基于VAR模型的中国工业生产效率影响因素研究
2020-05-20肖枝洪徐洪成
肖枝洪 徐洪成
摘 要：以2000年至2016年中国工业生产效率为样本，在超效率SBM模型测度基础上采用VAR模型分析影响中国工业生产效率的因素，研究表明：內生变量技术创新与外生变量经济规模和国际煤炭价格对工业生产效率具有一定促进作用，当内生变量受到扰动时，技术创新、能源消费结构以及工业生产效率自身对工业生产效率产生不同程度的正向影响。
关键词：工业生产效率;超效率SBM模型;影响因素;VAR模型
中图分类号：F205 文献标识码：A 文章编号：1009-8135（2020）01-0019-12
一、引 言
工业水平是衡量一个国家综合实力的重要标志。中国自20世纪80年代以来经过近40年的发展，于21世纪初期已经步入现代工业时代。目前中国工业总产值占比国内GDP约40.1%，奠定了现代工业在国内经济的主导地位。虽然中国现代工业在体量上位居世界前列，但是中国现代工业效能和创新水平在国际上仍处于比较落后的状态[1]。工业生产效率能在很大程度上反映工业高质量发展水平的高低，是社会经济学界关注的焦点[2]。为此，科学测度中国工业生产效率，探究影响现代工业生产效率的因素，促使我国工业生产水平不仅在体量上位居世界前列，而且在质量及效能上位于国际前列具有重要的现实意义。
目前在测度工业生产效率的研究中，如刘永春等[3]选取从事工业生产的劳动力人数、新增固定资产、流动资产产值、产品销售成本和工业产品销售利润、工业增加值、新产品收入分别作为投入和产出变量，运用DEA優势效率模型和劣势效率模型对工业生产效率进行了测评;郭亚军[4]选取工业固定资产投资、工业劳动力就业人数、工业科研投入和工业生产总值分别作为投入与产出变量，运用三阶段DEA模型对我国工业生产效率进行测度;杜江等[5]选取固定资产净值年平均余额、全部从业人员年平均人数、市场化指数和工业增加值作为投入与产出变量，运用面板随机前沿模型测度了我国工业生产效率;徐冬冬等[6]选取劳动力与资本作为投入要素，以工业生产总值作为产出要素，运用随机前沿生产函数模型对江苏省工业生产效率进行测度;肖枝洪等[7]选取固定资产净值年平均余额、从业人员年均人数以及市场化指数作为投入变量，碳排放和工业增值作为产出变量，运用SBM模型测算碳排放约束下中国省际工业生产效率值;刘勇等[8]比较了6种DEA模型，认为只有基于松弛测度的SBM模型效果较好。
上述文献中，刘永春、郭亚军、杜江、徐冬冬等虽然运用了不同方法对工业生产效率进行测算，但是这些方法并未考虑到投入产出的松弛性问题、能源投入问题与碳排放约束问题。肖枝洪等虽然考虑了投入产出的松弛性问题以及碳排放约束问题，但在测算工业生产效率时出现了生产效率值几乎都为1的现象，这导致了很难比较不同年限不同区域工业生产效率谁更加有效。由于超效率SBM模型[9-10]具有非角度与非径向性，能充分考虑投入产出的松弛性问题和非期望产出问题，并能处理工业生产效率测度值“最多为1”的问题，所以本文首先运用超效率SBM模型来测度中国现代工业生产效率，改进已有文献的测度方法。
在测度出现代工业生产效率的结果后，探讨哪些因素对其有较大影响以及影响机制如何是一个重要课题。因为明确了这些影响因素及其影响机理后，可以有针对性地改进中国现代工业生产，使中国现代工业不仅在体量上位居世界前列，而且在效能和创新上也位居世界前列。如金碚[11]指出技术创新可以提高工业生产效率，是工业生产内生因素。王道臻等[12]发现经济规模的扩大，对工业生产中的非期望产出有促进作用，促使工业生产效率下降。但随着经济规模的扩大，新的国家政策实施会节制工业碳排放的量。经济规模的增加对现代工业生产效率的影响应该具有两面性。余永泽等[13]运用空间误差模型与空间自回归模型分析了金融集聚的提升对工业生产效率有促进作用。李鹏等[14]利用Tobit模型对影响中国工业效率的因素进行研究，指出技术进步、市场规模对工业生产效率起着促进作用，对外开放度、企业规模、资本成本以及流动资产比例对其有显著副作用。杨林川等[15]运用Esteban-Marquillas拓展模型对2003—2013年中国区域工业发展进行研究，指出生产空间差异对工业生产效率有一定副作用，产业结构的优化升级对工业生产有促进作用。丁俊等[16]基于GIS空间分析技术，通过引入分形模型和形态紧凑度等参数综合分析珠江三角城市群工业生产空间的格局与形态特征，指出经济规模、人口规模、工业企业数等对工业生产呈较强的正相关关系。Feng等[17]认为技术差距和管理效率对工业生产有影响。邵帅[18]研究发现能源消费结构的规模变化必然导致碳排放的变化，从而影响工业生产效率。Wang等[19]指出工业结构与能源价格对工业生产有影响。Zhang等[20]指出经济水平和工业结构对工业生产有影响。韩钰铃等[21]研究指出技术创新可以减少碳排放程度，对中国工业生产具有直接较大的影响。郭正权等[22]研究發现化石能源价格下降将导致我国工业碳排放总量与强度增加。卢福财等[23]指出经济规模、技术创新、产业结构等对工业生产效率有促进作用。
上述文献中，一方面，虽然运用了不同方法研究了影响工业生产效率的因素，但是并没有区分内生变量和外生变量对工业生产效率的影响。另一方面，虽然指出技术创新、经济规模、能源消费结构以及化石能源价格对工业生产效率有影响，但都没有分析这几个影响因素的相互影响机制。而且，上述文献所有的分析方法基本为静态分析方法，没有刻画出各影响因素对现代工业生产效率以及自身的影响机制。因此，本文在测度出中国工业生产效率的基础上，从众多影响工业生产效率的因素中筛选出影响我国工业生产效率的核心因素。而向量自回归模型（VAR Model）[24]是一个动态分析模型，能刻画内生变量、外生变量以及工业生产效率之间的动态关系，故本文拟构建VAR模型来刻画影响因素中内生变量、外生变量与工业生产效率之间以及工业生产效率自身的内在联系，揭示出这些影响因素对中国现代工业生产效率的动态影响机理，从而探究提升中国现代工业生产效率的方法和措施，为决策部门提供科学合理的建议。
二、工业生产效率测度
（一）超效率SBM模型
（二）指标说明及数据来源
投入变量分别为：劳动投入（记为L<！--[if supportFields]>
（一）变量解释
根据引言中对已有文献的综述，本部分拟采用表3中的变量来构建VAR模型。其指标说明如下：技术创新（<！--[if supportFields]><！[endif]>
（二）VAR模型构建
由表7可知：（1）工业生产效率滞后一阶的系数的<！--[if supportFields]> QUOTE <！[endif]>
2.模型的稳定性检验
构建具体模型后还需要对模型的稳定性进行检验，下面采用<！--[if supportFields]>
根据图2可知，特征方程所有根模的倒数均落在单位圆内，说明此处构建的VAR（2）<！--[if supportFields]> QUOTE <！[endif]>
3.脉冲响应函数分析
式（4）中展现了各个影响因素与工业生产效率的影响机制，并没有展现出系统中的内生因素受到随机干扰时对本文所研究的系统的影响，为此本部分对其进行脉冲响应分析。它可以刻画工业生产效率（Y1t）、技术创新（Y2t）及能源消费结构（Y3t）受到随机扰动时对系统产生影响的轨迹，并用脉冲响应图来加以展现。
（1）由图3（a）可以看出，当给<！--[if supportFields]>
（2）由图3（b）可以看出，当给<！--[if supportFields]>
（3）由图3（c）可以看出，当给<！--[if supportFields]>
4.方差分解分析
从脉冲响应函数分析可以直观地看到各个内生影响因素对工业生产效率的冲击带来的影响，但还不能体现出每一个内生变量受到冲击引起系统变化的贡献度，通常用预测方差来进行度量。为此本节运用方差分解来进行分析，计算结果见表8。
从表8中工业生产效率方差分解可以看出，虽然系统中工业生产效率方差逐渐下降，技术创新和能源消费结构预测方差逐渐上升。但工业生产效率来自于自身的方差贡献率每个时期都超过61.0%，来自于技术创新的方差贡献率每个时期都不超过33.5%，能源消费结构的方差贡献率每个时期都不超过5.4%。这意味着工业生产效率受前期的影响在逐期减弱，技术创新和能源消费结构对工业生产效率的贡献逐渐增大，并且技术创新的贡献率还在不断增大，能源消费结构贡献率保持在很小范围内，但工业生产效率每期还是主要受前期影响。
从表8中技术创新方差分解可以看出，系统中技术创新对自身影响能力逐渐下降，工业生产效率和能源消费结构预测方差逐渐上升。技术创新来自于自身的方差贡献率越来越小，但都超过了35.9%，来自于工业生产效率的方差贡献率在后期已经超过了技术创新来自于自身的贡献率，能源消费结构的方差贡献率在每个时期都不超过0.396%。这表明技术创新受前期的影响在逐渐减弱，虽然工业生产效率和能源消费结构对技术创新的贡献逐渐增大，但能源消费结构保持在很小范围之内，这说明技术创新将主要受工业生产效率的影响。
从表8中能源消费结构方差分解可以看出，系统中能源消费结构对自身影响能力逐渐下降，工业生产效率和技术创新预测方差逐渐上升。来自工业生产效率与技术创新的方差贡献率都将超过20%，并且这种趋势还在上升，但能源消费结构每期还是主要受前期的影响。这说明了将来能源消费结构主要受自身影响，科技创新程度与工业生产效率的高低将对能源消费结构起引导作用。
四、研究结论与政策建议
（一）研究结论
本文在利用超效率<！--[if supportFields]> QUOTE <！[if gte vml 1]><！[endif]>
第一，工业生产效率测度方面，从增长趋势总体上看，我国工业生产效率比较可观，变化幅度有一定差异，表明了我国工业生产的水平一直处在持续上升的空间，与我国国情相符合。
第二，工业生产效率影响因素方面：（1）协整检验结果表明，内生变量技术创新、能源消费结构和外生变量国际煤炭价格以及经济规模与现代工业生产效率之间存在长期稳定均衡的关系。（2）估计出的模型表明，内生变量中滞后一期的工业生产效率对当期现代工业生产效率呈正向影响，技术创新滞后一期对现代工业生产效率呈负向影响，技术创新滞后二期对现代工业生产效率呈正向影响，外生变量国际煤炭价格对工业生产效率起正向作用;内生变量技术创新滞后一期与外生变量国际煤炭价格对技术创新起显著正向作用。工业生产效率滞后一期与能源消费结构滞后一期对能源消费结构起正向作用。（3）脉冲响应图分析表明，技术创新在前期阶段，对现代工业生效率产有较强的正向冲击，在未来一定阶段后，对工业生产效率的促进作用趋于平稳，意味着技术创新提升速度很快;能源消费结构对现代工业生产效率在短期内先呈显著的正向冲击，但冲击效应比较弱，滞后期越长，能源消费结构对工业生产效率的正向冲击趋于稳定。这表明，能源消费结构对工业生产效率具有短期增幅现象。（4）方差分解结果表明，现代工业生产效率在一段时间受自身的影响最大，这种趋势在逐渐下降，技术创新对现代工业生产效率的贡献率在不断增大，而能源消费结构贡献率几乎在很小范围内增长。（5）在工業生产系统内，如果保证工业生产的自身稳定将保证现代工业生产效率的平稳上升;在未来加大对科技创新的投入提升科研技术水平、适当扩大经济规模以及提升煤炭价格对工业生产效率有较大正向促进作用。
（二）政策建议
以上结论表明，中国工业生产效率的提升不仅依赖于工业内部能源结构、技术进步与工业外部经济规模、国际煤炭价格，还需要协同各部门的优化节能。为此提出以下政策建议：（1）加强工业智能化建设。工业智能化是现代工业发展的大趋势，在工业行业中，加大对高技术人才的引进和培养，使设备和流水线智能化，使生产管理和质量控制智能化，从而使高效率落到实处。（2）加大财政资金对节能减排研发的投入，尤其在对碳利用率与新能源研发方面加大投入的力度，通过鼓励科技创新研发、先进技术引进，并且建立相关节能减排服务体系，加强我国相关碳交易平台建设与发展，促进我国工业发展中的生态环境保护。（3）着力加强先进技术产业和朝阳产业的经济规模，使之朝集群化方向和国际化方向发展，提高竞争力，提升中国工业生产效率。（4）合理配置中国工业能源消耗结构。把清洁能源优先配给技术创新强、规模大的企业，使之成为行业范本，从而带动其他企业的健康高效率发展，使中国现代工业生产效率不仅在体量上位居世界领先地位，更是在质量上、效率上位居世界领先地位。
参考文献：
[1] 陈佳贵，黄群慧.我国实现工业现代化了吗——对15个重点工业行业现代化水平的分析与评价[J].中国工业经济，2009（4）：5-16+159.
[2] 韩毅.论工业现代化的世界历史进程[J].中国社会科学院研究生院学报，2007（1）：97-103.
[3] 刘永春，袁茂.基于DEA方法的中国工业效率研究[J].生产力研究，2007（18）：103-105.
[4] 郭亚军.基于三阶段DEA模型的工业生产效率研究[J].科研管理，2012（11）：16-23.
[5] 杜江，杨文溥.制度环境与我国地区工业生产效率分析——基于面板随机前沿模型[J].宏观质量研究，2016（2）：17-27.
[6] 徐冬冬，黄震方，倪金星，等.江苏省工业生产效率的空间格局演化与影响因素[J].经济地理，2017（6）：114-121.
[7] 肖枝洪，冉波.碳排放约束下我国省际工业生产效率及空间分析[J].重庆理工大学学报（社会科学），2017（10）：29-36+50.
[8] 刘勇，李志祥，李静.环境效率评价方法的比较研究[J].数学的实践与认识，2010（1）：84-92.
[9] TONE.K.A Slack-based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2001（130）：298-509.
[10] Tone.K.Dealing with undesirable outputs in DEA： a slacks-based measure （SBM） approach[R].Tokyo：Grips Research Report Series，2003（1）： 1-2003-0005.
[11] 金碚.中国工业的技术创新[J].中国工业经济，2004（5）：5-14.
[12] 王道臻，任荣明.外国直接投资、经济规模与二氧化碳排放关系研究[J].经济问题，2011（10）：50-53.
[13] 余泳泽，宣烨，沈扬扬.金融集聚对工业效率提升的空间外溢效应[J].世界经济，2013，36（2）：93-116.
[14] 李鹏，胡汉辉.基于共同边界模型的中国工业效率研究[J].经济经纬，2016（3）：84-89.
[15] 杨林川，洪世键，成庚.中国区域工业发展的时空差异——基于偏离-份额分析的Esteban-Marquillas拓展模型[J].合肥工业大学学报（社会科学版），2016（2）：8-16.
[16] 丁俊，王开泳.珠江三角洲城市群工业生产空间格局、形态特征及影响因素[J].地理科学进展，2016（5）：610-621.
[17] 邵帅，张曦，赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国工业经济，2017（3）：44-63.
[18] WANG， J.， ZHAO， T.， 2017. Regional energy-environmental performance and investment strategy for China's non-ferrous metals industry： a non-radial DEA based analysis. J. Clean. Prod. 163， 187-201
[19] ZHANG， J.， LIU， Y.， CHANG， Y.，etc. 2017b. Industrial eco-efficiency in China： a provincial quantification using three-stage data envelopment analysis. J. Clean. Prod. 143， 238-249.
[20] 韩钰铃，刘益平.基于LMDI的江蘇省工业碳排放影响因素研究[J].环境科学与技术，2018（12）：278-284.
[21] 郭正权，张兴平，郑宇花.能源价格波动对能源-环境-经济系统的影响研究[J].中国管理科学，2018（11）：22-30.
[22] 卢福财，徐斌.中国工业发展演进与前瞻：1978—2018年[J].经济纵横，2018（11）：73-80+2.
[23] 刘海莺，张华新.向量自回归模型及其在宏观计量经济学的演进发展[J].统计与决策，2013（16）：62-64.
[24] 周银香，洪兴建.中国交通业全要素碳排放效率的测度及动态驱动机理研究[J].商业经济与管理，2018（5）：62-74.
（责任编辑：张建升）
Research on Influencing Factors of Industrial Production Efficiency in China Based on VAR Model
XIAO Zhihong XU Hongcheng
（School of Science， Chongqing University of Technology， Chongqing 400054， China）
Abstract： The paper uses the super-efficiency SBM model to measure the production efficiency of Chinas industry from 2000 to 2016. Based on this， a VAR model is proposed to analyze the factors that affect the production efficiency of Chinas industry. The research shows that endogenous variable technological innovation and exogenous variable economic scale and international coal price have a certain role in promoting industrial production efficiency. When endogenous variables are disturbed， technological innovation， energy consumption structure and industrial production efficiency have different degrees of positive impact on industrial production efficiency.
Keywords： industrial production efficiency; super efficiency SBM model; influencing factor; VAR model
（School of Science， Chongqing University of Technology， Chongqing 400054， China）
Abstract： The paper uses the super-efficiency SBM model to measure the production efficiency of Chinas industry from 2000 to 2016. Based on this， a VAR model is proposed to analyze the factors that affect the production efficiency of Chinas industry. The research shows that endogenous variable technological innovation and exogenous variable economic scale and international coal price have a certain role in promoting industrial production efficiency. When endogenous variables are disturbed， technological innovation， energy consumption structure and industrial production efficiency have different degrees of positive impact on industrial production efficiency.
Keywords： industrial production efficiency; super efficiency SBM model; influencing factor; VAR model
