英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

基于行业级DEA方法的中国高技术产业全要素生产率增长

Zhiyi Yao1,2, Yabin Zhang1, Deyang Li2

1School of Economy amp; Trade Hunan University Changsha, China

2 Department of Industry and Business Administration Hunan College of Finance and Economics

Changsha, China

e-mail: huiyao5369@163.com

摘要：本文对2001年至2007年期间中国高技术工业生产率绩效进行了及时评估。FAuml;RE（1994）等人开发的一种方法，源自于数据包络分析（DEA）方法，可用于估算TFP 增长率及其组成部分，技术效率，技术变化和规模变化。 在本研究中，我们使用行业级面板数据来应用此方法来计算15个中国高科技产业的TFP增长率。 我们的主要发现是：当TPF处于负增长时，TFP增长对规模效率的影响最大，而当呈现正增长时，技术进步的贡献相对较大。

关键词：全要素生产率; 数据包络分析; 面板数据

1引言

近几年来，中国高科技产业经历了持续不断的发展。发展经济新的增长点，加快中国经济发展更为明显，促进产业结构调整优化和转型经济发展方式。调查中国高科技产业发展的主要来源成为经济学家们特别关注的问题。自上个十年以来，随着数据可用性的提高，对生产率对经济增长贡献的评估引起了研究人员的极大兴趣。大多数东亚新兴工业化国家（NICs）的增长会计研究^[1]推断，东亚“老虎”的巨大成功主要是由大量的因素积累驱动，而不是创新活动和技术进步。通过这种方式，Krugman（1994）^[2]得出的结论是，从长远来看，NIC中输入驱动的经济增长是不可持续的。然而，与NIC不同，大多数关于中国的研究^{[3] [4] [5]}推断了TFP在改革期间对经济增长的重要贡献。

本文的目的是分析2001-2007年中国高技术产业经济增长的主要来源。本文利用行业层面的数据，实证研究了因子积累和TFP增长的贡献。

本文的结构如下：第二章概述了生产率和技术效率问题的DEA方法，第三章描述了实证研究中使用的行业级面板数据，并讨论了中国高科技产业的增长情况及其主要结果，第四章为总结部分。

2 DEA（数据包络分析方法）

数据包络分析（DEA）是一种线性规划方法，用于衡量多个决策单位（DMU）的效率，当生产过程呈现多输入和输出的结构时，Farrel于1957年提出[6]。之后， Fauml;re等人（1994）[7]重申了Malmquist指数，以提出一种衡量相关成分的生产率增长指标。Malmquist指数的分量距离函数通过非参数编程方法（数据包络分析-DEA）计算。另一方面，Fauml;re等人（1994）考虑了可变规模报酬的假设，考虑进一步分解TFP，将技术效率变化的概念细化为纯技术效率变化和规模效率变化。在变量规模前沿假设下构建的技术效率变化指数，通过规模效率变化，在规模效率变化的基础上，在规模效率变化的假设下计算的纯技术效率变化，使后两个指数的乘积等于第一个。

Fare等人（1994）将基于产出的Malmquist生产率变化指数指定为：

这表示生产点（xt 1，yt 1）相对于（xt，yt）的生产率。事实上，该指数是两个基于输出的Malmquist TFP指数的几何平均数。一个指标使用周期t技术，另一个指标使用t 1技术。

技术效率变化（TEC）是：

技术变更（TC）是：

我们在规模收益率（CRS）的假设下获得TEC和TC指数，即假设行业在成本最小化的最佳规模下运作。当我们放松CRS假设并采用更现实的变量回报到规模假设时（VRS），我们能够将TEC指数分解为纯效率变化（PEC）和规模效率变化（SCH）成分。

纯技术效率变化（PEC）定义为：

规模效率变化（SCH）表示为：

PEC指数衡量的是行业与边境接近的变化，没有规模效应。SCH显示边界内的运动是否在正确的方向上以获得CRS点，其中输出的变化导致成本的成比例变化。

3生产力指数

3.1数据描述

为了测试我们的模型，我们需要中国国家统计局（NBS）对中国15个高科技制造业的行业水平数据。我们的主要目标是为研究中国人的结构特征提供依据。从横截面角度和时间序列角度来看高科技产业。在2001年至2007年的七年时间里，我们使用了由15个高科技制造业组成的小组。它们是5个高科技产业的子行业，它们被表达为：化学医药（CM），中医（TCM），生物学，生物化学产品（BBP），航空和飞机制造（AAM），通信设备（CE），雷达设备（RE），广播和电视设备（BTE），电子零件（EP），电子机关（EO），家用视听（HA），其他电子设备（OEE），电子计算机（EC），电子计算机周边设备（ECPE），医疗设备和仪器（MTEI），仪器和仪表（IM）。

所需数据分为两类：输入因子组成数据和输出指数。我们在本节中描述了我们对这些数据的选择。

投入要素：研发资金和技术人员是完成研发活动的关键环节，我们以研发支出，研发人员和技术活动人员的全职等值作为投入要素。新产品支出和技术改造支出对新产品的产出有直接影响，因此新产品支出和技术改造支出是输入因子的下一个组成部分。

产出指数：我们考虑产出指标的两个方面：一方面，发明专利是高科技产业研发活动的直接产出，我们将专利申请作为产出指标之一。另一方面，加工贸易是中国高技术产业发展过程中的主要功能。从商业价值的角度考虑产出的实现具有重要意义。因此，新产品主营业务收入和新产品出口收入是下一个产出指标。

3.2方程式实证结果

下面的表1总结了全要素生产率及其组成部分的一些基本统计数据，并对中国高科技产业的结果进行了区分。 只有TCM，BBP，CE，EP，EC在15个中国高科技产业中有效。 TCM和BBP的效率主要取决于规模变化或技术效率，也不是技术变化。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20929]，资料为PDF文档或Word文档，PDF文档可免费转换为Word