我國鋼鐵企業(yè)全要素生產(chǎn)率的實證研究

李凌云

（上海交通大學(xué)，上海 200030）

一、引言

國內(nèi)鋼鐵行業(yè)在過去的六十多年里，經(jīng)歷了飛速發(fā)展。從規(guī)?？偭繉用?，1949年，中國鋼鐵產(chǎn)量僅15.8萬噸，不及當(dāng)年世界鋼鐵總產(chǎn)量的0.1%。而到2007年，中國年產(chǎn)鋼已達(dá)到48924萬噸，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，本文的宗旨即是對發(fā)展中的鋼鐵行業(yè)效率進(jìn)行評估。

本文將針對鋼鐵行業(yè)全要素生產(chǎn)率進(jìn)行估計。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)增長不能被資本、勞動投入解釋的部分。對于國內(nèi)的研究，早期由于數(shù)據(jù)的限制，研究主要集中在國家和省級層面。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)庫的出現(xiàn)，學(xué)者開始以廠商為對象進(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)用于比較不同時期的消費變化。Caves (1982) 等首次將其用來衡量生產(chǎn)率。Malmquist 生產(chǎn)率指數(shù)不需要相關(guān)的價格信息，可以對全要素生產(chǎn)率進(jìn)行分解并研究其增長的源泉。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、勞動力投入序列對應(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)也可以用于縱向時間序列對比。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，即以全國或省市為研究對象。國內(nèi)學(xué)者也利用Malmquist 指數(shù)對各產(chǎn)業(yè)進(jìn)行全要素生產(chǎn)率的測度：方福前和張艷麗（2010）利用Malmquist 指數(shù)對中國農(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)率增長的主要原因,而鄉(xiāng)村從業(yè)人員對農(nóng)業(yè)生產(chǎn)效率、財政支農(nóng)的力度和農(nóng)業(yè)的地位均會顯著影響農(nóng)業(yè)全要素生產(chǎn)率的變動；沈能（2006）、楊向陽和徐翔（2006）基于Malmquist 指數(shù)方法,分別研究了中國制造業(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，兩個行業(yè)的全要素生產(chǎn)率都在增長，但技術(shù)效率的下降，卻對全要素生產(chǎn)率產(chǎn)生了負(fù)面影響；省級層面，徐小鷹（2010）采用2000～2008年湖北省13 個地級市的面板數(shù)據(jù),對湖北省各地區(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)擾動項，隨機(jī)前沿方程可以寫成：

其中，yt表示第i 個廠商的產(chǎn)量，xi為廠商投入，為邊f(xié)(xi；β)界產(chǎn)出，β 則為待估計的技術(shù)參數(shù)。TEi即為技術(shù)效率，表示為實際產(chǎn)量與最大產(chǎn)量之比。TEi=1 時，廠商達(dá)到產(chǎn)出邊界。因此TEi≤1 實際中，常常認(rèn)為TEi是一個服從某一特定分布的隨機(jī)變量。隨機(jī)項是作用于生產(chǎn)函數(shù)的沖擊，這些沖擊并非直接針對廠商或潛在技術(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，且等式兩邊同時取對數(shù)，

其中νi為噪音項，一般假設(shè)服從正態(tài)分布。而ui非負(fù)，表示技術(shù)無效性，νi和ui共同組成了擾動項，該式常被稱作“組合擾動模型”（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) 考察了美國制造業(yè)的技術(shù)無效而Green and Mayes (1991)則分析了英國企業(yè)的技術(shù)無效性。Isik 和Hassan（2003）以19 實際80年代土耳其商業(yè)銀行競爭化政策為背景（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DEA-Malmquist全要素生產(chǎn)率指數(shù)變化，研究了金融管制的松動對商業(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)展的作用實際上就是改革推動生產(chǎn)率增長的主要過程。姚洋(1998)通過從工業(yè)企業(yè)數(shù)據(jù)庫中抽樣進(jìn)行隨機(jī)前沿分析表明,集體和外國三資企業(yè)對其所在的行業(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)率增長的最重要動力。傅曉霞和吳利學(xué)（2006）在隨機(jī)前沿的框架下對各地產(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經(jīng)濟(jì)增長的主要源泉,但全要素生產(chǎn)率對經(jīng)濟(jì)增長貢獻(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測算全要素生產(chǎn)率。Miller and Upadhyay(2000)通過半?yún)⒎椒ü烙嬃思涌偵a(chǎn)函數(shù)得到全要素生產(chǎn)率估計后，研究了開放程度，貿(mào)易傾向和人力資本對全要素生產(chǎn)率的影響發(fā)現(xiàn)，開放的經(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，但對于窮國而言，生產(chǎn)率與開放度呈現(xiàn)交互作用。Brandt 和Zhang（2009）利用Olley-Packs 方法估計了生產(chǎn)函數(shù)后得到中國加入世貿(mào)組織前后中國TFP 變化，認(rèn)為國內(nèi)全要素生產(chǎn)率高于同期其他國家。Yu SHENG,Ligang SONG(2012)利用企業(yè)級數(shù)據(jù)，測算了鋼鐵行業(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)生性帶來的偏差，本文主要采用Olley-Pakes（1996）和Levinsohn-Petron（2003）兩種方法估計生產(chǎn)函數(shù)。兩種方法均采用兩步法。先識別出勞動力系數(shù)，再識別出資本的系數(shù)。原理相同，后者是對前者的改進(jìn)。

本文同時還使用了OLS，固定效應(yīng)方法作為對照。

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的對數(shù)形式，是殘差項，與自變量無關(guān)。而是經(jīng)濟(jì)學(xué)家無法觀測而廠商可觀測的隨時間變化的生產(chǎn)率。當(dāng)廠商觀測到本期的生產(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 方法通過將分別寫作投資的函數(shù)，從而巧妙地回避了這一問題，得到了無偏估計，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 方法將寫成了中間投入的函數(shù)。具體參見Olley-Pakes（1996）和Levinsohn-Petron（2003）。

三、數(shù)據(jù)選取

本文所使用的數(shù)據(jù)來自中國工業(yè)企業(yè)數(shù)據(jù)庫。該數(shù)據(jù)庫統(tǒng)計對象為“規(guī)模以上工業(yè)法人企業(yè)”，即國有和主營業(yè)務(wù)收入500萬元/年及以上的非國有工業(yè)法人企業(yè)，統(tǒng)計指標(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 個廠商，對應(yīng)47867 個觀測值，去除序列長度不足3年的觀測值后還剩8102 家廠商，共37199 個觀測值，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

可以看到四個回歸得到的勞動力投入彈性在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，通過計算方程的殘差即可得到企業(yè)的全要素生產(chǎn)率的對數(shù)形式，即

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

表2 全要素生產(chǎn)率年平均估計值（對數(shù)形式）

表3 全要素生產(chǎn)率年增長估計值

四種方法得到的全要素生產(chǎn)率都顯示出逐年增長的大趨勢，不過進(jìn)一步研究增量可以看到，2001年和2005年出現(xiàn)過兩次增速放緩，可行的解釋是2001年是中國進(jìn)入WTO 第一年，進(jìn)口給鋼鐵業(yè)帶來了沖擊。

由于98 亞洲金融危機(jī)以來，國家一直維持著積極寬松的財政政策以擴(kuò)大內(nèi)需，確保經(jīng)濟(jì)增長。在此期間，鋼鐵、水泥、電解鋁三大行業(yè)為國民經(jīng)濟(jì)持續(xù)快速發(fā)展做出了重要貢獻(xiàn)。但同時三大行業(yè)在發(fā)展中投資增長過快，生產(chǎn)能力超出市場預(yù)期需求，產(chǎn)品結(jié)構(gòu)不合理，高消耗、高污染、低產(chǎn)出的問題十分嚴(yán)重。在2003年投資增長接近翻番的基礎(chǔ)上，2004年前兩個月，鋼鐵工業(yè)投資增速達(dá)到1726%；2004年，為了抑制投資過熱，國家進(jìn)行了宏觀調(diào)控，降低GDP 增速預(yù)期。同時提出將嚴(yán)格控制鋼鐵、水泥、電解鋁等過熱行業(yè)。

五、結(jié)論及展望

本文通過Olley-Pakes 等方法，采用生產(chǎn)函數(shù)方法對我國鋼鐵行業(yè)進(jìn)行了估計。結(jié)果表明，在1999 至2007年間，鋼鐵行業(yè)全要素生產(chǎn)率保持良好增長趨勢，不過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)來看鋼鐵企業(yè)的發(fā)展，尤其關(guān)注河北省等幾個鋼鐵重點生產(chǎn)區(qū)域。從而對我國鋼鐵企業(yè)效率有更深入的認(rèn)識。