【作 者】
孙丝雨，安增龙（博士生导师）
【作者单位】
黑龙江八一农垦大学经济管理学院，黑龙江大庆163319
【摘 要】
【摘要】本文将环境因素纳入技术创新效率研究框架，采用综合径向与非径向DEA新技术的网络EBM模型测算了中国30个省份国有工业企业2007 ~ 2014年的绿色技术创新整体效率和分阶段效率，研究结果表明：考察期内我国各省工业企业绿色技术创新整体效率处于较低水平，整体效率均值仅为0.487，提升空间比较大；中国东、中、西部地区工业企业效率差距比较明显，绿色技术创新效率呈现出由东部向中、西部地区阶梯式递减的趋势；全国约46.7%的地区的国有工业企业绿色技术创新效率模式属于“低科技研发、低成果转化”型，且主要集中于中、西部地区。最后，针对各省国有工业企业实际情况，提出了政策建议。
【关键词】国有工业企业；绿色技术创新；网络EBM模型；效率评价
【中图分类号】F406 【文献标识码】A 【文章编号】1004-0994（2016）35-0020-6一、前言
科学技术是第一生产力，也是一个国家乃至整个社会的核心竞争力。而技术创新作为科学技术发展的原动力，对推动经济增长和社会进步等起着重要的作用。长期以来，企业作为我国技术创新的主体，在经济发展方面做出了相当大的贡献，而工业企业又是经济组织的重要组成部分，科学有效地评价其技术创新效率状况对把握我国工业产业技术效率活动规律、推动地区科技创新活动有序发展具有重要的意义。但是，随着经济的增长，资源耗竭、环境污染等问题突显，传统的企业技术创新面临着严峻的挑战。为此，将环境因素纳入工业企业技术创新效率研究框架，进而探讨我国各省份工业企业的绿色技术创新效率，对缓解我国创新资源不足、提升我国绿色技术创新能力等具有极为重要的理论价值和现实意义。
二、文献回顾
技术创新效率指的是技术创新产出与投入之比。目前，对于技术创新效率的评价多从以下几个视角来考虑：创新的投入产出视角、创新的行为过程视角、创新的效益视角和创新的标准定位视角等。其中，从投入产出视角来衡量技术创新主体的效率，避免了将评价结果和技术创新过程割裂的弊端，有利于创新主体提升相应的技术创新水平，因而被广泛应用于技术创新效率评价中。而技术创新效率评价的方法主要有因子分析法、层次分析法、模糊综合评价法和数据包络分析法等。其中，数据包络分析（DEA）法是一种使用线性规划技术来评价具有多投入、多产出决策单元（DMUs）相对效率的方法，该方法避免了决策者主观因素的干扰，还能对非有效决策单元提出改进策略，因此成为一种评价技术创新效率的重要工具。其中，钱丽等（2015）利用共享投入关联两阶段DEA模型对安徽省16个地级市工业企业2009 ~ 2012年的技术创新效率进行了评价；孙国锋等（2016）利用链形关联DEA模型对我国大中型企业的技术效率、纯技术效率以及规模效率进行了分析；张江雪等（2012）运用“四阶段”DEA模型对我国2009年30个省份工业企业的技术创新效率进行了实证研究。其他类似研究包括郭磊等（2011）、汪娟等（2013）的研究。
但上述研究主要基于传统DEA模型，该类模型以径向测度（Radial Measure）为基础，假定所有投入或产出要素以相同比例缩减或增加，这与现实情况产生了背离。为解决该问题，Tone等（2010）提出了一种综合径向和非径向特点的EBM模型，该模型放宽了传统DEA方法中关于“要素同比例增长或减少”的假设，使得评价结果更加真实、可靠。但传统EBM模型将整个技术创新过程看成一个“黑箱”，忽略了技术创新内部结构及其内在真实生产效率。为此，Madjid Tavana等（2013）在Tone等（2010）的研究基础上提出了网络EBM模型，网络EBM模型较好地继承了单阶段EBM模型的优点，也为深入决策单元内部探索生产系统无效率来源提供了一种新思路。鉴于此，本文将我国工业企业绿色技术创新过程分为科技研发和成果转化两个子阶段，运用网络EBM模型对我国30个地区工业企业2007~2014年的绿色技术创新效率及相应的子阶段效率进行分析。
本文的贡献主要包括以下几个方面：首先，从绿色生态视角来测度我国区域工业企业的绿色技术创新效率。目前，我国工业发展过程中资源消耗以及环境污染等问题日益严重，环境污染等非期望产出成为评价技术创新效率不可忽视的因素之一，本文通过构建相应的环境污染指数，并通过一定转化将其作为产出要素，相对科学地衡量了我国各地区工业企业的绿色技术创新效率。其次，首次采用网络EBM模型来评价我国各地区工业企业的绿色技术创新效率，相比传统DEA模型，该模型放宽了要素同比例增长或减少的假设，且最大限度地保留了前沿投影值的原始比例信息，因此，效率测算结果更为真实、可靠。最后，针对我国各地区工业企业绿色技术创新实际情况，提出了一些有针对性的政策建议。
三、研究方法
Tone等学者于2010年提出了一种基于DEA方法的新模型，即EBM（Epsilon Based Measure）模型，该模型放宽了传统DEA方法中关于“投入要素或产出要素同比例增长或减少”的假设，使得最终的效率测度结果更加准确、真实。传统单阶段EBM模型的函数表达式可以表示为：
[γ*=minθ,λ,s-θ-εxi=1mw-is-ixio s.t. θxio-j=1nλjxij-s-i=0,i=1,…,m j=1nλjyrj≥yro,r=1,…,s λj≥0 s-i≥0] （1）
其中：γ∗为EBM 模型测度的最优效率值；θ是径向条件下的效率值；s-表示非径向的各要素冗余量；λ为投入要素的相对权重；Y表示产出向量；X表示径向条件下各投入要素量； 表示第i个投入变量的权重，w-=（ ， ，…， ），且满足[i=1mw-i=1]；εx是EBM模型中包含径向θ和非径向松弛量的核心参数。
但传统EBM模型将生产系统看成一个“黑箱”，忽视了生产系统内部结构及其内在真实生产效率。为解决该问题，Madjid Tavana等（2013）提出了网络EBM模型，为方便分析，作如下描述：
假设现有n个待评价决策单元（DMU），每个决策单元DMUj（j=1，…，n）包含K个节点。 分别表示DMUj第h 个节点的第i个投入（i=1，…，mh）和第r个产出（r=1，…，sh），mh和rh分别是第h个节点的投入、产出数量。定义从第k个节点到第h个节点的链接为（k，h），所有链接构成集合L，[z(h,h")f(h,h")j]［j=1，…，n；（h，h"）∈L］表示第h个节点到第h"个节点的中间产出，其中f(h,h")是链接（h，h"）的变量个数。DMUo的综合效率可以通过求解以下模型得到：
[γ*=min h=1θk,λ,s-KWh(θh-εhxi=1mhwh-ish-ixhio) s.t j=1nxhijλhj+sh-i=θhxhio, i=1,…,mh,h=1,…,K j=1nyhrjλhj≥yhro,r=1,…,sh,h=1,…,K j=1nz(h,h"")f(h,h")jλhi=j=1nz(h,h""")f(h,h")jλh""i,f(h,h")=1,F(h,h"),∀(h,h") θh≤1,h=1,…,K λhj≥0,j=1,…,n,h=1,…,K sh-i≥0,i=1,…,mh,h=1,…,K] （2）
其中： 表示第h个节点第i个投入的权重，且满足[i=1mhwh-i=1]；[sh-i]表示第h个节点第i个投入的松弛量；θk和[εh-i]为径向部分的规划参数；Wh表示由决策者确定的第h个节点的重要性。根据Madjid Tavana等（2013）的定义，每个阶段的效率可以通过以下公式求解得到：
（3）
四、我国区域工业企业绿色技术创新效率实证分析
（一）指标的选择
在利用网络EBM方法测度绿色技术创新效率的过程中，指标的选取至关重要。本文根据已有文献研究成果，选取如下指标：
1. 科技研发投入指标。科技研发投入主要可以从人力投入和资本投入两方面进行衡量。本文选取R&D人员全时当量（X1）作为人力投入的代理变量。在资本投入方面，参考肖仁桥等（2014）的做法，采用研发资本存量（X2）来表示资本投入，并采用永续盘存法进行估算，基期设置为2005年，折旧率δ设置为15%，基期资本存量RDio=Eio/（g+δ），其中g表示考察期内R&D经费内部支出Eit（Eit采用2005年不变价的“研发价格指数”进行平减）的年均增长率。
2. 中间产出指标。选用新产品开发项目数（Z1）和专利申请数（Z2）等知识性产出来衡量科技研发阶段的产出。其中，新产品开发项目数是衡量科技产出的一般性指标，能够反映技术研发人员的努力程度和知识创新的潜力。专利申请数可以衡量企业实际知识创新产出成果，对后期研发人员的创新热情能够起到提升作用。
3. 非科技研发投入指标。在成果转化过程中，从事生产、营销等活动的员工及与生产、经营有关的设备、器具、工具等发挥了重要的作用。因此，本文选用从业人员数（N1）和固定资产合计（N2）分别表示成果转化阶段的劳动力投入和物力资本投入，其中从业人员数为当期从业人员总量与上一期从业人员总量的平均值。
4. 成果转化产出指标。成果转化阶段产出（最终产出）指标主要包括新产品销售收入（Y1）、利润总额（Y2）以及由工业废水排放量、工业二氧化硫排放量、工业固体废物产生量等指标构成的环境污染指数（Y3）。采用新产品销售收入来衡量技术创新给企业带来的经济效益产出。利润总额则用来刻画企业技术创新活动对企业盈利的贡献，并用第二产业增加值指数对其进行平减处理。在环境方面，选取各地区单位工业增加值的工业废水排放量、工业二氧化硫排放量和工业固体废物产生量等指标，并采用熵值法对各指标进行负向化处理，得到各地区工业企业的环境污染指数，其中各地区工业增加值采用2005年不变价的工业生产者出厂价格指数进行平减。最终得到如图1所示的我国国有工业企业绿色技术创新两阶段生产过程示意图。
（二）样本及数据说明
考虑到数据的可获得性，本文选取2005 ~ 2014年我国30个省、市、自治区（因数据缺失，没有将港澳台以及西藏纳入分析）国有及国有控股工业企业作为绿色技术创新效率测算与评价的基本决策单元。由于技术创新从最开始的投入到最终成果转化为生产力通常存在一定的时滞，因此本文在分析过程中，各地工业企业的科技研发阶段投入、中间产出和非科技研发投入以及最终产出分别采用2005 ~ 2012年、2006 ~ 2013年和2007 ~ 2014年的数据。本文所有数据来源于2005 ~ 2014年的《工业企业科技活动统计年鉴》、《中国工业经济统计年鉴》、《中国统计年鉴》、《中国环境统计年鉴》以及各省份的统计年鉴。对于缺失数据，采用二项式插值法进行处理。
（三）结果与分析
根据30个地区2005 ~ 2014年各指标的面板数据，借助Matlab软件求解公式（1） ~ （3），得到样本区域国有工业企业绿色技术创新综合效率及分阶段效率，结果见表1、表2（限于篇幅，仅列出部分年限结果）、图2、图3和图4。其中，各阶段的重要程度均设为0.5，即W1=W2=0.5。
1. 区域工业企业绿色技术创新的整体效率分析。由表1可知，从全国整体来看，考察期内样本区域国有工业企业绿色技术创新整体效率处于较低水平，整体效率的均值仅为0.487。在样本期间，整体效率均值排在前五位的地区是上海、海南、陕西、新疆和山东，它们的均值分别为0.859、0.792、0.760、0.758和0.739。其中，上海和山东属于我国经济发达地区，利用其区位、科技以及市场等优势，在科技研发和成果转化阶段取得一定成效，资源的利用效率比较高。海南、陕西和新疆三个地区的科技条件虽不及上海等地区优越，但这些地区在旅游、生态环境以及服务业、制造业等方面发挥了其区位优势，在技术创新投入一定的前提下实现了经济、生态产出的最大化。
为更好地了解各地工业企业绿色技术创新效率的区域差异，本文将30个样本区域分为东、中、西三个地区，测算并比较了三个地区国有工业企业整体效率均值的变化趋势，具体如表1和图2所示。由表1可知，东、中、西部地区企业的绿色技术创新整体效率均值分别为0.549、0.422、0.472。东部地区企业绿色技术创新效率显著高于中、西部地区，区域差异比较明显。从图2可以看出，东部地区企业绿色技术创新效率在2008年、2010年和2013年出现拐点，呈现M型变动趋势；而全国以及中、西部地区企业的绿色技术创新效率基本以2009年和2012年为拐点，呈现先降后升然后再降的走势。
2. 区域工业企业绿色技术创新子阶段效率分析。由表2可知，2007 ~ 2014年样本区域工业企业科技研发阶段的效率均值为0.373，超过平均水平的地区有12个，占样本总数的40%；成果转化阶段的效率均值为0.601，超过平均水平的地区有15个，占样本总数的50%。在样本期间，绝大多数地区的成果转化效率要高于科技研发效率，结合图2和图3的曲线趋势也可以发现，科技研发效率的变动趋势与绿色技术创新整体效率同步性较强，可见科技研发效率不足是导致各地区工业企业绿色技术创新效率偏低的主要原因。
从单个地区来看，在科技研发阶段，上海、海南、陕西、广东、天津等地的科技研发效率比较高，分别为0.718、0.717、0.661、0.639和0.598。其中，上海、广东和天津三个地区区位优势比较明显，科技研发氛围浓厚，再加上人才聚集和较为合理的制度安排等因素，使得这几个地区的工业企业总体上拥有较高的科技研发效率；海南和陕西两地企业规模不大，但这两个地区的工业企业充分利用了其地域和资源等方面的优势，在科技研发投入不高的前提下实现了相应产出的最化。在成果转化阶段，上海、新疆、吉林、黑龙江和山东的成果转化效率排在全国前列，成果转化效率均高于0.9。上海和山东属于高技术产业集聚的区域，其成果转化平台较多，制度优势也比较明显，在科技研发投入不高的前提下实现了成果转化产出的最大化；新疆、吉林和黑龙江三地的成果转化产出规模较低，但它们的科技成果利用率比较高，在科技研发投入不高的前提下，经济和环境产出都保持在较高水平。
分区域来看，由表2可知，考察期内东部地区的科技研发效率和成果转化效率均高于其他两个地区，西部地区的科技研发效率要高于中部地区，但其成果转化效率低于中部地区。从图3和图4阶段效率均值的变化情况来看，在科技研发阶段，除东部地区以外，全国总体以及中、西部地区的科技研发效率基本以2009年和2013年为峰值，效率呈现横向S型波动趋势。在成果转化阶段，东部地区主要以2010年为拐点，2010年之后则呈现倒U型波动趋势；中部地区则在2011年达到峰值（0.650），此后效率呈现阶梯式下滑趋势；西部地区成果转化效率的变化特征则与整体效率较为相似，但始终低于整体效率。
3. 区域工业企业绿色技术创新效率模式分类。根据上述分析，2007 ~ 2014年我国30个样本区域科技研发效率和成果转化效率均值分别为0.373和0.601。本文以此为分界点，将各地绿色技术创新子阶段效率分为“高效率”和“低效率”两种类型，进而将各地工业企业绿色技术创新效率模式分为四种类型，即：高科技研发、高成果转化型；低科技研发、高成果转化型；低科技研发、低成果转化型；高科技研发、低成果转化型。具体如图5所示：
由图5可知，上海、海南、陕西、广东、天津、山东、广西、新疆、黑龙江、重庆、北京、吉林等地区国有工业企业的绿色技术创新效率模式属于高科技研发、高成果转化型，占全国的比例为40%。其中，上海、广东、山东、重庆、北京等地区企业依靠区位优势，大力开展绿色技术创新活动，在保持较高科技研发效率的同时，还充分利用其转化平台和技术优势，实现了经济效益和环境保护的协调发展。海南、陕西、广西、新疆、黑龙江、吉林等地区企业的技术水平以及人才吸引力虽不及前面几个地区的企业，但它们凭借自身的地理位置以及资源环境优势，大力发展特色高技术制造业，同样实现了科技产出和生态产出的均衡发展。湖南、浙江、青海三个地区企业的绿色技术创新效率模式属于低科技研发、高成果转化型，这三个地区企业通过合理的技术引进以及模仿创新，将现有技术转化为生产力，并在成果转化过程中较好地控制了污染物的排放，因此取得了较高的科技成果转化效率；但这些地区企业在科技研发等方面还存在不足，需要继续优化科技研发投入规模，在发挥自身成果转化优势的前提下，加强企业与高校以及科研院所之间的技术交流和合作。内蒙古、江苏、湖北等14个地区企业的绿色技术创新效率模式属于低科技研发、低成果转化型，占全国的比例为46.7%，表明近一半省份的工业企业在绿色技术创新和转化过程中是相对无效的。属于该模式的企业在科技研发效率和成果转化效率两个方面都存在较大的提升空间，需要把提高科技研发及科技成果转化为经济效益和环境效益的效率作为重点工作来抓。
五、结论及建议
1. 结论。本文运用网络EBM模型测算了我国30个地区国有工业企业2007 ~ 2014年整体以及各个子阶段的绿色技术创新效率。结果表明：①考察期内我国各样本区域国有工业企业的整体效率、科技研发效率以及成果转化效率水平偏低，它们的均值分别为0.487、0.373和0.601。相对来讲，各样本区域工业企业在科技研发阶段的技术创新效率更低，这也是未来企业整改的重点。②各地区国有工业企业之间的绿色技术创新效率差异比较明显，东部地区企业整体效率以及子阶段的效率水平均领先于其他地区，全国以及中、西部地区工业企业的绿色技术创新整体效率基本以2009年和2012年为拐点，呈现横向S型波动趋势。③绿色技术创新效率模式属于高科技研发、高成果转化型的地区占40%，主要位于东部；约46.7%的地区企业绿色技术创新效率模式属于低科技研发、低成果转化型，且主要集中于中、西部。
2. 建议。根据上述结论，本文提出以下建议：
首先，打破传统工业经济“高投入、低研发产出、低成果转化、高污染”的粗放式发展格局，把绿色技术创新作为我国国有工业企业发展的长期战略重点。进一步深化企业改革，充分利用现有的绿色技术创新资源，建立有利于企业开展绿色技术创新活动、降低环境污染的长效机制，营造良好的绿色技术创新环境。
其次，继续提高环境规制强度，鼓励企业进行绿色技术创新。近年来，我国国有工业企业的环保绩效指标有了很大的改善，但与国外先进水平相比还有一定的距离，究其原因还是环保投入不足。因此，我国国有工业企业应进一步提升高技术产业的环境规制强度。在政策设计上，相关政府部门应充分发挥市场激励机制的作用，鼓励企业开展绿色技术创新活动，加快企业从“被动接受绿色技术创新”向“主动进行绿色技术创新”转变。
最后，建立健全相应的科技成果转化为经济效益的激励机制。针对科技研发阶段效率不足的实际情况，继续加大对高科技研发的投入与管理，完善并落实相应的知识产权保护和税收等政策法规，鼓励企业从事绿色高科技研发工作，以市场为引导，深化产学研合作，提升企业高技术成果开发能力，最终实现科技成果的产业化。
主要参考文献：
肖仁桥，王宗军，钱丽．环境约束下中国省际工业企业技术创新效率研究［J］．管理评论，2014（6）．
刘玉芬，张目．基于DEA的西部地区高技术产业技术创新绩效评价［J］．科技管理研究，2010（13）．
曾德明，张云生，秦吉波．高新技术企业R&D的绩效评价［J］．统计与决策，2003（11）．
王青云，饶扬德．企业技术创新绩效的层次灰色综合评判模型［J］．数量经济技术经济研究，2004（5）．
单红梅．企业技术创新绩效的综合模糊评价及其应用［J］．科研管理，2002（6）．
钱丽，陈忠卫，肖仁桥．环境约束下工业企业技术创新效率测算及影响因素分析——以安徽省16个地级市为例［J］． 技术经济，2015（5）．
孙国锋，张婵，姚德文．大中型高技术企业创新效率测度与分解——基于DEA模型的实证分析［J］．审计与经济研究，2016（3）．
张江雪，朱磊．基于绿色增长的我国各地区工业企业技术创新效率研究［J］．数量经济技术经济研究，2012（2）．
郭磊，刘志迎，周志翔．基于DEA交叉效率模型的区域技术创新效率评价研究［J］．科学学与科学技术管理，2011（11）．
汪娟，肖瑶．基于DEA方法的中国城市技术创新效率研究［J］．财经理论与实践，2013（2）．
Tone K.，Tsutsui M.．An Epsilon-based Measure of
Efficiency in DEA——A Third Pole of Technical Efficiency［J］．European Journal of Operational Research，2010（207）．
高鸣，马铃．贫困视角下粮食生产技术效率极其影响因素——基于EBM-Goprobit二步法模型的实证分析［J］．中国农村观察，2015（4）．
Madjid Tavana， Hadi Mirzagoltabar， Seyed Mostafa Mirhedayatian，et al.．A new network epsilon-based DEA model for supply chain performance evaluation［J］．Computers & Industrial Engineering，2013（66）．
朱有为，徐康宁．中国高技术产业研发效率的实证研究［J］．中国工业经济，2006（11）．
何枫，祝丽云，马栋栋，姜维．中国钢铁企业绿色技术效率研究［J］．中国工业经济，2015（7）．
