中国制造业生产效率测度及时空演变特征研究

郭晨光

(合肥工业大学 经济学院，合肥　230601)



中国制造业生产效率测度及时空演变特征研究

郭晨光

(合肥工业大学 经济学院，合肥230601)

摘要：基于JLMS思想推导了分离公式，并运用面板三阶段DEA模型测算了我国2000-2012年省级制造业生产效率；通过构造“GE”矩阵，分析了生产效率的时空演变特征。研究表明：创新环境和对外开放度是提高制造业生产效率的有利因素；东、中、西部制造业生产综合技术效率的差距并非由纯技术效率主导，而主要源于规模效率；制造业生产效率的演变特征呈现较强的地域性聚类。对此，提出了提升我国制造业生产效率的政策建议。

关键词：制造业；生产效率；三阶段DEA；管理无效率；分离公式

一、引言

国际金融危机后，为了缓解就业压力及应对“产业空心化”，美国政府提出再工业化战略，发出向实体经济回归的重要信号[1]。受政策影响，部分外资企业逐步撤销在华投资，国家统计局数据显示2012年和2013年我国制造业实际利用外资额连续两年出现下降趋势。美国再工业化战略加剧了我国制造业在国际市场上面临的竞争压力[2]，同时也表明制造业是大国经济的基石。对于中国而言，我们唯有实现制造业的发展壮大，才能夯实实体经济的基础。那么，伴随着国民经济的扩张和发展，我国制造业生产能力处在什么样的水平？生产能力存在什么样的变化趋势？这种变化的内在机理又是什么？作为反映制造业生产能力的重要指标——生产效率便引起了国内外学者的关注。

目前，对制造业生产效率的研究主要集中在单个制造业行业上。文献[3](见本文后参考文献列表，下同)分析了台湾PCB制造企业的生产效率；文献[4]采用我国2007-2010年29个制造业行业数据，研究发现纺织品制造业生产效率最高；文献[5]基于三维视角分析了我国医药制造业的生产效率；文献[6]分析了我国八大经济区域四大类制造业的生产效率。然而，我国制造业总体生产效率如何？各区域存在什么样的差距？生产效率变动呈现何种规律，其内在机理又是什么？解答这些问题，可以为政府制定相应的政策提供依据。有鉴于此，本文采用我国2000-2012年省级制造业面板数据，运用面板三阶段DEA模型，以准确测算各省市制造业生产效率并分析其演变特征。

二、模型介绍

1．三阶段DEA模型

三阶段DEA模型是由Fried等[7]提出的一种效率测度方法，模型分为三个阶段：第一阶段为传统DEA模型分析，基于原始投入产出数据评价决策单元效率；第二阶段为SFA模型分析，探讨环境因素对生产效率的影响；第三阶段是对调整后的投入产出变量再次进行DEA模型分析，得到剔除环境因素和随机因素后决策单元的生产效率。

2.管理无效率分离公式的分歧与推导

将第二阶段的管理无效率从混合误差项中分离出来是运用模型的重要步骤，Fried等并没有给出分离公式，只是说明可根据文献[8]的思想(简称JLMS方法)推导。文献梳理发现，国内学者在运用三阶段DEA模型时，对分离公式的形式存在较大分歧。文献[9]和文献[10]曾指出国内一些学者估计管理无效率时误用了公式，然而遗憾的是，两位学者并没有给出该公式的推导步骤，问题悬而未决。

为了彻底消除分歧，本文借鉴JLMS方法思想推导了该分离公式，本文推导公式与文献[9]给出的公式一致。

设ε=v+μ是混合误差项，其中v～N(0,σv)是随机误差项，表示随机因素对投入松弛变量的影响； μ是管理无效率，表示管理因素对投入松弛变量的影响，假设其服从在零点截断的正态分布，即 μ～N+(0,σμ)。v、μ相互独立，其联合密度函数如下：

(1)

μ、ε联合密度函数如下：

(2)

然后，由卷积公式得到，

(3)

其中，λ=σμ/σν。

接着，得到管理无效率的条件概率密度函数如下：

(4)

最后，管理无效率的期望如下：

(5)

三、变量选取和数据来源

1.投入产出变量

现有研究大多选取制造业总产值、增加值、主营业务收入、利润等指标作为产出变量，同时从“人财物”三个角度选取投入变量。借鉴现有研究成果，本文选取的产出变量包括各省制造业工业总产值、利润总额，投入变量包括劳动力投入、资本投入、能源投入。

2.环境变量

环境变量选取对制造业生产效率有影响而决策单元不能控制的因素，主要包括：

(1) 创新环境 虽然制造业是劳动密集型行业，但科技创新无时无刻不影响着产业发展的步伐。文献[3]和文献[11]把科研费用作为一项投入变量，这种做法固然合理，却无法挖掘企业创新对生产效率影响的信息。本文将创新视为环境变量，并通过SFA回归度量创新对松弛变量的影响，进而评价创新对生产效率的影响。

我们还对企业创新的边界进行了适当的扩宽，现有文献大多以R&D投入强度衡量创新程度，然而企业的创新不仅仅体现在生产阶段，管理理念、营销思维创新也应作为创新的一部分，因此选用各地区新产品销售收入占主营业务收入比值衡量创新环境。

(2) 经济发展水平 经济发展水平高的省份可以集聚优质资源，为制造业生产吸引优秀人才和先进管理经验，有利于生产效率的提高。本文以各省人均GDP衡量经济发展水平。

(3) 市场化水平 市场化水平表明企业之间能否自由竞争，资源配置是否有效。本文以民营企业固定资产投资占总投资的比重衡量当地的市场化程度。

(4) 对外开放度 对外开放度度量一个地区经济融入全球经济的程度，会在很大程度上影响一个地区的生产效率。遵循通行做法，本文以外贸依存度衡量对外开放度，即进出口总额与GDP的比值。

3. 数据来源与同向性检验

本文采用我国大陆地区31个省份的2000-2012年制造业面板数据进行生产效率及其时空演变特征的分析，由于西藏存在数据缺失，未包含在样本范围内。现阶段我国还没有发布各省市制造业投入产出的相关数据，考虑到数据的可得性和连贯性，选取制造业具有代表性的21个大类 ，数据来源于《中国工业统计年鉴》《中国能源统计年鉴》，人工汇总得到各省市制造业投入产出变量的相关数据。环境变量数据来源于《中国科技统计年鉴》《中国统计年鉴》。经检验，投入变量与产出变量符合“同向性”假设。

四、实证分析

1．第一阶段：DEA-BCC实证结果

运用DEAP2.1软件对我国2000-2012年省际制造业生产综合技术效率(TE)、纯技术效率(PTE)、规模效率(SE)进行测算，未剔除环境因素和随机因素的情况下，2000年我国制造业生产综合技术效率均值是0.696，纯技术效率均值是0.761，规模效率均值是0.913。随后综合技术效率经历短暂的下降后持续增长，2012年达到0.839，这种增长主要源于纯技术效率的增长，规模效率变化不大。分区域来看，东部地区效率值最高，并在2000-2005年间出现较大的波动，2005年以后基本稳定；中部地区效率值其次，西部地区效率值最低，不过中西部地区效率有明显的增长趋势，且东西部之间的差距逐年减小(如下页表1)。

表1　2000-2012年制造业生产综合技术效率及地区对比

2. 第二阶段：面板SFA回归

借鉴文献[12]的研究，第二阶段采用面板SFA回归分析第一阶段的投入松弛变量。运用Frontier4.1软件得到SFA回归结果(如表2所示)，由该表可知，三个松弛变量方程中γ值均在0-1之间，且在1%显著性水平上显著，说明管理因素和随机因素对制造业生产效率都有影响。下面逐一分析环境变量对投入松弛变量的影响。

表2　第二阶段面板SFA回归结果

注：***、**、*分别表示在1%、5%、10%显著性水平上显著。

(1)创新环境 对固定资产净值、能源消耗松弛变量的回归系数为负，且能源消耗松弛变量在1%显著性水平上显著；对从业人数松弛变量的回归系数为正，且在5%显著性水平上显著。说明创新环境通过不同途径对生产效率产生不同的影响。首先，技术创新、管理理念创新有利于减少物料的消耗，降低能源的投入。其次，技术创新增加制造业从业人数，因为传统制造业是劳动密集型行业，较少存在人员冗余，在增加研发人员投入的同时，很难裁减生产线工人。总体来说，创新环境是制造业生产效率提高的有利因素，与理论预期一致。

(2) 经济发展水平 对三个投入松弛变量的回归系数均为正，而且固定资产净值、能源消耗松弛变量通过了10%显著性水平的检验。表明经济发展水平越高，投入浪费越大，反而不利于生产效率的提高，与理论预期不符，但是与文献[11]的结论一致。原因可能是经济发展会造成企业家投资冲动，企业家们往往认为扩大生产规模就能实现更高的收益，但盲目投资往往演变成粗放式增长，对生产效率的作用适得其反。

(3) 市场化水平 对能源消耗松弛变量的回归系数为正，且通过1%显著性水平检验；对固定资产净值、从业人数松弛变量的回归系数为负，且从业人数松弛变量在1%显著性水平上显著。说明民营企业在能源获取方面存在劣势，但在企业经营管理、员工选用方面具备较大的灵活性。

(4) 对外开放度 该变量对三个投入松弛变量的回归系数均为负，且都在1%显著性水平上显著。说明对外开放程度越高，越有利于制造业生产效率的提高，与理论预期一致。

3. 第三阶段：调整后DEA实证结果

根据第二阶段的结果调整投入变量，再次运用DEAP2.1软件得到调整后各省制造业生产综合技术效率、纯技术效率、规模效率。分区域来看，东部地区的综合技术效率高于中部，西部地区最低；东部地区效率值有降低的趋势，中、西部效率值有增加的趋势且中部增加幅度更大。东、中、西部综合技术效率的差距并非由纯技术效率主导，而主要源于规模效率(如图1所示)。说明我国制造业还没有完全走出依靠大规模生产提高生产效率的传统发展路径，各省制造业的技术运用和创新没有明显差异；同时解释了东、中、西部综合技术效率不同走势的原因，即近年来，东部地区面临越来越大的环保压力和工资成本，向中西部地区转移了大量的制造业，增加了中西部地区的产业规模，从而提高了中西部地区的生产效率。此外，如图1-PTE所示，东、中、西部地区纯技术效率在2008年出现了严重的下跌现象，下跌幅度远远大于技术效率和规模效率的下跌幅度(如图1-TE和图1-SE所示)，可见国际金融危机对我国制造业的产出造成了较大的负面影响，不过随后迅速回到正常水平，体现了我国制造业对外部冲击具有较强的自我调节能力。

图1　2000-2012年东、中、西部地区TE、PTE、SE变动趋势图注：横轴表示时间，纵轴表示效率值

为了反映各省市生产效率的变动特征，用横轴表示效率变动情况、纵轴表示初始效率值构造“GE矩阵”，可将我国各省制造业生产效率分为九种类型，各省分布如图2所示。由该图可见，我国省级制造业生产效率的演变特征呈现较强的地域性聚类，即在地域上临近的省份在“GE”矩阵上的位置也比较临近，生产效率的变动特征具备一定的相似性，从侧面说明我国各省市制造业同质化现象比较严重。

分省来看，剔除环境因素和随机因素的影响后，东部地区北京、天津、海南、福建四省市制造业的生产效率明显下降，表明第一阶段的高效率与其运营环境和运气有关，因而并不能真实反映其管理技术水平。广东、山东、江苏几乎每年都位于生产前沿面，与第一阶段相比，变动不大，表明三省管理技术水平确实比较高，该地区制造业生产效率所需改进较少，但要警惕规模效率下降对生产效率造成的冲击。上海、浙江开始处于生产前沿面，不过随后生产效率明显下降，主要是规模效率的降低引发的，说明两省市在不断地向中西部转移制造业，提升生产效率的路径是依托人才、政策和地理位置等优势加大对高端制造业的投入以替代传统制造业的对内转移。

东部地区河北、辽宁与中部地区河南、湖北聚集在初始效率适中、效率明显增加的区域，提升生产效率的路径是重视技术运用和创新。安徽、江西、湖南、山西、吉林、内蒙古聚集在初始效率较低、效率明显增加的区域，提升生产效率一方面要改善外部环境，包括区域创新氛围、市场化水平、对外开放度等，另一方面要提高自身管理水平，加大技术运用和创新。

西部地区贵州、广西、四川、重庆、陕西聚集在初始效率较低、效率明显增加的区域，宁夏、青海、甘肃、新疆聚集在初始效率较低、效率增长趋势并不明显的区域。提升西部地区制造业生产效率要从两个方面入手，一要改善管理技术水平，重视技术运用；二要增加产业规模以提升规模效率，并改善外部经营环境。

图2　第三阶段2000-2012年各省生产效率“GE”矩阵图

五、提高我国制造业生产效率的几点建议

借助三阶段DEA模型在效率测度中的相对准确性，本文测算了我国省级制造业生产效率，并通过构造“GE矩阵”分析生产效率的时空演变特征，研究结论给我们如下几点启示：

第一，环境因素对制造业生产效率存在显著的影响，合理控制环境变量是提高生产效率的可行途径。首先要不遗余力地提升各省市的创新意识，鼓励企业创新；其次要加大对外开放的力度，让各省市制造业尽快融入国际化的大舞台，从对外交流中获取经验；最后切忌因对未来经济形势的乐观而盲目扩大投资。

第二，我国制造业生产效率存在明显的区域性差异，东部地区较好，中部地区其次，西部地区最差。尽管区域间的差距在不断缩小，但仍有必要采取措施提升中西部地区制造业生产效率，引导人才、资金合理地向中西部地区流动，使中西部同样可以运用先进的技术和管理理念为制造业发展服务。

第三，各省市制造业生产综合技术效率的差距主要源于规模效率的差距，说明我国大部分省市制造业发展思路比较传统，注重规模经济而忽视技术运用和创新。因此，鼓励技术运用和创新，给予相应的政策扶持是很有必要的。

第四，制造业生产效率的演变呈现较强的地域性聚类，从侧面反映了比较严重的同质化现象。给我们的启示是，各省市在发展制造业的过程中，要充分利用当地的资源、着力挖掘各自的特色融入发展，进而形成各具特色的制造业产业布局。

参考文献：

[1]李丹.美国再工业化战略对我国制造业的多层级影响与对策[J].国际经贸探索,2013,(6): 4-14.

[2]唐志良,刘建江.美国再工业化对我国制造业发展的负面影响研究[J].对外经济贸易大学学报,2012,(2): 12-20.

[3]Liu S T, Wang R T. Efficiency Measures of PCB Manufacturing Firms Using Relational Two-stage Data Envelopment Analysis [J]. Expert Systems with Applications, 2009, (36): 4935-4939.

[4]Fang K, Hong X, Li S. Choosing Competitive Industries in Manufacturing of China Under Iow-carbon Economy A Three-stage DEA Analysis [J]. International Journal of Climate Change Strategies and Management, 2013, (5):431-444.

[5]徐峰.基于三维视角的中国医药制造业运行效率研究[D].天津:南开大学,2013.

[6]赵萌.中国制造业生产效率评价:基于并联决策单元的动态DEA方法[J].系统工程理论与实践,2012,(6)：1251-1260.

[7]Fried H O, Lovell C K, Schmidt S S, YaisaWarng S. Accounting for Environmental Effects and Statistical Noise in data envelopment analysis [J]. Journal of Productivity Analysis, 2002, (17):121-136.

[8]Jondrow J, Lovell C A K, Materov I S. On the Estimation of Technical Inefficiency in The Stochastic Frontier Production Function Model [J]. Journal of Econometrics, 1982, (19):233-238.

[9]罗登跃.三阶段 DEA 模型管理无效率估计注记[J].统计研究,2012,(4):104-107.

[10]陈巍巍,张雷,马铁虎,刘秋皊.关于三阶段DEA模型的几点研究[J].系统工程,2014,(9) :144-149.

[11]郭亚军.基于三阶段DEA模型的工业生产效率研究[J].科研管理,2012,(11):16-23.

[12]刘自敏,张昕竹,杨丹.我国省级政府卫生投入效率的时空演变[J].中央财经大学学报,2014,(6):97-104.

(责任编辑谢媛媛)

Evaluation of Manufacturing Production Efficiency in China and Spatial-temporal Evolution Features

GUO Chen-guang

(School of Economics, Hefei University of Technology, Hefei 230601， China)

Abstract:In this paper, the separation formula is deduced based on the idea of JLMS. The manufacturing production efficiency at the provincial level in China from 2000 to 2012 is evaluated by using three-stage DEA model. The spatial-temporal evolution features of production efficiency is analyzed by the establishment of “GE” matrix. The results demonstrate that the innovation environment and the degree of openness have positive effect on the manufacturing production efficiency. The gap of the comprehensive technical efficiency(TE) between the eastern, central and western regions in China is mainly caused by scale efficiency(SE) instead of pure technical efficiency(PTE). The homogenization phenomenon of the evolution of manufacturing production efficiency is relatively serious. According to the results, some advices for improving the manufacturing production efficiency in China are proposed.

Key words:manufacturing; production efficiency; three-stage DEA; management inefficiency; separation formula

中图分类号：F830.59

文献标志码：A

文章编号：1008-3634(2016)01-0044-6.5

作者简介：郭晨光(1991-)，男，安徽肥西人，硕士生。

收稿日期：2015-06-03