国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

全要素生產(chǎn)率的變動研究

2021-07-01 09:31夏帆孫一飛夏楠
企業(yè)科技與發(fā)展 2021年5期
關(guān)鍵詞:西南地區(qū)變動云南省

夏帆 孫一飛 夏楠

【關(guān)鍵詞】DEA-Malmquist指數(shù)模型;全要素生產(chǎn)率;技術(shù)效率

【中圖分類號】F327;F224 【文獻標識碼】A 【文章編號】1674-0688(2021)05-0014-03

0 引言

全要素生產(chǎn)率(Total Factor Productivity,TFP)起源于Solow(1957)索洛模型的研究,綜合反映了社會生產(chǎn)之中除了資本、人力要素投入之外的因素對總產(chǎn)出的影響[1]。國內(nèi)對TFP的研究層面主要集中于對中國省際TFP的測算與分析,對全國不同區(qū)域或某一區(qū)域進行研究,以及針對某一省份進行研討和分產(chǎn)業(yè)細分TFP進行研究。

TFP的測算方法分為參數(shù)方法和非參數(shù)方法。參數(shù)方法根據(jù)宏觀經(jīng)濟理論建立計量經(jīng)濟學模型,計算各變量系數(shù)從而擬合數(shù)據(jù);非參數(shù)方法的主要代表是數(shù)據(jù)包絡(luò)方法(Data Envelopment Analysis,DEA)。DEA模型的效率評測方法可有效規(guī)避涉及價格體系問題的總量指標匯總不具備橫向和縱向可比性的問題(馬贊甫,2020)[2]。DEA-Malmquist指數(shù)法繼承了DEA方法的這一優(yōu)勢,不需要預先設(shè)定行為假設(shè)(吳雙,2008)[3],也不需要對數(shù)據(jù)進行無量綱化處理,就能夠呈現(xiàn)TFP增長率變動,分解出增長的推動力。

現(xiàn)有TFP研究多數(shù)集中于省際層面,有全國范圍、區(qū)域范圍及一省之內(nèi)的研究,但是關(guān)于西南地區(qū)的相關(guān)研究比較匱乏。西南地區(qū)為我國的欠發(fā)達地區(qū),對西南地區(qū)各省份進行TFP增長率分析,可衡量不同地區(qū)的經(jīng)濟增長質(zhì)量和經(jīng)濟發(fā)展情況。本文選用DEA-Malmquist指數(shù)法對西南地區(qū)(重慶市、四川省、云南省、貴州省)區(qū)域內(nèi)部TFP增長率進行研究,并與全國平均水平進行比較,找出其中差距,為促進西南地區(qū)的發(fā)展提出建議。

1 數(shù)據(jù)來源與數(shù)據(jù)處理

1.1 數(shù)據(jù)來源

本文國內(nèi)生產(chǎn)總值(Gross Domestic Product,GDP)來自各年份的《中國統(tǒng)計年鑒》,人力資源數(shù)據(jù)來自各省份歷年統(tǒng)計年鑒中的年末從業(yè)人員數(shù),資本存量數(shù)據(jù)通過投資額數(shù)據(jù)、投資品價格平減指數(shù)和折舊額數(shù)據(jù)進行計算得到。根據(jù)徐淑丹(2017)的研究,選擇固定資本形成總額作為投資額數(shù)據(jù),固定資產(chǎn)投資價格指數(shù)作為投資品價格平減指數(shù),固定資產(chǎn)折舊額作為折舊額數(shù)據(jù)[4]。

1.2 數(shù)據(jù)處理

由于不同年份等量貨幣的購買力不同,所以為了創(chuàng)造相對客觀的效率比較環(huán)境,需要確定基期,將涉及貨幣的總量數(shù)據(jù)進行價格平減處理。本文以2008年為基期,使用GDP平減指數(shù)對GDP進行平減處理,使用固定資產(chǎn)投資價格指數(shù)分別對固定資本相關(guān)數(shù)據(jù)進行平減處理,所有數(shù)據(jù)均以省為單位進行單獨計算。

統(tǒng)計年鑒上2008年和2013年的固定資產(chǎn)折舊額數(shù)據(jù)缺失,需要對數(shù)據(jù)進行插補。統(tǒng)計學插補法是一種研究深入、使用廣泛的缺失數(shù)據(jù)填補方法,鄧建新(2019)比較分析了刪除法、加權(quán)法、機器學習插補法及統(tǒng)計學插補法,指出均值插補可用于簡單數(shù)據(jù)的填補[5]。由于固定資產(chǎn)折舊額數(shù)據(jù)沒有多余的信息,根據(jù)數(shù)據(jù)的基本特征,所以本文選用前后兩年的均值插補2008年和2013年的缺失數(shù)據(jù)。

1.3 資本存量的計算

目前,資本存量計算主要使用永續(xù)盤存法,該方法的重點是對于折舊率的估算。本文采用徐淑丹(2017)的改進直接估算法,該方法使得折舊率的計算擺脫了基期的限制,能夠根據(jù)實際折舊額數(shù)據(jù)進行估算并可根據(jù)時間與省份的變動合理變化[4]。假設(shè)每兩年折舊率相同,記為■t,假設(shè)每3年折舊率相同記為■t,其公式如下:

其中,Dt、It為第t期折舊額和投資額,根據(jù)每兩年折舊率相同和每3年折舊率相同的假設(shè),可得連續(xù)3年折舊率真實值如下:

理論上,公式(2)計算的δt估計值與實際折舊率的真實值是一致的,但是統(tǒng)計年鑒數(shù)據(jù)存在統(tǒng)計口徑變動的誤差及人為不可避免的誤錄與遺漏,所以要設(shè)置評判標準進行篩選。徐淑丹(2017)根據(jù)《中華人民共和國企業(yè)所得稅法實施條例》(中華人民共和國國務(wù)院令512)簡稱《條例》中第五十九條和第六十條的規(guī)定,設(shè)定2008年以后的折舊率為0%~18.41%[4]。鑒于《條例》自2008年1月1日起實施以來,僅在2017年2月24日對第九條進行過修改,所以本文沿用上述折舊率估計區(qū)間。

2 模型構(gòu)建與結(jié)果分析

2.1 DEA-Malmquist指數(shù)模型構(gòu)造

DEA-Malmquist指數(shù)模型是FaRe R(1994)將Malm-

quist指數(shù)方法與DEA理論相結(jié)合的產(chǎn)物,涉及投入導向和產(chǎn)出導向兩個研究方向[6]。DEA-Malmquist指數(shù)模型涉及兩個研究方向,分別為投入導向和產(chǎn)出導向。本文主要研究西南地區(qū)的生產(chǎn)潛力,選擇產(chǎn)出導向模型,公式如下:

M表示DEA-Malmquist指數(shù),xt、yt、dt表示t期投入向量、產(chǎn)出向量和產(chǎn)出距離函數(shù)。在規(guī)模報酬不變的假定下,DEA-Malmquist指數(shù)可以分解為技術(shù)進步指數(shù)(Technical Change,TECHCH)及技術(shù)效率變動指數(shù)(Technical Efficiency Changes,EFFCH):

在規(guī)模報酬可變的假定下,技術(shù)效率變動指數(shù)可分為規(guī)模效率變動指數(shù)(Scale Efficiency Changes,SECH)與純技術(shù)效率變動指數(shù)(Pure technical Efficiency Changes,PECH):

公式(3)~(5)中的指數(shù)均是測度t期到t+1期指標的相對變化程度。指標值大于1表示效率相對上升;指標值等于1表示效率保持不變;指標值小于1表示效率相對下降。通過DEA-Malmquist指數(shù)模型不僅可以測度TFP的相對變化,還可以細分技術(shù)進步指數(shù)、技術(shù)效率變動指數(shù)、規(guī)模效率變動指數(shù)和純技術(shù)效率變動指數(shù)的變動情況,并具體分析導致TFP變化的因素。

2.2 結(jié)果分析

本文選取2008—2017年全國30個省份(直轄市、自治區(qū),西藏除外)的不變價處理GDP作為產(chǎn)出變量、年末從業(yè)人員和經(jīng)計算求得的不變價資本存量作為投入數(shù)據(jù),將全國30個省份作為決策單元構(gòu)造DEA-Malmquist指數(shù)模型,得到全國30個省份的TFP變化率及相關(guān)的4個指標。文章選取西南地區(qū)與全國的上述指標(西南地區(qū)和全國的指標值為所在區(qū)域內(nèi)各省市相應指標的算數(shù)平均值),進行空間特征分析和時間特征分析。

2.2.1 空間特征分析

由表1可知,西南地區(qū)和全國的TFP相對變動指標均小于1,說明二者TFP呈現(xiàn)下降趨勢;西南地區(qū)和全國的EFFCH均大于1,二者技術(shù)效率均呈上升趨勢,但是這種上升趨勢并未彌補二者技術(shù)進步指標(分別為0.937 8和0.955)作用的下降,并最終導致TFP相對變動的下降。將技術(shù)效率進一步分解,得出二者純技術(shù)效率變動分別為1.019 4和1.006,規(guī)模效率變動分別為1.003和1.003,都呈現(xiàn)出上升的趨勢。

總體來說,西南地區(qū)和全國5類指標呈現(xiàn)相同的上升或者下降趨勢,但是變動幅度略有不同,西南地區(qū)相對較高的純技術(shù)效率上升趨勢和與全國水平持平的規(guī)模效率上升趨勢共同作用,導致西南地區(qū)具有更高的技術(shù)效率上升趨勢,而西南地區(qū)較高的技術(shù)進步下降趨勢抵消了技術(shù)效率上升趨勢的促進作用,使得西南地區(qū)具有更加明顯的TFP下降趨勢。

西南地區(qū)三省一市在技術(shù)效率變動、技術(shù)進步變動、純技術(shù)效率變動、規(guī)模效率變動和TFP相對變動方面具有一致的趨勢。

在具體省份上,西南地區(qū)4個區(qū)域TFP均有所下降。重慶市TFP下降幅度最小,為0.965 0;貴州省和四川省緊隨其后,分別為0.948 0和0.943 0;云南省下降幅度最大,為0.932。在技術(shù)效率變動、技術(shù)進步變動、純技術(shù)效率變動和規(guī)模效率變動方面,重慶市均處于優(yōu)勢地位。貴州省上述4個指標變動均處于第二位,相比于四川省和云南省具有優(yōu)勢。云南省各項指標墊底,尤其是技術(shù)效率變動方面與其余3個地區(qū)差異較大,TFP下降趨勢最為明顯。

2.2.2 時間特征分析

經(jīng)過測算,除云南省在2014年略有下降外,各地區(qū)與全國TFP相對變動值均呈現(xiàn)上升趨勢;2016年之前,重慶市占據(jù)優(yōu)勢地位,2017年貴州省后來居上排名第一;四川省和云南省一直低于全國水平,僅在2017四川省超過全國和重慶水平,排名地區(qū)第二位;2016年重慶市TFP率先扭轉(zhuǎn)頹勢實現(xiàn)增長,2017年其余地區(qū)均實現(xiàn)TFP的正增長。

各地區(qū)與全國技術(shù)效率改進均呈現(xiàn)“S”形波動上升的趨勢,2012年后各地區(qū)技術(shù)效率開始上升,但在2014年和2015年云南省技術(shù)效率下降;全國在2015年平均技術(shù)效率下降;2016年之前重慶市占據(jù)優(yōu)勢地位,在2017年貴州省后來居上;在2011年之后,重慶市、四川省和云南省技術(shù)效率上升趨勢高于全國水平。

除云南省在2014年略有下降外,各地區(qū)與全國技術(shù)進步相對變動值均呈現(xiàn)上升趨勢,并且2016年之前重慶市占據(jù)優(yōu)勢地位,在2017年貴州省后來居上;四川省和云南省一直低于全國水平,僅在2017四川省超過全國和重慶水平,排名第二位;2016年重慶市TFP率先扭轉(zhuǎn)頹勢實現(xiàn)增長,2017年其余地區(qū)均實現(xiàn)TFP的正增長。

各地區(qū)純技術(shù)效率相對變動幅度明顯,云南省尤甚;各地區(qū)純技術(shù)效率在2010年之后呈現(xiàn)上升趨勢;在2016年之后,貴州省純技術(shù)效率增長水平趕超重慶市,占據(jù)優(yōu)勢地位;四川省和云南省2016和2017年純技術(shù)效率增長水平相近,而重慶市下降為墊底水平;在2011年之后,重慶市、四川省和云南省純技術(shù)效率相對變動水平均高于全國水平,云南省變化不定。

各地區(qū)規(guī)模效率相對變動呈現(xiàn)出波動上升的趨勢;全國、四川省和重慶市規(guī)模效率從2010年開始逐年上升;貴州省和云南省規(guī)模效率從2011年開始逐年上升,貴州省在2014年規(guī)模效率相對變動大幅度提升,并最終占據(jù)優(yōu)勢地位,但是在2014年之后起伏巨大;總體來說,2014年之后,除四川省外,其余3個地區(qū)規(guī)模效率相對變動幅度均高于全國水平。

3 研究結(jié)論

本文取2008—2017年全國30個省份作為決策單元構(gòu)造DEA-Malmquist指數(shù)模型,得到全國30個地區(qū)的TFP變化率,以及相關(guān)的EFFCH、TECHCH、PECH、SECH 4個指標變化率。從空間特征和時間特征兩個方面具體分析5個指標的具體變動,最終得出如下結(jié)論。

(1)總體上,西南地區(qū)和全國5類指標呈現(xiàn)相同的上升或者下降趨勢,但是變動幅度略有不同。

(2)西南地區(qū)較高的技術(shù)進步下降趨勢抵消了技術(shù)效率上升趨勢的促進作用,反而使得西南地區(qū)具有更加明顯的TFP下降趨勢。

(3)在技術(shù)效率變動、技術(shù)進步變動、純技術(shù)效率變動和規(guī)模效率變動方面,重慶市均處于優(yōu)勢地位,但是2016—2017年略有下降。

(4)貴州省沖勁十足,各項指標在2018年均處于較低位置,但是近10年取得了快速的發(fā)展,除規(guī)模效率相對變動外,其余指標相對變動都處于優(yōu)勢地位。

參 考 文 獻

[1] Solow R M.Technical Change and Aggregate Production Function[J].Review of Economics & Stats,

1957,39(3):312-320.

[2] 馬贊甫,陳軍.中國省域單位城鎮(zhèn)居民消費傾向的交叉測算[J].消費經(jīng)濟,2020,36(3):85-96.

[3] 吳雙.全要素生產(chǎn)率測算的參數(shù)方法與非參數(shù)方法之比較[J].時代經(jīng)貿(mào)(下旬刊),2008(2):63-64.

[4] 徐淑丹.中國城市的資本存量估算和技術(shù)進步率:1992—2014年[J].管理世界,2017(1):17-29,187.

[5]鄧建新,單路寶,賀德強,等.缺失數(shù)據(jù)的處理方法及其發(fā)展趨勢[J].統(tǒng)計與決策,2019,35(23):28-34.

[6] FaRe R,Grosskopf S,Zhang N Z.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J].American Economic Review,1994,84(1):66-83.

猜你喜歡
西南地區(qū)變動云南省
西部大開發(fā)20年:西南地區(qū)內(nèi)部比較
南下資金持倉、持股變動
童眼看兵器
北上資金持倉、持股變動
夜郎自大
北向資金持倉、持股變動
南向資金持倉、持股變動
云南青年齊相聚 點亮青春大盛會
云南省普惠金融發(fā)展研究
云南省普惠金融發(fā)展研究
辉县市| 大港区| 运城市| 来安县| 沧源| 信丰县| 临夏县| 治县。| 囊谦县| 报价| 七台河市| 泸州市| 九龙坡区| 屏山县| 瓮安县| 广元市| 常宁市| 宁陵县| 三门峡市| 吕梁市| 昂仁县| 厦门市| 延边| 合江县| 仪征市| 龙里县| 汝阳县| 灵寿县| 临颍县| 曲靖市| 阿图什市| 土默特右旗| 五常市| 淄博市| 灌阳县| 乌恰县| 旬阳县| 康乐县| 桂林市| 光泽县| 达尔|