发布时间 : 星期四 文章不同要素密集型制造业创新效率变动的实证分析更新完毕开始阅读d9b7e0245901020207409c7e
不同要素密集型制造业创新效率变动的实证分析
——基于DEA-Malmquist指数方法
南京航空航天大学 黄山松 谭清美
摘要：应用DEA-Malmquist指数分析方法对我国劳动、资本和技术密集型制造业2001-2008年的创新效率
进行了测评。结果显示，劳动密集型制造业创新效率在下降，其原因主要是由技术退步所致；而资本、技术密集制造业创新效率均得到提升。但动力有所不同，前者主要依靠技术效率推动，而后者则主要依赖技术进步；三大类型制造业的纯技术效率维持改善态势且差异并不大；劳动、资本密集制造业创新规模接近并都处在扩张态势。劳动、资本和技术密集制造业提高创新效率的主要政策方向应分别为促进技术进步、提高技术效率和扩大创新规模。
关键词:曼奎斯特指数;制造业;技术创新效率
中图分类号:F062.4 文献标识码:A 一 引言
进入新世纪以来，中国制造业已经逐步成为全球制造业乃至世界经济的重要贡献者。这一现象引起了学者对中国制造业全要素生产效率，包括创新效率的广泛关注。到目前为止，在区域层面上的研究成果比较丰富，而在行业层面上探讨制造业创新效率的相对较少，其中比较有代表性的研究是：文献[1]利用工业行业技术比较创新效率指数(IRCIE)对1990-1999年中国38个工业行业技术创新效率进行实证分析，发现中国工业行业之间的技术创新效率差异呈现出缩小的趋势；文献[2] 利用DEA方法,计算了我国制造业各行业和各省市制造业1994-2003年期间技术创新效率值。认为我国制造业的技术创新效率与行业技术含量呈正相关关系。文献[3]通过因子分析定权法测算了北京制造业的技术创新效率,结果发现技术含量较高的制造业行业其技术创新效率却较低,而技术含量较低的行业其技术创新效率反而较高;文献[4]运用DEA-Malmquist生产率指数对中国制造业各行业全要素生产率、技术效率和技术进步进行了测算,发现产业的技术密集度越高,技术进步、技术效率和全要素生产率指数增长越高;文献[5]使用DEA-Malmquist指数法,把制造业分为非耐用消费品、中间投入品和资本品及耐用消费品三个部门,比较了部门间技术变化的差异,得出了技术进步是TFP增长的主要原因的结论;文献[6]也运用Malmquist指数方法测算了中国改革以来整体工业生产率的变动趋势,并探讨了地区之间工业TFP增长差异的特征。结论是改革开放以来,中国工业TFP的增长主要是由技术进步推动的,生产效率的下降对TFP的增长造成了不利影响;文献[7]对中国制造业省际全要素生产率变动进行了分析,发现省际全要素生产率增长主要来源于技术进步,技术效率变化表现为负作用。
上述文献对我国制造业技术创新效率作了有益的探讨，但由于分析期不同，或者选取样本的差别，即使采用同样的方法，得出的结论并不一致，已难于应用到近期的情况。此外，已有文献从研究对象的选取和划分上仍存在一些缺陷和不足，多数把制造业作为一个整体来
研究。本文拟做以下拓展：基于要素使用结构是效率变动起点的考虑，测算制造业分行业创新效率时，依要素配置结构的区别进行比较研究。也就是我们将制造业按要素投入密集程度分为劳动密集型、资本密集型和技术密集型三个类别，然后再基于DEA-Malmquist指数方法,对各类别制造业的创新效率变动进行评价，并对不同要素类型制造业之间技术创新效率的差异做出诠释。
二 研究方法：DEA-Malmquist指数法
基于DEA-Malmquist指数方法能很好地处理多输入和多输出的数据集，这种方法不但可以分析不同时期决策单元的效率演化，而且可以将Malmquist指数分解为技进步指数和技术效率变化指数。技术效率表示在给定投入要素下实际产出与最优产出(生产前沿)之间的距离,距离越大,技术效率越低。技术效率又可分解为纯技术效率（主要体现在制度安排、技术创新以及管理效率的改变等方面）和规模效率（主要体现在规模扩张等方面）；技术进步则表示生产前沿面随时间的移动变化。因此能更加详细地了解影响制造业技术创新效率变动的具体因素的作用。
在本文中，我们把某个要素密集型制造业看作一个生产决策单位(DMU),先确定每一年各要素密集型制造业生产最佳前沿面,再把其中每个行业的生产前沿面与最佳前沿面进行比较, 从而对各个要素密集型制造业的技术效率和生产率变化进行测定,得出这个行业采用以投入为指标的Malmquist生产率变化指数。
Malmquist指数最初由Malmquist(1953)提出，Caves等
[14]
(1982)首先将该指数应用于
生产率变化的测算，此后与CharneS等(1978)建立的DEA理论相结合，在生产率测算中的应用日益广泛。在实证分析中，研究者普遍采用Fare等指数。
以t时期技术T为参照，基于产出角度的Malmqulst指数可以表示为:
tM0?xt?1,yt?1,xt,yt??d0t?xt?1,yt?1?/d0t?xt,yt?
[15]
(1994)构建的基于DEA的Malmquist
t这个指数测度了在t时期的技术条件下，从t到t?1时期的技术效率的变化。同理， 以t?1时期技术Tt?1为参照，基于产出角度的Malmquist指数可以表示为：
t?1M0?xt?1,yt?1,xt,yt??d0t?1?xt?1,yt?1?/d0t?1?xt,yt?
为避免时期选择的随意性可能导致的差异，可以用上两式两个Malmquist生产率指数的几何平均值来衡量从t到t?1时期生产率的变化。该指数大于1时，表明从从t到t?1时期全要素生产率是增长的：
tt?1?d0xt?1,yt?1?d0xt?1,yt?1????t?1t?1ttM0?x,y,x,y???ttt?t?1tt?
d0?x,y????d0?x,y??1/2进一步地，根据上述处理所得到的Malmquist指数可以分解为不变规模报酬且要素自由
2
处置条件下的技术效率变化指数(EC)和技术进步指数(TP)，其分解过程如下：
tt?1t?1ttt?d0?dx,yx,ydx,y??????0t?1t?1ttM0?x,y,x,y????t?1t?1t?1?t?1tt? tttd0x,y????d0?x,y?d0?x,y???t?10t?1t?11/2EC指数测度了从时期 到 时期每一个决策单元对生产可能性边界的追赶程度；这个指标值可能大于1、小于1和等于1,分别表示技术效率提高、技术效率降低和技术效率无变化；TP指数测度了技术边界在时期 到时期 之间的移动情况。该指数大于1表示技术进步,等于1表示技术无变化,小于1表示技术退步。根据Fare等(1994)的研究，技术效率变化指数(EC)还可进一步分解为纯技术效率指数(PC)和规模效率指数(SC)。从而有：
M0?xt?1,yt?1,xt,yt??EC?TP?PC?SC?TP
三 样本选取及数据来源 （一）行业选择
国民经济行业分类标准GBT4754-2002将制造业门类分成30个2位码的大类行业。在统计年鉴中，2003年后把工艺品与其他制造业划归一类，并增加了废弃资源和废旧材料回收加工业，前后的统计口径不同，再加之两行业数据并不全面，在全部制造业中的影响也有限，本文未将其列入。故本文所探讨的制造业只包括28个行业（具体分类见表1、表2和表3）。 （二）技术创新投入产出指标选择
合理选取技术投入和技术产出指标是应用Malmquist指数评测制造业技术创新效率的关键。相关文献
[8][9][10]
一般采用R&D资金投入和R&D人力资源投入作为技术创新的投入变量。
本文沿袭一般做法，选用R&D经费投入作为企业技术创新最主要投入变量。考虑到各行业数据收集的可得性和完整性，我们用企业科技活动人员代替R&D人力资源投入。这里，科技活动人员指直接从事科技活动、以及专门从事科技活动管理和为科技活动提供直接服务累计从事科技活动的实际工作时间占全年制度工作时间 10％及以上的人员。它涵盖了企业创新过程中有关的技术、设计、制造、管理以及商业活动，因此这一指标的替换应是可行的。除上述两个指标外，我们还选取企业新产品开发经费和技术吸收消化经费作为投入变量。因为对于企业而言,新产品开发活动对技术创新具有直接作用,是企业自主创新的重要因素
[12]
，而在
吸收消化基础上进行创新更是我国企业在目前阶段普遍存在的现象，吸收消化经费仍然是我国企业技术开发投入的重要部分。
我们把新产品销售收入和发明专利选做技术创新产出指标。发明专利是衡量创新产出水平的较好指标,其技术含量高且申请量很少受到专利授权机构审查能力的约束,更能客观的反映出企业原始创新能力与科技综合实力
[13]
。新产品销售收入体现了企业技术创新最终实现
的价值,体现了技术创新为企业带来的真实收益,因此对技术创新成果有很好的代表性。 （三）数据来源
所有样本数据均来源于2002-2009年《中国科技统计年鉴》和《中国统计年鉴》。并且
3
本文采用的28个制造业行业数据全部来自统计年鉴中大中型工业企业的统计资料。为了统一指标口径,对各年的技术创新投入经费按2001年不变价格作了平减处理,新产品销售收入按各行业产品价格指数进行平减，使各行业的创新产出具有可比性。 四 实证分析结果
（一）各要素密集型制造业子行业创新效率差异的分析
利用DEAP2.1软件计算2001～2008年各要素密集制造业各行业平均的创新生产率指数及其分解为技术效率与技术进步的变化情况,表1～5是计算结果。
表1 劳动密集型制造业创新效率指数及其分解
行 业 食品加工业H1 食品制造业H2 饮料制造业H3 纺织业H5 服装及其他纤维制造业H6 皮革毛皮羽绒及其制品业H7 木材加工及竹藤棕草制品业H8 家具制造业H9 造纸及纸制品业H10 印刷业、记录媒介的复制H11 文教体育用品制造业H12 金属制品业H22 平均 Malmquist 指数 技术进步 指数 技术效率 变化指数 纯技术效率 变化指数 规模效率 指数 1.039 0.904 0.963 0.975 0.880 0.759 1.122 0.918 0.999 0.871 0.817 0.853 0.920 0.892 0.868 0.862 0.824 0.811 0.759 0.931 0.918 0.832 0.879 0.817 0.853 0.852 1.165 1.042 1.117 1.184 1.086 1.000 1.206 1.000 1.201 0.991 1.000 0.999 1.079 1.096 1.000 0.993 1.078 1.083 1.000 1.089 1.000 1.199 0.951 1.000 1.000 1.039 1.064 1.042 1.125 1.098 1.002 1.000 1.107 1.000 1.001 1.042 1.000 0.999 1.039 注：行业后的Hi为本文所给的行业编号
从表1可看出，在分析期内劳动密集型制造业创新效率整体趋于下降，平均下降8%。技术效率大于1，年均增长7.9%，这主要是由规模效率和纯技术效率共同以3.9%的平均增速来保证的;技术退步十分明显,程度达惊人的14.8%。显然，劳动密集型制造业创新效率的变化主要来源于技术效率的提高。技术进步不但没有促进创新效率的增长，反而抵消了由于规模效率的提高和纯技术效率的改善而对创新效率的贡献。
从劳动密集型制造业内部来看，各行业均处于技术退步状态，但除饮料制造业H3、印刷业、记录媒介的复制业H11外，其余行业的技术效率均得到改善。其中，木材加工及竹藤棕草制品业H8、造纸及纸制品业H10、纺织业H5和食品加工业H1改善的幅度最大，均在16%以上。由于技术效率改善导致创新效率明显提高的行业并不多，仅有食品加工业H1和木材加工及竹藤棕草制品业H8。值得注意的是，各行业基本上都获得了较好的规模效率，说明劳动密集型制造业的创新规模在不断扩大之中。
从表2可见，资本密集制造业创新效率在提高，其主要贡献来自技术效率的改善，而技术退步在抑制技术效率对创新的正效应，也即资本密集型制造业创新效率增进的动力也更
4