張 鑫，王向前 ，耿 杰

（安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232001）

0 引言

工業(yè)水平是一個(gè)國(guó)家綜合實(shí)力的重要標(biāo)志。當(dāng)前中國(guó)工業(yè)發(fā)展正走在“新型工業(yè)化道路”[1]上，然而即使我國(guó)工業(yè)當(dāng)前正處于新型工業(yè)化階段，工業(yè)體系較為完善，但工業(yè)生產(chǎn)效率仍然相對(duì)落后。我國(guó)工業(yè)的局限在快速發(fā)展的同時(shí)日益顯現(xiàn)：投入產(chǎn)出比較低、能源消耗量較大、勞動(dòng)成本較高，這使得我國(guó)工業(yè)的生產(chǎn)效率低下，而高污染、高排放的粗放型工業(yè)經(jīng)濟(jì)發(fā)展模式較多，導(dǎo)致環(huán)境惡化、資源枯竭的情況日益嚴(yán)重[2]。這種發(fā)展模式極其不利于我國(guó)工業(yè)經(jīng)濟(jì)長(zhǎng)期健康發(fā)展，也導(dǎo)致我國(guó)工業(yè)企業(yè)在與國(guó)外同行業(yè)競(jìng)爭(zhēng)時(shí)處于不利地位。工業(yè)生產(chǎn)效率是反映工業(yè)發(fā)展質(zhì)量的一個(gè)重要指標(biāo)，所以加強(qiáng)對(duì)工業(yè)生產(chǎn)效率的研究，科學(xué)測(cè)度工業(yè)生產(chǎn)效率，探索其影響因素，以努力使我國(guó)工業(yè)不僅在數(shù)量上，而且在生產(chǎn)質(zhì)量與績(jī)效方面都處于國(guó)際領(lǐng)先地位，具有重要意義。

田澤等[3]運(yùn)用三階段數(shù)據(jù)包絡(luò)分析法（data envelopment analysis，DEA）模型對(duì)東部沿海地區(qū)裝備制造業(yè)生產(chǎn)效率進(jìn)行了實(shí)證研究，發(fā)現(xiàn)我國(guó)東部沿海地區(qū)裝備制造業(yè)生產(chǎn)效率較高，但考慮環(huán)境因素后結(jié)果會(huì)發(fā)生顯著變化；杜康等[4]選取從業(yè)人員年平均值、固定資產(chǎn)凈值年均余額作為投入指標(biāo)，工業(yè)總產(chǎn)值為產(chǎn)出指標(biāo)，運(yùn)用DEA-Malmquist方法對(duì)安徽省大中型企業(yè)生產(chǎn)效率進(jìn)行了測(cè)度，探討了全要素生產(chǎn)率的影響因素；郭亞軍[5]采用各地區(qū)工業(yè)固定資產(chǎn)投資、各地區(qū)工業(yè)勞動(dòng)力就業(yè)人數(shù)、各地區(qū)工業(yè)科研投入為投入指標(biāo)，各地區(qū)工業(yè)生產(chǎn)總值為產(chǎn)出指標(biāo)，采用DEA三階段模型對(duì)我國(guó)工業(yè)生產(chǎn)效率水平進(jìn)行了實(shí)證研究，結(jié)果表明，資源利用水平、人均居民消費(fèi)、人均國(guó)內(nèi)生產(chǎn)總值、財(cái)政支出占生產(chǎn)總值的比例、民營(yíng)資本所占份額和對(duì)外開(kāi)放水平等環(huán)境變量對(duì)工業(yè)生產(chǎn)效率有顯著影響；徐冬冬等[6]選取勞動(dòng)力年度總?cè)藬?shù)與固定資本投資作為投入要素，以工業(yè)生產(chǎn)總值作為產(chǎn)出要素，運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)模型測(cè)度2001—2013年各縣域工業(yè)生產(chǎn)效率，并結(jié)合GIS空間分析技術(shù)分析了生產(chǎn)效率與空間格局特征間的關(guān)系；李健等[7]選取資本投入、各地區(qū)工業(yè)從業(yè)人員人數(shù)、平均受教育年限為投入指標(biāo)，工業(yè)總產(chǎn)值為產(chǎn)出指標(biāo)，采用Malmquist模型對(duì)中國(guó)1998—2011年30個(gè)省份的工業(yè)全要素生產(chǎn)效率進(jìn)行了測(cè)度。上述文獻(xiàn)中研究者對(duì)工業(yè)生產(chǎn)效率的測(cè)度所用方法各不相同，但都未考慮投入與產(chǎn)出的松弛性問(wèn)題，所用方法都不能將全部松弛變量進(jìn)行衡量，為更加精確地衡量效率水平，可利用SBM（slacks-based measurement）模型彌補(bǔ)這一問(wèn)題。SBM是一種非射線模型，具有非角度和非徑向性，能充分考慮投入與產(chǎn)出的松馳性問(wèn)題，屬于較為完整的DEA拓展模型。且在現(xiàn)實(shí)工業(yè)生產(chǎn)活動(dòng)中，非期望產(chǎn)出是不可避免的問(wèn)題，采用SBM-Undesirable模型會(huì)使非期望產(chǎn)出問(wèn)題迎刃而解，因此本文選用SBM-Undesirable模型，對(duì)中國(guó)工業(yè)生產(chǎn)效率進(jìn)行測(cè)算，改進(jìn)已有文獻(xiàn)的測(cè)度方法。并結(jié)合Malmquist- Luenberger模型對(duì)中國(guó)工業(yè)全要素生產(chǎn)效率進(jìn)行測(cè)算，由點(diǎn)及面，動(dòng)態(tài)分析與靜態(tài)分析結(jié)合。

1 模型介紹與構(gòu)建

1.1 SBM-Undesirable模型

DEA是由A.Charnes等[8]于1978年提出的一種對(duì)多投入多產(chǎn)出的評(píng)價(jià)相對(duì)有效性的線性規(guī)劃方法，保持投入產(chǎn)出不變，通過(guò)判斷各決策單元與生產(chǎn)前沿面的偏離程度來(lái)測(cè)算效率值或者評(píng)價(jià)是否有效。但是傳統(tǒng)DEA方法沒(méi)有將產(chǎn)出變量的松弛問(wèn)題考慮在內(nèi)，會(huì)對(duì)效率值的測(cè)算產(chǎn)生偏差。因此Tone K.[9]在傳統(tǒng)DEA的基礎(chǔ)上提出了基于非徑向、非角度并引進(jìn)非期望產(chǎn)出的SBM模型，用以彌補(bǔ)傳統(tǒng)DEA徑向與角度對(duì)測(cè)算效率值造成的誤差。

本文采用SBM-Undesirable模型對(duì)中國(guó)的30個(gè)省市自治區(qū)（由于西藏的數(shù)據(jù)嚴(yán)重缺失，港澳臺(tái)地區(qū)的數(shù)據(jù)不可得，所以本文未予考慮）的工業(yè)生產(chǎn)效率進(jìn)行測(cè)算，以空氣污染物二氧化硫作為“壞產(chǎn)出”納入分析評(píng)價(jià)體系。在生產(chǎn)效率評(píng)價(jià)模型中，每個(gè)省市自治區(qū)的工業(yè)生產(chǎn)部門(mén)都是一個(gè)決策單元DMU。對(duì)n個(gè)DMU，每個(gè)DMU中包含m個(gè)投入、S1種期望產(chǎn)出Yg（g為期望產(chǎn)出相關(guān)項(xiàng)）、S2種非期望產(chǎn)出Yb（b為非期望產(chǎn)出相關(guān)項(xiàng)）。變量向量矩陣如下：

式中：X為投入變量；Y為產(chǎn)出變量，且

根據(jù)K.Tone提出的加入非期望產(chǎn)出的SBM模型，其公式為

式中：ρ*為效率值，S-、Sg、Sb為松弛變量；λ為變量權(quán)重。

當(dāng)且僅當(dāng)S-=0、Sg=0、Sb=0時(shí)，ρ*=1，表明決策單元完全有效；當(dāng)0 ＜ρ*＜1 時(shí)，表明決策單元存在效率損失，在投入產(chǎn)出上需要改進(jìn)。

1.2 Malmquist-Luenberger模型

1953年，瑞典數(shù)學(xué)家S.Malmquist提出了M指數(shù)分析法，進(jìn)行消費(fèi)分析[10]。1978年，Chanmes首次將DEA模型與Malmquist指數(shù)分析法相結(jié)合，該方法適用于多個(gè)地區(qū)跨時(shí)期的樣本分析，被廣泛運(yùn)用于效率測(cè)度與評(píng)價(jià)方面[11]。Malmquist指數(shù)最大的優(yōu)勢(shì)是全要素生產(chǎn)率可進(jìn)一步分解為技術(shù)效率變化指數(shù)與技術(shù)變化指數(shù)，據(jù)此可以推斷出生產(chǎn)率變化的主要影響因素。但是Malmquist指數(shù)沒(méi)有考慮非期望產(chǎn)出，所以Chung Y.等[12]在Malmquist模型的基礎(chǔ)上提出了Malmquist-Luenberger（M-L）模型。

本研究構(gòu)建的M-L指數(shù)模型如下：

本文中的γML指數(shù)大小表示各省市的工業(yè)生產(chǎn)效率變動(dòng)情況。若＞0 ，則該DMU在t+1期的工業(yè)生產(chǎn)效率相比于t期是提升的；若= 0，則該DMU效率保持不變；若＜0 ，則該DMU在t+1期的工業(yè)生產(chǎn)效率相比于t期是下降的。

同理，γEC和γTC大于1分別代表技術(shù)效率改善和技術(shù)進(jìn)步；反之，則表示技術(shù)效率惡化、技術(shù)退步。

2 投入產(chǎn)出變量與數(shù)據(jù)來(lái)源

根據(jù)對(duì)近年來(lái)相關(guān)文獻(xiàn)的學(xué)習(xí)與研究，得知專(zhuān)家學(xué)者采用數(shù)據(jù)包絡(luò)分析對(duì)工業(yè)生產(chǎn)效率進(jìn)行分析時(shí)，所采用的投入、產(chǎn)出指標(biāo)如表1所示。

表1 工業(yè)生產(chǎn)效率相關(guān)研究投入、產(chǎn)出指標(biāo)統(tǒng)計(jì)表Table 1 Statistical table of input and output indicators of relevant research concerning industrial production efficiency

根據(jù)以上各研究投入產(chǎn)出變量的選取，本文依據(jù)數(shù)據(jù)可獲得性原則等，并針對(duì)本文研究主題，最后選取3個(gè)投入變量和3個(gè)產(chǎn)出變量，對(duì)我國(guó)各地區(qū)工業(yè)生產(chǎn)效率進(jìn)行測(cè)算和分析。

2.1 投入產(chǎn)出變量

1）從投入角度看，本研究選取的3個(gè)投入變量分別代表人力、資本、資源3方面投入。工業(yè)從業(yè)人數(shù)代表勞動(dòng)投入，衡量勞動(dòng)要素投入；固定資產(chǎn)凈值代表資本投入，該指標(biāo)常被研究者作為工業(yè)生產(chǎn)效率測(cè)算投入指標(biāo)，本文中有些固定資產(chǎn)凈值由于無(wú)直接數(shù)據(jù)來(lái)源，故采取固定資產(chǎn)投資減去折舊作為固定資產(chǎn)凈值；工業(yè)生產(chǎn)中消耗的大多是化石能源，因此本文能源消費(fèi)總量以化石能源換算成萬(wàn)t標(biāo)準(zhǔn)煤表示。

2）從產(chǎn)出角度看，本文的3個(gè)產(chǎn)出變量分為期望產(chǎn)出與非期望產(chǎn)出兩類(lèi)。其中期望產(chǎn)出2個(gè)，非期望產(chǎn)出1個(gè)。利潤(rùn)總額與工業(yè)生產(chǎn)總值作為期望產(chǎn)出，利潤(rùn)總額能直接反映我國(guó)工業(yè)企業(yè)的盈利能力，企業(yè)只有獲得最大利潤(rùn)，才能不斷積蓄力量。工業(yè)生產(chǎn)總值是指工業(yè)企業(yè)在報(bào)告期內(nèi)以貨幣形式表現(xiàn)的工業(yè)生產(chǎn)活動(dòng)的最終成果。因此利潤(rùn)總額與工業(yè)生產(chǎn)總額都是測(cè)算工業(yè)生產(chǎn)效率的重要工業(yè)經(jīng)濟(jì)產(chǎn)出變量。因近年來(lái)環(huán)境問(wèn)題越來(lái)越受到公眾關(guān)注，且空氣中的SO2主要來(lái)自工業(yè)生產(chǎn)過(guò)程，所以選用SO2作為非期望產(chǎn)出中工業(yè)污染物的代表。

2.2 數(shù)據(jù)來(lái)源

考慮到數(shù)據(jù)統(tǒng)計(jì)的滯后性與數(shù)據(jù)的可得性，本文選取2009—2019年中國(guó)的30個(gè)省份（西藏、香港、澳門(mén)和臺(tái)灣地區(qū)未予考慮）的數(shù)據(jù)加以研究。本文所涉及指標(biāo)數(shù)據(jù)均選自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》，以及各省市統(tǒng)計(jì)年鑒，部分?jǐn)?shù)據(jù)來(lái)自國(guó)家數(shù)據(jù)網(wǎng)。

觀測(cè)數(shù)取330時(shí)，各變量的描述統(tǒng)計(jì)見(jiàn)表2。

表2 投入與產(chǎn)出變量的描述統(tǒng)計(jì)表Table 2 Descriptive statistics of input and output variables

3 中國(guó)工業(yè)生產(chǎn)效率實(shí)證分析

3.1 中國(guó)工業(yè)生產(chǎn)靜態(tài)效率分析

采取DEA Solver Pro軟件對(duì)我國(guó)30個(gè)省市自治區(qū)2009—2019年的工業(yè)生產(chǎn)效率進(jìn)行測(cè)算（結(jié)果見(jiàn)表3），并對(duì)所得結(jié)果進(jìn)行評(píng)價(jià)與分析。

表3 2009—2019年各省市自治區(qū)工業(yè)生產(chǎn)靜態(tài)效率值Table 3 Static efficiency of industrial production in provinces and autonomous regions from 2009 to 2019

3.1.1 分省份分析

將30個(gè)省份單獨(dú)進(jìn)行觀察，有助于對(duì)中國(guó)工業(yè)生產(chǎn)效率的理解和分析。化整為零，是為了更加透徹和深入地剖析我國(guó)各省市自治區(qū)工業(yè)生產(chǎn)有效或者無(wú)效的原因，由點(diǎn)到面，全面了解我國(guó)近幾年工業(yè)生產(chǎn)效率狀況。

從表3中可以得知北京市、天津市、江蘇省、廣東省及海南省的工業(yè)生產(chǎn)效率最高，均為1，表明從2009—2019年，這幾個(gè)省市的工業(yè)生產(chǎn)過(guò)程中投入少、產(chǎn)出多且污染物排放量低，證明其工業(yè)處于生產(chǎn)技術(shù)前沿面，工業(yè)生產(chǎn)完全有效，同時(shí)也表明這些地區(qū)的工業(yè)注重勞動(dòng)、資本、能源的合理配置。工業(yè)生產(chǎn)效率平均值在0.8～1之間的有上海市、福建省、江西省、山東省、浙江省、湖南省、內(nèi)蒙古自治區(qū)、河北省、河南省，其中大于0.9的有內(nèi)蒙古自治區(qū)、上海市、福建省、江西省、山東省，且上海市、福建省、江西省的工業(yè)生產(chǎn)效率均為0.99；山東省次之，為0.91。上海市、福建省和江西省2009—2019年的工業(yè)生產(chǎn)效率都僅有1年的效率值沒(méi)有達(dá)到1。均值為0.6～0.8的有廣西壯族自治區(qū)、湖北省、重慶市、遼寧省、吉林省、陜西省、安徽省、黑龍江省，以上8個(gè)地區(qū)的工業(yè)生產(chǎn)綜合效率值處于我國(guó)工業(yè)生產(chǎn)效率的第三序列。東北三省尤為明顯，以上地區(qū)工業(yè)發(fā)展規(guī)模都較大，工業(yè)經(jīng)濟(jì)效益處于中上等，但資源投入量較大，屬于明顯的高投入、高產(chǎn)出的粗放式工業(yè)生產(chǎn)，其中的非期望產(chǎn)出也較高。最后是工業(yè)生產(chǎn)效率值為0.3～0.6的，分別是四川省、青海省、新疆維吾爾自治區(qū)、貴州省、云南省、山西省、甘肅省、寧夏回族自治區(qū)，其中山西省是中國(guó)煤炭能源的重要產(chǎn)地，污染嚴(yán)重，是其工業(yè)生產(chǎn)效率低的主要原因；貴州省、云南省、甘肅省、青海省、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)的工業(yè)化程度較低，交通運(yùn)輸能力較差、工業(yè)經(jīng)濟(jì)規(guī)模較小都是其工業(yè)生產(chǎn)效率低下的重要影響因素。

3.1.2 分區(qū)域分析

區(qū)域的劃分標(biāo)準(zhǔn)會(huì)直接影響對(duì)工業(yè)生產(chǎn)效率的分析，因?yàn)槲覈?guó)工業(yè)體系的分布各有特點(diǎn)，比如我國(guó)東北地區(qū)是以鋼鐵、機(jī)械、化工、石油為生產(chǎn)核心；而華北地區(qū)是以燃料動(dòng)力、鋼鐵為生產(chǎn)主體。為了更加深入地了解我國(guó)工業(yè)生產(chǎn)效率的空間分布特征，本文參照國(guó)家統(tǒng)計(jì)局國(guó)家數(shù)據(jù)網(wǎng)將全國(guó)區(qū)域劃分為東部、中部、西部3個(gè)地區(qū)。東部地區(qū)的工業(yè)平均效率值為0.93，中部地區(qū)為0.73，西部地區(qū)為0.49，整體呈現(xiàn)東高西低的梯形分布。生產(chǎn)效率為1的北京市、天津市、江蘇省、廣東省、海南省5個(gè)地區(qū)均在我國(guó)東部地區(qū)，而生產(chǎn)效率低于0.6的8個(gè)省份中，有7個(gè)屬于西部地區(qū)，占總數(shù)的87.5%，可見(jiàn)，我國(guó)東西部發(fā)展不均衡，區(qū)域差距明顯。

3.2 中國(guó)工業(yè)生產(chǎn)動(dòng)態(tài)效率分析

上文使用SBM-Undesirable模型對(duì)我國(guó)30個(gè)省份2009—2019年的面板數(shù)據(jù)進(jìn)行了測(cè)算，從靜態(tài)層面對(duì)我國(guó)工業(yè)生產(chǎn)效率情況進(jìn)行分析。為了更深入地探究我國(guó)工業(yè)生產(chǎn)效率在時(shí)間維度上的表現(xiàn)，使用Malmquist- Luenberger模型對(duì)我國(guó)30個(gè)省市自治區(qū)2009—2019年的工業(yè)生產(chǎn)效率進(jìn)行測(cè)算，從動(dòng)態(tài)層面考察我國(guó)工業(yè)生產(chǎn)效率的變動(dòng)趨勢(shì)以及變動(dòng)原因，所得測(cè)算結(jié)果見(jiàn)表4和圖1。

表4 中國(guó)工業(yè)生產(chǎn)效率指數(shù)及其分解指數(shù)的演化趨勢(shì)Table 4 Evolution trend of China’s industrial production efficiency index with its decomposition index

圖1 中國(guó)工業(yè)生產(chǎn)效率指數(shù)及其分解指數(shù)折線圖Fig.1 Broken line chart of China’s industrial production efficiency index with its decomposition index

由表4可知，30個(gè)省份的工業(yè)全要素生產(chǎn)效率指數(shù)γML的平均值為1.141，技術(shù)進(jìn)步指數(shù)γTC的平均值為1.246，而效率改進(jìn)指數(shù)γEC的平均值僅為0.927。這表明技術(shù)進(jìn)步發(fā)展?fàn)顩r良好，對(duì)全要素生產(chǎn)效率起著促進(jìn)作用，而技術(shù)效率改進(jìn)較為欠缺。

觀察圖1可以發(fā)現(xiàn)，γML與γTC的變化趨勢(shì)大多一致，但γTC的波動(dòng)幅度較為強(qiáng)烈，帶動(dòng)了γML的變動(dòng)，這說(shuō)明γTC是影響γML的重要因素，技術(shù)進(jìn)步對(duì)全要素生產(chǎn)效率的提高有著顯著的促進(jìn)作用。

觀察圖1可知，γML、γEC、γTC都呈現(xiàn)上下波動(dòng)的變化趨勢(shì)，其中γML的年平均增長(zhǎng)率為0.29%，γTC的年平均增長(zhǎng)率為3.64%，總體呈現(xiàn)上升趨勢(shì)，而γEC的年平均增長(zhǎng)率為-4.1%，總體呈下降趨勢(shì)。中國(guó)工業(yè)生產(chǎn)效率指數(shù)γML在2009—2016間振幅較小，而在2016—2019間振幅較大。在2009—2013期間呈下降趨勢(shì)，究其原因，是因?yàn)槭艽钨J危機(jī)的影響，工業(yè)產(chǎn)業(yè)的復(fù)蘇需要經(jīng)歷一個(gè)曲折而緩慢的過(guò)程，外需萎縮短期內(nèi)難以根本改觀，消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)帶動(dòng)性不夠，中國(guó)面臨的生產(chǎn)要素綜合成本上升、資源環(huán)境約束增強(qiáng)等情況都制約著工業(yè)生產(chǎn)效率的增長(zhǎng)。而γML增長(zhǎng)的拐點(diǎn)出現(xiàn)在2015—2016年，國(guó)務(wù)院在2015年5月8號(hào)印發(fā)了《中國(guó)制造2025》的通知，該通知將“創(chuàng)新驅(qū)動(dòng)、質(zhì)量為先、綠色發(fā)展、結(jié)構(gòu)優(yōu)化、人才為本”作為基本方針。中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì)和環(huán)境保護(hù)部聯(lián)合發(fā)布的《清潔生產(chǎn)審核辦法》于2016年7月1日起正式實(shí)施，該辦法鼓勵(lì)企業(yè)自愿開(kāi)展清潔生產(chǎn)審核。國(guó)家一系列的政策指導(dǎo)企業(yè)不斷創(chuàng)新，努力增產(chǎn)減排，這不僅促進(jìn)了我國(guó)工業(yè)生產(chǎn)效率的提高，更是對(duì)全國(guó)工業(yè)整體的發(fā)展產(chǎn)生了積極的影響。

4 結(jié)論與建議

本文以我國(guó)30個(gè)省份的工業(yè)發(fā)展情況作為研究對(duì)象，利用 SBM-Undesirable模型以及Malmquist-Luenberger模型對(duì)其2009—2019年的數(shù)據(jù)進(jìn)行了測(cè)度與分析，得出如下結(jié)論：

1）在研究的30個(gè)省市自治區(qū)中，有5個(gè)省市工業(yè)生產(chǎn)有效，占總體的16%，而生產(chǎn)效率低于0.6的有8個(gè)省市自治區(qū)，占總數(shù)的26%。這說(shuō)明我國(guó)大部分省市自治區(qū)都存在投入冗余和期望產(chǎn)出不足、生產(chǎn)投入要素利用率低、資源浪費(fèi)及生態(tài)污染現(xiàn)象。

2）我國(guó)工業(yè)的地區(qū)發(fā)展不平衡，區(qū)域差異明顯，呈現(xiàn)出東高西低的階梯狀分布。工業(yè)生產(chǎn)有效的省份集中在東部地區(qū)，而工業(yè)生產(chǎn)效率較低的省份則主要集中在西部地區(qū)。這是由于東部地區(qū)有著悠久的工業(yè)發(fā)展歷史，優(yōu)越的區(qū)位優(yōu)勢(shì)，雄厚的資金實(shí)力，而這些又帶來(lái)了先進(jìn)的生產(chǎn)技術(shù)，使得資源被更加有效地利用。

3）我國(guó)工業(yè)γML呈上下波動(dòng)，在研究期間內(nèi)，其平均值為1.141，γTC的平均值為1.246，而γEC的平均值為0.927，這說(shuō)明我國(guó)工業(yè)全要素生產(chǎn)有效，技術(shù)也得到了發(fā)展，但是效率的改進(jìn)并未達(dá)到最佳狀態(tài)。

4）全要素生產(chǎn)效率與技術(shù)進(jìn)步指數(shù)總體都呈現(xiàn)增長(zhǎng)趨勢(shì)，且兩者變動(dòng)趨勢(shì)相似，這表明技術(shù)進(jìn)步促進(jìn)了全要素生產(chǎn)效率的增長(zhǎng)，且國(guó)家政策與經(jīng)濟(jì)環(huán)境會(huì)對(duì)工業(yè)生產(chǎn)效率產(chǎn)生明顯影響。

綜上所述，從我國(guó)基本國(guó)情出發(fā)，為提高工業(yè)生產(chǎn)效率，促進(jìn)我國(guó)工業(yè)又快又好地發(fā)展，完善區(qū)域發(fā)展戰(zhàn)略，縮小東西部發(fā)展差距，提出以下建議：

1）促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型和完善產(chǎn)業(yè)結(jié)構(gòu)。我國(guó)大部分省份的生產(chǎn)效率偏低，傳統(tǒng)的粗放型經(jīng)濟(jì)增長(zhǎng)模式使得資源與生態(tài)都承受著巨大的壓力，特別是我國(guó)中西部地區(qū)要處理好資源儲(chǔ)量與經(jīng)濟(jì)發(fā)展之間的不平衡，要“生態(tài)保護(hù)”與“經(jīng)濟(jì)增長(zhǎng)”雙管齊下，積極探索“綠水青山就是金山銀山”的環(huán)境友好型經(jīng)濟(jì)發(fā)展模式。

2）加強(qiáng)區(qū)域協(xié)作，促進(jìn)區(qū)域協(xié)調(diào)發(fā)展。國(guó)家應(yīng)注重不同地區(qū)之間的資源調(diào)配，合理規(guī)劃生產(chǎn)資源的跨區(qū)域流動(dòng)，充分發(fā)揮市場(chǎng)對(duì)產(chǎn)品的引導(dǎo)作用，推進(jìn)區(qū)域開(kāi)放度，加強(qiáng)區(qū)域之間的交流合作。地區(qū)層面則應(yīng)該加強(qiáng)頂層設(shè)計(jì)，因地制宜，根據(jù)地區(qū)特點(diǎn)制定相應(yīng)的發(fā)展戰(zhàn)略，強(qiáng)化對(duì)投入產(chǎn)出的控制，減少冗余。

3）加大研發(fā)投入，以科技進(jìn)步推動(dòng)生產(chǎn)效率提高。強(qiáng)化產(chǎn)學(xué)研深度融合，推進(jìn)核心技術(shù)攻關(guān)，促進(jìn)科技成果轉(zhuǎn)化成生產(chǎn)力?？萍际堑谝簧a(chǎn)力，長(zhǎng)期來(lái)看，科學(xué)技術(shù)的發(fā)展可降低成本、增加產(chǎn)出，解決投入與產(chǎn)出冗余或者不足的問(wèn)題。