我国制造业企业的全要素生产率研究.docVIP

PAGE  PAGE 6 我国制造业企业的全要素生产率研究 　　摘 要：随着我国工业化进程的不断推进，在全球各地都能看到“中国制造”的字眼，这与我国制造业企业全要素生产率的提高是息息相关的。本文基于《中国工业企业数据库》提供的企业层面的高度细化的面板数据，选取全国规模以上的制造业企业，细分行业，采用Levinsohn-Petrin方法测算企业全要素生产率，研究我国制造业企业现今的发展状况。结果表明，我国制造业企业的全要素生产率总体呈现上升趋势，但在行业间、地区间存在一些差异。因此，如何保证生产率高的行业继续高速发展同时生产率低的企业找出问题所在是很有必要的。由此来促进我国整个制造业企业实现全面的发展，让“中国制造”更加深入人心。 　　关键词：制造业；全要素生产 　　一、全要素生产率测算方法综述 　　全要素生产率（Total Factor Productivity简称TFP）是指资源开发利用的效率。从经济增长的角度讲，生产率与劳动、资本、能源等要素投入都贡献于经济的增长。当前经济研究中，对于全要素生产率的测算主要的方法先后经历了索洛余值法、Olley-pakes方法以及Levinsohn-Petrin方法，可以认为三种方法是层层递进，逐步提高的。下面将简要介绍一下这几种方法： 　　第一种是索洛余值法：麻省理工学院经济学家Solow最早提出全要素生产率的概念，索洛余值测算法建立在完全竞争、规模收益不变的基础上。首先选择适当的函数形式（如C-D函数），然后对函数进行推导换算，而全要素生产率的增长由从产出增长率中剔除掉各种生产要素的数量积累贡献后所得到的余值表示。该方法的缺点是会造成同步偏差和选择偏差的问题。另一种Olley-Pakes方法可以控制同步偏差问题。该方法把生产率冲击看成投资的反函数（假设生产率变动会影响企业的投资决定），各生产要素在生产函数中的比重，Olley-pakes 分两步计算得到。首先估算中间投入和劳动力投入在生产函数中所占份额，得到不直接考察资本的最小二乘拟合残差；然后以该残差值为因变量，并采用高阶多项式的形式把资本和投资作为自变量，以非线性最小二乘法进行估计。结合两步所得估计系数，得到企业的全要素生产率。 　　第三种测算企业全要素生产率的方法，也即本文使用的方法是Levinsohn-petrin方法，有效解决生产函数的内生性问题。该方法也使用两阶段估计，首先估计劳动力在生产函数中的比重，第二阶段估计资本和中间投入在生产函数中的比重，从而得到全要素生产率的估计。下面着重介绍LP方法。 　　二、全要素生产率的Levinsohn-Petrin半参数方法的测算 　　本文对于企业全要素生产率的测算分析主要是基于Levinsohn-petrin方法。生产函数为Cobb-Douglas形式，各变量均为对数形式。其中，被解释变量是企业总产出的对数（本文由总收入来度量），和是自由变量劳动力投入和中间投入的对数，为状态变量资本的对数，误差项由两部分组成，分别为，其中为状态变量，衡量全要素生产率水平，为随机误差项。本文对于生产率的测算，基于Stata软件的levpet命令。 　　三、数据来源与样本选择 　　本文数据来自《中国工业企业数据库》，选取1999-2006年度全部国有及规模以上的非国有制造业企业的数据为主要样本。对于制造业企业的选取主要是根据国民经济行业分类与代码（GB/T4754―2002）中两位代码为13至43的企业，先依据相同的法人代码识别为同一家企业（数据库中有不同企业但法人代码相同的情况），再根据企业名称进一步识别（企业在发生改制、重组、扩张等情况时企业名称可能会变动），然后再参考省地县码（企业可能会搬迁）、电话号码、主要产品等信息来综合识别匹配各年份不同企业的数据，同时剔除了主要变量（工业总产值、职工人数、固定资产、中间投入、主营业务收入等）存在数据缺失的企业，最终得到以企业ID和年份为两维的面板数据。 　　四、测算结果的描述性统计分析 　　本文所用数据来自《工业企业数据库》，选取制造业行业并按两位码分类分别测算各细分行业的全要素生产率，图1所展示的是所有通过检验的全要素生产率的估计结果，为了对比区分OLS方法和LP方法的结果，图1同时展示了两种方法所报告的要素贡献度： 　　由图1可以明显看出，对于劳动弹性的估计系数，OLS方法所得结果普遍高于LP方法所得结果（纺织服装、鞋、帽制造业除外），而对于资本弹性的估计系数OLS方法又呈现出普遍低于LP方法的估计系数的现象。很显然，OLS方法估计生产率容易造成高估劳动力对产出的贡献并且低估资本对产出的贡献的问题，也即LP方法对于解决内生问题比OLS法更有效，与上文提到的LP方法对经济现象的解释能力更强结果一致。 　　因此，本文