工业园区开发与城市制造业生产效率

工业园区开发与城市制造业生产效率

内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）

工业园区开发与城市制造业生产效率

边泰明 王冠斐**

摘要：本文主要在探讨城市生产效率与高新技术开发区生产效率的影响因素。有关城市生产效率经测试结果显示，工业园区的开发虽然有影响，但整体配适度不高。高新技术开发区生产效率经测试结果显示，R&D研究与实验发展经费支出和科技活动人员的投入都有助於生产效率的提升，惟研究人员的投入要具有相关规模经济。厂商规模越大越有助於高新技术开发区生产效率的提升，以上测试结果可以作为政策之参考。

关键词：DEA模式，工业园区，生产效率。

一、前言

生产力（productivity）是竞争力（competitiveness）的指标之一（Solleiro and Castanon，2005），代表着效率。城市生产力与城市生产是否有效率为城市经济学者关心的议题（Mills，1967；Alonso，1971；Schefer，1977；Carlino，1982）。早期许多研究多从城市生产力的观点切入，探讨产业结构、资本密度、技术调整能力、劳力品质、聚集经济…等因素对城市生产力的影响（Beeson and Husted，1989；Williams and Moomaw，1989；Moomaw，1983；边泰明，1995）。晚进开始有从经济绩效观点讨论城市生产效率问题（Kim，1997；Zhu，1998）。本文研究重点放在城市生产效率，试图以中国大陆221个城市（包括直辖市和地级市）为研究对象（参阅附录一），比较各城市之间制造业生产的技术效率和规模效率。

一个城市之生产制造与新兴产业的发展，必须建构在完整的用地供给系统上（Glaeser，1992）。工业园区开发是许多工业化国家在发展科技（technology）时采行的重要政策（Castells & Hall，1994；Masser，1990），因为它能够创造就业机会，改善城市生产力，维持一个国家的竞争能力和声望（Markusen、Hall & Glasmerier，1986）。工业园区的开发对中国大陆亦不例外，它是中国大陆加入世界经济体系中很重要的一种手段，并在学习世界先进产业区域的发展上伴演着关键的角色（Walcott，2002）。由於中国大陆工业园区（高新技术开发区与经济技术开发区）的设置是以城市为考量（都市化带动工业化），所以本文亦试图了解工业园区的开发是否会影响城市生产效率。

边泰明国立政治大学地政学系教授

王冠斐国立政治大学地政学系博士生

城市生产效率和创新能力有密切关系。一个城市创新氛围（Innovative milieu）愈高，厂商的创新绩效愈大(Camagni，1995)，吸引跨国企业设厂机率愈高，这也就隐含着城市创新能力愈强，生产效率愈高。城市创新氛围是产业群聚、厂商研发投入、厂商合作网络、厂商创新绩效...等因素的综合（Shefer and Frenkle，1998）。知识经济时代，厂商创新绩效的实证研究很多， Becheikh 、Landry and Amara(2006)整合了1993-2003年有关厂商产品制程与技术创新108

篇的实证研究，系统性的汇整出创新研究的逻辑，架构出包含厂商特性之内部因素、厂商所处环境之外在因素和厂商创新绩效之间的关系，其中内部因素与外部因素之R&D与厂商创新成效有密切关系。准此，本研究有关城市生产效率影响因素之探讨，除了工业园区设置因素外，亦将分析科研经费支出是否和城市生产效率有关。

全文结构包括六个部份，第二个部份是理论方法的说明，包括本文测试的逻辑结构；第三个部份描述中国大陆工业园区开发的经过，和工业园区在空间上的分布；第四和第五部份为测试变数的说明，以及测试结果的分析；最後为结论和政策建议。

二、理论方法与逻辑架构

效率有技术效率（technical efficiency）、规模效率（scale efficiency）和配置效率（allocative efficiency）三种。配置效率需要有生产成本资料，本研究阙如，所以只进行技术效率和规模效率的测试。技术效率可再分为投入面（input orientation）模式和产出面（output orientation）模式。投入面模式指的是在既有的产出水准下，决策单位（Decision Making Unit, DMU）如何减少投入生产要素以获得效率；产出面模式指的是在既有投入水准下，DMU如增加产出以获得效率。当技术效率呈现规模报酬递增或递减时，便出现规模无效率（scale inefficiency）现象。

有关城市生产力的测试，多从城市聚集经济的观点，建立生产函数（production function），透过聚集经济规模报酬（returns-to-scale）参数（Carlino，1979，1982，1985；Schefer，1973），或希克斯中性（Hicks-neutral）生产力参数（Nakamura，1985；Henderson，1986）的测试，了解城市生产力是受到技术因子、地方化经济（localization economics）或者城市化经济（urbanization economics）的影响；而城市生产效率的分析，则是利用资料包络分析方法（Data Envelopment Analysis, DEA）去进行测试（Kim,1997），本文亦采用DEA方法。

（一）DEA模式

DEA模式最早由Farrel於1957年提出，是一种无参数（non-parametric）之统计效率技术（statistical efficiency technique），它利用线性规划（linear programming）之非预设生产函数的方式来推估多项投入与多项产出的效率值，分别计算各DMU的产出与投入比值，并以柏拉图效率（Pareto efficiency）观念求得效率前缘（efficiency frontier）所连成的包络曲线为基准。位於包络曲线上的决策单位，判定为相对有效率（relative efficiency），而落於包络曲线内的DMU则判定为相对无效率，藉以评估各DMU之生产效率。所以它是对DMU排序的一种测试模型，可以比较DMU彼此之间的相对效率。此种方式的特点是可同时处理多项投入与产出，不需预设生产函数，且可指出各DMU之投入或产出规模经济与不经济，做为政策建议的依据。

DEA评估模式包括CCR模式及BCC模式：

1、CCR模式

Charnes、Cooper & Rhodes（1978）依据Farrell的效率衡量理论基础，利用虚拟乘数（virtual multiplier）将多投入与多产出的情形，加权整合成为单一投入与单一产出，并以此种虚拟的投入产出比率作为DMU效率衡量的指标，即所谓的CCR模式。但由於CCR模式为分数规划模式不易求解，且所求解之最适解在规模报酬固定之假设下，会有无穷多组解产生。因此，Charnes（1978）将其转换为线性规划问题，假设DMU有n个，各DMU（i=1,2,…,n）使用m种投入要素x ij （j=1,2,…,m），生产s种产出y ir（r=1,2,…,s），其公式如下：

其中，h k：DMU k的投入效率值。

u r：第r个产出项目的虚拟乘数。

v j：第j个投入项目的虚拟乘数。

2、BBC模式

由於CCR模式是假设受评估单位为固定规模报酬之前提，但当规模报酬为变动时，技术无效率则可能来自於运作规模的不当而非技术无效率。因此Banker, Charnes and Cooper(1984)修正了CCR模式，将无效率的原因分为技术的无效率或营运规模的不当，藉以评估厂商在不同规模报酬（variable retums-to-scale；VRS）下生产之技术效率，。并引用Shephard的距离函数，加入DMU在生产函数上的参考点需为有效率DMU的凸性组合（convex combination），而导出能同时衡量受评估单位的纯技术效率与规模效率的BCC模式。其转为利於演算之对偶模式公式如下：

s r ：第r个产出项目之差额变数