秦琳贵， 王 青， 马 强
(辽宁大学 经济学院， 沈阳 110136)
摘 要：运用2001—2014年27个省市的面板数据，使用DEA模型中的BCC模型和Malmquist指数法对辽宁省装备制造业及其细分行业的综合效率和全要素生产率(TFP)变化进行分析。结果表明：辽宁省装备制造业更多依靠规模和数量取胜，而非产业发展质量；近几年来辽宁省的要素使用效率有一定的提升，对劳动投入的利用水平低于资金投入；辽宁省装备制造业全要素生产率的变动主要是由技术进步引起的，技术效率的变动起的作用相对较小，但近几年全要素生产率的下降则主要是由技术效率变动的下降引起的，而这种下降主要是由于纯技术效率的下降引起的。
关 键 词：装备制造业； 技术效率； 全要素生产率； DEA模型； Malmquist指数法
装备制造业是为国民经济和国防建设提供生产技术装备的制造业，是制造业的核心组成部分，是国民经济发展及综合国力的基础。装备制造业的发达程度决定着国家工业和科技发展水平。装备制造业可以通过技术创新使生产要素向科技含量高、经济效益好的部门聚集，从而降低生产成本，极大地推动其他产业的技术创新和技术进步，因此具有极强的带动效应。我国从1998年在中央经济工作会议上首次提出装备制造业的概念，到2006年发布《国务院关于加快振兴装备制造业的若干意见》，再到2015年提出的我国装备制造业发展“三步走”战略，已经在政策层面确立了装备制造业在国民经济中的地位。
2014年，我国装备制造业产值规模超过20万亿元，居全球首位，年平均增长率达18%。辽宁是我国东北老工业基地的核心，有着雄厚的装备制造业基础，近年来在国务院“振兴东北”的政策支持下，辽宁省装备制造业取得了很大的发展。2014年辽宁省装备制造业产值规模占全国的3.82%，在各省市中位居全国第七。装备制造业也是辽宁省的支柱行业，东风日产大连工厂于2014年正式投产，中德(沈阳)高端装备制造产业园于2015年获国务院批准，这些重大项目为辽宁省装备制造业发展提供了新的增长点。
然而近几年来，我国经济发展步入新常态，经济增长速度有所放缓，经济增长方式也在发生变化。东北地区尤其是辽宁省在新的形势下，经济增长出现了很大的问题。2014年辽宁省GDP增速为5.8%，2015年GDP增速下降到3%，在全国垫底，也创下了近23年以来的最低值。与此同时，辽宁省装备制造业的发展也陷入低谷，尽管总量比较大，但是2013年装备制造业产值增长率为9.73%，2014年不升反降，增长率为-2.9%。支柱产业的倒退严重影响了辽宁省工业甚至整个经济的发展。
鉴于装备制造业对于辽宁经济的重要作用，有必要对辽宁省装备制造业的效率进行评价，从而优化资源配置，推动辽宁省装备制造业走出低谷，迈向新的阶段。本文正是基于辽宁省装备制造业陷入困境的现状，运用DEA模型，通过Malmquist指数对辽宁省装备制造业及各细分行业的效率和全要素生产率(TFP)变动进行研究，试图找出问题所在，为辽宁省装备制造业产业调整提供参考。
全要素生产率(TFP)能够更好地度量要素使用效率提高和技术进步的程度，能更好地反映生产率的综合水平及变动状况。早期的TFP研究是采用索洛余值法(SRA)来估算TFP，例如郭克莎(1992)对1979—1990年我国服务业TFP变动进行测算时用的就是索洛余值法[1]。但是由于SRA是基于经济主体的生产效率始终保持最佳的假设，而中国的实际情况并非如此，因而用索洛余值法来估算中国的行业TFP会有比较大的偏差。因此近些年来，国内学者大都采用前沿技术方法来估算TFP，主要包括数据包络分析(DEA)和随机前沿分析，Malmquist指数方法则常与DEA方法结合起来研究TFP变动的分解。严兵(2008)、王争等(2006)、张军等(2009)都是采用SFA方法分别对我国制造业和工业的TFP变动进行研究，只是在TFP变动的分解上后者更进一步[2-4]。数据包络分析法相对于随机前沿分析由于具有不用事先假定生产函数的形式、不需要进行参数估计、允许有无效率的行为且能对TFP变动进行分解等优点，近年来应用更加广泛。章祥荪等(2008)、王珊珊等(2011)分别用DEA-Malmquist方法对中国全要素生产率和制造业全要素能源效率进行分析，后者还进一步用Tobit模型对影响因素进行了分析[5-6]。郭界秀(2015)[7]、刘兴凯(2009)[8]、原毅军等(2009)[9]、陈艳莹等(2011)[10]分别用DEA-Malmquist指数法对中国工业、服务业和生产性服务业的全要素生产率进行研究。此外，DEA指数法还被广泛应用于其他行业及企业层面的生产效率评价。
具体到DEA-Malmquist指数法在装备制造业效率评价中应用的研究也很多。孙汉杰等(2014)[11]和马晓蕾等(2015)[12]都运用DEA-Malmquist指数法分别对东北地区制造业和装备制造业的全要素生产率进行研究，只不过在投入和产出指标的选择上有所不同。吕风香(2014)用DEA-Malmquist指数法研究了我国西部装备制造业全要素生产率测度及影响因素[13]。陈爱贞等(2014)在研究我国装备制造业的国际贸易是否促进其技术发展时，也是基于DEA的面板数据计算全要素生产率的变动幅度[14]。
现有的使用DEA-Malmquist指数法计算全要素生产率的文献存在以下两个问题：首先是对资本投入的衡量，很多文献使用永续盘活法计算当年资本存量，但是这种方法涉及基期资本存量的计算、折旧率的选择和投资平减三个问题。关于折旧率的选择问题比较多，有的文献沿用张军(2009)的做法，折旧率选择16%，如章祥荪等(2008)；而刘华等(2013)则选择5%的折旧率，差异还是比较大的。另外，不同的年份不同的行业采用同一个折旧率也是比较粗糙的，会影响结果的精度。其次是对劳动投入的衡量，多数文献采用当地装备制造业从业人员数量来衡量，如吕风香(2014)、陈爱贞等(2014)，而实际上对劳动投入的衡量不仅是数量上的，还应当包括劳动者的质量。本文从这两个方面进行改进，对资本投入采用年鉴上的原始数据，对当年的流动资金与固定资产进行平减来衡量；在劳动投入方面，引入从业人员平均受教育年限与从业人员数量的乘积来衡量。
1. 研究方法
本文所用的软件是由Tim Coelli编写的Deap 2.1，首先采用DEA模型中产出主导型而且规模收益可变的BCC模型对历年辽宁省装备制造业的效率进行评价，然后用Malmquist指数对辽宁省装备制造业的TFP变动进行分析。
数据包络分析最早是由Charnes等提出的，构建多投入多产出的线性模型，对整个经济中各个决策单元(DMU)的TFP进行评价，其原理就是构建生产前沿面，考察DMU是否位于前沿面上，简称CCR模型。由于CCR限制了规模收益不变，Banker等对模型进行了优化，引入规模收益可变的约束条件形成BCC模型。由于规模收益可变，因而模型的适用性得到很大的提升。但实际上Charnes和Banker等建立的模型只能对不同DMU的效率进行同期的横向式对比，而Malmquist指数能够对这点不足进行很好的补充，其中以Fare等构建的Malmquist指数评价法比较成熟而且应用更广。该方法可以分析连续性的面板数据，并且将TFP的变化进行分解，因此本文用此方法研究辽宁省装备制造业及其细分行业TFP的变化问题。
采用Malmquist指数法得出TFP变动的表达式为
(1)
式中：x为投入量；y为产出量；dt(xt+1，yt+1)为以第t期技术表示的下一期也就是t+1期技术效率水平；dt(xt，yt)为以第t期技术表示的当期技术效率水平；dt+1(xt+1，yt+1)为以第t+1期技术表示的当期技术效率水平；dt+1(xt，yt)为以第t+1期表示的第t期技术效率水平。
将TFPCH进一步地分解成技术进步变动指数(TECHCH)和技术效率变动指数(EFFCH)，表达式为
TFPCH=TECHCH×EFFCH
(2)
(3)
(4)
技术进步变动与技术效率的变动实际上有区别的，前者指的是最佳生产状态的变动，衡量的是技术边界的移动情况，可以称之为“增长效应”；而后者是指向最佳生产状态的靠近，衡量的是到最佳生产状态的追赶程度，可以称之为“追赶效应”。EFFCH可以进一步细分为纯技术效率变化指数(PECH)和规模效率变化指数(SECH)，表达式为
EFFCH=PECH×SECH
(5)
PECH可以通过计算各期在规模报酬可变条件下本期距离函数的比率得到；SECH是规模报酬不变条件下和规模报酬可变条件下两个距离函数的比值。进而最终可以将Malmquist指数进行分解，即
TFPCH=TECHCH×PECH×SECH
(6)
2. 指标选择及数据说明
根据我国《国民经济行业分类》(GB/T4754-2002)，中国装备制造业包括7个行业大类，具体为：金属制品业(C34)，通用设备制造业(C35)，专用设备制造业(C36)，交通运输设备制造业(C37)，电气机械及器材制造业(C39)，计算机、通信及其他电子设备制造业(C40)，仪器仪表制造业(C41)。本文中装备制造业的总体数据是由上述各个子行业的相关数据加总得出的，由于没有西藏的数据，而且考虑到青海、宁夏和海南部分数据缺失会影响总体面板数据的连续性，因此本文的研究范围将这4个地区排除在外。各指标的数据均来自《中国工业统计年鉴》《中国价格统计年鉴》《中国统计年鉴》和《中国教育统计年鉴》。
计算辽宁省装备制造业效率，首先要明确产出指标(Y)、资本投入(K)和劳动投入(L)指标。由于工业经济年鉴2008年以后不再统计工业增加值，因此借鉴目前大量文献的做法，本文的产出指标采用装备制造业的工业总产值表示，由各子行业工业总产值相加而得。结合文献分析，资本投入(K)指标采用《中国工业经济统计年鉴》中的“固定资产净值年平均余额”与“流动资产净值年平均余额”之和来衡量。劳动投入(L)方面，由于多数文献采用行业年均就业人数来衡量，仅仅从数量上并不能很好地反映劳动投入，还应当考虑从业人员的质量，因此使用各省区从业人员平均受教育水平作为人力资本质量的表征，将平均教育年限和行业就业人数的乘积作为劳动投入。从业人员数据来自《中国工业统计年鉴》，我国历年各省区从业人员平均受教育年限则是借鉴陈钊等的方法对《中国教育统计年鉴》相关数据处理而得。
由于从历年统计年鉴中得到的原始数据是基于当年价格的，不具有可比性，因而需要进行价格平减。产出指标用《2015中国价格统计年鉴》中提供的2001—2014年工业分行业的工业品出厂价格指数进行平减，得到以2001年为基期的各个细分行业总产值的可比时间序列。对固定资产净值年平均余额的平减，由于没有分行业的固定资产投资价格指数，因而采用《中国统计年鉴》中的工业固定资产投资价格指数对现价投资额进行平减。基年仍选择2001年(以2001年为基数100)，对2001—2014年固定资产净值进行平减。
利用DEA 2.1软件中投入导向型BCC模型对27个省市2001—2014年的综合效率进行测算，在假设可变规模效益条件下，综合技术效率(crste)进一步分解为纯技术效率(vrste)与规模效率(scale)，其中crste=vrste×scale。表1给出辽宁省装备制造业的技术效率及其分解，图1给出了辽宁省装备制造业技术效率趋势。
表1 辽宁省装备制造业技术效率及分解
图1 辽宁省装备制造业技术效率趋势
由表1和图1可以看出，辽宁省装备制造业的综合效率在2007年之前基本上与纯技术效率重叠，主要是由于2007年以前的规模效率很高，基本上接近于1，而且一直处于规模报酬递增阶段，这段时间纯技术效率的提高在很大程度上影响了总体综合效率水平的提升。2007年以后，综合效率水平一直低于纯技术效率和规模效率，主要是由于规模报酬递减使得规模效率有一定程度的降低，再加上纯技术效率水平的波动，二者共同推动了综合效率的变化。
从趋势上看，辽宁省装备制造业综合效率2008年以前基本上处于上升状态，而且2008年纯技术效率水平有较大的提高，这与我国2006年开始实施《关于加快振兴装备制造业的若干意见》有很大关系，其带动了装备制造业纯技术效率水平的提高。但是由于2008年的金融危机严重影响了规模效率和纯技术效率，因而直到2010年综合效率水平一直处于下降状态。2010年逐步走出经济危机的影响，辽宁省装备制造业综合效率又开始稳步上升，到2012年达到最高，然后开始下降。作为辽宁省支柱性产业，装备制造业技术效率的下降也可以在一定程度上反映近几年来辽宁经济的低迷。此外，从综合效率在全国的排名也可以看出辽宁省装备制造业大而不强的特点，其综合效率近十几年来基本上处于全国中下游水平，2012年最高达到13名，近两年又滑落至15名。
为了对辽宁省装备制造业综合效率水平进行进一步分析，由于篇幅限制，表2仅给出近三年也就是2012—2014年辽宁省装备制造业7个细分行业的技术效率水平及其分解。
表2 辽宁省装备制造业细分行业技术效率及分解
由表2可以看出，从绝对值上看，辽宁省的交通运输设备制造业(C37)、通用设备制造业(C35)、电气机械及器材制造业(C39)的综合技术效率比较高，计算机、通信及其他电子设备制造业(C40)和仪器仪表制造业(C41)的综合技术效率比较低。而从相对值也就是排名来看，金属制品业(C34)、通用设备制造业(C35)和专用设备制造业(C36)的综合技术效率排名比较靠前，而交通运输设备制造业(C37)和计算机、通信及其他电子设备制造业(C40)的综合技术效率则比较靠后。此外，辽宁省装备制造业7个细分行业除仪器仪表制造业(C41)以外，其他几个行业的规模效率处于较高水平。以2014年为例，这6个行业的规模效率都在0.84以上，其中交通运输设备制造业(C37)的规模效率更是高达0.981，但是纯技术效率则相对比较低，说明辽宁省装备制造业的发展还是主要靠产业规模推动，技术水平还相对落后。
从发展趋势上看，七大行业除了专用设备制造业(C36)和交通运输设备制造业(C37)的综合技术效率在2014年有略微提升以外，其他行业的综合技术效率都是下降的，这种下降不仅仅是绝对值的减少，也伴随着相对排名的下降。这说明辽宁省装备制造业各细分行业综合技术效率近几年来持续降低，而且下降的幅度相对更大。从绝对值上看，仪器仪表制造业(C41)的综合技术效率近三年来的降幅接近50%，但是由于辽宁省仪器仪表制造业(C41)的规模比较小，因而对总体的影响有限，而辽宁省装备制造业中规模最大的交通运输设备制造业(C37)的综合技术效率也下降了近9%，相对排名也下降了7位。
根据投入导向的BCC模型所得前沿面，辽宁省装备制造业在产出既定的情况下投入应该降低。装备制造业各行业并未全部达到DEA有效，各个行业的投入与产出并未达到合理的水平，存在投入过剩或产出不足的情况。这表明目前产业发展中存在资源配置效率低下，资源没有得到合理利用以及产业技术落后等问题，从而导致产业发展的技术效率低下。表3和图2给出了根据DEA 2.1软件计算出的2001—2014年辽宁省装备制造业目标投入量与实际投入量以及两者存在的差值，其中目标投入量是非DEA有效的决策单元要达到有效所需的目标投入值。目标投入量是通过投入项的径量和差额的调整量与实际投入量共同计算出来的数据。
表3 2001—2014年辽宁省装备制造业投入量的调整
图2 资本投入与劳动投入差值比趋势
由表3和图2可以看出，辽宁省装备制造业投入产出比例远远未达到最优组合，与目标投入量相比，实际资本和劳动力投入冗余量均在20%以上，2010年以前资本投入冗余量甚至超过40%。从趋势上看，资本投入差值比在2007年以前基本上是下降的，2008—2010年有很大的提升，这与我国4万亿投资刺激经济的政策有关，其带来了巨大的资本投入冗余，2010年后开始下降；劳动投入差值比在总体上处于下降的趋势。2013年和2014年资本投入和劳动投入差值比又开始有一定的反弹，进一步说明现阶段辽宁省装备制造业投入总量均需缩量调整，提高技术效率水平。
下面以2014年为例，分析辽宁省装备制造业各细分行业资本投入和劳动力投入如何进行调整才能达到DEA有效。表4给出了2014年辽宁省装备制造业各细分行业目标投入量和实际投入量。
由表4可以看出，2014年辽宁省装备制造业各细分行业均需要一定程度的调整。在资本投入方面，金属制品业(C34)、交通运输设备制造业(C37)和电气机械及器材制造业(C39)的调整幅度相对较小，均在17%左右，要素投入的利用水平相对较高；而计算机、通信及其他电子设备制造业(C40)和仪器仪表制造业(C41)需要进行幅度较大的调整，对于资金的利用水平十分低下。在劳动力投入方面，只有电气机械及器材制造业(C39)需要调整的幅度较小，其他行业均需要较大幅度的调整。总体来说，辽宁省装备制造业对于劳动投入的利用水平比较低。
表4 2014年辽宁省装备制造业各细分行业投入量的调整
数据包络分析(DEA)只能分析某一时期的技术效率，无法探讨决策单元不同时期技术效率的变化情况，而基于数据包络分析(DEA)的Malmquist指数可以弥补静态DEA分析的不足，计算出全要素生产率的变动(TFPCH)情况，并且能分离出TECHCH和EFFCH两部分，技术效率变动还能进一步分解成PECH和SECH，因此能很好地反映技术效率变动情况。运用DEA 2.1软件计算2001—2014年辽宁省装备制造业和各个细分行业的全要素生产率的Malmquist指数及分解值。
1. 辽宁省装备制造业总体TFP变动分析
表5和图3给出了2001—2014年辽宁省装备制造业TFP的变动及分解情况。
表5 2001—2014年辽宁省装备制造业TFP变动及分解
图3 辽宁省装备制造业TFPCH及其分解的趋势
由表5和图3可以看出：(1)从总体上看，辽宁省装备制造业全要素生产率近14年的平均增长率为11.5%，其中技术进步的年平均增长率(TECHCH)为8.7%，技术效率的年均增长率(EFFCH)为2.6%，TFP的变动主要来自技术进步；纯技术效率年均增长(PECH)2.6%，规模效率年均增长(SECH)0.2%，纯技术效率的增长主要来自纯技术效率的变动。(2)TFPCH大致呈下降状态，2012年以前全要素生产率的变动(TFPCH)均大于1，主要是由于技术进步指数长期大于1，而且技术效率指数只有2008—2009年比较低；2012—2013年和2013—2014年全要素生产率的变动大幅下降，而且连续两年小于1，而这两年间技术效率几乎没有变化，主要原因在于技术进步的变动。这两年间TECHCH都小于1，而且2013—2014年更是只有0.804，严重影响了全要素生产率的提高。(3)TECHCH在2012年以前总体上在1.1左右呈波浪状，2012年以后严重下跌；EFFCH和PECH总体上也呈波浪状，EFFCH波动幅度不大，仅在2005—2006年和2008—2009年两个阶段略小于1；PECH在2007—2008年间出现一个高点1.182，在2008—2009年急速下跌到最低点0.949，说明纯技术效率在经济危机期间严重受挫；SECH则表现得相对比较平稳，基本都在1左右。
2. 辽宁省装备制造业细分行业TFP变动分析
下面分别对辽宁省装备制造业7大细分行业的TFP变动进行分析。
(1) 金属制品业(C34)和通用设备制造业(C35)的TFPCH及其分解如表6和图4、5所示。
表6 金属制品业和通用设备制造业TFPCH及其分解
图4 C34 TFPCH及其分解的趋势
图5 C35 TFPCH及其分解的趋势
由表6和图4可以看出：①从总体上看，辽宁省金属制品业TFP近14年平均增长率为10.6%，其中TECH年均增长率为11.5%，EFF年均增长率为-0.8%，TFP的变动主要来自于技术进步。②TFPCH总体呈波动状态，2004年之前波动比较大，之后相对平稳，但是近几年来TFP的增长幅度比较小。如2012—2013年增幅为-0.1%，2013—2014年增幅为3%，原因主要在于EFFCH比较低，技术效率的下降严重影响了金属制品业TFP的提升。③TECH总体呈波浪状，仅在2003—2004年和2011—2012年两个阶段小于1；EFFCH、PECH和SECH均呈波浪状，但是由于SECH除2009—2010年和2011—2012年两个阶段基本等于1，所以主要还是PECH影响EFFCH的变化。
由表6和图5可以看出：①从总体上，辽宁省通用设备制造业TFP近14年平均增长率为15.3%，其中TECH年均增长率为14.3%，EFF年均增长率为0.9%，TFP的变动主要来自技术进步。②TFPCH在2011年以前基本在1.2左右，2012年急速下降到0.902，主要原因在于TECH和EFFCH均严重受挫。尽管2013年有一定的反弹，但2014年又一次降到1以下，说明近几年来辽宁省通用设备制造业利用要素的效率比较低下。③TECH的情形于TFP类似，都是在2012年急速下降然后开始调整；SECH几乎没有变化，基本上都等于1。所以，EFFCH基本上都来自PECH，二者在2011年呈波动形，2011年之后开始持续下降直至2014年。纯技术效率的下降严重影响了技术效率的提升。
(2) 专用设备制造业(C36)和交通运输设备制造业(C37)TFPCH及其分解如表7和图6、7所示。
表7 专用设备制造业和交通运输设备制造业TFPCH及其分解
图6 C36 TFPCH及其分解的趋势
图7 C37 TFPCH及其分解的趋势
由表7和图6可以看出：①从总体上看，辽宁省专用设备制造业TFP年均增长率为22%，其中TECH的年均增长率为14.6%，EFF年均增长率为6.5%，TFP的变动主要来自TECH。②专用设备制造业TFPCH在2007年之前基本稳定在1.3左右，要素使用效率比较高，2007—2013年期间先是到2010年剧烈下跌至谷底，然后急速上升到2013年的高点，呈现V型变化，但是2014年又开始急剧下降到1以下，这种变化基本都是EFFCH引起的。③专用设备制造业TECHCH表现比较平稳，基本都在1.2左右；SECH也基本维持在1左右，没有太大的波动；EFFCH和PECH的趋势比较类似，在2007年之前比较平稳，之后开始剧烈波动，EFFCH基本上都是由PECH引起的。
由表7和图7可以看出：①辽宁省交通运输设备制造业TFP年均增长率为14.3%，其中TECH的年均增长率为9%，EFF的年均增长率为4.8%，二者共同推动了TFP的增长，TFPCH的贡献相对大一些。②交通运输设备制造业TFPCH在2011年之前都比较稳定，2011—2012年间大幅上涨到1.823，主要原因是EFFCH急剧上涨，之后则持续大幅下降至0.741，下降的原因是TECHCH和EFFCH的共同作用。③TECHCH在2012年之前波动都比较小，2013年和2014年则连续明显下降到1以下；EFFCH和PECH几乎重合，EFFCH基本上都是由PECH导致的，期间SECH非常平稳，一直维持在1左右。
(3) 电气机械及器材制造业(C39)和计算机、通信及其他器材制造业(C40)TFPCH及其分解如表8和图8、9所示。
表8 电气机械及器材制造业和计算机、通信及其他电子设备制造业TFPCH及其分解
图8 C39 TFPCH及其分解的趋势
图9 C40 TFPCH及其分解的趋势
由表8和图8可以看出：①辽宁省电气机械及器材制造业TFP年均增长率为10.5%，其中TECH的年均增长率为6.4%，EFF的年均增长率为3.9%，二者共同推动TFP的变化。②TFPCH在2010年之前呈波浪式，而且振幅巨大，2008年TFPCH出现断崖式下跌，直接从1.436跌至0.819，主要原因在于TECH的大幅下跌和EFF小幅下跌的共同作用；然后开始上升，但是从2010年开始连续下降，原因主要在于EFFCH的下降。③TECHCH呈波浪式，只在2005—2006、2007—2008和2009—2010三个阶段小于1；EFFCH和PECH也是几乎重合，在1.1左右震荡。EFFCH基本上都是由PECH导致的，近两年有连续下跌的趋势；2012年以前SECH非常平稳，一直维持在1左右，近两年有小幅下跌。
由表8和图9可以看出：①辽宁省计算机、通信及其他电子设备制造业TFP年均增长率为10.4%，其中TECH的年均增长率为11%，而EFF的年均增长率为-0.6%，技术进步推动了TFP的增长，而技术效率反而拖了后腿。②TFPCH在2010年之前基本上在1.1左右震荡，2010年之后则出现连续下跌的态势，2013年和2014年TFPCH均在1以下，连续下跌的原因主要在于EFFCH的下降；尽管2014年EFFCH有所上升，但同时TECHCH又出现明显的下跌。③TECHCH一直在1.1左右波动，仅在2002—2003年期间小于1；EFFCH在1左右上下波动且振幅较大，主要是由于PECH和SECH的共同作用，在2010年之后连续下跌3年，2014年有所回升，但仍然小于1。
(4) 表9和图10给出了辽宁省仪器仪表制造业(C41)的TFPCH及其分解。
表9 仪器仪表制造业TFPCH及其分解
图10 C41 TFPCH及其分解的趋势
由表9和图10可以看出：①从总体上看，辽宁省仪器仪表制造业TFP的年均增长率为15.6%，其中TECH的年均增长率为19.6%，而EFF的年均增长率为-3.3%，TFP的增长主要是由TECH引起的，EFF拖了后腿。②从趋势上看辽宁省仪器仪表制造业TFPCH表现比较平稳，基本上都在1以上，但是近两年连续下跌，2014年更是降到了1之下。尽管总体平稳，但是TECHCH和EFFCH在2008年之后的波动还是非常大的，但是由于二者的变动是反方向的，因此TFPCH反而比较平稳。③TECHCH、EFFCH和SECH在2008年比较平稳，之后开始剧烈震荡，2008—2009年TECHCH甚至高达3.775，而同时期EFFCH仅为0.272，二者的变化方向正好是相反的；SECH与EFFCH基本重合，说明EFFCH主要是由SECH引起的，同时期PECH的变动很小，基本上都在1左右。
本文利用2001—2014年中国27个省市的面板数据，运用DEA 2.1软件对辽宁省装备制造业技术效率进行测度，主要得出以下结论：
(1) 用DEA模型中投入导向型的BCC模型对辽宁省装备制造业及其细分行业的综合技术效率进行评价，发现装备制造业综合技术效率呈波浪式变化，而且近两年有下降的趋势；从综合技术效率的分解上看规模效率远高于纯技术效率，对整体的技术效率起关键作用。这说明辽宁省装备制造业更多依靠规模和数量取胜，而非产业发展质量，因此应注重经营模式改革，关注技术水平和技术进步带来的生产效率提升。从辽宁省装备制造业综合技术效率在全国的排名也可以看出其产业大而不强的特点，综合技术效率效率近十几年来基本上处于中下游水平。从细分行业上看，辽宁省的交通运输设备制造业、通用设备制造业、电气机械及器材制造业的技术效率比较高，计算机、通信及其他电子设备制造业和仪器仪表制造业的技术效率比较低。
(2) 辽宁省装备制造业投入要素需要进行调整以达到DEA有效，从趋势上看装备制造业资金投入和劳动投入需要调整的比例有所下降，说明近几年来辽宁省的要素使用效率有一定的提升。从细分行业看，交通运输设备制造业、金属制品业和电气机械及器材制造业的资金投入调整幅度相对较小，劳动力投入方面只有电气机械及器材制造业需要调整的幅度较小，其他行业均需要较大幅度的调整。总体来说，辽宁省装备制造业对劳动投入的利用水平比较低。
(3) 用基于Malmquist指数的方法对全要素生产率变动进行分解，从14年总体数据上看，辽宁省装备制造业全要素生产率的变动主要是由技术进步引起的，技术效率的变动起的作用相对较小。但是近几年全要素生产率的下降则主要是由技术效率变动的下降引起的，而技术效率变动的下降则主要是由于纯技术效率变动的下降引起的，规模效率的变动影响较小，这从辽宁省装备制造业总体和细分行业的分析中可以看出。
由本文研究结果，可以得到以下几点政策启示：辽宁省装备制造业想要走出增长的困境，首先要完成增长模式由粗放型向集约型的转变，摆脱对要素投入增长的过分依赖，转而依靠生产率的持续提高。虽然装备制造业资本密集程度很高，但是在资本深化的过程中，更要提高对生产率的重视。其次，鉴于技术进步对辽宁省装备制造业生产率提高的巨大作用，应当继续推动装备制造业的技术进步，可以从引进国外关键设备和核心技术、着重加强内生的技术创新活动两个方面入手。再次，鉴于目前辽宁省装备制造业的要素配置效率比较低，尤其是劳动投入的配置效率低，辽宁有很大的空间通过改善要素配置效率提升其装备制造业的生产率，提高要素配置的市场化程度是解决问题的关键。最后，辽宁省装备制造业已经具备了一定的规模，而且近些年已经处于规模效率下降的阶段，继续追求规模的扩大反而不利于生产率的提高。
参考文献：
[1]郭克莎.三次产业增长因素及其变动特点分析 [J].经济研究，1992(2)：51-61.
[2]严兵.效率增进、技术进步与全要素生产率增长：制造业内外资企业生产率比较 [J].数量经济与技术经济研究，2008(11)：16-27.
[3]王争，郑京海，史晋川.中国地区工业生产绩效：结构差异制度冲击及动态表现 [J].经济研究，2006(11)：48-59.
[4]张军，陈诗一，Jefferson G H.结构改革与中国工业增长 [J].经济研究，2009(7)：4-20.
[5]章祥荪，贵斌威.中国全要素生产率分析：Malmquist指数法评述与应用 [J].数量经济技术经济研究，2008(6)：111-122.
[6]王姗姗，屈小娥.技术进步、技术效率与制造业全要素能源效率：基于Malmquist指数的实证研究 [J].山西财经大学学报，2011，33(2)：54-60.
[7]郭界秀.中国工业技术进步的分解及影响因素研究：基于DEA的Malmquist指数法 [J].经济经纬，2015，32(5)：79-84.
[8]刘兴凯.中国服务业全要素生产率阶段性及区域性变动特点分析：基于1978—2007年省际面板数据的研究 [J].当代财经，2009(12)：66-76.
[9]原毅军，刘浩，白楠.中国生产性服务业全要素生产率测度：基于非参数Malmquist指数方法的研究 [J].中国软科学，2009(1)：159-167.
[10]陈艳莹，黄翯.我国生产性服务业增长的效率特征：基于2004—2009年省际面板数据的研究 [J].工业技术经济，2011(5)：42-49.
[11]孙汉杰，郑宏宇，王洪悦.东北地区制造业技术效率的测算与比较研究 [J].东北师大学报(哲学社会科学版)，2014(6)：6-12.
[12]马晓蕾，马延吉.基于DEA模型的东北老工业基地装备制造业效率评价 [J].中国科学院大学学报，2015，32(5)：627-634.
[13]吕风香.西部装备制造业全要素生产率测度及影响因素研究 [D].重庆：重庆师范大学，2014.
[14]陈爱贞，钟国强.中国装备制造业国际贸易是否促进了其技术发展：基于DEA的面板数据分析 [J].经济学家，2014(5)：43-53.
(责任编辑：张 璐)
QIN Lin-gui, WANG Qing, MA Qiang
(School of Economics, Liaoning University, Shenyang 110136, China)
Abstract：Drawing on the panel data of 27 provinces, municipalities and autonomous regions from 2001 to 2014, the overall efficiency and total factor productivity (TFP) change of equipment manufacturing industry and its sub-sectors in Liaoning are analyzed by using BCC model in DEA model and Malmquist index method. The results show that the performance of the equipment manufacturing industry in Liaoning depends more on the scale and quantity, rather than the quality of industrial development; the efficiency of utilizing factors in Liaoning has a certain degree of upgrade in recent years, but the level of utilization of labor input is less than capital investment; the changes of TFP in Liaoning equipment manufacturing industry is mainly caused by technological advances, and technical efficiency plays a relatively minor role; but the decline of TFP in recent years is mainly caused by the decline of technical efficiency, whose decline is mainly due to the decline of pure technical efficiency.
Key words：equipment manufacturing industry; technical efficiency; total factor productivity (TFP); DEA model; Malmquist index method
收稿日期：2016-04-19
基金项目：辽宁省社会科学界联合会课题(2016lslktzijjx-15)。
作者简介：秦琳贵(1989-)，男，安徽阜阳人，博士生，主要从事商务管理统计分析等方面的研究。
【装备制造业发展研究】
doi：10.7688/j.issn.1674-0823.2016.04.06
中图分类号：F 126.1
文献标志码：A
文章编号：1674-0823(2016)04-0314-11
*本文已于2016-07-12 14∶47在中国知网优先数字出版。 网络出版地址： http：∥www.cnki.net/kcms/detail/21.1558.C.20160712.1447.016.html