中国区域工业竞争力的测度与比较

王 涛，石 丹

（三亚学院 财经学院，海南 三亚 572022）

0 引言

加入WTO后，我国工业发展如何实现突围，工业竞争力现状、问题及其决定因素逐渐成为学术界研究热点。魏后凯等（2002）[1]提出了一个衡量地区工业竞争力的基本理论框架，即地区工业竞争力是由市场影响力、工业增长力、资源配置力、结构转换力和工业创新力有机构成的综合体；蔡昉等（2003）[2]从经济学理论角度对工业竞争力的内涵和决定因素进行了全面分析；顾海兵（2007）[3]认为区域工业竞争力是一种立足本区域比较优势并能够进行财富创造的能力，既是一个比较性的概念,也是一个多维集合的概念。曾国华等（2011）[4]验证了劳动者报酬对工业企业的生产效率具有正向强化作用。孙早等（2014）[5]认为我国的人口结构变化虽然提高了企业人力资源成本，但也会提高企业劳动生产率、技术进步以及改善社会消费结构，从而也有可能推动工业竞争力提升；金碚（2009）[6]认为有效可行的资源环境管制方式，既能保护环境政策目标的实现，又能有助于工业竞争力的长期提升，中国制造业已把提高环境质量作为提升竞争力的一种重要方式。雷玉桃等（2017）[7]通过实证分析发现中国总体环境规制强度对工业竞争力具有长期稳定的正向影响，再次验证了金碚的观点。

对工业竞争力问题关注的另一个侧重点是对国家或区域工业竞争力水平的测度。早期的学者往往通过统计数据或有关指标计算直接进行比较判断[8-10]，他们通过市场优势以及计算地区竞争优势系数对地区工业竞争力进行评价。马银戌在聂辰席研究基础上增加了工业增加值结构分析，并对中国31个省份1999年的工业竞争力进行综合评价；龚奇峰等（2001）[11]、李梦觉（2009）[12]对ICOP方法的基本思路及应用条件进行适应性改进，并通过工业部门劳动生产率比较进行工业竞争力评价；第一次比较全面、系统地对各地区工业竞争力进行评价的学者是魏后凯和吴利学（2002）[1]。他们的指标体系设计了市场影响力、工业增长力、资源配置力、结构转换力及工业创新力五个目标层，虽然其评价方法（人工赋权）有一定的主观性，但文中提出的指标体系对随后的学者来说，参考和借鉴意义很大。还有一些学者的指标体系要么缺乏工业基础目标层或体现信息互联网基础的指标，要么缺少生态竞争力目标层。因此，有关工业竞争力的评价指标还有待于进一步更新。

综上所述，我国学者对于我国工业竞争力的理论研究和实证分析取得了丰硕的成果，有关衡量区域工业竞争力水平的指标体系，虽然学者们所提取的具体指标有所不同，但目标层已经基本定型。就评价方法而言，目前学者们所采取的方法难以实现横向静态比较和纵向动态分析的统一。因此，本文试图实现静态与动态分析的综合，运用动态因子分析方法对我国各区域2004—2015年工业竞争力水平进行横向比较和纵向比较，分析各区域工业竞争力的动态变化。

1 指标体系及其数据说明

1.1 指标体系构建

在上述学者指标体系构建基础上，本文基本遵循学者魏后凯和吴利学（2002）[1]的框架，评价指标目标层除了包含原有的工业影响力、工业增长力、资源配置力、结构转换力和工业创新力之外，本文增加了工业辐射力、生态竞争力以及工业基础（工业支撑力）。同时，根据指标的代表性、可比性、客观性、全面性以及指标数据的可得性原则，共从八个方面设计了29个指标以比较全面、系统地反映我国31个省市自治区工业竞争力水平。具体的工业竞争力评价指标体系及其指标说明如表1所示。

1.2 数据来源及其说明

表1中29个指标的数据主要来源于2005—2016年的《中国统计年鉴》《中国劳动统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》等年鉴资料以及国家统计局网站中规模以上工业企业的年度数据。另外需要说明的是：（1）规模以上工业企业主营业务税金及附加、规模以上工业企业应交所得税、规模以上工业企业本年应交增值税指标数据2015年未公布，本文按照2015年规模以上工业增加值增长率，并在2014年以上指标的基础上按照该增长率进行累计实现利税总额的估算；（2）指标R&D经费总额、R&D人员全时当量2005—2007年三年的数据未公布，本文采取插值法进行估算；（3）有些省份（如西藏、青海等）某个年度数据缺失，根据实际情况选择插值法估算或以零代替，不再做详细说明。

2 实证分析

2.1 评价方法

本文采用的评价方法是动态因子分析。Coppi和Zannella（1978）[13]首先设计并建立了动态因子分析的理论框架，随后Coppi等（1986）[14]、Corazziari（1997）[15]对该方法进行了再次修正。该方法不同于传统的因子分析，实现了多样本、多指标和跨时期三维阵列数据的统计分析，在分析过程中综合了统计学中的主成分分析法和计量经济学中的线性回归分析，实现了静态分析和动态分析的综合，实证研究效果显著。但动态因子分析受统计软件更新滞后造成其应用领域主要局限于经济学、生物学和环境科学领域，目前还未足够普及。本文主要采用STATA编程方法对我国31个省（市、区，不含港、澳、台，下同）工业竞争力水平进行动态因子分析，并深入阐述各区域工业竞争力的横向水平和纵向变化。该动态因子分析方法将总变异分解为三个部分，分别为样本的静态结构、各指标的平均动态结构以及各样本不同的动态差异，具体计算过程限于篇幅省略。

2.2 实证结果及其分析

2.2.1 公因子提取

根据动态因子分析方法可得到公因子特征值、方差贡献率和累计方差贡献率。根据累计方差贡献率超过85%的通用原则，本文共提取八个公因子，其信息损失量不足11%。其中第一公因子方差贡献率为42.45%，第二公因子方差贡献率为17.15%，第三公因子方差贡献率为9.19%，第四个因子的方差贡献率为6.36%，这四个公因子累计贡献率超过75%，特征值也相对较大。因此，这四个因子是所提取公因子中的主要因子，对各区域工业竞争力得分系数的影响较为重要。

表1 工业竞争力评价指标及其说明

为了便于解释公因子，本文选择方差最大法得到旋转后的因子载荷矩阵（表略）可以看出：（1）工业影响力和工业增长力所含指标在第一公因子上具有较高的载荷，其中体现工业影响力的三个指标（地区工业绝对市场份额、地区工业相对市场份额和地区工业出口交货值率）载荷皆超过0.54（国际市场影响力稍弱），体现工业增长力的四个指标（工业增加值、固定资产总额、产品销售收入和利润总额）载荷均超过0.96。同时，因为该因子方差贡献率为42.45%，所以可以认为工业增长力和工业影响力是影响区域工业竞争力的主要因素。为便于分类解释，将第一公因子命名为工业增长及市场影响力因子；（2）工业基础所包含的七个指标（人均GDP、居民消费水平、公路密度、铁路密度、长途光缆密度、互联网宽带接入端口密度以及移动电话交换机密度）在第二公因子上具有较高载荷，尤其是体现工业信息化基础、互联网基础的三个指标载荷均在0.88以上。说明在2000年以后，信息技术以及互联网技术的迅猛发展已经开始逐步替代传统交通运输能力对于地方工业发展的支撑作用。在此，将第二公因子命名为工业基础因子。考虑该公因子方差贡献率（17.15%），工业基础也是影响区域工业竞争力的重要原因；（3）工业创新力所含指标（技术市场成交额占比、R&D经费总额、R&D经费占GDP比重、R&D人员全时当量、每万人专利授权率）在第三公因子具有较高载荷，尤其是技术市场成交额占比和R&D经费占GDP比重两个指标的载荷高达0.85以上，因此将第三公因子命名为工业创新力因子，其对地区工业竞争力的影响也不容忽视（方差贡献率接近10%）；（4）资源配置力中所包含的四个指标，其中反映经济资源配置力的指标工业销售利润率、成本费用利用率、总资产贡献率在第四因子上具有较高载荷且均为负值，而反映人力资源配置力的指标工业全员劳动生产率在第七因子上具有较高载荷（0.927）。说明我国区域工业企业人力资源配置水平在2000—2015年间有了一定程度的提高，但经济资源配置水平不高，企业经营与管理水平还有待于进一步提升。因此，根据这四个指标的表现，将资源配置力分开由第四因子和第七因子进行解释，其中第四因子命名为经济资源配置力因子，第七因子命名为人力资源配置力因子；（5）工业辐射力所包含的两个指标（资金利税率和就业吸纳率）在第五因子上载荷较高，尤其是指标资金利税率的载荷高达0.945，因此将第五因子命名为工业辐射力因子；（6）结构转换力所包含的两个指标（非国有工业销售产值占比和新产品销售收入占比）在第六公因子上的载荷相对较大（均超过0.45），因此将该因子命名为结构转换力因子。该因子方差贡献率接近0.04，因此工业企业制度以及跟踪适应市场需求变化的改革与创新对地区工业竞争力提高有一定的促进作用；（7）体现生态竞争力的指标（治污投资占比和废物利用率）在第八因子上载荷较大，但第八因子方差贡献率不到0.03，因此该因子对于地区工业竞争力的影响相对较弱，在此一并将第八因子命名为生态竞争力因子。

2.2.2 平均动态效应获取效果

就指标的平均动态效应而言，用所得的各指标平均动态矩阵对时间t进行OLS回归（结果如表2所示），然后根据各指标一元回归后的参数及其统计量（可决系数或修正的可决系数），判断各指标的平均动态效应被所运用回归模型获取的效果。

表2 各指标平均动态信息的获取效果

从表2中可以看出，模型对各指标平均动态信息的获取效果比较好。其中反映工业增长力、工业创新力、工业基础的各指标回归的可决系数均高于0.9，说明这些因子及变量平均动态信息的获取效果很好。除了地区工业绝对市场份额、工业销售利润率和新产品销售收入占比平均动态信息获取不佳之外，其他指标回归的可决系数介于0.6～1之间，且参数及其符号显著。总体说来，建立各指标平均动态矩阵对时间t的一元回归模型对于指标平均动态效应的获取是有效的。

2.2.3 各区域工业竞争力评价

基于以上分析，可以得到31个省（市、区）工业竞争力的静态因子得分矩阵、动态得分矩阵和平均综合得分矩阵。虽然平均综合得分与静态因子得分有所不同（具体得分略），但不影响排序。由图1可以看出我国31个省（市、区）工业竞争力的平均综合得分E和静态因子得分S及其排名情况，其中得分低于零表示区域工业竞争力水平低于全国平均水平。

图1 中国31个省（市、区）工业竞争力得分和排名

（1）各区域工业竞争力的横向比较

为在各区域之间进行横向比较，根据平均综合得分情况将各区域工业竞争力水平根据以下原则划分为五个等级。第一等级为竞争力高的地区，其平均综合得分大于2.5；第二等级为竞争力较高的地区，其得分介于1.7和2.5之间；第三等级为一般，其得分介于0和1.7之间；第四等级为较低，其得分介于-1和0之间；第五等级为低，其平均综合得分低于-1。由图1可以看出：（1）上海、北京和江苏三地工业竞争力处于第一等级（高），广东、天津、山东和浙江处于第二等级（较高）。其中江苏工业竞争力在样本期内提高较多（见下文纵向变化分析），有赶超北京的趋势；（2）处于第三等级（一般）的省份有福建、河南和辽宁，这些地区工业竞争力高于全国平均水平（均值接近于零）。在样本期内，福建工业竞争力变化不大，河南工业竞争力增长趋势不稳定，而辽宁工业竞争力在近两年有明显下降趋势（黑龙江和吉林的表现类似），也间接印证了当前东三省工业增长乏力的现实表现；（3）工业基础薄弱或工业增长及影响力较弱的西北西南地区，如广西、内蒙古、海南、云南、贵州、宁夏、新疆、甘肃和西藏处于最后一个等级，也说明工业基础、工业增长及市场影响力在竞争力评价中所起的重要作用。综上，我国工业竞争力等级的区域分布情况，除了海南、广西两地，基本呈现出从东部沿海到中部，再到西北、西南地区逐步降低的格局。

（2）各区域工业竞争力的纵向变化

为更客观地呈现31个省（市、区）工业竞争力的纵向变化情况，根据各区域各年度评价结果动态变化汇总图（图略）可以看出，各区域工业竞争力纵向变化特征主要有逐渐增长型、逐渐降低型、M下降型、N增长型、V增长型、W增长型等六种。

具体来说：（1）工业竞争力稳步增长趋势显著的地区有北京、上海、江苏、浙江、山东、湖北、广东等地区，而增长形态呈N型、V型或W型的地区（天津、安徽、福建、河南、重庆）工业竞争力在近期有明显增长趋势；（2）工业竞争力逐步或震荡降低（M型）且下降趋势显著的地区有新疆、宁夏、青海、甘肃、西藏、云南、广西、黑龙江、山西等，且河北、内蒙古、辽宁、吉林、湖南、海南在2010之后工业竞争力的下降幅度较大；这六种变化形态刻画了各地工业竞争力的变化情况。其中V型、N型、W型反映了近期具有上升的趋势，而倒V型、M型反映了地区工业竞争力水平总体上分别呈现出先增后减、先减后增再减以及循环增加减少的趋势；（3）从重要时间点来看，2008年金融危机后，大部分地区工业竞争力变化趋势并没有显著变化，除了河北、河南、海南、重庆和四川五个地区（工业竞争力开始下降或增长趋势受到抑制）；（4）从最近的发展趋势来看，我国工业竞争力的省际差异还将进一步扩大，东部沿海地区工业竞争力在继续提高，而西北、西南乃至东北地区工业竞争力都基本呈现下降的趋势。

（3）各区域得分的静态结构分析

为分析各区域工业竞争力决定因素中长处与短板，对各因子静态得分进行进一步分析，并绘制第一因子到第八因子之间的静态因子散点结构图如图2所示，其中图中处于零值处的参考线基本代表了各因子的全国均值水平（真实均值接近于零）。

图231 个省（市、区）工业竞争力静态因子结构图

由图2（a）可知：（1）2004—2015年间，工业增长及市场影响力因子、工业基础因子静态得分优势都明显的地区有上海、北京和天津三地（第一象限），而其他地区要么工业增长及市场力因子静态得分低于全国平均水平，要么在工业基础因子上得分低于全国平均水平。结合这两个因子较大的特征值，可以认为京津沪三地在这两个因子上的优异表现是造成京津沪三地工业竞争力居于全国前列的重要原因。同时，在工业增长及市场影响力因子上表现高于全国均值水平的地区，其工业竞争力综合得分也基本高于全国均值水平，等级为一般以上（除了该因子得分优势不是很明显的鄂、皖、冀三地，其中湖北、安徽两地工业增长较快，2015年工业增长及市场影响力已超过全国平均水平）。因此，可以认为工业增长及市场影响力因子是影响地区工业竞争力的最主要因素；（2）第四象限中，有苏、粤、鲁、浙、闽、豫、辽、鄂、皖、冀等十个地区。该象限表明工业增长及市场影响力方面这些地区具有一定的优势或高于全国平均水平，但在工业基础方面落后于全国平均水平；因此，可以认为虽然鄂、皖、冀三地在工业增长及市场影响力因子上得分稍高于全国平均水平，但这三个地区在工业基础上较弱的表现是造成鄂、皖、冀三地工业综合竞争力水平低于全国平均水平的原因。（3）处于第二象限中的地区主要有藏、陕、渝、琼、宁、甘、青、贵和晋等9个地区。处在该象限表明在工业增长及市场影响力因子上表现低于全国平均水平，在工业基础因子上高于全国平均水平。从图中可以看出，这9个地区虽然在第二因子上表现相对较好，但是优势几乎没有，基本接近全国平均水平；（4）除了上述地区之外，其他9个地区（湘、川、赣、吉、桂、黑、蒙、云和新）处于第三象限，同时他们在全国竞争力平均综合和静态得分评价中处于低和较低等级，因此可以认为他们在第一因子和第二因子上的短板是制约这些地区工业竞争力提高的主要原因。

同样的，对图2中的（b）、（c）和（d）进行分析，可以根据各个地区在8个静态因子上的表现总结出影响或决定各区域工业竞争力的重要因素。集中绘制表格呈现各地区在8个影响地区工业竞争力的公因子优势及劣势（如表3所示）。

表3 31个省（市、区）各因子表现（区域优势与劣势）

从表3中可以看出：（1）我国将近三分之二的地区（18个）在工业增长及市场影响力因子上表现不佳，落后于全国平均水平。结合该因子载荷及其特征值，对于这些地区而言，提高工业竞争力的重要举措是一方面是促进地区工业增长，另一方面是提高工业制成品的国内、国际市场影响力；（2）将近三分之二的地区（19个）在工业基础因子上表现落后于全国平均水平。因此，对于这些地区来说，需要夯实工业生产的经济基础、交通运输基础，尤其是要加快工业的信息化、互联网基础建设，提高对工业增长的支撑力；（3）从工业创新力因子来看，西部地区也有表现较好的地区如新疆、西藏、陕西和青海等，但也有表现较弱的地区如宁夏、山西、甘肃等，其区域分布没有明显特征。但对于低于全国平均水平的18个地区来说，应该结合本地情况加大R&D经费投入，加快工业生产技术升级和产品更新改造；（4）就资源配置力来说，各地区差异性较大。其中7个地区（陕、晋、川、宁、甘、粤和藏）在经济资源配置和人力资源配置方面的竞争力皆低于全国平均水平，另外7个地区（津、黑、闽、渝、吉、皖、新）在经济与人力资源配置力方面皆高于全国平均水平，而其他地区要么经济资源配置力较弱，要么人力资源配置力较弱。因此，应该根据资源配置的短板进行资源的优化配置；（5）另外，上海、西藏、青海等15个地区工业辐射力，西藏、重庆、湖南等17个地区结构转换力，河北、河南、山东等14个地区生态竞争力在因子得分上的表现要低于全国平均水平，尤其是排名靠后的地区。这些地区在这些因子上的较弱表现也在一定程度上影响了地区工业竞争力的提升。

3 结论

区域工业竞争力是各地工业综合实力的表现，它是由工业增长及市场影响力、工业基础、经济资源配置力和人力资源配置力、工业创新力、结构转换力、工业辐射力以及生态竞争力等8个方面的因素系统决定。通过上述分析，本文运用动态因子分析方法对我国31个省（市、自治区）工业竞争力进行评价，既能得到区域工业竞争力静态得分，又能体现区域工业竞争力的动态变化。通过方差贡献率计算和各指标平均动态效应获取效果检验，可知运用动态因子分析方法进行工业竞争力评价客观可行。评价结果表明：（1）我国区域工业竞争力分布从东部沿海到中部，再到西北、西南地区，大致呈现逐步降低的格局。（2）2004—2015年间，我国区域工业竞争力的省际差异呈现出继续扩大的趋势，东部沿海地区工业竞争力在持续提高，而西北、西南乃至东北地区工业竞争力基本呈现出持续或震荡下降的趋势。