工業企業全要素生產率測算淺析
前言：本站為你精心整理了工業企業全要素生產率測算淺析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
摘要：對不同企業類型的全要素生產率進行分行業測算，結果表明：第一，國有企業效率最高，私營和外資企業效率水平略低且較為較近；第二，在煙草制造業、文體娛樂用品制造業、石油煉焦核燃料加工業和汽車制造業等具有高壟斷程度和高數字化水平的行業，效率水平顯著突出。
近年來，隨著物聯網、大數據、人工智能等新興數字技術的迅速發展，數字經濟已成為全世界主流經濟發展方向。尤其在新冠肺炎疫情期間，中國經濟表現出強勁的反彈能力引起世界矚目，但是，從非常態化復蘇轉向常態化經濟增長，需要產業結構不斷轉型升級、混合所有制改革不斷深化等舉措多管齊下，因此，了解當前經濟新形勢下各類工業企業的效率水平，對進一步調整經濟結構、深化企業改革以現實綠色可持續發展具有一定的現實意義。
一、數字經濟現狀簡述
2021年，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》[1]正式發布，其中“建設數字中國”單列篇章，框定了7大數字經濟重點產業和10大數字應用場景，此外，國家發改委、工信部等相關部門聯合表明，要圍繞加快數字中國建設、發展數字經濟積極釋放密集利好。我國目前是擁有全球最多網民、最多年輕移動消費人口的國家，且已成為全球第一的電子商務大國、移動支付大國、智能物流大國以及互聯網就業大國。近年來，我國數字經濟增加值規模不斷擴大，數字經濟對GDP增長的貢獻率超50%以上，至2019年達到67.7%[2，3]，甚至超越了某些發達國家水平，數字經濟已成為近年來帶動經濟增長的核心動力（見圖1）。本文采用國家統計局發布的《中國統計年鑒—2020》[5]相關數據，以2019年的工業企業截面數據為樣本，基于Cobb-Douglas生產函數構建企業的全要素生產率計量模型，通過對國有及國有控股、私營、外商及港澳臺投資工業企業（以下簡稱“國有、私營、外資”）等不同所有制企業在41個行業中全要素生產率（TFP）的估計，比較不同行業、不同類型企業生產率的高低分布。
二、模型構建與指標選擇
（一）模型、方法的選擇
經濟增長的來源主要包含投入要素量的增長和生產率的提高兩種途徑。其中，生產率可以分為“單要素生產率（SFP）”和“全要素生產率（TFP）”。近現代以來，理論界普遍認為生產率的提高通過“全要素生產率（TFP）”來衡量更為客觀準確。全要素生產率的研究基礎是新古典經濟增長核算方法，其可定量測算各項投入要素和生產效率在經濟增長中的貢獻份額。在經濟增長核算理論中，TFP被視為包括技術進步、規模報酬遞增、生產效率提升、測算誤差等因素的“余值”，即等于產出增長率減去各項投入要素增長率的加權和。常見估計TFP的方法有兩種：一是新古典增長核算方法，其理論模型簡潔，是一種非參數的實證估計方法；二是計量經濟學方法，一般將總產出或增加值作為被解釋變量，將各項投入要素作為解釋變量，通過估計解釋變量參數來逆算分析。目前研究中較為常用的生產函數形式包括超越對數生產函數、Cobb-Douglas生產函數和CES生產函數。由于本文所分析的是一年期的截面數據，所以選擇了較為簡潔的Cobb-Douglas生產函數，用計量經濟學方法進行估計測算。Cobb-Douglas生產函數基本形式為：βα=LAKYAK（1）對數變形，得到多元線性回歸模型：LnLn++=lnlnlnlnLnβαLKAYLn（2）這里的lnA即全要素生產率（TFP），用于具體分析不同企業類型的生產效率。
（二）數據來源及指標變量說明
根據中國統計年鑒（2020）[12]，搜集了國有及國有控股、私營及外商和港澳臺投資工業企業實際2019年的主要指標數據，具體指標變量設置如下：1.產出變量目前，國內大部分學者直接使用統計年鑒中的生產總值作為研究產出的衡量指標，但由于在生產與最終銷售收入之間存在一定的損失，本文使用“營業收入/億元”作為產出變量，其對數形式lny為產出變量指標。2.投入變量投入要素主要分為資本和勞動：第一，資本投入。一般指固定資產凈值，即固定資產原價減去累計折舊的凈額，本文采用“固定資產凈額/億元”作為衡量資本投入變量的原始數據，其對數形成lnk為資本投入變量指標。第二，勞動投入。一般研究中對勞動投入的衡量采用就業人數指標，即企業報告期內平均實際擁有的、參與本企業生產經營活動的人員數。本文將“平均用工人數/萬人”作為勞動投入原始數據，其對數形式lnl為勞動投入變量指標。針對國有、私營和外資三種企業類型，具體各變量名稱前分別加之“S、P、F”對應標識，如表1列示。
三、實證檢驗與分析
在一般實證檢驗中，ADF單位根檢驗、協整、格蘭杰因果分析以及序列相關性均是對時間序列的檢驗，而本文只涉及某一年期的截面數據，截面數據基本不存在自相關問題，但一般會存在異方差。所以基于謹慎性原則，本文利用Eviews11統計軟件，對指標數據先進行了ADF單位根檢驗，以保證數據序列的平穩性，為多元線性擬合關系奠定穩定的基礎，然后檢驗了多重共線性，以考察解釋變量之間的關系，最后利用懷特檢驗異方差性，并通過加權最小二乘法（WLS），設置權重以修正異方差，得到最終較為合理的多元線性回歸方程。
（一）描述性統計
目前統計年鑒工業數據包含了41個行業，因國有企業無“其他采礦業”數據，外資企業無“煙草制造業”和“其他采礦業”數據，所以觀測值分別減少1、2個，私營企業因后續檢驗中增加了一階差分處理，則一階差分變量的數據觀測值減少1個。綜上，剔除殘缺數據項及一階差分處理，部分變量指標觀測值減少1～2個后，詳見表1。
（二）實證檢驗及修正
1.ADF單位根通過對各指標進行ADF單位根檢驗，結果顯示國有和外資企業指標在5%、10%水平下序列平穩，私營企業的營業收入、固定資產凈值和平均用工人數三個變量均存在單位根，數據序列不平穩，所以分別對三個變量進行一階差分處理，生成新的變量指標，可以看出，一階差分處理后的變量指標能夠達到1%水平下的平穩度，如表2所示。2.多重共線性通過簡單系數法檢驗，各個所有制企業的資本和勞動兩個變量的相關系數均在0.9以上，各類企業指標變量具有一定共線性。進而按所有制類型，分別進行變量的逐個回歸以確認并修正多重共線關系。通過逐步回歸發現，單個變量的資本或勞動與營業收入的擬合度均較好，且變量顯著性較高。加入所有變量后，僅國有企業的勞動變量顯著性水平有所降低，不滿足1%水平下的顯著性，但可以滿足一般研究要求5%的顯著水平，且方程顯著水平明顯提高。考慮到資本和勞動是影響產出的必要變量指標，本次檢驗保留資本和勞動兩個變量。解釋變量之間的共線關系，有可能是由于近年來數字經濟和教育水平的發展，數據作為新型要素模糊了行業和其他要素之間的界限，同時，勞動者技能、經驗的加速提升，推動人力資本價值的提高，使得勞動和資本兩個投入要素存在了交集，體現為多重共線性，但也更加證實了近年來科技進步、教育改革等經濟政策效應的存在，對未來進一步在生產函數和多元回歸模型的構建、變量指標的選取等方面的研究提出了更精準的要求。3.異方差性通過前期相關檢驗，保留確定了被解釋變量為營業收入lny，解釋變量為資本lnk和勞動lnl；與此同時，國有和外資企業以初始對數形式為指標變量，私營企業以一階差分形式為指標變量。通過懷特檢驗異方差性，結果如表3所示。根據懷特檢驗原則，當nR2＜χ20.05（5）=11.07，或者Obs×R2的p值>0.05時，接受同方差假設，反之則存在異方差。由表3可知，在5%的顯著水平下，只有國有企業的回歸結果不存在異方差，其他兩類企業均存在異方差，遂使用加權最小二乘法（WLS），設置權重為1/lnl，對私營和外資企業修正消除異方差。
四、結果分析
（一）回歸結果分析
經過實證檢驗與修正，不同企業類型最終的回歸方程如下：從三個回歸方程結果來看，國有企業方程擬合度約為0.87，私營與外資超過0.95，方程擬合度較好；方程顯著性F>F（12，12），多元線性關系存在且顯著。在變量顯著性方面，除國有企業的勞動變量顯著性不滿足1%的顯著水平，但在5%、10%水平下完全顯著外，其他變量均可達到1%的顯著水平，綜合來看，不同企業類型的所有變量均可達到5%、10%的顯著水平（見表4）。從lnK和lnL的估計系數之和來看，國有企業α+β=0.92<1，出現了規模報酬遞減的現象，有可能是企業規模過大或是遺漏了某些投入要素，或是由于受到技術的制約某些要素投入固定不變，規模報酬遞減一般只發生在短期內；私營企業α+β=1.06>1，同時外資企業α+β=1.1>1，存在輕度規模報酬遞增的趨勢。與此同時，從資本和勞動的系數大小上看，三類企業的資本貢獻度均高于勞動，國有企業的兩要素貢獻度差距較小，其次是外資企業，私營企業差距較大，更傾向依靠資本投入帶來增長。
（二）效率結果分析
依據上述回歸結果，根據LnY??=βαlnlnlnLKYTFPLnkLnL，可分別求出2019年國有、私營、外資企業全要素生產率（TFP）的參考值，如圖2所示。從整體來看，國有企業效率最高，私營和外資企業效率較為相近，均低于國有企業；從行業分布來看，除其他采礦業外，國有企業在各行業的效率明顯高于私營和外資，尤其是煙草制造業、文體娛樂用品制造業、石油煉焦核燃料加工業和汽車制造業效率顯著突出，其次為農副食品加工業、家具制造業和有色金屬的冶煉加工業。農副食品加工和文娛等行業的突顯，表明隨著人民生活水平的不斷提升，其對物質、精神文化的追求日益多元化、品質化和特色新穎化，在數字經濟和改革政策的雙重利導下，促使相關行業加速發展。
作者:李倩 單位:石家莊職業技術學院經濟貿易系
