中國智能制造業綠色全要素生產率增長的時空演變

周 杰

（1.樂山師范學院 經濟管理學院，四川 樂山 614000；2.廣東彩艷股份有限公司博士后工作站，廣東 江門 529000）

一、引言

當前，世界正面臨“百年未有之大變局”，產業變革與科技革命進入全新歷史節點，促使全球創新版圖、經濟結構重塑[1]。智能制造作為該歷史節點下萌生的核心技術之一，在成功顛覆傳統制造業競爭模式之余，也對全球價值鏈分配模式產生深遠影響[2]。雙碳目標導向下，綠色化成為其高質量發展的必然走向。精準把握智能制造綠色發展機遇，實現智能制造業高效與可持續發展，對中國增強本國制造業全球競爭力具有重要意義。

開展智能制造業研究是把握智能制造綠色發展機遇的重要基礎。智能制造業研究最早可追溯到國外不同學派對智能制造系統組織基礎與框架構建的探討[3]。隨著智能技術的快速發展，國內學者在借鑒國外研究的基礎上，也對智能制造業進行了廣泛而深入的探討。詳細而言，研究多圍繞智能制造概念內涵[4，5]、應用領域[6，7]等內容展開，智能制造影響因素[8，9]、影響效應[10，11]也有所涉及。但囿于智能制造涵蓋范圍的復雜性和制造“智力”的隱含性，研究數據可得性受限，導致智能制造業全要素生產率方面的研究較為欠缺。僅有申丹虹、崔張鑫(2021)[12]以38 家智能制造業上市公司為樣本，基于SFA 方法對中國2010—2018年的智能制造業全要素生產率進行了測算，并指出技術水平落后是造成觀察期內智能制造業處于規模遞減狀態的關鍵原因。對上述研究進行深入詮釋，可知考察智能制造業綠色全要素生產率有利于剖析智能制造高效與可持續發展著力點。綜上所述，文章認為有必要對智能制造業綠色全要素生產率增長情況進行深入挖掘。

文章創新貢獻表現在以下方面：第一，以2011—2020 年中國30 個省份面板數據為樣本，彌補樣本選擇片面可能帶來的偏誤；第二，構建基于DEA 的Malmquist 指數模型，測度智能制造業綠色全要素生產率增長情況，嘗試填補既有研究空白；第三，分解技術對智能制造業綠色全要素生產率增長的影響，探尋智能制造業綠色全要素生產率主要增長動力，拓展現有研究的寬度與廣度；第四，采用核密度和馬爾可夫鏈模型對智能制造業綠色全要素生產率增長的整體分布形態、內部動態特征及在空間的趨同效應進行分析，揭示其時空動態演變規律。

二、研究方法

1.Malmquist 指數模型

當前學術界有關全要素生產率(TFP)變化的測度方法主要分為兩種，分別是參數法（索洛余值法、隨機前沿函數法等）與非參數法（DEA、Malmquist 生產率指數法等）。與非參數法相比，參數法雖然能夠將非效率性的影響與隨機擾動區分開，但無法區分設定偏誤導致的隨機誤差。因此，文章選用非參數法測算智能制造業綠色TFP 增長率。同時考慮到本次研究要對不同時期智能制造業綠色TFP 增長率對比分析，僅使用傳統DEA模型無法滿足研究需要。故而，借鑒既有研究[13-16]，基于DEA理論構建了Malmquist 指數模型，測算方式如下：

式(1)中，M0表示決策單元在t 期和t+1 期的TFP 變化率，若M0大于1，表明從t 到t+1 期TFP 提高，反之則表明從t 到t+1 期TFP 降低。(xt，yt)、(xt+1，yt+1)分別為決策單元在t 期和t+1 期的投入量和產出，D0t和D0t+1分別表示以t 時期和t+1 時期為基準點的產出距離指數。

Malmquist 指數可分解為技術進步變化(TC)和技術效率變化(EC)兩部分，即M0=EC×TC，二者計算公示分別如下：

EC、TC 值大于1 表示技術效率改善或技術進步，EC、TC值小于1 表示現有技術利用未達到理想狀態。

在規模效率可變情境下，EC 可進一步分解為純技術效率變化(PE)和規模效率變化(SE)，即EC=PE×SE。限于篇幅，二者計算公式不在此列示。

2.核密度模型

核密度估計是一種在給定樣本集合下求解隨機變量分布密度函數的非參數估計方法，能夠通過平滑曲線對樣本運動演變進行直觀描述[17]。故而，本次研究選用核密度估計模型對智能制造業綠色全要素生產率演變態勢進行分析。假設Xi為隨機變量，其密度函數為f(x)，則對應點x 的概率密度函數為：

上式中，N為觀測值個數，Xi為獨立同分布的觀測值，h為平滑參數或帶寬。值得注意的是，核密度估計是否準確的關鍵在于h（帶寬）的選擇，它不僅決定著核密度估計精度還決定著曲線平滑程度。h（帶寬）越大，則核密度函數f(x)越光滑。K(·)為核函數，文章選用高斯核密度函數進行估計。

3.全局空間自相關分析

莫蘭指數可直觀描述觀測對象在整個空間范圍內的集聚狀況[18]。文章選定莫蘭指數對中國智能制造業綠色全要素生產率的全局空間自相關關系進行度量，計算公式如下：

式(5)中，I代表全局Moran's I 指數，當I＞0 時，表示中國智能制造業綠色全要素生產率增長呈現空間正相關；當I＜0 時，表示中國智能制造業綠色全要素生產率增長呈現空間負相關；當I=0 時，表示中國智能制造業綠色全要素生產率增長呈現空間隨機分布。Wij是測度主體i 與j 的空間權重矩陣。

4.馬爾可夫鏈模型

考慮到全局空間自相關指數僅能反映數值整體空間分布情況，無法對地區內部空間集群特征進行深入刻畫，也無法直觀描述空間集群時間演變歷程。故此，文章構建傳統馬爾可夫鏈與空間馬爾可夫鏈，用以研究智能制造業綠色全要素生產率增長的時空演變規律及其在空間的趨同效應。

（1）傳統馬爾可夫鏈

傳統馬爾可夫鏈在應用過程中需將智能制造業綠色全要素生產率增長指數離散為k 種類型，通過計算各類型轉移概率分布以近似推斷智能制造業綠色全要素生產率演變的整個過程。為獲得穩健的研究結論，本次研究擴展構建基于多個年份的傳統馬爾可夫轉移概率矩陣。矩陣元素計算公式如下：

（2）空間馬爾可夫鏈

空間馬爾科夫鏈是傳統馬爾科夫鏈和“空間滯后”概念結合的產物[19]。一個區域的“空間滯后”就是該區域周邊地區屬性值的空間加權平均，計算公式為：

式(7)中，yb為b 地區的變量數值，wab為權重矩陣W 的元素。文章采用公共邊界原則確定空間權重矩陣，如下所示：

由此，空間馬爾可夫轉移概率矩陣將傳統馬爾可夫矩陣分解為k 個k×k 的條件轉移概率矩陣。矩陣元素(k)表示在條件k 下，a 區域在t 年屬于i 類型而在t+d 年份轉移為j 類型的空間轉移概率。

三、指標選取與數據來源

1.指標選取

當前學術界對智能制造業所涵蓋的具體行業領域并沒有統一概念，難以直接獲取智能制造業發展數據。因此，文章借鑒王媛媛、張華榮(2016)[20]的研究，以自動化儀器儀表、智能控制系統、工業機器人、3D 打印設備、數控機床等智能制造細分行業綜合考察智能制造業綠色發展狀況。同時參考張優智、喬宇鶴(2022)[21]的研究，選取上述智能制造業細分行業銷售產值總額、污染排放總量為產出指標，能源、勞動以及資本投入作為投入指標。其中，智能制造業銷售產值總額需利用價格指數進行平減；污染排放總量通過“智能制造業銷售產值/工業總產值×工業SO2排放量”測算；能源投入采用年末各省份智能制造業能源損耗量衡量，數據通過“智能制造業銷售產值/工業總產值×工業終端能源損耗量”間接得到；勞動投入指標通過年末各省份智能制造業就業人數衡量；資本投入指標為各地區智能制造業固定資產投資額，亦需利用價格指數進行平減。

2.數據來源

2010 年《國務院關于加快培育和發展戰略性新興產業的決定》中首次提及智能制造裝備概念，并將智能制造業作為長期發展重點。故而文章以2011 年作為測算智能制造業綠色全要素生產率增長基期，研究時間跨度設為2011—2020 年，樣本設為30 個省份（不含西藏及港澳臺地區）。與此同時，為精確刻畫不同地區智能制造業綠色全要素生產率增長差異，依據國家統計局標準，將30 個省份劃分為東、中、西部三大地區。研究所涉數據主要來源于歷年《中國統計年鑒》 《中國工業統計年鑒》等權威數據以及各省份公布的統計報告。對于少數缺失數據，采用線性插補法予以補充。

四、實證結果與分析

1.智能制造業綠色全要素生產率測度

將各省份智能制造業相關投入產出指標數據代入Malmquist指數模型中，利用DEAP2.1 軟件進行測算，結果見表1。

表1 2011—2020 年各省份Malmquist 指數變化及其分解

表1 中匯報了2011—2020 年中國30 個省份智能制造業Malmquist 指數及分解均值。可以發現，樣本期內，30 個省份中所有省份智能制造業綠色全要素生產率均實現了正增長，其中有20 個省份的智能制造業綠色全要素生產率增長率超過了全國平均水平，包括河北、內蒙古、遼寧、吉林、湖南等省份。這表明中國智能制造業綠色全要素生產率增長態勢良好。進一步分析綠色全要素生產率各內部指標的變動情況可以發現，技術進步的平均增長率為9.2%，技術效率的平均增長率為1.1%。這說明技術進步是推動智能制造業綠色全要素生產率提升的核心驅動力。就技術效率的2 個子指標而言，純技術效率平均增長率為1.2%，而規模效率出現了負增長，平均增長率為-1.6%，這意味著純技術效率是改善技術效率的主要推動力。

通過梳理與整合表1 數據可得2011—2020 年全國及東、中、西部地區各年份智能制造業Malmquist 指數及其分解數值。就全國層面而言，觀測期內除2011 年全國智能制造業的綠色全要素生產率出現了負增長，其他年份均為正增長，平均增長率高達10.7%。這一現象說明2011 年以來，中國智能制造業發展態勢整體向好，智能制造水平持續提升。進一步分析可知，2011—2020 年間中國智能制造業技術進步增長率由2.1%變為14.1%，提升了12%，而技術效率增長率由-2.6%變為-7.2%，下降了4.6%，這表明技術進步始終在智能制造業綠色全要素生產率增長過程中發揮核心驅動作用。就地區層面而言，東、中、西部三大地區智能制造業綠色全要素生產率增長速度存在差異性。2011—2020 年東部地區智能制造業綠色全要素生產率的年均增長速度為8.1%，中部地區為17.6%，西部地區為16.6%?？梢园l現，中、西部地區智能制造業綠色全要素生產率增長速度快于東部地區，表明近年來中、西部地區智能制造業發展更為迅猛。上述研究雖然能夠較為詳細地刻畫智能制造業綠色全要素生產率靜態分布規律，但是難以準確細致地揭示中國智能制造業動態演變收斂特征以及趨勢。故而基于上述測度與分解得出的各項指標數據，進一步對智能制造業綠色全要素生產率的時空動態演變展開研究。

2.智能制造業綠色全要素生產率增長的時序動態演變分析

（1）核密度估計

文章將研究時段均等分為3 份，選取2011 年、2014 年、2017 年和2020 年的智能制造業Malmquist 指數累積值為樣本，采用核密度模型估計其密度分布（見圖1）。其中，坐標橫軸表示智能制造業Malmquist 指數，縱軸表示核密度。

圖1(a)為全國范圍智能制造業Malmquist 指數的核密度曲線。由該圖可知：一是智能制造業綠色全要素生產率核密度曲線均呈右偏，有較多省份智能制造業綠色全要素生產率小于全國均值；二是4 個代表年份的智能制造業綠色全要素生產率核密度曲線波峰高度不斷降低，這表明全國范圍內智能制造業綠色全要素生產率差距逐漸增大；三是2011 年核密度曲線由一個主峰和兩個側峰組成，2014 年兩個側峰趨于平緩，2017 年和2020 年均向單峰分布形式轉變，且主波峰與次波峰間距逐年減小，表明智能制造業綠色全要素生產率演變過程中的“兩極分化”效應在逐漸減緩。

圖1 全國及東、中、西部地區智能制造業綠色全要素生產率核密度估計

圖1(b)、(c)、(d)分別為東、中、西部地區智能制造業Malmquist 指數的核密度曲線。分析圖像可以發現，東、中、西部三大地區核密度曲線具有高度相似性。其中，東部地區核密度曲線寬度逐漸變大、高度逐漸降低、尾部明顯拉長。這表明東部地區各省份智能制造業綠色全要素生產率增長幅度差異增大。中部地區智能制造業Malmquist 指數的核密度曲線寬度呈現先變窄、而后逐漸變大的趨勢，這表明中部地區各省份智能制造業Malmquist 指數差距在2011—2014 年間逐漸縮小，2014年以后又逐漸變大。究其原因可能在于，伴隨國家對中部地方落后省份在經濟、政策、技術等方面的支持力度不斷加大，中部地區各省份智能制造業綠色全要素生產率增長速度得到顯著提升，其內部差距逐漸縮小。西部地區智能制造業Malmquist 指數的核密度曲線波峰寬度在2011—2017 年間增大，2017 年之后無明顯變化，說明2017 年之前西部地區各省份智能制造業綠色全要素生產率增長幅度具有較大差異，而在2017 年后西部地區各省份智能制造業綠色全要素生產效率增長幅度趨于均衡。

（2）馬爾可夫鏈分析

文章以2011—2020 年中國30 個省份智能制造業Malmquist指數累積值作為樣本數據，在不考慮年份差異影響的情況下，采用四分位數方法確定1.061、1.095 和1.104 為分類閾值。由此，各省份智能制造業綠色全要素生產率可分成四種水平狀態，分別是低水平狀態（0，1.061]、中低水平狀態（1.061，1.095]、中高水平狀態（1.095，1.104]、高水平狀態（1.104，+∞），并依次用H、MH、ML 和L 表示。在此基礎上，用傳統馬爾可夫鏈模型測算不同時長內各水平狀態間的轉移概率矩陣，如表2 所示。

根據表2，可具體剖析中國智能制造業綠色全要素生產率增長的時序動態演變情況。

表2 中國智能制造業綠色全要素生產率分布狀態的傳統馬爾可夫鏈測算結果

第一，無論考察時長是多久，轉移概率較大的數值均在矩陣對主角線上。這說明在1 年、2 年或3 年時長下，中國智能制造業綠色全要素生產率分布狀態轉移情況較為穩定。

第二，智能制造業綠色全要素生產率向下或者向上轉移超過一種狀態類型的概率偏低，即智能制造業綠色全要素生產率難以跨狀態轉移。具體來說，僅有考察時長為3 年時，中國智能制造業綠色全要素生產率分布狀態存在跨狀態轉移，表現為低水平狀態向中高水平狀態轉移，轉移概率為1.1%。

第三，在期初智能制造業綠色全要素生產率是高水平狀態的省份，1 年后依然處于原狀態的概率是96.7%，2 年后是96.8%，3 年后是97.5%。而低水平狀態省份經過發展后，依然處于原狀態的概率分別為72.3%、71.7%、69.5%?？梢姡悄苤圃鞓I綠色全要素生產率增長的動態演進過程存在一定兩極分化現象，即強者越強，弱者越弱。

第四，當考察時長為1 年時，L、ML 和MH 向上轉移的概率分別是27.7%、15.8%和7.2%。當考察時長為2 年時，L、ML 和MH 向上轉移的概率分別是28.3%、19.1%、8.5%。當考察時長為3 年時，L、ML 和MH 向上轉移的概率分別是30.5%、21.6%和9.1%。可見，考察時長越長，偏低水平狀態的省份向上轉移概率越大。

3.智能制造業綠色全要素生產率增長的空間格局演變分析

（1）全局空間自相關分析

若想探究智能制造業綠色全要素生產率增長幅度在空間層面的動態演進特征，需先研判其全局空間自相關性。將智能制造業Malmquist 指數的各項指標代入式(5)中，得到各年份智能制造業綠色全要素生產率增長的全局莫蘭指數（見表3）。

表3 智能制造業全要素生產率的Moran's I 指數值及其相關統計指標

如表3 所示，研究期內Moran's I 指數值均大于零，并且除前2 年P 值顯示僅通過5%的顯著性檢驗外，其余觀測年份都在1%上顯著。這說明從空間分布來看，智能制造業綠色全要素生產率增長會出現明顯的相似水平空間集聚現象。另外，2011—2020 年中國智能制造業綠色全要素生產率增長的空間格局演變大致可劃分為兩個階段：第一階段為2011—2014 年，該階段智能制造業綠色全要素生產率的Moran's I 指數值呈現平穩上升趨勢，各省份間集聚水平逐步強化；第二階段為2015—2020 年，該階段Moran's I 指數值“下降、上升”趨勢不斷交替演變，各省份的智能制造業綠色全要素生產率增長的空間集聚效應波動不斷增強。綜合來看，各省份空間自相關性在考察期內持續增強。

（2）空間馬爾可夫鏈分析

空間自相關分析表明，中國智能制造業綠色全要素生產率增長呈現出顯著的空間自相關性，即某地區智能制造業綠色全要素增長受到相鄰地區綠色全要素生產率水平影響。文章將進一步探究這種影響如何對智能制造業綠色全要素生產率增長的動態演變產生作用。文章將空間滯后條件設定為相鄰地區智能制造業綠色全要素生產率增長水平，并以此搭建空間馬爾可夫鏈轉移概率矩陣（表4）。

表4 空間馬爾可夫鏈轉移概率矩陣

由表4 可知，空間滯后類型對智能制造業綠色全要素生產率演變有重要影響，不同空間滯后類型對不同分布狀態下智能制造業綠色全要素生產率轉移概率的影響各不相同。具體表現為：

第一，對于低水平狀態省份來說，在不考慮空間作用時，這些地區有27.7%的概率由低水平狀態往上轉移；在考慮空間作用且面臨低、中低、中高和高水平狀態鄰居時，這些地區分別有38.4%、45.5%、48.1%、0%的概率往上轉移。可見，前三類狀態鄰居均提升了低水平狀態省份往上轉移的概率，而高水平狀態鄰居則具有負面影響。

第二，對于中低水平狀態省份來說，在不考慮空間作用時，這些地區有15.8%的概率由中低水平狀態往上轉移；在考慮空間作用且由低到高面臨四類狀態鄰居時，這些地區有17.3%、23.2%、35.7%和37.6%的概率由中低水平狀態往上轉移。可見，在四種空間滯后類型影響下，中低水平狀態地區智能制造業綠色全要素生產率增長向上轉移的概率均有所增加。

第三，對于中高水平狀態省份來說，在不考慮空間作用時，這些地區有7.2%的概率由中高水平狀態往上轉移；在考慮空間作用且由低到高面臨四類狀態鄰居時，這些地區有5.2%、8.3%、8.6%和9.1%的概率由中高水平狀態往上轉移。可見，對于中高水平狀態的省份來說，面臨中低、中高與高水平狀態鄰居時可增大向上轉移概率，面臨低水平狀態鄰居時會降低向上轉移概率。

第四，對于高水平狀態省份來說，在不考慮空間作用時，這些地區有3.3%的概率由高水平狀態往下轉移；在考慮空間作用且由低到高面臨四類狀態鄰居時，這些地區有6.8%、0、0、0 的概率由高水平狀態往下轉移?？梢?，當高水平狀態的省份面臨高水平狀態鄰居時，容易發生惡性競爭，進而增加往下轉移的概率。

五、結論與建議

文章采用基于DEA 的Malmquist 指數模型對中國各省份智能制造業綠色全要素生產率變化情況及其分解進行測度，并通過核密度與馬爾可夫鏈分析中國智能制造業綠色全要素生產率增長的時空演變規律。結果顯示：一是考察期內中國各省份的智能制造業綠色全要素生產率整體呈現上升態勢，推動中國智能制造業綠色全要素生產率增長的核心驅動力是技術進步；二是各代表年份智能制造業綠色全要素生產率的核密度曲線出現了不同程度的右偏態勢，且隨時間不斷推移，波峰高度不斷降低；三是中國智能制造業綠色全要素生產率分布狀態具有一定的穩定性，即跨狀態轉移概率不高。通過增加考察時長發現，智能制造業綠色全要素生產率增長的動態演變呈現出兩極分化現象，即“強者越強、弱者越弱”，且處于較低水平狀態的省份轉移到更高級別發展狀態的概率有所增加；四是不同空間滯后類型對不同狀態下智能制造業綠色全要素生產率轉移概率的影響各不相同。

基于以上結論，提出如下針對性建議：第一，培育“綠碳”優勢智能制造業集群。智能制造業發達的東部地區應與周邊地區聯合組建產業集群，以點帶面增強區域智能制造業綠色全要素生產率，發揮規模化發展的正向促進效應。中部地區應結合本地區資源、社會現實情況，以“綠碳”為導向升級智能制造業結構，進而改善智能制造業綠色全要素生產率。西部地區應加大智能制造業集群規模，積極承接其他地區的智能制造業轉移，持續提升低碳智能產品開發能力、生產制造能力與綜合管理能力。第二，加強智能制造業“綠碳”技術競爭力。智能制造業應以升級“綠碳”技術為關鍵突破口，大力發展新一代信息技術、生物安全等戰略性新興產業，進一步提高智能制造業的低碳化管理與生產效率。政府應鼓勵智能制造企業積極研發新型“綠碳”技術，及時發布技術突破引導政策，推動先進管理方式與技術研發流程對智能制造業綠色全要素生產率增長作出貢獻。各狀態等級地區均應重視引入和吸收前沿“綠碳”技術，加快將技術優勢轉變為智能制造業綠色發展動能。第三，打造智能制造業“綠色品牌”領軍企業。各地區應根植于本地市場基本情況，快速打造出具有本土特色的智能制造業“綠色品牌”領軍企業，再引導其輻射帶動周邊地區智能制造業企業“綠色品牌”發展，形成區域“綠色品牌”規?；l展態勢，為智能制造業綠色發展貢獻力量。同時，各地區應加速智能制造業“綠色品牌”領軍企業之間的資源循環流動速度，提升“綠色品牌”要素配置效率，最大化發揮領軍企業的輻射帶動作用。