模效率的变化年均值分别为0.999、1.023、0.998、1.002，说明我国电信业的全要素生产率在研究期间内出现了明显的增长，而增长的源泉主要来自于技术进步，而效率的变化、纯技术效率的变化则对全要素生产率增长存在微弱的负面影响。研究末期和研究初期相比，全要素生产率累计增长18.90%，技术进步累计为19.57%，效率水平和纯技术效率的累计下降分别为0.57%和1.94%。

表4 2003～2011年我国电信业分地区TFP(平均值)及其分解

2.分地区我国电信业全要素生产率增长(TFP)情况

横向比较来看，由表4可知，在全国31个省级单位中，除了新疆、安徽、甘肃、辽宁、黑龙江、广西等少数几个省份以外，其他地区电信业的全要素生产率均实现了不同程度的增长，特别是内蒙古、天津和云南3个省份，其年均增长率都在8%以上。技术进步的情况与此类似，大部分省市均实现了技术进步，其中进步速度最快的是云南、天津、内蒙古等省份，这也再次说明技术进步是我国电信业全要素生产率增长的主要原因；而出现技术退步现象的只有甘肃、辽宁、新疆、广西、湖南、重庆、江苏、安徽等少数几个省份，其中退步最明显的是甘肃和辽宁，年均技术退步率分别为3.60%和2.60%；效率、纯技术效率和规模效率的变化情况则比较复杂。具体来说，具有以下三方面的特点：第一，研究期内，大部分地区的效率、纯技术效率以及规模效率基本维持不变或变化幅度较小，这也说明由于种种原因我国各地区电信业的效率水平始终处于徘徊不前的状态。第二，地区间差距有限，例如：规模效率变化值最高的是西藏，为1.030，最低的是海南，为0.991，差距非常有限。第三，分布比较分散，由表4可以发现，规模效率出现下降的有6个省份，得到提高的有12个省份，而其余的13个省份均维持不变；效率值得到上升的有12个省份，维持不变的有7个省份，而其余的12个省份则出现了下降的情况；纯技术效率的变化情况也与此类似。分区域来看，东部地区电信业的技术进步与生产率增长最快，西部地区次之，中部地区最低。

五、各地区电信业全要素生产率增长的影响因素分析

为了进一步解释各地区电信业全要素生产率增长及其差异的原因，以各影响因素作为解释变量，各全要素生产率和技术效率变化值作为被解释变量，分别建立如下回归模型：

模型1：

TFPit=βδ0+δ1Convit+δ2GDPit+δ3Sizeit+δ4Densit+δ5Impit+δ6Year05it+δ7Year09it+εit(4)

模型2：

Techchit=βδ0+δ1Convit+δ2GDPit+δ3Sizeit+δ4Densit+δ5Impit+δ6Year05it+δ7Year09it+εit(5)

运用STATA12软件，基于式(4)、式(5)，采用个体固定效应面板回归模型进行估计，结果如表5所示。

表5 TFP与技术变化影响因素估计结果

注：***表示在1%的水平上显著。

从回归分析结果来看，两个模型的R2值均在0.75左右，说明模型拟合优度非常理想，且全部参数估计值都在1%的水平上通过了显著性检验，表明模型设定合理。另外，模型4和模型5参数估计结果显著性一致、正负方向相同，说明我国电信业技术进步与全要素生产率增长的影响因素完全一致，即实现我国电信业全要素生产率增长的主要因素同时也是促进行业技术进步的重要途径。网络融合系数为正且显著，说明网络融合因素对我国电信业技术进步与全要素生产率增长起到了积极的促进作用。我们有理由相信，随着网络融合技术的成熟，我国电信产业的网络融合度将不断提高，其在行业发展中的重要作用会进一步突显。在所考虑的区域经济宏观因素中，人均地区生产总值、人口密度、电信业重要程度均为正且显著，说明地区经济发展水平的高低、人口密度的多少以及电信业在区域经济中的重要程度是我国电信业技术进步与全要素生产率增长的积极影响因素。市场规模技术估计结果为负且显著，说明市场规模与行业技术进步和全要素生产率增长之间存在显著的负相关关系。所考虑的两个政府规制因素估计结果均显著，说明政府规制对电信行业的发展存在重要影响。其中，产业改革重组系数为正，说明我国政府于2009年开始推行的电信业改革重组措施给行业发展带来了积极影响。

六、结 论

本文研究结果表明：(1)整体上，我国绝大部分省份电信业均实现了全要素生产率增长(特别是东部地区最为明显)，增长的源泉主要来自于技术进步。(2)网络融合因素对我国电信业的全要素生产率增长和技术进步均起到了积极的促进作用；经济发展水平、人口密度、市场规模、电信业重要程度等区域经济环境因素也从不同方面产生了重要影响；行业重组改革则存在明显的促进作用。以上结论说明，随着网络融合技术的成熟与网络融合程度的不断提高，有关电信运营商的全要素生产率将得到进一步改善。在我国电信业的发展过程中，应坚持产业改革重组的根本方向，通过不断优化市场结构，强化竞争机制，着眼于改善主要电信企业的技术水平与管理能力。

参考文献：

[1] SADJADI S J，OMRANI H. A bootstrapped robust data envelopment analysis model for efficiency estimating of telecommunication companies in Iran[J]. Telecommunications Policy，2010，34(4):221-232.

[2] MADDEN G，SAVAGE S J. Telecommunications productivity,catch-up and innovation[J]. Telecornmunications Policy,1999，23(1):65-81.

[3] MADDEN G，SAVAGE S J. Productivity growth and market structure in telecommunications[J]. Economics of Innovation and New Technology, 2001，10(6):493-512.

[4] URI N D. Incentive regulation and the change in productive efficiency of local exchange carriers[J]. Applied Mathematical Modelling,2001，25(5):335-345.

[5] URI N D. Service quality effects of incentive regulation on access service in telecommunications in the United States[J]. European Journal of Law and Economics,2003，16(3):369-390.

[6] LAM P L，SHIU A. Productivity analysis of the telecommunications sector in China[J]. Telecommunications Policy,2008，32(8):559-571.

[7] 李再扬，杨少华. 中国省级电信业技术效率:区域差异及影响因素[J]. 中国工业经济,2010,(8):129-139.

[8] 杨少华，李再扬. 中国电信业生产率变动及其分解:基于DEA-Malmquist 指数法的分析[J]. 经济学家,2010,(10):64-71.

[9] 吕昌春，康飞. 我国电信行业市场竞争、区域差异与生产效率[J]. 数量经济技术经济研究,2010,(2):78-92.

[10] LAM P L，SHIU A. Economic growth,telecommunications development and productivity growth of the telecommunications sector:Evidence around the world[J]. Telecommunications Policy,2010，34(4):185-199.

[11] RESENDE M. Efficiency measurement and regulation in US telecommunications:a robustness analysis[J]. International Journal of Production Economics,2008，114(1):205-218.

[12] GIOKAS D I，PENTZAROPOULOS G C. Efficiency ranking of the OECD member states in the area of telecommunications:a composite AHP/DEA study[J]. Telecommunications Policy,2008，32(9-10):672-685.

[13] MALMQUIST S. Index numbers and indifference surfaces[J]. Trabajos de Estadistica,1953，4(2):209-242.

[14] CAVES D W,CHRISTENSEN L R,DIEWERT W E. The economic theory of index numbers and the measurement of input,output,and productivity[J]. Econometrica,1982,50(6):1393-1414.

[15] FARE R,GROSSKOPF S,LOVELL C A K. Production Frontiers[M]. Cambridge:Cambridge University Press,1994.95-127.