实录

2002年5月17日，北京天则经济研究所召开第216次天则双周学术讨论会，瑞典哥德堡大学经济系郑京海博士做了题为"中国国有企业的效率，技术进步以及最佳实践"的主题演讲。以下是本次演讲与讨论的主要内容。

张曙光：

郑京海博士与社会科学院的刘小玄等人合作比较多，长期研究国有企业的问题，并且出版了几本书，也在《经济研究》上发表了许多论文。今天下午我们有幸请到他来讲演。

郑京海：

这篇文章最初是在社会科学院进行的"国有企业800家调查"的数据基础上写成的，数据分为两个阶段：1980年到1989年，1990年到1994年。作者是我，社科院经济所的刘小玄，还有我们学校经济系主任ARNE BIGSTEN。

经济学中大家非常关心的一个问题就是全要素生产率（TFP:Total Factor Productivity），它是经济可持续发展的唯一要素。全要素生产率的增长有三个来源：第一是效率的改善，第二是技术进步，第三是规模效应。在传统的增长核算的计算中，我们通常把TFP叫做技术进步，很少把技术效率和技术进步分开，并且在增长模型中假设规模效应是不变的。

下面我们通过这个图看一下这三项来源的几何意义是什么。

图上有两条t时刻、t+1时刻的曲线，分别代表各自的生产函数或者是生产前沿，也即给定投入的话，在理论上所能达到的最大产量。如果我们将现实企业中的投入产出数据(B)列在这个图上的话，一般会发现它要低于生产前沿。在图上表现为BC要短于AC，这就是非效率。实际观察到的产出BC与生产函数的产出AC的比值是一个小于1的数，我们就用它来表示技术效率。比如如果这个比值是0.5的话，我们就说这个企业的技术效率是50%。

而如果企业在t时刻的生产前沿是下面那条曲线，到t+1时刻生产前沿向上移动了，也即同样的给定投入，企业在t+1时刻的最大产出比上t时刻的最大产出，会是一个大于1的数，那么这就表明企业有了技术进步。

所谓的规模效应就是指，在下面的生产前沿曲线上，t时刻那一点的生产率应该比t+1时刻那一点的生产率要低，也即其斜率更小。这就是这三个来源在数学上的表示。

把TFP分成这几部分有什么好处呢？怎么把它跟我们的国有企业改革联系起来呢？我们先不考虑规模效应，而先考虑技术效率和技术进步，这样我们的生产函数就可以变成一种直线，如下图所示：

为什么技术效率和技术进步率和企业改革有关系呢？改革开放以后，主要进行的企业管理制度的改革，改革的最初目的也就是想提高技术效率。所以如果只计算TFP，就难以从技术效率方面来评价改革。在对外开放之前，中国的许多企业的技术都停滞了许多年，在引进新技术以及开办合资企业与外资企业之后，可见技术进步应该更多地与开放联系起来。

在生产函数变成直线之后，这个图与前面的图基本上还是一样的，处于A和B两个点的企业就称为非效率的生产单位（inefficient unit），因为它们不在生产前沿上。在生产前沿上的企业称为最佳实践（best practice）。0B比上0D是t+1时刻的技术效率，0A比上0C是同一企业在t时刻的效率。t+1时刻的效率比上t时刻的效率，就得到一个效率的差。如果把t+1时刻的最大产量0d比上t时刻的最大产量0c的比值大于1的话，我们就说它有技术进步。

我先简单介绍一下我们这篇文章。我们做的是实证研究，或者说经验研究。800家企业的调查，我们最后用了600多家企业的投入产出数据，然后采用DEA（Data Envelopment Analysis）方法来做生产函数，然后用Malmquist 指数来做关于TFP的度量。而Malmquist指数本身对TFP的度量就分为两个部分，一部分是效率的变化，一部分是技术进步。

效率的变化可以理解为一种追赶效应，比如你第一年的效率是50%，第二年的效率是70%，那么你是在向生产前沿运动。这种追赶是一种非常形象化的说法。而技术进步经常被理解为创新，比如买了一台新型机器，就是一种技术进步。

我们文章的结果是：从1980年到1994年这15年中，这600多家企业的技术效率是比较低的，大概是50%到60%，最多的也就是80%，而且还是有水分在里面的，但是TFP还是几乎每年都有增长。这样如果把TFP的增长拆分为技术效率与技术进步两部分的话，国有企业中的TFP的增长主要是由技术进步带来的。而技术效率有时甚至有些下降。这是有一个很有意思的结果，也是比较符合实际的。比如国有企业购买来了新机器，利用率并不是很高，但是它的技术还是有很大的进步的。

我们做回归分析的时候，发现大型国有企业的TFP的增长的概率是比较大的，也就是从没有TFP的增长跳到有TFP的增长的概率是比较大的。但是算一下它们的平均增长水平，可以发现跟中小企业的平均增长水平差距是不大的。在分析中我们还用了浮动工资，它是与TFP是正相关的；教育与TFP也是正相关的；开工率与TFP同样正相关，但是它是通过改善技术效率来影响TFP的。

我们采用的生产理论中有两种方法，一种是使用生产函数，另外一种是使用成本函数和利润函数。我们采用的是生产函数，因为我们采用的是投入产出数据，而成本函数里面还涉及到投入的价格，作起来比较困难。而且采用成本函数和利润函数的时候是有行为假设在里面的，即成本最小化或者利润最大化；此外还有制度假设，即完美市场竞争。而这两个假设对我们的国有企业来说可能都不太适用。

我们对这个问题的分析进行了三年，也是一个比较艰苦的过程：到底选什么模型，怎么做。回头看，我们的选择应该是最优的。

首先选择生产函数还是成本函数，我们刚才已经讲过了。

而生产函数中又可以采用最小二乘法对柯布道格拉斯生产函数进行回归，这种生产函数在经济学中被称为平均生产函数（Average Function），是不考虑效率的。还有一种前沿生产函数(Frontier Function)，是专门用来做生产效率的，所以我们选择了前沿生产函数。

在前沿生产函数中，又可以分为确定性的（Deterministic）和随机性的（Stochastic）。我们先用随机性的生产函数试了一下，不是作不出来就是接过不好，不太符合实际，所以我们就选择了确定性的生产函数。

而确定性的生产函数又分为参数型的（Parametric）和非参数型的（Non-Parametric）。参数型的函数一般是选择CES型的，即constant elasticity of substitution，不变的替代弹性的生产函数，这些函数都过于刚性。另一个选择就是作translog，但是它的问题就是作出来的结果可能不满足生产函数所要求的数学条件。这样，我们就选择了非参数型的确定性的生产函数。当然在这过程中，还要选择不变规模效应呢还是可变规模效应，最后我们选择了不变规模效应。所以各个过程也是一个具有一定内在逻辑的过程。

在回归分析中，我们也有一些创新。首先我们做生产前沿函数，就可以测出技术效率，用一个指数表示。800家企业，每一家每年都有一个指数；同时这个模型又给出了最佳实践的企业，这也是一个指数。然后有TFP的度量，这是一个指数，同时我们还可以用1代表有TFP的增长，用0代表没有TFP的增长，又可以生出一个变量。此外，TFP可以被分为两部分，即效率的变化和技术进步，这是两个变量，同样也可以用0和1来代表没有和有变化，同样又可以生出两个变量。总共是4组8个变量，做8次回归。

效率和效率的变化是不一样的。用效率水平回归，回归的结果是长期的，因为你只有一个板面数据。给定某年投入与产出，你也可以把它视为是长期的，因为你不知道它是运动了多长时间才产生的这种关系。而效率差异是一阶差分，而作差分的回归的时候，等式两边的变量运动到差分的水平，就是在一年之内，所以叫短期。

下面我介绍一下DEA这个分析方法，它的英文全称是Data Envelopment Analysis，可以用来做效率度量，这个效率的定义是Farrell在1957年给出的，他做的是非参数型的模型。而Aigner和Chu于1968年在Farrell的基础上作了一个参数型的模型。1978年，Chornse等人做了一个非参数的标准的线性规划模型，这一模型此后在西方国家被广泛用于估算公共事业单位的效率，比如医院，学校等等，后来又被用于度量多种投入与产出的产业，或者是投入与产出不太好度量的产业，比如银行与保险。

Malmquist index是关于TFP的index，它是在DEA的基础上来定义的，在1994年，Färe等人在《美国经济评论》发表的一篇文章，对着一方法作了一个比较完整的描述，此后又用17个OECD国家的GDP作了一个类似增长核算似的运用。显然，这种指数与传统的增长核算相比是有优势的。因为传统的增长核算只有一个TFP，而这种方法可以对17个国家的TFP进行比较，还可以把TFP分成效率变化和技术进步两部分。他们得出一个非常有趣、同时也与大家的感觉相符合的结论：美国TFP的增长比平均稍微高一点，但是其原因主要是技术进步；而日本的TFP的增长比平均高很多，但是它的主要来源是效率增长，即追赶效应。也即美国发明新技术，日本来模仿和追赶。

非参数的生产函数在二维区间就是以下这个样子，如果是不变规模效应（CRS），就是一条直线；如果是可变规模效应（VRS），就是一条分段线性函数，在这些折点上是连续而不可导的。我们之所以选择不变规模效应，是因为如果我们做两年的，选择可变规模效应就没办法把第二年和第一年的相比较了，所以只有想办法把生产函数线拉直，这样才能比较。另外我们知道大企业一般来说效率都是比较低的，如果我们采用分段线性的话，大企业会把整条线拉弯，这样所有大企业都会变成最佳实践了，这是不合适的。

生产可能集在图像上的表示：将某个企业的很多投入与产出数据都标到坐标上，那么可以在这个点集的外围尽可能近地画一条包络线，使得最外围的点落在这条线上，同时所有的点又都在这条线之内，那么这条线所表示的就是生产可能集。给定X,产出Y究竟在不在生产前沿上呢？我们可以定义一个距离函数，这就类似于直角三角形中的勾股定理。如果产出Y没有达到生产函数的值的话，那么你的技术效率是低的，你的产量还可以大。真实的产出Y除以一个大于0小于1的数θ，就可以等于生产前沿上的产出，那么这个θ就可以视为技术效率。

Malmquist index是这样定义的：

括号内的第一项：分子是t+1时刻的投入与产出所对应的距离函数，但是所参照的距离函数是t时刻的，距离函数值就是效率的度量；分母是t时刻的投入与产出的观测值所对应的距离函数值，同样该距离函数也是t时刻的。第二项可以以此类推，然后取两者的几何平均值，这是一个巧妙的妥协。这样，TFP被定义为，给定一个生产函数，在两个不同观测点所观测到的投入产出所给定的技术效率值的比值。这个式子可以分为两块。

一块是效率的变化：

一块是技术进步：

下面我想介绍一下我们这篇文章的一些回归的数据结果。下面是距离函数的表示：

目标函数是θ，y是产出，m是表示有m个产出，k表示第k个企业，n表示第n个投入。由此可见，运算量是很大的。

我们选择的是1980年到1994年15年的数据，17个二级企业，四个省份：江苏，吉林，山西，四川。产出的度量是1980年不变价格。投入是6个指标，都是1980年不变价格：首先是资本净值；第二是劳动投入，又可以拆分成三部分：生产工人，技术人员，以及管理人员；此外还有中间投入，比如电、煤。

以下是近几年对我国国有企业采用类似方法的相关文献研究的简单回顾：

1994年Groves等人的研究结果是TFP有增长；1996年刘子楠（音）和刘绍嘉（音）得到的效率改进是1.6%；1997年李伟没有分TFP；Li是韩国的一个学者，他用的是李伟的指数，算出的TFP也有增长；Kong是澳大利亚的，采用了另外一种方法，即随机的生产函数法，结果什么也没做出来；董晓元（音）和Putterman作了简单的回归。

下面我们可以看一下我们这篇文章所得出的一些结果。

第一个部门是机械工业，1980年的技术效率是0.62，1982年是0.54。我们可以看到1990年的时候有一个跳跃，这是因为数字本来就是分成两个阶段的。第二个部门是纺织工业，可以看到技术效率比较低。这两个部门的企业是比较多的，但是有的行业企业比较少，所以我们把剩下的15个行业分成了两组，重工业和轻工业，可以看到其技术效率都比较高，我估计这个效率是高估了。

接下来我们看一下TFP，刚才说如果它大于1的话，就说明TFP有增长。
我们看到各个行业的TFP都有增长，但是看增长的来源的时候，我们需要把它分成两部分。为了便于看结果，我们把机械行业单抽出来看。

82到83年技术和效率都有进步，不过技术进步要大于效率改善，84年到85年，技术有18%的进步，而效率却有退步，同样可以看到这时候TFP是有增长的，但是主要是来源于技术进步。同样的方法可以观察其他年份的数据结果。

同样我们可以根据生产前沿把最佳实践找出来。

可以看到，1980年大企业中最佳实践的比例是18%，中型企业为21%，小型企业为22%。刊1990年的数据，我们可以看到中小型企业中最佳实践的比例要增加很多，但是到1994年的时候又下降了很多。这里我只给出了结果，没有进行比较详细的结果解释。

下面我们看一下回归的结果(Table 4)。以下是以效率作为应变量作的回归。

我们选择很多自变量，但是有些差异不显著，有些缺失值太多，所以没有放进来。首先是企业的年龄（AGE），与效率正相关，但是不太显著；浮动工资（WP）正相关，而且影响比较大；教育（ED）与开工率（KG）也都是正相关；江苏省（PROV1）的平均TFP要比其他几个省高;大企业（S1）在平均效率上影响不明显，还有部管企业（ADM1），省管企业(ADM2)，以及地区级企业（ADM3），看来好像部管的企业最差。

下面我们看一下最佳实践出现的概率（Table 6）。我们采用的是离散选择变量，如果企业是最佳实践的话，效率是100%，那么在回归的时候是1，如果不是最佳实践，哪怕你的效率是99.9%，那么你在回归的时候也是0。

在这个回归中，年龄差异不太显著，但是浮动工资差异很显著。很多人的研究都发现浮动工资的效果很明显，但是也有人讲，浮动工资既可以是因，也可以是果。教育水平对最佳实践出现的概率影响不是很明显。开工率的影响很明显，开工率与技术效率是两个概念。可以看到江苏省的影响又是很大，也即它出现最佳实践企业的概率是最大的，大企业出现最佳实践的可能性也比较大。但是有趣
的是，部管的企业出现最佳实践的概率又比较小。

下面我们看一下以TFP作为应变量所作的回归（Table 5）。

这个回归中，需要注意的是，TFP的变化是两点之间的差分。我们刚开始自变量没有做差分，结果出不来。教育在这儿不显著，而前面教育对技术效率的影响是显著的，所以可以看到教育的影响是一个长期关系，这与我们一般的印象也是相符合的。开工率显著，江苏又是正相关，大企业不显著。部管企业正相关，这说明它的效率不高，但是它的TFP在进步。我们看第二列是技术效率，第三列是技术进步。可以类似地看。

影响技术进步的很多因素不好找。比如，如果刚开始有各个企业关于R&D的投入作为回归的因素，也很难办，因为它有一个时滞。

好了，我比较粗略地介绍了一下我们采用的研究方法，由于我们作实证研究的时候精力不能太分散，所以考虑政策含义比较少。国有企业在1980年到1994年的改革还是有一定的效果的，至少TFP有所增加；但是效果能不能让人满意呢？不能让人满意，因为它的TFP的增加主要是由技术进步带来的，而且国有企业的这种技术进步主要是由国家政策推动的，甚至有时候为了追求技术进步，它们可能忽略经济效益。我也希望听到大家的意见。

韩朝华：（社会科学院经济所）

我想能听到您关于样本的情况的介绍，比如大概是哪些企业，基本的分布，是那些行业，等等这些信息。这样其他人才能根据自己的经验有所判断。另外，衡量技术进步和技术效率的指标各自是什么，如何计算，还是不太清楚。

我觉得这个方法还是挺好的，因为以前的生产函数没有区分技术进步与技术效率，细分之后的分析更能对我们现实之中的问题进行解释。技术进步与技术效率确实是两个完全不同的概念。中国国有企业一个很大的问题就是，在引进比较先进的机器之后，总是只是停留在原地，不能在此基础上进行消化和提高，它缺乏不断提高自身效率的机制。所以光靠买设备来提高技术，始终只是一种外延性的，而不是企业内生性的。这种方法对评价80年代以来的国有企业改革是非常有用的。

盛洪：

我有一个问题，就是你的生产前沿的假定是怎么得出来的。

我们也可以说，全要素生产率可以分为两部分：技术进步与制度进步。也就是说制度进步与技术效率是高度相关的，为什么同样的机器，效率会不一样，就是因为制度不一样。你的这种方法的巨大贡献就在于，我们可以运用它剔除技术进步的部分，使得全要素生产率剩下的部分能够表现为制度进步，是制度变迁的效果能够被测度。

你认为平均而言，技术效率变化不大，我认为有问题，因为从80年到94年，从全国范围看，制度变化还是非常大的。所以你的结论与事实拟合的不是太好。你的模型中的一些变量，倒反映了制度变迁的含义，比如浮动工资的显著影响，以及江苏省的与众不同，它不仅应该被理解为一个地理概念，还应该被理解为一个制度概念，因为它是一个制度变迁非常明显的地方。

另外，你是不是受到了数据的限制，你如果能加一些制度因素在里面，比如股份制，年薪制，期权，可能会更好。此外，企业有好有坏，平均数可能会淹没一些东西。

郑京海：

我们在做生产前沿的时候，先把投入产出的数据都一一绘在图上，然后把一条过原点的直线向下靠，直到碰到第一个点就停止，那么这个点就叫做最佳实践，best practice。

平均数和回归讨论的是不同的东西，平均数是说你的结果如何，回归是说制度有多重要。为什么结果会这样？可能是因为没有退出，有些制度也不完善，就把结果拉下来了，所以它们是不矛盾的。关于多加变量的问题，我们也尝试过把厂长工资加进去，结果发现差异不显著。

我们这三年的主要工作就是找一种方法，看能不能将中国的数据运用得上。

曹正汉：

我感觉这个方法有一个缺陷，它把企业经营的外部环境看成是不变的，没有考虑竞争的因素，所以你得出的结果是企业技术效率没什么进步，甚至有些下滑。如果你考虑竞争因素的话，那么只要国有企业的进步速度没有超过外资企业或者是民营企业的进步速度，那么它仍然有可能被淘汰掉。1994年的下岗以及大批国有企业的倒闭，并不一定因为是说它们的技术效率没有进步，而是因为它们的进步速度慢于民营企业与外资企业，在竞争加剧后，就被淘汰掉了。

郑京海：

我们之所以要用生产前沿这个方法，就是为了把好的企业和坏的企业分开，但是结果不太理想。原因是在竞争当中剩下来的企业是技术效率比较好的企业，但是败下来的企业也基本上没有退出，80年代没有退出，90年代初有一些退出，或者是破产，或者是被兼并。所以我们看到89年到90年的时点，技术效率有一个跳跃，但是此后其技术效率又不行了。

李晓宁：

现在技术发展的一个趋向，正如巴菲特讲过的，工业技术把人的指挥凝固到机器当中去了，是操作的人变成傻瓜。我们从80年代到现在，有两种情况，一是进口一套很好的设备，工人和管理者不需要很高的技术去操作；还有一些行业，比如冶金，矿山等等，需要许多专业技术人员才能提高效率。你在技术定性的时候，应该注意到已经固化到成型技术中的、人的干扰比较小的那部分，而需要人去组织的部分，要计算它的技术含量是非常让人头疼的。我对你用表征之差来计算技术效率的方法是存疑的。

李玉山：

现在国有企业的根本问题是管理问题，而造成管理问题的又是制度问题。有人说国有企业不改造等死，改造是找死。我们国内数控机床是两个人开一台，而日本是一个人开七台，这样效率就相差十几倍。之所以存在这个问题，还与社会环境有很大的关系。而你的这个办法无法对这些东西进行分析。

关权：

我想问一个刚才有人提到的问题，就是您的论文的数据来源，数据规模，大企业与小企业的定义，如果您能有所交代，大家可能理解得更清楚。此外，还有一些基本的数据如果能够列出来就更好，比如劳动生产率，资本劳动比率，这样就可以大概判断一下这十几年有没有技术进步。在table3中可以看到有的因素相关度可以达到0.9，而其他因素的相关度都非常小，这样由此来解释数据，就可能使人产生某些怀疑。

郑京海：

大家好像有一个一致的要求，就是与国际进行比较。如果有这方面的数据的话，是可以的。此外，国外的很多国家对制造业的效率已经不是公众关心的问题，主要关心公共机构的效率。还有这个研究说明什么，比如对制度的解释，也存在同样的问题，如果你没有这方面的数据的话，也很难进行研究，我同意把制度也看成一种技术。这个研究的主要贡献是在方法上的。我们在做DEA的时候一定要用原始的、未经处理的数据，以免丢失信息。

这个方法的扩展是可以把TFP分成三个部分，就是再加上规模效应，这样做下去的话，从宏观上就可以研究经济增长，从微观上可以对上市公司等等进行分析，这是非常有意义的。

（高 飞 整理）