基于SFA模型经济增长源泉分析.docVIP

基于SFA模型经济增长源泉分析【摘要】 本文通过使用基于柯布―道格拉斯生产函数形式随机前沿模型，对云南省和全国1978―2009年的经济增长源泉进行分解。经过研究得出结论：云南省和全国生产技术水平都处于生产前沿的下方；全国物质资本投入产出弹性要大于云南省，劳动力投入和人力资本投入产出弹性要小于云南省；云南省和全国技术效率水平都呈现出略微下降趋势，但是云南省技术效率水平略微低于全国技术效率水平。 【关键词】 云南 经济增长 全要素生产率 技术效率 一、引言 对一个或者多个经济体经济增长源泉的测量一直吸引着众多学者们的兴趣，学者们一般较多使用索罗余值核算方法（Solow Residual Accounting）进行测量。但是由于索罗余值核算方法具有生产规模报酬不变、完全竞争和希克斯中性技术进步等严格假设条件，并且它假定所有生产者都能实现最优的生产效率，因而无法测量在生产无效率情况下的经济增长源泉。随着测量技术的进一步发展，20世纪90年代前沿生产函数（Frontier Production Function）方法的出现，弥补了索罗余值核算方法在这方面的不足。前沿生产函数方法主要包括参数方法（如：随机前沿生产函数分析方法，简称SFA）和非参数方法（如：数据包络分析，简称DEA）两种，参数方法的优点是它可以考虑到现实经济中，投入―产出行为不可避免地包含随机误差，所以包含随机扰动的前沿模型才能更为准确的描述生产者行为，因此它可以考虑到生产函数中的随机误差项，并且可以估计出相应的参数，缺点是具有一定的生产函数形式，参数估计结果在一定程度上取决于生产函数形式的选择。非参数方法的优点是无需任何生产函数形式，从而参数估计结果可以避免因错误的函数形式选择而带来的问题，缺点是该方法不能把随机误差项分离出来。由于非参数方法不考虑随机误差项对经济增长的影响，但是随机误差项在一定情况下对经济增长的影响是较大的，因此，采用参数估计方法（如：随机前沿生产函数分析方法）比较适合于区域性经济增长源泉方面的研究。目前学术界将随机前沿生产函数应用于经济增长方面的研究成果已经有不少。yanrui Wu（2000）运用基于超越对数生产函数形式的随机前沿生产函数的方法，研究了中国27个省市全要素生产率的增长情况，并且将全要素分解为技术进步和效率变化两部分。刘小二和谢月华（2008）利用SFA对我国区域全要素生产率进行实证研究之后认为：改革开放以来我国不同地区的全要素生产率均有明显上升，但是欠发达地区全要素生产率的增长要快于发达地区，说明我国TFP有一定的收敛性。何枫等人（2004）运用基于柯布―道格拉斯生产函数形式的随机前沿模型，对我国29个省市（区）1981―2000年的技术效率变迁进行了测算。傅晓霞和吴利学（2006）运用基于柯布―道格拉斯生产函数形式的随机前沿生产函数方法，对我国28个地区1978―2004年的全要素生产率增长进行了研究，研究后认为中国各地区自1990年以来全要素生产率呈现出绝对发散趋势。周春应和章仁俊（2008）运用随机前沿生产函数对我国区域经济技术效率水平进行了测量，研究结果表明了我国东部、中部和西部三大区域技术效率差距比较明显，但是我国区域经济技术效率总体呈现出上升趋势。 综上所述，学者们已经运用随机前沿生产函数分析方法对区域经济增长源泉进行了一定程度的研究，但是到目前为止，还没有发现相关文献资料运用随机前沿生产函数分析方法对云南省经济增长源泉进行测量，这也为本文的提供了研究目标。本论文采用基于柯布―道格拉斯生产函数形式的随机前沿模型，通过对云南省和全国1978―2009年的面板数据进行分析，对云南省和全国经济增长源泉进行分析并且进行比较，从而找出云南省和全国在经济增长源泉方面的差异所在，进一步对产生差异的原因进行分析，最后提出相应对策措施。 二、测量云南省与全国经济增长源泉的SFA模型说明 索罗余值核算方法（SRA）假定生产者都能完全达到投入―产出的技术边界，从而都能实现最优的生产效率，但是现实经济中这样的生产者是很少见的，生产者由于受随机因素和技术效率的影响从而不能达到投入―产出函数的边界。因此，Aigner和Chu（1968）提出了前沿生产函数模型，将生产者效率分解为技术前沿（technological frontier）和技术效率（technological efficiency）两部分，技术前沿描述的是生产者投入―产出行为所能达到的边界，技术效率描述的是生产者实际技术与技术前沿的差距。由于在现实经济中，生产者投入―产出行为不可避免地包含随机误差，因此，包含随机误差项的前沿模型才能更准确的描述生产者投入―产出行为，这就是随机前沿生产函数分析（SFA）研究方法。Aigner, Lovell和Schmid