发展实体经济是提高国家经济实力的关键,其核心就是发展装备制造业。中国实体经济企业要想站稳脚跟就要进行转型,而转型的根本就是创新,从而不断提高核心竞争力。装备制造业创新的源泉就是提高技术创新效率,促进产业创新发展。
DEA方法在测算技术创新效率方面的应用已经十分成熟,但传统DEA方法只能测算静态效率,不能很好地代表中国装备制造业创新生产现状。DEA-Malmquist指数分析是在DEA模型基础上发展起来的,是一种可以衡量效率的非参数方法,并能测算动态效率。因此,本文采用DEA-Malmquist指数法测算我国装备制造业动态技术创新效率,并通过全要素生产率予以分析。
我国装备制造业七大产业的全要素生产率存在明显差异。人工智能和大数据的迅猛发展带动了相关产业发展,计算机等电子设备制造业和机械类制造业因技术含量较高、科技创新能力较强,其全要素生产率比其他产业高。传统制造业因为与大数据时代接轨不够,导致其全要素生产率较低。除此之外,还有很多其他因素影响装备制造业全要素生产率。因此,本文通过聚类分析研究产业之间的差异,借助逐步回归对我国装备制造业的技术创新效率进行分析,并提出相关政策建议。
DEA-Malmquist指数模型的本质是利用距离函数(Distance Function)的比率来计算生产率指数[1]。模型的基本步骤列示如下。
(1) 从t到t+1期,公式为
M0(xt+1,yt+1,xt,yt)=
(1)
式中:(xt+1,yt+1)和(xt,yt)分别表示t+1期和t期的投入和产出;和分别表示以t期为参照时,t期和t+1期的距离函数。
(2) 以t期为参照时,可得
(2)
(3) 根据以上分析过程,若以t+1期为参照,可得
(3)
(4) 根据以上两个Malmquist生产率指数的几何平均值,可以衡量出从t到t+1期生产率的变化为
M0(xt+1,yt+1,xt,yt)=
EC·TC
(4)
式中,技术效率变化指数(EC)可分解为纯技术效率指数(PC)和规模效率指数(SC),如表1所示。
表1 Malmquist生产率指数各指标的具体含义
指标含义情形具体含义MMalmquist生产率指数TC从t到t+1期技术生产边界推移程度EC从t到t+1期相对技术效率变化程度M>1生产率水平提高M=1生产率水平不变M<1生产率水平下降TC>1技术进步TC=1技术不变TC<1技术衰退EC>1技术效率提高EC=1技术效率不变EC<1技术效率下降
产出指标和投入指标的选取,均从能有效代表装备制造业创新效率的角度出发。产出指标选取专利申请数、新产品开发项目数以及新产品销售收入,投入指标选取R&D经费内部支出、R&D人员折合全时当量、R&D人员合计、新产品开发经费以及技术改造经费[2]。利用2005—2019年面板数据进行研究,所有指标数据来源于《中国科技统计年鉴》。具体变量如表2所示。
表2 装备制造业创新效率的测度变量
指标类别测度变量产出指标投入指标科研活动产出新产品产出R&D投入科技经费投入专利申请数/件新产品开发项目数/项新产品销售收入/万元R&D经费内部支出/万元R&D人员折合全时当量/人·年-1R&D人员合计/人新产品开发经费/万元技术改造经费/万元
我国装备制造业七大产业创新生产投入产出情况如表3所示,限于篇幅只列出2017—2019年数据。
表3 装备制造业创新生产投入产出情况
年份产业专利申请数件新产品开发项目数项新产品销售收入万元R&D经费内部支出万元201720182019金属制品业2924321437447183453431676通用设备制造业6416444181938645986968194专用设备制造业6846239780735614096369444交通运输设备制造业838464693734851362215933868电气机械及器材制造业1369155858421286274612423807通信设备、计算机及其他电子设备制造业1453035416239875231820027613仪器仪表及文化、办公用机械制造业2344915367234496502102352金属制品业3886828036515345773893723通用设备制造业78960531281002360567356003专用设备制造业8154046597840733837257638交通运输设备制造业908595370431283541617129557电气机械及器材制造业1527666702722518831113201357通信设备、计算机及其他电子设备制造业1794056430642793875822799013仪器仪表及文化、办公用机械制造业2508717285214455712232177金属制品业4618136399627846914663828通用设备制造业95039644521171126248228766专用设备制造业9436157743896000837767235交通运输设备制造业987946093234431563517187017电气机械及器材制造业1572247846224304011214061749通信设备、计算机及其他电子设备制造业2048367627444150951624480937仪器仪表及文化、办公用机械制造业3062621452239933642290754
表3(续)
年份产业R&D人员折合全时当量人·年-1R&D人员合计人新产品开发经费万元技术改造经费万元201720182019金属制品业977331478513844541582427通用设备制造业19977528960879249541169621专用设备制造业1770672573967599517833196交通运输设备制造业330475473825197087044841087电气机械及器材制造业285025426243150171581780635通信设备、计算机及其他电子设备制造业457960628592269701762740065仪器仪表及文化、办公用机械制造业68735959522654968189606金属制品业1178501689724624373622121通用设备制造业21817530585988125941146661专用设备制造业1944302743208423383712293交通运输设备制造业349763496337212863644486799电气机械及器材制造业306281441165168557651794139通信设备、计算机及其他电子设备制造业552618720589311231813602880仪器仪表及文化、办公用机械制造业70486973542766508178987金属制品业1342191900445723342731576通用设备制造业240908333266102786951056783专用设备制造业2128022950029698820714138交通运输设备制造业343880484718227704617883829电气机械及器材制造业327690453178176443781731796通信设备、计算机及其他电子设备制造业543781709363367781813427936仪器仪表及文化、办公用机械制造业771081026443227817159835
投入情况为:七大产业R&D经费内部支出、R&D人员折合全时当量、R&D人员合计以及新产品开发经费的变化趋势基本一致。但近几年,对于通信设备、计算机及其他电子设备制造业和交通运输设备制造业来说,R&D经费内部支出和新产品开发经费的增长速度越来越快,而R&D人员折合全时当量和R&D人员合计的增长趋势逐渐放缓。技术改造经费的投入情况比较特殊:交通运输设备制造业一直保持领先,金属制品业和仪器仪表及文化、办公用机械制造业的上升幅度较小,基本维持在同一水平。通信设备、计算机及其他电子设备制造业一直呈现曲折上升状态,其余三大产业则表现出“倒U型”的走势,即先上升后下降。
产出情况为:在专利申请数方面,通信设备、计算机及其他电子设备制造业和电气机械及器材制造业的上升幅度最大,金属制品业和仪器仪表及文化、办公用机械制造业的上升幅度最小。在新产品开发项目数方面,金属制品业和仪器仪表及文化、办公用机械制造业的上升幅度较小,其余五大产业基本保持同一上升趋势。在新产品销售收入方面,通信设备、计算机及其他电子设备制造业和交通运输设备制造业增长幅度较大,电气机械及器材制造业居中,其余四大产业相对缓慢。
总体而言,通信设备、计算机及其他电子设备制造业、交通运输设备制造业和电气机械及器材制造业的科技创新发展较快,金属制品业和仪器仪表及文化、办公用机械制造业创新发展较为缓慢。
影响我国装备制造业技术创新效率的主要因素[3]如表4所示。
表4 我国装备制造业技术创新效率主要影响因素
影响因素衡量指标产权结构大中型工业企业总产值中国有企业所占比重市场结构大中型工业企业总产值中大型工业企业所占比重企业规模大中型工业企业总产值除以企业个数
表4(续)
影响因素衡量指标研发活动支出技术引进经费和消化吸收经费的比值政府支持度大中型工业企业科技活动经费筹集总额中政府资金所占比重外商投资力度大中型工业企业总产值中外商投资所占比重
注:相关数据通过标准化处理以消除量纲的影响。
通过DEA-Malmquist指数对中国装备制造业技术创新效率进行整体分析,将2005—2018年作为投入阶段,2006—2019年作为产出阶段,结果如表5所示。
表5 我国装备制造业技术创新效率整体分析
产业技术效率指数技术进步指数纯效率技术指数规模效率指数全要素生产率排序金属制品业1.0000.9981.0001.0000.9986通用设备制造业1.0000.9970.9951.0040.9977专用设备制造业0.9991.0050.9971.0021.0043交通运输设备制造业1.0001.0041.0001.0001.0043电气机械及器材制造业1.0120.9890.9951.0161.0015通信设备、计算机及其他电子设备制造业1.0001.0061.0001.0001.0062仪器仪表及文化、办公用机械制造业0.9981.0140.9981.0001.0121
从表5可以看出,大部分产业的全要素生产率指数都大于1,只有金属制品业和通用设备制造业小于1,增长率为负。金属制品业全要素生产率指数小于1的原因在于技术进步指数为0.998,是技术退步造成全要素生产率增长率为负。而通用设备制造业是技术退步和纯技术效率下降的双重原因,导致规模效率增长0.4%。专用设备制造业,交通运输设备制造业,电气机械及器材制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业的年均增长率分别为0.4%、0.4%、0.1%、0.6%、1.2%。仅从技术进步指数来看,金属制品业、通用设备制造业和电气机械及器材制造业小于1,专用设备制造业,交通运输设备制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业的技术增长率分别为0.5%、0.4%、0.6%、1.4%,这说明技术退步是导致增长率为负的重要原因。其余产业均处于技术进步中,仪器仪表及文化、办公用机械制造业的技术进步增长率最高,达到1.4%,其年均增长率也最高,进一步说明了技术进步的重要性。可见,我国仪器仪表及文化、办公用机械制造业在技术创新背景下发展得更好。
从时间角度分析我国装备制造业创新生产活动的Malmquist逐年增长率指数,如表6所示。
表6 我国装备制造业创新生产活动的Malmquist逐年增长率指数
时间段技术效率指数技术进步指数纯效率技术指数规模效率指数全要素生产率2005—20060.9960.9551.0150.9820.9512006—20071.0020.9710.9971.0050.9722007—20081.0141.0141.0141.0001.0282008—20091.0171.0821.0131.0041.1002009—20101.0070.9200.9971.0110.9272010—20110.9941.1551.0010.9921.1482011—20120.9931.0311.0040.9891.0242012—20131.0120.9881.0001.0121.0002013—20141.0001.1101.0001.0001.1102014—20151.0070.9481.0001.0070.9542015—20161.0001.0600.9991.0011.0592016—20171.0011.0901.0011.0001.0902017—20181.0001.0091.0001.0001.0102018—20191.0001.0701.0001.0001.070均值1.0031.0271.0031.0001.030
由表6可知,近十几年来我国装备制造业创新生产年均全要素生产率均值为1.03,说明其整体上处于正增长状态;有4年的全要素生产率为负,均是技术退步导致的。但从2018—2019年来看,增长率上升了很多,已经达到7.0%,说明我国装备制造业近年来发展得较为迅速。技术进步指数的均值为1.027,虽然其中有5年为负,但是其他年份的较高增长有效提升了均值,且2018—2019年技术进步增长率达到7%,说明我国装备制造业在技术创新方面有很大的发展潜力。
为了更加清晰地展示每年的增长情况,通过R软件中的matplot函数[4]制作出图1。
图1 我国装备制造业Malmquist逐年增长率指数
从图1可以更加直观地看出,技术进步指数和全要素生产率的变化趋势是基本同步的,说明技术进步指数是影响我国装备制造业创新生产全要素生产率的关键因素。技术效率指数、纯技术效率指数以及规模效率指数均围绕效率指数1上下波动,而且近年来逐渐趋于平稳,说明技术进步指数对我国装备制造业创新生产全要素生产率的影响越来越大,其变化曲线基本是重合的。
通过对我国装备制造业七大产业创新生产活动的投入产出情况进行聚类分析[5],得到图2。
从图2可以看出,七大产业可分为三类:金属制品业和仪器仪表及文化、办公用机械制造业为一类,通用设备制造业和专用设备制造业为一类,其余三大产业为一类。每一类的聚类中心如表7所示。
图2 装备制造业聚类分析结果
表7 装备制造业分类别的聚类中心
类别R&D经费内部支出万元R&D人员折合全时当量人·年-1R&D人员合计人新产品开发经费万元1256025282116.5114814279304026214271191460.02728106774863315083703331484.045772417536609类别技术改造经费万元专利申请数件新产品开发项目数项新产品销售收入万元131249722598.514811.530541092287269759052.034556.07689296732422764113140.042040.0319218984
从表7可以看出,第一类属于低投入低产出型,第二类属于中投入中产出型,第三类属于高投入高产出型。把装备制造业技术创新效率分析和创新生产投入产出情况聚类分析结合起来进行综合研究[6-8],结果如表8所示。
表8 我国装备制造业技术创新效率和投入产出综合分析
产业全要素生产率效率排名投入产出类型金属制品业0.9986低投入低产出通用设备制造业0.9977中投入中产出专用设备制造业1.0043中投入中产出交通运输设备制造业1.0043高投入高产出电气机械及器材制造业1.0015高投入高产出通信设备、计算机及其他电子设备制造业1.0062高投入高产出仪器仪表及文化、办公用机械制造业1.0121低投入低产出
结合装备制造业技术创新效率分析和创新生产投入产出聚类分析可知:我国仪器仪表及文化、办公用机械制造业全要素生产率最高,而且属于低投入低产出,说明该产业不仅发展好,而且技术先进,引领着我国装备制造业的创新发展。金属制品业虽然属于低投入低产出类型,但是效率较低,应该给予更多的重视和鼓励。通信设备、计算机及其他电子设备制造业,交通运输设备制造业和电气机械及器材制造业虽然属于高投入高产出类型,但是效率处于中等水平,面临技术退步的风险,急需进行产业转型升级才能实现更好的发展。通用设备制造业属于中投入中产出,效率最低,技术退步严重,在发展过程中应予以重视。
分别将全要素生产率、技术效率、技术进步效率、纯技术效率指数以及规模效率指数作为因变量,将产权结构、市场结构、企业规模、研发活动支出、政府支持度和外商投资力度作为自变量进行分析[9-12]。因为自变量之间可能存在线性相关的问题,需要先检验自变量之间的多重共线性。常用于度量多重共线性的指标为条件数和方差膨胀因子。检验得到的条件数为57.055,方差膨胀因子检验结果如表9所示。
表9 多重共线性检验结果
指标市场结构外商投资力度产权结构企业规模政府支持度研发活动支出方差膨胀因子204.02091.93425.55820.3007.4494.051
从条件数和方差膨胀因子来看,数据很可能存在多重共线性问题,因此采用逐步回归方法。利用R软件的step()函数,用双向逐步回归及AIC准则选择模型,如表10所示。
表10 我国装备制造业技术创新效率影响因素的逐步回归分析
因变量AIC准则选择进入的自变量系数P值全要素生产率技术效率指数技术进步指数产权结构 1.6340.124 市场结构-1.9710.059∗研发活动支出-0.6630.143政府支持度-0.7990.147企业规模0.7190.025∗∗研发活动支出0.6160.136政府支持度0.9130.065∗产权结构1.6260.085∗市场结构-2.0040.034∗∗研发活动支出-0.6880.089∗政府支持度-0.8750.080∗因变量AIC准则选择进入的自变量系数P值纯技术效率指数规模效率指数产权结构 1.3760.232 市场结构4.3700.139企业规模-1.4290.164政府支持度-0.6540.134外商投资力度-4.7210.046∗∗产权结构-1.1330.164市场结构-2.6220.192企业规模1.5800.052∗研发活动支出0.5260.121政府支持度1.1820.043∗∗外商投资力度3.0190.077∗
注:*、**分别表示在10%和5%的显著性水平下通过显著性检验。
从表10可以看出,6个变量均影响规模效率指数,但只有企业规模、政府支持度和外商投资力度是显著的,且系数均为正数。影响纯技术效率指数的有5个变量,只有研发活动支出没有起到影响作用,其中外商投资力度显著抑制纯技术效率指数,即外商投资占比越大该指数越低。影响技术效率指数的只有企业规模、研发活动支出和政府支持度,企业规模和政府支持度均显著正向影响该指数。为提高技术效率指数,可以扩大企业规模或由政府给予企业更多的支持和鼓励。影响技术进步指数的有4个变量,即产权结构、市场结构、研发活动支出和政府支持度,而且全部是显著的。不同的是产权结构的影响是正向的,其余3个变量的影响均是负向的,抑制作用最强是市场结构,说明中国工业企业的市场结构还不成熟,亟待完善[13-14]。
从全要素生产率角度来看,产权结构对其有促进作用。但是根据我国现状,国有企业的发展模式和管理模式缺乏创新,形成了相对固化的模式,不利于核心技术的创新研发;在私营企业和外资企业竞争力不断提高的条件下,国有企业的技术创新相对更加艰难[15]。因此,应对国有企业发展模式进行改革,加强其技术创新能力。市场结构对其有抑制作用,一般情况下,相对小型企业来说大型企业更可能掌握核心技术,但是中小型企业占大多数,大型企业的优势在逐渐减小。因此,大型企业应对员工管理及报酬分配进行合理统筹,使掌握核心技术的员工享有更好的待遇,同时也给予一定压力,对员工进行经常性激励和考核。研发活动支出对其有抑制作用。研发活动支出主要有技术引进经费支出和消化吸收经费支出,两者比值越大(即技术引进经费多,但用于消化吸收的经费却很少),越不利于科技研发活动创新。政府支持度对其有抑制作用,说明政府对科研活动投入资金越多,反而越不会促进科研创新[16-17]。因此,政府应该采取措施使科研经费适当均匀分布,避免有些科研活动投入太多导致经费浪费,而有些科研活动却得不到政府支持,导致科研活动总体全要素生产率变低[18]。
通过DEA-Malmquis指数,分别从产业和时间角度研究装备制造业创新生产活动的全要素生产率及其分解。从产业角度来看:只有金属制品业和通用设备制造业的全要素生产率指数小于1,技术退步是其主要原因。电气机械及器材制造业的技术进步指数也小于1,对其全要素生产率的增长率产生了较大的影响,但并没有导致全要素生产率的增长率为负,这是因为规模效率指数较大,弥补了技术退步的负向影响。说明技术退步是导致增长率为负的重要原因,但不是全部原因。从时间角度来看:技术进步指数和全要素生产率的变化趋势基本是同步的,说明技术进步指数是影响我国装备制造业全要素生产率的重要因素。技术效率指数、纯技术效率指数以及规模效率指数均围绕效率指数1上下波动,且近年来逐渐趋于平稳,说明技术进步指数对我国装备制造业全要素生产率的影响越来越大。
根据装备制造业的技术创新效率分析、创新生产投入产出情况聚类分析以及创新效率影响因素分析,本文提出以下建议:
(1) 对专用设备制造业,金属制品业和仪器仪表及文化、办公用机械制造业,从科技活动经费投入、人员投入以及设备投入方面给予支持和鼓励。
(2) 努力提高通用设备制造业,通信设备、计算机及其他电子设备制造业,交通运输设备制造业和电气机械及器材制造业的技术创新水平,实现产业转型。
(3) 改善中国工业企业的产权结构,尤其是对国有企业的发展模式进行创新。在当前私营企业和外资企业竞争力不断提高的背景下,国有企业不能再墨守成规,必须尽快实现转型升级,推动我国装备制造业创新发展。
(4) 合理完善我国工业企业市场结构,尤其是要发挥大型企业的优势。现在市场上中小企业越来越多,竞争也越来越激烈,大型企业在吸引人才的同时也要注意技术创新,将规模优势转化为发展优势。
(5) 不能只注重科研活动的技术引进,对技术的消化吸收及创新更为重要。在投入巨大经费引进先进科技后,不加大研究力度仍难以实现创新发展,因而对引进技术的消化吸收及再研究(再创新)是非常重要的。
[1]曾菊英,许冰.技术进步与效率改善的一种新测度方法 [J].数量经济技术经济研究,2011,28(5):78-93.
[2]吕品,项日峰.中国装备制造业创新效率的测度 [J].产经评论,2013,4(2):42-51.
[3]牛泽东,张倩肖.中国装备制造业的技术创新效率 [J].数量经济技术经济研究,2012,29(11):51-67.
[4]Joseph A.R语言核心技术手册 [M].北京:电子工业出版社,2014.
[5]王青,和晨阳.中国海洋经济效率的区域差异分析 [J].辽宁大学学报(哲学社会科学版),2020,48(1):54-65.
[6]王章豹,孙陈.我国装备制造业行业技术创新效率测度研究 [J].中国科技论坛,2007(8):28-33.
[7]肖仁桥,钱丽,陈忠卫.中国高技术产业创新效率及其影响因素研究 [J].管理科学,2012,25(5):85-98.
[8]段婕,刘勇,王艳红.基于DEA改进模型的装备制造业技术创新效率实证研究 [J].科技进步与对策,2012,29(6):65-69.
[9]王金波,闫立寒,李兴光.金融发展、产业结构升级的区域技术创新效应 [J].沈阳工业大学学报(社会科学版),2021,14(4):321-327.
[10] 赵然.文化产业投资动态效率及分解研究——基于DEA-Malmquist指数的河南分析 [J].金融理论与实践,2014(6):58-61.
[11] 王文,牛泽东.中国装备制造业技术创新的静态与动态效率——基于二位码行业数据的分析 [J].经济管理,2014,36(5):24-36.
[12] 王俊岭,戴淑芬.基于DEA-Malmquist指数的我国钢铁行业循环经济效率评价 [J].河北经贸大学学报,2014,35(2):78-82.
[13] 杨文爽,徐喆.吉林省转变经济增长方式研究——基于要素贡献率和DEA-Malmquist指数分析 [J].税务与经济,2016(2):102-109.
[14] 祝爱民,于丽娟,侯佳妮,等.辽宁省科技创新现状比较分析与能力提升 [J].沈阳工业大学学报(社会科学版),2021,14(3):268-274.
[15] 徐嵩杰,凌正华.基于DEA和Malmquist指数饲料业上市公司经营绩效分析 [J].中国饲料,2019(6):80-83.
[16] Li Y J,Hou W H,Zhu W W,et al.Provincial carbon emission performance analysis in China based on a Malmquist data envelopment analysis approach with fixed-sum undesirable outputs [J].Annals of Operations Research,2021,304(1/2):233-261.
[17] Xie B C,Ni K K,O’Neill E,et al.The scale effect in China’s power grid sector from the perspective of Malmquist total factor productivity analysis [J].Utilities Policy,2021,69(1):101-187.
[18] Wang C N,Nguyen T L,Dang T T,et al.Performance evaluation of fishery enterprises using data envelopment analysis:a Malmquist model [J].Mathematics,2021,9(5):469-480.