我国矿产资源产业链技术效率动态演进态势研究

闫军印，侯孟阳

(河北地质大学研究生学院，石家庄 050031)

0 引 言

矿产资源产业链是一个包含矿产资源采选、加工以及后续利用等相关产业在内所构成的庞大产业体系，这一产业体系不仅为我国经济发展提供能源、矿产品和基础原材料保障，同时也是构成我国经济发展的重要产业组成部分，对我国工业化发展发挥着重要的支撑作用[1]。如何在科学评价我国矿产资源产业链技术效率的同时，全面分析和判断产业链技术效率发展演变的规律和态势，系统地规划产业链不断发展和提升的技术路径，具有重要的现实意义。

自新古典经济增长理论提出收敛性概念以来，国内外学者开展了不同领域的收敛性问题研究。Sala.I.Martin对1960～1990年间110个国家的经济增长进行了实证研究，结果出现了较为明显的收敛性[2]；徐现祥等[3]采用非参数Kernel密度方法，估计了1978～1998年全国各省(区、直辖市)的收入分布，并进行了作用要素分解；何江等[4]利用1985年、1995年和2004年31个省(区、市)的人均GDP数据和非参数Kernel密度方法，从时间和空间两个视角实证模拟出全国相对人均GDP的分布曲线；陈立中[5]采用相似方法估计了1987～2008年城镇居民收入的分布情况及其演进特征。总结国内外相关研究文献，分别从地区经济增长、人均收入、人均产出、专利数量等方面开展收敛性问题研究。本文以1991～2014年我国矿产资源产业链技术效率分析测评结果为基础，对矿产资源产业链技术效率的收敛性特征开展研究，以便对我国矿产资源产业链技术效率的动态发展演变态势做出科学判断。

1 研究方法及数据来源

1.1 研究方法及模型

核密度估计(Kernel Density Estimation)在经济增长演进的收敛性问题研究中应用广泛，属于密度制图，是根据输入的要素数据计算整个区域的数据集聚状况，从而产生一个连续的密度表面。从本质上说，它是一个通过离散采样点进行表面内插的过程。Kernel密度估计通过平滑的方法，用连续的密度曲线代替直方图，从而更好地描述变量的分布形态，较直方图方法估计准确且光滑性好。其基本原理为：Kernel密度估计作为非参数估计方法，可用连续的密度曲线描述随机变量的分布形态。

设随机变量x的密度函数为f(x)，对于随机变量Y有n个独立同分布的观测值，分别为y1，y2，…，yn，Kernel密度函数值的估计量表达为式(1)。

(1)

式中：n为研究的区域个数；i=1，2，…，n；h为窗宽(bandwidth)；K(·)是随机核估计的核函数。

窗宽h的选择决定了所估计密度曲线的平滑程度，窗宽越大，核估计的方差越小，密度函数曲线越平滑，但估计的偏差越大。因此，最佳窗宽的选择必须在核估计的偏差和方差之间进行权衡，使均方误差最小。根据研究，最佳窗宽h=cN-0.2(c为常数)[6]。此处采用高斯正态分布的核密度函数，窗宽设定为h=0.9SeN-0.2(即c=0.9Se，Se是随机变量观测值的标准差)。利用经济增长理论中的收敛特性，估计我国矿产资源产业链技术效率分布演变的收敛性特征。

1.2 研究对象及数据来源

按照矿产资源开发利用过程的产业关联性和我国行业划分标准[7]，本文依据矿产资源的类型划分，确定研究对象为煤炭资源产业链、石油和天然气资源产业链、黑色金属矿产业链、有色金属矿产业链和非金属矿产业链五大资源产业链。在样本数据采集时，根据不同省区矿产资源的禀赋差异及资源产业链发展程度的现实状况，遵循差异化的选取原则，其中煤炭资源产业链分析样本为24个省区；石油和天然气资源产业链分析样本为15个省区；黑色金属矿产业链分析样本为23个省区；有色金属矿产业链分析样本为24个省区；非金属矿产业链分析样本为24个省区分析研究基础数据来源于1992～2015年《中国统计年鉴》及各省区统计年鉴。

2 不同省区资源产业链技术效率发展演变特征分析

依据投入导向型数据包络分析(DEA)的CCR、BCC和超效率模型，对不同省区矿产资源产业链技术效率进行分析测评，得到各省区资源产业链技术效率时间序列评价结果(表1)。采用Eviews8.0软件对不同省区矿产资源产业链技术效率进行Kernel密度估计，密度核采用高斯核，点x的取值参照徐现祥[3](2008)的研究处理方式(式(2))，将每年矿产资源产业链技术效率分成200份，x依次取值为：j=0，1，2，…，199。

(2)

时点选取1991、1996、2001、2006、2011、2014年共6个年份作为观测点进行分析，以揭示矿产资源产业链技术效率的时间序列分布演变态势，得到不同省区总体技术效率核密度估计结果及不同观测点分布状况(图1)。同时，根据不同省区资源产业链技术效率Kernel密度分布的发展演变特征，将技术效率划分为3个不同等级，即较低效率区域[0.4，0.7)、一般效率区域[0.7，1.0)、较高效率区域[1.0，+∞)，以便更好地分析判断不同省区资源产业链技术效率时空分布的发展变化态势(表2)[8]。

表1 不同省区矿产资源产业链技术效率测评结果

从我国矿产资源产业链技术效率Kernel密度估计分布特征来看，各省区资源产业链技术效率的分布形态呈现 “弱双峰→单峰”分布的发展演变态势，具体特征表现为：① 1991～2014年不同时点Kernel密度分布特征总体上呈现出向右移动的态势，处于低效率区域的省份不断减少，而处于中等和较高效率区域的省份在不断增加，说明我国不同省区矿产资源产业链总体技术效率均表现出不同程度的增长，但增长速度比较缓慢；②从发展演变过程来看，1991～2014年各观测点Kernel密度分布图的弱双峰分布向单峰分布变化的特征不断突出，说明我国不同省区矿产资源产业链总体技术效率的差异程度呈减小态势，正在逐步向单峰趋同收敛性演进；③不同时点Kernel密度分布曲线波峰高度明显下降，说明各省区资源产业链技术效率的有效性并不显著，多数省区的技术效率集中分布于0.7～1.0范围内，反映大部分省区处于技术效率一般状态，只有少数省区的技术效率大于1，表现出我国矿产资源产业链技术效率整体水平不高，资源利用效率偏低；④各省区矿产资源产业链技术效率有效程度与地区经济发展水平具有较强的关联性，技术效率较高的省区经济较为发达，如广东、浙江、江苏、天津、山东等，这些地区具有较好的技术装备条件，能够为资源型产业链的技术升级、供应链整合等提供更多的人力、技术、资金及政策支持。

图1 各省区资源产业链技术效率核密度分布

年份技术效率较低区域[0 4，0 7)技术效率一般区域[0 7，1 0)技术效率较高区域[1 0，+∞)1991青海、宁夏、贵州、新疆、陕西、山西、内蒙古、黑龙江、甘肃、河南、吉林辽宁、四川、江西、云南、河北、湖南、广东、山东、湖北、广西、福建、安徽、浙江江苏、北京、天津1996青海、宁夏、新疆、山西、内蒙古、陕西、甘肃、贵州、辽宁、吉林、黑龙江、四川、江西、云南、广西河南、湖南、湖北、河北、北京、安徽、山东、福建、浙江江苏、广东、天津2001内蒙古、青海、陕西、山西、宁夏、贵州、广西、云南、甘肃、四川、江西、黑龙江、吉林、辽宁湖南、湖北、新疆、河南、安徽、河北、福建、山东、北京、江苏浙江、广东、天津2006青海、宁夏、贵州、山西、陕西、内蒙古、甘肃、湖北、云南、四川、新疆、吉林、广西、黑龙江湖南、安徽、辽宁、江西、北京、福建、河北、河南、浙江、山东江苏、广东、天津2011青海、宁夏、贵州、云南、山西、黑龙江、陕西、四川、内蒙古、甘肃、浙江、新疆广西、湖北、安徽、北京、河北、辽宁、广东、江苏、吉林、福建、河南、湖南、山东江西、天津2014山西、贵州、云南、黑龙江、新疆、青海、四川、宁夏、陕西河北、浙江、辽宁、安徽、河北、甘肃、内蒙古、河南、广东、广西、江苏、福建、吉林、湖南山东、北京、江西、天津

3 不同类型资源产业链技术效率发展演变特征分析

为了进一步剖析不同类型矿产资源产业链技术效率的发展演变特征，本文在对我国五大类资源产业链技术效率进行分析测算的基础上(表3)，采用Kernel密度估计对不同矿种产业链的技术效率分布特征进行具体分析，以揭示不同矿种资源产业链技术效率的时空演化趋势(图2～6)。

图2 煤炭资源产业链技术效率Kernel密度分布

年份煤炭资源产业链石油天然气资源产业链黑色金属矿产业链有色金属矿产业链非金属矿产业链年份煤炭资源产业链石油天然气资源产业链黑色金属矿产业链有色金属矿产业链非金属矿产业链19910 7170 7530 771⁃0 81320030 6140 7780 6550 5980 76119920 6760 7230 757⁃0 79220040 6690 7750 7640 6660 79419930 6940 7630 7380 6840 90120050 6750 7640 7980 7070 80519940 6870 7610 6640 6800 87020060 6910 7690 7890 7690 85619950 6560 7470 7050 6840 85520070 7250 7970 7980 7580 83619960 6480 7390 7040 6680 80620080 7600 8070 7900 7470 82719970 6480 7340 6880 6550 81120090 7320 7970 7610 7070 81219980 6320 6970 6860 6350 79020100 7730 7980 7860 7120 83619990 6220 6560 6840 6140 80220110 7100 7670 7690 6840 68820000 6120 7120 6700 6280 77820120 7010 7630 7630 6730 67220010 5970 7370 6860 6170 69720130 6770 7760 7510 6720 66820020 6070 7520 6920 5930 74920140 6820 7530 7110 6810 696

图4 黑色金属产业链运行效率Kernel密度分布

图5 有色金属产业链运行效率Kernel密度分布

图6 非金属矿产业链运行效率Kernel密度分布

从以上Kernel密度估计结果可以看出，不同类型资源产业链技术效率的核密度分布呈现出以下特征。①各种类型资源产业链的技术效率Kernel密度分布整体上均表现出先向左移动后向右移动的演变过程，即技术效率经历了先下降后上升的发展演变过程。1991～2001年期间各种类型资源产业链出现了技术效率下降的特征，2001年之后产业链技术效率均表现出不同程度的提升态势，说明2001年之前受我国经济快速发展对矿产品及基础工业原材料高强度需求的拉动，各资源产业链均经历了低技术水平基础上规模快速扩张的发展历程，2001年之后，随着国内资源可供性的持续降低，各资源产业链相继采取了改进生产技术、挖掘资源潜力、开发利用整合、提高产业集中度等相应措施，各资源产业链的技术效率呈现出不断提升的发展态势。②从Kernel密度分布图的变化特征看，不同类型资源产业链技术效率分布呈现出差异性变化趋势。能源类资源产业链(煤炭资源、石油和天然气)表现出“弱双峰→单峰”的演变过程，产业链技术效率分异程度经历了由增大到减小的发展过程；非能源类资源产业链(黑色金属、有色金属和非金属)表现出“弱单峰→双峰”的演变过程，各资源产业链技术效率的分异程度经历了由减小到增大的发展过程。改革开放以来，随着我国经济社会发展快速发展对能源需求的持续增长，能源类资源产业链技术效率的差异性变化不大。对于非能源类资源产业链，20世纪90年代各资源产业链技术效率分异并不明显，技术效率表现出一定程度的趋同趋势;进入21世纪后，产业链技术效率与各地区经济发展水平的关联程度不断加强，随着各地区经济发展的差距拉大，一些地区产业升级步伐加快，经济发达地区资源产业链技术进步的速度明显高于较不发达省区，技术效率呈现出显著的双峰分布演化特征。③从不同类型矿产资源产业链技术效率整体演变的差异性来看，石油和天然气资源产业链技术效率明显高于其他类型资源产业链，说明我国工业化发展过程中对不同矿产品的需求程度、对国外资源的依存度、产业构成特征对资源产业链技术效率的提升速度具有显著的影响。对能源、特别是石油和天然气资源的持续旺盛需求，客观上促进了这一资源产业链技术效率的提升，国外资源获取的约束和风险不断加大，刺激了国内相关产业的技术进步。

4 结论及启示

依据我国1991～2014年不同省区及五大类矿种矿产资源产业链的面板数据，采用投入导向型数据包络分析对各省区及不同矿种资源产业链技术效率进行测评的基础上，利用Kernel密度估计对我国不同省区及不同矿种资源产业链技术效率的发展演变态势进行了全面具体分析，得到如下研究结论及启示。

1)从不同省区矿产资源产业链技术效率Kernel密度分布发展演变状况来看，改革开放以来，我国矿产资源产业链技术效率经历了三个阶段的发展演变过程：第一阶段为改革开放初期小规模生产基础上的技术效率相对较低时期；第二阶段为技术效率较低水平上的生产规模快速扩张时期；第三阶段为稳定规模基础上的技术效率缓慢提升时期。随着我国产业结构的提升，众多新兴产业对原材料类型、品质和技术含量要求的不断提高，客观上对资源产业链的技术进步产生明显的拉动效应，矿产资源产业链技术效率即将进入快速提高的新阶段。如何充分利用产业结构调整和新兴产业发展对资源产业链技术进步的倒逼机制，加快自身的技术创新能力提升和技术进步速度，不断提升资源产业链技术创新的溢出效应，成为产业链未来发展面临的主要课题[9]。

2)从不同类型矿产资源产业链技术效率Kernel密度分布状况来看，我国矿产资源产业链的技术效率Kernel密度分布呈现出不同方向的发展演变态势，表现出我国矿产资源产业链无论从产业链类型上，还是从空间区域分布上，都存在着不同程度的分异性特征，这种分异特征与不同类型资源禀赋、地区经济发展水平、产业结构组成、资源需求程度等因素存在较强的相关性。这就需要从矿产资源产业链整体的技术进步目标出发，科学谋划和构建我国矿产资源产业链技术发展平台体系，开展技术需求和发展方案的规划和论证，充分发挥产业链技术发展平台体系的引领作用，不断强化不同地区、产业链不同环节的技术创新和技术进步，逐步缩小地区之间、不同类型资源产业链之间的技术效率差异，促进我国矿产资源产业链技术水平的全面提升[10]。

参考文献

[1] 闫军印，段亚敏，侯孟阳.转型背景下技术创新能力影响因素动态演化实证研究——以我国矿产资源型产业为例[J].科技管理研究，2016，36(2)：19-25.

[2] BARRO R J,SALA-I-MARTIN X.Economic Growth Theory[M].New York:McGraw Hill，1995.

[3] 徐现祥，舒元.中国省区经济增长分布的演进(1978—1998)[J].经济学，2004(2)：109-128.

[4] 何江，张馨之.中国省区收入分布演进的空间—时间分析[J].南方经济，2007(1)：66-79.

[5] 陈立中.中国城镇居民收入分布演进特征——基于非参数Kernel密度估计方法和省域区域视角[J].财贸研究，2010(6)：14-19.

[6] 董亚娟，孙敬水.区域经济收入分布的动态演进分析—以浙江省为例[J].当代财经，2009(3)：25-30.

[7] 闫军印，梁波.基于投入产出模型的我国矿产资源产业关联度研究[J].当代经济管理，2013(3)：59-64.

[8] 任远，吕永波.企业技术创新能力区域评价与分布特征研究[J].中国科技论坛，2013(5)：110-117.

[9] 闫军印，侯孟阳，梁波.我国矿产资源型产业技术创新溢出效应实证分析[J].中国矿业，2016，25(12)：5-11.

[10] 吴小节，彭韵妍，汪秀琼.中国生态文明发展状况的时空演变与驱动因素[J].干旱区资源与环境，2016，30(8)：1-9.