高新技术企业经营绩效评价研究——以中国创业板上市公司为例

杨松令，常晓红，刘亭立

(北京工业大学经济与管理学院，北京 100124)

1 文献回顾

近几年来，关于公司经营绩效应该如何评价引起越来越多国内外学者的关注，他们从多个层次、多个角度进行了广泛的理论和实证研究。Wang和Chin运用双边界DEA方法来测度高级生产技术，并比较了双边界DEA与传统DEA方法［1］。李洪等从对传统绩效指标进行主成分处理出发，探讨了EVA特别是EPA和EPE指标衡量公司绩效的科学有效性［2］。傅毓维等提出基于BP神经网络模型来评价企业的绩效水平［3］。陶萍和陈涛运用二次相对效益评价方法对上市公司的绩效进行评价，从管理有效性的角度分析了上市公司绩效评价机制［4］。张继英和蒋慧侠在科学设计创业板上市公司绩效评价的指标体系的基础上，建立了模糊综合评价的数学模型，实现了对创业板上市公司绩效的综合评价［5］。彭源波采用主成分分析法，构建了一个新的经营绩效考核的财务评价体系，用来对上市公司的经营绩效进行分析［6］。以上研究运用不同方法对上市公司绩效进行了有效评价，为公司绩效分析的后续研究奠定了较好的基础。

DEA方法是在“相对效率评价”概念基础上发展起来的一种系统分析方法，用于测评一组具有多重投入和多种产出的决策单元的绩效和相对效率。由于DEA这种非参数估计方法可以规避参数方法的多种限制，因此被广泛应用于效率的测评，在评价高新技术企业的经营绩效方面十分适合。鉴于此，本文基于CCR-DEA模型和超效率模型，对我国首批在创业板上市的28家高新技术企业绩效进行测度比较，进而对企业绩效的评价结果进行分析，指出改进的具体方向和目标值。

2 研究方法及数据说明

2.1 DEA模型

(1)企业投入产出绩效评价——CCR-DEA模型［7］。数据包络分析 (DEA)是著名的运筹学家Charnes和Cooper等提出的一种效率评价模型，主要是通过数学规划计算，对被考察单元进行相对的效率评价［8］。

(2)企业投入产出有效公司间的比较——DEA的超效率模型。CCR-DEA模型可以同时评价产出指标的技术有效性和规模有效性，但CCR模型往往会得出数个“有效”效率值为1的决策单元，从而无法直接比较有效决策单元之间效率的高低。为弥补这一缺陷，Andersen和Petersen提出DEA的“超效率”模型，使有效决策单元之间也能比较效率的高低［9］。

2.2 变量选择和数据来源

(1)投入与产出变量的选择。DEA系统的评价指标体系不同，将会产生不同的评价效果。DEA模型对投入产出具有高度敏感性，因此评价指标体系的选取是DEA方法有效运用的关键。高新技术企业是一个多投入多产出的复杂动态系统，其投入包括人、财、物等可定量计算的有形因素，也包括国家政策支持等无形因素;在产出方面，包括对社会的贡献也包括对经济发展的贡献。考虑到上市高新技术企业的年报数据特点和数据的可获得性和有效性，选择 X1:总资产 (万元)、X2:主营业务成本 (万元)、X3:固定资产 (万元)、X4:流动资产 (万元)、X5:员工总数(人)5个投入指标和Y1:主营业务收入 (万元)、Y2:利润总额 (万元)、Y3:净利润 (万元)、Y4:每股收益 (元)、Y5:净资产收益率 (%)5个产出指标用以反映高新技术企业经营绩效。此外，应用DEA进行效率分析时应该保证决策单元的数量是投入产出指标的至少2倍以上，本文决策单元为28个，而投入产出指标为10个，因此适合应用DEA方法。

(2)数据来源。本文数据来源于深圳证券交易所和上市公司年报所统计的数据，为保证数据的时效性选择2011年作为研究时间点，研究对象为我国创业板市场首批上市的28家高新技术企业。由于各指标的数据口径统一，且具有可比性，因此对统计结果并无太大影响。

3 实证结果及分析

3.1 原始投入产出数据下高新技术企业绩效分析

本文应用DEAP2.1软件对2011年28家首批创业板上市的高新技术企业的投入产出进行分析，CCR模型求解结果 (见表1)显示，综合技术有效的有神州泰岳、乐普医疗、探路者、汉威电子、上海佳豪、安科生物等，共19家公司，占首批创业板上市公司数量的67.86%。这些上市公司的经营绩效既是技术有效的又是规模有效的，其余各高新技术企业的技术效率和规模效率均存在一定的改进空间。

在非DEA有效的9家高新技术企业中，新宁物流公司的纯技术效率 (纯技术效率值等于1)是有效的，但规模效率 (规模效率值小于1)是无效的，特锐德公司的规模效率是有效的，但纯技术效率是无效的，其他7家公司属于纯技术效率和规模效率都是无效的。另外，结合规模报酬来看，非DEA有效的企业中，特锐德1家公司表现为规模收益不变外，机器人1家公司表现为规模收益递减，其余7家公司均表现为规模收益递增。

28家高新技术企业的排名及非DEA有效决策单元投影分析结果显示，从投入的角度来看，非DEA有效的这些上市公司大部分都出现总资产、主营业务成本、固定资产、流动资产和员工总数投入冗余。可见，这些公司在其他要素投入不变的情况下，过度增加总资产、主营业务成本、固定资产、流动资产和员工总数的投入就会导致生产的非效率。因此，从高新技术上市公司绩效的角度分析，高新技术产业的发展应该在增加资源投入的同时优化资源配置，以期达到投入产出的最优状态。从产出角度来看，大部分地区都出现了十分明显的利润总额、净利润和净资产收益率不足，亟需改善。

3.2 超效率DEA模型分析

以上研究利用CCR-DEA模型对28家高新技术企业的投入产出效果进行分析时，同时评价得出产出指标的技术有效性和规模有效性，但综合技术效率得分为1的上市公司有19家，为了进一步比较这些同属前沿的上市公司进行有效区分，继续采用超效率DEA分析方法。运用DEA-Solver-LV软件中CCR超效率模型来评价有效高新技术上市公司之间的效率高低，运算后得到的具体结果详见表1和表2。

表1 CCR模型及Super-CCR模型求解结果

续表

表1的综合效率值将28家高新技术企业进行排序。超效率 (Super-CCR)模型主要是可以区分有效决策单元效率的高低，其中，吉峰农机的综合效率值为3.952、排名第一，乐普医疗的综合效率值为3.098、排名第二，神州泰岳的综合效率值为1.078、排名第十九。其他的9家无效公司的综合效率值与表1中CCR模型求解的结果是一样的。

从表1的超效率 (Super-CCR)模型中还可以发现，28家高新技术企业中综合效率值排列在前五位的公司均分布在北京、杭州、成都。这些地方因其独特的文化和经济优势技术水平均较强，且聚集了一大批高科技企业和科研院所，通过人、才、物的积极投入及资源优化配置，更容易达到投入产出的最优状态。

表2 19家上市公司投入产出有效决策单元超效率相关数据

续表

续表

从表2中可以发现，28家高新技术企业中的19家DEA有效上市公司经营绩效虽处于相对较佳状态，但仍有较大提升空间。其中，吉峰农机公司投入产出绩效综合效率得分第一，但并不意味着其达到了完全最佳状态，在投入产出方面仍有需要改进的地方。首先，从投入角度来看，吉峰农机的总资产、主营业务成本、固定资产、流动资产、员工总数的改进率分别为109.43%、－29.14%、295.18%、76.35%、218.73%。其次，从产出角度来看，吉峰农机的主营业务收入、利润总额、净利润、每股收益、净资产收益率的改进率分别为 0%、330.47%、437.78%、999.90%、972.69%。从改进率的大小来看，吉峰农机应从每股收益、净资产收益率、净利润、利润总额、固定资产、员工总数等方面来考虑以达到该公司完全最优状态。

通过从投入产出角度的分析可知，虽然综合效率得分最高的高新技术企业处于相对最佳状态，但是在投入和产出方面仍有很多需要改进的地方。

4 结论及建议

本文运用CCR-DEA模型和超效率模型，将主营业务收入、利润总额、净利润、每股收益和净资产收益率视为产出要素，对创业板首批上市的28家高新技术企业经营绩效进行了综合的评价和分析。在DEA分析结果的基础上，比较了2011年28家高新技术企业的综合效率，并分析了DEA有效的19家公司投入产出要素的超效率相关数据。主要结论有:

第一，投入产出无效的9家高新技术企业整体处于规模收益递增状态。根据规模收益分析结果，除了1家公司规模收益不变，1家公司规模收益递减外，其余7家公司规模收益均处于规模收益递增的阶段，说明高新技术企业有着巨大的发展空间。

第二，我国部分高新技术企业的经营绩效有待改进，提高企业的技术效率成为关键。通过表1的实证结果可以看出，我国28家样本公司中有近1/3公司未能达到理想状态，其纯技术效率和规模效率均有待提高。而综合经营效率不高主要是因纯技术效率表现不佳所导致的，因此提高企业的技术效率成为提升综合经营效率的关键因素。

第三，投入产出有效的19家高新技术企业也存在较大差别。通过表1的DEA超效率模型分析可以看出，综合效率前五家的公司中，有三家公司分布在北京，还有成都、杭州各一家。北京和成都、杭州作为我国经济较为发达的地区，发展高新技术有充足的资金支持，且高新技术发展起步较早，现已进入成熟发展时期，科技园区和高新技术产业开发区建设取得了辉煌成就，同时这些地区聚集了多家高校和科研单位，整体软硬件环境建设和发展研发产业、促进高新技术及其产业化的能力明显较高。这些公司依托所在城市较强的文化和经济技术水平，通过资源优化配置，更容易达到投入产出的最优状态。

第四，综合效率得分最高的企业同样尚未达到完全最佳状态，仍存在较大的提升空间。通过表2可以看出，吉峰农机的综合效率得分位于样本公司第一，不仅在总资产、主营业务成本、固定资产、流动资产投入方面有需要改进的地方，在利润总额、净利润、每股收益、净资产收益率产出方面也存在较大提升空间。

基于以上研究发现，我国高新技术企业投入产出效率整体状况有待进一步改进，且存在一定的区域差异。在提高各企业投入产出效率的过程中，进一步改善公司的技术效率是高新技术企业发展的关键，企业要依托本地独特的经济文化优势，加大科技创新力度，优化资源配置;同时政府应加强对新兴产业和高科技企业的支持力度;此外，还要适当扩大公司的规模，提高目前处于较低水平的规模效率。总之，我国高新技术企业应在保持稳定发展的前提下，重点改进各投入产出要素，以达到最佳状态。

［1］Wang Ying-Ming，Chin Kwai-Sang．A new approach for the selection of advanced manufacturing technologies:DEA with double frontiers［J］．International Journal of Production Research，2009，47(23):6663 －6679．

［2］李洪，张德明，曹秀英，张学岷．EVA绩效评价指标有效性的实证研究［J］．中国软科学，2006，(10):150－157．

［3］傅毓维，尹航，杨贵彬．BP神经网络在企业经营绩效评价中的应用［J］．运筹与管理，2006，(4):137－140．

［4］陶萍，陈涛．基于管理有效性的上市公司绩效评价研究［J］．中国软科学，2009，(S2):253－256．

［5］张继英，蒋慧侠．基于模糊方法的创业板上市公司绩效评价［J］．开发研究，2012，(1):143－147．

［6］彭源波．基于因子分析法的我国农业上市公司经营绩效评价［J］．生产力研究，2012，(1):82－84．

［7］张仁寿，黄小军，王鹏．基于DEA的文化产业绩效评价实证研究——以广东等13个省市2007年投入产出数据为例［J］．中国软科学，2011，(2):183 －192．

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

［9］Andersen P，Petersen N C．A procedure for ranking efficient unit in data envelopment analysis［J］．Management Science，1993，(10):1261－1264．