梁健娟　曾光

摘要：基于2003-2010年间中国饮料制造业13个四位数行业的面板数据，运用非参数数据包络分析的DEA-Malmquist生产率指数方法，对饮料制造业整体及细分行业的全要素生产率（TFP）进行测度，并考察TFP指标的变动情况。在此基础上，运用Tobit模型对行业TFP的影响因素进行了探讨。结果表明，考察期间，技术进步是推动TFP增长的主要动力；人均资本、企业规模和劳动力成本与饮料制造业TFP间具有显著的正相关性，而出口交货值和市场竞争程度两项指标与TFP间不显著负相关。

关键词：饮料制造业；全要素生产率；Malmquist指数；Tobit模型

中图分类号： 文献标识码： 文章编号：0439-8114（2014）13-3199-05

Total Factor Productivity Measurement and Factors Affecting Chinas Beverage Manufacturing Industry Based on Perspectives of 13 Four-Digit Industry

LIANG Jian-juan， ZENG Guang

（College of Economics and Management， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The panel data of China's beverage manufacturing industry through 2003-2010 and non-parametric data envelopment analysis and DEA-Malmquist productivity index method were used to measure the total factor productivity of the overall beverage manufacturing industry and its four-digit industry segments. The TFP decomposition indicators of changes situation were studied. Tobit model was used to study the factors influencing TFP. Results showed that during the inspection， technological progress was the key force for TFP growth. The capital per capita， enterprise scale and labor costs had significant negative impact on beverage manufacturing TFP. The two indicators and TFP was not negatively correlated between export delivery value and degree of competition in the market.

Key words： beverage manufacturing industry； total factor productivity； malmquist index； Tobit model

随着收入的增长及生活水平的不断提高，消费者对各种饮料制品的需求在持续稳定地增加。与之相对，中国饮料制造业也在不断地发展和壮大，产品种类日趋多样化，产量逐年提高。据统计，2003-2010年中国饮料制造业工业总产值一直保持着高速增长的态势，年均增长率达到了25.52%。而饮料制造业持续增长的动力究竟是来自于要素投入的增加还是全要素生产率（Total factor productivity，简称TFP）的提高，目前还没有权威的结论。因此，从饮料制造业整体和细分行业层面对其全要素生产率进行测度，并从技术进步、技术效率、纯技术效率和规模效率等角度进行分析，进而探究行业生产效率的影响因素，就显得尤为重要。

现有中国工业生产率的研究，主要集中于对工业整体全要素生产率的测度，并对其二位数细分行业的生产率及其分解指标进行考察，而饮料制造业往往是作为其39个二位数细分行业之一进行测度。李春顶[1]选取了1998-2007年中国制造业28个二位数行业的面板数据，采用DEA—Malmquist生产率指数方法对饮料制造业进行研究的结果表明，其TFP年均增长6.3%，其增长的贡献主要来自于技术进步，而技术效率的年均增长率较小；周燕等[2]采用DEA-Malmquist生产率指数方法，对1996-2007年间中国34个二位数工业行业的全要素生产率进行测度，其中饮料制造业全要素生产率年均增长8.50%，其技术进步的平均增长率达到了10.30%，而技术效率的平均增长率则为-1.7%；干春晖等[3]则采用随机前沿生产函数（SFA）分析方法，对1998-2007年间工业36个二位数细分行业的生产绩效进行了测算，发现饮料制造业TFP年均增长9.40%，其中资源配置效率改善的贡献最大，达到了88.30%，其次是技术进步，占48.89%，而技术效率和规模效率的贡献均为负值；郑兵云等[4]同样采用SFA分析方法发现1996-2007年间饮料制造业TFP年均增长率仅为4.28%，技术进步的平均增长率为4.79%，是TFP增长的主要动力，技术效率和资源配置效率的提高对TFP的贡献年平均分别为0.89%和0.68%，而规模效率使TFP每年下降了0.50%。由此看来，不同文献对中国饮料制造业TFP及其分解指标测度结果差别很大，主要有两个方面的原因：一是指标选取和数据处理上的差异；二是研究方法的不同，有的文献采用非参数数据包络分析法，而有的文献则是采用随机前沿分析法。

从数据选取角度来看，现有文献都是将饮料制造业作为工业（制造业）的一个二位数行业进行测度，限于数据的获取，对其四位数细分行业进行研究的文献还没有，所以其研究结论难免失之于粗略。有鉴如此，本研究将采用2003-2010年中国饮料制造业13个四位数细分行业的面板数据，运用DEA-Malmquist指数方法，对饮料制造业整体及各细分行业TFP及其分解指标进行测度，并对其增长动力及影响因素进行实证分析。

1 研究方法

测度全要素生产率的方法主要有参数法和非参数法两种，本研究以饮料制造业13个细分行业为研究对象，由于这些行业自身特性不同，不宜假定统一的生产函数形式，故采用国际上应用最为广泛的基于数据包络分析方法的DEA-Malmquist 指数方法。

首先用投入集L（y）来定义投入距离函数：

di（x，y）=max{ρ：（x/ρ）∈L（y）} （1）

式（1）中，d（x，y）为距离函数，i表示基于投入的距离函数，x和y分别表示投入和产出向量，ρ表示Farrell面向投入的效率指标。

L（y）={x：x可以生产y}={x：（x，y）∈S}。

基于投入角度的Malmquist指数可以表示为：

d■■=d■■（xt+1，yt+1）/d■■（xt，yt） （2）

式（2）中，Malmquist指数的测度是以时间t的技术T水平为参照，从时期t到t+1的技术效率变化的Malmquist指数，同理，定义在t+1时期的技术水平下，测度时期t到t+1的技术效率变化的Malmquist指数：

d■■=d■■（xt+1，yt+1）/d■■（xt，yt） （3）

实际应用中，Malmquist生产率指数是采用式（2）、式（3）的几何平均数来衡量时期t到t+1时期的全要素生产率的变化。

Mi（xt+1，yt+1；xt，yt）=[■×■]■

=■×[■×■]■

=EC（xt+1，yt+1；xt，yt）TP（xt+1，yt+1；xt，yt）

=PC·SC·TP （4）

式（4）中，Malmquist生产率指数在不变规模报酬假定下可以分解为技术效率变化指数（EC）和技术进步指数（TP）。EC还可以进一步分解为纯技术效率变化指数（PC）和规模效率变化指数（SC）。其中，PC=■，v表示规模报酬可以改变。 2 数据来源及指标选取

基于四位数行业企业层面的相关数据，所选取均为国有及规模以上非国有饮料制造业企业的相关指标，数据主要来源于国务院工业经济发展中心数据库和历年《中国工业经济统计年鉴》。由于从2003年起统计部门开始采用新的行业分类标准，即《国民经济行业分类与代码》（GB/T4754-2002）对行业进行重新分类，因此为保持研究的一致性，选择2003-2010年饮料制造业13个四位数细分行业数据进行研究（表1）。

2.1 投入指标

采用DEA方法对全要素生产率进行测度，投入指标通常包括资本投入、劳动力投入、销售成本和管理费用等。资本投入指标的最佳选择是物质资本服务流量，但现有统计口径中没有资本服务流量的相关数据，因此借鉴大多数文献的做法，选取固定资产净值平均余额为资本投入；应该说，有效劳动时间是衡量劳动力投入的最准确的指标，但目前还没有这方面的统计，因此同样参照已有研究，选取全部从业人员平均数作为劳动力投入；销售成本是指已销售产品的生产成本或已提供劳务的劳务成本，以及其他销售的业务成本等的总和，本研究选取销售成本来表示产品生产过程中的物料损耗价值指标；管理费用包括职工教育经费、业务招待费、技术转让费、咨询费、劳动保险费、待业保险费、董事会会费以及其他管理费用等，本研究选取该指标作为企业人力资本投资成本。

2.2 产出指标

现有大多文献都是以工业总产值、工业增加值或销售收入等作为产出指标[5-8]。综合来看，企业销售收入不仅衡量了企业的销售能力，而且还可以反映企业的库存管理能力，能够全面科学地表征企业的产出状况，因此本研究选取行业产品销售收入作为产出指标。

考虑到上述相关指标的价格因素影响，进行如下处理：固定资产净值平均余额用固定资产价格指数进行平减，管理费用和销售成本用国内生产总值价格指数进行平减，产品销售收入用工业品出厂价格指数进行平减，其数值均以2003年为不变价格表示。

3 TFP指标测度及其分解

应用DEAP2.1软件包，对中国2003-2010年饮料制造业全要素生产率进行测度并分解，同时，对饮料制造业13个四位数行业的全要素生产率变动分别进行测度及分解。

3.1 饮料制造业全要素生产率平均变动及分解

考察饮料制造业全要素生产率的变动，首先对2003-2010年中国饮料制造业Malmquist生产率指数进行测度，并根据公式（4）分解为技术进步、技术效率（又分解为纯技术效率及规模效率）等指标，在此基础上对结果取几何平均值即为饮料制造业全要素生产率总体变动情况（表2）。

从表2可知，考察期间，中国饮料制造业全要素生产率年均增长率为1.5%（年均全要素生产率指数减去1即为年均增长率），其中技术进步的作用明显，其年均增长率为1.0%，技术效率的年均增长率为0.6%。而从技术效率的分解来看，规模效率和纯技术效率的年均增长率分别为0.4%和0.2%。综合起来看，中国饮料制造业全要素生产率的提高是各种因素共同作用的结果，但其中以技术进步的贡献最大。

中国饮料制造业全要素生产率与技术进步变化保持了高度的同步性，由此看来，技术进步是推动饮料制造业全要素生产率增长的主要源泉。进入21世纪以来，中国饮料制造业企业将新技术开发和新产品发明改造与应用作为自身发展的关键。同时，饮料制造业的规模效率与技术效率的变动趋势相同，表明规模生产状况的改善在技术效率的提升中起到了至关重要的作用。

进一步考察发现，尽管饮料制造业全要素生产率及其分解指数的平均值均为正数，但从各年份平均值看，各指标的增长率在不同年份均有负值出现，尤其是全要素生产率和技术进步指标，其增长率一直呈下降的趋势。表明近几年饮料制造业企业大多是粗放式增长，新技术和新产品的研究与应用速度缓慢，不利于企业集约化地使用各种投入要素，造成投入要素的浪费，在一定程度上会阻碍生产效率的提升。

3.2 细分行业TFP变动及分解

在整体分析中国饮料制造业全要素生产率变动的基础上，根据公式（4）接着对13个四位数行业的全要素生产率及其分解进行测度（表3）。

由表3可见，从13个四位数行业的TFP的增长率指标来看，除瓶（罐）装饮用水制造（-0.2%）、果菜汁及果菜汁饮料制造（-1.8%）和茶饮料及其他软饮料制造（-2.3%）外，其他行业在考察期间的TFP增长率均为正，其中啤酒制造、白酒制造和黄酒制造增长最快，分别达到了4.9%、3.6%和3.1%。表明在考察期间，绝大多数饮料制造细分行业的TFP是增长的。

与上节考察行业整体生产率变化结论相似，除葡萄酒制造和碳酸饮料制造两个行业外，其他细分行业技术进步率变化与TFP指数变化保持着较高的同步性。证明了中国饮料制造业TFP增长主要来自于以新技术和新产品的发明与创造为主的技术进步。

与技术进步指标不同，考察期间技术效率增加的只有白酒制造、啤酒制造、黄酒制造、葡萄酒制造和碳酸饮料制造这5个行业，而酒精制造等6个行业技术效率不变，瓶（罐）装饮用水制造和果菜汁及果菜汁饮料制造两个行业技术效率出现了下降。这表明随着饮料制造业企业制度安排的完善和管理水平的提高，以制度和管理创新为主要方式的纯技术效率和规模效率改进的空间有限。进一步从技术效率的分解指标看，除葡萄酒制造纯技术效率有所提高外，白酒制造等10个行业的纯技术效率保持不变，而瓶（罐）装饮用水制造等两个行业的纯技术效率有所下降。与纯技术效率的变化相比，规模效率总体提高趋势稍好，其中白酒制造等5个行业的规模效率变化呈上升的趋势。

4 TFP影响因素分析

4.1 指标选取

根据现有文献并结合数据的可得性，选取出口交货值、人均资产、市场竞争、企业规模、劳动力成本等5个指标，对中国饮料制造业TFP的影响因素进行分析。

出口交货值包括收购交货值和自营出口额，该数值能够反映国外经济环境的好坏。通常该数值较大时，表明产品比较容易变现，有利于企业效率的提高。预期该数值与行业TFP正相关。

人均资本指标以行业固定资产与全部从业人员平均数之比度量，理论上人均资本越大，越有利于企业生产效率的提高。预期人均资本与行业TFP正相关。

市场竞争指标以企业数量来表征，通常企业数量越多，竞争性越强，因此企业将加大技术投入以提高效率。预期市场竞争与行业TFP正相关。

企业规模指标以行业资产总额与企业数量之比表示，通常随着企业规模的扩大，其规模经济效应会使其TFP增加，但同时管理成本增加等导致的交易成本上升也会制约TFP的上升。预期该指标与行业TFP相关性不确定。

劳动力成本指标以从业人员数与行业职工平均工资的乘积表示，通常来说，劳动力成本的上升会降低企业的利润，进而影响其生产效率。预期该指标与行业TFP负相关。

4.2 Tobit模型回归结果及分析

在回归估计中，参照于海龙等[9]的做法，以2003年为基期的定期指数，根据环比指数计算出历年的累积全要素生产率指数为被解释变量，以上述5个因素为解释变量，运用Eviews6.0软件对中国饮料制造业全要素生产率的影响因素做面板Tobit模型分析，结果见表4。

由表4可以得出如下结论：

1）出口交货值指标与行业TFP负相关，与预期相反，且不显著。其原因可能与我国目前的饮料制造业产品市场主要在国内，受国际环境的影响较小有关。这也从一个侧面反映了当前饮料制造业发展滞后，国际市场竞争力有限。

2）人均资本与行业TFP间显著正相关，与预期一致。表明当前中国饮料制造业人均资本的投入还相对不足，企业可以通过增加资本投入，进一步改善技术，进而提高行业全要素生产效率。

3）市场竞争程度指标对TFP具有不显著的负向影响，与预期相反。这可能与中国饮料行业过度竞争有关，同时，现阶段饮料制造企业大多是劳动密集型企业，针对竞争的创新活动对其效率提高程度有限。

4）企业规模指标与行业TFP显著正相关，表明现阶段随着企业规模的不断扩大，规模效应超过了管理成本的增加，未来可以通过横向联合和纵向兼并进行行业整合，进一步发挥规模经济效应。

5）与预期相反，劳动力成本与TFP间具有显著的正相关。究其原因，可能与当前饮料行业属于劳动密集型产业有关，即当劳动力成本增加时，会刺激企业更多地引进新知识、新技术、新设备，以替代劳动力，使得生产效率提高，这也从侧面印证了技术进步在行业TFP增长中的重要贡献。

5 结论与建议

本研究采用非参数的DEA-Malmquist指数方法，对饮料制造业13个细分行业2003-2010年全要素生产率进行测算，并考察了影响全要素生产率的因素，主要结论如下。

1）在考察期间，中国饮料制造业TFP的年均增长率为1.5%，但总体上一直呈下降的趋势，其中，技术进步是TFP增长的主要动力，年均增长率为1%。从各细分行业上看，大部分平均Malmquist生产率指数呈现增长态势。同时，技术进步率变化与TFP指数变化保持着较高的同步性，进一步说明技术进步是中国饮料制造业TFP增长的主要来源，而技术效率对其影响较小，其原因可能是饮料制造业的大部分行业仍然存在规模不经济、管理者缺乏经营方面的理性、企业治理机制不完善及竞争无序等问题。随着工业化和城市化进程的不断加快，提高中国饮料制造业行业TFP，必须从行业生产的技术进步和技术效率两个方面同时加以改进，特别是技术效率的提高对我国饮料行业的发展至关重要。

2）Tobit模型回归结果表明，在5个影响因素中，人均资本、企业规模和劳动力成本3个指标对中国饮料制造业TFP有显著的正向影响，而出口交货值和市场竞争程度两个指标与TFP间存在不显著的负相关性。综合起来看，未来饮料制造业要加快外向型建设步伐，增强国际竞争力；增加资本投入，进一步改善技术；加快横向联合和纵向合并的步伐，发挥规模经济效应；加大企业技术改进的力度，鼓励创新等。

参考文献：

[1] 李春顶.中国制造业行业生产率的变动及影响因素——基于 DEA 技术的1998-2007年行业面板数据分析[J].数量经济技术经济研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中国工业行业全要素生产率增长的决定因素：1996-2007[J].北京师范大学学报（社会科学版），2011（1）：133-141.

[3] 干春晖，郑若谷.中国工业生产绩效：1998-2007——基于细分行业的推广随机前沿生产函数的分析[J].财经研究，2009，35（6）：97-108.

[4] 郑兵云，陈 圻.转型期中国工业全要素生产率与效率——细分行业的随机前沿模型分析[J].数理统计与管理，2010，29（3）：480-489.

[5] 宫俊涛，孙林岩，李 刚.中国制造业省际全要素生产率变动分析——基于非参数Malmquist指数方法[J].数量经济技术经济研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中国制造业全要素能源效率研究——基于制造业 28个行业的实证分析[J].当代经济科学，2010，32（2）：20-25.

[7] 王艳华，王 军，张越杰.吉林省农产品加工业全要素生产率变动及其分解分析——基于Malmquist生产率指数的实证研究[J].农业技术经济，2010（10）：108-114.

[8] 李 鹏，曾 光.我国农副食品加工业全要素生产率研究——基于17个细分行业数据[J].中国农业大学学报，2012，17（4）：179-184.

[9] 于海龙，李秉龙.中国乳业的全要素生产率及影响因素分析——基于DEA-Tobit模型分析[J].西安财经学院学报，2012，25（5）：33-38.

2）Tobit模型回归结果表明，在5个影响因素中，人均资本、企业规模和劳动力成本3个指标对中国饮料制造业TFP有显著的正向影响，而出口交货值和市场竞争程度两个指标与TFP间存在不显著的负相关性。综合起来看，未来饮料制造业要加快外向型建设步伐，增强国际竞争力；增加资本投入，进一步改善技术；加快横向联合和纵向合并的步伐，发挥规模经济效应；加大企业技术改进的力度，鼓励创新等。

参考文献：

[1] 李春顶.中国制造业行业生产率的变动及影响因素——基于 DEA 技术的1998-2007年行业面板数据分析[J].数量经济技术经济研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中国工业行业全要素生产率增长的决定因素：1996-2007[J].北京师范大学学报（社会科学版），2011（1）：133-141.

[3] 干春晖，郑若谷.中国工业生产绩效：1998-2007——基于细分行业的推广随机前沿生产函数的分析[J].财经研究，2009，35（6）：97-108.

[4] 郑兵云，陈 圻.转型期中国工业全要素生产率与效率——细分行业的随机前沿模型分析[J].数理统计与管理，2010，29（3）：480-489.

[5] 宫俊涛，孙林岩，李 刚.中国制造业省际全要素生产率变动分析——基于非参数Malmquist指数方法[J].数量经济技术经济研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中国制造业全要素能源效率研究——基于制造业 28个行业的实证分析[J].当代经济科学，2010，32（2）：20-25.

[7] 王艳华，王 军，张越杰.吉林省农产品加工业全要素生产率变动及其分解分析——基于Malmquist生产率指数的实证研究[J].农业技术经济，2010（10）：108-114.

[8] 李 鹏，曾 光.我国农副食品加工业全要素生产率研究——基于17个细分行业数据[J].中国农业大学学报，2012，17（4）：179-184.

[9] 于海龙，李秉龙.中国乳业的全要素生产率及影响因素分析——基于DEA-Tobit模型分析[J].西安财经学院学报，2012，25（5）：33-38.

2）Tobit模型回归结果表明，在5个影响因素中，人均资本、企业规模和劳动力成本3个指标对中国饮料制造业TFP有显著的正向影响，而出口交货值和市场竞争程度两个指标与TFP间存在不显著的负相关性。综合起来看，未来饮料制造业要加快外向型建设步伐，增强国际竞争力；增加资本投入，进一步改善技术；加快横向联合和纵向合并的步伐，发挥规模经济效应；加大企业技术改进的力度，鼓励创新等。

参考文献：

[1] 李春顶.中国制造业行业生产率的变动及影响因素——基于 DEA 技术的1998-2007年行业面板数据分析[J].数量经济技术经济研究，2009（12）：58-69.

[2] 周 燕，蔡宏波.中国工业行业全要素生产率增长的决定因素：1996-2007[J].北京师范大学学报（社会科学版），2011（1）：133-141.

[3] 干春晖，郑若谷.中国工业生产绩效：1998-2007——基于细分行业的推广随机前沿生产函数的分析[J].财经研究，2009，35（6）：97-108.

[4] 郑兵云，陈 圻.转型期中国工业全要素生产率与效率——细分行业的随机前沿模型分析[J].数理统计与管理，2010，29（3）：480-489.

[5] 宫俊涛，孙林岩，李 刚.中国制造业省际全要素生产率变动分析——基于非参数Malmquist指数方法[J].数量经济技术经济研究，2008（4）：97-109.

[6] 王 霄，屈小娥.中国制造业全要素能源效率研究——基于制造业 28个行业的实证分析[J].当代经济科学，2010，32（2）：20-25.

[7] 王艳华，王 军，张越杰.吉林省农产品加工业全要素生产率变动及其分解分析——基于Malmquist生产率指数的实证研究[J].农业技术经济，2010（10）：108-114.

[8] 李 鹏，曾 光.我国农副食品加工业全要素生产率研究——基于17个细分行业数据[J].中国农业大学学报，2012，17（4）：179-184.

[9] 于海龙，李秉龙.中国乳业的全要素生产率及影响因素分析——基于DEA-Tobit模型分析[J].西安财经学院学报，2012，25（5）：33-38.