我国装备制造业技术效率测算与空间分布研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国装备制造业技术效率测算与空间分布研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文运用数据包络方法（DEA）对2011年我国27个省市装备制造业及子行业之一——专用设备制造业技术效率进行测算并利用差值比较，对专用设备制造业空间分布进行分析。结果表明：我国专用设备制造业与装备制造业发展存在不一致性，装备制造业发展较好的东部地区，其专用设备制造业发展水平多处于“双低型”的第三象限内；而装备制造业整体发展水平较为一般的中部地区则多处于“双高型”的第一象限内；西部地区发展差异不大，多集中于第三象限内。
关键词：装备制造业；技术效率；DEA；空间分布
中图分类号：F4074文献标识码：A文章编号：1000176X（2014）01003408
一、引言
装备制造业是我国工业发展的基础，建立起强大的装备制造业，是提高我国综合国力，实现工业化的根本保证。鉴于此，学术界对其广泛关注，并从效率角度来研究我国装备制造业发展，给出一定的参考政策。但是，长期以来我国装备制造业重外延和轻内涵，造成各地区全面建设各子行业，投资分散，重复布局十分严重，致使装备制造企业规模普遍很小，资源浪费、竞争力不强与效率低下。而从技术效率角度对各地区装备制造业不同子行业进行空间分布研究，有利于各地区择优发展子行业，同时也是装备制造业研究中一个重要课题。
二、文献回顾
20世纪80年代，Jefferson等将效率问题引入我国，其后各种研究层出不穷。衡量效率的术语种类繁多，比如技术效率、生产效率、配置效率、经济效率、全要素生产效率和技术进步等。基于本文研究视角，这里仅从技术效率方面进行文献回顾。
收稿日期：20131120
基金项目：国家社会科学重大基金项目“我国先进装备制造业发展路径研究”（08&ZD040）；辽宁省教育厅软科学研究项目“后金融危机时代大企业管理创新问题研究”（2011401035）
作者简介：逄红梅（1978-），女，辽宁岫岩人，博士研究生，讲师，主要从事产业经济及组织理论研究。Email：littlelion_mei@163com仅从技术效率方面而言，就有不同文献涉及测度方法、实际应用领域和具体研究层面等。关于技术效率测度方法主要包括两种：一种是Charnes等[1]提出的非参数数据包络分析法（DEA），叶振宇和叶素云[2]、郭淡泊等[3]、牛泽东和张倩肖[4]利用DEA方法分别从国家层面、产业层面的不同样本数据、样本区间和样本投入产出指标来衡量技术效率水平。另一种是由Aigner等[5]提出的参数随机前沿分析法（SFA），姚洋和章奇[6]、顾乃华和李江帆[7]、杨秀云和朱贻宁[8]、岳意定等[9]、张旭等[10]运用SFA方法测度技术效率水平，包括国家层面、区域层面、产业层面以及企业层面等。SFA方法考虑了随机误差，但提前假设生产函数具有主观性，对效率值的评价具有相当影响。DEA方法不用事先假设生产函数，参数估计的合理性与客观性更强，得到广泛应用，但DEA方法没有考虑测量误差和随机噪音，使样本观测值与前沿面之间偏差都被归于技术非效率，由于本文研究我国装备制造业技术效率和子行业地区分布，强调客观性，所以采用DEA模型。
现有文献中，利用DEA方法对工业产业技术效率的研究比较多见，尤其是作为重工业之首的制造业。崔国平[11]、陈静和雷厉[12]、任娟和陈圻[13]、盛亚等[14]、黄贤凤等[15]分别从制造业行业层面或地区层面比较分析。而近年来随着装备制造业的重要经济地位提高，对其发展研究层出不穷，主要集中于技术创新能力、全球价值链升级、装备制造业产业集群构建与产业安全测度等方面，在注重提升效益与发展质量方面的文献也逐渐呈现，但针对装备制造业技术效率的研究比较鲜见。刘靖宇和张宪平[16]利用SFA方法测度了2001—2005年我国装备制造业技术效率，并对全国及三大区域各个年份的变异系数进行比较，但是他们研究中采用的是缺乏灵活性和主观假设的C-D形式生产函数，且地区分布是在装备制造业各个行业累加值基础上进行的，不能反映某一行业的地区分布状态。牛泽东和张倩肖[4]基于产出距离函数的随机前沿分析方法对1997—2010年我国装备制造业7个子行业技术创新效率进行测算，结果显示装备制造业平均技术效率为0833，七大子行业也依次分出高中低档，并从技术创新效率角度对各子行业进行排序，但是没有考虑子行业地区布局，同时技术创新效率投入产出指标有别于技术效率指标，代表性不强。张明亲和张腾月[17]基于资源环境视角采用DEA方法对陕西省7个行业2001—2010年的工业技术效率值进行测算，发现发展最快的专用设备制造业及交通运输设备制造业其资源与环境的协调性较差，反映了某一行业在该地区发展的相对优势，但是研究仅限于陕西省，不代表全局性。有关装备制造业子行业的效率研究，也可见王欣[18]的装备制造业全要素生产率研究，这篇论文采用2007年的截面数据对七大子行业的全要素生产率分别进行测算，并利用聚类分析法对七大子行业的地区分布进行描述，但聚类分析方法较刚性。
以往研究成果对我国装备制造业效率提升与质量发展提供较为有价值的参考，但是也存在一些不足，比如资源环境约束下，各个地区如何择优发展自身优势产业？由多行业构成的产业如何选择优势行业？如何客观划分行业地区分布？与已有研究相比，本文在以下几个方面进行了拓展：第一，运用数据包络方法（DEA）测算2011年我国27个省（自治区、直辖市，以下简称省市）装备制造业技术效率值，同时选择并测算七大子行业之一——专用设备制造业的技术效率值。第二，根据测算的全国、地区装备制造业技术效率与专用设备制造业技术效率比较，形成四象限图谱，客观掌握行业地区分布。
三、研究方法
数据包络分析（DEA）是由Charnes等[1]于1978年在参考Farrell的效率概念基础上提出的第一个DEA模型。由于DEA模型具有能解决多投入多产出问题并具有不设定生产函数的客观性，得到广泛应用。Charnes等基于DEA提出的第一模型——CCR模型是假设规模报酬不变（Constant Return to Scale， CRS），并通过线性规划来构造生产前沿面。
假设有N个具有可比性的决策单元（DMU），每个DMU有M种类型投入和S种类型产出，其投入产出组合可用输入向量xj和输出向量yj表示：
xj=x1j，x2j，…，xMjT，yj=y1j，y2j，…，ySjT，j=1，2，…，N
在规模报酬不变的情况下，每个决策单元DMU产出投入比可通过线性规划问题求解，但是线性规划问题存在无穷多解。为避免这种情况，增加约束条件，并将线性规划问题换成包络形式的对偶规划问题：
minθ，λθ
θxj-Xλ≥0
subject to-yj+Yλ≥0
λ≥0 （1）
λ是N×1常数向量，X，Y是M×N投入矩阵和S×N产出矩阵，求解的θ是第j个决策单元的效率值，0
CCR模型是在规模收益不变的前提下提出的，Banker等[19]在此基础上提出了规模效益可变（Variable Return to Scale， 简写为VRS）情况下的BCC模型，可将技术效率进一步分解为纯技术效率和规模效率。BCC模型在CCR模型基础上加入凸性约束条件，具体表示为：
minθ，λθ
θxj-Xλ≥0
subject to-yj+Yλ≥0
N1'λ=1
λ≥0（2）
这里N1是N×1维单位向量，通过施加约束条件N1'λ=1，规模报酬可变的假定得以满足。
通过式（1）和（2）可计算出技术效率和纯技术效率，规模效率等于技术效率与纯技术效率的比值。
四、变量选取与数据描述性统计
在考虑数据的全面性与可比性的基础上，本文选取了全国27个省市作为样本，由于内蒙古、青海、宁夏与地区数据缺省比较多，所以本文将其排除。数据来源于2012年的《中国统计年鉴》和《中国工业统计年鉴》，装备制造业投入产出指标的样本数据为各子行业对应数据的累加值。
资本投入和劳动投入作为生产过程中的基本要素，对产业质量和发展速度起着至关重要的作用。对于资本指标，现有文献处理方法不统一，通常选取经估算的资本存量和直接获取的数据两大类指标，其中以资本存量指标为常见。但是由于用永续盘活法（PIM）计算的资本存量需要确定基期资本存量、折旧率、价格指数与投资时间序列等数据，而基期资本存量和折旧率均是估计值，况且利用一个不变的折旧率用于装备制造业不同子行业的资本存量估算过于粗糙。鉴于此，本文选取可从年鉴中直接获得的固定资产和流动资产为资本投入指标，不采用任何待估参数，以解决利用PIM方法估算资本存量不能充分考虑的不同年份、不同地区与不同行业的折旧率问题，尽可能保持数据处理的真实性。劳动力指标多选择以全部从业人员年平均人数为衡量指标，未存在较大争议。
由于2004年以后《中国工业统计年鉴》和《中国统计年鉴》中不再统计工业增加值，工业增加值指标应用较少，而产出指标多集中于工业总产值，崔国平[11]、刘瑞翔和安同良[20]等均采用了总产值作为产出指标，并得到合理的研究结果，因此，本文选择装备制造业的工业总产值作为产出指标。
根据投入产出指标收集的原始数据，描述性统计结果如表1所示。
五、实证测算与比较分析
1测算结果
应用DEAP21软件对27个省市2011年装备制造业和专用设备制造业专用设备制造业包括冶金矿山机电工业专用设备制造业、石化及其他工业专用设备制造业、轻纺工业专业设备制造业、农林牧渔水利业机械制造业、医疗器械制造业以及其他专用设备制造业等。主要产品包括矿山设备、冶炼设备、金属轧制设备、环保设备、塑料加工设备、粮食加工设备、饲料加工设备和包装机械等等。本文选取专用设备制造业为研究对象，没有特殊针对含义，每一个子行业均可以进行研究。的技术效率、纯技术效率和规模效率进行测度，并根据各自效率值大小分别进行排名，其中技术效率等于规模收益变动情况下的纯技术效率与规模效率的乘积，具体整理结果如表2所示。
从技术效率、纯技术效率和规模效率均值角度看，2011年我国装备制造业技术效率、纯技术效率均值比专用设备制造业分别高出0076和0093，而专用设备制造业规模效率均值比装备制造业高出0024，对专用设备制造业发展起着积极的推动作用，但纯技术效率低下，是造成专用设备制造业远离生产前沿面的主要因素，阻碍该行业健康发展，这与牛泽东和张倩肖[4]从技术创新能力角度研究技术效率的结果存在相似性，对专用设备制造业而言，要提高技术效率，除了要保持总体经营规模的稳定，更要着重提升行业的技术水平。
从装备制造业技术效率、纯技术效率和规模效率的排名来看，吉林、福建、江西、山东、河南和广东6个东部和中部省份技术效率、纯技术效率与规模效率均为1，排名并列第一，说明这些省份是装备制造业中的佼佼者，可为其它非有效决策单元提供参考；河北、安徽、湖南与陕西4个省份的规模效率排名较靠前，分列第10、9、8和11名，这些省份装备制造业经过多年发展和历史沉淀，规模效应较明显，但是这些地区的纯技术效率比较低下，排名位于中下水平，致使装备制造业技术效率不高；除江苏、海南与新疆的纯技术效率达到最佳值外，其余省份三者排名变化幅度不大，但表现的一个共同特征是纯技术效率低于规模效率，说明这些省份的装备制造业 “大而不强”，引起装备制造业整体技术效率低下。从装备制造业发展均衡性来看，差距比较明显，排名第一的6个省市与排名最后的山西省相差0556，而且呈现东部（技术效率均值0859）、中部（0805）与西部（0698）的不均衡，说明地位优势、经济发展水平等存在较大差异，落后地区应不断提高资源整合能力，发展自身优势产业，避免重复建设，提高规模效率的同时，加快技术创新从而提高整体技术效率水平。
从专用设备制造业技术效率及排名来看，吉林、江西、山东、湖南与广西5个省份并列排名第一，三者均处于最优前沿面上，说明这些省份的专用设备制造业水平较高，并且湖南与广西两省优于自身装备制造业发展水平，在装备制造业技术效率排名中湖南仅占第10，广西占第7；相对于技术效率、纯技术效率和规模效率排名变化幅度而言，北京、山西、浙江、广东和陕西5个省市规模效率排名较靠前，分列位于第12、14、7、6、13名，这些省市共同特征是纯技术效率较低，排名为21、26、19、15、24，阻碍专用设备制造业总体技术水平提升，从表2也可以看出，这些省市的技术效率排名较装备制造业排名有较大变化，最为明显是北京、广东，其中北京专用设备制造业排名21，装备制造业排名12，同样广东排名分别为15、6，说明装备制造业整体水平不能代表子行业的发展水平，即子行业发展存在着地区分布不均衡性；从区域发展角度来看，东部、中部与西部技术效率均值分别为0725、0812和0621，较装备制造业区域发展水平相比，中部地区总体水平最高，而东部地区出现明显变化，较装备制造业0859降低了0134，西部地区也有所降低，呈现中部、东部与西部的梯度分布格局，这种不均衡性普遍是由于技术水平较装备制造业总体水平低下造成的，东部最为明显，专用设备制造业纯技术效率均值0779，而全国为0992，相差悬殊。
通过装备制造业和专用设备制造业技术效率对比分析说明二者之间存在地区发展的不一致性，所以，提高地区装备制造业发展水平，需要针对不同子行业特性和发展状况进行针对性的改善。
2专用设备制造业地区分布状态
在表2测算结果的基础上，利用各省市专用设备制造业技术效率与全国装备制造业技术效率均值、地区装备制造业技术效率比较，形成四象限地区分布图，如图1所示。横轴表示各省市专用设备制造业技术效率与全国装备制造业技术效率均值（0796）的比较差值，纵轴表示各省市专用设备制造业技术效率与该地区装备制造业技术效率的比较差值。
图1专用设备制造业地区分布图谱从图1的地区分布格局来看，27个省市分散在不同象限内，以第三象限居多，涉及13个省市，有零星省市分散在第二和四象限，分别涉及4个和3个省份，第一象限内出现7个省份，其中横轴上坐标点（0204，0）位置系吉林、江西与山东三省的重合，原因在于这些省市的装备制造业和专用设备制造业的技术效率、纯技术效率和规模效率均处于生产前沿面上，效率值为1，说明这些省市专用设备制造业与该省市装备制造业同步，但与全国装备制造业发展不一致。具体从各象限分布情况来看，分为“双高型”、“ 低高型”、“ 双低型”和“高低型”四种类型。表3详细列出各象限的表现特征、分布省市与主要分析省市的投入要素排名情况。
子行业（5）注：排名情况栏内装备（数字）代表该省市装备制造业三种投入要素占全国（27个省市）排名区间，专用（数字）代表该省市专用设备制造业三种投入要素占全国排名区间，子行业（数字）代表专用设备制造业在该省市7大子行业中三种投入要素所占排名区间。
象限Ⅰ内的7个省份中湖南省（0204，0087）象限内坐标点为专用设备制造业技术效率与全国均值和地区装备制造业技术效率的比较差值。最突出，说明湖南省专用设备制造业不仅在全国装备制造业发展中占有优势而且在本省装备制造业发展中处于绝对优势，从要素资源投入水平因篇幅限制，这里不具体列出各投入要素水平和排名，如需要，可向作者索取。同时因涉及省市较多，无法按各省市情况逐一分析，本文只举例个别有代表性的省市做分析。更能深刻解释这种现状：湖南省装备制造业投入要素占全国排名第13—15名，专用设备制造业占全国排名第3—6名，而该行业在湖南省七大子行业中要素投入水平最高。这些特征说明湖南省的专用设备制造业投入水平较高，同时资源利用水平也较高，该省可通过扩大规模和加强技术创新能力，以达到新的稳定状态。广西、安徽与辽宁等省份也存在类似情况，专用设备制造业技术效率所需的改进较少，应重点发展专用设备制造业。
象限Ⅱ内的4个省份从表2可以看出，除黑龙江的微小差异外，这些省份专用设备制造业比装备制造业纯技术效率水平高，规模效率也较高，对地区装备制造业发展起着推动作用，应重点发展该行业。但是为了更好发展专用设备制造业，除了在资源利用水平上继续保持外，还应加大投入要素水平，比如处于坐标点（-0105，0020）上的湖北省专用设备制造业投入要素水平在全国排名处于15—17之间，在本省七大子行业中要素投入水平也仅占第5—6名，这种低投入势必对该省专用设备制造业发展存在影响。
象限Ⅲ内的13个省市基本分布在东部和西部地区。对于经济比较发达的东部地区主要是由于在纯技术效率方面专用设备制造业远远低于装备制造业，说明这些省市的专用设备制造业技术水平与创新能力比较差，阻碍本省市装备制造业整体发展，而规模效率未存在明显差异，这也与要素投入水平有关，比如上海市的专用设备制造业要素投入水平在全国占5—6名，但专用设备制造业在上海市七大子行业中要素投入水平倒数第二。所以这些省市，一是通过产业转移或低附加值环节转移，淘汰落后产能，选择摒弃专用设备制造业发展，重点发展对地区装备制造业发展有益的行业；二是通过对专用设备制造业加大技术创新投入，以技术研发为主，占据国内价值链两端，进而提高行业的纯技术效率水平。对于经济比较落后的西部地区主要是地区装备制造业整体发展比较缓慢，技术效率排名都比较低下，从重庆市的装备制造业、专用设备制造业投入来看，总体偏下，这些省市要加强专用设备制造业的发展除不断承接东部地区产业转移，在形成规模效应的同时，还应加大投入要素水平，以提高行业整体发展质量。
象限Ⅳ内的3个省份专用设备制造业与装备制造业技术效率都比较高，但是比较而言，前者的纯技术效率与规模效率均小于后者，尽管如此，在全国装备制造业发展中也占有绝对优势，而且排名比较靠前。具体从表3的要素投入水平来看，也可以解释这种情况，比如江苏省无论是在装备制造业还是专用设备制造业上的要素投入水平都比较高，但是相比而言专用设备制造业在该省的7大行业中要素投入水平较低，仅占第5名，说明江苏省如继续发展专用设备制造业需加大对其投入，改变由规模效率低下造成地区装备制造业发展落后局面。
六、主要结论
本文运用DEA方法对2011年我国装备制造业及七大行业之一——专用设备制造业的截面数据为样本，分别测算出二者的技术效率、纯技术效率与规模效率以及排名，利用技术效率比较构造了专用设备制造业四象限地区分布图。通过分析形成的主要结论如下：
第一，通过专用设备制造业技术效率差值比较，27个省市分散在不同象限内，分为“双高型”、“ 低高型”、“ 双低型”和“ 高低型”四种类型。通过表2和图1可以表明，唯有处在坐标原点上的省市，才会出现专用设备制造业与装备制造业发展状态同步的情况，其他任何象限内或处于坐标轴上的省市均会出现发展不一致的态势，而本文的27个省市均未处于原点位置。
第二，专用设备制造业与装备制造业整体发展存在差异。从技术效率、纯技术效率和规模效率均值角度看，2011年我国装备制造业技术效率、纯技术效率均值比专用设备制造业分别高出0072和0093，而专用设备制造业规模效率均值比装备制造业高出0024，说明二者整体发展存在明显差异，装备制造业发展水平高于专用设备制造业，对专用设备制造业而言，要提高发展质量除了要保持总体经营规模的稳定，更要着重提升行业的技术水平，同时也反映了不同地区间发展的不均衡性。
第三，专用设备制造业与装备制造业存在地区发展差异。地区分布图显示装备制造业整体发展质量与子行业发展质量存在较大差异，装备制造业发展较好的东部地区，其专用设备制造业发展水平大部分处于“双低型”的第三象限内，包括上海、广东、浙江、北京等7个省市，而装备制造业整体发展水平较为一般的中部地区，在“双高型”的第一象限内出现吉林、安徽、江西与湖南4个省市，西部地区发展差异不大，多集中于第三象限内。结果显示不同省市装备制造业发展存在不同的相对优势子行业，应择优发展。
第四，专用设备制造业与装备制造业地区发展差异与要素投入水平有关。某省市专用设备制造业、装备制造业或者七大子行业中专用设备制造业投入水平越低，处于第三象限的机率愈大，反之出现第一象限的机率愈大，如三者要素投入水平差异大，多出现在第二和第四象限。
通过子行业地区分布研究表明各省市存在不同的优势行业，为避免不同地区的重复建设而造成资源浪费与环境破坏，择优发展子行业，真正实现集约发展和国内价值链升级，进而提升全球价值链地位。针对本文研究思路，可扩展其他子行业的研究，如相比而言七大子行业均处于不利的地区，可对该地区的不同子行业进行比较，选择相对优势行业发展。另外我们还可结合我国和各地区的实际情况， 进一步挖掘影响子行业地区分布的深层次因素， 从而提供有价值的参考对策。
参考文献：
[1]Charnes， A， Cooper， WW， Rhodes， EMeasuring the Efficiency of Decision Making Units [J]European Journal of Operational Research， 1978， 2 （6）： 429-444
[2]叶振宇，叶素云东北地区制造业生产率变动分析：1993—2007年[J]财经问题研究，2010，（5）：30-35
[3]郭淡泊，雷家骕，张俊芳，彭勃国家创新体系效率及影响因素研究——基于DEA—Tobit两步法的分析[J]清华大学学报（哲学社会科学版），2012，（2）：142-160
[4]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）：52-67
[5]Aigner， DJ，Lovell， CAK，Schmidt， P， JFormulation and Estimation of Stochastic Frontier Production Function Models[J]Journal of Econometrics，1977，6（1）：21-37
[6]姚洋，章奇中国工业企业技术效率分析[J]经济研究，2001，（10）：13-28
[7]顾乃华，李江帆中国服务业技术效率区域差异的实证分析[J]经济研究，2006，（1）：46-56
[8]杨秀云，朱贻宁中国机场业的技术效率及其影响因素[J]产业经济评论，2013，（1）：104-121
[9]岳意定，刘贯春，贺磊我国区域技术效率的再估计及区位因素分析[J]科学学研究，2013，（6）：837-846
[10]张旭，侯乃聪，李存金军民融合的微观视角下国防科技工业企业技术效率研究——基于SFA方法的上市企业实证分析[J]经济体制改革，2013，（3）：96-100
[11]崔国平中国制造业技术效率变化及其决定因素：1996—2005[J]工业技术经济，2009，（7）：82-86
[12]陈静，雷厉中国制造业的生产率增长、技术进步与技术效率——基于DEA的实证分析[J]当代经济科学，2010，（4）：83-89
[13]任娟，陈圻中国制造业上市公司创新行为对企业技术效率的影响研究[J].科技进步与对策，2011，（21）：80-86
[14]盛亚，裘克寒，吴俊杰浙江省制造业技术效率分析：基于八省市比较[J]科技管理研究，2011，（11）：78-86
[15]黄贤凤，武博，王建华中国制造业技术创新投入产出效率的DEA聚类分析[J] 工业技术经济，2013，（3）：90-96
[16]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
[17]张明亲，张腾月资源环境约束下的陕西装备制造业技术效率研究[J]科技管理研究，2013，（9）：109-120
[18]王欣我国装备制造业全要素生产率测度[D]成都：西南财经大学博士学位论文，2010
[19]Banker， RD， Charnes， A， Cooper， WWSome Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]Management Science， 1984， 30 （9）： 1078- 1092
[20]刘瑞翔，安同良资源环境约束下中国经济增长绩效变化趋势与因素分析——基于一种新型生产率指数构建与分解方法的研究[J]经济研究，2012，（11）：34-47
Technical Efficiency Measurement and Spatial Distribution of
Chinas Equipment Manufacturing Industry ＼