中国船舶工业全要素生产率空间格局及其影响因素研究

沈体雁，李帅帅，施晓铭

（北京大学 政府管理学院、海洋战略研究中心，北京 100871）

引 言

船舶工业是国家装备制造业不可或缺的重要组成部分之一。船舶工业一般也可称之为“造船业”或“造船工业”，是承担各种军用、民用舰船及其他浮动工具设计、建造、维修和试验及其配套设备生产的行业。2013年7月31日《国务院关于印发船舶工业加快结构调整促进转型升级实施方案（2013-2015年）的通知》（国发〔2013〕29号）则将船舶工业明确定义为航运业、海洋开发及国防建设提供技术装备的综合性产业。总体上看，船舶工业属于海洋传统产业，被誉为“面向海洋的装备业”。而同时，船舶工业又是面向海洋的装备制造业，直接为海洋资源和空间的开发利用以及海洋权益的维护提供装备支撑和物质保障，是推动国家产业装备制造科技创新与区域经济协调发展的重要载体。此外，船舶工业更是维护保障国防安全的战略型产业，它是一个国家或地区国防科技综合实力的重要标志之一。

我国船舶工业的发展经历了一个由小到大、由弱到强的过程。目前，我国已经成为世界最主要的造船大国，一些主流船型、高技术船舶、海洋工程装备领域技术创新取得突破，船舶产业集聚态势与优势较为突出，一批船舶龙头企业的集聚促进了环渤海湾、长江口、珠江口三大造船基地的发展。从总量规模上看，我国船舶占有国际船舶市场的份额已达到较高水平，船舶工业的国际竞争力也在不断提高。然而，我国船舶工业的发展主要还是依靠生产要素的大量投入和规模扩张来实现的，核心技术对外依存度高、船舶配套能力弱、需求乏力、利润低等问题始终困扰着中国船舶工业的进一步发展，在全球船舶市场持续低迷的影响下，接单难、交船难、融资难导致相当部分船舶企业产能利用率迅速下降、生产萎缩、盈利下降、经营困难。如何在困境中获得持续的增长动力、由“大”到“强”是中国船舶工业未来发展的关键目标。提高船舶工业全要素生产率是提升我国船舶工业核心竞争力的关键所在，对于促进船舶工业发展方式转变、加快海洋开发与技术创新、持续提升我国海洋综合实力具有重要意义。

1 研究背景

1.1 全要素生产率

全要素生产率是经济学研究中的热点问题，国内对于全要素生产率的实证研究非常丰富，不同尺度、不同行业、不同内容都有涉及。宏观层面，李京文等测算出1978-1995年中国整体的全要素生产率对经济增长的贡献为36.23%[1]，郭庆旺等采用索洛残差法、隐性变量法和潜在产出法估算出我国1979-2004年间的全要素生产率平均增长率为0.891%，对经济增长平均贡献率为9.46%[2]，姚战琪等人也对中国整体TFP的增长进行了研究[3]。区域层面，刘建国采用DEA中非参数的Malmquist指数方法测算了中国全要素生产率的空间分异情况，发现中国省域的全要素生产率具有显著的空间关联性[4]。微观层面，杨汝岱用OP法和LP法测算了我国制造业企业的全要素生产率，认为1998-2007年我国TFP平均增长速度为3.83%，并将全要素生产率进一步分解为企业自身成长的贡献和企业间配置的贡献两部分[5]；鲁晓东在对比了企业全要素生产率4种估计方法的基础上，估计了1999-2007年中国工业企业全要素生产率，发现这一时期我国TFP年平均增长率为2%~5%[6]；袁堂军利用上市公司的财务报告数据测算了多个行业的平均全要素生产率水平[7]；任曙明等以中国装备制造业企业为例，用ACF法测算了全要素生产率水平，并进一步研究了在融资约束背景下，政府补贴对于企业TFP的影响[8]。

目前对于我国海洋领域全要素生产率的研究仍相对有限，且受数据可得性的限制，主要集中在省域层面，多采用无需设定生产函数形式的数据包络分析法（DEA）进行全要素生产率测算。屈玉阁基于2005-2012年15个省份的面板数据，用非参数的Malmquist指数法，测算出2005-2012年中国船舶工业全要素生产率的平均增长率为8.9%，其中技术变动对TFP增长的贡献最大[9]。戴彬等采用随机前沿分析法对中国沿海11个省份海洋科技的全要素生产率进行了测算，并在此基础上进行了空间集聚特征分析和影响因素分析[10]。

1.2 全要素生产率的影响因素

区域经济效率的差异是多方面因素综合作用的结果，学者们从不同的视角提出了影响全要素生产率增长的原因。

首先，一些学者基于内生增长视角研究全要素生产率。邵帅构建了一个以资源开发为导向的四部门内生增长模型，通过静态面板估计和动态面板估计结果的比较发现，创新和技术进步主要依赖于技术知识存量和人力资本的积累，市场化能够缓解由资源开发对区域创新活动产生的挤出效应，同时市场化本身也会对创新的投入与产出产生显著的积极影响[11]。戴彬通过分析2006-2011年中国沿海11个省份海洋科技全要素生产率的影响因素，发现技术进步是海洋科技全要素生产率增长的主要驱动因素，而海洋产业从业人员的科技素养的提高和产学研相结合能够有效提高海洋研发创新水平[10]。

其次，集聚经济也是一个重要的研究视角。集聚经济效应的讨论始于马歇尔，经济活动在空间上的集聚能够降低企业的生产成本，产生信息共享与知识外溢效应，从而提高企业生产效率。近年来的实证研究也从不同角度验证了经济密度是影响生产率的重要变量。Ciccone等人首先提出生产率与经济密度关系的理论模型，并通过对美国各县的实证研究发现经济密度与劳动生产率之间呈正相关关系[12]。对法国、英国、荷兰等国的实证研究也证实了这一结论[13-15]。陈良文等选取我国1996年、2000年和2004年各地级市的数据进行分析，结果显示城市经济密度对劳动生产率的影响显著为正，集聚经济确实存在，但其强度随时间的推移而趋于减弱[16]。范剑勇以通信设备、计算机与其他电子设备业为例，选取了产业集聚的绝对指标和相对指标来探讨产业集聚对企业全要素生产率及其构成的影响，发现以厂商平均规模衡量的专业化经济对TFP增长和技术效率改善具有促进作用，但对前沿技术进步没有显著作用，而多样化经济对于TFP增长没有显著的正面作用[17]。刘建国运用空间方法对1990-2009年中国不同省份全要素生产率的影响因素进行分析，发现经济集聚水平对全要素生产率的改善具有显著的正向影响，但局部经济集聚过度又会遏制经济效率的提高[18]。

再次，许多学者从地理溢出的视角研究全要素生产率。地理溢出视角在内生增长理论的基础上强调各因素的地理溢出效应，认为人力资本、基础设施建设、科技创新、对外贸易、制度创新等因素不仅会对本地区的全要素生产率增长产生直接影响，还会通过溢出效应和网络效应进而对全要素生产率增长产生间接影响。随着区域间经济活动的相互依赖日益增强，不少实证研究也关注到了地理溢出效应对区域全要素生产率的影响。张先锋利用中国1998-2008年25省（市、自治区）的数据，通过研究发现研发资本、人力资本和公共基础设施投资对区域全要素生产率有正向影响，研发资本的地理溢出效应高于对本地区全要素生产率的影响[19]。张浩然则基于中国266个城市的数据，采用空间杜宾模型检验了基础设施和空间溢出对区域全要素生产率的影响，发现通讯基础设施和医疗条件对全要素生产率的影响在城市间存在显著的外溢效应，而人力资本和交通基础设施仅对本地区全要素生产率存在正向影响[20]。

2 研究设计

2.1 研究方法

测算全要素生产率的第一步是估计企业的生产函数，基于对生产函数形式的不同设定，对全要素生产率的估计也存在多种方法从不同的维度对TFP估计方法进行了划分[6]。根据前文对全要素生产率测算方法的梳理，根据本文的研究需求和数据特点，选择LP法来具体估算我国船舶工业企业2004-2013年的全要素生产率水平，同时作为稳健性参照，也为探究TFP增长的内部结构性因素，本文还将采用SFA法进行估计并对TFP增长率进行分解。

2.1.1 LP法

LP法采用OP估计法的框架，状态变量为lnK和age（企业年龄），退出变量根据企业的营业状态生成，代理变量为企业的当期投资Iit，计算公式如下：

由于本文所使用的企业数据是非平衡面板数据，在一些年份存在样本遗漏的情况，企业投资额的推算较为困难，会造成大量样本的丢弃，数据质量不足以支撑完成OP法的估计。因此，本文采用LP法的思路，用中间投入这一可观测的代理变量来代替当期投资放入模型使用。

2.1.2 SFA法

由于随着时间的推移，技术是否为中性、要素产出弹性是否会产生变化等无法确定[10]，因此在SFA法中选用包容性较强的超越对数生产函数的形式，并通过似然比（LR）检验来检验模型的有效性和适用性。模型的具体形式为：

其中，i表示企业，t表示时间，Yit表示企业i在t时期的产出，Xit表示企业i在t时期的要素投入，j表示不同的投入要素，β为待估计参数，vit为随机误差，服从正态分布N（0，），与uit独立同分布（i.i.d.），uit服从截断正态分布，代表企业i在t时期的技术无效率程度。

2.2 数据来源与指标选取

本文在企业层面对全要素生产率进行测度，数据来源为中国工业企业数据库。该数据库由国家统计局建立，全称为“全部国有及规模以上非国有工业企业数据库”，其样本范围为全部国有工业企业以及规模以上非国有工业企业，这里的“规模以上”要求企业年主营业务收入在500万元及其以上，2011年标准变为2 000万元及其以上。本文选取2004-2013年数据库中“船舶及浮动装置制造行业”的全部工业企业样本作为原始数据，共包括12 188个观测值，共3084家企业。由于该数据库存在样本匹配混乱、指标缺失、样本遗漏等问题，因此本文对原始数据做了面板构建、指标插补、异常值清理、名义变量消胀等方面的整理和处理。

在指标选取方面，其中产出变量选择工业增加值和工业总产值，资本投入选择固定资产合计，劳动投入选择全部就业人数，中间投入选择工业中间投入。在通过空间计量法对全要素生产率进行分析时，选取劳动力区位商和企业数量区位商来测度各地区船舶工业的集聚程度，选取“普通高等学校数量（所）”来反映当地吸引人才的能力和人才储备情况，选取“每万人拥有专利数（项）”来衡量各市的创新能力，选取“外商直接投资（FDI）（亿美元）”指标来衡量地区的经济外向性程度，选取地方财政支出占地区生产总值的比重来代表地方政府对经济的干预程度，选取“全市金融机构贷款年末余额（亿元）”这一指标来衡量各地区船舶工业所面临的金融环境是否宽松。

3 研究结果

3.1 描述性统计分析

经过以上数据处理，最终得到11 337个观测值，共2 947家企业的非平衡面板数据。本文所利用的最终数据情况如表1所示：

表1 主要变量的统计描述Tab.1 Statistical description of main variables

3.2 全要素生产率整体变动

全要素生产率上，2004-2013年我国船舶工业的平均全要素生产率为5.195，从变化趋势来看，整体呈波动趋势，2004-2007年TFP逐年增长，由4.264提高至5.106，增长了近20%，年均增长率达4.6%，而随后2008-2009年TFP有略微下降，这可能是受2008年开始的国际金融危机所影响，但在经历了两个年度的下滑之后，2010年全要素生产率便开始回升，并于2011年和2012年达到十年间的高峰，这可能与政府所采取的一系列应对国际金融危机和国际经济形势的重大举措有关，如2008年11月中央政府推出的旨在扩大内需、刺激经济的“四万亿计划”。而2013年全要素生产率再一次出现了较大幅度的下降，说明政府的干预对于提高船舶工业全要素生产率的作用是有限的。

表2 2004-2013年中国船舶工业TFP及其增长率情况Tab.2 China′s Shipbuilding Industry TFP and its growth rate in 2004-2013

除了TFP的整体表现，通过比较两种方法得出的TFP增长率，可以看出，采用LP法得出的TFP增长率略低于用SFA得出的TFP增长率，LP法得出的TFP增长率为2.15%，SFA法为3.64%。但从走势上看，两种方法得出的TFP增长率趋势基本一致，SFA法得出的结果波动更为平缓，除2013年外其他年份TFP增长率均为正，但整体呈现出波动中下行的趋势。

图1 2004-2013年中国船舶工业TFP增长率比较Fig.1 Comparison of China′s Shipbuilding Industry TFP growth rate in 2004-2013

3.3 全要素生产率增长率及其分解

2004-2013年，我国船舶工业TFP增长主要由前沿技术进步的增长驱动，前沿技术进步率的变化与TFP的变化趋势基本一致。前沿技术进步率始终为正但稳步下降，由2004年的14.3%下降至2013年的6.5%，前沿技术进步率的持续下跌也是TFP下行的主要原因。配置效率的变化在2009年后对TFP变化有较为明显的正向作用，尤其在2010年抵消了部分由前沿技术进步率下降带来的TFP下降。规模效率除2008年外均为负数，说明在绝大多数年份，我国船舶工业一直存在要素投入规模过大的问题。技术效率变化率始终为负，且逐年下降。

图2 2004-2013年中国船舶工业TFP增长率分解Fig.2 China′s Shipbuilding Industry TFP growth rate decomposition in 2004-2013

3.4 全要素生产率增长率的空间分异

整体来看，从2004年至2013年，我国市域船舶工业TFP的增长率成下降趋势。2004年，我国市域船舶工业TFP增长率全部为正，除安徽省的池州市、六安市以及湖北省的荆州市外，其他各市的船舶工业TFP增长率均高于5%，不同区域TFP表现差异不大。2008年，山东省莱芜市和江西省景德镇市的船舶工业TFP出现了负增长，其余地区TFP增长率整体有所下跌，但仍呈现出较强的空间关联性，沿江、沿海地区内部各市船舶工业TFP表现差异较小，区域间表现来看，沿江地区TFP增长率整体表现略优于沿海地区。之后随着时间的推移，到2011年，我国船舶工业TFP增长率的地区分布差异越来越大，区域间和区域内部的TFP表现都出现了较大的分异，沿海地区除个别地级市外基本保持TFP的正向增长，而沿江地区内部的TFP增长则出现了较大的差异，在一定程度上弱化了TFP的空间集聚特征。2013年，区域内部和区域间的TFP差异有所缩小，沿江地区内部有连片的TFP负增长率区域，其中零散分布着几个TFP增速较高的市，而沿海地区根据TFP的增长差异可进一步划分为环渤海、长江三角洲和珠江三角洲三片集聚区，长江三角洲集聚区内基本实现了区域内船舶工业TFP增长率的中高速协同提高，环渤海地区各市TFP增长情况不一，除大连等少数几个市实现了TFP加速增长外，其余地区的TFP略有下降，而珠江三角洲地区则整体呈现TFP下降的情况，少数几个市下降幅度较大。2011年以来的情况一方面与市场环境和宏观经济形势有关，一些规模不大、抵御风险能力不强的船舶企业受市场冲击的影响很大，因而在宏观层面上表现为加总到市域的TFP增长率波动剧烈；而另一方面可能与工业企业数据质量下降导致结果不稳定有关，因此在下一章节我们也将进一步对我国船舶工业TFP空间格局的影响因素进行分析。

3.5 空间计量检验

首先，需要对模型选择进行检验。根据Anselin[21]所提出的准则，采用拉格朗日乘数检验（LM Test）来测算空间滞后模型LMlag值和空间误差模型LMerr值的显著性，若二者都显著，则再进行Robust LMlag和Robust LMerr检验。最终发现LMlag、LMerr、Robust LMlag和Robust LMerr均有较高的显著性水平。

由表3可以看出，空间滞后项的回归系数在1%的水平下显著，说明全要素生产率的空间上表现出了较强的溢出效应。7个解释变量中，全市金融机构贷款年末余额在1%的显著水平下显著，系数为正，说明加大金融支持力度能够显著地加速提高船舶工业全要素生产率。劳动力区位商在5%的显著水平下显著，系数为正，说明提高船舶工业劳动力的聚集水平对全要素生产率增长有显著的积极影响，与多数研究的结论是一致的，企业在地理空间上的集聚会逐渐产生出专业化的劳动力市场，有助于提高地区人力资本、降低劳动力成本等，这对于具有劳动密集特征的船舶工业来说，无疑是有助于提高其生产效率的，在宏观层面即表现为全要素生产率增长率的提高。企业数量区位商、每万人拥有专利数和地方财政支出占地区生产总值的比重这三个变量也通过了显著水平为10%的检验，其中lnAgg_n和lngov的系数为负，说明特定空间上企业数量的增加未必能够促进生产效率的提高，相反可能因为由同质企业数量激增带来的不当竞争导致效率下降。

表3 模型估计结果Tab.3 Model estimation results

4 结论与讨论

本文使用LP法和SFA方法对2004-2013年我国船舶工业企业全要素生产率及其分解项进行测算，得出以下结论：

（1）从整体来看，2004-2013年我国船舶工业的平均全要素生产率水平为5.195，全要素生产率年平均增长率为2.15%（SFA法结果为3.64%），TFP增长率随时间的走势整体上呈现出波动中下行的趋势。

（2）从增长贡献来看，2004-2013年全要素生产率对我国船舶工业总产值的贡献率仅为18.7%，要素投入贡献率为81.3%，说明目前我国船舶工业依然处于靠加大要素投入力度来拉动产出增长的发展阶段，TFP尚未成为船舶工业产出增长的核心动力。

图3 2004、2008、2011、2013年中国市域船舶工业TFP空间分布情况Fig.3 Spatial distribution of China′s urban shipbuilding industry TFP in 2004，2008，2011and 2013

（3）从TFP分解项来看，2004-2013年我国船舶工业TFP增长主要由前沿技术进步的增长驱动。前沿技术进步率始终为正但稳步下降，说明前沿技术水平虽然不断提高，但增速在降低；技术效率变化率始终为负，且逐年下降，说明我国船舶工业技术效率在以递增的速度递减；规模效率在大部分年份均为负，说明我国船舶工业一直存在要素投入结构不合理的问题。

（4）从TFP的行业差异来看，金属船舶制造业是小类行业中全要素生产率水平最高的，而船用配套设备制造业的TFP增长率是六个行业中最低，长远发展的核心动力不足。

（5）从TFP的空间差异来看，2004-2013年沿海地区船舶工业全要素生产率水平是3个集聚区域中最高的，TFP增长率的波动也最为平缓。沿江地区的TFP增长率波动比较剧烈，说明该地区船舶工业的体量和核心竞争力仍有待加强。从加总到地级市及以上的TFP增长率来看，2004年至2013年全要素生产率的增长率成整体下降态势，且各市TFP的表现差异逐渐变大。

（6）为探究我国船舶工业全要素生产率空间分异的原因，选用空间面板计量模型来对其影响因素进行分析。结果显示，宽松的金融环境、劳动力的聚集、科技创新能力的提高能够显著地加速提升船舶工业全要素生产率，而提高企业数量集聚程度和加大地方政府的经济干预力度会使本地区船舶工业TFP的增速下降。

5 政策建议

根据以上研究结论，未来应从以下几方面着手提升我国船舶工业的全要素生产率，推动行业健康可持续发展：

首先，明确发展主攻方面，集中突破重点领域。应举全国之力，把落实《中国制造2025》明确提出的“发展海洋工程装备及高技术船舶”作为船舶产业未来发展的战略任务，研发和掌握重要配套设备制造的核心技术，推动和提升船舶行业专用设备和高技术船舶的发展，增强我国船舶行业国际竞争力。

其次，着力提升创新能力，推动产业转型升级。应更加重视技术进步和自主创新对于提高船舶工业竞争力的作用。一方面，应完善由国家级技术研发机构为核心、行业部门研究机构为主体、船舶企业研发机构为支撑的技术创新体系，开展船舶和海洋工程装备关键、共性技术攻关，提高国产核心系统、关键设备及主要部件的配套率及竞争力；支持数字化智能设计系统等重点技术研究和应用，全面提升船舶工业创新能力。另一方面，支持国内外企业通过合资、联合设计、共同研发、战略联盟等形式与世界一流的船舶研发机构合作建设研发中心和服务网络，鼓励世界知名船舶企业和科研机构在我国设立研发机构，积极引进船舶工业设计研发方面的世界级领军人才。

第三，调整优化产业布局，拓展产业发展空间。一是按照区域上合理布局、产业方向细分差异、产业链条延伸拓展的要求，对全国船舶产业各集聚区、各产业集群发展方向、主攻产品进行差异化定位，形成每个区域每个集群的发展特色。二是严格行业准入与行业治理。建立船舶行业“白名单”制度，以政府引导与市场倒逼互相结合的方式，推进船舶行业淘汰落后产能，严格控制新增造船、修船、海洋工程装备产能；优化产业组织结构，整合优势产能，压缩落后企业生存空间，引导生产要素资源向优质企业集中。三是引导企业开展全球布局。重点支持我国有实力的船舶行业龙头企业通过多种方式购并国际知名船舶设计、制造、总包企业，全面提升总承包能力和专业化分包能力，利用国际渠道争取国际性标志项目，提高企业国际化经营水平；引导国家有实力的船舶修造企业到“一带一路”沿线国家开展产能国际合作，拓展对外发展新空间。

第四，壮大龙头企业，提升集聚发展水平。各世界造船强国的发展经验表明，集聚发展是未来船舶工业发展的重要趋势，也是提升产业竞争力的重要途径。提升集聚水平，主要路径包括：（1）推进船舶企业兼并重组。支持船舶行业龙头骨干企业以产品、技术、品牌、资本为纽带，通过收购、股权置换、参股、引进战略投资者等方式开展跨地区、跨行业及跨所有制的企业兼并重组，实施强强联合，打造一批具备总承包能力和较强国际竞争力的船舶制造企业（集团）。（2）支持船舶行业龙头企业以参股、合资合作等方式，同钢铁、石油、航运及相关配套企业建立产业联盟，实现产业链延伸拓展，充分发挥船舶产业的综合优势。同时，以船舶制造龙头企业为核心，培育一批与船舶产业发展相关的技术、信息、投资、保险担保和法律等服务企业。（3）加强船舶产业园区管理。国家原则上不再设立新的船舶工业园区，引导符合国家产业政策的船舶项目、企业向现有船舶产业集聚区、产业园区集中。加快现有船舶工业园区改造提升，完善园区基础设施，引导城市市区内的船舶制造企业搬迁进入船舶工业园区，实现集聚发展。