劉少云

（中共阜新市委黨校 經(jīng)濟(jì)學(xué)教研室，遼寧 阜新 123000）

0 引言

汽車制造業(yè)是衡量一個(gè)國(guó)家綜合實(shí)力和發(fā)達(dá)程度的重要標(biāo)志，是國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)。中國(guó)對(duì)汽車制造業(yè)的發(fā)展極為重視，通過政策引導(dǎo)和資金扶持來推動(dòng)汽車產(chǎn)業(yè)的發(fā)展。由于汽車制造業(yè)屬于高技術(shù)產(chǎn)業(yè)，其技術(shù)的發(fā)展需要大量的研發(fā)投入和長(zhǎng)期的經(jīng)驗(yàn)積累。因此，在汽車企業(yè)的發(fā)展中合理配置創(chuàng)新資源的投入和經(jīng)濟(jì)效益的產(chǎn)出顯得尤為重要。而目前中國(guó)汽車制造業(yè)實(shí)際整體創(chuàng)新技術(shù)效率較低[1-2]，汽車制造業(yè)技術(shù) 創(chuàng)新能力與整體發(fā)展水平不匹配。技術(shù)創(chuàng)新效率反應(yīng)了汽車行業(yè)科技能力的高低及未來發(fā)展趨勢(shì)。因此，研究汽車制造業(yè)技術(shù)創(chuàng)新效率具有重要意義。

1 文獻(xiàn)綜述

技術(shù)創(chuàng)新效率是指在市場(chǎng)價(jià)格穩(wěn)定、生產(chǎn)規(guī)模不變的情況下，投入一定比例的資源，產(chǎn)出定量產(chǎn)品所需的最低成本與實(shí)際成本的比值[3]。KOOPMANS[4]最早提出技術(shù) 有效性概念，并將不增加任何產(chǎn)出和投入的前提下，技術(shù)水平均不會(huì)降低產(chǎn)出效果的 現(xiàn)象稱為技術(shù)有效性。

技術(shù)創(chuàng)新效率提出后，國(guó)內(nèi)外學(xué)者分別從技術(shù)創(chuàng)新效率的影響等因素方面進(jìn)行了研究。PAVITT 等[5]研究發(fā)現(xiàn)企業(yè)規(guī)模對(duì)企業(yè)的技術(shù)創(chuàng)新效率有顯著影響，小型企業(yè)及大型企業(yè)的技術(shù)創(chuàng)新效率比中型企業(yè)要高，企業(yè)規(guī)模與技術(shù)創(chuàng)新效率呈U 型曲線。VOKOUN[6]研究發(fā)現(xiàn)研發(fā)經(jīng)費(fèi)投入、加強(qiáng)外資引進(jìn)和增加創(chuàng)新成果的出口對(duì)技術(shù)創(chuàng)新效率有正向影響。HONG 等[7]研究發(fā)現(xiàn)政府補(bǔ)貼對(duì)技術(shù)創(chuàng)新效率具有阻礙作用。而HOU等[8]研究發(fā)現(xiàn)政府資金投入提高了企業(yè)的技術(shù)創(chuàng)新效率。朱承亮[9]以汽車業(yè)為研究對(duì) 象，研究發(fā)現(xiàn)科研投入、購(gòu)買研發(fā)成果均是促進(jìn)技術(shù)創(chuàng)新的主要因素。鄧立治[2]通過對(duì)2008-2012 年28 家汽車企業(yè)的數(shù)據(jù)研究發(fā)現(xiàn)，研發(fā)資本存量和技術(shù)人員投入對(duì)技術(shù) 創(chuàng)新效率具有顯著影響。

已有文獻(xiàn)對(duì)新能源汽車企業(yè)創(chuàng)新技術(shù)效率的研究相對(duì)較多[10-12]，行業(yè)層面較少，且多是從理論角度進(jìn)行分析，實(shí)證研究較 少[13-14]。部分學(xué)者研究發(fā)現(xiàn)，2016 年以前中國(guó)汽車業(yè)整體的技術(shù)效率低、規(guī)模小，并且各地區(qū)企業(yè)之間效率差異較大[15-18]。但 中國(guó)汽車業(yè)技術(shù)創(chuàng)新效率現(xiàn)狀如何，尚未 有學(xué)者進(jìn)行研究。因此，借鑒已有的研究 成果，采用數(shù)據(jù)包絡(luò)分析法[19]（DEA），對(duì)汽車制造業(yè)上市公司技術(shù)創(chuàng)新效率進(jìn)行實(shí)證研究，分析中國(guó)汽車制造業(yè)創(chuàng)新效率。

2 研究設(shè)計(jì)

2.1 研究樣本與數(shù)據(jù)來源

選取2016-2020 年汽車制造業(yè)上市公司為研究對(duì)象，數(shù)據(jù)來自于Wind 數(shù)據(jù)庫(kù)，對(duì)樣本進(jìn)行如下篩選：剔除2016 年之后上市的公司；剔除ST、*ST 類企業(yè)；剔除財(cái)務(wù)數(shù)據(jù)缺失的樣本。經(jīng)處理后，共得到92 條樣本值。使用Excel 和DEAP2.1 進(jìn)行數(shù)據(jù)處理。

2.2 評(píng)價(jià)指標(biāo)

在已有文獻(xiàn)的基礎(chǔ)上，結(jié)合汽車制造業(yè)實(shí)際情況，選取研發(fā)人員數(shù)與研發(fā)支出為投入指標(biāo)，選擇主營(yíng)業(yè)務(wù)收入與無(wú)形資產(chǎn)為產(chǎn)出指標(biāo)，具體見表1。

表1 技術(shù)創(chuàng)新效率投入產(chǎn)出指標(biāo)體系 Tab.1 input-output index system of technological innovation efficiency

在創(chuàng)新的過程中，人力投入與資金投入是最基本的創(chuàng)新要素。研發(fā)人員對(duì)技術(shù)創(chuàng)新起著決定性作用，客觀反映了技術(shù)創(chuàng)新效率的真實(shí)情況。研發(fā)支出反映了企業(yè)對(duì)技術(shù)創(chuàng)新的重視程度和投入力度，是衡量創(chuàng)新投入的重要指標(biāo)。因此，選取研發(fā)人員數(shù)和研發(fā)支出作為創(chuàng)新投入指標(biāo)。有文獻(xiàn)選擇專利申請(qǐng)數(shù)作為產(chǎn)出指標(biāo)，但是專利申請(qǐng)數(shù)易受到環(huán)境因素的影響，不能準(zhǔn)確反映技術(shù)創(chuàng)新給企業(yè)帶來的全部收益。而無(wú)形資產(chǎn)與之相反，可以直觀展示企業(yè)全部的技術(shù)創(chuàng)新成果。主營(yíng)業(yè)務(wù)收入客觀、全面地反映了技術(shù)創(chuàng)新成果投入市場(chǎng)所帶來的商業(yè)價(jià)值。因此，選擇無(wú)形資產(chǎn)和主營(yíng)業(yè)務(wù)收入作為產(chǎn)出指標(biāo)。

DEA 模型的評(píng)價(jià)指標(biāo)要求具有代表性且必須是正相關(guān)關(guān)系，因此首先對(duì)技術(shù)創(chuàng)新效率投入產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)，具體見表2。

表2 相關(guān)性檢驗(yàn) Tab.2 correlation test

由表2 可知，評(píng)價(jià)指標(biāo)之間均存在顯著正相關(guān)關(guān)系，可進(jìn)行后續(xù)評(píng)價(jià)分析。

2.3 模型建立

（1）BCC 模型的建立

采用傳統(tǒng)BCC 模型進(jìn)行橫向分析。BCC 模型屬于規(guī)模報(bào)酬可變的DEA 模型，是對(duì)CCR 模型的改進(jìn)，其將CCR 模型中的技術(shù)效率TE 分解為規(guī)模效率SE 與純技術(shù)效率PTE 的乘積，據(jù)此構(gòu)建模型（1）。

式中，j為不同的汽車制造企業(yè)；X為汽車制造企業(yè)投入的要素向量；Y為汽車制造企業(yè)產(chǎn)出的產(chǎn)量向量；λj為各單位系數(shù)組合；S-為汽車制造企業(yè)投入要素達(dá)到效率前沿面需要調(diào)整的數(shù)量（即松弛變量）；S+為汽車制造企業(yè)產(chǎn)出要素達(dá)到效率前沿面需要調(diào)整的數(shù)量（即松弛變量）；T為期間；ε為無(wú)窮小；θ為效率評(píng)價(jià)值。若θ=1、S-=S+=0，則說明決策單元?jiǎng)?chuàng)新有效；若θ=1、S-≠1或S+≠1，則說明決策單元?jiǎng)?chuàng)新為弱有效；若θ＜0，則說明決策單元?jiǎng)?chuàng)新無(wú)效，技術(shù)和規(guī)模效率有欠缺。

（2）Malmquist 指數(shù)模型的建立

Malmquist 指數(shù)模型衡量決策單元在t到t+1 之間技術(shù)效率與技術(shù)水平的變化?；诋a(chǎn)出導(dǎo)向的Malmquist 生產(chǎn)率指數(shù)表示為模型（2）。將Malmquist 指數(shù)分解為技術(shù)效率變化與技術(shù)水平，見模型（3）。

式（2）、式（3）中，M0(Xt+1,yt+1,Xt,yt)為Malmquist 指數(shù)，表示由t期到t+1 期的技 術(shù)效率改變情況；為第t期技術(shù)效率；為以第t期的技術(shù)表示第t+1 期的技術(shù)效率；為第t+1期技術(shù)效率；為以第t+1 期的技術(shù)表示第t期的技術(shù)效率。若M0＞1，則表明該時(shí)期該決策單元?jiǎng)?chuàng)新效率有所提高；若M0＜1，則表明該時(shí)期該決策單元?jiǎng)?chuàng)新效率 有所下降；若M0=1，則表明該時(shí)期該決策單元?jiǎng)?chuàng)新效率沒有變化。

3 實(shí)證分析

3.1 基于BCC模型的橫向分析

利用軟件DEAP2.1 對(duì)2020 年中國(guó)92家汽車制造業(yè)上市公司技術(shù)創(chuàng)新效率投入產(chǎn)出指標(biāo)進(jìn)行處理，具體見表3。

由表3 可以看出，92 家企業(yè)中，濰柴動(dòng)力、海馬汽車、中國(guó)重汽、聯(lián)明股份、繼峰股份的綜合效率、技術(shù)效率、規(guī)模效率都為1，表明這5 家企業(yè)的技術(shù)創(chuàng)新的投入和產(chǎn)出達(dá)到了合理狀態(tài)。強(qiáng)大的生產(chǎn)技術(shù)以及長(zhǎng)遠(yuǎn)的發(fā)展眼光為其更好地進(jìn)行技術(shù)創(chuàng)新奠定了基礎(chǔ)。

表3 基于BCC 模型的2020 年汽車制造業(yè)上市公司技術(shù)創(chuàng)新效率投入產(chǎn)出指標(biāo)橫向分析 Tab.3 horizontal analysis of input-output index of technological innovation efficiency of listed companies in automobile manufacturing industry in 2020 based on BCC model

經(jīng)計(jì)算，92 家企業(yè)的綜合效率均值為0.38，處于較低的水平，且綜合效率值差距較大，其中綜合效率值最低的云意電氣僅為0.096，表明汽車制造業(yè)技術(shù)創(chuàng)新效率還有上升空間。其中濰柴動(dòng)力等5 家企業(yè)綜合效率值為1，說明其企業(yè)管理及技術(shù)改革卓有成效，并且發(fā)揮了品牌和產(chǎn)品優(yōu)勢(shì)，企業(yè)自主研發(fā)能力較強(qiáng)。除了上述5 家企業(yè)綜合效 率、技術(shù)效率、規(guī)模效率都達(dá)到1 以外，一汽解放、大為股份、上汽集團(tuán)的純技術(shù)效率也達(dá)到了1，表明這8 家企業(yè)在技術(shù)創(chuàng)新方面投入的資源較多并且較為合理，企業(yè)的技術(shù)管理水平較高。其他企業(yè)在技術(shù)管理方面創(chuàng)新投入不足，資源配置效率較低，存在投入浪費(fèi)現(xiàn)象。在規(guī)模效率方面，宇通客車也達(dá)到了1，這說明其創(chuàng)新投入與創(chuàng)新產(chǎn)出成正比。長(zhǎng)安汽車、一汽解放、萬(wàn)豐奧威、比亞迪、雙林股份、上汽集團(tuán)、福田汽車、曙光股份、江淮汽車、均勝電子、華域汽車、小康股份、長(zhǎng)城汽車、常熟汽飾存在規(guī)模報(bào)酬遞減的情況。因此，這些企業(yè)應(yīng)優(yōu)化內(nèi)部結(jié)構(gòu)，調(diào)整投入與產(chǎn)出比例，避免出現(xiàn)高投入低產(chǎn)出的情況。濰柴動(dòng)力、海馬汽車、中國(guó)重汽、寧波華翔、立中集團(tuán)、宇通客車、凌云股份、金龍汽車、拓普集團(tuán)、聯(lián)明股份、繼峰股份的規(guī)模報(bào)酬不變，說明其現(xiàn)有投資結(jié)構(gòu)合理。這與企業(yè)科學(xué)、有效的管理模式有關(guān)，說明這些企業(yè)采取了適合自身發(fā)展的供應(yīng)鏈發(fā)展模式，而其他企業(yè)應(yīng)加大創(chuàng)新投入，使投入與產(chǎn)出達(dá)到最佳比例。

3.2 基于Malmquist指數(shù)模型的縱向分析

通過DEAP2.1 軟件測(cè)算出汽車制造業(yè)上市公司的Malmquist 指數(shù)，具體見表4、表5。

從表4、表5 可以看出，2016-2020 年汽車制造企業(yè)全要素生產(chǎn)率總體呈上升趨勢(shì)，但部分均值略小于1，表明在此期間，汽車制造企業(yè)技術(shù)創(chuàng)新效率增長(zhǎng)不足。92 家汽車制造企業(yè)中有37 家企業(yè)全要素生產(chǎn)率大于等于1，說明其全要素生產(chǎn)率達(dá)到最優(yōu)。其余55 家企業(yè)全要素生產(chǎn)率呈下降趨勢(shì)。經(jīng) 計(jì)算技術(shù)進(jìn)步的均值為0.975，小于1，說明2016-2020 年汽車制造業(yè)在技術(shù)進(jìn)步方面呈倒退趨勢(shì)。反映出企業(yè)在技術(shù)進(jìn)步方面的缺陷，即技術(shù)資源投入不足且利用率低。從規(guī)模效率來看，2016-2020 年均值大于1，說明這5 年中汽車制造業(yè)的規(guī)模是有所擴(kuò)大的。

表4 基于Malmquist 模型的2016-2020 年汽車制造業(yè)上市公司技術(shù)創(chuàng)新效率投入產(chǎn)出指標(biāo)縱向分析 Tab.4 vertical analysis of input-output index of technological innovation efficiency of listed companies in automobile manufacturing industry from 2016 to 2020 based on Malmquist model

表5 基于Malmquist 模型的2020 年汽車制造業(yè)上市公司整體技術(shù)創(chuàng)新效率 Tab.5 overall technological innovation efficiency of listed companies in automobile manufacturing industry in 2020 based on Malmquist model

續(xù)表5

4 結(jié)論

通過實(shí)證檢驗(yàn)，基于 DEA 模型、Malmquist 指數(shù)模型分別從橫向、縱向角度分析了2016-2020 年滬深兩市A 股汽車制造業(yè)上市公司的技術(shù)創(chuàng)新效率問題，得出如下結(jié)論。

2016-2020 年汽車制造業(yè)的技術(shù)創(chuàng)新效率是緩慢增長(zhǎng)的。雖然資源利用率較低，但汽車制造業(yè)創(chuàng)新投入是有效的，實(shí)現(xiàn)了行業(yè)規(guī)模的標(biāo)準(zhǔn)化和平穩(wěn)增長(zhǎng)。汽車制造業(yè)全要素生產(chǎn)率沒有達(dá)到最優(yōu)水平，技術(shù)進(jìn)步有輕微倒退傾向，說明汽車制造業(yè)存在創(chuàng)新能力不足的問題。其中，2020 年濰柴動(dòng)力、海馬汽車、中國(guó)重汽、聯(lián)明股份、繼峰股份這5家企業(yè)的技術(shù)創(chuàng)新效率投入與產(chǎn)出達(dá)到了合理狀態(tài)。研發(fā)人才及研發(fā)投入達(dá)到了同行業(yè)領(lǐng)先水平，創(chuàng)新研發(fā)能力持續(xù)提升。相較于這5 家企業(yè)，其他汽車制造企業(yè)創(chuàng)新投入與產(chǎn)出未達(dá)到平衡狀態(tài)，創(chuàng)新效率較弱。隨著技術(shù)進(jìn)步的加速和競(jìng)爭(zhēng)的加劇，技術(shù)創(chuàng)新對(duì)汽車制造業(yè)競(jìng)爭(zhēng)力的作用越來越明顯，企業(yè)對(duì)研發(fā)人才及創(chuàng)新投入的重視程度直接影響技術(shù)進(jìn)步，創(chuàng)新研發(fā)能力停滯不前、技術(shù)效率的惡化造成全要素生產(chǎn)率的下降，從而影響企業(yè)核心競(jìng)爭(zhēng)力及抗風(fēng)險(xiǎn)能力。