馬天崢 于卓立 張延奇

摘? ?要：運用DEA-Malmquist方法，對2011—2020年間山東省會經(jīng)濟圈全要素生產(chǎn)率（TFP）進行測算，并對全要素生產(chǎn)率的時空演變特征及分要素特征進行總結。研究發(fā)現(xiàn)，2011—2020年間，山東省會經(jīng)濟圈全要素生產(chǎn)率波動起伏較大，但總體保持上升趨勢，年均復合增長率為2%，其增長主要依靠技術進步拉動，技術效率水平對其存在負面作用；全要素生產(chǎn)率時空差異明顯，7個城市的全要素生產(chǎn)率總體呈逐漸增長的態(tài)勢，其中濟南的增長態(tài)勢最好，聊城、濱州兩市呈現(xiàn)下降態(tài)勢。

關鍵詞：省會經(jīng)濟圈；全要素生產(chǎn)率；DEA-malmquist

中圖分類號：F127? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2023）01-0013-03

一、研究背景

改革開放以來，中國宏觀經(jīng)濟在很長一段時間里都維持了較高的增速。在1978—2011年間，我國GDP由3 645.22億元增長到473 104億元，年均復合增長率達12.0%。隨著人口紅利的逐漸消失，我國經(jīng)濟步入新常態(tài)，經(jīng)濟增長開始放緩。2012—2021年間我國GDP年均增長率為7.7%，已由過去的高速增長轉變?yōu)橹懈咚僭鲩L。在此背景下，城市經(jīng)濟發(fā)展效率已經(jīng)成為學術界普遍關注的話題。

全要素生產(chǎn)率（TFP）是分析經(jīng)濟體經(jīng)濟增長效率的重要指標，分析全要素生產(chǎn)率有助于研判經(jīng)濟增長模式是否具有可持續(xù)性。當前學術界對區(qū)域全要素生產(chǎn)率的測算主要集中在國家層面[1—3]，長三角[4]、京津冀[5，6]等城市群層面，對都市圈、經(jīng)濟圈尺度的研究相對較少。鑒于此，本文以山東省會經(jīng)濟圈7個城市為研究對象，利用DEA-Malmquist模型來測算山東省會經(jīng)濟圈經(jīng)濟發(fā)展效率，并分析其時空演變特點及其分要素特征。

二、研究區(qū)域與研究方法

（一）研究區(qū)概況

山東省會經(jīng)濟圈是山東半島城市群內三大經(jīng)濟圈之一。省會經(jīng)濟圈2020年地區(qū)生產(chǎn)總值（GDP）為27 466億元，占山東半島城市群GDP總值的37.6%，是引領區(qū)域經(jīng)濟發(fā)展的重要增長極。

（二）研究方法

本文采用DEA-Malmquist模型，來分析山東省會經(jīng)濟圈全要素生產(chǎn)率的動態(tài)變化特征，探求其經(jīng)濟發(fā)展的趨勢，找出經(jīng)濟圈內各城市經(jīng)濟發(fā)展的特點與差異。具體計算公式如下：

三、變量選取及數(shù)據(jù)來源

（一）投入產(chǎn)出變量

GDP能較為準確地反映地區(qū)經(jīng)濟產(chǎn)出總量，同時，財政收入也是反映城市經(jīng)濟發(fā)展質量的重要指標。因此，本文選取GDP與地方財政收入兩個變量作為DEA-malmquist模型的產(chǎn)出變量。

投入變量方面，從勞動、土地、資本三方面構建指標體系。其中，以全市從業(yè)人口數(shù)作為勞動要素的投入變量，以建設用地面積作為土地要素的投入變量。在資本要素投入方面，以往的研究一般以固定資產(chǎn)投資進行表示。然而，城市的生產(chǎn)不僅應用到了即期的資本投入，還與歷史上的資本積累密不可分，以反映流量的固定資產(chǎn)投資表征總的資本要素投入有失嚴謹。同時，城市的資源也是其發(fā)展中的重要依賴，且愈來愈體現(xiàn)出資產(chǎn)屬性。因此，本文采用城市資本存量、城市供水量、城市能源消耗量三個變量共同表征資本要素投入。

（二）數(shù)據(jù)來源

各地市GDP、財政收入、就業(yè)人口數(shù)、建設用地面積、城市供水量、城市能源消耗量數(shù)據(jù)均來歷年《山東省統(tǒng)計年鑒》。資本存量的數(shù)據(jù)借鑒張軍[7]、單豪杰[8]等學者的估算方法對各經(jīng)濟圈內地市資本存量進行估算。

由于行政區(qū)劃調整的原因，本次研究中2011—2018年濟南市的數(shù)據(jù)為年鑒中濟南市與萊蕪市的統(tǒng)計值之和。

四、省會經(jīng)濟圈全要素生產(chǎn)率實證分析

（一）省會經(jīng)濟圈全要素生產(chǎn)率總體變化特征

2011—2020年，省會經(jīng)濟圈的全要素生產(chǎn)率（TFPCH）變化均值為1.020，這表明研究期內省會經(jīng)濟圈全要素生產(chǎn)率指數(shù)年均提高2個百分點。分解結果顯示全要素生產(chǎn)率提高的動力全部來自技術進步（TECHCH），年均上升3.2%；而技術效率變化（EFFCH）年均下降1.1%，其中純技術效率（PECH）保持不變，而規(guī)模效率（SECH）年均下降1.2%。這表明，省會經(jīng)濟圈全要素生產(chǎn)率在2010—2020年間有所提高，且動力來源于技術的進步，而非技術效率的提高。

（二）省會經(jīng)濟圈全要素生產(chǎn)率年度變化特征

從整體變化趨勢來看，研究期間內歷年的TFPCH數(shù)據(jù)呈上下波動態(tài)勢，其中最大值為2012—2013年的1.182，最小值為2017—2018年、2018—2019年的0.909。在9個時段內，有6個時段的全要素生產(chǎn)率大于1。具體來看，2011—2013年間，省會經(jīng)濟圈全要素生產(chǎn)率連續(xù)兩年上升，漲幅分別為4.8%和18.2%，技術進步是其主要動力；2013—2014年間，全要素生產(chǎn)率出現(xiàn)下降，降幅達8.6%，其原因為該期間內同時出現(xiàn)了技術退步與規(guī)模效率下降；2014—2017年間，全要素生產(chǎn)率緩慢增長，共增長3.2%，2014—2015年與2016—2017年間增長的動力為技術進步，2015—2016年的動力為規(guī)模效率的提高；2017—2019年間全要素生產(chǎn)率再次下降，下降的原因為規(guī)模效率的下降；2019—2020年間全要素生產(chǎn)率高速增長，漲幅達12.6%，增長的原因為技術進步與規(guī)模效率提升的雙重作用。

（三）省會經(jīng)濟圈全要素生產(chǎn)率地區(qū)差異變化特征

總體來看，省會經(jīng)濟圈內7地市效率增長的主要動力為技術進步。在技術效率方面，純技術效率指標的數(shù)值趨近于1，對全要素生產(chǎn)率的影響不大，而規(guī)模效率是阻礙生產(chǎn)率提高的主要因素。

具體來看，濟南是省會經(jīng)濟圈中全要素生產(chǎn)率上升最高的城市，體現(xiàn)了其省會經(jīng)濟圈中心城市的地位，其全要素生產(chǎn)率的上升全部來源于技術進步的影響；泰安、德州、東營三地市與濟南類似，在研究期內全要素生產(chǎn)率上升，且動力全部來源于技術進步；淄博市雖然在研究期內科技進步了5.1%，但由于規(guī)模效率下降了3.3%，導致其全要素生產(chǎn)率僅上升了1.6%；濱州在研究期內同樣能保持一定的科技進步，但由于其出現(xiàn)相對較大的規(guī)模效率下降，拖累了總的TFPCH值，導致全要素生產(chǎn)率下降；聊城同樣出現(xiàn)了全要素生產(chǎn)效率下降的情況，并且其動力不僅來源于規(guī)模效率的下降，還有技術退步的原因，是研究區(qū)中唯一一個由于技術退步導致全要素生產(chǎn)率下降的城市。

五、結論

第一，2011—2020年間，省會經(jīng)濟圈全要素生產(chǎn)率波動起伏較大，但總體呈上升趨勢。全要素生產(chǎn)力平均每年提高2%，動力源泉是科學技術進步，而技術效率的變動則對生產(chǎn)率的提高起到負面作用。這在一定程度上說明省會經(jīng)濟圈的經(jīng)濟增長尚處于吸收外部先進技術的發(fā)展階段，對既有技術潛力的挖掘并不充分，對先進技術的應用效率有待提高。

第二，在技術效率方面，純技術效率指標對研究區(qū)內技術效率變動的影響并不突出，研究期內出現(xiàn)的技術效率下降問題主要是由規(guī)模效率下降引起的。因此，省會經(jīng)濟圈各城市應在保持技術進步的同時，合理布局各類產(chǎn)業(yè)，適度集中以發(fā)揮集聚效應，提高規(guī)模效率。

第三，省會經(jīng)濟圈7地市中，濟南的全要素生產(chǎn)率提高5.9%，是進步最快的城市，很好地體現(xiàn)出其作為省會經(jīng)濟圈中心城市的領頭地位。相對而言，魯西北地區(qū)城市的全要素生產(chǎn)率進步偏低，聊城、濱州更是存在全要素生產(chǎn)率下降的情況。

第四，省會經(jīng)濟圈7地市中全要素生產(chǎn)率改善最大的城市為5.9%，下降最大的為-1.2%，差值為7.1%，遠遠低于相關學者測算的京津冀地區(qū)[5]、江蘇省內各城市[9]之間的最大差值（分別為15.9%與14.3%），說明山東省會經(jīng)濟圈內各個城市的改善程度相對均勻，城市間差異較小。

參考文獻：

[1]? ?劉秉鐮，李清彬.中國城市全要素生產(chǎn)率的動態(tài)實證分析：1990—2006——基于DEA模型的Malmquist指數(shù)方法[J].南開經(jīng)濟研究，2009，（3）：139-152.

[2]? ?劉建國，李國平，張軍濤，孫鐵山.中國經(jīng)濟效率和全要素生產(chǎn)率的空間分異及其影響[J].地理學報，2012，（8）：1069-1084.

[3]? ?郭慶旺，賈俊雪.中國全要素生產(chǎn)率的估算：1979—2004[J].經(jīng)濟研究，2005，（6）：51-60.

[4]? ?張小蒂，李曉鐘.對我國長三角地區(qū)全要素生產(chǎn)率的估算及分析[J].管理世界，2005，（11）：59-66.

[5]? ?王德利，王巖.京津冀城市群全要素生產(chǎn)率測度及特征分析[J].城市問題，2016，（12）：56-62.

[6]? ?馬宇博，裴桂芬.京津冀城市群全要素生產(chǎn)率測評與提升路徑研究[J].經(jīng)濟問題，2019，（6）：104-112.

[7]? ?張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經(jīng)濟研究，2004，（10）：35-44.

[8]? ?單豪杰.中國資本存量K的再估算：1952—2006年[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2008，（10）：17-31.

[9]? ?王佳璐.基于DEA-Malmquist的江蘇省城市發(fā)展經(jīng)濟效率評價[J].冶金管理，2020，（13）：111-113，196.

[責任編輯? ?立? ?夏]