中国行业间全要素生产率的增长与比较

谭少鹏

（信阳农林学院财经学院，河南信阳 464000）

中国行业间全要素生产率的增长与比较

谭少鹏

（信阳农林学院财经学院，河南信阳 464000）

本文运用DEA－Malmquist方法测算了我国11个行业的全要素生产率，并将其分解成纯技术进步和技术效率的变动。研究表明，我国总体上的全要素生产率的增长由技术进步为主转变为技术效率的提高为主。行业间的全要素生产率增长有较大的差别，服务业的全要素生产率明显低于农业和第二产业。

数据包络分析；全要素生产率；行业比较

一、文献综述

自Solow（1957）［1］提出技术进步是经济增长的根本动力以来，关于技术进步的研究逐渐成为经济学的热点之一；特别是在Krugman（1994）［2］关于东亚国家经济增长的论断之后，对于我国经济增长来源主要是来自于技术进步还是要素的增长引起我国学术界的广泛讨论，形成许多有益的成果。这些成果大致可以分为三个类别。

第一，从全国层面上分析讨论全要素生产率的变化；例如：郭庆旺、贾俊雪（2004）［3］运用索洛残差法、隐性变量法、潜在产出法对我国1979年到2004年的全要素生产率进行测算，认为我国经济增长主要来自于要素的增长。王兵、颜鹏飞（2006）［4］采用时间序列数据包络分析方法对我国1952年到2000年的全要素生产率进行测算，比较了改革开放前后的技术变化情况。李宾、曾志雄（2009）［5］采用要素收入份额可变的增长核算法，对我国1979年到2007年的全要素增长率进行了测算，对我国全要素增长率在时间维度上的变化做了分析并与其他相关研究做了比较，虽然测算的数据有所不同，但时间维度的变化规律基本上一致。

第二，将全国分为若干区域讨论区域间全要素生产率增长的差别。例如：章祥荪、贵斌威（2008）［6］采用Malmquist指数法对我国1979～2005年全要素生产率变动及其分解进行了分析，认为我国区域间技术差距在拉大。

第三，对某一行业分析其技术变化的规律。全炯振（2009）［7］分析了我国农业TFP时序增长和空间分布特征；夏佳佳等（2014）［8］、杨汝岱（2015）［9］从企业层面上分析我国制造业技术进步的特点；王恕立、胡宗彪（2012）［10］引入“技术不会遗忘”假定，运用序列DEA-Malmquist生产率指数法测算了1990—2010年中国服务业细分行业的全要素生产率（TFP）、技术进步、纯技术效率与规模效率增长率。

综上所述，对我国全要素生产率的研究，大多数集中于国家层面与区域间比较，或者是某一具体行业的研究，对国民经济各行业间全要素生产率的比较的研究较少，本文试图根据国民经济行业分类对不同行业之间的全要素生产率之间进行比较，并得出有益的结论。

二、方法与数据

（一）研究方法

对全要素生产率的测算可分为两类：参数方法和非参方法。参数方法主要有索洛残差法、隐形变量法、随机边界法；非参方法主要有：指数法和数据包络分析法。参数方法需要具体的生产函数形式的假定，不同的生产函数形式会对全要素生产率的测算产生较大的影响；而数据包络分析方法由于不需要具体生产函数形式、通过线性规划的方法得到生产可能性边界，根据决策单元投入和产出的数据，通过计算该决策单元到生产可能性边界的距离，判断该决策单元的技术变化情况。这样就避免了函数形式设定与参数估计的问题。

本文拟采用DEA-Malmquist方法对我国11个行业自2004年到2013年的技术进步进行测算。Malmquist指数是由瑞典经济学家 Sten Malmquist（1953）［11］提出的，用于构造消费数量指数。Caves等（1982）［12］将这种思想运用到生产分析中，通过距离函数之比构造生产率指数，并将这种指数命名为Malmquist生产率指数。基于DEA方法，Fare等（1995）［13］将Malmquist生产率指数从理论指数变成了实证指数。接下来，我们对Malmquist生产率指数进行数学上的介绍。

在t时期生产可能性集合为：

从t时期到t+1时期，度量 TFP增长的Malmquist生产率指数可表示为：

其中(xt+1,yt+1)和(xt,yt)分别表示（t＋1）时期和t时期的投入和产出向量，和分别表示以t时期的技术。该指数大于1时表示从t时期到t+1时期，全要素生产率是增长的。根据Fare等（1995）［13］的分析，可以分解为不变规模报酬假定下技术效率指数和技术进步指数。

TP表示技术进步指数，这个指数测度了技术边界从t时期到（t+1）时期的移动。EC表示技术效率指数，测度了从t时期到（t+1）时期每个观察对象到最佳生产前沿边界的追赶程度。技术效率指数又可进一步分解为纯技术效率指数和规模效率指数，在具体计算时往往使用相关的计算软件，这里不再赘述。

（二）数据处理

本文按国民经济行业分类，将我国的行业分为：农业、采矿业、制造业、电气水供应业、建筑业、交通运输、仓储和邮政业、批发和零售业、住宿和餐饮业、金融业、房地产业和其他服务业，行业分类标准为GBT-4754-2002。

在这里，我们采用增加值作为各行业的产出，数据取自各年中国统计年鉴相关数据。其中采矿业、制造业和电气水供应业2013年的数据根据2013年统计公报计算得出；并根据各行业增加值指数将其换算成2004年的可比价格。由于缺乏采矿业、制造业和电气水供应业增加值指数相关资料，本文统一采用工业增加值指数将这三个行业的增加值换算为2004年可比价格。

根据已有的文献资料，各行业将劳动和资本作为投入。理论上，应将劳动工时与劳动质量的综合作为劳动投入，但在实证研究中还要考虑数据的可得性。我国各类统计年鉴上没有提供这些数据，只提供了年末从业人数这一数据。而且在2002年以后，中国劳动统计年鉴只提供了分行业城镇单位年末就业人数，不再提供全社会分行业从业人数数据。本文采用王恕立、胡宗彪（2012）［10］的方法：分行业的全社会就业人数=全社会总就业人数×（分行业的城镇单位就业人数/城镇单位总就业人数），估算分行业全社会就业人数，将其作为劳动投入。

在我国的统计数据中没有资本存量的数据，只能根据现有数据进行推算。计算资本存量的文献有很多，张军、章元（2003）［14］，单豪杰（2008）［15］，对全国范围的资本存量数据进行估算。张军、吴桂英、张吉鹏（2004）［16］以及叶宗裕（2010）［17］等，对全国范围及各个省级区域的资本存量数据进行估算和比较。王玲（2004）［18］根据相关数据估计了1998—2002年工业各部门的资本存量，程大中（2003）［19］估计了我国服务业的资本存量。徐现祥、周吉梅、舒元（2007）［20］分三个行业对全国和各省的资本存量数据进行了统计估算。杨勇（2008）［21］估计了1952—2006年中国服务业的资本存量。这些研究均采用永续盘存法对某一区域或是行业的资本存量进行估计，首先，选定一个基期，估算出基期的资本存量，再根据每年的投资数据和价格指数，利用永续盘存法公式 Kt+1=(1-δ)Kt+It，计算各期的资本存量。这涉及三个问题：1.基期的资本存量的选择；2.折旧率的选择；3.各期投资额的确定。各期的投资额中国统计年鉴提供了数据，故此，前两个问题是资本存量数据估算的关键。

关于基期资本存量的选择，本文采用Harberger（1978）［22］提出的稳态方法，即基于“稳态时资本产出比不变或物质资本增长速度等于总产出增长速度”的假定，推导出起点时刻物质资本存量，其估算公式为:

其中Ii,t为第t期，第i个产业的投资数量，gi,t为增长速度，δi,t为折旧率。根据Harberger的建议，增长速度采用一定时期内的平均值代表。

对于各行业折旧率的选择，不同的文献有着不同的选择，例如：原毅军等（2009）［23］，王恕立、胡宗彪（2012）［10］均将服务业的折旧率设为4%。这忽略了各行业资本使用年限的差异。本文采用薛俊波、王铮（2007）［24］的方法，利用永续盘存法，结合各期投入产出表与相关数据计算我国各部门的折旧率，该方法假定相邻两期之间折旧率相等，推算出投入产出表年各部门的折旧率。

三、计算结果与分析

根据上述数据，利用DEA－Malmquist应用DEAP2.1软件计算出我国11个行业2004～2013年的TFP的变动以及分解。

（一）全要素生产率的趋势变动

根据测算出来的数据，在2004到2013年这个时间区间内，从全国各行业平均的时间序列数据来看，考察期内全要素生产率的平均增长率为5.9%，技术进步平均增长率为7.3%，技术效率平均增长率为-1.3%，其中纯技术效率的增长率为0.4%，规模效率增长了-1.7%。由此可以看出，我国全要素生产率的增长，主要来自于技术进步。从增长的趋势上来看，技术进步增长率的均值为7.3%，但总体上呈现了递减的趋势，而技术效率增长率在逐步上升，技术进步增长率与技术效率之间出现了明显的反向运动的现象。

表1 总体Malmquisit生产率指数及分解

这一现象与我国经济发展的现象相吻合。自1978年以来，我国采取改革开放的战略，通过对内改革，实现制度的红利，通过对外开放，引进国外先进技术，实现我国经济的高速增长。进入21世纪以后，我国经济经过了20多年的高速发展，改革的红利基本上被吃尽，而我国生产技术基本赶上了国际先进生产技术，技术进步的增长，从基本上靠引进技术来实现逐步转变为靠自主研发的方式来实现，技术进步增长率逐渐回归到常态。

从技术效率的变动来看，2010年之前技术效率均小于1，技术效率的组成部分纯技术效率和规模效率在2010年之前也均小于1，也就是说2010年之前，无论是纯技术效率还是规模效率都在下降，这可能由于不同产业发展速度差异造成。

表2 分行业Malmquisit指数及分解

（二）TFP及其分解的部门差异

从产业的均值来看，农业的TFP最高为1.119，第二产业次之，为1.080 8，服务业为1.036 2。这三个产业中，农业的TFP最高，TFP的增加既有技术进步的成分，又有技术效率的提高，从计算的数据来看，农业技术效率的提高全部来自于规模效率的提高。这反映了近年来我国农业在采用先进生产技术的同时扩大种植、养殖规模的经验事实。服务业的TFP最低，与第二产业相差4个百分点，与农业相差近6个百分点。这一特点基本上符合，Baumol（1967）［25］提出：服务业的技术进步远低于其他产业部门的假设。

在实证研究中，通常把第一产业和第二产业中的工业部门作为可贸易部门，将第二产业中的建筑业和整个第三产业作为不可贸易部门。通过计算可以看出，可贸易部门的TFP为1.104 8，不可贸易部门的 TFP为 1.034 3。这也符合Balassa-Samuelson效应中的假定，非贸易部门的技术进步远远低于可贸易部门。

就服务业内部TFP变动的情况来看，属于生产性服务业的交通运输仓储业和批发零售业的TFP增长较高，高于属于消费性服务业的住宿和餐饮业；而同属于生产性服务业的金融业和房地产业的TFP增长较低，尤其是房地产业，其TFP出现了负增长。生产性服务业TFP增长出现较大差异的这一现象与行业的性质有关，交通运输仓储业和批发零售业属于较早实现市场化经营的行业，市场准入的开放，使得大量的民企进入该行业，使其充满活力；而金融业属于垄断性行业，房地产业同样也带有垄断的色彩，这无疑会阻碍其TFP的增长。

四、结论

本文利用2004年到2013年的数据，利用DEA－Malmquist方法对我国分行业的全要素生产率进行测算，并将期分解为技术进步、纯技术效率和规模效率。得出如下结论:

1.在观察期内，全国范围的TFP呈下降趋势，技术效率和技术进步呈反向变化。TFP下降主要是由技术进步变缓引致，相对应的技术效率的增加率在不断地增加，抵消了部分技术进步速度变缓的因素。这一变动反映了我国技术进步的主要来源从引进技术向自主研发的转变。

2.在各行业之间，农业的TFP最高，既有技术进步的不断增加，又有技术效率的提高。服务业的TFP与农业和第二产业的差别较大，验证了Balassa-Samuelson效应。第二产业内部，采矿业的TFP增长最高，这与我国的经济增长的资源依赖性有关，也反映了近年来资源价格高涨的事实。

3.服务业内部各行业的TFP增长呈现较大的差距。属于生产性服务业的交通运输仓储业和批发零售业的TFP增长较高，同属于生产性服务业的金融业和房地产TFP的增长略低，这与行业的准入程度有关，一般来说，较为开放的行业的TFP增长高于垄断性较强的行业。

［1］ Solow R M.Technicalchange and the aggregate production function［J］.The review of Economics and Statistics，1957:312-320.

［2］ Krugman P.Myth of Asia's Miracle，The［J］.Foreign Aff.，1994，73:62.

［3］ 郭庆旺，贾俊雪.中国全要素生产率的估算:1979— 2004［J］.经济研究，2005（5）:1-60.

［4］ 王兵，颜鹏飞.中国的生产率与效率：1952—2000——基于时间序列的DEA分析［J］.数量经济技术经济研究，2006（8）:22-30.

［5］ 李宾，曾志雄.中国全要素生产率变动的再测算:1978—2007年［J］.数量经济技术经济研究，2009（3）:3-15.

［6］ 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（6）: 111-122.

［7］ 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.

［8］夏佳佳，余康，郭萍.农业全要素生产率增长的再测算——Malmquist指数法和Hicks-Moorsteen指数法的比较［J］.林业经济问题，2014（6）:563-567.

［9］ 杨汝岱.中国制造业企业全要素生产率研究［J］.经济研究，2015（2）:61-74.

［10］王恕立，胡宗彪.中国服务业分行业生产率变迁及异质性考察［J］.经济研究，2012（4）:15-27.

［11］Malmquist S.Index numbers and indifference surfaces［J］. Trabajos De Estadistica，1953，4（2）:209-242.

［12］Caves D W，Diewert W E.The Economic Theory of Index Numbers and theMeasurementofInput，Output，and Productivity［J］.Econometrica，1982，50（6）:1393-1414.

［13］ Fare R，GrosskopfS.Productivity and Intermediate Products:A Frontier Approach［C］//Economics Letters. EconWPA，1995:65-70.

［14］张军，章元.对中国资本存量K的再估计［J］.经济研究，2003（7）:35-43.

［15］单豪杰.中国资本存量K的再估算:1952—2006年［J］.数量经济技术经济研究，2008（10）:17-31.

［16］张军，吴桂英，张吉鹏.中国省际物质资本存量估算: 1952—2000［J］.经济研究，2004（10）:35-44.

［17］叶宗裕.中国资本存量再估算:1952—2008［J］.统计与信息论坛，2010（7）:36-41.

［18］王玲.中国工业行业资本存量的测度［J］.世界经济统计研究，2004（1）:16-25.

［19］程大中.中国服务业的增长与技术进步［J］.世界经济，2003（7）:35-42.

［20］徐现祥，周吉梅，舒元.中国省区三次产业资本存量估计［J］.统计研究，2007（5）:6-13.

［21］杨勇.中国服务业全要素生产率再测算［J］.世界经济，2008（10）:46-55.

［22］Harberger A C.Perspectives on capital and technology in less-developed countries［J］.Estudios De Economía，1988.

［23］原毅军，刘浩，白楠.中国生产性服务业全要素生产率测度——基于非参数Malmquist指数方法的研究［J］.中国软科学，2009（1）:159-167.

［24］薛俊波，王铮.中国17部门资本存量的核算研究［J］.统计研究，2007（7）:49-54.

［25］Baumol W J.Macroeconomics of Unbalanced Growth:The AnatomyofUrban Crisis［J］.American Economic Review，1967（3）:415-426.

Comparison and Increase of Interindustrial Total Factor Productivity in China

TAN Shao-peng
（School of Finance and Economics，Xinyang College of Agriculture and Forestry，Xinyang 464000，China）

The article calculates the total factor productivity of 11 industries in China through the DEAMalmquist approach，and classifies them as technological advancement and the change of technical efficiency. The result shows that the growth of total factor productivity might be affected by the enhancement of technical efficiency from technological advancement.The paper also finds that there is an obvious difference in total factor productivity among different industries；the total factor productivity in service industry is clearly lower than those of agriculture and secondary industries.

DEA；total factor productivity；inter-industry comparison

F062.9

A

1673-5609（2016）01-0001-06

［责任编辑：薛 之］ ［英文编辑：蔡林岐］ ［责任校对：兰 柯］

2015-11-16

河南省教育厅人文社会科学研究项目“煤炭资源税改革对河南经济的影响及最优税率选择——基于动态可计算一般均衡的分析”（批准号：2015－QN－186）

谭少鹏（1976—），男，山东文登人，信阳农林学院财经学院讲师，经济学硕士，研究方向：经济数学模型、均衡理论。