资本替代劳动

资本替代劳动（精选4篇）

资本替代劳动 篇1

摘要：我国是钢铁生产和消费大国,粗钢产量连续13年居世界第一。2000～2007间我国粗钢产量年均增长21.1%。2008年,粗钢产量达到5亿吨,占全球产量的38%,国内粗钢表观消费量4.53亿吨,直接出口折合粗钢6000万吨,占世界钢铁贸易量的15%。但是钢铁工业是大而不强,同时,钢铁也是一个高耗能、高污染的产业,是节能减排潜力最大的行业之一。本文以能源、劳动、资本为投入要素建立了一个超越对数生产函数模型。估算了我国钢铁行业能源、资本、劳动力的产出弹性和替代弹性。结果表明:我国钢铁业能源与资本的替代弹性在1之间,我国钢铁行业可以促进资本对能源投入的有效替代,实现我国钢铁行业全要素能源效率的提高。

关键词：钢铁,产出弹性,替代弹性,超越对数生产函数

2007年,规模以上钢铁企业完成工业增加值9936亿元,占全国GDP的4%,实现利润2436亿元,占工业企业利润总额的9%,直接从事钢铁生产的就业人数358万,钢铁企业单位数为6999个。我国钢铁产量的迅速增长伴随着极高的能源消耗。2003～2006年,钢铁业能源消费量分别为2.44、2.97、3.69、4.24亿吨标煤,分别占据当年工业能源消费量的20%、20.7%、24.6%、25.8%;占据当年我国能源消费量的13.9%、14.6%、16.4%、17.3%。2010年我国国民经济要比2000年翻一番,2020年达到全面小康社会,国民经济比2010年再翻一番,2030年基本实现工业化,经济达到中等发达国家水平,我国目前还处于工业化的中期,国内市场对钢铁的需求还会在今后若干年呈现持续稳定的增长态势,如果把实现工业化定为钢材消费达到饱和的条件,我国钢材生产将在2030年左右达到峰值。目前,我国钢铁总产量相当于世界前十大产钢国的总产量之和!我国粗钢产量分别是美国和日本的5倍!钢铁冶炼产业则是标准的“高能耗、高污染”产业。研究我国钢铁业的能源效率问题则对我国节能降耗有重要意义。

在现有文献中,能源效率提高的因素识别与度量一直是众多学者关注的重点,主要集中在产业结构调整、技术进步两个方面。能源从低生产率的产业流向高生产率的产业,即产业结构的调整,又称结构效率;Kambara(1992)认为行业结构的调整对1980～1990年我国能源效率的提高起了一半以上的作用,高耗能行业向低耗能行业转变的产业结构调整促进了能源效率的提高[1]。Huang(1993)、Sinton和Levine(1994)、Lin和Polenske (1995)、Garbaccio(1999)等、Zhang(2003)分别研究了1980～1987、1980～1990、1981～1987、1987～1992、1990～1997时间段我国能源效率的变化情况,结论都表明子行业能源效率的提高(能源产出比例下降)是整体能源利用效率得到改善的重要因素[2,3,4,5,6]。Jenne(1983)Farla(1998)、分别对英国、荷兰能源效率与经济结构的关系做了相关研究[7,8]。韩智勇,魏一鸣和范英(2004) 提出在1998～2000年我国能源强度下降的主要动力来自于各产业能源利用效率的提高,其中工业能源强度下降是总体能源强度下降的主要原因[9]。另一类研究集中在通过技术进步提高能源利用效率,Richard F Garbaccio、Mun S HoDale,W、Jorgenson(1999)的研究显示,1987～1992年间,除电力消耗强度略有增加之外,其他四类能源产品消耗强度均明显下降,技术进步对消耗强度下降的作用均超65%。吴巧生和成金华(2006)、齐志新和陈文颖(2006)的研究则认为工业部门的技术改进是影响能源消耗强度的主导因素[10,11,12]。李廉水和周勇(2006)运用数据包络分析(DEA)发现,技术效率是工业部门能源效率提高的主要原因[13]。

关于能源替代如何影响能源的全要素效率文献较少。能源替代主要指通过改变能源与其他非能源的投入比例或者对能源消费内部结构的调整,以达到降低能源投入成本、提高能源利用效率。能源替代的内容主要包括能源的外部替代和内部替代。前者主要基于能源价格的变化(一般指价格上升),生产投入中的资本、劳动对能源的替代。后者一般指初级能源消费结构的优化;以电能为代表的二次能源替代以煤炭为主的初级能源,新兴能源、可再生能源对煤、石油等不可再生能源的替代, 实现能源全要素生产效率的提高。对某一特定的具体行业从能源、资本、劳动的替代、能源内部各种能源投入要素的替代考虑提高全要素能源效率的文献缺少。Pindyck.RS(1979)使用1959～1973数据对加拿大的能源、资本、劳动力的替代关系进行了实证,发现能源与资本是替代关系,能源与劳动是互补关系[14]。Ozatalay(1992)研究结果显示,美国能源和资本的交叉弹性系数是1.22,能源和劳动的交叉弹性系数是1.03,能源和材料的交叉弹性系数是0.58[15]。Robert Halvorsen(1997)考察了美国制造业不同能源品种的自价格弹性和交叉价格弹性[16];郑照宁(2004)对我国资本、能源、劳动投入的替代弹性作了实证分析,认为我国的资本、劳动和能源可有效的相互替代[17]。杨中东(2007)对我国制造业的能源替代关系应用超越对数生产函数进行了实证分析,发现能源与资本、能源与劳动之间都存在较强的替代关系[18]。鲁成军、邵光黎(2008)通过ALLEN替代弹性模型对我国制造业分部门的投入要素的自价格弹性和相互之间的替代弹性进行了测算,发现资本、能源和劳动之间的替代关系在整个制造业层面上差别很大[19]。本文基于前面的研究,在产业层面上对我国钢铁行业能源、资本和劳动力之间的替代弹性基于1978～2007年30年的数据进行实证分析,从能源、资本、劳动替代角度研究了我国钢铁行业提高全要素能源效率的可能性。

1 计量模型及数据说明

超越对数生产函数模型是一种易于估计和包容性很强的变弹性生产函数模型,它在结构上属于平方反映面模型,可有效研究生产函数中投入要素的交互影响、各种投入技术进步的差异。本文以滞后一期钢铁行业GDP及煤炭、石油、天然气和电力为投入要素,构建了一个我国钢铁行业超越对数生产函数模型,通过该模型分析了钢铁行业各品种能源的产出弹性、替代弹性。

本文产出用我国钢铁业生产总值(GDP)表示,投入为资本存量(K),能源(E)和劳动力(L),建立的超越对数生产函数如下:

InYt=ε+αKInKt+αLInLt+αEInEt+αKLInKtInLt+αKEInKtInEt+αLEInLtInEt+αKK(InKt)2+αLL(InLt)2+αEE(InEt)2 (1)

公式中:Yt——t年钢铁产业工业增加值;Kt,Lt,Et——t年钢铁行业资本存量,劳动力投入量和能源消耗量,α——需要估计的系数,ε为常数。

资本投入的产出弹性为:

$\text{η}{}_{\text{Κ}}=\frac{\text{d}\text{Y}/\text{Y}}{\text{d}\text{Κ}/\text{Κ}}=\frac{\text{d}\text{Ι}\text{n}\text{Y}{}_{\text{t}}}{\text{d}\text{Ι}\text{n}\text{Κ}{}_{\text{t}}}=\text{α}{}_{\text{Κ}}+\text{α}{}_{\text{Κ}\text{L}}\text{Ι}\text{n}\text{L}{}_{\text{t}}+\text{α}{}_{\text{Κ}\text{E}}\text{Ι}\text{n}\text{E}{}_{\text{t}}+2\text{α}{}_{\text{Κ}\text{Κ}}\text{Ι}\text{n}\text{Κ}{}_{\text{t}}(2)$

劳动投入的产出弹性为:

$\text{η}{}_{\text{L}}=\frac{\text{d}\text{Y}/\text{Y}}{\text{d}\text{L}/\text{L}}=\frac{\text{d}\text{Ι}\text{n}\text{Y}{}_{\text{t}}}{\text{d}\text{Ι}\text{n}\text{L}{}_{\text{t}}}=\text{α}{}_{\text{L}}+\text{α}{}_{\text{Κ}\text{L}}\text{Ι}\text{n}\text{Κ}{}_{\text{t}}+\text{α}{}_{\text{L}\text{E}}\text{Ι}\text{n}\text{E}{}_{\text{t}}+2\text{α}{}_{\text{L}\text{L}}\text{Ι}\text{n}\text{L}{}_{\text{t}}(3)$

能源投入的产出弹性为:

$\text{η}{}_{\text{E}}=\frac{\text{d}\text{Y}/\text{Y}}{\text{d}\text{E}/\text{E}}=\frac{\text{d}\text{Ι}\text{n}\text{Y}{}_{\text{t}}}{\text{d}\text{Ι}\text{n}\text{E}{}_{\text{t}}}=\text{α}{}_{\text{E}}+\text{α}{}_{\text{Κ}\text{E}}\text{Ι}\text{n}\text{Κ}{}_{\text{t}}+\text{α}{}_{\text{L}\text{E}}\text{Ι}\text{n}\text{L}{}_{\text{t}}+2\text{α}{}_{\text{E}\text{E}}\text{Ι}\text{n}\text{E}{}_{\text{t}}(4)$

替代弹性可以定义为:在技术水平和投入要素的价格不变的情况下,边际技术替代率的相对变动所引起的生产要素投入的比例的相对变动,即投入要素比例的变动的百分比与边际技术替代率的变动百分比的比值。要素之间可替代程度的高低可用要素替代弹性(the elasticity of substitution)来描述,其具体含义是:一种生产要素价格变化以后,它与另一种生产要素相互替代率的变化。要素替代弹性在0与无穷大之间变化,当0时,说明两种要素之间完全不能互相替代,如固定投入比例生产函数(里昂惕夫生产函数),当替代弹性无穷大时,说明两种要素之间可以完全替代。钢铁行业能源、资本、劳动3种投入的替代弹性计算如下:

资本和劳动的替代弹性为:

$\text{σ}{}_{\text{Κ}\text{L}}=\frac{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}{\frac{\text{Κ}}{\text{L}}}\left[\frac{\text{d}\left[\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}\right]}{\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}}\right]{}^{-1}=\frac{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}{\text{d}\left[\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}\right]}\frac{\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}}{\frac{\text{Κ}}{\text{L}}}(5)$

由于

$\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}=\frac{\frac{\partial \text{Y}}{\partial \text{L}}}{\frac{\partial \text{Y}}{\partial \text{Κ}}}=\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\frac{\text{Κ}}{\text{L}}(6)$

结合式(5)、式(6)可得,

$\begin{array}{l}\text{σ}{}_{\text{Κ}\text{L}}=\frac{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}{\text{d}\left[\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}\right]}\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}=\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\left[\frac{\text{d}\left[\frac{\text{Μ}\text{Ρ}{}_{\text{L}}}{\text{Μ}\text{Ρ}{}_{\text{Κ}}}\right]}{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}\right]{}^{-1}\\ =\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\left[\frac{\text{d}\left[\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\frac{\text{Κ}}{\text{L}}\right]}{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}\right]{}^{-1}(7)\end{array}$

因为

$\frac{\text{d}\left[\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\frac{\text{Κ}}{\text{L}}\right]}{\text{D}\left[\frac{\text{Κ}}{\text{L}}\right]}=\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}+\frac{\text{Κ}}{\text{L}}\frac{\text{d}\left[\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\right]}{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}(8)$

$\text{d}\left[\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\right]=-\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\text{d}\text{η}{}_{\text{Κ}}+\frac{1}{\text{η}{}_{\text{Κ}}}\text{d}\text{η}{}_{\text{L}}(9)$

$\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]=-\frac{\text{Κ}}{\text{L}{}^2}\text{d}\text{L}+\frac{1}{\text{L}}$dK (10)

将式(9),式(10)代入式(8)得:

$\frac{\text{d}\left[\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\right]}{\text{d}\left[\frac{\text{Κ}}{\text{L}}\right]}=\frac{-\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\text{d}\text{η}{}_{\text{Κ}}+\frac{1}{\text{η}{}_{\text{Κ}}}\text{d}\text{η}{}_{\text{L}}}{-\frac{\text{Κ}}{\text{L}{}^2}\text{d}\text{L}+\frac{1}{\text{L}}\text{d}\text{L}}=\frac{-\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{Κ}}}\frac{\text{d}\text{η}{}_{\text{L}}}{\text{d}\text{L}}+\frac{1}{\text{η}{}_{\text{Κ}}}\frac{\text{d}\text{η}{}_{\text{L}}}{\text{d}\text{L}}}{-\frac{\text{Κ}}{\text{L}{}^2}+\frac{1}{\text{L}}\frac{\text{d}\text{Κ}}{\text{d}\text{L}}}(11)$

将(11)代入(7)得资本与劳动的替代弹性:

$\text{σ}{}_{\text{Κ}\text{L}}=\left[1+\left[-\text{a}{}_{\text{Κ}\text{L}}+\frac{\text{η}{}_{\text{Κ}}}{\text{η}{}_{\text{L}}}\text{a}{}_{\text{L}\text{L}}\right](-\text{η}{}_{\text{Κ}}+\text{η}{}_{\text{L}}){}^{-1}\right]{}^{-1}(12)$

同理可得资本与能源的替代弹性为:

$\text{σ}{}_{\text{Κ}\text{E}}=\left[1+\left[-\text{a}{}_{\text{Κ}\text{E}}+\frac{\text{η}{}_{\text{Κ}}}{\text{η}{}_{\text{E}}}\text{a}{}_{\text{E}\text{E}}\right](-\text{η}{}_{\text{Κ}}+\text{η}{}_{\text{E}}){}^{-1}\right]{}^{-1}(13)$

劳动与能源的替代弹性为:

$\text{σ}{}_{\text{L}\text{E}}=\left[1+\left[-\text{a}{}_{\text{L}\text{E}}+\frac{\text{η}{}_{\text{L}}}{\text{η}{}_{\text{E}}}\text{a}{}_{\text{E}\text{E}}\right](-\text{η}{}_{\text{L}}+\text{η}{}_{\text{E}}){}^{-1}\right]{}^{-1}(14)$

2 模型估计及分析

我国钢铁业生产总值(GDP),能源(E)和劳动力(L)数据来源于《中国统计年鉴》,《中国钢铁统计》、《中国钢铁工业年鉴》,我国钢铁业生产总值按照我国冶金部门出厂价格折算为1978年的不变价。钢铁行业资本存量(K)无相关数据,也无固定资产投资折算系数,本文按照如下方法得到按不变价格计算得到的钢铁业资本存量数据。根据《中国国内生产总值核算历史资料(1952～2004)》提供的以不变价格衡量的固定资本形成总额指数,可以计算出钢铁行业固定资产投资隐含平减指数。

以1980年的固定资本形成指数为例:

1980年的固定资本形成总额指数

$\begin{array}{l}(1952=1)\\ =\frac{1980\text{年}\text{的}\text{固}\text{定}\text{资}\text{本}\text{形}\text{成}\text{总}\text{额}(\text{当}\text{年}\text{价}\text{格})/1980\text{年}\text{的}\text{投}\text{资}\text{隐}\text{含}\text{平}\text{减}\text{指}\text{数}(1952\text{年}=1)}{1952\text{年}\text{的}\text{固}\text{定}\text{资}\text{本}\text{形}\text{成}\text{总}\text{额}(\text{当}\text{年}\text{价}\text{格})}(15)\end{array}$

1980年的固定资本形成总额指数(上一年=1)

根据《我国钢铁统计》、《我国钢铁工业年鉴》、《我国钢铁工业五十年数字汇编》提供的钢铁行业当年的固定资产投资数据,再利用《我国国内生产总值核算历史资料1952～2004中英文本》以1952年为1和以上一年为1的固定资本形成总额指数这二列数据,我们就可以计算出我国钢铁行业各年的以1952年为1和以上一年为1的投资隐含平减指数(the implicit investment deflator),然后再折算成以1978年为不变价格的钢铁业固定资产投资平减系数(图1)。

根据钢铁业固定资产投资平减系数和钢铁业以当年价计算的固定资产投资,可计算出钢铁业以1978为不变价格的当年投资额。资本存量以1978年为基准年,按永续盘存法以1978年为不变价格计算钢铁业各年的资本存量,计算公式如下:

Kt=Kt-1(1-δt)+It (17)

其中t指第t年,式中一共涉及4个变量,a当年资本存量;b前一年的资本存量;c经济折旧率;d当年的投资。其中的a当年资本存量;b前一年的资本存量;d当年的投资3个变量已经计算出;现在需要确定的是经济折旧率这个变量。本文采用张军在计算省际资本存量所计算得出的折旧率,在相对效率呈几何递减的折旧模式下,我国钢铁行业固定资本形成总额的经济折旧率δ是9.6%[20]。

由于变量间的多重共线性比较显著(相关系数均在0.91以上),由普通最小二乘法(OLS)估计的结果容易失真。本文用岭回归进行估计,根据本文所用的超越对数生产函数各变量的岭迹图(图2)和方差膨胀因子(VIF)确定岭参数值k(k=0.20),应用DPS软件包进行数据处理,估计结果见表1。

注:VIF值由SPSSADDINS2.0插件计算。 k=0.2调整R2=0.942144,F=24.0355,p<0.0000000,标准误差估计:0.1996699005

岭回归所得结果的统计检验比较显著(劳动力的系数检验结果不理想),而岭回归结果好坏更主要的是看是否有效克服了共线性问题和估计参数是否合理。从表1可以看出,所有回归系数都为正值,符合经济现实;交叉影响项和平方影响项都为正说明能源、劳动、资本要素对经济产出的总体规模报酬递增,可以认为模型参数估计结果是合理的。

根据模型估计结果,计算每年各种投入的产出弹性和替代弹性如图3和图4所示。

从产出弹性看,资本的产出弹性最低,但产出弹性随时间变动出现持续性上升,从1978年的0.25增长到2007年的0.39,这说明我国经济系统中性技术进步的作用日益增加。产出对资本、劳动的弹性较高,1978～2007年间,劳动、能源投入的产出弹性都是逐年增长的,但增长速度很平缓,这反映了钢铁行业经济的规模递增效应逐渐减弱。

从计算结果看,我国钢铁行业替代弹性逐年变化不大,较为确定。资本与劳动和资本与能源的替代弹性都维持在1上下波动,这表明资本投入可有效的与劳动和能源相互替代。但劳动与能源的替代弹性只有0.7左右,在1997～2004年间劳动对能源的替代弹性出现一个小幅的V型波动,最低的劳动对能源的替代弹性曾出现过0.56,这表明在我国钢铁行业中劳动替代能源的作用不大。

3 结 论

本文建立了一个以资本、能源和劳动为投入的我国钢铁行业超越对数生产函数模型,初步分析了各种投入的产出弹性、替代弹性。分析结果表明:1978～2007年间,我国钢铁行业能源和资本存在高替代弹性,在给定钢铁行业产出水平情况下,如果能源与资本之间存在替代关系,那么通过提高企业使用能源的成本,加强企业的用能约束,企业就会加大节能技术的投资,提高能源利用率,加快资本对能源的替代,使得制造业对能源的需求相对减少。这对于降低我国钢铁行业的能耗水平,提高钢铁行业的全要素生产效率,减少温室气体排放量意义重大。在我国钢铁行业,要实现能源全要素生产率的提高,除了中性技术进步、产权机制、价格管制、产出的产品结构调整外,还可以通过资本对能源的替代来实现,这对我国钢铁行业能源相关政策的制定有重要意义。

资本替代劳动 篇2

1 文献综述

自20世纪80年代信息技术在企业广泛应用以来, IT资本积累对企业绩效的影响一直是学术关注的热点问题之一, 2000年后美国经济的成功更促进了对这一主题的研究。企业应用IT最明显的变化就是节约成本, 提升质量以及促进创新, 提高企业的竞争能力。企业生产率的增长与IT资本积累密切相关, 而推动IT资本快速积累的一个重要原因就是这些年IT价格的不断下降[1,2,3]。基于降低成本的需要, 企业倾向于用IT取代其他的生产要素。自80年代以来, 计算机资产的价格平均每年下降20%, 促进了对其他要素的替代。因此, 要对IT的积累与绩效之间的关系做出解释, 需先了解IT资本与其他资本间的替代能力以及这种替代与积累对绩效的影响。随着IT的重要性日益提升, 越来越多的文献将IT资本作为单独生产因子融入生产函数, 以了解它的边际产出以及对其他生产因子的纯替代能力[4]。Oliner等[5]和Jorgenson[6]认为对IT资本的需求受到IT与其他生产要素替代关系的影响, IT价格下降促进了这种替代效应, 并且这种关系还将持续下去, 这也是IT制造业生产率增长的一个指示器。企业利用IT资本的能力很大程度上是由IT对其他生产要素的替代能力所决定, 这也是美国经济增长的重要来源[7]。近年来, 随着国内企业IT资本的持续积累, 不少中国学者也开始关注IT对绩效的贡献问题。孟倩[8]对比分析了90年代中美两国IT资本的积累状况及效果, 发现IT资本对中国企业的影响比对美国企业的影响显著, 说明IT与绩效的关系与国别有关。张之光等[9]利用国家层面的数据验证了生产率悖论在中国的存在。可见国内对于IT与绩效的关系未有统一认识, 很多方面还有待验证。

本文采取文献评述的研究方法, 对国内外近20年有关IT资本替代、积累及企业绩效的经典文献作一一梳理, 意在厘清不同年代IT资本替代、积累与企业绩效的影响机理, 以便更好地指导IT资本的应用实践。

2 IT资本的替代性

2.1 替代性的估算方法

IT资本对其他资本的替代程度用替代弹性σ表示, 这也是最常用的替代指标[10]。

σ是不同生产要素投入比率相对于价格比率的弹性, 反映了要素间的替代程度, 若令信息技术为i, 其他资本要素为j, 信息技术与其他要素的替代弹性可表示为 (p是要素价格) 。σ有两种测量方法:AES和MES法。在AES法下, 信息技术i与其他资本j之间的替代弹性为。若σijA>0, 信息技术与其他资本之间是替代关系 (反之则互补) 。该方法是通过测量信息技术的需求量变动相对于另一种生产要素 (劳动或资本) 价格变化的弹性来提供要素之间的相互替代信息。替代弹性的另一种测量方法是MES, 它将要素替代弹性表述为:σijM=εij-εjj。该公式测量了当其他资本的价格变动1%时信息技术相对的百分比变动, 相比之下AES仅测量要素需求的百分比变动[11]。由于AES测量绝对的要素变化, MES测量相对的要素变化, 有可能会出现两种方法对于相同要素得出不同结果。i、j之间若是AES互补, 这意味着其他资本的价格上升会导致对IT的需求下降, 然而是否会导致IT相对于其他资本的需求强度下降, 还要看其他资本自身的价格弹性。如果企业对其他资本需求与价格的灵敏度很高, IT的相对比率会上升。因此, AES互补并不一定意味着当其他资本的价格上升时, 信息技术的相对比率会下降。可见, MES的应用性更强。信息技术资本的替代性与这两种方法的选择有关系, 这也会进一步影响到IT积累。

2.2 IT资本的替代性检验

要检验IT资本的替代能力, 确定了测量方法后还需要选择反映生产要素投入与产出之间定量关系的生产函数形式。常见的生产函数有以下几种:道格拉斯生产函数、CES函数、超越多数生产函数、CES-超越对数生产函数。在以上函数中, 最常用的是道格拉斯生产函数, 但该函数有个假设前提即所有投入生产要素的产出弹性相同, 主要适用于分析生产要素的生产效率及产出影响, 并不适用于两两要素之间的替代分析。若要分析IT的替代能力, 常用的生产函数是CES、超越对数生产函数。Dewan和Chung[4]构建了一个灵活的生产函数框架, 分别使用CES拖尾、拖尾函数以及AES弹性估计了IT资本、其他资本之间的替代弹性与产出弹性, 结果发现IT资本与传统资本劳动之间是纯替代关系, 并进一步指出劳动生产率的增长是由于IT的替代所致, 相对于劳动, IT能获取更大的收益。行业特征不同, 表现出的替代性有区别, 在耐用品行业, 能源以及其他资本与高新技术表现出某种替代性, 而在非耐用品行业, 日益增加的高新技术密度成为一个制约劳动需求的潜在因子[12]。Chen等[13]利用CES生产函数、MES弹性实证检验了IT资本与其他资本间的替代性, 显示传统资本、劳动、以及IT资本在企业层面两两替代。Hyunbae等[7]对AES、MES两种方法进行了对比, 弹性结果显示IT资本对其他生产要素 (如劳动、非IT设备、建筑物以及其他中间投入要素) 具有明显的替代效应。其中, 制造部门IT资本的替代程度高于服务部门, 且信息技术密集度越弱, 替代性越强, 而且IT资本的替代对于解释美国工业生产技术的转变非常重要。Lin等[14]利用CES生产函数证实了各生产要素之间并不具备两两替代, IT尽管很重要, 但要用IT存量去彻底地替代劳动是不可能的, 而且规模收益的降低与IT投资水平也无关。立足于国内企业IT资本的积累状况, 张之光等[9]建立了不变替代弹性生产函数的局部调整模型分析了国内企业的IT资本替代能力, 发现IT资本不可能完全替代人力资本, 其与物质资本、人力资本这3种生产要素相互之间成对互补, 从而否定了Dewan和Chung关于IT资本与其他两种生产要素之间成对替代的结论。从以上研究结论看出, IT资本的替代能力还未一致通过, 这部分地受到选取数据及研究方法的影响;可以形成共识的是信息化程度与IT替代正相关, 国外企业IT资本的替代能力普遍高于国内, 制造业的IT替代高于服务业, 但IT要完全替代其他资本也是不可能的, IT资本与其他资本之间替代与互补关系是并存的, 它们的相对强弱很大程度上取决于相对的价格变化。

3 IT资本替代对IT资本积累的影响

受IT价格不断下降的影响, IT资本对其他生产要素的替代成为IT资本积累的一个重要来源。Hyunbae和Sung[7]构建了一个IT资本积累模型探讨两者之间的关系, 基本的积累公式为: (其中i是IT资本, j是其他资本, 以下同) 。Eik是IT有关其他资本价格变化的弹性, εiy是关于产出的弹性, εit是时间变动的弹性。该公式意味着信息技术相对于其他要素的需求取决于要素价格变化、产出扩张以及有偏技术进步时的相对响应能力。考虑到该函数为零度齐次, 积累公式进一步分解为:是直接替代效应, 是间接替代效应。总的替代效应是直接与间接替代效应之和。是产出扩张效应, (εit-εjt) 是要素有偏技术进步[7]。这样一来, 公式右边的前3部分反映了IT资本替代对IT资本积累的影响。其中, 替代效应由两部分组成, 直接效应和间接效应。直接效应反映由于自身价格变化, 信息技术相对于另一资本的替代, 而间接的替代效应反映由于其他资本价格变化所带来的两资本间的替代关系。此公式给出了IT资本对其他资本的直接替代、间接替代以及总替代对IT积累的贡献程度。根据此公式, 当各资本价格随时间变化时, 企业就可灵活根据信息技术对其他要素的替代性调整生产投入的比例。利用以上理论模型, Hyunbae等[7]分别用AES和MES方法测定了各生产要素的替代弹性, 且实证检验了IT替代对IT资本积累的贡献程度, 发现在1985—1999年间IT资本的替代效应解释了美国经济IT资本积累总量的60%, 证实了IT替代是积累最重要的来源。相比之下, 国内还未出现探讨此问题的文献。

4 IT资本替代、积累对企业绩效的影响

IT资本替代、积累与绩效之间的关系密切, 其对绩效的影响体现在生产过程及管理过程两方面。这两个过程联系密切, 但受IT资本影响的方式有区别。生产过程中的IT资本直接创造产出绩效, 管理过程的IT是间接创造绩效, 直接绩效通过提高生产效率与生产率体现, 间接绩效最终通过盈利能力变动体现。如果生产过程中IT是富有生产能力的, 企业会合理安排IT资本对其他生产要素的替代比例以及IT的积累量, 以最低的成本获得最大的产出, 生产率、生产效率都得到提升。此外, 在日常管理活动中企业也会通过合理安排各生产要素的投入比例, 提高市场占有率、研发能力、成本节约能力, 间接地提升盈利。从这个意义上说, IT对绩效的影响由几个相互联系又有一定区别的问题组成:IT资本是否促进了生产效率?是否提高了生产率?是否增强了企业的盈利能力?这三个问题本质上是不同的, 其中, 生产率与产出的数量与投入的数量相联系, 通常用总产出/总投入来表示。而生产效率被定义为一个生产单元若不降低其他产出或投入更多就不能制造更多产出的状态[15]。盈利能力通常用一系列的盈利指标来反映:ROE、ROA、ROS、托宾Q等。但这三个方面密切联系, 生产效率是生产率增长的重要因子, 后者又是提高盈利的根本动力。围绕IT对生产效率、生产率增长与营利的影响, 基于不同的分析视角, 产生了大量的定性及定量研究文献。

4.1 生产效率

生产率增长由三部分组成:技术进步、生产效率变动与规模变动。生产效率变动对生产率增长有直接影响, 这是一个非常重要值得关注的问题[15]。特别的, 企业若将IT作为一个重要的生产因子, IT的替代将使得以前影响生产效率的一些因素会得到不同程度的缓解或消除。实务中测量IT资本对生产效率影响的有效方法是建立生产前沿函数。生产前沿代表着投入与产出之间的关系, 表示在各种生产要素联合投入情况下的最大产出。生产前沿函数理论上能将可获得的最大产出与各要素投入相联系, 并在投入要素已知的情况下, 通过将实际观察到的产出与理论上可能获得的最大产出相对比, 测量企业的生产效率。生产前沿函数分为两类:非参数及参数。常用的非参数法是DEA法[16]。这种方法无需构建生产函数, 也便于不同生产单元的效率对比。而参数前沿法 (如道格拉斯生产函数) 应用一定的计量手段来估计生产因子的生产效率。Jaforullah[17]利用拖尾前沿生产函数估计了技术效率, 并将技术效率定义为TEi=exp[-E (ui|vi-ui) ]。这里的E (ui|vi-ui) 是在给定vi-ui的条件下的均值, TEi是第i地区的技术效率, 并进一步分析德克萨斯州手工纺织业的技术效率, 遗憾的是并没有提及IT资本。后来许多学者利用各种灵活的函数形式对IT与生产效率的关系进行了验证 (见表1) 。

以上结论并没有明显支持IT积累促进生产效率。与发展中国家相比, 发达国家企业IT生产效率更高, 且不同行业IT生产效率有差异, 服务业生产效率高于制造业。在企业内部, 不同部门间的效率也有差异, IT管理效率明显高于IT生产效率。这说明IT的主要作用体现在管理活动, 各种知识软件能够过滤掉大量的数据获得管理所需的信息, 供应链管理、电子数据内部交易、顾客关系管理都为企业、客户、供应商之间的低成本交流提供了极大便利。例如ERP系统能够用来改善资源的计划与配置, 先进的数据挖掘技术能够显示预期的顾客偏好, 便于对顾客更精确地分类并作出相关市场决策。在降低成本方面, IT的替代效应发挥了一定的作用。尽管IT的控制检测成本导致企业的间接成本提高, 但仍降低了企业的平均经营成本与平均总成本, 这说明IT自身增加的成本小于因对其他要素替代所带来的成本节约, 基于成本降低的需要, 企业应重视IT资本积累。

4.2 生产率

近几十年美国经济发展最明显的两个特征一是生产率增长, 二是IT投资。大量文献采用不同的理论与计量方法验证两者之间的关系。传统观点支持IT资本促进企业竞争优势与绩效, 增加企业价值。但这种看法在相当长一段时间并没有得到实证支持, 很多人质疑IT积累对生产率的贡献, 认为IT积累并没有获得预期收益。其中, 生产理论主张利用生产函数估计IT对产出的贡献, 其中最常用的是道格拉斯生产函数及扩展形式。利用此类函数得到的研究结论开始未支持IT对生产率的促进作用, 一度掀起“生产率悖论”。Stiroh等[19]及Dewan等[4]的相关研究都支持了生产率悖论的存在。但并非所有结论都验证生产悖论。Thatcher等[20]设计了一个单一产品的垄断模型谨慎地讨论了IT资本与生产率之间的关系, 该模型仅有一种产品被设计和生产, 质量和价格由企业决定, 结果发现IT资本对生产率的作用并不一致, 降低企业固定费用的技术投资不会影响产品质量和定价但会提高生产率。那些能够降低产品设计、开发、制造变动成本的IT资本则鼓励企业改进产品质量以索取更高的价格增加利润, 但会降低生产率。企业生产率的变动方向取决于企业的固定成本与市场规模之间的关系。后来随着数据和研究方法的不断更新, 越来越多的分析证明了IT资本积累促进生产率增长, 相关的研究见表2所示。

以上研究显示生产率悖论仅在90年代初期有所体现, 90年代中期至现在的文献, 尽管选取数据与采用的方法有所差别, 多数学者还是认可了IT对生产率的促进作用, 仅个别学者例外。其中, Stiroh等[19]发现尽管90年代与2000年后IT与生产率增长都存在一定的正相关关系, 但2000年后这种关系明显减弱, 这在一定程度上反映出美国生产率的增长尤其是2000年后可能并不是主要由IT所致, 该结论的可信度还有待进一步验证。此外, 张之光等[9]以及Lee[22]都检验了中国企业IT投资与生产率之间的关系, 得到的结论相反。考虑到Lee分析的是2000年后中国电子产业IT积累与生产率之间的关系, 相对于其他产业, 电子产业的IT积累程度与利用率都较高, IT的利用效率也高于其他产业;而张之光等研究的是国内所有企业的IT投资与生产率之间的关系, 且不同行业IT积累与利用程度差别很大, 尤其是一些传统的制造行业, 与新兴的信息、电子等行业相比, IT积累与利用都较弱, 致使IT对国内企业的整体影响未达显著水平。因此, Lee与张之光等的研究结论并不矛盾。

4.3 盈利能力

除了影响生产绩效, IT资本还影响到企业的盈利能力。有关两者之间的关系文献很多, 既有探讨IT资本与盈利的直接相关性, 也有IT如何影响中间变量进一步驱动盈利增长[25], 个别文献也得出IT资本与盈利无影响关系的结论, 如Hobijn[26]尽管认可IT资本的发展是人类社会至关重要的进步, 又转而指出这些新发明并未形成新的产权关系, 也没有产生相应的资本化收益, 对盈利不起作用。也有人认为在自由竞争的市场环境下, 企业无法获得大量超额盈利, 因为这样会招致其他企业进入, 驱动价格下降。先接触到信息技术的企业, 最初有机会获取较高盈利, 但随着更多企业的介入, 先进入企业不可能持续获得超额盈利[27]。这些定性分析观点有一定可取之处, 但还需经得起实证检验。IT资本积累与盈利之间的实证文献与结论见表3所示。总的来讲, 大部分研究倾向于支持IT积累与盈利正相关。

表3反映90年代初IT资本与盈利的正相关性很小, 到了中后期IT资本的作用开始增强[35], 尤其是2000年以后, 尽管受到数据选取、研究与变量设定的影响, 国内外多数学者仍得到了两者之间正相关的结论。说明随着IT资本积累的增加, 对盈利的贡献日益增强, IT资本具有一定的战略地位, 不仅影响企业当期的各项收益率, 也影响未来收益的实现。除了对内在盈利有影响, IT资本也对反映企业市场价值增长的托宾Q带来阶段性影响。在20世纪70至80年代, IT资本曾引起Q的下降, 90年代之后又开始回升, 2000年后与Q的变化又呈现明显正相关。而且IT资本与盈利的关系与指标的选取及国别有关。李治堂等发现国内企业的IT资本与收入、利润正相关, 但与ROE等不相关;但Rai等却发现美国企业的IT资本与ROE、ROA正相关。此外, IT对盈利的影响还受到企业的环境、组织行为、业务部门运作效率等因素的影响, 除了通过提高生产率促进盈利外, 通过改善IT的运作环境、组织制度安排以及合理地设置战略业务单元等也能够促进盈利增加。

5 研究结论与建议

本文通过梳理IT替代、积累与绩效之间关系的相关文献, 研究发现IT资本替代是IT积累的重要来源, 而IT资本对提升企业绩效具有重要作用, IT通过影响企业的生产效率、生产率以及盈利对绩效产生影响。大量实证支持了IT对生产率与盈利的促进作用, 但对生产效率的正影响还未获认可。此外, IT对不同国家的绩效带来的影响程度不同, 自90年代中期IT已促进美国生产率的增长, 但直到2009年IT对中国企业劳动生产率仍未有明显促进作用。

从管理的角度讲, 企业通过有效的IT管理实现生产率与盈利增长是可能的, 但并不能提高生产效率, 利用IT资本改善绩效可从以下几个方面考虑:首先, 若以成本为战略优势且成本领先不能够被其他企业复制, 企业应加大IT资本的积累, 而且这种积累更多地体现在IT资本对替他资本的替代。若企业的战略优势体现在其他方面, 仅凭IT资本积累, 企业不可能创造持续竞争优势。其次, 由于目前国内企业还存在一定程度的生产悖论, 尤其是传统行业, 寻求高盈利的管理者应该尽量绕开生产率转而关注IT资本积累如何与企业的其他战略相融合如产品定位、质量与服务等, 由于IT资本能潜在地降低这些战略的成本, 此时利用IT的优势就体现为如何使用IT从根本上改变产品或服务被制造或流通的方式以至于不被竞争对手模仿, 通过将IT与现有生产要素相融合, 这是可能实现的。这样一来, 改进盈利的关键可能较少地在于获得生产率, 或改进生产效率, 而在于如何利用IT与现有要素更好地融合以获取更多的机会。其次, 与美国相比, 我国IT资本对绩效的影响尤其是对生产率的促进作用还未体现出来, 这与国内IT积累与应用力度不足有很大关系, 要使IT发挥更大的作用, 还需加大IT投入。

资本替代劳动 篇3

生产要素是指在生产过程中所使用的资源, 而这些资源又随着经济发展水平的不同而不同。在农业时代, 劳动、土地是最主要的生产要素。随着工业革命的兴起, 机器设备开始取代原来的劳动力资源成为价值创造的重要资源。而到了信息知识经济时代, 信息、技术和知识成为经济增长的源泉和动力, 在这三种生产要素中, 技术资本的作用尤其突出, 技术已经成为企业生产中的一种重要生产要素。技术逐渐开始替代机器设备和劳动力资源, 在经济增长中发挥着越来越重要的作用。

理论研究早已表明, 新兴资本在企业中的价值创造能力远远超过了传统意义上的人、财、物等资本。技术节省和替代人力的程度远大于机器设备节约和替代人力的程度, 并且企业的技术水平高低与员工数量多少呈负相关关系 (罗福凯, 2009) 。我们认为, 要素资本替代是资本结构动态优化配置组合中的一种表现形式;要素资本存量相对比例的研究则是要素资本结构的一种静态表现。在本文中, 对资本结构的静态研究和动态研究我们都涉及到, 但我们研究的重点还是集中在要素资本替代这一问题上。我国高端装备制造业企业作为技术密集型的典型代表, 以此作为研究的样本更具有现实意义。

二、理论述评

关于技术和其他资本之间替代关系的文献较少, 并且大都集中在规范论证方面, 而实证方面的分析则很少。例如唐才敏, 王克勤 (2005) 基于比较优势理论, 运用理论推导的形式阐述了劳动和技术之间存在着客观的替代关系, 提出走传统产业+高新技术之路的政策建议。邓甘梅霞、刘渝琳 (2006) , JORGENSON (2001) , 雷小清 (2009) , 祝华军、田志宏、魏勤芳 (2003) 等人对于技术资本和其他资本之间的替代也主要集中在理论研究方面。关于实证研究技术资本替代问题比较有代表性的学者Hyunbae Chun和Sun-Bae Mun (2006) 运用美国1984-1999年41个美国工业企业行业的数据, 测算了信息技术资本对于其他资本的替代程度和信息技术资本替代对于资本深化的作用。

大部分关于要素资本替代的文献集中研究资本和土地之间的关系。Muth (1964) 利用资本与土地替代模型得出资本与土地之间的替代弹性为0.75, 随后林祖嘉 (2000) 、Erol和Guze (2006) 、Sirmans和Redman (1979) 、McDonald (1981) 等对这一问题展开了研究。国外学者对资本和土地替代问题的研究文献比较丰富, 我们可以根据研究方法将这些文献大致分为四类: (1) 运用C-D生产函数进行研究的代表性学者如Clapp (1979) 等。 (2) 运用CES生产函数进行研究的学者主要有Muth (1971) 、Koenker (1972) 、Clapp (1980) 、Berndt和Christensen (1973) 、Arnott (1978) 等。 (3) 运用VES生产函数进行研究的学者主要包括Sirman, Kau, andLee (1973) 、Arnot (1978) 等。 (4) 运用WDI生产函数进行研究的学者主要有Fare和Yoon (1985) 等。国内学者对此问题的实证研究也没有突破上述的研究方法。

已有的实证研究主要是通过生产函数推导替代弹性的方式对生产要素资本之间的替代进行研究和测算, 其运用的生产函数主要包括C-D生产函数、CES生产函数、VES生产函数、WDI生产函数等。纵观这些研究, 我们可以发现学者们对于要素资本替代的研究大都基于经济学上的生产函数并且将技术作为一个外生变量来研究替代弹性, 而且他们多运用宏观经济数据进行分析, 数据来源多样, 统计口径也存在很大的差异, 对于技术资本对劳动力替代的研究也比较少。

本文的研究有别于以往关于要素替代的文章, 区别主要表现在: (1) 运用要素资本理论拓展了资本的内涵和外延。企业是一系列要素的集合体, 这些要素主要包括人力资本、货币资本、物质设备资本、技术资本、信息资本和知识资本。 (2) 我们将从绝对量和相对量两方面来研究主要的资本:技术资本和人力资本以及机器设备和人力之间的替代, 并且前已述及, 技术是有别于人力、货币、物力、信息和知识的一种独立的生产要素。 (3) 我们将从财务和会计两个角度来研究技术资本对人力资本的替代——基于公司财务的要素资本理论, 并运用上市公司年报中公布的数据对此问题进行研究。

三、研究设计

(一) 样本选择及数据来源

本文以主板、中小板和创业板上市公司高端装备制造业为研究对象, 包括航空产业、卫星及应用产业、轨道交通装备业、海洋工程装备和智能制造装备等五个细分领域。本文所使用的数据来自巨潮资讯网站公布的上市公司年度财务报告。之所以选择2007-2011这个期间的数据主要是考虑我国2007年颁布了新的会计准则, 对原有的会计准则进行了多项修订, 2007-2011年之间的报表数据更具有可比性。样本中剔除了所有的ST公司以及数据指标披露不充分的公司, 最终样本分布情况是, 2007至2011年的样本企业数量分别是:176、151、168、254、270个。

(二) 变量定义

1.人力资本 (L) , 变量数据主要来源于上市公司财务报告中披露的应付职工薪酬科目和高管薪酬等项目的加总, 并经过价格指数的调整。

2.机器设备资本 (C) , 变量数据来源于上市公司财务报告中的固定资产等科目并经过价格指数的调整, 在此需要特别注意的是机器设备资本不同于物质设备资本, 要素资本理论中的物质设备资本不仅仅包括机器设备还包括存货等项目。

3.技术资本 (K) , 根据定义主要取自上市公司财务报告中报表附注中无形资产项目下的软件、专利、专有技术等明细项目, 但不包括土地使用权。

(三) 公式定义

我们将技术资本对人力资本的替代系数定义A=△L/△K, 即当技术资本变化一个单位时所带来的人力资本的变化量;同样将机器设备资本对人力资本的替代系数定义为B=△L/△C, 即当机器设备资本变化一个单位时所带来的人力资本的变化量。

四、实证研究结果及分析

我们运用永续盘存法测算的各种主要要素资本存量如表1所示。

将各要素资本存量的绝对量换算成资本之间的相对比例, 可以得出表2所示的数据。

由于在本研究中我们选取了2007-2011年五年的数据, 所以无论是人力资本存量还是机器设备资本存量和技术资本存量只能从五年的绝对量数据和相对量数据中得出四年的变化量。

(一) 基于要素资本存量绝对值计算的资本替代系数分析

由表3可知, 技术资本对人力资本的替代系数在2008年和2011年两年都比较大, 分别为-61.42和-83.06, 呈现出一种很强的技术资本对于人力资本的替代趋势;在2009和2010年两年技术资本和人力资本之间的替代系数分别为28.78和3.05, 技术资本和人力资本之间的互补关系在这两年中表现得更加突出。然后把这四个替代系数取平均值得到技术资本对人力资本之间的替代系数平均值为-28.16342226, 这说明2007-2011年这五年中, 我国的高端装备制造业企业技术资本和人力资本总体上呈现出技术资本对人力资本的替代关系, 而且这种替代的程度大约为企业每增加一单位的技术资本将节约28单位的人力资本, 技术资本开始在经济增长中发挥着越来越重要的作用。

相应地, 根据表3中统计的机器设备资本对于人力资本的替代系数可以看出, 2008-2009两年中高端装备制造业企业的技术资本和人力资本之间的互补关系更为强烈, 2010-2011年两年中机器设备资本和人力资本之间则呈现出一种替代关系, 当机器设备资本每增加一个单位时, 人力资本的减少数不足一个单位, 从中可以推知, 我国高端装备制造业企业的机器设备资本投资存在着过量的现象, 企业应该适量减少机器设备资本的投资。然后将这四年机器设备资本对人力资本的替代系数进行平均, 得到的数值为-0.191508555。从这四年的一个平均比例我们仍然可以猜测出我国高端装备制造业企业的机器设备资本存在着过量的现象。企业应该适当减少机器设备资本的积累数量, 而增加技术资本的存量。

最后, 通过比较发现, 技术资本对于人力资本的替代系数远远大于机器设备资本对于人力资本的替代系数。这一实证结论也正好验证了本文提出的要素资本理论的一个重要定理:技术节省和替代人力的程度远大于机器设备节约和替代人力的程度, 并且企业的技术水平高低与员工数量多少呈负相关关系 (罗福凯, 2009) 。

(二) 基于要素资本存量的相对比例计算的资本替代系数分析

结合表3和表4的计算结果, 我们发现, 技术资本和人力资本在2008年和2011年两年中表现出较强的替代关系;而在2009-2010两年中其互补的关系要更明显一些。对于物质设备资本和人力资本之间的替代, 2008-2011年四年中一直表现出一种替代关系, 但是替代程度不高, 大约为1个单位。并且基于相对比例的计算结果仍然表明, 技术资本对于人力资本的替代程度仍然大于机器设备资本对于人力资本的替代程度。

从表3或者表4我们可以看出, 有些年份技术资本和人力资本以及机器设备和人力资本之间表现出一定的互补关系, 有些年份则表现出一定的替代关系, 这些现象通过理论和现实都能解释。企业是一组要素构成的集合体, 各种要素之间相互影响、相互作用, 从而为企业创造价值。在这种相互影响和相互作用中, 各种要素资本之间的替代和互补关系是时刻存在的。如果只有替代而无互补关系那么可以推知, 企业只有一种生产要素就可以创造价值, 这显然和我们的现实是不相符的。然而如果各种要素之间只有互补关系而没有替代关系, 那么企业之间的要素就会只有一种配置比例, 这显然和现实不相符。所以, 各种要素之间无论在何时都会呈现出替代和互补两种关系的相互作用, 只是有些时候要素之间的替代关系更为强烈, 而有些时候要素之间的互补关系更加强烈。本文研究的目的也正是基于这一原理, 分别测算一下技术资本、机器设备资本和人力资本这三种资本每年作用较强的这种要素之间的关系。

五、结论与启示

一是经济结构的调整实际是经济发展过程中各种生产要素在各产业、各领域之间的重新分布和排序, 使生产要素合理流动、有效配置;亦即人力资本、财务资本、实物资本、技术资本、信息资本和知识资本在各行业、各地区、各企业之间依生产发展和市场变化进行数量、空间的重新组合。要素资本替代问题是资本结构问题研究的一个重要方面, 要素资本替代是资本结构动态优化配置组合中的一种表现形式。

二是基于要素资本存量的绝对量和相对比例计算的技术资本对人力资本的替代系数分别为-28.16342226和-25.46148604;机器设备资本对人力资本的替代系数分别为0.191508555和1.628570564。

三是技术资本对于人力资本的替代系数远远大于机器设备资本对于人力资本的替代系数。这一实证结论也正好验证了本文提出的要素资本理论的一个重要定理:技术节省和替代人力的程度远大于机器设备节约和替代人力的程度, 并且企业的技术水平高低与员工数量多少呈负相关关系。

摘要：本文从要素资本出发, 选取我国高端装备制造业企业2007-2011年的数据, 在初步测算人力资本存量、机器设备资本存量和技术资本存量的基础上, 运用要素资本替代系数公式对技术资本和人力资本之间的替代系数以及机器设备资本和人力资本之间的替代系数进行测算。研究发现:基于要素资本绝对量和相对量测算的技术资本对人力资本之间的系数相近, 分别为28.16342226和25.46148604;技术资本对人力资本的替代程度远远大于机器设备对人力资本的替代程度。

关键词：要素资本,替代,技术资本,人力资本

参考文献

[1].杨中东.对我国制造业的能源替代关系研究[J].当代经济科学, 2007, (5) .

[2].李红松, 田益祥.考虑要素替代弹性时技术进步影响劳动生产率变动的测定[J].武汉科技大学学报 (自然科学版) , 2000, (3) .

[3].王立, 马宁.科研机构技术资本与产业资本的深层融合模式研究[J].科技政策与管理, 2005, (7) .

[4].孙中栋, 李辉文.要素替代弹性与地区经济增长差异[J].统计与决策, 2007, (7) .

[5].王伟光, 李征.技术资本价值增值效应:基本内涵、关键因素与政策取向[J].经济管理, 2007, (24) .

资本替代劳动 篇4

2008年,“中央1号文件”明确提出要“加快推进粮食作物生产全程机械化,稳步发展经济作物和养殖业机械化”。在粮食生产中,大规模推进全程机械化必然涉及到对传统的粮食耕作方式的变革,尤其是对粮食种植过程中各类投入要素比例的结构调整。因为在土地面积一定的情况下,机械投入数量的增加必然要求农业劳动力数量的减少[1,2]。

为了研究我国粮食生产过程中农业机械对农业劳动力的替代效应及其合理性,本文运用CES生产函数,对中国1978-2008年间的单位播种面积的粮食产量与农业劳动力投入数量、农业机械投入总动力之间的关系从微观角度进行数据分析,研究了改革开放30年来我国粮食生产的机械和人力两类要素的投入情况、产出效应以及要素间的相互替代关系,进而指出我国粮食作物生产向全程机械化发展存在的问题及其改革方向。

1 研究模型设计

生产函数的应用之一是研究要素之间替代的可能性,在不同的要素之间这种替代可能是不同的,而传统的C-D生产函数的替代弹性恒为1,因此它不能反映这种差异[3]。针对这一情况,1961年Arrow,Chenery,Mihas和Solo等人提出了一个应用更为广泛的不变替代弹性生产函数(CES,Constant Elasticity ofSubstitution)[4]。函数的一般形式为

Y=A[δK-ρ+(1-δ)L-ρ]-m/ρeμ (1)

式中:A>0为效率参数;0<δ<1为分配参数;ρ>-1为替代参数;m为规模报酬参数,m=1时研究对象是规模报酬不变的,m>1时研究对象是规模报酬递增的,m<1时研究对象是规模报酬递减的;μ为随机误差项。

投入要素K与L的替代弹性为

$\sigma =\frac{1}{1+\rho }$

对式(1)两边取对数得

$\ln Y=\ln A-\frac{m}{p}\ln [\delta {\rm K}{}^{-\rho }+(1-\delta )L{}^{-\rho }]+\mu (2)$

在p=0处,将ln[δK-ρ+(1-δ)L-ρ]展开泰勒级数,并取至二阶项[5],代入到式(2),可得

$\begin{array}{l}\ln Y=\ln A+m\delta \ln {\rm K}+m(1-\delta )\ln L-\\ \frac{1}{2}\rho m\delta (1-\delta )(\ln \frac{{\rm K}}{L}){}^2+\mu (3)\end{array}$

令

$\{\begin{array}{l}\beta {}_1=\text{l}\text{n}A\\ \beta {}_2=m\delta \\ \beta {}_3=m(1-\delta )\\ \beta {}_4=-\frac{1}{2}\rho m\delta (1-\delta )\end{array}$

影响粮食产量的因素很多,本文选择粮食生产劳动力和农业机械总动力作为其主要影响因素;又由于粮食产量受播种面积的影响,并且将变量转化为单位面积下的资本投入量并不影响参数估计及实证分析结果[6],所以这里考察单位播种面积的产量(Y)与单位播种面积劳动力(L)、单位播种面积农业机械总动力(K)的关系。以lnY为被解释变量,lnL,lnK和ln(K/L)2为解释变量,通过变量置换,建立的单位播种面积的粮食产量CES生产函数为

$\ln Y=\beta {}_1+\beta {}_2\ln {\rm K}+\beta {}_3\ln L+\beta {}_4(\ln \frac{{\rm K}}{L}){}^2+\mu (4)$

2 基本数据与模型分析

2.1 基本数据描述

实证分析的样本时间段为1978-2008年,研究所需的数据资料主要来自于《新中国农业60年统计年鉴(1949-2009)》、《中国农业发展报告(2001)》以及《全国农业统计提要(2003)》。总体来看,保证了所选数据资料的真实性,有较强的说服力。

图1是我国1978-2008年间单位播种面积的粮食产量、农业劳动力投入数量及农业机械总动力时序变化曲线。从图1可以看出,自1978年以来,我国粮食单位播种面积产量总体上呈梯形上升趋势,但年际波动幅度很小,表现为整个曲线比较平稳。依据单位播种面积的农业劳动力和农业机械总动力交互作用的特点,可以将其变化曲线大致划分为两个阶段。

1978-1994年为第1阶段,是农业机械总动力与农业劳动力均缓慢增长时期。1978年改革开放以来,中国农村经济体制改革拉开序幕,粮食生产迅速得到恢复,粮食产量连年攀升。与此同时,对粮食生产的投入力度也逐步增大,但由于基础薄弱,再加上国家财政支农政策的阶段性和基础设施建设投放的不确定性等原因,投入要素增加的幅度并不大。

1994-2008年为第2阶段,是农业机械总动力与农业劳动力投入量走向转折时期。1994年后,城市户籍政策开始松动,围绕着逐步改革小城镇的户籍管理制度,各级地方政府开始有计划、有组织地发展劳务输出,大量的农业剩余劳动力从土地束缚中解放出来,农业劳动力占乡村从业人员比重逐年下降。与此同时,随着国家在计划经济体制下出台的农机化优惠政策的全部取消,我国农业机械化进入了以市场为导向的发展阶段。在国家相应法规和政策措施的保护和引导下,农业机械化的市场化进程加速,农业机械化事业发展加快,在时序曲线上表现为单位播种面积的农业机械拥有量呈指数增长态势。

2.2 模型估计结果及分析

选用1978-2008年各变量的历史数据,代入建立的单位播种面积的粮食产量CES生产函数模型(4)。在初次估计中发现,DW值较小,说明序列存在残差自相关,在模型右边加入AR(1)和AR(2)项以消除自相关。再次使用Eviews软件包,经过14次迭代后,参数估计结果见表1所示。

由表1可知,模型经14次迭代收敛,DW统计量为1.961 2,不存在序列自相关;调整后的可决系数高达0.941 0,回归方程具有较强的解释力;β1=-1.672 5,β2=0.390 5,β3=-1.015 4,β4=-0.272 3,检验的p值在0.05的显著性水平下均显著。以上结果说明,当在其他因素不变的情况下, 各解释变量对被解释变量均有显著的影响; 回归方程的F统计量90.259 2, 相应的p值为0, 也是显著的。

CES各系数的计算公式为

$\{\begin{array}{l}A=e{}^{\beta {}_1}=e{}^{-1.672534}\\ m=\beta {}_2+\beta {}_3=-0.62492\\ \delta =\frac{\beta {}_2}{\beta {}_2+\beta {}_3}=-0.62491\\ \rho =\frac{-2\beta {}_4(\beta {}_2+\beta {}_3)}{\beta {}_2\beta {}_3}=0.85831\\ \sigma =\frac{1}{1+\rho }=0.53812\end{array}$

则单位播种面积的粮食产量CES生产函数样本模型为

根据CES生产函数的经济意义及参数估计值可知,m=-0.624 92<1,说明生产函数处于规模报酬递减阶段,即单位播种面积的农业机械和劳动要素投入增量所带来的粮食产量增量越来越小,这与赵靖等人的研究结论是一致的[7]。通过1978-2008年的样本数据可以证明,农业机械拥有量与粮食产量负相关,而农业劳动力投入数量则与粮食产量正相关,且单位播种面积的劳动力投入每增长1%,粮食总产量增加1.625%;在我国粮食生产中,农业劳动力投入数量依然是最大的影响因素。σ=0.538表明的经济意义是:当单位播种面积的农业机械总动力增加1%时,单位播种面积的农业劳动力减少量仅为0.538%。这表明,在目前我国粮食生产中,实现大规模、全范围的机械替代劳动力尚不成熟,单位播种面积的农业劳动力投入量依然是影响我国粮食生产产量的重要因素。

3 结论

本文通过运用CES生产模型对我国单位播种面积的粮食产量、农业劳动力和农业机械总动力数据进行拟合,得到了很好的统计效果,并形成了以下主要研究结论:

1)我国粮食生产整体上呈规模报酬递减的态势,一方面表明单纯的外延式投入对粮食产量所起的促进作用将越来越小;另一方面也暗示了我国粮食生产内部的投入要素之间没有达到有效配置,降低了生产效率。

2)农业机械总动力对粮食生产的作用不显著,而农业劳动力投入则对粮食增产具有很强的正效应。这一方面说明我国农业机械化程度不高,机械科技对农业的贡献不足,粮食生产机械化耕作的技术优势尚未显现[8];另一方面也说明在我国小农经济占主体地位的粮食生产格局下,实现粮食生产大规模机械化耕作还有很长一段路要走,在目前我国粮食生产中,劳动力做的贡献仍然占据首要位置。

3)要素替代弹性反映了要素配置对要素相对价格变化反应的敏感性,因此反映了市场机制对要素配置的作用深度,市场化改革过程中应该观察到要素替代弹性的上升[9]。根据本文的研究结果,目前我国粮食生产中,农业机械总动力与农业劳动力投入量之间的替代弹性仅为0.538,表明我国粮食生产内部的投入要素之间尚未达到有效配置。因此,必须进一步推动粮食生产的市场化改革,尤其是要素配置的市场改革,提高要素替代弹性。

4)尽管研究表明,在现阶段农业劳动力投入依然是影响我国粮食总产量的重要因素,但是应该注意到,随看我国经济的发展、城市化进程的加快,劳动力将有更多的就业选择机会和更大的就业选择范围,这无形中将会提高劳动力从事农业生产的机会成本,农业生产过程中将不可避免的出现“惜力”现象[10],即农业生产过程中农民偏向投入更少的劳动力。因此,粮食生产实现机械化耕作将成为我国未来粮食产业的主要发展方向。目前,阻碍我国粮食生产实现大规模生产、机械化耕作的主要障碍是以个体经营、小块土地耕作为主的小农经济生产方式在我国农业生产中依然占据主要地位[11]。2008年,中共中央推进农村改革的《决定》指出,农民土地承包经营权可以流转,以便发展多种形式的适度规模经营。通过将小块土地集中起来合理流转于种田大户,集约化土地经营将成为可能,我国几千年来的小农经济和分散耕种的局面将得到改观,大量种田大户和农家庄园将形成,机械化耕种成为可能。因此,必须坚持土地要素走向市场,深化土地资源要素配置市场化改革,为实现粮食种植机械化耕作提高夯实的制度基础。

参考文献

[1]罗芳,鲍宏礼.农业机械化与农村剩余劳动力转移的关联度分析[J].湖北农业科学,2010,49(5):1263-1266.

[2]张冬平,史国栋,陈俊国.农业机械化对农业劳动力剩余的影响[J].农业机械学报,1996(4):1-6.

[3]严忠,江海峰.CES生产函数及其运用[J].数量经济技术经济研究,2002(9):95-98.

[4]马树才,郭万山,王青,等.宏观经济计量分析:方法与模型[M].北京:经济科学出版社,2006.

[5]刘渝,张俊飚,杜江.农业灌溉投资与灌溉用水的替代弹性分析[J].财经论丛,2009(5):1-5.

[6]刘渝,张俊飚,杜江.农业灌溉投资与灌溉用水的替代弹性分析[J].财经论丛,2009,146(5):1-5.

[7]赵靖,王桂芝,江莹,等.中国粮食生产模型及弹性分析[J].安徽农业科学,2007,35(4):982-983.

[8]张劲松,王雅鹏.农业机械化对粮食产出效能贡献测算与分析[J].湖北农机化,2008(1):31-34.

[9]张明海.中国经济的增长和要素配置的市场化:1978-1999[J].世界经济文汇,2002(3):20-29.

[10]李红.农业机械替代劳动力的实证分析[J].农业与技术,2008,28(2):111-116.