段宗志，彭志胜

（安徽建筑工业学院 管理学院，安徽 合肥 230601）

一、引 言

新增长理论认为，人力资本和R&D投入是经济长期增长的关键［1］。由此引起经济学界对增长来源和增长模式的热烈讨论，并依据全要素生产率（TFP）方法，从国家、产业和公司各个层面分析增长模式的可持续性［2］。新增长理论关于经济绩效来源的研究成果丰硕，但也存在一些不足。一是对R&D主要投入的工业领域绩效研究较多，而对非R&D投入领域绩效研究较少；二是在绩效来源的研究中，对于R&D投入和人力资本投入的研究较多，而对规模经济、知识外溢、专业化和干中学现象的研究较少，而它们也是绩效提高的重要来源。

针对上述不足，我们选择R&D活动较少的建筑产业为研究对象，基于新增长理论，研究其绩效演化规律及其影响因素。在建筑业生产效率研究中，林晨对各省级区域进行了排位研究，结果发现，规模较大的广东省建筑业由于工业化程度不高，人员素质较差，设备陈旧等原因，生产效率仅居全国中游［3］；最新的研究也表明建筑业生产效率不高的主要原因在于从业人员队伍庞大、素质不高、资本投入不足、管理粗放［4］。

现有建筑业绩效研究中，以单独进行纵向或横向比较分析为主，投入变量和输出变量选择较少，不能全面反映生产效率及其区域差异情况。本文基于中国省级区域面板数据，对现有文献做三个方面的拓展，以期全面衡量区域建筑产业绩效及差异的源泉。

其一，计算区域建筑业TFP时，使用数据包络分析法（DEA）替代传统的索罗余值法。这种方法进一步将TFP分解为技术效率（EC）和技术进步率（TC）两个部分，对于理解建筑业TFP增长路径是有意义的。

其二，由于建筑业不是R&D主要活动领域，在变量选择上，以专业化程度、企业规模和资源配置方式作为投入变量，并通过截距项反映知识外溢和干中学的TFP影响。

其三，中国建筑产业在发展过程中既有传统的国有企业、也有改革开放后滋生的私营及港澳台外资企业，它们在经营管理模式，市场竞争中的主动性、灵活性方面彼此不同。撷取相关变量反映产权问题带来的绩效差异，也是我们要着力研究的。

二、模型的建立

（一）Malmquist指数模型

全要素生产率TFP是本研究中的一个关键变量。根据数据条件和所考虑的环境因素，选择DEA-Malmquist指数法予以计算。基本原理如下：

根据Fare等人的研究，通过对处于不同时期技术条件下的指数和取几何平均值，得到基于投入前沿面（C，S）条件下的Malmquist效率指数：

从而实现对效率变化的测算。进一步对该指数进行分解，可以得到技术进步率TC和技术效率EC：

全要素生产率TFP的水平取决于技术进步率TC和技术效率EC。EC＞1表明前沿面下的决策单元向前沿面的趋近，效率改善；EC＜1则表明远离前沿面，效率退步。TC＞1表示生产可能性边界的向外移动，即技术进步；TC＜1表明其与最优决策单元组成的生产前沿面的差距在进一步拉大。当Malmquist指数大于1时，全要素生产率TFP提高，反之则导致TFP的降低［5］。

（二）建筑业TFP及其影响因素关系模型

基于C-D函数，可以构建建筑业TFP与各影响因素间的关系模型。假定t年有2种投入：资本（K）和就业（L），对应于一种产出Yit。生产函数模型表述如下：

其中，Yit表示第i区域t年的建筑业生产总值，它是新增长函数Ait（·）与一般要素投入函数Fit（·）的结合。进一步的，Fit（·）被认为具有同质性，依赖于实物资本存量（Kit）和就业量（Lit）。根据内生增长理论，同时考虑建筑业非R&D投入主要领域特征，新增长函数Ait（·）是专业化水平（Rit）和资源的配置方式（Mit）等作用的结果。由（1）式，定义全要素生产率TFP为：

通过对（2）式取自然对数，可得：

方程（3）表明t年i区域的TFP是由专业化水平Rit和资源配置方式Mit共同决定的。与现存文献不同，我们将资源配置方式Mit区分为规模配置（Sit）和产权配置（Wit）两种因素，从而得到：

其中，TFP为建筑业全要素生产率；专业化水平Rit用技术装备率表示；表示规模配置的Sit用区域建筑企业平均就业人员表示，反映建筑资源主要配置于大型企业还是小型企业；产权结构Wit用国有制建筑企业与全部建筑类企业之比表示；βi为待估参数；εit为随机扰动项。

三、数据的来源与简单处理

TFP计算所用到的建筑业总产值（Yit）、资本（Kit）和就业（Lit）数据取自1998—2009的《中国统计年鉴》。12年的数据，恰可以求出11个时期的TFP值。区域建筑企业平均规模Sit和区域建筑企业产权配置Wit需要计算求得。其中，Sit=区域建筑业从业人员/区域建筑企业数量；Wit=区域建筑业国有企业数量/区域建筑业全部企业数量。与11个时期的TFP相对应，各地区建筑业技术装备率Rit和计算Sit、Wit用到的四个变量均取自1998—2008《中国统计年鉴》。

由于年鉴中建筑业总产值是按当年价格进行统计的，年度之间的数据不能够直接比较。因此，我们选择以1990年为基期，将年鉴中以现价表示的名义总产值换算成以1990年为基期的实际产值。劳动投入量用每年建筑业从业人员数量表示。由于建筑业总产值不仅是当年资本投入的结果，更多的是存量资本发挥了作用。资本存量的计算我们采用永续盘存法。应用这一方法必须解决以下两个个问题：一是折旧率δ的确定，二是初始资本存量的估算。参考张军等［6］文献的做法，同时考虑建筑设备露天作业的特点，折旧率取为12%。初始资本存量采用等比求和的方式估算。其中，各年资本投入平均增速取初始年份至当期资本投入增速的平均值。

四、区域建筑业TFP、EC和TC的测算及分析

经过上述对建筑业总产值平减、资本投入存量计算后，得到一个纵向包括12年（1998—2009），横向覆盖30个省级区域（西藏数据多有缺失，分析中将其略去）的面板数据。基于上文（一）中的方法，建立一个具有30个决策单元的DEA-Malmquist指数模型，应用Deap2.1软件包，计算出全要素生产率指数（TFP）、技术效率指数（EC）和技术进步率指数（TC），并作出三者之间的相关系数（如表1）。可以发现，技术进步率和技术效率具有显著地负相关关系，全要素生产率与技术进步率显著正相关，与技术效率几乎不相关，中国各地区全要素生产率水平主要决定于技术进步率，技术效率没有对TFP的增长产生贡献。

表1 TFP、EC和TC三者之间的相关系数

进一步绘制三个指数的折线图（如图1）。结果发现，11年来中国建筑业全要素生产率整体上处于增长的态势，但是其构成要素TC和EC的变化并不一致。当技术进步率处于高点的时候，恰好技术效率最低，如2004年期间，反之则反是。这说明当建筑业在追逐技术进步的时候，常常会忽视既有技术资源的合理配置；而当整个行业重视挖掘现有技术潜力，充分利用旧有技术资源的时候，技术进步又会受到抑制。整体上看，11年来中国建筑类各企业渴望通过技术进步提升TFP水平，如果能在技术进步的同时充分利用好现有技术资源，将对建筑业全要素生产率水平有更好的促进作用。

五、建筑业TFP增长来源的实证分析

在基于（4）式进行的面板回归分析中，为了使分析结果既具有较好的统计学意义，又具有较好的现实意义，还需进一步对模型参数做具体的选择。第一，通过构造F统计量进行显著性检验，选择混合回归模型、变截距模型还是变系数模型；第二，如果模型确定为变截距或变系数模型，还需要进一步确定是选择固定效应模型还是随机效应模型。由于在进行区域比较时，论文使用的样本数据包含了全部研究对象，而不是总体中的部分样本，因此建立的模型不论是变截距还是变系数模型均采用固定效应的回归模型。

图1 1998～2008年中国区域建筑业前沿效率图

F检验显示，在以TFP、EC或TC为因变量的回归模型选择中，就建筑业全国数据来说，都仅适用变系数模型进行估计。这种变系数模型估计的结果对于探索不同影响要素的作用规律没有任何积极意义。这主要是由于全国范围内省域之间发展不平衡造成的。进一步分析发现，样本期内北京、辽宁、上海、江苏、浙江、山东、河南、湖北、广东和四川排名居前的10个省级区域，建筑业产值占全国建筑业总产值的72.8%。以此为样本，我们同样能说明全国建筑各企业诸因素对建筑业TFP的贡献。而且，“窄而长”（界面较窄，时间序列较长）的数据更适于面板回归研究［7］。

以（4）式建立三种不同形式的回归模型，应用Eviews 6.0进行回归分析。根据残差平方和S1、S2、S3（表2第2行）和构造F统计量（表2第3行），进行显著性检验（表2第4行），选择适合的一种模型（表2第5行）。进而计算出每一地区建筑业技术装备率、企业规模和资源类属结构对TFP及其分解指数的贡献（表2第6、7、8、9行）。

表2 回归模型的选择与计算结果

表2显示，以TFP、EC和TC为因变量的回归模型中，三个地区F值均大于0.05显著性水平下的临界值，回归模型整体上是合适的；拟合优度最小值0.483，拟合效果较好；D.W.检验说明使用的面板数据不存在时间序列的自相关性，估计是有效的。

尽管全国各省区之间建筑企业技术装备、企业规模和资源配置对TFP、EC和TC的贡献差异巨大，但10个建筑业较为发达的省区样本显示出较为一致的变动趋势。其中，以TFP和TC为因变量的回归结果为混合回归模型，说明建筑业中不仅技术装备等对技术效率的作用类同，而且研究所涉及因素之外的条件对技术进步率，继而对全要素生产率的影响也大致相同。而以EC为因变量的回归模型为变截距模型。相同的系数说明技术装备率、企业规模、所有制结构的技术效率弹性没有显著地不同；不同的截距说明三种因素之外的其他方面对EC的影响差异较大。

技术装备率R的效率弹性β1分别是0.066、0.070和-0.029。建筑业技术装备率的提高促进了技术进步率TC的提高，但却带来技术效率EC的下降，综合来看，对TFP表现为正的弹性。企业规模的三种效率弹性β2均小于0。建筑企业规模的扩大，导致技术进步率、技术效率水平的下降。中国建筑企业并没有显示出规模效益。TFP的增长来自于中小型建筑企业的涌现，而非企业规模的扩张。国有建筑企业从业人员占比的效率弹性β3分别是-0.237、-0.272和0.047。显示出在建筑产业中，国有企业较多的地区技术进步率较低，而技术利用效率较高，两相比较，总的表现是全要素生产率水平的下降。与之相对应，私营及港澳台外资建筑企业发达的地区，TFP水平较高，它们是中国建筑业绩效增长的重要源泉。

截距项反映了上述三个方面之外的因素对建筑业效率水平的影响，根据新增长理论，这些影响要素包括建筑人力资本、知识溢出、干中学等，同时基础设施建设、地理条件、资源禀赋、行政能力等也是重要的影响因素。这些因素带来的影响不论是对区域间互有不同的技术效率，还是对不同区域影响类同的技术进步率和全要素生产率，其截距项均大于0。显示出中国建筑业发展环境促进了技术进步率和技术效率的提升，对TFP增长影响是积极正向的。

六、结论与政策建议

通过对占中国建筑业产值70%以上的10个省级区域面板数据的分析，发现技术装备水平、企业规模和企业所有制结构是影响建筑产业绩效的重要因素。由此得出以下TFP增长的路径，并据此提出政策建议。

首先，通过把建筑业TFP的增长分解成技术效率EC和技术进步率TC两个部分，发现中国建筑产业TFP的增长是通过技术进步率的提高实现的，技术效率不升反降。技术进步指的是前沿面的外移，而技术效率表明现有资源配置远离前沿面。中国建筑领域技术进步与技术资源配置带来的TFP变动显示建筑各企业热衷于发展或引进先进技术，致力于购买或开发新的和更高级的装备，陶醉于走在技术发展前列。而对于现有技术的合理配置与使用往往做得不够。开发或购买的技术越前沿，现有技术越容易被边缘化，效率利用越低。因此，在重视技术进步的同时，通过将科技资源应用于提高现有技术的利用效率，挖掘现有技术的潜力，将能够大大提升建筑产业发展水平，促进建筑业TFP的增长。

其次，就企业规模来说，建筑企业规模的扩大并未能带来技术进步率和技术效率的增加，并最终导致了建筑业TFP的下降。关于市场结构与创新发生可能性的研究，熊彼特认为：巨型公司和不完全竞争是技术变革的源泉，是动态创新与技术增长的发动机，这一假说已经被实践所证实。但本文的分析结果显示建筑类大型企业并未能体现出创新的优势，其原因在于建筑类企业的技术进步主要依赖于装备制造业，并非自身的创新成果。因此，企业规模的扩大并不能带来技术进步率的提升，而随着建筑设备租赁市场的发展，小型建筑企业更能快捷的利用最先进建筑设备，促进技术进步率的提升，带来更高的TFP水平。

第三，国有企业员工在整个建筑产业占比越多的地区技术进步率越低，尽管这一变量带来了技术效率的提高，但并未能改变由负TC弹性导致TFP下降的趋势。改革开放后，中国建筑产业效率的提高主要得益于非国有企业的迅速崛起。而国有建筑企业由于体制不灵活，设备老化，承担着大量的社会责任，需要负担大量的离退休员工等问题，导致效率低下。巩固社会主义制度的经济基础，必须提升国有企业的绩效水平。对于建筑类国有企业来说，要增强其市场竞争的积极性、敏锐性，通过引进和吸收先进技术装备，采用先进建筑材料等促进技术进步率，提高自身的全要素生产率水平。

本文基于新增长理论研究建筑业TFP与技术装备、企业规模、资源配置之间的关系，变量选择的合理性有待商榷。新增长理论认为，全要素生产率的来源还包括人力资本、知识外溢和干中学等因素，研究中，将此类因素的影响一并归入模型的截距项，忽视了它们对TFP影响的个性化差异，而这些问题正引起人们的关注，其将在后续的研究中努力探讨。

［1］ Romer P.Increasing Returns and Long-Run Growth［J］.The Journal of Political Economy，Journal of Political Economy，1986，94（5）：1002-1037.

［2］ Keller W.Trade and the Transmission of Technology［J］.Journal of Economic Growth，2002，7（1）：5-24.

［3］ 林晨，王幼松，吴晔晖.DEA模型方法在排位评估中的应用——广东省在全国建筑业生产效率的排位研究［J］.暨南大学学报，2003，（1）：68-75.

［4］ 李百吉，贾洪.我国各区域建筑业生产效率比较研究［J］.北京工业大学学报，2009，（1）：34-41.

［5］ Cooper，William W Seaford.Handbook on Data Envelopment Analysis［M］.Baker&Taylor Books，2004：145-146.

［6］ 张军，吴桂英，张吉鹏.中国省级物质资本存量估算：1952-2000［J］.经济研究，2004，（10）：38-47.

［7］ 高铁梅.计量经济分析方法与建模：EVIEWS应用及实例［M］.北京：清华大学出版社，2006：404-406.