我国矿产资源产业链技术效率及时空分布研究

闫军印，侯孟阳

(河北地质大学研究生学院，河北石家庄 050031)

本文依据5大类矿种及不同省区矿产资源产业链1991～2014年的基础数据，采用数据包络分析的CCR、BCC及超效率模型对我国矿产资源产业链总体和不同矿种资源产业链的技术效率进行测算，并对各省区资源产业链技术效率的时空分布特征进行了分析。研究结果表明：我国矿产资源产业链总体、不同类型资源产业链、各省区资源产业链的技术效率均实现了不同程度的提高，产业链的纯技术效率贡献明显低于规模效率；不同省区产业链技术效率水平在时空分布上与我国东、中、西部的经济发展程度、技术发展水平具有较为明显的关联性；从产业链层面、产业层面和企业层面培育集群创新网络，不断提高产业链的技术含量和技术贡献率，是实现产业链技术效率、规模效率、资源效率和环境效率协调发展的现实路径。

矿产资源；产业链；技术效率；数据包络分析(DEA)；时空分布

0 引 言

矿产资源产业链是指以矿产资源开采、加工及利用为主要生产经营特征而形成的庞大产业体系，作为工业经济的基础和主导产业体系，我国矿产资源产业链肩负着国家工业化、城镇化和国民经济发展所需能源、矿产品和基础原材料的供应和保障功能，同时又是构成国民经济体系的重要组成部分，对国家经济发展起着重要的支撑作用[1]。然而，矿产资源产业链运行过程中对矿产资源的高度依赖性和对生态环境的高强度干扰、影响和破坏性，又决定了矿产资源产业链成为迫切需要由要素驱动向创新驱动转型和升级的产业体系。如何在科学准确地测定矿产资源产业链技术效率的基础上，全面分析研究产业链技术效率的时空分布及发展演变特征，科学规划产业链技术发展方向和路径，不断提升产业链的技术水平，提高资源利用效率，解决产业链发展过程中的资源、环境“瓶颈”约束，具有重要的现实意义。

关于矿产资源产业链技术效率方面的研究，国内外学者大多集中在财务指标比较和单纯的规模比较上，并存在选取数据不够全面、方法较为单一等问题；而且现有研究大多针对矿产资源产业链某一环节或行业单一时点角度开展技术效率研究和测评，缺乏对产业链技术效率动态发展变化态势的分析和剖析。本文运用数据包络分析(DEA)的CCR、BCC及超效率模型，以我国矿产资源产业链(包括总体产业链、不同类型资源产业链及各省区资源产业链)1991～2014年的面板数据为基础进行产业链技术效率分析，并对我国矿产资源产业链技术效率的时间-空间分布特征开展研究，以便对我国矿产资源产业链技术效率的发展演变趋势进行科学判断。

1 研究对象及指标数据来源

1.1 研究对象确定

依据我国行业划分标准及矿产资源开发利用过程中各个环节的产业关联性[2]，本次研究对象界定为五个方面的资源产业链。煤炭资源产业链：煤炭开采和洗选业→电力热力及燃气生产和供应业→高耗能产业(包括：钢铁行业、电力行业、建材行业、化工行业)；石油和天然气资源产业链：石油和天然气开采业→石油加工业→化学原料及化学制品制造业；黑色金属矿产业链：黑色金属矿采选业→黑色金属冶炼及压延加工业→金属制品及设备制造业(通用设备制造业、专业设备制造业、交通运输设备制造业等)；有色金属矿产业链：有色金属矿采选业→有色金属冶炼及压延加工业→金属制品及设备制造业(电气机械及器材制造业、通信设备、计算机及其他电子设备制造业等)；非金属矿产业链：非金属矿采选业→非金属矿物制品业→建筑业。基于不同省区矿产资源的禀赋差异及资源产业链的发展程度不同，在样本数据采集时，根据不同省区不同矿产资源产业链发展的具体状况，遵循差异化的选取原则，其中煤炭资源产业链分析样本为24个省区，石油和天然气资源产业链分析样本为15个省区，黑色金属矿产业链分析样本为23个省区，有色金属矿产业链分析样本为24个省区，非金属矿产业链分析样本为24个省区，从整体来看，共有27个省市参与分析。需要说明的是，重庆市作为直辖市的年份较短，将其相关数据并入四川省。

1.2 评价指标数据来源

根据技术效率测评的过程和要求，首先确定研究对象的投入和产出指标，在此基础上测算各评价对象的技术效率水平。借鉴相关研究文献，矿产资源产业链技术效率分析选取主营业务收入为产出指标，反映产业链最终产出的市场价值；选取年末资产总额、年平均从业人数为投入指标，反映产业链资本和人力资源的投入强度[3]。每项指标的基础数据来源于1992～2015年《中国统计年鉴》及各省区统计年鉴中产业链各环节相关产业投入和产出指标的统计数据。

2 矿产资源产业链技术效率测评

2.1 模型构建及分析测评

数据包络分析(Data Envelopment Analysis，DEA)是到目前为止构造较好的非参数效率度量方法，该方法基于数学规划思想，通过建立线性规划模型来评价决策单元(DMU)之间的相对效率[4]。根据研究过程，首先构建DEA分析的CCR和BCC模型，见式(1)。

(1)

式中：Xj为输入指标(年末资产总额、年平均从业人员数)；Yj为产出指标(主营业务收入)。当取δ1=0时为CCR模型，得到各评价对象的总体技术效率(TE)；当取δ1=1、δ2=0时为BCC模型，将评价对象的总体技术效率(TE)进一步分解为纯技术效率(PTE)和规模效率(SE)。

在DEA效率分析中，不论是CCR模型还是BCC模型，有时会存在多个决策单元同时有效的现象，在众多评价对象效率值均为1的情形下，无法直接对它们的效率高低进行比较。为了弥补这一缺陷，此处进一步采用DEA超效率(Super Efficiency)模型，将总体技术效率为1的决策单元进一步细分和排序。超效率DEA模型的形式见式(2)[5]。

(2)

在运用DEA分析模型推估效率前沿边界时，可以采用两个方向进行，一个是以投入导向(InputOrientated)，另一个是以产出导向(OutputOrientated)。投入导向模型是在不减少产出的情况下，衡量要素投入减少的比例；产出导向模型则是在既有的要素投入下，衡量产出增加的比例。一般认为如果厂商可以自由地调整其生产要素，则应当采用投入导向模型来分析其技术效率[6]。就矿产资源产业链而言，由于市场机制的调节作用，基本上是根据市场需求进行生产，即使厂商在趋利导向下扩大产量，也往往因为市场需求不足，利益无法实现而自动压产，所以在一定产出情况下应尽量控制投入量[7]。因此，本次采用投入导向型的CCR和BCC模型测算矿产资源产业链的技术效率，将1991～2014年各评价对象输入指标和产出指标的面板数据代入DEA分析测评软件系统，得到各评价对象的总体技术效率(TE)和纯技术效率(PTE)及规模效率(SE)，并通过超效率模型对多个效率值为1的DMU进一步分解测评，得到各矿产资源产业链技术效率分析测算结果(表1)。

表1 我国矿产资源产业链技术效率分析测评结果

2.2 测评结果分析

从以上分析结果可以看出，我国矿产资源产业链技术效率表现出以下明显特征。①从产业链总体状况来看，我国矿产资源产业链总体技术效率不高，各年份技术效率基本处于0.600～0.800之间，均未达到有效前沿面，表现为DEA无效。20多年间虽然五大类资源产业链均表现出不同幅度的增长态势，但增长幅度比较缓慢，且呈现出明显的波动性；1990～1997年间产业链技术效率较高，总体效率值处于0.700～0.800之间，1998～2004年产业链技术效率出现了下降的态势，总体效率值处于0.650～0.750之间，2005～2010年间产业链技术效率又开始提高，总体效率值上升到0.750以上，2011～2014年间产业链技术效率出现小幅下降，总体效率值在0.700～0.750之间变化。②从各产业链的技术效率状况来看，各矿种资源产业链技术效率表现出不同程度的差异性，非金属矿资源产业链较高，总体技术效率值处于0.672～0.901之间，且比较平稳，多数年份处于0.750～0.850之间，平均值达到0.788。石油和天然气资源产业链、黑色金属矿资源产业链处于中等水平，总体技术效率值处于0.650～0.800之间，平均值分别为0.755和0.733。煤炭资源产业链和有色金属矿资源产业链最低，总体技术效率值处于0.600～0.760之间，平均值分别为0.675和0.674。③从产业链技术效率的构成状况来看，不同资源产业链技术效率的贡献同样表现出一定的差异性，煤炭资源产业链、黑色金属矿资源产业链、有色金属矿资源产业链和非金属矿资源产业链规模效率平均值分别为0.854、0.925、0.853和0.941，而纯技术效率平均值分别为0.789、0.790、0.783和0.834，均为规模效率贡献大于纯技术效率贡献，只有石油和天然气资源产业链为纯技术效率(0.860)贡献略大于规模效率(0.850)贡献，说明我国矿产资源产业链发展过程中，受经济快速发展对矿产品高强度需求的拉动，矿产资源产业链相关企业更加关注规模扩张，对技术进步的重视程度不足。

3 产业链技术效率时空分布特征分析

为了进一步分析和判断我国矿产资源产业链技术效率的地区差异性，同样采用投入导向型的CCR、BCC和超效率模型，对各省区资源产业链技术效率开展时间序列测算与评价，得到各省区产业链技术效率不同时点分析评价结果(表2)。

表2 各省区不同时点矿产资源产业链技术效率测评结果

从各省区矿产资源产业链技术效率分析评价结果及时空分布特征来看，各区域矿产资源产业链技术效率呈现出明显的差异性特征，主要表现为以下几点。① 1991～2014年间各省区矿产资源产业链技术效率均呈现出不同程度的增长态势，处于低效率区域的省份不断减少，而处于中等和较高效率区域的省份在不断增加，但增长速度比较缓慢。②从产业链的地区分布特征来看，不同省区矿产资源产业链技术效率状况总体上与我国东、中、西部的经济发展程度、技术发展水平具有较为明显的关联性。东部省区技术效率普遍较高，如北京、天津、江苏、浙江、山东、广东、福建等，各年技术效率值总体上分布在1.000附近，平均值分别达到0.806、1.370、0.945、0.848、0.918、1.014、0.841；中部省区处于中等水平，如安徽、江西、河南、湖南、吉林等，技术效率平均值基本上处于0.700～0.800之间；而西部省区技术效率明显偏低，如甘肃、云南、陕西、广西、四川等，技术效率平均值基本上处于0.550～0.700之间，形成了我国东、中、西部矿产资源产业链技术效率的空间梯级分布特征。③从发展演变过程来看，1991～2014年间我国不同省区矿产资源产业链总体技术效率的差异程度呈减小态势，随着国家一系列相关战略和政策的贯彻和实施，中西部地区人才、装备和技术水平的持续提升，产业链技术效率的差异性将会进一步缩小。

4 研究结论及启示

根据我国5大类矿种及不同省区矿产资源产业链1991～2014年的基础数据，采用投入导向型数据包络分析的CCR、BCC及超效率模型对我不同类型资源产业链和总体资源产业链的技术效率进行测评，并在对各省区矿产资源产业链技术效率分析评价的基础上，就产业链技术效率的时空分布特征进行了具体分析，得到如下研究结论及启示。

第一，我国矿产资源产业链经过20多年的发展，无论从产业链总体、不同类型资源产业链，还是从各省区资源产业链来看，技术效率均实现了不同程度的提高，但提升幅度不大，大多数年份的技术效率小于1，表现为DEA无效。说明改革开放以来，受我国国民经济快速发展对能源、矿产品及基础原材料高强度需求的拉动，矿产资源产业链基本上延续了要素投入导向的规模扩张型发展路径。随着国家产业结构调整的深入、供给侧结构改革政策的持续推进，矿产资源产业链的技术进步模式需要由以工艺创新为主向着以提高产品品质、开发和拓展新产品为主的技术创新模式转变，从而实现产业链由面向降低成本导向向着适应战略性新兴产业市场需求的技术效率提升路径转变[8]。

第二，从不同类型矿产资源产业链技术效率的构成状况来看，1991～2014年我国矿产资源产业链的纯技术效率贡献明显低于规模效率贡献，说明我国矿产资源产业链在发展过程中，以R&D经费、R&D人员、R&D设备、技术引进经费、技术改造经费等为标志的技术要素投入明显不足。这就要求矿产资源产业链从产业链层面、产业层面和企业层面培育不同类型和不同层次的集群创新网络[9]，强化创新要素的投入规模和质量，完善内外部技术创新环境，不断提高产业链的技术含量和技术贡献率[10]。

第三，从不同类型矿产资源产业链各省区技术效率时空分布状况来看，我国矿产资源产业链技术效率无论从产业链类型上，还是从空间区域分布上，仍然存在着不同程度的分异性特征，这种分异特征与我国不同类型的资源需求程度、地区经济发展水平和资源禀赋存在较强的相关性。这就需要从矿产资源产业链整体的技术进步目标出发，科学谋划和统一部署我国矿产资源产业链的技术发展路径，开展技术发展路线图的规划和编制，充分发挥产业链技术发展平台的引领作用，不断强化不同地区、产业链不同环节的技术创新和技术进步，不断缩小不同地区、不同类型资源产业链的技术效率差异，促进产业链技术水平的全面提升，实现产业链技术效率、规模效率、资源效率和环境效率的协调发展[11]。

[1] 闫军印,段亚敏,侯孟阳.转型背景下技术创新能力影响因素动态演化实证研究——以我国矿产资源型产业为例[J].科技管理研究,2016,36(2):19-25.

[2] 闫军印，梁波.基于投入产出模型的我国矿产资源产业关联度研究[J].当代经济管理，2013(3)：59-64.

[3] Farrell M J.The measurement of productive efficiency [J].Journal of the Royal Statistical Society，1957，120(3)：253-290.

[4] 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.

[5] 杨力，王舒鸿，吴杰.基于集成超效率DEA模型的煤炭企业生产效率分析[J].中国软科学，2011(3)：169-176.

[6] 闫军印，李百华.环首都经济圈矿产资源开发技术效率研究[J].当代经济管理，2012(12)：69-73.

[7] 闫军印，孙赟.河北省钢铁产业技术效率评价及对策研究[J].石家庄经济学院学报，2012(2)：57-61.

[8] 谢雄标，严良.矿产资源产业可持续发展模式及机制分析[J].科技管理研究，2011(22)：109-112.

[9] 谷林洲，邵云飞.复杂网络视角下中国新能源汽车产业的技术创新网络及其优化策略[J].技术经济，2016(1)：16-21.

[10] 闫军印，侯孟阳，梁波.我国矿产资源型产业技术创新溢出效应实证分析[J].中国矿业，2016，25(12)：5-11.

[11] 中国科学院矿产资源领域战略研究组.中国至2050年矿产资源科技发展路线图[M].北京：科学出版社，2009.