李尧华 宋辉 朱凡凡
摘 要：采用Malmquist指数分析方法，从时间维度和行业维度测算了苏州市2015—2019年28个制造业全要素能源效率。结果发现：两个维度下苏州市制造业全要素能源效率、技术效率均达有效;2017—2018年和2018—2019年两个时间段内全要素能源效率处于上升趋势，但是，技术进步效率制约了行业全要素能源效率的整体平均水平。
关键词：Malmquist模型;制造业;全要素能源效率
中图分类号：F206 文献标志码：A 文章编号：1673-291X（2022）08-0040-04
引言
2020年9月22日，习近平总书记在第七十五届联合国大会一般性辩论上承诺，中国力争2030年前二氧化碳排放达到峰值，2060年前实现碳中和。2021年中央经济工作会议明确将“做好碳达峰、碳中和工作”作为2021年的八项工作任务之一，可见，推动地方的碳排放尽早达到峰值是当下各地方政府面临的重要课题。我们知道，能源效率提升是实现地方碳达峰的有效手段之一，制造业又是影响地方碳达峰的关键领域;全要素能源效率作为衡量能源效率的有效方式（Hu and Wang，2006），合理测度地方制造业全要素能源效率，并认识其演变特征，不仅有利于揭示地方在节能领域的潜力，还可以侧面揭示地方推动碳减排的力度。苏州作为制造业大市，地区生产总值位于江苏全省前列，即使在2020年受疫情影响的情况下，苏州市生产总值（2.01万亿元）仍然同比上年增长3.4%。苏州市制造业的产业结构依然处于优化升级阶段（张春梅，2020）。近年来，不同制造行业全要素能源效率处于怎样的变化状态？厘清其特征对于卓有成效针对性地制定地方行业节能减排对策意义深远。
一、文献综述
现阶段关于制造业全要素能源效率的研究一般会注重全要素能源效率的测算方法和影响全要素能源效率因素的分析。对于前者，何鲁燕（2016）选取Malmquist对中部6省物流业全要素进行实证分析，发现中部6省的全要素能源效率在2003—2014年间出现先下降后上升的变化趋势;刘晓蝶、孟祥瑞（2020）运用DEA—Malmquist方法对安徽省16个地级以上城市的面板数据进行分析，测度安徽省全要素能源效率。对于后者，商传磊、张悟移等（2019）选取行业固定资产投资、从业人员数和能源消费总量作为投入指标，物流业的产值作为产出指标;胡彩梅（2010）选取黑龙江省每年的物质资本存量、能源消耗量作为投入指标，产业增加值作为产出指标，研究黑龙江省全要素能源效率。
行业全要素能源效率是指一定规模产出量所需消耗能源投入量的目标值与实际能源消耗量的比值（李晓菲，2021）。本文将劳动、资本和能源等作为投入要素，为了衡量全要素能源效率的技术性成分，把行业的主营业务收入和专利申请数作为该制造业的产出因素，这样就构造出了苏州市制造业的全要素能源效率衡量范式，也避免了单要素能源效率测度的偏差。鉴于苏州市制造业的行业分布现状，以其28个制造业为研究对象，考察2015—2019年对应的数据，以揭示苏州市制造业全要素能源效率的特点。
二、研究方法与数据处理
（一）研究方法
数据包络分析（Data Envelopment Analysis，DEA）由Charnes和Cooper提出。该方法直接使用投入指标、输出指标建立非参数的数学经济模型，且不需要提前构建某种函数关系。由于该方法在处理多个投入变量和产出变量时具有巨大的优势，所以该方法在提出之后很快被国内外学者认可，用来测算绝大多数行业的技术创新效率（魏权龄，2000）。
Malmquist指数公式如下：
M（xt，yt，xt+1，yt+1）=（Mt×Mt+1）=[×
]
其中，（xt，yt）和（xt+1，yt+1）分别表示t时期与t+1时期的投入变量和产出变量，Dtc和Dt+1c分别表示t时期与t+1时期的距离函数。
（二）指标选取与数据处理
根据DEA模型对投入和产出指标数量的要求，兼顾指标的准确性、完整性和可比性，选取R&D人员数（人）、R&D经费内部支出（万元）、综合能源消费量（吨煤标准煤），分别作为劳动、资本、资源投入变量;选择主营业务收入（万元）、专利申请数（件）作为产出变量。为了便于揭示问题，根据《国务院关于印发工业转型升级规划（2011—2015年）的通知》、《高技术产业（制造业）分类（2017）》，并参照梁咏梅（2021）对传统制造业的分类范式，将苏州市的28个制造业分为以农副食品加工业为代表的18个传统制造业和以医药制造业为代表的10个先进制造业。①
本文数据来源于2016—2020年的《苏州统计年鉴》、《中国统计年鉴》，为了实现价值指标在时间维度上的可比性，对内部经费支出、主营业务收入这两个指标以2015年为基期，采用中国工业生产者出厂价格指数、固定资产投资价格指数分别对营业收入、R&D内部经费支出进行折算。
三、实证分析
（一）基于时间维度的苏州市制造业全要素能源效率特征
表1给出了2015—2019年间四个时间段苏州市制造业全要素能源效率状况。
苏州市制造业全要素能源效率的技术效率。2015—2016年、2017—2018年制造业的技术效率是有效的。从技术效率、纯技术效率、规模效率三者之间的关系可以看出，2015—2016年技术效率的有效来源于纯技术效率、规模效率的高效;2018—2019年技术效率的有效来源于规模效率的高效，而纯技术效率相对滞后;2017—2018年规模效率一直处于有效状态，说明随着“十三五”规划推进，制造业技术创新更加注重产业结构的优化配置。gzslib202204011922苏州市制造业全要素能源效率。2017—2019年的制造业全要素能源效率处于有效状态。从全要素能源效率、技术效率、技术进步效率三者之间的关系可以看出，2017—2018年全要素能源效率有效源于技术效率的高效，技术进步效率相对落后。2018—2019年全要素能源效率的高效来源于技术进步效率的高效。这与李克强总理提出的“增加研发投入，提高全要素能源效率”的号召吻合，注重产业绿色转型升级，淘汰落后产能，从而实现制造业的规模效益。
（二）基于行业角度的全要素能源效率特征
表2给出了2015—2019年苏州市28个制造业全要素能源效率状况。
苏州市制造业全要素能源效率的技术效率。从技术效率、纯技术效率、规模效率三者之间的关系可以看出，农副食品加工业，通用设备制造业，专用设备制造业，电气机械和器材制造业，计算机、通信和其他电子设备制造业的技术效率无效缘于规模效率不足、纯技术效率相对有效。食品制造业，酒、饮料和精制茶制造业，家具制造业技术效率无效缘于纯技术效率和规模效率无效。对于传统制造业而言，技术效率无效大多缘于纯技术效率和技术效率的同时低效。中国传统制造业的资本、人力等传统要素投入产出效率相对滞后，对传统制造业转型升级的作用有限（瞿肖怡、陆萍，2020），导致食品制造业，酒、饮料和精制茶制造业等传统制造业纯技术效率降低、产品技术含量不高。对于先进制造业而言，其技术效率无效大多缘于规模效率低效。苏州市高端设备制造业属低空间集聚产业（汤爽爽，2021），从而导致通用设备制造业，专用设备制造业等先进制造业规模效率不足。
苏州市制造业的全要素能源效率。农副食品加工业，食品制造业，酒、饮料和精制茶制造业，家具制造业全要素能源效率无效缘于技术效率、技术进步效率无效。纺织业，木材加工和木、竹、藤、棕、草制品，黑色金属冶炼和压延加工业，废弃资源综合利用业全要素能源效率无效缘于技术进步效率无效。对于传统产业而言，江苏省传统制造业存在中高和低技术密集型产业较多、高质量人才紧缺、研究经费匮乏等问题（史安娜，胡方卉，2016）导致科技创新能力不足、技术进步效率滞后行业较多。对于先进制造业而言，江苏省委省政府以创新驱动为核心，着力培育战略性新兴产业，推进传统产业转型升级，促进了全省先进制造业的快速发展（简晓彬，陈宏伟，2018），促成苏州市多数先进制造业技术效率和技术进步效率的高效，使得全要素能源效率达有效。但随着经济发展，资源紧缺问题凸显，政府愈加重视废弃资源综合利用产业，虽然技术进步效率处于有效状态，但面临着发展停滞且与高质量发展差距较大的问题（周灵灵，2019），导致该行业技术进步的低效。
四、结论
基于DEA-Malmquist指数分析方法，借助2015—2019年江苏省苏州市制造业28个行业的面板数据，测算苏州市制造业全要素能源效率，主要结论如下。
苏州市制造业全要素能源效率平均值为1.029，处于有效状态，技术进步效率是制约整个行业全要素能源效率的主要原因。
从时间角度来看，近几年技术进步效率呈上升趋势，但幅度较小，还有很大上升空间。在行业全要素能源效率的技术效率、纯技术效率、规模效率三者关系上，规模效率处于上升趋势，表明苏州市制造业资源配置效率逐年提升，投入产出比较合理;纯技术效率对技术效率作用不大，说明在行业全要素能源效率的提高方面高质量人才、研发经费投入依然不足，导致成果转化能力相对滞后。
从技术效率、技术进步效率、全要素能源效率三者关系而言，全要素能源效率受技术进步效率限制明显，说明人才紧缺、创新能力不足等问题影响较大。从行业角度而言，传统制造业受到技术进步效率的限制较明显，技术进步效率无效的行业较多。而先进制造业的技术进步效率拉动全要素能源效率的作用明显，技术进步效率有效的行业较多，两个全要素能源效率无效的制造业均由纯技术效率无效导致。
参考文献：
[1] Hu，Wang.Total—factor energy efficiency of regions in China[J].Energy Policy，2006，34（17）：3206-3217.
[2] 张春梅.新冠疫情全球暴发背景下苏州制造业产业链重塑再造策略研究[J].全国流通经济，2020，（27）：97-99.
[3] 刘晓蝶，孟祥瑞.基于DEA-Malmquist的安徽省城市全要素能源效率评价[J].黑龙江工业学院学报：综合版，2020，20（6）：87-92.
[4] 何鲁燕.基于Malmquist中部6省物流业全要素能源效率分析[J].市场周刊（理论研究），2016，（8）：31-32.
[5] 商传磊，张悟移，陈俊营.基于DEA和Malmquist指数的中国物流业全要素能源效率评价[J].生态经济，2019，35（3）：51-56.
[6] 胡彩梅.黑龙江省全要素能源效率分析[J].技术经济，2010，29（10）：49-52.
[7] 魏权龄.数据包络分析（DEA）[J].科学通报，2000，（17）：1793-1808.
[8] 简晓彬，陈宏伟.先进制造业的培育机制及路径——以江苏省为例[J].科技管理研究，2018，38（7）：148-156.
[9] 瞿肖怡，等.R&D投入对中国传统制造业转型升级影响的实证分析[J].统计与决策，2020，36（5）：120-123.
[10] 赵立雨，苗思佳，吴婷.基于DEA-BCC与Malmquist的陕西省制造业绿色技术创新效率评价[J].未来与发展，2020，44（8）：107-112.gzslib202204011922[11] 史安娜，胡方卉.基于科技进步的江苏省制造业结构调整影响因素研究[J].江苏社会科学，2016，（1）：261-266.
[12] 汤爽爽，余景亮，高晨宇，朱婷，马丽.江苏先进制造业集群的空间分布特征及发展优劣势分析[J].科技中国，2021，（3）：69-75.
[13] 周灵灵.中国废弃资源综合利用业发展状况及前景[J].中国经济报告，2019，（2）：118-125.
Research on Total Factor Energy Efficiency of Suzhou Manufacturing Industry
LI Yao-hua1， SONG Hui1，2， ZHU Fan-fan1
（1. School of Economics and Management， Yancheng Institute of Technology， Yancheng 224051， China;
2. Yancheng Institute of Industrial Economy， Yancheng 224051， China）
Abstract：From the time perspective and industry perspective， the Malmquist index of DEA models is used to calculate the total factor energy efficiency of manufacturing industry by analyzing the panel data of 28 industries in Suzhou， Jiangsu Province from 2017 to 2019. The results show that the total factor energy efficiency and the technical efficiency of Suzhou manufacturing industry are effective in both perspectives. At the same time， the total factor energy efficiency is on the rise in 2017-2018 and 2018-2019， but the efficiency of technological progress restricts the overall average level.
Key words：DEA—Malmquist; manufacturing; total factor energy efficiency
