自1990年哈佛大学Michael Porter首次提出“创新驱动”概念后，其应用研究扩展到各行各业，在学术界引起了一番热潮。创新驱动已逐渐成为各行业谋求竞争优势以及经济发展的第一动力。而建筑业作为我国重要的传统支柱性产业，其增长主要是靠劳动和资本驱动的，创新水平一直较低。所以，建筑业必须在实施创新驱动发展战略的行动中担负起重要责任，加快产业改造升级，坚持走创新驱动发展之路。

创新涉及生产力和生产关系的全要素、多方面，要实现创新驱动发展，最核心是提高全要素生产率（TFP）。众多学者亦指出TFP能更综合地反映某一生产单位的创新驱动绩效，它包括了技术进步、规模效益、管理创新等，优于劳动生产率（LP）以及多要素生产率（MFP）。鉴于此，学者们对建筑业TFP测量已展开了一系列研究，但理论成果较为庞杂，还未形成统一的范式。而TFP的准确测量是促进建筑业走创新驱动发展之路的必备条件，根据现有研究成果，在选择不同的投入产出指标以及研究方法时，可能导致不同的生产率和效率结果。因此，一套完整有效的建筑业TFP测量方法对促进建筑业转型升级至关重要。而综述论文能系统总结现有研究，为后续研究提供方向性建议，是完善现有理论体系的前提和基础。综上，为进一步保证建筑业TFP测量的准确性，现阶段亟需对现有研究展开全面、系统地归纳总结，挖掘现有研究的主要着力点，找到目前测量存在的不足，并据此提出未来的研究方向。

本文数据英文文献来自WOS、EI和Scopus数据库，中文文献来自CNKI数据库。经过检索筛选共获取分析文献32篇，其中WOS数据库13篇，EI数据库6篇，Scopus数据库8篇，CNKI数据库5篇。

根据研究目的，本文按照投入指标—产出指标—研究方法三大部分对建筑业TFP测量展开多角度综述。其中投入和产出指标主要从类型以及使用频次两大方面进行总结论述。研究方法主要从类型、使用频次以及发展趋势三方面进行分析。据此提出目前建筑业TFP测量普遍存在的问题及未来研究方向，为之后学者开展该领域的研究提供借鉴。

在早期阶段，由于统计数据缺乏，学者们致力于从建筑成本和价格数据间接探究测量TFP的模型，因其假设生产率增长相对于所有三个投入的偏差等于零，这种方法具有一定的局限性。之后，随着统计数据的不断改善，为实证研究奠定了基础。加之Pearce D.在2003年发表了一份题为《建筑的社会和经济价值》的报告，建筑业生产率的测量引起了学界的广泛关注。自2003年以来，有关建筑业TFP测量的研究整体呈快速上升趋势。从研究对象来看，有学者从宏观视角也有从微观视角对建筑业TFP展开研究，大到以国家为单位，小到以企业为对象。从研究期看，相对于发表年份，研究期普遍滞后，这很大程度上是由于一部分数据统计不及时，致使建筑业TFP的测量严重缺乏时效性。下面分别从投入指标选择、产出指标选择、研究方法三大部分进行深入分析。

本文将输入变量分为劳动（L）、资本（K）、中间投入（I）及其他四大部分分别总结，如表1。

就输入变量L而言，对属于传统劳动密集型产业的建筑业来说，劳动力是最重要的投入变量。现阶段学者对此选择的指标较为集中，以员工人数衡量劳动投入的研究最多。然而，员工人数这个指标将所有个体视为同质性的，没有考虑个体与个体之间的差异。此外，还有学者指出将劳动力投入定义为员工人数，忽略了劳动力质量随时间的变化，没有对劳动力的组成和质量变化做出调整，例如性别、教育水平、年龄、经验和技能等。这就造成计算出的TFP增长不仅仅包含技术进步，而且包括输入质量的变化，致使结果不准确。鉴于此，一些来自发达国家的学者如新加坡、英国、澳大利亚等开始以工作时间为指标进行分析。近年来，更有学者采用劳动成本指标衡量劳动投入，但目前相关研究较为缺乏。为了更准确地衡量劳动力对产出增长的贡献，在选择劳动力投入指标时应考虑劳动力的异质性，选择工作时间或劳动成本等指标。还应注意的是，现有研究劳动投入的详细数据均来自《年鉴》、《建筑年报》、SABI等官方统计数据库。然而，官方统计通常不包括农民工或外来工人的数据，而他们承担了建筑业大部分的劳动力。尤其对中国建筑业来说，2017年统计局公布建筑业共雇佣了5400多万农民工，且95%以上的一线生产工人都是一次性招募的，流动性较大。究其原因，农民工群体一直处于弱势地位且受到不公平的对待，形成了不注册和不签合同的统计歧视，导致在官方统计数据中被忽略。因此，本文认为农民工数据的缺失可能会对TFP测量结果产生较大偏差，在之后的研究中应尽可能地考虑农民工对TFP的影响。例如，在计算时，劳动投入指标若选择员工人数，那么就应加上农民工的数量，产出指标若选择总增加值，相应的总增加值也应加上农民工所获得的劳动报酬，保证投入和产出端匹配。

就输入变量K而言，以总资产的使用最多。其次，学者们较多采用固定资产指标。但由于固定资产指标受到折旧、增量固定资产、价格等因素的影响，致使计算较复杂。据此，有学者考虑建筑业的特殊性，资本很大程度上是通过机械设备来表现，采用了自有机械设备总功率、建筑机械等指标。比较而言，将建筑企业所有的固定资产作为资本投入指标最优，由于总资产包含的范围过广，如无形资产（专利、商标）往往更多地视为产出而非投入。而固定资产指标剔除了无形资产的影响，更能反映企业真实的资本投入。不幸的是，这些指标未考虑资本租赁现象或未将租赁资产计入固定资产中。而建筑业使用租赁设备是很普遍的，是获取机械设备的主要方式之一。Crawford等指出如果设备是在没有经营者的情况下租用的，其价值在国民经济核算中作为服务活动入账，这可能会大大简化资本服务的计算。Chau等于2005年就曾提出资本投入应考虑固定资产价值及租赁固定资产的资本化租金，而之后学者并未对此引起重视。因此，为进一步提高建筑业TFP测量的准确性，应扩大数据统计的范围进而把部分租赁设备的价值纳入资本投入计算，即在统计固定资产时考虑建筑业部分租赁设备的价值，将其共同作为计算TFP时的资本投入。还有学者指出应将资本存量分为不同类型的资产，如ICT资产和非ICT资产，在计算时对其做不同的处理，因为像计算机这样的短期资产比像建筑物这样的长期资产具有更高的生产率。

就输入变量I而言，建筑业中间投入范围较广，包括工地耗用建筑材料及物料、经营杂项物料、租金、维修保养及其他服务的开支。大部分学者为了简化计算或由于数据不可获得并未考虑中间投入对TFP的影响，甚至还有学者认为中间投入对TFP没有影响。但本文认为这种观点明显是不合理的，不同的材料对建筑业生产效率的影响是巨大的，在测量TFP时必须考虑中间投入的作用。Chau也曾指出这可能对一些行业适用，但对于建筑业来说是不现实的，生产率的提高往往与新材料的使用有关，他们对生产效率的贡献不容忽视。Goodrum等亦指出材料技术的进步通过从制造业向建筑业扩散，从而在一定程度上促进了TFP的提高。现阶段考虑了中间投入的学者大部分采用材料成本来简化计算，因其是建筑业中间投入的主要构成部分且其余中间投入数据获取较为困难。甚至还有学者直接将总产值与总增加值之差作为所有的中间投入。综上，学者们对建筑业TFP进行测量时应加大对中间投入的关注，考虑中间投入对建筑业TFP的影响。

此外，还有小部分学者根据自己的研究设计选取了其他指标反映输入变量，如Horta等从财务的视角确定了流动负债总额、股东资金、销售成本三个投入指标。刘炳胜等采用增加值法进行回归分析获取了建筑业总资产和建筑业经营性投入两个投入指标，其创新性地将定量的指标选择方法应用到建筑业TFP的测量中。

输出变量可以分为单因素输出和多因素输出两大类，如表2。

在单因素输出中，总增加值与总产值两大指标的应用最为广泛，其中又以总增加值更受学者偏爱。一方面是因为总增加值属于建筑业创造的新增价值，不含上游产业所产生的价值，避免了中间产品的重复计算，而且通常人们只对为最终用途而生产的产品和服务的数量感兴趣。另一方面，若以总增加值为产出指标，那么投入端仅包括劳动和资本，不需要考虑中间投入的价值，这就使计算更为简便可行。因为建筑业涉及的关联行业多，致使中间投入包含多个方面，在大多数国家建筑业的该数据都是较难获取的。但如前所述，中间投入对建筑业TFP的测量结果影响较大，不应忽视。就单因素输出来说，考虑投入产出指标的匹配性，若考虑了中间投入，那么产出指标应选择总产值，因其考虑了新材料所带来的生产率增长。相比而言，其他产出指标的使用就相对较少也不建议采用，如销售额、营业收入等，主要是因为这些指标通常被认为是放大或减小了建筑业的产出，其并不是所有投入的产出体现，还包括市场需求、竞争激烈程度等原因。

相对单因素输出指标，选择多因素输出指标的学者相对较少。其中，Wong和Chiang等人以总收入和利润总额作为产出指标，总收入反映的是承包人销售的能力，而利润总额反映的是承包人管理和成本控制的能力，这两个指标都被认为是适合生产率评价的，因为它们很大程度上依赖于管理决策。此外，一些学者以建筑业的直接产出建筑面积与总产值一起作为产出指标，这意味着生产过程不仅仅被视为一个简单的价值产生，而且考虑了尺寸和质量因素。然而，目前对此还处于探索阶段，在之后的研究中学者可进一步尝试，有助于从新的视角反映建筑业的TFP。

通过著名经济学家Douglas P.、Solow R M.、Jorgenson D W.、Charnes A.等的不断努力，到目前为止已经提出了许多TFP的测量方法。诸如索洛余值法、超越对数生产函数法、数据包络法（DEA）等。方法的合理选择对保证评价结果的准确性至关重要，不同的评价方法，往往会得出不同的测量结果。为便于理解和区分，不同学者从不同角度对这些方法进行了分类。Mahadevan于2003年根据是否需要假设生产函数并对生产函数参数进行估计，分为参数法和非参数法。其中参数法主要以索洛余值法、随机前沿生产函数法（SFA）等为代表，非参数法主要包括DEA、指数法等。根据测算原理不同，又可以分为增长核算法、生产前沿面法和指数法。其中增长核算法是在索洛余值法的基础上发展而来，主要包括C-D生产函数法、超越对数生产函数法以及CES生产函数法。生产前沿面法可分为SFA和确定性生产前沿函数法（以DEA为代表）。TFP指数指一个生产单元如行业、企业、国家或地区，在一定时期内生产的总产出和总投入之比。

通过文献梳理发现上述方法在建筑业TFP测量中应用广泛，本文采取第二种分类方法进行分类，如表3。其中DEA-Malmquist指数法和Färe-Primont DEA法的前提需要基于DEA确定生产前沿面，因此本文将其归为生产前沿面法。

总的来看，以生产前沿面法应用最为广泛，增长核算法次之，单纯采用指数法的研究较少。从时间演变趋势来看，C-D生产函数法的研究出现最早，接着Jorgenson提出的超越对数生产函数法受到了学者们的广泛认可，再后来非参数法DEA的提出打开了处理多产出问题的大门，在学界引起了一番热潮，尤其是基于DEA的Malmquist指数法，随后亦有学者采用SFA法在建筑业对TFP进行实证研究，近年来开始有学者运用Färe-Primont DEA法对TFP进行测量。

增长核算法是在增长模型的基础上发展而来的，因此适合于经济总量的预测，但该方法的限制较为严格，如C-D生产函数法需假设市场是完全竞争的，而且无法分解为技术效率和分配效率，其将TFP增长全部归为技术进步的结果，致使不能挖掘生产率变动的深层次原因。而逐渐发展起来的SFA法允许技术无效率存在，并能将TFP的变化进行分解，考虑随机因素对经济增长的影响，比增长核算法更接近于经济增长的实际情况。虽然SFA法克服了增长核算法的一些局限，但仍需要设置具体的生产函数，无法避免因生产函数选择不当而产生的问题。为解决这一弊病，Charnes A.于1978年提出了DEA法，其是一种非随机、非参数、线性规划模型。最大的优势就是不需要设置具体的生产函数，且能处理多投入、多产出问题。目前被广泛应用于建筑业TFP测量的是基于DEA的Malmquist指数法。该方法不仅避开了设置具体的生产函数，而且只需要输入和输出量，不需要有关价格信息，在数据不足的情况下是理想的。同时，该方法可将TFP变化分解为技术进步、纯技术效率变化及规模效率变化。但在学术界该方法亦存在一定的争议。首先，该方法要求规模报酬不变，否则会对生产率变化的测量产生系统偏差。其次，不满足跨期比较时的传递性且分解不完整。鉴于此，学者O’donnell提出了满足传递性、完全分解TFP的Färe-Primont DEA法，并认为其优于DEA-Malmquist指数法。该方法既能分析TFP的纵向变化趋势，又能获得TFP的水平值，从而对各研究对象进行横向比较。

综上，目前建筑业TFP测量的研究方法大致分为两大类：生产函数法和基于DEA的指数法。值得注意的是这两类方法各自的使用条件不同，首先，两者对产出指标要求的数量不同。其中，生产函数法要求产出指标只有一个。而基于DEA的指数法对产出指标的数量没有限制，较为灵活，可以一个亦可多个。但采用DEA法进行评价时最大的问题就在于对投入、产出指标进行科学合理地选取，现有研究基本都是在定性分析、文献梳理的基础上确定，不具统计说服力。在之后的研究中可进一步将定量的指标选择方法，如增加值法、主成分分析法、因子分析法等引入建筑业TFP测量指标的选择中。其次，若采用生产函数法其决策单元（DMUs）一般只有一个，而DEA法必须有多个，且DMUs的数量应至少是总投入产出指标的2倍。例如，Wang和Will等学者分别使用DEA-Malmquist和Färe-Primont DEA法对中国建筑业的TFP进行测量。在其研究中，31个省被视为31个DMUs, 2个产出指标被选择。同样，Chancellor等采用Färe-Primont DEA法分别用8个州作为8个DMUs来衡量澳大利亚的TFP，但只选取了总增加值作为唯一的产出指标。

本文通过对来自WOS、CNKI等数据库的国内外建筑业TFP测量的文献进行总结分析，指出了现有研究的主要着力点，并据此提出了未来的研究方向。具体结论与未来TFP测量的关注点如下。

输入变量主要包括劳动、资本、中间投入三类，其中劳动投入主要选取员工人数，资本投入主要以总资产和固定资产原值或净值衡量，中间投入选择材料成本衡量。输出变量可以分为单因素和多因素输出两类，单因素输出以总增加值和总产值为代表，多因素输出主要是通过不同的输出指标反映建筑业或企业不同的生产能力。建筑业TFP测量采用的评价方法种类丰硕，其中以DEA-Malmquist生产率指数法、超越对数生产函数法等应用最多。而近年来学者开始关注相对更优的FärePrimont DEA法。

在之后的研究中应加强统计数据的时效性和全面性，从而加大对劳动异质性、农民工、租赁现象以及中间投入的考虑，并注意研究方法的使用条件。在选择产出指标时添加质量调整变量，如施工面积，有助于从全新的角度了解中国建筑业的TFP。就研究方法来看，为避免定性选取指标的主观性，可将科学的定量方法应用到投入产出指标的选取，如增加值法、主成分分析法、因子分析法等。此外，可进一步推广相对更优的FärePrimont DEA法在建筑业TFP测量中的应用。