【内容提要】 要素价格上涨会引起中国制造业技术效率提高吗？以往文献并没有对该问题进行过深入的研究。本文利用1993-2007年中国制造业29个省区市的面板数据，使用DEA方法对中国制造业技术效率进行测算，结果表明中国制造业技术效率在20世纪90年代中后期处在停滞状态，而在2000年以后出现明显上升的趋势。使用面板混合模型、固定效应模型、面板校正误差模型等方法进行参数和标准误稳健性估计，本文发现要素价格上涨对中国制造业技术效率有显著的正向效应，这种作用滞后要素价格上涨3—5年，由此，从统计上验证了中国制造业存在成本推动型技术效率的假说，从而体现了国家逐步推进要素价格体制改革的重要意义。这预示了各级政府应该重视提高要素资源配置效率，制定政策引导产业转型升级，依靠技术创新实现经济发展方式转变。

    一、引言
    当前，要素价格上涨对中国制造业生产成本形成很大的压力，但客观上有利于各地区加快产业转型升级的步伐。尽管目前中国价格体制改革尚未彻底完成，特别是能源、资源等领域的价格还存在一定程度的扭曲，但是本轮的要素价格上涨将对中国制造业产业转型升级和地区布局产生根本性的影响。在理论上，当劳动成本上升后，厂商倾向于使用资本来替代劳动投入，比如，采用革新生产技术或工艺、嫁接新的行业技术等手段以继续保持产品竞争力，从而使行业的整体技术水平得到提高。在实践上，要素价格上涨是否如政府所预期的那样迫使企业通过提高技术效率的途径来化解急剧上升的成本压力，自然就引起社会各界的关注。如果答案是肯定的，那么要素价格上涨对制造业技术效率的影响程度如何，这是本文需要进一步解决的问题。通过本文的研究，希冀能填补国内这一领域的空白，又为国家及时完善产业转型升级政策提供事实依据；并且，本文的发现也有利于揭示要素价格体制改革与经济发展方式转变之间的内在关系。

    生产率或生产效率是衡量一个国家或地区工业经济增长质量的重要指标之一，并被经济学家用来分析工业绩效水平及其变化趋势。张军、施少华、陈诗一(2003)曾经精辟地指出，“中国的工业改革正好为经济学家关注和考察不同所有制的企业形式，以及改革政策对生产率变动的不同影响提供了丰富的经验基础。”中国工业生产率或生产效率问题长期受到学术界的广泛关注①，并已积累了大量的经验研究文献，特别是中国工业全要素生产率(Total Factor Productivity，简称TFP的变化)的测算、分解及其影响因素。从已有文献看，研究中国工业生产率的思路主要有两类：一类是关于全要素生产率的测算问题，常用的方法是参数估计方法(如随机前沿技术、超对数模型估计)和非参数估计方法(如Malmquist指数法)，并对其进行分解，这类研究主要有涂正革、肖耿(2006)，李廉水、周勇(2006)，宫俊涛、孙林岩、李刚(2008)，朱钟棣、李小平(2005)；另一类是除了测算生产率外，还重点考察生产率与其他经济变量之间的关系，这类研究包括林青松(1995)，王志鹏、李子奈(2003)，吴利学、傅晓霞(2008)等。同样，对工业技术效率(Technical Efficiency，简称TE)的测算既可以使用数据包络分析(DEA)、Bootstrap-DEA等方法直接计算，又可以用Malmquist指数法等方法分解得到。

    其实，测算中国工业生产率或生产效率主要依赖于所使用的方法和数据，大部分的学者使用《中国统计年鉴》和《中国工业经济统计年鉴》上的报告数据，只有极少数的学者，如涂正革、肖耿(2006)利用企业微观层面的统计数据，Jefferson et al，(1992)，郑京海、刘小玄等(2002)使用了企业调查数据。当然，现有文献基本上可以为我们提供一条比较清晰的研究线索，早期的研究侧重于从全国层面考察工业绩效，并且通常用索洛残值来衡量全要素生产率；后续的研究则主要从以下几方面展开：①应用新的方法研究同一个问题，比如Malmquist指数、随机前沿函数、Bootstrap-DEA等方法。②放弃原有宏观数据之便，使用微观数据分析。③研究视角由全国层面向区域或企业层面延伸。柴志贤、黄祖辉(2008)，宫俊涛、孙林岩、李刚(2008)就是使用了Malmquest指数法分析省际工业全要素生产率变动趋势。④增加投入或产出变量重新测算行业效率。王兵等(2008)，杨文举(2009)，岳书敬、刘富华(2009)借鉴国外研究，在选取投入或产出变量时加入环境变量，特别是工业污染物排放指标，这种处理方式更加贴近现实。尽管方法或数据使用有所差异，但是专家学者们得到的结论还是比较一致，“中国的经济改革对工业部门效率有显著正面改进效应的结论已几乎被接受”(张军，施少华，陈诗一，2003)。②从研究结论看，Selin Ozyurt(2009)从较长的时间跨度细致地考察了新中国成立后中国工业全要素生产率的变化，他发现改革开放之后TFP出现明显上升的趋势，对经济增长具有显著的作用。但是中国工业增长绩效真像一些经济学家所想像的那么乐观吗？学者们曾经对此存在一些分歧，主要表现在中国国有企业生产率是否有明显正向改进并没能获得比较一致的共识，但是有一点是大家比较认同的，即在改革开放的过程中，国有企业生产率增长慢于非国有企业。

    在计量分析工业生产率或生产效率的影响因素时，学者们选取的变量涉及范围比较广，包括要素资源配置效率(林青松，1995)、外资作用(王志鹏，李子奈，2003)、所有制结构(贺聪，尤瑞章，2008)、集聚经济(吴利学，傅晓霞，2008)等。然而，国内学者几乎没有关注过要素投入成本对工业技术效率的影响，即在要素价格普遍上涨的情况下，微观经济个体的技术研发、组织管理、专业化水平是否明显改进或升级。在国外，已有学者开始关注要素成本对技术效率的影响，Pol Antras and Hans-Joachim Voth(2003)直接用要素价格而非要素投入量，并使用计量方法估计了英国工业全要素生产率的变动趋势；K. Obeng and R. Sakano(2002)研究了政府通过补贴降低公共交通部门要素投入成本，进而考察其是否影响该部门的技术效率，结果发现降低补贴的无效率可提高交通业的技术效率，称其为“补贴引致的技术变化”。不过，他们的研究并没有考虑到要素价格的滞后效应，而仅考虑了成本对技术效率的当期影响。显然，国内这方面的经验研究几乎是空白的，这为本文进行深入研究提供了一次良好的机会。

    本文所做的开拓性工作主要的体现：一是通过面板数据计量分析了要素价格上涨与制造业技术效率之间的关系，验证了中国制造业是否存在成本推动型技术效率，从而弥补了国内该领域经验研究的空白。二是注重估计结果的稳健性，在考虑要素价格对中国制造业技术效率影响的时候，使用了面板混合模型、固定效应模型、面板校正误差模型等计量方法，并谨慎选择滞后阶数，以确保估计系数及估计误差的稳健性。三是有效利用中国制造业统计数据资源，构造了1993-2007年中国制造业省区市面板数据，这些数据都出自国家权威统计部门，具有时间跨度长、行业齐全、指标完整等特点。③

    二、制造业技术效率的测算

    1.方法介绍和数据处理

    数据包络分析(Data Envelopment Analysis，简称DEA)方法常用来计算技术效率④,采用此方法的好处在于可以直接算出1993-2007年各省(自治区、直辖市)的制造业技术效率，而且与一般的指数方法相比，它不要求各个体的技术效率总是完全有效的假设。并且，相对于参数方法，DEA避免了对生产函数分布和形式的具体假设。Farrell(1958)较早就提出通过构造一个非参数的线性凸面来估计生产前沿；Shephard(1970)接着提出的输入距离函数，被作为评价效率的一种方法，但是这种方法依赖于生产可能性集的构建。Charnes et al.(1978)建立了规模报酬不变(Constant Return to Scale，简称CRS)的DEA模型，首次通过线性规划方法构造生产可能性集，从而实现了Shephard距离函数的计算。生产可能性集构造之后，直接将生产可能性集最外面的点连接便得到生产前沿面，位于生产前沿面上的点即为技术生产有效的点。无效点位于前沿面下方，利用距离函数就可以计算出这些点的效率。

    本文基于产出导向的DEA估计方法，使用了Shephard定义的距离函数估计制造业技术效率。如前文所述，使用DEA方法的好处在于研究者不必设立生产函数的具体形式，统计软件直接使用线性规划法便可构造生产可能性集，这样可以避免研究者的主观性。使用DEA方法面临规模报酬的选择问题，Timothy J. Coelli et al.(2004)的书中指出，在不满足所有厂商都以最优规模运营时，使用CRS-DEA设定会使技术效率(TE)与规模效率(Scale Efficiencies，简称SE)混淆不清。他们在书中提到，用CRS-DEA计算出来的结果实际上是广义的TE(包括“纯”技术效率和SE)，而VRS-DEA计算结果则为“纯”技术效率(不妨记为)，它们之间存在如下关系：TE=×SE。
   

    其中，1≤θ＜∞，而θ-1表示投入量不变情况下，第i个经济单位产出可按比例增加的量，1/θ表示技术效率(TE)。使用R软件的FEAR软件包下的DEA计算方法，报告的即为1/θ的值。位于生产前沿面上的点，其效率值为1，表示该点的生产是有效率的。

    DEA方法同样要求使用投入和产出数据，下面将分别介绍各省区市产出和投入数据的处理，产出用制造业增加值表示，投入包括资本与劳动两部分，所有指标均做过处理以便于不同年份之间的可比。还需说明的是，本文考察了除西藏、重庆之外的29个省区市制造业技术效率，由于重庆设立直辖市较晚，于是将重庆的数据合并到四川，保持前后统一。

    为了计算增加值不变价，本文先用分省区市制造业各行业的产值当年价除以不变价产值来计算制造业各行业的价格指数，从而得到各行业该年的不变价指数，然后用分省区市各行业增加值现价除以相应年份的不变价指数得到当年的增加值不变价，最后将各行业增加值求和得到本文使用的分省区市制造业增加值。但是2004年以后《中国工业经济统计年鉴》不再报告行业总产值不变价，为此本文使用了各省区市分行业出厂价格指数对相应行业的增加值做不变价处理。以上增加值不变价处理都是以1990年为基期。

    《中国工业经济统计年鉴》在1998年及以前报告的是全部从业人员数，1999以后改为报告“从业人员年均数”，从中可以看到制造业从业人员由于1999年统计口径变化之后而出现一些差异。但是仍会发现，即使口径一致后，1999-2002年整个制造业从业人员年平均数也出现了滑坡。对于这种现象的解释主要有以下几种观点：①受1997年亚洲金融危机的影响，很多中小企业因此减产甚至破产，导致了就业总量减少；②国有企业改革进入尾声，一些低效益的中小企业完成转制，大批国有企业工人下岗；③国家统计规范化问题导致了误差，比如，《中国工业经济统计年鉴》的统计口径从1997年及以前的“独立核算工业企业”变为1998年及以后的“全部国有及年产品销售收入在500万元以上非国有工业企业”，从而影响了统计对象范围。虽然存在上述问题，但是这并不影响对中国制造业技术效率变化趋势做出基本判断。

    对于资本数据，现有文献处理方法并不统一。本文采用了《中国工业经济统计年鉴》或《中国工业统计年报》上报告的“固定资产净值年平均余额”表示资本投入，并用固定资产价格指数调整到以1990年为基期的价格。

    2.测算结果

    利用上述处理过的数据，以地区为单元把各行业数据进行汇总即得到1993-2007年中国制造业省区市投入和产出的面板数据。使用DEA方法计算出1993-2007年中国各省区市制造业技术效率，其中各省区市制造业技术效率的平均值如图1所示。结果显示，中国制造业技术效率在1995-1999年期间处在停滞状态，在2000年以后进入快速上升的时期。
   

    为了揭示各地区工业绩效的差异，本文还报告了1993-2007年中国各省区市制造业技术效率，如图2所示。从图2可以看出，中国制造业技术效率的地区差异特征主要表现为：①对于各地区而言，制造业技术效率(TE)一般小于或等于“纯”技术效率()，两者的差距可以通过规模效率加以解释。海南、青海、宁夏、新疆等省区制造业技术效率(TE)和“纯”技术效率()之间差距相对较大，也就是说这些地区制造业的规模效率不明显。②多数省区制造业技术效率的变化趋势大致呈U型。自2000年以后，大部分省区的纯“技术效率”表现出明显上升的趋势。然而，相对于纯“技术效率”来说，各省区制造业技术效率(TE)的波动较大。山西、吉林、安徽、贵州、陕西、甘肃、青海等地区制造业技术效率(TE)和“纯”技术效率()在2005年前后相对稳定或者略有下降，而其他地区基本出现上升态势。③一些省区制造业技术效率改善并不明显。值得注意的是，山西、黑龙江、甘肃、新疆等省区制造业技术效率在近年来尽管有所上升，但是跟其他地区相比还处于较低的水平，这表明了中国制造业技术效率变化的地区差距比较明显，有些省份制造业发挥了技术效率优势，增强了地区工业竞争力，而有些省份则不同。④20世纪90年中后期成为绝大多数省份制造业技术效率的低谷期。各省份制造业技术效率变化走势明显表明了1995-1999年中国省区市制造业技术效率处在谷底，其中原因很复杂，但是不能排除亚洲金融危机冲击所导致。

    三、模型、变量与数据

    1.计量模型

    引起制造业技术效率变化的原因非常复杂，从而在如何解释技术效率总体变化或地区间差距背后原因的问题上，当前学术界并没有比较一致的看法。从表面上看，要素价格变化是导致制造业技术效率变化的外因，但是实际并非如此，两者之间可能存在内在逻辑关系，或者说要素价格是制造业技术效率函数的内生因素。

    为了考察要素成本对中国制造业技术效率是否有影响，本文设定以技术效率为因变量，要素价格指数为自变量，设定的计量模型如下：
   

    其中，TE表示技术效率；wage为职工平均实际工资指数，用来表示劳动成本；input为原材料、燃料、动力类购进价格指数，用来衡量原材料、燃料、动力类要素投入的成本；分别为截面个体效应和误差项。

    对于模型(1)的估计，本文将针对不同的条件使用相应的估计方法：一是如果个体效应差异不显著，则可直接利用普通最小二乘法(OLS)进行估计，这种方法也称为面板混合估计模型(Pooled Regression Model，简称Pooled)。二是如果个体效应之间存在显著差异，则使用固定效应模型(Fixed Effect Regression Model，简称FE)估计，效果较好，这样可得参数的一致性估计，而若采用第一种方法，则估计结果将是有偏的。进一步地，如果个体效应与解释变量不相关，则用随机效应模型(Random Effect Regression Model，简称RE)估计会更有效，对于FE和RE的选择，一般使用Hausman检验辅助确定。三是如果误差项的结构较为复杂，可能存在异方差或序列相关问题，那么可以使用面板校正误差模型(Panel Corrected Standard Error，简称PCSE)进行估计，从而得到稳健标准误，这样可克服由于可能存在的异方差或自相关而导致高估变量的显著性问题。

    2.变量说明和数据来源

    由于数据收集存在难度，本文只考察了劳动力成本和原材料、燃料、动力类的购进成本对中国制造业技术效率的影响。⑤据统计，改革开放以来中国制造业职工平均工资现价出现较快增长，如表1所示。需要说明的是，在2002年，国家统计局、人力资源和社会保障部对行业部门划分进行统一调整，因而，2003年及以后报告的是行业部门调整后的制造业职工平均工资现价。为了更加准确反映全国制造业职工实际工资变化情况，本文采用城镇居民消费价格指数对制造业职工平均工资进行不变价调整，结果参见图3。从图3可以看出，中国制造业职工的平均实际工资自20世纪90年代初起连续7—8年的时间增长非常缓慢，从1997年以后才开始出现较快增长，并表现出“刘易斯拐点”迹象特征，这可能与中国快速的工业化进程密切相关。据图1和图3的结果，1997年以后中国制造业职工平均实际工资进入快速上涨时期，而制造业技术效率却在2000年以后才开始进入快速上升的阶段，这表明了中国制造业职工平均实际工资上涨与制造业技术效率的提高并不是同步的，技术效率相对职工工资上涨表现出反应滞后的现象。

   
    为了便于变量之间进行直观比较，图3还报告了1990年以来中国原材料、燃料、动力类购进价格指数的变化情况。如图3所示，在20世纪90年代初期，原材料、燃料、动力类购进价格指数在3—4年的较短时间内上涨了一倍，但在1996-2003年期间却维持着比较平稳的水平，2003年以后又进入了新一轮的上涨阶段。据统计，2007年原材料、燃料、动力类购进价格指数相对于1990年已经上涨了250％左右，中间相隔不到20年的时间。
   

    图3　制造业职工平均实际工资和原材料、燃料、动力类购进价格指数

    注：①左纵轴表示制造业职工平均实际工资，单位为元；②右纵轴表示原材料、燃料、动力类购进价格指数。

    资料来源：根据历年的《中国劳动统计年鉴》和《新中国60年统计资料汇编》整理。

    本文使用了DEA方法计算出1993-2007年期间29个省区市制造业技术效率，同时从《新中国60年统计资料汇编》收集了各地区的职工平均实际工资指数以及原材料、燃料、动力类购进价格指数，从而构造出29×15(N×T)的面板数据。职工平均实际工资指数和原材料、燃料、动力类购进价格指数均统一调整到以1990年为基期，即1990年的价格指数赋值为1。⑥本文直接使用可比的职工平均实际工资指数，因为它已经扣除了物价变化的影响，能够较好地反映职工实际工资由于劳动力市场供求变化引起的变动，⑦历年各地区两类指数的算术平均值可见表2。从表2可以看出，2007年扣除物价因素后的各地区在岗职工平均实际工资指数上涨到1990年的5.49倍，原材料、燃料、动力类购进成本上涨到1990年的3.31倍。若与图3进行比较，可以看到制造业职工平均实际工资上涨的幅度要小于各地区的在岗职工平均实际工资。
   

    四、计量结果分析

    根据上面计量模型，分别以CRS-DEA和VRS-DEA计算出来的TE作为被解释变量，以要素价格作为解释变量，估计结果如表3所示。据前文所述，中国制造业技术效率对要素价格的反应存在滞后。A部分和B部分的模型主要是为了分别确定解释变量wage和input的滞后期，我们根据对因变量解释力最强的自变量“逐步进入”的原则最终确定了wage的3阶或3阶与5阶、input的4阶滞后项作为解释变量，这表明了制造业技术效率相对于要素价格上涨滞后了3—5年。

    C部分的模型(14)-(15)是将A和B结果得出的wage和input的最佳滞后期同时引入模型进行估计。相比于模型(7)与模型(8)，模型(14)的拟合并没有提高，但是与仅引入wage第3阶滞后或input的第4阶滞后的模型相比，调整明显提高，并且系数大小也与前面基本一致。在模型(14)的基础上又引入wage的第5阶滞后估计了模型(15)，调整又有一定的提高，两类模型的调整分别从0.52和0.43上升到0.58和0.46，并且引入的wage和input的滞后项均为显著。

    虽然本文研究目标在于考察要素价格上涨是否对制造业技术效率产生影响，但是两者之间是否存在现实的因果关系，并不能从统计关系上得到回答，所以计量结果仅是统计上验证这种关系。由于制造业技术效率并不仅由要素投入成本来决定，比如地区产业结构、对外贸易、产业集聚等因素都可能影响到地区制造业技术效率，在遗漏重要解释变量的情况下，使用OLS估计出来的参数是有偏估计。由此，本文使用固定效应模型(FE)的目的就是在遗漏解释变量情况下，获得参数的一致性估计，也就是将影响制造业技术效率的各地区所具有的特性用个体效应来表示。D部分报告了使用固定效应模型(FE)的估计结果，这是对C部分模型的重新估计。对比模型(14)—(17)，FE估计出来的wage系数都比较低，这说明OLS估计结果出现向上偏差；而input的系数出现下偏。Hausman检验的结果并没有支持进一步使用随机效应模型进行估计。由于DEA估计出来的技术效率仅是不同个体单元之间的比较，在没有参照的情况下某个体的效率值并没有实际意义，因此本文并不对具体某个参数大小进行详细说明。

    E部分报告的是面板校正误差(PCSE)模型估计结果，主要是为了得到稳健的误差估计，更合理地确定系数的显著性程度。在误差项不服从独立同分布假设时，使用OLS估计经常会低估系数标准误，进而夸大了系数的显著性，也就是说原本不显著的变量因使用了OLS估计变得显著。面板校正误差(PCSE)模型则可考虑误差项可能存在的异方差和序列相关问题，修正异方差和序列相关得出稳健的标准误估计。从表中可以看出，相对C部分的估计，E部分报告的PCSE估计结果系数显著性检验t值大大降低，这说明误差项之间确实存在异方差或序列相关问题。但使用面板较正误差模型估计出的系数至少都是通过10％的显著性检验，这说明要素价格对制造业技术效率有显著的影响。

    综合表3的估计结果，在计量分析要素价格上涨对制造业技术效率影响时，分别将CRS-DEA和VRS-DEA算出的广义技术效率和“纯”技术效率作为被解释变量，对估计的系数和估计标准误进行了稳健性检验，结果表明要素价格上涨对中国制造业技术效率有正向促进作用，并且制造业技术效率滞后于要素价格上涨3—5年，从而在统计上验证成本推动型技术效率是存在的。
   

    五、结论与启示

    中国制造业存在成本推动型技术效率吗？这是文章研究的核心问题。本文利用了1993-2007年中国制造业省区市面板数据，使用DEA方法分别计算了广义的技术效率和“纯”技术效率，结果显示，中国制造业技术效率在1995-2000年期间处于停滞的状态，进入新世纪以来却出现了明显上升的趋势，特别是2006年以后表现尤为显著。中国各省区市制造业技术效率变化趋势存在明显差异，但近年来却基本呈现上升的态势。

    20世纪90年代初以来，中国制造业主要投入要素(劳动力、原材料、燃料等)的价格总体处于上升的趋势，只是上涨的幅度及时间跨度存在一定的差异；但是跟制造业技术效率变化趋势相比，两者表现不同步的特征，从而反映出要素价格上涨之后制造业技术效率变化的滞后现象。计量分析结果发现，要素价格上涨趋势推动了中国制造业广义的技术效率和“纯”技术效率的提高，并且存在3—5年的滞后期；也就是说，要素价格的上涨有利于制造业技术效率正向改进，只是作用时间不同而已，因而本文从统计上验证了成本推动型技术效率假说是成立的。

    本文得到的结论具有丰富的政策含义，对国家当前实施调结构、促升级提供一些有益的启示：

    (1)应该客观看待20世纪90年代初中国制造业经历了要素价格上涨的过程。中国快速工业化和城市化进程必然对要素资源产生巨大需求，并且，国家先后出台具体措施促进要素流动和推动要素价格形成机制改革，使得要素资源稀缺性逐渐通过市场机制反应到价格层面。在价格信号的引导下，企业有可能通过技术和管理创新来保持市场竞争优势，从而实现行业技术效率的提高。因此，政府这只有形的手应尽可能减少扭曲要素价格形成机制的行为，放弃保护一批低技术效率的企业。

    (2)应该清楚认识到要素价格上涨已成为推动中国制造业技术效率提高的内生因素。新世纪以来的这轮要素价格上涨很大程度是由市场供求机制作用的结果，尽管要素价格信号很快影响到企业经营决策，但是由于企业下定决心进行设备改造、引入新技术、增加研发投资等创新投资需要经历一段时间，这自然反映出中国制造业技术效率变化的时滞现象。而政府在制定产业政策时，可以把握经济运行规律，将短期政策的重点放在建立能够引导企业优化配置要素资源的微观激励机制，从而实现提高要素配置效率的目标。中长期的政策和规划应注重企业技术创新和产业升级，以产业创新升级推动经济增长，实现经济发展方式由数量型顺利向质量型转变。

    (3)应该因地制宜地制定和实施引导地区产业转型升级的政策措施。在要素价格上涨的冲击下，各地区制造业技术效率变化趋势存在差异，这种差异可能是地区要素禀赋、产业结构、历史基础等因素引起的。这意味着各地区应该立足于本地实际情况，采取适应本地要素禀赋结构的产业转型升级措施。要素资源禀赋具有比较优势的中西部地区，当前适宜采取提高要素资源配置效率为主导政策措施，再用5—10年时间过渡到以技术升级主导的阶段。相反，不具有劳动力资源比较优势的东部地区，当务之急要加快产业技术升级，坚决淘汰落后产能。

    (4)应该审时度势地推动要素价格体制改革成为实现经济发展方式转变的动力。此前研究从不同侧面都证实了中国的要素价格存在不同程度的扭曲，行政占据主导，这就造成了中国经济增长的模式难以转变。本文的经验研究无疑对上述观点的佐证，但是不能忽视要素价格即便在市场机制作用下也需要一段时间才能诱致企业进行技术创新的。这就说明了，本轮要素价格上涨基本反映出要素价格体制改革的阶段成果，因此应该使之成为推动经济发展方式转变的动力。

    本文的结论尽管为当前各级政府制定产业政策提供一些思路启发，但是，国家在出台政策的时候依然面临着两难的选择：一方面，如果国家完全放开要素价格，让市场定价，那么国内有一大批中小企业将难以在短期内承受要素价格上涨的压力而破产倒闭，相信这种结局是各级政府都不情愿看到的；另一方面，如果国家坚决不放开要素价格，那么中央已出台促进经济发展方式转变的各种政策和规划将很难实现预期的目标。因而，权衡这两难的支点在于把握好要素价格体制改革的节奏和完善产业转型升级的政策。

    虽然本文的研究对要素价格上涨是否引致中国制造业技术效率提升进行计量分析，但是，还存在一些局限之处有待于深入研究，比如，设计全面反映要素价格变化的指数，利用其他方法对中国制造业全要素生产率进行测算，进一步考察要素价格上涨对中国不同所有制制造业的影响等。

    注释：
    ①对于生产率和生产效率的定义，有学者曾专门做过讨论。张军、施少华、陈诗一(2003)认为生产率是指生产的产出与所需投入的比值，既包括单要素生产率，又包括全要素生产率。传统经济统计指标一般涉及的生产率指标仅仅是“单要素生产率”，如劳动生产率，资金产值率等；而全要素生产率是指总产出与综合要素投入之比率，这里的综合要素是各种投入要素的某种加权平均，已有文献经常用它及其变动来度量生产率水平和生产率的变化。与生产率不同，魏楚、沈满洪(2007)认为生产效率是指在当前投入的情况下，度量生产达到最大产出水平的程度，包括技术效率、规模效率等。
    ②由于张军，施少华，陈诗一(2003)的文章已经对中国工业的绩效进行比较全面、细致的综述，因而，本文仅对该文以后的研究文献做了比较简短的梳理。
    ③由于工业还包括采掘业部门，但是要素价格上涨影响最大的是制造业部门，并且各省区市采掘业数据在个别年份出现缺失现象，因而本文研究的只是制造业，如不特别交代，下文所说的工业一般就是指制造业。
    ④Timothy J. Coelli et al.(2004)书中介绍的DEA方法估计的效率称为技术效率、“纯”技术效率和规模效率，其中前者等于后两者的乘积。本文使用的DEA方法来源于该书的介绍，并用其计算中国制造业的技术效率(TE)。
    ⑤在考虑资本成本时，有必要区分资本与资金的概念。资金是指流动资产，包括现金、短期债券等；而资本是指专用来投资的资金，可以是实物或抽象的，是比资金更广的概念。通常所说的企业贷款利率是资金成本，它只是资本成本的一部分。本文之所以没考虑资本成本是由于缺少各地区的相关数据，而且各地区面临的利率是基本一致的，使得地区之间的资金贷款成本趋于一致。
    ⑥职工平均实际工资指数=(报告期职工平均工资指数/报告期城镇居民消费价格指数)×100％。职工平均工资指数=报告期职工平均工资/基期职工平均工资。
    ⑦各地区职工平均实际工资指数反映的是各地区所有在岗职工的工资情况，事实上制造业企业对劳动成本的反应更依赖于所有在岗职工人员的工资水平，而不仅仅是制造业职工的工资，当其他行业的工资上涨时，制造业企业总会感受到本行业工资也将上涨的压力，因此用这个指数衡量劳动成本是一种妥当的选择。
 

【参考文献】
    [1]Jefferson, G., T. Rawski, and Y. Zheng. Growth, Efficiency, and Convergence in China's State and Collective Industry[J]. Economic Development and Cultural Change, 1992, 40(2).
    [2]Pol Antras, Hans-Joachim Voth. Factor Prices and Productivity Growth During the British Industrial Revolution[J]. Explorations in Economic History, 2003,(40).
    [3]K. Obeng, R. Sakano. Total Factor Productivity Decomposition, Input Price Inefficiencies, and Public Transit Systems[J]. Transportation Research Part E, 2002, (38).
    [4]Solow, R. Technical Progress, Capital Formation and Economic Growth[J]. American Economic Review, 1962, 52(2).
    [5]Timothy, J. Coelli, et al. An Introduction to Efficiency and Productivity Analysis[M]. London: Cambridge University Press, 2004.
    [6]Farrell, M. J. The Measurement of Productive Efficiency[J]. Journal of the Royal Statistical Society, 1958, 120(3).
    [7]Shephard, R. W. Theory of Cost and Production Function[M]. Princeton: Princeton University Press, 1970.
    [8]Charnes, A., W. W. Cooper, E. Rhodes. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research, 1978, 2(6).
    [9]张军，施少华，陈诗一.中国的工业改革与效率变化[J].经济学(季刊)，2003，3(1).
    [10]魏楚，沈满洪.能源效率与能源生产率[J].数量经济技术经济研究，2007，(9).
    [11]涂正革，肖耿.中国工业增长模式的转变[J].管理世界，2006，(10).
    [12]李廉水，周勇.技术进步能提高能源效率么？来自中国工业部门的实证检验[J].管理世界，2006，(10).
    [13]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[J].数量经济技术经济研究，2008，(4).
    [14]朱钟棣，李小平.中国工业行业资本形成、全要素生产率变动及其趋异化[J].世界经济，2005，(9).
    [15]林青松.改革以来中国工业部门的效率变化及其影响因素分析[J].经济研究，1995，(9).
    [16]王志鹏，李子奈.外资对中国工业企业生产效率的影响研究[J].管理世界，2003，(4).
    [17]吴利学，傅晓霞.集聚经济在中国地区增长的作用[J].中国软科学，2008，(2).
    [18]郑京海，刘小玄，Arne Bigsten.1980—1994期间中国国有企业的效率、技术进步和最佳实践[J].经济学(季刊)，2002，3(4).
    [19]柴志贤，黄祖辉.集聚经济与中国工业生产率的增长[J].数量经济技术经济研究，2008，(2).
    [20]王兵，吴延瑞，颜鹏飞.环境管制与全要素生产增长：APEC的实证研究[J].经济研究，2008，(5).
    [21]杨文举.中国地区工业的动态环境绩效：基于DEA的经验分析[J].数量经济技术经济研究，2009，(6).
    [22]岳书敬，刘富华.环境约束下的经济增长效率及其影响因素[J].数量经济技术经济研究，2009，(5).
    [23]Selin Ozyurt.中国工业的全要素生产率：1952—2005[J].世界经济文汇，2009，(5).
    [24]贺聪，尤瑞章.中国不同所有制工业企业生产效率比较研究[J].数量经济技术经济研究，2008，(8).^