技术进步测度计量方法.docxVIP

技术进步测度计量方法

一、引言：为什么要测度技术进步？

走在城市的街头，智能机器人在餐厅端茶送水，新能源汽车的续航里程不断突破，远程手术通过5G网络精准操作——这些都在无声诉说着技术进步对经济社会的深刻改变。对经济学家和政策制定者而言，技术进步不仅是“增长的引擎”，更是理解经济发展质量的关键密码。但问题来了：技术进步看不见摸不着，如何用数字量化它的贡献？这就需要一套科学的计量方法体系。

从学术史看，自索洛1957年提出“余值法”以来，技术进步测度的计量方法经历了从简单到复杂、从外生假设到内生解释的演变。这些方法不仅帮助我们回答“技术进步对经济增长的贡献率是多少”，更能揭示“技术进步的动力来自哪里”“不同行业/区域的技术效率差异如何”等深层问题。本文将沿着技术进步测度的方法论脉络，结合理论逻辑与实际应用，系统解析主流计量方法的原理、优劣与适用场景。

二、基础框架：从生产函数到技术进步分解

要测度技术进步，首先需要明确它在经济系统中的位置。经济学中最经典的分析工具是生产函数——这个“黑箱”将资本、劳动等投入转化为产出，而技术进步就是让这个“黑箱”效率提升的核心变量。

2.1柯布-道格拉斯生产函数：技术进步的起点

1928年，数学家柯布与经济学家道格拉斯合作提出的生产函数，至今仍是技术进步测度的基石。其基本形式为：

(Y=AKL)

其中，(Y)是总产出，(K)是资本投入，(L)是劳动投入，(A)就是“索洛残差”的前身——代表技术水平的“全要素生产率”（TFP）。这里的()和()分别是资本和劳动的产出弹性，理论上满足(+=1)（规模报酬不变）。

但现实中的生产函数远非如此“理想”。比如，企业可能同时使用人力资本、研发投入等其他要素，规模报酬也可能递增（如互联网平台的网络效应）。因此，后续的方法改进大多围绕生产函数的扩展展开。

2.2增长核算：将技术进步“算”出来

索洛1957年的经典论文将生产函数动态化，提出了增长核算框架。其核心思想是：总产出的增长可分解为资本、劳动投入的增长，以及“无法被投入解释的剩余部分”——这部分就被归因为技术进步（即TFP增长）。具体步骤如下：

首先，对生产函数取自然对数并求导，得到增长率形式：

(/Y=/A+(/K)+(/L))

其中，(/X)表示变量(X)的增长率。

然后，通过历史数据估计()和()（常用方法是回归分析或假设()为资本收入占比），再代入各变量的实际增长率，即可解出(/A)——这就是技术进步率。

举个通俗的例子：假设某国某年GDP增长6%，资本增长贡献了3%，劳动增长贡献了1%，那么剩下的2%就是技术进步的贡献。这种方法的优势在于简单直观，数据容易获取（只需GDP、资本存量、劳动投入等宏观数据），因此被广泛用于跨国增长比较。但它的局限性也很明显：假设规模报酬不变、完全竞争市场、技术进步外生，这些与现实中的垄断竞争、研发投入内生等情况存在偏差。

三、进阶方法：从“残差法”到效率前沿分析

索洛余值法的“黑箱”性质（将无法解释的部分都归为技术进步）引发了争议——如果企业管理不善导致效率低下，这部分是否该算入技术进步？20世纪70年代后，学者们开始区分“技术进步”与“技术效率”，提出了基于前沿生产函数的测度方法。

3.1数据包络分析（DEA）：多投入多产出的效率体检

DEA的核心思想是：通过观察一组决策单元（如企业、地区）的投入产出数据，构建一个“效率前沿面”——所有技术有效单元组成的边界。每个单元的效率就是其实际产出与前沿面最大可能产出的比值。

举个例子，假设有10家制造业企业，每家企业使用资本、劳动、能源三种投入，生产两种产品。DEA会找出其中“最优”的几家企业（比如A企业用最少的资本生产最多产品，B企业用最少的能源达到高产出），用它们的投入产出组合构建前沿面。然后计算其他企业与这个前沿面的距离，距离越近效率越高。

如果要测度技术进步，需要将DEA与Malmquist指数结合。Malmquist指数通过比较两个时期的前沿面移动，分解出“技术效率变化”（向现有前沿面靠近）和“技术进步”（前沿面本身的外移）。比如，第一年的前沿面由企业A、B构成，第二年出现了企业C，其投入产出组合比A、B更优，这就意味着技术进步（前沿面外移）。

DEA的优势在于无需设定具体生产函数形式，适用于多投入多产出场景，因此在区域创新效率、银行效率评价等领域应用广泛。但它也有短板：对异常值敏感（一家极端低效的企业可能拉低整体前沿面），且假设所有非效率都是管理问题（忽略了随机误差，比如企业因暴雨停产一天，这会被误判为效率低下）。

3.2随机前沿分析（SFA）：给“误差”留出空间

SFA的出现正是为了弥补DEA的“确定