论文部分内容阅读
摘 要：明晰高碳产业技术创新效率内涵，针对高碳产业特点，梳理技术创新效率影响因素，根据影响因素选取相应指标，构建科学合理的指标体系，根据构建的指标体系搜集数据，通过包含非期望产出的超效率SBM模型对其技术创新效率进行测度。以期为政府提高钢铁行业技术创新效率提供决策参考。
关键词：技术创新效率;钢铁产业;SBM模型
中图分类号：F427 文献标志码：A 文章编号：1673-291X（2020）20-0066-02
引言
当前，中国已进入经济发展新常态和产业转型升级重要战略机遇期。十九大报告指出，要贯彻绿色、创新的发展理念。中国未来的发展必然围绕着“创新驱动”与“绿色增長”两大主题，而低碳技术创新恰是实现上述两大主题的重要保障。低碳技术创新是在目前经济、社会、环境可持续协调发展的目标下提出的，既追求创新的经济效益，又强调其对生态环境的影响，能从根本上解决环境保护与经济增长的两难选择。
本文侧重于对高碳产业低碳技术创新效率的研究，通过找出钢铁产业在技术创新过程中的不足，指出其技术创新效率提升路径，以期为中国高碳产业低碳转型寻找突破口和关键环节，为高碳产业绿色、创新的发展模式探寻着力点和发展方向。通过评价高碳产业技术创新效率，可以梳理中国高碳产业技术创新效率的现状，帮助监管职能部门进一步明晰发展现状;同时，结合效率测度结果设计提升路径，可以为政策的制定者提供思路，使得产业政策更好发挥作用。国家在技术创新方面的重视度与日俱增，本研究可以为宏观产业扶持政策的落实提供一定的思路，为推动产业政策落实、发挥产业政策的作用提供一定的指导。
一、超效率S-SBM模型
在DEA模型中，我们通常将产生的污染物（如废水、废气、固体废弃物等）称为非期望产出，对应的好的产出（如发电量、工业总产值、利润等）称为期望产出。除了二氧化硫、煤烟等生产过程中产生的污染以外，在非生态领域也会存在非期望产出，如手术并发症、税收[1]等。
因为不同于一般意义上的产出，非期望产出的增加反而会造成决策单元效率的降低[2]，所以在评价环境效率时如何处理非期望产出显得尤为重要。本文选取方向距离函数方法将非期望产出引入到超效率SBM模型中，得到包含非期望产出的超效率SBM模型（Super-Undesirable-SBM），具体规划形式如下：
二、研究对象与指标选取
根据高碳产业技术创新活动过程中的投入产出特征，考虑投入指标应能反映高碳产业技术创新投入状况，产出指标应能反映技术创新成果，在大量阅读己有文献以及分析技术创新特征基础上[3-5]，本文选取投入指标为研发人员年平均数、研发投入资本存量，选取产出指标为技术资产值、发明专利申请量和环境保护支出，以26个上市钢铁企业为评价对象，选取研发投入金额、研发人员全时当量作为投入指标，发明专利授权量、无形资产增加值作为期望产出指标，环境保护支出为非期望产出指标。数据范围为2018年，所有数据来源于企业发布的年度报告、环境责任报告、同花顺数据库以及中国研究数据服务平台。
三、超效率SBM模型分析
从表1中结果可以看出，不同钢铁行业上市公司的技术创新效率差异显著。山钢、永兴和宝钢的技术创新效率处于较高水平，分别排名1～3位;华钢、安钢和新钢技术创新效率处于较低水平，年平均排名在24～26名
在对各钢铁行业上市公司的有效性进行分析后，以投影分析进一步探究导致其DEA弱有效、DEA无效的原因，为后文设计钢铁行业等高碳行业技术创新效率提升路径提供事实依据。
通过将DMU投影到每年度生产前沿面，可得到关于该投入产出变量的目标值。若将目标值代替原始数据重新计算，在其他DMU投入产出数据不变的情况下，其评价结果将变为DMU有效。在超效率SBM模型中，投影值与原始值之差等于松弛改进值。对无效DMU来说，松弛改进值的结果显示负数，表示改进方向为减少投入;产出的松弛改进值为正数，表示改进方向为增加产出;非期望产出的松弛改进值为负数，表示改进方向为减少非期望产出。
由表2可知，除包钢研发人员投入不存在冗余外，其余所有DEA非有效决策单元在研发资金投入和人员投入都有投入冗余的现象。在创新、协调、绿色、开放、共享发展理念指导下，各钢铁上市公司的技术创新活动得到了坚实的政策支持和资金补助，企业自身也加大了对创新型人才的培养培育。但许多上市公司尚未合理配置研发经费和研发人员，技术创新活动的要素投入量已经超过了与其技术水平相适应的最优规模的阈值，影响了技术创新效率，从长远来看，这不利于公司走绿色、创新的发展道路。可见，一味加大对技术创新活动的投入，并不必然促进企业技术创新效率的提升，因其增加的技术创新投入未必能被有效利用并转化成技术创新产出，因此，盲目追加技术创新投入可能会使投入冗余现象严重，导致技术创新效率低下。
产出方面，大部分钢铁行业上市公司在技术资产增加量上表现为产出不足，相比之下在发明专利申请量体现产出不足的公司数量较少。这表明，限制大部分钢铁产业上市公司技术创新效率的不是公司的研发水平，而可能是公司在技术转化阶段不能有效地将专利成果实际转化为经济效益导致其技术创新效率值较低的原因。绝大部分的DEA非有效钢铁行业上市公司存在非期望产出过多的情况。生产过程中产出的非期望产出过多，同样会降低钢铁产业上市公司的技术创新效率。
结语
本文对评价钢铁产业技术创新效率进行了测度，梳理了中国钢铁产业上市公司技术创新效率的现状，可帮助监管职能部门进一步明晰发展现状。国家在技术创新方面的重视度与日俱增，本研究可以为宏观产业扶持政策的落实提供一定的思路，为推动产业政策落实、发挥产业政策的作用提供一定的指导。
参考文献：
[1] 肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014，（4）：71-80.
[2] 官建成，陈凯华.我国高技术产业技术创新效率的测度[J].数量经济技术经济研究，2009，26（10）：19-33.
[3] 余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学，2009，（4）：62-74.
[4] 池仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学，2004，（8）：128-131，127.
[5] 池仁勇，唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理，2004，（4）：23-27.
关键词：技术创新效率;钢铁产业;SBM模型
中图分类号：F427 文献标志码：A 文章编号：1673-291X（2020）20-0066-02
引言
当前，中国已进入经济发展新常态和产业转型升级重要战略机遇期。十九大报告指出，要贯彻绿色、创新的发展理念。中国未来的发展必然围绕着“创新驱动”与“绿色增長”两大主题，而低碳技术创新恰是实现上述两大主题的重要保障。低碳技术创新是在目前经济、社会、环境可持续协调发展的目标下提出的，既追求创新的经济效益，又强调其对生态环境的影响，能从根本上解决环境保护与经济增长的两难选择。
本文侧重于对高碳产业低碳技术创新效率的研究，通过找出钢铁产业在技术创新过程中的不足，指出其技术创新效率提升路径，以期为中国高碳产业低碳转型寻找突破口和关键环节，为高碳产业绿色、创新的发展模式探寻着力点和发展方向。通过评价高碳产业技术创新效率，可以梳理中国高碳产业技术创新效率的现状，帮助监管职能部门进一步明晰发展现状;同时，结合效率测度结果设计提升路径，可以为政策的制定者提供思路，使得产业政策更好发挥作用。国家在技术创新方面的重视度与日俱增，本研究可以为宏观产业扶持政策的落实提供一定的思路，为推动产业政策落实、发挥产业政策的作用提供一定的指导。
一、超效率S-SBM模型
在DEA模型中，我们通常将产生的污染物（如废水、废气、固体废弃物等）称为非期望产出，对应的好的产出（如发电量、工业总产值、利润等）称为期望产出。除了二氧化硫、煤烟等生产过程中产生的污染以外，在非生态领域也会存在非期望产出，如手术并发症、税收[1]等。
因为不同于一般意义上的产出，非期望产出的增加反而会造成决策单元效率的降低[2]，所以在评价环境效率时如何处理非期望产出显得尤为重要。本文选取方向距离函数方法将非期望产出引入到超效率SBM模型中，得到包含非期望产出的超效率SBM模型（Super-Undesirable-SBM），具体规划形式如下：
二、研究对象与指标选取
根据高碳产业技术创新活动过程中的投入产出特征，考虑投入指标应能反映高碳产业技术创新投入状况，产出指标应能反映技术创新成果，在大量阅读己有文献以及分析技术创新特征基础上[3-5]，本文选取投入指标为研发人员年平均数、研发投入资本存量，选取产出指标为技术资产值、发明专利申请量和环境保护支出，以26个上市钢铁企业为评价对象，选取研发投入金额、研发人员全时当量作为投入指标，发明专利授权量、无形资产增加值作为期望产出指标，环境保护支出为非期望产出指标。数据范围为2018年，所有数据来源于企业发布的年度报告、环境责任报告、同花顺数据库以及中国研究数据服务平台。
三、超效率SBM模型分析
从表1中结果可以看出，不同钢铁行业上市公司的技术创新效率差异显著。山钢、永兴和宝钢的技术创新效率处于较高水平，分别排名1～3位;华钢、安钢和新钢技术创新效率处于较低水平，年平均排名在24～26名
在对各钢铁行业上市公司的有效性进行分析后，以投影分析进一步探究导致其DEA弱有效、DEA无效的原因，为后文设计钢铁行业等高碳行业技术创新效率提升路径提供事实依据。
通过将DMU投影到每年度生产前沿面，可得到关于该投入产出变量的目标值。若将目标值代替原始数据重新计算，在其他DMU投入产出数据不变的情况下，其评价结果将变为DMU有效。在超效率SBM模型中，投影值与原始值之差等于松弛改进值。对无效DMU来说，松弛改进值的结果显示负数，表示改进方向为减少投入;产出的松弛改进值为正数，表示改进方向为增加产出;非期望产出的松弛改进值为负数，表示改进方向为减少非期望产出。
由表2可知，除包钢研发人员投入不存在冗余外，其余所有DEA非有效决策单元在研发资金投入和人员投入都有投入冗余的现象。在创新、协调、绿色、开放、共享发展理念指导下，各钢铁上市公司的技术创新活动得到了坚实的政策支持和资金补助，企业自身也加大了对创新型人才的培养培育。但许多上市公司尚未合理配置研发经费和研发人员，技术创新活动的要素投入量已经超过了与其技术水平相适应的最优规模的阈值，影响了技术创新效率，从长远来看，这不利于公司走绿色、创新的发展道路。可见，一味加大对技术创新活动的投入，并不必然促进企业技术创新效率的提升，因其增加的技术创新投入未必能被有效利用并转化成技术创新产出，因此，盲目追加技术创新投入可能会使投入冗余现象严重，导致技术创新效率低下。
产出方面，大部分钢铁行业上市公司在技术资产增加量上表现为产出不足，相比之下在发明专利申请量体现产出不足的公司数量较少。这表明，限制大部分钢铁产业上市公司技术创新效率的不是公司的研发水平，而可能是公司在技术转化阶段不能有效地将专利成果实际转化为经济效益导致其技术创新效率值较低的原因。绝大部分的DEA非有效钢铁行业上市公司存在非期望产出过多的情况。生产过程中产出的非期望产出过多，同样会降低钢铁产业上市公司的技术创新效率。
结语
本文对评价钢铁产业技术创新效率进行了测度，梳理了中国钢铁产业上市公司技术创新效率的现状，可帮助监管职能部门进一步明晰发展现状。国家在技术创新方面的重视度与日俱增，本研究可以为宏观产业扶持政策的落实提供一定的思路，为推动产业政策落实、发挥产业政策的作用提供一定的指导。
参考文献：
[1] 肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014，（4）：71-80.
[2] 官建成，陈凯华.我国高技术产业技术创新效率的测度[J].数量经济技术经济研究，2009，26（10）：19-33.
[3] 余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学，2009，（4）：62-74.
[4] 池仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学，2004，（8）：128-131，127.
[5] 池仁勇，唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理，2004，（4）：23-27.