中國工業生產效率評價及影響因素研究

張 鑫，王向前 ，耿 杰

（安徽理工大學 經濟與管理學院，安徽 淮南 232001）

0 引言

工業水平是一個國家綜合實力的重要標志。當前中國工業發展正走在“新型工業化道路”[1]上，然而即使我國工業當前正處于新型工業化階段，工業體系較為完善，但工業生產效率仍然相對落后。我國工業的局限在快速發展的同時日益顯現：投入產出比較低、能源消耗量較大、勞動成本較高，這使得我國工業的生產效率低下，而高污染、高排放的粗放型工業經濟發展模式較多，導致環境惡化、資源枯竭的情況日益嚴重[2]。這種發展模式極其不利于我國工業經濟長期健康發展，也導致我國工業企業在與國外同行業競爭時處于不利地位。工業生產效率是反映工業發展質量的一個重要指標，所以加強對工業生產效率的研究，科學測度工業生產效率，探索其影響因素，以努力使我國工業不僅在數量上，而且在生產質量與績效方面都處于國際領先地位，具有重要意義。

田澤等[3]運用三階段數據包絡分析法（data envelopment analysis，DEA）模型對東部沿海地區裝備制造業生產效率進行了實證研究，發現我國東部沿海地區裝備制造業生產效率較高，但考慮環境因素后結果會發生顯著變化；杜康等[4]選取從業人員年平均值、固定資產凈值年均余額作為投入指標，工業總產值為產出指標，運用DEA-Malmquist方法對安徽省大中型企業生產效率進行了測度，探討了全要素生產率的影響因素；郭亞軍[5]采用各地區工業固定資產投資、各地區工業勞動力就業人數、各地區工業科研投入為投入指標，各地區工業生產總值為產出指標，采用DEA三階段模型對我國工業生產效率水平進行了實證研究，結果表明，資源利用水平、人均居民消費、人均國內生產總值、財政支出占生產總值的比例、民營資本所占份額和對外開放水平等環境變量對工業生產效率有顯著影響；徐冬冬等[6]選取勞動力年度總人數與固定資本投資作為投入要素，以工業生產總值作為產出要素，運用隨機前沿生產函數模型測度2001—2013年各縣域工業生產效率，并結合GIS空間分析技術分析了生產效率與空間格局特征間的關系；李健等[7]選取資本投入、各地區工業從業人員人數、平均受教育年限為投入指標，工業總產值為產出指標，采用Malmquist模型對中國1998—2011年30個省份的工業全要素生產效率進行了測度。上述文獻中研究者對工業生產效率的測度所用方法各不相同，但都未考慮投入與產出的松弛性問題，所用方法都不能將全部松弛變量進行衡量，為更加精確地衡量效率水平，可利用SBM（slacks-based measurement）模型彌補這一問題。SBM是一種非射線模型，具有非角度和非徑向性，能充分考慮投入與產出的松馳性問題，屬于較為完整的DEA拓展模型。且在現實工業生產活動中，非期望產出是不可避免的問題，采用SBM-Undesirable模型會使非期望產出問題迎刃而解，因此本文選用SBM-Undesirable模型，對中國工業生產效率進行測算，改進已有文獻的測度方法。并結合Malmquist- Luenberger模型對中國工業全要素生產效率進行測算，由點及面，動態分析與靜態分析結合。

1 模型介紹與構建

1.1 SBM-Undesirable模型

DEA是由A.Charnes等[8]于1978年提出的一種對多投入多產出的評價相對有效性的線性規劃方法，保持投入產出不變，通過判斷各決策單元與生產前沿面的偏離程度來測算效率值或者評價是否有效。但是傳統DEA方法沒有將產出變量的松弛問題考慮在內，會對效率值的測算產生偏差。因此Tone K.[9]在傳統DEA的基礎上提出了基于非徑向、非角度并引進非期望產出的SBM模型，用以彌補傳統DEA徑向與角度對測算效率值造成的誤差。

本文采用SBM-Undesirable模型對中國的30個省市自治區（由于西藏的數據嚴重缺失，港澳臺地區的數據不可得，所以本文未予考慮）的工業生產效率進行測算，以空氣污染物二氧化硫作為“壞產出”納入分析評價體系。在生產效率評價模型中，每個省市自治區的工業生產部門都是一個決策單元DMU。對n個DMU，每個DMU中包含m個投入、S1種期望產出Yg（g為期望產出相關項）、S2種非期望產出Yb（b為非期望產出相關項）。變量向量矩陣如下：

式中：X為投入變量；Y為產出變量，且

根據K.Tone提出的加入非期望產出的SBM模型，其公式為

式中：ρ*為效率值，S-、Sg、Sb為松弛變量；λ為變量權重。

當且僅當S-=0、Sg=0、Sb=0時，ρ*=1，表明決策單元完全有效；當0 ＜ρ*＜1 時，表明決策單元存在效率損失，在投入產出上需要改進。

1.2 Malmquist-Luenberger模型

1953年，瑞典數學家S.Malmquist提出了M指數分析法，進行消費分析[10]。1978年，Chanmes首次將DEA模型與Malmquist指數分析法相結合，該方法適用于多個地區跨時期的樣本分析，被廣泛運用于效率測度與評價方面[11]。Malmquist指數最大的優勢是全要素生產率可進一步分解為技術效率變化指數與技術變化指數，據此可以推斷出生產率變化的主要影響因素。但是Malmquist指數沒有考慮非期望產出，所以Chung Y.等[12]在Malmquist模型的基礎上提出了Malmquist-Luenberger（M-L）模型。

本研究構建的M-L指數模型如下：

本文中的γML指數大小表示各省市的工業生產效率變動情況。若＞0 ，則該DMU在t+1期的工業生產效率相比于t期是提升的；若= 0，則該DMU效率保持不變；若＜0 ，則該DMU在t+1期的工業生產效率相比于t期是下降的。

同理，γEC和γTC大于1分別代表技術效率改善和技術進步；反之，則表示技術效率惡化、技術退步。

2 投入產出變量與數據來源

根據對近年來相關文獻的學習與研究，得知專家學者采用數據包絡分析對工業生產效率進行分析時，所采用的投入、產出指標如表1所示。

表1 工業生產效率相關研究投入、產出指標統計表Table 1 Statistical table of input and output indicators of relevant research concerning industrial production efficiency

根據以上各研究投入產出變量的選取，本文依據數據可獲得性原則等，并針對本文研究主題，最后選取3個投入變量和3個產出變量，對我國各地區工業生產效率進行測算和分析。

2.1 投入產出變量

1）從投入角度看，本研究選取的3個投入變量分別代表人力、資本、資源3方面投入。工業從業人數代表勞動投入，衡量勞動要素投入；固定資產凈值代表資本投入，該指標常被研究者作為工業生產效率測算投入指標，本文中有些固定資產凈值由于無直接數據來源，故采取固定資產投資減去折舊作為固定資產凈值；工業生產中消耗的大多是化石能源，因此本文能源消費總量以化石能源換算成萬t標準煤表示。

2）從產出角度看，本文的3個產出變量分為期望產出與非期望產出兩類。其中期望產出2個，非期望產出1個。利潤總額與工業生產總值作為期望產出，利潤總額能直接反映我國工業企業的盈利能力，企業只有獲得最大利潤，才能不斷積蓄力量。工業生產總值是指工業企業在報告期內以貨幣形式表現的工業生產活動的最終成果。因此利潤總額與工業生產總額都是測算工業生產效率的重要工業經濟產出變量。因近年來環境問題越來越受到公眾關注，且空氣中的SO2主要來自工業生產過程，所以選用SO2作為非期望產出中工業污染物的代表。

2.2 數據來源

考慮到數據統計的滯后性與數據的可得性，本文選取2009—2019年中國的30個省份（西藏、香港、澳門和臺灣地區未予考慮）的數據加以研究。本文所涉及指標數據均選自《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》，以及各省市統計年鑒，部分數據來自國家數據網。

觀測數取330時，各變量的描述統計見表2。

表2 投入與產出變量的描述統計表Table 2 Descriptive statistics of input and output variables

3 中國工業生產效率實證分析

3.1 中國工業生產靜態效率分析

采取DEA Solver Pro軟件對我國30個省市自治區2009—2019年的工業生產效率進行測算（結果見表3），并對所得結果進行評價與分析。

表3 2009—2019年各省市自治區工業生產靜態效率值Table 3 Static efficiency of industrial production in provinces and autonomous regions from 2009 to 2019

3.1.1 分省份分析

將30個省份單獨進行觀察，有助于對中國工業生產效率的理解和分析。化整為零，是為了更加透徹和深入地剖析我國各省市自治區工業生產有效或者無效的原因，由點到面，全面了解我國近幾年工業生產效率狀況。

從表3中可以得知北京市、天津市、江蘇省、廣東省及海南省的工業生產效率最高，均為1，表明從2009—2019年，這幾個省市的工業生產過程中投入少、產出多且污染物排放量低，證明其工業處于生產技術前沿面，工業生產完全有效，同時也表明這些地區的工業注重勞動、資本、能源的合理配置。工業生產效率平均值在0.8～1之間的有上海市、福建省、江西省、山東省、浙江省、湖南省、內蒙古自治區、河北省、河南省，其中大于0.9的有內蒙古自治區、上海市、福建省、江西省、山東省，且上海市、福建省、江西省的工業生產效率均為0.99；山東省次之，為0.91。上海市、福建省和江西省2009—2019年的工業生產效率都僅有1年的效率值沒有達到1。均值為0.6～0.8的有廣西壯族自治區、湖北省、重慶市、遼寧省、吉林省、陜西省、安徽省、黑龍江省，以上8個地區的工業生產綜合效率值處于我國工業生產效率的第三序列。東北三省尤為明顯，以上地區工業發展規模都較大，工業經濟效益處于中上等，但資源投入量較大，屬于明顯的高投入、高產出的粗放式工業生產，其中的非期望產出也較高。最后是工業生產效率值為0.3～0.6的，分別是四川省、青海省、新疆維吾爾自治區、貴州省、云南省、山西省、甘肅省、寧夏回族自治區，其中山西省是中國煤炭能源的重要產地，污染嚴重，是其工業生產效率低的主要原因；貴州省、云南省、甘肅省、青海省、寧夏回族自治區、新疆維吾爾自治區的工業化程度較低，交通運輸能力較差、工業經濟規模較小都是其工業生產效率低下的重要影響因素。

3.1.2 分區域分析

區域的劃分標準會直接影響對工業生產效率的分析，因為我國工業體系的分布各有特點，比如我國東北地區是以鋼鐵、機械、化工、石油為生產核心；而華北地區是以燃料動力、鋼鐵為生產主體。為了更加深入地了解我國工業生產效率的空間分布特征，本文參照國家統計局國家數據網將全國區域劃分為東部、中部、西部3個地區。東部地區的工業平均效率值為0.93，中部地區為0.73，西部地區為0.49，整體呈現東高西低的梯形分布。生產效率為1的北京市、天津市、江蘇省、廣東省、海南省5個地區均在我國東部地區，而生產效率低于0.6的8個省份中，有7個屬于西部地區，占總數的87.5%，可見，我國東西部發展不均衡，區域差距明顯。

3.2 中國工業生產動態效率分析

上文使用SBM-Undesirable模型對我國30個省份2009—2019年的面板數據進行了測算，從靜態層面對我國工業生產效率情況進行分析。為了更深入地探究我國工業生產效率在時間維度上的表現，使用Malmquist- Luenberger模型對我國30個省市自治區2009—2019年的工業生產效率進行測算，從動態層面考察我國工業生產效率的變動趨勢以及變動原因，所得測算結果見表4和圖1。

表4 中國工業生產效率指數及其分解指數的演化趨勢Table 4 Evolution trend of China’s industrial production efficiency index with its decomposition index

圖1 中國工業生產效率指數及其分解指數折線圖Fig.1 Broken line chart of China’s industrial production efficiency index with its decomposition index

由表4可知，30個省份的工業全要素生產效率指數γML的平均值為1.141，技術進步指數γTC的平均值為1.246，而效率改進指數γEC的平均值僅為0.927。這表明技術進步發展狀況良好，對全要素生產效率起著促進作用，而技術效率改進較為欠缺。

觀察圖1可以發現，γML與γTC的變化趨勢大多一致，但γTC的波動幅度較為強烈，帶動了γML的變動，這說明γTC是影響γML的重要因素，技術進步對全要素生產效率的提高有著顯著的促進作用。

觀察圖1可知，γML、γEC、γTC都呈現上下波動的變化趨勢，其中γML的年平均增長率為0.29%，γTC的年平均增長率為3.64%，總體呈現上升趨勢，而γEC的年平均增長率為-4.1%，總體呈下降趨勢。中國工業生產效率指數γML在2009—2016間振幅較小，而在2016—2019間振幅較大。在2009—2013期間呈下降趨勢，究其原因，是因為受次貸危機的影響，工業產業的復蘇需要經歷一個曲折而緩慢的過程，外需萎縮短期內難以根本改觀，消費對經濟增長帶動性不夠，中國面臨的生產要素綜合成本上升、資源環境約束增強等情況都制約著工業生產效率的增長。而γML增長的拐點出現在2015—2016年，國務院在2015年5月8號印發了《中國制造2025》的通知，該通知將“創新驅動、質量為先、綠色發展、結構優化、人才為本”作為基本方針。中華人民共和國國家發展和改革委員會和環境保護部聯合發布的《清潔生產審核辦法》于2016年7月1日起正式實施，該辦法鼓勵企業自愿開展清潔生產審核。國家一系列的政策指導企業不斷創新，努力增產減排，這不僅促進了我國工業生產效率的提高，更是對全國工業整體的發展產生了積極的影響。

4 結論與建議

本文以我國30個省份的工業發展情況作為研究對象，利用 SBM-Undesirable模型以及Malmquist-Luenberger模型對其2009—2019年的數據進行了測度與分析，得出如下結論：

1）在研究的30個省市自治區中，有5個省市工業生產有效，占總體的16%，而生產效率低于0.6的有8個省市自治區，占總數的26%。這說明我國大部分省市自治區都存在投入冗余和期望產出不足、生產投入要素利用率低、資源浪費及生態污染現象。

2）我國工業的地區發展不平衡，區域差異明顯，呈現出東高西低的階梯狀分布。工業生產有效的省份集中在東部地區，而工業生產效率較低的省份則主要集中在西部地區。這是由于東部地區有著悠久的工業發展歷史，優越的區位優勢，雄厚的資金實力，而這些又帶來了先進的生產技術，使得資源被更加有效地利用。

3）我國工業γML呈上下波動，在研究期間內，其平均值為1.141，γTC的平均值為1.246，而γEC的平均值為0.927，這說明我國工業全要素生產有效，技術也得到了發展，但是效率的改進并未達到最佳狀態。

4）全要素生產效率與技術進步指數總體都呈現增長趨勢，且兩者變動趨勢相似，這表明技術進步促進了全要素生產效率的增長，且國家政策與經濟環境會對工業生產效率產生明顯影響。

綜上所述，從我國基本國情出發，為提高工業生產效率，促進我國工業又快又好地發展，完善區域發展戰略，縮小東西部發展差距，提出以下建議：

1）促進經濟轉型和完善產業結構。我國大部分省份的生產效率偏低，傳統的粗放型經濟增長模式使得資源與生態都承受著巨大的壓力，特別是我國中西部地區要處理好資源儲量與經濟發展之間的不平衡，要“生態保護”與“經濟增長”雙管齊下，積極探索“綠水青山就是金山銀山”的環境友好型經濟發展模式。

2）加強區域協作，促進區域協調發展。國家應注重不同地區之間的資源調配，合理規劃生產資源的跨區域流動，充分發揮市場對產品的引導作用，推進區域開放度，加強區域之間的交流合作。地區層面則應該加強頂層設計，因地制宜，根據地區特點制定相應的發展戰略，強化對投入產出的控制，減少冗余。

3）加大研發投入，以科技進步推動生產效率提高。強化產學研深度融合，推進核心技術攻關，促進科技成果轉化成生產力。科技是第一生產力，長期來看，科學技術的發展可降低成本、增加產出，解決投入與產出冗余或者不足的問題。