2024年5月16日发(作者：忘忧草日本高清社区)

全要素生产率概述

全要素生产率的内涵、定义与测算方法

全要素生产率（Total Factor Productivity ,简称TFP）是指所有生

产要素的生产率, 所谓的“全要素生产率”是指“生产活动在某一特定

时间内的效率”，是总产量与全部要素投入量之比，是用来衡量单位

总投入的总产量的生产率指标是针对全部投入要素进行测算, 而不是只

涉及部分要素。它在一个更广的范围内考察生产率的情况, 是总产出与

综合投入要素之比, 研究的是在一个经济系统中, 所有投入要素加权综

合后形成综合投入的产出效率, 故又称“ 综合要素生产率”。相对于传

统的单要素生产率, 全要素生产率能够更为全面地考虑投入要素, 从而

能够更加真实客观地衡量全部要素投入量的节约, 反映一个经济系统的

宏观综合经济效益,是分析经济增长源泉的重要工具。总而言之, 通过分

析各种因素对经济增长的贡献, 可以识别经济增长的类型是投入型还是

效率型; 通过比较单要素投入和全要素生产率增长对经济增长的贡献,

可以确定经济政策的控制方向是应该增加总需求, 还是对经济结构进行

调整。

参数方法

1.索洛余值法

索洛于1957年发表了著名的文章“技术变化和总量生产函数”。

在该文章中,索洛首次将技术进步因素纳入经济增长模型,从总产出增长

中扣除资本和劳动力对产出的贡献,所得到的“余值”就是技术进步对

产出的贡献。在希克斯中性和规模报酬不变的假设下,技术进步率就等

于全要素生产率的增长率。

2.增长核算法

增长核算法, 是在经济学家索洛提出的索洛余值法的基础上形成和

发展的, 后来经过丹尼森和乔根森的发扬而成为一种成熟的全要素生产

率的计算方法。其计算的基本思路是: 寻找一个合适的生产函数形式,

利用样本数据进行回归, 估算出总量生产函数的具体参数, 得到具体的

生产函数, 进而测算TFP 及其增长。

3.随机参数前沿生产函数方法

非参数方法

1.指数法

测算TFP的指数法是一种统计学方法,由Kendric和Denison开

创,后经Jorgensen、Griliches等人发展而成熟。TFP指数是指一个生

产单元在一定时期内总产出和总投入之比,用公式可表示

为:

/

/

t s

st

t s

Y Y

TPF

X X

，其中s代表基期, t代表报告期, X表示投入, Y表示产出

从TFP指数的定义可以看出, TFP增长是科技进步、技术效率和规

模效率等提高的综合体现。而且,对

TFP指数的度量,必须转化为对总投入和总产出指数的计算,而现实

中的生产单元,大都是多投入多产出的,这就必须使用综合指数来度量。

经常使用的指数从早期的Laspeyres指数、passche指数、Fisher指

数到Tornqvist 指数。

1967年, Kendric和Denison的论文“生产率变化的解释”是生

产率理论发展的一个里程碑。他们在索洛增长模型的基础上,遵循新古

典生产理论,引入超越对数生产函数的形式。Diewert证明,超越对数生

产函数对应的是离散的Tornqvist指数,也就是说, Torn2qvist指数实际

上是精确的指数;而且,超越对数生产函数被认为是对其他函数形式的很

好的二阶近似。所以, Tornqvist指数是度量TFP的合理选择。

2.数据包络分析(DEA)

ist指数法

Malmquist指数法也是指数法中的一种, 但是由于计算

Malmquist指数首先要构筑生产前沿面,得到距离函数,因此一般也可将

此方法归入生产前沿面法中。计算距离函数既可通过DEA,也可通过随

机前沿生产函数来完成,但目前主要是通过DEA来完成,所以该方法也

被称为基于DEA的Malmquist指数法。

Malmquist 指数法通常是直接利用线性优化方法给出每个决策单

元的边界生产函数的估算,从而对效率变化和技术进步进行测度。

Malmquist 指数变动值即为TFP 变动值。

构建曼奎斯特生产率指数首先需要定义距离函数。根据Shephard

( 1970) 和Fare ( 1988) 的方法, 产出指标变量的距离函数定义如下:

0inf{:(,)/()}D x y P x δδ=∈；其中x 、y 表示输入变量和输出变量

矩阵，δ

表示面向输出效率指标，P （x ）定义为可能生产集合。如果y 是

P 的组成部分，则函数的值将小于或等于1；如果y 位于可能生产集合

的外部前沿面上，那么函数值将等于1；如果y 位于P 外部，则函数

值大于1。则由s 期到t 期的Malmquist 指数为1

002000(,)(,)(,,,)[*](,)(,)s t t t t t s s t t s t s s s s D x y D x y M x

y x y D x y D x y =；整理后可得

1

00020000(,)(,)(,)(,,,)*[*](,)(,)(,)

t s s t t t t s s s s t t s t t s s t t s s D x y D x y D x y M x y x y D

x y D x y D x y = 生产率的变化, 即M0分解为效率变化和技术变化。

结语

上文介绍的计算方法各有优缺点, 在应用中要视实际情况而定, 不

能机械照搬。对一些问题而言, 与这些方法得到的结果非常接近, 而另

外一些问题则相去较远,有时将这些方法结合起来使用效果会更好。

参数法在应用时,都需要某种具体的生产函数形式,因此受到函数形

式本身的限制,必须假设现实情况满足一系列假设条件。如果现实不满

足假设,测算结果就会有较大的误差。这是参数法的根本缺陷。但参数

法也有很多优点,每种方法各不相同。

索洛余值法因其简单易行、适用于时间序列数据等优点而被广泛

应用。但是,该方法也有明显的缺陷,主要表现在希克斯中性的、非体现

的、外生的技术进步和规模报酬不变等假设上,这些假设带来了使用的

局限性。如果现实不符合这些假设,那么技术进步率就不能等同于TFP

的增长率。而且,索洛的“余值”是总产出增长率与各要素投入增长加

权总和的差额,它不仅包含了狭义的技术进步,还包含了其他因素的影响,

这将导致技术进步贡献率的高估。另外,索洛余值法仅能计算TFP 的增

长率,而无法直接计算TFP 。

从本质上讲,增长核算法和索洛余值法是相同的,只是增长核算法通

过对投入要素的细分使TFP 增长率的一部分转化为投入要素的贡献,从

而减少了对TFP 增长率的高估。但是,该方法依然具有索洛余值法的一

些缺陷,比如:较强的行为假设和制度假设。增长核算法是一种参数方法,

它受到函数形式的限制,无论何种函数都有假设条件,与现实情况会有一

定差距。这样,将技术进步率作为TFP 增长率,就无法分解出技术效率和

分配效率③。另外,将产量增长机械地分解为投入增长和TFP 增长,而未

试图解释投入变化和TFP 提高是怎样与偏好、制度变迁、政策等因素

联系的,也忽略了自然资源对增长的作用。

随机前沿生产函数法最大的优势在于通过估计生产函数对个体的

生产过程进行了描述,从而对技术效率的估计得到了控制,能进一步将

TFP 分解,并能较好地处理测度误差②;另外,随机前沿模型既可以用于横

截面数据,也可以用于面板数据,自由度较大。但是,该方法同前两种方法

一样,面临具体生产函数的选择问题,在研究过程中假设条件太多,使应用

受到较大的限制。

非参数方法与参数方法相比,不需要设定具体的函数形式,从而避免

了因生产函数不当而带来的误差。

指数法一般以价格为权重进行研究,所以在投入产出的数量和价格

信息完备的情况下,它是最简单的方法,比较适宜于微观经济分析。但是,

该方法不能导出对TFP 贡献份额的确切估计。而且,Laspeyres 、

passche 、Fisher 和Tornqvist 指数不能提供更多的技术进步和技术

效率等方面的信息⑤。指数法本质上属于非参数法、确定性方法,没有

考虑随机因素对TFP 的影响。

DEA最大的优点是它仅通过线形规划方法,而不需要任何具体函数

形式或分布假设而得到生产前沿面。其缺点一是把观察值到前沿面的

偏差都当作无效率的结果,完全忽略了测度误差和其他噪音;二是重要的

投入产出遗漏会引起结果的偏移;三是效率得分仅仅是样本量相对于最

好厂商的得分。