论文部分内容阅读
摘要：本文使用随机前沿方法对上海市166家大中型工业企业2003～2005年的面板数据进行了技术效率估算。根据模型估计结果，企业的技术效率水平值普遍偏低；通过研究企业的技术效率外生性因素，得出的主要结论是，企业增加值占总行业的分额越大、研发人员占从业人员的比例越高。技术效率值也相应较高。并且外资企业的平均技术效率要明显高于内资企业。
关键词：随机前沿 技术效率 面板数据
一、引言
技术效率用来衡量技术在稳定使用(假设没有技术进步和技术创新)的过程中，生产者获得的最大产出的能力，对技术效率的测度有非常重要的理论意义。自中国确立发展社会主义市场经济以来，中国的经济一直保持着高速增长。而上海市作为中国经济发展的领头羊，其经济增长的速度更是在世界经济中史无前例，但是对于经济效率状况的评价并不同于令人瞩目的经济增长速度。对一个经济整体的总体效率评价必须是基于微观企业效率状况之上的。本文将使用随机前沿分析法对上海市工业企业的技术效率进行测算。在研究过程中，使用面板数据的形式进行分析。本文首次使用上海市的微观企业面板数据进行研究，目前研究技术效率差异的外生性因素研究普遍采用的两步法，在计量上存在缺陷，本文将采用一步联合估计法对影响技术效率差异的外生性因素进行分析，探讨微观企业技术效率发展的趋势。
二、相关文献综述
效率测度理论最初由Farrell(1957)明确提出：技术效率是指在产出规模、市场价格不变的条件下，按照既定的要素投入比例，生产一定量的产品所需的最小成本与实际成本的百分比。对基于产出的技术效率测度而言，使用参数方法测度技术效率的重点是要先确定生产前沿面，也即确定一个合适的生产前沿函数。这一方法的发展经历了两个主要阶段：最初是对确定性前沿(生产)函数的估计，如Farmll(1957)提出的直观方法；Aigner和Chu(1968)提出了比较具有代表性的确定性生产前沿模型；Mriat(1972)第一次使用极大似然法建立了具有统计性质的边界生产函数模型。以上确定性前沿模型均假设了被考察的所有生产单位共用一个前沿生产函数，且每个生产单位的实际产出与边界产出之间的差别纯粹是由技术欠效率引起的，这些假设与实际的生产情况是不符合的，由于各生产单位的环境不同，一些非技术因素(例如气候原因、政策变化、测量误差等)也可能导致实际产出低于边界即前沿产出，因此以上模型设定中，误差项不但反映了技术因素的差异而且包含有所有非技术因素的差异，这使得所测得到的技术效率与真实的效率水平有很大偏差。而随机前沿方法就是为解决这一问题而产生的。
随机前沿生产函数在1977年由Aigner、Lovell及Schmidt共同提出。在他们的研究中，首次将误差项分解为两类，普通的统计性随机误差项与反映技术欠效率的误差项。普通随机误差项反映了诸如气候、地理环境、偶然事件、测量误差等不可控因素所造成的偏差，这种影响可能对生产有利或有害，因此在参数估计时假设它具有一个对称双边分布；管理误差项反映了由于企业可控因素如技术欠效率、职工的努力程度等所造成的偏差，这种偏差使得每个生产单元的产出不可能位于其前沿生产函数的上方，即给定投入下，无法达到最大产出。在估计过程中假设它具有非负的单边分布。通过这种分解方法，使得原先确定性的生产前沿变为随机性生产前沿，因此这种测算前沿生产函数乃至技术效率的方法称之为随机前沿分析方法。使用面板数据比截面数据更具有优势：首先可以获得技术效率的一致估计，而使用截面数据，即便是增加样本量也无法获得一致估计；另外不需要假定单边非效率项的分布形式，这样也不需要假定单边误差项与解释变量不相关，从而避免了在截面数据中会出现的问题。“注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
关键词：随机前沿 技术效率 面板数据
一、引言
技术效率用来衡量技术在稳定使用(假设没有技术进步和技术创新)的过程中，生产者获得的最大产出的能力，对技术效率的测度有非常重要的理论意义。自中国确立发展社会主义市场经济以来，中国的经济一直保持着高速增长。而上海市作为中国经济发展的领头羊，其经济增长的速度更是在世界经济中史无前例，但是对于经济效率状况的评价并不同于令人瞩目的经济增长速度。对一个经济整体的总体效率评价必须是基于微观企业效率状况之上的。本文将使用随机前沿分析法对上海市工业企业的技术效率进行测算。在研究过程中，使用面板数据的形式进行分析。本文首次使用上海市的微观企业面板数据进行研究，目前研究技术效率差异的外生性因素研究普遍采用的两步法，在计量上存在缺陷，本文将采用一步联合估计法对影响技术效率差异的外生性因素进行分析，探讨微观企业技术效率发展的趋势。
二、相关文献综述
效率测度理论最初由Farrell(1957)明确提出：技术效率是指在产出规模、市场价格不变的条件下，按照既定的要素投入比例，生产一定量的产品所需的最小成本与实际成本的百分比。对基于产出的技术效率测度而言，使用参数方法测度技术效率的重点是要先确定生产前沿面，也即确定一个合适的生产前沿函数。这一方法的发展经历了两个主要阶段：最初是对确定性前沿(生产)函数的估计，如Farmll(1957)提出的直观方法；Aigner和Chu(1968)提出了比较具有代表性的确定性生产前沿模型；Mriat(1972)第一次使用极大似然法建立了具有统计性质的边界生产函数模型。以上确定性前沿模型均假设了被考察的所有生产单位共用一个前沿生产函数，且每个生产单位的实际产出与边界产出之间的差别纯粹是由技术欠效率引起的，这些假设与实际的生产情况是不符合的，由于各生产单位的环境不同，一些非技术因素(例如气候原因、政策变化、测量误差等)也可能导致实际产出低于边界即前沿产出，因此以上模型设定中，误差项不但反映了技术因素的差异而且包含有所有非技术因素的差异，这使得所测得到的技术效率与真实的效率水平有很大偏差。而随机前沿方法就是为解决这一问题而产生的。
随机前沿生产函数在1977年由Aigner、Lovell及Schmidt共同提出。在他们的研究中，首次将误差项分解为两类，普通的统计性随机误差项与反映技术欠效率的误差项。普通随机误差项反映了诸如气候、地理环境、偶然事件、测量误差等不可控因素所造成的偏差，这种影响可能对生产有利或有害，因此在参数估计时假设它具有一个对称双边分布；管理误差项反映了由于企业可控因素如技术欠效率、职工的努力程度等所造成的偏差，这种偏差使得每个生产单元的产出不可能位于其前沿生产函数的上方，即给定投入下，无法达到最大产出。在估计过程中假设它具有非负的单边分布。通过这种分解方法，使得原先确定性的生产前沿变为随机性生产前沿，因此这种测算前沿生产函数乃至技术效率的方法称之为随机前沿分析方法。使用面板数据比截面数据更具有优势：首先可以获得技术效率的一致估计，而使用截面数据，即便是增加样本量也无法获得一致估计；另外不需要假定单边非效率项的分布形式，这样也不需要假定单边误差项与解释变量不相关，从而避免了在截面数据中会出现的问题。“注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”