基于dea的中国工业企业生产率增长分解

基于dea的中国工业企业生产率增长分解

dea与其他投资产出弹性内生增长理论认为，r-d投资是增长率增长的重要原因。相当多的文献证明了这一问题（griles，1980a；wang等人，2003）。国外文献主要以R&D投资的产出弹性和R&D投资的回报率1来衡量R&D投资对生产率增长的影响。最早的实证研究主要集中在制造行业,当采用截面数据作为样本时,得到了较大的R&D投资产出弹性(Mansfield,1988;Wang和Tsai,2003)。但是一些以时间序列数据为样本的研究得到了更小的R&D投资产出弹性(Griliches,1980b;Bernstein,1988;Verspagen,1995)。后来,一些文献广泛地采用R&D投资的产出回报率来衡量R&D投资对生产率增长的影响程度,此类研究得到的R&D投资的产出回报率分布在0～0.60之间,主要集中在0.20～0.30之间(CongressoftheUnitedStates,2005)。近年来,国内外出现了以中国为样本的相关研究(Hu等,2005;吴延兵,2006)。本文运用DEA方法对32个分行业大中型工业企业1996～2003年的生产率增长进行了分解,希望在上述文献的基础上作出如下的一些贡献。第一,我们发现尽管高R&D投资行业具有更高的生产率增长,但R&D投资并不是造成这个差异的原因;企业规模和资本强度才是生产率增长的重要因素。第二,与Hu等(2005)的结论不同,我们发现自主R&D等的产出回报率为负值,并且初步认为其原因是R&D投资强度太大和预算软约束等因素。第三,我们发现R&D投资的生产率回报率较差,尤其是自主R&D和国内技术购买的生产率回报率更差。一、r&d投资re估计估计R&D投资对生产率增长的贡献存在两类方法:一类是生产函数法(productionfunction),即估算研发投资对生产率和产出的影响;另一类是成本函数法(costfunction),即估算研发投资对生产成本的影响。实证研究中一般使用生产函数法,并使用如下的Cobb-Douglas生产函数:Qt=AeλtKαtLβtRγteε(1)其中,Q、A、K、L、R分别表示真实产出、全要素生产率、物资资本存量、劳动投入和研发资本。对上式取对数并对时间求导,可以得到:(ΔQt/Qt-1)=λ+α(ΔKt/ΔKt-1)+β(ΔLt/ΔLt-1)+γ(ΔRt/ΔRt-1)+Δεt(2)其中,α、β、γ分别是物资资本、劳动和研发的产出弹性。(2)2式假定研发的产出弹性不随时间而变化。许多文献(Jones和Williams,1998等)都建议使用研发对产出的回报率来替代研发的产出弹性变量,并使用下式的回归方程来估计2:(ΔQt/Qt-1)=λ+α(ΔKt/ΔKt-1)+β(ΔLt/ΔLt-1)+ρ(ΔRt/ΔQt)+Δεt(3)其中,ΔR为净研发投资;ρ为研发对产出的回报率。(3)3式的一个最大特点就是可以不需估计研发资本的存量。我们检测R&D投资产出回报率的基本面板数据模型如下:qit=λ+αkit+βlit+ρrdit+εitεit=μi+ηt+vit(4)其中,i表示行业,t表示时间;q、k、l、rd分别表示产出的增长率、物资资本的增长率、劳动增长率和总的R&D投资与增加值比;在此,我们将总的R&D投资划分为自身R&D投资(技术开发经费和技术改造经费)、国外技术引进(技术引进经费和消化吸收经费)以及国内技术转移(购买国内技术经费),它们与增加值的比值分别为zrd、yrd、grd。εit是误差项,它由三项组成:μi是不可观测的反映行业之间差异的行业效应;ηt是随时间而变化的时间效应;vit代表其他干扰项3。行业效应可以分为两类,一类是固定效应(FE),即对每个行业i来说都是一个固定的有待估计的参数;另一类是随机效应(RE),即对应于每个行业i来说是一个随机残余项;应该采用固定效应还是随机效应模型,通常利用Hausman检验来判定。估算R&D投资对生产率增长贡献的另一种方法就是先计算出全要素生产率增长,然后再检验R&D投资对这个“剩余增长”的贡献(Schankerman,1981)。根据全要素生产率的定义,可以从(3)3式得到:(ΔTFPt/TFPt-1)=λ+ρ(ΔRt/Qt)+Δεt(5)(5)式左端为全要素生产率的增长率。在估算R&D投入对生产率增长的贡献时还需考虑以下一些问题。首先,R&D投入有可能被双重计算(Schankerman,1981):R&D投入有可能已经被包含在物质资本投入(K)中。分行业大中型工业企业的R&D支出的统计主要有两大项:技术开发经费内部支出和其他技术活动经费支出。其中,技术开发经费内部支出又分为劳务费、原材料费、固定资产构建费、用于开发新产品等项,我们只取“用于开发新产品的R&D经费”;其他技术活动经费分为技术改造经费、技术引进经费、消化吸收经费和购买国内技术经费等项。因此,本文所取的这五项R&D投资没有包含在物资资本存量中。其次,估算的结果可能对所使用的数据和方法比较敏感。正如TheCongressoftheUnitedStates(2005)总结出的结论:采用截面数据方法一般能够得到R&D投资对生产率增长有较大的、正的影响的结果;而采用时间序列数据方法却往往得到R&D投资对生产率增长的影响不显著的结论。因此,为了使分析的结果更为可靠,我们使用面板数据分析方法,由于面板数据特有的两维特性,克服了单纯使用截面数据或者时间序列数据的不足。另外,在解释生产率增长的变量中,我们还控制了其他的一些变量4。①进、出口贸易。国际贸易既能够促进技术创新,也是技术溢出的重要途径(Mohnen,2001)。②资本强度。一般认为资本密集度越高的行业,其技术含量也越高,技术进步率也越快;朱钟棣、李小平(2005)发现资本形成正是1998年后中国工业全要素生产率增长的重要原因。③企业规模。规模越大的企业越有可能产生规模报酬,而规模报酬能够获得动态利益以促进生产率增长。因此,我们得到检验R&D投资对生产率增长影响的回归模型:pit=β0+β1exit+β2imit+β3scit+β4ciit+β5rdit+εitεit=μi+ηt+vit(6)其中,ρ表示生产率增长率,分别以Malmquist全要素生产率增长指数(M)及其分解技术效率增长指数(EC)和技术进步增长指数(TC)表示。ex、im代表国际贸易变量,分别以出口与增加值比、进口与增加值比表示;sc代表企业规模,以单个企业的增加值表示;ci代表资本强度,以固定资产净值与劳动比表示;rd代表R&D投资强度,以R&D投资与增加值比表示。二、数据和处理1.行业资产投资三本文所使用的R&D数据来源于《中国科技统计年鉴》。由于《中国科技统计年鉴》中自1996年起才有其他技术活动经费的统计,因此,我们选择了从1996年开始的33个行业5。其他数据来自于“分行业大中型工业企业基本情况”部分和《中国统计年鉴》中的“大中型工业企业主要指标”6。由于R&D投资的统计数据都是以当年价格表示的,我们要以一个价格指数将其平减为不变价。借鉴朱平芳等(2003)的方法,我们以当年消费物价指数和各行业的固定资产投资价格指数的加权平均值来表示,其权重分别0.55和0.45,然后将各工业企业的R&D投资平减为不变值7。我们以工业增加值表示产出,并以工业品出厂价格指数进行平减。年鉴只提供了14个大类工业品出厂价格指数,我们对各个工业企业进行了对应的分类。我们以年末从业人员表示劳动8;以固定资产净值年均余额表示物资资本,并以固定资产投资价格指数进行平减,投资价格指数取自李小平、朱钟棣(2005)。每个行业从各国的进、出口数据来自联合国统计处的COMTRADE数据库。原始的贸易数据以美元价表示,我们以每年平均的人民币对美元的汇率将此数据表示成人民币价,再以消费价格指数折算成1998年不变价。2.投入要素强可处置条件下的技术效率和技术进步增长全要素生产率增长是表示生产率增长最常用的指标,并且其又可以分解为技术效率的增长和技术进步的增长。本文采用比较流行的非参数分析方法(DEA法)对大中型工业企业的全要素生产率及其分解进行测算9。DEA法的基本思想是在投入产出空间,从一群决策点(DecisionMakingUnite)中找出最优生产前沿。处于生产前沿上的决策点即是100%有效率的,其他点的效率以其与前沿的距离大小(经常被称之为相对有效性)来衡量。行业在固定规模报酬,投入要素强可处置条件下的基于投入最小的技术效率Fi(y,x|C,S)可以分解为以可变规模报酬,投入要素强可处置条件下的基于投入最小的技术效率Fi(y,x|V,S)和投入规模效应Si(y,x|S)的乘积:Fi(y,x|C,S)=Si(y,x|S)×Fi(y,x|V,S)(7)Malmquist全要素生产率增长变化可以分解为技术效率和技术进步增长的乘积:M=EC×TC(8)上式右边EC反映了决策点有效性(与最优生产前沿的距离)的变化即技术效率;后一部分TC反映了最优生产前沿的移动,即技术进步。我们用onfront2.0软件根据各行业每年的固定资产净值年均余额、劳动人数和增加值计算了1996～2003年各工业企业的技术效率,以及1997～2003年Malmquist全要素生产率变化指数及其技术效率与技术进步增长指数。从表1中我们可以看到,大中型工业企业的劳动生产率增长和Malmquist全要素生产率增长、技术效率增长、技术进步增长并不一致,在1997～2003年期间,劳动生产率增长率都为正值,而Malmquist全要素生产率增长率和技术进步增长率在1997～1999年度出现负值,在2000～2003年期间才出现正增长;技术效率增长率在1997年、2000年、2003年出现正值,在其他年度为负值;大中型工业企业的全要素生产率增长主要依赖于技术进步的提高,而不是技术效率的改善,这和李小平、朱钟棣(2006)对工业行业的分析结论一致。3.r&d投资与我国科技合作表2描述了各变量的总体特征。我们发现总体来说,分行业大中型企业具有以下几个特征:首先,R&D投资占增加值的比重较高,每年都在12%以上;R&D投资主要以自主R&D为主:平均来说占了总R&D投资的近84%;其次是国外技术引进;购买国内技术所占的量最少,只占总量的2%。从趋势来看,R&D投资与增加值之比经历了一个缓慢的减少过程,这说明R&D投资的增速低于增加值的增速。其次,分行业大中型工业企业出现资本深化现象,固定资产净值年均增长率每年都为正值;而就业人数持续下降,只在2003年出现正增长率。另外,单个企业规模略有增长。三、对产出参与率高的原因以(4)4式为基本的回归模型,我们得到R&D投资回报率的估算结果如表3。我们借鉴Hu等(2005)的做法,将所有工业企业根据R&D投资占增加值的比值高低划分为高R&D投资行业和低R&D投资行业,并对两者进行比较分析。首先,我们发现总R&D投资的回报率显著为负值,在总样本、高、低R&D投资行业样本中的回报率分别为-0.015、-0.026和-0.01,即R&D投资的增加不但不能带来产出的增长,反而会导致产出的减少,并且高R&D投资行业所导致的产出减少的最多。其次,对各细分R&D投资来说,我们发现自主R&D投资的回报率在所有样本中显著为负值,并且高R&D投资行业的总R&D投资的回报率最小。我们还发现,高R&D投资行业的总R&D投资和自主R&D投资对产出增长的负面影响比低R&D投资行业的更大。国外技术引进和国内技术购买对产出的影响都不显著。但是物资资本、劳动的产出弹性都为正值,并且在除高R&D投资行业样本中的物资资本产出弹性不显著外,其他样本中都显著。这说明物资资本和劳动的增加能带来产出的增长,这和理论预期相符。自主R&D投资和总R&D投资的产出回报率为负值的初步原因可能有两个:一个是由于大中型工业企业基本上是国有企业,而在国有企业治理结构不完善的情况下,会存在严重的预算软约束和委托代理问题:国有企业的R&D投资可能会更偏向于能在短期内带来收益,而缺乏长期回报的“政绩工程”。另一个是R&D投资强度太大,导致投资效率低下。由于历史的体制原因,大中型工业企业基本上集中了国内的大部分的R&D投资。尽管各企业的R&D投资强度存在较大的差异,但是平均来看,大中型工业企业的R&D投资与增加值之比达到了13.78%;而在1996～2003年期间,国外R&D投资强度最大的美国和日本的R&D投资占GDP的比例也只分别在2.55%～2.74%和2.78%～3.12%之间(中国科技统计年鉴,2004)。过高的R&D投资强度一方面会产生投资回报率递减,另一方面是使投资主体不能有效地利用好R&D投资,导致R&D投资效率低下,甚至于浪费。四、规模效应与技术效率以(6)6式为基本的回归模型,我们得到了R&D投资的生产率回报率的估计结果。表4报告了R&D投资对Malmquist全要素生产率增长率(M)的影响。我们发现总的R&D投资的回归系数为负值,但是只有在高R&D投资行业样本中显著。对于细分的R&D投资来说,国内技术购买的回归系数在总样本和高、低R&D投资行业样本中都显著为负,国外技术引进的回归系数只在总样本中显著为负,自主R&D投资的回归系数在所有样本中不显著。其他控制变量对全要素生产率增长有显著影响。出口的回归系数在高、低R&D投资行业样本中都显著为负,说明出口也不利于全要素生产率的增长。进口对高R&D投资行业和低R&D投资行业的全要素生产率增长的影响刚好相反,高R&D投资行业的进口品可能内含于更多的技术等以利于全要素生产率增长。企业规模的系数在所有样本中都显著为正,说明所有行业都具有一定的规模效应,即规模越大的企业,越有利于其全要素生产率的增长;并且高R&D投资行业的规模效应系数要大于低R&D投资行业。资本强度系数在所有样本中都为正,说明分行业大中型工业企业的资本深化有利于全要素生产率的增长,这和朱钟棣、李小平(2005)的结论一致:更多的资本包含更多的技术水平,更有利于全要素生产率的增长。表5报告了R&D投资对技术进步增长指数(TC)的回归结果。总R&D投资的回归系数在所有样本中都为正,但在低R&D投资行业中不显著;对于总样本来说,尽管总R&D投资的系数为正,但细分的R&D投资中,只有国外技术引进的系数显著为正;自主R&D投资和国内技术购买的影响都不显著。在高、低R&D投资行业中,自主R&D投资、国外技术引进、国内技术购买对生产率增长的影响都不显著。出口、企业规模、资本强度等变量对技术进步的增长有显著影响。出口在总样本和高R&D投资行业样本中的系数都显著为负,但在低R&D投资行业样本中尽管为负值,但不显著;这说明出口对高R&D投资行业技术进步的不利影响更为显著。进口在各个样本中的回归系数尽管都为正,但都不显著,说明进口对各样本的促进作用不显著。企业规模、资本强度的系数在所有样本中都显著为正,说明分行业大中型企业都具有一定的规模效应,即规模越大,越有利于其技术进步的增长;也说明企业的资本深化有利于其技术进步的增长。表6报告了R&D投资对技术效率增长指数(EC)的回归结果。我们发现对于总样本来说,总R&D投资的系数显著为负,但是在高、低R&D投资行业中,总R&D投资的系数为负值,但不显著。因此,总体上来说,总R&D投资不利于技术效率的提高,也没有促进高、低R&D投资行业的技术效率的增长。而对于细分R&D投资来说,国外技术引进在总样本中的系数显著为负值,国内技术购买在总样本中的系数显著为正值,这说明总体来说,国内技术购买更有利于企业技术效率的提升。但是对于低R&D投资行业来说,国内技术购买却显著地不利于其技术效率的增长。自主R&D投资和国外技术引进在高、低R&D投资行业中的系数分别为正值和负值,而国外技术引进在两类行业中的系数分别为负值和正值,但都不显著。出口的系数只有在高R&D投资行业中显著为负,说明高R&D投资行业中的出口对技术效率提高的阻碍作用更加显著。刚好相反,进口的系数在总样本和低R&D投资行业中显著为负值,这说明总体来说,进口不利于技术效率的提升,并且这种不利效应在低R&D投资行业中更显著。企业规模和资本强度的系数在所有样本中都不显著,表明这两个变量对技术效率没有显著影响。五、r&d投资回收率低、生产率提高本文运用分行业大中型工业企业1996～2003年的面板数据,就自主R&D、国外技术引进和国内技术购买的产出回报率和生产率回报率进行了分析。我们得到了以下结论。(1)我们发现对于32个样本行业来说,高R&D投资行业基本上属于重工业行业,低R&D投资行业大多数属于轻工业行业;尽管高R&D投资行业的生产率增长率比低R&D投资行业更高,但R&D投资并不是造成这个差异的原因;而企业规模和资本强度是生产率增长的重要因素。(2)各R&D投资的产出回报率为负值。自主R&D投资对产出的不利影响最为显著,并且其不利影响在高R&D投资行业中更为突出。R&D投资的产出回报率为负值的初步原因可能是预算软约束和R&D投资强度太高所导致的效率低下。因此,明确R&