趙亞琴,王向前
(安徽理工大學 經(jīng)濟與管理學院,安徽 淮南 232001)
煤炭作為煤礦生產(chǎn)中的唯一實物產(chǎn)品,用處廣泛,在各行各業(yè)中的地位無可替代,毋庸置疑地煤炭工業(yè)成為我國國民經(jīng)濟穩(wěn)定持久發(fā)展的頂梁柱.煤炭企業(yè)為了企業(yè)的可持續(xù)發(fā)展,每年都會投入大量資源以期達到經(jīng)濟效益最大化的目的,但是往往根據(jù)主觀經(jīng)驗對有限資源進行配置,時常有高投入低產(chǎn)出、資源配置效率低下、資源冗余嚴重的普遍現(xiàn)象.因此,找到影響煤炭企業(yè)資源配置效率的關鍵要素,進行有針對性地投資,實現(xiàn)資源的合理配置,提高資源配置效率成為煤炭企業(yè)急需解決的難題.
目前,國內(nèi)外學者對煤炭的研究主要集中在煤礦生產(chǎn)物流系統(tǒng)安全影響因素,資源配置影響因素及資源配置等方面[1-3],如王金鳳等[1-2]從安全角度出發(fā),運用粗糙集和IPA方法找到系統(tǒng)安全的關鍵影響因素;研究方法多為結(jié)構(gòu)上、靜態(tài)的,沒有考慮到效率變化的時效性和連續(xù)性[4-12],而其他行業(yè)資源配置效率研究考慮到動靜結(jié)合[13-16],如歐國立等[16]采用超效率SBM模型和ML指數(shù)對貨運碳排放效率進行分析,并追蹤到效率存在差異的原因.因此,本文結(jié)合超效率SBM模型和Malmquist指數(shù)模型,從動靜兩視角探究煤炭采選企業(yè)資源配置效率,實現(xiàn)全面綜合分析,客觀反映當前煤炭采選企業(yè)資源配置的實際效率水平,找到煤炭企業(yè)資源配置效率的關鍵要素,進行針對性投資,提高資源配置效率.
煤炭采選企業(yè)對于資源配置效率評價指標選取不一,但大多數(shù)是從人-機-環(huán)-管四個方面綜合考慮選取相關指標[4-10].與業(yè)內(nèi)知名專家及中國煤炭企業(yè)50強的相關人員進行溝通交流后,確定了煤炭采選業(yè)資源配置效率的評價指標,層次結(jié)構(gòu)圖如圖1所示.
圖1 指標層次結(jié)構(gòu)圖Figure 1 Indicator hierarchy diagram
假設有n個評價對象,即存在n個決策單元(DMU),當投入m個要素后可以產(chǎn)生s個產(chǎn)物,每個DMU都包含投入X和產(chǎn)出Y這2個要素,用向量表示為X=(x1,x2,…xn)∈Rm×n,Y=(y1,y2,…yn)∈Rs×n,那么對于有效DMUk來說,其超效率SBM模型表達式為:
(1)
i=1,2,3……m;r=1,2,3,……s;j=1,2,3,……n(j≠k)
超效率SBM模型只能靜態(tài)分析決策單元間的相對效率進行大小比較,而無法動態(tài)反映出效率的變化程度和趨勢,而Malmquist指數(shù)可彌補超效率SBM模型的缺陷.Malmquist指數(shù)是以不同時期的距離函數(shù)來表示效率的動態(tài)變化,可將t時期到(t+1)時期的效率變化分為技術效率變化和技術進步效率變化.具體如下:
ML(xt+1,yt+1,xt,yt)=
(2)
由此可知,ML指數(shù)可分為TC和TEC.當ML>1,綜合效率值的升高,評價對象的效率進步,反之退步.TC表示效率前沿面自身移動,當TC>1時表示技術進步,技術進步促進了煤炭采選業(yè)資源配置效率的提高,反之效率降低.TEC表示DMU相對于生產(chǎn)前沿面的接近程度,當TEC>1時表示DMU靠近生產(chǎn)前沿面,技術效率提高,表明技術效率是煤炭采選業(yè)資源配置效率提高的主要動因,反之效率提高受到抑制.
本文以我國17個省市自治區(qū)2009~2018年的面板數(shù)據(jù)來研究煤炭業(yè)安全資源配置效率,指標數(shù)據(jù)均來自《統(tǒng)計年鑒》.其中,2016年北京煤炭采選業(yè)的從業(yè)人員平均數(shù)及2018年江蘇固定資產(chǎn)投資額未公布,另外R&D經(jīng)費支出若有缺失均采用插值法求解,關于碳排放總量采用碳排放系數(shù)法計算[17-18].
借助超效率SBM模型對我國17個省市自治區(qū)煤炭采選業(yè)安全資源配置效率進行測算,綜合效率值及排名見表1.
從表1中可知,2009~2018我國煤炭采選業(yè)安全資源配置效率均值為3.658,處于較高水平,各年份的平均效率值都大于1,在2015年達到最大值,之后總體保持相對平穩(wěn).
表1 各省市自治區(qū)煤炭采選業(yè)安全資源配置的綜合效率Table 1 Comprehensive efficiency of safe resource allocation of coal mining and dressing industry in various provinces, municipalities and autonomous regions
從省際層面看,各地煤炭采選業(yè)資源配置效率差異顯著.其中,北京、福建、陜西這三省的配置效率每年都大于1,說明資源配置合理.山西、遼寧、吉林、江蘇、安徽、山東、湖北、湖南、重慶、云南、甘肅這11個省部分年份實現(xiàn)了配置效率大于1.另外3省在2009~2018年資源配置始終處于無效DMU狀態(tài),說明投入要素對資源配置的作用存在很大的上升空間,可借助松弛變量分析做出決策,實現(xiàn)資源配置效率最大化.
從時間變化趨勢來看,可將地區(qū)大致分為三類:增長型、平穩(wěn)型和下降型.1)北京、山西、遼寧、江蘇、福建、山東、湖北、陜西這8個省市屬于增長型,源于這些地區(qū)人口流量大,資源可獲得性強,產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化,科技創(chuàng)新投入獲得可觀的科研成果.另外,時刻謹記“綠水青山就是金山銀山”的理念,注重在煤炭生產(chǎn)過程中保護環(huán)境,減少二氧化碳排放量,煤礦資源高效開發(fā)與生態(tài)環(huán)境協(xié)調(diào)發(fā)展是煤炭采選業(yè)資源配置效率持續(xù)增長的主因.2)吉林、安徽、江西、寧夏屬于平穩(wěn)型,煤炭采選業(yè)資源配置效率不高,未達到有效狀態(tài),主要源于科技創(chuàng)新管理方面資金監(jiān)管力度和管理強度有待加強,職工人數(shù)過多逐漸養(yǎng)成惰性心理使得工作效率低下,增大企業(yè)的經(jīng)營負擔.3)河南、湖南、重慶、云南、甘肅這5省屬于效率下降型,煤炭采選業(yè)資源配置效率逐年遞減,遠離有效狀態(tài),這是由于煤炭開采普工過多,高技術人員和專業(yè)管理人員過少,固定資產(chǎn)投資未得到有效使用,造成資源冗余.另外,碳排放量過多,嚴重污染環(huán)境,影響可持續(xù)發(fā)展態(tài)勢,所以資源配置效率持續(xù)低下.
為了進一步了解煤炭采選業(yè)資源配置效率的變化及其分解效率的變化,采用Malmquist指數(shù)進行測算與分解,動態(tài)地反映出效率變化趨勢及分解效率指數(shù)的變化.測算結(jié)果見表2.
表2 Malmquist指數(shù)及其分解Table 2 Malmquist index and its decomposition
如表2所示,2009~2018年期間我國17省市自治區(qū)的Malmquist指數(shù)的平均值為1.001,說明我國煤炭采選業(yè)資源配置效率整體上是呈上升趨勢的,平均每年上升0.1%.將ML效率指數(shù)分解為TEC和TC,這兩個效率指數(shù)的平均值分別為0.986和1.015,可見技術效率低制約煤炭采選業(yè)資源配置效率提高,而技術進步效率指數(shù)大于1,對煤炭采選業(yè)資源配置效率提高起促進作用,正是因為TC的促進作用大于TEC的抑制作用,所以資源的配置效率整體上是呈上升趨勢的,且增長動力源于TC的提升效果.
由圖2可知,2009~2018年我國煤炭采選業(yè)資源配置效率隨時間大致呈現(xiàn)“W”型分布,最終呈現(xiàn)上升趨勢,分解效率指數(shù)中TC與ML變化趨勢一致.每一階段的ML增長率皆不相同,高的達到28.8%,低的只有-11.7%.其中,2009~2011年煤炭采選業(yè)資源配置效率呈上升趨勢,源于起初只追求效率最大化,忽略技術進步的重要性,但隨著“十一五”期間的發(fā)展方式和結(jié)構(gòu)的調(diào)整,淘汰落后產(chǎn)能,煤炭基地建設穩(wěn)定推進,研發(fā)資金逐漸投入,煤礦技術改造,生產(chǎn)技術水平大幅提升,科技創(chuàng)新能力增強,加快了技術進步步伐.2011~2012年ML效率急劇下降是因為煤炭開采裝備及關鍵零部件的可靠性和穩(wěn)定性不高,科技研發(fā)投入不足,關鍵技術研發(fā)能力不強帶來的技術進步緩慢,雖然這一期間技術更新速度和推廣力度加強,但是抵不過TC的消極作用.2012~2015年ML逐年遞增,正值“十二五”期間,在“十一五”發(fā)展基礎上科技創(chuàng)新邁上新臺階,國家鼓勵企業(yè)引進新科技材料及技術,使生產(chǎn)效率得到提高,是由TC帶動的資源配置效率提高.2015~2017年煤炭采選業(yè)資源配置效率下降,是由TEC和TC抑制作用促成的.2017~2018年ML增速高達28.8%,得益于TC和TEC的共同促進作用.這一時期,TEC、TC增長率都很高,分別達到5.2%和22.4%,這與“十三五”期間,產(chǎn)業(yè)結(jié)構(gòu)調(diào)整取得新進展,對煤炭開采采取一系列的整改措施,對產(chǎn)能不足的煤礦禁止開采,以煤礦智能化開采技術為引領的科技創(chuàng)新能力大幅提升,礦下開采機器設備自動化水平顯著提高,生產(chǎn)安全管理加強,規(guī)范化煤炭生產(chǎn)細則等密不可分,因此技術效率和技術進步效率都得以提高.這意味著未來煤炭采選業(yè)資源配置效率的高低會受技術效率和技術進步的影響,它們將成為煤炭工業(yè)經(jīng)濟增長的主要動力.
圖2 ML、TEC及TC變化趨勢Figure 2 Trends of ML, TEC and TC
上述從時間序列上分析煤炭采選業(yè)資源配置效率變化及分解效率的變化趨勢,為了探究各地區(qū)ML效率指數(shù)及分解效率差異,對17個省市自治區(qū)的ML效率及其分解效率進行空間上比較并排名,測算結(jié)果見表3.
表3 Malmquist指數(shù)變化及其分解Table 3 Malmquist index change and its decomposition
表3給出了17個省市區(qū)的ML及其構(gòu)成.與從時間序列上分析一致,ML的平均值為1.001>1,說明在2009~2018年煤炭采選業(yè)資源配置效率保持了年均0.1%的增速.17個省市自治區(qū)中,有8個省市自治區(qū)的效率上升,依據(jù)效率值從高到底依此是湖北(1.156)、吉林(1.138)、江蘇(1.136)、山東(1.090)、山西(1.078)、安徽(1.075)、寧夏(1.067)、陜西(1.021),源于技術水平和管理水平提高,資源配置達到優(yōu)化狀態(tài),得益于TEC和TC的雙重促進驅(qū)動作用,才使得ML增速都超過2%.剩下的9個省市自治區(qū)的效率值下降,其中河南、江西、重慶均受到TEC的單側(cè)抑制作用;北京、遼寧、福建僅受到TC的單測消極作用;而甘肅、湖南及云南則是受到TEC和TC的雙重抑制作用,所以才導致ML效率排名倒數(shù).總的來說,17個省市自治區(qū)的TC除北京外,其余均值都近似大于1,而TEC均值大多數(shù)都小于1,這說明煤炭采選業(yè)資源配置效率提高主要源于TC,并非是TEC效率的緣故.
將超效率SBM模型與Malmquist指數(shù)模型測算得到的結(jié)果進行排名,發(fā)現(xiàn)排名并不一致.SBM值高的地區(qū)可能存在效率指數(shù)下降的趨勢,如北京、福建等;SBM值低的地區(qū)可能存在效率指數(shù)上升的趨勢,如吉林、寧夏等.可以發(fā)現(xiàn),ML效率變化與超效率SBM值的高低并未呈現(xiàn)同方向變化.
從煤炭采選業(yè)資源配置出發(fā),構(gòu)建資源配置投入產(chǎn)出指標體系,采用超效率SBM模型和DEA-Malmquist指數(shù)模型從動靜兩視角對我國2009~2018年17個省市自治區(qū)的煤炭采選業(yè)資源配置效率的大小進行比較、對變化趨勢及變化動因進行了實證考察.研究表明:1)靜態(tài)層面分析可知,我國煤炭采選業(yè)資源配置的綜合效率是較高的,但是地區(qū)存在顯著差異.依據(jù)17個省市自治區(qū)的煤炭采選業(yè)資源配置效率的時間變化趨勢,將其分為增長型、平穩(wěn)型和下降型.2)動態(tài)層面分析可知,我國煤炭采選業(yè)資源配置效率平均每年上升0.1%,每階段的MI效率值不同,主要與TC、TEC兩者間的促進抑制作用博弈有關,但技術進步效率的提高卻是驅(qū)動煤炭采選業(yè)資源配置效率增長的主動力.3)綜合分析超效率SBM和ML指數(shù),可知結(jié)果排名并不一致,說明MI效率變化與超效率SBM值的高低并未呈現(xiàn)同方向變化.煤炭產(chǎn)業(yè)資源的投入并不是簡單的將人財物融入到煤炭生產(chǎn)中,而是應該借助信息系統(tǒng),統(tǒng)籌規(guī)劃,有針對性地對資源實行差異化配置,而技術進步效率是驅(qū)動煤炭采選業(yè)資源配置效率增長的決定性因素,因此政府相關部門應該鼓勵企業(yè)加大對科技材料的使用,引進高科技機器設備,高水平科研人員,組建一流的科研團隊,不斷促使生產(chǎn)技術進步,提高資源配置效率,實現(xiàn)綠色安全生產(chǎn).