建筑业全要素生产率影响因素及发展特征分析

夏侯遐迩，吴芊凝，李 康，李启明

（东南大学 土木工程学院，江苏 南京 211189，E-mail：xhcmre@seu.edu.cn）

近年来，我国建筑业虽总体保持着稳定增长的态势，但增速和产值利润率等指标却在不断下降[1]，建筑业仍存在着标准化和工业化水平低、劳动生产率低、科技进步贡献率低、建筑质量和性能低及资源能源消耗高、环境污染程度高（“四低二高”）等突出问题[2]。因此，科学、系统地评价我国建筑业目前的发展水平是帮助建筑业提质增效、实现高质量发展的重要途径。

全要素生产率（Total Factor Productivity）有别于单要素生产率，在经济学中常用于衡量系统中各方面要素的综合生产效率，近年来被广泛应用于建筑业。范健双等[3]基于随机前沿生产函数法，选取了企业主营业务收入、固定资产净值、平均从业人员数量作为投入产出指标，对不同类型及规模的建筑业大型承包商2003～2007年间的全要素生产率进行了分析。谭丹等[4]采用DEA法、β收敛回归等方法，在遵循分析价值取向原则基础上，选取了建筑业从业人员数、各年资产总额及建筑业增加值指标，测算了1993～2012年中国建筑业全要素生产率。程碧华等[5]采用DEA-Malmuqist模型，在综合不同学者选取的投入产出指标基础上，选用了从业人员数量、固定资产、流动资产和建筑业总产值几个指标，从纵、横两个维度测算了江苏省建筑业企业2006～2015年间的全要素生产率，同时分析了建筑业企业的技术进步贡献率；花均南等[6]结合了DEA与Malmquist方法，将能源消耗和CO2排放纳入研究，通过文献回顾选取了从业人员数与受教育年限的乘积、固定资产净值、技术装备率及能源消耗量指标，计算了我国建筑业2007～2016年的绿色全要素生产率。

可见当前研究在投入产出指标的选取上存在不一，且多数都从理论分析、文献回顾等定性角度选取影响建筑业生产效率的投入产出指标，指标的科学性、客观性难以保证；同时由于不同研究所覆盖的时期、地区的局限及侧重点的不同，未能系统、宏观地反映与评价我国建筑业当前发展的真实水平。因此本文运用聚类分析、回归分析的统计学方法，首先从定量角度筛选出影响建筑业TFP的投入产出指标，再基于DEA和Mamlquist指数方法，测算2000～2019年我国31个省市建筑业的静态和动态效率，并从时间、空间维度分析其发展特征，为实现建筑业高质量发展提出建议。

1 理论方法

当前测算全要素生产率的方法主要分为参数法和非参数法[7]。非参数法主要以DEA法为代表。其基本原理是利用线性规划，通过大量的投入产出样本数据构造最优生产边界，通过计算各生产单元与生产边界的距离来分析该单元的相对效率。与参数法相比，DEA法不需要设定具体的生产函数，可以评价多投入多产出问题且结果不受量纲的影响。此外将DEA与Malmquist指数相结合，还可以分析动态效率变化问题。

1.1 DEA模型

CCR和BCC模型是DEA方法中最常用的模型。CCR模型由运筹学家A.Charnes、W.W.Cooper和E.Rhodes[8]提出，也因此而得名。该模型假定规模效益不变，测算的是考虑了规模效率影响的综合技术效率ψccr。R.D.Banker等[9]提出的BCC模型，进一步将规模效益不变的假定改为规模效益可变，测算的是剔除了规模效率影响的纯技术效率ψbcc。两者相除得到规模效率，若用ψscale表示规模效率，则三者之间的关系可表示为：ψccr=ψbcc×ψscale。运用CCR、BCC模型计算得到的是静态效率值，即生产单元在某时期对应技术条件下的相对效率值。

1.2 Malmquist生产率指数模型

Malmquist生产率指数最早由瑞典经济学家Sten Malmquist作为消费变化指数提出[10]。Caves等将该指数引入生产活动评价，度量生产效率变化。在此基础上，Färe等[11]通过构造距离函数以相邻两个时期Malmquist指数的几何平均值来测量生产单元效率值的变化。

若以t时期最优生产边界为标准，则表示生产单元t到t+1时期效率变化的Malmquist指数为：

Färe等 构建的全要素生产率指数可以进一步分解为技术效率指数（以EF表示）和技术进步指数（以TE表示）：

若以Tfp表示全要素生产率指数，则上式可表示为：Tfp=EF×TE。在规模效益可变条件下，技术效率指数（EF）可继续分解为纯技术效率指数（以PE表示）和规模效率指数（以SE表示），则Tfp=EF×TE=PE×SE×TE。本文主要进行基于DEA模型的静态效率分析及基于Malmquist指数模型的动态效率分析。

2 投入产出影响因素筛选

影响因素的选取应尽可能全面反映各生产要素，此外还应避免因素间的相关性太强导致存在相互替代性。因此将定量与定性分析方法相结合，筛选出影响建筑业生产效率的投入、产出代表性指标因素。

2.1 共性指标初选

考虑到指标选取的全面性、可得性、独立性，通过文献分析梳理共性指标，如表1所示。

表1 文献分析初选投入产出指标

2.2 指标聚类分析

借助SPSS软件，运用层次聚类法将投入和产出指标分别分为内部相关性不太强的几类。其中Pearson相关系数用来度量指标间的相似性，系数越大则指标越相似。

2.2.1 投入指标的聚类分析

结果如表2所示。可知从第4次聚类开始Pearson相关系数小于0.8，到第5次聚类系数明显降低，因此可将投入指标分为三类：①建筑业平均从业人员数、房屋施工面积、自有施工机械设备年末总功率、建筑业企业个数（指标1、5、3、2）；②建筑业企业总资产（指标6）；③技术装备率（指标4）。

表2 投入指标聚类分析凝聚过程表

2.2.2 产出指标的聚类分析

结果如表3所示。可知到第4次聚类Pearson相关系数都大于0.9，到第5次聚类系数明显降低，因此可将产出指标分为两类：①利税总额、利润总额、建筑业总产值、建筑业增加值、房屋竣工面积（指标4、5、2、3、6）；②劳动生产率（指标1）。

表3 产出指标聚类分析凝聚过程表

2.3 代表性指标筛选

借助计量经济学软件Eviews 9.0进行面板数据回归分析。

2.3.1 投入指标回归分析

（1）回归分析。待分析的投入指标为建筑业平均从业人员数、房屋施工面积、建筑业企业个数、自有施工机械设备年末总功率。

（2）统计检验。在显著性α=0.05条件下，指标建筑业企业个数和自有施工机械设备年末总功率的t统计量绝对值都小于1.96，说明这两个指标对因变量没有显著影响，因此将其去掉。可决系数R2为0.993173，说明多元回归模型的拟合度很好。回归方程的D-W检验值为2.095102，通过查询D-W统计量表可知指标之间不存在序列相关性。

（3）多重共线性分析。经过前两步筛选留下的指标为建筑业平均从业人员数、房屋施工面积。对这两个指标进行相关性检验，相关系数为0.952，相关程度很高，因此只保留一个指标，考虑到前文对投入指标的聚类分析已经选出了代表资本和技术投入两方面的建筑业企业总资产和技术装备率两个指标，所以这里保留代表劳动投入的建筑业平均从业人员指标。

2.3.2 产出指标分析

产出指标分析步骤与投入指标分析一致，依次进行回归分析、统计检验、多重线性分析。经判断分析后，最终保留了建筑业总产值、建筑业企业利润总额和劳动生产率3个指标。

3 中国建造TFP数据分析

3.1 数据来源与处理

本文借助DEAP2.1软件计算全国31个省市地区2000～2019年间的静态和动态效率值。各省市地区的投入产出指标数据来源于《中国统计年鉴》《中国建筑业统计年鉴》《各省市统计年鉴》，对于其中涉及到价格的指标如建筑业增加值、建筑业企业总资产等均以2000年为基期，分别选用各省市地区相应的价格指数进行平减，得到各地当年实际的指标数据值。

3.2 建筑业静态效率分析

基于DEA模型，测算得到我国31个省市2000～ 2019年的综合技术效率、纯技术效率和规模效率。综合技术效率衡量生产单元对资源合理使用及优化配置的能力[12]。纯技术效率衡量生产单元的管理水平及资源利用效率，规模效率衡量生产单元投入产出结构的合理性。如果综合技术效率值为1，根据前文所述3个效率值的数学关系，则纯技术效率和规模效率都为1，说明在研究当期技术条件下，资源利用效率是最优的。如果综合技术效率值小于1，则需要进一步判断纯技术效率和规模效率中哪一个导致了综合技术效率的相对无效。

（1）全国层面。2000～2019年全国平均静态效率值都小于1。综合技术效率均值为0.764，说明所 有投入中存在着23.6%的资源浪费。纯技术效率均值为0.793，说明除去规模因素的影响，有20.7%的资源浪费是由于管理不当引起的。规模效率均值为0.960，建筑业整体规模合适。结合图1可知，综合技术效率与纯技术效率值相近且具有一致的变动趋势，综合技术效率在（0.7，0.8）浮动，纯技术效率在（0.75，0.85）浮动，规模效率在（0.9，1.0）浮动，三者总体变化趋势趋于平稳。可以看出，研究期内我国建筑业各效率值虽在变化，但总体效率并没有得到提升，综合效率的相对无效主要是由纯技术效率的相对无效造成的，建筑业资源使用效率及管理水平亟需进一步提升与改进。

图1 2000～2019年全国平均静态效率值

（2）区域层面。将全国划分为东部、中部、西部和东北地区（见表4），进行地区间静态效率的对比分析。

表4 各省级行政区地区划分

由表5可知建筑业静态效率整体呈现由东向西递减（东部＞中部＞西部、东北）的特征。与全国平均值相比，东部地区3个效率值都位于全国平均线以上，中部和东北地区只有规模效率值高于全国平均水平，而西部地区3个效率值都位于全国平均线以下。不同区域间建筑业发展差异明显，东部地区建筑业资源利用效率及管理水平领先全国。

表5 2000～2019年各地区建筑业静态效率均值

结合图2，东部地区的综合技术效率在0.9左右微小浮动，说明东部地区的管理水平及资源配置能力一直处于较优的状态。中部地区在2016年以后追赶上了全国平均水平，而西部地区和东北地区的效率都有所波动，且呈略微下降趋势，特别是东北地区，波动幅度很大，说明管理水平、资源配置能力很不稳定。可见，各地区发展的不平衡阻碍了全国建筑业整体效率的提升，因此当前应在保证东部地区牵头稳定发展的前提下，重点加强对中西部地区发展的推进力度，特别是西部和东北地区。

图2 2000～2019年全国各地区综合技术效率

（3）省份层面。对研究期内各省份的综合技术效率进行排序（见表6）。排名前10的省份中，东部地区省份：西部地区省份=8∶2。东部地区的浙江、江苏、上海这些省份研究期内有15次以上都处于技术有效状态，说明他们的建筑业资源利用效率及投入产出结构优于其他省份，这与其经济发展情况是相匹配的，位于成渝经济带的重庆建筑业生产效率也遥遥领先于西部其他省份。而排名后10位的省份中，西部地区省份：东北地区省份：东部地区省份=7∶2∶1，且研究期内这些省份技术有效次数都为0。排名第一的浙江平均效率（1.000）几乎是排名最后的黑龙江（0.478）的2倍，西部地区建筑业生产效率仍需重点关注与加强。此外，研究期内综合技术效率有效次数大于10次的省份共有10个，其中东部地区省份占了7个且多位于东部沿海经济发达地区（上海、江苏、浙江、广东、福建等）。这是由于东部省份的建筑业起步早、经济基础好，技术和管理经验都比较成熟，因此较全国其他省份更能最大化利用资源并转化为产出。

表6 2000～2019年各省份综合技术效率排名及有效次数

3.3 建筑业动态效率分析

借助DEA-Malmquist指数模型得到全要素生产率指数、技术效率指数和技术进步指数，他们均表示各效率值的变化率。全要素生产率指数是衡量生产效率变化的综合性指数；技术效率指数衡量的是相邻时期生产单元效率的变化，反映当前生产单元是否距离最优生产边界更近[13]；技术进步指数衡 量的是最优生产边界的移动，技术相较上一年是否有所进步。这些指数均以1为分界，大于1则表示该指数所指的效率值相较上一年增长了，小于1则下降了，等于1则不变。

（1）全国层面。全国2000～2019年建筑业动态效率值如表7所示。从平均值看，全要素生产率总体是增长的，平均增长率为7.5%；技术是进步的，平均进步率为7.4%；技术效率指数、纯技术效率指数、规模效率指数都约等于1，说明综合技术效率、纯技术效率、规模效率变动不大。因此，技术进步是引起全要素生产率增长的主要原因。

表7 2000～2019年全国平均动态效率值

（2）区域层面。如图3所示，从全要素生产率指数来看，东部地区增长率为10%，排名第一，高于全国平均水平，其次是西部地区6.7%＞中部地区6.6%＞东北地区4.3%。从技术进步指数来看，东部地区技术进步率为9.5%＞西部地区6.9%＞中部地区5.8%＞东北地区5.4%。从技术效率指数看，东北地区是唯一效率值不增反减的地区，其他各地区约等于1，说明东北地区建筑业管理效率、发展水平近年来并没有得到有效提升，其他地区建筑业管理水平改进效果也不显著。各地区全要素生产率的增长由技术进步推动，形成了以东部地区带头领跑、西部地区奋起直追、中部和东部地区持续增长的态势，说明国家自2000年相继提出的区域协调发展策略有所成效。此外，近几年国家政策对于推动建筑业信息化、工业化、智能化发展的导向也为技术赋能建筑业注入了新的动力[14]。

图3 2000～2019年各地区动态效率均值

4 建议

（1）提高管理水平，优化产业结构。我国建筑业仍处于高耗低效的发展状态，要向高质量发展方向转变，需进一步升级建造方式，提高管理水平。大力发展装配式、模块化建造方式，推行绿色建筑，加快绿色建材的认证和生产应用，推广试点，提升建造效率与资源利用效率，减少能耗。鼓励提供全过程工程咨询、工程总承包服务企业及专业化承包商的发展，支持企业资质的提高，发挥龙头企业的带头作用，推进产业链上下游企业的合作，实现资源整合，提高企业及行业管理效率。同时鼓励企业进行信息化变革，加深对BIM、大数据、互联网等信息技术的应用，形成企业级知识管理库，服务于项目、企业管理，不断提升企业业务水平，提高项目管理效率。

（2）加强统筹规划，推进区域合作。研究期内，我国建筑业综合技术效率及全要素生产率大致呈现出“东高西低”的空间差异特征。我国东部地区拥有区位优势及优先发展的政策支持，发展起步早，积累了技术、资本、管理经验等优势，因此应继续利用区位优势，吸引国外资本、技术投入，推进先进技术的内化应用及自主创新，同时发挥带头作用，通过技术推广，加快创新成果在周边区域的落地应用，以项目拉通经济交流，带动周边区域建筑业的技术、经济发展。中西部、东北地区应把握住“西部开发”“中部崛起”“东北振兴”等政策优惠，在长江经济带发展等区域发展战略背景下，利用自身资源丰富等优势，加大科研投入。同时结合本地区建筑业发展情况，进行区域内建筑业发展规划，推进重点产业布局、设计研发基地布局、部品部件生产基地布局等，推进建筑业产业现代化发展，加快地区龙头企业产业链的不断完善，加强建筑企业之间的合作交流，形成共同发展、良性竞争的市场环境。

（3）迈向智能建造，打造中国建造品牌。与劳动、资本等资源要素的投入相比，技术要素的投入更能拉动建筑业全要素生产率的增长，技术创新成为建筑业发展新的增长极。2020年13个部委联合印发《关于推动智能建造与建筑工业化协同发展的指导意见》明确提出智能建造发展方向，以发展建筑工业化为载体，融合5G、人工智能、物联网等新技术，升级传统建造方式。因此，在系列政策引导下，行业层面需推进智能建造产业体系的建立与完善，如打造建筑产业互联网平台，打造自主数字一体化平台，研发应用建筑机器人及智能装备，打造部品部件生产线，推广智慧工地应用等，加强技术应用场景建设，打通产业链，促进上下游企业协同发展，提升行业工业化、数字化、智能化水平。同时政府层面需完善相关政策规范及标准体系的构建，出台相关财政补贴或税收优惠政策，为企业进行技术创新及数字化转型提供政策、财政支持。企业层面联合软件技术服务商、部品部件生产商等创新主体，建立建筑业技术创新平台，同时加强“产学研”合作，推进建筑业企业、高等院校、科研机构的合作，拉通需求端与供给端，实现各方资源互补，助力科技创新成果落地应用。由此立足科技创新，在新一轮科技革命潮流中，落实建筑业精益化、智能化、绿色化、工业化“四化”发展，以突破经济效益瓶颈，形成科技领先优势，实现建筑业高质量发展，打造中国建造品牌。

5 结语

本文运用聚类分析、回归分析的统计学方法筛选了影响建筑业生产效率的投入、产出影响因素，结合DEA与Malmquist指数模型，测算了2000～ 2019年全国31个省份的静态及动态效率得到结论如下：2000～2019年我国建筑业综合技术效率整体处于相对无效状态，主要是由纯技术效率不高导致的。说明我国建筑业管理水平、资源使用效率不高，仍处于高投入、高消耗、低效率的粗放式发展状态，建筑业亟需转型升级，提高管理效率；各地区综合技术效率差异明显，除东部地区以外，其余地区的综合技术效率都低于全国平均水平。区域发展的不平衡影响了整体效率的提高，因此需从宏观角度加强建筑业调控，在保证东部地区牵头稳定发展的前提下，加大对中西部地区的引导与政策支持；全要素生产率的增长主要由技术进步驱动，技术效率提升渐显疲软。因此，当下应从新的着手点出发，加大技术投入，用技术赋能行业，一方面驱动管理方式变革，提升技术效率、管理效率；另一方面推动行业转型升级，实现建筑业高质量发展。