刘少云

（中共阜新市委党校 经济学教研室，辽宁 阜新 123000）

0 引言

汽车制造业是衡量一个国家综合实力和发达程度的重要标志，是国民经济的支柱产业。中国对汽车制造业的发展极为重视，通过政策引导和资金扶持来推动汽车产业的发展。由于汽车制造业属于高技术产业，其技术的发展需要大量的研发投入和长期的经验积累。因此，在汽车企业的发展中合理配置创新资源的投入和经济效益的产出显得尤为重要。而目前中国汽车制造业实际整体创新技术效率较低[1-2]，汽车制造业技术 创新能力与整体发展水平不匹配。技术创新效率反应了汽车行业科技能力的高低及未来发展趋势。因此，研究汽车制造业技术创新效率具有重要意义。

1 文献综述

技术创新效率是指在市场价格稳定、生产规模不变的情况下，投入一定比例的资源，产出定量产品所需的最低成本与实际成本的比值[3]。KOOPMANS[4]最早提出技术 有效性概念，并将不增加任何产出和投入的前提下，技术水平均不会降低产出效果的 现象称为技术有效性。

技术创新效率提出后，国内外学者分别从技术创新效率的影响等因素方面进行了研究。PAVITT 等[5]研究发现企业规模对企业的技术创新效率有显著影响，小型企业及大型企业的技术创新效率比中型企业要高，企业规模与技术创新效率呈U 型曲线。VOKOUN[6]研究发现研发经费投入、加强外资引进和增加创新成果的出口对技术创新效率有正向影响。HONG 等[7]研究发现政府补贴对技术创新效率具有阻碍作用。而HOU等[8]研究发现政府资金投入提高了企业的技术创新效率。朱承亮[9]以汽车业为研究对 象，研究发现科研投入、购买研发成果均是促进技术创新的主要因素。邓立治[2]通过对2008-2012 年28 家汽车企业的数据研究发现，研发资本存量和技术人员投入对技术 创新效率具有显著影响。

已有文献对新能源汽车企业创新技术效率的研究相对较多[10-12]，行业层面较少，且多是从理论角度进行分析，实证研究较 少[13-14]。部分学者研究发现，2016 年以前中国汽车业整体的技术效率低、规模小，并且各地区企业之间效率差异较大[15-18]。但 中国汽车业技术创新效率现状如何，尚未 有学者进行研究。因此，借鉴已有的研究 成果，采用数据包络分析法[19]（DEA），对汽车制造业上市公司技术创新效率进行实证研究，分析中国汽车制造业创新效率。

2 研究设计

2.1 研究样本与数据来源

选取2016-2020 年汽车制造业上市公司为研究对象，数据来自于Wind 数据库，对样本进行如下筛选：剔除2016 年之后上市的公司；剔除ST、*ST 类企业；剔除财务数据缺失的样本。经处理后，共得到92 条样本值。使用Excel 和DEAP2.1 进行数据处理。

2.2 评价指标

在已有文献的基础上，结合汽车制造业实际情况，选取研发人员数与研发支出为投入指标，选择主营业务收入与无形资产为产出指标，具体见表1。

表1 技术创新效率投入产出指标体系 Tab.1 input-output index system of technological innovation efficiency

在创新的过程中，人力投入与资金投入是最基本的创新要素。研发人员对技术创新起着决定性作用，客观反映了技术创新效率的真实情况。研发支出反映了企业对技术创新的重视程度和投入力度，是衡量创新投入的重要指标。因此，选取研发人员数和研发支出作为创新投入指标。有文献选择专利申请数作为产出指标，但是专利申请数易受到环境因素的影响，不能准确反映技术创新给企业带来的全部收益。而无形资产与之相反，可以直观展示企业全部的技术创新成果。主营业务收入客观、全面地反映了技术创新成果投入市场所带来的商业价值。因此，选择无形资产和主营业务收入作为产出指标。

DEA 模型的评价指标要求具有代表性且必须是正相关关系，因此首先对技术创新效率投入产出指标数据进行相关性检验，具体见表2。

表2 相关性检验 Tab.2 correlation test

由表2 可知，评价指标之间均存在显著正相关关系，可进行后续评价分析。

2.3 模型建立

（1）BCC 模型的建立

采用传统BCC 模型进行横向分析。BCC 模型属于规模报酬可变的DEA 模型，是对CCR 模型的改进，其将CCR 模型中的技术效率TE 分解为规模效率SE 与纯技术效率PTE 的乘积，据此构建模型（1）。

式中，j为不同的汽车制造企业；X为汽车制造企业投入的要素向量；Y为汽车制造企业产出的产量向量；λj为各单位系数组合；S-为汽车制造企业投入要素达到效率前沿面需要调整的数量（即松弛变量）；S+为汽车制造企业产出要素达到效率前沿面需要调整的数量（即松弛变量）；T为期间；ε为无穷小；θ为效率评价值。若θ=1、S-=S+=0，则说明决策单元创新有效；若θ=1、S-≠1或S+≠1，则说明决策单元创新为弱有效；若θ＜0，则说明决策单元创新无效，技术和规模效率有欠缺。

（2）Malmquist 指数模型的建立

Malmquist 指数模型衡量决策单元在t到t+1 之间技术效率与技术水平的变化。基于产出导向的Malmquist 生产率指数表示为模型（2）。将Malmquist 指数分解为技术效率变化与技术水平，见模型（3）。

式（2）、式（3）中，M0(Xt+1,yt+1,Xt,yt)为Malmquist 指数，表示由t期到t+1 期的技 术效率改变情况；为第t期技术效率；为以第t期的技术表示第t+1 期的技术效率；为第t+1期技术效率；为以第t+1 期的技术表示第t期的技术效率。若M0＞1，则表明该时期该决策单元创新效率有所提高；若M0＜1，则表明该时期该决策单元创新效率 有所下降；若M0=1，则表明该时期该决策单元创新效率没有变化。

3 实证分析

3.1 基于BCC模型的横向分析

利用软件DEAP2.1 对2020 年中国92家汽车制造业上市公司技术创新效率投入产出指标进行处理，具体见表3。

由表3 可以看出，92 家企业中，潍柴动力、海马汽车、中国重汽、联明股份、继峰股份的综合效率、技术效率、规模效率都为1，表明这5 家企业的技术创新的投入和产出达到了合理状态。强大的生产技术以及长远的发展眼光为其更好地进行技术创新奠定了基础。

表3 基于BCC 模型的2020 年汽车制造业上市公司技术创新效率投入产出指标横向分析 Tab.3 horizontal analysis of input-output index of technological innovation efficiency of listed companies in automobile manufacturing industry in 2020 based on BCC model

经计算，92 家企业的综合效率均值为0.38，处于较低的水平，且综合效率值差距较大，其中综合效率值最低的云意电气仅为0.096，表明汽车制造业技术创新效率还有上升空间。其中潍柴动力等5 家企业综合效率值为1，说明其企业管理及技术改革卓有成效，并且发挥了品牌和产品优势，企业自主研发能力较强。除了上述5 家企业综合效 率、技术效率、规模效率都达到1 以外，一汽解放、大为股份、上汽集团的纯技术效率也达到了1，表明这8 家企业在技术创新方面投入的资源较多并且较为合理，企业的技术管理水平较高。其他企业在技术管理方面创新投入不足，资源配置效率较低，存在投入浪费现象。在规模效率方面，宇通客车也达到了1，这说明其创新投入与创新产出成正比。长安汽车、一汽解放、万丰奥威、比亚迪、双林股份、上汽集团、福田汽车、曙光股份、江淮汽车、均胜电子、华域汽车、小康股份、长城汽车、常熟汽饰存在规模报酬递减的情况。因此，这些企业应优化内部结构，调整投入与产出比例，避免出现高投入低产出的情况。潍柴动力、海马汽车、中国重汽、宁波华翔、立中集团、宇通客车、凌云股份、金龙汽车、拓普集团、联明股份、继峰股份的规模报酬不变，说明其现有投资结构合理。这与企业科学、有效的管理模式有关，说明这些企业采取了适合自身发展的供应链发展模式，而其他企业应加大创新投入，使投入与产出达到最佳比例。

3.2 基于Malmquist指数模型的纵向分析

通过DEAP2.1 软件测算出汽车制造业上市公司的Malmquist 指数，具体见表4、表5。

从表4、表5 可以看出，2016-2020 年汽车制造企业全要素生产率总体呈上升趋势，但部分均值略小于1，表明在此期间，汽车制造企业技术创新效率增长不足。92 家汽车制造企业中有37 家企业全要素生产率大于等于1，说明其全要素生产率达到最优。其余55 家企业全要素生产率呈下降趋势。经 计算技术进步的均值为0.975，小于1，说明2016-2020 年汽车制造业在技术进步方面呈倒退趋势。反映出企业在技术进步方面的缺陷，即技术资源投入不足且利用率低。从规模效率来看，2016-2020 年均值大于1，说明这5 年中汽车制造业的规模是有所扩大的。

表4 基于Malmquist 模型的2016-2020 年汽车制造业上市公司技术创新效率投入产出指标纵向分析 Tab.4 vertical analysis of input-output index of technological innovation efficiency of listed companies in automobile manufacturing industry from 2016 to 2020 based on Malmquist model

表5 基于Malmquist 模型的2020 年汽车制造业上市公司整体技术创新效率 Tab.5 overall technological innovation efficiency of listed companies in automobile manufacturing industry in 2020 based on Malmquist model

续表5

4 结论

通过实证检验，基于 DEA 模型、Malmquist 指数模型分别从横向、纵向角度分析了2016-2020 年沪深两市A 股汽车制造业上市公司的技术创新效率问题，得出如下结论。

2016-2020 年汽车制造业的技术创新效率是缓慢增长的。虽然资源利用率较低，但汽车制造业创新投入是有效的，实现了行业规模的标准化和平稳增长。汽车制造业全要素生产率没有达到最优水平，技术进步有轻微倒退倾向，说明汽车制造业存在创新能力不足的问题。其中，2020 年潍柴动力、海马汽车、中国重汽、联明股份、继峰股份这5家企业的技术创新效率投入与产出达到了合理状态。研发人才及研发投入达到了同行业领先水平，创新研发能力持续提升。相较于这5 家企业，其他汽车制造企业创新投入与产出未达到平衡状态，创新效率较弱。随着技术进步的加速和竞争的加剧，技术创新对汽车制造业竞争力的作用越来越明显，企业对研发人才及创新投入的重视程度直接影响技术进步，创新研发能力停滞不前、技术效率的恶化造成全要素生产率的下降，从而影响企业核心竞争力及抗风险能力。