TFP的测算重点笔记专业资料.doc

一、测量tfp办法分类（一）索罗残差法寻找一种适当生产函数形式(惯用有：C-D生产函数、超越对数生产函数以及CES生产函数等总量生产函数形式),运用样本数据进行回归,估算出总量生产函数详细参数,得到详细生产函数,将产出增长率扣除各种投入要素增长率后残差,作为TFP增长。按老式增长核算法,在假定生产在技术上是充分有效条件下,可以得出全要素增长率等于产出增长率与所有投入要素增长率加权和之差。（二）随机前沿办法（SFA）（参数法）1、生产前沿面法在容许有技术无效存在条件下,从此外一种角度理解和测算生产率。生产前沿面法是指以具备投入或产出最优性质生产函数来构造生产前沿面,通过生产过程实际值(投入或产出)与最优值(最小成本或最大产出)比较来得出TFP办法。依照构造生产前沿面办法不同,生产前沿面法又可分为参数型模型法和非参数型模型法。2、SFA某些推导3、SFA下tfp分解某些推导Aigner、Lovell、Schmidt和Meeusen、Van den Broeck（1977）：由投入变化而带来产出变化、技术变化率、技术效率变化率；Kumbhakar()：技术进步、技术效率增长、规模经济效应增长、资源配备效率增长。（三）数据包络分析法(DataEnvelopment Analysis，DEA)（非参法）1、非参数型模型法一方面依照样本中所有个体投入和产出构造一种可以包容所有个体生产方式最小生产也许性集合:即所有要素和产出有效组合。所谓“有效”,即是以一定投人生产出最大产出(面向产出状况),或以最小投入生产出一定产出(面向投入状况)。一种个体技术效率衡量是,在给定该个体产出可以实现前提下,和生产也许性集合中生产等量产出投入量相比,其投入尚有多大节约余地。余地越大,阐明该公司技术效率越低。该办法长处是不必预计公司生产函数,从而避免了因错误函数形式带来问题;缺陷是需要大量个体数据,且对算法规定很高,同步对生产过程没有任何描述。非参数型模型法代表性办法是数据包络分析法(DataEnvelopment Analysis，DEA)。2、曼奎斯特指数(Malmquist Index) “指数”是指一种生产单元(公司、行业、国家或地区)在一定期期内生产总产出和总投入之比。它常被用作衡量一种行业或地区经济运营状况综合性指标,而TFP增长则是科技进步、效率(技术效率、规模效率等)提高综合体现。假设考察生产单元基期(S)和报告期(T)，X表达投入，Y表达产出,则TFP指数则可表达为：TFPst=Yt/YsXt/ Xs。当前,研究不同步期决策单元全要素生产率变化普通采用生产率指数理论与办法,生产率指数有各种形式,其中当前被广泛使用典型生产率指数是曼奎斯特指数(Malmquist Index)。该指数是在Malmqnist数量指数与距离函数基本上定义,它被用来描述不需要阐明详细行为原则(例如成本最小化和利润最大化)各种输入变量和各种输出标量生产技术。MalInquist生产率指数变动值即为TFP变动值。由于距离函数是效率函数倒数，有必要先弄清技术效率概念技术效率有2种定义方式，一种是基于投入技术效率，即在一定产出下，以最小投入与实际投入之比来预计另一种是基于产出技术效率，即在一定投入组合下，以实际产出与最大产出之比来预计3、DEA+ Malmquist Index某些推导4、DEA+ Malmquist Index下tfp分解某些推导DEA模型重要有两类:一类是不变规模报酬(CRS)模式下DEA模型(CCR模型),由Charnes、Coopor和Rhodes提出,重要用于测算含规模效率综合技术效率(STE);另一类是可变规模报酬(VRS)模式下DEA模型(BCC模型),由Banker、Charnes和Cooper提出,可以排除规模效率影响,测算技术效率(TE)。非参数办法可将全要素生产率分解为技术效率和资源配备效率。Malmquist Index对于不同步期生产率变化分解为：规模效率变化、纯技术效率变化、技术变化。二、老式研究办法局限性与建议（1）动态研究办法。不论是索洛余值法，还是SFA、扩展索洛模型办法，都假设参数不变，属于静态研究办法。中华人民共和国经济发展变化激烈，因而假设各期参数不变和中华人民共和国实际不符，采用动态研究办法特别重要。（2）DEA 办法和SFA 办法融合。国外某些学者在融合DEA 和SFA 这两种办法基本上，研究出新全要素测算办法，例如Fried 等()所提出三阶段DEA 分析法、TimoKuosmanen 等(，)建立StoNED 分析办法等等。（3）非参数法可以将全要素生产率详细分解为技术进步、规模效应和配备效率。非参数法缺陷是，数据包络法（DEA）和Malmquist指数法都没有考虑到样本随机因素，这就会导致很大测量误差。老式测量微观公司全要素生产率预计办法会产生两个问题，即联立性问题与样本选取问题，也就是普通所说内生性问题。联立性问题是指在位公司在做要素投入决策之前，会在某一种时刻感觉到一某些生产率，因而这就会影响公司做出要素投入决策；样本选取问题是指由于市场竞争和公司利益最大化，生产率较低公司会被市场裁减，而留在市场中在位公司都是生产率相对较高公司，因而如果在预计公司生产率水平时只用在位公司样本来预计，会使得公司生产率水平得到过高估算，因而估算成果会不客观和不精确。三、最新办法：OP和LP（半参法）由于公司技术水平在某种限度上是可以事前认知，公司依照已知技术水平再选取适当要素投入水平，因而用老式宏观研究办法测量公司生产率会浮现同步偏差问题和选取偏差问题，使得预计成果不精确，因此老式办法并不合用于微观公司全要素生产率研究。针对以上问题，一系列最新修正方案被提出，并形成了诸多前沿预计办法，当前国际上流行是Olley and Pakes 法（ 简称OP 法）和Levinsohn and Pertrin 法（简称LP 法）。半参数法重要是一并建立了参数关系和非参数关系，参数关系是针对影响产出重要因素建立，而非参数关系则是针对其她影响产出未知因素建立，并在生产函数中一起加以预计，这样就可以有效解决生产函数样本选取和内生性问题。由于OP办法中一种假定是规定代理变量（投资）和总产出始终保持单调递增关系，这就表达那些投资额为零样本公司并不可以被预计。事实上，并非每一种公司在每一年投资都为正，如果采用OP法来预计公司全要素生产率就会丢弃掉诸多公司样本。LP法是以中间投入指标代替投资额作为代理变量，从数据角度出发，这样所损失样本量将比OP 办法小诸多，在数据筛选过程中比较有效，从而预计成果更加精准。四、注意产能运用率和tfp是截然不同两个指标，表达办法是有差别。