科技創新與礦業經濟高質量發展研究
——基于礦產資源產業差異視角

成金華， 左芝鯉*， 李詠麟

(1.中國地質大學(武漢)經濟管理學院， 武漢 430074；2.中國地質大學(武漢)資源環境經濟研究中心， 武漢 430074)

礦產資源是人類社會賴以生存和發展的重要物質基礎.礦產資源供給了人類95%以上的能源，80%以上的工業原料，70%以上的農業生產原料，礦業支撐了我國70%以上的國民經濟運轉[1].在經濟發展新常態背景下，我國正面臨著發展轉型、增速換擋、產業結構調整等眾多挑戰，而科技創新則是引領經濟高質量發展的核心驅動力.雖然礦業作為傳統行業之一，但其高質量發展必定離不開現代高新技術的推動，礦業的發展歷程一定是科技持續進步的過程.十九屆五中全會中明確提出保障能源和戰略性礦產資源安全，確保國家經濟安全，科技創新正是破解資源開發利用難題和保障資源安全可靠供應的根本之策.在此背景下，探索科技創新與礦業高質量發展的平衡點，尋求產業健康發展新出發點，對于我國經濟發展與國家安全具有重要意義.

經濟高質量發展在2017年黨的十九大首次提出，中國經濟由高速增長階段轉向高質量發展階段.新時代下的高質量發展必須是效率和質量導向的，即體現質量第一、效率優先，以實現更高質量、更有效率、更加公平、更可持續的發展[2].熊彼特[3](Schumpeter J A)是第一位提出創新理論并將其應用于經濟發展理論的經濟學家，他指出創新是經濟發展最本質的屬性且創新是一種創造性破壞.孫祁祥和周新發[4]指出科技創新與經濟高質量發展之間存在復雜的聯系，主要包括微觀、中觀和宏觀三個層面.其中，微觀層面包括企業、高校、科研院所等機構；中觀層面包括產業鏈、價值鏈和區域科技創新增長極；宏觀層面為中國科技在世界的總體競爭力水平.而技術進步對礦產資源行業的開發利用起著主導作用，它推動了我國礦產資源的空間流動和轉移，極大地增強了我國礦業的核心競爭能力.因此，強調科技創新與促進技術進步是我國礦業經濟高質量發展的關鍵，而如何測算礦業科技創新效率就顯得極其重要.

Afriat[5]于1972年首次提出了科技創新效率，他認為若一個可行的投入產出向量效率在技術上有效，則可指代研發科技創新活動中的技術效率.科技創新效率的評價與測度逐漸成為衡量各行業或地區科技資源配置和發展水平的重要指標.國內外關于科技創新效率的研究大多基于科技創新的投入與產出的指標分析，從研究方法上來看，主要有基于非參數理論的數據包絡分析法(data envelopment analysis，DEA)和基于數學規劃的參數方法——隨機前沿生產函數法(stochastic frontier approach，SFA)兩類.從評價對象上來看，國內外學者多圍繞行業、區域和企業三個層面展開研究.在行業層面，Sun等[6]利用隨機前沿分析測度了韓國制造業的技術創新效率并進行比較分析.Tingley等[7]利用SFA和DEA模型測算了英吉利海峽漁業生產的技術創新效率，并采用Tobit回歸模型分析了影響技術效率的主要因素.董明濤[8]基于CCR的DEA模型測度了2009年—2011年我國農業科技創新配置效率，并建立個體固定效應模型分析其影響因素.方福前和張平[9]利用DEA模型測算了2001年—2006年我國14個高科技行業的科技創新效率，并通過投影分析法分析了部分行業的投入過剩和產出不足.牛澤東等[10]基于隨機前沿分析法測算了1997年—2010年我國裝備制造業7個子行業的技術創新效率，并用無效率方程對其影響因素進行分析.在區域層面，錢麗等[11]基于共同前沿理論，利用CCR-BCC的兩階段DEA模型測度分析了我國2003年—2010年各省份企業綠色科技研發和成果轉化效率，并對其影響因素進行分析.Wang等[12]采用三階段DEA模型測算了30個國家的科技創新效率，并用Tobit回歸模型控制外部環境.史修松等[13]運用隨機前沿分析方法測算并分析了中國29個省份的區域創新效率及其空間差異.在企業層面，Zhang等[14]采用隨機前沿分析法分析了中國8 341家大中型企業1995年的研發效率問題.池仁勇[15]通過對浙江省200多家大中小企業進行問卷調查，利用數據包絡分析方法測算其技術創新效率，并對影響因素進行回歸檢驗.

綜上所述，現有的研究中針對科技創新對礦產資源行業影響的研究較少，大多采用截面數據研究區域科技創新效率問題，在其動態變化趨勢和時滯效應的研究上有待深入.此外，現有的研究對科技創新投入的冗余分析有所欠缺，使得資源合理配置問題尚未解決.本文相較于已有研究，主要從以下幾部分進行深入拓展：1) 本文選用礦產資源行業5個主要子產業2011年—2019年的面板數據，采用規模報酬可變的兩階段DEA模型，對科技創新投入產出過程中的時滯性加以考慮；2) 基于效率評價結果，用Malmquist指數將礦業科技創新效率分解為純技術效率和規模效率兩個部分，對其動態演化趨勢和靜態效率進行了對比分析；3) 對礦產資源行業相關的科技成果產出與成果轉化兩個階段的效率進行優化分析，測算出投入冗余和產出不足，并探究了效率損失的原因，并給出了相應的對策建議.

1 研究方法與指標選取

1.1 模型構建

DEA方法是運用線性規劃來測算效率，不需要確定指標權重和統一指標量綱，能夠有效處理多投入多產出問題，在效率測度上具有優勢[16].其中，兩階段DEA模型充分考慮了投入產出的中間過程，能夠得到科技創新投入產出過程中不同階段對整體效率的影響情況[17].

本研究將科技創新對采礦業發展的影響過程劃分成兩個階段，即產出階段和轉化階段.通過構建兩階段DEA模型，分別測度其不同階段下的科技創新效率，為實現采礦業的高質量發展提供理論依據.其中，第一階段測度與各產業相關的R&D人力投入、R&D經費投入等要素而產出科技成果的效率，該階段體現的是科技成果產出效率；第二階段測度的是科技成果的轉化效率，指將第一階段的產出進行轉化以實現其經濟價值，通過將所產生的成果產品化，并將科技創新成果應用到礦產資源產業的方方面面，從而促進采礦業高質量發展.

第一階段是以投入最小化產出最大化為目標，評價指標為投入—產出效率：

(1)

將公式(1)運用Charnes-Cooper變換[18]可得：

(2)

式中，ωi，λd分別為第一階段投入指標和產出指標的權重系數，η1為不受約束的實時變量.若η1等于零，則決策單元是生產規模最優狀態，表示規模報酬不變，若η1不等于零，則決策單元處于規模遞減或遞增狀態.

第二階段是以產出最大化投入最小化為目標，評價指標為產出-投入效率：

(3)

式中，

通過Charnes-Cooper變換對公式(3)進行轉換，可以得到最終模型(4)：

(4)

式中，λd，uk分別為第一階段投入指標和產出指標的權重系數，η2為不受約束的實時變量.若η2等于零，則決策單元是生產規模最優狀態，表示規模報酬不變，若η2不等于零，則決策單元處于規模遞減或遞增狀態.

為了比較各時期的消費水平波動變化，Sten Malmquist[19]于1953年提出了Malmquist 指數.而后Caves[20]通過引入方向距離函數構建全要素生產率(TFP)波動的指標.Fare[21]首次利用數據包絡分析對TFP指數進行測度，同時構造出FGNZ[22]分解模型，將Malmquist 指數分解為規模效率變化(SEC)、技術效率變化(TEC)和技術進步(TC)指數.隨后，Ray和Desli[23]對其分解模型加以修訂，增強了模型解釋力，構建出RD分解模型.

DEA-Malmquist指數模型不同與以往的靜態DEA分析，它可以分析全要素生產率的變化及其各分解因素對全要素生產率變化的影響.利用該模型，首先根據投入產出數據構造出生產前沿面函數，通過數據包絡分析的非參數理論對距離函數進行求解，求出各個決策單元(DMU)在相鄰時期內到生產前沿的距離，以此作為不同時期TFP的變化.全要素生產率變動指數(ITFPCH)的計算公式如下所示：

ITFPCH，

(5)

式中，在t時期和t+1時期的投入和產出向量分別用xt，yt，xt+1，yt+1表示；dt(xt，yt)，dt+1(xt+1，yt+1)分別代表第t期和第t+1期距離函數.

當ITFPCH值小于1時表示全要素生產率減少，創新效率下降；當ITFPCH大于1時表示全要素生產率增加，創新效率提升.假設規模報酬不變，ITPFCH可分解得到綜合技術效率指數(IEC)和技術進步指數(ITC)兩個部分，其分解過程如下：

Mt，t+1=IEC×ITC，

(6)

其中，

IEC指各個DMU從t到t+1期與生產前沿面的距離遠近.當IEC大于1時，綜合技術效率減小，表示比前期更接近生產前沿面.ITC指最優生產前沿面的邊界的變動.當ITC大于1時，表明生產前沿面向上提升.假設規模報酬可變，IEC能分解得到IPEC和ISEC，其分解過程如下：

IEC=IPEC×ISEC，

(7)

其中，

式中，c和v分別表示規模報酬不變和規模報酬可變兩種情況.

1.2 指標選取

根據2011年國民經濟行業分類標準，采礦業包括煤炭開采與洗選業、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、開采專業及輔助性活動和其他采礦業7大類，考慮到數據可得性和產業特殊性，本研究僅選取主要的煤炭開采與洗選業、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、非金屬礦采選業這五大產業作為研究單元.根據已有研究中的指標選取[24-25]，同時考慮到數據的可獲取、全面、合理等要求，最終采用兩階段DEA模型選擇的產出指標描述如下.

通過參考相關研究文獻的指標[24-25]，結合指標數據的可得性、全面性及指標依據的合理性，確定兩階段DEA模型中涉及的各階段的投入產出指標.

將成果產出階段作為第一階段，在此過程中，礦產資源產業相關的科技創新要素投入產出為科技成果.投入指標包括各產業R&D項目數、各產業R&D人員數和各產業R&D經費投入，產出指標主要包括發表科技論文數量及有效發明專利數量.將成果轉化階段作為第二階段，在此過程中，相應的科技創新成果轉化為生產得到的經濟效益.投入指標為第一階段的產出指標，產出指標為新產品銷售收入，新產品銷售收入是衡量創新績效的常用指標[26-27]，其反映了產業的創新市場價值.投入產出框架如圖1所示.

圖1 兩階段DEA投入-產出框架圖Fig.1 Two-stage DEA input-output framework

1.3 數據來源

本文選取2011年—2019年采礦業中煤炭開采與洗選業、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、非金屬礦采選業這五大產業為研究對象，相關數據來源于2011年—2019年《中國科技統計年鑒》《中國高技術產業統計年鑒》《中國統計年鑒》、EPS數據平臺、國家知識產權局專利檢索及分析系統等，數據分布如圖2所示.

2 實證分析

2.1 技術創新對礦產資源產業影響的效率評價

本文通過投入導向型和產出導向型的DEA-BCC模型，借助DEA-SOLVER軟件，對兩個階段的面板數據進行測算，并在模型中考慮超效率，最終分階段評價科技創新對礦產資源產業的影響，并得到各產業各個階段的綜合效率、純技術效率、規模效率，結果如表1所示.

科技成果產出階段：就綜合效率而言，五大產業的排名如下：黑色金屬礦采選業>非金屬礦采選業>有色金屬礦采選業>石油和天然氣采選業>煤炭開采和洗選業.其中，僅黑色金屬礦采選業的綜合效率均值實現了DEA有效，煤炭開采和洗選業、石油和天然氣采選業、有色金屬礦采選業、非金屬礦采選業的綜合效率較低，尚未實現DEA有效.就純技術效率均值而言，煤炭開采和洗選業、石油和天然氣采選業、黑色金屬礦采選業均超過了1，這說明這三個產業在投入要素的使用上是合理的，實現了技術DEA有效.盡管煤炭開采和洗選業、石油和天然氣采選業、黑色金屬礦采選業這三個產業的技術DEA有效，但是其規模無效是導致其綜合效率水平未能實現DEA有效的原因.此外，有色金屬礦采選業和非金屬礦采選業都處于規模效應遞增狀態，這在一定程度上彌補了由于技術效率不足所導致的綜合效率低下的問題，使得其綜合效率排名靠前.

科技成果轉化階段：就綜合效率而言，五大產業的排名如下：有色金屬礦采選業>煤炭開采和洗選業>非金屬礦采選業>黑色金屬礦采選業>石油和天然氣采選業.其中，有色金屬礦采選業和煤炭開采和洗選業的綜合效率均值實現了DEA有效.就純技術效率均值而言，煤炭開采和洗選業的純技術效率均值為5.28，這反映了煤炭開采和洗選業的科技成果投入實現了有效的經濟產出，同時，這也規避了其規模效率較低所引起的DEA無效問題.此外，盡管石油和天然氣采選業和黑色金屬礦采選業的規模效率較高，但其純技術效率較低是引起其DEA無效的主要原因.綜上，可以說明技術因素和規模因素是導致不同礦產資源行業科技成果產出及轉化DEA無效的主要原因.

注：X1、X2、X3、Y1、Y2、Z1分別代表R&D項目數、R&D人員數、R&D投入經費、發表科技論文篇數、有效發明專利數及新產品銷售收入.圖2 原始數據分布圖Fig.2 The distribution of raw data

產業年份第一階段第二階段綜合效率純技術效率規模效率規模效應綜合效率純技術效率規模效率規模效應2011年0.141.000.14-2.9016.670.17drs2012年0.151.000.15-0.573.190.18drs2013年0.191.000.19-0.653.660.18drs2014年0.301.000.30-1.257.000.18drs煤炭開采和洗選業2015年0.371.000.37-0.763.850.20drs2016年0.401.000.40-0.392.170.18drs2017年0.291.000.29-1.044.250.24drs2018年0.391.000.39-1.234.190.29drs2019年0.501.000.50-0.782.500.31drs均值0.301.000.301.065.280.21

續表1

為了更直觀表示各階段的效率值及綜合效率值的時間動態演化過程，對其繪制了直方圖，結果如圖3所示.通過對比兩階段綜合效率值，可以發現石油和天然氣開采業及黑色金屬礦采選業的科技成果產出效率遠遠高于科技成果轉化效率，這在一方面說明其充分利用了科技投入實現了科技成果的高效產出，在產出階段能夠充分發揮科技創新的“后發優勢”，在轉化階段由于自身資源和應用能力的局限性，導致其科技成果轉化效率值低于產出效率，且處于DEA無效.因此要注意增加轉化階段的投入，通過合理的資源配置實現科技成果的落地與應用，提升產業的創新績效，推動產業的高質量發展.此外，有色金屬礦采選業和黑色金屬礦采選業的綜合效率逐年遞增，這是由于國家對金屬礦采選業的重點扶持，相繼出臺了一系列政策、規劃對金屬礦采選業進行宏觀調控，其中，控制總量發展、對落后企業進行淘汰、改進技術和優化產業的布局等措施進一步增強了企業國際競爭力，并促進相關產業和國民經濟平穩較快發展.有色金屬工業作為國家“十二五”規劃中重點強調的行業，要求在總量控制、產品結構優化和技術研發等方面取得新的進展.這些產業政策的提供為金屬礦采選業的發展提供了良好的機會.

圖3 五大礦產資源產業的分階段效率值Fig.3 Staged efficiency values of the five major mining industries

研究采用兩階段綜合效率的平均值作為劃分的標準，分別按綜合效率0.61和1.00 劃分高低區域，可以分為I類高產出效率—高轉化效率；II類高轉化效率—低產出效率；III類低產出效率—低轉化效率；IV類高產出效率—低轉化效率，如圖4所示.其中，有色金屬礦采選業和煤炭開采和洗選業為II類，非金屬礦采選業和石油和天然氣采選業為III類，黑色金屬礦采選業為IV類，沒有產業分布在I類，表明我國礦產資源產業發展不均衡問題較為突出，礦產資源采選業各行業發展水平不高.一方面，是由于我國產業創新能力較弱，采、選、加工工藝與國際先進水平存在較大差距.此外，長期粗放式開采導致資源環境破壞嚴重，經濟效益低下，“小散亂”的產業結構使得礦產資源行業的整體競爭力較弱，規模效益較差[28].同時，礦山所有權的模糊界定和礦產資源管理體制的缺陷使得資源開采門檻較低，容易導致據點割裂式資源開采，這樣的開采方式在很大程度上影響著產業的健康發展，一方面會割裂礦產資源產業鏈條的完整性，制約產業鏈的延伸和集群化發展.另一方面，對礦山企業規模效應的形成具有阻滯性，導致企業結構不合理，集約化水平不高，企業實力不強，經濟效益不高[29].

圖4 2011年—2019年礦產資源五大產業 成果產出效率—成果轉化效率分布Fig.4 The distribution of the output efficiency and the transformation efficiency of five major mining industries from 2011 to 2019

2.2 基于Malmquist指數的全要素生產率變化分解

通過將DEA模型與Malmquist指數相結合，并對礦產資源產業進行分析，能夠對礦業科技創新效率進行動態分析，探究其中的驅動力因素和演化趨勢，為學界相關研究和政府提供理論實踐.Malmquist指數及其分解出的EC和TC皆為相鄰兩期比較計算出來的，將2011年—2019年的面板數據進行測算，得到TFP值及其分解值如表3所示.

表3 不同階段的要素投入和產出的年均值松弛調整比例(2011年—2019年)Tab.3 The annual average slack adjustment ratio of the input and output in the two stages (2011-2019) %

運用Malmquist指數可以對礦產資源產業的動態效率進行評價，并探究其中的驅動力和演化趨勢，能夠為政府部門及相關學者提供參考借鑒.表2根據2011年—2019年的面板數據測算出了8個相鄰年度的結果，得到了礦產資源產業兩階段的全要素生產率.

表2 五大產業全要素生產率分解效率變動值(2011年—2019年)Tab.2 Changes in the total factor productivity efficiency of the five major mining industries (2011-2019)

成果產出階段，五大產業的全要素生產率均大于1，各產業全要素生產率(TFP)略有波動，2011年—2019年間，煤炭開采和洗選業、黑色金屬礦采選業和有色金屬礦采選業增長了0.94%、9.09%、22.44%，石油和天然氣采選業和非金屬礦采選業下降了16%和5.35%.這說明石油和天然氣采選業及非金屬礦采選業的投入、產出的TFP呈現出不良狀況.通過Malmquist指數法進一步分解可得，石油和天然氣采選業中的技術效率年均增長了19.44%，技術進步率減少了18.62%，可見技術進步在較大程度上阻礙了TFP的增長，技術效率是促進TFP增長的動力源泉.其中，由于技術效率對TFP的“拖累效應”導致石油和天然氣采選業的Malmquist指數呈負增長.此外，非金屬礦采選業的技術效率年均減少5.83%，技術進步率增長了0.09%，該產業的TFP的降低主要受到技術效率的降低所導致，存在“拖累效應”.成果轉化階段，煤炭開采和洗選業及非金屬礦采選業的TFP小于1，且均低于成果產出階段，表明這兩個產業在將創新成果變現為經濟效益的能力上較為薄弱.其中，煤炭開采和洗選業的TFP年均下降了41.67.此外，石油和天然氣采選業的TFP翻了6倍，其技術效率翻了13倍，這表明該產業技術效率的大幅度提升給產業的均衡發展帶來了機遇.

從變化趨勢看， 礦產資源產業的全要素生產率、技術進步、技術效率存在較大差異，影響全要素生產率變動的驅動因素有所不同.此外，技術效率和技術進步率存在顯著的背離關系，即存在“偏科”現象[30].由于我國礦產資源產業的技術進步與技術效率之間存在明顯的負向關聯，且二者存在抵消效應，從而導致礦產資源產業全要素生產率的負向增長， 同時也反映出當前礦產資源產業對現有技術成果的產出與轉化有待深化.

2.3 技術創新對礦產資源產業影響的兩階段效率優化分析

為深入分析科技創新對礦產資源產業影響的原因，探究效率損失的原因，本文借鑒孟祥海[31]的做法測算了這5大礦產資源產業的年均投入產出要素的松弛量與對應投入產出值的比率(如表4所示)以反映投入產出的冗余情況.

在成果產出階段，煤炭開采和洗選業、黑色金屬礦采選業和有色金屬礦采選業、石油和天然氣采選業和非金屬礦采選業均存在投入冗余的現象，尤其是在項目數量和人員投入中，需要加強對科技創新人員的分類管理，嚴格對科技創新項目立項的審批程序，同時需要加強科技經費監管，通過合理配置達到資金的合理利用，以提高其效益.此外，黑色金屬礦采選業和有色金屬礦采選業、石油和天然氣采選業和非金屬礦采選業需要提高科技論文的產出數量，煤炭開采和洗選業、黑色金屬礦采選業和有色金屬礦采選業和非金屬礦采選業需要提高有效專利申請數，鼓勵專利申請，提高專利申請質量.總體而言，現階段亟需加強對有色金屬礦采選業和非金屬礦采選業的科技創新研究，通過技術創新來提高產業附加值，優化產業結構，實現產業的高質量發展.在成果轉化階段，僅存在投入冗余現象需要優化.此外，煤炭開采和洗選業、黑色金屬礦采選業和有色金屬礦采選業、石油和天然氣采選業和非金屬礦采選業在產出階段存在產出不足現象，但在轉化階段存在投入冗余的現象，說明這些產業的科技論文和專利的產出量較多，但是對科技成果的應用能力較弱，尤其是在推動產業高質量發展上的科技創新成果應用不匹配，尚未實現生產力的轉化.因此，在未來的研發應用中，要以市場為導向，在結合國家戰略和產業需求的基礎上，做到“提質增效”，加速科技成果的落地轉化，為實現礦產資源行業高質量發展提供源源不斷的動力.

3 結論與建議

本文利用2011年￣—2019年煤炭開采與洗選業、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、非金屬礦采選業這五大主要的礦產資源產業的相關R&D投入產出指標數據，基于兩階段DEA-BCC模型和Malmquist 指數模型對研究期內我國主要的礦產資源產業的科技創新效率進行綜合評價和優化分析，深入分析了礦產資源產業在成果產出階段和成果轉化階段的創新效率和其Malmquist 指數變動特征及增長差異，并在此基礎上對投入產出進行冗余分析以實現效率優化.得出如下主要結論.

1) 科技成果產出階段的綜合效率排名為黑色金屬礦采選業>非金屬礦采選業>有色金屬礦采選業>石油和天然氣采選業>煤炭開采和洗選業；科技成果轉化階段的綜合效率排名為有色金屬礦采選業>煤炭開采和洗選業>非金屬礦采選業>黑色金屬礦采選業>石油和天然氣采選業.

2) 石油和天然氣開采業及黑色金屬礦采選業的科技成果產出效率遠遠高于科技成果轉化效率，其充分利用了科技創新的“后發優勢”，但是在科技成果的轉化與落地應用上存在較大局限性.我國礦產資源產業發展不均衡問題較為突出，礦產資源采選業各行業發展水平不高，I類產業分布缺乏.

3) 成果產出階段中，礦產資源產業全要素生產率的降低主要是由于技術效率帶來的“拖累效應”，此外，我國礦產資源產業的全要素生產率增長存在時序差異，其中，全要素生產率的變動呈現顯著的“偏科”現象， 即技術效率與技術進步呈負向關聯.

4) 在成果產出階段，煤炭開采和洗選業、黑色金屬礦采選業和有色金屬礦采選業、石油和天然氣采選業和非金屬礦采選業均存在人員、經費等投入冗余的現象；在成果轉化階段，僅存在投入冗余現象需要優化，需要進一步提高產出轉化效率，以實現健康發展.

通過研究提出如下政策建議以提高礦產資源產業技術創新效率，推動礦業高質量發展：1)壓減過剩產能.對于規模遞減和規模效率指數小于1 的行業，比如煤炭開采和洗選業、黑色金屬礦采選業等應該減小規模，隨著我國對煤炭和金屬礦行業壓減產能的深入實施，在“瘦身健體”和“提質增效”的背景下，通過提高經濟要素的配置效率和全要素生產率，淘汰低效率企業和僵尸企業，推動要素轉移至高效率產業、企業，使得整個行業的全要素生產率始終處于動態提升的過程，以實現礦產資源行業的健康、高效、高質量發展.2)多措并舉提升產業技術創新能力.通過技術賦能提升經濟高質量發展的動力，提高產品和服務的供給水平.加大R&D 投入是提高我國礦產資源產業自主創新能力的基礎，但是需要建立礦產資源產業科研經費投入管理的長效機制，合理有效的配置資源，提高投入產出效率，通過技術創新延伸產業鏈，實現產業長足發展.3)為營造良好的產業技術創新環境搭建平臺.政府要成為創新鏈條的粘合劑，通過搭建溝通平臺、政策扶持等增強創新鏈的活力與動力.一方面，完善的礦產資源產業技術創新體系和中介服務體系；另一方面，通過完善投融資平臺，為產業引資、集資等創造便利.