资源外包对汽车行业全要素生产率影响研究

熊兰兰

摘 要：

资源外包简单来说，是将某一资源交由独立的第三方完成，目的是实现企业资源效率的最大化，资源外包目前受到了企业的广泛关注和运用。以1994-2011年的时间序列数据为基础，通过采用DEAP软件对全要素生产率进行DEA-Malmquist指数测算，再将全要素生产率与我国汽车行业的资源外包率进行回归分析，以检验我国汽车行业资源外包的生产率效应，结果证明资源外包程度对汽车行业的全要素生产率有明显的提升作用，并对我国汽车行业的发展提出一些建议。

关键词：

资源外包;汽车行业;全要素生产率

中图分类号：

F2

文献标识码：A

文章编号：1672-3198（2015）01-0014-03

1 引言

伴随着经济全球化、专业化的趋势和信息技术的不断发展，企业开始越来越关注于自身擅长的领域，并注重与其他企业的合作与联系，所以在日趋激烈的竞争市场上，资源外包成为企业提高服务水平和降低成本的重要战略。而资源外包就其本质来说，是指企业整合利用其外部最优秀的专业化资源，将一些传统上由企业内部人员负责的非核心业务以外加工的方式外包给专业、高效的服务提供商，从而达到降低成本、提高效率、提升企业核心能力和增强企业对环境应变能力的一种管理模式（苏敬勤，2006）。

虽然资源外包企业一方面可以集中资源与力量，选择自己擅长的领域，并在该领域中形成技术优势和规模优势;另一方面还可以突破企业内部资源约束，减少培育核心竞争力的时间成本，这些优势使其成为一项颇具吸引力的选择，但实行外包后企业创新能力的下降和来自外部供应商的竞争又使得外包的收益受到质疑。究竟资源外包对企业的生产率，尤其是全要素生产率有着怎样的影响？但是目前针对汽车行业资源外包的研究甚少，为此，本文以我国汽车行业为实证研究对象，探讨资源外包强度对整个行业全要素生产率的影响，并总结发达国家优秀的汽车企业的资源外包方式与特点对于指导我国汽车企业有一定的借鉴意义。

2 相关文献综述

2.1 有关全要素生产率方面的研究

目前研究效率、技术进步和TFP的文献不少，但对汽车工业企业全要素生产率进行研究的文献非常少，吴献金，陈晓乐（2011）采用我国24个主要汽车生产省份2000-2008年的面板数据，使用DEA方法，对我国汽车产业全要素生产率进行分解、测算，发现在我国汽车工业全要素生产率TFP增长的年份中技术效率TE的增长贡献较大，而技术进步TP的增长贡献较小;并进一步选取变量建立半对数面板数据回归模型，发现人力资本对全要素生产率TFP、技术进步TP和技术效率TE的增长均有较大贡献，而FDI、R&D主要是通过对TE产生作用进而促进TFP的提升。常亚青，宋来（2008）则运用非参数的数据包络分析模型从实证的角度分别计算了2000-2006年我国汽车工业内资企业、港澳台投资企业、外商投资企业的技术效率、规模效率、技术进步和全要素生产率，并对不同经济类型的汽车工业企业进行比较分析。总而言之，关于开放经济下的全要素生产率增长的问题，国内己有的研究大多集中在FDI（陈涛涛，2003;张海洋，2005）、进出口贸易（李平、鲁蜻领，2006;李小平、朱钟棣，2006等）和劳动力跨国流动（郑春芳，都世奇，2006）等方面，而忽视了资源外包对全要素生产率的研究。

2.2 资源外包与全要素生产率方面的研究

纵观国内外相关研究，相关实证分析文献按照研究使用的数据类型的不同可以分为两类：一是应用行业数据来估计外包对行业劳动生产率和全要素生产率的影响。如Egger（2005）使用欧盟成员国制造业行业数据检验国际外包与非熟练劳动生产率之间的关系。他们发现：短期来看，国际外包对非熟练劳动生产率的影响为负。而从长期来看，劳动力市场与产品市场的适应性调整导致了国际外包对非熟练劳动生产率的正作用。二是运用企业层面数据来分析国际外包对企业生产率的影响，侧重于研究外包对企业生产率提升到底有无作用;对不同性质的企业影响是否不同等。如Girma与Gorg（2004）运用英国1980-1992年公司数据的分析表明，国际外包对企业劳动生产率和全要素生产率的提升具有显著作用。国内学者如张小蒂与孙景蔚（2006）、胡昭玲（2007）以及徐毅、张二震（2008）运用行业层面数据的实证研究均表明，国际外包这种分工方式利于中国行业生产率及技术水平的提高，从而对产业竞争力提升产生了积极影响。

3 研究设计

3.1 基本假设

资源外包通过以下几种机制对汽车行业的效率产生影响：一是直接成本效应。由于外包业务的价格一般比本企业自制的价格要低，有利于企业成本的节约，以单位投入衡量的生产效率获得提高。二是要素的配置效应。外包带来的低价生产要素投入降低了企业的边际生产成本，使得边际产出高于边际生产成本，此时企业可以通过释放缺乏生产效率环节所使用的要素，加大边际产出较高要素的投入，来优化要素配置比例，从而提高生产效率。三是多样性。更多新的服务投入使要素专业化程度加深，生产率获得提升。总结关于资源外包的研究，本文提出假设：

H1：资源外包会对汽车行业的生产效率产生正的影响，有利于促进汽车行业技术进步。

3.2 模型设定

为了考察汽车行业资源外包的程度对汽车行业全要素生产率的影响，本文利用DEA方法对全要素生产率进行测量，在控制科研投入（RD）和外商直接投资（FDI）两个变量的基础上，构建如下基础计量模型来分析资源外包对全要素生产率的影响机制：

lnTEPi=α+βilnOUTi+β2lnRDi+β3lnFDIi+μi（1）

其中，下标i代表年份，α代表截距项，β代表影响系数，μ代表误差项。

3.3 变量说明

TFP表示全要素生产率，测算全要素生产率需要汽车行业各年的投入和产出数据，本文以1994年至2011年汽车行业的资本存量和劳动力作为投入要素，以各年的工业增加值作为产出要素对全要素生产率进行测算，变量及数据来源及其处理如下：

（1）产出数据。本章采用汽车行业1994年至2011年工业总产值来衡量产出，数据来自于《中国汽车工业年鉴2012》并根据各年《中国城市（镇）生活与价格年鉴》上提供的汽车行业工业品出厂价格指数将工业增加值折算为1994年不变价。

（2）投入数据。投入要素主要包括资本和劳动。其中，资本投入量用历年固定资产原值表示，并按照汽车行业各年工业品出厂价格指数折算成1994年不变价格，数据来自于《中国统计年鉴》和《中国汽车工业年鉴2012》，由于缺乏既能体现劳动者劳动时间又能体现劳动效率的统计指标，考虑到数据的可获得性和可比性，本文以职工年均人数表示劳动力投入量，数据来源于《中国汽车工业年鉴2012》。

（3）在以上数据处理的基础上，本文采用清华大学编写的MAX-DEAP软件对全要素生产率进行DEA-Malmquist指数测算。测算结果如表1所示。

OUT代表行业的外包程度，用当年销售收入与当年员工人数的比值来表示，也就是用劳动生产率来表示外包程度。由于外包前后，企业在资产与场地的费用节省无法考证，因此为了研究外包程度，可以通过企业的劳动生产率来表示，因为劳动生产率是企业销售收入与企业员工数的比值，由于采用资源外包，企业的最终产品没有发生变化，因此销售收入不会发生巨大变化。而生产产品的员工却由于外包的应用而减少了或者说转移到外包商那里。因此。资源外包的应用使企业外包后的劳动生产率比外包前的劳动生产率高。

表1 测算结果

年份TEP年份TEP

1994120031

19950.94520040.967

19960.94120050.978

19970.90720060.93

19980.91220070.892

1999120080.929

20000.98720090.97

2001120101

20020.98920111

RD代表行业的研发投入，用汽车行业的研究与发展支出费用占工业增加值的比重来表示。大量理论和经验研究发现，企业的研发活动是技术进步和生产率增长的重要源泉。

FDI为外商直接投资，用汽车行业各年的外商投资额占工业增加值的比重表示。由于各年汽车行业FDI投资额没有直接统计数据，本文采用全国实际外商直接投资乘以一定的比例来确定。同时本文假设汽车行业FDI投资占全国FDI投资比重与汽车行业固定资产投资占全国固定资产投资的比重相同。FDI的生产率效应的存在在理论和经验分析上获得了较普遍的认可。一般认为FDI促进生产率提升主要通过如下途径：学习效应、示范效应和竞争效应。

由于工业行业的外资引入和自主研发都可以提高企业自身的全要素生产率，因此除了资源外包通过技术溢出的方式对全要素生产率产生影响外，还要控制企业的外商资本和研发投入这两个因素，如果不排除这两个影响因素，就会导致国际外包技术溢出效应的高估。

3.4 数据来源及数据分析

本文所用数据来自于《中国统计年鉴》，《中国汽车工业年鉴2012》中宏数据库和数据堂。各变量的统计特征及相关系数如表2、表3所示。

表2 各变量的描述性统计特征

变量均值最大值最小值标准差样本数

TEP0.96410.8920.03718

OUT32.0189.365.1427.6618

RD0.0690.0970.0340.01518

FDI2.193.6991.29650.62318

表3 各变量的相关系数

变量TEPOUTRDFDI

TEP10.1500.5560.005

OUT0.15010.0170.654

RD0.5560.01710.051

FDI0.0050.6540.0511

本文使用全要素生产率作为因变量，在控制FDI和研发投入两个变量的基础上，检验了资源外包技术溢出效应。用eviews软件对这些进行回归，发现异方差和序列自相关性使得最小二乘法失效，因此我们先要消除异方差和序列自相关的影响，然后再对模型进行回归，最后具体的回归结果见表4所示。

表4 资源外包对全要素生产率的回归结果

VariableCoefficientStd. Errort-StatisticProb.

C-0.3679510.010755-34.212910.0000

OUT0.0187830.0021478.7483780.0000

RD0.1114990.00466223.916990.0000

FDI0.0377930.0054566.9273800.0000

Weighted Statistics

R-squared0.996231Mean dependent var0.051908

Adjusted R-squared0.995423S.D. dependent var0.198825

S.E. of regression0.001594Akaike info criterion-9.851521

Sum squared resid3.56E-05Schwarz criterion-9.653660

Log likelihood92.66369Hannan-Quinn criter.-9.824239

F-statistic1233.523Durbin-Watson stat2.009770

Prob（F-statistic）0.000000

4 实证结果分析

由以上回归结果可知，我们所设定的模型回归结果为：

lnTEP=-0.367+0.019lnOUT+0.111nRD+0038lnFDI

（8.748） （23.917） （6.927）

在α=0.05的置信水平，lnOUT、lnRD、lnFDI的t值分别为8.748、23.917、6.927，均大于临界值1.96，说明所有系数都通过了t检验，而R2=0.996，调整的R2=0.995，说明该模型的拟合优度很好，F统计量=1233.525，远大于其临界值，即该模型的线性关系也是显著成立的，综上可知，该模型很好的通过了所有的显著性检验。

4.1 资源外包对全要素生产率的影响分析

在回归模型中，资源外包的系数显著为正，且资源外包率每提高1个百分点，将导致全要素生产率提升0.019个百分点，说明资源外包对全要素生产率产生了显著的提升作用。这种提升作用主要是资源外包促进技术进步而提高全要素生产率的。因为资源外包能够使汽车行业优化生产要素的投入结构，有效发挥劳动力的能动积极性，集中精力于核心业务，有效、系统地引进先进技术，加大对相关研究项目的投资力度，最终提高全要素生产率。

4.2 控制变量对全要素生产率的影响分析

研发投入RD变量对全要素生产率增长起到了显著地正向促进作用，说明汽车行业进行大量的研发投入使得研发的产出也随之增加，研发投入每增加1个百分点，将导致全要素生产率0.111个百分点。企业研发投入对生产率的影响主要表现在两个方面：一方面，R&D可以产生新的知识和信息，提升企业自主创新能力;另一方面，可以增强企业对引进技术的消化吸收能力，促进知识和技术的外溢。

从FDI变量来看，其对全要素生产率也存在显著的正向效应，说明中国引进外商投资对生产率产生了不可估量的效果，外商直接投资每增加1个百分点，将导致全要素生产率0.038个百分点。外资企业一方面利用本国雄厚的资本，研制出先进的研究成果，使得技术扩散成为可能;另一方面，内、外资企业通过相互的学习和融合，生产经营理念逐步融合，国内企业运作方式随之发生改变，效率得到提升。

5 结论和启示

通过利用1994-2008年中国汽车行业数据测算中国汽车行业的全要素生产率影响因素，并构建了回归模型实证分析了外商直接投资、研发投入、资源外包率对汽车行业全要素生产率的影响。其中，研发投入对全要素生产率的影响最大，资源外包率和外商直接投资对全要素生产率的影响要相对弱一些，但还是存在显著的正向影响的。

本章的研究结论具有以下几点政策启示：

（1）虽然资源外包对生产率有重大的提升作用，但是我们要根据企业的实际情况，结合企业战略目标来分析自身的重要影响因素，在企业众多的资源中，我们只有把握具有核心竞争能力的那部分，才能形成自己的竞争优势，保证企业的长期利益。所以企业资源外包的潜在收益和成本节约要集中于核心资源，使资源外包成为更具吸引力的选择。

（2）鼓励企业加强研发资本投入和外商投资的引进。汽车工业行业研发投入和FDI对全要素生产率都产生了显著的正向影响，因此，在鼓励企业进行资源外包的同时，政府一方面应该鼓励企业进行自主创新，加强研发投入，这不仅可以直接促进汽车工业行业的技术进步，而且有利于对国外溢出知识的消化和吸收。

参考文献

[1]苏敬勤，孙大鹏.资源外包的理论与管理研究[M].大连：大连理工大学出版社，2006：5-7.

[2]黄水灵，郑青宏.探索我国汽车企业外包经营管理模式[J].汽车研究与开发，2003，（06）：24-27.

[3]马晓芸，程云行.资源外包与制造业企业绩效的实证研究[J].中国流通经济，2011，（07）：79-82.

[4]王俊松，贺灿飞.集聚经济、外资溢出效应与中国汽车企业效率[J].地理科学进展，2009，28（03）：70-75.

[5]任玉珑，胡姝娟，卢涛.汽车行业的价值链分解与外包战略研究[J].科技管理研究，2006，（05）：41-43.

[6]李仁安，李晓玲.汽车企业资源外包业务的选择研究[J].武汉理工大学学报，2007，29（11）：133-136.

[7]刘秉镰，林坦.制造业物流外包与生产率的关系研究[J].中国工业经济，2010，（09）：67-77.

[8]梁红艳，王健.中国制造业物流外包的生产率效应分析[J].中国流通经济，2013，（04）：30-38.

[9]徐毅，张二震.外包与生产率：基于工业行业数据的经验研究[J].经济研究，2008，（01）：103-113.

[10]吴献金，陈晓乐.中国汽车产业全要素生产率及影响因素的实证分析[J].财经问题研究，2011，（03）：41-45.

[11]常亚青，宋来.汽车工业相对效率、技术进步和全要素生产率研究[J].开发研究，2008，（03）：11-15.