中国各省高技术产业全要素生产率研究*①

姜彤彤

(山东师范大学经济学院，山东济南，250014)

一、引言

与传统产业相比，以新能源技术、新材料技术、生物技术和航空航天技术为代表的高技术产业具有人才和知识密集、技术进步和创新、高风险和附加值、低排放和能耗等特点。西方发达国家纷纷把高技术产业当作现代经济增长的动力和源泉，将其提高到核心支柱产业和国家战略产业的高度。中国高技术产业经过10多年的发展，已经成为知识经济时代的主导产业，它对推动区域经济发展、调整产业结构起着举足轻重的作用，但其能否保持持续的高速增长倍受关注。当今世情、国情、省情和产业、技术、创新水平都在发生深刻变化，我国高技术产业既迎来了新的发展机遇，也面临着更加严酷和复杂的挑战。

随着高技术产业的迅猛发展，其人力、财力投入不断增加，但大量的资源投入是否带来高额的产值和经济增长?这种增长是什么原因导致的?是否具有可持续性?一系列的问题应运而生。要解决这些问题，必须计算高技术产业资源投入产出使用效率，特别是全要素生产率(Total Factor Productivity，TFP)。全要素生产率是分析经济增长源泉的重要工具，尤其是各级政府和企业管理部门制定长期发展政策的重要依据。通过将全要素生产率分解成纯技术效率、技术进步率和规模效率，可进行经济增长来源分析，即分析各种因素(比如投入要素增加、技术进步和效率提升等)对经济增长的贡献，并判断经济增长的持续发展能力。因此，从投入产出角度判断高技术产业资源利用效率，测算和提高我国高技术产业全要素生产率，意义深远。

二、相关文献综述

近年来，国外许多学者对高技术产业整体效率/研发效率和全要素生产率进行研究，方法有参数法的随机前沿分析(Stochastic Frontier Analysis，SFA)和非参数法的数据包络分析(Data Envelopment Analysis，DEA)，两者都可以计算全要素生产率，但基于DEA的Malmquist指数法计算TFP更为方便。比如，Chen and Yeh(2005)基于DEA计算台湾6个高技术行业的效率值，并判断不同行业绩效的高低;②Chen C.－J.，Yeh Q.－J.A Comparative Performance Evaluation of Taiwan’s High－tech Industries，International Journal of Business Performance Management，2005，(1):16－33.Sun and Kalirajan(2005)考察了韩国制造业中高技术产业和非高技术产业的全要素生产率，并分析技术效率和技术进步对其贡献大小;①S un C.－H.，Kalirajan K.P.Gauging the Sources of Growth of High－tech and Low－tech Industries:the Case of Korean Manufacturing，Australian Economic Papers，2005，(2):170－185.Raab and Kotamraju(2006)利用DEA模型对美国50个州的高技术产业效率进行排名和比较，发现某些州的经济发展动力主要来自高技术产业②R aab R.A.，Kotamraju P.The Efficiency of the High－tech Economy:Conventional Development Indexes Versus a Performance Index，Journal of Regional Science，2006，(3):545－562.。

国内学者对高技术产业的研究大量集中于其R＆D系统，包括分行业/分省域高技术产业R＆D创新效率、R＆D全要素生产率及其影响因素;也有部分学者关注高技术产业的整体效率或者全要素生产率。比如，刘志迎和叶蓁(2006)使用非参数Malmquist指数法计算高技术产业细分行业的技术效率和全要素生产率;③刘 志迎、叶蓁:《中国高技术产业各行业技术效率的实证分析——基于非参数的Malmquist指数方法》，《科学学与科学技术管理》2006年第9期。解垩(2007)采用DEA方法对高技术产业细分行业经营效率进行评价，并利用Malmquist指数对其动态效率进行计量和分析;④解垩:《高技术产业曼奎斯特指数研究》，《山西财经大学学报》2007年第4期。黄佐钘(2010)基于Malmquist指数，对上海市高技术产业细分行业进行动态效率测算;⑤黄佐钘:《上海高技术产业各行业效率变化研究——基于Malmquist TFP指数方法的实证分析》，《中国科技论坛》2010年第3期。王大鹏和朱迎春(2011)基于DEA和Malmquist指数方法计算高技术产业细分行业全要素生产率并进行分解和对比，探讨影响生产率变化的深层原因⑥王大鹏、朱迎春:《中国高技术产业生产率增长来源:技术进步还是技术效率》，《中国科技论坛》2011年第7期。。

上述研究各具特色，取得了许多有价值的研究成果。但还存在如下问题:对分行业高技术产业技术效率或全要素生产率研究较为充分;但对不同省域高技术产业全要素生产率的研究很少，只有个别对其技术效率的研究;很多研究过分关注高技术产业R＆D活动投入产出指标，计算出的结果名为整体技术效率实际上还是R＆D效率，比如吴卓贤和刘满凤(2011)的研究⑦吴卓贤、刘满凤:《中国高技术产业全要素生产率的空间差异及其成因分析》，《科技与管理》2011年第6期。。采用参数法SFA计算全要素生产率时，产出指标一般只能有一个，难以全面概括高技术产业整体产出。为此，本文选择分析全要素生产率的主流方法——基于DEA的Malmquist指数法，对我国不同省域高技术产业1996－2010年间的面板数据进行测度，计算产业全要素生产率、技术进步率、技术效率等指标，分析生产率增长的原因和影响程度，有针对性地提出提高生产率的对策建议。

三、模型、变量与数据

(一)基于DEA的Malmquist指数分析法

测定全要素生产率的方法有早期的索洛余值法，后期的基于SFA的全要素生产率计算和基于DEA的非参数Malmquist生产率指数法。和其他方法相比，基于DEA的Malmquist指数无需投入产出指标价格信息、不用设定生产函数、适用于不同区域/产业/单位跨期样本分析，而且可通过指数分解全面探索生产率变动的原因和趋势。为此，我们选择Malmquist指数对省际高技术产业的全要素生产率进行评价。这一指数最早由Malmquist(1953)提出⑧Malmquist S.Index Numbers and Indifference Curves，Trabajos de Estatistica，1953，(2):209－242.，Caves等(1982)将其引入到生产率变化计算上⑨C aves D.W.，Christensen L.R.，Diewert W.E.The Economic Theory of Index Numbers and the Measurement of Input，Output and Productivity，Econometric，1982，(6):1393－1414.。后来，Fare(1994)等在DEA方法的基础上测度Malmquist TFP指数的变动，使这种方法在各个部门、区域、产业的不同时期生产率测算中广泛应用。⑩Fare R.，Grosskopf S.，Norris M.，Zhang Z.Productivity Growth，Technical Progress and Efficiency Change in Industrialized Countries，The American Economic Review，1994，(1):66－83.

Malmquist指数借助距离函数反映相邻两个期间决策单元生产效率变动情况，可用两时期距离函数的比值表示。其基本公式如下:

为避免随意选择时期，Caves等用(1)和(2)式的几何平均数，即式(3)测算从t时期到t+1时期生产率变化的Malmquist指数。该指数小于1时，表明从t时期到t+1时期全要素生产率是下降的，反之则是增长的。

Malmquist指数在特定情况下具有非常好的特征。比如，假设规模报酬不变，Malmquist指数可分解为技术进步率(Technical Change，TC)和综合技术效率(Efficiency Change，EC);假定规模报酬可变，综合技术效率还可以进一步分解为纯技术效率(Pure Technical Efficiency，PTE)和规模效率(Scale Efficiency，SE)两部分。见图1所示。

图1 Malmquist指数的分解

(二)投入产出变量的选择和计算

应用Malmquist指数分析法最为关键的是选择投入产出变量，需符合以下条件:反映决策单元的实际情况和其所处的外部竞争环境，投入/产出变量之间的相关性不能太强;变量个数之和不能超过决策单元数的一半，否则会影响结果。此外，变量的选择要结合高技术产业远比一般产业更重视R＆D活动的特点，但也不能像个别文献一样全部是与R＆D直接相关的投入产出。结合上述条件并借鉴大量相关研究，产出指标选择反映产业产出整体水平的总产值(单位:亿元)和R＆D产出水平的专利授权数(单位:项);投入指标需反映资本和劳动力两方面，考虑劳动力质量的不同，最终选定资本存量(单位:亿元)、年均从业人员(单位:万人)和研发人员全时当量(单位:人年)作为投入指标。

具体计算时:⑴使用平减指数将产业总产值折算成1996年的基准价格;⑵《中国高技术统计年鉴》中只有固定资产投资额(单位:亿元)的数据。采用永续盘存法计算资本存量，计算公式为:

其中:t表示年份或者第几年;K为资本存量;I为高技术产业固定资产投资额(单位:亿元);P是以1996年为基准的固定产投资价格指数，数据来自《中国统计年鉴》;δ是折旧率取15%，主要参照刘志迎等(2006)和范凌钧等(2011)，折旧率较高主要基于高技术产业资产提前淘汰、报废、更新的概率较大，技术损耗会带来资产价值的急剧下降①刘 志迎、叶蓁:《中国高技术产业各行业技术效率的实证分析——基于非参数的Malmquist指数方法》，《科学学与科学技术管理》2006年第9期。②范凌钧、李南、陈燕儿:《中国高技术产业技术效率区域差异的实证分析》，《系统工程》2011年第2期。。对于基期资本存量，借鉴 Timmer(1999)的方法进行估算①Timmer M.P.The Dynamics of Asian Manufacturing:A Comparative Perspective，Netherlands:Eindhoven University of Technology，1999.。投入/产出变量的描述统计如表1所示。

表1 投入/产出变量描述统计

(三)数据来源及处理

研究时间范围限定为1996－2010年，因高技术产业固定资产投资数据从1996年开始。所有原始数据来源于1997－2011年的《中国高技术产业统计年鉴》，进行平减的价格指数取自《中国统计年鉴2011》。考察范围为中国大陆除西藏外的30个省、市和自治区的高技术产业，西藏自治区缺失数据过多将其剔除，其他省市个别缺失数据采用平滑法处理。最终样本由30个省份15年的面板数据组成，共450个分析数据。

四、实证研究结果与分析

(一)30个省、市、自治区高技术产业全要素生产率及变动(1996－2010)

降，其余24个省份上升。这说明我国大部分省份高技术产业近年来生产率是增长的，部分下降的省份生产率降幅也不太显著。从技术进步率看，有26个省份高技术产业技术进步明显，只有4个省份有小幅下降，说明生产前沿面随着技术水平的提高不断往上移动。其中北京、河北、黑龙江、上海、湖南、四川、青海、宁夏的上升幅度都超过了10%，这也印证了我国高技术产业全要素生产率的提高主要是技术进步导致的。综合技术效率看，有10个省份效率上升，其他20个省份技术效率下降，且所有省份综合技术效率15年来变动的幅度都在4%以内，比较接近1。这说明技术效率整体下降，但幅度较小，年平均0.6%，主要原因是纯技术效率和规模效率均处于下降中，当然不会带来整体技术效率的提升。

表2 1996－2010年不同省份高技术产业Malmquist指数及分解

3.依照国家统计局的区域划分方法，将我国30个省份分为东/中/西部地区，分别包括11、8、11个省份。计算结果显示，中部地区高技术产业TFP和综合技术效率、纯技术效率、规模效率都大于1，处于产业的最优发展阶段，规模效应、追赶效应和前沿面移动都很明显。且TFP增长幅度达到6.7%，超过了全国的整体水平1个百分点。而东部和西部地区只有TFP和技术进步率超过1，纯技术效率和规模效率都小于1。其中东部地区的技术进步率在三个区域中排名第一，但由于其综合技术效率较低所以导致整体TFP提升幅度低于中部地区。每个区域中都有生产率提高的省份，也有些生产率下降的省份，这种区域差异不存在明显的规律可循。众所周知，我国东部地区经济较为发达，容易吸引更多的资金和人才投入，这就带来了更先进的设备和技术，所以其技术进步率高是容易理解的。那为什么其规模效率和纯技术效率都整体上下降呢?应该是其大量投入针对性不强、规模过大或者管理效率低下等造成的。

4.为进一步说明问题，图2列示了30个省份高技术产业TFP及其分解情况。显然，全要素生产率的变动和技术进步率基本一致，形状非常类似，在30个省份中是同增同减的，但表现出一种明显的省际差异。综合技术效率和分解后的规模效率、纯技术效率变动趋势大体相同，都在1上下波动，但低于1的省份更多。这也说明高技术产业的生产率增长主要是技术进步拉动的，技术效率下降虽然有所阻碍但不明显，技术进步明显的省份其高技术产业的TFP都增长迅速。

(二)不同年度高技术产业全要素生产率及其变动(1996－2010)

图2 30个省份高技术产业Malmquist指数及其分解

图3反映了我国高技术产业全要素生产率在时间趋势上的变动情况，整体上是上升的，15年间有9个年份全要素生产率上升，其他4个年份下降。但这种变化表现为上升——下降——上升——下降——再上升的不断波动，说明高技术产业TFP的变动很不稳定，没有形成不断增长的发展态势。与此同时，技术进步率增长明显，在大部分年份都和TFP的变动趋势保持一致——同增或者同减。反观技术效率、纯技术效率和规模效率变动趋势不太显著，特别是规模效率在2001年后就在1附近上下徘徊。这几个指数对全要素生产率的影响与技术进步相比，较为有限。总而言之，我国高技术产业全要素生产率的提高主要是技术进步带动的，这15年间产业投入产出自身的生产前沿面向上平移，增长效应明显。东部、中部、西部高技术产业技术进步都很明显。不论纵向从时间轴看，还是横向从区域看，都有相同的结论。这说明高技术产业作为国家创新体系的重要组成部分起到了排头兵的作用，科学技术的创新能力大大提升了。下一步要做的是想办法提高产业的整体技术效率，双管齐下才能保证全要素生产率的持续快速增长。

图3 1996－2010年高技术产业年度平均Malmquist指数及分解

五、结论及对策建议

本文采用基于DEA的Malmquist指数分析方法，对我国除西藏外的30个省、市、自治区高技术产业1996－2010年的全要素生产率及其分解情况进行测度和分析。具体测算时，以资本存量、年均从业人员和研发人员全时当量为投入指标，以产业总产值和专利授权数为产出指标。结果表明:我国高技术产业整体全要素生产率不断上升，但呈现出时间轴上的波动趋势和区域上的不平衡性。不论我国的东部、西部、中部还是整体，导致全要素生产率增长的主要原因都是技术进步而非技术效率。为了进一步提高我国高技术产业生产率，提出建议如下:

第一，虽然我国高技术产业生产率提高主要是技术进步拉动的，但应看到其自主创新能力并不足，发展前景不容乐观。很多学者都认为这种技术进步是由于外商直接投资、国际贸易等带来的技术转移和直接引进西方先进技术的结果，几乎都不具有自主知识产权。①刘志迎、叶蓁、孟令杰:《我国高技术产业技术效率的实证分析》，《中国软科学》2007年第5期。近年来，高技术产业发展后续乏力情况已经凸显出来。要扭转这种局面，需改变高技术产业的创新模式，由输血式改为造血式，由技术引进改为知识产权创新。政府应采取各种政策鼓励引导高技术产业走自主创新之路，比如融资优惠、人才引进、创新奖励、知识产权保护等一系列政策，通过政策和资金支持、环境改良等多种措施，激励企业多出成果、出好成果。

第二，提高全要素生产率的另一关键指标是综合技术效率。因为技术进步的提升有一个限度，不太可能永久性地保持高速增长。15年间，我国高技术产业整体技术效率没有上升反倒下降了，如果不改变这一不利局面，势必对生产率带来更大的拖累。综合技术效率又取决于两方面，即纯技术效率和规模效率。前者通过管理效率的提高和生产经验的积累得以提升，后者必须选择合适的企业规模，要求管理者有建设和管理高技术企业的知识和能力。如果在这两方面都加大力度，会收到立竿见影的效果。总之，在技术创新的同时，高技术产业应引进先进的管理经验，优化资源配置，整合产品结构，调整生产规模。两手抓，两手都要硬，才能最终保持全要素生产率的持续提升。