基于DEA的我国计算机及相关设备制造行业上市公司效率评价研究

来源:用户上传      作者: 周丽虹

　　摘要:DEA是评价同类部门间相对有效性的重要模型,C2R是最基本的DEA模型,可用来评价同类部门之间的规模有效和技术有效。本文在讨论该模型的基础上,对我国计算机及相关设备制造行业上市公司的效率进行了测度并进行了分析,根据分析结果对我国计算机及相关设备制造行业上市公司的效率进行了评价,并对如何提高这些公司的效率提出了一些应对措施,也为投资者选择投资对象提供了一定的依据。
　　关键词:DEA模型 计算机及相关设备制造行业上市公司 效率
　　
　　引言
　　随着信息技术的发展,全球对计算机及相关产品的需求迅速增加。进入21世纪以来,计算机及相关产品市场是全世界制造企业关注的焦点,计算机及相关产品制造业的产值占我国GDP的比重正在逐年增加。因此,提高计算机及相关产品制造企业的效率,增强其在国际舞台上的竞争力,是我国计算机及相关设备制造产业迅速发展的必由之路。
　　然而,目前常用的效率评价方法如财务指标评价法和主成分分析法等,必须预先知道投入产出指标之间的显性函数关系和预先计算投入产出综合比率,且效率评价计算结果误差较大。数据包络分析(Data Envelopment Analysis,简称DEA) 则有效地克服了这一问题。它是一种非参数的前沿分析方法,不要求对基本的生产函数做出明确的定义,而且可以评价具有多个输入和多个输出的同类单元之间的效率情况。国内已有很多人应用DEA方法对不同行业的效率进行了研究,如姚树洁1等应用DEA模型对中国保险行业的效率进行了研究,庞瑞芝2等应用DEA模型对我国主要沿海港口的动态效率进行了评价;张宁3等应用DEA方法评测了中国各地区健康生产效率。然而国内应用DEA方法对计算机及相关设备制造行业上市公司业绩和效率进行评价的仍未见。从另一方面来看,我国证券市场在不断地走向成熟,投资人也日趋理性地看待投资, 因此对计算机及相关设备制造行业内各上市公司的业绩和效率进行评价以确定投资方向也越来越受到投资人的重视。本文应用DEA方法对计算机及相关设备制造行业上市公司的效率进行了评价,对相关企业如何提高效率提出了一定的应对措施,也为投资者选择投资对象提供了一定的依据。
　　1.DEA 方法的基本原理
　　1978 年,著名的运筹学家A.Charnes,W.W.Cooper和E.Rhodes提出了评价同类决策单元相对有效性的数据包络分析方法,即DEA。第一个DEA 模型被命名为C2R 模型,从生产函数的角度看,这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门”同时为“技术有效”和“规模有效”的十分理想且卓有成效的方法。所谓同类决策单元,是指具有三个特征的DMU (Decision Making Unit)集合:有相同的目标和任务;有相同的外部环境;有相同的输入和输出指标。但是,在外部环境和内部结构没有多大变化的情况下,同一DMU 的不同时段可视为同类型的DMU。
　　假设有n 个决策单元(DMU),每个决策单元都有m种类型的输入(表示该部门对“资源”的耗费)和s 种类型的输出(表示该部门消耗了“资源”之后取得“成效”的信息量)。用xij,yrj,vi,ur分别表示第j 个决策单元DMUj的第i种输入、第r种输出以及对第i种输入的度量和对第r种输出的度量。对决策单元效率的度量是根据加权输出/加权输入来进行的,即 ,因此,初始的C2R模型是
　　一个分式规划,经Charnes-Cooper变换,可将
　　其化为一个与其等价的线性规划问题,
　　然而该线性规划的约束条件多,经济意义不明显。根据线性规划的
　　对偶理论,可以得到该线性规划的一个对偶规划。
　　但无论利用线性规划还是其对偶规划,直接判断DEA有效都是不容易的。Charnes 和Cooper通过引进非阿基米德无穷小的概念,成功解决了计算上和技术上的困难。具有非阿基米德无穷小的基于输入的C2R模型为如下形式:
　　 其中λj、S+和S-分别为松弛变量,ε为非阿基米
　　德无穷小, 一般取ε= 10-6。该模型的最优解为θ*, 当θ*= 1,且S+=0和S-=0 时, 决策单元DMUj 为C2R 模型下DEA有效;当θ*=1,但S+和S-不同时为0时, 决策单元DMUj为C2R 模型下弱DEA 有效;当θ*< 1时,决策单元为非DEA有效。当 = 1 时,表示规模收益不变,> 1 时表示规模收益递减,< 1 时表示规模收益递增。对于那些非DEA有效的决策单元可以通过
　　 和对投入产出指标进行调整,使决策单元最终变为DEA 有效。
　　需要说明的一点是,上述C2R模型是基于投入的,也就是说决策者追求的是在保证产出不变的情况下,尽量压缩投入,从而提高效率;还有一种C2R模型是基于产出的,使用该模型的决策者追求的是在投入不变的情况下,尽量使产出最大。本文使用的基于投入的C2R模型,对于基于产出的C2R模型,有兴趣的读者请参见参考文献4。
　　2.计算机及相关设备制造行业上市公司效率研究
　　2.1 决策单元和指标的选取
　　本文选取计算机及相关设备制造行业在沪市和深市上市的所有11家上市公司作为样本决策单元,以各公司2008年的年报作为数据来源(数据取自深圳国泰安公司CSMAR○R系统)。因为DEA方法的优越性主要体现在多输入和多输出的综合评价,因此客观上要求输入和输出指标首先要满足评价的要求,能有效地反映决策单元的竞争力水平;其次从技术角度要求各输入或输出指标不存在明显的线性关系;最后还要考虑到数据口径的统一性、可比性以及数据的可得性。在综合考虑到以上几点要求后,选取输出指标为:主营业务收入,净利润,
　　输入指标为:固定资产,主营业务成本。
　　在输出指标中,选取主营业务收入是因为一个健康且具有发展潜力的上市公司必有一个清晰的主营业务作为支撑;净利润作为输出指标则反映了一个上市公司的总体盈利状况。在输入指标中,固定资产反映了一个公司的经济规模,是企业经济效益最稳定的物质基础,反映了企业资源的优化配置情况;主营业务成本是相对于主营业务收入的投入,反映了公司内部的管理经营效率。具体数据见表1。
　　2.2 DEA计算的结果
　　将原始数据输入EXCEL表,运用EMS软件进行求解,由于DEA有效的各决策单元间仍存在相对效率高低的情况,故应用超C2R模型再次进行计算,得到的结果见表2。对非DEA有效的决策单元,应用和 对投入产出指标进行调整, 得到目标改进值见表3。
　　2.3 结果分析
　　2.3.1 DEA 有效性分析
　　DEA 有效表明该公司的整体效率相对较高,即与同类上市公司相比有较高的投入产出比。由表3可以看出,在11家计算机及相关设备制造行业上市公司中,深科技、湘计算机、百花村、实达集团、华东电脑等5家上市公司的DEA效率值大于等于1,且S+和S-皆等于0,表明这5家上市公司为DEA有效,即在11家上市公司中,这5家公司的生产经营活动相对有效率(包括技术有效和规模有效),在整体效率上具有一定的特色和优势,值得投资人关注。5家公司中,又以华东电脑的效率最高,其次分别为湘计算机、深科技、百花村和实达集团。七喜股份、浪潮信息、海星科技等3家上市公司虽为非DEA有效,但DEA效率值都比较接近1,在整个计算机及相关设备制造行业上市公司中,其生产经营的整体效率尚可,企业达到一定的规模经济,管理也比较规范合理。但值得指出的是,整个计算机及相关设备制造行业上市公司在整体效率有效前沿面上的仅5家,占总数的45%,说明计算机及相关设备制造行业上市公司的整体效率并不高,这与目前我国计算机及相关设备制造行业上市公司与国外计算机及相关设备制造行业公司相比,整体的规模较小,行业整体的集中度比较低有较大关系。

　　2.3.2 目标改进分析
　　上市公司通过优化资源配置实现集约化经营是其整体效率改进的关键。DEA方法为公司改进效率提供了依据。非DEA有效的公司可以通过对投入产出指标进行调整,最终达到整体效率的相对有效。表3是非DEA有效的计算机及相关设备制造行业上市公司投入产出指标的目标改进值,从该表可以看出,大部分非DEA有效的上市公司在主营业务成本和固定资产投入的改进值上都明显小于指标原值,如浪潮信息的主营业务成本和固定资产投入原值为:838599201元和187988468元,改进值为:768743886.7元和172329024.4,分别减少了69855313.84元和15659443.1元,表明大多数非DEA有效的上市公司的固定资产投入过大,成本过高,应加大对固定资产投入和成本的控制;从净利润的目标改进值上来看,ST绵高科和海星科技的赢利能力相对较差,这2家公司若想达到DEA有效,净利润需分别增加182939044元和24172583元,因此这2家公司应加大成本控制,提高管理水平和赢利能力。
　　2.3.3 规模收益分析
　　传统的生产理论认为企业生产经营在规模收益不变阶段至规模收益递减的某个阶段都是有效率的。C2R模型在给出11家上市公司整体效率值的同时,也能利用λj之和来衡量各上市公司的规模收益情况(见表3)。深科技等5 家公司整体效率相对有效,规模收益不变;长城电脑等5家上市公司处于规模收益递减阶段;只有ST绵高科1家公司处于规模收益递增阶段。即在11家上市公司中只有9%的公司未达到经济规模,仍处在规模收益递增阶段。对于处在规模收益递增阶段的上市公司,应当考虑引入新的投资者,扩大对资产的投入,努力提高产出水平,快速达到规模经济。而处在规模收益递减阶段的公司可根据实际情况,适当的收缩资本,调整资本结构,加强内部管理,提高投入产出效率,将生产调整至最佳状态。
　　3. 结论
　　分析表明,国内的计算机及相关设备制造行业上市公司的整体效率有待进一步提高。非DEA有效的上市公司要达到整体经营的高效率,其投入产出指标存在较大的调整空间。与国外同类公司相比,我国计算机及相关设备制造行业上市公司规模还是相对偏小,甚至部分企业仍未达到经济规模。另一方面,与发达国家相比,我国计算机产业仍处于产业链的中下游,产品的技术含量和附加值都比较低,利润空间较小,这也是造成效率相对较低的主要原因。因此,改善产业结构,增加产品的技术含量和经济附加值,提高企业的管理和技术水平将是我国计算机及相关设备制造行业提高整体效率的主要途径。
　　本文运用DEA方法对计算机及相关设备制造行业上市公司的效率进行了评价,弥补了常用的财务指标评价和主成分分析法的缺陷,得到的结果能客观地反映计算机及相关设备制造行业上市公司的效率,因而可以为计算机及相关设备制造行业上市公司的管理层提供决策参考,同时也为计算机及相关设备制造板块的投资人提供了一定的选择和评价依据。
　　参考文献:
　　[1]姚树洁,冯根福,韩钟伟.中国保险业效率的实证分析[J].经济研究,2005年7月.
　　[2]庞瑞芝等. 我国主要沿海港口的动态效率评价[J].经济研究,2006年6月.
　　[3]张宁等.应用DEA方法评测中国各地区健康生产效率[J].经济研究,2006年7月.
　　[4]魏权龄.评价相对有效性的DEA方法[M].中国人民大学出版社,1987.
　　[5]魏权龄.数据包络分析.科学出版社[M],2004.
　　[6]郁文恺.我国通用制造业企业规模效益的DEA分析[J].现代工业管理与创新,2007年2月.
　　[7]程巍,宋加升.基于DEA的信息化制造技术投资评价研究[J].科技与管理,2007年第2期.
　　[8]杨家兵,吴利华.基于DEA的钢铁行业上市公司效率评价[J].工业技术经济,2006年2月.
　　 (作者单位:暨南大学管理学院)

转载注明来源:https://www.xzbu.com/3/view-1341487.htm