Demonstration Study on the Total Factor Productivity of Software Industry Which Listed on Stock in China
ZHANG Cai-ming1， ZHOU Zheng-qing2， WANG Ye3
（1. The Institute of Quantity&Technological Economics，Chinese Academy of Social Science，Beijing 100732，China；
2. School of Economics，Peking University，Beijing 100086，China；
3. School of Management Graduate University of Chinese Academy of Sciences，Beijing 100049，China）
Abstract： The Total Factor Productivity research is one of hot point in academe, and it is also one important index of reflecting the
inner growth of state, region or industry. It is very different between the software industry and the others. Software is the technology to
substitute human's brain-work. So,we should pay more attention on Human Resource on study the inner growth of software industry. This
article take the ten software companies as case which are listed on stock, and research on Total Factor Productivity of software industry
in China based on Malmquist. And discusses the variability of Total Factor Productivity of software industry in China in the past ten
years, and the total increasing model including the Human resource. At last, this article gives the policies of software inddusty.
This paper first review the key domestic and overseas literatures and papers about the Total Factor Productivity research and Human
Resource research. Then we put forward this paper's theory basic and demonstration method. Base on them, we choose Human Resource
Data to study the Total Factor Productivity of software industry. And we give out the basic describe and explain to the demonstration
result. At last, this paper also give some policy suggestions for our state.
Key words： Total Factor Productivity； Economics of Information Technology； Software Economics； Malmquist Methods；
Technical Economics
摘 要：全要素生产率是近年来研究的热点，它是反映一个国家、地区产业内生增长的一个重要指标。软件产业与一般的
产业有很大不同，软件技术本身就是替代脑力劳动为主的一门信息技术，因此研究软件产业的内生增长需要重点考虑人力因
素。本文着重从全要素生产率的角度，运用非参数估计方法对于我国软件产业的10个上市公司进行考察。同时通过对软件行业
近10年的全要素生产率变化变动情况，以及通过人力资本模型在总量增长模式两个方面进行详细分析与描述。有针对性地提出
相关对策建议，这对于政府制定软件产业发展政策、合理配置人力资本资源有重要意义。
本文研究思路基本如下：首先是对国内外关于全要素生产率估计方法以及有关人力资本的重要相关文献的简要回顾；在此
基础上，提出本文的理论基础以及实证方法；然后着重从人力资本的数据选取上作出分析和判断；并且对于全要素生产率和人
力资本方法的实证结果作出基本的描述和初步解释；最后是对文章的结论和政策涵义作出简要总结。
关键词：全要素生产率；信息技术经济学；软件经济学；Malmquist指数法；技术经济学
中图分类号： 文献标识码：A 文章编号：1004- 292X（2011）02- 0007- 06
收稿日期：2010-06-30
基金项目：中国社会科学院数量经济与技术经济研究所重大课题项目：信息技术经济学研究的部分成果。
作者简介：张才明（1974-），男，江西余干人，博士后，主要从事信息技术经济学、技术经济理论与方法研究。
我国上市软件公司全要素生产率实证研究
张才明1，周正卿2，王 烨3
（1.中国社会科学院数量经济与技术经济研究所，北京 100732； 2.北京大学经济学院，北京 100086；
3.中国科学院研究生院管理学院，北京 100049）
一、引言
自国务院2000年6月下发《鼓励软件产业和集成电路产业
发展的若干政策》、2002年7月下发《振兴软件产业行动纲要》
以来，商务部、信息产业部、国家税务总局、海关总署等相关
·7·
我国上市软件公司全要素生产率实证研究
DOI：CNKI:14-1055/ 网络出版时间：2010-12-14 17:33
网络出版地址：
部门又陆续出台了一些列配套政策，以鼓励我国软件产业的发
展。在这些政策的推动下，我国产业生产能力不断提高。我国
软件产业主要集中于东部地区。多年以来，我国软件业发展是
以东部发达地区为主。其中一方面原因就是我国东部发达地区
不仅是经济发达地区，而且也是人力资本相对密集地区。特别
是北京、上海、江苏等地，由于是高等学府相对密集地区，因
此其人力资本也有比较优势。本文就我国软件产业在近10年的
发展过程中，对TFP的变化与波动以及人力资本在行业发展中
的作用给出理论分析与政策建议。
二、文献综述
1. 基于Malmquist指数法估计全要素生产率相关文献
对于全要素生产率的核算，分为参数法和非参数法，参数
法主要以随机前沿法、厚前沿法以及自由分布法；非参数法则
包括DEA和自由处置壳等方法（Free Disposal Hull，FDH）。参数
方法一般都以生产函数作为研究基础，配合相应的多元统计方
法，综合得出全要素生产率。例如索洛剩余模型，就是对参数
进行估计，将残差部分作为技术的进步部分。这种方法存在的
问题是残差部分除了有技术进步的因素之外，还包括了其他无
法观测或度量的影响因素，因此估计是有偏误的，而这种方法
建立在规模报酬不变的假设条件之下，是否能够运用于行业或
者更为微观的范围内还需要进一步讨论。特别是对于规模报酬
递增行业，参数估计法的应用前提就值得考虑了。特别是在尚
未发展完善的软件行业中，应当允许无效率行为的存在以及行
业规模扩张速度较快的现状（Grosskof，1993）。
为了避免出现参数法中的偏误，本文使用非参数估计的方
法。对于非参数的方法的全要素生产率估计，应用的最多的是
数据包络方法（Hulten，2000；Coelli，2005），尤其是Malmquist指
数的估计方法。基于DEA的Malmquist生产率指数及其分解是分
析多投入-多产出决策单元（Decision Making Units，DMUs）全要素
生产率变动情况及相对效率的有效方法。这种方法的优点是无
需设定生产函数、不需要对参数进行估计、允许无效率行为的
存在，能对全要素的变动进行分解等优点。该方法源瑞典经济
学家Sten Malmquist（1953）提出的，紧接着Shephard(1970)提出了
“距离函数”，之后由Caves（1982）将这种思想运用到生产分析中，
而Fare，Grosskof，Lindgren，Roos和Norris等（1989，1994a，1997）在
Caves，Christensen和Diewert（1982）将Malmquist指数从理论变成
了实证指数（这个指数是基于Shephard的距离函数和Farrell的技
术效率） 之后，进一步将其分解，充分发挥了其实证解释的优
势。章祥荪、贵斌威的《中国全要素生产率分析：Malmquist数
法评述与应用》 （《数量经济技术经济研究》 2008年6期），这篇
文章首先对Malmquist指数法进行了回顾，对Malmquist指数各种
分解的分歧和争论作了一个比较全面深入的介绍，并指出国内
已有研究在指数分解方面存在的不足。
由于本文强调软件行业中的全要素指数测算，属于微观领
域的全要素生产率衡量范围。国内也有学者使用类似方法测算
过其他行业的全要素指标。例如蔡跃洲、郭梅军的《我国上市
商业银行全要素生产率的实证分析》（《经济研究》 2009年第9
期），采取“中介法”，选取利息收入、非利息收入和贷款总额
为产出指标，利息支出。营业支出和存款总额为投入指标，对
2004年以来上市商业银行的全要素生产率进行了实证分析。得
出的结果是上市商业银行全要素生产率在2004年后总体略有下
降，纯技术效率和规模效率略有提高；且技术变化的下降与宏
观调控、货币信贷政策等有关。王大鹏、朱迎春的《我国高技
术产业全要素生产率动态分解评价研究》（《科技进步与对策》
2009年9月第26卷第18期），运用非参数Malmquist指数动态方
法，及其分解所得的技术效率、技术效率变化、纯技术效率和
要素利用率变化，对2002~2006年中国高技术产业六大分类效
率逐期变化情况进行评价。
2. 基于人力资本解释产业规模报酬及行业全要素增长率变
动的相关文献
本文最为重要的目的是要探索中国软件行业中全要素生产
率的变动以及人力资本要素在软件行业发展的地位与作用。研
究人力资本与经济增长的关系，特别是在解释经济增长效率方
面的文献已经有很多。Schultz（1962）明确提出了人力资本可以
作为解释经济增长的一个重要元素，很大的程度上可以解释为
什么相近的要素投入带来差别较大的产出，包括二战后日德经济
增长之谜等。之后，以Lucas（1988，1990）、Romer（1986，1990）等
为代表的内生增长理论以及Baumol（1989）、Barro（1991）、Mankiw
（1992）、Lichtenberg（1994）、Barro和Lee（1994）、Engelbrecht（1997）、
Murthy和Chien（1997）等从理论和实证方面证明了人力资本对现代
经济增长的重要性。包括Temple（2001）、Miller和Upadhyay（2000）、
Aiyar和Feyrer（2002）等在内的研究进一步认为人力资本会对TFP
增长产生重要作用。国内对于用人力资本生产函数方法的相关
文献如王小鲁、樊纲、刘鹏（2009）使用Lucas（1988）的人力资本
生产函数判断我国近10年TFP水平呈上升趋势。杨立岩、潘慧
峰（2003）在其建立的经济增长模型中证明，经济增长率是由基
础科学知识增长率或从事研发人员的数量决定的。李健伟
（1998）在关于经济增长决定要素的论述中认为：在制度因素给定
的条件下，决定经济增长的要素是人力资本、产业资本和技术进
步，而不是传统理论下的劳动力、资本和技术进步。刘海英、赵
英才、张纯洪（2004）中，量化了人力资本“均化”指标，在实证
研究基础上得出了人力资本“均化”水平对经济增长的促进机
制。人力资本在经济发展中的重要性已经有很多研究证实了。
3. 国内对于软件行业的相关研究
现阶段国内学者们对软件行业的绩效研究主要集中在生产
优势的比较、管理模式、人力资源的贡献以及未来的发展方向
等方面。软件行业关于绩效及现状的研究可以分为实证和非实
证两类。
在非实证类的文献中，崔海潮的《中国软件业的管理模式
及其发展趋向》（《科技管理研究》 2007年第12期） 从中国软件
业的从业人员结构、生产“项目管理”模式和发展趋向等三个
角度来分析中国软件业的发展走势。
在实证类的文献中，郭斌的《规模、R&D与绩效：对我国
软件产业的实证分析》（《科研管理》 2006年1月第27卷第1期）
利用国家统计局2002年度我国软件开发企业统计资料和收集的
杭州软件企业数据，利用计量模型，对中国软件产业是否存在
·8·
技术经济与管理研究 2011年第 2期
着可观测的规模效应、中国软件产业研究开发（R&D）活动对绩
效是否存在着一致性的正向影响这两个问题进行了实证研究，
并且在此基础上，就结论的政策涵义进行了讨论。目前，国内
对于软件行业的研究相对比较少，没有比较成熟的方法。
三、理论与模型分析
1. 基于行业规模报酬不变的Malmquist 指数法
在对全要素生产率的估算中，现存方法大致分为参数估计
和非参数估计两种。参数估计法的理论依据主要来自于索洛余
值的思路，即预先设定生产函数，用回归分析的的方法来确定
表达式中参数，将误差项分为管理误差以及随机误差。非参数
法无须预选设定生产函数形式，如常见的DEA（数据包络分析
方法），直接利用线性规划给出边界生产函数与距离函数的估
算，从而避免了较强的理论约束。其优势是不需要人为设定各
指标的权重，也无需事先给定生产前沿面得生产函数形式，同
时能处理多个输入和输出。
本文采用的理论方法主要基于Fare等人（1994）的研究成
果———以产出为基础的Malmquist生产率变化指数，其表达式为：
Mit,t+1（xt+1，yt+1，xt，yt）=（DVi
t+1（xt+1，yt+1）
DVit（xt，yt）
）
× DVi
t+1（xt，yt）
DCit+1（xt，yt）
DVit+1（xt+1，yt+1）
DCit+1（xt+1，yt+1）� �
× DCi
t+1（xt，yt）
DCit+1（xt，yt）
× DCi
t（xt+1，yt+1）
DCit+1（xt+1，yt+1）� �
1
2 （1）
其中DVit（xt，yt）代表t期规模报酬可变下的投入产出组合（xt，
yt）的距离函数。DCit（xt，yt）代表t期规模报酬不变下的投入产出
组合（xt，yt）的距离函数，可以解释为t期技术条件下给定投入向
量Xt，产出向量Yt最大可能扩张倍数的倒数，具体表达式为：
Dit（Xs，Ys）=inf{θ（Xs，Ys） θ∈St}=（sup{z（Xs，zYs）∈St}）- 1 （2）
其中St定义为t期生产可能集。Dit（Xs，Ys）可以用线性规划来
表示：
[Dit（xt，yt）]- 1=Max φ，λ φ
.- φyit+Ytλ≥0
xit- Xtλ≥0
λ≥0 （3）
方程（2）中第一项为纯技术效率变化（Pure Technical Effi-
ciency Change），用Pech来表示。第二项为规模效率变化（Scale
Efficiency Change），用Sech来表示。第三项为技术水平变化 (
Technical Change)，用Tech来表示。第一项与第二项的乘积为技
术效率变化（Technical Efficiency Chang），用Effch来表示，称之
为追赶效应。当Mit，t+1>1时，表示TFP进步；当Mit，t+1<1时，表示
TFP退步。若Pech、Sech、Tech或者Effch即表明它是TFP增长的
源泉，反之就是对TFP有降低的作用。
2. 基于人力资本解释产业规模报酬及行业全要素增长率变
动的模型
在对软件行业进行实证研究之前，需对此行业的规模报酬
是否不变进行验证，这既是实证研究的前提条件，也是对于研
究结果进行分析的基础。首先需要设定生产函数，本文采用卢
卡斯（1988）著名的人力资本内生经济增长模型：
Y=AKβ（uhL）1-βhaγ （γ>0） （4）
其中Y代表公司总产出，A是TEP（全要素生产率），K是物
质资本存量，u是劳动者的工作时间比例，L是公司雇佣总员工
数，h是工人的技能水平 （代表以教育水平衡量的劳动力质
量），取值范围是（0，∞），uhL为人力资本，ha是人力资本的外
部效应，根据Lucas（1988）中的表述：
ha=
∞
0乙hL（h）dh
∞
0乙L（h）dh （5）
因此，可以看出在人力资本生产函数中资本与人力资本是
规模报酬不变的；但是若是人力资本的外部效应对于总产出有
正的外部性时，生产函数是规模报酬递增的。人力资本函数在
软件行业中具有特殊的现实意义。众所周知，软件行业是属于
高技术行业，软件开发人才是必不可少的要素，而且在软件行
业中占有核心的地位。所以，若中国软件业中人力资本外部效
应存在，且具有显著的正效应，中国的软件行业因此也是规模
报酬递增的行业。
将（1）对数化处理得到：
lnYt=lnAt+βlnKt+（1- β）ln（uhLt）+γlnha+εt （6）
在本文中，我们使用卢卡斯(1988)的概念，将人力资本定
义为其质量取决于教育程度的有效劳动力。因此人力资本存量
就等于受过一定教育的公司职员与他们受教育年限的乘积。因
此上述方程变为：
lnYt=lnAt+βlnKt+（1- β）ln（uhLt）+γha+εt （7）
四、数据收集及变量说明
在使用DEA的Malmquist index方法估算软件行业的全要素生
产率时，需要运用panel data，因此通过考察软件行业10家上市
企业财务年报，选取2000年至2008年的相关数据（来源于Wind
资讯数据库），可以较好满足这个数据要求。恒生电子
（600570）、信雅达（600571）、用友软件（600588）、东软集团
（600718）、浪潮软件（600756）、浙大网新（600797）、宝信软件
（600845）、工大首创（600857）、南天信息（000948）、金证股份
（600446）（编号分别为1~10）。这10家上市的软件公司作为决策
单元，样本容量为90。选择的理由是：①这10家上市软件公司
能够代表中国软件业近10年来的发展状况，而且在软件业中的
影响力较大。因此，具有较强的代表性。②上市公司均是软件
企业，可比性较强。结合我国软件上市公司产出与投入结构特
征，我们给出如下指标选取方法。
分析变量分别如下：
1. 产出指标选取
企业的总产出指标选取营业总收入和营业外收入。根据上
市公司新会计准则下的合并年报提供的信息，营业外总收入包
括：营业收入、利息收入、已赚保费和手续费及佣金收入。本
文上市公司信息均来Wind资讯数据库。营业总收入算作产出指
标内的数据，原因好理解，即代表企业盈利能力。而把营业外
收入也考虑算作产出指标，有特别的原因。因为营业外收入包
括很大一部分的营业收入和佣金收入。在考虑企业人力资本要
素时，这些收入就必然就算作产出内指标。
2. 资本存量投入指标选取
选用公司的非流动资产存量。
·9·
我国上市软件公司全要素生产率实证研究
3. 劳动力投入指标选取
选用公司雇佣人员总数。
4. 人力资本投入指标的选取
在Barro和Lee（1993）研究中人力资本存量用教育教育年数
乘以就业人数来表示，并把25岁以上的年龄分成5个层次，每
个层次求出平均的教育年数（作为人力资本的溢出效应） 和就
业人数。这种方法的好处是操作简便同时对不同教育程度的人
口有区分度。在本文中，我们使用Lucas（1988）的概念，将人力
资本定义为其质量取决于教育程度的有效劳动力。并在这基础
上根据我们有限的数据对于其进行简单的变化。从数据中我们
可以得到每个公司不同学历的就业人员。因此人力资本存量就
等于受过一定教育的公司职员与他们受教育年限的乘积。
5. 人力资本的溢出效应
是公司每一年的职员平均受教育年限。
五、实证研究及结果解释
1. Malmquist指数法计算
运用软件对上述整理后数据（具体数据可向作者索
取） 进行Malmquist指数计算。需要指出的是，这里模型选择的
是input的类型；同时，考虑到软件业是一个规模报酬递增的行
业，因此应该运用规模报酬变化的算法，即在中选择
VRS算法，但是事实上在此选择CRS或VRS，并未有任何不同的
影响，因为这两者都用来估算不同的Distances。
软件首先估算出2000~2008年指数估Distances数值
（各年distances数值均值见表1），进而得到Malmquist算，同时将
其分解为技术效率变化指数和技术变化指数，其中后者又分解
为纯技术效率变化指数和规模效率变化指数。
在对每个企业每一年计算出4个Distances数值之后，进一步
得到了Malmquist index及其分解。根据表格2、3、4，可以做出
以下几点判断：
（1） 在表2中可以看到10家软件上市公司历年的TFP变化有
起伏，分布不均，但是整体行业增长周期较为明显。在2000年
到2001年间，只有东软集团、工大首创和南天信息三家公司的
TFP呈现降退态势，其余公司都呈增长状态，而且基本分布较
为均匀。但是2001到2002年间，中国软件行业遭受了一些负面
的影响，只有南天信息与金证股份的TFP呈现上升态势，其他
企业都出现了明显的不同幅度的降退。从2002年开始，到2006
年末，10家上市公司的整体情况较好。更是在2004年开始，进
入到一个整体快速发展的道路上，TFP的增长副都比较大。从
2006年开始，整体行业TFP倒退趋势比较明显，只有东软集团、
宝信软件、工大首创和金证股份四家上市公司还保持着TFP增
长态势，其余公司都经历较大幅度的下降。从2007年明显出现
好转，TFP没有出现下降。
9年间，10家上市公司的变化程度不同。宝信软件在2003
表 1 Distances summary均值表
Year=1（2000）
Year=2（2001）
Year=3（2002）
Year=4（2003）
Year=5（2004）
Year=6（2005）
Year=7（2006）
Year=8（2007）
Year=9（2008）
t-1
t
t+1
Vrs te
注：当year=1时，t-1以及当year=9时，t+1的distances数值无法计算。其中t-1表
示the previous periods CRS DEA frontier，t表示the current period CRS DEA
frontier； t+1表示 the next period CRS DEA frontier；Vrs te表示 the current
period VRS frontier。
表 2 2000~2008年软件业上市公司全要素生产率变化表
1
2
3
4
5
6
7
8
9
10
mean
Year=2
(00-01)
Year=3
(01-02)
Year=4
(02-03)
Year=5
(03-04)
Year=6
(04-05)
Year=7
(05-06)
Year=8
(06-07)
Year=9
(07-08)
注：其中的mean代表几何平均值。
表 3 2000~2008年软件业上市公司MALMQUIST INDEX
及分解指数均值表
Firms
1
2
3
4
5
6
7
8
9
10
mean
Effch（1）
Techch（2）
Pech（3）
Sech（4）
Tfpch（5）
注：其中的 mean是几何均值，Effch（1）代表 technical efficiency change(relative to
a CRS technology); Techch（2）代表 technological change; Pech（3）代表 Pure
technical efficiency change(relative to a VRS technology); Sech（4）代表 scale
efficiency change；Tfpch（5）代表 total factor productivity(TFP) change。
表 4 2000~2008年软件业上市公司MALMQUIST INDEX
及分解指数年均值表
注：其中的mean是几何均值，Effch（1）代表technical efficiency change(relative to a
CRS technology); Techch（2）代表technological change; Pech（3）代表Pure tech-
nical efficiency change(relative to a VRS technology); Sech（4）代表scale effi-
ciency change；Tfpch（5）代表total factor productivity(TFP) change。
year
2(2000-2001)
3(2001-2002)
4(2002-2003)
5(2003-2004)
6(2004-2005)
7(2005-2006)
8(2006-2007)
9(2007-2008)
mean
Effch（1）
Techch（2）
Pech（3）
Sech（4）
Tfpch（5）
Firms
·10·
技术经济与管理研究 2011年第 2期
图 1 2000~2008年软件业上市公司全要素生产率
及分解指数年均值变化关系图
�
���
�
���
�
���
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
���
��
�
��
���
变量
lnKt
ln（uhLt）
ha
N
人力资本模型
（**）
（**）
（**）
90
表 5 人力资本模型回归结果
到2004年间到达TFP最高值，浙大网新也在2006~2007年
间，出现TFP最低值，行业总体出现周期性变化。2002~2006
年是增长时期，而且增长幅度比较明显。但是在TFP的倒退时
期，整体上市公司TFP都不理想，并且退幅度较大。说明我国
软件才属于刚起步阶段，行业运行还不成熟。抗风险能力还有
待完善。
（2） 整个软件行业的平均全要素生产率呈现提高势态，其
中在规模报酬变化的假设下，纯技术效率提高占据效率的提高
的主要部分，而规模效率变化表现为正增长。由于在Malmquist
index分解项中，主要分为技术效率变化指数（Technical Efficiency
Change Index）和技术变化指数（Technological Change Index）。因
此在表3中可以看到10家上市公司的各项指数9年间变化的均值。
在2000~2008年间整个行业的平均全要素生产率变化为正，
Malmquist index值为，其中没有一家上市公司的平均TFP变
化为负。但是每个公司的增长幅度差别比较大。
从分解项来看，在规模报酬不变的前提下软件行业技术变
化指数（Technological Change）呈现增长状态，其平均技术变化指
数为，没有一家企业的这项指数小于1，说明软件业技术进
步是显著的；技术效率变化指数（Technical Efficiency Change）整
个行业平均值为，较为接近于1，说明其增长程度不明显，
亦即追赶效率不显著。在规模报酬变化的假设前提下，分解技术
效率变化指数后得到的纯技术效率变化指数（Pure Technical
EfficiencyChange）呈现正增长，规模效率变化指数（Scale Efficiency
Change）平均增长为正，Sech值为，但是不太显著。其中规
模效率变化平均值为1的企业只有恒生电子和南天信息两家企
业，说明这些上市公司在扩大生产规模销售的投入中，获得了
报酬递增或不变的收益回报。
（3） 整个软件行业在2001~2003年间，技术效率变动为负，
追赶效应达到最低点，技术进步则在2000~2001达到最低点，
但技术效率变化与全要素生产率的几何平均值为正。从整个行
业的年度变化指数角度来看（见表4），2000~2006年以及2007
年之后，软件业都处于生产率提高的旺盛时期，表现为技术的
进步以及与最优DUM的差距缩小。但在 2000~2002年间与
2006~2007年间，10家上市公司的TFP数据都反映出一个相对退
后的状态，技术进步变化指数为和，但是技术效率变
化指数为和，表现为与最优DUM的差距是缩小的，
两个分解值的变化不一致，甚至是相反方向。
技术变化指标、技术效率变化指标、纯技术效率变化指标
和规模效率变化指标同时为正的年份为2003~2005年，说明软件
行业在这段时期的发展较为迅速，行业的变动较大。但是即使是
在扩展时期，软件行业的规模效率并没有扩张得很明显。技术变
化指标、技术效率变化指标、纯技术效率变化指标同时为负的时
期是2001~2002年，由此说明这段时期正是我国软件行业经历发
展的低谷时期。通过图1可以更为直观地看到我国软件行业全要
素生产率以及其分解指数的年均值的变化。其中和TFP变化最吻
合的分解指数为Techch，即技术进步变化指数，说明生产技术
的进步和创新对全要素生产率的提高贡献最为显著。
2. 进一步说明行业报酬递增来源
从表4中，我们可以看出2000~2008年间，行业的整体变动
情况。特别是技术效率的变动呈现出增长的趋势。由技术效率
指标分解成的纯技术效率指标和规模效率指标也都呈现出增长
的态势。这说明我国软件行业在这9年间，不仅技术有所增加，
而且对于技术的消化利用、制度的变化以及人力资本的引进都
有所增加。这对于行业的整体发展有很好的促进作用。下面就
是利用人力资本模型，先判定行业的规模报酬是否是递增。因
此对方程（7）进行估计，运用对已有数据进行OLS回
归。需要说明的是这里的劳动力投入改为人力资本投入。而溢
出效应使用的是公司每年的平均教育年限。得到如下结果：
从上述结果中，可以看出使用人力资本模型对于数据进行
回归得到的结果非常好。系数显著，且较高。可以看出
资本存量系数与人力资本存量系数为正，而且分别为和
。这意味着资本存量与人力资本对于公司收入增长具有
正的贡献。特别要说明的是：人力资本溢出效应变量的系数也
为正。虽然我们在表5中使用的溢出效应本身作为解释变量，显
示出系数为正值，并且为显著。实际操作中我们已经将溢出效
应带入公式，并检验得出同样的结果，系数为正。不同的只是
系数的大小不同，对于研究的问题结果分析并无影响。
从表5中可以看出，溢出效应的系数为正值。这意味用人力
资本生产函数来判断中国软件行业的规模报酬是否为递增的结果
是肯定的。也就是说平均教育年限每增加1年，行业的总收入就
增加66%。这也就是说人力资本的溢出效应对于公司的收入的贡
献度非常大。从2000~2008年上市公司的纯技术效率变化值中也
注：**代表 5%水平下显著。
·11·
我国上市软件公司全要素生产率实证研究
可以看出，人力资本对于企业的全要素增长率有贡献作用。
六、相关结论与政策建议
本文利用2000~2008年的10家软件上市公司面板数据，使
用非参数Malmquist指数可以客观度量中国软件上市公司全要素
生产率的动态变化。其可以进一步分解为技术变化、技术效率
变化、纯技术效率变化和规模效率变化，有助于动态的和深层
次的反应我国软件上市公司近9年来的生产发展根本问题，通
过10家软件上市公司的实证研究，也间接和直接反映了我国软
件产业的特征，从而有助于我们制定相关产业政策。
研究表明，10家软件上市公司近9年间，TFP呈现出整体的
增长的态势。但是更为明显的是出现了周期性的增长。在9年
间，上市公司的TFP平均增长率为%。TFP的进步主要得益
于技术进步和技术效率进步，分别为%和%。说明TFP的
增加更为主要的是来源于技术进步。这种变化可以通过我国软
件大量吸收外国技术中体现出来。因此，为了促进软件产业的
发展，政府部门应该鼓励我国软件企业进行技术创新和吸收；
可以通过出台相关政策，比如减免相关税务，对于软件企业的
创新成果进行奖励，继续实行大规模的软件企业的高新企业认
证制度，并实行差异化的税收政策，促使我国软件行业加大技
术创新，进一步发挥TFP增长效应，促进国民经济的发展。
特别需要强调的是，9年间上市公司平均规模效率变化呈
现增长态势，增长率为%。这说明在行业技术进步的同时，
对于技术利用、吸收消化的能力也有了提高，但是这种增长幅
度还不能与技术进步的增长相比较。也就是说，在未来的软件
业发展中，不仅要对于技术加强引进，而且对于技术的吸收消
化要求也不能放松。因此，我国除了对国内软件技术的自主创
新需要鼓励外，对于引进和吸收的国外软件技术同样需要适度
进行鼓励和支持。
在进一步讨论中，我们使用Lucas（1988）人力资本模型，一
方面指出在规模效率以及纯技术效率的增长中，人力资本的增
长是重要因素；另一方面，通过对行业数据的回归分析，得出
我国软件行业现在为规模报酬递增的行业。其中，人力资本的
溢出效应对于行业的规模报酬有至关重要的影响。并认为在软
件行业中，平均教育年限每增加1年就会对行业收入产生%
正向增长幅度。因此，国家应该进一步加强对于软件行业人力
资本的投入，加大软件人才的培养；除了大专院校的基础教育
培养外，还需要鼓励在职教育，尤其是对于高级软件技术人
才，需要加大培养支持力度；同时加大对软件技术人才应用的
支持力度，出台相关政策，调动社会人才成为软件人才的积极
性。比如北京对于高新技术企业的高级软件人才实行个人所得
税的退税政策就十分必要；建议继续加大类似的政策制定和出
台，比如对于所有软件企业的所有软件人才都可以实行适当减
免个人所得税的办法，包括在户口、小孩教育等相关领域政策
上都可以给予软件人才的适当倾斜。
【参考文献】
[1] Banker，.，Maximum likelihood，consistency and data envelopment
analysis: A statistical foundation [J]. Journal of Productivity Analysis，
1996，7(2/3)：139-159.
[2] Barro，. Economic growth in a cross section of countries[J]. Quarterly
Journal of Economics，1991（106）：407-443.
[3] Barro，.，Lee，.，International comparisons of educational attain-
ment[J]. Journal of Monetary Economics，1993，32(3)：363-394.
[4] Caves，.，Christensen，.，Diewert，.. The economic theory
of index numbers and the measurement of input，output and productivity[J].
Econometrica，1982（50）：1393-1414.
[5] Engelbrecht，.，International R&D spillovers，human capital and pro-
ductivity in OECD economies: An empirical investigation [J]. European
Economic Review，1997（41）：1479-1488.
[6] Fare，R.，Grosskopf，Sh.，Morris，M.，Zhongyang，Z.. Productivity
growth，technical progress，and efficiency in industrialized countries[J].
American Economic Review，1994，84(1)：66-82.
[7] Grosskopf，Sh.，Efficiency and productivity. In: Harold，，.
K.，Lovell Shelton，S.(Eds.)，The Measurement of Productive Efficiency:
Techniques and Applications，Oxford University Press，Oxford，1993：
160-194.
[8] Malmquist，S. Index numbers and indifference surfaces[J]. Trabajosde
Estad?stica4，1953：209-242
[9] Mankiw，.，Romer，P.，Weil，D.. Acontribution to the empirics of
economic growth[J]. Quarterly Journal of Economics，1992，107(2)：407.
[10] Murthy，.，Chien，.，The empirics of economic growth for
OECD countries: Some newfindings [J]. Economics Letters，1997（55）：
425-429.
[11] Schultz，T.. Reflections on investment in man[J]. Journal of Political
Economy，1962（70）：1-8.
[12] Summers，R.，Heston，A.， The Penn World Table(Mark5).An Expanded
Set of International Comparisons，1950-1987 [J]. Quarterly Journal of
Economics，1991，106(2)：1-41.
[13] Mincer，J.，Schooling，Experience，and Earnings[J]. Columbia Uni-
versity Press，New York，1974.
[14] Barro，.，Lee，. Sources of economic growth[J]. Carnegie-Rochester
Conference Series on PublicPolicy，1994（40）：1-46.
[15] 沈利生. 我国潜在经济增长率变动趋势估计[J]. 数量经济与技术经
济研究，1999（12）.
[16] 孙容，刘殿国. 股东积极主义对中国上市公司治理及绩效影响的实
证分析[J]. 技术经济与管理研究，2009（2）.
[17] 张军，章元. 对中国资本存量的再估计[J]. 经济研究，2003（7）.
[18] 王小鲁，樊纲，刘鹏. 中国经济增长方式转换和增长可持续性[J]. 经
济研究，2009（1）.
[19] 魏权龄. 数据包络分析[M]. 科学出版社，2004.
[20] 蔡跃洲，郭梅军. 我国商业银行全要素生产率的实证分析[J]. 经济
研究 2009（9）.
[21] 章祥荪，贵斌威. 中国全要素生产率分析：Malmquist指数法评述与
应用[J]. 数量经济技术经济研究，2008（6）.
[22] 黄雷，叶勇，杨芸芸. 股权分置改革，上市公司积极控制股东与投资
者利益保护[J]. 技术经济与管理研究，2009（6）.
[23] 王大鹏，朱迎春. 我国高技术产业全要素生产率变化动态分解评价
研究[J]. 科技进步与对策，2009，9，26（18）.
[24] 李星光，于成学. 基于Malmquist指数的我国装备制造业全要素生产
率测度分析[J]. 科技与管理，2009，9，11（5）.
·12·
技术经济与管理研究 2011年第 2期
