效率视角下装备制造各子行业竞争力差异性研究——基于辽宁省面板数据的实证研究

唐晓华 张欣钰

（辽宁大学经济学院，辽宁沈阳110036）

中国经济改革与发展

效率视角下装备制造各子行业竞争力差异性研究
——基于辽宁省面板数据的实证研究

唐晓华 张欣钰

（辽宁大学经济学院，辽宁沈阳110036）

研究运用DEA-Malmquist指数分析方法从效率视角对辽宁省7项装备制造各子行业竞争力进行评价，并在此基础上采用多指标面板聚类方法对辽宁省装备制造业在“十一五”至“十二五”时期分别进行聚类分析，进一步探究不同规划阶段内各装备制造行业竞争力变化特征及其影响因素。研究表明在2006～2014年间仅有通用装备制造业表现出良好的资源集约利用率，而其他6大装备制造行业的生产效率均呈现不同程度的下降趋势，为日后对不同类型装备制造业制定贴合自身发展特征的产业政策提供参考和理论依据。

装备制造业；DEA-Malmquist分析；效率视角；多指标面板聚类；竞争力

一、引 言

装备制造业作为制造业的重要核心组成部分，是中国目前经济转型提档过程中重要的支柱型产业，其发展水平的高低一定程度上能够反映国家综合实力的强弱。中国具备较高的装备制造产业集中度，拥有雄厚的产业基础和系统的工业体系，但仍旧暴露出产品技术储备薄弱、科技含量过低、配套能力差等一系列问题，直接制约了装备制造产业的市场竞争能力。而生产效率是衡量一个国家或地区行业经济增长质量的重要指标，能够有效度量产业资源优化配置程度，同时也是测度装备制造产业竞争能力的重要判别标准。因此，从效率视角分析不同阶段装备制造不同子行业竞争力的差异，有利于在经济发展的不同阶段探寻各产业竞争力变化发展特征，对产业能够合理利用现有资源提升产品附加值、提高技术能力有重要的意义。

针对装备制造产业发展已经有一些文献直接或间接对竞争力进行了研究。张洋(2006)、王青(2008)等人分别采用主成分分析方法与因子分析法，从规模竞争力和效益竞争力两方面对中国各省市装备制造业的竞争力进行综合评价比较，但仅限于明确各省间装备制造业发展水平的排位，未能从根本上探究其滞后原因〔1-2〕。杨砚峰、李宇（2009）采用系统动力学仿真模型对辽宁省装备制造业企业规模系统进行结构性分析，指出辽宁省装备制造企业没有发挥其存量优势并存在管理效率偏低问题，可采用“企业集群式—推拉结合模式”助力其产业发展，但并没有结合装备制造各子行业自身发展特征作以相应的发展模式解析〔3〕。郭长义（2012）从制度创新角度对装备制造业做出定性分析，并指出提升装备制造综合竞争力的改革路径方案，虽具有一定的普遍指导意义但其具有一定的主观判别性，难以实时反映装备制造自身特有的发展问题〔4〕。段婕等人（2012）采用改进的DEA评价模型对中国装备制造业技术创新效率进行评价，指出装备制造各行业技术创新效率普遍不高，其创新资源没能够得以充分利用，但未能对其症结做出归纳解析〔5〕。

综上所述，目前专家学者对装备制造业研究多数侧重于产业整体经济效益、产业经济制度、产业技术创新等方面的分析，尚无从效率视角出发探析装备制造产业竞争力变化特征。从理论经济学的角度分析，竞争力的实质就是经济效率或是生产率，而效率正是装备制造产业核心竞争力的本质体现。针对效率的研究最早由Cary Jefferson（2000、2003）等人于20世纪80年代引入中国，随后引起国内学者的广泛关注，并将研究逐步延伸扩展至不同行业领域和企业的不同层面〔6-7〕。现阶段有关生产效率的评价方法大致可以分成有参数和非参数这两类，其中带有参数的生产率测度方法有利用回归生产模型对生产效率进行估计〔8〕、随机前沿模型（SFA）〔9〕，非参数生产率测度方法有数据包络分析法（DEA）〔10-11〕、Malmquist生产率指数法〔12〕。两种方法均各自存在优势与短板，有参数方法需首先假定生产函数形式，因此可能会产生由于生产函数设定不当而影响测度数据准确性的问题。

鉴于传统的数据包络分析法（DEA）仅能对技术投入资源的截面数据进行效率分析，本文研究采用Malmquist指数方法基于面板数据从多层面对2006—2014年间辽宁省装备制造业各子行业的技术生产效率进行解析。为进一步探究不同阶段各装备制造业生产效率增长及波动情况，本文采用多指标面板数据聚类方法，基于各装备制造产业不同阶段技术进步、纯技术进步率、规模效率变动数据对其进行层次聚类。聚类分析更容易辨识不同装备制造产业在不同规划发展时期中所展现的共性以及差异性，有助于探究各大类装备制造业竞争效率变化的影响因素及发展所存在的问题。其研究结果可以更清楚地分析装备制造业不同子行业在近十年内竞争力发展脉络和方向，也为今后针对不同类型装备制造业制定切合其自身发展特征的产业政策提供参考和理论依据。

二、研究方法与数据处理

（一）DEA-Malmquist生产率指数模型

数据包络分析（DEA）是测度产业效率变化的主要方法之一，但Charnes（1978）等人提出的初级模型只能对经济系统中每个不同决策单元的效率进行同期横向式对比〔13〕，而Fare（1997）构建的Malmquist指数方法能够有效地弥补这种不足〔14〕。Malmquist指数的构造基础是距离函数，即各点在同一包络面的距离比值，先假设存在f=1，2，…，F个决策单元，每个决策单元在t=1，2，…，T时通过n=1，2，…，N种资源投入获得了m=1，2，…，M种效益产出，其中：xtf=（xt1f，xt2f，…xtnf）T表示第f个决策单元在t时期的输入指标值；ytf=（yt1f，yt2f，…ytnf）T表示第f个决策单元在t时期的输出指标值。根据DEA方法的基本原理，在规模报酬不变的条件下，其生产可能集为：

其中ωf表示每个决策单元观察值的权重，（xt，yt）在t期的距离函数为Dt0（xt，yt），在t+1期的距离函数为Dt+10（xt，yt），令（xt+1，yt+1）在t期的距离函数为Dt0（xt+1，yt+1），在t+1期的距离函数为Dt+10（xt+1，yt+1）。

在t期的技术条件下，从t期到t+1期的技术效率变化为：

在t+1期的技术条件下，从t期到t+1期的技术效率变化为：

运用两个Malmquist生产率指数的几何平均值来计算t期到t+1期的生产率变化为：

其分解形式如下：

公式（5）中tfpch表示t～t+1时期内TFP的变化程度，若Mo＞1，代表此产业的TFP提升；若Mo＜1，代表TFP退步；若Mo=1，代表TFP处于不变状态，借鉴已有的研究将测算结果划分为4种类型〔15〕，分别为低效型（M＜0.9）、徘徊型（0.9＜M＜1）、低增长型（1＜M＜1.1）以及高增长型（1.1＜M）。

运用Malmquist指数法可将效率分解为技术效率变化指数effch和技术进步指数techch，如公式（6）所示。其中技术效率变化指数effch主要用于测度t～t+1时期内每个决策单元到生产前沿的近似程度，即追赶效应，当effch＞1时表示决策单位与最优决策单位的生产前沿面的差距在缩小，更接近最优生产状态；当effch=1时表示相邻两期的技术效率相同；当effch＜1时表示决策单位与最优决策单位生产前沿面的差距加大，更偏离最优生产状态。技术进步指数techch主要用于测度决策单位从t～t+1时期生产技术变化程度，即“增长效应”，当techch＞1时，表示生产边界外移，整体产业技术有所创新呈现进步状态；当techch=1时，表示生产边界不变，产业技术没有改变；当techch＜1时，表示生产边界向原点移动，整体产业技术呈现衰退趋势。此外，技术效率变化指数effch可以进一步细分为纯技术效率变化指数pech和规模效率变化指数sech，如式（7）。

（二）多指标面板数据聚类方法

为进一步挖掘装备制造业各子行业10年间生产效率波动的内在规律，根据公式（7）研究选取技术进步、纯技术效率、规模效率作为每个产业效率特征指标，运用多指标面板数据聚类方法分别对“十一五”与“十二五”期间辽宁装备制造业子行业生产效率进行聚类分析〔16〕。设Xij（t）为第i项装备制造业的第j个特征指标在t时间内的数值，i∈（1，N），j∈（1，M），t∈（1，T），选取欧氏时空距离作为该面板数据的相似性指标，定义第g项装制造业与第p项装备制造业间的欧式空间距离函数记为dgp：

装备制造业各子行业间欧式距离可用矩阵形式表示，其呈现对角线元素为0的对称三角距离矩阵：

在用欧氏时空距离对相似性指标进行求解后，选用离差平方和法对装备制造业子行业间指标进行聚类，假设子行业i属于第K类装备制造业集合（i∈K）表示集合K中所有装备制造业子行业的第j项指标在t年度的平均值，则记k类间样品的离差平方和函数为Sk，如式（9）、（10）：

（三）数据选取

本着以科学性、系统性、可测度性为原则，同时考虑到数据的可获得性，本文选取2007—2015年《中国工业经济统计年鉴》《中国统计年鉴》《辽宁统计年鉴》数据进行求解分析。根据《国民经济行业分类》装备制造业包括7个行业大类：C34金属制品业；C35通用设备制造业；C36专用设备制造业；C37交通运输设备制造业；C39电气机械及器材制造业；C40计算机、通信及其他电子设备制造业；C41仪器仪表制造业。计算中选取固定资产净值年平均余额和流动资产年平均余额作为当年的资本投入量；选取从业人员年平均人数作为劳动投入量；选取年度工业销售总产值、营业收入和利润总额作为产出变量。为消除价格因素所带来的影响，工业销售总产值、营业收入和利润总额使用当年各地区工业品出厂价格指数进行折算，固定资产净值年平均余额和流动资产年平均余额分别运用固定资产投资价格指数及资料价格指数进行折算。

三、实证研究

运用Max6.3软件对2006～2014年辽宁省装备制造业各子行业投入与产出面板数据进行DEAMalmquist指数分析，其中全Malmquist指数tfpch可分解为技术效率变化指数effch和技术进步指数techch，而技术效率变化指数effch可以进一步细分为纯技术效率变化指数pech和规模效率变化指数sech，从更为详细角度对装备制造产业竞争力变化特征进行分析，具体结果如表1所示：

表1 2006—2014年辽宁装备制造业各子行业Malmquist指数及分解

续表

从表1中各装备制造业行业在2006—2014年间的效率变化趋势可知，在要素投入—产出效率方面辽宁省仅有通用装备制造业表现出良好的资源集约利用率，其他6项装备制造行业的TFP均呈现不同程度的下降趋势，整体竞争优势减弱。为进一步挖掘隐没在数据中的内在规律，探究辽宁各装备制造业在不同时间段内竞争力变动的层次类型状况，研究采用对数据结构假设较少的多指标面板数据聚类方法对表1中2005—2010年、2011—2014年两个时间段的Malmquist指数数据作以辅助性聚类分析，借以凸显辽宁省7项装备制造业在不同时期内竞争力的差异情况及其变动影响因素。

（一）辽宁省装备制造业各子行业竞争力变动阶段性聚类分析

针对辽宁省7个装备制造业子行业在2006—2010年、2011—2014年两时间段内技术进步、纯技术效率、规模效率三项竞争力指标的变动状况，利用多指标面板数据聚类方法对各行业共性发展趋势进行总结归类。选用欧氏距离作为该面板数据的相似性指标，选用离差平方和法进行聚类分析，得到辽宁省各装备制造业生产效率面板数据聚类谱系图，如图1、2所示。

图1 2006—2010年辽宁省各装备制造业生产效率聚类谱系图

图2 2011—2014年辽宁省各装备制造业生产效率聚类谱系图

根据2006—2010年、2011—2014年不同规划阶段效率数据的面板聚类结果，装备制造业子行业可大致分为4类，如表2所示。从聚类汇总结果中不难发现，各装备制造业在不同的规划中自身生产效率发生变动，使其在不同阶段的竞争力形成差异性聚类结果。根据面板数据聚类结果，

表2 辽宁省装备制造业各子行业不同阶段生产效率聚类分析

在“十一五”期间辽宁省装备制造业子行业按效率演变趋势大致可分成四类：第一类为交通运输设备制造业、金属制品业；第二类为通用设备制造业；第三类为专用设备制造业、仪器仪表制造业；第四类为电气机械和器材制造业、计算机-通讯及其他电子设备制造业。在“十二五”规划前4年，辽宁省装备制造业整体生产效率呈现下滑趋势，其聚类结果发生实质性的改变：第一类变为通用设备制造业；第二类变为金属制品业、专用设备制造业、计算机-通讯和其他电子设备制造业；第三类变为交通运输设备制造业、电气机械和器材制造业；第四类变为仪器仪表制造业。

图3 基于TFP的辽宁省装备制造业各子行业竞争力变化趋势

如图3所示，在“十一五”“十二五”两规划阶段内辽宁省各装备制造业子行业的TFP呈现出不同的演进发展趋势。在“十一五”期间一、二类装备制造行业的TFP均呈现逐年增长趋势，虽然交通运输设备制造业在TFP均值方面略逊于第三类中专用设备制造业，但其在技术进步、纯技术效率与规模效率等方面均呈现良好的增长态势。三、四类中装备制造子行业TFP在此阶段则呈现不同程度的下滑趋势，第三类装备制造业TFP在2006—2009年处于平稳发展状态，在2009—2010年却突然发生大幅度变化，快速下滑，相较于第三类的急速逆转第四类装备制造业在2006—2009年呈逐年小幅度下滑态势，在2009—2010年恢复稳定发展状态。

在“十二五”期间，较比初始2006—2007年TFP，在七大装备制造子行业中仅有第一类的通用设备制造业仍保持增长，其产业效率虽然在规划初期2010～2012年小幅下降由1.248降至1.045，变为低增长型，但其在短暂波动后逐渐恢复呈高增长状态。在第二类中金属制品业TFP逐年下滑，从1.161降至0.903；专用设备制造业TFP在此阶段则处于波动徘徊状态，保持在1左右；计算机、通信和其他电子设备制造业在初始时期延续了“十一五”时期生产效率趋势，处于生产效率增长徘徊阶段，在2013—2014年间快速增长达到1.024。第三类为交通运输设备制造业，其TFP在四年中呈现持续下滑趋势，与第一阶段相比，交通运输设备制造业生产效率较之前下降10.1%。第四类装备制造产业与“十一五”时期相比较总体竞争力呈大幅度下降趋势，仪器仪表制造业虽然在2012—2014年间呈现小幅增长，但与“十一五”时期相比其TFP下降幅度高达28.5%，电气机械和器材制造业TFP下降幅度为26.2%。

（二）辽宁省装备制造业各子行业竞争效率变化趋势分析

从上述分析中可以看出，装备制造业各子行业在不同发展时期其TFP增长变化差异显著，除通用设备制造业外，其他装备制造业竞争效率在“十二五”规划期间分别表现出不同程度的下滑。研究从技术效率和技术进步对于TFP共同作用的角度，对基于TFP的装备制造竞争力效率变动影响因素进行分析，探究在不同阶段四大类装备制造业所表现出的共性问题，进而揭示近期辽宁省装备制造业生产效率下滑的本质原因。

从图4可知，在“十一五”期间作为第二大类的通用装备制造业虽然在TFP均值方面略逊于第一大类装备制造业，但其受技术进步增长影响呈逐年稳定上升趋势，在“十二五”开端前两年通用装备制造业技术水平下滑，TFP受其影响从1.248迅速下滑至1.045，在2012—2014年，其技术效率的不断提升抵消了前两年技术进步衰退所带来的影响，使其生产效率由低速增长型转为高速增长型。虽然其生产效率上存在变化波动，但通用设备制造业仍是唯一一个TFP总体呈现逐年增长、发展势头稳中有升的制造行业，这从侧面反映了通用装备制造业具备良好的科技基础条件，能够扭转生产技术落后的颓势。

图4 通用设备制造业Malmquist指数及其分解

与第二类通用装备制造业不同，其他6大装备制造业在“十二五”期间相较于“十一五”生产效率均有一定的下降，下页图5～10是“十一五”“十二五”期间各装备制造业生产效率变化趋势图。从图中可以看出，在“十一五”期间第一大类金属制造业与交通运输设备制造业产业发展特征处于较优的规模状态，产业技术进步是拉动两产业TFP增长的关键因素，其TFP每年均呈现稳步上升趋势；金属制造业由从初始的低速增长型（1.089）逐步提升至高速增长型（1.185），交通运输设备制造业TFP增长指数则一直保持增长，由1.159一直稳定提升至1.279。第三大类专用设备制造业与仪器仪表制造业在初始阶段2006—2008年间呈现出稳步提升的走势，然而在2008—2010年，首先技术效率下滑至1以下，随后产业技术呈快速衰退现象致使TFP出现首次大幅度的下降，“十一五”规划末期跌至1.032。第四大类装备制造业在技术效率恶化与生产技术退步的共同作用下导致电气机械和器材制造业、计算机-通信和其他电子设备制造业TFP在2006—2009年内一直处于不断下滑趋势。其中电气机械和器材制造业、计算机-通信和其他电子设备制造业由初始的高速增长型（1.121、1.097）分别滑落至低速增长型（1.003）和低效徘徊型（0.931），之后两产业在技术效率提高和技术退步两者抵消效应影响下，在2009～2010年间TFP保持平稳状态。

图5 金属制品业Malmquist指数及其分解

图6 交通运输设备制品业Malmquist指数及其分解

图7 专用设备制品业Malmquist指数及其分解

图8 仪器仪表制品业Malmquist指数及其分解

图9 电气机械和器材制品业及其分解

图10 计算机、通信和其他电子设备制造业Malmquist指数及Malmquist指数及其分解

在“十二五”期间随着各装备制造业生产效率的变化，其层次聚类也发生差异性的变化。在此阶段第二大类装备制造业的TFP变化是由技术效率与技术进步两者共同推动的，尤为典型的是金属制品业与专用设备制造业，其TFP增长指数随着技术效率的不断恶化与技术进步水平的下降呈现出衰退的趋势，并最终分别下滑至0.903与0.984。这从侧面说明，在2011—2014年间金属制品业与专用设备制造业发展受到组织管理水平不高和技术创新能力低下两者的共同制约。反观计算机-通讯和其他电子设备制造业，在2011—2012年期间，技术效率的提高被技术退步影响，TFP指数重新回稳，徘徊在0.9左右，其后在2013—2014年间在技术效率改善与技术进步共同促进作用下TFP回升至1.024，处于效率低速增长状态。第三大类交通运输设备制造业TFP变化呈现出先降后稳的发展趋势，在相对稳定的阶段也就是2012—2014年间交通运输设备制造业技术进步指数快速增长，但技术效率的大幅下降在一定程度上抵消了增长作用，其TFP虽略有小幅增长却一直处于低效模式。在第四大类中仪器仪表与电气机械和器材制造业是效率衰退最严重的产业，其严重影响两产业的市场竞争能力，致使其制造产出增长率远低于要素投入的增长率，从推动TFP增长的动力方面分析，产业技术效率过低是目前制约两产业TFP提升的重要因素。

四、结论与启示

本文采用非参数的DEA-Malmqusit方法分别从技术效率、技术进步以及TFP这3部分对辽宁装备制造各子行业的竞争力进行分析，同时分阶段深入探究“十一五”至“十二五”期间辽宁经济发展过程中3项指标变动趋势。研究发现除通用设备制造业呈现出良好的生产效率发展态势外，其余6项装备制造业均表现出不同程度的效率下滑。根据各装备制造业TFP波动下降的原因，本文提出如下对策建议：

（一）结合本文的实证研究结果，建议可以优先扶持发展通用设备制造业这类具有较高生产效率的优势产业。在积极促进通用设备制造业提质增效继续保持其发展优势的同时应该鼓励行业间创新学习、模仿和技术流动，既可以增加创新成果的回报，又可以促进行业间产生更强烈的创新激励效应。对于在“十二五”期间TFP呈现增长趋势的计算机、通信其他电子设备制造业，政府可以对其产业技术资源适当加大一定的投资力度，使其在“十三五”时期仍能够保有良好的产业竞争优势。

（二）在“十二五”期间仅有交通运输设备制造业产业技术进步率有增长趋势，而其余子行业技术进步率均维持在1左右波动，这反映出辽宁省装备制造业行业间存在较强的技术壁垒。仅有交通运输设备制造业从技术进步和效率改善中受益较大。由此可见，辽宁省装备制造业普遍存在设备技术水平不高的问题，能否较好协调资本投入与技术工艺相应的配套，使之在提高装备制造生产效率过程中能够有效地发挥组合作用，将对今后辽宁省装备制造竞争力的提升至关重要。辽宁省应制定相应的鼓励技术创新政策，从而加速前沿技术进步、提升装备制造业技术工艺和产业的经济效益产出。

（三）通过不同阶段的分类研究可以发现，在“十二五”时期的第三、四大类的装备制造业相较于“十一五”时期均存在产业技术效率整体相对偏低的问题。因此，在后期规划时应重点关注交通运输设备制品业、仪器仪表制品业、电气机械和器材制品业这三个行业的综合研发效率情况。应充分利用高质量的技术资源，通过强化对技术的吸收转化能力，增强研发成果产业化意识等措施来增进产业技术效率的提升。同时也要注意制造产品研发过程中的管控工作，引入科学的技术创新系统管理方法，进而全面提升产业技术研发效率水平。

〔1〕张洋，刘春芝.辽宁装备制造业竞争力的比较分析〔J〕.辽宁大学学报:哲学社会科学版，2006，34（2）：115-119.

〔2〕王青，刘美泽.辽宁装备制造业与国内同行业竞争力比较分析〔J〕.社会科学辑刊，2008（4）：91-94.

〔3〕杨砚峰，李宇.技术创新的企业规模效应与规模结构研究——以辽宁装备制造业为例〔J〕.中国软科学，2009（2）：164-172.

〔4〕郭长义.基于制度创新的辽宁装备制造产业竞争力提升—以沈阳市铁西区装备制造业改造过程中的政府制度创新为例〔J〕.辽宁大学学报（哲学社会科学版），2012，40（3）：90-94.

〔5〕段婕，刘勇，王艳红.基于DEA改进模型的装备制造业技术创新效率实证研究〔J〕.科技进步与对策，2012，29（6）：65-69.

〔6〕Jefferson G H,Rawski T G,Li W,et al.Ownership,Productivity Change,and Financial Performance in Chinese Industry〔J〕. Journal of Comparative Economics,2000,28（4）:786-813.

〔7〕Jefferson G,Hu A G Z,Guan X,et al.Ownership,performance,and innovation in China's large-and medium-size industrial enterprise sector〔J〕.China Economic Review,2003,14（1）:89-113.

〔8〕白重恩，张琼.中国生产率估计及其波动分解〔J〕.世界经济，2015（12）：3-28.

〔9〕周晓艳，韩朝华.中国各地区生产效率与全要素生产率增长率分解（1990-2006）〔J〕.南开经济研究，2009（5）：26-48.

〔10〕Sala-Garrido R,Hernández-Sancho F,Molinos-Senante M.Assessing the efficiency of wastewater treatment plants in an uncertain context:a DEA with tolerances approach〔J〕.Environmental Science&Policy,2012,18（18）:34-44.

〔11〕Rogge N,Jaeger S D.Measuring and explaining the cost efficiency of municipal solid waste collection and processing services〔J〕.Omega,2013,41（4）:653-664.

〔12〕Hashimoto A,Haneda S.Measuring the change in R&D efficiency of the Japanese pharmaceutical industry〔J〕.Research Policy,2008,37（10）:1829-1836.

〔13〕Charnes A，W W Cooper，E Rhode.Measuring the efficiency of decision making units〔J〕.European Journal of Operational Research,1978,1（1）:429-444.

〔14〕Färe R,Norris M.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries:Comment.〔J〕. American Economic Review,1997,87（87）:1033-39.

〔15〕顾乃华,李江帆.中国服务业技术效率区域差异的实证分析〔J〕.经济研究，2006（1）：46-56.

〔16〕郑兵云.多指标面板数据的聚类分析及其应用〔J〕.数理统计与管理，2008，27（2）：265-270.

On the Competitiveness Difference Intra Equipment Manufacturing Sub-Industry in Liaoning Province: Based on DEA-Malmquist Index Analysis Model

TANG Xiaohua ZHANG Xinyu
（School of Economics,Liaoning University,Shenyang 110036,China）

Utilizing the DEA-Malmquist index analysis method,the author evaluates the competitiveness of seven equipment manufacturing sub-industries in Liaoning province from the perspective of efficiency. Based on the analysis,the multifactor cluster method is used to analyze the equipment manufacturing in Liaoning province during the 11th and 12th five-year-plan periods.It’s indicated that the trends of competitive characteristics and influence factors are related to competitiveness.Research shows that,from 2006 to 2014,only the general equipment manufacturing shows up the good condition of intensive utilization of resources while the other six sub-industries are considered to be undesirable,or even worse,in varying degrees of decline.Nonetheless,the article attempts to provide targeted suggestions and strategies for equipment manufacturing sub-industries in Liaoning province.

equipment manufacturing industry;DEA-Malmquist index analysis;production efficiency; multifactor cluster analysis;competitive power

F407

A

1002-3291（2017）02-0036-10

【责任编辑 裴鸿池】

2016-10-21

唐晓华，男，辽宁沈阳人，辽宁大学经济学院教授，博士生导师。研究方向：产业集群。张欣钰，女，辽宁抚顺人，辽宁大学经济学院博士研究生。研究方向：产业演化。

教育部哲学社会科学研究重大课题攻关项目“中国先进制造业发展战略研究”（14JZD018）。