万伦来，　张　萍，　马栓磊

(合肥工业大学 a.经济学院;b.工业信息与经济研究中心，合肥　230601)



考虑非期望产出的皖江城市带主导产业选择

万伦来a,b，张萍a,b，马栓磊a,b

(合肥工业大学 a.经济学院;b.工业信息与经济研究中心，合肥230601)

摘要：文章基于2008-2012年安徽省皖江城市带九个城市有关数据，从非期望产出的角度，选择熵权法和Weaver-Thomas组合指数模型构建了主导产业选择模型，然后以这九个城市为例进行了实证分析，并确定了各城市需要大力发展的几个主导产业。研究表明，考虑非期望产出与否，各城市的主导产业选择结果差异明显，模型选择结果较为符合当下皖江城市带各城市的产业发展方向。

关键词：皖江城市带；主导产业；非期望产出；熵权法；Weaver-Thomas模型

我国区域经济格局正发生深刻的变化，选择合理的主导产业已成为地方经济转型发展的重要途径。近年来，由于资源环境的约束不断加大，我国沿海经济发达地区一些产业正在向中西部经济欠发达地区加速转移。作为长江经济带的重要组成部分，皖江城市带(囊括合肥、芜湖等8市2县)因其独特的区位优势已成为承接我国沿海经济发达地区产业转移的主要阵地。然而，虽则皖江城市带承接产业转移有力地促进了区域经济快速增长，但是也面临资源耗竭和环境污染的巨大威胁。因此，考虑在保障经济社会与生态环境统筹协调发展条件下如何选择合适的主导产业具有重要意义。

事实上，区域主导产业选择理论是应用经济学的重要研究内容[1]，所谓的主导产业是指具有较高的经济增长率和持续的创新率，并具有强辐射带动力的产业。国内外学者们[1-6]在进行区域产业选择问题研究时，进行了诸多关于产业选择基准和选择方法的探讨。文献[4，5](见文后参考文献，下同)分别从产业发展、新型城镇化等多种视角对不同区域产业选择问题进行了分析。文献[6，7]则侧重于区域产业选择方法的讨论，分别采用了因子分析法、DEA模型、Weaver-Thomas模型、层次分析法(AHP)等多方法进行产业选择研究。

以上文献资料为皖江城市带各城市主导产业选择指标的选取提供了重要决策参考，但也存在局限性，以往大多文献的产业选择指标往往只考虑了经济效益指标，近年来，学者们[5-7]开始把产业生产中排放的工业废水、废气、固体废弃物和碳排放之类的环境污染物等非期望产出纳入主导产业选择研究。因此，本文将污水排放系数、废气排放系数、固废排放系数、碳排放强度和碳排放率等纳入主导产业选择指标体系，并利用熵权法和Weaver-Thomas模型建立区域主导产业选择评价模型并进行实证研究，以期为中西部地区产业选择实践提供有价值的参考。

一、指标体系及数据来源

(1) 指标体系根据皖江城市带主导产业的产业基础、产业特点和各城市经济社会发展现状[4-7]，本文将从区域比较优势、产业技术效率、产业发展前景、产业关联效应、产业非期望产出等5个研究基准13个指标来设置指标体系。有关碳排放量的计算本文主要参照IPCC编制的《国家温室气体清单编制指南》中的算法，CO2排放非期望产出(分行业规模以上工业碳排放量)的计算公式为：

(1)

(1)式中 Ct为待求的工业碳排放量(万吨)；Eit(i=1,2,3)分别指工业煤炭、工业原油与天然气消耗量(万吨，万吨，亿立方米)；NCVi(i=1,2,3)分别表示这三种能源的平均低位发热量；CEFi(i=1,2,3)为这三种能源的碳排放系数；COFi(i=1,2,3)为碳氧化因子(煤炭取值0.99，原油和天然气取值为1)；44和12分别为二氧化碳和碳的分子量。以上各指标的算法详见表1。

表1　皖江城市带主导产业选择的指标计算体系

(2) 数据来源本文中分行业能源消耗总量、“工业三废”排放量以及能源的平均低位发热量(NCV)数据来源于《中国低碳年鉴》和《中国能源统计年鉴》；碳排放系数(CEF)数据来源于2010年IPCC制定的温室气体排放清单；分行业“三废”排放量数据来源于《中国环境统计年鉴》；分行业的工业总产值、分行业年平均从业人数、分行业的资产总额等数据均取自于各年度的全国和皖江城市带各地区的统计年鉴。因此，根据产业特性、产业基础以及安徽省统计年鉴对工业行业的分类，以及数据的可获得性和时限性，本文选定2007年至2012年各地区的36个工业行业进行主导产业选择研究。

二、皖江城市带主导产业选择模型

(1)主导产业选择指标的权重设置如何测度各评价指标的权重将会影响产业选择评价结果的可靠性和精度，考虑到熵权法确定指标权重具有的科学性，能够避免主观因素的干扰。因此，本文选用该方法来确定各指标权重。当某个指标贡献的有效信息越多时，具体就表现为该指标值间的离差越大，因而熵值会越小，该指标的权重也会越大。反之，如果指标值的离差越小，权重也越小。该方法确定指标权重的步骤如下：

第一，构建指标矩阵并对其进行标准化处理。建立指标矩阵X=(xij)mxn( i=1,2,...,m个产业，j=1,2,…,n个指标)。对各指标进行如下处理：

(2)

其中，eij为第i个产业在第j个指标上求的标准值，且eij∈[0,1]。

(3)

(2)Weaver-Thomas模型及计算步骤Weaver-Thomas模型能克服产业选择中单一指标评价的缺点，该模型的原理是：通过计算一个测量指标的观测分布与该指标的假设分布相的离差，得到离差的平方和，该值越小，拟合效果越好，从而选取一个最优的近似分布，具体步骤如下：

第一，首先计算各市每个产业在各指标下的值，并标准化，把指标值进行降序排列。

第二，利用模型得出各指标下的WT值。假设指标矩阵由M个产业部门和N个指标组成。

(4)

第三，依据第j项指标下所求的WTnj值，找出该指标下最小值对应的位置数k，则该数值k即为该指标下主导产业个数nqj，该数值为：

(5)

(6)

第五，建立产业综合选择矩阵。首先对指标值进行排序，正指标令该指标下的最小值对应的产业的排序值为1，其他产业的排序值按指标值从小到大的顺序依次加1；逆指标则相反。然后把各产业部门相对于每个指标的排序值组成一个M×N的产业综合选择矩阵：

(7)

三、皖江城市带主导产业选择评价

(1)指标权重处理结果依据公式(1)计算36个工业行业的碳排放量，进而利用皖江城市带各指标计算公式(表1)得到每个产业在所有指标下的指标值，并根据公式(2)和(3)得到皖江城市带主导产业选择17个评价指标在各市的熵权值,如表2所示。

表2　考虑非期望产出的皖江城市带主导产业选择指标评价体系各指标熵权值

由表2不难看出：第一，考虑非期望产出后，对皖江城市带主导产业选择贡献度最大的指标主要有产业贡献率、就业规模、需求收入弹性以及“三废”排放系数和碳排放系数等7个指标。第二，从产业比较优势来看，经济发达城市如合肥、芜湖等地区产业基础良好，产业比较优势较为明显，而宣城、池州的产业比较优势相对较弱。第三，从产业技术效率来看，后发城市诸如宣城、滁州的技术水平和进步速度优势明显，且资本劳动生产要素的产出率相对较高，具有明显的后发优势。而经济较发达城市如合肥、芜湖的就业规模最高，因为这些城市产业发展相对成熟，能够吸纳大量劳动力就业。值得注意的是，后发城市池州、宣城等城市产业吸纳劳动力的能力增长速度则高于经济发达城市。第四，从产业发展前景来看，化工型城市安庆和资源型城市马鞍山的需求收入弹性、产业增长率较高，同时产业的能源消耗量大，阻碍了产业的进一步发展。传统矿业城市铜陵的产品市场占有率和全国平均水平相比则具有一定优势。第五，从产业关联效应来看，皖江城市带整体上产业关联度都不太明显，这说明皖江城市带产业的辐射带动力相对较小。第六，从产业的非期望产出来看，宣城、芜湖、合肥、六安、池州这5个城市的非期望产出较低，而安庆、马鞍山、铜陵的非期望产出则比较高，这与皖江城市带各市原有的产业特性息息相关。

(2) Weaver-Thomas模型数据处理结果依据公式(2)标准化处理皖江城市带各指标数据，按照从小到大的顺序排列，然后利用软件MATLAB 8.3对公式(4)进行编程，运算得出各市所有产业的WT值；在此基础上利用公式(5)和公式(6)确定各市的主导产业的个数如表3所示；最后，根据公式(7)得到皖江城市带各市的主导产业如表4所示。且由于各城市确定的主导产业个数不同，本文选取平均值10为皖江城市带各市确定的主导产业个数。根据Weaver-Thomas模型的计算结果，在各城市候选的产业中，按照综合排序值 的大小，选择数值较大的前10个产业作为皖江城市带各市的主导产业。

表3　皖江城市带各市各指标下确定的主导产业个数

表4　考虑非期望产出下的皖江城市带各城市主导产业选择结果

注：各产业序号分别为：1-煤炭开采和洗选业；2-黑色金属矿采选业；3-有色金属矿采选业；4-非金属矿采选业；5-开采辅助活动；6-农副食品加工业；7-食品制造业；8-酒、饮料和精制茶制造业；9-烟草制品业；10-纺织业；11-纺织服装、服饰业；12-皮革毛皮羽毛(绒)及其制品业；13-木材加工及木竹藤棕草制品业；14-家具制造业；15-造纸和纸制品业；16-印刷和记录媒介复制业；17-文教、工美、体育和娱乐用品制造业；18-石油加工、炼焦和核燃料加工业；19-化学原料和化学制品制造业；20-医药制造业；21-化学纤维制造业；22-橡胶和塑料制品业；23-非金属矿物制品业；24-黑色金属冶炼及压延加工业；25-有色金属冶炼及压延加工业；26-金属制品业；27-通用设备制造业；28-专用设备制造业；29-汽车制造业；30-铁路、船舶、航空航天和其他运输设备制造业；31-电气机械和器材制造业；32-计算机、通信和其他电子设备制造业；33-仪器仪表制造业；34-其他制造业；35-废弃资源综合利用业；36-金属制品、机械和设备修理业。

为了便于比较考虑非期望产出和不考虑非期望产出情况下的皖江城市带各城市主导产业选择异同点，本文剔除非期望产出指标后亦以同样处理方法，给出了不考虑非期望产出的皖江城市带的主导产业选择结果如表5所示。

表5　不考虑非期望产出下的皖江城市带各城市主导产业选择结果

(3)考虑非期望产出的皖江城市带各城市主导产业选择分析第一，合肥。合肥市作为安徽省的政治、经济、文化中心城市，其工业基础和经济实力均优于其他几个城市。从表5可以看出，在不考虑非期望产出情况下，一些高污染高耗能产业诸如金属制品业、黑色金属冶炼及压延加工业等都可以作为合肥市的主导产业。但是如果考虑非期望产出(见表4)，一些高技术、高附加值行业如仪器仪表、汽车制造业将会被纳入合肥市主导产业体系。而实际上近年来合肥市电子设备制造业、汽车制造等产业快速发展正适应了考虑非期望产出最小化的时代要求。

第二，芜湖。芜湖作为皖江城市带第二大城市，工业实力仅次于省会合肥。从表5可以看到，在不考虑非期望产出情况下，黑色金属冶炼及压延加工业等一些高耗能高排放行业都被纳入了主导产业体系。而在考虑非期望产出情况下(见表4)，电子设备、仪器仪表、汽车制造等制造业等均可作为芜湖市未来发展的主导产业。

第三，马鞍山。马鞍山属于南京都市经济圈，容易承接到长三角地区的高端制造产业。在不考虑产业非期望产出情况下，石油加工等“两高”产业都是马鞍山市的主导产业(见表5)。在考虑产业非期望产出之后诸如废弃资源综合利用业、电子制造业等(见表4)将是马鞍山市优化产业结构，提高工业效益的首选产业。

第四，安庆。安庆市建有化学工业园区和纺织城，是全国重要的石化和轻纺产业基地，近年来产业发展中的生态环境问题时有发生。在不考虑非期望产出情况下，金属制品业等高污染高耗能且与石化相关产业都可作为主导产业(见表5)。而在考虑非期望产出情况下(见表4)，虽然纺织服装等产业依然是安庆市的主导产业，但是诸如通用设备制造业等高端设备制造业将作为今后主导产业发展的主要方向。

第五，铜陵。铜陵是著名的矿业城市，矿业及其相关配套产业是铜陵的主导产业，但该类产业都具有高耗能高排放的特点。在不考虑非期望产出情况下(见表5)，有色金属冶炼及压延加工业是铜陵的首位行业，与此同时化学原料和化学制品制造业等“两高”产业都是铜陵的主导产业。而在考虑产业非期望产出之后(见表4)，电子设备制造业等应被纳入到主导产业体系。

第六，滁州。滁州紧靠长三角地区，区位优势明显，但是工业基础薄弱。在不考虑产业非期望产出情况下(见表5)，化学原料及化学制品制造业等高污染高排放产业可作为滁州市的主导产业。而在考虑产业非期望产出之后(见表4)，计算机、通信设备制造业等产业将作为滁州的主导产业。

第七，六安。六安是典型的农业大市，以粮产品生产为主，因此其的整体工业能耗较低。在不考虑产业非期望产出情况下(见表5)，化学原料和化学制品制造业以及矿物制品业等可作为六安的主导产业。但是在考虑非期望产出之后(见表4)，文教体育用品业、纺织服装业等符合当地特色、环境污染少的产业等将作为六安市主导产业的发展方向。

第八，宣城。宣城市也属于南京经济圈的旅游级城市。在不考虑产业非期望产出情况下(见表5)，橡胶和塑料制品业、化学原料制造业等“两高”产业可作为优先选择的主导产业。而在考虑非期望产出之后(见表4)，仪器仪表制造业、电子设备制造业则应当作为优先选择的主导产业。

第九，池州。池州市工业实力相对薄弱，且其目前以化工行业为重点发展产业。在不考虑产业非期望产出情况下(见表5)，矿物制品业、化学原料及化学制品制造业等高耗能高排放类产业将是池州的主导产业，这显然与其城市定位相矛盾。而在考虑非期望产出之后(见表4)，池州可以有意识地承接诸如电气机械及器械制造业、医药制造业等产业类型，这将有助于提高该市的工业经济发展层次。

四、主要结论与政策建议

在研究区域主导产业选择时，学者们从社会经济效益角度考虑的较多，而较少关注产业选择对地方生态环境的干扰，往往出现产业选择结果和地方环境保护目标不一致的结果。本文从非期望产出的角度，在组建了皖江城市带主导产业选择指标体系的基础上，选择采用熵权法和Weaver-Thomas组合指数模型构建了产业选择模型，并进行了实证分析。研究结果表明，考虑非期望产出与否，各城市的主导产业选择结果差异明显，模型选择结果较为符合当下皖江城市带各城市的产业发展方向。

如前所述，在选择区域主导产业时，首先不仅需要注重引进符合当地产业发展需求的先进技术企业，还要重视经济环境的可持续发展。其次应当正视各地产业基础和发展水平的千差万别，实现差别化产业选择。最后，各地要利用产业转移能够带来的技术溢出效应，不断促进产业自主创新，从而实现皖江地区经济的可持续发展。

参考文献：

[1]罗斯托.从起飞进入持续增长的经济学[M].成都：四川人民出版社，1988：2-5.

[2]Kojima K.The“flying geese”model of Asian economic development：origin，theoretical，extensions，and regional policy implications[J].Journal of Asian Economics，2000，11(4)：375-401.

[3]Cooper W W， Seiford L M， Thanassoulis Emmanuel，.et al. DEA and its Uses in Different Countries[J].European Journal of Operational Research，2004，154(2)：337-344.

[4]胡建绩，张锦.基于产业发展的主导产业选择研究[J].产业经济研究，2009，(4)：38-43.

[5]张静萍，张洪潮.新型城镇化视角下资源型城市战略性工业产业优选模型研究[J].工业技术经济，2014，(12)：40-48.

[6]黄蕾，谢奉军，杨程丽，等.基于Weaver-Thomas模型的区域低碳主导产业评价与选择[J].生态经济，2014，(10)：50-56.

[7]张海莹，戴卫华，李国平.区域战略产业选择研究[J].科技进步与对策，2011，(2)：69-70.

[8]朱佩佩，张浩，张慧明.考虑非期望产出的皖江城市带承接长三角产业转移效率研究[J].中国软科学，2014，(7)：105-114.

(责任编辑蒋涛涌)

Selection of Leading Industries of Wanjiang Urban Belt under the Constraints of Undesired Output

WAN Lun-laia,b,ZHANG Pinga,b,MA Shuan-leia,b

(a.School of Economics; b.Research Center for Industrial Information and Economy, Hefei University of Technology, Hefei 230601, China)

Abstract:In this paper, based on the data of nine cities in the Wanjiang Urban Belt in Anhui Province from 2008 to 2012, using the entropy method and the Weaver-Thomas model and considering the undesired output, the model for the selection of leading industries is established. Based on the empirical analysis， the leading industries of the nine cities are determined. The result indicates that the results in choosing the leading industries of the cities with or without considering the undesired output are clearly different, and the selection results of the model fairly conform to the present industrial development direction of the cities in the Wanjiang Urban Belt.

Key words:Wanjiang Urban Belt; leading industries; undesired output; entropy method; Weaver-Thomas model

中图分类号：F062.9;F224

文献标志码：A

文章编号：1008-3634(2016)01-0001-07

作者简介：万伦来(1963-)，男，安徽合肥人，教授，博士。

基金项目：国家自然科学基金(71573070);国家社会科学基金项目(13BSH024)

收稿日期：2015-07-15