英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
2012年国际技术与管理大会
信息技术讲义，Vol.21
中国制造业技术进口与全要素生产率增长
谢秋万，陶旭
苏州大学商学院，东环路50号，215021苏州，苏州
WJQ@suda.edu.cn;tylerxu@sina.com
关键词：技术进口 制造业全要素生产率
摘要： 技术进口是中国制造业技术提升最重要的手段之一。在本文中，我们将采用非线性面板数据模型来分析国际技术进口对中国制造业全要素生产率（TFP）的贡献。结果表明，随着技术进口的增加，TFP增长率下降，技术进口边际回报率下降。中国制造业不应该过度进口技术。
1.介绍
自从中国1970年代末采取改革开放政策以来，技术进口已成为缩短中国与发达国家制造业技术距离的最重要手段之一。 随着数十年的发展，中国制造业取得了长足的进步，同时技术进口的影响也有争议。 Belderbos，Banri Ito和Wakasugi（2006）[1]发现技术进口的边际回报不断减少。 随着技术进口的增加，对技术的贡献越来越少。 目前，由于中国制造业从国外引进了大量技术，进一步的技术进口会持续刺激TFP增长吗？
国内外研究人员研究了技术进口对TFP的影响。 Caves和Uekusa（1976）[2]已经在这一领域作出了最早的研究之一。他们发现技术进口可以提高劳动生产率，但日本和其他发达国家的实证结果未能支持他们的结论[3]。近年来，越来越多的研究人员改变了研究发展中国家的问题，发现技术进口对TFP有积极的影响。然而，还提出技术进口对TFP的影响并不是单调的，而是条件和非线性[4] [5]。
本文将构建非线性面板数据模型，分析中国制造业TFP技术进口情况。
2.方法和数据描述
在本文中，我们将采用面板数据模型，根据28个中国制造业的数据，分析技术进口对TFP的影响。
2.1方法
在本文中，DPIN1.1计划将用于估计2002年至2010年中国制造业的TFP。TFP估算中使用的数据包括生产总值，资产价值，劳动力，生产者价格指数，固定资产 投资价格指数，原材料采购价格，燃料和电力指数，以及28个制造业的平均工资。 DPIN 1.1计划采用ODonnell的[6]数据包络分析方法，将生产总值的增长分解为贸易和全要素生产率增长。 与传统方法相比，ODonnell的数据包络分析方法考虑了价格变化，克服了对TFP估计的垄断扭曲。 根据ODonnell（2010）的方法，第t期第一产业（Profit）的利润系数可以定义为生产值与投入成本的比率：
Qi，t，Pi，t，Xi，t和Wi，t分别代表生产总值，生产者价格指数，投入和投入价值总额。
第t期利润系数的增长可以重写为贸易条件和TFP的组合：
TTi和TFPi是第i个行业中贸易条件和TFP增长的变化。 可以用公式（2）估算每个行业的TFP。
根据上述分析，技术进口对制造业TFP产生非线性影响，影响方向取决于以往技术进口水平
因此，我们可以构建以下经验模型：
|
TFPt = c0 c1 (log(TRt minus;1 ) minus; R) gtrt CONTROLt ε t |
（3） |
TR，gtr和CONTROL代表技术进口总值，技术进口增长率和控制变量。 R是技术进口对TFP影响的技术进口的关键价值。 εt是残差。 等式（3）包括一个未知系数R，这使得方程无法直接估计。 假设R为系数，根据Aghion，P.，Bacchetta，P.，Ranciere，R.和Rogoff，K.的方法[7]，我们调整方程（3）并得到以下经验模型：
|
TFPt = c0 c1 log(TRt minus;1 ) gtrt (c1 minus; R) gtrt CONTROLt ε t |
（4） |
等式（4）包括交叉项log（TRt-1）gtrt。 我们可以估计系数c1和c1-R
在公式（4）中，通过计算c1（log（TRt-1）-R）的值来衡量技术进口对制造业TFP的总体影响。
2.2数据描述
中国制造业自2001年底中国入世以来，一直处于较快的发展阶段。因此，我们将利用中国制造业从2002年到2010年的数据，估算技术进口对面板制造业TFP的影响数据模型。由于技术进口后需要配套投资，以确保进口先进技术的成功利用，我们将技术进口投入和配套投入的总和作为技术进口的变量，按照飞兴和张建华的[8 ]建议。在估计全要素生产率时，我们利用了中国大中型企业的资产，劳动力，生产价值等数据。行业平均工资和生产者价格指数已被用于代表劳动力成本和产品价格。因为没有资产价格指数，我们将固定资产和流动资产的价值作为权重，以固定资产投资价格指数和原材料，燃料和电力的采购价格指数计算加权资产价格指数。所有数据均来自“中国统计年鉴”相关问题。
3.实证分析
表1报告了2002年至2010年中国制造业技术进口和TFP对数值的描述性统计。从表一可以看出，这些年来所有行业的技术进口均有显着差异。 最大值为14.06298，最小值为6.480045。 类似地，TFP的变化也很大，最大值为1.0501，最小值仅为0.9192。 这意味着TFP最高的增长率是5.8％，而最低的是-8.808％。
表1技术进口和总要素生产率的描述性统计
|
Logarithm of Technology Import |
TFP |
|
|
Mean |
10.83612 |
1.006640 |
|
Median |
10.96596 |
1.005800 |
|
Maximum |
14.06298 |
1.050100 |
|
Minimum |
6.480045 |
0.919200 |
|
Standard Deviation |
1.575866 |
0.012830 |
由于这些年来所有制造业的TFP可能存在时间效应，因此我们在面板数据模型中增加了固定的时间效应。 我们确定了生产总值的增长率，生产者价格指数的对数，研发投入的增长率，资本劳动比率和流动资产比率作为控制变量。 前一年的TFP也被用作自变量。 我们使用TFP的增长率作为因变量，并估计四个面板数据模型。 所有结果已在表2中报告。
表2技术进口对制造业TFP的非线性影响
|
Model I |
Model II |
Model III |
Model IV |
|
|
Constant |
-0.150841** |
-0.144906** |
-0.098434 |
-0.157381** |
|
Cross term |
-0.000249* |
-0.000215* |
-0.000241* |
-0.000218* |
|
D(TECHTRR(-1)) 0.002972** |
0.002645** |
0.002896** |
0.002669** |
|
|
TFP(-1) |
-0.126093*** |
-0.119755*** |
-0.132362*** |
-0.116843*** |
|
D(LOG(Y)) |
0.021611* |
0.024414* |
0.026478* |
0.025901** |
|
LOG(PPI) |
0.060101*** |
0.057306*** |
0.051169*** |
0.056723*** |
|
D(RD(-1)) |
/ |
-0.000101 |
-9.54E-05* |
-9.95E-05 |
|
KLR |
/ |
/ |
-0.000105** |
/ |
|
ALR |
/ |
/ |
/ |
0.000214 |
|
R2 |
0.602503 |
0.611592 |
0.624599 |
0.613418 |
|
Adjusted R2 |
0.506293 |
0.514490 |
0.527722 |
0.513654 |
|
F-statistic |
6.262400*** |
6.298446*** |
6.447304*** |
6.148736*** |
|
D.W. stat |
2.204595 |
2.197638 |
2.202068 |
2.220913 |
注：交点：技术进口（LOG（TECHTR（-1）））的一年滞后对数值（技术进口增长率（D（TECHTRR（-1）））为一年滞后差。TECHTRR：技术进口增长率; Y：生产总值; RD：研发支出增长率; 资本劳动比例 ALR：流动资产比率。*，**，***：10％，5％和1％水平显着。
<p
剩余内容已隐藏，支付完成后下载完整资料</p
资料编号：[26140]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
