我国制造业技术创新效率分析

任冶

（南京师范大学商学院，南京210023）

我国制造业技术创新效率分析

任冶

（南京师范大学商学院，南京210023）

文章运用DEA及Malmquist方法，以我国2011—2015年15个汽车制造业上市公司的技术创新数据为样本，测算了该行业技术创新的效率。研究表明：我国汽车制造业技术创新效率仍处于较低水平，且总体上呈下降趋势；动态看，我国汽车行业的全要素生产率呈“增长—下降”趋向，全要素生产率的上升来自于技术进步的驱动，而技术效率恶化却造成了全要素生产率的下降。

DEA；Malmquist；创新绩效；技术创新效率

0 引言

我国已建成全球门类最为齐全的完整工业体系，取得了制造业第一大国的地位。但我国制造业大而不强，存在核心技术缺失、高端产品依赖进口受制于人、自主创新能力不强等问题。由此，《中国制造2025》更加突出了创新驱动发展战略，通篇把创新作为核心竞争力。在制造强国建设“三步走”战略中，创新发挥着不可替代的重要作用。要把创新摆在制造业发展全局的核心位置，力争在新一代信息通信技术、高档数控机床和机器人、航空航天装备等重要、关键领域，集中突破一批基础共性和核心关键技术，重塑工业转型发展新引擎。技术创新成为中国制造业未来发展的重要出路，企业是科技和经济紧密结合的重要力量，应该成为技术创新决策、研发投入、科研组织、成果转化的主体。那么，怎样提高制造业技术创新效率、推动创新驱动发展战略进入快车道？这是一个需要认真研究的紧迫课题。

1 指标选取与方法设定

1.1 指标选取

资本和劳动力的投入是技术创新投入最主要的两个方面。本文使用R&D经费和R&D人员数两个指标作为技术创新投入的指标。有关技术创新活动的投入，最常用指标为专利申请数和新产品销售收入[1-4]。其中，新产品销售收入大多来自于国家相关部门发布的针对行业或地区的专项统计报告。但对于针对微观层面的上市公司来说，新产品销售收入涉及企业机密，样本公司的年报中一般不会单独公布，这一指标的微观层面的数据难以获得，专利作为技术创新成果的结晶，可以直接的体现企业技术创新活动的产出水平，企业专利申请的相关数据可以在国家知识产权局网站很方便的查询获得。因此，考虑到数据科学性和可得性，本文选取专利申请数作为技术创新产出的衡量指标。其中，一级指标包括创新投入与创新产出；创新投入的二级指标包括R&D经费支出（万元）、R&D人员数（人），创新产出的二级指标为专利申请数（件）。

1.2 研究方法选择

数据包络分析（DEA）方法是基于Farrell的效率理论，由Cooper和Rhodes(1978)[5]发展起来的线性规划方法。DEA基本原理主要是通过保持决策单元(DUM)的输入或者输入不变，借助于数学规划方法确定相对有效的生产前沿面，将各个决策单元投影到生产前沿面上，并通过比较决策单元偏离前沿面的程度来评价它们的相对有效性。其基本模型主要有投入主导型的规模不变CCR模型和规模可变BCC模型两种。本文采用BCC模型来测度效率。设决策单元有n个：DMUj(j=1，2，...，n),每个DMU,包含m种输入，s种输出，输入输出向量分别为分别表示第j个决策单元DMUj第i种类型输入的投入量和第r种类型输出的输出量，λi为为权系数，其对应的输入、输出数据分别为：基于输入的带有非阿基米德无穷小的BCC模型可表示为：

Malmquist指数最初由Malmquist于1953年提出[6]，Caves等于1982年开始将这一指数应用于生产效率变化的测算，Fare[7]证明Malmquist指数可分解为技术效率变化指数(TE)和技术进步变化指数(TC)，而技术效率变化指数又能分解为纯技术效率变化指数PTEC和规模效率变化指数(SC)。从t到t+1期的Malmquist效率变化指数具体分解形式可表示为：

TE测度从t至t+1期决策单元到最佳生产前沿面的距离变化情况，被称作“追赶效应”，当TE＞1时，说明决策单元的生产更接近生产前沿面，相对技术效率有所增加；TC测度技术前沿从t到t+1期的移动情况，被称作“增长效应”，当TC＞1时，表明技术出现进步，生产前沿面向“上”移动。

本文以沪深两市上市的汽车制造行业公司为研究对象。样本的选取主要遵循以下原则：（1）剔除上市年较短的公司。本文研究跨度为2011—2015年，若为2011年以后上市，则将该公司将剔除。（2）剔除数据不完整的公司。出于统计分析的必要，剔除有任何数据缺失的公司。（3）剔除ST、ST*类的公司。因为这些公司处于财务状况异常的情况，会影响测算结果的正确性。最终整理出15家具有代表性的汽车制造业上市公司2011—2015年的共75个面板数据，数据来源于上市公司的年报和国家知识产权局网站。

2 实证分析

表1 汽车制造业上市公司的技术创新效率测度结果

2.1 DEA静态分析

本文基于DEA方法的BCC模型，利用DEAP2.1软件对2011—2015年15个汽车制造业上市公司样本的技术创新效率进行测算，其具体结果如表1所示。

表1展示了2011—2015年15个汽车制造业上市公司样本的技术效率及其分解的纯技术效率与规模效率，可看出总体上技术效率偏低，有的企业在某些年份的技术效率值达到了0.8以上，甚至1，这些企业的技术创新活动具有较高投入产出效率（安凯客车，2012—2015年；精锻科技，2011—2012年；江淮汽车，2013—2015年等），还有企业在某些年份效率值尚不足0.2，说明技术效率有待提高（万向钱潮，2011—2015年；凌云股份，2011—2015年等）。再从分解的纯技术效率与规模效率来看，某些企业在某些年份的纯技术效率值为1，表明此企业在这期在变动规模报酬条件下、在现有投入水平下均获得了最大产出（精锻科技，2011—2013年；比亚迪，2011—2012年；安凯客车，2012—2015年等），在规模效率方面，某些企业在某些年份的规模效率为1（精锻科技，2011—2012年；安凯客车，2012年，2014—2015年等），表现出良好的规模经济性。从纯技术效率与规模效率的比较来看，基本上纯技术效率均低于规模效率，由此可见，相对于规模效率，制约中国汽车制造业上市公司技术创新效率整体提升的原因主要是由于纯技术效率较低所致。纯技术效率的经济内涵主要表现在规则制度及管理水平等方面。近年来，伴随着对制造业研发资源投入的不断增加，创新规模在不断扩大，但由于缺乏科学的制度安排及管理水平的落后，使得纯技术效率无法提高，进而制约了技术创新的有效发展。由此也启示，今后中国制造企业技术创新模式需加以转变，应打破传统的制度和管理方式，改变过去单纯依靠扩大规模的粗放发展模式，通过制度变革与管理创新，使其向制度科学型和管理有效型方向发展，并以此推动整个制造业技术创新效率的全面提升。

为了更加清晰地描述技术效率、纯技术效率与规模效率均值随时间变化的情况，绘制了历年技术效率及其分解效率均值的时间趋势图，如图1所示。

图1 历年技术效率及其分解效率均值时间趋势

由图1可看出技术效率均值从2011—2012年基本保持不变，从2011年的0.392到2011年的最高值0.393，此后逐年下降，规模效率均值历年一直保持平稳，围绕0.65上下徘徊，波动不大，有上升趋势，纯技术效率均值则呈现出先上升再下降的过程，从2011年的0.623到2012年的0.670,此后逐年下降的趋势，特别是在2012年后，纯技术效率呈现出不断下降的趋势，但规模效率却在逐步提高，也意味着近年来中国制造业创新规模不断扩大，使得规模效率得到充分释放，规模经济性逐步得到提高，但相应的制度安排和管理创新并没有及时跟上，发展滞后。上述结果说明，我国汽车制造业上市公司技术创新效率发展基本呈现一种规模拉动型的发展，管理水平和制度安排还有待提高。

2.2 Malmquist动态分析

本文利用DEA模型的投入产出数据，采用Malmquist指数模型对15个汽车制造业上市公司在2011—2015年的技术创新效率变化进行分析，通过DEAP2.1软件进行数据处理，结果如表2所示。

表22011 —2015年汽车制造业上市公司Malmquist效率变化指数

如表2所示，如果各项指数大于1，表明当期该指数正增长，反之，负增长。考察期内技术进步变化全呈现正的增长态势，表明技术是不断进步的，但技术效率变化基本呈现负的增长态势，除了2011—2012年技术效率正增长外，其余负增长，技术进步率大于技术效率变化率，这也表明中国汽车制造业上市公司技术创新全要素生产率的提高主要得益于技术进步。其次，进一步将技术效率变化指数分解为纯技术效率变化指数和规模效率变化指数，纯技术效率变化2011—2012年和规模效率变化指数2012—2013年呈现正增长，其余各年呈现负的增长态势，但纯技术效率有不断恶化，而规模效率有明显改善的迹象，纯技术效率不断恶化，规模效率增幅不明显，两者综合作用致使技术效率改善并不明显，最终导致全要素生产率无法提高。因此，我国汽车制造业上市公司要想提高技术创新的效率，必须转变仅仅依靠规模扩大的粗放增长方式，需要在制度建设及管理创新上有所作为。

3 结论

本文得到以下结论：

（1）我国汽车制造业上市公司的技术创新效率整体水平偏低，效率均值在2011年达到最高值0.4，此后逐年下降，不同的企业和年份之间的技术创新效率差距很大，有的企业在某些年份的技术效率值达到了0.9以上，甚至1，而有的企业在某些年份效率值尚不足0.1，说明其技术创新水平有待提高。

（2）纯技术效率均低于规模效率，由此可见，相对于规模效率，制约中国汽车制造业上市公司技术创新效率整体提升的原因主要是由于纯技术效率较低所致，其创新效率发展基本呈现一种规模拉动型的发展，管理水平和制度安排还有待提高。

（3）我国汽车制造业上市公司技术进步对于技术创新水平的提升贡献较大，效率增长主要源自于技术进步的驱动，纯技术效率有恶化趋向，规模效率增幅不明显，两者综合作用致使技术效率改善并不明显，最终导致总体效率低下。

[1]刘俊杰,傅毓维.基于DEA方法的高技术企业创新效率研究[J].科技管理研究,2008,(3).

[2]薛娜,赵曙东.基于DEA的高技术产业创新效率评价——以江苏省为例[J].地方经济社会发展研究,2007,(5).

[3]吴瑛,杨宏进.基于R＆D存量的高技术产业科技资源配置效率[J].科学学与科学技术管理,2006,(9).

[4]魏芳,赵玉林.我国高技术产业创新效率的实证分析[J].工业技术经济,2008,(8).

[5]A,Cooper W W,Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978,2,(6).

[6]Malmquist S.Number and Indifference Surfaces[J].Trabajos de Estatistica,1953,(4).

[7]Fare R,Grosskopf S,Norris M,et al.Productivity Growth Technical Progress and Efficiency Change in Industrialized Countries[J]American Economic Review,1984,(1).

（责任编辑/浩天）

F062.4

A

1002-6487（2017）11-0140-03

国家社会科学基金资助项目（16BGL039）

任冶（1987—），男，安徽芜湖人，博士研究生，研究方向：技术创新与效率分析。