生产率论文范文

一、机制分析

分析比较国际和国内服务外包的不同影响的必要性。就国际外包而言，企业进口原材料和服务都要考虑海关、保险和运输等贸易成本。Miroudot（2010）认为服务贸易成本要高于商品贸易成本，这意味着服务国际外包的交易成本和原材料外包相比要高，从而可能导致服务国际外包小于原材料外包。同时，国际服务外包成本除了考虑地理、文化和制度差异以及关税成本之外，还要考虑监管相关成本，如进入壁垒、政府公关等。相比较而言，国内服务外包的监管等成本则相对要小得多。同时，国际服务外包可以帮助克服非正式的贸易壁垒，比如翻译和口译能够克服语言和文化障碍。其次，服务外包可以学习更先进的技术和管理模式，提高生产率和产品竞争力。国内外包的运输成本较小，且基本不用考虑关税等贸易壁垒，文化差异和政策制度等方面的影响。总结传统贸易理论和新贸易理论的文献，外包对生产率的影响机制主要可以由以下两种来分析：（1）比较优势效应。传统贸易理论认为，企业能够专业化生产具有相对优势的商品和服务，而将其相对劣势或低效率的商品和服务环节外包给其他企业生产，使得企业生产更有效率，从而生产率得到提高。（2）技术外溢和技术扩散。新贸易理论强调技术的因素。企业将服务和原材料外包，通过学习国外企业的先进技术，提高自主创新能力和企业效率，促使生产率的提升。也能够通过前后产业关联效应和技术扩散，改善产业结构调整，增强产业国际竞争力。

二、计量模型和变量说明

1．计量模型。我们构建实证分析的框架，以Cobb-Douglas生产函数作为起点。i是制造业企业，t是时间，Y是产出增加值，A是全要素生产率，L是劳动力，K是实物资本，M是原材料投入，S是服务投入。服务和其他要素都是边际收益递减的。两边求对数得：将y表示为生产率lp形式，并将投入分解，分析外包对生产率的影响，则本文的计量模型可以表示为：其中，X是外包（原材料外包、服务外包）；Z是控制变量，比如人均资本、劳动力和销售额等；C是交叉项，D是虚拟变量，ε是误差项。外包和生产率关系模式在很大程度上取决于行业特征和企业异质性（Olsen，2006），且如果是出口企业或者跨国企业的子公司参与国际化专业分工，国际外包可以获得更大的收益（Girma&rg，2004），因此考虑加入企业异质性即是否出口、是否为外资企业以及是否为跨国子公司。同时可考虑加入交叉项以便控制外包的非中性技术变化（Egger&Egger，2006）。

2．数据和变量说明。由于服务外包微观数据的限制，本文采用世界银行2002年投资环境调查数据，2000年的1020个制造业企业。主要涉及的变量是原材料外包、服务外包和生产率。（1）生产率lp。生产率作为被解释变量，变量指标采用劳动生产率，等于企业总销售额除以员工人数。（2）外包。分别考虑原材料外包om和服务外包os，服务外包分解为服务国际外包ofs和服务国内外包ois。外包指标都用外包成本占总工资比重，或者用总投入中的外包比例来表示。外包可以看作是企业内部生产的替代，因此，从短期来看，可能缩减工资总额。从某种意义上说，外包成本相当于服务（原材料）没有外包时企业员工的机会工资，因而外包强度可以用外包倾向指数来表示，等于外包成本和总工资的比值（Girma&rg，2004）。（3）控制变量有人均资本、劳动力、总销售。劳动力emp用员工人数表示；人均资本capp等于企业固定资产值除以员工人数，总销售ts。（4）企业异质性变量。是否出口ep，调查中出口值不为0则是出口企业，出口值为0则是非出口企业。是否外资企业fgn，认为外资控股至少在50%以上的企业为外资企业（G觟rg，Hanley&Strobl，2008）。

三、实证结果分析

在进行回归分析之前，我们简单验证了各个变量间的相关性，发现国际服务外包和服务国内外包之间的相关系数比较大（0.899），同时观察数据发现，在1020个企业中，大多数企业的服务国内外包占总外包比例很大，而服务国际外包的比例都很小甚至为0。我们对比分析原材料外包和服务外包的不同影响时，重点验证服务国际外包和服务国内外包对生产率的不同影响，并考虑企业规模的作用。首先按规模将企业分为大、中、小型：企业员工数量小于5人，则为小型企业；员工数量大于50人且小于250人为中型企业；员工数量大于250人为大型企业（Lodefalk，2012）。由于按规模分企业的分配不均衡，其中小型企业观测值只有17个，解释作用不强，因此，本文只将大中型企业进行回归。表1的回归结果表明，总体原材料外包和服务外包对生产率的作用都显著为正。在控制其他非中性技术因素后，总体国内和国际服务外包对生产率在0.1%的显著水平上可以看到较显著的正效应，并且服务国内外包的影响大约是服务国际外包的2倍，这可能由于：第一，在本文考察的企业中，大多数企业服务外包中的国际部分的比例较小，且有缺失值，回归中稍显不足。第二，还可能由于我国对于服务国际贸易的政策、管理等还不完善，以及国际贸易过程中的文化、语言等差异，可能使服务国际外包受到许多其他非交易的影响，从而低估服务国际外包的作用。第三，国际服务外包有可能并不是为了获得技术或者比较优势，而是其他多样性、企业管理和运行等方面的原因。第2列和第3列是分企业规模回归，发现大型制造业企业的服务国际外包系数不显著，但是服务国内外包在大中型企业的系数都显著为正。其次，本文根据数据中的部门代码将制造业企业分为五大类：（1）服装和皮革；（2）消费品；（3）电子元件；（4）电子设备以及汽车；（5）汽车零部件。将企业按行业分类回归（表2），结果发现国际国内服务外包的系数和总体回归符号基本一致，除服装和皮革、电子设备行业外，国际服务外包对生产率的作用不显著，而分行业国内服务外包反而比总体更加影响生产率，这和分企业规模回归中的结果类似。从表2能够发现，除服装和皮革行业外，国内服务外包对生产率的影响都显著为正，而且系数基本都大于总体回归时的系数0.749，说明划分行业的分析增大了国内服务外包的作用，减弱了国际服务外包的影响。

四、结论和政策建议

一、研究方法

本文从全要素生产率角度分析浙江省民营企业上市司投资绩效。采用参数方法对全要素生产率进行测算，从微观层面分析浙江省民营企业上市公司纯技术效率、技术进步。对于全要素生产率的测算，一般根据是否设置参数分为参数类方法和非参数类方法。参数方法主要为应用计量经济学模型进行建模和测算，其代表方法为索洛残差法。非参数方法运用生产函数和生产理论，采用指数，包络线和前沿生产函数等方法进行分析，代表方法为DEA-Malmquist指数法。非参数方法更适合于样本较大时的全要素生产率测算，鉴于我们研究的上市公司数据样本较小，因而采用参数类方法测算全要素生产率更为合适。对于企业投入要素而言，一般包括了劳动和资本。由于本文最终核算的是投资绩效而非生产效率，因而在企业具体的投资领域，起作用的是企业的投资资金，也即股权和债券投资。劳动一般为员工工资。企业投入鉴于柯布-道格拉斯生产函数在微观领域的良好应用，本文采用其作为基本生产函数模型。

二、全要素生产率计算及其影响因素分析

在解释变量方面，我们分析比较之后选取了四个投入变量，以来解释企业投资的产出，并测度投资绩效。其中包括资本（K）,劳动(L),投资（I）和R&D(R)。本文数据均为面板数据，选取了浙江省创业板上市公司2011年至2013年各项财务数据，剔除上市时间未满三年以及收益为负的企业。本文所采用上市公司数据均来自上市公司年报，年报来自巨潮咨询网站公布的上市公司年报。在劳动力的要素投入方面，我们选取了员工人数乘以5000元的人均工资作为劳动投入。资本要素投入则采用公司年报资产、负债状况分析中的固定资产余额。投资数据采用年报中“董事会报告”对投资数额和事项的披露。企业的R&D投入也采用自公司年报中关于研发费用的披露。产出采用年报中“报告期主要财务数据”中的投资收益一项。从而令总产出为Y，建立模型如下Y=AKaLbIcRd其中（a+b+c+d=1）;取其对数形式为：lnY=alnK+blnL+clnI+dlnR+e,e为误差项，其中TFP采用的是算术形式，即：TFP=Y/(clnI+bL)=T，这种对数化的线性计量模型，可以用作混合截面数据的回归。其中各项系数a,b,c,d衡量的是各自解释变量对被解释变量总产出Y的贡献。

三、实证结果

本文采用Eviews7.0对上述数据整理并考虑滞后变量后得到：K,L,I,I(-1),I(-2),R的系数分别为4.4786，6.8795，-0.9653,3.4587,2.5673,0.5386,Std.Error分别为7.6783，12.5673，2.6752,7.7293,4.2361,1.23134,R－Squared:08937,AdjustedR-Squared：0.9764(其中K-资本，L-职工工资，I为投资数额，R为研发投入。)不考虑滞后变量，仅考虑2013年投资数额回归时，我们得到：计算TFP值并回归，得到R-Squared:0.8635,AdjustedR-Squared：0.9514。通过回归我们发现，调整后R-Squared达到了0.9514，模型的拟合优度尚可。从系数来看，K,L,R这三项在5%的显著性水平下P值均小于0.1，因此拒绝了系数为零的原假设，可见这三项对总产出构成显著性影响，投资系数在这里P值较大，表现为不显著，我们分析为投资具有滞后效应，因而在模型中表现出对总产出影响甚少。D.W.统计量显示多重共线性得到消除。异方差的White检验在0.10显著性水平上未显示有异方差性。从模型我们可以得出，主要以固定资产为代表的公司只有资本，劳动力投入，以及研发投入对企业的投资收益影响较为显著，固定资产和研发投入对于全要素生产率具有巨大的影响作用。而从另一变量投资I来看，对于投资收益产生负效应，这是在意料之外的，考虑到短期之内的资金投入未能立即产生收益，同时占用大量流动资金等因素，因而在短期之内投资对投资收益是负相关的。由于创业板公司上市时间较短，若是能有条件进行一个较长周期的时间序列分析，或许能发现投资对于投资收益的正效应。以创业板上市公司为代表的民营企业无论在资金上，技术实力上以及人力资源质量上都逊色于大中型国有企业。而本文以创业板上市公司为代表的民营企业，主要来自于高科技信息产业，在研发上不仅投入了巨额资金，对全要素生产率的提高产生了积极的影响，同时也表现出了巨额的投资，在面临高科技产业高度竞争的环境下，通过不断地创新与自主研发，令我们看到了希望。然而，不足之处是这些企业的全要素生产率依然偏低，因而加强技术力量，鼓励创新研发，增强劳动力投入的质量，加强管理并提高投资效率将是未来民营企业发展中需要努力的方向。

四、结论

本文尝试了用全要素生产率这一宏观经济中常用的的指标的视角来解释企业投资效益。通过利用全要素生产率的参数方法，即索罗残差法，设计出一个基于面板数据的OLS模型，并进行了回归研究。根据回归结果，我们可以清楚的看到，R&D投入和企业固定资产投入，对企业全要素生产率产生重要影响，因而提高这两者的数量和质量具有积极意义。此外样本民营企业的全要素生产率总体偏低，因而提高劳动者素质，增加劳动力投入质量仍然是最佳选择，因而增加资本投入，提高劳动力投入质量和创新型技术研发则是企业投资绩效的重要保证。在短期之内，资金的投入未能立即转化为现实的收益，但是我们有理由相信在长期来看会产生正面的积极效应。

1生产率与通货膨胀的关系

1.1举例说明，随着2008年金融危机影响，我国制造业由于供应产业链的资本转移给生产带来高成本，企业利润下降，综合成本增加，原来有20%以上的利润而现在连8%都不到，但我国房地产平均利润最少也有25%，所以非房地产企业不得不考虑产业转移或分散投资房地产来面对风险，这使得产业之间的级差利润率的均衡在完全市场条件下被打破，拉大了行业或产业之间的利润率比率，从而产生通货膨胀，具体表现在一方面是房地产业资金供给过剩，另一面是制造业资金需求不足。

1.2生产率对通货膨胀的作用。在现实生活中，技术创新会使生产率得到提高，当企业降低了成本同时保持合适的利润率时，适当增加劳动力支出（工资），保持合适的消费支出，科技创新带来的生产率的提高无疑将使资本经济快速增长，同时使个人可支配的财富更多，但这只是理想状态。企业的本质是追求自我利益的最大化，这就决定了资本要压低劳动力价值（工资）的本性，其结果是当单位产量随新资本投入和技术创新提高时，工人的工资增长并不与通胀一致。当生产率增长低于社会平均工资增长，随着工资上涨，生产成本也必然上涨，推动价格上涨，通货膨胀的压力将越来越大。因此，生产率的增长高于或等于劳动生产率，增长率高于或等于工资增长率，是抑制工资成本推进型通胀的必要条件。

2通货膨胀与商品价格的关系

一般来说，通货膨胀的出现，在很大程度上都会引起商品或劳务价格的上涨。但是，由于人们往往强调的是通货膨胀与物价上涨之间的联系，却忽视了两者之间的重要区别。首先，在时间上，通货膨胀与物价上涨之间有个时滞效应，不是同时发生的经济现象，物价上涨是通货膨胀达到一定水平的现象反映。其次，通货膨胀率不等于物价上涨率，两者的计算方法不一样。通货膨胀属于货币供应量过度增长的情形，而通货膨胀率就是这个超出部分货币供应量与正常部分需求货币量的比率；物价上涨率反映的是物价总水平的上涨率，两者有联系但不完全相等。再者，物价上涨的原因不完全是通货膨胀引起的，我们知道市场经济下商品和劳务的供求关系是影响物价的重要因素。

3基于不同生产率的行业通货膨胀分析

3.1国际贸易商品相关的行业劳动生产率简单的一个方法就是看人均GDP。中国的人均GDP大约从1979年的300美元升到了2005年的1690美元，平均每年的增长率达到大约7％。从而可以得出结论，中国改革开放之后，中国的劳动生产率是在不断上升的。人均GDP的快速增长，反映了劳动生产率的增长。而劳动生产率的增长则意味着平均工资的上涨，2001年我国城镇居民收入是6860元，2010年我国城镇居民收入19109元，工资涨了将近3倍(统计年鉴数据)。随着工资上涨，生产成本也必然上涨。据统计，2003年至2008年上半年，我国全部单位就业人员平均劳动报酬的年均增长率均超过了同期经济增长率，而且增速逐年提高，2007年的增速更是达到了1999年以来的最高增速，但产品价格主要决定于市场供求关系，企业产品售价可能涨，也可能不涨。企业为了保持国际竞争力不得不通过技术进步吸收生产成本的上升，这样企业产品的价格可以不上升。这种特性在于国际贸易商品相关的行业更为明显，因此技术进步有助于抑制由于劳动生产率及工资上升导致的通胀压力同时减少了生产成本。

3.2非国际贸易相关的行业

一、理论分析

1.服务外包对制造业的影响机制作为一种新的外包方式，服务外包对制造业的影响机制和传统的外包机制类似。在综合分析经典理论文献和实证研究的基础上，本文将服务外包和制造业出口的关系通过以下六种途径来解释：（1）比较优势效应。制造业企业可以通过专业化生产自身具有比较优势的制造环节，将相对劣势的服务环节外包出去，以降低生产成本，提升产量和出口；（2）规模经济效应。由于专业化生产使得企业扩大市场规模，降低制造业产品总的生产成本，提高国际竞争力，增加出口；（3）技术外溢效应。服务环节的外包，可以通过技术引领示范效应和前后产业关联效应，加速制造业的技术扩散和传递，提高产品的技术含量，增强国际竞争力；（4）多样化效应。服务中间投入的购买可以通过增加制造业产品的多样性降低研发成本，提升产品竞争力；（5）学习效应。主要是国际服务外包通过和国外企业的合作，学习其运作模式和管理经验，改进运作方式，降低风险；（6）市场准入效应。将服务环节外包出去可以通过了解市场信息，建立分销网络等克服市场进入障碍，尤其是国际服务外包如翻译、口译、谈判等，对于克服非正式的贸易壁垒，降低国外市场的进入成本有着很重要的作用。

2.国际服务外包和国内服务外包的不同作用（1）国际服务外包的成本除了要考虑地理、文化和制度以及贸易壁垒的影响外、在很大程度上还和监管相关，如进入壁垒、政府公关等；而文化、制度和监管等阻碍对于国内外包的影响相对很小。制造业企业在进行国际服务外包或者国内服务外包决策时要关注服务外包成本的差异。（2）国际服务外包可以帮助克服非正式的贸易壁垒，比如翻译和口译能够克服语言和文化障碍，政府公关服务也可以帮助企业比较轻松地进入新市场。（3）服务外包的专业化分工还可以通过学习效应、技术外溢等效应提升生产率和产品竞争力，增加产量和出口。相对于国外企业，国内企业之间的技术水平和管理方式类似，故国内服务外包对效率和竞争力的提升可能没有那么明显。

二、模型和数据

1.基准模型设定本文在Lodefalk（2014）的计量模型基础上，从C-D生产函数出发，构建计量模型。生产函数如下：上式中，i是制造业行业，t是时间，Yit是行业的工业增加值，Ait是生产率，Lit是劳动投入，Kit是资本投入，ioutit是国际服务外包率，doutit是国内服务外包率。服务和其他要素都是边际收益递减的。制造业行业使用服务投入生产制成品，并用于国内市场和海外市场的销售。为此，制成品的出口EXit可以看作是生产率和服务外包的函数，因此出口函数可写为：上式中，outit是两个服务外包变量，国际服务外包率ioutit和国内服务外包率doutit；outit-1是服务外包滞后项，滞后结构的原因有两点：一是考虑时间变化的影响，制造业行业出口对服务外包变动的反应是有滞后的，二是可以一定程度上避免模型的内生性问题；Cit是控制变量，包括资本投入K、劳动投入L和交叉项等；εit是随机误差项。

2.数据本文的数据主要来源于投入产出表和《中国工业经济统计年鉴》，由于制造业行业分类标准和数据的可处理性，采用2000年、2002年、2005年、2007年和2010年的投入产出表或投入产出延长表以及相关工业经济统计数据，将投入产出表和统计年鉴的行业类别交叉分析，共19个制造业行业③。被解释变量是行业出口exit，即i行业t时期的出口值，数据来源于投入产出表。主要解释变量是服务外包率ioutit和doutit。国际服务外包ioutit表示进口的服务中间投入占总投入（服务加原材料）的百分比，国内服务外包率doutit是外包给国内企业的服务投入占总投入的比值。本文采用Feenstra&Hansen（1996）的方法，利用投入产出表计算外包率，FH指数是在发包方视角下比较有代表性的计算国际外包的方法，计算公式为：上式中，ioutit是i行业的国际（服务）外包率，Xi是i行业购买的中间投入总值，Xji是i行业购买、使用的j行业中间投入，IMj是j行业总进口，EXj是j行业总出口，Yj是j行业总产出。从FH指数可以得到类似的国内外包率计算公式，将i行业从国内购买的服务投入加总，再除以购买的总投入可得：控制变量包括资本投入、劳动投入和生产率。资本投入K采用《中国工业经济统计年鉴》中的各行业固定资产净值年均余额来表示（张海洋，2005）；劳动投入L由于劳动力时间数据无法获得，采用《中国工业经济统计年鉴》中的从业人员年均人数来代替。生产率LP采用劳动生产率指标，本文用各行业工业增加值和从业人员年均人数的比值来表示，数据均来源于历年《中国工业经济统计年鉴》。另外，控制变量中还加入了服务外包和资本投入、劳动投入的交叉项，以此来捕捉Egger&Egger（2006）中提到的非中性技术变化。

三、实证分析

1.典型事实和假设在实证检验之前，先从数据描述进行简单分析。图1表明滞后一期的制造业行业国际服务外包和出口显著正相关，但国内服务外包和出口负相关（见图2）。这恰好说明了企业或行业参与国际分工，能够带动生产率或技术水平的提升，提高国际竞争力，从而增加产量和出口；但企业参与国内分工的动因可能并不是为了获得技术或降低成本，而是其他非技术的原因，如为了避免投资风险、集中利用资源等，因此，国内服务外包对制造业出口的作用不大甚至是反方向的影响。表1比较了不同生产率水平的服务外包变化，表明在生产率相对较高的制造业行业，国际和国内服务外包的程度低于平均水平，相当于总体平均值的0.77和0.89；而生产率水平较低的制造业行业，国际和国内服务外包的程度反而相对偏高，相当于总体平均值的1.22和1.11。这可以说明提高技术和效率是外包的动因之一：企业自身生产率较高，可供其选择的服务承接商就相对较少，很有可能企业外包出去的服务投入也少；同理，企业生产率水平较低，有可能由于效率和技术水平不足更倾向于将服务外包给专业化的、技术水平更高的企业。同时也发现相对于国内服务外包，生产率水平的高低对企业的国际服务外包影响更大一些。从以上的图表分析，可以得到以下两个假设：假设1：预期国际服务外包对制造业出口的影响是正的，而国内服务外包对出口的影响有可能不显著或者为负。国外的技术或生产率水平较高，企业进行国际服务外包，可以通过技术外溢、规模经济以及市场准入等效应，提高自身生产率和国际竞争力，因而增加出口。而国内企业间的技术水平差异并不大，企业进行国内服务外包很可能是企业为了专业化发展核心业务、避免较高的内部生产成本或者降低投资风险所采取的战略，并不是为了获得更高的技术和更高的效率，反而可能将一些技术含量较高的服务环节外包出去，对于国际竞争力和出口的促进作用不明显，或者可能阻碍出口。假设2：国际服务外包对制造业出口的效应会受到生产率的影响而有所不同。行业生产率的高低和其参与国际服务外包的程度、国际竞争力水平等相关，从而影响出口。生产率和技术的提高是行业参与国际服务外包的一个主要动因，但是行业生产率本身又在一定程度上代表了行业的国际竞争力水平和出口优劣势，同时，还要考虑国际服务外包的贸易成本，因此，生产率水平不同引起的国际服务外包对出口的影响就不确定了。所以，在分析国际服务外包对制造业出口的影响时，要考虑生产率的复杂角色。

1模型设定

在我国经济转型升级过程中，能源和环境是无法绕开的两大问题，因此，本文在利用绿色全要素生产率理论进行地区经济增长绩效问题研究时，将此两因素置于TFP研究框架之中。数据包络分析法(DEA)作为研究TFP问题的首选方法，具有不必先设生产函数的具体形式和无需考虑各类投入产出及环境污染之价格信息的优点，所以本文也采用基于DEA方法的卢恩伯格生产率指标测算江、浙、沪三地2003～2012年的绿色全要素生产率。

1.1改进型卢恩伯格生产率指标(MLPI)本文在构造技术前沿面时，以江苏、浙江、上海三地为决策单元。本文采用的基于差分结构的卢恩伯格生产率指标(MLPI)，是一种非径向和投入松弛导向的方向性距离函数。MLPI最主要的特点就是可以将各投入要素利用生产率在绿色TFP增长中的贡献分解出来，因此，采用MLPI进行研究可以挖掘隐藏在我国地区经济增长背后的更多深层次信息。假设在T时间段内有N个决策单元，使用M种投入获得S种产出，针对待评决策单元o,则可以通过以下线性规划计算得到在t时刻的方向距离函数。

1.2改进型卢恩伯格生产率指标(MLPI)的分解利用MLPI所具有的特点，可以在全要素框架下对TFP进行分解，从而得到各投入要素的生产率。

1.3环境污染的处理由于自然环境也是一种资源，其吸纳和沉积环境污染物的功能发挥了社会资本的作用，可以视环境污染为决策单元获得期望产出所必须承担的环境成本投入(陈诗一，2011)。所以本文将环境污染视为一种生产要素投入。

1.4生产前沿面的构造本文在构造生产前沿面时，采用的是序列DEA方法。

2数据及变量描述统计

本文选择浙江、江苏和上海三地区作为生产单元，投入产出变量的选择及数据来源界定如下：第一，资本投入。本文用资本存量作为资本投入量指标。以1952年不变价格对2003～2012年三地区的资本存量进行了换算。第二，劳动投入。由于无法准确获得劳动时间投入以及劳动报酬方面的数据，因此本文以各地区年末就业人数作为劳动投入指标。第三，能源投入。本文用各地区能源消费总量来衡量能源投入，数据来源于2003～2012年《中国统计年鉴》，已经对不同类型的能源进行了折标煤计算。第四，环境污染。在已有研究中，对环境污染变量的选择具有较大的弹性。分析江、浙、沪地区的产业结构，可以看出是一种主要环境污染物，因此本文以排放量作为测度环境污染的指标。第五，经济产出。本文采用三地GDP作为经济产出指标。以1952年不变价格对2003～2012年三地区的GDP进行了换算[3]，确保统计口径一致。三地投入和产出变量数据的描述统计特征如表1所示。

一、东亚经济增长模式争论的由来

1·世界银行报告的基本结论

克鲁格曼对于东亚经济增长模式的批判,源于世界银行1993年出版的一本著名报告《东亚的奇迹:经济增长和公共政策》(TheEastAsianMiracle:EconomicGrowthandPublicPolicy,WorldBankPolicyResearchReports,1993)。世界银行的这本报告试图分析并总结东亚4个新兴工业化经济体(韩国、新加坡、中国台湾和中国香港)经济增长的经验,并希望通过总结这些经验为其他发展中国家的经济发展指出道路。

世界银行报告的主要结论如下:

a.坚持宏观管理的重要性,包括稳定的商业环境,低通货膨胀,有利于鼓励固定资产投资;谨慎的财政措施,辅之以其他措施保证经济增长中的公平共享与高经济增长的成果;有利于出口竞争性的汇率政策;金融发展和逐步的自由化保证国内储蓄的最大化,推进资源的有效分配,以及与全球金融系统的融合;尽可能减少价格扭曲;采取措施推进初等教育,创立不同技能的劳动力结构,以利于外向经济的发展。

b.需要一个强有力的政府管理体系,保证长期发展意愿的实现,追求产出与就业的快速增长;政府与工商业之间的互动,同时政府要在工商业者之间创造竞争的环境。

c.政府需要采取积极的政策加快工业化的步伐,增加出口中的工业产品份额;外向发展政策加上汇率政策,就成为达到外部平衡,产生加速GDP增长的需求,促使生产吸收技术,保持国际竞争力的手段。在工业化的过程中,东亚政府有选择地选取了关税保护和鼓励出口的政策,其中不乏道义规劝、补贴和金融手段,使得实业界可以获得低成本的融资。

d.政府清楚地表明了可以获得政府支持的条件,方法是实用的,手段可以灵活使用,在目标不能完成的时候将废止使用。

《中国科技论坛杂志》2015年第十期

主要依靠资源和要素投入而非效率提升所引致的科技进步只能是一种表面的虚假繁荣，而高校科技创新全要素生产率的提升才是提高高校科技创新水平的本质诉求和保证高校科技创新永葆青春的不竭动力［1］。全要素生产率是指生产活动在一定时间内的效率，即总产量与全部要素投入量之比［2］。在跨时期的动态条件下，高校科技创新生产要素的配置和利用效率的变化程度可以用全要素生产率来表示［3］。关于高校科技创新全要素生产率问题，已有学者做了有益探索，国外学者更倾向于以具体高校为研究对象，分析高校科技创新成果的转化问题［4］;国内学者则采用不同的方法，选择不同的研究对象，以不同的研究视角对高校科技创新全要素生产率展开系列探讨。

1研究方法和指标选取

1.1研究方法传统的Malmquist指数是以决策单元当期的观察值构造当期最佳生产技术前沿面，而Sequen-tialMalmquist指数则以决策单元当期及前期的观察值构造当期最佳生产技术前沿面，因此Sequen-tialMalmquist指数能够实现“过去掌握的技术不会遗忘”的假定，从而避免在测算全要素生产率指数时出现的虚假“技术退步”，以及由此导致的技术效率“被动提高”等不合理现象。另外，虽然SequentialMalmquist指数能够有效测度高校科技创新全要素生产率的变化，但是无法说明这种变化的来源，因此有必要对SequentialMalmquist指数做进一步分解，以期发现高校科技创新全要素生产率变化的驱动机制。对SequentialMalmquist指数的分解可以借鉴Malmquist指数分解的思路。FreR等将用来表征全要素生产率变化的Malmquist指数分解为技术效率变化和技术进步［5］，1994年FreR等又在1992年的基础之上，将技术效率变化进一步分解为纯技术效率变化和规模效率变化［6］，但是RaySC和Desli认为FreR等对Malmquist指数的分解存在逻辑上的错误［7］，并对其进行了修正。国内相关研究基本采取了FreR等的方法对Malmquist指数进行分解，从而对纯技术效率变化和规模效率变化做出了错误的解释［8］。基于此，本文按照RaySC和Desli的思路，将SequentialMalmquist指数分解为纯技术效率变化、纯技术进步和规模报酬变动，如下式所示。其中，SM为SequentialMalmquist指数、SPEC为纯技术效率变化、SPTC为纯技术进步、SSCH为规模报酬变动。SPEC度量了不同时期决策单元相对于生产前沿的距离，SPEC＞1表明纯技术效率改善，反之纯技术效率下降;SPTC度量了不同时期生产前沿的移动，SPTC＞1说明技术进步，反之技术退步;SSCH则度量了沿着同一生产前沿的规模效率变化，SSCH＞1说明规模报酬递增，反之规模报酬递减。

1.2指标选取根据高校科技创新活动的特点，需要从输入和输出角度确定高校科技创新投入产出指标。基于此，在现有文献［9－10］的基础上，并考虑数据的可获得性，确定高校科技创新投入产出指标体系(见表1)。高校科技创新投入是指高校在科技创新活动中所投入的各种科技创新资源，高校科技创新产出是科技创新资源通过高校科技创新系统加工生产之后，所形成的能够反映高校科技创新能力的重要元素。如表1所示，以上指标数据均来自于相应年份的《高等学校科技统计资料汇编》。虽然投入产出指标之间的共线性并不影响SequentialMalmquist指数模型的效率测度结果［11］，但是如果投入产出指标数量过多，会降低模型测算结果的区分度，因此，本文根据投入产出指标的性质，把相关性较强的二级指标按照一定的权重做合并和归类处理，以降低指标维度。由于熵值法完全根据指标的变异程度确定指标权重，避免了人为干扰，保障了各指标权重的客观性，因此，我们采用熵值法对各个二级指标进行赋权。各二级指标经过标准化和同度量化处理后，按照各自的熵权加权合成相应的一级指标当量值，最终形成两个投入指标，分别为人力资源当量(X1)和科研经费当量(X2)，以及四个产出指标，即论文及著作当量(Y1)、科技项目当量(Y2)、科技成果获奖当量(Y3)和科技服务当量(Y4)。

2测算结果及分析

本文利用SequentialMalmquist指数测算了1998—2012年中国29个省份的高校科技创新全要素生产率，并按照RaySC和Desli方法对其进行分解(由于篇幅限制未给出具体的计算结果，如果需要可向笔者索要)。

2.1高校科技创新全要素生产率增长及其分解的统计特征分析表2描述了高校科技创新全要素生产率增长及其分解的统计特征。由表2可知，首先，全国高校科技创新全要素生产率在考察期内的平均增长率为0.21%，表明全要素生产率总体呈现增长特征，全要素生产率增长的省份多达21个，占样本总数的72.41%，而全要素生产率下降的省份只有8个，占样本总数的27.59%，可见大部分省份的高校科技创新全要素生产率均实现了增长;其次，全国高校科技创新纯技术效率在考察期内的平均增长率为－0.27%，说明纯技术效率出现了下降，纯技术效率下降的省份多达25个，保持不变的只有3个，上升的只有陕西省;再次，全国高校科技创新纯技术进步率为0.61%，表明纯技术进步率总体呈现增长特征，且全部省份的高校科技创新纯技术进步率均保持一定增长，可见SequentialMalmquist指数方法实现了“过去掌握的技术不会遗忘”的假定;最后，全国高校科技创新规模报酬变动指数小于1，说明全国高校科技创总体处于规模报酬递减阶段，规模报酬变动率下降的省份有22个，增长的省份有7个。

一、现有文献概述与批评

现有的研究文献绝大多数遵循主流新古典经济学的分析框架——在不同程度上,它们接受这样的假定,认为外商直接投资的经济意义,是代表了接受体的资金和技术资源的一种“净增加”。这种分析主要有两种方法。第一种方法,将外商直接投资与经济总量的主要指标的比率简单标示出来,然后“读出”外商直接投资对中国经济发展的贡献。由此得出判断,按照国际标准,中国的外商直接投资与中国的国内生产总值之比、和外商直接投资与固定资本形成之比,在1980年代相对较小,进入1990年代以后就开始大幅度上升。这些研究同时发现,在日益扩张的中国外贸出口中,外资企业所占份额也在急剧上升。这两项指标,对于迅猛发展的沿海地区省市表现得尤为显着(Chenetal.1995;Kaiseretal.1996;Lardy1995;WhalleyandXin2006;ZhangandSong2000)。

第二种方法,可以说是第一种方法的补充,主要专注于外商直接投资与经济发展各项指标之间关系的回归分析。这种分析意在检测外商直接投资对可观测的指标,如GDP增长等的间接影响,这种影响在在第一种分析中不能够显示出来。另外也试图想得出外商直接投资对那些不可观测的指标,如全要素生产率等的影响。这些分析发现对于各种不同的回归模型结果各异,但总体结论是,相关性都表现为正,而且在统计上显着。其中最乐观的发现是,在1990年代,外商直接投资促进中国经济的全要素生产率平均年增长达2.5%,加上外商直接投资通过资本形成使GDP增长0.4个百分点,那么外商直接投资对中国经济增长的总贡献在1990年代年平均达3%,也就是占整体经济增长的近1/3(TsengandZebregs2002)。另外,其他同类研究还发现,外商直接投资流量与国内总投资增长也是显着的正相关。他们将这个结果视作是投资“挤入效应”的证据(Kueh1992;Zhan1993)。

在较为近期的研究中,上述第二种方法的应用较为普遍,主要应用于对外商直接投资与地方经济发展的关系分析,即进行个别区域分析或跨区域比较。很明显,吸引较多外商直接投资的区域或省份普遍都表现出较快的经济增长。这些分析的典型结论,都是表现为显着的正相关,说明外商直接投资透过各种直接或间接影响,包括地方资本形成、地方投资的“挤入效应”、地方生产技术或知识使用效益的提高等,促进了地方经济的发展。由此得出的推论是,外商直接投资解释了不同地区或省份的不同经济增长表现,对总体中国经济增长有较强的政策含义(BerthélemyandDémurger2000;ModyandWang1997;Wei1994;Weietal.2001;ZhangandFelmingham2002)。

现存这些文献研究的局限性是很明显的,在它们的分析中,因果关系和相关关系很难区分开来(Lietal.2002)。这个问题可以说贯穿所有的现存文献,但在区域和跨区域回归分析中尤其严重,因为所分析的这些区域与其他区域毕竟属于同一国家、同一种体制(即相同的制度和政策环境),使用同一货币。所有这些都意味着,存在着众多的机会,可以透过创造租金来促进地方经济增长,尤其是在各地区间市场化程度差别很大的背景下更是如此。因此,即使外商直接投资与地方经济增长确实存在正相关,也难于判断地方经济增长到底是来自生产率的改进还是来自其他地区的租金转移,抑或两者兼而有之。极端情形是,租金创造效果如果超过生产率的改进,外商直接投资的净效应,对中国总体经济增长的贡献就有可能为负而非正。

从上文的讨论可以得出一个普遍论断,即,在分析外商直接投资与经济发展关系的现有的文献中,有关外资促进地方经济增长的具体机制,究竟主要是透过促进生产率进步抑或是创造租金的问题,往往会在回归分析中被忽略掉。即使那些联立方程模型和格兰杰因果检测也是如此,问题不在于到底是外商直接投资引起了经济增长还是经济增长促成外商直接投资进入,问题是,外商直接投资是通过创造租金还是通过生产率改进来促进地方经济增长。因此,关键是要将有关两者的相关性的分析与中国经济发展的特定路径相联系,在这个特定路径中,外商直接投资对经济影响的机制必须要能够准确地识别和评估。

要将对外商直接投资影响分析与中国特定发展路径联系起来,逻辑上就必须超越纯以新古典经济学为唯一指引的视野,诉诸更宽泛的理论框架。在相关理论文献中,与新古典传统相对,还有结构主义发展经济学和激进政治经济学,它们并不否认外商直接投资可以体现为额外的金融和技术资源,然而它们更加强调外资的其他特性,这包括外商进入国内市场的模式、技术转移的类型、塑造国内市场竞争模式的制度和结构环境,等等,认为这才是外商直接投资影响后进发展的最关键因素,而且其影响往往是负面的(Lo1995;UNCTAD1995)。在相关的中国研究文献中,这些因素基本上都被忽略掉,这就使得研究得出的结论不尽全面、合理。

二、宏观指标的直观判断