1 引言
近年来，对某一行业进行科技效率的计算分析日渐兴起，例如研究战略性新兴产业科技成果转化效率、石油企业科技效率、海洋能源开发技术行业科技人力资源利用效率、农业科技创新资源的配置效率、煤炭企业技术创新效率等。但是，由于数据的可获性和可操作性等原因，这一领域的研究大都局限于区域研究，研究对象局限于某一省份，或者省际比较，或者整个国家。本文则尝试采用上市公司数据，从点到面研究煤炭行业科技创新与技术转化的投入产出效率。文献分析来看，科技效率评价采用的模型和方法主要包括数据包络分析(DEA)和随机前沿分析。DEA模型作为一种测算相对效率的非参数方法，在评价科技效率中具有黑箱评价的应用优势，但是正是由于这一点，也使得DEA模型忽略了输入输出的中间过程，丢失了一些有用信息。随着网络DEA模型的提出，一些学者开始使用多阶段网络DEA模型打开科技效率评价的黑箱。陈凯华将科技创新过程划分为科技研发过程和技术转让过程，采用网络DEA模型分析了中国省域科技创新投资效率，并发现两个子过程效率绩效的严重不匹配；梁瑞敏运用二阶段网络DEA方法测算山西省2001-2012年科技创新效率值。目前，
煤炭行业的DEA效率评估主要集中在经营效率、安全效率、生态效率等领域，采用网络DEA模型评估煤炭行业科技效率的文献还比较鲜见。本文尝试对煤炭行业科技创新的过程进行分解，采用二阶段网络DEA模型，计算其整体效率和分阶段效率，以便于考查各分阶段对整体科技效率的影响，从而打开科技效率评价的黑箱。
2模型构建
经典的CCR模型只考虑了生产过程的输入输出数据，计算出的整体效率无法要求从投入到产出的生产方式，而管理实践对效率计算提出了更高要求，找出导致无效单元的因素更吸引学者们的注意。因此，Kao和Hwang提出了网络DEA模型，不仅给出了决策单元(DMU)的整体效率，而且对整体效率进行分解以辨识出DMU非有效的来源。Kao考虑了二阶段串联形式的关系DEA模型，在第一个阶段产出与第二阶段投入权重相同的前提下给出整体效率公式，如式1所示。
式中：Ek一一第k决策单元的二阶段DEA模型的整体效率；
本文在两阶段DEA模型的基础上，借鉴技术创新效率研究的现有方法，考虑煤炭行业的特点和数据的可获性，将煤炭企业科技研发与转化的实际过程划分为科技研发和科技转化两个阶段。每一个煤炭企业被看做一个决策单元DMU，所谓科技研发阶段，是指煤炭企业实施各项科研投入，通过研究与发展活动，依靠科技进步保障安全和高效生产，即转化为效率的提高和成本的节约，因此第阶段测算的是科技研发效率；第1阶段转化的效率以及节约的成本会直接作用于第II阶段，即科技转化阶段，实现转化后企业创造的经济价值，因
此，第II阶段测算科技转化效率。第1阶段产出直接形成第II阶段投入，两个阶段构成了一个开放的链式系统，具体过程如图1所示。
3指标体系
依据图1所示的链式两阶段DEA模型，度量煤炭行业上市公司科技效率的投入产出指标体系具体设置如表1所示。
科技研发阶段的投入主要从资金和人员两个方面考虑。总资产是科技研发的基础，所以也要作为外部投入。研发投入包括企业研发的费用化和资本化支出。中间阶段既是科技研发阶段产出，又作为科技转化阶段投入，主要从经营效率、盈利效率的提高以及营业成本的节约三个方面考查；在科技转化阶段，无论是效率的提高还是成本的节约最后统一归结于企业
创造的经济价值，即利润、收入和收益。
4 数据来源及计算分析
根据表1给出的指标体系，本文查阅了2013年沪深两市28家煤炭行业上市公司年报，以及巨潮网、和讯网公布的财务数据，并对数据进行了细致处理，表2列出了2013年煤炭行业上市公司输入输出数据的描述性统计。由于DEA模型要求数据非负，需要对原始数据进行标准化处理，标准化过程如式2所示。
MATLAB具有强大的矩阵运算能力和直观的编程优势，因此本文基于MATI。AB环境根据式1编写了两阶段DEA函数程序和脚本文件，脚本文件直接读取标准化处理后的数据，并调用函数程序后得到整体效率和分阶段效率，如图2所示。
图2显示28家煤炭行业上市公司的整体科技效率都处于非有效状态，效率最大值达到0. 8383，最小值低至0. 1390。此外，整体效率值都要低于两个分阶段效率，这显然是由于模型计算方法导致。在第1阶段，仅有露天煤业、平庄能源、安泰集团和安源煤业4家公司的DEA效率达到1，说明这4家公司的科技投入实现了效率提高和成本节约的目标；在第II阶段，所有公司的科技转化效率均小于1，最大值中国神华达到0. 9208，最小值为0. 6106。尽管上述4家公司第1阶段取得有效状态，但是第II阶段均无效，说明企业在科技研发阶段实现了目标，但是科技投入未真正转化为经济价值，企业没有充分利用科技成果创造出经济利润。另一方面，尽管一些公司在第II阶段取得了较高的效率值，但是第1阶段效率相对较低，说明这些企业具备较强的利润创造能力，但是这种能力并非全部来自于科技投入，一些外部环境因素掩盖了科技研发效率低下的事实。更应该值得注意的是，大多数上市公司的阶段II效率大于阶段I效率，说明煤炭行业整体科技效率低下的大部分原因在于科技研发效率过低，经营能力的提高和成本的节约也许可以创造出更多经济利润，但是无法保证科技资源得到充分利用。
为了进一步分析两阶段DEA模型的计算结果，本文编制了CCR模型的MATLAB程序，将标准化后的数据代入计算得到整体效率与分阶段效率，与两阶段DEA模型计算结果进行比较分析，如图3，图4及图5所示。
图3显示，经典CCR模型计算的整体效率普遍高于两阶段DEA效率，这主要是由于前者忽略了科技研发投入与经济利润产出之间的中间过程，高CCR科技效率掩盖了科技研发效率低下的事实，易使企业对煤炭行业科技投入产出效率的现状过分自信。图4显示，两个模型计算的第1阶段效率几乎重合。由于应用CCR模型时，效率计算是独立的，没有考虑Ek、E1k和E2k三者之间的关系，而两阶段计算模型必须满足
，因此，Ek是始终小于E1k和E2k的。为了满足该条件，CCR模型计算的阶段II效率普遍高于两阶段DEA模型，如图5所示。事实上，更应该从整体效率方面对两个模型进行比较，阶段效率的比较反而意义不大。
5结论
为了满足管理实践的需要，学者们提出了更加精细化的网络DEA模型，不仅能够计算整体效率，而且能够将生产过程进行分解，并分阶段计算效率。本文正是基于这一点，将网络DEA模型应用于煤炭行业上市公司的科技效率研究中，借用现有文献的方法，将科技生产过程分解为科技研发阶段和科技转化阶段，分阶段构建了具体的投入产出观测指标，应用两阶段DEA模型计算出煤炭行业整体科技效率及分阶段的科技研发效率和科技转化效率。结果表明，2013年煤炭行业整体科技效率比较低，尽管科技转化效率较高，但是由于低效的科技研发投入使得科技资源运用仍然处于无效状态。此外，大多数煤炭行业上市公司都存在一种现象，就是过于重视经济利润，而忽略了科技研发及转化的投入产出效率。由于各种客观因素和外部环境的影响，煤炭行业短期的利润增长并不能改变目前落后的科技创新体系。随着煤炭市场的更加开放，煤炭行业更应该依托科技创新战略创造科技效率，进而创造更大的经济价值。
6摘 要
将煤炭行业的科技创新过程分解为科技研发和科技转化两个子过程，构建链式两阶段数据包络分析(DEA)模型，针对每个子过程设置具体的投入产出观测指标，收集煤炭行业上市公司2013年数据，计算其整体科技创新效率及分阶段的科技研发效率和科技转化效率，并与经典的数据包络分析CCR模型结果进行对比分析。结果表明，尽管科技转化效率较高，但是由于低效的科技研发投入使得科技资源运用仍然处于无效状态，因此，煤炭行业上市公司的整体科技效率比较低
下一篇:返回列表
