（美國東北大學經濟系，波士頓 02115）

一、引言

行業(yè)全要素生產率（TFP）的計量長期以來是產業(yè)經濟針對供給側研究的核心問題，近年來，微觀數據的引入對行業(yè)結構性整合產業(yè)生產率變動的計量提供更加翔實的研究基礎。但傳統(tǒng)實證框架和模型卻面臨兩個方面的挑戰(zhàn)：產品的單一化假設[1-2]和企業(yè)進入退出機制的動態(tài)化[3-5]。第一個問題源自將企業(yè)的產出簡化為貨幣價值，導致產品之間以及產品和投入品之間的差異性價格趨勢被忽略，從而干擾了基于投入產出模型對生產效率的估計。第二個問題則主要是由于忽略企業(yè)的進入和退出機制，片面使用了持續(xù)經營企業(yè)的平衡樣本導致決定企業(yè)進出行為的隨機項和投入項高度關聯，通過同步偏誤和選擇性偏差影響模型的參數估計有效性和無偏性。

產業(yè)升級表現為兩個層面的變革，一是在位企業(yè)自身的技術革新和產品升級，通過產能和技術的迭代實現自身效率的提升，從而增強市場競爭力；二是來自企業(yè)的兼并、破產和新企業(yè)的進入。光伏行業(yè)作為近年來快速發(fā)展的產業(yè)，盡管持續(xù)受到來自貿易摩擦，政策不穩(wěn)定和上游供求矛盾等多重內外部沖擊，產業(yè)依然保持了快速的發(fā)展，一方面表現為競爭推動企業(yè)降本驅動下的技術研發(fā)?；诠夥袠I(yè)協會2018 年發(fā)布的行業(yè)技術路線白皮書2014—2018 年的5 年時間，太陽能電池的主流效率從14.5%迅速提升到19%，增速超過之前35 年的總和，包括PERC、黑硅、切半、MBB、疊瓦、HJT 等多種技術得到了快速產業(yè)化。另一方面表現為行業(yè)結構的快速整合，2010 年以來，全國新注冊的光伏各類企業(yè)多達2 188 家，其中就包括當前電池巨頭通威、單晶龍頭企業(yè)隆基等，但同時有超過1 300 家企業(yè)宣告破產或是被兼并，其中不乏尚德、海潤等曾經的龍頭企業(yè)。

本文系統(tǒng)梳理了近年來產業(yè)經濟計量領域對于動態(tài)生產率計量和多產品生產函數的修正研究及相關的實證成果后發(fā)現，現有文獻盡管在針對企業(yè)進入退出機制動態(tài)生產率的實證研究方面已經形成相對完善的研究框架和計量模型，但多產品產出結構對生產率的影響研究依然缺乏有效的實證工具支撐。本文創(chuàng)新性嵌套了產業(yè)結構性重組中企業(yè)進入退出行為和產品多元化等戰(zhàn)略行為架構了完善的實證框架，基于非參數估計策略可以實現對動態(tài)生產率的有效估計。結合光伏產業(yè)2009—2018 年的企業(yè)數據庫樣本，并針對光伏行業(yè)若干次重大的行業(yè)結構性重組對生產率的影響進行了深入的計量和分析，從而有效討論了行業(yè)結構性調整對生產率的影響機制。

二、文獻綜述

（一）動態(tài)樣本下的同步偏誤和選擇性偏誤問題

基于余項的傳統(tǒng)生產率測度主要面臨兩個計量問題：由于隨機項和投入要素關聯性導致的同步偏誤問題和由于企業(yè)進入退出行為導致的樣本從屬斷尾問題[6-7]。以Olley 和Pakes[4]為代表的經典模型依托半參數框架，利用兩步法計量解決了同步偏誤和從屬斷尾問題，后續(xù)研究在非參數設定、中間投入變量內生性和共線性問題[8]方面做出了修正，并將研發(fā)變量引入到模型中[9]，對基礎框架進行了有效的完善和發(fā)展。

該框架被廣泛應用于實證研究，并在過去十幾年中支撐了跨國貿易政策[10]、海外投資政策[11]、新興經濟體的產業(yè)轉型戰(zhàn)略[12-15]和國內反壟斷管制[16]對不同地區(qū)不同產業(yè)生產率的影響機制研究。該模型框架在國內學術領域同樣得到了應用和發(fā)展，余淼杰[17]、閆志俊和于津平[18]等先后依托我國制造業(yè)企業(yè)樣本討論了貿易自由化、政府補貼、國有企業(yè)轉型[19-21]等因素對產業(yè)生產率的影響。

（二）多產品結構下的產值生產率和物理生產率

相比針對同步偏誤和從屬斷尾問題的生產率測度研究，針對多產品結構下的生產率研究相對前沿：傳統(tǒng)的生產函數及基于此測度的生產率往往將產出和投入標準化為貨幣度量的價值，但是產品之間價格和投入品的價格變動存在不一致性問題，導致價格偏誤和參數估計的偏差[22-24]。

以Katayama 等[25]為代表的研究，從供求模型的需求函數架構，通過Dixit-Stiglitz 效用函數假設，模擬出不同產品產出的期望市場價值，并作為中間變量完成模型估計，但結果受困于產出生產率和產值生產率之間的差異和價格水平存在混沌關系[26]。De Loecker[2]的實證框架通過基于不同產品產值或是市場占比進行資源投入的按比例分配，從而幫助研究者針對不同產品得到差異化的實證結果，截至目前依然是最廣泛接受的方法。

（三）光伏產業(yè)相關生產率研究

光伏作為近年來快速發(fā)展的產業(yè)，所經歷的行業(yè)波動，產能過剩等問題同樣吸引了大量的研究和討論?，F有文獻針對風/光電場建設與電網建設錯配[27]、產業(yè)產能過剩[28]和企業(yè)縱向一體化戰(zhàn)略[29]等方面，闡述了行業(yè)生產率的提升軌跡和原動力。但是目前已有的文獻都局限在光伏產業(yè)的宏觀層面討論，受制于行業(yè)數據的可獲得性，針對企業(yè)的研究也僅僅局限在上市企業(yè)的范圍之內，從而導致同步偏誤、從屬斷尾問題成為嚴重的困擾，而深入到產品結構層面的討論則是空白。

（四）文獻總結及本文貢獻

單純從方法論和實證研究意義上看，已有文獻在系統(tǒng)性和結構性上都已經相對完整和成熟。但延伸到實際應用領域，當前的研究文獻依然面臨三個問題：

第一，源自多產品價格協同問題的解決，“按產值分配投入”這一強假設在新興產業(yè)中并不合適。產線自動化更替速度遠超過傳統(tǒng)產業(yè)，不同產品對資本/勞動力等投入的依賴截然不同。

第二，當研究模型充分考慮企業(yè)產品結構的情況時，企業(yè)經營的戰(zhàn)略決策就不僅僅是Olley 和Pakes 模型中的持續(xù)經營決定，而更需要考慮產品結構和聚焦于每一個產品的生命周期管理?，F有文獻對于企業(yè)產品結構的動態(tài)調整策略相對真空。

第三，在實證研究中，研究文獻關注的焦點主要是政策和產業(yè)環(huán)境對企業(yè)生產率的動態(tài)影響，但是需求側沖擊和企業(yè)內部技術持續(xù)進步推動的產品/產線的更新換代被研究忽略。

基于上述問題，本文的實證模型整合了Olley 和Pakes 半參數框架對同步性偏誤和從屬斷尾的修正，并在De Loecker 針對多產品修正的模型基礎上拓展延伸，依托生產設備的升級數據，有效洞察到產品之間的資本-勞動力投入比差異，從行業(yè)結構整合和企業(yè)產品策略調整兩個維度討論了光伏設備制造業(yè)的生產率變動。

三、基于動態(tài)生產率和多產品模型修正的實證模型和參數識別

（一）基礎模型框架

生產模型構建在log 線性假設基礎之上：

其中，ait、kit和lit分別代表了企業(yè)經營時間（Age）、資本投入（Capital）和勞動力投入（Labor）三個顯性投入變量。

企業(yè)的投資決策存在內生性：實際投資行為取決于經營者基于持續(xù)經營可能和盈利能力的判斷，除了依賴于當前資本存量，還取決于企業(yè)的行業(yè)經驗以及自身生產率水平等變量。隨機變量包括兩部分：ωit為基于企業(yè)生產率水平的隨機項，信息由企業(yè)經營者單方面掌握，并會影響持續(xù)經營和要素投入決策，ηit為獨立隨機項（iid）。由于企業(yè)可以通過自身的生產率水平差異ωit作出投資甚至持續(xù)經營決策，因此ωit盡管作為隨機項，其實和自變量kt存在關聯性，從而導致參數估計的偏誤。

企業(yè)的持續(xù)經營，基于Bellman 方程模擬出企業(yè)持續(xù)經營的決策：

當企業(yè)預期到未來持續(xù)經營的價值為負數，即E[Vt（ωt，at，kt）]＜0，選擇退出（χt=0）；反之則繼續(xù)經營（χt=1），這就意味著ωit在長期動態(tài)中還影響到企業(yè)持續(xù)經營決策。當樣本僅僅基于可以觀察到的企業(yè)經營數據，并依托OLS 或是面板數據進行參數識別估計的時候，選擇性偏誤帶來的估計誤差就無法避免。

當企業(yè)的利潤水平和資本存量k呈正相關性，同等ωit下，擁有更高資本存量的企業(yè)能持續(xù)享有超額的利潤，即便短期內生產效率ωit下滑，持續(xù)經營的概率也高于平均水平。平衡樣本要求E[Vt（ωt，at，kt）]＞0，持續(xù)經營的個體才會在被觀察到，即E（ωt | at，kt，ωt-1，χt=1） 和kt負相關，從而導致OLS 結果低估了資本變量的系數。

通過面板數據的within 回歸模型能部分解決以上問題，但可以證明當ωit存在顯性的序列相關性，一階差分并不能有效消除掉ωit的影響。

（二）針對同步偏誤、從屬斷尾和多產品產出的模型修正

1.同步偏誤和從屬斷尾的修正

針對同步偏誤問題，Olley 和Pakes 建立了半參數的框架：估算出勞動力投入（和中間品）對產出的貢獻，并依托此測度出資本要素以外其他要素的擬合值。對比OLS 估計可以發(fā)現，當ωit和kit形成一定的關聯性，OLS 的估計夸大了內生性投入的貢獻。

針對從屬斷尾問題，第一步擬合計算不考慮資本變量的剩余產出為因變量，通過高階多項式將資本和投資（investment）作為自變量，內置Probit為基礎的企業(yè)持續(xù)經營概率模型，進行非線性回歸，算出資本變量的擬合參數。對比一階差分法，技術水平ωit低于行業(yè)基準值的企業(yè)有更大概率破產，而一階差分回歸的結果無法實現對系數的無偏有效計量，最終導致生產率計量的偏差。

這里需要重點指出的是，Olley 和Pakes 的文獻隱含了一個假設，在任一決策期，企業(yè)都在期初觀察到自己的生產率水平ωit和其他外生沖擊ηit以后在利潤最大化目標下按先后順序決策最優(yōu)的資本投入和勞動力投入，因此導致勞動力投入lit不同于資本項kit，相對獨立于隨機項。從而計量模型得以依托半參數形式（線性于lit，非參數于kit）而實現估計。然而，當企業(yè)生產本身存在較為明顯的波動，或是企業(yè)可以較為靈活調整生產情況下，針對lit的參數計量同樣面臨內生性風險，不能依托簡單的OLS 或是一階差分進行。然后將各要素的擬合參數代入到生產函數中，從而采用余項法計量出生產率的估計值。

2.多產品結構模型的投入要素分配

本文研究的組件設備產品差異主要體現在功率方面。這樣的垂直差異性對于實證模型分割要素投入起到了重要的幫助作用。受到新產品高利潤的刺激，企業(yè)在資本和勞動力上的投入更有激勵向高功率性能的新產品傾斜。實證研究借助上游設備的升級和相對應的人員配備標準來實現對不同產品的要素投入區(qū)分。

具體而言，當企業(yè)在追加了價值A 元的資本投資，依托當期該企業(yè)產能的功率分布變化，可以識別出企業(yè)在不同產品上的擴張情況，結合國內設備企業(yè)的報價，A 元的新增投資可以細分到不同設備和資產投資上。按照光伏產品平均5 年的壽命周期，可以推算出不同產品被配置的資本投入。

勞動力投入方面，表1 匯總了行業(yè)四個龍頭企業(yè)2012—2018 年年報披露的有效產能和生產性員工人數。在自動化快速提升的背景下，光伏組件生產在過去幾年實現了顯著的資本替代過程。在生產設備高度標準化下，但是同等產能的人員投入規(guī)模缺相似度很高，這極大簡便了針對勞動力投入的分配測算。綜上所述，本文的實證模型依托上游設備的動態(tài)升級過程實現了生產企業(yè)投入要素在產品之間的有效分割。

表1 光伏電池組件企業(yè)產能和生產人員配置情況

（三）核心參數識別

同步偏誤的修正①這樣的模型調整蘊含了企業(yè)經營決策層面的行為序列性：投資在t-1 期做出，因此當期的資本存量在t 期初決定，而勞動力投入則在t-1 期末到t 期末動態(tài)決定，相應的生產率在期末被確定，并沿用到下一期t+1。需要同時考慮資本變量kt和勞動力投入變量lit：

在函數關系上，技術生產率變量ωt=ht（it，at，kt） 依賴于企業(yè)的投資/資本存量和經營時間。將抽象函數代入生產函數可以得到：

針對樣本，同時引入時間序列變量Time進行控制，將除勞動力變量以外的其他自變量項整合非參數化可以得到：

其中，?t（it，at，kt）=β0+βa ait+βk kit+ht（it，at，kt）。

勞動力投入變量決策層面，依托企業(yè)的利潤最大化目標：π=PY -wL -rK，其中P為產出的價格，w為工資水平，r為資本利息。將log的生產函數代入，基于一階條件可以求解出企業(yè)最優(yōu)的勞動力投入水平同樣依賴于ωit：

其中，c作為常數項的匯總，相應地對勞動力投入lit也進行結構化：

其中，kit，wit分別為當期的資本存量和工資水平。

將生產率水平ωit=h（it，at，kt） 代入可得lit=f[kit，h（it，at，kt）]，而模型中獨立于自變量的隨機項ηit提供了矩估計的條件：

相當于利用kit，ωit，wit三個變量作為勞動力投入lit的工具變量完成矩估計的參數計量。

針對斷尾樣本的修正在χt+1的概率函數下，持續(xù)經營的概率表述為：

企業(yè)在t+1 期能延續(xù)經營取決于兩個條件，一是在t期處于經營狀態(tài)，即ωt；二是在t+1 期生產率水平不低于行業(yè)生存的標準線：，由于kt+1是由t期的資本存量和當期的投資水平共同決定，Pr（χt+1=1） 最終表現為it，at，kt三者的函數。ωit的條件分布可以表述為：

采用Kernel 或是多項式實現非參數的計量，給定樣本企業(yè)的經營狀態(tài)和各項投入變量，可以估測出企業(yè)在t 期持續(xù)經營的概率Pit。

在完成以上的估計以后，把得到的勞動力投入部分估計值βl lit和生產率部分估計值Pr（χt+1=1） 代入到生產函數中，對?t（it，at，kt）=β0+βa ait+βk kit+ht（it，at，kt） 中的βa和βk進行估計就可以規(guī)避同步偏誤對參數估計的干擾和影響。實際計量操作上，將ht（it，at，kt） 部分架構成基于P︿it的高階多項式的半參數形式可以相對簡化計算。

（四）動態(tài)生產率計量

在完成對生產函數相關參數的計量以后，生產率的計量采用余項法：

其中，為對應的參數估計值。

在實證分析計量中，可以依托不同產品、企業(yè)和時間段測算相對應的生產率水平。在企業(yè)層面，實證研究引用了全樣本代替了面板數據的平衡樣本，可以區(qū)分不同企業(yè)（整合和被整合企業(yè)）的生產率水平。而在產品層面，參考過去5～8 年光伏組件產品的生命周期，實證研究把產品區(qū)分為三類：新產品（1～3 年）、成熟產品（3～5 年）和退市產品（5 年以上），依托垂直差異化模型下的生產要素分配結果可以完成在產品層面的模型和生產率水平計量。

更深層次的研究針對企業(yè)的戰(zhàn)略性決策（即產品選擇，資本投資和經營延續(xù)性）和戰(zhàn)術性決策（產量，價格等）。旨在討論行業(yè)生產率持續(xù)提升的主要推動力是產品更新換代和生產管理的效率提升。

具體模型架構層面，企業(yè)的產品選擇通過產線/資本投資實現，產品生產率和非產品生產率可以基于模型估計的結果進行計算和分解。在短期內，企業(yè)的決策局限在勞動力投入的調整，因此在鎖定其他變量值的情況下，基于生產函數和相應的約束條件再解利潤最大化目標函數。

基于計量估計的生產函數，將包括βi和當期企業(yè)的實際資本存量kit代入模型中，基于πit=的利潤最大化的一階條件：可以反解出最優(yōu)勞動力投入將企業(yè)實際資本投入和理論最優(yōu)的勞動力投入代入生產函數，利用余項法就可以測算出戰(zhàn)略層面（產品換代）的生產率水平。而與完整模型測算出的整體生產率水平的差額則是經營管理層面的生產率水平。

四、參數實證計量和動態(tài)生產率估計

（一）樣本概況

本文的實證樣本來自三個數據源，直接用于實證研究的光伏設備企業(yè)經營數據來自中國光伏協會企業(yè)季度調研數據庫，收集自生產工廠層面的經營行為，包括按照季度統(tǒng)計的工廠在編生產工人人數、固定資產規(guī)模、分產品的產出水平和產值數據。針對不同產品生產工藝差異化研究的數據依托捷佳偉創(chuàng)、邁為、先導三家國內龍頭光伏設備上市公司公告的設備產品數據，可以獲得不同生產流水線的勞動力配置要求和設備市場指導價格。企業(yè)的價格變量Pit來自樣本期內組件招投標結果，其能精確到時間、產品和企業(yè)三個維度，對于本文實證要求區(qū)分的價格變動非協同性有著重要的作用。

表2 包括了三個子表格，Panel A 統(tǒng)計了樣本內企業(yè)的投入產出規(guī)模；Panel B 針對實證模型提出的企業(yè)持續(xù)經營問題，匯總出了不同經營時間企業(yè)的規(guī)模，其中包括了市場占比和投資占比；Panel C 匯總了核心變量的描述性統(tǒng)計變量。

從Panel A 的時間序列統(tǒng)計中可以看出行業(yè)規(guī)模在近年來持續(xù)擴張。企業(yè)數量從2009 年不足500 家增長到2018 年1 890 家，產量和產值也隨之呈幾何級數增長。但同樣值得重點注意的是產值和產量的差異，自2009 年到2018 年，行業(yè)總產出從6.34GW 增長到118GW，平均年增長率達到38%，但對應的產值增長卻僅有25%，甚至在2016 和2018 年出現了負增長。最直接的原因是組件價格在近幾年的快速下降抵消了企業(yè)產量的增長。這支持了理論模型中區(qū)分物理/產量生產率和產值生產率的重要性。

Panel B 針對同步偏誤和從屬斷尾問題做了樣本的匯總，光伏制造產業(yè)由于持續(xù)性整合，導致持續(xù)經營十年以上的企業(yè)占比并不多。如果采用平衡樣本，僅有93 個工廠個體會被納入實證樣本中，而這些企業(yè)在2018 年的市場占比僅為32%，投資占比僅為19%。而得益于近年來光伏技術的加速發(fā)展，新企業(yè)在高效產品和新產線投資層面享有后發(fā)優(yōu)勢。因此實證研究更需要兼顧到行業(yè)整合和產品迭代的影響。

Panel C 作為常規(guī)的描述性統(tǒng)計匯總了核心變量的幾項統(tǒng)計指標，不難看出，包括產出、產值、投入要素（勞動力、資本和中間品）均表現出左偏的態(tài)勢，這也反映出龍頭企業(yè)（工廠）在規(guī)模上的優(yōu)勢。

表2 樣本概況

最后需要討論的是樣本中的多產品結構，圖1 的Panel A 基于時間序列匯總了2009、2014 和2018 三個時間點，樣本企業(yè)生產的產品結構，并基于光伏行業(yè)的產品分類，按照功率檔位進行匯總。盡管2009 年樣本中產品主要局限在240W 以下、240～250W 和250～260W 三種。到2018 年，產品結構已經覆蓋了全部功率檔位。

針對產品的價格差異性，Panel B 在時間序列和產品功率（每年選取最主流的3～4 個功率檔位）兩個維度匯總了樣本中產品價格趨勢。值得注意的是，產品迭代同樣體現在價格層面，隨著新產品的不斷出現，傳統(tǒng)產品承受的價格壓力持續(xù)加大，直至退市。由此可見，在實證模型中考慮多產品結構是本文模型研究的重要任務。

圖1 樣本產品概況

（二）實證模型回歸結果

表3 的Panel A 和B 分別基于工廠產值和產量進行模型參數估計，（1）和（2）列是基于平衡樣本回歸結果，（3）～（9）列是基于全樣本的回歸結果；（1）～（5）列為參數模型的估計結果，其中（6）～（9）列基于半參數模型框架的估計結果，（6）和（7）列為基于Olley 和Pakes 模型的計量，對勞動力投入未進行內生化處理，而（8）和（9）列為本文模型伸延以后的估計結果。

首先，對比（3）、（4）列和（1）、（2）列的參數估計，平衡樣本的參數測度，勞動力變量的系數顯著低于全樣本的測度結果，同時資本變量的系數卻高于全樣本測度結果。這證實了從屬斷尾問題的存在：平衡樣本片面選取了持續(xù)經營企業(yè)的運營數據作為計量基礎，放棄了被整合兼并或破產退出企業(yè)個體的相關信息，從而導致參數回歸的偏誤。

其次，聚焦在全樣本估計的結果，通過樣本的擴充，（3）～（7）列的結果規(guī)避了從屬斷尾的影響，而（6）、（7）列的半參數估計可以解決同步偏誤問題。由于計量模型包含技術的隨機項、資本、勞動力等投入要素之間存在相關性，導致核心變量的系數估計產生偏誤。在兩張表中，（4）列基于within 估計的資本變量參數值并沒有和OLS 形成顯著的差異，但是在引入Olley 和Pakes 半參數框架以后，參數估計值顯著降低了，這證明了在樣本中存在和資本要素高度相關的不可觀測變量，并影響到了參數的估計。

最后，討論物理生產率和產值生產率的區(qū)別。物理產出依賴于產值和價格：yit=Rit/ Pit，代入模型：

當lnPit無法在微觀企業(yè)層面被觀測，其偏離投入要素價格變動的部分會被納入ωit +ηit。在光伏設備為代表的制造行業(yè)中，技術變量ωit會和企業(yè)的價格存在相關性，因此價格的變化干擾參數計量和動態(tài)生產率的統(tǒng)計。尤其當產出的價格下降速度超過投入品價格時，基于產值的計量會侵蝕一部分生產率。

對比Panel A 和Panel B 的結果差異可以發(fā)現，基于產值的參數計量對資本的系數估計更高。由于采用貨幣化投入產出的計量策略當投入品價格的變化快于終端產品價格變化，傾向于低估生產函數的變量參數，反之則更可能高估參數。對應到Panel A 和Panel B 的參數回歸情況可以發(fā)現，無論是勞動力還是資本的回歸系數在Panel A 中的回歸結果都顯著低于Panel B。相比上游原材料和勞動力成本的有限優(yōu)化，組件價格的下跌速度持續(xù)超過行業(yè)預期，在帶動市場規(guī)模擴張的同時，企業(yè)的盈利也被持續(xù)壓縮。而正是這樣的非協同變化導致Panel A 中采用貨幣化產值作為回歸變量低估了勞動力和資本要素對企業(yè)生產經營的貢獻，當Panel B將計量單位回歸到產出量以后，要素的貢獻水平都得到了顯著的提升。

表3 參數回歸結果

針對勞動力變量的內生化處理討論集中在后四列。對比（6）、（7）列和（8）、（9）列的結果不難看出，內生性的勞動力投入會導致系數估計結果的正向偏誤，本文針對內生性延展的模型在一定程度上降低了勞動力在生產過程中的貢獻，相應的回歸系數表現為一定的下降。

針對多產品的模型框架，表4 基于產品細分的結構模型，匯總對比了全樣本、平衡樣本，以及聚焦被整合和主動整合企業(yè)的子樣本回歸結果。對比全樣本和平衡樣本的回歸結果可以看出，前者回歸系數在勞動力層面略低，而在資本變量層面略高。而對比不同企業(yè)樣本的回歸結果，被整合企業(yè)在勞動力變量的系數上顯著高于主動兼并企業(yè)的子樣本回歸結果，但相應的在資本變量層面，回歸系數卻更低。這樣的差異得到行業(yè)發(fā)展歷程的支持：早期受制于進口設備成本，企業(yè)更多傾向于采用勞動密集模式進行生產，而設備國產化加速以后，行業(yè)加快了勞動力替代轉型。具備資本優(yōu)勢和技術優(yōu)勢的企業(yè)兼并了設備自動化不足和再投資能力較弱的企業(yè)，前者表現為資本層面更高的依賴性。

表4 產值回歸模型估計

聚焦到產品層面，表5 展示匯總了基于產品細分模型估計的半參數估計模型：相對出新的產品在勞動力變量層面的系數依賴性較低，而資本變量對應的系數卻較高。這意味著產品更新換代伴隨著設備自動化和高效化的進程，有效提高了資本要素在生產運營中的貢獻和占比。

表5 多產品產量回歸模型估計

（三）光伏產業(yè)動態(tài)生產率計量和測度

表6 和表7 匯總了光伏制造產業(yè)2009—2018 年間產量/產值生產率的動態(tài)變化趨勢。在企業(yè)/工廠層面的生產率測度結果上看，平衡樣本和全樣本的差異依然顯著。在2012 年和2013 年，行業(yè)受到歐美貿易摩擦的影響，整體生產率呈現負增長，但是平衡樣本計算的生產率水平卻顯著低于全樣本模型測度的結果。這說明持續(xù)經營的企業(yè)在短期內受制于自身戰(zhàn)略的需要或是非經濟原因的制約（如地方的就業(yè)壓力和納稅要求等），難以靈活調整生產規(guī)模，生產率衰退更加嚴重。針對產值生產率和產量生產率計量的差異，聚焦在價格快速下行的2014—2018 年間，兩者之間的差異被拉大。這恰恰說明價格過快的下行導致企業(yè)產出層面的技術進步被價格滑坡所掩蓋，從而低估了行業(yè)真實的技術進步速度和水平。

表6 企業(yè)層面動態(tài)生產率計量

實證結果還列出了25%、50%和75%三個分位點計量的結果。一方面，處于75%分位點的企業(yè)在衰退期（2012 年和2013 年）和25%分位點企業(yè)的差距反而縮小了，反映出產業(yè)板塊中的末端企業(yè)產能調整余地更大，及時止損反而可以縮小和龍頭企業(yè)的差距。另一方面，樣本后期，2017 年和2018 年，前50%企業(yè)的生產率迅速趨同，這反映出技術外溢的紅利侵蝕了龍頭企業(yè)的技術優(yōu)勢。

表7 產品層面動態(tài)生產率計量

表7 匯總了基于多產品模型計量的產品層面生產率變動情況。第一，行業(yè)衰退期主流產品的生產率受到更大的沖擊和影響：25%和50%分位點計量的產品層面生產率水平在2012—2014 年下行更加明顯，而75%分位點計量的生產率和行業(yè)的差距卻顯著縮小了。如果50%以前分位點代表了行業(yè)主流和領先的產品，而75%分位點則是處于夕陽階段的產品。在行業(yè)出現顯著衰退的情況下，產品層面的沖擊卻主要落在了行業(yè)主流產品上，但處于夕陽階段的產品卻得益于非主流應用市場，能規(guī)避一定的行業(yè)風險。第二，產品層面生產率的差異在2014 年以后顯著拉大。隨著高效技術的發(fā)展和市場需求向高效化的導向，高效產品（25%分位點）得益于產線升級、技術釋放和需求轉向等優(yōu)勢因素的疊加，生產率層面的優(yōu)勢集中釋放，拉大了和常規(guī)產品的差距。第三，表格最后三列聚焦于新產品、成熟產品和下架產品的測算結果：新產品在樣本初期（2009—2011年）一直落后于成熟產品，但是在行業(yè)低谷的2012—2014 年逐漸反超成熟產品，并在2016 年以后領跑行業(yè)。這反映出行業(yè)產品迭代的加速，尤其在產線國產化背景下新產品的投產及產業(yè)化速度得到的空前提升。

依托生產率計量的框架，圖2 在樣本周期內將生產率被拆分為產品因素（戰(zhàn)略）和非產品因素（經營）兩部分：產品更迭貢獻的生產率增長在整體中占比持續(xù)提升，非產品（經營）層面因素在生產率中的占比在2014年以后逐漸下降。在當前光伏市場規(guī)模繼續(xù)保持穩(wěn)健增長的背景下，高效組件生產設備國產化趨勢進一步明朗，產品生產率的持續(xù)提升空間依然巨大，在未來幾年中，還將是光伏產業(yè)生產率提升最為重要的渠道。

圖2 光伏設備制造行業(yè)生產率變動結構（企業(yè)整合和產品更迭）

五、結論和展望

（一）研究結論

基于上文的所有討論，本文依托中國光伏設備制造企業(yè)在2009—2018 年的生產經營數據，動態(tài)測度了行業(yè)生產率的變動，得到三個重要結論：首先，相比以Olley 和Pakes 的傳統(tǒng)半參數測度模型，本文綜合考慮了多產品結構以及產出-投入價格非協同變動因素對生產函數和生產率計量的影響。突破傳統(tǒng)的按照產出比例分配的固化模式，動態(tài)依靠上游生產設備企業(yè)的工藝革新信息實現對下游產出投入-產出結構的及時調整和產品之間的差異化測度。其次，基于中國光伏組件設備制造企業(yè)的實證分析對比了物理生產率和產值生產率的差異：將產出統(tǒng)一化為貨幣度量的產值，嚴重干擾了模型的測度。尤其在過去十年，設備國產化革新加快，新產品持續(xù)沖擊市場，價格超預期下降，價格非協同性導致了行業(yè)生產率測度的低估。第三，本文將行業(yè)整合的定義外延擴大到宏觀企業(yè)間的兼并重組疊加微觀企業(yè)內部產品更迭的雙維度層面，并依托差異化的計量模型進行分別的動態(tài)測度。在實證研究層面可以看出，相比階段性出現的企業(yè)兼并重組行為，行業(yè)生產率進步更多時候是通過產品升級所蘊含的技術進步來實現的。

（二）研究展望

在理論和實證層面，本文架構的模型為產業(yè)經濟研究生產率計量提供了工具和框架的貢獻。作為進一步的研究和發(fā)展，本文依然面臨兩個方面的改進空間：

第一，行業(yè)整合的模式除了本文已經涵蓋的宏觀企業(yè)之間兼并重組和產品更新換代，還包括了企業(yè)的縱向和橫向業(yè)務延伸，以及服務差異化競爭。而當橫向、縱向一體化被引入到實證模型中，企業(yè)之間的差異化會由于戰(zhàn)略定位的不同而進一步凸顯，比如垂直整合設備生產和輔料產線的組件生產商對于資本和中間投入品的依賴性會顯著低于行業(yè)平均水平。這意味著中間投入品同樣可能存在內生性問題。

第二，在行業(yè)結構性調整過程中，行業(yè)進入壁壘和競爭結構的內生性問題是本文模型沒能充分考慮的。在本文的模型中，新競爭者進入行為被設定為外生的，而在位企業(yè)應對外來競爭也是被動的。落實到本文的產業(yè)數據樣本，一方面，隨著可再生能源在全球能源體系中占比的持續(xù)提高，市場規(guī)模的擴大勢必會吸引更多競爭者的進入，另一方面，新進入者本身在產線投資、產品技術選型等方面享有后發(fā)優(yōu)勢，并對需求端形成前瞻性的技術引導，從而形成內生性的產品動態(tài)升級。如果將行業(yè)結構調整內生化，在本文討論的框架模型下，需要引入需求端架構供求均衡的交互作用。

由此來看，本文的計量框架盡管在同步偏誤、從屬斷尾以及產品/產出價格協同性層面做了系統(tǒng)的討論，但是在技術進步加快，產業(yè)結構性調整更加頻繁的現實對針對生產函數乃至生產率計量模型提出更高的要求。一方面，模型需進一步完善，但另一方面，更加完備的數據源也是后續(xù)實證分析的重要支撐。