中国东部纺织产业转移的区位选择&基于超效率DEA模型的分析_中国东部论文

我国东部地区纺织业转移的区位选择——基于超效率DEA模型的解析,本文主要内容关键词为:纺织业论文,区位论文,东部地区论文,模型论文,效率论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

自“次贷”危机爆发以来,我国纺织业生产增速明显下降,纺织品出口压力陡增,全行业效益下滑趋势明显,产业链的前端诸如棉纺、化纤等行业亏损严重。2012年上半年,我国对欧盟出口下降11.2%,对美国出口也仅仅增长了3.4%;而同期印度、越南等国对上述地区纺织品出口比重却不断上升。毋庸讳言,我国沿海地区纺织企业正面临来自周边国家激烈的市场竞争,产业转移升级“迫在眉睫”。然而,到底是“西进”还是“外迁”令许多东部地区纺织企业陷入“两难”。一方面,印度、越南等东南亚国家生产成本更低,有利于缓解纺织业要素价格上涨压力;另一方面,中西部地区在产业配套基础以及市场环境等方面更具吸引力。特别是自2009年《纺织工业调整和振兴规划》出台以来,国务院、工业和信息化部以及中西部地区政府,先后出台了一系列推进纺织产业向中西部地区转移的优惠政策,沿海地区大型纺织企业也纷纷加快向中西部地区的产业布局。但从各地区纺织业产值和出口占全国比重来看,当前产业转移尚处于小规模“试水”阶段,更多企业仍在犹豫和观望。有鉴于此,本文尝试探索我国沿海地区纺织业转移的最优路径。首先,运用超效率DEA模型测算了1993—2011年期间,我国东、中、西部地区以及各省份纺织业技术效率的演变趋势,论证了沿海地区纺织业向效率更高的中西部地区转移的潜在可行性;在此基础上,通过分析国家竞争力与纺织业出口竞争力之间的内在联系,比较了中国与印度、越南等东南亚国家纺织业投资环境的优劣;最后,本文结合影响纺织业投资环境的关键因素,提出了我国东部地区纺织产业转移的具体建议。

二、超效率DEA模型简介

数据包络分析(DEA)最早是由A.Charnes和W.W.Copper等学者于1978年提出的R模型发展而来。它的基本原理是对于给定的一组样本决策单元(DMU),选定投入和产出评价指标,利用凸分析和线性规划工具,求解出样本决策单元(DMU)的效率系数,进而对其技术效率进行评价。传统DEA模型存在一个明显不足,即当样本决策单元(DMU)为“有效”或“弱有效”时,效率值都等于1,此时便无法进一步判断它们之间技术效率的优劣。针对这一问题,Andersen and Petersen(1993)提出了基于规模报酬不变的超效率DEA模型(简称AP模型)。该模型对传统DEA效率值为1的样本决策单元(DMU)进行了重新排序。其基本思路是:在评价某个样本决策单元时,表征技术效率最优的生产前沿面所对应的所有样本决策单元(DMU)的投入和产出线性组合中将不包含本身的投入和产出信息。将AP模型与传统R模型计算结果进行对比发现:(1)当DMU为“非DEA有效”或“弱DEA有效”时,AP模型与R模型计算的效率值完全相等;(2)当DMU为“DEA有效”时,AP模型计算的效率值均大于C2R模型。此时,依据效率值的大小能够对所有DMU进行效率排序。继AP模型之后,Mehrabian S.,Aliezaee A.,Jahanshaloo G.R.(1999)针对AP模型在特殊情况下不稳定的缺陷,提出了一种改进型超效率DEA模型——MAJ模型;Li Shanling,Jahanshaloo G.R.,Khodabakhshi M.(2007)在不改变AP模型约束条件的基础上,通过将单变量目标函数扩展为多变量的目标函数,构建了另一种改进的超效率DEA模型——LJK模型。需要指出的是,上述超效率DEA模型均假设在规模报酬不变(CRS)条件下成立;Joe Zhu(2009)在此基础上进一步拓展为VRS、NIRS、NDRS条件下的超效率DEA模型。具体分类见表1。

三、我国各地区纺织业超效率DEA模型测算

(一)纺织业投入和产出指标的选取与样本数据调整

已有研究表明,正确选择投入和产出指标是进行DEA效率分析的关键。一般而言,选择投入和产出指标须符合以下四个条件①:(1)客观反映评价对象的竞争力水平;(2)不同投入和产出指标内部具有一定的区分度,能够体现DEA基于多指标投入和多指标产出的系统综合评价特征;(3)管理的可控性;(4)指标数据的可获得性。基于上述四点并结合相关参考文献,本文选取1993—2011年我国各省份纺织业总产值(y1)、利润总额(y2)作为产出指标;选取各省份纺织业固定资本净额(xl)、流动资产年均余额(x2)以及从业人员平均数(x3)作为投入指标。纺织业投入和产出指标数据均来自于历年的《中国工业经济统计年鉴》。需要特别指出的是,部分地区纺织业在样本期间出现亏损,不能直接用于DEA效率分析。Ali and Seiford(1996)针对这一问题进行了专门研究,他发现在CRS条件下,将含有负值的投入或产出数据通过某种线性转换调整为“正值”以后再进行DEA分析,将不改变样本决策单元(DMU)的效率评价结果。

(二)我国各地区纺织业超效率DEA模型测算结果

运用DEA Frontier软件,结合上文中的投入和产出指标,可以计算出1993—2011年期间我国各地区纺织业历年的技术效率值及其变化趋势。由于传统DEA模型在样本决策单元为“有效”或“弱有效”时,效率值都为1,无法比较“DEA有效”地区之间的技术效率差异。有鉴于此,本文引入超效率DEA模型,允许样本决策单元在DEA有效时取值大于1,以便对所有样本决策单元进行效率排序。因部分地区纺织业在样本期间出现亏损,在DEA分析之前,需对利润指标进行相应的线性调整以确保所有投入和产出指标值均为“非负”。本文根据Joe Zhu(2009)所开发的DEA Frontier软件,采用在VRS条件下的投入导向型超效率DEA模型,对1993—2011年期间我国30个省份②纺织业技术效率进行测算,通过比较不同地区历年DEA效率值的变动,发现我国纺织业技术效率波动呈现以下特征:

1.我国纺织业技术效率总体呈现东部地区下降与中西部地区上升的此消彼长格局(见图1)。首先,东部地区纺织业技术效率均值自1999年达到1.158的历史最高点以后开始逐年下降,2011年超效率DEA平均值仅为0.783,表明东部地区纺织业的投资环境正在不断恶化;其次,中西部地区纺织业技术效率于2002年开始稳步上升,特别是自2004年开始,中部地区纺织业技术效率均值开始反超并长期领先于东部地区,且效率优势在不断扩大。表明我国中部地区纺织业“后发优势”正日益凸显。

图1 我国东、中、西部地区纺织业超效率DEA模型分析结果(1993—2011年)

图2 部分东部沿海省份纺织业超效率DEA趋势(1993—2011年)

图3 部分中、西部省份纺织业超效率DEA趋势(1993—2011年)

2.从分省情况看,东部地区除福建省纺织业技术效率未出现较大波动以外,剩余大部分省份均出现不同程度下滑(见图2)。其中,上海市纺织业技术效率最先开始下降,DEA效率值自1997年首次转为“非有效”以后,便再未返回“有效”状态区间;海南省纺织业技术效率下降的幅度最大,2003年DEA效率值由前一年的1.3134骤降至0.6903,此后长期徘徊于东部地区最低水平。另外,广东省、江苏省和浙江省纺织业DEA效率值分别于2001年、2002年以及2004年依次跌入DEA“非有效”区间。其共同特点是,DEA效率值一旦跌入“非有效”水平便再未能重新返回技术效率“有效”状态;其次,部分中西部地区纺织业技术效率值自2002年前后开始明显上升(见图3)。尤其是美国“次贷”危机爆发以来,江西省、河南省、宁夏回族自治区、内蒙古自治区、重庆市等中西部地区纺织业技术效率值更是逆势上扬,始终运行在“有效”状态水平,与沿海地区纺织业DEA效率值陷入持续“低迷”状态形成鲜明反差。

3.从纺织业技术效率演变的区位分布来看,地理位置靠近沿海地区的中西部省份纺织业技术效率上升越显著。结合我国分省地图不难发现:广西壮族自治区、江西省、湖南省、重庆市、四川省均靠近珠三角的广东省、福建省;河南省、河北省则靠近长三角的浙江和江苏。上述毗邻沿海地区的中西部省份清晰地勾勒了一条“高效率”的纺织产业走廊。而地理位置更远的新疆维吾尔自治区、甘肃省、青海省、云南省等西部省份,其纺织业技术效率水平仍然长期徘徊在“非有效”状态,效率值改善幅度并不显著。这表明我国纺织业技术效率存在轮廓鲜明的地理区位梯度特征,地理位置毗邻沿海地区的中西部省份因特有的区位优势,纺织业发展的“后发优势”更加显著。

4.从引起纺织业效率损失的具体来源分析,既有投入过量导致的效率下降,也存在利润和产出亏量引起的效率损失。以江苏省2011年纺织业技术效率损失为例,与表征“最优状态”的生产前沿面相比,江苏省纺织业固定资本和流动资金分别存在1199.77亿元和1329.52亿元的过量投入,同时产值和利润亏量分别高达1362亿元和224.62亿元。

四、我国纺织业投资环境与部分东南亚国家的横向比较

我国各地区纺织业技术效率演变趋势表明,中部地区纺织业技术效率整体水平已经全面超越了东部和西部地区。从各省份来看,江西省、河南省、安徽省、四川省、重庆市等省(市)纺织业技术效率居于全国领先水平,为沿海地区纺织产业转移提供了必要条件。然而,目前我国东部地区大量纺织企业仍然在“向东外迁”还是“向西内迁”之间摇摆不定,主要原因是难以判断哪种选择更优。有鉴于此,本文进一步将我国纺织业整体投资环境与越南、印度等部分东南亚国家进行横向比较,以全球化视角探究我国纺织产业的最优转移路径。

(一)纺织业出口竞争力与国家竞争力的关联分析

由于缺乏东南亚各国纺织业可比的投入和产出指标数据,无法通过DEA方法直接判断各国纺织业投资环境的优劣,本文试图通过研究各国纺织业出口竞争力与国家竞争力的关系间接比较各国纺织业投资环境的差异。

世界经济论坛(WEF)《全球竞争力报告》(2012—2013)通过构建全球竞争力指数(GCI),分别测算了世界144个经济体的竞争力排名。该竞争力指数综合考察了各国在法律制度、基础设施、宏观环境、健康与基础教育、高等教育与培训、商品市场效率、劳动力市场效率、金融市场发展、技术可获得性、市场规模、商业成熟度以及R&D技术创新等12个方面的发展状况。以2012年为例,中国与部分东南亚国家的GCI得分见表2。

由表2可得,中国整体国际竞争力得分为4.83,位居全球144个经济体第29位。其中基础条件竞争力、效率竞争力和创新竞争力得分为5.25、4.64和4.05,分别位居第31位、第30位和第34位。从GCI排名来看,中国综合国际竞争力低于马来西亚(第25位)、但高于泰国(第38位)、印度尼西亚(第50位)、印度(第59位)、菲律宾(第65位)、越南(第75位)和柬埔寨(第69位)等东南亚国家;从各二级指标得分值来看,中国在宏观经济环境指标和市场规模指标得分排名最靠前,分别位居世界第11位和第2位,而法律制度(第50位)、基础设施(第48位)、高等教育(第62位)、商品市场效率(第59位)、金融市场效率(第54位)、技术可获得性(第88位)等指标得分相对靠后。

众所周知,纺织业属于典型的劳动密集型产业。根据产品生命周期理论,劳动要素丰裕的发展中国家相对于资本和创新要素丰裕的发达国家具备更强的比较优势。这意味着并不是GCI得分越高的国家越有利于纺织业的发展。在构成GCI的12个二级指标中,不同指标对于纺织业国际竞争力会产生不同影响。以法律制度指标为例,法律制度越健全的国家,往往对环境污染以及劳工权益保护更为苛刻,这会大幅增加纺织企业的成本支出,侵蚀其竞争力;相反,经济发展水平更低的发展中国家为了吸引外国资本流入,在环境规制和劳工权益保护方面普遍存在立法缺失或者执法不严等问题,这又为纺织企业节省了大量环保投入以及人工福利等方面的额外支出。由此似乎可以推断,法律制度越健全的国家可能越不利于纺织业的发展。为了深入研究国家竞争力各项指标对一国纺织业国际竞争力的影响差异,本文将贸易专业化系数(TSC)作为回归因变量③,构建以GCI 12项二级指标为解释变量的计量模型,实证研究不同维度的国家竞争力对各国纺织业国际竞争力的影响。在此基础上,进一步预测中国与周边东南亚国家未来纺织业的发展前景。

根据盛斌(2002)梳理的国际贸易分类标准(SITC Rev.3)与我国工业行业的对应关系,本文纺织业进、出口数据由联合国贸发会议UN COMTRADE数据库中261、263、264、265、266、267、268、411、651、652、653、654、655、656、657、658、821、841、842、843、844、845、846、848、899共6章25组SITC Rev.3分类产品汇总后得到,考虑到与WEF报告中所包含的国家样本相对应,一共遴选了2012年全球105个国家纺织业的贸易样本数据,GCI 12项二级指标数据来自达沃斯世界经济论坛2012年发表的《全球竞争力报告(2012—2013)》。由于效率竞争力、创新竞争力可能受到各国基础条件竞争力的影响,为避免内生性问题,模型(3)—模型(7)分别采用创新竞争力和效率竞争力各二级指标作为工具变量重复进行回归,多个模型得到的回归系数值基本一致,表明模型具有较好的稳定性。回归结果见表3。

从回归结果看,国家竞争力各维度指标与一国纺织业国际竞争力具有以下特征关系:

1.基础条件竞争力与纺织业国际竞争力高度负相关。基础条件竞争力得分每增加1个单位④,将导致纺织业贸易专业化系数平均下降约26个百分点。从二级指标来看,法律制度对纺织业国际竞争力的影响最大,法律制度指标得分每增加1个单位,纺织业贸易专业化系数平均降幅超过30个百分点,且回归系数在5%的水平上通过了显著性检验,这意味着法律制度越健全的国家,纺织业国际竞争力越弱,与上文理论预期相吻合。另外,基础条件竞争力中基础设施、宏观环境、健康与基础教育等二级指标的回归系数在不同模型中差异较大,且无法通过显著性检验,表明这些因素对于纺织业国际竞争力的影响不明显。

2.效率竞争力与纺织业国际竞争力高度正相关。平均而言,效率竞争力得分每增加一个单位,纺织业贸易专业化系数将提高约34个百分点。表明一国市场效率的改进将极大提升纺织业国际竞争力水平。从二级指标来看,商品市场效率和国内市场规模对纺织业国际竞争力提升的贡献作用最为显著。平均而言,商品市场效率、国内市场规模竞争力得分每增加1个单位,将导致纺织业贸易专业化系数分别提高约46和5个百分点。根据WEF的全球竞争力报告,商品市场效率共反映了本国市场竞争程度、市场集中度、反垄断政策效果、征税效率、税率水平、商业程序繁琐程度、商业审批效率、农业政策成本、贸易壁垒、关税税率、外资开放度、FDI引资政策、海关程序、进口贸易依存度、企业客户导向意识、顾客成熟度等16个方面的特征。商品市场效率指标体现各国产品市场的开放和竞争程度,由回归结果发现,越接近完全竞争的市场,纺织业国际竞争力越强。

国内市场规模是效率竞争力二级指标中另一个对纺织业国际竞争力产生重要影响的变量。从回归结果来看,一国本土市场规模对纺织业国际竞争力提升具有较为显著的推动作用。根据WEF的全球竞争力报告,国内市场规模指标共涵盖了产品内销规模、出口市场规模、GDP规模、出口依存度等四个方面的特征。模型回归结果表明,收入水平越高、国内市场容量越大的国家越有利于纺织业的发展,这与现实经济预期亦相吻合。纺织品作为居民基本消费支出的重要构成部分,受到经济发展和居民收入水平的显著影响。根据国家统计局数据,2012年我国纺织行业内销比重由10年前约67%提升至现在的84%,内需市场规模正成为提升我国纺织业国际竞争力的新动力。

3.创新竞争力对纺织业国际竞争力具有一定程度的提升作用,但效果不是非常显著。平均而言,创新竞争力得分每增加一个单位,纺织业贸易专业化系数仅提高约1.5个百分点,且从二级指标来看,商业成熟度与R&D技术创新对纺织业国际竞争力的影响均没有通过5%的显著性检验。表明纺织业作为标准的传统产业,其竞争力提升更多依赖各国基础条件和市场效率水平,受“创新要素”影响程度有限。

(二)我国与部分东南亚国家有关纺织业投资环境的横向比较

由上文的回归结果发现,纺织业国际竞争力与一国法律制度显著负相关,与商品市场效率、内需市场规模显著正相关,与创新竞争力也存在一定程度正相关。考虑到创新竞争力对纺织业国际竞争力贡献度不大,且二级指标回归系数均不显著,本文重点以法律制度、商品市场效率、内需市场规模三项二级指标为基础构建纺织业投资环境指数。首先,以模型(2)回归系数作为权重,结合表2各国在法律制度、商品市场效率、内需市场规模等二级指标得分值构建纺织业投资环境指数①;由于国内市场规模指标依据该方法测算权重仅为6.2%,极可能低估了其对纺织业投资环境的影响。有鉴于此,本文尝试赋予上述三项二级指标以相同的权重,再次构建纺织业投资环境指数,具体测算结果见表4。

从表4各国纺织业投资环境指数测算结果看,若将法律制度、商品市场效率、内需市场规模等因素赋予相同权重,我国纺织业投资环境指数高达2.3,显示较强的国际竞争优势;但若根据模型系数作为权重进行调整,我国纺织业投资环境指数大幅下降至1.3,低于马来西亚、泰国、印度尼西亚、菲律宾以及印度等东南亚国家,主要原因是第二种方法弱化了内需市场规模对纺织业投资环境的影响。这也从侧面表明,若忽视国内市场规模因素,仅从法律制度和商品市场效率层面考察,我国纺织业相对部分东南亚国家已无明显优势,但凭借庞大的内需市场规模,我国纺织业投资环境还有较大的改善空间。

五、结论与建议

(一)主要结论

本文基于国家以及地区层面的纺织业竞争力比较研究,得出以下主要结论:

1.我国中部地区纺织业技术效率正逐渐超越东部地区。从具体省份来看,靠近珠三角和长三角的广西省、江西省、湖南省、重庆市、四川省、河南省以及河北省等中部省市构建了一条“高效率”的纺织产业走廊。上述地区凭借地理位置优势,承接沿海发达省份的纺织业技术外溢,并利用本地廉价劳动力资源和优惠的投资环境,正成为我国东部地区纺织业向中西部转移的首选目的地。

2.我国东部地区纺织业能否大规模向中西部地区转移,还受到印度、越南等周边国家纺织业整体投资环境的影响。从纺织业投资环境指数的测算结果看,如果仅强调法律制度、商品市场效率等因素的影响,我国纺织业投资环境不容乐观;但若结合国内市场规模因素一并考虑,最终测算结果显示我国纺织业整体投资环境仍大幅优于印度、越南等东南亚国家,表明内需市场规模优势是我国纺织业继续保持国际竞争力领先的关键所在。

3.从法律制度、商品市场效率与国内市场规模等因素影响纺织业国际竞争力的内在机理看。(1)法律制度对于纺织业的影响具有双重性,一方面,完善的法律制度能有效降低腐败和犯罪行为,提高政府决策效率,改善地区投资环境;另一方面,纺织业作为对成本非常敏感的行业,一旦政府在环境以及劳动者权益保护等方面加强立法监管,将不可避免增加企业额外成本支出,从而在很大程度上抵消制度改善所产生的“正面”效应;(2)商品市场效率对纺织业国际竞争力的影响主要通过市场竞争效应发挥作用。根据Timothy J.ceolli(2005)的研究,企业技术效率可以分解为规模效率和分配效率。当一国市场竞争程度越高,贸易保护壁垒越低时,纺织业更容易获取市场效率提高产生的红利;(3)内需市场规模对一国纺织业国际竞争力的培育也至关重要。Combes et al.(2007)认为,规模愈大的市场更容易形成集聚效应(agglomeration effect)和竞争效应(competition effect)。集聚效应能够创造规模报酬和技术外溢,竞争效应则能诱发企业更积极投入新产品研发和创新活动;另外,庞大的内需市场也会产生“需求引致创新”的正反馈效应。

(二)政策建议

我国中西部地区纺织业的效率优势为东部地区纺织产业转移提供了必要条件。然而,与印度、越南等周边东南亚国家横向比较,我国在法律制度、商品市场效率等投资环境方面已无明显优势,随着人民币汇率升值以及政府有关环境保护和最低工资标准立法日趋严厉,我国纺织业面临的投资环境将更加不容乐观,唯有通过不断培育并扩大内需规模,使之成为继续提升我国纺织业国际竞争力的新动力。

在产业转移过程中,东部地区纺织企业应结合自身实际“有的放矢”地制定产业转移策略。根据企业在价值链中所处的地位,大致可以将东部地区纺织企业划分为三种类型:(1)主要依靠承接外部市场订单进行简单加工的小型外贸代工企业。这类企业往往缺乏产品和技术创新实力,处于“价值链”最底端,抵御成本上升风险的能力也最弱,其产业转移路径缺乏独立自主性,更多依赖价值链上游“核心”企业的选择。对于这类企业,如果上游核心企业“外迁”,采用跟随策略是最优选择;(2)同时切入“国内价值链”和“全球价值链”的纺织代工企业。这类企业相对于第一类企业独立性更强,不会依赖于某个单一的跨国企业或大型公司,能够依据不同客户需求调整产品供给,但由于企业规模的限制,还难以成为“价值链”领导核心企业。针对这类企业,可以将自身业务进行整合,对于高污染、低技术含量但转向国外生产仍有成本优势的产品可以选择“外迁”;对于能够满足国内市场需求,但因成本过高而丧失竞争优势的产品,应通过设备更新或与“国内价值链”领导企业协同“内迁”的方式,降低生产成本;(3)已经建立起自主品牌,并在国内市场占有一定份额的“国内价值链”领导企业,应充分利用中西部地区承接产业转移的优惠政策,将生产制造基地转移过去,同时加快技术创新和产业链的协同整合,逐步培育能够主导国内市场的知名品牌。

中西部地区政府应实施“有保有压”的引资政策。积极推动“价值链领导企业”进行产业转移,围绕核心企业构建特色纺织产业集群。在配套政策上,一方面要通过优惠税收政策降低企业投资成本,另一方面更要完善公共服务平台,使转移企业“进的来、留的住、做的大”。可考虑通过规划专业工业园区作为产业转移的集群地,并配套建立学校、医院等公共服务部门,有条件的地区还可以划拨土地用于园区企业廉租房和保障房建设。通过建立一整套完善的公共服务体系使转移产业能够有效“植入”当地经济发展,成为加快推动中西部地区城镇化进程的重要“引擎”;在政策协调方面,东部和中西部地区政府应打破地方保护主义的“藩篱”,通过推动跨区之间人员、物资和信息等方面的高效流通,形成生产基地在“中西部”,研发和品牌营销中心在“东部”的“双赢”格局。与此同时,中西部地区应坚决淘汰“高污染、高能耗以及低技术含量”的投资项目,避免因环境门槛降低导致大量纺织企业将“污染西迁”。

①参见叶义成、柯丽华、黄德育等编著的《系统综合评价技术及其应用》,冶金工业出版社,2006年1月版。

②由于西藏自治区纺织业总产值规模较小,且在多个年份出现亏损,故在竞争力分析中未将其包含在内。

③TSC=100*(纺织品出口-纺织品进口)/(纺织品出口+纺织品进口)。

④根据WEF《全球竞争力指数(GCI)2012—2013》的测算,该指标值最高的新加坡为6.22,最低的塞拉利昂为2.77。

标签:;  ;  ;  ;  ;  

中国东部纺织产业转移的区位选择&基于超效率DEA模型的分析_中国东部论文
下载Doc文档

猜你喜欢