Regional Gaps, Dynamic Evolution and Trend Prediction of China′s Manufacturing Green Competitiveness

Zhang Feng, Chen Jiawei

(School of Management, Shandong University of Technology, Zibo 255000, China)

Abstract：The manufacturing sector, foundational for a nation and integral to national rejuvenation and strength, serves as a powerful engine for constructing the basics of an industrial modernization system, propelling employment, and achieving shared prosperity. In the current era of the new development paradigm, the manufacturing industry is in a crucial period of overcoming challenges, necessitating urgent and comprehensive implementation of green practices as a novel approach for new industrialization. However, the extensive growth model of high investment, high consumption, high pollution, and low efficiency in China's manufacturing industry has resulted in escalating resource and environmental constraints. The uneven allocation of factors has led to pronounced issues of regional disparities and insufficient green development, prompting the urgent need to unleash the industry's "green genes". Consequently, scrutinizing the green competitiveness of regional manufacturing becomes a pivotal breakthrough for China to achieve high-quality development. The focus of research on green competitiveness has shifted from enterprise-centric environmental governance to encompass green management models, production, supply chains, and ultimately achieving transformation, upgrading, and green development.

Despite existing empirical research studies predominantly concentrating on specific aspects of the spatial distribution of green competitiveness in manufacturing, there is a lack of a comprehensive, multi-dimensional, and multi-scale examination. To address this gap, this study integrates the five new development concepts and the connotation of the new industrialization road, selecting 41 evaluation indicators comprehensively from five dimensions: economic drive, innovation output, energy conservation, environmental regulation, and social security. A vertical and horizontal grading method is introduced to systematically quantify China's manufacturing industry's green competitiveness across 30 provinces, revealing regional differences and sources using the Dagum Gini coefficient and spatial kernel density estimation to grasp dynamic evolution trends. The study further carries out trend predictions through the Markov limit solution.

The results indicate that the overall green competitiveness of China's manufacturing industry shows a growing trend, which can be broadly divided into three characteristic periods on a temporal scale: a fluctuation adjustment period (2006-2010), a stable growth period (2011-2015), and a period of ups and downs (2016-2020). On a regional scale, the distribution pattern reveals a "leading in the east, middle-ranking in the central region, and lagging in the west". Additionally, at both national and regional levels (east, central, and west), there is a pronounced skewness in the distribution of green competitiveness in the manufacturing industry. The overall Gini coefficient of China's manufacturing industry's green competitiveness shows a decreasing trend, with inter-group differences being the primary source of overall variations in green competitiveness. Notably, the differences between the eastern and western regions exhibit a significant expansion and growth trend. On the basis of the diagnostic results of obstacle factors, it is found that the proportion of coal consumption in manufacturing to total energy consumption is a major hindrance. From a dynamic evolution perspective, under conditions without spatial considerations, China's manufacturing industry's green competitiveness displays strong path dependence. A higher level of green competitiveness in the current period may propel a continuous rise in green competitiveness in the later period. Under spatial conditions, while static and dynamic estimation results are similar, there are some differences. Under static conditions, manufacturing green competitiveness shows a certain positive spatial correlation, with the addition of the time factor not significantly affecting the distribution position and shape of China's manufacturing industry's green competitiveness probability subjects. However, under dynamic conditions, spatial spillover effects in the three major regions of the east, central, and west are not uniform. Traditional Markov chain analysis suggests that the development trend of green competitiveness in China's provinces' manufacturing industry is relatively stable, with a low probability of leapfrog transfer. Spatial Markov chain analysis indicates a "club convergence" in China's manufacturing industry's green competitiveness. Looking at the long-term evolutionary trend, the future development of China's manufacturing green competitiveness is expected to gradually improve over time with a trend of concentration towards high values. Different neighborhood status types have heterogeneous effects on the evolution of regional manufacturing green competitiveness, and thus it is essential to shore up weak links and make targeted measures that follow local characteristics to enhance green competitiveness in the manufacturing industry.

Key Words：Manufacturing Green Competitiveness; Regional Gaps; Evolutionary Trends; Trend Prediction

DOI：10.6049/kjjbydc.2023070089

开放科学(资源服务)标识码(OSID)：

中图分类号：F427

文献标识码：A

文章编号：1001-7348(2025)04-0042-13

收稿日期：2023-07-05

修回日期：2023-12-04

基金项目：山东省社科规划重大理论和现实问题协同创新研究专项(22BCXJ02)

作者简介：张峰(1989—),男,山东济南人,博士,山东理工大学管理学院教授、硕士生导师,研究方向为系统工程与工业工程;陈嘉伟(1998—),男,山东东营人,山东理工大学管理学院硕士研究生,研究方向为管理系统工程。本文通讯作者:陈嘉伟。

0 引言

中共二十大报告提出,“坚持把发展经济的着力点放在实体经济上”。制造业作为立国之本、兴国之器和强国之基,是构建工业现代化体系基本盘、带动就业实现共同富裕的强引擎以及建成社会主义现代化强国的入场券。新发展格局下,制造业发展步入爬坡过坎的攻坚期,亟需全方位、深层次推行绿色化,并将其作为新型工业化建设的新抓手。然而,中国制造业“三高一低”粗放型发展模式导致其面临日益严峻的资源环境约束,要素配置不均衡导致区域间制造业绿色发展不平衡不充分问题突出,迫切需要释放体内“绿色基因”。为此,应根据国务院印发的《新时代的中国绿色发展》白皮书要求,秉承创新、协调、绿色、开放、共享的新发展理念,强调生产与生态平衡、发展与环境和谐,不断探索中国制造业资源节约、环境保护生态负效应最小化的高质量发展道路。可见,贯彻新发展理念、提升区域制造业绿色竞争力成为中国实现高质量发展以及全面建成社会主义现代化强国的重要突破口。

绿色竞争力是环境经济学、生态经济学、绿色经济学等研究领域的重要议题。其中,有关制造业绿色竞争力的研究最早可追溯至20世纪90年代“波特理论”。Michael Porter[1]认为环境质量改善与企业生产率、竞争力增长之间存在双赢,绿色竞争力是企业在合理环境规制下获取市场竞争优势的关键。制造业绿色竞争力内涵范围较广,尤其是近年来可持续发展框架成为处理经济效益与社会效益的内在要求,众多国内外学者愈发关注相关研究主题。关于制造业绿色竞争力研究关注点不断改变,从企业在政府环境规制下减少环境污染的治理导向[2],到绿色管理模式[3]、绿色生产[4]、绿色供应链[5]的内容导向,再到转型升级与寻求绿色发展的目标导向[6],制造业绿色竞争力内涵愈发丰富,体现出绿色竞争力对于制造体系的重要性。另外,相关研究从关注微观企业转向中观省域[7]、市域[8]、城市群[9]等,极大丰富了制造业绿色竞争力理论与实践。其中,从指标体系构建看,资本[10]、环境[11]和创新[12]等要素占据制造业绿色竞争力评价范式主流,随着制造业绿色竞争力内涵的不断拓展,制造业绿色竞争力的社会属性也纳入考量范畴。从线性关系看,由于不同领域学者关注重点不同,现有研究从多个方面揭示制造业绿色竞争力的内在逻辑,其中政府行为[13]、技术进步[14]、自然资源[15]、产业集聚[16]等因素成为探讨焦点。从指数测度工具看,数据包络分析[17]、模糊层次分析[18]、熵权法[19]得到广泛应用,其中熵权法因能较好地确定权重而成为当前主流测度方法。

上述研究为本文提供了强有力的理论依据和方法论支撑,但仍存在以下问题亟待解决:首先,制造业绿色竞争力评估应如何满足新发展理念与新型工业化道路的时代要求?已有研究多从制造业绿色竞争力空间分布某一侧面展开,缺乏对制造业绿色竞争力多维度、多尺度的综合考察。其次,随着区域协调发展战略的实施,制造业绿色转型面临新形势,制造业绿色发展差距成为区域发展重点,那么应如何把握制造业绿色竞争力区域差异及来源?制造业绿色竞争力具有哪些动态演进特征?再次,对制造业绿色竞争力未来发展趋势进行预测能否满足可持续发展要求?

本文边际贡献主要体现在:一是引入“纵横向”拉开档次法,系统量化中国制造业绿色竞争力,对中国内地30个省份制造业绿色竞争力进行检验,揭示其变化规律及面临的主要障碍,以获取关于制造业绿色竞争力发展的正确认知;二是通过Dagum基尼系数识别中国制造业绿色竞争力区域差异及来源,把握中国制造业绿色竞争力发展特征和均衡化推进路径,可为区域一体化发展提供理论基础;三是基于空间Kernel密度估计探析制造业绿色竞争力动态演进趋势,可为制造业探索绿色跃迁路径提供新逻辑。在上述研究的基础上,通过Markov极限求解对制造业绿色竞争力趋势进行预测,有利于提高资金统筹安排和扶持政策制定的合理性,对于促进制造业产业结构优化升级、明确制造业转型方向具有重要启示。

1 模型构建与指标设计

1.1 模型构建

1.1.1 “纵横向”拉开档次法

中国制造业绿色竞争力指数评价属于多指标测度,故采用“纵横向”拉开档次法对其进行综合测度,构建如下模型:

(1)

其中,yi(tk)表示在tk时期对象i的测度评价值; xij(tk)表示tk时期对象i的指标因素值。运用极差法对面板数据进行标准化处理,正向指标处理公式如下:

(2)

逆向指标处理公式如下:

(3)

其中,为指标标准化后的数值。取yi(tk)的离差ε平方和最大值,表达式为:

(4)

对于满足条件:

(5)

因而有:

(6)

其中,表示m×m矩阵,当 WW′=1时,矩阵中H最大特征值对应的特征向量即为最终权重W。据此,利用模型(1)测算最终评价值yi(tk)。

1.1.2 Dagum基尼系数

Dagum(1997)指出,基尼系数可以克服传统基尼系数和泰尔系数难以分解组群的问题。本文借鉴这一研究,测度中国制造业绿色竞争力空间分异程度,详细计算公式参考刘华军等[20]和刘秉镰等[21]的研究。

1.1.3 障碍因子诊断模型

障碍因子诊断模型可计算综合评价体系中各评价指标的障碍度,明晰事物发展阻碍因素类别与程度,故使用障碍因子诊断模型分析影响中国制造业绿色竞争力的障碍因子,详细计算公式参考赵宏波等[22]的研究。

1.1.4 Kernel密度估计

Kernel密度估计是研究不均衡分布的重要非参数估计方法,能够展示中国制造业绿色竞争力分布的动态演进情况,传统Kernel密度估计表达式如下:

(7)

(8)

其中,N为观测值个数; K(·)为高斯核函数;X为观测值;x为观测值均值;h表示带宽,表征核密度曲线的光滑程度。

利用空间核密度估计,本文考察中国制造业绿色竞争力在考虑时间因素下的动态趋势,空间核密度估计表达式为:

(9)

(10)

其中,f(x,y)表示x和y的联合概率密度函数;g(y|x)表示x条件下y的空间核密度。

1.1.5 Markov链分析方法

本文基于传统马尔可夫链和空间马尔可夫链分析方法测算不同条件下的转移概率矩阵,详细计算公式参考陈明华等[23]的研究。

马尔可夫链经过长时间转移后,状态转移概率矩阵将不受时间影响,概率分布呈平稳状态,也称极限状态。运用马尔科夫转移概率矩阵进行极限求解能够预测制造业绿色竞争力未来动态演变趋势。据此,将极限定义嵌入到马尔科夫链递推公式中,求解马尔科夫链的极限状态矩阵:

(11)

其中,π表示马尔科夫链演变的终极状态矩阵;M表示马尔科夫转移概率矩阵。若π满足则视为马尔科夫链演变的终极状态矩阵。

1.2 指标选取

制造业绿色竞争力不仅涵盖制造业经济增长的基本状态,同时与资源、环境及社会等诸多要素具有紧密关联性,现有研究虽然基于不同视角建立了颇具特色的评价指标体系,但新发展阶段对制造业走好新型工业化道路提出了新要求,要坚持以人为本,站在人与自然和谐共生的高度谋划发展,主张资源节约、环境友好、面向未来可持续发展。因此,对制造业绿色竞争力进行科学评估,以促进其提高经济效益、加快技术升级、降低能源消耗、减少环境污染、增进人民福祉。因此,参考李廉水等[24]对制造业“新型化”的评价思路,结合“创新、协调、绿色、开放、共享”五大发展理念以及新型工业化道路内涵,根据《新时代的中国绿色发展》白皮书提出的科学性、延续性、系统性和可比性原则,从经济驱动、创新产出、能源节控、环境规制、社会保障5个维度选取41个评价指标(包括状态型、驱动型和效益型)进行测度,相关指标见表1。

1.3 数据来源

基于数据统计口径的一致性和可得性,本研究选取2006—2020年中国内地30个省份(西藏数据不全,故未纳入统计)面板数据为研究样本,数据主要来源于《中国工业经济统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》、各省份统计年鉴以及各省份统计局网站等,对于个别缺失数据,采用线性拟合法进行补充。

2 实证结果分析

2.1 中国制造业绿色竞争力测度结果

采用“纵横向”拉开档次法测算2006—2020年全国和东、中、西三大地区制造业绿色竞争力。由图1可知,中国制造业绿色竞争力整体呈上升态势,评价均值由2006年的0.53增长到2020年的0.56,说明中国制造业保持较好的绿色发展势头,生态环境与经济增长协调度得到提高。从阶段变化看,中国制造业绿色竞争力经历了以下3个阶段:波动调整期(2006—2010年)、平稳增长期(2011—2015年)、起伏换挡期(2016—2020年)。第一阶段制造业绿色竞争力先是短期上升,其后明显下降,拐点出现在2008年,原因可能在于中国制造业低附加值竞争模式受金融危机冲击明显;第二阶段在2011年实现小幅上升后始终在0.575附近波动,该阶段处于“十二五”规划时期,先后提出《“十二五”节能减排综合性工作方案》《绿色制造科技发展“十二五”专项规划》等一系列举措,加速传统制造业落后产能淘汰与绿色转型升级进程,鼓励产业由提高产能投资向促进工艺创新转变,制造业绿色竞争力得以提升;第三阶段曲线“失稳”特征凸显,波谷出现在2018年,制造业绿色竞争力指数为0.537,说明原有平衡状态被打破。原因可能在于中国受“三重冲击”影响,制造业外向型经济发展模式饱受“长臂管辖”和“技术封锁”困扰,制造业景气度明显回落,再加上服务于生态环境与经济增长的顶层设计不完善,使得企业参与绿色发展主动性、长期性预期不足,在外部环境复杂性明显提升背景下,导致制造业绿色竞争力出现较大波动。

从区域尺度看,中国内地30个省份制造业绿色竞争力整体均值为0.562,东、中、西部地区制造业绿色竞争力均值分别为0.646、0.549和0.489,其中东部地区均值高于全国均值,中部和西部地区低于全国均值,呈现出“东部领先、中部居中、西部落后”的分布格局。如图2所示,全国和东、中两大地区制造业绿色竞争力呈右偏态向高值集中分布趋势,西部地区则呈左偏态向低值集中分布趋势,具有较强的分布偏态性特征。具体而言,东部地区相较于中、西部地区,在经济增长、产业培育、创新能力、增加出口等领域取得突出成就,率先集中众多制造业绿色发展势能,建成一批独具特色、优势突出的高新制造业产业集群,使当地制造业绿色特征明显。中部地区制造业绿色竞争力均值稍低于全国平均水平,这是因为中部地区“倚重倚能”的制造模式使得制造业存在较为严重的路径依赖,并且当地制造业普遍存在经济总量与开放度错位现象,导致产业结构转型升级、品牌价值提升面临诸多困难。然而,近年来一批具有绿色标杆作用的专精特新“小巨人”企业的诞生,为中部地区制造业绿色竞争力迈向更高梯度创造了条件。西部地区制造业发展本就滞后,难以摆脱产能与技术落后、资源消耗量大、污染程度高等难题,加之部分“高精尖”人才流失,导致西部地区制造业陷入绿色发展刚性需求与内生动力不足的叠加性困境,严重制约当地制造业绿色竞争力攀升,使得西部地区呈现低值集中分布态势。

2.2 中国制造业绿色竞争力区域差异与来源

为进一步明确中国制造业绿色竞争力差异,使用Dagum基尼系数分解法对2006—2020年中国制造业绿色竞争力进行分解,包括全国和东、中、西部三大地区的区域内差异、区域间差异及差异来源,结果见图3、图4和图5。

2.2.1 中国制造业绿色竞争力总体差异与区域差异

由图3可知,中国制造业绿色竞争力基尼系数由2006年的0.107下降到2020年的0.106,均值为0.108,各年基尼系数均低于0.2,表明中国制造业绿色竞争力水平总体差异较小,且区域间制造业绿色竞争力发展差异得到一定程度控制。不同区域制造业绿色竞争力基尼系数不同,其中东、中、西部制造业绿色竞争力基尼系数差异均值依次为0.069 5、0.073 7、0.095 3,呈现“西部高、中部次之、东部较小”的分布格局,并且西部和中部地区呈上升趋势,而东部地区则呈下降趋势。具体而言,西部地区制造业绿色竞争力基尼系数均值达到0.095 3,年均增长率为2.63%,说明西部地区制造业绿色竞争力水平总体差距不大,但区域间制造业绿色竞争力差距有扩大趋势。中部地区基尼系数均值为0.073 7,年均增长率达到2.65%,说明中部地区区域间制造业绿色竞争力差距不大,但基尼系数整体呈增长态势。东部地区制造业绿色竞争力基尼系数均值达到0.069 5,年均递减率为0.99%。说明东部地区内部省份制造业绿色竞争力差距较小,即存在“评价高、差异小”的双重发展趋势。

2.2.2 中国制造业绿色竞争力差异与分解

图4为东、中、西三大地区制造业绿色竞争力Dagum基尼系数计算结果,对比不同地区差异发现,东—中区域间差异呈现“下降—平稳上升—波动下降”态势,地区间基尼系数由2006年的0.117下降至2020年的0.096,年均下降1.21%;东—西部区域间差异呈现“平稳增长—波动下降”态势,地区间基尼系数由0.155降至0.138,年均下降率为0.70%;中—西部区域间差异呈现“波动上升”态势, 地区间基尼系数由2006年的0.084增长至2020年的0.111,年均增长率为2.15%。整体来看,观测期初东—西部区域间差异最大,中—西部次之,东—中部最小,东—中部、中—西部、东—西部基尼系数均值分别为0.103、0.107和0.148。可见,西部地区与其它地区制造业绿色竞争力差距仍是当前制造业绿色发展面临的主要挑战。尽管西部地区制造业近年来绿色转型发展势头良好,但仍需强化未来产业布局与区域间经济合作,尤其是注重西部地区与东部地区协调发展。

2.2.3 中国制造业绿色竞争力区域差异来源

图5为中国制造业绿色竞争力总体Dagum基尼系数和分解结果。从中可见,组内基尼系数差异总体表现为上升趋势,由研究期初的0.025波动上升到研究期末的0.028,年均增幅为0.83%,研究期内平均贡献率为25.02%;而组间基尼系数差异则表现出与组内基尼系数差异相反的变动态势,由研究期初的0.070波动下降到研究期末的0.060,年均降幅为0.97%,研究期内平均贡献率为60.29%。研究期内超变密度贡献值与相对贡献率均呈“先减后增再减”的倒“N”型变化特征,且期末超变密度贡献值与相对贡献率较期初有所增加。从差异来源看,2006年组间超密度基尼系数为0.012,之后以2009年和2017年为拐点表现出先减后增再减趋势,贡献率则在8.74%～22.81%之间波动,研究期内平均贡献率为14.69%。总体来看,区域间差异是导致样本数据总体差异的主要原因,进一步佐证了缩小区域间差异对于解决中国制造业绿色竞争力区域协调发展具有重要意义。

2.3 中国制造业绿色竞争力障碍因子识别

表2为2006―2020年中国制造业绿色竞争力前6个障碍因子及其障碍度。其中,制造业煤炭消耗占能源消耗总量的比重出现频率最高,并且制造业能源消耗量、制造业煤炭消耗量出现频次较多,说明能源因素对中国制造业绿色竞争力阻碍程度较大。究其原因,随着2007年《中华人民共和国节约能源法》的修订,中国制造业择优选择能源节约、能源开发投资项目,能源层次得到大幅提升,但绿色能源回报率持续降低、能源环境压力日益加大以及能源开发成本上升导致能源节约速度难以逾越规模扩张速度,进而对制造业能源利用率提出更高要求,制造业未来发展仍需重视传统高污染能源节约与绿色清洁能源使用。

2.4 中国制造业绿色竞争力动态演进

Dagum基尼系数虽然能反映中国制造业绿色竞争力差异指数及其来源,但无法描述各区域间制造业绿色竞争力的动态演进过程。基于此,本研究采用空间核密度估计法揭示中国制造业绿色竞争力是否具备动态效应和空间效应。

2.4.1 无条件核密度估计

图6(a)、图6(b)展示了2006—2020中国制造业绿色竞争力无条件核密度及核密度等高线,即从第t年到第t+3年各省份制造业绿色竞争力分布变化的转移概率。由图6可知,中国制造业绿色竞争力无条件核密度估计概率主要集中分布在正45°对角线上,说明中国制造业绿色竞争力从t到t+3年未出现明显改变,整体保持稳定发展态势。如表3所示,东、中、西部三大地区转移分布特征与全国基本一致,概率主体多分布在正45°对角线附近,呈现出俱乐部趋同现象,说明省域制造业发展初始条件、结构特征和发展模式相似。随着时间推移,省域间制造业绿色竞争力产生“趋同效应”。

2.4.2 空间静态核密度估计

图7(a)、图7(b)展示了2006—2020年中国制造业绿色竞争力空间静态核密度及核密度等高线,考察相邻省份制造业绿色竞争力影响本省份制造业绿色竞争力的演变趋势。由图7可知,中国制造业绿色竞争力在空间静态条件下概率主体分布以X轴0.4和0.7为分界点呈现出分段特征。当t年相邻省份制造业绿色竞争力指数低于0.4时,概率主体分布大致平行于X轴,说明这些省份制造业绿色竞争力空间溢出效应较弱。当t年相邻省份制造业绿色竞争力指数介于0.4～0.7之间时,概率主体多分布在正45°对角线附近,说明制造业绿色竞争力存在空间正相关性,表现出正向集聚特征。当t年相邻省份制造业绿色竞争力指数高于0.7时,概率主体多集中分布在正45°对角线下方,说明高水平省份倾向于通过实施“低速路”战略与较低水平省份进行合作。如表3所示,中部地区与全国整体空间静态核密度特征一致;东部地区存在正向空间溢出效应,说明绿色要素配置合理;而西部地区无明显空间溢出效应,原因可能在于当地制造业绿色发展体系尚处于发展阶段,成果转化平台有限,导致抑制效应仍高于正向效应,使得空间溢出效应不明显。

2.4.3 空间动态核密度估计

与空间静态核密度估计相比,图8展示的空间动态核密度估计将时间滞后条件纳入制造业绿色竞争力空间关联特征。图8中概率主体分布与图7分布情况相似,说明时间滞后条件的加入未出现显著效用。但与图7相比,图8中概率主体在X<0.4处出现双峰且在Y轴方向上的分布更加集中,说明相邻低水平省份制造业绿色竞争力空间相关性在考虑时间滞后条件后有所增强。如表3所示,在时间跨度下,西部地区制造业绿色竞争力空间静态核密度与空间动态核密度一致,说明随着时间推移,地区间绿色要素流动藩篱依旧存在;东部地区分布形态一方面说明低水平省份长期受相邻高水平省份“扶持”,另一方面说明高水平省份绿色要素冗余导致溢出效应触及“天花板”;中部地区空间溢出效应较弱,说明中部地区空间溢出效应随时间推移逐步被抵消。原因可能在于,中部地区制造体系较为“封闭”,产业关联度低、链条短, 导致省域间制造业长期空间交互行为缺失,绿色要素流动受到“压制”。

2.5 中国制造业绿色竞争力长期演进趋势预测

与核密度估计方法相比,马尔可夫链分析方法能显示各地区制造业绿色竞争力水平转移方向和概率。因此,本研究将中国内地30个省份制造业绿色竞争力指数划分为4个等级:低水平(0～25%)、中低水平(25%～50%)、中高水平(50%～75%)、高水平(75%～100%),预测中国制造业绿色竞争力动态演进趋势,对核密度估计结果予以补充。

2.5.1 传统马尔可夫链

表4给出中国制造业绿色竞争力指数传统Markov转移概率矩阵,由表4可知:①转移概率矩阵对角线概率均大于非对角线概率,其中低水平、中低水平、中高水平、高水平省份滞后一年维持原水平的概率分别为88.79%、65.69%、65.14%、87.25%,说明各省份制造业绿色竞争力转移具有维持原有状态的稳定性;②中国制造业绿色竞争力存在 “俱乐部收敛”现象,具体而言,低水平与高水平滞后一年维持原有状态的概率分别为88.76%和87.25%,中低水平与中高水平滞后一年维持原有状态的概率分别为65.69%和65.14%,说明等级类型转移存在“自身锁定”现象;③制造业绿色竞争力很难步入转移“快车道”,等级转移大多发生在对角线上,非对角线上最大值(0.202)仅为对角线上最小值(0.651)的31.03%,且等于0的要素均位于对角线两侧,说明各省份制造业绿色竞争力改善仍处于巩固阶段,短期内无法实现跨越式发展。

图9(a)为整个研究期内中国制造业绿色竞争力等级类型转移的空间分布。从数量看,向上转移省份占全国总数的23.33%,向下转移省份占全国总数的23.33%,而保持平稳状态的省份则占全国总数的53.33%,说明大部分研究样本制造业绿色竞争力状态类型趋于稳定。从空间分布看,向上转移省份主要集中在西南地区的四川、重庆和东部地区的河北,向下转移省份主要集中在西北地区的新疆、甘肃和东部地区的山东、辽宁、河南、黑龙江,保持平稳省份则主要集中在中部地区的内蒙古、山西,东部地区的江苏、安徽、浙江,西部地区的云南、贵州。

2.5.2 空间马尔可夫链

图9(b)为邻域环境对区域制造业绿色竞争力的影响,研究期内自身和邻域转移类型相同省份占比为43.33%,其中均向上转移的“高地区”主要集中在四川、重庆,新疆是向下转移的“塌陷区”,自身和邻域状态类型不变省份占绝大多数。在不同邻域条件下,中国制造业绿色竞争力转移概率发生明显改变。例如,当不考虑空间邻域背景时,低水平转为高水平的概率为11.21%,而当与低水平、中低水平、中高水平、高水平省份相邻时,其转移概率分别为 11.11%、6.85%、57.14%、0%。这表明,在考虑邻域背景情况下,中国制造业绿色竞争力转移概率与不考虑邻域背景时存在显著差异。具体而言:①中国制造业绿色竞争力存在“俱乐部收敛”现象,并且高低水平趋同现象愈发明显,这也验证了全国及东、中、西部三大地区制造业绿色竞争力存在多极化发展趋势,中国制造业绿色竞争力类型转移在区域内形成“高高集聚,低低集聚”特征;②空间因素对中国制造业绿色竞争力指数动态转移具有显著影响,邻近效应对本省份制造业绿色竞争力的动态演进影响较大,表现出“邻高提升,邻低抑制”特征,相邻低水平省份会阻碍本省份制造业绿色竞争力提升,甚至会拉低其发展水平,如P22/2(0.047)P34(0.146)。这可能是因为,邻域高水平制造业拥有丰富的资本、技术和人才优势,通过“扩散效应”对增强本地区制造业绿色竞争力起到一定促进作用。

2.5.3 马尔可夫链预测

进一步,本文对中国制造业绿色竞争力各种状态类型在t→∞次转移后的极限分布求解,利用传统和空间Markov概率转移矩阵测算两种背景下的极限分布,并与初始状态进行对比,探究中国制造业绿色竞争力长期演进发展趋势。如表6所示,在不考虑空间滞后条件下,求解极限分布状态与初始状态相比,不同状态类型表现出不同特征,处在低、中低水平类型省份数量逐渐减少,省份向上转移较高水平和高水平概率为28.05%、35.60%;而处在中高、高水平类型省份数量显著增加,省份向下转移较低及以下水平类型概率为14.96%、21.40%。这表明,中国各省份制造业绿色竞争力状态类型长期看具有上档升级态势,逐步由低状态类型向高状态类型转移。在考虑空间滞后条件下,中国制造业绿色竞争力转移矩阵极限分布存在显著差异,当与制造业绿色竞争力低水平类型省份为邻时,制造业绿色竞争力随时间推移呈现出由低到高的持续增强趋势。而当与制造业绿色竞争力较高及以上水平类型省份为邻时,制造业绿色竞争力类型为中高、高水平数量(13.88%和72.27%、46%和52%)高于低与中低水平数量(3.78%和10.07%、0%和2%)。总体而言,制造业绿色竞争力随时间推移逐步提升,呈现向高值集中分布趋势,说明未来制造业在新发展理念与新型工业化道路引领下,通过持续完善工艺、改进产品、提升质量和创新服务,不仅能降耗增效,推动制造业向集约型方向转变,而且“惠民生”与“稳就业”成为制造业未来发展主旋律之一,进而助力可持续发展目标的实现。

3 结论与启示

3.1 研究结论

本文运用“纵横向”拉开档次法对2006—2020年全国和东、中、西三大地区制造业绿色竞争力进行测算,采用Dagum基尼系数、障碍因子诊断模型、Kernel密度估计及Markov链分析方法对全国和东、中、西三大地区制造业绿色竞争力地区差异、障碍因素、分布动态及趋势预测进行分析,得出以下结论:

(1)中国制造业绿色竞争力整体呈上升趋势,大致经历了波动调整期、平稳增长期和起伏换挡期3个阶段,展现出“东部领先、中部居中、西部落后”的分布格局。此外,全国和东、中、西三大地区制造业绿色竞争力呈现较强的偏态性分布特征。中国制造业绿色竞争力总体基尼系数呈下降趋势,组间差异是导致制造业绿色竞争力总体差异的主要原因,其中东部与西部区域间差异呈显著扩大趋势。障碍因素诊断结果表明,制造业煤炭消耗占能源消耗总量的比重是主要障碍因子。

(2)从动态演进过程看,中国制造业绿色竞争力具有较强的路径依赖特征,当期较高的绿色竞争力可能会推动后期绿色竞争力持续提升。在空间条件下,静态与动态估计结果存在一定差异,静态条件下制造业绿色竞争力表现出一定的正向空间相关性,时间因素的加入并未对中国制造业绿色竞争力概率主体分布位置、分布形态产生明显效用,动态条件下东、中、西部三大地区空间溢出效应不同。

(3)传统Markov链分析表明,中国各省份制造业绿色竞争力发展趋势较为稳定,且发生跨越式转移的概率较低;空间Markov链分析表明,中国制造业绿色竞争力存在“俱乐部收敛”现象,表现出“邻高提升,邻低抑制”特征。从长期演变趋势看,中国制造业绿色竞争力未来发展随时间推移而逐步提升,呈现向高值集中分布趋势,且不同邻域状态类型对区域制造业绿色竞争力演变的影响具有异质性。

3.2 政策启示

根据上述研究结论,本文提出如下政策启示:

(1)践行“绿水青山就是金山银山”的发展理念,采取“纵向发展、横向协同”的治理思路。首先以“绿色制造”为基点推动纵深发展,在既有产业基础和资源禀赋下摒弃粗放型发展模式,遏制“两高一资”项目盲目发展,占领产业绿色发展高地,将制造业“质”与“量”协同发展纳入重点考量范围。重视工业增长过程中制造业绿色演变历程,把握工业增长与制造业绿色承载力变迁的内在关联性,构建高效、清洁、低碳、合理的绿色制造体系,满足制造业“新型化”要求,探究制造业发展趋势、发展速率和发展布局。其次,以“协调联动”模式推动横向互惠发展,调整优化制造业重大生产力布局,扎实推进中国工业现代化进程,坚持市场引导与政府引导耦合机制“自上而下”与“自下而上”驱动模式的良性互动。注重区域组内与组间制造业绿色竞争力平衡发展,注重突破西部地区内部差异,同时把控“东部—西部”差距增速。再次,各地区省份间制造业绿色竞争力发展相对孤立,合理优化绿色要素配置与流动,借助产业转移、技术扶持、资本注入等渠道,充分发挥制造业绿色竞争力高水平地区对邻近区域的辐射作用,打破原有区域发展壁垒和要素流动藩篱,实现各经济板块协同攻关、各扬所长,加快建成优势互补的制造业区域均衡发展格局。

(2)聚焦短板、因地制宜。中国不同区域制造业绿色竞争力发展各具特点。因此,应采取“纵向发展、横向协同”治理思路,聚焦短板,因地制宜提升制造业绿色竞争力。东部地区制造业应依托规模优势,发挥人流、物流和信息流等要素集聚对制造业绿色竞争力的驱动作用,一方面以“生产模式升级”和“生产要素升级”为抓手,加快战略性新兴产业与前沿技术产业发展步伐,推动制造业高端化和绿色化发展。另一方面,按照“循环链接”思路,强化区域内部高水平省份交流机制,使其成为中国制造业绿色发展先行区。中部地区制造业拥有一定产业规模基础,但产业结构重型化特征明显、绿色制造技术装备创新能力和品牌发展意识薄弱,应在夯实当前制造业规模的基础上制定明确的“三高”工艺、技术和装备淘汰目录,增强品牌保护意识,降低附加值产业比重,加快由政府主导的单一规制模式向多类型联合规制模式转变。西部地区在有序促进制造业经济增长的基础上,一方面要重视资源节约与循环利用,规范清洁生产步骤,重点加强煤化工、装备制造、冶金产业污染防控工作与技术改造,并以“川渝地区”为战略基点加快打造西部地区制造业绿色发展增长极。另一方面,还应合理评估自身制造业承载水平,建立并完善生态补偿机制,杜绝补偿标准“一刀切”问题,发挥政府与市场协同作用,促进当地制造业绿色集约化发展。

参考文献：

[1] PORTER M E,CLAAS V D L. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives,1995, 9(4): 97-118.

[2] PORTER M E,VAN D L C. Green and competitive: ending the stalemate[J]. Harvard Business Review,1995, 8(6): 120-134.

[3] LI Y, ZHANG M. Green manufacturing and environmental productivity growth[J]. Industrial Management &Data Systems, 2018,118(6): 1303-1319.

[4] GUNASEKARAN A, SUBRAMANIAN N, YUSUF Y. Strategies and practices for inclusive manufacturing: twenty-first-century sustainable manufacturing competitiveness[J]. International Journal of Computer Integrated Manufacturing, 2018, 31(6): 490-493.

[5] HAFEZALKOTOB A, ZAMANI S. A multi-product green supply chain under government supervision with price and demand uncertainty[J]. Journal of Industrial Engineering International, 2019, 15(1): 193-206.

[6] YANG H, LI L, LIU Y. The effect of manufacturing intelligence on green innovation performance in China[J]. Technological Forecasting and Social Change, 2022, 178:121569.

[7] 孙薇,侯煜菲,周彩红.制造业绿色竞争力评价与预测——以江苏省为例[J].中国科技论坛,2019,35(4):124-132,141.

[8] 陈运平,黄小勇.区域绿色竞争力影响因子的探索性分析[J].宏观经济研究,2012,34(12):60-67.

[9] WANG Y, HU H, DAI W, et al. Evaluation of industrial green development and industrial green competitiveness: evidence from Chinese urban agglomerations[J]. Ecological Indicators, 2021, 124: 107371.

[10] 李琳,王足.我国区域制造业绿色竞争力评价及动态比较[J]. 经济问题探索,2017,38(1): 68-75.

[11] ZHANG H, GENG Z, YIN R, et al. Regional differences and convergence tendency of green development competitiveness in China[J]. Journal of Cleaner Production, 2020, 254: 119922.

[12] WANG N, ZHANG S J, WANG W. Impact of environmental innovation strategy on green competitiveness:evidence from China[J]. International Journal of Environmental Research and Public Health, 2022, 19(10): 5879.

[13] 杜龙政,赵云辉,陶克涛,等.环境规制、治理转型对绿色竞争力提升的复合效应——基于中国工业的经验证据[J]. 经济研究, 2019, 54(10):106-120.

[14] APPOLLONI A, JABBOUR C J C, D'ADAMO I, et al. Green recovery in the mature manufacturing industry: the role of the green-circular premium and sustainability certification in innovative efforts[J]. Ecological Economics, 2022, 193: 107311.

[15] DOLGE K, AZIS R, LUND P D, et al. Importance of energy efficiency in manufacturing industries for climate and competitiveness[J]. Environmental and Climate Technologies, 2021, 25(1): 306-317.

[16] ZENG W, LI L, HUANG Y. Industrial collaborative agglomeration, marketization, and green innovation: evidence from China′s provincial panel data[J]. Journal of Cleaner Production, 2021, 279: 123598.

[17] ZHAI X, AN Y. Analyzing influencing factors of green transformation in China′s manufacturing industry under environmental regulation: a structural equation model[J]. Journal of Cleaner Production, 2020, 251: 119760.

[18] CHENG X, LONG R, CHEN H, et al. Green competitiveness evaluation of provinces in China based on correlation analysis and fuzzy rough set[J]. Ecological Indicators, 2018, 85: 841-852.

[19] SHANG J, WANG L L. Research on regional industry competitiveness of biomass energy based on entropy weight and TOPSIS[J]. Applied Mechanics &Materials, 2011, 121:4646-4650.

[20] 刘华军,杜广杰.中国经济发展的地区差距与随机收敛检验——基于2000—2013年DMSP/OLS夜间灯光数据[J].数量经济技术经济研究,2017,34(10):43-59.

[21] 刘秉镰,秦文晋.中国经济高质量发展水平的空间格局与动态演进[J].中国软科学,2022,37(1):62-75.

[22] 赵宏波,岳丽,刘雅馨,等.高质量发展目标下黄河流域城市居民生活质量的时空格局及障碍因子[J].地理科学,2021,41(8):1303-1313.

[23] 陈明华,张晓萌,刘玉鑫,等.绿色TFP增长的动态演进及趋势预测——基于中国五大城市群的实证研究[J].南开经济研究,2020,36(1):20-44.

[24] 李廉水,程中华,刘军. 中国制造业“新型化”及其评价研究[J]. 中国工业经济,2015,33(2):63-75.

(责任编辑：王敬敏)