中国汽车制造业产业绩效的区域比较研究

邓智团

（上海社会科学院 城市与区域研究中心，上海 200020）

产业效益是人们从事经济活动关注的最根本问题，汽车制造业又是产业关联度极高的产业，它涉及到上游的冶金、钢铁、橡胶、玻璃以及化学等许多工业领域，同时，其产业链还延伸到诸如保险、运输和维修等服务业领域。因而，汽车制造业对相关产业的依赖性和带动作用就很强烈，甚至可以说汽车制造业的发展与整个国民经济的发展息息相关。近几年，我国的汽车制造业高速发展，其在国民经济中的重要地位与日俱增，评价区域汽车制造业的绩效水平成为广泛关注的重点。然而，对汽车制造业的绩效问题的研究成果并不多见。本文在对现有文献梳理的基础上，综合采用相对值法、聚类分析法以及主成分分析法，分别以省级区域和大区为样本单位，量化分析了汽车制造业区域绩效差异和影响绩效的主导因子。

1 分析方法

本文拟采用相对值法、聚类分析方法以及因子分析方法对我国汽车产业区域绩效及主导因子进行比较研究。

1.1 初步度量：相对值法

本文采用的相对效率法包括了区位商分析、区位商GE值分析和效率相对值分析三种方法。

区位商是产业的效率与效益分析的定量工具，一种较为普遍的区域绩效比较方法，用来衡量某一产业的某一方面，在一特定区域的相对优势程度。区位商计算公式为：

式中，LQij表示 i地区 j行业的区位商，Lij表示 i地区 j行业的产出（就业人口），Li表示i地区的全部产出（总就业人口）；Tj表示全国j行业的全部产出 （就业人口），T表示全国所有行业的总产出（总就业人口）。LQij为非负值，当LQij＞1，表明i地区j行业相对全国比较水平而言，具有比较优势，值越大，优势越明显；反之，小于1则表明i地区j行业具有比较劣势。

同时我们定义区位商GE值（区位商偏离度）和相对劳动生产率来反映地区产业相对于全国水平的相对效率。区位商GE值定义为产值区位商与就业区位商之比，该指标衡量产值区位商对就业区位商的偏离程度。一般而言该指标越大，表明产值区位商对就业区位商的偏离程度越大，说明该地区该产业越具有相对效率，临界值为1。相对劳动生产率采用如下定义：相对劳动生产率＝地区汽车产业总产值与汽车产业就业人口之比/全国汽车产业总产值与汽车产业就业人口之比，当其值大于1，表明该地区某产业的效率水平相对于全国平均水平具有比较优势；等于1，表明该地区某产业的效率水平与全国平均水平相当；小于1，表明该地区某产业的效率水平相对于全国平均水平具有比较劣势。

1.2 区域差异与归类

聚类分析，这是一种非常方便常用的多元统计分析方法，包括系统聚类法等多种聚类方法，其宗旨是将相似元素归为一类。本文有30个地区Li,i=1,2,…,30，9个指标Xj,j=1,2,…,9,每个地区都有这9个指标的观察值,如第i个地区的观察值为 Li1，Li2，…，Li9，把 30个地区看成 9维空间中的 30个点,则两个地区间相似程度可用9维空间中两点的距离来度量。常用的距离有：明氏距离、马氏距离、兰氏距离和欧氏距离，但采用何种度量方法，对具体聚类结果并无决定性影响。本文距离采用欧氏距离，聚类方法采用“最近邻居法”和“类间平均链锁法”进行Q型聚类。通过对结果进行比较，这两种方法的运行结果并无太大差异。因而以下内容，具体对采用类间平均链锁法进行的省级和大区两个聚类分析结果进行分析。

1.3 绩效主导因子判定

因子分析是一种主要用于数据化简和降维的多元统计分析方法，是主成分分析的推广，它也是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合变量的一种多变量统计分析方法。其通过变量的相关系数矩阵内部结构的研究，找出能够控制所有变量的少数几个随机变量去描述多个变量之间的相关关系，然后根据相关性的大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。这样较少的几个因子反映原资料的大部分信息。

2 指标说明及数据来源

影响汽车制造业绩效水平的因素有很多，本着“客观、科学、通用、可比、可操作”的原则出发，本文拟从运营能力、产销能力以及盈利能力三个方面来评价汽车制造业绩效水平，本文选取数据共涉及汽车制造业三个面共9个具体指标。

汽车制造业运营能力，包括汽车工业总产值（X1）汽车工业利润总额（X2）、汽车工业全年完成投资额（X3）、年末资产总计（X4）四个指标。 本文采用的指标 X1、X2、X3和 X4为 2007年汽车分类构成的合计值，即为按主导产品分类的汽车、改装汽车、摩托车、车用发动机、汽车摩托车配件的合计统计值，按现行价计算。汽车制造业产销能力，包括汽车产量（X5）、汽车销量（X6）和市场占有率（X7）。 X5喝 X6前两个指标具体值为2007年汽车产销量分地区构成统计值，不包括改装汽车及发动机产销量，其中甘肃、青海、宁夏三省市该项指标均为零。注意的是，《2008汽车工业年鉴》中的该部分数据来源于中国汽车工业协会，其中部分企业集团含外省市子公司。X7是根据汽车销量指标计算得出。汽车制造业盈利能力，选取产品销售收入（X8）、以及产品销售利润（X9）两个指标，这两项指标均为2007年汽车工业利润全年产品销售收入和销售利润分类构成的合计值。总体而言，这些指标的具体取值基本来自于《中国汽车工业年鉴2008》和《中国统计年鉴2008》，部分指标根据年鉴中的数据计算得出。由于西藏自治区上述9个指标均为零，同时由于受限于数据来源，本文研究范围剔除了西藏和港澳台地区。因此，全部样本为2007年中国30个省、市、自治区。本文选取的具体指标及其统计属性见表1。

3 计算结果及讨论

本文拟采用相对值法、聚类分析方法以及因子分析方法对我国汽车制造业区域绩效及主导因子进行比较研究。

表1 具体指标及基本统计属性

3.1 相对值法：初步比较

本文采用的相对效率法包括了区位商、区位商偏离度和效率相对值三种。《中国汽车工业年鉴2008》缺乏就业人口直接的总体数据，但提供汽车生产企业的个体数据，因而可以通过加总可获得区域总值，从而可分别计算出各省市区的汽车制造业产值区位商、就业区位商、区位商偏离度和相对劳动生产率。

（1）产值区位商。在30个样本中，产值区位商大于1的有 8个样本， 依次是吉林 （5.335）、 重庆 （3.426）、 湖北（3.341）、 上 海 （2.419）、 海 南 （1.528）、 江 西 （1.386）、 广 西（1.099）和北京（1.086）。这反映出这8个省市区的汽车制造业在全国具有专业区位优势，尤其是吉林、重庆、湖北和上海四个省市专业区位优势极为明显。

（2）就业区位商。在30个样本中，就业区位商大于1的有 3个样本，依次分别是重庆（1.860）、湖北（1.412）和吉林（1.038）。这反映出这3个省区的汽车制造业对劳动力的吸纳能力超出全国的平均水平。

（3）区位商偏离度。从图1看出，区位商偏离度比较高的省市区依次分别为：海南（5.91）、吉林（2.65）、福建（2.05）、北京（1.89）、上海（1.75）。反映出这些地区汽车制造业的相对优势较为显著。

（4）相对劳动生产率。从图1可以看出，相对劳动生产率大于 1的有 8个省区，依次为海南（4.26）、上海（3.01）、福建（2.47）、广东（1.87）、吉林（1.85）、北京（1.22）、天津（1.13）和湖北（1.04）。海南和上海的相对效率最高。

根据以上的分析，我们可以得出这样的初步结论：各个省级行政单位汽车制造业绩效存在很大的区域差异，大致而言，吉林、上海、湖北、广东、重庆和海南处于较高的水平，汽车产量较大的安徽省并没有显示出较高的绩效。

3.2 区域差异与归类

本文通过采用聚类分析法对所有样本进行归类，排除缺少数据的港澳台地区和所有指标值都为零的西藏地区，共包括30个样本，每个样本包含了9个指标（运用“0-1标准化值”方法进行标准化），采用欧氏距离、类间平均链锁法，运用SPSS 10计算得出聚类树型图（具体计算过程略）。从最终运行结果不难看出，这30个样本可以划分为5类。第一类：上海；第二类：吉林、重庆和湖北；第三类：北京、广东、江苏、安徽、辽宁、山东、浙江；第四类：湖南、福建、河北、天津、广西、江西、黑龙江；第五类：河南、陕西、四川、海南、云南、贵州、内蒙古、山西、新疆、甘肃、宁夏、青海。其中第四类可以分为两个亚类：湖南、福建、河北；第二亚类：天津、广西、江西、黑龙江。第五类也包含了两个亚类，第一亚类：河南、陕西、四川、海南和第二亚类：云南、贵州、内蒙古、山西、新疆、甘肃、宁夏、青海。依据聚类分析的原理结合本文数据的实际情况（本文的9个指标分别反映了汽车制造业运营能力、汽车制造业产销能力和汽车制造业盈利能力），因而处于第一类的上海，这三种能力的总体能力是所有区域中最高的，也即是说，上海的绩效水平是最高的，紧随其后的是吉林、重庆和湖北，然后北京、广东、江苏、安徽、辽宁、山东、浙江，这些省市区都是我国的汽车生产大省。处于西北区的新疆、甘肃、宁夏、青海排在了最后，这与这些省区的汽车制造业还处于起步阶段的实际情况是一致的。

通过相对值法和聚类分析两种方法的分析，可以对我国汽车制造业绩效的区域格局有一个较清晰的定性的认识。但这两种方法都不能掩盖一个明显的缺陷，就是在我们选取的这9指标里，不能确定哪一个或者哪些指标对区域绩效水平的度量起着主导性关键性作用。为了解决这个问题，下文才用因子分析法对我国各省级区域进行分析，以确定主导影响因子。

表2 主成分分析被解释方差

表3 主成分分析旋转成分矩阵

3.3 绩效主导因子判定

绩效主导因子的判断本文采用因子分析，这是一种主要用于数据化简和降维的多元统计分析方法，是主成分分析的推广，它也是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合变量的一种多变量统计分析方法。其通过变量的相关系数矩阵内部结构的研究，找出能够控制所有变量的少数几个随机变量去描述多个变量之间的相关关系，然后根据相关性的大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。这样较少的几个因子反映原资料的大部分信息。

运用SPSS统计软件对本文30个样本9个指标进行因子分析，计算方差贡献率、累积方差贡献率，从而确定成分个数 （一般以累积方差贡献率大于等于80%为标准确定主成分个数），本文为了提高精度提取了三个因子，其贡献率超过了98%（表2）。

通过旋转成分矩阵可知，成分1与X3和X4两项指标相关系数较大，反映出汽车制造业的运营能力；成分2与X5和X6两项指标相关系数较大，反映出汽车制造业的产销能力；成分3与X2、X8和X9三项指标相关系数较大，大致可反映出汽车制造业盈利能力（表3）。

用回归法计算三个因子的得分，并将计算的因子得分作图（图2）。

从图2，可以得出如下结论：

（1）湖北、吉林和山东三个省的“因子1”得分较高，具体为3.049、2.645和1.597，从而反映出这三个省汽车制造业的运营能力较强。湖北省汽车制造业主要以东风汽车集团为主，2007年，东风汽车公司实现销售收入774.82亿元。同比增长10.1%；实现利润42亿元，剔除执行新会计制度和计提重组费用因素，公司效益同囗径与2002年持平。与此同时，流动资产同比上升14.4%，其中，货币资金同比增长28.5%；应收帐款净额同比下降22.0%，经营质量继续保持改善的势头。

（2）北京、吉林、重庆、广西、黑龙江和天津六个省份的“因子 2”得分较高，分别为 2.204、2.079、2.035、1.197、1.114和1.032，反映出这几个省份汽车制造业的产销能力较强。北京汽车工业控股有限公司2007年生产汽车：347947辆，同比增长92.8%，完成年计划的158.2%；销售汽车：336657辆，同比增长86.5%，完成年计划的153%；市场占有率：从2002年的5.6%增加到7.8%。

（3）在 30个样本省区的“因子 3”得分中，上海以 5.103的得分遥遥领先，这反映出上海汽车制造业较强的盈利能力。2007年，上汽集团各整车厂纷纷推出市场新品，一年内先后在6个平台上推出12款新车型或重大改进车型。其中，1月上海通用推出别克君威，2月上海大众推出全新Gol，6月上海大众推出Polo三厢，8月汇众公司推出新大通HL100重型载货车，9月上海通用凯越轿车正式销售，12月上汽通用五菱推出Spark微型轿车。这些新品的问世，有力地支撑了上汽集团继续保持国内轿车市场的领先地位。

4 结论与思考

绩效的研究还没有形成一个统一的范式，本文通过相对值、聚类和因子分析三种方法，对我国汽车制造业绩效的区域差异进行了比较研究，给出了一个产业区域差异和决定因子分析的一般方法。通过标准计量分析工具的采用，对30个省级区域样本数据进行了实证分析。得出如下结论：

（1）相对值分析法可以初步度量各个样本区域的绩效差异水平。就我国现有的汽车制造业格局而言，吉林、重庆、湖北和上海四个省市汽车制造业专业区位优势极为明显；重庆、湖北和吉林汽车制造业对劳动力的吸纳能力超出全国的平均水平；海南和上海的相对劳动生产率最高。

（2）聚类分析方法的运用，能将总体水平相似的样本归为一类。我国汽车制造业绩效的区域差异非常明显，根据相似程度可归为五类。第一类：上海；第二类：吉林、重庆和湖北；第三类：北京、广东、江苏、安徽、辽宁、山东、浙江；第四类：湖南、福建、河北、天津、广西、江西、黑龙江；第五类：河南、陕西、四川、海南、云南、贵州、内蒙古、山西、新疆、甘肃、宁夏、青海。也既是说，上海的绩效水平是最高的。

（3）主成分分析的使用，可以把一些具有错综复杂关系的变量归结为少数几个综合变量。通过对30个省级样本区域和9个指标的实证分析，一共抽取了3个因子来代替9个指标，而这个三个因子的方差累积解释率近99%，这三个因子分别反映了我国汽车制造业的运营能力、产销能力和盈利能力。通过旋转成分矩阵得出，湖北、吉林和山东三省汽车制造业的运营能力较强；北京、吉林、重庆等省份汽车制造业的产销能力较强；上海汽车制造业有最强的盈利能力。

这些具体结论对我国地方政府制订汽车制造业区域发展政策提供的指导意义在于：产业发展受经济规律作用的影响，其空间差异通过区域绩效水平直接体现出来，对各个区域而言，采取何种发展方法，一定要应时而宜、因地制宜。目前我国汽车制造业已处于产能过剩和降价竞争的格局。因此，区域间产业发展的战略应从传统的“红海战略”转向超越产业竞争的 “蓝海战略”，避免恶性竞争，力争优势互补发展适合本地域的产业，将有利于促进区域产业绩效的改善和提高。

[1]A.P.Lerner.The Concept of Monopoly and the Measurement of Monopoly Power[J].Review of Economic Studies,1934，（1）.

[2]Joe S.Bain.Relation of Profit Rate Industry Concentration:American Manufacturing,1936-1940[J].Quarterly Journal of Economics,1951，65.

[3]Tobin.A General Equilibrium Approach to Monetary Theory[J].Journal of Money,Credit and Banking,1969，（1）.

[4]Cockerill,Anthony，Silberstion.The SteelIndustry:International Comparisons of Industrial Structure and Performance[M].London:Cambridge University Press,1974.

[5]Scherer,F.M.Industrial Market Structure and Economic Performance(3rdEdition.)[M].Boston:Houghton Mifflin,1990.

[6]贺继红.煤炭产业绩效分析与对策[J].统计与信息论坛,2001,1.

[7]刘国新.中国汽车制造业的市场行为与市场绩效分析[J].中国机械工程,2001，7.

[8]杨东进，刘人怀.自主GVC模式:中国汽车产业升级的可靠路径[J].管理工程学报,2008，(2).

[9]陈朝晖.全球价值链视角下的产业集群创新成长战略——以柳州汽车产业集群为例[J].亚太经济,2008，(2).

[10]刘小玄.中国转轨经济中的产权结构和市场结构——产业绩效水平的决定因素[J].经济研究,2003，(1).

[11]汪莹.基于集群理论的我国汽车产业绩效水平分析[J].安徽大学学报(哲学社会科学版),2007,(1).

[12]高艳，汪秀婷.湖北汽车制造业绩效水平评价[J].汽车研究与开发,2008，（9）.