我国煤炭行业技术效率与全要素生产率测算研究

李沛锾

【摘  要】煤炭在我国能源结构中一直占有基础地位，研究在煤炭储量有限的情况下如何进一步提高生产效率对于加强我国能源供给意义重大。论文根据煤炭行业上市公司年报数据，运用DEA-BCC模型和RD-Malmquist模型，从静态和动态两个角度分别测算了2017-2021年煤炭行业技术效率和全要素生产率变化率及其分解效率。结果表明，目前我国煤炭行业在技术创新与进步方面有较好表现，但总体而言投入产出配置并不合理，管理水平仍待提高，并需要更好发挥规模效应。

【关键词】煤炭行业；技术效率；全要素生产率；DEA；RD-Malmquist指数模型

【中图分类号】文献标志码】A【文章编号】1673-1069（2023）05-0044-03

1 研究背景

煤炭在我国能源生产与消费中一直拥有极高的重要性。尽管光伏等各类替代能源正高速发展，煤炭在我国能源结构中的基础地位长期不会变。新时代十年以来，我国煤炭行业取得新发展：深入推进结构性改革、持续加强供给体系建设、持续优化开发部局、加快构建现代化煤炭体系、着力推动绿色低碳转型等。但同时，煤炭行业仍面临许多问题尚未解决，如国内大部分煤炭企业并未完全实现现代化，效率低、资源利用率低的情况长期存在。因此，在煤炭储量有限的情况下如何进一步提高生产效率对于加强我国能源供给意义重大。

2 文献述评

目前已有许多学者针对煤炭行业进行了研究，也有许多学者将效率测算应用于煤炭行业研究当中。煤炭行业的效率和生产率研究可主要分为3类，即技术效率的测算、全要素生产率的测算与分解以及影响效率的因素分析。针对技术效率的测算，有刘永浩（2007）、姚平和梁静国（2008）、崔跃武和张水平（2009）、姚平和黄文杰（2012）等应用DEA、SFA等多种方法对我国煤炭企业的技术效率进行了测算。针对全要素生产率的测算与分解，有汤建影等（2007）、丁哲新（2009）等采用非参数Malmquist指数方法等各类方式分析了中国煤炭行业发展过程中全要素生产率的变动状况。针对影响效率的因素分析，有赵萌（2011）、赵晟楠（2020）、徐翠蕊和李刚（2021）、李旭思和芮雪琴（2021）等从多个方面实证分析了煤炭企业效率的影响因素。

3 研究设计

3.1 模型构建

3.1.1 技术效率测算方法

本文采用DEA中规模报酬可变的BCC模型作为静态效率分析的调查方法。BCC模型考虑规模报酬可变的情况，将综合效率（TE）分解为纯技术效率（PTE）和规模效率指数（SE），TE=PTE×SE。BCC模型用公式可表示为：

3.1.2 全要素生产率变化与分解方法

3.2 数据处理

3.2.1 数据来源

首先，考虑数据的可获得性，选择了煤炭行业中的上市公司进行研究。其次，由于DEA方法对投入产出指标存在自由度的要求，即需要有足够多决策单元，其个数K与投入指标数M和产出指标数N间应满足关系2（M+N）≤K，选择了煤炭上市公司中的12家公司作为本文的研究对象。同时，在选择过程中，为满足DEA模型产出不为负的条件，剔除了2017-2021年净利润存在亏损的企业。本文数据来源于CSMAR数据库及公司年报。

3.2.2 指标选取

在综合考虑数据的可获得性和代表意义、DEA模型数据要求和煤炭行业具体情况后，选择了两个投入指标和两个产出指标（见表1）。

选择原因如下：①投入变量。投入指标的选取多从人力、资金等方面考虑。由于煤炭行业属于典型的重资产行业，固定资产占总资产的比例平均约为30%，因此选择企业固定资产净额作为资本投入。考虑数据可获得性，选择企业在职员工人数作为其劳动投入。②产出变量。煤炭企业的产出变量主要有煤炭产量、主营业务收入等。由于各煤炭企业所生产的煤炭品種不同，产量无可比性，因此本文选取主营业务收入和净利润作为产出变量。

4 实证分析

4.1 基于DEA-BCC模型的静态效率分析

基于规模收益可变的DEA-BCC产出导向模型，测算出2017-2021年煤炭行业的综合效率值（见表2）。

整体而言，5年内企业年均综合效率、纯技术效率和规模效率基本都在0.85以下，表明目前投入产出配置并不合理。其中2019-2020年，3个指标数值都明显偏低，可能是疫情对经济形势造成冲击导致。从规模收益看，规模收益递减的企业个数一直很少，意味着煤炭行业仍有改善的盈利空间；从规模效率看，年均值呈先降后增的态势，说明煤炭企业要注意不应盲目投资扩大规模。微观层面上，每年都有企业处于综合效率前沿。其中表现较好的是山煤国际、兖矿能源和陕西煤业，都在至少两年处于效率前沿。

4.2 基于Malmquist的动态效率分析

本文运用DEAP2.1软件对12家煤炭企业的RD-Malmquist指数进行测算和分解，得到2017-2021年煤炭行业的全要素生产率（TFP）、技术进步（TE）、技术效率（EC）、纯技术效率（PECH）和规模效率（SECH），结果如表3所示。

从表3可以看出，2017-2021年，我国煤炭行业全要素生产率先减少后增加，但比较首尾数据，总体仍有进步。这5年间，技术进步以平均每年6.9%的增长率在增长，同时技术效率也以每年0.7%的速率增长，共同促成了全要素生产率从2017年的1.062到2021年的1.402。这表明研究期内我国煤炭行业的技术进步水平和资源配置综合能力均有所提升。技术进步在2018-2021年波动较大，经历了突减突增过程，2020年出现较大下跌，抵消了技术效率的贡献率。而技术效率也在2017-2020年经历了突变过程，2019年达到最低点后在2020年有较大回升，维持住了全生产率指数水平。进一步分析技术效率的变化原因发现，规模效率均值小于1，而纯技术效率指数均值大于1，这表明2017-2020年我国互联网产业的经营管理水平有所提高，但没有发挥规模效应。

為进一步分析技术效率变化的原因，将技术效率（EC）分解为纯技术效率（PECH）和规模效率（SECH）。由图1可以看出，2017-2019年纯技术效率指数对技术效率的影响较大，二者保持了较强的相关性，有相同的变化趋势。而2019-2020年规模效率指数对技术效率影响较大。目前纯技术效率指数较低，说明企业应当加强管理水平的提升。

表4列出了开滦股份、冀中能源等12家煤炭企业2017-2021年全要素生产率及分解结果。可以看出，其中有3家企业的全要素生产率均值小于1，分别为淮北矿业、上海能源和兖矿能源。从平均水平看，全生产率指数均值为1.077，整体水平较高。其中技术进步指数大于1，说明我国煤炭产业在技术创新方面取得了较好成绩，技术进步是煤炭企业提高经营效率的主要原因。技术效率指数为1.007，其中纯技术效率作出了较大正面贡献，但规模效率水平较低。这说明我国煤炭企业科学经营管理水平仍有待提高，应着手改善管理方式而非盲目增加投入，在优化资源配置、提高管理水平方面尚有很大的提升空间。

5 结论与建议

本文以煤炭行业为研究对象，分别运用DEA-BCC模型和Malmquist模型，从静态和动态的视角对煤炭行业2017-2021年12家代表性企业进行了技术效率和全要素生产率测算与分解，得出如下结论：第一，从静态效率分析看，综合技术效率、纯技术效率、规模效率均处在较低水平，表明我国煤炭行业目前投入产出配置并不合理，管理水平仍待提高，规模效率没能完全发挥；第二，从动态效率分析看，技术进步指数较高，规模效率较低，纯技术效率指数呈下降趋势，表明我国煤炭行业在技术创新与进步方面有较好表现，但还需要提高管理水平，并进一步发挥规模效应。

基于所得结论，为提高煤炭行业技术效率及全要素生产率，实现煤炭行业的更好发展，在此提出如下建议：第一，应再接再厉，大力推进技术创新，充分发挥技术进步对全要素生产率的拉动作用。政府可发挥其引导作用，促进煤炭行业创新、创造，提高行业发展水平。企业也应认识到技术进步对自身生产率的积极作用，着力突破关键核心技术，提高企业的竞争力。第二，要及时补上短板，改善煤炭行业的综合资源配置能力，提升煤炭企业经营管理能力。通过完善煤炭产业结构以及产业内部的资源配置，运用多样化、现代化的管理方式、手段，达到提高全要素生产率的目的。第三，充分发挥规模效应。企业应紧跟国家政策导向，抢抓发展机遇，制定战略规划，而不应盲目投资、肆意扩张，实现资源的高效利用，提高自身生产率水平，同时实现行业的高质量发展。

【参考文献】

【1】刘永浩.基于DEA模型的煤炭企业的有效性分析[J].能源技术与管理，2007（1）：2.

【2】姚平，梁静国.我国煤炭企业效率测算[J].煤炭学报，2008，33（3）：4.

【3】崔跃武，张水平.安徽煤炭企业技术创新绩效研究[J].科技经济市场，2009（5）：2.

【4】姚平，黄文杰.基于DEA的煤炭企业效率评价[J].资源开发与市场，2012，28（05）：401-404.

【5】汤建影，周德群，周笑.中国煤炭城市全要素生产率变动的实证研究[J].中国矿业大学学报，2007（6）.

【6】丁哲新.我国煤炭行业的技术效率、技术进步与生产率增长[J].科技管理研究，2009，29（03）：91-93+110.

【7】赵萌.中国煤炭企业的全要素生产率增长[J].统计研究，2011，28（08）：55-62.

【8】赵晟楠.大型煤炭基地全要素生产率影响因素研究[J].煤炭经济研究，2020，40（04）：69-75.

【9】徐翠蕊，李刚.煤炭企业绿色创新对全要素生产率的影响研究[J].煤炭经济研究，2021，41（12）：83-88.

【10】李旭思，芮雪琴.社会责任履行对煤炭企业全要素生产率影响的实证分析[J].煤炭工程，2021，53（12）：184-188.

【11】R. D. Banker，A. Charnes，and W. W. Cooper.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（9）：1078-1092.

【12】F?re，R.，S. Grosskopf，M.Norris，and Z.Zhang.Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries[J].The American Economic Review，1994，84（1）：66-83.