随着国家经济建设和社会的进步,建筑业发展迅速并成为国民经济支柱性产业之一。2011到2017年,全国建筑业从业人员由3852.47万人增加到5529.63万人,总产值由117059.65亿元增加到213943.56亿元。虽然建筑业的规模在不断扩大、总产值持续增加,但是各省市自治区间发展不平衡,资源配置不合理等问题依然存在。如何提高建筑业生产效率仍是学者专家广泛关注的焦点。

从宏观角度看,在涉及行业或地区的比较研究中,测算其技术效率值,能够让业界清楚地了解每个行业或地区的经济增长状况。同时,可以衡量建筑业资源的利用程度,反映其效率情况。以往学者已对建筑业生产效率进行了测算,如Chancellor等引入Fare-Primont指数改进数据包络模型,对我国1995-2012年31个省市自治区的建筑业效率进行了研究;崔秀敏运用随机前沿分析方法对2001-2010年建筑业技术效率及其主要影响因素进行分析。技术效率是生产的实际值与最优值的比较,其方法主要有两种:数据包络(Data Envelopment Analysis,DEA)和随机前沿方法(Stochastic Frontier Analysis,SFA)。DEA是一种非参数的分析方法,优势在于不需要写出函数的表达式,避免了错误的估计函数形式而得出不准确的结论;但是对算法本身的要求比较高并且需要大量的分析数据。而SFA是一种参数分析方法,可以处理相互递进的两个问题,能够对生产过程进行描述;并且将误差项分为两个部分,从而使行业技术效率的估计得到合理的控制。

由于超越对数生产函数作为随机前沿方法生产函数的表达式,考虑了生产要素间投入的相互替代作用对效率的交互作用,对生产过程的描述更为准确;而随机前沿分析将误差分为两部分,从而使行业技术效率的估计得到合理的控制。本文运用SFA对我国31省市自治区2011至2017年的建筑业面板数据进行研究,剖析最近几年建筑业技术效率(Technical Efficiency of Construction Industry,TECI)情况,及其影响因素,为探索建筑业现代化的发展模式提供参考。

变量选择的合理性有助于参数估计准确性的提高和随机前沿模型复杂性的降低。为了保证变量的合理性和数据的可得性,本文通过对已有文献的整理分析,筛选出相关变量(见表1);而面板数据考虑了空间相关性和时间依赖性,具备高度的自由度和丰富的信息量。

结合表1,在选择劳动投入变量时,多数学者采用从业人数,部分学者还考虑了职工工资总额。就建筑业而言,职工工资并不固定,一般为底薪加提成,这就导致职工之间工资差异较大,不能直观地反映建筑业的劳动投入。资本投入变量有总资产、自有机械设备年末总功率以及年度平均固定资产净值。其中总资产包括了固定资产、流动资产、无形及递延资产等更为全面。产出变量是总产值和增加值较多,考虑到资本变量选择的总资产,为了统一口径,本文采用总产值作为产出变量。本文产出变量用各省市自治区历年建筑业总产值表示;资本投入变量为t年度各省份建筑业的总资产;劳动投入变量为各省份历年建筑业从业人员数量。

TECI的影响因素有:固定资产投资率G,用各省份固定资产的投资总额与该地区GDP的比值表示;国有企业资产比重S,用国有建筑企业的资产与地区建筑企业的总资产比例来表示;建筑业产值占比F,用地区建筑业的总产值占地区GDP的比重表示;动力装备率T,其数值可以直接在历年《中国建筑业统计年鉴》中查询,反映了各省份建筑业的机械化水平。

克里斯坦森等提出的超越对数生产函数相比于以往的常替代弹性(CES)和柯布-道格拉斯(C-D)生产函数,对于要素替代弹性不变的假设更加放松,形式也更为灵活。同时,不仅考虑了技术进步对效率的影响,而且体现出了生产要素间投入的相互替代作用对效率的交互作用。因此,本文选择超越对数生产函数作为随机前沿方法的生产函数表达式,很好地弥补了随机前沿分析的不足。模型如下所示:

式中,i=1,2……30、31,表示各省份;t=1,2……6、7,代表2011～2017各年份。其中y_it、k_it、l_it分别表示的是i省份在t年的产出、资本投入、劳动投入。参数β₀为生产函数的截距项,β₁-β₅为相应变量的系数,其中β₁、β₂分别代表资本、劳动产出弹性。其中,v_it服从于正态分布N(0,σ_v²),表示不可控误差是由于随机或不可观测因素所导致的;u_it服从于半正态分布N(μ_it,σ_u²),表示可控误差是由建筑业活动和效率前沿面的距离产生的。

对(1)式中未知参数测算误差的检验。公式如下:

式中,γ是可控误差与总误差的比值。通常用来检验设定的随机前沿模型和选择变量的合理性,范围在0-1之间。σ²_v越接近于0时,γ就越接近于1,表示实际与最优产出的差距是由随机变量u造成的,即技术无效率是造成差距的主要来源,此时采用SFA模型对建筑业效率进行分析是合理的;σ²_u越趋近于0时,γ的值就越接近于0,说明不可控误差是造成建筑业实际产出与最优产出差距的主要原因。

技术的无效率u_it的均值为μ_it满足下面的技术无效函数表达式:

μ_it=δ₀+δ₁G_it+δ₂S_it+δ₃F_it+δ₄T_it(3)

其中δ₀为常数项。δ_j(j=1,2,3,4)是技术无效函数的参数,它的数值大小表示了各变量对技术效率的影响程度,负的反映有正的影响,正的取值反映存在负的影响。

采用中国31省市自治区建筑业在2011～2017年间的面板数据进行分析,数据来源为历年的《中国统计年鉴》、《中国建筑业统计年鉴》(2012-2018)以及相关资料。

通过Frontier4.1软件对随机前沿模型中各个参数进行估计。该软件采用了贝特斯和科艾利构造的面板随机前沿模型,并用一步的最大似然估计法作为估计方法。

对软件估计出的结果进行分析与整理,得到生产函数模型中各参数估计结果。见表2。

表2中γ=0.9920,在1%水平上显著不等于0。其值接近于1,表明造成建筑业实际与最优产出差距的原因主要是技术无效率,即差距是由可控误差所导致,且选择的变量确实对TECI存在影响,因此选择SFA模型进行估算是合理的。另外,Log函数值和LR检验值分别为-48.729和207.4386,表明模型中变量的选择是非常正确的,且各变量均能对非效率问题较好地做出解释。

根据模型估计出的各省市自治区2011～2017年TECI值,通过Excel整理与计算得到全国建筑业这7年间的技术效率状况。具体见图1。

根据图1结果显示,从全国平均TECI水平来看,2011～2017年间其数值在0.7019～0.8647之间,整体波动较大,呈现三段分布。

第一阶段:2011～2012TECI平稳增长。2011年是“十二五”规划的开启之年,虽然房地产市场低迷对房屋建筑业造成较大影响,但建筑业在大规模投资拉动下,呈现平稳增长的态势,TECI曲线相对平缓。

第二阶段:2012～2014TECI曲线呈现“V”形。2012年政府打出稳增长“组合拳”,央行分别于6月8日和7月6日实施降息,于2月24日和5月18日下调存款准备金率,综合政策和市场作用下,建筑业整体业绩呈现回落趋势,2013年TECI降到近几年最低值0.7019;2013年,全国房地产开发投资86013亿元,扣除价格因素实际增长19.4%,投资重新成为经济增长的首要拉动力,到2014年达到最高点0.8647。

第三阶段:2014～2017年,由于“十二五”规划的结束和“十三五”规划的出台,大规模基础建设项目开工建设,在此过程中建筑业出现一定程度上的资源配置不合理现象,因而TECI开始缓慢下降。2011～2017年间全国建筑业平均技术效率为0.8084,具有很大的提升空间。2017年技术效率值比2011年低,说明7年间TECI呈现下降趋势。

我国地域辽阔,各区域的经济条件、政策等差异较大。因此,从纵向角度研究2011～2017年TECI状况后,有必要针对区域TECI进行分析,从横向角度来分析其技术效率状况(见表3、图2)。

根据表3可以看出,各省份建筑业平均技术效率的差异明显,海南最高为0.925,西藏最低为0.6140。

根据图2聚类分析的结果,将全国31个省市自治区划分为4类。第一类:西藏;第二类:江西、陕西、广西、天津、吉林、北京、海南、湖南、新疆、湖北;第三类:河南、广东、重庆、上海、山西、宁夏、四川;其他的为第四类。通过以上方法将全国31个省份分为四类,对其中具有代表性的省份重点研究:

西藏建筑业规模较小,经济发展慢以及地区偏远,建筑人才引进慢,产出相对较低,导致其TECI较小;北京、海南等省份经济实力雄厚,市场需求大,建筑技术和管理经验相对成熟,建筑业产出较高,致使TCEI较大;广东、上海、四川等城市的TECI不高,一定程度上反映出这些省份建筑设备,建筑人才以及管理经验的落后,工业化程度不高等问题;安徽、甘肃等建筑队伍庞大,资本投入不足,设备更新慢,TECI的提升空间较大。由此发现各省市自治区间TECI存在明显差异,可见区域经济状况并不是影响TECI的唯一因素,技术效率的影响因素存在多种可能性。从侧面反映出本文选取多种影响因素进行考虑是合理的。

全国31省市自治区TECI之所以呈现上述结果,是由于多种因素相互影响而造成的。本文重点考察固定资产投资率G、国有资产比重S、建筑产业占比F以及动力装备率T对TECI的影响。具体结果见表4。

表4技术无效率函数中各参数估计结果显示,“G”、“F”和“T”三个影响因素变量具有显著性。其中“G”的系数为正,式(3)中因变量表示的是技术无效率,因此,各省份“G”与TECI显著负相关,即它的降低有助于技术效率的提高;“F”和“T”的系数为负,说明“建筑产业占比”与“动力装备率”对TECI具有正的影响。即各省份建筑业产值占比和动力装备率与TECI具有正向关系,且关系明显。“S”的系数为正,即“国有资产比重”对TECI具有负效应,但效应不明显。

G是固定资产投资率,主要由政府引导。由研究结果可知,“固定资产投资率”与TECI呈现负相关,当G越大,TECI的提高被阻碍得越明显。从全国看,固定资产投资与经济活力两者间有着正向关系,但由于投资存在边际递减效应,过多的固定资产投资挤占了其他资源的投入,妨碍了东部地区的经济活力。加上近年来,我国固定资产投资呈现出逐年下降的趋势,2017年固定资产投资增速仅为4.2%,意味着固定资产投资处于持续萎缩阶段。建筑业受投资拉动的影响较大,且固定资产在建筑业内部的配置不合理,也会导致建筑业发展缓慢。从研究结果看,固定资产在房屋建筑业中占比较大(约占建筑业中的50%),从而制约了铁路、道路、隧道和桥梁工程等土木工程建筑业的发展。

F表示建筑产业占比。对表格数据分析可得,其对TECI的提升具有明显的促进作用。建筑业越发达的区域越有利于生产效率的提升,体现出了建筑产业发展的“马太效应”。但与曹泽、任阳军提到的F对TECI的提升具有负面效应的结论相反。这是因为:首先,建筑业越发达的地区越容易实现规模经济,达到生产要素间的合理投入和配置,从而TECI越高;其次,建筑业总产值在2011年～2015年连续5年的下降后,其增速开始出现反弹;而且,国务院发布的2014～2020年《国家新型城镇化规划》强调新型城镇化的发展质量,也有利于建筑业技术效率的提升。

T是指动力装备率,代表机械设备总功率与从业人员平均人数的比值。由表格分析可得对TECI具有促进作用,且作用明显。动力装备率作为衡量建筑业机械化的重要指标,其系数为-0.1301,说明动力装备率每提高1个百分点,TECI会降低13.01%,这有悖于常理。分析其原因,可能是一方面机械设备有可能存在利用的不合理或占而不用的现象;另一方面建筑业新旧设备在替换交接时,造成机械设备使用效率低,因而其促进作用较小。

本文运用超越对数随机前沿模型研究了2011～2017年间我国31省市自治区TECI及其影响因素,得出以下结论:

(1)2011～2017年间,我国建筑业平均技术效率在0.7019～0.8647之间,并呈现三段分布:2011～2012年TECI平稳增长;2012～2014,呈“V”型,2013年降到最低值;2014～2017年,缓慢下降,我国建筑业技术效率仍有很大上升空间。

(2)从区域TECI分析中,发现各省市自治区间TECI存在明显差异,导致各省份TECI高低的原因各不相同,从而建筑业的发展要因地制宜。

(3)技术效率影响因素包括:固定资产投资率、国有资产比重、建筑产业占比以及动力装备率,其中,固定资产投资率、国有资产比重与TECI呈负相关;建筑产业占比、动力装备率与TECI显著正相关。