趙亞琴，王向前

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232001)

煤炭作為煤礦生產(chǎn)中的唯一實(shí)物產(chǎn)品，用處廣泛，在各行各業(yè)中的地位無可替代，毋庸置疑地煤炭工業(yè)成為我國國民經(jīng)濟(jì)穩(wěn)定持久發(fā)展的頂梁柱.煤炭企業(yè)為了企業(yè)的可持續(xù)發(fā)展，每年都會(huì)投入大量資源以期達(dá)到經(jīng)濟(jì)效益最大化的目的，但是往往根據(jù)主觀經(jīng)驗(yàn)對有限資源進(jìn)行配置，時(shí)常有高投入低產(chǎn)出、資源配置效率低下、資源冗余嚴(yán)重的普遍現(xiàn)象.因此，找到影響煤炭企業(yè)資源配置效率的關(guān)鍵要素，進(jìn)行有針對性地投資，實(shí)現(xiàn)資源的合理配置，提高資源配置效率成為煤炭企業(yè)急需解決的難題.

目前，國內(nèi)外學(xué)者對煤炭的研究主要集中在煤礦生產(chǎn)物流系統(tǒng)安全影響因素，資源配置影響因素及資源配置等方面[1-3]，如王金鳳等[1-2]從安全角度出發(fā)，運(yùn)用粗糙集和IPA方法找到系統(tǒng)安全的關(guān)鍵影響因素；研究方法多為結(jié)構(gòu)上、靜態(tài)的，沒有考慮到效率變化的時(shí)效性和連續(xù)性[4-12]，而其他行業(yè)資源配置效率研究考慮到動(dòng)靜結(jié)合[13-16]，如歐國立等[16]采用超效率SBM模型和ML指數(shù)對貨運(yùn)碳排放效率進(jìn)行分析，并追蹤到效率存在差異的原因.因此，本文結(jié)合超效率SBM模型和Malmquist指數(shù)模型，從動(dòng)靜兩視角探究煤炭采選企業(yè)資源配置效率，實(shí)現(xiàn)全面綜合分析，客觀反映當(dāng)前煤炭采選企業(yè)資源配置的實(shí)際效率水平，找到煤炭企業(yè)資源配置效率的關(guān)鍵要素，進(jìn)行針對性投資，提高資源配置效率.

1 構(gòu)建煤炭采選業(yè)安全資源配置效率評價(jià)指標(biāo)體系

煤炭采選企業(yè)對于資源配置效率評價(jià)指標(biāo)選取不一，但大多數(shù)是從人-機(jī)-環(huán)-管四個(gè)方面綜合考慮選取相關(guān)指標(biāo)[4-10].與業(yè)內(nèi)知名專家及中國煤炭企業(yè)50強(qiáng)的相關(guān)人員進(jìn)行溝通交流后，確定了煤炭采選業(yè)資源配置效率的評價(jià)指標(biāo)，層次結(jié)構(gòu)圖如圖1所示.

圖1 指標(biāo)層次結(jié)構(gòu)圖Figure 1 Indicator hierarchy diagram

2 煤炭采選業(yè)安全資源配置效率評價(jià)方法

2.1 超效率SBM模型

假設(shè)有n個(gè)評價(jià)對象，即存在n個(gè)決策單元(DMU)，當(dāng)投入m個(gè)要素后可以產(chǎn)生s個(gè)產(chǎn)物，每個(gè)DMU都包含投入X和產(chǎn)出Y這2個(gè)要素，用向量表示為X=(x1,x2,…xn)∈Rm×n，Y=(y1,y2,…yn)∈Rs×n,那么對于有效DMUk來說，其超效率SBM模型表達(dá)式為：

(1)

i=1,2,3……m;r=1,2,3,……s;j=1,2,3,……n(j≠k)

2.2 Malmquist指數(shù)模型

超效率SBM模型只能靜態(tài)分析決策單元間的相對效率進(jìn)行大小比較，而無法動(dòng)態(tài)反映出效率的變化程度和趨勢，而Malmquist指數(shù)可彌補(bǔ)超效率SBM模型的缺陷.Malmquist指數(shù)是以不同時(shí)期的距離函數(shù)來表示效率的動(dòng)態(tài)變化，可將t時(shí)期到(t+1)時(shí)期的效率變化分為技術(shù)效率變化和技術(shù)進(jìn)步效率變化.具體如下：

ML(xt+1,yt+1,xt,yt)=

(2)

由此可知，ML指數(shù)可分為TC和TEC.當(dāng)ML>1，綜合效率值的升高，評價(jià)對象的效率進(jìn)步，反之退步.TC表示效率前沿面自身移動(dòng)，當(dāng)TC>1時(shí)表示技術(shù)進(jìn)步，技術(shù)進(jìn)步促進(jìn)了煤炭采選業(yè)資源配置效率的提高，反之效率降低.TEC表示DMU相對于生產(chǎn)前沿面的接近程度，當(dāng)TEC>1時(shí)表示DMU靠近生產(chǎn)前沿面，技術(shù)效率提高，表明技術(shù)效率是煤炭采選業(yè)資源配置效率提高的主要?jiǎng)右?，反之效率提高受到抑?

3 實(shí)證分析

本文以我國17個(gè)省市自治區(qū)2009～2018年的面板數(shù)據(jù)來研究煤炭業(yè)安全資源配置效率，指標(biāo)數(shù)據(jù)均來自《統(tǒng)計(jì)年鑒》.其中，2016年北京煤炭采選業(yè)的從業(yè)人員平均數(shù)及2018年江蘇固定資產(chǎn)投資額未公布，另外R&D經(jīng)費(fèi)支出若有缺失均采用插值法求解，關(guān)于碳排放總量采用碳排放系數(shù)法計(jì)算[17-18].

3.1 靜態(tài)視角分析煤炭采選業(yè)安全資源配置效率

借助超效率SBM模型對我國17個(gè)省市自治區(qū)煤炭采選業(yè)安全資源配置效率進(jìn)行測算，綜合效率值及排名見表1.

從表1中可知，2009～2018我國煤炭采選業(yè)安全資源配置效率均值為3.658，處于較高水平，各年份的平均效率值都大于1，在2015年達(dá)到最大值，之后總體保持相對平穩(wěn).

表1 各省市自治區(qū)煤炭采選業(yè)安全資源配置的綜合效率Table 1 Comprehensive efficiency of safe resource allocation of coal mining and dressing industry in various provinces, municipalities and autonomous regions

從省際層面看，各地煤炭采選業(yè)資源配置效率差異顯著.其中，北京、福建、陜西這三省的配置效率每年都大于1，說明資源配置合理.山西、遼寧、吉林、江蘇、安徽、山東、湖北、湖南、重慶、云南、甘肅這11個(gè)省部分年份實(shí)現(xiàn)了配置效率大于1.另外3省在2009～2018年資源配置始終處于無效DMU狀態(tài)，說明投入要素對資源配置的作用存在很大的上升空間，可借助松弛變量分析做出決策，實(shí)現(xiàn)資源配置效率最大化.

從時(shí)間變化趨勢來看，可將地區(qū)大致分為三類：增長型、平穩(wěn)型和下降型.1)北京、山西、遼寧、江蘇、福建、山東、湖北、陜西這8個(gè)省市屬于增長型，源于這些地區(qū)人口流量大，資源可獲得性強(qiáng)，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，科技創(chuàng)新投入獲得可觀的科研成果.另外，時(shí)刻謹(jǐn)記“綠水青山就是金山銀山”的理念，注重在煤炭生產(chǎn)過程中保護(hù)環(huán)境，減少二氧化碳排放量，煤礦資源高效開發(fā)與生態(tài)環(huán)境協(xié)調(diào)發(fā)展是煤炭采選業(yè)資源配置效率持續(xù)增長的主因.2)吉林、安徽、江西、寧夏屬于平穩(wěn)型，煤炭采選業(yè)資源配置效率不高，未達(dá)到有效狀態(tài)，主要源于科技創(chuàng)新管理方面資金監(jiān)管力度和管理強(qiáng)度有待加強(qiáng)，職工人數(shù)過多逐漸養(yǎng)成惰性心理使得工作效率低下，增大企業(yè)的經(jīng)營負(fù)擔(dān).3)河南、湖南、重慶、云南、甘肅這5省屬于效率下降型，煤炭采選業(yè)資源配置效率逐年遞減，遠(yuǎn)離有效狀態(tài)，這是由于煤炭開采普工過多，高技術(shù)人員和專業(yè)管理人員過少，固定資產(chǎn)投資未得到有效使用，造成資源冗余.另外，碳排放量過多，嚴(yán)重污染環(huán)境，影響可持續(xù)發(fā)展態(tài)勢，所以資源配置效率持續(xù)低下.

3.2 動(dòng)態(tài)視角分析煤炭采選業(yè)安全資源配置效率

為了進(jìn)一步了解煤炭采選業(yè)資源配置效率的變化及其分解效率的變化，采用Malmquist指數(shù)進(jìn)行測算與分解，動(dòng)態(tài)地反映出效率變化趨勢及分解效率指數(shù)的變化.測算結(jié)果見表2.

表2 Malmquist指數(shù)及其分解Table 2 Malmquist index and its decomposition

如表2所示，2009～2018年期間我國17省市自治區(qū)的Malmquist指數(shù)的平均值為1.001，說明我國煤炭采選業(yè)資源配置效率整體上是呈上升趨勢的，平均每年上升0.1%.將ML效率指數(shù)分解為TEC和TC，這兩個(gè)效率指數(shù)的平均值分別為0.986和1.015，可見技術(shù)效率低制約煤炭采選業(yè)資源配置效率提高，而技術(shù)進(jìn)步效率指數(shù)大于1，對煤炭采選業(yè)資源配置效率提高起促進(jìn)作用，正是因?yàn)門C的促進(jìn)作用大于TEC的抑制作用，所以資源的配置效率整體上是呈上升趨勢的，且增長動(dòng)力源于TC的提升效果.

由圖2可知，2009～2018年我國煤炭采選業(yè)資源配置效率隨時(shí)間大致呈現(xiàn)“W”型分布，最終呈現(xiàn)上升趨勢，分解效率指數(shù)中TC與ML變化趨勢一致.每一階段的ML增長率皆不相同，高的達(dá)到28.8%，低的只有-11.7%.其中，2009～2011年煤炭采選業(yè)資源配置效率呈上升趨勢，源于起初只追求效率最大化，忽略技術(shù)進(jìn)步的重要性，但隨著“十一五”期間的發(fā)展方式和結(jié)構(gòu)的調(diào)整，淘汰落后產(chǎn)能，煤炭基地建設(shè)穩(wěn)定推進(jìn)，研發(fā)資金逐漸投入，煤礦技術(shù)改造，生產(chǎn)技術(shù)水平大幅提升，科技創(chuàng)新能力增強(qiáng)，加快了技術(shù)進(jìn)步步伐.2011～2012年ML效率急劇下降是因?yàn)槊禾块_采裝備及關(guān)鍵零部件的可靠性和穩(wěn)定性不高，科技研發(fā)投入不足，關(guān)鍵技術(shù)研發(fā)能力不強(qiáng)帶來的技術(shù)進(jìn)步緩慢，雖然這一期間技術(shù)更新速度和推廣力度加強(qiáng)，但是抵不過TC的消極作用.2012～2015年ML逐年遞增，正值“十二五”期間，在“十一五”發(fā)展基礎(chǔ)上科技創(chuàng)新邁上新臺(tái)階，國家鼓勵(lì)企業(yè)引進(jìn)新科技材料及技術(shù)，使生產(chǎn)效率得到提高，是由TC帶動(dòng)的資源配置效率提高.2015～2017年煤炭采選業(yè)資源配置效率下降，是由TEC和TC抑制作用促成的.2017～2018年ML增速高達(dá)28.8%，得益于TC和TEC的共同促進(jìn)作用.這一時(shí)期，TEC、TC增長率都很高，分別達(dá)到5.2%和22.4%，這與“十三五”期間，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整取得新進(jìn)展，對煤炭開采采取一系列的整改措施，對產(chǎn)能不足的煤礦禁止開采，以煤礦智能化開采技術(shù)為引領(lǐng)的科技創(chuàng)新能力大幅提升，礦下開采機(jī)器設(shè)備自動(dòng)化水平顯著提高，生產(chǎn)安全管理加強(qiáng)，規(guī)范化煤炭生產(chǎn)細(xì)則等密不可分，因此技術(shù)效率和技術(shù)進(jìn)步效率都得以提高.這意味著未來煤炭采選業(yè)資源配置效率的高低會(huì)受技術(shù)效率和技術(shù)進(jìn)步的影響，它們將成為煤炭工業(yè)經(jīng)濟(jì)增長的主要?jiǎng)恿?

圖2 ML、TEC及TC變化趨勢Figure 2 Trends of ML, TEC and TC

上述從時(shí)間序列上分析煤炭采選業(yè)資源配置效率變化及分解效率的變化趨勢，為了探究各地區(qū)ML效率指數(shù)及分解效率差異，對17個(gè)省市自治區(qū)的ML效率及其分解效率進(jìn)行空間上比較并排名，測算結(jié)果見表3.

表3 Malmquist指數(shù)變化及其分解Table 3 Malmquist index change and its decomposition

表3給出了17個(gè)省市區(qū)的ML及其構(gòu)成.與從時(shí)間序列上分析一致，ML的平均值為1.001>1，說明在2009～2018年煤炭采選業(yè)資源配置效率保持了年均0.1%的增速.17個(gè)省市自治區(qū)中，有8個(gè)省市自治區(qū)的效率上升，依據(jù)效率值從高到底依此是湖北(1.156)、吉林(1.138)、江蘇(1.136)、山東(1.090)、山西(1.078)、安徽(1.075)、寧夏(1.067)、陜西(1.021)，源于技術(shù)水平和管理水平提高，資源配置達(dá)到優(yōu)化狀態(tài)，得益于TEC和TC的雙重促進(jìn)驅(qū)動(dòng)作用，才使得ML增速都超過2%.剩下的9個(gè)省市自治區(qū)的效率值下降，其中河南、江西、重慶均受到TEC的單側(cè)抑制作用；北京、遼寧、福建僅受到TC的單測消極作用；而甘肅、湖南及云南則是受到TEC和TC的雙重抑制作用，所以才導(dǎo)致ML效率排名倒數(shù).總的來說，17個(gè)省市自治區(qū)的TC除北京外，其余均值都近似大于1，而TEC均值大多數(shù)都小于1，這說明煤炭采選業(yè)資源配置效率提高主要源于TC，并非是TEC效率的緣故.

將超效率SBM模型與Malmquist指數(shù)模型測算得到的結(jié)果進(jìn)行排名，發(fā)現(xiàn)排名并不一致.SBM值高的地區(qū)可能存在效率指數(shù)下降的趨勢，如北京、福建等；SBM值低的地區(qū)可能存在效率指數(shù)上升的趨勢，如吉林、寧夏等.可以發(fā)現(xiàn)，ML效率變化與超效率SBM值的高低并未呈現(xiàn)同方向變化.

4 結(jié) 語

從煤炭采選業(yè)資源配置出發(fā)，構(gòu)建資源配置投入產(chǎn)出指標(biāo)體系，采用超效率SBM模型和DEA-Malmquist指數(shù)模型從動(dòng)靜兩視角對我國2009～2018年17個(gè)省市自治區(qū)的煤炭采選業(yè)資源配置效率的大小進(jìn)行比較、對變化趨勢及變化動(dòng)因進(jìn)行了實(shí)證考察.研究表明：1)靜態(tài)層面分析可知,我國煤炭采選業(yè)資源配置的綜合效率是較高的，但是地區(qū)存在顯著差異.依據(jù)17個(gè)省市自治區(qū)的煤炭采選業(yè)資源配置效率的時(shí)間變化趨勢，將其分為增長型、平穩(wěn)型和下降型.2)動(dòng)態(tài)層面分析可知,我國煤炭采選業(yè)資源配置效率平均每年上升0.1%，每階段的MI效率值不同，主要與TC、TEC兩者間的促進(jìn)抑制作用博弈有關(guān)，但技術(shù)進(jìn)步效率的提高卻是驅(qū)動(dòng)煤炭采選業(yè)資源配置效率增長的主動(dòng)力.3)綜合分析超效率SBM和ML指數(shù)，可知結(jié)果排名并不一致，說明MI效率變化與超效率SBM值的高低并未呈現(xiàn)同方向變化.煤炭產(chǎn)業(yè)資源的投入并不是簡單的將人財(cái)物融入到煤炭生產(chǎn)中，而是應(yīng)該借助信息系統(tǒng)，統(tǒng)籌規(guī)劃，有針對性地對資源實(shí)行差異化配置，而技術(shù)進(jìn)步效率是驅(qū)動(dòng)煤炭采選業(yè)資源配置效率增長的決定性因素，因此政府相關(guān)部門應(yīng)該鼓勵(lì)企業(yè)加大對科技材料的使用，引進(jìn)高科技機(jī)器設(shè)備，高水平科研人員，組建一流的科研團(tuán)隊(duì)，不斷促使生產(chǎn)技術(shù)進(jìn)步，提高資源配置效率，實(shí)現(xiàn)綠色安全生產(chǎn).