基于SFA的我國煤炭企業橫向并購效率研究

朱芳華，唐安寶

（中國礦業大學管理學院，江蘇 徐州 221116）

煤炭是我國重要的工業原料和基礎能源，占能源生產和消費的2/3以上，在我國經濟的發展中占據重要地位。但是由于歷史原因，形成了我國目前以國有煤礦為主、民間私有煤礦為輔的開采格局，煤炭行業呈現“多、少、散、亂”的局面。因此，促進煤炭行業發展是保證我國能源安全和服務經濟社會的關鍵問題。近年來，國家從保證能源供應和產業整合的角度出發，出臺了一系列推動煤炭行業發展的政策，如2006年的《國家大型煤炭基地建設規劃》、2007年的《煤炭工業發發展“十一五”規劃》以及2010年的《關于加快推進煤礦企業兼并重組的若干意見》，這些政策和措施的出臺掀起了我國煤炭行業兼并重組的浪潮，大型煤炭企業如山西焦煤集團、冀中能源集團、陜西煤業化工集團等先后兼并重組。然而在煤炭行業兼并重組帶來成績的同時也面臨著一些問題，如并購方的規模、環境因素、股權集中等對兼并重組所產生的影響最終會影響煤炭企業的效率。因此，本文研究煤炭企業的并購效率并對相關的影響因素進行分析，具有十分重要的現實意義。

1 文獻綜述

根據 Berger and Humphrey（1997）［1］的劃分，效率的評價方法分為參數估計方法和非參數估計方法，代表性方法分別為數據包絡分析法（DEA）和隨機前沿分析法（SFA）。在效率的評價上，DEA方法在其統計過程中無法分離混合項，從而把一些隨機因素并入到企業的技術無效率中［2］，SFA方法則避免了這個缺點。自提出以來，SFA方法在評價宏觀市場、微觀企業效率方面得到了廣泛應用，但以企業并購為研究對象的效率研究較少。代表性的研究有馬君潞，陳科等（2008）［3］利用SFA分析方法分析了亞洲新興市場商業銀行并購行為對其成本效率和利潤效率的改善情況。吳振球，李華磊（2011）［4］利用SFA方法和我國11家上市零售企業的并購數據，測度了上市零售企業并購的技術效率，并對相關影響因素進行了探討。

對并購效率的研究，國外學者大多集中在對銀行業發生并購行為之后的績效進行分析，如Becher（2000）［5］；DeLong（2001）［6］等。國內學者對并購效率的研究集中在通過因子分析的方法（方芳、閆曉彤（2002）［7］；程小偉、吳家舵（2007）［8］等）和 DEA 方法（李心丹（2003）［9］；趙國浩、王嘉雯（2011）［10］等）進行實證分析。

關于煤炭企業并購的研究，目前集中在對并購原因的分析和并購后公司治理等方面。霍德利、王立杰（2007）［11］從企業并購與戰略聯盟協調的角度，探討了煤炭企業取得競爭優勢的策略，并提出了煤炭企業通過并購與聯盟獲得競爭優勢的模型。范容慧（2010）［12］分析了山西省煤炭行業并購的原因以及重組對企業社會責任、行業內和行業外的影響。王國亮（2010）［13］以并購理論和公司治理理論為依據，分析了煤炭企業并購后存在的公司治理問題，并提出了政策和建議。冷新佳、謝守祥等（2011）［14］分析了煤炭企業跨區整合存在的問題，并提出了跨區整合型煤炭企業的管控模式和管控解決方案。

總結國內外研究可以發現：效率評價方法在并購效率研究方面取得了豐碩的成果，其中SFA在評價宏觀市場、微觀企業效率方面得到了廣泛應用；對并購效率的研究主要是通過因子分析、DEA等對并購后的績效進行分析；以因素探索和公司治理為視角的煤炭企業并購研究較普遍。但是，已有的研究對煤炭企業并購效率的評價和影響因素的研究有待進一步完善，因此本文通過SFA方法評價煤炭企業橫向并購效率并對其影響因素進行分析。

2 煤炭企業橫向并購效率評價

2.1 SFA方法簡介

SFA方法早期由 Aigner，Lovell和Schmidt（1977）［15］、Meeusen和 Broeck（1977）［16］提出，其基本模型可以表達為：y＝f（x；β）＊exp（v－u），其中y代表產出，x表示投入向量，β為待定的參數向量。誤差項ε為復合結構，第一部分v服從分布，v∈iid（獨立同分布）。第二部分u≥0，用以表示技術無效率對產出的沖擊。因此，該個體的技術效率狀態用TE＝exp（－u）表示。當u＝0時，企業正好處于生產前沿上；當u＞0，企業處于生產前沿下方，即處于產出無效率狀態。Battese和Coelli（1995）［17］提出模型中企業的無效率部分可以被表示為一組企業特征向量和隨機誤差項的函數，從而考察企業無效率的影響因素，模型具體表示為：Yit＝Xitβ＋（Vit－Uit）。其中Uit為非負的隨機變量，用以解釋企業i在t期的產出無效率部分，相互獨立且服從零點截斷的正半部分布，mit＝Zitδ，因此無效率模型可表示為Uit＝Zitδ＋εit，其中Zit為企業效率的影響因素向量，δ為待估參數向量，εit服從從零點截斷的的正半部分布。

2.2 樣本選擇與數據來源

由于煤炭企業的資源整合具有產業同質性，因此一般屬于橫向并購性質。隨著煤炭企業兼并重組相關文件的出臺，我國煤炭企業橫向并購行為的發生多集中在2008年、2009年、2010年，因此本文選取的研究樣本為《中國上市公司并購收購、資產重組數據庫（CMAAR）》提供的在2007～2011年間發生橫向并購行為的18家煤炭企業上市公司。CMAAR數據庫提供了公司的并購重組情況，其他的特征變量則來源于各上市公司公布的年報，宏觀經濟數據來源于中國統計年鑒。

2.3 變量選取及模型構建

本文在Battese和 Coelli（1995）［17］的模型的基礎上，運用超越C-D生產函數對我國煤炭企業橫向并購效率水平及其影響因素進行分析。其中，主營業務收入為產出變量，員工人數和資產總額為投入變量。根據公司治理理論、并購理論以及綜合前人的研究（余劍（2005）［18］；馬君潞（2008）［3］；賈全星（2012）［19］等），選取產權性質、環境因素、企業規模、股權集中度四個變量，從宏觀和微觀兩個角度分析煤炭企業橫向并購效率的影響因素，模型中變量的設置以及含義如表1所示。

本文建立SFA模型如下：

其中，i＝1，2，3，…，18，t＝ 1，2，3，4，5。β0，…，β5，δ0，…，δ4為兩組待估參數向量。TEit表示樣本中第i個企業第t年的技術效率水平。γ是檢驗參數，如果γ＝0則接受原假設γ＝δ0＝δ1＝δ2＝δ3＝δ4＝0，那么煤炭上市公司都處于生產前沿曲線上，此時直接可以使用OLS估計，不需要使用SFA方法。

表1 變量的設置以及含義

2.4 實證結果

本文使用Frontier4.1軟件對模型進行參數估計，方法為極大似然法。模型中參數及相關的檢驗結果如表2所示。

表2 參數估計和檢驗結果

根據表2實證檢驗的結果，我們可以得出以下幾點認識。

1）γ＝0.4477，表明前沿生產函數的誤差中44.77%來源于影響效率的因素。γ值不顯著趨向0，且其t統計值和LR統計值均通過了1%水平下的顯著性檢驗，說明方程中的誤差結構項存在著明顯的復合結構，被研究公司存在顯著的技術無效率。因此，對這些上市公司的數據使用SFA技術是有必要的。

2）β1＝1.5832且通過了1%水平下的顯著性檢驗，即勞動力的產出彈性為1.5832，意味著我國煤炭上市公司的勞動力產出彈性較大，具有比較明顯的勞動密集型特征。β2＝－0.5627且通過了5%水平下的顯著性檢驗，這意味著我國煤炭上市公司的資本產出彈性為負，說明煤炭企業單純的資本投入的增加反而會引起產出的減少，不能盲目擴大投資。平方項和交叉項的系數β3，β4，β5也都通過了1%水平下的顯著性檢驗。

Frontier4.1在估計模型參數的同時，還計算出了我國煤炭上市公司2007～2011年間的技術效率值（反映煤炭企業投入和產出的比例關系），其統計描述結果如表3所示。

表3 煤炭上市公司2007～2011年的技術效率（TE）

從表3中看出，我國煤炭上市公司在2007～2011年間的技術效率整體水平較高，除了永泰能源和露天煤業，基本上都達到了90%以上，整體的平均技術效率為92.13%。這18家上市公司都在樣本區間內發生了至少一次以上的橫向并購行為，比較其5年的均值發現，永泰能源和露天煤業的并購效率與其他企業相比差異較大。

根據CMAAR數據庫提供的公司發生并購行為的首次公告時間，分析并購前后效率的變化可知：蘭花科創、大同煤業、冀中能源、煤氣化、西山煤電在并購后效率先下降后上升，之后發展平穩，這可能與企業并購后文化、管理上的差異需要一定的時間磨合有關；永泰能源、露天煤業在并購后效率呈下降趨勢且幅度較大，這與主并購方的產權性質不同相關，非國有控股的企業在政府主導下執行并購行為時有可能會降低其效率；兗州煤業、國陽新能、盤江股份、中煤能源、山煤國際并購后的效率有小幅度下降，但整體上呈現平穩發展的趨勢，這可能是由于這些企業的股權集中度在并購期間內變化幅度較大引起的；神馬股份、開灤股份、恒源煤電、平煤股份、潞安環能、靖遠煤電在并購后的效率有所上升但是幅度較小。

3 煤炭企業橫向并購效率影響因素分析

分析表2中的各效率影響因素變量參數的檢驗結果，可知如下內容。

1）δ1＝－2.2701，在1%的水平下顯著為負，表明與非國有控股企業相比，國有控股煤炭企業效率的改善程度較好，所有權性質對并購效率的影響極其顯著。這可能是由于目前我國煤炭企業的兼并重組多是由政府主導的，在這個過程中國有控股的煤炭企業擁有更健全的管理體制、良好的執行力和發展環境，因此與非國有控股企業相比效率更高。從上文的分析也可以看出，非國有控股的永泰能源和露天煤業并購效率較低。

2）δ2＝－0.333，說明環境因素對煤炭企業并購效率具有積極的影響，經濟增長率每增加1%，技術效率可相應增加0.333個百分點，但是δ2沒有通過顯著性檢驗，因此宏觀經濟環境對煤炭企業的技術效率的影響并不明顯，這可能與煤炭作為主要能源的地位以及煤炭企業自然資源性的特點相關。

3）δ3＝0.5478并且通過了1%水平下的顯著性檢驗，說明企業規模與技術效率呈現負相關，企業規模每上升1%，效率將下降0.5478個百分點。這可能是因為煤炭企業規模的擴大造成產能過剩、冗員過多等問題，最終導致效率低下。因此，煤炭企業并購后無法僅僅通過規模的擴大來提高并購效率，應當注重并購后公司的治理、技術的研發等方面。

4）δ4＝－1.4803并且通過了10%下的顯著性檢驗，說明股權集中度與企業的效率是正相關的，企業股權集中度越高，技術無效率程度越低。股權集中度是衡量公司穩定性強弱的重要指標，在企業并購前后發生變化的可能性也較高，從上文的分析中可以看出，股權集中度在并購前后變化較大的企業其并購效率有所下降。

4 結論與建議

本文運用隨機前沿分析方法（SFA），選取了18個在2007～2011年間發生橫向并購行為的煤炭上市公司，實證檢驗我國煤炭企業的橫向并購效率及其影響因素，其結論如下所示。

1）煤炭企業發生橫向并購行為之后，其效率的變化可能上升也可能下降，但是整體來說變化的幅度較小。非國有控股的企業以及股權集中度變化較大的企業其并購效率相對較低。

2）煤炭企業橫向并購效率的影響因素中，產權性質、股權集中度與效率呈顯著的正相關，股權集中度每增加1%，效率相應地增加1.4803個百分點。企業規模與效率呈顯著的負相關，其每增加1%，效率相應地減少0.5478個百分點。宏觀經濟環境因素對效率的影響不顯著。

因此，為了提高我國煤炭企業并購的效率，使我國煤炭行業向著集中化、規范化、精細化和多元化的方向發展，應當堅持政府主導和市場運作，鼓勵發揮國有控股煤炭企業在煤炭企業整合中的作用；鼓勵股權集中度高，公司運營穩定的煤炭企業的并購，減少股權集中度低或者股權集中度變化較大，穩定性弱的煤炭企業的并購行為；煤炭企業橫向并購應當更加注重并購后的公司治理而不是盲目的擴大規模。

［1］Berger A N，Humphrey D B.Efficiency of financial institutions：International survey and directions for future research［J］.European Journal of Operational Research，1997（98）：175-212.

［2］奚君羊，曾振宇.我國商業銀行的效率分析——基于參數估計的經驗研究［J］.國際金融研究，2003（5）：17-21.

［3］馬君潞，陳科，呂劍，等.基于SFA方法的亞洲新興市場經濟體銀行并購效率研究［J］.財經理論與實踐，2008（29）：12-16.

［4］吳振球，李華磊.我國上市零售企業行業內并購技術效率研究［J］.數量經濟技術經濟研，2011（7）：36-39.

［5］Becher D.The Valuation Effects of Bank Mergers［J］.Journal of Corporate Finance，2000（6）：189-214.

［6］Delong G.Stockholder Gains from Focusing Versus Diversifying Bank Mergers ［J］.Journal fo Financial Economics，2001（59）：221-252.

［7］方芳，閆曉彤.中國上市公司并購績效與思考［J］.經濟理論與經濟管理，2002（8）：43-48.

［8］程小偉，吳家舵.上市公司橫向并購及其實證研究［J］.上海經濟研究，2007（7）：91-96.

［9］李心丹，朱洪亮，張兵，等.基于DEA的上市公司并購效率研究［J］.經濟研究，2003（10）：15-24.

［10］趙國浩，王嘉雯.基于DEA的山西煤炭資源整合過程中的企業績效評價研究［J］.能源與節能，2011（6）：6-10.

［11］霍德利，王立杰.基于并購與戰略聯盟的協調機理煤炭企業取得競爭優勢的研究［J］.中國礦業，2007，16（7）：31-33.

［12］范容慧.山西省煤炭行業并購重組的前因及后果分析［J］.生態經濟，2010（7）：63-65.

［13］王國亮.煤炭企業集團并購后公司治理問題研究［J］.中國煤炭，2010（4）：18-37.

［14］冷新佳，謝守祥，郭俊義，等.跨區整合型煤炭企業（集團）的系統管控的問題研究［J］.中國礦業大學學報：社會科學版，2011（4）：56-60.

［15］Aigner D J，C A K Lovell，Schmidt.Formulation and Estimation of Stochastic Frontier Production Functions Models［J］.Journal of Econometrics，1977（6）：21-37.

［16］Meeusen W，J.vanden Broeck.Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error［J］.International Economic Review，1977（18）：435-444.

［17］Battese E，Coelli T.A model of technical inefficiency effects in stochastic frontier production for panel data［J］.Empirical Economics，1995（20）：325-332.

［18］余劍.我國企業效率及相關影響因素分析——以我國軟件行業上市公司為例［D］.臨汾：山西師范大學，2005.

［19］賈全星.我國新能源上市公司技術效率及其影響因素分［J］.工業技術經濟，2012（7）：115-119.