低碳环境下“一带一路”重点省份先进制造业生产效率测度

吴斌，黄建，董敏，祁玉青

（南京工业大学 经济与管理学院，江苏 南京 211816）

制造业是区别发展中国家和发达国家的重要因素，直接体现了一个国家的生产力水平。2019 年我国制造业增加值达26.9 万亿元，占全球比重28.1%，连续十年保持世界第一制造大国地位，占国民生产总值约30%的比重，制造业乃当之无愧的国民经济支柱产业。2015 年，国务院印发《中国制造2025》，明确指出中国制造业分“三步走”实现由大变强的目标。2017 年，“十三五”规划里指出，要实施绿色制造工程，提高制造业基础能力与创新能力，加快制造业转型升级步伐。2020 年，“十四五”规划里提出，要进一步推动先进制造业与互联网、大数据和人工智能能产业的深度融合，带动先进制造业集群发展，加快推动绿色低碳发展。随着其他发达国家纷纷推出“再工业化”战略，我国要想借助新一轮科技革命与产业革命的机遇，在全球产业竞争格局中取得优势，则对以战略性新兴产业和高新技术产业为代表的新动力布局刻不容缓。

总体上看，我国制造业是“大而不强”，制造业长期以来一直依赖粗放式、高能耗、高污染的发展模式，而全面实施绿色制造工程是制造强国建设的战略任务。先进制造业既作为国家新兴战略产业，又是推动我国制造业转型变革，实现制造业由大变强目标的一个关键。“一带一路”是我国对外探寻经济增长之道，开创地区新型合作的国家级顶层合作倡议。“一带一路”沿线省份先进制造业的发展在一定程度上可以代表我国整体先进制造业水平的提升，同时考虑到我国生态环境形势依然严峻，故而，对“一带一路”沿线重点省份先进制造业在碳排放约束下的生产效率进行测度研究，分析比较地区差异，对“一带一路”沿线省份制造业的转型升级以及我国整体先进制造业水平的提升和良性发展都意义非凡。

1 文献综述

关于先进制造业这一概念，目前尚无相对标准且权威的界定。于波和李平华[1]认为，先进制造业在产业模式、层次、技术等方面区别于传统制造业，其具备模式创新、技术先进、高端现代等特征。李慧等[2]认为，先进制造业不仅包括高技术产业，部分应用到先进的管理方法和技术的传统制造业也包括在内。黄烨菁[3]从两个层面上理解先进制造业概念，一个是在技术创新的推动下，生产方式与信息技术相融合发展；另一个是从需求服务角度出发，重点突出制造业的个性化创新。

关于制造业效率测度的研究，国内外学者已取得十分丰富的研究成果[4-7]。目前主流的方法是参数法与非参数法。在参数方法方面，邹文杰和张文刚[8]采用随机前沿分析法对我国电子及通信设备制造业研发效率进行测度，分析其影响因素并提出相关政策建议。非参数方法能够有效规避参数加权的主观现象，数据包络分析方法便是这样典型的一个非参数法，并在制造业的生产效率研究领域得到广泛运用[9-11]。但就传统的DEA 模型而言，如CCR 模型，只重视投入产出之间的对应问题，并未考虑角度与径向方面，段婕等[12]利用改进的CCR模型，以我国装备制造业的技术创新为研究方向，进行思考与评价，为行业技术创新能力的提高给出参考。黄凌云等[13]则将参数法与非参数法结合使用，利用DEA与SFA 法测算我国制造业技术效率，做出对比分析。鉴于传统模型效率测度精度不高的问题，SBM 模型作为非期望产出的松弛测量模型应运而生，如周敏和吴玉[14]从我国先进制造业下17 个细分行业角度出发，利用SBM 模型对其生态效率水平进行评价。范丹和王维国[15]在低碳经济背景下，结合SBM 方向距离函数，测算了我国工业的生产率与能源利用效率。

然而，无论是SBM 模型还是传统DEA 模型，在运用到制造业效率测度上都存在一定的缺陷，它们忽略了环境及随机扰动因素的影响，为此Fried 等[16]提出三阶段DEA 模型，有效降低评价结果与实际情况的差异，该方法也在制造业效率研究中得到较好应用。而在低碳约束下，对先进制造业的生产效率进行评价的研究仍然较少。当今世界环境问题突出，国家提倡低碳经济，一些学者在其他领域结合低碳视角取得了相关成果，周婷婷和唐晓华[17]在低碳约束下，运用DEA 模型对我国制造业各细分行业的能效利用方面进行考量与对比分析。张云宁等[18]将三阶段DEA 与Tobit 回归相结合，在考虑碳排放的前提下对长江大保护区域物流业效率进行测度研究。

综上所述，关于制造业效率的研究虽已取得相当丰富的成果，但仍存在一些不足之处。第一，现有关于先进制造业生产效率的研究仍然较少，有待完善补充。第二，许多关于制造业效率文献的关注点依然是经济性，并未考虑碳排放指标，不符合当下主流的“低碳经济”倡导。第三，多数文献在进行效率测度时仍采用传统DEA模型，且未从动态角度分析效率变化。在前人研究基础上，本文选取2009—2016 年我国“一带一路”沿线17 省份相关数据，引入碳排放投入指标构建三阶段DEA 模型，对该区域先进制造业生产效率进行静态分析，再采用Malmquist 模型对其效率进行动态研究分析。最后结合分析结果，探究省份间的差异性，并在低碳环境下，对该区域先进制造业的良性发展提出对策与建议。

2 研究方法

2.1 三阶段DEA模型

DEA 是利用数学规划来建立评价模型的非参数方法，该模型经过前人不断努力的发展研究已经成为比较成熟的方法[19-21]。Charnes 等[19]早在1978 年提出了DEA 方法，但是存在一定的局限性。后来Fried 等[16]在此基础上提出了能够剔除掉环境因素与随机扰动因素影响的三阶段DEA 方法。

2.1.1 第一阶段：常规BCC模型

第一阶段选取BCC 模型对效率进行测度，运算可得出各省份对应不同年份的低碳环境下先进制造业生产效率值。考虑到此模型的应用较为成熟，其公式及原理便不再赘述。

2.1.2 第二阶段：类似SFA模型

考虑到第一阶段的效率测度结果存在环境及随机扰动等因素作用而不够准确，第二阶段会采用SFA 模型中的方法来处理，最终得出调整后的投入变量值来剔除环境及随机扰动因素对先进制造业效率测度的影响。

初步构建松弛变量和环境解释变量的模型：

随后以生产效率最高省份的投入量为参考，调整低效率省份的先进制造业投入量：

2.1.3 第三阶段：投入调整后的BCC模型

将原投入值替换为调整后的数值，并再次利用BCC模型对17 省份在低碳环境下先进制造业进行效率测度。第三阶段计算出来的结果是各省份剔除了环境及随机扰动因素的影响后得到的效率值，能较好地反映出“一带一路”沿线17 省份先进制造业效率情况及管理水平。

2.2 Malmquist指数方法

Malmquist 指数能反映一段时期内效率的变动情况。本文将第三阶段投入量结合原产出数据，运用Malmquist 模型，反映先进制造业生产效率的动态变化。计算公式如下：

式中：Dt(xt,yt)与Dt(xt+1,yt+1)分别为t期和t+1 期决策单元的距离函数。Malmquist 指数可以反映出生产效率在一段时间内产生变化的程度。EC（技术效率）代表前后时期技术效率的变化；TC（技术进步效率）表示前后时期技术的变化。

3 指标选取与数据来源

根据前人对先进制造业的定义[1-3,22]，再结合中国战略性新兴产业与中国国民经济行业分类，本文确定了16 个先进制造行业，即印刷业和记录媒介复制业、石油加工、炼焦和核燃料加工业、化学原料和化学制品制造业、医药制造业、橡胶和塑料制造业、非金属矿物制造业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业、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、仪器仪表制造业、废弃资源和废旧材料回收等。

本文以我国“一带一路”沿线17 省份为最小决策单元，选取投入产出指标是进行效率分析的基础，合理有效的指标选取须符合一定的准则：第一，指标的选取当满足所用模型的基本要求；第二，所选的指标要符合效率评价的要求且具有一定的代表性。考虑到指标的科学性与数据的可获性，借鉴前人已有研究[22-25]，本文构建如表1 的指标体系。原始数据来源于2010—2017 年的《中国统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》以及各省份地方统计年鉴和部分数据库。

表1 先进制造业投入产出指标体系

（1）投入指标主要从人力、财力及环境投入方面选取。为考虑货币时间价值影响，本文将负债合计与固定资产合计，以2009 年为基期，分别按照工业生产者出厂价格指数和固定资产投资指数进行平减处理。从绿色低碳的角度出发，加入CO2排放量为约束作为环境投入指标，本文以原煤、汽油、煤油、柴油、燃料油和天然气六种能源消耗量来核算先进制造业CO2排放量，根据IPCC提供的碳排放计算方法，依据下列公式估算碳排放量：

式中：Ei为第i种能源的消耗量，NCVi为能源的平均低位发热量，CEFi为碳排放系数，COFi为碳氧化因子（IPCC 默认为1），44 与12 是CO2与碳的分子量。

（2）产出指标的选取从经营水平与盈利水平来衡量，且销售产值与利润总额均以2009 年为基期，按工业生产者出厂价格指数换算处理。

（3）环境变量方面，以第三产业产值占地区GDP 比重来反映产业结构，以科技和教育的支出占地区财政总支出比重来反映科教支持，以进出口总额占地区GDP比重来反映对外开放水平，以城镇人口占地区总人口比重来反映城市化水平。

4 实证结果与分析

4.1 第一阶段常规BCC模型实证分析

从第一阶段得出的结果分析，2009—2016 年“一带一路”沿线17 省份整体区域在低碳环境下，先进制造业综合效率均值为0.776，纯技术效率与规模效率均值分别为0.827 和0.938，说明17 省份先进制造业生产效率受益于规模效率较多，而纯技术效率的相对低下是制约先进制造业效率提升的因素。

从各省份角度分析，2009—2016 年各省份先进制造业在低碳环境下的生产效率差异明显，整体呈现“沿海高，内陆低”的分布，沿海地区是我国先进制造业发展的前沿阵地，如江苏出台《江苏国际制造业基地建设总体规划》，浙江颁布《浙江省先进制造业基地建设规划纲要》等。从图1 可以看出，以上海、广东和海南这3 个省份效率最高，处于效率前沿面，得益于上海和广东的高新技术运用。吉林（0.99）、辽宁（0.904）、福建（0.887）和浙江（0.85）的效率次高，吉林和辽宁主要受纯技术效率的带动，而福建与浙江受益于规模效率较大。可以发现，新疆（0.597）、宁夏（0.436）和青海（0.47）效率值远低于区域效率均值（0.776），原因在于这3 个省份的技术与规模水平偏低。

图1 2009—2016年各省份先进制造业第一阶段生产效率均值

4.2 第二阶段似SFA回归分析

运用SFA 模型，将第一阶段所得到的投入松弛变量当作被解释变量，产业结构、科教支持、对外开放水平及城市化水平等环境指标作为解释变量进行回归分析。依托Frontier4.1 软件，分析结果如表2 所示，各单边似然比参数LR 均通过了1%的显著性水平检验，说明本文选取的外部环境指标对先进制造业投入松弛变量产生显著影响。此外，σ2均相对较大，γ都趋近于1，并且都达到了1%的显著性水平，表明管理因素在低碳环境下先进制造业效率中占据主导地位，故使用SFA 模型来剔除环境及随机扰动等因素对效率的影响显得尤为重要。

表2 SFA模型回归分析结果

在分析环境因素对投入变量产生的影响时，若环境变量系数为正，表明环境变量的提高会增加投入松弛量，引起产出下降或投入浪费；若环境变量系数为负，表明增加外部环境投入会减少投入松弛量，导致产出增加或投入减少。

产业结构对平均用工人数松弛变量、负债合计松弛变量、固定资产合计松弛变量和CO2排放量松弛变量的影响均为负相关，表明产业结构的优化（即第三产业比重的增加），有助于减少劳动力与固定资产的投入，充分利用资源，降低负债合计，同时也有利于减少CO2排放量，在一定程度上能够提高低碳环境下先进制造业的生产效率。

科教水平对平均用工人数松弛变量、负债合计松弛变量和固定资产合计松弛变量的影响为负相关，表明地区政府对科技与教育的投入越高，越有利于平均用工人数、负债合计和固定资产投入的降低，提升了生产效率；增加对科技与教育的投入，却不利于CO2排放量的减少，这是由于为了前期研发工业生产的低碳技术，必然会增加能源消耗，从而加大了碳排放。

对外开放水平对四个投入的影响均为负相关。扩大对外开放，能引入先进技术、设备和管理经验，既能有效减少对劳动力的使用，亦可减少一定的资产投入与负债，利用高新技术助力低碳经济，从而减少碳排放，促进生产效率的提升。

城市化水平对四个投入的影响均为正相关。表明地区城镇人口占地区总人口比重的提高，将导致先进制造业平均用工人数、负债合计与固定资产投入的增加和浪费，降低管理效率，抑制生产效率的提升。同时，过度的城市化也必然导致CO2排放增加，有违“绿色制造”理念。

4.3 第三阶段调整后的BCC模型分析

将调整后的投入数值结合原产出数据代入BCC 模型中，得到剔除了环境及随机扰动等因素影响的低碳环境下17 省份先进制造业生产效率值，并将其与第一阶段效率值进行对比，结果如表3 所示。

表3 各省份调整前后先进制造业效率均值及排名变化

（1）纵向分析。从整体上看，调整后的综合效率均值（0.757）略低于第一阶段的综合效率均值（0.776），仍差24.3%达到生产前沿面，究其原因是纯技术效率值增幅（9.8%）低于规模效率值降幅（11.6%），故而规模效率是制约我国“一带一路”沿线17 省份先进制造业生产效率的关键因素。从表3 明显可以看出，沿海五省份先进制造业在低碳环境下的生产效率相对其他省份处在较高水准，地区差异十分显著。东北地区调整后综合效率均值提升了1.3%，说明该地区受到较差的外部环境与发展机遇的影响，导致其纯技术效率与规模效率难以达到生产前沿面。未来当重视改善我国“一带一路”沿线17省份先进制造业的管理与技术水平，带动其纯技术效率的提升，促使地区先进制造业在低碳环境下实现规模驱动向效率驱动的转型升级。

（2）横向分析。如图2 所示，各年份综合技术效率均值经调整后都略低于第一阶段的值，值得注意的是，第一阶段综合效率变化趋势和纯技术效率变化趋势大体相近，而经调整后，综合效率变化趋势则与规模效率变化趋势相近。原因在于，第一阶段先进制造业可能受到了良好的外部环境与发展机遇的影响，而非其管理技术水平的低下，亦非拥有较高的产业规模经济。

图2 各年份区域整体先进制造业生产效率均值比较分布

据表4 可以看出，上海、广东和吉林连续8 年坚守在DEA 有效阵营，说明这些省份无论是技术创新还是产业规模方面都优于其他省份。福建与辽宁始终维持在0.9～1 之间（辽宁于2016 年达到DEA 有效状态），这两省发展趋势向好，当加强其先进制造业的技术革新便易达到有效状态。为更好区分地域层级，将综合技术效率年均值（0.757）和碳排放均值（4443.18）作为参照，把17 省份划分为以下类别，见表5。

表4 各省份第三阶段先进制造业分年份生产效率值

表5 “一带一路”沿线17省份先进制造业生产效率类型

如表5 所示，对于“高效率，高排放”型省份，保持效率优势的同时，势必提高能源利用开发效率，让污染物排放降至最低。“高效率，低排放”型省份是其他省份的学习楷模，用较少能耗投入换取较高产出，助力低碳经济。对于“低效率，高排放”与“低效率，低排放”型省份，经济发展水平较低，产业结构有待优化，在扩大对外开放、招商引资的同时，亦当重视环境污染问题。

（3）省际分析。如表3 所示，各省份调整前后效率差异较大，进一步证明外部环境及随机扰动因素对先进制造业生产效率测度具有一定影响。其中，海南的综合效率从调整前的排名第一到调整后的排名第八，说明其先进制造业虽拥有较好的外部环境与机遇，但存在资源浪费或碳排放过量导致投入产出失衡的现象。而吉林的综合效率排名进步明显，说明其先进制造业的发展不具备良好的外部环境与管理水平。新疆、宁夏与青海的综合效率无论调整前后，都远低于地区均值，这些省份应当在加大先进技术投入的同时注重规模经济的发展。此外，福建、浙江、吉林、辽宁、内蒙古和重庆的综合效率经调整后也有所提升，这些省份须进一步优化产业结构，合理配置资源，同时利用区位优势扩大对外开放，吸纳先进管理经验与技术。

4.4 低碳环境下先进制造业生产效率动态分析

从时间维度上对比分析第一、第三阶段的Malmquist 指数值，发现各时期内效率变化表现出明显差异，如表6 所示。

表6 2009—2016年17省份先进制造业Malmquist指数的分解及变动

从区域整体角度看，调整后我国“一带一路”沿线17 省份先进制造业的全要素生产率均值为1.004，年均增长率为0.4%，而调整前全要素生产率年均增长却为-0.8%。可以发现，不论是调整前还是调整后，全要素生产率的增长与否都取决于技术进步指数值的变化，说明技术进步是提高全要素生产率指数的关键因素。

从时间序列来看，通过绘制Malmquist 指数的变动曲线，也能发现全要素生产率曲线的变动趋势相近于技术进步指数的曲线。2009—2010 年，调整后的技术效率与技术进步指数值均低于1，从而引起全要素生产率的下跌，说明地区整体资源配置与管理水平尚有欠缺，亟须加强对提升技术进步要素的有效投入，壮大产业规模经济。2010—2011 年，受益于国家“十一五”战略规划的收官，以信息化带动工业化，产业结构优化升级，“一带一路”沿线17 省份先进制造业的Malmquist 指数值全线上扬。2011—2015 年是我国的“十二五”规划时期，国家全面实行资源利用总量控制，抑制高耗能产业过快增长，同时改造提升制造业，淘汰落后产能。故此期间“一带一路”沿线17 省份先进制造业的全要素生产率虽出现小幅度下滑，然整体发展趋势向好。2015 年，国务院发布《中国制造2025》，结合“一带一路”建设优先政策，沿线17 省份先进制造业的发展迎来极佳的外部环境和机遇，2015—2016 年全要素生产率涨幅达8 年以来最高，为6.4%。

5 结论与建议

基于中国“一带一路”沿线17 省份2009—2016 年的面板数据，本文借助三阶段DEA 与Malmquist 模型，从静态与动态双视角揭示各省份先进制造业在低碳环境下的生产效率及其差异。通过本文的研究，一方面弥补了关于当前我国“一带一路”省份先进制造业在碳排放投入下的生产效率研究的相对不足；另一方面亦为“一带一路”战略推动区域高质量发展与经济一体化的完善提供建议。主要几点结论如下：

（1）SFA 回归分析表明，外部环境因素对先进制造业生产效率有一定影响，优化配置产业结构、提高对外开放水平与合理规制城市开发对生产效率均有显著影响。因此，区域先进制造业的高质量发展不能依赖单一因素。科教水平对先进制造业生产效率的提升不显著，可能是由于一方面地区对科技与教育的支出加大带来的经济活动产生较多的碳排放；另一方面随着科教水平的提高，处理碳排放的技术手段更加先进，从而减少碳排放量，这和著名的环境库兹涅茨曲线的假设意思相近。需要注意的是，各环境变量对效率的影响均具有两面性，需要张弛有度才能发挥其对效率的正向作用。

（2）从静态角度分析，在剔除外部环境及随机扰动因素影响后，纯技术效率增幅（9.8%）低于规模效率降幅（11.6%），使得调整后地区先进制造业生产效率年均值较第一阶段下降2.4%，表明规模效率是制约生产效率发展的关键因素；从区域整体来看，效率整体呈现“沿海高，内陆低”的地区差异化特征，2009—2016 年影响该地区先进制造业生产效率的主要因素从投入调整前的纯技术效率转变为调整后的规模效率；从省际角度来看，经调整后达到效率前沿面的是上海、广东和吉林（吉林为新加入成员，原先的海南则退出DEA 有效阵营），且有10省份达到区域年均效率值，较第一阶段增加1 个省份。

（3）从动态角度分析，调整后2009—2016 年17 省份全要素生产率年均增长率为0.4%，得益于技术进步效率的增长，且无论调整前后，全要素生产率与技术进步效率变化趋势相近，表明技术进步是提高“一带一路”沿线17 省份先进制造业全要素生产率的关键因素，且各区域发展不平衡，西北与西南地区技术进步效率较低，仍需加大对先进制造业的技术研发与投入。

结合以上研究结论，提高“一带一路”沿线17 省份先进制造业在低碳环境下的生产效率的同时缩小各地区差异，应是中国在当前经济新常态下协调区域可持续发展与经济一体化战略过程中当重点关注的问题。为此，本文提出相关建议如下：

（1）变革生产制造方式，优化产业结构与布局，发挥产业集聚优势。同时以绿色制造为着力点，建立碳排放管理机制，淘汰低端制造模式，整改高污染行业，加大节能减排宣传力度。抓住国家“一带一路”倡议与国际产能合作战略提供的发展机遇，实现传统行业延伸向高端产业链。

（2）加大前沿技术攻关与创新，提高资源利用效率。地方政府应合理配置对科技与教育方面的投入，以推动先进制造企业生产设备的技术优化升级，培养行业管理人才与技术创新人才。结合人工智能、工业互联网等新一代信息技术，推动环保前沿技术研发，助力低碳经济。

（3）稳中求进扩大对外开放水平。在抢建自身先进制造业竞争新优势前提下，加快实现“引进来”与“走出去”战略并举，引入全球的高端人才与管理经验，创新行业融资手段，积极吸纳社会资本，同时引导行业巨头与中小企业跨区域、跨领域协同合作，最终构建自主可控的先进制造业生态体系。

（4）因地制宜推动新型城镇化建设，扩大先进制造业规模。城镇化是撬动内需的潜力所在，对于“一带一路”沿线西北（新疆、宁夏和青海等）与西南省份（云南、广西等）先进制造业规模效率偏低的现象，一方面要完善基础设施建设，另一方面要合理配置资源投入。“一带一路”沿线17 省份亦可在政府引导、企业主导下，建立“一带一路”先进制造业云上信息平台，实现各省份信息共享与数据同用，提高行业应急保障与处置能力。