產(chǎn)能過剩到供給側(cè)改革視角下一般制造業(yè)全要素生產(chǎn)率演變研究
——以北京為例

林陟峰，何維達，2(.北京科技大學 東凌經(jīng)濟管理學院，北京 00083；2.新疆財經(jīng)大學 經(jīng)濟學院，新疆 烏魯木齊 83002)

一、引 言

目前中國正推行供給側(cè)結(jié)構(gòu)性改革，以化解一般制造業(yè)中存在的產(chǎn)能過剩問題。產(chǎn)能過剩問題的發(fā)展和供給側(cè)改革的治理歷程大致可分為四個階段*1978—1995年因居民收入水平低下導致的部分產(chǎn)品過剩不同于本文討論的產(chǎn)能過剩，因此本文沒有將這一階段納入實證研究范圍。：第一階段為1996—2002年，產(chǎn)能過剩初顯。中國政府采取緊縮的經(jīng)濟政策緩解通貨膨脹，同時亞洲金融危機的沖擊導致市場疲軟、庫存增加以及國內(nèi)市場低迷的消費和投資引發(fā)產(chǎn)能過剩[1]。第二階段為2003—2007年，產(chǎn)能過剩與產(chǎn)能不足并存。中國加入世界貿(mào)易組織后深化對外開放，一般制造業(yè)迎來大規(guī)模投資建設(shè)的同時開始出現(xiàn)產(chǎn)能利用率低的問題，而部分勞動密集型和出口導向型的一般制造業(yè)卻出現(xiàn)了產(chǎn)能不足[2-3]。第三階段為2008—2012年，產(chǎn)能過剩加劇。為應(yīng)對美國金融危機，中國政府出臺了“四萬億”投資計劃，基建和地產(chǎn)等行業(yè)的蓬勃發(fā)展與企業(yè)投資的“潮涌現(xiàn)象”加劇了一般制造業(yè)的過度生產(chǎn)[4]。第四階段為2013年至今，供給側(cè)結(jié)構(gòu)性改革階段。中央和地方出臺各項去產(chǎn)能、去庫存政策，大力治理產(chǎn)能過剩問題[5]。分析一般制造業(yè)在產(chǎn)能過剩各階段的投入產(chǎn)出情況和全要素生產(chǎn)率變化，有助于推進供給側(cè)結(jié)構(gòu)性改革的實施。

二、文獻綜述

國內(nèi)外學者就制造業(yè)全要素生產(chǎn)率(Total Factor Productivity，TFP)演變展開了豐富的研究。研究內(nèi)容上，主要集中于時間和空間兩個維度的TFP演變研究，包括制造業(yè)TFP及分解效率值的測算及隨時間演變的原因分析、制造業(yè)TFP空間分布的演變及收斂性分析。楊汝岱測算得到1998—2009年間中國制造業(yè)的全要素生產(chǎn)率年均增長3.83%，環(huán)比年均增長3.35%，發(fā)現(xiàn)改善資源配置效率是進一步提高制造業(yè)增長的新模式[6]。汪輝平等則分別對中國工業(yè)和制造業(yè)企業(yè)的TFP展開實證研究，發(fā)現(xiàn)TFP快速增長主要依靠技術(shù)進步帶動[7-8]。沈能則采用DEA-Malmquist指數(shù)法對1985—2003年間中國制造業(yè)TFP及其空間分布特征展開實證研究，發(fā)現(xiàn)東、中和西部地區(qū)制造業(yè)TFP以及技術(shù)進步增長率差距呈發(fā)散趨勢[9]。研究視角上，從宏觀到微觀依次有針對一國制造業(yè)或工業(yè)整體的TFP演變研究、針對地區(qū)或省市的制造業(yè)TFP研究、關(guān)注制造業(yè)細分行業(yè)的TFP演變研究，再到關(guān)注微觀制造業(yè)企業(yè)的TFP演變研究。

研究方法上，TFP的測算方法主要有四種，分別是回歸生產(chǎn)模型、隨機前沿分析(Stochastic Frontier Analysis，SFA)、指數(shù)法和數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis，DEA)，前兩種為參數(shù)方法，后兩種為無參數(shù)方法，兩種方法各有優(yōu)劣。參數(shù)方法需要事先設(shè)定生產(chǎn)函數(shù)形式，估計過程考慮了隨機誤差項即非投入影響因素，同時能對估計參數(shù)和模型本身進行檢驗。運用SFA方法進行TFP研究的文獻普遍采用的是Battese和Coelli提出的隨機前沿模型，該模型對技術(shù)無效率項的數(shù)學形式和技術(shù)無效率項與隨機項的概率分布做出假設(shè)[10-11]。非參數(shù)方法能測算多投入多產(chǎn)出情況下的TFP，還可采用Malmquist指數(shù)法將TFP分解為規(guī)模效率、純技術(shù)效率、技術(shù)變動進行深入探討，但沒有考慮隨機誤差，影響效率估計效果是對TFP的有偏估計[12]。

綜合看來，在研究內(nèi)容上現(xiàn)有研究多是探討長期內(nèi)中國制造業(yè)的TFP演變，較少有文獻專門討論從產(chǎn)能過剩伊始至供給側(cè)改革期間制造業(yè)TFP的變化；在研究視角上，針對制造業(yè)細分產(chǎn)業(yè)的TFP研究中，較少有研究探討深受產(chǎn)能過剩困擾的一般制造業(yè)TFP演變情況。鑒于此，本文選擇2000—2014年一般制造業(yè)18個細分產(chǎn)業(yè)面板數(shù)據(jù)，采用SFA方法和Kumbhakar提出的全要素生產(chǎn)率測算與分解方法，對一般制造業(yè)全要素生產(chǎn)率的演變展開實證研究[13]。北京作為首都常是經(jīng)濟政策的先行地，因此以北京一般制造業(yè)為例展開研究具有代表性，也可為其他省市的研究提供借鑒。

三、數(shù)據(jù)處理與指標選擇

(一)數(shù)據(jù)處理

北京一般制造業(yè)細分產(chǎn)業(yè)可得數(shù)據(jù)的最早年份為1999年，考慮本文所用模型方法需進行增量計算，因此將考察期定為2000—2014年，這一時期跨度也較好地涵蓋了產(chǎn)能過剩問題發(fā)展的四個階段。由于缺失1996—1998年的數(shù)據(jù)，因此本文研究中產(chǎn)能過剩第一階段實際包含年份為2000—2002年。一般制造業(yè)細分產(chǎn)業(yè)的劃分標準采用北京市統(tǒng)計局在《國民經(jīng)濟行業(yè)分類標準》(GB/T4754-2011)基礎(chǔ)上進行調(diào)整歸并后的制造業(yè)分類。一般制造業(yè)可分為都市制造業(yè)和基礎(chǔ)制造業(yè)，其中都市制造業(yè)涵蓋14個細分產(chǎn)業(yè)，基礎(chǔ)制造業(yè)涵蓋8個細分產(chǎn)業(yè)。因為煙草制造業(yè)、廢棄資源和廢舊材料回收加工業(yè)、化學纖維制造業(yè)數(shù)據(jù)缺失嚴重，而其在一般制造業(yè)工業(yè)總產(chǎn)值中占比極低，所以對這3個產(chǎn)業(yè)數(shù)據(jù)做刪除處理。塑料制品業(yè)和橡膠制品業(yè)自2012年起合并為塑料和橡膠制品業(yè)，因此對2000—2011年這兩個細分產(chǎn)業(yè)的數(shù)據(jù)進行合并處理，最終確定了18個細分產(chǎn)業(yè)，具體產(chǎn)業(yè)分類見表1。

表1 一般制造業(yè)分類

注：資料來源于北京市統(tǒng)計局網(wǎng)站。

(二)指標選擇

本文選擇了3個投入產(chǎn)出指標，分別是產(chǎn)出指標工業(yè)總產(chǎn)值(Y)、投入指標資本存量(K)和從業(yè)人員年平均人數(shù)(L)。工業(yè)總產(chǎn)值反映了產(chǎn)業(yè)整體的產(chǎn)出情況，本文選取歷年《北京統(tǒng)計年鑒》中的工業(yè)總產(chǎn)值(當年價格)作為該指標原始數(shù)據(jù)。為確保數(shù)據(jù)可比性，采用歷年《中國統(tǒng)計年鑒》提供的工業(yè)生產(chǎn)者出廠價格指數(shù)進行平減，統(tǒng)一調(diào)整為以2000年為基期的不變價工業(yè)總產(chǎn)值數(shù)據(jù)。資本投入用資本存量指標衡量，本文選取歷年《北京統(tǒng)計年鑒》提供的分行業(yè)固定資產(chǎn)合計來代表資本存量。固定資產(chǎn)合計是存量指標，它包括固定資產(chǎn)扣除累計折舊后的凈值和當期新增固定資產(chǎn)投入，采用歷年《中國統(tǒng)計年鑒》提供的固定資產(chǎn)投資價格指數(shù)進行平減，統(tǒng)一調(diào)整為以2000年為基期的不變價固定資產(chǎn)合計數(shù)據(jù)。選擇從業(yè)人員年平均人數(shù)來反映勞動力投入情況，數(shù)據(jù)源自歷年《北京統(tǒng)計年鑒》提供的分行業(yè)從業(yè)人員年平均人數(shù)。

四、模型方法

(一)構(gòu)建隨機前沿生產(chǎn)函數(shù)

本文采用Battese和Coelli構(gòu)建的SFA模型[10-11]，并參考Kumbhakar的模型設(shè)定[13]，將時間趨勢變量t作為自變量引入隨機前沿模型中，具體模型形式如下：

yit=f(xit,t；β)exp(-uit+vit)

uit=uiexp(-η(t-T))

(1)

假設(shè)取對數(shù)后式(1)中隨機前沿生產(chǎn)函數(shù)為超越對數(shù)生產(chǎn)函數(shù)形式，如式(2)所示：

(2)

之后，本文進行三輪估計以確保隨機前沿生產(chǎn)函數(shù)具有參數(shù)顯著性，運用Frontier 4.1 進行運算，結(jié)果如表2所示。模型(a)即為式(2)所示的超越對數(shù)生產(chǎn)函數(shù)形式，從結(jié)果可知β4、β5和β8的參數(shù)估計值不顯著，難以通過t檢驗，需要對生產(chǎn)函數(shù)形式進行調(diào)整，因此刪去顯著性最低的系數(shù)β8，構(gòu)建模型(b)，進行第二輪估計；第二輪估計結(jié)果顯示，β3、β4和β5的估計值不顯著，難以通過t檢驗，但其中β3的t檢驗值已十分接近顯著性水平為10%、自由度為261的單側(cè)t檢驗臨界值，因此生產(chǎn)函數(shù)形式的調(diào)整主要考慮β4和β5，刪去其中顯著性較低的β4構(gòu)建模型(c)，進行第三輪估計；第三輪估計結(jié)果顯示大部分系數(shù)估計值通過了顯著性水平為1%的t檢驗，β5通過了顯著性水平為10%的t檢驗，β3的t檢驗值接近顯著性水平為10%、自由度為262的單側(cè)t檢驗臨界值，因此從參數(shù)顯著性角度考慮，選擇模型(c)作為本文研究的北京一般制造業(yè)隨機前沿生產(chǎn)函數(shù)是合適的。

為進一步確保隨機前沿生產(chǎn)函數(shù)結(jié)構(gòu)形式的適宜性，本文參考Kim和Han所用的方法對模型(c)的結(jié)構(gòu)形式進行如下假設(shè)檢驗[14]：

表2 北京一般制造業(yè)隨機前沿生產(chǎn)函數(shù)估計結(jié)果

1.H0：γ=μ=η=0，技術(shù)無效率不存在，生產(chǎn)函數(shù)不包括隨機前沿參數(shù)。此時實際產(chǎn)出與前沿面最優(yōu)產(chǎn)出的差距來源于隨機誤差項，使用普通最小二乘法即可進行估計。

2.H0：η=0，技術(shù)無效率不隨時間變化。

3.H0：β6=β7=β9=0，技術(shù)進步不存在，隨時間發(fā)展技術(shù)不存在變動。

4.H0：β9=0，技術(shù)進步是希克斯中性的，即產(chǎn)出增長型技術(shù)進步。

5.H0：β3=β5=β7=0，此時生產(chǎn)函數(shù)是柯布—道格拉斯生產(chǎn)函數(shù)。

上述假設(shè)可通過似然比檢驗進行檢驗，其統(tǒng)計量LR如式(3)所示，L(H0)和L(H1)分別是原假設(shè)和備擇假設(shè)下的對數(shù)似然函數(shù)值。LR近似服從卡方分布，自由度為受限變量個數(shù)。當原假設(shè)包含γ=0時，LR近似服從混合卡方分布，對假設(shè)1的檢驗適用這一情況。表3呈現(xiàn)了上述檢驗結(jié)果，結(jié)果顯示1至5的原假設(shè)均被拒絕，結(jié)合前文參數(shù)顯著性檢驗的結(jié)果，可知模型(c)形式的隨機前沿生產(chǎn)函數(shù)適宜本文對北京一般制造業(yè)全要素生產(chǎn)率的研究，因此本文所用的隨機前沿模型具體形式如式(4)所示。

LR=-2[L(H0)-L(H1)]

(3)

uit+vit

(4)

表3 隨機前沿生產(chǎn)函數(shù)結(jié)構(gòu)形式檢驗結(jié)果

注：表中原假設(shè)1、3、4和5呈現(xiàn)的是5%置信水平下的臨界值，原假設(shè)2呈現(xiàn)的是10%置信水平下的臨界值。

(二)全要素生產(chǎn)率測算與分解

確定隨機前沿生產(chǎn)函數(shù)后進行全要素生產(chǎn)率(TFP)測算與效率分解，TFP可進一步分解為技術(shù)進步(TC)、技術(shù)效率(TEC)、規(guī)模效率(SEC)和配置效率(AEC)。要素價格數(shù)據(jù)可得性低導致AEC難以計算，研究中一般只將TFP分解為前三項。本文的投入要素固定資產(chǎn)合計和從業(yè)人員年平均人數(shù)各年的分行業(yè)要素價格數(shù)據(jù)缺失，因此將TFP分解為TC、TEC和SEC。TFP測算和分解方法參考Kumbhakar的研究[15]。

(5)

技術(shù)進步：

(6)

技術(shù)效率：

(7)

規(guī)模效率：

(8)

規(guī)模收益：

(9)

五、結(jié)果分析

(一)北京一般制造業(yè)整體TFP分析

從表4結(jié)果可知，2000—2014年北京一般制造業(yè)TFP均值為65.43%，四個階段的TFP依次為72.63%、64.18%、64.83%和59.27%。伴隨著產(chǎn)能過剩問題的初步顯露、逐漸爆發(fā)和著手治理，北京一般制造業(yè)的TFP呈現(xiàn)波動惡化的趨勢，投入產(chǎn)出水平逐漸偏離最優(yōu)生產(chǎn)前沿面。

從效率分解值看，TFP主要依靠TEC和TC拉動，TEC對TFP貢獻最大，SEC對TFP貢獻最小。在樣本期內(nèi)TC逐漸遞減表明隨著時間發(fā)展技術(shù)進步帶來的生產(chǎn)前沿面的移動程度逐漸變小。一般制造業(yè)經(jīng)歷了漫長的發(fā)展已進入一個相對成熟的發(fā)展階段，生產(chǎn)技術(shù)相對穩(wěn)定，因此科技創(chuàng)新帶來的生產(chǎn)前沿面移動能力變?nèi)?。另一方面，北京成功舉辦奧運會及近年空氣污染等環(huán)境問題的治理，都對北京一般制造業(yè)生產(chǎn)技術(shù)提出了更為嚴苛的要求。企業(yè)生產(chǎn)需要綠色地進行生產(chǎn)，這在一定程度上會表現(xiàn)為綠色生產(chǎn)技術(shù)改進，但最優(yōu)產(chǎn)出水平下降。TEC呈現(xiàn)波動遞減的趨勢，樣本期內(nèi)均值為55.34%，最高值也僅有62.18%，說明北京一般制造業(yè)的生產(chǎn)沒有充分發(fā)揮其技術(shù)潛能，出現(xiàn)了技術(shù)能力的閑置；SEC在樣本期內(nèi)劇烈波動，最高值為3.24%，最低值為-9.43%，均值為-0.82%；產(chǎn)能過剩的第一階段和第二階段的SEC均值為-0.17%和-3.67%，一般制造業(yè)陷入盲目投資和重復(fù)建設(shè)中，資本和勞動不合理的大規(guī)模投入拉低了TFP；產(chǎn)能過剩的第三階段和第四階段SEC均值為1.03%和0.67%，隨著產(chǎn)能過剩問題的爆發(fā)和著手治理，一般制造業(yè)要素投入愈發(fā)謹慎，帶來要素投入的規(guī)模效率得到改善。

表4 北京一般制造業(yè)TFP及效率分解值 單位：%

注：表中數(shù)據(jù)由作者計算整理所得，其中各年的TC、TEC、SEC和TFP是各個細分產(chǎn)業(yè)按其工業(yè)總產(chǎn)值占比為權(quán)重的加權(quán)平均值，各階段的TC、TEC、SEC和TFP為該階段所包含年份的各項均值。

(二)各階段細分產(chǎn)業(yè)TFP分析

表5報告了一般制造業(yè)的兩大產(chǎn)業(yè)都市制造業(yè)和基礎(chǔ)制造業(yè)在四個階段的TFP及效率分解值。整體看來基礎(chǔ)制造業(yè)的TFP大幅好于都市制造業(yè)，在第四階段二者的差距達到19.26%。都市制造業(yè)和基礎(chǔ)制造業(yè)TFP的差距主要源于效率分解值TEC?；A(chǔ)制造業(yè)包含的細分產(chǎn)業(yè)主要是冶金、化工等重工業(yè)，其生產(chǎn)流程大多使用大型機器和設(shè)備。其對技術(shù)的利用主要體現(xiàn)為生產(chǎn)線、機器設(shè)備和工藝的充分使用，在有充足的資本投入下基礎(chǔ)制造業(yè)較容易實現(xiàn)技術(shù)充分使用。而都市制造業(yè)包含的細分產(chǎn)業(yè)主要圍繞都市生活的各個方面，其生產(chǎn)過程受人為因素影響較大，需要更多的借助人為因素間接地實現(xiàn)技術(shù)使用。本文的計算結(jié)果顯示樣本期內(nèi)各年λL<λK*作者計算了各個細分產(chǎn)業(yè)各年和各階段的資本和勞動的產(chǎn)出彈性。因為表格篇幅較大，所以在文中沒有呈現(xiàn)，如需要可向作者索取。，即勞動的產(chǎn)出彈性低于資本的產(chǎn)出彈性，因此表現(xiàn)為都市制造業(yè)的TEC較低。

從第一階段到第四階段看，都市制造業(yè)和基礎(chǔ)制造業(yè)的TFP均呈現(xiàn)下降趨勢，下降幅度分別是22.32%和17.65%，說明愈發(fā)嚴重的產(chǎn)能過剩嚴重扭曲產(chǎn)業(yè)的投入產(chǎn)出。TC隨著產(chǎn)能過剩的階段發(fā)展均呈現(xiàn)下滑態(tài)勢， 主要原因是一般制造業(yè)本身技術(shù)和工藝已比較成熟。TEC隨著產(chǎn)能過剩的階段發(fā)展均呈不斷大幅下降態(tài)勢。都市制造業(yè)第四階段TEC相較第一階段降低了33.97%，逐階段的下降比率為10.86%、15.33%和12.51%?；A(chǔ)制造業(yè)第四階段TEC相較第一階段降低了20.14%，逐階段的下降比率為6.27%、8.63%和6.75%。隨著產(chǎn)能過剩愈發(fā)嚴重，大量的產(chǎn)品庫存和未被市場消化的產(chǎn)能影響了正常生產(chǎn)，使產(chǎn)業(yè)產(chǎn)出迫于市場壓力偏離最優(yōu)生產(chǎn)前沿面。四個階段中都市制造業(yè)和基礎(chǔ)制造業(yè)的SEC不斷波動變化，說明產(chǎn)業(yè)受產(chǎn)能過剩和市場影響不斷調(diào)整其資本和勞動的投入。

表5 四個階段都市制造業(yè)和基礎(chǔ)制造業(yè)TFP及效率分解值 單位：%

表6所示為各細分產(chǎn)業(yè)的TFP及效率分解值。細分產(chǎn)業(yè)中石油加工、煉焦及核燃料加工業(yè)A14、有色金屬冶煉及壓延加工業(yè)A18和農(nóng)副食品加工業(yè)A1的TFP排名最高，投入產(chǎn)出情況較好；木材加工及竹、藤、棕、草制品業(yè)A13、塑料和橡膠制品業(yè)A11和印刷業(yè)和記錄媒介的復(fù)制A9的TFP較低，在18個細分產(chǎn)業(yè)中處于靠后位置。

從效率分解值TC來看，各細分產(chǎn)業(yè)之間差異不大，TC平均值為12.27%，在樣本期內(nèi)各細分產(chǎn)業(yè)的技術(shù)發(fā)展速度較為接近。各細分產(chǎn)業(yè)TFP的效率分解值中TEC對TFP貢獻最大。從TEC來看，石油加工、煉焦及核燃料加工業(yè)A14、有色金屬冶煉及壓延加工業(yè)A18和農(nóng)副食品加工業(yè)A1擁有最好的技術(shù)效率，較為充分地利用已有技術(shù)開展生產(chǎn)；塑料和橡膠制品業(yè)A11、木材加工及竹、藤、棕、草制品業(yè)A13和印刷業(yè)和記錄媒介的復(fù)制A9的TEC最低，投入產(chǎn)出水平遠離生產(chǎn)前沿面。從SEC來看，化學原料及化學制品制造業(yè)A15、非金屬礦物制品業(yè)A16和紡織業(yè)A4的規(guī)模效率最佳；石油加工、煉焦及核燃料加工業(yè)A14、黑色金屬冶煉及壓延加工業(yè)A17和皮革、毛皮、羽毛(絨)及其制品業(yè)A6規(guī)模效率最低，其資本和勞動力的大量投入沒有得到相應(yīng)產(chǎn)出回報，反而拉低了該細分產(chǎn)業(yè)TFP。

表6 北京一般制造業(yè)細分產(chǎn)業(yè)TFP及效率分解值 單位：%

(三)測算結(jié)果比較分析

目前還未有考察SFA實證效果的具體檢驗方法，為確保實證結(jié)果的可靠性，參考程慧平的研究，將SFA測算的TFP效率值與DEA方法測算的TFP效率值進行比較分析[16]。本文是從產(chǎn)能過剩角度展開研究，因此選擇了產(chǎn)出導向規(guī)模報酬可變的BCC模型，選取與前文SFA方法相同投入產(chǎn)出指標，采用DEA-Malmquist方法進行計算*此處DEA方法計算結(jié)果主要用于考察SFA方法測算結(jié)果的可靠性，同時表格篇幅較大，因此沒有在文中呈現(xiàn)，如需要可向作者索取。，分別運用配對樣本T檢驗和Spearman等級相關(guān)檢驗對測算結(jié)果進行檢驗。配對樣本T檢驗結(jié)果顯示：SFA方法測算的TFP與DEA方法測算的TFP相關(guān)系數(shù)為0.577，線性相關(guān)的顯著性系數(shù)為0.012，說明兩種方法測算出的TFP呈高度相關(guān)關(guān)系；配對樣本T檢驗值為-15.026，自由度為17，T檢驗的雙尾顯著性概率為0.000，表明兩種方法測算的TFP具有顯著性差異，這主要源于計算過程中SFA方法考慮了隨機因素對產(chǎn)出的影響，而DEA方法僅考慮生產(chǎn)前沿與技術(shù)無效率項，沒有考慮隨機誤差項。同時，受限于要素價格數(shù)據(jù)缺失，SFA方法測算時沒有考慮配置效率，使得估算的效率值偏低。圖1展示了樣本期內(nèi)各年的SFA與DEA測算結(jié)果的比較，DEA測算的TFP普遍高于SFA測算的TFP，但整體上二者呈現(xiàn)相似的波動下降的趨勢。對兩種方法測算得到的各細分產(chǎn)業(yè)TFP進行Spearman等級相關(guān)檢驗，結(jié)果顯示：在5%的顯著性水平下，相關(guān)系數(shù)為0.509，雙尾顯著性概率為0.012，表明SFA和DEA測算的細分產(chǎn)業(yè)TFP排序具有顯著一致性。因此，整體看來SFA測算的TFP與DEA測算的TFP結(jié)果較為接近，可以認為前文測算結(jié)果有較好的可靠性。

圖1 2000-2014年SFA與DEA測算結(jié)果比較圖

六、結(jié)語

(一)研究結(jié)論

本文采用SFA方法和Kumbhakar提出的TFP測算與分解方法對2000—2014年北京一般制造業(yè)18個細分產(chǎn)業(yè)的TFP進行測算和效率分解，對產(chǎn)能過剩到供給側(cè)改革時期一般制造業(yè)各年、各階段和各細分產(chǎn)業(yè)的TFP和效率分解值情況進行了詳細的討論和分析，主要結(jié)論如下：

第一，整個產(chǎn)能過剩時期，北京一般制造業(yè)TFP呈現(xiàn)大幅下滑趨勢，2014年相較2000年TFP下降達21.03%，主要原因是時期內(nèi)TC和TEC出現(xiàn)大幅下滑。一般制造業(yè)經(jīng)過漫長的發(fā)展擁有了成熟的生產(chǎn)技術(shù)，通過技術(shù)進步帶來生產(chǎn)前沿移動的速度開始放緩，同時產(chǎn)能過剩導致市場積壓的大量產(chǎn)能反向影響產(chǎn)業(yè)生產(chǎn)，投入產(chǎn)出嚴重偏離最優(yōu)生產(chǎn)水平，出現(xiàn)技術(shù)無效率增高的情況；第二，產(chǎn)能過剩各個階段，基礎(chǔ)制造業(yè)的TFP都好于都市制造業(yè)的TFP，主要源于基礎(chǔ)制造業(yè)有較高的資本產(chǎn)出彈性和TEC，技術(shù)利用更為充分；第三，細分產(chǎn)業(yè)的TFP存在較大差異，其中石油加工、煉焦及核燃料加工業(yè)A14、有色金屬冶煉及壓延加工業(yè)A18和農(nóng)副食品加工業(yè)A1在產(chǎn)能過剩時期擁有較高的平均TFP，而木材加工及竹、藤、棕、草制品業(yè)A13、塑料和橡膠制品業(yè)A11以及印刷業(yè)和記錄媒介的復(fù)制A9的TFP較低。各細分產(chǎn)業(yè)間的TFP差異主要來自TEC差異，即各細分產(chǎn)業(yè)的技術(shù)利用充分程度不同。

(二)政策建議

針對上述分析與結(jié)論，為化解一般制造業(yè)產(chǎn)能過剩問題，做好供給側(cè)結(jié)構(gòu)性改革，本文提出如下政策建議：第一，持續(xù)推進一般制造業(yè)科技創(chuàng)新，著力改善當前一般制造企業(yè)研發(fā)投入低下的局面。政府可為技術(shù)創(chuàng)新表現(xiàn)突出的企業(yè)設(shè)置獎勵金和稅收優(yōu)惠政策，鼓勵更多企業(yè)提高研發(fā)水平。加強產(chǎn)學研合作，借助高校和科研機構(gòu)的力量幫助企業(yè)提高科技創(chuàng)新能力，實現(xiàn)技術(shù)進步進而提高TFP。第二，對于一般制造業(yè)中產(chǎn)能過剩的細分產(chǎn)業(yè)，在做好去產(chǎn)能去庫存的同時也要著力提高其產(chǎn)品的附加值。產(chǎn)能過剩問題中過剩的多是中低端產(chǎn)品，而高端產(chǎn)品國內(nèi)市場往往供應(yīng)不足需要進口，因此需要提高產(chǎn)品的附加值，實現(xiàn)產(chǎn)業(yè)高級化。第三，加快都市制造業(yè)的發(fā)展。北京作為首都和國際大都市，人口數(shù)量龐大，需配套發(fā)達的都市制造業(yè)才能滿足城市生活的需要。當前都市制造業(yè)TFP整體偏低，因此輔助都市制造業(yè)企業(yè)充分利用現(xiàn)有技術(shù)以提高技術(shù)效率，開發(fā)新生產(chǎn)技術(shù)與工藝實現(xiàn)技術(shù)進步是北京城市發(fā)展提出的新要求。

[1] 高越青.“中國式”產(chǎn)能過剩問題研究[D].大連：東北財經(jīng)大學博士學位論文，2015.

[2] 韓國高,高鐵梅,王立國，等.中國制造業(yè)產(chǎn)能過剩的測度、波動及成因研究[J].經(jīng)濟研究，2011,46(12).

[3] 鄭耀群,王婷.基于產(chǎn)能利用率測度下的中國產(chǎn)能過剩問題研究[J].統(tǒng)計與信息論壇,2017,32(3).

[4] 林毅夫,巫和懋,邢亦青.“潮涌現(xiàn)象”與產(chǎn)能過剩的形成機制[J].經(jīng)濟研究，2010,45(10).

[5] 喬俊峰,陳字旺.供給側(cè)改革背景下地方政府財政支出效率的影響因素[J].河南師范大學學報：哲學社會科學版,2017,45(6).

[6] 楊汝岱.中國制造業(yè)企業(yè)全要素生產(chǎn)率研究[J].經(jīng)濟研究，2015,50(2).

[7] 汪輝平,王美霞,王增濤.FDI、空間溢出與中國工業(yè)全要素生產(chǎn)率——基于空間杜賓模型的研究[J].統(tǒng)計與信息論壇,2016,31(6).

[8] 湯學良，宗大偉.局部知識溢出與企業(yè)全要素生產(chǎn)率演化——基于中國制造業(yè)企業(yè)數(shù)據(jù)的研究[J].貴州財經(jīng)大學學報，2017,35(1).

[9] 沈能.中國制造業(yè)全要素生產(chǎn)率地區(qū)空間差異的實證研究[J].中國軟科學，2006(6).

[10] Battese G E，Coelli T J.Frontier Production Functions，Technical Efficiency and Panel Data：With Application to Paddy Farmers in India[J].Journal of Productivity Analysis，1992，3(1-2).

[11] Battese G E，Coelli T J.A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995，20(2).

[12] 龐瑞芝，王亮.服務(wù)業(yè)發(fā)展是綠色的嗎?——基于服務(wù)業(yè)環(huán)境全要素效率分析[J].產(chǎn)業(yè)經(jīng)濟研究，2016(4).

[13] Kumbhakar S C.Production Frontiers，Panel Data，and Time-Varying Technical Inefficiency[J].Journal of Econometrics，1990，46(1-2).

[14] Kim S，Han G.A Decomposition of Total Factor Productivity Growth in Korean Manufacturing Industries：A Stochastic Frontier Approach[J].Journal of Productivity Analysis，2001，16(3).

[15] Kumbhakar S C.Estimation and Decomposition of Productivity Change When Production Is not Efficient：A Panel Data Approach[J].Econometric Reviews，2000，19(4).

[16] 程慧平.基于DEA和SFA方法的信息服務(wù)業(yè)技術(shù)效率研究[J].科學學與科學技術(shù)管理，2013，34(4).