徐 越
(蘇州大學文正學院 江蘇 蘇州 215000)
交通運輸業是國民經濟和社會發展的基礎產業,被譽為國民經濟的“大動脈”。“發展經濟、交通先行”,交通運輸是經濟發展的基本條件,幾乎貫穿了每一個生產和生活過程。
交通運輸行業是典型的資本密集型行業,且規模效應明顯,基礎建設需要投入巨額的資本,回收期長,投資風險很大,如果出現低效率投資,便會給投資者、整個社會帶來巨大的經濟損失。因此,對交通運輸企業的投資效率進行研究,有助于提高資本的使用效率,對于促進交通行業的健康發展有著重要的意義。
數據包絡分析(Data Envelopment Analysis,DEA)是一種用來評價一系列多輸入、多輸出決策單元(DMUs)相對效率的完善的線性規劃方法,憑其無須預先設定投入與產出的函數關系等特點,自1978年Cooper等提出CCR模型以來,在各績效評價領域得到了廣泛的應用。有學者對傳統CCR模型進行改進,考慮規模報酬可變(VRS)的情況,提出了BCC模型。BCC模型把每個決策單元的綜合效率值分解為純技術效率和規模效率(即綜合效率=純技術效率*規模效率),如模型(1):
(1)
因此,本文應用DEA-BCC模型來衡量樣本的投資效率,模型計算出的綜合效率即樣本的投資效率,純技術效率即樣本的投資技術效率,規模效率即樣本的投資規模效率,從而分析非有效的DEA決策單元是因為投入產出配比不當還是規模不適宜導致的。
文中所采用的樣本數據均來自滬深兩90家交通運輸行業上市公司2015至2018年的年度報告,并剔除ST公司和不可獲得數據的樣本。根據模型的設定并參考以往的文獻,將固定資產、無形資產和營運資本作為物質投入指標,應付職工薪酬作為人力投入指標,選擇凈資產收益率ROE和每股收益EPS作為產出,所有數據均來源于各上市公司在樣本期間內披露的年度財務報表。
因為DEA模型中數據不能為負,然而營運資本、EPS、ROE這些指標都有可能小于0,所以在測算投資效率之前,要先對數據進行非負處理,同時也要保證處理前后各組數據之間的關系維持不變。本文將數據進行標準化處理,如下所示X為原數據組,Y代表標準化后的數據組。
已知X=(x1,x2,…xn),
求Y=(y1,y2,…yn)
A=max(x1,x2,…xn),
B=min(x1,x2,…xn)

根據處理后的數據,運用DEAP2.1軟件對交通運輸行業上市公司的投資效率進行測算,可以得到所有樣本的投資效率、規模效率和純技術效率,效率值和投入產出的描述性統計如表1所示。

表1 交通運輸行業投資效率
從表中可以看出,交通運輸行業上市公司資產規模比較大,平均固定資產是無形資產的5倍,營運資本在行業中差異非常顯著,且平均值小于零,說明大部分企業流動資產小于流動負債,籌資政策相對比較激進。
在投入產出變量中,固定資產、無形資產、職工工資的平均值均大于中位數,明顯右偏,說明行業內上市公司中,物質和人力投入兩極分化嚴重,各行業發展不均衡性較強,資源向大型企業集中。凈資產收益率(ROE)能夠直接反映盈利能力,其中位數為8.128,平均數為9.496,并且標準差為10.8,說明我國交通運輸行業上市企業普遍盈利能力比較強。每股收益EPS的平均值為0.442,中位數為0.328,說明交通運輸上市公司給股東創造了一定的收益。
從表中數據來看,交通運輸行業整體投資效率不高,其中規模效率尤為明顯。投資效率的最大值為1.0,最小值為0.109,最大值和最小值相差很大,說明樣本公司之間的投資效率存在較大差異;投資效率平均數為0.677,中位數為0.655,說明交通運輸企業的效率水平一般,存在大量非效率投資。而投資純技術效率則有不一樣的表現,最大值為1.0,最小值為0.457,平均數為0.923,中位數為0.965,交通運輸行業的投資純技術效率相對來說比較高,說明行業整體的管理水平和生產技術都比較高,行業間差異不大,競爭非常激烈。規模效率比較低,最小值為0.109,中位數為0.708,平均數為0.733,說明交通運輸行業并沒有發揮好規模效應,固定資產的不斷增長并沒有給企業帶來更多的效益,存在大量資源冗余現象。
本文將固定資產、無形資產、營運資本和應付工資作為投入,每股收益和凈資產收益率作為產出,運用DEA模型對我國交通運輸行業的投資效率進行實證研究。研究發現,交通運輸行業上市公司整體投資效率偏低,存在大量非效率投資。低效率的投資主要來源于較低的規模效率,投入和產出遠沒有達到最優配置,規模效應比較差。
基于以上研究,我國交通運輸行業(1)應當合理配置資產,在不斷擴大企業規模的同時也要提高資源利用率,達到規模效益,(2)不斷提高管理水平和生產技術,鼓勵科技創新,優化投入產出配置,增強核心實力,從而應對愈來愈激烈的市場競爭。