效率和生产力都是考察经济运行状况的重要指标，在经济研究和分析中得到了广泛的应用。二者在内涵和衡量方法上都有着很强的内在联系，经过多年的发展，效率和生产力的衡量方法不断完善和系统化。本章将对生产力和效率的内涵进行阐述并对生产力和效率的衡量方法做简单的介绍。

效率和生产力之间存在一定的联系，但在内涵上有着本质的区别。为使读者对生产力和效率之间的区别和联系有一个直观的印象，在正式介绍效率和生产力的内涵之前，我们首先结合一个例子说明效率和生产力的关系。

生产力是产出与总投入的比值，而效率是实际生产力与潜在生产力的比值。因此，生产力不一定小于1，而效率一般不会大于1。表1．1列出了一个芯片制造商的投入产出指标以及生产力和效率的数值。每个芯片制造商在生产初期会设定它的生产目标，如表1．1中第2列，也可利用第1列劳工小时数下，所预期生产之芯片数目。根据目前的生产技术，在利用第1列中的劳工投入所能生产的最大产出（潜在产出）在第3列中给出。在生产期结束后，实际芯片产出数量在第4列中给出。第5、6、7列分别计算每小时的规划生产能力、潜在生产能力与实际生产能力，是将相关产出量除以劳工小时数得到的。第8列即为效率，是由实际生产力与潜在生产力的比值求得的。由表1．1我们可以清楚地看到，生产力与效率的区别与关系。

表1．1　生产力与效率的内在联系

续表

资料来源：黄镜如，傅祖坛，黄美瑛．绩效评估——效率与生产力之理论与应用．新陆书局股份有限公司，2008

“效率”的概念已经根植于社会经济生活中的各个领域和方面，在经济学中几乎没有比“效率”应用更为广泛的概念了。具体来说，效率就是描述各种资源使用有效程度的指标，从资源配置的角度而言，效率就是指在既定的产出水平下，追求成本投入的最小化；或者是在既定的成本约束下追求产出水平的最大化。在经济学史上，在不同的时期，经济学家对效率概念的解释有着不同的认识。

在西方经济理论的发展过程中，最早全面系统地研究经济效率理论的学者是英国剑桥大学经济学家M．J．Farrell（1957）。M．J．Farrell从微观层面对企业的效率情况作了定义：一个企业或部门的效率包括技术效率和配置效率两个部分。其中，技术效率是指企业或部门在既定的技术和环境下，用特定的投入生产最大可能产出的能力和意愿，也就是说，如果一个企业或部门在既定投入的条件下能够实现最大的潜在生产能力，它就具有技术效率。配置效率是指在现行的要素市场供求条件下，企业或部门为获得最大的净利润而使用不同要素的数量比例的能力和意愿，进一步来讲，配置效率将价格因素考虑了进来。这两种效率的总和反映了企业或部门的总的经济效率（Overall Efficiency）。技术效率与配置效率之和为总的经济效率。可用图1．1描述M．J．Farrell效率的关系。

图1．1　技术效率、配置效率与综合效率[1]

资料来源：Coelli，T．，D．S．Prasada Rao and G．E．Battese．An Introduction to Efficiency and Productivity Analysis．Boston：Kluwer Academic Publishers，1998（2）：52

在图1．1中，x1、x2为两种投入，y为产出。规模报酬不变SS′代表效率决策单元（曲线上各点技术效率相同，均为1），落在SS′曲线右上方则为技术无效率，如P点，AA′代表最小成本线。当一个企业以P点的投入组合生产单位产品时，线段QP代表该企业的技术无效率，当投入由P点等比例降至Q点时，产量并不减少，因此QP／OP可用来表示所有投入可以降低的比例，于是企业的技术效率（TE）可被确定为TE＝OQ／OP＝1－QP／OP。在已知投入价格比（图1．1中的AA′）中，P点的配置效率（AE）定义为：AE＝OR／OQ。

不少学者对M．J．Farrell的观点进行了有益的扩展。Kalirajan（1994）认为，经济效率是技术效率和配置效率的综合反映。一个经济决策单元（Economic Decision Making Unit）如果同时具有技术效率和配置效率，它在经济上就是有效率的。Whitesell（1994）认为，经济效率（Economic Efficiency）是指一种经济在既定的生产目标下的生产能力，也就是指在恰当的生产可能性曲线上恰当的点。经济效率同样可以分为技术效率（Technical Efficiency）和配置效率（Allocation Efficiency）。一种经济运行状态可以是技术效率比较高但是配置效率比较低，也可以是配置效率比较高但技术效率比较低的。Mo和Li（1998）认为，经济有效性是指一个企业或部门在最低可能成本的条件下生产一定水平的产出。这种成本可能由缺乏技术效率或配置效率而增加不必要成本。因此，经济效率是比技术效率或配置效率更宽泛的概念。技术效率是指一个企业或部门在投入的最小成本条件下生产一定水平的产出，而配置效率是指一个企业如何按照正确的比例使用投入要素去生产一定水平的产出。美国匹兹堡大学经济学教授托马斯·G．罗斯基（1993）认为，在微观经济学理论中，经济效率主要指三种：配置效率（AE，价格效率）、技术效率（TE，X—效率）和动态效率（革新率）。当经济沿着生产可能性曲线移动时是表示配置效率的变化；当经济从生产可能性曲线下方向曲线移动时是表示技术效率的进步；当整个生产可能性曲线移动时表示动态效率的变化。技术效率和X—效率也是有区别的：技术效率可以被分解为纯技术效率和规模效率，而X—效率则是将技术效率中的规模效率和范围经济效率排除掉了。

在了解了效率与生产力的关系和效率的内涵之后，我们有必要来了解生产力的内涵。生产力的内涵起源于西方18世纪的思想，当时认为劳动力是重要的生产性资源，研究劳动生产力是有意义的。美国国家标准《工业工程术语》给生产力下的定义：产出与总投入的比值；实际生产量与规定的一个工人或者一组工人的标准产量之比。日本学者新井警介认为，生产力是表达三个要素的有效使用程度，用产品的生产数量与为此而投入的生产要素之比来表示。马汉武（1999）指出，生产力的实际内涵是对生产能力利用的考核，是对资源利用程度的考核。在效率经济理论中，“生产力”是指在生产过程中投入转化为产出的能力。生产力可用来衡量生产组织（如企业、政府），也可用来衡量各种产业、部门或整个经济系统。生产力用于衡量资源和这些资源产出的产品、劳务之间的关系，比如人工、资本、原材料、能量、信息等资源是否有效地生产出各种产品和劳务。综上所述，各学者对生产力的具体描述虽各不相同，但有一点不可否认，生产力反映的是在特定时期投入和产出在数量上的关系，而生产力的增长反映科技与组织的进步。

通常在经济学的研究中，用产出和投入的比值来表示生产力[2]：

产出与投入在此均采用广义的定义。例如，电脑厂商每小时产出，其产出为电脑数目，投入即为生产该产出所需的劳工投入数。这种仅利用单一产出与单一投入的比值所表示的生产力被称为“单要素生产率”（Partial Factor Productivity，PFP），因为这种比值没有考虑所有投入与所有产出。一家电脑厂商可能生产多种产出（如台式电脑与笔记本电脑、企业服务、零件），而同时使用了多种投入（如资本、能源、物料等）。当所有产出项及所有投入项均分别加总，加总后的产出与投入的比值就可以用来衡量联合生产力，这个比值成为“全要素生产力”（Total Factor Productivity，TFP）。鉴于全要素生产力全面反映了各种投入与产出的效率，并在实证研究中的广泛使用，本书所讲的生产力指的是全要素生产力。

西方经济效率理论的效率衡量，其方法是建立在一些严格的假设前提基础之上，以数理推论和实证分析为主进行效率评估的。正是由于对效率与生产力理论的认识与发展，带动了对效率和生产力实际运用及度量的发展。距离函数是衡量决策单元（DMU）效率的理论基础，其核心思想是：构造一个生产前沿面，观察现实数据所表示的DMU所处的位置与生产前沿面的距离。DMU与生产前沿面的距离越大，其效率水平越低，与生产前沿面的距离越小，其效率水平越高，处于生产前沿面上的DMU则被认为是有效率的。而距离函数的思想也在一些全要素生产力指数中得到了应用（如Mulmquist指数）。效率分析的过程是在距离函数构造的框架内进行的，而生产前沿面和效率衡量的具体方法则多种多样，总体来说分为参数法和非参数法。本节首先对距离函数进行详细的介绍，而后对用于效率衡量的具体方法进行概括性的描述。

1953年，Malmquist用相对于无差异曲线的径向移动幅度，首次给出了距离函数的定义。1970年，Shephard根据生产函数再次定义了距离函数，并被学者广泛使用。距离函数可以从投入和产出两个不同的导向给出：投入距离函数是以给定产出下，投入向量能够向内缩减的程度来衡量生产技术的有效性；产出距离函数则是在给定投入的条件下，考察产出向量的最大扩张幅度。我们接下来对距离函数的具体原理进行介绍。

对于有m种投入、s种产出的生产活动，我们可以用m维向量x表示其投入向量，用s维向量y代表其产出向量。用P（x）表示产出集合，它包含了在一定技术条件下，用m种投入x所能够生产的全部产出向量，即P（x）＝｛y：y可以用投入量x生产出来｝。对任意的投入向量y，假定产出集合P（x）具有如下性质：

①0∈P（x）：没有任何产品产出，即允许经济系统不生产。

②关于产出的可控性：若y∈P（x），对y1≤y，则y1∈P（x）。

③P（x）为凸的有界闭集。

在P（x）上定义的产出距离函数do（x，y）为：

从产出集合P（x）所具有的性质，我们能够直接得到产出距离函数do（x，y）具有如下性质：

①do（x，y）是关于x的非增函数，关于y的非减函数。

②do（x，y）是y的线性齐次函数。

③若y∈P（x），则do（x，y）≤1。

④do（x，y）＝1的充分必要条件是y在集合P（x）的前沿。

图1．2　产出距离函数示例图

资料来源：Coelli，T．，D．S．Prasada Rao and G．E．Battese．An Introduction to Efficiency and Productivity Analysis．Boston：Kluwer Academic Publishers，1998（2）：48(www.daowen.com)

在两种产出的情况下，产出距离函数可通过图1．2加以说明。对于用给定的投入x生产两种产出y1和y2时，产出集合P（x）是由生产可能性前沿与y1轴和y2轴围成的区域。当生产单元用给定的投入量x，生产A点代表的产出（y1A，y2A）时，其产出距离函数值等于OA与OB的比率，即：

它等于投入不变和保持生产在技术上可行，即在P（x）内的条件下，产出可扩大倍数的倒数。B点和C点都是生产可能性前沿上的点，产出可扩大倍数为1，因此其距离函数值也是1，即：

根据Farrell（1957）的观点，这说明生产活动从技术角度来讲，其效率为1，也就是说在给定投入的情况下实现了最大产出。在单一投入和单一产出的情况下，假设规模报酬不变（CRS），当平均生产率达到最大时，最大可能的产出也就实现了。这个平均化的生产率就是最佳实践，这个最佳实践可以用数据包络分析（DEA）方法来计算。

类似产出导向的产出可能性集合以及距离函数的定义、投入导向的投入集合可写成L（y）＝｛x：x能够生产出y｝。在此集合上投入距离函数定义为：

另外，在技术设定为规模报酬不变时，投入导向的距离函数与产出导向的距离函数互为倒数关系，即：

在得到了距离函数数值的前提下，我们可以对特定DMU的技术效率进行估计，根据技术效率的定义以及距离函数的原理我们很容易得出：产出导向的技术效率值等于产出导向的距离函数值，而投入导向的技术效率值等于投入导向距离函数值的倒数，即：

目前，评价效率的方法主要有非参数法和参数法两大类。非参数方法主要包括数据包络分析法（Data Envelopment Analysis，DEA）和自由处置包法（Free Disposal Hull，FDH）；参数方法主要包括随机前沿方法（Stochastic Frontier Approach，SFA）、自由分布法（Distribution－Free Approach，DFA）和厚前沿方法（Thick Frontier Approach，TFA）三种。其中以非参数方法中的数据包络分析法和参数方法中的随机前沿方法运用最为广泛。这些方法之间的根本差异在于对以下各种情况中的数据所设定的假设不同：①最优运营边界的函数形式不同，也就是说，较多限制条件的参数形式与较少限制条件的非参数形式；②是否考虑那些可以暂时导致一些生产单元或高或低的投入、产出、成本或利润等的随机误差项；③在存在随机误差项的条件下，用来将无效率从随机误差项中区分开来的无效率项的假设概率分布不同，如半正态分布、截尾正态分布。因此已建立的效率测度方法之间的主要差异就变成了边界函数与随机误差项和无效率分布假设之间的差异。下面我们来简要介绍这些方法，并在以后的章节中详细介绍两种最常用的方法——数据包络分析法（DEA）和随机前沿方法（SFA）。

（1）非参数方法

非参数方法是与参数法相对应的方法，使用非参数方法对效率进行评估时，不必估算效率前沿函数的参数及规定函数的具体形式。非参数方法主要包括数据包络分析法和自由处置包法。

数据包络分析法最初由Charnes，Cooper和Rhodes于1978年提出，是从相对效率概念角度在数学规划的基础上建立起来的一种效率评价方法，以Pareto优化这一经济学概念为基础，以规划理论为工具，按照多种投入和多种产出的观察值，可用来评价决策单元（DMU）的技术有效性。Charnes，Cooper和Rhodes提出的数据包络分析最初用来测度公共部门和非盈利机构的效率。DEA是一种线性规划方法，这种方法说的是最佳营运集合或边界观测值表现为，没有其他决策单元（DMU）或决策单元的线性组合具有同样或更多的每一种产出（设定投入）或只需要同样或更少的每一种投入（设定产出）的集合。DEA边界是由形成凸形生产可能性集的最佳运营观测值连结起来的分段线性组合形成的，因此，DEA并不需要明确界定基本生产关系的形式。运用数据包络分析法来测度决策单元的效率，首先要根据样本得到各项数据，再利用线性规划方法找出这些样本的投入产出组合点的包络面，这个包络面必须能够反映决策单元效率前沿的函数，即效率前沿决策单元的投入—产出关系；然后，通过比较待考察决策单元与效率前沿决策单元的投入—产出水平即给定的投入—产出水平的差异，来评估待考察决策单元的效率水平。根据规模报酬假设的不同，DEA估计方法又可以分为规模报酬不变前提下的CCR模型以及规模报酬可变条件下的BCC模型。这两种计算结果分别为CRS技术效率（简称技术效率）和VRS纯技术效率（简称纯技术效率），利用技术效率和纯技术效率可以求出规模效率，等于CRS技术效率除以VRS纯技术效率，即可将CRS技术效率分解为VRS纯技术效率和规模效率（SE）。

自由处置包法是数据包络分析模型的一种特殊情况。DEA模型中连结各顶点的曲线上的点并不包括在边界之内，相反，自由处置包法的生产可能性集仅由DEA的顶点和顶点内部的FDH点构成。因为FDH边界或者与DEA边界一致，或者在其内部，FDH分析将产生比DEA分析更具代表性的较大平均效率估计（Tulkens，1993）。除不受控观测值100%有效外，任何一种方法均允许效率随时间变化，也无须对所有观测值的无效率分布形式进行任何先验假定。

（2）参数法

与非参数方法相比，参数方法在测度效率时需要规定效率前沿函数的具体形式，并通过样本数据估算出效率前沿函数中的各个参数。同时，参数方法假定随机误差项会受到计量问题、会计数据以及运气等随机因素的影响，且随机误差服从一定的分布。根据测度的无效率项和随机误差项及对两者分布函数的不同假定，参数方法主要包括随机前沿方法、自由分布法、厚前沿方法三种。

随机前沿方法也称计量经济前沿法，是由Aigner，Lovely Schmidt（1977）以及Meeuser，Van den Broech（1977）分别独立发展而成。SFA法假定随机误差项和无效率项的存在导致待考察决策单元与效率前沿决策单元发生了偏离，给出一种成本、利润，或者投入、产出和环境之间的生产关系的函数形式，并允许出现随机误差项。Greene（1990）讨论了使用截断分布与半正态分布定义无效率项分布类型的有效性，得出不同的分布类型有时会影响决策单元的平均效率数值。随机前沿方法的主要缺陷是对无效率项分布的假设有些随意，且该假设本身又难以验证，这就降低了SFA法的有效性。另外，一旦无效率项的实际分布偏离了所设定的分布形式，那么使用SFA法仍将无法区分决策单元效率中的无效率项和随机误差项。

自由分布法指的是DFA假定每个决策单元的效率不随时间变动，而随机误差的平均值随着时间的推移而趋于零。固定样本数据的每个决策单元的无效率估计由它们的平均残差与边界上决策单元的平均残差之间的差异来决定，同时，需要进行一些舍位操作以解决随机误差的平均值不能绝对为零的问题。然而，如果效率因技术、监管改革或其他影响而随时间的推移发生了变动，这时DFA法描述的将是每个决策单元与运营边界的平均偏差，而不是任何一点上的效率。

厚前沿方法指的是TFA设定了一种函数形式，并且假定，在观测值的最高和最低绩效四分位数（按规模类别分层）之内与预计绩效值的偏差代表随机误差，同时，在最高和最低四分位数之间的预计绩效偏差代表无效率。除了假定在最高和最低四分位数之间的无效率有所不同以及其中存在随机误差外，这种方法对无效率或随机误差没有给出任何分布假定。厚前沿方法本身不能提供单个决策单元效率的点估计，相反这种方法试图提供一种一般水平总效率的估计。

（3）非参数方法与参数方法的比较

两种方法各有优缺点，在使用的时候要根据具体问题来选择。非参数方法的优点是不需要事先确定函数形式，避免了由于采用错误的函数形式而得出错误的结论，并且在研究中受到的约束较少；可以很好地处理多投入、多产出的情况；对样本的数量要求较低。非参数法的主要缺点是无随机误差项假定。其假定如下：在作边界图时无任何测度误差；对于同一个决策单元，不存在任何偶然地得到一个年份比下一个年份更好地测度绩效的运气；不存在因会计规则产生的不精确性，这些会计规则可能使测度投入和产出偏离经济投入和产出。此类误差确实会在无效率单元的数据中出现，其中任何一种都可以作为测度效率变化的反应。另外，如果处于效率边界单元中的一个单元出现上述误差中的任何一种，都可能改变该单元或包括该单元的线性组合进行比较的所有的测度效率。由于设定了一个确定性边界，不考虑运气成分、数据问题或其他计量问题引起的随机误差，将所有对生产边界或成本边界的偏离都归因于低效率，这显然是不符合实际情况的。此外，对效率的估计偏低，离散程度较大，不能检验结果的显著性。

参数方法的优点是先估计一个函数，误差项由无效率项和随机项构成复合结构，正是由于无效率项和随机误差的分离，确保了被估效率有效且一致。这可以很好地处理单投入单产出和多投入单产出的情况，还可以方便检验结果的显著性。考虑运气成分、数据问题或其他计量问题引起的随机误差，如果存在这些随机因素的影响，则评价的效率值可能会是有偏的。而非参数法不考虑上述因素，这与现实经济也是不符的；与非参数方法相比，参数方法能方便地检验结果的显著性。其缺点是需要确定的函数形式，函数形式对要素替代率和技术进步限制较严；对样本数量要求严格，需要较大数量的观测值。由于数据包络分析法和随机前沿法相对于其他方法的优势和在研究中被广泛使用，本书在以后的章节中将会详细地介绍这两种最常用的方法。

在本节中我们将对生产力衡量过程中的相关问题进行阐述。首先我们讲的生产力的衡量是指对全要素生产力的衡量，全要素生产力是相对于单要素生产率而言的，我们将对全要素生产力进行较为全面的介绍；在经济学中，对于全要素生产力的衡量方法是多种多样的，常用的方法有生产函数法、原子论法、投入产出法、增长曲线模型法、指数法等，而指数法由于其经济意义上的直观性、数据的可得性和操作的简单性而多年来在对生产力的衡量中得到了广泛的应用。

生产力从度量的难易程度上可以分为单要素生产率和全要素生产力。单要素生产率（Single Factor Productivity，SFP）指的是某一单位要素投入的产出水平，如劳动生产率、土地生产率、资本生产率等；全要素生产力（Total Factor Productivity，TFP）指的是一个生产单元（企业、行业、国家或地区），在一定时期内生产的总产出和总投入之比，用公式表示即是：TFP＝总投入／总产出。由于全要素生产力指数能够全面地反映生产力的增长情况，因此本书使用全要素生产力指数来对交通运输业的生产力增长和技术变动进行实证分析，并主要介绍全要素生产力指数。

在传统的效率经济理论中所涉及的生产力指标仅仅是“单要素生产率”。传统的技术效率测算也是在单要素生产率的基础上进行的，如测算劳动生产率、资金产值率等。单要素生产率指标具有易于计算和比较分析的优点，但是单要素生产率往往只是针对某一种相对关键的投入要素，测算角度单一，并未考虑要素之间存在的有机组合和内在联系，在实际应用中生产力的变化很难是在保持部分要素不变的情况下单一要素作用的结果。在现实的生产过程中通常需要同时使用劳动和资本等多种生产要素，当我们用资本来代替劳动（增加资本的投入而减少劳动的投入）并生产出和原来一样多的产品时，劳动生产力将会因为劳动投入的减少而提高，而资本生产力却由于资本投入的增加而降低。在这种情况下，单要素生产率并不是一个很好地反映生产力变动的指标。单要素生产率的高低不完全取决于要素本身的发展水平，还与投入要素的组成结构有关，即除了单项投入要素的生产率之外，还存在着投入要素的最佳组合的问题。随着规模经济和要素配置效率问题逐渐被人们所重视，需要有一个综合指标来描述生产力，全要素生产力则是解决此问题的一个重要方法。全要素生产力与单要素生产力相对应，理论上是表示全部投入要素的产出效应水平，全要素生产力中的产出变化与所有投入要素的变化相关。采用全要素生产力来反映要素投入的综合效率更加科学、全面。因此，在经济研究的文献里，通常使用“全要素生产力”及其变动来度量企业的生产力水平和生产力的变化。本书提到的生产力指的都是全要素生产力，它是一种包括所有生产要素的生产力测量。全要素生产力的具体衡量方法在以后的章节中会详细介绍。

指数是用于测定多个变量在不同场合下综合变动的一种特殊相对数。从概念上讲，指数可以用来比较随时间或者空间或者随两者同时变化的量。指数在社会经济领域有着广泛的应用。一方面，各类指数本身是一种非常重要的分析工具，指数可以用来比较随时间变化的价格与数量，也可以用来衡量不同厂商、行业、地区或国家的水平差异，它不仅被应用于经济效益、生活质量、综合国力、社会发展水平的综合研究，而且还是分析社会经济动态和预测的重要工具；另一方面，在经济研究的过程中，统计机构公布的各类数据往往不能直接使用，而需要进行一定的调整（如价格紧缩调整），而指数是对数据进行调整，从而得到可用于研究的数据的重要工具。在众多指数的基础上，经济学家们创造出了多种全要素生产力指数用于生产力的变动，而其中影响最深远的是Malmquist全要素生产力指数。

Malmquist全要素生产力指数是当今应用广泛、影响力巨大的全要素生产力指数，它是由Caves，Christensen和Diewert（1982a，1982b）在其所写的两篇很有影响的文章中首先介绍的。在这两篇文章中，Caves，Christensen和Diewert利用Malmquist投入和产出距离函数定义了全要素生产力指数，称为Malmquist全要素生产力指数，这种构造全要素生产力指数的方法称为CCD方法。由于距离函数有投入导向和产出导向之分，因此Malmquist全要素生产力指数也可分为投入导向和产出导向的。而Malmquist全要素生产力指数可进一步分解为技术变动因素和效率变动因素，进而可以对生产力变化的来源进行较好的解释。从本质上说，Malmquist全要素生产力指数可以归类于生产力变化测算的指数法，但它与其他指数又有着很多的不同之处。Malmquist指数方法是基于数据包络分析法方法提出的。这种生产力指数有两个主要的优点：一是它不需要相关的价格信息。但是它不能对单一的国家或地区样本测算，对包含多个对象和指标的样本才能测度。由于相关投入和产出的数据较易获得，而要素的价值份额和价格等信息的获得较难，故这个优点就显得尤为重要。二是它可以分解为生产效率变化和技术进步变化两个部分。这样，我们就可以从中测算出效率和技术的变动情况。由于Malmquist全要素生产力指数的这些优点，我们在下面的章节中将对Malmquist全要素生产力指数进行详细分析。

Malmquist全要素生产力指数成为最常用的衡量生产力变动方法的主要原因有三个：一是仅依靠数据就可以得到，特别当价格信息不易获取或价格被扭曲时。二是它对行为的假设很严格，因为它并没有假设成本最小化或收益最大化行为。三是如果反面数据可以得到，它可以把生产力的变化分成两个部分：一部分叫技术变化（TC），也就是技术进步，代表两个时期内生产前沿面的移动，被称为“增长效应”，这种效应表明了技术的创新，该效应的度量与所选参考期的生产前沿面相关，当该值大于1时，直观上讲就意味着生产前沿面“向上”移动；另一部分叫技术效率变化（TEC或EC），是相对前沿效率的提高，代表了两个时期相对技术效率的变化，也被称为“追赶效应”或“水平效应”，它衡量了决策单位是否更靠近当期的生产前沿面进行生产，当TEC大于1时，表明决策单元的生产更接近生产前沿面，相对技术效率有所提高，该度量与参考基期的选取无关。

[1]图1．1是从投入导向对效率的内涵进行描述的，实际上效率的内涵可以从投入和产出两个导向进行阐述。效率衡量的导向问题将会在后面的章节中进行具体的介绍。

[2]黄镜如，傅祖坛，黄美瑛．绩效评估——效率与生产力之理论与应用．新陆书局股份有限公司，2008：6