雙循環新發展格局與中國制造業增長效率

李宏 牛志偉 鄒昭晞

摘 要：構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局對中國經濟的增長方式提出了新要求，在主要發達國家逆全球化進程引發貿易保護主義抬頭的時代背景下，研究中國制造業增長效率問題具有重要的現實價值。本文運用隨機前沿模型（SFA）和數據包絡分析（DEA），對OECD國家投入產出數據進行了比較分析，針對全球價值鏈中的中國制造業整體水平及其細分產業增長效率的全球排序、中國制造業增長效率的主要影響因素、中國制造業增長效率的內在機制進行了研究。中國具備構建新發展格局的產業基礎：中國制造業大部分細分產業垂直專業化指數較低，說明中國制造業已經擺脫了產業鏈低端鎖定的低效率風險;同時，完備的集成配套能力和較高的產業貿易競爭力使中國制造業具有較高的產業技術效率，實質性地轉變了中國制造業被動嵌入全球產業鏈的狀況。然而，中國制造業細分產業全要素生產率世界排序較靠后，且大多數呈負增長狀態，尤其與日本、美國和德國相比仍處于劣勢，主要原因是技術進步不足，在技術創新方面存在較大差距，這些不足和差距是中國制造業匹配新發展格局的主要障礙。

關鍵詞：雙循環新發展格局;中國制造業;增長效率;全球價值鏈

中圖分類號：F426? 文獻標識碼：A

文章編號：1000176X（2021）03003811

一、引 言

當今世界正經歷百年未有之大變局，中國社會經濟發展也進入了重大的轉型期：一方面，伴隨著“十三五”規劃的收官，中國即將實現第一個百年奮斗目標，“十四五”規劃即將開啟，進入全面建設中國特色社會主義現代化國家的新時期;另一方面，突發的新冠肺炎疫情加劇了逆全球化的趨勢，對此，中國提出構建“以國內大循環為主體、國內國際雙循環相互促進的新發展格局”（下文簡稱“新發展格局”）。中國經濟已由高速增長階段轉向高質量發展階段，制造業產業轉型升級已經成為中國經濟發展的關鍵。新形勢下，中國制造業正面臨著外部與內部兩個方面的嚴峻挑戰：外部挑戰主要來自后疫情時期進一步強化的逆全球化趨勢，以美國為代表的發達國家遏制中國發展，試圖維持其對高新技術的壟斷及其在全球價值鏈中技術主導地位的分工格局等;內部挑戰主要包括人口紅利的逐步消失，供給側結構性改革、高質量發展推動的環境規制強化，以及新冠肺炎疫情后的經濟復蘇等。毋庸置疑，這些變化都對中國經濟的增長方式提出了新的要求。在當前的大背景下，尤其是相對于構建新發展格局的任務，研究中國制造業增長效率問題具有重要的現實價值。

產業升級可以理解為生產函數中各種要素組合達到更高效配置的過程，這一過程伴隨著產業增長效率的提升，學術界通常使用技術效率（TE）與全要素生產率（TFP）這兩個指標對產業增長效率的提升進行衡量。多年來，國內外學者對中國制造業增長效率的研究并不少見。但是，在構建新發展格局的背景下，逆全球化、新冠肺炎疫情等誘發的眾多經濟問題都為全球價值鏈下的中國制造業增長效率國際比較研究提供了延展空間。深化這一領域的研究，能夠更加確切地把握中國制造業增長效率的發展現狀與發展趨勢，對于清晰地掌控產業升級的發展方向、制定和實施正確的發展戰略、構建新發展格局具有重要的理論與現實意義。

（一）估量中國制造業整體及其細分產業增長效率在世界中的真實水平

楊汝岱[1]對比了國內外多篇測算中國全要素生產率增長及其對中國經濟增長貢獻的研究，由于所運用的方法、變量設置、數據類型不同，測算結果的差異亦十分顯著。蔡昉[2]也發現，關于亞洲“四小龍”及東亞其他經濟體全要素生產率的估計“差異巨大、甚至可以說是對立的結果”。筆者也有類似的發現，即使采用同樣方法、同類數據，僅僅在技術無效項的設置上有所差異，所測算出的同一主體的技術效率也會相去甚遠。這一現象說明，增長效率只有在對多個主體運用相同的方法、變量設計和數據類型均相同的情況下進行測算、比較才有意義。國內外關于增長效率的比較研究一般是依據不同時間階段、不同產業、不同地區三個維度中的一個或兩個展開。不同地區的比較研究大多以國內不同地區為主，國際不同地區的比較研究大多限于兩個經濟體或幾個經濟體之間，世界范圍內的比較研究一般不涉及產業的細分[3-4]。

中國制造業已經深刻地融入全球價值鏈，與世界的聯系是全方位的，不僅涵蓋世界絕大多數經濟體，而且涉及各個細分產業。只有展開時間、產業、地區三個維度的國際比較，才能更準確地估量中國制造業整體及其細分產業增長效率在世界中的真實水平。

（二）基于全球價值鏈，分析影響中國制造業增長效率的主要因素

全球價值鏈的興起極大地改變了全球商品和服務生產的組織形式和交易形式，對國際貿易、投資模式、產業競爭力等方面產生了深遠的影響。近年來，國際貿易學對各經濟體參與全球價值鏈分工的研究日益深化，構建了多個指標衡量各經濟體參與全球價值鏈分工的深度、高度（地位）與競爭力。國內外關于中國制造業及其細分產業在全球價值鏈中發展狀況的研究也有很多，但將其與中國制造業及其細分產業的增長效率聯系在一起的研究卻十分罕見。也許是因為國際貿易學與產業經濟學兩個不同學科的分類導致了此類研究的欠缺。事實上，中國制造業早已深刻地融入全球價值鏈中，在研究增長效率的同時，引入和設置全球價值鏈發展狀況的變量，有助于深入分析影響中國制造業增長效率的主要因素。

（三）基于技術效率與全要素生產率的比較，剖析驅動中國制造業增長效率的內在機制

國內外關于產業增長效率的研究通常使用技術效率與全要素生產率兩個指標。在研究中，只針對一個主體或比較研究的范圍不夠寬泛時，很難發現被測算主體在兩個指標之間所表現出來的差異。而本文則是對制造業增長效率展開全方位的國際比較研究，中國制造業細分產業的技術效率與全要素生產率在全球的排序存在顯著差異（然而，一些發達經濟體卻顯示反向的差異）。在此基礎上，本文進一步展開對全要素生產率分解的比較研究，剖析驅動中國制造業增長效率的內在機制。

二、相關研究梳理與相關概念界定

（一）研究增長效率的指標與方法

自Farrell[5]提出經濟效率理論之后，學術界逐步完善了一整套關于產業增長效率的理論與方法。

Davis[6]首次明確提出全要素生產率的內涵：反映產出量與全部投入要素之間的效率關系，是生產單元全部產出與全部投入總和的比率。需要明確，全要素生產率不是靜態的比率關系，而是兩個時期全要素生產率的增長變化，是將產出增長率超過要素投入增長率的部分作為全要素生產率（增長率），換言之，全要素生產率（增長率）是研究不能由全部要素投入增長解釋的產出增長。基于Solow[7-8]、Nishimizu和Page[9]以及Kalirajan等[10]的貢獻，全要素生產率的增長分解為技術進步和技術效率提高兩個部分。其中，技術效率提高是兩個時期生產單元實際產出與生產前沿面距離的變化，對應著“水平效應”，反映對先進技術的學習模仿能力、對現有資源的有效利用能力和資源配置能力;技術進步則是兩個時期生產前沿面之間的距離，技術進步產生“增長效應”，反映技術創新的能力。前者會隨著時間流逝而消失，而后者不僅可以不斷維持下去甚至還可能擴大[11]。

增長效率的測算方法主要有兩大類：參數方法和非參數方法。參數方法以隨機前沿模型（SFA）為代表，非參數方法則以數據包絡分析（DEA）為代表。隨機前沿模型需要確定生產前沿的具體形式，并考慮了隨機因素對于產出的影響。同時，作為面板數據模型[12]，隨機前沿模型不僅可以估計出決策單元的技術效率，而且可以分析影響效率的因素[13-14]。數據包絡分析則不需要已知生產前沿的具體形式，只需投入產出的數據。

雖然在研究方法上，隨機前沿模型和數據包絡分析有所不同，但一般而言兩者的結果差別不會太大[15]。隨著兩種方法的不斷完善，根據兩種方法各自的相對優勢，學術界大多運用隨機前沿模型測度技術效率，運用數據包絡分析測度全要素生產率（增長率）。

（二）研究參與全球價值鏈分工狀況的主要指標

關于各國在全球價值鏈中的發展狀況，有的研究選取的是運用各國投入產出表測算的垂直專業化指標和運用世界投入產出表測算的貿易附加值系列指標。垂直專業化指數（VSS）是指，進口中間品用于生產出口品的那部分中間投入品的價值占該國某產業總出口的比重[16];貿易附加值系列指標則逐漸被完善[17-18]，包括出口中的國內價值增值率、出口中的間接附加值率（上游參與度）、出口中的國外附加值率（下游參與度）、全球價值鏈參與率、全球價值鏈地位等。其中，垂直專業化指數（VSS）與出口中的國外附加值率是等同的指標，反映一國產業參與國際分工的深度，也反映一國產業在全球價值鏈中的分工地位。

Hummels等[16]提出的垂直專業化指數有兩種測算角度，一種是考慮進口中間品在國內的投入產出循環利用效應;另一種是不考慮進口中間品在國內的投入產出循環利用效應。將這兩種角度測算的VSS相除，就可以得到進口中間品的價值在國內生產循環體系中的增值比，因而本文的研究延伸性地創建了一個測算指數——進口中間品國內配套增值率（Incremental Value Rate Generated From Domestic Processing of Imported Products，LVDI），用以反映一個國家各產業的國內集成配套能力。LVDI=VSSMD/VSSM。VSSMD指考慮國內投入產出循環利用效應的VSS，VSSM指不考慮國內投入產出循環利用效應的VSS。此外，國際貿易學界常用來反映國家（或產業）貿易競爭力（Trade Competitiveness，TC）的指標也可以作為測度國家（或產業）在全球從價值鏈發展狀況的指標，計算方法為 TC=出口額-進口額出口額+進口額×100% 。

綜合上述的研究，本文將采用共同的數據、運用兩類方法對中國制造業增長效率展開全方位的國際比較。首先，運用隨機前沿分析方法測算世界各主要經濟體制造業細分產業的技術效率，并選擇適宜的、能體現出在全球價值鏈中發展狀況的指標作為隨機影響因素（技術無效項），分析其對技術效率影響的方向和力度;其次，運用數據包絡分析方法測算世界各主要經濟體制造業細分產業的全要素生產率及其分解，分析影響中國制造業全要素生產率提升的主要原因。

三、研究設計

（一）隨機前沿模型設定

本文選取Battese和Coelli[13]發展的隨機前沿模型對中國制造業細分產業技術效率及其影響因素進行國際比較，以超越對數生產函數作為前沿生產函數的形式，模型如式（1）所示：

lnYit=β0+β1lnKit+β2lnLit+β3lnKit2+β4lnLit2+β5lnKit×lnLit+β6t×lnKit

+β7t×lnLit+β8t+β9t2+Vit-Uit（1）

其中，β0—β9為待估參數，i和t分別為經濟體和時間，Yit、Kit、Lit分別為i經濟體在t時期制造業各細分產業的增加值、資本投入和勞動投入，t為時間趨勢，Vit-Uit為回歸方程的隨機擾動項。Vit反映不可控因素對各國制造業細分產業產出的隨機影響，服從對稱的正態分布N（0，σ2），并獨立于Uit。Uit反映i經濟體在t時期技術無效性對i經濟體的隨機影響，服從單側正態分布N（mit，σ2u）。技術無效方程如式（2）所示：

mit=δ0+δ1z1it+δ2z2it+……+δnznit （2）

其中，mit對應的函數即為技術無效函數，e-mit反映i經濟體第t年的技術效率水平，mit越大表明技術效率越低，或者說技術無效程度越高。z1it—znit為技術無效項的變量，δ0—δn為待估參數，表示各技術無效項變量對制造業細分產業技術效率的影響程度。如果δj的符號為負，說明技術無效項zjit對技術效率具有正面影響;如果δj的符號為正，說明技術無效項zjit對技術效率具有負面影響。判斷技術無效所占比例即判斷γ=σ2v/（σ2v+σ2u）中γ的大小。γ越趨近于1，說明前沿生產函數的誤差主要來自技術無效項。

（二）數據與指標選取

1.數據來源

依據OECD網站提供的國家投入產出表最新時間區間（2005—2015年）的數據，本文選擇50個經濟體（之所以未全部選用，是因為剔除了一些制造業細分產業產量太少甚至為零的經濟體），并運用制造業16個細分產業的全部投入產出、增加值構成、VSS、非競爭投入產出等數據。

2.數據使用說明

衡量經濟體產出水平的指標一般是增加值，在OECD國家投入產出表中，有相應的各國各細分產業各年的增加值數據。市場經濟條件下，勞動者報酬能夠合理反映勞動投入量的變化，OECD國家投入產出表中的增加值構成表中，有相應的各經濟體各細分產業各年的增加值及其構成數據，可以得到各經濟體各細分產業各年勞動者報酬的完整數據。生產過程中的資本投入量一般用資本存量來度量。目前國際上普遍采用的資本存量估算方法是永續盤存法，計算公式如式（3）所示：

Kit=Kit-11-δ+Iit（3）

其中，Kit為i經濟體第t年的資本存量，Kit-1為i經濟體第t-1年的資本存量，Iit為i經濟體第t年的投資，δ為折舊率。

OECD國家投入產出表中有相應的各經濟體各細分產業各年的固定資產形成總額數據，可作為當年投資的主要指標。折舊率δ一般取5%。本文資本存量的計算按如下邏輯安排：將基年設定為2005年，2005年的資本存量取當年的投資額，即當年的固定資產形成總額;之后的2006—2015年的資本存量，按照Kit=Kit-11-0.05+Iit計算。上述50個經濟體制造業細分產業的產出、勞動投入和資本投入數據將同時運用于之后的隨機前沿分析（測算技術效率）和數據包絡分析（測算全要素生產率）。

在隨機前沿分析的技術無效方程中，z1it—znit是技術無效項的變量，也是技術效率的主要影響因素。本文選擇在全球價值鏈中發展狀況的三個指標作為技術無效項：垂直專業化（VSS）、進口中間品國內配套增值率（LVDI）和貿易競爭力（TC）。本文未采用Koopman等[18]所構建的GVC參與率、GVC地位兩個指標，也沒有采用本文構建的進出口中間品增值率（IVRIE）指標，是因為考慮到數據來源的一致性，這些指標需要運用WIOD網站所提供的世界投入產出表進行測算，該表所提供的數據在經濟體的選擇、時間階段、制造業細分產業劃分等方面都與OECD網站提供的國家投入產出表存在諸多不一致。這些指標筆者在其他專題中單獨測算。本文所選擇的VSS、LVDI和TC三個指標基本能夠反映各經濟體及其產業參與全球價值鏈分工的深度、高度（地位）、國內配套能力與競爭力狀況，而這三個指標測算所需數據在OECD網站提供的國家投入產出表中都可以得到。

四、全球價值鏈中中國制造業增長效率的國際比較

（一）中國制造業技術效率（TE）的國際比較

運用Frontier 4.1軟件，依據50個經濟體2005—2015年制造業16個細分產業相關面板數據，對隨機前沿生產函數和技術無效方程進行聯合估計，估計結果如表1和表2所示。

1.中國制造業細分產業技術效率數值及其在50個經濟體中的排序

表1中每大列分為兩個小列，分別表示2005—2015年技術效率的平均值和2015年技術效率的數值。第一大列顯示中國技術效率的數值與排序，每個單元格括號中的數值是中國該產業技術效率在50個經濟體中的排序，括號下的數值是中國該產業的技術效率;第二大列和第三大列分別顯示其他49個經濟體技術效率最大和最小的經濟體名稱、排序和數值，每個單元格上面的數值顯示該產業技術效率最大的（或最小的）經濟體的名稱與排序，下面的數值是該產業該經濟體技術效率的數值。

從整體考察，中國制造業技術效率處于全球領先地位。在16個細分產業中，有13個產業2015年的技術效率在50個經濟體中位列前5位，如食品加工業、紡織服裝業、紙制品業、化工制品業、橡膠和塑料制品業等，可見，中國制造業的技術效率呈現出逐年提高的趨勢。16個細分產業中有13個產業2015年的技術效率高于或等于其2005—2015年的平均值。

2.中國制造業三個主要指標的數值及其排序與三個指標對產業技術效率的參數估計結果

表2分為中國VSS、LVDI、TC三個指標的數值及其排序、三個指標對產業技術效率的參數估計兩大部分。“三個指標的數值及其排序”有三大列，每大列分為兩個小列，分別表示2005—2015年中國VSS、LVDI、TC三個指標的平均值和2015年的數值與排序。其中，每個單元格括號中的數值是中國該產業該指標在50個經濟體中的排序，括號下的數值是中國該產業該指標的數值。“三個指標對產業技術效率的參數估計”列舉了三個技術無效項變量的估計數值。每一個單元格的數值是該變量的估計值，星號表示該估計通過顯著性檢驗的程度。

從整體考察，中國制造業VSS在全球50個經濟體中排序很靠后。16個細分產業中有14個產業2015年的VSS在50個經濟體中排序處于后10位。此外，16個細分產業2015年的VSS均低于其2002—2015年的平均值，反映出VSS逐年下降的趨勢。計算機電子光學制造業和石油制品業兩個細分產業2015年的VSS在50個經濟體中分別位列第27位和第37位，在世界排序相對較高，但也呈現逐年下降的態勢。上述結果表明，中國制造業細分產業出口產品在產業下游承接國外材料加工比重較小，且逐年減少。

從整體考察，中國制造業LVDI在全球處于領先地位。在16個細分產業中，有13個產業2005—2015年的LVDI平均值在50個經濟體中位列前5位。具體而言，在16個細分產業中，有10個細分產業2015年的LVDI位列世界第1位;排序偏后的有木制品業和石油制品業，兩個細分產業2015年的LVDI數值分別位列第22、15位。此外，16個細分產業中，有14個細分產業2015年的LVDI均高于2005—2015年平均值，而機動車輛制造業與其他交通設備制造業雖然2015年的LVDI低于2005—2015年平均值，但在世界的排序沒有降低。上述計算結果表明，中國制造業細分產業承接國外進口中間品在國內生產循環體系中的增值比例較大，即中國制造業細分產業國內集成配套能力較強，且這一能力還在逐年增長。

四個經濟體中，中國制造業細分產業的技術效率占有一定優勢。16個細分產業中有9個產業的技術效率在四個經濟體中位列第1位。但是，有6個細分產業的技術效率低于日本;同時有3個細分產業的技術效率低于美國;在機動車輛制造業，中國的技術效率低于德國。

四個經濟體中，中國制造業細分產業的全要素生產率處于劣勢地位。中國只有金屬制品業占據第一的位置;同時低于美國、日本、德國三個經濟體的有4個細分產業;同時低于美國、日本兩個經濟體的有7個細分產業;低于日本的有3個細分產業;低于美國的是電氣設備制造業。

從技術效率與全要素生產率的世界排序水平進行考察，除機動車輛制造業的兩個指標在世界排序相同外，其他15個細分產業的全要素生產率在世界的排序顯著低于技術效率的排序。而其他三個經濟體，大多細分產業的兩個指標在世界的排序呈現反向的差異。日本有12個細分產業全要素生產率的世界排序高于或等于技術效率的排序，美國有9個細分產業全要素生產率的世界排序高于或等于技術效率的排序，德國有5個產業全要素生產率的世界排序高于技術效率的排序。

對美國、日本、德國三個經濟體增長效率進行比較后發現，日本表現最好，不僅在多個細分產業中全要素生產率在世界名列前茅，技術效率的表現也很突出;美國的表現也不錯，但與日本相比，差距還是比較明顯;德國的表現在這三個經濟體中是最弱的，但在金屬制品業、電氣設備制造業、機械設備制造業、機動車輛制造業、其他制造業等5個細分產業中，其技術效率比美國更高。

上述比較分析表明，中國制造業在技術效率上占據優勢，而在全要素生產率上處于劣勢，中國制造業對先進技術的學習模仿能力、對現有資源的有效利用能力和資源配置能力在不斷提升，但與先進經濟體相比，技術創新水平還存在較大的差距。中國要構建新發展格局，深化供給側結構性改革、轉變經濟增長方式是必然的選擇，無法規避的是要不斷提升技術創新的能力和水平。中國的產業發展已經基本跨越了學習模仿階段，資源的配置效率得到了有效提升，但仍然受到技術創新的掣肘，這也是當前中國構建新發展格局中制約產業發展的主要障礙。

五、政策建議

中國即將進入“十四五”階段并將開啟全面建設社會主義現代化國家的新時期，構建新發展格局成為中國新的發展方略。無論是國內循環還是國際循環，其關鍵均是通過產業升級提高要素生產效率，形成新的增長點，提升中國制造業在全球價值鏈中的地位以構筑產業發展的新優勢。本文通過對全球價值鏈各經濟體增長效率的比較分析，估量了中國制造業整體及其細分產業增長效率在全球的真實水平，剖析了中國制造業增長效率的主要影響因素，解析了中國制造業增長效率的內在驅動機制，為中國明確產業升級的發展方向和戰略、提高要素生產效率，進而為中國構建新發展格局，提供了理論和實踐參考。基于此，本文提出如下政策建議：

中國制造業細分產業技術效率在全球處于領先地位，且呈現逐年遞增的態勢。反映出中國制造業在全球價值鏈分工中，通過“干中學”，各種生產要素實現了更高效的配置，對先進技術的學習模仿能力、現有資源的利用能力與資源配置能力不斷提升。這為中國在后疫情時期實現經濟快速恢復、抵御貿易保護主義奠定了基礎，更為中國構建新發展格局提供了堅實的產業基礎。

對垂直專業化指標（VSS）、進口中間品國內配套增值率指標（LVDI）、產業貿易競爭力指標（TC）三個主要影響因素參數估計值考察，得出如下結論：VSS對大多數細分產業技術效率的影響是負向的，在產業下游承接全球價值鏈分工，會面臨分工鎖定的低效率風險;LVDI對大多數細分產業技術效率的影響是正向的，提高國內集成配套能力有助于提升產業技術效率;TC對大多數細分產業技術效率的影響也是正向的，提高貿易競爭力有助于提升產業技術效率。這表明，中國制造業細分產業在產業下游承接國外材料加工比重較小、國內集成配套能力較強、貿易競爭力處于世界中上游水平等，都是促進中國制造業技術效率提升的重要因素。這表明中國產業已經轉變了被動參與全球價值鏈的局面，為構建新發展格局提供了堅實的產業基礎保障。

與技術效率名列前茅的情況相比，中國制造業細分產業TFP在50個經濟體中的排名低得多，并顯為負增長，在16個細分產業中有12個技術效率指標高于技術進步指標。與美國、日本、德國相比較，中國制造業細分產業雖然技術效率占有一定優勢，但全要素生產率處于劣勢地位，16個細分產業中有15個細分產業全要素生產率低于三個經濟體中的全部或部分經濟體，且在中國制造業呈現全要素生產率世界排序顯著低于技術效率的同時，三個發達經濟體卻顯示出多個細分產業全要素生產率世界排序高于技術效率的反向差異。從內在機制考察，影響中國制造業全要素生產率提升的主要原因是技術進步不足，與制造業先進經濟體相比，中國制造業在技術創新方面尚存在較大的差距。這為中國構建新發展格局的產業政策方面提供了參考，要繼續實行創新發展戰略，尤其是鼓勵技術創新。

（2）政策建議

第一，加快實現產業轉型升級。日益完備健全的集成配套體系和相對較高的貿易競爭力水平，支撐著中國制造業技術效率指標在世界名列前茅。中國制造業在全球價值鏈分工中，各種生產要素日漸實現更加高效的配置，但是，中國制造業全要素生產率與先進經濟體尚存在較大差距，中國制造業還沒有擺脫發達國家跨國公司的技術主導與控制，從制造大國邁向制造強國，中國制造業任重道遠。加快實現產業轉型升級應是中國制造業堅定不移的發展方向。

第二，進一步加大對先進技術的學習與應用，持續優化資源利用與配置能力，繼續保持并提升技術效率優勢地位。中國制造業在全球價值鏈分工中，通過“干中學”，對先進技術的學習模仿能力、對現有資源的利用能力與資源配置能力不斷提升。然而，中國制造業各細分產業的技術效率還存在諸多的不平衡、不一致，還有很大的提升空間。要繼續在跟隨創新和模仿創新上挖潛力，緊跟先進國家創造新的生產前沿面。同時，要不斷強化中國齊全的工業部門和完備的基礎設施優勢，進一步提高現有資源的有效利用與配置能力和水平，保持和提升在全球的技術效率優勢地位。

第三，全力推進自主創新和原始創新，全面提高全要素生產率。改革開放之后，建立在“以市場換技術”思路上的跟隨創新和模仿創新促使中國制造業在世界分工中緊跟生產前沿面，迅速縮小了與發達國家技術差距，但如果僅僅停留跟隨創新和模仿創新，中國制造業永遠不可能站在世界科技前沿，難以實現對先進國家全要素生產率的追趕和超越，還會遭致發達國家的擠壓和攻擊。

參考文獻：

[1] 楊汝岱.中國制造業企業全要素生產率研究[J].經濟研究，2015，（2）： 61-74.

[2] 蔡昉.中國經濟增長如何轉向全要素生產率驅動型[J].中國社會科學，2013，（1）：56-71.

[3] 陸明濤，袁富華，張平.經濟增長的結構性沖擊與增長效率：國際比較的啟示[J].世界經濟，2016，（1）：24-51.

[4] 張楊，陳娟娟.農業生態效率的國際比較及中國的定位研究[J].中國軟科學，2019，（10）：165-172.

[5] Farrell，M. J. The Measurement of Production Efficiency[J]. Journal of Royal Statistical Society，1957，120（3）：253-281.

[6] Davis，H.S. Productivity Accounting[M].Philadelphia：University of Pennsylvania Press，2016.3.

[7] Solow，R.M. A Contribution to the Theory of Economic Growth[J].Quarterly Journal of Economics，1956，70（1）：65-94.

[8] Solow，R.M. Technical Change and the Aggregate Production Function[J]. Review of Economics and Statistics，1957，39（3）：154-155.

[9] Nishimizu，M.，Page，J.M. Total Factor Productivity Growth，Technological Progress and Technical Efficiency Change： Dimensions of Productivity Change in Yugoslavia，1965—78[J].Economic Journal，1982，92（368）：920-936.

[10] Kalirajan，K. P.，Obwona，M. B.，Zhao，S. A Decomposition of Total Factor Productivity Growth：The Case of Chinas Agricultural Growth Before and After Reform[J]. American Journal of Agricultural Economics，1996，78（2）：331-338.

[11] Yanrui，W. Is Chinas Economic Growth Sustainable？ A Productivity Analysis[J].China Economic Review，2000，11 （3）：278-296.

[12] Pitt，M.M.，Lee，L. F. The Measurement and Sources of Technical Inefficiency in the Indonesian Weaving Industry[J].Journal of Development Economics，1981，9（1）：43-64.

[13] Battese，E.，Coelli，T. A Model of Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J]. Empirical Economics，1995，20（2）：325-332.

[14] Battese，E.，Coelli， T.Prediction of Firm-Level Technical Efficiency With a Generalised Frontier Production Function and Panel Data[J].Australia Journal of Economics，1998，38（3）：378-399.

[15] Lovell，C.A.K. Applying Efficiency Measurement Techniques to the Measurement of Productivity Change[J]. Journal of Productivity Analysis，1996，7（2-3）：329-340.

[16] Hummels，D.，Ishii，J.，Yi，K.M. The Nature and Growth of Vertical Specialization in World Trade[J]. Journal of International Economics，2001，54（1）：75-96.

[19] ?Johnson，R.C.，Noguera，G. Accounting for Intermediates： Production and Trade in Value Added[J].Journal of International Economics， 2012a，86（2） ： 224-236.

[20] ?Johnson，R.C.，Noguera，G. Fragmentation and Trade in Value Added Over Four Decades[R]. National Bureau of Economic Research Working Paper，2012.

[21] ?Johnson，R.C.，Noguera，G. Proximity and Production Fragmentation[J].American Economic Review，2012，102（3）： 407-411.

[17] Daudin，G.，Rifflart，C.，Schweisguth，D. Who Produces for Whom in the World Economy？ [J]. Canadian Journal of Economics，2011，44（4）： 1403-1437.

[23] ?Koopman，R.，Powers，W. ，Wang，Z.，et al. Give Credit to Where Credit Is Due： Tracing Value Added in Global Production Chains[R]. National Bureau of Economic Research Working Papers，2010.

[24] ?Koopman R.，Wang，Z.，Wei，S.J. Estimating Domestic Content in Exports When Processing Trade is Pervasive[J]. Journal of Development Economics，2012，99（1）： 178-189.

[18] Koopman，R.，Wang，Z.，Wei，S.J. Tracing Value-Added and Double Counting in Gross Exports[J]. The American Economic Review，2014，104（2）： 1-37.

[19] Coelli，T. A Guide to DEAP Version 2.1： A Data Envelopment Analysis（Computer） Program[R]. Center for Efficiency and Productivity Analysis Working Paper，1996.

（責任編輯：鄧 菁）