張康輝， 陳 振

（河南農(nóng)業(yè)大學信息與管理科學學院，鄭州 450046）

長期以來，中國工業(yè)發(fā)展比較重視總量和規(guī)模，對效率和質(zhì)量問題重視不夠［1］. 工業(yè)是第二產(chǎn)業(yè)的重要組成部分，工業(yè)的能源消耗占國民經(jīng)濟能源消耗的70%［2］，工業(yè)生產(chǎn)效率直接影響著中國整體產(chǎn)業(yè)的效率. 近20 年是河南省城市化和工業(yè)化加速發(fā)展的重要時期［3］，河南的工業(yè)效率對河南經(jīng)濟的發(fā)展發(fā)揮著重要的作用.

目前國內(nèi)學者對工業(yè)的研究已經(jīng)較為成熟，國外對工業(yè)效率的研究也較多. 隨著科學技術的發(fā)展，考慮多重因素對工業(yè)效率的影響正在漸漸成為主流. 以往的研究大致可分為兩大類別：

1）直接對工業(yè)效率進行的研究. 現(xiàn)今全球出現(xiàn)資源短缺的狀況，提高資源利用率是解決這一問題的有效方法. 李鵬等采用MML指數(shù)法和Tobit 模型測算了我國工業(yè)行業(yè)的全要素生產(chǎn)率，并分析了影響工業(yè)全要素生產(chǎn)率的因素［4］；虞峰對我國東部9個發(fā)達省份的工業(yè)效率進行了綜合評價［5］；郭亞軍采用三階段DEA模型對我國工業(yè)生產(chǎn)效率進行了實證研究［6］；司偉等運用CCR和CCGSS模型測算了中國制糖工業(yè)的規(guī)模收益［7］；Li采用隨機前沿分析方法對中國的工業(yè)技術效率進行了分析［8］；在考慮到非期望產(chǎn)出的基礎上，陳亞等計算了中國制造業(yè)能源效率，并討論了輕重工業(yè)之間的能源效率差異［9］. 國外學者也對工業(yè)的效率做了研究：Martínez采用數(shù)據(jù)包絡分析法（DEA）研究了德國和哥倫比亞制造業(yè)能源密集型產(chǎn)業(yè)，認為影響兩國能源效率的因素有勞動生產(chǎn)率、電力份額、投資和企業(yè)規(guī)模［10］；Minwir將多種非參數(shù)估計方法和DEA相結(jié)合，研究了以色列的工業(yè)［11］.

2）間接對工業(yè)效率的研究. 金融業(yè)對工業(yè)的效率有一定的影響，張薇薇等分析了國外金融業(yè)發(fā)展對工業(yè)效率影響的文獻資料，對金融給予支撐工業(yè)效率提升的集聚、創(chuàng)新、資源配置能力進行歸集和探討［12］；余泳澤等從金融集聚的機制出發(fā)，研究了金融集聚對工業(yè)生產(chǎn)效率提升產(chǎn)生空間外溢效應的原理和機制［13］. 服務業(yè)對工業(yè)效率也有影響：程中華等從生產(chǎn)性服務業(yè)集聚的內(nèi)在機制出發(fā)，分析了生產(chǎn)性服務業(yè)集聚提升工業(yè)效率以及產(chǎn)生空間外溢效應的理論機制［14］；李偉慶分析了知識密集型服務業(yè)對我國工業(yè)效率影響的內(nèi)在機理和影響因素［15］. 除了服務業(yè)和金融業(yè)對工業(yè)效率有影響之外，物流業(yè)對工業(yè)效率也有影響：梁紅艷等引入地理距離、制度環(huán)境、工業(yè)企業(yè)規(guī)模、信息化水平4個因素，分析這些因素對物流業(yè)提升工業(yè)效率運行機制的影響［16］. 為減輕全球溫室效應，一部分學者從環(huán)境角度分析工業(yè)效率：東童童將霧霾污染納入到產(chǎn)出密度模型中，并推導出霧霾污染、工業(yè)集聚與工業(yè)效率的交互影響理論模型［17］；Lise等利用世界上大多數(shù)銅礦工業(yè)的面板數(shù)據(jù)，采用隨機前沿方法研究ISO環(huán)境標準對效率的影響［18］；辜子寅從靜態(tài)和動態(tài)兩個方面對環(huán)境視角下中國工業(yè)效率進行測度和對比分析，運用面板數(shù)據(jù)模型對工業(yè)效率影響因素進行研究［19］；王燕等對能源和環(huán)境因素約束下的中國區(qū)域工業(yè)效率和綠色全要素生產(chǎn)率進行了考察，并對區(qū)域之間考慮環(huán)境因素的全要素生產(chǎn)率和不考慮環(huán)境因素的全要素生產(chǎn)率進行了比較［20］；有學者在考慮環(huán)境污染的基礎上測算了OECD 國家的工業(yè)生產(chǎn)率狀況［21］. 還有一些學者從其他角度對工業(yè)進行了研究：文獻［22］從CO2的排放角度衡量了OECD中14個國家制造業(yè)的環(huán)境成本；Hasanbeigi等分析了23項我國鋼鐵工業(yè)過程的節(jié)能技術和措施，并對折現(xiàn)率進行了敏感性分析［23］.

基于以上分析，本文采用Pearson相關性分析驗證選取指標的合理性和檢驗指標的偏差程度，并用散點圖和曲線擬合對指標間的關系進行分析，然后使用DEA 方法中的BBC 模型對選取的指標數(shù)據(jù)進行效率測算，并對測算結(jié)果（DEA有效年份和DEA無效年份分布、DEA無效年份具體調(diào)整值趨勢和周期性）進行分析，最后從資源、就業(yè)人數(shù)和科技等方面提出相關政策建議.

1 研究方法

1.1 相關性分析

投入與產(chǎn)出應符合“同向性”假設，也就是當投入增加時，產(chǎn)出不應該減少. 選取Pearson相關分析方法驗證選取指標的合理性. Pearson相關系數(shù)是度量兩定距變量的線性相關性，具體數(shù)學定義為：

其中：n為樣本數(shù)；xi和yi分別為相對應變量值；和為兩變量均值；Sx和Sy是兩變量標準差. 相關系數(shù)的值越大，相關性越強；反之則弱. 一般認為，相關系數(shù)值在［0.8，1］為極強相關，［0.6，0.8］為強相關，［0.4，0.6］之間為中等程度相關，［0.2，0.4］為弱相關，［0，0.2］為不相關.

1.2 數(shù)據(jù)包絡分析

Charnes 在1978 年提出了數(shù)據(jù)包絡分析法（Data Envelopment Analysis，DEA）［24］. DEA 能針對多投入問題進行分析，并得出投入是否合理以及改進的具體數(shù)值. 在供給側(cè)改革的背景下、在產(chǎn)出不變的情況下，減少資源的投入能夠有效解決目前我國資源匱乏的窘境. 因此本文選取規(guī)模報酬可變的BCC模型：

其中：θ 是決策單元的效率；e?T、eT、s-、s+是松弛變量；n為決策單元；x和y分別表示投入和產(chǎn)出；ε 為非阿基米德無窮小量；λ 表示決策單元的權重. 若θ=1、s-=0、s+=0，則決策單元為DEA 有效；若θ=1、s-≠0 或s+≠0，則決策單元為弱DEA有效；如果θ ＜1，則決策單元為非DEA有效. 決策單元為DEA有效，表明當年的投入產(chǎn)出合理；弱DEA有效，需要對決策單元進行徑向調(diào)整；DEA無效，需要把投入或產(chǎn)出調(diào)整為目標值，然后判斷其值為DEA有效還是弱DEA有效，從而確定調(diào)整值.

2 研究分析

2.1 指標選取及數(shù)據(jù)處理

根據(jù)C-D生產(chǎn)函數(shù)，投入應包括資本和勞動力. 本文的研究對象為工業(yè)生產(chǎn)效率，故選取工業(yè)就業(yè)人數(shù)和工業(yè)固定資產(chǎn)投資作為投入指標. 工業(yè)的投入應包括能源（熱能、電能和機械能）方面的投入. 選取工業(yè)增加值為產(chǎn)出指標.

2.1.1 C-D生產(chǎn)函數(shù)形式

其中：Y代表工業(yè)總產(chǎn)值；A代表綜合技術水平；L為勞動力數(shù)（單位：萬人）；K是資本（單位：萬元）. 一般認為是固定資產(chǎn)凈值；α 是勞動力的彈性系數(shù)；β 是資本的彈性系數(shù)；μ 是隨機干擾項；μ ≤1.

2.1.2 勞動力投入 選取河南省工業(yè)產(chǎn)業(yè)就業(yè)人數(shù)（單位：萬人）作為勞動力投入，數(shù)據(jù)來源于2006—2017年的《河南統(tǒng)計年鑒》.

2.1.3 資本投入 選取工業(yè)固定資產(chǎn)（單位：億元）作為資本投入. 對于固定資產(chǎn)，本文采用通用的永續(xù)盤存法進行測算. 由于2005年以前和之后《河南統(tǒng)計年鑒》所包含投資項目不同，因此選取2005年以后作為研究時間范圍. 永續(xù)盤存法公式為：

其中：K代表資本；t 為年份；α 為折舊率；I為名義投資額.

2.1.4 能源投入 由于工業(yè)的能源消耗占國民經(jīng)濟能源消耗的70%［2］，將能源投入也作為投入指標，相關能源投入換算為相應煤炭消耗量（單位：萬t標準煤），數(shù)據(jù)來源于國家數(shù)據(jù)網(wǎng)（http：//data.stats.gov.cn/）.

2.1.5 產(chǎn)出指標 工業(yè)總產(chǎn)值包括已經(jīng)消耗的材料、零件等的價值. 因已消耗的材料為投入，因此產(chǎn)出指標為工業(yè)增加值（扣除原材料、燃料、動力消耗和各項勞務消耗以后的價值）. 數(shù)據(jù)來源于國家數(shù)據(jù)網(wǎng)（http：//data.stats.gov.cn/）.

2.2 數(shù)據(jù)分析

采用Pearson相關性分析法檢驗選取指標數(shù)據(jù)的合理性，證明指標數(shù)據(jù)沒有出現(xiàn)重大偏差. 表1顯示了2005—2016年投入與產(chǎn)出指標間的聯(lián)系強度，根據(jù)圖1的散點圖分布可以看出投入與產(chǎn)出指標間的影響關系，以及投入指標之間的關系.

表1 河南省工業(yè)投入與工業(yè)增加值相關性Tab.1 The correlation between industrial input and added value in Henan Province

根據(jù)公式（1）對河南省工業(yè)投入產(chǎn)出指標進行分析，發(fā)現(xiàn)顯著水平α 為0.01，并且各個投入指標與工業(yè)增加值的相關系數(shù)檢驗概率p（顯著性）基本上都為0，投入與產(chǎn)出指標相關系數(shù)值均在［0.8，1］之間，具有極強相關性，從而認為選取的指標之間有相關性，選取的指標合理.

通過繪制的散點圖，觀察樣本的分布，確定自變量和因變量的相關關系，為曲線擬合提供參考.

從圖1 和相關性檢驗結(jié)果得出河南省工業(yè)投入與產(chǎn)出之間存在相關性，即投入與產(chǎn)出存在關系，并未出現(xiàn)大規(guī)模的投入增加而產(chǎn)出減少的情況，因此滿足“雙向性”假設. 為避免“多重共線性”問題，對投入產(chǎn)出指標進行“一對一”分析.圖1 顯示工業(yè)固定資產(chǎn)投資與工業(yè)增加值大致呈現(xiàn)為非線性趨勢，工業(yè)就業(yè)人數(shù)與工業(yè)增加值大致為線性關系，而綜合能源消費總量與工業(yè)增加值之間則無明顯的線性和非線性關系. 工業(yè)固定資產(chǎn)投資與工業(yè)就業(yè)人數(shù)呈現(xiàn)為非線性關系，其他兩兩變量間不呈現(xiàn)明顯的線性及非線性關系.

根據(jù)圖1中的散點圖分布規(guī)律，用SPSS 24軟件進行曲線擬合如表2. 從表2中可以看出，投入與產(chǎn)出之間、投入與投入之間均通過了顯著性檢驗，R2值和F值除綜合能源消費量和工業(yè)增加值較小外，其他都比較大. 工業(yè)固定資產(chǎn)投資與工業(yè)增加值和工業(yè)固定資產(chǎn)與工業(yè)就業(yè)人數(shù)的回歸系數(shù)的二元解釋值較小，但可以使用. 綜合能源消費量與工業(yè)增加值之間由于技術水平的提高導致兩者不存在線性和非線性關系.

圖1 河南省投入產(chǎn)出指標散點圖Fig.1 Input-output scatter chart of Henan Province

表2 投入產(chǎn)出擬合曲線方程檢驗及系數(shù)Tab.2 Input-output fitting curve equation test and its coefficient

結(jié)合圖1和表2，從投入與產(chǎn)出角度分析，工業(yè)就業(yè)人數(shù)與工業(yè)增加值之間存在顯著的線性關系，工業(yè)就業(yè)人數(shù)的增加能增加工業(yè)產(chǎn)值，且為比例式增長；工業(yè)固定資產(chǎn)投資與工業(yè)增加值的圖像為凸，曲線擬合的結(jié)果為二元一次函數(shù)，其導函數(shù)值為負，說明工業(yè)固定資產(chǎn)投資與工業(yè)增加值之間呈現(xiàn)“邊際效益遞減”規(guī)律，即工業(yè)固定資產(chǎn)投資對工業(yè)增加值的影響在逐漸降低；綜合能源消費總量與工業(yè)增加值的散點圖和擬合曲線，表明綜合能源消費量在科技水平與產(chǎn)業(yè)規(guī)模未成熟時對工業(yè)增加值影響較大，而在產(chǎn)業(yè)規(guī)模和科技水平已經(jīng)完善后對工業(yè)的影響力度減少，說明河南省工業(yè)技術效率的提高使資源投入不變時增加了產(chǎn)出. 從投入角度分析，工業(yè)固定資產(chǎn)投資與工業(yè)就業(yè)人數(shù)的圖像為凸，擬合曲線為二元一次函數(shù)，這與我國提倡發(fā)展科技與技術代替人工的政策相符合，在河南省工業(yè)規(guī)模不斷擴大期間，工業(yè)就業(yè)人員數(shù)并非與工業(yè)規(guī)模呈正比增長. 工業(yè)就業(yè)人數(shù)與綜合能源消費總量的散點圖顯示工業(yè)就業(yè)人數(shù)的增加并不會導致能源投入的增加，工業(yè)固定資產(chǎn)增加也不會使能源消耗量增加（工業(yè)固定資產(chǎn)投資-綜合能源消費總量），這表示河南省積極踐行國家提出的節(jié)能減排政策.

以上分析說明河南省工業(yè)發(fā)展正由高速增長向高質(zhì)量發(fā)展轉(zhuǎn)變.

2.3 效率分析

根據(jù)公式（2）對投入產(chǎn)出指標進行DEA效率分析. 從圖2可以看出，河南省工業(yè)綜合效率值均在0.9以上. 根據(jù)DEA相關概念可以得出，DEA有效的年份有2005年、2006年、2010年、2011年、2012年和2016年，說明在這些年份中河南省工業(yè)投資較為合理，在研究區(qū)間中的其余年份皆為DEA無效. 因此，河南省在工業(yè)效率方面仍有很大的提升空間.

由于研究時間區(qū)間內(nèi)存在不合理的投入，對投入值進一步分析. 表3是每年各個指標的目標值及在原投入基礎上改變百分比. 對于非DEA有效的年份均表現(xiàn)為投入過剩，其中2009年投入過剩最為嚴重，這是因為2008年出現(xiàn)的金融危機，雖然金融危機事件對我國經(jīng)濟影響不大，但也在一定程度上影響著我國經(jīng)濟的發(fā)展，當時中國政府投資了4萬億應對金融危機的挑戰(zhàn)，因此河南省在2009年對工業(yè)投資較多導致出現(xiàn)冗余較多. 2008年的工業(yè)固定資產(chǎn)投資和工業(yè)就業(yè)人數(shù)冗余較少，這也是金融危機在一定程度上抑制了這兩方面的投資.

圖2 投入產(chǎn)出綜合效率Fig.2 Input-output comprehensive efficiency

表3 投入指標目標值及調(diào)整幅度Tab.3 Input index target value and adjustment range

根據(jù)所研究的年份，發(fā)現(xiàn)出現(xiàn)冗余與DEA有效年份的分布均呈現(xiàn)為3年，在研究的年份中，DEA有效和DEA 無效存在周期性的問題. 考慮到投入與產(chǎn)出之間存在一定的“時滯性”，即當期投入會影響后期的產(chǎn)出. 投入與產(chǎn)出之間存在延遲是造成DEA無效的主要原因，即DEA無效年份造成的原因不是由于當期的投入不足，而是因為延遲時間前的投入不足造成當期的產(chǎn)出不足，形成了當期投入過剩的現(xiàn)象.

根據(jù)產(chǎn)生“周期性”的原因?qū)ο嘟鼉赡甑墓I(yè)增加值作差（表4），發(fā)現(xiàn)2007 年與2006 年的差值比2006 年與2005 年的多341.92 億 元，2010 年 與2009 年 的 差 值 比2009年與2008年的多1 478.49億元，2013年與2012 年的差值比2012 年與2011 年的少1 148.08 億元，而2016 年與2015 年的差值比2015 年與2014年的多1 205.15億元. 說明周期性的原因是因為投入的“時滯性”所致. 2007—2009 年的差值雖然也較大，但由于2006 年的差值基數(shù)較大，所以后3 年仍為非DEA有效. 2013—2015年產(chǎn)出差距較上一年小，所以為非DEA有效.

從冗余百分比角度分析，排除2009 年特殊年份的投入，調(diào)整百分比后取絕對值得圖3. 工業(yè)固定資產(chǎn)的投入冗余呈現(xiàn)一定的遞增趨勢，工業(yè)就業(yè)人數(shù)冗余較為平穩(wěn)，能源消耗冗余呈現(xiàn)遞減趨勢，表明河南工業(yè)經(jīng)濟收益增加后，對工人人數(shù)和工資方面投資較對工業(yè)固定資產(chǎn)投資少. 對工業(yè)固定資產(chǎn)投資較多的情況下導致其出現(xiàn)投資過剩的現(xiàn)象，說明了河南省工業(yè)投入方面仍需要調(diào)整. 由于河南省多年來對科技發(fā)展的支持，工業(yè)現(xiàn)代化和工業(yè)大機器的改良使得工業(yè)生產(chǎn)效率得到有效的提高，因此河南省工業(yè)能源消耗在保持每年不變的情況下能提高工業(yè)產(chǎn)值.

表4 工業(yè)增加值差值Tab.4 Industrial added value difference

圖3 非DEA有效年份調(diào)整百分比Fig.3 Non-DEA effective year adjustment percentage

表5 投入松弛值Tab.5 Input in the value of relaxation

當無效年份通過調(diào)整后能夠達到DEA有效，但均為弱DEA有效，對于河南省工業(yè)投入仍然有繼續(xù)調(diào)整優(yōu)化的空間. 從表5 中可以看出，在工業(yè)固定資產(chǎn)投資方面，2009 年、2014 年和2015 年分別需要減少658.069、1 297.62、484.934億元. 在工業(yè)就業(yè)人數(shù)方面僅有2013年需減少15.515萬人. 在能源消費總量方面，2007年、2008年、2009年和2014年需要減少998.897、1 330.899、1 310.404、690.536萬t，從所研究的年份來看，在河南省能源投入在前期達到弱DEA有效后仍有很大的優(yōu)化空間. 隨著能源投入的不斷優(yōu)化，僅有2014年需要進一步調(diào)整投入，且調(diào)整數(shù)值較其他3個年份較少.

3 結(jié)論與建議

采用Pearson相關性分析方法驗證了河南省工業(yè)選取指標的合理性，并對指標進行線性分析，然后使用DEA模型對工業(yè)投入產(chǎn)出進行更深層次的研究. 通過對2005—2016年的研究發(fā)現(xiàn)了河南省工業(yè)生產(chǎn)中存在的問題以及產(chǎn)生問題的原因，分析結(jié)果如下：

1）工業(yè)方面的投入與產(chǎn)出之間存在著一定的線性關系. 隨著河南省科技和經(jīng)濟的發(fā)展，河南省工業(yè)固定資產(chǎn)投資對工業(yè)的影響呈現(xiàn)“邊際效率遞減”規(guī)律，工業(yè)就業(yè)人數(shù)對工業(yè)生產(chǎn)表現(xiàn)出明顯的正比例關系，能源投入對已成規(guī)模的工業(yè)生產(chǎn)不具有太大的影響.

2）河南省在工業(yè)固定資產(chǎn)投資的冗余比就業(yè)人數(shù)和能源投入多. 就業(yè)人數(shù)在DEA無效的年份中呈現(xiàn)平穩(wěn)態(tài)勢，固定資產(chǎn)投入則表現(xiàn)為遞增，而能源投入表現(xiàn)為遞減狀況.

3）河南省工業(yè)投入冗余可能存一定的周期性.

根據(jù)以上分析結(jié)果，針對河南省工業(yè)的持續(xù)健康發(fā)展提出以下建議：

1）合理分配資源，減少固定資產(chǎn)投入. 分析結(jié)果顯示，在Pearson 相關性分析和DEA效率分析中，河南省固定資產(chǎn)投入出現(xiàn)冗余的值相比于另外兩個投入較大. 適度減少固定資產(chǎn)投入能夠使工業(yè)經(jīng)濟效益進一步提升，減少資源的浪費.

2）明確工業(yè)各個組織職能，合理配備各個部門人員. 通過對工業(yè)就業(yè)人數(shù)的研究發(fā)現(xiàn)，工業(yè)就業(yè)人數(shù)會在一定時期表現(xiàn)為DEA無效，說明河南省工業(yè)在人員配備上存在一定的問題，導致工業(yè)人員數(shù)增加而工業(yè)產(chǎn)值不變的問題. 為提高工業(yè)生產(chǎn)效率應抽調(diào)出部門多余人員補充人員不足的部門，提高人員利用率.

3）提高科技水平，保持或適當減少工業(yè)能源投入. 分析顯示，能源對現(xiàn)今的河南省工業(yè)效率影響不大，繼續(xù)增加能源投入會造成能源的浪費，當能源投入保持不變時工業(yè)產(chǎn)值仍在上升. 繼續(xù)提高河南省科技水平能夠有效地降低工業(yè)能源的消耗，實現(xiàn)節(jié)能減排的目標，對社會及環(huán)境發(fā)展有較大的幫助.

4）合理規(guī)劃未來投入量，使工業(yè)投入產(chǎn)出達到均衡. 從研究中可以看出，投入指標的“時滯性”是工業(yè)投入效率無效的重要原因，考慮投入的滯后性能夠在一定程度上減少無效率年份出現(xiàn)的概率.