我国地质勘查行业全要素生产率测算分解实证研究

马少强，方 敏，周 鑫，黄贤营

(1.中国自然资源经济研究院，北京 101149；2.中国地质大学(北京)经济管理学院，北京 100083)

0 引言

地质勘查行业是以客观地质体为对象，应用各种地质工作方法及勘查手段查明地质矿产资源和地质环境的行业(以下简称“地勘行业”)，为社会经济发展提供矿产资源、地质资料和劳动服务等(方敏等，2020；汪恩满和方敏，2018；张恒等，2020)，长期以来为国家经济快速发展提供了有力的资源保障和产业支撑(方敏，2021)。据统计，目前我国从事非油气地质勘查工作的单位共计2480家，按隶属关系分为中央管理地勘单位、属地化地勘单位和其他地勘单位。“十三五”期间全国非油气地勘队伍规模逐步收缩，地勘人员年均减少3.44%，地勘经济稳步发展，地勘单位收入逐年增长，但仍存在一些制约行业发展的突出问题。如地勘单位科技创新能力不足，勘查技术进步缓慢，科技成果转化应用不充分；部分地勘单位事企分离改革没有到位，体制机制运行不顺畅，以及人才激励政策不完善都导致科技创新人才流失；地质勘查专用仪器资产净值逐年减少，设备更新相对缓慢等(许大纯，2021；方敏，2021)。2021年5月自然资源部作为主管部门为促进地勘行业高质量发展印发了相关指导意见，明确了地勘行业发展的重点领域：积极服务生态文明建设、全力保障国家能源资源安全、扎实做好地质灾害防治工作，并着重指出必须提升各地勘单位的科技创新能力，因此需要进一步研究科技进步对地勘行业发展的影响。

全要素生产率(TFP)是衡量除去生产要素投入增加以外的技术进步贡献经济增长的指标(Farrel,1957;Solow,1957)。根据全要素生产率的测算结果及其分解出的技术进步率、技术效率、规模效率、纯技术效率等，可以更好地分析技术进步对于行业经济增长的影响(刘秉镰等，2009；Limaei,2013)，进而为制定行业可持续发展的政策指明方向。目前对我国地勘行业全要素生产率的研究较少，且结论不尽相同。按照《国民经济行业分类》(GB/T4754-2017)，地勘行业属于科学研究和技术服务业，学者大多以此分类作为研究基础。魏修建和崔敏(2014)等利用柯布-道格拉斯生产函数法测算得出1990～ 2012年西部地区科学研究与技术服务业的全要素生产率为6.336，但技术进步率的贡献不高。冯贞柏(2019)应用随机前沿分析法进行全要素生产率的测算和分解，结果表明在2005～2016年间科学研究与技术服务业的TFP值逐年下降，平均TFP增长率大约为-5%，是由规模报酬递减所导致的。而技术进步率和技术效率对TFP增长的贡献率分别仅占6.86%和12.30%。与之类似的是，许宪春等(2030)利用增长核算法进行测算，结果显示2008～2015年间科学研究与技术服务业的TFP年均增长率为-9.8%。二者的平均TFP增长率相差较大，是因为选择不同的测算方法对最终的研究结论有很大影响(岳彩东和程静，2013)。以上的研究因为分类问题并没有将地质勘查行业TFP单独测算，结果会与地勘行业实际的TFP值有所偏差(谭少鹏，2016)。刘明明等(2020)将石油和天然气的产量作为产出指标，基于DEA-Malmquist指数法测算分析了2003～ 2017年中国15个省份的油气勘探开发行业全要素生产率变化，结果显示该行业全要素生产率呈正增长，平均增长率为9.1%，主要原因是技术效率的贡献。张志敏等(2020)指出地勘行业是传统的劳动和资金要素投入驱动型产业，需要提高全要素生产率来提升行业的发展潜力。虽然该研究定义了地勘行业的生产要素包含资金、专业人员和地质勘查对象等三个方面，但没有进行具体的模型测算。

全要素生产率测算模型方法是研究生产率的重要工具，有增长核算法、指数法、生产前沿面法等(Tsounis and Ian,2021;庄芹芹，2021)。地勘行业有多项投入产出指标，所以选择基于DEA模型的Malmquist指数法比较合适(夏咏秋等，2020)。DEA-Malmquist指数法不需要提前定义生产函数，各个指标权重由数据自行产生，计算结果较之更加客观(姚平和黄文杰，2012)。因此本文运用DEA-Malmquist指数法首次测算了我国非油气地勘行业近十年的全要素生产率变化，进而分解技术进步率和技术效率等，找出了影响地勘行业全要素生产率变化的主要因素，以期能够为地勘行业高质量发展和新时代地勘行业管理提供理论支撑。

1 测算模型设定

1.1 DEA-Malmquist指数法

数据包络分析法(Data Envelopment Analysis，DEA)是经典的全要素生产率测算非参数型模型法，Malmquist指数是衡量单位生产活动在一定时间内总投入与总产量生产效率的指标。Caves等最早利用DEA模型构造Malmquist指数，应用于生产效率的测算研究(Caves et al.,1982;Charnes et al.,1997)，即本文中的DEA-Malmquist指数法。

DEA-Malmquist指数法的原理是通过观测投入产出数据，构造出生产前沿面，将生产率的变化用不同时刻通过距离函数的比值来表示，即计算在t和t+1时期每个决策单元与生产前沿的距离，得出相对效率的变动(杜康等，2019；张新建和王建民，2021)。同时可以将全要素生产率变化分解得到技术效率变化(EC)和技术进步变化(TP)，而技术效率变化值(EC)可以进一步分解为规模效率变化(SC)和纯技术效率变化(PC)(Fare et al.,2001)。该方法计算如下：

(1)

式(1)中，M表示Malmquist指数，x表示投入，y表示产出，t表示时间。dt和dt+1分别表示t时期和t+1时期的距离函数。将对式(1)进行变形得到对式(2)，就可以将DEA-Malmquist指数进行分解，如下所示：

=EC×TP

(2)

=PC×SC×TP

(3)

1.2 指标选取与数据来源

在选取产出指标时要考虑全面，避免遗漏重要指标而使测算结果产生偏移。本文参考矿业(王忠等，2017)、服务业(黄楚山，2020)、建筑业(李展等，2021)等全要素生产率研究文献中的指标选取方法，投入指标主要从人、财、物的角度选择，产出指标则根据四项主业进行设定。具体指标如下：

(1)产出指标

衡量产出的指标有行业内各单位的总产值、净产值、增加值以及总收入等。近年来，地勘行业服务领域广泛，主责主业包括地质勘查业、工程勘察与施工业、矿产开发业等。本文考虑我国地勘行业的实际情况以及数据的可获得性，将地勘行业整体收入设为产出指标。

(2)投入指标

资产投入是生产周期内真正参与生产并消耗掉的物资储备总和。本文选取各省(区、市)地勘单位每年的固定资产净值和地质勘查资金投入作为投入指标。

劳动力投入是综合要素在一定时期内提供的与服务质量和效率密切相关的服务流量。衡量劳动力投入的数据指标有3种，分别为劳动报酬、劳动总时长以及劳动人数。这三项指标中，劳动报酬与企业的效益有关，不具有代表性，劳动总时长不能反映员工的劳动效率，所以本文选择各省地勘行业历年劳动人数作为劳动力投入的指标。

文中数据均来源于《全国地质勘查行业情况通报》(2010～ 2020)和《全国地质勘查成果通报》(2010～ 2020)，包括我国31省(区、市)非油气地勘单位的固定资产净值、劳动人员数量、地勘资金投入等数据，同时剔除异常数据。从我国地勘单位实际情况看，中央管理地勘单位、属地化管理地勘单位和其他地勘单位的发展有所差异，所以在测算时将不同管理属性地勘单位进行分类统计。同时按地勘单位所在区域划分为东部地区、中部地区、西部地区、东北地区，可以更详细地了解我国地勘单位的TFP指数变化情况。同时为消除物价指数对数据的影响，各省(区、市)每年的资产投入值和产出指标总值等指标均以2010年为基期进行价格平减处理。

2 实证分析

本文运用 DEAP 2.1数据分析软件对2010～ 2020年我国31省(区、市)非油气地勘单位样本数据进行测算与分解，得出全国地勘行业、不同管理属性地勘单位以及按地区划分的地勘单位每年的全要素生产率变化、技术进步变化、技术效率变化、纯技术效率变化以及规模效率变化。

2.1 TFP测算结果及其分解

在测算前通过行业统计数据的梳理，对我国地质勘查单位近十年的发展情况有了总体了解。自2013年后我国地质勘查投入持续低迷，从业人数逐年减少(黄贤营等，2020)，找矿难度呈增长趋势，2016年地质勘查活动指数只有2009年的50%。在此情况下，由以传统的地质找矿为主向资源、环境、生态等方面转变，充分发挥地勘行业基础性、先行性作用。

我国各省(区、市)地勘单位近十年的平均全要素生产率变化如图1所示。全国地质勘查行业TFP指数变化为0.975，说明我国地勘行业整体的生产率水平不高，其中技术进步率和技术效率的平均值为0.993和0.982。以各省(区、市)地勘行业在2010～ 2020年平均TFP指数变化分析，仅有山西、内蒙古、四川、云南、陕西、新疆的平均TFP指数变化大于1，呈上升趋势，其余各省(区、市)的平均TFP指数均小于1，其中上海的TFP变化下降明显，仅为0.822，是全国最低水平。有十个省份的技术进步率(TP)大于1，表明技术进步对这些省份TFP指数增长的贡献率较高。技术进步率(TP)是体现技术发展水平的指标，技术效率(EC)则是体现技术运用效率的指标，通过TFP的分解项可得，山西省的TP指数最高，其余TP指数均小于1。各省(区、市)的EC指数都在1左右，说明技术效率变化不明显，可以得出技术进步率(TP)是影响我国地勘行业TFP指数的主要原因。

图1 2010～ 2020年中国各省地质勘查行业平均全要素生产率变化(审图号：GS(2019)1823号)Fig.1 Average TFP index of geological exploration industry in China (2010～ 2020) (China Map No.GS(2019)1823)

图2为2010～ 2020年我国地质勘查行业每年的TFP指数变化和分解情况。每年的TFP指数变化没有一定的规律，其中2012～ 2013年的TFP指数变化最大(1.324)，技术进步率为1.269，技术效率和规模效率变化均大于1，纯技术效率变化只有0.993，这与山西等省份的2013年统计数据有较大变动有关。我国地勘行业在2012～ 2013年之间的TFP指数下降最为明显，根据数据可得2013年投入较2012年变化较少，但产出量明显减少。2015～ 2018年我国地勘行业的TFP指数较前一年都有上涨，是因为我国对地质灾害防治的投入逐年增加，地勘单位的技术和装备水平有所提升，地质灾害防治业务的产出也相对增加。2020年虽然受到新冠肺炎疫情影响，但地勘行业多为野外作业，所以2020年TFP指数变化较小。

图2 中国地质勘查行业全要素生产率变化及分解Fig.2 TFP index and decomposition of geological exploration industry in China

从图2数据得出，技术进步指数对我国地勘行业TFP指数变化的贡献率要高于技术效率指数，例如2012～ 2013年地勘行业TFP指数变化可达1.324，其中EC指数则为1.044，这明显归因于TP指数变化(1.269)，说明技术进步与我国地勘行业的发展水平关系密切。地勘行业的纯技术效率指数(PC)相对不高，是因为地勘单位大部分的投入和产出均在利润率较低的工程勘察与施工业务方面，而技术率贡献较高的地质勘查业务所占的比重逐年减少。另外，近年来生态保护区的划定，减少了地质勘查的区域，绿色勘查的新要求又促使了各单位勘查技术的提升，这两个因素对我国地质勘查行业TFP指数的变化起到相互制约的作用。

为了进一步分析以上结果，本文利用DEAP 2.1软件对样本数据进行了投入冗余分析，有助于地勘行业改进生产效率提高TFP值、优化要素投入及协调资源配置，结果如图1所示。2010～ 2020年我国各省(区、市)地勘行业劳动人员投入冗余率较高，各省平均在9%左右。山东、浙江、江苏、广东等东部省份地勘行业固定资产和劳动人员投入冗余率较高，这也是导致这些省份TFP指数下降的主要原因。相比而言，陕西省的固定资产和劳动人员投入冗余率最少，分别为2.58%和7.92%，这是因为陕西省地勘单位全部改制为国有企业，更加重视效率(周鑫和王志刚，2015；查方勇等，2018)。所以地勘行业要想实现投入和产出的技术有效性，则需要调减到相对松弛数量的资产和劳动人员投入，因为在有限的技术条件下，单纯依靠投入增加并不能有效地提高行业生产效率(朱震锋和曹玉昆，2017)。

2.2 不同地区地勘单位TFP变化

我国各地区地质勘查行业TFP指数的变化如图3所示，其分解结果见表1。结果表明，各地区地勘行业全要素生产率存在差异，西部地区省份地勘行业的TFP指数普遍高于东部地区和中部地区。2017年西部地区的TFP指数高达1.176，明显高于同时期东部地区(1.059)及中部地区(0.976)。经对比得出，西部地区的TP指数和EC指数都要高于东部地区，这是因为前期西部技术发展相对落后，后期的技术进步会对该地区行业增长的贡献率较大(高齐圣等，2020)。

图3 不同地区地质勘查行业全要素生产率变化Fig.3 TFP index of geological exploration industry in different regions

表1 2010～ 2020年各地区不同类型地质勘查单位平均全要素生产率变化及分解Table 1 The average TFP index and decomposition of different geological exploration units (2010～ 2020)

西部地区地勘行业的TFP指数呈现逐年增长的趋势，但四个地区中只有西部地区规模效率变化为负增长，说明西部地区地勘行业发展呈现粗旷型。目前流入东部和中部地区省份的资产和劳动力数量都要高于西部地区，使得我国地勘行业的投入流向TFP增长较低的区域，这会引发资源配置的扭曲(郭春娜等，2019)，这一现象也是导致我国地勘行业TFP指数整体偏低的原因之一。这说明资产投入和劳动力投入向西部地区转移，可以提高资源配置效率，增加地勘行业的全要素生产率，提升行业发展水平。

2.3 不同管理属性地勘单位TFP变化

中央管理地勘单位有7家，分别为中国地质调查局、中国冶金地质总局、中国煤炭地质总局、中国核工业地质局、中化矿山地质总局、中国建筑材料工业地质勘查中心、有色金属矿产地质调查中心。属地化地勘单位目前共计1048家。其他地勘单位则包括部分高等院校、民营矿业企业和地质工程单位等。图4为我国不同管理属性地勘单位2010～ 2020年的TFP指数的变化情况，其分解项情况如表1所示。

图4 不同管理属性地勘单位全要素生产率Fig.4 TFP index of different types of geological exploration units in China

中央管理和属地化地勘单位的平均TFP指数都不高，二者的平均技术进步率都比较低，分别为0.980和0.935。其他地勘单位TFP指数的提升则主要依靠技术效率。经投入冗余分析可得，属地化地勘单位的劳动力投入冗余率最大，需要调整资产和人员投入，提高全要素生产率。

3 结论及政策建议

我国地勘行业近十年平均全要素生产率指数不高，其主要原因是技术进步率(TP)的降低，说明技术进步率与我国地勘行业的发展水平关系密切。我国地勘行业技术进步率较高的地质勘查业务所占比重逐年减少，导致纯技术效率指数(PC)相对不高。各地区地勘行业发展不平衡，西部地区地勘行业的TFP指数普遍高于东部和中部地区。但是资产和劳动力数量等仍大量流入东部地区，这会引发资源配置的扭曲，是导致我国地勘行业TFP指数整体偏低的重要原因。在不同管理属性地勘单位中，属地化地勘单位的全要素生产率指数最低，需要通过科技引领、人才引进、提升装备水平等自身能力的建设，促进地勘行业的发展水平。

针对以上结论，为促进我国地质勘查行业高质量发展提出以下建议：

(1)注重地质科技创新，运用大量基础数据和互联网、云计算等新技术构建地质大数据与技术融合发展平台，提升科技创新能力，促进技术装备升级换代。

(2)加强地勘行业自身能力建设，重视地勘人才引进和培育，激发广大地质工作人员对新技术的研发和成果转化，提升地勘单位核心竞争力.

(3)东部和中部地区经济较西部地区发达，人才和资金流入相对较多，导致地区间地勘行业发展不平衡，需要出台激励政策，吸引和鼓励资金、人才等向西部地区转移。

(4)深化地勘单位体制机制改革，增强转型发展动力，拓宽服务领域，提高资产和劳动人员的投入效率，促进我国地质勘查行业高质量发展。

[附中文参考文献]

杜康,袁宏俊,郑亚男.2019.安徽省大中型工业企业全要素生产率及影响因素研究：基于DEA-Malmquist生产率指数法[J].科技管理研究,39(6)：41-48.

方敏.2021.多措并举推动地质勘查行业高质量发展[J].中国国土资源经济,34(7):1.

方敏,汪恩满,黄贤营.2020.2019年度全国地质勘查行业发展报告[M].北京：地质出版社：7-9.

冯贞柏.2019.行业技术效率测度与全要素生产率增长的分解[J].经济评论,(3)：57-73.

高齐圣,王丹亚.2020.我国农业全要素生产率分解及其区域发展不平衡分析[J].中南林业科技大学学报(社会科学版),14(6)：66-75.

郭春娜.2019.制造业全要素生产率测算及影响因素研究[J].重庆大学学报(社会科学版),25(2)：49-58.

黄楚山.2020.中国服务业全要素生产率的增长测算——基于2007-2017年的数据分析[J].对外经贸,(12)：61-66.

黄贤营,王春芳.2020.全国地质勘查行业发展形势分析与展望—基于2019年行业统计数据[J].中国国土资源经济,33(9)：48-53.

李展,崔雪.2021.我国建筑业全要素生产率及其对产出的影响研究[J].建筑经济,42(8)：15-18.

刘秉镰,李清彬.2009.中国城市全要素生产率的动态实证分析：1990-2006——基于DEA模型Malmquist指数方法[J].南开经济研究,(3)：139-152.

刘明明,胡欢,王建良.2020.基于DEA方法的中国油气勘探开发行业技术进步贡献率测算与分析[J].石油科学通报,5(2)：290-298.

谭少鹏.2016.中国行业间全要素生产率的增长与比较[J].广西财经学院报,29(1)：1-6.

汪恩满,方敏.2018.地质勘查行业管理制度变迁的路径依赖与创新选择[J].地质与勘探,54(6)：1147-1152.

王忠,揭俐,曾伟.2017.矿业权重叠对我国煤炭产业全要素生产率的非线性影响[J].中南财经政法大学学报,(5)：59-68.

魏修建,崔敏.2014.西部现代服务业主导产业选择——基于技术进步视角[J].华东经济管理,28(4)：75-83.

夏咏秋,王向前,李慧宗.2020.采矿业全要素生产率的实证研究——基于供给侧改革视角[J].数学的实践与认识,50(9)：59-67.

许大纯.2021.新形势下促进地质勘查行业高质量发展的几点思考[J].中国国土资源经济,34(7)：4-8.

许宪春,张钟文,常子豪,雷泽坤.2020.中国分行业全要素生产率估计与经济增长动能分析[J].世界经济,(2)：25-48.

姚平,黄文杰.2012.基于DEA-Malmquist模型对煤炭企业全要素生产率的分析[J].资源开发与市场,28(2)：1078-1082.

岳彩东,程静.2013.全要素生产率文献综述[J].经济研究导刊,(9)：9-10.

查方勇,王志刚,周鑫.2018.陕西省国有地勘单位改革发展刍议[J].地质与勘探,54(2)：435-440.

张恒,王训练,袁帅.2020.中国地质勘查周期及成因分析[J].地质与勘探,56(3)：644-656.

张新建,王建民.2021.基于DEA-Malmquist模型的安徽省工业企业全要素生产率研究[J].湖南工业大学学报,35(4)：80-86.

张志敏,汪恩满,王雪.2020.新时代我国地质勘查行业高质量发展对策建议[J].中国国土资源经济,33(7)：51-56.

周鑫,王志刚.2015.关于深化国有地勘单位改革发展的若干思考——以陕西省为例[J].地质与勘探,51(4)：772-775.

朱震锋,曹玉昆.2017.多阶段DEA-Malmquist指数模型下多种经营产业效率测算——基于2007-2015年的经验数据[J].经济问题,(3)：56-61.

庄芹芹.2021.全要素生产率研究前沿综述——基于外文文献研究[J].科技和产业,21(5)：160-165.