中国装备制造业全要素生产率时空特征

唐晓华+陈阳

内容提要：基于综合地理距离因素、经济因素和嵌套权重考察装备制造业全要素生产率可能更接近客观事实的认识，本文利用SBM超效率模型，并以邻接、经济、嵌套三种不同空间权重矩阵考察1999-2014年间我国装备制造业全要素生产率的时空分布特征，以此区分我国装备制造业生产效率不同水平的空间集聚特点。结果表明：我国装备制造业全要素生产率在省际层面存在较大差距，且东部地区要远远领先中、西部地区；变化趋势以增长为主要特征，其中，中西部地区明显增长，东部地区出现下降；在邻接和经济权重下具有空间正相关特点，而在嵌套权重下呈现负相关倾向反映出地理因素作用减弱、经济因素作用增强；三种权重表现出略有差异的空间集聚特征，且均具有显著的空间结构化特点。

关键词：装备制造業；全要素生产率；时空特征；空间权重

中图分类号：F260文献标识码：A文章编号：1001-148X（2017）04-0135-08

装备制造业是为国民经济和国防建设提供生产技术装备的制造业，是为国民经济各行业提供技术装备的战略性产业，其生产率发展水平为其他行业的产业升级、技术进步提供重要的保障。从近10年制造业全要素生产率来看，其年均增长率约为2%（毛其淋和盛斌，2013）。

目前，国内对装备制造业全要素生产率的研究十分有限。“地理学第一定律”指出空间观测值都具有一定的空间依赖性与空间自相关特征，而且距离越近的区域观测值之间的依赖性或相关性大于较远区域，因而考察装备制造业的全要素生产率特征时，纳入空间因素将更加贴近客观经济事实。葛鹏飞和黄秀路（2015）利用邻接权重分析了装备制造业技术效率的空间自相关性，研究结果表明，自2006年起，装备制造业各子行业技术效率的空间自相关性逐渐减弱，区域之间行业存在的空间溢出效应发挥不足。现实状况是经济发展水平相似的区域更能够吸收利用资源，呈规模报酬递增状态，因而利用经济因素所获得的权重结果比纯地理距离或邻接权重结果更能够反映客观事实。不过，李婧等（2010）指出，经济发展水平高的空间单元对经济发展水平低的单元会产生更强的空间辐射作用，因而综合地理距离因素和经济因素的嵌套权重更能够接近客观事实。基于此，本文采用邻接、经济、嵌套三种权重形式，探究我国装备制造业全要素生产率的空间集聚特征，以此区分我国装备制造业发展的局域性中心区域与全国性领先区域，为更好地发展产业集聚所具有的空间溢出效应提供理论依据。

一、研究方法与模型

（一）SBM超效率模型

早期用来测算全要素生产率的方法主要是基于经济计量的索洛余值法（SRA）。例如冯梅（2008）运用索洛余值法对我国装备制造业七个子行业1996-2006年的全要素生产率情况进行测算。但是，由于索洛余值法假设太过苛刻，Coelli（1995）认为采用索洛余值法（SRA）测算的全要素生产率（TFP）结果是有偏差的。近年来中外学者研究全要素生产率大多采用随机前沿分析（SFA）和数据包络分析（DEA）。王永保（2007）、刘靖宇和张宪平（2007）、牛泽东等（2012）采用随机前沿分析方法（SFA）测算了我国装备制造业在省际层面的生产效率。由于随机前沿分析（SFA）需要对生产函数形式进行假设，但是生产函数形式因人而异，随机前沿分析（SFA）测算的结果往往差异较大。因而，李星光与于成学（2009）、王欣（2010）、陈爱贞和钟国强（2014）利用数据包络分析法（DEA）的基础（CCR和BCC）和拓展（超效率、Malmquist指数）的模型，从省际、行业、区域等各个层面对我国装备制造业的全要素生产率进行了测算；任曙明和吕镯（2014）利用ACF法测算了我国装备制造业的生产效率，分析了融资约束、政府补贴对装备制造业生产效率的影响程度。

数据包络分析（DEA）是基于决策单元（DMU）间相对比较的非参数技术效率分析方法，其在分析多投入多产出情形中具有独特的优势。但是，在传统DEA模型分析中，往往存在多个决策单元（DMU）被评价为有效的情况，传统DEA地处的效率值最大为1，这些有效的决策单元（DMU）的效率高低无法进行进一步地区分。Andersen和Petersen（1993）提出的“超效率”模型，能够对所有效率值大于1的决策单元（DMU）进行区分。传统DEA模型中并没有考虑投入产出松弛变量可能产生对结果可靠性的影响，因而其效率值可能存在一定的偏差。Tone 提出的非径向的DEA模型-SBM模型，将松弛变量加入目标函数，这使得结果更加具有可靠型。

本文采用基于规模报酬可变（VRS）和非导向（Non-oriented）的SBM超效率模型，不仅能够区分有效决策单元（DMU）之间存在的效率差异，而且还能解决传统模型中对无效率的测量没有包含松弛变量的问题，其模型设定如下：

其中，δ*为决策单元（DMU）的全要素生产率，m、s分别表示投入和产出的松弛量个数，λ为权重向量，xij为第j个省市的i项投入，yrj为第j个省市的r项产出。

（二）空间自相关

由于产业间存在的投入产出联系、区域间形成的专业化劳动力市场共享、区域间的交通通讯技术改善等因素，使得某一区域产业发展明显受到其他邻近区域产业条件的影响，致使产业越来越表现为区域性集聚，而不是单一省市的集聚，从而形成区域间的产业链一体化。为衡量区域之间产业发展的相关程度，采用空间统计中的莫兰指数进行表示。

莫兰指数主要用来解释区域属性值的空间相关性，取值范围为[-1，1]，当Molans I>0时，表示空间正相关，具有相似属性值（高高或低低）的区域空间集聚；当Molans I<0时，表示空间负相关，说明异质性数据（高低或低高）空间集聚；当Molans I=0时，表示不存在空间相关性，属性值处于随机分布状态。Molans I的绝对值大小衡量的是空间相关程度，绝对值越大表示相关程度越大，反之亦然（田毕飞等，2016）。莫兰指数计算公式为：

其中，i和j为空间区域，Molan表示产业的全局莫兰指数（Morans I）；Xi表示区域i的属性值；均值〖AKx-〗的计算公式为

为空间权重，本文将通过三种权重方法以确定莫兰指数。

1.邻接权重。邻接权重分为一阶邻接和高阶邻接两类，一阶邻接的赋值原则是邻接空间区域赋值为1，否则为0。本文将选用一阶邻接权重中的车式（Rook）空间邻接方式，车式（Rook）邻接规则仅把存在共同邻接边界的空间区域定义为邻接单元，形式为：

二、数据来源与变量选取

（一）数据来源

根据数据可获得性、连续性、完整性原则，考虑到西藏、港澳等地区数据缺失严重，选取1999-2014年我国30省市的装备制造業作为研究对象，根据国民经济行业分类与代码（GBT4754-2011），装备制造业包括金属制品业；通用设备制造业；专用设备制造业；交通运输设备制造业①；电气机械和器材制造业；计算机、通信和其他电子设备制造业以及仪器仪表制造业7个二位码行业。本文的装备制造业数据主要是通过加总七个子行业数据获得，根据经济发展水平与地理位置的划分原则，本文将30省市划分为东、中、西部②三个地区。

本文的数据主要来自于《中国工业经济统计年鉴（2000-2012）》和《中国工业统计年鉴（2013-2015）》，研究时间跨度为1999-2014年，个别缺失值采用前后两年算数平均值的方式进行插值处理。

（二）变量选取

本文在借鉴相关研究文献基础之上，选取的投入指标主要为：（1）劳动投入，采用的指标主要是行业全部从业人员平均人数；（2）资本投入，选取的指标主要是固定资产净值和流动资产，以1999年为基期分别利用固定资产投资价格指数和居民消费价格指数对固定资产净值和流动资产进行平减，消除价格因素的影响。由于2012年之后，不再发布工业生产总值指标，因而本文的产出指标选取的是行业工业销售产值，并利用工业企业出厂者价格指数进行平减，以1999年为基期。

三、实证结果与分析

（一）省际全要素生产率分异特征

1.省际差异化特征

利用SBM超效率模型，测度1999-2014年我国30省市装备制造业的全要素生产率，表1给出了计算结果。

由表1可以看出，1999-2014年我国30省市装备制造业的全要素生产率表现出显著的区域差异性，全要素生产率最高的是广东（1184），最低的是黑龙江（0268），前者是后者的442倍，差距显著。从平均值上来看，我国装备制造业的全要素生产率超过1的省市有5个（广东、海南、上海、福建、山东），且主要分布在东部沿海发达地区，这与沿海地区经济发达、产业配套完善、技术先进等原因有关；低于04的有7个（宁夏、陕西、贵州、甘肃、新疆、山西、黑龙江），主要集中于中西部欠发达地区，中西部地区交通不便、地区分割、劳动力素质偏低等因素造成了产业效率落后。

从变化趋势上看，我国30省市装备制造业的全要素生产率以增长为主，其中增长最快的三个省市主要是中西部的青海、重庆、江西，下降幅度最大的来自于东部沿海的海南、上海、浙江三个省市，这说明欠发达地区的产业发展潜力巨大，亟须从政策支持、产业配套能力完善、提升区域协调能力等方面推动装备制造业的效率提升；同时，发达地区的产业效率下降也需要得到重视，积极做好产业转型升级、结构优化、产业转移等方面工作，防止效率水平的进一步下降。从整体上看，我国装备制造业全要素生产率存在较大范围的提升空间，需要采取不同措施保障产业效率提升。

2.全国时间趋势特征

从东中西部来看，由图1可以看出，东部地区装备制造业的全要素生产率要明显高于中、西部地区，且远远高于全国平均水平。东、中、西部地区的全要素生产率分别为0906、0542、0505，由高到低呈现出空间集聚的阶梯状分布，这也说明行业效率水平与经济发展水平有密切的正相关关系。东部地区的效率水平高于中部和西部地区，可能原因是：一方面，东部沿海地区借助于优越的地理位置条件，不断吸引高素质人才流入，使得人力资本质量不断提高，其作为技术知识的载体，是装备制造业效率水平处于领先位置的源泉。同时，东部地区的经济结构、制度创新、社会环境、跨国企业进驻等方面更加先进和逐步完善，为产业发展提供了良好的外部环境。另一方面，相较于东部地区，中、西部地区经济发展水平较为落后、技术条件不足、产业配套不完善、人才流失严重，为了追求经济的发展，地方政府偏向于发展资源密集型产业，削弱了装备制造业发展的政策支持。

从时间变化趋势看，装备制造业全要素生产率表现出明显的特征是：东部地区出现下降趋势，中、西部地区效率明显提升，但与东部还存在较大差距。由图1看出， 2009年之前，国家全方位的改革开放政策，使得东部沿海的开放程度进一步提高，中、西部地区的资本、劳动力不断向东部集中，使得东部地区装备制造业的全要素生产率处于平稳增长时期；但是2009年之后，国家处于经济结构调整、产业转型时期，金融危机的一系列刺激政策使得全要素生产率的提升受到抑制，短期内经济转型升级所带来的资源配置效率提升还不足以抵消经济刺激政策对生产率的抑制作用（李汝资和刘耀彬，2016）。西部地区装备制造业全要素生产率逐渐赶上中部地区，并有超越迹象，这说明在国家西部大开发战略指引下，西部地区装备制造业的要素投入配置效率逐渐合理，技术效率明显提升。中部地区一直受到冷落，装备制造业的全要素生产率有被西部地区超越的倾向，不过随着“新十年中部崛起规划”的即将实施，中部地区的状况必将得到改善。

（二）全要素生产率空间结构特征

1.空间自相关

为深入探究我国装备制造业的时空地理格局，利用上述设定的三种空间权重矩阵，运用公式（2）测算了我国1999-2014年装备制造业全要素生产率的空间莫兰指数，结果如表2所示。

由表2可得，利用邻接权重和经济权重测算的莫兰指数均大于0，这说明我国装备制造业全要素生产率存在正的空间相关性。基于邻接矩阵的测算结果，这说明在局域层面上，我国省际的装备制造业效率水平具有空间集聚特征，水平相似（高高或低低）的省市与周边区域形成了紧密的技术、经济或投入产出的联系，具有典型的局域性的空间溢出效应，局部性的空间依赖效应强烈；基于经济权重的结果即从经济联系视角分析，我国经济发展水平（高高或低低）相似省市的装备制造业全要素生产率具有空间集聚特征，〖JP+1〗经济发展水平相似省市形成了紧密的投入产出、劳动力市场共享、技术知识溢出等方面的联系，使得相互间的产业依赖性增强，产业通过经济纽带形成了溢出效应。

地理学第一定律指出，地理属性值在空间上具有相关性，且距离越近相关性越强。嵌套权重摒弃了经济权重中Wij=Wji条件，即经济发展水平不同省份间的交互作用是对等的。嵌套权重结合了地理距离因素和经济因素，利用嵌套矩阵计算的莫兰指数，结果全为负值，这与纯粹考虑邻近性原则的邻接矩阵和经济因素的经济矩阵结果截然相反。嵌套矩阵的结果显示我国装备制造业全要素生产率存在负的空间相关性，省际间的装备制造业全要素生产率异质性（高低或低高）更为明显。这说明地理因素和（或者）经济因素的作用发生变化。其中，经济发展水平高的区域对发展水平低的区域具有更强的影响和辐射作用，但是随着地理距离的增加，辐射作用将会减弱。随着省市间地理距离的增加，省际间的装备制造业的投入产出、技术知识溢出等联系纽带作用将会下降，这就会导致装备制造业全要素生产率在省际间的空间依赖性较弱与空间溢出效应不足，形成空间异质性（高低或低高）聚集的分布格局。

从演变趋势上看，利用不同权重测算的中国装备制造业全要素生产率空间莫兰指数的演变趋势各有特点。首先，邻接权重结果呈现下降趋势，这表明1999-2014年期间我国装备制造业全要素生产率通过地理邻接关系发生产业联系下降，装备制造业生产效率提升已经不纯粹依靠局部性的劳动分工、价值链融合，地理邻接区域的要素禀赋、技术溢出等因素不足以支撑产业间联系，装备制造业发展需要寻找新的联系纽带去形成分工合作；其次，经济权重的结果出现波动上升迹象，这表明区域间经济联系在装备制造业全要素生产率提升过程中的纽带作用正在不断加强，产业的空间地理布局更加依赖经济发展相似性、产业互补性，而不单单依靠地理邻接因素。经济因素作用的加强，这主要来源于经济发展水平相似的区域能够充分吸收与利用生产要素，形成价值链互补，更能实现隐形知识的传播与交流；嵌套权重的结果表现出平稳特点，这说明我国装备制造业生产效率水平高的省市在带动低水平区域过程中，技术溢出效应、产业关联作用等空间经济联系作用发挥不足，使得产业发展不均衡局面还未打破。2009年之后，三种权重测算的莫兰指数均出现波动，其中邻接权重和经济权重出现下降，嵌套权重出现上升，这可能是由于金融危机的一系列刺激政策使得装备制造业全要素生产率的提升受到抑制，省际间短期的投资刺激政策跨越产业关联性作用，导致产业发展的空间地理布局受到一定影响。

2.不同权重类型下空间集聚特征

由图2可知，在三种不同权重的空间集聚图中，北京和天津成为我国装备制造业全要素生产率高高区域，这说明不管是基于邻接权重的局域视角还是通过经济权重或嵌套权重探讨的宏观层面，区域一体化水平较高的京津冀地区的北京和天津两市都成为我国装备制造业生产效率领先区域。北京和天津能够成为效率中心区域得益于以下原因：首先，2014年通过的《京津冀协同发展规划纲要》使得京津冀协同发展成为国家战略，在中央层面统一规划协调机制下，三省立足自身产业基础逐渐形成互补性强、专业化程度高的产业结构体系，使得区域间的“虹吸效应”逐渐转变为“辐射带动作用”；其次，京津冀三省功能定位明确，区域分工逐渐趋于有序化，比如，北京在技术密集型行业优势显现，天津则侧重发展劳动和资本密集型行业，而河北加快发展资本和技术密集型行业，功能互补、错位发展的产业结构有效提升了京津冀地区要素配置的效率；最后，良好的社会基础条件、数量众多的科技研发机构和高素质的劳动力资源等社会环境因素，推动着京津冀地区的产业发展。处于成渝经济圈和长三角经济圈中间地理位置的湖北成为唯一一个在三种权重条件下效率水平低低区域，两大经济圈所产生的“虹吸效应”逐渐吸引湖北地区的要素流失，导致装备制造业生产效率下降。

从不同权重结果来看，邻接权重结果表明，装备制造业全要素生产率“高高”和“低低”区域形成了典型的空间片状集聚，空间正相关③特征明显；高高集聚区主要集中于山东、江苏、上海、浙江、广东等东部沿海地区，而中西部地区的大部分省市成为低低集聚区，具有典型的局域性空间结构化布局特点；东北地区的吉林、西部地区的青海、成渝经济圈的重庆成为各自局域的高水平区域，成为装备制造业发展的局域“热点”区域；而广西、湖南、江西、河北和黑龙江成为高水平发展地区背景下的“冷点”区域。

当考虑经济发展相似更能够引起隐性知识传播与交流时，本文利用经济权重考查经济相似性的影响。從图2（b）来看，“高高”和“低低”区域变化不大，东部沿海地区作为我国对外开放的前沿，借助优越的地理位置大量吸收外资，利用相对低廉的劳动力、完善的基础设施以及数量众多的科研机构，使得装备制造业不仅在区域层面成为高水平集聚，在全国范围来看，其也是装备制造业发展的领先区域；中西部地区的“低低”区域省市由于地理位置限制、产业投资不足、基础设施欠缺等因素，无法将其丰富资源优势全部转化为经济优势，装备制造业发展受到阻碍，成为装备制造业发展的落后地区；青海、重庆、吉林依然是发展的“热点”区域，而“冷点”区域有所变化，广西、四川、内蒙古、辽宁成为冷点区域；从全国范围来看，我国装备制造业全要素生产率依然呈现出典型的正的空间相关性④，空间分布的结构化特征显著。

对于现实状况更加接近的是经济发展水平高的地区对低水平地区产生更强的辐射作用和空间溢出效应，因而采用嵌套权重的结果如图2（c）。利用嵌套权重获得莫兰指数⑤表明，我国装备制造业全要素生产率呈现典型的空间异质性。青海、重庆、北京、天津、吉林成为高高区域，形成了空间“点”发展模式，但是并未带动周边地区形成集聚区；广西、湖南、湖北、江西成为“低低”集聚区，联结成空间“带”状；但对于东部沿海地区省市而言，其成为典型的“热点”区域，其对经济发展水平较低或地理距离较远的省市的辐射作用有限，产业集聚所特有的溢出效应并未有效得到发挥；其他省市成为“冷点”区域，装备制造业生产效率与其他地区略有差距。

利用不同权重获得的我国装备制造业全要素生产率的空间集聚图可以看出，三种权重表现出略有差异的空间集聚特征。但总体而言，不同权重下我国装备制造业具有显著的空间结构化特点，即H-H、H-L、L-H、L-L四种类型所包含的省市地理分布位置大体一致，不同类型空间地理分布格局具有集聚性特征。

四、结论与建议

在步入“经济新常态”和“工业化中后期”的大背景下，我国面临着经济发展速度放缓、能源利用日趋严峻，此时探讨全要素生产率，将为供给侧改革、增强区域协同发展、转变经济发展方式提供有益的理论基础。本文基于SBM超效率模型，测算了我国装备制造业1999-2014年间全要素生产率，并且利用邻接、经济、嵌套三种空间权重矩阵考察全要素生产率的时空分布特征，以此区分我国装备制造业生产效率不同水平的空间集聚特点，得出以下结论：

第一，从绝对水平来看，1999-2014年期间，我国30省市装备制造业的全要素生产率表现出显著的区域差异性，全要素生产率最高的是广东（1184），最低的是黑龙江（0268），前者是后者的442倍，差距显著。从时间变化趋势上看，我国30省市装备制造业的全要素生产率以增长为主，其中增长最快的三个省市主要是中西部的青海、重庆、江西，下降幅度最大的来自于东部沿海的海南、上海、浙江三个省市。我国装备制造业全要素生产率存在较大范围的提升空间，需要采取不同措施保障产业效率提升。

第二，从东中西分地区来看，东部地区装备制造业的全要素生产率要明显高于中、西部地区，且远远高于全国平均水平。东、中、西部地区的全要素生产率分别为0906、0542、0505，由高到低呈现出空间集聚的阶梯状分布，这说明装备制造业行业效率水平与区域经济发展水平有密切的关系；不过随着时间的推移，东部地区生产效率出现下降趋势，中、西部地区效率明显提升，但仍与东部地区存在较大差距。

第三，从空间自相关来看，利用邻接权重和经济权重测算的莫兰指数大于0，这说明我国装备制造业全要素生产率存在正的空间相关性；而嵌套矩阵的结果为负，说明我国装备制造业全要素生产率存在负的空间相关性，省际间的装备制造业全要素生产率异质性（高低或低高）更为明显；利用不同权重获得的我国装备制造业全要素生产率的空间集聚，三种权重表现出略有差异的空间集聚特征，但是总体而言，不同权重下我国装备制造业具有显著的空间结构化特点。

通过以上实证研究结论，提出以下几点政策建议：

第一，为有效提升装备制造业行业的生产效率，一方面要充分利用产业的空间溢出效应采取适度的非均衡发展战略，另一方面要避免由过度集聚所引发的拥挤效应。从产业生命周期来看，产业不同发展阶段存在与之相适应的产业集聚模式与水平，但是过高或过低的产业集聚均不利于行业生产效率的提升。

第二，适应经济新常态，释放区域隐藏经济资源，最大限度发挥区域间的协同效应。经济新常态下，在地理位置、要素禀赋、区位优势、文化特征等多重因素的影响下，我国区域经济正在经历着由“极化”向“扩散”的过度；区际之间的关系也由“竞争大于合作”的传统观念，向优势互补与合作共赢新常态转变；区域合作逐渐由松散型合作向机制化协同转变，区域经济一体化和梯度发展的新格局正在形成。

第三，发挥企业创新主体作用，提高创新效率。技术进步和技术创新是产业集聚条件下产业持续发展的动力，如何破除制约产业集聚创新效率的各种因素显得尤为重要。首先，引导集聚企业与科研院所合作，支持企业建立技术中心，积极推动以企业为主体、产学研紧密结合、公共服务机构健全的技术创新体系。其次，完善创新体系建设，扫除制度性障碍。制定更多的创新激励政策并建立专项资金，对取得明显成效和获得重大突破的创新给予补助；对于以往按照原来发展思路制定的不合时宜的创新激励政策要及时纠正和废除。最后，实施创新人才资源共享，开发产业创新资源。企业应当树立正确的人才观念，将创新人才资源作为企业发展的重要因素，完善创新人才引进机制，建立有效的激励机制，最大限度地调动科技创新人员与经营管理人员的工作积极性。

〖HJ2.1mm〗注释：

①2012年之后，由于《中国工业统计年鉴》不在发布交通运输设备制造业数据，本文通过对汽车制造业和铁路、船舶、航空航天和其他运输设备制造业加总而获得交通运输设备制造业。

②东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南共11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南共8个省；西部地区包括广西、内蒙古、重庆、四川、贵州、云南、陕西、甘肃、青海、寧夏、新疆共11个省市。西藏数据未列入。

③全局莫兰指数为02278。

④全局莫兰指数为05046。

⑤全局莫兰指数为-05828。

参考文献：

[1]毛其淋，盛斌.贸易自由化、企业异质性与出口动态——来自中国微观企业数据的证据[J]. 管理世界， 2013（3）：48-68.

[2]牛泽东，张倩肖.中国装备制造业的技术创新效率[J].数量经济技术经济研究， 2012（11）：51-67.

[3]冯梅.我国装备制造业技术进步研究：1996-2006[J].世界经济与政治论坛， 2008（2）：67-74.

[4]Coelli T.J.A Multi-stage Methodology for the Solution of Orientated DEA Models[J].Operations Research，1998，23： 143-149.

[5]王永保.提高我国装备制造业全要素生产率的途径探讨[J].煤炭经济研究， 2007（9）：19-21.

[6]刘靖宇，张宪平.中国装备制造业技术效率的测度与空间差异分析[J].统计与决策，2007（21）：110-112.

[7]牛泽东，张倩肖.中国装备制造业的技术创新效率[J].数量经济技术经济研究，2012（11）：51-67.

[8]李星光，于成学.基于Malmquist指数的我国装备制造业全要素生产率测度分析[J].科技与管理， 2009，11（5）：102-105.

[9]王欣.我国装备制造业全要素生产率测度[D].成都：西南财经大学，2010.

[10]陈爱贞，钟国强.中国装备制造业国际贸易是否促进了其技术发展——基于DEA的面板数据分析[J].经济学家， 2014（5）：43-53.

[11]任曙明，吕镯.融资约束、政府补贴与全要素生产率——来自中国装备制造企业的实证研究[J].管理世界， 2014（11）：10-23.

[12]葛鹏飞，黄秀路.装备制造业技术效率的空间效应[J]. 中国科技论坛， 2015（9）：44-48.

[13]李婧，谭清美，白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界， 2010（7）：43-55.

[14]Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993，39（10）：1261-1264.

[15]田畢飞，陈紫若. FDI对中国创业的空间外溢效应[J]. 中国工业经济，2016（8）：40-57.

[16]李汝资，刘耀彬.1978年以来中国省际全要素生产率时空演变特征研究[J].华东经济管理，2016（7）：57-62.

[17]Malmquist S.Index numbers and indifference surfaces[J]. Trabajos De Estadistica， 1953，4（2）：209-242.

（责任编辑：周正）

收稿日期：2016-12-08

作者简介：唐晓华（1956-），男，广西桂林人，辽宁大学经济学院教授，博士生导师，经济学博士，研究方向：产业组织；陈阳（1988-），男，山东临沂人，辽宁大学经济学院博士研究生，研究方向：产业集聚。

基金项目：教育部哲学社会科学研究重大课题攻关项目“中国先进制造业发展战略研究” ，项目编号：14JD018；辽宁省教育厅高校人才支持计划项目，项目编号：WR2015006。