中国制造企业全要素生产率研究_全要素生产率论文

中国制造业企业全要素生产率研究,本文主要内容关键词为:生产率论文,要素论文,中国制造业论文,企业论文,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。

      经济增长基本理论认为,资本、劳动和技术是经济增长最重要的源泉,即Y=A*f(K,L),A表示技术,K表示资本,L表示劳动。如果将最终产品Y面临的市场区分为国内市场和国外市场,则出口E成为拉动经济增长的另一个源泉。改革开放以来,以丰富的劳动力资源为基础,依托高投资和出口导向型发展模式,我国经济发展取得了很大的成绩,增长速度远远超过其他发展中大国。根据PWT 8.0(Penn World Table)的数据,我国2011年按照购买力平价的人均GDP为7827美元,为中等收入国家。参考世界各国经济发展的历程,以拉美为典型代表的一大批国家长期处于中等收入水平,陷入“中等收入陷阱”。如何避免陷入“中等收入陷阱”,实现经济持续快速增长就成为我国现阶段学术研究和政策制定共同关注的一个非常重要的问题。

      现有发展模式是否可以实现中国经济的持续快速发展呢?图1是金砖国家投资与经济增长的关系。左图是资本形成占比,右图是相应的家庭消费占比。显然,相对于俄罗斯、巴西和印度,中国的资本形成比例非常高,且上升速度非常快,这对于中国过去三十年的高速增长至关重要。但是,我国资本形成比例已经基本达到极限,这使得居民消费占比非常低,2011年为29%,远低于发达国家和同类发展中国家。此外,我国出口额占世界总出口额的比例已经由1992年的3.42%上升到2012年的11.91%。①如果考虑到过去三十年的富裕的劳动力资源,毋庸置疑,资本K、劳动L、出口E共同成就了中国的经济增长奇迹。但是,随着老龄化的逐渐到来,人口红利将逐渐消失,而资本形成和出口即使是要维持现有的水平都已经是非常困难,何况还要进一步快速增长。由此可见,过去三十年以人口红利为基础的高投资、高出口拉动型的发展模式面临着非常大的挑战。

      

      图1 高投资与中国经济高增长(1980-2011)

      数据来源:Penn World Table 8.0。http://www.rug.nl/research/ggdc/data/penn-world-table。

      资本形成和出口已经很难维持中国经济今后二十年的快速增长,按照现代经济增长理论的框架,我们唯一能够依托的就是技术(A)进步。图2列出了金砖国家的全要素生产率(TFP)水平。从图中可以看到,我国的整体TFP水平还非常低,对于过去三十年经济增长的贡献也较小。正是因为如此,TFP水平的提升还有非常大的空间,这将成为、也应该成为中国经济持续增长的重要源泉。

      

      图2 金砖国家全要素生产率水平(1980-2011)

      数据来源:Penn World Table 8.0。http://www.rug.nl/research/ggdc/data/penn-world-table。

      根据以上的分析,我们认为,我国现阶段已经步入中等收入国家行列,现有的依靠人口红利释放、高投资增长、高出口增长的发展模式很难使我们跳出“中等收入陷阱”,必须向依托技术进步的内生增长模式转型。正是基于这一判断,本文将对我国企业层面的全要素生产率问题做较为深入的研究。学术界已经有大量文献在研究中国的全要素生产率问题,且存在非常大的争议。最具代表性的、结论存在较大差异的成果是Young和Brandt等人的研究。以Young(1995,2000)为代表的文献认为,中国和东亚经济的增长主要是靠投资拉动和人力资本积累等要素投入,全要素生产率的增长非常缓慢,年均增长速度在2%—3%之间,谈不上“东亚奇迹”。Young(2003)通过不同的方法对中国统计局公布的资本存量和价格指数等进行修正,计算1978-1998年TFP的年均增长速度只有1.4%。最近几年的文献用企业层面数据对中国TFP进行研究。Brandt et al.(2012)对《中国工业企业数据库》做了很好的处理,发现,1998-2007年TFP年均增长速度高达7.96%,且增长速度越来越快,1999-2001年TFP增长速度为2%—6%,2002-2007年TFP增长速度为11%—16%。他们据此认为2001年加入WTO大幅度提高了中国工业企业的全要素生产率水平(Brandt et al.2012)。还有一类文献(Hsieh and Klenow,2009)则侧重于从全要素生产率的角度研究资源配置效率问题,认为企业效率的高低固然重要,但资源是否能够从低效率企业向高效率企业流动也许是更为重要的问题。本文希望在Brandt等人的工作基础上,更为慎重、更为详细地研究中国企业的全要素生产率。

      本文主要研究三个问题。首先依托1998-2009年中国工业企业数据库,从构建面板数据、处理资本和投资变量、构建投入和产出价格指数等方面全面规范整理该数据库,基于OP、LP等方法计算企业层面全要素生产率,详细考察中国制造业企业全要素生产率的动态变迁;接下来以企业全要素生产率为基础,从资源配置效率的角度讨论经济结构转型问题;最后主要从国企改革的角度讨论影响资源配置效率的因素。我们的研究发现:第一,中国制造业整体全要素生产率增长速度在2%—6%之间,年均增长3.83%,环比年均增长3.35%,且年度之间波动较大;第二,制造业生产率增长的来源更多是企业成长,其增长的空间在不断缩小,亟待依托资源配置效率改善的新的增长模式;第三,不同所有制类型企业的效率差异较大,即使在“抓大放小”的背景下,国有企业表现还是最差,国企改革也许是改善资源配置效率、实现可持续内生增长的关键。

      二、数据处理与计算

      本文使用的基础数据是由国家统计局维护的《中国工业企业数据库》。中国工业企业数据库由国家统计局建立,它的数据主要来自于样本企业提交给当地统计局的年报汇总。该数据库的全称为“全部国有及规模以上非国有工业企业数据库”,其样本范围为全部国有工业企业以及规模以上非国有工业企业,其统计单位为企业法人。这里的“工业”统计口径包括“国民经济行业分类”中的“采掘业”、“制造业”以及“电力、燃气及水的生产和供应业”三个门类,主要是制造业(占90%以上)。“规模以上”要求企业每年的主营业务收入在500万元及以上,2011年该标准改为2000万元及以上。本文以1998-2009年全部国有及规模以上非国有工业企业作为分析样本,共包括3070052个观测值,按照原始数据“法人代码”统计,合766692家企业,平均每家企业报告数据的年限约4期。经过本文构建面板数据的处理,共有720917家企业,相对于按照法人代码统计的企业数量少了40928家,占比5.97%。②最近几年,《中国工业企业数据库》在学术界有非常广泛的应用。作为一个由中国国家统计局收集的数据库,它的优点是样本大、指标多、时间长。但是,它毕竟不是一个由学术机构发布的数据库,因此在很多方面还不太符合学术研究的严格要求,其缺陷包括样本匹配混乱、指标存在缺失、指标大小异常、测度误差明显和变量定义模糊等严重问题(聂辉华等,2012)。针对这些问题,Brandt et al.(2012)对该数据库做了较为详细的整理,他们的研究也成为处理该数据库的代表性成果。本文将以此为基础,主要从企业全要素生产率计算方面对该数据库进行详细的分析和讨论。

      (一)数据处理

      和Brandt et al.(2012)的研究类似,我们对于本数据库的处理同样包括构建面板、资本变量处理、价格指数处理等过程。

      处理面板的基本思路是,先利用法人代码信息识别面板,如果法人代码匹配不上或者法人代码重复(即存在两个以上的同一法人代码),则开始使用企业名称匹配,如果企业名称匹配依然匹配不上或者企业名称重复(即存在两个以上的同一企业名称),则使用“地区(县)+法人代表姓名”匹配,如果“地区(县)+法人代表姓名”依然匹配不上,则进一步使用其它信息匹配。Brandt et al.(2012)的匹配方法会导致过宽的匹配,即本来不属于一家企业,但被他们匹配成一家企业了,原因在于他们使用“邮政编码+行业代码+主要产品+所在县名称+开工年份”作为其它信息进行匹配时,忽略了同一地方有不同企业同时从事某一行业这个问题。鉴于此,我们使用的其它信息是“地区代码(县)+电话号码+成立年份”,检查发现这种匹配方法更加准确。

      资本变量的处理是将资本账面价值转化为可以比较的实际资本存量。将账面价值转换为真实价值的核心就是对固定资产名义值进行消胀,但问题在于,固定资产购买来自于不同年份,而数据中只有固定资产原值的数据,却没有购买资产年份的数据。对于面板数据中第一期之后的样本,处理相对简单,只需将本期固定资产原值减去上期固定资产原值就得到当期购买固定资产名义值,然后进行消胀即可。然而,对于面板数据中第一次出现的样本,处理起来就相对复杂。我们的思路是基于一定假设推算出企业从开业年份到进入样本年份之间每年的固定资产名义购买量,然后对每年购买的固定资产名义值进行消胀得到每年固定资产投资真实值,再基于永续盘存法和折旧信息计算真实资本存量和真实投资。资本变量处理方面,本文和Brandt et al.(2012)的差异主要体现在如下两个方面。第一,基于统计局数据,我们计算出各两位数行业固定资产原值1986-2010年间的增长率,在推算历年投资时,将1986年之前成立的企业均假设为1986年开始投资,并假设企业的投资增速和所在两位数行业投资增速相同。第二,本文将1994国标(GB/T 4754—1994)四位数行业分类对应到2002国标(GB/T 4754—2002)三位数行业分类,即所有年份行业分类在2002年三位数分类层面统一。此外,资本变量处理时还涉及开业年份、折旧信息、负投资、固定资产原值等问题的处理,详细过程可以直接和作者联系。

      本文在产出平减指数(年度两位数行业分类指数)和投入平减指数(年度两位数行业分类指数)处理方面和Brandt et al.(2012)存在较大的差异。第一,国民经济行业分类两位数分行业总产出环比价格指数来自《中国城市(镇)生活与价格年鉴2011》。而Brandt et al.(2012)的研究中,1998-2003年的产出价格指数是根据企业报表中真实产出和名义产出来加权加总。第二,在计算投入平减指数时,Brandt et al.(2012)只用到了一期的投入—产出(IO)表,没有考虑到年度之间的结构变化,本文对权重做了更为细致的处理,1998-2000年的权重根据1997年124部门IO表计算,2001-2005年的权重根据2002年122部门IO表计算,2006-2009年的权重根据2007年135部门IO表计算。

      (二)企业全要素生产率

      关于企业全要素生产率计算方法,常见的有OLS、FE、OP、LP、GMM等几种,学术界对此存在较大的争论(Van Beveren,2012)。一般认为,用OLS和FE的方法计算企业全要素生产率有较大的缺陷,不足以解决内生性问题,且会损失有效信息量。通过对OP方法(Olley and Pakes,1996)和LP方法(Levinsohn and Petrin,2003)的对比,并参考现有文献(余淼杰,2010;Hsieh and Klenow,2009),本文以OP方法计算结果为基准进行分析,以LP方法计算结果做适当的稳健性讨论。在前文数据整理的基础上,我们计算1998-2007年企业全要素生产率。经过面板数据整理和重复观测值删除等过程,1998-2007年共有2224380个观测值,合576143家企业。参考现有文献(聂辉华等,2012),我们剔除总产出、中间投入、资本存量、工业增加值四个变量缺失、为负值、为零值的样本,剔除从业人数缺失和小于8的样本。剔除后观测值个数为2075512,合552977家企业,其中制造业(国民经济行业分类13—42类)样本1910662个,合513269家企业。制造业样本是本文后续研究的基准样本。

      我们用OP和LP方法计算企业层面的全要素生产率(TFP)。理论上,每家企业面临的约束条件进而采用的生产技术都有差异,很难用统一的生产函数来刻画企业的生产行为。为尽可能真实反映企业的技术水平,我们假设同行业企业的生产模式较为相似,然后以两位数行业分类为基础,分行业估算资本和劳动系数,从而计算企业层面TFP。需要特别指出的是,按照两位数行业分类,矿产、石油等行业不适用于现有方法对TFP的分析,由于自然资源在生产过程中有重要作用,这些行业的生产函数不能简单假设为C-D生产函数。此外,服务业的生产函数也较为复杂,非C-D函数所能刻画。由此,本文剔除矿产采选、石油等资源性行业和水电煤气生产供应等行业,只对29个制造业行业企业样本进行讨论。从文献角度看,Brandt et al.(2012)和Hsieh & Klenow(2009)等也都是聚焦于制造业的分析。制造业29个行业的资本和劳动的弹性系数如表1所示。

      

      从表1可以发现,本文用OP方法计算得到的资本和劳动弹性系数与理论非常吻合,29个行业中,资本和劳动系数之和的简单均值为0.93,最大值为1.12,最小值为0.82。如果将资本和劳动系数之和小于0.9定义为规模报酬递减,系数之和在0.9—1.0之间定义为规模报酬不变,系数之和大于1.0定义为规模报酬递增。则29个行业中有6个行业规模报酬递增,10个行业规模报酬不变,13个行业规模报酬递减。据我们所知,这一计算结果在现有研究成果中是较为接近理论推断的,也表明本文对基础数据的处理较为合理,计算结果也有较高的可靠性。

      (三)企业全要素生产率的演变

      正如前文指出,理论上,各行业之间的技术选择是不可比的,这使得计算整体的TFP非常困难。对于这个问题,文献上有两种处理方法:最常用的就是由企业层面TFP直接加权得到整体的TFP,如Brandt et al.(2012)和Hsieh & Klenow(2009),权重可以是工业总产值、职工人数等;另一种方法是对不同行业假设不同的替代弹性,在CES函数假设下给出行业权重,再计算年度TFP。本文沿袭第一种方法计算制造业年度全要素生产率,权重分别采用工业总产值、从业人数、工业增加值三种,再引入简单平均计算结果,共有四种加总方式,结果如图3所示。这种计算方法得到的TFP绝对值没有含义,但在年度之间有一定的可比性。该方法不考虑行业权重问题,如果行业之间的生产技术不可比,这实际上假设从1998年到2007年间,各行业的相对地位没有变化,显然,这不符合实际情况。如果考虑到要素在跨行业之间的优化配置,即生产要素从低生产率行业流向高生产率行业,该计算结果对TFP会产生低估。以工业增加值作为权重(Brandt et al.,2012)计算的整体TFP作为基准,我们分析其变化趋势。从1998年到2007年,TFP稳定增长,从2.90增长到3.90,增长了34.48%,简单平均年增长速度为3.83%,环比年平均增长速度为3.35%。TFP的年度增长速度变化较大,约在2%—6%之间波动。图3同时还列出了以工业总产值和从业人数作为权重的整体TFP计算结果和简单平均计算结果,趋势上差别不大。

      

      图3 全国整体加权TFP(OP方法)变化

      注:对于工业总产值和工业增加值剔除最低和最高各0.5%的观测值,对从业人数剔除最高的0.5%观测值(最低人数为8人,没有做剔除)。

      关于全要素生产率(TFP)的增长及其对中国经济增长的贡献问题,在学术界有很大的争议。我们首先来讨论主要利用宏观和行业数据进行研究的文献。Young(1995,2000)的研究认为,中国和东亚经济的增长主要是靠投资拉动和人力资本积累等要素投入,全要素生产率的增长非常缓慢,年均增长速度在2%—3%之间,无所谓“东亚奇迹”。Young(2003)着力研究中国TFP增长,通过不同的方法对中国统计局公布的资本存量和价格指数等进行修正,计算得出1978-1998年中国TFP的年均增长速度只有1.4%。Perkins & Rawski(2008)估计中国TFP在1978-2005年年均增长速度为3.8%。相应的,国内也产生了大量的相关研究成果。王志刚等(2006)、邵军和徐康宁(2011)、姚战琪(2009)等利用宏观和行业数据,通过随机前沿模型、非参数包络分析等方法估计了中国的TFP增长。这些文献发现20世纪90年代以来中国TFP年均增长速度大约为5%。也有些估计结果较为例外。李小平等(2008)发现1999-2003年我国TFP年均增长达到惊人的9.7%,而郭庆旺和贾俊雪(2005)则发现1979-2004年我国TFP年均增长只有0.9%。和本文的研究类似,还有一些最近的文献用企业层面数据对中国TFP进行研究。Brandt et al.(2012)这篇非常有影响力的文献发现,1998-2007年中国TFP年均增长速度高达7.96%,且增速越来越快,1999-2001年TFP增长速度为2—6%,2002-2007年TFP增长速度为11—16%。李玉红等(2008)基于非参数估计方法研究我国工业企业TFP增长,发现2000-2005年工业企业TFP年均增长2.5%。鲁晓东和连玉君(2012)用OP、LP等不同方法估计TFP增长,结论是1999-2007年我国TFP年均增长速度为2%—5%,与本文的计算结果整体上非常接近。

      由于方法、数据等方面的原因,关于中国全要素生产率增长的计算结果差别较大,但整体来看,大多数文献发现中国TFP年均增长速度在3%—5%之间,这与本文3.83%年均增长速度较为吻合。总结现有的文献,本文认为有如下几个方面的特点。第一,关于中国整体TFP增长的研究,从Young(1995)到Hsieh(1999),再到Young(2000,2003)和Perkins & Rawski(2008),再结合国内的一些研究成果(姚战琪,2009),形成了逐步递进并在争议中不断发展的文献体系,有助于厘清很多相关问题。但是,方法的差异和宏观数据处理方式的差异都使得结论的可比性较弱,难以在结论上得到共识,而TFP作为一个纯粹数据计算结果,结论的可复制性和可比性显得尤其重要。第二,最近几年大量研究开始从企业层面研究中国TFP增长,且多以中国工业企业数据库为研究基础,产生了一批非常有影响力的研究成果,如Hsieh & Klenow(2009)、Brandt et al.(2012)等。但是,这些文献同样在数据处理和方法选择方面存在很大的差异,从而得到的结论也相差甚远。当然,由于有共同的数据基础,诸多矛盾和冲突显然存在很大的协调和改进的空间。本文的研究正是对这支文献的一个扩展。

      本文的研究将从如下几个方面对现有文献进行补充。第一,沿袭企业层面的研究,本文以现有文献中最为权威并被广泛引用的Brandt et al.(2012)为基础,并做了较大的改进和修正,对中国工业企业数据库做了非常详细的处理,这将为后续文献提供一个具有参考价值的“标准”。第二,本文的计算表明,中国1998-2007年TFP年均增长速度为3.83%,环比年均增长速度为3.35%,这与大多数文献相符,与Penn World Table 8.0数据估计的同期3.3%年度增长速度也非常接近。这有利于在关于我国TFP计算方面达成共识,有较为重要的现实意义和政策含义。

      三、制造业效率动态变化:企业成长还是配置效率改进

      前文的研究发现,我国1998年以来的制造业整体全要素生产率增长速度约为每年3.83%。同时,我们发现全要素生产率最近几年略有下降趋势,这在Penn World Table 8.0数据中体现的尤为明显。一般而言,绝对的技术进步的速度的提升空间是非常有限的。发达国家TFP增长速度一般在2%左右,发展中国家由于存在技术上的后发优势,有可能实现更高的增长速度,但这一速度也会随着经济发展水平和技术水平的提高而下降。理论而言,要提高经济整体的生产率水平,有两个途径,绝对的技术进步和资源配置效率的改善。如果一个经济体由n个企业组成,每个企业的效率都提高10%,可以实现整体生产率提高10%;即使每个企业的效率都没有发生变化,但是资源由低效率企业流向高效率企业,同样可以实现整体生产率的不断提高。这一部分我们从企业成长和资源配置效率变化两个角度来考察制造业整体全要素生产率变化问题。从现有的数据看,2003年以来,制造业整体生产率水平增速略有下降。从Penn World Table 8.0数据的计算结果也可以得到类似的结论。该数据显示,我国1998-2007年的TFP平均增长速度为3.3%,而1998-2011年的TFP平均增长速度为2.9%,说明2007年以来TFP的增长速度在进一步放缓。要保持生产率水平的不断提升,就必须深入分析TFP增速下降的原因——到底是企业的绝对技术进步放缓导致的,还是资源配置效率恶化导致的?

      (一)生产率分解的方法

      Hsieh & Klenow(2009)的经典研究中,以美国作为参照系(Benchmark),认为中国制造业在很大程度上存在资源误配。要对资源误配程度进行研究,参照系的选择是非常困难的。不同的国家、不同的行业,甚至不同的企业都会有自己的稳态和均衡,要用一个统一的标准度量资源使用效率,无疑是很困难的,也是不太合理的。本文认为,要研究资源在多大程度上存在误配有较大难度,而要弄清楚资源误配的改善程度却相对较为容易。即以分地区、分行业在时间维度上考察资源配置效率的改善程度。根据这一思想,本文从最简单的研究方式出发,以中国作为一个整体,将其生产率变化的来源主要分解为两个部分:企业自身的成长和资源配置效率的改善。文献上有四种不同的方法分解生产率的变化。Baily et al.(BHC,1992)将生产率的变化分成四个部分:企业内部生产率的变化、企业内部市场份额的变化、进入企业生产率变化和退出企业生产率的变化。

      

      其中

表示i企业在第t期的份额(本文主要采用工业增加值所占份额进行研究,并以从业人数所占份额指标做稳健性讨论),

表示i企业在第t期的生产率;S、E和X分别表示在位企业样本、进入企业样本和退出企业样本。该分解方法中,第二项的企业间的资源配置只有在在位企业生产率高于当期平均生产率时,市场份额的增加才会提升总体生产率;同时,进入企业提升整体生产率水平也只有当该企业的生产率水平高于平均生产率才能成立,退出企业拉低整体生产率也只出现在退出企业的生产率低于整体平均生产率时。显然,这一分解方法还存在较大的问题。由此,Griliches & Regev(1995)在BHC分解的基础上剔除由于忽略年度平均生产率而导致的误差,提出GR分解方法。

      

      其中,

其他变量的定义与前文相同。这一分解方法剔除了平均生产率带来的问题,但第二项仍然不能看成是资源配置效率,它没有将企业的生产率提高带来的整体生产率上升从资源配置中分离出来。Foster et al.(2001)在上面两个模型的基础上将市场资源配置从企业生产率提升中分离出来,提出FH分解方法。

      

      该方法中,第一年退出的企业的生产率不会对第二期的生产率产生影响,即上式第四项和第五项的计算存在误差。Melitz & Polance(2013)在总结现有三种方法的基础上,得到了动态的OP分解方法。本文主要基于该方法对全要素生产率进行分解,并用其他三种方法做初步的稳健性讨论。MP方法的具体分解如下式所示:

      

      (二)生产率分解结果

      根据上文的讨论,采用Melitz & Polance(2013)的方法对生产率的变化进行分解时,需要对每年的企业进行分组,分为在位企业、存活企业、退出企业。我们可以有两种方法对企业进行分组。第一种以1998为基年,后续年份的存活企业都是相对于1998年的企业。剔除部分无效样本后,1998年共有138893家企业,到1999年有110987家企业存活下来,占比为79.9%;2000年有94732存活,占比为68.2%,到2007年的时候,有35113家企业存活下来,占比为25.3%。和发达国家的数据相比(Melitz and Polance;2013),我国企业的存活率较低。第二种方法以上一年为基年判断企业所在的组别。表2列出了TFP增长的分解结果。TFP整体增长来源于四个部分:在位企业本身的绝对技术进步、在位企业间的资源配置效率改善、高生产率企业进入和低生产率企业退出。我们主要对MP方法分解结果进行讨论。MP分解显示,企业自身成长是中国制造业效率提升的主要来源,贡献份额为56.4%,企业间配置效应贡献份额为31%,企业进入退出效应贡献份额为12.6%。对比其他几种方法的分解结果,企业自身成长的贡献均要高于企业配置效应的贡献,但在具体数值上其他几种分解方法的结果和MP方法存在较大的差异,这也印证了我们前文从理论上对另外几种方法不足之处的讨论。

      

      表2的分解能够看到1998-2007年的十年间,中国制造业整体效率变化的来源。为进一步观察中国资源再配置效应对全要素生产率贡献的动态演化过程,图4列出了MP方法的分年度分解结果。左图以1998年为基年定义企业的“进入”和“退出”,右图以连续两年定义企业的“进入”和“退出”。从图中可以看到,制造业生产率的增长越来越依靠企业本身的成长,企业间配置效应的作用越来越小。这对于中国经济结构转型是个非常重要的信号。企业自身效率的提升当然值得提倡和鼓励,但对于全国整体而言,企业本身的成长是要消耗大量资源的,而资源在企业间的配置效率的提升才是真正的可持续的内生增长模式。

      

      图4 MP方法TFP分解结果

      注:左图以1998年为基年定义企业进入退出,右图按照连续两年定义企业进入退出。

      从资源配置效率的视角看待经济增长和技术进步问题对我国现阶段相关政策的制定有非常重要的现实意义。最近十多年来,经济结构调整和转型一直是政府和学术界关注的焦点。但是,现有政策制定对于结构转型的理解是存在偏差的。简单而言,经济结构转型是要实现从现有低技术低附加值低效率发展模式向高技术高附加值高效率发展模式升级。为达到这个目标,政府热衷于制定方方面面的产业政策,比如,制定新兴产业目录、扶持高新技术产业等,希望由政府引导实现产业升级和结构转型。这种模式试图用不断的加大投入来实现企业或产业的绝对技术进步,达到结构升级的目的。然而,资源总是有限的,要维持这种高投入的代价是非常高的——政府规模会越来越庞大,经济效率也很可能会越来越低。我们认为,从资源配置效率的角度来看③,政府在经济结构转型过程中,最重要的任务是在关注市场失灵的同时,致力于营造良好的市场竞争环境,让资源能够在企业间、产业间、区域间自由流动,让市场在资源配置中发挥决定性作用。这样,就能够实现由于资源配置效率改善带来的整体生产率水平提高,这对于我国现阶段的经济结构转型无疑是至关重要的。

      四、所有制结构与配置效率

      接下来我们探讨企业所有制结构与全要素生产率的关系,并进一步从资源配置效率的角度简要分析国有企业改革问题。首先是关于企业所有制类型的定义问题,这在相关研究中是一个非常重要的问题。在中国工业企业数据库中,有两个指标与企业所有制结构有关,即企业登记注册类型和企业实收资本。本文将企业分为民营企业、国有企业、外资企业三类。国有企业包括登记注册类型为110、141、143、151的企业;外资企业包括登记注册类型为200、210、220、230、240的港澳台资企业和登记注册类型为300、310、320、330、340的外国投资企业;对于登记注册类型为130股份合作企业、159其他有限责任公司、160股份有限公司的三类企业,我们再根据企业实收资本判断是否为国有企业和外资企业。按照这一方法,国有企业和外资企业之外的其它企业均归类到民营企业。需要指出的是,国家统计局公布的数据中没有单独列出国有企业数量,而是列出了国有及国有控股企业的数量,但是,在我们的数据库中,没办法从别的渠道识别国有控股企业。表3列出了这种分类方法的结果与国家统计局公布样本的比较。整体来看,这种分类基本上是与国家统计局分类方式相吻合的,由于本文无法进一步识别国有控股企业,国有企业样本数量低于国家统计局样本数量。表3还列出了本文样本和国家统计局样本关于工业总产值的比较,外资企业样本差别很小,但国有企业样本和国家统计局公布数据有较大的差异,本文无法识别部分国有控股企业,从总产值方面,会低估国有企业在国民经济中的作用。表3还表明本文数据集外资企业样本和国家统计局外资企业样本统计指标基本吻合,差异很小,这说明我们对国有控股企业的低估主要是因为无法识别民营企业中的部分国有控股企业。

      

      图5是制造业企业中不同所有制类型企业的工业增加值和从业人数占比关系。1998年时,民营企业、国有企业、外资企业的工业增加值占比分别为0.34、0.41、0.25,就业人数占比分别为0.35、0.51、0.14。十年来,国有企业在规模上逐年下降,民营企业和外资企业在国民经济中的作用越来越大。到2007年,民营企业、国有企业、外资企业的工业增加值占比分别为0.52、0.14、0.33,就业人数占比分别为0.56、0.10、0.34。图5反映出我国国有企业改革经历的“抓大放小”的过程。上世纪90年代后期以来,政府铁腕推进国有企业改革,很多低效率的国有企业被淘汰。据统计,1991-1995年间,国有企业的退出率为0.9%,几乎没有淘汰机制;而同期私有企业的退出率为11.6%。1998-2007年,国有企业的退出率为13.2%,高于私有企业12%的退出率。这种“抓大放小”的改革到底有没有带来国有企业效率的提升呢?

      

      图5 所有制类型与工业增加值份额(左)和就业人数份额(右)

      图6列出了分所有制计算的整体全要素生产率水平,左图以工业增加值作为权重,右图以从业人数作为权重。图7是2000年和2007年企业层面全要素生产率的分布图。从两幅图中,我们可以有几点简单的判断。第一,按照工业增加值加权和按照从业人数加权得到的国有企业相对效率有较大差异,增加值加权计算的相对效率更高,这初步表明相对于民营企业和外资企业,国有企业单位效率的提升,对应着更高的单位增加值提升和更低的就业水平提升。第二,整体来看,如果对两种加权计算结果再做简单平均,国企改革并没有改变国有企业效率比外资企业和民营企业低的事实。不过,国有企业和外企、民企的生产率差距在缓慢缩小。第三,国有企业的TFP分布更为分散,组内差异更大。但是,对比2000年和2007年的TFP分布,可以看到国有企业的TFP分布集中程度略有上升。这也许可以理解为“抓大放小”使得更多的低效率小型国企被淘汰。

      

      图6 全要素生产率与所有制结构差异(左:工业增加值加权;右:从业人数加权)

      前面的研究发现,1998年以来,尤其是2004年以来,我国制造业资源配置效率在不断下降,接下来从企业所有制的角度来简要分析这个问题。我们已经看到,相对于外资企业和民营企业,国有企业的效率是最低的,有效率的资源配置方式应该是资源由国有企业向非国有企业流动,那么,事实是否如此呢?表4列出了三类企业的效率指标比较。首先来看TFP的比较结果,为增加结论的可靠性,我们同时列出了LP方法计算的企业TFP。很明显,不同的加权方法和不同的计算方法,都发现国有企业的全要素生产率水平低于民营企业和外资企业。不过,国有企业与民营企业、外资企业的生产率差距在缩小,这也是很多研究为国有企业辩护的最重要的理由。接下来的分析我们将看到,国有企业的效率改善是付出了很大的代价的,存在很大的机会成本。表4中列出了三类企业的工业总产值占比、就业人数占比、资本存量占比、人均资本存量在1998年和2007年的取值及其变化率。可以看到,国有企业在制造业中的相对地位在不断下降。工业总产值占比下降了65.8%,就业人数占比下降了80.4%。但是,我们同时看到,资本存量占比下降55.6%,降幅远低于就业和产值比重下降的速度。此外,国有企业人均资本存量上升了625.9%,而同期民营企业和外资企业的人均资本存量只上升了293.9%和128.8%,而这一比较还是建立在国有企业就业人数统计很多都不完全包括临时雇佣和合同制员工的基础上的。这说明,十余年来,资源不但没有从效率低下的国有企业向民营企业流动,反而是吸纳了更多的社会资源,大量的资本形成都由国有企业完成,反映出社会有限的资源更倾向于流向国有企业。而国有企业的资本深化,很可能会对民营企业产生挤出效应。从资源配置效率的角度来看,国有企业获得了远远超过其效率对应的应该获得的资源。我们再来看国有企业占有这些资源产生的效率。构建一个直观反映投资效率的指标e=TFP增速/人均资本增速,表示单位人均资本的变化能带来多大程度的企业效率变化。TFP增速用四种方法计算的结果做简单平均得到。结果表明,民营企业的投资效率为0.32,国有企业的投资效率为0.23,民营企业比国有企业的投资效率要高出43%。

      

      图7 企业全要素生产率分布图(左:2000年;右:2007年)

      

      以上的分析表明,当国有企业效率明显要低于民营企业时,对国有企业的过度投资,资源向国有企业倾斜的政策也许是造成我国资源配置效率下降的一个重要原因。特别需要提出的是,以上的分析都是基于工业或制造业企业样本。从我国的实际情况看,第二产业相对而言已经形成了较好的市场竞争氛围,更多的垄断和寻租空间存在于第三产业。而即使在工业领域,国家的政策导向都对国有企业有较大倾斜,降低了整体的投资效率,更不用说国有企业在金融、能源、基础设施建设等行业的强大的话语权和资源获取能力。随着经济的不断发展,企业绝对技术水平的增长速度必将越来越小,要实现经济结构转型、跳出“中等收入陷阱”的发展目标,我们就应该着力于改善资源配置效率,提高经济内生增长能力。国有企业的市场化改革也许是一个有效的切入点。

      五、结论与扩展

      沿袭Brandt et al.(2012)的研究,本文对1998-2009年中国工业企业数据进行了全面和细致的整理,从构建面板数据、处理资本和投资变量、构建投入和产出价格指数等方面全面规范整理该数据库,基于OP、LP等方法计算企业层面全要素生产率,详细考察中国制造业企业全要素生产率的动态变迁,并以企业全要素生产率为基础,从资源配置效率的角度讨论技术升级与经济结构转型问题。我们的研究主要有如下几点结论。第一,中国制造业整体全要素生产率增长速度在2%—6%之间,年均增长3.83%,环比年均增长速度为3.35%,不同年度间增长速度存在较大的波动。我们的计算结果与大多数文献相符,与Penn World Table 8.0数据估计的全国整体3.3%年度增长速度也非常接近。第二,制造业生产率增长的来源更多是企业成长,其增长的空间在不断缩小,亟待依托资源配置效率改善的新的增长模式。尤其是2004年以来,制造业效率提升越来越依靠企业自身成长,企业间的配置效率在不断恶化,这与“市场在资源配置过程中起决定性作用”的改革思路相违背。第三,不同所有制类型企业的效率差异较大,即使在“抓大放小”的背景下,国有企业表现还是最差,投资效率比民营企业要低43%。国企改革也许是改善资源配置效率、实现内生增长的关键。本文的研究价值主要有如下几点。第一,关于中国企业全要素生产率,本文沿袭并改进Brandt et al.(2012)的经典文献,且提供了一个可供复制的研究结果,这有利于在我国企业全要素生产率计算研究方面达成共识。第二,本文对于我国经济结构转型提供了一个较新的思路。原有的高投资增长和高出口增长已经很难持续,必须致力于改善资源配置效率,让市场在资源配置中发挥决定性作用,打通资源在企业间、产业间、区域间的流通渠道,提高经济增长质量。第三,本文的研究也有助于我们从更深的层面理解中国制造业企业生产率的动态演变,以及以资源配置效率改善为核心的整体经济结构转型,具有很强的现实意义。关于国有企业改革的思考是本文一项重要的政策含义。

      作者感谢李艳出色的助研工作,感谢陈斌开和张轶凡的帮助,感谢湘潭大学、北京大学、中国人民大学、山东大学、中央财经大学、西南财经大学、中国社会科学院工业经济研究所等机构的学术研讨会与会者的建议和评论。感谢匿名审稿人的良好建议,文责自负。

      ①根据联合国Comtrade数据库计算。世界总出口额由各国出口额加总得到。由于Comtrade数据存在一定时滞,至本文成文时止,2012年世界总出口额为17.2万亿美元,低于2011年统计的世界总出口额18万亿美元,存在一定程度的低估。这会使得中国2012年出口占世界总出口的比例略有高估。

      ②由于2008年和2009年数据质量问题,这一比例相对高估。2009年的原始数据中有142552家企业没有“法人代码”变量,我们在面板数据处理过程中将这些样本剔除。此外,2008年和2009年数据中缺失了企业地址、企业法人代表等部分识别企业的关键信息,这会使得这两年样本识别为新进入企业的数量高估。

      ③在有限赶超发展战略中(杨汝岱、姚洋,2008),实际上已经提出了类似的观点,只不过当时没有更为规范地专门论证资源配置效率的作用。有限赶超发展战略是指:以市场调节为主体,体现并规范政府行为,实行适度超前的产业政策,从企业、产业、区域等层面改善资源配置效率,实现优化经济结构、赶超发达经济的发展目标。

标签:;  ;  ;  ;  ;  ;  ;  

中国制造企业全要素生产率研究_全要素生产率论文
下载Doc文档

猜你喜欢