东北地区制造业全要素生产率估算与分解：1992-2018

李婉红 李 娜 王 帆

一、引言

自2013年以来，受我国供给侧结构性改革以及“三期叠加”的冲击，东北地区①经济增长持续低速徘徊，尤其过去十余年以投资驱动为主的“输血式”增长方式，进一步扩大了制造业结构性缺陷对经济增长的抑制效应，导致东北经济陷入新一轮增长困局[1]。因此，如何提升东北地区制造业全要素生产率，推动制造业从要素驱动转向技术驱动，实现制造业结构转型，已成为破解东北经济增长困局的重中之重。

作为分析经济增长源泉的重要工具，全要素生产率一直以来备受国内外学者的关注，且形成了大量丰富而实用的学术成果[2]。鉴于本文聚焦东北地区制造业全要素生产率的研究，因此将重点梳理区域及产业层面全要素生产率领域的相关研究成果。

20 世纪80 年代以来测度全要素生产率、解释中国经济增长奇迹一度是学者们的研究重点。其中，考虑到中国经济增长的主要特征之一在于区域及产业的非均衡发展，因此学者们对不同地区和不同产业的全要素生产率进行了测度与分解，并从技术效率、生产效率变化率、技术进步、要素积累等方面探讨了产生不均衡发展的原因（郑京海等，2008；盖庆恩等，2017）[3,4]。在地区层面，学者们普遍认为，东部地区在技术进步与技术效率提升方面均具有明显优势，西部地区总体技术进步趋势波动频繁，中部地区全要素生产率发展严重滞后，形成“中部塌陷”现象（王志平，2010；陈向武，2019）[5,6]。在产业层面，尽管研究多主要集中于工业全要素生产率变化动因领域，学者们对此却持有不同观点。部分学者认为，技术效率对不同行业全要素生产率变化起主要推动作用（范剑勇等，2014；蔡跃洲和付一夫，2017；Tombe 和Zhu，2019）[7-9]。其他学者却提出，规模效应的作用要比技术效率更为明显，全要素生产率增长率提升的70%来源于行业内全要素生产率增长，行业间资源配置效率改善的贡献率为30%（许宪春等，2020）[10]。

在全要素生产率测算方面，学者们使用的方法大致可分为两大类：参数方法和非参数方法，其中参数方法包括索罗残差法、隐性变量法和前沿生产函数法，非参数方法则包括基于数据包络分析的Malmquist 指数法和HMB 指数法（杨汝岱，2015）[11]。在实际测算过程中，不同方法的使用条件和边界均具有差异性，因此应根据研究目的进行全要素生产率测度方法的选择。由于随机前沿分析(Stochastic Frontier Analysis，SFA)的前沿生产函数（Frontier Productivity Analysis，FPA）既考虑了样本的随机因素，又能够将全要素生产率分为技术进步、规模报酬收益、要素配置改进收益和技术效率四个部分，比传统做减法的测算方法更加深入与详尽（胡亚茹和陈丹丹，2019）[12]。因此，在进行行业全要素生产率测算时，随机前沿生产函数法成为主流方法之一。

综上所述，国内外学者围绕全要素生产率进行了深入的研究，并取得了丰富的学术成果。在国家推动区域均衡发展战略的背景下，为提升制造业全要素生产率，促进东北地区制造业结构转型，推动东北经济摆脱困境，还需继续在以下方面进行探讨：第一，东北地区制造业增长是否过于倚重劳动和投资驱动而非技术驱动？第二，2003 年“东北振兴”政策前后制造业全要素生产率呈现何种特点？第三，制造业细分行业生产率及其增长又具有何种特征？对于这些问题的回答，不仅有助于识别东北制造业增长类型，而且对于客观厘清中央政府及地方政府在推动东北振兴中的作用，完善新一轮东北振兴政策，推动国家区域协调发展战略的实施具有重要意义。

有鉴于此，本文采用超越对数随机前沿生产函数，通过对东北地区制造业全要素生产率进行估算，并将其分解为技术效率变化、技术进步以及规模效率，探讨东北制造业全要素生产率的演变特征和行业差异，以期从要素投入角度探寻东北制造业衰退的根源，为推进东北地区制造业结构调整提供理论支撑。

二、模型、变量及数据说明

虽然不同文献测算全要素生产率时使用的投入产出指标有所不同，但学术界已基本形成共识：当测算经济体或省际（地区）总量全要素生产率时，由于各行业的中间投入可相互抵消，因此产出指标可选用工业增加值，投入指标可仅考虑资本和劳动（涂正革和肖耿，2005；尹向飞和欧阳峣，2019）[13,14]；当测算行业生产率时，则产出指标选取工业总产值，投入指标选取资本、劳动（陈诗一，2011；刘宗明等，2019）[15,16]。由于本文主要测算黑龙江省、吉林省和辽宁省制造业行业全要素生产率，将25 个制造业行业作为研究样本进行数据选取②，因此，本文选取工业总产值作为产出指标，资本和劳动作为投入指标进行测算。

（一）超越对数随机前沿生产函数模型的构建

本文应用面板数据的随机前沿函数，构造东北地区制造业实际产出、最佳前沿产出和相对前沿技术效率的基本模型进行TFP 的估算，模型如下：

其对数形式为：

式中：Yit是东北三省分别统计的第i 个制造业行业工业总产值， Xit包含投入要素向量（资本、劳动）、时间以及所有二次项（包括交叉项）， f()∙为随机前沿生产函数中的确定性前沿产出部分； vit和uit均为误差项，其中vit表示随机误差项，且服从正态分布，即uit表示技术无效率项，为独立于vit的非负随机变量， 且服从非负的截断正态分布， 即，其中μit=δzit， zit为影响各制造业行业技术无效率的外生解释变量，此处选取市场化程度、地区开放程度、工业结构、初始人力资本和初始物质资本。

由于样本是否处于最优生产函数前沿决定于随机扰动vit及技术无效率uit两个因素[17]，因此，每个制造业行业的技术效率TEit可用该制造业行业产出期望与随机前沿期望的比值进行确定，即

其中，TEit∈[0 ,1] ，当TEit越接近于1，表明技术效率越高，越趋近于0，则技术效率损失越大。

考虑到超越对数形式的生产函数可以放松中性技术进步以及产出弹性固定的假设，函数形式更加灵活，且易于对TFP 进行分解。因此，本文基于模型（2），构建含有资本、劳动两类生产要素的超越对数形式的随机前沿生产函数模型，并考虑技术进步随时间变化的情况，在模型中引入时间趋势变量t=T-T0。构建的模型如下：

式中，Yit是东北三省分别统计的第i 个制造业行业( i=1,2,……,25) 在第t 年( t=1,2,……,Ti)的工业产出（以1990 年不变价测算的工业总产值表示），Kit、Lit分别表示第i 个制造业行业在第t年的资本投入、劳动投入， t 是时间趋势，表示技术变化， β 为待估系数，ε 为误差项。

（二）全要素生产率增长及其分解

为进一步考查全要素生产率的增长来源，根据技术进步促进产出的途径，Kumbhakar、Lovell（2000）等将全要素生产率的增长分解为技术效率变化、技术进步、规模效率和资源配置效率四个部分[18]，考虑到价格信息的可得性较低，导致资源配置效率的影响不易计算，因此本文主要考查全要素生产率增长的三种组成，即

式中， TFP.it表示第i 个制造业行业第t 年全要素生产率的增长； TPit表示技术进步，；表示技术效率变化，； SEit表 示 规 模 效 率 ，。其中，表示所有要素产出弹性之和，称为规模报酬指数，εijt为第i 个制造业行业投入要素j 在第t 年的产出弹性，即

（三）变量及数据来源说明

1.变量说明

（1）工业总产值（Y）

本文主要采用以1990 年为基期的不变价工业总产值进行数据收集。部分年份的工业总产值为当年价数据时，则依据各省统计年鉴公布的主要工业行业产品出厂价格指数（PPI）进行不变价处理。值得说明的是，由于主要工业行业产品出厂价格指数与国民经济行业分类并未一一对应，因此本文借鉴宫俊涛等（2008）学者的做法，即依据行业的生产和产品相似性，对未提供价格指数的行业数据进行填补[19]。

（2）资本投入（X）

对于资本投入指标，通常采用“永续盘存法”估计的历年资本存量进行衡量。在资本服务效率呈几何递减的假设下，资本存量计算公式可简化为：

式中， Kit表示第i 个制造业行业第t年的资本存量，Iit表示第i 个制造业行业第t 年的当期投资额， Pit表示第i 个制造业行业第t 年的投资品价格指数， δ 为折旧率，因此，为获得资本存量，需确定当期投资额、投资品价格指数、基期资本存量以及折旧率。

第一，当期投资额（ Iit）。根据李宾等（2009）的研究，新增固定资产与公式（6）中Iit更为契合[20]，因此，本文采用此观点，将制造业各行业新增固定资产作为当期投资额的代理指标，并使用基本建设新增固定资产与更新改造新增固定资产两部分的加总对这一指标进行测度。

第二，投资品价格指数（Pit）。目前学术界有关投资品价格指数的选取也未达成一致，主要包括积累隐含平减指数、建筑安装平减指数和设备安装平减指数的加权平均、固定资产投资价格指数（王小鲁和樊纲，2000；李小平和朱钟棣，2005） 等[21,22]。考虑到工业品出厂价格指数在1991 年之后的区段上比其他指数更接近固定资产投资价格指数（李宾等，2009）[20]，因此本文选择主要工业行业产品出厂价格指数对东北三省制造业行业的资本存量进行估算，并利用环比指数相乘等于同比指数的方法进行统一处理，将其换算为以1990 年为100 的主要工业行业产品出厂价格指数。

第三，基期资本存量（K0）。虽然已有研究多选择1952年、1978年、1980年作为基期进行资本存量的测算，年份选择越早，基期资本存量估计的误差对后续年份的影响就会越小。但考虑到东北地区制造业行业的经济数据统计始于1982 年，且三个省份有关制造业细分行业的新增固定资产1990 年才进行统计，因此考虑数据的可得性，本文选择1990 年为基期进行研究。同时，对于基期资本存量的估计，参考Hall 和Jones（1998）的方法，对东北地区制造业行业1990 年资本存量进行估算[23]，其公式为：

其中， Ki1990为基期资本存量，即第i 个制造业行业1990 年的资本存量， Ii1990表示第i 个制造业行业1990 年的固定资产投资额， gi表示第i 个制造业行业固定资产投资额年均几何增长率，本文使用1990-2018 年固定资产投资额增长的算术平均值进行测算， δi表示折旧率。

第四，折旧率（δ）。当采用永续盘存法进行资本存量估算时，折旧率对估算结果具有强烈的敏感度，即其变动将会引起资本存量估算结果较大的偏差，因此，对于折旧率的准确估计也尤为重要。目前学界对于折旧率的选取也较为多样化，分布在4%～17%的区间内[24]。但田友春（2016）认为，不同行业固定资产折旧率应有所不同，因此他通过引入投资转换率参数，结合投入产出表的折旧额数据以折旧率及全社会固定资产投资序列，估算出包括第一产业、第二产业中的采掘业、制造业、建筑业以及第三产业等16 个细分行业的平均折旧率。相较于其他方法而言，该方法较为准确地测算出了制造业的折旧率，研究相对细致。考虑受到数据与技术限制，制造业细分行业的折旧率尚不能够测出[25]。因此本文依据田友春（2016）的研究结果，选取假定资本转换率为100%时，所有制造业细分行业的折旧率均为8%进行资本存量的核算。

（3）劳动投入（L）

严格意义而言，劳动投入包括数量投入与质量投入，但受限于数据的可获得性，本文仅考虑劳动数量投入作为该变量的代理指标。根据各省统计年鉴报告数据，1998 年之前该指标报告“年末职工人数”，之后更改为“从业人员年平均人数”，不过对比数据发现差别较小,对效率测算结果的影响可不做考虑。

（4）其他变量

为了探讨东北地区制造业行业的技术无效率问题，选取五个影响因素，其中市场化程度(Market_based )采用国有及国有控股工业企业资产总计占规模以上企业资产总计比值进行衡量；地区开放程度(O penness) 采用规模以上外商投资工业企业资产总计占规模以上企业资产总计比值；工业结构( Indust_s tr ucture )为虚拟变量，采用重工业和轻工业的划分，重工业取1，否则取0。同时，考虑到《国民经济行业分类》国家标准在1984 年首次颁布，因此初期人力资本存量和初始物质资本存量采用1985 年数据进行核算。

2.样本及数据选取说明

第一，考虑到我国1992年正式确立了市场经济体制的改革目标，因此本文以1992—2018年为研究期，测算东北地区制造业全要素生产率，并将其分解为技术效率变化、技术进步和规模效率。

第二，本文分省份对东北地区制造业行业全要素生产率进行估算，因此需要确定制造业所包含的具体行业。由于研究期涉及《国民经济行业分类》 国家标准（1984 年） 的三次修订工作（1994 年、2002 年和2011 年），通过对照三次行业分类的新旧类目，并结合三位和四位数行业代码，剔除工业总产出、资本存量、劳动力投入变量缺失、为负值以及为零值的行业，对考察的制造业行业进行整合与选取，最终确定25 个制造业行业③。

第三，本文所涉及数据主要来源于1993—2019 年《黑龙江省统计年鉴》《吉林省统计年鉴》《辽宁省统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》《中国价格统计年鉴》《中国固定资产投资统计》等，选取全部独立核算工业企业或全部工业企业作为统计口径统一并进行数据收集与整理。

经过上述处理，本文最终确定以东北地区1992—2018 年25 个制造业行业为研究样本，共获得2025 个观测值，在此基础上对东北地区制造业进行全要素生产率测算及分解，样本数据描述性统计分析如表1 所示。

三、全要素生产率估算及分解

（一）随机前沿生产函数估计结果

结合前文所构建的模型（4），运用Frontier4.1 软件并通过一步极大似然估计方法进行联合估计，结果如表2 所示。

表2 回归结果显示，γ 值均在0.8 以上，并在统计上高度显著，表明技术无效率在很大程度上引起了实际产出的偏离，因此有必要采用随机前沿方法进行回归。

第一，从表2 中随机前沿生产函数估计结果可知，东北地区资本、劳动、时间的系数均通过显著性检验，二次项系数中除黑龙江省的资本平方项、吉林省资本和时间平方项以及辽宁省的资本劳动交互系数不显著之外，其余二次项系数也均显著，因此模型具有一定的解释力。通过计算各要素投入的产出弹性，得到黑龙江省制造业平均资本产出弹性为-1.559、平均劳动产出弹性为0.250，吉林省制造业平均资本产出弹性为-1.961、平均劳动产出弹性为1.523，辽宁省制造业平均资本产出弹性为-1.392、平均劳动产出弹性为1.914。因此，东北地区制造业存在资本投入冗余问题，其中黑龙江省和吉林省资本投入冗余相对严重，这也反映长期以来东北地区实施的资本密集型产业优先发展战略已出现弊端，资本投入未能转化为有效产能。与此对应，东北三省制造业劳动力产出弹性均为正，表明制造业劳动力投入相对不足，因此增加劳动力投入能够提高工业总产值，这也从侧面说明东北地区存在劳动力供求失衡矛盾，人口老龄化、“用工荒”“人才荒”等因素制约了制造业发展。

表1 样本数据的描述性统计分析

表2 随机前沿生产函数模型估计结果

第二，从表2 中技术无效率函数估计结果可知，市场化程度、地区开放程度与生产效率呈正相关，市场化程度每增加1 个百分点，黑龙江省、吉林省、辽宁省的生产效率将提高0.156、0.269 和1.007 个百分点。如果地区开放程度增加1 个百分点，三个省份的生产效率将会分别提高0.265、0.038 和0.668 个百分点。工业结构与生产效率呈负相关，即重工业每增加1 个百分点，黑龙江省、吉林省、辽宁省的生产效率会降低0.125、0.316 和0.239 个百分点。此外，初始劳动力和初始资本与生产效率呈正相关。因此，东北地区应进一步加快重工业转型、加强市场化改革、加大开放力度，尤其国有企业混合所有制改革力度，化解国有企业历史包袱沉重、负债率高、设备普遍老化等问题，提高生产效率。

（二）基于总样本的全要素生产率估算及其分解

基于上述分析，本文结合模型（5）对东北地区制造业1992—2018 年全要素生产率增长进行估算，并将其分解为技术效率变化、技术进步和规模效率，且将黑龙江省、吉林省、辽宁省计算结果进行汇总平均后得到总体增长状况，结果如图1 所示。

从图1 可以看出，1992—2018 年东北地区制造业全要素生产率增速保持在0.626%～2.864%之间，年平均增速为2.080%，总体增长相对较为平稳，其中技术效率平均增长率为0.192%，技术进步为1.452%，规模效率为0.436%。因此，从分解结果来看，东北地区制造业全要素生产率增长的原因主要在于技术进步的提升，技术效率与规模效率的带动作用则相对较小。

从时间维度分析，全要素生产率增速在1994—1995 年达到2.272%，其中技术进步达到1.861%，源于技术进步，其原因可能在于，在1992 年改革深化初期红利的带动下，东北地区尚能够依赖资本密集型重工业和国有企业带动制造业发展，因此1992—1996 年全要素生产率增速均在2%以上。但受金融危机的冲击，东北地区制造业全要素生产率增速开始有所下降，尤其是1998—1999 年降至0.626%，此后一直徘徊在2%以下。2003 年“东北振兴”战略的实施对制造业全要素生产率增长起到短暂的刺激作用，使得2003—2004 年全要素生产率增至2.864%，但之后开始呈现下降趋势，这在一定程度上反映了以资本驱动为主的东北振兴方案实际上是新一轮的“再重工业化”，加之既有体制的路径依赖使大量资源集聚于国有企业和重工业，致使资本投入冗余进一步加重，并造成产能过剩，产业结构调整出现滞后[26]，直至2013 年进入第二轮“东北振兴”后，全要素生产率增速才开始有所提升。

图1 东北地区制造业全要素生产率增长及其分解

此外，从图1 可知，技术效率变化和技术进步相对较为平稳，尤其技术进步一直维持在大于零的水平，而规模效率则波动较大，且与全要素生产率增长的变动趋势较为一致，说明东北地区全要素生产率的提高更多源于技术进步的推动，但规模报酬对全要素生产率的影响则相对较大，这与国内绝大多数文献的结论相同。然而结合制造业研发经费支出的相关统计数据④，东北地区制造业技术创新经费支出仍较低，且主要用于技术引进与购买，消化吸收再创新及自主创新能力仍较弱，加之技术效率和规模效率相对较低，导致全要素生产率增长缓慢，也致使东北地区陷入经济增长困局。因此，为破解“新东北现象”、促进东北地区经济突破增长困局，还需高效发挥现有资本、劳动等要素潜力，实现技术效率最优，并通过产业集群扩大规模效应，延长产业链，从而带动东北地区制造业发展，实现东北经济的真正振兴[27]。

（三）制造业行业全要素生产率估算及其分解

本文进一步对东北地区制造业25 个行业1992—2018 年全要素生产率增长及其技术效率变化、技术进步和规模效率进行估算，并将27 年的汇总结果平均后得到各行业四个指标的相关值，具体结果如表3 所示。

从表3 可知，东北地区25 个制造业行业中全要素生产率增长均为正，其中相对增速较高的五个行业分别为：医药制造业、交通运输设备制造业、计算机、通信和其他电子设备制造业、电气机械及器材制造业和通用设备制造业。然而，黑色金属冶炼及压延加工业、石油加工、炼焦及核燃料加工业、有色金属冶炼及压延加工业、金属制品业的全要素生产率增速则在1.6%以下。因此，东北地区全要素生产率增长较高的制造业仍以技术密集型产业为主，而依赖自然资源的石油化工、有色金属冶炼及压延加工业等行业的全要素生产率增长则相对缓慢。

从技术效率变化估算结果可知，电气机械及器材制造业、计算机、通信和其他电子设备制造业、医药制造业、仪器仪表制造业四个行业的技术效率变化高于其他行业，分别为0.673%、0.655%、0.652%和0.576%，而酒、饮料和精制茶制造业、烟草制品业、纺织品与服装业等轻工业的技术效率提升缓慢，可推断一些技术密集型产业的要素配置效率相对较高，而东北地区长期以来“重重轻轻”的产业政策使得轻工业受政策惠及的范围及力度较小，因此要素投入尚未转化为有效产出，导致技术效率变化出现负值。

从技术进步估算结果可知，25 个行业中技术进步相对缓慢的行业，如金属制品业、石油加工炼焦及核燃料加工业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业等均属于国有垄断程度相对较高、竞争性偏低的行业，在技术创新方面具有一定惰性，进而制约了技术进步。与之相对应，计算机、通信和其他电子设备制造业、医药制造业、仪器仪表制造业、电气机械及器材制造业等行业开放度及市场化程度则相对较高、竞争更为激烈，企业更愿意通过加大创新投入以保持在市场中的竞争优势。因此，加快东北地区制造业的市场化改革进程、加大制造业技术创新投入，可有效促进产业技术进步，并带动全要素生产率的提升[29]。

从规模效率估算结果可知，仪器仪表制造业、计算机、通信和其他电子设备制造业、医药制造业、食品加工业等技术密集型行业和部分轻工业的规模效率为负，表明这些行业尚未完全处于最佳规模状态，还需通过扩大产业规模以实现最优产出。与此同时，金属制品业、交通运输设备制造业、通用设备制造业等行业则存在规模报酬递减现象，即产出增长速度低于投入要素增长速度，因此这些行业应适当降低投入要素增长速度，并改变经济增长方式，提高要素回报和增长质量。

四、结论

本文运用随机前沿超越对数生产函数对1992—2018 年东北地区制造业全要素生产率进行测算，分析东北地区制造业全要素生产率增长、技术效率变化、技术进步及规模效率，并探讨造成技术效率损失的主要因素。通过研究得出如下结论：第一，东北地区制造业存在资本投入冗余问题，资本投入未能转化为有效产能。同时，劳动力投入相对不足，存在一定的劳动力供求失衡矛盾。因此，东北地区制造业增长并非劳动与投资驱动，其全要素生产率的增长更多来自于技术进步。第二，2003 年“东北振兴”政策主要以资本驱动为主，实际上属于新一轮的“再重工业化”，加之既有体制的路径依赖，使得大量资源集聚于国有企业和重化工业，在一定程度上加重了资本冗余问题，从而未能有效带动制造业结构转型升级。第三，东北地区全要素生产率增长较高的制造业仍以技术密集型产业为主，传统的轻工业技术效率变化出现负值。同时，一些国有垄断程度高、竞争性偏低的行业技术进步相对缓慢，而部分技术密集型行业和轻工业的规模效率尚未达到最优状态。

因此，本文提出以下对策建议。第一，转变生产方式，调整要素投入结构。东北地区制造业的特点是重化工业、资源类产业比重高，新老动力并存，因此还需改变单纯依靠要素投入的粗放式发展模式，降低要素依赖型产业的投资比重，提高技术、信息等要素投入，并推动生产要素由生产率较低的行业向高效率、高附加值的行业配置，实现制造业高质量增长。第二，发展产业集群，延伸产业链。东北地区在先进装备制造业、生物制药、新能源新材料等领域已形成一定的产业规模，但尚未实现最优规模经济效益，因此还需依托龙头企业，打造以龙头骨干企业为核心、以中小企业为配套的产业聚集，加快高新技术产业园区建设，充分发挥产业集群的带动效应。第三，加快市场化改革力度，推动民营经济发展。加大东北各级政府的“放管服”改革力度，简政放权、放管结合、优化服务，规范政府对企业的干预，尤其通过产业政策的引导作用激发和培育产业增长的内生动力。同时，加快推进国有企业混合所有制改革，优化国有资本结构，以制度创新释放出巨大红利，扩大供给升级的倍增效应，为搞活民营经济创造良好的发展环境。

表3 东北地区制造业行业全要素生产率增长及其分解（1992—2018）单位：%

注释

①2007 年由国家发改委、国务院振兴东北办组织编制的《东北地区振兴规划》中，东北地区包括辽宁省、吉林省、黑龙江省和内蒙古自治区呼伦贝尔市、兴安盟、通辽市、赤峰市和北部的锡林郭勒盟。但考虑到研究内容的可对比性，本文所提及的东北地区仅包括黑龙江省、吉林省和辽宁省。

②依据国民经济行业分类，制造业共30个细分行业，但由于本文研究期内国民经济行业代码进行了三次调整，部分行业发生变化，因此最终合并为25个行业。

③食品加工制造业分别由GB/T 4754-1994的食品加工业与食品制造业合并、由GB/T 4754-2002、GB/T 4754-2011的农副食品加工业和食品制造业合并；酒、饮料和精制茶制造业对应GB/T 4754-1994、GB/T 4754-2002 中的饮料制造业；纺织服装和服饰业由GB/T 4754-1994、GB/T 4754-2002的纺织业、服装及其他纤维制品合并，由GB/T 4754-2011的纺织业、纺织服装和服饰业合并；石油加工、炼焦及核燃料加工业对应GB/T 4754-1994的石油加工及煤焦业；橡胶和塑料制品业分别对应GB/T 4754-1994、GB/T 4754-2002的橡胶制品业与塑料制品业；交通运输设备制造业对应GB/T 4754-2011的汽车制造业、铁路、船舶、航空航天等制造业。此外，本文未统计GB/T 4754-1994、GB/T 4754-2011中的其他制造业以及GB/T 4754-2002中的工艺品及其他制造业。

④通过对近三年东北地区规模以上制造业企业研发活动数据进行统计分析，发现东北地区制造业研发经费投入强度均低于全国平均水平，引进技术经费支出与消化吸收经费支出之比接近三比一。