基于DEA-Malmquist 模型的江苏省工业全要素生产率分析

王志超

（上海大学， 上海 201899）

1 研究方法与数据来源

1.1 DEA-Malmquist 模型构建

数据包络分析（Data Envelopment Analysis,简称DEA）方法将具有可比性的多个指标进行相关处理，然后与生产前沿面进行对比，在处理多投入，多产出的有效性评价方面具有优势。正因如此本文采用DEA 分析法来对江苏省工业生产进行全要素生产率分析，表达式如下所示：

Malmquist 指数被广泛用于测算生产率变化，其表达式为：

式中：（xt，yt）和（xt+1，yt+1）分别表示的是t时期和t+1 时期地投入产出向量，若M指数＞1，表明效率提高；若M指数＜1，表明效率降低。

1.2 指标选取与数据来源

本文根据工业生产的现状，在保证数据的可得性和有效性对2014—2018 年江苏省13 个地级市工业生产效率进行分析。为了消除时间序列的影响，本文设置的投入产出指标取自13 个地级市的工业生产年均数据。为了保证分析结果的准确性，本文选取资本投入和劳动力投入作为投入指标；选取工业生产总值作为产出指标，如表1 所示，具体指标的描述如下：

表1 工业生产投入产出指标体系

1）年均资本投入。为了尽量少地估计生产要素的系数提高结果的精确度，本文将除劳动力以外的生产要素资本化后全部合并到资本投入内由资产总额作为代理变量，然后将其与资本价格的代理变量：金融机构一年期贷款利率（4.35%）相乘得到年均资本投入。

2）年均劳动力投入。该指标由江苏省各地级市的年均用工人数与相应地区的人均年工资水平相乘得到。

3）年均工业生产总值。该指标由13 个地级市的年均工业生产总值构成。

本文采用的相关数据来自于《江苏统计年鉴》和江苏省统计局网站，选取了江苏省13 个地级市的相关数据进行研究。

2 工业生产效率测度与分析

2.1 DEA 模型的静态分析

通过DEAP2.1 软件对2014 年和2018 年江苏省13 个地级市的投入与产出指标进行工业生产全要素生产率分析，得到工业生产的综合效率值（Crste），纯技术效率值（Vrste），规模效率值（Scale），结果如表2所示。

表2 江苏省13 个地级市2014 年及2018 年的工业生产效率值

1）从综合效率值来看，江苏省的平均工业生产效率在2014 年和2018 年分别为0.886 和0.879 均小于1 故都未达到DEA 有效，但达到生产前沿面的城市数量由最初2014 年的2 个上升到2018 年的5 个占比约38.5%。南京市在这两年均达到了生产前沿面，表明该市的工业生产投入实现了最优配置。资本与劳动力的投入配比合理，投入与产出在不同组合下达到了最优的效果。从市域来看，总体上工业生产效率基本呈现由苏南向苏北递增的趋势。在之后的5 年中，苏南地区除南京外整体的工业生产效率有所下降，相反苏北地区却普遍上升，如图1 所示。

图1 江苏省13 个地级市2014 年及2018 年的工业生产效率折线图

2）工业生产投入的纯技术效率可以反映一个地区在工业生产的管理和技术水平的高低。2018 年江苏省有9 个城市达到纯技术效率标准，除常州外的城市的效率值也都达到了0.9 以上。表明江苏省在工业生产的管理与技术较为先进，而技术效率较低的常州市应该向周边地区学习提高自身的工业生产管理和技术水平。

3）工业生产投入的规模效率可以体现出地区的工业生产是否处于最优规模。从表2 可以看出，2018 年有5 个城市达到了规模最优占比38.5%相较于2014年翻了近一倍。以苏州，南通为代表的苏南地区规模效率值普遍偏低，应进一步扩大工业生产的投入以达到最佳的规模。规模报酬递增的地区如盐城，连云港，泰州和宿迁应加大工业生产的投入力度，而规模报酬递减的地区如苏州和无锡因资金未得到有效利用，存在明显的效率损失问题，应加强资金使用方向的管理。

2.2 Malmquist 指数的动态分析

Malmquist 指数能够动态反映各地区的工业生产效率的变化趋势，因此通过DEAP2.1 软件对2014—2018 年江苏省13 个地级市的工业生产投入产出数据进行分析，从而考察全要素生产率的动态变化及异质性。

1）从技术效率值来看，江苏省五年间的均值为0.996，虽然未达到DEA 有效但已十分接近。且自14年以来，技术效率的均值在逐步提高并最终在2017年已实现技术效率有效。作为衡量管理能力的主要指标，该数据表明江苏省在工业生产的管理与技术水平已处于较为先进的位置上。

2）从技术进步指数来看，江苏省的均值达到1.053。表明江苏省的技术创新能力较强，技术创新十分活跃，并且技术进步对工业生产作出了较大贡献。

3）在资金利用效率角度来看，在2014—2016 年间，纯技术效率变化指数增长率呈负值，表明其对工业生产产生了阻碍作用。说明该期间，江苏省工业行业存在一定的投入冗余，需要提高资源配置的效率。随后两年，地方政府及时调整，使得该指数持续正增长，从而提高了资金的利用率，为工业发展提供动力。

4）从TFP 变动指数来看，TFP 的平均增长率为4.8%，对于工业生产增加值的贡献平均为64%。对TFP 分解后可以发现TFP 增长的主要原因来自技术进步。从表3 中可以看到技术进步增长率平均为5.3%，该指数反映技术创新不断拉动工业经济增长；其次TFP 的增长来源于规模效率增长，其增长率大于1 表明江苏省工业行业规模处于优化当中，不断向最佳规模发展。

5）从市域来看，除常州，盐城和泰州外其余城市的规模效率均对TFP 有贡献。而上述三个城市应该根据自身实际情况，适当提高生产规模以实现规模效率有效。具体见表4。

3 结语

通过对江苏省13 个城市的工业全要素生产率的分析，我们发现在工业生产中虽然技术进步占据着重要地位，或者说是工业发展的主要动因。但对于经济发展相对落后的地区仍然可以通过提高资源利用率，扩张生产规模的方式实现工业发展。本文也存在一定的局限性。例如文章只是从全要素生产率这一个视角来进行分析，工业的发展也不仅仅是一味追求生产效率，同时还要兼顾发展的可持续以及对于生态环境的影响等。