基于DEA-Malmquist 模型的江蘇省工業全要素生產率分析

王志超

（上海大學， 上海 201899）

1 研究方法與數據來源

1.1 DEA-Malmquist 模型構建

數據包絡分析（Data Envelopment Analysis,簡稱DEA）方法將具有可比性的多個指標進行相關處理，然后與生產前沿面進行對比，在處理多投入，多產出的有效性評價方面具有優勢。正因如此本文采用DEA 分析法來對江蘇省工業生產進行全要素生產率分析，表達式如下所示：

Malmquist 指數被廣泛用于測算生產率變化，其表達式為：

式中：（xt，yt）和（xt+1，yt+1）分別表示的是t時期和t+1 時期地投入產出向量，若M指數＞1，表明效率提高；若M指數＜1，表明效率降低。

1.2 指標選取與數據來源

本文根據工業生產的現狀，在保證數據的可得性和有效性對2014—2018 年江蘇省13 個地級市工業生產效率進行分析。為了消除時間序列的影響，本文設置的投入產出指標取自13 個地級市的工業生產年均數據。為了保證分析結果的準確性，本文選取資本投入和勞動力投入作為投入指標；選取工業生產總值作為產出指標，如表1 所示，具體指標的描述如下：

表1 工業生產投入產出指標體系

1）年均資本投入。為了盡量少地估計生產要素的系數提高結果的精確度，本文將除勞動力以外的生產要素資本化后全部合并到資本投入內由資產總額作為代理變量，然后將其與資本價格的代理變量：金融機構一年期貸款利率（4.35%）相乘得到年均資本投入。

2）年均勞動力投入。該指標由江蘇省各地級市的年均用工人數與相應地區的人均年工資水平相乘得到。

3）年均工業生產總值。該指標由13 個地級市的年均工業生產總值構成。

本文采用的相關數據來自于《江蘇統計年鑒》和江蘇省統計局網站，選取了江蘇省13 個地級市的相關數據進行研究。

2 工業生產效率測度與分析

2.1 DEA 模型的靜態分析

通過DEAP2.1 軟件對2014 年和2018 年江蘇省13 個地級市的投入與產出指標進行工業生產全要素生產率分析，得到工業生產的綜合效率值（Crste），純技術效率值（Vrste），規模效率值（Scale），結果如表2所示。

表2 江蘇省13 個地級市2014 年及2018 年的工業生產效率值

1）從綜合效率值來看，江蘇省的平均工業生產效率在2014 年和2018 年分別為0.886 和0.879 均小于1 故都未達到DEA 有效，但達到生產前沿面的城市數量由最初2014 年的2 個上升到2018 年的5 個占比約38.5%。南京市在這兩年均達到了生產前沿面，表明該市的工業生產投入實現了最優配置。資本與勞動力的投入配比合理，投入與產出在不同組合下達到了最優的效果。從市域來看，總體上工業生產效率基本呈現由蘇南向蘇北遞增的趨勢。在之后的5 年中，蘇南地區除南京外整體的工業生產效率有所下降，相反蘇北地區卻普遍上升，如圖1 所示。

圖1 江蘇省13 個地級市2014 年及2018 年的工業生產效率折線圖

2）工業生產投入的純技術效率可以反映一個地區在工業生產的管理和技術水平的高低。2018 年江蘇省有9 個城市達到純技術效率標準，除常州外的城市的效率值也都達到了0.9 以上。表明江蘇省在工業生產的管理與技術較為先進，而技術效率較低的常州市應該向周邊地區學習提高自身的工業生產管理和技術水平。

3）工業生產投入的規模效率可以體現出地區的工業生產是否處于最優規模。從表2 可以看出，2018 年有5 個城市達到了規模最優占比38.5%相較于2014年翻了近一倍。以蘇州，南通為代表的蘇南地區規模效率值普遍偏低，應進一步擴大工業生產的投入以達到最佳的規模。規模報酬遞增的地區如鹽城，連云港，泰州和宿遷應加大工業生產的投入力度，而規模報酬遞減的地區如蘇州和無錫因資金未得到有效利用，存在明顯的效率損失問題，應加強資金使用方向的管理。

2.2 Malmquist 指數的動態分析

Malmquist 指數能夠動態反映各地區的工業生產效率的變化趨勢，因此通過DEAP2.1 軟件對2014—2018 年江蘇省13 個地級市的工業生產投入產出數據進行分析，從而考察全要素生產率的動態變化及異質性。

1）從技術效率值來看，江蘇省五年間的均值為0.996，雖然未達到DEA 有效但已十分接近。且自14年以來，技術效率的均值在逐步提高并最終在2017年已實現技術效率有效。作為衡量管理能力的主要指標，該數據表明江蘇省在工業生產的管理與技術水平已處于較為先進的位置上。

2）從技術進步指數來看，江蘇省的均值達到1.053。表明江蘇省的技術創新能力較強，技術創新十分活躍，并且技術進步對工業生產作出了較大貢獻。

3）在資金利用效率角度來看，在2014—2016 年間，純技術效率變化指數增長率呈負值，表明其對工業生產產生了阻礙作用。說明該期間，江蘇省工業行業存在一定的投入冗余，需要提高資源配置的效率。隨后兩年，地方政府及時調整，使得該指數持續正增長，從而提高了資金的利用率，為工業發展提供動力。

4）從TFP 變動指數來看，TFP 的平均增長率為4.8%，對于工業生產增加值的貢獻平均為64%。對TFP 分解后可以發現TFP 增長的主要原因來自技術進步。從表3 中可以看到技術進步增長率平均為5.3%，該指數反映技術創新不斷拉動工業經濟增長；其次TFP 的增長來源于規模效率增長，其增長率大于1 表明江蘇省工業行業規模處于優化當中，不斷向最佳規模發展。

5）從市域來看，除常州，鹽城和泰州外其余城市的規模效率均對TFP 有貢獻。而上述三個城市應該根據自身實際情況，適當提高生產規模以實現規模效率有效。具體見表4。

3 結語

通過對江蘇省13 個城市的工業全要素生產率的分析，我們發現在工業生產中雖然技術進步占據著重要地位，或者說是工業發展的主要動因。但對于經濟發展相對落后的地區仍然可以通過提高資源利用率，擴張生產規模的方式實現工業發展。本文也存在一定的局限性。例如文章只是從全要素生產率這一個視角來進行分析，工業的發展也不僅僅是一味追求生產效率，同時還要兼顧發展的可持續以及對于生態環境的影響等。