中国农产品加工业技术效率、技术进步与生产率增长，本文主要内容关键词为：生产率论文,加工业论文,中国论文,农产品论文,技术进步论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
加入WTO后，全面提升中国农业的国际竞争力已成为推进现代农业建设的出发点和立足点。构造以农产品加工业为核心的农业产业体系，积极拓展农业和农产品的功能、树立品牌、加强研发、提高效益，无疑是提升农业国际竞争力的重要战略选择。农产品加工业的快速度、高质量发展，也成为构建和谐社会的保证。
据统计，2005年，中国规模以上农产品加工企业有7万多家，完成产值达到4.2万亿元，“十五”期间年均增长近15％，从业人数有1785万人，占全部工业从业人员的28％。农产品加工业已经成为中国国民经济中总量最大、发展最快的支柱产业之一。另外，农业部提出了“十一五”期间中国农产品加工业的发展目标：力争实现年均12％的发展速度，到2010年，农产品加工业产值突破7万亿元①。
然而，中国农产品加工业是否能够持续增长以及如何增长，是值得思考的问题。目前，对增长可持续性的判断主要是基于对全要素生产率(TFP)的研究。有学者指出，提高全要素生产率是中国未来经济增长的决定因素(胡鞍钢，2003)。
本文主要运用面板数据对中国农产品加工业的全要素生产率进行实证研究，并将其分解为技术效率和技术进步。本文试图从以下几个方面对现有的研究进行拓展：①影响全要素生产率增长的因素是比较复杂的，本文运用基于非参数数据包络分析(data envelopment analysis,DEA)的Malmquist生产率指数(Malmquist Index)对中国农产品加工业12个行业的全要素生产率增长进行研究。②以往的研究往往是对整个国民经济中的工业和农业进行分析，并且较多运用省级面板数据。本文运用近年产业面板数据专门对农产品加工业的全要素生产率增长进行研究。③本文考察企业平均规模、资本密集度以及资产负债率同全要素生产率增长的关系。本文的结构如下：第二部分就目前的相关研究进行总结；第三部分对数据包络分析方法和数据处理进行描述，分析中国农产品加工业的全要素生产率增长、技术进步和技术效率；第四部分考察了企业平均规模、资本密集度以及资产负债率对全要素生产率增长的影响；第五部分为本文的结论。
二、文献综述
目前，对中国经济全要素生产率的研究主要集中在中国经济总体全要素生产率、农业部门全要素生产率、工业部门全要素生产率等几个方面(例如杨向阳，2005；颜鹏飞等，2004)，对中国农业生产率的演变趋势，学者的观点比较统一，即改革开放前的增长很缓慢，改革开放至20世纪80年代中期增长迅速，其后增长趋缓(Lin，1992; Wen,1993)，但对工业部门生产率的提高，估计的数据有较大的不同。张军等(2003)测算出1978～1998年中国平均全要素生产率增长率大约为2.8％；郑京海等(2005)测算的1978～1995的全要素生产率增长率约为4.6％。易纲等(2003)指出，对全要素生产率测算方法的不同，得到的结论也不尽相同。他们提出，测算新兴经济的全要素生产率与发达国家不同，在测算新兴国家全要素生产率的贡献时，必须把“在建工程”作为一个单独的投入要素核算，同时有必要把引进技术、设备价格中的“技术购买费用”扣除出去。
对全要素生产率的实证研究，不同学者运用了不同的方法，归纳起来主要有两类：增长会计法和经济计量法(郭庆旺等，2005)。在众多研究中，非参数数据包络分析的应用越来越普遍。
国外利用数据包络分析方法进行效率分析的文献较多，涉及的行业相当广泛，包括政府部门、银行业、电力行业、教育事业等。Miliotis(1992)基于数据包络分析研究希腊电力行业发现，大城市电力所的效率比欠发达地区要高。McMillan＆Datta(1998)基于数据包络分析方法利用加拿大45所大学1992～1993年的数据分析了这45所加拿大大学运营效率，发现多数大学的运营是比较效率的。Hailu＆Veeman(2001)分析了加拿大纸浆和造纸业，指出在运用数据包络分析方法测算生产率时要考虑到一部分产出是不合需要或者受污染的。Jajri & Ismail(2007)基于数据包络分析方法研究了马来西亚制造业的技术效率、技术进步和全要素生产率增长，发现全要素生产率增长的主要源泉是技术效率的改善，全要素生产率增长、技术效率、技术进步也与行业的资本密集度有关。
国内对整体经济或相关部门全要素生产率、技术进步及技术效率的测算也较多地运用了非参数数据包络分析方法。Zheng＆Hu(2004)用数据包络分析方法测算了1979～2001年中国各省份的Malmquist生产率指数，发现1995～2001年全要素生产率增长率出现了下降，另外，全要素生产率的增长主要是通过技术进步实现的，并非通过技术效率的提高实现。郭庆旺等(2005)利用基于非参数数据包络分析的Malmquist指数方法估算了中国各省份1979～2003年间的全要素生产率增长、技术效率变化和技术进步，发现中国不同省份经济增长存在较大差异，技术进步率非常明显，效率变化的差异相对较小。张莉侠等(2006)利用基于非参数数据包络分析的Malmquist指数方法对中国乳制品业的全要素生产率进行了分析，认为1998～2005年间中国乳制品业全要素生长率的增长主要得益于技术进步，而技术效率显示出下降的趋势。杨向阳(2005)在其对中国服务业全要素生产率变动的分析中，运用省级面板数据，采用基于数据包络分析的Malmquist指数方法，得出中国服务业全要素生产率增长的主要原因是技术进步，技术效率对全要素生产率增长起负面影响的结论。另外，也有一些文献对研究和开发(R＆D)投入与全要素生产率增长之间的关系进行了研究。吴丹等(2006)运用基于数据包络分析的Malmquist生产率指数对中国制造业各行业全要素生产率增长、技术效率、技术进步进行了测算，并在研究中引入了R&D投入，发现R&D投入对全要素生产率的推动主要是通过技术进步实现的，另外，外资活动对全要素生产率的推动主要表现在技术效率的提高上。
三、方法模型与数据分析
(一)基于数据包络分析的Malmquist生产率指数
数据包络分析模型通过一系列的线性规划来测算技术效率变化和技术进步。运用面板数据可以估算出全要素生产率增长的变化，同时，可以将全要素生产率的变化分解成技术变化(technological change,TC)和技术效率变化(technical efficiency change,EC)。技术效率和生产可能性边界(production frontier)的概念联系在一起(姚洋等，2001)，在一定的要素投入下并非所有决策个体都能达到最大产出，即生产可能性边界，技术效率就是衡量实际生产点到生产可能性边界的距离，距离越大，技术效率越低。而技术进步则反映在生产可能性边界的移动上。本文把中国农产品加工业每个具体行业作为一个决策元(DMU)，运用由F
re et al.(1994)构建的基于数据包络分析的Malmquist指数方法来估计中国农产品加工业全要素生产率的变动状况。Malmquist指数最早由Malmquist在1953年提出，Caves et al.(1982)提出基于数据包络分析的Malmquist指数方法。由于该指数的测算不需要相关价格信息，并且可以将全要素生产率进一步分解为技术进步和技术效率指数，因此，在实证研究中广为运用。
Fre et al.(1994)详细定义了基于产出的Malmquist生产率指数：
(2)式中，EC表示技术效率变化，TC表示技术变化。
(2)式是建立在规模报酬不变(CRS)的假设基础之上的，如果放松规模极酬不变假设，上述技术效率可以进一步分解为纯技术效率(pure technology efficiency，PT)和规模效率(scale efficiency，SE)。纯技术效率测度当规模报酬不变时被考察行业与生产可能性边界之间的距离；而规模效率衡量规模报酬不变的生产可能性边界与规模报酬变化的生产可能性边界之间的距离。因此，可以得到：
(4)式中，V表示规模效率发生变化。
(二)数据来源
本文的基础数据来源于《中国统计年鉴》②(1999～2006年历年)、《中国农产品加工业年鉴》③(2001～2005年历年)。鉴于相关年份统计资料和口径的不同，本文选取的农产品加工业包括食品加工业(PFD)、食品制造业(MFD)、饮料制造业(MBE)、烟草制品业(MTB)、纺织业(MTX)、服装及其他纤维制品制造业(MWR)、皮革毛皮羽绒及其制品业(MLF)、木材加工及竹藤棕草制品业(MWD)、家具制造业(MFU)、造纸及纸制品业(MPP)、印刷业与记录媒介的复制(PRI)以及橡胶制品业(MRB)共12个行业④。另外，按所有制将农产品加工工业企业分为国有及国有控股工业企业和“三资”工业企业两部分。
本文采用产品销售收入作为衡量各行业产出的基本指标，它可以衡量一个企业的销售能力，同时也反映一个企业的库存管理能力；采用全部从业人员年平均人数、固定资产净值年平均余额作为衡量各行业投入的基本指标。其中，产品销售收入以1998年为基期利用工业品出厂价格指数平减，固定资产净值年平均余额以1998年为基期利用固定资产投资价格指数平减。
(三)实证分析结果
根据投入导向的规模极酬不变模型以及行业数据，使用Coelli(1996)基于数据包络分析技术开发的软件DEAP Version2.1，分析得出中国农产品加工业全要素生产率的变动结果。表1、表2列出了1999～2005年中国农产品加工业国有及国有控股工业企业以及“三资”工业企业按年度和按行业测算的Malmquist生产率指数及其分解结果。
1.中国农产品加工业全要素生产率增长率分析。根据表1，可以发现：从整体趋势来看，除个别年份外，自2000年以来，全要素生产率增长率一直为正，这与国家对农产品加工业的政策扶持紧密相关。2000年，农业部会同八部委制定了扶持农业产业化龙头企业的政策性文件，提出了很多对国家级重点龙头企业的优惠政策，2001～2005年的五年时间里，原国家计委实施了农产品深加工业和食品工业的专项工程，共安排国债资金25亿多元，采取投资补助的方式，支持了280多个农产品深加工项目，带动总投资460多亿元；同时，对农产品加工业研发新产品、引进新技术等活动所产生的相关费用也实施了一些税收优惠政策。1999～2005年，农产品加工业国有及国有控股企业全要素生产率的平均增长率为8.7％，而“三资”企业为5.2％，这一指标的数据远远大于这一时期乳制品业、服务业以及中国整体经济的相同指标⑤。农产品加工业全要素生产率的增长主要得益于技术进步，国有及国有控股企业和“三资”企业这一指标分别为10.3％和6.3％；而效率变化都为负，分别为-1.4％和-1.0％。国有及国有控股企业的效率变化中纯技术效率平均增长率为-3.5％，规模效率平均增长率为2.1％，“三资”企业分别为0.2％和-1.2％。可以看出，国有及国有控股企业比“三资”企业更具规模效率。从最终的结果来看，效率的下降并未在相当程度上抵消技术进步水平提高的效果，因此，在这一阶段，农产品加工业国有及国有控股企业和“三资”企业全要素生产率的平均增长率都维持在较高水平。
2.农产品加工业各细分行业全要素生产率增长率分析。表2对比了12个行业的全要素生产率增长率变化情况。其中，烟草制品业(MTB)和家具制造业(MFU)的国有及国有控股企业与“三资”企业两组数据相差较大，分别达到15.27％和16.5％。1999～2005年，烟草制品业国有及国有控股企业全要素生产率指数为1.143，即全要素生产率的平均增长率为14.3％，而“三资”企业在这一时期全要素生产率指数为0.903，相应的全要素生产率的平均增长率为-0.97％，平均增长率相差约15.27％。家具制造业的数据计算方法同上。
烟草制品业的这一差距与国家对烟草行业的垄断有着直接的关系。家具制造业的国有及国有控股企业全要素生产率增长主要是来自于效率的改善，其平均效率变化率为12.2％，并且企业规模较大，获得更多的廉价劳动力。而“三资”企业这一时期平均效率变化率为负。另外，“三资”企业中有五个行业全要素生产率增长率大于国有及国有控股企业，分别为食品制造业(MFD)、饮料制造业(MBE)、纺织业(MTX)、造纸及纸制品业(MPP)以及印刷业与记录媒介的复制(PRI)，而国有及国有控股企业中有6个行业全要素生产率增长率超过“三资”企业。同时可以明显看出，“三资”企业的全要素生产率增长率行业差距较大，而国有及国有控股企业不同行业之间差距相对较小。
总的来说，国有及国有控股企业的规模优势要大于“三资”企业，其中，烟草制品业、纺织业、家具制造业国有及国有控股企业的规模效率变化大大超过“三资”企业，差距分别为14.8％、13.0％、11.3％，此处为百分数的变化，这主要是由于“三资”企业的规模还不是足够大。另外一个发现是：农产品加工业中的“三资”企业并不具有较高的技术进步水平，而国有及国有控股企业却有较高的技术进步水平，这与以往的“以市场换技术”的初衷相违背。但是，“三资”企业效率下降的速度要略慢于国有及国有控股企业，其中，饮料制造业(MBE)、造纸及纸制品业(MPP)的效率变化显著高于国有及国有控股企业，差距分别为10.6％、11.0％，这可能归结于“三资”企业对员工的管理更加严格。
四、企业规模、资本密集度、资金约束与全要素生产率增长
在劳动力、固定资产等投入要素转化为产出的过程中，存在着其他诸多影响生产率的因素，比如R&D投入、企业的规模、资本的状况、资金约束状况、产权性质、市场集中度等(吴延兵，2006；吴丹等，2006)。下面将引入这些因素，进一步分析全要素生产率的增长⑥。
(一)影响生产率增长的拓展研究
关于农产品加工业各细分行业的全要素生产率在上文已经测算，此处不再赘述。在接下来的研究中，引入企业平均规模、资本密集度以及资产负债率等变量来研究这些因素对全要素生产率的影响。其中，企业平均规模用“资产总额/企业数量”表示，资本密集度以“资产总额/销售收入”表示；资产负债率用于研究资金约束状况对全要素生产率的影响。
考虑C-D生产函数：
(5)式中，Y为产出，A为全要素生产率，L为劳动力投入，K为资本投入。企业平均规模(SIZE)、资本密集度(CAP)、资产负债率(DEBT)对农产品加工业全要素生产率(A)的影响可以通过(6)式联系起来(假定以上三者为影响全要素生产率的主要因素)：
将(7)式代入(5)式的时间差分形式，可得：
β、γ、ν分别衡量企业平均规模、资本密集度和资产负债率对农产品加工业全要素生产率变化的影响程度。
对于N个加工业的时间序列或截面数据模型，根据截距项向量和系数向量的不同限制要求，可以将时间序列或截面数据模型划分成三种类型：无个体影响的不变系数模型、含有个体影响的不变系数模型(即变截距模型)和含有个体影响的变系数模型。因此，本文建立面板数据模型的第一步就是要检验被解释变量?TFP的参数β、γ、v是否对所有的个体样本点和时间都是常数。通过相关统计量计算，本文确定利用变截距模型：
(二)估计结果
表3的回归结果表明：企业规模对全要素生产率增长率有明显正的影响，规模扩大0.428％，全要素生产率增长1％。企业规模对全要素生产率的积极作用可能来源于企业集中存在的规模经济性，这也印证了本文上一部分的研究，即国有及国有控股企业的规模效率比较高。资本密集度对全要素生产率有显著负影响，这是可能是因为“资本密集度高的行业代表了更高的进入壁垒，限制了市场竞争，导致了生产率降低”(吴延兵，2006)。另外，资产负债率对全要素生产率的积极影响不是很显著，举债能力的强弱对农产品加工业国有及国有控股企业全要素生产率的增长影响不大，这也反映了这些企业的资金利用效率比较低。
五、结论
本文研究发现，基于数据包络分析的Malmquist生产率指数，1999～2005年，中国农产品加工业国有及国有控股企业和“三资”企业的全要素生产率的平均增长率分别达到8.7％和5.2％，这一指标的数据远远大于这一时期乳制品业、服务业以及中国整体经济的相同指标，并且全要素生产率的增长主要得益于技术进步，而效率变化都为负，分别为-1.4％和-1.0％。国有及国有控股企业更具规模效率，规模效率平均增长率指标平均达到2.1％。本文的一个重要发现是，中国农产品加工业“三资”企业的技术进步水平低于国有及国有控股企业，国有及国有控股企业和“三资”企业这一指标分别为10.3％和6.3％，这与以往认为的外资企业技术进步要高于国内企业不相符合，在以学习先进技术为目的的吸引外资的过程中，应当注意到这一问题。另外，本文还发现，企业规模对全要素生产率有积极的作用；资本密集度对全要素生产率有显著负影响。
注释：
①资料来源：中国农业信息网(http://www.gov.cn)，2007年1月20日。
②国家统计局：《中国统计年鉴》(1999～2006年，历年)，中国统计出版社。
③科学技术部农村与社会发展司、中国农业机械化科学研究院、中国包装和食品机械总公司编：《中国农产品加工业年鉴》，历年，中国农业出版社。
④行业的划分依据《中国农产品加工业年鉴》。由于部分行业数据口径的问题，故选取12个行业。
⑤张莉侠(2006)计算的中国乳制品行业1998～2005年Malmquist生产率指数平均为1.006，即全要素生产率的增长率仅为0.6％；杨向阳(2005)基于非参数Malmquist指数方法计算的中国服务业全要素生产率的增长率，1998～2003年的平均值为4.42％；郭庆旺(2005)用隐性变量法测算的中国全要素生产率的增长率，1999～2004年的平均值仅为0.95％。
⑥由于“三资”企业数据对模型的拟合较差，本文仅研究国有及国有控股企业相关情况。