供給側(cè)改革背景下佛山五區(qū)及重點行業(yè)全要素生產(chǎn)率實證分析
——基于非參數(shù)DEA及Malmquist模型

關(guān)浩宇

（順德職業(yè)技術(shù)學(xué)院 經(jīng)濟(jì)管理學(xué)院，廣東 佛山 528333）

供給側(cè)改革背景下佛山五區(qū)及重點行業(yè)全要素生產(chǎn)率實證分析
——基于非參數(shù)DEA及Malmquist模型

關(guān)浩宇

（順德職業(yè)技術(shù)學(xué)院 經(jīng)濟(jì)管理學(xué)院，廣東 佛山 528333）

全要素生產(chǎn)率的提升是供給側(cè)結(jié)構(gòu)性改革的核心內(nèi)容。以2011—2015年的區(qū)域投入產(chǎn)出變量面板數(shù)據(jù)為基礎(chǔ)，通過非參數(shù)DEA、Malmquist指數(shù)模型，測算了佛山市及屬下5區(qū)的技術(shù)效率、規(guī)模效率及綜合效率的靜態(tài)數(shù)據(jù)及動態(tài)變化率；并對重點行業(yè)進(jìn)行了效率測算。研究表明：佛山地區(qū)的全要素生產(chǎn)率在廣東省內(nèi)處于中游水平、5區(qū)之間的全要素生產(chǎn)率有較大差異、各區(qū)間的產(chǎn)業(yè)投資有巨大的互補空間、產(chǎn)業(yè)的資源利用效率有較大提升空間、過度的房地產(chǎn)開發(fā)對區(qū)域效率有負(fù)面影響。最后給出了提升佛山地區(qū)全要素生產(chǎn)率的6項對策建議。

全要素生產(chǎn)率；效率；佛山；DEA；Malmquist

生產(chǎn)率是指產(chǎn)出與投入的比率，即：產(chǎn)出的產(chǎn)品及服務(wù)的總量/所消耗的資源總量。經(jīng)濟(jì)增長可以歸結(jié)于資本、土地、勞動等投入要素增加與生產(chǎn)率提升的結(jié)果。全要素生產(chǎn)率（TFP）是指考慮了所有要素投入后的投入產(chǎn)出比，即經(jīng)濟(jì)系統(tǒng)中總投入轉(zhuǎn)化為總產(chǎn)出的效率。依據(jù)索洛1957年提出的概念［1］，TFP指不能由要素投入增長來解釋的產(chǎn)出增長部分。從一個經(jīng)濟(jì)系統(tǒng)的投入產(chǎn)出關(guān)系來說，如果以更低的資源投入獲得更高的產(chǎn)出，代表了其TFP的提升。TFP將多種要素綜合在一起衡量，能夠更科學(xué)全面地反映效率水平，是衡量經(jīng)濟(jì)運行狀況、反映技術(shù)進(jìn)步、技術(shù)效率或規(guī)模配置等方面水平的綜合指標(biāo)。

自2008年金融危機以來，雖然期間4萬億經(jīng)濟(jì)刺激短期企穩(wěn)了經(jīng)濟(jì)，但中國的經(jīng)濟(jì)增長逐步放緩，經(jīng)濟(jì)面臨嚴(yán)重的結(jié)構(gòu)性問題。究其原因，是中國經(jīng)濟(jì)在經(jīng)歷了多年的高速增長后，依賴土地、勞動力、資金等資源要素不斷擴大投入來驅(qū)動的粗放式增長模式遇到了瓶頸，國外出口市場飽和，國內(nèi)市場需求與供給錯配，在長期的需求刺激下，積累了深層次的矛盾。大量研究表明，經(jīng)濟(jì)的可持續(xù)性發(fā)展必須進(jìn)行供給側(cè)結(jié)構(gòu)性改革，轉(zhuǎn)到依賴于提升全要素生產(chǎn)率的路子上來。2016年中央經(jīng)濟(jì)工作會議公報中強調(diào)“推進(jìn)供給側(cè)結(jié)構(gòu)性改革，是適應(yīng)和引領(lǐng)經(jīng)濟(jì)發(fā)展新常態(tài)的重大創(chuàng)新”。國家各級領(lǐng)導(dǎo)人對供給側(cè)結(jié)構(gòu)性改革進(jìn)行了多次批示，各級政府部門推出了多項規(guī)劃，供給側(cè)改革提出了“去產(chǎn)能、去庫存、去杠桿、降成本、補短板”的五大重點任務(wù)。各項改革政策精神中，提升地區(qū)、行業(yè)及企業(yè)的全要素生產(chǎn)率，是從宏觀、中觀、微觀上推進(jìn)供給側(cè)改革的核心內(nèi)容［2-4］。

佛山地區(qū)在區(qū)域、產(chǎn)業(yè)、企業(yè)等各層面同樣需要進(jìn)行供給側(cè)結(jié)構(gòu)性改革，需要優(yōu)化投資結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)，優(yōu)化勞動力、資本、土地、技術(shù)、管理等要素配置。地區(qū)性全要素生產(chǎn)率的研究是一項重要的基礎(chǔ)性工作，對政府對標(biāo)先進(jìn)地區(qū)，制定有效的發(fā)展規(guī)劃、產(chǎn)業(yè)政策、土地及人力資源政策、社會管理政策，提升創(chuàng)新水平，具有重要的應(yīng)用價值。本文是近幾年來僅見的對佛山地區(qū)的TFP測評研究，研究涵蓋區(qū)域及重點行業(yè)，數(shù)據(jù)覆蓋2010—2015年，同時采用多個DEA和Malmquist模型以相互印證。這在相關(guān)的研究中是獨特的。

1 DEA與Malmquist全要素生產(chǎn)率評測模型

傳統(tǒng)經(jīng)濟(jì)理論認(rèn)為經(jīng)濟(jì)增長主要源于要素投入的增長和生產(chǎn)率的提高，但是要素投入的邊際效應(yīng)遞減，經(jīng)濟(jì)的長期增長需要依靠生產(chǎn)率的增長來實現(xiàn)。如果研究對象的投入只包含一種要素，則所得的生產(chǎn)率成為“單要素生產(chǎn)率”，如勞動生產(chǎn)率、資本生產(chǎn)率等；若投入包括了土地、勞動、資本等所有要素，所得生產(chǎn)率稱為“全要素生產(chǎn)率（Total Factor Productivity）”（TFP）。TFP效率可以分為規(guī)模效率（即資源配置效率）和技術(shù)效率。資源配置效率是指為獲得最大產(chǎn)出或最低投入，各種資源能夠達(dá)到最佳比例的能力，反映了實際投入要素的配比與理論最佳配比的差距。技術(shù)效率是指在一定的投入要素組合下，獲得最大產(chǎn)出的能力或者在一定的產(chǎn)出組合下，取得最少要素投入的能力，是實際的投入產(chǎn)出比與理論最佳投入產(chǎn)出比的比值，反映了決策單元采取有效管理及發(fā)揮技術(shù)的能力。技術(shù)效率與配置效率相組合就得到總的經(jīng)濟(jì)效率，即綜合效率（綜合效率=技術(shù)效率*配置效率）。

當(dāng)前TFP實證研究所采用的模型分為兩類：前沿分析法和非前沿分析法。前者度量的是相對效率值，后者度量的是絕對效率值。前沿分析法主要分為參數(shù)方法和非參數(shù)方法，區(qū)別在于是否需要假設(shè)具體的生產(chǎn)函數(shù)形式。參數(shù)方法主要有索洛余值法、拓展的索洛余值法、隨機前沿生產(chǎn)函數(shù)（SFA）法等。非參數(shù)方法主要有指數(shù)法、數(shù)據(jù)包絡(luò)分析（DEA）法等。全要素生產(chǎn)率研究作為評估經(jīng)濟(jì)增長績效及來源的一項基礎(chǔ)性工作，其研究和應(yīng)用已經(jīng)成為一門龐大的領(lǐng)域，相關(guān)的研究眾多，集中于理論模型方法的拓展及實證研究，近期的綜述和典型的實證分析案例可參見文獻(xiàn)［5］～［7］及文獻(xiàn)［8］～［13］。

相對其他方法，著名運籌學(xué)家W.W.Cooper等人（1978）［14］提出數(shù)據(jù)包絡(luò)模型（Data Envelopment Analysis）具有獨特的優(yōu)點，已經(jīng)成為多投入多產(chǎn)出情況下決策單元（DMU）效率測度應(yīng)用最為廣泛的數(shù)理方法之一。DEA直接根據(jù)投入產(chǎn)出數(shù)據(jù)，利用線性優(yōu)化將有效的DMU線性組合起來，構(gòu)造出“包絡(luò)”整個樣本集的分段超平面（即生產(chǎn)前沿面或生產(chǎn)函數(shù)），再把非DEA有效的DMU投影到生產(chǎn)前沿面上，通過距離函數(shù)比較DMU“偏離”生產(chǎn)前沿面的程度來評價各DMU相對效率。DEA獨特的優(yōu)點包括：1）可以評價具有多個“投入”和“產(chǎn)出”變量的決策單元，且不需要事先確定各變量的權(quán)重；2）不需要假設(shè)生產(chǎn)函數(shù)的具體形式或分布； 3）不需要有關(guān)投入產(chǎn)出的價格信息；4）對投入產(chǎn)出變量的量綱不敏感；5）理論框架和計算手段成熟，已經(jīng)被廣泛應(yīng)用于產(chǎn)業(yè)政策、績效評估等眾多領(lǐng)域。這些優(yōu)點在生產(chǎn)函數(shù)、投入產(chǎn)出要素權(quán)重等信息未知的條件下，其優(yōu)越性尤為明顯。文獻(xiàn)［8］的研究表明，相對于隨機前沿分析（SFA）， DEA 方法得到的結(jié)論更加可靠， 也更能滿足對中國經(jīng)濟(jì)現(xiàn)實進(jìn)行解釋的需要。DEA模型結(jié)合Malmquist生產(chǎn)率變化指數(shù)方法，可以度量綜合效率、技術(shù)效率、規(guī)模效率的靜態(tài)及動態(tài)特征。

DEA發(fā)展至今，依據(jù)生產(chǎn)可能集、測度、偏好、變量類型、不同階段、數(shù)據(jù)的確定性等6個維度拓展變化，衍生出上百種拓展模型［15］，在對數(shù)據(jù)的要求、分辨能力、解的可得性、用途有各自的特點，相關(guān)綜述和介紹可參閱文獻(xiàn)［15］～［17］。在本研究中，采用普通DEA模型，超效率SDEA模型及基于松弛量的SBM-DEA模型，并結(jié)合Malmquist生產(chǎn)率變動指數(shù)模型來從橫截面（靜態(tài)）和歷史（動態(tài)）來分解及測量TFP。其中普通DEA即為Cooper等最早提出的經(jīng)典DEA模型，相當(dāng)多的TFP實證研究依然采用這一模型，其原理直接簡單，但缺點在于到達(dá)生產(chǎn)可能集前沿的DMU的效率值都為1.0，無法進(jìn)一步區(qū)分優(yōu)劣，為此Andersen等2002年提出超效率（super efficiency）SDEA模型［18］，其將有效單元從參照集中提取出來計算其超效率得分，使等SDEA超效率值可大于1.0，從而進(jìn)一步區(qū)分有效單元的效率差別； Tone在2001年提出了一種基于松弛變量的測量模型（slacks based measure， SBM-DEA）， 將除了等比例改進(jìn)的部分之外的松弛改進(jìn)（余量）也包含在效率值計算中［19］。

本研究使用的相關(guān)模型數(shù)學(xué)定義如下，首先定義生產(chǎn)可能集T：

T = {（x，y）｜產(chǎn)出y可由投入 x生產(chǎn)出來}

在凸性、錐性、無效性及最小性假設(shè)［13］下，可定義規(guī)模效率不變CRS下生產(chǎn)可能集T為：

并在投入產(chǎn)出變量滿足（x，y）∈T的條件下定義三種評估TFP效率指標(biāo)θ的DEA模型（投入導(dǎo)向）：

1）普通DEA模型：

2）超效率DEA模型：

3）基于松弛量SBM-DEA模型：

4）Malmquist生產(chǎn)率變化模型：

Malmquist指數(shù)最早由瑞典經(jīng)濟(jì)學(xué)家Sten Malmquist在1953年提出的衡量跨時段TFP變化率的指標(biāo)。Malmquist指數(shù)大于1，表明在跨時段的評估中，效率獲得改進(jìn)；指數(shù)等于1，效率沒有變化；指數(shù)小于1，效率下降。Fare提出FGNZ分解模型［20］，將Malmquist指數(shù)分解成技術(shù)效率變化指數(shù)TE（第一乘項），規(guī)模效率變化指數(shù)SE（第二乘項）及技術(shù)進(jìn)步指數(shù)TC（第三乘項），成為在實證領(lǐng)域應(yīng)用最多的FGNZ分解模型。但是FGNZ的分解存在邏輯上的缺陷， FGNZ 承認(rèn)現(xiàn)實技術(shù)是規(guī)模效率可變VRS 形式，但是在計算技術(shù)進(jìn)步時卻舍棄了VRS 技術(shù)， 反而采用了假設(shè)的規(guī)模效率不變的CRS 技術(shù)，因此分解中的技術(shù)進(jìn)步并不是現(xiàn)實技術(shù)進(jìn)步， 而是參照技術(shù)的進(jìn)步。Ray和Desli 對此問題進(jìn)行了修正，提出RD分解模型［21］。Lovell 從理論角度對RD 模型的正確性進(jìn)行了確認(rèn)［22］。因此，對于Malmquist 指數(shù)的正確分解并不是國內(nèi)研究常用的FGNZ 模型， 而應(yīng)當(dāng)是RD 模型。但RD模型需要計算VRS下的距離函數(shù)，DMU的投入產(chǎn)出向量可能并不位于跨期的生產(chǎn)可能集中，可能是規(guī)劃無解的，從而造成應(yīng)用上的困難。Paster提出改進(jìn)的Biennial-RD分解模型［23］，通過由DMU兩個相鄰時段的投入產(chǎn)出集共同構(gòu)造一個Biennial技術(shù)可行集，使投入產(chǎn)出向量包含在Biennial技術(shù)可行集中，距離函數(shù)始終有解，從而在保持了RD模型的分解思路下有效地解決了無解問題。

2 佛山市及五區(qū)區(qū)域全要素生產(chǎn)率分析

佛山地區(qū)的區(qū)域全要素生產(chǎn)率研究，把佛山及其所轄的5個區(qū)，放在廣東21個地級市，以及江蘇省江陰市、昆山市及深圳市南山區(qū)共30個樣本中進(jìn)行投入產(chǎn)出效率比較，分析將給出佛山市及各區(qū)歷年的TFP效率值，并結(jié)合供給側(cè)結(jié)構(gòu)性改革背景進(jìn)行分析和建議。

2.1 模型、樣本、變量、數(shù)據(jù)選擇

靜態(tài)分析分別使用普通DEA，超效率DEA及基于松弛余量DEA（SBM-DEA）三種模型給出2010—2015各年度各區(qū)的綜合效率、技術(shù)效率與規(guī)模效率；動態(tài)分析則分別使用FGNZ、Ray-Desli、Biennial-RD三種不同的分解模型將Malmquist指數(shù)分解為效率變動指數(shù)、技術(shù)變動指數(shù)和規(guī)模變動指數(shù)?？紤]到整個地區(qū)的要素投入比產(chǎn)出更容易控制，所有模型均采用基于輸入的模型（Input-Oriented Model）。

DEA測算的是相對效率，整體樣本DMU的選擇不同，得出的效率值亦不同?？紤]到佛山市是廣東省地級市，樣本首先包含廣東省21個地級市，同時將廣東省整體作為一個DMU樣本（以獲得一個平均值意義上的比較）；佛山市下轄的5個區(qū)（禪城、順德、南海、三水、高明）作為5個獨立的樣本DMU納入比較；為了對比規(guī)模相近、國內(nèi)經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，參考2015年全國百強區(qū)的排名，將江蘇省江陰市、蘇州下轄昆山市、深圳南山區(qū)這3個地區(qū)也納入樣本DMU范圍；共有30個地區(qū)納入模型計算。

DEA模型對TFP測算的投入和產(chǎn)出變量的選擇有非常多的選項。過少的變量將缺乏代表性及解析力，過多的變量將降低模型的分辨率（將使大部分的樣本處于效率前沿上，無法區(qū)分效率高低），同時數(shù)據(jù)的可得性和質(zhì)量難以保證。合適的DEA模型要求樣本DMU數(shù)量n、投入變量維度m、產(chǎn)出變量維度s應(yīng)滿足的約束要求。結(jié)合過往研究經(jīng)驗，及參考眾多DEA模型實證研究文獻(xiàn)的投入產(chǎn)出變量選擇，本研究采用2個投入變量（年度固定資產(chǎn)投資額、社會從業(yè)人員數(shù)量）來分別表征資本和人力的投入， 2個產(chǎn)出變量（地區(qū)生產(chǎn)總值、地方公共財政預(yù)算收入）來分別表征區(qū)域的總產(chǎn)出及公共（政府）收益。這4個投入產(chǎn)出變量具有較好的覆蓋度和代表性，數(shù)據(jù)能夠從各地政府統(tǒng)計部門發(fā)布的年鑒中獲得，保證了數(shù)據(jù)的可得性和質(zhì)量，也滿足了DEA模型的要求。

相應(yīng)的數(shù)據(jù)來自廣東省、佛山市及各區(qū)、江陰市、昆山市及深圳南山區(qū)的統(tǒng)計年鑒，數(shù)據(jù)覆蓋2010—2015年。為消除通貨膨脹因素，得到各年度間更準(zhǔn)確的可比結(jié)果，將年度固定資產(chǎn)投資額、地區(qū)生產(chǎn)總值、地方公共財政預(yù)算收入這3個變量分別按各年的GDP平減指數(shù)進(jìn)行平減。數(shù)據(jù)計算分析采用Stata13及R統(tǒng)計軟件的DEA模塊及相關(guān)程序代碼進(jìn)行。

2.2 區(qū)域全要素生產(chǎn)率靜態(tài)測算

基于普通DEA，超效率SDEA及基于松弛余量DEA（SBM-DEA）三種模型的測算給出了各地區(qū)各年度的綜合效率、技術(shù)效率及規(guī)模效率。效率數(shù)值表明的是某個地區(qū)的投入產(chǎn)出比（在其選擇最優(yōu)的權(quán)重分配后）對比于最佳實踐的線性組合的投入產(chǎn)出比的比值。效率數(shù)值為k，則表明其在當(dāng)前的經(jīng)濟(jì)技術(shù)環(huán)境下，距離最佳實踐還有1-k的提升潛力。而達(dá)到最優(yōu)效率狀態(tài)的DMU的效率值為1.0。（超效率DEA模型為了提高模型分辨率，區(qū)分各達(dá)到效率前沿面上的DMU的效率值差異，將效率值放寬到1.0以上）。

各地區(qū)2015年的DEA效率值中，深圳市（包括南山區(qū)）的技術(shù)效率為2.602，顯著高于其余地區(qū)，規(guī)模效率（0.896）處于較高位置，從而綜合效率達(dá)到2.332，全要素生產(chǎn)率遠(yuǎn)超其他地區(qū)。江陰市、昆山市作為廣東省外的經(jīng)濟(jì)發(fā)達(dá)地區(qū)代表，其TFP效率也保持在較高的水平，綜合效率分別為0.919和1.252，而且昆山市和深圳市一樣，是僅有的在三個DEA模型測度下綜合效率均保持在1.0以上的市級地區(qū)。廣東省其他地市，分化為三個不同的類別，其中廣州、東莞、珠海、佛山、中山等地的技術(shù)效率（0.645～1.188）和規(guī)模效率（0.636～0.986）都接近于1.0，處于較高的綜合效率水平（0.577～0.830），屬于第一梯隊。其中廣州表現(xiàn)出較高的技術(shù)效率，東莞和珠海表現(xiàn)出較高的規(guī)模效率；惠州、潮州、茂名、清遠(yuǎn)、江門、陽江等地的綜合效率在0.344～0.410之間，處在第二梯隊，其規(guī)模效率在0.417～0.952之間，技術(shù)效率處于0.431～0.961之間，處于中等水平；肇慶、湛江、韶關(guān)、梅州、汕頭、河源、揭陽、汕尾、云浮等地市，綜合效率在0.194～0.317之間，屬第三梯隊，其技術(shù)效率在0.341～0.760之間，規(guī)模效率在0.366～0.822之間，處于中下水平。

佛山及5區(qū)的各DEA模型效率值見表1（僅列出2013—2015年具體數(shù)值）。2015年佛山市及5區(qū)的超效率DEA模型綜合效率值在0.516～0.849之間，佛山市的綜合效率值為0.605，在廣東21地市中排名第5，在深圳、珠海、東莞、廣州之后，其后為中山和惠州；技術(shù)效率值為0.756，，規(guī)模效率為0.80，均排名第7；資產(chǎn)余量比例為53.8%，從業(yè)人員余量為27.1%。佛山市的效率值在全省中為中上水平，但與深圳、珠海、廣州、東莞以及省外的江陰和昆山有較大差距。佛山5區(qū)的綜合效率以三水、高明、禪城、順德、南海依次降低，分別為0.849、0.751、0.742、0.707、0.516；三水區(qū)的綜合效率已接近第一梯隊，而南海區(qū)的綜合效率值拉低了整個佛山的效率值排名。

佛山5區(qū)綜合效率算術(shù)均值為0.713，比作為整體的“佛山市”的0.605略高。原因是三水和高明的綜合效率較高但經(jīng)濟(jì)體量占比較低，而南海的綜合效率相對較低而經(jīng)濟(jì)體量占比較高，從而使算術(shù)均值大于整體值。雖然三水和高明的經(jīng)濟(jì)規(guī)模在5區(qū)中墊底（2015年GDP分別為1 009.09及710.54億元，占整個佛山GDP 8 003.92億元的12.6%及8.9%），但其技術(shù)效率分別是1.021和1.591，都達(dá)到了很高的程度。相反南海區(qū)的技術(shù)效率（0.606）為5區(qū)最低，從而導(dǎo)致了其綜合效率（0.516）也在5區(qū)中最低。背后的原因，主要是三水和高明的人力投入效率較高，而南海的固定資產(chǎn)投資規(guī)模及社會從業(yè)人員的規(guī)模相對過大。基于松弛量的SBMDEA模型可以從另一側(cè)面觀察這一問題。從表1的 “資產(chǎn)投資余量/%”中可以得到5區(qū)各年度的投入松弛量（余量）及其占各自原始投入的比例。（松弛余量：假設(shè)DMU的效率達(dá)到最優(yōu)，在保持當(dāng)前的產(chǎn)出不變的情況下，其投入要素可以減少的數(shù)量）。三水和高明的“社會從業(yè)人員余量比例”分別為5.4%和15.9%（即只有5.4%和15.9%的人力是在保持當(dāng)前產(chǎn)出水平下可以精簡掉），而其他各區(qū)在22.4%～41.5%之間，這就是三水和高明有較高生產(chǎn)率的主要原因。2015年南海的固定資產(chǎn)投資余量為527.71億元，占整個佛山固定資產(chǎn)投資余量1 632.09億元的32.3%；從業(yè)人員余量為66.07萬人，占整個佛山從業(yè)人員余量118.70萬人的55.7%。南海區(qū)2015年的“固定資產(chǎn)投資余量比例”和“社會從業(yè)人員余量比例”分別是57.2%和41.5%，都處于很高的比例，相對于30個考察地區(qū)的最優(yōu)實踐標(biāo)桿DMU來說，南海有近一半的資源投入（理論上）是可以節(jié)省下來的。

表1 2013—2015年佛山市各區(qū)DEA效率狀況

2010—2015年間，佛山各區(qū)的人均創(chuàng)造GDP和人均固定資產(chǎn)投資處于上升趨勢。而三水和高明的這兩個數(shù)據(jù)高于其他各區(qū)，從另一側(cè)面解釋了這兩個區(qū)的TFP相對較高的原因。值得注意的是，順德區(qū)的人均固定資產(chǎn)投資規(guī)模在5區(qū)中最低，一方面說明順德區(qū)的建設(shè)已達(dá)到較成熟的規(guī)模，不依賴于固定資產(chǎn)投資來拉動經(jīng)濟(jì)發(fā)展；另一方面也反映投資需求不足，對未來發(fā)展的動力有隱憂。

基于普通DEA模型，佛山市整體的綜合效率保持在0.60左右的平穩(wěn)狀態(tài)，技術(shù)效率和規(guī)模效率基本在0.80；禪城區(qū)的綜合效率保持在0.70～0.80之間，技術(shù)效率保持在0.90左右的較好水平，規(guī)模效率則以2012年為界，先下降后上升；順德區(qū)的綜合效率在0.68～0.80之間，以2010年最高，然后在2013年形成一個局部小高峰，技術(shù)效率則在2011年相對2010下降后，在2011—2015年間緩慢上升，而規(guī)模效率和綜合效率走勢基本一致；南海區(qū)的綜合效率在0.60左右波動，2013年后則連續(xù)兩年下降，規(guī)模效率基本保持在0.90左右，而技術(shù)效率基本隨同綜合效率走勢，說明南海區(qū)的固定資產(chǎn)投入與人力投入雖然沒有充分發(fā)揮潛力，但配比相對合理；三水區(qū)和高明區(qū)的技術(shù)效率基本保持在1.0水平，規(guī)模效率（從而綜合效率）分別圍繞在0.80及0.70左右平緩上升，說明兩區(qū)的資源投入得到有效利用，但固定資產(chǎn)投資額和從業(yè)人員的配比還有提升空間。

為進(jìn)一步考察固定資產(chǎn)的投入效果，探討固定資產(chǎn)投資與TFP的潛在關(guān)系，研究對佛山各區(qū)、江陰市及昆山市的制造業(yè)及房地產(chǎn)業(yè)固定資產(chǎn)進(jìn)行對比分析，數(shù)據(jù)來源于各地區(qū)統(tǒng)計年鑒（表2）。2011—2015年間，佛山市在制造業(yè)和房地產(chǎn)業(yè)的投資基本持平，約各占4成；但5區(qū)呈現(xiàn)出截然不同的特點，禪城區(qū)、南海區(qū)的制造業(yè)投資比例逐年下降，房地產(chǎn)業(yè)投資比例逐年上升，2015年兩區(qū)房地產(chǎn)投資額分別是制造業(yè)的4.40倍和1.93倍，而順德區(qū)、三水區(qū)、高明區(qū)分別為1.65倍、0.19倍及0.12倍，江陰市和昆山市則分別為0.55倍及1.62倍。禪城和南海無論是從趨勢還是絕對比重上都越來越傾向于房地產(chǎn)投資。而三水和高明的制造業(yè)投資比例逐年上升，在2015年占比達(dá)82.8%及67.7%，2011—2015年房地產(chǎn)投資比例則分別圍繞10%及15%波動，表明這兩個西部區(qū)域更加偏重于制造業(yè)的投入；順德的制造業(yè)投資比例比南海略高，房地產(chǎn)投資比例比南海低，固定資產(chǎn)投資總額基本保持在南海區(qū)的70%。昆山市的投資結(jié)構(gòu)和南海順德近似，江陰則處在一個更為均衡的投資結(jié)構(gòu)比例。區(qū)域制造業(yè)與房地產(chǎn)投資比例受到地理位置、產(chǎn)業(yè)發(fā)展機會、政府及私營部門的投資決策等影響，無法簡單給出一個最優(yōu)的比率。禪城和南海對房地產(chǎn)投資的偏愛，受到當(dāng)?shù)亟咏鼜V州，房地產(chǎn)需求旺盛的影響；三水、高明對制造業(yè)投資的偏重，與當(dāng)?shù)刂圃鞓I(yè)基礎(chǔ)較弱，在加速“補短板”，要素成本較低，有利于制造業(yè)發(fā)展有關(guān)。結(jié)合“三去一降一補”供給側(cè)改革任務(wù)及南海區(qū)TFP相對較低的狀況，房地產(chǎn)業(yè)對地區(qū)發(fā)展的短期與長期作用需要做進(jìn)一步的謹(jǐn)慎的權(quán)衡。

表2 2011—2015年佛山市（5區(qū)）、江陰、昆山制造業(yè)及房地產(chǎn)業(yè)投資完成額占總比例 %

2.3 Malmquist生產(chǎn)率變動指數(shù)測算

基于FGNZ及Biennial-RD分解模型的佛山地區(qū)Malmquist效率變化、規(guī)模效率變化、技術(shù)變化指數(shù)的詳細(xì)數(shù)據(jù)見表3（僅列出2010—2015數(shù)值）。通過Malmqusit指數(shù)觀察到（是否大于1.0）， 2010—2015各年度，佛山市整體的綜合效率逐年略微上升，TFP平均年提高3.31%，主要來源于技術(shù)變化（年平均提高6.20%），而年均技術(shù)效率變化和年均規(guī)模效率變化為-1.44%和-1.27%；換言之，雖然佛山TFP在提高，提高的主要原因是生產(chǎn)可能集前沿的進(jìn)步，即整體上技術(shù)和管理水平的提升，但是對比“最佳標(biāo)桿”，佛山在有效利用技術(shù)和管理手段，以及配置資源的相對表現(xiàn)是略微落后的。2010—2015年禪城區(qū)、順德區(qū)、南海區(qū)、三水區(qū)、高明區(qū)的TFP年均提高2.50%、2.92%、-0.30%、8.08%、6.25%。除南海外，其他4區(qū)的TFP在上升，波動較平緩，而南海區(qū)的效率變化波動較大。各區(qū)各年度的Malmquist指數(shù)及分解的效率變化、規(guī)模效率變化、技術(shù)變化的折線圖見圖1，表現(xiàn)出不同的變化模式。

圖1 2010—2015年佛山市（5區(qū)）Malmquist生產(chǎn)率變動指數(shù)折線圖

佛山地區(qū)的TFP效率處于中游位置，與其主要產(chǎn)業(yè)結(jié)構(gòu)是傳統(tǒng)制造業(yè)有關(guān)。制造業(yè)處于“微笑曲線”低端，對資本投入和勞動力需求較高，利潤水平較低，相對于深圳、廣州等地的新型產(chǎn)業(yè)及現(xiàn)代服務(wù)業(yè)，效益水平相對不高；而佛山制造業(yè)已經(jīng)達(dá)到了較高集聚度和規(guī)模，具有較好的競爭力，對其他地區(qū)依然具有較大優(yōu)勢。佛山應(yīng)繼續(xù)立足于現(xiàn)有制造業(yè)基礎(chǔ)，壓減落后過剩產(chǎn)能，提升制造業(yè)技術(shù)水平和創(chuàng)新能力，打造先進(jìn)制造業(yè)，同時通過“補短板”，加大對新興產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)的扶持力度，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。

表3 2010—2015年佛山市（5區(qū)）Malmquist生產(chǎn)率變動指數(shù)

3 佛山行業(yè)全要素生產(chǎn)率分析

佛山市以制造業(yè)立市，2015年全市生產(chǎn)總值8 003.92億元，比上年增長8.5%，其中第二產(chǎn)業(yè)增加值4 838.89億元，增長7.6%（全部工業(yè)增加值4 672.53億元，增長7.7%，規(guī)模以上工業(yè)增加值4 406.95億元，增長7.9%）。第一、第二、第三產(chǎn)業(yè)結(jié)構(gòu)為1.7∶60.5∶37.8。工業(yè)經(jīng)濟(jì)效益指標(biāo)中，資產(chǎn)貢獻(xiàn)率19.05%，資本保值增值率102.76%，資產(chǎn)負(fù)債率56.00%，流動資產(chǎn)周轉(zhuǎn)次數(shù)3.37次，成本費用利潤率8.10%，產(chǎn)品銷售率96.51%，實現(xiàn)利潤總額增長9.7%。鑒于佛山的產(chǎn)業(yè)結(jié)構(gòu)以第二產(chǎn)業(yè)為主，而順德、南海兩區(qū)的第二產(chǎn)業(yè)（1 512.94億元、1 328.25億元）占了整個佛山市的第二產(chǎn)業(yè)增加值的58.71%。為抓住重點，以下行業(yè)全要素生產(chǎn)率分析以2015年的佛山市整體、順德區(qū)、南海區(qū)的工業(yè)制造業(yè)為分析研究對象。

3.1 模型、樣本、變量、數(shù)據(jù)選擇

各行業(yè)的TFP分析采用經(jīng)典DEA、超效率SDEA、基于松弛量的SBM-DEA三種模型進(jìn)行效率數(shù)據(jù)測算，采用投入導(dǎo)向模型。樣本為2015年佛山大中型工業(yè)企業(yè)的30個工業(yè)制造行業(yè)，投入變量為“年度資產(chǎn)”及“從業(yè)人員人數(shù)”，分別代表資源和人力要素的投入，產(chǎn)出變量為“工業(yè)總產(chǎn)值”和“利稅總額”，分別代表了產(chǎn)出中“量”的規(guī)模和產(chǎn)出中“質(zhì)”的收獲。（南海區(qū)的年度統(tǒng)計年鑒沒有提供分行業(yè)的“利稅總額”和“年度資產(chǎn)”數(shù)據(jù)，其模型的投入產(chǎn)出變量為： “年末固定資產(chǎn)原值”、“從業(yè)人員人數(shù)”及“工業(yè)總產(chǎn)值”）。數(shù)據(jù)來源于2015年佛山市、順德區(qū)、南海區(qū)的統(tǒng)計年鑒的“大中型工業(yè)企業(yè)主要經(jīng)濟(jì)指標(biāo)”一表。涉及企業(yè)1 155個，工業(yè)總產(chǎn)值總和12 500.68億元，工業(yè)增加值總和2 895.61億元，分別占當(dāng)年佛山全市規(guī)模以上工業(yè)總產(chǎn)值19 544.95億元及工業(yè)增加值4 363.33的64.0%及66.3%，足可代表佛山市的行業(yè)狀況。

3.2 分行業(yè)綜合效率、技術(shù)效率與規(guī)模效率測算

研究對佛山市2015年30個工業(yè)分行業(yè)的綜合效率、技術(shù)效率與規(guī)模效率進(jìn)行了測算。依照2015年超效率SDEA模型的數(shù)據(jù)，將其按技術(shù)效率、規(guī)模效率為橫縱坐標(biāo)，行業(yè)工業(yè)總產(chǎn)值為面積大小，綜合效率為顏色，給出佛山市的效率分布?xì)馀輬D如圖2。

圖2 2015年佛山市30個工業(yè)分行業(yè)TFP效率狀況

1） 佛山市。

佛山工業(yè)各行業(yè)2015年的平均綜合效率、技術(shù)效率、規(guī)模效率分別是：普通DEA效率：0.589、0.748、0.810；SDEA 效率：0.633、0.942、0.751 ；SBM-DEA效率：0.559、0.729、0.797。（SDEA效率均值稍高的原因是對于達(dá)到生產(chǎn)前沿面的行業(yè)的效率值會大于1.0，而其他兩個模型的效率值最高為1.0）。行業(yè)SDEA綜合效率前5位為廢棄資源綜合利用（1.63）、石油煉焦（1.43）、文教工美用品制造（1.26）、食品制造（0.88）、農(nóng)副食品加工（0.86）；排名最后的5位為電力燃?xì)馑a(chǎn)供應(yīng)（0.38）、專用設(shè)備制造（0.38）、通用設(shè)備制造（0.41）、儀器儀表制造（0.43）、非金屬礦物制品（0.45）；工業(yè)總產(chǎn)值最大5個行業(yè)的電氣機械和器材制造（占佛山整體工業(yè)總產(chǎn)值29.6%）、通信計算機及電子設(shè)備（占7.1%）、金屬制品（占6.7%）、有色金屬冶煉和壓延（占6.6%）、非金屬礦物制品（6.3%）的SDEA綜合效率值依次為0.507、0.709、0.624、0.691和0.454，處于中等水平。

佛山市全部30個工業(yè)行業(yè)的資產(chǎn)余量為3 358.33億元，從業(yè)人員余量為67.16萬人，分別占行業(yè)整體總資產(chǎn)8 163.36億元、總從業(yè)人員115.95萬人的41.1%及57.9%。以資產(chǎn)余量比例+從業(yè)人員余量比例為衡量，在前10位工業(yè)產(chǎn)值最大的行業(yè)中，產(chǎn)能過剩最為嚴(yán)重的前3個行業(yè)依次為電力燃?xì)馑a(chǎn)供應(yīng)、汽車制造業(yè)、橡膠和塑料制品業(yè)。產(chǎn)值占比最大的電氣機械和器材制造業(yè)的資產(chǎn)余量為1 190.8億元，從業(yè)人員余量為20.57萬人，余量比例為49.3%和56.5%，換言之，如果本行業(yè)的效率達(dá)到30個行業(yè)中最佳標(biāo)桿的水平，在保持工業(yè)總產(chǎn)值和利稅總額產(chǎn)出水平不變的情況下，其行業(yè)總資產(chǎn)和從業(yè)人數(shù)可以縮減近一半。說明本行業(yè)的市場需求不足、產(chǎn)能過?；蛐袠I(yè)投資提前太多，在供給側(cè)改革背景下，去產(chǎn)能和行業(yè)重組使資源要素能夠流動是進(jìn)一步提高本行業(yè)全要素生產(chǎn)率的有效途徑。其他行業(yè)的提效率、去產(chǎn)能方向可依技術(shù)效率值、規(guī)模效率值、資產(chǎn)余量、人員余量的狀況進(jìn)行類似的進(jìn)一步分析研究。

2） 順德區(qū)。

順德區(qū)工業(yè)各行業(yè)2015年的平均綜合效率、技術(shù)效率、規(guī)模效率分別是：普通DEA效率：0.501、0.683、0.768；SDEA 效率：0.581、0.937、0.722 ；SBM-DEA效率：0.494、0.657、0.777。行業(yè)SDEA綜合效率前5位為有色金屬冶煉和壓延（2.60）、文教工美用品制造（1.59）、飲料制造（1.06）、食品制造（0.93）、通信計算機及電子設(shè)備（0.83）；排名最后的5位為化學(xué)纖維制造（0.38）、非金屬礦物制品（0.38）、印刷和記錄媒介復(fù)制（0.41）、儀器儀表制造（0.43）、其他制造（0.45）；工業(yè)總產(chǎn)值最大5個行業(yè)的電氣機械和器材制造（占順德區(qū)整體工業(yè)總產(chǎn)值53.0%）、文教工美體育和娛樂用品制造業(yè)（占6.5%）、金屬制品（占5.7%）、橡膠和塑料制品業(yè)（占4.5%）、汽車制造業(yè)（占3.9%）的SDEA綜合效率值依次為0.570、1.587、0.689、0.411和0.549，處于中等水平。

順德區(qū)全部30個工業(yè)行業(yè)的資產(chǎn)余量為1 751.49億元，從業(yè)人員余量為39.07萬人，分別占行業(yè)整體總資產(chǎn)3 867.80億元、總從業(yè)人員61.42萬人的45.3%及63.6%。以資產(chǎn)余量比例+從業(yè)人員余量比例為衡量，在前10位工業(yè)產(chǎn)值最大的行業(yè)中，產(chǎn)能過剩最為嚴(yán)重的前3個行業(yè)依次為通用設(shè)備制造業(yè)、橡膠和塑料制品業(yè)、專用設(shè)備制造業(yè)。順德區(qū)產(chǎn)值占比最大的電氣機械和器材制造業(yè)的資產(chǎn)余量為897.84億元，從業(yè)人員余量為20.26萬人，余量比例為43.0%和63.3%，換言之，如果本行業(yè)的效率達(dá)到本地區(qū)30個行業(yè)中最佳標(biāo)桿的水平，在保持工業(yè)總產(chǎn)值和利稅總額產(chǎn)出水平不變的情況下，其行業(yè)總資產(chǎn)和從業(yè)人數(shù)可以縮減近一半。

3） 南海區(qū)。

南海區(qū)工業(yè)各行業(yè)2015年的平均綜合效率、技術(shù)效率、規(guī)模效率分別是：普通DEA效率：0.368、0.439、0.883；SDEA 效 率：0.436、0.624、0.855 ；SBM-DEA效 率：0.306、0.355、0.916。SDEA綜 合效率前5位為：廢棄資源綜合利用業(yè)（2.78）、化學(xué)纖維制造業(yè)（1.20）、農(nóng)副食品加工業(yè)（0.52）、皮毛制品和制鞋業(yè)（0.51）、木材加工業(yè)（0.44）；排名最后的5位為飲料制造業(yè)（0.13）、儀器儀表制造業(yè)（0.16）、紡織業(yè)（0.16）、紡織服裝服飾業(yè)（0.21）、汽車制造業(yè)（0.24）；工業(yè)總產(chǎn)值最大5個行業(yè)的有色金屬冶煉壓延加工業(yè)（占南海整體工業(yè)總產(chǎn)值14.2%）、電氣機械和器材制造業(yè)（占10.2%）、計算機通信和其他電子設(shè)備制造業(yè)（占9.8%）、金屬制品業(yè)（占8.3%）、廢棄資源綜合利用業(yè)（占7.9%）的SDEA綜合效率值依次為0.377、0.287、0.388、0.337和2.777，處于中下水平。

南海區(qū)全部30個工業(yè)行業(yè)的資產(chǎn)余量為789.09億元，從業(yè)人員余量為38.98萬人，分別占行業(yè)整體總資產(chǎn)1 108.29億元、總從業(yè)人員48.09萬人的71.2%及81.1%。以資產(chǎn)余量比例+從業(yè)人員余量比例為衡量，在前10位工業(yè)產(chǎn)值最大的行業(yè)中，產(chǎn)能過剩最為嚴(yán)重的前3個行業(yè)依次為非金屬礦物制品業(yè)、通用設(shè)備制造業(yè)、金屬制品業(yè)。南海區(qū)產(chǎn)值占比最大的有色金屬冶煉和壓延加工業(yè)的資產(chǎn)余量為115.86億元，從業(yè)人員余量為2.13萬人，余量比例為71.9%和62.3%，換言之，如果本行業(yè)的效率達(dá)到本地區(qū)30個行業(yè)中最佳標(biāo)桿的水平，在保持工業(yè)總產(chǎn)值和利稅總額產(chǎn)出水平不變的情況下，其行業(yè)總資產(chǎn)和從業(yè)人數(shù)可以縮減近6成。值得說明的是，因為DEA模型比較的是相對效率，南海區(qū)的投入要素余量如此之大，說明在南海區(qū)的各行業(yè)內(nèi)部，其TFP的差異也相當(dāng)?shù)拇蟆?/p>

4 對策建議

結(jié)合政府報告精神、供給側(cè)結(jié)構(gòu)性改革規(guī)劃及前面TFP效率現(xiàn)狀特點分析，提出以下供給側(cè)結(jié)構(gòu)性改革背景下的提升佛山全要素生產(chǎn)率的方向性對策建議。

1）加速區(qū)域協(xié)同，優(yōu)化資源配置。

為發(fā)揮地方的積極能動性，各地方政府過往被賦予了較大的發(fā)展自主權(quán)，轄地經(jīng)濟(jì)發(fā)展規(guī)模和發(fā)展速度在地方主官的績效考核中占據(jù)了較大權(quán)重，各區(qū)及區(qū)以下的行政區(qū)域（鎮(zhèn)、街、村）形成相對意義上的競爭格局。競爭壓力下，各地競相招商引資，出臺各類優(yōu)惠政策，村村點火、戶戶冒煙，一村一個開發(fā)區(qū)、一鎮(zhèn)一個產(chǎn)業(yè)。各區(qū)域?qū)Y源要素的投入產(chǎn)出效率，對資源的集約利用沒有得到足夠的重視，區(qū)域之間也缺乏足夠的產(chǎn)業(yè)協(xié)調(diào)。雖然各地微觀表面上看起來經(jīng)濟(jì)活力十足，但宏觀層面上，行業(yè)多而不強，效益不佳，產(chǎn)業(yè)升級轉(zhuǎn)型壓力大；企業(yè)規(guī)模小，抗風(fēng)險能力低，同質(zhì)化嚴(yán)重，在產(chǎn)能過剩而有效需求不足的情況下彼此惡性競爭，缺乏積累在市場品牌、產(chǎn)品研發(fā)上形成差異性，創(chuàng)造出新的細(xì)分市場和有效需求，從而惡性循環(huán)；地區(qū)缺乏足夠多的大型龍頭企業(yè)在產(chǎn)業(yè)鏈整合、基礎(chǔ)技術(shù)研發(fā)、產(chǎn)業(yè)人才聚集上形成對區(qū)域的溢出效益。在供給側(cè)改革背景下，整合產(chǎn)能和庫存，優(yōu)化基礎(chǔ)設(shè)施等要素投入、補齊產(chǎn)業(yè)發(fā)展短板等任務(wù)，已經(jīng)不可能局限在一村、一鎮(zhèn)、甚至一區(qū)之內(nèi)獨立可以完成。在佛山市級層面進(jìn)行5區(qū)協(xié)同，將佛山市放在“廣佛城市圈”、“珠三角城市群”、“粵港澳灣區(qū)”、“一帶一路”等更大的格局下進(jìn)行區(qū)域及產(chǎn)業(yè)的定位，加強各區(qū)的協(xié)同，有所為有所不為，形成獨特競爭優(yōu)勢。

2）促進(jìn)5區(qū)產(chǎn)業(yè)合作與資源流動，形成產(chǎn)業(yè)梯度。

佛山5區(qū)中，南海順德與三水高明具有不同的經(jīng)濟(jì)基礎(chǔ)、產(chǎn)業(yè)特點及資源要素優(yōu)勢。分析表明順德南海的資產(chǎn)投入與從業(yè)人員數(shù)量已經(jīng)超過了當(dāng)前產(chǎn)出所需的優(yōu)化數(shù)量，而三水高明的資本投入與從業(yè)人員數(shù)量處于緊張狀態(tài)，還有很高的邊際效用和容納潛力。在佛山東西部之間開展產(chǎn)業(yè)協(xié)作及產(chǎn)能轉(zhuǎn)移，形成產(chǎn)業(yè)梯度，引導(dǎo)要素的合理流動，一方面降低東部地區(qū)的資源壓力，減少要素投入余量，提高TFP；另一方面提升西部地區(qū)的有效產(chǎn)出，使資源保持在較高水平的邊際效用，從而改進(jìn)佛山地區(qū)整體效率，改善區(qū)域經(jīng)濟(jì)總量的不均衡狀態(tài)，是一舉兩得的事。

3）優(yōu)化投資方向，權(quán)衡房地產(chǎn)投資規(guī)模

房地產(chǎn)投資已占佛山地區(qū)年度投資的近40%，南海區(qū)和禪城區(qū)的房地產(chǎn)投資占比已遠(yuǎn)超制造業(yè)投資比例。房地產(chǎn)業(yè)的發(fā)展對提高地方財政收入、改善居民居住水平、提高城市環(huán)境、帶動相關(guān)產(chǎn)業(yè)需求有明顯的作用，但房地產(chǎn)業(yè)資本投入較大，受政策影響大，房地產(chǎn)過度交易的房地產(chǎn)會帶來金融杠桿上升，過高的房地產(chǎn)價格給各行業(yè)帶來成本上升壓力，房地產(chǎn)庫存會阻礙要素流動，房地產(chǎn)投資擠壓制造業(yè)投資造成潛在的產(chǎn)業(yè)空心化，產(chǎn)業(yè)結(jié)構(gòu)脫實向虛等負(fù)面效應(yīng)。房地產(chǎn)業(yè)的過度投資會對地區(qū)的TFP造成負(fù)面影響，房地產(chǎn)業(yè)對地區(qū)發(fā)展的短期與長期作用需要做進(jìn)一步的謹(jǐn)慎的權(quán)衡。

4）補短板，促進(jìn)生產(chǎn)性服務(wù)業(yè)發(fā)展。

2016年上半年，佛山第三產(chǎn)業(yè)增加值占GDP比重達(dá)39.6%，比2015年提高1.76個百分點?！翱v向比有進(jìn)步，橫向比差距還是很大，生產(chǎn)性服務(wù)業(yè)是我們補短板的重要內(nèi)容?！比缡虚L朱偉所言，“全省生產(chǎn)性服務(wù)業(yè)占GDP比重是27.7%，而佛山是15.7%，在珠三角各市中倒數(shù)第一，生產(chǎn)性服務(wù)業(yè)是我們產(chǎn)業(yè)結(jié)構(gòu)的一個短板”。佛山創(chuàng)新驅(qū)動發(fā)展仍不牢固，高新技術(shù)數(shù)量與全市經(jīng)濟(jì)體量不符，新型研發(fā)機構(gòu)、科技企業(yè)孵化器等平臺功能發(fā)揮不夠充分。在佛山規(guī)模以上工業(yè)企業(yè)中，高新技術(shù)企業(yè)數(shù)量才占10%。去年佛山擁有新型研發(fā)機構(gòu)815家，在珠三角排名第三。但是，因為我們規(guī)模以上工業(yè)企業(yè)總數(shù)比較多，新型研發(fā)機構(gòu)占規(guī)模以上工業(yè)企業(yè)總數(shù)的比例僅14.09%，又落到第五去了。”［24］

5）打造區(qū)域特色產(chǎn)業(yè)和龍頭企業(yè)。

在產(chǎn)業(yè)政策上，從小散亂的行業(yè)中退出，壓減產(chǎn)能，釋放土地及勞動力資源，集中打造行業(yè)龍頭航母（而不是一堆小舢板），以龍頭公司奪取全球市場的份額，向上進(jìn)行產(chǎn)業(yè)并購進(jìn)入新的市場，向下采用分包、合作、入股等形式，整合地區(qū)內(nèi)產(chǎn)業(yè)鏈，在有效的供應(yīng)鏈資格管理下提升各中小企業(yè)的效率，美的集團(tuán)就是一個典型的案例。今后南海區(qū)將改變“一鎮(zhèn)一業(yè)” 的傳統(tǒng)模式，形成“全區(qū)協(xié)同”的格局和對制造業(yè)大國德國、日本的定向招商，大力吸引一汽大眾、本田變速箱等已落地重點企業(yè)的上下游企業(yè)落戶南海，充分利用東方精工等龍頭民營企業(yè)在國際上的技術(shù)和資本合作關(guān)系，鼓勵企業(yè)延伸產(chǎn)業(yè)鏈并將合作項。這是產(chǎn)業(yè)升級競爭格局變化的要求，也是供給側(cè)改革背景下區(qū)域內(nèi)產(chǎn)業(yè)整合的必然趨勢。

6） 建立區(qū)域全要素生產(chǎn)率與供給側(cè)改革研究中心。

TFP的研究是一項重要的基礎(chǔ)性工作，對政府對標(biāo)先進(jìn)地區(qū)，制定有效的發(fā)展規(guī)劃、產(chǎn)業(yè)政策、土地及人力資源政策、社會管理政策，提升創(chuàng)新水平，以及企業(yè)提升資源利用效率、創(chuàng)新能力、最優(yōu)化企業(yè)規(guī)模等微觀效率管理，具有重要的應(yīng)用價值。全要素生產(chǎn)率相對于傳統(tǒng)的績效評估手段（如最常見的加權(quán)平均的單要素生產(chǎn)率），具有考慮范圍全面、理論基礎(chǔ)牢固、不依賴人為判斷、評估過程標(biāo)準(zhǔn)化、可應(yīng)用于各個不同層次等優(yōu)點；供給側(cè)改革則需要在中央精神指導(dǎo)下，緊密圍繞地區(qū)經(jīng)濟(jì)社會發(fā)展?fàn)顩r進(jìn)行。建立研究中心，專注于TFP和供給側(cè)改革的精神解讀、模型研究、數(shù)據(jù)資源建設(shè)、政府行業(yè)公司績效優(yōu)化咨詢服務(wù)等，可以為政府及時監(jiān)控地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r、制定有效政策、為行業(yè)及企業(yè)提升微觀效率提供重要的決策依據(jù)。

［1］ ROBERT M. SOLOW. Technical Change and the Aggregate Production Function［J］. The Review of Economics and Statistics，1957，39（3）：312-320.

［2］ 人民日報社.七問供給側(cè)結(jié)構(gòu)性改革：權(quán)威人士談當(dāng)前經(jīng)濟(jì)怎么看怎么干［M］.北京：人民出版社，2015.

［3］ 賈康.供給側(cè)改革的重點是提高全要素生產(chǎn)率［N］.第一財經(jīng)日報，2016-02-15（A11）.

［4］ 習(xí)近平.2016年01月18日在省部級主要領(lǐng)導(dǎo)干部學(xué)習(xí)貫徹黨的十八屆五中全會精神專題研討班上的講話［N］.人民日報，2016-05-10（2）.

［5］ 龍建輝.全要素生產(chǎn)率綜述：結(jié)構(gòu)分解、影響因素與產(chǎn)出貢獻(xiàn)［J］.經(jīng)濟(jì)縱橫，2015（10）：13-15.

［6］ 岳彩東，程靜.全要素生產(chǎn)率文獻(xiàn)綜述［J］.經(jīng)濟(jì)研究導(dǎo)刊，2013（9）：9-13.

［7］ 楊鵬.TFP方法與中國TFP研究文獻(xiàn)綜述［J］.理論探討，2013（9）：14-17.

［8］ 魏下海，余玲錚.中國全要素生產(chǎn)率變動的再測算與適用性研究：基于數(shù)據(jù)包絡(luò)分析與隨機前沿分析方法的比較［J］.華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2011（3）：76-83.

［9］ 胡鞍鋼.考慮環(huán)境因素的省級技術(shù)效率排名（1999—2005）［J］.經(jīng)濟(jì)學(xué)，2008（3）：933-960.

［10］ 劉秉鐮，李清彬.中國城市全要素生產(chǎn)率的動態(tài)實證分析1990—2006：基于DEA模型的Malmquist指數(shù)方法［J］.南開經(jīng)濟(jì)研究，2009（3）：139-152.

［11］ 江春.中國全要素生產(chǎn)率的變化：2000—2008［J］.財經(jīng)科學(xué)，2010（7）：55-62.

［12］ 章祥蓀.中國全要素生產(chǎn)率分析：Malmquist指數(shù)法評述與應(yīng)用［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（6）：111-122.

［13］ 蔣晶晶.廣東省要素投入與全要素生產(chǎn)率的實證分析［J］.暨南大學(xué)學(xué)報，2012（7）：76-82.

［14］ CHARNES A，COOPER W，RHODES L. Measuring the efficiency of decision making units［J］. European Journal of Operational Research，1978，2（6）：429-444.

［15］ 楊國梁，劉文斌.數(shù)據(jù)包絡(luò)分析方法（DEA）綜述［J］.系統(tǒng)工程學(xué)報，2013（12）：840-860.

［16］ WADE D，COOK，LARRY M，et al.Data envelopment analysis（DEA）:Thirty years on［J］. European Journal of Operational Research，2009，2（6）：1-17.

［17］ 魏權(quán)齡.數(shù)據(jù)包絡(luò)分析［M］.北京：科學(xué)出版社，2004.

［18］ ANDERSON，HOLLINGSWORTH.The fixed weighting nature of a cross-evaluation model［J］. Journal of Productivity Analysis，2002，18（1）：249-255.

［19］ TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］.European Journal of Operation Research ，2001，130（3）：498-509.

［20］ FARE，GROSSKOPF，NORRIS，et al. Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries［J］. American Economic Review， 1994（84）：66–83.

［21］ RAY S C，DESLI E. Productivity growth，technical progress，and efficiency change in industrialized countries： Comment［J］.American Economic Review，1997（87）：1033–1039.

［22］ LOVELL.The Decomposition of Malmquist Productivity Indexes［J］.Journal of Productivity Analysis，2003（20）：437–458.

［23］ PASTOR.The biennial Malmquist productivity change index.［J］.Socio-Economic Planning Sciences，2011（3）：10-15.

［24］ 王芃琹.供給側(cè)結(jié)構(gòu)性改革如何推進(jìn)：佛山市長直陳五區(qū)短板［N］.南方日報，2016-08-29（2）.

Foshan TFP Analysis under the Supply-side Reform Background: Based on Nonparametric DEA and Malmquist Model

GUAN Haoyu
（School of Business Administration，Shunde Polytechnic，F(xiàn)oshan Guangdong 528333，China）

s：Total Factor Productivity is the key component of supply-side reform. Based on DEA and Malmquist model and 2011—2015 statistics panel data，this paper calculates the static technical efficiency，scale efficiency，total efficiency and dynamic Malmquist TFP index of Foshan city. Besides，the efficiency of the key industries are calculated.Analysis results indicate that Foshan's TFP is in the middle of Guangdong province，its 5 districts have diversified TFP and great complementation potential of investments，the efficiency of resource use has big room for improvement，and there is negative influence if the real estate industry is overdeveloped. Suggestions for TFP improvements are also provided.

TFP；efficiency；Foshan；DEA；Malmquist

F061.5

A

1672-6138（2017）03-0078-13

10.3969/j.issn.1672-6138.2017.03.017

［責(zé)任編輯：曹娜］

2017-05-22

佛山市2016年度哲學(xué)社會科學(xué)規(guī)劃重點項目（2016-ZD09）；佛山市機電專業(yè)群工程技術(shù)開發(fā)中心2016 專項課題項目（KJ030920140095）。

關(guān)浩宇 （1974—），男，廣東南海人，講師，碩士，研究方向：效率評估及管理、產(chǎn)業(yè)經(jīng)濟(jì)及管理。