我国全要素生产率测度差异原因分析.docVIP

我国全要素生产率测度差异原因分析 　　【摘要】 近十余年来，许多学者对我国的全要素生产率水平进行了测度。但是，不同学者给出的全要素生产率水平差异非常大，并且对于全要素生产率的变化是技术变化还是效率变化导致的结论也大相径庭。本文利用不同方法度量的资本存量数据和劳动力数据，采用基于Malmquist指数的数据包络分析方法测算了我国的生产率，得出的结论是不同学者结论的差别主要是资本存量数据的估算差异引起的，并进一步讨论了TFP的可靠性及相关问题。 　　【关键词】 全要素生产率 数据包络分析 资本存量 　　Robert Solow提出索洛模型以来，经济增长理论大多认为，一国经济持续增长的动力只能来自于生产率的增长，而依靠要素投入的驱动方式只有水平效应而没有增长效应（Solow，1957，1958；Romer，2006）。Prescott（1998），Easterly and Levine（2001）也指出，不同国家收入和增长的差异主要来自TFP（全要素生产率），而不是要素投入或者其他。基于此认识，许多经济学家测度了不同国家和地区的全要素生产率，并以此来判断经济增长的绩效。例如，Young（1995）采用超越对数的生产函数测算了东亚地区的全要素生产率，发现东亚地区的全要素生产率很低，并据此推断东亚的经济高速增长是依靠要素大量投入得来的。Krugman（1994）和Sachs and Woo（1997）也持有此观点。与此相似的是，许多学者研究了中国的TFP以及中国经济增长的可持续性问题。但是，由于所采用的方法、数据和对什么是全要素生产率的认识不同，得出的结果也有很大差异。并且这种差异不仅在采用不同方法的文献中出现，而且采用完全相同的方法的很多文献结论也大相径庭。例如，同样采用DEA方法，张宇（2007）测算的省际TFP平均增长为5%左右，而严鹏飞（2004）的测算结果仅为0.79%。按照前者的结论，从1992年到2002年（他们文章的研究区间），我国的生产率增长为62.9%，而按照后者的结论，我国的生产率增长仅为8.2%，差异非常大。由于采用的方法完全相同，所以结论的巨大差异只能来源于数据的区别。本文以DEA方法为例，运用不同的数据组合来检验DEA测度全要素生产率的敏感性，并探究我国全要素生产率测算结果差异巨大??原因。 　　一、基于Malquist指数的DEA方法 　　DEA方法承认在实际生产中，由于种种原因，个体难以达到最优化即生产前沿面上，因此，个体决策单元离生产前沿的距离被看作是无效率的部分，这部分称为技术效率（Technical Efficiency），而生产前沿面的变化则表示技术变化（Technical Change）。如图1所示，x表示要素投入，y表示产出。图中实线表示生产可能性边界，也就是给定投入所能得到的最大产出。任何处于生产可能性边界下方的点表示生产的无效率部分。离生产可能性边界越远，则效率越低。若生产可能性曲线向上方移动，则表示技术进步。 　　由上述分析可知，若生产前沿面已知，该方法测度生产率的关键在于，用一种方法表示生产前沿面的变化以及决策单元离生产前沿面距离的变化。Malquist提出的用其名字命名的指数可以解决这个问题。该指数通过计算每个数据点相对于共同技术的距离的比值，来测量全要素生产率的变化。Malmquist指数可表示为（Caves，Christensen and Diwert，1982）： 　　mo（ys，xs，yt，xt）=× 　　其中，Malmquist指数中的o表示以产出为导向，产出为导向的意思是说，对于给定投入，要求最大的产出。d表示距离函数，它可以通过下式计算得到。 　　d（yt，xt）=inf{？兹：（xt，yt/？兹）？缀St} 　　上式中，inf表示求下确界，S表示生产可能性集合。d（yt，xt）？燮1，当且仅当（yt，xt）是生产前沿上的点时，d（yt，xt）=1。可以看出，马氏指数实际上是四个距离函数的函数。它可以进一步分解为技术变化和技术效率的变化： 　　mo（ys，xs，yt，xt）=×× 　　上述分解中，第一部分表示技术效率的变化，第二部分表示技术变化。根据Fare（1994），技术效率的变化还可以进一步分解为纯技术效率的变化和规模效率的变化，后者表示由于生产规模的变化导致的生产率变化。也就是说，技术效率可以表示为（下标v表示可变规模报酬技术，c表示不变规模报酬技术）： 　　TE=×× 　　其中，第一部分表示的是纯技术效率的变化，第二部分表示规模效率的变化。 　　全要素生产及其各种分解用马氏指数表示出来后，求全要素生产率的关键在于求出距离函数。这一工作可以通过DEA实现。而通过求解4个线性规划问题，就可以求出基于DEA的马氏指数。 　　二、数据