我国零售业全要素生产率增长技术进步与员工素质关系探讨
2022-06-08
零售业快速发展对于引导生产、扩大消费、增加就业、促进经济和社会发展、提高人民生活水平等方面都有十分重要的意义。在“转方式、调结构”的战略指导下，在我国零售市场深度国际化的背景下，提高零售业发展质量具有战略意义。近年来，全要素生产率已成为衡量各类经济组织，包括国家、行业和企业运行质量和竞争力的常用指标，零售业也不例外。促进全要素生产率提升是提高经济运行质量的关键，这已成为国内外权威专家和组织的共识。迈克尔·波特指出：生产率是竞争优势的根本，是维持长期经济活力的基础；“未来经济增长取决于全要素生产率提高”（胡鞍钢，2003）；世界银行也曾指出全要素生产率进步是持续高质量经济增长的根源。因此，分析研究我国零售业的TFP及其影响因素很有价值。
文献回顾
学术界对全要素生产率的研究大多数集中在制造业领域，对零售业的关注与研究较少。通过查阅2000年以来的文献发现：学者们分别在行业和企业两个层面对我国零售业TFP进行了测算分析。在行业层面，研究TFP的文献只有刘似臣和魏芳兰（2010）的一篇，他们采用2004-2008年的省际和不同所有制的面板数据，运用DEA方法对零售业的TFP增长进行测算并分析了地区间、不同所有制间的差异；而刘勇和汪旭晖（2007）、楼文高、沈莲莲和冯国珍（2012）、徐健和汪旭晖（2009）等仅对零售业技术效率进行了测算和研究。可见，学术界在行业层面研究我国零售业TFP的文献的确很少，且没有对原因进行深入研究，数据处理也不够严谨。基于此，本文在以下方面进行拓展：一是在测算零售业TFP增长及区域差别的基础上，研究员工素质对零售业TFP增长的影响程度，试图探求TFP增长的内在动因；二是使用更新的面板数据，以反映零售业TFP变化的最新情况；三是对数据的处理更加精细，以便得到更加可靠的结论。
研究方法
生产率分析是研究经济增长的重要工具。而全要素生产率的增长率被认为是衡量经济增长质量的综合性指标。本文通过DEA-Malmquist指数研究TFP增长及其原因。数据包络分析（DEA）这一术语是由Charnes，Cooper和Rhodes于1978年首次提出的，是评价多投入和多产出的“部门”或“单位”（称为决策单元、DecisionMakingUnit、DMU）间相对有效性的方法。其优势在于：一是不需要给出明确的生产函数；二是决策单元可以是多投入和多产出的作用过程；三是评价结果与量纲选择无关；四是不同生产规模的企业具有可比性等。该方法是根据一组投入、产出观测值，采用数学规划方法，以估算出有效生产前沿，再对各DMU与有效生产前沿进行比较，在有效前沿上的DMU投入产出组合是技术有效的，否则是技术非有效；而生产前沿面的推展称为技术进步。决策单元的TFP增长（变化）是技术效率提高（变化）和技术进步（变化）共同作用的结果。要计算TFP变化的综合效果，目前最被认可的就是Malmquist生产率指数（现在简称Malmquist指数）。
Malmquist指数最初由瑞典统计学家Malmquist在研究多个群体的消费特征差异时提出，卡夫斯、克里斯滕森和迪沃特（简称CCD）于1982年将这种思想运用到生产分析中，通过距离函数之比构造生产率指数，并将这种指数命名为Malmquist指数。它是基于时期s和时期t技术的Malmquist数量指数的几何平均数。公式如下：
（1）
上式可分解为：
（2）
（2）式等号右边的前半部分为EC，后半部分为TC。根据（2）式，Malmquist指数将全要素生产率指数（TFPC）分解为反映靠近或背离生产边界的技术效率指数（EC）和生产边界移动的技术进步指数（TC）。Malmquist指数大于1，表示DMU在t时期的生产率比s时期高；小于1时则表明生产率退步；等于1表示生产率水平不变。TC和EC数值的含义与马氏指数相同，不再赘述。这样DEA-Malmquist指数就可以从纵横两方面科学地评价DMU的生产率。本文使用的是专业软件DEAP2.1。
实证研究
（一）指标选择与数据来源
DEA-Malmquist指数方法的指标选择应注意三点：能够客观反映DMU的竞争力水平，是主要投入、产出指标，而且衡量标准尽可能统一；尽量避免投入（或产出）指标间具有较强的线性关系；根据Golany和Roll提出的经验法则，投入与产出指标总数不能超过决策单元数的二分之一。据此标准，同时考虑数据可得性，本文选用限额以上零售业的资产总额、劳动和主营业务成本作为投入指标，主营业务收入和主营业务利润作为产出指标。
上述指标中劳动指标比较特殊，既可以仅反映劳动力数量，也可以同时反映劳动力质量（即素质，下文皆用“素质”）。仅反映劳动力数量的指标即从业人数，而准确反映劳动力素质的统计指标却很难找到。有的学者如Wang和Yao等以6岁及以上人口为对象，以居民平均受教育程度衡量地区人力资本水平，但这假设学历年限与素质成正比，同时忽略了我国劳动力流动性较强这一现象，因此不少人对此提出质疑。近年来，理论界衡量人力资本的方法主要有三类，其中之一是以工资报酬为基础的方法；国家统计局的董礼华（2012）认为在成熟劳动力市场中，劳动报酬水平的高低可以反映劳动者素质高低。因此，本文用从业人数与平均工资的乘积，即工资总额反映各省零售业员工的数量和素质。为了研究员工素质在提高全要素生产率中的作用，本文用员工数量和工资总额分别作为劳动代理指标进行Malmquist指数分析。本文定义：用员工数量测算的TFP指数，称为非体现型TFP指数，这正是大多数文献测算的TFP指数；用工资总额测算的TFP指数，称为体现型TFP指数。根据归因理论可知，两者差额大小反映员工素质对TFP指数的影响。
本文使用的2005-2011年31个省、市、区（以下简称“省”）限额以上零售业指标数据全部来自中国统计年鉴（2006-2012），测算结果能够反映零售业完全开放以来生产率变动的最新情况。为使不同时期的投入、产出数据具有可比性，尽可能减少或消除价格变动的影响，除员工数量指标外，全部用当年的CPI进行平减。
（二）我国零售业TFP增长分析
将2005-2011年中国31个省限额以上零售业的投入、产出指标数据输入DEAP2.1软件，选择投入导向、规模报酬可变假设和Malmquist-DEA模型进行处理，得到计算结果。计算分析表明，完全开放后的七年间，中国限额以上零售业非体现型TFP年均增长2.2%（指数减一为增长率，下同），其中年均技术进步率为2.2%，就是说非体现型TFP增长几乎全部来自技术进步（因为提高处理结果的精确度，结果可能会有微小变化）。这一数值低于刘似臣和魏芳兰根据2004-2008年的面板数据分析的结果，原因很可能与金融危机爆发后中国经济增长放缓有关，显示出TFP增长的顺周期特征；另外一个原因是刘似臣和魏芳兰没有剔除物价因素的影响。而体现型TFP年均增长0.9%，其中技术进步年均增长0.8%，即体现型TFP增长近90%来自技术进步。
两种TFP年均增长率的差为1.3%，而两种技术进步率的差为1.4%。这表明TFP增长的60%直接来自劳动者素质的提高，而技术进步则全部来自劳动者素质的提高。总之，考察期间零售业TFP增长几乎全部来自技术进步；从增长动力看，TFP增长的60%直接来源于劳动者素质的提高，而技术进步则全部来自劳动者素质的提高。这是对新经济增长理论的极好印证。说明提高员工素质对我国零售业健康快速发展具有决定意义。
（三）我国零售业三大区TFP增长分析
为方便和相关文献进行比较，本文仍把我国31个省分为东、中、西三大经济区。经计算得出，非体现型TFP增长率东部地区的最高，年均2.9%；西部地区次之，年均增长2.2%；中部地区最低，年均增长1.2%。技术进步率的排列顺序和TFP增长率一样，东部最高（3.0%）、西部次之（1.7%）、中部最低（1.4%）。两者都表现为“中部塌陷”，这与绝大多数文献的测算结果一致。但是三大区体现型TFP增长率的排列顺序与非体现型差别很大，东部最低（0.6%），低于全国0.9%的整体水平；西部最高（1.1%）；中部次之（1.0%）。体现型技术进步与体现型TFP增长类似，东部最低（0.6%），中、西部相同（0.9%），都高于0.8%的全国整体水平。这说明导致三大区非体现型TFP增长率与技术进步率“中部塌陷”的原因是劳动力素质的差异。如果三大区之间员工素质不存在差异，考察期间，中西部地区的TFP增长和技术进步具有明显的追赶效应，“中部塌陷”现象能够消除，完全可以实现地区间协调发展。
总之，提高员工素质能够从根本上促进零售业TFP增长和技术进步，加快提高中西部地区的劳动力素质可以消除“中部塌陷”现象。
对导致TFP变化及地区差异的其它原因，可以从行业内外两个层面，对构成TFP的技术进步和技术效率以及更具体的细分指数的影响分别进行分析，但这不是本文关注的内容，因此没有涉及。
相关对策
通过实证分析，我们清楚地看到提高员工素质对促进我国零售业TFP增长、技术进步以及区域协调发展具有决定意义。因此，探讨如何提高员工素质很有必要。在此提出如下对策：第一，树立零售业是高科技行业的观念。只有真正树立零售业是高科技行业的观念，零售企业才愿意重金招揽、培养专门人才，学校等教学科研院所才会注重培养人才。第二，国家政策支持。提高劳动者素质需要国家加大教育投资力度，特别是中西部地区；同时，政策倾斜还可以将其它地区的人才吸引到中西部地区。第三，重视相关人才培养与引进。零售业最需要的是营销人才、物流人才和信息技术人才。要满足行业发展对各类人才的需求，应通过各种途径培养和引进人才。首先，要形成多层次、多样化的人才培养模式。其次，要拓宽人才引进渠道，引进通晓国际规则和熟悉现代管理的高级物流与信息技术人才。另外，考虑到我国物流教育起步晚、师资力量薄弱、物流教育与行业需要差距较大的实际情况，应优先实施物流人才战略工程，加大人才引进、培养力度。这些工作不仅需要企业的努力，还需要行业协会和政府的支持与配合。
文献回顾
学术界对全要素生产率的研究大多数集中在制造业领域，对零售业的关注与研究较少。通过查阅2000年以来的文献发现：学者们分别在行业和企业两个层面对我国零售业TFP进行了测算分析。在行业层面，研究TFP的文献只有刘似臣和魏芳兰（2010）的一篇，他们采用2004-2008年的省际和不同所有制的面板数据，运用DEA方法对零售业的TFP增长进行测算并分析了地区间、不同所有制间的差异；而刘勇和汪旭晖（2007）、楼文高、沈莲莲和冯国珍（2012）、徐健和汪旭晖（2009）等仅对零售业技术效率进行了测算和研究。可见，学术界在行业层面研究我国零售业TFP的文献的确很少，且没有对原因进行深入研究，数据处理也不够严谨。基于此，本文在以下方面进行拓展：一是在测算零售业TFP增长及区域差别的基础上，研究员工素质对零售业TFP增长的影响程度，试图探求TFP增长的内在动因；二是使用更新的面板数据，以反映零售业TFP变化的最新情况；三是对数据的处理更加精细，以便得到更加可靠的结论。
研究方法
生产率分析是研究经济增长的重要工具。而全要素生产率的增长率被认为是衡量经济增长质量的综合性指标。本文通过DEA-Malmquist指数研究TFP增长及其原因。数据包络分析（DEA）这一术语是由Charnes，Cooper和Rhodes于1978年首次提出的，是评价多投入和多产出的“部门”或“单位”（称为决策单元、DecisionMakingUnit、DMU）间相对有效性的方法。其优势在于：一是不需要给出明确的生产函数；二是决策单元可以是多投入和多产出的作用过程；三是评价结果与量纲选择无关；四是不同生产规模的企业具有可比性等。该方法是根据一组投入、产出观测值，采用数学规划方法，以估算出有效生产前沿，再对各DMU与有效生产前沿进行比较，在有效前沿上的DMU投入产出组合是技术有效的，否则是技术非有效；而生产前沿面的推展称为技术进步。决策单元的TFP增长（变化）是技术效率提高（变化）和技术进步（变化）共同作用的结果。要计算TFP变化的综合效果，目前最被认可的就是Malmquist生产率指数（现在简称Malmquist指数）。
Malmquist指数最初由瑞典统计学家Malmquist在研究多个群体的消费特征差异时提出，卡夫斯、克里斯滕森和迪沃特（简称CCD）于1982年将这种思想运用到生产分析中，通过距离函数之比构造生产率指数，并将这种指数命名为Malmquist指数。它是基于时期s和时期t技术的Malmquist数量指数的几何平均数。公式如下：
（1）
上式可分解为：
（2）
（2）式等号右边的前半部分为EC，后半部分为TC。根据（2）式，Malmquist指数将全要素生产率指数（TFPC）分解为反映靠近或背离生产边界的技术效率指数（EC）和生产边界移动的技术进步指数（TC）。Malmquist指数大于1，表示DMU在t时期的生产率比s时期高；小于1时则表明生产率退步；等于1表示生产率水平不变。TC和EC数值的含义与马氏指数相同，不再赘述。这样DEA-Malmquist指数就可以从纵横两方面科学地评价DMU的生产率。本文使用的是专业软件DEAP2.1。
实证研究
（一）指标选择与数据来源
DEA-Malmquist指数方法的指标选择应注意三点：能够客观反映DMU的竞争力水平，是主要投入、产出指标，而且衡量标准尽可能统一；尽量避免投入（或产出）指标间具有较强的线性关系；根据Golany和Roll提出的经验法则，投入与产出指标总数不能超过决策单元数的二分之一。据此标准，同时考虑数据可得性，本文选用限额以上零售业的资产总额、劳动和主营业务成本作为投入指标，主营业务收入和主营业务利润作为产出指标。
上述指标中劳动指标比较特殊，既可以仅反映劳动力数量，也可以同时反映劳动力质量（即素质，下文皆用“素质”）。仅反映劳动力数量的指标即从业人数，而准确反映劳动力素质的统计指标却很难找到。有的学者如Wang和Yao等以6岁及以上人口为对象，以居民平均受教育程度衡量地区人力资本水平，但这假设学历年限与素质成正比，同时忽略了我国劳动力流动性较强这一现象，因此不少人对此提出质疑。近年来，理论界衡量人力资本的方法主要有三类，其中之一是以工资报酬为基础的方法；国家统计局的董礼华（2012）认为在成熟劳动力市场中，劳动报酬水平的高低可以反映劳动者素质高低。因此，本文用从业人数与平均工资的乘积，即工资总额反映各省零售业员工的数量和素质。为了研究员工素质在提高全要素生产率中的作用，本文用员工数量和工资总额分别作为劳动代理指标进行Malmquist指数分析。本文定义：用员工数量测算的TFP指数，称为非体现型TFP指数，这正是大多数文献测算的TFP指数；用工资总额测算的TFP指数，称为体现型TFP指数。根据归因理论可知，两者差额大小反映员工素质对TFP指数的影响。
本文使用的2005-2011年31个省、市、区（以下简称“省”）限额以上零售业指标数据全部来自中国统计年鉴（2006-2012），测算结果能够反映零售业完全开放以来生产率变动的最新情况。为使不同时期的投入、产出数据具有可比性，尽可能减少或消除价格变动的影响，除员工数量指标外，全部用当年的CPI进行平减。
（二）我国零售业TFP增长分析
将2005-2011年中国31个省限额以上零售业的投入、产出指标数据输入DEAP2.1软件，选择投入导向、规模报酬可变假设和Malmquist-DEA模型进行处理，得到计算结果。计算分析表明，完全开放后的七年间，中国限额以上零售业非体现型TFP年均增长2.2%（指数减一为增长率，下同），其中年均技术进步率为2.2%，就是说非体现型TFP增长几乎全部来自技术进步（因为提高处理结果的精确度，结果可能会有微小变化）。这一数值低于刘似臣和魏芳兰根据2004-2008年的面板数据分析的结果，原因很可能与金融危机爆发后中国经济增长放缓有关，显示出TFP增长的顺周期特征；另外一个原因是刘似臣和魏芳兰没有剔除物价因素的影响。而体现型TFP年均增长0.9%，其中技术进步年均增长0.8%，即体现型TFP增长近90%来自技术进步。
两种TFP年均增长率的差为1.3%，而两种技术进步率的差为1.4%。这表明TFP增长的60%直接来自劳动者素质的提高，而技术进步则全部来自劳动者素质的提高。总之，考察期间零售业TFP增长几乎全部来自技术进步；从增长动力看，TFP增长的60%直接来源于劳动者素质的提高，而技术进步则全部来自劳动者素质的提高。这是对新经济增长理论的极好印证。说明提高员工素质对我国零售业健康快速发展具有决定意义。
（三）我国零售业三大区TFP增长分析
为方便和相关文献进行比较，本文仍把我国31个省分为东、中、西三大经济区。经计算得出，非体现型TFP增长率东部地区的最高，年均2.9%；西部地区次之，年均增长2.2%；中部地区最低，年均增长1.2%。技术进步率的排列顺序和TFP增长率一样，东部最高（3.0%）、西部次之（1.7%）、中部最低（1.4%）。两者都表现为“中部塌陷”，这与绝大多数文献的测算结果一致。但是三大区体现型TFP增长率的排列顺序与非体现型差别很大，东部最低（0.6%），低于全国0.9%的整体水平；西部最高（1.1%）；中部次之（1.0%）。体现型技术进步与体现型TFP增长类似，东部最低（0.6%），中、西部相同（0.9%），都高于0.8%的全国整体水平。这说明导致三大区非体现型TFP增长率与技术进步率“中部塌陷”的原因是劳动力素质的差异。如果三大区之间员工素质不存在差异，考察期间，中西部地区的TFP增长和技术进步具有明显的追赶效应，“中部塌陷”现象能够消除，完全可以实现地区间协调发展。
总之，提高员工素质能够从根本上促进零售业TFP增长和技术进步，加快提高中西部地区的劳动力素质可以消除“中部塌陷”现象。
对导致TFP变化及地区差异的其它原因，可以从行业内外两个层面，对构成TFP的技术进步和技术效率以及更具体的细分指数的影响分别进行分析，但这不是本文关注的内容，因此没有涉及。
相关对策
通过实证分析，我们清楚地看到提高员工素质对促进我国零售业TFP增长、技术进步以及区域协调发展具有决定意义。因此，探讨如何提高员工素质很有必要。在此提出如下对策：第一，树立零售业是高科技行业的观念。只有真正树立零售业是高科技行业的观念，零售企业才愿意重金招揽、培养专门人才，学校等教学科研院所才会注重培养人才。第二，国家政策支持。提高劳动者素质需要国家加大教育投资力度，特别是中西部地区；同时，政策倾斜还可以将其它地区的人才吸引到中西部地区。第三，重视相关人才培养与引进。零售业最需要的是营销人才、物流人才和信息技术人才。要满足行业发展对各类人才的需求，应通过各种途径培养和引进人才。首先，要形成多层次、多样化的人才培养模式。其次，要拓宽人才引进渠道，引进通晓国际规则和熟悉现代管理的高级物流与信息技术人才。另外，考虑到我国物流教育起步晚、师资力量薄弱、物流教育与行业需要差距较大的实际情况，应优先实施物流人才战略工程，加大人才引进、培养力度。这些工作不仅需要企业的努力，还需要行业协会和政府的支持与配合。