计算机前沿技术总结例1

中图分类号：F426文献标识码：A文章编号：1009-2374（2009）08-0003-02

我国高技术产业得到国家的大力支持，发展迅速，对于技术创新的投入不断增加，但技术创新的效率如何还是一个值得研究的问题。为了更好的对我国高技术产业技术创新效率进行研究，本文对已有的研究成果进行综述。

一、技术创新效率的主要评价方法

目前学术界对于技术创新效率的研究主要有两种方法，第一种方法为算术比例法，即用产出与投入的简单比例关系来表示投入产出绝对效率的高低，该方法简单易用，但仅适用于单指标的投入产出效率分析。第二种方法主要基于生产前沿面理论。所谓生产前沿面理论，是指通过分析某一待考察单位与效率前沿单位的偏离程度来衡量待考察单位的效率，其原型始于Farrell（1957）对英国农业生产力进行分析中所提出的数据包络思想。此后该理论不断发展，逐渐形成参数方法（Parametric estimation method）和非参数方法（Non-parametric estimation method）两大分支，两者的最大区别在于与参数方法相比，非参数方法没有参数方法研究中函数形式需要事先假定、参数估计的有效性和合理性需要检验等多方面问题，不去寻求生产前沿面的具体函数形式，而是直接应用观测数据构造出生产可能集上的生产前沿面，并利用生产前沿面进行经济分析。

（一）非参数方法

非参数方法包括数据包络分析法（DEA）和自由处置包方法（FDH）。DEA最初由Charnes、Cooper等人于1978年创立，这种方法以相对有效率概念为基础，根据一组关于输入―输出观察值来估计有效前沿面，并根据各决策单元（DMU）与有效生产前沿面的距离状况，确定各DMU是否有效。DEA模型根据前提假设的不同，分为投入导向法和产出导向法。投入导向法假设厂商为生产一定量的产出而努力实现成本最小化。相反地，产出导向法则假设厂商在给定成本约束下追求产出最大化。Coelli（1996）认为导向方法的不同对结论的影响微不足道。

另外一种非参数方法是自由处置包方法（FDH）。该方法是DEA模型的一个特例，连接DEA前沿各个顶点的线上的点没有被认定为效率前沿。FDH生产可能性集合仅仅由DEA顶点和这些顶点内部的自由排列点组成。由于FDH前沿与DEA前沿一致或者位于DEA前沿内部，所以用FDH方法计算得到的平均效率值通常高于用DEA方法计算的平均效率值（Bruno D Borger 等，1998）。

（二）参数方法

参数方法主要适用于单产出和多投入的相对效率测算，它需要先设定一个投入产出函数，然后将该产出函数的误差项目设计成复合结构（这一结构中包含了衡量投入产出效率的随机项），并根据误差项的分布假设不同，采用相应的技术方法来估计生产函数中的各个参数，从而计算出投入产出效率。其最大优点是通过估计产出函数对投入产出的过程进行了描述，从而使对投入产出的效率估计得到了控制。参数方法大致可以分为随机前沿法（SFA）、厚前沿方法（TFA）、自由分布方法（DFA）等，其中使用最普遍的是SFA，其他两种方法都是这种方法的变形：

1．随机前沿方法（SFA）。Aigner，Lovell和Schmidt（1977）率先提出了效率测度的随机前沿方法，随后被应用到对技术创新效率的评价。SFA通常先估计一个生产函数，其误差项是由无效率项和随机误差项构成的复合结构。正是由于无效率项和随机误差项的分离，从而确保了被估效率有效且一致，而且考虑了随机误差项对个体效率的影响。

2．厚前沿方法（TFA）同样定义了效率前沿的函数形式，但它是利用回归分析来估计生产函数的参数，得到的是一个穿过所有样本观测点“中心”的平均生产函数（Berger and Humphrey，1991）。TFA假定计算得到的效率值对预计的效率值的偏离，如果超出所有观测样本的上下限，则代表随机误差，如果这种偏离在上下限之内，则是由低效率引起的（Rien Wagenvoort & Paoul Schure，1999）。这种方法没对低效率值或随机误差的分布做任何假定，但认为低效率值在上下限之内波动，随机误差在这些区间中。TFA方法本身并没有给出单个决策单元效率点估计值，而试图通过估计最佳与最差效率差异得到效率的一般水平。TFA方法减少了样本数据中极值点对所计算的效率值的影响，这一点与DEA方法是一致的，所不同的是方法中剔除了极值点。

3.自由分布方法（DFA）也定义了效率前沿的函数形式，但以一种不同的方法区分低效率值和随机误差。与SFA不同的是，DFA没有像SFA一样指定低效率项的具体形式和随机误差的分布形式，也没有像TFA假定决策单元组内的方差是随机误差及决策单元组间的方差是低效率的，而是假定各决策单元的技术效率在一段时间内是稳定的，随机误差相互抵消，在一定时期内其均值为零（Berger，1993）。DFA在回归时需要使用时间序列和截面的面板数据，同时对效率水平的估计是一种混合估计。

黄永兴、张国庆（2007）运用参数方法测算了安徽省高技术产业的技术创新效率，罗亚非、焦玉灿（2007）运用DEA的方法对高技术产业中制造业的技术创新效率进行了研究，薛娜、赵曙东（2007）运用DEA的方法对江苏省高技术产业的技术创新效率进行了研究，郑洁、杨昌辉、徐晟（2008）运用SFA的方法对高技术产业中的医药制造业的技术创新效率进行了测算。

二、高技术产业技术创新效率研究的指标选择

技术创新效率研究是技术效率研究的一方面。Koopmans（1951）首先提出技术有效性的概念，认为如果在不增加其他投入（或减少其他产出）的情况下，技术上不可能增加任何产出（或减少任何投入），则该投入产出向量是技术有效的。之后不同的学者给出了技术效率的不同定义，如Debreu（1951）和Shephard（1953）以模型化方法描述多投入－多产出生产单元的技术效率，认为用距离函数测得生产单元与生产前沿面的距离即为技术效率。Farrell（1957）给出较有代表性的定义：技术效率是指在产出规模不变，市场价格不变的条件下，按照既定要素投入比例，生产一定量产品所需的最小成本和实际成本的百分比。国内学者李艳玲，潘杰义，陈h希（2005）把技术创新效率定义为“在技术创新过程中创新投入要素相对于产出能力的利用率，是技术创新能力的发挥和经济效益的重要体现”。技术创新是一个多要素投入和多变量的动态的复杂系统，难以直接衡量，必须通过替代指标间接衡量，学术界对替代指标的选择并无统一认识，一般有以下几种选择：

如薛娜、赵曙东（2007）研究江苏省高技术产业创新效率时选取投入指标为R&D活动人员折合全时当量、R&D经费内部支出、技术改造经费支出、技术引进经费支出、消化吸收经费支出，产出指标选取专利申请数、新产品销售利润。黄永兴、张国庆（2007）研究安徽省高技术产业创新效率时选取科技活动人员数、R&D活动人员折合全时当量、科技活动经费内部支出金额、R&D经费内部支出金额、科技机构个数作为投入指标。选取新产品产值占企业总产值的比例、新产品销售收入占企业总销售收入的比重、人均国内专利申请受理数、单个企业新产品开发项目数量作为产出指标。郑洁、杨昌辉、徐晟（2008）在研究医药制造业技术创新效率时选择R&D人员和R&D经费作为投入指标，选择专利申请量作为产出指标。郑坚、丁云龙（2007）专门论述了高技术产业技术创新效率的评价指标体系，认为高技术产业技术创新过程分为技术产出阶段和技术转化阶段，技术开发阶段的投入指标包括R&D资金投入（包括R&D经费内部支出、新产品开发经费支出、人均R&D经费内部支出、R&D经费内部支出占增加值比重、人均新产品开发经费支出、新产品开发经费支出占增加值比重），R&D人员投入（包括R&D活动人员折合全时当量、科学家和工程师人数、科学家和工程师所占比重），产出指标包括专利申请数、拥有发明专利数；技术转化阶段的投入包括技术投入（专利申请数、拥有发明专利数）、资金投入（购买国内技术经费支出、技术引进经费支出、技术改造经费支出、消化吸收经费支出）、人员投入（科技活动人员、科技活动人员占企业从业人员比重），产出指标包括新产品收益（新产品产值、新产品销售额、新产品出口额）、产品总收益（当年总产值、当年销售总额、当年销售利润）。

三、高技术产业技术创新效率主要影响因素研究

叶蓁，刘志迎（2006）运用随机前沿生产函数分析了行业中科学家和工程师人数占从业人员的比例、R&D经费内部支出占总销售收入的比例、新产品销售收入占总销售收入的比例、大型企业增加值占总增加值的比例、出货值占总产值的比例和时间变量等因素对高技术产业技术创新效率的影响。

吴翠花，万威武，祁敬宇（2005），陈庆杰在分析影响科技型中小企业技术创新效率的因素时认为这些因素可以分为外部因素和内部因素。外部因素主要包括技术分工的高级化和专门化趋势，技术进步的驱动，经济全球化、一体化趋势的增强等；内部因素主要包括管理者的素质，科技人员有充分的自由空间，中小企业R&D投入产出比例，企业内部层级少、组织结构简单等。

黄永兴、张国庆（2007）认为技术创新效率与产业的技术含量有关，技术含量低的产业技术创新效率搞，技术含量高的产业技术创新效率低；

计算机前沿技术总结例2

自第一次工业革命开始，技术进步对就业的影响成为人们关注的焦点和经济学家争论的主题。上世纪七十年代以来，随着应用计量技术的发展以及各类数据库的完善，相关实证研究接踵而至。总结这类文献可知，它们的计量方程均是方程(1)的变形：Ln(Lt) =cLn(A)+aLn(Kt)+bLn(Lt)(1）

其中，A是衡量技术进步的指标，系数c即为技术进步就业效应的实证分析结果，若c大于零，说明技术进步是促进就业的，反之亦反。上述方法尽管应用广泛，却也只是差强人意。首先，生产函数包含的假设前提可能会影响回归系数c的准确性；其次，生产函数的设定是否符合经济体系运行的一般规律；更重要的是，用简单回归的方法计算技术进步就业效应，仅能得出技术进步就业总效应的平均值，无法反应各经济体不同阶段的技术进步就业效应差异，这给我们进一步的研究带来众多的限制与不便。从理论上讲，技术进步对就业的影响是一把“双刃剑”，一方面，技术进步可以降低产品价格，提高产品需求，增加产出，从而增加就业。另一方面，技术进步又能通过提高劳动生产率，减少单位产出所需劳动数量，从而降低就业水平。

基于以上考虑，本文将在随机前沿分析方法的基础上，利用1999―2009年我国33个细分行业的面板数据，建立一个技术进步就业效应的指标体系，计算不同行业在每个时期的技术进步就业创造效应、就业冲击效应及其就业总效应。

二、理论模型与分析方法

（一）技术进步就业效应的分类

按照技术形态和内容的不同，技术进步可分为“过程创新”和“产品创新”两大类。前者即生产者改善或者变革了生产的技术流程，它是企业发展的前提，也是“产品创新”的基础；后者指生产者改善或者创造了新的产品来进一步满足消费者的需要或者开辟新的消费市场，它可以提高企业的利润和竞争优势，也是企业保持发展活力的动力源泉。技术进步就业效应也因此被分解成“产品创新”就业效应和“过程创新”就业效应。

（二）不同类型技术进步就业效应的作用机制

某一行业可以生产新、旧两种商品，新产品记为Y2t，旧产品记为Y1t，t=1或2。并且假设t=1是技术进步之前，整个行业只生产旧产品（即Y21=0）；t=2为技术进步之后，行业可以生产新旧两种产品。此时生产者的生产函数可表示为：Yit=TitF(Kit,Lit)（2）

其中，i=1,2;t=1,2 ，K、L、Y分别表示资本、劳动与产出。T为技术进步的参数，相应的生产成本可表示成如下形式：

C(w1t,w2t,Y1t,Y2t,T1t,T2t)=c(w1t)Y1tT1t+c(w2t)Y2tT2t+F（3）

其中，F为固定成本，c(w)为边际成本，它是要素价格w的函数，根据谢泼引理可得：Lit=cL(wit)YitTit，其中，cL(wit)表示边际成本对工资的导数。从第一时期到第二时期可将就业的变化率分解为两部分：由新产品生产带来的就业变动，以及由旧产品生产变化带来的就业变动，就业量的变化可以近似表示为：ΔLL≈-(T12-T11T11)+(Y12-Y11Y11)+cL(w2)T11Y22cL(w1)T22Y11（4）

如此，就业量的变化率被分解成三个部分：旧产品技术进步带来的就业变化，旧产品产量变化带来的就业变化，以及新产品生产带来的就业变化。前两项可以归入“过程创新”就业效应，最后一项可以归入“产品创新”就业效应。

1.过程创新就业效应作用机制。首先，过程创新使旧产品生产效率得到改善（T12＞Tit），(4)式中-(T12-T11T11)＜0，即旧产品生产效率的提高会对就业量产生促减作用，这是技术进步就业冲击效应。其次，生产效率提高以后，生产者会由于生产成本的降低产生增加产量的动机，如果旧产品产量扩大，即Y12＞Y11，那么对就业量的变化有促增作用，这是技术进步就业创造效应。但是，如果生产效率的降低致使产量降低，这又成为技术进步冲击效应。

2产品创新就业效应作用机制。我们假设新产品和旧产品的边际成本对工资的导数相同，由(4)式可知，新产品生产带来的就业变化取决于新产品生产效率的变化，以及新产品产量的变化。首先，新产品生产得越多，越能促进就业的增加，这是另一种技术进步就业创造效应。其次，若新产品是在生产效率更高的情况下生产的，即T11/T22＜1，这会弱化“产品创新”增加就业的效果。（三）技术进步对就业效应的测度方法

1技术进步对就业创造效应的测度。技术进步就业创造效应主要体现在两个方面：首先，过程创新促使产出扩张进而增加了劳动需求。其次，产品创新因新产品的生产而增加了劳动需求。可以看出，技术进步对就业的创造依赖于产出水平的提高，因此，我们应首先计算出过程创新或产品创新对产出增长的贡献，进而得到过程创新或产品创新带来的产出增量。其次，根据当年单位产出所需劳动数量计算出每部分增量的产出需要多少劳动力，此即为因过程创新或产品创新而创造出的就业量。具体计算方法如下：

第一，产品创新或过程创新衡量指标的选择。众所周知，全要素生产率（TFP）是常用的广义技术进步的衡量指标，用随机前沿的分析方法可以将TFP分解成技术进步、效率的变化、规模经济以及配置效率。涂正革、肖耿［1］证明了要素投入的配置效率、规模经济对全要素生产率的贡献较之前沿技术进步以及效率变化对全要素生产率增长的贡献是微乎其微的，因此，用前沿技术进步和技术效率变化来衡量全要素生产率的变化是无关大局的。鉴于此，本文用前沿技术进步衡量产品创新，用前沿效率水平衡量过程创新。

前沿生产函数示意图第二，测度前沿技术进步与前沿效率水平对产出的贡献。随机前沿的核心思想是认为生产者实际的产出与技术前沿之间会存在一定的距离，且实际产出与潜在产出的关系为：实际产出等于潜在产出乘以效率值η。在上图中，可将这一关系表示为：Y2Y1=Y*2/ηt+1Y*1/ηt=Y*2Y*1×ηtηt+1（5）

从上式中可以看出，相邻两时期的产出之比被分解成潜在产出之比以及技术效率之比的乘积。继而可得如下方程：

ln(Y2Y1)=ln(*2Y*1)+ln(Y*2*2)+ln(Y*1×Y2Y1×Y*2)（6）

如此，经济增长率被分解成三个增长率的和，即投入水平增长率、前沿技术水平增长率以及效率水平增长率。因此，投入的变化对产出的贡献可以表示为ln(*2Y*1)/ln(Y2Y1)，技术水平变化对产出的贡献率可以表示为ln(Y*2*2)/ln(Y2Y1)，效率水平变化对产出的贡献率可以表述为：ln(Y*1×Y2Y1×Y*2)/ln(Y2Y1)。

第三，根据前沿技术水平或前沿效率水平对产出的贡献率计算出他们带来的产出增量，再用这一增量乘以当年单位产出所需劳动力的数量，即求得产品创新或过程创新对就业的创造效应。

2技术进步对就业冲击效应的测度。技术进步对就业的冲击效应主要表现为：过程创新减少了单位产出所需劳动力数量。由(6)式可知，投入水平的变化对产出的影响的贡献率为ln(*2Y*1)/ln(Y2Y1)，可由此得出投入水平引起产出的变化量Ykl，如果劳动生产率没有变化，Ykl所需劳动力数量也不会有变化，如果劳动生产率提高，那么Ykl所需的劳动力数量就会下降。所以，用Ykl乘以单位产出需要劳动力数量的变化，可以得出由于劳动生产率提高而减少的就业量。

三、数据与主要变量说明

（一）数据的选择

本文所使用的中国大中型工业企业面板数据主要摘自历年《中国统计年鉴》、《中国科技统计年鉴》以及《广东工业统计年鉴》。有效选取投入与产出指标是保证准确衡量各行业效率以及技术变化的前提。遗憾的是现有涉及到工业企业研究的相关文献中，投入与产出指标的选择不尽相同，例如谢千里和李小平、朱钟棣［2］等计算工业企业全要素生产率时的产出指标选择“工业总产值”，投入指标选取“资本”、“劳动”以及“中间投入”；涂正革［1］等在研究大中型工业企业技术效率时的产出指标选择“工业增加值”，投入指标选取“劳动”与“资本”；而王欢在研究安徽省工业企业技术效率时产出指标选取“工业总产值”，投入指标只有“资本”和“劳动”。到底哪种投入与产出的组合更为合理呢？由于工业增加值是工业总产值中扣除了中间消耗后的余值，所以，本文认为若以工业增加值为产出指标，相应的投入指标应选择资本、劳动；若以工业总产值为产出指标，相应的投入指标应选择资本、劳动和中间投入。鉴于中间投入指标的选取并未有统一标准，故而本文选择资本和劳动作为投入指标、工业增加值作为产出指标。

（二）数据的处理

1工业增加值。用工业品各行业的出厂价格指数对名义工业增加值进行平减得到实际工业增加值。需要说明的是，2008年和2009年的中国统计年鉴中没有工业增加值这一指标，本文通过历年工业增加值增长率均值来推算我国大中型工业企业2008年和2009年的工业增加值，2004年工业增加值摘自于《广东工业统计年鉴》。

2资本投入的计算。本文参考涂正革等人的做法选取固定资产净值年均余额作为资本投入指标。并依照李小平等人的方法计算历年各行业固定资产净值年均余额的价格指数：pit=wit1×pit1+wit2×pit2（7）

其中，pt1表示行业i在t时期的建筑安装价格指数，本文用建筑业国内生产总值指数代替。pt2表示行业i在t时期的设备价格数，用我国工业各行业出厂价格指数代替。wt1和wt2分别表示固定资产投资中建筑安装工程以及设备器具购置费用所占的份额，需要说明的是，2000年设备器具购置费用份额统计年鉴中并未找到相关数据，本文用2001―2009年设备器具购置份额的加权平均值来代替。继而借鉴夏良科［3］的做法计算资本存量，具体计算方法如下：

Kit＝Kit-1+ΔKit/pit（8）

其中，Kit表示行业i在t时期的资本存量，Kit-1表示行业i在t-1时期的资本存量，ΔKit是行业i相邻两年的固定资产净值年均余额的差分值，用来衡量行业i每年新增投资的名义值，pit是通过公式(7)得到的行业i在时期t的价格指数，ΔKit/pit就是行业i在时期t的实际新增投资。

3劳动投入指标的选取。用各行业历年大中型工业企业的全部从业人员年均人数作为劳动投入指标。1999―2002年统计年鉴中并未直接给出全部从业人员年均人数，根据公式：全员劳动生产率=工业增加值/从业人员年均人数，进而我们用工业增加值除以全员劳动生产率，得出各行业历年全部从业人员年均人数。

四、测量结果

（一）随机前沿生产函数的估计结果用随机前沿分析方法计算TFP及其分解需事先设定生产函数的类型，考虑到超越对数生产函数具有极强的包容性，可以被视为任意形式生产函数的二阶近似泰勒表达式，故而本文初步选择建立我国大中型工业企业的超越对数生产函数。

lnyit=β0+β1lnkit+β2lnlit+β3t+12β4(lnkit)2+β5lnkitlnlit+β6tlnkit+12β7(lnlit)2+β8tlnlit+12β9t2+vit-uit（9）

上式中，包含了随机因素对效率的影响，此方程为BC95模型，［4］若不考虑随机因素对效率的影响，可从上式中剔除Vit，方程(9)简化为BC92模型。［5］尽管没有证据表明对uit做不同的分布假设会影响到效率的排序，但有研究证明不同的分布假设得出的效率值会有所差异。Greene［6］认为uit使用相对简单的分布要比灵活分布好一些。Frontier41软件在对uit的分布选择上只有截断正态分布和半正态分布，故参考Kumbhakar的观点，本文假设uit服从较为简单的半正态分布。

表1报告了随机前沿模型的估计结果，模型(6)是BC92模型的计量结果，模型(1)―(5)是BC95模型的计量结果。参考Stephen Drinkwater and Richard Harris［7］在研究相关问题时对无效变量的选取，本文模型中涉及到的无效变量包括：我国工业企业中的国企个数（enter）、大中型工业企业个数（bus）、有技术开发机构的企业占全部企业比重（org）、技术开发人员占从业人员比重（per）、购买国外技术经费（ffund）、购买国内技术经费（cfund）、资本劳动比（clp）。

数据来源：根据历年《中国统计年鉴》，2004年《广东工业统计年鉴》用Frontier41软件计算而得。比较(1)―(6)模型的计量结果，择其优者做进一步分析。首先，观察各个模型各变量的显著性水平，只有模型(6)各变量均有较高的显著性水平。其次，观察gamma值，模型(1)―(6)的gamma值均有较高的显著性水平，但模型(6)的gamma值更接近于1。综合以上两点得出结论：模型(6)要更胜一筹。一般来讲BC95模型要比BC92模型得出的gamma值要大，因为BC95模型充分考虑了影响效率的外生变量。之所以加上无效变量后本文的gamma值会变低，是由于无效变量的选取未能充分反映出影响效率的外生变量，在前文提到的Stephen Drinkwater and Richard Harris的文献中，分析影响企业效率的无效变量除本文已经选取的资本劳动比等变量外，还包括企业的年龄、企业所在地的人口密度、企业所处的位置（东部、中部或是西部）等，这些变量均可能是影响行业效率的外生变量。另外，还有行业的人力资本存量也是影响效率的重要变量，在研究我国总量生产效率的文章中无一例外的会用到这一变量。遗憾的是，这些变量在大中型工业企业数据库中并未有体现，涂正革等研究大中型企业生产效率时也采用了BC92模型。

尽管如此，我们还不能最终确定是否用模型(6)的结果做进一步的分析。众所周知，随机前沿分析方法受到的最大挑战在于其对全要素生产率的计量结果依赖于所设定的函数形式。有鉴于此，我们要对模型(6)进行假设检验以保证函数形式设定的正确性。检验主要包括四大类：一是要检验使用随机前沿模型的适宜性；二是检验生产函数应当选择简单的柯布―道格拉斯生产函数还是更具包容性的超越对数生产函数；三是检验是否存在前沿技术进步；四是检验技术进步是否为中性。检验结果见表2，证明了模型(6)的设定是合适的，所以，我们在模型(6)的基础上计算我国大中型工业企业的生产效率，以及前沿技术进步对产出的贡献份额。表2假设检验结果

零假设对数似然值1检验统计量λ自由度临界值2结 论[BHDG1*3，FK7*2ZQ*3,K5*2。5F〗不存在无效率项-2600965492251383拒绝

柯布―道格拉斯函数 39335608241328拒绝

无技术进步9881149841328拒绝

希克斯中性技术进步373859982921拒绝注：（1）L(H0)=6737；（2）显著性水平在1％时的临界值；（3）“不存在无效率项”这一假设检验的统计量服从混合卡方分布，对应的临界值摘自Table1, Kodde and Palm, 1986。［8］（二）技术进步就业效应及其分解的测量结果

根据前文介绍的方法，我们可以基于随机前沿的结果分别计算出各行业在各时期历年的技术进步就业创造效应、就业损失效应及其总效应。篇幅有限不能一一列出，主要结论如下：

1我国大中型工业企业各行业（除金属矿采选业外）技术进步总效应均值为正。2000―2009年10年间各行业平均每年的技术进步促进了29万的就业增长量，这期间各行业每年平均就业人数为9342万人，年均就业增长率为649%，年均就业增长量为606万人，也就是说大约有4785%的就业增长是由技术进步带来的，其余的5215%是由投资扩张、制度变化等因素带来的。为了验证本文分析技术进步就业效应方法的可靠性，我们用公式1的模型进行面板数据回归分析，得出系数C是大于零的，与前文分析结果一致。

2煤炭采选业、纺织业、化学原料及制品制造业等效率水平下降速度较快的行业恰好是前沿技术进步速度较快的行业，前沿技术进步水平高而效率下降速度快，表明行业内企业间差距在扩大，即出现了“马太效应”。此时优秀企业有望通过并购和重组实现跨越式扩张，其他企业想谋求发展只能学会插位技巧，寻找并挖掘市场的空白点，提炼出差异化的品牌核心价值，否则，企业会受到生存危机。如果行业内极少数企业推高了生产前沿，其他企业赶超不及造成效率水平下降，若下降幅度较大，那么由于前沿技术进步带来的就业扩张就无法弥补效率水平下降对就业的抑制作用，最终对就业造成不利影响。故而，扶持中小企业避免“马太效应”的出现，对稳定我国经济发展和促进就业都有重要意义。

3我国大中型工业企业的过程创新对就业的冲击效应有递减的趋势，这与我国大中型工业企业技术进步偏倚度递减不无相关。Ferguson［9］提出要素投入之间技术进步差异的测度可以用两种要素投入的边际技术替代率随t的变化率来衡量。所以，在超越对数生产函数中两种要素的技术进步偏倚度可以表示为：Biaslk=βktel-β1kek，其中，βlt和βkt是超越对数生产函数中资本与时间、劳动与时间交互作用的系数值。如果Biaslk大于零，那么随着技术的进步会更加节省使用劳动。反之亦反。通过计算可知，我国大中型工业企业的技术进步偏倚度呈现递减趋势，即技术进步越来越倾向于节省资本。对造成这一现象的原因，或是由于我国工业化进程以来，一方面通过利率优惠等形形的减免补贴来刺激投资，另一方面高储蓄率进一步降低了资金成本，对任何一个理性的投资者来说，投资与否取决于投资成本和收益的对比。尽管一些项目的投资回报可能并不丰厚，但由于投资成本低而导致过度投资，造成了工业企业的资本存量较高。因此，资本的节省或是对当时过度投资的调整。

五、政策建议

技术进步提高了劳动生产率，使大批劳动力脱离了原来的行业进入新兴产业部门或服务部门。如是，为了提高技术进步对就业的吸纳，在前文分析的基础上，我们可得如下政策建议：

1技术进步增加就业都要依托新产品的生产、新行业的产生、新岗位的创造，并且随着技术进步的深化过程逐渐加速，这必然要求劳动者不断更新自身技能。故我国应切实加强教育投入和职业技术培训，并防止教育不平等，以帮助广大劳动者提高自身素质，胜任新岗位的能力要求，防止结构性失业的产生。

2分年份来看，我国大中型工业企业的技术进步就业总效应波动性较大，这或是由于经济结构调整对就业产生了影响。这一影响主要表现为：求职者不能按照自己的意愿找到合适的岗位，而用人单位有时又很难寻找到具有某种特殊技能素质的人才。因此，我国应健全和完善劳动力市场信息网络和服务体系，提高职业搜寻与匹配的效率，减少摩擦性失业的产生。

3技术进步既是发展生产力的必要手段，也是创造就业的根本保障，因此，我国应高度重视技术进步的再次创新，在传统的技术改革中不断细化，创造出更多的新岗位来吸纳更多劳动力。

4重视技术推广，防止行业内企业间出现“马太效应”，这一现象的产生不仅可能抑制技术进步创造就业，而且可能导致垄断，降低社会生产效率，造成社会福利损失。

主要参考文献：［1］涂正革，肖耿．中国工业生产力革命――用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析［J］．经济研究，2005（4）．

［2］ 李小平，朱钟棣．中国工业行业的全要素生产率测算――基于分行业面板数据的研究［J］，管理世界，2005（4）．

［3］夏良科．人力资本与R&D如何影响全要素生产率――基于中国大中型工业企业的经验分析［J］．数量经济技术经济研究，2010（4）．

［4］Battese and Colli, Frontier Production Function , Technical Efficiency and Panel Daza: With Applcation to Paddy Farmers in India ［J］, Journal of productivity Analysis, 1992(3).

［5］Battese and Colli, A model of Technical Efficiency Effects in Stochstic Frontier Productions for Pnel Data ［J］, Empirical Economics, 1995(20).

［6］Greene, W, H, A Gamma-Distributed Stochstic Frontier Model［J］, Journal of Econometrecs, 1990(5).

［7］Stephen Drinkwater and Richard Harris, Frontier 41: A Computer Program for Stochastic Frontier Production and Cost Function Estimation［M］, The Economic Journal, Vol 109, No 456, Features ,Jun,1999.

［8］Kodde, D A ,F C Palm , Wald Criteria for Jointly Testing Equality and Inequality Restrictions［J］, Econometrics , 54.

计算机前沿技术总结例3

一、引 言

改革开放以来，中国农业生产获得了迅猛发展，农业产值从1980年的1 922.61亿元增加到2012年的10 844.74亿元（按1980年不变价格）。在农业产出增加464.15%的同时，农业生产的两个重要投入要素播种面积和农业劳动分别增加11.64%和-11.56%。在投入要素增长有限的条件下（农业劳动甚至出现负增长），技术进步成为解释农业产出增长的最主要源泉。此外，对中国这样一个农业人口比重大的国家而言，农业技术进步还有利于促进农村劳动力向非农产业转移，从而提高农民收入，并进一步提高对农业的投资水平，促进农业经济增长，形成良性循环[1]。因此，合理解释不同时期农业技术进步和技术效率提高的主要途径和作用机制，对于促进农业可持续发展、增加农民收入以及减缓城乡收入分配差距等具有重要现实意义。

从现有研究来看，中国尤其是实行家庭联产承包责任制之后的农业全要素生产率增长得到了学者的广泛关注，并认为在20世纪80年代初期，土地制度创新带来的农业TFP的提高解释了农业产出快速增长的绝大部分[2-3]。而制度因素的作用会随时间推移逐渐减弱，在此之后，关于中国农业TFP的研究则关注于制度以外的增长来源。其中，部分研究关注技术进步和技术效率的测度，如Yao 等[4]基于中国30个省的农业面板数据，采用随机前沿生产函数分析粮食生产的技术效率。Jin等[5]对中国1985―2004年23种农产品的全要素生产率进行了分解和比较分析。钱良信[6]对1978―2008年中部6省农业技术效率变化进行研究，发现样本期间内中部地区的平均技术效率为0.46，总体上处于较低水平。另一部分文献则关注技术进步和技术效率变化的影响因素，如石慧等[7]利用省际面板数据实证研究1985―2005年中国地区间农业生产绩效的动态表现，发现生产要素流动是农业TFP波动的首要推动力。Ito[8]利用SCD生产函数对中国农业BC和M技术进步率变动的影响因素进行实证分析。方鸿[9]运用面板数据的随机效应Tobit模型实证研究地区农业技术效率的影响因素，发现农村劳动力受教育程度的提高与农业科技力量的加强对技术效率的改善具有正效应。陈飞[10]基于农业生产技术的功能性特征及随机前沿理论，对影响中国粮食生产技术效率变化的各类因素进行理论分析和实证检验。此外，少数学者考虑到生产决策单元（DMU）可能会面对不同的生产可能性边界，如Tian和Yu[11]利用Battese 等[12]提出的共同边界生产函数（Meta-Frontier Production Function），在对全要素增长率测算的基础上，对目前中国生产率增长研究中存在的争论问题给出解释。杜文杰[13]采用时不变面板随机前沿模型，考虑地区间的生产技术差异性，测算不同阶段的农业技术效率。梁流涛和耿鹏旭[14]在方向性距离函数和共同边界框架下，测度了中国31个省（市）农业生产的共同边界效率、群组边界效率以及达到整体理性最佳农业技术效率的追赶程度。

上述文献对于分析中国农业技术进步特征具有重要的理论价值和借鉴意义。但在多数研究使用的随机前沿生产函数中，存在的主要问题是不同耕地规模使用的前沿生产技术可能不同，因为农场式的规模经营允许大范围使用现代农业机械并降低单位产量的平均成本，而耕地规模过小或过于分散使得大型机械设备无法投入使用。这使得研究者不能确定较大耕地规模的高农业产出是由于使用了先进的生产技术，还是在同样的技术水平下仅仅是更有效地利用了投入要素。共同边界分析方法虽然能够考虑到，当耕地规模不同时生产决策单元将对应不同的技术前沿面，但该方法面对的一个关键问题是如何将所有样本合理地划分为k个子群组，这在实证研究中是一个挑战。而门限面板随机前沿模型能够有效地解决这一问题。因此，为解决由耕地规模差异造成的前沿生产技术的异质性问题，本文采用门限面板随机前沿模型分析中国农业前沿技术和技术效率的变动机制。

本文的第二部分介绍耕地规模与农业生产技术采用的理论关系；第三部分构建基于门限面板模型测度技术进步和技术效率的随机前沿框架，包括门限面板模型估计、门限效应检验、门限值及其置信区间估计；第四部分利用2001―2012年我国20个主要农业省份275个地级市样本数据，实证研究耕地规模影响农业生产技术采用的门限效应及作用机制；第五部分给出了基于门限面板模型测算的农业技术效率汇总结果；最后给出结论与政策建议。

二、耕地规模与农业生产技术采用的理论联系

以家庭联产承包责任制为中心的土地产权制度是由其行为主体为改变土地低效配置、获取潜在的组织效率而引发的自下而上的制度变迁，其优势在于以户为单位的生产组织方式实现了利益主体细化，避免了集体劳动监督成本，发挥了个体农户精耕细作优势和生产积极性，从而产生巨大的制度绩效。但受到土地资源限制，家庭联产承包责任制不可避免会导致单个农户所拥有的耕地规模呈现小型化和细碎化特征。当前，世界农业已经逐渐向机械化、技术化和市场化的现代农业发展，而中国小规模农业种植方式远远落后于世界发达国家水平，严重制约了中国农业生产力水平的进一步提高，如何调整农业生产规模、提高农产品单位产量已成为农业发展的重中之重。

农业适度规模是指在一定的生产技术水平下，农业生产投入要素（土地、劳动力和机械等）之间实现最佳配置，从而保证各投入要素的产出效率或者整体经济效益达到最大的生产经营规模。在理论上，不同投入要素之间具有替代关系，生产者可以根据要素的相对价格和资源优势来选择要素投入数量。但由于土地是农业生产中的最稀缺资源，其他要素投入需要与土地相匹配，因此，农户所拥有的土地数量决定其农业生产规模。图1显示了在一定生产技术水平下耕地规模与农业产出间的理论关系，其中，横轴S表示耕地面积，纵轴Q表示农业产出，TP为总产出曲线，AP为平均产出曲线，MP为边际产出曲线。当耕地面积小于S1时，农业生产的机械技术效率、规模报酬收益和资源配置效率均受到限制，因此，在此阶段扩大土地规模能够有效提升农业产出（产出沿曲线OA变动）。当耕地面积处于S1处，边际产出曲线MP交于平均产出曲线AP的最高点A*，此时平均产出最大，即投入要素的产出效率最高。当耕地面积为S2时，边际产出曲线MP与横轴相交于点B*，此时总产出达到最大值，即整体经济效益最高，理性农户会根据生产决策目标（最大化要素产出效率或者是整体经济效益），在区间[S1， S2]内决定土地投入。区间[S1， S2]称为一定生产技术下的农业适度规模。当耕地面积大于S2时，总产出、平均产出和边际产出均处于下降阶段，资源配置无效率。农业适度规模并不是一成不变的，随着科技水平的发展，各种要素投入量均会发生变化，农业适度规模也在不断变化。假设某生产者采用的农业生产技术用曲线TP表示，其拥有的耕地面积为S3，处于资源配置无效率状态。此时，该生产者的理性选择或者是出租土地（当土地流转市场不完善时也会出现土地撂荒情况），或者是采用由曲线TP*所表示的更为先进的农业生产技术进行生产，从而实现其收益最大化。可见，对于拥有不同耕地规模的生产者，不仅可能存在着技术效率差异，而且生产者所采用的技术前沿面也可能存在显著不同。

三、门限面板模型的随机前沿分析框架

由于技术效率估计依赖于一个同质生产函数定义的技术前沿面，而我们无法确定不同耕地规模的农业全要素生产率差异是由技术前沿面不同还是由技术效率差异所导致的。门限面板模型是解决这一问题的有效方法。本文构建一个包含多个门限值的固定效应面板数据模型，基于格点搜索方法估计门限参数，并利用Hansen[15]提出的自助程序法和LR统计量检验门限效应的存在性。下面仅以存在两种前沿生产技术（对应一个门限值）为例，介绍门限面板随机前沿模型：

3.门限参数的置信区间

在门限效应存在的情况下，对门限参数提供一个置信集是非常有用的，因为这将增强结果的解释能力。然而，由于门限参数估计值的渐进分布是高度非标准的，导致对于有限样本，基于t统计量的置信集并不可靠。Hansen[18]提出了基于反转似然比检验的参数γ的置信集估计，考虑在零假设H0（γ0）：γ=γ0下的检验，γ0是γ定义域内的任意给定值。定义LR统计量为：

LRF（γ0）=（SF（γ0）-SF（F））/2vF（13）

统计量LRF（γ0）的渐进分布为F（x）=（1-exp（-x/2））2，在显著水平α（0

CS（γ；α）={γ0：LRF（γ0）≤c（α）}（14）

单一门限面板模型的参数估计和检验过程可以很容易推广到多个门限的情况，其基本思路为：在门限参数γ的定义域内，首先按由小到大次序搜索第一个门限值，其次对定义域内大于第一个门限值的参数γ的子集，继续按由小到大次序搜索第二个门限值，继续此过程，直到检验不再存在门限值为止。详细内容不再累述，证明参见Hansen[15]的文献。

四、农业前沿生产技术采用的门限效应

由于耕地规模会影响到农业生产技术采用，假设所有生产决策单元面对相同的生产可能性边界将导致模型设定误差[11]。因此，在经验研究中，利用实际数据检验耕地规模门限效应的存在性，并基于不同技术前沿面测算技术效率更具合理性。

1.变量选择及数据描述

为检验农业生产技术采用的门限效应，考虑到不同省份农业的相对重要性及数据可获得性，本文选取2001―2012年20个主要农业省份（分别为江苏、浙江、广东、辽宁、福建、山东、河北、吉林、湖北、湖南、河南、江西、内蒙古、陕西、黑龙江、山西、新疆、四川、安徽和广西。）275个地级市样本作为研究对象，数据集中共包括3 300个观测值。产出变量为农业增加值Y（亿元），用农产品收购价格指数（2012年=100）对其进行平减从而消除价格因素影响；投入变量包括农作物播种面积S（万公顷）、农业从业人员数L（万人）、农用机械总动力K（万千瓦）和化肥施用量V（按折纯量计算，万吨），有效灌溉率x被用作控制变量，选择劳均耕地面积S（亩/人）作为衡量耕地规模的门限变量，数据来源于各省相应年份的《统计年鉴》。表1给出各变量的描述性统计分析结果。

农业生产受耕地面积、自然资源、气候条件和生产投入等诸多因素影响，其中，耕地面积是影响地区农业发展的最关键要素。然而，由于中国地级市领土划分主要依据于历史继承和行政管理的需要，致使不同地区的耕地面积差别很大。表1中的数据显示，最大播种面积为228.75万公顷（黑龙江齐齐哈尔），最小的仅为0.45万公顷（湖北神农架）。自改革开放以来，中国一直实行以户为生产单位的农业土地制度，农村家庭所拥有的耕地面积是由其所在村庄的耕地总面积按家庭人口数平均分配得到，这导致不同地区农户的生产规模亦存在巨大差异。其中，劳均耕地面积最大的为137.51亩/人（黑龙江大兴安岭），而最小的仅为0.59亩/人（四川南充）。由于中国存在大量的农业劳动力，导致劳均耕地面积远小于世界发达国家，且其分布呈现出明显的左偏特征，除少部分地区耕地资源较为富裕外，大多数地区家庭耕地规模偏小，2012年劳均耕地面积3亩以下的占30.35%，劳均耕地面积3―9亩的占53.04%。不同的农业生产规模不仅导致要素投入和产出存在巨大差异，而且也会间接影响农户的生产技术采用决策。

2.门限效应检验与模型设定

本文利用柯布-道格拉斯生产函数构建门限面板模型。考虑到在现实农业生产中化肥施用量对耕地规模的依赖性较弱，因此，设定播种面积、劳动力和机械总动力三种投入要素为自变量，农田灌溉为控制变量。另外，门限面板模型形式的具体设定还依赖于门限值的个数，基于从一般到特殊的原则，首先，估计包含三个门限参数的门限面板模型（由于该模型与下文给出的两门限面板模型形式类似，这里不再给出该模型具体形式），以及式（9）给出的不具有门限效应的面板模型。其次，利用式（10）计算各门限参数对应的似然比（LR）统计量。最后，基于式（11）定义的自助抽样法过程和式（12）定义的p值计算公式确定LR统计量临界值，重复抽样次数B=500。门限效应检验结果如表2所示。

表2的最后三列分别给出了在10%、5%和1%的显著水平上利用自助抽样法获得的LR统计量的临界值，第二列为利用实际数据计算的似然比（LR）统计量值，第三列为各LR统计量对应的自助p值。表2中的结果表明，对于第一个和第二个门限值，在5%的显著水平上拒绝原假设H0：不存在门限效应；对于第三个门限值无法拒绝

原假设，即不存在第三个门限值。本文基于两门限面板模型（即整个样本集合中存在拒绝原假设，即不存在第三个门限值）。因此，本文基于两门限面板模型（即整个样本集合中存在三种不同的生产技术前沿面）来测度农业技术效率，模型的具体形式由式（15）给出：

lnYit=α+βVlnVit+（βS1lnSit+βL1lnLit+βK1lnKit+βx1xit）I（sit≤γ1）+（βS2lnSit+βL2lnLit+βK2lnKit+βx2xit）I（γ1γ2）-ui+vit（15）

其中，i=1， 2， …， N表示个体；t=1， 2， …， T表示时间；Yit为农业增加值，Sit为播种面积；Lit为农业从业人员数，Kit为农用机械总动力，Vit为化肥施用量，xit为有效灌溉率，劳均耕地面积sit为门限变量。参数βSj、βLj、βKj和βxj，j=1， 2， 3，分别为不同模式下的投入要素产出弹性，其他相关说明与式（1）相同，这里不再赘述。

3.门限面板模型参数估计

本文利用2001―2012年中国20个主要农业省份275个地级市的农业面板数据，使用格点搜索方法，基于式（5）和式（6）估计模型（15）中的参数β，基于式（7）和式（14）估计门限参数γ及其95%水平上的置信区间。由于样本量较大NT=3 300，在整个定义域内优化搜索门限参数γ对运算过程有很大限制，本文在这里采用一种简化但对结果几乎没有影响的搜索方法，可以大幅减少搜索执行回归分析的数量。对门限参数的搜索仅限于劳均耕地面积sit的特定分位数，实证中使用的网格{1.00%， 1.25%， 1.50%， 1.75%， 2.00%， …， 99.00%}共包括393个分位数。使用Matlab程序估计模型参数，计算结果如表3所示。

表3中的结果显示，第一个门限参数值为4.76，第二个门限参数值为10.54，两参数值均在1%的水平上统计显著，两个门限参数将柯布-道格拉斯生产函数的影响机制区分为三种情况。上述结论符合经济学直观，当一个劳动力需要耕种的土地面积较小时（小于4.76亩），由于其可以通过传统方式来完成生产，出于降低投入成本角度考虑，他将选择减少农用机械投资的决策（当耕地过于细碎时，使用大型农用机械也是不可行的）；而单个劳动力耕种土地面积较大时（大于10.54亩），通过传统方式来完成生产已经不再现实，且规模化生产诱使农民对投入回报具有较高预期，其有必要也有动力采用更为先进的农业生产技术。化肥施用量对产出的影响作用与门限变量无关，影响系数为0.22，且统计显著，这与理论预期相一致。农作物播种面积、农业从业人员数、农用机械总动力和有效灌溉率对产出的影响作用被门限

变量区分为三种机制。其中，农作物播种面积在三种不同机制下对产出影响均显著为正，表明对于三种区制，农业生产在各自的技术前沿面下均未达到土地投入的最优点，因此，增加土地要素投入有助于提高产出。当4.7610.54时影响系数最小为0.48。对于拥有中等耕地规模的农户而言，已经具备使用先进生产技术的自然条件，但生产规模相对不足限制了农民的增收能力，需要根据预期的收支情况有选择性地增加技术投入。因此，当其有条件扩大生产规模时，将同时产生资源配置优化效应和技术扩张效应，有利于促进产出增长。当农户拥有的耕地规模较小时（sit≤4.76），传统农业生产方式要求耕地投入增加与劳动投入增加相匹配，否则将造成耕地的粗放式经营。而此类农户的农业收入已不再是家庭收入的主要来源，农民更愿意将劳动投入到回报率更高的非农活动中，从而导致土地的回报率下降。当农户拥有的耕地规模较大时（sit>10.54），土地已不再是制约农业生产发展的瓶颈，土地的产出效应更多取决于各种资源的配置效率，而这恰好是中国从传统农业向现代农业过渡过程中急需解决的一个关键问题。大规模农业生产的资源配置无效率是导致土地产出弹性偏低的主要原因。在三种机制下，农业从业人员数增加对产出具有负向影响（或者不显著），表明中国农村劳动力过剩情况仍较为严重。统计资料显示，2012年中国人均耕地面积仅为0.53公顷，日本为2.64公顷，美国为63.82公顷，加拿大为132.36公顷，数据来源于2013年《中国农村统计年鉴》。耕地资源短缺将是长期抑制中国农业发展的最主要因素。农用机械总动力在三种机制下的作用效果差别较大，对于大、中等耕地规模的农业生产情况，机械资本投入能够显著促进产出增加，且有Sit>10.54时的资本产出弹性（0.33）要大于4.76

进一步，本文利用估计的门限值对样本城市分类，表4中给出了2001―2012年样本中国275个地级市劳均耕地面积变动的统计分析结果。从表4可以看出，对于情形Ⅰ，地级市数量虽然在总体上呈现出略微减小的规律但波动特征也较为突出；对于情形Ⅱ，地级市数量下降的趋势非常明显，在整个样本区间内城市数量共减少53个；对于情形Ⅲ，地级市数量从2001年的65个增加到2012年的131个，整体农业生产规模不断扩大已是不争的事实。2000年以来，随着工业化、城镇化进程加快，大量农业劳动力为获取更高的要素回报开始向二三产业部门流动，部分农村家庭由于缺少劳动力导致了土地的粗放经营甚至撂荒现象，这是劳均耕地面积增加的一个原因。同时，在中国耕地资源总体趋紧的大前提下，农民基于理性考虑会选择租赁方式来重新配置土地，种粮和养殖大户为追求规模效益和提高生产效率向其他农户承租土地，这是导致劳均耕地面积增加的另一个原因。近年来，中国政府一直在大力倡导土地流转以提高土地利用效率，各地区纷纷出台相关的土地政策和措施，并对土地流转进行经济补贴，各地区的土地流转速度明显加快，一些地区较大规模的农业生产模式正逐步形成，为先进生产技术采用提供了条件。

五、农业技术效率测算结果的汇总分析

本文利用表3中的门限面板模型的参数估计结果以及式（8）计算不同耕地规模情况下的农业技术前沿（经过标准化处理）和技术效率，汇总结果如表5所示。另外，在表5的最后一列还给出了利用线性面板模型测算的技术效率汇总结果，用来对比分析基于不同技术前沿假设和基于单一技术前沿假设下，测算的技术效率结果的差异特征。

表5中的统计结果显示，情形Ⅰ、情形Ⅱ和情形Ⅲ的技术前沿面分别为0.56、0.91和1.00，越大的劳均耕地面积对应于越高的技术前沿水平，上述结论与本文的理论预期相一致。情形Ⅰ的技术前沿水平要远低于情形Ⅱ和情形Ⅲ，表明耕地规模过小确实对农户采用先进生产技术具有明显的抑制作用。21世纪以来，随着非农收入占农村家庭收入比重的大幅提升，农户（尤其是耕地规模偏小的农村家庭）将更多的精力投入到非农生产经营活动中，这一方面有利于农民增收，但另一方面，由于中国土地流转市场还有待完善，农民很难将自己承包的土地流转出去，使得农村“半工半耕”、“男工女耕”的农户兼业化现象较为普遍。兼业生产在某种程度上阻碍了农业发展，削弱了农民对生产投资和先进生产技术采用的积极性。规模化生产有助于促进前沿技术采用，但相比较而言，情形Ⅲ的技术前沿水平仅略高于情形Ⅱ，表明与更大规模（情形Ⅲ）农业生产相匹配的技术采用情况并不理想，主要原因在于中国粮食生产的比较收益长期偏低，为降低成本并减少风险，农民对投资量大、见效时限长且预期收益不确定的现代农业技术采用的动力不足。

比较门限面板模型在三种情形下测算的技术效率，我们发现小规模农业生产（情形Ⅰ）的技术效率均值（0.93）最大，且分布较为集中（极差为0.13），这一结果与中国农业现实并不违背，家庭联产承包责任制实行以来，小农生产方式经过多年发展，在小规模耕地上的技术应用基本上已经成熟，接近技术前沿水平，进一步提升的潜力相对较小。大规模农业生产（情形Ⅲ）的技术效率均值（0.77）最小，且分布的离散程度更高（极差为0.45）。目前，中国正处于由传统农业向现代农业转变的过渡时期，适用于大规模农业生产的先进技术的普及与应用急需政府支持，此外，大量农村中受教育程度较高的中青年劳动力向城市迁移，使得生产中的管理问题较为突出。而各地区间经济发展水平的不均衡以及地方政府对农业的重视程度不同会导致地区间农业投入和技术应用的巨大差异，经济欠发达地区农业技术采用受到诸多限制，对整体技术效率提升具有负向贡献，是造成大规模农业生产技术效率偏低的主要原因。进一步，考察三种情形下的全要素生产率（定义为技术前沿面与技术效率的乘积），其值分别为0.52、0.73和0.77，这表明尽管大规模农业生产的技术效率偏低，但由于采用了更为先进的前沿技术，导致其对农业产出的正向促进作用更强并且具有更大的提升空间。表5的最后一列给出了利用线性面板模型计算的技术效率结果，其技术效率均值（0.51）要远小于门限面板模型的测算结果，且分布的离散程度也最高（极差为0.73）。出现这一结果并不意外，因为线性面板模型假设不同耕地规模对应相同的技术前沿面，而对于具有低的技术前沿面的个体而言，这一错误设定使得测算的技术无效率项中不仅包含效率损失，还包含了两个技术前沿面间的技术差距。

六、结论与政策建议

测算农业生产技术效率时，在横截面或者面板数据集中耕地规模的异质性已成为影响估计结果准确程度的一个主要问题。笔者通过构建门限面板随机前沿分析框架来解决这一问题，统计推断方法是由Hansen[15]提出的，该方法允许有多个门限值存在。影响门限效应检验的主要问题是门限参数在零假设下没有定义，笔者利用自助法来模拟似然比检验统计量的非标准分布，并基于检验反转方法确定门限参数的置信区间。

利用2001―2012年中国20个主要农业省份的275个地级市样本数据估计固定效应门限面板模型，发现门限效应确实存在，两个门限值（4.76和10.54）将农业生产规模区分为三种情况。对比分析结果显示：第一，化肥施用量、灌溉率和播种面积等要素投入对产出具有显著的正向影响，而劳动力要素对产出具有负向影响，资本要素对小规模农业生产的作用不显著，但对中、大等规模农业生产具有正向作用，且耕地规模越大作用效果越显著。第二，总的来看，各地区的农业生产规模均呈现出不断扩大的变动趋势，劳均耕地面积大于10.54亩的地级市个数从2001年的65个增加到2012年的131个。第三，越大的耕地规模对应于越高的技术前沿面，但同时也具有更多的技术效率损失。在整个样本期间，农业生产规模不断扩大，而与之相适应的现代生产技术和管理手段还不完善，因此，造成技术效率损失是在所难免的。但总的来说，耕地规模越大则农业TFP对产出的拉动作用越强。第四，基于线性面板模型测算的技术效率要远远小于门限面板模型，这是由线性面板模型设定所有地区的技术前沿面均相同所导致的。

为扩大农业生产规模，促进前沿技术进步和技术效率提高，进而实现农民增收和粮食增产，结合本文的研究结论，基于此笔者给出如下政策建议：

1.促进农村土地承包经营权流转，建立以家庭农场为生产单元的现代农业模式

通过土地流转改善农业生产结构，促使承租土地农户实现规模化经营，采用先进的农业技术和科学管理手段，从而提高种粮收益和国际市场竞争力。为此，政府应该实施和完善以下内容：第一，规范土地流转市场，建立与土地流转相关的评估、咨询和公证机构，为土地供求双方提供信息服务，降低土地流转成本。第二，为吸引更多农民进入流转，财政应该对流出土地的农户进行补贴，相当于国家承担了一部分地租，从而增加土地流转供给。第三，健全和完善农村金融体系，鼓励土地流转与金融领域改革相结合，为农户实现土地流转提供资金支持。

2.在促进农业技术推广的基础上，着力于提升农民的劳动技能和管理能力

计算机前沿技术总结例4

中图分类号：F0615文献标识码：A文章编号：1001-148X（2017）04-0154-07

能源短缺和环境污染已成为世界关注的焦点，大力推进节能减排，发展绿色经济成为全球新的趋势。2015年《BP世界能源统计年鉴》数据显示，2014年中国仍然是世界上最大的能源消费市场和最大的碳排放量国家。我国十二五规划提出，到2015年单位国内生产总值能源消耗降低16%，SO2和COD排放减少8%，CO2减少17%；十三五规划也明确提出，要大幅度提高能源资源开发利用效率，有效控制能源、水资源以及建设用地消耗，大幅度减少主要污染物排放总量，并逐步降低二氧化碳排放量。提高能源利用效率、加快能源结构转变是未来实现经济社会绿色发展的必然选择。

一、文献综述

数据包络分析（DEA）由于能够提供全要素能源效率指标，因此被广泛运用到能源效率分析。然而，许多文献[1-2]都是基于径向效率测度方法，由于忽略了松弛变量，导致估计出来的能源效率值过高[3]。为了克服这个问题，Tone（2001）[4]在DEA中引入基于松弛变量的测度方法（ Slacks Based Measure，SBM）测度技术效率，这种方法具有非径向、非导向的特点。Zhou et al.（2006）[5]将非期望产出纳入到SBM模型对环境效率进行测算。最近的一些文献都采用SBM方法测度中国的生态全要素能源效率和碳生产率[6-7]。

尽管相关研究在技术上取得了很大的进步，但仍存在一个最基本的限制，就是都没有考虑到不同地区之间的生产技术存在区域异质性，因此测度出来的能源效率值是有偏的[8]。我国地域辽阔，经济发展不均衡，工业发展差异较大，因此不同省份之间存在生产技术上的差距。因此，假设所有的省份都具有相同的生产技术，相对过于严格。而“共同前沿方法”可以克服这些限制，一些研究已经将共同前沿方法纳入到方向性距离函数（DDF）框架里面[9-10]。本文在已有研究的基础上将SBM和共同前沿方法相结合测度考虑地区异质性的中国工业生态全要素能源效率。

二、研究方法

（一）非期望产出的SBM模型

本文将每一个省的工业行业视为生产决策单元（DMU），由此构造中国30个省市每一个时期的生产前沿面。根据Fre等（2007）[11]的思路，假设每一个地区使用投入要素

。

根据Tone Cooper 等（2001）[12]提出的SBM处理方法，中国生态全要素能源效率测度的SBM模型如下：

b0表示投入、期望产出和非期望产出要素；ρ*为目标函数；λ表示投入要素权重的列向量；s-、sg、sb分别表示各项投入、期望产出和非期望产出指标的松弛向量；m、s1、s2分别为投入、期望产出和非期望产出的个数。当投入和产出约束越松弛，即s-、sg、sb的值越大，则决策单元的效率值就越低。当s-=0、sg=0、sb=0时，决策单元的效率值ρ*=1，表示决策单元SBM有效，处在最优解情况下。否则决策单元无效，还可以通过改进，达到最优效率。

（二）Meta-frontier 生产函数

由于我国不同省域之间存在异质性，因此各地区面对的生产前沿也必然存在一定的差异。此时，如果继续使用总体样本进行工业生态全要素能源效率的评价，将无法真实反映各省区的工业生态全要素能源效率。针对这一现象，Battese等（2004）[13]提出共同边界生产函数（ Meta-frontier Production Function） 的分析框架，其主要思想是：首先依据一定标准将DMU划分为不同的群组，然后采用随机前沿分析方法（SFA）界定所有DMU的共同前沿和各组DMU的群组前沿，测算出共同前沿技术效率和群组前沿技术效率，接着比较两者之间的技术缺口率（Technology Gap Ratio，TGR）。

后来，Battese等（2004）[13]、O’Donnell等（2008）[14]进行了改进，用DEA方法取代了随机前沿分析方法（SFA），并采用线性规划法构建了共同前沿和群组前沿，并将共同前沿技术效率分解成群组前沿技术效率（Group Technical Efficiency，GTE）和共同技术比率（Meta-technology Ratio，MTR）两者的乘积。包含了非期望产出的共同前沿技术的集合为：

能够生产出

其中，x、yg、yb分别表示投入向量、期望产出向量和非期望产出向量。与之相对应的生产可能性集定义为：

根据经典效率理论，此时共同技术效率等价于共同距离函数，其函数形式可以表示为：

同理，根据国家统计局网站划分，将我国划分为东、中、西三个群组（i=1，2，3），DMU所在的群组技术集合为：

能够生产出 群组所对应的可能性生产集为：

等价于群组技术效率（Group Technical Efficiency） 的群组距离函数为：

由于共同前沿技术是群组前沿技术的包络曲线，满足 共同前沿框架下的共同技术比率（MTR），也叫做技术缺口率（TGR），反映的是群组前沿跟共同前沿技术水平之间的差距。共同技术比率（MTR）越大，说明群组前沿技术越接近共同前沿技术水平，即实际生产技术效率（水平）越高。反之，则说明实际生产技术效率（水平）越低。其表达式如下：

进一步可将代表潜在生产技术水平的共同技术效率（MTE）分解成代表实际生产技术水平的群组技术（GTE）和共同技术比率（MTR）两者之间的乘积：

为了分析不同地区生态能源效率差异的内在原因，进一步挖掘各地区生态能源效率提升潜力，借鉴Chiu（2012）的做法，将各省份共同前沿下的生态全要素能源利用无效率（IE）分解为技术差距无效率（TIE）和管理无效率（MIE）两个部分。

其中，TIE代表的是不同省份之间由于生产技术上的差异所导致的无效率，MIE表示的是一个地区在一定的技术水平下内部管理能力差异导致的无效率。

（三）指标选取与数据来源

按照上述理论方法，考虑到数据的完整性和可获得性，本文选取剔除以及港澳台地区以外的中国大陆地区30个省市工业部门2004-2014年包含了生产要素投入、期望产出和非期望产出的原始数据。数据来源主要有历年的《中国工业经济统计年鉴》、EPS数据库以及国泰安金融数据库。相关数据的处理如下：

1. 期望产出。考虑到污染排放总是贯穿于工业生产的全过程，因此本文选取工业总产值作为期望产出，并用以2004年为基期的工业品出厂价格指数进行平减。由于从2013年开始，《中国工业经济统计年鉴》改为《中国工业统计年鉴》，不再公布工业总产值的数据， 因此分别利用2012、2013、2014年与2011年“工业销售产值”的比重计算。

2. 非期望产出。本文选取CO2、工业SO2和工业COD排放量作为非期望产出。（1）由于CO2排放主要来自化石能源燃烧和水泥生产。因此本文根据IPCC（2006）和杜立民（2010）的计算方法对CO2排放量进行了测算。（2）工业SO2和COD排放量从EPS数据库可以直接获取。

3. 要素投入。本文要素投入主要考虑资本、劳动和能源投入。资本投入：首先采用固定资产投资原值减去累计折旧的差值，再以2004年为基期的固定资产投资价格指数对差值进行平减，最终得到工业部门固定资产投资净值作为固定资本存量的替代变量。劳动投入：选取工业行业职工年平均人数来表示。能源投入：选用地区能源消耗总量来表示。

三、省际生态全要素能源效率测算结果与分析

表1是在共同前沿和群组前沿下2004-2014年我国30个省市的生态全要素能源效率的测算结果。可知，我国生态全要素能源效率水平总体偏低，区域差异比较明显。在共同前沿下，各群组生态全要素能源效率值（MTE）从高到低排列依次为东部、中部和西部，其值分别为0858、0614和0482。这表明，如果采用潜在的最优生产技术，东部地区还有142%的效率提升空间；同理，中部和西部地区仍将分别有386%和518%的效率提升空间。从具体群组来看：（1）在东部地区群组中，平均群组技术效率表现最佳的是北京、上海和江苏，这三个地区对应的GTE值和MTE值都达到1000，达到生产的最优状态；表现最差的三个省份分别是辽宁、河北和海南，其对应的GTE值和MTE值都相等，分别为0712、0661和0625。这表明将环境因素纳入生产效率衡量框架之后，无论是与东部地区群组前沿最优生产技术还是与共同前沿最优生产技术相比较，这三个省份在生产上都仍有288%、339%和375%的效率提升空间。同时，东部地区的GTE值和MTE值差距均为零，表明东部地区本身就代表先进能源利用水平。（2）在中部地区群组中，群组前沿效率值均大于共同前沿效率值。与群组前沿生产技术相比较，吉林的GTE表现最佳达到1000 ，而表现最差的山西仅为0559，说明山西在生产上还有441%的效率提升空间。同理，与共同前沿生产技术相比较，吉林和山西两个地区分别有322%和595%的效率提升空间。（3）在西部地^群组中，群组前沿效率均大于共同前沿效率值。与群组前沿生产技术相比较，陕西GTE值表现最佳达到1000，而表现最差的宁夏在生产上还有362%的效率提升空间；而与共同前沿生产技术相比较，两个地区则仍分别有473%和609%的效率提升空间。

注：所有均值为几何平均。

注：所有均值为算数平均值。

共同技术比率（MTR）反映了特定群组技术水平与潜在共同前沿技术水平之间的缺口。当MTR越大，表示DMU的实际技术水平越接近共同前沿最优技术水平。由表1可知，三大群组的MTR均值从高到低的排列同样是东部、中部和西部地区。其中，东部地区的MTR平均值都达到了1，表明东部地区的技术水平基本上代表共同前沿最优技术水平，内部不存在技术差距，因此未来东部，如河北、辽宁和海南等地区要着重提高群组前沿下的能源利用效率，充分挖掘节能潜力。中部地区MTR值为0735，还有较大的改善空间，因此缩小技术差距，是提高生态能源效率的关键。西部地区MTR值仅为0560，在三个地区中最小，结合上面的分析可知，技术效率低和技术差距大已经成为西部地区提高生态能源效率的两个重要因素。

为了进一步分析三大地区生态能源效率差距扩大的根源，挖掘生态能源效率提升的制约因素，本文分析了30个省市共同前沿下的生态能源利用无效率（IE）以及技术无效率（TIE）与管理无效率（MIE），具体分解结果见表2。其中东部地区11个省市的TIE值均为0，而MIE均值为0148，说明东部地区拥有最好的生产技术和经济发展环境，能源利用无效率都是因为管理无效率造成的，东部地区未来应该进一步提高管理效率。中部地区一方面MIE值在三个群组中最大，达到0166；另一方面TIE值对整个中部群组能源利用无效率的贡献率达到了591%，因此中部地区未来要同时要考虑改善技术和提高管理效率的双重任务。西部地区MIE值在三个群组中最小，仅为0139，而TIE值最大，达到0379。其中，TIE值占到整个能源利用无效率的733%，可见西部地区相对来说能源利用技术严重落后，因此提高能源利用技术环境，积极吸收和引进东部地区先进生产技术是提高能源效率的重中之重。

四、 中国生态全要素能源效率差异的影响因素分析

（一）指标选取

上面已经通过Meta-frontier方法获得各个地区的群组生态全要素能源效率值和共同生态全要素能源效率值，但是哪些因素影响地区生态全要素能源效率仍然值得进一步讨论。在参考相关研究[14-15]的基础上，本文主要选择以下几个主要影响因素：产业结构（indus）采用第二产业增加值占地区GDP的比重来表示；对外开放程度（open）用地区进出口总额占生产总值的比重来表示；研发投入（rd）采用研发经费内部支出占工业增加值的比重来表示；环境规制（er）采用环境污染治理投资总额占工业增加值的比重来表示；政府干预（gov）采用政府财政支出占地区gdp的比重来表示。

（二）模型设定与实证分析

由于共同前沿方法测算出来的效率评价值均介于0-1之间，所以若用普通最小二乘法对模型进行回归分析，会导致参数估计有偏误。为了克服以上结果，本文采用Tobit截断回归模型，分析外部环境变量对生态能源效率所产生的影响。模型构建如下：

其中，yit为第i个省的生态全要素能源效率，解释变量xit为生态全要素能源效率的影响因素，β为待估参数，υit～N（0，σ2）表示随机效应，εit～N（0，σε）表示随机干扰项。

利用上式，先后采用混合回归和随机效应回归分析各变量对共同前沿生态能源效率的影响，最终决定采用随机效应的面板Tobit回归，结果如表3所示。

注：*、**、***分别表示10%、5%、1%的显著性水平。

产业结构对全国和三大群组的生态全要素能源效率影响均为负，即工业增加值比重越高，生态全要素能源效率越低，这反映出我国当前工业发展仍然处于高能耗、高污染排放阶段，工业比重的上升对生态全要素能源效率产生了负面的影响。其中产业结构对中部地区影响最大，达到- 1012，其次是西部- 0681，而对东部地区影响并不显著。说明，过去中西部地区在承接产业转移过程中是以牺牲资源和环境为代价换取工业的快速发展；而东部地区由于过去一直不断升级和优化产业结构，转变经济发展方式，追求绿色增长。因此未来，加快中西部地区的产业结构调整是提高我国生态全要素能源效率的关键。

对外开放程度对全国、东、西部地区显著为正，而对中部地区并不显著。这是因为扩大对外开放会带来两方面的影响：一方面可以吸收和引进国外先进的生产设备、生产技术和管理经验，降低单位产出所需要的能源消耗和污染排放，提高生态全要素能源效率；另一方面也存在将国外一些污染较为严重的产业转移到内地，成为外资的“污染天堂”。根据实证结果可以发现，从全国来说提高对外开放程度能带来显著的正向作用；而从局部来说，中部地区在加快对外开放的同时，应该进一步提高外资进入门槛和环境管制要求。

研发投入对中西部地区显著为正，而对东部地区并不显著。具体而言，全国、中、西部的研发投入每增加一个百分点，MTE分别增加4210%、4401%和2130%。这可能是由于长期以来我国中西部地区工业研发实力较为薄弱，因此研发投入的边际产出绩效较高，研发投入能够对生态全要素能源效率的提高起到积极的推动作用。

环境规制对全国以及三大群组的影响较为一致，都是呈显著的负相关关系。这可能是跟指标选择工业污染治理投资完成额占工业增加值的比重有关。一方面，工业污染治理是属于环境保护的“末端治理”，并未对生产过程和生产环节产生直接的影响，因而不会直接提高工业企业的生产技术；另一方面环境规制越严格，意味着工业污染治理投资完成额越高，因此企业用于生产和研发的资金相对减少，由此产生的“挤出效应”，限制了企业规模扩大和技术提高，不利于工业企业能源效率的提高。因此，选择有效的环境规制工具，制定合理环境规制执行标准，才能有效提高我国各地区的生态全要素能源效率。

政府干预对生态能源效率的提高均起到正向的促进作用。许多以往的研究结果都认为，政府干预越大越容易出现权力寻租，导致资源配置效率低下，从而降低能源的使用效率。而本文的研究跟以往的研究结论不同，这可能是由于本文在测算生态全要素能源效率过程中，同时考虑了工业SO2、CO2和 COD三种环境要素，这与以往没有考虑环境因素或只考虑其中一种环境因素所得出的结果不同。其次，能源消费产生的环境污染具有负的外部性，需要政府的引导干预才能更好地促进企业节能减排。最后，企业生产需要的一些绿色技术也需要政府的介入才能更好地推广和应用。

五、结论和建议

本文在共同前沿分析框架下，利用非参数SBM-Undesirable方法测算了2004-2014年中国各省区工业生态全要素能源效率，以及东、中和西部地区的共同技术比率（MTR），并分析了其影响因素。得出以下结论：

（1）总体上看我国三大群组共同前沿生态全要素能源效率（MTE）和共同技g比率（MTR）区域差异较为明显，呈现出“东-中-西”依次递减的格局。

（2）而从群组前沿生态全要素能源效率（GTE）来看，三大群组从高到低的排序依次为西部、中部和东部。

（3）生态全要素能源利用无效率均值分解来看，东部群组能源利用无效率都是因为管理无效率造成的，中部群组技术无效率和管理无效率同时显著存在，而西部群组技术无效率最为明显。

（4）面板tobit回归结果表明，产业结构、对外开放程度、研发投入、环境规制、政府干预对共同前沿生态全要素能源效率的影响方向和影响程度都不尽相同。其中：产业结构的影响为负值；对外开放所带来的外资技术溢出效应大于污染效应，有助于提高我国的能源利用效率；研发投入对生态全要素能源效率的影响方向为正，且影响力度最大；环境规制对全国以及三大群组的影响均呈显著的负相关关系；政府干预对生态能源效率的提高起到正向的促进作用。

基于以上结论本文提出以下建议：

（1）进一步加大节能减排的力度，调整能源供应结构，显著提高清洁能源比重，加快工业发展向高效低碳化转变。其中，东部地区一方面要总结和推广好先进的生产技术，另一方面要进一步完善和提高管理效率，充分挖掘地区内部节能潜力。中部地区要通过积极吸收和引进东部先进的生产技术，通过技术升级来提高能源利用效率；西部地区要学习和借鉴国内外先进的生产和管理技术，改善能源效率。

（2）调整产业结构，促进经济结构实质性、大力度调整。通过大力发展现代服务业和战略性新兴产业，运用高新技术改造提升传统产业等方式来显著降低高耗能、高排放、低附加值工业部门或者生产环节的比重。

（3）加强绿色技术创新和应用，促进绿色低碳技术成果产业化。通过集中资源超前部署相关基础研究和前沿技术研究，加强公共研发机构和实验平台建设，加快建立以企业为主体的技术创新体系，依托自主化工程、重大项目国产化率等要求，促进绿色低碳技术成果产业化。

（4）完善地方政府和企业领导的考核机制。将考核重心从过去唯GDP、唯经济总量增长和唯经济效益调整到以绿色生产和绿色消费上来。彻底从体制上解决地方政府盲目热衷重化工业发展，绿色发展动力不足的问题，充分释放政府干预在节能减排中的作用。

（5）加大外资引进力度，扩大对外开放水平。一方面要通过制定积极地财政金融政策吸引境外资本流入；另一方面也要提高外资进入“绿色门槛”，引导外资向干净清洁、污染小的环保产业流动。

参考文献：

[1]Yeh T L，Chen T Y，Lai P Y.A comparative study of energy utilization efficiency between Taiwan and China[J].Energy Policy，2010，38（5）：2386-2394.

[2]Wu F，Fan L W，Zhou P，et al.Industrial energy efficiency with CO2，emissions in China：A nonparametric analysis[J].Energy Policy，2012，49（1）：164-172.

[3]Fukuyama H，Weber W L.A Directional Slacks：Based Measure of Technical Inefficiency[J].Socio-economic Planning Sciences，2009，43（4）：274-287.

[4]Tone K.A Slacks Based Measure of Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research，2001，130（1）：498-509.

[5]Zhou P，Ang B W，Poh K L.Slacks-based efficiency measures for modeling environmental performance[J].Ecological Economics，2006，60（1）：111-118.

[6]Choi Y，Zhang N，Zhou P. Efficiency and abatement costs of energy-related CO2，emissions in China：A slacks-based efficiency measure[J].Applied Energy，2012，98（5）：198-208.

[7]Chen，Shiyi.Environmental pollution emissions，regional productivity growth and ecological economic development in China[J].China Economic Review，2015，35：171-182.

[8]Battese G E，O′Donnell C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004，21（1）：91-103.

[9]Zhang N，Zhou P，Choi Y.Energy efficiency，CO2，emission performance and technology gaps in fossil fuel electricity generation in Korea：A meta-frontier non-radial directional distance functionanalysis[J].Energy Policy，2013，56（2）：653-662.

[10]Zhang N，Choi Y.Environmental energy efficiency of China’s Regional Economies：A Non-oriented slacks-based measure analysis[J].Social Science Journal，2013，50：225-234.

[11]Fre R，Grosskopf S，Pasurka C A.Environmental production functions and environmental directional distance functions[J].Ssrn Electronic Journal，2007，32（7）：1055-1066.

[12]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130：498-509.

[13]Battese G E，O’Donnell C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004，21（1）：91-103.

[14]O’Donnell C J，Rao D S P，Battese G E.Metafrontier frameworks for the study of firm-level efficiencies and technology ratios[J].Empirical Economics，2008，34（2）：231-255.

[15]Chiu C R，Liou J L，Wu P I，et al.Decomposition of the environment inefficiency of the metafrontier with undesirable output[J].Energy Economics，2012，34（5）：1392-1399.

计算机前沿技术总结例5

    2 理论模型

    随着科学技术的不断发展,测量技术对经济贡献的传统方法为索洛余值法,即将要素投入贡献以外的部分全部归结为技术进步。假定所有生产者均达到了最优生产状态是运用索洛余值法的前提之一,但现实的情况是大部分生产者没有达到生产函数的产出边界(Farrell,1957)。前沿生产函数准确度量了现实中生产者的实际产出与最优技术生产函数产出边界之间的差距。即使两个完全一样的生产者,均采用最优技术且投入同样的生产要素,但由于不确定因素的影响,其产出也可能不一样,因而有必要在生产函数中引入随机项。这也正是随机前沿生产函数与确定性生产函数之间的主要差别之一,即考虑了随机误差的影响。Aigner, Lovell 和 Schmidt(1977)以及Meeusen 和 Van Den Broeck(1977)提出随机前沿生产函数模型的基础形式为:其中 Yi是指第 i 个生产单位的产出;Xi是要素投入向量;Ui是度量技术效率损失的非负随机变量,即度量实际所利用技术与最优生产技术之间的差距;Vi为随机变量,刻画的是不确定性因素的影响。除了尽可能准确地描述生产函数外,确定技术效率的影响因素也十分重要。传统的做法是在随机前沿生产函数的基础上首先估算技术效率,然后计量分析技术效率与其影响因素之间的关系,此种两阶段方法所估计出来的参数是有偏和低效的。Bat tese, Coell(i1992)提出了同时估计随机前沿生产函数和技术效率损失影响因素的方法,很好地解决了两阶段方法中参数估计的有偏和低效问题。函数形式如下:(2)式中各经济变量的含义与(1)式一样,但其所适用的对象主要是面板数据。需要强调的是:Vit是独立同分布的随机变量,均值为0,即Vit~N(0,σ2v);由于Uit是非负随机变量,其服从半正态分布,对应的均值为 mit,方差为 σ2u,即Uit~N |(|mit,σ2u),显然,当Uit=0,随机前沿生产函数没有效率损失,达到了最优的生产状态,mit值越大,生产单位与生产前沿面差距也越大,技术效率也就越低。(3)式为效率损失函数,度量的是技术效率损失 mit的影响因素;zit即为 mit的影响因素;δ 是对应的参数向量,当其估计值为正时,反映的是该系数所对应的自变量对技术效率有负的影响,若其估计值为负,则说明该变量能很好的促进技术效率水平的提升。由于随机前沿生产函数的随机项不满足最小二乘法估计的假定条件,可以利用极大似然估计法估计(2)式和(3)式联合组成的模型。Battese 和 Corra(1977)建议:令 γ=σ2u/σ2,其中,σ2=σ2u+σ2v显然,γ的取值范围为〔0,1〕,首先在此范围内对 γ 赋初始值,再利用非参数估计技术估计各系数的最大似然估计量。当 γ 值接近于1时,反映的是随机前沿生产函数的误差主要是由技术利用的非有效性造成的;反之,当 γ 值接近于0时,反映的是前沿生产函数的误差主要是由随机误差引起的。 γ 值的统计显着性可以反映技术效率变动是否具有统计上的显着性。正如前所述,当Uit=0时,生产单位达到了最优的生产状态,因而可以用实际的生产产出比上最优的生产产出来衡量技术效率,Uit值越大,技术利用有效性越差,实际产出越低,技术效率值就越小。令技术效率为TEit,其表达方式为:由于 Uit是非负随机变量,因而0<TEit1,当Uit=0时,即没有效率损失的情况下,TEit=1,此时的生产点位于生产前沿面上,处于完全技术效率状态;当0<TEit<1时,生产点位于前沿面下,生产处于技术非效率状态。

    3 指标说明、数据来源与计量经济模型

    3.1 指标说明与数据来源

    本文的研究样本为2002~2009年间30个省区的面板数据,由于数据缺失,研究样本中不包括西藏。本文的产出变量以各省区的林业总产值表示;投入变量包括劳动力和资本,其中劳动力数据指的是林业系统各地区从业人员年末总人数;资本数据根据各地区林业固定资产投资完成情况推算,由于固定资产投资将在很长的一段时间内发挥作用,本文依据永续盘存法的原理确定每年的资本投入量,主要包括两部分:一部分是上年扣除折旧后的林业资本存量,二是每年新完成的林业固定资产投入量,根据张军、吴桂英和张吉鹏(2004)中国省际物质资本存量估算的研究,本文确定基期2002年的资本存量为当年的固定资产投入额除以10%作为当年的资本存量,以后各期的资本存量按照永续盘存法推算,对应每年固定资产的折旧率为9.6%。林业总产值数据按照居民消费价格指数进行调整,以2002年为基期,把各年以名义价格计量的林业总产值调整为实际价格;固定资产数据也按照固定资产投资价格指数进行了调整。本文选取影响(3)式效率损失函数的变量主要有人力资本、各地区森林病虫鼠害的发生率和防治率。Luca(s1988)认为人力资本是技术效率最重要的影响因素,本文参考傅晓霞、吴利学(2006)的处理方法,以各地区基层林业工作站的平均文化程度代表人力资本水平,平均文化程度以平均受教育年限表示,假定大专、高中或中专和初中以下文化的教育年限分别为16年、12年和9年,以各层次文化程度的基层林业工作站人数为权数进行加权平均。森林病虫鼠害的发生率反映一个地区自然灾害对技术效率的影响,采用此指标的文献有亢霞、刘秀梅(2005),宋长鸣、胡兴明(2011)等。森林病虫鼠害的防治率反映的防治技术水平对产出技术效率的影响,一般而言,防治率越高,对随机前沿生产函数中技术效率的负面影响就越小。文中林业总产值、林业系统年末从业人数、林业固定资产投资、基层林业工作站人员文化程度、森林病虫鼠害发生率和防治率的数据均来自于各年的《中国林业统计年鉴》。

    3.2 计量经济模型

    一般而言,随机前沿生产函数需要确定函数的具体形式,柯布道格拉斯生产函数和超越对数生产函数是常见的形式,相比较而言,后者放宽了对固定弹性和技术进步中性的假设,但可能存在严重的多重共线性问题。由于本文的投入变量只有两个,采用的函数形式为柯布达哥拉斯生产函数,具体形式如下:(5)式中,Yit代表第i个地区第t年的林业总产值;Lit和 Kit分别代表劳动力投入和资本投入量;FSLit、FZLit和EDUit分别代表森林病虫鼠害的发生率、防治率和人力资本。 β1和 β2分别为劳动力和资本投入的产出弹性。

    4 实证分析结果

    4.1 随机前沿生产函数误差来源

计算机前沿技术总结例6

一、引言

技术效率用来衡量技术在稳定使用(假设没有技术进步和技术创新)的过程中，生产者获得的最大产出的能力，对技术效率的测度有非常重要的理论意义。自中国确立发展社会主义市场经济以来，中国的经济一直保持着高速增长。而上海市作为中国经济发展的领头羊，其经济增长的速度更是在世界经济中史无前例，但是对于经济效率状况的评价并不同于令人瞩目的经济增长速度。对一个经济整体的总体效率评价必须是基于微观企业效率状况之上的。本文将使用随机前沿分析法对上海市工业企业的技术效率进行测算。在研究过程中，使用面板数据的形式进行分析。本文首次使用上海市的微观企业面板数据进行研究，目前研究技术效率差异的外生性因素研究普遍采用的两步法，在计量上存在缺陷，本文将采用一步联合估计法对影响技术效率差异的外生性因素进行分析，探讨微观企业技术效率发展的趋势。

计算机前沿技术总结例7

1.2SFA(随机前沿分析)模型设定与变量选取随机前沿方法(Stochasticfrontieranalysis)最早由Farrell(1957)提出，发展于20世纪70年代末，模型基本上可以表达为:y=f(x，β)•exp(v－u)，其中，y代表产出、x表示一组矢量投入、β为一组待定的矢量参数。误差项exp(v－u)为复合结构，第一部分v服从N(0，σ2v)分布，v∈iid(独立同分布)，表示统计误差项;第二部分u≥0，用以表示那些仅仅对某个个体所具有的冲击。因此，该个体的技术效率状态则用TE=exp(－u)来表示。这样的话，当u=0时，厂商就恰好处于生产前沿上;若u＞0，厂商就处于生产前沿下方，也就是处于非技术效率状态。该文根据Battese＆Coelli(1995)模型的基本原理，采用基于对数型Cobb-Douglas生产函数的随机前沿生产函数模型，对中国各省的农业技术效率水平及各省财政支农在其中的影响进行测算。所建立的随机前沿生产函数和效率损失模型如下。其中i和t分别表示省份和年份，在(1)式中，选取农业总产值(亿元)作为产出变量yit，表示第i省(市、自治区)在第t年的总产值(折算为2000年不变价格)，Lit、K1it、K2it、K3it表示一组投入要素变量，Lit代表人力投入，选取第i省(市、自治区)第t年第一产业从业人员(万人)，K1it、K2it代表资本投入，在综合考虑了数据的可获得性和代表内容丰富性后，分别选取农村居民家庭年均生产性固定资产原值(元/户)、按折纯量计算的化肥投入量(万t);K3it代表土地投入，因《中国统计年鉴》耕地面积指标数据只统计到2008年，因此该文考虑选取了农作物总播种面积(万hm2)。α、β1、β2、β3为一组待估计的参数。ε=vit－uit是组合误差项，在模型中假定:①vit～iid，并服从N(0，σ2v)，表示由于设定误差、测量误差以及随机因素对前沿面的影响;②uit≥0，它反映那些在第t时期仅仅影响第i省份的随机因素。uit～N(mit，σ2it)的截断正态分布(截去uit＜0的部分)，且vit和uit相互独立。在(2)式中，fiscali、easti、midi为影响农业技术效率的因素，δj(j=0，1，2，3)为一组待估参数。该文考虑地方财政支农支出fiscali对农业技术效率的影响，同时考虑区域差异对农业效率的影响，east、mid为虚拟变量，east为各省份处于东部地区的虚拟变量，如果该省份处于东部就是1，否则为0;mid为各省份处于中部地区的虚拟变量，如果该省份处于中部就为1，否则为0。在(3)式表示随机扰动项中技术无效率所占的比率。当γ接近于1，表明误差主要来源于技术无效率;当γ接近于0，表明所测的第i省份生产点均位于生产前沿面上，则无需使用SFA技术分析，直接运用OLS方法即可。该文主要分析了地方财政支农支出、各省份所处的地理位置对农业技术效率的影响程度。当然，影响农业技术效率的因素还有很多，但根据该文的研究思想，主要侧重于财政支农支出对农业技术效率的影响分析。

2地方财政支农支出对农业技术效率影响的省际差异实证分析

表1随机前沿生产函数及效率损失函数估计结果变量系数标准差T统计值A2.569*0.3227.977α0.162*0.0354.647β1－0.0180.019－0.941β20.252*0.0366.984β30.399*0.0468.694δ02.143*0.18611.550δ1－0.272*0.014－19.538δ2－0.421*0.040－10.592δ30.0490.0361.363γ0.999*0.002573.768最大似然估计函数对数值60.147LR单边检验误差422.297注:*、＊＊、＊＊＊分别表示在1%、5%、10%的显著性水平上显著。LR为似然比检验统计量，此处它符合混合卡方分布

2.1技术效率损失估计结果分析根据上述数据，用最大似然估计法进行估计，采用前沿生产函数的专用程序FRONTIER－XP4.1软件进行计算，得到随机前沿生产函数和效率损失函数的估计结果如表1，全国各省市农业技术效率水平及东、中、西部平均农业技术效率如表2。从模型检验γ值来看，γ=0.999，并且其t统计值和LR单边检验误差的t统计值均通过了1%的显著性检验，说明在技术效率影响中，技术非效率u项占99%以上，远大于统计误差项v，因此说明技术非效率是显著存在的，SFA模型使用正确。从农业劳动力投入、生产性固定资产原值、化肥量和播种面积的产出弹性看，截距项A=2.569，α(劳动力)=0.162，β1(固定资产)=－0.018，β2(化肥)=0.252，β3(农作物播种面积)=0.399，且α、β2、β3均通过了1%水平下的显著性检验，经比较，农作物总播种面积的产出弹性最大，即总播种面积每增加1%，农业总产出就增加0.399个百分点，说明我国在播种面积的总量上有很大进步，从2000年仅有1.5630亿hm2增加到1.62283亿hm2，增加将近1000万hm2，然而耕地面积有限，播种面积的增多，一方面表明近年来对荒地的开发多，另一方面说明种植技术水平的提高，让农作物成熟时间缩短，增加种植效率;其次是化肥施用量每增加1%，农业总产出就会增长0.252个百分点，近30年，我国为满足粮食生产的需要，目前已经是全球化肥投入水平最高的地区之一，然而化肥的过多使用，会造成土壤酸化，加剧环境污染，因此不能通过无限制的增加化肥施用量来增加农业产出;近些年，随着国家政策的推进，越来越多的农村劳动力开始慢慢向二、三产业转移，致使各省市的农业劳动力逐年缩减，因此农业劳动力每增加1%，农业总产出会增加0.162个百分点，低于其他因素影响程度;而生产性固定资产原值的系数为负，且其未能通过显著性检验，说明增加固定资产对提高农业总产出还为发挥出应有的作用，这与我国大多数以种植业为主的农村农民投入不足技术落后的现实状况一致。财政支农支出的系数为δ1=－0.272，并且通过了1%的显著性检验，系数符号为负，说明财政支农支出对农业技术效率具有正的促进作用，地方财政支农支出每增加1%，农业技术效率增加27.2%，但同时也说明了财政支农支出对农业生产的影响还没有达到预期效果，财政支农的资金利用效率比较低。这可能是因为财政支农支出中事务部门的事业费占绝大部分，而真正投入到农业具体事务的财政投入却很少，该结果也印证了中国大部分学者的观点，认为由于中国财政支农资金使用以及财政支农支出的结构和投入等问题，使得中国财政支持农业的效率还比较低。因此，在2013年1月31日新出台的中央一号文件中，明确指出要增加财政对农业的持续投入。地方政府也应当按政府文件要求逐步提高财政农业支出占财政总支出的比重。财政支农支出对农业技术效率的影响存在区域化差异，其中东部地区系数δ2=－0.421，且通过了1%的显著性检验，系数符号为负，与理论预期相同，表明东部地区所处的地理位置对农业技术效率有显著正影响，东部地区对农业技术效率的促进作用达到42.1%，农业技术效率与当地的地理环境、经济条件及科技发展水平有很大的相关性。而中部地区系数δ3=0.049，且未通过显著性检验，表明中部地区对农业技术效率影响不显著，中部8省还未发挥出其农业技术效率。经比较，东部地区的农业技术效率显著地高于中部地区、西部地区，财政应加大对中部、西部地区农业的支持力度，才能从整体上提升中国农业的技术效率。

2.2技术效率的省际差异分析表2给出了中国各省市及各区域农业技术效率水平，从中国技术效率的变化趋势看，中国农业技术效率从2000年的0.308上升到2011年的0.681，年均增长3.4%，农业技术效率得到明显的提高。在农业技术效率的变化过程中，各年份都处于稳步上升之中，平均增幅在3.4个百分点，而在2010年增幅一度达到8.3个百分点。从中国各年的平均技术效率水平看，基本上在0.31～0.68之间，总体上呈现出一种稳步发展的趋势，但在2000～2011年间，中国平均技术效率仅为0.4478，说明以现有的技术水平和不变的投入要素，如果消除技术效率损失达到前沿生产面，农业生产总值还可以增加55.22%，提升的空间还很大。从表2分东中西地区看，中国农业生产技术效率地区差异比较明显。东部地区的技术效率水平最高，2011年高达84.2%，明显高于西部地区59.9%和中部地区58.3%。从各年份平均值看，通过比较全国、东、中、西部农业生产技术效率可以看出，各年东部地区农业技术效率水平都高于全国平均值，而全国平均农业技术效率高于中部、西部地区，而且地区间的差距也随时间变化而不断扩大。尤其是东部地区的河北、江苏、浙江、山东、广东这5个农业大省凭借其优越的地理环境位置、先进的农业生产技术和较高的地方财政支农支出，更能说明经济发达地区农业技术效率高于经济落后地区，中国农业技术效率与经济地理条件相关性很大。由此可见，中国整体平均技术效率水平的增长主要动力来自于东部。而西部地区农业技术效率高于中部地区，是因为西部地区财政农业支出与农业经济增长之间的相关性更为显著，无论是短期还是长期的财政支农，对刺激西部地区的农业经济增长都具有明显的作用

计算机前沿技术总结例8

基金项目：本文系2007年度浙江省高校优秀青年教师资助计划项目和浙江海洋学院校级计划项目“市场运行效率及公共基础设施对市场运行效率的影响研究”的部分研究成果

作者简介：杨美丽（1980-），女，浙江海洋学院管理学院，博士学位，研究方向：产业经济。

一、基本理论

经典的厂商理论将微观经济分析的基本单位――企业视作黑箱，忽视其内部运行和内部效率，主要从技术角度定义企业，将企业理解为一种生产函数，在技术和市场约束下，追求利润最大化。该框架下，给定生产要素和产出品价格，企业只有选择投入成本最小化组合、产出收益最大化组合和适度经济规模，并在生产过程中对投入品和产出品具有强处置能力，才具备微观经济效率。此时，企业生产函数被唯一确定，其描述的生产可能性边界被称为生产前沿面。

但是，实际的生产过程并不全在最优状态进行。即使最优秀的企业也不能长期处于最优生产状态。因此，生产前沿面是一种动态的短期的概念。

由此，1970年代始，学术界开始对描述有效生产前沿面的生产函数进行研究，并称之为前沿生产函数或边界生产函数。由于前沿生产函数构成产出包络面，所有实际产出都只能位于其下方或处于生产前沿面上。因此，给定技术条件，企业实际生产与生产前沿面总是存在差异。这种差异反映的即为低效率。

英国剑桥大学经济学家Farrel最早对企业低效率问题进行研究，并从投入角度，提出总经济效率、技术效率、配置效率、效率生产函数等概念。Farrel认为：总经济效率，也称成本效率，指市场价格不变、产出规模不变条件时，按照既定要素投入比例所能达到的最小生产成本占实际生产成本的百分比；技术效率指既定生产投入数量下，实际产出与最大理论产出的百分比；配置效率指给定价格时企业以适当比例使用各种投入的能力；总经济效率等于技术效率乘以配置效率。如厂商能在一定投入组合条件下实现产出最大，则厂商实现产出面技术效率；如厂商能在产出一定条件下实现要素投入组合最小，则厂商实现投入面技术效率。进一步的，考虑规模收益，则技术效率可细分为纯技术效率和规模效率。其中，纯技术效率测度规模收益可变时被考察企业与生产前沿面间的距离；规模效率考察规模收益不变时生产前沿与规模收益可变时生产前沿间的距离。一般的，规模收益不变时，要素价格比等于要素边际技术替代率，厂商实现最优要素投入量，达到成本极小化，平均产出线与生产前沿面重合；规模收益可变时，企业扩大规模或缩减规模可提高微观经济效率。

但是，经典厂商理论建立在“经济生产会尽可能地在技术上达到效率最优”基础上。针对经典厂商理论无法解释的非技术原因导致的企业低效率问题，美国哈佛大学Leibenstein提出X-非效率概念（内部低效率理论）。之后，大量经验研究表明：X-非效率是一种客观存在；并非所有企业都追求成本最小化，也并非所有企业都追求利润最大化；并非所有企业都按照边际分析原理，充分利用现有资源和获利机会，在生产可能性边界进行生产；也并非在有利可图时，所有企业都会进行技术革新等活动，从而获取更高效率。后续研究进一步表明，企业内部利益集团的目标不一致、组织规模扩大导致的组织层次增加、信息沟通的不畅和管理成本上升、外部竞争压力缺失和成本最小化动机的缺乏等组织和行为因素是导致X-非效率的重要原因。但是，对于X-非效率的测度，研究者们没有能够给出系统化的理论解释。

二、基本方法

企业效率的测度经历了由单一指标评价到多指标综合测度、由参数分析到非参数分析的演化过程。

（一）单一指标评价法

经典厂商理论对企业效率的测度通常从利润率着手。

利润率衡量的是以利润最大化为目的的厂商的单位投资所获取的利润大小。其基本数学形式为：。其中，、、分别为为会计利润或经济利润、投资额、会计利润率或贝恩指数。一般的，较高，则企业微观经济效率较好。

靳纳指数通过测度企业产品价格与边际成本的偏离度来计量企业效率。计算公式为：。较小，则企业微观经济效率较高。

托宾值通过测度企业资产的市值与其重置成本的比率来测度企业效率。计算公式为： 。其中，、、、分别为托宾指数、股票市值、债券市值和企业资产的重置成本。较大，意味着企业的微观经济效率较高。

以上指标中，建立在对和的静态比较之上，只用于衡量静态效率；由于难以准确获取，常用平均成本替代，使其估算存在较大偏误。托宾值避免了计算中的估计困难，但却需对、、进行精确估量。因此，实际中，更常用测度企业微观经济效率。

（二）多指标综合测评法

以利润率为出发点的单一指标体系衡量了企业静态效率的大小，但是，不能反映企业动态效率的提升途径。由此，一系列的方法被探讨并被广泛运用。

1．作业基础成本法（ABC）――Activity Based Costing

ABC法是以作业为基础的成本核算。ABC法认为，企业的产品或服务是一系列作业的结果。一方面，作业消耗资源，形成成本或费用；另一方面，并非所有作业都可增值。ABC法将作业分为增值作业和不增值作业，将以产品为中心的成本核算转为以作业为中心的成本核算，使企业更直接的看到作业和成本耗费间的联系，更直接的分辨有效作业、有效成本、无效作业和无效成本，更好地从财务角度进行成本管理，提高效率。

2．财务综合分析法

包括ABC法在内的传统的企业效率评价由纯粹的财务指标构成，其最初形式为单一指标，如利润率、投资报酬率等。当单一财务难以全面评价企业效率时，便衍生出多指标体系。其中，运用最广泛的是杜邦财务分析体系（The Du Pont System）和沃尔比重评分法。

（1）杜邦财务分析体系

杜邦财务分析体系以权益资金利润率为源头，利用各个财务指标间的内在联系，对企业效率进行综合评价。其主要指标间的关系为：

净资产收益率=主营业务净利率×总资产周转率×权益乘数。

主营业务净利率=净利润/主营业务收入净额

总资产周转率=主营业务收入净额/平均资产总额

权益乘数=资产总额/所有者权益总额 =1/（1-资产负债率）

（2）沃尔比重分析法

沃尔比重分析法于1928年由亚历山大・沃尔提出。它将选定的财务比率用线性关系结合，分别给予一定比率，然后与标准值比较，确定各项指标得分及总体指标累计分，从而对企业效率进行测评。

财务综合分析法避免了单一财务指标评价的片面性，但是，面对现实企业经济，仍力不从心，主要原因为：1）财务综合分析法主要以会计利润为基础，只考虑债务成本，不考虑资金时间价值和权益资金成本，其成本的核算不完全；同时，难以准确计量包括专利权、商标权、商誉、企业员工专业技能和忠诚度、客户满意度等的企业资产，其资产的核算不完全。因此，效率测度存在偏差。2）财务综合分析法只注重微观企业内部生产运作过程的短期效率评价，忽视企业外部因素和企业内部管理因素对企业效率的长期影响，因此，对提升企业长期效率意义微弱。

3．平衡计分卡（BSC）――Balance Score Card

BSC法源于1990年美国诺顿研究所“未来组织绩效衡量方法”研究计划。BSC法保留了传统财务指标体系，增加了客户需求、内部运营、学习与成长等三方面非财务指标体系。既对财务角度企业效率进行测度，也对无形资产等影响长期效率的因素进行测度，显示出其优势。但是，BSC法也存在一定缺陷。如，难以准确计量客户满意度等指标，也难以有效结合企业X-非效率等问题。同时，BSC法强调在长期与短期目标、外部计量（股东和客户）与关键内部计量（内部流程/学习和成长）、客观测量和主观测量等方面保持“平衡”。但是，在关键指标的确认及标准值的设定上存在较强主观性，一定程度上，研究受限。当然，为避免在关键指标的确认及其标准值的设定上存在太强的主观性，研究人员往往采用德尔菲法、因子分析法、主成分分析法等加以规避。

4．经济增加值法――EVA法

EVA法于1993年由美国思腾思特咨询公司正式提出。其公式为：EVA=税后净营业利润-资本成本。其中：资本成本=资本成本率*公司使用的全部资本。EVA法强调对成本的完全计量，不再对无偿性使用的权益性资本与有偿性使用的债务性资本进行差别对待，因此，EVA法衡量的是企业的经济利润，而不是传统的会计利润。此点上，EVA法显示出其优势。但是，EVA法同样存在不足。主要表现在：EVA法仍依赖于会计估计，实质上，是会计利润的另一种形式，只能反映企业静态效率，不能揭示企业经营风险，无助于企业长期效率的提升。再次，EVA法是多因素综合作用的结果，不能帮助企业找出X-非效率的原因。

5．模糊综合评价和层次分析法

层次分析法AHP法（Analytic Hierarchy Process）由美国匹兹堡大学教授A・L・Saaty于1970年代中期提出。它将多层次的企业效率问题分解为若干层次和若干因素，形成多目标、多层次的有序递阶层次结构。通过两两比较，确定层次中各因素的相对重要性。然后，综合评估，确定各因素相对重要性的排序。特别适用于对决策结果难以直接准确计量的场合。

模糊综合评价法由美国伯克利加州大学L.Azdah教授于1965年提出，是基于模糊数学的隶属度理论将定性评价转为定量评价的一种多目标评价方法。它从影响企业效率的多因素出发，确定多因素从优到劣的若干等级的评价集合和权重，形成相应的模糊评价，确定相应的隶属关系，形成模糊判断矩阵，并将其与权重矩阵进行模糊运算，最后得到定量的效率评价结果。此法具有结构清晰，系统性强的特性。能较好解决模糊的、难以计量的问题，非常适合不确定性条件下的企业效率评价。

但是，AHP法和模糊综合评价法均需主观设定指标和权重，因此，存在较强主观性。

（三）参数分析法

相比单一指标，多指标综合评价更能综合反映企业微观效率。但是，无论是单指标还是多指标综合测评，始终需要人为设定指标，赋予权重，因此，对效率的测评始终存在较强主观性。同时，不能用于统计推断。由此，更多对于企业效率的测评，采用包括回归分析法等在内的参数分析法。

1．回归分析法（regression analysis）

回归分析法是依据数理统计原理，定量研究多变量间相互依赖关系的计算理论与方法。按照变量间相互依赖关系的不同，分为线性与非线性回归两种。由于其模型简单，操作简便，能进行统计推断，目前已是最为基本的效率测评方法。其被解释变量往往采用利润、收益等产出指标表达，解释变量为技术、资本、劳动、土地、企业家才能等各项要素投入。其结果既可测评企业效率，也可揭示企业效率的影响因素，为企业动态效率的提升提供依据。但是，由于回归分析本质上反映的是投入―产出的“平均”效率，而不是实际的效率前沿面，其应用在一定意义上受限。

2．随机前沿分析法（stochastic frontier analysis）

随机前沿分析法主要包括随机边界函数分析（SFA）、贝叶斯随机前沿模型、厚边界函数法（TFA）、自由分布方法（DFA）等。

随机前沿分析法通过测量企业与效率前沿企业的偏离程度来测评企业效率。给定一定的技术条件和外部市场，实现最佳效率的企业即为效率前沿企业。它是效率分析过程中，相对其它企业而言效率最佳的企业。效率前沿企业因样本而异，在实际中并不存在。

随机前沿分析法假设生产或成本前沿函数，用回归分析来确定模型参数，其误差项被分解为两部分：一是管理误差项，表达技术非效率；二是随机误差项，反映可能出现的不可控因素的影响。相比普通的回归分析，随机前沿分析法的前沿面是随机的；同时，其能表达技术非效率，准确反映企业的实际技术效率水平。

基于此，随机前沿分析法目前广泛用于各领域效率分析。但是，随机前沿分析法假设的边界函数具有较强主观性，同时，其不能反映动态的时点效率，只能反映观察期内的平均效率。而且，随着生产函数的设定形式、企业单位内部技术进步与管理水平等的变化，随机前沿分析法的效率值会发生变化。同时，随机前沿分析法还存在一系列基本假定，如实际生产偏离这些假定，则随机前沿分析法不再适用。

（四）非参数分析法

统计推断中，参数统计要求样本所属的总体的分布已知，对数据的要求也较为严格。但是，很多情况下，总体的分布是未知的，或者，数据不具备参数分析所需条件，此时，需要采取非参数统计，或称分布自由统计。相对参数统计，非参数统计的研究结果较为粗糙，也可能存在信息损失；但是，其适用性强，易于理解、掌握，因此，应用更为广泛。

企业效率测评中，应用最为广泛的非参数统计分析法为Data Envelopment Analysis（DEA）。DEA能利用线性规划及其对偶模型，对多投入多产出类型同类经济体的相对效率进行评价。它通过一组输入-输出的观测值来估计企业的有效生产前沿面；其所得出的DEA有效等价于相应的多目标规划下的Paret有效。此外，DEA不需要人为赋予指标权重，具有较强客观性。再次，与使用回归分析等得出的生产函数相比，DEA表现出了实际的生产前沿面。最后，DEA致力于每个企业的效率优化。因此，在处理多投入多产出问题上，DEA表现出非常强的优越性，广泛应用于各行业效率分析。

但是，由于DEA指标选取存在主观性，对同一效率问题，其评价结果往往不一致；同时，未能考虑随机误差，未能解决随机误差干扰，不能对结果的统计性检验作出分析；最后，DEA要求样本容量至少是指标数量的2倍。因此，一定意义上，DEA分析受限。

参考文献：

[1]水.产业经济学（第二版）[M].北京：高等教育出版社，2005

[2]孙朝苑.企业物流成本管理的理论与方法研究[D].西南交通大学博士学位论文， 2004

[3]匡海波.中国港口效率测度研究[D].大连理工大学博士学位论文， 2007

[4]黄昱琪.台湾地区商业银行经营效率研究[D].暨南大学博士论文，2009

[5]庞瑞芝.我国主要沿海港口的动态效率评价[J].经济研究，2006，06

[6]王晓东,赵升.企业效率测量综述[J].经济师，2007，12

[7]郝俊利,雷蜜.运用AHP评价港口竞争力[J].中国港口，2005，01

[8]王春颖,肖朋民,肖丽娜. 2006.熵权值模糊综合评判法在港口竞争力评价中的应用[J].水道港口，2006，02

[9]徐金河.基于GRA和AHP的港口物流能力评价研究[J].重庆工商大学学报（自然科学版），2009，10

[10]刘秀国,何桢.可持续发展观下港口物流内涵与绩效研究[J].安徽农业大学学报（社会科学版），2009，05

[11]田宇.物流效率评价方法研究[J].物流科技，2000，02

[12]陈江龙,曲福田,陈雯.2004.农地非农化效率的空间差异及其对土地利用政策调整的启示[J].管理世界2004，08

[13]贺振华.农户的外出行为、土地流转与土地配置效率的可能改进[A].2005中国制度经济学年会精选论文（第一部分）[C]，2005

[14]綦方中,翁潇彬,潘晓弘.一种基于模糊综合评级法的动态联盟绩效评价方法[J].科技进步与对策，2006，05

[15]文小玲.基于模糊综合评价法的企业绩效评价[J].统计与决策，2006，09

[16]姜方桃.供应链管理绩效评价的模糊综合评价法[J].统计与决策，2006，11

计算机前沿技术总结例9

一、引言

物流业作为一个潜力产业,在发达国家已经发展了几十年。美国物流产业规模为1万亿美元,几乎为高新技术产业的2倍之多,占美国国内生产总值的10%以上。日本政府也非常重视物流产业的发展,日本物流产业每增长2.6%,就带动经济总量增长1%。由此可见,作为“第三利润源泉”的物流业在国民经济中发挥着越来越大的作用,物流业生产率的高低将直接影响社会经济的发展和人民生活质量水平的提高。研究物流业的全要素生产率,可以对不同决策单元进行生产率变化的评价,为物流经济的增长提供理论依据。我国正处于经济持续快速发展的关键时期,准确地估算物流业的生产率可以为整个行业的发展和增长提供相关的理论依据,具有非常重要的理论意义和现实意义。

二、文献综述

(一)全要素生产率的研究

全要素生产率(TFP)测量的是相对总投入变化时总产出的变化,它的增长是经济增长竞争的核心。1942年,丁伯根首次在资本和劳动投入函数中添加了一个时间趋势,表示“效率”的水平,从而最先提出了全要素生产率的概念。1957年,美国经济学家罗伯特•索洛在《经济学与统计学评论》上发表了《技术进步与总量生产函数》一文,第一次将技术进步这一重要因素加入到经济增长模型中,在定量研究中,索洛将人均产出增长扣除资本集约程度增长后的未被解释部分归为技术进步的结果,称其为技术进步率,这些未被解释的部分后来被称为“增长余值”。丹尼森(E•Denison)从索洛模型出发,把全要素生产率增长率定义为产出增长率扣除各生产要素投入增长率的产出效益后的“余值”,这就是著名的“丹尼森模型”。20世纪80年代,美国著名经济学家戴尔•乔根森采用超越对数生产函数的形式在部门和总量两个层次上进行了生产率的度量。1977年,Aigner,Lovell,Schmidt和Meeusen,VandenBroeck分别独立提出了随机前沿生产函数,允许技术无效的存在,并将全要素生产率的变化分解为生产可能性边界的移动和技术效率的变化。这种方法比传统的生产函数法更接近于生产和经济增长的实际情况,能够将影响TFP的因素从TFP的变化率中分离出来,从而更加深入地研究经济增长的根源。而Kumbhakar更是在此基础上将全要素生产率的增长率分解成技术进步、技术效率的变化、规模经济的影响以及投入要素价格的影响。

除了运用参数方法来估算全要素生产率,非参数生产率指数法也渐渐成为当前国际上研究生产率的重要方法之一,其中,著名运筹学家charnes.A,W•W•Cooper首先提出了数据包络分析(DEA)方法,全要素生产率理论的研究从最初的余值法发展到随机前沿生产函数法,以DEA为代表的非参数方法,使TFP的研究进入了一个新的阶段。

(二)物流业生产率的研究

目前,国内外运用全要素生产率来衡量物流业生产率水平的研究非常少,大多数学者都把目光放在物流企业的效率和供应链的效率上,关于整个行业的生产率定量研究是少之又少。Semra Birgun,Necmettin Akten用数据包络分析法(DEA)测度和评价海运集装箱的相对效率,以求通过合理的统筹安排更加有效的利用港口资源,从而提高服务质量,提高海运在供应链体系中的效率。余思勤、蒋迪娜、卢剑(2004)分析了我国交通运输业全要素生产率的变动情况,他们把扩展的Malmquist-DEA方法引入交通运输业,进而测算我国交通运输业生产率的变化总量不尽相同,各种影响因素的作用也存在较大差异。西安交通大学的何诸庆、孙玲燕等人在《中国区域货运物流效率的实证研究》中,运用DEA统计方法来评价中国31个地区的货运物流的相关效率,通过比较中国东部、西部和中部地区的货运物流效率,发现东部地区与西部地区之间的物流效率存在着巨大的差距。天津大学的刘洋、吴宇华通过用非参数Malmquist指数法,用面板数据(1999-2006)分析了全要素生产率在中国物流业的变化。通过分析,得出以下结论:中国物流企业在1999-2006年的平均增长率是0.4%,这个增长主要得益于技术效率的提高;技术进步所引起的负面增长不容忽视;技术效率和技术进步的作用随时间的变化而变化。

目前,物流业生产率研究中仍然存在很多问题:第一,在物流业测度方法上仍存在一系列的问题。尽管国内外一些学者已经对物流业生产率的测度做了一些研究,但多数是停留在对物流企业效率的研究上,从整个产业角度来测度物流业的生产率,到目前为止,还没有明确的方法和分析。第二,由于国内对物流业的数据统计上比较落后,沿用的仍是传统的数据分类,可供投入的人力、物力有限,技术准备也不足,因此,除了统计年鉴和物流与采购协会的数据来源,对于难以收集的数据,笔者将使用相关的经济理论和数学方法对一些变量进行处理,间接得到所需的数据。

三、物流业全要素生产率模型的确立

全要素生产率的测算方法大体上可以分为参数方法和非参数方法,参数法是运用统计学方法通过样本点的观测数据估出前沿生产函数的具体表达式,进而按照增长核算方法得到全要素生产率的代数分解式。非参数法是在获得样本点的观测数据之后,运用线性规划方法根据前沿生产函数的定义给出了前沿生产技术与距离函数的概念,并利用距离函数给出了全要素生产率的分解。参数方法分为生产函数法和随机前沿生产函数方法,非参数法主要指指数方法。本文在研究物流业全要素生产率时,采用超越对数前沿生产函数形式,其表达式为:

lnyit=β0+ βjlnxjit+βTt+ βjtlnxlitlnxjit+ BTTt2+ BTjtlnxjit+Vit-Uit①

其中,yit为地区i在t年观察到的实际产出;时间趋势变量t=1,…,T代表技术变化;x是要素投入向量,下标j和i是要素标志(j=L,K;l=L,K);β为待估参数向量;vit为随机变量(白噪声),服从正态分布N(0,σ2v),非负;uit表征某地区i在t年的生产技术非效率项,该两变量服从独立分布。根据上面的模型,我们可以推导出技术效率和技术进步,从而得到全要素生产率的公式。

(一)技术效率的推导

由Aigner,Lovell等人的研究成果,可以得到TEit为实际产出与最大可能产出之比,即:

TE = =exp(-u )②

如果uit=0,则TEit=1,该地区处于完全技术效率状态,其生产点位于生产可能性边界上;如果uit>0,则0

TEit=E[exp(-uit)/εit]it ③

其中,εit=vit-uit,则技术效率的变化可表示为:

T= -1④

(二)技术进步的推导

由全要素生产率的分解可知,技术进步表示投入要素不变的条件下产出随时间的变化率,代表了生产可能性边界的移动,具体计算公式如下:

P= =β +β t+ β lnx ⑤

假设配置效率忽略不计和规模报酬不变,从而得到TFP的计算公式为:

TFP=TE+TP⑥

四、实证研究

(一)数据来源及处理

本文要收集1998-2006年我国各省市的“面板数据”,包括从业人数,固定资本投入和产业增加值,而在统计资料中,只有社会劳动人数可以从统计年鉴上直接得到,因此,现有的统计资料情况决定了模型所需要的数据只有通过适当的数据处理才能够获得。由于物流业是一个复合产业,涉及多个行业,因此,物流产业的统计范畴,按照《国民经济行业分类》(GB/T4754-2002),暂将两大类行业纳入物流产业统计测算范畴。第一类是交通运输仓储邮政业,第二类是批发零售业。本文从从业人数、产业增加值以及固定资产投入3个度量指标出发,收集了1998-2006年31个省份的与上述3个指标相对应的数据。所涉及到的资料主要有《中国统计年鉴》、《中国固定资产投资年鉴》、《中国物流年鉴》和《新中国五十五年统计资料汇编》,由于一些地区早期的数据不是很完整,本文对未收集到的数据作了差值处理,可能会存在一定的误差。

1、总产出。本研究的时间跨度是1998-2006年,GDP按1990年不变价计算,用GDP缩减指数除以现价GDP,就得到按不变价计算的GDP。表1为各年的GDP缩减指数。

2、资本存量的计算。本文采用永续盘存法来计算固定资产存量,计算公式为:

Kit=Ki,t-1(1-δ)+ΔKit⑦

其中,Kit为第i个地区第t年的固定资产存量,ΔKit为t年第i地区的当年固定资产存量净额。折旧率选取5%来计算。

(二)模型运算结果

本文运用Frontier4.1软件对模型进行运算,模型中的大部分系数在5%的置信水平上是显著的,技术进步参数表明在研究的时间段,技术有了一定程度的进步。其运算结果如表2所示:

将系数带入①,则式①可表示为:

lnyit=0.5347+0.4350lnxKit+0.1509lnxLit-0.0946t+0.5×0.0180(lnxKit)2+0.5×0.0433(lnxLit)2+0.5×(-0.037)lnxKitlnxLit+0.5×0.0083t2+0.0382tlnxKit+0.0087tlnxLit+vit+uit

⑧

根据模型的运算结果和公式④、⑤、⑥,可得到9年来物流业的技术效率、技术进步和全要素生产率,如表3所示。

五、结论

根据前面的运算结果,我们可以看到9年间我国物流业的全要素生产率是不断增长的,从1998年的2.88%,到2006年的5.62%,9年间增长了近1倍。其中,技术效率增长的非常缓慢,9年间只增加了0.002,技术进步增长的很快,9年间增长了1倍,这说明物流业全要素生产率的变化和技术进步是一致的,全要素生产率的增长主要来源于物流业的技术进步。从表3中可以看出,我国物流业的生产率在“十五”期间呈现出快速增长的势头,2001年随着我国加入WTO,国外先进的物流企业陆续进入我国市场,这对我国的物流业来说,既是机遇也是挑战,2001年、2002年的TFP增速有所减缓,2003年的TFP为4.18%,开始快速增长,2004年出现了大幅度的增长,TFP达到4.81%的高水平,到2005年增速有所减缓,但仍然保持较快的增长。2006年3月,在全国十届人大四次会议通过的《国民经济和社会发展第十一个五年规划纲要》中,第4篇“加快发展服务业”里单列一节“大力发展现代物流业”,国家的大力扶持使物流经济发生了较大的变化,使得这一年的TFP增长率又出现了大幅的攀升,达到了5.62%。这与实际情况是相符合的。

参考文献:

1、Aigner.D.J.,C.A.K.Lovell,and P.Schmidt.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics,1997(7).

2、Charnes A,Cooper W.W,Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1998(12).

3、D.W.乔根森.生产率第一卷:战后美国经济增长[M].中国发展出版,2001.

4、Kumbhaker S.C.Production frontiers,panel data and time-varying technical inefficiency[J].Journal of Econometrics,1990(46).

5、LIU Yang,WU Yu-hua.Empirical analysis on TFP change in Chinese logistics industry:A nonparametric Malmquist index approach[J].Chinese Business Review,2007(6).

6、Solow Robert.A Contribution to the Theory of Economic Growth[J].The Quarterly Journal of Economics,1956(1).

7、Zhu, J. Multi-factor performance measure model with an application to fortune 500 companies[J].European Journal of Operational Research,2000(123).

8、徐宏毅.服务业生产率与服务业经济增长研究[D].华中科技大学,2004.

9、余思勤,蒋迪娜,卢剑超.我国交通运输业全要素生产率变动分析[J].同济大学学报,2004(6).

10、中国统计年鉴[M].中国统计出版社,1998-2007.

11、中国固定资产投资统计年鉴[M].中国计划出版社,1998-2007.

12、中国物流年鉴[M].中国社会出版社,2000-2006.

计算机前沿技术总结例10

人类正被数据淹没，却饥渴于知识。面临浩瀚无际而被污染的数据，人们呼唤从数据中来一个去粗取精、去伪存真的技术。而数据挖掘就是从大量数据中识别出有效的、新颖的、潜在有用的，以及最终可理解的知识和模式的高级操作过程，所以数据挖掘也可以说是一个模式识别的过程，因此模式识别领域的许多技术经过一定的改进便可以在数据挖掘中起重要的作用。计算智能(Computational Intelligence-CI)方法是传统人工智能(Artificial Intelligence，AI)的扩展，它是模式识别技术发展的新阶段[1]。

科学家预言：“21世纪，人类将从经典信息时代跨越到量子信息时代”。创立了一个世纪的量子力学随着20世纪90年代与信息科学交叉融合诞生的量子信息学，已成为量子信息时代来临的重要标志[2]。量子计算智能导论作为信息科学、计算机科学、智能信息处理、人工智能等相关专业的研究生专业课程，已经在越来越多的高等学校开设。

由于量子计算智能是一门跨越包括物理学、数学、计算机科学、电子机械、通讯、生理学、进化理论和心理学等学科在内的深奥科学，因此量子计算智能导论的教学内容和侧重点的安排目前仍处在探索阶段，尤其作为研究生课程如何使得学生在掌握深奥理论的基础上结合实际应用，将理论转化为技术与工具，从而提高动手能力，这是每个研究生专业课任课老师的核心探索所在，因此就要求老师在授业解惑的同时关注前沿，以该学科的前沿领域为教学指引，进而更好的培养研究生主动探索知识的能力。

1教材选择

一本好的教材为教学起到了画龙点睛的作用，因此教材的选择即是老师对教学内容，教学目标和教学方法的选择。我们选择教材，期望该教材由浅入深、深入浅出、可读性好，具有系统性、交叉性、前沿性等特点。由于量子计算智能导论为全校研究生的专业课程，而量子计算智能是一门多学科交叉的综合型学科，因此我们要考虑到来自学校不同专业背景，以及在物理，数学，工程优化和进化理论基础有限的两难困境，所以首先选择了一本关于量子计算的英文原版书作为教材之一，Michael Nielsen等人所著的《Quantum Computation and Quantum Information》[3]，2003年高等教育出版社出版，该书全面介绍了量子计算与量子信息学领域的主要思想与技术。到目前为止，该领域的高速进展与学科交叉的特性使得初学者感到困惑而不易对其主要技术与结论有综合性的认识，而该书特色在于对量子机制和计算机科学给予了指导性介绍，使得那些没有物理学或计算机科学背景的学生对此也易于接受，为学生提供了详实的关于量子计算的物理原理和基本概念；另外考虑到这门课程面向研究生，无论将来他们是直接就业还是继续深造，都要注重实践动手能力的培养，要能够将自己所学的书本知识转化为技术和工具，去解决实际的工程和科研问题，因此我们还选择了另外一门书，由李士勇教授所著的《量子计算与量子优化算法》[4]，哈尔滨工业大学出版社于2009年出版，该书着重讲解了量子优化算法，为实际工程应用提供了新的思路，并启发大家在量子计算机没有走出实验室的今天，如何利用现有的数字式计算机构造具有量子特性的快速算法。当然考虑到全校研究生的专业知识背景不同，我们也推荐了中南大学蔡自兴教授等编著，2004年由清华大学出版社出版的《人工智能及其应用：研究生用书(第三版)》[5]，该书是蔡自兴为主讲教授的国家精品课程人工智能的配套教材，该本书中系统全面的讲解了高级知识推理、分布式人工智能与艾真体、计算智能、进化计算、群智能优化、自然计算、免疫计算以及知识发现和数据挖掘等近年的热点智能方法，从而辅助学生了解人工智能，以及人工智能如何发展到计算智能，使得学生全面认识学科的发展和传承性，为今后学习量子计算智能打下坚实的理论基础。

2教学内容

本课程从量子计算的基本概念和原理出发，重点讲解量子计算基础和基本的量子算法；并从量子优化算法拓展开来。该门课程我们安排了46学时，具体安排如下：第1章，量子力学基础(2学时)；第2章，量子计算基础(4学时)；第3章，基本量子算法(4学时)；第4章，Grover量子搜索算法的改进(4学时)；第5章，量子遗传算法(8学时)；第6章，量子群智能优化算法(8学时)；第7章，量子神经网络模型与算法(8学时)；第8章，量子遗传算法在模糊神经控制中的应用(8学时)。

3教学方法

3.1理论与实践相结合的教学方法

量子计算智能导论是一门多学科交叉的综合型学科。选课的同学来自全校，各个的专业背景不同，但是大家的共同需求是一样的，就是从课程中掌握一种用于解决实际问题的工程技术，但是工程技术的掌握也需要理论的支撑，因此我们在教学实践中总结出了一套方法，具体做法是将教学内容划分为：理论型和实践型。

理论型教学指的是发展完善的量子计算基本原理和方法。其内容包括：量子位、量子线路、量子Fourier 变换、量子搜索算法和量子计算机的物理实现等。而其中量子位、量子线路以及量子算法都是以量子相对论为基础的，这也是量子计算的本质原理，而较之我们熟悉的数字式计算机和计算方式有着本质的区别。我们在教学中由浅入深，通过PPT授课，采取理论与实例相结合的讲授方式。下面给出了一个我们在教学中的实例：将量子计算问题形象化。具体内容如下。

让我们想象一下下面这个问题。我们要找一条穿过复杂迷宫的路。每次我们沿着一条路走，很快就会碰到新的岔路。即使知道出去的路，还是容易迷路。换句话说，有一个著名的走迷宫算法就是右手法则――顺着右手边的墙走，直到出去(包括绕过绝路)。这条路也许并不很短，但是至少您不会反复走相同的过道。以计算机术语表述，这条规则也可以称作递归树下行。现在让我们想象另外一种解决方案。站在迷宫入口，释放足够数量的着色气体，以同时充满迷宫的每条过道。让一位合作者站在出口处。当她看到一缕着色气体出来时，就向那些气体粒子询问它们走过的路径。她询问的第一个粒子走过的路径最有可能是穿过迷宫的所有可能路径中最短的一条。当然，气体颗粒绝不会给我们讲述它们的旅行。但是 量子算法以一种同我们的方案非常类似的方式运作。即，量子算法先把整个问题空间填满，然后只需费心去问问正确的解决方案(把所有的绝路排除在答案空间以外)。这样以来，一个枯燥晦涩的量子算法就被很形象的解释，因此增强了学生的记忆也加深了理解，从而提高了学生的学习兴趣。

实践型教学指的是正在发展中的量子计算智能方法的热点问题。其内容包括：量子遗传算法，混沌量子免疫算法，量子蚁群算法，量子粒子群算法，量子神经网络模型与算法，和这些算法在实际工程优化中的应用。这部分内容属于本学科的前沿，但也是热点问题，因此这部分我们在教学中忽略理论推导，重点强调实际操作，在PPT课件中增加仿真实例的讲解；并在课下布置相应的上机操作习题，配合上机实践课程，锻炼学生的动手能力，同时也引导学生去关注这些前沿，从而培养他们的科研素养。

为了体现该门课的教学特点，我们在考核方式上，采取考试与报告相结合的方式，其中理论部分我们采取闭卷考试，占总考评分数的40%；实践部分采取上机技术报告考核，内容为上机实践课程布置的大作业，给出详实的算法流程图和仿真结果与分析，占总考评分数的40%；出勤率占总考评分数的20%。

3.2科研素养的培养与实践能力的提高

科研素养的最核心部分，就是一个人对待科研情感态度和价值观，科研素养的培养不仅使学生获得知识和技能，更重要的是使其获得科学思想、科学精神和科学方法的熏陶和培养。正如温总理说的那样：“教是为了不教，学是为了会学”，当学生将课本内容遗忘后，遗留下来的东西即是他们所具备的科研素养。因此，在教学中，我们的宗旨也是提高学生的科研素养，量子计算智能导论是一门理论和实践紧密结合的学科，该学科的发展日新月异，在信息处理领域的关注度也越来越高。在教学实践中，我们采用了上机实践和技术报告相结合的教学方式。掌握各种量子计算智能方法的原理和流程是这门课程教学的首要任务，因此学生结合各自研究方向实现量子智能算法在实际科研任务中的优化问题求解。在上机实践中，学生不仅要掌握该智能算法的流程而且重点关注学生对

自己科研任务的建模，学会系统分析问题，建立合理的数学模型，并给出理论分析。上机实践验收中，我们不但考察其结果展示，更增加了上机实践的技术报告，用来分析模型建立的合理性，从而培养学生对待科研问题的分析素养和建模素养。在技术报告中，我们要求学生给出几种可供参考的建模模型，并分析各自的优势，和选择这一解决方案的依据。由于量子计算智能导论是面向研究生开设的课程，在教学中，我们更佳关注其分析问题的能力，和解决问题的合理性的思考能力，从而培养学生的科研素养。

4结语

把教学当做一门艺术，是我们作为高校老师毕生追求的目标，如何做到重点讲透，难点讲通，要点讲清，这也是我们多年教学中一直关注的关键点。我们在教学中反对“灌输式”，强调“启发式”，以实际应用先导教学是非常可取的，也收到了良好的效果。量子计算智能导论是一门综合型交叉学科，且面向研究生开设，因此在教学实践中，我们十分重视学生科研素养的培养。通过上机实践和技术报告的形式引导学生积极动手，积极思考。希望这些教学中的点滴供同行们交流探讨。

参考文献：

[1] 焦李成,刘芳,缑水平,等. 智能数据挖掘与知识发现[M]. 西安:西安电子科技大学出版社,2006.

[2] 田新华. 跟踪国际学术前沿迎接量子信息时代:《量子计算与量子优化算法》评介[J]. 科技导报,2010,28(6):122.

[3]Michael A. Nielsen ,Isaac L. Chuang. Quantum Computation and Quantum Information [M]. 北京:高等教育出版社,2003.

[4] 李士勇,李盼池. 量子计算与量子优化算法[M]. 哈尔滨:哈尔滨工业大学出版社,2009.

[5] 蔡自兴,徐光v. 人工智能及其应用:研究生用书[M]. 3版. 北京:清华大学出版社,2004.

Exploration on Introduction to Quantum Computational Intelligence

LI Yangyang, SHANG Ronghua, JIAO Licheng