长江三角洲地区跨区域共建园区经济综合效率测度

王婷，李禕

（河海大学公共管理学院，南京 211100）

“区域协调发展”和“经济一体化”一直以来是长江三角洲地区（简称长三角地区）发展的主题，“项目合作、平台共建以及政策协调”是长三角一体化建设的核心关键词［1］。2000 年初，由于地理位置、行政边界限制以及城市发展资源不足问题愈发明显，在长三角地区推出园区跨区域共建发展模式。跨区域共建园是指通过政府作用，突破地理和行政界限，在政府和市场双重作用下，借助产业转移，实现跨空间上的区域经济合作开发经营管理模式［2，3］。跨区域共建园最早出现于江苏省，通过产业转移为苏南城市产业升级优化空间，为苏北城市注入产业活力和资本要素等资源，促进区域产业升级发展和结构优化［4］。到2010 年长三角地区跨区域园区数量达50多家，2020 年累计签约已达221 家共建园，由于跨区域共建园区早期依靠着强大的产业政策和税收政策促进共建园区的发展，园区工业产值总体表现出线性增长趋势，改善了地区资源发展不平衡问题，拉动了地区经济增长和社会发展，成为地区经济发展的新增长极，受到极大重视和关注。

作为城市区域联合新的经济增长引擎，共建园经济发展缩小了城市之间经济的差异，产业转移和园区新模式开发为实现地区间资源优化、产业结构调整以及为区域多角度联合发展提供了新的发展思路，共建园政策对区域经济一体化进程出现了明显的正向“叠加效应”［5］，但多数依靠行政背景发展的共建园区在对园区投入和产出方面相对宽松和易于控制，因此，可以通过分析园区经济综合效率来判断园区发展状况。

1 共建园园区经济演变历程

经济园区是指在一定地域空间上以产业集群或产业链为基础，吸纳大量生产要素进行投入生产后形成的区域内经济增长指数的经济组织，其中包括科技园、特色工业园、经济开发区等多种形式园区［6］。跨区域共建园是带有独特行政意义和区域特征的经济园区。园区经济主要有两部分内涵，即内部经济和外部经济，内部经济主要是指企业依据自身条件投入创造的产出经济，外部经济是指由于产业集聚、区位条件等因素创造的附加经济［7］（图1）。

图1 共建园园区经济演变

1.1 税收性政策扶持共建园区经济发展阶段

长三角地区跨区域共建园最早起步于江苏省，相对发达城市和经济相对落后城市打破地域界限达成区域合作共识，积极推进产业转移和共建园建立，2003 年江阴-靖江工业园的建立成为跨区域共建园的标志，随后共建园以不同形式在长三角地区遍地开花，无论内部还是外部园区经济的占比基本上依靠共建园区建立的模式性质决定。早期产业重叠、结构层次单一、规模较小的共建园在税收政策扶持下迅猛发展。援建性质、托管性质以及股份合作模式性质的共建园，园区经济税收政策相对宽松，以上海漕河泾新兴技术开发区盐城工业园为例，在园区早期建设管理上，由投资公司进行企业化管理，5 年内的增值税和所得税除地方留成部分，其余以财政支出方式补贴给园区，5 年后的收益再进行协商分配，同时财政对园区基础设施建设贷款进行适当贴息。

1.2 产业集聚规模化共建园区经济发展阶段

园区发展普遍经历“集中-集聚-集群”3个阶段［8］。如果说政策扶持阶段下的共建园处于集中阶段，那么产业规模化的共建园正处于集聚和集群阶段。以连云港、宿迁、盐城城市共建园为例，上海-盐城、苏州-宿迁、连云港共建园已经形成一个规模产业区，通过“一园一特色”和“园区区中园”等多种园区形式组建独特规模化共建园集聚区，实现企业资源互补与集聚，“企业集聚、产业集群”态势越发明显。2019年江苏省出台的《关于推动南北共建高质量发展的若干政策措施》以重点突破共建共享、特色发展等园区，进一步将共建园区推向高质量发展阶段。

园区工业化和产业化集中度逐渐提高，外部经济对共建园经济发展作用加大。例如苏州宿迁工业园区，坚持以“项目为王”的理念，将产业集聚提速，充分利用好金融资本以及外部经济条件，形成了“1+1+N”模式的园区产业格局，截至2019 年吸引外资411 亿元，工业项目总投资中外资占比达70%，并且自2009 年江苏省开展全省南北共建园区考评以来，苏州宿迁工业园区连续11 年位居第一。

2 数据处理与研究方法

2.1 数据处理

依据《长三角园区共建联盟》和网络IPO 搜索，截至2020 年长三角地区共建园区共有221个，由于园区年份各类数据获取较难，根据数据的可获取性、真实性以及科学性选取了23 个共建园2015—2019年数据进行园区综合经济效率测度，其中浙江省4个，安徽省6个，江苏省13个，由于园区数据原则上存在时间序列关系和同类园区类似关系，园区部分数据缺失上采用拉格朗日空间插值进行补齐，在拉格朗日插值（k）的选取上选择k=2 进行补缺。

2.2 经济指标构建及模型选取

园区经济在国民经济中的重要性提升，越来越多的学者关注和研究园区经济，美国学者埃弗雷特·M·罗杰斯和朱迪思·K·拉森于1985 年8 月出版《硅谷热》，首次以定性形式分析了科技园区，揭示了产生凝聚经济效应的条件［9］。之后有学者从区位条件、产业布局和选择、园区功能模式等不同方面对园区进行评价［10］。同时有学者对园区内资源进行了研究，刘海燕等［11］从园区综合效益开发视角出发针对园区土地进行集约评价和指标构建，张英辉［12］以BP 神经网络构建和分析园区竞争力模型。园区发展效应的评价方法主要从生态效应、经济效应和社会效应3 个层次剖析园区发展，通过构建评价体系衡量园区发展；国内由于考虑到竞争性多是以量化指标进行客观评价，多数学者利用投入和产出效率评价方法进行评判，常用方法主要包括以随机前沿分析（SFA）［13］为代表的参数方法和以数据包络分析（DEA）［14］为代表的非参数方法。薛婕等［15］利用DEA 对园区循环经济效率进行评价；何伟［16］从DEA模型入手对高科技园区进行投入产出效益评价和排序，进而提出其园区效益投入产出途径。

由于DEA 的方便性，由此演化出许多不同的DEA 模型，在考虑生产报酬不变的前提下，赵胜豪等［17］借助DEA 模型中的CCR 经典模型对园区企业环境进行管理绩效评估，依据DEA 的有效性来解释园区生态系统总技术效率。在生产报酬可变的情况下，张本照等［18］在生产函数理论上加入DEA-BBC模型，考虑绿色经济效率的有效性，以纯技术效率解释固定资产的持续投入对园区绿色经济效率产生持久的影响。但BCC 模型和CCR 模型不能衡量全部松弛变量，对效率的评估存在很大缺陷［19］，Tone［20］提出另一种非射线的模型——SBM，是一种DEA 的拓展模型，用来避免DEA-BBC/CCR 的角度和径向问题。同样，受到瑞典经济学家Sten Malmquiat 消费指数的影响，Caves等［21］利用距 离函数 构造了Malmquist（ML）指数，随后更多学者将这一指数用来分析要素发展效率。因此，本研究选取SBM 模型和Malmquist 指数对长三角地区共建园进行投入产出效率测度，剖析选定代表共建园发展绩效，为园区可持续发展、园区管理投入和科学决策园区运行提供科学依据。

王永宁等［22］在科技园发展评价体系中利用园区人数、科研经费、企业个数等构建指标；张静［23］以入驻企业、年利润、龙头企业等指标作为投入产出数据对农业科技园的生产效率进行测度；吴淑娥等［24］在评价科技园区投入和产出绩效评价时利用经济绩效、研发投入、园区企业性质等构建评价指标体系；向鹏成等［19］以从业人员、总投资、工业用地面积为投入指标，以工业增加值、销售产值等作为产出指标。在综合参考以上研究成果的基础上，本研究基于数据的可获取性和相对完整性，构建评价指标（表1）。所有数据均来自长三角地区城市年鉴，部分缺失数据均利用朗格拉日模型进行补齐。

表1 长三角地区共建园经济综合评价指标

2.3 评价模型构建

2.3.1 DEA-SBM 模型 每个园区作为一个决策单元，假设有n个决策单元，决策单元里有m种投入和r种生产产出，因此得到的生产可能集合如下。

利用SBM 模型对m和n种投入与产出的DMU（x0，y0）的效率进行测量。根据生产可能集构建SBM模型，其基本形式如下。

2.3.2 Malmquist指数 Fare等［25］借助Malmquist 指数，构建了测算全要素生产率变化的Malmquist 方法，其公式如下。

式中，（xt，yt）和（xt+1，yt+1）分别为在t时期和t+1时期的投入和产出；Dt与Dt+1分别为不同技术条件下的产出距离函数；Mt到Mt+1表示在t期技术条件下，从t到t+1 期技术效率的变化值；下标c表示规模报酬不变；M（xt，yt，xt+1，yt+1）表示在t期和t+1期，从t期到t+1 期的全要素生产率变化，当M=1时，表示全要素生产率不变，当M＞1 时表示全要素生产率呈上升趋势，反之全要素生产率呈下降趋势。Malmquist指数=纯技术变化指数×规模效率指数×技术进步指数或Malmquist 指数=综合技术指数变化×技术进步指数。

3 实证分析

3.1 SBM 模型静态分析

3.1.1 纯技术效率和规模效率分析 利用matlab 软件对所选园区进行测算，可得园区2015—2019 年规模效率和纯技术效率（表2）。由表2 可知，2015、2016、2017、2018、2019 年选取样本的规模效率均值分别为0.83、0.86、0.85、0.94、0.86，5 年均值为0.87，年规模效率较为平均；纯技术效率均值分别为0.30、0.31、0.33、0.29、0.38，5 年均值为0.32，纯技术效率呈波动上升的趋势，在纯技术效率中，安徽省和浙江省明显低于江苏省。就规模效率而言，大部分园区规模效率为1 或接近1，江苏省、安徽省和浙江省规模效率均值分别为0.88、0.92、0.75，说明由园区规模因素影响的园区生产效率彼此之间差距不大，比较符合园区的发展现状；但在纯技术效率上，园区效率值只有江阴-靖江工业园、昆山高新区姜堰工业园和宜兴沛县工业园区5 年全部达1.00，说明只有3 个园区在目前技术水平上投入的资源是有效的，仅占13.0%。

表2 不同园区纯技术效率和规模效率统计

根据园区的定位规划，将23 个园区划分为传统工业园、高新技术工业园以及旅游（生态农业）产业园，其中9 个传统工业园、10 个高新技术工业园以及4 个旅游（生态农业）产业园，对其进行效率对比（图2）。由图2 可以看出，产业纯技术效率均值明显低于规模效率。在产业规模效率均值上表现出“两高一低”现象，在产业纯技术效率均值上也表现出“两高一低”现象，旅游（生态农业）产业园与传统工业园在产业规模效率均值上相差不大，但高新技术工业园在规模效益均值上明显低于其他2 个园区类型，表明高新技术产业对土地资源的需求量不大，而更多地需要依靠技术效率的投入来获得更多的综合效率回报。

图2 不同类型园区产业规模及纯技术效率均值的比较

江苏省纯技术效率高于安徽省和浙江省，主要是有3 个方面的原因，一是江苏省的经济条件和交通通达度均高于其他2 个省份，所以在企业转移时会相对优先选择江苏省；二是江苏省共建园最先发展，园区升级换代的要求迅速，工业基础发达；三是江苏省对高技术产业和高技术人才在财政补贴和税收政策上优惠力度较大，因此获得了较多的高科技产业和人才的支持。

3.1.2 综合效率分析 基于长三角地区（江苏省、安徽省、浙江省）园区共建的投入和产出，测算园区经济综合效率（园区经济综合效率=纯技术效率×规模效率），结果如表3 所示。就不同年份而言，2015、2016、2017、2018、2019 年园区经济综合效率总均值分别为0.25、0.26、0.25、0.26、0.27，5 年均值为0.26。江阴-靖江工业园和昆山高新区姜堰工业园2 个园区5 年经济综合效率均达1.00，为有效园区；无锡蠡园-贾汪工业园在2015 年和2016 年经济综合效率达1.00，成为有效园区；无锡新沂工业园在2017 年和2018 年经济综合效率达1.00，成为有效园区；宜兴沛县工业园区在2015—2018 年经济综合效率均达1.00，成为有效园区；宜兴泉山工业园在2019 年经济综合效率达1.00，成为有效园区；其余均为综合效率无效园区。就不同地区而言，江苏省2015、2016、2017、2018、2019 年经济综合效率均值分别为0.40、0.40、0.40、0.41、0.42，5 年平均值为0.41，位居第一；安徽省2015、2016、2017、2018、2019 年经济综合效率均值分别为0.05、0.05、0.04、0.04、0.04、0.06，5 年平均值为0.05，投入产出效率位于第三名；浙江省2015、2016、2017、2018、2019 年经济综合效率均值分别为0.06、0.08、0.08、0.08、0.08，5 年均值以0.07的投入产出效率位居第二，究其原因可能是安徽省和浙江省的园区共建起步较晚，经济模式和经验不足。浙江省园区共建城市旅游资源较为突出，园区一直秉持“绿水青山就是金山银山”的建设开发理念，大多共建园区是以旅游或农业发展为主题园区，因此园区投入产出综合效率回报相比江苏省较为缓慢。

表3 不同园区综合效率统计

就规模报酬而言，按地理区域划分，浙江省园区5 年来规模报酬均处于递增状态，表明浙江省借助旅游资源发展的山海协作产业园发展势头及状况良好，可以适当增加要素的投入进而达到园区规模报酬最佳值。安徽省2015—2019 年样本共建园规模报酬处于相对稳定状态，少数园区处于递增趋势，表明安徽省共建园发展状态良好，可以适当增加投入，以便达到最佳综合效率。江苏省在这5 年以规模报酬稳定为主，部分园区产出达到最佳值，但出现了少数园区个别年份规模报酬递减现象，说明在这些园区出现了固定投资或园区土地面积的冗余现象，应适当减少要素投入。

就产业而言，如图3 所示，在园区经济综合效率上表现为高新技术工业园＞传统工业园＞旅游（生态农业）产业园，以旅游生态等为主要发展方向的园区与工业园区仍然存在较大差距。江苏省以第二产业发展为主的园区回报率最高。长三角地区综合效率5 年内全部投资回报有效的园区共2个，全部在江苏省（江阴-靖江工业园、昆山高新区姜堰工业园）。江阴-靖江工业园、昆山高新区姜堰工业园、宜兴沛县工业园区等均是新型工业园区，以工业化为发展主体，多是新能源、电子等快速发展的企业入驻。传统工业园综合效率处于第二位，并且增长缓慢。从园区经济综合效率均值上来看，整体园区经济综合效率均值处于0.5 以下，以旅游（生态农业）为发展方向的园区经济综合效率均值最低，5 年内这些园区投资回报周期长，易受到外界影响。综合以上出现的问题进行分析，由于旅游和传统工业园在土地投入方面过多，园区引资和投资少，产能少，因此经济综合效率低。

图3 不同产业的经济综合效率比较

3.2 Malmquist指数动态分析

3.2.1 总体动态变动分析 由表4 可以看出，全要素生产率（TFP）除2018—2019 年小于1外，其余年份均大于1，并且均值大于1。长三角地区共建园全要素生产率总体呈波动增加趋势，说明长三角地区共建园整体上园区效率得到提升。2018—2019 年全要素生产率下降说明该年度园区效率出现衰退现象，而技术效率的上升表明该年度全要素生产率得益于技术效率的提升。

表4 不同年度长三角地区共建园投入产出Malmquist指数及分解

从技术进步指数来看，技术进步指数与全要素生产率变化趋势一致，表明技术进步指数与全要素生产率密切相关，技术进步指数均值大于1，整体呈增长趋势，说明长三角地区共建园技术进步保障了创新驱动发展战略的有效实施；从技术效率来看，技术效率呈增长-下降-增长的趋势，但技术效率变化指数均大于1，说明长三角地区共建园在投入产出效率中技术效率偏高。对比来看，长三角地区共建园的全要素生产率增长主要得益于技术的进步，其提高了园区生产效率和高新技术园区的发展速度，进而促使园区在一定规模下得到更多的产出。

3.2.2 省域动态变动分析 由表5 可以看出，从地区来看，江苏省（1.07）、安徽省（0.90）、浙江省（0.96）全要素生产率均小于整体全要素生产率水平，表明长三角大部分园区投入产出效率水平有待提高。江苏省全要素生产率大于1，表明江苏省全要素生产率呈上升趋势，安徽省和浙江省全要素生产率小于1，说明这2 个省份园区在全要素生产率方面出现衰退趋势；从纯技术效率来看，江苏省纯技术效率小于1，其余2 个省份纯技术效率均大于1，但只有安徽省纯技术效率超过整体纯技术效率，说明在安徽省存在过热的园区投资；从技术效率来看，3 个省份中安徽省稍微落后于其他2 个省份，但3 个省份在技术效率上均处于下降状态；从技术进步指数来看，江苏省高于其他2 个省份，原因可能是江苏省经济较其他2个省份经济更发达，高校和高科技人才较多，并且共建园发展经验较为丰富。

表5 2015—2019 年不同长三角地区共建园投入产出Malmquist指数及分解

4 小结与建议

4.1 小结

在创新驱动发展的国家大背景下，资源要素不断整合优化，共建园对于地区经济和长三角地区区域协调发展中转型升级和深化改革方面起着积极的促进作用，因此，共建园持续健康发展对资源要素、经济要素、社会要素等多方面影响巨大。基于园区持续发展的目的，运用SBM 模型和Malmquist 指数模型从静态和动态两方面分析了长三角地区共建园的投入产出效率，全要素生产率在一定程度上反映了园区经济效率的增长状态。本研究对园区发展中的全要素生产率和综合效率等相关数据进行实证分析，主要得出如下结论。

1）长三角地区共建园2015—2019 年的综合效率均较低，仅有2 个园区均有效，占案例样本的8.7%，91.3%的长三角地区共建园处于无效率状态，5 年共建园综合效率均值小于1，但一直处于波动缓慢上升的趋势，江苏省园区共建发展优于安徽省和浙江省，表明共建园存在很大的提升和优化空间。

2）大部分园区存在纯技术低效率或非效率状态的问题，综合效率未能达到有效的绝大部分原因是纯技术效率的无效，共建园在要素投入时要更加注意结构优化。

3）共建园的全要素生产率增长主要得益于技术的进步，进而提高了园区生产效率和高新技术园区的发展速度。

4）以产业划分园区经济，高新技术产业在经济效率和园区资源利用上优于其他2 个产业，以土地、劳动力、煤炭等资源投入带动发展，短期回报率高，长久来看依靠传统工业的园区逐渐在综合产业园区中处于劣势。

4.2 建议

1）强化土地利用效率。合理控制园区规模，进行有序土地资源开发和利用，通过规模化有效管理，降低园区管理成本。共建园中除高新技术产业园区外，其他园区都或多或少存在园区规模过大的现象，因此要严格把握园区发展规模，积极与周围工业园进行互补，资源整合，降低不必要园区产业链竞争成本，加强对园区用地审核和园区高效规划，定时对园区土地利用进行排查，严禁园区土地长时间闲置不开发现象，限制对土地需求大的低端企业和污染严重工业入住，减少土地资源的浪费。

2）加快多层次产业升级。强化共建园产业规模集聚效率，积极引进多层次、多功能企业入住，抓好招商引资的质量和数量，积极借助政策优势，形成特色产业园，以此为契机，打造专业化产业链，积极联动周围其他产业园区，分工细化，努力做到精品特色园区可持续发展。同时应定期对共建园经营、运作和管理进行经济测度，全面合理地衡量园区发展状况，以便提高共建园发展效率和发展质量，提升园区综合全面实力。

3）提高科学技术发展。技术效率是园区经济发展有效的重要保证。技术提高和生产结构优化，可以促进园区变革生产方式，提高企业和园区的经济效益。招商引资应更多偏向高新技术企业的引进，积极培养园区高科技人才，加大对园区科技的财政投入力度，提升园区的科技企业含金量，鼓励园区企业提高科研创新能力和信息化水平。