- 政府管制评论(2014年第1期)(总第5期)
- 王俊豪主编
- 3282字
- 2021-03-28 00:14:08
五 煤炭行业全要素生产率的影响因素分析
前文测算并分析了安全规制下煤炭行业技术效率、规制成本、全要素生产率及其成分,有助于理解各地区煤炭行业发展现状以及安全规制问题。为了更好更快地实现煤炭行业发展方式转变、产业结构优化升级以及全要素生产率提高,有必要进一步挖掘哪些因素促进或阻碍了煤炭行业全要素生产率增长,从而趋利避害,为我国煤炭行业下一步改革提供实证依据。
本部分旨在对影响煤炭行业全要素生产率的因素进行实证探讨,由于影响全要素生产率的因素错综复杂,根据数据的可得性,借鉴已有研究成果(如赵萌,2011)并结合自己思考,本文确定以下影响因素指标:(1)地区经济发展水平,使用不变价(2001 =100)的人均GDP(PGDP)表示,同时将其平方项纳入回归方程,探讨人均GDP与全要素生产率之间的非线性关系;(2)要素禀赋结构(YSJG),使用资本—劳动比表示,反映资本深化程度;(3)需求因素,由各地区煤炭消费量表示,反映经济发展对煤炭资源的需求;(4)产权结构(CQJG),使用国有经济煤炭采选业固定资产投资占煤炭采选业投资的比重表示,衡量国有产权占比;(5)竞争程度(JZCD),由煤炭采选业企业单位数表示,反映行业的集中度和竞争程度;(6)滞后一期的安全规制成本(GZCB),根据前文测算得到,衡量安全规制导致的煤炭行业潜在产出损失;(7)规制机构独立性(GZDL),利用虚拟变量表示,虽然负责煤矿安全规制的国家安全生产监督管理局(国家煤矿安全监察局)[27]于2003年升格为国务院的直属机构,但其与地方煤炭行业管理部门之间依然存在着执法交叉、职能重叠的现象,直到2004年国务院颁布“79号文件”,提出“国家监察,地方监管,企业负责”,煤矿安全规制体制才得以理顺。因此,规制机构独立性变量2001—2003年赋值为0,2004—2011年赋值为1。此外,为了考察前期生产率对当期生产率的影响,本文使用动态面板模型,将滞后一期的全要素生产率纳入回归方程。为了减少异方差影响,除CQJG、GZCB和GZDL外,对其余变量进行对数化处理[28]。各变量相关数据来源于《中国工业经济统计年鉴》、《中国能源统计年鉴》以及“中经网统计数据库”。
在确定具体计量模型之前,需要判断模型的个体效应和时间效应。通过Hausman检验确定模型存在固定效应,即各个地区存在不随时间而变的个体效应。引入时间虚拟变量后,其系数均不显著,最终确定模型的误差项中仅包含个体固定效应,本文使用的动态面板数据模型如下所示:
其中,MLk,t-1为被解释变量的一阶滞后项,νk代表个体固定效应,εkt为扰动项。
由于采用数据包络分析方法得到的生产率数据具有序列相关性(Simar and Wilson,2007),结合样本数据为面板数据以及生产率影响因素具有动态变化的特征,Guan和Lansink(2006)建议使用动态面板广义矩估计(GMM)对生产率进行影响因素分析。动态面板GMM估计不仅能够较好地解决数据序列相关问题,而且可以减弱解释变量之间存在的内生性。动态面板GMM估计分为差分GMM和系统GMM,由差分GMM和水平GMM结合得到的系统GMM可以提高估计效率,且具有更好的小样本性质(Roodman,2006);每种GMM估计又分为一步GMM和两步GMM,在小样本中两步GMM估计量的标准差存在向下偏倚(Bond et al.,2001),虽然经过Windmeijer(2005)修正后这种偏倚有所减小,但导致两步GMM估计量的近似渐近分布不可靠,因此,本文选择一步系统GMM进行估计。在具体估计过程中,为了避免工具变量过度识别问题,对模型施加了collapse选项[29]。由于模型存在异方差,使用robust选项进行修正,在工具变量有效性检验中用Hansen检验代替Sargan检验。本文使用STATA11.0软件和“xtabond2”程序得到系统GMM估计结果,如表4所示。
表4 煤炭行业全要素生产率影响因素分析结果
续表
说明:①Pooled OLS和FE分别表示混合回归模型和固定效应模型;②表中数值为各变量系数的估计值,括号内为对应的t值;③***、**、*分别表示变量在1%、5%、15%的水平上显著。
根据表4,Hansen检验的P值为0.270,表明工具变量的选取是有效的。AR(1)和AR(2)对应的P值表明,扰动项的差分存在一阶自相关,但不存在二阶自相关,故接受“扰动项无自相关”的原假设,可以使用系统GMM。F统计量的P值为0,表明模型整体上是显著的。为了进一步验证GMM估计的有效性,根据Bond等(2001),将滞后因变量的GMM估计值与混合OLS以及固定效应的估计值进行比较,混合OLS模型通常高估滞后因变量的系数,而固定效应模型一般低估滞后因变量的系数,若GMM估计值恰好介于二者之间,则表明GMM估计是可靠的。由表4可知,GMM估计值(0.8440)小于混合OLS估计值(0.8837),大于固定效应估计值(0.6600),证明系统GMM估计是有效的,下面对其估计结果进行分析。
一阶滞后的ML生产率指数回归系数显著为正,表明煤炭行业全要素生产率增长具有某种“惯性”,即前一期生产率的积累能够推动下一期生产率加速增长。代表地区经济发展水平的人均GDP与全要素生产率呈负相关,其平方项与生产率正相关,表明经济发展水平与煤炭行业全要素生产率之间呈现出明显的U形关系,这与赵萌(2011)的研究结论一致,拐点约为人均7238.08元(2001年不变价)。上述现象表明,地区经济发展及人均收入水平较低时,地方政府更加注重经济总量增长,财政收入提高以及就业扩大,淡化以人为本的科学发展观;同时,工人更加注重生活温饱和收入稳定,忽视健康安全,从而导致煤炭行业深陷“高消耗、高死亡”的粗放型发展模式,安全生产与经济发展协调度差,不利于生产率的提高。随着经济发展,人均收入水平到达“拐点”以后,政府在保增长的同时更加关注社会稳定,工人的安全意识普遍增强,煤炭行业逐渐走上安全、高效的集约型发展道路,从而促进全要素生产率提高。需求因素估计系数为正但统计上不显著,意味着经济增长对煤炭资源的旺盛需求并未激励煤炭行业提高生产率。长期以来,过度依赖煤炭消耗的经济增长方式使得煤炭需求缺乏弹性,煤炭黄金时期的到来加剧了其供给压力,刚性的需求与飙升的价格使得煤炭行业故步自封,缺乏提高生产率的动力。反映要素禀赋结构的资本—劳动比虽然与生产率正相关,但其影响并不显著,表明煤炭行业机械化程度偏低,很多煤矿依然延续着“人背肩扛”的作业方式,资本深化尚未起到推动煤炭行业生产率增长的作用。由国有化程度衡量的产权结构变量同样未对生产率产生显著影响,表明“国进民退”的产权改革思路无助于煤炭行业提高生产率。事实上,产权结构对生产率的影响方向和程度难以准确衡量,就煤炭行业生产率而言,判断国有私有孰优孰劣依赖于各方面的综合因素。与之相关的是,由企业数量衡量的竞争程度对全要素生产率具有显著的负向作用,表明过于分散的市场结构以及由此产生的过度竞争给煤炭行业生产率造成了负面影响,政府通过兼并重组(主要透过国有煤炭企业进行),可以达到整合煤炭资源,优化产业结构,促进煤炭行业生产率提高的目的。在实施煤企兼并重组提高市场集中度,防止行业内过度竞争的同时应注意“国进民退”作用的有限性[30],防止煤炭行业过度国有化,适当引入“国退民进”的改革机制。
安全规制方面,滞后一期的规制成本对煤炭行业生产率具有显著的负向效应,前一期规制成本越高,实施安全规制所造成的煤炭潜在损失越大,将给煤炭企业传递预期收益下降的信号,容易诱发其产生短视行为。特别是普遍存在的“一刀切式”过度规制,导致被“连坐”的煤企在安全投入上的回报率下降,进行技术改造,增加安全投资等方面的动力随之减弱,从而下一期投资现代化设备设施、引进先进技术、增加研发支出等一系列有利于技术进步的投入也相应减少。根据前文分析,技术进步是煤炭行业全要素生产率增长的源泉,规制成本的提高降低了煤炭企业技术改进、科技创新的积极性,进而阻碍全要素生产率进一步增长。规制机构的独立性虽然对生产率产生负向作用,但其影响微弱,仅在15%水平上通过显著性检验。随着垂直一体化的国家煤矿安全监察局作为第三方规制机构独立行使安全规制职能,规制强度及有效性得到了提高。一方面,由前文分析可知,规制加强难免会对煤炭行业全要素生产率增长形成一定阻力,但其影响相当有限;另一方面,规制机构独立性增强能够有效地降低地方政府与煤炭企业之间形成“政企合谋”的可能性,促进煤炭行业安全水平提高,进而减少矿难发生所引起的煤炭生产中断,从长远来看,有助于煤炭行业安全、高效、健康发展。