我国建筑产业技术效率的SFA-Malmquist指数实例研究

武文杰, 贝芳芳

(1. 安徽建筑大学 土木工程学院, 安徽 合肥, 230601; 2. 安徽建筑大学 管理学院, 安徽 合肥, 230601)

我国建筑产业技术效率的SFA-Malmquist指数实例研究

武文杰1, 贝芳芳2

(1. 安徽建筑大学 土木工程学院, 安徽 合肥, 230601; 2. 安徽建筑大学 管理学院, 安徽 合肥, 230601)

首先选取6项建筑生产效率指标, 利用计量经济学知识建立随机前沿SFA模型以及Malmquist全要素生产模型分别对我国区域建筑市场的技术生产效率及影响因素进行研究; 再对2010–2015年我国31个地区的建筑产业数据进行实证研究及全要素生产效率指数模型的动态分析。结果显示: 我国建筑产业整体技术效率水平与经济发展水平呈正相关关系, 具体表现为沿海各省市技术水平最高、中部省份次之、边缘省份最低; 区域建筑产业生产效率的正面主要影响因素为技术进步指数, 负面影响因素为规模效率变化指数。

建筑生产效率; SFA模型; 全要素生产模型; 实证研究

作为国民经济三大支柱产业的建筑业, 在我国经济发展过程中起着十分重要的作用, 尤其是改革开放之后自身规模的不断增加, 更是促使了我国城乡一体化、工业化的快速发展。建筑产业自上世纪80年代开始进行体制改革至今, 虽然在设计、施工、运营维护等各类技术领域均取得了很大进步, 但是我国建筑产业的效率水平较之欧、美、日等国家仍存在很大差距。若想致力于建筑产业更好、更健康地发展, 就必须清楚地掌握当前建筑业的发展状况, 因此, 通过对我国的建筑产业效率技术进行测定预算, 找到影响发展的具体因素并加以解决十分必要。

目前用于研究建筑效率分析的方法分为非参数法及参数法2大类。非参数法以数据包络分析法(即DEA)为代表, 其最大的特点为不具体设定模拟函数的形式, 通过解决多目标规划问题的帕累托有效解来研究效率问题, 国内对建筑产业效率问题的研究大多就采用这种非参数模式的DEA方法。杨丽等[1]以DEA方法为工具对我国各个省、自治区、直辖市进行了有关区域内建筑产业技术效率、能效反应、规模发展等方面的实证研究与分析, 为如何提高建筑产业生产率提出了较为实用的依据和建议。陈德强等[2]利用数据包络分析法研究了2010年我国西北地区省市的建筑生产效率, 结果显示四川、重庆等地区的建筑业效率较青海、云南等省份高。杨璐璐[3]创新性地通过将样本选择模型(Tobit)引入DEA方法中, 对我国建筑产业生产效率变化地研究, 指出区域性城乡一体化水平、建筑业的总体水平以及各类相关人员收入状况与建筑业效率的水平存在正相关关系。朱峥峥等[4]选取影响黑龙江建筑发展的9个指标及相关建筑业的生产数据, 运用两阶段的数据包络分析法对引起黑龙江建筑发展的各类指标进行筛选进而为城市建筑业未来发展提供依据。孟魁[5]利用三阶段的DEA方法对我国中部6省市地区能耗和碳排放约束条件下的物流效率问题进行研究, 结果显示影响地区物流生产效率最主要的2大因素为地区的经济状况和区域内市场需求。通过查阅文献发现, 非参数的DEA法已经在建筑行业的各领域中得到推广应用, 但是采用有参数的包络分析方法对建筑生产效率进行研究分析的文献相对较少。此类方法最主要的特点是将产品生产函数设定为某种具体函数, 并依据这一函数对效率进行测定。

本文选用了具有参数的随机前沿分析法(简称SFA), 该方法属于典型的前沿分析。它充分考虑随机因素对产出影响的同时, 也能核算噪声影响及归类技术效率, 对解决多决策投入单一产出特定时期的技术效率的核算、预测、统计和分析等问题都十分有效。本文除了利用SFA对建筑产业的生产效率进行静态分析外, 为使分析更加全面, 针对历年数据的变化, 利用Malmquist生产效率指数模型对近年的建筑产业指标进行动态分析及预测, 力求静态、动态相结合对我国各省市的建筑业生产效率进行全面地评价分析。

1 建筑生产效率指标的选取

(1) 技术指标。依据随机前沿分析方法要求的“多投入一产出”和已有国内外专家在建立建筑生产效率模型时对变量的选择, 本文投入指标选取为各省市劳动生产率和建筑产业总产值, 分别用L和C表示;产出指标选取为各地区建筑增加值, 用Z表示。在进行建模之前将2010年的总产值折算为可比价产值[6]并折算出2010年的不变建筑售价以便运算。

(2) 建筑业发展指标。我国的建筑产业具有国家宏观调控区域特色发展的特点, 结合这一特点本文选取影响其发展的技术指标为国有建筑企业比Xgq(国有企业占建筑市场总企业的比值)、建筑产业产值比Xcz(建筑产业当年GDP指标占地区总产值的比值)、建筑资产投资比Xzt(用于建筑产业的投资占区域当年总投资的比值)、科技投资比Xkt(用于建筑科技投资占区域当年总投资的比值)。

本文数据来源于中国统计局2016年发布的《2016中国统计年鉴》[7], 为了完整地对我国各省市进行区域建筑经济分析, 选取2010–2015年31个省市自治区的数据为样本进行研究。《2016中国统计年鉴》第十四章“建筑业”数据真实、可信度高, 对本文结果科学性有着非常重要的作用。

2 模型的建立

2.1 随机前沿SFA模型的建立

SFA方法最早可以追溯到1977年Aigneer提出的随机前沿生产函数理论[8], 之后的几十年里有学者在此基础上对技术无效率、TFP对产出影响等问题进行研究。本文在前人研究的基础上对建筑产业的生产效率问题进行SFA模型研究, 为使模型更为直观, 现将各符号及定义列入表格1。本文的随机前沿SFA模型建立如下。

作为农业投入品，肥料的施用数量和方式都在影响着土壤的质量。汪洪表示，肥料施用安全是土壤质量和农产品质量安全的重要保证，肥料合理施用是农业绿色发展的重要环节，而肥料的不合理使用则会导致农学安全风险、生态环境风险、农产品污染风险、动物和人体健康风险等多方面问题。因此，肥料产品需要进行登记管理。

第i个省份在第j年度里建筑产业的生产投入函数In(Zij) = α0+ α1In(Lij) + α2In(Cij) + Rij- Pij。该函数由投入指标线性组合而成, 用于反映投入总指标。第i个省份在第j年度里建筑产业的技术效率函数TEij= exp(-Pij)。当Pij= 0, TEij= 1时, 表明该省份的生产效率处于领先情形, 其生产点位于前沿面之上;相应地, 当Pij> 0, 0 < TEij< 1时, 表明该省份的生产效率处于滞后情形, 其生产点位于前沿面之下。

第i个省份在第j年度里建筑产业的非效率函数Mij= β0+ β1(Xgq) + β2(Xcz) + β3(Xzt) + β4(Xkt)。该函数由建筑发展的4个指标与技术影响因子线性组合而成, 若β0～β4> 0, 则表明建筑发展指标对建筑产业的技术效率存在负面影响; 相反地, 若β0～β4< 0, 则表明建筑发展指标对建筑产业的技术效率存在正面影响。

建筑产业技术无效比例函数γ = βP2/(βR2+ βP2)。当γ = 0时, 说明区域建筑生产技术效率很高, 其安全技术效率生产点位于前沿面之上, 此时不再需要进行SFA技术分析; 当0< γ < 1/2时, 即生产无效技术因子0 < βP< 1/2时, 说明各区域建筑生产技术效率的差距来源为不可控因子导致的随机误差; 当1/2 < γ < 1时, 即生产无效技术因子1/2 < βP< 1时,说明各区域建筑产业实际产值和最大希望产值之差是由生产无效技术因子造成的, 此时需要对各省建筑产业进行随机前沿SFA分析; 当γ = 1时, 说明区域建筑生产技术函数为不带随机性的确定前沿模型。

表1 符号及定义

2.2 Malmquist 全要素生产率模型的建立

Malmquist指数最早在1953年由瑞典学者提出[9], 该方法利用收缩因子之间的比值构造消费指数,在数据包络分析法(即DEA方法)的基础上将全要素生产率TFP的变动分解成有效的技术变动、规模结果变动以及技术进步变动3个模块。在已有的建筑产业效率实证研究中, 大多采用全要素生产效率指数,这也说明这一方法的科学性, 因此, 本文将基于SFA函数延伸应用Malmquist指数模型, 通过对决策变量的边界效率函数的计算分析来进一步完成对各区域建筑产业生产效率及技术等变化程度的测定。某省市第j至j + 1年度范围内的Malmquist全要素生产率指数函数为。若Mq> 1则说明在j至j + 1年度范围内的建筑产业生产效率是递增的, 也就是说后一年度的区域效率高于前一年度; 若Mq= 1, 则说明j至j + 1年度建筑产业生产效率没有变化; 若Mq< 1, 则说明在j至j + 1年度范围内的建筑产业生产效率是递减的, 即后一年度的区域效率较上年度不增反降。

为了利用Malmquist指数模型进行更好地实证分析, 将其分为技术效率指数函数、技术进步指数函数, 分别用TE、TC表示。在进行分析时将技术效率指数分解为规模化效率指数(简记SC)和纯技术效率指数函数(简记PTEC), 进一步完善的Malmquist指数函数模型表达式为。

技术效率指数TE主要用来核定决策变量在j至j + 1年度范围内实际产值距最佳产值的距离变化,经济领域常称这一变化为“追赶效应”。若TE> 1, 则说明决策变量的实际生产接近前沿截面, 此时该省市的技术效率较上一年是提高的; 技术进步指数TC主要用来核定技术变量在j至j + 1年度范围内的变化情况, 这一变化又称“增加效应”。若TC> 1, 则说明在接连的一年里最佳生产点顺着前沿面向上移动,这也说明相关技术在这一年度存在提高。

3 随机前沿SFA模型实证研究

3.1 技术生产效率函数分析

在进行实证研究和分析时借助随机前沿效率模拟软件Frontier, 这是一种致力解决随机SFA问题的软件, 该软件的运行原理是利用极大似然估计法模拟随机前沿成本以及随机前沿生产模型。本文利用Frontier4软件对SFA模型的各个参数进行极大似然估计, 并将其结果列在表2中。

表2中, 前沿生产函数参数分别为α0～α2,技术生产效率函数参数为β0～β4、β2以及γ。γ =0.995 1即在0.5%的置信度时标准差为0.021 8,明显不为0, 这说明造成前沿生产误差的主要原因是技术上的无效, 这一现状将在2010– 2015年的建筑行业效率实证分析中得到普遍的应证。所以, 通过随机前沿SFA模型对建筑产业技术效率进行测定分析显得十分必要。

由表2不难看出, 上述10个指标中影响指标最显著的3个分别是建筑资产投资比Xzt、国有建筑企业数量比Xgq、科技投资比Xkt。其中建筑资产投资比和科技投资比为负数, 国有建筑企业数量比为正数。这也反映了在建筑产业中建筑资产投资及科技投资对区域生产效率的提高起着积极的推进作用, 相应地在各省市区域范围内, 若国有建筑企业数量越多将会阻碍市场的自由发展, 进而抑制产业创新及效率的提高。

在表2中建筑产业产值比Xcz的系数虽然为0.036 6 > 0, 但是其τ检验却未通过, 这一现状表明区域建筑产业的GDP产值比的提升对建筑行业的技术效率的提升有不太明显的拉低作用, 该结果可能和建筑业具有跨地区合作的流动性特征有关。

表2 SFA技术效率参数测定表

3.2 各省建筑业技术生产效率实证测算和分析

将我国统计年鉴摘取的数据代入随机前沿SFA模型中的TEij= exp(-Pij), 计算出我国2010–2015年31个省市建筑业技术生产效率值并列入表3。

表3 2010–2015年各区域建筑业技术生产效率测算

续表3

从表3中的6年数据可知, 在各区域我国31个省市可以划分为3个阶层。

第一阶层, 以上海、北京、浙江、天津、重庆、辽宁为代表。作为我国经济的领军省市, 这些地区建筑产业发展相对成熟、建筑行业技术较为先进、相关机械设备创新性较高, 在发展过程中积累吸收的管理思想、技术经验也进一步地推进技术效率的不断提高。

第二阶层, 以广东、江苏、安徽、山东、河南、江西、湖南、湖北、新疆、西藏、河北、宁夏、广西等地区为代表。从地域上看包含我国所有中部省份, 我国中部地区人口基数大、建筑业人红利明显,但由于建筑设备较为陈旧、施工人员素质偏低导致整体技术水平不高。

第三阶层, 以内蒙古、四川、青海、贵州、海南、陕西、甘肃、云南为代表。这些区域地理特征明显, 大多位于我国边界地带, 由于地理原因导致的人口较少、经济发展落后导致区域内建筑需求不明显,从业人员技术水平及素质均有待提高。

从表3可知, 2010–2015年间, 我国建筑产业整体技术效率水平呈现与经济发展水平正相关的现状,具体表现为沿海各省市技术水平最高、中部省份次之、边缘省份最低。我国建筑产业整体生产技术效率呈现较为平稳递增状态, 这与国家出台的一系列绿色城镇的指导政策密切相关。另外在扩大内需的国情下, 我国各地房地产市场普遍存在积极发展的态势, 若想实现节能减排、绿色可持续发展的时代任务,作为高耗能的建筑产业必须走高技术效率的路径。虽然国家对建筑产业提供了很多政策支持、创造了很好的外部环境、引入不少高新科技, 但是截至2015年底我国的建筑产业生产技术效率平均水平仅为0.589 3, 与发达国家相比仍存在很大差距。

4 Malmquist 全要素生产率模型实证研究

在进行全要素生产率模型实证研究和分析时借助模拟软件DEAP2, 这是一款专门用来计算全要素效率及生产力的软件, 利用该软件对2010–2015年间的全要素生产效率进行分析, 并将结果列入表4。

从表4可以看出我国区域建筑产业生产效率, 2010–2015年期间表现出稳步提升的态势, 年均增长率为12.2%。整体来说, 2010–2015年间的全要素生产效率变化比Mq值均大于1, 这也表明我国的建筑产业生产效率总的来说是不断提升的。

细分Mq值, 可以看出技术进步变化比TC平均值高达1.170, 近6年的指数值以高于10%的速度增加, 这一高速波动增值的现象从另一方面也证明了2010–2015年我国区域建筑技术效率Mq的提高主要受建筑技术进步影响。其次技术效率变化比TE虽然每年以高于5%的百分比增加, 但是其幅度较技术进步小, 因此对Mq的影响不如TC明显。另外纯技术效率变化比PTEC的波动趋势与技术效率变化比TE大致相似, 这也反映出2010–2015年间, 我国建筑产业经营技术不断进步, 建设现场管理技术更加科学高效。4个技术指标中, 唯有规模效率变化比SC年变化值为负数, 因此可以推断影响我国区域建筑产业生产效率发展的根本原因是规模效率的降低。

表4 2010–2015各年段内全要素生产效率测算表

5 结论与建议

建筑业除了具有我国经济支柱产业的特殊角色外, 还是我国三大能源损耗产业之一。本文利用随机前沿SFA方法对2010–2015年我国31个省市建筑产业生产效率进行实证研究, 并利用Malmquist 全要素指数模型进行进一步的分析, 得出我国建筑产业整体技术效率水平与经济发展水平呈正相关关系。具体表现为沿海各省市技术水平最高、中部省份次之、边缘省份最低; 区域建筑产业生产效率的正面主要影响因素为技术进步指数TC、负面影响因素为规模效率变化指数SC。

通过分析实证研究数据以及全要素生产效率指数结果, 为促使建筑产业进一步高效稳步的健康发展, 相关部门应做到: ① 在推进建设企业改革的同时, 政府应起到良好的引导作用, 积极促进科技在建筑业的投入; ② 区域应促进经济发展, 对建设人员进行良好的技术教育, 引进国内外先进建设技术及管理经验; ③ 各省市、单位, 应当充分认识到规模效率对生产效率的影响, 通过扩大自身规模、合理进行产业规模调整, 进而达到稳步提升区域建筑规模效率的目的; ④ 区域间加强合作, 促进资源流动,避免建设劳动力冗余、劳动力不足的极端情况, 确保建筑市场的均衡健康发展。

[1] 杨丽, 赵富城. 基于DEA技术的城乡一体化发展效率评价[J]. 经济问题探索, 2010(6): 8–13.

[2] 陈德强, 杨田. 基于DEA的西部地区建筑业生产效率实证研究[J]. 工程管理学报, 2012(2): 7–11.

[3] 杨璐璐. 我国城镇化建设、土地政策关联度及其实态因应[J]. 经济管理, 2013(3): 34–44.

[4] 朱峥峥, 李英, 林智敏. 基于DEA改进模型的建筑企业效率评价研究——以黑龙江省为例[J]. 工程管理学报,2013(1): 10–13.

[5] 孟魁. 基于三阶段DEA方法的中部六省物流效率评价[J]. 统计与决策, 2014(2): 57–60.

[6] 高艳红, 陈德敏, 谭志雄. 再生资源产业替代如何影响区域节能空间大小——中国省域经济视角的实证检验[J]. 经济科学, 2015(5): 83–93.

[7] 中华人民共和国国家统计局. 国家数据, 十四–建筑业[DB/OL]. http://www.stats.gov.cn/tjsj/ndsj/2016/indexch.htm,2017–01–13.

[8] 赵阳, 魏建. 我国区域文化产业技术效率研究——基于随机前沿分析模型的视角[J]. 财经问题研究, 2015(1): 30–36.

[9] 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):111–121.

(责任编校: 江河)

Analysis of green building enterprises from the perspective of evolutionary game theory

Wu Wenjie1, Bei Fangfang2
(1. School of Civil Engineering, Anhui Jianzhu University, Hefei 230601, China; 2. School of Management, Anhui Jianzhu University, Hefei 230601, China)

By using econometrics knowledge establish stochastic frontier model and SFA Malmquist model respectively, 6 construction production efficiency index is selected to study the elements of the production technology and production efficiency influence on regional construction market of our country factors; followed by dynamic analysis of construction industry data of 31 regions in China by empirical research and the index of total factor productivity the model of 2010～2015. The results show that it is positive relationship between development level of China's construction industry overall level of technical efficiency and economic, the specific performances from high to low are listed as follow, coastal provinces and cities, the central provinces, the provinces of the edge;main positive factor is the production efficiency in the regional construction industry as the index of technological progress TC, negative impact factor is scale efficiency change index SC.

construction efficiency; SFA model; total factor production model; empirical study

F407.9

: A

1672–6146(2017)02–0048–06

10.3969/j.issn.1672–6146.2017.03.011

武文杰, wuwenjie1992@126.com。

：2017–02–18