零售业全要素生产率增长、纯技术效率及其影响因素.docVIP

零售业全要素生产率增长、纯技术效率及其影响因素 　　内容摘要：提升零售业全要素生产率（TFP）具有战略意义。本文利用后WTO时期零售业省际面板数据，运用超越对数生产函数随机前沿模型（SFA）进行了分析。结果表明：收入模型和利润模型的TFP增长分别为6.0%、10.9%，技术进步对TFP增长贡献最大，但其增速下降较快，其次是纯技术效率提高，而规模效率下降轻微阻碍TFP增长；收入模型和利润模型的纯技术效率分别为81.4%、63.7%；在影响纯技术效率的环境因素中，物流成本的影响显著为负，人均可支配收入的影响显著为正，行业竞争的影响不显著，人力资本对收入模型的影响不显著、对利润模型的影响显著为正，外商直接投资对收入模型的影响显著为正、对利润模型的影响不显著。最后，提出相应的对策建议。 　　关键词：TFP增长 纯技术效率 影响因素 随机前沿模型 　　《商务部关于“十二五”时期促进零售业发展的指导意见》指出，零售业快速发展对扩大消费、增加就业、引导生产、改善民生等方面具有十分重要的意义。而提高零售业运行质量则是“转方式、调结构”发展战略的必然要求。在中国零售市场深度国际化的背景下，提高零售业竞争力是维护国家经济安全的重要手段。国内外权威专家和组织一致认为，全要素生产率（Total Factor Productivity，FTP）是衡量各类组织，包括国家、行业和企业运行质量和竞争力的主要指标，零售业也不例外。因此，研究如何提高零售业全要素生产率具有战略意义，其中找到主要影响因素是关键，当然这需要恰当的研究方法才能实现。 　　文献回顾 　　学术界对全要素生产率的研究大多数集中在制造业领域，对零售业的关注较少。通过查阅2000年以来的文献发现，学者们分别在行业和企业两个层面对我国零售业TFP进行研究。在行业层面，刘似臣和魏芳兰（2010）采用2004～2008年省际和不同所有制的面板数据，对零售业TFP增长进行测算并分析地区间、不同所有制间的差异；刘勇和汪旭晖（2007）采用截面数据分析了连锁零售业技术效率；徐健和汪旭晖（2009）运用数据包络分析（DEA）两步法测算了技术效率及影响因素；楼文高、沈莲莲和冯国珍（2012）将批发和零售业合在一起测算其技术效率。其它文献都是研究企业的TFP或技术效率。 　　可见，学术界还没有在行业层面全面研究我国零售业TFP、纯技术效率及其影响因素的文献；而且前述文献都采用DEA方法。为了更好地达到研究目的，本文将在研究内容和方法上分别进行拓展。在内容上，不仅测量分析TFP增长率及其各构成指标的变动，而且一并研究影响纯技术效率的主要因素，使我们对零售业发展质量以及趋势有深刻、全面的认识，以便提供有价值的政策建议。在方法上，将使用超越对数生产函数随机前沿（SFA）无效率模型。因为相对于DEA，SFA无效率模型的最大优势：一是能够分离出测量误差、自然气候及运气等统计噪声和其它随机因素对估计结果的影响，使纯技术效率的估计有效且一致；二是SFA方法中的生产函数模型与生产理论相一致，对模型设定可进行统计检验，在理论上更具合理性（Kalirajan and Shand，1999）；三是可直接估计环境变量对纯技术效率的影响，且能避免DEA两步法可能存在的共线性问题和SFA二步法存在的前后假设矛盾问题。目前理论界对这两种方法的总体评述是：SFA方法有很强的政策倾向，DEA方法则有很强的管理决策效应。SFA无效率模型的上述优势和特点正是本研究所需要的，同时也利用了超越对数生产函数的优势。另外，为客观、全面把握行业运行规律，本文将通过两个子模型进行综合分析研究。 　　研究方法与数据说明 　　（一）研究方法 　　1.全要素生产率指数分解。现代生产前沿面理论认为，全要素生产率（TFP）变化来源有四个：技术进步、纯技术效率变化、规模效率变化与产出组合效应。在单产出模型中，不涉及产出组合效应问题，本文即如此。本文使用参数方法计算全要素生产率的变动，参数方法分两类：一是应用基于导数的技术；二是应用显性距离函数。在计算技术进步和规模效率变化时，后一种方法同时参照前后两期的技术，更具优势。因此本文采用第二种方法计算全要素生产率指数（TFPC），其公式如下： 　　TFPC=PEC×TC×SEC （1） 　　（1）式中的PEC、TC、SEC分别表示纯技术效率指数、技术进步指数和规模效率指数。TFPC大于1、小于1、等于1分别表示被考察对象t期的全要素生产率高于、低于、等于（t-1）期的值。其它三个指数的意义类似，不再赘述。 　　2.超越对数随机生产前沿无效率模型。本文采用的超越对数随机生产前沿无效率模型具体形式如下： 　　lnqit=β0+βk lnkit+βL lnlit+βT t+βKK ln2kit+βLL ln2l