国际贸易对技术效率影响的实证研究，本文主要内容关键词为：效率论文,国际贸易论文,实证研究论文,技术论文，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。
中图分类号：F224.0 文献标识码：A 文章编号：1003—5192（2005）06—0052—04
1 引言
技术效率是指实际产出和潜在的最大产出之比，表示给定投入获得最大产出的能力，是各种投入要素综合效率的度量。Farrell于1957 年开创了技术效率的测算方法，即生产前沿的估计方法[1]。1968年，Aigner和Chu提出了确定性前沿生产函数模型[2]。Aigner，Lovell & Schmidt和Meeusen & van den Broeck以及Battese & Corra分别于1977年提出了随机前沿生产函数[3～5]，克服了确定性前沿生产函数对观测数据的误差比较敏感，稳定性较差的缺点，是一种比较理想的参数生产前沿。此后，随机前沿分析方法被广泛地用于测算生产单位的技术效率。
技术效率的影响因素众多，制度、创新能力、技术引进等，国际贸易（包括有形国际贸易和无形国际贸易，无形国际贸易主要是外商直接投资（FDI）也是其中一个重要的因素。目前对国际贸易如何影响技术效率还缺乏定量分析的结果，已有的研究也仅仅着眼于FDI的技术溢出效应。 研究的方法主要是使用线性回归方法估计C-D生产函数或C-D生产函数的变形，并用“索罗余值”代替全要素生产率（TFP），以此作为技术进步的指标，然后与FDI数量进行回归分析[6]；或与FDI 进行协整分析[7]。这种方法的不足之处在于估计的生产函数实际上具有平均性， 即建立在样本数据上的统计回归，不符合生产函数最优性的定义，因而得到的结果不够准确。前沿分析方法限定所有观测点均位于生产前沿上或者下方，显然，这样的生产前沿符合生产函数的理论概念。因此，运用随机前沿分析模型来测算国际贸易对技术效率的影响不仅可以得到定量的结论，而且准确性较高。
本文采用的随机前沿分析模型建立在29个省市（不包含港澳台地区；西藏由于数据不全的原因，也没有列入；为了数据处理的方便，重庆市的数据归入四川。）数据组合而成的Panel（平行）数据之上，并且将国际贸易分为进口、出口、FDI三种形式，以比较它们在技术效率变迁中的贡献大小。
2 随机前沿分析模型
随机前沿分析的基本模型可以表达为
Y＝f（X；β）·exp（V－U）
其中Y代表产出，X表示一组投入向量，β为一组待估的参数向量。exp（V－U）为误差项，其中V代表影响生产活动的随机因素，通常假设V～i.i.dN（0，σ[2][,V] ）。U≥0，用以表示那些仅仅对某个个体所具有的冲击。U独立于V且～i.i.d│N（0，σ[2][,U]）│。个体的技术效率状态用TE＝exp（－U）来表示。这样的话，当U＝0时，厂商就恰好处于生产前沿上；若U＞0，厂商就处于生产前沿下方，也就是处于非技术效率状态。
基本模型在以后的运用中得到了不断的扩展。其中对U 的分布作不同的假设可以得到不同的计量模型，如截断正态分布、两参数γ分布。另外，考虑横断数据、时间序列数据和平行数据的差别，也扩展了一些模型。这方面的文献见Forsund，Lovell & Schmidt等[8～11]。
Battese & Coelli于1992年提出的模型被广泛的采用[12]，其形式为
Y[,it]＝X[,it]β＋（V[,it]－U[,it]）
i＝1，…，N，t＝1，…T
（1）
U[,it]＝U[,i]·exp（－η（t－T））
（2）
TE[,it]＝exp（－U[,it]）
（3）
γ＝σ[2][,U]／（σ[2][,U]＋σ[2][,V]）
（4）
其中Y[,it]表示第i个地区（企业）在第t期的产出取自然对数后的值，X[,it]表示第i个地区（企业）在第t期的一组经过取自然对数转化后的投入向量。β是一组待估参数，经济意义为投入向量的产出弹性。V[,it]～i.i.dN（0，σ[2][,V]）且独立于U[,it]。U[,i]为i.i.d的非负随机变量，反映影响第i个地区（企业）的技术效率的随机因素，并且服从正半部的正态分布N（μ，σ[2][,U]）。η是待估参数。TE[,it]为第i个地区（企业）在第t期的技术效率。γ也是待估参数，反映误差项的变异来自U的比例，取值在［0，1］，方便了优化搜索。以上待估参数都可以用最大似然法来估计，假设检验使用似然比检验。其中对γ＝0进行假设检验是非常有必要的，如果γ＝0被接受，可以得到σ[2][,U]＝0，因此U[,it]项就可以从模型中去掉，参数估计无须使用随机前沿分析模型，直接用最小二乘法即可。
1995年Battese & Coelli在上一个模型的基础上又提出了一个随机前沿模型[13]，这个模型可以对影响技术效率的因素在技术效率变迁中的影响进行定量研究，其形式为
Y[,it]＝X[,it]β＋（V[,it]－U[,it]）
i＝1，…，N，t＝1，…，T
（5）
M[,it]＝Z[,it]·δ
（6）
TE[,it]＝exp（－U[,it]）
（7）
γ＝σ[2][,U]／（σ[2][,U]＋σ[2][,V]）
（8）
此模型与上一个模型的区别在于：假定U[,it]服从正半部的正态分布N（M[,it]，σ[2][,U]）；Z[,it]为一组影响技术效率的因素，δ为一组待估参数，反映了Z[,it]对技术效率影响的程度。
Battese & Coelli模型可以用于定量测算进口、出口以及FDI对技术效率影响的相对程度，该模型在本文中的具体形式为
lnY[,it]＝β[,0]＋β[,1]·ln（K[,it]）＋β[,2]·ln（L[,it]）＋（V[,it]－U[,it]）
i＝1，…，29，t＝1，…13
（9）
M[,it]＝δ[,0]＋δ[,1]·（IM／GDP）[,it]＋
δ[,2]·（EX／GDP）[,it]＋δ[,3]（FDI／I）[,it]＋ε[,it]
（10）
TE[,it]＝exp（－U[,it]）
（11）
γ＝σ[2][,U]／（σ[2][,U]＋σ[2][,V]）
（12）
其中Y[,it]、K[,it]、L[,it]分别表示第i个省份在t年度的GDP（亿元）、资本存量（亿元）、劳动力人数（万人），β[,0]为常数项；变量IM／GDP、EX／GDP和FDI／I分别表示进口数额（IM）、出口数额（EX）占GDP的比重和外商直接投资（FDI）占全社会固定资产投资的比重。这里假设进口、出口和FDI为一组影响技术效率的因素，通过对一组参数δ[,i]的估计，可以得到进口、出口和FDI对技术效率影响的相对大小。
3 数据来源与处理
本文选取了29个省、直辖市、自治区为样本，时间跨度为1991～2003年。GDP、劳动力人数、进出口数额、FDI、 全社会固定资产投资等基础数据来源于《中国统计年鉴》（1992～2004年）。目前各省资本存量在统计资料中无法获得，但已有一些学者对各省资本存量进行了估算，相关文献见何枫等[14]、Young[15]、张军等[16]。其中文献［16］的研究比较全面，本文采用其研究成果。为了测算准确，对数据做如下处理。
（1）以1992年为基准年，按GDP指数换算各年以可比价格表示的GDP， 以消除价格变动影响。
（2）文献［16］中只有各地区以2000年当年价格表示的资本存量， 但文章给出了计算资本存量的公式
K[,it]＝K[,it－1]·（1－δ[,it]）＋I[,it]
其中K[,it]、I[,it]分别表示第i个地区在第t年份的资本存量、固定资本形成总额；δ[,it]为经济折旧率，取9.6％。根据此公式可以计算出各地区1991～2003年的资本存量（当年价格），再利用固定资产投资价格指数平减为以1992年价格为基准的资本存量，其中广东、海南缺乏部分年份的这一指数，以当年全国固定资产投资价格指数代替。
（3）在计算IM／GDP、EX／GDP、FDI／I等时，均以当年价格计算。其中进、出口和FDI基础数据单位为美元，按各年美元对人民币的平均汇率折算为人民币计价。
4 实证分析
表1 参数估计和假设检验
系数
标准差
T比率
β[,0] -1.03163 0.12744
-8.09503[***]
β[,1] 0.73138
0.03247
22.52479[***]
β[,2] 0.30437
0.02435
12.49979[***]
δ[,0] 0.21133
0.02251
9.388272[***]
δ[,1] -0.23732 0.03357
-7.06941[***]
δ[,2] -0.16472 0.09893
-1.66502[*]
δ[,3] -0.68241 0.16043
-4.25363[***]
γ
0.82592
0.16163
5.109942[***]
对数似然方程
-21.13472
LR单边误差检验
47.98754
(限制条件数为5)
注：*和***分别表示在显著性水平为0.1和0.01下通过检验。LR统计值服从混合卡方分布（mixed chi-square distribution）。有关混合卡方分布临界值计算见文献[17]。
本文运用估计前沿生产函数的专用程序FRONTIER4.1对模型进行了参数估计，方法为极大似然法。对模型的参数估计和假设检验结果见表1，可以从中得到以下一些结论：
（1）由β[,1]＝0.73138，β[,2]＝0.30437表明资本的产出弹性远远大于劳动力的产出弹性，资本在我国目前经济增长中发挥着主要作用。β[,1]＋β[,2]＝1.03575＞1，说明我国的经济增长尚处在规模报酬递增的阶段，但距离规模报酬不变已经很近。β[,2]＝0.30437说明劳动的产出弹性还比较低，因此提高劳动者素质，增加劳动的产出弹性，是今后技术效率改进的重要方向。
（2）γ=0.82592，且其T统计值和LR统计值均通过0.01水平下的检验，表明误差项的变异主要来自于技术非效率U，占82.592％，而随机误差V的变异仅占17.408％。由于γ显著地不等于0，因此技术非效率是显著存在的，使用随机前沿分析方法是合适的，而如果使用传统的OLS估计得到的平均生产函数不能代表有效率的状态。
（3）由TE[,it]＝exp（－U[,it]）
＝exp［－δ[,0]－δ[,1]（IM／GDP）[,it]－δ[,2]·
（EX ／GDP）[,it]－δ[,3]·
（FDI／I）[,it]－ε[,it]］
可以计算出IM／GDP、EX／GDP、FDI／I三者对技术效率的弹性系数分别为：－δ[,3]·（IM／GDP）、－δ[,2]·（EX／GDP）、－δ[,3]·（FDI／I）。表1中δ[,1]＝－0.23732、δ[,2]＝－0.16472、δ[,3]＝－0.68241，δ[,1]、δ[,3]和δ[,2]分别通过了0.01和0.1水平的显著性检验。根据前面已计算出的弹性系数，可以得到进口、出口相对于GDP的规模每增长1％，技术效率将分别增长0.237％和0.165％；外商直接投资相对于全社会固定投资的规模每增加1个百分点，技术效率将增加0.682个百分点。由此可见，国际贸易对技术效率存在显著的正效应，即国际贸易的增长将带动技术效率的提高。
（4）在进口、出口、外商直接投资三种国际贸易形式中， 外商直接投资对技术效率的影响最大，进口其次，出口的影响最小。这种差异的出现有着现实的原因。相对于单纯的货物贸易，外商直接投资不仅为我国的经济增长带来了资金支持，更重要的是带来了先进的技术和管理，对我国的经济增长和技术效率的提高意义重大。相对于出口贸易，进口贸易更能从国外获取先进的设备、专利和技术，对技术效率提高的作用更大。
5 结束语
本文运用基于Panel数据的随机前沿分析模型，就进口、出口、 外商直接投资三种国际贸易形式对技术效率的影响程度进行了定量估计。实证结果显示国际贸易对技术效率有着明显的促进作用；其中FDI对技术效率的影响最大，外商直接投资相对于全社会固定投资的规模每增加1个百分点，技术效率将增加0.682个百分点；进口对技术效率的影响低于外商直接投资的影响，进口相对于GDP的规模每增长1％，技术效率增长0.237％；出口对技术效率的影响相对较低，出口相对于GDP的规模每增长1％，技术效率增长0.165％。本文的研究结果表明，促进国际贸易，尤其是引进外商直接投资，对于技术效率的提高和经济增长有着十分重要的作用。
收稿日期：2005—03—23