基于三阶段DEA-Malmquist方法的中国共享制造高质量发展效率测度研究

陈俊龙 唐 秋

（东北大学秦皇岛分校经济学院，秦皇岛 066004）

引 言

制造业是立国之本、兴国之器、强国之基。改革开放以来，我国制造业持续快速发展，总量规模不断扩大，产业结构逐步升级，综合实力和国际竞争力显著提升，但大而不强的问题日益突出［1］。党的十九大报告提出 “要加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。顺应新一轮科技革命和产业变革的经济发展趋势，新一代信息技术在制造业领域逐步得到广泛应用，有效促进制造业生产率的提升［2，3］，信息产业与制造业融合发展并培育出制造业的新模式，即共享制造。

共享制造亦称制造资源共享，是共享经济在生产领域的应用创新，是围绕生产制造环节，运用共享理念将分散闲置的生产资源集聚起来，弹性匹配、动态共享给需求方的新模式［4］。在高质量发展背景下，制造业高质量发展是制造业转型升级的必由之路，而共享制造为之提供了新方向新动力。2019年国家工信部发布的 《关于加快培育共享制造新模式新业态、促进制造业高质量发展的指导意见》对共享制造的发展给予了肯定和支持，并对共享制造高质量发展提出了总体要求、主要任务和保障措施，为我国制造业的高质量发展指明了方向。据国家信息中心统计，2019年我国共享制造交易规模超过9000亿元，约为2016年交易规模的2.5倍，共享制造规模有所增加。可见，中国共享制造已经初具规模，具备深度发展的前提基础。

共享制造作为制造业的新业态新模式，在规模不断扩大的同时，应兼顾好发展的质量，实现高质量发展。那么我国共享制造的高质量发展效率如何？提升效率的着力点有哪些？这都是我国在摸索共享制造高质量发展过程中所需解决的问题。因此，基于我国39家共享制造上市企业的数据，本文将对我国共享制造高质量发展效率进行动态测度并分析，探寻存在的问题，进而提出促进共享制造高质量发展的对策建议，这对摸清共享制造发展状况、研制促进共享制造高质量发展的政策措施，具有一定的现实参考价值。

1 文献综述

共享制造源于共享经济的快速发展［5］。共享经济强调以提高效率和可持续性的方式分享未得到充分利用的资产［6］，所涉及的领域不断拓展，向各行各业的产业上游延伸。从商品的流通环节来看，共享经济的理念已经从消费环节深入到生产环节［5］。受 “共享经济”趋势的影响，共享理念不断渗入制造业领域并得以应用，共享制造这一种新的社会化制造模式产生，在现代互联网信息技术的支撑下不断扩大资源共享的程度和范围［7，8］。

当前，共享制造的工业应用已经出现。如荷兰公司 “Floow2”建立了一个在线社区，供制造商分享其闲置资产（如设备、雇员和工作空间）以获得额外收入；海尔集团计划创建的一个资源共享生态系统，在此系统中整个公司供应链所涉及的资源都可以与外部合作伙伴共享［7］。对于一些创业群体，共享制造有利于降低创业的门槛，实现企业间的资源共享、优势互补，为企业的初创与发展提供良好的生存环境。总的来说，共享制造能够将企业分散闲置的生产资源集聚起来与需求方共享，其发展方向为制造能力共享、创新能力共享、服务能力共享，3个基本特征分别是基于互联网的制造资源配置、使用权分享、大众参与［4］。虽然目前我国共享制造快速发展，在相关领域的应用逐渐增多，但整体来看，我国共享制造总体仍处于起步阶段。由于共享制造业在我国的起步时间较晚，现有关于共享制造的研究较少且主要集中于共享制造的应用场景研究，尚未对其发展效率进行量化分析，基于此，本文聚焦我国共享制造的高质量发展效率问题，有利于摸清共享制造的高质量发展现状。

目前关于测度我国制造业或经济高质量发展的研究较为丰富，大多采用自构的评价体系。魏敏和李书昊 （2018）［9］构建了包含经济结构等10个方面的经济高质量发展水平测度体系，基于我国2018年30个省（区、市）的数据，运用熵权TOPSIS法对新时代我国经济高质量发展水平进行测度；江小国等 （2019）［10］在构建制造业高质量发展评价指标体系的基础上，利用全国31个省（区、市）2004～2017年的面板数据，结合变异系数法分析我国制造业高质量发展水平及其时空特征；马宗国和曹璐 （2020）［11］运用组合赋权 TOPSIS评价模型对我国2015～2018年1881家制造企业进行了实证评价；刘瑞和郭涛 （2020）［12］根据新发展理念构建了高质量发展指数体系，并将其应用于东北经济评价；李强 （2021）［13］基于 2007～2018年的数据，采用经济高质量发展指数权重的确定方法测度了我国的经济高质量发展效率。以上研究多基于构建高质量发展评价体系，通过指标赋权类评价法对高质量发展效率进行测度，这都需要经过对相关指标的赋权和权重计算，对权重赋予的准确性要求较高，而数据包络分析法（DEA）能够直接计算出投入产出效率值，广泛应用于包括研究高质量发展等领域的效率衡量和分析的研究中。 和军和靳永辉 （2020）［14］基于 2010～2017年省级面板数据，运用三阶段DEA方法对东北三省及苏、浙、粤3省的高质量发展效率进行测度，并分析了外部环境因素对高质量发展效率的影响；上官绪明 （2021）［15］利用1998～2019年我国30个省市区的数据，采用门槛回归和DEA-Malmquist指数法实证检验并分析物流业集聚对制造业高质量发展的促进作用。

综上所述，当前关于现有对高质量发展水平测度的文献中，多以制造业、区域经济为主，少有关于共享制造的相关研究。基于此，本文在构建科学的共享制造高质量发展效率评价指标体系的基础上，采用三阶段DEA-Malmquist指数模型对我国2018～2020年度共享制造高质量发展进行动态测度，剖析我国共享制造高质量发展的状况，为共享制造高质量发展路径提出相应的对策。

2 研究设计

2.1 研究方法

（1）三阶段DEA模型。数据包络分析法（DEA）可用于评价同类部门生产的相对有效性［16］。Fried等 （2002）［17］把对管理无效率、环境因素和随机扰动的分析纳入传统DEA模型，提出了三阶段DEA模型以更好地评估产出的绩效表现。三阶段DEA方法的主要思想是：第一阶段将同类型的生产单位归为一个决策单元（DMU），采用DEA模型（一般为BBC模型或CCR模型）获得各决策单元生产效率的初步度量，同时得到各决策单元投入变量的松弛值；基于第一阶段的松弛，第二阶段借助SFA模型剥离环境因素以及随机扰动对生产效率结果的影响，更有利于体现出DMU的内在效率水平；第三阶段基于第二阶段调整后的投入产出指标数据，再次使用DEA模型进行计算得到剔除环境等因素的效率值，能够更真实地反映各DMU的实际情况，计算结果中，综合效率值为纯技术效率值与规模效率值的乘积，且综合效率值为1可称为DEA有效，未达到1的是非DEA有效。

（2）Malmquist指数模型。考虑到三阶段DEA模型仅用于评估各决策单元的静态效率，无法衡量效率的变化程度，因此，基于调整后的投入产出数据，本文添加了Malmquist指数方法，在三阶段DEA模型的基础上构建Malmquist指数模型，从而对效率进行时间维度上的纵向对比分析。根据Fare等 （1994）［18］的研究，各指数值中生产率变化指数（TFP）等于技术效率变化指数（EC）和技术进步变化指数（TC）的乘积；技术效率变化指数（EC）等于纯技术效率变化指数（PC）与规模效率指数（SC）的乘积。当EC＞1时，表明实现了技术效率的提高；当TC＞1时，表明实现了技术进步。

2.2 样本选取

本文对我国共享制造高质量发展效率测度的选取时间段为2018～2020年，并且根据共享制造的定义和分类原则，从共享经济概念股上市公司中选出39家共享制造企业为共享制造行业的代表。数据主要来源于Wind数据库和39家共享制造企业的年报。

3.3 变量选取与说明

根据研究的需要，本文选取共享制造企业高质量发展相关的投入产出指标和环境指标，以构建共享制造高质量发展效率评价指标体系。

（1）投入指标。共享制造企业的运营需要初始资本的投入以及在后续的生产经营投入，而共享制造发展模式转型升级、技术日益精进、服务不断改进、管理更有效等创新成效与共享制造企业的研发人员密切相关，研发团队是企业进步的核心力量，也是企业为实现长远良好发展的投资。因此，参考借鉴张鹏等 （2021）［19］的研究，从资本和劳动力两个角度出发选取注册资本、企业职工薪酬和研发人员数作为共享制造高质量发展在资本和人力层面的资金投入变量，研发人员数作为共享制造高质量发展创新层面的投入变量。综上，为了衡量共享制造企业高质量发展的投入力度，本文从企业为高质量发展所必备的资本投入、劳动力投入这两个角度出发，选取了由注册资本、企业职工薪酬、研发人员数3个投入变量构成的共享制造高质量发展投入指标体系。

（2）产出指标。共享制造作为制造业的新业态新模式，顺应了互联网时代信息技术与制造业相结合的趋势。要实现共享制造高质量发展，须坚持秉承新发展理念，以提升供给侧体系质量为首要方向，兼顾产业发展速度的同时注重产出效率和产品质量，走高端、智能、优质和绿色的发展路径，实现共享制造效率变革、动力变革、质量变革。从上述共享制造高质量发展的实质出发，基于关于制造业高质量发展评价指标的现有文献，借鉴了马宗国和曹璐 （2020）［11］秉持五大发展理念构建高质量发展评价指标体系的思路，坚持科学性与可操作性、系统性与层次性、代表性与简明性原则，选取共享制造高质量发展的产出变量，构建集合经济效益、创新能力、绿色发展、开放合作、社会共享5个层面的共享制造高质量发展产出指标体系。

①良好的经济效益是共享制造企业高质量发展的基础，也是企业持续向好发展的第一信号。本文选取营业收入来衡量共享制造企业的经济效益，营业收入能够反映企业的创收能力，是分析企业盈利能力和营运能力的重要指标，营业收入的大小可以间接反映企业自身竞争实力的强弱和企业发展潜力的高低。

②创新是高质量发展的第一驱动力，是推动共享制造产业形成新发展格局的关键。国务院发布的 《中国制造2025》将提高制造业创新能力划为实施制造强国战略的首要任务和重点，并把研发强度作为创新产出能力的评价指标，因此本文借鉴并采用企业研发强度作为共享制造高质量发展创新层面的产出变量，研发强度为企业研发支出与营业收入之比。

③高质量发展具体还体现为绿色可持续发展［20］，坚持走绿色发展道路是实现共享制造高质量发展的必然要求。本文采用各企业的ESG评级得分代表共享制造高质量发展绿色层面的产出变量。 ESG（Environment、 Social Responsibility、 Cor⁃porate Governance）投资简称 “责任投资”，反映了投资者注重可持续发展的投资理念，该投资评级在企业生态环境方面的考察包括自然资源的利用率和污染物的排放强度，可对企业生产给大气、土壤、水资源等带来的影响进行综合考量［21］，因此选用ESG评级得分来度量企业绿色发展水平。

④新发展理念坚持开放合作，开放共享、合作共赢是共享制造企业高质量发展的表现形式。马宗国和曹璐 （2020）［11］选取海外收入作为制造企业高质量发展对外开放的表征指标，鉴于此，本文以企业的海外收入表示共享制造高质量发展开放层面的产出变量。

⑤发展的成果必须要共享，发展的目的是实现全民共同富裕，也是新发展理念的内容之一。企业自身的发展离不开社会资源环境的支持，共享制造高质量发展要求发展成果反馈社会，为社会提供更多就业岗位，助力社会经济现实问题的解决。基于此，本文选择企业就职人数来反映企业在社会共享层面的产出。

（3）环境变量。环境因素会影响共享制造高质量发展的投入产出效率，但不受决策单元把控。一般情况下，发展条件会向成立年限较长的企业倾斜，企业成立时间越久，其研发投资越多，研发经验越丰富［22］。除此之外，由于每家共享制造企业获得政府补助的情况都不一样，导致被测企业所处外部环境不一致，这会导致测度的效率值有偏差，因此，本文选取了企业成立年限和政府补助两个环境变量。基于以上分析，构建中国制造业企业社会责任治理效率指标体系，见表1。

表1 中国共享制造高质量发展效率指标体系

3 基于三阶段DEA-Malmquist指数模型的测度

3.1 第一阶段DEA实证结果

利用Maxdea Pro8软件分析共享制造行业的39家企业2018～2020年投入产出数据，得到各企业综合技术效率及其分解，如表2所示。

表2 企业第一阶段DEA效率

续 表

第一阶段DEA结果初步显示了2018～2020年各共享制造企业的高质量发展效率状况，可以看出，剥离环境因素和随机扰动之前，2018年、2019年、2020年各共享制造企业综合技术效率均值分别为0.812、0.813、0.825，说明现有的投入条件下，共享制造产业的整体效率仍存在较大的增长和改进空间。从DEA的有效性来看，2018～2020年3个年度里均保持在效率前沿的共享制造企业有14家，分别是∗ST中华A、华西股份、得润电子、金杯电工、金龙机电、中颖电子、移为通信、上汽集团、万华化学、中路股份、力帆科技、荣泰健康、华体科技和永安行，这14家共享制造企业公司高质量发展效率一直处于前沿面，各方面效率最优；除此之外，有些企业的纯技术效率为1，说明这些企业的纯技术效率并不是限制高质量发展的主要因素，如大洋电机在2018～2020年的纯技术效率均为1，但其规模效率低于整体均值水平；还有以∗ST沈机为代表的部分企业，其技术效率和纯技术效率都低于均值水平，说明这些企业的各方面效率还有待提高。但是由于此测算结果未剔除环境和随机扰动的影响，并不能准确地展现各共享制造企业的高质量发展效率，因此需要进行进一步的调整和测度。

3.2 第二阶段

以第一阶段得出的共享制造企业各投入变量即注册资本、职工薪酬和研发人员数的松弛量分别作为3个SFA模型的被解释变量，以环境变量即政府补助和成立年限作为解释变量，运用软件Frontier4.1进行估算，得到的结果如表3所示。

表3 SFA回归表

由表3可得，3项投入松弛变量对应SFA模型的LR单边检验均通过1%的显著性检验，说明进行SFA回归是有效的，回归模型设定无误。同时3个SFA模型的的σ2和γ值也都通过了1%的显著性检验，且γ值在0.1与0.9之间，说明模型设计合理。除常数项外，结果显示两个环境变量对3项投入松弛变量的系数至少在5%的水平上显著，这表明政府补助和成立年限对共享制造企业各个部门的投入冗余产生显著影响，说明环境变量选取较为合理。

通过进一步分析可知：（1）政府补助对注册资本、职工薪酬和研发人员数的松弛变量影响显著为正，系数分别为0.17、0.02、0.08，说明政府补助的增加会导致共享制造企业投入冗余，且影响程度较低。结果表明，我国政府补助在一定程度上会给共享制造企业的资源配置带来负面效应，政府为企业技术创新提供资金支持，有利于企业开展科技创新活动，可以一定程度上减轻企业的研发压力，但可能受到政府与企业对技术偏好不一致的影响和缺乏高效的资金用途监管，政府补助不能带来企业资源利用率的提高，也不能直接提升企业的研发效率［23］；（2）成立年限对职工薪酬和研发人员数的松弛变量影响显著为负，说明成立年限较长的共享制造企业重视投入资源的有效配置，其在企业职工和技术研发方面的投入冗余较少，对投入资源的有效利用率较高。

3.3 第三阶段

剔除环境因素和随机扰动对共享制造高质量发展效率测度的影响，使用调整后的共享制造企业投入数据并借助Maxdea Pro8软件，再次运用DEA模型进行效率评估，得到的各共享制造企业的效率值，可以更合理地反映各企业共享制造发展状况，结果如表4所示。

表4 企业第三阶段DEA效率

续 表

对比第一阶段和第三阶段结果，可看出剔除环境因素和随机扰动影响后，2018～2020年各共享制造企业高质量发展效率表现都有所上升，纯技术效率较第一阶段明显增加。可见，在没有排除环境因素和随机扰动影响的DEA模型测算结果中，共享制造企业高质量发展的效率值偏低，企业真实的效率水平被低估。从企业效率表现平均情况来看，2018～2020年期间，第三阶段39家共享制造企业高质量发展的综合技术效率均值都处于0.85以上，总体起伏不大，与2019年相比前后两年的共享制造企业高质量发展效率稍低，调整后共享制造企业纯技术效率均值处于［0.975，0.983］，规模效率均值处于［0.898，0.942］。 从三阶段的结果可以看出，第一阶段即调整前一直处于综合技术效率前沿面的14家企业里，经过第三阶段调整后，依旧保持技术效率3年最优的企业为：中颖电子、移为通信、上汽集团、万华化学、力帆科技、荣泰健康、永安行7家企业，约为企业样本总数的17.95%，∗ST中华A、华西股份、得润电子、金杯电工、金龙机电、中路股份、华体科技的综合技术效率值在调整后未达到DEA有效；具体来看，达到综合技术效率前沿的共享制造企业在2018年和2019年均有13家，占比约为33.33%，2020年数量增加到15家，占比为38.46%。

就2020年的具体情况而言，调整后2020年共享制造企业综合技术效率未达到前沿但处于0.8以上的企业有16家，这些企业具有较好的表现，我国共享制造仍存在可提升空间。所有共享制造企业中，∗ST中华A、ST海马、华西股份、∗ST兆新、亿玮锂能、金龙机电、融捷健康、上海凤凰、中路股份、荣泰健康这10家企业纯技术效率值依然为1，之所以未达到综合技术效率前沿，主要是因为规模效率较低，其中∗ST兆新的规模效率值为0.366，严重限制其提升高质量发展效率的空间，需要侧重调整企业规模状态；另外，东旭光电、英威腾2家企业的规模效率值都接近于1，该企业的综合技术效率值较低的主要原因是其纯技术效率较低，说明其经营管理和技术水平较低、需提高资源高效配置能力。

综上可见，在2018～2020年3年中，综合技术效率值均为1的企业有7家，约占17.95%，但我国共享制造企业在2018～2020年的高质量发展总体效率未达到DEA有效，从2020年的情况来看，一部分原因是一些共享制造企业具有较高的纯技术效率值但规模效率值较低，如ST海马等，一部分是因为一些企业有较高的规模效率值和较低的纯技术效率值，如东旭光电等，说明我国共享制造企业要实现高效率、高质量的发展，既要保证合理的规模也需要注意技术和管理水平的提高。

3.4 Malmquist指数模型结果

为了进一步探究我国共享制造企业高质量发展效率的动态变化，运用Maxdea Pro8软件对调整后的39家共享制造公司Malmquist指数进行测算和分解，得到其高质量发展效率的动态变化情况，具体运算结果见表5。若Malmquist指数值大于1，说明该指标效率值较上一个时间段有所增加，小于1则说明效率值相对降低，其与1的差值为增加或减少的百分比。共享制造企业高质量发展的全要素生产率指数（TFP）可以分解为技术进步变化指数（TC）和技术效率变化指数（EC），其中TC表示生产技术的改变，EC表示规模状态以及资源配置的变化；技术效率变化指数（EC）等于纯技术效率变化指数（PC）与规模效率指数（SC）的乘积。

由表5可得，2018～2020年我国39家共享制造企业高质量发展的全要素生产率总体呈增长状态，平均增速0.4%，增长幅度较小；技术效率变化指数均值为0.987，下降1.3%；技术进步指数均值为1.018，上升1.8%，由此可知，这期间共享制造企业全要素生产率的进步不大，且主要依赖于企业技术进步变化指数的提高。具体来看，我国共享制造企业的纯技术效率变化指数、技术进步效率指数均值都大于1，而规模效率变化指数的均值小于1，可以得出技术效率变化指数值降低的主要原因在于规模效率变化的负值影响，因此共享制造企业高质量发展的全要素生产率变化指数的进步主要归因于技术进步水平的提高。从各年的指数值来看，与2018年相比，2019年我国共享制造企业高质量发展的全要素生产率平均增速18.6%，技术效率增速2.8%，技术进步增速15.4%；2020年我国共享制造企业全要素生产率均值较 2019年下降 15%，技术效率降低5.3%，技术进步率降低10.3%。由分解指标可以看出，2018～2020年技术效率变化指数均值下降的主要原因是第2年纯技术效率与第3年规模效率的下滑。

表5 2018～2020年Malmquist指数

总体而言，2018～2020年我国共享制造企业高质量发展的全要素生产率总体呈增长状态，其中技术进步变化指数、纯技术效率变化指数均值大于1，规模效率变化指数的均值小于1，由此得出共享制造企业的纯技术效率具有增长态势，规模效率有所下降，阻碍了全要素生产率的提高。

4 结论与对策建议

本文运用三阶段DEA和Malmquist指数模型，测度了我国39家共享制造企业的高质量发展效率，通过分析得到如下结论。

（1）环境因素和随机干扰对效率测度存在显著影响，其中企业成立年限对职工薪酬和研发人员数的投入冗余影响为负，即共享制造企业的成立时间越久，越有利于高效配置人力资本和研发资源，而政府补助对企业的投入冗余影响为正，会造成投入资源利用率的降低。我国共享制造企业高质量发展的总体综合效率、纯技术效率、规模效率较调整前都有所上升，平均值皆位于0.85以上，表明我国共享制造的高质量发展效率整体较好，但仍存在进步空间。有7家共享制造企业的高质量发展效率保持3年最优，约为样本数的18%。2018～2020年我国共享制造纯技术效率均值皆高于规模效率，且二者变动幅度较小。因此，共享制造企业仍需进一步提高现代化经营和管理技术水平，同时也要注重合理调整共享制造业的规模状态，不断提升高质量发展效率。

（2）采用Malmquist指数法的动态分析结果表明：2018～2020年我国共享制造企业的高质量发展的全要素生产率平均增速为0.4%，共享制造企业整体的技术进步水平总体上表现较好，技术进步变化指数的平均值大于1，技术效率指数和规模效率指数的平均值均低于1，说明共享制造企业未能有效调整规模状态。全要素生产率变化指数虽然受到规模效率变化指数的影响，但总体上水平有所提高。因此，共享制造企业高质量发展应当不断实现突破性进步，在加强经营能力和技术创新、提高技术进步变化效率的同时，注重规模效率的同步提升。

综上可知，当前我国共享制造企业高质量发展综合技术效率未达到生产前沿，尚存在不足之处。具体来看，在综合技术效率值小于1的共享制造企业中，有的是由于其纯技术效率较低，表明企业管理能力或者技术水平有所欠缺；还有的是由于规模效率较低，表明企业规模未优化，应该进行相应的调整。要实现共享制造，推动共享制造高质量发展，可从提高企业纯技术效率和企业规模效率方面进行针对性加强。对此，提出如下对策：

（1）切实提高共享制造企业高质量发展的纯技术效率。大力发展核心关键技术，拥有核心竞争力。企业要加大研发投入，掌握核心技术，利用好共享平台优势有效配置资源。共享制造企业需要进一步提升产品质量，开发核心技术，建立竞争优势；还要全面提高企业管理能力，健全控制机制。

（2）着力提高共享制造企业高质量发展的规模效率。共享制造企业应务实提升生产或创新、服务专业化水平，找到自身规模最佳状态点。不管是制造能力共享、创新能力共享还是服务能力共享的企业，都应鼓励适当加强基础设施建设，提高专业化生产能力，降低产出平均成本，以适度规模助力生产要素投入产出效率最大化。