环境管制与全要素生产率增长_APEC的实证研究
环境管制与全要素生产率增长:APEC 的实证研究
3
王 兵 吴延瑞 颜鹏飞
内容提要:本文运用Malmquist 2Luenberger 指数方法测度了APEC 17个国家和地区1980—2004年包含C O 2排放的全要素生产率增长及其成分。首先,估计了对C O 2的排放
没有管制、C O 2排放水平保持不变、C O 2排放水平减少三种情形下的生产率指数及其成分。其次,对影响环境管制下全要素生产率增长的因素进行了实证检验。本文主要的结
论有:在平均意义上,考虑环境管制后,APEC 的全要素生产率增长水平提高,技术进步是其增长的源泉;17个国家和地区中,有7个国家和地区至少移动生产可能性边界1次;人均G DP 、工业化水平、技术无效率水平、劳均资本、人均能源使用量和开放度均对环境管制下的全要素生产率增长有显著的影响。
关键词:环境管制 全要素生产率 方向性距离函数 Malmquist 2Luenberger 生产率指数数据包络分析
3 王兵,暨南大学经济学院经济学系,规制与增长研究中心,邮政编码:510632,电子邮箱:twangb @https://www.wendangku.net/doc/ec17037412.html, ;吴延瑞,澳大利亚西澳大学商学院,邮政编码:6009,电子邮箱:ywu @https://www.wendangku.net/doc/ec17037412.html,.au ;颜鹏飞,武汉大学经济与管理学院,邮政编码:430072,电子邮箱:yanpeng fei1023@https://www.wendangku.net/doc/ec17037412.html, 。本研究得到国家自然科学基金的资助(项目批准号:70403006)。作者感谢匿名审稿人对本文提出的富有启发性的修改意见。当然,文责自负。
一、引 言
传统的增长理论主要致力于分析和解释经济增长过程中的“典型化事实”或者规律,探索政府通过何种方式来影响增长率,并没有对经济增长和环境管制之间的关系给予过多的关注。但是,近
些年来,这个问题已经引起了经济增长理论的重视(X epapadeas ,2005)。尤其是,环境管制对经济增长的效应日益受到政策制定者和学术界的重视。为了全面控制二氧化碳等温室气体排放,以应对全球气候变暖给人类经济和社会带来不利影响,1992年5月22日联合国政府间谈判委员会就气候
变化问题达成了《联合国气候变化框架公约》(简称《气候公约》),并于1992年6月4日在巴西里约热内卢举行的联合国环境发展大会(地球首脑会议)上通过。在《气候公约》中,工业化国家承诺同意在本国采取政策和措施,以实现到2000年使本国温室气体排放量降低至1990年水平这一具体
目标。截至2007年6月,已有191个国家批准了《气候公约》。在《气候公约》的基础上,联合国气候大会于1997年12月在日本京都通过了《京都议定书》,具体目标是2008—2012年,工业化国家温室气体排放总量在1990年的基础上平均减少512%,发展中国家没有减排义务。截至2007年6月已有174个国家批准了《京都议定书》。1989年成立的亚太经济合作组织(APEC )包括了本地区所有重要的经济体和世界上最有活力、发展最快的经济组织。但是,其C O 2的排放量也占到了整个世界的大约60%。为了减排温室气体,APEC 第十五次领导人非正式会议2007年9月8日就气候变化问题通过一份宣言,确定了降低亚太地区能源强度和增加森林面积的具体目标。
作为经济增长的一个重要引擎,生产率增长使得整个世界的生活水平在20世纪有了迅速的提高。所以,已经有大量的研究关注环境管制对于传统全要素生产率的影响(Jaffe et al.,1995)。然
而,传统的全要素生产率测度,如T ornqvist 指数和Fischer 指数,仅仅考虑市场性的“好”产出(G ood
Output )的生产,并没有考虑生产过程中产生的非市场性的“坏”产出(Bad Output ),如C O 2的排放。①
这主要是由于研究者无法得到“坏”产出的价格信息。环境管制将本来可以用于生产的投入配置到污染治理活动中(Fare et al 1,2001a )。当生产单位面临环境管制的时候,由于治理污染投入的成本包含在测算全要素生产率的投入中,而传统的测度方法仅仅用“好”产出的增长率减去所有投入的贡献,“坏”产出的下降并没有被考虑,从而得到全要素生产率下降的结论(Repetto et al.1997)。因此,传统全要素生产率的测度方法使得生产率增长的测算出现了偏差。对于“好”产出和“坏”产出的不平衡处理扭曲了对经济绩效和社会福利水平变化的评价,从而会误导政策建议(Hailu and Veeman ,2000)。
Caves et al.(1982a )根据Farrell (1957)的工作,在假设技术是有效率的前提下,定义了一个指数———Malmquist 生产率指数,这种指数不需要价格信息。Fare et al.(1994)将Caves et al.的方法扩展到了存在技术无效率的情形,并且发展了一个可以将全要素生产率增长分解为效率变化和技术进步两个成分的Malmquist 生产率指数。这种双重分解对于解释不同国家和地区增长模式的差异是非常重要的。然而,如果存在“坏”产出,这种依靠传统距离函数(Distance Function )的Malmquist 生产率指数便无法计算全要素生产率。在测度瑞典纸浆厂的全要素生产率时,Chung et al.(1997)在介绍一种新函数———方向性距离函数(Directional Distance Function )的基础上,提出了Malmquist 2Luenberger 生产率指数,这个指数可以测度存在“坏”产出时的全要素生产率。这个指数同时考虑了
“好”产出的提高和“坏”产出的减少,并且具有Malmquist 指数所有的良好性质。尽管Malmquist 指数已经被广泛应用,但是,仅仅有限的文献运用Malmquist 2Luenberger 指数来测度生产率的增长。
Pittman (1983)在对威斯康星州造纸厂的效率进行测度时,发展了Caves et al.(1982b )超对数生产率指数,第一个尝试了在生产率测度中引入“坏”产出。在研究中,Pittman (1983)用治理污染成本作为“坏”产出价格的代理指标。从此以后,大量的研究者开始将环境污染变量纳入到估计的生产模型中,主要的思路有两个:一是将污染变量作为一种投入(如,Hailu and Veeman ,2001);二是将污染变量作为具有弱可处置性的“坏”产出(如Chung et al.,1997;Fare et al.,2001a )。一般上,这些对
环境绩效的测度主要是通过对标准的参数和非参数效率分析方法的改进来实现。
②与本文相关的文献主要包括运用Malmquist 2Luenberger 生产率指数进行研究的文献(Chung et
al 1,1997;Fare et al 1,2001a ;Lindmark et al.,2003;Jeon and Sickles ,2004;Lindenberge ,2004;D omazlicky and Weber ,2004;Y oruk and Z aim ,2005;K umar ,2006)以及对APEC 全要素生产率进行跨国比较研究的
文献(Chambers et al.,1996;Chang and Luh ,1999;Fare et al.,2001b ;Wu ,2004;王兵和颜鹏飞,2007)。③尽管Chambers et al.(1996)、Chang and Luh (1999)、Fare et al.(2001b )、Wu (2004)及王兵和颜鹏飞(2007)研究了APEC 的生产率增长,但是他们都没有考虑环境问题,即污染的排放。Fare et al.
(2001a )、Weber 和D omazlicky (2001)和D omazlicky 和Weber (2004)主要是关注微观水平的生产率增长。虽然其他研究将宏观数据运用到生产率增长中,但是除了Jeon 和Sickles (2004)外,均是仅
仅考虑了两种生产率指数,而Jeon 和Sickles (2004)却没有对影响生产率的因素进行考察。本文的目的就是填补这些研究上的不足。
①②③Ray and Mukherjee (2007)把目前对跨国温室气体排放与经济增长关系研究的文献划分为三类:(1)根据环境库兹涅茨曲线
理论,主要研究温室气体排放与人均G DP 的关系;(2)运用指数分解法,寻求解释变量对于被解释变量的贡献;(3)将“好”产出(G DP )和“坏”产出(污染)连同资源利用一起放在分析框架中,从而测度一个国家的环境绩效。本文应归属于第三类文献。
T yteca (1996)和Scheel (2001)对测度环境效率绩效的方法进行了全面的综述。C oelli et al.(2005)对这些标准的方法作了
较为全面的介绍。
在一些文献中“好”产出称为合意产出(Desirable Output ),“坏”产出称为非合意产出(Undesirable Output )。
本文试图从以下两个方面对现有文献进行拓展:(1)运用Malmquist 2Luenberger 生产率指数测度并比较了,对C O 2排放做出不同管制的三种情形下APEC 17个国家和地区1980—2004年的全要素生产率增长。(2)对影响环境管制下全要素生产率增长的因素进行实证研究。
本文下面的安排是:第二部分是研究方法的介绍;第三部分是数据处理及实证结果的分析;第四部分是对影响环境管制下全要素生产率增长因素进行实证分析;第五部分是结论。
二、研究方法
为了将环境管制纳入到生产率分析框架中,我们首先需要构造一个既包含“好”产出,又包含“坏”产出的生产可能性集,即环境技术(The Environmental T echnology )。假设每一个国家或者地区使
用N 种投入x =(x 1,…,x N )∈R +N 得到M 种“好”产出y =(y 1,…,y M )∈R +
M ,以及I 种“坏”产出b
=(b 1,…,b I )∈R +
I 。用P (x )表示生产可行性集:
P (x )={(y ,b )∶x 可以生产(y ,b )},x ∈R N
+
(1)
我们假设生产可行性集是一个闭集和有界集,“好”产出和投入是可自由处置的。①
根据Fare et al.(2007),为了使P (x )表示环境技术,需要增加两个额外的环境公理:
公理1:如果(y ,b )∈P (x )及b =0,则y =0。
(2)公理2:如果(y ,b )∈P (x )及0≤θ≤1,则(θy ,θb )∈P (x )。
(3)第一个公理叫做零结合公理(Null 2jointness Axiom )或者副产品公理(Byproducts Axiom )。这个公
理意味着一个国家如果没有“坏”产出,就没有“好”产出,或者说,有“好”产出就一定有“坏”产出,从而将环境因素纳入到分析框架中。第二个公理叫做产出弱可处置性公理(Weak Disposability of Outputs Axiom ),即“好”产出和“坏”产出同比例减少,仍然在生产可行性集中。这个公理意味着,若
要减少“坏”产出就必须减少“好”产出,表明污染的减少是有成本的,从而将环境管制的思想纳入到分析框架中。
假设在每一个时期t =1,…,T ,第k =1…K 个国家或地区的投入和产出值为(x k ,t
,y
k ,t
,b k ,t
)。
运用数据包络分析(DE A )可以将满足上述公理的环境技术模型化为:
P t (x t )={(y t ,b t
)∶
∑
K
k =1
z t k y
t km
≥y
t km
,m =1,…,M ;
∑
K
k =1
z t k b t
ki ,i =1,…,I ;
∑
K
k =1
z t k x t kn ≤x t
kn ,n =1,…,N ;z t
k ≥0,k =1,…,K }
(4)
z t
k 表示每一个横截面观察值的权重,非负的权重变量表示生产技术是规模报酬不变的。②
在
模型(4)中,“好”产出和投入变量的不等式约束意味着“好”产出和投入是自由可处置的。加上“坏”产出的等式约束后,则表示“好”产出和“坏”产出是联合起来是弱可处置的。此外,为了表示产出的零结合,需要对DE A 模型强调下面两个条件:
∑K k =1b
t
ki
>0,i =1,…,I (5a )∑I
i =1
b
t ki
>0,k =1,…,K
(5b )
条件(5a )表示每一种“坏”产出至少有一个国家或地区生产,条件(5b )表示每一个国家或地区至少
①②我们之所以假设技术为规模报酬不变,因为这个假设是,使得作为结果的生产率指数是真正的全要素生产率指数的必要
条件(Fare et al.,1996)。
Fare and Prim ont (1995)对此进行了详细的讨论。
生产一种“坏”产出。
尽管环境技术的构造有利于概念的解释,但是却无助于计算,为了计算环境管制下的生产率,
下面我们介绍方向性距离函数。
①
11方向性距离函数
环境管制的目标是减少污染(“坏”产出),保持经济增长(“好”产出)。为了将这样的生产过程
模型化,我们需要引入方向性距离函数,这个函数是谢泼德(Shephard )产出距离函数的一般化。②
基于产出的方向性距离函数可以用下式表述:
D o (x ,y ,b ;g )=sup{β∶(y ,b )+βg ∈P (x )}
(6)g =(g y ,g b )是产出扩张的方向向量。根据“坏”产出表现出技术上的强弱可处置性,方向性距离函
数需要选择不同的方向向量。③
本文主要考虑了三种情形:
?情形1:方向向量是g =(y ,0),且在构造生产技术时不考虑“坏”产出。?情形2:方向向量是g =(y ,0),且“坏”产出在技术上具有弱可处置性。
?情形3:方向向量是g =(y ,-b ),且“坏”产出在技术上具有弱可处置性。
第一种情形意味着没有环境管制。第二种情形表示,在环境管制下,“好”产出提高而“坏”产出保持不变。第三种情形表示,存在更加严格的环境管制,要求同比例的增加“好”产出而减少“坏”产出。我们利用DE A 来求解方向性距离函数,这需要解下面的线性规划:
D t o (x
t ,k ′
,y
t ,k ′
,b
t ,k ′
;y
t ,k ′
,-b
t ,k ′
)=Max βs.t.
∑K
k =1
z t k y
t km ≥(1+β)y t k ′m ,m =1,…,M ;(7)
∑K
k =1
z t k
b
t
ki
=(1-β)b t
k ′i
,i =1,…,I ;∑K
k =1
z t
k x
t kn
≤x t
k ′n ,n =1,…,N ;z t
k ≥0,k =1,…,K
线性规划(7)与情形3相对应,而情形1和2仅仅是其特例,这两种的情形的线性规划见附录。方向性距离函数的值如果等于零,表明这个国家的生产在生产可能性边界上,具有技术效率,否则表示技术无效率。有了方向性距离函数,我们便可以构造全要素生产率指数。
21Malmquist 2Luenberger 生产率指数
根据Chung et al.(1997),基于产出的Malmquist 2Luenberger (M L )t 期和t +1期之间的生产率指数为
ML t +1
t
=
[1+ D t o
(x t ,y t ,bt ;g t
)][1+ D t
o
(x t +1,y t +1,b
t +1;g t +1)]×[1+ D t +1
o (x t ,y t ,b t ;g t )]
[1+ D t +1o (x t +1,y t +1,b t +1;g t +1
)]
12
(8)
M L 指数可以分解为效率变化(EFFCH )和技术进步指数(TECH ):
ML =EFFCH ×TECH (9)
EFFCH t +1
t
=
1+ D t
o (x t
,y t
,b t
;g t
)
1+ D t +1o (x t +1,y t +1,b t +1;g t +1
)(10)
TECH t +1
t
=
[1+ D t +1o (x t ,y t ,b t ;g t )]
[1+ D t o (x t ,y t ,b t ;g t
)]
×
[1+ D t +1o (x t +1,y t +1,b t +1;g t +1
)]
[1+ D t o (x
t +1
,y
t +1
,b
t +1
;g
t +1
)]
(11)
M L ,EFFCH 和TECH 大于(小于)分别表明生产率增长(下降),效率改善(恶化),以及技术进步(退
步)。在每一种不同的情形下,有不同的方向性距离函数,因此,就有三个生产率指数。每一种生产
①②③Chambers et al.(1996)和Fare et al.(2005)对此进行了详细的讨论。
根据Chung et al.(1997),方向性距离函数和谢泼德距离函数的关系为: D
o (x ,y ,b ;g )=1ΠD o (x ,y ,b )-1。方向性距离函数是Luenberger (1992,1995)短缺函数(Shortage Function )的一个变体。
率指数的计算需要解四个线性规划,从而求四个方向性距离函数。其中两个线性规划求解当期方向性距离函数(如,利用t 期的技术和t 期的投入产出值),另外两个线性规划求解混合方向性距离函数(如,利用t 期的技术和t +1期的投入产出值)。在计算混合方向性距离函数时,如果t +1期的投入产出值在期的技术下是不可行的,则线性规划无解。为了减少计算M L 指数不可行解的数量,本文运用序列DE A 的方法,即每一年的参考技术由当期及其前所有可得到的投入产出值决
定。①根据上述方法,本文测度了17个APEC 国家和地区1980—2004年的生产率指数、效率变化指数及技术进步指数。
三、数据处理及实证结果分析
11数据处理
按照上述理论方法,我们需要APEC 各个国家和地区1980—2004年的“好”产出、“坏”产出和投
入数据。根据数据的可得性,我们主要选择APEC 17个国家和地区:澳大利亚、加拿大、智利、中国、中国香港、印度尼西亚、日本、韩国、马来西亚、墨西哥、新西兰、秘鲁、菲律宾、新加坡、中国台湾、泰国和美国。“好”产出、和投入的基础数据主要来源于Heston ,Summers and Aten PWT 612。
(1)“好”产出。“好”产出选用各个国家或地区以2000年为基期的实际国内生产总值,这些数据通过PWT 612不变价格链式序列人均国内生产总值与样本国家或地区的人口数相乘得到。(2)“坏”产出。由于C O 2的排放量占整个温室气体排放量的80%,因此,我们选择C O 2的排放量作为“坏”产出的指标。C O 2排放量的数据来源于W orld bank (2007)W DI 数据库,C O 2排放量单位
为千公吨。
②
(3)劳动投入。本文采用历年各个国家和地区的G DP 除以劳均G DP 得到劳动力投入的数据。(4)资本投入。资本数据按照王兵、颜鹏飞(2007)的方法得到③。
表1
样本描述性统计
国家或地区
(略去)
平均增长率(%,1980—2004)
C O 2排放量平均增长率(%)C O 2排放量份额(%)
Y L K 1980
—19911992—2004
1980—20041980—2004平均1218911431461146116117663141平均25121214519241493174412436157平均341712154513412311411431181平均46121211371155107410141454176总体平均
4153
2111
5119
316
2125
3151
99198
注:(1)限于篇幅关系,略去各个国家和地区的具体数据,读者若有需要,可向作者索要全套资料。
(2)平均1=附件I 国家;平均2=非附件I 国家;平均3=发展中国家;平均4=东亚新兴工业经济。
①②③我们对折旧率敏感性进行了分析,即在假设发达国家和发展中国家的折旧率分别为7%和4%的基础上,重新计算资本存量及生产率。但是,我们发现结果几乎没有受到影响。
中国台湾的数据来源于Oak Ridge Data set (http :ΠΠcdiac.esd.ornl.g ov Πfp Πndp030Π
),为了和W DI 数据的单位保持一致,每个数值通过原始数据乘以3.664得到(Oak Ridge Data set 中CO 2排放量的单位为千公吨碳)。在W DI 中,缺少大多数国家和地区的2003年和2004年的数据,我们采取插补法得到。
王兵和颜鹏飞(2007)对序列DE A 进行了介绍。Fare et al.(2001a )及上述大多数文献的处理方法是窗式DE A (W indow
DE A ),即每一年的参考技术由当期及其前两年的投入产出值决定。例如,2000年的参考技术由2000年、1999年和1998年的数据来
构造。Fare et al.(2006)认为窗式DE A 是当期DE A 和序列DE A 的折衷。但是,窗式DE A 的缺陷在于:一方面,它无法避免技术退步的情况;另一方面,它在降低不可行解的效果方面也不如序列DE A 。所以,根据王兵和颜鹏飞(2007),我们选择了序列的DE A 。我们也运用窗式DE A 对生产率指数进行了测算,需要结果的可以与作者联系。
样本数据的描述性统计在表1中。1980年以来,中国、马来西亚、泰国和东亚新兴工业经济都有很高的增长率。这些国家和地区均包含在S pence (2007)所列举的11个持续高速增长的经济体
中。①但是,我们也看到,在这些经济体中,高速的经济增长也伴随着资本存量和C O 2排放量的迅
速增长。为了考察《气候公约》对C O 2排放量的可能冲击,在时间上将样本期划分为两个阶段:1980—1991年(《气候公约》签订前)和1992—2004年(《气候公约》签订后)在空间上,我们将17个国
家和地区分为两组:附件I 国家(加拿大、美国、日本、澳大利亚、新西兰)和非附件I 国家。②
其中,非
附件I 国家可以划分为发展中国家(墨西哥、智利、印度尼西亚、马来西亚、菲律宾、泰国、中国、秘鲁)和东亚新兴工业经济(中国香港、韩国、新加坡、中国台湾)。截至1994年,除了新加坡外,所有其他的APEC 成员国家或地区均在《气候公约》上签字。美国是目前唯一一个没有在《京都议定书》上签字的国家。附件I 国家和中国是C O 2排放的主要国家,它们的C O 2排放总量占整个研究样本总量的87124%。在整个样本期,泰国C O 2排放量平均增长率最高,达到8114%。通过表1也可以看到,1992—2004年间,C O 2排放量平均增长率下降,这表明《气候公约》对于降低C O 2排放量具有积极的影响,Y oruk and Z aim (2005)在对OEC D 的研究中,也得到了同样的结论。
21实证结果分析
根据上述的研究方法及所得到的数据,运用G AMS2214软件包得到三种类型的全要素生产率
指数及其成分的结果。③情形1下没有考虑环境管制,其实质是生产率增长文献中的传统的
Malmquist 生产率指数。情形2考虑一个国家和地区在环境管制下C O 2排放量保持不变,而“好”产
出(G DP )尽可能地提高,这种情形似乎和《京都议定书》设定的关于C O 2排放的目标是一致的(Jeon and Sickles ,2004)。情形3就是M L 生产率指数,它要求同比例的增加G DP 而减少C O 2排放量。这
种情形可以看作是支持以经济增长为目标和反对经济增长的环保运动之间的折衷(Jeon and Sickles ,2004)。这也是和当前的实践,以及《气候公约》中减少C O 2排放的目标是一致的。表2是1980—2004年全要素生产率指数及其成分的平均增长率(表中PI 表示全要素生产率指数,EC 表示
效率变化,TP 表示技术进步。)。1980—1991年和1991—2004年两个子时期全要素生产率指数及其
成分的平均增长率在附表1和附表2中。
在情形1下(不考虑C O 2的排放),整个样本期内,APEC 总体平均全要素生产率指数为110044,表明各个国家和地区的全要素生产率平均每年的增长率为0144%。从平均意义上来看,全要素生产率的增长主要是由0176%的技术进步推动,而效率变化则出现恶化。附件I 国家的全要素生产率增长、技术进步率和效率变化(0171%、0191%和-012%)均高于非附件I 国家(0132%、017%和-0138%)。四个东亚新兴工业化经济的全要素生产率增长率为112%,其中技术进步率为1117%,技术效率增长率为0103%。发展中国家的全要素生产率平均增长率为-0111%,主要是由于效率出现恶化。从各个国家和地区来看,在1980—2004年期间,53%(9Π17)的APEC 成员表现出了全要素生产率的增长。全要素生产率增长最快的四个国家和地区是新加坡(3106%)、日本(1159%)、美国和中国台湾(1112%)。在这些国家和地区,技术进步对全要素生产率增长的贡献要大于效率变化,尤其是日本的技术效率增长率为负。这个发现和Fare et al.(2001b )是一致的,他们发现,在1975—1996年间,新加坡是APEC 中全要素生产率增长最快的国家。
①②③我们感谢美国环境保护局(Environmental Protection Agency )的Carl A.Pasurka 教授对计算程序编写的帮助。
没有考虑《京都议定书》对排放量的影响,主要是由于《京都议定书》生效的时间为2005年2月16日,这已经超出了我们研究的样本期。附件I 国家是指《气候公约》附件I 所列的国家,主要包括发达国家和地区组织(欧盟)。
S pence (2007)给“持续高速增长”下了一个定义:“高”是指G DP 增长超过7%,持续是指超过25年。这也是本文以APEC 为
研究对象的一个重要原因。
表2
1980—2004年全要素生产率指数及其成分的平均增长率
国家或地区
(略去)
情形1
情形2
情形3
PI EC TP PI EC TP PI EC TP 平均111007101998110091110108019961110148110091019965110126平均211003201996211007110034019963110071110042019988110054平均301998901994111004701996601993611003019998019975110023平均41101211000311011711017110017110152110131110013110118总体平均
110044
019967
110076
110055
019962
110093
110056
019981
110075
注:限于篇幅关系,略去各个国家和地区的具体数据,读者若有需要,可向作者索要全套资料。
在情形2下(C O 2的排放量保持不变),平均全要素生产率指数为110055,高于情形1下的全要素生产率指数,这个发现支持了Jeon and Sickles (2004)的结果。在他们的研究中,无论是OEC D 还是亚洲经济,情形2下的平均全要素生产率指数均高于情形1下的全要素生产率指数。但是,附件
I 国家则是由于技术进步的加快,而非附件I 国家,则主要是由于效率的改善。同情形1一样,附件I 国家的全要素生产率增长和技术进步率(1108%和1148%)高于非附件I 国家(0134%和0171%),但是技术效率的增长率在非附件I 国家中更高一些。并且,与情形1相比较,从各个国家和地区来看,在1980—2004年期间,71%(12Π17)的APEC 成员表现出了全要素生产率的增长。全要素生产率增长最快的三个国家和地区是新加坡(3105%)、美国(2111%)、中国香港(2105%)。在这些国家和地区,技术进步对全要素生产率增长的贡献要大于效率变化。
在选择特定方向向量的基础上,方向性距离函数测度观测值与生产可能性边界的距离,因此,全要素生产率的增长取决于一个国家或地区的投入—产出组合的变化以及与这个国家或地区投入—产出观测值附近的生产可能性边界的形状(Jeon and Sickles ,2004)。因此,与忽视环境管制相比,在考虑环境管制的条件下,我们期望C O 2排放量的增长率越低及G DP 增长率越高的国家和地区,相对来说具有更高的全要素全要素生产率增长率。情形2的全要素生产率指数高于情形1的国家和地区有:澳大利亚、加拿大、中国香港、印度尼西亚、墨西哥、秘鲁、菲律宾、泰国、中国台湾和美国。符合这一规律的国家有(C O 2排放量的增长率在3%以下):澳大利亚、加拿大、墨西哥、秘鲁、美国。从APEC 整体的角度来分析,我们并没有发现这个规律,主要是没有C O 2减排任务的非附件I 国家占大多数。因此,我们重点分析附件I 国家。附件I 国家中的美国、加拿大和澳大利亚的C O 2排放量的增长率较低,并且这些国家的G DP 增长率在附件I 国家中也是排在前三位,所以,考虑环境管制后全要素生产率指数出现了正增长。对于日本和新西兰来说,虽然C O 2排放量的增长率3%以下,但是这两个国家的G DP 增长率较低,所以,全要素生产率指数并没有增加。
情形3下的M L 指数强调了对C O 2排放的限制,这是与当前全世界都在关注全球变暖的现实是一致的。1980-2004年,平均全要素生产率指数为110056,这高于情形1和情形2下的全要素生产率指数,全要素生产率的增长的主要源泉是0176%的技术进步。附件I 国家的全要素生产率增长和技术进步率(0191%和1126%)高于非附件I 国家(0142%和0154%)。在APEC 中,71%(12Π17)的国家和地区表现出了全要素生产率的增长。全要素生产率增长最快的三个国家和地区是新加坡(2149%)、中国台湾(1156%)和中国香港(1148%)。附件I 国家和非附件I 国家在情形1下的
平均全要素生产率增长率高于情形3,这个发现与K umar (2006)相一致。如果将减少C O 2排放量作为目标,则附件I 国家的技术进步率(1126%)要高于非附件I 国家(0154%)。这个发现证实了K opp (1998)的结论,他发现1970—1990年发达国家经历了伴随着减少C O 2排放的技术进步,但这并没
有出现在发展中国家。情形3下的全要素生产率指数高于情形1的国家和地区有:澳大利亚、加拿大、中国、中国香港、印度尼西亚、墨西哥、秘鲁、菲律宾和中国台湾。在对C O
2排放量更加严格的
管制下,我们期望全要素生产率的增长率与C O
2排放量变化的方向相反。但是,我们研究的样本期间,没有一个国家或地区的C O
排放量增长率为负增长,所以,无法验证我们的期望。
2
根据附表1和附表2,《气候公约》签订后,从总体上来看全要素生产率增长的幅度出现了提高,主要是由于效率的改善。如果分地区来看,除了东亚新兴工业化经济外,全要素生产率增长的幅度均出现了提高,提高的原因是由于效率的改善。如果具体到各个国家或地区来看,在情形1下,59%(10Π17)的APEC国家和地区全要素生产率的增长加快,提高幅度最大的三个国家是秘鲁、加拿大和马来西亚。在情形2下,59%(10Π17)的APEC国家和地区全要素生产率的增长加快,提高幅度最大的三个国家是中国、秘鲁和马来西亚。在情形3下,59%(10Π17)的APEC国家和地区全要素生产率的增长加快,提高幅度最大的三个国家是新西兰、马来西亚和墨西哥。
31生产可能性边界的移动———确认“创新者”
尽管每年的技术进步率可以计算出来,但是我们不知道每一年哪一个国家或地区使生产可能性边界外移。为了说明哪一个国家或地区是“创新者”(Innovator),我们需要在技术进步率的基础上引进一些条件。按照Fare et al.(2001b)和K umar(2006)
TECH t+1t>1
D t o(x t+1,y t+1,b t+1;y t+1,-b t+1)<0(12)
D t+1o(x t+1,y t+1,b t+1;y t+1,-b t+1)=0
以情形3为例,第一个条件,TECH t+1
>1,表示生产可能性边界朝着更多“好”产出和更少“坏”产出
t
的方向移动。也就是说,在既定的投入向量下,t+1期相对于t期具有更高的G DP及更少的C O
2排放量。所以,当对“好”产出和“坏”产出做不对称处理时,这个条件测度了与一个国家相关部分的生产可能性边界在t期和t+1期之间的移动。第二个条件表示t+1期的生产发生在t期的生产可能性边界之外(即技术进步已经发生)。这意味着,t期的技术利用t+1期的投入是不可能生产出t+1的产出。因此,相对于t期的参考技术,方向性距离函数的值小于零。第三个条件说明,作为“创新者”的国家必须在生产可能性边界上。如果同时满足上面三个条件,那么这个国家或地区从时期t到t+1期使得生产可能性边界外移。附表3列出了三种情形下的“创新者”。按照上述条件,在情形1下,美国移动生产可能性边界20次,中国台湾移动生产可能性边界18次。在情形2下,美国移动生产可能性边界21次,中国台湾和中国香港分别移动边界19次和15次。在情形3下,美国、中国台湾和中国香港分别移动生产可能性边界19次、19次和16次。总体上来说,共有7个国家至少移动生产可能性边界1次。并且,我们发现1997—1998年仅仅有1个国家移动生产可能性边界(主要是由于东亚金融危机),2000—2001年没有国家移动边界(世界经济衰退)。这也支持了Fare et al.(2001a)的观点,他们认为商业周期和既定年份移动生产可能性边界的国家数目存在一定关系。
四、影响环境管制下全要素生产率的因素分析
上一部分分析了APEC国家和地区的全要素生产率绩效,这一部分将分析影响环境管制下全要素生产率增长的因素。尽管全要素生产率不是一个国家经济增长和福利唯一的决定因素,但是,全要素生产率的分析有助于我们理解一个国家的经济发展、生活水平和国家竞争力。所以,分析哪
些因素影响在考虑环境管制下的全要素生产率增长就显得非常重要。①
到目前为止,并没有正式的理论作为确定影响生产率增长因素的依据,因此,本文的研究主要是根据前人的研究以及自己的
思考来确定这些因素。在某些情况下,这些因素的选择还要受到数据可得性的限制。
为了检验生产率增长和影响其因素的关系,我们利用面板数据回归下面的方程:
PI =α+
∑
βi z i
+u (13)
PI 表示生产率指数(因变量),z i 代表影响生产率增长的因素(解释变量),βi 是被估计参数,u 是标
准白噪声,α是截距项。为了考虑环境管制,情形2和情形3的生产率指数用到方程(13)中。解释
变量包括,不变价格的人均G DP (G DPPC ),工业增加值占G DP 的份额(I ND )②,滞后一期的技术无效率(EI t 21),资本2劳动比的对数(LN (K ΠL )),人均能源使用量(EPC ),开放度(OPE N )和虚拟变量(UNFCCC )(签订《气候公约》的国家和时期为1)。人均G DP 和工业增加值份额的平方也包含在回
归方程中,主要是考察生产率指数和这些变量之间的二次型关系。人均G DP 和开放度的数据来源于PWT 612。工业增加值占G DP 的份额和人均能源耗费量的数据来源于W DI 数据库(W orld Bank ,2007)。
表3影响环境管制下生产率增长的因素
变量
情形2
情形3
固定效应模型随机效应模型固定效应模型随机效应模型β
t 2S tat β
t 2S tat β
t 2S tat β
t 2S tatc α
2105073
1310536 019877
3
171422511313132415724 110969
3
2213656G DPPC 012021341836101015401889601073436111340103573214762G DPPC 2
-0102373-315003010003010704-0101053-513833-010054
-117882I ND -01471133-212052010988016239-0127143-315981-010628-015005I ND20192083218629-011567-016581015377341967901133017042
EI t 21011705371693101020833
2100760106133417579010165
116692LN (K ΠL )-011123
3
-617625
-010015-012259-010321
3-611223-010113
33
-211382
EPC -7185E 206
-112965-1192E 206-111365-4135E 20633
-211534-6162E 207-014243OPE N -0101833
-21482010029 113248-01008633
-2140990100170184UNFCCC
-01012
3-215206
-010062
-117548
010*********
-010027-110416
拐点(G DPPC )412637—
314952313056拐点(I NDS )
0125013101250124R
2
01259
010*********
010525Hausman 检验
9015932
3310829
观测值数量408408408408
注:3表示估计系数在1%水平上显著,33代表估计系数在5%水平上显著; 表示估计系数在10%水平上显著, 表示估计系数在20%水平上显著。
①②Fare et al.(2001a )认为,一个国家工业部门的具体构成也会影响CO 2排放量。由于数据的可得性,我们只分析了总的工业
增加值占G DP 的比重。
Fare et al.(2001a )、Y oruk and Z aim (2005)和K umar (2006)也做了同样的工作。
表3给出了固定效应和随机效应两种情况下的回归结果。Hausman检验表明对两个生产率指数的回归分析均应选择固定效应模型。除了情形3下的虚拟变量外,所有的系数都具有统计显著性。人均G DP和生产率指数正相关,并且人均G DP平方的系数为负,这说明人均G DP和生产率指数之间具有倒U型关系,拐点大约为＄42637(情形2)或者＄34952(情形3)。因此,一旦APEC国家和地区的人均G DP达到拐点的水平,生产率增长将下降。这反映了APEC中落后国家的追赶效应。这与Y oruk和Z aim(2005)发现OEC D中U型的关系相反,这主要是由于OEC D中各个国家的发展水平更加接近,而APEC中各成员之间人均G DP的差距较大。工业份额与生产率指数负相关,然而工业份额的平方的系数则为正,表明两者之间具有U型的关系,两种情形下的拐点均大约为25%。因此,一旦一个国家和地区的工业份额超过这些拐点,生产率增长将加快。Y oruk和Z aim (2005)发现在OEC D中具有相同的现象。这种现象是由于一个国家工业化程度越高生产年率增长越快的事实。生产率指数和滞后一期的技术无效率是正相关的,而资本2劳动比的系数是负的。这两个关系说明APEC中趋同现象的存在。越靠近生产边界的国家和地区相对于距边界较远的国家和地区来说,生产率增长越低,因此出现了后者对前者的追赶(Lall et al.2002)。K umar(2006)的研究也支持了趋同的假说。
最后,开放度和人均能源使用量与生产率指数均是负相关的。开放度可以作为制度和政策框架的代理变量,并且获取国际贸易对生产率增长的信息(E tkins et al.1994,T askin and Z aim2001, K umar2006)。这个结果说明环境的不合意效应可能来源于贸易量和人均能源的使用量的提高。另外,在情形2下,虚拟变量的系数是负的,且具有统计显著性。但是,在情形3下,虚拟变量的系数是正的,统计上却没有显著性。这与Y oruk和Z aim(2005)的结果相矛盾,他们的研究表明OEC D 国家《气候公约》的签订对生产率增长具有正的冲击。这主要是由于,OEC D大多数成员国家是附件I国家,这些国家具有减排温室气体的任务,而在我们研究的APEC成员中,仅仅5个国家是附件I国家,所以,《气候公约》对考虑环境管制下的生产率的影响并不明显,甚至具有相反的结果。
五、结 论
由于没有考虑生产过程中的“坏”产出,传统全要素生产率的测度方法使得生产率增长的测算出现了偏差。本文运用Malmquist2Luenberger生产率指数测度并比较了对C O
2排放做出不同管制的三种情形下APEC17个国家和地区1980—2004年的全要素生产率增长。为了减少不可行解的数量,并且避免技术退步,我们运用了序列DE A。最后,对环境管制下影响全要素生产率增长的因素进行了实证研究。
我们发现,如果不考虑环境管制,APEC的生产率平均每年的增长率为0144%。然而,如果政
策的目标是保持C O
2排放量不变或者减少C O2排放量,生产率的增长率为0155%或者0156%,并且主要是由于技术进步的推动。因此,从平均意义上讲,考虑环境管制后,APEC的生产率增长水平提高了。本文也发现17个国家和地区中,有7个国家和地区至少移动生产可能性边界1次。
我们也考察了,在两种不同环境管制假设下,影响全要素生产率增长的因素。结果发现,人均G DP和生产率指数正相关,并且人均G DP平方的系数为负;工业份额与生产率指数负相关,然而工业份额的平方的系数则为正;生产率水平和滞后一期的技术无效率同方向变化,与劳均资本反向变化,这意味着趋同假设的存在;人均能源使用量和国家的开放度与生产率增长负相关,签订气候协定的虚拟变量与生产率水平的关系不确定。
当然,本文并没有考虑其他的温室气体以及污染物,从而影响了评价各个国家和地区环境全要素生产率的准确性。因此,在运用本文的研究结果制定政策建议时需要谨慎。这也将是我们下一步研究的方向。
附录
11求解情形1和情形2方向性距离函数的线性规划
情形1:(没有环境管制)
D t o(x t,k′,y t,k′,0;y t,k′,0)=Maxβs.t.∑K
k=1
z t k y t km≥(1+β)y t k′m,m=1,…,M;(A.1)
∑K
k=1
z t k x t kn≤x t k′n,n=1,…,N;z t k≥0,k=1,…,K
情形2:(C O2排放量保持不变)
D t o(x t,k′,y t,k′,b t,k′;y t,k′,0)=Maxβs.t.∑K
k=1
z t k y t km≥(1+β)y t k′m,m=1,…,M;(A.2)
∑K k=1z t k b t ki=b t k′i,i=1,…,I;∑
K
k=1
z t k x t kn≤x t k′n,n=1,…,N;z t k≥0,k=1,…,K
21两个子时期的全要素生产率指数及其成分的增长率
附表11980—1991年全要素生产率及其成分的平均增长率
国家或地区(略去)
情形1情形2情形3
PI EC TP PI EC TP PI EC TP
平均1110055019952110103110097019903110196110085019911110175平均211002401990311012211002701991611011111004101996110082平均3019947019845110103019932019869110065019974019932110042平均411017911002110158110217110012110206110177110015110162总体平均110033019917110116110047019912110136110054019946110109 注:限于篇幅关系,略去各个国家和地区的具体数据,读者若有需要,可向作者索要全套资料。
附表21992———2004年全要素生产率及其成分的平均增长率
国家或地区(略去)
情形1情形2情形3
PI EC TP PI EC TP PI EC TP
平均111009211000511008611012611001110116110103110012110091平均21100431100131100311004311000311004110046110012110034平均3110026110026101999501999411000111002110012110008平均4110077019987110091101391100231101161101110013110087总体平均11005711001110046110067110005110062110063110012110051 注:限于篇幅关系,略去各个国家和地区的具体数据,读者若有需要,可向作者索要全套资料。
31移动生产可能性边界的国家和地区
附表3移动生产可能性边界的国家和地区
年份情形1情形2情形3 1980—1981墨西哥、美国中国香港、墨西哥、新西兰、菲律宾、美国中国香港、墨西哥、新西兰、菲律宾、美国1981—1982—菲律宾菲律宾
1982—1983美国中国香港、新西兰、菲律宾、中国台湾、美国中国香港、新西兰、菲律宾、中国台湾、美国1983—1984中国台湾、美国中国香港、新西兰、菲律宾、中国台湾、美国中国香港、新西兰、菲律宾、中国台湾、美国1984—1985中国台湾、美国中国台湾、美国中国台湾、美国
1985—1986中国台湾、美国中国香港、菲律宾、中国台湾、美国中国香港、菲律宾、中国台湾、美国
1986—1987中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1987—1988中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1988—1989中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1989—1990中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1990—1991中国台湾中国香港、中国台湾中国香港、中国台湾
1991—1992中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1992—1993中国台湾、美国智利、中国香港、中国台湾、美国智利、中国香港、中国台湾、美国
1993—1994中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1994—1995中国台湾、美国中国台湾、美国中国香港、中国台湾、美国
1995—1996中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1996—1997中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
1997—1998美国美国美国
1998—1999中国台湾、美国中国台湾、美国中国台湾
1999—2000中国台湾、美国中国台湾、美国中国台湾
2000—2001———
2001—2002—美国美国
2002—2003中国台湾、美国中国台湾、美国中国台湾、美国
2003—2004中国台湾、美国中国香港、中国台湾、美国中国香港、中国台湾、美国
注:“—”表示没有国家和地区在生产边界上。
参考文献
王兵、颜鹏飞,2007:《技术效率、技术进步与东亚经济增长》,《经济研究》第5期。
Caves,D1W1,Christensen,L1R1,&Diewert,W1E1,1982a,“The Econom ic Theory of Index Numbers and the M easurement of Input,Output, and Productivity”,Econometrica,50,pp11393—1414.
Caves,D.W.,Christensen,L.R.,&Diewert,W.E.,1982b,“Multilateral C om paris ons of Output,Input and Productivity Using Superlative Index Numbers”,Economic Journal,92,pp.73—86.
Chambers,R.G.,R.Fare,S.G rosskopf,1996,“Productivity G rowth in APEC C ountries”,Pacific Economic Review,1(3),pp.181—190.
Chang,C.,Luh,Y.,1999,“E fficiency Change and G rowth in Productivity:The Asian G rowth Experience”,Journal o f Asian Economics,10, pp.551—570.
Chung,Y.H.,R.Fare and S.G rosskopf,1997,“Productivity and Undesirable Outputs:A Directional Distance Function Approach”, Journal o f Environmental Management,51,pp.229—240.
C oelli T J,Prasada Rao DS,O’
D onnell C J,Battese GE,2005,An Introduction to
E fficiency and Productivity Analysis,2nd edn,S pringer, New Y ork.
D omazlicky,B,W eber,W.,2004,“D oes Environmental Protection Lead to S lower Productivity G rowth in the Chem ical Industry?”, Environmental and Resource Economics,28,pp.301—324.
E tkins,P.,
F olke,C.,C ostanza,R.,1994,“T rade,Environment and Development:the Issues in Perspective”,Ecological Economics9, pp.1—12.
Fare,R.,G rosskopf,S.,Lovell,K. C.A.,Y aisawarng,S.,1993,“Derivation of Shadow Prices for Undesirable Outputs:A Distance Function Approach”,Review o f Economics and Statistics,75,pp.374—380.
Fare,R.,G rosskopf,S.,N orris,M.,&Zhang,Z.,1994,“Productivity G rowth,T echnical Progress,and E fficiency Change in Industrialized C ountries”,American Economic Review,84,pp.66—83.
Fare,R.,Prim ont,Dan,1995,Multi—Output Production and Duality:Theory and Applications,K luwer Academ ic Publishers,Boston.
Fare,R.and G rosskopf,S.,1996,Intertem poral Production Frontiers:W ith Dynam ic DE A,K luwer Academ ic Publishers,Boston.
Fare,R.,G rosskopf,Shawna,Pasurka,Carl,2001a,“Accounting for Air P ollution Em issions in M easuring S tate M anu facturing Productivity G rowth”,Journal o f Regional Science,41,pp.381—409.
Fare,R.,G rosskopf,S.;M argaritis,D.,2001b,“APEC and the Asian Econom ic Crisis:Early S ignals from Productivity T rends”,Asian Economic Journal,Sep2001,V ol.15Issue3,pp.325—342.
Fare,R.,G rosskopf,S.,2004,New Directions:E fficiency and Productivity,K luwer Academ ic Publishers,Boston.
Fare,R.,G rosskopf S,N oh DW,W eber W,2005,“Characteristics of a P olluting T echnology:theory and practice”,Journal o f Econometrics,126,pp.469—492.
Fare,R.,S.G rosskopf,and Carl A.,Pasurka,2006,“P ollution Abatement Activities and T raditional Productivity”,Ecological Economics, doi:10.1016Πj.ecolecon.2006.08.014.
Fare,R.,S.G rosskopf,and Carl A.,Pasurka,2007,“Environmental Production Functions and Environmental Directional Distance Functions”,Energy,32,pp.1055—1066.
Farrell,M.J.,1957,“The M easurement of Productive E fficiency”,Journal o f the Royal Statistical Society,Series A:G eneral,120,pp.253—281.
Hailu,A.,Veeman,T.S.,2000,“Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry,1959—1994: An Input Distance Function Approach”,Journal o f Environmental Economics and Management,40,pp.251—274.
Hailu,A.,Veeman,T.S.,2001,“N on—parametric Productivity Analysis with Undesirable Outputs:An Application to the Canadian Pulp and Paper industry”,American Journal o f Agricultural Economics,83,pp.605—616.
Jaffe,A.B.,S.Peters on,P.P ortney,and R.S tavins.1995,“Environmental Regulation and the C om petitiveness of U.S.M anu facturing: What D oes the Evidence T ell Us?”,Journal o f Economic Literature,33,pp.132—163.
Jeon,B.M.,S ickles,R.C.,2004,“The role of Environmental Factors in G rowth Accounting”,Journal o f Applied Econometrics,19,pp. 567—591.
K opp,G.,1998,“Carbon Dioxide Em issions and Econom ic G rowth:A S tructural Approach”,Journal o f Applied Statistics,25(4),pp. 489—515.
K umar,S.,2006,“Environmentally Sensitive Productivity G rowth:A G lobal Analysis Using M almquist2Luenberger Index”,Ecological Economics,56,pp.280—293.
Lall,P.,Featherstone,A.M.,N orman,D.W.,2002,“Productivity growth in the W estern Hem isphere(1978—94):the Caribbean in perspective”,Journal o f Productivity Analysis,17,pp.213—231.
Lindenberger,D.,2004,“M easuring the Econom ic and Ecological Performance of OECD C ountries”,EWI W orking Paper,Nr04.01.
Lindmark,M.,Vikstrom P.,2003,“G lobal C onvergence in Productivity2A Distance Function Approach to T echnical Change and E fficiency Im provements”,Paper for the C on ference“Catching2up G rowth and T echnology T rans fers in Asia and W estern Europe”,G roningen17—18 October,2003.w w https://www.wendangku.net/doc/ec17037412.html,Πcon fΠpaper2vikstrom lindmark.pd f.
Luenberger,D.G.,1992,“Benefit Functions and Duality”,Journal o f Mathematical Economics,21,pp.461—481.
Luenberger,D.G.,1995,M icroeconom ic Theory,M cG raw2Hill,Boston.
Pittman,R.W.,1983,“Multilateral Productivity C om paris ons with Undesirable Outputs”,Economic Journal,93,pp.883—891.
Ray,S.C.,Mukherjee,K.,2007,“E fficiency in M anaging the Environment and the Opportunity C ost of P ollution Abatement”,http:ΠΠdigitalcomm https://www.wendangku.net/doc/ec17037412.html,Πecon w papersΠ200709.
Repetto,R.,D.R othman,P.Faeth and D.Austin,1997,“Has Environmental Protection Really Reduced Productivity G rowth?”,Challenge
(January2February),pp.46—57.
Scheel H,2001,,“Undesirable Outputs in E fficiency Valuations”,European Journal o f Operational Research,132,pp.400—410.
S pence M ichael,2007,“W ealth of Nations:Why China G rows S o Fast”,Wall Street Journal(Eastern edition),New Y ork,Jan23,2007.pg.A.
19.
T askin,F.,Z aim,O.,2001,“The R ole of International T rade on Environmental E fficiency:a DE A Approach”,Economic Modelling,18, pp.1—17.
T yteca D.,1996,“On the M easurement of the Environmental Performance of Firms2A Literature Review and A Productive E fficiency Perspective”,Journal o f Environmental Management,46,pp.281—308.
W eber,W.L.and B.D omazlicky,2001,,“Productivity G rowth and P ollution in S tate M anu facturing”,Review o f Economics and Statistics,83 (1),pp.195—199.
W orld Bank,2007,W orld Development Indicators,W orld Bank,W ashington.
Wu,Y.,2004,“Openness,Productivity and G rowth in the APEC Econom ies”,Empirical Economics,29,pp.593—604.
X epapadeas,A.,2005,“Econom ic G rowth and the Environment”,In:K arl—G ran M ler and Jeffrey Vincent,(eds)Handbook of Environmental Econom ics.N orth—H olland.E lsevier Science,Amsterdam,pp.1220—1271.
Y oruk,B.,Z aim,O.,2006,“The K uznets Curve and the E ffect of International Regulations on Environmental E fficiency”,Economics Bulletin,V ol.17,N o.1pp.1—7.
Y oruk,B.,Z aim,O.,2005,“Productivity growth in OECD C ountries:A C om paris on with M almquist Indices”,Journal o f Comparative Economics,33,pp.401—42.
E nvironmental R egulation and Total
F actor Productivity
G row th:
An Empirical Study of the APEC Economies
Wang Bing,Wu Y anrui and Y an Peng fei
(Economics School,Jinan University;Business School,
University of Western Australia;Economics and Management School,Wuhan University)
Abstract:This paper applies Malmquist2Luenberger index method to measure TFP growth and its com ponents in a sam ple of17 APEC economies over the period1980to2004while accounting for C O2emissions.Firstly,we estimate and com pare three type productivity indices according to three scenarios,from no constraints on C O2emissions,to no increase over current levels,to a partial reduction.Secondly,we em pirically examine the causes of productivity changes while accounting for environmental regulation.The major conclusions are as follows:With accounting for environmental regulations,TFP growth for17APEC economies on average is slightly higher than that without regulations,and technical progress is the main s ource.Out of17 economies,seven different economies shifted the frontier at least once.G DP per capita,industrialization,technical inefficiency, capital labor ratio,energy use per capita and the openness have a significant,negative effect on the productivity index with environmental regulations.
K ey Words:Environmental Regulation;TFP;Directional Distance Functions;Malmquist2Luenberger Index;Data Envelopment Analysis
JE L Classification:D24,O47,C61
(责任编辑:成 言)(校对:子 璇)
关于索洛残差法计算全要素生产率的再思考
关于索洛残差法计算全要素生产率的再思考 摘要：本文认为索洛提出的残差法在计算全要素生产率在理论上虽然具有可行性，但是在具体操作中存在科学性的问题。笔者对中国1952-2004部分省市的面板数据，利用索洛残差法计算了全要素生产率，对结果进行了分析和平稳性检验并论证了该方法计算的结果不具可信度，并对其可能的原因进行了分析。 关键词：全要素生产率（TFP）索洛残差经济增长 一、对索洛残差法和中国全要素生产率的思考 易纲、樊纲、李岩指出，索洛的主要的理论缺陷来源于以资本存量代替资本服务。这样难以对资本进行准确的估算，另外在实际中资本往往有一部分处于闲置状态，而新旧资本的使用效率也不一样，因此会高估全要素生产率。笔者却认为不仅如此，运用索洛残差法估算全要素生率的可行性值得商榷，因为该方法实质是求残差，而具体使用时又往往是通过计量的方法获得资本和劳动的产出弹性，这里面本身已经存在一个计量的随机误差项，如此计算出来的全要素生产率缺乏准确性，如果回归样本数过小，其计算数值根本不具有代表性。 克鲁格曼认为，如果用全要素生产率来衡量技术进步的话，亚洲各国的技术进步几乎为零。而近年来的实证研究也越来越多倾向于中国的全要素生产率过低，我国的经济几乎完全依赖资本的投入。笔者当然同意这种现状的存在的确可以部分解释计量全要素生产率结果过低。本文将采用索洛残差的一般方法，根据面板数据，来试图构建一个关于经济增长的大样本回归，以此测算我国及各省各区域的全要素生产率，通过分析实证结果证明索洛方法的应用性值得商榷。 二、模型和测算 笔者采用索洛模型 在数据上，笔者采集了1952-2004年的GDP，L，K。由于我们更多地关注1978年之后的生产函数形式，从1952起至1978，每隔3年取一次数据，在回归时将他们与1978年之后的数据视为连续数据，这样就相当于加大了1978年之后
全要素生产率的概念界定和内涵
1.全要素生产率的概念界定和内涵（金融发展对中国全要素生产率增长的影响：作用机制 与实证分析，周杰琦） 目前学界对于全要素生产率概念的界定仍未达成共识，全要素生产率是个内涵和外延模 糊的概念（郑玉歆，1999）。全要素生产率概念的界定对于本文后续理论分析以及实证研究都尤为重要。荷兰学者Tibergen（1942）将时间因素引入到柯布一道格拉斯生产函数中，开创性提出全要素生产率的概念。全要素生产率引起学界的广泛关注最早起源于Solow（1957）开创性的研究工作，其目前已成为分析经济增长源泉以及评价经济增长质量的重要指标。按照Solow 经济增长理论，全要素生产率是指，各种生产投入要素(如资本、劳动投入、 能源、自然资源等)贡献之外的、由技术进步、技术效率、管理创新、社会经济制度等因素所导致的产出增加。在此意义上，全要素生产率也称为Solow 剩余。全要素生产率变动被解释为生产函数的整体移动，而要素投入变化则指要素投入沿着生产函数本身的移动。在新古典经济增长理论中，全要素生产率被解释是外生的技术进步，因此，技术进步独立于经济体的其他任何变量而产生。有的学者认为，Solow 剩余“测量了我们在经济增长源泉中无法全部解释和分析的因素”，它不仅包含：依赖创新推动的技术进步、通过模仿学习获得的技术进步以及技术效率提升，还包含了一系列未知的复杂因素，如数据测量误差、模型变量遗漏、模型设定偏误、经济周期波动的干扰等。然而，Jorgerson 和Griliches(1967)却认为，Solow剩余不过是投入要素不恰当测量所造成的结果，如果投入要素被正确测量，Solow 剩余则不复存在。由上可见，即便从索洛剩余的角度来界定全要素生产率，学术界对全要素生产率的内涵和外延也未能形成一致的认识。这种局面容易导致有关全要素生产率的研究出现混乱，甚至妨碍该研究领域的深入向前发展。 以中国情况为例，目前，由于概念定义、数据处理以及研究方法的不同，国内外研究对 中国全要素生产率平均增长率的测算结果存在较大分歧，比如，Young(2003)测算的结果为1.4%，Chow (2002) 测算的结果为2.68%，郭庆旺等(2005)测算的结果为0.891%。不过，绝大多数研究都认为，全要素生产率增长率对经济增长的贡献率相对较低，表明中国经济是典型的粗放型增长，因此，提高全要素生产率对经济增长的贡献率是中国未来经济发展的一个重要战略选择。为了使本文后续对全要素生产率的估计结果与其它研究更具可比性、允许采用多种方法估测全要素生产率、以及后面的实证结果能够得到清楚的解释，在本文研究中，笔者对全要素生产率的概念及其内涵做出更为全面而广泛的解释。笔者分析的全要素生产率是指：刨除了资本、劳动、土地、能源、原材料等要素投入的贡献和作用之外，其它所有可以促进经济增长的因素的有机综合体。本文所指的全要素生产率不仅包括Solow 经济增长理论假定的非体现的、能提高生产效率的技术进步（如创新的管理和组织方法、研究开发投入、创新活动、政策法律等），还包含了与资本质量提高、劳动者素质改进紧密联系的体现式的技术进步（如投资先进的现代化设备、教育进步所引起的劳动者素质提高）。按照体现型技术的理论，技术进步可以体现在要素投入质量上的改进。就资本投入而言，体现型的技术进步意味着，资本设备在设计、质量和功效方面的改善。对劳动投入而言，体现型的技术进步意味着，劳动者教育水平的提高及知识技能的改进。此外，随机因素和数据测量误差也包括在全要素生产率当中。 从全要素生产率增长来源的类别来看，全要素生产率的变动可以进一步分解为技术进步变化率、技术效率变动率、资源配置效率、规模效率变化等等。技术进步变化率不能完全表示全要素生产率的变动，从经济学意义来看，技术进步主要是指新的知识和技能、新生产工艺、新采用的设备或改进的旧设备、研究开发以及新组织管理框架等在经济生产活动中得到广泛应用，进而引起人们劳动生产率、经济活动水平的提高。技术效率变动率也不能完全代表全要素生产率的变动。技术效率刻画了生产中现有技术的使用状况，Farrell(1957)首先提出了技术效率的估测方法，Farrell(1957)的技术效率是指在给出一定要素投入下，某企业的实际
全要素说生产率
编辑本段全要素生产率的概念 全要素生产率 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 编辑本段概述 经济学角度 全要素生产率 全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。
50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 全要素生产率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等 导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要
如何用DEAP进行全要素生产率分析
一、软件的具体操作 1.建一个文件夹，里面必须有四个文件(Dblank；deap；deap.000；123.dta)前三个文件在一般下载的DEAP Version 2.1中都有，直接复制过来就可以，第四个文件是一个数据文件，一般先在excel中先输入，再复制到一个记事本下就可以，注意在记事本下的数据只有数据，不包括决策单元的名称和投入、产出的名称，并且一定要先放产出，后是投入。例子具体见123电子表格和123记事本。 2.对命令Dblank文件进行修改,修改后保存为12 3.ins文件 3.打开deap软件,运行123.ins 4,回车后自动会有123.out 注意事项：(1) 123.dta；Dblank；123.ins都用记事本打开； (2)数据文件名和命令文件名一定要一样，如例子中都用123 (3)文件夹中一定要包括deap.000文件，如果没有这个文件，打开deap软件，就会出现一闪就没有了的情况。 二，结果的分析 在文件夹中打开123.out，看如下： 1) firm crste vrste scale 1 0.687 1.000 0.687 drs 2 0.814 1.000 0.814 drs 3 0.319 0.709 0.450 drs 4 1.000 1.000 1.000 - 5 1.000 1.000 1.000 - 6 0.336 0.425 0.791 drs 7 0.642 0.648 0.991 irs 8 0.379 0.381 0.994 irs 9 0.702 0.750 0.936 irs 10 1.000 1.000 1.000 - 11 0.304 0.461 0.659 irs 12 0.352 1.000 0.352 irs 13 1.000 1.000 1.000 - 14 0.594 0.929 0.639 irs 15 0.402 1.000 0.402 irs mean 0.635 0.820 0.781 firm：代表例子中的15的样本 crste：技术效率，也叫综合效率 vrste：纯技术效率 scale：规模效率(drs：规模报酬递减；-：规模报酬不变；irs：规模报酬递增) crste=vrste×scale 2)
要素投入和全要素生产率对经济增长的影响分析
要素投入和全要素生产率对经济增长的影响分析——重庆现阶段经济增长方式实证研究 在认识经济增长一般规律的基础上，对经济增长阶段做出判断，揭示特定时期的经济增长方式，特别是具有转折意义的特征，是理解经济增长过程，从而形成具有方向性和针对性的政策思路的关键。改革开放以来，重庆市实现了经济的平稳快速发展，GDP年均增长达到10.4%。随着科学发展观对经济增长方式提出新要求，刘易斯转折点的日益临近，人口因素的变化显现出其长期隐藏的经济含义，即通过减少劳动力的供给量，实现经济增长方式由主要依靠增加资本投入和劳动投入转向主要依靠生产率提高。这个正在发生的变化既可以成为推动重庆经济迈向一个新阶梯的催化剂，也可能使重庆经济发展陷入一个均衡陷阱。因此，只有在科学发展观的指导下，正确认识经济增长阶段和经济增长方式，才能最大限度地将其转化为对重庆经济增长的积极因素。本文利用柯布—道格拉斯生产函数模型，并以此作为框架分析重庆经济增长要素贡献及其变化，剖析重庆经济增长阶段及所面临的阶段性变化。 一、柯布-道格拉斯生产函数 生产函数是西方经济学中一个十分重要的概念,按照萨缪尔森的定义,生产函数是“在技术水平既定条件下确定某一组要素投入所能带来的最大产出的关系式”。美国数学家柯布(Charles W.Cobb)与经济学家道格拉斯(Paul Douglas)通过研究1899至1922年美国的资本
与劳动力数量对制造业产量的影响，提出了著名的柯布—道格拉斯生产函数，其形式为 e K AL Y βα= 其中Y 代表产出量, K 代表资本投入量, L 代表劳动投入量，A 、α、β为未知参数。A 表示技术进步对经济增长的影响，系数α和β分别表示劳动和资本对产出的弹性系数。 给与模型规模报酬的约束，即假定1=+βα，则αβ-=1,模型变形为： e K AL Y -1αα= 对该生产函数取对数得: 1)LnK -(1LnL LnA LnY +++=αα 方程两边同除以LnK ，变形得： 1) -(LnL/LnK 1]/LnK 1(LnA [LnY/LnK α+++=） 二、经济变量及参数的确定 （一）经济增长要素 经济增长是指一个国家或地区生产商品和劳务能力的扩大，是一定时期内经济活动的重要结果变量。在实际核算过程中，常以一个国家或地区生产的商品和劳务总量的增加来表示，即以国内或地区生产总值（GDP ）的增长来计算。决定经济增长的因素很多，根据柯布-道格拉斯生产函数，可以分为要素投入和全要素生产率。 1.要素投入 要素投入主要是资本投入和劳动投入。资本投入是在流通过程中
索罗余值法测算全要素生产率的文献综述
第46卷 第8期 2019年8月 天 津 科 技 TIANJIN SCIENCE & TECHNOLOGY V ol.46 No.8Aug. 2019 基金项目：天津市重点招标项目“2017年天津市全要素生产率测算研究”(18ZLZDZF00210)。 收稿日期：2019-07-18 科学与社会 索罗余值法测算全要素生产率的文献综述 孟 媛，张 弛 (天津市科技统计与发展研究中心 天津300051) 摘 要：国内外全要素生产率的测算方法很多，例如索罗余值法、随机前沿法、数据包络法等，其中应用较为普遍的是索罗余值法。通过简要梳理索罗余值法的推导过程，归纳较为普遍的关于该理论的基本假设(即规模效益不变和希克斯中性)的质疑，以及阐述全要素生产率与技术进步的关系，说明全要素生产率衡量技术进步是不完全准确的。关键词：全要素生产率 索罗余值法 技术进步 中图分类号：F204；F224 文献标志码：A 文章编号：1006-8945(2019)08-0094-02 Literature Review on Measurement of Total Factor Productivity by Solow Residual Method MENG Yuan ，ZHANG Chi (Tianjin Science and Technology Statistic Center ，Tianjin 300051，China ) Abstract ：There are many measurement methods of total factor productivity at home and abroad, such as the Solow residual method, stochastic frontier method, data enveloping method and so on. The Solow residual method is widely used. The gen-eral doubts about its basic assumptions (namely, constant scale benefit and Hicks neutral) are summarized by briefly combing the derivation process of the Solow residual method. The relationship between total factor productivity and technical progress is discussed, indicating that the measurement of technical progress by total factor productivity is not completely accurate. Key words ：total factor productivity ；Solow residual method ；technical progress 十九大指出，我国经济已由高速增长阶段转向高质量发展阶段，并提出要提高全要素生产率。关于全要素生产率，国内外学者进行了较多研究，测算方法不一，包括索罗余值法、随机前沿法、数据包络法等，其中索罗余值法的应用范围较为广泛。本文通过文献综述，简要介绍索罗余值法测算全要素生产率的过程，根据其适用的前提条件探讨测算的局限性，进而阐述全要素生产率与技术进步的关系。 1 索罗余值法简介 索罗[1]并不是第一个将生产函数与生产率联系起来的人，早在1942年Tinbergen 就探索过两者之间的关系，但是索罗的开创性贡献在于他在生产函数和指数方法之间建立了较为简洁且实用的理论联系。 索罗余值法是基于柯布-道格拉斯生产函数(即CD 生产函数)得到的，以规模效益不变和希克斯中 性(Hicks neutral )为基本假设前提。规模效益不变指 的是在既定的技术水平下，要素价格不变时，产出增加的比例等于所有投入要素增加的比例。希克斯中性指的是投入要素资本和劳动的边际产出的比率不变。CD 生产函数为： (,)t t t t Q A F K L = (1) 式中：Q t 指的是产出，K t 指的是资本投入，L t 指的是劳动投入，希克斯A t 指的是在资本和劳动投入水平不变时产出增加的部分，即全要素生产率，经常被用以衡量“技术进步”。 上述公式(1)变形，可以得到相对希克斯效率A t /A 0，即Q t /Q 0作分子，生产函数中要素积累的部分F (K t ，L t )/F (K 0，L 0)作分母。但是由于各投入要素的计量单位不同，这样并不能直接得到希克斯效率。 索罗运用非参数指数法，将上述公式变形得到： t t t t t t t t t t t t Q K K L L A Q Q Q K Q K L Q L A ??=++?? (2)
【最新2019】中国“全要素生产率”或降为2.7%word版本 (1页)
【最新2019】中国“全要素生产率”或降为2.7%word版本 本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 中国“全要素生产率”或降为2.7% 中国社会科学院副院长蔡昉10日表示，中国的全要素生产率正在呈现持续下滑态势，并将在“十三五”时期进一步降为2.7%。 图片源自网络 请看相关报道： China should take actions to cope with its falling total factor productivity ( TFP ), a senior expert with a government think tank said Sunday . 1月10日，政府智囊团的一位资深专家表示，中国应采取措施应对全要素生产率下滑态势。 全要素生产率（ total factor productivity ， TFP ），也称总和要素生产率，是各种要素投入水平既定的条件下，所达到的额外生产效率，是分析经济增长源泉的重要因素。经济增长、人均收入和财富水平提高最终要依赖全要素生产率的提高。 中国社会科学院副院长蔡昉在第七届中国经济前瞻论坛上说，在人口红利 （ demographic dividend ）消失以后，中国经济增长要寻找新动力。目前，我国全要素生产率增速呈现下行趋势，他预测全要素生产率“十三五”时期会下降到2.7%。 他指出，要通过四方面措施进行调整：改革户籍制度（ reform household registration system ）；大力推进教育改革，把义务教育扩大到更大范围（ expand compulsory education to more people ），提高劳动力的质量（ increase the quality of labor force ）；解决各个领域的产能过剩（ overcapacity ）问题，进一步降低杠杆率（ leverage ratios ）；创造好的制度条件、政策环境，让企业能够自由进入，并让那些不再有生产力提高潜力和没有竞争力的企业退出（ create a policy environment where promising enterprises can easily enter the market and non - competitive ones are forced to exit ）。
经济发展论文：全要素生产率研究方法述评
经济发展论文： 全要素生产率研究方法述评 摘要:全要素生产率作为反映经济增长质量的重要指标,近年来引起了国内外学者的广泛关注。目前测算全要素生产率的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。文章以上述分类方法为基础,对全要素生产率的研究方法进行了详细论述,并总结了不同方法在测算中的优势和不足,同时对相关研究文献进行了简要评述。最后,对我国全要素生产率的研究方向进行了探讨。 关键词:全要素生产率;索洛余值法;随机前沿生产函数法;数据包括分析法 一、引言 全要素生产率(TFP)是宏观经济学的重要概念,也是分析经济增长源泉的重要工具,尤其是政府制定长期可持续增长政策的重要依据。首先,估算全要素生产率有助于进行经济增长源泉分析,即分析各种因素(投入要素增长、技术进步和能力实现等)对经济增长的贡献,识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次,估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较,就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。改革开放以来,国内外学者对中国的全要素生产率进行了深入研究,产生了大量的研究文献,但这些文献对TFP的估算结果存在较大差异,引发了许多争论,究其原因主要有两点:一是数据来源和处理方法不同,二是测算方法不同。测算TFP的方法多种多样,每种方法都有其优缺点和适用对象,究竟哪种方法更为恰当,哪一个研究的结果更为准确,哪种方法或哪种研究思路对于改革以来中国经济增长的分析更为适用?为此,有必要对既有的TFP研究方法进行梳理和总结,并指出其中存在的缺陷和不足,以利于研究者对TFP有一个较为客观的认识和了解,进而进行科学的计算。 目前测算TFP的方法大致分为两类:参数方法和非参数方法,它们的区别在于是否需要假设具体的生产函数形式。参数方法主要有索洛余值法、拓展的索洛余值法、随机前沿生产函数(SFA)法等,非参数方法主要有指数法、数据包络分析(DEA)法等,本文以上述分类方法为基础,对相关文献进行评述。 二、参数方法 1. 索洛余值法。索洛余值法最早由索洛(Solow,1957)提出,基本思路是估算出总量生产函数后,采用产出增长率扣除各投入要素增长率后的余值来测算全要素生产率增长,故也称生产函数法。在规模收益不变和希克斯中性技术假设下,全要素生产率增长就等于技术进步率。 由于模型简单,合乎经济原理,因此国内外很多学者利用这种方法对我国全要素生产率进行测算。如邹至庄(1993,2002)、张军(2002)、郭庆旺等(2005)、涂正革等(2006)等,尽管研究结果存在分歧,但绝大多数研究认为中国改革开放以前的经济增长是低效率的,TFP增长十分缓慢,而改革开放以后经济增长质量比改革开放以前有了较大的改善;国企的全要素生产率低于集体企业等。 在利用索洛余值法测度TFP时,存在着如下缺陷和不足: (1)该方法中TFP通过方程的“剩余”计算出来,不能直接求解,这种通过“剩余”得到的计算结果,包括了整个方程的计算误差,由此得到的结果的精确性有待提高。Jorgenson & Grilliches(1967)认为全要素生产率实际是一种计算误差,引起这种误差应归因于两个原因:
全要素生产率
全要素生产率是指“生产活动在一定时间内的效率”。是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 全要素生产率（Total Factor Productivity）又称为“索罗余值”，最早是由美国经济学家罗伯特.索罗（Robert M.Solow）提出，是衡量单位总投入的总产量的生产率指标。即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP，也称总和要素生产率）增长率。 经济学角度全要素生产率一般的含义为资源（包括人力、物力、财力）开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。从本质上讲，它反映的则是个国家（地区）为了摆脱贫困、落后和发展经济在一定时期里表现出来的能力和努力程度，是技术进步对经济发展作用的综合反映。全要素生产率是用来衡量生产效率的指标，它有三个来源：一是效率的改善；二是技术进步；三是规模效应。在计算上它是除去劳动、资本、土地等要素投入之后的“余值”，由于“余值”还包括没有识别带来增长的因素和概念上的差异以及度量上的误差，它只能相对衡量效益改善技术进步的程度。 50年代，诺贝尔经济学奖获得者罗伯特·M·索洛(Robert Merton Solow)提出了具有规模报酬不变特性的总量生产函数和增长方程，形成了现在通常所说的生产率（全要素生产率）含义，并把它归结为是由技术进步而产生的。 宏观经济学 全要素生产率是宏观经济学的重要概念，也是分析经济增长源泉的重要工具，尤其是政府制定长期可持续增长政策的重要依据。首先，估算全要素生产率有助于进行经济增长源泉分析，即分析各种因素(投入要素增长、技术进步和能力实现等) 对经济增长的贡献，识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。其次，估算全要素生产率是制定和评价长期可持续增长政策的基础。具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较，就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。 生产率增长率 不过，目前学术界关于全要素生产率内涵的界定还有分歧。本文的全要素生产率是指各要素(如资本和劳动等) 投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，最早由索洛(Solow ,1957) 提出,故也称为索洛残差。在中国,近年来有些学者已开始研究全要素生产率问题，尤其在克鲁格曼(1999) 提出“东亚无奇迹”的论点后，这一问题更引起国内学者的普遍关注。一些学者估算了中国不同时期的全要素生产率增长率,如舒元(1993) 曾利用生产函数法估算中国1952 —1990 年间全要素生产率增长率，得到的结论是，全要素生产率增长率为0102 %，对产出增长的贡献率为013 %。王小鲁(2000) 同样利用生产函数法估算中国1953—1999 年间全要素生产率增长率，得到的结论是，1953 —1978 年间全要素生产率增长率为-0117% ,1979—1999 年间全要素生产率增长率为1146%，对经济增长的贡献率为1419 %。还有一些学者对全要素生产率与经济增长进行了理论思考，如郑玉歆(1999) 对全要素生产率测度和经济增长方式转变的阶段性规律进行了详细讨论，但未给出中国全要素生产率的具体估算。易纲、樊纲和李岩(2003) 提出中国经济存在效率提升的四点证据，指出新兴经济在测算全要素生产率上面临的困难，并给出新兴经济全要素生产率的测算模型，但他们也未给出具体估算。本文在析比较全要素生产率四种
中国全要素生产率的变化
中国全要素生产率的变化：2000-2008 江春1 吴磊2滕芸 3 内容摘要：本文使用序列DEA和当期DEA方法测算了中国2000至2008年的 Malmquist生产率指数，并在规模报酬固定的假设下将其分解为技术效率变化指数 和技术变化指数。结果显示自2000年以来全国及各省份的全要素生产率均发生下 降，近年来中国的经济增长几乎完全依赖于要素投入的增加。全要素生产率持续降 低是同期资本产出比率迅速上升造成的，这反映出中国经济增长过于依赖投资、收 入分配不合理，同时也反映出金融体系的不健全。 关键词：全要素生产率；DEA；资本产出比 一、引言 改革开放三十多年来，中国的经济增长迅猛，取得了世所瞩目的成就。但与此同时，资源消耗巨大、要素配置效率差、产品附加值低、产业结构不合理等诸多问题始终让人们疑虑中国经济增长的持续性。中国经济增长的质量究竟如何，经济增长到底是来源于要素的投入还是来源于效率的提高？全要素生产率（TFP），作为衡量经济增长质量的重要指标，越来越受到经济学者的广泛重视，提高全要素生产率也被视为中国未来经济增长的决定因素（胡鞍钢，2003）[1]。 Chow（1993）[2]开启了对中国经济增长来源的研究，他认为中国在改革开放前TFP基本稳定，经济增长的主要动力是资本积累，而改革开放后TFP以每年2.7%的速度增长。颜鹏飞和王兵（2004）[3]将中国改革开放以来的经济发展划分为两个阶段，测算得到第一个阶段——1978-1991年间，中国TFP年均增长为-0.17%；第二阶段1992-2001年间则为0.79%。Y oung（2003）[4]采用自行调整后的数据测算1978年至1998年间中国的TFP增长率为1.4%等等。但是目前这类研究对中国TFP增长率的估计存在较大分歧，即便针对同一时期的研究，不同学者 作者简介：江春（1960—），男，武汉大学经济与管理学院金融系（武汉，430072），教授。研究方向：宏观金融 理论与金融发展理论。 吴磊（1980—），男，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。 滕芸（1982—），女，武汉大学经济与管理学院金融系（武汉，430072），博士生。研究方向：金融发 展理论。
全要素生产率
第一步：选取测度方法 采用传统的索洛残差法对中国1978年-2013年的全要素生产率（TFP ）进行测度。 设总量生产函数为C —D 生产函数： βαλt t t t L K Ae Y = 其中，Yt 为实际产出，Lt 为劳动投入，Kt 为资本存量，α、β分别为平均资本产出份额和平均劳动力产出份额。 为求出α、β，在规模收益不变的假设下（α＋β=1）对方程两边取对数 )ln()ln()ln()ln(t t t L K t A Y βαλ+++= （1） 整理得： )/ln()ln()/ln(t t t t L K t A L Y αλ++= （2） 在规模收益不变和中性技术假设下，全要素生产率的增长率为： L L K K Y Y A A /)1(///?--?-?=?αα （3） 根据方程（2）估计出α后，代入方程（3）即可求出全要素生产率的增长率。 第二步：样本数据及变量的选取 计算全要素生产率所需的真实产出的数据可以通过从国家统计局的官网上获得与生产函数设定中变量 L 相对应的现实数据，国外文献通常使用工作小时数，但我国统计年鉴中没有提供这个指标，故选取历年的就业人员数。另外，注意到指标给出的是年底数，为与 GDP 流量的含义相一致，将前后两年的就业人员数进行算术平均，获得年中的就业数。但资本存量序列需要在统计资料的数据基础上进行估算。经查阅文献可知，现在多采用被OECD 国家所广泛使用的永续盘存法对资本存量进行核算，所以，此处也采用此方法进行资本存量的核算。 其基本公式是： 1)1(/--+=t t t t K P I K δ （4） 其中，I t 是t 期以当期价格计价的投资额，P t 是t 期的价格指数，δ是折旧率。 对K 0 的估算采用国际常用方法：)/(00δ+=g I K 其中，g 是样本期真实投资的年平均增长率，δ为综合折旧率，一般定于5%。 历年投资流量指标的选取：综合经典文献和数据的可获得性两方面因素，此处采用1978-2013年全社会的固定资本形成总额为投资流量指标。我们只有截止于2004年的固定资本形成总额指数。这样，我们便无法直接把我国2005—2013年间的用当年价格给出的固定资本形成总额折算成以2000年价格表示的数据。
基于企业进入退出的“中国全要素生产率之谜”解释
基于企业进入退出的“中国全要素生产率之谜”解释 摘要：本文通过LP法回归出制造业TFP，对“中国全要素生产率之谜”进行了验证，并构造了企业进入退出的动态模型，在通过特征事实对参数估计之后，通过模拟2008年企业进入的冲击，拟合出了稳态情况下行业面对大规模企业进入时的TFP变动情况，并与事实进行了比较。 关键词：全要素生产率企业的进入与退出模型 一、问题的提出：中国全要素生产率之谜 中国全要素生产率之谜，即指在2008年之后，企业的研究与试验发展投入（R&D）不断扩大，而学者们通过不同的估算方式测度出来的中国TFP（全要素生产率）却在不断下滑。根据统计局数据，在2008年，除了工业企业的全要素生产率下降之外，企业的数量迎来了一个激增的过程。除2004年因为第一次工业普查完善了统计核算的精确度而导致进入数量剧增之外，正常年份企业纯进入数大致在2―3万，然而在2008年，企业纯进入数量达到了惊人的10万家左右。 联系到中国在该年的四万亿救市计划，笔者认为可能是该政策刺激了大批低于行业平均TFP的低效率企业进入行业，因此拉低了行业的平均值。为了验证这一猜想，则需考察企业的进入退出对全要素生产率的影响。 二、企业进入退出与全要素生产率
企业的进入退出又叫企业更替，是产业经济学中的一个重要概念，反映了市场的基本特征之一。企业的进出对于TFP的影响在近年来受到了国内外学者的重视。由于数据的可得性，国内外学者往往测算工业企业，尤其是制造业的进入退出对TFP的影响。如周黎安等（2006）采用1995―2003年中关村科技园区制造业企业层面的微观数据，认为园区的TFP变动可划分为企业自身生产率增长和企业进入退出的动态过程这两个部分。毛其淋等（2013）通过1998―2006年中国工业企业微观数据测算了TFP，并将企业进出理解为替代关系，运用Baldwin&Gu（2003）发展的BG分解法测算了企业的纯进入效应，并认为进入效应对于全要素生产率的发展存在较为显著的效果。 综上，笔者提出猜想，新进企业由于TFP较低，因此其进入效应会对行业TFP造成负面影响，但在未来因为学习效应新进入企业会逐渐抬高行业TFP；而退出企业因为TFP较低被淘汰，其退出效应会对行业TFP造成正面影响。2008年以来企业数量激增，可能因新进入企业数量过多且低效率企业比重增大而导致2008年企业进入效应增大，且对长期造成了影响，以至于TFP呈现了负增长。笔者将通过微观数据验证以上猜想，并构建模型，进行数字检验。 三、数据的处理与基本特征事实 （一）数据处理 本文采用的样本是1998―2007年中国工业经过产业筛选后的制造业规模以上企业微观数据库。原数据库包含近200万观测值，经过数据清理，约有160万观测值，收录从1998年的10万家企业到2007
全要素生产率概述
全要素生产率的内涵、定义与测算方法 全要素生产率（Total Factor Productivity ,简称TFP）是指所有生产要素的生产率, 所谓的“全要素生产率”是指“生产活动在某一特定时间内的效率”，是总产量与全部要素投入量之比，是用来衡量单位总投入的总产量的生产率指标是针对全部投入要素进行测算, 而不是只涉及部分要素。它在一个更广的范围内考察生产率的情况, 是总产出与综合投入要素之比, 研究的是在一个经济系统中, 所有投入要素加权综合后形成综合投入的产出效率, 故又称“ 综合要素生产率”。相对于传统的单要素生产率, 全要素生产率能够更为全面地考虑投入要素, 从而能够更加真实客观地衡量全部要素投入量的节约, 反映一个经济系统的宏观综合经济效益,是分析经济增长源泉的重要工具。总而言之, 通过分析各种因素对经济增长的贡献, 可以识别经济增长的类型是投入型还是效率型; 通过比较单要素投入和全要素生产率增长对经济增长的贡献, 可以确定经济政策的控制方向是应该增加总需求, 还是对经济结构进行调整。 参数方法 1.索洛余值法 索洛于1957年发表了著名的文章“技术变化和总量生产函数”。在该文章中,索洛首次将技术进步因素纳入经济增长模型,从总产出增长中扣除资本和劳动力对产出的贡献,所得到的“余值”就是技术进步对产出的贡献。在希克斯中性和规模报酬不变的假设下,技术进步率就等于全要素生产率的增长率。 2.增长核算法 增长核算法, 是在经济学家索洛提出的索洛余值法的基础上形成和发展的, 后来经过丹尼森和乔根森的发扬而成为一种成熟的全要素生产率的计算方法。其计算的基本思路是: 寻找一个合适的生产函数形式, 利用样本数据进行回归, 估算出总量生产函数的具体参数, 得到具体的生产函数, 进而测算TFP 及其增长。 3.随机参数前沿生产函数方法 非参数方法 1.指数法 测算TFP的指数法是一种统计学方法,由Kendric和Denison开创,后经Jorgensen、Griliches等人发展而成熟。TFP指数是指一个生产单元在一定时期内总产出和总投入之比,用公式可表示 为: / / t s st t s Y Y TPF X X ，其中s代表基期, t代表报告期, X表示投入, Y表示产出 从TFP指数的定义可以看出, TFP增长是科技进步、技术效率和规模效率等提高的综合体现。而且,对 TFP指数的度量,必须转化为对总投入和总产出指数的计算,而现实中的生产单元,大都是多投入多产出的,这就必须使用综合指数来度量。经常使用的指数从早期的Laspeyres指数、passche指数、Fisher指数到Tornqvist 指数。 1967年, Kendric和Denison的论文“生产率变化的解释”是生产率理论发展的一个里程碑。他们在索洛增长模型的基础上,遵循新古典生产理论,引入超越对数生产函数的形式。Diewert证明,超越对数生产函数对应的是离散的Tornqvist指数,也就是说, Torn2qvist指数实际上是精确的指数;而且,超越对数生产函数被认为是对其他函数形式的很好的二阶近似。所以, Tornqvist指数是度量TFP的合理选择。 2.数据包络分析(DEA) 3.Malmquist指数法 Malmquist指数法也是指数法中的一种, 但是由于计算Malmquist指数首先要构筑生产前沿面,得到距离函数,因此一般也可将此方法归入生产前沿面法中。计算距离函数既可通过DEA,也可通过随机前沿生产函数来完成,但目前主要是通过DEA来完成,所以该方法也被称为基于DEA的Malmquist指数法。
关于全要素生产率的认识
作者简介：李婷姝（1988—），女，贵州大学经济学院2011级西方经济学专业硕士研究生。 摘要：在经济高速增长的今天，我们不仅关注经济增长的速度，更关注经济增长的质量和效率，而全要素生产率作为测量经济增长质量和效率的最为流行的指标，在测算过程中，存在着一些不足。本文在借鉴相应学者关于全要生产率研究的基础上，总结了全要素生产率的不足，并提出了相应改进方法。 关键词：全要素生产率；经济增长；测算方法 时至今日，我们关于经济发展的认识，已不再局限于过去单纯依托经济发展的规模与数量作为衡量经济增长成果的标准的状况，而逐渐关注经济增长的效率、质量等。我们不仅希望经济能够在数量上增长，更希望通过经济增长能够提高民众的福利，改善民众的生活。自从改革开放以来，中国的经济取得了突飞猛进的发展。但是随着我国经济几十年的飞速增长，随之而来的却是越来越多的问题的产生。为此，我们不禁反思，经济增长真的只是从gdp增长总量数据就可以判断经济增长的效率与质量吗？对于衡量经济增长质量与效率的迫切需要，客观上也促进了利用全要素生产率，即tfp（total factor productivity）衡量与评价经济增长质量与效率的发展，如今，利用tfp衡量经济增长已成为国内最为流行的一种测算方法之一。 1. tfp内涵 自索洛提出了规模报酬不变的生产函数以及由此推导出来的增长方程，通过将产出增长率中超出资本与劳动力生产要素投入增长率的扣除（索洛余值）形成了全要素生产率的概念，并将全要素生产率来源定义为由技术进步引起的产出增长。由索洛余值的求解可以看出，全要素生产率除了包括技术进步引起的产出增长，还包括没有识别的经济增长因素以及由此产生的误差。 它的一般含义是指一定时间内生产活动的开发利用的效率，等同于一定时间内各种生产要素与总产量之间的比值，可以衡量一个国家在一定时间经济增长的质量与效率，也是关于技术进步对经济发展作用的综合反映，但是因为tfp还包括未识别的经济增长因素以及测量误差，因此，tfp对技术进步的衡量只是一种近似测量。tfp的来源除了包括技术进步，还包括效率提升与规模效应，比如组织创新、专业化以及生产创新等。但是，在索洛模型中，假定技术进步是外生变量，并没有考虑知识进步以及人力资本提升对于经济增长的溢出效应，在没有考虑技术进步的外部性情况下，因为边际产量递减规律，最终技术进步带来的产出效应会为零。这显然与现实生活中，通过改进技术水平，从而带来边际产量递增的现象不符，这也使全要素生产率的解释能力与借鉴意义大打折扣，即全要素成产率成为“黑箱”。[1] 2. tfp测算方法的缺陷 tfp的测算方法虽然简单可行，但是其中也存在着一些问题，这些问题影响着tfp作为衡量一国经济增长质量与效率指标的有效性与代表性。 2.1 用于测算tfp的要素投入数据为存量数据 在对tfp进行测算时，必须考虑要素投入与产出之间的关系。而根据新古典生产理论，一定时期的投入带来一定时期的产出，换言之，我们所要考虑的要素投入只是某段时期的投入量，即该段时期的流量数据，而不是某一时点上的存量数据。但是，从目前关于资本的指标统计口径来看，我们将资本分为固定资本和流动资本。用固定资本的存量数据代替资本的流量数据，其中隐含了固定资本某一时点上的存量与其在此段时期内的资本流量成正比的关系，但是，在现实生活中，这种假设显然是不一定成立的。综上所述，因为，用于衡量相应变量的指标，尤其是资本，在统计口径以上存在局限，造成计算结果投入与产出的不一致，从而使tfp的测量值偏离真实结果。 2.2 tfp自身的“黑箱”使其内涵含混，需要进一步分解