中國飲料制造業全要素生產率測度及其影響因素分析

梁健娟　曾光

摘要：基于2003-2010年間中國飲料制造業13個四位數行業的面板數據，運用非參數數據包絡分析的DEA-Malmquist生產率指數方法，對飲料制造業整體及細分行業的全要素生產率（TFP）進行測度，并考察TFP指標的變動情況。在此基礎上，運用Tobit模型對行業TFP的影響因素進行了探討。結果表明，考察期間，技術進步是推動TFP增長的主要動力；人均資本、企業規模和勞動力成本與飲料制造業TFP間具有顯著的正相關性，而出口交貨值和市場競爭程度兩項指標與TFP間不顯著負相關。

關鍵詞：飲料制造業；全要素生產率；Malmquist指數；Tobit模型

中圖分類號： 文獻標識碼： 文章編號：0439-8114（2014）13-3199-05

Total Factor Productivity Measurement and Factors Affecting Chinas Beverage Manufacturing Industry Based on Perspectives of 13 Four-Digit Industry

LIANG Jian-juan， ZENG Guang

（College of Economics and Management， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The panel data of China's beverage manufacturing industry through 2003-2010 and non-parametric data envelopment analysis and DEA-Malmquist productivity index method were used to measure the total factor productivity of the overall beverage manufacturing industry and its four-digit industry segments. The TFP decomposition indicators of changes situation were studied. Tobit model was used to study the factors influencing TFP. Results showed that during the inspection， technological progress was the key force for TFP growth. The capital per capita， enterprise scale and labor costs had significant negative impact on beverage manufacturing TFP. The two indicators and TFP was not negatively correlated between export delivery value and degree of competition in the market.

Key words： beverage manufacturing industry； total factor productivity； malmquist index； Tobit model

隨著收入的增長及生活水平的不斷提高，消費者對各種飲料制品的需求在持續穩定地增加。與之相對，中國飲料制造業也在不斷地發展和壯大，產品種類日趨多樣化，產量逐年提高。據統計，2003-2010年中國飲料制造業工業總產值一直保持著高速增長的態勢，年均增長率達到了25.52%。而飲料制造業持續增長的動力究竟是來自于要素投入的增加還是全要素生產率（Total factor productivity，簡稱TFP）的提高，目前還沒有權威的結論。因此，從飲料制造業整體和細分行業層面對其全要素生產率進行測度，并從技術進步、技術效率、純技術效率和規模效率等角度進行分析，進而探究行業生產效率的影響因素，就顯得尤為重要。

現有中國工業生產率的研究，主要集中于對工業整體全要素生產率的測度，并對其二位數細分行業的生產率及其分解指標進行考察，而飲料制造業往往是作為其39個二位數細分行業之一進行測度。李春頂[1]選取了1998-2007年中國制造業28個二位數行業的面板數據，采用DEA—Malmquist生產率指數方法對飲料制造業進行研究的結果表明，其TFP年均增長6.3%，其增長的貢獻主要來自于技術進步，而技術效率的年均增長率較小；周燕等[2]采用DEA-Malmquist生產率指數方法，對1996-2007年間中國34個二位數工業行業的全要素生產率進行測度，其中飲料制造業全要素生產率年均增長8.50%，其技術進步的平均增長率達到了10.30%，而技術效率的平均增長率則為-1.7%；干春暉等[3]則采用隨機前沿生產函數（SFA）分析方法，對1998-2007年間工業36個二位數細分行業的生產績效進行了測算，發現飲料制造業TFP年均增長9.40%，其中資源配置效率改善的貢獻最大，達到了88.30%，其次是技術進步，占48.89%，而技術效率和規模效率的貢獻均為負值；鄭兵云等[4]同樣采用SFA分析方法發現1996-2007年間飲料制造業TFP年均增長率僅為4.28%，技術進步的平均增長率為4.79%，是TFP增長的主要動力，技術效率和資源配置效率的提高對TFP的貢獻年平均分別為0.89%和0.68%，而規模效率使TFP每年下降了0.50%。由此看來，不同文獻對中國飲料制造業TFP及其分解指標測度結果差別很大，主要有兩個方面的原因：一是指標選取和數據處理上的差異；二是研究方法的不同，有的文獻采用非參數數據包絡分析法，而有的文獻則是采用隨機前沿分析法。

從數據選取角度來看，現有文獻都是將飲料制造業作為工業（制造業）的一個二位數行業進行測度，限于數據的獲取，對其四位數細分行業進行研究的文獻還沒有，所以其研究結論難免失之于粗略。有鑒如此，本研究將采用2003-2010年中國飲料制造業13個四位數細分行業的面板數據，運用DEA-Malmquist指數方法，對飲料制造業整體及各細分行業TFP及其分解指標進行測度，并對其增長動力及影響因素進行實證分析。

1 研究方法

測度全要素生產率的方法主要有參數法和非參數法兩種，本研究以飲料制造業13個細分行業為研究對象，由于這些行業自身特性不同，不宜假定統一的生產函數形式，故采用國際上應用最為廣泛的基于數據包絡分析方法的DEA-Malmquist 指數方法。

首先用投入集L（y）來定義投入距離函數：

di（x，y）=max{ρ：（x/ρ）∈L（y）} （1）

式（1）中，d（x，y）為距離函數，i表示基于投入的距離函數，x和y分別表示投入和產出向量，ρ表示Farrell面向投入的效率指標。

L（y）={x：x可以生產y}={x：（x，y）∈S}。

基于投入角度的Malmquist指數可以表示為：

d■■=d■■（xt+1，yt+1）/d■■（xt，yt） （2）

式（2）中，Malmquist指數的測度是以時間t的技術T水平為參照，從時期t到t+1的技術效率變化的Malmquist指數，同理，定義在t+1時期的技術水平下，測度時期t到t+1的技術效率變化的Malmquist指數：

d■■=d■■（xt+1，yt+1）/d■■（xt，yt） （3）

實際應用中，Malmquist生產率指數是采用式（2）、式（3）的幾何平均數來衡量時期t到t+1時期的全要素生產率的變化。

Mi（xt+1，yt+1；xt，yt）=[■×■]■

=■×[■×■]■

=EC（xt+1，yt+1；xt，yt）TP（xt+1，yt+1；xt，yt）

=PC·SC·TP （4）

式（4）中，Malmquist生產率指數在不變規模報酬假定下可以分解為技術效率變化指數（EC）和技術進步指數（TP）。EC還可以進一步分解為純技術效率變化指數（PC）和規模效率變化指數（SC）。其中，PC=■，v表示規模報酬可以改變。 2 數據來源及指標選取

基于四位數行業企業層面的相關數據，所選取均為國有及規模以上非國有飲料制造業企業的相關指標，數據主要來源于國務院工業經濟發展中心數據庫和歷年《中國工業經濟統計年鑒》。由于從2003年起統計部門開始采用新的行業分類標準，即《國民經濟行業分類與代碼》（GB/T4754-2002）對行業進行重新分類，因此為保持研究的一致性，選擇2003-2010年飲料制造業13個四位數細分行業數據進行研究（表1）。

2.1 投入指標

采用DEA方法對全要素生產率進行測度，投入指標通常包括資本投入、勞動力投入、銷售成本和管理費用等。資本投入指標的最佳選擇是物質資本服務流量，但現有統計口徑中沒有資本服務流量的相關數據，因此借鑒大多數文獻的做法，選取固定資產凈值平均余額為資本投入；應該說，有效勞動時間是衡量勞動力投入的最準確的指標，但目前還沒有這方面的統計，因此同樣參照已有研究，選取全部從業人員平均數作為勞動力投入；銷售成本是指已銷售產品的生產成本或已提供勞務的勞務成本，以及其他銷售的業務成本等的總和，本研究選取銷售成本來表示產品生產過程中的物料損耗價值指標；管理費用包括職工教育經費、業務招待費、技術轉讓費、咨詢費、勞動保險費、待業保險費、董事會會費以及其他管理費用等，本研究選取該指標作為企業人力資本投資成本。

2.2 產出指標

現有大多文獻都是以工業總產值、工業增加值或銷售收入等作為產出指標[5-8]。綜合來看，企業銷售收入不僅衡量了企業的銷售能力，而且還可以反映企業的庫存管理能力，能夠全面科學地表征企業的產出狀況，因此本研究選取行業產品銷售收入作為產出指標。

考慮到上述相關指標的價格因素影響，進行如下處理：固定資產凈值平均余額用固定資產價格指數進行平減，管理費用和銷售成本用國內生產總值價格指數進行平減，產品銷售收入用工業品出廠價格指數進行平減，其數值均以2003年為不變價格表示。

3 TFP指標測度及其分解

應用DEAP2.1軟件包，對中國2003-2010年飲料制造業全要素生產率進行測度并分解，同時，對飲料制造業13個四位數行業的全要素生產率變動分別進行測度及分解。

3.1 飲料制造業全要素生產率平均變動及分解

考察飲料制造業全要素生產率的變動，首先對2003-2010年中國飲料制造業Malmquist生產率指數進行測度，并根據公式（4）分解為技術進步、技術效率（又分解為純技術效率及規模效率）等指標，在此基礎上對結果取幾何平均值即為飲料制造業全要素生產率總體變動情況（表2）。

從表2可知，考察期間，中國飲料制造業全要素生產率年均增長率為1.5%（年均全要素生產率指數減去1即為年均增長率），其中技術進步的作用明顯，其年均增長率為1.0%，技術效率的年均增長率為0.6%。而從技術效率的分解來看，規模效率和純技術效率的年均增長率分別為0.4%和0.2%。綜合起來看，中國飲料制造業全要素生產率的提高是各種因素共同作用的結果，但其中以技術進步的貢獻最大。

中國飲料制造業全要素生產率與技術進步變化保持了高度的同步性，由此看來，技術進步是推動飲料制造業全要素生產率增長的主要源泉。進入21世紀以來，中國飲料制造業企業將新技術開發和新產品發明改造與應用作為自身發展的關鍵。同時，飲料制造業的規模效率與技術效率的變動趨勢相同，表明規模生產狀況的改善在技術效率的提升中起到了至關重要的作用。

進一步考察發現，盡管飲料制造業全要素生產率及其分解指數的平均值均為正數，但從各年份平均值看，各指標的增長率在不同年份均有負值出現，尤其是全要素生產率和技術進步指標，其增長率一直呈下降的趨勢。表明近幾年飲料制造業企業大多是粗放式增長，新技術和新產品的研究與應用速度緩慢，不利于企業集約化地使用各種投入要素，造成投入要素的浪費，在一定程度上會阻礙生產效率的提升。

3.2 細分行業TFP變動及分解

在整體分析中國飲料制造業全要素生產率變動的基礎上，根據公式（4）接著對13個四位數行業的全要素生產率及其分解進行測度（表3）。

由表3可見，從13個四位數行業的TFP的增長率指標來看，除瓶（罐）裝飲用水制造（-0.2%）、果菜汁及果菜汁飲料制造（-1.8%）和茶飲料及其他軟飲料制造（-2.3%）外，其他行業在考察期間的TFP增長率均為正，其中啤酒制造、白酒制造和黃酒制造增長最快，分別達到了4.9%、3.6%和3.1%。表明在考察期間，絕大多數飲料制造細分行業的TFP是增長的。

與上節考察行業整體生產率變化結論相似，除葡萄酒制造和碳酸飲料制造兩個行業外，其他細分行業技術進步率變化與TFP指數變化保持著較高的同步性。證明了中國飲料制造業TFP增長主要來自于以新技術和新產品的發明與創造為主的技術進步。

與技術進步指標不同，考察期間技術效率增加的只有白酒制造、啤酒制造、黃酒制造、葡萄酒制造和碳酸飲料制造這5個行業，而酒精制造等6個行業技術效率不變，瓶（罐）裝飲用水制造和果菜汁及果菜汁飲料制造兩個行業技術效率出現了下降。這表明隨著飲料制造業企業制度安排的完善和管理水平的提高，以制度和管理創新為主要方式的純技術效率和規模效率改進的空間有限。進一步從技術效率的分解指標看，除葡萄酒制造純技術效率有所提高外，白酒制造等10個行業的純技術效率保持不變，而瓶（罐）裝飲用水制造等兩個行業的純技術效率有所下降。與純技術效率的變化相比，規模效率總體提高趨勢稍好，其中白酒制造等5個行業的規模效率變化呈上升的趨勢。

4 TFP影響因素分析

4.1 指標選取

根據現有文獻并結合數據的可得性，選取出口交貨值、人均資產、市場競爭、企業規模、勞動力成本等5個指標，對中國飲料制造業TFP的影響因素進行分析。

出口交貨值包括收購交貨值和自營出口額，該數值能夠反映國外經濟環境的好壞。通常該數值較大時，表明產品比較容易變現，有利于企業效率的提高。預期該數值與行業TFP正相關。

人均資本指標以行業固定資產與全部從業人員平均數之比度量，理論上人均資本越大，越有利于企業生產效率的提高。預期人均資本與行業TFP正相關。

市場競爭指標以企業數量來表征，通常企業數量越多，競爭性越強，因此企業將加大技術投入以提高效率。預期市場競爭與行業TFP正相關。

企業規模指標以行業資產總額與企業數量之比表示，通常隨著企業規模的擴大，其規模經濟效應會使其TFP增加，但同時管理成本增加等導致的交易成本上升也會制約TFP的上升。預期該指標與行業TFP相關性不確定。

勞動力成本指標以從業人員數與行業職工平均工資的乘積表示，通常來說，勞動力成本的上升會降低企業的利潤，進而影響其生產效率。預期該指標與行業TFP負相關。

4.2 Tobit模型回歸結果及分析

在回歸估計中，參照于海龍等[9]的做法，以2003年為基期的定期指數，根據環比指數計算出歷年的累積全要素生產率指數為被解釋變量，以上述5個因素為解釋變量，運用Eviews6.0軟件對中國飲料制造業全要素生產率的影響因素做面板Tobit模型分析，結果見表4。

由表4可以得出如下結論：

1）出口交貨值指標與行業TFP負相關，與預期相反，且不顯著。其原因可能與我國目前的飲料制造業產品市場主要在國內，受國際環境的影響較小有關。這也從一個側面反映了當前飲料制造業發展滯后，國際市場競爭力有限。

2）人均資本與行業TFP間顯著正相關，與預期一致。表明當前中國飲料制造業人均資本的投入還相對不足，企業可以通過增加資本投入，進一步改善技術，進而提高行業全要素生產效率。

3）市場競爭程度指標對TFP具有不顯著的負向影響，與預期相反。這可能與中國飲料行業過度競爭有關，同時，現階段飲料制造企業大多是勞動密集型企業，針對競爭的創新活動對其效率提高程度有限。

4）企業規模指標與行業TFP顯著正相關，表明現階段隨著企業規模的不斷擴大，規模效應超過了管理成本的增加，未來可以通過橫向聯合和縱向兼并進行行業整合，進一步發揮規模經濟效應。

5）與預期相反，勞動力成本與TFP間具有顯著的正相關。究其原因，可能與當前飲料行業屬于勞動密集型產業有關，即當勞動力成本增加時，會刺激企業更多地引進新知識、新技術、新設備，以替代勞動力，使得生產效率提高，這也從側面印證了技術進步在行業TFP增長中的重要貢獻。

5 結論與建議

本研究采用非參數的DEA-Malmquist指數方法，對飲料制造業13個細分行業2003-2010年全要素生產率進行測算，并考察了影響全要素生產率的因素，主要結論如下。

1）在考察期間，中國飲料制造業TFP的年均增長率為1.5%，但總體上一直呈下降的趨勢，其中，技術進步是TFP增長的主要動力，年均增長率為1%。從各細分行業上看，大部分平均Malmquist生產率指數呈現增長態勢。同時，技術進步率變化與TFP指數變化保持著較高的同步性，進一步說明技術進步是中國飲料制造業TFP增長的主要來源，而技術效率對其影響較小，其原因可能是飲料制造業的大部分行業仍然存在規模不經濟、管理者缺乏經營方面的理性、企業治理機制不完善及競爭無序等問題。隨著工業化和城市化進程的不斷加快，提高中國飲料制造業行業TFP，必須從行業生產的技術進步和技術效率兩個方面同時加以改進，特別是技術效率的提高對我國飲料行業的發展至關重要。

2）Tobit模型回歸結果表明，在5個影響因素中，人均資本、企業規模和勞動力成本3個指標對中國飲料制造業TFP有顯著的正向影響，而出口交貨值和市場競爭程度兩個指標與TFP間存在不顯著的負相關性。綜合起來看，未來飲料制造業要加快外向型建設步伐，增強國際競爭力；增加資本投入，進一步改善技術；加快橫向聯合和縱向合并的步伐，發揮規模經濟效應；加大企業技術改進的力度，鼓勵創新等。

參考文獻：

[1] 李春頂.中國制造業行業生產率的變動及影響因素——基于 DEA 技術的1998-2007年行業面板數據分析[J].數量經濟技術經濟研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中國工業行業全要素生產率增長的決定因素：1996-2007[J].北京師范大學學報（社會科學版），2011（1）：133-141.

[3] 干春暉，鄭若谷.中國工業生產績效：1998-2007——基于細分行業的推廣隨機前沿生產函數的分析[J].財經研究，2009，35（6）：97-108.

[4] 鄭兵云，陳 圻.轉型期中國工業全要素生產率與效率——細分行業的隨機前沿模型分析[J].數理統計與管理，2010，29（3）：480-489.

[5] 宮俊濤，孫林巖，李 剛.中國制造業省際全要素生產率變動分析——基于非參數Malmquist指數方法[J].數量經濟技術經濟研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中國制造業全要素能源效率研究——基于制造業 28個行業的實證分析[J].當代經濟科學，2010，32（2）：20-25.

[7] 王艷華，王 軍，張越杰.吉林省農產品加工業全要素生產率變動及其分解分析——基于Malmquist生產率指數的實證研究[J].農業技術經濟，2010（10）：108-114.

[8] 李 鵬，曾 光.我國農副食品加工業全要素生產率研究——基于17個細分行業數據[J].中國農業大學學報，2012，17（4）：179-184.

[9] 于海龍，李秉龍.中國乳業的全要素生產率及影響因素分析——基于DEA-Tobit模型分析[J].西安財經學院學報，2012，25（5）：33-38.

2）Tobit模型回歸結果表明，在5個影響因素中，人均資本、企業規模和勞動力成本3個指標對中國飲料制造業TFP有顯著的正向影響，而出口交貨值和市場競爭程度兩個指標與TFP間存在不顯著的負相關性。綜合起來看，未來飲料制造業要加快外向型建設步伐，增強國際競爭力；增加資本投入，進一步改善技術；加快橫向聯合和縱向合并的步伐，發揮規模經濟效應；加大企業技術改進的力度，鼓勵創新等。

參考文獻：

[1] 李春頂.中國制造業行業生產率的變動及影響因素——基于 DEA 技術的1998-2007年行業面板數據分析[J].數量經濟技術經濟研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中國工業行業全要素生產率增長的決定因素：1996-2007[J].北京師范大學學報（社會科學版），2011（1）：133-141.

[3] 干春暉，鄭若谷.中國工業生產績效：1998-2007——基于細分行業的推廣隨機前沿生產函數的分析[J].財經研究，2009，35（6）：97-108.

[4] 鄭兵云，陳 圻.轉型期中國工業全要素生產率與效率——細分行業的隨機前沿模型分析[J].數理統計與管理，2010，29（3）：480-489.

[5] 宮俊濤，孫林巖，李 剛.中國制造業省際全要素生產率變動分析——基于非參數Malmquist指數方法[J].數量經濟技術經濟研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中國制造業全要素能源效率研究——基于制造業 28個行業的實證分析[J].當代經濟科學，2010，32（2）：20-25.

[7] 王艷華，王 軍，張越杰.吉林省農產品加工業全要素生產率變動及其分解分析——基于Malmquist生產率指數的實證研究[J].農業技術經濟，2010（10）：108-114.

[8] 李 鵬，曾 光.我國農副食品加工業全要素生產率研究——基于17個細分行業數據[J].中國農業大學學報，2012，17（4）：179-184.

[9] 于海龍，李秉龍.中國乳業的全要素生產率及影響因素分析——基于DEA-Tobit模型分析[J].西安財經學院學報，2012，25（5）：33-38.

2）Tobit模型回歸結果表明，在5個影響因素中，人均資本、企業規模和勞動力成本3個指標對中國飲料制造業TFP有顯著的正向影響，而出口交貨值和市場競爭程度兩個指標與TFP間存在不顯著的負相關性。綜合起來看，未來飲料制造業要加快外向型建設步伐，增強國際競爭力；增加資本投入，進一步改善技術；加快橫向聯合和縱向合并的步伐，發揮規模經濟效應；加大企業技術改進的力度，鼓勵創新等。

參考文獻：

[1] 李春頂.中國制造業行業生產率的變動及影響因素——基于 DEA 技術的1998-2007年行業面板數據分析[J].數量經濟技術經濟研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中國工業行業全要素生產率增長的決定因素：1996-2007[J].北京師范大學學報（社會科學版），2011（1）：133-141.

[3] 干春暉，鄭若谷.中國工業生產績效：1998-2007——基于細分行業的推廣隨機前沿生產函數的分析[J].財經研究，2009，35（6）：97-108.

[4] 鄭兵云，陳 圻.轉型期中國工業全要素生產率與效率——細分行業的隨機前沿模型分析[J].數理統計與管理，2010，29（3）：480-489.

[5] 宮俊濤，孫林巖，李 剛.中國制造業省際全要素生產率變動分析——基于非參數Malmquist指數方法[J].數量經濟技術經濟研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中國制造業全要素能源效率研究——基于制造業 28個行業的實證分析[J].當代經濟科學，2010，32（2）：20-25.

[7] 王艷華，王 軍，張越杰.吉林省農產品加工業全要素生產率變動及其分解分析——基于Malmquist生產率指數的實證研究[J].農業技術經濟，2010（10）：108-114.

[8] 李 鵬，曾 光.我國農副食品加工業全要素生產率研究——基于17個細分行業數據[J].中國農業大學學報，2012，17（4）：179-184.

[9] 于海龍，李秉龍.中國乳業的全要素生產率及影響因素分析——基于DEA-Tobit模型分析[J].西安財經學院學報，2012，25（5）：33-38.