(湖南工业大学 经济与贸易学院,湖南 株洲 412007)
改革开放40 a,中国经济发展成就显著,但是增长质量和增长效益不高。为增强经济发展活力、加快转变经济发展方式和产业结构优化升级,我国明确提出要加快发展战略性新兴产业,摆脱单纯以要素投入推动经济的增长的粗放型发展模式,推动中国制造业迈向世界中高端。然而,在我国战略性新兴产业发展中,同质化、低水平重复投资、产业低端化等问题比较突出,这不仅会制约国家自主创新能力的提升,而且会影响实现创新型国家战略。因此,深刻认识我国战略性新兴产业发展的“低端化”问题,从产业创新、R&D 投入水平,尤其是从全要素生产率(total factor productivity,TFP)视角探究我国战略性新兴产业发展质量,是当前政府和经济学学者们亟待解决的重要研究课题。
根据测算方法,关于全要素生产率的研究主要有以下4类:1)索罗余值法。郭庆旺等[1]运用该方法对中国全要素生产率进行估算发现,改革开放前我国TFP 发展较为缓慢,而在改革开放后得到显著提高。杨震宇[2]采用该方法对我国战略性新兴产业的TFP进行了测算。范巧等[3]将空间计量分析融入传统的索罗余值法之中,并证明了其准确性。赵玉林等[4]研究发现,中国高技术产业TFP增长率为同期美国高技术产业的2倍。2)数据包络分析法(data envelopment analysis,DEA)。F.S.T.Hsiao 等[5]应用DEA-Malmquist指数对韩国和中国台湾的传统、基础及高技术3类制造业的生产率进行了比较;梁平[6]把创新效率的增长分解为技术进步和资源配置效率变化两个部分;陈伟等[7]对中国30个省份高新技术产业技术创新效率进行了评价,结果表明我国高新技术产业R&D 绩效存在一定的地区差异,其中社会效益差异最为明显;黄海霞等[8]采用该方法发现对中国战略性新兴产业TFP进行测算后,TFP增长来源存在区域差异,即东、西部地区依靠技术进步,而中部依靠技术效率改善。王学军等[9]基于2002—2014年的面板数据,运用该方法对25家文化企业上市公司TFP进行测度,得出我国文化企业全要素生产率较高的结论;袁延志等[10]运用BBC模型和Malmquist指数对12家饲料业上市公司2011—2016年数据进行了测算,得出了各公司经营管理效率不断上升的结论。3)随机前沿分析法(Stochastic frontier approach,SFA)。朱有为等[11]采用随机前沿生产函数测算了中国高技术产业的研发效率;武鹏等[12]利用该方法测算了全国20个省份的高技术产业在1996—2007年间的R & D 全要素生产率增长情况。余永泽等[13]采用三投入随机前沿分析法,对我国1995年以来高技术产业生产效率和全要素生产率增长进行了考察。王卫等[14]则运用该方法对装备制造业细分行业全要素生产率进行了考察。吕洪渠等[15]采用该方法测算TFP 发现,广西、安徽和山西等9个省份属于效率驱动型,而北京、天津和河北等省份属于技术驱动型。4)两步一致估计法(由S.Olley和A.Pakes 提出,简称OP法)和改进的两步一致估计法(由J.Levinsohn和P.Petrin 提出,简称LP法)。涂正革等[16]采用OP 法对中国工业企业TFP进行了详细测算。杨汝岱[17]利用OP和LP 两种方法对中国工业企业TFP进行测算分析,发现1998—2009年间我国制造企业TFP年增长率为3.83%。郭春娜[18]通过OP方法对中国制造业TFP进行测算,发现我国制造业整体TFP增长率下降。但刘宗明等[19]采用OP方法得到的结论与之截然相反。此外,J.E.Triplett[20]利用HE-DONIC 价格指数对高技术产业生产率进行了研究;S.Kumar[21]基于非参数线性规划方法,发现对印度改革前后高技术产业生产率增长来源发生了转变。许冬兰等[22]采用动态EBM(epsilon-based measure)-Malmquist指数测算了全球33个行业的低碳全要素生产率。
从现有文献来看,在省级层面对战略性新兴产业TFP的研究并不多见,并且对于宏观和中观层面数据来说,战略性新兴产业TFP研究主要应用生产函数法、DEA方法和SFA方法等三类方法,而微观企业的TFP 研究则多采用OP和LP 两种方法。其中,DEA方法由于不需要设置固定的生产函数,应用较为广泛。因此,本文将首先采用DEA方法对战略性新兴产业TFP进行测算,然后利用Malmquist指数将TFP指数分解成技术进步、技术效率改进、规模效率3部分。接下来从全国层面、区域层面和省份层面分别考察战略性新兴产业TFP 及其3部分构成的差异。
DEA方法最初由A.Charnes 等[23]提出,该方法假定若干个决策单元面对技术前沿是相同的,设置距离函数计算其与技术前沿之间的差距。但是该方法只能做静态评价,无法动态展示决策单元间的相对效率大小。针对传统DEA方法的设计缺陷,R.Färe 等[24]将DEA模型和Malmquist指数相结合,利用Malmquist指数反映投入产出相对效率跨期变动情况,该方法不仅可以动态展示TFP的跨期变动特点,还可以进一步分解出技术进步、技术效率改进和规模效率,从而找出促进TFP 变动的主要因素。DEAMalmquist指数法的具体计算过程如下。
首先,将不同省份看成基本决策单位(decision making unint,DMU),投入要素包括劳动力、资本,产出变量为战略性新兴产业主营业务收入。潜在技术前沿定义为:
2.2.1 变量说明
1)产出变量。该变量采用战略性新兴产业主营业务收入来表示,并将每一年的数值折算到2000年的价格水平。
2)劳动力投入变量。该变量采用各省份历年战略性新兴产业从业人员总数表示。
3)资本投入变量。该变量则采用各省份战略性新兴产业资本存量表示。
资本存量的具体计算过程如下:
首先将战略性新兴产业全社会固定资产投资额折算到2000年的价格水平,然后按照永续盘存法对资本存量进行估算,基本计算公式如下,
式中:Kit表示第i个省份在第t年的资本存量;g为2001—2015年间战略性新兴产业固定资产投资的增长率的平均值;为折算到2000年价格水平的固定资本形成总额;δt为第t年的折旧率(参考吴延兵等[25]的做法,δt统一取定值15%)。
2.2.2 数据来源
由于战略性新兴产业的宏观层面的准确数据不易获取且其与高技术产业高度相关性,本文参考刘建民等[26]的做法,选择高技术产业作为研究对象。计算过程中所需要的数据均来自于历年《中国高技术统计年鉴》、《中国统计年鉴》。对于部分数据残缺或者有明显错误的数据,采用各省份《统计年鉴》进行修正和补齐。由于内蒙古、海南、青海、西藏、新疆等5个省份数据缺失严重,课题组将其舍去。最终,本文对全国26个省份的战略性新兴产业TFP 及其构成进行了测算。
利用DEAP2.1软件,采用DEA-Malmquist指数法,测算出全国各省份战略性新兴产业的TFP增长指数及其构成,经过算术平均得出了全国层面的结果。此外,本文还利用变异系数法,对TFP增长指数及其构成的内部差距状况进行考察。具体结果见表1,由表可知:1)2001—2005年战略性新兴产业TFP 整体呈增长趋势,年平均增长率达13.4%。除2001年出现了负增长外,其余年份战略新兴产业TFP增长指数均大于1,其中TFP增长率在2003年达最高值34.4%。具体来说,2001—2004年战略新兴产业TFP增长指数由0.876 上升至1.344,之后经过连续两年下降后达到2006年的1.114,之后一段时间大体上呈“上下交替”式的波动趋势。这也表明战略性新兴产业创新的不连续性和不确定性。2)从TFP增长指数的分解结果来看,技术进步对TFP增长指数的贡献最大,其年平均值达到1.132,纯技术效率变化指数其次,其年平均值为1.047,规模效率指数最低,其年平均值仅为1.011,这表明技术进步和技术效率改善是战略性新兴产业创新发展的主要动力,而规模效率的支撑作用不强。实际上,规模效率增长缓慢正是战略性新兴产业快速增长中的重复建设、同质化竞争等问题的集中体现。可见,如何避免各省份之间的同质化、低水平竞争,有效优化投资结构,是解决战略性新兴产业规模不经济问题的关键,也是接下来战略性新兴产业TFP 增加的主要着力点。3)2001—2015年间,TFP增长指数的变异系数从0.628动态波动至0.304,其中2004年达到最大值,为0.732,2010年达到最小值,为0.223,整体上TFP增长指数呈现出下降的变化趋势,表明不同省份战略性新兴产业TFP之间的差距在不断缩小,收敛特征明显。4)TFP增长指数3部分构成的内部差距也大体上呈现出逐年缩小的态势,但是技术进步指数的内部差距要依次小于规模效率指数和纯技术效率变化指数的,三者的变异系数年均值分别为0.234,0.237和0.378。可能的原因在于,我国在改革开放初期实行“东部优先”战略,之后又依次实行了“西部大开发”、“中部崛起”和“东北振兴”等均衡发展战略,东部省份对口帮扶西部省份,中部、西部和东北有效承接了东部地区的产业转移和技术溢出。因此,不同省份在技术进步、规模效率和纯技术效率方面的差距在不断缩小。
表1 中国战略性新兴产业TFP增长指数及其分解结果Table1 TFP growth index of strategic emerging industries and its decomposition results in China
鉴于我国各区域战略性新兴产业发展的差距,本文接下来将各省划分为东部、中部、西部和东北4个区域做进一步分析。图1给出了4个区域战略性新兴产业TFP增长指数的变动情况。由图1可知:1)4个区域的TFP增长指数均大体上呈波动下降趋势,但大部分年份TFP增长指数大于1,表明各区域战略性新兴产业TFP 总体上是正增长,这与全国层面TFP增长指数的变动趋势一致。2)在战略性新兴产业TFP增长指数中,中部地区整体上要依次高于西部地区、东部地区和东北地区,但中部地区的年度波动比较剧烈。
图1 四大区域TFP增长指数Fig.1 TFP growth index in the four regions
图2报告了4个区域战略性新兴产业TFP增长指数的变异系数波动情况。从中可以看出:1)东部地区的变异系数整体上要依次小于东北、中部和西部地区,这表明在战略性新兴产业TFP 增加过程中,东部省份的内部差异最小,而西部省份的内部差距最大。2)东部、中部和西部地区3个区域的变异系数大体呈下降趋势,而东北地区则呈大体上升趋势。其中,东部的变异系数从0.261波动下降至0.171,中部地区的变异系数从0.599波动下降至0.189,西部地区的变异系数从0.735波动下降至0.413,东北地区的变异系数从0.166波动上升至0.356。从变化幅度来看,中部的变异系数下降了68.4%,降低幅度依次大于西部地区(43.8%)和东部地区(34.5%),而东北地区则增加了114.5%。这表明在战略性新兴产业TFP增长过程中,中部、东部和西部地区3个区域内部省份之间的差距在不断缩小,而东北地区3个省份之间的差距在不断扩大。
图2 四大区域TFP增长指数的变异系数Fig.2 Variation coefficient for the TFP growth index in the four regions
表2报告了各区域战略性新兴产业TFP增长指数3部分构成的整体情况。1)在技术进步指数方面,中部地区最高,平均值为1.184,东部地区和西部地区紧随其后,其平均值分别为1.174和1.164,东北地区最低,平均值仅为1.102。从内部省份的差距来看,东部地区内部省份在技术进步之间的变异系数最小,平均值为0.182,中部地区次之,平均值为0.218,东北地区和西部地区相差不大,平均值分别为0.232和0.237。2)在纯技术效率变化指数方面,中部地区最大,平均值为1.221,要依次大于东北地区、西部地区和东部地区。但东部地区的内部差距最小,其变异系数平均值为0.195,西部和东北地区其次,其变异系数平均值分别为0.320和0.342,中部地区最大,其变异系数平均值为0.342。3)在规模效率指数方面,中部地区最高,其平均值达到1.073,西部地区和东部地区其次,其均值分别为1.039和1.024,东北地区最低,其平均值仅仅为1.009。但东北地区的内部差距最小,其变异系数为0.099,要依次低于东部地区、中部地区和西部地区。4)从各地区TFP增长指数的结构来看,东部地区和西部地区主要依靠技术进步,而中部地区和东北地区主要依赖于技术效率的改善,东北地区的规模不经济问题最为突出。
表2 四大区域TFP增长指数的分解结果Table2 Breakdown of TFP growth indices in four regions
为深入分析各省份战略性新兴产业发展质量的差异,得出更具有针对性的对策与建议,课题组将重点考察26个省份战略性新兴产业TFP增长指数及其分解的计算结果。图3为26个省份战略性新兴产业TFP增长指数情况。
图3 各省份TFP增长指数的测算结果Fig.3 Calculations of TFP growth indices by province
从图3中可以看出,江西、重庆、江苏等24个省份的战略性新兴产业发展较好,其TFP增长指数均大于1,而甘肃、宁夏则最差,其TFP增长指数均小于1。26个省份中,仅江西、重庆、江苏等前10个省份的战略性新兴产业TFP增长指数高于全国平均水平,并且这10个省份中,江西、安徽、湖北等3个省份属于中部地区;江苏、山东、浙江、广东、福建等5个省份属于东部地区;重庆、陕西两个省份属于西部地区。而后10 位省份中,东部地区有3个(上海、天津、河北),中部地区有2个(山西、湖南),西部地区有4个(四川、广西、甘肃、宁夏),东北地区有1个(吉林)。
表3报告了各省份战略性新兴产业TFP增长指数的分解情况。
表3 各省份TFP的分解结果Table3 Breakdown of TFP by province
分析表3中的数据可以得知,北京、天津、辽宁等16个省份的TFP增长主要得益于技术进步,而陕西、河北、山西等10个省份的TFP增长则主要依赖于技术效率的改善。由此可见,技术进步和技术效率改进是当前各省份战略性新兴产业TFP增长的主要动力,而规模效率支撑作用的发挥在各省份还未得到充分的发挥。
本文采用全要素生产率(TFP)作为代理变量,对中国战略性新兴产业发展质量进行了实证考察,得出的主要结论如下:
1)我国战略性新兴产业TFP 整体呈上升趋势,年平均增长率达13.4%,但TFP增长速度呈波动下降态势,但各省份之间的差距在不断缩小,技术进步是推动TFP增长的最主要因素。
2)中部地区的战略性新兴产业TFP增长速度要依次高于西部、东部和东北地区。但东部和西部地区主要依靠技术进步,而中部和东北地区则主要依赖于技术效率改进,并且东北地区的规模不经济问题最为突出。中部、西部和东部3个区域内部省份的战略性新兴产业TFP之间的差距在逐渐变小,而东北地区则呈现进一步扩大趋势。
3)全国26个省份中,仅甘肃、宁夏2省份的战略性新兴产业TFP增长指数小于1,其余24个省份的TFP 都实现了正增长,但高于全国TFP增长平均指数的省份只有江西、重庆、江苏等10个省份。北京、天津、辽宁等16个省份的TFP增长主要得益于技术进步,而陕西、河北、山西等10个省份的TFP增长则依赖于技术效率的改善。
鉴于此,提出如下对策建议:
1)必须坚定不移走科技创新之路。一方面,要加大R&D 经费投入,尤其是要加大基础研究经费投入,构建产学研协同创新的新型创新平台,提高科技成果转化率,增强我国自主创新水平。另一方面,要引进其他国家的先进技术,并积极应用先进技术设备和学习先进的科学知识。同时重视推进创新要素集聚,加大力度培养和引进优秀的科学技术人才,并对做出突出贡献的特殊人才给予奖励,形成可持续的创新能力。
2)要充分发挥市场的决定性作用,避免地方政府的不当干预。各地区必须结合当地的禀赋优势,合理布局战略性新兴产业的产业链,最大限度避免各地区间的不正当竞争和低水平重复建设问题的出现,走集约化、高端化、特色化的发展模式。比如,东北地区要着力化解规模不经济问题,避免新兴产业的无效扩张和走粗放型增长路线;东部地区和西部地区着力发展高精尖产业,加快制造业价值链向高端延伸;各级政府要着力破解战略性新兴产业发展中的融资约束、人员短缺与政策配套不到位等问题,合理运用财政补贴、税收减免等财税激励政策,为民营和国有高科技企业发展创造公平竞争的营商环境,促进战略新兴产业持续创新。