能源型企业技术创新效率研究

□文/郑雪琳　赵志鹏

（内蒙古大学经济管理学院内蒙古·呼和浩特）

能源型企业技术创新效率研究

□文/郑雪琳赵志鹏

（内蒙古大学经济管理学院内蒙古·呼和浩特）

在十二届全国人大三次会议中，李克强提出企业是技术创新的主体，要鼓励企业增加创新投入，支持企业更多地参与重大科技项目实施、科研平台建设，优化科技资源配置。

能源资源是我国工业化进程中一道重要的保障，对支撑经济高速发展起到了关键作用。然而，我国人均石油储量只有世界人均值的10%，人均天然气储量是世界人均值的23%，我国每发一度火电要比别人多消耗20%的煤。作为创新的主体，能源企业的技术创新是解决此类问题关键。只有转变经济发展方式和增强能源企业技术创新，才能解决我国经济发展过程中的能源瓶颈问题，确保能源的持续供给。因此，找出影响能源企业技术创新的因素，研究其对技术创新的作用机理，找出创新过程中存在的问题，采取有效的措施促进技术创新的进一步发展，是我国经济发展的必然要求。

一、文献综述

对于企业技术创新绩效的测评，国内学者已进行了多方面的研究。对于创新绩效的测度指标，Hagedoorn和Cloodt主张用R&D投入、获得专利数量、专利引用次数及新产品数量等，创造出一个多样化综合指标来衡量创新绩效。Duysters和Hagedoorn认为企业的R&D投入能够表征影响企业绩效的创新能力，特别是在高科技产业。陈升等人以企业创新意识、企业创新氛围和企业交流学习为核心自变量，认为企业创新意识对资源型地区企业均有显著正向影响，企业交流学习和企业创新氛围分别对资源型企业和非资源型企业创新绩效产生正向影响。杨百寅、高昂通过问卷调查的方式获得的浙江省数百家高科技企业的创新管理数据，认为领导者创新意识确立、创新文化建设、创新制度完善、研发机构设立、研发经费投入以及产学研项目合作是企业推进创新工作的主要方式。高义新以研发人员比例、大专以上人员比例和研发经费比例作为投入指标，全员劳动生产率、新产品销售份额、销售利润率和新产品及技术性收入作为产出指标，得出各样本的技术创新效率值。

在创新绩效评价方法上，张玉臣、吕宪鹏采用分位回归方法建立了研究模型，全面分析了技术效率、企业规模、政府政策、科技活动投入对处于不同创新绩效分位区间企业的影响，并与OLS回归结果进行了比较。朱学冬、陈雅兰利用2006～2008年创新型企业的相关数据，借助DEA方法模型，对福建省创新型企业创新绩效进行了评价和分析。杨洪涛、陈丽对长三角地区制造业企业发放的230份问卷所获得的数据，用结构方程模型对三种非R&D活动与制造业企业创新绩效关系进行了实证研究。陈宝杰以中国2010～2012年中小板上市公司面板数据为研究样本，采用负二项回归分析方法对女性参与高管团队对企业创新绩效的影响进行了实证分析。严焰、池仁勇以企业技术获取模式为调节变量，提出了R&D投入、技术来源、国外技术引进方式和企业创新绩效的理论模型，并结合浙江高技术企业的问卷调查结果，采用分组回归方法进行实证分析。

表1　企业创新绩效评价指标体系

表3　企业生产效率值

表4　生产效率与投入指标相关性

二、DEA模型介绍

数据包络分析（DEA）是一种评价多输入、多输出系统效率的有效方法，最初由美国运筹学家Cooper和Lewinz在相对评价效率上提出，目前已成为公认的有效评价方法并在多个研究领域得到了广泛的应用。DEA是一种非参数分析方法，它无须估计生产函数，通过观测大量实际生产数据，基于一定的生产有效性标准，构建生产前沿面以及位于该前沿包络面上的相对有效点。DEA方法具有以下优点：（一）无需知道生产函数的具体形式，研究中所受束缚较少；（二）适用于多投入多产出的情况；（三）可有效地计算企业的技术效率、综合效率、配置效率，全面掌握企业的发展情况；（四）可根据所计算投影的结果，对投入指标增减量进行调整。

本文中，我们假设被评价企业规模报酬不变，采用C2R模型对企业创新绩效进行评价。假设有n个决策单元，每个决策单元都有m种类型的输入以及s种类型的输出，变量如下：

xij表示第j个决策单元对第i种输入的投入量，xij〉0；yrj表示第j个决策单元对第r种输出的产出量，yrj〉0；vi表示第i种输入的一种度量；ur表示第r种输出的一种度量。引入松弛变量s-和剩余变量s+，可得如下计量模型：

其中，θ为第i个DMU的效率值，满足0≤θ≤1。

存在定理：1、若（DC2R）的最优值小于1，则决策单元j0为DEA无效；2、若（DC2R）的最优值大于等于1，并且它的每个最优解λ0=（λ10，…，λn0）T，s-0，s+0，θ0都有S-0=0，s+0=0则决策单元j0为DEA有效。

表2　上市公司研发指标描述性统计

表5　生产效率与产出指标相关性

三、能源型企业技术创新效率实证研究

（一）能源企业创新绩效评价指标体系。企业的创新活动是一个复杂的过程，建立评价指标体系是评价创新绩效的基础。科学的指标体系可以客观真实地对创新绩效进行分析，避免主观性和片面性。因此，创新绩效评价的指标应能够揭示创新活动中投入要素与产出要素之间的关系，使决策者可以根据产出结果对投入要素进行有效调整。

在构造评价指标体系时，一方面要满足评级指标的一般要求，即客观性、科学性、可比性、可行性；另一方面需同时满足DEA方法对输入产出指标的一些客观要求，即避免投入集（产出集）内部指标间具有较强的线性关系。本文以能源型企业为主要研究对象，参照前人总结的指标选取原则，结合能源企业实际情况与数据的可获得性，选取15家上市能源企业作为研究样本，并构建如表1所示指标体系来综合反映上市能源型企业创新绩效和营业情况。（表1）

（二）数据来源。本文数据全部来源于2014年各企业年报。其中，企业当年申请专利数全部来源于国家知识产权局认定的“全国知识产权服务品牌机构培育单位”佰腾网专利检索系统，其余数据通过企业披露的财务报表直接或间接得到，企业财务报表来源于中国证券监督管理委员会指定的上市企业信息披露网站——巨潮资讯网。

（三）描述性统计。首先利用SPSS操作软件对上述企业各项指标进行统计性描述，所得结果如表2所示。（表2）可以看出，所选取的15家上市能源企业，各项指标水平差距比较明显，无法直观的通过这些数据判断出各家企业生产效率与创新绩效孰优孰劣，这也凸显出了本文研究方法的价值所在。

（四）DEA计算结果及分析。如前文所述，DEA方法是一种多指标决策的非参数方法。以该15家企业作为决策单元，取各家企业各项指标平均数作为样本单元，利用广义DEA软件计算出各家企业生产效率，为消除量纲影响，事先对所有数据进行归一化处理。计算结果如表3所示。（表3）可以看出，各家企业生产效率水平也存在着显著不同。整体上来看，嘉化能源与天顺风能两家企业生产效率值低于1，我们认为它们的生产效率DEA无效；其余13家企业生产效率值高于1，即生产效率是DEA有效的。而在生产有效率的13家企业中，生产效率的波动范围在1～10之间。由于在计算过程中取各企业的平均水平作为样本，计算结果反映的是各家企业跟它们平均水平生产效率相比而言的相对值，因此我们可以认为，表3中计算结果越高的企业，生产效率水平比其他企业越高。

（五）生产效率与企业绩效相关性分析。为了分析这些能源企业生产效率的影响因素及生产效率对企业创新绩效的影响，接下来分别测算各企业生产效率与投入指标和产出指标的相关性，以此判断出影响生产效率的因素是什么，并获得提高生产效率的方法；通过测算生产效率与产出指标的相关性，可以总结出生产效率可能对企业哪些方面产生影响以及对企业的重要性。（表4）表4反映了生产效率与投入指标的相关性。显然，所选取企业的生产效率与技术人员占比相关性并不显著，与R&D强度显著相关。

生产效率与产出指标的相关性检验结果如表5所示。（表5）从表5中可以看出，企业的生产效率仅与利润总额呈现出了高度正向相关性，而与申请专利数、资产负债率、技术存量比率没有显著相关性。

四、结论及政策建议

通过上述计算与分析，我们可以得出以下结论：（一）在能源型企业中，R&D强度越高的企业，其生产效率越高；（二）生产效率高的企业，往往更容易获得高利润总额。

基于此，我们认为通过提高企业R&D强度可以提高企业生产效率，进而增加企业利润总额；即提高企业创新绩效的关键是加大对研发经费投资。另外，虽然技术人员占比相关性并不显著，但依然存在正向关系，因此通过提高技术人员占企业员工总数的比例，也可以在一定程度上提高企业生产效率，提升企业创新绩效。■