基于SBM 方向距離函數下我國工業偏向型技術進步測度與分析

王斌會，張 欣

（1.暨南大學管理學院；2.暨南大學經濟學院，廣東廣州 510632）

近年來，不同學者對技術進步的偏向性研究逐漸增多。偏向型技術進步是指在生產過程中，決策者由于技術進步導致在生產過程中對要素投入、產出的選擇具有偏向性［1］。以工業為標的，研究產業技術進步的偏向性，有助于改善生產要素稟賦，優化產業結構，通過調整要素投入產出，優化資源合理配置，提高全要素生產率水平［2］,所以結合國際環境，在經濟“新常態”下，研究工業產業的偏向型技術進步顯得尤為重要。工業的快速發展伴隨著產業的污染排放，經濟如何能夠高質量、強韌性的發展，成為了學者探討的問題，伴隨著國家出臺的環境規制政策，工業綠色化成為工業發展的核心導向，在新時代下，必須將污染排放作為工業產業發展的一個重要指標。本文基于我國工業資本、能源、勞動三者要素稟賦，綜合測度偏向型技術進步，分析角度從傳統的資本與勞動偏向性、技能勞動與非技能勞動偏向性轉移到工業技術進步對資本、能源、勞動的偏向性，同時加入產出對環境污染的偏向性研究，更全面分析了基于生產率增進視角下是否偏向于節約能源，對工業經濟的持續高質量發展具有重要意義。

1 文獻綜述

技術進步作為拉動經濟增長的一個主要因素，近年來成為經濟領域學者的重點研究對象，當探討當代技術進步的經濟效益時，新古典經濟增長理論對技術進步的外生假設已經不再適用，生產要素資本與勞動間要素替代彈性為1 的假定沒有考慮技術進步的偏向性特征［3］，也不符合科學的經驗研究。關于偏向型技術進步的研究，Hicks［4］在《工資理論》中曾提出，投入要素之間存在替代關系，當存在技術進步后，各要素的需求比例會發生變動，即技術進步發生偏向性生產，形成了偏向型技術進步的研究 基 礎，20 世 紀60 年 代，Kennedy［5］、Ahmad［6］對技術進步的偏向方向以及相關理論進行了研究，但是缺乏相應的模型演繹與微觀基礎，此后30 年，技術進步偏向性理論研究發展緩慢；21 世紀初，Acemoglu［7］以內生技術進步理論為基礎，探究了該理論的數理模型與微觀基礎，進一步發展了該理論，形成了各國學者的研究熱潮。

關于工業偏向型技術進步的研究，國內外學者在模型的選擇，研究標的，指標選擇，分析方向上各有不同側重點。偏向型技術進步的測度方法即模型選擇上大致可分為標準化供給面系統法、隨機前沿分析法、數據包絡分析法，標準化供給面法基于CES 生產函數，李小平等人［8］利用CES 生產函數，分析了資本深化和有偏技術進步對全要素生產率增長率的交互影響，郭沛等［9］基于1998—2017 年要素增強型CES 生產函數，測度了特定要素間的替代彈性，魏?。?0］基于CES 生產函數，測算了珠三角、長三角地區的技術進步偏向型指數；隨機前沿分析法是基于可變替代彈性的一種超越對數函數，CES法對技術進步偏向性的研究跨期長，要素替代彈性為常數不符合實際經驗，隨機前沿分析法可以解決CES 生產函數的這個缺點［11］，Shao 等［12］利用超越對數函數，測算了上海1994—2011 年32 個工業行業的面板數據，而得出技術進步偏向使用能源與資本節約的結論,但該模型的缺點在于超越對數函數參數過多，會導致顯著的多重共線性［13］；數據包絡分析法是一種非參數分析法，無需設定參數模型，更為穩健，Chung 等人［14］將技術進步分解為產出偏向型技術進步OBTC，投入偏向型技術進步IBTC，技術規模變化MATC，通過指數的變動與邊際要素替代率和產出比例變動組合分析。李靜等［15］基于FDM 方向距離函數分析了農業技術進步的產出偏向與其影響因素，發現中國農業技術進步產出偏向綠色產出，城鄉收入差距，農業人力資本水平等因素的提高有利于提升農業技術進步綠色產出偏向程度。在研究標的上，張意翔等［16］基于偏向型技術進步比較了產權結構對區域能源效率影響的異質性；余東華等［17］探討了資本深化與有偏技術進步對全要素生產率的交互影響；李靜等［18］基于1999—2015年的面板數據，具體分析了綠色技術進步偏向對要素投入、產出的影響以及技術進步的動態變動和區域分布，但僅按行業測算分析了綠色生產率并進行分解，研究方向更偏重于水能源，沒有加入能源該投入要素進行全面分析區域要素投入與產出偏向性。楊翔等［19］對考慮能源投入和環境污染的技術進步指數進行分解，并分析了影響偏向性技術進步的關鍵因素，但僅將環境污染中的CO2作為非期望產出，在實際不能很好的反映工業污染排放的全面情況。

目前對技術進步的偏向性研究較多，但在方法上，較少人運用方向距離函數進行全面分析，在研究內容上，很少考慮能源投入要素，并且將環境污染指標涵蓋廢水、廢棄、廢物排放來進行分析，此外僅有少數文獻在考慮工業能源和其他要素之間的偏向性的同時對偏向型技術進步進行綜合測度；在綠色工業方面，也少有學者橫向或縱向地從技術進步對生產率增進的角度來研究其是否偏向于節約能源。

與現有的研究相比，筆者的創新點可總結為以下3 個方面：首先是指標的選擇，使用SBM 方向距離函數，選擇資本、勞動、能源3 種投入要素，并選擇環境污染指數作為非期望產出指標，多數學者研究綠色工業TFP 過程中，選擇單一指標作為環境污染指標，本文采用熵值法，選用考慮工業污染廢水、廢物、廢氣綜合指標即環境污染指數作為非期望產出指標，更符合實際問題；其次是模型選擇上，本文采用無需指定函數具體形式的非徑向、非參數分析法，避免了一些約束性假說與約束，結果更具有說服力；最后是研究視角更為系統全面，研究數據更新，更加貼近現狀。多數研究僅從要素投入視角或產出偏向性單一性視角出發，本文研究標的為工業偏向型技術進步，通過兩個視角全面分析技術進步的偏向性特征，此外從時間和區域兩個角度分析了不同指數的動態演變和區域特征。

2 研究方法介紹

2.1 模型選擇

在工業生產過程中，存在環境污染的問題，該非期望產出記為B、期望產出記為Y，采用方向距離函數與Malmquist 結合，本文（生產決策單元）DMU 選擇我國30 個省、自治區、直轄市，選擇工業的固定資產凈值、平均勞動人數、能源消耗作為資本、勞動、能源投入指標，DMU 使用N種投入要素X=X1,…,Xn,N=3，期望和非期望產出Y、B分別由“工業增加值”“環境污染指數”表示，y=(y1,…,y1)、b=(b1,…,b1)，數據選擇2008 年到2018 年，t=1,2,…,T，其中T=11，每個省份為k=1,2,…,K，K=30。通過以上規范，k省t時期的投入與產出值可表示為(xk,t,yk,t,bk,t)，用P(X)表示產出集，生產可能性集表示如公式一：

其 中y=(y1,…,y1)、b=(b1,…,b1)、為DMU截面觀測值的權重，若權重求和為一，且單個權重大于等于0，則說明規模報酬可變，若僅限定單個權重非負，則表示規模報酬不變。在徑向DEA 模型中，對無效率程度的測量只包括所有投入產出等比例變動的比例，SBM 模型同時從投入產出兩個要素對無效率狀況進行測量，因此稱為非導向模型。把考慮非期望產出的SBM 方向性距離函數D1表示如下：

在公式二中，gx、gy、gb分別表示投入減少的方向向量、期望產出增加的方向向量、非期望產出減少的方向向量；為投入松弛向量，表示為投入過度的量，sy、sb分別為期望產出松弛向量、非期望產出松弛向量，表示為好的產出不足與非期望產出過度的量。

2.2 Malmquist-Luenberger 指數

Chung 等人在Malmquist 指數模型的基礎上，考慮了包含壞產出的距離函數，并將其得出的指數稱為Malmquist-Luenberger 生產率指數。分別表示t期和t+1 期的方向距離函數，則模型如下：

分解得：

即 ML=EFFCH×TECH

將TECH 進一步分解得

即TECH=MTECH×BTECH

TECH 分解法借鑒Fare 的方法，把技術變化指數分解得到中性技術進步變化指數和偏向型技術進步變化指數。公式中ML,EFFCH,TECH,MTECH,BTECH指數表示的均為t期到t+1 期的變化率水平，變化率指數大于1，說明該項指標較上期增大，增長率為指數值減1，當指數變化率結果小于1，說明該項指標較上期下降，下降率為“1-指數值”。

2.3 要素偏向性測度

為了更直觀方便的觀察研究技術進步對要素的偏向性程度，借鑒weber 等人［20］的思路，構建要素偏向系數biaspq（其中p、q分別表示為兩種替代要素），根據要素邊際替代率，聯系偏向型技術進步指數與要素偏向度之間的相關關系，得出要素偏向結果，具體公式如下：

表1 偏向型技術進步指數與biaspq 對應規則

2.4 產出偏向性測度

通過等式5 可知，全要素生產率變動率可以分解為EC 與TC，其中TC 除可分解為MTECH 和BTECH 外，還可以分解為MATC、IBTC、OBTC 三個部分，公式如下。

MATC 為技術規模變動指數，技術進步的規模變動。IBTC 為投入偏向型技術進步，OBTC 反映的是技術進步對不同產出的偏向性促進作用，當產出有且僅有一個時候，該變動指數數值始終為1［18］。

圖1 表示了本文模型中的產出可能集與各方向向量，可通過圖形判斷產出技術進步偏向性。本文模型中構建了兩個產出指標（期望產出工業增加值、非期望產出環境污染指數）分用字母yg、yb表示。在下圖中，p1（x）為t1 時期的生產可能集，p2（x）表示在兩產出邊際轉化率不變的情況下，t2 時期產出可能集的外移，為希克斯中性；gt1、gt2分別表示為兩個時期技術進步促進工業生產的改進方向（增加yg，減少非期望產出yb）。A點表示DMU 在t1 時期產出組合中的一個非效率點，產出方向距離函數值為AB/OB，在t2 時期，假設DMU 產出組合點為點F，且生產可能集變為p4（x）,根據公式10，產出距離函數值為FG/OF，將各數值帶入方程，得到，由圖形中生產可能集向貼合yg的方向移動，可以得出，跨期產出中期望產出對非期望產出的邊際轉化率大于1，技術進步偏向于生產yg，結合OBTC 指數，可以得出當OBTC<1,MRTyg>1,產出偏向型技術進步偏向于生產yg的結論。結合該規律，本文通過計算產出的邊際轉化率，結合軟件測算得出的OBTC 數值，可以得出技術進步對產出的偏向性水平。

圖1 兩產出模型下生產可能集變動圖

3 指標選擇

在指標選擇上，本文借鑒了王班班等［21］、楊翔等人［19］關于工業技術進步測度時的投入指標選取內容，以工業增加值作為期望產出指標［22］，同時融合了環境污染中的三廢排放量生成環境污染指數作為模型的非期望產出指標，具體的投入產出指標選擇內容如表2 所示。

表2 模型投入產出指標選擇

4 數據來源與處理：

4.1 數據來源

本文選擇2008—2018 年11 年的中國30 個省級行政單位（由于數據缺失，去除西藏、港澳臺的數據）的工業相關數據進行收集并處理。所有數據來源于《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》《中國城市統計年鑒》、國家統計局平臺等。

4.2 數據處理

（1）工業固定資產凈值：已剔除累計折舊，根據2000—2018 年固定資產投資價格指數對數據進行平減（以2000 年為基期）。

（2）工業增加值：期望產出較常用的是地區生產總值，工業生產總值，工業增加值等，由于工業生產總值數據缺失較為嚴重，以工業增加值作為期望產出指標［22］。工業增加值以貨幣形式表現，所以以2000 年至2018 年生產者出廠價格指數進行平減（以2000 年作為基期）。

（3）環境污染指數：環境污染作為非期望產出，沒有明確的指標表示，因此，本文采用熵值法，構建環境污染指數綜合反映DMU 的環境污染情況，具體處理方法如下：選擇工業廢水排放量、工業SO2（廢氣）排放量，工業煙塵（廢物）排放量作為初始指標。

數據標準化處理

計算指標xij比重

計算環境污染指數Pi：

Pi綜合考量了環境污染中廢水、廢棄、廢物的排放，該項指標越大，說明環境污染越嚴重，非期望產出越大。

表2 中指標數據均按照以上來源與數據處理方式進行，表3 為工業投入產出指標數據的描述性統計。

表3 投入產出指標描述性統計

5 實證分析

5.1 我國工業產業ML 指數及分解指標

ML、EC、TC 分別代表全要素生產率變動指數、效率變動指數，和技術進步變動指數，含義為從t期到t+1 期各指標的變動幅度，為動態指標變量，若指標大于1，則表示較上期增長，小于1 則相反。為了解工業全要素生產率變動情況，并深度分解指標與分析內因，利用公式ML=EC×TC 將ML 指標進行分解。其中各年份指標均用30 個DMU 進行幾何平均得到，數據如表4 所示。通過上表分析，可以發現，從2000—2018 年18 年的ML 均大于1，即說明工業全要素生產率年年遞增，但是遞增幅度不穩定，2007—2008 年增長最為迅速，19.7%，2013 年到2018 年，工業全要素生產率增長率保持在3.36%水平，2000 年到2018 年指數大于1，但整體呈現下降趨勢，說明我國工業全要素生產率增長率在逐步放緩。

表4 我國不同年份ml 指數及其分解

表4 （續）

效率變化指數EC 較技術進步變化指數相比，整體偏小，說明工業全要素生產率的增長以技術進步拉動為主，效率改善驅動為輔助，甚至在2011—2017 年期間，EC 均小于1，說明效率水平下降阻礙了全要素生產率的增長，但由于對應當年的技術進步增長率較高，彌補了效率水平下降的負面影響。

表5 為我國工業全要素生產率變動率、效率變動指數、技術進步變動指數從2000 年到2018 年的幾何平均值。從表5 中可以得出，我國不同省份工業全要素生產率增長率增長幅度不盡相同，西部地區增長率最高，平均增長率為15.19%，四川、陜西近20 年平均增長率最高，拉動了西部均值；中部地區工業全要素生產率平均增長率為10.2%，主要以湖北帶動；東部地區ML 指數最低，2000 年到2018年平均增長率為6.47%，該結果與東部地區經濟發展較中西部地區高的社會現象相矛盾，深究內在經濟內涵可以發現：首先是該指標衡量的是2000 年到2018 年的工業全要素生產率變動率的幾何平均值，東部地區的一線城市雖經濟發展水平較高，但近年來經濟增速放緩，增長速度較部分中西部地區低；其次該指數模型考慮環境污染的非期望產出，所以產出水平要衡量增加產出后對環境的污染狀況，北京、上海、廣東地區雖然工業發展水平較為迅速，但發展過程中的環境污染非期望產出也導致了整體的指數低于中西部工業欠發達地區。

表5 我國不同省份2000—2018 年ML 指數及其分解

表5 （續）

5.2 以要素投入視角分析技術進步偏向性

分析表6 可以發現，該研究結果與部分學者不一致，如李小平于2019 年研究得出，在不同年份上，要素偏向性總體表現為密集使用資本要素，偏向強弱整體表現為資本大于能源大于勞動。經過本文與其他研究對比可以發現，本文的模型中，以環境污染指標作為非期望產出，對期望產出向量與非期望產出向量以1：1 作為權重，在不同時期，資本與勞動，資本與能源的要素邊際替代率均大于1，即說明工業產業中密集使用的資本該要素，但偏向型技術進步指數BTC 整體小于1，說明對資本的偏向性使用成為了技術退步的原因。聯系實際可以得出，由于資本投入導致工業規模擴大，環境污染狀況加劇，其對生產效率的影響遠大于資本要素投入對期望產出的影響，最終表現為對資本要素的非偏向性。

表6 中國工業技術進步的年度要素偏向性變化

表6 （續）

通過表6 數據可以發現，我國工業生產過程中，不同年份對要素的偏向程度不盡相同，但有一點可以發現，從2009 年至今，資本要素的偏向性由最后一順位變到了第一二順位，能源要素的偏向性由第一順位變到了第二三順位，說明技術進步的偏向性逐步向使用資本要素，節約能源要素轉化，這可能與國家推行的節約能源，保護環境等國家相關政策有關，也從側面說明了我國的環境治理與能源政策成效顯著。

筆者將30 個省份不同年份的BTC 和MRS 進行幾何平均，經過計算得出30 個DMU 的bias 與要素偏向性順位，結果如表7 所示。在2000 年至2018 年，東部地區與中部地區，西部地區的偏向型技術進步方向不同，東部地區技術進步偏向性順序為資本大于能源大于勞動，中部與西部地區技術進步偏向性順序為勞動大于能源大于資本，這充分說明，資本在不同地區，對產出的作用不同，在東部地區，工業企業對資本的偏向使用能夠使得工業增加值增加，并且能夠抵消工業資本擴張對環境的不利影響，而在中西部地區，資本的環境的負面作用大于資本要素的投入對期望產出的作用，過多的資本投入導致技術退步，此外，考慮到中西部地區的資本要素稀缺性，整體技術進步偏向于使用勞動與能源。

錢娟［23］通過CES 生產函數分析發現，能源節約偏向型技術進步對CO2排放之間存在“倒U 型”曲線關系。分析表7 可以發現，我國三個地區技術進步對能源的偏向性都處在第二順位，所以我國應該充分引導技術進步偏向能源節約，不斷提高能源節約型技術進步。

表7 我國各省份2000—2018 年工業技術進步的要素偏向性

5.3 產出視角下產出偏向性測度

由圖2 可知，ML 指數常年均大于1，但有逐步下降的趨勢，說明工業全要素生產率增長速度放緩；TC 與ML 指數波動趨勢一致，說明工業全要素生產率主要靠技術進步拉動，上述規律對2007 年至2009年不適用，分析內因可以發現，2007 年至2009 年由于全球金融危機影響，我國工業受到影響，TC 指數急劇下降到0.853，ML 指數依靠技術效率水平拉動增長。2012 年以后，TC 指數超過了ML 指數，說明技術效率成為了阻礙工業全要素生產率增長的原因；此外，可以看出IBTC 與OBTC 兩個變化指數均在數值1 附近，比較穩定，IBTC 曲線整體在OBTC 的上方，說明投入偏向型技術進步對工業全要素生產率增長的推動作用比產出偏向型技術進步更大；相比之下，MATC 指數波動明顯，并且波動趨勢與TC 相一致，說明技術進步主要依靠技術規模變化，而非投入產出偏向型技術進步，這個圖也從側面凸顯了規模變化在工業生產過程中舉足輕重的地位，這與我國工業早期企業擴大生產規模實現產出增加以及效率改善相一致。

圖2 ML 指數及各分解指標走勢

通過前文的分析可以發現，我國工業產業在技術進步的要素偏向性上，出現波動不定的情況，具體原因在于要素的投入對產出的影響是兩面性的，判斷產出水平是偏向于增加期望產出，還是增加非期望產出就顯得尤為重要。

OBTC 表示為產出偏向型技術進步，即保證在產出既定的情況下，不同產出的技術變化幅度，OBTC的大小可以反映出技術進步對不同產出的促進作用。

如表8 所示，我國工業在2000 至2018 年，產出偏向性技術進步指數整體小于1，期望產出與非期望產出的邊際轉化率不同時期均大于1（2016—2017 年除外），結合產出偏向型技術進步的產出可能集，理論判定，可以得出結論：2000 年至2003年我國工業產出偏向型技術進步偏向于生產非期望產出，即偏向于增加污染排放；2003 年至今，除了2007 年至2009 年三年的經濟不穩定期，其余年份的產出偏向型技術進步都是偏向于促進期望產出，即增加工業增加值，減少環境污染，這也說明了我國技術進步的發展逐步偏向于減少環境污染，國家的環境治理政策已見成效。

表8 不同時期產出偏向性

表9 可以直觀的看出產出偏向型技術進步對不同產出的偏向性，以上數據均為各省份2000 年至2018 年的幾何平均值。將30 個DMU 按照地域劃分為東部、中部和西部，通過數據對比可以發現，東部和中部的整體產出偏向型技術進步偏向于生產期望產出，非偏向增加環境污染，而西部地區則相反；具體分析各個省份可以發現，東部地區偏向于生產期望產出的最多，中部地區略有下降，西部地區最少，即西部地區更傾向于通過排放更多的污染物來增加偏向型技術進步及全要素生產率，拉動工業經濟增長。將表9結合表8中不同時期動態的各項指標，可以發現，近年來，產出偏向性向著Yb 的方向驅動，結合現實背景，現代技術水平的不斷進步、擴散以及創新，國家對環境治理的政策不斷驅動，西部地區也逐步向東部發達地區靠攏，工業向偏向增加期望產出，減少污染排放的方向發展。

表9 各地區產出偏向性（2000—2018）

通過圖3 的直觀對比可以發現，東部地區工業技術進步偏向減少污染排放的DMU 占比最多，為81.82%，西部地區技術進步偏向增加非期望產出的DMU 最多，為90.91%，雖然該數據為2000 年到2018 年的幾何平均值，但是可以說明西部地區對于工業技術進步的要求有待提高，增加對環境污染問題的重視，不斷提高能源節約型技術進步，加大投資進而不斷產業轉型，縮小與東部地區的差異。

圖3 不同地區產出偏向性的DMU 占比

6 結論與政策建議

6.1 結論

（1）通過表1、2 可以看出，我國不同年份的工業全要素生產率變化指數均大于1，說明我國工業產業保持連年增長的狀態，但是增長幅度逐步放緩。同年數據對比可以發現，TC 較EC 大，且均大于1，說明工業以技術進步推動為主，效率改善推動為次要拉動工業發展的因素。其次，我國工業全要素生產率變化存在區域差異，呈現出中西部部分省份拉動型，東部地區增長率較為平緩，四川、陜西、湖北等中西部省份近18 年平均增長速度較為迅速，拉動了整體中西部ML 指數。

（2）從要素的投入角度分析，可以得出:我國偏向型技術進步指數大多小于1，又因為技術進步指數均大于1，說明技術進步依靠中性技術進步推動，對要素的不同投入的偏向性導致了技術退步，結合邊際替代率水平的變化，得出不同年份的要素投入偏向性，結果發現了由于不同年份要素對期望產出與非期望產出的不同比例的影響，導致要素偏向性產生波動，結合區域視角，可以發現，東部地區技術進步的偏向性是資本大于能源大于勞動，中西部地區偏向于勞動大于能源大于資本，不同的原因可以追溯到其一，工業產業中，資本要素的稀缺性導致要素價格變高，生產者傾向于用更加便宜的勞動，能源替代資本投入，其二，在中西部地區，工業產業生產技術水平較為落后，沒有形成完善的工業環境治理體系，資本的投入使得工業活動生產擴張，擴張帶來的非期望產出水平大于期望產出水平，形成了東西部之間較大的差異。

（3）從TC 的分解視角來看，如圖3 所示，可以得出結論：TC 與MATC 波動趨勢一致，說明技術進步主要靠規模技術進步推動（2007—2008 年金融危機，經濟市場不穩定，剔除考慮范圍），投入偏向型技術進步與產出偏向型技術進步變化指數數值在1 上下擺動，整體來看，投入偏向型技術進步整體在產出偏向型技術進步指數上方，及IBTC 對技術進步的作用大于OBTC 對技術進步的作用。

6.2 政策建議

（1）提高工業生產效率水平。通過分析可知，工業全要素生產率依靠技術進步拉動，效率改善對工業生產過程中的作用并沒有完全發揮，有改進的空間。工業企業應加大對生產效率水平的改進與規制，指定合理完善的生產制度，明晰生產流程，減少生產過程中的資源浪費，提高工業生產過程中用工要素的重復利用率，減少工業生產過程中對要素投入的依賴。

（2）加大對工業高技術投入，技術創新。我國工業發展主要依賴于技術進步的推動，提高技術進步水平成為拉動我國第二支柱產業的首要任務。長期以來，我國工業處在重視生產，輕視研發的階段，重視模仿，輕視創新，許多工業企業停留在跟進模仿階段，產業技術支撐不了工業企業轉型，工業要想持續優化改善就需要引進高技術產品，改善產品結構，拓展與發掘中高端市場，轉型升級，進行創新驅動。

（3）加大要素市場化配置。在工業生產過程中，由于資本、勞動、能源、技術等要素的市場流動性較差，區域間對要素的投入已經形成較大的差別，不利于產業轉型與形成完善的工業產業結構，市場功能難以發揮作用。政府應該以價格為主導，努力構建機制健全的要素市場，不斷改革要素市場化配置，鼓勵資本、技術引進政策。

（4）健全工業環境治理體系，適應“新時代”經濟發展。雖然近些年技術進步偏向于生產期望產出，減少污染排放，但是資本擴張帶來的工業廠商的規模擴張，中西部地區部分省份偏向于產出污染排放，不利于產業的高質量發展。我國應重視工業化環境治理體系的建設，加大環境規制，促進工業產業的高質量發展。