（上市筹划）上市公司多
要素生产率实证分析
本文也分析这些因素对多要素生产率的影响。
数据和模型
一、研究数据
实证分析主要采用万德（WIND）资讯的上市公司投入产出和其他相关的年度数据。除此
之外，其它的数据来源还包括 DATASTREAM数据库提供的上市公司各年度雇员人数，CEIC数
据库提供的固定资产投资价格指数和各行业生产者价格指数（ProducerPriceIndex）的时间
序列。样本的时段从 1995年到 2004年，对象为非金融类上市公司，并按以下原则进行选取：
1．入选样本的上市公司主营业务收入占总收入的 90％以上，没有大量的关联交易。
2．剔除呈现异常特征（以与均值之差超过标准差为参考依据）的观察值。具体来说，
剔除具备下述异常特征的样本，主营业务利润与主营业务收入之比大于 90％，主营业务
收入与固定资本净值之比超过 15，固定资本占总资产比例高于 80％，总资产与股本之
比超过 6倍。经过筛选，满足条件的上市公司共有 573家。这些公司 2004年主营业务
收入达到当年国民生产总值的 8％。
二、模型变量
关于多要素生产率的实证模型可以通过以下等式来表示:
其中，Yit代表企业 i第 t年度实际产出的对数，Kit是企业 i第 t年度实际资本存量的
对数,Lit是企业 i第 t年度雇员人数的对数。因为缺乏资本服务投入的数据，本文采用资本
存量作为对资本所提供服务的近似。Dt、Dil和 Dik分别是年度、企业 i所处行业（按 WIND资
讯的行业分类）和地理位置（按所属省或自治区划分）的虚拟变量。Xitj是企业 i第 t年度
的各项相关特征。模型通过 Dil和 Dik虚拟变量来反映截面单位的固定影响，通过 Dt虚拟变
量来反映时间纬度上的固定影响。
模型中各变量的生成方法如下：被解释变量各公司主营业务收入按其所属行业该年度生
产者价格指数（1995年价格指数为 100）转换成实际产出值 Yit。
在解释变量中，企业投入包括劳动力和资本。劳动力投入 Lit直接采用公司各年度的雇
用人数。固定资产净值按该年度固定资产投资价格指数（1995年价格指数为 100）转换成实
际资本存量值（Kit）。
代表年份、行业和地理位置的虚拟变量（Dt、Dil和 Dik）分别以 1995年，化学制品行业
和吉林省为参考基准，代表这些基准的虚拟变量在模型估计过程中被省略以避免多重共线性。
除此之外，其余的控制变量 Xitj包括：（1）财务指标。毛利率为主营业务利润与主营业务
收入之比（MARGIN），固定资产周转率(CAPTURN)为主营业务收入与固定资本净值之比，固定
资产占总资产比例(CAPINT)，杠杆比例(LEV)为总资产与股本之比。（2）新上市公司指标。
由于样本中没有 2001年以后新上市的公司，模型中仅包括了根据企业初次上市年份构建的
自 1996年到 2001年的虚拟变量（E1996－E2001）。
上述数据的面板结构不仅便于考察被研究变量的截面特征，而且便于分析变量在时间纬
度上的变化趋势。具体来说，年份虚拟变量前的参数显示了多要素生产率从 1995年以来的
变化情况，行业和位置虚拟变量前的参数反映了企业投入产出的行业和区域特征。
此外，模型估计还注意采取一些稳健处理方法来提高估计的效率，比如，参数的方差估
计采用 White（1980）【2】的方法进行稳健处理以克服数据中的异方差等问题；在估计过程中
采用 cluster处理方法，不要求同一企业的扰动项相互独立，仅假设不同企业的扰动项相互
独立。本文统计分析使用的软件是 STATA。
实证分析
一、研究变量的描述性统计
回归分析所基于的企业数据来自 30多个行业，时间跨度长达 10年，样本的规模较大。
考察变量的描述性统计特征发现，表 1中括号内的方差数据相对均值而言大小适度，这表明
样本间差异基本在合理范围之内。根据上市公司样本的特点，本文划分公司规模大小的依据
为样本公司主营业务收入的中值（5亿元人民币）。大规模公司的实际产出、实际资本存量和
人员投入等多数指标的均值都超过小规模公司，而样本中小规模公司毛利率的均值要高于大
规模公司。此外，本文还根据是否含有 H股和 B股，将样本划分为含外资公司和不含外资的
上市公司。相对不含外资的公司而言，含外资公司的实际产出、实际资本存量和人员投入指
标的均值都较大。
表 1变量的均值和标准差（括号内）
变量 Log(Y) Log(K) Log(L） MARGIN CAPTURN CAPINT LEV
全部
样本
（）
（）
（）
（）
（）
（）
（）
小规
模
公司
()
()
()
()
()
()
()
大规
模
公司
()
()
()
()
()
()
()
含外
资
公司
()
()
()
()
()
()
()
不含
外资
公司
()
()
()
()
()
()
()
二、实证结果分析
本文的实证分析结论来自面板模型的五组回归结果（表 2）。这五组结果对应的样本分别
是：全部公司、小规模公司、大规模公司、含外资公司和不含外资公司。由于篇幅限制，表
2没有报告行业和地区虚拟变量的参数估计结果（有 64个参数）。回归结果显示：（1）模型
能很好地拟合数据，对数据的解释程度均达到 80％以上，大部分在 90％以上。（2）模型主
要参数的估计对样本选择不敏感。就本文着重研究的多要素生产率，主要结论有以下三方面。
1．多要素生产率自 1995年以来的变化情况
从五组不同样本的情况来看，全部样本的多要素生产率在 1995年－2004年期间的年均增长
率为 %,大规模公司增速接近 3％，小规模公司增速大约 2％，含外资公司的增长率高达
%,不含外资公司的增长率约为 2％。含外资公司和大规模公司的生产率提升快于其他类型
的企业。表 2还显示，多要素生产率的增长也出现过波折。1999年至 2000年，各组样本（除
含外资公司以外，）都显示多要素生产率出现负增长。
Young(1995)【3】的研究表明香港、新加坡、韩国和台湾从 60年代到 90年代初的生产率
增速都低于 %。Griliches和 Regev(1995)【1】采用与本文相似的模型分析以色列企业 1979
－1988年期间的多要素生产率变化情况，结论是几乎没有增长。由此判断，上市公司样本多
要素生产率的增速高于上述国家和地区特定时期的增速。
2．财务结构对多要素生产率的影响
模型中有关公司财务特征变量的参数估计多数显著。主要结果有：（1）上市公司较高
的生产率与其较低的毛利率（MARGIN）联系在一起。毛利率高低在此可能主要反映了企业所
处的市场环境。毛利率较低的企业所面对的市场往往竞争激烈，这迫使企业提高自身的竞争
力，导致其生产率较高。这说明市场竞争为企业效率的提升提供了动力。
（2）固定资产周转率（CAPTURN）较高的企业，生产率较高。考虑到对资本的高效使用
是提升多要素生产率的必要条件，这是一个很自然的结论。
（3）固定资产占总资产比例(CAPINT)较高说明固定资产运用效率对总资产运用效率影
响很大。回归结果显示，固定资产权重对企业生产率水平有负面影响。
（4）杠杆水平较低的小规模企业往往外部融资约束较强，这可能抑制了这些企业的技
术进步，回归结果显示这些企业的生产率水平也较低。外部融资约束（杠杆水平高低）对其
他类型公司生产率的影响不显著。
3．新上市公司的多要素生产率
1999年以来新上市公司的生产率水平显著高于以前上市的企业，小规模和不含外资的新
上市公司尤其如此。新上市的大规模公司生产率水平基本没有变化。据此推断，上市公司整
体生产率水平提高很可能是由小规模和不含外资的新上市公司、大规模和含外资的已上市公
司带来的。换言之，新上市公司和已上市公司对样本整体生产率的提高均有贡献。
表 2面板模型回归结果
注：表中***、**和*分别表示 1%,5%和 10%的显著水平。
结论
本文通过分析上市公司投入产出的面板数据，发现上市企业的多要素生产率自 1995年
以来年平均增速为 %，高于一些亚洲国家和地区相似发展阶段的生产率增长速度。实证分
析表明，大规模和含外资上市公司的技术进步和资源配置优化使这些企业的生产率增速超过
平均水平。市场竞争促使一些盈利空间受到挤压的企业提高竞争力和生产效率。小规模和不
含外资的新上市公司近几年也开始为样本整体生产率的提高做出贡献。总之，尽管不同规模
和股权结构企业的情况存在差异，上市公司多要素生产率近 10年来的增长趋势是可以确立
的。
参考文献：
[1]Griliches,Zvi,andRegev,Haim(1995),FirmproductivityinIsraeliindustry1979-1988,J
ournalofEconometrics65,175-203.
[2]White,H.(1980),AHeteroscedasticity-ConsistentCovarianceMatrixEstimatorandaDi
rectTestforHeteroscedasticity,Econometrica,48,817-838.
[3]Young,Alwyn(1995),“TheTyrannyofNumbers:ConfrontingtheStatisticalRealitiesof
theEastAsianGrowthExperience”,QuarterlyJournalofEconomics,110:641-680.
感谢阅读
