新常态视角下装备制造业技术效率研究*

逄红梅， 朱 伟(沈阳工业大学 . 经济学院， . 管理学院， 沈阳 110870)

【装备制造业发展研究】

新常态视角下装备制造业技术效率研究*

逄红梅a， 朱 伟b
(沈阳工业大学 a. 经济学院， b. 管理学院， 沈阳 110870)

新常态下提质增效是装备制造业发展的新模式。通过突破传统投入指标，引入能源指标，更全面、客观地反映装备制造业全行业和子行业技术效率与投入冗余的实际水平。以辽宁省为例进行实证分析，结果表明：通过引入能源指标的DEA技术效率测算值反映出普遍存在子行业的纯技术效率高于规模效率现象，但辽宁省装备制造业全行业技术效率仍是非DEA有效；纯技术效率值为1的子行业，投入冗余差值比均为0；金属制造业是七个子行业中技术效率和投入冗余表现最差的行业，而通信制造业表现最好。该研究进一步客观地展现各子行业资源利用及投入冗余的差异。

新常态； 装备制造业； 数据包络分析(DEA)； 技术效率； 投入冗余； 资源利用

在全球经济不稳定性和非均衡性复苏态势下，我国经济正处在承受增速换挡、结构调整、消化经济刺激带来副作用的关键时期。为了应对三种叠加的外在环境的影响，必须依靠提质增效和技术创新来推动我国经济的深度发展，使其适应经济新常态。2015年国家提出《中国制造2025》战略规划，是应对新一轮科技革命和产业变革的战略选择，也是实现稳定增长和提质增效升级的迫切需要。装备制造业是我国经济的重要产业支柱，但自2011年以来，装备制造业结束了2000—2010年“黄金十年”年均25%以上的超高速增长，提前转入中高速增长阶段[1]。装备制造业全行业在中高速增长阶段难以再现规模扩张主导型的增长模式，而是要不断满足高端装备产品的市场需求，持续加快转型升级和提质增效的步伐。由此可见，提质增效已是装备制造业必须面对的现实和改进的方向。

对产业可持续发展的衡量已经突破原有的量的积累，提质增效是未来产业变革的动力，但效率的提升与市场资源配置、资源利用水平、投入产出比例密切相关。近年来装备制造业在规模快速扩张的同时，是不是存在粗放型的发展状况?各子行业的产业投入向产业转出效率如何?是否符合经济发展新常态和生态环境的要求?作为我国经济重要产业支柱的装备制造业，如何面对这些问题，提质增效、优胜劣汰、快速适应时代要求成为当前一个重要的研究课题。

一、文献回顾

效率一词最早由Cary Jefferson等人在20世纪80年代引入中国，自此各种有关效率的研究层出不穷*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、技术进步等。基于本文应用实际，这里仅从技术效率方面进行文献回顾。。技术效率是其中一种常用范畴，体现在不同领域与层面中。技术效率最早是由Farrell(1957)从要素投入角度提出的[2]，而后关于技术效率测度方法的文献较多，大致包括两种：一种是1978年由Charnes、Cooper和Rhodes在此基础上提出的第一个非参数数据包络分析法(DEA)[3]；另一种是由Aginer等提出的参数随机前沿分析法(SFA)[4]。SFA方法由于需要提前假设生产函数，故对效率评价有失客观，但却考虑了随机误差；而DEA方法不需提前假设生产函数，虽客观性较强，但没有考虑测量误差和随机噪音，效率评价值与前沿面的偏差都被归因于技术非效率。

近年来，学者们利用非参数方法或参数方法对装备制造业效率进行了大量的研究。牛泽东(2012)利用随机前沿分析方法对我国装备制造业七个子行业的技术创新效率进行了测算，结果显示通信制造业的技术创新效率最高，通用制造业的技术创新效率最低，并对其他子行业也进行了排序[5]。张明亲(2013)在资源环境约束下采用DEA方法对陕西省装备制造业七个子行业的技术效率进行了测算，研究表明发展最快的专用制造业、交通制造业的环境协调性最差，并对存在的问题提出了针对性较强的建议[6]。徐雷(2011)利用DEA-Malmquist指数方法对1995—2008年我国装备制造业七个子行业的全要素生产率进行了测度，结果显示我国装备制造业还处于投入增长阶段[7]。逄红梅(2014)利用DEA方法对我国装备制造业及各子行业的技术效率进行测度并比较，认为装备制造业整体和子行业发展存在不一致性，结果表明辽宁省装备制造业子行业分布在不同的发展象限内，说明子行业发展存在差异[8]。安甜甜(2013)利用DEA模型，从资本、劳动力投入与产出的角度对辽宁省装备制造业七个子行业进行了分析，并提出了优化各个行业投入产出结构的建议[9]。于雅倩(2014)引入资本和劳动力投入指标，利用DEA模型对辽宁省装备制造业各子行业的产业效率测度和差异进行了分析，其资本和劳动力投入冗余结果展现出各子行业发展的差异[10]。

在当今经济新常态的大背景下，旨在实现产业转型、提质增效的绿色制造的地位越发突出。张青山(2015)认为，服务型制造是当今国际装备制造业发展的一种新趋势和新模式[11]。同样，绿色制造也是未来装备制造业发展的新态势，但目前对装备制造业全行业与子行业效率进行分析时，投入指标基本选择资本或资产、劳动力两个方面。鉴于此，可在以下几方面进行拓展：第一，针对经济可持续增长所面临的环境资源约束问题，突破传统投入指标，引用能源指标，更全面地反映装备制造业对投入要素的转化效率和利用水平；第二，引入能源指标后通过各子行业技术效率水平差异的变化，能更客观地掌握各子行业的投入冗余程度，制定更加科学的投入产出比例，避免盲目投资。

二、研究方法

针对后文实证分析的需要，本文着重介绍DEA非参数模型。该模型是基于Charnes、Cooper和Rhodes提出的第一个DEA模型——CCR模型逐渐演化的，假设规模报酬不变(Constant Return to Scale)，通过线性规划来构造生产前沿面。

CCR模型假设有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，记为

通过线性规划问题求解每个DMU的投入产出比，在规模报酬不变情况下，该线性规划问题存在多个解。为解决这种情况，引入约束条件，将线性规划问题转换成对偶规划问题，如式(1)所示。

(1)

式中：λ为N×1常数向量；X为M×N投入矩阵；Y为S×N产出矩阵；θ(0<θ≤1)为第j个决策单元DMU的效率值，θ=1表示该决策单元为完全有效率，θ<1表示该决策单元非完全有效率，θ值越小表示越远离效率前沿面[12]。

Banker、Charnes和Cooper(1984)[13]在CCR模型基础上提出了规模效益可变(Variable Return to Scale)情况下的BCC模型，该模型能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[12]，具体表示为

(2)

通过式(1)、(2)可计算出技术效率、纯技术效率、规模效率，其中技术效率等于纯技术效率与规模效率的乘积。

将式(2)加入松弛变量S-(Slacks)、S+(Surplus)，变为

(3)

三、新常态下装备制造业的技术效率——以辽宁省为例*本文选取辽宁省为例，是因为引入能源指标后，在全国性的年鉴中没有反映出不同地区内不同行业双向能源指标的数据，只有单一的地区或者行业数据，即能源指标数据只能在某一省份的年鉴中获得，不能开展全国范围内的研究。

随着产业变革和经济发展进入新常态，新一轮老工业基地振兴发展再次迎来重要机遇，而东北老工业基地的支柱产业——装备制造业作为制造业的核心，在辽宁起着举足轻重的作用。2013年辽宁省装备制造业增加值同比增长9.6%，占规模以上工业增加值的31.5%，其各行业增加值增长率如图1所示*除金属制品业增加值的数据来源于2014年《辽宁省国民经济和社会发展统计公报》外，其他数据均来源于2013年《辽宁省国民经济和社会发展统计公报》。。为简化各行业的名称，本文统一将金属制造业、通用制造业、专用制造业、交通运输制造业、电气制造业、通信制造业、仪器仪表制造业简写为JS、TY、ZY、JT、DQ、TX、YB。

图1 辽宁省装备制造业各行业增加值增长率

从全国整体来看，辽宁省属于装备制造业基础较好、发展较快的省份，但近年来却被许多后起省份赶超，虽然辽宁的装备制造业发展规模大，但获利能力和竞争力却并不强[8]。由图1可知，交通运输制造业增加值的增长最为迅速，达到23.6%；增加值增长最少的为通信制造业，仅为2.7%。可见，装备制造业各子行业的发展存在差异。李晖(2015)认为，辽宁省通信制造业和仪器仪表制造业等新兴装备制造业发展相对滞后[14]。因此，选择与重点培育符合经济新常态且有发展潜力的子行业是辽宁省装备制造业改善现状、加快转型升级的途径之一。

2015年辽宁省政府工作报告中指出，要积极推进辽宁装备制造业“走出去”战略并大力发展高端装备制造业，积极融入“一带一路”发展战略。因此在经济新常态下，产业发展不仅仅是量的增长，更应多关注质量、生态、生产效率与要素转化率的提升，通过技术效率的提升来节约资源、改善生态环境和要素利用水平，增强产业实力。

本文技术效率实证研究应用的是前文分析的适合多投入多产出情况的DEA模型，该模型更注重客观性和参数估计的合理性。

1. 变量选取与数据来源

技术效率测算基于投入和产出变量进行，本文选用常用的工业总产值作为产出变量。就投入变量而言，有关资本估算的文献较多，对劳动力和能源投入的讨论次之。与其他变量不同，资本存量没有直接观察的数据，需采用其他可替代数据来估算。多数文献中常用永续盘存法来估算，但估算出一个不变的折旧率用于不同年份和不同子行业过于粗糙[15]。鉴于此，本文直接采用统计年鉴中的固定资产净值(固定资产原值-累计折旧)数据，一是为提高真实测算结果，不采用任何待估参数；二是面板数据涉及不同年份和不同子行业，采用同一折旧率有失实际性；三是固定资产净值能较好地代表资本存量。劳动力变量选取各行业年均就业人数来代替劳动力投入指标；能源变量选取各行业的煤炭消耗量(单位：万吨标准煤)作为衡量能源投入的指标。

为使数据具有可比性，需对工业总产值、固定资产净值按照相关价格指数进行平减。工业总产值、固定资产净值采用的价格平减指数分别为工业生产者出厂价格指数、固定资产投资价格指数，以2008年为100进行定基处理，得到以2008年为基期的可比时间序列数据。

本文数据来源于2009—2013年的《中国统计年鉴》、《中国工业统计年鉴》、《辽宁统计年鉴》，缺失数据采用线性插值法进行补充。

2. 实证结果分析

(1) 技术效率测算结果分析

应用DEAP2.1软件对2008—2012年辽宁省装备制造业各行业的技术效率(crste)、纯技术效率(vrste)和规模效率(scale)进行测算，其中crste=vrste×scale，具体结果整理如表1所示，变化曲线如图2所示。

表1 辽宁省装备制造业各行业技术效率及分解值

图2 辽宁省装备制造业全行业技术效率及分解值变化曲线

由表1、图2可知，从整体上看，装备制造业技术效率存在差异，TY、JT、TX、YB显示纯技术效率等于或高于规模效率，JS、DQ显示规模效率等于或高于纯技术效率，而ZY在不同年份纯技术效率和规模效率的表现存在较大差异，所以图2显示ZY的技术效率波动幅度较大。同时，各子行业的技术效率水平整体上处于上升阶段，这与一些文献存在差异，如文献[12]，原因在于本文引入了能源指标。《辽宁统计年鉴》数据显示，能源(单位：万吨标准煤)投入逐年减少，这与节能减排、绿色制造、经济发展新常态的要求步调一致，因此分析装备制造业技术效率时，引入能源指标较单纯引入资本与劳动力指标能更全面地反映实际投入产出的转出效能。

从横向数据看，同一子行业在不同年份的技术效率水平(除TX外)存在差异。TX技术效率在2008—2012年均达到DEA有效，说明TX在生产过程中已达到最优的投入产出比，在现有技术条件下同比例增加投入可以带来更大的产出，这也与当前信息化的大环境吻合，是装备制造业新的增长点。TY、JT、YB行业表现出纯技术效率等于或高于规模效率，说明辽宁省装备制造业应该加大该行业的投入才度，使其行业规模符合技术发展要求。JS技术效率相对较低，效率值在0.8左右，且规模效率对技术效率具有推动作用，而纯技术效率对技术效率起到阻碍作用。这一观点与张丹宁(2014)对中国装备制造业七个子行业发展模式研究的结果相吻合，认为JS发展模式属于“双无模式型”，存量和增量都不存在优势，缺少拉动产业增长的动力，因此JS要在产业规模、技术创新等方面进行突破[16]。

从纵向数据看，2008—2012年装备制造业各子行业的效率差异较大。2008年金融危机后，各个行业的发展差异表现出行业资源利用水平的差异。2011年，ZY与TX间技术效率差距最大为0.302，说明这两个行业资源利用程度存在较大差别；规模效率是推动ZY技术效率提升的关键，说明该行业低端产品相对过剩、高端产品竞争力较弱。2012年各行业技术效率差异逐渐缩小，均在0.850之上。这些变化说明辽宁省装备制造业在制度安排、技术创新以及管理效率方面均有提升，但仍存在进步空间。

为更直观地分析新常态下辽宁省装备制造业的技术效率变化趋势，根据表2的数据绘制辽宁省装备制造业全行业技术效率趋势图(见图3)。

由图3可以看出，辽宁省装备制造业全行业的技术效率、纯技术效率和规模技术效率均具有明显的波动性，其中纯技术效率比技术效率和规模效率发展曲线走势高一些，而技术效率曲线上下浮动较大。

同时，辽宁省装备制造业的技术效率、纯技术效率和规模效率均值小于1，说明辽宁省装备制造业技术效率均没有达到DEA有效。纯技术效率一直处于规模效率和技术效率之上，且技术效率最小，2011年达到最低点0.857，与生产前沿面相差15个百分点，这些都反映出辽宁省装备制造业全行业技术效率还有提升的空间，全行业技术水平对其技术效率提升起到推动作用。

表2 辽宁省装备制造业各行业投入冗余情况

图3 辽宁省装备制造业各行业技术效率变化趋势

(2) 投入冗余测算结果分析

根据DEAP 2.1软件计算出的2008—2012年辽宁省装备制造业各子行业目标投入量*目标投入量是根据投入项的径量(Radial Movement)和差额(Slack Movement)的调整量与实际投入量共同计算出来的数据。与实际投入量平均值以及两者的差值比较(见表2)，辽宁省装备制造业个别行业在产出既定的情况下应该降低投入。

辽宁省装备制造业各行业技术效率不同，因此各行业的目标投入量与实际投入量之间也存在较大差异，各行业投入冗余情况如表2所示。

表2的估算结果可作为各行业适量调整投入资源比例的参考。TY、JT、TX、YB四个行业不需调整投入量，差值比均为0，这些行业表现出的一个共同特征是纯技术效率值均为1，也就是说，这些行业能在现有技术条件下充分利用投入要素，达到最优的投入产出比例。DQ行业存在微量调整，投入要素组合基本上能使产出最大化，表1中显示DQ行业除2008年技术效率、纯技术效率和规模效率小于1外，其余年份均等于1，达到DEA完全有效。JS和ZY行业的资本、劳动力和能源的差值比均较大，尤其是JS行业，说明这两个行业提高技术效率要调整要素投入比例，在现有技术条件下充分发挥最优投入产出比例的作用。

四、结 论

本文运用DEA方法对2008—2012年辽宁省装备制造业技术效率进行实证分析，主要得出以下结论：

第一，突破传统投入指标，引入能源指标，较前期文献本文测算的技术效率及分解值发生变化。多数子行业如TY、JT、TX、YB显示纯技术效率高于规模效率，这使分析装备制造业技术效率引入能源指标较单纯引入资本与劳动力指标能更全面地反映实际投入产出的转出效能，更能体现新经济常态的要求。

第二，辽宁省装备制造业全行业的技术效率、纯技术效率和规模效率均值小于1，表明全行业非DEA有效，存在改进空间，另外也说明各子行业存在发展差异，优势与劣势行业对全行业技术效率提升与降低起绝对作用。TX在现有技术条件下对投入资源达到最大化利用，这也与当前信息化大环境吻合，是装备制造业新的增长点。JS技术效率普遍偏低，说明该行业对所投入要素未充分利用，存在资源浪费的情况。

第三，各行业的投入冗余度存在较大差异。TY、JT、TX、YB四个行业不需调整投入量，DQ行业存在微量调整，JS和ZY行业存在较大调整。研究结果表明投入冗余度越小，行业优势越明显，纯技术效率越高。可见，未来行业发展是技术创新与突破的展现，技术水平越高表明对现有资源利用率越高。

突破传统投入指标而引入能源指标的技术效率和投入冗余分析，可以全面地掌握新常态下装备制造业对投入资源的实际利用水平，择优发展子行业以真正实现全行业竞争力的提升。针对辽宁省其他实际情况，也可进一步分析影响辽宁省装备制造业子行业发展的深层次因素，提供更有价值的对策建议。本文的实证方法也可应用到全国装备制造业技术效率研究中，使其更为客观化。

[1]石勇，张燕.新常态的中国装备制造业 [EB/OL].[2015-01-07].http：//mma.vogel.com.cn/2015/0107/news_469249.html.

[2]Farrel M J.The measurement of productive efficiency [J].Journal of Royal Statistical Society，1957，120(3)：253-281.

[3]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units [J].European Journal of Operational Research，1978，2(6)：429-444.

[4]Aigner D J，Lovell C A K，Schmidt P J.Formulation and estimation of stochastic frontier production function models [J].Econometrics，1977(6)：275-276.

[5]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.

[6]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)：109-112，120.

[7]徐雷.中国装备制造业全要素生产率动态变动实证分析 [J].渤海大学学报：哲学社会科学版，2011(1)：121-124.

[8]逄红梅.我国装备制造业技术效率实证研究 [D].沈阳：辽宁大学，2014.

[9]安甜甜.基于DEA模型的辽宁省装备制造业效率对比分析 [J].鞍山师范学院学报，2013，15(1)：41-45.

[10]于雅倩.辽宁装备制造业产业效率与其国际竞争力关系研究 [D].沈阳：沈阳工业大学，2014.

[11]张青山，李羚.装备制造企业服务化转型的路径选择 [J].沈阳工业大学学报：社会科学版，2015，8(3)：231-235.

[12]逄红梅.我国装备制造业技术效率测算与空间分布研究 [J].财经问题研究，2014(1)：34-41.

[13]Banker R D，Charnes A，Cooper W W.Some models for estmiating technical and scale inefficiencies in data envelopment analysis [J].Management Science，1984，30(9)：1078-1092.

[14]李晖，李思衡.辽宁省装备制造业经济贡献分析 [J].沈阳大学学报：社会科学版，2015，17(1)：1-4.

[15]陈诗一.中国工业分行业统计数据估算：1980—2008 [J].经济学(季刊)，2011，10(3)：736-776.

[16]张丹宁，陈阳.中国装备制造业发展水平及模式研究 [J].数量经济技术经济研究，2014(7)：99-114.

(责任编辑：张 璐)

Research on technical efficiency of equipment manufacturing industry under new normal

PANG Hong-meia, ZHU Weib
(a. School of Economics, b. School of Management, Shenyang University of Technology, Shenyang 110870, China)

The quality and efficiency are a new mode for the development of equipment manufacturing industry under the new normal. Through breaking the traditional input index by introducing energy indicator, the actual level of technical efficiency and input redundancy is reflected in the whole industry and sub-sectors of the equipment manufacturing industry more comprehensively and more objectively. Taking a case of Liaoning Province, it is shown that through the introduction of energy indicator of DEA technical efficiency, the pure technical efficiency universally exists in the sub-sectors is higher than the efficiency of the scale is reflected, but the technical efficiency in the whole industry of equipment manufacturing industry in Liaoning Province is still non DEA effective; the sub-sectors with the pure technical efficiency value of 1, have the input redundancy ratio 0; the metal manufacturing industry performs worst among the 7 sub-sectors in terms of technical efficiency and input redundancy, while the performance of the communication manufacturing industry is the best. Those objectively reveal the difference between the various sub-sectors of the resource utilization and the redundancy of inputs.

new normal; equipment manufacturing industry; Data Envelopment Analysis (DEA); technical efficiency; input redundancy; resource utilization

2015-07-15

辽宁省教育厅人文社会科学项目(W2013023)； 辽宁省社科联与高校社科联合作课题(lslgslhl-116)。

逄红梅(1978-)，女，辽宁岫岩人，讲师，博士，主要从事产业组织理论等方面的研究。

14∶02在中国知网优先数字出版。

http：∥www.cnki.net/kcms/detail/21.1558.C.20150917.1402.018.html

10.7688/j.issn.1674-0823.2015.05.07

F 223

A

1674-0823(2015)05-0414-06