周 杰

（1.樂(lè)山師范學(xué)院 經(jīng)濟(jì)管理學(xué)院，四川 樂(lè)山 614000；2.廣東彩艷股份有限公司博士后工作站，廣東 江門(mén) 529000）

一、引言

當(dāng)前，世界正面臨“百年未有之大變局”，產(chǎn)業(yè)變革與科技革命進(jìn)入全新歷史節(jié)點(diǎn)，促使全球創(chuàng)新版圖、經(jīng)濟(jì)結(jié)構(gòu)重塑[1]。智能制造作為該歷史節(jié)點(diǎn)下萌生的核心技術(shù)之一，在成功顛覆傳統(tǒng)制造業(yè)競(jìng)爭(zhēng)模式之余，也對(duì)全球價(jià)值鏈分配模式產(chǎn)生深遠(yuǎn)影響[2]。雙碳目標(biāo)導(dǎo)向下，綠色化成為其高質(zhì)量發(fā)展的必然走向。精準(zhǔn)把握智能制造綠色發(fā)展機(jī)遇，實(shí)現(xiàn)智能制造業(yè)高效與可持續(xù)發(fā)展，對(duì)中國(guó)增強(qiáng)本國(guó)制造業(yè)全球競(jìng)爭(zhēng)力具有重要意義。

開(kāi)展智能制造業(yè)研究是把握智能制造綠色發(fā)展機(jī)遇的重要基礎(chǔ)。智能制造業(yè)研究最早可追溯到國(guó)外不同學(xué)派對(duì)智能制造系統(tǒng)組織基礎(chǔ)與框架構(gòu)建的探討[3]。隨著智能技術(shù)的快速發(fā)展，國(guó)內(nèi)學(xué)者在借鑒國(guó)外研究的基礎(chǔ)上，也對(duì)智能制造業(yè)進(jìn)行了廣泛而深入的探討。詳細(xì)而言，研究多圍繞智能制造概念內(nèi)涵[4，5]、應(yīng)用領(lǐng)域[6，7]等內(nèi)容展開(kāi)，智能制造影響因素[8，9]、影響效應(yīng)[10，11]也有所涉及。但囿于智能制造涵蓋范圍的復(fù)雜性和制造“智力”的隱含性，研究數(shù)據(jù)可得性受限，導(dǎo)致智能制造業(yè)全要素生產(chǎn)率方面的研究較為欠缺。僅有申丹虹、崔張?chǎng)?2021)[12]以38 家智能制造業(yè)上市公司為樣本，基于SFA 方法對(duì)中國(guó)2010—2018年的智能制造業(yè)全要素生產(chǎn)率進(jìn)行了測(cè)算，并指出技術(shù)水平落后是造成觀察期內(nèi)智能制造業(yè)處于規(guī)模遞減狀態(tài)的關(guān)鍵原因。對(duì)上述研究進(jìn)行深入詮釋?zhuān)芍疾熘悄苤圃鞓I(yè)綠色全要素生產(chǎn)率有利于剖析智能制造高效與可持續(xù)發(fā)展著力點(diǎn)。綜上所述，文章認(rèn)為有必要對(duì)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)情況進(jìn)行深入挖掘。

文章創(chuàng)新貢獻(xiàn)表現(xiàn)在以下方面：第一，以2011—2020 年中國(guó)30 個(gè)省份面板數(shù)據(jù)為樣本，彌補(bǔ)樣本選擇片面可能帶來(lái)的偏誤；第二，構(gòu)建基于DEA 的Malmquist 指數(shù)模型，測(cè)度智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)情況，嘗試填補(bǔ)既有研究空白；第三，分解技術(shù)對(duì)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的影響，探尋智能制造業(yè)綠色全要素生產(chǎn)率主要增長(zhǎng)動(dòng)力，拓展現(xiàn)有研究的寬度與廣度；第四，采用核密度和馬爾可夫鏈模型對(duì)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的整體分布形態(tài)、內(nèi)部動(dòng)態(tài)特征及在空間的趨同效應(yīng)進(jìn)行分析，揭示其時(shí)空動(dòng)態(tài)演變規(guī)律。

二、研究方法

1.Malmquist 指數(shù)模型

當(dāng)前學(xué)術(shù)界有關(guān)全要素生產(chǎn)率(TFP)變化的測(cè)度方法主要分為兩種，分別是參數(shù)法（索洛余值法、隨機(jī)前沿函數(shù)法等）與非參數(shù)法（DEA、Malmquist 生產(chǎn)率指數(shù)法等）。與非參數(shù)法相比，參數(shù)法雖然能夠?qū)⒎切市缘挠绊懪c隨機(jī)擾動(dòng)區(qū)分開(kāi)，但無(wú)法區(qū)分設(shè)定偏誤導(dǎo)致的隨機(jī)誤差。因此，文章選用非參數(shù)法測(cè)算智能制造業(yè)綠色TFP 增長(zhǎng)率。同時(shí)考慮到本次研究要對(duì)不同時(shí)期智能制造業(yè)綠色TFP 增長(zhǎng)率對(duì)比分析，僅使用傳統(tǒng)DEA模型無(wú)法滿足研究需要。故而，借鑒既有研究[13-16]，基于DEA理論構(gòu)建了Malmquist 指數(shù)模型，測(cè)算方式如下：

式(1)中，M0表示決策單元在t 期和t+1 期的TFP 變化率，若M0大于1，表明從t 到t+1 期TFP 提高，反之則表明從t 到t+1 期TFP 降低。(xt，yt)、(xt+1，yt+1)分別為決策單元在t 期和t+1 期的投入量和產(chǎn)出，D0t和D0t+1分別表示以t 時(shí)期和t+1 時(shí)期為基準(zhǔn)點(diǎn)的產(chǎn)出距離指數(shù)。

Malmquist 指數(shù)可分解為技術(shù)進(jìn)步變化(TC)和技術(shù)效率變化(EC)兩部分，即M0=EC×TC，二者計(jì)算公示分別如下：

EC、TC 值大于1 表示技術(shù)效率改善或技術(shù)進(jìn)步，EC、TC值小于1 表示現(xiàn)有技術(shù)利用未達(dá)到理想狀態(tài)。

在規(guī)模效率可變情境下，EC 可進(jìn)一步分解為純技術(shù)效率變化(PE)和規(guī)模效率變化(SE)，即EC=PE×SE。限于篇幅，二者計(jì)算公式不在此列示。

2.核密度模型

核密度估計(jì)是一種在給定樣本集合下求解隨機(jī)變量分布密度函數(shù)的非參數(shù)估計(jì)方法，能夠通過(guò)平滑曲線對(duì)樣本運(yùn)動(dòng)演變進(jìn)行直觀描述[17]。故而，本次研究選用核密度估計(jì)模型對(duì)智能制造業(yè)綠色全要素生產(chǎn)率演變態(tài)勢(shì)進(jìn)行分析。假設(shè)Xi為隨機(jī)變量，其密度函數(shù)為f(x)，則對(duì)應(yīng)點(diǎn)x 的概率密度函數(shù)為：

上式中，N為觀測(cè)值個(gè)數(shù)，Xi為獨(dú)立同分布的觀測(cè)值，h為平滑參數(shù)或帶寬。值得注意的是，核密度估計(jì)是否準(zhǔn)確的關(guān)鍵在于h（帶寬）的選擇，它不僅決定著核密度估計(jì)精度還決定著曲線平滑程度。h（帶寬）越大，則核密度函數(shù)f(x)越光滑。K(·)為核函數(shù)，文章選用高斯核密度函數(shù)進(jìn)行估計(jì)。

3.全局空間自相關(guān)分析

莫蘭指數(shù)可直觀描述觀測(cè)對(duì)象在整個(gè)空間范圍內(nèi)的集聚狀況[18]。文章選定莫蘭指數(shù)對(duì)中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率的全局空間自相關(guān)關(guān)系進(jìn)行度量，計(jì)算公式如下：

式(5)中，I代表全局Moran's I 指數(shù)，當(dāng)I＞0 時(shí)，表示中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)呈現(xiàn)空間正相關(guān)；當(dāng)I＜0 時(shí)，表示中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)呈現(xiàn)空間負(fù)相關(guān)；當(dāng)I=0 時(shí)，表示中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)呈現(xiàn)空間隨機(jī)分布。Wij是測(cè)度主體i 與j 的空間權(quán)重矩陣。

4.馬爾可夫鏈模型

考慮到全局空間自相關(guān)指數(shù)僅能反映數(shù)值整體空間分布情況，無(wú)法對(duì)地區(qū)內(nèi)部空間集群特征進(jìn)行深入刻畫(huà)，也無(wú)法直觀描述空間集群時(shí)間演變歷程。故此，文章構(gòu)建傳統(tǒng)馬爾可夫鏈與空間馬爾可夫鏈，用以研究智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的時(shí)空演變規(guī)律及其在空間的趨同效應(yīng)。

（1）傳統(tǒng)馬爾可夫鏈

傳統(tǒng)馬爾可夫鏈在應(yīng)用過(guò)程中需將智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)指數(shù)離散為k 種類(lèi)型，通過(guò)計(jì)算各類(lèi)型轉(zhuǎn)移概率分布以近似推斷智能制造業(yè)綠色全要素生產(chǎn)率演變的整個(gè)過(guò)程。為獲得穩(wěn)健的研究結(jié)論，本次研究擴(kuò)展構(gòu)建基于多個(gè)年份的傳統(tǒng)馬爾可夫轉(zhuǎn)移概率矩陣。矩陣元素計(jì)算公式如下：

（2）空間馬爾可夫鏈

空間馬爾科夫鏈?zhǔn)莻鹘y(tǒng)馬爾科夫鏈和“空間滯后”概念結(jié)合的產(chǎn)物[19]。一個(gè)區(qū)域的“空間滯后”就是該區(qū)域周邊地區(qū)屬性值的空間加權(quán)平均，計(jì)算公式為：

式(7)中，yb為b 地區(qū)的變量數(shù)值，wab為權(quán)重矩陣W 的元素。文章采用公共邊界原則確定空間權(quán)重矩陣，如下所示：

由此，空間馬爾可夫轉(zhuǎn)移概率矩陣將傳統(tǒng)馬爾可夫矩陣分解為k 個(gè)k×k 的條件轉(zhuǎn)移概率矩陣。矩陣元素(k)表示在條件k 下，a 區(qū)域在t 年屬于i 類(lèi)型而在t+d 年份轉(zhuǎn)移為j 類(lèi)型的空間轉(zhuǎn)移概率。

三、指標(biāo)選取與數(shù)據(jù)來(lái)源

1.指標(biāo)選取

當(dāng)前學(xué)術(shù)界對(duì)智能制造業(yè)所涵蓋的具體行業(yè)領(lǐng)域并沒(méi)有統(tǒng)一概念，難以直接獲取智能制造業(yè)發(fā)展數(shù)據(jù)。因此，文章借鑒王媛媛、張華榮(2016)[20]的研究，以自動(dòng)化儀器儀表、智能控制系統(tǒng)、工業(yè)機(jī)器人、3D 打印設(shè)備、數(shù)控機(jī)床等智能制造細(xì)分行業(yè)綜合考察智能制造業(yè)綠色發(fā)展?fàn)顩r。同時(shí)參考張優(yōu)智、喬宇鶴(2022)[21]的研究，選取上述智能制造業(yè)細(xì)分行業(yè)銷(xiāo)售產(chǎn)值總額、污染排放總量為產(chǎn)出指標(biāo)，能源、勞動(dòng)以及資本投入作為投入指標(biāo)。其中，智能制造業(yè)銷(xiāo)售產(chǎn)值總額需利用價(jià)格指數(shù)進(jìn)行平減；污染排放總量通過(guò)“智能制造業(yè)銷(xiāo)售產(chǎn)值/工業(yè)總產(chǎn)值×工業(yè)SO2排放量”測(cè)算；能源投入采用年末各省份智能制造業(yè)能源損耗量衡量，數(shù)據(jù)通過(guò)“智能制造業(yè)銷(xiāo)售產(chǎn)值/工業(yè)總產(chǎn)值×工業(yè)終端能源損耗量”間接得到；勞動(dòng)投入指標(biāo)通過(guò)年末各省份智能制造業(yè)就業(yè)人數(shù)衡量；資本投入指標(biāo)為各地區(qū)智能制造業(yè)固定資產(chǎn)投資額，亦需利用價(jià)格指數(shù)進(jìn)行平減。

2.數(shù)據(jù)來(lái)源

2010 年《國(guó)務(wù)院關(guān)于加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的決定》中首次提及智能制造裝備概念，并將智能制造業(yè)作為長(zhǎng)期發(fā)展重點(diǎn)。故而文章以2011 年作為測(cè)算智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)基期，研究時(shí)間跨度設(shè)為2011—2020 年，樣本設(shè)為30 個(gè)省份（不含西藏及港澳臺(tái)地區(qū)）。與此同時(shí)，為精確刻畫(huà)不同地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)差異，依據(jù)國(guó)家統(tǒng)計(jì)局標(biāo)準(zhǔn)，將30 個(gè)省份劃分為東、中、西部三大地區(qū)。研究所涉數(shù)據(jù)主要來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》 《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》等權(quán)威數(shù)據(jù)以及各省份公布的統(tǒng)計(jì)報(bào)告。對(duì)于少數(shù)缺失數(shù)據(jù)，采用線性插補(bǔ)法予以補(bǔ)充。

四、實(shí)證結(jié)果與分析

1.智能制造業(yè)綠色全要素生產(chǎn)率測(cè)度

將各省份智能制造業(yè)相關(guān)投入產(chǎn)出指標(biāo)數(shù)據(jù)代入Malmquist指數(shù)模型中，利用DEAP2.1 軟件進(jìn)行測(cè)算，結(jié)果見(jiàn)表1。

表1 2011—2020 年各省份Malmquist 指數(shù)變化及其分解

表1 中匯報(bào)了2011—2020 年中國(guó)30 個(gè)省份智能制造業(yè)Malmquist 指數(shù)及分解均值?？梢园l(fā)現(xiàn)，樣本期內(nèi)，30 個(gè)省份中所有省份智能制造業(yè)綠色全要素生產(chǎn)率均實(shí)現(xiàn)了正增長(zhǎng)，其中有20 個(gè)省份的智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)率超過(guò)了全國(guó)平均水平，包括河北、內(nèi)蒙古、遼寧、吉林、湖南等省份。這表明中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)態(tài)勢(shì)良好。進(jìn)一步分析綠色全要素生產(chǎn)率各內(nèi)部指標(biāo)的變動(dòng)情況可以發(fā)現(xiàn)，技術(shù)進(jìn)步的平均增長(zhǎng)率為9.2%，技術(shù)效率的平均增長(zhǎng)率為1.1%。這說(shuō)明技術(shù)進(jìn)步是推動(dòng)智能制造業(yè)綠色全要素生產(chǎn)率提升的核心驅(qū)動(dòng)力。就技術(shù)效率的2 個(gè)子指標(biāo)而言，純技術(shù)效率平均增長(zhǎng)率為1.2%，而規(guī)模效率出現(xiàn)了負(fù)增長(zhǎng)，平均增長(zhǎng)率為-1.6%，這意味著純技術(shù)效率是改善技術(shù)效率的主要推動(dòng)力。

通過(guò)梳理與整合表1 數(shù)據(jù)可得2011—2020 年全國(guó)及東、中、西部地區(qū)各年份智能制造業(yè)Malmquist 指數(shù)及其分解數(shù)值。就全國(guó)層面而言，觀測(cè)期內(nèi)除2011 年全國(guó)智能制造業(yè)的綠色全要素生產(chǎn)率出現(xiàn)了負(fù)增長(zhǎng)，其他年份均為正增長(zhǎng)，平均增長(zhǎng)率高達(dá)10.7%。這一現(xiàn)象說(shuō)明2011 年以來(lái)，中國(guó)智能制造業(yè)發(fā)展態(tài)勢(shì)整體向好，智能制造水平持續(xù)提升。進(jìn)一步分析可知，2011—2020 年間中國(guó)智能制造業(yè)技術(shù)進(jìn)步增長(zhǎng)率由2.1%變?yōu)?4.1%，提升了12%，而技術(shù)效率增長(zhǎng)率由-2.6%變?yōu)?7.2%，下降了4.6%，這表明技術(shù)進(jìn)步始終在智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)過(guò)程中發(fā)揮核心驅(qū)動(dòng)作用。就地區(qū)層面而言，東、中、西部三大地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)速度存在差異性。2011—2020 年?yáng)|部地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率的年均增長(zhǎng)速度為8.1%，中部地區(qū)為17.6%，西部地區(qū)為16.6%?？梢园l(fā)現(xiàn)，中、西部地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)速度快于東部地區(qū)，表明近年來(lái)中、西部地區(qū)智能制造業(yè)發(fā)展更為迅猛。上述研究雖然能夠較為詳細(xì)地刻畫(huà)智能制造業(yè)綠色全要素生產(chǎn)率靜態(tài)分布規(guī)律，但是難以準(zhǔn)確細(xì)致地揭示中國(guó)智能制造業(yè)動(dòng)態(tài)演變收斂特征以及趨勢(shì)。故而基于上述測(cè)度與分解得出的各項(xiàng)指標(biāo)數(shù)據(jù)，進(jìn)一步對(duì)智能制造業(yè)綠色全要素生產(chǎn)率的時(shí)空動(dòng)態(tài)演變展開(kāi)研究。

2.智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的時(shí)序動(dòng)態(tài)演變分析

（1）核密度估計(jì)

文章將研究時(shí)段均等分為3 份，選取2011 年、2014 年、2017 年和2020 年的智能制造業(yè)Malmquist 指數(shù)累積值為樣本，采用核密度模型估計(jì)其密度分布（見(jiàn)圖1）。其中，坐標(biāo)橫軸表示智能制造業(yè)Malmquist 指數(shù)，縱軸表示核密度。

圖1(a)為全國(guó)范圍智能制造業(yè)Malmquist 指數(shù)的核密度曲線。由該圖可知：一是智能制造業(yè)綠色全要素生產(chǎn)率核密度曲線均呈右偏，有較多省份智能制造業(yè)綠色全要素生產(chǎn)率小于全國(guó)均值；二是4 個(gè)代表年份的智能制造業(yè)綠色全要素生產(chǎn)率核密度曲線波峰高度不斷降低，這表明全國(guó)范圍內(nèi)智能制造業(yè)綠色全要素生產(chǎn)率差距逐漸增大；三是2011 年核密度曲線由一個(gè)主峰和兩個(gè)側(cè)峰組成，2014 年兩個(gè)側(cè)峰趨于平緩，2017 年和2020 年均向單峰分布形式轉(zhuǎn)變，且主波峰與次波峰間距逐年減小，表明智能制造業(yè)綠色全要素生產(chǎn)率演變過(guò)程中的“兩極分化”效應(yīng)在逐漸減緩。

圖1 全國(guó)及東、中、西部地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率核密度估計(jì)

圖1(b)、(c)、(d)分別為東、中、西部地區(qū)智能制造業(yè)Malmquist 指數(shù)的核密度曲線。分析圖像可以發(fā)現(xiàn)，東、中、西部三大地區(qū)核密度曲線具有高度相似性。其中，東部地區(qū)核密度曲線寬度逐漸變大、高度逐漸降低、尾部明顯拉長(zhǎng)。這表明東部地區(qū)各省份智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)幅度差異增大。中部地區(qū)智能制造業(yè)Malmquist 指數(shù)的核密度曲線寬度呈現(xiàn)先變窄、而后逐漸變大的趨勢(shì)，這表明中部地區(qū)各省份智能制造業(yè)Malmquist 指數(shù)差距在2011—2014 年間逐漸縮小，2014年以后又逐漸變大。究其原因可能在于，伴隨國(guó)家對(duì)中部地方落后省份在經(jīng)濟(jì)、政策、技術(shù)等方面的支持力度不斷加大，中部地區(qū)各省份智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)速度得到顯著提升，其內(nèi)部差距逐漸縮小。西部地區(qū)智能制造業(yè)Malmquist 指數(shù)的核密度曲線波峰寬度在2011—2017 年間增大，2017 年之后無(wú)明顯變化，說(shuō)明2017 年之前西部地區(qū)各省份智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)幅度具有較大差異，而在2017 年后西部地區(qū)各省份智能制造業(yè)綠色全要素生產(chǎn)效率增長(zhǎng)幅度趨于均衡。

（2）馬爾可夫鏈分析

文章以2011—2020 年中國(guó)30 個(gè)省份智能制造業(yè)Malmquist指數(shù)累積值作為樣本數(shù)據(jù)，在不考慮年份差異影響的情況下，采用四分位數(shù)方法確定1.061、1.095 和1.104 為分類(lèi)閾值。由此，各省份智能制造業(yè)綠色全要素生產(chǎn)率可分成四種水平狀態(tài)，分別是低水平狀態(tài)（0，1.061]、中低水平狀態(tài)（1.061，1.095]、中高水平狀態(tài)（1.095，1.104]、高水平狀態(tài)（1.104，+∞），并依次用H、MH、ML 和L 表示。在此基礎(chǔ)上，用傳統(tǒng)馬爾可夫鏈模型測(cè)算不同時(shí)長(zhǎng)內(nèi)各水平狀態(tài)間的轉(zhuǎn)移概率矩陣，如表2 所示。

根據(jù)表2，可具體剖析中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的時(shí)序動(dòng)態(tài)演變情況。

表2 中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率分布狀態(tài)的傳統(tǒng)馬爾可夫鏈測(cè)算結(jié)果

第一，無(wú)論考察時(shí)長(zhǎng)是多久，轉(zhuǎn)移概率較大的數(shù)值均在矩陣對(duì)主角線上。這說(shuō)明在1 年、2 年或3 年時(shí)長(zhǎng)下，中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率分布狀態(tài)轉(zhuǎn)移情況較為穩(wěn)定。

第二，智能制造業(yè)綠色全要素生產(chǎn)率向下或者向上轉(zhuǎn)移超過(guò)一種狀態(tài)類(lèi)型的概率偏低，即智能制造業(yè)綠色全要素生產(chǎn)率難以跨狀態(tài)轉(zhuǎn)移。具體來(lái)說(shuō)，僅有考察時(shí)長(zhǎng)為3 年時(shí)，中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率分布狀態(tài)存在跨狀態(tài)轉(zhuǎn)移，表現(xiàn)為低水平狀態(tài)向中高水平狀態(tài)轉(zhuǎn)移，轉(zhuǎn)移概率為1.1%。

第三，在期初智能制造業(yè)綠色全要素生產(chǎn)率是高水平狀態(tài)的省份，1 年后依然處于原狀態(tài)的概率是96.7%，2 年后是96.8%，3 年后是97.5%。而低水平狀態(tài)省份經(jīng)過(guò)發(fā)展后，依然處于原狀態(tài)的概率分別為72.3%、71.7%、69.5%?？梢?jiàn)，智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)演進(jìn)過(guò)程存在一定兩極分化現(xiàn)象，即強(qiáng)者越強(qiáng)，弱者越弱。

第四，當(dāng)考察時(shí)長(zhǎng)為1 年時(shí)，L、ML 和MH 向上轉(zhuǎn)移的概率分別是27.7%、15.8%和7.2%。當(dāng)考察時(shí)長(zhǎng)為2 年時(shí)，L、ML 和MH 向上轉(zhuǎn)移的概率分別是28.3%、19.1%、8.5%。當(dāng)考察時(shí)長(zhǎng)為3 年時(shí)，L、ML 和MH 向上轉(zhuǎn)移的概率分別是30.5%、21.6%和9.1%。可見(jiàn)，考察時(shí)長(zhǎng)越長(zhǎng)，偏低水平狀態(tài)的省份向上轉(zhuǎn)移概率越大。

3.智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的空間格局演變分析

（1）全局空間自相關(guān)分析

若想探究智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)幅度在空間層面的動(dòng)態(tài)演進(jìn)特征，需先研判其全局空間自相關(guān)性。將智能制造業(yè)Malmquist 指數(shù)的各項(xiàng)指標(biāo)代入式(5)中，得到各年份智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的全局莫蘭指數(shù)（見(jiàn)表3）。

表3 智能制造業(yè)全要素生產(chǎn)率的Moran's I 指數(shù)值及其相關(guān)統(tǒng)計(jì)指標(biāo)

如表3 所示，研究期內(nèi)Moran's I 指數(shù)值均大于零，并且除前2 年P(guān) 值顯示僅通過(guò)5%的顯著性檢驗(yàn)外，其余觀測(cè)年份都在1%上顯著。這說(shuō)明從空間分布來(lái)看，智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)會(huì)出現(xiàn)明顯的相似水平空間集聚現(xiàn)象。另外，2011—2020 年中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的空間格局演變大致可劃分為兩個(gè)階段：第一階段為2011—2014 年，該階段智能制造業(yè)綠色全要素生產(chǎn)率的Moran's I 指數(shù)值呈現(xiàn)平穩(wěn)上升趨勢(shì)，各省份間集聚水平逐步強(qiáng)化；第二階段為2015—2020 年，該階段Moran's I 指數(shù)值“下降、上升”趨勢(shì)不斷交替演變，各省份的智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的空間集聚效應(yīng)波動(dòng)不斷增強(qiáng)。綜合來(lái)看，各省份空間自相關(guān)性在考察期內(nèi)持續(xù)增強(qiáng)。

（2）空間馬爾可夫鏈分析

空間自相關(guān)分析表明，中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)呈現(xiàn)出顯著的空間自相關(guān)性，即某地區(qū)智能制造業(yè)綠色全要素增長(zhǎng)受到相鄰地區(qū)綠色全要素生產(chǎn)率水平影響。文章將進(jìn)一步探究這種影響如何對(duì)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)演變產(chǎn)生作用。文章將空間滯后條件設(shè)定為相鄰地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)水平，并以此搭建空間馬爾可夫鏈轉(zhuǎn)移概率矩陣（表4）。

表4 空間馬爾可夫鏈轉(zhuǎn)移概率矩陣

由表4 可知，空間滯后類(lèi)型對(duì)智能制造業(yè)綠色全要素生產(chǎn)率演變有重要影響，不同空間滯后類(lèi)型對(duì)不同分布狀態(tài)下智能制造業(yè)綠色全要素生產(chǎn)率轉(zhuǎn)移概率的影響各不相同。具體表現(xiàn)為：

第一，對(duì)于低水平狀態(tài)省份來(lái)說(shuō)，在不考慮空間作用時(shí)，這些地區(qū)有27.7%的概率由低水平狀態(tài)往上轉(zhuǎn)移；在考慮空間作用且面臨低、中低、中高和高水平狀態(tài)鄰居時(shí)，這些地區(qū)分別有38.4%、45.5%、48.1%、0%的概率往上轉(zhuǎn)移?？梢?jiàn)，前三類(lèi)狀態(tài)鄰居均提升了低水平狀態(tài)省份往上轉(zhuǎn)移的概率，而高水平狀態(tài)鄰居則具有負(fù)面影響。

第二，對(duì)于中低水平狀態(tài)省份來(lái)說(shuō)，在不考慮空間作用時(shí)，這些地區(qū)有15.8%的概率由中低水平狀態(tài)往上轉(zhuǎn)移；在考慮空間作用且由低到高面臨四類(lèi)狀態(tài)鄰居時(shí)，這些地區(qū)有17.3%、23.2%、35.7%和37.6%的概率由中低水平狀態(tài)往上轉(zhuǎn)移?？梢?jiàn)，在四種空間滯后類(lèi)型影響下，中低水平狀態(tài)地區(qū)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)向上轉(zhuǎn)移的概率均有所增加。

第三，對(duì)于中高水平狀態(tài)省份來(lái)說(shuō)，在不考慮空間作用時(shí)，這些地區(qū)有7.2%的概率由中高水平狀態(tài)往上轉(zhuǎn)移；在考慮空間作用且由低到高面臨四類(lèi)狀態(tài)鄰居時(shí)，這些地區(qū)有5.2%、8.3%、8.6%和9.1%的概率由中高水平狀態(tài)往上轉(zhuǎn)移?？梢?jiàn)，對(duì)于中高水平狀態(tài)的省份來(lái)說(shuō)，面臨中低、中高與高水平狀態(tài)鄰居時(shí)可增大向上轉(zhuǎn)移概率，面臨低水平狀態(tài)鄰居時(shí)會(huì)降低向上轉(zhuǎn)移概率。

第四，對(duì)于高水平狀態(tài)省份來(lái)說(shuō)，在不考慮空間作用時(shí)，這些地區(qū)有3.3%的概率由高水平狀態(tài)往下轉(zhuǎn)移；在考慮空間作用且由低到高面臨四類(lèi)狀態(tài)鄰居時(shí)，這些地區(qū)有6.8%、0、0、0 的概率由高水平狀態(tài)往下轉(zhuǎn)移?？梢?jiàn)，當(dāng)高水平狀態(tài)的省份面臨高水平狀態(tài)鄰居時(shí)，容易發(fā)生惡性競(jìng)爭(zhēng)，進(jìn)而增加往下轉(zhuǎn)移的概率。

五、結(jié)論與建議

文章采用基于DEA 的Malmquist 指數(shù)模型對(duì)中國(guó)各省份智能制造業(yè)綠色全要素生產(chǎn)率變化情況及其分解進(jìn)行測(cè)度，并通過(guò)核密度與馬爾可夫鏈分析中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的時(shí)空演變規(guī)律。結(jié)果顯示：一是考察期內(nèi)中國(guó)各省份的智能制造業(yè)綠色全要素生產(chǎn)率整體呈現(xiàn)上升態(tài)勢(shì)，推動(dòng)中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的核心驅(qū)動(dòng)力是技術(shù)進(jìn)步；二是各代表年份智能制造業(yè)綠色全要素生產(chǎn)率的核密度曲線出現(xiàn)了不同程度的右偏態(tài)勢(shì)，且隨時(shí)間不斷推移，波峰高度不斷降低；三是中國(guó)智能制造業(yè)綠色全要素生產(chǎn)率分布狀態(tài)具有一定的穩(wěn)定性，即跨狀態(tài)轉(zhuǎn)移概率不高。通過(guò)增加考察時(shí)長(zhǎng)發(fā)現(xiàn)，智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)演變呈現(xiàn)出兩極分化現(xiàn)象，即“強(qiáng)者越強(qiáng)、弱者越弱”，且處于較低水平狀態(tài)的省份轉(zhuǎn)移到更高級(jí)別發(fā)展?fàn)顟B(tài)的概率有所增加；四是不同空間滯后類(lèi)型對(duì)不同狀態(tài)下智能制造業(yè)綠色全要素生產(chǎn)率轉(zhuǎn)移概率的影響各不相同。

基于以上結(jié)論，提出如下針對(duì)性建議：第一，培育“綠碳”優(yōu)勢(shì)智能制造業(yè)集群。智能制造業(yè)發(fā)達(dá)的東部地區(qū)應(yīng)與周邊地區(qū)聯(lián)合組建產(chǎn)業(yè)集群，以點(diǎn)帶面增強(qiáng)區(qū)域智能制造業(yè)綠色全要素生產(chǎn)率，發(fā)揮規(guī)模化發(fā)展的正向促進(jìn)效應(yīng)。中部地區(qū)應(yīng)結(jié)合本地區(qū)資源、社會(huì)現(xiàn)實(shí)情況，以“綠碳”為導(dǎo)向升級(jí)智能制造業(yè)結(jié)構(gòu)，進(jìn)而改善智能制造業(yè)綠色全要素生產(chǎn)率。西部地區(qū)應(yīng)加大智能制造業(yè)集群規(guī)模，積極承接其他地區(qū)的智能制造業(yè)轉(zhuǎn)移，持續(xù)提升低碳智能產(chǎn)品開(kāi)發(fā)能力、生產(chǎn)制造能力與綜合管理能力。第二，加強(qiáng)智能制造業(yè)“綠碳”技術(shù)競(jìng)爭(zhēng)力。智能制造業(yè)應(yīng)以升級(jí)“綠碳”技術(shù)為關(guān)鍵突破口，大力發(fā)展新一代信息技術(shù)、生物安全等戰(zhàn)略性新興產(chǎn)業(yè)，進(jìn)一步提高智能制造業(yè)的低碳化管理與生產(chǎn)效率。政府應(yīng)鼓勵(lì)智能制造企業(yè)積極研發(fā)新型“綠碳”技術(shù)，及時(shí)發(fā)布技術(shù)突破引導(dǎo)政策，推動(dòng)先進(jìn)管理方式與技術(shù)研發(fā)流程對(duì)智能制造業(yè)綠色全要素生產(chǎn)率增長(zhǎng)作出貢獻(xiàn)。各狀態(tài)等級(jí)地區(qū)均應(yīng)重視引入和吸收前沿“綠碳”技術(shù)，加快將技術(shù)優(yōu)勢(shì)轉(zhuǎn)變?yōu)橹悄苤圃鞓I(yè)綠色發(fā)展動(dòng)能。第三，打造智能制造業(yè)“綠色品牌”領(lǐng)軍企業(yè)。各地區(qū)應(yīng)根植于本地市場(chǎng)基本情況，快速打造出具有本土特色的智能制造業(yè)“綠色品牌”領(lǐng)軍企業(yè)，再引導(dǎo)其輻射帶動(dòng)周邊地區(qū)智能制造業(yè)企業(yè)“綠色品牌”發(fā)展，形成區(qū)域“綠色品牌”規(guī)?；l(fā)展態(tài)勢(shì)，為智能制造業(yè)綠色發(fā)展貢獻(xiàn)力量。同時(shí)，各地區(qū)應(yīng)加速智能制造業(yè)“綠色品牌”領(lǐng)軍企業(yè)之間的資源循環(huán)流動(dòng)速度，提升“綠色品牌”要素配置效率，最大化發(fā)揮領(lǐng)軍企業(yè)的輻射帶動(dòng)作用。