中国电信市场的有效前沿移动与技术进步，本文主要内容关键词为：中国电信论文,技术进步论文,市场论文，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：F62；F062.9 文献标识码：A 文章编号：1671-9301(2008)05-0001-08
一、前言
自从1998年中央政府开始强力推行电信市场的改革以来，中国电信市场在短短的几年之间，经历了市场结构的剧烈变化，其中，最为显著的改变是市场结构的去垄断，以及由此而产生的产品创新热潮。但是，总有不少人担心，市场结构的剧烈变化会导致我国电信市场的恶性竞争，而这种恶性竞争会带来市场效率的显著下降[1-3]。正是基于这种担心，国家信产部曾经明文限制“小灵通”的发展（当然，后来还是明智地取消了禁令），并且正在限制3G的产业化进程。
关于市场结构的去垄断是否导致了我国电信市场的恶性竞争，这不是本文所讨论的问题。本文所关心的问题是，市场结构的去垄断是否促进了我国电信市场的技术进步，也就是说，不管是否存在恶性竞争，电信市场的改革是提升还是抑制了我国电信市场的效率。显然，只要市场效率得到了显著的提升，对恶性竞争的争论便不再重要了。
评价市场效率的方法很多，其中，DEA分析是人们经常使用的方法之一。DEA方法的最大优点是，其所估计的市场效率正好代表了经济学上的技术进步，并且还可以将技术进步分解为技术本身的变化与技术潜力的发挥，从而可以对市场效率进行更加深入的解剖。DEA的技术变化，反映了生产可能性前沿的移动，这种移动将直接影响市场的未来发展空间。当DEA有效前沿向前移动时，表明市场的发展空间扩大了，市场前景将被看好；反之，DEA有效前沿向后移动时，表明市场的发展空间缩小了，市场前景将变得暗淡。DEA技术潜力的发挥又称为DEA技术效率，它反映的是在给定的技术水平下，市场对现有资源潜力的开发利用程度。DEA技术效率越高，表明市场对现有资源潜力的开发利用程度越高，但过高的技术效率可能会造成发展后劲不足。合理的产业发展路径应当是，随着时间的推移，市场的DEA有效前沿要不断地向前移动，同时还要保持一定水平的DEA技术效率。
目前，DEA分析已被应用到许多行业的效率分析上，其中重点是应用在对制造业的效率分析上[4-5]。此外，对于农业和服务业的分析也有不少研究成果，但主要集中在国外[6-7]。
制约DEA分析的主要障碍是分析数据的可获得性，这在我国表现得特别明显，主要原因是我国的产业统计工作开展较晚，数据欠规范或者缺失。因此，对于国内市场的DEA分析往往需要对数据进行较多的假定和处理。本文希望通过对数据的某些假定和处理，采用DEA方法来分析中国电信市场的效率问题，以解答关于我国电信市场改革的某些争论。
二、研究假定与模型设定
我们知道，经济上的技术进步，是指在一个生产函数中，在给定劳动和资本等物质要素的条件下，产量的增长过程。用图示的表达方式，也就是生产可能性曲线的前移过程与沿着生产可能性曲线的资源配置过程的复合。至于如何衡量一个行业的技术进步，DEA效率是一个最常用的指标。在DEA分析中，生产可能性曲线通常被表达为DEA有效前沿，于是，生产可能性曲线的前移也就是DEA有效前沿的前移，而沿着生产可能性曲线的资源配置则被称为DEA技术效率。DEA方法属于非参数估计的多指标投入与多指标产出模型，但在具体分析行业的技术进步时，一般采用以劳动和资本作为投入指标，以产量作为产出指标，即所谓“双投入—单产出”模型。就我国的电信市场而言，由于统计数据的不规范，以及历史数据的可获得性较差，严格意义上的DEA劳动、资本和产量数据难以获得，因此在实施DEA分析时必须作一些变通的处理。
首先，我国电信市场缺乏独立的劳动要素统计数据，具体来说，在2003年以前，电信市场的劳动要素是与邮政市场合并统计的；而从2003年起，电信市场的劳动要素又转而与其他信息传输业合并统计。对于此问题，鉴于其他信息传输业仍然属于大电信的范畴，因而，从2003年起的劳动要素数据可以直接采用电信市场与其他信息传输业的合并数据。至于2002年及以前的劳动要素数据，则只能根据劳动要素在邮政行业与电信行业之间的平均比例结构，从邮政与电信的合并劳动要素数据中扣除邮政部分。
其次，我国的电信市场缺失直接的资本要素数据，而只有关于资产总额和固定资产投资的数据，并且，公开的统计数据只有2002～2005年的数据，难以根据资产总额和固定资产投资数据对资本要素进行间接推算。对于此问题，我们认为，在同一个行业之内，只要我们能够适当地控制数据的采样对象，就可以用资产总额数据来作为资本存量的代理变量，用固定资产投资数据来作为资本增量的代理变量。基于这一思路，我们特以我国的31个省级行政区（不含港、澳、台）作为分析数据的采样对象。由于这31个省级行政区所代表的地方性电信市场，在市场结构以及生产函数上具有近似的同质性，因此，用资产总额数据代替资本要素存量，用固定资产投资数据代替资本要素增量，基本上不会影响DEA分析结果的可比性。
其三，如果以省级行政区作为数据的采样对象，但在省级数据中只有总产值数据（即电信业务总量），而没有标准的增加值（即GDP贡献）数据，同样，公开的统计数据仅限于2002～2005年。对于此问题，我们不妨假定，在我们所分析的时间范围内，电信行业的总产值数据与增加值数据之间存在紧密的相关性，因此，可以用总产值数据来近似地代替增加值数据。其实，在我们用资产总额数据代替资本要素存量的前提下，再用总产值数据来代替增加值数据，反而更加合理。
其四，鉴于电信行业是一个资本和技术高度密集的行业，而劳动处于十分次要的地位，即可以认为，劳动要素在一定幅度内的变化基本不影响产出。因此，我们可以将电信市场中的劳动要素近似地看作是一个常数，从而在DEA分析中不予考虑。这样，我们就可以将通常的“劳动资本双投入”模型简化为“资本—产量”模型，从而使问题变得更加简明。
其五，如果把固定资产投资看作是资本增量的代理变量，则我们可以在“资本—产量”模型的基础上，考虑使用“投资—产量增量”模型，从而可以对“资本—产量”模型提供进一步的验证。
在作了以上的研究假定和近似的处理之后，我们即可来构造中国电信市场的DEA效率分析模型。
模型1：“双投入—单产出”模型。以劳动（电信职工人数
）和资本（电信资产总额
）作为投入要素，以产量（电信业务总量
）作为产出要素，建立投入导向的“双投入—单产出”DEA效率模型。采用投入导向，是为了计算有效前沿的方便。模型1的可变规模报酬(VRS)算法的数学表达式如下：
由于共有n个地区，式(1)需要分别运算n次。另外，为了解出式(1)，还需要引入松弛变量。为更好地处理松弛变量问题，建议采用Coelli[8]推荐的“多阶段-DEA”算法(Multi-stage-DEA)。在本文中，“地区”系指我国的31个省、直辖市、自治区（不含港、澳、台），因此n=31。注意，，，等变量的下标T，为时间标识符号，表示变量取值的时间。本文中T的取值范围为2002、2003、2004、2005等四个年度。
模型2：“资本—产量”模型。以资本（电信资产总额）作为投入要素，以产量（电信业务总量)作为产出要素，建立产出导向的“资本—产量”DEA效率模型。模型2的可变规模报酬(VRS)算法的数学表达式如下：
模型3：“投资—产量增量”模型。以滞后一期的资本增量（电信固定资产投资
）作为投入要素，以产量增量（电信业务增量△Q[D,T]）作为产出要素，建立产出导向的“投资—产量增量”DEA效率模型。之所以采用滞后一期的电信固定资产投资，是考虑到当年新增投资的效应主要在下一年度释放。这种基于滞后效应的动态分析方法，在DEA分析中较为少见，但在经济计量分析中是被经常采用的。模型3在数学表达式上与模型2完全相同，唯一的差别是，在模型3中，
。因此，我们不再列出模型3的数学表达式。
应用以上三个模型，分别计算各年度的DEA有效前沿。在计算DEA有效前沿时，采用“多阶段—可变规模报酬”(Multi-stage-VRS)算法[8]。
在计算Malmquist效率指数时，采用“Malmquist-DEA”算法[9]。Malmquist效率指数包括全要素生产率(TFP)、技术效率(EFF)和技术变化(TECH)。其中，全要素生产率(TFP)即为通常意义下的“技术进步”概念，它是技术效率(EFF)和技术变化(TECH)的乘积。技术效率(EFF)表示在同一时期给定的有效前沿下的效率改进，它反映了对现有生产资源潜力的有效利用程度。技术变化(TECH)表示不同时期的有效前沿移动，它反映了生产技术的突变过程。
对应于模型2和模型3，采用产出导向的“Malmquist-DEA”数学模型，即如式(3)所示：
其中，
可以分解为两项，第一项是对技术效率(EFF)的度量，第二项是对技术变化(TECH)的度量，两项之积即是对全要素生产率(TFP)的度量。
的计算，要分别通过求解4个相应的DEA效率模型来获得。对应于模型2和模型3，采用产出导向的可变规模报酬(VRS)DEA模型来计算诸
值，即如式(4)、(5)、(6)和(7)所示：
注意，因为在产出导向的DEA模型中，DEA效率值等于(1/
)，所以，在式(4)、(5)、(6)和(7)中，诸值皆取的倒数。（的下标o表示产出）
对模型1，则应采用投入导向的“Malmquist-DEA”数学模型，为此，需要采用投入导向的可变规模报酬(VRS)DEA模型来计算诸
值（的下标I表示投入），具体做法是，参照式(1)的形式，分别对式(4)、(5)、(6)和(7)进行调整即可，由此算出的诸θ值（而非θ的倒数）即为诸值，这里不再赘述。
三、数据结构与来源
1.数据结构 供本文DEA分析的数据结构属于Panel数据（参见表1）。数据横截面为我国31个省、直辖市、自治区。数据时间序列分别为，电信业务总量，电信资产总额，电信职工人数，皆取2002～2004三年的数据；电信业务增量△取2003～2005三年的数据；电信固定资产投资，则滞后电信业务增量一期，即取2002～2004三年的数据。
2.数据计量单位 电信业务总量的原始数据为2000年亿元。电信资产总额和电信固定资产投资，则按国家统计局公布的固定资产投资价格指数，平均为2000年亿元。电信职工人数的单位为万人。
3.数据来源 电信业务总量，电信资产总额，电信固定资产投资，皆取自《2002～2005中国通信统计年度报告》（国家信息产业部编）。电信职工人数和固定资产投资价格指数，取自《2003～2005中国统计年鉴》（国家统计局编）。电信业务增量△Q[D,T]由相邻两年的电信业务总量计算得到。
四、基于劳动与资本的有效前沿移动与技术进步
按照模型1及表1所示的Panel数据结构，以劳动（电信职工人数）和资本（电信资产总额）作为投入要素，以产量（电信业务总量）作为产出要素，采用“Malmquist-DEA”算法，分别计算中国电信市场在2002～2004三年的Malmquist效率指数，计算结果见图1。同时，采用“多阶段一可变规模报酬”算法分别计算中国电信市场在2002～2004三年的DEA有效前沿，计算结果见图2。
由图1可见，以2002年为基年，中国电信市场在2003年和2004年都经历了一个显著的技术进步过程，全要素生产率指数(TFP)2003年比2002年提高了20%，2004年又比2003年提高了27%，2003～2004两年的累积技术进步率达到了53%，年均复合技术进步率24%。
进一步考察全要素生产率指数(TFP)的构成要素，可以发现，在2002～2004年间发生的技术进步，主要是来源于技术变化(TECH)的贡献，技术变化指数(TECH)与全要素生产率指数(TFP)基本上遵循着同步的上升轨迹。这反映了中国电信市场的生产技术在2002～2004年间得到了显著的提升，即中国电信市场在不断地引入更加先进的生产技术。
反观技术效率指数(EFF)，在2002～2004年间基本保持稳定，2004年还出现了6%的小幅下降。这说明中国电信市场在给定的技术水平下，对生产资源的有效利用程度在2002～2004年间不仅没有明显的改进，反而有所下降。
图1 中国电信市场基于劳动与资本的DEA效率
图2 中国电信市场基于劳动与资本的DEA有效前沿
中国电信市场的生产技术在2002～2004年间的显著提升，表明了中国电信市场的有效前沿正在显著前移。图2是对中国电信市场2002～2004年间有效前沿的估计。在图2中，朝向坐标原点的方向，是DEA有效前沿的前移方向，有效前沿越是靠近坐标原点，表明生产技术越先进。由图2可见，从2002年到2004年，中国电信市场的DEA有效前沿正在不断地朝着坐标原点的方向移动，这说明中国电信市场在此期间的确经历了一个生产技术的不断提升过程。
五、基于资本的有效前沿移动与技术进步
假定电信市场对劳动要素不敏感，则可以按照模型2，仅以资本（电信资产总额）一个要素作为投入要素，以产量（电信业务总量）作为产出要素，进行类似于模型1的计算，计算结果分别见图3和图4。
图3 中国电信市场基于资本的DEA效率
图4 中国电信市场基于资本的DEA有效前沿
由图3可见，以2002年为基年，中国电信市场在2003年和2004年经历了一个显著的技术进步过程，全要素生产率指数(TFP)2003年比2002年提高了23%，2004年又比2003年提高了26%，2003～2004两年的累积技术进步率达到了55%，年均复合技术进步率25%。显然，图3的计算结果与图1基本上是相同的，这说明电信市场对劳动要素的确不敏感。
进一步考察全要素生产率指数(TFP)的构成要素，可以发现，图3的情形与图1也是基本相同的，即在2002～2004年间发生的技术进步，主要是来源于技术变化(TECH)的贡献，技术变化指数(TECH)与全要素生产率指数(TFP)基本上遵循着同步的上升轨迹；而技术效率指数(EFF)对全要素生产率指数(TFP)的提升基本上没有贡献。可见，图3和图1的结果，共同印证了相同的研究结论，即中国电信市场的生产技术在2002～2004年间得到了显著的提升，但在给定的技术水平下对生产资源潜力的有效利用程度没有得到明显的改进。
图4也给出了与图2类似的结果。在图4中，远离横坐标的方向就是DEA有效前沿的前移方向，有效前沿距离横坐标越远，表明生产技术越先进。显然，图4表明从2002年到2004年，中国电信市场的DEA有效前沿正在不断地朝着远离横坐标的方向移动，从而说明中国电信市场在此期间经历了一个生产技术的不断提升过程。
六、基于投资的有效前沿移动与技术进步
对于模型2，用增量代替总量，就得到模型3，即以滞后一期的资本增量（电信固定资产投资）作为投入要素，以产量增量（电信业务增量）作为产出要素，进行类似于模型2的计算，计算结果分别见图5和图6。
由图5可见，以2003年为基年，中国电信市场在2004年经历了一个显著的技术进步过程，全要素生产率指数(TFP)2004年比2003年提高了99%，几乎翻了一番。但是，这种技术进步在2005年并没有继续发生，2005年的全要素生产率指数(TFP)比2004年反而略有下降。显然，图5表明，中国电信市场的发展模式在2005年出现了某种转折。
继续考察全要素生产率指数(TFP)的构成要素，中国电信市场发展模式的转折现象显得更加明显。从2003年到2004年，技术变化指数(TECH)有一个88%的大幅度上升；但是从2004年到2005年，技术变化指数(TECH)出现了7%的明显下降。与此同时，从2004年到2005年，技术效率指数(EFF)发生了5%的明显上升。由此可见，在2005年，中国电信市场的发展模式由生产技术的提升，转向了对现有生产资源利用效率的改进。造成这种转变的原因何在呢？一个可能的解释或许是，电信运营商对于3G的预期，导致了中国电信市场在2005年对新技术的等待；在这个等待的过程中，电信运营商们停止了对新技术的继续引进过程，从而有了更多的精力来挖掘现有生产资源的潜力。
图5 中国电信市场基于投资的DEA效率
图6 中国电信市场基于投资的DEA有效前沿
图6对于有效前沿的计算，支持了图5的结论。同图4一样，在图6中，远离横坐标的方向就是DEA有效前沿的前移方向，有效前沿距离横坐标越远，表明生产技术越先进。由图6可见，从2003年到2004年，中国电信市场的DEA有效前沿发生了大幅度的前向移动，表明发生了明显的技术进步。但是从2004年到2005年，中国电信市场的DEA有效前沿发生了显著的后向移动，表明出现了明显的技术退步，不过尚未退回到2003年的水平。
比较模型1和模型2的计算结果，可以发现，模型1与模型2的计算所得数据非常接近。据此可以认为，模型1与模型2具有同质性。这说明我们对电信市场的技术与资本密集假定是合理的，劳动要素在电信市场中的作用基本上可以忽略。
同模型1和模型2相比较，模型3在研究结论的大方向上与模型1和模型2并不矛盾，特别是对于共同时段（即2003～2004年）的研究结论是基本一致的，只是在具体数据上存在量上的差异。这说明在DEA分析中采用增量模型基本可行，但不能期待获得与总量模型相同的数值结果。此外，采用模型3的额外好处在于，它给出了2005年的估计结果，从而给我们带来了有关中国电信市场发展过程的更多信息。
七、结论及政策建议
本文基于31个省（直辖市、自治区）的Panel数据，采用“劳动资本双投入”模型，分析了中国电信市场的DEA效率。研究表明，从2002年到2004年，中国电信市场经历了一个显著的技术进步过程，年均复合技术进步率高达24%。进一步的考察表明，这种技术进步主要来源于技术变化的贡献，即中国电信市场是通过注入更加先进的生产技术来实现增长的。在实现技术进步的同时，技术效率反而出现了下降，这说明在给定的技术水平下，中国电信市场对现有生产资源的利用效率未能得到有效的提升。有效前沿分析表明，从2002年到2004年，中国电信市场的DEA有效前沿发生了明显的前移，这进一步佐证了中国电信市场经历了一个生产技术的显著提升过程。
鉴于电信市场的资本密集特征，我们假定电信市场对劳动要素不敏感，从而以“资本—产量”模型代替“劳动资本双投入”模型。DEA分析的结果表明，“资本—产量”模型与“劳动资本双投入”模型基本上没有差异，这间接印证了我们的研究假定。
同时，我们还使用“投资—产量增量”模型，即以滞后一期的资本增量（电信固定资产投资）作为投入要素，以产量增量（电信业务增量）作为产出要素，进行了DEA分析。结果显示，至少在相同时段，“投资—产量增量”模型与“劳动资本双投入”模型和“资本—产量”模型的结论并不矛盾，只是在具体数值上有一定的差异。“投资—产量增量”模型的意义在于，它揭示了中国电信市场的发展模式在2005年发生了质的转变，即由生产技术的提升转向了对现有生产资源利用效率的改进。
总的来看，在过去的几年里，中国电信市场的技术进步是相当明显的，并没有出现人们所担心的“恶性”竞争所导致的效率下降。看来，我国政府对电信市场的产业政策还是相当成功的，在提升电信市场竞争程度的同时，也促进了电信市场的技术进步。但是，2005年发生的技术退步现象，足以引起我们的警觉。政府在3C问题上的犹豫不决，也许会影响到电信市场的技术进步，从而给我国的电信产业带来意想不到的负面影响。因此，对于政府应当采取怎样的3G政策，值得我们深入研究。
收稿日期：2008-02-22
标签：电信论文; 全要素生产率论文; 有效前沿论文; 增量模型论文; 有效市场论文; 生产效率论文; 投入资本论文; 要素市场论文; 运营商论文; dea论文; 通信论文;