安徽省制造業的生產效率及其收斂性研究
——基于超效率 DEA 模型以及 Malmquist指數的分析

朱 婉，余華銀

（安徽財經大學 統計與應用數學學院，安徽 蚌埠 233030）

安徽省制造業的生產效率及其收斂性研究
——基于超效率 DEA 模型以及 Malmquist指數的分析

朱 婉，余華銀

（安徽財經大學 統計與應用數學學院，安徽 蚌埠 233030）

基于超效率 DEA 模型構建了安徽省制造業的生產效率評價指標體系，利用 MaxDEA6.0 軟件，對 2006-2014 年安徽省制造業的各項指標數據進行了 Malmquist 指數分析及其分解，評價技術效率指標和技術進步指標，最后對安徽省制造業生產效率的差異性及其收斂性進行探討。 實證結果顯示，橫向上安徽省制造業中資源密集型、勞動密集型、技術密集型以及資本密集型之間的生產效率值存在差異，縱向上各行業都存在不同程度的波動，且制造業整體的差異水平高于這 4 大分類之間的差異，30 個制造業行業呈現“總體收斂，局部發散”的特點，生產效率低的行業具有向生產效率較高的行業追趕的傾向，所以可以認為安徽省的制造業總體是協調發展的。

制造業；超效率 DE；Malmquist指數；收斂性

1 前 言

工業改革是人類文明的一大進步，隨著工業化的發展，各國逐步進入現代化生產。工業發展直接體現的是制造業的生產進步，現如今制造業的發展更是體現了一個國家的生產力水平，在國民經濟中扮演重要角色。在我國制造業作為支柱產業，近幾年的發展態勢良好，每年制造業的增加值在 GDP 的組成中都占有重要地位。對一個國家而言是這樣，對一個省而言亦是如此。 我國自 2004 年提出中部崛起計劃以來，中部 6 省的經濟發展水平出現了顯著提高，安徽省作為中部崛起的典型省份，近幾年的制造業發展勢頭強勁，據安徽省 2015 年國民經濟和社會發展統計公報顯示，2015 年的地區生產總值為 22005.6億元，按可比價格計算，比上年增長 8.7%，其中制造業增長 9.3%。

但是在資源稀缺的今天，如果一味的追求量的增長，不注重投入產出之間的比率關系，則無論對于企業還是環境資源而言都沒有達到帕累托最優。所以現在很多的經濟學學者們都將“生產效率”作為自己的重點研究領域，探索如何使得企業通過投入最少的資源來達到資源的有限性和人們不斷增長的物質文化需求的均衡狀態。“生產效率”問題反映了投入轉化為產出的水平，能很好地衡量一個行業的發展情況，近些年來很多學者運用了不同的評價方法來分析多個行業的效率，其中涉及制造業、醫療衛生、糧食生產、財政支出等，但是對于制造業的效率研究，主要還是集中在制造業的技術創新能力、技術創新效率、制造業轉型等方面，并且關注點集中在高新技術產業上，對于制造業全局的生產效率的評價研究比較少。

另一方面雖然近幾年國內學者對于制造業生產效率的研究越來越深入，但是這些研究大多是從省域之間比較的角度出發進行研究，對于具體某個省的制造業全局橫向行業之間以及縱向動態比較較少。 因此，本文通過構建超效率 DEA 模型對 2006-2014 年安徽省的全部制造業行業技術生產效率以及技術進步效率進行評價，隨后對效率值的差異性進行分析，根據差異性分析其收斂和絕對收斂，最后根據實證結果，從行業、政府等角度提出提高安徽省制造業協調發展效率的相關建議。

2 方法介紹

2.1 經典數據包絡分析（DEA）

DEA 法又稱數據包絡分析法（Data Envelopment Analysis，DEA）， 是由美國運 籌學大師 A Charne 和W.W.Cooper 于 1978 年 提 出 來 的 。 首 個 DEA 模型——CCR 模型。基本原理是利用線性規劃模型，將幾個具有相同的多投入與多產出類型的主體看作是不同的決策單 元 DMU（Decision Making Unit），將 最少的投入實現最多的產出視為生產前沿線，并通過比較 DMU 與有效生產前沿線的投入產出比， 對各DMU 的生產效率進行綜合評價。CCR 模型是一種理想的模型，適用于 DMU 最優規模運行的情況，自CCR 模型提出以來，更多的模型也隨之推陳出新，這些新模型的應用領域也更加寬泛。

CCR 模型最經典的DEA模型，具體構建方法如下。

假設有 n個 DMU， 每個 DMU 都有 m 種投入以及 S 種產出，則評價第 j決策單位的生產效率，以投入為導向的 CCR 模型為：

在 CCR 基本結構中，θ為決策單元 DMUj的有效值。 S+，S-為規劃的松弛變量；λj有效 DMU 組合第 j個決策單元 DMUj的組合比例。 在該模型中：（1）當θ=1，并且 S+=S-=0 時，則稱該 DMU 為 DEA 有效 ，即此時的投入產出的比例達到最優；（2）當 θ=1 且 S+≠0 或 S-≠0 時， 則稱該 DMU 為 DEA 弱有效；（3）當θ＜1 時，則稱該 DMU 為 DEA 無效。

2.2 超效率 DEA 模型

當上述的 CCR 模型得到有較多個 DMU 實現了DEA 有效時，如果要繼續對這些都實現了 DEA 有效的決策單元進行評價，則該模型就有了局限性。此時超效率 DEA 模型的提出就實現了有效決策單元之間 的 可比性 。 超 效率 DEA 方法 的 基本思 想 是[1]：在多個決策單元體系中，對某個決策單元進行評價時，可以將該決策單元排除在體系之外。即在評價 j決策單元時，可以將包含該決策單元的體系與不包含決策單元的體系分別進行構建模型比較評價結果。在保持相對有效性的前提下，DEA 有效的決策單元可以按比例增加投入，當這種投入增加的比例達到最大時，此比例值稱為 DEA 超效率值。 超效率 DEA模型的基本形式如下：

2.3 Malmquist生產率指數

Malmquist指數最早可以追溯到 1953 年， 是由瑞 典 的 經 濟 學 家 Sten Malmquist 提 出[2]。 Caves 等 人受 到 Malmquist 消 費 指 數 的 啟 發 ， 從 理 論 上 將Malmquist指數運用到生產率的分析中，并稱這種分析 生 產 率 的 Malmquist 指 數 為 Malmquist 生 產 率 指數。 此后，隨著 DEA 方法的提出，Fare 等人又從實證角度實現了 Malmquist生產率指數 ，至此，Malmquist生產率指數實現了從提出到理論化再到實證化。Malmquist效率指數是在技術條件不變的情況下，比較 s時期到 t時期的技術效率變化。 距離函數是Malmquist 效 率 指 數 的 理 論 前 提 ， 所 以 在 進 行Malmquist效 率指 數比 較 時 ， 首先 需要 構建 距離函數。 投入距離函數是生產點（q，x）向理想的最小投入點壓縮的比例，表示如下：

那么時期s下的距離函數可由如下的線性規劃求 解[3]：

同時 Malmquist效率指 數可分解為技術效率指數和技術進步指數：

其中等式右邊的第一部分記可以為技術效率指數（EC），第二部分記可以為技術進步指數(TC)，所以對 Malmquist 效率指數進行分解還可以從 EC 和 TC這兩個方面進行具體的分析比較。

2.4 效率的收斂性分析

在對制造業生產效率的收斂性進行分析時，可以分別對 σ收斂和絕對 β收斂分析。這兩種收斂都反映了制造業之間的斂散程度，其中σ收斂可以用以下的統計量衡量：

其中 Ii（t）表示第 i個決策單元 在 t時期的 DEA 效率評價值，N表示該體系中有多少個決策單元。

絕對β收斂是指效率水平較低的決策對象隨著時間的推移，會向效率水平較高的對象趨同，這也就是說最終整個評價體系中的所有決策單元的效率值都會處于一個平衡狀態。根據 Barro 等人關于經濟增長是否收斂的研究方法， 這里絕對 β收斂是對前面計算出的效率值進行橫截面分析，具體的回歸系數用以下式子計算：

其 中 ，Ii，t和 Ii，t+T分 別 表 示 i第 個 決 策 單 元 ， 在 t時期和 t+T 時期的 DEA 效率評價值，等式的整個左邊表示該決策單元在T時期內的平均效率值增長率； 等式右邊 的 a 為常 數項 ，β為 收 斂 系 數 ，μi，t為 隨機擾動項。 若 β為負數，則存在絕對 β收斂；反之則不存在。因為本次的樣本數據只有 2006-2014 年，為了最大效率地利用樣本數據，并且使得數據具有連續性，本文將 T 取值為 1。

3 實證分析

3.1 評價指標體系的構建以及數據的來源

本次案例的數據均來自于安徽統計年鑒（2007-2015）與國民經濟和社會發展統計公報，按照安徽統計年鑒的分類方法，將制造業分為農副食品加工業、食品制造業、酒飲料和精制茶制造業、煙草制品業、紡織業、紡織服裝、服飾業、皮革毛皮羽毛及其制品和制鞋業、木材加工及木竹藤棕草制品業、家具制造業、造紙及紙制品業、印刷和記錄媒介復制業、文教工美體育和娛樂用品制造業、石油加工、煉焦和核燃料加工業、化學原料和化學制品制造業、醫藥制造業、化學纖維制造業、橡膠和塑料制品業、非金屬礦物制品業、黑色金屬冶煉和壓延加工業、有色金屬冶煉和壓延加工業、金屬制品業、通用設備制造業、專用設備制造業、汽車制造業、鐵路船舶航空航天和其他運輸設備制造業、電氣機械和器材制造業、計算機通信和其他電子設備制造業、儀器儀表制造業、其他制造業、廢棄資源綜合利用業 30 個行業，在本文中，為了方便敘述，分別以 1-30 的數字依次代表以上具體的制造業。

鑒于數據的可得性以及實際性，這里選取的產出指標有：

1.工業增加值（億元）：體現各制造業企業本期新增投入所創造的價值；

2.工業總產值（億元）：體現各制造業企業在本期內生產的產品總價值量；

3.工業銷售產值（億元）：體現的各制造業企業本期生產并實現銷售的產品總價值量，其中既有成品，也有半成品，也包括對外提供的工業性作業價值等；

4.主營業務收入（億元）：直接體現各制造業企業在本期內的主營業務收益情況。

投入指標有：

1.主營業務成本（億元）：直接體現本期內各制造業企業的主營業務投入的成本情況；

2.原煤用量（噸）：體現本期內的原煤投入量；

3.用電量（億千瓦時）：電力資源是現代制造業生產不可缺少的投入，體現各制造業企業本期內的電能源投入量；

4.職工人數（人）：體現各制造業企業本期內的人力資本投入量；

5.固定資產折舊（億元）：機器設備等的固定資產損耗是無形中的投入；

6.工業取水水總量（萬立方米）：體現水資源的投入使用量。如表1所示。

表1 評價指標體系

3.2 制造業的效率值水平分析

利用 MaxDEA6.0 軟件，將 數據導入計算，得到的各行業各年份的效率值按照制造業的分類進行整理（這里的分類標準參照 Lall、盛斌等人對制造業的劃分，即將制造業分為資源密集型、勞動密集型、技術密集型、資本密集型 4 類），并對制造業進行分類比較。

3.2.1 資源密集型制造業的效率值動態分析

圖1 資源密集型的效率值分布

從表1及折線圖可以看出，資源密集型的制造業這幾年的投入產出效率值總體差異比較大，但是波動較小。其中 10、11、18 三個行業的總體效率值偏低，13 行業 2006-2014 年的生產效率值比較穩定，且基本在均值1附近小范圍波動，說明其大體是DEA 有效的，9 和 30 的效率值總體呈現波動平穩從高于1向等于1收斂，可以預見將來幾年該行業的生產效率為 DEA 有效的。另從資源密集型行業的總體而言，所有的行業 DEA 效率值都呈現一種從大幅度大于1或者大幅度小于1的狀態向效率值1慢慢趨近收斂的趨勢，所以可看出這些行業近幾年的生產效率一直在改進，且是有效性的改善。所以要保持近幾年的技術工藝以及管理辦法，最終實現 DEA有效。

3.2.2 勞動密集型制造業的效率值動態分析

圖2 勞動密集型的效率值分布

總體上勞動密集型制造業的生產投入 DEA 效率值的差異以及差異的波動幅度都要顯著于資源密集型產業，聯系實際可得這些特點是由這類行業的生產特征決定的。這類行業的勞動力是主要的生產投入要素，所以當年的勞動者供求平衡狀況以及就業率的大小對這些行業的生產效率有很大的影響。從圖 2 可以看出 6、20、21 三者的 DEA 效率值較穩定，基本在 DEA 有效附近上下小幅度波動，所以可以看出這幾個行業的 DEA 已經達到了有效，所以只需要維持現有的生產投入比例以及生產工藝，就可以始終保持生產 DEA 有效。 而對于 3、4、17 等的行業，DEA 效率值不穩定并且偏離 DEA 有效值幅度比較大，所以這些行業應該要加強現有的生產工藝，不僅要從技術效率改進，也可以從規模效率方面入手，多方面尋找造成 DEA 無效的原因。

3.2.3 技術密集型制造業的效率值動態分析

圖3 技術密集型的效率值分布

相比較前兩類，技術密集型行業的生產效率差異更大，不穩定性的造成原因可能是技術密集型的行業之間的所需要的支撐技術不同，雖說都需用復雜先進而又尖端的科學技術才能進行生產，但是具體的行業之間還是有差別，某一個或是幾個行業的主要支撐技術得到了創新，可以減少投入但是保證產出不減少，那 DEA 有效性則更強，那該行業的生產效率則更接近于 1，變動比較明顯，但是這種技術的改進對于其他技術密集型行業來說可能并沒有很大的影響，則相對于技術改進的行業來說，DEA 效率值則會穩定些。所以兩種行業的 DEA 變動幅度和范圍會出現不同。

3.2.4 資本密集型制造業的效率值動態分析

圖4 資本密集型的制造業效率值

資本密集型行業的生產效率總體波動幅度不大，穩定性要優于技術密集型行業。 其中 26 行業的DEA 生產效率在初期還是接近于 DEA 有效的，但是隨著時間的推移，偏離程度持續走高。說明該行業的管理以及技術運用都需要改善。 12、24 行業的 DEA效率值是資本密集型行業中生產效率較為穩定的，25 行業這幾年間幾次穿越 DEA 有效值點，所以這些行業都需要整理近幾年的數據經驗，總結關鍵性的技術要素以及管理要素，確定最佳生產要素投入比。

3.3 Malmquist指數分析

MaxDEA6.0 軟件直接給出了 ML 指數，以及 EC指數，TC 指數，對 30 個制造業行業 2006-2014 年的ML指數幾何平均值，以如圖 5的折線圖的形式給出， 則可以看出從 2006-2014 年除了 29 突出大于1， 達到極值點 2.29， 其余所有的制造業行業的 ML指數都在 1 附近波動，且從總體的排名來看，技術密集型的行業排名普遍比較靠前，所以可以認為技術密集性的行業生產效率增加的速度高于其余的行業。聯系實際技術密集型的行業主要是電子計算機工業，原子能工業，大規模和超大規模集成電路工業等，這些行業的生產動力主要依據技術創新，隨著當代科學技術的進步，新科技的產生，新技術的投入，必然會引起這些行業的生產效率的快速進步。

圖5 ML指數平均值

圖6 ML 指數以及 EC、TC 分解

圖6 顯示，29 其他制造業的高 ML 值主要是由于高 TC（技術進步指數）引起的，ML 值 2.2843，其中 TC值為 2.1584，EC（技術效率指數）為 1.0583，這說明其他制造業的生產受到技術進步的影響很大，同樣特點的還有 1、3、6、20、24、26 等行業，這可能是由于各自本行業的生產效率受到整體社會技術進步的影響要大于各行業對已投入的技術進行改進的影響，所以對于這些行業的效率進行改進時，要緊隨時代的步伐，隨時關注新技術的開發與投入使用。相反，對 7、8、9、10、11、16、21、27 等行業，以 16 為例，此行業的 ML 值為 0.7967， 其 中 EC 指 數 值 為 1.1722，TC 指 數 值 為0.6797，這些行業的生產受到對已投入的技術進行改進的影響大于整體技術進步的影響，所以對這些行業的改進要抓住已投入使用的生產技術同時，要根據現有的生產特點進行有目的的改進。

3.4 差異的收斂性分析

3.4.1 變異系數分析

還是將 30 個制造業行業分為資源密集型、勞動密集型、技術密集型、資本密集型4類進行比較分析。為了對不同行業以及不同類型分類的決策單元之間的差異性作出精確并且有效的比較和測量，使安徽省制造業的資源投入以及產出達到更好地帕累托最優，本文將通過計算各個行業生產效率的變異系數來衡量以及定量比較。

表2顯示的是所有行業以及各分類的變異系數，30 個行業間的變異系數均值為 0.81， 而 4 大分類 之 間 的 變 異 系 數 分 別 為 0.62、0.72、0.55、0.49，所以能夠看出所有行業間的差異性要明顯于4大分類之間的差異程度。具體的4大分類之間的差異程度也不一樣，其中勞動密集型的行業間生產效率差異要大于其余幾個分類間的變異程度。而資本密集型的變異普遍要小于其他的分類。 結合圖 5，可以看到所有行業間以及4大分類之間的變異系數動態變化特點。資本密集型的變異系數不僅是在絕對值上普遍處于最小的狀態，而且整個的波動也最為平緩，資源密集型和勞動密集型行業具有忽高忽低的變動特點，變異系數極不穩定。這與改行業的生產特點息息相關，這些行業受到資源以及勞動力的影響程度比較大，而這些影響因素受到政策影響比較大，可以說對政策比較敏感，如果當年的資源供給或者勞動力的供給變動比較大，則變動自然也會比較劇烈。

表2 變異系數統計表

圖7 變異系數變動情況

3.4.2 σ 收斂分析和絕對 β 收斂分析

根據 σ 的計算公式，將 30個行業間的 σ 值以及 4大分類的 σ 值的計算結果整理成如下表 3。從表中的數據可以看出安徽省 30個制造業行業間的整體呈現“總體收斂，局部發散”的特點，整個制造業的 σ 收斂值從 2007 年的 1.03 降到 2014 年的 0.73，這說明 30個行業間的生產效率的絕對差異是在逐步縮小的，總體呈現出 σ 收斂趨勢。但是結合每年的動態趨勢，2009 年達到最大值 2.29，緊接著 2010 年達到最低值 0.52，波動幅度比較大。 4 大行業分類中除了技術密集型，其他3類之間的絕對差異也表現出波動變化，但是最終總體是σ收斂的趨勢。

表3 生產效率σ值統計表

為進行絕對β收斂分析，先對面板數據進行平穩性檢驗，檢驗結果顯示 P 值都小于 0.05，所以認為 5%顯著性水平下，認為數據是平穩的，可以進行回歸。

表4給出了生產效率絕對 β收斂的回歸結果。從安徽省 30 個行業間來看，β 系數為-0.56，t統計值為-10.929，在 5%的置信水平再通過檢驗，所以可以認為本期的生產效率值對本期的生產效率增加率產生負向影響，所以安徽省制造業總體上呈現出絕對β收斂，并且各行業的生產效率會趨近于一個比較穩定狀態，這與之前的 σ 收斂分析結論一致。從 4 大分類行業的角度來看，除了技術密集型產業，剩下的3個分類行業的回歸系數在 5%的顯著性水平下都通過了檢驗，可以認為 β 系數顯著不為 0，所以是絕對β收斂的，這表明這些行業的生產效率之間存在著趨同的趨勢，也就是說生產效率低的行業具有向生產效率較高的行業追趕的趨勢。

表4 絕對β收斂回歸結果

4 結論以及建議

本文以安徽省統計年鑒上分類的 30個制造業行業的各項投入產出指標面板數據，利用超效率DEA 模 型 以 及 Malmquist 生 產 率 指 數 及 其 分 解 法 ，實證分析了 2006-2014 年的安徽省制造業的生產效率及其差異性，得到的主要結論如下。

1.樣本期間內，安徽省制造業全要素生產率幾何平均增長率為 8.02%， 其中技術效率以及技術進步效率的貢獻相差不大。這說明總體而言，安徽省的制造業生產效率在高速前進的同時，能夠兼顧技術效率和技術進步，目前還處于高速發展階段。

2.樣本期間內資源密集型、勞動密集型、技術密集型、資本密集型4大類制造業的動態生產效率具有不同的特點。其中資源密集型的生產效率總體是呈現發散型逐漸收斂于 DEA 有效的狀態，勞動密集型總體是大多數行業分布于 DEA 有效附近，并伴有微小波動，技術密集型以及資本密集型的生產效率波動幅度大于前兩者，不僅各行業自己的生產效率波動幅度很大，而且不同行業之間的生產效率值相差也很大。

3.Malmquist效率指數分析顯示， 不同行業之間的 ML指數構成不一樣，有些行業的高 ML值主要是由于高 TC（技術進步指數）引起的，比如農副食品加工業、酒、飲料和精制茶等行業，有些高 ML 值行業主要是由高 EC（技術效率指數）引起的，比如皮革毛皮羽毛(絨)及其制品業、木材加工及木竹藤棕草制品業、家具制造業等行業。所以不同行業對生產效率進行改進時要根據自己的特點，有效率的、有目的的實施措施。

4.收斂性分析顯示安徽省的制造業生產效率呈現“總體收斂，局部發散”的特點。 這說明 30 個行業間的生產效率的絕對差異是在逐步縮小的，總體呈現出 σ 收斂趨勢。但是結合每年的動態趨勢，局部具有不穩定性，波動幅度比較大。4大行業分類中除了技術密集型，其他3類之間的絕對差異也表現出波動變化，但是最終總體是σ 收斂的趨勢。

5. 安徽省制造業總體上呈現出絕對 β收斂，并且各行業的生產效率會趨近于一個比較穩定狀態。并且各行業的生產效率之間存在著趨同的趨勢，也就是說生產效率低的行業具有向生產效率較高的行業追趕的趨勢。

根據以上的結論，結合安徽省的制造業生產環境，提出以下幾點建議。

1.各具體制造業行業來說，各企業要認清自己的行業生產特點，技術投入以及資源投入的比例要結合行業的技術效率指數以及技術進步指數，制定的管理政策要與企業的生產相得益彰，而不是盲目跟風，這樣可能會導致生產效率不升反降，甚至會失去自己原本的特色。

2.對于政府而言，在制定政策以及實施貫徹政策過程中，特別要注意對政府政策比較敏感的行業，比如勞動密集型行業和資源密集型行業。另外要高度重視新技術的研發，積極引進先進技術，將資源的配置結構做到最優，促進技術進步的同時提高技術效率，雙軌驅動推進安徽省制造業的效率增長。

3.不管是技術效率還是技術進步，對于生產效率而言，都是最重要的增長因素，所以對于中央政府而言，應該高度重視科技創新，加快科技體制機制改革創新。要積極引導人力資源以及自然資源的分配，促進創新資源高效配置，完善對具有專業技能的人員激勵措施。

4. 目前安徽省的制造業總體呈現絕對收斂，所以低效率的企業正在積極向高效率的企業靠近，總體呈現協調發展的狀態。 DEA 生產有效的企業要保持自己生產優勢的同時，盡量減少生產效率的波動性，低效率的企業要總結自己的生產經驗，不斷分析不足，向高效率企業推進。

[1]段婕,劉勇,王艷紅.基于 DEA 改進模型的 裝備制 造 業 技術創新效率實證研究[J].科技進步與對策,2012，（6）:65-69.

[2]趙萌.中國制造業生產效率評價:基于并聯決策單元的動態DEA 方法[J].系統工程理論與實踐 ，2012（6）：1251-1260.

[3] 夏 維 力, 鐘 培 . 基 于 DEA-Malmquist 指 數 的 我 國 制 造 業R&D 動 態 效 率 研 究 [J].研 究 與 發 展 管 理 ,2011，23 （2）: 58-66.

[4]柳順，杜樹新.基于數據包絡分析的 模糊綜合評 價方法[J].模糊系統與數學,2010，24（02）：93-98.

[5]穆 文 楊.基 于 DEA 的 我 國 制 造 業 技 術 創 新 績 效 評 價 [D].北京：北京交通大學，2010：34-35.

[6]吳超,邱家學.基于數據包絡分析的我國醫藥制造業相對效率分析[J].中國新藥雜志，2013，22（23）：2730-2734.

[7]童晶晶.基于 DEA 的我國創業板制造業上市公司績效評價研究[D].合肥：合肥工業大學,2012：23-38.

[8]羅 艷.基 于 DEA 方 法 的 指 標 選 取 和 環 境 效 率 評 價 研 究[D].合肥：中國科學技術大學，2012：32-36.

[9]吳 德 勝.數 據 包 絡 分 析 若 干 理 論 和 方 法 研 究[D].合 肥 ：中 國科學技術大學，2006：22-34.

責任編輯：胡德明

The Production Efficiency and Convergence of the Manufacturing Industry in Anhui Province——An Analysis Based on Super-efficient DEA Model and Malmquist Index

Zhu Wan,Yu Huayin
（Institute of Statistics and Applied Mathematics,Anhui University of Finance and Economics,Bengbu 233030,China）

This article first establishes a production efficiency evaluation index system for the manufacturing industry in Anhui based on the super-efficient DEA model,and then selects the manufacturing data from 2006 to 2014 in Anhui province to make a Malmquist index analysis and decomposition and evaluate technique efficiency and technical progress index by using MaxDEA6.0.And finally,the difference in production efficiency and astringency of manufacturing industries in Anhui are discussed.The empirical results show that horizontally differences in production efficiency exist among resource-intensive manufacturing,labor-intensive manufacturing,technology-intensive manufacturing and capital-intensive manufacturing in Anhui province,and vertically different degrees of fluctuation exist in every industry.What's more,the overall difference of the manufacturing industry is higher than the difference among the four categories.30 manufacturing industries are characterized by"overall convergence,local divergence".Industries with low production efficiency tend to chase those with higher production efficiency,so in Anhui province the manufacturing industries have achieved coordinated development in general.

manufacturing;super-efficient DEA;Malmquist index;astringency

F424

：A

：1672-447X(2017）03-0007-07

2017-03-13

朱婉（1992-），安徽黃山人，安徽財經大學統計與應用數學學院碩士研究生，研究方向為宏觀經濟統計分析；

余華銀（1962-），安徽全椒人，安徽財經大學統計與應用數學學院教授，名譽院長，研究方向為宏觀經濟統計分析。