战略性新兴产业技术效率损失改进效应研究——以京津冀地区为例

刘苗萌，李晓梅

(1.辽宁工业大学 经济管理学院 辽宁 锦州 121001；2.辽宁工程技术大学 营销管理学院 辽宁 葫芦岛 125105)

一、引言

战略性新兴产业是对国民经济社会持续发展具有重大战略引领意义的产业，主要包括以工业互联网为主的新一代信息技术产业、以生物医药为基础的生物产业、以技术含量高为特征的高端装备制造产业、以减少空气污染为特点的新能源汽车产业、以资源循环利用为主的节能环保产业以及新能源、新材料、数字创意产业等。因此，为紧跟时代步伐，响应国家政策，各级省市结合自身经济发展情况，提出了各具区域特色的战略性新兴产业培育计划。

如今京津冀协同发展已经成为国家的重大战略，国家根据京津冀三地的优势明确了京津冀三地在协同发展中的各自定位。北京市科研机构林立，人才集聚，应充分发挥其优势，积极发展新信息技术及软件等领域的产业。天津城市的定位是构建国际港口城市，主要发展电子信息、生物医药等产业。河北省重化工原材料丰富，应该更加注重发展钢铁等产业。因此，在这样的宏观背景下，探索研究京津冀地区战略性新兴产业企业的技术效率，对存在技术效率损失的地区提出相应的改进建议，对于京津冀三地协同可持续发展具有关键意义。本文选取京津冀地区18 家代表性战略性新兴产业企业2014年至2018 年度的数据作为样本，利用数据包络分析方法对其技术效率进行测度，通过计算结果发现技术效率损失的原因并对存在技术效率损失的企业提出相关改进建议。

二、战略性新兴产业技术效率相关文献综述

在对战略性新兴产业企业的效率研究中，不同学者针对不同的效率问题进行研究。高伟、王玉[1]64运用简单数据包络分析方法对2014 年至2017 年京津冀地区战略性新兴产业的生产效率进行评价分析，分析了其发展现状和发展差异。李晓梅、夏茂森[2]80基于2012-2016 年辽宁省战略性新兴产业17家样本企业的数据，采用数据包络分析方法对辽宁战略性新兴产业企业投入产出效率进行了测度。研究发现，样本企业中多数企业存在规模效率无效或纯技术效率无效，或者二者同时无效，并由此提出相应的提升路径。刘春娇[3]通过Malmquist 模型方法，选取2007-2016 年七大类中可获得性和可量化性高的18 个门类作为样本，研究其创新效率。张冀新，王怡晖[4]从创新型产业集群的视角出发，运用三阶段DEA 方法测度70 个产业集群的创新效率及其行业差异。朱虹，栾敬东[5]建立SFA 生产函数模型，以安徽省战略性新兴产业为研究对象，测度其技术效率水平。

梳理相关文献发现，国内学者对于战略性新兴产业效率的研究日渐成熟，研究方法也更加多样，非参数方法主要采用DEA模型和Malmquist指数模型，参数方法主要以随机前沿模型为主。由于DEA模型不需要构建生产函数，不受数据量纲的影响，故本文选择DEA 模型来测度技术效率。数据包络分析方法包括静态DEA 评价方法和动态DEA 评价方法，静态DEA 评价方法用于评价决策单元的相对有效性，适用于测度多投入多产出下的效率值，动态DEA 评价方法是利用距离函数的比率计算投入产出效率，其适用于对多个决策单元的面板数据进行效率分析。在梳理文献的过程中发现针对京津冀地区战略性新兴产业的技术效率研究却相对较少，京津冀地区作为国家重点战略发展对象，研究其战略性新兴产业的技术效率尤为重要。因此，本文以京津冀地区的18 家战略性新兴产业企业为研究对象，采用DEA 模型对京津冀地区战略性新兴产业企业的技术效率进行测度。

三、研究方法

（一）DEA 模型

本文主要采用数据包络分析方法（Data Envelopment Analysis,DEA），数据包络分析方法是一种有效地综合了多个投入产出数据的评价分析方法，基本思路是通过搜索收集各决策单元的指标数据，运用DEAP2.1 软件计算得出各决策单元的综合技术效率值、纯技术效率值和规模效率值，从而准确测度各决策单元是否达到DEA 有效。同时，应根据需要选择投入导向模式或产出导向模式。从经济学上讲，投入角度指的是在产出不变的情况下尽可能地减少投入；产出角度指的是在投入成本不变的情况下最大可能地扩大产出。当投入指标变化不大时，尽可能选择产出导向的DEA 模型。因此，为了更加精确地测算京津冀地区战略性新兴产业的技术效率，本文主要采用产出导向的规模收益可变的BCC-DEA 模型来测度京津冀地区战略性新兴产业的技术效率。

在DEA 模型中，把衡量绩效的组织称为决策单元DMU，根据对每个DMU 的输入和输出数据的综合评价分析，DEA 模型可根据DMU 综合效率的数量指标进行优劣排序，以便得出效率最高的DMU，并可看出其他DMU 非有效的原因和程度[6]。假定有p个独立的决策单元，每个决策单元均有q项投入（i=1,2,…,q）和g项产出（h=1,2…,g），Xij表示第j个决策单元的第i项投入，Yhj表示第j个决策单元的第h项产出，建立模型如下:

其中，松弛变量表示投入冗余，径向变量表示产出不足。θ为决策单元的有效值，当且仅当θ=1 同时==0 时，处于DEA生产前沿面即DEA有效，不存在投入过多或产出亏量的情况；当θ=1且=0 或者=0 时，DEA 处于弱有效状态，在某些方面存在投入冗余或产出不足的情况；当0＜θ＜1 时，DEA 处于非有效状态，需要适当调整资源配置以达到DEA 有效。假设BCC 模型有p个决策单元，每个决策单元有3 个投入指标和3 个产出指标，分析其技术效率TEp、纯技术效率PTEp、和规模效率SEp，技术效率计算公式为：

（二）数据投影分析

若第j0个决策单元DMU 的效率值θ=1，则该决策单元属于DEA 有效；若第t个决策单元DMU的效率值θ＜1，则该决策单元为DEA 无效。借助投影分析可以测度DEA 无效单元的整改方向。

其中，xt*=θt xt-,yt*=yt+,(xt*,yt*)为向量（xt,yt）在有效前沿面上的投影，和表示决策单元DMU 投入松弛变量和产出松弛变量，xt和yt表示定量后DMU 的投入冗余量和产出不足量。

四、变量选取、样本选择与数据来源

（一）评价指标体系的构建

为了准确测度京津冀地区战略性新兴产业的技术效率，本文从投入与产出两个角度来构建战略性新兴产业的效率评价指标体系。本文的投入指标借鉴高伟等[1]64的研究，选择资产总额、流动负债和流动资产3 个指标。由于本文所研究的对象为战略新兴产业A 股上市公司，衡量一个上市公司的产出指标有很多，本文的产出指标借鉴李晓梅等[2]82的研究，选取主营业务收入、净利润和利润总额3个指标。因为一个上市公司必须要有一个完善的且良好的主营业务收入系统才能使公司持续稳定健康地发展下去，而利润总额和净利润代表着一个公司的盈利能力。因此，本文选择这三个指标来代表产出指标。投入产出指标具体说明如表1 所示。

表1 投入产出指标

（二）样本选择与数据来源

本文选取2014-2018 年京津冀地区九大战略性新兴产业领域的18 家上市企业作为研究对象，18家样本企业的选取遵循样本单元DMU 的数量要至少是指标总数的2-3 倍的原则，所以选取18 家企业满足此要求，这18 家样本企业分别涉及京津冀三地区战略新兴产业的主要领域。样本企业具体情况如表2 所示。

表2 战略性新兴产业企业样本

针对数据的可获得性和有效性，本文选取2014-2018 年京津冀地区战略性新兴产业的分行业数据进行测算，所采用的样本数据均来自于相关年度的《中国统计年鉴》、《中国高技术产业统计年鉴》、新浪财经及京津冀地区的统计年鉴，通过上述资料获得相关原始数据，并采用归一化法对指标原始数据进行无量纲化和规范化处理，指标原始数据如表3 所示。

表3 2014-2018年18家样本企业投入产出指标原始数据均值 单位：万元

五、京津冀地区战略性新兴产业企业技术效率测度实证分析

本文采用规模收益可变的数据包络分析模型，运用DEAP2.1 软件对京津冀地区18 家上市企业的原始数据进行求解运算，得出2014—2018 年间18家战略性新兴产业样本企业技术效率的测算结果，如表4 所示。

表4 2014-2018年京津冀地区战略性 新兴产业企业技术效率表

从表4 可以看出，这18 家样本企业的技术效率值总体偏低，均值为0.695。2015 年达到最高值为0.718，但未超过0.8。2014 年最低值为0.662，由此可以说明，京津冀地区的战略性新兴企业存在技术效率较大的效率损失，应合理配置资源，使其达到均衡发展。2014-2018 年的纯技术效率均值为0.870，比技术效率均值高25%，整体呈现逐步增长的趋势。原因可能是随着各地区战略性新兴产业政策的落实，各企业资源配置更加合理，态势逐渐好转。规模效率均值为0.800，近五年呈现递增-递减的趋势，波动相对较大，2017 年达到最大值为0.875，2014 年最小值为0.754，由此说明京津冀地区的战略性新兴产业企业发展规模参差不齐，不能盲目扩大规模。为更直观地呈现效率变化趋势，将表4 中的数据绘制成趋势图，如图1 所示。

图1 战略性新兴产业企业2014-2018年效率变化趋势

由图1 可以看出，2014-2015 年的技术效率值有所提升，2015-2018 年的技术效率值均呈下降趋势，并且趋势较平缓。纯技术效率值和规模效率值波动较大，纯技术效率值在2017 年降到最低，为0.806，而规模效率在该年达到近几年的峰值，为0.875。由此说明，2017 年技术效率损失的原因是由于纯技术效率值过低。除此之外，其他几年规模效率值都高于纯技术效率，说明技术效率损失的原因主要是由于规模效率递减。

（一）投入产出效率变化分析

通过数据处理得到各样本企业2014-2018 年的平均投入产出效率值，结果见表5。

表5 2014-2018年18家样本企业平均投入产出效率

综合京津冀三地区的投入产出效率来看，可以发现北京地区的战略性新兴产业发展势头迅猛，河北地区次之，相对来讲，天津地区的战略性新兴产业发展效果不佳。

北京地区的康辰药业、博彦科技和北陆药业的技术效率、纯技术效率和规模效率均为1，达到DEA有效。而节能风电、航天工程和天壕环境的技术效率、纯技术效率和规模效率都未达到1，说明这些企业应适当调整企业技术内部结构。天津地区只有滨海能源一家企业的技术效率为1，达到DEA有效，说明该企业的资源得到充分利用，资源配置效率高，其企业规模目前来说也是最适规模。创业环保DEA 无效的原因是规模无效率，瑞普生物DEA 无效的原因是纯技术无效率，其余三家企业均未达到DEA 有效，说明这三家企业应对企业规模做出适当调整。河北地区只有两家企业达到DEA 有效，分别是乐凯新材和晨光生物。导致紫光国微和冀中能源DEA 无效的原因是规模无效率，说明企业当前规模和最适规模之间存在差距，企业应适当对公司规模做出调整，方可达到DEA 有效。常山药业和先和环保两家企业均未达到DEA 有效，说明这两家企业应注重提高自身生产技术。

（二）投入产出冗余分析

根据DEAP2.1 软件计算结果发现，北京地区有三家企业存在投入产出冗余，天津地区有四家企业存在投入产出冗余，而河北地区只有两家企业需要进行冗余调整。由此看出，多家企业普遍存在投入产出冗余，技术效率损失的问题。限于篇幅原因，本文仅以北京航天工程为例，分析其投入产出冗余情况，具体见表6。

表6 样本企业航天工程冗余调整分析 单位：万元

从表6 可以看出，北京地区的航天工程未达到DEA 有效状态，若要使企业达到DEA 有效，我们需要对投入产出做出一定的调整。在投入指标中，资产总额无需进行调整，流动负债和流动资产的目标值应该是77 481.790 万元和173 014.221 万元，流动负债径向变量应该减少56 187.610 万元，流动资产径向变量应该减少74 591.779 万元。在产出指标中，主营业务收入径向变量应该增加20 239.517 万元。净利润径向变量应该增加3 392.285 万元，利润总额应该增加3 898.134 万元，才可达到目标值。

六、结论与建议

本文得到的主要结论如下：

第一，对于2014-2018 年京津冀地区18 家上市企业的样本数据进行分析，发现京津冀地区的战略性新兴产业企业均存在不同程度的技术效率损失。天津地区的战略性新兴产业企业技术效率损失最严重，河北次之，北京地区的样本企业技术效率损失较小。

第二，从实证结果来看，京津冀地区的战略性新兴产业体现出效率损失企业集聚性的特征，企业之间的技术效率非有效的特点各有不同。

第三，京津冀地区样本企业的技术效率损失在近五年内呈现下降趋势，同时呈现出北京地区＜河北地区＜天津地区的基本趋势。

本文基于上述结论提出以下改进建议：

第一，天津地区应该从研发技术入手，提升企业的技术效率。北京地区应该注重依靠优势科技资源，提高北京地区战略性新兴产业企业的技术效率。河北地区应该充分利用自身资源优势提升技术效率。

第二，应该依据实际情况，适当调整企业规模，提升企业技术效率。京津冀三大地区各有优势产业，龙头企业应带动本地产业共同发展进步。北京应为天津、河北地区提供科技资源，促进其创新发展。

第三，京津冀地区应该充分发挥京津冀各地方政府的监督作用，出台有利政策帮助发展本地的战略性新兴产业，从而推动企业健康发展。