制造业技术密集型企业要素配置扭曲测度研究*
——基于中美上市公司的对比分析

李雪冬，江可申

(1.苏州科技大学 商学院，江苏 苏州 215009；2.南京航空航天大学 经济与管理学院，江苏 南京 210016)

改革开放以来，我国经济一直保持着稳定且高速的增长。不可否认的是，这种高速增长主要依靠的是资源拉动。经济增长需要要素投入的积累，资源的稀缺性决定了生产要素不能过多的使用，生产要素的配置进一步影响企业生产率。研究表明，资源误置是导致企业效率低下的重要原因。[1]资源配置扭曲将影响企业以及行业未来的长期发展，资源配置程度与企业所处的环境等情况相关。长期以来，研究者将制造业作为一个整体研究，要素配置研究也是在三次产业之间进行的。如果将制造业按投入要素进行分类后是否也存在扭曲，我国与发达国家的扭曲情况是否相同，这些问题值得进一步探讨。制造业上市公司是制度和管理相对规范、发展较好的公司，因此，笔者以中美两国制造业上市公司为研究对象，通过比较分析，以期对上述问题做进一步探讨。

一、文献综述

要素扭曲理论源自国际贸易理论中对无干预的自由贸易状态的研究，这种贸易状态属于一种帕累托最优，要求要素市场是完美的、市场参与者具备关于市场的完备知识，这是一种不可能达到的条件。现实经济活动中扭曲经常发生。1971年，巴格瓦蒂(Bhagwati)在《扭曲和福利的一般理论》一文中定义了“扭曲”的基本类型，生产要素扭曲主要是要素价格扭曲，类似于贸易状态的扭曲。[2]要素扭曲在现实中也是常见的。要素扭曲除了对经济发展具有阻碍作用外，促进论也认为要素价格扭曲意味着企业能够以较低的价格获得质量相对较高的生产要素，从而提高企业的生产率。[3]巴特尔斯曼(Bartelsman)等发现，政策导致的资源配置扭曲是各国经济发展、生产率差异的主要原因。[4]阿斯克(Asker)等研究认为，资本价格扭曲解释了不同国家相对于资本的边际收益为何产生差异。[5]谢地(Hsieh)等对中印两国要素市场扭曲进行分析发现，如果配置有效的话，生产率将获得大幅提高。[6]在我国经济发展过程中，由于政策干预、二元化结构等外部性的影响，各个区域要素市场普遍存在扭曲。研究者从多个角度对要素配置进行研究，如陈永伟等研究表明，因要素价格扭曲导致的制造业间的资源错配大约造成了实际产出和潜在产出之间15%的缺口[7]；踪家峰等对我国29个省市的要素配置情况进行研究，发现这些省市存在要素扭曲，并对产业结构升级产生负向影响[8]；耿伟、张同斌等对要素扭曲进行深层次的研究，发现要素扭曲在不同层次影响资源配置效率，包括行业间、行业内企业间、企业内产品间[9- 10]。

上述研究对扭曲的存在具有一定共识，并根据各自的研究方法计算扭曲，将其与经济增长、生产率进行比较分析，虽研究对象的范围广泛，但国别之间的对比研究、行业分类研究尚有不足。不同国别的资源配置情况差异很大，更容易寻找扭曲原因，更易对相关理论进行检验；同时考虑到资本、人力在同类型行业间流动更易发生，因此制造业内大类行业的研究具有一定意义。基于此，笔者拟将中美制造业技术密集型上市公司进行比较，探讨两国资源配置扭曲情况是否一致以及产生差异的主因有哪些。

二、 中美制造业技术密集型上市公司行业现状

(一)行业分类

制造业拥有庞大的产业体系，内部分工细密，种类众多，随着生产智能化、机械化、自动化的不断加强，制造业内容不断丰富，制造业内部细分产业之间的结构也日趋复杂，使制造业的分类标准、分类方法参差不齐。实务界较为常见的是权威部门包括各国政府、统计部门、联合国、经济合作与发展组织(OECD)、世界银行等对制造业的分类，如日本将制造业分为24个大类、韩国分为23个大类、联合国分为12个大类。尽管不能保持全面一致，但分类思想仍有许多共通之处。我国统计局分别于1984年、1994年、2002年和2011年在《国民经济行业分类》国家标准中对制造业分类予以确定并修正。最新的2011年分类将制造业分为二位数代码的31个大类，其下又分为三位数代码的175个中类、四位数代码的530个小类。学术界较常用且比较成熟的分类方法有轻重工业分类法、投入要素密集程度分类法、钱纳里三类产业分类法等。基于我国制造业转型升级的宏观背景，本研究采用与其相适应的投入要素密集程度分类法。

按要素密集程度分类，制造业通常分为劳动密集型、资本密集型和技术密集型。劳动密集型的产业一般劳动工具相对简单、技术操作要求相对较低、单位产品成本中劳动消耗所占比重较大，此类型一般在工业化水平较低的国家较多。资本密集型主要体现为投资较多、建设周期长、容纳的劳动力相对较少，多为生产生产资料的工业部门，在工业化初期和中期这类产业需要大力发展。技术密集型主要是指依靠运用高级复杂的劳动合同工程技术以及管理人员进行技术推动的产业，这类产业劳动生产率较高，还包括知识密集(技术人员占比高)、资本密集(研发经费高)。依照经济合作与发展组织、世界银行，以及谢建国[11]、郭庆然[12]的分类，结合中国统计局制造业31个二位数分类代码，我们将中国制造业按密集程度划分为：劳动密集型包括农副食品加工业，食品制造业，饮料制造业，烟草制品制造业，纺织业，纺织服装、鞋、帽、制造业，皮革毛皮羽毛及其制造业，木材加工及竹藤棕草制品制造业；资本密集型包括家具制造业、造纸及纸制品业、印刷业、纪录媒介的复制业、石油加工炼焦及核燃料加工业、化学纤维制造业、橡胶制品业、塑料制品业、非金属矿物制品业、文教体育用品制造业、非金属矿物制品业、黑色金属冶炼及压延工业、有色金属冶炼及压延工业、金属制品业；技术密集型包括化学原料及化学制品制造业、医药制造业、普通机械设备制造业、专业设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备、计算机及其他电子设备制造业、仪器仪表及文化办公用机械制造业。

(二)数据描述性统计

1.研究数据来源

本研究采用的数据来源于Wind资讯网、中国统计年鉴等，中国数据采用证监会行业分类下上证、深证A股上市公司2005—2015年的个体数据，包括29个行业种类。针对数据缺失、指标异常、ST等问题，本研究对数据进行了详尽处理：一是去除关键指标缺失、同一指标3个期间等于0的数据，指标等于0的数据少于3个期间的采用移动加权平均补齐；二是剔除资产总额为负的数据，共获得上市公司1145家，其中技术密集型上市公司765家。数据中，劳动投入对应企业的员工人数，资本投入对应企业的固定资产净值，中间产品投入对应企业的原材料值(原材料是“中间投入品”最重要的构成部分，其价值占整个“中间投入品”价值的70%以上)。因数据选取是从2005年开始的，本研究根据《中国统计年鉴(2015)》给出的折算指数，将各年度数据调整为2005年可比水平。美国上市公司中去除数据不全、ST、企业规模过小(职工人数10人以下、营业收入20万美元以下)的公司，共获得三类密集型行业上市公司907家，其中技术密集型上市公司684家，按照中国银行相应年末外汇中间价将美国上市公司相关数据折算为人民币进行统一计算。

2.描述性统计

如表1所示，从上市公司的数量来看，中国的上市公司数量高于美国，这是由于数据选取时美国上市公司相关数据缺失，为研究需要做了删减。从整体产出来看，产出均值方面，美国近3600亿元，中国近70亿元；最大值方面，美国产出规模最大的上市公司为技术密集型行业中的LG显示器公司，2015年营收近百万亿元，中国产出规模最大的上市公司为技术密集型行业中的上汽，营收达到6600亿元；最小值方面，美国公司近150万元，中国公司近110万元。从技术密集型上市公司的产出来看，产出均值方面美国近40亿元，中国则为6000万元，中美两国最大的制造业上市公司都在技术密集型行业中，美国产出最小的制造业上市公司也在该行业，说明美国技术密集型行业上市公司内在形态丰富，这也可以从该行业具有最大的标准差这一现象得出。美国上市公司中规模大的企业占比较大，因而尽管数量上比中国该类上市公司少，但美国公司大企业的整体规模、实力要远大于中国沪深上市公司。

表1 中美上市公司2015年产出描述性统计数据

图1 中美三种类型行业产出占比情况

如图1所示，本研究中的产出选择营业收入指标，中美上市公司的三种类型行业构成差别很大。中国制造业上市公司中，2007年资本密集型和技术密集型占比接近，各自约占45%，劳动密集型行业占比不足10%，其后资本密集型行业逐年下降，到2015年降至近30%，与此同时，技术密集型行业不断上涨，2015年上涨至62%。美国上市公司中，技术密集型行业始终居于主导地位，2007—2015年占比均在82%～92%，远远高于中国制造业上市公司技术密集型行业的比例。

三、中美制造业上市公司技术密集型行业与影响因素实证分析

(一)研究方法介绍

1.生产率研究方法

1978年，迈尔斯(Miles)和斯诺(Snow)就提出了绩效评估的具体模式与步骤，其中心思想是根据既有的资源为完成自己特定的目的进行的投入产出活动，活动的目标就是追求效率最大化，进而产生企业绩效。[13]在此思想指导下，经济学中的效率表现为实际产出与潜在产出的比值。当前，估算企业生产率时主要采用OLS(ordinary least squares)、FE(fixed effects)、OP(Olley & Pakes)、LP(Levinsohn & Pertin)及最近的ACF(Ackerberg， Caves & Frazer)等几种方法。其中OLS、FE在进行生产率估计时存在较大缺陷，目前已较少使用。OP方法认为，使用投资作为全要素生产率的代理变量可以有效解决相应的内生性问题，但在实际生产中有相当部分的企业当年并不进行投资，致使投资并不能完全反映生产率的变化。[14]LP方法进一步提出使用企业当年的中间投入作为生产率的代理变量，以此解决OP方法中存在的问题。[15]ACF方法是在OP和LP基础上，将劳动力系数从第一阶段的归集中识别出来，把所有投入要素放在第二阶段进行估计，采取企业投资决策作为不可观测生产率冲击的代理变量来消除同时性偏差，同时，通过引入企业退出规则来解决选择性偏差。[16]因此，笔者应用ACF研究方法，构建一个在特定生产率冲击和进出市场下企业行为的动态模型，完成参数和效率的估计：

Yit=βKiKit+βLiLit+wit+vit

(1)

其中，Yit、Kit、Lit分别表示企业在t时期的工业增加值、资本和劳动对数值，βKi、βLi分别表示劳动、资本对产出的贡献系数，wit表示全要素生产率，vit表示随机扰动项。

而企业的中间投入Mit依赖于资本Kit和生产率wit，函数形式为：

Mit=f(wit,Kit)

(2)

中间投入是生产率的严格递增函数，生产率可以用中间投入函数的反函数表示：

wit=-1(Mit,Kit)

(3)

生产过程中，假设劳动投入与中间投入决策同时发生，劳动投入也可以用生产率和资本投入的函数表示：

Lit=gt(wit,Kit)

=ht(Mit,Kit)

(4)

将公式(3)、(4)代入公式(1)，可得：

Yit=φt(Mit,Kit)+vit

(5)

采用非参数方法将上式各解释变量进行拟合，得到消除vit影响的工业增加值，此为ACF估计的第一阶段。

在第二阶段，需要估算参数βKi、βLi，这一过程假设生产率服从一阶马氏过程：

wit=E(wit|wit-1)=vit

(6)

其中vit是生产率信息，与当期资本投入无关，与劳动投入有关。

E(εit|Kit)=0

(7)

以上为独立矩条件，其中εit是关于βKi、βLi的函数，而劳动投入与当期生产率相关，但与滞后一期生成率无关。

E[εit(βLi,βKi)|Lit-1]=0

(8)

方程(8)为第二个独立矩条件。利用矩条件(7)、(8)，采用两阶段GMM估计，就能得到βKi、βLi的估计值，进而得到生产率wit。

2.要素配置扭曲测算

采用ACF方法对生产率估计的基础上，重点关注行业的资源配置扭曲问题。制造业内部有N个行业，假定每个行业内部的企业生产函数相同，不同行业的生产函数是不同的，行业生产要素投入主要有资本K、劳动力L两种。借鉴谢地和克列诺关于要素价格扭曲的设定[6]，行业i的要素价格分别为(1+τKi)PK，(1+τLi)PL。PK、PL是竞争条件下两种要素的价格水平，τKi、τLi代表要素扭曲程度，则行业i的生产函数是：

(9)

其中，Yi代表产出，Ki、Li分别代表投入的资本和劳动的量，TFPI为ACF方法计算中的生产率，参数βKi、βLi代表劳动和资本对产出贡献的比例。假设生产函数规模报酬不变(βKi+βLi=1)，要使行业利润最大化，则：

max{piYi-(1+τKi)pKKi-(1+τLi)pLLi}

(10)

pi是行业i的产品价格，公式(10)的最优条件为：

(12)

劳动和资本为外生的，约束条件为：

(13)

(14)

根据相关条件，在带有扭曲的竞争均衡下可解：

(15)

(16)

行业i的资本扭曲系数为：

(17)

(18)

(19)

(20)

(二)制造业上市公司异质性行业要素扭曲实证研究

1.生产率估计及要素扭曲的计算

有别于以往对生产率、生产函数研究时采用行业数据，本研究采用微观企业数据。这些数据首先克服了对资本投入需要采用不同的方法进行估算所导致的偏差，且更有利于分析不同性质行业内部各企业的实际情况，说明实证结果的成因。在进行投入产出估计中，对全要素生产的估计直接影响到投入要素贡献值的准确性。采用ACF方法我们建立以下模型：

Yijt=βio+βKiKijt+βLiLijt+βMiMijt

+βtit+wijt+vijt

(21)

其中，Yijt、Kijt、Lijt、Mijt分别表示营业收入、固定产净值、员工人数和原材料的对数值；βKi、βLi、βMi分别表示劳动、资本和投入品对产出的贡献系数；全要素生产率被分为三项，βti表示全要素生产率随时间变化的趋势，wijt表示全要素生产率，vijt表示随机扰动项。按照ACF方法估计了制造业29个二位数行业上市公司的数据，依据密集型分类方法将其分为资本密集型、技术密集型和劳动密集型三类。将每类行业下所含上市公司的相关指标代入公式(21)，采用ACF方法进行参数估计，得出资本、劳动的相关系数，代入扭曲系数计算公式，求得资本和劳动在2007—2015年的扭曲系数(见表2)。

如表2所示，不同国家技术密集型行业的要素价格扭曲程度存在较大差异。资本投入方面，中国资本投入明显不足；美国资本投入扭曲系数接近1，说明该类上市公司资本投入合理。劳动投入方面，中国劳动投入过度，并且扭曲程度逐渐加强；美国劳动投入不足，其劳动扭曲系数在0.73～0.78之间波动，没有明显的趋势性。

表2 2007—2015年中美技术密集型行业相对扭曲系数

从行业角度进行分析，技术密集型上市公司值得我们关注。美国该类行业上市公司占比达90%以上，拥有苹果、福特、卡特彼勒、波音等行业巨头，以及索尼、LG等美国之外的国际知名公司，这些公司的资本配置具有相当的代表性。美国技术密集型上市公司的劳动价格偏高，在我国则存在资本价格偏高(资本投入不足)、劳动价格合理略偏低的情况。

2.产出缺口计算

依据投入要素扭曲系数估计值和特定生产函数估计出实际产出和潜在产出的缺口。由图2可见，我国历年来实际产出与潜在产出之比在2009年之前是逐渐下降的，即2007—2009年期间要素的错配是逐渐加重的，且加重幅度较大；2009年，我国制造业即便不增加投入，只要纠正要素错配，可将产能提升近5%；2009—2015年要素错配逐渐改善，至2015年，实际与潜在产出比例达95.9%，扭曲有一定程度的纠正，即便如此，我国制造业仍然有潜力可挖，在要素投入不变的情况下，通过纠正错配可以得到4%的产能提高。美国在2009年前该值呈下降趋势，2009年后逐渐增长，2014年达到93.3%。整体来讲，中国实际产出与潜在产出在研究期间均高于美国。

图2 历年中美实际产出与潜在产出之比

本研究将中美上市公司分别作为整体进行研究，尽管中国在要素扭曲程度、实际产出与潜在产出之比等某些方面优于美国，但中国上市公司与美国上市公司存在整体差异。

四、结 语

美国技术密集型上市公司资本投入方面扭曲情况轻，资本价格合理，中国技术密集型上市公司则存在着资本价格偏高、资本使用不足的现象；劳动力市场方面，由于劳动力转换的困难，美国上市公司劳动力价格偏高，劳动使用不足，而中国劳动力价格略低，劳动投入过度，这种趋势逐渐加强。中美制造业上市公司的实际产出和潜在产出对比分析表明，中美技术密集型上市公司在整体上存在差异，在规模、效率、投入方面中国上市公司均需提高水平。

[1]聂辉华,贾瑞雪.中国制造业企业生产率与资源误置[J].世界经济，2011(7):18- 25.

[2]BHAGWATI J N. The generalized theory of distortions and welfare[M]∥ Trade, balance of payments and growth: papers in international economics in honor of Charles P. Kindleberger. Amsterdam: North- Holland Publishing Company,1971.

[3]BRANDT L, TOMBEB T, ZHU X. Factor market distortions across time，space and sectors in China[J]. Review of economic dynamics，2013(16):39- 58.

[4]BARTELSMAN E, HALTIWANGER J, SCARPETTA S. Cross- country differences in productivity: the role of allocation and selection[J]. American economic review，2009,103(1)：305- 334.

[5]ASKER J, COLLARD- WEXLER A, DE LOECKER J. Dynamic inputs and resource misallocation[J]. Journal of political economy，2014，122(5)：1013- 1063.

[6]HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly journal of economics，2009，124(4):1403- 1448.

[7]陈永伟，胡伟民.价格扭曲、要素错配和效率损失：理论和应用[J].经济学，2011，10(4)：1401- 1422.

[8]踪家峰，周亮.市场分割、要素扭曲与产业升级：来自中国的证据(1998—2007)[J].经济管理，2013，35(1):23- 33.

[9]耿伟，廖显春.要素市场扭曲与企业内资源配置：基于多产品企业核心产品出口比重的研究[J].财贸经济，2017，38(10):146- 160.

[10]张同斌，刘俸奇，马丽园.补贴、要素价格扭曲与中国工业企业增长[J].经济学动态，2017(9):57- 70.

[11]谢建国.外商直接投资与中国的出口竞争力：一个中国的经验研究[J].世界经济研究,2003(7):34- 39.

[12]郭庆然.中国制造业结构变动研究(1953—2011) [M].北京:人民出版社，2014.

[13]MILES R E, SNOW C C,MEYER A D，et al. Organizational strategy, structure, and process[J]. The academy of management review，1978，3(3)：546- 562.

[14]OLLEY G S, PAKES A. The dynamics of productivity in the telecommunications equipment industry[J].Econometrics,1996,64(6):1263- 1297.

[15]LEVINSOHN J, PETRIN A. Estimating production functions using inputs to control for unobservables[J].Review of economic studies,2000，70(2):317- 341.

[16]ACKERBERG D A, CAVES K, FRAZER G. Identification properties of recent production function estimators[J].Econometrics,2015,83(6):2411- 2451.