基于城市視角下新能源汽車產業技術創新效率評價

高　陽　張蒙蒙　游達明

(中南大學商學院，長沙　410000)

基于城市視角下新能源汽車產業技術創新效率評價

高陽張蒙蒙游達明

(中南大學商學院，長沙410000)

〔摘要〕在能源和環境問題日益凸顯的情況下，新能源汽車的發展無疑為我國汽車產業的發展提供了新的契機。借鑒區域和產業技術創新效率評價研究范式，結合新能源汽車特點，論文有針對性地選取評價指標，以11個新能源汽車主要推廣城市創新數據為基礎，在城市視角下應用主成分分析與DEA的組合方法，定量評價了其技術創新效率。通過對投入產出數據的DEA有效性進行對比分析，發現這11個城市的整體技術創新效率偏低，主要是受規模效率與純技術效率交叉作用影響，且普遍存在新產品開發投入冗余、研發支出投入過多、企業規模不合理和資源利用效率不高等問題。最后根據分析結果進一步提出了對策建議。

〔關鍵詞〕新能源汽車技術創新效率DEA模型效率評價C2R模型BC2模型

引言

當今社會在經濟全球化背景下，信息與技術快速發展，技術創新已成為產業發展的關鍵因素。加強技術創新是迎接新世紀挑戰、促進經濟結構優化的必然要求。只有加強技術創新，改變目前核心技術空心化狀態，才能變仿造為創造，不斷提升產業國際競爭力，完成“中國制造”到“中國創造”的飛躍。新能源汽車產業作為新興產業，在政府的大力支持下試運行階段取得了一定進展，但在技術方面與世界水平尚有較大差距。基于汽車工業的復雜性，如何在新能源汽車技術創新中合理利用資源，以最少投入和消耗獲得最大經濟效益，從而在競爭中占據制高點，成為新能源汽車產業發展中急需解決的問題。而建立產業技術創新效率評價指標體系是衡量考評該產業發展狀況的有效措施之一。所以，各地區為了解自身在新能源汽車產業競爭中所處的地位，從而做出更好的創新決策，有必要對各地區的新能源

汽車技術創新效率做出評價。

為了具體分析各地區之間新能源汽車的技術創新狀況，本文以11個新能源汽車主要推廣城市的調研數據為基礎，擬分析各城市新能源汽車技術創新效率現狀，并進行對比分析。

1問題的提出

中國汽車工業在經歷近20年的合資之后，以市場換技術的戰略設計已大體宣告失敗，自主品牌的缺乏使我國汽車產業陷入“引進——落后——再引進”的不良循環。我國汽車產業知識產權專利的缺乏制約了其發展，致使我國在汽車領域無法和國外知名企業競爭，只能從事加工工作，無法在自主品牌上占有一席之地。當下，世界汽車產業正由傳統汽車向新能源汽車轉型，我們可以利用“新能源汽車”這一機遇，并借鑒國家重點創新工程的成功經驗，努力在自主知識產權上突破，實現產業發展。

技術創新效率評價一直是技術創新領域的熱

點問題，而產業技術創新效率評價更是技術創新效率評價的關鍵問題，針對這兩個問題眾多學者已從不同的角度開展了許多卓有成效的研究。

在技術創新效率評價方面，國內外學者從不同的領域進行了研究：白雪潔、戴小輝(2007)[1]通過對我國12家主要轎車制造企業的技術創新效率分析，發現雖然轎車企業的創新效率呈逐年遞增趨勢，但各企業間在綜合技術效率、純技術效率與規模效率方面存在明顯差異。Lu等(2010)[2]利用DEA-Tobit模型對臺灣190多家企業的創新效率進行評價，分析創新效率影響因素并分析導致其效率無效的原因。阮嫻靜(2010)[3]在深入探究新能源汽車技術創新基礎上，創建了五維技術創新評價體系，利用模糊綜合評價方法對其發展進行對比分析，選擇出新能源汽車的最優技術發展路線。郭磊等(2011)[4]利用DEA交叉效率模型評價我國31個省市的技術創新效率，并指出技術創新效率存在區域差異在于技術創新的運行機制不同。潘雄鋒等(2014)[5]提出了一種改進的DEA模型，并對中國2011年工業企業技術創新效率進行評價，改進后的DEA模型可以提出環境因素的影響。李牧南等(2015)[6]運用DEA模型與問卷調查方式對廣東省專業鎮科技創新效率進行評價，發現整體資源利用效率較低，并進一步根據問卷調查研究影響廣東省專業鎮科技創新效率的因素。史安娜等(2015)[7]運用DEA與Malmquist指數模型通過分析面板數據來研究我國30個省的科技創新效率情況。在產業技術創新評價方面：劉娜(2011)[8]從決策層的思想觀念、人員素質及技術設備狀況、產業所在地外部環境3個方面構建指標體系并利用層次分析法來研究天津市汽車產業的技術創新效率。李向東等(2011)[9]分別運用隨機前沿分析與DEA模型分析我國高技術產業的技術創新效率，并指出DEA模型測算出的效率要高于隨機前沿分析測算的效率。賈冀(2012)[10]則運用因子分析及熵權法來研究我國汽車產業技術創新政策效果。劉秉鐮等(2013)[11]運用Metafrontier和DEA模型定量評價醫藥產業技術創新效率，研究發現我國醫藥制造業綜合技術效率雖有改善但仍處于較低水平。而邢敏(2015)[13]則從不同角度分析評價了我國新能源汽車產業的政策效果。

通過對文獻的分析，我們可以看出，之前的研究大多集中于從企業角度來研究技術創新效率，而從城市視角來研究的文獻較少。新能源汽車產業作為新興產業，從城市角度來進行評價的文章更少，本文主要立足于新能源汽車主要推廣城市的技術創新效率評價，并進行對比分析。

2研究方法與模型

2.1主成分分析

主成分分析就是通過線性組合的方式從多個具有一定相關性的變量中盡可能快地提取信息。其主要思想是通過較少的主成分來得到較多信息量，這樣不僅可以達到指標降維的目的還保留了原數據信息。鑒于技術創新活動的復雜性，羅列出所有投入產出影響因素并進行效率分析難度較大，在進行效率分析實際操作時往往選取關鍵要素，基于以上分析，我們在進行評價之前首先要對指標進行降維，以盡可能少的指標提取最多的信息。

2.2DEA模型

技術創新效率評價是一種對多個輸入和多個輸出的同類型決策單元(DMU)進行相對有效評價的多指標評價問題。DEA評價方法在多指標綜合評價方面較其他綜合評價方法具有明顯的優勢，這種方法無需輸入和輸出的表達式，從而排除了大部分主觀因素的影響。

DEA模型主要有C2R和BC2兩種模型，其中C2R模型在規模報酬不變假設下同時評價決策單元規模有效性和技術有效性。BC2模型則假設規模報酬可變，并且只考慮決策單元技術效率是否最佳。所以本文擬采用C2R模型進行綜合評價，采用BC2模型進行技術有效性評價，再通過綜合評價與技術有效性評價結果的比值評估規模效率情況。

2.2.1C2R模型

假設評價n個城市(稱為決策單元DMU)的新能源汽車技術創新效率狀況，每個決策單元(DMUj)都有m種輸入和s種輸出，有輸入指標xi的值xij(i=1，2，…，m)，輸出指標yk的值ykj(k=1，2，…，s)，j∈J={1，2，…，n}，相應的向量分別記為：X=(x1，x2，…，xm)T、Y=(y1，y2，…，ys)T、Xj=(x1j，x2j，…，xmj)T>0、Yj=(y1j，y2j，…，yrj)T> 0。初始的DEA模型C2R是一個分式規劃，利用C2變換(Charnes-Cooper變換)和對偶規劃理論并引入松弛變量s-、s+，可將分式規劃轉化為一個等價的線性規劃：

min[θ-ξ(eTs-+eTs+)]

其中，θ為效率評價值，ξ為阿基米德無窮小，λ是一個向量參數。通過求解該模型，可以得到最優解θ*，λ*，s-0，s+0，并可得到如下結論：

(1)若θ*=1，并且s-0=s+0=0，說明第j0個DMU為DEA有效的，其創新效率較高，說明在有限的投入下達到了最大產出，即投入資源得到充分利用。

(2)若θ*=1，并且s-0≠s+0≠0，則說明第j0個DMU為DEA弱有效的，表明這時的投入產出結構不合理，沒有達到在既定投入下產出最大化，也沒有達到在既定產出下投入最小化。此時可通過減少s-0的投入來保證原有產出，或者在投入不變的情況下增加s+0的產出，從而提高整體的效率。

(3)若θ*≠1，則說明第j0個DMU為非DEA有效的，表明投入的資源沒有得到充分的利用，此時可通過減少第j0個DMU投入變量的θ*以提高整體的效率。

2.2.2BC2模型

3指標體系的建立

3.1評價指標的選取及說明

評價指標是進行技術創新效率分析的基礎，其選擇的科學性與評價結果的準確程度直接相關。本文在分析技術創新效率評價文獻的基礎上，根據科學性、可行性、系統性、有效性、可比性、動態性等原則設定指標。

3.1.1投入指標

評價創新投入的維度主要有研發人員、研發經費支出等。與一般產業不同，由于汽車產業的復雜性，其投入指標還應包括有R&D活動的企業數以及汽車產品開發項目數。又由于我國新能源汽車在技術創新過程中，大多是對國外技術的引進與消化吸收，所以用技術改造與引進經費支出來評估新能源汽車產業的自主創新能力。

3.1.2產出指標

本文除了選取常見產出指標有效發明專利數與新產品產值外，還配以新產品的銷售收入共同來反映創新的經濟效益以及技術創新成果的市場轉化能力。新能源汽車相對傳統汽車更加節能環保，產出還應包括評估其環保效益的指標。指標體系具體如表1所示。

表1　新能源汽車技術創新效率評價指標體系

3.2數據來源與處理

本文以新能源汽車主要推廣城市的技術創新情況為評價對象。其中主要推廣城市為：北京、上海、長株潭地區、重慶、濟南、武漢、合肥、天津、蘇州、南通、哈爾濱。

文章數據主要來自于各地區的《2014年統計年鑒》、2014《中國科技統計年鑒》、《節能與新能源汽車發展報告(2014)》、以及2014《中國汽車工業年鑒》。在數據收集過程中，由于各地區根據當地特點所制定的統計要求與標準不一，指標數據不一定能全部獲得。對于缺失數據文章進行了如下處理：

(1)地區年鑒中無環境污染指數以及環境質量指數的，則采用《中國科技統計年鑒》中所屬省的環境污染指數。

(2)由于我們查到的2014年的統計年鑒均是統計的2013年數據，所以對于沒有2013年數據的，則采用有數據年份(3～5年數據)的平均值。如果該指標只有一年的數據，則采用該數據[13]。

(3)由于產業技術創新具有時滯性的特點，導致從創新投入到獲得各方面的創新產出之間有一段延遲期，本文暫且認為這一段延遲期為1年，所以本文數據一般采用《2014統計年鑒》的產出，《2013統計年鑒》的投入。

3.3評價指標的篩選

文章運用Matlab軟件編程對投入、產出指標數據進行主成分分析。表2為投入指標的主成分分析結果，可以看出前兩個主成分E1、E2的累計貢獻率就已達86%，表明E1、E2已解釋投入指標的大部分信息，所以投入指標提取兩個主成分E1、E2。表3反映兩個主成分對投入指標的載荷。同理可通過Matlab運行出產出指標的主成分F1、F2、F3，見表4。并進一步可得到表5，即3個主成分對產出指標的載荷。

表2　新能源汽車產業投入指標主成分分析結果

表3　新能源汽車產業主成分對投入指標載荷

表4　新能源汽車產業產出指標主成分分析結果

表5　新能源汽車產業3個主成分對產出指標的載荷

通過主成分的載荷矩陣可進一步得出主成分指標數據，得出數據并對其進行非負化處理，結果如表6所示。

表6　主成分分析數據

表7　11個新能源汽車主要推廣城市技術創新效率計算結果

注：crste表示綜合技術效率，vrste表示純技術效率，scale表示規模技術效率，且crste=vrste×scale；return表示規模報酬的變動。

通過表7我們可以做出11個主要推廣城市的技術創新綜合效率、純技術效率以及規模效率的折線圖，如圖1。

圖1

DMU投入冗余產出不足E1E2F1F2F3北 京0.2010.0940.1360.0000.000濟 南0.0370.0260.0000.0180.003合 肥0.1210.0750.0320.0000.007天 津0.1010.0630.0030.0020.003蘇 州0.1290.0970.0660.0000.001

3.4評價結果的城市差異分析

由表7和表8及圖1我們可以得出結果：

①從純技術效率角度來說，由折線圖可以看出這11個城市的純技術效率差異較大，說明各城市新能源汽車發展不均衡。其中僅上海、長株潭地區、重慶、武漢、南通和哈爾濱5個城市達到了純技術有效。其他6個城市的純技術效率值則沒有達到1，表明其在技術創新上存在較大的障礙，創新資源配置不合理，存在嚴重資源浪費。具體結合表8分析，蘇州、北京在新能源汽車方面的純技術效率最低，并且主要在指標E1即新產品投入與開發上存在冗余。北京可以在新產品開發與投入方面減少20.1%的比例來提高純技術效率，而蘇州則可以通過減少新產品開發與投入的12.9%來提高效率。同樣對于合肥與天津來說，同樣需要在新產品開發與投入方面減少，減少比例分別為12.1%、10.1%。相對而言，濟南主要表現在產出指標F2不足，即環境效益產出不足。濟南在新能源汽車產業技術創新方面，需要注重環境效益，在技術方面需重視低碳性。

②從規模效率角度來說，由折線圖可以看出各城市的規模效率差距較小。其中上海、長株潭、重慶、南通和哈爾濱等5個城市的規模效率值為1，達到了規模有效。表明這5個城市在新能源汽車方面的創新產出，隨創新投入的增加而成比例增加。并且由表7可以看出武漢的規模效率為0.965，在這11個城市中最低，且武漢和北京的規模報酬變動符號為drs，即規模報酬遞減，說明產出增加的倍數小于投入增加的倍數，表明規模和投入產出不相匹配，產業規模偏大，這兩個城市應注意適當減小產業規模，轉而關注產業結構優化。其他5個非規模有效的城市，在規模報酬上是遞增的，即產出的增加倍數大于投入的增加倍數，說明產業規模偏小，這幾個城市就要重點加強新能源汽車產業規模建設，繼而提高其新能源汽車產業的規模效率。

③從綜合效率來看，由折線圖可以看出這11個城市的綜合效率差異也比較大。計算得出這11個城市的平均綜合效率為0.964，處于一個較高的效率水平。其中上海、長株潭地區、重慶、南通和哈爾濱等5個城市為DEA有效決策單元，在新能源汽車技術創新方面效率較高，現有生產要素投入產出配置已達到最佳狀態。其他6個城市的綜合技術效率均未達到有效，其中北京、蘇州的最低。北京、上海一直是經濟發展的領頭者，但北京的技術創新效率卻不如上海，主要在于北京技術創新的投入冗余率過高，在新產品的產值上表現為產出不足，因此北京可以適當減少新產品開發項目與人員投入來提高效率。濟南、合肥、天津、蘇州也均存在投入冗余問題，所以這幾個城市在今后新能源汽車推廣過程中要注重投入要素的比例問題。從資源配置角度分析，這幾個城市如果優先提高冗余率比較大的要素的使用效率，對新能源汽車的發展促進作用將較為明顯。由表8可以看出，這幾個非DEA有效城市投入冗余較大的是E1即新產品的研發投入，這幾個城市在以后可以適當減少新產品開發投入，注重技術的消化吸收與開發。

通過對11個城市新能源汽車產業純技術效率與綜合技術效率對比分析，可以看出有6個城市的純技術效率比綜合效率高，說明在11個新能源汽車推廣城市中約55%的新能源汽車產業尚處于成長期，雖資源利用率較高，但產業發展受制于產業規模，因此這幾個城市要著重擴大產業規模以提高產業技術創新效率。尤其對于武漢來說，其純技術效率值達到1，而且相對于綜合技術效率均有較大程度提高，說明武漢的新能源汽車產業方面科技投入利用率高，無浪費現象，之所以綜合技術效率偏低則是由于規模效率較低，所以武漢在發展新能源汽車產業過程中要重點調整產業規模。并且通過對比分析，可以看出北京、濟南、合肥、天津和蘇州這5個城市的規模效率比綜合效率高，表明這幾個城市技術創新程度較低，要重點加強新能源汽車產業的技術創新以及制度創新。對于技術效率有效的城市應繼續保持新能源汽車產業發展的勢頭，在此基礎上不斷突破創新。綜合來看，這11個城市的綜合效率、純技術效率以及規模效率的平均值分別為0.964、0.969、0.994。綜合效率值均比純技術效率值以及規模效率低，其中純技術效率低是導致綜合效率低下的主要原因，技術效率應成為我們未來發展新能源汽車產業的著力點。

4結論與建議

本文在已有研究的基礎上，從城市的視角將主成分分析與DEA模型結合起來分析新能源汽車的技術創新效率問題，并在指標的選擇上率先加入了環境指數指標。通過主成分分析以及DEA模型的C2R以及BC2模型對我國新能源汽車主要推廣城市技術創新效率的評價分析，可以看出，這幾個城市在新能源汽車產業方面存在技術創新投入過多，資源利用效率低下等問題。究其原因，主要是受技術無效與規模無效交叉作用的影響。就統計數據來看，主要推廣城市新能源汽車技術創新在基礎研究方面的投資不足。基礎研究是推動原始創新的重要力量，可以看出主要城市對自主創新關注不夠，大多是對國外技術的引進消化，而自己的獨立品牌較少。產業規模與投入產出不相匹配導致效率低下，并且存在在新產品的開發上投入過多，投入冗余而引起資源浪費的情況。

通過上述分析，本文從以下幾個方面提出對策建議：(1)政府方面：要加大投資來增加支持力度。并制定相應的政策，一方面來監督產業的發展方向，防止盲目過快發展以及資源配置不合理引起的資源浪費；另一方面要合理調控產業規模，使之與創新投入產出規模相匹配；(2)企業方面：從以上分析我們可以看出城市之間技術創新效率存在較大差異，所以我們要引導企業技術創新各要素在各城市之間的流動。由于經濟、科技以及自然資源稟賦等方面的差異，決定了不同城市的技術創新要素稟賦不均衡，所以我們可以通過財政、金融等政策來鼓勵創新要素的跨區域流動，加強各城市之間的人才與創新技術交流，實現各城市之間技術創新資源的優化配置，從而達到各城市之間優勢互補，共同進步的局面。此外，要適當減少新產品研發支出以節省資源來提高效率，并且要加大自主品牌的科技投入，建立良好的科技創新運行機制；(3)社會方面：鼓勵全社會多渠道投入建立新能源汽車產業的投融資體系，并加強宣傳力度，增強新能源汽車的關注度。

參考文獻

[1]白雪潔,戴小輝.基于DEA模型的中國主要轎車企業生產效率分析[J].財經研究，2006,32(10)：35～47

[2]Lu Y H,Shen C,Ting CT,Wang C H.Research and Development in Productivity Measurement:An Empirical Investigation of the High Technology Industry[J].African Journal of Business Management,2010,4(13)：2871～2884

[3]阮嫻靜,楊青.我國新能源汽車技術指標體系及評價模型[J].科技管理研究，2010,30(8):32～34

[4]郭磊,劉志迎,周志翔，等.基于DEA交叉效率模型的區域技術創新效率評價研究[J].科學學與科學技術管理,2011,32(11):138～143

[5]潘雄鋒,楊越.剔除環境因素影響的中國工業企業技術創新效率評價研究[J].運籌與管理,2014,23(6):244～251

[6]李牧南,周俊鋒,朱桂龍,等.廣東專業鎮技術創新效率評價——基于DEA和問卷實證的雙重視角[J].科學學研究,2015,(4):17

[7]史安娜,徐巧玲.我國科技資源配置效率的實證分析——基于DEA的超效率CCR模型與Malmquist指數模型[J].科技管理研究,2015,35(1):54～59

[8]劉娜.天津市汽車產業技術創新能力,效率評價與發展對策研究[D].天津：天津商業大學,2011

[9]李向東,李南,白俊紅,等.高技術產業研發創新效率分析[J].中國軟科學,2011，(2):52～61

[10]賈冀.我國汽車產業技術創新政策效果研究[D].太原：太原理工大學,2012

[11]劉秉鐮,徐鋒,李蘭冰.中國醫藥制造業創新效率評價與要素效率解構[J].管理世界,2013，(2):169～171

[12]張根文，曾行運．基于DEA-Tobit模型的新能源汽車生產效率及影響因素研究[J]．工業技術經濟，2014，(3)：130～137

[13]邢敏.中國實施的新能源汽車政策及效果分析[J].經濟研究導刊,2015，(6):52～54

[14]方愛平,李虹.基于DEA模型的西部區域科技投入產出效率分析——以西部大開發12個省、市、自治區為例[J].科技進步與對策,2013,30(15):52～56

(責任編輯：王平)

Based on the Perspective of City New Energy Automotive Industry Technology Innovation Efficiency Evaluation

Gao YangZhang MengmengYou Daming

(Central South University，Changsha 410000，China)

〔Abstract〕In the case of energy and environmental issues become increasingly prominent,the development of new energy vehicles will undoubtedly provide a new opportunity for the development of China’s automobile industry.Learning from regional and industrial technology innovation efficiency evaluation research paradigm,combined with the characteristics of new energy vehicles,the paper targeted to selective evaluation index of 11 new energy vehicles pilot cities,in the base of urban innovation data,under the perspective of city using the combination of principal component analysis and DEA method,the quantity of evaluation is realized about the efficiency of its technical innovation.In the comparative analysis of the input and output validity data of DEA,we found that the efficiency of technological innovation about the 11 cities is low relatively,and the main reason is that the cross-action effects of scale efficiency and pure technical efficiency and widespreadly the excessive investment on research,irrational enterprise scale and low resource efficiency.Finally based on the analysis results,we put forward further suggestions.

〔Key words〕new energy vehicles;the efficiency of technological innovation;DEA model;efficiency evaluation;C2R model;BC2 model

〔中圖分類號〕F426.471

〔文獻標識碼〕A

DOI：10．3969/j．issn．1004-910X．2016．03．007

作者簡介：高陽，中南大學商學院教授，博士生導師。研究方向：產業經濟學、閉環供應鏈等。張蒙蒙，中南大學商學院碩士研究生。研究方向：產業經濟學。游達明，中南大學商學院教授，博士生導師。研究方向：技術經濟。

基金項目：國家自然科學基金項目(項目編號：71172100)。

收稿日期：2015—11—05