我国钢铁企业全要素生产率的实证研究

时间：2021-01-28 04:02:03　来源：雅意学习网本文已影响人

　　【摘要】本文利用1998～2007年十年间工业企业数据库中钢铁企业的数据，采用四种回归方法估计我国钢铁企业的生产函数，从而获得其残差全要素生产率估计。回归结果显示，十年间我国钢铁企业效率基本呈现良好增长趋势，但2001年和2005年两个年度，增速明显发生逆转甚至减为负。
　　【关键词】钢铁企业 Olley-Pakes方法全要素生产率
　　一、引言
　　国内钢铁行业在过去的六十多年里，经历了飞速发展。从规模总量层面，1949年，中国钢铁产量仅15.8万吨，不及当年世界钢铁总产量的0.1%。而到2007年，中国年产钢已达到48924万吨，位居世界第一。从效率的层面而言，技术的进步导致效率的提升，而产能过剩又使效率低下日益凸显。两种效应难以判断。因此，本文的宗旨即是对发展中的钢铁行业效率进行评估。
　　本文将针对钢铁行业全要素生产率进行估计。全要素生产率（Total Factor Productivity，TFP），又名索罗余值。最早由solow提出，是指经济增长不能被资本、劳动投入解释的部分。对于国内的研究，早期由于数据的限制，研究主要集中在国家和省级层面。如舒元（1993）、王小鲁（2000）、张军（2002），Selin Ozyurt（2009）等。随着工业企业数据库的出现，学者开始以厂商为对象进行全要素生产率。如谢千里和罗斯基（2008）、YU（2010）及鲁晓东和和连玉君（2012）。
　　总的而言，而实证研究用的三种方法包括：生产函数法、DEA-Malmquist指数法、随机前沿生产函数法。下面，本文将按照三种方法对全要素生产率的研究进行梳理。
　　（一）DEA-Malmquist指数方法
　　该方法基于数据包络分析，最初由Malmquist（1953）用于比较不同时期的消费变化。Caves（1982）等首次将其用来衡量生产率。Malmquist生产率指数不需要相关的价格信息，可以对全要素生产率进行分解并研究其增长的源泉。其中Malmquist指数（MI）概念基于Malmquist函数，该函数表示给定资本、劳动力投入序列对应的最大产量。即
　　Malmquist指数可分解为技术变化和效率变化。Malmquist指数多用于偏宏观层面，即以全国或省市为研究对象。国内学者也利用Malmquist指数对各产业进行全要素生产率的测度：方福前和张艳丽（2010）利用Malmquist指数对中国农业全要素生产率指数及其影响因素进行分析，发现技术进步是农业全要素生产率增长的主要原因，而乡村从业人员对农业生产效率、财政支农的力度和农业的地位均会显著影响农业全要素生产率的变动；沈能（2006）、杨向阳和徐翔（2006）基于Malmquist指数方法，分别研究了中国制造业和服务业的全要素生产率（TFP）后，均发现由于技术进步，两个行业的全要素生产率都在增长，但技术效率的下降，却对全要素生产率产生了负面影响；省级层面，徐小鹰（2010）采用2000～2008年湖北省13个地级市的面板数据，对湖北省各地区的投入-产出效率及全要素生产率的增长构成即效率变化和技术变化进行了分析。
　　（二）随机前沿方法（Stochastic Frontier Analysis，SFA）
　　由Aigner，Lovell and Schmidt（1977）和Meeusen and Van den Broeck（1977）几乎同时提出，SFA不同于OLS，它企图模拟企业生产边界，除随机误差外，大部分观测值都处于模拟结果的下方。SFA将厂商全要素生产率分解为前沿技术和技术效率两个部分，前者是指企业的最优生产效率，即生产可能性边界。而后者指厂商的实际生产效率与最有生产率的差距（Technical Inefficiency）。不考虑随机扰动项，随机前沿方程可以写成：
　　其中，yt表示第i个厂商的产量，xi为厂商投入，为边f（xi；β）界产出，β则为待估计的技术参数。TEi即为技术效率，表示为实际产量与最大产量之比。TEi=1时，厂商达到产出边界。因此TEi≤1实际中，常常认为TEi是一个服从某一特定分布的随机变量。随机项是作用于生产函数的冲击，这些冲击并非直接针对厂商或潜在技术，而很可能是天气变化、经济衰退等等，假设每个厂商都面临着不同的随机冲击，但这些冲击服从共同的分布。加入随机冲击后，生产函数变为
　　若将写作指数形式，则上式变为
　　假设生产函数为Cobb-Douglas形式，且等式两边同时取对数，
　　其中νi为噪音项，一般假设服从正态分布。而ui非负，表示技术无效性，νi和ui共同组成了扰动项，该式常被称作“组合扰动模型”（composed error model）。
　　M.Angeles和Rosario（2005）基于SFA分析了1995～2001年间西班牙中小企业的技术无效性和影响因素，发现中小企业效率低于大企业，这主要是受制于其组织资源能力。Caves and Barton （1990）考察了美国制造业的技术无效而Green and Mayes （1991）则分析了英国企业的技术无效性。Isik和Hassan（2003）以19实际80年代土耳其商业银行竞争化政策为背景（该政策使土耳其银行系统历经了一系列法制、结构和制度改革），通过DEA-Malmquist全要素生产率指数变化，研究了金融管制的松动对商业银行生产率和效率改变和技术进步的影响；郑玉歆等（1995）等较早采用随机前沿生产函数法研究中国工业按城市、部门和企业所有制形式进行分类比较分析。这些要素的形成和发展的作用实际上就是改革推动生产率增长的主要过程。姚洋（1998）通过从工业企业数据库中抽样进行随机前沿分析表明，集体和外国三资企业对其所在的行业还具有显著的正外部效应。涂正革和肖耿（2005）利用随机前沿方法研究均发现前沿技术进步是全要素生产率增长的最重要动力。傅晓霞和吴利学（2006）在随机前沿的框架下对各地产出差异进行分析后，认为资本等要素投入仍然是中国经济增长的主要源泉，但全要素生产率对经济增长贡献在不断增强，其中制度的影响从90年代起不断增大，成为造成地区差距的重要原因。

推荐访问:生产率要素钢铁企业实证研究我国

我国钢铁企业全要素生产率的实证研究

最新文章

热门文章