中国工业企业全要素生产率估计-1999-2007资料下载.pdf

中国工业企业全要素生产率估计-1999-2007资料下载.pdf

《中国工业企业全要素生产率估计-1999-2007资料下载.pdf》由会员分享，可在线阅读，更多相关《中国工业企业全要素生产率估计-1999-2007资料下载.pdf（20页珍藏版）》请在冰豆网上搜索。

经典的对全要素生产率的测算是从估计生产函数开始的。

基于生产函数估计方法的差异，对全要素生产率的估计也存在多种方法。

Massimoeta1（2008）提出了几个划分TFP的维度，通过这些方法我们可以得到TFP的。

中山大学岭南学院。

通信作者及地址：

鲁晓东，广州市海珠区新港西路135号中山大学岭南学院，510275；

电话：

（020）84112703；

Email：

nkmaodong126corn。

本文受到国家自然科学基金青年项目（批准号：

71003107、71002056）、教育部人文社会科学研究项目（批准号：

09YJC790268、09YJC90269）、中央高校基本科研业务费专项资金以及中山大学经济研究所基地建设经费的资助特此致谢。

万方数据542经济学（季刊）第11卷打沿分析DEA（数据包络分析）FDH（方法）随机前沿分析（宏观一微观）椭沿分析增搽法增长率回归法（宏观）代理变量法（微观）资料来源：

Masslmoeta1，2008，Figure1。

表l中一个值得注意的区分维度是宏观方法和微观方法，前者关注总量（国家地区产业）生产率，而后者则是针对企业的考量。

同生产要素不同，宏观的生产率水平并不能简单地理解为微观生产率的线性加总。

1因此，在审视这些方法的时候，必须注意到哪些方法是适用于宏观研究的，哪些是适用于微观研究的，或者两者兼具。

虽然有些方法同时适用于宏观和微观研究，但是一个需要强调的问题是，两种方法背后的经济理念是迥异的。

早期对全要素生产率的测度主要是针对国家或者产业等宏观层面展开的，可以统称为总量方法，总量方法主要关注全要素生产率在经济增长中的作用，其重要目的在于揭示当前经济表现的国别差异，此类研究肇始于索洛的增长理论。

微观估计方法更多的是从企业的生产决策本身入手，与宏观问题不同的是，企业的技术水平在某种程度上是可以事前认知的，企业根据已知的技术水平再选择合适的要素投入水平。

这就使得很多适用于宏观生产率研究的方法，如增长核算法、参数回归等方法并不适用于微观企业生产率研究。

因此，在估计中国的工业企业生产率之前，对研究方法进行梳理是必要的，以防止在估计过程中发生误用。

2从行业角度来看，中国的经济增长中工业增长尤为显著，从1992年到2007年，中国的工业年均增长速度达到了126。

因此，中国工业的增长在多大程度上由劳动力的增长和高投资率所推动，多大程度上由各种生产要素的生产率所推动已成为研究中国工业绩效的一个核心问题（谢千里等，2008）。

目前对于中国的全要素生产率的估算主要是围绕宏观层面展开的。

第一类是从经济增长角度出发，研究中国的总体TFP状况及其变迁（舒元，i993；

王小鲁，2000；

张军，2002：

郭庆旺和贾俊雪，2005；

等等）；

另外，考虑到能源、环境问题在经济增长中的作用日渐突出，胡鞍钢等（2008），王对于赍本和劳动等生严要素而百，宏观教据其买是微观数据的加总例如，一国的劳动力总量是地区或者行业的汇总，而地区或行业的劳动力又是属于该地区或行业的企业从业人员的加总。

：

在现有的估计中国TFP的文献中，就存在这些方法的误用。

例如，刘舜佳和王耀中（2010）就将半参鼓方法LevmsohnPetrm法（后文有详述），罩于估计中国的36个工业部门的生产率水平。

其实，因为部门生产盔并非企业主产率能水平加总在行业昙面上不存在生产决策问题，因此这种旨在解次模型内生性的半参数方法并不适尉于惠量数据。

万方数据第2期鲁晓东、连玉君：

中国工业企业全要素生产率估计543兵和颜鹏飞（2007）将环境因素引入DEA模型，对已有的全要素生产率研究进行了修正。

第二类总量研究是针对特定的区域，如彭国华（2007）研究了人力资本构成与地区全要素生产率的关系。

李培（2007）利用DEA对中国城市的效率与差异进行研究。

第三类总量研究主要在产业层面展开，利用产业数据测算中国各个产业的TFP变化情况。

如涂正革和肖耿（2005）运用增长核算法研究了中国1995-2002年37个两位数工业行业的全要素生产率的增长趋势。

SelinOzyurt（2009）利用修正的CobbDouglas模型和加总的年度数据对1952-2005年中国工业企业的生产率表现进行了估算。

相对而言，针对企业TFP的文献较少。

谢千里等（2008）利用19982005年中国规模以上工业企业统计数据，利用参数方法计算了中国的企业层TFP。

张杰等（2008）利用江苏省本土制造业企业微观数据，利用生产函数法对企业TFP进行了测算。

张杰等（2009）使用1999-2003年间的全部国有和规模以上非国有企业的工业统计数据，运用非参数OP法估计了企业TFP水平值，另外，Yu（20lO）也使用类似的数据和方法进行了估计，但是由于二者研究的主题在于企业生产率与出口的关系，因此并未报告相关的TFP测算结果。

通过对文献的梳理，我们发现，随着企业统计数据可获得性的增强，中国的全要素生产率研究总体趋势正在由宏观走向微观。

但是目前没有系统的使用半参数以及矩方法的研究，更缺少运用多种估计方法的横向比较研究。

基于此，本文针对传统生产函数法在估计企业层TFP上的种种缺陷，提出多种修正方案，并利用中国1999-2007年的全部国有和规模以上非国有企业的工业企业统计数据估算了其全要素生产率。

在此引言之后，本文首先针对企业层全要素生产率的传统估计方法存在的弊端，从多个角度提出修正的思路，由此形成了基于固定效应、半参数和广义矩等方法的TFP估计方法；

第三部分对本文使用的中国工业企业统计数据进行描述性分析，然后利用本文所提出的方法分别估计了TFP水平值，并对估计结果做横向比较；

接下来分别在产业层面和地区层面对TFP进行加总分析，最后是本文的结论。

二、企业层全要素生产率估计方法对于全要素生产率估计通常是从拟合生产函数开始的，因为在总量层面上，总产出总是无法全部被要素投入解释，即存在生产函数的“剩余”。

因此，在传统意义上，全要素生产率被理解为扣除要素贡献后的“剩余”生产率水平，或者是由于技术进步以及制度改良等非生产性投入对于产出增长的贡献。

尽管全要素生产率是一个微观的企业概念，但是早期囿于数据的局限全要素生产率通常基于宏观数据进行估计，例如固定资产投资总量、就业人万方数据544经济学（季刊）第11卷口等宏观要素投入等。

近年来，由于企业层统计数据的出现使得在微观层面估计全要素生产率成为可能。

在估计全要素生产率之前，通常要对生产函数的形式进行设定。

在实际应用中，CobbDouglas生产函数（CD生产函数）成为最为常用的函数形式，还有部分文献采用更为灵活的超越对数生产函数（Translog），相对于CD生产函数，超越对数生产函数放松了常替代弹性的假设，并且在形式上更具灵活性，往往能更好地避免由函数形式误设所带来的估计偏差（王争等，2006）。

尽管后者在理论上具有诸多优点，但是在实际估计过程中却不能提供比C-D生产函数更多的信息，而C-D生产函数由于其结构简约易用，而且对于规模经济的测度直观且符合常理而更受青睐。

CD生产函数通常采用以下形式：

y。

一A。

L：

K：

，

（1）y。

表示产出，L。

和K。

分别表示劳动和资本的投入。

A。

即是通常所说的全要素生产率（TFP），它能够同时提高各种要素的边际产出水平。

通过对

（1）式取对数可以将其转化为如下线性形式：

一al。

+艘。

+“。

，

（2）其中y。

、。

和是。

分别表示y。

、L。

的对数形式。

（2）式的残差项包含了企业全要素生产率（A。

）对数形式的信息。

通常可以对

（2）式进行估计从而获得对全要素生产率的估计值。

但是，当把以上简单线性估计方法用于企业TFP估计时，将会产生不可避免的计量技术问题，即同时性偏差（simultaneitybias）和样本选择性偏差（selectivityandattritionbias）。

其中最为突出就是生产决策的同时性（simultaneity）问题。

在实际生产过程中，企业的效率有一部分在当期是可以被观测到的，依据最大化生产原则，企业决策者根据这些信息即时调整生产要素的投入组合。

在这种情况下，如果误差项代表TFP的话，那么其中一部分（被观测部分）会影响到要素投入的选择，即残差项和回归项是相关的，这就会使得OLS的估计结果产生偏误。

3这一长期困扰经典生产函数的问题早在1944年就已经被MarschakandAndrews（1944）提出来。

为了解决这一问题，可以将

（2）式的残差项做以下形式的分拆：

一al”+艘。

+刀“+e。

，（3）其中刃。

是残差项的一部分，可以被企业观测到并影响当期要素选择。

e。

是真正的残差项，包含不可观测的技术冲击和测量误差。

以上问题可以通过多种方法进行克服，从而也就产生了对全要素生产率的多种估计方法。

3在这种情况下，劳动力的弹性系数将会被高估，而资本投入的弹性系数则是低估的，因为相对于资本投入，厂商更容易在短期内根据对生产率的判断来调整劳动力投入，所以它们与生产率的相关性更高。

中国工业企业全要素生产率估计545在估计生产函数过程中容易产生的另一个问题是样本选择性偏差。

它主要是由于生产率冲击和企业退出市场的概率存在相关关系造成的。

一般来说，如果一个企业的资本存量较大，那么在面对低效率冲击时，其留在该市场的概率要远远高于那些具有较低资本存量的企业，因为这种规模较大的企业往往对未来的收益抱有更高的预期，从而不会轻易退出目前的市场。

这就使得