基于三阶段DEA的石油化工行业效率评价

任阳军

基于三阶段DEA的石油化工行业效率评价

任阳军

运用三阶段DEA模型对我国20个上市石化企业2013年的生产效率进行分析。结果表明，规模效率低是造成我国石化行业技术效率不高的主要原因；科技投入比重和职工培训费用对我国石化行业效率的提升有显著促进作用，而资产负债率对石油化工行业效率有负面影响。合理调整产业规模、积极推进技术进步、注重人才培养工作有助于提高石化行业效率。

石油化工行业；三阶段DEA；效率分析

石油化工行业是我国国民经济的重要支柱产业，其产品在国民经济产业链中占有举足轻重的地位。然而，在经济全球化背景下，我国石油化工行业（以下简称“石化行业”）也面临严峻挑战。行政干预的存在，石油价格并未真正开放，致使我国石化行业的国际竞争力有限，在一定程度上制约着我国石化行业效率的提升。因此，有必要对我国石化行业效率进行准确测算，找出阻碍石化行业效率提高的主要因素，为政府和企业决策提供理论依据，从而促进我国石化行业平稳健康发展。

目前对于投入产出效率的研究，传统上以非参数化的数据包络分析（DEA）和参数化的随机前沿分析（SFA）方法为代表，但两种方法在实际运用中虽然各有优势，却都存在不足之处。现代综合评价方法则是将两种方法进行综合［1］。三阶段DEA方法，能够很好地利用两种方法的优点又同时避免两者的缺陷，比单独运用DEA或SFA方法更能准确测度决策单元的效率水平。

三阶段DEA方法已在工业、农业、房地产等诸多行业领域中得到广泛运用。郭亚军采用三阶段DEA模型对我国2009年工业生产效率进行实证研究，发现三阶段DEA模型对工业生产效率的测度比传统DEA更为合理，人均居民消费、资源利用水平等环境变量对工业生产效率有显著影响［2］。郭军华等运用三阶段DEA方法对2008年我国农业生产效率进行实证研究，结果表明，城市化水平和居民平均受教育年限的增加对农业生产效率的改善有利；农村居民家庭人均纯收入、财政支农、自然灾害是农业生产效率的不利因素；各省市应提高管理水平或扩大农业生产规模［3］。任晓燕采用三阶段DEA方法对我国2008年各省市房地产业效率进行分析，研究发现，多个省份房地产业效率受政府支持力度和经济发展水平等环境变量和运气好坏的影响，并提出提高我国房地产业效率的相应策略［4］。我们将运用三阶段DEA模型对我国石化行业效率进行研究。

二、样本公司及指标的选取

（一）样本公司的选择

考虑到数据的可得性和完整性，以及上市公司的行业限制，我们选取具有较强行业代表性的20家上市石化企业作为样本公司，其简称分别为：ST石化A、石油大明、中国凤凰、泰山石油、燕化高新、ST吉化、茂化石化、武汉石油、ST天发、锦州石化、辽河油田、岳阳兴长、扬子石化、中原油气、齐鲁石化、中国石化、大庆联谊、上海石化、三星石化、石油龙昌。

（二）投入产出变量的选取

根据我国石化行业的特点，以及三阶段DEA模型的要求，我们选取企业职工人数、企业固定资产和机械设备年末总功率作为投入变量，选取利润总额为产出变量。

第一，企业职工人数反映了石化行业劳动力数量的投入。石化企业在产品开发、技术创新、工艺设计等方面都需要大量从业人员，因而人力资本的投入尤其重要。

第二，企业固定资产能够反映石油化工行业资本数量的投入，资本包括厂房、设备等用于生产办公的设施。

第三，机械设备年末总功率是指企业生产设备、施工机械、运输设备等生产性机械设备年末总功率，包括机械本身的动力和为该机械服务的单独动力设备，能够反映石化行业的技术进步情况［5］。

第四，利润总额是石油化工行业可持续发展的基石，也是反映企业经营绩效的核心指标。

（三）外部环境变量的选取

综合有关石化行业效率的相关文献，并考虑我国石化行业自身发展的特点，我们将选取科技投入所占财政支出比重、职工人均年收入、企业年均资产负债率、职工年均培训费用来作为环境变量。

（四）数据来源

文章数据均来自各上市公司发布的企业年度报告，对于在上海证券交易所和深圳证券交易所或其他交易所同时上市的公司，其均采用企业年度报告中按中国企业会计准则编制的数据。

三、三阶段DEA方法的效率评价模型

（一）第1阶段：传统的DEA模型

最早的DEA-CCR模型［6］适用于测算“生产单元规模报酬不变”时的效率值，DEA-BBC模型将CCR模型中的技术效率（TE）分解成纯技术效率（PTE）和规模效率（SE）［7］。BBC模型有投入导向型和产出导向型两种形式。对石化行业的效率评价来说，其投入量的控制要比产出量的控制容易，因而我们选择投入导向型的BBC模型。假设有n个决策单元DMUk（k= 1，2，…，n），每个决策单元都有m种输入变量Xk=（X1k，X2k，…，Xmk）和s种输出变量Yk=（y1k，y2k，…，ysk），对第t个决策单元进行效率评价，则投入导向型的BBC模型的对偶规划模型表示为：

式中，θ（0≤θ≤1）代表第t个决策单元的技术效率值，当θ=0，且s-=s+=0时，DEA有效，该决策单元处在生产前沿面上；当θ=1，且s-≠0或s+=0时，DEA弱有效，其经济活动不是同时为技术效率和规模最佳状态；当θ＜1时，则该决策单元非DEA有效，其经济活动的技术效率和规模都不处于最佳状态。

（二）第2阶段：构建相似SFA模型

外部环境因素、随机误差和管理效率三个因素可导致DEA模型测算出的决策单元具有投入/产出松弛变量，而通过C.P.Timmer提出的SFA模型可以从中剔除外部环境因素和随机误差对决策单元效率测算的影响，从而得到只由管理效率造成的决策单元的投入冗余［8］。假设有n个决策单元，每个决策单元有m种投入要素和p个外部环境变量，对每个决策单元的投入松弛变量都做SFA分析，从而构建SFA回归方程：

式中，i=1，2，…，m；k=1，2，…，n；Sik表示第k个决策单元的第i个投入要素的松弛变量；βi代表外部环境变量的待估参数；f（Zk，βi）代表外部环境变量对投入要素松弛变量Sik的影响，取f（Zk，βi）=Zkβi，vik+μik为随机误差项，且vik和μik独立且不相关。

利用SFA模型的回归结果进一步对n个决策单元的投入项进行调整。调整的公式为：

（三）第3阶段：调整后的DEA模型

将第2阶段得到的调整后的投入数据与原始产出数据再次带入DEA-BBC模型中进行效率测算，由此得到剔除环境因素和随机误差的效率值，即反映管理水平的效率值。

四、实证分析

（一）第1阶段DEA实证结果

基于DEA-BBC模型，利用DEAP2.1软件对2013年我国20个上市石化企业的效率进行测算，结果如表1（第1阶段）所示。

由表1可知，2013年我国20个上市石化企业技术效率均值为0.562 5，并且各石化企业技术效率均未达到1，即未处在生产前沿面上，表明在纯技术效率或规模效率上还存在一定改进空间，而纯技术效率均值为0.699 8，规模效率均值为0.861 8。此外，绝大多数石化企业的规模效率都大于其纯技术效率，意味着多数石化企业的技术无效率是来源于纯技术无效率，规模无效不明显。综上所述，纯技术效率低是造成我国石化行业效率不高的主要原因，然而在没有考虑外界环境因素和随机误差的影响下，得到的结论很难反映真实情况，因而有必要通过第2阶段SFA模型把外界环境因素和随机误差的影响剔除掉。

（二）第2阶段SFA回归结果

将第1阶段得到的决策单元的投入松弛变量作为被解释变量，将4个环境变量作为解释变量，运用Frontier4.1软件，构建SFA回归模型，得到回归结果由回归结果可知，4个环境变量对三个投入松弛变量的回归系数部分能在1%和5%的显著性水平上通过检验，说明外部环境变量在一定程度上对投入松弛变量产生影响。

表1 2013年我国20个上市石油化工企业效率（第1阶段和第3阶段）

1.科技投入比重。该变量对3个投入松弛变量的影响均为负，且都通过了1%的显著性检验。这表明科技投入的增加有利于投入松弛变量的减少，有利于节约各种资源的投入。一个企业的科技投入越多，表明该企业的经济活动效率也就越高，市场竞争力也越强，从而有利于效率水平的提高。

2.人均年收入。该变量对3个投入松弛变量的影响均不显著，且回归系数都为负。不难理解，企业员工人均年收入的增长会在一定程度上提升工作的积极性，提高工作效率，但是职工收入的增加对提升企业效率水平的贡献较小，因而不能仅仅依靠增加职工收入来提高企业效率。

3.资产负债率。该变量对每个投入松弛变量的影响均为正，表明该变量的增加不利于松弛变量的减少，不利于资源的节约。企业的负债率越高，说明该企业的财务风险也越高，可能带来现金流不足、资金链断裂等问题，在劳动力、资本、机械设备等资源投入方面存在冗余的可能性会增加，从而导致整体资源利用率的下降。

4.培训费用。回归结果显示，职工培训费用对职工人数松弛变量、固定资产松弛变量、机械设备年末总功率松弛变量的影响分别在5%、10%和10%的水平上显著，且影响系数为负，即职工培训费用越高的企业，其职工人数、固定资产和机械设备年末总功率的冗余就越小，生产效率就越高，与理论预期一致。这是可以解释的，员工业务能力越高的企业，竞争性也越强，在激烈的市场竞争中生存其生产效率就不断得到提升。

（三）第3阶段调整后的DEA实证结果

将调整后的投入数据和原始产出数据再次带入到BBC模型中，运用DEAP2.1软件，得到各决策单元的效率值和规模报酬状态，结果如表1第3阶段所示。

从总体来看，在剔除外部环境因素和随机误差的影响后，各上市石化企业的三项效率值均有不同程度变化，石化企业技术效率均值下降了0.076 6，纯技术效率有小幅上升，而规模效率下降幅度较大，且下降幅度大于纯技术效率上升幅度，最终导致技术效率下降，这表明我国石化行业生产效率不高的主要原因并不是经营管理水平低、运营效率不高，而是规模偏小。与从总体上分析相一致，调整后的各石化企业的规模效率下降幅度大于纯技术效率上升幅度，所以才导致第3阶段技术效率出现下降。综上所述，规模无效才是造成石化行业效率低下的主要原因，我国石化行业的实际生产规模与最佳生产规模的距离还比较远，其规模效率还存在很大上升空间。

五、结论及建议

我们首次将三阶段DEA模型应用于我国石化行业效率的研究，该模型能够剥离外部环境因素和随机误差对效率测算的影响，进而更加准确地评价石化行业的效率水平。通过上述实证分析对提升我国石化行业效率也有一定的启发，我们结合我国石化行业现状给出以下建议：

（一）调整产业规模，加快转变石化行业经济发展方式。第三阶段分析结果表明规模效率低是导致技术效率低下的主要原因，因此，各石化企业应适度调整产业规模。但从长远来看，一味增加产业规模并不能真正提高生产效率，为了石化行业的可持续发展，我国应该加快石化行业从劳动密集型向集约型的经济增长方式转变。

（二）不断推进技术进步，提高石化行业的技术水平。根据SFA回归结果显示，科技投入有助于石化行业效率的提升，因此，各石化企业应重视科技投入，积极引进先进技术设备，并学习国外先进技术经验，以提高我国石化行业整体效率。

（三）重视人才培养，做好技能人才培训工作。由SFA回归分析可知，职工培训费用有利于石化行业效率的提高，因而石化行业应加大人才培养力度，建立科学的选才用才机制，把职工培训工作放在更加突出的战略位置，从而进一步提高我国石化行业整体的效率。

[1]Fare R S，Grosskopf C A，Knox L.The Measurement of Efficiency of Production[J].Kluwer-Nijhoff，1985（2）.

[2]郭亚军.基于三阶段DEA模型的工业生产效率研究[J].科研管理，2012（1）.

[3]郭军华，倪明，李邦义.基于三阶段DEA模型的农业生产效率研究[J].数量经济技术经济研究，2010（12）.

[4]任晓燕.基于三阶段DEA的我国各省市房地产业效率研究[J].经济研究导刊，2011（8）.

[5]国家统计局.中国统计年鉴[M].北京：中国统计出版社，2011.

[6]Banker R D，Charnes A，Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984（30）.

[7]Coelli T，Rao P，Battase E.An Introduction to Efficiency and Productivity Analysis[M].Boston：Kluwer Academic Publishers，1998.

[8]Timmer C P.Using a Probabilistic Frontier Production Function to Measure Technical efficiency[J].Journal of Political E-conomy，1971（4）.

（编辑：唐龙）

F426

A

1673-1999（2015）12-0095-03

任阳军（1991-），男，安徽建筑大学（安徽合肥230601）管理学院2014级硕士研究生，主要研究方向为技术经济评价。

2015-09-24