科技创新与矿业经济高质量发展研究——基于矿产资源产业差异视角

成金华， 左芝鲤*， 李咏麟

(1.中国地质大学(武汉)经济管理学院， 武汉 430074；2.中国地质大学(武汉)资源环境经济研究中心， 武汉 430074)

矿产资源是人类社会赖以生存和发展的重要物质基础.矿产资源供给了人类95%以上的能源，80%以上的工业原料，70%以上的农业生产原料，矿业支撑了我国70%以上的国民经济运转[1].在经济发展新常态背景下，我国正面临着发展转型、增速换挡、产业结构调整等众多挑战，而科技创新则是引领经济高质量发展的核心驱动力.虽然矿业作为传统行业之一，但其高质量发展必定离不开现代高新技术的推动，矿业的发展历程一定是科技持续进步的过程.十九届五中全会中明确提出保障能源和战略性矿产资源安全，确保国家经济安全，科技创新正是破解资源开发利用难题和保障资源安全可靠供应的根本之策.在此背景下，探索科技创新与矿业高质量发展的平衡点，寻求产业健康发展新出发点，对于我国经济发展与国家安全具有重要意义.

经济高质量发展在2017年党的十九大首次提出，中国经济由高速增长阶段转向高质量发展阶段.新时代下的高质量发展必须是效率和质量导向的，即体现质量第一、效率优先，以实现更高质量、更有效率、更加公平、更可持续的发展[2].熊彼特[3](Schumpeter J A)是第一位提出创新理论并将其应用于经济发展理论的经济学家，他指出创新是经济发展最本质的属性且创新是一种创造性破坏.孙祁祥和周新发[4]指出科技创新与经济高质量发展之间存在复杂的联系，主要包括微观、中观和宏观三个层面.其中，微观层面包括企业、高校、科研院所等机构；中观层面包括产业链、价值链和区域科技创新增长极；宏观层面为中国科技在世界的总体竞争力水平.而技术进步对矿产资源行业的开发利用起着主导作用，它推动了我国矿产资源的空间流动和转移，极大地增强了我国矿业的核心竞争能力.因此，强调科技创新与促进技术进步是我国矿业经济高质量发展的关键，而如何测算矿业科技创新效率就显得极其重要.

Afriat[5]于1972年首次提出了科技创新效率，他认为若一个可行的投入产出向量效率在技术上有效，则可指代研发科技创新活动中的技术效率.科技创新效率的评价与测度逐渐成为衡量各行业或地区科技资源配置和发展水平的重要指标.国内外关于科技创新效率的研究大多基于科技创新的投入与产出的指标分析，从研究方法上来看，主要有基于非参数理论的数据包络分析法(data envelopment analysis，DEA)和基于数学规划的参数方法——随机前沿生产函数法(stochastic frontier approach，SFA)两类.从评价对象上来看，国内外学者多围绕行业、区域和企业三个层面展开研究.在行业层面，Sun等[6]利用随机前沿分析测度了韩国制造业的技术创新效率并进行比较分析.Tingley等[7]利用SFA和DEA模型测算了英吉利海峡渔业生产的技术创新效率，并采用Tobit回归模型分析了影响技术效率的主要因素.董明涛[8]基于CCR的DEA模型测度了2009年—2011年我国农业科技创新配置效率，并建立个体固定效应模型分析其影响因素.方福前和张平[9]利用DEA模型测算了2001年—2006年我国14个高科技行业的科技创新效率，并通过投影分析法分析了部分行业的投入过剩和产出不足.牛泽东等[10]基于随机前沿分析法测算了1997年—2010年我国装备制造业7个子行业的技术创新效率，并用无效率方程对其影响因素进行分析.在区域层面，钱丽等[11]基于共同前沿理论，利用CCR-BCC的两阶段DEA模型测度分析了我国2003年—2010年各省份企业绿色科技研发和成果转化效率，并对其影响因素进行分析.Wang等[12]采用三阶段DEA模型测算了30个国家的科技创新效率，并用Tobit回归模型控制外部环境.史修松等[13]运用随机前沿分析方法测算并分析了中国29个省份的区域创新效率及其空间差异.在企业层面，Zhang等[14]采用随机前沿分析法分析了中国8 341家大中型企业1995年的研发效率问题.池仁勇[15]通过对浙江省200多家大中小企业进行问卷调查，利用数据包络分析方法测算其技术创新效率，并对影响因素进行回归检验.

综上所述，现有的研究中针对科技创新对矿产资源行业影响的研究较少，大多采用截面数据研究区域科技创新效率问题，在其动态变化趋势和时滞效应的研究上有待深入.此外，现有的研究对科技创新投入的冗余分析有所欠缺，使得资源合理配置问题尚未解决.本文相较于已有研究，主要从以下几部分进行深入拓展：1) 本文选用矿产资源行业5个主要子产业2011年—2019年的面板数据，采用规模报酬可变的两阶段DEA模型，对科技创新投入产出过程中的时滞性加以考虑；2) 基于效率评价结果，用Malmquist指数将矿业科技创新效率分解为纯技术效率和规模效率两个部分，对其动态演化趋势和静态效率进行了对比分析；3) 对矿产资源行业相关的科技成果产出与成果转化两个阶段的效率进行优化分析，测算出投入冗余和产出不足，并探究了效率损失的原因，并给出了相应的对策建议.

1 研究方法与指标选取

1.1 模型构建

DEA方法是运用线性规划来测算效率，不需要确定指标权重和统一指标量纲，能够有效处理多投入多产出问题，在效率测度上具有优势[16].其中，两阶段DEA模型充分考虑了投入产出的中间过程，能够得到科技创新投入产出过程中不同阶段对整体效率的影响情况[17].

本研究将科技创新对采矿业发展的影响过程划分成两个阶段，即产出阶段和转化阶段.通过构建两阶段DEA模型，分别测度其不同阶段下的科技创新效率，为实现采矿业的高质量发展提供理论依据.其中，第一阶段测度与各产业相关的R&D人力投入、R&D经费投入等要素而产出科技成果的效率，该阶段体现的是科技成果产出效率；第二阶段测度的是科技成果的转化效率，指将第一阶段的产出进行转化以实现其经济价值，通过将所产生的成果产品化，并将科技创新成果应用到矿产资源产业的方方面面，从而促进采矿业高质量发展.

第一阶段是以投入最小化产出最大化为目标，评价指标为投入—产出效率：

(1)

将公式(1)运用Charnes-Cooper变换[18]可得：

(2)

式中，ωi，λd分别为第一阶段投入指标和产出指标的权重系数，η1为不受约束的实时变量.若η1等于零，则决策单元是生产规模最优状态，表示规模报酬不变，若η1不等于零，则决策单元处于规模递减或递增状态.

第二阶段是以产出最大化投入最小化为目标，评价指标为产出-投入效率：

(3)

式中，

通过Charnes-Cooper变换对公式(3)进行转换，可以得到最终模型(4)：

(4)

式中，λd，uk分别为第一阶段投入指标和产出指标的权重系数，η2为不受约束的实时变量.若η2等于零，则决策单元是生产规模最优状态，表示规模报酬不变，若η2不等于零，则决策单元处于规模递减或递增状态.

为了比较各时期的消费水平波动变化，Sten Malmquist[19]于1953年提出了Malmquist 指数.而后Caves[20]通过引入方向距离函数构建全要素生产率(TFP)波动的指标.Fare[21]首次利用数据包络分析对TFP指数进行测度，同时构造出FGNZ[22]分解模型，将Malmquist 指数分解为规模效率变化(SEC)、技术效率变化(TEC)和技术进步(TC)指数.随后，Ray和Desli[23]对其分解模型加以修订，增强了模型解释力，构建出RD分解模型.

DEA-Malmquist指数模型不同与以往的静态DEA分析，它可以分析全要素生产率的变化及其各分解因素对全要素生产率变化的影响.利用该模型，首先根据投入产出数据构造出生产前沿面函数，通过数据包络分析的非参数理论对距离函数进行求解，求出各个决策单元(DMU)在相邻时期内到生产前沿的距离，以此作为不同时期TFP的变化.全要素生产率变动指数(ITFPCH)的计算公式如下所示：

ITFPCH，

(5)

式中，在t时期和t+1时期的投入和产出向量分别用xt，yt，xt+1，yt+1表示；dt(xt，yt)，dt+1(xt+1，yt+1)分别代表第t期和第t+1期距离函数.

当ITFPCH值小于1时表示全要素生产率减少，创新效率下降；当ITFPCH大于1时表示全要素生产率增加，创新效率提升.假设规模报酬不变，ITPFCH可分解得到综合技术效率指数(IEC)和技术进步指数(ITC)两个部分，其分解过程如下：

Mt，t+1=IEC×ITC，

(6)

其中，

IEC指各个DMU从t到t+1期与生产前沿面的距离远近.当IEC大于1时，综合技术效率减小，表示比前期更接近生产前沿面.ITC指最优生产前沿面的边界的变动.当ITC大于1时，表明生产前沿面向上提升.假设规模报酬可变，IEC能分解得到IPEC和ISEC，其分解过程如下：

IEC=IPEC×ISEC，

(7)

其中，

式中，c和v分别表示规模报酬不变和规模报酬可变两种情况.

1.2 指标选取

根据2011年国民经济行业分类标准，采矿业包括煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、开采专业及辅助性活动和其他采矿业7大类，考虑到数据可得性和产业特殊性，本研究仅选取主要的煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业这五大产业作为研究单元.根据已有研究中的指标选取[24-25]，同时考虑到数据的可获取、全面、合理等要求，最终采用两阶段DEA模型选择的产出指标描述如下.

通过参考相关研究文献的指标[24-25]，结合指标数据的可得性、全面性及指标依据的合理性，确定两阶段DEA模型中涉及的各阶段的投入产出指标.

将成果产出阶段作为第一阶段，在此过程中，矿产资源产业相关的科技创新要素投入产出为科技成果.投入指标包括各产业R&D项目数、各产业R&D人员数和各产业R&D经费投入，产出指标主要包括发表科技论文数量及有效发明专利数量.将成果转化阶段作为第二阶段，在此过程中，相应的科技创新成果转化为生产得到的经济效益.投入指标为第一阶段的产出指标，产出指标为新产品销售收入，新产品销售收入是衡量创新绩效的常用指标[26-27]，其反映了产业的创新市场价值.投入产出框架如图1所示.

图1 两阶段DEA投入-产出框架图Fig.1 Two-stage DEA input-output framework

1.3 数据来源

本文选取2011年—2019年采矿业中煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业这五大产业为研究对象，相关数据来源于2011年—2019年《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国统计年鉴》、EPS数据平台、国家知识产权局专利检索及分析系统等，数据分布如图2所示.

2 实证分析

2.1 技术创新对矿产资源产业影响的效率评价

本文通过投入导向型和产出导向型的DEA-BCC模型，借助DEA-SOLVER软件，对两个阶段的面板数据进行测算，并在模型中考虑超效率，最终分阶段评价科技创新对矿产资源产业的影响，并得到各产业各个阶段的综合效率、纯技术效率、规模效率，结果如表1所示.

科技成果产出阶段：就综合效率而言，五大产业的排名如下：黑色金属矿采选业>非金属矿采选业>有色金属矿采选业>石油和天然气采选业>煤炭开采和洗选业.其中，仅黑色金属矿采选业的综合效率均值实现了DEA有效，煤炭开采和洗选业、石油和天然气采选业、有色金属矿采选业、非金属矿采选业的综合效率较低，尚未实现DEA有效.就纯技术效率均值而言，煤炭开采和洗选业、石油和天然气采选业、黑色金属矿采选业均超过了1，这说明这三个产业在投入要素的使用上是合理的，实现了技术DEA有效.尽管煤炭开采和洗选业、石油和天然气采选业、黑色金属矿采选业这三个产业的技术DEA有效，但是其规模无效是导致其综合效率水平未能实现DEA有效的原因.此外，有色金属矿采选业和非金属矿采选业都处于规模效应递增状态，这在一定程度上弥补了由于技术效率不足所导致的综合效率低下的问题，使得其综合效率排名靠前.

科技成果转化阶段：就综合效率而言，五大产业的排名如下：有色金属矿采选业>煤炭开采和洗选业>非金属矿采选业>黑色金属矿采选业>石油和天然气采选业.其中，有色金属矿采选业和煤炭开采和洗选业的综合效率均值实现了DEA有效.就纯技术效率均值而言，煤炭开采和洗选业的纯技术效率均值为5.28，这反映了煤炭开采和洗选业的科技成果投入实现了有效的经济产出，同时，这也规避了其规模效率较低所引起的DEA无效问题.此外，尽管石油和天然气采选业和黑色金属矿采选业的规模效率较高，但其纯技术效率较低是引起其DEA无效的主要原因.综上，可以说明技术因素和规模因素是导致不同矿产资源行业科技成果产出及转化DEA无效的主要原因.

注：X1、X2、X3、Y1、Y2、Z1分别代表R&D项目数、R&D人员数、R&D投入经费、发表科技论文篇数、有效发明专利数及新产品销售收入.图2 原始数据分布图Fig.2 The distribution of raw data

产业年份第一阶段第二阶段综合效率纯技术效率规模效率规模效应综合效率纯技术效率规模效率规模效应2011年0.141.000.14-2.9016.670.17drs2012年0.151.000.15-0.573.190.18drs2013年0.191.000.19-0.653.660.18drs2014年0.301.000.30-1.257.000.18drs煤炭开采和洗选业2015年0.371.000.37-0.763.850.20drs2016年0.401.000.40-0.392.170.18drs2017年0.291.000.29-1.044.250.24drs2018年0.391.000.39-1.234.190.29drs2019年0.501.000.50-0.782.500.31drs均值0.301.000.301.065.280.21

续表1

为了更直观表示各阶段的效率值及综合效率值的时间动态演化过程，对其绘制了直方图，结果如图3所示.通过对比两阶段综合效率值，可以发现石油和天然气开采业及黑色金属矿采选业的科技成果产出效率远远高于科技成果转化效率，这在一方面说明其充分利用了科技投入实现了科技成果的高效产出，在产出阶段能够充分发挥科技创新的“后发优势”，在转化阶段由于自身资源和应用能力的局限性，导致其科技成果转化效率值低于产出效率，且处于DEA无效.因此要注意增加转化阶段的投入，通过合理的资源配置实现科技成果的落地与应用，提升产业的创新绩效，推动产业的高质量发展.此外，有色金属矿采选业和黑色金属矿采选业的综合效率逐年递增，这是由于国家对金属矿采选业的重点扶持，相继出台了一系列政策、规划对金属矿采选业进行宏观调控，其中，控制总量发展、对落后企业进行淘汰、改进技术和优化产业的布局等措施进一步增强了企业国际竞争力，并促进相关产业和国民经济平稳较快发展.有色金属工业作为国家“十二五”规划中重点强调的行业，要求在总量控制、产品结构优化和技术研发等方面取得新的进展.这些产业政策的提供为金属矿采选业的发展提供了良好的机会.

图3 五大矿产资源产业的分阶段效率值Fig.3 Staged efficiency values of the five major mining industries

研究采用两阶段综合效率的平均值作为划分的标准，分别按综合效率0.61和1.00 划分高低区域，可以分为I类高产出效率—高转化效率；II类高转化效率—低产出效率；III类低产出效率—低转化效率；IV类高产出效率—低转化效率，如图4所示.其中，有色金属矿采选业和煤炭开采和洗选业为II类，非金属矿采选业和石油和天然气采选业为III类，黑色金属矿采选业为IV类，没有产业分布在I类，表明我国矿产资源产业发展不均衡问题较为突出，矿产资源采选业各行业发展水平不高.一方面，是由于我国产业创新能力较弱，采、选、加工工艺与国际先进水平存在较大差距.此外，长期粗放式开采导致资源环境破坏严重，经济效益低下，“小散乱”的产业结构使得矿产资源行业的整体竞争力较弱，规模效益较差[28].同时，矿山所有权的模糊界定和矿产资源管理体制的缺陷使得资源开采门槛较低，容易导致据点割裂式资源开采，这样的开采方式在很大程度上影响着产业的健康发展，一方面会割裂矿产资源产业链条的完整性，制约产业链的延伸和集群化发展.另一方面，对矿山企业规模效应的形成具有阻滞性，导致企业结构不合理，集约化水平不高，企业实力不强，经济效益不高[29].

图4 2011年—2019年矿产资源五大产业 成果产出效率—成果转化效率分布Fig.4 The distribution of the output efficiency and the transformation efficiency of five major mining industries from 2011 to 2019

2.2 基于Malmquist指数的全要素生产率变化分解

通过将DEA模型与Malmquist指数相结合，并对矿产资源产业进行分析，能够对矿业科技创新效率进行动态分析，探究其中的驱动力因素和演化趋势，为学界相关研究和政府提供理论实践.Malmquist指数及其分解出的EC和TC皆为相邻两期比较计算出来的，将2011年—2019年的面板数据进行测算，得到TFP值及其分解值如表3所示.

表3 不同阶段的要素投入和产出的年均值松弛调整比例(2011年—2019年)Tab.3 The annual average slack adjustment ratio of the input and output in the two stages (2011-2019) %

运用Malmquist指数可以对矿产资源产业的动态效率进行评价，并探究其中的驱动力和演化趋势，能够为政府部门及相关学者提供参考借鉴.表2根据2011年—2019年的面板数据测算出了8个相邻年度的结果，得到了矿产资源产业两阶段的全要素生产率.

表2 五大产业全要素生产率分解效率变动值(2011年—2019年)Tab.2 Changes in the total factor productivity efficiency of the five major mining industries (2011-2019)

成果产出阶段，五大产业的全要素生产率均大于1，各产业全要素生产率(TFP)略有波动，2011年—2019年间，煤炭开采和洗选业、黑色金属矿采选业和有色金属矿采选业增长了0.94%、9.09%、22.44%，石油和天然气采选业和非金属矿采选业下降了16%和5.35%.这说明石油和天然气采选业及非金属矿采选业的投入、产出的TFP呈现出不良状况.通过Malmquist指数法进一步分解可得，石油和天然气采选业中的技术效率年均增长了19.44%，技术进步率减少了18.62%，可见技术进步在较大程度上阻碍了TFP的增长，技术效率是促进TFP增长的动力源泉.其中，由于技术效率对TFP的“拖累效应”导致石油和天然气采选业的Malmquist指数呈负增长.此外，非金属矿采选业的技术效率年均减少5.83%，技术进步率增长了0.09%，该产业的TFP的降低主要受到技术效率的降低所导致，存在“拖累效应”.成果转化阶段，煤炭开采和洗选业及非金属矿采选业的TFP小于1，且均低于成果产出阶段，表明这两个产业在将创新成果变现为经济效益的能力上较为薄弱.其中，煤炭开采和洗选业的TFP年均下降了41.67.此外，石油和天然气采选业的TFP翻了6倍，其技术效率翻了13倍，这表明该产业技术效率的大幅度提升给产业的均衡发展带来了机遇.

从变化趋势看， 矿产资源产业的全要素生产率、技术进步、技术效率存在较大差异，影响全要素生产率变动的驱动因素有所不同.此外，技术效率和技术进步率存在显著的背离关系，即存在“偏科”现象[30].由于我国矿产资源产业的技术进步与技术效率之间存在明显的负向关联，且二者存在抵消效应，从而导致矿产资源产业全要素生产率的负向增长， 同时也反映出当前矿产资源产业对现有技术成果的产出与转化有待深化.

2.3 技术创新对矿产资源产业影响的两阶段效率优化分析

为深入分析科技创新对矿产资源产业影响的原因，探究效率损失的原因，本文借鉴孟祥海[31]的做法测算了这5大矿产资源产业的年均投入产出要素的松弛量与对应投入产出值的比率(如表4所示)以反映投入产出的冗余情况.

在成果产出阶段，煤炭开采和洗选业、黑色金属矿采选业和有色金属矿采选业、石油和天然气采选业和非金属矿采选业均存在投入冗余的现象，尤其是在项目数量和人员投入中，需要加强对科技创新人员的分类管理，严格对科技创新项目立项的审批程序，同时需要加强科技经费监管，通过合理配置达到资金的合理利用，以提高其效益.此外，黑色金属矿采选业和有色金属矿采选业、石油和天然气采选业和非金属矿采选业需要提高科技论文的产出数量，煤炭开采和洗选业、黑色金属矿采选业和有色金属矿采选业和非金属矿采选业需要提高有效专利申请数，鼓励专利申请，提高专利申请质量.总体而言，现阶段亟需加强对有色金属矿采选业和非金属矿采选业的科技创新研究，通过技术创新来提高产业附加值，优化产业结构，实现产业的高质量发展.在成果转化阶段，仅存在投入冗余现象需要优化.此外，煤炭开采和洗选业、黑色金属矿采选业和有色金属矿采选业、石油和天然气采选业和非金属矿采选业在产出阶段存在产出不足现象，但在转化阶段存在投入冗余的现象，说明这些产业的科技论文和专利的产出量较多，但是对科技成果的应用能力较弱，尤其是在推动产业高质量发展上的科技创新成果应用不匹配，尚未实现生产力的转化.因此，在未来的研发应用中，要以市场为导向，在结合国家战略和产业需求的基础上，做到“提质增效”，加速科技成果的落地转化，为实现矿产资源行业高质量发展提供源源不断的动力.

3 结论与建议

本文利用2011年￣—2019年煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业这五大主要的矿产资源产业的相关R&D投入产出指标数据，基于两阶段DEA-BCC模型和Malmquist 指数模型对研究期内我国主要的矿产资源产业的科技创新效率进行综合评价和优化分析，深入分析了矿产资源产业在成果产出阶段和成果转化阶段的创新效率和其Malmquist 指数变动特征及增长差异，并在此基础上对投入产出进行冗余分析以实现效率优化.得出如下主要结论.

1) 科技成果产出阶段的综合效率排名为黑色金属矿采选业>非金属矿采选业>有色金属矿采选业>石油和天然气采选业>煤炭开采和洗选业；科技成果转化阶段的综合效率排名为有色金属矿采选业>煤炭开采和洗选业>非金属矿采选业>黑色金属矿采选业>石油和天然气采选业.

2) 石油和天然气开采业及黑色金属矿采选业的科技成果产出效率远远高于科技成果转化效率，其充分利用了科技创新的“后发优势”，但是在科技成果的转化与落地应用上存在较大局限性.我国矿产资源产业发展不均衡问题较为突出，矿产资源采选业各行业发展水平不高，I类产业分布缺乏.

3) 成果产出阶段中，矿产资源产业全要素生产率的降低主要是由于技术效率带来的“拖累效应”，此外，我国矿产资源产业的全要素生产率增长存在时序差异，其中，全要素生产率的变动呈现显著的“偏科”现象， 即技术效率与技术进步呈负向关联.

4) 在成果产出阶段，煤炭开采和洗选业、黑色金属矿采选业和有色金属矿采选业、石油和天然气采选业和非金属矿采选业均存在人员、经费等投入冗余的现象；在成果转化阶段，仅存在投入冗余现象需要优化，需要进一步提高产出转化效率，以实现健康发展.

通过研究提出如下政策建议以提高矿产资源产业技术创新效率，推动矿业高质量发展：1)压减过剩产能.对于规模递减和规模效率指数小于1 的行业，比如煤炭开采和洗选业、黑色金属矿采选业等应该减小规模，随着我国对煤炭和金属矿行业压减产能的深入实施，在“瘦身健体”和“提质增效”的背景下，通过提高经济要素的配置效率和全要素生产率，淘汰低效率企业和僵尸企业，推动要素转移至高效率产业、企业，使得整个行业的全要素生产率始终处于动态提升的过程，以实现矿产资源行业的健康、高效、高质量发展.2)多措并举提升产业技术创新能力.通过技术赋能提升经济高质量发展的动力，提高产品和服务的供给水平.加大R&D 投入是提高我国矿产资源产业自主创新能力的基础，但是需要建立矿产资源产业科研经费投入管理的长效机制，合理有效的配置资源，提高投入产出效率，通过技术创新延伸产业链，实现产业长足发展.3)为营造良好的产业技术创新环境搭建平台.政府要成为创新链条的粘合剂，通过搭建沟通平台、政策扶持等增强创新链的活力与动力.一方面，完善的矿产资源产业技术创新体系和中介服务体系；另一方面，通过完善投融资平台，为产业引资、集资等创造便利.