基于DEA 模型的我国煤炭企业技术创新效率研究＊

2014-04-20汪文生陈丽丽

中国煤炭 2014年2期

汪文生郭佳陈丽丽

（1.中国矿业大学（北京）管理学院，北京市海淀区，100083；2.中国中煤能源集团有限公司采购中心，北京市东城区，100120）

1 引言

面对严峻的市场环境，煤炭企业应进一步完善以企业为主体、市场为导向、产学研相结合的煤炭科技创新体系来应对市场环境变化。近年来，我国学者对煤炭技术创新的研究较为侧重技术创新管理、技术创新评价指标量化问题，对煤炭技术创新的效率研究较少。研究成果主要集中以下3个方面：

（1）煤炭绿色技术创新方面。主要阐述了煤炭企业实施绿色技术创新的主要对策与措施以及对比国外煤炭产业绿色技术创新经验得出我国煤炭企业绿色技术创新实践之路。

（2）煤炭技术创新路径、模式选择方面。张梦岩、郝大庆等学者提出了官产学三重螺旋技术创新模型、突破式技术创新模式以及内蒙古生态化、集成化技术创新模式。

（3）煤炭技术创新绩效方面。绩效评价方法较多，而煤炭技术创新绩效评价方法主要有BP神经网络法、模糊层次分析法、多级灰色关联度等。

考虑到煤炭企业的市场环境变化和煤炭技术创新领域的研究需要，本文选取2001-2011年煤炭技术创新的相关数据，利用数据包络方法对技术创新效率进行测度。

2 煤炭企业技术创新效率的DEA 模型构建

2.1 确定研究目的和决策单元

本文研究目的是测度2001-2011年煤炭企业技术创新相对有效性，找到技术创新有效的点（即在技术前沿面上的点）和技术创新无效的点（即不在技术前沿面上的点），通过对比分析找到提高煤炭企业技术创新效率的政策建议。因此，本文以2001-2011年煤炭企业技术创新活动为研究对象，各个年份的技术创新的输入数据和输出数据为决策单元。

2.2 建立输入输出指标体系

2.2.1 初步设定输入输出指标

应用DEA 测度煤炭企业技术创新效率的本质就是对煤炭技术创新活动的投入与产出水平的技术有效性的比较。煤炭企业的规模能够保证技术创新活动的人力、财力的投入，因此，本文选取大中型煤炭企业的技术创新的相关数据作为计算依据。

输入指标方面，本文选取大中型煤炭企业科技活动经费内部支出、大中型煤炭企业科技活动人员人数、大中型煤炭企业科研机构数量作为输入指标，反映煤炭企业对技术创新的人员和资金的投入水平。

输出指标方面，本文选取大中型煤炭企业利润率、大中型煤炭企业科技项目与专利数量作为输出指标，反映技术创新为企业带来的收益状况和技术创新的成果数量。

2.2.2 检验输入输出指标的独立性

测度煤炭企业技术创新效率的指标的设定，既要考虑具体指标对技术创新活动的关联性和计算数据的可获得性，也要兼顾指标间的独立性。因此，本文使用SPSS对各个指标进行相关性检验。本文选取了2001-2012年《中国科技统计年鉴》中我国大中型煤炭企业技术创新相关数据作为计算依据。原始数据如表1所示。

表1 2001-2011年我国大中型煤炭企业技术创新效率输入输出指标数据

我国煤炭企业技术创新效率的各个指标相关性检验结果如表2所示。

由表2可知，大中型煤炭企业利润率和大中型煤炭企业科技项目与专利数量不具有显著的相关性，可以作为评价我国煤炭企业技术创新效率的输出指标。但输入指标方面，大中型煤炭企业科研机构数量、大中型煤炭企业科技活动人员、大中型煤炭企业科技活动经费内部支出这三项指标与大中型煤炭企业科技项目与专利有显著的相关关系，大中型煤炭企业科技活动经费内部支出与大中型煤炭企业新产品销售收入有显著的相关关系，因此，这三项可用作我国煤炭企业技术创新效率的输入指标。但这三项输入指标存在显著的相关性，因此对它们进行因子分析保证输入指标间的独立性。

2.2.3 确定输入输出指标

利用SPSS对大中型煤炭企业科研机构数量、大中型煤炭企业科技活动人员、大中型煤炭企业科技活动经费内部支出这三项指标进行因子分析。大中型煤炭企业科研机构数量为0.946，大中型煤炭企业科技活动经费内部支出为0.926，大中型煤炭企业科技活动人员为0.843，采用主成分提取方法，提取了1 个成分。

通过因子分析，本文将最初设定的大中型煤炭企业科研机构数量、大中型煤炭企业科技活动人员、大中型煤炭企业科技活动经费内部支出进行降维成一个主成分。此主成分能够综合上述三项指标来反映影响煤炭企业技术创新效率的因素，因此，可将此项指标作为测度我国煤炭技术创新效率的输入指标并定义为大中型煤炭企业技术创新综合输入指标。

表2 我国煤炭企业技术创新效率输入输出指标相关性检验

2.3 建立DEA 评价模型

2.3.1 建立DEA 模型

本文采用BCC 数据包络分析模型。该模型的阿基米德无穷小量的对偶模型一般表达式如1 所示。

假设n个决策单元对应的输入数据和输出数据分别为：

则

其中：

本文选取2001-2011年煤炭企业技术创新的数据作为计算依据，并将各个年度煤炭企业技术创新活动作为决策单元，因此，煤炭企业技术创新的阿基米德无穷小量的对偶模型表达式为：

设

则

2.3.2 确定判别准则

3 计算分析

3.1 数据说明

本文的数据来源于2001-2011年《中国科技统计年鉴》。根据煤炭企业技术创新输入输出指标的设定，技术创新的DEA模型计算数据如表3所示。

表3 我国煤炭企业技术创新效率的DEA 模型计算数据

3.2 结果分析

根据所构建的我国煤炭企业技术创新效率的DEA 模型和输入输出指标的计算数据，利用DEAP2.1对该模型进行计算（面向投入角度）并对结果进行分析。计算结果如表4所示。

表4 2001-2011年我国煤炭企业技术创新效率计算结果

3.2.1 我国煤炭企业技术创新活动的规模效率分析

从表4看出，2001年和2003年的煤炭企业科技创新活动处在技术前沿面上，即规模效率是有效的。纵观2001-2011年我国煤炭企业技术创新活动的规模效率，其一直处在较高水平，均值为0.680。这表明，近年来我国煤炭企业技术创新活动的科研机构、科研资金、科研人员投入较多。但2004-2011年的技术创新规模效率递减，表明我国煤炭企业对技术创新活动的投入已达足够规模，相对于投入水平其技术创新的产出水平不理想，在未来的发展中，煤炭企业应适当调整技术创新的人力、财力方面的投入，同时加强科研人员的创新水平，来提高技术创新综合效率。其他年份的技术创新规模效率递增，表明这些年份的煤炭企业技术创新活动的投入水平如科研院所数量、科研人数、科研经费，还有一定增加的空间，即可以通过增加科技创新投入来提高煤炭企业技术创新综合效率。

3.2.2 我国煤炭企业技术创新活动的技术效率分析

从表4可知，2001年、2003年的技术效率为1，即我国煤炭企业技术创新活动技术是有效的。总体上说，2001-2011 年我国煤炭企业技术创新的技术效率一直处在较高水平，均值为0.612。这表明，我国煤炭企业普遍重视技术创新，且技术创新效率较高，但仍存在着技术创新资源配置能力、投入资源使用效率等方面的问题，煤炭技术创新效率的提升空间较大。其中，2004 年、2007 年、2008年、2009年的纯技术效率为1而技术效率不为1。这表明，在这些年份的技术创新技术水平上，其技术创新投入资源的使用效率是有效的，但其技术创新资源投入规模远没有达到最优技术创新资源投入规模，此时煤炭企业可通过增加科研院所数量、科研人数、科研经费等科研投入规模来提高技术创新综合效率。

4 结束语

技术创新是保证我国煤炭企业应对煤炭市场变化、提高企业核心竞争力的不竭动力。本文以数据包络分析为基础，定量的对比和分析了2001-2011年我国煤炭企业技术创新效率的相对有效性。利用因子分析将具有关联性的输入指标合并为大中型煤炭企业技术创新综合输入指标，该方法虽然解决了指标间的关联性问题，但后续的数据包络分析中，不能区分大中型煤炭企业科研机构数量、大中型煤炭企业科技活动人员、大中型煤炭企业科技活动经费内部支出的调整量。

［1］程晓娟，全春光.基于DEA 的煤炭行业上市公司经营效率评价［J］.矿业工程研究，2010 （1）

［2］王克强，彭攀.关于煤炭企业实施绿色技术创新战略的思考［J］.湖北社会科学，2007 （8）

［3］张能福，郑群，唐瑞.煤炭企业技术创新效果评价方法研究［J］.中国煤炭，2002 （6）

［4］顾大钊.中央企业能够率先成为自主创新主体［J］.中国煤炭，2008 （11）

［5］张梦岩.基于官产学三重螺旋模型煤炭产业技术创新探讨［J］.煤炭经济研究，2011（4）

［6］郝大庆，王锋正，郭晓川.内蒙古煤炭产业技术创新路径选择［J］.科学管理研究，2007（1）

［7］刘雪琦.我国煤炭企业技术创新的突破模式研究［J］.生产力研究，2012 （11）

［8］吴振德，宋彧.大型煤炭企业技术创新能力评价方法及应用［J］.经济研究导刊，2008 （17）

［9］彭蓬.基于神经网络的煤炭企业技术创新能力评价及经济学分析［J］.煤矿现代化，2008 （6）

［10］张昕，马紫微.煤炭企业技术创新绩效评价［J］.商业研究，2012 （8）

［11］段永瑞.数据包络分析—理论和应用［M］.上海：上海科学普及出版社，2006

［12］魏权龄.评价相对有效性的DEA 方法—运筹学的新领域［M］.北京：中国人民大学出版社，1988