我国战略性新兴产业全要素生产率研究——基于DEA-Malmquist指数模型

王　桢，高媛媛

(西北师范大学 商学院，兰州 730070)



我国战略性新兴产业全要素生产率研究
——基于DEA-Malmquist指数模型

王桢，高媛媛

(西北师范大学 商学院，兰州 730070)

运用基于DEA-Malmquist指数法，实证测算和分解我国战略性新兴产业的全要素生产率。研究表明：我国战略性新兴产业全要素生产率总体呈现增长趋势，且年均增长率为11%；七大分类产业的全要素生产率也都呈现增长的趋势，但各产业间的增长率差异很大；战略性新兴产业的依托行业的全要素生产率在研究期间也都呈现增长的趋势，但各产业间、同一产业内的各行业间也有很大差别。

战略性新兴产业；Malmquist指数；全要素生产率

一、引言

全球金融危机的发生，使得全球经济萎靡不振，世界各国为推动经济增长、实现经济复苏、抢占新一轮国际竞争的优势地位，都把战略性新兴产业的发展作为新的突破口。我国在当前国际竞争背景下，也将战略性新兴产业的发展作为经济发展方式的转变、产业结构的调整和提升、掌握发展主动权和国际竞争优势的关键途径，明确将战略性新兴产业提升为国家战略予以大力扶植和发展。所以，通过实证测度我国战略性新兴产业的全要素生产率、研究其发展状况对我国战略性新兴产业的健康稳定发展具有重要意义。

近年来，新兴产业相关的研究很多，如李晓华(2010)从战略性新兴产业的特性分析出发，探讨了我国战略性新兴产业应该采用什么样的发展模式以及政府在对产业的扶持过程中应在哪些方面给以支持[1]；熊勇清、李世才(2010)在对我国传统产业和战略性新兴产业目前的现状分析的基础上，对两者之间的互动机制进行了研究[2]；熊正德等(2010)运用DEA方法测算了战略性新兴产业的金融支持效率，并分析了其影响因素[3]；刘洪昌(2011)在分析战略性新兴产业特性的基础上，对我国如何选择重点产业以及如何扶持培育进行了分析[4]；肖兴志、谢理(2011)运用SFA方法对我国战略性新兴产业2000—2008年15个细分行业的创新效率进行了测度，结果显示，整体上新兴产业的创新效率还比较低，但是具有缓慢改善提高的趋势[5]；Lin和Xia则运用SFA方法，从微观上市公司角度测算了我国战略性新兴产业2007—2010年89个上市公司的创新效率，同时分析了其影响因素[6]；吕岩威、孙慧(2013)运用随机前沿生产函数模型，对我国战略性新兴产业18个大类行业的技术效率进行了测算，同时分析了效率的影响因素，结果表明整体上我国新兴产业的技术效率水平还比较低，而且具有起伏波动的特征[7]；王健、张卓(2014)通过对产业的比较分析提出了一个产业的评价框架，同时提出了具体的金融支持政策[8]；齐峰(2015)运用基于DEA的Malmquist指数法实证测度了我国战略性新兴产业的全要素生产率，研究结果显示，我国战略性新兴产业的全要素生产率以年均3.4%的增长率逐年上升，但各产业之间存在较大差异，极不均衡[9]；黄海霞、张治河(2015)运用数据包络分析方法，对2009—2011年间战略性新兴产业的科学技术相关资源的配置效率进行了实证测度，结果表明：整体上，配置效率水平在不断提高，但没有达到最优，且不同产业间及同一产业内部都有不同程度的差异[10]。

综上所述可以发现，我国学者对战略性新兴产业的研究主要集中在政策导向研究、金融支持和创新效率等方面，对其全要素生产率的测度研究还很少，所以基于现有研究，本文试图运用基于 DEA模型的Malmquist指数的方法对我国战略性新兴产业全要素生产率进行测算，以期为产业的发展提供参考。

二、研究方法及指标选取

(一)研究方法

本研究采用基于DEA模型的Malmquist指数的方法对我国战略性新兴产业的全要素生产率进行测算分解。Malmquist指数最初是由经济学家Sten Malmquist提出的，用于计算投入产出的效率。后Farrell等进一步将Charness[11]等提出的DEA模型与Malmquist指数相结合，提出了基于DEA的Malmquist指数法。Farrell定义的基于产出的Malmquist生产力指数如下：

(1)

(xt,yt)和(xt+1,yt+1)分别表示t时期和t+1时期的投入和产出，M0值大于1，则表示从t时期到t+1时期全要素生产率的正向增长。

(1)式中的指数又可以再细分解为规模报酬不变下的技术效率变化(EEFCH)和技术进步变化(TPCH)，即：

(2)

技术进步变化(TPCH)表示从t时期到t+1时期技术水平的变化，当TPCH>1时，表示技术进步，同理当TPCH<1时，表示技术退步，当TPCH=1时，即为技术无变化。技术效率变化(EEFCH)表示生产效率从t时期到t+1时期的变化状况，当EEFCH>1、EEFCH=1、EEFCH<1时，表示技术效率的提高、无变化和降低。我们用技术效率的变化判断要素投入的规模是否最优、要素的利用程度是否最优，所以，将技术效率变化进一步分解为规模报酬可变条件下的纯技术效率变化(PTECH)和规模效率变化(SECH)，即：

(3)

纯技术效率变化(PTECH)表示当假设规模报酬不变时，其技术效率的变化状况，反映了决策单元配置资源的效率和能力。规模效率变化(SECH)表示规模报酬的变化，反映决策单元投入规模是否合理。

该方法能够在不考虑价格因素的情况下对多个投入产出指标进行效率分析，更重要的是，基于 DEA模型的Malmquist指数的方法将全要素生产率的变化细化分解，能够更加全面细致地揭示全要素生产率变化的源泉。

(二)指标选取与数据说明

1.投入指标

投入指标分为资本投入和劳动力投入。资本要素投入的指标通常选取按照永续盘存法进行计算的资本存量，但永续盘存法选择不同的折旧率最终的测量结果会有很大差异，所以本文参考涂正革[12]等(2005)的方法，选取固定资产净值年平均余额作为衡量资本投入的指标，并利用固定资产价格指数将其折算为2003年的不变价。劳动要素的投入选取行业全部从业人员平均人数作为衡量指标。

2.产出指标

本文选取了工业总产值作为产出指标，并用各行业的工业品出厂价格指数将其折算为以2003年为基期的总产值。

3.行业确定与数据说明

由于战略性新兴产业从2009年开始实施，统计制度还不完善，还没有精确的统计数据。本文依据国家统计局《国民经济行业分类》和《高技术产业统计分类目录》，联系《战略性新兴产业分类》，将我国战略性新兴产业的细分行业与《国民经济行业分类》中的四位码行业进行对应，参考周晶等[13](2011)、黄海霞等[14](2015)对新兴产业行业的分类，并遵循科学性、唯一性、可操作性以及大口径原则，对战略性新兴产业的依托行业进行了整理。考虑到数据的完整性和可获得性，本文选取的样本区间为2003—2013年，有关指标的数据来自《中国工业经济统计年鉴》、国家统计局官网或通过计算获得,其中汽车制造业数据资料不完整，按缺失值处理。

三、实证结果分析

(一)全要素生产率的整体分析

本文通过DEAP2.1软件，首先从产业的整体层面的全要素生产率进行了测度和分解，结果见表1。

表1　2003—2013年产业整体TFP变化及其分解

从表1可知，2003—2013年间，我国战略性新兴产业的全要素生产率年均增长率为11%，整体呈现增长趋势。但由分阶段数据也可以看到，在2009年政府对战略性新兴产业制定推动政策后，其9.8%的增长率要小于2009年之前的增长率12.6%，战略性新兴产业的全要素生产率的增长率有所下降，且主要是由于技术进步率的下降造成的，即虽然从2003年至2013年技术进步总体呈现上升的趋势，但是在2009年之后，还是出现了技术创新的倒退现象，说明我国的产业政策在实践过程中被扭曲。此外，在分解指标中，技术进步率年均增长达到11%，其他指标均无明显变化，说明产业的全要素生产率的增长主要依赖于技术进步率的提升，而不是技术效率，说明我国战略性新兴产业的自主创新能力总体呈现提升的趋势，但资源配置的能力和效率却没有改善或提升。

(二)全要素生产率的产业分析

本文通过DEP2.1软件，对其七个分类产业的全要素生产率也进行了测度和分解，结果如表2所示。

从表2我们可以看出，七大产业的全要素生产率在2003—2013年间都呈现增长趋势。但同前文对产业整体的分析结果一样，战略性新兴产业的各产业的2009—2013年间全要素生产率的平均增长率都小于2003—2008年间的平均增长率，表明我国战略性新兴产业各大产业在2009年政府对战略性新兴产业制定推动政策后也都由原来的依靠技术进步推动变为依靠规模效率拉动，使得战略性新兴产业的发展出现低端化趋势。此外，对各个产业的分解指标进行分析，可以发现全要素生产率增长的主要推动力仍然来自技术进步，各个产业的自主创新能力总体也都呈现增长趋势。

(三)全要素生产率的行业分析

本文通过DEP2.1软件，对所选取的依托行业的全要素生产率也进行了测度和分解，结果如表3所示。

表2　2003—2013年七个分类产业TFP变化及其分解

表3　2003—2013年依托行业TFP变化及其分解

从表3可以看出，我国战略性新兴产业各个依托行业的全要素生产率整体也都呈现增长的趋势，但是不同行业间、产业间有很大的差异。水的生产和供应业、化学原料及化学制品业、非金属矿物制品业、专用设备制造业、医药制造业、热力生产和供应业、交通运输设备制造业、电力、燃气生产和供应业、有色金属及压延工业的全要素增长率都超过了10%，增长最快的是燃气生产和供应业，增长率达到了18.5%；其余行业的增长率都小于10%，电气机械及器材制造业的增长率最低，只有5.7%。

从各行业的分解指标来看，每个行业的技术进步率都呈现正的增长趋势，而对纯技术效率和规模效率来说，仪器仪表及文化办公机械制造业、电气机械及器材制造业的纯技术效率出现负增长，水的生产和供应业、化学原料及化学制品制造业、交通运输设备制造业、电力、热力生产和供应业、医药制造业、非金属矿物制品业和有色金属及压延工业的规模效率呈现出负的增长趋势，可见，全要素生产率增长的主要推动力也还是技术进步，各个行业的技术进步率的提高显著促进了各行业的全要素生产率的增长，这一结论与上文产业总体和七大产业的分析结果一致。

同时，由表3可以发现，同一产业内部的行业间的情况也有很大差别。首先，同属于节能环保产业的废弃资源和废旧材料回收加工业和水的生产和供应业，两者的全要素生产率增长率差别很大，水的生产和供应业的增长率达到了10.7%，而另一个行业的增长率只有6.9%；高端装备制造业同样，交通运输设备制造业的全要素生产率增长率达到了13.1%，而电气机械及器材制造业的增长率只有5.7%。节能环保产业的发展受到政府的大力支持，其产值不断提高，规模也不断扩大，但由表3可以发现，水的生产和供应业的规模效率出现了负的增长，说明水的生产和供应业已经出现了投入规模不合理的情况；而高端装备制造业中，电气机械及器材制造业、仪器仪表及文化办公机械制造业的纯技术效率出现负增长，说明这两个行业的资源配置效率和闲置生产要素的利用水平不高，甚至出现下降的趋势。其次，生物医药业、新能源、新材料产业内各行业的全要素生产率增长率都大于10%，但化学原料及化学制品制造业、非金属矿物制品业、电力、热力生产和供应业、医药制造业和有色金属及压延工业的规模效率都出现了负增长，化学原料及化学制品制造业、医药制造业是生物医药产业的主要领域，该产业为高技术、高投入、高收益同时也是高风险的产业，产业技术进步快，推动全要素生产率的增长，但是产业内集中度低，资源投入分散不合理，因此没有形成规模效应。电力、热力生产和供应业属于新能源产业，风能、水电及核电等都是战略性新兴产业重点支持的能源产业，但新能源产业的部分行业领域已经出现了产能过剩等问题，如我国风电设备制造业现在存在的产能闲置达到了40%以上[15]，使得电、热力生产和供应业出现了规模不经济的现象，规模效率下降。

四、结论和政策启示

(一)结论

首先，从产业总体来看，全要素生产率变化率都大于1，呈增长趋势，且增长动力主要来源于技术进步而不是技术效率的提高；其次，从七大产业来看，各产业的全要素生产率变化率也都大于1，各产业的全要素生产率也都呈增长的趋势，但各产业间的增长率差异很大；最后，就其依托行业的分析来看，各个行业的全要素生产率呈增长趋势，但各行业间、同一产业内部的行业间存在很大差异。

(二)政策启示

1.本文的分析表明非金属矿物制品业、电力、热力生产和供应业和有色金属及压延工业等这些行业已经出现了产能过剩、规模不经济的现象，所以要重新审视这些行业的发展模式，不仅要重视对这些行业的支持和投入，同时要优化资源配置，形成规模效应，提高规模效率。

2.根据本文的分析，我们发现我国对应的产业政策在实施过程中，出现了被扭曲的现象，不仅没有促进战略性新兴产业的高级化发展，反而呈低端化的发展趋势，所以要重新审视现有的产业政策，针对不同的产业要调整不同的产业政策，发挥产业政策的积极引导作用。

3.根据本文的分析，技术进步是我国战略性新兴产业全要素生产率增长的主要动力，所以要不断的研究新的技术和产品，鼓励企业积极自主创新，同时要加强国际合作，掌握国际先进技术，提高我国战略性新兴产业参与国际竞争的能力。

[1] 李晓华．战略性新兴产业的特征与政策导向研究[J]．宏观经济研究，2010，(9)：20-26．

[2]熊勇清，李世才．战略性新兴产业与传统产业耦合发展的过程及作用机制探讨[J]．科学学与科学技术管理，2010，(11)：84-109．

[3]熊正德，林雪．战略性新兴产业上市公司金融支持效率及其影响因素研究[J]．经济管理，2010，(11)：26-33．

[4]刘洪昌．中国战略性新兴产业的选择原则及培育政策取向[J]．科学学与科学技术管理，2011，(3)：88-92．

[5]肖兴志，谢理．中国战略性新兴产业创新效率的实证分析[J]．经济管理，2011，(11)：26-35．

[6] Liu Z Y, Xin Y M. Innovation efficiency and impact factors of China’s strategic emerging industries[J]. Journal of Emerging Trends in Economics and Management Sciences, 2012，3(5): 547-552.

[7]吕岩威，孙慧．中国战略性新兴产业技术效率及其影响因素研究——基于18个大类行业面板数据的分析[J]．科学学与科学技术管理，2013，(11)：137-146．

[8]王健，张卓．战略性新兴产业发展效率测度与金融支持[J]．中南财经政法大学学报，2014，(1)：76-81．

[9]齐峰．我国战略性新兴产业全要素生产率的实证测度———基于 DEA的Malmquist指数法[J]．科技管理研究，2015，(14)：121-125．

[10] Chames A,Cooper W W,Rhodes E. Measuring the e?ciency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444.

[11]Chames A，Cooper W W．Preface to topics in data envelopment analysis[J]． Annals of OperationsResearch，1985( 2) : 59-94.

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

[13]周晶，何锦义．战略性新兴产业统计标准研究[J]．统计研究，2011，(10)：3-8．

[14]黄海霞，张治河．基于 DEA模型的我国战略性新兴产业科技资源配置效率研究[J]．中国软科学，2015，(1)：150-159．

[15]李俊峰．2012中国风电发展报告[R]．北京:中国环境科学出版社，2012．

[责任编辑：姜野]

Total Factor Productivity of Chinese Strategic Emerging Industry——Based om DEA-Malmquist Index Model

WANG Zhen,GAO Yuan-yuan

(Northwest Normal University, Lanzhou 730070, China)

Based on the methods of DEA and Malmquist index, this paper measures and decomposes the total factor productivity of Chinese strategic emerging industries. The results are as follows. Firstly, TFP shows an increasing trend annually by 11%; Secondly, the TFP in each industry show an increasing trend too, but the TFP in each industry exists great differences; Thirdly, on behalf of the industry of strategic emerging industries' TFP show an increasing trend during the study period , but there are great differences between different industries and between various industries in the same industry.

strategic emerging industries; the malmquist index; TFP

2016-05-23

王桢(1972-)，女，甘肃临洮人，副教授，主要从事企业战略管理研究。

市场经济论坛

F424.3

A

1671-7112(2016)05-0065-06