中國各省高技術產業全要素生產率研究*①

姜彤彤

(山東師范大學經濟學院，山東濟南，250014)

一、引言

與傳統產業相比，以新能源技術、新材料技術、生物技術和航空航天技術為代表的高技術產業具有人才和知識密集、技術進步和創新、高風險和附加值、低排放和能耗等特點。西方發達國家紛紛把高技術產業當作現代經濟增長的動力和源泉，將其提高到核心支柱產業和國家戰略產業的高度。中國高技術產業經過10多年的發展，已經成為知識經濟時代的主導產業，它對推動區域經濟發展、調整產業結構起著舉足輕重的作用，但其能否保持持續的高速增長倍受關注。當今世情、國情、省情和產業、技術、創新水平都在發生深刻變化，我國高技術產業既迎來了新的發展機遇，也面臨著更加嚴酷和復雜的挑戰。

隨著高技術產業的迅猛發展，其人力、財力投入不斷增加，但大量的資源投入是否帶來高額的產值和經濟增長?這種增長是什么原因導致的?是否具有可持續性?一系列的問題應運而生。要解決這些問題，必須計算高技術產業資源投入產出使用效率，特別是全要素生產率(Total Factor Productivity，TFP)。全要素生產率是分析經濟增長源泉的重要工具，尤其是各級政府和企業管理部門制定長期發展政策的重要依據。通過將全要素生產率分解成純技術效率、技術進步率和規模效率，可進行經濟增長來源分析，即分析各種因素(比如投入要素增加、技術進步和效率提升等)對經濟增長的貢獻，并判斷經濟增長的持續發展能力。因此，從投入產出角度判斷高技術產業資源利用效率，測算和提高我國高技術產業全要素生產率，意義深遠。

二、相關文獻綜述

近年來，國外許多學者對高技術產業整體效率/研發效率和全要素生產率進行研究，方法有參數法的隨機前沿分析(Stochastic Frontier Analysis，SFA)和非參數法的數據包絡分析(Data Envelopment Analysis，DEA)，兩者都可以計算全要素生產率，但基于DEA的Malmquist指數法計算TFP更為方便。比如，Chen and Yeh(2005)基于DEA計算臺灣6個高技術行業的效率值，并判斷不同行業績效的高低;②Chen C.－J.，Yeh Q.－J.A Comparative Performance Evaluation of Taiwan’s High－tech Industries，International Journal of Business Performance Management，2005，(1):16－33.Sun and Kalirajan(2005)考察了韓國制造業中高技術產業和非高技術產業的全要素生產率，并分析技術效率和技術進步對其貢獻大小;①S un C.－H.，Kalirajan K.P.Gauging the Sources of Growth of High－tech and Low－tech Industries:the Case of Korean Manufacturing，Australian Economic Papers，2005，(2):170－185.Raab and Kotamraju(2006)利用DEA模型對美國50個州的高技術產業效率進行排名和比較，發現某些州的經濟發展動力主要來自高技術產業②R aab R.A.，Kotamraju P.The Efficiency of the High－tech Economy:Conventional Development Indexes Versus a Performance Index，Journal of Regional Science，2006，(3):545－562.。

國內學者對高技術產業的研究大量集中于其R＆D系統，包括分行業/分省域高技術產業R＆D創新效率、R＆D全要素生產率及其影響因素;也有部分學者關注高技術產業的整體效率或者全要素生產率。比如，劉志迎和葉蓁(2006)使用非參數Malmquist指數法計算高技術產業細分行業的技術效率和全要素生產率;③劉 志迎、葉蓁:《中國高技術產業各行業技術效率的實證分析——基于非參數的Malmquist指數方法》，《科學學與科學技術管理》2006年第9期。解堊(2007)采用DEA方法對高技術產業細分行業經營效率進行評價，并利用Malmquist指數對其動態效率進行計量和分析;④解堊:《高技術產業曼奎斯特指數研究》，《山西財經大學學報》2007年第4期。黃佐钘(2010)基于Malmquist指數，對上海市高技術產業細分行業進行動態效率測算;⑤黃佐钘:《上海高技術產業各行業效率變化研究——基于Malmquist TFP指數方法的實證分析》，《中國科技論壇》2010年第3期。王大鵬和朱迎春(2011)基于DEA和Malmquist指數方法計算高技術產業細分行業全要素生產率并進行分解和對比，探討影響生產率變化的深層原因⑥王大鵬、朱迎春:《中國高技術產業生產率增長來源:技術進步還是技術效率》，《中國科技論壇》2011年第7期。。

上述研究各具特色，取得了許多有價值的研究成果。但還存在如下問題:對分行業高技術產業技術效率或全要素生產率研究較為充分;但對不同省域高技術產業全要素生產率的研究很少，只有個別對其技術效率的研究;很多研究過分關注高技術產業R＆D活動投入產出指標，計算出的結果名為整體技術效率實際上還是R＆D效率，比如吳卓賢和劉滿鳳(2011)的研究⑦吳卓賢、劉滿鳳:《中國高技術產業全要素生產率的空間差異及其成因分析》，《科技與管理》2011年第6期。。采用參數法SFA計算全要素生產率時，產出指標一般只能有一個，難以全面概括高技術產業整體產出。為此，本文選擇分析全要素生產率的主流方法——基于DEA的Malmquist指數法，對我國不同省域高技術產業1996－2010年間的面板數據進行測度，計算產業全要素生產率、技術進步率、技術效率等指標，分析生產率增長的原因和影響程度，有針對性地提出提高生產率的對策建議。

三、模型、變量與數據

(一)基于DEA的Malmquist指數分析法

測定全要素生產率的方法有早期的索洛余值法，后期的基于SFA的全要素生產率計算和基于DEA的非參數Malmquist生產率指數法。和其他方法相比，基于DEA的Malmquist指數無需投入產出指標價格信息、不用設定生產函數、適用于不同區域/產業/單位跨期樣本分析，而且可通過指數分解全面探索生產率變動的原因和趨勢。為此，我們選擇Malmquist指數對省際高技術產業的全要素生產率進行評價。這一指數最早由Malmquist(1953)提出⑧Malmquist S.Index Numbers and Indifference Curves，Trabajos de Estatistica，1953，(2):209－242.，Caves等(1982)將其引入到生產率變化計算上⑨C aves D.W.，Christensen L.R.，Diewert W.E.The Economic Theory of Index Numbers and the Measurement of Input，Output and Productivity，Econometric，1982，(6):1393－1414.。后來，Fare(1994)等在DEA方法的基礎上測度Malmquist TFP指數的變動，使這種方法在各個部門、區域、產業的不同時期生產率測算中廣泛應用。⑩Fare R.，Grosskopf S.，Norris M.，Zhang Z.Productivity Growth，Technical Progress and Efficiency Change in Industrialized Countries，The American Economic Review，1994，(1):66－83.

Malmquist指數借助距離函數反映相鄰兩個期間決策單元生產效率變動情況，可用兩時期距離函數的比值表示。其基本公式如下:

為避免隨意選擇時期，Caves等用(1)和(2)式的幾何平均數，即式(3)測算從t時期到t+1時期生產率變化的Malmquist指數。該指數小于1時，表明從t時期到t+1時期全要素生產率是下降的，反之則是增長的。

Malmquist指數在特定情況下具有非常好的特征。比如，假設規模報酬不變，Malmquist指數可分解為技術進步率(Technical Change，TC)和綜合技術效率(Efficiency Change，EC);假定規模報酬可變，綜合技術效率還可以進一步分解為純技術效率(Pure Technical Efficiency，PTE)和規模效率(Scale Efficiency，SE)兩部分。見圖1所示。

圖1 Malmquist指數的分解

(二)投入產出變量的選擇和計算

應用Malmquist指數分析法最為關鍵的是選擇投入產出變量，需符合以下條件:反映決策單元的實際情況和其所處的外部競爭環境，投入/產出變量之間的相關性不能太強;變量個數之和不能超過決策單元數的一半，否則會影響結果。此外，變量的選擇要結合高技術產業遠比一般產業更重視R＆D活動的特點，但也不能像個別文獻一樣全部是與R＆D直接相關的投入產出。結合上述條件并借鑒大量相關研究，產出指標選擇反映產業產出整體水平的總產值(單位:億元)和R＆D產出水平的專利授權數(單位:項);投入指標需反映資本和勞動力兩方面，考慮勞動力質量的不同，最終選定資本存量(單位:億元)、年均從業人員(單位:萬人)和研發人員全時當量(單位:人年)作為投入指標。

具體計算時:⑴使用平減指數將產業總產值折算成1996年的基準價格;⑵《中國高技術統計年鑒》中只有固定資產投資額(單位:億元)的數據。采用永續盤存法計算資本存量，計算公式為:

其中:t表示年份或者第幾年;K為資本存量;I為高技術產業固定資產投資額(單位:億元);P是以1996年為基準的固定產投資價格指數，數據來自《中國統計年鑒》;δ是折舊率取15%，主要參照劉志迎等(2006)和范凌鈞等(2011)，折舊率較高主要基于高技術產業資產提前淘汰、報廢、更新的概率較大，技術損耗會帶來資產價值的急劇下降①劉 志迎、葉蓁:《中國高技術產業各行業技術效率的實證分析——基于非參數的Malmquist指數方法》，《科學學與科學技術管理》2006年第9期。②范凌鈞、李南、陳燕兒:《中國高技術產業技術效率區域差異的實證分析》，《系統工程》2011年第2期。。對于基期資本存量，借鑒 Timmer(1999)的方法進行估算①Timmer M.P.The Dynamics of Asian Manufacturing:A Comparative Perspective，Netherlands:Eindhoven University of Technology，1999.。投入/產出變量的描述統計如表1所示。

表1 投入/產出變量描述統計

(三)數據來源及處理

研究時間范圍限定為1996－2010年，因高技術產業固定資產投資數據從1996年開始。所有原始數據來源于1997－2011年的《中國高技術產業統計年鑒》，進行平減的價格指數取自《中國統計年鑒2011》。考察范圍為中國大陸除西藏外的30個省、市和自治區的高技術產業，西藏自治區缺失數據過多將其剔除，其他省市個別缺失數據采用平滑法處理。最終樣本由30個省份15年的面板數據組成，共450個分析數據。

四、實證研究結果與分析

(一)30個省、市、自治區高技術產業全要素生產率及變動(1996－2010)

降，其余24個省份上升。這說明我國大部分省份高技術產業近年來生產率是增長的，部分下降的省份生產率降幅也不太顯著。從技術進步率看，有26個省份高技術產業技術進步明顯，只有4個省份有小幅下降，說明生產前沿面隨著技術水平的提高不斷往上移動。其中北京、河北、黑龍江、上海、湖南、四川、青海、寧夏的上升幅度都超過了10%，這也印證了我國高技術產業全要素生產率的提高主要是技術進步導致的。綜合技術效率看，有10個省份效率上升，其他20個省份技術效率下降，且所有省份綜合技術效率15年來變動的幅度都在4%以內，比較接近1。這說明技術效率整體下降，但幅度較小，年平均0.6%，主要原因是純技術效率和規模效率均處于下降中，當然不會帶來整體技術效率的提升。

表2 1996－2010年不同省份高技術產業Malmquist指數及分解

3.依照國家統計局的區域劃分方法，將我國30個省份分為東/中/西部地區，分別包括11、8、11個省份。計算結果顯示，中部地區高技術產業TFP和綜合技術效率、純技術效率、規模效率都大于1，處于產業的最優發展階段，規模效應、追趕效應和前沿面移動都很明顯。且TFP增長幅度達到6.7%，超過了全國的整體水平1個百分點。而東部和西部地區只有TFP和技術進步率超過1，純技術效率和規模效率都小于1。其中東部地區的技術進步率在三個區域中排名第一，但由于其綜合技術效率較低所以導致整體TFP提升幅度低于中部地區。每個區域中都有生產率提高的省份，也有些生產率下降的省份，這種區域差異不存在明顯的規律可循。眾所周知，我國東部地區經濟較為發達，容易吸引更多的資金和人才投入，這就帶來了更先進的設備和技術，所以其技術進步率高是容易理解的。那為什么其規模效率和純技術效率都整體上下降呢?應該是其大量投入針對性不強、規模過大或者管理效率低下等造成的。

4.為進一步說明問題，圖2列示了30個省份高技術產業TFP及其分解情況。顯然，全要素生產率的變動和技術進步率基本一致，形狀非常類似，在30個省份中是同增同減的，但表現出一種明顯的省際差異。綜合技術效率和分解后的規模效率、純技術效率變動趨勢大體相同，都在1上下波動，但低于1的省份更多。這也說明高技術產業的生產率增長主要是技術進步拉動的，技術效率下降雖然有所阻礙但不明顯，技術進步明顯的省份其高技術產業的TFP都增長迅速。

(二)不同年度高技術產業全要素生產率及其變動(1996－2010)

圖2 30個省份高技術產業Malmquist指數及其分解

圖3反映了我國高技術產業全要素生產率在時間趨勢上的變動情況，整體上是上升的，15年間有9個年份全要素生產率上升，其他4個年份下降。但這種變化表現為上升——下降——上升——下降——再上升的不斷波動，說明高技術產業TFP的變動很不穩定，沒有形成不斷增長的發展態勢。與此同時，技術進步率增長明顯，在大部分年份都和TFP的變動趨勢保持一致——同增或者同減。反觀技術效率、純技術效率和規模效率變動趨勢不太顯著，特別是規模效率在2001年后就在1附近上下徘徊。這幾個指數對全要素生產率的影響與技術進步相比，較為有限。總而言之，我國高技術產業全要素生產率的提高主要是技術進步帶動的，這15年間產業投入產出自身的生產前沿面向上平移，增長效應明顯。東部、中部、西部高技術產業技術進步都很明顯。不論縱向從時間軸看，還是橫向從區域看，都有相同的結論。這說明高技術產業作為國家創新體系的重要組成部分起到了排頭兵的作用，科學技術的創新能力大大提升了。下一步要做的是想辦法提高產業的整體技術效率，雙管齊下才能保證全要素生產率的持續快速增長。

圖3 1996－2010年高技術產業年度平均Malmquist指數及分解

五、結論及對策建議

本文采用基于DEA的Malmquist指數分析方法，對我國除西藏外的30個省、市、自治區高技術產業1996－2010年的全要素生產率及其分解情況進行測度和分析。具體測算時，以資本存量、年均從業人員和研發人員全時當量為投入指標，以產業總產值和專利授權數為產出指標。結果表明:我國高技術產業整體全要素生產率不斷上升，但呈現出時間軸上的波動趨勢和區域上的不平衡性。不論我國的東部、西部、中部還是整體，導致全要素生產率增長的主要原因都是技術進步而非技術效率。為了進一步提高我國高技術產業生產率，提出建議如下:

第一，雖然我國高技術產業生產率提高主要是技術進步拉動的，但應看到其自主創新能力并不足，發展前景不容樂觀。很多學者都認為這種技術進步是由于外商直接投資、國際貿易等帶來的技術轉移和直接引進西方先進技術的結果，幾乎都不具有自主知識產權。①劉志迎、葉蓁、孟令杰:《我國高技術產業技術效率的實證分析》，《中國軟科學》2007年第5期。近年來，高技術產業發展后續乏力情況已經凸顯出來。要扭轉這種局面，需改變高技術產業的創新模式，由輸血式改為造血式，由技術引進改為知識產權創新。政府應采取各種政策鼓勵引導高技術產業走自主創新之路，比如融資優惠、人才引進、創新獎勵、知識產權保護等一系列政策，通過政策和資金支持、環境改良等多種措施，激勵企業多出成果、出好成果。

第二，提高全要素生產率的另一關鍵指標是綜合技術效率。因為技術進步的提升有一個限度，不太可能永久性地保持高速增長。15年間，我國高技術產業整體技術效率沒有上升反倒下降了，如果不改變這一不利局面，勢必對生產率帶來更大的拖累。綜合技術效率又取決于兩方面，即純技術效率和規模效率。前者通過管理效率的提高和生產經驗的積累得以提升，后者必須選擇合適的企業規模，要求管理者有建設和管理高技術企業的知識和能力。如果在這兩方面都加大力度，會收到立竿見影的效果。總之，在技術創新的同時，高技術產業應引進先進的管理經驗，優化資源配置，整合產品結構，調整生產規模。兩手抓，兩手都要硬，才能最終保持全要素生產率的持續提升。