閆 星，羅 義，趙 芹，潘杰義

（西北工業(yè)大學(xué)管理學(xué)院，陜西西安 710072）

推動制造業(yè)高質(zhì)量發(fā)展，是當(dāng)前和今后一個時期我國經(jīng)濟(jì)發(fā)展中的重大戰(zhàn)略任務(wù)，我國制造業(yè)的高質(zhì)量發(fā)展需要由區(qū)域制造業(yè)高質(zhì)量發(fā)展來實現(xiàn)，但對于如何推進(jìn)區(qū)域制造業(yè)高質(zhì)量發(fā)展仍是當(dāng)前亟待解決的重要問題。陜西省作為我國西部重要的經(jīng)濟(jì)省份，是全國著名的老工業(yè)基地，而制造業(yè)作為陜西省的工業(yè)支柱產(chǎn)業(yè)，在高質(zhì)量發(fā)展中還存在一些瓶頸，如：2019 年高技術(shù)產(chǎn)業(yè)增加值占全省規(guī)模以上工業(yè)增加值的比重為10.8%，低于全國（未含港澳臺地區(qū)。后同）平均水平14.4%。2018 年陜西省規(guī)模以上制造業(yè)研發(fā)經(jīng)費內(nèi)部支出占主營業(yè)務(wù)收入比重為1.33%，高于全國平均水平的1.28%，但在創(chuàng)新產(chǎn)出方面規(guī)模以上制造業(yè)每億元主營業(yè)務(wù)收入有效發(fā)明專利數(shù)為1.05 件，低于全國平均水平1.18件；制造業(yè)資產(chǎn)回報率為5.39%，低于全國平均水平7.81%。2019 年陜西省煤炭消費占全部能源消費的比重為72.73%，始終處于高位。由這些數(shù)據(jù)可看出，陜西省制造業(yè)主要集中在高耗能行業(yè)，且在新動能——高端裝備制造業(yè)和高技術(shù)制造業(yè)上仍然面臨較弱態(tài)勢，急需實現(xiàn)制造業(yè)高質(zhì)量發(fā)展。

已有的制造業(yè)高質(zhì)量發(fā)展研究，目前國內(nèi)的相關(guān)研究主要在三個方面：第一類是通過構(gòu)建制造業(yè)高質(zhì)量發(fā)展的評價指標(biāo)體系，然后基于各地區(qū)的面板數(shù)據(jù)進(jìn)行比較分析，從而提出制造業(yè)高質(zhì)量發(fā)展建議［1-3］。第二類是基于各種視角，如價值鏈視角、產(chǎn)品質(zhì)量視角、效益審計視角等研究制造業(yè)高質(zhì)量發(fā)展實現(xiàn)路徑［4-6］。第三類是考察少數(shù)幾個因素，如創(chuàng)新、質(zhì)量、人才的變動對制造業(yè)發(fā)展質(zhì)量的影響［7-8］。通過文獻(xiàn)梳理可以發(fā)現(xiàn)，從效率的角度來評價區(qū)域制造業(yè)高質(zhì)量發(fā)展水平的文獻(xiàn)還比較少。效率是評價一個系統(tǒng)的產(chǎn)出與投入的比較，顯然，測度一個區(qū)域制造業(yè)高質(zhì)量發(fā)展水平，效率是一個關(guān)鍵的因素。由于反映一個區(qū)域制造業(yè)高質(zhì)量發(fā)展水平的產(chǎn)出指標(biāo)與投入指標(biāo)比較多，因此，有必要研究測度多個產(chǎn)出與投入指標(biāo)對比的評價方法。

目前國內(nèi)外學(xué)者針對發(fā)展效率的評價提出了各種各樣的方法，其中美國學(xué)者Charnes 等［9］在1978年提出了著名的數(shù)據(jù)包絡(luò)分析法（DEA）。在2001年學(xué)者Tone［10］、Fried 等［11］提出了三階段DEA 模型，能剔除外部環(huán)境和隨機(jī)因素對決策單元效率值測量結(jié)果的影響，更有效地測算決策單元效率水平。數(shù)據(jù)包絡(luò)分析方法（DEA）在產(chǎn)業(yè)發(fā)展效率度量中獲得較為廣泛的運用，如于澤［12］利用DEA 對文化產(chǎn)業(yè)中的50 個行業(yè)進(jìn)行發(fā)展效率測算，高華等［13］采用DEA-Malmquist 指數(shù)模型測度我國31 個省份物流產(chǎn)業(yè)效率。但是應(yīng)用傳統(tǒng)的DEA 相對效率評價由于部分生產(chǎn)過程中產(chǎn)出的副產(chǎn)品并非所需產(chǎn)品，也就是非期望產(chǎn)出（undesirable output）導(dǎo)致投入最小化、產(chǎn)出最大化的目標(biāo)難以實現(xiàn)［14］。因此，學(xué)者Tone［10］提出了包含非期望產(chǎn)出的SBM 模型，以有效解決非期望產(chǎn)出下的效率評價問題，該模型有效彌補了傳統(tǒng)DEA 模型的不足，即松弛性投入、產(chǎn)出的問題。

綜上，本文通過區(qū)域制造業(yè)高質(zhì)量發(fā)展的內(nèi)涵和特征分析，選取制造業(yè)高質(zhì)量發(fā)展效率評價指標(biāo)，以陜西省制造業(yè)為研究對象，以我國30 個省份2009—2018 年制造業(yè)數(shù)據(jù)為基礎(chǔ)，利用三階段DEA模型和SBM 模型，測算出陜西省制造業(yè)的高質(zhì)量發(fā)展效率，并進(jìn)行效率分解和投影研究，分別分析其產(chǎn)業(yè)外部環(huán)境影響因素、效率變化的時間趨勢和松弛變量等，最后將陜西省與制造業(yè)高質(zhì)量發(fā)展效率最高的五個省份(北京、上海、廣東、江蘇、浙江)進(jìn)行橫向比較研究，進(jìn)而提出促進(jìn)陜西省制造業(yè)高質(zhì)量發(fā)展的對策建議。

1 三階段DEA 及SBM 模型

1.1 第一階段：SBM 模型

假設(shè)系統(tǒng)中的需要被評價的決策單元為n個，且任何決策單元的投入指標(biāo)均為m個。期望和非期望產(chǎn)出指標(biāo)分別用s1、s2表示。j是某個決策單元，其投入量為Xij；期望產(chǎn)出量為Ygrj；非期望產(chǎn)出量為。此時，可通過SBM 模型測算決策單元DMUk效率：

上式中，的含義是投入指標(biāo)的投入冗余，、分別代表期望的不足和非期望產(chǎn)出的過多。ρ表達(dá)式的分子為投入無效率，其分母為產(chǎn)出無效率，當(dāng)且僅當(dāng)ρ*=1，且DMUk不存在投入和期望產(chǎn)出的冗余或者非期望產(chǎn)出過剩的情況，才能說明DEA 相對有效。

1.2 第二階段：似SFA 回歸剔除環(huán)境因素和統(tǒng)計噪聲

經(jīng)過上一階段關(guān)于各評估決策單元的測算，即可明確各單元的松弛變量、效率值。首先根據(jù)Fried等人的研究，構(gòu)造投入導(dǎo)向下的似SFA 回歸函數(shù)，以將投入指標(biāo)的松弛變量分離成環(huán)境因素、統(tǒng)計噪聲和管理無效率等三種影響：

式（2）中，Sik的含義是第i項（第k個決策單元）投入的松弛值；Zp表示環(huán)境變量，βq是一個環(huán)境變量的系數(shù)，為在第k個決策單元中，所有環(huán)境變量影響第i項投入的情況，且滿足；vik+uik是混合誤差項；vik是一個隨機(jī)誤差項，其用于表示Sik受隨機(jī)干擾因素的影響情況。

然后，需要科學(xué)合理地選定最有效的決策單元，以期在效率評價中，盡可能地規(guī)避環(huán)境等相關(guān)因素造成的干擾，將全部決策單元置入同樣的外部環(huán)境中。按照下式進(jìn)行調(diào)整和優(yōu)化：

1.3 第三階段：調(diào)整后的SBM 效率分析

待評價決策單元的投入指標(biāo)經(jīng)過第二階段的似SFA 回歸模型調(diào)整后，與原產(chǎn)出指標(biāo)變量構(gòu)成新的投入產(chǎn)出變量組合，再利用SBM 模型重新測算，便可得到待評價決策單元去除影響后的效率值。由于規(guī)避了外部環(huán)境、隨機(jī)因素的影響，能夠更為有效地反映區(qū)域制造業(yè)高質(zhì)量發(fā)展效率水平。

2 指標(biāo)選取和數(shù)據(jù)來源

2.1 投入產(chǎn)出指標(biāo)

經(jīng)文獻(xiàn)分析、案例研究和典型企業(yè)調(diào)研，本文將區(qū)域制造業(yè)高質(zhì)量發(fā)展定義為在新發(fā)展理念指導(dǎo)下，區(qū)域制造業(yè)的生產(chǎn)制造銷售全過程實現(xiàn)生產(chǎn)要素投入低、經(jīng)濟(jì)社會效益好、科技創(chuàng)新效率高、生態(tài)環(huán)境質(zhì)量優(yōu)的高水平可持續(xù)發(fā)展。新發(fā)展理念需要貫穿制造業(yè)發(fā)展全過程和各領(lǐng)域，因此本文將要素效益、創(chuàng)新驅(qū)動、綠色發(fā)展、對外開放發(fā)展作為區(qū)域制造業(yè)高質(zhì)量發(fā)展評價指標(biāo)。（1）要素效益選擇制造業(yè)從業(yè)人員數(shù)量和制造業(yè)固定資本存量分別作為勞動和資本要素投入，選取主營業(yè)務(wù)收入和制造業(yè)利潤總額作為基本要素投入的產(chǎn)出指標(biāo)；（2）創(chuàng)新驅(qū)動指標(biāo)選擇制造業(yè)R&D 人員全時當(dāng)量、制造業(yè)R&D 經(jīng)費內(nèi)部支出存量作為制造業(yè)科技創(chuàng)新活動的投入指標(biāo)，新產(chǎn)品銷售收入作為科技創(chuàng)新活動的產(chǎn)出指標(biāo)；（3）綠色發(fā)展指標(biāo)選擇制造業(yè)能源消耗量來衡量制造業(yè)發(fā)展過程中的能源投入，選擇工業(yè)廢水排放量、工業(yè)二氧化硫排放量、工業(yè)固體廢棄物產(chǎn)生量和二氧化碳的排放量納入非期望產(chǎn)出指標(biāo)；（4）對外開放指標(biāo)采用制造業(yè)對外出口交貨值作為衡量。由于決策單元為30 個，投入產(chǎn)出指標(biāo)為12 個，不符合DEA 模型測算效率要求決策單元數(shù)量是投入和產(chǎn)出指標(biāo)數(shù)量的3 倍或者更高［10］。因此參考李詠馨［15］、蔣倩穎等［16］研究成果，利用熵值法構(gòu)建一個制造業(yè)綜合污染指標(biāo)，并將其作為非期望產(chǎn)出指標(biāo)。

2.2 環(huán)境變量

外部環(huán)境變量是指能影響制造業(yè)高質(zhì)量發(fā)展效率，但并非決策單元可以主觀調(diào)節(jié)的變量。環(huán)境變量對制造業(yè)高質(zhì)量發(fā)展效率的影響具有兩面性，積極影響因素有助于提高高質(zhì)量發(fā)展效率，而消極影響因素則會使其效率降低。三階段DEA 方法中的第二階段，需要考慮產(chǎn)業(yè)外部環(huán)境變量對投入松弛變量的作用機(jī)制，并將影響剔除。所有指標(biāo)如表1 所示。

表1 制造業(yè)高質(zhì)量發(fā)展效率評價指標(biāo)體系

本文在借鑒其他學(xué)者的研究基礎(chǔ)上，應(yīng)用PEST方法分別從經(jīng)濟(jì)、政治、技術(shù)、社會、自然5 個方面，選取地區(qū)經(jīng)濟(jì)發(fā)展水平、政府支持力度、信息化發(fā)展水平、城鎮(zhèn)化水平、服務(wù)業(yè)發(fā)展水平以及交通便利程度等6 個環(huán)境變量。用地區(qū)GDP 來表示地區(qū)經(jīng)濟(jì)發(fā)展水平；用R&D 經(jīng)費投入中政府直接財政支持的比例來代表政府對制造業(yè)發(fā)展的支持程度；用郵電業(yè)務(wù)總額來反映信息化發(fā)展水平；用年末城鎮(zhèn)人口比重來衡量區(qū)域城鎮(zhèn)化水平；用技術(shù)服務(wù)業(yè)與科學(xué)研究、郵政業(yè)等5 個行業(yè)的總共年末從業(yè)人員數(shù)比重來表示生產(chǎn)性服務(wù)業(yè)發(fā)展水平；考慮到數(shù)據(jù)的易獲取性，用公路里程數(shù)來表示交通便利程度。

2.3 數(shù)據(jù)來源

本文以2009—2018 年陜西省制造業(yè)為研究對象，選取同時期除西藏、香港、澳門和臺灣（數(shù)據(jù)缺失）以外的30 個省份制造業(yè)進(jìn)行全面深入地比較分析。研究過程中使用到的數(shù)據(jù)信息主要源于《中國統(tǒng)計年鑒》、國民經(jīng)濟(jì)發(fā)展統(tǒng)計公報等。

在數(shù)據(jù)采集時，遇到數(shù)據(jù)缺失或其他情況時，采用以下方法處理：第一，若存在量級明顯不同于往年的數(shù)據(jù)，為消除某一年偶然的數(shù)據(jù)波動，避免錯誤，使用最近幾年的數(shù)據(jù)進(jìn)行平滑；第二，若存在個別數(shù)據(jù)的缺失，通過插值法進(jìn)行計算得出，以作為近似指標(biāo)數(shù)據(jù)替代。

3 實證分析

3.1 第一階段：陜西省制造業(yè)高質(zhì)量發(fā)展初始效率測算

數(shù)據(jù)選取和處理完之后，運用Matlab R2016a 軟件，采用SBM 模型，對30 個省份2009—2018 年共10 年的制造業(yè)高質(zhì)量發(fā)展效率進(jìn)行測度，計算結(jié)果如表2 所示。30 個省份效率平均值最低為0.5，最高為0.68，排名前列的是北京、天津、上海、江蘇、重慶等，制造業(yè)高質(zhì)量發(fā)展綜合效率平均值都達(dá)到了1。陜西省制造業(yè)高質(zhì)量發(fā)展綜合效率平均值為0.33，排名21，處于中下游水平，距離相對有效仍有較大提升空間。

表2 第一階段各區(qū)域制造業(yè)高質(zhì)量發(fā)展效率（2009—2018 年）

上述分析內(nèi)容是在不包含外部環(huán)境以及其他隨機(jī)影響因素開展的第一環(huán)節(jié)的分析結(jié)果，接下來在第二階段本文將使用SFA 方法來對這兩部分因素進(jìn)行考慮松弛變量的研究分析。

3.2 第二階段：似SFA 模型對投入松弛量的估計及分析

本文將第一階段測算過程中選取的六種投入變量的松弛變量定義為被解釋變量，即制造業(yè)的平均從業(yè)人員數(shù)量、R&D 經(jīng)費內(nèi)部支出存量等冗余變量作為因變量，將經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平等指標(biāo)作為自變量，通過經(jīng)典的SFA 方法，使用Froniter軟件進(jìn)行回歸分析，分析結(jié)果如表3 所示。

表3 基于SFA 的第二階段環(huán)境影響因素回歸結(jié)果

LR 為單邊廣義似然比統(tǒng)計量，在1%顯著性水平下的臨界值為16.074。由表3 能可得，六個模型的LR 值皆超過了16.074，表示順利通過了顯著性檢驗，不含有無效率項的假設(shè)不成立。所以，可以通過創(chuàng)建 SFA 模型的方式深入細(xì)致地研究環(huán)境因素與制造業(yè)高質(zhì)量發(fā)展效率間的相關(guān)性。

從表2 中可以看出，經(jīng)濟(jì)發(fā)展水平對固定資本存量的冗余量和R&D 經(jīng)費內(nèi)部支出冗余量有負(fù)向影響，而對制造業(yè)從業(yè)人員冗余量、R&D 人員全時當(dāng)量冗余量有正向影響；政府支持力度對所有投入變量的冗余量均有顯著負(fù)向影響。信息化水平對制造業(yè)固定資本存量產(chǎn)生了負(fù)向影響；城鎮(zhèn)化水平對制造業(yè)從業(yè)人員、固定資本存量以及R&D 人員全時當(dāng)量冗余量呈負(fù)向影響，對制造業(yè)R&D 經(jīng)費內(nèi)部支出冗余量是正向影響；生產(chǎn)性服務(wù)業(yè)發(fā)展水平對除了制造業(yè)能源消費量的冗余量均有負(fù)向影響；交通便利程度對制造業(yè)從業(yè)人員、固定資本存量以及R&D人員全時當(dāng)量冗余量是正向影響。這些都表明各種環(huán)境變量對大多數(shù)投入均產(chǎn)生了較為深刻的影響。

3.3 第三階段：去除環(huán)境影響后效率分析

根據(jù)第二階段分析結(jié)果科學(xué)合理地調(diào)節(jié)原始投入變量，剔除了外部環(huán)境以及隨機(jī)噪聲影響，將調(diào)節(jié)優(yōu)化后的投入變量、原產(chǎn)出變量定義為第三階段的投入產(chǎn)出變量，通過SBM 模型展開進(jìn)一步統(tǒng)計和分析，獲得調(diào)整后的區(qū)域制造業(yè)高質(zhì)量發(fā)展效率值，結(jié)果如表4 所示。

表4 調(diào)整后各區(qū)域制造業(yè)高質(zhì)量發(fā)展效率（2009—2018 年）

從評價結(jié)果來看，排名前列的是北京、上海、江蘇、浙江、廣東等，陜西省制造業(yè)高質(zhì)量發(fā)展綜合效率排名第20 位，處于中下游水平?？梢钥闯稣{(diào)整投入變量后，原本相對無效的決策單元效率值更加低，說明去除外部環(huán)境的影響，區(qū)域制造業(yè)高質(zhì)量發(fā)展效率的差異反而擴(kuò)大，陜西省制造業(yè)高質(zhì)量發(fā)展效率從2009 年的0.14 逐步上升到2018 年的0.28，但是排名基本維持在20 名左右且每年的綜合效率均低于平均值，陜西省制造業(yè)高質(zhì)量發(fā)展效率與DEA 相對有效的地區(qū)比尚有較大的差距。

接下來將2009—2018 年陜西省制造業(yè)高質(zhì)量發(fā)展綜合效率進(jìn)行分解，即綜合效率=純技術(shù)效率×規(guī)模效率，它比較客觀準(zhǔn)確地體現(xiàn)了制造業(yè)的投入與產(chǎn)出是否處于相對最佳配置狀態(tài)，并進(jìn)行第一階段和第三階段對比，對比結(jié)果如表5 所示。從整體來看，剔除了環(huán)境因素和隨機(jī)誤差的影響之后，綜合效率均值從2009 年的0.13 逐漸上升到2018 年的0.29，且重新測算的每年綜合效率均低于第一階段測算的結(jié)果，說明外部宏觀環(huán)境的存在整體上降低了資源投入的冗余程度，促進(jìn)了制造業(yè)高質(zhì)量發(fā)展綜合效率的提升。

表5 陜西省第一階段和第三階段制造業(yè)高質(zhì)量發(fā)展效率比較

2009—2018 年陜西省制造業(yè)高質(zhì)量發(fā)展綜合效率、純技術(shù)效率和規(guī)模效率平均值分別為0.18、0.44、0.41，可看出陜西省制造業(yè)純技術(shù)效率和規(guī)模效率都很低，說明陜西省制造業(yè)宏觀產(chǎn)業(yè)制度對制造業(yè)高質(zhì)量發(fā)展的促進(jìn)作用和微觀企業(yè)管理水平與DEA相對有效的其他省級地區(qū)有較大差距，需要優(yōu)化不同資源的投入規(guī)模、實現(xiàn)投入資源的集中配置等。但調(diào)整后純技術(shù)效率均值0.44 高于調(diào)整前的0.35，說明陜西省宏觀環(huán)境對制造業(yè)高質(zhì)量發(fā)展純技術(shù)效率的推動作用相對小于其他區(qū)域。規(guī)模效率為0.41遠(yuǎn)低于調(diào)整前的0.95，說明規(guī)模效率易受到外部環(huán)境等相關(guān)因素的干擾。

4 結(jié)論與對策建議

4.1 結(jié)論

本文將SBM 模型與三階段DEA 方法相結(jié)合，在考慮松弛量的基礎(chǔ)上對環(huán)境變量加以控制，實證評估了我國30 個省(區(qū)、市)2009—2018 年的制造業(yè)高質(zhì)量發(fā)展效率，并重點分析了陜西省的情況。首先采用SBM 模型在考慮六種松弛變量的情況下評估了各地區(qū)的制造業(yè)高質(zhì)量發(fā)展效率。然后，采用經(jīng)典的SFA 方法分析并剔除了外部環(huán)境以及隨機(jī)噪聲影響。最后，根據(jù)調(diào)整優(yōu)化的投入變量重新計算制造業(yè)高質(zhì)量發(fā)展效率，并將陜西省制造業(yè)高質(zhì)量發(fā)展綜合效率分解為純技術(shù)效率和規(guī)模效率。

經(jīng)過研究，本文得到以下結(jié)論：（1）各區(qū)域制造業(yè)高質(zhì)量發(fā)展效率在一定程度上受宏觀環(huán)境因素影響。政府支持力度、信息化水平、城鎮(zhèn)化水平和服務(wù)業(yè)發(fā)展水平均對制造業(yè)高質(zhì)量發(fā)展效率的提升有顯著的正向影響。（2）從效率分解來看，陜西省制造業(yè)高質(zhì)量發(fā)展的純技術(shù)效率和規(guī)模效率均還與DEA 相對有效區(qū)域有較大差距，其中純技術(shù)效率低對綜合效率是主要制約因素。（3）陜西省制造業(yè)高質(zhì)量發(fā)展過程中，各投入指標(biāo)的投入冗余率和產(chǎn)出指標(biāo)的產(chǎn)出不足率也大相徑庭。

4.2 對策建議

（1）改善外部環(huán)境因素。由前面模型計算可得出：政府支持力度、城鎮(zhèn)化水平和服務(wù)業(yè)發(fā)展水平、信息化水平等均對制造業(yè)高質(zhì)量發(fā)展效率的提高產(chǎn)生了較強的正向影響。因此政府部門需要根據(jù)實際情況制定相應(yīng)的法律政策鼓勵與支持制造業(yè)高質(zhì)量發(fā)展，加快推進(jìn)城鎮(zhèn)化進(jìn)程，鼓勵并引導(dǎo)服務(wù)性公司在運營和發(fā)展過程中，利用聯(lián)盟、重組等相關(guān)手段實現(xiàn)戰(zhàn)略升級，從而促進(jìn)生產(chǎn)性服務(wù)業(yè)的服務(wù)效率和質(zhì)量全面提高，積極推進(jìn)工業(yè)互聯(lián)網(wǎng)廣泛應(yīng)用，借助工業(yè)互聯(lián)網(wǎng)，將人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等融入傳統(tǒng)的制造管理，推動傳統(tǒng)制造業(yè)向智能制造擴(kuò)展，激發(fā)傳統(tǒng)制造業(yè)的新活力。

（2）提升企業(yè)經(jīng)營管理和技術(shù)水平，合理配置資源。陜西省制造業(yè)高質(zhì)量發(fā)展純技術(shù)效率和規(guī)模效率均與DEA 有效的決策單元有較大差距，企業(yè)是制造產(chǎn)業(yè)的微觀層面，制造業(yè)高質(zhì)量發(fā)展終究要靠企業(yè)來實現(xiàn)。陜西省制造業(yè)企業(yè)務(wù)必要緊隨時代發(fā)展積極變革管理理念和模式，增強企業(yè)的科技研發(fā)能力，提高制造業(yè)高質(zhì)量發(fā)展純技術(shù)效率。制造業(yè)企業(yè)在生產(chǎn)環(huán)節(jié)，需要積極尋求生產(chǎn)要素最佳配比，對企業(yè)的生產(chǎn)要素投入量和效益產(chǎn)出量進(jìn)行合理地規(guī)劃，合理配置資源以促進(jìn)制造業(yè)提高規(guī)模效率。

（3）調(diào)整能源結(jié)構(gòu)，開發(fā)使用綠色技術(shù)。制造業(yè)高質(zhì)量發(fā)展過程中，環(huán)境污染冗余率較高。我國在有關(guān)高端制造業(yè)發(fā)展戰(zhàn)略中提出要從源頭開始根治制造業(yè)污染問題，解決發(fā)展與資源環(huán)境的矛盾，實現(xiàn)綠色制造、綠色發(fā)展。陜西省需要從源頭著手，調(diào)整能源消耗結(jié)構(gòu)，降低非清潔能源使用占比，以降低制造業(yè)污染物的排放。同時相關(guān)部門需要在綜合考慮各方面因素的基礎(chǔ)上制定合適的政策，促進(jìn)制造業(yè)從產(chǎn)品研發(fā)設(shè)計、材料選擇、加工工藝、技術(shù)裝備和循環(huán)利用的整個鏈條進(jìn)行綠色轉(zhuǎn)型，不斷轉(zhuǎn)變產(chǎn)業(yè)的發(fā)展方式。

（4）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加快淘汰落后產(chǎn)能。陜西省制造業(yè)中重化工企業(yè)數(shù)比重較高，2018 年為9.8%，高于同期全國平均數(shù)據(jù)8.9%。重化工業(yè)企業(yè)增加會使得環(huán)境負(fù)荷增大，環(huán)境風(fēng)險增加。優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、淘汰落后產(chǎn)能是實現(xiàn)陜西省制造業(yè)綠色轉(zhuǎn)型的重要途徑。在相同規(guī)模的經(jīng)濟(jì)水平下，知識密集、技術(shù)密集的高技術(shù)產(chǎn)業(yè)與需要消耗大量化石能源、污染排放大的重工業(yè)相比對能源的消耗和對環(huán)境的影響十分有限。未來陜西省應(yīng)大力發(fā)展具有綜合競爭力的六大支柱產(chǎn)業(yè)，淘汰一批傳統(tǒng)高耗能高污染行業(yè)。