中國制造業生產率增長研究

王蛟龍，代智慧

（中南財經政法大學 經濟學院，武漢 430073）

0 引言

改革開放以來，我國經濟快速增長，制造業也獲得了發展良機，取得了長足的進步。但是在勞動生產率方面，我國同發達經濟國家和地區相比，仍舊有相當大差距，這就導致了我國制造業生產效率不高。因此，研究我國制造業的生產率增長，對于提升制造業生產效率，促進制造業發展有重要意義。

對于我國企業生產率的研究，學者們選擇的數據和方法存在差異。測算生產率方法主要分為參數和非參數兩大類方法。先前的生產率測算主要采用宏觀層面匯總的數據，其缺陷在于測算結果的準確性以及難以反映經濟體結構的動態變化和企業的異質性。與現有研究相比，本文將從以下幾方面進行拓展分析：一是本文通過ACF方法進行了中國制造業企業1999—2016年全要素生產率的測算，目前此方法在國內的運用還較少，而且是從企業的層面進行測算；二是本文對于全要素生產率研究的兩種主流方法——ACF方法與LP方法做了一個比較研究，更加直觀地看出ACF方法在對內生性的優化處理以及計算結果方面更加精確；三是本文通過對我國制造業三類行業結構的生產率情況加以比較，結合國家最新產業政策進行分析。

1 研究方法

1.1 LP方法

通常采用Cobb-Douglas生產函數。本文對于C-D函數取對數就可以將其轉化為如下線性形式:

式（1）中，yit為取對數的企業的產出增長值；kit為取對數的資本存量；lit為取對數的勞動力投入量；mit為取對數的中間投入品使用量；ωit為研究者無法觀測的隨時間變化的企業生產率，但是企業相關決策者卻可以觀測到；εit為偏離預設水平的生產率沖擊及測量被解釋變量產生的誤差。其中，yit、kit、lit這些都能被觀察。而ωit和εit則是兩個計量無法觀察項。

LP方法設定中間投入品使用量mit是關于生產率ωit和資本存量kit的函數，mit=ft（kit，ωit），在給定kit的條件下，設定mit是關于生產率ωit的嚴格單調函數，求出ωit關于mit、kit的反函數，ωit=（kit，mit），代入式（1）中，可以得到：

（1）LP方法的第一階段：

本文用資本和中間品使用量的多項式來擬合全要素生產率，來估算相關系數。得到LP方法第一階段的廣義矩估計：

（2）LP方法的第二階段：

1.2 ACF方法

本文考慮“增長值”生產函數：

式（5）中，yit為取對數的企業的增長值（注：這里同OP方法一樣，是企業的增長值）；kit為取對數的資本存量；lit為取對數的勞動力投入量；ωit為企業的異質性生產率，隨時間變化；εit為偏離預設水平的生產率沖擊及測量被解釋變量產生的誤差。

ACF方法提出一種新的數據生成機制（GPD）:

公司積累資本根據下式確定：

這里，投資iit-1在時期t-1被選擇，決定的指標為kit。勞動投入lit有潛在的動態隱含意義，在時期t-b被選擇（0＜b＜1）。在時期t，決定的指標為mit。

中間投入品如下定義：

給定這些假設，可以求出ωit的反函數表達，并代入到生產函數，式（1）中可以得到：

（1）ACF方法的第一階段

對式（6）采取多項式的擬合，并用OLS方法進行回歸，可以得到的估計值。這完成了ACF估計的第一階段。具體為用kit、lit、mit的二次多項式（包括水平值、二次項以及交叉項）來表示（kit，lit，mit）。代入式（6）中，用實際的數據做OLS回歸，得到二次多項式的具體表達式，即估計值。于是可以得到εit的表達式：

（2）ACF方法的第二階段

矩條件一：

這里設定生產率變動遵從馬爾科夫的一階過程，ωt=E[ωt|ωt-1]+ξt，ξt是生產率沖擊且與資本kit不相關。

考察ωit的時期t-1條件期望，可以得到：

矩條件二：

矩條件三：

條件四（非條件矩）：

相比較于LP方法，ACF方法在第二階段需要估計一個額外參數βl，于是ACF方法需要一個額外的非條件矩。為了說明，本文定義ωit：

將ωit的表達式代入式（11），并用多項式乘積形式表達矩陣的方法，于是得到：

由上述4個條件，算出4個值β0、βk、βl和ρ。

最后，計算出ωit=?（kit，lit，mit）-（β0+βkkit+βllit）。

2 變量選擇與數據處理

本文測算我國制造業企業1999—2016年全要素生產率，使用了ACF方法和LP方法，基礎數據來自我國1998—2016年《中國統計年鑒》《中國工業經濟統計年鑒》以及出自國家統計局的《中國工業企業數據庫》。由于LP、ACF方法的測算過程中，在計算當期的企業生產率的過程中，需要用到前一期同一家企業的信息集。因此需要采集1998—2016年相關數據，1998年的企業數據作為第一期數據，供1999年企業測算生產率使用，即具體的測算研究是從1999年開始的。

盡管中國工業企業數據庫比較詳實，但其中也存在記錄有誤的樣本和空缺項[1]。參照謝千里等（2008）[2]、楊汝岱（2015）[3]并結合實際變量的需要，本文選取了制造業企業，并對數據做了相應篩選：一是刪除了變量有所遺漏的樣本，比如剔除工業增加值、工業總產值、工業銷售額小于或等于0的樣本；二是提取了從業企業職工人數大于或等于8的樣本；三是剔除生產率過大和過小的企業樣本。

經過處理后的數據中，1998—2016年的企業樣本一共5171610家企業，其中相鄰兩年能夠匹配上，適用于計算全要素生產率的企業樣本一共3631089家企業。

本文測算過程中采用企業工業增加值作為產出量，中間投入品是包括原材料、電、石油等的加總值。同時做了價格指數平減處理，用各變量數據除以對應價格平減指數，從而得到實際值，從中經網統計數據庫中得到價格平減指數表（以1995年為第一期）。計算折舊時使用永續盤存法，用實際投資值做為投資量計算。勞動變量指標采用企業從業人數。

3 實證分析

3.1 全要素生產率測算結果

本文采用ACF與LP方法對我國制造業企業1998—2016年企業數據進行測算，使用軟件版本為Stata12.0，用Stata軟件包levpet來測算，得出了1999—2016年我國制造業企業TFP，再采用各企業的工業增加值為權重，從行業層面來研究計算生產率。具體結果如下頁表1所示。

表1 我國制造業分行業資本、勞動系數彈性（ACF方法測算結果）

3.2 生產率的行業比較分析

相同測算研究和相關檢測后，本文發現ACF方法在內生性問題上更有優越性，獲得了相對較好的估算結果，本文中主要用ACF方法測算的TFP結果作為分析的依據。通過兩種方法的比較，ACF方法在解決內生性上有以下幾個方面的優越性：一是，ACF方法具體的參數估計從第二階段才開始，無論是模型還是測算更為簡潔；二是，ACF方法同LP方法都是半參數的方法，在實際運用過程中適用范圍更廣泛；三是，ACF方法在第二階段運算過程中巧妙地運用了相同矩條件的轉換運算，對參數進行估計，有效克服內生性。

本文估算出的我國制造業TFP的各年均值為3.04，與魯曉東和連玉君（2012）[4]、楊汝岱（2015）[3]等的結果大致相符。從TFP年均速度來看，我國制造業TFP1999—2016年均增長速度為7.27%，這也與邵軍等（2011）[5]、余淼杰等（2015）[6]利用宏觀和行業數據，估算出90年代以來TFP年均增長約為5%的結果大致相符。但由于各學者采用的年份數據不同，估算方法不同，得出的我國TFP年均增長速度有所差異，但大多數文獻發現我國TFP年均增長速度在3%～6%之間，本文得出的TFP年均7.27%的增長速度略高于此范圍。

從勞動密集型行業、技術密集型行業、資本密集型行業的TFP年均增長速度分別為7.18%、6.91%、7.70%。可以得出：技術密集型行業的TFP年均增長速度最低；與之比較，勞動密集型行業、資本密集型行業的TFP年均增長速度反而高些。

我國制造業分行業中生產率增長最快的是黑色金屬冶煉及壓延加工業、石油加工、煉焦及核燃料加工業、電氣機械及器材制造業，可以看出這幾個行業都屬于高新技術相關行業，生產率增長迅速。

4 結論

本文基于1998—2016年我國制造業行業的面板數據，采用ACF方法和LP方法，先后測算出我國制造業企業層面全要素生產率，進行分行業資本、勞動系數彈性分析等，得到以下結論：

第一，從整體看，我國制造業的整體生產率在1999—2016年是穩步增長的。其中1999—2001年增長格外迅猛，規模以上企業數也逐步增長。這也反映出這段時期制造業發展環境良好，很大程度上得益于國家行業政策宏觀調控。

第二，亟需提高我國技術密集型行業的技術集中度，提倡科技創新，推動技術進步。技術密集型行業的技術創新、技術使用度需要進一步提高，很多分類上是“技術密集型”的企業，例如電子計算機的制造企業等，其中核心的技術如電腦芯片的制造，都來源于國外。技術度不高的資本密集型行業、勞動密集型行業的生產率卻一直在穩步增長。勞動密集型行業如紡織業等，吸納了社會相當多的勞動力，對于維持國民經濟正常運行，解決就業問題有著特殊的作用，依舊需要鼓勵和推動該行業持續進步，實現合理與優化發展。

第三，高新技術行業是生產率增長最快的行業，相關的行業扶持政策效果較為顯著。傳統行業的生產率增長較慢，如文教體育用品制造業、家具制造業、服裝等，推行傳統行業技術革新任重道遠，需要有新的產業政策來積極引導，實現穩定持續發展。