工业增长质量与区域特性

2015-06-07宋潞平

济南大学学报（社会科学版） 2015年3期

关键词：程度工业区域

宋潞平

(中共绍兴市委党校，浙江绍兴312000)

工业增长质量与区域特性

宋潞平

(中共绍兴市委党校，浙江绍兴312000)

现代工业社会不仅需要高速增长的工业，也需要高质量的工业发展。在传统的生产函数中纳入污染排放产出和能源投入这两个要素，通过数据包络分析和MALMQUIST指数模型测算2003年至2012年间12个沿海省市的全要素生产率，并用此指标来衡量样本的工业增长质量，研究区域特性和工业增长质量的关系，结果表明:(1)区域的开放程度和专业化程度在长短期内都对工业的增长质量有显著的促进作用，其中开放程度对于短期的影响更大，原因可能是短期的外资投入能起到立竿见影的效果，但是区域内企业的消化速度缓慢导致长期影响减弱;(2)第三产业比例过高可能在长短期内都会拖累工业增长质量的提高;(3)区域的创新能力提高能长期促进工业增长质量，但在短期内对工业增长质量无明显帮助，可能创新需要长时间的积累才能促进工业质量的提高。

工业增长质量;区域特性;创新;专业化程度

一、引言

党的十八大提出，要加快传统行业的转型，推进新兴产业的培育，进一步推动新型工业化的发展。十八大的报告为中国未来经济发展指明了方向，也成为今后经济发展的指导纲领。目前，发达经济体仍旧面临二次衰退的威胁，我国面临外需不振的难题。此外，部分西方国家通过发行大量货币来提振经济，造成人民币升值，这也造成了输入性通胀压力和成本上升的局面。在这样的情况下，我国只有通过产业的转型，提高工业质量来提升竞争力。

改革开放以来，我国经济大幅增长，工业水平也飞速提高。不过很多问题也随之暴露出来。党的十八大报告中指出我国工业的不可持续和发展不均衡的问题突出。简单而言，我国工业增长质量低并且区域发展质量的差距大。提高工业增长质量和缩小地区间的工业水平是摆在政府面前的一道难题，这也是我国经济转型的核心问题。学术界内，学者主要以工业增长总量为目标，通过多种研究方法已经形成了较为完善的理论体系和实证研究结果，但是对于工业增长质量的研究较为稀少，且缺少基本的理论框架和实证结果。那么，衡量工业增长的质量和探究影响工业增长质量的因素具有非常强的现实意义。

根据(涂正革，2008)［1］的研究，高质量的工业增长应该具有以下几个特征，即增长过程是不断持续的、不消耗过多的能源、产生尽可能低的污染和具有较高的生产率。冯华、宋振湖(2008)［2］认为工业增长质量应该从产业结构、工业效率和产业利润三方面考虑。国外学者方面，EREK (2005)［3］的研究表明，后工业时代国家应该拥有高附加值的产业链，并且具有资源节约型的特征。基于此，工业增长质量是个多元的概念，基本可以概括为工业生产的污染排放、工业生产的效率、工业生产的技术创新率和工业生产的可持续性。

本文的研究基于沿海12个省市2003—2012年的工业数据，以下结构安排为:第二部分是文献回顾和研究方法的阐述，第三部分是数据的来源和变量描述，第四部分是工业质量和影响因素的实证研究，最后是本文的结论和建议。

二、文献回顾和研究方法

(一)工业增长质量的衡量方法

长久以来，工业增加总量是大家关注的焦点，很少有研究关注工业增长质量，所以如何来度量工业增长质量是一个难题。国内最早关注工业增长质量的应该是邓小平同志，因为他提出科学技术是第一生产力的观点，但是后人并未给出如何数量化定义工业增长质量的方法。从国外文献来看，DENSION(1967)［4］提出工业增长质量主要体现在工业增长效率上，即Total Factor Productivity (全要素生产率)。全要素生产率主要体现了技术进步对于工业产值增加的贡献。本质上来说，这个指标包含三个要点，即生产规模、生产效率和技术效率。国内部分学者利用全要素生产率这个方法对中国工业做过一些研究，其中舒元(1993)［5］的研究表明，中国1952到1990年间的TFP增长率仅为0．02%，对工业增长的贡献非常低。王小鲁利用同样的方法测算了1950年到2000年的全要素生产率，测算结果表明1978年前的TFP增长率为负，1978年后的TFP增长率为1．5%左右。此外，KRUGMAN(1994)［6］曾经研究过东亚国家的全要素生产率，最终结果表明东亚国家的工业增长是不可持续的，因为技术创新的贡献太小，最终会因为规模边际效应的减少而崩溃。但是，这些研究只考虑了人力资源和资本的投入。根据前文的描述，现代的工业增长不仅仅是靠高效率和技术创新引导的，还应该包括低污染和低能耗。传统的全要素生产率并未考虑到污染排放和能源投入这两个非期望产出和正常投入，所以在一定程度上并不能很好的反映工业增长质量。本文利用数据包络分析的方法和MALMQUIST指数来分析工业增长质量，并纳入污染排放和能源投入这两个要素。很多学者采用这种方法来分析工业增长质量，如王俊能(2010)［7］和颜伟(2007)［8］运用这种方法测算了中国各省的工业环境效率。

这个方法可以比较完美地分析投入产出数据并构建一个最优化的技术前沿，同时可以较好地定义工业增长的速度和质量，其基本原理如下:

把每个省的工业行业看成一个决策单元，而每个决策单元拥有投入、期望产出和非期望产出这三个变量。假设每个省拥有K种投入，L种期望产出，M种非期望产出，令投入为X，产出为Y，则x∈RK，yg∈RL，yb∈RM，其中Yg代表期望产出，Yb代表非期望产出。令λ为权重值，且大于等于0，那么环境技术模型就可以表达成如下的数学模式:

其中λX、λYg、λYb分别代表了前沿投入、前沿期望产出和前沿非期望产出。

其次，MALMQUIST指数(FARE，1994)可以表达为:

如果用图来表示，可以更加直观地理解MALMQUIST指数。

图1 MALMQUIST指数直观图

那么，MALMQUIST指数可以简化为:

这个公式衡量的是M指数从t到t+1时间段内的变化，如果Mt+1的值大于1，说明技术发生了进步。

最后，按照FARE(1994)［9］的分析思路，MALMQUIST指数可以分解为技术变化率和技术效率变化率。此外，技术效率变化率又可以进一步分解为规模效率变化率和纯技术效率变化率。其中，技术变化率代表了技术进步带来的工业增长率，其它变量固定不变的情况下。技术效率变化率折射了技术效率问题。规模效率变化率说明工业行业的规模效应，纯技术效率变化率指剔除规模效应情况下技术带来的工业增长变动值。

(二)工业增长质量影响因素

通过前文的模型阐述，基本可以数量化定义工业增长质量，但是哪些因素会影响工业增长质量?是不是区域差异会导致工业增长质量的差异性?根据对文献的研究，基本可以把影响要素归纳为两个维度:区域宏观特性和区域产业特性。

区域的宏观特性包括区域的创新性、区域的开放性、区域的资源依赖性和区域的经济水平。首先，有些学者利用中国区域的工业数据进行实证研究，分析得出研究发展投入对工业增长率的贡献率为55%左右，创新研究投入对工业增长质量呈现很强的正相关性。徐康宁(2006)［10］的研究表明对外开放程度和工业增长质量有着较强的联系，对外开放可以在一定程度上利用专业分工来提高市场的活力和效率。同时，他的研究表明，如果区域拥有丰富的自然资源，反而不利于工业增长质量的提高，阻碍经济水平的提高。最后，有些学者的研究表明，经济水平和知识水平在一定程度上会影响全要素生产率。郑玉歆(1998)［11］认为经济水平越高，工业增长质量越高，反之亦然。

区域的产业特性包括产业结构和专业化程度。很多学者都对产业结构和工业质量增长率之间的关系做过研究，他们认为产业结构的不同会导致区域之间工业增长质量的不同。郭克沙(2004)［12］提出第三产业比例越高，工业增长质量越高。此外，经济体制、企业制度和产业结构对生产率的影响非常重要。

基于此，本文提出以下几个假设:

H0:区域的创新能力越强，工业增长质量越高;H1:区域的开放性越强，工业增长质量越高; H2:区域的资源依赖性越低，工业增长质量越高; H3:区域的经济水平越高，工业增长质量越高; H4:区域的第三产业比例越高，工业增长质量越高;H5:区域的专业化程度越高，工业增长质量越高。

为了使本文的研究更加充实和严谨，本文将采用两种模型分别从短期和长期两个方面来考察影响工业增长质量的区域特性。第一种是利用OLS(最小二乘法)来研究长期静态的影响因素，另外一种是采用GMM模型来分析短期动态的影响因素。

首先，长期静态的模型可以表达为:其中Yi代表工业增长质量，即纳入污染排放和能源投入的TFP指标，Xi，t0为各省在2003年(初始年份)的区域特性变量值，α和εi，t0分别为常数项和干扰项。

其次，短期动态的GMM模型如下所示:

Xi，t的含义与公式(4)一样，αt和αp分别代表时间效应和区域效应，εi，t0为干扰项。本文运用动态面板数据的GMM(广义矩估计法)估算法是为了消除变量之间的内生性问题，根据BLUNDELL (1998)［13］的研究显示，系统GMM模型可以很好的解决变量的内生性问题和小样本偏误的影响。同时，本文的模型很好的消除了区域效应和时间效应。

三、数据

(一)数据来源和变量解释

本文的所有数据来自于各省市的统计年鉴等相关资料，时间跨度为2003至2012年。因为很多省份的统计年鉴数据和资料的不完整性和指标差异性的原因，观测省份只包括了浙江、江苏、天津、辽宁、广东、福建、山东、海南、广西、河北、北京和上海这12个沿海区域。本文的第二部分已经就工业增长质量的测算模型和面板数据的回归模型做了详细的解释，至于其中的因变量和自变量的选择和含义如下:

(1)期望产出(Yg)采用各省的工业产值，根据中国统计年鉴中的通货膨胀率，相应的折算出每年的实际工业总产值;

(2)非期望产出(Yb)为每年的工业废气排放量和工业废水排放量，因为这个是当前工业生产中最为突出的两个污染指标;

(3)投入(X)包括人力资源投入、资本投入和能源投入。其中，人力资源投入(L)为工业从业人数(万人)，资本投入(K)因为无法直接从统计年鉴中获取，所以采用单豪杰所估算的资本存量数据。总的工业能源投入(以标准煤计量)作为能源投入变量(ENG);

(4)区域的创新能力(INO):专利授权量/工业产值。因为此数据较易获取和计算，WONG (2005)等采用专利数量除以工业产值作为创新衡量指标;

(5)区域的开放程度(OPEN):外商当年投资额与同期的固定资产投资比例;

(6)区域资源依赖程度(REL):采矿业人数占总就业人数的比例反映该区域的资源依赖程度;

(7)区域经济水平(ECO):各省人均GDP的对数值;

(8)区域第三产业比例(STR):统计年鉴中第三产业的产值与总工业产值比例;

(9)区域专业化程度(PRO):利用赫芬达尔指数来衡量区域的产业专业化程度。其计算公式如下:

其中，Xi代表区域内行业i的产值，X代表区域的总产值，N代表区域内的行业总数。该指标能较好的衡量区域的专业化程度和产业集中度。

(二)工业质量要素生产率的估值及分解值

本文的数据包括12个省市数据，通过DEAP2．1的软件运算，各区域的工业质量要素生产率及其分解结果如表1所示。

表1 工业质量全要素生产率及其分解

通过表1可以发现，12个沿海省份的工业增长质量的平均增速为8．1%，其中大部分是由技术进步带动的，贡献率为94．5%，可以说技术的变革是工业增长质量的决定因素。通过数据的对比，山东、江苏的工业增长质量较高，TFP的平均值在15%以上，而广西和福建的工业增长质量较低。同时，笔者发现浙江的工业增长质量处于中下水平，这个结果有点出乎意料，因为浙江和江苏同属于沿海工业发达地区，但是工业增长质量却相差甚远，这让我们有必要进一步的探索。在公司效率一栏中，笔者发现江苏和浙江的企业管理效率较高，分别为工业增长质量贡献了14．37%和24．1%，而福建的企业管理效率较低，这也可能是福建总的工业质量不高的原因之一。

四、工业增长质量与区域特性

本部分的实证分析主要通过OLS回归和面板数据的GMM估算这两种方法。简单而言，OLS回归主要是测量工业增长质量与区域特性之间的长期静态关系，而GMM估算主要是考察工业增长质量与区域特性的短期动态关系。

(一)长期静态关系

表2 OLS回归结果

从表2看出:

(1)从区域宏观特性这一维度来看，区域的创新能力系数在1%的显著水平下为正，说明长期创新能力的提高有助于工业增长质量的改善。区域的开放程度和工业增长质量的长期关系也是正相关，表明区域越开放，工业增长质量越好。此外，区域的资源依赖程度在长期时间段内，对工业增长质量有着负影响力，一个可能的解释是依赖资源的区域内的企业多为粗放型企业，有碍于企业的生产力提高，所以工业增长质量也较低。最后，经济水平和工业增长质量的系数不够显著，不具备统计意义，说明经济水平和工业增长质量在长期时间内关系不显著。

(2)从区域的产业特性来看，区域的第三产业比例的系数为正，表明长期的工业增长质量和第三产业结构呈正相关。同时，区域的专业化程度和工业增长质量在长期关系上具有明显的正相关性，一个可能的解释是区域的产业化集中度提高有利于产业的技术创新和改革。

(二)短期动态关系

从表3中可以发现，工业增长质量的滞后一期的系数在1%的显著水平下为正，说明模型分析中动态分析的必要性。具体而言，沿海12个省市的工业增长质量和前一期的工业增长质量有着强烈的联系，上一期的增长质量越高，当期的质量也会提高。

表3 GMM估算结果

另外，根据表3的结果可以归纳出以下结论:

(1)短期内，区域的创新能力系数不具备统计意义，说明对工业增长质量并无直接关联。这个结果和长期静态分析的结果有所不同，唯一可能的解释是区域的创新能力在短期内并不能快速反映到工业增长质量上，而需要一定的时间积累去消化。区域的开放程度和工业增长质量存在正相关性，且显著水平比OLS中的结果有所提高，表明短期内区域利用外资越多，区域的工业增长质量就越高。显著水平和系数的提高可能是外商的投资效果能在短时间内立竿见影。短期内的效果要比长期效果更好，一个可能的解释是长期时间内，企业利用外资技术的边际效应逐渐降低，也从侧面说明企业并没有很好消化外资的技术。此外，资源依赖程度系数不具备统计意义，这个结果和长期静态分析的结果有所不同，一个可能的解释是资源依赖这一特性或许在短期并不能影响工业增长质量，而需要更长的时间。最后，经济水平在短期内的显著性不够，说明经济水平并不能在短期内直接影响工业增长质量。

(2)从区域产业特性这一维度看，第三产业比例系数不具有统计意义。专业化程度越高，短期内对工业增长质量有促进作用。值得分析的是，第三产业比例的提高在短期内对工业增长质量无相关性，唯一可能的解释是第三产业的比例提高仅仅是量的提高，而非质的提高，所以在短期内无法刺激和推动工业生产质量，这需要一个长期的过程。

(三)稳健性检验

表4给出了面板数据的OLS回归和固定效应模型的估算值，通过表4可以发现，OLS的值和固定效应模型下的估算值都和GMM估算下的值无很大的区别，并且被解释变量工业增长质量的滞后一期的值在OLS和固定效应回归系数中间，这说明本文的回归数据是稳健可靠的。

表4 OLS和固定效应回归结果

五、结论与建议

(一)结论

首先，本文在传统的全要素生产率中纳入非期望产出和能源投入，通过数据包络分析估算和分解样本的TFP值。通过分析，笔者认为样本中的江苏和山东两省工业增长质量较高，而福建和广西的工业增长质量较低。此外，通过对浙江和江苏两省的数据分析，笔者认为浙江的工业在废水排放和能源节耗上还有进一步提高的空间。总的来说，样本的废水的排放量和能源的使用对区域的工业增长质量起了决定性作用。

其次，本文使用OLS和GMM模型测算了区域因素对工业增长质量的长短期影响。区域的开放程度和专业化程度在长短期内都对工业的增长质量有显著的促进作用，其中开放程度对于短期的影响更大，原因可能是短期的外资投入能起到立竿见影的效果，但是区域内企业的消化速度缓慢导致长期影响减弱。此外，第三产业比例过高可能在长短期内都会拖累工业增长质量的提高，可能是因为本文研究范围仅仅是工业增长质量而非整个经济的增长质量导致研究结果的局限性。第三产业的结构对工业增长质量是否有负影响还需以后进一步的研究。同时，经济水平和资源依赖程度在短期内都对工业增长质量无显著性，但资源依赖程度在长期对工业增长质量有拖累可能。

最后值得一提的是区域的创新能力在长期能促进工业增长质量，但短期对工业增长质量无显著性。

(二)建议

通过本文的分析，笔者提出以下几点建议:

第一，增强区域的创新能力。本文的研究发现创新能力对工业增长质量在长期有着显著影响，因此政府应该不断鼓励企业创新和创造适合创新的企业生存环境。科技是第一生产力，只有创新才能长久的带动工业的发展，才能长期的提升企业的生产效率和生产质量。虽然创新能力在短期内的效应并不强，但是政府应该抛弃对短期效益的关注，注重长期可持续发展。

第二，增强区域的专业化程度。本文的研究表明专业化程度的加深能带动工业增长质量的增加。政府应该重点培育各地区的产业集群，发挥区域优势和产业优势，集中发展自身有比较优势的产业，避免一窝蜂的发展相同产业，导致不必要的资源浪费和重复建设。

第三，进一步开放外商投资。本文的研究表明外商的投资可以在短期内刺激工业增长质量的提高，如果企业能进一步消化吸收国外企业的先进技术和管理理念，外商投资对长期的工业增长质量也会有不错的表现。因此，政府应该进一步开放外商对本地区域的投资，做好招商引资的工作。

最后，减少对资源性行业的依赖。本文的研究数据表明，如果区域对资源性行业越依赖，长期的工业增长质量越低。一个可能的原因是我国目前的资源性行业管理模式粗放和效率低下，缺乏科技含量。政府应该减少对资源开采类行业的依赖，努力发展其它适合本土的科技产业或者服务性产业，这个也和可持续性发展保持一致性。

［1］涂正革．环境、资源与工业增长的协调性［J］．经济研究，2008，(2):71-74．

［2］冯华，宋振湖．中国工业循环经济发展评价研究［J］．国家行政学院学报，2008，(3):44-45．

［3］RON P G．Van Erek．Assessing the sustainability performances if industries［J］．Journal of Cleaner production，2005，(4):375-380．

［4］Dension．Why growth rates difference［M］．Washington D．C．: Brookings Institute，1967．

［5］舒元．中国经济增长的国际比较［J］．世界经济，1993，(6):29 -34．

［6］Krugman Paul．The Myth of Asia’s Miracle［J］．Fpreign Affairs，1994，(73):62-78．

［7］王俊能．基于DEA理论的中国区域环境效率分析［J］．中国环境科学，2010，(30):565-568．

［8］颜伟．基于DEA模型的中国环保投入相对效率评价研究［J］．生产力研究，2007，(4):21-22．

［9］Fare Rolf．Productivitiy growth，technical progress and efficiency change in Industrialized country［J］．The American economic review，1994，(84):66-83．