中部地区工业经济效率评价研究★——基于超效率SBM- Malmquist 模型

王雅平， 姚德利

（安徽理工大学 经济与管理学院， 安徽 淮南 232001）

0 引言

工业经济效率是指工业经济活动中投入与产出的比较。在工业经济活动中的投入包括劳动力的投入和对自然资源的消耗。从事工业经济活动需要消耗投入的劳动力和可利用的自然资源，并且为了持续进行的工业经济活动，除了消耗以外还要占用这些劳动力和自然资源。我国目前的社会发展，已经不满足于高投入、低产出、高污染的工业经济活动，所以提高工业经济效率是具有主要的现实意义的[1]。中部地区处于区域经济格局的第二梯队，不管是发展水平还是工业实力都弱于沿海不少，但又要比西南、西北强势不少。不过随着近些年沿海许多工业项目转移到中部，再加上内生工业的培育，中部工业规模正在加速缩小与沿海差距。近年来，中部地区的工业发展取得了一定的成就，“三基地、一枢纽”（粮食生产基地、能源原材料基地、现代装备制造及高技术产业基地和综合交通运输枢纽）的战略地位也逐渐巩固。中部地区的工业基础较好，一直是我国重要的制造业基地，产业的种类也比较齐全。目前探究中国31 个省市和长江经济带区域的工业经济效率文献比较多，或者是探究某一个省份一段时期内的工业经济效率变化情况，但是针对中部地区六省的工业经济效率研究较少，所以本文对中部地区近十年的工业经济效率进行研究，探究六省环境约束下的工业经济效率情况。

1 研究方法与数据处理

1.1 研究方法

本文所采用的效率评价分析方法结合了超效率SBM模型与Malmquist 指数。

1.1.1 基于Super-SBM的经济效率模型

传统的DEA 模型被广泛地运用于各种效率的研究中：王虹燕、李杰[2]利用规模报酬可变的DEA 模型,选取上海17 个区县进行效率评价，得到上海各区县的效率差大，投入资源没有有效配置的结论；印宇静、史凡晶[3]等对江苏省所有地级市和浙江省、安徽省的主要城市分别计算其综合效率、技术效率、规模效率，得到工业规模效率和污染排放有呈现正相关性，并且大部分地级市的工业技术效率接近1，工业技术效率水平较高；李力、韩丽媛[4]运用DEA 进行纵向和横向的效率评价探究1998—2005 年中国工业发展效率情况。但是由于传统的DEA 模型测算出来的有效DMU均为1，无法对有效的DMU 进行排序，且DEA 模型无法考虑全部地投入指标和产出指标松弛性的影响，所以为了更好地测算效率，采用SBM模型来填补这一漏洞。本文选取Super-SBM 模型对中部地区近十年生产效率进行测量，其一般形式如下：

在上式中选取n个省份作为评价样本，然后各省份的投入向量和产出向量分别用X=xij和Y=yij来代表，ρ 表示某省份的工业经济效率值，m表示投入指标的种类，k表示产出指标的种类，定义X和Y的元素分别是xi0（i=1，…，m）和yr0（r=1，…，k），λ 表示列向量，sr+和si-和表示工业经济效率产出和投入的松弛变量。最后，利用该模型可以有效测度各省份工业经济效率。

1.1.2 Malmquist 生产率指数模型

Malmquist 指数是由Malmquist（1953）在消费分析的过程中首次提出，Caves、Christensen 和Diewert于1982 年开始将这一指数应用于生产效率变化的测算。1994 年，RolfFäre 等人将这一理论的一种非参数线性规划法与数据包络分析法（DEA）理论相结合，使得Malmquist 指数被广泛应用[5]。Malmquist 指数可以测算出多个样本期间的全要素生产效率、综合效率和技术效率，除了测算效率值以外还可以计算出效率值的变化情况，所以Malmquist 指数广泛地用于需要测算效率值的行业或部门。通过探究效率变化的原因，这可以弥补了超效率SBM只能反映静态的效率评价这一缺陷。目前被广泛采用于DEA 模型中的Malmquist 指数是Färe 等建立的模型，具体的模型形式如下：

由公式可知，全要素生产率（MI）等于技术效率指数（EC，公式中表达为EC）和技术进步指数（TC，公式中表达为TC）相乘，而技术效率指数（EC）又等于规模效率值（SC）和纯技术效率值（PC）相乘[6]。EC 表示相近的两个评价时期的效率变化值， TC 则反映技术进步情况。若全要素生产率、技术效率以及技术进步的值均大于1，则说明全要素生产率、技术效率以及技术进步情况得到改善[7]。

1.2 变量选取和数据处理

本文的研究时段为2011—2020 年，研究对象为中部地区的六个省份。投入及产出变量的数据来源包括《中国统计年鉴》《中国环境统计年鉴》以及研究范围内省份的历年统计年鉴和各省历年国民经济和社会发展统计公报。

1）投入变量选取。投入变量包括劳动力投入、资产投入、能源投入三个方面[8]。劳动力投入选取了规模以上工业全部从业人员数作为数据；资本投入使用的是工业固定资产投资这一数据；地区工业能源消费量的数据则作为能源投入的指标。

2）产出变量选取。产出主要包括期望产出和非期望产出，所以本文选取这两种产出变量来衡量工业经济效率中各种投入的利用情况。其中期望产出的指标是工业生产总值；非期望产出采用工业“三废”来表示。“三废”的具体指标包括工业废水排放总量、工业SO2排放总量以及工业固体废物排放总量。

2 实证分析

2.1 中部地区工业经济效率的静态评价——基于Super-SBM模型

利用Dearun Tools 分析软件，使用Super-SBM 模型、规模报酬可变VRS 对中部地区六个省份的2011—2020 年工业经济效率进行测度，结果如表1 所示。

表1 2011—2020 年中部地区工业经济效率

从表1 中可以看出，中部地区六个省份十年的工业经济效率中，最大值1.222，最小值0.527，均值为0.891。可以表明中部地区的工业经济效率发展情况整体较好，但是不同的省份之间还是存在一定的差异。江西的工业经济效率在六省之中最高，说明山西省工业各项投入利用率较高，工业废物产出较少；其次是湖南、湖北两个省份的工业经济效率值在0.9～1之间，工业经济效率可以优化，从适当减少工业投入以及加大对工业污染的管控入手；然后是河南、山西两个省份的工业经济效率值在0.8～0.9 之间，工业经济效率有待进一步提高，投入产出的配置存在明显的问题，需要进行调整从而获得更高的工业经济效率；最后是安徽省的工业经济效率处于中部地区最低水平，说明安徽省在工业方面的投入冗余现象严重，对工业造成的污染以及“三废”的排放管控不到位，除了对工业投入产出的控制以外还需要通过提高生产技术水平来提高工业经济效率。

如图1 所示，从时间上来看，中部地区工业经济效率呈现先降后增再平稳的趋势，其中2015 年工业经济效率最低，只有0.657，而2020 年工业经济效率则达到了1.105，是中部地区过去十年效率值最高的一年。由于中部地区2011—2020 这十年的工业经济效率平均值为0.891，所以2013—2016 年这四年的工业经济效率低于平均水平。

图1 中部地区各年工业经济效率值变化

2.2 中部地区工业经济效率的动态测度——基于Malmquist 指数

2.2.1 中部地区工业Malmquist 指数整体变化分析

在前面的论述中提到了，超效率SBM只能探究工业生产过程中不同的省份在同一个年度中的相对效率，这是静态的效率，没有办法充分展现效率的变化情况。在超效率SBM模型的基础上引入Malmquist指数，将2011 年至2020 年中部地区的六个省份的投入、产出指标数据作为依据，计算出投入产出效率的变化，包括技术效率变化指数（EC）、技术进步指数（TC）、纯技术效率变化指数（PEC）、规模效率变化指数（SEC）和工业经济效率的总体效率（MI），结果如表2 所示。

从表2 中可以看出，技术效率变化指数在1 上下浮动且浮动在0.4%以内，说明在现有条件下，实际的产出水平与最优水平几乎没有出入；技术进步指数的变化波动最大，且除了2018 年至2019 年的技术进步指数大于1 以外，其余年份均小于1，说明中部地区在工业方面的技术投入不够，导致工业经济效率无法达到最优水平，2015—2016 年的技术进步指数甚至下降了20.1%；纯技术效率变化指数在1 上下浮动且浮动在0.3%以内，体现了综合管理和技术的水平维持在同一水平，对工业经济效率影响不大；规模效率变化指数在1 上下浮动且浮动在0.4%以内，说明中部地区的生产规模的扩大对生产率的影响也不大，个别年份因工业生产效率基数大，规模报酬增长速度缓慢，这是正常现象。

从以上分析来看，2011—2020 年间中部地区全要素生产率下降了6.8%，除了2018 至2019 年期间全要素生产率上升了7%以外，其余的年份全要素生产率都是在下降的，这与技术进步指数的变化是同步的，也就是说工业效率的驱动力主要来自技术进步，接下来将对2011—2020 年的技术进步指数变化进行分析。

2.2.2 中部地区工业经济技术进步效率变化分析

技术进步是指最先进生产技术的生产前沿面整体向外移动，即在技术上实现同样的投入组合可以获得更多的产出（包含期望产出和非期望产出），且技术进步指数大于1 时，生产技术有进步；反之，则说明生产技术有退步。

通过前面的分析可以得知中部地区工业经济效率不高的根本原因是工业技术水平不够，需要提高工业技术进步。目前来说，一般可以从提高工业体制创新程度、提高技术投入转化为技术成果的程度以及加大对技术研发的投入来提高工业技术进步水平。从图2 中可以看出，技术进步指数在这十年并没有明显的提升且2019—2020 年的技术进步指数趋近于2015—2016 年，说明2020 年的技术进步已经完全不能满足于工业经济效率的提升，需要加大科学技术的投入。

图2 2011—2020 年中部地区工业经济技术进步效率变化

3 结论与建议

在进入21 世纪以来，人们越来越重视温室气体排放一级其导致的全球变暖，这一直也是国际热点问题。与此同时，发达国家与发展中国家也在持续大力发展工业化经济，这也导致了因发展工业带来的环境污染问题更加严重。中国作为世界上最大的发展中国家和新兴经济体，自2010 年起就成为了全球最大的碳排放国（流量概念下），同时全局性雾霾和极端气候频发，成为了人们生命健康和社会福利一大威胁[11]。在这样的背景下，中国政府积极提出了“人类命运共同体”的环境治理新理念以及大力倡导碳中和的发展观，这不仅为全球变暖问题提出建设性思路，也为中国工业经济的可持续发展提供了理论指导。基于此，本文以中部地区的工业经济效率为研究对象，探究中部地区的工业经济效率存在的问题以及影响的原因。

工业经济效率最直接的关系就是工业投入与产出，投入越少产出越多，效率自然就会提升。在产出中又包含了期望产出和非期望产出，期望产出在产出中的占比越大，效率也越高。从静态角度来看，中部地区的工业经济效率这些年虽然整体上是在提高的，但是经济效率提高程度不够稳定可能是受国家政策、疫情等大环境的影响。中部地区有一定的工业基础，需要根据时代发展调整产业结构，结合本地资源、发展方向、国家政策等方面，找到适合本地区发展的工业结构，有利于提高工业经济效率。

从动态角度来看，中部地区工业经济效率增长缓慢且依赖于技术进步，这说明中部地区的工业产业还停留在早期阶段，大量的劳动力与自然资源的投入，获得的产出量没有达到预期效果。从投入产出这一点看，一方面对于污染排放的管控还需要进一步提升，另一方面需要投入科学技术成本来寻找新能源。新能源的代替传统能源不仅可以弥补这么多年对传统能源的开发，还能减轻管控污染物排放的工作量，所以这一部分的经济投入是很有必要的。从工业制造这一点看，不仅要在设备的制造上投入研发成本，而且还要提高生产的设备自动化程度。因为目前大多数工业生产的企业的设备不能充分利用资源，设备需要维修和更换的频率比较高，生产过程中需要人工操作的地方也非常多，这些都为生产过程增加了成本，导致固定资产的投入，劳动力的投入以及资源的投入都在逐年上升。所以，通过技术进步来改善中部地区的工业经济效率是势在必行的。