装备制造业子行业区域差异分析.docVIP

装备制造业子行业区域差异分析 　　内容摘要：本文运用三阶段DEA模型，对2010年我国各省装备制造业子行业全要素生产率进行了实证分析。研究结论为：7个子行业之间的全要素生产率差异较大，各省不同子行业的全要素生产率差异较大并且排名差异巨大。 　　关键词：全要素生产率 装备制造业 子行业 省级数据 　　引言与文献回顾 　　装备制造业在中国是支柱产业之一，并且很多省份都将其列为本省发展的主导产业。但是装备制造业只是一类行业的总称，根据2002年《国民经济行业分类》（GB/可将装备制造业分为7个技术特点不同的子行业。不同的省份应该根据自身的发展历史、现状选择合适的子行业进行重点扶持。 　　通过大量的文献整理发现前人的大多数研究都是将装备制造业作为一个整体，其中以装备制造业各个子行业不同特征为研究主题的文章为数不多。王章豹、孙陈（2007）采用多指标投入产出分析法和因子定权法等方法，对我国装备制造业7个子行业的技术创新效率进行了定量测度和排序分析。向一波（2012）利用装备制造业7个子行业2001-2009年出口交货值和产业销售值数据，对产业的对外市场需求弹性进行了动态实证研究。 　　因此本文的研究重点就是通过对我国装备制造业7个子行业全要素生产率的计算，利用省级数据，并采用Fried等（2002）提出的三阶段DEA法，去除外部环境和随机干扰对全要素生产率计算的影响，得出更加真实的技术效率、规模效率以及规模报酬的发展现状。一方面可以对现有的文献研究做出补充，另一方面可以为不同区域装备制造业的持续稳定发展提供理论指导。 　　由于笔者前期文献中已经详细介绍过三阶段DEA方法（王欣、庞玉兰，2011），所以本文对此不再累述。另外，由于内蒙古、西藏、青海和宁夏四省区在部分子行业中数据缺失，无法进行统一分析，所以将四省剔除。鉴于数据的可得性和完整性，本文选取2010年中国27个省（自治区、直辖市，以下统称省）为样本，文中数据分别来源于《中国工业经济统计年鉴》（2011）、《中国统计年鉴》（2011）、《中国金融年鉴》（2011）。 　　子行业全要素生产率得分及排名 　　本文采用2010年装备制造业7大子行业省级数据，分7次利用三阶段DEA方法计算了全要素生产率。由于笔者前期文献已经详细介绍了三阶段DEA分析法的计算过程，以及运用该方法去除外部环境和随机干扰的必要性，所以本文直接报告第三阶段得到的全要素生产率的各种对比分析。 　　一方面，各个省区在不同子行业中的全要素生产率有着较大的差异；另一方面，其全要素生产率的排名也有较大差异，具体数据见表1。因此，各地在确定装备制造业发展方向的过程中不能够采用撒胡椒面似的方法，对每个子行业同等对待，应该选准具有自身优势的子行业，集中力量进行发展。 　　由于篇幅所限，不能对每个省份的情况进行逐一分析，所以从表1中选择几个典型省份为例，说明不同子行业的全要素生产率差异较大。例如北京全要素生产率最高的行业是通信设备和计算机及其它电子设备制造业，高达1.000，说明北京在该行业处于生产技术最前沿，在全国处于领先地位。而北京全要素生产率最低的行业电气机械及器材制造业，仅为0.363，不到最优全要素生产率的一半，说明其效率相对于生产最前沿有63.7个百分点的增长空间，并且还低于全国平均值0.416。显然，北京在制定装备制造业发展方向时，可以重点考虑通信设备和计算机及其它电子设备制造业，而可以将电气机械及器材制造业放在次要位置。再例如山东在6个子行业的全要素生产率几乎都为1.000，都处于行业生产效率领先地位，但是在仪器仪表及办公用机械制造业的全要素生产率仅为0.615，与生产前沿相比有较大的提升空间。还有地处西部地区的重庆市，其交通运输设备制造业的全要素生产率高达0.847，而其他6个子行业中最高的也只是仪器仪表及办公用机械制造业的0.303，交通运输设备制造业与其他子行业相比异常的高，主要得益于重庆市在摩托车行业的强势。 　　同样通过观察表1，可以发现各省在不同子行业的全要素生产率排名也有很大变化。例如吉林省在其他6个子行业中的全要素生产率排名都比较靠后，基本上在前二十名之后，但是交通运输设备制造业却能够排名全国第一，凭借的就是其强大的汽车行业，所以吉林省在选择装备制造业的发展重点时，应该继续突出其在交通运输设备制造业的强大优势。又例如作为与上海、东北（黑龙江省、辽宁省）并称为中国三大重大技术装备制造基地的四川省在通用设备制造业和专用设备制造业的全要素生产率排名较高，所以这两大子行业应该成为四川重点发展的行业。 　　子行业全要素生产率聚类分析 　　通过各个子行业的聚类分析方法也进一步验证了我国装备制造业全要素生产率东中西梯度发展态势。通过聚类分析方法，将7大子行业都分为三