基于城市视角下新能源汽车产业技术创新效率评价

高　阳　张蒙蒙　游达明

(中南大学商学院，长沙　410000)

基于城市视角下新能源汽车产业技术创新效率评价

高阳张蒙蒙游达明

(中南大学商学院，长沙410000)

〔摘要〕在能源和环境问题日益凸显的情况下，新能源汽车的发展无疑为我国汽车产业的发展提供了新的契机。借鉴区域和产业技术创新效率评价研究范式，结合新能源汽车特点，论文有针对性地选取评价指标，以11个新能源汽车主要推广城市创新数据为基础，在城市视角下应用主成分分析与DEA的组合方法，定量评价了其技术创新效率。通过对投入产出数据的DEA有效性进行对比分析，发现这11个城市的整体技术创新效率偏低，主要是受规模效率与纯技术效率交叉作用影响，且普遍存在新产品开发投入冗余、研发支出投入过多、企业规模不合理和资源利用效率不高等问题。最后根据分析结果进一步提出了对策建议。

〔关键词〕新能源汽车技术创新效率DEA模型效率评价C2R模型BC2模型

引言

当今社会在经济全球化背景下，信息与技术快速发展，技术创新已成为产业发展的关键因素。加强技术创新是迎接新世纪挑战、促进经济结构优化的必然要求。只有加强技术创新，改变目前核心技术空心化状态，才能变仿造为创造，不断提升产业国际竞争力，完成“中国制造”到“中国创造”的飞跃。新能源汽车产业作为新兴产业，在政府的大力支持下试运行阶段取得了一定进展，但在技术方面与世界水平尚有较大差距。基于汽车工业的复杂性，如何在新能源汽车技术创新中合理利用资源，以最少投入和消耗获得最大经济效益，从而在竞争中占据制高点，成为新能源汽车产业发展中急需解决的问题。而建立产业技术创新效率评价指标体系是衡量考评该产业发展状况的有效措施之一。所以，各地区为了解自身在新能源汽车产业竞争中所处的地位，从而做出更好的创新决策，有必要对各地区的新能源

汽车技术创新效率做出评价。

为了具体分析各地区之间新能源汽车的技术创新状况，本文以11个新能源汽车主要推广城市的调研数据为基础，拟分析各城市新能源汽车技术创新效率现状，并进行对比分析。

1问题的提出

中国汽车工业在经历近20年的合资之后，以市场换技术的战略设计已大体宣告失败，自主品牌的缺乏使我国汽车产业陷入“引进——落后——再引进”的不良循环。我国汽车产业知识产权专利的缺乏制约了其发展，致使我国在汽车领域无法和国外知名企业竞争，只能从事加工工作，无法在自主品牌上占有一席之地。当下，世界汽车产业正由传统汽车向新能源汽车转型，我们可以利用“新能源汽车”这一机遇，并借鉴国家重点创新工程的成功经验，努力在自主知识产权上突破，实现产业发展。

技术创新效率评价一直是技术创新领域的热

点问题，而产业技术创新效率评价更是技术创新效率评价的关键问题，针对这两个问题众多学者已从不同的角度开展了许多卓有成效的研究。

在技术创新效率评价方面，国内外学者从不同的领域进行了研究：白雪洁、戴小辉(2007)[1]通过对我国12家主要轿车制造企业的技术创新效率分析，发现虽然轿车企业的创新效率呈逐年递增趋势，但各企业间在综合技术效率、纯技术效率与规模效率方面存在明显差异。Lu等(2010)[2]利用DEA-Tobit模型对台湾190多家企业的创新效率进行评价，分析创新效率影响因素并分析导致其效率无效的原因。阮娴静(2010)[3]在深入探究新能源汽车技术创新基础上，创建了五维技术创新评价体系，利用模糊综合评价方法对其发展进行对比分析，选择出新能源汽车的最优技术发展路线。郭磊等(2011)[4]利用DEA交叉效率模型评价我国31个省市的技术创新效率，并指出技术创新效率存在区域差异在于技术创新的运行机制不同。潘雄锋等(2014)[5]提出了一种改进的DEA模型，并对中国2011年工业企业技术创新效率进行评价，改进后的DEA模型可以提出环境因素的影响。李牧南等(2015)[6]运用DEA模型与问卷调查方式对广东省专业镇科技创新效率进行评价，发现整体资源利用效率较低，并进一步根据问卷调查研究影响广东省专业镇科技创新效率的因素。史安娜等(2015)[7]运用DEA与Malmquist指数模型通过分析面板数据来研究我国30个省的科技创新效率情况。在产业技术创新评价方面：刘娜(2011)[8]从决策层的思想观念、人员素质及技术设备状况、产业所在地外部环境3个方面构建指标体系并利用层次分析法来研究天津市汽车产业的技术创新效率。李向东等(2011)[9]分别运用随机前沿分析与DEA模型分析我国高技术产业的技术创新效率，并指出DEA模型测算出的效率要高于随机前沿分析测算的效率。贾冀(2012)[10]则运用因子分析及熵权法来研究我国汽车产业技术创新政策效果。刘秉镰等(2013)[11]运用Metafrontier和DEA模型定量评价医药产业技术创新效率，研究发现我国医药制造业综合技术效率虽有改善但仍处于较低水平。而邢敏(2015)[13]则从不同角度分析评价了我国新能源汽车产业的政策效果。

通过对文献的分析，我们可以看出，之前的研究大多集中于从企业角度来研究技术创新效率，而从城市视角来研究的文献较少。新能源汽车产业作为新兴产业，从城市角度来进行评价的文章更少，本文主要立足于新能源汽车主要推广城市的技术创新效率评价，并进行对比分析。

2研究方法与模型

2.1主成分分析

主成分分析就是通过线性组合的方式从多个具有一定相关性的变量中尽可能快地提取信息。其主要思想是通过较少的主成分来得到较多信息量，这样不仅可以达到指标降维的目的还保留了原数据信息。鉴于技术创新活动的复杂性，罗列出所有投入产出影响因素并进行效率分析难度较大，在进行效率分析实际操作时往往选取关键要素，基于以上分析，我们在进行评价之前首先要对指标进行降维，以尽可能少的指标提取最多的信息。

2.2DEA模型

技术创新效率评价是一种对多个输入和多个输出的同类型决策单元(DMU)进行相对有效评价的多指标评价问题。DEA评价方法在多指标综合评价方面较其他综合评价方法具有明显的优势，这种方法无需输入和输出的表达式，从而排除了大部分主观因素的影响。

DEA模型主要有C2R和BC2两种模型，其中C2R模型在规模报酬不变假设下同时评价决策单元规模有效性和技术有效性。BC2模型则假设规模报酬可变，并且只考虑决策单元技术效率是否最佳。所以本文拟采用C2R模型进行综合评价，采用BC2模型进行技术有效性评价，再通过综合评价与技术有效性评价结果的比值评估规模效率情况。

2.2.1C2R模型

假设评价n个城市(称为决策单元DMU)的新能源汽车技术创新效率状况，每个决策单元(DMUj)都有m种输入和s种输出，有输入指标xi的值xij(i=1，2，…，m)，输出指标yk的值ykj(k=1，2，…，s)，j∈J={1，2，…，n}，相应的向量分别记为：X=(x1，x2，…，xm)T、Y=(y1，y2，…，ys)T、Xj=(x1j，x2j，…，xmj)T>0、Yj=(y1j，y2j，…，yrj)T> 0。初始的DEA模型C2R是一个分式规划，利用C2变换(Charnes-Cooper变换)和对偶规划理论并引入松弛变量s-、s+，可将分式规划转化为一个等价的线性规划：

min[θ-ξ(eTs-+eTs+)]

其中，θ为效率评价值，ξ为阿基米德无穷小，λ是一个向量参数。通过求解该模型，可以得到最优解θ*，λ*，s-0，s+0，并可得到如下结论：

(1)若θ*=1，并且s-0=s+0=0，说明第j0个DMU为DEA有效的，其创新效率较高，说明在有限的投入下达到了最大产出，即投入资源得到充分利用。

(2)若θ*=1，并且s-0≠s+0≠0，则说明第j0个DMU为DEA弱有效的，表明这时的投入产出结构不合理，没有达到在既定投入下产出最大化，也没有达到在既定产出下投入最小化。此时可通过减少s-0的投入来保证原有产出，或者在投入不变的情况下增加s+0的产出，从而提高整体的效率。

(3)若θ*≠1，则说明第j0个DMU为非DEA有效的，表明投入的资源没有得到充分的利用，此时可通过减少第j0个DMU投入变量的θ*以提高整体的效率。

2.2.2BC2模型

3指标体系的建立

3.1评价指标的选取及说明

评价指标是进行技术创新效率分析的基础，其选择的科学性与评价结果的准确程度直接相关。本文在分析技术创新效率评价文献的基础上，根据科学性、可行性、系统性、有效性、可比性、动态性等原则设定指标。

3.1.1投入指标

评价创新投入的维度主要有研发人员、研发经费支出等。与一般产业不同，由于汽车产业的复杂性，其投入指标还应包括有R&D活动的企业数以及汽车产品开发项目数。又由于我国新能源汽车在技术创新过程中，大多是对国外技术的引进与消化吸收，所以用技术改造与引进经费支出来评估新能源汽车产业的自主创新能力。

3.1.2产出指标

本文除了选取常见产出指标有效发明专利数与新产品产值外，还配以新产品的销售收入共同来反映创新的经济效益以及技术创新成果的市场转化能力。新能源汽车相对传统汽车更加节能环保，产出还应包括评估其环保效益的指标。指标体系具体如表1所示。

表1　新能源汽车技术创新效率评价指标体系

3.2数据来源与处理

本文以新能源汽车主要推广城市的技术创新情况为评价对象。其中主要推广城市为：北京、上海、长株潭地区、重庆、济南、武汉、合肥、天津、苏州、南通、哈尔滨。

文章数据主要来自于各地区的《2014年统计年鉴》、2014《中国科技统计年鉴》、《节能与新能源汽车发展报告(2014)》、以及2014《中国汽车工业年鉴》。在数据收集过程中，由于各地区根据当地特点所制定的统计要求与标准不一，指标数据不一定能全部获得。对于缺失数据文章进行了如下处理：

(1)地区年鉴中无环境污染指数以及环境质量指数的，则采用《中国科技统计年鉴》中所属省的环境污染指数。

(2)由于我们查到的2014年的统计年鉴均是统计的2013年数据，所以对于没有2013年数据的，则采用有数据年份(3～5年数据)的平均值。如果该指标只有一年的数据，则采用该数据[13]。

(3)由于产业技术创新具有时滞性的特点，导致从创新投入到获得各方面的创新产出之间有一段延迟期，本文暂且认为这一段延迟期为1年，所以本文数据一般采用《2014统计年鉴》的产出，《2013统计年鉴》的投入。

3.3评价指标的筛选

文章运用Matlab软件编程对投入、产出指标数据进行主成分分析。表2为投入指标的主成分分析结果，可以看出前两个主成分E1、E2的累计贡献率就已达86%，表明E1、E2已解释投入指标的大部分信息，所以投入指标提取两个主成分E1、E2。表3反映两个主成分对投入指标的载荷。同理可通过Matlab运行出产出指标的主成分F1、F2、F3，见表4。并进一步可得到表5，即3个主成分对产出指标的载荷。

表2　新能源汽车产业投入指标主成分分析结果

表3　新能源汽车产业主成分对投入指标载荷

表4　新能源汽车产业产出指标主成分分析结果

表5　新能源汽车产业3个主成分对产出指标的载荷

通过主成分的载荷矩阵可进一步得出主成分指标数据，得出数据并对其进行非负化处理，结果如表6所示。

表6　主成分分析数据

表7　11个新能源汽车主要推广城市技术创新效率计算结果

注：crste表示综合技术效率，vrste表示纯技术效率，scale表示规模技术效率，且crste=vrste×scale；return表示规模报酬的变动。

通过表7我们可以做出11个主要推广城市的技术创新综合效率、纯技术效率以及规模效率的折线图，如图1。

图1

DMU投入冗余产出不足E1E2F1F2F3北 京0.2010.0940.1360.0000.000济 南0.0370.0260.0000.0180.003合 肥0.1210.0750.0320.0000.007天 津0.1010.0630.0030.0020.003苏 州0.1290.0970.0660.0000.001

3.4评价结果的城市差异分析

由表7和表8及图1我们可以得出结果：

①从纯技术效率角度来说，由折线图可以看出这11个城市的纯技术效率差异较大，说明各城市新能源汽车发展不均衡。其中仅上海、长株潭地区、重庆、武汉、南通和哈尔滨5个城市达到了纯技术有效。其他6个城市的纯技术效率值则没有达到1，表明其在技术创新上存在较大的障碍，创新资源配置不合理，存在严重资源浪费。具体结合表8分析，苏州、北京在新能源汽车方面的纯技术效率最低，并且主要在指标E1即新产品投入与开发上存在冗余。北京可以在新产品开发与投入方面减少20.1%的比例来提高纯技术效率，而苏州则可以通过减少新产品开发与投入的12.9%来提高效率。同样对于合肥与天津来说，同样需要在新产品开发与投入方面减少，减少比例分别为12.1%、10.1%。相对而言，济南主要表现在产出指标F2不足，即环境效益产出不足。济南在新能源汽车产业技术创新方面，需要注重环境效益，在技术方面需重视低碳性。

②从规模效率角度来说，由折线图可以看出各城市的规模效率差距较小。其中上海、长株潭、重庆、南通和哈尔滨等5个城市的规模效率值为1，达到了规模有效。表明这5个城市在新能源汽车方面的创新产出，随创新投入的增加而成比例增加。并且由表7可以看出武汉的规模效率为0.965，在这11个城市中最低，且武汉和北京的规模报酬变动符号为drs，即规模报酬递减，说明产出增加的倍数小于投入增加的倍数，表明规模和投入产出不相匹配，产业规模偏大，这两个城市应注意适当减小产业规模，转而关注产业结构优化。其他5个非规模有效的城市，在规模报酬上是递增的，即产出的增加倍数大于投入的增加倍数，说明产业规模偏小，这几个城市就要重点加强新能源汽车产业规模建设，继而提高其新能源汽车产业的规模效率。

③从综合效率来看，由折线图可以看出这11个城市的综合效率差异也比较大。计算得出这11个城市的平均综合效率为0.964，处于一个较高的效率水平。其中上海、长株潭地区、重庆、南通和哈尔滨等5个城市为DEA有效决策单元，在新能源汽车技术创新方面效率较高，现有生产要素投入产出配置已达到最佳状态。其他6个城市的综合技术效率均未达到有效，其中北京、苏州的最低。北京、上海一直是经济发展的领头者，但北京的技术创新效率却不如上海，主要在于北京技术创新的投入冗余率过高，在新产品的产值上表现为产出不足，因此北京可以适当减少新产品开发项目与人员投入来提高效率。济南、合肥、天津、苏州也均存在投入冗余问题，所以这几个城市在今后新能源汽车推广过程中要注重投入要素的比例问题。从资源配置角度分析，这几个城市如果优先提高冗余率比较大的要素的使用效率，对新能源汽车的发展促进作用将较为明显。由表8可以看出，这几个非DEA有效城市投入冗余较大的是E1即新产品的研发投入，这几个城市在以后可以适当减少新产品开发投入，注重技术的消化吸收与开发。

通过对11个城市新能源汽车产业纯技术效率与综合技术效率对比分析，可以看出有6个城市的纯技术效率比综合效率高，说明在11个新能源汽车推广城市中约55%的新能源汽车产业尚处于成长期，虽资源利用率较高，但产业发展受制于产业规模，因此这几个城市要着重扩大产业规模以提高产业技术创新效率。尤其对于武汉来说，其纯技术效率值达到1，而且相对于综合技术效率均有较大程度提高，说明武汉的新能源汽车产业方面科技投入利用率高，无浪费现象，之所以综合技术效率偏低则是由于规模效率较低，所以武汉在发展新能源汽车产业过程中要重点调整产业规模。并且通过对比分析，可以看出北京、济南、合肥、天津和苏州这5个城市的规模效率比综合效率高，表明这几个城市技术创新程度较低，要重点加强新能源汽车产业的技术创新以及制度创新。对于技术效率有效的城市应继续保持新能源汽车产业发展的势头，在此基础上不断突破创新。综合来看，这11个城市的综合效率、纯技术效率以及规模效率的平均值分别为0.964、0.969、0.994。综合效率值均比纯技术效率值以及规模效率低，其中纯技术效率低是导致综合效率低下的主要原因，技术效率应成为我们未来发展新能源汽车产业的着力点。

4结论与建议

本文在已有研究的基础上，从城市的视角将主成分分析与DEA模型结合起来分析新能源汽车的技术创新效率问题，并在指标的选择上率先加入了环境指数指标。通过主成分分析以及DEA模型的C2R以及BC2模型对我国新能源汽车主要推广城市技术创新效率的评价分析，可以看出，这几个城市在新能源汽车产业方面存在技术创新投入过多，资源利用效率低下等问题。究其原因，主要是受技术无效与规模无效交叉作用的影响。就统计数据来看，主要推广城市新能源汽车技术创新在基础研究方面的投资不足。基础研究是推动原始创新的重要力量，可以看出主要城市对自主创新关注不够，大多是对国外技术的引进消化，而自己的独立品牌较少。产业规模与投入产出不相匹配导致效率低下，并且存在在新产品的开发上投入过多，投入冗余而引起资源浪费的情况。

通过上述分析，本文从以下几个方面提出对策建议：(1)政府方面：要加大投资来增加支持力度。并制定相应的政策，一方面来监督产业的发展方向，防止盲目过快发展以及资源配置不合理引起的资源浪费；另一方面要合理调控产业规模，使之与创新投入产出规模相匹配；(2)企业方面：从以上分析我们可以看出城市之间技术创新效率存在较大差异，所以我们要引导企业技术创新各要素在各城市之间的流动。由于经济、科技以及自然资源禀赋等方面的差异，决定了不同城市的技术创新要素禀赋不均衡，所以我们可以通过财政、金融等政策来鼓励创新要素的跨区域流动，加强各城市之间的人才与创新技术交流，实现各城市之间技术创新资源的优化配置，从而达到各城市之间优势互补，共同进步的局面。此外，要适当减少新产品研发支出以节省资源来提高效率，并且要加大自主品牌的科技投入，建立良好的科技创新运行机制；(3)社会方面：鼓励全社会多渠道投入建立新能源汽车产业的投融资体系，并加强宣传力度，增强新能源汽车的关注度。

参考文献

[1]白雪洁,戴小辉.基于DEA模型的中国主要轿车企业生产效率分析[J].财经研究，2006,32(10)：35～47

[2]Lu Y H,Shen C,Ting CT,Wang C H.Research and Development in Productivity Measurement:An Empirical Investigation of the High Technology Industry[J].African Journal of Business Management,2010,4(13)：2871～2884

[3]阮娴静,杨青.我国新能源汽车技术指标体系及评价模型[J].科技管理研究，2010,30(8):32～34

[4]郭磊,刘志迎,周志翔，等.基于DEA交叉效率模型的区域技术创新效率评价研究[J].科学学与科学技术管理,2011,32(11):138～143

[5]潘雄锋,杨越.剔除环境因素影响的中国工业企业技术创新效率评价研究[J].运筹与管理,2014,23(6):244～251

[6]李牧南,周俊锋,朱桂龙,等.广东专业镇技术创新效率评价——基于DEA和问卷实证的双重视角[J].科学学研究,2015,(4):17

[7]史安娜,徐巧玲.我国科技资源配置效率的实证分析——基于DEA的超效率CCR模型与Malmquist指数模型[J].科技管理研究,2015,35(1):54～59

[8]刘娜.天津市汽车产业技术创新能力,效率评价与发展对策研究[D].天津：天津商业大学,2011

[9]李向东,李南,白俊红,等.高技术产业研发创新效率分析[J].中国软科学,2011，(2):52～61

[10]贾冀.我国汽车产业技术创新政策效果研究[D].太原：太原理工大学,2012

[11]刘秉镰,徐锋,李兰冰.中国医药制造业创新效率评价与要素效率解构[J].管理世界,2013，(2):169～171

[12]张根文，曾行运．基于DEA-Tobit模型的新能源汽车生产效率及影响因素研究[J]．工业技术经济，2014，(3)：130～137

[13]邢敏.中国实施的新能源汽车政策及效果分析[J].经济研究导刊,2015，(6):52～54

[14]方爱平,李虹.基于DEA模型的西部区域科技投入产出效率分析——以西部大开发12个省、市、自治区为例[J].科技进步与对策,2013,30(15):52～56

(责任编辑：王平)

Based on the Perspective of City New Energy Automotive Industry Technology Innovation Efficiency Evaluation

Gao YangZhang MengmengYou Daming

(Central South University，Changsha 410000，China)

〔Abstract〕In the case of energy and environmental issues become increasingly prominent,the development of new energy vehicles will undoubtedly provide a new opportunity for the development of China’s automobile industry.Learning from regional and industrial technology innovation efficiency evaluation research paradigm,combined with the characteristics of new energy vehicles,the paper targeted to selective evaluation index of 11 new energy vehicles pilot cities,in the base of urban innovation data,under the perspective of city using the combination of principal component analysis and DEA method,the quantity of evaluation is realized about the efficiency of its technical innovation.In the comparative analysis of the input and output validity data of DEA,we found that the efficiency of technological innovation about the 11 cities is low relatively,and the main reason is that the cross-action effects of scale efficiency and pure technical efficiency and widespreadly the excessive investment on research,irrational enterprise scale and low resource efficiency.Finally based on the analysis results,we put forward further suggestions.

〔Key words〕new energy vehicles;the efficiency of technological innovation;DEA model;efficiency evaluation;C2R model;BC2 model

〔中图分类号〕F426.471

〔文献标识码〕A

DOI：10．3969/j．issn．1004-910X．2016．03．007

作者简介：高阳，中南大学商学院教授，博士生导师。研究方向：产业经济学、闭环供应链等。张蒙蒙，中南大学商学院硕士研究生。研究方向：产业经济学。游达明，中南大学商学院教授，博士生导师。研究方向：技术经济。

基金项目：国家自然科学基金项目(项目编号：71172100)。

收稿日期：2015—11—05