我國農業類上市公司研發效率測度基于三階段DEA模型

古鴻雨,王玉峰,楊曼路,李 松(四川農業大學 經濟學院,四川 成都 611130)

我國農業類上市公司研發效率測度基于三階段DEA模型

古鴻雨,王玉峰,楊曼路,李 松
(四川農業大學 經濟學院,四川 成都 611130)

研發效率是衡量企業創新能力的關鍵因素。基于2012—2015年面板數據,運用三階段DEA模型,在控制環境因素的基礎上對我國36家農業類上市公司的研發效率進行了測度和分析。結果表明:過于集中的股權結構會加劇公司投入冗余,而政府補貼則有助于減少研發投入浪費;在剔除環境因素、隨機誤差的影響后,大多數公司的綜合技術效率和規模效率下降,且普遍處于規模遞增狀態,說明規模擴張仍是研發效率提升的重要瓶頸,因此要提高農業公司的研發效率。

農業類上市公司;研發效率;三階段DEA模型

1 引言

在我國大力推進農業科技創新的政策背景下,如何補齊農業科技創新投入短板需要精準查找當前涉農企業的研發效率水平及其制約因素,以更有效地利用財政、金融政策增強我國農業科技創新能力,提高農業現代化水平。目前,國外研究主要集中在對制藥業與食品業等行業研發效率的評估[1,2]、對不同國家或同一國家不同地區研發效率的評估[3-5]和對高校研發效率的評估[6-8]等方面。國內學者關于研發效率的研究起步相對較晚,主要集中在:對各類上市公司研發效率的研究[9,10],對高新技術產業、電子信息制造業、文化產業等不同產業研發效率的研究。其中,部分學者選取行業面板數據來測度了不同產業的研發效率[11,12],還有學者運用省域面板數據來測算各省產業研發效率[13,14],以及對不同國家或同一國家不同地區研發效率的研究[15,16],對高校、科研機構和政府等不同部門研發效率的研究[17,18],但針對農業上市公司研發效率的研究文獻較少。黃潔莉[19]以我國農、林、牧、漁業上市公司2007—2012年的面板數據為研究樣本,運用回歸模型驗證其研發投入、實際所得稅率與其風險、業績的相關關系;魏長升[20]選取深交所和上交所20家農業上市公司為樣本,采用傳統DEA模型研究其研發投入對企業經營績效的影響。回歸方法只能假設一個產出變量為因變量,而傳統DEA方法忽略了環境因素和隨機誤差的影響。本文運用三階段DEA模型測度我國農業類上市公司研發效率,查找制約因素并提出相應的建議。

2 研究設計與數據說明

2.1 研究方法

本文采取Fried等[21]提出的DEA與SFA模型相結合的三階段DEA模型。該模型可避免生產函數設定錯誤,同時考慮了外部環境因素和隨機誤差的影響。

第一階段DEA模型采用Banker等[22]提出的BBC修正模型,得到樣本公司的綜合技術效率、純技術效率和規模效率。

(1)

式中,j(=1,2,…，n)為決策單元；X和Y分別是投入與產出變量。

第二階段,構建投入松弛變量與環境變量的SFA模型:

Sni=f(Zi;βn)+υni+μni; (i=1,2,…,I;n=1,2,…，N)

(2)

式中,Sni為第i個決策單元第n項投入的松弛值；Zi為環境變量；βn為環境變量的系數；υni+μni為混合誤差項；υni為隨機干擾；μni為管理無效率。

調整公式為:

(3)

2.2 樣本選擇與數據來源

本文以2012年證監會修訂的《上市公司行業分類指引》(簡稱《指引》)作為分類標準,選取我國農業類上市公司2012—2015年相關數據進行研究。樣本公司來自《指引》的兩個板塊:一是農、林、牧、漁及其服務業板塊,目前共有43家上市公司;二是農副食品加工業板塊,目前共有38家上市公司。剔除1家B股上市公司、16家ST公司、18家上市不滿5年的公司、11家未披露研發支出等相關數據的公司,本文將剩余36家公司作為研究樣本。數據來自上市公司年報、國家知識產權局網站、2013—2016年的《中國統計年鑒》。

2.3 變量選擇

產出變量:①發明專利申請數。專利是通用的測量研發活動創新成果的指標[23],專利申請數能較好地反應上市公司的研發能力[24],但考慮到實用新型專利和外觀設計專利并不能有效反應研發產出能力,故本文選取發明專利申請數作為農業類上市公司研發活動的產出指標之一。②營業收入。提高經營績效是企業創新活動的最終目的,本文選擇價格指數平減后的營業收入作為產出指標。具體來說,以2012年為基期,利用種植業、林業、畜牧業和漁業產品的生產價格指數以及農業生產服務價格指數分別對農、林、牧、漁及其服務業的上市公司營業收入進行平減,利用農副食品加工業的工業生產者出廠價格指數對農副食品加工業的上市公司營業收入進行平減。

投入變量——研發支出:研發支出是從資本投入的角度衡量研發活動的直接投入。為剔除前期和當期研發投入的影響,選擇研發資本存量來衡量研發支出,并作為農業類上市公司的研發投入指標。即依據Ramp;D經費中勞務費40%、固定資產30%、原材料30%的比重,分別乘以居民消費價格指數、固定資產投資價格指數、工業生產者購進價格指數之和,再以2012年為基期進行平減。然后,在假定平均滯后期為1年的情況下,采用永續盤存法來測算研發資本存量:

Ki,t=Ei,t-1+(1-δ)×Ki,t-1

(4)

式中,K為當年末的研發資本存量(以每年研發支出的平均增長率衡量);E為每年的研發支出;i為第i家上市公司;t為年份;δ為折舊率,借鑒Griliches[25]對研發資本折舊率的估計,本文假定折舊率為15%。

初始年份研發資本存量為:

Ki,0=Ei,0/(gi+δ)

(5)

式中,Ki,0為第i家上市公司初始年份的研發資本存量;Ei,0為第i家上市公司初始年份的研發支出流量;gi為第i家上市公司在研究期間內的年均研發支出增長率。

研發人員:研發人員是從勞動力投入角度衡量研發活動的直接投入。由于大部分上市公司并未直接披露研發人員數量,本文選擇技術人員數量作為研發人員的代理變量。

環境變量:①GDP增長率。當GDP增長率比較高時,經濟持續擴張,農業類上市公司面臨良好的融資環境和市場環境,有利于上市公司研發效率的提升,但是產生的生存壓力和競爭壓力的降低又可能導致公司內部資源配置效率降低[26]。②政府補貼。政府補貼是對涉農公司研發支持的政策,是較容易量化的政府支持變量,但政府補貼是提升公司研發效率還是增強公司對政策的依賴性而影響其研發積極性需要做進一步驗證。③股權集中度。在股權集中度過高的情況下,控股股東可能會因單方面利益而影響研發活動,制約公司研發效率的提升[27]。④上市年限。公司上市后,經營行為受到多重監督,較上市前信息更加透明,這可能促使公司不斷提升經營管理水平。但上市后由于融資約束減小,生存壓力顯著降低,可能導致公司研發效率伴隨著上市年限的增加而出現退化[26]。環境變量設置見表1。

表1 變量設置

3 實證分析

3.1 第一階段DEA模型實證結果

在不考慮環境因素和隨機誤差影響的情況下,2012—2015年我國36家農業類上市公司的綜合技術效率水平偏低,平均值為0.403,其中純技術效率和規模效率平均值分別為0.516和0.780,見表2。

表2 第一階段和第三階段我國36家農業類上市公司研發效率情況

3.2 第二階段SFA模型實證結果

以第一階段投入冗余變量為被解釋變量,以各環境變量為解釋變量,建立回歸模型,結果見表3。

表3 第二階段不同環境變量對投入冗余變量的回歸估計結果

注:***、**、*分別表示在1%、5%和10%水平下顯著。

從表3可見,環境因素對樣本公司研發效率產生顯著影響:①GDP增長率。GDP增長率對研發支出冗余和研發人員冗余存在顯著的正向影響。這表明經濟處于擴張期時,農業類上市公司面臨良好的融資環境和市場環境,但由此產生的生存壓力降低可能導致公司內部資源配置效率降低,加劇研發資本和勞動力的投入浪費,不利于研發效率提升,與季凱文等的研究結論一致。②政府補貼。政府補貼對農業類上市公司研發支出冗余和研發人員冗余存在顯著的負向影響。這表明政府補貼金額增加能有效促進農業類上市公司研發資源的配置,提升研發效率水平。因此,政府進行適宜的資金補貼來鼓勵涉農公司從事農業研發創新活動,在一定程度上緩解部分公司因資金缺乏而帶來研發資金投入不足的困境。③股權集中度。第一大股東持股比例對研發支出和研發人員的冗余存在顯著的正向影響。股權集中度過高容易產生“內部控制人現象”,將導致研發支出和研發人員浪費程度增加,這驗證了彭熠等的觀點,可見調整“一股獨大”的股權結構更有利于農業類上市公司研發效率的提升。④上市年限。樣本公司上市年限對研發支出冗余存在顯著的正向影響,對研發人員冗余影響不顯著,表明公司上市時間越長,研發支出浪費程度越大。相較于成長期企業,成熟期企業所面臨的生存壓力將會顯著降低,且經營范圍由單一化轉向多元化,進而研發效率出現退化。可見,由于各個環境變量對農業類上市公司投入冗余變量存在不同程度和不同方式的影響,因此需要調整原始投入變量,使樣本公司處于同質的環境條件和同樣的隨機條件,再進一步分析其真實研發效率水平。

3.3 第三階段調整DEA模型實證結果

使用剔除環境因素和隨機誤差影響后所得的投入數據,再次對我國36家農業類上市公司的研發效率進行測度,得出各樣本公司2012—2015年的真實效率狀況,見表2。

總體效率分析:①從不同行業來看,農副食品加工業的樣本公司綜合技術效率相對較高。20家農、林、牧、漁及其服務業上市公司的綜合技術效率平均為0.127,明顯低于16家農副食品加工業上市公司(其綜合技術效率平均值為0.387)，這與現實情況相符。相對于傳統農業公司,農副食品加工業屬于制造行業,其技術含量更大、研發要求更高。②從各樣本公司來看,樣本公司的綜合技術效率存在較大差異,僅新希望、保齡寶、海大集團、大北農、晨光生物和通威股份6家公司的綜合技術效率大于0.5。其中,新希望處于技術效率前沿面(三項效率值均為1),其余樣本公司的綜合技術效率均偏低,且12家上市公司的綜合技術效率值小于0.1。

對比第一階段和第三階段的分析結果,我國36家農業類上市公司的平均綜合技術效率在2012—2015年由調整前的0.403下降到調整后的0.242,且平均規模效率值較調整前顯著降低。具體來說:①綜合技術效率方面。6家上市公司綜合技術效率在調整后有所上升,30家在調整后明顯下降。6家上市公司平均上升幅度為15.2%,上升幅度最大的為雙匯發展,上升24.7%;哈高科降幅最大,下降幅度高達94%,且荃銀高科、星河生物、敦煌種業、萬向德農、永安林業、益生股份、新五豐、壹橋海參、天寶股份、金字火腿、金健米業和冠農股份12家公司綜合技術效率的降幅均超過60%。②純技術效率方面。在36家樣本公司中,有11家公司純技術效率有所降低,1家公司在調整前后沒有變化,其余23家公司純技術效率均有不同程度的提升。調整前,壹橋海參、新希望、金健米業和冠農股份4家公司處于純技術效率前沿面;調整后,萬向德農、新希望和通威股份3家公司處于純技術效率前沿面。③規模效率方面。僅新希望和雙匯發展的規模效率在調整后有所上升,其余34家樣本公司的規模效率在調整后均降低。下降幅度最大的為哈高科,降幅度高達89%;下降幅度超過80%的還有亞盛集團、永安林業、益生股份、新五豐、冠農股份。

規模報酬分析:從表4可見,新希望一直處于規模報酬不變狀態,海大集團、晨光生物和通威股份僅2015年處于規模報酬不變狀態,雙匯發展在2015年處于規模報酬遞減狀態,其余31家公司均處于規模報酬遞增狀態。

效率改進分析:結合樣本公司研發效率的實際差異,本文以0.7作為純技術效率和規模效率的臨界值,分類情況見表5。具體來說:①第一種類型為純技術效率與規模效率“雙高型”,包括新希望、海大集團和通威股份3家公司。②第二種類型屬于純技術效率與規模效率“高低型”,包含8家上市公司,占樣本總數的22%。③第三種類型屬于純技術效率與規模效率“低高型”,包含雙匯發展、大北農和晨光生物3家公司。④第四種類型屬于純技術效率與規模效率“雙低型”,包含22家上市公司,占樣本總數的61%。這一類型的農業類上市公司需同時提升純技術效率和規模效率,即同時優化資源配置水平、管理水平并擴大企業規模,效率改進難度較大。

表4 調整投入后我國36家農業類上市公司規模報酬變動情況

注:irs為規模報酬遞增,drs為規模報酬遞減,-為規模報酬不變。

表5 我國36家農業類上市公司純技術效率和規模效率的分布情況

4 研究結論與政策啟示

本文運用三階段DEA模型,對我國36家農業類上市公司的研發效率進行了測度,得出如下結論:①環境因素對農業類上市公司的研發效率產生顯著影響。經濟持續擴張、股權集中度的提高、上市年限的增加,將在一定程度上導致研發支出冗余和研發人員冗余增加,而政府補貼則有助于減少研發投入的浪費。②剔除環境因素和隨機誤差的影響后,絕大多數農業類上市公司的綜合技術效率值和規模效率值下降明顯,而純技術效率值有所上升。從規模報酬變動情況來看,31家公司均處于規模報酬遞增狀態,意味著大多數公司尚未達到最適生產規模,較低的規模效率成為公司研發效率低的重要原因。③從行業類型來看,農、林、牧、漁及其服務業的上市公司與農副食品加工業的上市公司綜合技術效率差異較大,且農副食品加工業的上市公司效率更優。④從各樣本公司來看,根據純技術效率與規模效率的高低配合情況,農業類上市公司主要以低純技術效率與低規模效率為主,需要針對效率類型合理確定上市公司研發效率的提升方向。

根據上述結論,提出以下對策建議:①精準查找制約因素,補齊研發短板。根據實證結論,農、林、牧、漁業及其服務業上市公司與農副食品加工業上市公司之間,以及所有樣本公司之間的研發效率差異顯著,各個公司應根據具體情況采取相應的措施。具體而言,純技術效率較低的公司應以提高資源配置水平和管理水平為改進方向,規模效率較低的公司應充分發揮龍頭企業的帶動與輻射作用,向規模化和集約化方向發展,提升農業企業的研發效率和整體發展水平。②增強政策法規的支持力度和協調性,優化農業公司科技研發的外部環境。提高財政對農業技術研發的補貼力度,創新收益補貼機制,鼓勵農業企業從事研發創新活動;加強資金管理,充分發揮財政資金在農業科技創新活動中的導向作用;結合農業科技在研發和成果應用方面的特殊性,完善農業專利技術等科技成果的保護制度。③注重公司治理結構和農業科技人才建設,改善農業公司科技研發或成果應用的內部環境。對較大規模的農業公司,可通過引入戰略投資者來優化治理結構,探索建立合理的研發投入與風險分擔、成果共享機制,提高其農業科技創新效率和水平;對中小規模的農業公司,重點是通過科技成果的引進和運用,加大應用型技術人才建設,提高其農業生產活動的技術水平和經營效益。

[1]Akihior Hashimoto,Shoko Haneda.Measuring the Change in Ramp;D Efficiency of the Japanese Pharmaceutical Industry[J].Research Policy,2008,37(10)∶1829-1836.

[2]Fernando Jiménez-Sáez,Jon Mikel Zabala-Iturriagagoitia,José L Zofío,etal.Evaluating Research Efficiency Within National Ramp;D Programmes[J].Research Policy,2011,40(2)∶230-241.

[3]Eric C Wang.A Dynamic Two-sector Model for Analyzing the Interrelation Between Financial Development and Industrial Growth[J].International Review of Economics amp; Finance,2000,9(3)∶223-241.

[4]Hak-Yeon Lee,Yong-Tae Park.An International Comparison of Ramp;D Efficiency：DEA Approach[J].Asian Journal of Technology Innovation,2005,13(13)∶207-222.

[5]Thomas V J,Seema Sharma,Sudhir K Jain.Using Patents and Publications to Assess Ramp;D Efficiency in the States of the USA[J].World Patent Information,2011,33(1)∶4-10.

[6]Avkiran.Investigating Technical and Scale Efficiencies of Australian Universities Through Date Envelopment Analysis[J].Socio-economic Planning Science,2001,35(1)∶57-80.

[7]Korhonen,Cherchye,DianaI.Angelis.An Option Model for Ramp;D Valuation [M].International Journal of Technology Management,2002,24(1)∶44-56.

[8]Cherchye L,Vanden Abeele P.On Research Efficiency：A micro-analysis of Dutch University Research in Economics and Business Management[J].Research Policy,2005,34(4)∶495-516.

[9]楊敏,陳澤明.異質行業下企業創新效率的可比測度——基于極化模擬的DEA二次疊加[J].軟科學,2015,29(7)∶7-11.

[10]李爽.Ramp;D強度、政府支持度與新能源企業的技術創新效率[J].軟科學,2016,30(3)∶11-14.

[11]王新紅,郝海蕾.我國“十一五”工業企業研發效率評價[J].經濟管理,2013,(4)∶51-59.

[12]劉偉.中國高新技術產業研發創新效率測算——基于三階段DEA模型[J].數理統計與管理,2015,34(1)∶18-28.

[13]蔣萍,王勇.全口徑中國文化產業投入產出效率研究——基于三階段DEA模型和超效率DEA模型的分析[J].數量經濟技術經濟研究,2011,(12)∶69-81.

[14]牛沖槐,曹海曼.中部六省高技術產業研發創新的相對效率分析——基于超效率DEA方法[J].工業技術經濟,2015,(2)∶111-116.

[15]王海峰,羅亞非,范小陽.基于超效率DEA和Malmquist指數的研發創新評價國際比較[J].科學學與科學技術管理,2010,(4)∶42-49.

[16]劉滿鳳,李圣宏.基于三階段DEA模型的我國高新技術開發區創新效率研究[J].管理評論,2016,28(1)∶42-52.

[17]張霄,劉京煥,王寶順.我國省級財政研發支出效率的評價[J].經濟實證,2013,(1)∶134-137.

[18]郭江江,王子晨,許益波.我國不同Ramp;D執行部門研發效率評價與比較研究[J].科技管理研究,2015,(4)∶23-25.

[19]黃潔莉,湯佩,蔣占華.稅收優惠政策下農業企業研發投入、風險與收益——基于我國農業上市公司的實證檢驗[J].農業技術經濟,2014,(2)∶120-128.

[20]魏長升,黃繡娟.基于DEA模型的研發投入對農業上市公司經營績效影響研究[J].江西農業學報,2015,27(11)∶129-133.

[21]Fried,Lovell,Schmidt,etal.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis,2002,1(17)∶121-136.

[22]Banker R D,Charnes A,Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Aanalysis[J].Management Science,1984,30(9)∶1078-1092.

[23]Guan J C,Gao X.Exploring the H-index at Ppatent Llevel[J].Journal of the American Society for Information Science and Technology,2009,60(1)∶35-40.

[24]鄧立治.中國汽車企業技術創新效率及其影響因素研究——以滬深上市公司為例[J].技術經濟與管理研究,2015,(3)∶26-31.

[25]Zvi Griliches.Patents Statistics as Economic Indicators：A Survey[J]. Journal of Economic Literature,1990,28(4)∶1661-1707.

[26]季凱文,孔凡斌.中國生物農業上市公司技術效率測度及提升路徑——基于三階段DEA模型的分析[J].中國農村經濟,2014,(8)∶42-57.

[27]彭熠,邵桂榮.國有股權比重、股權制衡與中國農業上市公司經營績效——兼論農業上市公司國有股減持方案[J].中國農村經濟,2009,(6)∶73-81.

MeasurementonRamp;DEfficiencyofAgriculturalListedCompaniesinChinaBasedonThree-stageDEAModel

GU Hong-yu,WANG Yu-feng,YANG Man-lu,LI Song
(School of Economics,Sichuan Agricultural University,Chengdu 611130,China)

Ramp;D efficiency was the key factor to measure the innovation ability of enterprises.Based on panel data(2012-2015),the Ramp;D efficiency of 36 agricultural listed companies in China were measured with controlling the environment factors and the random error using the three-stage DEA model.The results showed that concentration of ownership structure would increase the company into redundancy,while the government subsidy could help reduce the waste of Ramp;D,the comprehensive technical efficiency and the scale efficiency were reduced,and generally in a state of increasing scale after eliminating the influence of environment factors and random error,which showed that scale expansion was still the important bottleneck of improving Ramp;D efficiency.In the end,it put forward some suggestions to improve the Ramp;D efficiency.

agricultural listed companies;Ramp;D efficiency;three-stage DEA

10.3969/j.issn.1005-8141.2017.04.003

F323.3；F273.1

A

1005-8141(2017)04-0396-05

2017-02-17；

2017-03-13

四川省軟科學項目(編號:2017ZR0013、2016ZR0255)。

古鴻雨(1991-),女,四川省綿陽人,碩士研究生,研究方向為農村金融。

王玉峰(1978-),男,四川省仁壽人,博士，副教授，碩士生導師,研究方向為投資與風險管理。