论文部分内容阅读
摘 要:本文运用DEA和 Malmquist指数,对广东各工业行业2001~2007年的技术效率、全要素生产率及其分解项目进行了测算。结果表明:广东省工业年均技术效率为0.59,TFP年平均环比增长幅度为10.2%, TFP对工业总产值增长的贡献为40%。建议广东工业应不断提升精细化管理水平;根据行业特征,引导行业向不同地区集聚,实现行业错位升级;积极培育支柱行业中的龙头企业,带动产业做强做大;警惕重化工业快速增长可能引起的产业结构失调风险。
关键词:效率;数据包络分析;曼奎斯特指数;全要素生产率
中图分类号:F062.9 文献标识码:A 文章编号:1003-5192(2010)04-0075-06
An Empirical Analysis on Guangdong Industry Efficiency Based on DEA and
Malmquist Index, at the Background of Industry Upgrade and Transfer
WANG Xiao-dong
(Institute of Organization and Human Resource, Guangdong University of Finance, Guangzhou 510521, China)
Abstract:This article use DEA and Malmquist index to analyse technology efficiency, the total factor productivity and its component. The conclusion is that the average of technical efficiency during 7years is 0.59, and the average of TFP change 10.2%, and TFP contribute 40% to the increase of total industry production value. The paper advise that government should promote the level of fine management of all kinds of industry, lead industry centralize toward to different district based on the character of industry, promote industry to upgrade by sort, cultivate the leading enterprise of backbone industry, impel leading enterprise to guide the whole industry, pay enough attention to the risk of industry structure unbalance by reason of the too quick increase of heavy chemical industry.
Key words:efficiency; Data Envelopment Analysis(DEA); Malmquist index; the total factor productivity(TFP)
1 引言
改革开放以来,广东省工业发展迅速,取得了辉煌的成就:自1995年工业经济总量超越江苏后,工业经济总量连续多年稳居全国第一,2007年广东工业生产涉及38个行业大类,占全国所有工业大类的92.5%[1]。然而快速发展的广东工业也出现了一些问题:工业大而不强,产品主要集中在价值链的低端,效益水平较低,自主创新能力不强;工业聚集在珠三角,东西两翼及北部山区工业落后,省内工业发展水平差异巨大等等。
针对这些问题,2000年以来广东省出台了各种配套政策,调整产业结构,促进产业升级和转移,提升自主创新能力,积极向“集约型”发展方式转变。经过连续多年产业政策调整后,政府希望从实证的数据中观察这些工业新政的效果,为进一步的政策制定提供决策依据。学者们积极响应政府决策需求,从不同视角,运用不同方法,对广东工业进行多项实证研究;但在这些研究中,基于效率理论的实证分析还很薄弱。
本文将运用数据包络分析(DEA)对广东工业效率进行测算,客观反映在连续多年的珠三角工业集群自我强化效应和政府有意识的产业升级、结构调整、产业转移的政策效应的综合作用之下的广东工业效率状况,对比分析广东各工业行业的效率变化趋势及技术进步程度,并根据实证结果提出相应的政策建议。
2 文献综述
2.1 效率测量的相关技术综述
Farrel[2]系统地研究了效率理论,完整地提出生产前沿面的概念,并从前沿面的角度对微观层面的企业效率做出了定义:技术效率反映既定生产投入数量下,实际产出与理论最大产出的百分比。
生产前沿面的概念问世以来,学者们从参数法和非参数法两条不同路径上研究生产前沿面和技术效率的测量。参数法需要预先设定生产函数形式,运用统计工具估计生产函数的参数,随机前沿方法 (Stochastic Frontier Analysis,简称SFA)是其中典型代表。非参数法不需要预先设定生产函数,而是运用数学规划方法构造生产前沿面,数据包络分析(Data Envelopment Analysis,简称DEA)是一种典型的非参数法,它是由著名的运筹学家Charnes和Cooper等[3]提出的。常用模型有两种:C2R和BC2。C2R模型假设固定规模报酬不变;BC2模型假设规模报酬可变。
根据测量时间跨度可将效率指标分为静态效率指标和动态效率指标。静态效率指标包括单要素和全要素生产率。动态效率指标则反映了沿时间轴所发生的效率变化,其中最常用的是Malmquist[4]提出的全要素生产率指数(the Total Factor Productivity,简称TFP)。这种指数通过距离函数来描述多投入、多产出的生产技术变化,该指数不仅可以度量生产率TFP逐期变化动态,而且可以将这一变化分解为技术进步、纯技术效率改进和规模效率变动。
2.2 我国区域产业效率研究综述
国内学者对产业效率的研究偏重于实证分析,根据研究对象的不同,研究对象大致可分为以下方面:(1)国民经济整体效率及全要素生产率研究,如张军[5]、傅勇等[6];(2)工业、农业、第三产业的整体效率及全要素生产率研究,如常亚青等[7]、陈卫平[8]、索贵彬等[9];(3)对三大产业之下各产业效率及全要素生产率的研究,如迟国泰等[10]、刘志迎等[11]、王大鹏等[12];(4)区域产业效率及全要素生产率差异研究,如邓利方等[13]、顾乃华等[14]。
这些研究从产业全局、产业内部结构、产业地域差异等多个视角丰富了人们对产业效率变化过程的认知,为产业政策、企业战略、区域经济协调机制提供了卓有成效的理论咨询。从这些研究轨迹中我们发现对产业效率问题的探讨正在逐步深入:从宏观层面到中观层面再到微观层面,从产业整体到下属各分类行业;产业效率问题逐步与其他经济问题相交融(如效率与竞争,效率与公司治理,效率与技术进步等)。
珠三角、长三角和京津环渤海湾地区是我国经济发展速度最快的地区,学者们已对这些区域的经济整体效率做出了诸多实证分析,但对这些区域的各工业行业效率问题却缺乏系统深入的研究,尤其是广东省38个工业行业的效率问题一直缺乏专项研究,本文将填补这一研究领域的空白,为政府产业政策的决策提供理论和数据支持。
3 广东省工业技术效率和全要素生产率的数据、测算方法与结果
广东省工业门类众多,不同类型的行业生产函数各不相同,无法设定同一个参数来进行估计,所以本文选用DEA的方法进行技术效率和全要素生产率的测算。
3.1 工业技术效率及全要素生产率的数据和计算
广东省工业共包含38个行业,由于相关统计年鉴中的“煤炭开采和洗选业、废弃资源和废旧材料回收加工业”的部分年份数据缺失,所以剔除了这两个行业,剩下36个行业。本文使用的样本为2001~2007年广东省36个工业行业7年的投入和产出数据。数据主要来源有《广东工业统计年鉴》(2002~2008)、《广东统计年鉴》(2002~2008)。
3.2 计算结果及分析
3.2.1 工业综合技术效率结果与分析
(1)工业整体效率水平不高
广东省工业2001年至2007年的综合技术效率分别为0.54、0.48、0.53、0.57、0.5、0.55、0.59,7年内综合技术效率平均水平为0.59,效率水平并不理想。综合技术效率等于纯技术效率和规模效率之积,从计算结果来看,纯技术效率低下是拖累广东工业综合技术效率的根本原因。这表明广东工业的综合管理水平仍有很大改进空间,面对越来越激烈的竞争,只有不断提升精细化管理水平才能赢得竞争优势。
例如纺织业是广东的传统优势行业,是全球第三大服装出口基地。产业集群特征明显,主要集中在珠三角的广州、佛山、中山、东莞、江门等市属40多个镇(区)。近年来,南亚纺织工业发展迅速,凭借棉花资源丰富、劳动力价格低廉的优势抢占了很多国际市场份额。而广东省的大多数纺织企业并未随着国内外环境的变化而主动升级,没有自主品牌,以进料、来料贴牌加工居多,产品档次低,加之珠三角生产要素成本的上升,赢利空间被大大压缩。纺织行业的运营情况清晰地反映到了行业效率层面,近7年来综合技术效率一直在下降,从2001年到2007年分别为:0.46、0.40、0.39、0.38、0.35、0.34、0.33。
(2)工业各行业间效率水平差距较大
样本期间,各工业行业综合技术效率波动较大,变异系数为39%。其中石油和天然气开采业的综合技术效率最高,其数值为1;水的生产和供应行业的综合技术效率最低,其数值为0.09。
综合技术效率水平较高的其他行业有:通信设备、计算机及其他电子设备制造业(0.89)、烟草制品业(0.87)、仪器仪表及文化、办公用机械制造业(0.85)、石油加工炼焦及核燃料加工业(0.82)、电气机械及器材制造业(0.77)、交通运输设备制造业(0.73)。综合技术效率平均水平较低的其他行业有:电力热力的生产和供应业(0.16)、黑色金属矿采选业(0.29)、非金属矿物制品业(0.32)、纺织业(0.38)。
整体技术效率的高低取决于技术和管理水平,取决于合适的生产规模。例如石油和天然气开采业,其综合技术效率排名第一,就与该行业的大规模生产特点密切相关:一个行业几乎就那么几家企业,而且生产工艺稳定、设备先进。而通信设备、计算机及其他电子设备制造业则是凭借大量同业竞争企业的先进的技术、管理,以及生产和市场的集群优势共同搭建起一个高效率的行业。
尽管上述两个行业高效率的原因不尽相同,但尽可能的集中生产是他们的共同之处。目前通信设备、计算机及其他电子设备制造业主要集中在深圳、东莞、惠州、广州等地,该行业都被这些城市列为重点发展对象,各地区都在争夺优质项目。从市场竞争的角度看,各地区的同业竞争会促进行业的发展,但也会造成行业同构、重复建设,从而在整体上削弱行业竞争力。石油、天然气开采业由于受政府计划管控,在生产基地布点时就已有所选择,如果通信设备、计算机及其他电子设备制造业也能借助行业协会的力量协调各地区,或者政府在区域经济一体化机制中增强引导力量,那么各地区就可以结合自己的优势,实现行业错位发展,最大限度地优化使用各种资源,提升效率。
3.2.2 各行业规模效率和纯技术效率结果与分析
(1)工业整体规模效率水平较高
从所有行业各年度的规模效率数值来看,近7年来广东省工业各行业的规模效率一直保持在较高水平,7年内全部行业规模效率平均为0.85。由此可见经过多年的发展,广东工业已达到“做大”的基本标准。
(2)九大支柱工业内的部分行业纯技术效率较低
电子信息、电气机械、石油化工、纺织服装、食品饮料、建材、造纸、医药、汽车是广东省工业九大支柱工业,这些行业在国内外市场中都具有一定的比较优势。但是实证数据表明这九大支柱工业中部分行业纯技术效率水平是较低的,从效率的角度来看,九大支柱工业中的部分工业只是市场规模大而并非竞争力强。
例如建材行业,其是非金属矿物制品业的主要组成部分,也是广东民营经济的突出代表,诞生了一些区域品牌,但缺乏具有全国乃至国际知名度的大企业,行业纯技术效率为0.33;再如纺织行业,尽管是全球第三大服装出口基地,但是缺乏具有影响力的龙头企业,高端产品的知名度远不如浙江省,该行业纯技术效率为0.39。这两个行业的生产基地都集中在珠三角,规模效率较高,但作为劳动密集型行业,不得不面对本地区日益上涨的生产要素价格压力。由此可见,这类劳动密集型行业若要继续保持效率优势,迁移出珠三角重构产业集群就是必然的选择,同时集群内应产生龙头企业,引领集群升级。
再如电气机械及器材制造行业,改革开放初期曾一度领先全国,集聚在顺德、惠州、珠海的制造企业制造出了格兰仕、美的、格力等知名品牌;但近年来其他兄弟省份同行的竞争已迫使广东电气机械行业暗淡了很多,其行业纯技术效率已降为0.67。该行业也面临升级巨大压力,同样需要龙头企业带领行业集群走向价值链的高端。
3.2.3 各行业TFP指数及分析
(1)工业增长方式为低度粗放式
从TFP指数变化中可以看出从2001年至2007年全要素年平均环比增长幅度为10.2%,同期广东省全部工业行业的总产值环比年平均增长速度为25.4%,也就是说TFP对工业总产值增长的贡献为40%,换句话说,生产要素对工业总产值增长的贡献高达60%。
从TFP年均环比增长幅度来看,广东工业一直在稳扎稳打地前进,增长质量持续改进,技术进步对工业总产值增长的贡献越来越大,广东工业正在转型,产业升级逐步进行,广东工业新政效果显著。
但是不能忽视的是广东工业的增长质量离“集约化”发展还有距离。魏婕,任保平[16]提出了“粗放度”的概念,并将其定义为要素增长对经济增长的贡献程度,并对粗放程度进行了界定:粗放度介于0~0.5之间为集约式增长,0.5~0.7为低度粗放式增长,0.7~0.8为中度粗放式增长,0.8~1.0为高度粗放式增长,粗放度大于1.0时为超高度粗放式增长。若根据这个评判标准,广东省工业近7年来的增长均为低度粗放式增长,离党中央对广东省提出的“转变经济增长方式,做科学发展排头兵”的要求还有很大的差距。
将各工业行业全要素生产率年平均增长速度、 TFP年平均贡献程度、年平均技术进步率进行排序,得出以下结论。
(2)重化工行业TFP增速普遍较快
以下行业TFP年均增速较快:有色金属矿采选业(1.2)、有色金属冶炼及压延加工业(1.19)、烟草制品业(1.17)、石油加工炼焦及核燃料加工(1.17)、黑色金属冶炼及压延加工业(1.17)、电力热力的生产和供应业(1.17)。
TFP年均增长速度排名居前的行业中除了烟草行业以外,全部都是重工业,这与广东省工业结构升级密切相关,近年来,广东工业趋向高级化和重型化,在政府的有形之手的推动下,一大批产业链长、带动性强的高增长性行业,如石化、钢铁、汽车、造船、装备制造等重化工产业项目陆续上马,全省规模以上轻重工业增加值的比例由2000年的47.6%:52.4%调整为2005年的41.3%:58.7%。所以在全部工业行业的TFP增速排名中重化工行业居前列就很自然了。
(3)大部分行业都存在明显技术进步,其对全要素生产率的增长贡献较大
除了石油和天然气开采业、电力热力的生产和供应业的技术进步率稍有下降外,其余行业都存在一定的技术进步:有色金属矿采选业(1.11)、专用设备制造业(1.11)、通信设备、计算机及其他电子设备制造业(1.11)、橡胶制品业(1.11)、纺织业(1.11)、有色金属冶炼及压延加工业(1.10)、非金属矿物制品业(1.10)、交通运输设备制造业(1.10)、食品制造业(1.10)、农副食品加工业(1.10)、饮料制造业(1.10)。
广东省工业全要素生产率的增长主要来源于技术进步,其中技术进步贡献了83%,技术效率改进贡献了17%。计算过程如下:将全部行业各年份的技术进步率均值减去1得到0.084;将全部行业各年份的技术效率变化均值减去1得到0.017;将全部行业各年份的TPF变化均值减去1得到0.102,然后用平均技术进步程度除以平均TFP变化程度即可得到技术进步的贡献程度。根据TFP变化率的分解,可知经济增长的源泉主要有生产要素的增量投入、效率的提升和技术进步。
4 政策建议
4.1 广东省工业新政效果显著,未来政策重点应放在提高精细化管理水平方面
实证数据表明广东省工业全要素生产率一直处于增长态势,TFP对工业总产值增长的贡献程度不断提升,TFP增长的主要来源是技术进步,而技术进步的来源又涉及到产业集聚、科技和教育发展、技术研发投入、城市化进程、消费结构改变等因素。广东省近年来不断加大对产业升级和转移的引导力度,不断加强基础科研和教育,构建共享技术创新平台;出台了系列财税金融政策、产业政策,形成创新激励机制;加强了知识产权保护力度,为企业自主创新创造出良好的、宽松的制度环境;为产业转移提供配套措施,推动产业聚集的形成。这些政策大大改善了广东工业的发展环境,为技术进步创造了条件,促进了全要素生产率的提升。由此可见综合配套的广东工业政策的确取得了明显的效果,促进了各工业行业的升级。
但是7年来广东工业TFP对经济增长的贡献程度仍然偏低,平均为 40%,离集约式发展还有很大差距;广东工业7年来的综合技术效率平均水平为0.59,离精细化管理还相差甚远。靠扩大规模,靠堆积要素而发展的道路已经越来越窄,广东工业应向管理要效益,不断提升精细化管理水平。精细化管理水平提升的关键在于微观企业的能动性:不断改善供应链结构,持续优化经营管理流程,提升技术创新效率,合理运用各种先进的管理技术和手段(如精益制造、六西格玛等)。政府的角色则在于引导和协调行业战略性问题:如行业在空间上的布局、行业竞争格局、行业技术创新机制等。政府在这些涉及战略方向的政策上引导企业将注意力集中在“做强”而非仅仅“做大”。
4.2 根据行业特征,引导行业向不同地区集聚,实现行业错位升级
广东的劳动密集型工业行业主要集中在珠三角地区,随着该地区生产要素价格的上涨,经营效益不断下滑,其综合技术效率和TFP排名也逐渐靠后。此时政府不能听任这些行业在珠三角不断集聚,应果断引导这些行业外迁,迁向省内其他具备生产条件的地区;同时政府还应引导这些行业形成新的集群。
对于资金密集型和技术密集型行业,则应不断增强行业集聚,引导行业在空间布局上形成错位发展之势。例如广东的新型行业(如石油加工炼焦及核燃料加工、交通运输设备制造业、通信设备、计算机及其他电子设备制造业等)仍需加大集聚力度,集中优势资源,不断提升技术创新水平,促使行业良性发展。这些行业一般都被各地方政府列为重点发展对象,容易形成一窝蜂式的抢项目,争资源的风潮。建议广东省政府在全省工业行业规划中建立协调机制,在珠三角经济一体化具体方案中加强引导和协调力度,引导各行业的错位发展。
4.3 积极培育支柱行业中的龙头企业,带动产业做强做大
广东省九大支柱工业是广东工业的核心。目前这九大工业并非全部处于综合技术前沿面上,有一些行业只是规模大而并非竞争力强。建议广东省政府积极培育行业内的龙头企业,促进其提升产品技术含量,增强品牌竞争力,淘汰行业内落后产能,提高行业集中度,带领行业走向价值链的高端。
4.4 广东省重化工趋势明显,应警惕产能过剩导致结构失调
在广东省统计局公布的2008年广东百强企业名单中,重化工企业在100强企业中就占了55个席位。广东是传统的外贸大省,轻工业和第三产业的发展造就了改革排头兵的地位,今天广东开始着力补修重化工工业课程;与之相比,内地一些传统工业省份,30年来却一直以发展第三产业、削减重化工业为产业目标。不同区域间产业发展目标互逆的事实既反映了地区间经济状况的差异,也折射出中国分权式发展模式的弊端。中国的改革开放从某个视角可解读为一部不断向地方放权,激励各地区争夺GDP竞标赛冠军的历史。这种发展模式激活了地方的潜能,同时也为地方产业同构留下了隐患。在产业升级大潮与新国有化大潮双重作用下,地方闲钱纷纷涌入重化工业,国家整体所面临的系统风险越来越大。一旦经济回调,产能过剩,新上马的重化工工业将面临巨大压力,将给地方政府带来巨大的包袱。
建议政府在新的大型重化工工业项目上马前,做好充分的调研,不但要考虑本省的供需情况,还要考虑全国的供需情况。此外区域间的特大型重化工项目必须由国家相关部门做出协调,防止地方政府各自为政的短视行为损害国家整体利益。
参 考 文 献:
[1]广东省统计局.国家统计局广东调查总队.广东工业统计年鉴2008[M].北京:中国统计出版社,2008.11-23.
[2]Farrell M J. The measurement of production efficiency[J]. Journal of Royal Statistical Society, 1957, 3: 253-281.
[3]Charnes A,Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 6(2): 429-444.
[4]Malmquist S. Index numbers and indifference surfaces[J]. Trabajos de Estatistica, 1953, 4: 209-242.
[5]张军.资本形成、工业化与经济增长:中国的转轨特征[J].经济研究,2002,(6):38-45.
[6]傅勇,白龙.中国改革开放以来的全要素生产率变动及其分解(1978-2006年)—基于省际面板数据的Malmquist指数分析[J].金融研究,2009,(7):38-51.
[7]常亚青,宋来.中国企业相对效率和全要素生产率研究—基于37个行业5年数据的实证分析[J]. 数量经济技术经济研究,2006,(11):3-12.
[8]陈卫平.中国农业生产率增长、技术进步与效率变化:1990-2003年[J]. 中国农村观察,2006,(1):18-38.
[9]索贵彬,张晓林.基于超效率DEA方法的第三产业竞争力评价[J]. 统计研究,2005,(7):58-60.
[10]迟国泰,孙秀峰,芦丹.中国商业银行成本效率实证研究[J].经济研究,2005,(6):104-114.
[11]刘志迎,叶蓁.中国高技术产业各行业技术效率的实证分析——基于非参数的Malmquist指数方法[J].科学学与科学技术管理,2006,(9):22-27.
[12]王大鹏,朱迎春.我国高技术产业全要素生产率变化动态分解评价研究[J].科技进步与对策,2009,(9):104-107.
[13]邓利方,余甫功.广东全要素生产率的测算与分析:1980-2004——基于面板数据的MalmquistDEA[J].广东社会科学,2006,(5):39-44.
[14]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.
[15]朱钟棣,李小平.中国工业行业资本形成全要素生产率变动及其趋异化:基于分行业面板数据的研究[J].世界经济,2005,(9):51-62.
[16]魏婕,任保平.要素生产率和经济增长质量的理论与实证分析——基于1952-2007年的数据[J].山西财经大学学报,2009,(11):36-44.
关键词:效率;数据包络分析;曼奎斯特指数;全要素生产率
中图分类号:F062.9 文献标识码:A 文章编号:1003-5192(2010)04-0075-06
An Empirical Analysis on Guangdong Industry Efficiency Based on DEA and
Malmquist Index, at the Background of Industry Upgrade and Transfer
WANG Xiao-dong
(Institute of Organization and Human Resource, Guangdong University of Finance, Guangzhou 510521, China)
Abstract:This article use DEA and Malmquist index to analyse technology efficiency, the total factor productivity and its component. The conclusion is that the average of technical efficiency during 7years is 0.59, and the average of TFP change 10.2%, and TFP contribute 40% to the increase of total industry production value. The paper advise that government should promote the level of fine management of all kinds of industry, lead industry centralize toward to different district based on the character of industry, promote industry to upgrade by sort, cultivate the leading enterprise of backbone industry, impel leading enterprise to guide the whole industry, pay enough attention to the risk of industry structure unbalance by reason of the too quick increase of heavy chemical industry.
Key words:efficiency; Data Envelopment Analysis(DEA); Malmquist index; the total factor productivity(TFP)
1 引言
改革开放以来,广东省工业发展迅速,取得了辉煌的成就:自1995年工业经济总量超越江苏后,工业经济总量连续多年稳居全国第一,2007年广东工业生产涉及38个行业大类,占全国所有工业大类的92.5%[1]。然而快速发展的广东工业也出现了一些问题:工业大而不强,产品主要集中在价值链的低端,效益水平较低,自主创新能力不强;工业聚集在珠三角,东西两翼及北部山区工业落后,省内工业发展水平差异巨大等等。
针对这些问题,2000年以来广东省出台了各种配套政策,调整产业结构,促进产业升级和转移,提升自主创新能力,积极向“集约型”发展方式转变。经过连续多年产业政策调整后,政府希望从实证的数据中观察这些工业新政的效果,为进一步的政策制定提供决策依据。学者们积极响应政府决策需求,从不同视角,运用不同方法,对广东工业进行多项实证研究;但在这些研究中,基于效率理论的实证分析还很薄弱。
本文将运用数据包络分析(DEA)对广东工业效率进行测算,客观反映在连续多年的珠三角工业集群自我强化效应和政府有意识的产业升级、结构调整、产业转移的政策效应的综合作用之下的广东工业效率状况,对比分析广东各工业行业的效率变化趋势及技术进步程度,并根据实证结果提出相应的政策建议。
2 文献综述
2.1 效率测量的相关技术综述
Farrel[2]系统地研究了效率理论,完整地提出生产前沿面的概念,并从前沿面的角度对微观层面的企业效率做出了定义:技术效率反映既定生产投入数量下,实际产出与理论最大产出的百分比。
生产前沿面的概念问世以来,学者们从参数法和非参数法两条不同路径上研究生产前沿面和技术效率的测量。参数法需要预先设定生产函数形式,运用统计工具估计生产函数的参数,随机前沿方法 (Stochastic Frontier Analysis,简称SFA)是其中典型代表。非参数法不需要预先设定生产函数,而是运用数学规划方法构造生产前沿面,数据包络分析(Data Envelopment Analysis,简称DEA)是一种典型的非参数法,它是由著名的运筹学家Charnes和Cooper等[3]提出的。常用模型有两种:C2R和BC2。C2R模型假设固定规模报酬不变;BC2模型假设规模报酬可变。
根据测量时间跨度可将效率指标分为静态效率指标和动态效率指标。静态效率指标包括单要素和全要素生产率。动态效率指标则反映了沿时间轴所发生的效率变化,其中最常用的是Malmquist[4]提出的全要素生产率指数(the Total Factor Productivity,简称TFP)。这种指数通过距离函数来描述多投入、多产出的生产技术变化,该指数不仅可以度量生产率TFP逐期变化动态,而且可以将这一变化分解为技术进步、纯技术效率改进和规模效率变动。
2.2 我国区域产业效率研究综述
国内学者对产业效率的研究偏重于实证分析,根据研究对象的不同,研究对象大致可分为以下方面:(1)国民经济整体效率及全要素生产率研究,如张军[5]、傅勇等[6];(2)工业、农业、第三产业的整体效率及全要素生产率研究,如常亚青等[7]、陈卫平[8]、索贵彬等[9];(3)对三大产业之下各产业效率及全要素生产率的研究,如迟国泰等[10]、刘志迎等[11]、王大鹏等[12];(4)区域产业效率及全要素生产率差异研究,如邓利方等[13]、顾乃华等[14]。
这些研究从产业全局、产业内部结构、产业地域差异等多个视角丰富了人们对产业效率变化过程的认知,为产业政策、企业战略、区域经济协调机制提供了卓有成效的理论咨询。从这些研究轨迹中我们发现对产业效率问题的探讨正在逐步深入:从宏观层面到中观层面再到微观层面,从产业整体到下属各分类行业;产业效率问题逐步与其他经济问题相交融(如效率与竞争,效率与公司治理,效率与技术进步等)。
珠三角、长三角和京津环渤海湾地区是我国经济发展速度最快的地区,学者们已对这些区域的经济整体效率做出了诸多实证分析,但对这些区域的各工业行业效率问题却缺乏系统深入的研究,尤其是广东省38个工业行业的效率问题一直缺乏专项研究,本文将填补这一研究领域的空白,为政府产业政策的决策提供理论和数据支持。
3 广东省工业技术效率和全要素生产率的数据、测算方法与结果
广东省工业门类众多,不同类型的行业生产函数各不相同,无法设定同一个参数来进行估计,所以本文选用DEA的方法进行技术效率和全要素生产率的测算。
3.1 工业技术效率及全要素生产率的数据和计算
广东省工业共包含38个行业,由于相关统计年鉴中的“煤炭开采和洗选业、废弃资源和废旧材料回收加工业”的部分年份数据缺失,所以剔除了这两个行业,剩下36个行业。本文使用的样本为2001~2007年广东省36个工业行业7年的投入和产出数据。数据主要来源有《广东工业统计年鉴》(2002~2008)、《广东统计年鉴》(2002~2008)。
3.2 计算结果及分析
3.2.1 工业综合技术效率结果与分析
(1)工业整体效率水平不高
广东省工业2001年至2007年的综合技术效率分别为0.54、0.48、0.53、0.57、0.5、0.55、0.59,7年内综合技术效率平均水平为0.59,效率水平并不理想。综合技术效率等于纯技术效率和规模效率之积,从计算结果来看,纯技术效率低下是拖累广东工业综合技术效率的根本原因。这表明广东工业的综合管理水平仍有很大改进空间,面对越来越激烈的竞争,只有不断提升精细化管理水平才能赢得竞争优势。
例如纺织业是广东的传统优势行业,是全球第三大服装出口基地。产业集群特征明显,主要集中在珠三角的广州、佛山、中山、东莞、江门等市属40多个镇(区)。近年来,南亚纺织工业发展迅速,凭借棉花资源丰富、劳动力价格低廉的优势抢占了很多国际市场份额。而广东省的大多数纺织企业并未随着国内外环境的变化而主动升级,没有自主品牌,以进料、来料贴牌加工居多,产品档次低,加之珠三角生产要素成本的上升,赢利空间被大大压缩。纺织行业的运营情况清晰地反映到了行业效率层面,近7年来综合技术效率一直在下降,从2001年到2007年分别为:0.46、0.40、0.39、0.38、0.35、0.34、0.33。
(2)工业各行业间效率水平差距较大
样本期间,各工业行业综合技术效率波动较大,变异系数为39%。其中石油和天然气开采业的综合技术效率最高,其数值为1;水的生产和供应行业的综合技术效率最低,其数值为0.09。
综合技术效率水平较高的其他行业有:通信设备、计算机及其他电子设备制造业(0.89)、烟草制品业(0.87)、仪器仪表及文化、办公用机械制造业(0.85)、石油加工炼焦及核燃料加工业(0.82)、电气机械及器材制造业(0.77)、交通运输设备制造业(0.73)。综合技术效率平均水平较低的其他行业有:电力热力的生产和供应业(0.16)、黑色金属矿采选业(0.29)、非金属矿物制品业(0.32)、纺织业(0.38)。
整体技术效率的高低取决于技术和管理水平,取决于合适的生产规模。例如石油和天然气开采业,其综合技术效率排名第一,就与该行业的大规模生产特点密切相关:一个行业几乎就那么几家企业,而且生产工艺稳定、设备先进。而通信设备、计算机及其他电子设备制造业则是凭借大量同业竞争企业的先进的技术、管理,以及生产和市场的集群优势共同搭建起一个高效率的行业。
尽管上述两个行业高效率的原因不尽相同,但尽可能的集中生产是他们的共同之处。目前通信设备、计算机及其他电子设备制造业主要集中在深圳、东莞、惠州、广州等地,该行业都被这些城市列为重点发展对象,各地区都在争夺优质项目。从市场竞争的角度看,各地区的同业竞争会促进行业的发展,但也会造成行业同构、重复建设,从而在整体上削弱行业竞争力。石油、天然气开采业由于受政府计划管控,在生产基地布点时就已有所选择,如果通信设备、计算机及其他电子设备制造业也能借助行业协会的力量协调各地区,或者政府在区域经济一体化机制中增强引导力量,那么各地区就可以结合自己的优势,实现行业错位发展,最大限度地优化使用各种资源,提升效率。
3.2.2 各行业规模效率和纯技术效率结果与分析
(1)工业整体规模效率水平较高
从所有行业各年度的规模效率数值来看,近7年来广东省工业各行业的规模效率一直保持在较高水平,7年内全部行业规模效率平均为0.85。由此可见经过多年的发展,广东工业已达到“做大”的基本标准。
(2)九大支柱工业内的部分行业纯技术效率较低
电子信息、电气机械、石油化工、纺织服装、食品饮料、建材、造纸、医药、汽车是广东省工业九大支柱工业,这些行业在国内外市场中都具有一定的比较优势。但是实证数据表明这九大支柱工业中部分行业纯技术效率水平是较低的,从效率的角度来看,九大支柱工业中的部分工业只是市场规模大而并非竞争力强。
例如建材行业,其是非金属矿物制品业的主要组成部分,也是广东民营经济的突出代表,诞生了一些区域品牌,但缺乏具有全国乃至国际知名度的大企业,行业纯技术效率为0.33;再如纺织行业,尽管是全球第三大服装出口基地,但是缺乏具有影响力的龙头企业,高端产品的知名度远不如浙江省,该行业纯技术效率为0.39。这两个行业的生产基地都集中在珠三角,规模效率较高,但作为劳动密集型行业,不得不面对本地区日益上涨的生产要素价格压力。由此可见,这类劳动密集型行业若要继续保持效率优势,迁移出珠三角重构产业集群就是必然的选择,同时集群内应产生龙头企业,引领集群升级。
再如电气机械及器材制造行业,改革开放初期曾一度领先全国,集聚在顺德、惠州、珠海的制造企业制造出了格兰仕、美的、格力等知名品牌;但近年来其他兄弟省份同行的竞争已迫使广东电气机械行业暗淡了很多,其行业纯技术效率已降为0.67。该行业也面临升级巨大压力,同样需要龙头企业带领行业集群走向价值链的高端。
3.2.3 各行业TFP指数及分析
(1)工业增长方式为低度粗放式
从TFP指数变化中可以看出从2001年至2007年全要素年平均环比增长幅度为10.2%,同期广东省全部工业行业的总产值环比年平均增长速度为25.4%,也就是说TFP对工业总产值增长的贡献为40%,换句话说,生产要素对工业总产值增长的贡献高达60%。
从TFP年均环比增长幅度来看,广东工业一直在稳扎稳打地前进,增长质量持续改进,技术进步对工业总产值增长的贡献越来越大,广东工业正在转型,产业升级逐步进行,广东工业新政效果显著。
但是不能忽视的是广东工业的增长质量离“集约化”发展还有距离。魏婕,任保平[16]提出了“粗放度”的概念,并将其定义为要素增长对经济增长的贡献程度,并对粗放程度进行了界定:粗放度介于0~0.5之间为集约式增长,0.5~0.7为低度粗放式增长,0.7~0.8为中度粗放式增长,0.8~1.0为高度粗放式增长,粗放度大于1.0时为超高度粗放式增长。若根据这个评判标准,广东省工业近7年来的增长均为低度粗放式增长,离党中央对广东省提出的“转变经济增长方式,做科学发展排头兵”的要求还有很大的差距。
将各工业行业全要素生产率年平均增长速度、 TFP年平均贡献程度、年平均技术进步率进行排序,得出以下结论。
(2)重化工行业TFP增速普遍较快
以下行业TFP年均增速较快:有色金属矿采选业(1.2)、有色金属冶炼及压延加工业(1.19)、烟草制品业(1.17)、石油加工炼焦及核燃料加工(1.17)、黑色金属冶炼及压延加工业(1.17)、电力热力的生产和供应业(1.17)。
TFP年均增长速度排名居前的行业中除了烟草行业以外,全部都是重工业,这与广东省工业结构升级密切相关,近年来,广东工业趋向高级化和重型化,在政府的有形之手的推动下,一大批产业链长、带动性强的高增长性行业,如石化、钢铁、汽车、造船、装备制造等重化工产业项目陆续上马,全省规模以上轻重工业增加值的比例由2000年的47.6%:52.4%调整为2005年的41.3%:58.7%。所以在全部工业行业的TFP增速排名中重化工行业居前列就很自然了。
(3)大部分行业都存在明显技术进步,其对全要素生产率的增长贡献较大
除了石油和天然气开采业、电力热力的生产和供应业的技术进步率稍有下降外,其余行业都存在一定的技术进步:有色金属矿采选业(1.11)、专用设备制造业(1.11)、通信设备、计算机及其他电子设备制造业(1.11)、橡胶制品业(1.11)、纺织业(1.11)、有色金属冶炼及压延加工业(1.10)、非金属矿物制品业(1.10)、交通运输设备制造业(1.10)、食品制造业(1.10)、农副食品加工业(1.10)、饮料制造业(1.10)。
广东省工业全要素生产率的增长主要来源于技术进步,其中技术进步贡献了83%,技术效率改进贡献了17%。计算过程如下:将全部行业各年份的技术进步率均值减去1得到0.084;将全部行业各年份的技术效率变化均值减去1得到0.017;将全部行业各年份的TPF变化均值减去1得到0.102,然后用平均技术进步程度除以平均TFP变化程度即可得到技术进步的贡献程度。根据TFP变化率的分解,可知经济增长的源泉主要有生产要素的增量投入、效率的提升和技术进步。
4 政策建议
4.1 广东省工业新政效果显著,未来政策重点应放在提高精细化管理水平方面
实证数据表明广东省工业全要素生产率一直处于增长态势,TFP对工业总产值增长的贡献程度不断提升,TFP增长的主要来源是技术进步,而技术进步的来源又涉及到产业集聚、科技和教育发展、技术研发投入、城市化进程、消费结构改变等因素。广东省近年来不断加大对产业升级和转移的引导力度,不断加强基础科研和教育,构建共享技术创新平台;出台了系列财税金融政策、产业政策,形成创新激励机制;加强了知识产权保护力度,为企业自主创新创造出良好的、宽松的制度环境;为产业转移提供配套措施,推动产业聚集的形成。这些政策大大改善了广东工业的发展环境,为技术进步创造了条件,促进了全要素生产率的提升。由此可见综合配套的广东工业政策的确取得了明显的效果,促进了各工业行业的升级。
但是7年来广东工业TFP对经济增长的贡献程度仍然偏低,平均为 40%,离集约式发展还有很大差距;广东工业7年来的综合技术效率平均水平为0.59,离精细化管理还相差甚远。靠扩大规模,靠堆积要素而发展的道路已经越来越窄,广东工业应向管理要效益,不断提升精细化管理水平。精细化管理水平提升的关键在于微观企业的能动性:不断改善供应链结构,持续优化经营管理流程,提升技术创新效率,合理运用各种先进的管理技术和手段(如精益制造、六西格玛等)。政府的角色则在于引导和协调行业战略性问题:如行业在空间上的布局、行业竞争格局、行业技术创新机制等。政府在这些涉及战略方向的政策上引导企业将注意力集中在“做强”而非仅仅“做大”。
4.2 根据行业特征,引导行业向不同地区集聚,实现行业错位升级
广东的劳动密集型工业行业主要集中在珠三角地区,随着该地区生产要素价格的上涨,经营效益不断下滑,其综合技术效率和TFP排名也逐渐靠后。此时政府不能听任这些行业在珠三角不断集聚,应果断引导这些行业外迁,迁向省内其他具备生产条件的地区;同时政府还应引导这些行业形成新的集群。
对于资金密集型和技术密集型行业,则应不断增强行业集聚,引导行业在空间布局上形成错位发展之势。例如广东的新型行业(如石油加工炼焦及核燃料加工、交通运输设备制造业、通信设备、计算机及其他电子设备制造业等)仍需加大集聚力度,集中优势资源,不断提升技术创新水平,促使行业良性发展。这些行业一般都被各地方政府列为重点发展对象,容易形成一窝蜂式的抢项目,争资源的风潮。建议广东省政府在全省工业行业规划中建立协调机制,在珠三角经济一体化具体方案中加强引导和协调力度,引导各行业的错位发展。
4.3 积极培育支柱行业中的龙头企业,带动产业做强做大
广东省九大支柱工业是广东工业的核心。目前这九大工业并非全部处于综合技术前沿面上,有一些行业只是规模大而并非竞争力强。建议广东省政府积极培育行业内的龙头企业,促进其提升产品技术含量,增强品牌竞争力,淘汰行业内落后产能,提高行业集中度,带领行业走向价值链的高端。
4.4 广东省重化工趋势明显,应警惕产能过剩导致结构失调
在广东省统计局公布的2008年广东百强企业名单中,重化工企业在100强企业中就占了55个席位。广东是传统的外贸大省,轻工业和第三产业的发展造就了改革排头兵的地位,今天广东开始着力补修重化工工业课程;与之相比,内地一些传统工业省份,30年来却一直以发展第三产业、削减重化工业为产业目标。不同区域间产业发展目标互逆的事实既反映了地区间经济状况的差异,也折射出中国分权式发展模式的弊端。中国的改革开放从某个视角可解读为一部不断向地方放权,激励各地区争夺GDP竞标赛冠军的历史。这种发展模式激活了地方的潜能,同时也为地方产业同构留下了隐患。在产业升级大潮与新国有化大潮双重作用下,地方闲钱纷纷涌入重化工业,国家整体所面临的系统风险越来越大。一旦经济回调,产能过剩,新上马的重化工工业将面临巨大压力,将给地方政府带来巨大的包袱。
建议政府在新的大型重化工工业项目上马前,做好充分的调研,不但要考虑本省的供需情况,还要考虑全国的供需情况。此外区域间的特大型重化工项目必须由国家相关部门做出协调,防止地方政府各自为政的短视行为损害国家整体利益。
参 考 文 献:
[1]广东省统计局.国家统计局广东调查总队.广东工业统计年鉴2008[M].北京:中国统计出版社,2008.11-23.
[2]Farrell M J. The measurement of production efficiency[J]. Journal of Royal Statistical Society, 1957, 3: 253-281.
[3]Charnes A,Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 6(2): 429-444.
[4]Malmquist S. Index numbers and indifference surfaces[J]. Trabajos de Estatistica, 1953, 4: 209-242.
[5]张军.资本形成、工业化与经济增长:中国的转轨特征[J].经济研究,2002,(6):38-45.
[6]傅勇,白龙.中国改革开放以来的全要素生产率变动及其分解(1978-2006年)—基于省际面板数据的Malmquist指数分析[J].金融研究,2009,(7):38-51.
[7]常亚青,宋来.中国企业相对效率和全要素生产率研究—基于37个行业5年数据的实证分析[J]. 数量经济技术经济研究,2006,(11):3-12.
[8]陈卫平.中国农业生产率增长、技术进步与效率变化:1990-2003年[J]. 中国农村观察,2006,(1):18-38.
[9]索贵彬,张晓林.基于超效率DEA方法的第三产业竞争力评价[J]. 统计研究,2005,(7):58-60.
[10]迟国泰,孙秀峰,芦丹.中国商业银行成本效率实证研究[J].经济研究,2005,(6):104-114.
[11]刘志迎,叶蓁.中国高技术产业各行业技术效率的实证分析——基于非参数的Malmquist指数方法[J].科学学与科学技术管理,2006,(9):22-27.
[12]王大鹏,朱迎春.我国高技术产业全要素生产率变化动态分解评价研究[J].科技进步与对策,2009,(9):104-107.
[13]邓利方,余甫功.广东全要素生产率的测算与分析:1980-2004——基于面板数据的MalmquistDEA[J].广东社会科学,2006,(5):39-44.
[14]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.
[15]朱钟棣,李小平.中国工业行业资本形成全要素生产率变动及其趋异化:基于分行业面板数据的研究[J].世界经济,2005,(9):51-62.
[16]魏婕,任保平.要素生产率和经济增长质量的理论与实证分析——基于1952-2007年的数据[J].山西财经大学学报,2009,(11):36-44.