我国省域国际产能合作效率及其影响因素研究

张国梅 李甡 武媛媛

“一带一路”倡议背景下，我国与沿线国家的产能合作取得重大进展，但各省域发展不均衡。本文运用DEA方法和Malmquist指数法评价我国30个省域2010—2021年对外产能合作的效率及其变化，并利用Eviews9.0软件以受限面板Tobit模型实证分析了影响省域国际产能合作效率的主要因素。研究发现，大部分省域合作效率低，但2021年达到DEA有效和中等水平的地区接近研究对象的一半，总体效率值逐年递增；合作效率低主要由投资规模的无效和技术进步的阻碍引起；各省域的劳动力、自然资源禀赋、科技、资本和进出口贸易等也对合作效率产生影响，不同省域受因素影响程度不同。

一、引言

“一带一路”倡议为我国国际产能合作提供了契机。然而，我国各省域在国际产能合作中存在着不同的效果，受到技术、资源、劳动力素质和地理位置等条件的限制。这些限制对我国整体国际产能合作效率的提升产生了一定影响。因此，研究各省域的国际产能合作效率及其影响因素具有重要意义。目前，国内学者对国际产能合作的研究主要集中在合作路径、合作模式、机遇与风险等方面，对合作效率及其影响因素的实证研究较少。然而，合作效率直接影响合作进展。DEA方法在国际产能合作效率和国际投资效率领域得到广泛应用，具有处理多个投入与产出单位效率问题的优势。本文旨在借助DEA方法定量测度我国各省域对外产能合作效率，并通过TOBIT回归方法分析影响合作效率的主要因素，为推动“一带一路”建设和国际产能合作提供理论依据和决策参考［1-9］。

二、国际产能合作效率评价模型与评价指标

（一）评价模型

数据包络分析法（DEA）是一种数量分析方法，通过线性规划评价同类型决策单元的相对有效性，基于多项投入指标和多项产出指标。其中的BCC模型适用于规模报酬可变条件下的决策单元计算［10］：

上式中，为每个决策单元的效率值，为投入变量，为产出变量，为指标值的权系数，与分别为产出、投入的松弛变量。当=1，= 时，该决策单元为DEA有效，表示合作效率相对有效。

Malmquist指数则从动态角度将国际产能合作效率分解为综合技术效率和技术进步率，综合技术效率又包括纯技术进步和规模效率。这些方法可以衡量合作效率的提升、技术创新和投入的高效性，以及产能合作的经营管理水平和规模优化。

（二）评价指标的选取及数据来源

本文根据DEA模型的要求，从我国各省域的投入产出角度选择了相应的效率评价指标。投入指标包括对外承包工程完成的营业额、对外直接投资的存量和年末在外劳务人员数量。产出指标包括各省域的生产总值、进出口总额、一般公共预算收入和个人可支配收入。数据来源包括《中国对外投资发展报告》《中国对外劳务合作发展报告》《中国对外承包工程发展报告》《中国商务统计年鉴》《中国统计年鉴》以及各地方统计年鉴。共选取了30个省、市、自治区作为决策单元。使用DAEAP2.1软件，运用BCC模型和Malmquist指数方法对我国2010-2021年不同省域对外产能合作效率进行测算。

三、我国不同省域国际产能合作效率的综合评价

（一）基于BCC模型的投资效率评价

本文选择了投入角度的BCC模型，使用DEAP2.1软件计算了2010年至2021年的综合效率（TE）、纯技术效率（PTE）、规模效率（SE）和规模效益（RTS）。TE、PTE和SE接近1表示效率较高，当数值为1时表示DEA有效。根据数值的大小，投入效率可分为很低水平（0.5）、较低水平（0.7）、中等水平（1）和理想型（1）。由于篇幅限制，表1只列出了2010年和2021年的评价结果。

从平均值来看，2010年和2021年我国对外产能合作的效率平均水平分别为0.531和0.692，投资效率均属于较低水平。规模效率平均值小于纯技术效率平均值，说明合作效率较低，主要源于投资规模的无效率。尽管2021年相对于2010年有所改善，但仍需合理确定投资规模。

从综合效率值（TE）来看，2010年有7个地区达到DEA有效，2个地区达到中等水平，其余地区为低水平，占样本的70%。2021年达到DEA有效和中等水平的地区有所增加，低水平地区所占比重降至53%，整体效率逐步提高。西部地区达到DEA有效的地区较多，主要原因是这些地区的对外产能合作投入和产出较少。

纯技术效率（PTE）在2010-2021年间不断提高，表明在既定的投入水平下收益递增。14个地区的纯技术效率一直保持有效，12个地区的纯技术效率不断提升，而部分地区的纯技术效率略有下降。

规模效率（SE）方面，贵州、福建、宁夏、内蒙古和青海5个地区保持了有效状态，浙江、江西、广东、北京和上海的规模效率有所下降，其余地区的规模效率得到提升。中等水平以上的地区占比近60%，说明我国对外合作规模不断优化。规模收益方面，辽宁、黑龙江、内蒙古等9个地区处于规模效益不变状态，甘肃处于规模报酬递增阶段，其他地区处于规模收益递减阶段，需要适当控制投入规模和调整投入产出结构。

（二）基于Malmquist指数的效率动态化分析

在对标准DEA效率进行评价的基础上，借助Malmquist指数进一步研究国际产能合作效率的动态变化，运用DEAP2.1软件对我国30个省域的动态产能合作效率进行评价，如表2所示。

总体来看，2010—2021年我国各省域国际产能合作效率平均下降了1.4%，主要是由于技术进步率的下降。技术进步已成为制约国际产能合作效率的关键因素，应加大对技术的投入。然而，纯技术效率和规模效率有所提升，分别上升了2.8%和1.9%，體现了我国各省域对外合作的经营水平和规模效益的提高。

从不同省域来看，16个地区的国际产能合作效率下降，而其余14个地区的效率呈上升态势，表明产能合作正在从东部地区向中西部地区转移，中西部地区具有较大的产能合作潜力。

在2010—2021年间，综合技术效率、纯技术效率和规模效率有不同程度提升的地区分别占样本总量的77%、87%和77%，说明我国各省域在国际产能合作中的经营管理水平和规模收益不断提高。然而，技术进步率只有陕西、浙江和黑龙江略有上升，其他地区都有不同程度的下降，表明我国在对外合作中需要更加注重技术水平和合作质量的提高。

四、国际产能合作效率影响因素分析

本文研究了2010—2021年我国不同省域国际产能合作的综合效率值，并从劳动力成本、劳动力数量、自然资源禀赋、科技、资本和开放度等角度选取了人均GDP、人口规模、能源消费总量、研发经费支出、对外直接投资占GDP的比重和进出口贸易额占GDP的比重等6个指标作为解释变量。由于综合效率值被限制在区间[0，1]，具有截断数据特点，因此采用了受限面板Tobit回归模型进行分析。

为了减小随机误差的影响，研究对研究指标进行了平滑处理，采用了取对数的方法。基于这些数据，建立了基本的回归方程：

TE=β0+β1Lnlabor+β2Lnpopu+β3Lnreso+β4Lntech+β5Lnofdi+β6Lnopen+ε

根据回归分析结果（如表3所示），以下是对不同因素对国际产能合作效率的影响的简要总结：

第一，经济开放程度。经济开放程度对国际产能合作效率的影响在沿海或沿边地区较为显著，其中天津、江西、四川、安徽、新疆呈现显著负相关。这表明开放程度越高，当地的竞争越激烈，反而不利于产能合作效率的提高。

第二，自然资源禀赋。自然资源对国际产能合作效率的影响多为负相关，成为阻碍合作的重要因素。天津、上海、黑龙江、山西、陕西等地区由于拥有丰富的能源或矿产资源，合作效率呈显著正相关。其他地区的资源优势较弱，对效率的提升作用较小。

第三，劳动力成本。劳动力成本对国际产能合作效率的影响在人均GDP较低的地区更显著。低劳动力成本促使劳动者通过对外劳务派遣、对外工程承包等方式出国务工，有利于开展国际产能合作。

第四，人口規模。人口规模对各省域合作效率的影响较大。劳动力规模的扩大有利于提高产能合作效率，而劳动力数量过多可能成为合作的阻碍。

第五，对外投资力度。对外投资力度是影响产能合作效率的关键因素。大多数省域的对外投资力度与合作效率呈负相关，其中安徽、湖北、广西、四川等地的负相关性显著。而北京、上海、黑龙江和内蒙古的对外投资力度与合作效率呈显著正相关。

第六，科技水平。科技水平对产能合作效率的影响较为复杂。研发经费的投入并不能有效促进合作效率的提升，因为科技成果转化率仍然较低。因此，加速科技成果向现实生产力的转化是提高合作效率的内在动力。

五、建议总结

根据研究结论，以下是对影响我国各省域对外产能合作效率的因素的建议总结：

（一）重视技术进步和科技成果转化

加大对企业技术进步的支持，培育具有技术优势的产能合作企业。成立科技成果转化部门，加强企业与科技成果的对接，提高科技服务能力。实施“技术本土化”策略，将企业技术优势与东道国实际发展水平结合，提高适应性和效率。

（二）优化投资结构和提高投资效率

在对东道国市场、资源、政治等因素进行评估的基础上，选择合适的投资区域和产业，确定合理的投资规模。灵活采取多种合作方式，提高投资效率。

（三）加强境外资源开发和重点领域的境外投资

实施境外资源开发战略，统筹规划，明确重点领域。支持本地具有比较优势的企业在资源条件好、市场需求大的国家进行资源开发和产业投资。重点投资于建材、石化、钢铁、棉纺、家电、食品加工等行业项目，推动国际产能合作与国内产业转型升级。

以上是对影响我国各省域对外产能合作效率因素的建议总结。这些建议旨在提高技术水平、优化投资结构、加强资源开发和推动重点领域的境外投资，以促进产能合作的效率提升。

参考文献：

［1］朱廷珺、孙睿.“一带一路”沿线西部省份开放型

经济运行效率研究［J］.经济经纬，2016（2）：7-12.

［2］赵东麒、桑百川.“一带一路”倡议下的国际产能合作——基于产业国际竞争力的实证分析［J］.国际贸易问题，2016（10）：3-14.

［3］龚新蜀、乔姗姗、胡志高.丝绸之路经济带：贸易竞争性、互补性和贸易潜力——基于随机前沿引力模型［J］.经济问题探索，2016（10）：145-154.

［4］田泽、许东梅.我国对“一带一路”重点国家OFDI效率综合评价—基于超效率DEA和Malmquist指数［J］.经济问题探索，2016（6）：7-14.

［5］陈伟、王妙妙.“一带一路”背景下中国国际产能合作效率及其影响因素研究［J］.经济论坛，2021（3）：87-92.

［6］陈凯璇.“一带一路”背景下我国国际产能合作效率及其影响因素研究［D］.山东大学，2021.

［7］刘敏、薛伟贤、郑玉雯.“一带一路”产能合作模型构建与影响因素分析［J］.统计与决策，2021（16）：135-137.

［8］John Ross.International Production Capacity Cooperation-a new stage in China's Globalization [J].China Today，2016（5）：51.

［9］邹春萌.“一带一路”背景下中国与湄公河国家产能合作：制约因素与发展途径［J］.云南大学学报（社会科学版），2017（4）：117-120.

［10］陈升，扶雪琴.“一带一路”沿线科技创新效率区域差异及影响因素分析一一基于三阶段DEA和Tobit模型［J］.重庆大学学报（社会科学版），2020-9-28.

［11］国务院关于推进国际产能和装备制造合作的指导意见［EB/OL］.http：//www.gov.cn/zhengce/content/2015-05/16/content_9771.htm，2015-05-16.

基金项目：河北省教育厅青年拔尖人才项目“一带一路”背景下河北省国际产能合作效率及其影响因素研究（BJ2020215）；河北省教育厅：“双碳”目标下科技创新驱动河北钢铁产业绿色化转型升级路径研究（项目编号：SZ2023021）。

作者单位：张国梅，河北金融学院，博士研究生，副教授；通讯作者：李甡，河北软件职业技术学院，硕士，副教授；武媛媛，河北金融学院，硕士，副教授。