贵州省制造业产业结构分析与评价

    路光明+徐建萍+严由亮

    摘要：文章构建了制造业产业结构的综合评价指标体系，基于因子分析和聚类分析对贵州省制造业产业结构进行分析评价。结果显示贵州省制造业各产业在发展潜力及经济效益、规模、可持续发展方面不协调不合理。酒、饮料和精茶业是贵州省最具优势和特色的产业，但可持续发展能力远远落后于其他产业，装备制造业的综合发展处于落后水平。从分类结果看，制造业产业种类多而杂，产业水平参差不齐。

    关键词：制造业产业结构；因子分析；聚类分析

    一、引言

    制造业是国民经济的主体，然而资源和环境约束不断强化，劳动力等生产要素成本不断上升，调整结构、转型升级刻不容缓。发展制造业应大力推动重点领域突破，引导社会各类资源集聚，推动优势和战略产业快速发展，强化和改善宏观调控，分业分类施策（中国制造2025）。

    贵州省制造业发展水平严重滞后于东部其它省份，这造成贵州经济社会发展水平严重滞后。所以贵州省应分业分类制定制造业发展规划，从而实现贵州制造业的跨越式发展。而掌握制造业发展现状是发展制造业的前提和基础。因此应首先对贵州省制造业产业结构的现状进行客观、全面、详细的分析与评价。

    从制造业分行业角度进行多指标综合分析与评价有利于从产业结构的视角审视制造业的发展现状，从而为分业分类施策提供有针对性的依据。因子分析被众多学者用于多指标综合评价。它利用少数几个综合因子反映众多指标提供的信息，从而更加容易地对问题进行深入分析。聚类分析将个体或对象分类，其目的在于使类间对象的同质性最大化和类与类间对象的异质性最大化。

    赵元笃，赵艳轲（2011）构建了工业主导产业评价指标体系，并利用因子分析和聚类分析选出广东省的工业主导产业。程翠凤（2014）对我国制造业29个行业的经济水平进行研究分析，得出我国资本技术密集型行业的经济效益水平严重落后于资源劳动密集型行业的，制造业经济效益的提升与产业结构的转型不同步的结论。王理，傅德印（2007）利用因子分析对2003年甘肃工业28个行业的指标数据进行分析处理，得出甘肃工业产业结构外延扩大，内涵不足，工业产业内部发展不平衡不协调的结论。

    因此，首先构建科学全面的评价指标体系，并基于因子分析和聚类分析对贵州省制造业32个行业进行多指标综合分析与评价以审视贵州当前制造业的产业结构、不同行业在经济效益和发展水平等方面的现状，为分业分类制定贵州省制造业发展规划提供借鉴。

    二、构建评价指标体系

    客观、全面、科学地进行综合评价的前提是构建有效的评价指标体系。本文综合相关文献并考虑数据的可得性，构建的评价指标体系如下：

    第一类为体现产业规模的指标：X1规模以上企业单位数（个），X2规模以上大中型企业资产合计（亿元），X3能源消耗总量（万吨标准煤）。第二类为体现产业经济总量的指标：X4规模以上工业增加值（亿元），X5规模以上工业总产值（亿元），X6规模以上大中型企业主营业务收入（亿元），X7规模以上大中型企业利税总额（亿元），X8规模以上大中型企业利润总额（亿元）。第三类为体现产业发展趋势的指标：X9市场占有率（%）。第四类为体现产业经济效益的指标：X10规模以上企业资产利税率（%），X11规模以上企业产值利润率，X12规模以上企业资产利润率（%）。第五类为体现产业可持续发展的指标：X13能耗产出率（亿元/万吨标准煤），X14单位能耗产值（亿元/万吨标准煤）。

    三、研究方法及數据处理

    （一）因子分析基本原理

    因子分析利用降维的思想，把一些具有错综复杂关系的变量归结为少数几个综合因子，利用少数几个综合因子反映众多指标提供的信息，从而更加容易地对问题进行深入分析。因子分析将指标所提供的信息定义为指标的变异性，指标的变异性越大，说明它对各种情况的“遍历性越强”，所提供的信息量也就更加充分。它将在变异性上具有很大程度相似性的指标聚为一类而成为一个公共因子。

    （二）聚类分析基本原理

    聚类分析是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间的相似程度的统计量，以这些统计量作为分类依据，把一些相似程度较大的样品聚合为一类，把另外一些彼此之间相似程度较大的样品又聚合为另外一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样品都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统。通过将样品分类能够使分析更加简洁、具有层次性。

    （三）数据处理

    分析工具是spss19。原始数据来源于《贵州省统计年鉴2015》。

    四、实证分析

    （一）数据处理

    为了分析的方便将贵州省制造业32个行业分别编号如下：1农副食品加工业，2食品制造业，3酒、饮料和精制茶制造业，4烟草制品业，5纺织业，6纺织服装、服饰业，7皮革、毛皮、羽毛（绒）及其制品和制鞋业，8木材加工及木、竹、藤、棕、草制品业，9家具制造业，10造纸及纸制品业，11印刷和记录媒介复制业，12文教、工美、体育和娱乐用品制造业，13石油加工、炼焦及核燃料加工业，14化学原料及化学制品制造业，15医药制造业，16橡胶和塑料制品业，17非金属矿物制品业，18黑色金属冶炼及压延加工业，19有色金属冶炼及压延加工业，20金属制品业，21通用设备制造业，22专用设备制造业，23汽车制造业，24铁路、船舶、航空航天和其他运输设备制造业，25电气机械及器材制造业，26计算机、通信和其他电子设备制造业，27仪器仪表制造业，28其他制造业，29废弃资源综合利用业，30电力、热力的生产和供应业，31燃气生产和供应业，32水的生产和供应业。

    

    

    为了消除量纲的影响，首先将数据进行标准化处理，将经标准化处理过的指标分别按X1到X14的顺序编号为Z1到Z14。

    对标准化处理过的数据进行Bartlett球体检验，spss19输出的Bartlett统计量为764.913，p值为0.00<0.05表示原始变量之间存在相关性，适合进行因子分析。

    （二）因子分析

    因子载荷是对因子的意义进行解释的关键。因子载荷的绝对值越大表明因子与所解释的变量的相依程度越大。为了对公共因子的实际意义进行解释需要进行因子旋转，因为一个绝对值比较大的载荷aii表明公共因子Fi在很大程度上解释了Xi的变化。这样，如果任一原始变量都与某些公共因子存在较强的相关关系，而与另外的公共因子之间几乎不相关的话，公共因子的实际意义就会比较容易确定。因子提取结果如表1。

    共提取3个公共因子F1，F2，F3，方差贡献率分别为：35.919%，33.354%，12.083%，累积方差贡献率为81.356%，表示3个公共因子共解释了原始变量81.356%的信息，信息提取比较充分。

    旋转后的因子载荷矩阵如表2所示。根据变量在公共因子上的载荷值对因子进行命名以解释因子的意义。由因子载荷阵可知指标Z1，Z2，Z3，Z4，Z5，Z6在F1上的载荷值比较大，将F1命名为发展潜力及经济效益因子；Z7，Z8，Z9在F2上的载荷值比较大，将F2命名为规模因子；Z13，Z14在F3上的载荷值比较大，将F3命名为可持续发展因子。

    选用回归方法计算F1、F2、F3的因子的得分，并以3个因子的方差贡献率占3个因子总的方差贡献率的比值作为权重计算综合因子F的得分。本文中綜合得分计算公式如下：

    F=（35.919*F1+33.354*F2+12.083*F3）/81.356

    因子得分及排名如表3所示。

    （三）聚类分析

    采用系统聚类法以F1，F2，F3作为指标变量对贵州省制造业32个行业进行聚类分析。采用平方欧氏距离进行相似性度量。以y轴为聚合系数，x轴为分类数，画出聚合系数随分类数的变化曲线，会得到类似于因子分析中的碎石图，在曲线开始变得平缓的点选择合适的分类数（何晓群，2012）。聚合系数随分类数变化曲线如图1所示。由图可知当聚类数为8时曲线开始变得平稳，所以将贵州省制造业32个行业划分为8类比较合适。

    采用不同的方法定义类间距离得到的分类情况有可能不一致，本文综合运用最短距离法、最长距离法、组间类平均法、组内类平均法、重心法、离差平方和法、中位数法共7种聚类方法对贵州省制造业32个行业进行分类。分类情况如表4所示。

    （四）结果分析与评价

    分别抽取按F1，F2，F3，F排名前十位的行业，并标明每个行业所属类别结果如表5所示。

    3酒、饮料和精制茶制造业按发展潜力及经济效益因子排名第一，按规模因子排名第五，所以是贵州省最具特色和优势的产业，然而这类产业的可持续发展排名在32个行业中却在第29位。如果贵州省想要保持这类产业的优势就必须提高这类产业的可持续发展能力。

    按发展潜力及经济效益因子得分和规模因子得分排名均在前五位的只有3酒、饮料和精制茶制造业；排名均在前十位的有3酒、饮料和精制茶制造业，4烟草制品业，15医药制造业，17非金属矿物制品业，所以贵州省制造业的产业结构在发展潜力及经济效益和规模上并不协调，而且这些产业均为传统的资源劳动密集型产业没有技术密集型产业。

    三类因子得分均在前十的产业只有4烟草制品业、15医药制造业，可见贵州省制造业产业结构不合理，缺乏活力和竞争力。且规模上排名前五的产业多为高能耗和高污染产业，综合排名前五的产业也都是高能耗高污染产业。所以贵州省制造业产业结构落后，迫切需要进行转型升级。

    四类装备制造业（通用设备制造业，专用设备制造业，铁路船舶航空航天和其他运输设备制造业，计算机、通信和其他电子设备制造业）在发展潜力及经济效益因子上的排名均在16名以后。在规模因子上的排名均在10名以后。在可持续发展因子上的排名，除计算机、通信和其他电子设备制造业排名第四，其他三类电子设备制造业均在10名以后。可见贵州省装备制造业综合发展水平在32类制造业中处于落后水平。而装备制造业对于制造业的发展作用至关重要，贵州省的装备制造业急需加快发展速度。

    从聚类的结果来看贵州省制造业的产业分为八类，且绝大部分产业为第一类，少部分为第二类，极少部分均匀分布在另外六类。可见以发展潜力及效益、规模、可持续发展为指标对贵州省制造业进行分类时贵州省制造业呈现出的特点是种类多，制造业各产业发展水平参差不齐。

    五、总结

    基于因子分析与聚类分析，对贵州省制造业产业的主要指标数据进行综合排名与系统分类，描述了贵州省制造业产业结构的主要特征及其各个制造业产业的主要特点，为贵州省制造业的发展规划提供参考。综合因子与聚类分析的结果，贵州省制造业产业发展还不平衡、不协调，制造业产业结构落后急需转型升级。排在前10位的主要是和矿藏相关的高能耗和高污染行业。以这些产业作为优势产业发展显然不能长久持续发展。各产业以发展潜力及经济效益、规模、可持续发展为指标构成的产业结构呈现出不协调不合理的特点。

    酒、饮料和精茶业制造是贵州省最具优势和特色的产业，然而目前的状况是可持续发展能力远远落后于其他产业。装备制造业的综合发展水平在32类制造业中处于落后水平。贵州省当前的优势产业多为传统的技术水平低、能耗高的产业。从分类结果看，制造业产业种类多而杂，产业水平参差不齐。

    参考文献：

    [1]黄群慧，李晓华.中国工业友展“十=五”评估及“ 十三五”战略[J].中国工业经济，2015（09）.

    [2]金碚，吕 铁，邓洲.中国工业结构转型升级：进展、问题与趋势[J].中国工业经济，2011（02）.

    [3] 邱东.多指标综合评价方法的系统分析[M].统计出版社，1991.

    [4]赵元笃，赵艳轲.广东省工业主导产业选择初探 ——基于因子分析和聚类分析的实证研究[J].科技管理研究，2011（13）.

    [5]程翠凤.我国制造业结构转型与经济效益提升的经验研究[J].财经问题研究，2014（03）.

    [6]王理，傅德印.因子分析在甘肃工业产业结构分析中的应用[J].数理统计与管理，2007（02）.

    [7]何晓群.多元统计分析[M].中国人民出版社，2012.

    [8]宋志刚，谢蕾蕾，何旭洪.SPSS 16实用教程[M].人民邮电出版社，2012.

    *本文系2013年贵州省教育厅高等学校人文社会科学研究基地项目“贵州装备制造业的服务增强路径研究”（项目编号：JD201304）的研究成果之一。

    （作者单位：贵州大学管理学院）