张远方 王宏

【摘要】美国“制造业回归”的失败，让全球意识到中国制造业仍是全球主力。纺织行业是我国国际竞争优势最为明显的制造业之一。本文通过对比分析中国两国纺织业技术创新效率，找出相较于美国，我国纺织业仍需提高之处，看到差距，提高自主创新能力，深入国际化发展。

【关键词】三阶段DEA纺织业技术创新效率

1引言

美国政府在2007年至2010年的金融危机发生后，对经济结构进行了重新分析，意识到只有制造业等的实体经济才是推动经济复苏的中坚力量。面对经济发展的种种困境，美国政府再次将目光转型了制造业等工业产业，推出了“制造业回归”、“再工业化”等政策和相关法案。在2014年，德国也提出“未来纺织”计划，将纺织业的转型升级纳入到国家战略之中。在欧美等发达国家越来越关注制造业回归的背景下，我国在2014年也首次提出了“中国制造2025”，作为传统支柱产业的纺织业也在进行着一场技术变革与转型升级。

2理论综述

贾莹（2016）对中国纺织服装业2006年到2013年间的技术创新效率进行了研究，结果表明，从全国来看我国纺织业的技术效率不高，从地区来看东北地区的纯技术效率和规模效率均为最高。马俊杰（2018）对2005到2015年间的中国工业企业的技术创新效率进行了测度，结论表明，东北三省和京津上等几地区近年来技术创新效率逐年提升，西南西北几省却遭遇了技术创新效率逐年下降的趋势。辛梓侨（2018）对吉林省工业2009年到2016年间的数据进行了技术创新效率的研究，得出以下结论：从全产业来看，整体的效率处于良好水平；从细分产业来看，采矿业处于相对较低的水平，电力、热力、燃气及水供应等产业处于上升趋势，制造业维持在较高水平。陈志祥等（2019）对德国纺织服装业2007年到2015年间的技术效率进行了研究，结果表明，对技术创新能力的重视是维持德国纺织服装业的生产效率在较高水平的主要因素。

3变量选取

本文选取的评价的模型是三阶段DEA模型。结合以往构建技术创新效率评价体系的指标选择，考虑了中美两国纺织业的实际以及美国数据的可获得性，构建的纺织业技术创新效率指标体系为：投入指标：R&D人员全时当量、R&D投入、固定资产投入；产出指标：生产总值、利润总额；环境指标：专利审批数、税收、出口额、就业人数。

4实证研究结果

4.1第一阶段结果

本阶段使用DEAP2.1软件测算结果表：

由上表显示：

美国纺织行业管理水平及产业规模发展较好，使得技术效率值一直大于0.9，均值为0.958；纯技术效率均值更高为0.985，表明技术效率受纯技术效率的影响不大；规模效率的均值为0.973，其整体趋势和技术效率大体一致，说明规模效率对技术效率的影响较大，但整体表现都较好。

中国纺织行业技术效率的均值为0.813，与美国相比还是处于较落后的状态。纯技术效率的均值为0.986，说明我国纺织业的技术和设备处于前沿，但是受到规模效率的影响，综合效率表现不佳；规模效率值均值为0.825，其整体趋势和技术效率大体一致。

4.2第二阶段结果

本文为投入导向型模型，分别以各投入指标松弛变量为被解释变量；环境变量为解释变量，建立随机前沿SFA模型。本文将环境变量进行标准化，以消除其单位的影响，再借助FRONTIER4.1软件进行SFA分析。

SFA模型估计结果如下：

上表中四個模型的γ值均接近1，并且通过0.5%的显著性水平检验，说明存在管理无效率，需用SFA模型估计。具体来说各环境变量对投入松弛变量的回归结果如下：

专利审批数：专利审批数与R&D人员全时当量松弛变量、固定资产投资松弛变量成负相关，与R&D投入松弛变量程正相关。

税收：与R&D人员全时当量松弛变量、固定资产投资松弛变量成正相关，与固定资产投资松弛变量的相关系数很大，与R&D投入松弛变量程负相关。

就业人数：就业人数与R&D人员全时当量松弛变量、固定资产投资松弛变量成负相关，与R&D投入松弛变量程正相关。

出口值：纺织业的出口值与R&D人员全时当量松弛变量、固定资产投资松弛变量成负相关，与R&D投入松弛变量程正相关。

从以上的分析结论可知，存在外部环境因素对于中美两国纺织业的效率干扰。因此，本文在第二阶段对原始投入变量进行调整，使中美两国纺织业的各个被测算的年份都处于相同的外部环境和运气之中，以便测算出中美两国纺织业更客观的效率水平。

4.3第三阶段结果

第三阶段中首先要对投入变量做出调整，排除外部环境和干扰，以使中美两国纺织业的各个年份处于相同环境和运气，得出中美两国纺织业剔除环境因素后的实际效率值。

具体分析如下：

美国纺织行业管理水平及产业规模发展较好，均值为0.9693；纯技术效率均值更高为0.975，其他各年的值均为1，表明技术效率受纯技术效率的影响不大；规模效率的均值为0.994，最低值出现在2017年，为0.973，整体表现较平稳。

中国纺织行业技术效率均值为0.9347；纯技术效率的均值为 0.9846，与美国相比相差不大，说明我国纺织业的技术和设备处于前沿；规模效率值，均值为0.9483，最低值2015年的0.83。

就技术效率而言，我国纺织业在2012年和2015年出现较大幅度的下跌，其他年份则与美国相差不大。就纯技术效率而言，中美两国的差异不是很大，在2011-2013年间，我国纯技术效率甚至略高于美国。就规模效率而言，调整后的规模效率，美国均高于我国，说明美国的规模化水平较高，我国纺织业的规模化水平有待提升。

5对策建议

5.1推动纺织行业转型升级

我国纺织产业仍处于生产要素导向阶段，主要依靠的是廉价且众多的劳动力等生产要素优势，会突出纺织业的出口额等的产业成绩，但又是十分脆弱的，当该生产要素的优势相对减弱，就会给纺织业带来冲击。因此必须把纺织业由以生产要素、低附加值的加工生产为主的模式逐步扭转，未来我国纺织发展须从整体产业链走高品质、高附加值、高效仿制造之路。

5.2提高自主创新能力

纺织产业必须制定并落实科技创新驱动发展战略，提高自主创新能力，增加产品的科技含量和附加值，进而提升科技创新和进步对纺织产业发展的贡献率。大幅提升我国纺织产业科技原创和自主创新能力。开展对纺织产业重点领域的原创性和自主创新的核心技术研究，形成我国原创和自主创新的纤维新材料、先进纺织加工、生态染整、先进服装设计与加工、新兴产业用纺织品、高端纺织装备、纺织信息化系列核心技术。

5.3加强科技创新人才队伍建设

加强纺织科技人才队伍建设。以构建全面有效的纺织科技人才支持政策为重点，注重多领域、多层次人才的汇集、培养，建立健全有利于专业人才创新的激励机制。把引进、培养、使用、凝聚人才，以及完善薪酬激励制度與科技成果评价奖励制度作为提升专业人才队伍水平、提升人才创新能力。

参考文献：

[1]陆圣.后危机时代美国纺织产业转型及对中国纺织产业升级的影响[J].江苏纺织，2011（2）13-16.

[2]季良玉.技术创新影响中国制造业转型升级的路径研究[D].东南大学，2016.

[3]贾莹.中国纺织服装业技术效率的研究[D].西安工程大学，2016.

[4]马俊杰，和军.中国工业企业技术创新效率评价[J].开发研究，2018（01）：117-123.

[5]辛梓侨.吉林省工业技术创新效率研究[D].吉林大学，2018.

[6]陈志祥，王宏.基于DEA模型的德国纺织服装业技术创新效率研究[J].中国市场，2019（16）：51-53+64

作者简介：张远方，硕士，研究方向：技术经济及管理。王宏，教授，研究方向：技术与创新管理。