行业全要素生产率的微观测算

贾伊萌　张旭亮

摘要：随着企业层面数据可获得性的增加，我国对行业全要素生产率（TFP）的研究趋势正在由宏观走向微观。文章基于2008年～2018年制造业上市企业的面板数据，同时运用OP、LP法测算了企业层面的TFP并对两种方法测得的结果进行对比，此外对整个制造业TFP的年度动态变迁以及各细分行业TFP的异质性也进行了比较分析。研究发现：LP方法下测得的TFP普遍要高于OP方法;从纵向来看，2008年～2018年我国制造业TFP在波动中上升;从各细分行业来看，高新技术产业TFP增速较快，传统劳动密集型产业TFP依旧低于行业平均水平。

关键词：制造业;上市企业;全要素生产率;OP法;LP法

一、 引言

“十三五”规划提出，要推动我国制造业供给侧结构性改革，实现制造强国。自改革开放以来，制造业一直是我国国民经济的支柱行业。经过几十年的快速发展，我国制造业规模已经跃居世界第一位，但与先进国家相比，我国制造业大而不强的问题突出，主要表现在生产效率低下、产能过剩等问题。那么，在新的时代和政策背景下，如何准确衡量我国制造业的发展效率是学术界亟需解决的问题。全要素生产率（Total Factor Productivity，以下简称TFP）是指在各种生产要素的投入水平既定的条件下所达到的额外生产效率，是衡量一个经济体发展效率和经济活力的关键指标，实证研究中通常用行业TFP来衡量一个产业的经济效益和发展效率。企业是市场经济活动中最重要的主体，但是过去对于TFP的研究多基于宏观层面，忽略了微观企业存在的异质性问题，随着近年来微观数据库的开放和计量方法的发展，学者们开始通过不同方法度量微观企业层面的TFP，本文就OP、LP这两种主流的半参数法及其测算结果进行了讨论。

二、 文献综述

自Solow于1957年提出TFP的概念后，学者们对TFP展开了广泛而深入的研究，总结已有文献对TFP的研究，大致可分为宏观和微观两个维度。宏观维度是指使用总量方法测度一个经济体的总体生产率水平，通常用于考察某个国家、地区或行业TFP对经济增长的贡献，并且对不同国家、不同地区或不同产业间TFP的异质性进行比较分析;微观维度是从企业个体层面研究企业生产决策以及生产要素投入等对企业TFP的影响。

早期对TFP的研究主要在宏观层面展开，第一类是从经济增长视角切入，研究某个国家总体TFP状况，通常会对TFP进行年度动态变迁分析或不同国别间的比较分析，例如郭庆旺等（2003）利用宏观数据估算了中国1979年～2004年间TFP水平并對其经济增长源泉作了分析;吴先华（2011）基于各国面板数据对世界主要国家的TFP进行了计算和比较;第二类是区域视角，运用各种方法对某个地区生产率状况进行纵向比较或对不同地区间TFP差异进行横向比较，例如王志刚等（2006）对中国地区间生产效率与TFP增长率进行测算分解;第三类是从产业视角，利用产业数据测算中国各个产业生产率现状及变化情况，例如吴利华等（2010）估算并分析了各行业TFP对工业总增长的贡献;张曦等（2011）基于DEA-Malmquist指数法对2001年～2008年中国煤炭行业的TFP进行了测算。

近年来，随着企业异质性理论的发展以及微观企业数据库的开放，我国对于TFP的研究正逐步由宏观层面转向微观企业层面，并且以中国工业企业数据库为基础产生了一批非常有影响力的研究成果，例如鲁晓东等（2012）利用1999年～2007年中国工业企业数据，应用最小二乘法、固定效应方法、OP法和LP法等参数和半参数方法核算了我国主要工业企业的TFP;杨汝岱（2015）运用OP、LP法计算了1998年～2009年我国制造业企业TFP并从资源配置效率角度讨论经济结构转型问题;朱灵君等（2017）利用2000年～2007年中国食品工业企业数据，基于OP、LP等半参数方法计算企业层面全要素生产率，以此衡量食品工业企业全要素生产率的动态变迁及其在不同行业、地区和所有制类型企业间的异质性。

虽然宏观总量方法和微观方法都可以用于测算不同经济体的TFP状况，但是两者具有截然不同的理论机理。相比较而言，使用宏观总量方法测得的TFP是除去资本、劳动、土地等要素投入后的余值，包括经济环境、政策支持、技术创新等;而从企业微观角度计算的TFP是指除了基本生产要素投入以外的包括生产决策、人力资本、研发投入等因素共同影响的结果。与宏观层面的研究相比，国内企业层面生产率的研究仍然较为缺乏。

微观领域的OP和LP方法已被大量应用于工业企业TFP的测算中，但目前仍没有学者使用上市公司的数据对制造业TFP进行测算。鉴于以上研究现状，本文基于2008-2018年制造业上市企业的面板数据，使用微观领域较为成熟的OP、LP半参数法对我国制造业上市公司的TFP进行估算并对两种方法进行比较，最后基于LP法的测算结果考察了整个制造业TFP的年度动态变迁以及制造业各细分行业TFP的异质性。

三、 制造业全要素生产率的微观测算

1. 测算方法。测算TFP通常需要从定义生产函数开始，最常用的是柯布道格拉斯函数，即：

Yit=AitL？琢itK？茁it（1）

其中，Yit表示i经济体t年的产出，Lit表示t年的劳动投入，Kit表示t年的资本投入，Ait则表示经济增长中不能被要素投入所解释的部分，也就是TFP。对（1）式两遍取对数得：

lnYit=？琢lnLit+？茁lnKit+？着it（2）

式中，lnYit、？琢lnLit、？茁lnKit分别表示产出、劳动投入和资本投入的对数形式，残差项？着it则包含了TFP对数形式的信息。传统OLS方法只需对（2）式中的残差项进行估计即可得到TFP的无偏估计值，但是直接使用OLS方法估计微观企业的TFP会不可避免的遇到两大计量技术问题：同时性偏差和样本选择性偏差。首先，在企业实际生产过程中，决策者通常能观测到生产率的变动，并依据当期生产率状况做出投资决策;其次，从样本选择的角度来看，生产率较低的企业会自动被市场淘汰，那么样本内保留下来的都是生产率较高的企业，因此如果不考虑退出企业将会高估整体的TFP。

Olley和Pakes（1996）最早运用半参数方法来度量微观企业TFP并很好的解决了以上两大问题，其基本思路是：使用“企业投资”作为无法观测部分生产率的代理变量以解决同时性偏差问题，样本选择性偏差问题则通过引进企业生存概率并设置退出变量来解决。以下是具体步骤：第一步，估计劳动项系数。假设企业的投资决策是根据上一期的生产率状况决定的，由此可以建立生产率和企业投资之间的函数关系，将该投资函数代入公式（1）回归可得劳动项的一致无偏估计系数;第二步，估计资本项系数。根据企业上一期的资本存量和投资额在Probit模型中引入生存概率，再结合第一步OLS估计出的拟合残差即可得到资本项的一致无偏估计系数;最后由前两步得到的劳动项和资本项系数可以估算出企业的TFP。

但是OP法在选择“企业投资”作为代理变量时会存在以下问题：一方面，并不是所有企业都具有正的投资额，代理变量（投资）与总产出始终保持单调递增关系是OP法的重要前提，这说明那些投资额为零的数据将无法被估计，造成大量样本被丢弃;另一方面，非凸性调整成本的存在会使得投资额和误差项之间存在相关关系。

针对以上问题，Levinsohn和Petrin（2003）提出了LP半参数法，其基本思路与OP法大致相同，与OP法不同的是，LP法选取企业的“中间投入”作为无法观测部分生产率的代理变量以解决同时性偏差问题，LP法认为使用中间投入作为代理变量时，样本量的损失率较小，可以更好的解决生产函数的内生性问题。以下是具体步骤：第一步，假定企业的中间投入由资本和生产率决定，建立生产率与中间投入的函数关系并用二阶多项式估计出中间投入函数，然后将该中间投入函数代入生产函数，回归可得劳动项的一致无偏估计系数;第二步估算得到资本项和中间投入项的系数，最后得到全要素生产率的估计值。

2. 数据来源与变量处理。本文数据来源于2008年～2018年制造业上市企业公布的合并财务报表年度数据，剔除在研究期间出现ST、*ST的企业或退市的企业以及数据披露不全的企业，最终获得非平衡面板数据包括2 192家上市公司，共16 222个年度观测值。相关变量定义如下：

Y是总产出，原为工业增加值，但是上市公司年报中并未披露这一指标，因此用企业的年度营业收入代替;L是劳动力变量，取现金流量表中的“支付给职工以及为职工支付的现金”;K是资本投入变量，用固定资产净值表示;I是投资变量，具体计算公式：购建固定资产无形资产和其他长期资产支付的现金-处置固定资产无形资产和其他长期资产收回的现金净额+取得子公司及其他营业单位支付的现金净额-处置固定资产无形资产和其他长期资产收回的现金净额-折旧摊销;exit是退出变量，根据上市公司在样本区间是否被ST、*ST和PT以及是否退市来判定;M是中间投入，用企业的营业成本加上企业的销售费用、管理费用、财务费用再减去企业的当期计提折旧与摊销以及支付给职工以及为职工支付的现金来表示。

3. 测算结果。

（1）OP法与LP法测算结果比较。首先，由于上市公司投资数据的大量缺失，OP方法的样本废弃率高达40%，而以中间投入作为代理变量的LP法的样本废弃率只有15%左右，可见LP法较好地解决了OP法存在的样本损失较大的问题。其次，根据测算结果，LP法测得的各个年份的制造业TFP均高于OP法测得的TFP，LP_TFP的平均值为8.19，OP_TFP的平均值为4.12，但是两种方法测得的TFP变化趋势大致相同，除了2009年、2012年和2015年有所下降，其余年份均呈增长趋势。最后，本文分别使用OP、LP方法估算了（1）式中劳动项和资本项的系数，发现两种方法估算所得的资本项系数β均小于劳动项系数α，以LP方法为例，使用LP方法测得的劳动产出弹性α=0.635，资本产出弹性β=0.158，说明LP法很好地解决了因样本选择性偏差所导致的资本项系数被低估以及因同时性偏差问题所导致的劳动项系数被高估的问题，但是，LP法得到的劳动项和资本项的系数比OP法更显著，因此接下来使用LP法估算所得的TFP值作为行业分析的基础。

（2）整个制造业TFP分析。值得注意的是，本文用LP法测得的是2008年～2018年间每家制造业上市企业的TFP水平，以各企业总产出为权重对相同年份的企业TFP进行加权平均，最终得到整个制造业TFP水平值与增长率。另外，本文使用的是微观上市公司的数据，因此加权平均后得到的也只是制造业所有上市企业生产率的平均表现，而非宏观意义上的行业技术进步水平。

根据测算结果，整体来看，2008年至2018年制造业上市企业的TFP总体保持上升趋势，水平值稳定在10左右，最低为2009年的9.67，最高为2018年的10.13;TFP增长率在0.5%左右徘徊，最低为2009年的-1.03%，最高为2010年的2.91%。从增长趋势来看，2009年～2011年、2015年～2018年制造业上市企业的TFP水平值均逐年上升，分别从2009年的9.67上升至2011年的10.04以及从2015年的9.92上升至2018年的10.13;从2011年到2015年，制造业上市企业的TFP水平值和增长率均有所下降。

（3）各细分行业TFP分析。分析了2008年～2018年间所有制造业上市企业的整体表现及年度动态变化后，考虑到行业之间性质差异较大，接下来根据《证监会行业分类标准》和《国民经济行业分类标准》将2 192家制造业上市企业进一步细分为17个子行业，分别为：纺织业，纺织服装鞋帽皮革羽绒及其制品业，食品和酒、饮料制造业，造纸印刷和文教体育用品制造业，木材加工品和家具制造业，石油、炼焦产品和核燃料加工业，非金属矿物制品业，金属冶炼和延压加工业，化学产品制造业，金属制品业，通用设备制造业，交通運输设备制造业，专用设备制造业，电气机械及器材制造业，计算机、通信和其他电子设备制造业，仪器仪表制造业和其他制造业。各子行业TFP估算结果如下：

从平均水平来看，各细分行业中TFP最高的是交通运输设备制造业、金属冶炼和延压加工业、石油、炼焦产品和核燃料加工业，分别为10.73、10.45和10.24，这三个行业均属于高新技术产业，说明我国近几年高新技术产业扶植政策效果良好;其中TFP较低的行业有纺织业、木材加工品和家具制造业、纺织服装鞋帽皮革羽绒及其制品业、仪器仪表制造业、造纸印刷和文教体育用品制造业，均低于制造业TFP平均水平，这些行业大多属于传统劳动密集型产业，说明传统行业技术革新成果甚微，劳动密集型产业依旧占我国国民经济较大比重。

四、 结论与政策建议

随着企业层面数据可获得性的增加，我国对行业全要素生产率（TFP）的研究趋势正在由宏观走向微观。遵循这一研究趋势，本文基于2008年～2018年制造业上市企业的数据，使用OP、LP两种主流半参数法计算了我国制造业TFP水平值及增长率，就计算结果对两种方法进行对比，最后选取LP方法下测得的TFP值作为考察样本期内制造业上市公司整体生产率变化以及各细分行业间生产率的差异。本文主要研究结论如下：

OP方法与LP方法对比。首先，以中间投入为工具变量的LP方法较好地解决了OP方法数据丢失的问题;其次，OP法与LP法估算所得的劳动项系数均大于资本项系数，说明这两种半参数方法很好的解决了因样本选择性偏差和同时性偏差所导致的系数被高估或低估的问题;从整体结果上看，虽然各个年度LP法测算所得的TFP平均值都比OP法测算所得的TFP平均值要高，但OP_TFP与LP_TFP在1%水平上显著相关，说明两者拟合度较高、变化趋势基本一致。最后就制造业上市公司的数据来看，LP法得到的劳动项和资本项的系数比OP法更显著，说明在估算上市公司的TFP水平时LP方法的可靠性更高。

整个制造业TFP的发展状况。2008年～2018年，制造业TFP除了个别年份有所下降，其余年份呈小幅上升趋势，总体TFP增长率水平较低，说明近十年以来我国制造业生产效率不容乐观。随着中国经济进入“新常态”，过去单纯依靠增加要素投入量的粗放型增长模式难以为继，要想实现制造业强国，必须转换增长动力，争取从“规模速度粗放增长”向“质量效率集约增长”转换，促使TFP的增长成为新常态下经济增长的源泉。

各子行业的发展状况。各子行业中TFP水平较高的均是高新技术产业，包括交通運输设备制造业、炼焦产品和核燃料加工业、金属冶炼和延压加工业以及石油;纺织业、木材加工品和家具制造业、纺织服装鞋帽皮革羽绒及其制品业、造纸印刷和文教体育用品制造业、仪器仪表制造业等传统劳动密集型产业TFP水平大都低于平均水平。说明我国近几年高新技术产业扶植政策效果良好，但是制造业传统产业转型效果不明显，由于传统劳动密集型产业依旧占我国国民经济较大比重，所以未来应重视进一步促进传统制造业技术革新，以提高生产效率，同时也要提高行业之间资源配置的效率，促使资源在制造业各子行业间流通，推动制造业优质高效发展。

参考文献：

[1] 郭庆旺，贾俊雪.中国全要素生产率的估算：1978- 2004[J].经济研究，2005，（6）：51-60.

[2] 吴先华，郭际，李有平等.基于面板数据的世界主要国家全要素生产率的计算[J].数学的实践与认识， 2011，41（13）：10-28.

[3] 王志刚，龚六堂，陈玉宇.地区间生产效率与全要素生产率增长率分解（1978-2003）[J].中国社会科学，2006，（2）：55-66.

[4] 吴利华，张思阳.析各行业全要素生产率对工业总增长的贡献[J].经济问题，2010，（11）：85-88.

[5] 张曦，赵国浩.我国煤炭行业全要素生产率变动的实证研究[J].技术经济，2011，30（4）：46-76.

基金项目：国家社科基金项目“互联网条件下我国专业市场及共生集群网络的模式创新与路径优化研究”（项目号：17BJL077）;浙江省自然科学基金项目“专业市场、组织网络与区域产业升级：作用机理与应对策略”（项目号：LY17D010011）。

作者简介：贾伊萌（1995-），女，汉族，浙江省杭州市人，浙江工业大学经济学院硕士生，研究方向：产业经济和区域经济;张旭亮（1976-），男，甘肃省张掖市人，博士（后），浙江工业大学全球浙商发展研究院副研究员，硕士生导师，研究方向：区域经济与规划、产业经济与规划、区域发展政策。

收稿日期：2019-10-11。