孫雄杰,李 勇
(東華大學 旭日工商管理學院,上海 200051)
近年來數字經濟的蓬勃發展,區塊鏈等新興技術的應用,給經濟社會的發展帶來了全新的場景。尤其是區塊鏈技術,給相關行業帶來了全新的發展前景與挑戰,譬如計算機、金融等行業。如果可以抓住發展機會利用好區塊鏈技術,勢必會給高質量的經濟發展注入新活力。目前區塊鏈相關的應用場景逐漸增多,研究區塊鏈上市公司自身的經營狀況以及發展前景顯得非常必要,這對提高區塊鏈上市公司技術效率、促進區塊鏈技術進步具有重要意義。
目前來看,雖然區塊鏈技術在國外興起的時間比較早,但相關研究卻不多。Hseieh 和Walkling(2006)研究了中國概念股的歷史價格,發現當概念股的價格超過其本身的經濟價值,則它的價值是被高估的[1]。段江嬌,童亮(2019)以區塊鏈的百度搜索指數作為投資者關注度的代理變量研究區塊鏈互聯網搜索熱度對區塊鏈上市公司股價波動的影響[2]。田金方,王冬冬,孔雪(2019)結合行為金融學中的有限關注理論,分析了投資者關注度與股市交易量的關系,發現投資者關注與概念股交易量具很強的因果關系[3]。黃明清(2019)對19 家“快遞概念股”上市物流公司的運營效率進行測算,得出了公司的平均綜合技術、純技術、規模效率分別為0.644、0.812、0.792[4]。李曉梅,孫暉(2018)指出區塊鏈相關的技術會成為引領經濟高質量發展的新動力,區塊鏈概念股上市公司會逐漸受到高的關注度[5]。張月玲,王晴,王曉菁(2020)基于2014-2018 年面板數據運用DEA-Malmquist 模型從靜態、動態兩方面測量了我國72 家區塊鏈概念股上市公司的技術效率[6]。熊卿,劉斌(2020)以區塊鏈概念的文化產業上市公司為研究樣本,運用DEA 效率評價方法,實證分析了文化產業投資效率變化情況[7]。通過以上對相關研究文獻的回顧,發現目前的文獻大多只是測量了公司靜態或者動態的效率值,卻沒有深入研究區塊鏈上市公司技術效率的影響因素是什么。所以本文先進行了區塊鏈上市公司技術效率測量,然后建立實證模型分析區塊鏈上市公司技術效率的影響因素。
數據包絡分析(DEA)是一種運用線性規劃方法來測算系統內部多投入、多產出的非參數方法。本文運用DEA-BCC 規模報酬可變模型,這個模型不僅可以測量決策單元的技術效率值,還可以測量其規模效率值。其表達式如下:

若線性規劃的最優解為θ*,則當θ*=1,即DMU 為有效單元;反之為非有效單元。
Malmquist 指數模型在1982 年才被提出了正式的測量方法,它很好地解決了DEA 方法無法動態地測度生產效率的不足,主要是全要素生產率可以很好地分解為技術進步和技術效率變化兩部分,為深入研究各決策單元效率問題提供了很好的切入點。表達式如下:

從Wind 區塊鏈概念板塊選取了97 家上市公司作為初始研究樣本,考慮到公司上市時期(2016 年之前上市)和數據的可獲得性,選取2016-2019 年正常經營且數據披露齊全的80家區塊鏈上市公司。此外由于部分投入指標數據為負數,而DEA 模型的軟件要求輸入值為非負,將投入指標有負值的項(利潤總額)統一調整為一個極小的正值,這樣的處理方式不會改變決策單元DEA 的有效性,而且其他決策單元的效率值也不會發生變化。
投入指標一般指區塊鏈上市公司在進行生產經營活動時所付出的人力以及財力物力資源,確保企業生產活動可以順利開展。所以本文的投入指標選用了應付職工薪酬、主營業務成本、固定資產凈額。產出指標則采用主營業務收入和利潤總額。
測量的決策單元綜合技術效率值是1,則體現出這些區塊鏈上市公司在資源配置方面的能力還是比較強的。80 家上市公司,2016-2019 年平均綜合技術效率為0.64,整體平均水平較低,2016 年DEA 有效的區塊鏈上市公司有9 家,在總體中只占了一小部分,約為11%。用友網絡、四方精創、漢得信息、博彥科技、這幾家公司的綜合效率遠低于平均水平,其中漢得信息2018 年的綜合技術效率僅為0.24,這表明這些上市公司在資源配置以及技術等方面存在著嚴重問題。同時也可以發現,我國80 家區塊鏈概念股上市公司的綜合技術效率水平差異明顯(見表1),主要原因可能是區塊鏈技術屬于新興發展技術,其技術要素、具體應用落地等處于探索階段,而各個區塊鏈概念股上市公司開展區塊鏈業務過程中有關資本、技術等投入均不穩定,大部分上市公司需要根據實際情況進行調整。

表1 2016-2019 年80 家區塊鏈上市公司效率值平均值
2016-2019 年,區塊鏈上市公司Malmquist 生產率指數均值為0.978,表明4 年間區塊鏈上市公司資源利用效率總體呈下降趨勢,下降速度為2.2%。具體來看,技術效率變化的均值為0.987,下降速度為1.3%,技術進步變化的均值為0.991,下降速度為0.9%。從表2 中可以看出在2017 年之后,區塊鏈上市公司的全要素生產率指數下降主要是由技術進步指數大幅下降引起的,而總的來看四年的均值中規模效率是分解值中唯一大于1 的,說明純技術效率是降低技術效率的主要因素。而且技術進步變化和純技術效率變化均小于1,表明區塊鏈上市公司在技術改進和資源要素的合理配置方面還需進一步加強優化。

表2 2016-2019 區塊鏈上市公司Malmquist 指數平均值及其分解
前面通過數據包絡方法測量了區塊鏈上市公司的技術效率,然而這些研究還不足以確切地找出影響區塊鏈上市公司綜合技術效率的因素,所以本章運用歸并回歸模型做進一步的分析,并選取了如表3 所示的變量來進行實證分析:

表3 Tobit 模型中變量指標設計

其中,TEit表示樣本區塊鏈上市公司的技術效率,β0表示回歸公式的常數項,βi表示各變量的回歸系數,i 表示我國區塊鏈上市公司的標簽i=1,2,3,…,80。
首先我們將前面數據包絡(DEA)測算出來的區塊鏈上市公司技術效率值作為被解釋變量引入模型,由于被解釋變量的取值范圍被限制在0~1 之間,所以用普通最小二乘法來估計,得到的參數估計結果是有偏差的,而Tobit 回歸則適用于這種情況,但是Tobit 模型對分布依賴性很強,結果較不穩健,歸并絕對最小離差法對擾動項的要求沒有那么苛刻,即使擾動項不是漸進正態分布也是可以得到一致的估計結果[8]。學者伍德里奇(Wooldridge)的計量經濟學導論中提到如果Tobit 模型的原假設是滿足的,和CLAD 方法的結果應該相差不大,我們可以用CLAD 歸并最小絕對離差法檢驗Tobit 模型的設定是否正確[9]。基于此,本文運用CLAD 和Tobit 模型一起估計,同時用OLS回歸做基礎參照。從表4 可以看出CLAD 與Tobit 估計結果差別還是比較大的,不僅各變量的顯著性發生了變化,系數估計值也不一致,依據前面的分析,有理由認為Tobit 模型設定有誤,傾向于使用CLAD 模型。得到以下結論:

表4 Tobit 與CLAD 結果的比較
(1)銷售凈利率與區塊鏈上市公司技術效率呈正相關關系,說明區塊鏈上市公司銷售凈利率越高,公司的技術效率也越高。(2)公司成長能力越強,區塊鏈上市公司技術效率越高。該指標高表明公司各方面的綜合發展較好,公司會有更多精力放在提高技術效率創新上,有利于公司技術效率的提升。(3)研發強度對企業技術效率影響顯著且為負相關關系。正常情況下,研發投入對于公司技術效率的提高是有正向作用的,可是本文的實證結果卻是相反的。因為企業進行研發投入為自身帶來效益的這個過程有滯后性,研發經費的投入造成了區塊鏈上市公司當期成本增加,當期來看公司技術效率是降低的。但是研發資金的投入對于區塊鏈上市公司技術效率的提升本質上還是有重要作用的,不可隨意減少,同時公司要建立一個良好的研發投入管理制度,合理的規避和管控研發過程中可能出現的各種風險。(4)員工素質對技術效率的影響正向的,公司研發人員的占比越高越有利于區塊鏈上市公司技術效率的提高。研發人員一般具備相對較高的文化素質與專業技能,有利于公司新技術的研發。(5)公司規模與區塊鏈上市公司的技術效率顯著正向相關,增大區塊鏈上市公司的企業規模,對提升區塊鏈上市公司的技術效率有積極的影響。大規模的公司才能擁有一個比較完備的研發環境、雄厚的資金實力,而且也容易引進高素質的員工,這樣才會給整個公司提供一個良好技術創新條件。(6)股權集中度與區塊鏈上市公司技術效率呈現顯著負相關關系,即第一大股東持股比例越高,區塊鏈上市公司的技術效率越低。
通過前面的實證分析可知要想進一步提高技術效率,區塊鏈上市公司不僅需要合理分配資源、完善公司規模,而且需加大科研費用及研發人員的投入。具體建議如下:(1)公司要注重運營能力的提升。區塊鏈上市公司應該在正常經營的基礎上努力提高公司整體的經營效率積極創收,推動公司技術效率的提升。(2)公司要注重規模化發展。規模越大越容易發揮規模經濟優勢,也更容易吸引高素質人才,規模大的公司更容易實現技術的創新與發展。對于中小企業而言,可以主動與其他企業尋求合作,通過外部資源促進自身能力的提升。(3)公司要注重研發資金的投入及員工科研素質的培養。要響應國家政策的號召,用技術發展來推動區塊鏈產業的發展,將技術研發作為核心突破口。同時要加強對科研經費和科研項目的監管,建立完善的人員培養制度,拓寬人才引進和招聘渠道,為研發人員提供好的研發環境推動公司技術發展及技術效率的提升。(4)政府要完善制度。從制度出發平衡區域間發展的不平衡。由于我國區塊鏈上市公司在地區分布上有很大的不平衡性,明顯東部地區的區塊鏈上市公司發展更迅猛,為阻止這種不平衡繼續惡化,政府應當出臺扶持政策協調區域間公司發展的不平衡性。