赵朔 王爽然 黄斌

[摘要]对创业板上市公司的创新能力评价有助于分析创业板上市公司的状态和未来发展趋势，从这个角度出发，我们构建了数据包络（DEA）模型，并利用2009—2012年的311家上市公司的数据池数据为样本，选取更为科学的指标进行创新能力评价进而对企业绩效进行评价。结果显示，创业板企业整体绩效较高，大体上是随着创新能力的提高而企业绩效提高，特别表现在适应时代发展背景的高新技术企业中。

[关键词]创业板;绩效评价;数据包络分析法

[DOI]10.13939/j.cnki.zgsc.2015.12.056

1引言

我国的“十一五”规划开始将企业创新能力的提高作为企业长远规划发展的重要前进方向。启动于2009年10月23日，旨在服务于自主创新国家战略的需要，为高科技企业、新兴企业提供融资和发展的平台的创业板上市公司就成为了中国经济增长的重要力量，拥有丰富的资源和技术优势，站在我国企业自主创新的前列。然而，我国企业自主创新能力不足已是不争的事实，部分是创业板上市公司在该方面投入不足。究其原因，缺乏合理的评价体系以及完善的激励制度是影响企业创新的重要因素。2006年，国务院国有资产监督管理委员会发布了《中央企业综合绩效管理暂行办法》，确立了现存的国有企业综合绩效评价机制。然而，该评价机制对企业创新方面，特别是分析研发费用数目，研发人员数量以及专利申请、专利公开问题上没有一套合理的评价体系，本项目将以此为研究方向，研究研发费用数目，研发人员数量以及专利申请、专利公开数目等因素对创业板上市公司企业绩效的影响。

2DEA模型、指标与样本选取

2.1DEA模型简介

数据包络分析法（DEA）是非参数前沿面的分析方法。该方法以一定的可评定企业绩效的指标为基础，通过大量的相关因素数据来构建自主创新前沿面以及位于该前沿面上的相对有效点，而无须测算自主创新函数。设有n个部门或单位（称为决策单元，Decision Making Unit，以下简称DMU），这n个DMU可比。假设每个DMU的输入类型有m种，输出类型有s种。输入数值一般为越小越好，而输出数值则普遍为越大越好，表明投入小产出大。将决策单元j记为DMUj（j=1， 2， …， n），则有以下定义：xij≥0为DMUj的第i种输入量，vi为对应的第i种输入的一种度量（或称“权”），i=1， 2， …， m;yrj≥0，为DMUj的第r种输出量;ur为对第r种输出的一种度量，r=1， 2， …， s。

令：

Xj=（x1j， x2j， …， xmj）T

v=（v1， v2， …， vm）T

Yj=（y1j， y2j， …， ysj）T

u=（u1， u2， …， us）T

j=1， 2， …， n

数据包络分析的第一个模型C2R则是基于此研究的。C2R模型包括输输入型（Input-DEA）和输出型（Output-DEA）两种。前者追求的是输入的减少，后者追求的是输出的增加。C2R模型通常用来判断规模收益不变（Constant Return to Scale，简称CRS）情况下DMUj0（第j0个决策单元）的技术有效性。

CCR模型为具有非阿基米德无穷小的线性规划，如下所示。

（PC2R）max hj0=μTYj0

s.t.ωTXj-μTYj≥0， j=1， 2， …， n

ωTXj0=1

ω=vvTXj0≥0， μ=uvTXj0≥0

其中，hj=uTYjvTXj≤1， j=1， 2， …， n，为DMUj的效率评价指数，其值越大表明DMUj的效率越高，即可用更少的投入获得更多的产出。

引入松弛变量并进行对偶规划：

（DC2R）min[θ-ε（TS-+eTS+）]

s.t.nj=1λjXj+S-=θXj0

nj=1λjYj-S+=Yj0

λj≥0，j=1， 2， …， n

S-≥0， S+≥0

其中，θ为规划目标值，无约束;λj为规划决策变量;S-=（s-1， s-2， …， s-m）T，S+=（s+1， s+2， …， s+s）T，为松弛变量向量。对偶规划的最优解为：θ0， λ0j， S-0=s-01， s-02， …， s-0mT， S+0=s+01， s+02， …， s+0sT。

对C2R模型的解释如下：

（1）θ0表示DMUj0的效率指数，TS-为输入过剩，eTS+为输出不足。

（2）当TS-+eTS+=0时，DMUj0为技术有效，即相对于输入，输出已达最大值。

（3）对应于1θ0nj=1λ0j等于、小于、大于1，DMUj0规模有效（规模收益不变）、规模收益递增、规模收益递减。

（4）当θ0=1，TS-+eTS+=0时，DMUj0规模、技术均为有效，称为DEA有效。

（5）当θ0=1，TS-+eTS+>0时，DMUj0为弱DEA有效。

（6）当θ0<1时，DMUj0为DEA无效。

（7）当DMUj0为弱DEA有效或DEA无效时，调控优化为：在保证输出不减少的同时，减少输入（1-θ0）X0+S-0;或者在保证输入不增加的同时，输出增加S+0。

需要注意的是，在应用DEA时，DMU的数量应满足一定条件，即n≥max{m×s，3（m+s）}式中字母意义同前。这就意味着，进行DEA分析时所选取样本的样本量会受到投入、产出指标数量的限制。在本项目中，将净资产增长率和营业利润增长率视作产出指标，而将研发费用、研发员工、知网的专利申请数、知网的专利公开数、德温特数据库的专利申请数、德温特的专利公开数视作投入指标。当投入、产出指标确定后，样本量的最小值也被确定了。在本项目中，存在6种输入与2种输出，即m=6、 s=2时，样本量n≥24。

2.2指标选取

从现有文献来看，以创业板上市公司为研究对象的文章，往往是通过股价波动和企业创新能力与绩效相连，前者在经过前人论证由于目前数据量不足等原因在影响绩效方面并不显著;而与绩效变化最相关的因素就是企业创新能力。在衡量绩效变动的标准指标则是总资产效益率、净资产收益率;影响企业绩效的重要变量包括企业规模、经营能力和经营风险三个方面。利用因子分析法选取最重要的变量包括研发支出、员工素质、研发人员、已有技术等项目，然而，该评价机制对企业创新方面，特别是分析研发费用数目，研发人员数量以及专利申请、专利公开问题上没有一套合理的评价体系，本项目将以此为研究方向，研究研发费用数目，研发人员数量以及专利申请、专利公开数目等因素对创业板上市公司企业绩效的影响。

2.3数据选取

本文的研究内容为创业板上市公司的创新能力对绩效影响，所评估的决策单位是单个上市公司，由于创业板上市公司上市时间较短，年报数据不完善，我们综合2009—2013年五年的数据池数据进行研究，但由于2013年的年报数据中未披露数据过多，因此最终决定选取2009—2012年的四年数据，剔除部分数据不全的上市公司。

经过处理后，得到符合条件的样本值1244个，各年份311个，最终选取由高到低总排序的前205个企业进行分析。选取研发费用、研发员工、知网的专利申请数、知网的专利公开数、德温特数据库的专利申请数、德温特的专利公开数6个指标作为输入数据，将净资产增长率和营业利润增长率作为产出数据指标。

3实证分析

将搜集到的311家公司的四年各项数据进行筛选，筛选出历年数据，对相同年份的311家公司进行DEA模型分析，得出各公司历年的技术效率值，再将311家公司的四年技术效率值分别求取几何平均数，求出的则是各家公司四年的技术效率值，对该值进行排序，不难看出：技术效率值越大（接近于1），则表示其研发投入低而企业绩效高;技术效率值越小（接近于0），则表示其研发投入大而企业绩效低。

布拉德福定律，是定量描述文献分散规律的经验定律，其文字描述是：如果将科技期刊按其刊载某学科专业论文的数量多少，以递减顺序排列，那么可以把期刊分为专门面对这个学科的核心区、相关区和非相关区，如果各个区的文章数量相等，此时核心区、相关区，非相关区期刊数量呈1∶n∶n2的关系。布氏定律已被广泛应用于情报分析工作中，帮助研究主题领域内的核心技术分布、核心研发群体分布等，也可以灵活运用于创新绩效评价中。

因此，依据布氏定律，也就是将企业按照技术效率几何平均值的大小，以递减顺序排列，那么可以将企业分为绩效与创新高度正相关，绩效与企业创新相关和绩效与企业创新负相关企业数量呈1∶n∶n2的关系（见下表）。

4结论及建议

根据数据可以看出，在第一区的浙江向日葵光能科技股份有限公司，作为国内光伏产业的领头羊，自国内光伏产业最为辉煌的2010年开始上市，在本文所选取的时间内发展得如鱼得水，平均技术绩效均值高达0.992，接近于1，表明其研发投入较低而企业绩效极高，这也直接导致作为持有公司股份的比例为64.66%的掌门人的吴建龙高居创业板富豪榜的首位。当然这与其所处的大时间背景有关且不可复制。果不其然在国内光伏产业一哄而上，产能严重过剩，且欧美对我国光伏产业实行“双反”，行业很快跌入低谷，光伏企业破产的报道时而见诸报端。向日葵同样不能幸免，业绩大幅滑坡，2013年度甚至亏损3.6亿元，2014年前三季度亏损4600多万元。向日葵的股价也从上市之初的20多元跌至最低3元多，按复权价计算最大跌幅超过八成。吴建龙也由此计划在2015年1月9日至7月8日的半年时间内，减持不超过1.5亿股股份，即持有不超过公司总股份的13.4%。由此，向日葵昔日辉煌不再，但是却留下一个道理，就创新能力与绩效相关联性而言，创新能力在新兴的朝阳性企业有着投资低而绩效高的现象，对实际中相应的高新的朝阳性企业有着借鉴的意义。

在第二区的15家企业中，几乎全部都是高新技术或环保节能产业，其中，更有像东富龙这样在原有经营冻干机头的龙头产业在市场导向的今天于2012年开始涉足医疗制造行业，并积极寻求海外市场扩大出口规模，以增加企业利润，在本文选取的时间段内企业以总技术绩效均值0.93，低研发投入而产生高绩效。而像元力股份这种发展之初就涉足活性炭环保的企业更是抓住了当前时代的需求，在选取的时间段内技术绩效均值0.7563，相对而言低研发也产生较高绩效。因此，第二区具代表性的高新技术企业和环保企业，在当前时代背景下若提高绩效可适当提高企业创新能力方面的投入，由此提升企业绩效。

在第三区的189家企业中，具代表性的是制造业、医药行业，这类行业整体绩效较好，但这些企业的综合效率并未随着其行业技术水平的提高而提高，这点与我国制造业和医药行业的整体表现不同。年报数据表明这些行业在2011—2013年的整体绩效经历了一个先降后升的过程，2012年绩效下降的主要原因是企业投入产出比的下降。大多数企业的规模效率较高而技术效率不足，因此，保持当前生产规模、提高生产效率是提升企业绩效的关键。

参考文献：

[1]Farrell M.J..The Measurement of Productive Efficiency[J].Journal of the Royal StatisticalSociety，1957（3）：253-290.

[2]Charnes A.，Cooper W.W.，Phodes E..Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978（2）：429-444.

[3]Banker R.D.，Charnes A.，Copper W.W..Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984（17）：1078-1092.

[4]黄福宁.创业板上市公司创新绩效评价必要性研究及实施建议[J].科技创新与生产力，2012（6）：9-11.

[5]李龙筠，谢艺.中国创业板上市公司创新能力评估[J].经济学家，2011（2）：93-102.

[6]李龙筠，刘晓川.资产结构、地区经济与企业创新能力：来自中国创业板市场的证据[J].中央财经大学学报，2011（5）：45-49.

[7]刘小元，李永壮.董事会、资源约束与创新环境影响下的创业企业研发强度——来自创业板企业的证据[J].软科学，2012（6）：99-105.