方法、数据与全要素生产率测算差异.docxVIP

? ? 方法、数据与全要素生产率测算差异 ? ? 　　一、引言与文献综述 　　全要素生产率（TFP）测算可追溯到Solow（1957），Solow将产出增长分解为投入增长和余值增长两个部分。目前，用“索罗余值”来衡量全要素生产率增长率是国内外学者测算全要素生产率的最基本方法。20世纪90年代以来，随着可获得数据（如省际面板数据、行业面板数据和微观数据）的增加和TFP测算方法（如DEA、随机前沿模型）的扩展，对中国各层面全要素生产率进行测算的文献越来越多，呈现方兴未艾之势。 　　测算经济总量层面TFPG所用数据大致可分为两类：一类为总量时间序列数据；另一类为面板数据①。以面板数据为研究对象的文献大多采用省际面板，使用的测算方法主要有数据包络分析（DEA）和随机前沿分析（SFA）两种。使用DEA的文献有章祥荪和贵斌威（2008）、董敏杰和梁泳梅（2013）、梁泳梅和董敏杰（2015）等。使用SFA的文献有吴延瑞（2008）等。从TFP增长率（TFPG）测算结果来看，不同测算方法的结果差异较大，例如，吴延瑞（2008）测算的1992～2004年中国TFP年均增长率为2.94%，章祥荪和贵斌威（2008）、董敏杰和梁泳梅（2013）测算的1991～2002年年均TFPG分别为1.58%、3.94%。即使使用相同数据，采用相同测算方法，由于模型具体设定或约束条件不同，TFPG测算结果有时也大相径庭。例如，董敏杰和梁泳梅（2013）测算的2003～2010年年均TFPG为0.55%，而梁泳梅和董敏杰（2015）测算2003～2013年年均TFPG的结果为2.05%②。因此，仅仅使用某一种测算方法，TFPG的测算结果以及相关问题的分析结论，存在说服力不足的缺憾。 　　相对于单一方法，目前对不同方法之间TFPG测算结果进行比较分析的文献还比较少。Van Biesebroeck（2007）基于模拟数据，使用指数方法（IN）、OLS、DEA、系统GMM、半参数（OP）和SFA六种方法，对不同方法TFP测算结果进行比较研究认为，当存在测量误差和截面技术异质性时，系统GMM的TFP水平值和增长率估计最稳健，当存在较大测量误差时系统GMM的投入系数估计存在向下偏差，当测量误差较小、规模报酬不变和截面技术异质性时，应该优先选择DEA。Van Biesebroeck（2008）使用IN、DEA、系统GMM、OP、SFA五种方法，对哥伦比亚和津巴布韦两国制造业企业数据的研究发现，即使不同方法的投入系数回归结果差异较大，TFP水平值和增长率也非常接近。Van Beveren（2012）使用面板OLS、固定效应（FE）、系统GMM、OP和LP方法，通过研究认为各方法TFP水平值的测算结果并没有本质区别，固定效应模型具有较大的TFP水平值和方差。傅晓霞和吴利学（2007）利用1978～2004年的中国省际面板数据，对SFA和DEA方法的TFP测算结果做了比较，认为SFA得到的TFP指数显著高于DEA，SFA可能是更为适用的生产率分析工具。姚战琪（2009）利用1990～2007年六大部门面板数据，分别使用DEA和SFA方法测算了经济总体和工业行业的TFPG，认为采用SFA计算的TFP增长率作为经济总体和工业行业全要素生产率的基本测算指标是合理的。魏下海和余玲铮（2011）基于1990～2007年中国省际面板数据的研究表明，由DEA方法得到的结论可能更加可靠，SFA得到的TFP指数明显高于DEA。鲁晓东和连玉君（2012）利用1999～2007年中国工业企业数据，使用OLS、FE、OP和LP方法核算了工业企业的全要素生产率，认为固定效应模型并不能有效解决最小二乘估计中存在的内生性问题，而OP方法可以较好地处理变量相互决定偏差所引起的内生性问题。 　　由上可知，在TFPG测算结果和适用方法选择上，各文献之间并不一致，主要原因有三个：一是使用数据的不同，二是选择的测算方法不同，三是生产函数和回归模型的具体设定形式不同。但是，现有文献较少测算方法的选择，限制了模型之间相关统计检验的进行，这可能会导致模型设定问题，从而降低模型之间比较结论的科学性。 　　在现有研究的基础上，本文从两个方面进行扩展：一是扩展测算方法，本文选取11种目前实证分析常用的TFP测算方法，较多测算方法的使用，一方面是检验方法之间“一致性”（Consistency）的需要，另一方面可以使分析结论不至于偏颇太大，从而更具说服力。二是扩展TFP测算所用数据，本文分别使用两组具有一定差异的数据来测算TFP指数，不同数据的使用，一方面可用于检验不同测算方法之间的“一致性”是否稳健，另一方面可以考察两组数据之间测算结果的差别，探讨指标选取问题，这是本文的贡献之一。另外，根据回归相关统计量检验，本文进一步探