在第一阶段中，利用SBM模型测度出考虑工业生产具有外部性情况下工业生产效率的大小。但第一阶段仅仅能分离出非合意产出，对于其他影响工业效率因素未能进行有效剔除，此时生产效率并不满足工业增长质量的定义。故而在第二阶段需要参考Fried［10］建立SFA模型，分离出其他影响工业效率的因素，重新计算出真实的投入值，使所有省份的工业生产面临同等工业结构、同样的国民素质以及同样的产品质量，进而计算对应省份的工业生产效率，才能满足本文工业增长质量的定义。需要说明的是，第二阶段仅是援用SFA的回归模型，并未满足成本函数的假设，因此在第二阶段测度中没有包含价格变量。

利用第一阶段SBM模型所得数据，得到第一阶段投入的松弛量，令第k个决策单元在第n个投入值为，其差额即松弛量为，则

环境变量与松弛量之间存在着以下关系，即

fn（Zk，βn）是确定可行的松弛量前沿面，βn为对应因变量为第i个投入松弛量时相应的环境变量待估参数向量，Zk为环境变量，一般假设fn（Zk，βn）满足线性关系Zkβn，Vnk+Unk为复合误差项，其中，Vnk是第k个厂商（DMU）在第n个投入时生产过程的随机误差；Unk是第k个厂商（DMU）在第n个投入时，其生产过程中管理无效率的非负随机变量，Vnk与Unk独立不相关。

为调整投入，需要从SFA模型的复合误差项中把随机误差分离出来。根据Jondrow et al.［11］的研究结论，利用JLMS方法，通过管理无效率的条件估计，可得Vnk的估计量(www.daowen.com)

借鉴罗登跃［18］对于的重新估计式，应用JLMS方法推导出管理无效率的估计公式，可得Unk的估计式：

其中X～N+（μ，σ2），即满足0处截断的非负正态分布。

对投入量进行调整，调整后的投入量即全部决策单位调整于相同环境之下的投入量：