江蘇省工業企業生產效率分析及評價
——以國有控股工業企業為例

宋 健，黃元生

（華北電力大學 經濟管理系，河北 保定 071000）

江蘇省歷來是工業大省，工業總產值穩居全國前三，工業行業保持良好的發展態勢。2019年，江蘇省第二產業的生產總值為40 695.15億元，居全國第一，貢獻率占地區生產總值的44.55%，可以說工業是江蘇發展的命脈。生產效率又稱為生產率或者勞動效率，是指生產過程中投入產出比值，企業的生產效率表現為資源配置能力以及企業生產水平。生產效率評價是工業企業生產過程中非常重要的活動，對于企業了解自身發展狀況、調整發展策略有一定的參考價值[1-2]。所以研究江蘇省工業企業生產效率、總結實際發展狀況，對江蘇省工業領域保持穩定良好的發展勢頭有一定借鑒意義。

1 文獻綜述

近年來，關于工業企業生產效率的研究，國內外學者主要關注各種生產效率的測算方法，最常用的有參數方法——隨機前沿法[3]（stochastic frontier approach，SFA）、非參數方法——數據包絡分析法（data envelopment analysis，DEA）等[4]。

日前，DEA方法成為研究的主流，國內已有大量學者用DEA模型研究了我國工業企業生產效率。耿杰等[5]采用最典型的非參數方法DEA-BCC模型，研究了2018年安徽省16個地級市的工業企業生產效率，通過比較分析已選定的指標（以從業人數、流動資產、非流動資產為投入指標，工業總產值為產出指標），發現2018年安徽省總體工業生產效率為0.901，距離生產前沿有效還有一定的改進空間。此外，將測算方法與傳統評價方法（如層次分析法、模糊綜合評價法、灰色系統理論等）結合，研究工業企業生產效率也比較廣泛。閆淑霞等[6]為避免研究農業生產過程中部分擾動項的干擾，采用灰色DEA模型研究了2008—2013年河南省農業生產效率，確定了影響農業生產效率的主要因素。許祥鵬等[7]在實證分析長株潭物流企業時，基于DEA-AHP/GRA（analytic hierarchy process/grey relational analysis）模型的效率評價結果較為合理。郭國平等[8]在評價水上應急資源配置效率時，發現傳統DEA模型只能區別出DEA決策單元是否有效，無法進一步分析，因此在DEA有效單元基礎上使用TOPSIS（technique for order preference by similarity to an ideal solution）方法二次分析，得到綜合排序，以長江江蘇段10個分局的應急資源配置為例，驗證了該模型的合理性。

國外亦有許多學者根據需要將機器學習算法（如神經網絡、遺傳算法）、大數據法、統計分析法等智能優化方法與DEA模型結合，都得到了較為理想的測算結果。B.D.Rouyendegh等[9]采用模糊層次分 析 法（fuzzy analytic hierarchy process，FAHP)結合DEA模型來衡量了醫院的經營效率，首先通過數據包絡分析法對數據進行量化處理，然后使用FAHP對模型結構化，用DEA-FAHP組合方法構建的二階段多指標排序列表，使排序更加合理，避免決策者做出非理性決策。F.Shirazi等[10]建立了非期望產出的SBM（slack-based measure）模型研究航空運輸行業的運輸效率，以伊朗14家航空公司為例，研究表明：采用非魯棒模型時，Mahan、Taban、Pouya Air和Caspian航空公司的效率值較高；而使用新的魯棒模型時，所有公司的效率值都有降低，且得分均小于1。

此外，Zhu N.等[11]將機器學習算法如BP神經網絡、遺傳算法、支持向量機、改進的支持向量機與傳統的DEA模型結合，并以2016年制造業企業上市公司為實證；結果表明，決策單元預測效率的平均準確率約為94%，4種機器學習算法的綜合性能從好到差依次為遺傳算法、BP神經網絡、改進的支持向量機和支持向量機。Chen Y.等[12]考慮到DEA模型輸入與輸出指標較多時會影響效率測算結果，于是將統計學中最小絕對收縮和選擇算子LASSO（least absolute shrinkage and selection operator）的變量選擇機器學習算法與符號約束凸非參數最小二乘SCNLS（sign-constrained convex nonparametric least squares）（DEA的特例）結合，作為一種規避維數災難問題的方法，被稱為LASSO+SCNLS。還探索了LASSO的更高級版本，即所謂的彈性網（elastic net，EN）方法，將其應用于DEA，并提出了EN+DEA。為了在大范圍數據環境下規避DEA的維度詛咒，又提出了一種簡化的兩步方法，即LASSO+DEA。結果表明，簡化的方法可能比現有更復雜的方法更有用，可以將非常大的維度縮減為更稀疏、更節省的DEA模型，從而獲得更大的區分能力，并減少了維度災難的影響。

綜上所述，將DEA方法與其他綜合評價方法結合使用的組合方法也越來越受歡迎。然而，這種以測算方法為基礎的組合方法多用于物流、農業等行業，而有關工業企業生產效率的研究并不多見，且指標的篩選少有采用量化處理方法，而使用灰色DEA方法對工業企業的生產效率進行研究，尚未見報道。因此，本研究擬使用灰色DEA方法對江蘇省各地級市的國有控股工業企業生產效率進行研究。首先，通過灰色綜合關聯分析法，從可能影響工業企業生產效率的因素中篩選出關鍵指標，作為評價指標體系中的投入指標；其次，以江蘇省2019年13個地級市國有控股工業企業投入產出數據為例，采用BCC-DEA模型進行評價，計算出效率值，并對各城市的生產效率進行排序、分析評價[13-15]；最后，根據模型計算出的結果得到相應的結論，并給出對策建議，以期為江蘇省相關部門擬定精準化措施提供參考。

2 研究方法

2.1 灰色關聯度分析

灰色關聯度分析主要指在同一系統中，若兩個序列同步變化程度高，則兩者灰色關聯度高；反之，則關聯度低。灰色關聯度分析主要有灰色絕對關聯度、灰色相對關聯度、灰色綜合關聯度、灰色相似關聯度、灰色接近關聯度以及鄧氏關聯度等分析法。

本研究借助灰色綜合關聯度分析法，從可能的影響因素中篩選投入指標。

假設序列X0與Xi長度相同，初始值不為0，則ρ0i=θε0i+(1-θ)γ0i，θ∈[0, 1]。

式中：ρ0i為灰色綜合關聯度；

ε0i為灰色絕對關聯度；

γ0i為灰色相對關聯度；

θ為權重，一般取值0.5。

2.2 以產出為導向的BCC-DEA模型構建

20世 紀70年 代 末，Charness、Cooper以 及Rhodes 3位專家提出了CCR模型，標志著數據包絡分析DEA理論的誕生。后來，隨著BCC模型、SBM模型、超效率DEA模型的提出，DEA得到進一步發展。由于DEA模型在處理多投入、多產出指標方面具有無可比擬的優勢，因此在各行業中得到了廣泛應用。

根據生產過程中規模收益的不同，DEA模型可以分為CRS模型和VRS模型。CRS模型即規模報酬不變，當投入量等比例增加時，產出量也同樣等比例增加。VRS模型是指規模報酬可變，即各投入量等比例增加時，產出不一定隨之等比例增加[16-17]。因此，本研究假設國有控股工業企業在生產過程中，規模報酬可變，以產出為導向，建立BCC-DEA模型，模型如下所示：

式中：θ為待估計參量；

λj為相對于每個決策單元構造有效單元的組合比例；

s+、s-分別為松弛變量和剩余變量；

x0、y0分別為投入、產出量。

3 實例分析

3.1 投入-產出指標確定

通過總結已有的研究結果，本研究選擇企業單位數、主營業務成本、銷售費用、管理費用、財務費用、平均用工人數，以及資產總計作為可能的投入指標(單位分別為個、億元、億元、億元、億元、萬人)，利潤總額和主營業務收入作為產出指標（單位均為億元），根據《江蘇統計年鑒—2020》，得到江蘇省2019年南京市、蘇州市、揚州市、淮安市等13個地級市國有控股工業企業可能的投入、產出指標數據，如表1所示[18-20]。根據表1中各項指標數據，使用灰色系統建模軟件求出可能的投入指標與產出指標之間的灰色綜合關聯度，具體見表2。分析表2中的數據可知，各可能投入與產出指標間的平均灰色關聯度為0.739，因此選取平均灰色關聯度大于0.739的指標作為最終投入指標，即選擇企業單位數、銷售費用、管理費用為投入指標。然后使用DEAP2.1軟件，對江蘇省各地級市的國有控股工業企業生產效率進行計算，得到其生產效率值，具體見表3。

表1 江蘇省各地級市國有控股工業企業可能的投入與產出指標數據Table 1 Possible input and output index data of State-owned industrial enterprises prefecture-level cities in Jiangsu Province

表2 各指標間灰色綜合關聯度Table 2 Grey comprehensive correlation degree among indicators

表3 2019年江蘇省各地級市國有控股工業企業生產效率值Table 3 State-owned holding industrial production efficiency values of cities in Jiangsu Province in 2019

3.2 綜合技術效率分析

由表3中數據可知，整體來看，2019年綜合技術效率平均值為85.6%，表明江蘇省國有控股工業企業理應在原來的基礎上，如果投入指標總體減少14.4%，就可以達到現有的產出值。這表明，江蘇省國有控股工業企業生產效率并不高，還有很大改善空間。又由于技術效率由純技術效率和規模效率共同作用，可通過分析純技術效率與規模效率尋找綜合技術效率較低的原因。由表3中數據還可知，純技術效率平均值為0.921，規模效率平均值為0.930，兩者均未達到1。所以，整體綜合技術效率無效是由純技術效率和規模效率均無效共同導致的，且純技術效率的副作用更大。總之，江蘇省國有控股工業企業想要提高生產效率，需要從技術革新和資源有效配置兩方面同時著手處理[4,16]。

從各城市來看，DEA有效（即生產綜合技術效率為1）的城市有宿遷市、揚州市、泰州市、揚州市、南通市、南京市，占38.46%，剩下的8個城市綜合技術效率均未達到1.000。其中，徐州市、連云港市以及淮安市這3個城市的純技術效率均為1.000，但是規模效率低于1.000，規模效率無效且規模收益遞增，表明這3個城市在不增加現有投入的基礎上可以獲得更多產出，資源利用效率較低，資源浪費較嚴重，而在現有基礎上增加投入、提高技術創新能力均不能提高綜合技術效率。剩下的鹽城市、蘇州市、無錫市、常州市、鎮江市5個城市的純技術效率、規模效率均低于1.000，且純技術效率均低于規模效率。表明這5個城市DEA無效是由于純技術效率和規模效率都無效共同導致的，并且主要是由于純技術效率較低導致的。也就是說，如果要提高這些城市的生產效率，一方面要優化資源配置利用率，提高資源的利用效率，并且需要在原有投入基礎上增加更多的投入以獲得更多產出；另一方面，需注意提高技術水平，加大技術革新力度。

3.3 無效單元投影分析

由前文論述可知，江蘇省國有控股工業企業技術的效率為85.6%，仍有較大改善空間，因此有必要進一步對各決策單元進行無效單元投影分析，以分析無效的原因，各單元投入冗余與產出不足數值見表4。

表4 各單元投入冗余與產出不足數值Table 4 Input redundancy and output deficiency of each unit

由表4可知，從投入冗余整體上來看，江蘇省國有控股工業企業為提高生產效率需減少196個企業，占總企業數的18.4%，銷售費用、管理費用兩者總共還需減少38.077 億元，這其中主要是常州市各費用冗余過多，S2+=9.731 億元、S3+=9.034 億元，占總共需要減少費用的49.28%。從產出不足來看，只有蘇州市和鎮江市2個城市，合計需提高利潤10.629 億元，各城市均無需增加主營業務收入。

從各城市來看，5個綜合技術效率值為1.000的城市投入冗余和產出不足都為0。徐州市、連云港市、淮安市雖然效率值低于1.000，但是投入冗余與產出不足都為0。鹽城市的綜合技術效率值為0.756，S1+=40.152億元，表明鹽城市應該減少企業單位數40.152個，約40個；蘇州市的綜合技術效率值為0.715，S1+=62.360億 元，S2+=5.526億 元，S1-=3.064億元，表明蘇州市應減少企業單位數62.360個，約62個，減少銷售費用5.526億元，利潤總額應提高3.064 億元；無錫市的綜合技術效率值為0.843，S1+=51.859億元，S2+=6.100億元，表明無錫市應減少企業單位數51.859個，約52個，減少銷售費用6.1億元；常州市的綜合效率值為0.698，S1+=29.172億元，S2+=9.731億元，S3+=9.034億元，表明常州市應減少企業單位數29.172個，約29個，減少銷售費用9.731億元，減少管理費用9.034億元；鎮江市的綜合技術效率值為0.689，S1+=12.012億元，S2+=3.823億元，S3+=3.864億元，S1-=7.565億元，表明鎮江市應減少企業單位數12.012個，約12個，減少銷售費用3.823億元，減少管理費用3.864億元，利潤總額應提高7.565億元。

4 結論與建議

4.1 研究結論

本研究以江蘇省13個地級市2019年國有控股工業企業相關數據為研究對象，使用GRA-BCC模型測量各城市國有控投工業企業生產的效率，分析了影響生產效率的重要原因，得到以下結論：

1）江蘇省2019年國有控股工業企業生產效率為85.6%，距離生產前沿有效還有14.4%的改善空間，生產效率水平一般；國有控股工業企業生產效率無效的城市超出一半，這是由于純技術效率或規模效率無效導致的，且純技術效率的負效應更大。這其中，徐州市、連云港市以及淮安市低效是由于企業的粗放式發展及資源的低效化利用；剩余5個城市生產無效，一方面是因企業在生產過程中資源低效配置、人員的安排不合理；另一方面，是因技術不足、技術資源匱乏或者缺少生產核心能力。

2）大部分生產效率無效的城市都存在資源無效配置問題，只有很少部分歸因于產出不足。投入冗余當中，企業數量過多是資源投入甚至整個生產活動中最主要的問題，企業間應積極推動業務往來、合作共贏，政府應鼓勵中小微企業重組兼并；另外，各個城市必須減少不必要的開支，節約生產活動費用，部分城市須降低生產制造成本以提高利潤[21-22]。

4.2 對策建議

為提高江蘇省工業企業生產效率，根據以上分析結果，提出以下對策建議：

1）根據實際情況，適時地逐步調整部分企業發展模式，實現粗放式發展向集約型發展方式的轉變。江蘇省要進一步提高企業技術研發力度，將更多資金投入到工業領域的技術革新方面，優化資源配置利用，提高資源的利用效率，減少資源浪費。

2）徐州市、連云港市以及淮安市3個城市的資源利用效率較低，為有效避免資源浪費，重點應優化技術創新，提高自主創新能力，不需過多增加資源投入量；而鹽城市、蘇州市、無錫市、常州市、鎮江市這5個城市與上述3個城市相比，不僅需要注重資源節約，還須加大對生產技術的相關資源投入量；蘇州市和鎮江市相關企業的工作重點應是降低企業成本，提高企業利潤。此外，政府相關部門可出臺相應政策促進各城市工業企業合理有序發展，加強城市間互相交流學習；對于核心技術匱乏的企業可加大技術研發力度、或購買核心技術；對于發展前景不足的中小微企業應鼓勵重組合并。總言之，企業應加大專業性技術人才的引進力度，同時也可模仿學習國內外同行業龍頭企業的成功經驗，逐步提高企業自主創新能力，有助于實現企業跨越式發展。