#67#
用DEA方法评测知识生产中的
技术效率与技术进步
吴延兵
(中国社会科学院经济研究所)
=摘要>本文以1996~2003年我国29个省区市大中型工业企业面板数据为样本,运用数据包络分析技术将知识生产率分解为技术效率变化和技术进步,并检验了各省份知识生产中技术效率和技术进步的收敛情况。研究发现,1996~2003年期间我国工业企业知识生产中的技术效率有所提高、技术进步出现下降,知识生产率下降主要源于技术进步的下降。研究还表明,知识生产中的技术效率和技术进步存在着条件收敛,但不存在绝对收敛。
关键词 知识生产 技术效率 技术进步 DEA中图分类号 F42416 文献标识码 A
EvaluatingTechnicalEfficiencyandTechnicalProgress
ofKnowledgeProductionbyUsingDEA
Abstract:BasedonthepaneldataofindustrialsectoracrossregionsofChinaduringtheperiodof1996~2003,thepaperdecomposesknowledgeproductioneff-iciencyintotechnicalefficiencychangeandtechnicalprogressbyusingdataenvelop-mentanalysis(DEA)1Thepaperfindsthattechnicalefficiencyofknowledgepro-ductionhasimprovedandtechnicalprogresshasdeclinedsince19961Conditionalconvergenceoftechnicalefficiencyandtechnicalprogressofknowledgeproductionisalsofoundinthispaper1
Keywords:KnowledgeProduction;TechnicalEfficiency;TechnicalPro-gress;DEA
引 言
对于创新投入与创新产出之间的关系,经济学文献中称之为知识生产函数,其研究的主要内容包括知识生产的动力、性质及其影响因素。对知识函数的研究最早可追溯到20世纪
60年代(Scherer,1965;Comanor,1965)。20世纪80年代以后,学者们在考虑了创新投入产出间的时滞关系和创新产出的数据性质后,对知识函数进行了更深入细致的研究(Pa-kes和Griliches,1984;Hausman、Hall和Griliches,1984、1986;Crpon和Duguet,1997;Blundell、Griffith和VanReenen,1995、1999)。这些研究尽管分析方法、数据来#68#
5数量经济技术经济研究62008年第7期
源、变量设定不尽相同,但几乎所有研究均表明创新投入与创新产出之间存在着显著的正向关系。
关于中国的知识生产函数问题也引起了国内外学者的关注。Jefferson等(2004)利用中国1997~1999年大中型制造企业面板数据,运用线性形式知识生产函数模型研究发现,研发支出强度对新产品销售收入份额有显著正效应。Zhang等(2003)利用1995年中国工业普查数据中的8341个大中型工业企业截面数据,运用随机前沿生产函数模型研究发现,R&D支出和R&D人员均对新产品销售收入有显著正影响。吴延兵(2006)利用中国1993~2002年大中型工业企业行业面板数据,运用柯布-道格拉斯生产函数模型研究发现,R&D人员比R&D资本对知识生产做出了更大贡献,且知识生产过程具有规模报酬不变或递减的特征。
上述关于知识函数的研究都采用了参数化的生产函数方法。这种方法首先设定特定的生产函数形式,然后通过回归分析估计出创新投入的弹性系数,从而判断各项创新投入对创新产出的影响程度,进一步还可以分析知识生产效率的各种影响因素。参数化分析方法的优点是可以明确得出各种创新投入的参数估计值,进而判断知识生产的主导因素和性质。但是参数化方法需要设定生产函数的具体形式,并进行相关的行为假设;而且参数化方法只能局限于考察知识生产中的静态效率问题,无法考察效率的动态变化。在本研究中,我们首次采用非参数分析方法中的数据包络分析(DEA)对知识生产函数进行研究。数据包络分析法不需要设定生产函数的具体形式,可以规避参数方法的多种限制,而且能够将生产率变化进一步分解为技术效率变化和技术进步。相对于参数化方法而言,用非参数DEA方法分解出知识生产中的技术效率和技术进步,能够更深入地了解我国工业企业的知识生产发展状况。运用DEA对知识生产中的生产率进行分解是以有效地衡量创新投入和创新产出为前提的。相对于已有文献而言,本文对创新投入和创新产出采用了更为合理的衡量指标。在创新产出方面,鉴于专利统计中存在的诸多缺陷,本文采用了一种更为直接衡量创新产出的指标)))新产品开发项目数。新产品开发项目数所包含的创新范围更加广泛,可以克服以专利数量作为创新产出指标时存在的某些缺陷。在创新投入方面,把投入要素细分为研发支出和研发人员两因素;而且考虑到研发支出对创新的滞后效应,首先测算了研发资本存量,在此基础上再运用DEA对知识生产函数进行研究。
本文以1996~2003年我国29个省区市大中型工业企业面板数据为样本,运用DEA方法对知识生产函数的研究表明,1996~2003年期间我国工业企业知识生产中的技术效率有所提高、技术进步出现下降;各省区知识生产中的生产率增长主要来源于技术效率的提高。研究还表明,我国工业知识生产中的技术效率和技术进步存在着条件收敛,但不存在绝对收敛。这说明我国各省份知识生产中的技术效率和技术进步都在向各自的稳态水平趋近,但各省份之间的技术效率和技术进步最终不会达到相同的稳态水平。
一、研究方法
数据包络分析法是一种面向数据的评测方法,用于测评一组具有多种投入和多种产出的决策单元的绩效和相对效率。数据包络分析方法的基本思想是,首先确定每一时期各决策单元的最佳生产前沿,再用每一决策单元的实际生产同最佳生产前沿进行比较,从而可以测算出每个决策单元的技术效率,在此基础上还可以进一步测算出全要素生产率变化及其构成)))技术效率变化和技术进步。运用DEA测算生产率可以基于投入或基于产出两种不同的用DEA方法评测知识生产中的技术效率与技术进步
#69#
角度。本文采用基于产出的DEA方法来评测我国工业企业知识生产中的生产率问题。
设在每一个时期t=1,,,T,第k=1,,,K个决策单元使用n=1,,,N种投入xtk,n,得到m=1,,,M种产出ytk,m。在固定规模报酬(简记为C)、投入要素强可处置(简记为S)条件下,产出可行集(参考技术)定义为: P(x|C,S)={(y1,,,ym):
t
t
t
t
Ek=1zkyk,m\\ym;
t
t
t
K
E
Kk=1
zkxk,n[xn;zk\\0}
tttt
(1)
式中,z表示每一个决策单元观察值的权重。在定义好参考技术后,第kc个决策单元的技术效率定义为:
Fto(xtk,ytkc|C,S)=maxHkc
ts1t1 Hkcykc,m[
E
t
Kk=1
ztkytk,m
t
(2)
E
t
Kk=1
zkxk,n[xkc,n
t
zk\\0
为了便于分析,在计算技术效率的基础上,进一步定义产出距离函数(OutputDistanceFunction)。根据Fare等(1994),距离函数是技术效率的倒数¹,即
Dto(xt,yt)=1/Fto(xt,yt|C,S)
(3)
Malmquist生产率指数就是以某一时期的生产前沿为参照技术,用两个不同时期的距离
函数的比值来表示。分别以t时期和(t+1)时期的生产前沿为参照技术,则从t到(t+1)时期的Malmquist生产率指数可以分别表示为:
Mo=Do(xM
t+1ot
t
t+1
t+1
t
t
t
,y
t+1
)/Do(x,y)
t+1
(4)
t
=D
t+1o
(x,y)/D
t+1o
(x,y)
t
为了避免在选择t还是(t+1)时期的生产前沿为参照技术时的随意性,通常用两个不同时期生产率指数的几何平均值来计算生产率变化,即
TFP=(MM
to
t+1o
)=
12Dto(xt+1,yt+1)tttDo(x,y)Dto+1(xt+1,yt+1)t+1ttDo(x,y)
12Dto+1(xt+1,yt+1)Dto(xt+1,yt+1)Dto(xt,yt)=
Dto(xt,yt)Dto+1(xt+1,yt+1)Dto+1(xt,yt)=EC(xt+1,yt+1;xt,yt)#TC(xt+1,yt+1;xt,yt)
t
t
t+1
t+1
t+1
t+1
t+1
t
t
t
12
(5)
在(5)式中,Malmquist生产率指数要求计算四个距离函数:Dto(xt,yt),Dto+1(xt,y),Do(x,y),Do(x,y)。其中,Do(x,y)由(2)式和(3)式解出。其他三个距离函数也可以用类似的线性规划问题解出。
由(5)式可知,生产率指数TFP被分解为EC和TC两项的乘积。EC(EfficiencyChange)是技术效率变化指数,它表示从t时期到(t+1)时期每个观测对象对生产前沿的追赶程度。TC(Technicalchange)是技术进步指数,它测度了从t时期到(t+1)时期生产前沿的移动。因而,生产率变化就被分解为技术效率变化和技术进步。如果EC、TC大
¹
为简便起见,以下公式均省略了下标k。#70#
5数量经济技术经济研究62008年第7期
于1意味着技术效率改善和技术进步,小于1意味着技术效率恶化和技术退步,等于1意味着技术效率和技术进步无变化。相应地,生产率指数大于1、小于1、等于1分别意味着生产率增长、下降和无变化。
为了进一步明确生产率、技术效率变化和技术进步的含义,下面用图解方法对此进行说明。
图1 Malmquist生产率指数及其分解
如图1所示,假设一种投入生产一种产出。x为投入,y为产出。从原点出发的两条射线表示t和(t+1)时刻的规模报酬不变的生产前沿,与它们对应的生产可能性集合分别以St和St+1表示。技术效率定义为在给定投入情况下实际产出与生产前沿上的产出之比,那么在t时刻观测到的投入产出点(xt,yt),相对t时刻的生产前沿的技术效率为0a/0b。同理,在t+1时刻观测到的投入产出点(xt+1,yt+1),相对t时刻的生产前沿的技术效率为0d/0c。生产率变化定义为(t+1)时刻的技术效率和t时刻的技术效率的比值,即Mt=0d/0c。另外,当以(t+1)时刻的生产前沿为参照技术时,(xt,yt)和(xt+1,yt+1)这0a/0b
两个观测点的生产率变化可写成M
t+1
=
0d/0e。为了避免在选择t还是(t+1)时刻的生产0a/0c
前沿为参照时的随意性,通常取两个时期生产率的几何平均值作为生产率变化。这样,生产率指数可以表示为:
TFP=(M#M
t
t+1
)=
120d/0c0d/0e0a/0b0a/0c
12=
0d/0e0a/0b0e0c#0c0b
12(6)
因此,生产率指数被分解为两项的乘积。第一项的分子(0d/0e)为给定(t+1)时刻的投入水平x
t+1
,(t+1)时刻的实际产出与(t+1)时刻生产前沿上的产出之比(即(t+
t
1)时刻的技术效率),分母(0a/0b)为给定t时刻的投入水平x,t时刻的实际产出与t时刻生产前沿上的产出之比(即t时刻的技术效率)。这两个技术效率的比值即是从t到(t+1)时刻技术效率的变化。第二项的第一个比值(0e/0c)为给定(t+1)时刻的投入水平xt+1,(t+1)时刻生产前沿上的产出对t时刻生产前沿上的产出之比;第二个比值(0c/0b)用DEA方法评测知识生产中的技术效率与技术进步
#71#
为给定t时刻的投入水平xt,(t+1)时刻生产前沿上的产出对t时刻生产前沿上的产出之比。这两个比值均为在给定投入水平的情况下生产前沿在产出增加方向上的移动。这两个比值的几何平均值即为技术进步。这样,生产率变化在几何意义上被拆分为技术效率变化和技术进步。由上述数学表达式及图解形式,当把Malmquist生产率指数及其分解应用在对知识生产函数的研究上时,知识生产中的技术效率变化是指不同时期之间技术效率的比值,该比值大于1则表明知识生产中存在着技术效率改进。知识生产中的技术进步是指在给定创新投入的情况下,不同时期生产前沿上的创新产出之比,该比值大于1则表明知识生产中存在着技术进步。下面运用上述的DEA方法测算我国各省份大中型工业企业知识生产中的生产率变化及其构成。但知识生产毕竟不同于一般产品的生产,因而需要对知识生产中的产出和投入的衡量指标作出说明。
二、知识生产中的产出和投入
本文采用的数据来源于5中国科技统计年鉴6,以1996~2003年中国各省区市大中型工业企业面板数据为样本。在中国31个省区市中,因西藏自治区的数据缺失值太多,从样本中剔除。重庆市于1997年从四川省中分离,成为直辖市。为了保持数据统计口径的一致,将重庆市数据合并到四川省中。这样,每年共有29个省市自治区进入样本,8年共计232个观测值。下面对知识生产过程中的创新产出和创新投入指标进行说明。
11知识生产中的产出
在工业企业创新产出方面,从理论上来说,从创新产出的形式很多,比如降低生产成本的工艺创新、新方法和新产品的创新、产品设计和质量的改善等诸多方面。在实际应用中,学者们普遍认为专利数量能够较好地反映创新产出,而且专利数据相对容易获得,统计也较方便。但是,专利在很大程度上只是一种中间产品,它反映了新技术知识,却没有反映新知识是否有经济价值,也许只有那些成功商业化的发明创造才可称得上创新。许多学者指出了专利在衡量创新产出时的诸多缺陷。专利的数量和质量将取决于机会、申请专利的难度、决策者对专利申请好处的判断(Scherer,1983);而且并不是所有的创新都注册为专利,不同专利在经济价值上也有很大差别(Pakes和Griliches,1980)。申请专利的倾向也因企业规模的不同而存在较大差异,大企业通常依靠市场和技术上的垄断地位来保护创新,而小企业更愿意申请专利以免其创新成果被拥有更多资源的大企业侵犯(Comanor和Scherer,1969)。Griliches指出:/我们希望专利统计是一种理想的创新产出的衡量指标,,但实际情况并非如此。寻求一种有效的衡量创新产出的指标,是创新经济学研究中强有力的激励力量之一。0(1990)
在本文所采用的地区工业数据中,由于我国各地区的经济发展程度、资源禀赋和文化传统差别很大,导致各地区专利申请数量和专利价值存在很大差异。鉴于专利数量在衡量创新产出方面的缺陷,在本项研究中我们使用更为直接的衡量创新产出的指标)))新产品开发项目数。5中国科技统计年鉴6上提供了中国各省市区大中型工业企业的新产品开发项目数,这为本文研究提供了数据基础。根据5中国科技统计年鉴6上的定义,新产品是指/采用新技术原理、新设计构思研制、生产的全新产品,或在结构、材质、工艺等某一方面比原有产品有明显改进,从而显著提高了产品性能或扩大了使用功能的产品,既包括政府有关部门认定并在有效期内的新产品,也包括企业自行研制开发,未经政府有关部门认定,从投产之日起一年之内的新产品,它用来反映科技产出及对经济增长的直接贡献0。按照上述定义,新#72#
5数量经济技术经济研究62008年第7期
产品既包括由于新工艺和新方法而产生的全新产品,也包括对原有产品设计和质量的改善而产生的改进新产品;既包括那些已经申请专利的新产品,也包括那些尚未申请专利的新产品。显然,新产品所包含的创新范围比专利数量广泛得多;而且新产品中包括了那些尚未申请专利的新产品,可以克服各地区因专利申请趋向差异而导致的估计偏差。当然,新产品也像专利一样无法鉴别每个创新的质量,但新产品可以避免专利申请和专利统计中存在的诸多扭曲因素。所以,在知识生产函数研究中,我们将以新产品开发项目数作为衡量创新产出的指标。
21知识生产中的投入
相对于创新产出的衡量而言,创新投入的衡量相对比较容易。文献中通常以研究开发经费(简称R&D支出)或研发人员数量(简称R&D人数)来表示创新投入。但是,西方绝大多数实证文献在研究知识生产函数时,仅仅用R&D支出或R&D人数作为创新投入变量,很少有研究将R&D支出和R&D人数同时纳入知识生产函数分析中。这种方法由于仅仅考虑了单一投入要素对知识生产的影响,对知识生产性质的研究不可避免地产生偏差。而且,由于R&D对知识生产的影响不仅表现在当期,对以后若干时期的知识生产也有重要影响,所以应该在核算R&D存量的基础上研究知识生产函数。在本文中,我们将R&D支出¹和R&D人数视为知识生产中的要素投入。R&D人数以技术开发人员数量表示。下面重点说明R&D存量的核算。
R&D存量一般用永续盘存法(PerpetualInventoryMethod,PIM)来测算(Griliches,1980;Hall和Mairesse,1995;Crpon和Duguet,1997)。测算公式为:
Kit=Eit+(1-S)Ki,t-1
(7)
式中,K表示R&D存量,E表示R&D支出。S为折旧率。在估算R&D存量时,关键是要构造R&D支出价格指数、确定折旧率S和基期R&D资本存量。下面对其进行简要说明。
首先要将R&D支出平减成实际值。关键是要设定R&D支出价格指数。有些文献以消费物价指数和固定资产投资价格指数的加权平均值来表示R&D价格指数(朱平芳、徐伟民,2003)。有幸的是,5中国科技统计年鉴6提供了R&D支出细目,即R&D支出由技术开发人员劳务费、固定资产购建费、原材料费和其他费用四部分构成。由于本文的创新投入包括了R&D支出和R&D人员两部分,如果在核算R&D存量时还包括R&D人员劳务费,那么R&D人员投入就会被重复计算。为了避免重复计算,从R&D支出总额中扣除了R&D人员劳务费,这样R&D支出中只剩下了固定资产购建费、原材料费和其他费用三部分。根据这些数据,构造R&D价格指数如下:R&D价格指数=(固定资产购建费/R&D支出)@固定资产投资价格指数+(原材料费/R&D支出)@原材料购进价格指数+(其他费用/R&D支出)@其他费用价格指数。5中国统计年鉴6提供了29个省区市1996~2003年每年的固定资产投资价格指数º,但原材料购进价格指数只有年度数据而没有分省数据。由于其他费用的含义并不明确,我们用各省区市的固定资产投资价格指数和原材料购进
¹
根据5中国科技统计年鉴6的定义,本文的R&D支出是指技术开发经费内部支出,是年度内企业用于科技活动
的实际支出,包括劳务费、科研业务费、科研管理费、非基建投资购建的固定资产、科研基建支出以及其他用于科技活动的支出,不包括生产性活动支出、归还贷款支出及转拨外单位支出。
º
广东省在1996~2000年期间、海南省在1996~1999年期间缺少/固定资产投资价格指数0,我们用全国的/固
定资产投资价格指数0来代替。用DEA方法评测知识生产中的技术效率与技术进步
#73#
价格指数的平均值来表示其他费用价格指数。上述三类指数分别折算成以1996年价格表示的不变价。用计算出的R&D价格指数对R&D支出数据平减,从而得到各省市区1996~2003年各年的R&D支出实际值。
关于折旧率S,文献中通常将之设定为15%(Griliches和Lichtenberg,1984;Hall和Mairesse,1995;Crpon和Duguet,1997;Hu等,2005)。本文也采用了这一方法。
对于基期R&D存量,按照Hall和Mairesse(1995)的方法,设样本前所有时期的R&D支出呈几何级数衰减,并设样本前所有时期的R&D支出的平均增长率为g,则基期R&D存量可以表示为K1=E1/(g+S)。假定过去所有时期中R&D支出的平均增长率为5%
¹
(Hall和Mairesse,1995),则当折旧率S=15%时,K1=E1/(0105+0115)=5E1,
即基期R&D存量是基期R&D支出的5倍。核算出基期R&D存量后,就可以利用永续盘存法(6)式计算出各省市区1997~2003年历年的R&D存量。
关于本文所使用的知识生产中的产出与投入的描述性统计如表1所示。 表1
均值
新产品数量(个)R&D存量(亿元)R&D人员(万人)
1958166484150041795
变量描述性统计标准差1931144295137931887
中位数1337100051134431694
最大值903410004801009161849
最小值2210000189801042
三、测算结果
根据上述创新投入和产出指标说明,运用数据包络分析法,我们测算了我国省区工业企
业知识生产中的生产率增长及其构成。表2给出了29个省区知识生产中的生产率、技术效率和技术进步指数的平均值和标准差º。
由表2各省区市1996~2003年期间生产率指数的均值来看,青海、内蒙古、海南、四川、广西、安徽、广东、吉林等省份的生产率指数大于1,表明这些省份的知识生产中出现了生产率增长。然而绝大多数省份的生产率指数位于019~1之间,表明这些省份的知识生产中出现了生产率下降。从各省份技术效率变化指数的均值来看,除湖南、宁夏、新疆、贵州、北京等少数几个省区的技术效率指数小于1以外,其他省区市的技术效率指数都大于1,表明绝大多数省区的知识生产中存在着技术效率的改进。从各省份技术进步指数的均值来看,29个省份的技术进步指数均小于1,表明我国各省份知识生产中普遍出现了技术进步率的下降。因为生产率指数是技术效率指数和技术进步指数的乘积,由此可见,某些省份知识生产中的生产率增长来源于技术效率的提高,而绝大多数省份知识生产中的生产率下降来源于技术进步的下降。
中国各地区差别很大,特别是东中西部资源禀赋、经济基础和创新能力有很大差异。为了检验区域差异对知识生产的影响,按照各省份的地理位置把29个省份划分为东、中、西
¹
相对于折旧率S而言,R&D支出平均增长率g的假定并不重要,因为g仅仅影响基期R&D存量,并不对以后
时期R&D存量测算产生影响。由该式也可见,当g与S之和作为分母时,S的取值可以抵消g的作用。因此,S是R&D存量核算中的关键参数,这也是大量文献特别关注S的原因。
º
因篇幅所限,我们只列出了29个省份知识生产中的TFP、EC、TC的均值。#74#
5数量经济技术经济研究62008年第7期
部三大地区¹后可以发现,西部地区知识生产中出现了生产率增长,平均增长率为012%,而东部地区和中部地区知识生产中均出现了生产率下降。从生产率指数的分解来看,三大区域的技术效率指数均大于1,而技术进步指数均小于1,表明技术效率得以改进,而技术进步出现下降。因此,西部地区知识生产中生产率增长的原因在于技术效率的提高;东部地区和中部地区的技术效率虽然有所提高,但由于技术进步的下降,生产率也出现下降趋势。
从全国平均的测算结果来看,1996~2003年期间在我国工业企业的知识生产中,技术效率的平均增长率为6%,技术进步的平均增长率为-5%,生产率的平均增长率为-2%,即在知识生产中技术效率逐步提高,技术进步呈现下降,生产率也出现下降趋势。
总结上述测算结果可以发现,1996~2003年期间在我国地区工业企业的知识生产中,技术效率得以改进、技术进步呈现下降。关于我国工业知识生产中技术效率不断提高是容易理解的。在我国经济转轨过程中,技术效率改善主要源于企业管理体制的改革和市场竞争程度的加剧。改革开放以来,随着国有企业产权改革的逐步深化、市场经济体制的逐步确立以及对外开放的深入发展,企业产权结构更为明晰,市场竞争更加激烈。明晰化的产权结构激励企业从事更多创新活动,在创新过程中也更加注重合理地配置资源、提高生产效率。市场竞争的加剧促使企业改善经营管理,尽可能做到物尽其用、人尽其才,不断提高效率以赢得竞争优势。所以知识生产中技术效率的提高是产权改革深化和市场竞争加剧的必然结果。但是,关于知识生产中技术进步呈现下降趋势似乎不容易理解,这主要源于知识生产有不同于一般产品生产的特性。
从数据包络分析方法中技术进步的含义可见,所谓知识生产中的技术进步下降,就是指给定某一创新投入水平,t+1期生产前沿上的创新产出小于t期生产前沿上的创新产出。或者说,t+1期需要更多的创新投入才能得到与t期相同的创新产出。知识生产中的技术进步下降来源于知识生产的特有性质。从创新产出的角度来看,本文知识生产中创新产出以新产品数量来衡量,因此知识生产规模的扩大体现为新产品数量的增加。在创新的早期阶段,由于产品种类较少,一定的创新投入就能获得较大的创新产出。但随着新产品数量的不断增加,在基础科学没有取得突破性进展的情况下,创新难度将不断增加、创新空间将逐渐减小,这时需要更多的创新投入才能获得与原来相同的创新产出,从而导致知识生产前沿的下移,也就是知识生产中出现技术进步下降。从创新投入的角度来看,由于新知识对旧知识的取代以及知识的迅速扩散所造成的知识专用性的下降,创新投入比一般物质资本投入有更高的折旧率;而且创新有极大的风险性,创新投入不一定转化为相应的创新产出,因而,要得到与原来相同的创新产出需要更多的创新投入。
当然也存在着抑制知识生产中技术进步下降的因素。基础科学的突破和广泛应用能为应用性创新开辟新的渠道,从而可以促进新产品种类的大幅增长,导致应用性创新生产中的技术进步。另外,知识还具有公共产品的特性,不仅能给从事知识生产的企业带来收益,而且能为其他企业带来正外部性。因此,如果知识能够充分溢出,将能够减少知识生产中的创新投入数量、增加创新产出数量,知识生产中可能并不会出现技术退步的情况。所以,知识生产中存在着促进和抑制技术进步的两种力量。我国知识生产中的技术进步下降可能反映了我
¹
东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省市。中部地区包
括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省。西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆10个省自治区。用DEA方法评测知识生产中的技术效率与技术进步
#75#
国基础科学较为薄弱、科技成果转化率低,市场分割和地方保护主义导致知识溢出机制受阻这样一些事实。 表2
省份均值北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南四川贵州云南陕西甘肃青海宁夏新疆东部地区中部地区西部地区全国019320199201943019341116001992110240194701955019510197811035019720190301991019290194501857110311104611097110530191401923019580188911271018990190801985019471100201980标准差012010116001114010820139801138013750116001135011950147401173013930113001131011530121701173011520119001774012110125301174011660112211218011830125101261011830131701331均值019941104211019110241127711072110771106111068110011100711122110381105111055110161101101923111271116111123111100198011045110491103911291019530196211050110361108711059标准差012510118401237012990147101307013550142701336011810129601372013080139801158012970134901256012000125501732012770111401416013600147311092012230128601290013440139701370均值019530196001953019610195901959019670196501937019550193301971019270192901947019630197201963019360191501950019720194301952019730195001950019540195801946019610195301953标准差011240111301162012180127201152011840125301201011280119401193011850125901112012310118701236012000115201153012040127501214012450129001162011370113601157012200120901185各省区市知识生产中的生产率、技术效率变化和技术进步指数生产率指数技术效率变化指数技术进步指数#76#
5数量经济技术经济研究62008年第7期
四、收敛分析
上述测算结果表明,我国各省区市知识生产中的技术效率和技术进步存在着较大差异。那么,在我国各省区市知识生产中是否存在着技术效率和技术进步的收敛趋势呢?如果存在着收敛趋势,意味着各省区的知识生产将逐渐趋同、省区市差别将逐渐缩小。下面通过收敛检验对此做出回答。
收敛文献中一般有绝对收敛和条件收敛两种概念。绝对收敛是指每一个经济体都会达到完全相同的稳态增长速度和增长水平。条件收敛是在考虑了经济体各自不同的特征和条件后,每个经济体都在向各自的稳态水平趋近。由于稳态水平依赖于经济体自身的特征,因此即使存在条件收敛也不意味着经济体之间的绝对水平会趋同。简言之,绝对收敛和条件收敛都是向稳态水平的趋近,只不过绝对收敛中所有经济体的稳态水平都是相同的,而条件收敛中经济体具有不同的稳态水平。
绝对收敛检验通常用增长率对常数项和初始水平进行回归分析。回归方程式为:
gi=A+BYi0+Ei
(8)
式中,gi分别代表1996~2003年期间第i个省份的TFP、EC、TC的平均增长率,Yio则分别代表第i个省份TFP、EC、TC的初始水平。如果系数估计值B显著为负,则表示存在绝对收敛。
条件收敛检验的一个简洁方法是,运用PanelData固定效应估计法(Miller和Upadhyay,2002)。这种方法能够设定截面和时间固定效应,因此考虑了不同个体有不同的稳态值,也考虑了个体自身稳态值能随时间的变化而变化。进行条件收敛检验的固定效应模型为:
git=c+BYit-1+ui+ut+Eit
(9)
式中,git分别表示第i个省份第t年的TFP、EC、TC的增长率。Yit-1则分别表示
TFP、EC、TC的滞后一期值。ui、ut分别表示个体效应和时间效应。系数估计值B显著为负时,则表示存在条件收敛。
在收敛检验中,根据Mankiw、Romer和Weil(1992),收敛速度K可以用如下等式计算。
B=-(1-e
-Kn
)(10)
式中,B为式(8)和式(9)中的系数估计值,n表示年数。绝对收敛速度是指落后经济体向发达经济体追赶的速度,条件收敛是指经济体趋近自身稳态水平的速度。
根据绝对收敛检验式(8)和相对收敛检验式(9),所得估计结果如表3和表4所示。
根据表3的估计结果,从回归系数的显著性水平来看,技术效率和生产率的回归系数虽然为负,但均不显著,表明我国各省份工业知识生产中的技术效率和生产率均不存在绝对收敛,即各省份的技术效率和生产率最终不会达到相同的稳态水平。技术进步的回归系数显著为正,表明我国各省份工业知识生产中的技术进步存在发散趋势,发散速度为每年116%。 表3
TFP常数项BF值Adj1R2011159(0199)-011767(-1130)214827010503绝对收敛检验
EC011237(1116)-010733(-0167)015696010207TC-011503(-6175)*011188(4177)*1715580013716用DEA方法评测知识生产中的技术效率与技术进步
#77#
(续)
TFP
观测数K
29010278
EC29010109
TC29-010160
*****
注:括号中为t检验值。*、、分别代表参数估计值在1%、5%、10%显著性水平上显著。
表4
TFP
全国
常数项B
F值Adj1R2观测数K
东部地区
常数项
BF值Adj1R2观测数K
中部地区
常数项BF值Adj1R观测数K
西部地区
常数项BF值Adj1R2观测数K
注:同表3。
2
条件收敛检验
EC015503(6137)*-014292(-5144)*
613706
015135174010801015919(4100)*-014782(-3151)*215351
01274266010929
014739(2184)*
-013910(-2147)**
2115433
01850348010708
016253(4129)*
-014598(-3158)*
313473
01373760010880
TC014522(6183)*-015230(-7136)*
2412304
018203174011057014631(4114)*-015457(-4151)*1914333
01819466011127010928(0160)-011257(-0177)
15919339
019778
48010192
012492(1189)***
-013026(-2113)**
3010304
01880760010515
014591(6117)*-014557(-6101)*
214876
012262174010869015396(4103)*-015252(-3191)*019605
-01009866011064
012573(1172)***
-013019(-1189)***
112132
01055748010513
015220(4102)*
-014853(-3180)*
110986
01024560010949
根据表4的条件收敛检验结果,在控制了截面固定效应和时间固定效应后,滞后一期的TFP、EC和TC的系数估计值均达到了1%以上的显著性水平,说明我国工业知识生产中的TFP、EC和TC都存在显著的条件收敛,即我国各省份知识生产中的TFP、EC和TC都在向各自的稳态水平趋近。从收敛速度上来看,技术效率、技术进步和生产率的收敛速度分别为每年8101%、10157%、8169%。
为了判别区域差异对知识生产收敛速度的影响,我们又对东中西部三大区域知识生产中
的TFP、EC和TC作了条件收敛检验。估计结果一同列在表4中。由此可见,除中部地区#78#
5数量经济技术经济研究62008年第7期
知识生产中的技术进步不存在显著的条件收敛外,其他所有情况下的TFP、EC和TC都存在条件收敛,表明三大地区内部各省份的知识生产也都在向各自的稳态水平趋近。从收敛速度上看,东部地区的TFP、EC和TC的收敛速度最快,西部地区次之,中部地区的收敛速度最慢。
总体而言,上述估计结果表明,在我国工业知识生产中,技术效率存在显著的条件收敛,但不存在显著的绝对收敛,说明我国各省份的技术效率都在向各自的稳态水平趋近,但各省份之间最终不会达到相同的稳态水平。技术进步既存在条件收敛,也存在着绝对发散,这说明我国各省份的技术进步都在向各自的稳态水平趋近,但各省份之间的技术进步差距会持久存在且不断扩大。由于技术效率和技术进步的条件收敛,我国各省份知识生产中的生产率也存在条件收敛,但是又因为技术进步的绝对发散性,我国各省份知识生产中的生产率将不能实现最终趋同。
五、结 论
虽然对知识生产函数的研究由来已久,但是已有研究重点关注了各种创新投入要素对知识生产的影响以及知识生产效率的决定因素,而忽略了知识生产中存在着的技术效率变化和技术进步。本文基于1996~2003年中国各省区市大中型工业企业面板数据,首次运用数据包络分析技术对知识生产中的技术效率变化和技术进步作了分析,并检验了各省份知识生产中技术效率和技术进步的收敛情况。
本文研究表明,1996~2003年期间在我国地区工业企业知识生产中,技术效率得以改进、技术进步呈现下降;知识生产中的生产率下降来源于技术进步的下降。这些研究结论表明,随着市场经济体制的逐步确立、市场竞争程度的加剧,促使知识生产中的技术效率不断提高。但又由于我国基础科学薄弱、知识流动机制不畅通等因素导致知识生产中的技术进步下降。因此,加强基础科学研究、提高科技成果转化率、建立和完善知识流动机制,是提高我国工业自主创新能力、促进经济可持续增长的重要措施。
研究还表明,我国各省份工业知识生产中的技术效率和技术进步不存在绝对收敛,只存在条件收敛,表明我国各省份都在向各自的稳态水平趋近,但各省份之间最终不会达到相同的稳态水平。我国各地区经济发展差距较大,研发能力和创新基础也有较大差别,这决定了各地区工业知识生产中有不同的稳态水平。各地区知识生产差距的不断扩大,必将加剧各地区经济发展的不平衡。因此,消除地方保护主义、破除市场垄断、加强各省区之间的知识流动,有利于提高各地区的创新能力、缩小地区间的巨大差距。
本文的主要贡献在于运用新的分析方法拓展了知识生产函数研究,从而识别了知识生产中的技术效率和技术进步。当然,本文也存在着不足之处。例如,在创新产出方面,虽然我们用相对更为合理的创新产出指标)))新产品开发项目数)))取代了专利数量,但创新产出并不仅限于新产品。知识生产中创新产出和创新投入指标的不同选择可能影响到结论。所以,在数据许可的情况下,采用多产出的创新指标也许更为合理。但不管怎样,本文采用新方法拓展了知识生产函数研究范围,本文的研究结论也可以作为进一步深入研究的参考。
参考文献
[1]吴延兵:5R&D存量、知识函数与生产效率6[J],5经济学(季刊)62006年第5卷第4期。用DEA方法评测知识生产中的技术效率与技术进步
#79#
[2]朱平芳、徐伟民:5政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响)))上海市的实证研究6[J],5经济研究62003年第6期。
[3]Blundell,R1,Griffith,R1,andVanReenen,J1,DynamicCountDataModelsofTechnologicalInnovation[J],EconomicJournal,1995,105,429,333~3441[4]Blundell,R1,Griffith,R1,andVanReenen,J1,MarketShare,MarketValueandInnovationinaPanelofBritishManufacturingFirms[J],ReviewofEconomicStudies,1999,66,3,529~5541[5]Comanor,W1S1,ResearchandTechnicalChangeinthePharmaceuticalIndustry[J],ReviewofEconomicsandStatistics,1965,47(2),182~1901[6]Comanor,W1S1andScherer,F1M1,PatentStatisticsasaMeasureofTechnicalChange[J],JournalofPoliticalEconomy,1969,77,392~3981[7]Crpon,B1andDuguet,E1,EstimatingtheInnovationFunctionfromPatentNumbers:GMMonCountPanelData[J],JournalofAppliedEconometrics,1997,12(3),243~2631[8]Fare,R1,Grosskopf,S1andLovell,C1A1K1,ProductionFrontiers[M],Cambridge:Cam-bridgeUniversityPress,19941[9]Griliches,Z1,R&DandProductivitySlowdown[J],AmericanEconomicReview,1980,70,343~3481
[10]Griliches,Z1,PatertStatisticsasEconomicIndicators:ASurvey[J],JournalofEconomicLit-erature,1990,28(4),1661~17071[11]Griliches,Z1,andLichtenbegr,F1,InterindustryTechnologyFlowsandProductivityGrowth:AReexamination[J],ReviewofEconomicsandStatistics,1984,66(2),324~3291[12]Hall,B1H1,Mairesse,J1,ExploringtheRelationshipBetweenR&DandProductivityinFrenchManufacturingFirms[J],JournalofEconometrics,1995,65(1),263~2931[13]Hausman,J1,Hall,B1H1,andGriliches,Z1,EconometricModelsforCountDatawithanAp-plicationtothePatents-R&DRelationship[J],Econometrica,1984,52,909~9381[14]Hausman,J1,Hall,B1H1,andGriliches,Z1,PatentsandR&D:IsThereaLag?[J],Inter-nationalEconomicReview,1986,27,265~2831[15]Hu,Albert,G1Z1,Jefferson,G1H1andQianJinchang,R&DandTechnologyTransfer:Firm-LevelEvidencefromChineseIndustry[J],ReviewofEconomicsandStatistics,2005,87(4),780~7861[16]Jefferson,G1H1,BaiHuamao,GuanXiaojing,YuXiaoyun,RandDPerformanceinChineseIndustry[J],EconomicsofInnovationandNewTechnology,2004,13(1/2)1[17]Mankiw,G1,Romer,DandWeil,D1,AContributiontotheEmpiricsofEconomicGrowth[J],QuarterlyJourallfEconomics,1992,107(2),407~4381[18]Miller,SandUpadhyay,M,TotalFactorProductivityandtheConvergenceHypothesis[J],JournalofMacroeconomics,2002,24,267~2861[19]Pakes,A1andGriliches,Z1,PatentsandR&DattheFirmLevel:AFirstLook,inZ1Griliches(ed1),R&D,PatentsandProductivity[M],Chicago:UniversityofChicagoPress119841[20]Scherer,F1M1,FirmSizes,MarketStructure,OpportunityandtheOutputofPatentedInno-vations[J],AmericanEconomicReview,1965,55,1097~11251[21]Scherer,F1M1,ThePropensitytoPatent[J],InternationalJournalofIndustrialOrganization,1983,1,107~1281[22]Zhang,Anming,Zhang,YiminandZhao,Ronald,AStudyoftheR&DEfficiencyandPro-ductivityofChineseFirms[J],JournalofComparativeEconomics,2003,31,444~4641
(责任编辑:朱长虹;校对:吕小玲)
因篇幅问题不能全部显示，请点此查看更多更全内容