资源经济与区域技术效率跨省随机前沿分析

资源经济与区域技术效率跨省随机前沿分析[摘要]本文在省际数据的基础上，运用随机前沿分析技术实证分析了资源流动与资源丰裕程度对中国区域技术效率差异的影响。

研究结果显示：资源生产大省和资源流出大省的资源效率低主要是由资源配置效率低、人力资本积累弱和市场发展滞后所导致的，更深层次而言，是由我国的资源管理体制和资源经济发展的特点共同决定的。

从整体上看，中国目前资源经济的发展方式不利于地区技术效率的提高，要从提高资源配置效率、加大人力资本积累和加速市场化等方面入手，提升我国资源经济的发展水平。

[关键词]随机前沿分析；技术效率；资源经济；资源诅咒[中图分类号]F205[文献标识码］A[文章编号]1006―5024(2010)01-0014―04[基金项目]沈阳工业大学博士启动基金项目“企业合作创新的外部奖励机制研究”(批准号：007143)；辽宁省教育厅项目“基于技术效率的辽宁省城市竞争力提升”(批准号：20082168)；辽宁省社科基金项目“辽宁省经济增长、技术效率与竞争力关系研究”(批准号：L09DJY058)[作者简介]王强，中国人民大学经济学院博士生，研究方向为劳动价值论；(北京100872)侯强，沈阳工业大学管理学院讲师，博士，研究方向为区域经济。

(辽宁沈阳110023)一、引言从逻辑直觉的角度看，丰富的自然资源是地区经济增长的动力之一；但从现实来看，国家层面和中国的省级层面基本呈现出与这一直觉逻辑相悖的现象。

经济学家将这一现象称作为资源经济现象或资源诅咒。

从国家层面而言，典型的如20世纪的非洲和瑞士以及开本形成明显的差异，盛产石油的印度尼西亚、委内瑞拉等国与资源贫瘠的泰国、韩国和新加坡也形成了鲜明的对比；从中国省级层面而言，自然资源禀赋相对丰裕的中西部地区，其经济发展水平和增长速度却远不如资源匮乏的东部地区。

技术效率是经济增长的重要组成部分，目前对传导机制研究的结果表明，资源经济对经济增长的影响在很大程度上是由于对技术效率的影响而导致的。

目前关于资源经济对技术效率影响的文献相对较少，因此，综述主要从资源经济与区域经济增长的角度分析。

国外的研究多是基于国家层面，GeL(1988)研究表明石油资源丰裕与经济增长呈负相关关系。

Matsuyama(1992)通过经济模型分析得出了制造业向采掘业转移的经济调整降低经济增长率。

Sachs，Warner(1995)在Matsuyama的模型基础上构建了动态的“荷兰病”模型，并进行了实证检验，结果显示自然资源与经济增长存在显著的负相关关系。

Sachs，Warner(1997)研究了95个发展中国家的经济增长，发现以自然资源为基础的国家其出口与经济增长之间存在明显的负相关。

Papyrakis，Gerlagh(2004)的实证研究也支持资源丰裕与经济增长的负向关系假说。

国内的研究有国家和省际两个层面。

对于国家层面而言，徐康宁和邵军(2006)以1970―2000年世界各国的经济增长为研究对象，得出了自然资源的丰裕度与经济增长之间存在显著的负相关，即资源经济现象地区存在；张复明和景普秋(2006)对资源经济现象进行了综述，将传导机制概括为寻租与资源配置效率损失，人力资本的挤出与物质资本的流失，资源流动作用与消费作用机制和均衡结构的变动，专业化形成的锁定效应与沉淀成本；张举钢，周吉光(2005)对发展中国家陷入资源经济现象进行了分析。

对于省际层面而言，徐康宁和韩剑(2005)通过构建资源丰裕度指数，研究了不同省份之间资源禀赋与经济增长的关系，得出了资源丰裕地区慢于资源贫瘠地区；徐康宁和王剑(2006)以中国的省际面板数据为样本，验证了资源诅咒假说在中国的省际层面仍然成立。

经济的增长体现在两个方面：一是技术进步，二是技术效率的提升，而在目前的经济环境中技术效率的提升显得尤为重要。

本文将采用随机前沿分析，以中国省际数据为基础，分析资源经济对区域技术效率提升的影响，检验资源经济是否真的限制了地区技术效率的提升及其对技术效率提升的影响程度。

二、随机前沿分析模型应用在Battese＆Coeni(1995)模型基础上，运用生产函数的随机前沿分析技术(sFA)，采用省际层面数据，建立资源经济发展对技术效率的影响及其力度模型如下：ln(Ya)=β0+β1ln(Lit)+β2ln(Kit)+εitεit=vit-μit(1)TEit=exp(-μit)(2)mit=δ0+(δitECPI)+(δ2CGBZ)(3)γ=σμ2，(o≤γ≤1)，令σ2=σμ2+σμ2(4)i＝1，2…，N，代表各个城市t=1，2…，T，代表年份式(1)中，Yit表示i省第t年度的产出，本文采用GDP表示；Kit为i省第t年度的资本投入，本文采用固定资本存量表示；lit为i省第t年度的劳动力投入，本文采用年平均从业人员数量表示；β0为截距项，β1，考察资本对技术效率的影响程度，即资本产出弹性，β2代表劳动力对技术效率的影响程度，即劳动力产出弹性；其中误差项εit由两部分组成，且两部分相互独立，νit假定服从对称的正态分布N(O，σ2)，其代表经济系统的外部影响因素和数据统计误差；μit假定服从正半部的正态分布N(mit，σμ2)，其代表i省在第t年度的技术非效率水平。

式(2)中，TEit表示样本中第i省在第t年度的技术效率情况。

当μit=O时，TEit＝1，即此时该省处于技术有效状态，表明该省的生产点位于生产前沿上；而当μit>0，则TEit的值就介于O-1之间，也就是处于技术非效率状态。

式(3)中，mit为技术非效率的程度，δ为一组待估计的参数；ECPI反映资源的流动，CGBZ反映资源经济的比重，本文首先将分别分析资源流动和资源经济比重对技术效率的影响，然后将二者均纳人方程来测算资源经济对技术效率的影响，依次记为模型(1)、模型(2)和模型(3)。

式(4)中，γ是待估参数，表示随机扰动项中技术无效率所占的比例。

当γ接近于1时，表明误差主要来源于μit，此时生产单元的实际产出与前沿产出之间的差距主要来源于技术非效率。

在统计检验中，如果γ=0这一原假设被接受，即说明所有测算的生产单元的生产点都位于生产前沿曲线上，则无须使用SFA技术来分析，直接运用OLS法即可。

如果这一假设不被接受，则建议使用最大似然法。

实际应用时，还需要采用极大似然统计检验得到统计量：LR对模型进行假设检验，尤其是对γ=0这一假设使用似然比检验，即用来验证生产单元的生产是否受到技术非效率的影响。

三、模型数据来源及说明指标选择的核心是对资源经济的度量，在对资源经济现象进行测度时，资源丰裕程度的度量没有统一的标准，例如：Sachs，Warner(1997)采用的是初级产品出口，徐康宁，韩剑(2005)采用的是资源丰裕指数，徐康宁，王剑(2006)采用采掘业固定资产投资比重和从业人员比重对资源经济进行度量。

总体来看：基于国家层面的研究，采用资源出口为指标，注重资源的流动；基于省际层面的研究多是采用资源产业的投入或占GDP的比重，注重资源的生产。

本文认为资源经济现象的出现是由于资源流动引发的，因此，本文在构建资源流动的指标的同时考虑结合资源丰裕程度来分析资源经济对技术效率的影响。

考虑到资源间的不可共度性，本文以矿产能源为例进行研究。

这是由于：一方面，如徐康宁，韩剑(2005)所述，虽然煤炭、石油、天然气三种矿产资源不足以完全反映一个地区自然资源的丰裕程度，但限于资料的可得性以及资源相互之间的不可共度性等因素，国际上没有一种方法能够完全精确地度量自然资源的丰裕程度，只能用一些尽可能接近实际的方法和指标来代表自然资源的丰裕程度；另一方面，能源是最重要的自然资源，且是中国最大的流动资源，而资源经济现象是由资源的流动引起的。

基于以上两点，本文认为可以将能源的生产与流动近似地看作为资源的生产与流动。

为考虑资源流动，构造一个能源生产消费指数ECPI(ECPI=能源生产／能源消费)来分析资源的流动与经济增长的关系。

由于能源中主要的矿产资源是煤炭、石油、天然气，鉴于其单位不统一，将其换算成标准煤。

转化的公式如下：标煤量(吨)=煤炭量(吨)★O.7143(吨／吨)+石油量(吨)★1.4286(吨／吨)+天然气量(立方米)★12.143(吨／立方米)，据此可以计算各省的能源生产消费指数。

为考虑资源生产，同时与上一个指标统一，构造一个采掘业增加值占GDP比重的替代指标。

采用煤炭产量对应的价格指数除以GDP来代替采掘业的增加值比重，表示为CGBZ。

考虑到数据的获取性和口径的统一性，本文选择中国内地除重庆(将其并入四川计算)、西藏外共29个省、自治区以及直辖市作为研究样本。

有关的基础数据均来自于《中国统计年鉴》(2001～2005)、《中国能源统计年鉴》(2000～2004)和中经网统计数据库。

具体如下：Yit为各省的GDP，为便于比较和统一，本文将各省历年的GI)P全部按照1978年的价格基准进行折算。

lit为各地区的各年平均从业人员。

本年年均从业人员=(上年年末数+本年年末数)／2。

Kit.为资本存量。

但由于既有的统计资料和数据中只有各年固定资产投资的数量即流量，因此需要从流量到存量的换算，换算的方法有很多，典型的如张军、吴挂英、张吉鹏(2004)，叶裕民(2002)。

本文采用张军、吴桂英、张吉鹏(2004)计算及后期补充的数据，各省市历年的年均资本存量按照1978年的价格基准进行折算。

四、实证结果及分析模型的估计分三个步骤：第一步，对模型进行普通最小二乘(OLS)估计，得到无偏的产出弹性系数α，B，但截距项并非无偏，需要调整。

第二步，利用二阶段各点搜索，通过修正的最小二乘法(COLS)估计截距项和δ2，并进行调整。

第三步，采用上述估计调整值作为起始值，利用DFPQ法进行迭代计算，最后得出参数的极大似然估计值。

利用上述随机前沿生产模型及相关数据采用Colli编写的程序Frontier(Version4.1)对模型(1)至(3)的模型进行了估计，具体结果参见下表。

首先，从γ的值和显著程度可以看出，γ均大于O 8，且t检验值和LR检验均显著，由此可以判断，式(1)中的误差项有着十分明显的复合结构，因此，对这些跨省的面板数据使用SFA技术是很有必要的。

其次，从β1和β2的系数可以看出，劳动力的弹性在0.24左右，资本的弹性在0.81左右，可见这期间投入的产出弹性是较高的，这说明这一时期的经济处于规模报酬递增阶段。

而且从系数的大小来看，资本投入在经济增长中占据不可替代的位置，这与这一时期高投入高增长相对应的实际相吻合。

最后，由于三个模型中均有δ1>0，δ20，表明从总体上，资源经济对技术效率的提升具有负的影响。