胡东滨, 周 普, 陈晓红,2

(1.中南大学 商学院,湖南 长沙 410083; 2.湖南工商大学 前沿交叉学院,湖南 长沙 410205)

0 引言

随着工业化进程的加快,中国已成为名副其实的“世界工厂”。而工业和实体经济快速发展的同时,粗放型的发展方式也为我国带了不少隐患[1]。环境问题已成为我国政府、学者和民众最为关注的问题之一。当前我国正处于生态文明建设和经济转型的关键时期,作为新兴产业重要组成部分,环境服务业已被放到了国家战略高度。

环境服务业作为环保产业的重要组成部分,其发展水平是该国环保产业是否成熟的重要标志。发达国家由于其环保装备市场已趋于饱和,环境服务业的市场份额已接近70%。据中国环境保护产业协会测算,我国2016年环境服务收入占环保产业的53%,与发达国家仍存在一定差距。尽管我国环境服务业发展迅速,但由于起步较晚、服务模式单一、整体创新不足等原因,环境服务企业仍面临一些问题。裴莹莹等[2]运用SCP范式分析,指出我国环境服务企业盈利能力不足,且技术水平和产品竞争力存在较大提升空间。黄小英等[3]通过实证分析40家环保企业,发现其金融支持效率较低。基于以上分析,环境服务企业作为新兴战略产业的“神经元”,其高速增长是否意味高质量的增长?换句话说,环境服务企业的生产效率如何?

目前,对于环境服务企业的研究文献相对零散且并不丰富。大多数文献聚焦于环境服务产业的机制研究和现状研究[4]。对于微观视角下环境服务企业的生产效率问题,缺乏系统的研究和客观的经验证据支撑。本文旨在回答以下问题:环境服务企业目前的经营效率如何?什么因素主导企业的生产率水平?企业效率增长的障碍是什么?不同细分领域的环境服务企业,它们的生产率水平如何?本文利用三阶段DEA-Malmquist模型,剔除随机扰动和外部环境影响,更为准确地对我国环境服务型企业生产率问题进行分析研究,力图填补环境服务领域全要素生产率测度实证研究的空白,并为如何提升企业全要素生产率这一问题提供参考。

1 研究方法

测算全要素生产率的方法主要有传统的索洛余值法、索洛扩展模型、随机前沿模型以及DEA-Malmquist模型。相比于其他测算方法,DEA-Malmquist模型不需要考虑投入和产出的函数形态,在研究中受到的约束相对较少,测算结果更加科学客观[5];另外,该方法还可以对全要素生产率进行分解分析,深度挖掘生产率变化背后的原因[6,7]。然而,传统的DEA方法测算出的效率值易受到环境因素和随机因素的影响。本文借鉴FRIED等[8]学者的研究思路,借助三阶段DEA-Malmquist模型,剔除企业所处环境和随机因素对生产率的影响,得到仅反映经营管理水平的更纯粹的生产率。由于企业更容易对生产中的投入要素进行控制,本文采用以投入为导向的BCC模型。

1.1 DEA-Malmquist指数模型

Malmquist指数模型最早由瑞典经济学家Sten Malmquist提出,现已广泛运用到生产率的测算分析中。

M0(Xt,Yt,Xs,Ys)

=TECH×TCH

1.2 类SFA模型

为了分离环境因素和随机因素对生产率的影响,参考FRIED等[8]学者的研究,构建一种类随机前沿模型(SFA)解决该问题。以投入松弛变量为被解释变量,环境变量为解释变量,类SFA模型如下:

Sni=f(Zi;βn)+vni+μni;i=1,…,I;n=1,…,N

以类SFA模型的实证结果为基础,对其他环境服务企业的投入进行调整,具体调整方式如下:

[max(vnt)-vni] ;i=1,…,I;n=1,…,N

1.3 调整后的DEA-Malmquist指数模型

利用初始产出和调整后投入数据,重新进行第一阶段DEA-Malmquist模型测算,得到剔除环境因素和随机因素的企业全要素生产率。

2 数据来源与指标选取

2.1 数据来源

环境服务企业的定义是为环境保护、污染防治等提供的相关服务活动的企业。鉴于我国行业划分标准暂未对环境服务业进行明确划分,环境服务企业现大多分散在多个不同行业中。本文样本企业的选取主要基于东方财富网中节能环保概念股的成分股,以及巨灵数据库中与环境服务相关的概念板块中的成分股,通过阅读企业年度报告,筛选出63家以提供环境服务作为其主营业务的企业,作为本文的研究对象。本文的企业投入产出数据来源于国泰安数据库;主营业务份额数据来源于企业各年份年度报告;环境指标数据来源于《中国统计年鉴》和《中国科技统计年鉴》。

2.2 投入产出指标选取

从投入视角看,一个运营有效的企业可以用尽可能少的劳动力、资本和资金投入创造较高的收入。环境服务业属于服务行业,员工是最核心的竞争力[9]。本文用企业员工人数反映企业的劳动力投入。现阶段研究大多将企业总资产作为效率评价和生产率测算的投入指标[10,11]。资产作为企业运作的基石,可反映企业的规模,本文将总资产作为衡量企业投入的指标之一。营业成本直接反映企业生产经营所产生的资金代价,营业成本越高,企业利润越小,本文也将其作为投入指标[12]。

从产出视角看,多数研究将营业收入或利润作为企业生产率测算的产出指标。本文根据环境服务企业的现实情况和DEA-Malmquist模型对数据的基本要求,选取营业收入作为产出指标,其主要原因有:三阶段DEA-Malmquist模型要求投入产出数据非负,而不少环境服务企业正处于发展探索期,企业亏损属于正常现象,营业收入指标可避免该问题;其次,基于信号传递理论,上市公司可通过粉饰利润的手段向外界传递企业发展良好的信号,而营业收入指标则较难通过该方法进行操控。

2.3 环境变量选取

(1)经济发展水平。环境服务业具有基础性特点,主要表现在该产业已渗入国家的各个领域中,环境服务企业的生产效率可以双向影响其上下游企业。基础性特点决定了环境服务企业受区域经济发展水平的影响较大。本文选用企业所在省份的人均GDP作为经济发展水平的代理变量[13]。

(2)劳动者素质。环境服务业作为我国新兴战略产业,对高素质人才有较高需求。一方面,环保技术正向深度化,尖端化的方向发展;环境服务也向普及化、标准化、系列化方向发展,这都需要大批高素质、专业化人才支撑。另一方面,地区劳动者素质越高,越有利于创造新知识,开发新技术,并促进技术的转移和扩散。本文借鉴邢春冰的研究,根据中国的实际情况将教育水平换算成教育年限[14],以此作为劳动者素质的代理变量。

(3)区域科技水平。科技可以推动技术的发展,影响经济的运行模式和人们的思维方式。另外,环境服务企业对科学技术的水平高度敏感,区域的科技水平作为企业外部环境的重要构成要素,对环境服务企业的技术改革和创新起到促进作用。本文采用研发强度(各地区R&D经费与GDP比值)作为区域科技水平的代理变量。

3 实证结果分析与讨论

3.1 第一阶段:基于原始投入数据的DEA-Malmquist指数模型

利用原始投入和产出数据,运用Deap 2.1软件,计算63家环境服务企业的全要素生产率(TFPCH)及其分解指标,具体结果如表1所示。在不考虑环境效应和随机因素的影响下,样本公司在2015～2018年全要素增长率年均下降1%;技术效率(TECH)年均增长2.4%;技术进步水平(TCH)年均下降3.2%。这表明,环境服务企业的生产效率下滑主要由技术相对退步造成。从细分领域看,仅有环境监测企业年均生产率有小幅改善,其主要驱动力是由于企业技术效率有较为明显的提高。而其他五类细分领域的企业生产率整体呈现小幅下降趋势,下降幅度在0.56%～2.25%之间,主要原因是由于技术相对退步对生产率造成的负面影响。第一阶段的结果表明,在不考虑环境因素和随机因素影响的情况下,管理决策正确性的改善带来的生产效率提升不足以抵消技术水平相对退步给企业生产效率带来的不利影响。

表1 调整前各细分领域的全要素生产率指数均值及其分解指数

3.2 第二阶段:类SFA模型

以DEA模型测算的各投入松弛变量为被解释变量,环境变量作为主要解释变量,构建类随机前沿模型,运用Frontier 4.1软件,估算环境变量对投入松弛变量的影响,结果如表2所示。三个模型均通过了LR单边检验,且在1%的水平下显著,说明本文所选取的外部环境变量对投入松弛变量具有显著的影响,有必要进行类SFA分析。另外,三个模型的σ2值相对较大,γ值处于0.82至0.93区间内,说明模型同时受随机误差和管理无效的双重影响,且管理无效率对投入冗余的影响占主导地位。通过分析各环境因素对投入冗余的回归系数,可以得到以下结论:

表2 类随机前沿模型结果

教育年限对员工人数松弛变量和资产松弛变量有显著的正向影响,说明地区劳动者素质较高会导致企业员工和资产的投入冗余,降低环境服务企业的生产效率。造成这一结果的原因可能是处于教育水平越高地区的环境服务企业,对于人才和优质资产的重视度越高;而环境服务业现处于发展阶段,对于人才和资产的储备需求较大,从而导致短期性的人才和资产冗余问题。劳动者素质对企业营业成本的松弛变量有负向作用,但并不显著,这表明现阶段的劳动力素质对企业成本的控制未起到显著作用,加强我国环境服务专业化、高素质人才的培育仍然十分迫切。

研发强度的对员工人数松弛变量和资产松弛变量有显著的负向影响,说明科技水平的发展可以提高环境服务企业对人才和资产的利用效率,进而提高企业全要素生产率。科学技术的发展不仅可以使人变得更理性,也能提高专业人才对知识、技术的接受程度。因此,当企业处于科技相对发达的区域,员工的工作效率可能进一步提高;更理性、专业化的管理团队也会更懂得如何高效率的利用企业资产。另外,研发强度指标与环境服务企业营业成本冗余无显著关系,即目前区域的科技水平对环境服务企业的产品和服务成本控制没有显著影响,该结果一定程度反映了我国环境服务企业多数关键核心技术依靠进口的现状。

人均GDP对员工人数松弛变量有显著的负向影响,即区域经济发展水平越高,会增加环境服务企业对劳动力的利用效率,从而提高企业全要素生产率。而人均GDP对资产松弛变量存在正向影响,也就是说经济相对发达地区的企业对资产的利用效率更低。这可能是由于处在经济较为发达地区的企业其资产量可能相对更大,相比于资产总量小的企业,有效管理大量资产的难度可能也更大。另外,人均GDP指标对营业成本松弛变量有正向影响,但并不显著。根据卢馨等[15]的研究,中国东、中、西部地区企业所实际应用的成本管理方法都高度一致。不同地区企业成本管理方法的趋同可能是本文人均GDP指标不显著的一个原因。

3.3 第三阶段:调整后的DEA-Malmquist指数模型

基于第二阶段的回归结果,运用EXCEL 2013,将投入指标中的环境因素和随机因素影响予以剔除。利用调整后的投入数据,再次运用DEA-Malmquist指数模型测算2015～2018年63家环境服务企业的全要素生产率。

如表3所示,调整后的全要素生产率、技术效率和技术进步水平相较于调整之前均有上升。具体来看,对于总体样本而言,环境服务企业在2015～2018年全要素增长率年均增长5.1%;技术效率年均增长4.6%;技术进步水平年均增长0.5%;即我国环境服务企业全要素生产率属于技术效率改善主导型[16]。相比于调整前,调整后环境服务企业的全要素生产率呈现上升趋势,其主要原因是剔除环境因素和随机因素后,技术进步水平变动由调整前的-3.2%上升至0.5%;技术效率水平由调整前的2.4%上升至4.6%。从细分领域看,所有细分领域企业的全要素生产率均有不同程度的提升;其中,环境监测企业效率增长幅度最大,年均增长达到12.32%;其他领域企业增幅最小,年均增长为1.23%。基于以上对比分析可知,环境因素和随机因素的影响会显著降低环境服务企业效率指标的测算值,采用三阶段DEA-Malmquist指数模型是十分必要的。

如表4所示,2015～2018年环境服务企业生产效率逐步改善,其中2016～2017年全要素生产率增长幅度达到9.4%,该年增长幅度相对较大的主要原因是技术进步水平较高。另外,2016年是“十三五”规划的开端,各种政策利好(如“十三五”生态环境保护规划》(国发[2016]65号)等)也可能对环境服务企业的生产经营起到正向作用。从分解指标看,技术效率水平正逐步改善,即环境服务企业的管理决策水平有所提高;而技术变动幅度较大,2015～2016年和2017～2018期间存在技术相对倒退现象,因此,专业化的核心技术相对落后是我国环境服务企业发展的短板。

表4 全样本调整后全要素生产率及分解指标动态比较

如表5所示,超过七成的环境服务企业保持了经营效率的增长。对于全要素生产率指标,25.4%的企业其整体经营效率有所下降;其中,其他细分领域的龙源技术(300105)的全要素生产率年均值为0.867,为全样本最低值。超过一半的企业全要素生产率年均值处在1～1.1范围内,即大多数环境服务企业的经营效率有一定程度的提升。23.81%的企业生产率年均值超过1.1;其中,水污染治理企业清水源(300437)的全要素生产率年均值为1.386,为全样本最高值。技术效率变化指标方面,超过七成企业的管理决策效率有所增长,这与全要素生产率的占比分布相似,一定程度上可以进一步验证环境服务企业的管理决策水平对全要素生产率的拉动处于主导地位。技术进步指标方面,超过九成的环境服务企业技术进步水平有所提升,但提升幅度不大,企业仍需重视核心技术的研发和创新。

表5 全样本调整后全要素生产率均值及其分解指数占比分布

以2015～2018年投入调整后的技术效率变化均值(1.046)和技术进步均值(1.005)为临界点,将环境服务细分领域划分为四种类型。第一种类型为技术效率和技术进步水平改善明显的细分领域,仅包括水污染治理业。这类环境服务企业的管理决策水平和技术进步均有明显的提升,其企业的经营生产过程也相对有效,其原因可能是水污染治理的公共事业刚需较强,该行业业绩和现金流较为稳定,为企业的发展提供良好的基础。第二种类型为技术效率改善明显,但技术进步速率低的细分领域,主要包括环境监测业。该类企业的管理水平提升显著但技术进步不明显,如何提高企业技术创新能力是该类企业面临的突破重点。第三种类型为技术进步较快但技术效率改善较慢的细分领域,包括固废处理业、大气污染治理业以及其他类型的环境服务领域。这种类型企业的技术进步速率较快,但需要重视提高核心管理人员的决策能力。第四种类型为技术效率和技术水平改善均不明显的细分领域,主要包括土壤修复业。自《土壤污染防治行动计划》(简称“土十条”)制定实施后,土壤修复领域的预期市场潜力巨大,但由于土壤污染滞后性强、地域差别大、治理困难、周期较长等特点,给该领域的企业带来资金、技术、商业模式等多重壁垒,土壤修复企业的发展受到限制。因此,如何加强技术研发效率,明确商业化策略,逐步形成差异化优势是该类企业亟需解决的问题。

4 结论

本文采用63家中国环境服务上市企业2015～2018年的面板数据,通过构建考虑环境因素和随机因素的三阶段DEA-Malmquist指数模型,更加精准地揭示了我国上市环境服务企业生产经营质量的现状,并试图探索如何提高企业的生产效率,进而提出相应的管理策略和政策建议。本文主要研究结论如下:(1)选择适当的方法对环境服务企业全要素生产率评估影响较大。研究结果证实了考虑环境因素的必要性,未考虑环境因素和随机因素的影响,将显著低估环境服务企业的生产效率。具体而言,不同的外部环境因素对生产率的影响程度和方向不一。劳动者素质越高会造成企业员工和资产投入的冗余,从而降低生产率;科技水平越高可以进一步促进企业的生产效率;经济发展水平会提升企业“用人效率”,但会降低企业“用资效率”。(2)实证结果揭示了我国上市环境服务企业的生产效率现状:2015～2018年环境服务业的整体生产率、管理决策能力和技术进步水平均有所改善,其中环境监测企业生产效率增长幅度最大,而其他领域企业改善不明显;我国环境服务企业全要素生产率属于技术效率改善主导型,即相对于技术创新,环境服务企业更关注管理层的决策能力;以投入调整后的技术效率变化均值和技术进步均值为临界点,将环境服务细分领域划分为四种类型,对于不同类型的企业应采取差异化的管理策略。

综合上述结论,对不同类型的环境服务企业提出如下管理策略:第一种类型的环境境服务企业经营策略不需要大幅度调整,只需维持当前的状态,并及时实施动态监测管理,针对实际问题进行合理调整;第二种类型的企业主要问题是技术进步较慢,导致该问题的原因可能是研发资金投入不足,技术人员素质有待提升,研发团队结构不合理等。因此,可以适当加大科研资金投入,加强环境技术人才建设,制定技术创新激励制度,逐步提高企业的技术水平和创新成果质量;第三种类型的企业亟需提升企业的技术效率水平,其经营策略应着重加强核心管理人才的培训和教育,维持管理团队的专业多样性,提高管理者的决策能力水平;第四种类型的企业可能处于企业发展的瓶颈期或细分行业的混沌期,加强企业内部资源的整合,着力发展优势或潜力业务,加速企业的数字化转型,将新一代信息技术融入环境服务中,逐步形成技术优势和服务差异化优势,可帮助企业走出发展瓶颈期。