我國(guó)鋼鐵企業(yè)全要素生產(chǎn)率的實(shí)證研究

李凌云

（上海交通大學(xué)，上海 200030）

一、引言

國(guó)內(nèi)鋼鐵行業(yè)在過(guò)去的六十多年里，經(jīng)歷了飛速發(fā)展。從規(guī)模總量層面，1949年，中國(guó)鋼鐵產(chǎn)量?jī)H15.8萬(wàn)噸，不及當(dāng)年世界鋼鐵總產(chǎn)量的0.1%。而到2007年，中國(guó)年產(chǎn)鋼已達(dá)到48924萬(wàn)噸，位居世界第一。從效率的層面而言，技術(shù)的進(jìn)步導(dǎo)致效率的提升，而產(chǎn)能過(guò)剩又使效率低下日益凸顯。兩種效應(yīng)難以判斷。因此，本文的宗旨即是對(duì)發(fā)展中的鋼鐵行業(yè)效率進(jìn)行評(píng)估。

本文將針對(duì)鋼鐵行業(yè)全要素生產(chǎn)率進(jìn)行估計(jì)。全要素生產(chǎn)率（Total Factor Productivity,TFP），又名索羅余值。最早由solow提出，是指經(jīng)濟(jì)增長(zhǎng)不能被資本、勞動(dòng)投入解釋的部分。對(duì)于國(guó)內(nèi)的研究，早期由于數(shù)據(jù)的限制，研究主要集中在國(guó)家和省級(jí)層面。如舒元(1993)、王小魯(2000)、張軍(2002)，Selin Ozyurt(2009)等。隨著工業(yè)企業(yè)數(shù)據(jù)庫(kù)的出現(xiàn)，學(xué)者開(kāi)始以廠商為對(duì)象進(jìn)行全要素生產(chǎn)率。如謝千里和羅斯基(2008)、YU(2010)及魯曉東和和連玉君(2012)。

總的而言，而實(shí)證研究用的三種方法包括：生產(chǎn)函數(shù)法、DEA-Malmquist 指數(shù)法、隨機(jī)前沿生產(chǎn)函數(shù)法。下面，本文將按照三種方法對(duì)全要素生產(chǎn)率的研究進(jìn)行梳理。

（一）DEA-Malmquist 指數(shù)方法

該方法基于數(shù)據(jù)包絡(luò)分析，最初由Malmquist(1953)用于比較不同時(shí)期的消費(fèi)變化。Caves (1982) 等首次將其用來(lái)衡量生產(chǎn)率。Malmquist 生產(chǎn)率指數(shù)不需要相關(guān)的價(jià)格信息，可以對(duì)全要素生產(chǎn)率進(jìn)行分解并研究其增長(zhǎng)的源泉。其中Malmquist 指數(shù)(MI)概念基于Malmquist 函數(shù)，該函數(shù)表示給定資本、勞動(dòng)力投入序列對(duì)應(yīng)的最大產(chǎn)量。即

這一函數(shù)可以是加總生產(chǎn)函數(shù)。則經(jīng)濟(jì)體A 與經(jīng)濟(jì)體B 之間的Malmquist 指數(shù)(MI)即可表示為

其中，

若MI 大于1，則說(shuō)明A 經(jīng)濟(jì)體比B 經(jīng)濟(jì)體更有效率。反之則反。同樣Malmquist 指數(shù)也可以用于縱向時(shí)間序列對(duì)比。從而改進(jìn)了DEA 僅能用于橫截面的缺陷。

Malmquist 指數(shù)可分解為技術(shù)變化和效率變化。Malmquist 指數(shù)多用于偏宏觀層面，即以全國(guó)或省市為研究對(duì)象。國(guó)內(nèi)學(xué)者也利用Malmquist 指數(shù)對(duì)各產(chǎn)業(yè)進(jìn)行全要素生產(chǎn)率的測(cè)度：方福前和張艷麗（2010）利用Malmquist 指數(shù)對(duì)中國(guó)農(nóng)業(yè)全要素生產(chǎn)率指數(shù)及其影響因素進(jìn)行分析，發(fā)現(xiàn)技術(shù)進(jìn)步是農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的主要原因,而鄉(xiāng)村從業(yè)人員對(duì)農(nóng)業(yè)生產(chǎn)效率、財(cái)政支農(nóng)的力度和農(nóng)業(yè)的地位均會(huì)顯著影響農(nóng)業(yè)全要素生產(chǎn)率的變動(dòng)；沈能（2006）、楊向陽(yáng)和徐翔（2006）基于Malmquist 指數(shù)方法,分別研究了中國(guó)制造業(yè)和服務(wù)業(yè)的全要素生產(chǎn)率(TFP)后，均發(fā)現(xiàn)由于技術(shù)進(jìn)步，兩個(gè)行業(yè)的全要素生產(chǎn)率都在增長(zhǎng)，但技術(shù)效率的下降，卻對(duì)全要素生產(chǎn)率產(chǎn)生了負(fù)面影響；省級(jí)層面，徐小鷹（2010）采用2000～2008年湖北省13 個(gè)地級(jí)市的面板數(shù)據(jù),對(duì)湖北省各地區(qū)的投入-產(chǎn)出效率及全要素生產(chǎn)率的增長(zhǎng)構(gòu)成即效率變化和技術(shù)變化進(jìn)行了分析。

（二）隨機(jī)前沿方法（Stochastic Frontier Analysis,SFA）

由Aigner,Lovell and Schmidt (1977) 和Meeusen and Van den Broeck(1977)幾乎同時(shí)提出，SFA 不同于OLS，它企圖模擬企業(yè)生產(chǎn)邊界，除隨機(jī)誤差外，大部分觀測(cè)值都處于模擬結(jié)果的下方。SFA 將廠商全要素生產(chǎn)率分解為前沿技術(shù)和技術(shù)效率兩個(gè)部分，前者是指企業(yè)的最優(yōu)生產(chǎn)效率，即生產(chǎn)可能性邊界。而后者指廠商的實(shí)際生產(chǎn)效率與最有生產(chǎn)率的差距（Technical Inefficiency）。不考慮隨機(jī)擾動(dòng)項(xiàng)，隨機(jī)前沿方程可以寫(xiě)成：

其中，yt表示第i 個(gè)廠商的產(chǎn)量，xi為廠商投入，為邊f(xié)(xi；β)界產(chǎn)出，β 則為待估計(jì)的技術(shù)參數(shù)。TEi即為技術(shù)效率，表示為實(shí)際產(chǎn)量與最大產(chǎn)量之比。TEi=1 時(shí)，廠商達(dá)到產(chǎn)出邊界。因此TEi≤1 實(shí)際中，常常認(rèn)為TEi是一個(gè)服從某一特定分布的隨機(jī)變量。隨機(jī)項(xiàng)是作用于生產(chǎn)函數(shù)的沖擊，這些沖擊并非直接針對(duì)廠商或潛在技術(shù)，而很可能是天氣變化、經(jīng)濟(jì)衰退等等，假設(shè)每個(gè)廠商都面臨著不同的隨機(jī)沖擊，但這些沖擊服從共同的分布。加入隨機(jī)沖擊后，生產(chǎn)函數(shù)變?yōu)?/p>

若將寫(xiě)作指數(shù)形式，則上式變?yōu)?/p>

假設(shè)生產(chǎn)函數(shù)為Cobb-Douglas 形式，且等式兩邊同時(shí)取對(duì)數(shù)，

其中νi為噪音項(xiàng)，一般假設(shè)服從正態(tài)分布。而ui非負(fù)，表示技術(shù)無(wú)效性，νi和ui共同組成了擾動(dòng)項(xiàng)，該式常被稱作“組合擾動(dòng)模型”（composed error model）。

M.Angeles 和Rosario(2005)基于SFA 分析了1995～2001年間西班牙中小企業(yè)的技術(shù)無(wú)效性和影響因素，發(fā)現(xiàn)中小企業(yè)效率低于大企業(yè)，這主要是受制于其組織資源能力。Caves and Barton(1990) 考察了美國(guó)制造業(yè)的技術(shù)無(wú)效而Green and Mayes (1991)則分析了英國(guó)企業(yè)的技術(shù)無(wú)效性。Isik 和Hassan（2003）以19 實(shí)際80年代土耳其商業(yè)銀行競(jìng)爭(zhēng)化政策為背景（該政策使土耳其銀行系統(tǒng)歷經(jīng)了一系列法制、結(jié)構(gòu)和制度改革），通過(guò)DEA-Malmquist全要素生產(chǎn)率指數(shù)變化，研究了金融管制的松動(dòng)對(duì)商業(yè)銀行生產(chǎn)率和效率改變和技術(shù)進(jìn)步的影響；鄭玉歆等(1995)等較早采用隨機(jī)前沿生產(chǎn)函數(shù)法研究中國(guó)工業(yè)按城市、部門和企業(yè)所有制形式進(jìn)行分類比較分析。這些要素的形成和發(fā)展的作用實(shí)際上就是改革推動(dòng)生產(chǎn)率增長(zhǎng)的主要過(guò)程。姚洋(1998)通過(guò)從工業(yè)企業(yè)數(shù)據(jù)庫(kù)中抽樣進(jìn)行隨機(jī)前沿分析表明,集體和外國(guó)三資企業(yè)對(duì)其所在的行業(yè)還具有顯著的正外部效應(yīng)。涂正革和肖耿（2005）利用隨機(jī)前沿方法研究均發(fā)現(xiàn)前沿技術(shù)進(jìn)步是全要素生產(chǎn)率增長(zhǎng)的最重要?jiǎng)恿Α８禃韵己蛥抢麑W(xué)（2006）在隨機(jī)前沿的框架下對(duì)各地產(chǎn)出差異進(jìn)行分析后，認(rèn)為資本等要素投入仍然是中國(guó)經(jīng)濟(jì)增長(zhǎng)的主要源泉,但全要素生產(chǎn)率對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)在不斷增強(qiáng),其中制度的影響從90年代起不斷增大,成為造成地區(qū)差距的重要原因。

（三）生產(chǎn)函數(shù)法

通過(guò)估算出生產(chǎn)函數(shù)后,采用總產(chǎn)出扣除各投入要素后的殘差來(lái)測(cè)算全要素生產(chǎn)率。Miller and Upadhyay(2000)通過(guò)半?yún)⒎椒ü烙?jì)了加總生產(chǎn)函數(shù)得到全要素生產(chǎn)率估計(jì)后，研究了開(kāi)放程度，貿(mào)易傾向和人力資本對(duì)全要素生產(chǎn)率的影響發(fā)現(xiàn)，開(kāi)放的經(jīng)濟(jì)、外向型貿(mào)易有助于全要素生產(chǎn)率的提升，大多數(shù)情況下，人力資本促進(jìn)生產(chǎn)率提升，但對(duì)于窮國(guó)而言，生產(chǎn)率與開(kāi)放度呈現(xiàn)交互作用。Brandt 和Zhang（2009）利用Olley-Packs 方法估計(jì)了生產(chǎn)函數(shù)后得到中國(guó)加入世貿(mào)組織前后中國(guó)TFP 變化，認(rèn)為國(guó)內(nèi)全要素生產(chǎn)率高于同期其他國(guó)家。Yu SHENG,Ligang SONG(2012)利用企業(yè)級(jí)數(shù)據(jù)，測(cè)算了鋼鐵行業(yè)的全要素生產(chǎn)率，并考察了影響因素。在生產(chǎn)函數(shù)的估算過(guò)程中，采用了Olley-Packes，Levin-Petrin 和GMM 的半?yún)?shù)方法處理了生產(chǎn)函數(shù)的內(nèi)生性問(wèn)題。本文將使用生產(chǎn)函數(shù)法從廠商層面估算鋼鐵行業(yè)全要素生產(chǎn)率情況。

二、回歸模型

為了避免生產(chǎn)函數(shù)的內(nèi)生性帶來(lái)的偏差，本文主要采用Olley-Pakes（1996）和Levinsohn-Petron（2003）兩種方法估計(jì)生產(chǎn)函數(shù)。兩種方法均采用兩步法。先識(shí)別出勞動(dòng)力系數(shù)，再識(shí)別出資本的系數(shù)。原理相同，后者是對(duì)前者的改進(jìn)。

本文同時(shí)還使用了OLS，固定效應(yīng)方法作為對(duì)照。

OP 方法假設(shè)該經(jīng)濟(jì)中生產(chǎn)函數(shù)為Cobb-Douglas 形式，即

其中，分別代表資本和勞動(dòng)的對(duì)數(shù)形式，是殘差項(xiàng)，與自變量無(wú)關(guān)。而是經(jīng)濟(jì)學(xué)家無(wú)法觀測(cè)而廠商可觀測(cè)的隨時(shí)間變化的生產(chǎn)率。當(dāng)廠商觀測(cè)到本期的生產(chǎn)率后，決定本期投入，因此，與自變量相關(guān)。這使得OLS 方法得到有偏的結(jié)果。OP 方法通過(guò)將分別寫(xiě)作投資的函數(shù)，從而巧妙地回避了這一問(wèn)題，得到了無(wú)偏估計(jì)，LP 認(rèn)為OP 方法的前提假設(shè)是投資與成單調(diào)增關(guān)系，而現(xiàn)實(shí)中，這一假設(shè)常難以滿足。即投資在很多年份都為0。因此LP 方法將寫(xiě)成了中間投入的函數(shù)。具體參見(jiàn)Olley-Pakes（1996）和Levinsohn-Petron（2003）。

三、數(shù)據(jù)選取

本文所使用的數(shù)據(jù)來(lái)自中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)統(tǒng)計(jì)對(duì)象為“規(guī)模以上工業(yè)法人企業(yè)”，即國(guó)有和主營(yíng)業(yè)務(wù)收入500萬(wàn)元/年及以上的非國(guó)有工業(yè)法人企業(yè)，統(tǒng)計(jì)指標(biāo)包括兩類：技術(shù)經(jīng)濟(jì)指標(biāo)（如工業(yè)增加值、工業(yè)總產(chǎn)值、工業(yè)銷售產(chǎn)值等）以及主要財(cái)務(wù)成本指標(biāo)（如從業(yè)人員、工資總額等）。其中鋼鐵行業(yè)定義為行業(yè)代碼32～34，即黑色金屬冶煉及壓延加工業(yè)、有色金屬冶煉及壓延加工業(yè)、金屬制品業(yè)，其中能夠使用是數(shù)據(jù)共含15756 個(gè)廠商，對(duì)應(yīng)47867 個(gè)觀測(cè)值，去除序列長(zhǎng)度不足3年的觀測(cè)值后還剩8102 家廠商，共37199 個(gè)觀測(cè)值，剩余廠商年均產(chǎn)出為1.92 億，占原始數(shù)據(jù)的72%。

四、回歸結(jié)果分析

可以看到四個(gè)回歸得到的勞動(dòng)力投入彈性在0.169 到0.539之間，而資本投入彈性系數(shù)在0.082 至0.311 之間。

表1 生產(chǎn)函數(shù)回歸結(jié)果

得到生產(chǎn)函數(shù)后，通過(guò)計(jì)算方程的殘差即可得到企業(yè)的全要素生產(chǎn)率的對(duì)數(shù)形式，即

由于本文并不關(guān)注全要素生產(chǎn)率的絕對(duì)值，而更加關(guān)注的變化的解釋，因此這里統(tǒng)一采用對(duì)數(shù)形式。

表2 全要素生產(chǎn)率年平均估計(jì)值（對(duì)數(shù)形式）

表3 全要素生產(chǎn)率年增長(zhǎng)估計(jì)值

四種方法得到的全要素生產(chǎn)率都顯示出逐年增長(zhǎng)的大趨勢(shì)，不過(guò)進(jìn)一步研究增量可以看到，2001年和2005年出現(xiàn)過(guò)兩次增速放緩，可行的解釋是2001年是中國(guó)進(jìn)入WTO 第一年，進(jìn)口給鋼鐵業(yè)帶來(lái)了沖擊。

由于98 亞洲金融危機(jī)以來(lái)，國(guó)家一直維持著積極寬松的財(cái)政政策以擴(kuò)大內(nèi)需，確保經(jīng)濟(jì)增長(zhǎng)。在此期間，鋼鐵、水泥、電解鋁三大行業(yè)為國(guó)民經(jīng)濟(jì)持續(xù)快速發(fā)展做出了重要貢獻(xiàn)。但同時(shí)三大行業(yè)在發(fā)展中投資增長(zhǎng)過(guò)快，生產(chǎn)能力超出市場(chǎng)預(yù)期需求，產(chǎn)品結(jié)構(gòu)不合理，高消耗、高污染、低產(chǎn)出的問(wèn)題十分嚴(yán)重。在2003年投資增長(zhǎng)接近翻番的基礎(chǔ)上，2004年前兩個(gè)月，鋼鐵工業(yè)投資增速達(dá)到1726%；2004年，為了抑制投資過(guò)熱，國(guó)家進(jìn)行了宏觀調(diào)控，降低GDP 增速預(yù)期。同時(shí)提出將嚴(yán)格控制鋼鐵、水泥、電解鋁等過(guò)熱行業(yè)。

五、結(jié)論及展望

本文通過(guò)Olley-Pakes 等方法，采用生產(chǎn)函數(shù)方法對(duì)我國(guó)鋼鐵行業(yè)進(jìn)行了估計(jì)。結(jié)果表明，在1999 至2007年間，鋼鐵行業(yè)全要素生產(chǎn)率保持良好增長(zhǎng)趨勢(shì)，不過(guò)2001年和2005年增速出現(xiàn)了明顯下滑甚至變?yōu)樨?fù)。本文認(rèn)為，原因系2001年進(jìn)口沖擊以及2004年的宏觀調(diào)控。

本文后續(xù)將進(jìn)一步分地區(qū)來(lái)看鋼鐵企業(yè)的發(fā)展，尤其關(guān)注河北省等幾個(gè)鋼鐵重點(diǎn)生產(chǎn)區(qū)域。從而對(duì)我國(guó)鋼鐵企業(yè)效率有更深入的認(rèn)識(shí)。