效率测算分析（精选11篇）
效率测算分析 篇1
技术效率的测算在宏微观经济分析中具有重要的意义。从企业微观角度看, 运用适当技术方法测算技术效率, 将有利于考察和评价企业的综合绩效指标。从行业或地区宏观角度看, 在涉及行业或地区比较研究中, 测算各个行业或地区的技术效率, 能够让我们了解每个行业或地区的经济增长质量。目前, 国内关于技术效率测算方法的理论研究和运用不同方法对企业、行业和区域进行微观、中观层面上的技术效率测算进而分析差异并提出政策建议的经验研究成为一个热点问题。本文正是从技术效率的理论研究这一角度出发, 对技术效率测算方法中的前沿面确定方法进行综合比较研究。
1 技术效率及其度量
从投入角度讲, 技术效率是指生产技术和市场价格不变的条件下, 按照既定的要素投入比例, 生产一定量产品所需要的最少成本与实际成本的百分比 (Farrell, 1957) ;或者从产出角度讲, 技术效率是实际产出水平与在相同的投入规模、投入比例及市场价格条件下所能达到的最大产出量的百分比 (Leibenstein, 1966) 。这两种定义的实质是相同的, 即技术效率=实际水平/前沿边界或最优值 (最大产出或最小成本) , 它反映了生产者的生产活动接近其前沿边界的程度, 体现了现有技术的发挥程度。
1957年英国剑桥大学的经济学家Farrell首次提出运用具有投入或产出最优性质的前沿生产函数来测度技术效率, 并得到理论界的一致认同, 成为技术效率研究的主要方法。前沿分析方法可以从投入导向和产出导向两个角度考察每一个被评价单位即决策单位 (Decision Making Unit, 简称DMU) 的相对技术效率。
1.1 从投入角度分析技术效率的度量
投入角度的技术效率度量其本质在于:在规模收益不变、价格确定且在既定技术水平下, 一个决策单元在投入一定的情况下, 可以增加多少产出数量, 如图1。
假定一个决策单元有两个投入要素 (X1, X2) , 一个产出Y, 曲线SS'是等产量曲线, 也就是我们所指的效率前沿, 与SS'曲线对应的函数Y=f (X1, X2) , 即最前沿函数, LL'是等成本曲线。A、B、C为不同的决策单元的样本点, A代表非经济有效单元, B为技术有效单元, C为经济有效单元, 我们可以利用有效决策单元组成的等产量曲线SS'来测算各单元的技术效率。对于A点代表的决策单元的技术效率可用BA/OA的比率来表示, 代表该单元要达到技术有效产出可减少的投入要素比率。技术效率 (TE) 用以下比例表示:
TE=OB/OA=1-AB/OA
显然, TE值在0到1之间, 当其为1, 表示该决策单元在技术上完全有效, 如图中的B、C。BD代表了投入点从技术有效到配置无效点B, 移动到技术和配置有效的C时, 所能减少的成本, 所以A点的配置效率等于OD/OB。A点总的经济效率可有OD/OA来表示, DA的距离代表该决策单元要达到经济有效 (即技术和配置同时有效) 可节省的投入成本。
1.2 从产出角度分析技术效率的度量
产出角度的技术效率度量其本质在于:在规模收益不变、价格确定且在既定技术水平下, 一个决策单元在产出一定的情况下, 可以减少多少投入数量, 如图2。
我们假设决策单元有一个投入要素X, 两个产出 (Y1, Y2) , ZZ'是生产可能性曲线, 即效率的前沿面。同理, A点为非效率决策单元, 其技术效率可用TE=OA/OB=1-AB/OB来测定;配置效率 (AE) 可表示为AE=OB/OD;经济效率 (EE) 可表示为EE=OA/OD。
2 技术效率测量的前沿分析方法比较
技术效率测算关键在于前沿函数的估计, 估计前沿函数有多种方法。依据对效率前沿形状、随机误差的处理和随机误差、低效率值分布的假定不同, 可将现有的技术效率前沿分析定量测度方法, 划分为以下两大类。
2.1 非参数前沿方法
该方法没有限定效率前沿的形状, 无须建立投入、产出间的严格函数表达式, 主要包括数学包络分析 (DEA) 和自由处置包 (FDH) 两种方法, 其中Charnes、Cooper和Rhodes于1978年以提出的DEA较为经典。
2.1.1 数据包络法分析
DEA方法以相对效率概念为基础, 是对若干同类型的具有多输入、多输出系统的决策单元进行相对效率与效益方面比较的一种有效方法。它以某一系统中的实际决策单元为基础, 建立在决策单元的“Pareto最优”概念之上, 通过利用线性规划技术确定系统的效率前沿面。该方法将所有决策单元的投入、产出映射于空间中, 并寻找其边界点, 凡是落在边界上的决策单元, 认为其投入产出组合最有效率, 并将其指标定为1;而不在边界上的决策单元则被认为无效率。
自从1978年C2R模型作为DEA第一个基本模型首次被提出以来, 源于数学上的考虑以及经济背景的研究, DEA模型已经得到了扩充, 包括Banker等 (1984) 提出的BC2模型, Charnes (1985) 等人对C2R模型进行改进后提出了C2GS2模型, Fare等 (1985) 使用非参数的费用方法研究规模效益时提出的FG模型以及Seiford等 (1990) 提出的ST模型。尽管在这些模型的基础上又衍生出不少新的DEA模型, 但 C2R和C2GS2是最常见的数据包络分析模型。
(1) C2R模型
C2R模型适用于假设投入面满足规模报酬固定的情况, 对决策单元的规模效率和技术效率同时进行评价, 即C2R模型测得的DMU有效是指规模适当且技术水平高的。评价第j个决策单元DMU总体效率的具有非阿基米德无穷小的C2R模型为:
用该模型可以评价DMU的总体效率, 设模型的最优解为λ*, s+*, s-*, θ*, 其结论为:
①θ*=1, 且s+*=0, s-*=0, 则DMU为DEA有效。
②θ*=1, 且s+*≠0, s-*≠0, 则DMU为弱DEA有效。
③θ*<1时, 称DMU为DEA无效。
④若
(2) C2GS2模型
C2GS2模型则仅对决策单元技术有效进行衡量, 即以C2GS2模型测得的DEA有效是指该DMU最好地运用了已有的技术。评价第j个决策单元纯技术效率的具有非阿基米德无穷小的C2GS2模型为:
该模型计算出的是纯技术效率, 反映DMU的纯技术效率情况。设模型最优解为λ*, s+*, s-*, σ*, 其结论为:
①若σ*=1, 则DMU为弱DEA有效 (纯技术) 。
②σ*=1, 且s+*=0, s-*=0, 则DMU为弱DEA有效 (纯技术) 。
在实际应用中, DEA方法的优点在于:①模型采用最优化方法确定DEA各输入、输出的权重, 从而避免了人为确定各指标权重所带来的主观性;②无需确定输入、输出之间的明确具体的函数表达式, 避免因错误的函数形式带来的问题;③不需要考虑各指标量纲不一致而带来的度量困难;④不但能评价各DMU的效率值, 还能指出无效率单元投入产出的调整方向与幅度。DEA本身仍然存在着不足:DEA作为一种数学规划方法, 不具备统计特征, 不能对模型本身进行检验, 而且它衡量的生产函数边界是不确定的, 无法分离随机因素和测量误差的影响。
2.1.2 自由处置包 (FDH)
自由处置包 (FDH) 方法是DEA的一个特例。DEA模型中连接前沿各个顶点的线上的点没有被认定为效率前沿, 相反, FDH生产可能性集合仅由DEA顶点和这此顶点内部的自由排列点组成。在FDH模型中每个DUM的效率值是通过与其它DUM逐个比较得到, 只有当一个DUM与另一个DUM比较不占优势时, 后一个DUM才被看作是有效率的。由于FDH前沿与DEA前沿一致或者位于DEA前沿内部, 所以用FDH方法计算得到的平均效率值通常高于用DEA方法计算的平均效率值 ( Bruno De Borger, etc.1998) 。
这两种方法均允许效率值随时变化, 并且都有没有预先假定低效率值的分布形式, 处于前沿上的观测样本被认为是100%的高效率。非参数方法的主要不足是这种方法通常假定不存在随机误差, 也就是假定:①在构建效率前沿时无任何测度误差;②决策单元的效率稳定, 不存在某一观测期的效率暂时性地优于其它时期;③不存在因会计规则引起的测度投入和产出与经济投入和产出的偏离导致的误差。非参数方法的问题在于任何处于效率前沿的样本观测点出现上述误差都会影响效率前沿的准确性, 从而改变其它所有样本点的效率值。
2.2 参数前沿法
参数前沿法是指计量经济学中的数理统计方法, 即首先定义效率方程的函数表达式, 指定效率前沿的形状, 然后根据一组投入产出观测数据, 在满足某些条件下, 利用回归分析的方法确定表达式中的参数, 最后通过该前沿效率函数确定的前沿面对决策单元的技术效率进行测算。参数前沿法主要有3种:确定性前沿法、模糊边界法和随机前沿法。
2.2.1 确定性前沿法 (DFA)
确定性前沿法 (Aigner和Chu, 1968年;Afriat, 1972年) 在分析技术效率时假定经济系统的所有决策单元共用一个固定的效率前沿水平, 即有一个确定的上界生产函数。此种方法的不合理之处在于:将影响经济单位的外生扰动因素如气候、政策变动、统计误差、方程测定误差也计入在内生的技术无效当中, 因此所测定的技术效率与真实的效率水平有很大偏差。此外, DFA不对无效率或随机误差的特定分布做出任何强假设。相反, DFA假定每个决策单元的效率不随时间变动, 而随机误差的平均值随着时间的推移而趋于零 ( Berge, 1993) 。D FA在回归时需要使用时间序列和截面的面板数据, 同时对效率水平的估计是一种混合估计。
2.2.2 模糊边界法 (TFA)
模糊边界法同样定义了效率前沿的函数形式, 但它是利用回归分析来估计生产函数的参数, 得到的是一个穿过所有样本观测点“中心”的平均生产函数 (Berger and Humphrey, 1991) 。TFA假定计算得到的效率值对预计的效率值的偏离, 如果超出所有观测样本的上下限, 则代表随机误差, 如果这种偏离在上下限之内, 则是由低效率引起的 (Rien Wagenvoort & Paoul Schure, 1999) 。这种方法没对低效率值或随机误差的分布做任何假定, 但认为低效率值在上下限之内波动, 随机误差在这些区间中。TFA方法本身并没有给出单个决策单元效率点估计值, 而试图通过估计最佳与最差效率差异得到效率的值。TFA方法减少了样本数据中极值点对所计算的效率值的影响, 这一点与DEA方法是一致的, 所不同的是DEA方法中剔除了极点值。
2.2.3 随机前沿法 (SFA)
参数前沿方法主要有3种, 其中应用得最广泛的是随机前沿, 其它两种都是这种方法的变形。美国的D. Aigner, C.Lovell & C.Schmidt (1977) 和比利时的W.Meeusen, J.vanden Broeck (1977) 几乎同时提出了随机前沿方法 (Stochastic Frontier Analysis) 来测算技术效率。随机前沿方法确定了投入、产出和环境变量之间的函数关系, 并考虑了随机误差。基本模型可以表达为:
Yit=f (Xit;β) exp (vit-uit) (1)
I=1, 2, …, N;t=1, 2, …, T
TEit=exp (-uit)
Yit表示第i个单位第t年的产出;Xit表示投入的矩阵;β为待估计的参数矩阵;模型中的误差项 (vit-uit) 被分为两类:vit为服从对称分布的不可控因素随机误差项, 表示经济系统的外部影响因素 (如气候, 地理环境等) 和一些数据误差;uit为非负的服从单侧分布的管理随机误差项, 反映第i个单位在第t年的技术无效程度。第i个决策单元的技术效率状态用TEit=exp (-uit) 来表示。当u=0时, 决策单元就恰好处于生产前沿上, 即Yit=f (Xit;β) exp (vit-uit) ;若u>0, 决策单元就处于生产前沿下方, 也就是处于非技术效率状态。
在此后的20几年的研究中, 出现了不少重要的随机前沿模型用于确定前沿面, 主要的发展和运用集中在两个方面: (1) 对模型中管理误差项的分布假设, Stevenson (1980) 假设其为截尾正态分布, Greene (1980) 假设为密度分布, Lee (1993) 则假设为四参数的Pearson分布; (2) 对数据选择的变化, 早期的应用主要是基于截面数据 (Cross-sectional data) 的技术效率估计, 而20世纪80年代以后更多地利用面板数据 (Panel data) 进行测算。目前最常用的随机前沿模型是Battese和Coelli在1992年设定的运用时间序列面板数据估计前沿面的生产函数模型, 简称BC (1992) 模型。具体为:
Yit=f (Xit;β) exp (vit-ui) (2)
Yit=f (Xit;) exp (vit-ui) (3)
Uit=uitexp[-η (t-T) ] (4)
TEi=exp (-ui) , TEit=exp (-uit) (5)
i=1, 2, …, N;t=1, 2, …, T
模型 (3) 是在模型 (2) 的基础上发展而来的, 因此仅就模型 (3) 予以说明, 模型中各变量的涵义与模型 (1) 相同, 所不同的是vit被假定服从对称的正态分布N (0, σv) , ui为非负的服从单侧 (大于等于零) 的正态分布N (μ, σu) , 且独立于uit, 表示第i个单位不随时间变化的技术无效水平, uit可以通过式 (4) 来确定。若μ=0, 且uit不随时间变化, 则模型 (3) 退化成模型 (2) 。根据所估计的ui, 由式 (5) 可以确定技术效率, Coelli编写的专门用来估计前沿函数和技术效率的程序Front使得这一计算更加方便。
1995年Tattese和Coelli提出了另一个模型BC (1995) 模型。该模型与BC (1992) 模型基本一致, 但假设uit为非负截尾正态分布。BC (1995) 模型通过一次估计便可测算技术效率并就各因素对技术效率的影响程度进行分析, 因此在实证研究中运用较广。
与非参数前沿方法相比, SFA方法最大的优势在于:前沿面是随机的, 各决策单元不需公用一个前沿面;把误差项进行区分, 能更准确地反映实际的技术效率水平;可以对结果进行假设检验 (如对参数的T检验和对函数的似然检验等) 。
随机前沿面方法有以下不足:①因为采取统计方法, 需要大规模样本;②是参数方法, 需要已知生产函数形式;③虽然已取得了很大突破, 但随机前沿模型的本质问题仍没有解决, 即随机误差项与技术无效的分离还是受到强分布假设的影响, 估计结果仍受分布假设模型具体形式的制约。
3 结论
技术效率测度前沿分析方法中的参数法与非参数法都是试图描述投入产出间的最优关系的分析方法, 以效率前沿为基准进行效率评价, 凡在效率前沿“下方”的点为无效单元, 其他为有效单元。这两种方法的分歧在本质上可归结为:是采用经济计量方法还是采用数学规划方法测定技术效率。理论界较权威的观点是:计量方法有很强的政策倾向, 可以用来评价政策的实施效果及政府的效率等;而数学规划方法有很强的管理决策效应。两类方法由于假设的不同, 可能导致使用相同的样本数据所得到的效率值出现一些差异, 从而难以确定哪一类更符合实际情况。加之上述两类方法各有优劣, 哪一类方法都没有形成压倒性的优势, 因此, 在现有的研究方法中不存在最佳的前沿方法。
技术效率是影响经济增长的重要因素, 对此进行深入研究有利于促进本国经济发展。因此, 笔者认为运用国际上通行的研究方法定量地分析中国企业、行业及地区的技术效率问题意义重大。在实际运用中, 可以进一步对这些方法加以拓展和修正, 基于适当的技术效率方法并对投入产出变量做出恰当选择;或在研究方法上将上述两种方法结合起来应用于技术效率的评价过程, 通过两种方法得出的结果进行相互印证, 以得出与实际情况更加吻合的研究结论。
参考文献
[1].于立, 赵勇.技术效率的测度方法[J].商场现代化, 2007, (5) :29
[2].徐琼.技术效率与前沿面理论评述[J].则经论丛, 2005, (3) :29~34
[3].熊正德, 刘永辉.效率测度方法DEA的研究进展与述评[J].统计与决策, 2007, (20) :149~151
[4].何枫, 陈荣, 何炼成.SFA模型及在我国技术效率测算中的应用[J].系统工程理论与实践, 2004, (5) :46~50
效率测算分析 篇2
分析表清单
信息表
1、行业、注册类型、行政区划、纳税人识别号前6位不在代码组中。
2、纳税人识别号不为15或18位的企业。企业表
1、增值税纳税人增值税指标未填写
2、加工贸易企业加工贸易指标未填写
3、非出口企业填写出口退税指标
4、营业税纳税人营业税指标未填写
5、编制现金流量表企业未填写现金流量指标
6、非营业税纳税人，营业税指标不为零的企业
7、房产税纳税人未填写房产税指标
8、土地增值税纳税人未填写土地增值税指标
9、城镇土地使用税纳税人未填写城镇土地使用税指标
10、车船税纳税人未填写车船税指标
11、耕地占用税纳税人未填写耕地占用税指标
12、契税纳税人未填写契税指标
13、非独立核算的非法人企业代码填写是否正确
14、依率计征并独立缴纳和汇总缴纳企业所得税企业有关指标未填写
15、核定征收并独立缴纳企业所得税企业有关指标未填写
16、上报上级缴纳企业所得税企业有关指标未填写
17、“是否为法人企业”指标不为零且企业所得税缴纳方式为1和4的企业未填写成本费用类的
18、“是否为法人企业”指标不为零且企业所得税缴纳方式为1和4的企业未填写外购非固定资产货物和劳务指标
19、“是否为法人企业”指标不为零且企业所得税缴纳方式为1和4的企业未填写利润表指标
20、“是否为法人企业”指标不为零且企业所得税缴纳方式为1和4的企业未填写资产负债表指标
21、生产企业出口退税方式代码是否有误
22、外贸企业出口退税方式代码是否有误
23、增值税缴纳方式为一般纳税人但出口退税方式为小规模纳税人
24、期初、期末留抵增值税额为负
25、不是营业税优惠企业但填写营业税优惠税额
26、固定资产净值年末数（355行）应大于等于年末生产经营用固定资产净值（394行）
27、审核未通过的企业《审核情况填写说明》填写情况
28、增消营不为零而城建税为零和教育费附加为零
29、本年计征营业税收入应大于适用免税政策的营业额 30、烟叶税有数户
31、已纳增值税排名前50
32、已纳消费税排名前50
33、已纳地方税排名前50
34、地方税合计排名前50
35、应纳企业所得税排名前50
36、企业所得税纳税人就地实际缴纳所得税额排名前50
37、已纳个人所得税排名前50
38、营业收入、主营业务收入、利润总额排名前50
39、资产年末数、负债年末数、所有者权益年末排名前50 40、水、电、油、煤炭排名前50
41、职工人数为0的企业
42、企业增加值排序前50
43、双非企业填写了308,309,310行
44、主营业务税金及附加相关税金之和应小于等于主营业务税金及附加
45、按政策规定允许扣除的营业额和适用免税政策的营业额相等
货物劳务表
1、货物劳务表填报的货物劳务比重小于80%
2、货物劳务表没有计量单位但填写产品产量数据
3、货物劳务表未填写企业
4、营改增纳税人未填写营改增货物劳务
效率测算分析 篇3
关键词：多维贫困测算； 空间化； 空间分布格局； 内乡县
中图分类号： C92-05 文献标识码：A 文章编号：1000-4149（2014）05-0114-07
一、引言
通过长期的反贫困战略的实施，我国绝对贫困人口从2000年的9422万人下降到2010年的2688万人，贫困发生率从2000年的10.2%下降到2010年的2.8%[1]。贫困人口的贫困状况也发生了变化——从绝对贫困到相对贫困，从“面上贫困”到“点上贫困”[2]；贫困的内涵从传统的收入贫困逐渐演变为一个相当复杂的发展现象，以往的单纯依靠测量收入的贫困度量方法已经不能满足目前扶贫政策的需要。
在这种背景下，从多维角度把握贫困的实质并进行多维贫困的具体度量，逐渐为国际学术界所认同并成为近年来国内外研究的焦点。目前国内外贫困研究较为流行的是从能力贫困的角度利用森（Sen）提出的多维贫困理论[3]识别贫困对象。一些学者分别从社会、经济、教育、健康等角度定义贫困村识别的多维指标体系[4～7]；阿尔凯尔（Alkire）等人给出了基于贫困剥夺计数的综合贫困指数测算方法[8]；王小林等人运用该方法和2006年“中国健康与营养调查”数据，对中国城市与农村家庭多维贫困进行了测算[9]；李佳璐在多维贫困测量理论框架下，沿用王小林以及阿尔凯尔的测算方法对S省30个国家扶贫开发工作重点县进行多维贫困测算，通过收入分组的方式，分析不同维度对不同收入组家庭的影响程度[10]。但现有的贫困识别指标体系大多着眼于某个或某几个社会经济维度，且由于切入角度、数据源、研究区域不同，识别维度及指标不尽相同，更为重要的是目前国内外的研究仅仅关注了贫困人口本身，而对其贫困特征空间分布模式鲜有涉及。另外，以往的学者对于贫困的分析都是通过统计图表形式描述，而现实中贫困人口及其贫困特征在空间上的分布往往是不均匀分布，所以用统计指标表达贫困并不准确。相比统计图表，专题地图更易于对贫困地区公共基础设施建设的方向提供决策辅助，方便后续扶贫政策的实施。
本文以秦巴山区连片特困区扶贫重点县为例，构建瞄准人口的村级贫困识别技术体系，对多维贫困测算结果及贫困特征空间分布进行空间化处理和分析。以此识别真正的贫困人口和贫困特征分布区域，为各级政府科学决策和科学管理提供更加全面与翔实的基础数据和支持信息，引导贫困地区合理利用优势资源，保护生态环境，实现自我发展的良性循环。
二、研究区概况与数据源
内乡县为秦巴山区连片特困区国家扶贫重点县，位于河南省西南部，南阳盆地西缘。地形呈南北条状，总面积2465平方千米。全县共16个乡镇，289个行政村和8个居民委员会，3840个村民小组，153841户农户，总人口65万人。其中，农村人口45万人，占总人口的69.7%。据2010年内乡县政府工作报告，2009年内乡县人均生产总值为14125元，农民人均纯收入为4906元。
本研究所采用的数据包括研究区社会经济数据和基础地理数据。社会经济数据主要来自2010年该县统计年鉴及扶贫办贫困农户建档立卡调查数据，调查内容包含农户的家庭人员结构、身体健康状况、劳动力输出情况、人均纯收入、住房结构与面积、耕地面积、饮水来源、家庭资产等信息。调查范围涵盖内乡县157个行政村，29832户家庭，村覆盖率达54.3%，户覆盖率达19.4%，其中，148户数据存在记录遗漏。基础地理数据包括研究区行政村村界数据以及内乡县居民点数据。本文在使用前对此进行了地理配准、数据查漏和剔除粗差等预处理。
三、研究方法
森把发展看做是扩展人们享有实质自由的一个过程，实质自由包括免受困苦（诸如饥饿、营养不良、可避免疾病、过早死亡之类）的基本可行为能力[11]。人们的这些基本可行为能力被剥夺因而导致贫困，多维贫困测算的目的就是识别出哪些个体的哪些可行为能力被剥夺，从而测算出标示贫困深度的“平均剥夺份额”指标，以及标示贫困人口群体综合贫困状况的“多维贫困发生率”指标（MPI）。
本文以2010河南省南阳市内乡县入户调查数据为样例，基于双临界值法，设计村级多维贫困测算指标体系，进行多维贫困测算。此处的多维贫困测算是指综合考虑收入、健康、教育以及住房条件等因子构建评价模型，测算多维贫困指数、多维贫困发生率、指标贡献度等指标来揭示区域贫困人口综合贫困状况。测算过程包括识别与加总两个环节：前者的目的是识别出人群中的贫困个体，后者的作用是把前者识别出的贫困个体进行汇总，用综合贫困指标表示该区域的贫困状况。并在上述贫困测算基础上，基于人口密度空间化方法，分析研究区域贫困人口密度的空间分布状况；并使用地统计插值方法，研究区村级多维贫困以及各维度或指标对贫困贡献度的空间分布状况，从而系统描述研究区贫困人口现状及贫困区域的空间化分布格局。
由于每个维度在贫困识别中所起的作用不同，所以多维贫困加总时需要考虑每个维度和指标的权重。经过相关性分析和一致性检验等实证证明，在选择不同权重的条件下，多维贫困指数是一个稳健的指数[13]。所以本文对各维度和指标权重的处理采用等权重方法，即经济福利、生活水平、健康、教育各维度所占的权重相等；所有维度权重值之和为1，每一维度内各基础指标的权重相等，即等分该维度的权重值。例如“生活水平”维度内指标“饮水情况”的权重值（1/20）就等于“生活水平”维度的权重（1/4）乘以“饮用水”指标权重（1/5）。
（2）多维贫困测算方法。贫困测量必须遵循两个步骤：识别总人口中的贫困人口和构建贫困的定量测量方法。
本文在构建维度指标体系的基础上，使用“双临界值”（剥夺临界值剥夺临界值（剥夺线）用于确定农户各项人口与社会经济统计指标是否被剥夺的阈值，以此确定农户个体在指定指标上是否被剥夺（处于贫困状态）。+贫困临界值贫困临界值（K）表示判定为贫困个体的维度数阈值，据此可以确定农户个体是否属于多维贫困。）多维贫困测算方法来综合评价贫困个体在所构建的维度指标体系中的贫困状况。其中，维度加总能够计算出贫困个体所有维度指标的综合贫困指数—MPI，维度分解则可以计算出各个维度指标对综合贫困指数的贡献程度。算法如下： 第一，根据所构建的多维贫困维度指标体系，把入户调查数据中各户所对应的数据项导入数据矩阵。第二，根据各个指标的剥夺临界值确定该研究区域所有用户在各个指标上的剥夺情况，并把个体的剥夺信息存储在剥夺矩阵中。第三，在剥夺矩阵中根据贫困临界值确定贫困个体，并且把非贫困个体的剥夺值进行归零处理，剔除非贫困个体的剥夺信息对贫困加总的干扰，把归零后的剥夺矩阵称为已删减矩阵。第四，根据已删减矩阵的贫困个体剥夺信息进行贫困加总，计算出多维贫困发生率、平均剥夺份额、MPI，通过这三个指标来反映该研究区域的多维贫困人口数、平均被剥夺的指标数量以及贫困程度。
具体变量释义见表2。
2.多维贫困测算结果空间化
过往学者进行多维贫困测量研究大都只是停留在统计层面上，然而这些统计数据并不能直接应用到国家的扶贫政策中，必须对多维贫困测算结果进行空间化处理。此处的空间化是指采用一定的算法或者模型，把基于行政区单元的数据（这里主要是和贫困相关的数据）反演到规则网格上的过程，即贫困相关数据栅格化过程[14～15]。多维贫困测算结果空间化是指将多维贫困发生率空间化、MPI空间化、指标贡献程度空间化，分别用来表示研究区域的贫困人口密度分布、贫困程度分布以及指定贫困识别指标的贫困程度分布。
（1）多维贫困发生率空间化算法。首先，基于村级居民点数据，根据人口密度空间化模型[16]，获得栅格大小为600m*600m的村级居民点密度分布图。其中，栅格大小值通过村级居民点的聚集距离的最小空间尺度取整获得。其次，根据行政村人口数据，对研究区行政村人口规模进行分级处理并对其结果网格化。通过计算“行政村人口数/该行政村的自然村数量”指标并将其结果进行分级处理并转换为600m*600m网格。最后，根据网格贫困人口密度公式（1），将前两步中计算生成的栅格数据进行栅格计算，进而得到研究区域贫困人口密度分布图。
首先，最优半变异函数模型选择：步长值采用样本点的平均邻近距离；空间数据结构性由空间变化趋势决定；空间数据变异方向由误差椭圆变化方向决定。以5个评价指标（平均误差、均方根误差、平均标准误差、标准化平均误差、标准化均方根误差）作为半变异函数模型选择的依据，对各种常用半变异函数模型通过交叉验证方法选取最优半变异函数模型。其中，平均误差反映样本数据估值的总体误差或精度水平，均方根误差反映样本数据的估值灵敏度和极值，一般使用总体误差平均水平和各插值点的均方根误差作为半变异函数模型选择的主要的依据。这里平均误差和均方根误差越接近于0，表明插值的精度越高，拟合的效果越好；平均标准误差和标准化平均误差越小越好，标准化均方根误差越接近于1越准确。
五、结论
为了满足新阶段国家对贫困区域贫困个体精准识别的新需求，本文在多维贫困维度与指标体系框架下，结合研究区的具体情况系统设计了一套村级尺度的多维贫困维度与指标体系，实现了对研究区域的多维贫困测算与分析。同时，运用空间插值技术以及人口密度模型对测算结果进行了空间化处理，由此得到贫困分布空间格局及专题地图，为后续扶贫政策快速实施提供了导向保障。
内乡县贫困特点归纳如下。
第一，内乡县大部分个体至少存在三个方面的贫困；其主要致贫因素依次表现为：收入低、健康问题严重、平均受教育程度低、儿童辍学情况严重以及普遍使用不清洁燃料。
第二，内乡县中北部的多维贫困程度较高，往南靠近县城附近的贫困状况有所好转；但是，靠近西南部边界时，贫困状况又加剧。总体上，内乡县北部地区贫困状况比南部严重。
第三，尽管内乡县北部地区贫困严重，但由于其北部区域为山区，海拔普遍都比南部高，人口基数少。因此，内乡县贫困人口大部分集中在内乡县中南部，南部的贫困人口密度要比北部大很多。
参考文献：
[1] 国家统计局住户调查办公室.中国农村2011贫困监测报告[M].北京：中国统计出版社，2012：11～14.
[2] 郭熙保.论贫困概念的内涵[J].山东社会科学，2005，（12）.
[3] [印]Amartya Sen.以自由看待发展[M].任赜，于真译.北京：人民大学出版社，2002.
[4] 李小云，叶敬忠，张雪梅等. 中国农村贫困状况报告[J]. 中国农业大学学报（社会科学版），2004， （1）.
[5] 汪三贵， P.Albert ， C.Shubham，D.Gaun. 中国新时期农村扶贫与村级贫困瞄准[J]. 管理世界，2007， （1）.
[6] 李佳璐. 农户多维度贫困测量——以S省30个国家扶贫开发工作重点县为例[J]. 财贸经济，2009，（10）.
[7] 曾永明，张果. 基于GIS和BP神经网络的区域农村贫困空间模拟分析——一种区域贫困程度测度新方法[J]. 地理与地理信息科学，2011，（2）.
[8] Sabina Alkire， James Foster. Counting and Multidimensional Poverty Measurement [J]. Journal of Public Economics，2011，95（7）.
[9] 王小林，Sabina Alkire.中国多维贫困测量：估计和政策含义[J].中国农村经济，2009，（12）.
[10] 同[6].
[11] 同[3].
[12] 王艳慧，钱乐毅，段福洲.县级多维贫困度量及其空间分布格局研究——以连片特困区扶贫重点县为例.地理科学，2013，（12）.
[13] Gilvan R Guedes， Eduardo S Brondízio， Alisson F Barbieri， et al. Poverty and Inequality in the Rural Brazilian Amazon： A Multidimensional Approach[J].Human Ecology，2012， 40（1）.
[14] 李新，程国栋，卢玲.空间内插方法比较[J]. 地球科学进展，2000，（3）.
[15] 廖顺宝，孙九林. 基于GIS的青藏高原人口统计数据空间化[J]. 地理学报，2003，（1）.
[16] 闫庆武，卞正富，张萍，王红. 基于居民点密度的人口密度空间化[J]. 地理与地理信息科学，2011，（5）.
效率测算分析 篇4
本文采用数据包络分析方法 (Data Envelope Approach, 简称DEA) , 研究中国各省份的资本和劳动力使用效率。首先在各省份各年截面数据的基础上, 构造了中国1978年~2003年历年的生产可能性边界 (Production Frontier) , 得到每个省各年的第一个Farrell效率指数, 即“水平”效率。然后, 通过每个省份在各年生产可能性边界上的投影点, 构造出中国1978年~2003年全效生产可能性边界, 得到各省各年的第二个Farrell效率指数即“增长”效率。最后综合两个效率用它们的乘积计算29个省各年的资本和劳动力使用效率。
本文发现1978年~2003年中国各省历年平均“水平”效率差距很大, “增长”效率差距不大。“水平”效率存在差距的主要原因在于各省的人力资本和产业结构情况不同。技术的扩散使“水平”效率较低的省区有较高的“增长”效率。“水平”效率, “增长”效率, 资本和劳动力使用效率随时间变化情况各不相同。1978年~1991年资本和劳动力使用效率不断下降, 1992年~2003年快速回升, 到2003年达到67%, 从降到升的变化来自于中国在1992年加大了对外开放的力度, 引入了更多的综合改革措施, 这导致了外资的大量涌入, FDI有助于先进的技术和思想在中国传播, 这确实带来了明显的效率改进。
一、中国29个省份历年的“水平”效率
1. Farrell效率指数
将每一个省份看作一个生产决策单位, 假设在每一个时期t=1, ……, T, 第k=1……k省使用n=1, ……, N种投入xtk, n, 得到第m=1, ……, M种产出ytk, m。根据Fare et al. (1994) , 若假设每一期规模报酬不变 (Constant returns to scale, C) , 投入要素强可处置 (Strong Disposability of Inputs, S) 则第t期生产可能性边界可以由投入最小化形式表述为:
其中z表示每一个横截面观察值的权重。
计算每一个省基于生产可能性边界的Farrell效率指数的非参数规划模型为:
其中Fit表示t时期第i省Farrell效率指数。
整个模型的经济含义是:在现有制度、结构和技术水平下, 得到目前的产出水平 (观察值) , 投入要素是否可以减少, 若可以 (Farrell效率指数小于1) , 则认为生产缺乏效率, 存在浪费, 亦即:可以用比现有投入更小的投入获得当前产出, 因而生产活动处于低效率状态;反之 (Farrell效率指数等于1) 则认为生产有效率, 现有投入得到的产出已是最大产出。所有有效观测点形成包络就是生产可能性边界。本文中考虑的投入要素为物资资本存量 (K) 和劳动力 (L) , 产出 (Y) 。
2. 数据与计算结果
基础数据主要来源于《新中国五十年统计资料汇编》和相关年度的《中国统计年鉴》。为了保持口径的统一, 从1996年起四川省的数据包括重庆市, 海南作为一个省成立的时间较晚, 相应时间序列观察值较少, 本文所考察的省份不包括海南省, 同时没有考察港澳台的情况, 因此, 合计为29个省份。
(1) 总产出。本文采用国内生产总值GDP作为衡量各地区总产出的基本指标, 并且按1978年不变价格进行换算。
(2) 资本投入。估算按可比价格计算的资本存量使用了“永续盘存法”。由于统计资料中只有1992年之后的固定资产投资价格指数, 我们假设各省每年的GDP平减指数与固定资产投资价格指数相似, 对各省每年的固定资产投资进行平减。以1978年为基期, 折旧率为6%。则投资时间序列可近似用式 (3) 表示:
第一期的资本存量可以用式 (4) 求出:
I (0) 和λ可以由1978年~2003年的投资序列的对数值和时间之间的线性规划 (5) 求出:
用δ表示折旧率, 则资本存量可以用式 (6) 求出:
(2) 劳动投入。本文采用各省历年从业人员数作为劳动投入量指标。
采用DEA方法的专业软件onfront, 根据1978年~2003年历年的分省横截面数据, 可以求出我国29个省份历年的“水平”效率。
二、中国29个省份历年的“增长”效率
1. 分析的框架
以上用DEA方法得到了中国29个省份历年“水平”效率, 在此过程中, 未将人力资本作为投入要素来考虑。主要原因有: (1) 中国在1982年后才开始人力资本相关数据的统计, 并且数据的连续性较差; (2) 人力资本与物资资本之间有重叠部分; (3) 影响产出的人力资本是人们开发并掌握的各种技能, 它是一个社会综合素质的反映, 是将劳动转化为有效劳动的能力, 因此是影响资本和劳动力使用效率的一个重要因素。
以下考察29个省份在1978年~2003各年生产可能性边界上的生产集 (Kti, (yti) ′ (Kti) ) , i=1, ……29, t=1978, 1979……2003。同年各省份在产出上的差异仅仅是因为投入不同产生的, 已经脱离了省与省之间在人力资本, 产业结构, 技术水平等方面的“横向”差异。但对不同年份的产出有影响作用的因素仍为:“硬因素” (资本和劳动) 和“软因素” (技术水平和社会经济制度, 人力资本和产业结构) 。在投入一定时, 随时间变化的“软因素”通过影响资本和劳动力使用效率而影响产出, 如果某省某年人力资本和技术水平比上年提高, 社会经济制度和产业结构更趋合理, 则资本和劳动力使用效率提高, 否则降低。将某省份i第t年在生产可能性边界上的生产集 (Kti, (yti) ′ (Kti) ) 看作一个生产决策单位, 根据1978年~2003年间生产可能性边界上的生产集 (Kti, (yti) ′ (Kti) ) (共29×26=754个点) , 构造一个包络, 定义为中国1978年~2003年全效生产可能性边界 (C) 。由各省各年生产集到全效生产可能性边界的距离计算Farrell效率指数。这个效率是“增长”效率。一般来说, 人力资本和技术水平随时间的前进会逐步得到改善, 至少不会出现倒退, 因此, 如果某省当年的“增长”效率比上年的“增长”效率有所下降, 意味着当年的社会经济制度和产业结构不如上年更适合该省的经济生产。
2. 计算结果
使用软件onfront, 根据29个省份生产可能性边界上的生产集 (Kti, (yti) ′ (Kti) ) , i=1, ……29, t=1978, 1979……2003, 可求出我国29个省份历年的“增长”效率。
三、中国29个省份资本和劳动力使用效率的初步分析
中国1978年~2003年各省历年平均“水平”效率差距很大。上海各年的“水平”效率均为1, 这表明1978年~2003年间, 上海同其它省区相比最有生产效率, 其生产集均位于当年的生产可能性边界上。而青海、西藏历年“水平”效率的均值不到0.5, 相当于上海的1/2。也就是说, 若上海投入相等于青海的资本和劳动力, 产出将是青海的2倍还多。考察影响“水平”效率大小的各项“软因素”:人力资本、技术水平、社会经济制度、产业结构。若假设我国29个省份的社会经济制度无明显差异, 并且技术具有瞬间扩散性, 那么, 东部各省效率高的主要原因在于人力资本比西部地区优越。东、中、西各地区内部, 各省的“水平”效率也存在差异, 例如山西的“水平”效率平均只有0.57, 低于中部平均值近10个百分点, 除了有人力资本的因素以外, 产业结构的合理性也很值得关注。
中国1978年~2003年各省历年平均“增长”效率差距不大。一个值得注意的现象是一些“水平”效率低的省份“增长”效率比较高。中国东部各省的“增长”效率平均为0.78, 中部为0.82, 西部为0.81。“增长”效率使东、中、西部经济生产表现出趋同性。主要原因在于技术进步是地区经济趋同的重要因素, 中、西部地区人力资本缺乏, 技术相对落后, 使得它们在进一步的教育普及和技术的扩散中得到了更多的好处。另一方面, “增长”效率与投入变量和产出变量之间无正、负相关关系, 说明“增长效率”不受经济生产规模的影响。
资本和劳动力使用效率是“水平”效率和“增长”效率的乘积。“增长”效率使各省“水平”效率的差异减弱, 东部和西部地区的资本和劳动力使用效率变得很接近, 平均值分别为0.59和0.60, 西部平均值较低为0.42。资本和劳动力使用效率的高低决定产出的多少, 经济增长的快慢, 以此可以解释西部省区经济发展比较落后的现象。
中国的资本和劳动力使用效率经历了先下降后上升两个阶段。1978年~1991年是资本和劳动力使用效率不断下降的阶段, 1992年~2003年快速回升, 到2003年已达到67%, 远远超过以往年份。主要原因是中国的经济改革依靠要素密集性特征的变革。1978年改革开放以来, “增长”效率从制度改革中释放出来, 但随着改革逐步进入攻坚阶段, 效率的释放大大低于初期。由于体制的不稳定, “水平”效率的上升速度远低于“增长”效率下降的速度, 因此一直到1991年, 资本和劳动力使用效率不断地下降。1992年, 中国进一步加大了对外开放的力度, 由于引入了更多的综合改革措施, 这导致了外资的大量涌入, FDI有助于先进的技术和思想在中国传播, 这确实带来了明显的效率改进。所以这一段时间内, 资本和劳动力使用效率得以快速地回升。
可见, 中国东、中、西部资本和劳动力平均使用效率的时间序列变动情况基本相同。1978年~1990年使用效率逐渐趋同, 从1991年开始, 中部的使用效率有很明显的上升。东部的使用效率也有改善, 特别在1999年之后。而西部资本和劳动力使用效率的平均值从1981年~1999年始终徘徊在0.4左右, 2000年~2003年虽有提高但上升幅度很小。这使得1991年~2003年东、中、西部在资本和劳动力使用效率不断地扩大差距, 趋同消失。
参考文献
[1]Dees, Stephane“, Foreign DirectI nvestment inC hina:Determinantsa nd Effects”, Economics of Planning, 1998, 31, 175～194
[2]Wu, Yanrui, 2003“, Has Productivity Contributed to China’s Growth?”, Pacific Economic Review, 8, pp.15–30
[3]李善同 吴延瑞 侯永志 刘培林:生产率增长与中国经济增长的可持续性.调查研究报告, 2002年第108号
效率测算分析 篇5
一、测算分析主要内容
（一）标底编制的合理性及原因分析
（二）投标报价的合理性及原因分析
二、测算分析方案
（一）标底、投标报价分部分项工程量清单的分析：统计汇总人工、材料、设备、机械台班、管理费、利润等，列出标底与投标报价间的差异，并以差异较大的清单项目为重点，分析差异原因及可能产生的后果。
（二）标底、投标报价措施项目清单的分析：分析脚手架、模板、垂直运输等项目的措施项目清单，检查非竞争性费用的填报是否存在问题。
（三）标底、投标报价其他项目清单的分析：分析招标人费用部分的准确性，特别是招标人供应设备材料汇总价格的准确性，检查投标人是否修改了招标文件中提出的“暂定金额”、“预留金”等招标人费用。
（四）标底、投标报价的规费、税金的分析：分析造价汇总过程中的规费和税金。
三、测算分析情况
(一)标底的测算分析情况
1、计价依据的分析：经测算该工程标底各项费率基本按深圳市2004年度推荐费率计取，综合价格、消耗量标准的套用及建筑材料价格的计算也基本符合深圳市现行规定和招标文件的要求。
2、分部分项工程量清单、措施费项目、其他包干措施费项目、预留金、奖励金、安全文明措施费计价的分析：经测算该标底分部分项工程量清单中人工费、材料费、机械费管理费、利润、税金，措施费项目，其他包干措施费项目，预留金、奖励金、安全文明措施费等计价基本合理，存在的个别问题分析如下：
①个别材料价格可能偏高，但用量不大，对标底的影响较小。例如连接桥（钢结构）钢拉杆空调部件、配电箱、水泵和保温材料等。
②连接桥钢桁架项目套用定额存在问题，标底中套用的是市政定额Q6-7，Q6-26，Q6-19，2005-205等子目，该项费用为7883450.82元；但我们认为套用建筑工程消耗量标准1006-22，1006-103H，1006-4，2005-205等子目较为合理，套用建筑工程消耗量标准后该项费用为6473279.15元。两者的差额为1410171.67元，造成总造价偏高1.35%。③根据计价规定，采用泵送砼的工程的垂直运输费单价应乘0.8的系数，但标底中该项单价未乘此系数。经测算，标底造价509304.08元，乘系数后造价407443.26元，两者相差101860.82元，造成总造价偏高0.1%。
④标底中脚手架有效使用天数计算存在问题。标底中脚手架的有效使用天数是按365天计算。实际上我们查阅相关资料并分析，认为本次招标主体工程最大工期为150天。经测算，按365天计算的脚手架使用费为：2586104.11元，按150天计算的脚手架使用费为1036247.46元，两者差额为-1549856.65元。造成总造价偏高1.48%。
⑤为整个工程服务的其他包干措施费,该部分费用主要为总包管理费、总分包配合费、地下管线保护或迁移费、临时水电措施费、环境污染沉降观测费、设备入网或检测费等费用。这项费用属投标人自主报价项目。该项目标底是以699.9万元列入总造价，其中有部分项目费率是按推荐费率的上限计算（如总包管理费费率的推荐范围1%～3%，标底按3%计），可能与实际的情况有出入，从而对总造价产生影响。
(二)投标报价的测算分析情况
1、分部分项工程量清单部分
①人工费：经测算第一中标人的人工费相对标底人工费下浮约52.67%（造成总造价下浮3.833%），第二中标人的人工费相对标底人工费下浮约25.89%（造成总造价下浮1.884%）；
原因分析： a、人工单价的差异：第二中标人的人工单价均按市造价站提供的人工参考单价计价（例如技术工日40元/个），但第一中标人的人工单价仅为深圳建设工程造价管理站提供的人工参考单价的50%（例如技术工日20元/个）。
据市场调查，目前技术工日的市场价格一般在市造价站公布的参考价格水平的0～+5%之间浮动，普通工日的市场价格一般在市造价站公布的参考价格的±10%之间浮动。对于普通工日如人工单价低于下限，则有可能低于深圳市最低工资标准。
b、人工工日消耗量的差异：第一中标人的人工工日消耗量均按市造价站提供的消耗量标准计价，第二中标人的人工工日消耗量大大低于市造价站提供的消耗量标准计价（部分子目低于公布标准的50%）。
人工是完成工程项目所必须的人工消耗，属于一次性消耗。据调查，现行计价标准的人工消耗量已经非常贴近实际，市场的人工消耗量一般在现行标准的±5%范围内浮动。如人工消耗量的下浮超过现行消耗量的5%时，除非有合理解释，否则有可能低于建造成本。
②材料费：经测算第一中标人的材料费相对标底材料费下浮约18.68%（造成总造价下浮9.705%）；第二中标人的材料费相对标底材料费下浮约16.62%（造成总造价下浮8.632%）；
原因分析：
a、材料单价的差异：经分析第一、第二中标候选人的材料单价，报价较低的主要是砼及加气砼块，其他材料包括钢材的报价基本按同 期信息价，差异不大。如C30预拌泵送砼信息价为330.35元/立方米；第一中标候选人报价为254.37元/立方米。但是，目前商品砼的市场价浮动范围较大，投标人的商品砼报价并不一定低于成本。
b、材料消耗量的差异：经分析材料消耗量差异不大。c、第一中标人的砼项目单价存在错误：如矩形梁项目，其分项单价为268.46元/立方米，其中材料费247.63元/立方米。单价分析中，材料费的构成为：C30预拌泵送砼（254.37×1.015）+草袋（2.13×0.62）+水（2.51×0.46）=258.16+1.32+1.15=260.63元/立方米。由此看出第一中标人报价中每立方米矩形梁的材料费已低于其自报成本13元。其余所有涉及混凝土的分项基本都存在上述问题。
③机械费：经测算第一中标人的机械费相对标底机械费下浮约39.28%(造成总造价下浮1.854%)，第二中标人的机械费相对标底机械费下浮约18.71%(造成总造价下浮0.883%)；
原因分析：
a、机械台班单价的差异：经分析第一中标人机械台班报价低于标底价（不同的机械台班低的比例不同，例如砼输送泵低75%；6吨载货汽车低51%。），第二中标人的机械台班报价与标底价接近。
b、机械台班消耗量的差异：第一中标人、第二中标人机械台班消耗量均低于定额消耗量，不同的机械台班降低的比例有所不同。
④管理费：经测算，第一中标人的管理费相对标底管理费下浮约71.2%（造成总造价下浮0.647%），第二中标人的管理费相对标底管理费下浮约23.78（造成总造价下浮0.216%）。原因分析：
a、管理费率差异：标底的管理费率取12%，第一中标人的管理费率取7%，第二中标人的管理费率取12%，推荐费率范围为7%至17%。
b、计算基数差异：前面已经分析，投标人报价中的人工费和机械费均有较大下浮，而管理费是以该两项费用为计算基础的，计算基础的较大下浮必将造成管理费的较大下浮。
⑤利润：经测算，第一中标人的利润相对标底利润下浮约67.39%（造成总造价下浮1.79%）；第二中标人的利润为零（造成总造价下浮2.656%）。
原因分析：
a、利润率差异：标底的利润率取5%;第一中标人的利润率取2%；第二中标人的利润率取0；推荐费率范围为1%至7%，考虑到目前激烈的市场竞争，投标人不计利润也应当认为是合理的。
b、计算基数差异：与管理费的情况类似，计算基数的较大下浮造成了利润的较大下浮。
⑥税金：经核实，标底、第一中标人、第二中标人计取的税率均为3.22%，符合计价规定，但计税基数的差异造成了税金绝对值的差异。
2、措施项目费用：经测算第一中标人的措施项目费相对标底措施项目费下浮约47.97%（造成总造价下浮5.785%），第二中标人的措施项目费相对标底措施项目费下浮约45.67%（造成总造价下浮 5.507%）。
原因分析：
上述措施项目费用的差异主要是由措施项目费用中的工程量与人材机单价差异造成的。人材机单价差异原因基本同分部分项工程人材机单价差异原因，而工程量方面的差异，主要表现在模板工程量和脚手架工程量的差异上。
此外不同的施工技术措施的选取，也会造成措施费的较大差异。
3、规费：经测算，第一中标人的规费相对标底规费下浮约58.93%（造成总造价下浮1.709%）；第二中标人的规费相对标底规费下浮约54.34%（造成总造价下浮1.576%）。
原因分析：
第一、第二中标候选人投标报价中规费费率均选取推荐费率的下限，标底计取的规费费率为推荐费率。另外，规费计算基数的较大下浮也造成了规费的较大下浮。
4、为整个工程服务的其他包干措施费：该部分费用主要为总包管理费、总分包配合费、地下管线保护或迁移费、临时水电措施费、环境污染沉降观测费、设备入网或检测费等费用。这项费用为企业自主报价。经核实标底价为699.9万元；第一中标候选人报价为102.6万元，相对标底下浮85.3%（造成总造价下浮5.7%）；第二中标候选人投标报价为106.8万元，相对标底下浮84.7%（造成总造价下浮5.66%）。该部分差异对造价影响较大。
5、预留金、奖励金、安全文明措施费：该三项费用共1032.8万 元，为招标人给定，不允许调整。经核实，标底、第一、第二中标候选人投标报价均按实填报，无差异。
四、结论
综上所述，我们认为该公用工程项目的招标标底，符合标底编制原则，采用的人工、材料、机械单价及相关费用基本合理。但在个别项目上标底费用偏高，如该工程两栋楼之间的连接桥在定额套用、措施费项目中脚手架有效使用天数等方面出现错套定额或多计有效天数现象，这些因素造成标底偏高约3%。对于投标人的投标报价，我们认为投标人在较多方面压低了投标报价，如分部分项工程人工费、商品砼材料费和其他包干措施费等方面均出现较大幅度下浮，经与我们掌握的可能低于成本的建设工程造价警戒线对比分析，该工程的警戒造价为70781939.09元（扣除标底偏差因素，且未计C类、预留金及奖励金等费用），与第一、第二中标候选人同类项目分别相差9096176.77元、4808387.18元，对应警戒造价分别下浮12.9%和6.8%，两投标人报价均低于警戒造价，因此，两个投标人的报价极有可能低于深圳市建设工程的建造成本。
效率测算分析 篇6
关键词：中韩渔业；产业内贸易；影响因素
韩国作为中国的邻国，有着丰富的海洋渔业资源及比较发达的海洋渔业产业，随着中日韩自由贸易区谈判进程的不断推进，中韩在海洋渔业方面的贸易往来不断深化。海洋渔业产业内贸易发展具有改善国际分工、提升出口产品结构、提高渔业贸易水平等重要作用。研究我国与韩国渔业产业内贸易现状以及影响因素有利于深入了解中韩两国渔业贸易方式，为中韩更好地开展渔业产业内贸易、调整我国国际分工中的角色、优化渔业产业结构提供重要参考。
1 文献综述
国内研究主要集中产业内贸易实证分析领域，其中主要两个方面：一是产业内贸易影响因素的选择。张宏、从静（2006）把经济发展水平、经济规模、产品差异化、国际投资、区域经济和地理经济作为中韩产业内贸易的主要影响因素，并构建模型进行多元回归，发现中韩经济规模的差距和规模不经济是阻碍中韩产业内贸易的主要因素，而韩国对华投资和中韩区域合作对中韩产业内贸易具有重要推动作用[1]。赵放，李季（2011）依据SITC 5-8类产品数据，对中日双边产业内贸易进行回归分析，得出不仅对外直接投资具有重要影响，中日人均GDP差异，市场规模差距也同样对中日产业内贸易有重要推动作用[2]，白霜（2013）则按照HS编码分类规则，对中韩贸易前10种商品进行产业内贸易分析， 发现中韩商品的出口和进口结构存在较高的相似性，因而在国际市场存在竞争关系，而中韩产业内贸易更多地依赖于比较优势，而不是规模经济和相似需求，因而属于弱产业内贸易[3]；二是针对渔业产品的计量分析。崔茂森（2006）根据TC 指数的变化，胡求光、霍学喜（2007）使用资源禀赋系数、显示性比较优势指数和竞争优势指数进行分析均得出了我国渔业产品资源禀赋条件较好，但是竞争力在不同程度地下降。邵桂兰（2011）使用G-L指数和贸易竞争力指数对中日水产品产业内贸易水平、变化趋势及各种水产品竞争力进行分析，得出中日水产品产业内贸易水平总体较低，但产业内贸易指数较为稳定，竞争力方面我国水产品总体处于优势地位，在大多数水产品上拥有比较优势[4]。
国外学者研究主要集中在两个方面。一是产业内贸易理论的拓展。Christel Elvestad（2009）比较了智利和挪威的自由贸易协定（FTAs）战略以及鲑鱼的市场准入，发现智利相对挪威更为成功，并强调挪威通过FTAs提高市场准入以求更好地与智利竞争。Max Nielsen（2009）又基于局部均衡模型分析了鱼类贸易自由化对国家福利的影响，认为在对可再生资源非最优管理的条件下贸易自由化可能导致过度开采，减少国家福利，并提出应制定合乎实际的管理计划加以监管；二是产业内贸易数据的实证分析。Kyoji Fukao， Hikari Ishido，KeikoIto（2003）通过采用日本电子机械产业对东亚直接投资的面板数据，进行东亚产业内贸易的形式及其决定因素进行研究，结果显示，日本对外直接投资促进了东亚垂直产业内贸易迅速发展[5]。P.Guillotreau（2000）对鱼类海产品贸易影响因素进行了实证研究，运用回归分析后发现汇率、贸易壁垒和地理距离对鱼类海产品出口有较大的影响。
在以上学者的研究中，提出了影响产业内贸易的众多指标，发展了研究产业内贸易的主流方法，这些成果为深入了解产业内贸易的影响因素做出了巨大贡献，但是目前众多研究中还未有对中国与韩国渔业的产业内贸易状况做出探究。为此，笔者将在借鉴前人研究成果的基础上，对中韩两国的渔业产业内贸易进行实证研究，通过回归检验，分析影响渔业产业内贸易的影响因素，为中国与韩国之间开展渔业产业内贸易提供合理建议。
2 研究模型与数据
2.1 模型构建
2.2 变量说明
现对上述模型中的各变量做如下说明：
（1）经济规模差距（DGDP）表示韩国与中国按购买力平价计算的GDP差距。DGDP数值越大，意味着两个经济体规模差距越大，预期的产业内贸易程度越低，所以DGDP变量的回归系数应为负值。一般来说，两国经济规模越接近，产业内贸易比例越高。预计韩国与中国经济规模差距越大，渔业产业内贸易会越少。此处两国经济规模差距测算，首先计算出权重指标：
其中，GDPK代表韩国按购买力平价计算的国内生产总值， GDPC代表中国按购买力平价计算的国内生产总值。利用这个权重指标ε再计算出两国经济规模差距的指标DGDP[7]，公式如下：
（2）人均收入水平差距（DPERC），表示韩国与中国人均收入差距。通常消费者对特定产品的需求和其自身的收入水平呈正相关函数。更高的人均收入水平，特定产品的消费需求更高，从而提高产品需求差异化。人均收入差距被用来作为衡量对产业内不同品质产品需求的代理变量，如果收入水平相同或者相似，那么这两个国家的需求模式以及消费偏好就相似，则产业内贸易规模就较大，反之产业内贸易规模较小。在韩国与中国人均收入差距指标计算方法上采用与DGDP相同的方式。
（3）外国直接投资（NFDIGDP），表示韩国外国直接投资（FDI）占我国国内生产总值的比例。外国直接投资实际上就是资本的流动，它绕过了关税壁垒，实现了商品的生产和销售地域性转移。这是因为被投资国有丰富的自然资源或廉价的劳动力等，节约了生产成本。但从东道国的角度讲，提高了就业率，有效地进行了技术转移，大多数投资者并不愿意将本国的技术引入到所投资的国家，这也跟产品的性质、企业和国家的相关政策有关[8]。在渔业中，韩国在中国的渔业投资会替代中国基础性渔业产品的出口，但同时也会促进中国中间性渔业产品的出口。
nlc202309021210
（4）贸易开放程度（TROPEN），表示进出口贸易额占GDP比重。TROPEN此处理解为贸易依赖度或对外开放度指标，衡量中国和韩国的经济开放度。开放程度较高，代表参与区域经济一体化的程度较深，从预期上来讲应该与中国的渔业产业内贸易系数更高。
2.3 数据来源
本文中韩渔业贸易数据来自联合国COMTRADE数据库，按照产业分类的四分位数据来计算中韩渔业产业内贸易指数，国内生产总值、人均收入数据、外国直接投资净流量数据来源于世界银行数据库，其余数据来源于ADB KEY INDICATORS数据库。结合以上数据，开展如下实证研究。
3 实证分析
根据报告期HS编码，03章有7类渔业产品，分别见表1。
3.1 G-L指数测算
根据联合国COMTRADE 数据库中2001年——2012年数据，首先核算0301---0307项目下，中国与韩国的渔业产业内贸易指数（G-L指数）见表2。
产业内贸易指数是用来测度一个产业的产业内贸易程度的指数，在0到1之间，指数值越大，代表产业内贸易程度越高。一般情况下，当中韩两国产业内贸易指数大于0.5时，产业内贸易程度较高，此时认为两国间产业内贸易为主导，当两国产业内贸易指数小于0.5时，则认为两国间产业间贸易为主导。观察以上表2的数据可得：中韩间0307项软体动物和无脊椎动物产品的产业内贸易程度较高，其他项下很少有产业内贸易。
由于中韩间渔业产业内贸易集中在0307项下，于是以下实证分析采用中韩0307项数据为研究对象，做如下分析。
带壳或去壳的甲壳动物，活、鲜、冷、冻、干、盐腌或盐渍的；熏制的带壳或去壳甲壳动物，不论是在熏制前或熏制过程中是否烹熟；蒸过或用水煮过的带壳甲壳动物，不论是否冷、冻、干、盐腌或盐渍的；适合供人食用的甲壳动物的细粉、粗粉及团粒
0307
带壳或去壳的软体动物以及其他水生无脊椎动物，活、鲜、冷、冻、干、盐腌或盐渍的；熏制的带壳或去壳软体动物，不论是在熏制前或熏制过程中是否烹熟；适合供人食用的软体动物的细粉、粗粉及团粒
3.2 垂直型和水平型产业内贸易检验
产业内贸易一般可以细分为垂直型产业内贸易和水平型产业内贸易，这两个指标可以进一步表明中国与韩国在渔业产业内贸易中的分工格局。其中水平型产业内贸易是指贸易品质量相似，只是在产品特性或属性上有所不同，它是基于消费需求多样化和产品生产规模化、专业化而发生的。垂直型产业内贸易指的是贸易品之间通常存在明显质量差异，它是一种基于产业内国际垂直分工的贸易形式。以下运用区分垂直型和水平型产业内贸易广泛使用的方GHM法[9]，其计算公式如下：
3.4 回归结果及分析
此处采用普通最小二乘法（OLS）将所得数据依据方程（1）进行多元线性回归分析，对中日数据回归结果如表4所示。
如表4所示，结果显示在中韩渔业产业内贸易影响因素中，LDGDP所代表的经济规模差距和LDPERC所代表的人均收入水平差距在回归结果中系数为正，说明两国随着经济规模差距越大，渔业产业内贸易会越大，与预期不符，此处主要是由于中国与韩国的居民消费水平整体来说有较大的差异，我国居民所消费的产品多以低档或者初级产品为主，而韩国居民则对高端消费品的需求较大，随着两国居民收入水平差距的逐步增大，两国居民消费出现两极化，低档或者初级渔业产品消费集中在了我国，而高档产品消费主要集中在了韩国。LNFDIGDP外国直接投资系数为正，表示韩国对中国的FDI投资对中韩两国渔业产业内贸易有促进作用，这说明韩国对中国的渔业领域投资使得一定程度的渔业产品捕捞加工技术和产业从韩国转移到中国境内，尤其充分利用我国相对廉价的劳动力，利用我国相对低端的渔业产品进行深加工，使得生产的高附加值产品再次出口到韩国，增加了中韩两国间渔产品的产业内贸易值。LTROPEN系数为正并且通过显著性检验，此处与预期相符，一国贸易开放程度越高，则贸易便利性提高，其参与渔业产业内贸易程度越高。
4 结论及建议
通过对中韩渔业产业内贸易水平测算及影响中韩渔业产业内贸易影响因素的实证研究表明，中韩渔业产业内贸易主要集中在HS编码0307项下的软体动物和无脊椎动物产品；中韩两国间渔业产业内贸易以垂直型为主，辅以一定程度的产业间贸易；中韩两国经济规模差距、中韩人均收入水平差距的增大和贸易的开放程度的提高将都会促进两国之间开展渔业产业内贸易；韩国对华的对外直接投资会产生一定程度的产业内贸易促进效应。
基于以上分析，本文提出如下建议，以促进中韩渔业产业内贸易发展。第一，加大对渔业产品加工业的支持力度。中国现在渔业产品的出口还是以基础性的劳动密集型的产品为主，出口产品的附加值较低，因此我国政府应当从财政、税收、法律法规等相关政策上给予渔产品加工企业优惠与辅助，促进我国渔业产品加工业的技术创新，生产高附加值的鱼类产品，在参与国际贸易中获得更高的收益。第二，进一步提高中韩的贸易开放程度，努力构建和完善中日韩自贸区，充分利用自贸区带来的贸易上的政策优惠，尽可能减小中韩渔业贸易上的阻碍，努力提高我国渔业产品质量水平的同时，向韩国争取合理的进口质量检验标准，以提高中韩渔业产业内贸易的便利性。第三，在一定程度上鼓励韩国对华渔业类投资，带动国内渔业加工企业向高附加值产业转型，在提高中国高档渔业产品出口的同时，也使得中国渔业加工产业取得迅猛发展。
参考文献：
[1]
张宏，从静. 影响中韩产业内贸易发展因素的实证分析[J].东北亚论坛.2006（03）：44-46
[2] 赵放，李季.日本对华直接投资与中日垂直型产业内贸易实证研究[J].现代日本经济，2011（5）：47-56
[3] 白霜. 基于HS分类的中日韩产业内贸易发展研究[D].济南：山东大学，2013
[4] 邵桂兰.中日水产品产业内贸易与竞争力分析[J].东岳论丛，2011（5）：151-156
[5] Kyoji Fukao，Hikari Ishido，and Keiko Ito.Vertical Intra-industry Trade and Foreign Direct Investment in East Asia[J]. Journal of the Japanese and International Economics， 2003（1）： 12-19
[6] 王三兴.基于Probit模型的产业内贸易影响因素差异研究：以中国和东盟产业内贸易为例[J].国际贸易问题，2012（2）：72-80
[7] Falvey，Rodney E. Commercial Policy and Intra-Industry Trade[J]. Journal of International Economics，1981（2）： 23-30
[8] 张应武.对外直接投资与贸易的关系：互补或替代[J].国际贸易问题，2007（6）：87-93
[9] 范爱军，林琳.中日两国产业内贸易的实证研究[J].国际贸易问题，2006（5）：36-42
效率测算分析 篇7
工业化加速了我国自然资源耗竭和生态环境破坏。一方面, 大量资源消耗的同时, 其利用效率却很低, 中科院《2006年中国可持续发展战略报告》对世界上59个主要国家的资源绩效水平进行了排序, 中国仅排在第54位, 属于资源绩效最差的国家行列。另一方面, 工业发展付出了巨大的环境代价。根据由美国哥伦比亚大学环境专家2008年完成的“环境绩效指数”显示:在全球149个国家中, 中国位列第105名, 环境质量堪忧。面对资源与环境的双重约束, 粗放式发展模式难以为继的严峻现实, 2007年, 党的十七大报告指出:必须加强能源资源节约和生态环境保护, 增强可持续发展能力;把建设资源节约型、环境友好型社会Erkman (1997) 指出, 产业生态化主要研究产业系统如何运作, 并基于对生态系统的认知, 决定如何对产业进行调整以达到人类生产活动与自然生态的有机统一[2]。2002年日本政府制定的一系列的定量化的评价指标, 对日本全国物质实物流量进行了核算 (Material Flow Accounting) , 编制了资源实物流量表, 并在此基础上建立了一组定量化的评价指标, 包括资源投入量、资源有效利用率、资源生产率、废弃物产生量等指标。Allenby在2005年提出了著名的产业生态系统分级进化理论, 他认为最低级的产业生态系统是线性的, 特征是向自然界无限索取资源, 同时, 无限排放废物;中级的产业生态系统的特点是索取资源和排放废物的有限性;到了高级的产业生态系统将是不存在废物的, 资源与废物的概念是相对的, 一个环节排放的废物应当通过有效处理而转化成下一个环节的资源, 实现封闭循环运转[3]。
国内对于产业生态环境效率的研究主要是采用不同方法从不同视角测算了环境全要素生产率。涂正革等 (2009) 通过研究发现随着环境全要素生产率和产业环境结构优化的提高, 中国工业生产力水平也得到提高, 发展模式正在发生转变, 环境约束对经济增长的抑制作用正逐渐减弱[4]。陈诗一 (2010) 采用动态行为分析模型对中国工业全要素生产率进行了重新估算, 并模拟了2009～2049年我国节能减排的损失和收益, 为找到通向未来双赢发展的最优节能减排路径提供了理论依据[5,6]。王兵等 (2010) 发现了环境全要素生产率与市场全要素生产率变化的背离趋势, 这表明我国节能减排任务任重而道远[7]。
现有文献的研究焦点主要集中于区域与行业层面的测算, 然而, 本文认为找出影响产业两型化发展的主要因素, 从而有效提高产业两型化发展效率更值得关注和研究。本文与现有文献的区别与主要贡献在于:①采用超效率DEA对我国30个省级区域2002～2010年产业两型化发展效率进行测算, 刻画了我国区域产业两型化发展效率分布的锥型特征。②从技术进步、产业结构、环境规制和开放程度等维度构建影响因素分析模型, 并对各因素的作用进行实证分析。
3 产业两型化效率评价
3.1 产业两型化发展内涵
产业两型化发展要求以技术进步和管理创新为手段, 在生产过程中实现资源节约和环境友好, 即:在生产过程中, 既要提高资源的使用效率, 不断降低单位经济产出的资源消耗量;同时, 又要减少污染的排放, 并对已产生污染物的处理上更要加大控制力度, 实现经济效益和社会效益的有机统一。从本质上讲, 产业两型化发展就是要以最少的资源消耗和环境污染实现最大的经济产出。
3.2 产业两型化发展效率评价
(1) 模型的选择
从已有的文献来看, DEA模型经常被用于测算纳入资源环境因素的效率问题 (邓波, 2011;张炳等, 2008) [8,9]。然而, 传统DEA模型[10]等建立了超效率DEA模型, 使相对有效决策单元之间进行效率高低比较成为可能。鉴于此, 本文选取超效率DEA模型测算省级区域产业两型化发展效率王恩旭等, 2011;王宏志, 2010;陈傲, 2008) [11,12,13]并考虑到数据可得性, 本文选取的投入指标包括能源消耗和环境污染两大类:其中, 能源消耗指标为工业能源消耗总量 (x1) , 环境污染指标包括:工业污染物排放综合指数 (x2) 魏巍贤, 2010) [14]。②产业结构。工业化进程的加快使资源消耗速度超出资源的再生速率和环境承受能力, 从而使得环境状况恶化, 而随着经济发展水平的不断提高, 产业结构将从以能源密集型为主的重工业逐步向第三产业转移, 这种结构的变化将逐渐降低当地污染物排放水平 (Grossman, 1991) ) [15]。③环境规制。对环境更加严格的规制将有利于工业绿色生产效率的改善、技术的进步以及绿色甥产率的提高 (李静, 沈伟2012) [16]。④开放程度。外商直接投资、跨国公司的进入加剧了各个地区企业间技术水平的差异, 使得非外资企业同代表前沿最优的先进企业之间的差异加大, 从而降低了整个地区相对前沿的平均水平。研究发现外资进入会通过直接渠道和间接渠道总体增加行业环境技术效率 (王海宁, 2011) [17]。
基于相关研究成果, 本文从技术进步、产业结构、环境规制以及对外开放四个方面陈诗一, 2010) , 因此我们预计技术进步因素对产业两型化发展效率的影响为正;Str表示产业结构相关的因素, 其中Str1it为第i个省市在第t年的重化工业化水平, 我们用重化工业产值占比表示, 有研究表明中国重化工业生产率往往低于轻工业 (张军等, 2009) , 其占比越高将会带来更多的资源扭曲效应, 不利于传统工业的提质改造, 因此对产业两型化发展效率影响预期符号为负;Str2it为第i个省市在第t年的高新技术产业发展水平, 我们用高新技术产业总产值/工业总产值表示, 用来说明新兴产业与传统产业在工业结构中的相对变化, 预计其与产业两型化发展效率为正相关关系;Env表示环境规制相关的因素, Env1it其中为第i个省市在第t年的工业污染治理投资额占工业增加值比重, 其值越大说明政府和工业企业对环境干预越强, 预计与产业两型化发展效率呈正相关关系;Env2it为社会民众对环境的关注程度, 用当年由各省市人大与政协提出且已被政府有效执行的环保类议案数目与历届人大政协代表总数之比表示 (9) , 预计与产业两型化发展效率呈正相关关系;Ope表示开放程度相关变量, 用第i个省市在第t年外国直接投资强度, 用工业利用外商直接投资表示, 相关研究认为FDI的影响呈现出“双刃剑”的特征, 因此本文也认为其影响存在复杂性。dum为表征时间和区域的虚拟变量。以上数据均从《中国统计年鉴2003～2011》以及各省 (市) 2003～2011统计年鉴获得。
4.2 估计方法
首先对最近一期2010年度的截面数据进行回归, 并采用稳健的标准误, 结果如表3 a列所示。然后对包含了2002～2010年全国30个省市的混合数据进行了回归, 由于同一个省市地区不同期之间的扰动项一般存在自相关, 因此我们采用以“省份 (或市) ”为聚类变量的聚类稳健标准差, 结果显示在表3 b列。考虑到社会和制度因素导致的产业两型化效率差异不能被观测到, 为了控制这种不可观测的异质性对模型的影响, 我们分别采用固定效应模型和随机效应模型进行估计, 且都采用以“省份 (或市) ”为聚类变量的聚类稳健标准差。结果显示在表3 c列和表3 d列。为了获得更稳健的估计结果, 由于我们的面板数据中截面单元与时间序列单元的维度相差不大, 应该考虑组内自相关的问题, 同时注意到由于我们选取的是省际面板数据, 相邻省份之间同期的经济活动可能相互影响, 基于这两种考虑, 我们采用能同时处理组内自相关和组间同期相关的FGLS估计面板数据, 结果显示在表3e列。
注: 括号内为估计系数的se值, 其中***、**、*分别代表1%、5%和10%的显著性水平。
4.3 估计结果分析
估计结果表明:
①就技术进步因素而言, R&D经费支出占比对产业两型化发展效率有较显著的影响, 不论是我们采取截面数据还是面板数据进行回归分析, 其贡献都稳定在0.5%～0.6%. 我们认为可能的原因是技术进步能有效提升能源管理利用和环境监测水平。技术的创新减少对传统能源的依赖同时也提高能源利用效率, 改善排放的污染物含量。并通过计划与平衡调度、环保监测数据报警、能源和环保实时监管等方面信息技术在能源管理和环保监测管理中的应用, 促进企业集约、清洁发展, 进而对产业的两型化发展效率产生积极影响。
②就产业结构相关因素而言, 重化工业比重是造成产业两型化发展效率下降的重要负面影响因素之一, 重化工业占比平均每提高1%将使得产业两型化发展效率下降0.2%左右, 这是因为重化工业大都依赖传统的生产方式, 前期投资大, 改造难度高, 造成了资源能源利用效率的扭曲, 这一结果与我们的预期是一致的。同时高技术产业占比的加大对产业两型化发展效率的提升有明显的促进作用, 这一结果与我们的预期也是一致的。
③从环境规制的相关因素来看, 工业污染治理强度能够提高产业两型化发展效率, 但结果并不显著。而社会关注因素, 从我们的结果来看, 并未获得与预期完全一致的结论。可能的原因是, 我们对人大政协相关资源环境的提案是否能代表社会关注程度仍值得商榷, 并且这提案是否存在滞后效应也未得到证实。
④从经济开放因素看, FDI流入的影响出现了较复杂的情况, 出现了所谓对资源环境的“双刃剑”作用, 仅就相对较稳健的面板FGLS估计结果而言, FDI流入促进了产业两型化发展效率, 可能的原因是通过FDI的外溢效应造成的区域绿色生产率水平提高。
4.4 稳健性检验
由于对产业两型化效率测算部分我们采取的是超效率DEA, 其结果是非负变量, 对于受限变量我们考虑采用Tobit方法对前文的结果进行稳健性检验, 考虑到Tobit模型中Probit部分可能存在异方差性, 我们采取稳健的标准误, 其结果如表4所示。
注: 括号内为估计系数的se值, 其中***、**、*分别代表1%、5%和10%的显著性水平。
从Tobit模型的估计结果来看技术进步、高新技术产业占比以及FDI流都显示出显著的正向贡献, 重化工业占比则出现了与预期一致的负向影响, 环境规制变量的影响为正, 但是并不显著。基本与前文中FGLS的估计结果相一致, 因此有理由认为本文的相关结论是稳健的。
5 结论及政策启示
本文采用超效率DEA对我国30个省级区域2002～2010年产业两型化发展效率进行测算, 刻画了区域产业两型化发展效率的分布特征, 并从技术进步、产业结构、环境规制和对外开放等方面对产业两型化发展效率的影响因素贡献进行了估计, 得出以下研究结论:
第一, 我国区域产业两型化发展效率分布呈锥型特征, 大多数地区的效率值均处于中等水平。
第二, 技术进步因素对产业两型化发展效率提升有正向的促进作用。产业结构涵盖的诸因素中, 重化工业化水平对产业两型化发展效率的影响为负, 高新技术产业占比对产业两型化发展效率的影响为正。环境规制涵盖的诸因素中, 工业污染治理因素能够提高产业两型化发展效率, 而社会关注因素的影响还不能确定。表征经济开放水平的FDI流入水平对产业两型化发展效率也随估计方法的不同而出现差异, 出现了所谓对资源环境的“双刃剑”作用。
本文的研究结论为我们提供了以下几点政策启示:
第一, 积极发展绿色技术, 推动产业绿色转型。发展绿色技术, 需要社会各界共同努力。政府应在绿色技术创新中发挥主导作用, 支持鼓励发展绿色技术:通过科研规划、财税及金融政策上给予支持;组织制定相关标准和技术规范支持绿色技术应用;采用绿色技术改造、替代落后工艺和技术, 加快利用绿色技术提升传统产业的两型化水平, 实现产业转型升级。企业要成为绿色技术创新的主体, 增加绿色技术研发投入, 建立绿色技术创新的人才激励机制, 加快培养研发队伍。社会组织要充分发挥催化剂的作用, 行业协会通过提供绿色技术交流平台和绿色技术推广渠道, 促进成果的转化和应用;开展相关的咨询、认证服务等。
第二, 加快推进高新技术产业发展, 深化产业结构调整。首先, 更加重视自主创新能力的提高。大力提高原始创新能力、集成创新能力和引进消化吸收再创新能力, 着力突破制约产业转型升级的重要关键技术;加快建立以企业为主体、市场为导向、产学研相结合的技术创新体系。其次, 把培育新兴战略性产业摆在重要位置。进一步促进知识、技术、人才等要素向高新企业聚集区域集中, 加快科技成果转化为现实生产力。再次, 建立符合高新技术产业发展规律的运行机制。
第三, 加强环境规制, 促使环境成本内部化。经济层面, 目前环境污染成本不足以覆盖企业为减少污染排放进行技术改造的投入, 应通过开征环境税等经济手段促使环境成本的内部化成为企业加大环境友好技术开发的直接动力。制度层面, 应尽快开展环境税立法工作并选择经济相对发达地区开展环境税征收试点, 待时机成熟时扩大试点范围。同时, 要加强执法力度, 使企业违法带来的罚款大于甚至远大于守法成本。
第四, 科学引导承接产业转移, 避免“污染避难所”效应。外商直接投资能够带来技术外溢效应;同时也将污染产业迁移至环境标准较宽松的国家, 从而使发展中国家成为专业化生产污染产品的“污染避难所”。政府应在项目准入、能源消耗、污染排放等方面制定严格标准, 引导企业合理引进低污染、低耗能、高技术含量、高附加值的外资项目, 避免在资源配置全球化的大背景下, 发达国家的一些污染产业或企业转移至我国, 进而产生生态环境负面影响。
效率测算分析 篇8
企业的效率主要包括规模效率、范围效率和X效率。其中规模效率和范围效率分别指由企业生产规模扩大、产品多元化使生产成本降低带来的效率, 而X效率则是指企业经营中不为前两种效率解释的部分, Frei等 (2000) 将其定义为:除规模和范围影响外的技术和配置效率之和, 测度企业生产给定产出时整合技术、人力资源及其他资产的管理水平的差异。X效率的概念最早由Leibenstein (1966) 引入, Mester (1996) 、Altunbas (2001) 等通过实证研究后发现, 相较于规模效率和范围效率, X效率对企业成本控制和竞争力提高的影响更为显著。房地产开发投资周期长, 资金量大, 对房地产企业 (主要指开发企业) 的经营与管理能力要求较高, 这使得了解和提高X效率水平对房地产企业长足发展尤为重要。
已有对企业X效率的研究主要集中于银行业, 侧重于测算企业X效率或分析其影响因素。在测算方法上, 目前常用的有非参数法和参数法两种。非参数法中最常用的是数据包络分析 (Data Envelopment Analysis, DEA) 法, 利用线性规划思想, 测量具有多项投入和产出的决策单元对于生产可能性边界的相对效率 (Farell, 1957) , 该方法无需定义基本的生产或成本函数, 但对企业产品同质性和经营稳定性要求较高, 其中魏煜和王丽 (2000) 、张健华 (2003) 等采用DEA方法测算了商业银行的X效率, 但均未考虑方法的适用性问题;参数法中最常用的是随机前沿方法 (Stochastic Frontier Approach, SFA) , 首先设定企业的成本边界函数, 利用多元统计分析确定函数参数, 并通过效率含义来计算企业X效率 (Berger et al, 1993) , 该方法考虑到随机误差, 模型经济含义明确, 且对企业产品同质性和经营稳定性要求不高, 其中钱蓁 (2003) 和迟国泰等 (2005) 分别采用该方法测算了商业银行的成本效率, 并对测算方法的选择和成本函数的设定等进行了探讨。
而关于我国房地产企业效率研究, 孟川瑾等 (2008) 选取我国2006年500强中的房地产企业为决策单元, 采用DEA方法测算企业的技术效率、纯技术效率和规模效率;任放和钱珍 (2009) 采用不可控制变量DEA模型测算了2006年我国47家房地产上市公司的经营技术效率, 表明我国房地产企业普遍存在规模无效率现象;袁方和高钰 (2009) 采用DEA方法、基于2000-2007年我国20家房地产上市公司数据实证分析了整个行业的运行效率, 结果显示我国房地产行业总体运行效率较高, 但局部波动较大。然而总体来看, 目前对我国房地产企业效率的研究仍较为缺乏, 已有研究大多没有明确企业效率的定义和涵盖内容, 导致研究角度不一;且目前研究主要采用DEA方法进行效率测算, 没有考虑该方法对房地产企业的适用性。实际上, 房地产产品具有明显的异质性, 且由于受经济环境和宏观调控的影响较大, 企业经营波动性强, DEA方法可能并不适用于研究我国房地产企业效率。
本文关注于对我国房地产企业发展影响较大的X效率, 且考虑到房地产企业具体特点, 采用参数法中的SFA方法来进行企业X效率的测度。具体以我国房地产上市公司为样本, 采用合适的函数形式建立SFA方法下的X效率测算模型, 提出具体的测算步骤, 基于样本公司2005-2011年数据测算其X效率并对结果进行多角度统计分析, 以全面了解我国房地产企业的X效率水平, 为企业改善内部管理, 优化资源配置提供参考。
2 X效率测算模型与测算步骤
2.1 X效率测算模型
企业的X效率可以用企业生产的理论最小成本与实际成本的比值表示 (迟国泰等, 2005) 。以下分别对企业生产的理论成本、实际成本和X效率函数模型进行介绍。
2.1.1 理论成本函数模型
首先对企业生产的理论成本函数模型进行假设, 常用的成本函数有科布道格拉斯 (Cobudauglas, C-D) 成本函数和超越对数 (Translog) 成本函数。相较于结构较为简单的C-D成本函数, Translog成本函数还将生产的投入产出项的交互影响考虑在内, 能更贴合实际地模拟房地产产品的生产成本, 故本文采用该函数模拟房地产企业的理论生产成本。
对于有m项产品产出和n项要素投入的生产过程, 采用Translog成本函数形式的理论成本函数如式 (1) 所示:
式 (1) 中, C是n项投入生产的总成本;Yi是第i项产出量 (i=1, 2, …, m) ;Pj是第j项投入要素的价格 (j=1, 2, …, n) ;ε为随机误差项;α0, αi, βj, γik, δjl, ρij (i, k=1, 2, …, m;j, l=1, 2, …, n) 均为待估参数。
为保证Translog成本函数成立, 函数要求投入要素价格满足线性齐次性、二次项参数满足对称性。函数的参数约束条件如下:
2.1.2 实际成本函数模型
实际上, 由于存在非效率因素, 企业往往无法达到理论的最佳资源配置情况, 企业的实际成本 (Real Cost, RC) 与理论成本间存在差距, 两者关系如式 (2) 所示:
式 (2) 中, RC为企业实际成本;C为企业理论成本;U为企业理论成本与实际成本之比的倒数, 取值范围为[1, ∞) , 反映由于技术和管理不当等产生的成本浪费情况;V为测量的随机误差。
将理论成本函数式 (1) 代入式 (2) , 即可得企业实际成本的最终表达式, 如式 (3) 所示:
式 (3) 中, RC为企业实际成本;u等于ln U, 为成本的非效率项;v等于ln V, 为测量的随机误差项;其余参数含义与式 (1) 相同。
为区分式 (3) 中的成本非效率项u和随机误差项v, SFA方法中假定u服从半正态分布|N (0, δε2) |, v服从标准正态分布N (0, δε2) 。
2.1.3 X效率函数模型
企业X效率 (ESX) 为生产的理论最小成本与实际成本之比, 计算公式如式 (4) 所示。
式 (4) 中, ESX为企业X效率;C为企业生产的理论成本;RC为企业生产的实际成本。
由于理论成本不大于实际成本, ESX的分布范围为 (0, 1], 其值越接近1, 表示企业的X效率水平越高。
2.2 X效率测算步骤
测算企业的X效率遵循如下步骤。
第一, 确定企业投入产出的各项指标和变量。根据企业生产过程和产品生产特点, 选取合适的投入和产出要素, 确定生产的投入价格、投入总成本和产出的各类指标和相应变量。
第二, 采用极大似然法估计企业的实际成本函数。将选取的投入产出各类变量数据代入式 (3) , 采用极大似然法估计企业的实际成本函数, 确定函数中各项参数取值。
第三, 计算企业的理论生产成本。将式 (3) 中估计的各项参数值代入式 (1) , 结合投入产出各类变量数据, 计算企业的理论生产成本。
第四, 计算企业的X效率值。将企业的实际生产成本与求得的理论生产成本代入式 (4) , 计算企业的X效率值。
3 我国房地产上市公司X效率测算
这里选取我国房地产上市公司为样本, 结合房地产企业特点和模型形式进行相关指标选取和变量设定, 收集样本公司2005-2011年数据测算其X效率水平。
3.1 指标选取与变量设定
企业X效率测算基于Translog成本函数模型展开, 需对模型中涉及到的指标和变量进行设定。Translog成本函数中共涉及投入价格、总成本和产出三大类指标, 根据我国房地产企业及其生产特点, 研究所需模型中投入要素价格指标从人工、资金、土地和建安材料4方面选取;总成本指标为各投入要素的成本之和;产出指标则选取营业收入。在具体设定各指标对应变量时, 人工投入价格和营业收入对应变量可简单计算或直接获取, 资金、土地和建安材料投入价格对应变量需进行替代:资金投入价格用单位利息费用近似替代;土地、建安材料两类实物要素投入价格用单位产品成本近似替代。同时, 为消除房地产市场波动带来的成本变化, 引入国房景气指数作为控制变量。
数据来源:锐思数据库, www.resset.cn。
X效率测算的Translog成本函数模型中指标选取与变量设定如表1所示。
3.2 数据收集与整理
根据指标与变量设定, 在2005-2011年沪深A股房地产上市公司总体中剔除被特别处理 (ST) 和数据缺失的公司, 最终确定38家房地产上市公司为研究样本, 收集整理2005-2011年样本公司各变量的原始数据, 其描述性统计结果如表2所示。
3.3 X效率测算结果
结合表2中涉及的各变量原始数据, 根据X效率测算步骤进行2005-2011年样本房地产上市公司X效率测算 (该过程用Frontier4.1软件实现) , 结果如表3所示。
注:为避免不必要的纠纷, 这里房地产上市公司略去公司名称和股票代码, 而仅以序号列示。
4 我国房地产上市公司X效率统计分析
这里根据表3中样本房地产上市公司X效率的测算结果, 从总体和不同角度分类两个方面进行2005-2011年我国房地产上市公司X效率统计分析。
4.1 房地产上市公司X效率总体统计
从总体上对样本房地产上市公司的X效率水平进行统计分析。分别计算2005-2011年样本公司X效率的平均值, 衡量其X效率的平均水平;以平均值为基础计算样本公司X效率的年增长率, 反映各年X效率的纵向变化;计算各年样本公司X效率的标准差系数 (标准差与平均值之比) , 衡量样本公司间X效率的差异水平。具体统计结果如表4所示。
由表4可知, 2005-2011年样本公司X效率的平均值在0.75左右;各年样本公司X效率的平均水平呈现增减波动, 但总体变化不大;各年样本公司X效率的标准差系数均小于12%, 且总体呈降低趋势, 反映样本公司间X效率的差异正逐步减小。
4.2 基于不同角度的房地产上市公司X效率统计
这里考虑到房地产企业特点, 结合以往研究中X效率的影响因素, 进一步从资产规模、所有权性质和业务布局三个角度对样本房地产上市公司进行分类, 并对不同类别的样本公司X效率平均水平进行统计分析, 以衡量资产规模、所有权性质和业务布局这三个因素对房地产上市公司X效率的影响。统计结果如表5所示。
为更直观表示基于上述三个角度分类的样本公司2005-2011年X效率水平的变化, 将表5的统计结果分别反映于图1-3中。
由图1可知, 2006年以前我国房地产上市公司的X效率随资产规模的增大而提高;2006-2008年资产规模在100亿-200亿元之间的房地产上市公司X效率最高, 100亿元以下的公司X效率次之, 200亿元以上的公司X效率最低;而2009年以后, 资产规模在100亿-200亿元之间的房地产上市公司X效率最高, 200亿元以上的公司X效率次之, 100亿元以下的公司X效率最低。
由图2可知, 国有控股的房地产上市公司X效率总体高于民营控股公司;2005-2008年两类公司的X效率差距逐步缩小, 到2009年相等 (0.76) , 之后差距又逐年扩大。
由图3可知, 2005-2011年业务布局于10城市及以上的公司与布局于10城市以下的公司X效率水平高低有较大波动;总体来看, 业务布局范围较小 (10城市以下) 的公司X效率水平高于业务布局范围较广 (10城市及以上) 的公司。
5 结论与建议
本文以我国房地产上市公司为样本, 采用随机前沿分析 (SFA) 方法, 结合房地产企业及产品特点选取指标和设定变量, 收集相关数据测算和统计分析2005-2011年样本公司的X效率水平。结果显示: (1) 2005-2011年我国房地产上市公司X效率均值在0.75左右, 各年波动较小, 各公司间差异较小且呈降低趋势; (2) 不同资产规模的房地产上市公司X效率有明显差异, 国有控股房地产上市公司的X效率总体高于民营控股公司, 业务布局于10城市以下的房地产上市公司X效率总体高于布局于10城市及以上的公司。
效率测算分析 篇9
1 关于农业资源配置效率研究的相关背景知识
目前, 对于农业资源配置效率的研究中基本上都是定性评价方法, 但是这种方法在准确度上有误差, 不能准确的进行测度, 所以定量方法在资源配置效率方面的研究近年来成为研究的热点[1,2], 因为定量方法的可以更加科学、准确地进行测度。常见的定量方法主要包括比值分析法、生产函数法、能量效率评价方法和数据包络分析 (DEA) 方法。
本文首先综述了国内外农业资源配置效率的评价方法, 并对常见的评价方法的原理、过程、优点及不足进行分析和论述。在此基础上, 提出综合的理论指导和研究途径是农业资源利用效率评价方法和模型的发展方向, 即在理论综合的指导下, 农业资源利用效率评价应当在尺度综合、多因素综合和方法综合等层面展开今后的研究工作。
2 常见农业资源配置效率评价方法
农业资源配置是指各类农业资源在不同农业活动主体、领域、过程、空间、时间上的分配和使用。农业资源配置的不同方式会有不同的效率, 投入和产出会有很大差别。资源配置高低在很大程度上决定农业常量和质量。对于配置效率问题, 国内主要的评价方式有两种, 即定性分析和定量分析。因为定量分析更准确的反应资源配置效率的使用, 所以是主要使用的评价方法。
2.1 比值分析方法介绍
比值分析方法以定性分析为主的评价方法, 以农业资源配置规模、强度、 结构方式及运行模式作为指标, 对照方法主要是横向和纵向比较方法:用国外、国内不同区域的资源进行横向比较, 或用不同时期的历史数据及对照国内外相似的科技资源配置阶段纵向地进行对照。从比较中找出差距、分析原因、寻求对策。这种方法的优点是比较简洁实用, 缺点是参照系或标准指标的可信度让人质疑, 认为和主观因素在评价方法中有很强的印记, 但这一方法仍然是深入进行定量分析的基础和前提。
2.2 生产函数方法介绍
生产函数法, 通过生产函数的确定, 明确产出与投入之间的函数关系, 借以说明投入产出水平即经济效益水平的一种方法。经济学中生产函数所描述的技术关系是说对于给定的要素价格, 要求选择要素投入的最优组合, 要求选择适度的经济规模, 要求技术水平和经营管理水平充分发挥, 以最大可能的劳动生产率组织生产。这是一种理论意义上的生产函数, 这种理论生产函数可称前沿生产函数。资源配置效率的测度需要应用前沿生产函数。用公式表示就是:Y=f (A, K, L…) , 其中Y为产出量, A、K、L等表示技术、资本、劳动等投入要素。生产函数法不仅可以准确评价综合经济效益, 而且对评价资源配置经济效益、规模经济效益、技术进步经济效益等都有重要作用, 但函数关系的确定较为复杂。
2.3 DEA模型与方法介绍
DEA是由著名的运筹学家A.Charnes和W.W.Cooper等人以相对效率概念为基础发展起来的一种定量效率评价方法[3], 继1978年第一个DEA模型—C2R模型问世后, 新的模型和其他重要理论结果不断出现, 模型的实际应用也日益广泛。DEA是使用数学规划模型比较决策单元之间的相对效率, 并对决策单元做出评价的一种非均一方法。传统的DEA模型中, 主要包括C2R和BCC模型。假设xij, yrj分别表示第j个决策单元对应的第i个投入指标和第r个产出指标, 对于第j0个决策单元对应的C2R和BCC模型分别如下所示:
undefined
undefined
通过计算线性规划 (1) 和 (2) , 可以确定规划中输入-输出对应的权重变量的最优解, 记为:
v*j= (v*1f, v*2f, …, v*mj)
u*r= (u*1j, u*2j, …, u*sj)
DEA方法通过对多个决策单元多输入-多输出数据的计算, 利用规划模型试图确定每个决策单元输入和输出的最优权重, 同时通过计算最优效率值, 可确定有效决策单元和非有效决策单元, 其中有效决策单元位于有效生产前沿面上。此方法思路也很简单, 结果是只要Q越接近于1效率越高, 可相对来说计算复杂。
3 农业资源配置效率评价方法的比较
农业资源效率评价方法从定量和定性两种角度确定农业资源的有效配置, 提高生产效率, 从农业系统投入——产出的视角对农业资源配置效率进行测算不仅具有深刻的理论意义, 而且有着重要的现实意义。根据整体性、独立性、科学性、可行性和可操作性的指标体系构建原则, 农业资源配置效率的指标要体现农业资源的规模水平和农业资源要素的活跃程度。
但是目前常用的资源效率评价方法都不能完全反应准确的资源配置效率, 我们在分析了三种效率评价方法的缺点, 提出了互补方式的农业资源效率评价方法。
三种资源配置效率评价方法从定性和定量的角度对资源配置效率行了分析, 都是部分体现了资源配置的效率。但是由于各自评价方法的局限性, 使得不能用单一的评价方法完成整个效率评价。比值分析方法的缺点是参照系或标准指标的可信度让人质疑, 认为和主观因素在评价方法中有很强的印记, 但这一方法可以作为展开深入进行定量分析的基础和前提。生产函数方法是特定时期内所用的各种投入要素的数量与该商品的最大产出量之间的关系, 但是实际的生产过程并不全是在最优状态下进行的, 直接用实际的产出值与投入要素进行生产函数的常规拟合不符合生产函数的运用条件, 所得到的生产函数也只能反映特定条件下的资源配置水平和平均意义下的技术关系。DEA方法在定量评价方法中有很好的应用价值, 但是在实际应用中存在两方面的缺陷: (1) 通过DEA测算之后会出现多个决策单元同时有效的情况, 对于判别为有效的多个决策单元DEA没有办法进行进一步排序; (2) 在输入——输出指标偏差较大时, DEA会因为偏重于少数突出指标, 而具有少数突出指标的决策单元评价为有效。在评价中会产生偏差。
在分析了三种资源效率评价方法后, 我们认为, 用比值分析方法和生产函数方法进行有效的定性分析后, 提供给DEA测算提供突出指标的决策单元, 使改进的DEA方法更为准确的定量评价资源配置效率, 防止误差的产生。
4 结 论
由于我国农业发展具有非均衡性, 从而导致我国农业资源配置效率存在区域差异性。本文介绍了几种常见的农业资源配置效率方法, 并对几种方法的各自特点和适应范围进行了分析。分析结果可以为我国的农业宏观调控提供有效的参考信息, 从而实现我国农业资源配置效率的整体提升。
摘要：伴随信息化水平的日益提高, 我国农业资源组织结构和运行效率进一步优化。本文对目前常见的农业资源配置效率测算方法进行了综述, 对各种评价方法的原理、过程、优点及不足进行分析和论述。在理论综合的指导下, 分析结果可以为我国的农业宏观调控提供有效的参考信息, 从而实现我国农业资源配置效率的整体提升。
关键词：比值分析法,生产函数法,包络分析法,农业资源配置效率
参考文献
[1]唐五湘, 李冬梅, 周飞跃.基于面板数据的影响我国地区科技资源配置效率要素的定量分析[J].农业管理研究, 2007, (10) :115-117
[2]谢群.我国高新技术产业开发区资源配置及产业成长模式研究[J].工业技术经济, 2009, (10) :84-86
[3]刘宪法, 方亚林.资源配置效率与产业结构调整绩效评价──深圳市产业结构调整DEA方法实证分析[J].开放导报, 1997, (8)
效率测算分析 篇10
一、函数的参数估计
本文采用Battese and Coelli (1993) 的定义, 对工业行业的技术非效率进行估计。计算技术效率必须首先计算生产函数的参数, 生产函数使用Translog型, 样本为62个。
根据定义, Y是企业的净产值, K是资本存量, L是职工人数, v表示随机误差。给出生产函数在技术上可能的产量, 用生产可能性曲线表示。实际上, 企业不可能超越生产曲线生产, 一般只能在曲线之下生产。实际产出与理论产出之间的差异定义为技术非效率, 用u来表示, 方程式中以减号的形式代入, 表明理论产出大于实现产出。其差为一正值。
通常v与u相互独立, 假定v服从对称正态分布N (0, σv2) , u受各种与效率有关的因素影响, 其分布可以假定为。即u的分布是以f (Z) 为均值, 在0处被截断的半正态分布。
以服装行业为例, 考虑影响企业的技术非效率的因素有如下几种:
此处, H为建厂时间、S为产销率、 和分别为河北省国营企业、南方国营企业、河北省乡镇企业、南方乡镇企业的虚变量系数。
将计量公式 (1) 与 (2) 采用最优估计方法进行估计, 本文使用的计量软件是Coelli (1994) 编制的Frontier Version4.1。被估计的参数有:, 还有, v与u的方差σv2、σu2分别通过与求得。
二、估计结果的讨论
表2是2007年的估计结果。Translog型函数的对数优度是0.951, cobbs-Douglas型函数是-2.36, 采用上述的优度比检验证明, 没有理由拒绝科布-道格拉斯型生产函数。而且, 从技术效率的估计结果看, 两个模型之间也没有明显差别。河北省企业δ3、南方企业δ4、南方乡镇企业δ5的估计值具有显著性而且为正, 河北省乡镇企业δ6的估计值失去显著性, 说明到了2007年, 在技术效率方面, 河北省乡镇企业与合资企业已经没有显著差异。这个结果符合河北省经济改革的实际, 乡镇企业经过十几年的发展, 在效率水平上已经不低于合资企业了。
三、平均效率性的估计量E (e-u) 的测度
用MLE (最大似然法) 估计得到估计结果很难直接表示技术效率水平。因此, 能否找到一个有效的尺度, 将估计结果用明确的方式表达技术效率。
平均效率性是指在一定的投入水平上, 实际产量与最大可能产量的比例。即在某类所有制的企业中, 平均实际产量是最大可能产量的百分之几。
平均效率性的估计方法有Lee=Tyler (1978) 的论文, 其方法为:
F* (σu) 是标准正态积累分布函数。由于σu具有一致性, 所以MLE估计也是一致估计量。
[*]这里技术效率的估计值是根据Translog型生产函数。
[**]各类企业旁的括号中的数字是企业数。
四、技术效率差异的分析
2007年 (表3) , 河北省国有企业的效率比较起来明显降低, 即使是最大值都不到合资企业的一半水平。特别是河北省国有企业的效率最小值已经接近于零, 可能是样本选取了濒临倒闭的赤字河北省国有企业。相反, 河北省乡镇企业与南方国企、南方乡镇与合资企业的效率分布几乎没有区别, 这个结果充分说明了企业所有制改革的方向。
1. 河北省国有企业中, 技术效率与合资企业相比显著低。
河北省国有企业的生产效率仅是合资企业的一小半, 南方国有企业的水平居中。
2. 国企通过改革, 企业趋于更合理化。
但是本文的研究是不同企业所有制、河北省与南方地区的比较, 结果不能不说国企改革尚不充分。
3. 河北省的乡镇企业与合资企业有着相近的生产效率, 这说明乡镇企业的经营体制、企业组织是接近合理的。
效率测算分析 篇11
我国经济快速发展的同时引发了一系列环境问题,近几年雾霾问题频发引起了人们对大气污染的高度关注,硫氧化物排放是大气污染的主要成因。工业在我国国民经济中处于重要地位,但其也是引起高污染的主要行业,2013 年中国工业产值占GDP总额比重为37. 46% ,工业废气污染占废气污染总量的80. 65% 。我国以往对污染排放的管理思想是从排污的生产者责任制着手,即谁排污谁治理。但是,通过深入考察排污者的动机可以知道,市场需求是排污者进行生产的源动力。由此,要根治污染问题,与供给侧管理相结合,从需求侧管理是釜底抽薪的有效可行之路。因此本文重点测算最终需求引致的工业行业环境效率,并从最终需求侧分解工业行业环境效率的影响因素,希望能够通过行业发展的需求端管理,提高环境效率,实现可持续减低污染总量的长效机制。
20 世纪30 年代,投入产出模型被Leontief提出,此后这种方法在环境研究领域得到广泛应用。Wyckoff和Roop ( 1994)[1]、Machado等(2001)[2]、Mukhopadhyay(2004)[3]、Tassielli(2006)[4]、刘遵义(2007)[5]、张友国(2010)[6]、刘轶芳等(2010)[7]、马涛(2012)[8]、闫云凤(2013)[9],苏昕等(2013)[10]运用投入产出法测算了进出口贸易中的隐含碳。研究影响因素主要采用因素分解法,比较常用的是指数分解法(IDA)和结构分解法(SDA)。朱勤(2012)[11]、彭水军(2013)[12]、蒋雪梅(2013)[13]运用结构分解法对碳排放量进行了分解,高振宇(2007)[14]、蒋金荷(2011)[15]、李从欣(2014)[16]等运用指数分解法对排放量进行分解。也有许多学者运用数据包络分析(DEA)方法测算环境效率,取得了大量成果(Fare,1989;Hyanes,1997;Zofio JX,2001;Seiford,2002;Ang,2008;李静,2009;王兵,2010;宋马林,2012;刘睿稢,2012;王璞,2014等)[17,18,19,20,21,22,23,24,25,26,27]。但是DEA方法有其不足之处,它采用的排放量指标是直接排放量,无法反映经济生产过程中的污染间接排放,也即隐含污染,使用投入产出方法可以测算隐含污染,细分行业探究污染来源。
本文采用世界投入产出数据库( WIOD) 中国投入产出数据和硫氧化物排放数据,运用投入产出方法测算了中国1995 ~ 2009 年工业行业最终需求侧环境效率,并进行比较,找出了效率较低的行业,接着测算中国分行业对工业总体环境效率变动的贡献度,综合第一和第二部分测算结果进行分行业环境效率的SDA分解,分析影响环境效率的各个因素,最后提出了政策建议。相比已有研究,本文的创新点有: 利用投入产出模型测算环境效率,把隐含污染考虑进去,测算了最终需求侧环境效率; 解构了分行业对工业总体环境效率变动贡献率,将环境污染治理落实到行业层面; 从最终需求侧分析了对工业行业环境效率的影响因素,找出污染源动力,以便治理污染,提升环境质量。
1 模型建构与数据来源
1. 1 行业最终需求侧完全环境效率的测算
1992 年,生态效率首次被提出,本文用其来表征环境效率。环境效率指单位环境负荷带来的经济产值,是产品和服务效益与环境承受能力的比值。
投入产出技术能够反映国民经济各部门之间的技术经济关系。利用投入产出法可以测算各个行业生产过程中的直接和间接污染物排放,从而得到行业需求侧的完全污染物排放量,再测算行业的完全增加值,进而得出行业环境效率。测算的具体步骤如下:
首先,测算出各行业单位产出的排放量F。
Fj为第j行业的硫氧化物直接排放强度,Cj为j行业硫氧化物直接排放量,Xj表示j行业的总产出。
其次,测算出各行业最终需求侧完全排放量P。
aij为第j行业生产单位产品对第i行业产品的直接消耗量,Zij为第j行业对第i行业产品的直接消耗量。
n个行业间直接消耗系数用矩阵形式表示如下:
投入产出模型中,总产出可以表示为:
A为直接消耗系数矩阵,Y为国产产品最终需求量矩阵。完全污染排放量公式如下:
列项相加可得到对某一行业最终产品消费诱发的各行业总排放量,等同于以下公式:
P为完全排放量,即对某一行业最终产品消费诱发的各行业总排放量,F'为直接排放强度矩阵的转置,( I - A)- 1为里昂惕夫逆矩阵,用L表示,为最终需求的对角矩阵。
接着,测算出各行业的完全增加值V。
Dj为直接增加值系数,Vj为j行业的直接增加值。根据式(7)同理可得:
最后,测算出各行业需求侧环境效率E。
Ej表示j行业的完全环境效率,Vj表示j行业的完全增加值,Pj表示j行业的最终需求引致的完全排放量。
1. 2 分行业对环境效率变化的贡献率分解模型
各行业污染排放量不同,增加值所占比重也不同,从而各行业对环境效率变化贡献率是有差异的。为了分析工业整体环境效率改善主要由哪些行业推动,本文参考肖皓、杨佳衡( 2014)[28]的做法,引进分行业贡献分解模型,公式如下:
1,0 分别表示报告期和基期,Δ 表示变量的变化,e表示总体环境效率的变化率,v和p分别表示增加值变化率和污染排放量变化率。
式( 16) 中前一项括号中就是第j行业最终产品对整体完全环境效率变动的贡献,后一项是整体完全环境效率变动贡献分解的误差项。
由于误差项较大,因此将误差项进行进一步分解,误差项也可以分为各行业变动引起,运用上述分解方法对误差项进行分解,以此类推,进行无限次分解,最后误差项可以约等于0,即将误差项所占比重分到各个行业,最后得出各行业贡献率等于一次分解后变动率除以1———误差项所占比重。
1. 3 行业完全环境效率变动的结构分解模型
结构分解法( SDA) 最初用来分析投资和技术进步变动,后来常用于研究各种影响因素贡献比例,应用于经济、贸易、资源、环境等多个领域中。各自变量变动的和即为因变量变动,SDA能够更深入分析影响因素,全面分析直接及间接影响因素,这是IDA分解法不具备的。为了避免分解结果的不唯一性,本文采用SDA中的两级分解法分解环境效率变动的影响因素。
上式中效率是增加值和排放量矩阵的点除,表示各行业的环境效率是各行业的增加值除以对应各行业的排放量,最终需求可以约去。
E( ΔD) 表示增加值变动效应,E( ΔL) 表示中间需求效应,E( ΔF) 表示排放强度效应。
1. 4 数据来源
本文所用数据来源于世界投入产出数据库( World Input - Output Database,WIOD) ,此数据库是由欧盟资助开发的,包含40 个国家( 28 个发达国家和12 个发展中国家) 35 个行业( 其中包含16 个工业行业) 1995 ~ 2009 年投入产出数据、环境、能源以及就业卫星账户。
本文利用WIOD数据库里中国国民账户中的非竞争型可比价投入产出表数据核算经济产出,考虑到硫氧化物排放是大气污染的主要成因,选取环境卫星账户中的硫氧化物数据作为代表性污染排放,取1995 ~ 2009 年共15 年的数据,统一以美元为经济产出单位,以吨为环境污染物排放单位。
2 实证结果
2. 1 中国工业行业完全环境效率测算分析
本文以完全增加值表征经济产出,以硫氧化物完全排放量表征环境影响,利用世界投入产出数据库里中国投入产出数据及环境卫星账户中的硫氧化物排放数据,根据式( 1) ~ ( 10) ,可以计算出中国工业行业完全环境效率,结果如表1 所示。考虑到2001 年中国加入世界贸易组织,对增加值总量及排放量都有较大的影响,从而对环境效率也有较大影响,因此把2001 年重点考虑进去。从表1 可见,各工业行业完全环境效率从1995 ~ 2009 年大体是一个递增的过程,除食品、饮料和烟草制造业、纺织业及纺织服装鞋帽制造业、皮革毛皮羽毛( 绒) 及其制品、木材加工及木、竹、藤、棕、草制品业这4 个行业在2005 年环境效率低于2001 年环境效率以外,其他行业环境效率都是提高的。从具体的效率值来看,1995年行业平均效率为0. 03 百万美元/吨,2001 年行业平均效率为0. 06 百万美元/吨,2005 年为0. 07 百万美元/吨,2009 年为0. 10 百万美元/吨,2009 年比1995 年提高了2. 93 倍,环境状况有很大好转。
百万美元/吨
注: 行业代码: 1. 采矿和采选业; 2. 食品、饮料和烟草制造业; 3. 纺织业及纺织服装鞋帽制造业; 4. 皮革毛皮羽毛( 绒) 及其制品业; 5. 木材加工及木、竹、藤、棕、草制品业; 6. 造纸及印刷业; 7. 石油加工炼焦及核燃料加工业; 8. 化学原料及化学制品制造业; 9. 橡胶制品业及塑料制品业; 10. 非金属矿物制品业; 11. 金属制品业; 12. 电气机械及器材制造业; 13. 通信设备计算机及其他电子设备制造业; 14. 交通运输设备制造业; 15. 仪器仪表机械制造及废弃资源回收加工业; 16. 电力热力、燃气、水的生产和供应业; 因数据太小导致四舍五入后效率值相等的行业本身环境效率不相等,效率值为0 的行业本身效率不为0。资料来源:根据WIOD中国1995~2009年投入产出表及环境卫星账户相关数据计算得到。
从具体的行业看,在1995 年,食品、饮料和烟草制造业及皮革毛皮羽毛( 绒) 及其制品业环境效率最高,效率为0. 05 百万美元/吨,电力热力、燃气、水的生产和供应业效率最低。在2001年,皮革毛皮羽毛( 绒) 及其制品业效率最高,效率为0. 11 百万美元/吨,比1995 年提高了1. 2倍,效率最低的仍然是电力热力、燃气、水的生产和供应业,效率为0. 01 百万美元/吨。2005 年环境效率最高的是交通运输设备制造业,效率为0. 12百万美元/吨,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 01 百万美元/吨。2009年环境效率最高的交通运输设备制造业,效率为0. 16 百万美元/ 吨,比2005 年提高了0. 33 倍,比1995 年提高了4. 43 倍,增幅明显,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 02 百万美元/ 吨,比2005 年提高了1 倍。
2009 年中国完全环境效率最高的行业是交通运输设备制造业,效率为0. 16 百万美元/吨,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 02 百万美元/吨。中国工业行业平均完全环境效率为0. 10 百万美元/吨,有11 个行业高于( 包括等于) 平均值,5 个低于平均值,分别为食品、饮料和烟草制造业,化学原料及化学制品制造业,非金属矿物制品业,金属制品业,电力热力、燃气、水的生产和供应业。
2. 2 中国分行业对完全环境效率变化的贡献率
根据式( 16) 测算出各行业对整体完全环境效率的贡献率,结果如表2 所示。本文分三阶段分析1995 ~ 2009 年各行业的贡献率,分别为1995 ~ 2001 年、2001 ~ 2005 年、2005 ~ 2009 年。
%
注: 行业代码同上。因数据太小导致四舍五入后贡献率为0 的行业本身环境效率贡献率不为0。资料来源: 根据WIOD中国投入产出表及环境卫星账户相关数据计算得到。
从整体看,1995 ~ 2009 年中国工业环境效率变化率为300. 18% ,贡献率最高的是通信设备计算机及其他电子设备制造业,为28. 25% ,其次,电气机械及器材制造业和交通运输设备制造业贡献率也较高,分别为14. 37% 和13. 07% ,贡献率较低的是木材加工及木、竹、藤、棕、草制品业,石油加工炼焦及核燃料加工业和造纸及印刷业,分别为0. 40% 、0. 48% 及0. 51% 。
具体来看,在1995 ~ 2001 年阶段,工业环境效率变化率为98. 18% ,通信设备计算机及其他电子设备制造业贡献率最高,为20. 50% ,接下来较高的是食品、饮料和烟草制造业和纺织业及纺织服装鞋帽制造业,贡献率分别是18. 15% 和12. 74% ,贡献率较低的行业是电力热力、燃气、水的生产和供应业,木材加工及木、竹、藤、棕、草制品业和石油加工炼焦及核燃料加工业,贡献率分别为- 3. 17% 、0. 54% 、0. 88% 。符号为负表示此行业对环境效率的改善起负向作用,污染排放量的增长大于增加值的增加,从而引起环境效率的降低。
在2001 ~ 2005 年阶段,工业环境效率变化率为34. 31% ,贡献率最高的3 个行业分别为通信设备计算机及其他电子设备制造业、电气机械及器材制造业、交通运输设备制造业,贡献率为43. 65% 、22. 63% 、18. 77% ,贡献率最低的3 个行业符号均为负,引起环境效率大大降低,分别是食品、饮料和烟草制造业,皮革毛皮羽毛( 绒) 及其制品业,纺织业及纺织服装鞋帽制造业,贡献率是- 35. 93% 、 - 2. 94% 、 - 1. 81% 。
在2005 ~ 2009 年阶段,工业环境效率变化率为50. 34% ,贡献率最高的3 个行业为通信设备计算机及其他电子设备制造业,食品、饮料和烟草制造业、交通运输设备制造业,贡献率为28. 04% 、15. 82% 、14. 31% 。贡献率较低的是电力热力、燃气、水的生产和供应业、非金属矿物制品业、石油加工炼焦及核燃料加工业,其中前两个行业变动引起环境效率降低,贡献率为-2. 06% 、 -0. 13% 、0. 25% 。
综合上述阶段分析,通信设备计算机及其他电子设备制造业、电气机械及器材制造业、交通运输设备制造业对工业整体环境效率的变动贡献率最大,可通过提高这些行业的环境效率寻求工业整体环境效率的改善,也可通过提高贡献率为负的行业环境效率从而促进整体环境效率的提高。食品、饮料和烟草制造业、纺织业及纺织服装鞋帽制造业、皮革毛皮羽毛( 绒) 及其制品业在2001 ~ 2005 年阶段贡献率为负可能是受到中国加入世贸组织的影响,行业最终需求大大增加,生产污染排放量增长远远高于增加值增长,从而造成环境效率降低,环境质量下降。
2. 3 中国分行业完全环境效率的影响因素分析
根据式( 22) ~ ( 24) 对中国工业分行业环境效率变化进行结构分解,阶段划分同上,分解为三大效应,即增加值系数效应、中间需求效应及排放强度效应。下面4 个雷达图显示三大效应对环境效率变动的贡献率,1 ~ 16 表示各行业,同心圆上数据表示贡献率。
结构分解结果显示,1995 ~ 2009 年行业环境效率变动中排放强度贡献率最大,增加值系数和中间需求贡献较小甚至为负。当行业环境效率变动为正,即环境效率提高时,因素贡献率为负,意味着此因素变动引起环境效率的降低,贡献率为正,此因素变动引起环境效率的提高。据此,1995 ~ 2009 年行业环境效率变动均为正,可以得出排放强度变动引起环境效率的提高,而增加值系数变动和中间需求结构变动引起环境效率的降低。
通过环境效率测算及分行业对总体环境效率变化的贡献率测算结果,我们可把行业进行分类:环境效率取其平均值0. 1 百万美元/吨,高于( 包括等于) 这个值的为高效率行业,低于其的为低效率行业; 贡献率取平均值6. 25% ,大于( 包括等于) 其的为贡献大行业,低于其的为贡献小行业。
具体关注行业层面分解,把行业分为4 类:第一类,效率高且贡献大的行业,有纺织业及纺织服装鞋帽制造业,电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业; 第二类,效率高但贡献小的行业,有采矿和采选业,皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,造纸及印刷业,石油加工炼焦及核燃料加工业,橡胶制品业及塑料制品业,仪器仪表机械制造及废弃资源回收加工业; 第三类,效率低但贡献大行业,有食品、饮料和烟草制造业; 第四类,效率低且贡献小的行业,有化学原料及化学制品制造业,非金属矿物制品业,金属制品业,电力热力、燃气、水的生产和供应业。
2. 3. 1 第一类行业完全环境效率结构分解
纺织业及纺织服装鞋帽制造业在1995 ~ 2009年阶段效率变动为0. 05 百万美元/吨,排放强度效应最大,为0. 08 百万美元/吨,贡献率为147. 59% ,中间需求和增加值系数贡献率分别为- 27. 74% 和- 19. 84% ,效应均为负值,引起环境效率的降低。电气机械及器材制造业在2005 ~2009 年阶段中间需求效应为正,其余阶段,中间需求效应和增加值系数效应均为负,且中间需求结构更大地引起环境效率的降低,排放强度贡献率最大。通信设备计算机及其他电子设备制造业在1995 ~ 2009 年阶段效率变动为0. 11 百万美元/吨,排放强度效应最大,为0. 16 百万美元/吨,贡献率为136. 60% ,中间需求和增加值系数贡献率分别为- 17. 41% 和- 19. 19% 。交通运输设备制造业在1995 ~ 2009 年阶段效率变动为0. 12 百万美元/吨,排放强度效应最大,为0. 17 百万美元/吨,贡献率为136. 79% ,增加值系数贡献率为- 15. 75% ,中间需求贡献率为- 21. 04% 。
2. 3. 2 第二类行业完全环境效率结构分解
采矿和采选业在1995 ~ 2009 年环境效率变动排放强度效应最大,为0. 13 百万美元/吨,贡献率为139. 71% ,增加值系数效应和中间需求效应均为负,在1995 ~ 2001 年增加值系数效应为正,2005 ~ 2009 年中间需求效应为正, 贡献率为23. 81% 。皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,石油加工炼焦及核燃料加工业和橡胶制品业及塑料制品业环境效率变动中排放强度效应最大,中间需求效应更大程度地引起环境效率的降低。造纸及印刷业环境效率变动中排放强度效应最大,增加值系数效应更大程度地引起环境效率的降低。仪器仪表机械制造及废弃资源回收加工业在1995 ~ 2009年环境效率变动中排放强度效应最大,为0. 13 百万美元/吨,贡献率为118. 01% ,增加值系数效应为正,中间需求效应为负。
2. 3. 3 第三类行业完全环境效率结构分解
食品、饮料和烟草制造业在1995 ~ 2001 年增加值系数效应和排放强度效应为正,中间需求效应为负,在2001 ~ 2005 年三大效应均为正,2005~ 2009 年增加值效应为负,整体来看,排放强度效应最大,贡献率为167. 94% ,增加值系数效应和中间需求效应为负值。
2. 3. 4 第四类行业完全环境效率结构分解
化学原料及化学制品制造业在1995 ~ 2009 年环境效率变动中排放强度效应最大,为0. 08 百万美元/吨,贡献率为133. 40% ,增加值系数效应和中间需求效应均为负。非金属矿物制品业和金属制品业环境效率变动中排放强度效应最大,中间需求效应更大程度地引起环境效率的降低。电力热力、燃气、水的生产和供应业在1995 ~ 2009年环境效率变动中排放强度效应最大,增加值系数效应更大程度地引起环境效率的降低。
3 结论及政策建议
3. 1 研究结论
本文采用投入产出法从最终需求角度测算了中国工业行业环境效率,测算中国各行业对工业整体环境效率变动的贡献率,进而关注各行业的结构分解,探寻环境效率影响因素。研究结论如下:
( 1) 通过测算中国分行业环境效率,经过实证研究证明中国环境效率较低,因此,提高中国环境效率,改善环境质量刻不容缓。各工业行业完全环境效率从1995 ~ 2009 年大体是一个递增的过程,其中,5 个行业环境效率相对较低。
( 2) 通过测算中国分行业对工业整体环境效率变动的贡献率,得出结论: 对整体效率贡献率大的行业,有电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业; 对整体效率贡献率为负的行业有食品、饮料和烟草制造业,纺织业及纺织服装鞋帽制造业,皮革毛皮羽毛( 绒) 及其制品业,非金属矿物制品业,电力热力、燃气、水的生产和供应业。
( 3) 通过对行业进行分类进而对环境效率变动进行结构分解,深层次探寻环境效率影响因素,得出结论: 1995 ~ 2009 年分行业环境效率变动中排放强度贡献率最大,增加值系数和中间需求贡献较小甚至为负。
3. 2 政策建议
目前中国工业环境效率较低,整体环境质量不高,将改善环境措施具体落实到行业层面,从哪些途径做到提高环境质量,这是本文要重点研究的问题。针对不同行业实行差异的环境政策,缓解环境污染问题可以从以下几方面入手:
( 1) 大力支持第一类环境效率高且对整体效率贡献率大的行业的发展,有纺织业及纺织服装鞋帽制造业,电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业。这类行业本身环境效率较高,且效率变动对整体环境效率贡献大,支持其发展,提高清洁行业比重,有利于整体环境的改善。如: 国家最新提出的制定 “互联网+ ”行动计划,把移动互联网等技术运用于现代制造业中,引导制造业健康发展,促进新兴产业的发展。
( 2) 针对第二类效率高但贡献小的行业,有采矿和采选业,皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,造纸及印刷业,石油加工炼焦及核燃料加工业,橡胶制品业及塑料制品业,仪器仪表机械制造及废弃资源回收加工业,可通过增加产出和减少污染排放从而达到提高贡献率的目的。
( 3) 第三类效率低但贡献大的行业,有食品、饮料和烟草制造业,可通过提高其环境效率和加大进口两种途径减少污染。使其排放强度降低,从减少污染排放量和增加产出两方面考虑;提高增加值系数,从而降低环境效率; 优化行业中间需求结构,通过中间技术结构改进达到提高环境效率的目的。具体来说,政府应加强环保监控,强制企业减少污染排放量,企业应自律,不应忽视社会利益,公众可参与监督,三管齐下,达到减少污染排放目的; 企业可引进新技术,提高产品增加值; 优化中间需求结构,致力减少隐含污染。