构建测度体系：精明收缩视角下产业园区转型再生

产业园区的收缩主要是针对其功能及效益而言，发生收缩的园区在人口、空间等方面并不一定伴随明显的收缩现象，因此在对产业园区收缩的测度方法进行构建时，不能简单地沿用一些学者已提出的关于城市收缩的测度方法。结合相关参考文献，笔者拟选取要素生产率对产业园区是否发生收缩来进行评判。

要素生产率是衡量整个产业园区发展效率、辨析其未来发展前景的重要参考指标。当园区要素生产率处于上升阶段时，这意味着整个园区集约发展，投入—产出较高，在此情境下园区必然处于蓬勃发展阶段；而当园区要素生产率处于下降阶段时，这意味着整个园区的综合效益下降，投入—产出逐渐降低，园区的低效、无序生产所占比重日益增大，这必然导致短期内产业园区发展面临各种难以解决的问题，收缩将是其不可避免的结果。我们以要素生产率作为产业园区是否发生收缩的评判指标，其中要素生产率下降则代表产业园区发生收缩，要素生产率未下降则反之。

在确定主要评判指标之后，下一步主要是借助数据包络分析（Data Envelopment Analysis，简称DEA）这一方法对构建指标体系进行具体数值的分析。DEA源于统计学，是常见的效率评价方法之一，主要聚焦于相对有效性问题的研究，目前已被广泛运用于数学、运筹学、数理经济学和管理学等领域。相较于传统的效率测算，DEA成功将单投入、单产出的效率测度延展到多投入、多产出的效率测度。数据包络分析的本质就是基于特定的数学模型来评价具有多投入和多产出的独立单元生产的相对有效性，并根据这些独立单元的投入、产出数据的变化判断对其做出有效或无效的判断［48］。相较于其他多投入、多产出的生产函数方法，DEA的优势就是无需进行参数预估，且不同指标无需进行量纲化处理。关于数据包络分析的具体算法，最早是由著名运筹学家查恩斯（Charnes）提出，他在1978年提出了首个DEA算法，即不变规模报酬下的CRS模型。自第一个DEA算法被提出后，学者不断对其进行深化，其他的算法模型和算法原理也不断被提出，规模收益变化（VRS）模型和服务组件架构（SCA）模型等便是其中的典例。其中，CRS模型测度的是综合效率，即不考虑规模收益时的技术效率；VRS模型测度的是纯技术效率，即考虑规模收益变化时的技术效率；SCA模型测度的是规模效率，即考虑规模收益变化时的规模效率。VRS模型和SCA模型测度的结果是CRS模型测度结果的细分。由于我们的研究对象是产业园区的要素生产率，根据各种效率的测度原理及适用范围，这里适宜选择规模报酬不变的CRS模型来进行测算。相较于其他的测度模型，CRS模型不但可以用来专门评价产业园区的要素生产率，还能判断出DEA无效时独立单元投入与产出应采取的调整方向和调整幅度，从而给出达到DEA有效时的投入与产出组合。

在具体算法上，CRS模型以不变规模报酬为前提假设，利用线性组合方式来评估效率，借用包络的概念将所有决策单元（DMU）的投入与产出投射到超平面中，寻找凸点和生产前沿面，从而通过实际生产点和生产前沿面的线性组合比值来衡量各个决策单元的相对效率，其值介于0—1［49］。其基本原理就是假设有n个DMU，DMU都有m种投入和s种产出，则有：(www.xing528.com)

其中，θ为最小的投入组合目标；λj表示n个DMU的某种组合权重；Xj、Yj分别表示各DMU的投入、产出向量；分别表示按某种权重组合的虚构DMU的投入和产出向量；Xjθ和Yjθ表示所评价的第jθ个DMU的投入和产出向量。这个模型的含义就是找n个DMU的某种组合，使得其产出在不低于第jθ个DMU的产出条件下投入尽可能地减小。该模型是从产出不变、投入减小的角度构造的，用于研究投入的有效性。

由于限制式有s+m+n+1个，变数有s+m个，计算非常繁琐，引入松弛变量，松弛变量是指实际值与效率最优值之间的差值，以此来获得投入和产出的改善空间。假设每个DMU均以投入1、投入2来生产单一产出，点I和A均位于等产量曲线上，这两点均具有效率。但是，虽然I和A有相同的产出和相同的投入1，但是I点却比A点多投入和产出2，所以I点相对于A点是无效率的，线段IA称为投入松弛（Imput Slacks）。此时，模型为：

其中，S+、S-分别表示投入和产出的松弛变量，它们也是向量组合。当θ*=VD=1，S*+=S*-=0时，说明不存在虚构的DMU比第jθ个DMU更好，即要保持产出不变，投入不能再减少，表示jθ是有效率的。S*+≠0时，说明第jθ个DMU还有S*+的投入量可以减少，是相对无效率的。