長江經(jīng)濟帶工業(yè)經(jīng)濟效率測度及其影響因素研究

□方大春

（安徽工業(yè)大學(xué) 商學(xué)院，安徽 馬鞍山243032）

一、引言

隨著資源環(huán)境約束的不斷加大，高投入、高消耗、偏重數(shù)量擴張的發(fā)展方式已經(jīng)難以為繼，長江經(jīng)濟帶作為我國生態(tài)文明建設(shè)的先行示范帶、創(chuàng)新驅(qū)動帶、內(nèi)河經(jīng)濟帶與協(xié)調(diào)發(fā)展帶，提升工業(yè)經(jīng)濟效率不能僅僅追求期望產(chǎn)出最大，忽視非期望產(chǎn)出，需要統(tǒng)籌考察期望產(chǎn)出和非期望產(chǎn)出[1](p75-83)。有些學(xué)者對長江經(jīng)濟帶工業(yè)經(jīng)濟效率測度，往往基于最大期望產(chǎn)出傳統(tǒng)視角。楊慶等（2018）運用DEA-Malmquist 指數(shù)法，選取物質(zhì)資本、人力資本和經(jīng)費投入作為投入指標(biāo)，主營業(yè)收入和專利申請數(shù)產(chǎn)出作為產(chǎn)出指標(biāo)，測算長江經(jīng)濟帶高技術(shù)產(chǎn)業(yè)發(fā)展效率[2](p68-74)。王圣云等（2018）基于DEA 和Malmquist 指數(shù)分解方法，選取了R＆D 人員數(shù)和R＆D 經(jīng)費內(nèi)部支出作為投入指標(biāo)，發(fā)明專利授權(quán)量、承擔(dān)課題數(shù)作為產(chǎn)出指標(biāo)，考察長江經(jīng)濟帶科技創(chuàng)新效率[3](p66-72)。

對效率測度一般選用數(shù)據(jù)包絡(luò)分析法（DEA），DEA 的效率測度以投入最少和產(chǎn)出最大為評價標(biāo)準(zhǔn)，但在實際生產(chǎn)中會出現(xiàn)較為明顯的副產(chǎn)品，例如污染物排放品，也就是非期望產(chǎn)出。很顯然，從綠色發(fā)展視角看來，非期望產(chǎn)出越少越能體現(xiàn)綠色經(jīng)濟效率的發(fā)展理念，然而傳統(tǒng)的DEA 模型不能很好地處理實際生產(chǎn)過程的“非期望產(chǎn)出”[4](p103-106)。因此在處理非期望產(chǎn)出時，不適合直接套用傳統(tǒng)的DEA 模型，需要對非期望產(chǎn)出進行轉(zhuǎn)換處理。對于經(jīng)濟效率提升，多數(shù)學(xué)者認為需要提升技術(shù)進步，從創(chuàng)新投入、創(chuàng)新環(huán)境和創(chuàng)新平臺等方面入手，卻忽視區(qū)域產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟效率的影響，沒有區(qū)域產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級、區(qū)域間產(chǎn)業(yè)協(xié)同，產(chǎn)業(yè)技術(shù)進步難以創(chuàng)造經(jīng)濟效率。本文試圖通過線性數(shù)據(jù)轉(zhuǎn)換函數(shù)法將越小越好的非期望產(chǎn)出轉(zhuǎn)化為越大越好的期望產(chǎn)出，然后用DEA-BCC 模型和DEA-Malmquist 指數(shù)法分別從靜態(tài)和動態(tài)角度計算工業(yè)經(jīng)濟效率，并探究工業(yè)經(jīng)濟效率影響因素。

二、工業(yè)經(jīng)濟效率測度

（一）DEA效率測度模型

1. DEA-BCC 模型。DEA 模型（Data Envelop?ment Analysis）即數(shù)據(jù)包絡(luò)分析法，是由運籌學(xué)家查恩斯（Charnes）等在1978 年提出的用于評價相同部門有效性的一種線性規(guī)劃模型，基本模型可分為CCR 模型和BCC 模型。BCC 模型是在原始CCR 模型的基礎(chǔ)上改進而來的，它修正了CCR 模型假定規(guī)模報酬不變的原假設(shè)，設(shè)定規(guī)模報酬可變。具體將CCR模型中的綜合技術(shù)效率值（TE）進行分解為純技術(shù)效率值（PTE）和規(guī)模效率值（SE），分解公式為：TE=SE*PTE。綜合技術(shù)效率是對決策單元資源配置情況、資源利用狀況等多方面的綜合測定及考量，純技術(shù)效率是受到內(nèi)部管理以及技術(shù)使用影響的效率，規(guī)模效率是受規(guī)模因素影響的生產(chǎn)效率[5](p74-78)。引入正負偏差變量S+、S-后，可得到具有非阿基米德無窮小量?的BCC模型。第j個決策單元的BCC模型表述如式（1）所示：

其中，θ 表示決策單元效率值；j=1，2，3，…，n代表決策單元的個數(shù)；X、Y 分別表示投入向量、產(chǎn)出向量；設(shè)定模型。

若θ = 1，S+= S-= 0 ，則表明決策單元處于DEA有效；

若θ = 1，S+≠0 或S-≠0 ，則表明決策單元處于弱DEA有效；

若θ < 1，則表明決策單元處于非DEA有效。

2.DEA- Malmquist 指數(shù)法。 采用非參數(shù)的DEA 數(shù)據(jù)包絡(luò)分析法，結(jié)合Malmquist 指數(shù)法動態(tài)測度長江經(jīng)濟帶工業(yè)全要素生產(chǎn)率水平?；跀?shù)據(jù)包絡(luò)分析法的Malmquist指數(shù)的計算公式如下：

式（2）中，Dkt表示產(chǎn)出距離的函數(shù)，t表示不同的參照時期，上標(biāo)k指研究范圍的某個區(qū)域。將式（2）兩邊公式分別記為TFPch、TEFch和TEch，則區(qū)域k在某一時期內(nèi)的全要素生產(chǎn)率可表示為：

為修復(fù)基西米河，1999年實施了基西米河生態(tài)修復(fù)工程。該工程的目標(biāo)是恢復(fù)一個可以自我維持的基西米河及河漫灘生態(tài)系統(tǒng)，具有與歷史上相同的生態(tài)功能并能支持與歷史上相當(dāng)?shù)膭游锶?、植物類型和水流特征?/p>

式（3）中，TFPch 指在t 到t+1 時期內(nèi)的全要素生產(chǎn)率的變動，TEFch指在t到t+1時期內(nèi)的技術(shù)效率變化指數(shù)，TEch 指在t 到t+1 時期內(nèi)的技術(shù)進步指數(shù)。若這三個指標(biāo)大于1，代表全要素生產(chǎn)率、技術(shù)進步及技術(shù)效率得到改善。

（二）變量選取和數(shù)據(jù)處理

研究對象為長江經(jīng)濟帶11 省市，研究時段為2010—2016 年。投入變量及產(chǎn)出變量來源于《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》、各省市統(tǒng)計年鑒及各省市歷年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報整理所得。為剔除價格因素影響，以2010 年為基期對其進行平減。

1.投入變量選取。投入變量包括勞動力投入、資產(chǎn)投入、能源投入三個方面。勞動力投入采用規(guī)模以上工業(yè)全部從業(yè)人員數(shù)，資本投入用工業(yè)固定資產(chǎn)凈值年平均余額表示，選取地區(qū)工業(yè)能源消費量作為能源投入的衡量指標(biāo)。

2. 產(chǎn)出變量選取。采用雙產(chǎn)出變量衡量長江經(jīng)濟帶工業(yè)能源利用效率狀況，包括期望產(chǎn)出和非期望產(chǎn)出。其中期望產(chǎn)出用工業(yè)銷售產(chǎn)值表示；非期望產(chǎn)出采用工業(yè)“三廢”來表示，具體包括工業(yè)廢水排放總量、工業(yè)SO2排放總量以及工業(yè)固體廢物排放總量。

基于傳統(tǒng)DEA 模型投入最少越好、產(chǎn)出越多越好的期望，對模型中含有非期望產(chǎn)出的變量，需要對非期望產(chǎn)出進行轉(zhuǎn)換。學(xué)術(shù)界比較常見的非期望產(chǎn)出處理方式有兩種：一種是把非期望產(chǎn)出作為一種特別的投入變量進行研究，但是這種處理方式容易造成工業(yè)效率的測度出現(xiàn)偏差；第二種方法是以線性轉(zhuǎn)換的形式對非期望產(chǎn)出進行處理，將其轉(zhuǎn)換為越大越好的期望產(chǎn)出[6](p85-96)。參照Seiford 和Zhu（2005）對非期望產(chǎn)出的線性轉(zhuǎn)換方法，對工業(yè)“三廢”產(chǎn)出進行處理[7](p579-581)。設(shè)Cij為長江經(jīng)濟帶j 省份第i 年度的“三廢”排放量，max（Ci）為第i 年度長江經(jīng)濟帶“三廢”排放的最大量，取ξ= max（Ci）+ 1，則進行線性轉(zhuǎn)化后的“三廢”排放量為Cij*=-Cij+ξ，且Cij*≥1。通過線性轉(zhuǎn)換將生產(chǎn)過程期望越小越好的“三廢”產(chǎn)出轉(zhuǎn)換為越大越好的期望產(chǎn)出，再基于DEA- BCC 模型和DEAMalmquist指數(shù)法分別從靜態(tài)和動態(tài)角度測度工業(yè)效率。

（三）基于DEA的靜態(tài)效率測度

利用deap2.1 分析軟件，使用投入導(dǎo)向型的DEA- BCC 模型對長江經(jīng)濟帶沿線11 省市2010—2016 年間的經(jīng)濟效率進行測度，得到靜態(tài)工業(yè)效率值（crste），進一步將其分解為純技術(shù)效率（vrste）和規(guī)模效率（scale），即crste=vrste×scale。根據(jù)歷年DEA 測算結(jié)果，計算2010—2016 年各效率的平均值，結(jié)果見表1：

表1 長江經(jīng)濟帶各省市2010—2016年靜態(tài)效率值平均值

從表1中可以發(fā)現(xiàn)，上海、江蘇、江西、重慶、貴州五省市七年間綜合效率值、純技術(shù)效率值及規(guī)模效率值平均值為1，處于DEA有效。在長江經(jīng)濟帶經(jīng)濟效率中位于第一方陣；云南、浙江、湖南緊接其后，其綜合效率值、純技術(shù)效率值和規(guī)模效率值均大于0.9，位于第二方陣；安徽、湖北、四川位于第三方陣，安徽的綜合效率值和純技術(shù)效率值均介于0.85—0.9，湖北的綜合效率值和純技術(shù)效率值均介于0.8—0.85，四川的綜合效率值排名最后，綜合效率值和純技術(shù)效率值均介于0.75—0.8，四川省應(yīng)從大力加強技術(shù)創(chuàng)新入手提升工業(yè)效率。總體上看，長江經(jīng)濟帶11省市規(guī)模效率接近有效，綜合效率不高主要是由純技術(shù)效率不高導(dǎo)致的。

（四）基于Malmquist指數(shù)的動態(tài)效率測度

DEA方法用的是每一年度的截面數(shù)據(jù)，測度的是工業(yè)生產(chǎn)過程中各個地區(qū)在同一時點的相對效率[8](p22-30)。為了進一步衡量跨期的動態(tài)生產(chǎn)效率，F(xiàn)are 等人提出了考察兩個相鄰時期生產(chǎn)率變化的Malmquist 生產(chǎn)力變動指數(shù)方法[9](p66-83)。Malmquist是對包含時間變量的面板數(shù)據(jù)進行動態(tài)分析，測度投入產(chǎn)出效率的變化，可分解為效率改進指數(shù)（effch）和技術(shù)進步指數(shù)（techch），而效率改進指數(shù)（effch）可進一步分解為純技術(shù)效率變化指數(shù)（pech）和規(guī)模效率變化指數(shù)（sech），即：Malmquist=effch×techch，effch=pech×sech。運用軟件deap2.1 測度2010—2016年效率變動情況，結(jié)果見表2：

表2 2010—2016年長江經(jīng)濟帶11省市Malmquist指數(shù)及其分解

由表1 可以看出：長江經(jīng)濟帶2010—2016 年間Malmquist 指 數(shù) 分 別 為1.026、0.977、0.991、0.975、1.01、0.991，除2010—2011 年和2014—2015年，其他年份Malmquist 指數(shù)均小于1，這表明工業(yè)經(jīng)濟效率呈下降態(tài)勢。

分地區(qū)來看：江蘇在2010—2016 年間Malmquist 指數(shù)均大于1，其中效率改進指數(shù)均為1，工業(yè)效率驅(qū)動力主要來自技術(shù)進步。湖北和四川有五年Malmquist 指數(shù)增長率大于1，工業(yè)效率整體上處于不斷增長中；湖北受效率改進影響較大，在影響效率改進的因素中，純技術(shù)效率改進的影響較大；四川工業(yè)效率的提高來自技術(shù)進步和效率改進雙重動力。安徽和湖南有4年Malmquist指數(shù)增長率大于1，兩省份效率的增長均主要受效率改進的影響，且在影響效率改進的因素中，純技術(shù)效率改進占更大的影響比重。上海2010—2016年間的Malmquist 指數(shù)分別為1.023、1.008、0.982、1.016、0.989、0.972，上海的效率改進指數(shù)七年間均為1，工業(yè)效率不斷下降主要受技術(shù)改進的影響。浙江只有兩年Malmquist 指數(shù)增長率大于1，工業(yè)整體增長率不高是技術(shù)進步和效率改進雙重低下導(dǎo)致的。云南和貴州僅有一年Malmquist指數(shù)增長率大于1，兩省份效率改進均接近有效，工業(yè)效率不高主要原因在于技術(shù)進步動力不足。江西和重慶七年間Malmquist 指數(shù)增長率均小于1，其中效率改進指數(shù)在七年間均為1，工業(yè)效率不高主要受技術(shù)進步的影響。

長江經(jīng)濟帶11省市七年間Malmquist 指數(shù)、技術(shù)進步指數(shù)和效率改進指數(shù)平均值對比見圖1。

從圖1 可以看出，長江經(jīng)濟帶Malmquist 指數(shù)年平均增長大于1 的省份有七個，分別為湖北、四川、安徽、湖南、上海、江蘇、云南。中游地區(qū)Malmquist 指數(shù)平均值較高，除江西外其他省份Malmquist 指數(shù)平均值均大于1；下游地區(qū)次之，除浙江外其他省份Malmquist 指數(shù)平均值均大于1；上游地區(qū)最差，重慶、貴州Malmquist指數(shù)平均值均小于1，貴州甚至低于0.95。

總體上看，11省市效率改進指數(shù)（effch）均在1及1以上，工業(yè)效率受技術(shù)進步（techch）影響較大，這表明長江經(jīng)濟帶提升工業(yè)效率的重點在于提高工業(yè)技術(shù)進步。

三、工業(yè)效率提升產(chǎn)業(yè)結(jié)構(gòu)影響因素實證分析

根據(jù)前面Malmquist 指數(shù)及其分解可知，長江經(jīng)濟帶提升工業(yè)效率的重點在于提高工業(yè)技術(shù)進步。工業(yè)技術(shù)進步的提升，一般認為要從加大技術(shù)研發(fā)投入、技術(shù)成果轉(zhuǎn)化力度和加快機制體制創(chuàng)新等方面入手。實際上，工業(yè)技術(shù)進步需要從產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化入手。如果地區(qū)產(chǎn)業(yè)結(jié)構(gòu)處于低層次，沒有產(chǎn)業(yè)載體難以加大技術(shù)投入；如果地區(qū)產(chǎn)業(yè)結(jié)構(gòu)不夠合理，導(dǎo)致技術(shù)研發(fā)投入效果不顯著；地區(qū)產(chǎn)業(yè)專業(yè)化程度過低，難以產(chǎn)生規(guī)模效率，專業(yè)化程度過高，也會產(chǎn)生規(guī)模不經(jīng)濟。地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，不僅能夠提高地區(qū)工業(yè)效率，也能為長江經(jīng)濟帶產(chǎn)業(yè)合理布局提供參考。

從前面研究結(jié)果來看，無論靜態(tài)效率還是動態(tài)效率，長江經(jīng)濟帶各地區(qū)工業(yè)效率均存在很大差距，且部分省市效率值呈現(xiàn)逐年惡化的趨勢。試圖從產(chǎn)業(yè)結(jié)構(gòu)角度，考察長江經(jīng)濟帶工業(yè)效率的影響因素，為各省市工業(yè)高效率發(fā)展提供改進方向。

（一）變量選取及數(shù)據(jù)處理

分別以Malmquist 生產(chǎn)率增長指數(shù)、效率改進指數(shù)（effch）和技術(shù)進步指數(shù)（tech）的累計值為因變量。各主要解釋變量具體含義如下：

1. 工業(yè)產(chǎn)業(yè)高級化（TS）。 參考傅元海等（2014）的做法，利用高技術(shù)產(chǎn)業(yè)產(chǎn)值占工業(yè)總產(chǎn)值之比來衡量工業(yè)產(chǎn)業(yè)結(jié)構(gòu)高級化[10](p78-90)。高技術(shù)產(chǎn)業(yè)包括醫(yī)藥制造業(yè)、航空航天器及設(shè)備制造業(yè)、電子及通信設(shè)備制造業(yè)、計算機及辦公設(shè)備制造業(yè)、儀器儀表制造業(yè)及信息化學(xué)品制造業(yè)。

2.工業(yè)產(chǎn)業(yè)專業(yè)化（SP）。以產(chǎn)業(yè)偏離度來衡量地區(qū)產(chǎn)業(yè)專業(yè)化程度，當(dāng)產(chǎn)業(yè)偏離度值越大時，表明該產(chǎn)業(yè)在經(jīng)濟體中占絕對優(yōu)勢，專業(yè)化程度越高，具體公式如下[11](p55-62)：

其中，Q 表示工業(yè)總產(chǎn)值，L 表示工業(yè)從業(yè)人員數(shù)，i表示工業(yè)行業(yè)，N表示行業(yè)部門數(shù)。Qi表示工業(yè)第i 行業(yè)的產(chǎn)值，Li表示工業(yè)第i 行業(yè)的就業(yè)人數(shù)。

3.工業(yè)產(chǎn)業(yè)合理化（SE）。長江經(jīng)濟帶產(chǎn)業(yè)布局最為突出的問題就是產(chǎn)業(yè)趨同的問題，借鑒王林梅等（2015）的做法[12](p39-43)，采用產(chǎn)業(yè)結(jié)構(gòu)相似系數(shù)測度各地區(qū)產(chǎn)業(yè)布局在長江經(jīng)濟帶內(nèi)的產(chǎn)業(yè)同構(gòu)現(xiàn)象，具體公式如下：

其中，Sij代表i 和j 兩地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的相似系數(shù)，在這里地區(qū)j代指長江經(jīng)濟帶內(nèi)除地區(qū)之外其他地區(qū)，Sij代指各省市與長江經(jīng)濟帶其他地區(qū)布局的同構(gòu)化程度。Xik和Xjk則代表地區(qū)i、地區(qū)j中k行業(yè)所占的份額。其中Sij值介于0—1。Sij系數(shù)越大，則代表i 地區(qū)和j 地區(qū)產(chǎn)業(yè)結(jié)構(gòu)布局越相似。若Sij=1，則表明i 地區(qū)和j 地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)完全相同；若Sij=0，則表示i 地區(qū)和j 地區(qū)產(chǎn)業(yè)結(jié)構(gòu)相似程度為零。

4. 其他影響因素（Xit）。除列出的產(chǎn)業(yè)結(jié)構(gòu)解釋變量外，工業(yè)經(jīng)濟效率還受到很多因素的影響，考慮投入規(guī)模經(jīng)濟和技術(shù)引進兩大主要影響因素，需要把科技發(fā)展水平（TM）以及經(jīng)濟開放度（TO）納入模型。其中經(jīng)濟開放度以各省市出口商品總額占GDP 比重作為度量指標(biāo)，科技發(fā)展水平選取各省市技術(shù)市場成交額占GDP的比重作為測度指標(biāo)。

（二）模型設(shè)定

分別構(gòu)建Malmquist 生產(chǎn)率增長指數(shù)、效率改進指數(shù)（effch）和技術(shù)進步指數(shù)（techch）影響因素模型。

其中，i 表示省區(qū)截面單元，i=1，2，…，30；t 表示時間；Malmquistit、Effchit、Techchit分別為被解釋變量；TS和SP分別表示工業(yè)產(chǎn)業(yè)結(jié)構(gòu)高級化和專業(yè)化；SE為產(chǎn)業(yè)結(jié)構(gòu)合理化；X為其他影響因素。

（三）結(jié)果分析

在模型估計的選擇上，先對模型做Hausman檢驗，得出結(jié)果拒絕隨機效應(yīng)模型與固定效應(yīng)模型系數(shù)無系統(tǒng)性差異的假設(shè)，故選擇固定效應(yīng)模型來進行回歸分析，結(jié)果見表3。模型1、模型3和模型5 分別為各主要解釋變量對Malmquist 指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)的回歸結(jié)果。模型2、模型4和模型6是加入控制變量后的回歸結(jié)果。

從模型1、模型3、模型5 的結(jié)果來看，產(chǎn)業(yè)高級化對Malmquist 指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)分別在1%、10%和5%的顯著性水平下產(chǎn)生正向影響，這表明現(xiàn)階段工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級，有利于提高工業(yè)整體運行效率，且對技術(shù)進步和效率改進兩個方面均有正向影響。長江經(jīng)濟帶應(yīng)抓住信息技術(shù)革命、經(jīng)濟服務(wù)化的歷史機遇全面推動工業(yè)產(chǎn)業(yè)結(jié)構(gòu)高度化（滕堂偉，2016）[13](p92-99)。

產(chǎn)業(yè)專業(yè)化對Malmquist指數(shù)及技術(shù)進步指數(shù)有正向顯著影響，對效率改進影響不顯著。這表明地區(qū)產(chǎn)業(yè)布局不能盲目追求多樣化，要注重產(chǎn)業(yè)的專業(yè)化布局，當(dāng)經(jīng)濟發(fā)展到一定程度時，多樣化會造成地區(qū)有限的資源被過度分散，反而可能會起抑制作用。各地區(qū)應(yīng)該依據(jù)自身經(jīng)濟發(fā)展水平設(shè)計和調(diào)整產(chǎn)業(yè)格局，充分發(fā)揮本地經(jīng)濟的優(yōu)勢，鼓勵專業(yè)化分工，實現(xiàn)地區(qū)間的合理分工協(xié)作。

表3 工業(yè)效率影響因素分析

產(chǎn)業(yè)合理化指標(biāo)是負向指標(biāo)，產(chǎn)業(yè)結(jié)構(gòu)合理化系數(shù)在模型中表現(xiàn)為負數(shù)，表示產(chǎn)業(yè)同構(gòu)對Malmquist 指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)有顯著抑制作用，也就是產(chǎn)業(yè)結(jié)構(gòu)合理化對其表現(xiàn)為促進作用。推進長江經(jīng)濟帶工業(yè)高質(zhì)量發(fā)展，不僅要提高產(chǎn)業(yè)布局的高級化、專業(yè)化，也要關(guān)注區(qū)域間產(chǎn)業(yè)布局的合理性，不能盲目追求產(chǎn)業(yè)的高級化，要減少區(qū)域產(chǎn)業(yè)布局的同構(gòu)性。

加入控制變量后，各主要解釋變量的正負號及顯著性未發(fā)生明顯變化，這表明模型具有一定的穩(wěn)健性。技術(shù)市場成交額分別在1%的顯著性水平及5%的顯著性水平下促進Malmquist指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)的增長，技術(shù)市場的成交額是衡量地區(qū)產(chǎn)業(yè)資源配置、科技創(chuàng)新以及成果轉(zhuǎn)化的重要衡量指標(biāo)[14](p1471-1478)，因此提高工業(yè)效率要注重對科學(xué)技術(shù)的引進、吸收及轉(zhuǎn)化；經(jīng)濟開放度對各主要被解釋變量的影響不一，對Malmquist指數(shù)、效率改進指數(shù)有負向影響，對技術(shù)進步指數(shù)影響不顯著，這和長江經(jīng)濟帶本身對外開放程度不高有一定的關(guān)系。

四、結(jié)論與建議

從靜態(tài)和動態(tài)角度測度長江經(jīng)濟帶11個省市工業(yè)經(jīng)濟效率，再從產(chǎn)業(yè)結(jié)構(gòu)視角探究工業(yè)經(jīng)濟效率影響因素，研究結(jié)論如下：第一，從靜態(tài)效率來看，長江經(jīng)濟帶經(jīng)濟效率非有效地區(qū)主要集中在長江上游地區(qū)，綜合技術(shù)非有效主要是純技術(shù)效率和規(guī)模效率非有效共同導(dǎo)致的，但純技術(shù)效率對綜合技術(shù)效率的影響高于純技術(shù)效率的影響。第二，從動態(tài)效率來看，工業(yè)效率增長的主要驅(qū)動力量源自技術(shù)進步。分區(qū)域來看，長江中游地區(qū)工業(yè)效率較高，下游地區(qū)次之，上游地區(qū)最差，主要受技術(shù)進步影響較大。第三，從工業(yè)效率的影響因素來看，產(chǎn)業(yè)高級化及產(chǎn)業(yè)專業(yè)化對工業(yè)效率有正向顯著影響，產(chǎn)業(yè)趨同對工業(yè)效率起顯著抑制作用，這表明現(xiàn)階段要合理規(guī)劃長江經(jīng)濟帶產(chǎn)業(yè)布局，避免產(chǎn)業(yè)趨同，各地區(qū)應(yīng)發(fā)揮地區(qū)經(jīng)濟的特色和優(yōu)勢，鼓勵專業(yè)化分工，實現(xiàn)地區(qū)間合理分工協(xié)作。

基于實證分析，需要從以下幾個方面，提升長江經(jīng)濟帶工業(yè)效率：首先，在提高投入規(guī)模基礎(chǔ)上推進技術(shù)進步。推進技術(shù)進步，加大技術(shù)轉(zhuǎn)化力度，提高技術(shù)對工業(yè)經(jīng)濟發(fā)展的貢獻率，共同促進經(jīng)濟效率提升。其次，要調(diào)整工業(yè)產(chǎn)業(yè)結(jié)構(gòu)。當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)高級化和合理化對工業(yè)效率的提升均起顯著正向作用，因此在對各地區(qū)進行產(chǎn)業(yè)布局時，一方面要選取具有發(fā)展?jié)摿Φ漠a(chǎn)業(yè)作為重點布局對象，另一方面也要從全局出發(fā)，促進各地區(qū)優(yōu)勢互補、協(xié)同發(fā)展。最后，要提高工業(yè)專業(yè)化水平。當(dāng)前長江經(jīng)濟帶工業(yè)產(chǎn)業(yè)多樣化進入到一個新時期，盲目布局多種產(chǎn)業(yè)沒有起到拉動工業(yè)經(jīng)濟的作用，反而加重了工業(yè)經(jīng)濟的負擔(dān)。要堅持“一盤棋”戰(zhàn)略思維，各個地區(qū)從整體出發(fā)，避免進行同質(zhì)化競爭。因此，各地區(qū)在進行工業(yè)產(chǎn)業(yè)布局時要整合區(qū)域內(nèi)部資源及自身優(yōu)勢，制定具有地方特色的產(chǎn)業(yè)發(fā)展戰(zhàn)略，更好地推動工業(yè)高效率發(fā)展。