基于BCC-Malmquist的大庆油田企业创新效率评价

王艳秋，张 青

(东北石油大学 经济管理学院，黑龙江 大庆 163318)



基于BCC-Malmquist的大庆油田企业创新效率评价

王艳秋，张 青

(东北石油大学 经济管理学院，黑龙江 大庆 163318)

运用BCC模型-Malmquist指数模型测度大庆油田企业技术创新效率.就大庆油田企业自身发展特点，构建技术创新效率评价指标体系，以2011～2014年数据对大庆油田企业技术创新效率进行评价，并对评价结果进行参数灵敏度分析，对影响企业技术创新效率的重要参数排序，分析显示, 决策单元数量与效率水平呈反比，参数数量与效率水平呈正比，在可比性原则下，增加决策单元数量，精确参数数量，对于提升技术创新效率有显著作用.

技术创新效率；DEA-BCC模型；Malmquist指数模型；大庆油田

技术创新效率是指技术创新投入对产出的贡献率，即研究在技术创新活动中如何优化资源配置的问题[1].油田企业技术创新效率是指实际生产活动接近生产前沿面的程度,在技术相对稳定时期，油田企业所能达到的产出最大化或投入最小化的程度[2].国内对技术创新效率的研究起步较晚，陈红梅运用数据包络分析(DEA)和主成分分析的综合评价模型对比分析我国 30个省区的技术创新效率[3].池仁勇调查企业层面，收集相关数据后利用DEA方法测度了浙江省11个区域的创新效率[4].高建构建了元胞自动机演化模型，将石油企业技术创新竞争演化视为元胞自动机的空间演化，实现石油企业基于元胞自动机的技术创新系统仿真[5].胡健探讨了石油企业实施技术创新战略的组织障碍及对组织创新模式的选择[6].尚甜甜通过建立DEA-Malmquist模型实现对技术创新效率的静态和动态评价，尝试用概率神经网络的方法实现对效率模式的识别和问题的智能诊断[7].国内外的研究一般集中在区域或行业之间，或是高新技术企业、制造业等，关于油田企业的技术创新效率研究较少，都是分析国内有影响力的大规模油田企业，关注其技术创新能力或机制方面的研究，关于具体的油田企业内部技术创新效率研究较少.本文从大庆油田企业10家采油厂技术创新活动的投入产出现状及存在的问题入手，构建技术创新效率评价指标体系，利用BCC模型测算采油厂2011～2014年综合技术创新效率、纯技术效率和规模效率，静态分析各采油厂技术创新效率及各项指标差异变化规律，利用Malmquist指数模型分析采油厂2011～2014年间的技术创新效率动态变化.

1 构建大庆油田企业技术创新效率评价指标体系

运用DEA 模型多投入和多产出分析的特点，从技术创新全过程来评价技术创新效率.将评价指标体系分为技术成本投入指标和产出成果指标2个部分.见表1.

表1 大庆油田企业技术创新效率评价指标体系

技术创新指标成本投入指标产出成果指标技术创新人员投入创新产品专利率技术创新经费投入创新产品销售率非技术创新经费投入创新产品市场占有率

2 模型构建

2.1 DEA-BCC模型

数据包络分析(DEA)是继“相对效率”概念提出后，1978年A·Charnes和W·W·Copper等学者根据多个输入变量和输出变量评价同一类型的单位(部门)效益相对有效性的一种新的数据分析方法[8].满足DEA有效的条件是决策单元具有相对有效性(即决策单元的优劣).在数据处理上DEA无须对指标数据进行综合，避免了在建模前对数据进行无量纲化处理的麻烦，且不需要任何权重假设，具有很强的客观性.本文运用DEA中BCC模型.

现设定评价系统有n个决策单元DMUj(1≤j≤n)，且每个DMUj有m种输入变量和s种输出变量，如下：

xj=(xj1,xj2,…xjm)T>0,j=1,2…n;

yj=(yj1,yj2,…yjs)T>0,j=1,2…n

且xji>0,yjr>0,i=1,2…m,r=1,2…s

其中:xji为第j个决策单元对i种类型输入的投入量；yjr为第j个决策单元对r种类型输出的产出量；xji和yjr为已知数据，可以是历史数据，也可以是实际观测的数据.

我们选定的DMUj0中有，θ指该决策单元DMUj0产出一定时投入的有效利用程度；λj是指相对于DMUj0重新构造一个有效DMU组合中第j个决策单元DMUj的组合比例；s+为产出松弛变量、s-为投入松弛变量.运用对偶规则来判断DMUj0的有效性，得到CCR模型：

(1)

1)当θ=1且s-=s+=0时，决策单元j0为DEA有效，即 DMU0为DEA有效，即在由n个决策单元组成的经济系统中，投入x0将获得最优产出y0，其中s+表示产出的“亏量”，s-表示投入的“超量”；

2)当θ=1且s-≠s+≠0时，决策单元DMU0为DEA弱有效，即在这由n个决策单元组成的经济系统中，要保持原产出y0不变，须减少投入x0的s-(超量)；要保持投入x0不变，须将产出提高s+(亏量)；

3)当θ<1，决策单元DMU0为DEA无效，即在由n个决策单元组成的经济系统中，可在原投入x0的基础上下降θ比例而保持原产出y0不变.将有效决策单元DMU0连接起来形成一个效率前沿面，用做衡量效率的基准，进而分析出各非DEA有效决策单元DMU0的“投入冗余”和“产出不足”[9].

CCR模型是DEA模型中最基础的模型, 但它只能对 DMU 的有效性做出判断，无法判断其是否为纯技术有效. 1984年，Bankeretal等人加入规模报酬可变的条件，研究得出BCC模型，模型中综合技术效率=纯技术效率×规模效率，能判断纯技术效率，还能分析决策单元的技术有效性与规模有效性，BCC模型公式如下：

(2)

2.2Malmquist指数模型

Malmquist指数是建立在非参数距离函数的概念上，在描述具有多个投入产出变量的生产技术创新效率时与DEA方法相结合运用.它不需要说明具体行为标准，使用面板数据动态分析每个决策单元在不同时期的变化.Fare等利用t和(t+1)期的Malmquist生产率指数的几何平均值，构造从t到(t+1)期的生产率变化的M指数，进一步从综合技术效率波动、纯技术效率波动、规模效率波动和技术进步波动角度分析，找出影响决策单元全要素生产率无效的关键因素[10].Malmquist指数通过距离函数的比率计算，距离函数是技术效率的倒数，定义t期和t+1期的决策单元生产率进步的Malmquist指数为：

(3)

2.3 模型处理与分析

根据油田企业技术创新效率指标体系选取成本投入指标、产出成果指标，以大庆油田企业10家产油厂(C1,C2,…C10)作为决策单元，运用BCC模型对其做技术创新效率评价.对10家采油厂的实地调研获取到2011～2014年的具体数据如表2所示.

表2 2011～2014年10大产油厂技术创新投入产出指标原始数据

指标分类成本投入指标决策单元技术创新人员投入/%技术创新经费投入/%非技术创新经费投入/%时间201420132012201120142013201220112014201320122011C13．374．192．912．732．532．111．951．681．021．111．320．95C22．953．272．161．791．080．920．841．010．510．320．410．83C32．311．991．821．621．461．331．241．250．230．470．330．17C41．421．131．211．040．350．240．230．410．170．220．050．13C50．641．320．930．850．970．740．810．620．080．040．110．33C61．160．640．570．920．230．310．390．190．140．090．040．14C70．311．110．830．710．060．140．250．060．020．130．150．21C81．051．260．770．741．341．231．311．190．950．930．780．66C90．430．620．640．832．612．392．132．110．880．790．650．57C100．781．020．620．720．210．230．190．150．190．230．140．03

表2 2011-2014年10大产油厂技术创新投入产出指标原始数据(续)

指标分类成本投入指标决策单元创新产品专利率/%创新产品销售率/%创新产品市场占有率/%时间201420132012201120142013201220112014201320122011C13．173．122．981．294．294．133．963．443．583．383．173．22C21．222．121．172．423．373．293．182．794．043．953．873．19C31．781．631．611．992．042．012．062．232．322．272．182．21C41．091．111．081．211．221．191．311．272．262．182．162．03C50．360．240．220．310．310．290．420．531．011．041．310．84C60．270．360．250．310．180．160．210．370．460．390．330．39C70．450．240．280．251．131．051．031．140．050．120．020．04C81．511．491．451．420．450．430．380．320．030．140．050．16C90．710．680．640．730．340．290．250．280．110．070．050．13C100．380．360．320．270．720．680．710．590．250．260．210．19

运用DEA 中DEAP2-1软件，从投入导向型的角度，采取BCC模型从综合技术创新效率、纯技术效率、规模效率和规模效益四个角度分析10家采油厂的技术创新效率.获得的分析结果如表3.

表3 BCC模型下10家采油厂2011～2014年技术创新效率值

参数综合技术创新效率纯技术效率时间2014201320122011均值2014201320122011均值C10．9340．9361．0000．8290．9251．0001．0001．0001．0001．000C20．9621．0001．0001．0000．9911．0001．0001．0001．0001．000C30．8680．9590．9551．0000．9461．0000．9951．0001．0000．999C41．0001．0001．0001．0001．0001．0001．0001．0001．0001．000C50．9921．0000．7880．5070．8221．0001．0000．9810．9800．990C60．3350．7070．4760．5240．5110．4951．0001．0000．8260．830C71．0001．0000．9541．0000．9891．0001．0001．0001．0001．000C80．9661．0001．0001．0000．9921．0001．0001．0001．0001．000C91．0000．9610．5850．5060．7631．0001．0000．9920．8730．966C100．4180．6330．8741．0000．7310．5200．9201．0001．0000．860均值0．8480．9200．8630．8370．8670．9020．9920．9970．9680．965

表3 BCC模型下10家采油厂2011-2014年技术创新效率值(续)

参数规模效率规模效益时间2014201320122011均值2014201320122011C10．9340．9361．0000．8290．925递减递减不变递减C20．9621．0001．0001．0000．991递减不变不变不变C30．8680．9640．9551．0000．947递减递减递减不变C41．0001．0001．0001．0001．000不变不变不变不变C50．9921．0000．8020．5180．828递增不变递增递增C60．6780．7070．4760．6350．624递增递增递增递增C71．0001．0000．9541．0000．989不变不变递增不变C80．9661．0001．0001．0000．992递减不变不变不变C91．0000．9610．5890．5790．782不变递增递增递增C100．8040．6880．8741．0000．842递增递增递增不变均值0．9200．9260．8650．8560．892

BCC模型不仅能看出决策单元是否具有DEA有效性，还能分析各决策单元的纯技术效率和规模效率的情况，方便企业找准问题对症下药.

1)综合技术创新效率

综合技术创新效率是指在一定生产投入要素下，产出的生产可能性最大化边界，综合反映企业的生产结构、技术研发、管理规模水平.从表3可以看出，四年里10家产油厂的综合技术创新效率均值为0.867，整体技术创新效率水平较高，4厂的综合技术创新效率值达到1，表明其在技术创新过程中投入、产出要素分配较合理，资源利用度较高，剩下九个厂的综合技术创新效率值都小于1，其中相对较高的有8厂(0.992)、2厂(0.991)、7厂(0.989).采油厂之间的综合技术效率差异较大，出现两极分化的局面，前四厂的综合技术效率水平较高，9厂(0.763)、10厂(0.731)、6厂(0.511)、的技术效率排在后三位，技术水平远远落后于其他采油厂，应合理地变化投入产出组合比例，提高技术创新效率.对比分析各项评价结果不难看出，2013年的数据最优，2014年稍有下滑，从各项波动值看，2013～2014年与2012～2013年相比发展较好.

2)纯技术效率

纯技术效率是指剔除企业规模的影响后，分析在一定生产投入要素下产出最大化的状态.表3中四年里10家采油厂的纯技术效率值都比较高，平均值为0.965.1厂、2厂、4厂、7厂和8厂的纯技术效率值都落于技术前沿面之上，纯技术效率值达到1.表明这四家厂的综合技术创新效率高低只受规模效率的影响.

3)规模效率

规模效率是综合技术创新效率除以纯技术效率后得到的值，用以评价企业的生产规模是否达到最理想状态.四年里10家采油厂的规模效率平均值为0.892，总体处于较高水平；4厂的规模效率达到了1，表明该厂四年来生产规模较为合理；1厂、2厂、3厂、7厂和8厂的规模效率处于0.9以上；6厂的规模效率值最低，仅为0.624，导致综合技术创新效率排在最后.

4)规模报酬

从规模报酬角度分析，4厂的规模报酬连续四年处于不变状态，6厂的规模报酬一直是递增的.

同样运用DEAP2.1软件进行运算，得到表4 Malmquist模型下10家采油厂2011～2014年的技术波动结果.

表4 Malmquist模型下10家采油厂2011-2014年技术创新效率动态变化

参数综合技术效率技术进步纯技术效率时间2011～20122012～20132013～2014均值2011～20122012～20132013～2014均值2011～20122012～20132013～2014均值C11．2060．9360．9981．0410．9170．8081．2840．9831．0001．0001．0001．000C21．0001．0000．9620．9870．9150．7691．0070．9121．0001．0001．0001．000C30．9551．0040．9050．9540．8080．8831．2130．9531．0000．9951．0061．000C41．0001．0001．0001．0001．5240．5770．9080．9271．0001．0001．0001．000C51．5521．2700．9921．2500．9430．6860．7500．7861．0011．0191．0001．007C60．9071．4860．4750．8621．3140．6351．1480．9861．2111．0000．4950．843C70．9541．0481．0001．0000．5371．0291．4341．2381．0001．0001．0001．000C81．0001．0000．9660．9890．9560．7261．2560．9561．0001．0001．0001．000C91．1561．6431．0411．2550．9240．6791．4210．9631．1361．0081．0001．046C100．8740．7250．6610．7481．0740．8572．0671．2391．0000．9200．5660．804均值1．0461．0830．8780．9980．9580．7551．3250．9861．0330．9940．8810．967

表4 Malmquist模型下10家采油厂2011～2014年技术创新效率动态变化(续)

参数规模效率全要素生产率时间2011～20122012～20132013～2014均值2011～20122012～20132013～2014均值C11．2060．9360．9981．0411．1050．7561．2821．023C21．0001．0000．9620．9870．9150．7691．0360．900C30．9551．0100．9000．9540．7710．8871．0990．909C41．0001．0001．0001．0001．5240．5770．9080．927C51．5501．2460．9921．2421．4640．8710．7440．983C60．7491．4860．9591．0221．1920．9440．5450．850C70．9541．0481．0001．0000．5131．0791．4341．238C81．0001．0000．9660．9890．9560．7261．2130．945C91．0181．6301．0411．2001．0681．1161．4791．208C100．8740．7881．1680．9300．9380．6211．3660．927均值1．0131．0890．9971．0321．0020．8171．1630．984

表4Malmquist模型数据结果显示的是t+1年的数据与t年的数据对比出的相对效率波动情况，得出各项动态数据更能反映较长时期内企业的技术效率发展变化.四年里，10家采油厂的综合技术效率波动值为0.998，综合技术效率出现上升势头.以采油1厂2013年及2013～2014年的各项数据为例，2013年采油1厂的综合技术效率为0.936，表明1厂仍有6.4%的投入冗余或是产出不足；纯技术效率达到1，规模效率为0.936，表明1厂当年综合效率水平主要受规模效率的影响；规模收益为递减，表明1厂在2013年的投入产出水平下，生产规模应该递减；2013～2014年，1厂的技术效率波动值为0.998，表明1厂的技术效率水平下降了0.2%；技术进步波动为1.284，表明1厂技术进步水平提高了28.4%，技术进步较大；纯技术效率波动为1，规模效率波动为0.998，表明1厂在技术创新研发、引进和应用等方面实力较强，技术效率下降主要是受管理规模的影响；全要素生产率波动为1.282，表明1厂生产水平提高了28.2%.2011～2014年，有七家采油厂的全要素生产率保持上升势头，技术进步水平提高显著，尤其是1厂、2厂和3厂，这与本身注重技术提升和新技术应用有很大的关系.因此，10家采油厂在强调提高综合技术效率水平的同时，要注重技术进步水平的提高，保持各采油厂更加持续、稳定的发展.

3 参数灵敏度分析

运用DEAP2.1软件运算，得到大庆油田企业10家采油厂在2011～2014年的各项技术值，通过剔除某项投入参数，观察剔除该参数后的效率值变化，对比分析各项投入参数对效率值的影响程度，从注重各项投入参数的重要程度出发提升技术创新水平更为准确.

剔除技术创新人员投入，投入参数只有两项：技术创新经费投入和非技术创新经费投入，产出参数不变，得到新的技术创新效率评价结果.如表5所示.

表5 剔除技术创新人员投入后的技术创新效率值

参数综合技术效率纯技术效率时间2014201320122011均值2014201320122011均值C10．3180．4880．3570．4560．4051．0001．0001．0001．0001．000C20．6311．0000．6650．7620．7651．0001．0001．0001．0001．000C30．8680．5270．2921．0000．6721．0000．5491．0001．0000．887C41．0001．0001．0001．0001．0001．0001．0001．0001．0001．000C50．9501．0000．2760．2740．6251．0001．0000．4120．3590．693C60．3350．6040．2890．5240．4380．4951．0001．0000．8010．824C71．0001．0000．7231．0000．9311．0001．0000．8451．0000．961C80．1500．3050．2360．3920．2710．5900．4030．4310．4320．464C90．0380．1300．0640．1330．0910．0850．1690．1040．1370．124C100．3360．4810．6561．0000．6180．4110．6691．0001．0000．770均值0．5630．6530．4560．6540．5820．7580．7790．7790．7730．772

表5 剔除技术创新人员投入后的技术创新效率值(续)

参数规模效率规模效益时间2014201320122011均值201401320122011C10．3180．4880．3750．4560．409递减递减递减递减C20．6311．0000．6650．7620．765递减不变递减递减C30．8680．9600．2921．0000．780递减递增递减不变C41．0001．0001．0001．0001．000不变不变不变不变C50．9501．0000．6690．7640．846递增不变递增递增C60．6780．6040．2890．6550．557递增递增递增递增C71．0001．0000．8561．0000．964不变不变递增不变C80．2550．7570．5470．9080．617递减递减递减递减C90．4430．7690．6140．9710．699递减递增递增递增C100．8180．7190．6561．0000．798递增递增递增不变均值0．6960．8300．5940．8520．743

剔除技术创新经费投入，投入参数只有两项：技术创新人员投入和非技术创新经费投入，产出参数不变，得到新的技术创新效率评价结果，如表6所示.

表6 剔除技术创新经费投入后的技术创新效率值

参数综合技术效率纯技术效率时间2014201320122011均值2014201320122011均值C10．9330．9361．0000．8090．9201．0001．0001．0001．0001．000C20．9621．0001．0001．0000．9911．0001．0001．0001．0001．000C30．8680．9590．9551．0000．9461．0000．9951．0001．0000．999C41．0001．0001．0001．0001．0001．0001．0001．0001．0001．000C50．9921．0000．7880．5070．8221．0001．0000．9810．9800．990C60．2760．7070．4760．2900．4370．3891．0001．0000．8200．802C71．0000．9320．8571．0000．9471．0001．0001．0001．0001．000C80．9361．0001．0001．0000．9841．0001．0001．0001．0001．000C91．0000．9610．5850．5060．7631．0001．0000．9920．8730．966C100．4140．6330．8011．0000．7120．4860．8651．0001．0000．838均值0．8380．9130．8460．8130．8530．8870．9860．9970．9670．959

表6 剔除技术创新经费投入后的技术创新效率值(续)

参数规模效率规模效益时间2014201320122011均值2014201320122011C10．9330．9361．0000．8290．925递减递减不变递减C20．9621．0001．0001．0000．991递减不变不变不变C30．8680．9640．9551．0000．947递减递减递减不变C41．0001．0001．0001．0001．000不变不变不变不变C50．9921．0000．8020．5180．828递增不变递增递增C60．7100．7070．4760．3530．562递增递增递增递增C71．0000．9320．8571．0000．947不变递增递增不变C80．9361．0001．0001．0000．984递减不变不变不变C91．0000．9610．5890．5790．782不变递增递增递增C100．8520．7320．8011．0000．846递增递增递增不变均值0．9250．9230．8480．8280．881

剔除非技术创新经费投入，投入参数只有两项：技术创新人员投入和技术创新经费投入，产出参数不变，得到新的技术创新效率评价结果，如表7所示.

表7 剔除非技术创新经费投入后的技术创新效率值

参数综合技术效率纯技术效率时间2014201320122011均值2014201320122011均值C10．9340．9361．0000．8040．9191．0001．0001．0001．0001．000C20．9620．9551．0001．0000．9791．0001．0001．0001．0001．000C30．8090．9590．9000．8990．8920．8440．9950．9180．9260．921C41．0001．0001．0001．0001．0001．0001．0001．0001．0001．000C50．9920．4080．7860．5070．6731．0000．6200．9810．9800．895C60．3350．5340．4020．5080．4450．4951．0001．0000．8260．830C71．0001．0000．9541．0000．9891．0001．0001．0001．0001．000C80．9661．0001．0001．0000．9921．0001．0001．0001．0001．000C91．0000．9610．5850．4910．7591．0001．0000．9920．8730．966C100．4180．6330．8740．5590．6210．5200．9201．0001．0000．860均值0．8420．8390．8500．7770．8270．8860．9530．9890．9610．947

表7 剔除非技术创新经费投入后的技术创新效率值(续)

参数规模效率规模效益时间2014201320122011均值2014201320122011C10．9340．9361．0000．8040．919递减递减不变递减C20．9620．9551．0001．0000．979递减递减不变不变C30．9590．9640．9810．9710．969递减递减递增递增C41．0001．0001．0001．0001．000不变不变不变不变C50．9920．6590．8010．5180．743递增递增递增递增C60．6780．6590．4020．6150．589递增递增递增递增C71．0000．5340．9541．0000．872不变不变递增不变C80．9661．0001．0001．0000．992递减不变不变不变C91．0001．0000．5890．5620．788不变递增递增递增C100．8040．9610．8740．5590．800递增递增递增递增均值0．9300．6880．8600．8030．820

再将如上各项投入参数剔除后的综合技术效率评价结果整理,分析每项投入参数对技术创新效率的影响程度，如表8所示.

表8 综合技术效率受投入参数影响程度

参数剔除技术创新人员投入剔除技术创新经费投入剔除非技术创新经费投入时间2014201320122011均值2014201320122011均值2014201320122011均值C1-0．616-0．448-0．643-0．373-0．520-0．001---0．020-0．005----0．025-0．006C2-0．331--0．335-0．238-0．226-------0．045---0．016C3--0．432-0．663--0．274------0．059--0．055-0．101-0．054C4---------------C5-0．042--0．512-0．233-0．197-0．008------0．592-0．002--0．149C6--0．103-0．187-0．048-0．073-0．059---0．234-0．074--0．173-0．074-0．016-0．066C7---0．231--0．058--0．068-0．097--0．042-----C8-0．816-0．695-0．764-0．608-0．721-0．030----0．008-----C9-0．962-0．831-0．521-0．373-0．672---------0．015-0．004C10-0．082-0．152-0．218--0．113-0．004--0．073--0．019----0．441-0．110均值-0．285-0．267-0．407-0．491-0．285-0．010-0．007-0．017-0．024-0．014-0．006-0．081-0．013-0．060-0．040

从表8不难发现，“技术创新人员投入”对综合技术效率的影响最大，尤其是8厂、9厂和10厂受技术创新人员投入的影响更为显著，所以进一步剔除技术创新人员投入只会加剧对这三家的影响；20011～2014年受“技术创新经费投入”的影响居中，但仍呈现上升趋势，说明技术创新经费投入对技术创新的影响也在逐年加剧；“非技术创新经费投入”的影响程度最小，2013年最高为8.1个百分点，2014年最低仅为0.6个百分点.

同样再将各项投入参数剔除后的纯技术效率评价结果整理，分析每项投入参数对纯技术效率的影响程度，如表9所示.

表9 纯技术效率受参数影响程度

参数剔除技术创新人员投入剔除技术创新经费投入剔除非技术创新经费投入时间2014201320122011均值2014201320122011均值2014201320122011均值C1---------------C2---------------C3--0．446---0．112------0．156--0．082-0．074-0．078C4---------------C5---0．569-0．621-0．297----------0．005C6----0．025-0．006-0．106---0．006-0．028--0．380---C7---0．155--0．039----------C8-0．410-0．597-0．569-0．568-0．536----------C9-0．915-0．831-0．104-0．736-0．842----------C10-0．109-0．251---0．090-0．034-0．055---0．022-----均值-0．144-0．213-0．218-0．195-0．193-0．015-0．006--0．001-0．006-0．016-0．039-0．008-0．007-0．018

我们依旧能发现“技术创新人员投入”对纯技术效率影响最为显著但总体波动不大，效率平均点在20%；“技术创新经费投入”对纯技术效率的影响居中，呈上升趋势；“非技术创新经费投入”对纯技术效率影响最低，保持在在2%左右. 通过参数灵敏度分析，能看出技术创新人员投入对大庆油田企业技术创新效率水平影响最大，非技术创新经费投入对其影响最小.依次调控决策单元和投入参数的数量，得出结论：当增加决策单元数量时，综合技术效率和纯技术效率保持不变或是降低；当增加投入参数数量时，综合技术效率和纯技术效率保持不变或是提高；同时同比例的改变单一投入参数，其他投入参数保持稳定下，效率值不发生变化.因此，决策单元数量与效率水平具有反比关系，参数数量与效率水平具有正比关系，在可比性原则下，增加决策单元数量，精确参数数量，对于提升技术创新水平有显著作用.

4 结 语

以大庆油田企业10家采油厂作为决策单元,建立技术创新效率评价指标体系，依据2011～2014年各决策单元的面板数据，运用DEA-BCC模型和Malmquist指数模型进行技术创新效率评价.研究结果表明： 1)2011～2014年大庆油田企业10家产油厂的综合技术创新效率均值为0.867，整体技术创新效率水平较高.其中4厂的综合技术创新效率值达到1，表明4厂在技术创新过程中投入、产出要素分配较合理，资源利用度较高. 2)采油厂之间的综合技术效率差异较大，出现两极分化的局面，前四厂的综合技术效率水平较高，仍需继续加强，而9厂、10厂、6厂的综合技术效率排在后三位，技术水平远远落后于其他采油厂，应合理变化投入产出的组合比例，提高技术创新效率. 3)通过Malmquist指数看出，2011～2014年，有七家采油厂的全要素生产率保持上升势头，技术进步水平提高显著，尤其是1厂、2厂和3厂，与本身注重技术提升和新技术应用有很大的关系.10家采油厂应合理调控生产规模，拓宽技术研发、引进和开发新产品的有效途径，从技术角度提高其技术创新效率. 4)对评价结果进行参数灵敏度分析，得出技术创新人员投入对大庆油田企业技术创新效率水平影响显著,而非技术创新经费投入对其影响最小，10家采油厂技术创新离不开技术的引进和研发，更离不开专业技术人员和队伍的壮大.

[1] 银 路. 企业技术创新管理[M]. 北京: 机械工业出版社, 2004.

[2] 刘远奇. 我国石油企业技术效率评价研究[D]. 大庆: 东北石油大学, 2014.

[3] 陈红梅, 宁云才. 中国省域技术创新效率评价及比较研究[J]. 经济问题探索, 2011(8): 66-70.

[4] 池仁勇, 唐根年. 基于投入与绩效评价的区域技术创新效率研究[J]. 科研管理, 2004(4): 24-27.

[5] 高 建, 董秀成. 基于元胞自动化的石油企业技术创新竞争演化研究[J]. 科技进步与决策, 2008(12): 141-143.

[6] 胡 健，周艳春.石油企业的技术创新战略及组织创新模式的选择[J]. 科技管理研究, 2009(1): 27-30.

[7] 尚甜甜. 油田企业技术创新效率评价及智能诊断[D]. 成都: 成都理工大学, 2014.

[8] 范 斐, 孙才志, 张耀光. 环渤海经济圈沿海城市海洋经济效率的实证研究[J]. 统计与决策, 2011(6): 119-123

[9] 杜红梅, 王明春. 基于投入产出分析的湖南制造业创新人才效率研究[J]. 湖南人文科技学院学报, 2015(3): 78-82.

[10]FARE R, GROSSKOPF S, NORRIS M. Productivity growth，technical progress， and efficiency changes in industrialized countries [J]. American Economic Review, 1994, 84(1): 66-83.

[11]刘海波. 基于数据包络分析的宁乡县城市土地利用效率评价研究[D]. 长沙: 中南大学, 2009.

Evaluation of Daqing oil field enterprise technology innovation efficiency based on BCC-Malmquist index model

WANG Yan-qiu, ZHANG Qing

(School of Economic Management, Northeast Petroleum University, Daqing 163318, China)

The enterprise technology innovation efficiency change analysis in Daqing oil field was evaluated through BCC model of DEA and Malmquist index model. In view of the Daqing oil field enterprise own development characteristic, the technological innovation efficiency evaluation index system was put forward. According to the data from 2011 to 2014 the enterprise technological innovation efficiency in Daqing oilfield was evaluated, and the parameter sensitivity analysis was performed based on the evaluation results to find out the main factors that influence the efficiency of enterprise technology innovation of Daqing oil field and improve efficiency of technological innovation direction. The results showed that the decision-making unit quantity was inversely proportional with the efficiency level and the number of arguments and efficiency level was under the principle of comparability. The increase of the number of decision making units and the precise number of parameters has a significant role to promote the technological innovation efficiency.

technology innovation efficiency; DEA-BCC model; Malmquist index model; Daqing oilfield

2016-08-29.

国家社科基金项目(16BJY029)

王艳秋(1977-)，女，博士，副教授，研究方向：资源经济学、生态效率、技术创新研究.

TE19

A

1672-0946(2017)03-0375-10