中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異及格局演化

肖枝洪 曾偉 馬澤巍

[摘要]基于2004—2017年省級(jí)面板數(shù)據(jù)，采用SE-SBM模型對(duì)中國(guó)工業(yè)生產(chǎn)效率進(jìn)行測(cè)度，利用Dagum基尼系數(shù)對(duì)中國(guó)工業(yè)生產(chǎn)效率的地區(qū)差異進(jìn)行研究，運(yùn)用Kernel核密度估計(jì)和速度激勵(lì)模型揭示中國(guó)工業(yè)生產(chǎn)效率的動(dòng)態(tài)格局演化特征。研究發(fā)現(xiàn)：中國(guó)多數(shù)省市區(qū)工業(yè)生產(chǎn)效率呈上升之勢(shì)，區(qū)域整體差異呈現(xiàn)出波動(dòng)且下降的趨勢(shì)，西部地區(qū)工業(yè)生產(chǎn)效率的區(qū)域差異高于其他地區(qū)，而區(qū)域間差異是工業(yè)生產(chǎn)效率區(qū)域差異的主要來(lái)源;三大區(qū)域工業(yè)生產(chǎn)效率的Kernel核密度存在雙峰現(xiàn)象，說(shuō)明工業(yè)生產(chǎn)效率具有一定的梯度效應(yīng)，呈現(xiàn)微弱的兩極分化趨勢(shì);各省市區(qū)工業(yè)生產(chǎn)效率變化速度狀態(tài)呈上升趨勢(shì)，且多數(shù)省份的動(dòng)態(tài)綜合評(píng)價(jià)值都是正的，說(shuō)明工業(yè)生產(chǎn)效率具有良好的發(fā)展趨勢(shì)。

[關(guān)鍵詞]工業(yè)生產(chǎn)效率;SE-SBM模型;區(qū)域差異;分布動(dòng)態(tài)演進(jìn)

一、 引言

改革開放以來(lái)，工業(yè)經(jīng)濟(jì)在國(guó)民經(jīng)濟(jì)建設(shè)與發(fā)展中逐漸具有基礎(chǔ)性地位，成為拉動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)的引擎。世界銀行的數(shù)據(jù)顯示，1978年中國(guó)工業(yè)增加值為950億美元，占世界總量的6%左右，而2019年則高達(dá)4.97萬(wàn)億美元，占世界總量的23%左右;工業(yè)增加值年均增速為10.13%。盡管中國(guó)工業(yè)經(jīng)濟(jì)的體量位居世界榜首，但中國(guó)工業(yè)現(xiàn)代化水平和工業(yè)質(zhì)量仍然處于世界中等水平[1]。工業(yè)生產(chǎn)效率一直是國(guó)內(nèi)外學(xué)者的主要研究對(duì)象，能在很大程度上反映工業(yè)發(fā)展質(zhì)量的好壞[2]。中國(guó)地大物博，各地區(qū)資源稟賦、生產(chǎn)技術(shù)和經(jīng)濟(jì)發(fā)展情況存在明顯不同。因此，科學(xué)選擇相關(guān)衡量標(biāo)準(zhǔn)測(cè)度工業(yè)生產(chǎn)效率，研究工業(yè)生產(chǎn)效率的區(qū)域差異，揭示中國(guó)工業(yè)生產(chǎn)效率的動(dòng)態(tài)演進(jìn)特征，對(duì)新時(shí)代工業(yè)可持續(xù)發(fā)展、工業(yè)強(qiáng)國(guó)具有重要意義。

目前，關(guān)于生產(chǎn)效率的測(cè)度與分析，學(xué)者們進(jìn)行了非常有價(jià)值的研究。常見的效率測(cè)算方法包括單要素與全要素兩類。單要素測(cè)度主要以資本產(chǎn)出效率或勞動(dòng)生產(chǎn)效率[3]測(cè)度為主，由于不符合生產(chǎn)經(jīng)濟(jì)學(xué)中投入和產(chǎn)出的一致性要求，其研究結(jié)論可能會(huì)有一定的偏差。方方指出全要素生產(chǎn)效率的測(cè)度是根據(jù)實(shí)際生產(chǎn)狀況，依據(jù)生產(chǎn)經(jīng)濟(jì)學(xué)理論，選擇合適的投入產(chǎn)出指標(biāo)，因此，全要素生產(chǎn)效率能夠綜合反映生產(chǎn)投入產(chǎn)出效率，其方法優(yōu)于單要素測(cè)算[4]。對(duì)于工業(yè)生產(chǎn)效率，學(xué)者們主要在全要素的框架下進(jìn)行測(cè)算與分析。如徐冬冬等以SFA模型對(duì)江蘇省縣域的工業(yè)生產(chǎn)效率進(jìn)行測(cè)度，分析工業(yè)生產(chǎn)效率的空間效應(yīng)的特征，并運(yùn)用回歸模型分析了其影響因素[2]。徐妍基于2006—2017年的面板數(shù)據(jù)，以新疆縣域?yàn)檠芯繉?duì)象，運(yùn)用Malmquist-TFP指數(shù)模型測(cè)度了工業(yè)生產(chǎn)效率，并探究了工業(yè)生產(chǎn)純技術(shù)效率與工業(yè)生產(chǎn)規(guī)模效率的時(shí)空格局[5]。郭亞軍把工業(yè)科研經(jīng)費(fèi)納入到工業(yè)生產(chǎn)效率投入指標(biāo)中，運(yùn)用三階段DEA模型測(cè)算工業(yè)生產(chǎn)效率，并探究其影響因素[6]。全良等把工業(yè)“三廢”加入到工業(yè)生產(chǎn)效率中，構(gòu)建了工業(yè)綠色生產(chǎn)效率評(píng)價(jià)體系，采用SBM模型方向性距離函數(shù)測(cè)度了工業(yè)綠色生產(chǎn)效率，運(yùn)用動(dòng)態(tài)面板模型分析了其影響因素[7]。肖枝洪等選用二氧化碳排放作為非期望產(chǎn)出，采用SBM模型測(cè)度了工業(yè)生產(chǎn)效率，利用莫爾指數(shù)探索工業(yè)生產(chǎn)效率的空間格局，并對(duì)其影響因素進(jìn)行了分析[8]。

上述文獻(xiàn)如全良等[7]、肖枝洪等[8]在測(cè)度工業(yè)生產(chǎn)效率時(shí)采用了全要素指標(biāo)框架，并加入了工業(yè)“三廢”等非期望產(chǎn)出指標(biāo)，揭示了投入產(chǎn)出指標(biāo)對(duì)工業(yè)生產(chǎn)效率的影響，但是缺乏考慮環(huán)境污染因素對(duì)工業(yè)生產(chǎn)效率的影響。因此，本文把環(huán)境污染指標(biāo)納入到工業(yè)生產(chǎn)效率評(píng)價(jià)體系中，是對(duì)工業(yè)生產(chǎn)效率實(shí)踐應(yīng)用領(lǐng)域的補(bǔ)充與完善。此外，徐冬冬等[2]、徐妍[5]對(duì)工業(yè)生產(chǎn)效率的空間效應(yīng)和影響因素進(jìn)行了研究，但對(duì)于工業(yè)生產(chǎn)效率的區(qū)域差異、動(dòng)態(tài)演化特征的研究較為有限。所以，本文采用Dagum基尼系數(shù)及其子群分解方法來(lái)測(cè)度2004—2017年中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異并分析其影響因素，同時(shí)運(yùn)用Kernel核密度估計(jì)和速度激勵(lì)模型分析方法探究工業(yè)生產(chǎn)效率的分布狀況與動(dòng)態(tài)演進(jìn)，為提高工業(yè)生產(chǎn)效率，縮小地區(qū)差異提出相應(yīng)建議。

二、 研究方法與數(shù)據(jù)

1. 工業(yè)生產(chǎn)效率測(cè)度方法

傳統(tǒng)DEA模型中，無(wú)效決策單元的改進(jìn)是基于徑向和角度的思想，對(duì)所有投入產(chǎn)出等比例作出變動(dòng)，未考慮松弛變量對(duì)于效率的影響，因而決策單元的效率值可能被高估。Tone以修正松弛變量為基礎(chǔ)提出的SE-SBM模型，能夠克服松弛變量的影響和對(duì)有效決策單元進(jìn)行區(qū)分和排序[9]。本文參考黃建歡等[10]對(duì)SE-SBM模型的改進(jìn)，在模型中加入非期望產(chǎn)出項(xiàng)，則包含非期望產(chǎn)出SE-SBM模型為：

其中，[ρ]為決策單元效率值，即工業(yè)生產(chǎn)效率值;[X]、[Yg]和[Yb]分別為決策單元的三類要素（投入變量、期望產(chǎn)出變量和非期望產(chǎn)出變量），[m]、[s1]和[s2]分別為決策單元三類要素指標(biāo)的個(gè)數(shù);[S-i]、[Sgr]和[Sbk]分別為決策單元三類要素的松弛量，下標(biāo)“0”表示被評(píng)價(jià)決策單元。當(dāng)[ρ≥1]時(shí)，該決策單元相對(duì)有效;當(dāng)[ρ<1]時(shí)，該決策單元相對(duì)無(wú)效，有必要在投入產(chǎn)出上作相應(yīng)改進(jìn)。

2. 區(qū)域差異程度測(cè)算模型

目前區(qū)域差異的測(cè)度方法包括泰爾指數(shù)和Dagum基尼系數(shù)。Dagum[11]提出的基尼系數(shù)分解方法，可以精準(zhǔn)測(cè)度區(qū)域差異，解釋區(qū)域差異的來(lái)源，能夠細(xì)化對(duì)區(qū)域差異的理解和認(rèn)識(shí)，已被廣泛應(yīng)用于多個(gè)研究領(lǐng)域[12-13]，本文亦采用此方法來(lái)研究中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異以及區(qū)域差異來(lái)源。

其中，[yhi（yjr）]分別為[h（j）]個(gè)區(qū)域內(nèi)第[i（r）]個(gè)工業(yè)生產(chǎn)效率值，[y]是全國(guó)工業(yè)生產(chǎn)效率的平均值，[n、k]分別為省份數(shù)量、區(qū)域數(shù)量，[nh（nj）]是[h（j）]區(qū)域內(nèi)省份的數(shù)量。

根據(jù)Dagum基尼系數(shù)方法，可將總體基尼系數(shù)[G]分為三個(gè)部分：區(qū)域內(nèi)差異的貢獻(xiàn)[Gw]、區(qū)域間差異的貢獻(xiàn)[Gnb]和超變密度的貢獻(xiàn)[Gt]，三者的關(guān)系滿足[G=Gw+Gnb+Gt]。

3. 動(dòng)態(tài)格局演化估算模型

（1）Kernel核密度估計(jì)。Kernel核密度估計(jì)是一種用于分析數(shù)據(jù)演進(jìn)特征的非參數(shù)分析方法。該方法用連續(xù)且平滑的密度曲線估計(jì)隨機(jī)變量的分布形態(tài)，其不需要作任何參數(shù)模型假設(shè)，因此被廣泛應(yīng)用于地區(qū)差異及分布動(dòng)態(tài)演進(jìn)的研究中[14-15]。根據(jù)Kernel核密度估計(jì)，本文采用核密度估計(jì)曲線來(lái)刻畫工業(yè)生產(chǎn)效率演進(jìn)趨勢(shì)的分布形態(tài)，則Kernel核密度估計(jì)如下：

其中，[f（x）]為概率密度函數(shù)的估計(jì)，[Xi]為第[i]個(gè)省市區(qū)工業(yè)生產(chǎn)效率值，[x]為全國(guó)工業(yè)生產(chǎn)效率的均值，[N]為總樣本個(gè)數(shù)，[h]為窗寬，[K（x）]為Kernel函數(shù)。

對(duì)于核函數(shù)選擇的標(biāo)準(zhǔn)參考茹楊[16]，采用Gauss核進(jìn)行估計(jì)，具體表達(dá)式如下：

（2）速度激勵(lì)動(dòng)態(tài)評(píng)價(jià)方法。本文采用速度激勵(lì)模型[17]測(cè)算中國(guó)工業(yè)生產(chǎn)效率的變化速度和對(duì)變化速度狀態(tài)進(jìn)行綜合評(píng)價(jià)，進(jìn)而分析中國(guó)各省市區(qū)工業(yè)生產(chǎn)效率特定時(shí)段的動(dòng)態(tài)格局演化趨勢(shì)。

首先，SE-SBM模型測(cè)度中國(guó)工業(yè)生產(chǎn)效率屬于靜態(tài)測(cè)度結(jié)果，即存在[m]個(gè)被評(píng)價(jià)省市區(qū)[Pi（i=1， 2， …， m）]的工業(yè)生產(chǎn)效率[rij（i=1， 2， …， m; j=1， 2， …， n+1）]，在連續(xù)時(shí)間[t=（t1， t2， …， tn+1）]，形成的靜態(tài)評(píng)價(jià)結(jié)果如下：

最后，可以求得[Pi]在[tj，tj+1]時(shí)段內(nèi)，基于變化速度狀態(tài)和變化速度趨勢(shì)的綜合動(dòng)態(tài)評(píng)價(jià)值Qij=[Svi]（tj，tj+1）[×][λ]（[a]ij），進(jìn)一步可以得到[Pi]在[t1，tn]時(shí)段內(nèi)的綜合評(píng)價(jià)值，具體公式如下：

其中，[Qi>0]時(shí)，表明被評(píng)價(jià)省市區(qū)[Pi]在[[t1，tn]]時(shí)段整體的發(fā)展呈上升趨勢(shì)，[Qi]值越大，其上升趨勢(shì)越快;[Qi=0]時(shí)，表明被評(píng)價(jià)省市區(qū)[Pi]在[[t1，tn]]時(shí)段整體的發(fā)展相對(duì)穩(wěn)定;[Qi<0]時(shí)，表明被評(píng)價(jià)省市區(qū)[Pi]在[[t1，tn]]時(shí)段整體的發(fā)展呈下降趨勢(shì)。

4. 指標(biāo)選取與數(shù)據(jù)說(shuō)明

中國(guó)區(qū)域工業(yè)全要素生產(chǎn)效率的測(cè)算基于區(qū)域工業(yè)的多投入多產(chǎn)出數(shù)據(jù)。本文收集了中國(guó)30個(gè)省市區(qū)（不含西藏和香港、澳門、臺(tái)灣）2004年到2017年工業(yè)面板數(shù)據(jù)。數(shù)據(jù)來(lái)源于《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》以及部分省市區(qū)統(tǒng)計(jì)年鑒。投入產(chǎn)出指標(biāo)選取如下：

（1）工業(yè)資本投入，以工業(yè)資本存量來(lái)表示。資本存量估算是一個(gè)比較復(fù)雜的過(guò)程，通常采用永續(xù)盤存法（PIM）進(jìn)行估算。這種估算方法涉及資本折舊率、投資額和初始資本存量等基礎(chǔ)數(shù)據(jù)，估算方法參考了張軍等[18]的研究。同時(shí)為了剔除價(jià)格變動(dòng)的因素，采用固定資產(chǎn)投資價(jià)格指數(shù)折算為2004年不變價(jià)。

（2）工業(yè)勞動(dòng)力投入，以各省市區(qū)工業(yè)年末就業(yè)人口數(shù)來(lái)表示。

（3）工業(yè)能源投入，以各省市區(qū)工業(yè)的能源消費(fèi)總量來(lái)衡量能源投入。將煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣和電力折算為標(biāo)準(zhǔn)煤后加總得到各地區(qū)的工業(yè)能源消費(fèi)量。

（4）工業(yè)土地投入，以各省份城市工業(yè)建設(shè)用地面積來(lái)表示，數(shù)據(jù)來(lái)源于《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》。

（5）期望產(chǎn)出，以工業(yè)GDP表示。為了剔除價(jià)格因素的影響，采用GDP平減指數(shù)折算為2004年不變價(jià)。

（6）非期望產(chǎn)出，以環(huán)境污染強(qiáng)度指數(shù)來(lái)表示。由于非期望產(chǎn)出指標(biāo)數(shù)量過(guò)多而導(dǎo)致SE-SBM模型區(qū)分能力不足，因此，本文借鑒關(guān)偉等[19]的做法，將各省市區(qū)的五種工業(yè)環(huán)境污染物指標(biāo)（工業(yè)[CO2]排放量、[SO2]排放量、廢水排放量、廢氣排放量和一般固體廢物產(chǎn)生量）納入到環(huán)境污染強(qiáng)度指數(shù)評(píng)價(jià)體系中，并采用熵值法對(duì)其進(jìn)行計(jì)算。其中，工業(yè)[CO2]排放量采用IPCC（2006）方法估計(jì)。

三、 實(shí)證結(jié)果及分析

1. 中國(guó)工業(yè)生產(chǎn)效率測(cè)算及分析

根據(jù)SE-SBM模型和選取的指標(biāo)，本文利用MAXDEA8.6軟件，對(duì)2004—2017年中國(guó)30個(gè)省市區(qū)的工業(yè)生產(chǎn)效率進(jìn)行測(cè)算。綜合具體測(cè)算結(jié)果，模型設(shè)定為非導(dǎo)向、規(guī)模報(bào)酬不變的非期望超效率SBM模型，結(jié)果如表1所示。

表1顯示了2004—2017年中國(guó)工業(yè)生產(chǎn)效率變動(dòng)情況。盡管中國(guó)各省市區(qū)工業(yè)資源消耗總量在逐年快速增加，但同時(shí)期大部分省市區(qū)工業(yè)生產(chǎn)效率亦表現(xiàn)出上升趨勢(shì)，均值從2004年的0.611上升至2017年的0.771，年均增長(zhǎng)率為2.02%。從區(qū)域的角度來(lái)看，樣本期內(nèi)中國(guó)東部地區(qū)的工業(yè)生產(chǎn)效率最高，西部地區(qū)的工業(yè)生產(chǎn)效率最低。出現(xiàn)這種差異的原因可能在于東部地區(qū)存在地理位置、科技水平、金融政策、生態(tài)保護(hù)意識(shí)等方面的優(yōu)勢(shì)，工業(yè)生產(chǎn)效率一直相對(duì)較高;而西部地區(qū)地廣人稀，工業(yè)基礎(chǔ)相對(duì)薄弱，工業(yè)產(chǎn)業(yè)較為單一，工業(yè)生產(chǎn)技術(shù)相對(duì)落后。隨著西部大開發(fā)、中部崛起、東北振興等一系列政策的推進(jìn)，中部和西部地區(qū)的工業(yè)生產(chǎn)效率也在不斷上升，年均增長(zhǎng)率分別為1.79%和3.11%，高于東部的1.59%，推動(dòng)了同時(shí)期的工業(yè)生產(chǎn)效率整體均值的上升。從省域的角度來(lái)看，中國(guó)大部分省市區(qū)仍處于工業(yè)生產(chǎn)效率低下的狀態(tài)，地區(qū)差異明顯。如浙江、廣東和江蘇的工業(yè)生產(chǎn)效率始終處于生產(chǎn)前沿面邊界上，是有效決策單元;北京、天津和上海大部分年份的工業(yè)生產(chǎn)效率都處于較高水平，并且在2017年都大于1，是有效決策單元;重慶也是中國(guó)四大直轄市之一，是西南地區(qū)大型的工商業(yè)城市，但是其工業(yè)生產(chǎn)效率表現(xiàn)較弱。由此可以看出，大部分省市區(qū)的工業(yè)生產(chǎn)效率較低，但發(fā)展態(tài)勢(shì)良好，其整體水平在未來(lái)有較大的提升，工業(yè)生產(chǎn)效率的區(qū)域差異特征是顯著存在的。

2. 中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異及其來(lái)源

本文基于工業(yè)生產(chǎn)效率2004—2017年的數(shù)據(jù)，利用Dagum基尼系數(shù)及其按子群分解方法對(duì)工業(yè)生產(chǎn)效率區(qū)域差異進(jìn)行測(cè)度，具體測(cè)算結(jié)果如表2所示。

（1）中國(guó)工業(yè)生產(chǎn)效率的總體差異。為了更加直觀地描述工業(yè)生產(chǎn)效率區(qū)域差異及其來(lái)源，由表2數(shù)據(jù)得到圖1。由圖1（a）可知，中國(guó)工業(yè)生產(chǎn)效率區(qū)域差異呈以下多方面的特征：從整體趨勢(shì)上看，隨著區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展的不斷推進(jìn)，總體區(qū)域差異呈現(xiàn)波動(dòng)下降的態(tài)勢(shì)，而2017年仍然高達(dá)0.2，表示區(qū)域間存在較為明顯的地區(qū)差異。從發(fā)展態(tài)勢(shì)總體來(lái)看，整個(gè)樣本期內(nèi)基尼系數(shù)年均下降0.95%。從發(fā)展態(tài)勢(shì)的演變過(guò)程來(lái)看，2004—2007年出現(xiàn)了先升后降倒“[V]”態(tài)勢(shì)，并且在2005年總體基尼系數(shù)達(dá)到整個(gè)樣本期的最大值0.258，年度增速為13.16%，表明總體區(qū)域差異在擴(kuò)大，之后表現(xiàn)出緩慢下降的趨勢(shì);2008—2011年呈現(xiàn)出波動(dòng)下降的趨勢(shì)，總體基尼系數(shù)年均下降2.41%;2012—2017年總體基尼系數(shù)的變動(dòng)則經(jīng)歷了“上升—下降”態(tài)勢(shì)，并且在2017年總體基尼系數(shù)達(dá)到最小值為0.2，年均減少1.39%。

（2）中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異。2004—2017年三大區(qū)域工業(yè)生產(chǎn)效率區(qū)域差異如圖1（b）、圖1（c）所示。從區(qū)域內(nèi)部差異的角度來(lái)看，樣本期內(nèi)中部、西部地區(qū)工業(yè)生產(chǎn)效率的區(qū)域內(nèi)差異相近且遠(yuǎn)大于東部地區(qū);東部和中部地區(qū)的內(nèi)部發(fā)展差異總體上呈波動(dòng)下降的趨勢(shì)，西部地區(qū)的內(nèi)部發(fā)展差異卻剛好相反，出現(xiàn)了波動(dòng)上升的趨勢(shì)。可能的原因在于，西部地區(qū)的工業(yè)基礎(chǔ)設(shè)施相對(duì)薄弱、工藝水平較為粗放，且各省市區(qū)間經(jīng)濟(jì)基礎(chǔ)、自然資源、環(huán)境法規(guī)等方面存在較大差異。從區(qū)域間差異的角度來(lái)看，樣本期內(nèi)工業(yè)生產(chǎn)效率的區(qū)域間差異東部—西部地區(qū)最大，東部—中部地區(qū)次之，中部—西部地區(qū)最小;東部—西部地區(qū)、東部—中部地區(qū)的工業(yè)生產(chǎn)效率區(qū)域間差異呈縮小態(tài)勢(shì)，而中部—西部地區(qū)則在0.16～0.22平穩(wěn)波動(dòng)。這意味著工業(yè)生產(chǎn)效率的低效率區(qū)域增長(zhǎng)速度較快，有助于縮小區(qū)域間的發(fā)展差距。

（3）中國(guó)工業(yè)生產(chǎn)效率的區(qū)域差異來(lái)源。由圖1（d）可知，區(qū)域內(nèi)差異、區(qū)域間差異和超變密度對(duì)總體差異的貢獻(xiàn)率在樣本期內(nèi)相對(duì)穩(wěn)定。從地區(qū)差異的貢獻(xiàn)率來(lái)看，區(qū)域間差異的貢獻(xiàn)率均值為64.05%，對(duì)總體差異的貢獻(xiàn)率最大，遠(yuǎn)遠(yuǎn)超過(guò)了區(qū)域內(nèi)差異和超變密度的貢獻(xiàn)率，說(shuō)明工業(yè)生產(chǎn)效率的差異在較大程度上是由區(qū)域間差異導(dǎo)致的;區(qū)域內(nèi)差異的貢獻(xiàn)率均值為22.07%，僅次于區(qū)域間差異，表明工業(yè)生產(chǎn)效率區(qū)域內(nèi)差異也是造成總體差異的重要原因;超變密度區(qū)域內(nèi)差異的貢獻(xiàn)率最小，均值僅為13.88%，表明工業(yè)生產(chǎn)效率存在的部分交叉重疊問(wèn)題并不是工業(yè)生產(chǎn)效率地區(qū)差異的主要原因。總體上講，東部、中部和西部區(qū)域之間的差異成為影響中國(guó)工業(yè)生產(chǎn)效率省際差異的主要原因，較大程度上解釋了總體的差異，而各區(qū)域內(nèi)部省市區(qū)之間的差異則是影響差異的次要原因。以上結(jié)果表明，區(qū)域間差異是導(dǎo)致地區(qū)差異的關(guān)鍵原因，因此加強(qiáng)區(qū)域間的協(xié)調(diào)發(fā)展，縮小區(qū)域間差異至關(guān)重要。

3. 中國(guó)及三大區(qū)域工業(yè)生產(chǎn)效率的分布動(dòng)態(tài)

采用Kernel核密度估計(jì)方法分析全國(guó)及三大區(qū)域工業(yè)生產(chǎn)效率時(shí)間變化特征，具體測(cè)算如圖2所示。從工業(yè)生產(chǎn)效率的總體分布動(dòng)態(tài)來(lái)看，核密度函數(shù)曲線不斷右移，表明2004—2017年工業(yè)生產(chǎn)效率不斷提高;然而其主峰高度呈波動(dòng)下降的趨勢(shì)，寬度不斷增加，且分布曲線呈現(xiàn)右拖尾現(xiàn)象，說(shuō)明工業(yè)生產(chǎn)效率絕對(duì)差異呈擴(kuò)大趨勢(shì);此外，密度曲線呈雙峰現(xiàn)象，但是側(cè)峰在2012年消失且其他年份峰值較低，說(shuō)明工業(yè)生產(chǎn)效率具有一定的梯度效應(yīng)，呈現(xiàn)微弱的兩極分化趨勢(shì)。東部地區(qū)工業(yè)生產(chǎn)效率的分布動(dòng)態(tài)顯示：從分布位置來(lái)看，2008年密度曲線中心左移，其他年份逐漸右移，說(shuō)明工業(yè)生產(chǎn)效率逐漸增加;從分布形態(tài)來(lái)看，主峰呈波動(dòng)上升的趨勢(shì)，寬度也不斷變窄，說(shuō)明工業(yè)生產(chǎn)效率絕對(duì)差異呈縮小態(tài)勢(shì);從波峰來(lái)看，密度曲線呈雙峰分布，但側(cè)峰峰值逐漸降低，說(shuō)明低效率省市區(qū)的工業(yè)生產(chǎn)效率逐步提高，兩極分化現(xiàn)象呈減弱趨勢(shì)。中部地區(qū)工業(yè)生產(chǎn)效率的分布動(dòng)態(tài)具有以下特點(diǎn)：從分布位置來(lái)看，核密度函數(shù)的中心不斷向右移動(dòng)，表明樣本期內(nèi)工業(yè)生產(chǎn)效率不斷提高;從演變態(tài)勢(shì)來(lái)看，主峰經(jīng)歷了“下降——下降——上升”的演變過(guò)程，寬度經(jīng)歷了“增大——增大——減小”的過(guò)程，說(shuō)明工業(yè)生產(chǎn)效率絕對(duì)差異呈前期不斷增大、后期逐漸縮小的趨勢(shì);從波峰來(lái)看，除2012年外，核密度曲線存在明顯的多峰現(xiàn)象，表明從整體來(lái)說(shuō)工業(yè)生產(chǎn)效率存在明顯的多極分化現(xiàn)象。西部地區(qū)工業(yè)生產(chǎn)效率的分布動(dòng)態(tài)主要呈現(xiàn)出三個(gè)方面的特征：從分布位置來(lái)看，2004年、2008年和2012年密度函數(shù)曲線中心無(wú)太大變化，2017年則向右移動(dòng)，表明工業(yè)生產(chǎn)效率有所提高;從分布形態(tài)來(lái)看，主峰呈波動(dòng)下降趨勢(shì)，寬度也在拉大，且分布曲線呈現(xiàn)較為明顯的右拖尾現(xiàn)象，說(shuō)明工業(yè)生產(chǎn)效率絕對(duì)差異程度逐漸加深;從波峰來(lái)看，密度函數(shù)曲線存在雙峰現(xiàn)象，但側(cè)峰峰值較低，說(shuō)明工業(yè)生產(chǎn)效率具有一定的梯度效應(yīng)，呈現(xiàn)微弱的兩極分化趨勢(shì)。

4. 中國(guó)工業(yè)生產(chǎn)效率的動(dòng)態(tài)綜合評(píng)價(jià)

為了揭示工業(yè)生產(chǎn)效率的動(dòng)態(tài)發(fā)展趨勢(shì)，需要進(jìn)一步測(cè)算工業(yè)生產(chǎn)效率的變化速度以及對(duì)變化速度狀態(tài)進(jìn)行綜合評(píng)價(jià)。根據(jù)變化速度狀態(tài)公式（7）可以得出全國(guó)及三大區(qū)域工業(yè)生產(chǎn)效率的變化速度狀態(tài)，如圖3所示。除了2005—2006年度以外，全國(guó)及各地區(qū)工業(yè)生產(chǎn)效率變化速度狀態(tài)基本上為正，說(shuō)明伴隨著經(jīng)濟(jì)的增長(zhǎng)、工業(yè)技術(shù)的發(fā)展，工業(yè)生產(chǎn)效率在不斷增長(zhǎng)。

根據(jù)公式（7）～公式（9）對(duì)中國(guó)各省市區(qū)靜態(tài)工業(yè)生產(chǎn)效率水平進(jìn)行動(dòng)態(tài)分析，得到工業(yè)生產(chǎn)效率變化速度動(dòng)態(tài)綜合評(píng)價(jià)值，如表3所示。大多數(shù)省市區(qū)的動(dòng)態(tài)綜合評(píng)價(jià)值都是正的，表明工業(yè)生產(chǎn)效率在全國(guó)范圍內(nèi)具有良好的發(fā)展趨勢(shì)。如北京、福建和山東等省市區(qū)的動(dòng)態(tài)工業(yè)生產(chǎn)效率綜合評(píng)價(jià)值相對(duì)較高，且靜態(tài)工業(yè)生產(chǎn)效率水平位居前列，說(shuō)明以上省市區(qū)工業(yè)生產(chǎn)效率具有良好的總體演化發(fā)展態(tài)勢(shì);河北、湖北、重慶、四川等省市區(qū)的動(dòng)態(tài)工業(yè)生產(chǎn)效率動(dòng)態(tài)綜合評(píng)價(jià)值也相對(duì)較高，但靜態(tài)工業(yè)生產(chǎn)效率位居中等水平，說(shuō)明以上省市區(qū)工業(yè)生產(chǎn)效率具有很大發(fā)展空間;但是，吉林、遼寧和黑龍江的工業(yè)生產(chǎn)效率動(dòng)態(tài)綜合評(píng)價(jià)值位列后三名，而其本身的靜態(tài)工業(yè)生產(chǎn)效率水平處于中等水平，說(shuō)明東北地區(qū)工業(yè)生產(chǎn)效率增長(zhǎng)飽和，速度呈明顯遞減狀態(tài)，未來(lái)的發(fā)展態(tài)勢(shì)不容樂(lè)觀。

四、 結(jié)論與建議

1. 研究結(jié)論

本文采用非期望產(chǎn)出SE-SBM模型對(duì)省際工業(yè)生產(chǎn)效率進(jìn)行測(cè)算，并考察了工業(yè)生產(chǎn)效率的區(qū)域差異和格局演化，得到以下結(jié)論：

第一，非導(dǎo)向、規(guī)模報(bào)酬可變的SE-SBM模型測(cè)度結(jié)果表明，中國(guó)大部分省市區(qū)處于工業(yè)生產(chǎn)效率低下的狀態(tài)，工業(yè)生產(chǎn)效率呈現(xiàn)出典型的空間不均衡特征，工業(yè)生產(chǎn)效率整體水平還有較大的提升空間。

第二，Dagum基尼系數(shù)測(cè)算及分解表明，工業(yè)生產(chǎn)效率的總體區(qū)域差異呈現(xiàn)波動(dòng)下降趨勢(shì)，但仍然存在較為明顯的區(qū)域差異;三大區(qū)域內(nèi)基尼系數(shù)以高到低排名為西部地區(qū)、中部地區(qū)和東部地區(qū);區(qū)域間差異對(duì)總體差異的貢獻(xiàn)率最大，區(qū)域內(nèi)差異次之，超變密度最小。

第三，Kernel核密度估計(jì)顯示，總體和三大區(qū)域的核密度函數(shù)曲線的中心逐步右移，說(shuō)明工業(yè)生產(chǎn)效率不斷提高;從區(qū)域內(nèi)差異的相對(duì)差異來(lái)看，東部地區(qū)和中部地區(qū)呈下降趨勢(shì)，西部地區(qū)則逐漸增大;從區(qū)域內(nèi)差異的絕對(duì)差異來(lái)看，東部地區(qū)呈下降態(tài)勢(shì)，中部地區(qū)和西部地區(qū)則逐漸增大;總體和三大區(qū)域的核密度曲線還存在“主峰”和“側(cè)峰”并存的現(xiàn)象，且主峰峰值較高，側(cè)峰峰值較低，說(shuō)明工業(yè)生產(chǎn)效率具有一定的梯度效應(yīng)，呈現(xiàn)微弱的兩極分化趨勢(shì)。

第四，速度激勵(lì)模型表明，全國(guó)及各省市區(qū)工業(yè)生產(chǎn)效率變化速度狀態(tài)基本上為正向，且大多數(shù)省市區(qū)的動(dòng)態(tài)綜合水平都是正的，表明工業(yè)生產(chǎn)效率在全國(guó)范圍內(nèi)具有良好的發(fā)展趨勢(shì);但東北三省的工業(yè)生產(chǎn)效率動(dòng)態(tài)綜合水平基本為負(fù)，其工業(yè)生產(chǎn)效率發(fā)展前景不容樂(lè)觀。

2. 政策建議

第一，正視部分省市區(qū)工業(yè)生產(chǎn)效率低下的事實(shí)，致力于探究工業(yè)生產(chǎn)效率提升的新路徑。需著力調(diào)整其工業(yè)生產(chǎn)的投入結(jié)構(gòu)，加大工業(yè)科技投入力度，發(fā)展綠色工業(yè)，控制生產(chǎn)過(guò)程中的污染排放，進(jìn)而推動(dòng)工業(yè)生產(chǎn)效率的整體提升。

第二，面對(duì)工業(yè)生產(chǎn)效率的區(qū)域間差異，要因地制宜地采取不同策略。針對(duì)工業(yè)高效率地區(qū)，鼓勵(lì)發(fā)展信息、生物和新材料等高新技術(shù)、高附加值產(chǎn)業(yè)，不斷探索，引入現(xiàn)代化、智能化工業(yè)發(fā)展理念;針對(duì)工業(yè)低效率地區(qū)，完善產(chǎn)業(yè)配套基礎(chǔ)設(shè)施建設(shè)，提升公共服務(wù)水平，積極引進(jìn)高效率地區(qū)的技術(shù)與產(chǎn)業(yè)，以實(shí)現(xiàn)工業(yè)區(qū)域協(xié)調(diào)、綠色增長(zhǎng)。

參考文獻(xiàn)：

[1] 葉青.國(guó)家工業(yè)現(xiàn)代化水平的實(shí)證研究——基于二次現(xiàn)代化理論的視角[J].理論與現(xiàn)代化，2016（5）：15-23.

[2] 徐冬冬，黃震方，倪金星，等.江蘇省工業(yè)生產(chǎn)效率的空間格局演化與影響因素[J].經(jīng)濟(jì)地理，2017（6）：114-121.

[3] 劉玉，鄭艷東，陳秧分.京津冀地區(qū)農(nóng)業(yè)勞動(dòng)生產(chǎn)率的分異特征及其影響因素[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，53（1）：101-110.

[4] 方方.京津冀地區(qū)農(nóng)業(yè)生產(chǎn)效率的時(shí)空格局及收斂性研究[J].世界地理研究，2019（5）：1-11.

[5] 徐妍.新疆縣域工業(yè)生產(chǎn)率時(shí)空演化特征研究[J].干旱區(qū)地理，2016，39（4）：895-902.

[6] 郭亞軍.基于三階段DEA模型的工業(yè)生產(chǎn)效率研究[J].科研管理，2012，33（11）：16-23.

[7] 全良，張敏，趙鳳.中國(guó)工業(yè)綠色全要素生產(chǎn)率及其影響因素研究：基于全局SBM方向性距離函數(shù)及SYS-GMM模型[J].生態(tài)經(jīng)濟(jì)，2019，35（4）：39-46.

[8] 肖枝洪，冉波.碳排放約束下我國(guó)省際工業(yè)生產(chǎn)效率及空間分析[J].重慶理工大學(xué)學(xué)報(bào) （社會(huì)科學(xué)版），2017（10）：29-36.

[9] Tone K.A Slacks-based Measure of Super-efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2002，143（1）：32-41.

[10] 黃建歡，呂海龍，王良健.金融發(fā)展影響區(qū)域綠色發(fā)展的機(jī)理——基于生態(tài)效率和空間計(jì)量的研究? ? ?[J].地理研究，2014（3）：532-545.

[11] Dagum C.A New Approach to the Decomposition of the Gini Income Inequality Ratio[J].Empirical Economics，1997，22（4）.

[12] 黎智慧，劉渝琳，尹興民.基于Dagum方法的能源基尼系數(shù)測(cè)算與分解[J].統(tǒng)計(jì)與決策，2019，35（19）：? 30-33.

[13] 李占風(fēng)，張建.資源環(huán)境約束下中國(guó)工業(yè)環(huán)境技術(shù)效率的地區(qū)差異及動(dòng)態(tài)演變[J].統(tǒng)計(jì)研究，2018，? ? 35（12）：45-55.

[14] 林春，康寬，孫英杰.中國(guó)普惠金融的區(qū)域差異與極化趨勢(shì)：2005—2016[J].國(guó)際金融研究，2019（8）：? 3-13.

[15] 謝五屆，何建明.歐盟旅游資源空間格局及其動(dòng)態(tài)演進(jìn)：1992—2016[J].經(jīng)濟(jì)地理，2019（10）：193-203.

[16] 茹楊.核函數(shù)的核密度估計(jì)算法[D].哈爾濱理工大學(xué)，2016.

[17] 劉微微，石春生，趙圣斌.具有速度特征的動(dòng)態(tài)綜合評(píng)價(jià)模型[J].系統(tǒng)工程理論與實(shí)踐，2013，33（3）：? 705-710.

[18] 張軍，吳桂英，張吉鵬.中國(guó)省際物質(zhì)資本存量估算：1952—2000[J].經(jīng)濟(jì)研究，2004（10）：35-44.

[19] 關(guān)偉，許淑婷.中國(guó)能源生態(tài)效率的空間格局與空間效應(yīng)[J].地理學(xué)報(bào)，2015，70（6）：980-992.

Regional Differences and Pattern Evolution of Industrial Production Efficiency in China

Abstract：Based on provincial panel data from 2004 to 2017， SE-SBM model is used to measure China's industrial production efficiency， Dagum Gini coefficient is used to study the regional differences of China's industrial production efficiency， and kernel density estimation and speed excitation model are used to reveal the dynamic pattern evolution characteristics of China's industrial production efficiency. The results show that the industrial production efficiency of most provinces in China is on the rise， and the overall regional difference shows a trend of fluctuation and decline. The regional difference of industrial production efficiency in western China is higher than that in other regions， and interregional difference is the main source of the regional difference of industrial production efficiency. There is a double peak phenomenon in the Kernel nuclear density of industrial production efficiency in the three major regions， which indicates that industrial production efficiency has a certain gradient effect， showing a weak polarization trend.The rate of change of industrial production efficiency in all provinces shows an upward trend， and the dynamic comprehensive evaluation value of most provinces is positive， indicating that industrial production efficiency has a good development trend.

Key words：industrial production efficiency;SE-SBM model;regional differences;distributed dynamic evolution

基金項(xiàng)目：國(guó)家社科基金重點(diǎn)項(xiàng)目（項(xiàng)目編號(hào)：17AJY028）。

作者簡(jiǎn)介：肖枝洪（1965-），男，博士，重慶理工大學(xué)教授，研究方向?yàn)閿?shù)據(jù)分析、應(yīng)用統(tǒng)計(jì)研究;曾偉（1994-），男，重慶理工大學(xué)碩士研究生，研究方向?yàn)閿?shù)據(jù)分析、應(yīng)用統(tǒng)計(jì)研究;馬澤?。?995-），男，重慶理工大學(xué)碩士研究生，研究方向?yàn)閿?shù)據(jù)分析、應(yīng)用統(tǒng)計(jì)研究。

（收稿日期：2020-11-29 責(zé)任編輯：殷 ?。?/p>