全要素生產率的測算方法主要有非參數法和參數法兩類，其中非參數法估計中主要以DEA方法和Malmquist指數方法爲主，非參數法存在不能對前沿面的適用性進行檢驗以及不考慮隨機因素對測量結果的影響等缺點，而參數法能夠克服上述缺點，因此本文利用參數法對全要素生產率進行估計。
參數法又可分爲索洛殘差法、隱性變量法和隨機前沿生產函數法（SFA），其中索洛殘差法建立在市場是完全競爭的、技術進步是希克斯中性的且規模報酬不變的假設基礎之上，並將C-D生產函數所得的殘差當作全要素生產率，這些嚴格的假設條件往往與現實情況不符，而且在勞動力和資本均得到充分利用時所得的全要素生產率僅解釋爲技術進步的影響，然而全要素生產率不僅僅包括技術進步，它還包括規模經濟和效率的改善等因素，此外，索洛殘差法也沒有剔除測算誤差對全要素生產率的影響，因此會導致技術進步的高估。
隱性變量法雖然利用狀態空間的方法將全要素生產率從測量誤差中分離出來，但是其理論仍然建立在C-D生產函數和規模報酬不變等相關假設基礎之上，因而針對索洛殘差法的部分問題還是沒有解決。SFA將生產函數的形式設定爲超越對數生產函數，這種函數形式比C-D函數更具靈活性，同時放鬆了規模報酬不變和技術中性的假定，允許勞動力和資本非充分利用的情況出現並以技術效率來刻畫實際生產狀態與前沿面之間的差距，因此可將全要素生產率分解爲技術效率和技術進步兩項。
此外，SFA還考慮了隨機誤差項對全要素生產率的影響，所利用的面板數據比時間序列和橫截面數據具有更多的自由度，從而在一定程度上能夠提高模型估計的準確性和有效性。因此本文采用SFA方法對我國全要素生產率進行分析，在Battese和Coelli模型的基礎上，利用Kumbhakar所提出的方法進一步將TFP增長率分解爲技術進步、技術效率變化率、規模效率和配置效率。
