李国柱，韦玉

LI Guo-zhu1, WEI Yu2

1．河北地质大学 经贸学院，河北 石家庄 050031；2．重庆智汇鑫会计师事务所，重庆 401120

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

矿产资源行业技术创新效率研究

李国柱1，韦玉2

LI Guo-zhu1, WEI Yu2

1．河北地质大学 经贸学院，河北 石家庄 050031；2．重庆智汇鑫会计师事务所，重庆 401120

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

基于矿产资源行业九个细分行业2009年—2014年的面板数据，论文利用数据包络分析模型进行技术创新效率研究，并采用Malmquist进行动态的分析。研究发现：我国矿产资源行业在2009年—2014年间技术创新效率一直比较低；从规模收益来看，大多数都处于规模收益递增阶段；我国矿产资源行业技术创新效率的改善不明显，改善是由技术创新和技术进步共同的贡献导致的，其中技术进步改善的贡献要比技术创新小。最后，论文提出了提高矿产资源行业技术创新效率的对策。

矿产资源行业；技术创新效率；数据包络分析；Malmquist指数模型

党的“十八大”将创新发展列为国家发展的首要任务，将创新融入到国家的发展中。习近平总书记在外考察时曾说过“科技创新是牛鼻子”，“抓创新就是抓发展”。这充分体现了创新在我国的发展中占据的重要位置，创新是这个时代的主要潮流。我国不能再走拼投资、拼资源、拼环境的老路，必须通过创新驱动缩小与发达国家的差距。矿产资源行业处于产业链顶端，是现代工业的“粮食”，提高矿产资源行业的技术创新率对保持整体经济的持续健康稳定发展尤为重要。

目前对于技术创新效率的研究主要从企业、区域和行业这三个层面展开。在这三个方向中对企业和区域的研究已经较为成熟，而行业中的创新研究主要是装备生产、医药、高技术等几个部分，对于矿产资源这方面的研究还比较匮乏。因此对矿产资源行业技术创新效率的研究具有重要的理论意义和实践价值。

一、研究方法

目前关于技术效率的分析方法主要包括参数方法与非参数方法，参数方法以随机前沿分析为代表（SFA）[1-3]，非参数方法以数据包络分析方法（DEA，Data Envelopment Analysis ）为代表[4-10]。SFA研究的是多项投入与单个产出之间的关系，并且SFA在研究之前需要对其生产函数进行估计，会出现因为函数错误而导致的偏差。DEA方法可以对多项投入和多项产出的效率进行评估，并且弥补了SFA方法使用时需对生产函数进行预计的缺点，一定程度上具有客观性；DEA方法中的权重是客观的，受到人为因素的影响比较小；另外，DEA在测量效率的同时还可以对大小和方向进行改进，这种改进是通过投影来得出的，两种方法相对比后，DEA要优于SFA。因此本文采用DEA方法进行分析。

数据包络分析方法由Charnes、Coopor和Rhodes三人于1978年提出，这种方法是一种相对有效的方法，它是将各个决策单元投影到DEA生产前沿面上，根据与生产前沿面的偏差来判断有效性。

在DEA模型中，具有n个决策单元，记为DMUj（j=1，2，3，…，n）；DMU有m种投入，记为xi（i=1，2，3，…，m），投入的权重表示为vi（i=1，2，3，…，m）；q种产出，记为yr（r=1，2，3，…，q），产出的权重表示为ur（r=1，2，3，…，q）。

对于要测量的DMUj来说，投入产出比表示为：

我们总可以适当的取权系数v和u，使得hj≤1, j=1,…，n。

在评价第jo个决策单元时，hjo越大说明该单元可以在相对较少的投入下获得较多的产出。CCR线性规划模型如下：

在DEA模型中，除了从静态的角度来研究技术创新效率以外，还可以从动态的角度来研究技术创新效率，及Malmquist指数。

Malmquist生产率指数的概念最早源于Malmquist（1954），因此将这一类指数命名为Malmquist指数。Fare R .等人（1992）最早采用DEA的方法计算Malmquist指数，并将Malmquist指数分解为两个方面的变化，一个是技术效率的变化，另一个是技术进步的变化。

在上式中第一项为技术效率（effch），第二项为技术进步（techch）；所以有tfpch=effch×techch。

二、指标选择

矿产资源行业是指由矿产资源开采、加工和利用相关活动而构成的产业体系，按照《国民经济行业分类》（GB/T 4754—2011）的分类标准，结合矿产资源开采和加工环节的关联性，本课题将矿产资源行业分为以下九个行业：煤炭开采和洗选业；石油和天然气开采业；黑色金属矿采选业；有色金属矿采选业；非金属矿采选业；石油加工炼焦及核燃料加工业；非金属矿制品业；黑色金属冶炼及压延加工业；有色金属冶炼及压延加工业。

为了避免指标选择上的主观性，增强科学研究中的可行性与可比性，本文将借鉴文献研究选择投入与产出指标。

（一）投入指标的选择

当前研究对技术创新的投入指标的选取主要是从资本和劳动的投入方面。如王奇珍在以东部十省为例的区域技术创新研究中则选择了研发经费和研发人员全时当量这两个指标[11]；冯缨在对江苏省高技术产业技术创新效率的研究中选择的投入指标相对来说比较全面，选取了研究产业的R&D经费、科技活动人员、技术经费等指标[5]。本文选择R&D经费内部支出（X1）和R&D人员全时当量中的研究人员（X2）为投入指标。

R&D经费内部支出（X1）是一种实际支出，该指标主要体现了内部开展的R&D活动的费用，包括直接费用和间接的费用。

R&D人员全时当量中的研究人员（X2）是指在R&D活动中人员的投入，该指标相对于R&D人员全时当量来说，更加能够反映参与技术创新的人员的贡献，能够更加全面的反映在技术创新方面的人力投入，更加具有针对性。

（二）产出指标的选择

在选择输出指标时一般采用产品产值和产品的专利数，以及产品销售收入等。如王奇珍在以东部十省为例的区域技术创新研究中以新产品产值、新产品销售收入、申请专利数作为产出指标[11]；冯缨在针对江苏省的区域技术创新效率研究中以高技术产业拥有专利数和新产品销售收入作为产出指标[5]。本文在这里选取专利申请数（Y1）和新产品销售收入作为产出指标（Y2）。

专利数申请数（Y1）是指技术创新的中间产出，该指标所反映的是技术创新活动的直接成果。

新产品销售收入（Y2）：评价一个产品价值最直接的方式就是市场的销售数量及收入，若收入高则代表产出高，被市场接受量大，因此我们用Y2来作为产出指标。

本文选取2009年—2014年矿产资源行业九个细分行业的面板数据对技术创新效率进行研究，数据来源于2010年—2015年的《中国科技年鉴》。

三、技术创新效率的计算与分解

（一）创新效率值分析

对矿产资源行业九个行业本文采用了投入向导型DEA模型，计算出来的结果如表1所示。

从整个矿产资源行业来看，在2009年—2014年之间整体的技术创新效率平均值中等偏低，其中2010年的技术创新效率均值最低，只达到了0.435；而2013年的技术创新效率均值最高达到了0.689。经历了一个由高到低，然后由低到高的变化过程，但是从整体来看，我国矿产资源行业的整体效率水平在升高，技术创新有所提高。

从九个行业来看，在2009年—2014年之间，全国矿产资源行业的技术创新效率各不相同。其中，非金属矿物制品业的平均技术创新效率最高，这六年的均值达到了0.930；紧随其后的是有色金属冶炼及压延加工业这六年的均值达到了0.803，排名第三的是石油加工炼焦及核燃料加工业，在这六年以来创新效率均值为0.772；并且从表1中可以看出来平均技术创新效率值最低的是石油和天然气开采业，这六年的均值只有0.242。

表1 2009年—2014年中国矿产资源行业技术创新效率值

（二）规模收益情况分析

对矿产资源行业进行规模收益情况分析，其得出的结果如表2所示。从表2可以看出，尽管在2009年—2014年之间矿产资源行业的规模收益各不一样，但是大多数行业都处于规模收益递增阶段。煤炭开采和洗选业从2009年—2014年的规模效益一直处于递增的状态，没有出现过规模递减；石油和天然气开采业的规模现象在这六年间业一样也一直处于递增；有色金属矿、非金属矿采选业亦是如此。因此对于这四个行业来说可以加大生产规模，通过生产规模的扩大来提高产品的产出。2014年有色金属冶炼及压延加工业和非金属矿物制品业的规模效益处于规模不变阶段，因此对于这两个行业来说，可以保持现有的投入产出比。黑色金属、有色金属冶炼及压延加工业在2009年到2014年这六年间大部分的规模效益为规模效益递减，其中黑色金属冶炼及压延加工业这六年一直处于规模递减阶段，有色金属冶炼及压延加工业头两年处于规模递增阶段，但是后面三年处于规模递减阶段，在2014年有所回升处于规模不变阶段；这说明我国有色金属冶炼及压延加工业在投入资源的利用和管理方面有所提升，正在向规模有效转变；黑色金属、有色金属冶炼及压延加工业这两个行业要想提高研发效率不仅要加强研发投入管理，淘汰落后产能也是重要一环，这也恰好和我国目前淘汰钢铁等产业落后产能相契合。

表2 2009年—2014年我国矿产资源行业技术创新规模收益情况

（三）创新效率分解分析

本文使用DEAP 2.1软件对矿产资源行业2009年—2014年的技术创新效率进行了分解分析。

1. 动态分析技术创新效率

Malmquist分析方法将技术创新效率（tfpch或者TFP）分为技术进步（techch）和技术效率（effch）两个部分，并且进一步的将技术效率分解为纯技术效率（pech）和规模效率（sech）两个部分。表3列出了2009年—2014年这六年间使用Malmquist指数方法得出的分解结果。

从总体上来看，我国矿产资源行业9个行业在2009年—2014年间技术创新效率的动态化平均值为1.056，这说明了我国矿产资源行业在2009年到2014年之间整体的技术创新效率年均改善上升了5.6%。从矿产资源行业整体的技术创新效率变化上看，该指标的提高主要是由技术进步指标上升1.2%和技术效率指标变动4.3%的共同作用，但是技术进步在这六年间只上升了1.2%，而技术效率在这六年间上升了4.3%，所以说技术创新效率指标的上升主要得益于技术效率，技术进步在这里起到了一个辅助性的作用。由于技术效率等于纯技术效率和规模效率的乘积，从表3中可以看出这两个指标的值分别为1.058和0.985，纯技术效率在这六年间上升了5.8%，相反规模效率变动在这期间反而下降了1.5%，纯技术效率的提升成为推动技术效率提高的主要动力，但是规模效率的下降却减缓了技术效率的变化。

在2009年—2010年之间，技术创新效率为1.154，提高了15.4%。技术效率提升了33.1%，是对该阶段TFP指标的提高有着决定性的作用；但是技术进步下降了13.3%，对技术创新效率的变化起了负面作用。

在2010年—2011年之间，技术创新效率为0.922，这一期间，技术创新效率有了一定的退步（下降了7.8%），这一现象是由技术效率指数下降了16%所造成的，但是技术进步指数的上升（上升了9.8 %）减缓了技术效率指数下降给技术创新效率带来的不利影响。

表3 我国矿产资源行业各年份平均 Malmquist 指数及其分解

在2011年—2012年之间，TFP指数为1.11，相对于技术创新效率来说，技术效率变动指数给带来了不利影响（技术效率变动下降了10.9%），而对于技术效率变动指数来说，主要是规模效益（下降了19%）减缓了技术效率变化。

在2012年—2013年间，技术创新效率指数为1.199（上升了19.9%），技术效率提高了19.2%是导致技术创新效率提高的主要因素，而且规模效益26.3%的变动也是促使技术效率变动的主要原因。

在2013年—2014年间，技术创新效率指数为0.925，造成这一现象的主要原因是技术的退步，在2014年技术退步了11.1%。

2. 行业技术创新效率分析

在2009年—2014年之间，矿产资源行业九个行业之中有七个行业的技术创新效率正向增长，占了所评价总体的77.78 %（如表4所示）。

技术创新效率增长的七个行业又分为三种不同的情况：（1）第一种情况是由技术效率和技术进步两者共同的贡献来使技术创新效率增长，即两个指标的值都大于1。符合这个条件的有两个行业：第一个行业是煤炭开采和洗选业，它的技术进步指数为1.033，技术效率指数为1.112；11.2%和3.3%的提升都对TFP指数的上升有了很大的促进作用，但是相对来说技术效率指数发挥的作用更大。第二个行业是有色金属矿采选业，它的技术进步仅仅只有0.3%的改变，但是技术效率却达到了7.2%的改变。（2）第二种情况是靠技术进步来推动技术创新效率的增长，在这种情况下可以根据技术效率指数的值与1的比较将之分为两种情况：一种是不变（技术效率变动指标值为1），另一种是下降（技术效率变动值小于1）。其中不变的技术效率指数包括两个行业：第一个是石油和天然气开采业，它的TFP指标值的上升主要是由于技术进步了13.1%；另外一个行业是黑色金属矿采选业，它的技术进步指标的值为1.102，提高了10.2%。这两个行业的现象说明了该行业虽说技术取得了进步，但是技术效率为1说明效率值并没有得到合适的改善。技术效率指数下降的是非金属矿采选业（技术效率变动指标值为0.989）。（3）第三种主要是由技术效率变动来提高技术创新效率，在这种情况下只有两个行业。一个是石油加工炼焦及核燃料加工业，此行业的技术效率增长了7.4%，而技术却退步了0.5%；另外一个行业是黑色金属冶炼及压延加工业，这个行业在此期间的技术效率提高了15.3%，但是与此同时技术进步也退后了6.8%。

剩下的两个行业中，非金属矿制品业的TFP指标值为0.933，有色金属冶炼及压延加工业的TFP指标值为0.954。这说明这两个行业的技术创新效率的增长率为负值。非金属矿制品业技术创新效率值小于1的原因主要是技术效率（0.982）和技术进步（0.95）两个指标值都小于1，其中技术效率下降1.8%和技术退步5%。显而易见，技术的退步和技术效率的下降都给该行业的技术创新效率带来了一定的负面影响，相对这两个负面影响因素来说技术退步带来的影响更加恶劣。有色金属冶炼及压延加工业的技术创新效率为负，主要是技术进步指标的原因造成的。技术效率指标增加1.9%，但是技术退步6.4%，1.9%的技术效率的提升不足以弥补6.4%的技术退步所带来的影响。

从整体上来看，在九个行业中，有五个行业的规模效率指数均小于1，占了总评价指标的55.56%。这五个行业中除了煤炭开采和洗选业属于采矿业以外，剩余的四个行业均是属于制造业，如黑色金属冶炼及压延加工业等。规模效率指数小于1说明了这五个行业现在经营的生产规模并不是最优的，应该减小现有规模，加强企业间的管理。

表4 2009年—2014年我国矿产资源行业9个子行业年均Malmquist指数及其分解

四、结论与对策建议

（一）研究结论

根据上文分析可以得出以下的结论：一是我国矿产资源行业技术创新效率水平整体比较低，技术创新效率值从2009年—2014年处于一个波动状态，但是整体有上升的趋势；二是我国矿产资源行业大部分处于规模收益递增阶段，这说明我国的创新投入得到了有效利用；三是从效率变化的时序上看，在考察期间，我国矿产资源行业的技术创新效率的变化存在着先降后升的趋势；四是矿产资源行业技术创新效率之间存在着一定的差异，其中占比77.78%的七个行业的技术创新效率大于1；五是从整体上看，技术创新效率在这六年间的变动主要是靠技术效率的增长拉动的，虽然技术进步也有贡献，但是相对来说起主导作用的还是技术效率。

（二）对策建议

1. 提高资源利用率

矿产资源属于非可再生资源，应该在现有的条件下，通过提高技术来提高资源的利用率，让有限的资源得到合理的利用。各行业可以通过提高技术加快产业升级来提高新产品销售收入和新产品产值。

2. 重视人才的作用

从事技术和研发的人才在技术创新中显得尤为重要，国家应激励先进技术的发展，注重发展科技人员的作用，并应强化对专业技术人员的培训，鼓励产品或者技术的创新。十八届五中全会已经将创新作为我国的发展理念之一，所以应该将此理念落到实处。

3. 加大技术投入

矿产资源企业中小型企业占比较多，企业存在着采选矿及加工技术粗糙、采取非机械进行采矿导致人员投入较多、采矿量少等情况，矿产资源行业应该在技术创新设备等方面进行投入研究，在加工和采选方面提高技术水平，通过技术进步来减少人员的投入，来提高矿产的质量和数量。企业可以根据自身综合实力采用自主研发或技术引进、消化和吸收等方式。

4. 压减过剩产能

大部分矿产资源行业处于规模收益递增阶段，但是也有处于规模递减的。在使用Malmquist指数分析方法分析时，有五个行业的规模效率指数小于1。对于规模递减和规模效率指数小于1的行业，应该减小规模，在生产和管理的各个方面进行有效的调节，以提高生产效率。近年来，我国一直执行对煤炭和钢铁行业进行压减产能的政策，而且最近还提出了将在最近两年对这些行业的产能再压减10%。我国现在强调的是“瘦身健体”“提质增效”，也就是说减小产业规模、提高行业的竞争力、对产品质量进行改善、增加企业的效率。对矿产资源行业规模效率指数小于1的行业进行规模缩减提高生产率，符合我国现有的政策要求。

[1] 戴卓，代红梅. 中国工业行业的技术创新效率研究——基于随机前沿模型[J]. 经济经纬，2012（4）：90-94.

[2] 项武本. 中国工业行业技术创新效率研究[J]. 科研管理，2011（1）：10-14.

[3] 牛泽东，张倩肖. 中国装备制造业的技术创新效率研究[J].数量经济技术经济研究，2012（11）：51-67.

[4] 孙凯，李煜华. 我国各省市技术创新效率分析与比较[J]. 中国科技论坛，2007（11）：8-11.

[5] 冯缨，滕家佳. 江苏省高技术产业技术创新效率评价[J]. 科学学与科学技术管理，2010（8）：107-112.

[6] 代碧波，孙东升，姚凤阁. 我国制造业技术创新效率的变动及其影响因素——基于2001年到2008年29个行业的面板数据[J]. 情报杂志，2012（3）：185-191.

[7] 张庆. 高技术产业技术创新效率研究[D]. 武汉：华中科技大学，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，杨连盛. 基于DEA的区域技术创新效率研究——以东部十省市为例[J]. 南京理工大学学报（社会科学版），2014（2）：19-26.

（责任编辑：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

河北省社会科学基金项目“河北省科技创新能力评价及提升路径研究”（HB16YJ023）。

李国柱（1971—），男，回族，河北沧州人，经济学博士，教授，硕士研究生导师，现任河北地质大学经贸学院副院长，主要从事计量经济理论与方法研究。