论文部分内容阅读
摘要：本文采用DEA和Malmquist指数的方法对我国钢铁产业的生产效率进行研究，发现我国省际钢铁产业的效率存在很大差异，很多省份钢铁产业的效率水平较低，文章通过将钢铁产业生产效率分解为技术效率、规模效率和纯技术效率，进而对存在问题的原因进行分析。通过研究表明钢铁产业的生产效率总体呈现提高之势，生产效率的增长主要得益于技术的进步或创新，而规模对于钢铁产业的效率提高贡献不大，说明钢铁行业发展应注重行业技术和管理水平的提高。
关键词：钢铁产业；动态效率；Malmquist指数；技术效率；纯技术效率；规模效率
中图分类号：F224
一、引言
钢铁产业是关系到中国国民经济发展的基础产业，钢铁产业的发展水平是衡量一个国家经济发展水平和综合国力的重要标准，并影响着与其相关的国防、机械、汽车、造船、建筑及家电等诸多行业。随着中国国民经济的快速发展，中国钢铁产业的发展也取得了巨大成就。我国是钢铁生产和消费大国，粗钢产量连续多年居世界第一。1996年我国的钢产产量达到1亿吨，成为世界钢铁产量第一，自此我国的钢铁产业发展进入了一个新的发展阶段。进入21世纪以来，随着国民经济的飞速发展，钢铁产业又开始了新一轮的高速增长，钢铁产量几乎每年都在以5000 万吨级的速度上升。2003 年我国钢铁产业产量突破2 亿吨，创世界钢铁历史发展新高。2012年，中国的钢产量将达到7.23亿吨，同比增长3%左右。与此同时，也应该注意到尽管我国是钢铁工业大国，但还不是一个真正的钢铁工业强国。本文主要从产业效率的角度对我国钢铁产业的发展进行实证分析，探析影响我国钢铁产业效率提高的因素，进而为我国钢铁产业效率的提高提供一些建议。
二、文献回顾
一般而言，关于产业生产效率的研究主要有三种方法：第一种是指标评价法，通过定性和定量研究相结合的方式构建一个指标体系，然后根据这一指标体系对决策单元进行综合评价，该方法还受到指标体系过程中主观意识的影响，指标体系的客观性很难保证，指标评价法更多的是体现了决策单元的经营绩效，而不是决策单元经济意义上的生产效率；第二种方法是参数法，是通过一些经济学和数学的方法建立生产函数或成本函数，通过分析这些生产或者成本函数来确定决策单元的生产效率，这种方法需要预先设定生产函数，如果预设的生产函数与实际不符就会造成结果的偏差，另外这种方法在处理当决策单元有多个投入和多个产出问题时也存在一定的困难；第三种方法是非参数法，这种方法主要包括数据包络分析法（DEA）、混合最有策略法（MOS）和指数法（IN）等，在这些方法中DEA方法在实践中应用比较广泛。
目前，国内关于钢铁产业动态效率研究的文献并不多。徐二明、高怀（2004）利用DEA方法对我国38家重点大中型企业的数据进行了分析，实质上是从动态能力的角度分析了这些企业的竞争力；焦国华，江飞涛等（2007）以中国57家重点大中型钢铁企业2006年的数据为基础，利用DEA方法分析了这些企业的相对效率和规模效率，得出结论为大型和特大型企业与中小型钢铁企业相比并不具备明显的效率优势，认为大型钢铁企业没有表现出规模效率，我国钢铁产业不存在显著的规模经济特征，他们的研究主要依据2006年一年的数据，对钢铁行业的动态效率的变化没有进行分析；伊淑彪，丁启军（2009）利用DEA方法中的CCR和BCC模型以在沪深两市30家上市公司2007年底数据分析了这些钢铁企业的规模效率，他们只是分析了这些企业的静态规模效率，没有分析企业动态效率的变化；刘秉镰，林坦等（2010）采用DEA和Malmquist指数方法，以2001-2005年我国45家钢铁企业的数据，利用企业规模和所有权这两个分析视角对这些企业的生产力变化进行了分析，其实质是分析了这些企业效率变化的影响因素，认为我国钢铁企业的效率在不断改善，而改善的原因主要在于技术的进步而非规模变化的影响，另外，分析还认为国有企业的生产效率在下降，而民营钢铁企业的效率有一定的改善。
从以上的文献中可以看到，目前国内关于钢铁产业的效率研究主要是从静态的角度进行分析，很难真正反映钢铁产业生产力的动态变化，而且目前的研究主要集中在企业层面的分析，很少有文献考虑到从区域角度对我国钢铁产业的生产效率进行研究。考虑到我国钢铁产业发展的特殊性，几乎大多数的行政地区对于区域内的钢铁产业的发展都有统筹规划，对区域内的企业发展产生了很大的影响，因此从行政区域的角度研究我国钢铁产业的发展也有着非常重大的意义。本为将利用DEA方法和Malmquist指数法，从动态效率的角度对我国各个省市自治区的钢铁产业生产效率进行分析。
三、 研究方法
四、实证分析
本部分包括指标选择和实证分析两部分。
（一）指标选择
由于投入和产出指标的选择对于DEA方法的有效性起着至关重要的作用，投入和产出指标的选择就显得格外重要，综合大多数文献的指标选择同时结合中国钢铁产业的投入和产出的特殊性以及现有数据的可获得性和可靠性，投入和产出指标的选择应该满足以下几个条件：一是数据的可测性，指标数据的内涵要清晰，可以准确计量并且在现有条件下可以收集到可靠的数据；二是指标数据要能够反映钢铁产业发展的特点，符合我国钢铁产业发展的实际情况。
本文选取的投入指标主要包括资本总额、工资总额及能源消耗三个指标。其中选择资本总额指标是因为考虑到钢铁产业固定资本投入的数据缺乏，而且流动资本也是影响钢铁产业发展的重要因素，因此选择了资本总额这一指标；选择工资总额指标是因为在职职工人数指标只考虑了劳动量的投入而没有考虑到劳动力质的差别，同时考虑到各地区工资水平的差异，因此选择了工资总额这一指标；钢铁产业是高能耗产业，能源是钢铁企业生产中重要的影响因素，因此将能源消耗作为一项投入指标。产出指标的选择主要包括工业增加值、利税总额及住钢产量三个指标。其中，使用工业增加指标是因为工业增加值是最终产品的价值，由于各个钢铁企业生产流程存在很大的差异，不同工业流程采用的中间投入产品可能存在很大的差异，如果使用工业总产值指标就会忽略中间产品的产出，而采用工业增加值指标衡量产出时可以有效避免这一问题的产生；采用利税总额指标主要是考虑到各地区税收政策的差异会影响到企业的利润总额，而是用利税总额这一指标可以有效回避这一问题；采用出钢产量这一指标是因为这一指标能够更好地反映各地区钢铁产业发展存在的差异。 本文选取2005-2010年我国30各省、自治区和直辖市的钢铁产业作为决策单元（DMU）。所有的数据均来自于各年的《中国钢铁工业年鉴》及各省市自治区的统计年鉴，还有部分数据是作者依据各地统计数据和其他公开的信息收集整理得到。
（二）实证分析
本文首先采用DEA模型计算我国30个省区市的技术前沿变化和技术效率的变化，而技术效率的变化又可以分解为规模效率和纯技术效率值。技术效率的变化主要反映了各地区在新技术的投入与产出的效率，该效率为1是表示该地区处于技术前沿面上，处于技术有效率的状态。该校效率值小于1表示该地区没有处在技术有效率的状态，地区效率值越接近1说明该地区离技术有效前沿面越近，也就越接近于技术有效率的状态。
通过计算发现，我国各地区的技术效率的均值普遍不高只有个别地方的技术效率值为1或者接近于1，其中上海和江苏两地的技术效率值较高，基本可以认为处在技术效率有效地状态。另外，天津、山东、广东、北京等地的技术效率值相对也比较高，尽管不是最佳的状态，但与其他地区相比也基本处于技术有效率的状态。而我国其他地区的技术效率值就相对较低了，这也基本反映了我国钢铁产业发展中的核心问题所在，我国钢铁产业的整体技术水平不高，在一些新技术研发及引进中投入很大，但是在实际应用中取得效果却并不好。
通过计算可以得出我国各省每一年的的规模效率的变动情况，在这几年中上海市一直保持规模效率值在1左右，也说明其一直处于规模有效率状态，这也与上海市的宝钢公司近年来的良好变现有很强的关系。另外，河北，江苏两地由于近年来发展速度很快，通过企业间不断地重组和整合，两地的钢铁产业发展迅猛，也一直处在规模有效率的状态。之后山东、天津、广东、湖南等地的规模效率值也比较高，规模效率的均值基本都在0.9以上，也处于规模有效率的区间上。其他省份和地区的规模效率均值要比以上这些地区小一些，这说明在实现规模效率这一指标上还存在一些差距。但这也只说明这些省份暂时处于省份规模的非效率，不一定能完全体现该地区单独一个企业的生产状况，要想更深地分析这一问题还需要从企业层面进行深入分析。
通过分析各地区纯技术效率值的计算结果，可以看出纯技术效率值最好的地区是上海和天津，由于纯技术效率反映的是地区钢铁行业的技术利用、企业管理、财务管理的综合能力的反映，这说明上海和天津两地的在这方面的优势还是比较大的，其中的原因可能就在于这两地都是直辖市，在行政协调方面与其他省区相比有很强的优势。另外，吉林、山东、湖北、广东、北京、江苏、辽宁等地的纯技术效率水平也比较高，也基本上处于纯技术效率有效地状态。而且这些省份也都是我国的钢铁产业的重点发展地区，可能正是由于这些地区产业发展时间较长、有良好的基础、积累了大量管理经验等因素，才导致这些地区拥有纯技术效率。
在测算了技术效率影响的基础上，本文采用Malmquist指数方法进一步计算钢铁产业动态效率的变化趋势。表1给出了全国各地区平均Malmquist指数及构成（由于篇幅所限，只列出了全国的平均值）。
根据表1中数据能够看出，从全国的平均水平看，近几年钢铁产业的M指数仅为1.042，其中对增长贡献最大的是技术前沿的变化，其平均贡献率达到了1.096，也就是说技术进步给钢铁产业的效率增加贡献是最大的。而技术效率指数贡献率仅为0.95，其中技术效率贡献平均为0.9542，规模效率贡献平均为0.9976，这说明我国钢铁产业整体技术水平在过去的几年中得到改善的同时，钢铁产业的技术应用能力、企业管理能力等并没有得到很好地改善，还有很大的进步空间，我国钢铁企业的规模经济效率水平也还有待提高，还没有真正实现发挥规模经济提高钢铁产业的效益。另外，从地区的角度来看，新疆、广东、江苏、上海、山东、河北等地过去几年钢铁产业平均的M值都在1.1以上，说明这些地区的钢铁产业的动态效率较高。
五、结论
从我国各地区钢铁行产业的动态效率测算结果看，我国钢铁行业的整体效率水平不高，而且效率提高的幅度比较有限，甚至有时效率并没有提高。从总体效率分解看，技术进步对我国钢铁行业的影响较大，这说明这些年我国钢铁产业取得了很大的技术进步。而钢铁产业纯技术效率的影响处于一个较低水平，这说明我国钢铁产业的管理水平、技术应用能力还有待提高。我国钢铁产业的规模经济效率也没有得到很好地体现，各地区的钢铁产业的规模效率平均水平不高，没有体现出规模经济特性，这说明各地钢铁产业的发展还是处于一个无序的状态，没有很好地发展地区特色，形成地域特点。纯技术效率和规模效率的水平不高导致我国钢铁产业整体技术效率不高。为了提高钢铁产业的发展水平应该在以下几个方面加以改进：一是提高我国钢铁产业的技术效率，增强企业的技术应用能力以及企业管理能力；二是要调整我国钢铁产业的布局结构，通过我国钢铁产业的规模效率分析可知，我国大部分的省区的规模效率不高，各地的重复建设问题严重，这就需要打破现有的钢铁产业布局模式，将钢铁产业的发展进行整体的协调规划避免重复建设，形成具有地区特色的发展模式；三是要建立地区钢铁产业发展的协调机制，目前我国各地钢铁产业发展还存在一定的地方保护，这就需要建立起一个整体的协调机构，由他来协调各地区的钢铁产业发展，这样可以有效提高我国钢铁产业发展的水平。
参考文献：
[1] 徐二明，高怀. 中国钢铁企业竞争力评价及其动态演变规律分析[J]. 中国工业经济，2004，（11）：40-46.
[2]焦国华，江飞涛，陈舸. 中国钢铁企业的相对效率和规模效率[J].中国工业经济，2007，（10）：37-44.
[3]李兰冰，刘秉镰. 我国对外开放机场的动态生产效率研究[J].中国工业经济，2007，（10）：29-36.
[4]顾成彦，胡汉辉. 基于Malmquist指数的我国电信业动态效率研究[J].软科学，2008，（4）：54-57.
[5]伊淑彪，丁启军.中国钢铁企业规模经济效率分析[J].山西财经大学学报，2009，（3）.
[6]齐二石，孔海宁等. 我国钢铁工业生产效率的Malmquist指数分析[J].天津大学学报（社会科学版），2009，（6）：486-489.
[7]王志浩.官方数据有问题时，如何观察中国经济？[J].中国市场，2012，（42）.
[8] Charnes A.，Cooper W. W，Rhodes E. Measuring the Efficiency of Decision Making Units [J]. European Journal of Operational Research，1978，（2）：429-444.
[9] Banker R. D. Estimating Most Productive Scale Size Using Data Envelopment Analysis [J]. European Journal of Operations Research，1984，（17）：1078-1092.
（编辑：许丽丽）
关键词：钢铁产业；动态效率；Malmquist指数；技术效率；纯技术效率；规模效率
中图分类号：F224
一、引言
钢铁产业是关系到中国国民经济发展的基础产业，钢铁产业的发展水平是衡量一个国家经济发展水平和综合国力的重要标准，并影响着与其相关的国防、机械、汽车、造船、建筑及家电等诸多行业。随着中国国民经济的快速发展，中国钢铁产业的发展也取得了巨大成就。我国是钢铁生产和消费大国，粗钢产量连续多年居世界第一。1996年我国的钢产产量达到1亿吨，成为世界钢铁产量第一，自此我国的钢铁产业发展进入了一个新的发展阶段。进入21世纪以来，随着国民经济的飞速发展，钢铁产业又开始了新一轮的高速增长，钢铁产量几乎每年都在以5000 万吨级的速度上升。2003 年我国钢铁产业产量突破2 亿吨，创世界钢铁历史发展新高。2012年，中国的钢产量将达到7.23亿吨，同比增长3%左右。与此同时，也应该注意到尽管我国是钢铁工业大国，但还不是一个真正的钢铁工业强国。本文主要从产业效率的角度对我国钢铁产业的发展进行实证分析，探析影响我国钢铁产业效率提高的因素，进而为我国钢铁产业效率的提高提供一些建议。
二、文献回顾
一般而言，关于产业生产效率的研究主要有三种方法：第一种是指标评价法，通过定性和定量研究相结合的方式构建一个指标体系，然后根据这一指标体系对决策单元进行综合评价，该方法还受到指标体系过程中主观意识的影响，指标体系的客观性很难保证，指标评价法更多的是体现了决策单元的经营绩效，而不是决策单元经济意义上的生产效率；第二种方法是参数法，是通过一些经济学和数学的方法建立生产函数或成本函数，通过分析这些生产或者成本函数来确定决策单元的生产效率，这种方法需要预先设定生产函数，如果预设的生产函数与实际不符就会造成结果的偏差，另外这种方法在处理当决策单元有多个投入和多个产出问题时也存在一定的困难；第三种方法是非参数法，这种方法主要包括数据包络分析法（DEA）、混合最有策略法（MOS）和指数法（IN）等，在这些方法中DEA方法在实践中应用比较广泛。
目前，国内关于钢铁产业动态效率研究的文献并不多。徐二明、高怀（2004）利用DEA方法对我国38家重点大中型企业的数据进行了分析，实质上是从动态能力的角度分析了这些企业的竞争力；焦国华，江飞涛等（2007）以中国57家重点大中型钢铁企业2006年的数据为基础，利用DEA方法分析了这些企业的相对效率和规模效率，得出结论为大型和特大型企业与中小型钢铁企业相比并不具备明显的效率优势，认为大型钢铁企业没有表现出规模效率，我国钢铁产业不存在显著的规模经济特征，他们的研究主要依据2006年一年的数据，对钢铁行业的动态效率的变化没有进行分析；伊淑彪，丁启军（2009）利用DEA方法中的CCR和BCC模型以在沪深两市30家上市公司2007年底数据分析了这些钢铁企业的规模效率，他们只是分析了这些企业的静态规模效率，没有分析企业动态效率的变化；刘秉镰，林坦等（2010）采用DEA和Malmquist指数方法，以2001-2005年我国45家钢铁企业的数据，利用企业规模和所有权这两个分析视角对这些企业的生产力变化进行了分析，其实质是分析了这些企业效率变化的影响因素，认为我国钢铁企业的效率在不断改善，而改善的原因主要在于技术的进步而非规模变化的影响，另外，分析还认为国有企业的生产效率在下降，而民营钢铁企业的效率有一定的改善。
从以上的文献中可以看到，目前国内关于钢铁产业的效率研究主要是从静态的角度进行分析，很难真正反映钢铁产业生产力的动态变化，而且目前的研究主要集中在企业层面的分析，很少有文献考虑到从区域角度对我国钢铁产业的生产效率进行研究。考虑到我国钢铁产业发展的特殊性，几乎大多数的行政地区对于区域内的钢铁产业的发展都有统筹规划，对区域内的企业发展产生了很大的影响，因此从行政区域的角度研究我国钢铁产业的发展也有着非常重大的意义。本为将利用DEA方法和Malmquist指数法，从动态效率的角度对我国各个省市自治区的钢铁产业生产效率进行分析。
三、 研究方法
四、实证分析
本部分包括指标选择和实证分析两部分。
（一）指标选择
由于投入和产出指标的选择对于DEA方法的有效性起着至关重要的作用，投入和产出指标的选择就显得格外重要，综合大多数文献的指标选择同时结合中国钢铁产业的投入和产出的特殊性以及现有数据的可获得性和可靠性，投入和产出指标的选择应该满足以下几个条件：一是数据的可测性，指标数据的内涵要清晰，可以准确计量并且在现有条件下可以收集到可靠的数据；二是指标数据要能够反映钢铁产业发展的特点，符合我国钢铁产业发展的实际情况。
本文选取的投入指标主要包括资本总额、工资总额及能源消耗三个指标。其中选择资本总额指标是因为考虑到钢铁产业固定资本投入的数据缺乏，而且流动资本也是影响钢铁产业发展的重要因素，因此选择了资本总额这一指标；选择工资总额指标是因为在职职工人数指标只考虑了劳动量的投入而没有考虑到劳动力质的差别，同时考虑到各地区工资水平的差异，因此选择了工资总额这一指标；钢铁产业是高能耗产业，能源是钢铁企业生产中重要的影响因素，因此将能源消耗作为一项投入指标。产出指标的选择主要包括工业增加值、利税总额及住钢产量三个指标。其中，使用工业增加指标是因为工业增加值是最终产品的价值，由于各个钢铁企业生产流程存在很大的差异，不同工业流程采用的中间投入产品可能存在很大的差异，如果使用工业总产值指标就会忽略中间产品的产出，而采用工业增加值指标衡量产出时可以有效避免这一问题的产生；采用利税总额指标主要是考虑到各地区税收政策的差异会影响到企业的利润总额，而是用利税总额这一指标可以有效回避这一问题；采用出钢产量这一指标是因为这一指标能够更好地反映各地区钢铁产业发展存在的差异。 本文选取2005-2010年我国30各省、自治区和直辖市的钢铁产业作为决策单元（DMU）。所有的数据均来自于各年的《中国钢铁工业年鉴》及各省市自治区的统计年鉴，还有部分数据是作者依据各地统计数据和其他公开的信息收集整理得到。
（二）实证分析
本文首先采用DEA模型计算我国30个省区市的技术前沿变化和技术效率的变化，而技术效率的变化又可以分解为规模效率和纯技术效率值。技术效率的变化主要反映了各地区在新技术的投入与产出的效率，该效率为1是表示该地区处于技术前沿面上，处于技术有效率的状态。该校效率值小于1表示该地区没有处在技术有效率的状态，地区效率值越接近1说明该地区离技术有效前沿面越近，也就越接近于技术有效率的状态。
通过计算发现，我国各地区的技术效率的均值普遍不高只有个别地方的技术效率值为1或者接近于1，其中上海和江苏两地的技术效率值较高，基本可以认为处在技术效率有效地状态。另外，天津、山东、广东、北京等地的技术效率值相对也比较高，尽管不是最佳的状态，但与其他地区相比也基本处于技术有效率的状态。而我国其他地区的技术效率值就相对较低了，这也基本反映了我国钢铁产业发展中的核心问题所在，我国钢铁产业的整体技术水平不高，在一些新技术研发及引进中投入很大，但是在实际应用中取得效果却并不好。
通过计算可以得出我国各省每一年的的规模效率的变动情况，在这几年中上海市一直保持规模效率值在1左右，也说明其一直处于规模有效率状态，这也与上海市的宝钢公司近年来的良好变现有很强的关系。另外，河北，江苏两地由于近年来发展速度很快，通过企业间不断地重组和整合，两地的钢铁产业发展迅猛，也一直处在规模有效率的状态。之后山东、天津、广东、湖南等地的规模效率值也比较高，规模效率的均值基本都在0.9以上，也处于规模有效率的区间上。其他省份和地区的规模效率均值要比以上这些地区小一些，这说明在实现规模效率这一指标上还存在一些差距。但这也只说明这些省份暂时处于省份规模的非效率，不一定能完全体现该地区单独一个企业的生产状况，要想更深地分析这一问题还需要从企业层面进行深入分析。
通过分析各地区纯技术效率值的计算结果，可以看出纯技术效率值最好的地区是上海和天津，由于纯技术效率反映的是地区钢铁行业的技术利用、企业管理、财务管理的综合能力的反映，这说明上海和天津两地的在这方面的优势还是比较大的，其中的原因可能就在于这两地都是直辖市，在行政协调方面与其他省区相比有很强的优势。另外，吉林、山东、湖北、广东、北京、江苏、辽宁等地的纯技术效率水平也比较高，也基本上处于纯技术效率有效地状态。而且这些省份也都是我国的钢铁产业的重点发展地区，可能正是由于这些地区产业发展时间较长、有良好的基础、积累了大量管理经验等因素，才导致这些地区拥有纯技术效率。
在测算了技术效率影响的基础上，本文采用Malmquist指数方法进一步计算钢铁产业动态效率的变化趋势。表1给出了全国各地区平均Malmquist指数及构成（由于篇幅所限，只列出了全国的平均值）。
根据表1中数据能够看出，从全国的平均水平看，近几年钢铁产业的M指数仅为1.042，其中对增长贡献最大的是技术前沿的变化，其平均贡献率达到了1.096，也就是说技术进步给钢铁产业的效率增加贡献是最大的。而技术效率指数贡献率仅为0.95，其中技术效率贡献平均为0.9542，规模效率贡献平均为0.9976，这说明我国钢铁产业整体技术水平在过去的几年中得到改善的同时，钢铁产业的技术应用能力、企业管理能力等并没有得到很好地改善，还有很大的进步空间，我国钢铁企业的规模经济效率水平也还有待提高，还没有真正实现发挥规模经济提高钢铁产业的效益。另外，从地区的角度来看，新疆、广东、江苏、上海、山东、河北等地过去几年钢铁产业平均的M值都在1.1以上，说明这些地区的钢铁产业的动态效率较高。
五、结论
从我国各地区钢铁行产业的动态效率测算结果看，我国钢铁行业的整体效率水平不高，而且效率提高的幅度比较有限，甚至有时效率并没有提高。从总体效率分解看，技术进步对我国钢铁行业的影响较大，这说明这些年我国钢铁产业取得了很大的技术进步。而钢铁产业纯技术效率的影响处于一个较低水平，这说明我国钢铁产业的管理水平、技术应用能力还有待提高。我国钢铁产业的规模经济效率也没有得到很好地体现，各地区的钢铁产业的规模效率平均水平不高，没有体现出规模经济特性，这说明各地钢铁产业的发展还是处于一个无序的状态，没有很好地发展地区特色，形成地域特点。纯技术效率和规模效率的水平不高导致我国钢铁产业整体技术效率不高。为了提高钢铁产业的发展水平应该在以下几个方面加以改进：一是提高我国钢铁产业的技术效率，增强企业的技术应用能力以及企业管理能力；二是要调整我国钢铁产业的布局结构，通过我国钢铁产业的规模效率分析可知，我国大部分的省区的规模效率不高，各地的重复建设问题严重，这就需要打破现有的钢铁产业布局模式，将钢铁产业的发展进行整体的协调规划避免重复建设，形成具有地区特色的发展模式；三是要建立地区钢铁产业发展的协调机制，目前我国各地钢铁产业发展还存在一定的地方保护，这就需要建立起一个整体的协调机构，由他来协调各地区的钢铁产业发展，这样可以有效提高我国钢铁产业发展的水平。
参考文献：
[1] 徐二明，高怀. 中国钢铁企业竞争力评价及其动态演变规律分析[J]. 中国工业经济，2004，（11）：40-46.
[2]焦国华，江飞涛，陈舸. 中国钢铁企业的相对效率和规模效率[J].中国工业经济，2007，（10）：37-44.
[3]李兰冰，刘秉镰. 我国对外开放机场的动态生产效率研究[J].中国工业经济，2007，（10）：29-36.
[4]顾成彦，胡汉辉. 基于Malmquist指数的我国电信业动态效率研究[J].软科学，2008，（4）：54-57.
[5]伊淑彪，丁启军.中国钢铁企业规模经济效率分析[J].山西财经大学学报，2009，（3）.
[6]齐二石，孔海宁等. 我国钢铁工业生产效率的Malmquist指数分析[J].天津大学学报（社会科学版），2009，（6）：486-489.
[7]王志浩.官方数据有问题时，如何观察中国经济？[J].中国市场，2012，（42）.
[8] Charnes A.，Cooper W. W，Rhodes E. Measuring the Efficiency of Decision Making Units [J]. European Journal of Operational Research，1978，（2）：429-444.
[9] Banker R. D. Estimating Most Productive Scale Size Using Data Envelopment Analysis [J]. European Journal of Operations Research，1984，（17）：1078-1092.
（编辑：许丽丽）