资源型企业技术创新效率评价与提升策略研究

张洪亮，徐静茹

(1.安徽工业大学 管理科学与工程学院，安徽 马鞍山 243032；2.马鞍山学院 人工智能学院，安徽 马鞍山 243100)

党的十九大指出创新是引领发展的第一动力，是建设现代化经济体系的战略支撑，因此，在我国经济已由高速发展转向高质量发展的背景下，技术创新是企业转型升级、提质增效，进而实现高质量的必然选择，也是企业应对市场环境变化、增强发展动力、把握发展主动权，适应经济新常态的客观要求。资源型企业是从事不可再生的自然资源开发和初加工的企业，尽管资源型企业为经济社会发展做出了重要贡献，但在传统粗放式发展模式下，资源型企业对技术创新重视不够、创新投入强度不高，导致资源浪费严重、行业竞争力不强、环境恶化、效益低下等问题。

在资源环境约束日益强化的背景下，技术创新已成为资源型企业实现可持续发展、解决生产过程带来的环境问题、资源浪费问题，实现资源依赖型向创新发展型转变的重要途径。企业是创新发展的主体，企业研发投入占全社会研发投入的70%以上，2018年我国企业科技创新研发投入达2万亿元，但如何分析资源型技术创新的效率，识别技术创新过程中的短板并确定改进方向是迫切需要解决的问题。在此背景下，本文将依据资源型企业的特点，构建基于数据包络模型(Data envelopment Analysis，DEA)的资源型企业技术创新效率分析方法，并进行实证研究。

1 资源型企业技术创新效率评价模型

数据包络分析(Data Envelopment Analysis，DEA)是一种由美国运筹学家A. 查恩斯(A. Charnes)、W. W. 库伯(W. W. Cooper)和 E. 罗兹(E. Rhodes)提出的统计分析方法。它以相对有效性为基本理念，依据关于评价对象的输入-输出数据来确定有效生产前沿面，是一种研究多出入、多输入的同质部门有效性的非参数方法[1]。本文采用DEA模型中的CCR(Charnes Cooper Rhodes)模型对资源型企业技术创新效率进行评价。

假设有n个决策单元DMUj(j=1,2,…,n)，每个决策单元有m种投入指标和s种产出指标；xij为j个决策单元对应的第i种投入指标的值，yij为第j个决策单元对应的第i种产出指标值，则CCR模型[2]如下式所示：

(1)

(2)

其中，θ为决策单元DMUj的效率评价参数，λj为决策单元DMUj的组合比例，xj为决策单元DMUj的投入要素集合，yj为决策单元DMUj产出要素集合，S-、S+为松弛变量，x0、y0为决策单元DMUj的投入向量和产出向量。式(1)为经典CCR模型中的输入模型，即在输出不变的情况下，考虑能否将输入减少；式(2)为输出模型，即在考虑输入不变的条件下能否提高输出。可见经典的CCR模型是在规模收益不变的假定下，评价各决策单元的输入及输出是否有效。

为了方便计算，Charnes通过引入具有非阿基米德无穷小量，解决了CCR模型计算的困难，建立具有非阿基米德无穷小量ε(通常ε=10-6)的CCR模型：

(3)

若，θ=1，且S+，S-=0，那么决策单元DMUj为DEA有效，即在原有投入的基础上，所获得的产出已达到最优；若θ=1，S+≠S-≠0，那么决策单元DMUj为弱DEA有效，决策单元的经济活动不是同时为技术效率最佳和规模最佳，此时通过投影分析可以将投入X的比例降低而保持产出不变，或者投入X不变，通过改善组合可以得到更高产出的Y。若θ<0，那么决策单元DMUj非DEA有效。

2 资源型企业技术创新投入产出指标体系

资源型企业技术创新是一个复杂的系统，国内外相关学者就资源型企业技术创新评价指标进行了较为丰富的研究。周贵川,张黎明(2014)构建了两阶段双寡头博弈模型，分析了资源型企业合作技术创新的动机因素、模式选择和绩效影响机制[3]。郭晓佳等(2015)以重庆市资源型企业为例，构建了以研发资金总投比重、内部研发费用比重、科研设备购置、调试费用投入比等9个输入指标、以知识产权获得个数、自主研发专利个数、省部级奖获得数量等9个输出指标的评价指标体系[4]。柴玮等人(2015)构建了以研发投入、科技人员投入及下设科研机构数量为投入指标，以SCI论文数、授权发明专利数及国家级科技成果获奖数为输出指标的资源型企业技术创新评价指标体系[5]。张荣光等人(2016)在获取143份调研问卷的基础上，利用模糊聚类方法得到了资源矿产型企业技术创新的关键要素[6]。韩孺眉，刘艳春(2017)构建了以技术创新投入、技术创新研发、技术创新扩散及投入中环境因素为投入指标，以技术创新产出为输出指标的工业企业技术创新评价体系，并应用PCA及四阶段DEA方法对我国31个省市地区的工业企业技术创新效率进行了研究[7]。于克信等(2019)以2014—2017年资源型行业沪深A股上市的36家企业为研究对象，采用实证研究方法讨论了环境规制和政府支持对企业绿色技术创新的作用机制[8]。王俊岭等(2019)构建了我国钢铁企业技术创新评价指标体系，利用DEA方法分析了2012—2016年间我国钢铁企业技术创新效率情况及各年度的投入冗余状况[9]。

同时，由于资源型企业多以从事油气、煤炭、矿产等不可再生的自然资源的开发和加工为主，因此在分析其技术创新效率过程中，还需要考虑技术创新对经济效益、环境效益、及社会效益等方面的影响，促进技术创新、资源利用、环境之间的良性循环。在参阅相关文献的基础上，本文给出了资源型企业技术创新效率投入产出指标体系，如表1所示。

表1 投入产出指标体系

3 实证分析

钢铁及有色金属企业是典型的资源型企业，尽管我国已是工业大国，但仍不是工业强国，无效产能过剩、有效产能不足，行业利润率低、转型升级压力大，因此本文选取安徽省内7家资源型企业为例进行实证分析。这7家公司分别为铜陵有色金属集团股份有限公司、安徽楚江科技新材料股份有限公司、中钢集团安徽天源科技股份有限公司、安徽鸿路钢结构股份有限公司、马鞍山钢铁股份有限公司、安徽众源新材料股份有限公司、长江精工钢结构股份有限公司。以上公司构成了评价决策单元DMUj(j=1,2,…,7)。

3.1 投出产出指标数据获取

由表1可知每个决策单元有3个投入指标与4个产出指标。在参考上述七家企业年度报告的基础上，得到7家企业2018年度对应的投入产出数据，如表2所示。

表2 评价对象的投入与产出数据

3.2 建立并求解DEA模型

利用表2所示数据，以马鞍山钢铁股份有限公司(DMU5)为例，构建具有非阿基米德无穷小量ε(取ε=10-6)的CCR模型：

可得马鞍山钢铁公司(DMU5)的技术效率系数θ=1，同理，可求出其他六个公司的效率系数，如表3所示。

表3 评价对象技术创新效率结果

由表3可知，铜陵有色金属集团股份有限公司(DMU1)、安徽鸿路钢结构股份有限公司(DMU4)、马鞍山钢铁股份有限公司(DMU5)、安徽众源新材料股份有限公司(DMU6)和长江精工钢结构股份有限公司(DMU7)的效率指标均为1，表示技术创新效率为DEA有效；而安徽楚江科技新材料股份有限公司(DMU2)及中钢集团安徽天源科技股份有限公司(DMU3)的效率指标，表示为这些公司技术创新效率为DEA无效，说明这两个公司的投入偏大或者是产出偏低。

为进一步分析，将这两家非DEA有效的企业投入数据投影到DEA有效面，即将非DEA有效的DMU变成有效的DMU，如表4所示。

表4 非DEA有效企业投入指标投影分析

其中的x1、x2和x3分别表示投入指标中的科技投入资金、科技人员数量和科研机构，由表4知这两个企业的大部分投入指标都偏大。例如安徽楚江科技新材料股份有限公司(DMU2)可将科技投入资金减少到3.86亿元、科技人员数减少到702人、科研合作机构数降低到14个；中钢集团安徽天源科技新材料股份有限公司(DMU3)可将科技投入资金减少到0.56亿元、科技人员数减少到221人、科研合作机构数减少到9个。

经过多次分析与改进，可重得这两家公司的效率指标，此时7家资源型企业均达到DEA有效。在此基础上，进一步从产出指标的角度继续对7家公司技术创新效率进行投影分析，投影结果如表5所示。

表5 产出指标投影分析

由表5可知，从此时的投入来看，马鞍山钢铁股份有限公司(DMU5)的授权专利个数可增加2个，证书个数可增加4个，主营业务收入增加值提高0.98亿元，产品产量增加值提高0.23万吨；其余6家资源型企业的授权专利个数、证书个数、主营业务收入增加值和产品产量增加值均保持不变。可见具有DEA有效的企业在产出视角下仍具有一定的提升空间。从实证分析可知，DEA方法可以较为合理、全面地分析资源型企业技术创新效率，同时可以从投入与产出两个维度分析企业在技术创新过程中存在的问题，尤其是非DEA有效的企业，DEA得出的分析结果可为资源型企业提高技术创新效率提供明确的改进方向。

4 结论

对资源型企业技术创新效率进行评价与分析，可为企业识别创新过程中的短板与不足提供支撑，为企业提高技术创新效率提供更有方向性的指导，进而促进资源型企业在高质量发展背景下转型升级、提质增效，实现绿色可持续发展。构建资源型企业技术创新效率评价的投入产出评价指标体系，将数据包络分析方法应用到资源型企业技术创新效率评价中，并以安徽省7家资源型企业为例进行实证分析，验证了该方法的可行性与科学性。分析结果不仅给出了企业技术创新效率指数，也为企业提升技术创新效率提供了明确的方向。

需要指出的是，资源型企业技术创新评价是一个复杂的系统工程，可能会存在部分指标数据难以获取、难以量化的问题，后续研究中将进一步关注模糊DEA等方法在资源型企业技术创新效率评价中的应用。