高新技術企業經營績效評價研究——以中國創業板上市公司為例

楊松令，常曉紅，劉亭立

(北京工業大學經濟與管理學院，北京 100124)

1 文獻回顧

近幾年來，關于公司經營績效應該如何評價引起越來越多國內外學者的關注，他們從多個層次、多個角度進行了廣泛的理論和實證研究。Wang和Chin運用雙邊界DEA方法來測度高級生產技術，并比較了雙邊界DEA與傳統DEA方法［1］。李洪等從對傳統績效指標進行主成分處理出發，探討了EVA特別是EPA和EPE指標衡量公司績效的科學有效性［2］。傅毓維等提出基于BP神經網絡模型來評價企業的績效水平［3］。陶萍和陳濤運用二次相對效益評價方法對上市公司的績效進行評價，從管理有效性的角度分析了上市公司績效評價機制［4］。張繼英和蔣慧俠在科學設計創業板上市公司績效評價的指標體系的基礎上，建立了模糊綜合評價的數學模型，實現了對創業板上市公司績效的綜合評價［5］。彭源波采用主成分分析法，構建了一個新的經營績效考核的財務評價體系，用來對上市公司的經營績效進行分析［6］。以上研究運用不同方法對上市公司績效進行了有效評價，為公司績效分析的后續研究奠定了較好的基礎。

DEA方法是在“相對效率評價”概念基礎上發展起來的一種系統分析方法，用于測評一組具有多重投入和多種產出的決策單元的績效和相對效率。由于DEA這種非參數估計方法可以規避參數方法的多種限制，因此被廣泛應用于效率的測評，在評價高新技術企業的經營績效方面十分適合。鑒于此，本文基于CCR-DEA模型和超效率模型，對我國首批在創業板上市的28家高新技術企業績效進行測度比較，進而對企業績效的評價結果進行分析，指出改進的具體方向和目標值。

2 研究方法及數據說明

2.1 DEA模型

(1)企業投入產出績效評價——CCR-DEA模型［7］。數據包絡分析 (DEA)是著名的運籌學家Charnes和Cooper等提出的一種效率評價模型，主要是通過數學規劃計算，對被考察單元進行相對的效率評價［8］。

(2)企業投入產出有效公司間的比較——DEA的超效率模型。CCR-DEA模型可以同時評價產出指標的技術有效性和規模有效性，但CCR模型往往會得出數個“有效”效率值為1的決策單元，從而無法直接比較有效決策單元之間效率的高低。為彌補這一缺陷，Andersen和Petersen提出DEA的“超效率”模型，使有效決策單元之間也能比較效率的高低［9］。

2.2 變量選擇和數據來源

(1)投入與產出變量的選擇。DEA系統的評價指標體系不同，將會產生不同的評價效果。DEA模型對投入產出具有高度敏感性，因此評價指標體系的選取是DEA方法有效運用的關鍵。高新技術企業是一個多投入多產出的復雜動態系統，其投入包括人、財、物等可定量計算的有形因素，也包括國家政策支持等無形因素;在產出方面，包括對社會的貢獻也包括對經濟發展的貢獻。考慮到上市高新技術企業的年報數據特點和數據的可獲得性和有效性，選擇 X1:總資產 (萬元)、X2:主營業務成本 (萬元)、X3:固定資產 (萬元)、X4:流動資產 (萬元)、X5:員工總數(人)5個投入指標和Y1:主營業務收入 (萬元)、Y2:利潤總額 (萬元)、Y3:凈利潤 (萬元)、Y4:每股收益 (元)、Y5:凈資產收益率 (%)5個產出指標用以反映高新技術企業經營績效。此外，應用DEA進行效率分析時應該保證決策單元的數量是投入產出指標的至少2倍以上，本文決策單元為28個，而投入產出指標為10個，因此適合應用DEA方法。

(2)數據來源。本文數據來源于深圳證券交易所和上市公司年報所統計的數據，為保證數據的時效性選擇2011年作為研究時間點，研究對象為我國創業板市場首批上市的28家高新技術企業。由于各指標的數據口徑統一，且具有可比性，因此對統計結果并無太大影響。

3 實證結果及分析

3.1 原始投入產出數據下高新技術企業績效分析

本文應用DEAP2.1軟件對2011年28家首批創業板上市的高新技術企業的投入產出進行分析，CCR模型求解結果 (見表1)顯示，綜合技術有效的有神州泰岳、樂普醫療、探路者、漢威電子、上海佳豪、安科生物等，共19家公司，占首批創業板上市公司數量的67.86%。這些上市公司的經營績效既是技術有效的又是規模有效的，其余各高新技術企業的技術效率和規模效率均存在一定的改進空間。

在非DEA有效的9家高新技術企業中，新寧物流公司的純技術效率 (純技術效率值等于1)是有效的，但規模效率 (規模效率值小于1)是無效的，特銳德公司的規模效率是有效的，但純技術效率是無效的，其他7家公司屬于純技術效率和規模效率都是無效的。另外，結合規模報酬來看，非DEA有效的企業中，特銳德1家公司表現為規模收益不變外，機器人1家公司表現為規模收益遞減，其余7家公司均表現為規模收益遞增。

28家高新技術企業的排名及非DEA有效決策單元投影分析結果顯示，從投入的角度來看，非DEA有效的這些上市公司大部分都出現總資產、主營業務成本、固定資產、流動資產和員工總數投入冗余。可見，這些公司在其他要素投入不變的情況下，過度增加總資產、主營業務成本、固定資產、流動資產和員工總數的投入就會導致生產的非效率。因此，從高新技術上市公司績效的角度分析，高新技術產業的發展應該在增加資源投入的同時優化資源配置，以期達到投入產出的最優狀態。從產出角度來看，大部分地區都出現了十分明顯的利潤總額、凈利潤和凈資產收益率不足，亟需改善。

3.2 超效率DEA模型分析

以上研究利用CCR-DEA模型對28家高新技術企業的投入產出效果進行分析時，同時評價得出產出指標的技術有效性和規模有效性，但綜合技術效率得分為1的上市公司有19家，為了進一步比較這些同屬前沿的上市公司進行有效區分，繼續采用超效率DEA分析方法。運用DEA-Solver-LV軟件中CCR超效率模型來評價有效高新技術上市公司之間的效率高低，運算后得到的具體結果詳見表1和表2。

表1 CCR模型及Super-CCR模型求解結果

續表

表1的綜合效率值將28家高新技術企業進行排序。超效率 (Super-CCR)模型主要是可以區分有效決策單元效率的高低，其中，吉峰農機的綜合效率值為3.952、排名第一，樂普醫療的綜合效率值為3.098、排名第二，神州泰岳的綜合效率值為1.078、排名第十九。其他的9家無效公司的綜合效率值與表1中CCR模型求解的結果是一樣的。

從表1的超效率 (Super-CCR)模型中還可以發現，28家高新技術企業中綜合效率值排列在前五位的公司均分布在北京、杭州、成都。這些地方因其獨特的文化和經濟優勢技術水平均較強，且聚集了一大批高科技企業和科研院所，通過人、才、物的積極投入及資源優化配置，更容易達到投入產出的最優狀態。

表2 19家上市公司投入產出有效決策單元超效率相關數據

續表

續表

從表2中可以發現，28家高新技術企業中的19家DEA有效上市公司經營績效雖處于相對較佳狀態，但仍有較大提升空間。其中，吉峰農機公司投入產出績效綜合效率得分第一，但并不意味著其達到了完全最佳狀態，在投入產出方面仍有需要改進的地方。首先，從投入角度來看，吉峰農機的總資產、主營業務成本、固定資產、流動資產、員工總數的改進率分別為109.43%、－29.14%、295.18%、76.35%、218.73%。其次，從產出角度來看，吉峰農機的主營業務收入、利潤總額、凈利潤、每股收益、凈資產收益率的改進率分別為 0%、330.47%、437.78%、999.90%、972.69%。從改進率的大小來看，吉峰農機應從每股收益、凈資產收益率、凈利潤、利潤總額、固定資產、員工總數等方面來考慮以達到該公司完全最優狀態。

通過從投入產出角度的分析可知，雖然綜合效率得分最高的高新技術企業處于相對最佳狀態，但是在投入和產出方面仍有很多需要改進的地方。

4 結論及建議

本文運用CCR-DEA模型和超效率模型，將主營業務收入、利潤總額、凈利潤、每股收益和凈資產收益率視為產出要素，對創業板首批上市的28家高新技術企業經營績效進行了綜合的評價和分析。在DEA分析結果的基礎上，比較了2011年28家高新技術企業的綜合效率，并分析了DEA有效的19家公司投入產出要素的超效率相關數據。主要結論有:

第一，投入產出無效的9家高新技術企業整體處于規模收益遞增狀態。根據規模收益分析結果，除了1家公司規模收益不變，1家公司規模收益遞減外，其余7家公司規模收益均處于規模收益遞增的階段，說明高新技術企業有著巨大的發展空間。

第二，我國部分高新技術企業的經營績效有待改進，提高企業的技術效率成為關鍵。通過表1的實證結果可以看出，我國28家樣本公司中有近1/3公司未能達到理想狀態，其純技術效率和規模效率均有待提高。而綜合經營效率不高主要是因純技術效率表現不佳所導致的，因此提高企業的技術效率成為提升綜合經營效率的關鍵因素。

第三，投入產出有效的19家高新技術企業也存在較大差別。通過表1的DEA超效率模型分析可以看出，綜合效率前五家的公司中，有三家公司分布在北京，還有成都、杭州各一家。北京和成都、杭州作為我國經濟較為發達的地區，發展高新技術有充足的資金支持，且高新技術發展起步較早，現已進入成熟發展時期，科技園區和高新技術產業開發區建設取得了輝煌成就，同時這些地區聚集了多家高校和科研單位，整體軟硬件環境建設和發展研發產業、促進高新技術及其產業化的能力明顯較高。這些公司依托所在城市較強的文化和經濟技術水平，通過資源優化配置，更容易達到投入產出的最優狀態。

第四，綜合效率得分最高的企業同樣尚未達到完全最佳狀態，仍存在較大的提升空間。通過表2可以看出，吉峰農機的綜合效率得分位于樣本公司第一，不僅在總資產、主營業務成本、固定資產、流動資產投入方面有需要改進的地方，在利潤總額、凈利潤、每股收益、凈資產收益率產出方面也存在較大提升空間。

基于以上研究發現，我國高新技術企業投入產出效率整體狀況有待進一步改進，且存在一定的區域差異。在提高各企業投入產出效率的過程中，進一步改善公司的技術效率是高新技術企業發展的關鍵，企業要依托本地獨特的經濟文化優勢，加大科技創新力度，優化資源配置;同時政府應加強對新興產業和高科技企業的支持力度;此外，還要適當擴大公司的規模，提高目前處于較低水平的規模效率。總之，我國高新技術企業應在保持穩定發展的前提下，重點改進各投入產出要素，以達到最佳狀態。

［1］Wang Ying-Ming，Chin Kwai-Sang．A new approach for the selection of advanced manufacturing technologies:DEA with double frontiers［J］．International Journal of Production Research，2009，47(23):6663 －6679．

［2］李洪，張德明，曹秀英，張學岷．EVA績效評價指標有效性的實證研究［J］．中國軟科學，2006，(10):150－157．

［3］傅毓維，尹航，楊貴彬．BP神經網絡在企業經營績效評價中的應用［J］．運籌與管理，2006，(4):137－140．

［4］陶萍，陳濤．基于管理有效性的上市公司績效評價研究［J］．中國軟科學，2009，(S2):253－256．

［5］張繼英，蔣慧俠．基于模糊方法的創業板上市公司績效評價［J］．開發研究，2012，(1):143－147．

［6］彭源波．基于因子分析法的我國農業上市公司經營績效評價［J］．生產力研究，2012，(1):82－84．

［7］張仁壽，黃小軍，王鵬．基于DEA的文化產業績效評價實證研究——以廣東等13個省市2007年投入產出數據為例［J］．中國軟科學，2011，(2):183 －192．

［8］Charnes A，Cooper W，Rhodes E．Measuring the efficiency of decision making units［J］．European Journal of Operational Research，1978，(2):429 －444．

［9］Andersen P，Petersen N C．A procedure for ranking efficient unit in data envelopment analysis［J］．Management Science，1993，(10):1261－1264．