中国汽车企业技术创新效率及其影响因素研究以沪深上市公司为例

中国汽车企业技术创新效率及其影响因素研究

———以沪深上市公司为例

邓立治

（北京科技大学东凌经济管理学院，北京100083）

摘要：基于2008-2012年中国汽车上市企业的面板数据，应用超越对数随机前沿模型测评了28家上市企业的技术创新效率，

并基于系统视角研究了影响上市企业技术创新效率的关键因素。研究发现，样本期内中国汽车上市企业技术创新效率整体较低，研发资本存量和技术人员投入都对技术创新效率有较为显著的正影响；销售净利率对技术创新效率具有显著的正影响，资产负债率、股权结构和管理层人均报酬影响为负，且都较为显著，而总资产周转率对技术创新效率的影响未通过显著性检验。最后，提出汽车企业技术创新效率改进目标和相应对策建议，并指出研究局限性和未来研究思路。

关键词：汽车企业；技术创新；创新效率；创新管理中图分类号：F270.7

文献标识码：A

文章编号：1004-292X（2015）03-0026-06

AnalysisofTechnologicalInnovationEfficiencyofChina'sAutomobileEnterprisesanditsAffectingFactors———EvidencefromA-ShareListedCompanies

DENGLi-zhi

（DonlinksSchoolofEconomicsandManagement，UniversityofScienceandTechnologyBeijing，Beijing100083，China）Abstract：BasedonthepaneldataoftheChina'sautomobileA-Sharelistedenterprisesfrom2008to2012，thepaperempiricallyevaluatedthetechnologicalinnovationefficiencyof28enterprisesbyusingthestochasticfrontiermodelandstudiedthekeyfactorsinfluencingtechnologicalinnovationefficiencyoflistedenterprisesfromthesystematicperspective.TheresultsshowthatthetechnologicalinnovationefficiencyofChina'sautomobilelistedenterprisesinthesampleperiodislowasawhole.Theresearchcapitalstockandthetechnicalpersonnelinvestmenthavesignificantpositiveeffectontechnologicalinnovationefficiency.Thesalesnetprofitratehaspositiveeffectontechnologicalinnovationefficiency.Theassetliabilityratio，equitystructureandpercapitaremunerationofmanagementhavesignificantnegativeeffect.Theimpactoftotalassetturnoverratioonthetechnologicalinnovationefficiencyisunabletopassthesignificancetest.Finally，theimprovementobjectivesandcountermeasuresareproposedandthelimitationsandfutureresearchdirectionsarediscussedinthepaper.

Keywords：Automobileenterprises；Technologicalinnovation；Innovationefficiency；Innovationmanagement

一、引言

在全球汽车发展的同时，我国汽车产业也蒸蒸日上。近十年来我国汽车产量平均增速为26.3%。2012年全国汽车产量1927.18万辆，销量1930.万辆，连续四年双双居全球第一。数据显示，2012年全国汽车企业累计完成工业总产值5.29万亿元，占GDP的10.19%。而且由于汽车产业产业链长、关联度高、消费拉动大、就业面广的特点，已经成为我国国民经济

的支柱产业。但是，在我国汽车产业快速发展过程中存在着一些致命的问题，如在基础性研究、核心技术获取、数据积累、专利研发和所有权获取等创新研究领域还处于明显的劣势。这些劣势和问题产生的原因是由引导错位造成的。在中国汽车产业“市场换技术”的发展阶段，我国汽车产业出现了大量的合资品牌。对于合资品牌的外资股东来说，赚取利润和占有份额才是他们的首要目的，而不是为了提高中国汽车产业的技术水

收稿日期：2014-11-21

基金项目：国家自然科学基金项目（71272160）；高校基本科研业务费专项资金资助项目（FRF-BR-13-012）。作者简介：邓立治（1977-），男，江西奉新人，博士，副教授，主要从事创新管理与科技研究。

·26·

平，这一阶段国家对国有企业的考核仍然以利润指标为主，所以外资股东和国有企业的领导者在如何快速增加汽车产量，提高合资企业的净利润这一共同目标上，拥有充分的一致性。结合当时零部件配套体系落后的实际情况，我国汽车合资企业几乎将所有的资金和人力资源投入到对引进车型的国产化配套开发中，根本无暇进行自主开发，这就导致了我国汽车产业技术创新能力的“先天不足”，我国汽车产业的生产大国地位更似装配大国[1]。目前，要想改变现状，使中国汽车产业技术创新能力建设与中国汽车产业的整体发展水平相匹配，就有必要对我国汽车企业技术创新效率做出客观评价，找出存在的问题，提出相应的对策和建议，这对完善中国汽车产业创新系统和提升中国汽车企业技术创新能力具有重要意义。

技术效率是研究一个企业在等量要素投入条件下，其产出与最大产出前沿的距离和差距。而技术创新效率则更加关注创新的投入和产出，它是指在实施技术创新的过程中，所投入的技术创新要素相对于产出的技术创新要素转化比率高低，反映了技术创新活动中的资源配置效率，即创新资源投入要素对创新产出要素的贡献度。目前，针对中国汽车企业技术创新效率问题的研究文献并未见到，国内外学者主要集中对汽车业的生产和技术效率问题进行了研究。研究内容多从产业和企业两个层面展开：一是汽车产业层面效率问题研究。如时间(2003)和谭志国对中国汽车产业研究结果表明，我国汽车工业的技术效率低、规模小，远未达到规模经济状态[2]

。赵玻和王连使用C-D生产函数，得到“我国汽车产业1979-2000年间技术进步的贡献率为62.66%，远低于汽车产业发达国家90%的平均水平”的结论。Sharma Azadeh分别运用DEA方法和主成分分析(PCA)分别测评了印度、美国和日本汽车产业生产效率的变动情况[3,4]。石昶使用DEA模型对中国汽车制造行业效率进行了测评，结果表明汽车制造行业整体效率较低，各企业和地区之间的效率差异偏大[5]。二是汽车企业层面效率问题研究。如江兵和张承谦首次使用定量方法测算了我国汽车企业（江淮汽车）的技术效率。随后Cantner[6]的研究利用DEA方法分别研究了中国、德国和日本企业的技术效率变动情况。随着DEA分析方法和模型的进一步发展，出现了网络DEA模型和超效率DEA-Tobit两阶段分析方法。赵树宽和赵鹏飞以15家大型汽车企业（

集团）为样本，运用网络DEA模型讨论了技术创新、新产品制造和新产品销售过程中我国汽车技术供应链的技术效率

[1]

；叶园园利用超效率DEA-Tobit两阶段分析方法，分析和测

评了中国汽车业部分公司的技术效率与影响因素[7]

。总之，由于学者在研究视角、考察对象和指标选取方面存在的差异，研究结果也各有不同。

总体来说，现有研究还存在以下几点不足之处：第一，技术创新效率使技术效率研究地更加深入。目前，国内外学者对于汽车业研究主要针对生产和技术效率问题，并未进一步深入到技术创新效率问题。第二，现有文献研究多集中于区域和产业层面，窘于样本数据的可得性和连续性，较少学者从微观角度研究效率问题，特别是从上市公司角度研究企业的创新效率问题。第三，在影响因素研究方面，选取要素相对单一，对企业创新效率的分析也流于表面，不能全面反映影响企业创新效

中国汽车企业技术创新效率及其影响因素研究

率的根本原因。

为弥补上述研究缺陷，从微观层面探索中国汽车企业技术创新效率问题，以中国汽车业上市公司为研究对象，应用随机前沿模型对2008-2012年间的技术创新效率进行测评，探究影响汽车企业技术创新效率的根本原因，找出制约汽车企业技术创新效率的关键因素，提出技术创新效率的改进目标和方案，为找出导致我国汽车企业技术创新效率普遍低下的深层次原因做出探索性分析，也为部门制定相关提供参考依据。

二、研究方法与模型

目前国内外评价效率的研究方法较多，其基本框架是通过投入与产出函数构造一个最佳前沿，与前沿的差距表示无效率水平的高低：与前沿差别越大，效率水平越低；若在最佳前沿上，表示效率水平最高。但是，通常来说确定该前沿的方法主要有参数方法和非参数方法两类。参数方法中首推随机前沿分析(Stochastic Frontier Analysis，SFA)方法，非参数方法中最常用的是数据包络分析(Data Envelopment Analysis，DEA)方法。

与非参数方法相比较，参数方法的SFA模型可以将随机误差与非效率值分离，并用计量分析方法对前沿函数进行估算，此外，SFA方法还可以定量分析相关因素对个体效率差异的影响[8]，因此，在模型设定合理且运用面板数据的前提下，SFA方法对文章研究对象更具有比较优势。

采用Battese & Coelli[9]的模型原理，运用超越对数型生产函数和SFA方法对技术创新效率进行测算。具体模型构建如下：

lnY2

2

it=β0+β1Kit+β2Lit+β3lnKit+β4lnLit+β5lnKit*lnLit+vit-uit(1)uit=δ0+δ1DEBTit+δ2STOCKit+δ3SALEit+δ4TURNit+δ5PAYit(2)Teit=exp(-uit)(3)γ=σ2

u/(σ2

u+σ2

v)

(4)

式(1)是前沿函数，其中，Yit表示各公司的净利润；Kit代表各企业的资本投入———研发资本存量；Lit表示各公司的劳动力投入———技术人员数量；i为各公司的排列序号，i=1，2，…，N；t为年份序号，t=1，2，…，T；β0是其中的常数项，β1到β5为待估参数。v2

it∈iid并服从N(0，σv)分布，uit≥0，反映那些在第t时期仅仅影响第i个公司的随机因素，uit∈iid并服从非负的截断性正态分布，vit与uit相互。

式(2)是效率函数，其中，δ0为常数项，δ1到δ5为对应技术创新效率因素变量DEBT到PAY的待估参数，DEBT表示资产负债率，STOCK表示股权结构，SALE表示销售净利率，TURN表示总资产周转率，PAY表示管理层人均报酬（此处变量选取说明见3.4）。

式(3)是效率计算函数，表示样本中第i个公司第t时期的技术创新效率水平。如果不存在影响第i个公司的随机因素(uit=0)，则Teit=1，即处于技术创新效率状态，此时该公司的生产点位于生产前沿上；如果uit＞0，则0＜Teit＜1，此时该公司的生产点位于生产前沿下方，处于技术创新非效率状态。

·27·

2015年第3期

式(4)是判断函数，待估计参数γ=σ2

u/(σ2

u+σ2

v)，它介于0和1之间，σ2

u是技术效率差异性的方差，σ2

v是随机噪音的方差。如果γ为0且在一定的置信区间统计显著，则σ2

u可推断为0，即技术效率差异性不存在，这表明无需使用SFA技术，普通最小二乘法(OLS)即可有效处理；如果γ为1且在一定的置信区间是统计显著的，说明技术效率差异性存在，SFA能更准确地处理样本数据；γ越接近1用SFA就越合适。

三、研究样本与数据说明

文章选取2008-2012年中国汽车业上市公司的相关数据进行研究。我国沪深股市共有两大汽车板块，一是汽车整车板块，二是汽车零部件板块，前者共有20家上市公司，后者共有68家上市公司，共计88家上市公司。在这些上市公司中有7家ST公司，26家上市不满5年，27家并未披露研发支出或者在此期间统计口径发生重大变化，排除这60家公司后，共有28家上市公司符合研究样本要求，这些上市公司分别是：江铃汽车、万向钱潮、长安汽车、模塑科技、一汽轿车、中鼎股份、一汽夏利、宗申动力、中航精机、宁波华翔、万丰奥威、银轮股份、特尔佳、天润曲轴、比亚迪、东风汽车、东风科技、上汽集团、福田汽车、东安动力、曙光股份、江淮汽车、风神股份、凌云股份、金杯汽车、福耀玻璃、金龙汽车、渤海活塞。

在Battese and Coelli(1995)的模型中，K和L分别代表资本存量投入和劳动投入。但是，由于技术创新效率(Technical In-novationEfficiency，TIE)的大小代表技术创新过程是否具有效率，所以投入与产出指标都应当与技术创新活动有关联，这与一般的使用SFA对技术效率(Technical Efficiency)进行测量是不同的。

（1）资本投入变量

资本投入K一般选择R&D(Research and Development)资本存量作为技术创新活动的资本投入指标。这是因为当期的创新产出不仅依赖于当期的创新投入，也与之前的创新投入相关，这就是说过去的创新资本储备会对将来的创新产出产生影响。随着2007年新会计准则的颁布和实施，越来越多的上市公司在年报附注中披露“研发支出(R&D Expenditure)”的明细，其中包含有费用化和资本化的研发支出，但是，该指标是流量指标，即上市公司当年的研发投入，而SFA模型和超越对数生产函数模型，以及前述的理由，均要求K是研发资本存量，代表该公司从成立至今，所投入的研发支出合计。并且我国上市公司从未披露过研发资本存量K，所以需要由流量指标“研发支出”推算出研发资本存量K。

借鉴吴延兵(2008)[10]、任娟等(2011)的“永续盘存法”，Kit=(1-δ）Ki(t-1)+Eit

(5)

K代表当年末的研发资本存量，E代表每年的研发支出，δ代表研发资本存量的折旧率（假设δ=15%），i代表不同的评价对象，t代表年份。其实际意义是，某公司/地区/国家第二年末的研究资本存量，等于第一年的研究资本存量减去资本折旧后的数值，再加上第二年的研发支出。

·28·

依据Coe & Helpman(1995)的方法，假定研发资本存量K的平均增长率等于每年研发支出的平均增长率，即

(Kit-Ki(t-1))/Ki(t-1)=(Eit-Ei(t-1))/Ei(t-1)=gi

（6）

需要注意的是吴延兵(2008)中直接假定研发支出的平均增长率g=5%，而我国汽车产业近10年来发展速度非常快，如果将g假定为5%，与我国汽车产业的实际情况并不相符，所以将2008年作为研究的基期，gi为各个上市公司2009-2012年间的研发支出的平均增长率。

将式(6)带入式(5)中，并取t=1，可得：Ki0=Ei0×1+g

gi+δ(7)

于是式(7)是由基期研发支出推导出基期研发资本存量的公式。该式表明，如果能够知道基期2008年该上市公司的研发支出和该公司2009 -2012年研发支出的平均增长率，就可以计算得到该公司基期2008年的研发资本存量K0，然后再根据式(5)计算得到该公司自2009-2012年各个年份的研发资本存量。

在之前的研究中，一般认为资本投入K存在一个临界点，当K的投入低于该临界点时，K的增加会引起技术水平的降低；但是随着K超过该临界点，K的增加将对技术水平产生正向的影响。文章将进一步研究，我国汽车业的研发资本存量对产出的影响程度。

（2）劳动投入变量

以劳动投入L为例，相关研究一般选择R&D人员、R&D人员全时当量、上市公司技术人员等指标。由于我国沪深股市的年报披露制度中并不要求上市公司披露研发人员的数量R&D人员），所以文章选择技术人员作为劳动投入，预计技术人员对产出的影响是正向的。

在产出指标的选择上，能够较好代表技术创新效率的指标就是专利申请量、新产品产值和净利润。

按照我国的专利制度，专利包括发明专利、实用新型专利和外观设计专利，而专利申请量则是表示企业技术创新活动产出能力的较好指标。但是在统计28家上市公司专利申请量的过程中，个别上市公司的专利申请量极少，比如一汽轿车(000800.SZ)，在中国专利数据库中以“一汽轿车股份有限公司”为申请人的搜索结果显示，自1998年至2012年12月份，仅有97项专利申请，这与一汽轿车2008年774名技术人员、5.06个亿的研发资本存量，2012年1333名技术人员、14.78个亿的研发资本存量以及每年31.96%的研发支出平均增长率是严重不符；另外如一汽夏利(000927.SZ)，在中国专利数据库中以“天津一汽夏利汽车股份有限公司”为申请人的搜索结果显示，自1998年至2012年12月份，仅有104项专利申请，这也与一汽夏利2008年777名技术人员、1.95个亿的研发资本存量，2012年0名技术人员、3.76个亿的研发资本存量以及每年28.76%的研发支出平均增长率严重不相符。

因此，专利申请量不适合作为评价上市公司技术创新效率的产出指标。而汽车产业上市公司均未在年度报告，或者其他定期报告中披露新产品的产值，所以，次优做法是借鉴李强

（(2010)提出的以净利润作为产出指标。尽管净利润在表征技术创新产出成果方面有诸多不足，但是，考虑到SFA模型的单产出特性，和上市公司年度报告的特点，净利润也基本能够反映出汽车产业技术创新的效率水平。

依据汽车企业技术创新特点选取效率函数的变量是资产负债率、股权结构、销售净利率、总资产周转率和管理层人均报酬五个。各变量字符及其定义如下：

资产负债率(DEBT)：年末总负债与总资产的比率，是衡量企业利用债权人资金进行经营活动能力的指标，是评价企业经营效率的重要指标。关于资产负债率对技术创新效率的影响，学术界并无统一的意见。有学者认为，高资产负债率意味着沉重的偿债压力，会阻碍企业的正常运营，从而对企业的技术创新效率起到抑制作用；但也有学者认为，高资产负债率在给企业造成压力的同时，也可以转为动力，有利于促进企业技术创新效率的提升。顾群和翟淑萍(2012)将资产负债率作为企业融资约束的指标之一，即资产负债率越高，融资约束越高，并指出融资约束的上升会促进我国高技术企业的技术创新效率；而任娟和陈圻(2011)认为资产负债率较高的公司，会倾向于早日减少负债，同时减少创新活动，以获得较低的资产负债率，保证轻资产运行。

前十大股东持股比例(STOCK)：在之前的研究中，学者就不同指标针对股权结构对企业技术创新效率的影响进行了研究。从定义来讲，股权结构是指在公司总股本中，不同性质的股份所占比例及其相互关系，是公司治理结构的基础，决定了企业的行为和绩效。详细来讲，当控股股东足够有责任的委派、监督管理层在一定程度上参与上市公司的经营管理，将会促进上市公司的技术创新活动，提高新产品的生产速度；当控股股东与中小股东的利益不一致，甚至产生冲突时，控股股东可能会因为“道德风险”而罔顾企业的日常经营，特别是技术创新活动等。文章所指的股权结构就是股权集中度，即前十大股东持股比例。时锐(2008)认为股权集中度对造纸类上市公司的技术创新效率存在明显影响。

销售净利率(SALE)：净利润与营业收入的比值成为销售净利率。一般来讲，当企业的销售净利率提高时，代表该企业每1元的营业收入中，净利润所占比例更大，于是企业可以进行更多的研发支出，增加研发资本存量，并进一步提高技术创新效率。所以，销售净利率对技术创新效率的影响一般为正。

总资产周转率(TURN)：企业在一年内营业收入净额同平均资产总额的比率，反映了企业全部资产的管理质量和利用效率。目前关于总资产周转率对技术创新效率影响的研究文献仍然较少，仅有王志仁等(2009)以总资产周转率为投入指标，采用DEA评价广西上市企业的技术创新效率。文章试图分析总资产负债率作为效率变量时，对技术创新效率的影响程度。

管理层人均报酬(PAY)：其定义为年度报告期内，公司董事除董事外）、监事、高级管理人员从公司获得报酬（包括基本工资、各项奖金、福利、住房津贴及其他津贴）的平均值。我国在从计划经济转向市场经济的过程中，收入分配制度发生了巨大变化，现在的企业管理层可以拥有丰厚的薪水，以

中国汽车企业技术创新效率及其影响因素研究

激励其履行经营责任、加速技术创新，所以一般来讲管理层人均报酬对企业的技术创新效率具有正向促进作用。文章将继续探究管理层人均报酬对汽车业技术创新效率有何影响。

现运用STATA10.0软件对效率影响因素变量进行相关分析，结果如表1所示。由表1可知，经分析变量中的相关系数后发现，各变量间的相关系数均比较小，资产周转率与销售净利率的相关系数为-0.262，为各相关系数中最大者，属于可以容忍的线性相关，所以效率函数的变量选取较为合理。

变量DEBTSTOCKSALETURNPAYDEBT1.000-0.175-0.0610.1620.155STOCK—1.0000.1880.0230.208SALE——1.000-0.262-0.024TURN———1.0000.250PAY————1.000现将2008-2012年中国28家汽车产业上市公司有关变量的描述性统计列表如表2所示。为保证SFA模型的正常运行，在所选取的样本企业中，净利润存在部分负值，文章将各上市公司每年的净利润加上所有净利润值中最小值的绝对值再加上1，由此得到下表中的产出变量Y值。

变量最小值最大值均值标准差Y(万元)1.003136270.231610.42320795.97K(万元)2726.851563702.11106212.442259.65L(人)501679714352635.67DEBT(%)21.7796.95.2415.STOCK(%)24.56100.0060.7714.86SALE(%)-8.8821.016.435.12TURN(次)0.423.931.150.57PAY(万元)4.24206.3336.6234.36四、实证检验与结果分析

在效率函数中，资产负债率(DEBT)、前十大股东持股比例(STOCK)、销售净利率(SALE)是比较重要的变量，在文章中率先引入，然后依次增加总资产周转率(TURN)和管理层人均报酬(PAY)等变量。

从变量系数的正负号来讲，随着总资产周转率(TURN)和管理层人均报酬(PAY)的加入，绝大部分变量系数的正负号均保持不变，但LN(L)和LN(K)*LN(L)的系数正负号有所变化。以LN(L)为例，效率变量为3个和4个时，系数值均为正数；但是当引入第5个效率变量管理层人均报酬(PAY)时，其系数变为负值，且逐渐不显著。

从t值的显著性水平来讲，前沿函数中的变量LN(L)随着效率变量的增加而产生变化，在4个及5个效率变量的情况下变

·29·

（ 2015年第3期

变量参数模型1模型2模型3前沿函数部分CONSβ020.3***20.514***20.1***LN(K)β1-2.202***-2.151***-1.984***LN(L)β20.370**0.228-0.205LN2(K)β30.115***0.109***0.091***LN2(L)β4-0.037-0.032-0.021LN(K)*LN(L)β50.0170.027-0.059效率函数部分CONSδ0-20.424***-20.985***-21.084**DEBTδ10.090*0.094*0.082*STOCKδ20.161***0.162***0.1***SALEδ3-0.431***-0.433***-0.496***TURNδ4—0.1460.409PAYδ5——0.031***LLF-56.3***-56.4***-53.9***统计项γ0.997***0.998***0.999***LR304.7***305.7***309.58***注：*，**，***分别表示在10%，5%，1%水平下显著。LLF是Log Likelihood Function的缩写，即似然比检验值。LR为似然比检验统计量，各方程都符合混合卡方分布。方差比γ指误差项方差中技术无效率方差所占比重。数据来源于模型结果，经整理得到。

为不显著。效率函数中的资产负债率(DEBT)在10%的水平下保持显著；前十大股东持股比例(STOCK)、销售净利率(SALE)和管理层人均报酬(PAY)一直在1%的水平下保持显著；总资产周转率(TURN)则一直保持不显著。总体上这5个效率变量的选择是合理的，具备一定的说服力。

以下是引入5个变量时利用FRONTIER4.1得到的结果：一是由似然比检验值(Log Likelihood Function)为-53.9可以得知，设定模型中的相关参数在1%的显著性水平下通过了检验，说明模型中的误差项有明显的复合结构，而γ在l%的显著性水平下通过了显著性检验，其值为0.999，说明在随机扰动项中有99.9%来自技术非有效的影响，来源于统计误差等外部的影响因素极低，较高的值通过极大似然检验说明模型选择合适。相应的，LR值为309.58，也在l%水平下显著，表明用SFA模型对生产函数进行拟合是合适的，技术创新效率是影响各汽车产业上市公司产出的显著因素。

二是β1= -1.984，β2= -0.205，前者在1%的显著性水平下通过检验，而后者则在10%的显著性水平下也没有通过检验，说明汽车产业上市公司中研发资本存量对产出的影响较为显著，而技术人员数量的影响则并不显著。但在3个效率变量的情况下，β2的系数为正号，且在5%的显著性水平下通过检验，这与之前的预计相同，技术人员的增加，将会促进汽车产业技术创新活动的产出。针对β1为负值的情况，文章认为这与我国汽车产业多年来“市场换技术”的发展模式紧密相关。首先，这代表我国汽车产业研发资本存量K的对数值每提升一个百分点，企业的净利润会降低1.984%；而对数函数在其定义域区间内恒为增函数，所以β1为负值代表研发资本存量K的增加会降低我国汽车产业的净利润。其次，为何说这与我国汽车产业多年来的“市场换技术”的发展模式有关呢？这是因为改革开放

·30·

后，我国汽车产业大量引进外资，合资办厂，不注重自己的技

术储备和研发投入，企图以庞大的市场容量换取外资企业的技术投入。这直接导致了现今我国汽车产业不论合资或者内资企业的研发资本存量严重不足，远未达到随研发资本存量的增加，汽车产业净利润同样增加的先进地步。另外，由于现今汽车产业研发资本存量的增加，反而引起净利润的减少，这种“蝗虫效应”会使得“理性”的汽车厂商继续选择与外资厂商合资，减少研发支出，并将节省的研发支出用在诸如广告支出、展览费用支出等方面，明显的，这将会形成一个恶性循环，由此导致的结果就是，我国汽车产业的技术创新能力也将越来越差。

三是δ1=0.082且在10%的显著性水平下通过检验，说明资产负债率每上升一个百分点，技术效率将降低0.08%，资产负债率对汽车产业技术创新效率的影响是阻碍。较高的资产负债率加大了企业的融资风险，也制约了企业进一步的投资意愿，特别是花费较高的研发类活动，所以资产负债率对汽车产业技术创新效率的影响，这与任娟和陈圻(2011)的观点相一致。

四是δ2=0.1且在1%的水平下通过检验，前十大股东持股比例每上升一个百分点，企业技术创新效率将降低0.15%，且影响较为显著。前十大股东持股比例越高，则企业的技术创新效率越低。尽管随着股权的集中，管理层更易于对公司的整体战略和具体策略进行把控，但是“一言堂”的管理方式，也可能对企业的运营，特别是类似于技术创新等专业性非常强的活动，产生不利影响。在当今我国的汽车产业中，似乎前十大股东的持股比例越低越好，有利于其他大股东真正为企业的利益着想，主动参与技术创新活动。

五是δ3= -0.496且在1%的显著性水平下通过检验，说明销售净利率对汽车产业的技术创新效率具有较强影响。当销售净利率提高一个百分点时，技术创新效率将提升0.49%。销售净利率是盈利能力的重要指标之一，其对我国汽车产业技术创新效率的影响为正，且十分显著。这表明盈利能力增强的企业倾向于投入更多的研发支出和技术人员，以获取更大的净利润。

六是δ4=0.409且没有通过显著性检验，说明汽车产业的总资产周转率与技术创新效率不存在明显的相关关系。

七是δ5=0.031且在1%的水平下通过检验，说明管理层人均报酬每增加一个百分点时，则技术创新效率将降低0.03%，管理层人均报酬的提升对零售企业技术效率有负向较为显著影响的作用。

将各上市公司2008-2012年引入5个效率变量时的技术创新效率值可知：

我国汽车企业技术创新效率整体较低，技术创新效率平均值一直保持在0.6～0.8之间，与效率前沿面仍有较大距离。2008-2012年，技术创新效率一直保持增长的公司仅有特尔佳002213.SZ，广东），意味着在这5年中，该公司的4次年度增长率均为正数；年度增长率3次为正的则有3家，分别是模塑科技（000700.SZ，江苏）、中鼎股份（000887.SZ，安徽）和天润曲轴（002283.SZ，山东）；年度增长率2次为正数的有14家。若定义年度增长率2次以上（包含2次）为良好，则超过半数的汽车产业上市公司在技术创新效率的年度增长率方面保持良

（好；若定义年度增长率3次以上（包含3次）为优秀，则仅有4家上市公司满足优秀的标准，占28家样本公司的1/7。

其中最大值是2010年的福耀玻璃（600660.SH，福建）的0.9741。值得一提的是，该公司共有4年的效率值超过了0.9，并且2008年、2011年、2012年的效率值均为当年最高。最小值出现在2009年的上汽集团（600104.SH，上海），几乎为零，主要原因是2008-2009年的雪灾引起汽车发运受阻和国际金融危机引起的汽车销量减少，导致2009年净利润为负值。另外值得一提的是，比亚迪（002594.SZ，广东）在2011年、2012年的技术创新效率值均为当年最低者，这似乎与其新能源汽车厂商的身份有所不符。同时根据2008-2009年的效率值变化情况可以发现，21家上市公司的技术创新效率发生了不同程度上的减少，占比3/4。这是因为前沿函数以净利润作为产出指标，而2008年金融危机对我国的汽车整车制造业和零配件制造业造成了极大影响，28家公司中有20家的净利润同比减少。在以后的研究中，如何消除类似于金融危机的突发事件对技术创新效率值的影响，应当是一个重要方向。

五、结论与启示

文章以我国汽车产业上市公司为样本源，选取了28家汽车产业上市公司，利用随机前沿模型实证测评了中国汽车企业技术创新效率，并考察了影响技术创新效率的关键因素。研究表明：样本期间，我国汽车企业技术创新效率整体较低，技术创新效率平均值一直保持在0.6～0.8之间，与效率前沿面仍有较大距离；从前沿函数讲，研发资本存量对净利润有着负向影响且较为显著；技术人员数量有正向影响也较为显著。从效率函数来讲，销售净利率对技术创新效率的影响为正且十分显著；资产负债率、前十大股东持股比例和管理层人均报酬影响为负，资产周转率的影响不能确定。

基于以上结论，为切实提升中国汽车企业技术创新效率，从多个层面提出如下对策建议：

（1）通过、企业和研究机构共同建立产业联盟，共同参与产业创新研发，这对于发展我国汽车产业的技术创新具有重要的意义。目前我国汽车产业的技术创新能力较弱，仍然存在随研发资本存量的增加，技术创新产出降低的情况。由于汽车产业核心技术研发风险较大，并需要较多的资本投入和技术人员投入，所以一般的企业和科研院所并不具备和不愿意进行技术创新。在中外汽车企业竞争愈演愈烈、能源日益紧张的情形下，出于保护我国汽车产业和适当控制“看得见的手”的考虑，不应由而是全国性的汽车产业联合组织（比如中国汽车工业协会等），通过整合、企业和研究机构的力量，实现资源配置的优化，这一举措应当成为提高我国产业技术创新能力的重要力量。

（2）争取提高盈利能力和降低负债水平，是增强我国汽车企业技术创新能力的有效途径。较高的盈利能力可以提供充分的现金流，较低的负债水平意味着较小的融资约束，这些都使得研发支出的增加成为可能，从而增加汽车产业的盈利能力，构成一个良性的“正向循环”。目前，融资约束是困扰我国汽车企业发展的重大问题，应当推动大企业的战略重组，形成大型汽车龙头企业；并由和行业协会牵头成立汽车企业发展

中国汽车企业技术创新效率及其影响因素研究

基金，为企业的技术创新提供资金支持。

（3）汽车企业技术创新效率的提升离不开人才的保障。汽车产业是融合信息技术、计算机技术、通信技术和半导体技术等专业技术的行业，为建设具有规模的汽车专用人才队伍，应该加大人才培养，同时努力形成吸引人才的有效机制，如创造良好的就业环境、落实优惠、鼓励和吸引海外汽车电子领域专业人才回国就业和创业等。在人才培养方面，应当强化信息技术、计算机技术、人体工程学技术的培养，同时突出汽车产业技术应用的显著特点，落实高技术的应用，特别是建设并完善“两高”人才队伍的培养：高级工程技术人才和高级技术工人。高级技术工人从基础层面保证汽车高技术产品的规模化生产制造，高级工程技术人才则可保证汽车产品及技术的先进性、创新性，两类人才相辅相成，共同促进汽车产业的技术创新效率提升。

此外，受样本和篇幅的影响，该研究还存在一定的局限性。如因受限于SFA模型的“最少5年数据”和年报信息披露不完全，仅选择了28家上市公司，从比例上看，仍然只占汽车产业上市公司的32%，若想得到更为精确的实证研究结果，在下一步的研究中还可以扩大样本数量。在前沿函数的产出变量方面，还可尝试选取新产品销量、专利申请量、专利质量指标等进行多重测算。

【参考文献】

[1] 赵树宽，赵鹏飞．中国汽车业技术供应链技术效率评价研究[J].中国

软科学.2012(10)：172-179

[2] 时间. 数据包络分析在我国汽车工业经济规模研究中的应用[J].汽车工业研究，2003，(2)：28-32.

[3] Sharma. S．A Study on Productivity Performance of Indian Automobile In-dustry:GrowthAccountingAnalysis

[Z].ConferenceProductivity，Hosted

bytheEffidencyandProductivityAnalysisSchoolofEconomics.UniversityofQueenslandBrisbane，Australia，2004(7)：102-117.

[4] Azadeh，A.，Ghaderi，S.F.，Vazifeh A. Integrated assessment of auto industr-stries by principal component analysis [J].International Journal of Industrial andSystemsEngineering，2007，2(3): 348-362.

[5] 石昶，刘瑞利. 中国汽车制造业效率的经验研究[J].汽车工业研究，2008(10)：2-4.

[6] Cantner，U.，Krüger，J.J.，S llner，R. Product Quality，Product Price，and Sha-re Dynamics in the German Compact Car Market [J].Jena Economic Re-searchPapers，2010(24)：25-48.

[7] 叶园园. 中国汽车业上市公司技术效率与影响因素研究[J].山会科学，2013(2)：165-169.

[8] 白俊红，江可申，李靖. 应用随机前沿模型评测中国区域研发创新效率[J].管理世界，2009(10)：51-61.

[9] Battese E，Coelli T. A model for technical inefficiency effects in a stochastic frontierproductionfunctionforpaneldata[J].EmpiricalEconomics，1995

(2)：325-332.

[10] 吴延兵. 中国地区工业知识生产效率测算[J].财经研究，2008(10).[11] Coe，D.，Heloman，E. International R&D Spillovers [J].European Economic

Review，1995，39(5)：859-887.

（责任编辑：FZF）

·31·