礦產資源行業技術創新效率研究

李國柱，韋玉

LI Guo-zhu1, WEI Yu2

1．河北地質大學 經貿學院，河北 石家莊 050031；2．重慶智匯鑫會計師事務所，重慶 401120

1. Hebei GEO University, Shijiazhuang, Hebei 050031；2. Chongqing Zhihuixin Accounting Firm, Chongqing 401120

礦產資源行業技術創新效率研究

李國柱1，韋玉2

LI Guo-zhu1, WEI Yu2

1．河北地質大學 經貿學院，河北 石家莊 050031；2．重慶智匯鑫會計師事務所，重慶 401120

1. Hebei GEO University, Shijiazhuang, Hebei 050031；2. Chongqing Zhihuixin Accounting Firm, Chongqing 401120

基于礦產資源行業九個細分行業2009年—2014年的面板數據，論文利用數據包絡分析模型進行技術創新效率研究，并采用Malmquist進行動態的分析。研究發現：我國礦產資源行業在2009年—2014年間技術創新效率一直比較低；從規模收益來看，大多數都處于規模收益遞增階段；我國礦產資源行業技術創新效率的改善不明顯，改善是由技術創新和技術進步共同的貢獻導致的，其中技術進步改善的貢獻要比技術創新小。最后，論文提出了提高礦產資源行業技術創新效率的對策。

礦產資源行業；技術創新效率；數據包絡分析；Malmquist指數模型

黨的“十八大”將創新發展列為國家發展的首要任務，將創新融入到國家的發展中。習近平總書記在外考察時曾說過“科技創新是牛鼻子”，“抓創新就是抓發展”。這充分體現了創新在我國的發展中占據的重要位置，創新是這個時代的主要潮流。我國不能再走拼投資、拼資源、拼環境的老路，必須通過創新驅動縮小與發達國家的差距。礦產資源行業處于產業鏈頂端，是現代工業的“糧食”，提高礦產資源行業的技術創新率對保持整體經濟的持續健康穩定發展尤為重要。

目前對于技術創新效率的研究主要從企業、區域和行業這三個層面展開。在這三個方向中對企業和區域的研究已經較為成熟，而行業中的創新研究主要是裝備生產、醫藥、高技術等幾個部分，對于礦產資源這方面的研究還比較匱乏。因此對礦產資源行業技術創新效率的研究具有重要的理論意義和實踐價值。

一、研究方法

目前關于技術效率的分析方法主要包括參數方法與非參數方法，參數方法以隨機前沿分析為代表（SFA）[1-3]，非參數方法以數據包絡分析方法（DEA，Data Envelopment Analysis ）為代表[4-10]。SFA研究的是多項投入與單個產出之間的關系，并且SFA在研究之前需要對其生產函數進行估計，會出現因為函數錯誤而導致的偏差。DEA方法可以對多項投入和多項產出的效率進行評估，并且彌補了SFA方法使用時需對生產函數進行預計的缺點，一定程度上具有客觀性；DEA方法中的權重是客觀的，受到人為因素的影響比較小；另外，DEA在測量效率的同時還可以對大小和方向進行改進，這種改進是通過投影來得出的，兩種方法相對比后，DEA要優于SFA。因此本文采用DEA方法進行分析。

數據包絡分析方法由Charnes、Coopor和Rhodes三人于1978年提出，這種方法是一種相對有效的方法，它是將各個決策單元投影到DEA生產前沿面上，根據與生產前沿面的偏差來判斷有效性。

在DEA模型中，具有n個決策單元，記為DMUj（j=1，2，3，…，n）；DMU有m種投入，記為xi（i=1，2，3，…，m），投入的權重表示為vi（i=1，2，3，…，m）；q種產出，記為yr（r=1，2，3，…，q），產出的權重表示為ur（r=1，2，3，…，q）。

對于要測量的DMUj來說，投入產出比表示為：

我們總可以適當的取權系數v和u，使得hj≤1, j=1,…，n。

在評價第jo個決策單元時，hjo越大說明該單元可以在相對較少的投入下獲得較多的產出。CCR線性規劃模型如下：

在DEA模型中，除了從靜態的角度來研究技術創新效率以外，還可以從動態的角度來研究技術創新效率，及Malmquist指數。

Malmquist生產率指數的概念最早源于Malmquist（1954），因此將這一類指數命名為Malmquist指數。Fare R .等人（1992）最早采用DEA的方法計算Malmquist指數，并將Malmquist指數分解為兩個方面的變化，一個是技術效率的變化，另一個是技術進步的變化。

在上式中第一項為技術效率（effch），第二項為技術進步（techch）；所以有tfpch=effch×techch。

二、指標選擇

礦產資源行業是指由礦產資源開采、加工和利用相關活動而構成的產業體系，按照《國民經濟行業分類》（GB/T 4754—2011）的分類標準，結合礦產資源開采和加工環節的關聯性，本課題將礦產資源行業分為以下九個行業：煤炭開采和洗選業；石油和天然氣開采業；黑色金屬礦采選業；有色金屬礦采選業；非金屬礦采選業；石油加工煉焦及核燃料加工業；非金屬礦制品業；黑色金屬冶煉及壓延加工業；有色金屬冶煉及壓延加工業。

為了避免指標選擇上的主觀性，增強科學研究中的可行性與可比性，本文將借鑒文獻研究選擇投入與產出指標。

（一）投入指標的選擇

當前研究對技術創新的投入指標的選取主要是從資本和勞動的投入方面。如王奇珍在以東部十省為例的區域技術創新研究中則選擇了研發經費和研發人員全時當量這兩個指標[11]；馮纓在對江蘇省高技術產業技術創新效率的研究中選擇的投入指標相對來說比較全面，選取了研究產業的R&D經費、科技活動人員、技術經費等指標[5]。本文選擇R&D經費內部支出（X1）和R&D人員全時當量中的研究人員（X2）為投入指標。

R&D經費內部支出（X1）是一種實際支出，該指標主要體現了內部開展的R&D活動的費用，包括直接費用和間接的費用。

R&D人員全時當量中的研究人員（X2）是指在R&D活動中人員的投入，該指標相對于R&D人員全時當量來說，更加能夠反映參與技術創新的人員的貢獻，能夠更加全面的反映在技術創新方面的人力投入，更加具有針對性。

（二）產出指標的選擇

在選擇輸出指標時一般采用產品產值和產品的專利數，以及產品銷售收入等。如王奇珍在以東部十省為例的區域技術創新研究中以新產品產值、新產品銷售收入、申請專利數作為產出指標[11]；馮纓在針對江蘇省的區域技術創新效率研究中以高技術產業擁有專利數和新產品銷售收入作為產出指標[5]。本文在這里選取專利申請數（Y1）和新產品銷售收入作為產出指標（Y2）。

專利數申請數（Y1）是指技術創新的中間產出，該指標所反映的是技術創新活動的直接成果。

新產品銷售收入（Y2）：評價一個產品價值最直接的方式就是市場的銷售數量及收入，若收入高則代表產出高，被市場接受量大，因此我們用Y2來作為產出指標。

本文選取2009年—2014年礦產資源行業九個細分行業的面板數據對技術創新效率進行研究，數據來源于2010年—2015年的《中國科技年鑒》。

三、技術創新效率的計算與分解

（一）創新效率值分析

對礦產資源行業九個行業本文采用了投入向導型DEA模型，計算出來的結果如表1所示。

從整個礦產資源行業來看，在2009年—2014年之間整體的技術創新效率平均值中等偏低，其中2010年的技術創新效率均值最低，只達到了0.435；而2013年的技術創新效率均值最高達到了0.689。經歷了一個由高到低，然后由低到高的變化過程，但是從整體來看，我國礦產資源行業的整體效率水平在升高，技術創新有所提高。

從九個行業來看，在2009年—2014年之間，全國礦產資源行業的技術創新效率各不相同。其中，非金屬礦物制品業的平均技術創新效率最高，這六年的均值達到了0.930；緊隨其后的是有色金屬冶煉及壓延加工業這六年的均值達到了0.803，排名第三的是石油加工煉焦及核燃料加工業，在這六年以來創新效率均值為0.772；并且從表1中可以看出來平均技術創新效率值最低的是石油和天然氣開采業，這六年的均值只有0.242。

表1 2009年—2014年中國礦產資源行業技術創新效率值

（二）規模收益情況分析

對礦產資源行業進行規模收益情況分析，其得出的結果如表2所示。從表2可以看出，盡管在2009年—2014年之間礦產資源行業的規模收益各不一樣，但是大多數行業都處于規模收益遞增階段。煤炭開采和洗選業從2009年—2014年的規模效益一直處于遞增的狀態，沒有出現過規模遞減；石油和天然氣開采業的規模現象在這六年間業一樣也一直處于遞增；有色金屬礦、非金屬礦采選業亦是如此。因此對于這四個行業來說可以加大生產規模，通過生產規模的擴大來提高產品的產出。2014年有色金屬冶煉及壓延加工業和非金屬礦物制品業的規模效益處于規模不變階段，因此對于這兩個行業來說，可以保持現有的投入產出比。黑色金屬、有色金屬冶煉及壓延加工業在2009年到2014年這六年間大部分的規模效益為規模效益遞減，其中黑色金屬冶煉及壓延加工業這六年一直處于規模遞減階段，有色金屬冶煉及壓延加工業頭兩年處于規模遞增階段，但是后面三年處于規模遞減階段，在2014年有所回升處于規模不變階段；這說明我國有色金屬冶煉及壓延加工業在投入資源的利用和管理方面有所提升，正在向規模有效轉變；黑色金屬、有色金屬冶煉及壓延加工業這兩個行業要想提高研發效率不僅要加強研發投入管理，淘汰落后產能也是重要一環，這也恰好和我國目前淘汰鋼鐵等產業落后產能相契合。

表2 2009年—2014年我國礦產資源行業技術創新規模收益情況

（三）創新效率分解分析

本文使用DEAP 2.1軟件對礦產資源行業2009年—2014年的技術創新效率進行了分解分析。

1. 動態分析技術創新效率

Malmquist分析方法將技術創新效率（tfpch或者TFP）分為技術進步（techch）和技術效率（effch）兩個部分，并且進一步的將技術效率分解為純技術效率（pech）和規模效率（sech）兩個部分。表3列出了2009年—2014年這六年間使用Malmquist指數方法得出的分解結果。

從總體上來看，我國礦產資源行業9個行業在2009年—2014年間技術創新效率的動態化平均值為1.056，這說明了我國礦產資源行業在2009年到2014年之間整體的技術創新效率年均改善上升了5.6%。從礦產資源行業整體的技術創新效率變化上看，該指標的提高主要是由技術進步指標上升1.2%和技術效率指標變動4.3%的共同作用，但是技術進步在這六年間只上升了1.2%，而技術效率在這六年間上升了4.3%，所以說技術創新效率指標的上升主要得益于技術效率，技術進步在這里起到了一個輔助性的作用。由于技術效率等于純技術效率和規模效率的乘積，從表3中可以看出這兩個指標的值分別為1.058和0.985，純技術效率在這六年間上升了5.8%，相反規模效率變動在這期間反而下降了1.5%，純技術效率的提升成為推動技術效率提高的主要動力，但是規模效率的下降卻減緩了技術效率的變化。

在2009年—2010年之間，技術創新效率為1.154，提高了15.4%。技術效率提升了33.1%，是對該階段TFP指標的提高有著決定性的作用；但是技術進步下降了13.3%，對技術創新效率的變化起了負面作用。

在2010年—2011年之間，技術創新效率為0.922，這一期間，技術創新效率有了一定的退步（下降了7.8%），這一現象是由技術效率指數下降了16%所造成的，但是技術進步指數的上升（上升了9.8 %）減緩了技術效率指數下降給技術創新效率帶來的不利影響。

表3 我國礦產資源行業各年份平均 Malmquist 指數及其分解

在2011年—2012年之間，TFP指數為1.11，相對于技術創新效率來說，技術效率變動指數給帶來了不利影響（技術效率變動下降了10.9%），而對于技術效率變動指數來說，主要是規模效益（下降了19%）減緩了技術效率變化。

在2012年—2013年間，技術創新效率指數為1.199（上升了19.9%），技術效率提高了19.2%是導致技術創新效率提高的主要因素，而且規模效益26.3%的變動也是促使技術效率變動的主要原因。

在2013年—2014年間，技術創新效率指數為0.925，造成這一現象的主要原因是技術的退步，在2014年技術退步了11.1%。

2. 行業技術創新效率分析

在2009年—2014年之間，礦產資源行業九個行業之中有七個行業的技術創新效率正向增長，占了所評價總體的77.78 %（如表4所示）。

技術創新效率增長的七個行業又分為三種不同的情況：（1）第一種情況是由技術效率和技術進步兩者共同的貢獻來使技術創新效率增長，即兩個指標的值都大于1。符合這個條件的有兩個行業：第一個行業是煤炭開采和洗選業，它的技術進步指數為1.033，技術效率指數為1.112；11.2%和3.3%的提升都對TFP指數的上升有了很大的促進作用，但是相對來說技術效率指數發揮的作用更大。第二個行業是有色金屬礦采選業，它的技術進步僅僅只有0.3%的改變，但是技術效率卻達到了7.2%的改變。（2）第二種情況是靠技術進步來推動技術創新效率的增長，在這種情況下可以根據技術效率指數的值與1的比較將之分為兩種情況：一種是不變（技術效率變動指標值為1），另一種是下降（技術效率變動值小于1）。其中不變的技術效率指數包括兩個行業：第一個是石油和天然氣開采業，它的TFP指標值的上升主要是由于技術進步了13.1%；另外一個行業是黑色金屬礦采選業，它的技術進步指標的值為1.102，提高了10.2%。這兩個行業的現象說明了該行業雖說技術取得了進步，但是技術效率為1說明效率值并沒有得到合適的改善。技術效率指數下降的是非金屬礦采選業（技術效率變動指標值為0.989）。（3）第三種主要是由技術效率變動來提高技術創新效率，在這種情況下只有兩個行業。一個是石油加工煉焦及核燃料加工業，此行業的技術效率增長了7.4%，而技術卻退步了0.5%；另外一個行業是黑色金屬冶煉及壓延加工業，這個行業在此期間的技術效率提高了15.3%，但是與此同時技術進步也退后了6.8%。

剩下的兩個行業中，非金屬礦制品業的TFP指標值為0.933，有色金屬冶煉及壓延加工業的TFP指標值為0.954。這說明這兩個行業的技術創新效率的增長率為負值。非金屬礦制品業技術創新效率值小于1的原因主要是技術效率（0.982）和技術進步（0.95）兩個指標值都小于1，其中技術效率下降1.8%和技術退步5%。顯而易見，技術的退步和技術效率的下降都給該行業的技術創新效率帶來了一定的負面影響，相對這兩個負面影響因素來說技術退步帶來的影響更加惡劣。有色金屬冶煉及壓延加工業的技術創新效率為負，主要是技術進步指標的原因造成的。技術效率指標增加1.9%，但是技術退步6.4%，1.9%的技術效率的提升不足以彌補6.4%的技術退步所帶來的影響。

從整體上來看，在九個行業中，有五個行業的規模效率指數均小于1，占了總評價指標的55.56%。這五個行業中除了煤炭開采和洗選業屬于采礦業以外，剩余的四個行業均是屬于制造業，如黑色金屬冶煉及壓延加工業等。規模效率指數小于1說明了這五個行業現在經營的生產規模并不是最優的，應該減小現有規模，加強企業間的管理。

表4 2009年—2014年我國礦產資源行業9個子行業年均Malmquist指數及其分解

四、結論與對策建議

（一）研究結論

根據上文分析可以得出以下的結論：一是我國礦產資源行業技術創新效率水平整體比較低，技術創新效率值從2009年—2014年處于一個波動狀態，但是整體有上升的趨勢；二是我國礦產資源行業大部分處于規模收益遞增階段，這說明我國的創新投入得到了有效利用；三是從效率變化的時序上看，在考察期間，我國礦產資源行業的技術創新效率的變化存在著先降后升的趨勢；四是礦產資源行業技術創新效率之間存在著一定的差異，其中占比77.78%的七個行業的技術創新效率大于1；五是從整體上看，技術創新效率在這六年間的變動主要是靠技術效率的增長拉動的，雖然技術進步也有貢獻，但是相對來說起主導作用的還是技術效率。

（二）對策建議

1. 提高資源利用率

礦產資源屬于非可再生資源，應該在現有的條件下，通過提高技術來提高資源的利用率，讓有限的資源得到合理的利用。各行業可以通過提高技術加快產業升級來提高新產品銷售收入和新產品產值。

2. 重視人才的作用

從事技術和研發的人才在技術創新中顯得尤為重要，國家應激勵先進技術的發展，注重發展科技人員的作用，并應強化對專業技術人員的培訓，鼓勵產品或者技術的創新。十八屆五中全會已經將創新作為我國的發展理念之一，所以應該將此理念落到實處。

3. 加大技術投入

礦產資源企業中小型企業占比較多，企業存在著采選礦及加工技術粗糙、采取非機械進行采礦導致人員投入較多、采礦量少等情況，礦產資源行業應該在技術創新設備等方面進行投入研究，在加工和采選方面提高技術水平，通過技術進步來減少人員的投入，來提高礦產的質量和數量。企業可以根據自身綜合實力采用自主研發或技術引進、消化和吸收等方式。

4. 壓減過剩產能

大部分礦產資源行業處于規模收益遞增階段，但是也有處于規模遞減的。在使用Malmquist指數分析方法分析時，有五個行業的規模效率指數小于1。對于規模遞減和規模效率指數小于1的行業，應該減小規模，在生產和管理的各個方面進行有效的調節，以提高生產效率。近年來，我國一直執行對煤炭和鋼鐵行業進行壓減產能的政策，而且最近還提出了將在最近兩年對這些行業的產能再壓減10%。我國現在強調的是“瘦身健體”“提質增效”，也就是說減小產業規模、提高行業的競爭力、對產品質量進行改善、增加企業的效率。對礦產資源行業規模效率指數小于1的行業進行規模縮減提高生產率，符合我國現有的政策要求。

[1] 戴卓，代紅梅. 中國工業行業的技術創新效率研究——基于隨機前沿模型[J]. 經濟經緯，2012（4）：90-94.

[2] 項武本. 中國工業行業技術創新效率研究[J]. 科研管理，2011（1）：10-14.

[3] 牛澤東，張倩肖. 中國裝備制造業的技術創新效率研究[J].數量經濟技術經濟研究，2012（11）：51-67.

[4] 孫凱，李煜華. 我國各省市技術創新效率分析與比較[J]. 中國科技論壇，2007（11）：8-11.

[5] 馮纓，滕家佳. 江蘇省高技術產業技術創新效率評價[J]. 科學學與科學技術管理，2010（8）：107-112.

[6] 代碧波，孫東升，姚鳳閣. 我國制造業技術創新效率的變動及其影響因素——基于2001年到2008年29個行業的面板數據[J]. 情報雜志，2012（3）：185-191.

[7] 張慶. 高技術產業技術創新效率研究[D]. 武漢：華中科技大學，2013.

[8] HAK‐YEON LEE, YONG‐TAE PARK. An international comparison of R&D efficiency: DEA approach[J]. Asian Journal of Technology Innovation, 2005, 13(13):207-222.

[9] WANG E C, HUANG W. Relative efficiency of R&D activities: A cross-country study accounting for environmental factors in the DEA approach[J]. Research Policy, 2007, 36(2):260-273.

[10] SEEMA SHARMA, V J THOMAS. Inter-country R&D efficiency analysis: An application of data envelopment analysis[J]. Scientometrics, 2008, 76(3): 483-501.

[11] 王奇珍，朱英明，楊連盛. 基于DEA的區域技術創新效率研究——以東部十省市為例[J]. 南京理工大學學報（社會科學版），2014（2）：19-26.

（責任編輯：周吉光）

Research on Technology Innovation Efficiency of Mineral Resources Industry

Based on thepanel data from 2009 to 2013 of mineral resources industry nine subdivision industry, the article makes an analysis on the technological innovation efficiency by DEA model, and makes a Malmquist analysis by using dynamic analysis.It is found that: the technical innovation efficiency of the mineral resources industry in this six years has been relatively low; from the point of return to scale, most of them are in the stage of increasing return to scale; the improvement of the technical innovation efficiency in the mineral resources industry is not obvious, and the improvement is result by technology innovation and technology progress which the contribution of technology innovation is smaller than technological progress . Finally, the countermeasures are put forward to improve the efficiency of technology innovation in mineral resources industry.

mineral resources industry; technical innovation efficiency; DEA; Malmquist index model

F062.1

A

1007-6875(2017)01-0085-06

??日期：2017-01-23

10.13937/j.cnki.hbdzdxxb.2017.01.009

河北省社會科學基金項目“河北省科技創新能力評價及提升路徑研究”（HB16YJ023）。

李國柱（1971—），男，回族，河北滄州人，經濟學博士，教授，碩士研究生導師，現任河北地質大學經貿學院副院長，主要從事計量經濟理論與方法研究。