基于共同边界模型的工业技术效率研究

李 鹏， 胡 汉 辉

（1.东南大学 经济管理学院，江苏 南京211189；2.东南大学 集团经济与产业组织研究中心，江苏 南京210096）

历经三十多年的高速发展，中国在2010年成功超过日本，一跃成为全球第二大经济体，但同时，中国仍然是一个发展中国家，人均GDP仅占日本的1／10，以劳动密集型行业和资本密集型行业为主体的工业结构依然没有改变。因此，如何在日益增长的经济总量基础上实现经济质与量的同步提升，已经成为学术界热议的话题。事实上，不仅仅出于经济发展转型的需求，资源利用空间逐渐缩小和环境承载压力逐渐增加的客观环境也使得目前中国的工业发展模式亟需寻求转型升级［1］。厘清当前中国工业细分行业的效率特征，对于在更高的发展要求下实现最为经济的增长方式，并推动中国改变以往资源依赖型的工业化模式，走上新型工业化道路具有重要意义。

关于中国工业效率特征的研究由来已久。从研究视角上来看，大多数研究着眼于讨论区域工业的生产效率特征，并且随着资源和环境对工业发展的约束作用增强，关于区域工业的能源效率、环境效率研究也多见于文献中［2］［3］［4］。相比之下，由于工业各行业生产工艺、产品性质等方面存在显著差异，对不同的工业行业进行笼统评价并不严谨，而以工业细分行业为研究对象的效率评价较少，且大多又仅聚焦于某一个行业或者某一类行业。从研究方法上来看，效率评价常用的方法有参数和非参数生产前沿法。涂正革、戴卓等运用了参数方法中典型的随机前沿分析法［5］［6］，而沈能、韩晶等在研究相关问题时采用了非参数的DEA方法［7］［8］。

以上研究对于效率的测算没有考虑行业之间的异质性，并将所有行业或者区域置于同一技术水平之下，这样测算的结果是不准确的，因为不同行业所面对的资源禀赋、经济结构和制度环境等方面是存在明显差异的，所以生产技术的基准必定是差异化的［9］。为了尽量减少异质性的影响，我国学者也开始利用共同边界模型研究工业效率，如王燕、谢蕊蕊、刘志迎、郭磊、周志翔等［10］［11］，都是以区域或者两位数行业为研究对象，研究的对象还不够细致。

本文以我国所有三位数工业行业为研究对象，然后利用共同边界模型测算了工业行业的技术效率。本文的主要贡献有：（1）首先将39个三位数行业分为劳动、资本和技术密集型行业等3个群组；（2）在规模报酬不变、规模报酬可变的假设条件下，利用数据包络分析法测算行业的技术效率，并将其分解为纯技术效率和规模效率，继而计算效率缺口以刻画实际产出与潜在产出的差距；（3）利用固定效应面板数据模型对影响行业技术效率的因素进行回归分析，影响因素包括本土市场规模、外资依存度、企业规模、物耗、偿债能力以及资本成本。

一、研究方法

共同边界模型由Battese等提出［12］，用于测算同一群体下因异质性造成的差异化生产边界下的评价对象的技术落差。该方法首先依据某种指标将群体分成不同的族群，对族群内部决策单元的效率进行评价，然后在组群生产边界的基础上构建共同边界。共同边界是组群边界的包络曲线，反映的是组群的潜在技术水平，各组群边界是其真实的技术水平，两者的比值是组群的效率缺口。共同边界和群组边界的关系如图1所示。

图1 共同边界和组群边界结构图

O’Nonnell等提出由产出距离函数定义的共同边界模型［13］，共同边界模型的生产可能性集合可以表示为：

其中，x、y分别为投入和产出。共同边界模型下产出导向的技术效率可以表示为TE （x，y）＝D（x，y），其中TE和D分别表示技术效率和距离函数，其他群组的边界被包含在共同边界内，即群组的方向性距离函数不小于共同边界模型的距离函数。

借鉴Seiford等的线性数据转换函数法［14］，在共同边界框架下纳入基于投入导向的CCR和BCC模型。假设群体G由g个群组组成，每个群组有n个DMU，那么第k个群组的第j个决策单元的第i个投入和第r个产出可以表示为和，其中，k＝1，…，g，在规模报酬不变条件下，DMU在CCR模型中的效率值可以表示为：

其中，nk表示第k个群组内的决策单元的数量，每个决策单元的效率值均为相对于本群组内的决策单元的相对效率值。当＝1时，说明DMU是有效的。通过模型（2）和（3）可以得到决策单元当前所处的规模经济状态［15］：若＝，说明决策单元在群组内是规模有效的；若且模型（1）中，则说明决策单元在群组内相对于其他决策单元是规模报酬递增的；若且模型（1）中，则说明决策单元在群组内相对于其他决策单元是规模报酬递减的。

通过模型（2）和（3），可以求得每个群组每个决策单元的技术效率（TEk）、纯技术效率（PTEk）以及共同边界下的决策单元的技术效率（TEG）和纯技术效率（PTEG），通过技术效率和纯技术效率的比值可以得到决策单元的规模效率SEk、SEG。决策单元在共同边界下的效率值与在群组边界下的效率值的比值TGR（technology gap ratios）称为技术效率落差或效率缺口，该比值越接近于1说明决策单元的实际生产效率越靠近潜在生产效率［16］。技术效率缺口可以由以下公式计算得到：

二、实证分析

1.数据来源

本文数据来自于国研网工业企业数据库、《中国统计年鉴》和《中国城市（镇）生活与价格年鉴》，行业分组标准参照《国民经济行业分类与代码》（GB／4754－2002），研究对象是规模以上国有及非国有工业企业，并覆盖了采矿业、制造业和电力、燃气及水的生产和供应业三大门类，其中共包含191个中类（三位数）行业。鉴于数据可得性，本文最终选取的研究对象为181个中类行业。

2.指标选取

（1）产出。中国工业企业数据库统计了每个企业的工业总产值、工业销售产值和工业增加值［17］。一般来讲，对于微观研究对象，使用工业总产值更为合理［18］，工业总产值包括了中间投入品，可以更好地反映企业的净输出［19］。本文选用工业总产值作为产出，并以2006年为基期，采用《中国城市（镇）生活与价格年鉴》提供的分行业工业品出厂价格指数进行平减。

（2）资本投入。本文利用固定资产净值平均余额作为资本投入［20］，并采用永续盘存法进行折算，其公式为：

其中，Kit、Kit－1分别为行业i的t、t－1年的资本存量，Iit为i行业t年的名义固定资产投资额，δ为行业的经济折旧率。本文选取2006年为初始资本存量，折旧率由累计折旧和固定资产原值计算得到，新增投资则利用固定资产原价计算得到。本文采用的行业固定资产价格指数测算方法为［21］：

其中，pi（t）、pj（t）和ps（t）分别为t年行业i投资品价格指数、土地交易价格指数和设备价格指数（各行业工业品出厂价格指数代替）；wj（t）、ws（t）分别为建筑安装费用和设备费用（包括了其他费用部分）占全社会固定资产投资总额的比重。

（3）劳动投入。采用各行业的全部从业人员平均数作为劳动投入［22］［23］。

3.结果分析

利用共同边界模型对工业生产效率进行分析之前，需将中国工业划分成几个具有不同特征的产业群组，本文将中国工业分为劳动密集型、技术密集型及资本密集型3个群组［24］，具体见表1。

在分组的基础上利用非参数的数据包络分析方法，计算共同前沿模型下所有行业的技术效率值包含三个层次：一是整体前沿面下的效率值；二是分组前沿面下的效率值及规模效率；三是行业的技术差距。

表1 工业行业群组划分及其包含的行业

表2 共同边界模型下中国工业平均技术效率及效率缺口（2006～2010年）

从表2中得知，如果将所有行业置于同一技术水平下测算工业的技术效率，则2006～2010年中国工业的平均技术效率为0.6030，而分组后得到的工业平均技术效率为0.6662，行业之间的异质性造成的误差还是比较大的，基于三位数行业，利用共同边界模型测算的技术效率远远低于干春晖等测算的结果0.9005［25］，这说明行业之间的异质性对行业效率的估计有着重要的影响，利用共同边界模型测算工业的技术效率是非常必要的。事实上，2006～2010年我国工业的工业技术效率仍然具有较大的上升空间，纯技术效率为0.6862，规模效率为0.8823，技术效率的低下主要是由纯技术效率的不足导致的。39个工业行业中仅有5个行业是技术有效的，处于产业链上游的行业技术效率普遍较低，并且多数行业处于规模报酬递减状态。从群组角度看，技术密集型行业的技术效率最高，资本密集型行业的技术效率最低，劳动密集型行业的技术效率缺口是最低的，技术密集型行业的实际技术效率与潜在技术效率之间的差距要大于其他行业，但是技术密集型行业均处于规模报酬递增阶段。从行业角度看，同一群组内的行业间技术效率是有差异的，不同群组之间的行业技术效率也是多样的，但是总体来讲，垄断性行业的技术效率普遍较低，并且均处于规模报酬递减状态。

三、工业行业技术效率的影响因素分析

经过分析得知，不同群组的技术效率是不一样的，同一群组内不同行业的技术效率也有差别，为了弄清导致行业技术效率差异的影响因素，本文利用面板数据模型测算了本土市场规模、外贸依存度、企业规模、销售成本偿债能力、资本成本等因素对行业技术效率的影响。

本土市场规模（HMS）：采用行业销售产值减行业出口交货值来表示本土市场规模［26］；外贸依存度（Open）：利用出口交货值占工业总产值的比例表示［27］；企业规模（Scale）：资产总额与企业单位数的比值表示［28］；销售成本（SC）：销售成本可以用来表示产品生产过程中的物耗［29］，本文用销售成本占营业利润的比重表示；偿债能力（DPA）：用流动资产负债率表示，即流动资产负债率＝负债／流动资产［23］；资本成本（CC）：用利息支出和固定资产折旧的总和占工业总产值的比重表示［30］；固定资产折旧率统一采用10.96%［31］。

基于软件Stata12.0，利用面板数据的固定效应模型测算了本土市场规模等解释变量对于行业技术效率的影响，回归结果如表3所示。

表3 中国工业及其群组技术效率影响因素回归结果

从表3可以看出，本土市场规模对于中国工业技术效率的影响并不显著，但对劳动密集型和技术密集型行业存在显著的正向促进作用，且均在1%统计性水平上显著，对资本密集型行业的影响并不显著。

外贸依存度对我国工业技术效率的影响显著为负，这支持了中国科学院工业经济研究所课题组的判断［32］。我国工业依然处于全球产业链的低端，为进口而出口的局面没有明显改观，出口的产品技术含量低，虽然出口数量不断增加，但是对中国工业效率的提高没有促进作用，反而抑制了国内行业技术效率的提高。外贸依存度对我国的资本密集型行业的影响很大，且在1%统计水平上显著，这是因为资本密集型行业多数属于垄断性行业，开放经济对我国垄断性行业冲击比较大，再加上垄断性行业本就容易带来X非效率，因此导致了资本密集型行业技术效率的低下。对外开放度对劳动和技术密集型行业技术效率虽然存在负影响，但并不显著。

企业规模对我国工业行业的技术效率和技术密集型行业的技术效率都存在显著正向作用，企业规模每增加1%，技术密集型行业的技术效率大约提高0.25个百分点。企业规模的扩大对我国劳动密集型行业和资本密集型行业的影响并不显著，这意味着对于这两个行业来说，企业规模的扩大已经不能带来明显的规模经济甚至可能导致规模不经济。

销售成本对我国工业技术效率虽然有阻碍作用，但是并不显著，也就是说销售成本过多会损害技术效率，但就目前阶段来讲，作用并不是很明显。在经济逐渐转好的阶段，产品的销售并不会给企业带来很多困难，同样销售成本对劳动、技术和资本密集型行业的影响也并没有显著作用，销售成本并不是企业技术效率低下或者提高的主要因素。这可能是因为销售成本的增加往往伴随着销售额的增加，即产出的增加，因而对企业技术效率并不存在显著的负面影响。

流动资产负债率的提高对中国工业技术效率没有显著的阻碍作用，但流动资产负债率的提高会显著抑制劳动和技术密集型行业技术效率的提高。劳动密集型行业的企业一般来说规模较小，获得资金支持的难度大、成本高，资金的流动性降低会影响企业的偿债能力进而导致企业技术效率降低。技术密集型行业的发展也离不开资金支持，由于我国还不是创新型国家，很多技术受制于国外，如果没有资金的支持，创新型企业的发展会遇到很大困难，技术效率难免会受到影响。

资本成本显著地抑制了我国工业技术效率的提高。我国企业的发展资金大部分来自融资或者是银行贷款，甚至民间借贷，这些资金的获得需要付出高昂的成本，过高的资本成本就会影响企业的发展，进而影响技术效率的提高。资本成本的提高会显著抑制劳动和技术密集型行业技术效率的提高，但对资本密集型行业技术效率的提高没有明显的作用。

四、结论与政策建议

本文利用共同边界模型测算了行业的技术效率、效率缺口以及规模报酬状态，然后利用固定效率面板数据模型检验了本土市场规模等6个控制变量对于行业技术效率的影响，得到以下主要结论：（1）2006～2010年中国工业的平均技术效率为0.6030，具有较大的上升空间，纯技术效率为0.6862，规模效率为0.8823，技术效率的低下主要是由纯技术效率的不足导致的。39个工业行业中仅有5个行业是技术有效的，处于产业链上游的行业技术效率普遍较低，并且多数行业处于规模报酬递减状态。（2）从群组角度看，技术密集型行业的技术效率最高，资本密集型行业的技术效率最低，劳动密集型行业的技术效率缺口是最低的，技术密集型行业的实际技术效率与潜在技术效率之间的差距要大于其他行业，但是技术密集型行业均处于规模报酬递增阶段。（3）企业规模对行业技术效率的提高有着明显的促进作用，外资依存度以及资本成本显著地抑制了行业技术效率的提高，其他因素对于行业技术效率的影响并不显著，解释变量对其他3个群组的影响作用也有差异。

据此，本文提出如下政策建议：现阶段企业规模的扩大有利于行业技术效率的提高，在开放性的经济环境下，我国的企业要进行适当的兼并，不仅有利于发挥企业的规模经济性，还能够在一定程度上增加我国企业在国际市场上的产业竞争力。对外开放是我国一贯坚持的发展宗旨，虽然本文得出对外开放不利于我国工业技术创新效率的提高这一结论，但并不是说改革开放对我国工业技术创新造成了冲击，造成这一局面的原因是我国外贸出口结构不协调，仅注重出口产品的数量而没有考虑出口的质量，并且出口的产品基本上属于低技术含量产品，在国际市场上没有竞争力。因此我们国家不能只关注数量还要注重出口的质量和出口产品的结构，要在国家建设创新型国家的战略背景下，加大技术创新力度，增加产品的技术含量，进而增加产品的附加值，增强国际竞争力。目前，资本依然是企业发展所面临的重要困难，我国工业化的实现、现代产业体系的构建都离不开资金的支持，政府应该推出更多的优惠措施，降低企业的信贷成本；同时我国的企业也要逐渐转变发展观念，能够在互联网背景下实现企业的转型升级，借助互联网金融的兴起和发展，实现其对于资金的需求。

［1］李鹏飞.“十二五”时期的中国工业——“中国工业发展论坛”综述［J］.中国工业经济，2012，（12）：83－88.

［2］孙广生，杨先明，黄祎.中国工业行业的能源效率（1987～2005）——变化趋势、节能潜力与影响因素研究［J］.中国软科学，2011，（11）：29－39.

［3］刘似臣，秦泽西.技术进步对我国能源强度影响的实证分析——基于1990～2010年数据［J］.大连理工大学学报（社会科学版），2013，34（4）：48－52.

［4］徐志伟，温孝卿.水资源与水环境双重约束下的中国工业效率——基于2000～2010年省级数据的经验研究［J］.当代财经，2013，（10）：86－95.

［5］涂正革，肖耿.中国工业生产力革命的制度及市场基础——中国大中型工业企业间技术效率差距因素的随机前沿生产模型分析［J］.经济评论，2005，（4）：50－62.

［6］戴卓，代红梅.中国工业行业的技术创新效率研究——基于随机前沿模型［J］.经济经纬，2012，（4）：90－94.

［7］沈能，刘凤朝，赵建强.中国地区工业技术效率差异及其变动趋势分析——基于Malmquist生产率指数［J］.科研管理，2007，（4）：16－22.

［8］韩晶.中国装备制造业上市公司生产力和生产效率研究［J］.财经问题研究，2010，（1）：33－40.

［9］王玲，孟辉.我国内河港口与沿海港口的效率对比——基于共同边界和序列SBM－DEA的研究［J］.软科学，2013，27（3）：90－95.

［10］王燕，谢蕊蕊.区域工业效率和技术差异研究——基于共同前沿方法的考察［J］.产业经济研究，2012，（2）：18－25.

［11］刘志迎，郭磊，周志翔.基于共同边界模型的中国工业行业技术创新效率［J］.系统工程，2013，31（6）：14－21.

［12］BATTESE G E，RAO D S P A，O’DONNELL C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies［J］.Journal of Productivity Analysis，2004，21（1）：91－103.

［13］O’DONNELL C J，BATTESE G E，RAO D S P.Metafrontier frameworks for the study of firm－level efficiencies and technology ratios［J］.Empirical Economics，2008，34（2）：231－255.

［14］SEIFORD G E，ZHU J.Modeling undesirable factors in efficiency evaluation［J］.European Journal of Operating Research，2002，142（1）：16－20.

［15］ZHU J，SHEN Z A.Discussion of testing DMUs’returns to scale［J］.European Journal of Operating Research，1995，81（3）：590－596.

［16］王兵，朱宁.不良贷款约束下的中国银行业全要素生产率增长研究［J］.经济研究，2011，（5）：32－46.

［17］李平，简泽，江飞涛.进入退出、竞争与中国工业部门的生产率——开放竞争作为一个效率增进过程［J］.数量经济技术经济研究，2012，（9）：3－21.

［18］袁鹏飞，程施.中国工业环境效率的库兹涅茨曲线检验［J］.中国工业经济，2011，（2）：79－88.

［19］常亚青，宋来.中国企业相对效率和全要素生产率研究——基于37个行业5年数据的实证分析［J］.数量经济技术经济研究，2006，（11）：3－13.

［20］王燕，徐妍.中国制造业空间集聚对全要素生产率的影响机理研究［J］.财经研究，2012，38（3）：135－144.

［21］李小平，朱钟棣.中国工业行业的全要素生产率测算——基于分行业面板数据的研究［J］.管理世界，2005，（4）：56－64.

［22］何晓萍.中国工业的节能潜力及影响因素［J］.金融研究，2011，（10）：34－46.

［23］李鹏，胡汉辉.我国工业细分行业效率研究——基于三阶段DEA模型的分析［J］.山西财经大学学报，2014，36（2）：72－82.

［24］曾先峰，李国平，杨春江.要素积累还是技术进步——对中国工业行业增长因素的实证研究［J］.科学学研究，2012，30（2）：249－257.

［25］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］.财经问题研究，2009，35（6）：97－108.

［26］邱斌，尹威.中国制造业出口是否存在本土市场效应［J］.世界经济，2010，（7）：44－63.

［27］陈丰龙，徐康宁.本地市场规模与中国制造业全要素生产率［J］.中国工业经济，2012，（5）：44－56.

［28］战炤磊，王凯.产业集聚、企业规模与农产品加工业全要素生产率——来自江苏的证据［J］.中南财经大学学报，2012，（5）：134－140.

［29］张莉霞，刘荣茂，孟令杰.中国乳制品业全要素生产率变动分析［J］.中国农村观察，2006，（6）：2－8.

［30］涂正革，肖耿.非参数成本前沿模型与中国工业增长模式研究［J］.经济学（季刊），2007，（1）：185－210.

［31］华广敏.服务业开放对东道国技术效率的影响——基于随机前沿生产函数的实证研究［J］.上海财经大学学报，2013，15（1）：74－81.

［32］中国社会科学院工业经济研究所课题组.“十二五”时期工业结构调整和优化升级研究［J］.中国工业经济，2010，（1）：5－23.