APP下载

异质行业下企业创新效率的可比测度

2015-07-30杨敏陈泽明

软科学 2015年7期
关键词:创业板

杨敏+++陈泽明

摘要:以354家创业板上市公司为样本,通过极化模拟和DEA二次叠加,揭示创业板上市公司的创新效率分布,实现了异质行业下企业创新技术效率的可比评价。研究发现:绝大多数创业板上市公司可比创新效率较低,存在较大改进空间,其中平均可比综合创新技术效率最高的是广播、电视、电影和影视录音制造业,最低的是计算机、通信和其他电子设备制造业;企业创新投入结构上存在较大的不平衡性,研发经费投入的有效性没有得到应有的释放,通过改善管理、激励、来提升创新效率比单纯改变规模更有效。

关键词:极化模拟 二次叠加 DEA 创业板 可比创新效率

中图分类号:F270.7 文献标识码: 文章编号:

The Comparable Measure on the Enterprise Innovation Efficiency of the Heterogeneous Industry

——Based on the DEA Secondary Superposition of Polarization Modeling

YANG Min1,2, CHEN Ze-ming1

(1School of Economics and Management, Chongqing University, Chongqing, 400044; 2Chinese Communist Party School of Zhang jiagang, Zhang jiagang, 215600)

Abstract: Taking 354 listed companies on GEM as the sample, revealing the innovation efficiency distribution of the listed companies on GEM, and evaluating the technical efficiency of enterprise innovation from the perspective of heterogeneous industry by polarization modeling and DEA secondary superposition. The conclusions are as follows: most of the comparable innovation efficiency is low, and there is a big space to improve for the listed companies on GEM; in terms of the average comparable comprehensive innovation technology efficiency, the highest are the broadcast industry, TV industry, film industry, and video recording industry; the lowest are computer, communications and other electronic equipment manufacturing industry; there are larger imbalance in structure of enterprise innovation investment, and the effectiveness of the R&D input have not been released efficiently; its more effective to promote innovation efficiency by improvement of management, motivation, and technology than altering the scale simply.

Key words: Polarization modeling; Secondary superposition; DEA; GEM; Comparable innovation efficiency

引言

企业的创新效率作为企业创新活动的一种量化评价,是企业在激烈的市场竞争中保持持续的竞争优势的关键,是企业创新管理、决策的基础,也是企业创新能力保持和发展的前提条件。关于企业创新技术效率的研究比较多,但真正能够客观、真实、系统反映“企业”的创新活动的并不多见。由于受数据可得性的困扰,大多数研究被迫选择具有共同统计属性的企业综合平均数据作为分析对象,比如大中型企业、规模以上企业、高新技术企业等等。虽然能够便捷的形成对某类企业的综合认识,但这却导致了个体企业作为创新主体的创新效率评价被人为平均化。因而,以此为基础形成的对中国企业创新技术效率的规律性认识存在一定程度的失真。本文以创业板企业数据为基础,通过虚拟两个极化决策单元实现极化模拟,为决策单元提供理想标杆,再经DEA二次叠加,将异质行业的企业创新技术效率测评纳入同一测评体系,解决异质行业下企业创新技术效率的不可比问题,更加真实的揭示创业板上市公司创新效率的行业分布规律,为企业或政府的决策改进提供理论依据。

1企业创新技术效率研究述评

Afriat(1972)提出,在不增加投入(或不减少产出)的情况下,技术上不可能增加产出(或减少投入)则为技术有效,进而定义了技术创新效率(TIE)的概念 [1]。基于投入产出的创新效率比较摒弃了能力观对于企业创新原发性基因的关注,取而代之的是重视创新投入产出的综合、相对效率。继而掀起了关于企业创新技术效率的研究热潮(Nasierowski W,2003;Zhang Anming, Zhang Yimin,2003;Sharma, S., Thomas, V.J.,2008;Hashimoto A, Haneda S,2008)[2-5]。国内学者在该问题上也有非常深刻的研究。项本武(2011)、张信东(2012)、戴卓(2012)等运用随机前沿分析方法,对我国部分行业的创新效率进行了研究[6-8]。陈凯华等(2013)基于传统数据包络分析比率型模型思想建立了包含关联子系统的网络型生产系统在可变规模报酬假设下的纯技术效率测度与分解模型,并提出网络型生产系统的整体与局部规模收益状态的判断准则[9]。李鹏,张俊飚(2013)借助三阶段DEA方法,通过测度科研团队各决策单元的协同创新绩效,分析团队协同创新技术效率较低的主因[10]。张宗益(2008)、高霞(2013)、戴魁早(2013)、郭兵(2014)则利用数据包络方法对企业技术创新效率的区域与行业差异进行了分析和评价[11-14]。

行业间企业创新技术效率存在差距这一论点得到了学者们的一致认可,但对差距的成因、表现形式、分布规律等问题,看法并不一致。从目前的研究来看,主要存在以下争论:(1)由于受制于数据的可得性,目前有限的以企业创新投入、产出作为研究对象的创新效率评价,多以个别或者若干个企业作为分析样本,其代表性有待考察;(2)创新的原始行为是企业,而目前大多数研究的数据对象变成了行业或一定规模的企业族群,个体企业作为创新主体的创新效率评价被人为平均化,以此为基础形成的对中国企业创新技术效率规律性认识是否存在失真;(3)运用传统DEA模型对企业创新技术效率进行评价,结果的真实、客观性,很大程度上取决于DEA模型中决策单元的数量。当数量较少时,大多数企业DEA有效,从而评价效度降低的问题该如何避免;(4)同样的创新投入强度,在不同行业创新产出不同,原因可能不在企业的创新能力上,而是由行业创新特点和规律决定的。人为的按照地域、行业、规模族群进行划分并选择数据,以同一模型方法进行评价,并对其结果进行比较,如何解决这种因企业异质所导致创新效率不可比的问题。

本研究将致力于上述问题的探索,以创业板所有上市公司个体为样本,充分考虑企业创新的行业异质性,通过基于极化模拟的DEA二次叠加方法,实现对个体企业创新效率的可比测度。

2研究设计

2.1模型选择

数据包络分析 (简称 DEA),是美国著名运筹学家 Charnes、Cooper和Rhodes 于 1978 年提出的以相对效率概念为基础评价生产效率的非参数统计方法。此方法借助数学规划方法确定相对有效的生产前沿面,将各个决策单元投影到 DEA 的生产前沿面上,通过比较决策单元偏离 DEA 前沿面的程度来比较它们的相对效率。1984年,Banker等人从公理化模式出发,给出了能同时描述生产规模与技术有效的DEA模型(BCC),其投入产出效率可写成(式1):

其中, 、 分别为投入向量和产出向量。

虚拟最优、最劣决策单元之后,作为参照系的前沿生产面将会被扩张,原相对有效的决策单元在很大概率上将从前沿生产面上剥离出来,而变得相对无效,原相对无效的决策单元会更加无效。通过DEA模型的极化模拟改进,获得的相对效率结果将更易理解,更真实。

2.3异质行业下企业创新技术效率的可比叠加

现有研究更多的是基于数据的可得性,被迫从区域、行业、规模族群维度采用DEA方法对企业创新技术效率进行评价,进而判断某行业的整体创新效率的高低。本文认为这对某些行业是不公平的。异质行业的成长周期,以及创新的过程、模式、方式、规律的差异,决定了行业间的企业创新效率不可比较。创新能力相当的两个异质行业的企业进行相同强度的创新投入,往往得到不同的创新回报。行业属性的差异注定了异质行业间企业创新效率的不可比较。但这也并不意味着同一口径下的行业创新效率值毫无意义,虽然其无法真实反映行业的相对创新效率,但却是对同一社会进步水平下,特定经济发展阶段的静态的行业创新难易程度的客观表达。

同一行业内的企业通过DEA模型得出创新效率值,是可以相互比较的。不同行业下的企业创新技术效率要可比,就必须将其放到其所处的行业下进行考量。将不同行业各自的行业创新难度系数作为参照系,对不同行业的企业创新技术效率进行修正,便可获取异质行业下可比的企业创新技术效率。

3样本、变量与数据来源

基于本文的研究目的和研究设计,本文选择2013年11月20日之前在中国创业板上市的全部354家公司为分析样本。考虑到创业板上市公司数据的可得性,本文选择研发经费占营业收入的比重(R)、技术与研发人才占总员工比重(L)作为投入指标,公司可持续增长率(S)、专利拥有量(P)、托宾Q值(Q)三个变量作为产出指标。公司可持续增长率是股东权益增加值与期初股东权益的比值,反映的是公司的可持续成长能力,与企业管理水平、技术创新密不可分,因此可以近似认为企业的可持续增长率是企业创新的成长表现。杜宾Q值是公司市场价值与其重置成本之比。杜宾Q值>1,表明企业是“财富的创造者”,为社会创造了价值,实现了价值增值。因此,可近似认为杜宾Q值是企业创新产出的价值增值表现。

本文所用变量数据中,研发经费占营业收入的比重(R)、技术与研发人才占总员工比重(L)、公司可持续增长率(S)取自RESSET锐思金融统计数据库的2012年度数据,经过计算整理得到;托宾Q值(Q)取自CCER中国经济金融数据库的2012年度数据;专利拥有量(P)来源于中国专利文献检索系统(CPRS)和创业板上市公司各年度报告,检索时间截止到2013年11月20日 。

从数据构成来看,专利拥有量为存量数据,其他变量为流量数据。一般认为创新具有时滞性,因而以同一年度的投入、产出流量数据进行测算似乎不合理。但同一公司具有较强的创新惯性,在一定时段内很难改变这种惯性。因此,以同一年度的相对流量指标输入模型,在很大程度上测算的仍是时段内的创新效率。

4实证分析

4.1行业创新难度系数测算

在计算行业创新难度系数时,将企业数据按照证监会的行业分类进行汇总计算,得到16个行业数据 。借助DEAP2.1软件,将各行业创新投入产出数据分别代入BCC模型,基于投入导向角度,采用多阶段算法,得到传统意义上的行业创新技术效率,通过取倒数获取行业创新难度系数(见表1)。

从行业综合创新难度系数来看,难度相对较大的是软件和信息技术服务业,其次是专业技术服务业;相对容易的是计算机、通信和其他电子设备制造业,农林牧渔和农副食品加工业,橡胶和塑料制品业,其他服务业和其他制造业。从所有行业的总体情况来看,行业平均纯技术难度要小于规模难度,行业创新效率提升的难度主要表现在规模扩张上,通过改善管理、激励、意识来提升创新效率可能比改变规模更加容易、更有效率。

4.2分行业企业创新技术效率测算

考虑到异质行业企业创新技术效率不可直接比较,本文按照行业将企业创新投入产出数据代入极化模拟改进的DEA模型,基于投入导向角度,采用多阶段算法,获取分行业企业创新技术效率评价结果。由结果可知,基于极化模拟的DEA模型计算得到的各行业企业创新技术效率普遍偏低。创业板的354家上市公司中,综合创新效率评价 (好)的共2家,占0.56%;位于 (较好)的共4家,占1.12%;位于 (一般)的有82家,占23.10%;位于 (差)的有149家,占41.97%;位于 (较差)的有118家,占33.23%。3/4的创业板上市公司综合创新技术效率低于0.4,存在较大改进空间。

相对于极化模拟的前沿生产面,非DEA有效的决策单元均处于规模收益递减阶段。企业创新技术效率偏低的主要原因是创新投入的结构不平衡。通过投影分析非 DEA 有效企业创新投入冗余量和产出不足量,可为企业创新技术效率改进提供目标和方案 。分析可知,所有行业在研发经费投入上均需要减少投入,而研发人员投入上均需要增加投入。这意味着当前创业板上市公司在创新投入结构上存在较大的不平衡性,研发经费投入的有效性没有得到应有的释放。

4.3可比企业创新技术效率叠加

通过将行业创新难度系数叠加到分行业企业创新技术效率之上,可获取可比企业创新技术效率。

设: 为行业综合创新难度系数, 为分行业测算的企业综合创新技术效率,则可比企业综合创新技术效率 。叠加前后调整幅度则可表示为 ,可比企业创新纯技术效率和规模技术效率同理(见表2)。从调整系数表来看,创新难度相对最小的五个行业(计算机、通信和其他电子设备制造业、农、林、牧、渔和农副食品加工业、其他服务业、其他制造业、橡胶和塑料制品业)的可比企业综合创新技术效率没有变化,其余11个行业被不同程度的放大,幅度最大的是软件和信息技术服务业(180.11%)。

4.4企业可比创新效率行业分布

经过调整后的异质行业的企业创新技术效率可以相互比较,数值越大的创新效率越高(如图2所示)。相比传统意义上的企业综合创新技术效率(如图1所示),可比技术效率值的分布更加发散,最大值突破了“1”的限制,但并不影响DEA的有效性、规模收益、冗余分析;不同行业的企业创新技术效率调整出现异化,有的企业原本技术效率不高,调整后相对较高,有的企业原本技术效率较高,调整后却相对较低,例如软件、信息技术服务业可比企业综合技术效率普遍被放大。

从调整前后的平均综合创新效率来看,最高的是广播、电视、电影和影视录音制作业(0.70),其次是软件和信息技术服务业(0.64)、医药制造业(0.60),最低的是计算机、通信和其他电子设备制造业(0.18)。与调整前相比,软件和信息技术服务业、专业技术服务业、生态保护和环境治理业、通用设备制造业在16个行业中的排名分别上升了12、7、2、1名;其他行业的排名则有不同程度的下降,其中下降最多的是橡胶和塑料制品业,下降了4名。平均纯技术效率最高的是软件和信息技术服务业(1.10),其次是电气机械和器材制造业(0.79),最低的是计算机、通信和其他电子设备制造业(0.34)。平均规模技术效率最高的是专业技术服务业(1.55),其次是广播、电视、电影和影视录音制作业(1.11),再次是医药制造业(1.09),最低的是仪器仪表制造业(0.52)。

5研究结论与对策建议

研究发现:创业板上市公司可比创新效率普遍偏低,存在较大改进空间,且在创新投入结构上存在较大的不平衡性,所有企业在研发经费投入上均需要减少投入,而研发人员投入上均需要增加投入;所有企业均处于规模收益递减阶段,研发经费投入的有效性没有得到应有的释放;通过改善管理、激励、技术来提升创新效率比单纯改变规模更有效;经过DEA二次叠加,不同行业的企业创新技术效率调整出现异化,异质行业的企业创新技术效率可以相互比较,数值越大的创新效率越高,可比技术效率值的分布更加发散,最大值突破了“1”的限制。由此可见,基于极化模拟的DEA二次叠加方法,在异质行业企业可比创新技术效率测度上的应用是科学合理的。

为切实提升创业板企业创新技术效率,本文提出以下政策建议。

(1)改善创新环境,加强调控和引导。政府应加强调控和引导,着力改善创新环境,加强对计算机、通信和其他电子设备制造业、通用设备制造业、仪器仪表制造业、专用设备制造业的扶持力度;要降低软件和信息技术服务业、化学原料和化学制品制造业、医药制造业、影视文化等行业的人才引进门槛,强化人才培养专项资金的投放机制;建立生态保护和环境治理业、农林牧渔和农副食品加工业、通用设备制造业、橡胶和塑料制品业、化学原料和化学制品制造业、采矿、冶炼及辅助等行业的研发经费投放引导机制。

(2)转变观念,强化纯技术效率地位。创业板上市公司创新效率的提升应着眼纯技术效率的改善,通过明确战略创新目标、提高创新管理水平、强化创新激励、优化技术结构,来提升创新效率,而不应把创新效率的提高简单理解成创新投入规模的改变。

(3)改变投入结构,强化创新人才的投入。创业板企业应建立有效的科技人才培养、引进机制,解决创业板企业创新人才投入过少的问题,提高企业创新资金的运用效率,使创新资金的边际效用最大化;进一步加强产学研合作创新战略联盟,整合企业、高校和科研院所的创新人才资源,培育和完善创新成果转化平台,加速科技成果转化。

参考文献

[1] Afriat S. N. Efficiency Estimatiom of Production Fumtiom [J]. international Economic Review, 1972(13): 568-598.

[2]Nasierowski W, Arcelus F J. On the efficiency of national innovation systems [J]. Socio-Economic Planning Sciences, 2003, 37(3):215-234.

[3]Zhang Anming, Zhang Yimin, and Zhao Ronald. A study of the R&D efficiency and productivity of Chinese firms [J]. Journal of Comparative Economics, 2003(3): 156-81.

[4]Sharma, S., Thomas, V.J.. Inter-country R&D efficiency analysis: application of data envelopment analysis, Scientometrics [J]. 2008, 76(3): 483-501.

[5]Hashimoto A, Haneda S. Measuring the change in R&D efficiency of the Japanese pharmaceutical industry [J]. Research Policy, 2008(4):1-8.

[6]项本武.中国工业行业技术创新效率研究[J].科研管理,2011(1):10-14.

[7]张信东,董孝伍,郝丽芳.结构调整中的行业创新效率研究——基于DEA和SFA方法的分析[J].经济管理,2012(6):149-160.

[8]戴卓,代红梅.中国工业行业的技术创新效率研究——基于随机前沿模型[J].经济经纬,2012(4):90-94.

[9]陈凯华,官建成,寇明婷,康小明.网络 DEA 模型在科技创新投资效率测度中的应用研究[J].管理评论,2013(12):4-10.

[10]李鹏,张俊飚.农业科研团队协同创新绩效测度的实证研究——基于三阶段DEA模型的林果业科研团队[J].软科学,2013(4):88-93.

[11]张宗益,张莹.创新环境与区域技术创新效率的实证研究[J].软科学,2008(12):123-127.

[12]高霞.规模以上工业企业技术创新效率的行业分析[J].软科学,2013(11):54-58.

[13]戴魁早,刘友金.市场化进程对创新效率的影响及行业差异——基于中国高技术产业的实证检验[J].财经研究,2013(5):4-13.

[14]郭兵.中低技术制造业技术创新效率的行业比较研究[J].科学学与科学技术管理,2014(5):28-35.

[15]孙凯,鞠晓峰.基于改进DEA模型的工业企业技术创新能力评价[J].系统管理学报,2008(2):86-90.

猜你喜欢

创业板
三季报净利润大幅增长股(创业板)
三季报净利润大幅下滑股(创业板)
利空雾霾减散 创业板行情崛起
创业板上市公司商业模式披露的必要性研究
创业板上市公司资本结构现状研究
创业板上市公司财务报告舞弊识别研究
2015年A股创业板涨跌幅前50名个股
创业板上半年涨幅前50名等
创业板2013年涨(跌)幅前50名