近年来,科学技术的进步和发展成为经济发展、产业升级的重要动力,世界进入了科技创新密集的时代,发展科技、推进技术进步成为发展的重点,着力发展新兴产业成为全球经济发展的首要任务。中国国务院相继发布了《国务院关于加快培育和发展战略性新兴产业的决定》(2010)及《“十三五”国家战略性新兴产业发展规划》(2016),强调战略性新兴产业在经济发展中的重要意义。作为我国战略性新兴产业分类之一的高端装备制造业,是根据我国国情而提出的符合发展需求的新兴概念[1],发展高端装备制造企业被认为是与提高我国综合实力、技术发展水平以及工业基础相关的重要任务。作为近年来提出的新概念,关于高端装备制造企业的相关研究还处于起步阶段[2]。黄磊[3]分区域阐述了我国高端装备制造业的发展情况;贺正楚等[4]以5家高端装备制造企业为研究对象,从多方面对其企业发展模式的变革趋势进行探索;罗福凯等[5]从要素资本的角度出发,测算了高端装备制造企业各要素资本对企业的贡献程度。从以上文献可看出,对于整个高端装备制造行业而言,现有研究大多为基于理论层面的分析,实证方面与效率和绩效相关的研究较少。
在效率与绩效研究方面,关于效率的研究大多基于企业制度、技术创新、环境规制,以及行业差异等视角研究其对企业运营效率、环境效率、研发效率及创新效率等方面的影响效果[6-12]。在绩效研究方面,Mørck等[13]、Lehman[14]、Narayan等[15]对企业制度与产业环境、所有权安排及公司治理、管理层激励、资本结构、企业创新等诸多方面与企业绩效的关系进行了深入的研究。然而,企业效率与绩效关系的研究相对较少。一些学者认为企业效率的提高必然会促进企业绩效的增长。还有观点认为,绩效与效率都是衡量企业经营程度好坏的指标,且在一定程度上可以等同。例如,吴晓晖等[16]在研究机构投资者对独立董事治理效率影响效果时,将企业总资产收益率这一绩效指标作为表征企业实际治理效率的变量。然而,Yoshio[17]在对中国国有企业的研究中发现,国有企业的财务绩效与生产效率之间存在背离,过高的管理成本和融资成本导致企业在效率提高的情况下出现绩效的恶化,这种现象被称为“效率悖论”。可见,效率与绩效的关系并非是确定的。
由以上分析可知,现阶段与我国高端装备制造企业有关的研究较少,且大多基于理论层面,针对企业绩效或效率展开,很少针对效率与绩效关系来进行研究。目前,尚未见有关于高端装备制造企业效率与绩效关系的研究。因此,本文重点研究高端装备制造企业的效率水平及其动态变化情况,考察其效率对绩效的具体影响效果。
1 研究方法、变量及数据说明 1.1 研究方法——DEA-Malmquist指数1) 数据包络法(DEA)。
国内外研究中大多采用随机前沿分析法(SFA)或数据包络法(DEA)对企业效率进行测度。Banker等[18]的仿真结果发现,数据包络法较参数估计方法的效果好。同时,DEA能有效避免主观因素的影响,所选指标无需进行标准化处理,在减少误差、简化算法等方面也有着独特的优越性。鉴于数据包络法的独特优势,本文采用该方法来分析高端装备制造企业的效率水平。
2) 基于DEA的Malmquist指数法。
Caves等[19]首先运用Malmquist指数对生产效率变化进行测算。随后,Malmquist指数被不断修正,最后确立为Malmquist指数模型[20]。该模型不但可以对比不同决策单元的效率差距,还可分析效率的动态变化,该指数模型进一步分解得到技术变动、纯效率变动及规模效率变动,便于分析效率的动态变化情况。因此,本文采用该方法探究高端装备制造企业效率的动态变化情况。
1.2 变量及指标选择 1.2.1 效率测度指标选择企业总资产和职工人数是国内外学者都基本认同的效率测算的双投入变量[21]。本文沿用这2个指标作为投入变量,选用营业收入作为产出变量。
1) 投入指标——总资产。总资产是衡量公司经济规模的主要指标,为公司的经营发展提供了相应的物质基础。企业通过总资产来实现盈利,公司对总资产的配置是否合理将直接影响企业的经营和发展。
2) 投入指标——职工人数。职工人数是从人力资源角度来反映企业对人力资本的投入程度。人力资本作为影响企业经营和发展的又一要素,是企业保证经营效率的劳动力基础。
3) 产出变量——营业收入。相对于投入变量的选择而言,产出变量选择空间要大一些,现有很多研究都倾向于选择营业收入作为产出指标[2],因为该指标是企业经营管理所获得的收入,反映企业的收入水平,同时,该指标不易为负。本文将这一指标作为产出变量。
1.2.2 效率与绩效关系研究指标选择本文基于DEA模型及Malmquist指数模型对高端装备制造企业的效率情况进行分析,随后以上述方法所得的纯技术效率值(PTE)、规模效率值(SE)及技术变动(Tech)为解释变量研究其对企业绩效的影响效果,各指标如表1所示。
1) 被解释变量——资产收益率。在企业的绩效指标的选取方面,本文主要根据杜邦财务分析体系,认为净资产收益率可以分解为资产收益率与权益乘数的乘积,资产收益率作为衡量绩效的首要指标,通常用来判别一个企业的经营的好坏。所以本文选择了能够反映企业总资产盈利能力的资产收益率(ROA)作为代表企业绩效的指标。
2) 控制变量。
(1) 外部因素——政府支持。政府资金的支持可以直接增加企业资本,体现政府对整个企业的扶持力度。一般认为,政府对企业的扶持将直接增加企业资本存量,对企业绩效有着正向积极的促进作用。因此,本文选择政府补助在总资产中所占的比例来衡量这一因素对绩效的影响,用GOV表示。
(2) 内部因素。
①财务杠杆。Jensen在1986年提出的自由现金流量假说中认为,财务杠杆对企业是有价值的。一些实证研究表明,拥有无形资产(如企业品牌价值,顾客忠诚度等)较多的企业越倾向于选择较小的财务杠杆,因此,财务杠杆可以用以替代企业所拥有的一些无形资产。本文选用企业资产负债率来代表财务杠杆作用,用LEV表示。
②受教育程度。本文将企业员工中本科及以上学历的员工占企业职工人数的比例作为衡量劳动者受教育程度的主要指标。在人力资本日愈重要的今天,整个社会越来越注重对人才的培养,高学历也逐渐成为进入很多大企业的敲门砖。一般认为,拥有较高学历的劳动者有利于企业经营,提高企业绩效,用HUM来表示。
③产权性质。Frye及Shleifer等学者认为,在理论文献中,国有股权对企业的作用主要有“掠夺之手”和“帮助之手”两种不同的观点。本文引入DUM虚拟变量来表示企业控股股东的产权性质,当其控股股东是国有法人时,取1值,否则取0。
④企业规模。企业规模是企业生产和经营活动的载体,较大的企业规模有助于企业形成规模优势,增强企业在行业中的竞争力,同时,还可以提高行业进入壁垒。本文选择企业总资产来代表企业规模,用SIZ表示。
1.3 数据来源本文以国家统计局公布的《战略性新兴产业分类(2012)》(试行)标准中对高端装备制造行业的分类为依据,根据企业的主营业务情况,对上海证券交易所上市的所有企业进行筛选,一共筛选出83家高端装备制造企业。本文确定研究时间为2008~2016年共9年,以企业年报为标准,手动摘录所需数据。随后,对所选企业进行以下调整:1) 除去ST类公司,ST公司的财务数据存在异常,将使研究结果产生偏误;2) 除去净资产为负的企业,这类公司资不抵债,不具备可比性;3) 除去数据不全的企业。最终,本文获得57家上市高端装备制造企业为研究样本,2008~2016年累计513个有效观测值。
2 高端装备制造企业效率分析 2.1 DEA模型分析本文采用以产出为导向的CCR模型及BCC模型对企业技术效率、纯技术效率以及规模效率进行测量,结果见表2。
就整体效率状况来看,9年的平均技术效率值为0.568,平均纯技术效率值为0.660,平均规模效率值为0.882,整个高端装备制造企业效率水平不高。纵向来看,9年间,纯技术效率以及技术效率变化不大,处于中度DEA无效状态。从规模效率方面来看,样本企业的平均规模效率为0.882,存在资源投入的不足或冗余。
基于产出角度的Malmquist指数模型对高端装备制造企业2008~2016年间的效率变动情况进行分析,结果见表3。
2008~2016年,Malmquist指数总体均值小于1,4个分解指标仅有规模效率变动大于1,纯技术效率变动小于1,技术变动最小,为0.976。就技术变动情况来看,2008~2011年,技术变动率围绕1值波动,2011~2015年,技术变动呈逐年上升趋势,且在2012~2015年都大于1。究其原因,发展战略性新兴产业成为“十二五”规划的重要议题,政府积极投入到发展创新资本、推动知识密集型产业的建设当中,导致整个行业技术变动水平不断提高。虽然2015~2016年的技术变动率小于1,但政府在“十三五”期间提出《中国制造2025》规划,紧紧围绕“从工业大国到工业强国的转型”的主题,政府对发展科技的重视以及对战略性新兴企业的扶持,为我国高端装备制造业发展创造了巨大机遇。
3 效率与绩效关系分析本文实证研究的第二阶段重点考察高端装备制造企业效率对绩效的影响效果。本文的企业效率指标为上述BCC模型测算出的企业纯技术效率(PTE)、企业规模效率(SE)及Malmquist指数模型所得的技术变动值(Tech),并使用用以判别一个企业经营好坏的资产收益率(ROA)作为绩效指标。理论上, 认为企业效率及技术变动的结果都会促进企业绩效的增长。本文考虑企业外部及内部影响因素,引入政府支持(GOV)、财务杠杆(LEV)、受教育程度(HUM)、产权性质(DUM)及企业规模(SIZ)作为控制变量构建模型。
在对面板数据模型进行选择时,本文选择了Hausman-Taylor估计方法[22]来评价各变量对绩效的影响效果。Hausman-Taylor模型采用IV-GMM进行估计,相对固定效应模型和随机效应模型而言,其优点在于既可以分析随时间改变的因素,又可以分析不随时间改变的因素,同时消除内生性的影响。该模型为
$ \begin{split} &\qquad {y_{it}}=b_{1 k} \cdot \left[X_{1_{itk}}\right]+{b_{2m}} \cdot\left[{X_{2_{itm}}}\right]+b_{3 p} \cdot\left[{Z_{1_{itp}}}\right]+\\ & {b_{4q}} \cdot\left[{Z_{2_{itq}}}\right]+{\lambda_{i}}+{u_{it}} ,\; i=1, \cdots, n{\text{。}} \end{split} $ | (1) |
其中,yit表示第t个时间点上第i个截面的被解释变量;n为样本容量;
本文认为财务杠杆(LEV)、受教育程度(HUM)、企业规模(SIZ)、规模效率(SE)及纯技术效率(PTE)可由系统内部因素所决定,为随时间改变的内生性变量;技术变动(Tech)、政府支持(GOV)受外部因素影响,作为随时间改变的外生性变量;产权性质(DUM)为不随时间改变的外生性变量;无不随时间改变的内生性变量。最终的Hausman-Taylor模型为
$ \begin{split} &\qquad{\rm{RO}}{{\rm{A}}_{it}} = {b_{11}} \cdot {\rm{Tec}}{{\rm{h}}_{it}} + {b_{12}} \cdot {\rm{GO}}{{\rm{V}}_{it}} + {b_{21}} \cdot {\rm{PT}}{{\rm{E}}_{it}} +\\ & {b_{22}} \cdot {\rm{S}}{{\rm{E}}_{it}} + {b_{23}} \cdot {\rm{LE}}{{\rm{V}}_{it}} + {b_{24}} \cdot {\rm{HU}}{{\rm{M}}_{it}}+{b_{25}} \cdot {\rm{SI}}{{\rm{Z}}_{it}} + \\ &{b_{31}} \cdot {\rm{DU}}{{\rm{M}}_{it}} + {\lambda _i} + {u_{it}},\;\;\;\;\;\;i = 1, \cdots ,57{\text{。}} \end{split} $ | (2) |
将数据代入固定效应模型、随机效应模型及Hausman-Taylor模型中,得到3种模型的对比分析结果,见表4。进一步对Hausman-Taylor模型进行xtoverid检验得P-value = 0.351 2,说明不存在工具变量过度识别问题,整个模型设定是合理的。固定效应模型、随机效应模型及Hausman-Taylor模型的估计结果存在差异,Hausman-Taylor模型确实起到了模型修正的作用。
1) 自变量。
就自变量情况来看,纯技术效率(PTE)、规模效率(TE)通过了显著性检验,技术变动(Tech)未通过显著性检验。
纯技术效率(PTE)对企业绩效有着显著的正向作用,与预期相符,企业纯技术效率的提高带来绩效上的改进,企业经营管理水平的提高、资源配置的优化对企业绩效的改善有着显著的促进作用。
规模效率(SE)对企业绩效有着显著的正向影响,说明企业的资源投入利用效率的提高将显著改善企业盈利水平。企业资源利用效率的提高将减少资源浪费,降低企业生产成本,提高财务绩效。
技术变动(Tech)对企业绩效有着不显著的正向作用,与预期不同,技术变动并不能为企业绩效的提高带来显著影响。可能原因是,相对于发达国家而言,我国的创新能力还不强,高端装备制造业作为知识技术密集的产业,整个行业推进技术进步的主要方式是从国外引进先进技术。相关数据显示,截至2012年底,我国仅从德国引进技术花费就高达606.7亿美元,由此可见,技术引进促进了行业技术水平的发展,同时也伴随着巨额的成本投入。
2) 控制变量。
政府支持GOV。政府支持对于企业绩效有着显著的正向影响。也就是说,政府支持对于企业提高经营效益有着十分重要的外部推动作用,高端装备制造业的发展离不开政府的扶持,这与整个行业的特征有一定的关系。
财务杠杆LEV。财务杠杆对企业绩效有着十分显著的负向作用。这说明,对整个高端装备制造行业而言,过高的负债率会导致企业盈利水平的下降。也就是说,企业具有较高的盈利水平时会倾向于选择较小的财务杠杆,这与Habib等[23]的研究结论相似。
劳动者受教育程度HUM。从上述分析结果可以看出,受教育程度这一指标对企业绩效有着显著的负向影响,与预期相悖。高学历员工在总员工中的占比对企业绩效具有消极作用,该结论与任继球[24]的研究结论相似。究其原因,高学历人才高昂的劳动力价格在一定程度上提高了企业生产成本;同时,高学历人才发挥作用需要一定的环境条件,日益增多的高学历人才进入高端装备制造企业,人才的冗余导致企业内部协调出现问题,为企业盈利带来阻力。
产权性质DUM。产权性质这一指标对绩效有着不显著的影响。即企业是国有性质与否并不会对企业绩效产生显著影响。
企业规模SIZ。本文实证结果显示,企业规模这一指标通过了显著性检验,对绩效有着显著的负向作用,这从侧面证实了较大的企业规模并不能带来较高的收益,反而会导致管理问题的频发。因此,盲目采用扩大规模取得规模优势的方式来促进利润增长是不可行的,企业提高绩效应将关注点放在提高企业管理水平,优化企业资源配置上,而非追求更大化的企业规模。
4 结论本文以沪市高端装备制造企业2008~2016年的数据为研究样本,对其效率水平及其动态变化情况进行了研究,同时对其效率与绩效之间的关系进行了实证分析。
首先,基于DEA模型对企业效率进行了分析,发现高端装备制造企业技术效率值不高,两极分化严重,规模效率值相对较高,高端装备制造企业效率不高主要受纯技术效率过低的制约。
随后,运用Malmquist指数对高端装备制造企业效率的动态变化情况进行了分析。结果表明,规模效率变动水平较高、纯技术效率变动较低是导致技术效率变动较低的主要原因,技术变动是促进Malmquist指数提升的关键。
最后,引入政府支持、财务杠杆、受教育程度、产权性质及企业规模作为控制变量探究高端装备制造企业效率对绩效的影响效果,证实了技术效率、规模效率与企业绩效存在显著的正向影响,但未能证实技术变动对绩效具有显著影响。
[1] |
王丽敏. 装备制造业与我国经济发展的灰色关联分析[J].
华东经济管理, 2009, 23(1): 40-43.
WANG Limin. Grey incidence analysis between equipment manufacturing industry and economy development in China[J]. East China Economic Management, 2009, 23(1): 40-43. DOI: 10.3969/j.issn.1007-5097.2009.01.009. |
[2] |
姚晓芳, 胡斯文. 安徽高端装备制造上市企业经营效率研究——基于DEA模型[J].
华东经济管理, 2014, 28(5): 18-21.
YAO Xiaofang, HU Siwen. A research on the operational efficiency of high-end equipment manufacturing listed companies in Anhui province—based on the DEA method[J]. East China Economic Management, 2014, 28(5): 18-21. DOI: 10.3969/j.issn.1007-5097.2014.05.004. |
[3] |
黄磊. 中国高端装备制造业发展浅谈[J].
新材料产业, 2012(2): 77-80.
DOI: 10.3969/j.issn.1008-892X.2012.02.018. |
[4] |
贺正楚, 潘红玉, 寻舸, 等. 高端装备制造企业发展模式变革趋势研究[J].
管理世界, 2013(10): 178-179.
|
[5] |
罗福凯, 于江, 陈肖丹. 高端装备制造上市企业技术资本测度及收益分析[J].
经济管理, 2013, 35(11): 59-70.
LUO Fukai, YU Jiang, CHEN Xiaodan. The measurement of the technology capital and the analysis of the profitability for the high-end equipment manufacturing enterprises— financial data from the high-end equipment manufacturing[J]. Economic Management, 2013, 35(11): 59-70. DOI: 10.3969/j.issn.1000-596X.2013.11.006. |
[6] |
雷海民, 梁巧转, 李家军. 公司政治治理影响企业的运营效率吗——基于中国上市公司的非参数检验[J].
中国工业经济, 2012(9): 109-121.
LEI Haimin, LIANG Qiaozhuan, LI Jiajun. Does the firm’s political governance affect its operational performance——a non-parametric test based on Chinese listed companies[J]. China Industrial Economics, 2012(9): 109-121. |
[7] |
王兵, 於露瑾, 杨雨石. 碳排放约束下中国工业行业能源效率的测度与分解[J].
金融研究, 2013(10): 128-141.
WANG Bing, YU Lujin, YANG Yushi. Measuring and decomposing energy productivity of China’s industries under carbon emission constraints[J]. Journal of Financial Research, 2013(10): 128-141. |
[8] |
吉生保, 王晓珍. 外资研发嵌入与国企研发效率——价值链视角的高技术产业为例[J].
国际贸易问题, 2016(1): 93-108.
JI Shengbao, WANG Xiaozhen. Embeddedness in foreign R&D and efficiency in SOE’s R&D: a case study of value chains in the High-Tech industry[J]. Journal of International Trade, 2016(1): 93-108. |
[9] |
潘雄锋, 彭晓雪, 李斌. 市场扭曲、技术进步与能源效率: 基于省际异质性的政策选择[J].
世界经济, 2017(1): 91-115.
PAN Xiongfeng, PENG Xiaoxue, LI Bin. Market distortion, technical progress and energy efficiency: policy choice based on the provincial heterogeneity[J]. The Journal of World Economy, 2017(1): 91-115. |
[10] |
周杰琦, 汪同三. 外商投资、环境监管与环境效率——理论拓展与来自中国的经验证据[J].
产业经济研究, 2017(4): 67-79.
ZHOU Jieqi, WANG Tongsan. Foreign investment,environmental regulation and environmental efficiency: theoretical expansion and empirical evidence from China[J]. Industrial Economics Research, 2017(4): 67-79. |
[11] |
马大来, 陈仲常, 王玲. 中国区域创新效率的收敛性研究: 基于空间经济学视角[J].
管理工程学报, 2017, 31(1): 71-78.
MA Dalai, CHEN Zhongchang, WANG Ling. Research on convergence of regional innovation efficiency in China: based on the perspective of spatial econometric[J]. Jonrnal of Industrial Engineering/Engineering Management, 2017, 31(1): 71-78. |
[12] |
林青宁, 毛世平. 中国高新技术企业研发效率及影响因素研究[J].
经济经纬, 2018, 35(2): 1-12.
LIN Qingning, MAO Shiping. Study on R&D efficiency and influencing factors of China s High-Tech industries[J]. Economic Survey, 2018, 35(2): 1-12. |
[13] |
MØRCK R, SHLEIFER A, VISHIY R. Management ownership and market valuation: an empirical analysis[J].
Journal of Financial Economic, 1988, 20(1-2): 293-315.
|
[14] |
LEHMAN D R. Linking marketing to financial performance and firm value[J].
Journal of Marketing, 2004, 64: 73-75.
|
[15] |
NARAYAN R, CHRIS F K. Technical debt and the reliability of enterprise software systems: a competing risks analysis[J].
Management Science, 2016, 62(5): 1487-1510.
DOI: 10.1287/mnsc.2015.2196. |
[16] |
吴晓晖, 姜彦福. 机构投资者影响下独立董事治理效率变化研究[J].
中国工业经济, 2006(5): 105-111.
WU Xiaohui, JIANG Yanfu. Change of the independent director’s governing efficiency under the influence of institutional investor: empirical evidence from China’s listed firms[J]. China Industrial Economics, 2006(5): 105-111. DOI: 10.3969/j.issn.1006-480X.2006.05.013. |
[17] |
YOSHIO W. Incentives and property rights in China’s state-owned enterprise reform OECF[J].
Journal of Development Assistance, 1998, 4(1): 1-37.
|
[18] |
BANKER R D, NATARAJAN R. Evaluating contextual variables affecting productivity using data envelopment analysis[J].
Operations Research, 2008, 56(1): 48-58.
DOI: 10.1287/opre.1070.0460. |
[19] |
CAVES D W, CHRISTENSEN L R, DIEWERT W E. The economic theory of index members and the measurement of input, output, and productivity[J].
Econometrica, 1982, 50(11): 1393-1414.
|
[20] |
FÄRE R, GROSSKOPF S, NORRIS M, et al. Productivity growth, technical progress, and efficiency change in industrialized countries[J].
The American Economic Review, 1994, 84(1): 66-83.
|
[21] |
何枫, 陈荣. 基于SFA测度的企业效率对企业绩效与企业价值的影响效果研究[J].
金融研究, 2008(9): 152-263.
HE Feng, CHEN Rong. Research on the effect of enterprise efficiency on enterprise performance and value—— based on SFA model[J]. Journal of Financial Research, 2008(9): 152-263. |
[22] |
HAUSMAN J, WILLIAM T. Panel data and unobservable individual effects[J].
Econometrica, 1981, 49(6): 1377-1398.
DOI: 10.2307/1911406. |
[23] |
HABIB M, LJUNGVIST A. Firm value and managerial incentives: a stochastic frontier approach[J].
Journal of Business, 2005, 78(6): 2053-2094.
DOI: 10.1086/jb.2005.78.issue-6. |
[24] |
任继球. 中国制造业企业需要高学历人才吗?[J].
产业经济研究, 2013(6): 77-87.
REN Jiqiu. Do Chinese manufacturing enterprises need highly educated people[J]. Industrial Economics Research, 2013(6): 77-87. DOI: 10.3969/j.issn.1671-9301.2013.06.009. |