SFA

SFA（共8篇）

SFA 篇1

1 引言

1.1 研究背景

产能过剩是指企业实际产出低于生产能力一定程度,形成生产能力的过剩。产能过剩导致产品供过于求,产品价格下跌、企业效益下降,进而导致企业投资不足、失业率升高,严重的产能过剩还可能会引发金融风险,降低资源配置效率,造成社会资源的浪费。近年来,产能过剩问题日益成为制约中国经济复苏的关键因素,中央政府多次出台相关政策控制重点行业产能过剩,特别是2015年底召开的中央经济工作会议吹响了供给侧结构性改革的号角,化解过剩产能更是被作为当前的一个首要任务。

对产能过剩的研究某种程度上是中国特有的问题,在成熟的市场经济国家,宏观经济周期波动中生产能力相对于需求过剩是一种正常的经济现象,是企业提高效率和调整产品结构的动力。然而,经济的周期性波动却很难解释中国长期存在严重的产能过剩问题。基于这一现实背景,林毅夫(2010)提出中国的产能过剩是由于经济环境的不确定性以及企业投资的认知偏差造成的,发展中国家的企业很容易对下一个有前景的产业产生共识,出现投资的潮涌现象,导致事后产能过剩的发生。另一种观点则认为中国的产能过剩是政府过度干预经济的结果。江飞涛等(2009)认为体制扭曲背景下,严重的地方政府竞争将造成各地的重复建设,从而导致中国经济产能过剩。除了市场竞争因素、经济周期性波动、政府干预等因素外,结构性因素在我国工业领域的产能利用中发挥着重要作用。具体而言,各行业由于轻重工业的属性不同、竞争程度不同,各地区发展阶段和产业布局不同,产能利用程度具有行业差异和地区差异,需要细化区别对待。

1.2 几种产能过剩的测定方法

研究产能过剩问题,必须以产能过剩的定量化测算作为基本前提。但由于国家统计局始终没有将产能利用率纳入统计范围,我国的产能利用率始终无法准确计量,现有的研究主要是通过技术手段进行估算。目前,主要有峰值法、成本函数法、前沿函数法等对中国宏观或产业层面的产能利用率进行估算。

一是峰值法,通过得到一定时期内最高产量和实际产量的比值去测算产能利用情况,这种方法最为简单,易于操作。但这一方法的重要缺陷在于假定在峰值点年份上产能得到了充分利用,这会高估产能利用率水平并造成较严重的误差。二是韩国高等人(2011)的成本函数法,即通过估计成本函数,求解出成本最小化时的产出水平,以此识别出短期成本函数的最低点并把之看作为最大产能水平的方法。这种方法通过了解企业具体的生产特点和成本函数情况并将之作为推算产能水平的依据。但是估算成本函数需确定企业各项投入如原材料、中间投入以及能源价格等变量的取值作为模型参数,诸多变量均需要推算,进而可能在推算过程中产生偏差。三是前沿生产函数法,主要通过估计生产函数的前沿面,将该前沿看作为产业的潜在最大产出水平,进而产能利用率则为实际产出与前沿产出的比值,该方法对变量要求相对较小,操作相对简单,测算精度也较高,更符合测算产能利用率的目的。前沿生产函数法具体又分为DEA非参数测算法和SFA参数测算法。

从现有的产能过剩测算的文献看,虽然一些学者使用实物量或价值量测算了某些行业的产能利用率,但主要是针对个别行业的孤立研究,未能对我国总体工业的产能利用率的水平进行测算。同时,对产能利用率的测算大多在全国层面展开,很少能测算分省的产能过剩情况。而且,相关的文献研究的样本数据偏旧,最早为2011年的数据,不能反映最近两年的产能过剩情况。

2 SFA模型构建及数据选择

本文以各行业第i省t年工业总产值为产出指标,单位亿元;分别以各行业的资本存量和劳动力为投入指标,即第i省t年的固定资产净值作为资本存量的衡量指标,单位为亿元;以第i省t年的年平均从业人员作为劳动力的投入。各指标数据均来源于2010~2015年工业统计年鉴。

本文先测算整体工业的产能利用率情况,分析全国产能利用率的区域分布情况。然后选择9个典型行业进行测算,进一步分析各具体行业的产能情况。9个典型行业包括:纺织业、食品制造业两个轻工业;黑色金属冶炼及压延加工业、化学原料及化学制品制造业、煤炭开采和洗选业、通用设备制造业、专用设备制造业五个重工业;通信设备、计算机及其他电子设备制造业、仪器仪表制造业等两个高新技术行业。

3 实证结果及分析

使用Frontier4.1软件,分别选择我国工业及其所属9个细分行业,对2009~2014年31个省区的产能利用率进行测度,基于潜在产能的技术效率模型估计结果,如表1所示。

从资本的产出弹性系数看,我国总体工业的弹性为0.76。样本行业中,化学原料的弹性、黑色金属冶炼、煤炭开采的系数较高,分别为0.68、0.37、0.37;食品制造、通信及计算机、通用设备的系数较低,分别为0.22、0.26、0.26。

从生产的规模报酬看,我国总体工业为1.18,说明规模报酬递增。样本行业中,煤炭开采洗选为0.51,规模报酬递减;通用设备为1.23,规模报酬递增;其余行业均为规模报酬不变。

4 各行业、分地区产能利用率情况

4.1 产能利用率分行业情况

目前,我国尚未建立对产能过剩的评价标准,根据欧美等国家产能利用率判断产能是否过剩的经验,产能利用率的正常值在79%~83%之间,超过85%则认为产能不足,存在生产设备能力超负荷现象,若产能利用率低于75%,则说明可能出现较严重的产能过剩现象。Frontier4.1软件输出结果包含了各行业产能利用率的面板数据,各行业的平均产能利用率的情况见表2所示。一是我国工业整体产能利用率偏低,2014年工业产能利用率67%,与合理产能利用率的国际标准差距较大;二是产能过剩普遍存在,各样本行业均存在产能过剩,其中,食品制造、专用设备、计算机等行业的利用率相对较高;煤炭开采洗选、仪器仪表等其他行业的产能利用率偏低;三是2009~2014年大部分行业的产能利用率均有所提高,其中,纺织、食品、计算机通信行业产能利用率提高较快,其他重工业行业产能利用率改善较慢,煤炭开采洗选业近6年一直低位徘徊,未能明显提高。

4.2 工业产能利用率的地区分布特征

由于篇幅所限,本文仅给出2009年、2014年我国31个省(自治区、直辖市)的总体工业产能利用率,未列出各明细行业的产能利用情况。从表3中可以看出,不同地区的工业产能利用率存在较大差异,总体而言,东部沿海地区的产能利用情况要好于中西部地区,具体表现为:第一,部分沿海地区的产能利用情况较好,其中,天津、上海的产能利用率较好,分别为86%和84%;第二,东部制造业大省出现了一定程度的产能过剩,山东、江苏、浙江、广东的产能利用率分别为74%、71%、67%、66%;第三,四川、河北、湖北、内蒙、安徽、辽宁、山西和黑龙江等中部地区产能利用程度较低;第四,西藏、新疆、青海、云南等西部欠发达省区的工业产能利用率最低,这些省区产能过剩严重,其中西藏的产能利用率仅为36%。由此可见,不同地区的工业产能过剩情况有所不同,如果仅看全国整体情况,就容易忽略地区的差异性。

5 结论及建议

本文利用随机前沿模型对近六年来我国工业行业的产能过剩情况进行了测算,分析了我国产能过剩地区的分布特征和时间变化规律,结果显示如下。

(1)目前我国工业产能利用率约为67%,产能过剩现象比较普遍。且产能过剩已由传统行业扩大到高新技术行业,其中,食品制造、专用设备、计算机等行业的利用率相对较高;煤炭开采洗选、仪器仪表等其他行业的产能利用率偏低。

(2)工业产能利用率地区间存在较大差异,经济发展程度较好的东部沿海地区的产能利用情况明显好于欠发达的中西部地区。

(3)从2014年的产能利用率数据看,虽然我国工业总体产能过剩比较严重,但对比2009年数据,期间大部分行业的产能利用水平是在缓慢提升的,特别是市场化程度较高的纺织、食品、计算机通信等轻工业产能利用率提升明显;而煤炭开采洗选、金属冶炼等重工业行业产能利用率改善较慢。

根据上述结论,本文提出以下抑制产能过剩的政策建议:第一,由于我国产能过剩几乎涉及所有工业行业,而产能过剩的成因也极为复杂,既有经济周期波动的造成产能过剩,也有过度投资、地方政府不当干预造成的产能过剩;而产能过剩在各地区各行业也存在巨大差异,因此,应仔细甄别,精准发力。第二,制止地方政府对落后产能的保护,清理对落后产能的各种补贴政策。坚持市场化手段化解过剩产能,即依靠市场机制的优胜劣汰,自然出清化解过剩产能,促进产业升级。第三,政府应提供及时准确的产业信息服务。建立完善产业信息发布制度,发挥政府和行业协会的信息优势,定期向社会公布重点行业产能利用率方面的信息,引导企业市场预期,防止出现投资不合理、盲目扩张等现象。

参考文献

[1]王海慧,孙小光.对当前工业企业产能过剩情况的调查研究——基于江苏省696户工业企业的实证分析[R].人民银行,2015(13).

[2]韩国高,高铁梅,王立国,齐鹰飞,王晓姝.中国制造业产能过剩的测度、波动及成因研究[J].经济研究,2011(12).

[3]林毅夫.潮涌现象与产能过剩的形成机制[J].经济研究,2010(10).

[4]耿强,江飞涛,傅坦.政策性补贴、产能过剩与中国的经济波动——引入产能利用率RBC模型的实证检验[J].中国工业经济,2011(5).

[5]梁泳梅,董敏杰,张其仔.产能利用率测算方法:一个文献综述[J].经济管理,2014(11).

[6]谢洪军,张慧,李颖.基于SFA的我国制造业产能利用率测度与差异性分析[J].商业经济研究,2015(4).

SFA 篇2

在一个由技术和流程驱动世界模型里，人的问题仍然不容易得到强调。但是，帮助销售团队改进工作方法、人际关系和销售力的新方法正在涌现。尽管至今仍无“银弹”级的有效方法，但实际上只要你正确使用这些方法中的一部分—— 你还是有机会的——因此，继续读下去。

来自Michael Meltzer的关系与价值管理方面的论文：

隐藏用户 – I-CRM?

隐藏用户获得2-IT / IS连接

信息技术团队的I-CRM软件

CRM –使其发生

开始建造一个客户信息的基础设施

业务情况的不佳方面(建立一种业务案例)

发现客户信息的价值

有效的渠道管理

金融服务的客户保持、发展和获得

电信业的客户保持、发展和获得

了解客户价值何在?

你的客户是否能带来利润(用ABC客户分级来看如何)

基于盈利性细分客户

客户盈利性恰好不足

利用客户信息来整合呼叫中心

消除讹传的数据挖掘

利用客户关注的应用生命周期管理(ALM)形成忠诚的、可盈利的循环

如何重建客户亲密关系创造利润

进退两难残局里的渠道管理

推动保险业的客户保持、发展和获得(与克里斯·桑德斯一起)

通过应用客户信息来存活与繁荣——保险业的观点

CRM前景之一——电子保险

客户价值何在

通过CRM管理第一部分收益

可能发生在你身上的“毒箭”

通向客户盈利的CRM方法

启动CRM

分散隔离的数据库今天已经过时了

为成功而计划CRM

CRM计划/项目意味着变革

第2版神奇魔术般的数据挖掘

成功CRM依赖于通信

预定CRM吗?

使CRM不可思议：利用结果

真正的CRM/SFA成功

正如一些人定论的那样，销售能力自动化或者运营型CRM实际上旨在提高销售团队的成功比率以及对战略性客户的更好管理。然而，这里真正的问题在于CRM 在实施中已经面临到最大的阻碍。

如果我们承认技术是不错的而且软件能正常运行，那么问题可能会是什么呢?必定是被要求使用SFA软件的人。谁真的需要SFA解决方案，是终端的销售和服务团队吗?我并不这么认为。高层管理者在过去十年里面对着纷繁的变化试图确保较高的边际利润，用遍各种方法：流程再造、缩小规模、成本消减、外包、精益使用资产，也理所当然试图使销售努力更有效果。在高层管理者眼中对CRM整体概念的投资是基于提高他们的账本盈亏线和任期。然而，在他们冲向悬崖前沿时，这些人却忘记了去找出应该给用户或者最终用户带来的结果是什么。过度服从的顾问希望可以从饥渴的软件和硬件销售商那里来的顾问，希望几百万美元的方案能够得到实施，过度顺从，无助于提供好建议。不过，SFA 实施被很多人看作是改进销售团队效率和凭借高层管理改善其活动疏漏的一种手段。疏漏可能成功解决，但经常以效益为代价。

观察销售活动

运营型CRM上的许多投资是以一种更好和更多的方式来看待营销活动，还有一些战。有大量的报告可以获得，有许多方法来看待销售业绩及其构成。然而，75%的销售领域应用项目被认为是没有达到预期的。谁认为这些应用项目已经失败呢?是那些必须使用这些应用软件的销售团队!大多数销售团队声称这些解决方案给他们的是另一负担，而不是销售助手，

为了能够满足管理的重压，SFA的文书工作的重担落在了销售人员的肩上，他们经常不得不充当了数据输入员。创造几乎占整体销售80%销售业绩的前20%销售团队就是最先找到办法不使用SFA的人员。其它60-70%的人是你所认为能从新系统方法中获益的，新系统能够帮助他们针对合适的顾客识别合适的产品，然而这些人也发现这个系统麻烦，同时又不能满足他们真正的需要。[next]

责备销售团队吗?

许多情况下，销售团队是不涉及交易、设计、沟通循环或者SFA全部功能的测试。他们被带进来培训怎样使用 SFA时的第一个反应就是这是一个为管理层设计的繁杂管理系统，而较少为他们考虑。他们问一些像这样的问题，“它能告诉我要拜访谁和什么是最佳报价吗?它能使得我有更多授权和/或增加我的奖金吗?它能减少行政管理干预吗?它能为我提供建议吗，能帮我报价码……?”在绝大多数情况下的答案是“不能…对不起— …—现在如果你输入名称及地址和…我们能看到…你拜访了谁和拜访途径”!

失败原因：Gartner公司的观点

SFA经常被销售人员视为不过是向监视他们每一个行动的“老大哥” 迈进的另一个措施而已，如果他们出轨的话，以备施以大棒政策打击他们。 Gartner已经识别出了它所认为的80%销售技术失败前十种原因。就当前的实施情况来看，很明显，SFA是一个失败的解决方案。而且在这十个原因中用粗体标出的前五个识别的是与销售效率问题和销售团队介入有关的。通常要求那部分60%-70%的销售团队改善业绩的不是技术，而是一个与实体销售方法密切联系一起的整体基础，在这个基础里，流程是不错的和可工作的：

1.在目标、规格和期望不明确的情况下启动项目(25%)

2.缺乏高层行政人员、营销管理层和渠道合伙人等的承诺(13%)

3.界定得不好或有缺陷的销售流程(15%)

4.缺少强大的终端消费的销售人员大宗买进(12%)

5.关注管理层的需要，对销售人员和用户重视不够(10%)

6.发展和配置的资源不足，勉强应付(8%)

7.低效和不相关的训练(7%)

8.做了较差的软件供应商或者ESP选择(5%)

9.过度标准化(3%)

10.过度沉溺于特色、功能或者“超酷”技术(2%)

进一步的证据

米勒·海曼的销售效果研究是一项正在进行的世界范围的研究努力，该研究在期间调查了超过3400名销售专业人士，涉及28个行业，其中69%的公司拥有250个或更多的销售人员。他们的研究发现表明销售力的提高主要是通过更好的培训取得的，特别是培养基本技能和方法去接近和赢得决策制定者的认可。相反地，CRM/SFA 技术并没有被认为帮助了销售组织要么提高销售力，要么改进销售效果。

具体弱点识别如下：

·50.6%的销售人员同意CRM对于使他们销售努力更有效并没有帮助。

·73.0%的销售领导人员不认为CRM可以用来有效地帮助更多的销售机会通过漏斗销售系统。

·78.8%的销售领导人员相信CRM 不能被有效地用来改进客户战略和计划。

·78.6%的销售领导人员不相信CRM为他们的组织定义了有效的销售流程。

转嫁到CRM/SFA的销售方法

一些支持销售循环管理的主要方法在文的图1中已被识别出来了。他们提供了结构化的方法作为解决方案或处理办法来识别、分析和对付复杂的、多人决策的、价值驱动型竞争销售情形，方案或交易。关于这些过程最令人兴奋的事情就是他们全部附属于新的SFA解决方案，要么通过全面整合，要么通过编程接口API附加整合。微软CRM软件吸纳了一个销售解决方案版本，这个已被加入了最新版本。

销售管理过程最后通过工具设置标示出来，这些工具使经理能够辅导、检查和分析标准化销售程序;招聘、雇用和培训销售人员，以及承担绩效评估、职业咨询和业务报告等工作。这些新工具使销售经理变得更主动，使他们支持销售团队的真正工作变得更专业以及迅速达到预期的投资回报。

为了支持销售团队，你不得不超越销售管理，恰如上文所勾勒的一样。必须有一个客户管理过程提供系列一致的方法来同公司已经拥有或想要的关键的、主要的或大众市场的客户发展、培养和保持长期的客户为中心的关系。接触管理必须是高质量的，使得能够开发战略以维持和激活公司执行层决策制定的关系。但是，源信息应该像公司已经拥有的可能信息一样发挥差不多作用。数据可以来自帐单、服务、担保、直邮文件以及其他储存顾客相关数据的系统。信息的组成一定要能使高层管理者在需要时可以成功触及到。无论是哪里销售团队需要，技术必须是活跃和可获得的。

真正的投资回报在哪里?

SFA 篇3

2007年, 由美国引发的次贷危机已全面爆发为危及全球的金融危机。在这场血雨腥风的危机中, 全球几乎所有的银行都在为生存而挣扎, 唯独中国的银行业受影响极小, 还实现了业绩上的诸多突破。

虽然根据银监会发布的《中国银行业监督管理委员会2008年报》显示:2008年中国银行业金融机构发展迅速, 资产总额首次突破60万亿元, 达到62.4万亿元, 相当于中国国内生产总值的207.5%, 比年初增长18.6%;全行业利润总额、利润增长和资本回报率等指标名列全球第一;工行、中行和建行的市值更是占据了全球上市银行的前三甲。

但首先应看到的是, 中国银行业之所以受金融危机的影响甚小, 主要缘于我国金融开放的步伐缓慢、金融创新相对滞后。言下之意, 金融体制的落伍反而让我国银行业几乎避免了这次金融危机。再者, 极其重要的是, 我国银行业当前应抓住这样的机遇, 积极吸取欧美国家的教训, 理智分析危机背后的深层次问题。这次金融危机的爆发有偶然性的成份, 但更有其必然性的因素。它所带来的启示为:一方面要求银行在经营过程中注重风险、控制风险以及监管机构要把握好监管这一关;另一方面在经济全球化的浪潮下, 银行业如何在日趋激烈的竞争环境下谋求生存发展, 并尽可能的实现盈利最大化。因此, 如何在风险与盈利这对矛盾体之间寻求一个平衡点成为问题的关键所在。换句话说, 寻找这个平衡点的关键在于如何最大限度提升银行的竞争力, 银行的竞争力上去了, 平衡点自然而然也接近抑或达到了。而银行的竞争力问题最终体现在银行的效率上, 如何度量银行效率等问题就随之而来, 需要解决, 故对中国商业银行的效率进行研究分析具有极其重要的意义。

二、国内外相关文献综述

国外的商业银行效率研究已获得了丰富的研究成果, 在银行效率理论和效率评价方法两方面均有了一定突破, 但存在的局限性是对国际间银行效率的对比分析较少, 尤其是对处于发展中国家的商业银行效率情况研究不足。只有Mohamed ARIFF (2008) 、Shrimal Perera (2007) 等少数学者对亚洲发展中国家银行业进行了研究。前者运用非参数法 (DEA) 对中国28家商业银行1995～2004年间的成本效率进行了考察, 结果表明, 整体上股份制与城市银行的成本效率要优于国有四大银行, 而规模中等的银行对大型银行与小规模银行有效率优势;后者运用参数法 (SFA) 对巴基斯坦、印度等4个国家的111家商业银行的研究表明:规模较大银行与股份制银行相对更有效率, 而国有银行相对无效率。

当代发展中国家的商业银行大多处于转型期, 处于由传统银行向新型银行的快速过渡期, 这期间表现出来的银行经营问题具有极大的理论研究价值和实践应用价值。

国内商业银行效率的研究起始于20世纪90年代中期, 在10多年的发展过程中, 中国商业银行效率研究已经收获了一些研究成果, 但在研究方法和理论方面仍然落后于国外研究。近年来, 对中国商业银行的技术效率、X-效率 (成本效率) 的评价成为研究的焦点。此类效率评价过程已涉及DEA法、SFA法、DFA法等三种主要效率评价方法。

基于非参数法 (DEA) 的中国商业银行效率研究基本集中在对银行的综合技术效率分析上, 关于成本效率的研究相对较少。其中, 具有代表性的是赵旭 (2001) 、李希义和任若恩 (2005) 等人的研究工作。迟国泰、杨德等人 (2005) 采用DEA法, 计算出了中国商业银行每年的成本效率、配置效率和技术效率, 得出了国内商业银行的成本无效率主要是技术效率低引起的。谭政勋 (2006) 在改进传统DEA和合理定义银行投入产出指标的基础上, 利用Malmquist模型测算我国商业银行1997～2003年的全生产要素率指数和前沿技术效率值。

基于参数法的中国商业银行技术效率、X-效率 (成本效率) 研究较少, 但其连续的效率评价结果为区分中国商业银行间效率差异提供了可能。钱蓁 (2003) 运用随机前沿法在Cobu-Douglas成本函数基础上, 测算了从1995～2000年国内8家商业银行的X-低效率 (成本效率) 。刘志新等 (2004) 采用自由分布方法 (DFA) 对我国14家商业银行1996～2002年的效率进行了分析。迟国泰 (2005) 等运用SFA法评估了14家商业银行1998～2003年的成本效率, 并考虑贷款产出质量。研究表明中国银行业总体成本效率并不差, 贷款产出质量对我国银行成本效率有明显的负面影响。刘玲玲, 李西新 (2006) 基于随机边界成本函数模型和非均衡的面板数据, 实证分析了中国与德国样本银行的成本效率, 发现中国国有商业银行的成本效率目前虽然相对较低, 但是改进成本效率的速度却是最快的。

三、研究方法与投入产出指标的选取

(一) 研究方法。

Berger总结了1997年以前对存款金融机构进行效率分析的130个边界研究, 69例非参数实例中, 62例采用DEA方法, 5例采用FDH方法, 2例采用其它方法;60例参数实例中, 24例采用SFA, 20例采用DFA, 16例采用TFA。可见没有一种方法为各方所普遍认可。

1.选取参数法中SFA法的依据。

研究决定选取参数法分析1999～2008年的中国商业银行成本效率, 主要基于以下考虑:一方面参数法考虑面广, 允许随机误差的存在 (由运气成分、数据问题及其他计量问题所引起的) , 以及便于检验结果的显著性等优点;另一方面本研究的样本量足够大 (原始样本与改进样本为238组) , 可以满足参数法的大样本要求。

而在参数法中, 则选取SFA法来评价中国商业银行的成本效率, 则是基于如下事实:由于处在转轨时期的中国商业银行近年来规模与幅度变化较大, 而DFA与TFA法只适用评价样本的平均效率, 因此这两种方法不能很好描述银行的真实经营情况, 而SFA法的评价结果则为某一时期 (比如一年) 的截面效率情况, 故选择SFA法来研究商业银行的成本效率更恰当。

2.SFA法的评价原理。

参数方法在测度商业银行的效率水平时, 需要对银行效率前沿函数的具体形式进行限定, 并通过银行样本估测出效率前沿函数中的各参数。SFA法是效率前沿技术的一种参数方法, Coelli (1992) 等在考虑时间因素之后, 对其进行了改进。其形式包括一个有两部分组成的复合误差项, 一个表示随机误差, 另一个则用来表示成本非效率。该方法认为由于随机误差项和成本非效率项的存在使得待考察银行与效率前沿银行发生偏离, 同时该方法假定成本非效率项服从非对称的分布, 随机误差项服从对称的分布。假使成本函数是:

lnTCi, t=lnf (Yi, t, Pi, t, Zi, t) +lnUi, t+lnVi, t (1)

其中TC是总成本, f ( ) 是成本函数, Y为产出向量, P为投入价格向量, Z为固定要素, V为随机误差项, U代表成本非效率项。在随机前沿法中, U可服从半正态、γ、截断等分布形式。

在选定成本函数形式和假定U的分布特征后, 利用极大似然法 (Maximum Likelihood Estimation) 得出成本函数中的参数值。然后, 利用样本数据代入成本函数, 最终确定银行的最佳成本Cmin (理论成本) , 此成本与实际成本的比值就是成本效率 (Cost Efficiency, CE) , 即

undefined) (2)

其中, Cmin为理论成本、TC为实际成本、C-eff为样本银行的成本效率值, 由理论成本不大于实际成本的事实, C-eff分布范围为 (0, 1]。

(二) 投入产出指标的选取。

1.确定指标的三种方法之比较。

对银行效率的研究, 首先是要确定银行业的投入与产出。由于银行以融资中介为主要功能, 不生产具体的有形物品, 其运营过程完全表现为资金的流出入, 因而在投入与产出上没有统一的标准。目前, 学术界对银行业的投入产出的界定大致可以分为三种:生产法 (Production Approach) 、中介法 (Intermediate Approach) 及资产法 (Asset Approach) 。

生产法把银行看作一个服务性的企业, 银行的日常经营就变成向存贷款客户提供服务型产品。

不同于生产法, 中介法、资产法两者都把银行的生产过程看作金融中介的过程。在资产法中, 把银行的产出严格定义为银行资产表中的资产方项目, 主要是贷款与证券投资的金额, 此方法应用较广 (Berger, 1993) , 具体区别如表1。

2.研究适用的投入产出指标。

在综合比较以上三种方法的基础之上, 并考虑新兴业务收入在国际先进商业银行中的重要地位及国内银行接轨国际, 拓展新兴业务领域的目标, 资产法将更适合用于评价中国商业银行的成本效率。

研究拟选取资产法界定银行的投入与产出指标。即将传统业务中的贷款、投资与证券以及属于新兴业务的非利息收入作为产出指标。其中贷款包括短期、中期、长期等各种贷款, 并扣除相应贷款损失准备金 (年末与年初贷款平均数) ;投资与证券包括短期投资、长期贷款、债券与期权投资等。

而在投入指标方面, 如前面提到的设定为人力成本、固定资产成本和可贷资金成本, 但本研究将选用财务报表中的营业费用代替人力成本和固定资产成本的总额。此外, 营业投入平均价格将用营业费用除以平均总资产 (年末、年初资产平均) 来界定。可贷资金平均价格则由利息支出除以平均可贷资金 (存款、借款等之和) 求得。具体归纳于下表2。

四、基于SFA法的成本效率评价模型

(一) 成本函数。

在现有的商业银行成本效率研究中, 应用最为广泛的成本函数是柯布-道格拉斯成本函数 (Cobu-dauglas, C-D) 和超越对数成本函数 (Translog) 。本文研究决定选用超越对数成本函数模型计算中国商业银行的成本效率:由于超越对数成本函数允许各种银行产出为个别变量, 生产要素之间也无需具有固定替代弹性、齐次性等条件限制, 从而具有易估性与包容性等优点, 故与C-D成本函数相比, 超越对数成本函数更有利于成本效率计算。

(二) 超越对数成本函数模型。

在SFA法中, 基于上面表1中的投入产出指标体系的超越对数成本函数模型为:

undefined

其中, TC为实际成本;Cmin为理论最小成本;pi是第i项投入价格, i=1, 2;yj是第j项产出数量, j=1, 2, 3;A, Bi, Cj, Dij, Eik, Fjl, G均为待定参数;lnV为随机误差项, 服从N (0, σundefined) 分布;lnU为成本非效率项, 服从undefined分布。

考虑到规模与成本差距较大会给银行成本效率估计带来干扰和偏差, 本文将引入银行所有者权益Eq.这一变量来进标准化处理, 以控制样本的异质性, 具体处理过程为实际成本TC、固定资产净值z及所有产出项yj均除以Eq. (其中j=1, 2, 3) , 具体函数模型为:

undefinedundefined

此外, 由投入要素的线性同质性和交叉影响项的对称性, 可得如下的模型参数约束条件 (Rime, 2003) 。

再将约束条件代入 (4) 式, 化简后得:

undefinedundefined

式 (5) 就是待估计的成本函数模型, 再根据已知的成本非效率项 lnU与随机误差项lnV的分布形式, 运用极大似然函数法, 通过面板数据来确定模型中的各个未知参数。

五、成本效率实证分析

(一) 样本的选取。

研究选取了中国最具代表性的14家主要商业银行:4家国有商业银行 (工农中建) 和10家股份制商业银行 (交行、中信、光大、华夏、民生、广发、深发、招商、兴业、浦发) 。研究的原始样本为1999～2008年14家主要商业银行的样本。数据来源于《中国金融年鉴》和各银行的网上公开年报, 但广发银行2008年的财务报表不可得, 故以过去两年的平均值来代替。改进样本是在原始样本的基础之上考虑了贷款质量对成本效率的影响之后计算得到的, 即研究从2001～2008年这8年的银行样本的贷款总额中剔除不良贷款, 得到有效贷款产出, 同时保持其他指标不变, 构建出新的样本。故总共样本数据为252组, 其中原始样本为140组, 改进的样本为112组。整个样本统计学描述如下表3。

注:p1、p2、p3、y1、y2、y3和TC为表3定义的投入产出指标, z为固定资产净值, p1、p2为无量纲指标, 其他指标单位为亿元人民币。

(二) 成本函数的估计。

成本函数16个参数的T-检验结果 (限于篇幅略) 中, 有A、B1、C1等9个参数在1%水平上显著, F12为5%水平显著, 剩余6个弱显著或不显著。由于超越对数成本函数中各项指标都有理论与实际的意义, 因此并不要求指标都通过显著性检验, 有一半以上通过就可以了。另一方面, 对模型的统计检验也可采用变差率和对变差率的零假设统计检验, 即对成本函数的单边似然比检验统计量LR的显著性检验来判断。变差率γ=0.5217表明成本偏差是由随机误差和成本非效率项共同决定的 (Battese 和Coelli, 1992) , 其单边似然比检验统计量:LR=26.258≻5.412。而5.412是零假设条件 (γ=0) 下, 约束条件为1、1%显著性概率的mixedX2临界值, 则零假设条件被拒绝, 意味着成本非效率项是客观存在的, 前沿函数有效。

(三) 实证结果分析。

经过以上这些步骤后, 将估计出的参数值代入超越对数成本函数 (5) 中, 然后, 利用成本效率计算公式 (2) 得出各银行的成本效率值。原始样本数值 (限于篇幅略) 与改进样本数值见表4。

根据以上结果, 利用两样本数值中最后一行的平均值数据, 编制中国商业银行年均成本效率曲线趋势图, 如下图1所示。

结合图1可以看到:

其一, 资产质量即不良贷款率对中国商业银行的成本效率有明显的负面影响, 图中表现为改进样本的效率值远在原始样本之下。在2001～2008年间, 下降幅度由大到小的排名是, 2001年10.28%、2002年8.93%、2003年6.16%、2005年6.09%、2006年5.26%、2007年4.43%、2008年3.58%及2004年4.34%。除了2004年之外, 不良贷款率对成本效率的影响是在逐年缩小的, 这是个良好的信号。

其二, 可以发现, 不管是否考虑贷款质量, 成本效率值都是在逐年提高, 并且两个样本之间的差距在不断缩小。在改进样本中, 2003～2004年成本效率值提升幅度最大, 达到4.03%, 图中表现为斜率最大的一段。还有一点, 两个样本得出的成本效率均值都在80%以上, 图中改进样本2001年最低点为0.820, 但这并不表明中国商业银行整体效率绝对的高。除了参数法本身导致高效率值之外, 可能的原因一是由于缺乏高效率的银行样本数据;二是在以间接融资为主的我国金融市场中, 银行承担的融资业务多, 使得贷款产出较大, 从而银行效率值也偏大。

其三, 以表4作为主要参考, 即在改进样本中, 算出国有样本与股份制样本的各年平均成本效率值, 如下表5所示:

然后绘制国有银行样本与股份制银行样本的年平均效率趋势图, 见图2所示。

从中可以得出, 贷款质量对国有银行的影响较股份制银行明显。其中, 2001年最显著, 图中表现为两点之间的距离最大。但随着时间的推移, 两条线逐渐接近, 这表明四大国有银行的不良贷款率控制起色, 并逐年减少。2008年农业银行的不良贷款率骤然降至4.32个百分点, 其他三家不良贷款率也均控制到3个百分点之下, 与此相应的是 (结合表4) , 四大国有银行的成本效率值也有一定提升, 尤其是2007年到2008年极为明显。

就个体而言, 2001年的农业银行不良贷款率最高为42.12%, 相应其成本效率只有0.639, 是所有14家银行中最低的;四大国有银行中效率最高的是2008年的建设银行为0.937;所有14家商业银行中效率最高的是2008年的深发银行达0.971。

最后, 根据表4中最右边一排的数据可知, 这8年中, 招商银行的平均成本效率最高, 到达0.947;其次是浦发银行为0.945;四大国有银行中, 最高者是建设银行的0.898, 而农业银行最不理想, 只有0.774, 农行的这一特殊情况, 可能是其一直以来承担着国家的政策性或准政策性贷款, 导致不良贷款率很高, 从而使其真实成本效率值大幅降低。总的说来, 股份制银行的成本效率情况要优于国有银行, 但差距在缩小。

六、结语

基于随机前沿法 (SFA) , 并利用超越对数成本函数, 本研究测度了14家商业银行1999～2008年间总共252组样本的成本效率值——其中原始样本140组, 改进样本即考虑贷款质量的112组 (2001～2008) 。结果显示, 不管资产质量 (不良贷款率) 考虑与否, 股份制银行的成本效率都要优于国有银行, 但差距在逐年缩小;不良贷款率对整个银行业有显著影响, 其中对国有银行较股份制银行冲击大, 效率值下降幅度相应较大, 同时不良贷款率控制起色, 负面影响逐年减小。

摘要：本研究利用SFA法测度了14家商业银行1999～2008年间总共252组样本的成本效率值——其中原始样本140组, 改进样本即考虑贷款质量的112组 (2001～2008) 。结果显示, 不管资产质量 (不良贷款率) 考虑与否, 股份制银行的成本效率都要优于国有银行, 但差距在逐年缩小;不良贷款率对整个银行业有显著影响, 其中对国有银行较股份制银行冲击大, 效率值下降幅度相应较大, 同时不良贷款率控制起色, 负面影响逐年减小。

SFA 篇4

生物制药产业是21世纪的高科技主导产业,是保障人民生命安全、推动经济增长方式转变的重点领域。近年来,政府对生物技术产业在政策引导、资本投入、人才培养等方面给予了大力扶持,使我国生物制药产业有了快速发展。据中经网的不完全统计,至2010年中国生物制药企业达到860家,其中上市公司达到141家。那么,这些生物制药企业技术效率如何?发展前景如何?受到学术界关注。国内关于制药企业效率研究的文献有:焦玉灿[2006]根据1996-2003年我国生物制药企业数据,用DEA的C2R模型对我国制药业技术创新能力系统的效率进行了评估,并用DEA的“投影原理”分析了非DEA有效决策单元的改进方向。田畯[2009]根据湖北省生物医药企业数据,采用DEA的方法对湖北的生物医药企业的技术效率、规模效率进行了测算,得出湖北生物医药企业总体研发效率较高。目前,生物制药企业技术效率研究存在两个明显不足:第一、关于生物制药企业技术效率的研究都采用DEA方法,研究方法单一,而且DEA法要求样本数据准确,受统计误差影响大。第二、这些研究没有对影响技术效率的因素进行分析,而技术效率影响因素的研究更具有价值,有助于分析生物制药企业效率低下的原因,为提高企业技术效率提供政策建议和依据。因此,本文采用DEA和SFA方法,分别对我国生物制药企业技术效率进行测算,并对影响我国生物制药企业技术效率的因素进行分析。

2 研究方法

测算技术效率的方法主要有两种,即数据包络分析(Date Envelopment Analysis,简称DEA)和随机前沿分析(Stochastic Frontier Analysis,简称SFA)。DEA方法最早由Charnesh和E.Rhodes(1978)提出,是一种线性规划技术。它是根据多指标投入和多指标产出对决策单元(Decision Making Unit,简称DMU)进行有效性分析的一种方法,是一种非参数经济估计方法。SFA方法由Aigner,Lovelland Sehmidt(1977)、Meeusen&Vanden Broeck(1977)与Battese&Corra(1997)分别独立提出。SFA方法包括随机前沿成本和产出函数分析。它是通过被评价的决策单元与最优前沿面的比较,以两者的差距来界定决策单元的效率程度,是一种基于参数的生产前沿测算方法。

2.1 DEA模型

DEA模型主要有规模可变和规模不变两种,即CRS和VRS模型。本文主要采用投入导向的VRS模型:

minθλθ

st:-yi+Yλ≥0

θxi-Xλ≥0

I1’λ=0

λ≥0

其中i表示有i个企业,每个企业都有M种投入和N种产出,列向量x和yi分别表示第i个企业的投入和产出,N*I投入矩阵X与M*I产出矩阵Y代表所有I个企业的数据。θ表示标量,而λ表示一个I-1常数向量。求解得到的θ值就是第i个企业的效率值,满足θ≤1。I1表示元素为1的I*1向量[1]。

2.2 SFA模型

本文采用超越生产函数进行分析,模型构建如下:

Ln(Yit)=β0+β1LnLit+β2LnKit+β3LnRit+β4T+β5LnLit*LnKit+β6LnLit*LnRit+β7LnKit*LnRit+β8(LnLit)2+β9(LnKit)2+β10(LnRit)2+β11T*LnLit+β12T*LnKit+β13T*LnRit+μit-νit

其中Y表示主营业务收入,L表示企业年末从业人员数,K表示企业资产总额,R表示技术知识存量,i和t分别表示第个企业和第个年份,β1表示相关系数。νit为随机变量,服从正态分布N(0,σν2),且νit和μit相互独立。表示技术无效率项,服从截尾正态分布N(mit,σν2),其中mit越大,则技术效率越低。影响生物制药企业技术效率的因素很多,包括经济因素、技术因素、管理因素和环境因素等。本文根据指标的重要性和可获得性选择了9个影响因素,分别为新药和专利数(X1)国有股权比例(X2)、研发费用占主营业务收入比重(X3)、研发人员占总人员比重(X4)、科研机构合作水平(X5)、投融资渠道是否完善(X6)、高层管理者是否有股权激励(X7)、企业家精神和能力(X8)、产业聚集度(X9)。无效率项函数设定如下:

mit=δ0+δ1X1+δ2X2+δ3X3+δ4X4+δ5X5+δ6X6+δ7X7+δ8X8+δ9X9

其中δ0为待估计常数项,δi为待估参数,表示上述变量对技术无效率的影响系数,参数为负则表示变量对技术无效率项有负影响,即变量对效率项有正影响。为判断函数的有效性本文引入函数:σ2=σν2+σμ2且γ=σμ2/σ2,其中0≤r≤1。r接近1则说明无效项在生产单元与前沿面的偏差中占主要成分[2];若接近0,说明随机误差是技术无效率的主要原因。

3 实证分析

3.1数据来源和变量描述

3.1.1 数据来源 。

我国生物制药企业上市比较晚,且各家生物制药企业上市时间早晚不一。因此本文选取2005-2010年在上海证券交易所和深圳证券交易所上市的生物制药公司为研究对象。选取了主板上市生物制药公司和中小企业板上市的生物公司共20家5年的数据,其中主板上市14家(8家上海证券交易所上市,6家深圳证券交易所上市),中小企业6家(深圳证券交易所上市),总共100个样本。

3.1.2 相关变量计算说明。

企业产出:本文用主营业务收入表示企业产出。因为主营业务收入一般为正数,保证了样本观测值的有效性,而且主营业务收人一般比较稳定,避免出现大波动导致效率估计虚高的情况。

企业投入:资本投入和劳动力投入是研究企业效率的最常用方法,本文在使用资本和劳动投入基础上增加了技术知识存量投入指标。用劳动时间最能够体现劳动投入,但是这方面数据难以获得,所以本文采用了年末职工数来表示劳动力,用总资产表示资本投入。生物制药企业属于高新技术企业,技术知识存量对企业效率的影响很大,是重要的投入指标。其计算公式为:

Rt=Et-φ+(1-ρ)Rt-1

其中Rt为t期的技术知识存量,Et-φ为t-φ期的研发投资额,为研发的平均滞后年限,梁萊歆和张焕凤(2005)研究表示企业研发投入见效一般需要两年以上是时间,所以本文取φ=2。ρ表示知识的腐化率。假定E的增长率和R的增长率相等,用g表示E的平均增长率。基期的研发资本R0=Et-φ/(g+ρ)[3] 。

新药和专利数:企业获批的新药数量和获得的专利数量越多,说明企业的自主创新能力越强,则企业拥有的竞争力越强。预计新药和专利数与企业技术效率成正比。

国有股权比例即国有股份占企业总股份的比重。有研究学者指出国有股权比例越高,则企业的专权化程度越高,企业的效率就越低。

研发费用占主营业务收入比重:研发经费投入是企业对科研创新的资金投入,反应企业对自主创新活动的财力支持。研发费用占主营业务收入比重越高,则企业越重视自主研发。一般研发费用占主营业务收入水平越高,则企业的竞争实力也越强。

研发人员占总人员比重:研发人员指企业中从事科技创新活动人员,研发人员占总人员比重越大,则企业对科研人员和科技创新活动越重视。

科研机构合作水平:企业与科研机构合作越密切则企业对前沿的科技成果了解越多,获得高新技术的可能性越大。本文中企业与高校和科研机构都有合作则取值为5,与企业或者高校合作取值为3,均未合作则取值为1。

融资渠道是否完善:融资能力是生物制药企业运作成功的保障。本文按融资金额划分企业的融资能力。年融资额在20亿元及以上的取值为9,10-20亿元则取值为8,5-10亿元则取值为7,1-5亿元则取值为6,0.5-1亿元取值为5,1-5千万元则取为4,500-1000万元则取值为3,100-500万元取值为2,1-100万取值为1。

高层管理者是否有股权激励:对高级管理者进行股权激励是解决委托-代理矛盾的一个途径,是提高管理效率的有效方法。本文对存在股权激励的企业取值为3,没有股权激励的企业取值为1。

企业家精神和能力:企业家精神影响着整个企业的面貌,企业管理者的协调沟通能力是生物制药企业必备的条件。本文以前十名董事、监事和高级管理者的学历得分代表企业家的精神和能力。

企业家精神和能力=博士*4+硕士*3+本科*2+大专*1

产业聚集度:Cook[4],Feldman[5]等研究发现生物制药产业集群区的企业有着比独立的生物制药企业更强大的竞争优势。本文以生物制药企业离产业聚集区远近划分,在产业聚集区(北京、上海、深圳、湖北)取值为5,不在产业聚集区但在A区则取值为3,不在产业聚集区但在B区则取值为2,不在产业聚集区但在C区则取值为1.(注:A、B、C区划分参照教育部划分)。

3.2 分析结果

3.2.1 DEA和SFA的效率测算结果。

分别用DEAP2.1和Frontier4.1软件对20家上市生物制药企业进行技术效率分析,得到结果如表1所示。

续上表

表1中给出了20家上市生物制药企业的DEA和SFA效率值和排序,结果显示DEA方法测算的效率值大于SFA方法测算的效率值,且测算结果有较大差异。采用SPSS中的Spearman相关系数来检测两种方法下的效率排序是否存在一致性,得出DEA效率排序和SFA效率排序的Spearman相关系数为0.620,即认为SFA效率排序与DEA效率排序之间是显著相关的,也就是说两种方法对我国生物制药企业效率的排序存在一致性。

3.2.2 SFA分析结果。

本文采用Frontier4.1软件对前沿生产函数进行估计,参数估计结果见表2所示。

注:表中t统计量的值在10%、5%和1%的显著水平下分别为1.296、2.000和2.390。*、**和***分别表示在 10%、5%和1%的显著水平下通过对应的假设检验,下同 对应的效率损失函数模型估计结果如表3所示。

从参数结果看,生产前沿函数中,总资产K和知识存量R系数为正,说明增加总资产量和提高知识存量有利于提高企业的主营业务收入;员工数L系数为负,说明盲目的增加企业的员工总数并不能提高企业主营业务收入。对于影响效率的因素,新药和专利数、国有股比例、科研机构合作水平和融资渠道通畅程度的系数为负,说明这些因素对提高企业技术效率有正的影响。

r值为0.834且通过了1%水平下通过t检验,说明技术非效率在生物制药企业生产过程中是存在的,占83.4%,而只有16.6%来自于统计误差等外部影响因素。2005-2010年上市20家生物制药企业技术效率平均值为0.736,说明投入要素的使用效率还不理想,实际产出与生产前沿还存在一定的距离[6]。

4 影响因素分析

新药和专利数的系数为负,且通过了10%显著水平检验,说明企业获批的新药数量和获得的专利数量越多,企业的科学技术含量也高,则企业拥有的竞争力越强,越有利于提高企业的技术效率。

国有股权系数为负,且通过了5%显著水平检验,说明国有股权比例越高,生物制药企业技术效率越高,这与有关学者的结论不同。原因是国内生物制药企业规模普遍偏小,在国有控股情况下企业规模比非国有控股生物制药企业大,企业的规模效应大于企业专权化带来的非效率部分。

科研机构合作水平系数为负,且通过了5%显著水平检验,说明生物制药企业和高校及科研机构合作越密切,则生物制药企业技术效率越高。企业通过与高校及科研机构合作,可以充分利用科研机构的科研力量,结合企业自身特色,发挥产、学、研相结合的优势,提高企业的竞争力和经济效益。

融资通畅程度系数为负,且通过了1%显著水平检验,说明企业融资越畅通,则企业的技术效率越高。因为融资能力是生物制药企业运作成功的保障,融资越通畅则企业的资金越充裕,越有利于企业开展科技研发和技术创新活动,从而提高企业的竞争力。

研发费用占主营业务比例的系数为负,但未通过显著性检验,表明研发费用对企业技术效率有不显著地正向影响。一般认为研发费用越高,企业研发创新活动越激烈。本文研究结论恰好表明中国生物制药企业的研发多数是在低水平重复研发,没有核心技术和核心竞争力,严重浪费资金和设备等资源。

产业聚集度的系数为负,但未通过显著性检验,表明产业聚集度对企业技术效率有不显著地正向影响。一般认为产业越聚集,企业具有更好的产业环境。本文研究结论恰好表明中国生物制药企业虽然已经形成部分的产业聚集区,可是没有形成产业巨头,不能充分发挥行业聚集效应。

研发人员比例系数为正,但未通过显著性检验,表明研发人员对企业技术效率有不显著地负向影响。原因可能有两个:一是国内生物制药企业研发人员配置不合理,造成资源浪费;二是国内生物制药企业的研发人员水平有限,在低水平开发,不能够给企业带来效益。

股权激励比例系数为正,但未通过显著性检验,表明股权激励对企业技术效率有不显著的负向影响。原因是目前我国生物制药行业实行股权激励制度的企业少,经验不足,不能够很好的发挥股权激励的正面效果。

企业家精神和能力系数为正,但未通过显著性检验,表明企业家精神和能力对企业技术效率有不显著地负向影响。原因可能是选取的前十名董事学历得分不能完全代表企业家精神和能力。

5 结论与建议

本文以2006-2010年的20家中国上市生物制药企业为样本,采用DEA和SFA这两种方法对企业的技术效率进行了测算与分析,发现这两种评价方法得到的效率值有较大差异,但效率排序结果具有一致性。本文在考虑劳动和资产的基础上,着重的强调了知识存量对企业技术效率的影响作用。据此,得出如下两点结论:一是在生物制药行业,盲目的增加企业员工数量并不能提高企业的主营业务收入;二是与企业研发投入相关的知识存量能够显著促进企业主营业务收入的提高。

依据影响因素分析提出以下六点建议:(1)我国生物制药企业应该加大对新药的研制和专利开发,提高生物制药企业的自主研发能力和科技创新能力,从而提高企业的核心竞争力和企业的技术效率;(2)扩大生物制药企业规模,因为生物制药企业属于技术密集型企业,只有企业达到一定的规模才能形成规模报酬递增效应,才能提高企业的效率;(3)加大生物制药企业和科研机构的合作水平,充分利用科研机构的科研能力,发挥产、学、研相结合的优势,提高企业的技术效率和竞争力;(4)扩大企业的融资渠道,使社会资源流向生物制药产业,为生物制药企业发展提供更好的金融环境,提高生物制药企业的技术效率;(5)加大政府对生物制药企业的引导,使企业研发资金能够合理分配,提高研发资金的利用率,从而提高生物制药企业的研发效率;(6)促进生物制药企业的并购重组,形成具有绝对领先优势的大企业,引领生物制药行业沿着健康快速的道路向前发展。

参考文献

[1]韩晶.基于SFA方法的中国制造业创新效率研究[J].北京师范大学学报:社科版,2010(222):115-123

[2]科埃利,拉奥,奥唐奈,等.效率与生产率分析引论[M].2版.王忠玉,译.北京:中国人民大学出版社,2008

[3]黄丽娜.蔡虹.企业R&D投资经济效果的实证分析[J].科技管理研究,2007(08):180-183

[4]COOKE P.Biotechnology cluster,‘Big Pharm’and the knowl-edge—driven economy.International Journal of Technology Manage-ment,2003(25):101-103

[5]FELDMAN M P,FRANCIS J L.Fortune Favours the Prepared Re-gion:The Case of Entrepreneurship and the Capital Region Biotech-nology Cluster[J].European Planning Studies,2003,11(7):765-788

SFA 篇5

2013年7月20日央行宣布全面放开金融机构贷款利率管制是利率市场化的关键一步。随着金融改革的深化, 存贷款利差的不断缩小考验着整个中国银行业。特别是2013年6月的“钱荒”事件表明中国银行业在运营能力方面还存在着不小的问题。因此, 研究银行效率以及其影响因素有助于银行业的业务拓展以及转型。国外很早就开始定量研究商业银行的效率问题了。Berger与Humphrey (1997) 在总结了130个研究后指出主流的金融机构效率估计方法有5种, 主要分为非参数前沿法和参数前沿法两大类。非参数法与参数法的主要区别集中在有效前沿的函数形式上。非参数法的一个显著缺点是它们假设模型中没有随机误差项。

参数法则假设了有效前沿的函数形式。

二、SFA模型范式介绍

Aigner, Lovell和Sch midt (1977) , 以及Meeusen和vanden Br oeck (1977) , 他们在前人的前沿生产函数模型基础上首次将扰动项扩展为对称的正态分布与半正态分布之和, 即:

即ui服从在0截断的正态分布。函数中ui燮0反应了任何公司的产出必定处在生产前沿[f (xi;β) +vi]的下面, 这个偏移是公司自身造成的, 受到包括技术及经济的低效率, 生产者和员工的努力程度等因素的影响。

回归的变差率为:

从上式可知, 当γ→1时表明生产的非效率项是公司之间的主要差异, 而当γ→0则意味着随机误差项是公司间生产差异的主要原因。

同时, 厂商i在时间t的技术效率可以用下列公式表示:

目前研究银行效率的最广泛的模型主要包括以下两种:Battese和Coelli (1992) 与其改进型Battese和Coelli (1995) 。

(一) Battese和Coelli (1992) 模型

Battese和Coelli (1992) 提出了非平衡面板数据的时变模型。具体而言该模型假设生产函数的随机扰动项中包含一个指数随机项:

其中Yit是代表了厂商i在时间t的产出, f (·) 是与之相对应的向量生产函数, xit是投入品向量;Vit是模型的扰动项, 服从N (0, σv2) 的独立同分布。Ui服从N (μ, σ2) 的截断正态分布。η的正负性决定了非负的厂商因素Uit的增减性。若η>0, 则Uit单调递减;若η<0, 则Uit单调递增。

(二) Battese和Coelli (1995) 模型

Battese与Coelli (1995) 的模型假设为:

其中Yit, xit与β的定义与1992年的一样, 不同的是模型用Uit来解释技术无效率项, 并且服从N (mit, σu2) , 的独立同分布, 其在0点处截断。

上式中mit=zitδ, 即zit是影响公司效率的一个p×1向量, δ是待估计参数。值得一提的是zit可以包含f (·) 中出现的变量。

(三) 投入产出指标的选取

Ber ger和H umph r ey (1992b) 中提到的确定银行的产出有三种方法, 分别是资产法 (Asset Approach) , 使用者成本法 (User cost Appr oach) 以及附加值法 (Value-added Appr oach) 。

资产法:由于银行的负债是可投资资金的来源, 因而被视为银行的投入, 而银行的资产则被认为是产出 (为银行赚取绝大部分的收入) 。

使用者成本法:该方法以被考察的要素对银行收入的贡献为标准来划分银行投入品与产出品。若银行的某种资产的回报大于其机会成本, 或某种负债其回报小于基本成本, 那么该要素被认为是产出品;反之则被认为是投入品。

附加值法:附加值法认为所有的资产与负债都具有产出品的属性, 那些有高附加值的要素被认为是产出品, 而其他的要素则被归类为中间品以及投入品。

三、模型参数设定以及实证分析结果

由于Battese和Coelli (1992) 的模型参数估计值没有他们1995年的模型有效, 因此本文将采用1995年的模型。本文中将应用超越对数函数作为成本函数, 那么上式化为:

其中TC代表银行的总成本, Y是银行的产出, w是投入品的价格。根据参数的对称性, 以及成本函数关于投入品价格的一阶齐次性, 可得到如下的参数约束条件 (Dietsch和Lozano-Vivas, 2000) :

那么TC的函数可以化简为:

本文将采用资产法, 其中银行的投入指标为劳动力, 资本与可贷资金总额。可贷资金总额包括银行负债的大多数。产出则包括营业收入, 平均贷款以及投资。营业收入包括利息收入和非利息收入, 平均贷款是年初贷款与年末贷款的均值, 这代表银行的传统业务, 而投资则包括衍生类资产, 以及其他业务 (理财等) , 它代表了银行的新兴业务。投入产出指标见下表:

本文选取了在中国国内上市的16家商业银行作为分析对象, 其中包括5家国有银行, 以及11家股份制商业银行。上述的数据来源自Bank Scope数据库以及《中国金融统计年鉴》。在SFA模型的回归计算方面使用的则是FrontierVersion4.1 (Battese和Coelli, 1992) 。

在运用了Frontier4.1软件进行数据回归之后, 详细结果见下图:

注:*代表在10%水平显著, **表示在5%水平显著, ***表示在1%水平下显著。

从上图的回归结果可知, 变差率γ=0.21, 说明成本上的差异受成本的非效率项u与随机误差项v共同影响。其中随机扰动项v占主导地位, 同时u也对成本效率有一定的影响。SFA模型存在的依据在于变差率显著地异于0, 若不能拒绝变差率为0的原假设, 那么就意味着成本的非效率项并不显著, 因而SFA函数不合适。变差率的假设检验可以通过单边似然比统计量 (LR) 的显著性检验实现。根据文献可知, 单边似然比检验统计量LR的分布为自由度为约数个数n的, 显著性概率为5%的mixed X2分布。本文参考Kodde与Palm (1986) 中的mixed X2临界值表检验。显著性为0.01的mix ed X2的临界值为5.412, 而本文中的LR则是19.21, 所以可以拒绝原假设, 因而我国的商业银行存在成本非效率的情况。根据上表可知, 21个变量中有10个变量是显著的, 拟合效果并不太好, 但是由于变差率为0的假设已被拒绝, 因而可以确定本模型还是有效的, 那么将Frontier4.1计算的效率估计值取倒数就可以得到银行的成本效率值, 见下表:

在本文的模型中, 假设了银行的成本效率存在一个时间趋势, 据回归结果显示, 成本效率的时间趋势η值显著地大于0, 因而说明银行的成本效率在2006年至2012年间存在一定的改善。从上图也可以看出, 虽然中国银行业整体的成本效率在这几年在缓慢改善, 银行之间的效率, 特别是股份制银行与国有银行之间的效率差距在缩小, 但是股份制银行的平均效率依旧比国有银行的效率要高。同时资产规模较小的股份制银行的成本效率领先于规模较大的股份制银行。

已有的国内外学者的研究表明银行内部运行因素与外部环境因素都会影响银行的效率。其中国内学者集中在所有权因素对银行业的效率的影响。吴栋与周建平 (2007) 对中国银行业1998-2005年的效率研究表明股东性质与银行的效率有关, 且国有股会产生显著的负影响。赵永乐与王均坦 (2008) 则认为影响商业银行效率的因素是盈利能力、资源配置能力, 流动性能力, 创新能力与抵御风险能力, 且它们的影响效力依次递减。考虑到2006年至今, 经济增速有显著的下滑, 且政府对银行业的管制减少, 本文从微观与宏观层面分别选取了以下因素, 考察它们对银行成本效率的影响。

净利差:该指标是银行的净利息收入除以银行的生息资产, 是商业银行最主要的收入来源。它反映了银行业传统业务的盈利情况。

非利息收入占比:非利息收入代表了银行在新兴业务上的产出, 在模型中采用非利息收入占总收入的比重衡量银行在新兴业务方面的创新能力。随着近年来国家对利率管制的放松, 包括取消银行贷款利率下限等, 这都表明银行业在未来不可能再获得一个相当大的净利差, 银行之间关于传统业务的竞争会加剧, 因此未来银行的增长主要会集中包括理财产品在内的新兴业务上。

银行的所有权结构:以往的文献表明银行的所有权结构对银行业的效率有显著影响, 股份制银行的成本效率普遍比国有银行高, 因而模型中还将加入银行的所有权结构。

核心资本充足率:银行的核心资本充足率反映了银行的抗风险能力。

本文还将分析其他的宏观因素对银行成本效率的影响, 包括GDP增长率, 金融相关率 (M2/GDP总量) 。

根据Battese和Coelli (1995) 的模型, 采用单步法可以直接得到回归结果, 系数及其显著性见下表:

回归结果表明, 银行业的成本效率受到净利息差, GDP增长率, 金融相关率, 核心资本充足率, 以及所有制的影响。净利息差的显著性以及非利息收入占比的不显著性说明了现阶段的中国银行业的主要业务仍集中在传统的存贷业务上, 新兴业务在银行中的比重较低, 因而对银行业的成本效率并没有显著影响。根据美国经济学家罗纳德·麦金农 (R.J.Mckinnon) 和爱德华·肖 (E.S.Show) 金融自由化的理论, 发展中国家可以通过金融去管制化实现经济的发展。中国政府现阶段也在缓慢而坚定地推行金融深化, 贷款利率的下限管制已经放开, 未来存款利率的上限也将自由化, 那时银行间存贷款业务的压力更大, 因而银行业应该未雨绸缪在新兴业务上早日取得突破。

GDP增速对银行效率产生了负影响的原因看似矛盾不和常理。理论上, 一国的经济发展越好, 其金融市场的活动也就逾频繁, 那么必然会提升金融行业的效率。但深究可以发现, 可能由于以下两个原因:第一, 中国政府为了刺激增速不断下滑的中国经济而施行的“4万亿投资计划”促使银行业在2008年之后放出天量贷款, 因而给银行业带来了巨大的业绩提升, 这也解释了银行成本效率与GDP增长率的负相关性;第二, 银行业与其他周期行业一样, 当经济下滑时会通过缩减开支, 降低成本来度过危机。因此在次贷危机之后, 中国银行业可能通过开源节流等措施降低了成本, 因而提升了成本效率。

金融相关率是广义货币存量M2与GDP的比值, 其对银行业效率有显著的正影响也就不言自明了。中国银行业绝大多数收入来源于净利差, 因而M2的增长伴随着银行存贷业务的扩张, 也就对银行的成本效率有积极的影响。

所有制结构的影响与之前的诸多文献相符, 虽然国有银行上市多年, 公司治理有了显著提高, 但是所有权的结果依然对银行业的效率有明显影响, 国有银行的成本效率依然低于股份制银行。

四、总结与评论

本文实证研究了16家银行2006~2012年7年间的成本效率情况。回归结果表明中国银行业在2006年~2012年间成本效率总体突破了经济周期的影响, 还是呈现出缓慢改善的态势, 股份制银行的平均效率要高于国有银行。同时现阶段的银行收入大部分还是来自于利息收入, 因而从本文的结果出发, 中国银行业应该从以下两个方面继续深化改革:

第一, 推进商业银行的所有权结构的改革, 改善国有银行的约束激励机制。虽然国有五大行都已上市, 并且引入了外资银行作为战略投资者, 并且希冀他们能帮助国有银行提高运营效率, 但是国有银行与股份制银行的成本效率依然受到所有制结构的显著影响。未来为了进一步提升国有银行的运营水平, 支持它们走出去, 有必要进一步完善银行的激励机制, 以此提高国有银行的公司治理水平。

第二, 银行业需要不断提升创新能力。根据本文的计量结果, 银行业的非利息收入占比过低造成创新能力不足。银行业的创新能力对成本效率的提升没有显著影响。在未来随着金融自由化的深入, 银行也在存贷款业务方面的竞争会更加激烈, 因而尽快在新业务上取得突破的银行也就取得了先发优势。

摘要：本文通过随机前沿模型 (SFA) 分析了16家上市商业银行的成本效率, 回归结果表明我国银行业在2006年至2012年间成本效率依然在缓慢提升, 且股份制商业银行的效率要高于国有银行。对成本效率的进一步分析表明净利差, 金融相关率, 核心资本充足率以及所有制结构对成本效率有正的影响;GDP增长率则对成本效率有显著负影响, 这可能是由于银行业在危急时刻自主缩减开支所致, 也可能是由于国家4万亿刺激政策出台以后对银行业有正面影响。而用非利息收入占比衡量的银行创新能力则对成本效率没有显著影响, 这从侧面证明了银行业亟须提高其创新能力, 争取在新兴业务上有所突破。

关键词：商业银行效率,随机前沿模型 (SFA) ,创新能力,金融自由化

参考文献

[1]Berger A N, Hancock D, Humphrey D B.Bank efficiency derived from the profit function[J].Journal of Banking and Finance, 1993, 17:317-347.

[2]Battese G E.Frontier production functions, technical efficiency and panel data:with application to paddy farmers in India[J].Journal of Productivity Analysis, 1992, 3:153-169.

[3]Battese G E, Coelli T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics, 1995, 20:325-332.

[4]Berger, A.N., Humphrey, D.B.1997, “Efficiency of Financial Institutions:International Survey and Directions for Research European”, Journal of Operational Research, Vol.98, pp175—212.

[5]迟国泰, 孙秀峰, 卢丹, 2005《:中国商业银行成本效率实证研究》, 《经济研究》[J]第6期.

[6]徐传谌, 齐树天《.中国商业银行X-效率实证研究》.经济研究[J], 2007 (3) :106-116.

[7]王聪, 谭政勋《.我国商业银行效率结构研究》.经济研究[J], 2007 (7) :110-123.

[8]钱娟娟《.基于SFA的中国上市商业银行效率研究》[D].2011.

[9]徐辉, 李健《.中国银行业成本效率实证研究 (1999-2010) ——基于SFA测度方法的应用》.北京理工大学学报 (社会科学版) [J], 2013 (6) :74-82.

[10]许荣, 向文华《.银行效率问题研究新进展》.经济学动态[J], 2009 (9) :106-110.

[11]张金清, 吴有红《.外资银行进入水平影响商业银行效率的“阈值效应”分析——来自中国商业银行的经验证据》.金融研究[J], 2010 (6) :60-74.

SFA 篇6

农业上市公司对于我国未来农业产业的发展至关重要,而农业上市公司在利用资本进行投资并获得产出的过程中存在着投入过多、投入不足或者投入结构不合理的情况,这必然会影响农业上市公司的投资效率,不能达到以最小投入获得最大产出的目的。对于农业上市公司投入产出及投资效率的深入研究,可以为农业上市公司合理利用资本、有效利用资源、提升投资效率、加快发展提供一定的理论支持和实践指导。

一、研究设计

(一)农业上市公司界定

当上市公司某一类业务的营业收入超过总量的一半或者某一类业务的营业收入占比比其他类型业务的营业收入占比高出30%以上时,该上市公司就界定为此类业务相对应的行业类别。在所有的上市公司中区分农业上市公司的具体方法主要是看公司营业收入的比重。农业上市公司又分为农业、林业、畜牧业、渔业与农林牧渔服务业。

随着农业的不断发展,农业呈现出多元化发展趋势。 广义的农业上市公司包括狭义农业上市公司、涉农制造业和服务业。狭义农业上市公司主要是指农林牧渔业,它们以种植与养殖的方式进行生产经营、获得营业收入。本文研究的重点是狭义农业上市公司的投资效率与影响因素,以期为狭义农业上市公司的投资效率提升和发展提供指导和建议。

(二)样本数据来源与变量统计分析

1. 样本数据来源。文中所采用的样本数据均来自深圳证券交易所网站与上海证券交易所网站中41家农业上市公司2007 ~ 2013年的年度报告,不包括ST公司或数据丢失的样本。

2. 变量统计分析。农业上市公司投入与产出的基本情况见表1。农林牧渔四个子行业的平均产出分别为13 877万元、3 652万元、10 327万元、11 161万元,林业的产出规模大大低于其他三个子行业。另外,林业的投入规模也大大低于农牧渔业。

投资效率影响因素变量的统计分析结果见表2。农业上市公司资本结构即产权比率平均水平为94.5%,说明农业上市公司的负债水平整体过高;盈利能力平均值只有5.3%,盈利性明显太差,亟须提升其盈利水平;成长能力均值为15.1%,离差值比较大,说明各个农业上市公司成长性差别比较悬殊;薪酬制度均值为39.2%,说明农业上市公司对于高级管理人员薪酬支付水平比较高;股权集中度的平均水平为37.4%,我国上市公司第一大股东持股比例在20% ~ 75%之间的占绝大多数,农业上市公司也不例外;董事会治理变量即独立董事与监事在高级管理人员中的比重,能够体现公司监督水平,其平均值为40.7%, 说明农业上市公司中监督机制比较到位。

注:产出及投入指标的具体解释见表3。

注:各个影响因素的具体解释见表4。

(三)研究方法

1. 投资效率测算模型。随机前沿方法(Stochastic Fron- tier Approach,简称SFA)是一种技术效率理论的参数方法。随机前沿生产函数基础上的超越对数模型表达式为:

投资效率的具体表达式为:

其中:Y表示产出;Xi表示农业生产过程中的劳动投入、长期资产投入、营运资本投入等生产要素;ai为随机前沿生产函数超越对数模型的待估计参数;Vi表示测量误差和随机干扰项,假定其服从正态分布且独立于Ui,即:Vi~N(0,σ2V);Ui表示生产效率无效率部分且非负,服从截尾正态分布,即:Ui~N(mi,σ2u)。对模型(1)中变量含义的具体解释见表3。

依据Battese和Coelli提出的最大似然估计法(MLE),利用σ2和λ两个参数,即替代测量误差的方差σV2和技术无效率的方差σu2,则λ∈(0,1)。通过对λ的显著性检验来判断技术无效率情况:若 λ 接近于0,则表明实际产出和最大可能产出间的差异不是由随机干扰项决定的,也就没有必要采用SFA模型,利用OLS方法即可解决模型参数估计问题;若λ≈1,则表明误差主要来自于技术无效率项Ui,应用SFA模型也就越适合;若 λ=1,则表明不存在随机干扰项Vi。

2. 影响因素模型。假设回归方程如下(省略截距项):

其中:βt是待估计的回归参数;ut是随机误差项。模型(2)中变量含义的具体解释见表4。

如果使用QR分位数进行估计,则分位点的函数为:Qy(τ/Xt)=g(Xt)=βt Xt(τ)。τ代表分位点,这就是使因变量和自变量在所选取的这个分位点上进行回归,0< τ<1,τ越大就代表在越高的水平上进行回归。QR分位数回归属于非参数检验的一种,估计量根据最小化残差平方和计算。对于线性回归模型Yt=βt X't+ut,求分位数为 τ时的回归方程系数估计量的方法是使下式(目标函数) 最小:

第τ位数回归方程对应的残差用(τ)t表示。分位数为τ时的回归方程表达式为:QR分位数回归是没有总体必须符合正态分布这个条件的,随机误差项必须正态分布的条件要求也没有那么严格,因此对于非正态分布的情况,QR分位数回归的回归结果更加实用,而且能提供更多的信息。

二、研究结果与分析

(一)投资效率测算结果与分析

参数估计结果见表5。由表5可以看出,劳动投入、物质投入、营运资本投入三个参数估计结果与预期的结果相一致;劳动投入与物质投入估计的参数在5%的水平上显著,这说明农业上市公司中劳动投入与物质投入对产出有着重要的影响;营运资本投入的参数估计在1%的水平上显著,说明农业上市公司中营运资本投入对产出有着十分重要的影响。λ 的估计值为0.817,而且在1%的水平上显著,这表明农业上市公司投入产出的随机扰动项81.7%的变化是由生产技术无效率部分的变化而带来的, 剩余18.3%的变化来自农业上市公司生产经营过程中不能控制的因素。

注:*、**、***分别表示在10%、5%、1%的水平上显著。

农业上市公司投资效率测算结果见表6。由表6可以看出,农业上市公司中农林牧渔业平均投资效率值由低到高排序分别是:畜牧业(0.629 8)、农业(0.658 7)、林业(0.660 6)、渔业(0.725 8)。农业上市公司整体的效率普遍偏低,41家样本农业上市公司中只有4家公司的投资效率值超过0.8,12家公司的投资效率值低于0.6,25家公司的投资效率值介于0.6与0.8之间。农业上市公司的投资效率水平有很大的提升空间。

(二)投资效率影响因素回归结果与分析

农业上市公司投资效率影响因素回归结果见表7。

1. 资本结构。资本结构是用产权比率来衡量的,产权比率即每单位股东权益所负担的负债,在投资效率非常低时资本结构对投资效率是负效应,说明负债的增加会降低投资效率,投资效率在非常低水平上的农业上市公司,整体情况及整体效益都比较差,盲目地增加负债只会使投资效率变得更低,因此应该注重提升企业管理水平。 从表7可以看出,在τ=0.3、τ=0.5、τ=0.7、τ=0.95时,随着投资效率的提升,资本结构对投资效率一直是正效应,且回归系数逐步上升,即资本结构对投资效率的正效应也越来越明显,说明随着投资效率的提升,债务比重的增加会提升农业上市公司的投资效率,在公司运行越来越好的情况下,对财务杠杆的正确利用对于提高投资效率的作用越来越明显。资本结构对投资效率的作用基本上都在10%的水平上显著,说明农业上市公司应该充分运用财务杠杆来提升公司的投资效率。

注:加黑的数字表示回归系数,不加黑的数字表示对应的t值,*表示在10%水平上显著。

2. 盈利能力。本文用权益净利率来代表企业的盈利能力。农业上市公司的最终经营目的就是实现利润最大化,所以盈利能力的高低对其投资效率的影响必然很大, 而且是正向的影响。从表7列示的回归结果中能明显看出这一点,不论是什么样的投资水平,回归系数都在0.7左右且都在10%的水平上显著。2007 ~ 2013年农业上市公司的盈利水平大部分都很低,平均盈利水平为5.3%,超过20%的少之又少,这么低水平的盈利能力肯定会阻碍农业上市公司投资效率的提高,农业上市公司应当不断提升盈利能力。

3. 成长能力。主营业务收入的增长率体现了企业的成长能力,不论投资效率处于何种水平,农业上市公司的成长能力都对投资效率有正向的影响。在低水平及正常水平投资效率的农业上市公司中,这种效应更加显著。而投资效率较高和非常高的公司中成长能力对投资效率的正向影响效果越来越弱,说明处于发展初期的管理不完善、效益不佳的农业上市公司更应当注重其成长能力的提高,从而提高其投资效率。我国农业上市公司整体的成长能力普遍比较低,平均值是15%,都低于20%,还有一些负增长的情况。这说明我国农业上市公司投资效率受到主营业务发展缓慢的制约,农业上市公司亟须加快发展主营业务。

4. 薪酬制度。管理者薪酬前三名在所有管理人员薪酬中的占比代表了有影响力的管理者对农业上市公司的实际控制能力。可以看出,除了在τ=0.7时管理者薪酬前三名占比对投资效率具有微弱的正效应,在投资效率很低、较低、正常、很高的情况下,管理者薪酬前三名占比对投资效率的影响都是负面的,这说明农业上市公司应考虑给顶级管理人员的薪酬是否过高,薪酬一定要保持在适度的水平上。

5. 股权集中度。第一大股东持股比例体现了公司的股权集中度。从回归结果可以看出,在投资非常高效的农业上市公司中股权集中度高会降低其投资效率,这个时候公司的效益已经非常好,大股东可能会利用他们所掌握的内部信息谋求自身利益,这就会导致股权越集中投资效率反而会下降。其他投资效率不是非常高的农业上市公司中,股权越集中,对投资效率的提升越有利,这时公司有控制权的大股东会想尽办法对企业进行有效的监督管理,如果大股东参与企业的经营,外部股东和内部管理层的信息不对称问题就得到了解决,更能促进公司投资效率的提升。

6. 董事会治理。独立董事与监事在高级管理人员中的比重体现出了董事会治理水平。可以看出,只有在最高效的农业上市公司中,董事会治理水平才会对投资效率产生正效应,而在其他公司中,这种监督机制的增强反而会降低其投资效率。但是从总体趋势上看,随着投资效率的提高,这种负效应越来越弱,直到达到最高投资效率的时候,这种监督终于能发挥出其应有的作用,而且作用非常明显(回归系数达到了0.260 8),充分说明了农业上市公司一定要注重建立完善的董事会治理监督机制,这样能促使其投资效率再上新台阶。

三、结论与建议

(一)结论

本文将劳动投入、物质投入、营运资本投入作为三种投入自变量,将息税前利润作为产出因变量,运用随机前沿生产函数超越对数模型对农业上市公司的投资效率进行了测算,这种基于投入—产出视角、运用随机前沿分析方法对农业上市公司投资效率进行研究的方法是对以往投资效率研究方法的一种补充。

本文通过运用QR分位数回归的方法,分别验证了在不同的投资效率水平下资本结构、盈利能力、成长能力、 薪酬制度、股权集中度、董事会治理对农业上市公司投资效率的影响。

无论农业上市公司的投资效率处于哪种水平上,盈利能力和成长能力这两个影响因素的回归系数都一致, 且都是正面影响;随着投资效率水平的提高,先产生负效应、之后产生正效应的影响因素有资本结构、董事会治理;而随着投资效率水平的提高,先产生正效应、之后产生负效应的影响因素是股权集中度。

无论在哪种投资效率水平上,资本结构和盈利能力对农业上市公司投资效率的影响都比较显著;在投资效率水平相对较低的情况下,成长能力的影响更加显著;在投资效率水平相对较高的情况下,股权集中度对其的影响相对比较显著;在投资效率一般的情况下,资本结构、 盈利能力、成长能力、股权集中度都对其有正效应,薪酬制度和董事会治理则对其有负的效应。

(二)建议

基于以上研究,本文对于农业上市公司提升投资效率的建议如下:

1. 农业上市公司应当完善资本结构。完善资本结构的目标是在企业的特定条件和环境下使资本结构达到最优,使资本得到最高效的利用。企业通过完善资本结构来提升经营绩效,降低资本成本。企业进行财务管理的重要任务就是根据不同的发展阶段,通过调整资本结构实现资本的高效运用。本文的研究表明,农业上市公司的资本结构与投资效率之间存在正相关关系,而且比较显著。我国农业上市公司资产负债率偏低,适度的债务比率对于上市公司有税盾的作用,农业上市公司应当重点利用财务杠杆带来的好处,在可控制的财务风险水平下,提高企业的经营绩效。

2. 农业上市公司需要不断提升盈利能力。通过研究发现,农业上市公司的盈利能力对其投资效率具有很显著的影响,所以提升盈利能力成为永恒的话题。农业上市公司如何提升盈利能力呢?目前许多农业上市公司都存在多元化经营,有的甚至脱离了农业的轨道,导致其盈利水平下降。笔者认为,农业上市公司想要提升盈利能力, 还是应当专注于自己的本行,利用自身优势,提升主营业务收入,从而带动投资效率的提高。

SFA 篇7

对一个或者多个经济体经济增长源泉的测量一直吸引着众多学者们的兴趣, 学者们一般较多使用索罗余值核算方法 (Solow R esidual A ccounting) 进行测量。但是由于索罗余值核算方法具有生产规模报酬不变、完全竞争和希克斯中性技术进步等严格假设条件, 并且它假定所有生产者都能实现最优的生产效率, 因而无法测量在生产无效率情况下的经济增长源泉。随着测量技术的进一步发展, 20世纪90年代前沿生产函数 (Frontier Production Function) 方法的出现, 弥补了索罗余值核算方法在这方面的不足。前沿生产函数方法主要包括参数方法 (如:随机前沿生产函数分析方法, 简称SFA) 和非参数方法 (如:数据包络分析, 简称D EA) 两种, 参数方法的优点是它可以考虑到现实经济中, 投入—产出行为不可避免地包含随机误差, 所以包含随机扰动的前沿模型才能更为准确的描述生产者行为, 因此它可以考虑到生产函数中的随机误差项, 并且可以估计出相应的参数, 缺点是具有一定的生产函数形式, 参数估计结果在一定程度上取决于生产函数形式的选择。非参数方法的优点是无需任何生产函数形式, 从而参数估计结果可以避免因错误的函数形式选择而带来的问题, 缺点是该方法不能把随机误差项分离出来。由于非参数方法不考虑随机误差项对经济增长的影响, 但是随机误差项在一定情况下对经济增长的影响是较大的, 因此, 采用参数估计方法 (如:随机前沿生产函数分析方法) 比较适合于区域性经济增长源泉方面的研究。目前学术界将随机前沿生产函数应用于经济增长方面的研究成果已经有不少。yanrui W u (2000) 运用基于超越对数生产函数形式的随机前沿生产函数的方法, 研究了中国27个省市全要素生产率的增长情况, 并且将全要素分解为技术进步和效率变化两部分。刘小二和谢月华 (2008) 利用SFA对我国区域全要素生产率进行实证研究之后认为:改革开放以来我国不同地区的全要素生产率均有明显上升, 但是欠发达地区全要素生产率的增长要快于发达地区, 说明我国T FP有一定的收敛性。何枫等人 (2004) 运用基于柯布—道格拉斯生产函数形式的随机前沿模型, 对我国29个省市 (区) 1981—2000年的技术效率变迁进行了测算。傅晓霞和吴利学 (2006) 运用基于柯布—道格拉斯生产函数形式的随机前沿生产函数方法, 对我国28个地区1978—2004年的全要素生产率增长进行了研究, 研究后认为中国各地区自1990年以来全要素生产率呈现出绝对发散趋势。周春应和章仁俊 (2008) 运用随机前沿生产函数对我国区域经济技术效率水平进行了测量, 研究结果表明了我国东部、中部和西部三大区域技术效率差距比较明显, 但是我国区域经济技术效率总体呈现出上升趋势。

综上所述, 学者们已经运用随机前沿生产函数分析方法对区域经济增长源泉进行了一定程度的研究, 但是到目前为止, 还没有发现相关文献资料运用随机前沿生产函数分析方法对云南省经济增长源泉进行测量, 这也为本文的提供了研究目标。本论文采用基于柯布—道格拉斯生产函数形式的随机前沿模型, 通过对云南省和全国1978—2009年的面板数据进行分析, 对云南省和全国经济增长源泉进行分析并且进行比较, 从而找出云南省和全国在经济增长源泉方面的差异所在, 进一步对产生差异的原因进行分析, 最后提出相应对策措施。

二、测量云南省与全国经济增长源泉的SFA模型说明

索罗余值核算方法 (SR A) 假定生产者都能完全达到投入—产出的技术边界, 从而都能实现最优的生产效率, 但是现实经济中这样的生产者是很少见的, 生产者由于受随机因素和技术效率的影响从而不能达到投入—产出函数的边界。因此, A igner和C hu (1968) 提出了前沿生产函数模型, 将生产者效率分解为技术前沿 (technological frontier) 和技术效率 (technological efficiency) 两部分, 技术前沿描述的是生产者投入—产出行为所能达到的边界, 技术效率描述的是生产者实际技术与技术前沿的差距。由于在现实经济中, 生产者投入—产出行为不可避免地包含随机误差, 因此, 包含随机误差项的前沿模型才能更准确的描述生产者投入—产出行为, 这就是随机前沿生产函数分析 (SFA) 研究方法。A igner, Lovell和Schm idt (1977) 、M eeusen和Broeck (1977) 以及Battese和C orra (1977) 最先提出随机前沿函数方法, Battese和C oelli (1996) 进一步发展了随机前沿函数方法。根据Battese和C oelli的研究, 随机前沿生产函数一般形式可以表示如下:

其中F (.) 表示前沿生产函数, Yit表示生产者在t时期的产出, X表示各种生产要素投入, β为一组待估计的参数, t表示时期, uit表示第i个生产者在t年生产技术效率的随机变量 (非负的) , uit具体函数形式是:

其中ui~N+ (μ, σu2) , 即ui服从非负断尾正态分布, η是待估计参数, 表示技术效率的变化率, 当η>0时, 表明在所考察时期内生产者技术效率水平是上升的;当η<0时, 表明在所考察时期内生产者技术效率水平是下降的;当η=0时, 表明在所考察时期内生产者技术效率水平是不变的。当uit=0时, 表示生产者投入—产出行为恰好处于生产前沿曲线上;当uit>0时, 表示生产者投入—产出行为处于生产前沿曲线的下方, 也就是说没有达到充分的技术效率。T表示选定的基期。vit为观测误差和其他随机因素, 服从零均值和不变方差的正态分布, 即V~N (0, σv2) , 通常假定它独立于uit, 并且也独立于投入和技术水平。技术效率可以用产出期望与随机前沿的比值来确定, 即:

如果技术效率损失较大, 则T Eit接近于0, 如果技术效率没有损失, 则T Eit等于1。Battese和C orra (1977) 认为, σ2=σu2σv2, γ=σu/σ, γ的值被限定在0和1之间。如果γ>0, 则表明生产者投入—产出行为处于生产前沿的下方, 必须使用SFA技术对这一面板数据进行分析。如果γ=0, 则表明生产者投入—产出行为恰好处于生产前沿曲线上, 直接使用O LS进行估计即可。

同时, 应用SFA模型对经济体经济增长源泉进行测算需要采用一定的生产函数形式, 目前较为常用的生产函数形式主要有超越对数生产函数两种形式和柯布—道格拉斯生产函数。柯布—道格拉斯生产函数形式具有模型简单、需要估计的参数个数较少、可以估计出劳动力、物质资本以及人力资本的产出弹性系数等优点, 相比起超越对数生产函数容易产生多重共线问题而言, 具有明显优势。经过比较分析我们采用柯布—道格拉斯生产函数形式。基于柯布—道格拉斯生产函数的随机前沿函数具体形式是:

其中A (t) 表示t时期的前沿技术水平, K表示物质资本投入, L表示劳动力投入, α、1-α和β分别表示物质资本、劳动力和人力资本的产出弹性系数。将 (4) 式两边取对数形式可以得到:

我们采用极大似然估计法, 并且运用coelli开发出的Frontier V ersion 4.1软件 (参见coelli, 1996) , 可以估计出 (5) 式中的各个参数值。根据估计出的各个参数值, 不仅可以得知云南省和全国各投入要素的产出弹性系数, 而且可以得知是否适合用SFA技术对云南省和全国经济增长源泉进行分析。另外, Frontier V ersion 4.1软件估计结果还可以给出云南省和全国1978—2009年技术效率水平。但是Frontier V ersion 4.1软件估计结果却无法给出云南省和全国1978—2009年技术进步水平, 一些学者如S.C.K um bhakar (2000) 、Y anrui W u (2000) 、王志刚 (2006) 、沈汉溪 (2007) 以及李谷成等 (2007) 采用将取对数后的生产函数求关于时期t的一阶导数方法来计算技术进步率。但是, 上式计算技术进步率有一个明显的缺陷就是, 技术进步率取决于各个生产者在各个时期的劳动力和物质资本等投入要素的增长率, 这显然是不合适的。因此, 目前来看使用SFA模型测量一个或者多个经济体技术进步率方面, 仍然难以令人信服。

三、基于SFA模型的云南省与全国经济增长源泉计量分析结果

运用Frontier V ersion 4.1软件, 并且采用极大似然估计法对 (5) 式中的参数进行估计, 其估计结果如表1所示, Frontier V ersion 4.1软件还计算出了云南省和全国技术效率水平, 这些结果如表2所示。

表1给出了基于柯布—道格拉斯生产函数形式的随机前沿生产函数参数估计结果, 表2给出了云南省和全国技术效率水平结果。从表1和表2的估计结果我们可以做出如下分析:首先, 从参数γ的估计值来看, γ1=γ2=0.001>0, 说明了云南省和全国生产技术水平都不在生产前沿曲线上, 因此使用SFA技术对这一面板数据进行分析是很有必要的;第二, 从参数η的估计值来看, η1=-0.052<0, η2=-0.036<0说明云南省和全国技术效率水平随着时期的推移而下降;第三, 从各投入要素的产出弹性来看, 全国方面, β1=0.758, β2=0.249, 可以得出全国物质资本、劳动力和人力资本的产出弹性系数分别是0.758、0.242和0.249;云南省方面, β1=0.224, β2=0.780, 可以得出云南省物质资本、劳动力和人力资本投入的产出弹性系数分别是0.224、0.776和0.780。可以看出全国物质资本投入产出弹性要大于云南省, 劳动力投入产出弹性要小于云南省, 人力资本投入产出弹性也要小于云南省;第四, 从云南省和全国技术效率水平来看 (如表2所示) , 云南省和全国技术效率水平都呈现出略微下降趋势, 但是云南省技术效率水平略微低于全国技术效率水平。

(注:*表示在10%置信水平;**表示在5%置信水平;***表示在1%置信水平。)

四、研究结论

本文分别使用基于柯布—道格拉斯生产函数形式的随机前沿模型分析了云南省和全国1978—2009年的经济增长源泉, 经过研究得到的结论是:云南省和全国生产技术水平都不在生产前沿曲线上, 都处在生产前沿曲线的下方, 因此使用SFA技术进行分析是很有必要的;从各投入要素的产出弹性来看, 全国物质资本投入产出弹性要大于云南省, 劳动力投入产出弹性要小于云南省, 人力资本投入产出弹性也要小于云南省;云南省和全国技术效率水平都呈现出略微下降趋势, 但是云南省技术效率水平略微低于全国技术效率水平。

参考文献

[1]Aigner, D.J.Lovell, C.A.K.and Schmidt.P., Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics, 1977 (6) .

[2]Meeusen, W and Broeck J.van.den., Efficiency estimation from cobb-douglas production functions with composed error[J].International economic Review, 1977 (18) .

[3]Battese, G.E., and Corra, G.S., Estimation of a production frontier model:with application to the pastoral zone of eastern Australia[J].Australian Journal of Agricultural Economics, 1977 (21) .

[4]Coelli T., A Guide to Frontier Version 4.1A Computer Program for stochastic Frontier Production and Cost Function Estimation[W].CEPA Working Papers, 1996.

[5]Yanrui Wu.Is China’s Economic Growth Sustainable?A productivity analysis[J].China Economic Review, 2001 (11) .

[6]傅晓霞、吴利学:技术效率、资本深化与地区差异——基于随机前沿模型的中国地区收敛分析[J].经济研究, 2006 (10) .

[7]何枫、陈荣、何炼成:SFA模型及其在我国技术效率测算中的应用[J].系统工程理论与实践, 2004 (5) .

[8]周春应、章仁俊:基于SFA模型的我国区域经济技术效率的实证研究[J].科技进步与对策, 2008 (4) .

SFA 篇8

资料显示, 2011 年, 河南省参加研究与试验发展活动的人员为16. 74 万人; R&D总经费为275. 49亿元, 是2006 年的3. 26 倍, 年均增长26. 7% ;R&D经费与当年国内生产总值之比为1. 02% , 比2006 年提高了0. 34% , 而当年全国R&D经费支出占GDP的比重为1. 27% 。也就是说, 河南省R&D经费支出占GDP比重较之全国平均水平还低。那么, 河南省的技术发展情况是怎样的呢?

1 现有研究成果及本文研究构架

1. 1 现有研究成果

已有对区域创新效率的研究主要有两种方法。一种是参数技术方法———随机前沿方法 ( SFA) , 如史修松等[1]分别以专利授权数和新产品销售收入作为产出指标测度了中国省际技术创新效率现状; 白俊红等[2]运用超越对数生产函数模型测度区域创新效率并分析了其收敛性问题; 王锐淇等[3]将SFA方法和Mulmquist指数方法相结合测度了区域创新效率; 白俊红等[4]以全国省际面板为研究对象, 基于Mulmquist指数研究了中国1999—2005 年区域创新生产率的变动情况, 得出全要素生产率增长的动力来源是技术进步, 且技术效率存在收敛趋势。另一种是非参数技术方法———数据包络分析法 ( DEA) , 如颜莉[5]首次尝试使用DEA结合主成分分析法测度区域技术效率; 白俊红等[6]基于三阶段DEA方法并添加环境因素考查了中国区域创新效率; 钟祖昌[7]使用改进的三阶段DEA方法对比了OECD国家和中国的研发创新效率。

1. 2 本文的构思

任何投入产出均带有时滞性, 创新产出的时滞期一般为1 ~ 2 年, 本文的时滞期为1 年。将2006—2011 年数据分为五个阶段研究, 即2006—2007 年为第一个阶段, 以此类推。2009 年河南省各地市的投入产出指标数据无法得到, 本文利用2008 和2010年的数据的平均值近似代替2009 年的各指标数值。参照史修松等的研究, 本文将产出分成两部分来分别测度效率, 一部分是专利, 另一部分是新产品销售收入。本文接下来的研究框架是: 第二部分运用SFA模型测度河南省技术创新效率; 第三部分研究影响技术效率的内生因素、纯技术效率和规模效率;第四部分分析在各阶段河南省各地市技术效率的收敛性; 最后一部分得出相应的结论。

2 技术创新效率的测算

2. 1 模型的选择

随机前沿法 ( SFA) 可追溯至Solow的研究, 在他的研究中, 导致实际产出和生产可能性边界分离的原因是随机扰动, 但其研究未将随机扰动与投入要素分离。我们知道, 在实际生产中, 如果投入要素一定, 随机因素会对实际产出产生一定影响, 使之偏离前沿生产函数。因此, 继索洛之后, 研究者进一步的研究将随机因素分离出前沿方法, 目的是为了找出实际产出与技术前沿偏离的原因。

与随机前沿方法相对应的是确定性前沿方法, 这一理论体系是由Aigner和Chu建立的。该理论认为实际产出的偏离是由随机扰动引起的, 所以各决策单元的产出只可能落在技术前沿之内或者至多与之相重合。这与索洛的观点不同, 索洛认为产出的偏离不仅仅受到扰动因素的干预, 经济主体的实际产出可能落在生产前沿面之外。

随机前沿生产模型 ( SFA) 是Angner Lovell和Schmidt与Meeuse和Broeck结合了确定性前沿函数及随机前沿函数共同提出来的。该方法考察的是决策单元 ( DMU) 投入产出效率水平。Battese和Coelli[8,9]对该模型进行了拓展延伸, 在原模型的基础上增加了非技术效率因素以测算技术与非技术双重因素对产出的影响。Kumbhakar和Lovell对随机前沿模型作了一个总结, 模型的一般形式为:

式中, yit表示第i个决策单元第t期的实际产出;f ( ·) 表示生产函数; xit表示第i个决策单元第t期的一组投入矢量; β 是一组矢量参数, 一般认为f ( xit; β) = xitβ; vit- uit是一复合结构, 其中vit是随机扰动项, 服从N ( 0, σv2) 的正态分布, 那么f ( xit; β) exp ( vit) 是生产前沿, 而uit是一组非负的误差项, 服从结尾正态分布N ( u, σv2) , exp ( - uit) 表示的是生产中的技术无效。如果存在技术无效, 则意味着经济主体的创新效率落于生产前沿之下, 这一技术无效是由经济主体自身原因造成的, 例如管理水平、员工素质等, 这又被称为管理无效。因此, 我们可以总结, 经济主体由于随机扰动和管理无效会导致产出偏离生产前沿, 但是随机扰动和管理无效是无法测定的。假定样本容量足够大, 随机扰动均值为零, 那么生产主体的技术效率可表示为:

0 < TE ≤1, 只有当TE = 1 时, 表示生产有效率, 即生产主体落在生产前沿面上。

生产函数有两种形式, 一种是柯布道格拉斯生产函数, 另一种是超越对数生产函数。前者形式较为简单, 而且其假设了技术为中性, 各投入要素的产出弹性固定 (1) , 且函数形式必须设定正确; 而后者就没有这些限制, 形式更加多样, 函数形式设定也更加准确。实际研究中, 要素的产出弹性是否是固定的、技术进步与投入要素是否有关是无法事先观测的, 所以, 本文选择超越对数生产函数模型来计算研发创新的投入产出效率, 模型的形式为:

式中, β 表示投入变量的待估参数, t为时间趋势, m和n表示第m个和第n投入变量, 其余与前文定义相同。

由于Battese和Coelli设定了 γ 变量, γ = σu2/ ( σu2+ σv2) 。γ 用来测算技术无效占复合扰动项的比例, 0≤γ≤1。如果软件操作过程中给出的 γ 变量的值是显著的, 则说明运用SFA模型分析效率是有意义的; 若无法通过显著性检验, 则表示实际产出与最大产出间距离多是来源于随机因素而非管理无效, 则SFA模型失去意义, 只需用普通最小二乘估计即可。

2. 2 指标的选取

2. 2. 1 投入层面

对于创新效率投入指标的选取, 现有研究主要从两个方面进行考虑, 具体如表1 所示。

考虑指标的可得性、统一性以及指标间相互关联性, 本文选择的投入指标包括:

( 1) 人力资源方面的R&D人员全时当量。R&D人员全时当量指的是包括科学家和工程师、全时人员以及从事基础研究、应用研究、试验发展的人员, 这些人员直接参与研究与试验发展活动, 是科技产出不可或缺的最重要的投入要素之一。

( 2) 资金方面的R&D经费内部支出。R&D经费内部支出是直接考察研发资金投入的指标, 包括经常性支出、科研基础支出和固定资产购置。

2. 2. 2 产出层面

衡量区域创新活动的产出主要有两个方面, 一个是专利, 另一个是新产品销售收入。专利蕴含了技术发明、创造等最直观的信息, 且各地市的专利数据容易获得, 将其作为产出指标有利于与现有研究成果进行比较, 但是专利的缺点是不能反映创新成果的市场价值; 相比之下, 新产品销售收入则能够更好地反映创新活动的商业价值, 但是局限于相关统计资料没有将新产品销售收入分地区统计, 因此, 尽管专利指标存在缺陷, 但在现阶段不失为衡量研发创新产出的可行性指标。专利分三种, 发明、实用新型和外观设计, 其中发明的技术含量最好, 最能反映一个地区的研发技术水平, 但是河南省统计年鉴中很多地市的发明专利申请数指标缺失; 专利授权量比专利申请量更能反映一个地区的创新成果得到科技管理机构的认可, 但是只能找到河南省2010 和2011 年两年的数据, 因此, 本文选择各地市专利申请受理量作为产出指标之一。

2. 3 效率结果分析

本文选取了两个投入变量, 超越对数生产函数模型的形式为:

运用Frontier 4. 1 软件回归式 ( 4) , 计算出各投入变量的待估参数和t值如表2 所示。

注: 1) 数据来源于 《河南省统计年鉴》 ( 2007—2012) , 经作者计算而得; 2) ***、**、* 分别表示在显著性水平1% 、5% 、10% 的情况下显著

由表2 可知, γ 变量是显著的, 说明本文使用SFA模型是有意义的。此外, 我们参照白俊红等的研究, 将估计的参数分三个阶段考察, 设定三个假设。假设一: 所有二次项系数均为零, 即 βll= βkk=βtt= βkl= βlt= βkt= 0, 那么我们使用简单的柯布- 道格拉斯函数即可; 假设二: 与时间趋势相关的系数均为零, 即 βt= βtt= βlt= βkt= 0, 则技术进步不存在时间趋势; 假设三: 两投入要素R&D人员全时当量和R&D经费内部支出与时间t的系数为零, 即 βlt=βkt= 0, 表示不存在技术为中性, 即技术进步与投入要素无关。从表2 我们可以看出, 假设一被拒绝, 说明使用超越对数生产函数模型比使用柯布- 道格拉斯生产函数更合适; 假设二被接受, 说明考察期内不存在明显的技术进步; 假设三被拒绝, 说明技术进步与要素投入相关, 技术是非中性的。

随机前沿生产模型对式 ( 4) 进行估计的河南省各地区研发创新效率值如表3 所示。

注: 数据来源于《河南省统计年鉴》 ( 2007—2012) , 经作者计算而得

具体分析如下:

第一, 区域创新投入要素的产出弹性分析。由表2 可知, βl通过了5% 的显著性水平检验, βk通过了10% 的显著性水平检验。R&D人员投入和R&D经费内部支出两要素的产出弹性分别是 βl=- 5. 78 , βk= 1. 84 , 说明专利产出的创新活动是资本密集型的; 劳动要素的产出弹性为- 5. 78, 意味着增加1% 的劳动投入会使产出降低5. 78% , 说明现阶段河南省的创新专利产出没有达到应有的规模, 或者说以现在的产出水平, 劳动量存在冗余; 资本的产出弹性为1. 84, 意味着增加1% 的资本量能够带来1. 83% 的专利产出的增长, 说明专利产出是以资本为基础的。因此, 现阶段河南省整体创新活动没有很好发挥劳动人员的效能。

第二, 区域创新效率的分析。从统计结果看, 河南省区域研发创新活动的效率平均水平为0. 861, 无效率因素占到了0. 139。整体上看, 各地区不同年份的效率差距较大, 最大的为2010—1011 年鹤壁市专利创新产出效率为0. 967, 与技术前沿的距离最小; 最小的是2007—2008 年信阳市创新效率为0. 450, 表现出严重的区域不平衡。横向来看, 新乡市的区域研发创新效率最高, 为0. 940; 平顶山市的效率最低, 为0. 668。专利研发效率值大于0. 9 的有开封市、洛阳市、鹤壁市、新乡市、濮阳市、许昌市、南阳市, 其中有经济发展水平相对较高的洛阳市、新乡市, 也有人均GDP较低的开封市、鹤壁市, 省会郑州市的平均效率接近0. 9。纵向来看, 总体效率 ( 平均) 值在0. 794 ~ 0. 914 之间波动, 有明显上升的趋势, 各个区域的变动情况如图1 所示。

从区域来看, 平顶山市和三门峡市的创新效率上升最快, 平顶山市从0. 525 上升到0. 843, 三门峡市从0. 557 上升到0. 867。

第三, 各个地区研发创新效率分析。从时间变化趋势上看, 我们可以把河南省的18 个地市分成三部分, 一部分的研发创新效率值在考察期内是上升的, 一部分是下降的, 还有一部分是期初期末值不变的, 其中只有开封市属于第二个范畴, 南阳市属于第三个范畴。而地区研发创新效率上升又可分为两种形式: 第一种是逐年上升, 包括鹤壁市、焦作市、商丘市、济源市; 第二种是波动上升, 包括郑州市、洛阳市、平顶山市、新乡市、濮阳市、许昌市、漯河市、三门峡市、信阳市、周口市、驻马店市, 后三个地级市的研发创新效率在第二个考察期有大幅下降, 之后逐步上升。横截面上看, 平顶山市、三门峡市、济源市在第一个考察期的研发创新效率很低, 达不到0. 6, 但是在第二个考察期三门峡市和济源市的研发创新效率得到很大程度的提升, 而平顶山市的提升幅度较小。

第四, 投入产出效率聚类分析。进行聚类分析的目的是更清晰地了解区域创新的研发模式。运用聚类分析法将河南省18 个地市分成四种, 区分方法如表4 所示。

( 1) 高投入高效率模式。此类模式包括洛阳、新乡、南阳3 个城市。这3 个城市的投入规模在全省均排在比较靠前的位置, 说明这三个地区更加注重科技创新活动, 且创新活动的专利产出有了一定的成效, 产出效率较高, 排在全省的前列。

( 2) 高投入低效率模式。此类模式包括郑州、平顶山、焦作。作为9 个中原城市群其中3 个城市, 其区域创新活动是粗放式的发展, 存在较为严重的资源配置不合理, 在一定的投入要素情况下产出没有达到应有的高水平。以平顶山市为例, 其R&D人员投入和资本投入分别排在河南省的第3 和第4 位, 而其专利产出效率最低。因此, 这些地区应调整自身的资源配置, 合理有效地利用资源, 提升科学管理水平。

( 3) 低投入高效率模式。这些地区包括开封、鹤壁、濮阳、许昌。虽然这些地区的经济发展水平在全省没有较大优势, 但是其创新活动的投入产出过程高效率应成为全省各地区学习的重点。河南省除了要加大对这些地区的资金支持力度, 更应注重对这些地区管理技术的学习, 以获得在全省范围内进行低投入、达到高效率的成效。

( 4) 低投入低效率模式。此类模式包括安阳市、漯河市、三门峡市、商丘市、信阳市、周口市、驻马店市和济源市这8 个城市。此类地区的研发投入较少, 创新效率也较低, 多是河南省经济发展水平落后的地区, 较低的经济发展状况致使其投入较低、人力资本素质偏低、资本投入较小, 进而产出水平较差。

3 创新效率的全要素生产率分析

本文运用SFA模型计算出了技术投入产出效率值, 接下来进一步了解影响效率变动趋势的因素。投入变量受到外部环境的制约, 影响创新产出与技术效率, 因此研究创新效率的影响因素为创新活动的人力资源、资金资源等投入要素的科学合理有效配置提供了现实参考依据, 为有关政策制定和执行提供相关理论基础, 意义重大。并且, Battese和Coelli已对SFA模型进行了改进, 本文就进一步利用该模型把技术非效率转换成技术效率, 分析影响技术效率的原因。

河南省在人力资本、产业结构和社会制度等方面与其他地区存在较大差异, 分析影响河南省各地市技术效率的因素, 使其未来在要素投入方面更科学, 从而进一步合理规划要素资源配置、优化政策制定, 因此, 深入研究河南省区域技术创新效率的影响因素是十分必要的。

3. 1 模型的选取

全要素生产率是影响一个地区经济转型十分重要的因素, 过度依靠要素投入实现经济的扩张在一定程度上能达到短期的效果, 但是是不可持续的。1953 年, Mulmquist提出了Mulmquist生产率指数, 用于对决策单元的技术效率进行分解, 拆分并估算生产前沿函数的全要素生产率TFP的大小。该方法的原理是对创新过程的全要素生产率进行估算与分解, 此处的生产可能性边界不同于上文运用随机生产前沿分析得到的。1982 年, Caves等[10]进行了Mulmquist生产率指数的运用。1992 年, Fare等提出了将Mulmquist指数拆分为以两个时期为基准的Mulmquist指数的几何平均, 一个是以t时期为基准, 另一个以t + 1 时刻为基准, 构造了不同时期生产前沿函数的技术效率状况。

我国用DEA方法测算研发创新效率的研究有很多, 但DEA方法并未考虑随机误差, 且对指标的选择非常敏感, 其在估计创新活动投入产出量上较SFA模型有所缺陷; 然而运用数据包络 ( DEA) 方法并不需要精准的模型设定, 且能够直接将技术效率进行分解, 在一定程度上能发掘引起技术效率的内生因素, 与本文分析意图相吻合。因此, 本文依据Mulmquist生产率指数, 选取上文SFA模型中运用的投入产出指标分析河南省区域创新效率的全要素生产率及技术效率的内生影响因素。全要素生产率可表示为:

式中, d0 (x, y) 表示的是产出距离函数。如果一个投入产出系统有a个投入、b个产出, 则投入集合与产出集合分分别是Ra与Rb, 达到生产前沿面时生产技术用增加的产出比率 ρ 表示, 则产出距离函数为:

那么技术效率 ( TEC) 的变化情况可以表示为:

假设规模报酬不变, 由式 ( 3) 可以将式 ( 1) 分解为两个部分, 一部分表示技术效率 ( TEC) 的变化, 另一部分表示技术 ( TC) 的变化, 如式 ( 8) :

式 (8) 中, 根号外部分是技术效率的变动, 根号内部分是技术变动。当技术效率> 1 时, 各生产主体向前沿面移动, 效率提升, 反之效率下降;技术进步> 1 时, 生产可能性边界向外移动, 技术改进, 反之技术退步。

Mulmquist生产率指数将技术效率进一步分解为纯技术效率 ( PTEC) 和规模效率 ( SEC) , 即技术效率= 纯技术效率 × 规模效率。纯技术效率指的是由于管理和技术因素影响生产率。纯技术效率> 1时, 规模报酬可变, 效率提升; 纯技术效率< 1 时, 规模报酬不变, 效率下降。规模效率则是由规模不同而引起的综合技术效率变动, 它的取值表示的是相对于第t期、第t + 1 期与规模报酬不变更接近还是更远离, 如式 ( 9) :

同样的, 纯技术效率 ( PTEC) 取值和规模效率 ( SEC) 取值情况如表1 所示。

接下来是测算生产距离函数d0 ( xi, yi) , i = 1, 2, ……n, 其中n是决策单元的个数, 如式 ( 10) :

3. 2 结果分析

本文按照第一阶段SFA模型的资本和劳动两个投入变量以及专利一个产出变量进行DEA方法的Mulmquist指数分析。由于各个指标性质不同, 在计算它们的影响程度时, 需要将指标进行同向化处理, 保证估计的准确性。处理方法是: x'it= xit/ ( max) xit, 其中xit指的是第i个地区第t时期的解释变量的观测值, 是第i个地区第t时期的解释变量同向处理后的指数。估算结果如表5 所示。

注: 原始数据来源于《河南统计年鉴》 ( 2007—2012) , 作者运用DEAP2. 1 软件计算得到

第一, 区域创新全要素生产率及其分解分析。整体来看, 整体技术效率值略大于1, 但是技术变动小于1, 说明考察期内平均来看技术倒退, 进而导致河南全省的创新活动的全要素生产率平均水平小于1, 也就是降低7. 8% 。技术变动与上文SFA模型得出的结果相同, 即平均来说, 考察期内未出现技术进步。分区域来看, 只有平顶山市和周口市出现相应的技术进步, 进步率分别为10. 4% 和5. 9% , 其他16 个地市均出现不同程度的技术倒退。河南省平均技术倒退率为7. 9% , 技术下降程度比技术效率提升幅度大, 因此, 全要素生产率均值降低7. 8% 。

第二, 区域创新技术效率及其分解分析。整体来看, 创新活动平均技术效率提升0. 2% , 这主要得益于纯技术效率的上升, 升幅达到0. 3% , 而相应的规模效率却下降0. 1% , 说明创新活动过程中的效率提升靠的是要素投入的增加, 而管理无效率会抑制创新效率的改善。分区域来看, 开封市、安阳市、濮阳市、三门峡市、周口市、驻马店市、济源市这7 个地级市的区域技术效率下降, 主要受到规模效率不足的影响, 即规模因素对创新效率的影响更大, 致使创新动力不足、技术效率偏低, 因此这些地区应该缩小创新活动的规模, 一味地追求大规模反而适得其反。开封市、三门峡市两个区域的纯技术效率分别下降0. 5% 和1. 5% 。信阳市的技术效率、纯技术效率和规模效率值均为1, 说明该地区处于生产前沿面上。

表5 是按照区域划分的创新活动的全要素生产率, 接下来我们根据表6 来分析一下考察期5 个阶段内河南省研发创新全要素生产率。

注: 原始数据来源于 《河南统计年鉴》 ( 2007—2012) , 作者运用DEAP2. 1 软件计算得到

从表6 的结果我们发现, 创新活动的全要素生产率、技术变动和技术效率呈现震荡趋势, 总体来说, 全要素生产率主要受技术变动的影响, 而规模效率是引起技术效率升降的主要原因。规模效率在考察期五个阶段内并不稳定, 且出现效率降低的年数大于效率增加的年数, 说明只靠增加投入来增加产出效率已远远不能满足现阶段创新活动的需要, 要注重管理水平的提高, 积极引进科学的体制与管理方式; 技术效率发展并不顺畅, 整体有小幅的提升, 但是波动性较大, 因此在创新活动中要注重规模效率, 合理配置利用资源, 优化创新渠道, 改进科技资金使用和筹措方法以及提升管理技术 (2) 。

4 简要结论

本文首先利用SFA模型分析了河南省18 个地级市在考察期的五个阶段的区域技术创新效率情况, 发现专利产出的创新活动是资本密集型的, 且劳动的产出弹性为负, 意味着创新活动的劳动要素存在冗余; 整体效率有所改善, 但存在严重的区域不平衡, 除开封市和南阳市外, 其他地区的创新活动效率均是上升的; 将18 个地区的投入产出进行聚类分析发现, 高投入高效率模式有洛阳市、新乡市、南阳市, 高投入低效率模式包括郑州市、平顶山市、焦作市, 开封市、鹤壁市、濮阳市、许昌市属于低投入高效率模式, 安阳市、漯河市、三门峡市、商丘市、信阳市、周口市、驻马店和济源市属于低投入低效率模式。

文章接着分析了影响区域创新效率的全要素生产率, 发现创新活动的全要素生产率、技术变动和技术效率呈现震荡趋势, 且全要素生产率主要受技术变动的影响; 考察期内平均来说, 未出现技术进步; 主要受到纯技术效率的影响, 创新活动平均技术效率提升0. 2% 。

摘要：利用SFA模型对河南省各地市的区域技术创新效率进行三个阶段的测度, 发现整体效率值呈逐步提升的趋势, 但许昌市、漯河市的效率值逐阶递减;另外, 利用面板数据估计模型分析影响区域创新效率的环境因素, 发现邮电业务总量作用最大, 而普通高等院校的投入却起到了负面影响, 说明河南省教育方式欠佳, 有待提升。

关键词：SFA模型,技术创新效率,面板数据估计模型,影响因素

参考文献

[1]史修松, 赵曙东, 吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术与经济研究, 2009 (3) :45-55

[2]白俊红, 江可申, 李婧.中国地区研发创新的相对效率与全要素生产率增长分析[J].数量经济技术与经济研究, 2009 (3) :139-151

[3]王锐淇, 彭良涛, 蒋宁.基于SFA与Mulmquist方法的区域技术创新测度与影响因素分析[J].科学学与科学技术管理, 2010 (9) :121-128

[4]白俊红, 江可申, 李婧, 等.中国区域创新生产率变动的实证分析——基于Mulmquist指数[J].系统工程, 2008 (7) :40-44

[5]颜莉.我国区域创新效率评价指标体系实证研究[J].管理世界, 2012 (5) :174-175

[6]白俊红, 蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济, 2011 (10) :104-112

[7]钟祖昌.国家创新效率的结构特征及其收敛性研究——基于OECD国家和中国经验分析[J].科学学与科学技术管理, 2012 (2) :23-29

[8]BATTESE G E, COELLI T J.Frontier production functions, technical efficiency and panel data:With application to paddy farmers in India[J].Journal of Productivity Analysis, 1992, 3 (1) :153-169

[9]BATTESE G E, COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics, 1995, 20 (2) :325-332