我国林业产业上市公司投资效率测算

范亚东 刘芮 宫婷婷

【摘 要】 林业产业是我国规模较大的绿色经济体之一，对推进生态文明建设具有不可替代的作用。林業产业上市公司作为林业产业经济发展的重要模块，对林业上市公司投资效率的测算有助于管理者选择最优投资决策和发展战略，促进整个行业的发展。文章以2013—2017年我国38家林业产业深沪上市非ST公司为研究样本，通过随机前沿生产函数模型对38家研究样本的投资效率进行了测算。研究结果表明，我国林业产业上市公司的投资效率主要集中在0.6～0.8之间，可见我国林业产业上市公司的投资效率处于较低水平，虽然呈逐渐提高的趋势，但就现在的情况来看整体不容乐观，上升空间很大。

【关键词】 林业产业上市公司; 投资效率; SFA; 投资效率测算

【中图分类号】 F406.7  【文献标识码】 A  【文章编号】 1004-5937（2019）14-0086-05

一、引言

习近平总书记指出，林业建设是事关经济社会可持续发展的根本性问题，党的十九大报告也将生态文明建设放在重要的战略位置。随着一系列促进林业发展的国家政策出台，大力发展林业产业是把生态文明建设融入经济建设的有效举措，我国林业产业正处在新的战略机遇期和黄金发展期，林业产业发展呈现出新特点，面临新局面。林业产业上市公司作为林业产业经济发展的重要模块，代表着整个行业的发展，各界对其发展变化的关注度都比较高。众所周知，投资活动是企业一项重要的财务活动，科学准确地开展投资是企业快速发展的重要举措，同时投资效率的高低也将直接影响该产业的后续发展情况。通过对以往学者的研究成果以及相关的公开数据进行梳理和研究发现，我国上市公司投资效率普遍不高，林业产业上市公司更是如此。基于此，测算我国林业产业上市公司投资效率并对其投资效率的发展变化趋势进行更深层次的探索就十分必要，有助于为林业产业上市公司如何合理调配公司资源、提高公司整体投资效率、科学合理的制定投资决策和发展战略、促进公司发展等方面给予一些理论支持和实践指导，同时对推动我国林业产业发展，加快生态文明建设具有重要的意义。

本文选取具有代表性的38家林业产业深沪上市非ST公司作为研究对象，范围涵盖家具制造业、造纸及纸质品业、木材加工、竹制品制造业和林木育苗等林业产业分支行业，选取2013—2017年间的面板数据，采用基于超越对数生产函数时变形式标示的随机前沿模型对我国林业产业上市公司的投资效率进行深入研究。

二、相关研究评述

投资效率的测量判定核心是基于宏观经济的剖析论述，因而对微观领域的企业来说，投资效率的定义是相对较为模糊的。国内学者对企业投资效率的剖析，大多把目光焦点放在投资规模的大小上，但是对其定量角度的测量相对不够重视。探索的策略上大量采纳Richardson阐明的残差度量模型，用该模型来衡量企业在相应领域的非效率投资水平，倘若回归的残差数值超过了0，那么就是企业出现了超额度的投资，倘若数值不足0，那么就是企业的投资不够[ 1 ];还有一些学者立足于投资与现金流敏感性的范畴展开剖析，发现如果现金流敏感数值额度越高，非效率投资出现的弊端就越严重。

林业投资对产业经济增长具有较大的约束力，产业经济增长较大程度依赖于林业投资，两者之间具有长期稳定的关系[ 2 ]，同时林业投资对林业产值具有明显的滞后效应影响[ 3 ]。林业投资是否有效制约经济快速发展，有学者发现，林业上市公司的综合效率得分越低，投资风险就越大[ 4 ]，经过实证研究发现林业上市公司投资效率普遍偏低，更多的表现为投资不足[ 5 ]。齐林、周小林[ 6 ]立足于我国整体林业投资，对林业投资综合效率进行分析，通过投资值发现，林业投资产出不足率较高，投资存在较严重的浪费现象，规模效率得分很低，是导致我国林业投资综合效率低下的主要原因。总体来看，种种研究策略仅仅是从侧面表明企业的非效率投资基准，不足以明朗地衡量出各个公司的详细投资效率。如何对微观领域下企业的投资效率展开详尽完备的衡量，可以采用边界效率的策略来展开剖析。采纳边界效率的内涵来衡量投资效率的方式有数据包络分析（DEA）以及随机前沿模型（SFA）两个维度。实施DEA策略计算出的纯技术效率值和规模效率值在很多样本企业中呈现的最终结果都是1，使得综合技术效率值也为1[ 7 ]，进而区分是否有效是不够明朗的，而SFA的策略方式计算出的最终结果往往是相反的，其更加具体完备，还能够展开显著具体特质的检验[ 8 ]。DEA测算在随机误差项以及技术无效率项这两个维度上是不能够各自为位的，但是采纳SFA就能够将这两个维度轻易地区分出来[ 9 ]。基于面板数据来剖析，动态随机前沿模型的实证分析可以很明显地反映出数据之间的差异，同时还能够分析不同因素对效率的影响[ 10 ]，故而本文采纳了面板数据随机前沿模型（SFA）来处理上市公司的投资效率。

三、研究模型及样本、数据说明

（一）研究模型

随机前沿方法（Stochastic Fron-tier Approach，简称SFA）是依托技术效率为原则的参数方法。其生产的函数在原本理念上的超越对数模型公式如下：

其中：Y的定义为产出;Xi定义为林业产业上市公司在生产环节下所产生的人力、物质、营运资本投入等众多生产要素;？茁i为该模型中一个估计预测的参数;Vi表示为误差和随机的干扰项，倘若服从正态分布，而且独立于Ui，即Vi～N（0，σ2V）;Ui的定义是非负生产效率中的无效率区域，服从截尾正态分布的规律，即Ui～N（mi，σ2u）。

依托Battese和Coeli阐明的最大自然估计法（MLE），用σ2和λ两个因素参数，σ2=σ2V+σ2u与λ=代替测量误差的方差σ2V和技术无效率的方差σ2u，则λ∈（0，1）。通过对λ的显著性检验来分析技术无效率这个现象是否发生：倘若数值趋近于0，那么就代表了现实中产出和最大产出之间所产生的差距大小不是依据Vi来衡量的，就能够抛弃SFA模型，采纳OLS方法就能够处理参数估计的问题;倘若数值约等于1，那么就说明误差主要来源于Ui，应采用SFA模型;若此数值等于1，则说明不存在Vi。

（二）变量选取

本文采用超越对数模型对林业产业上市公司的投资效率进行测算，选取的主要自变量指标包括产出、投入、生产中随机干扰项、生产技术无效率部分以及模型中的待估计参数。其中投入指标主要包括人力资本投入、物质资本投入、营运资本投入。各项指标的具体含义如表1所示。

对于各项投入产出的具体表示以财务报表中项目为基础。人力资本投入指标通过应付职工薪酬和支付给职工以及为职工支付的现金来表示;物质资本投入指标分为固定资本和无形资本两项，其中固定资本通过固定资产、在建工程、长期待摊费用以及投资性房地产来表示，无形资本通过无形资产和研发支出来表示;营运资本投入通过流动资产减流动负债来表示;产出指标通过利润总额和利息费用来表示。各项指标包含项目的具体情况和提取方式如表2所示。

通过整理和分析林业产业上市公司的相关财务数据，可以选取表2中的几种投入量作为本文研究的变量指标。选取指标主要是基于财务报表中包含许多投资类科目，如用在流动资产上的投资类科目有存货、交易性金融资产、货币资金以及应收账款等，用在非流动资产的投资类科目有固定资产、长期股权投资、投资性房地产、无形资产以及生物资产等。通过分析发现，每一家林业产业上市公司所包含的投资类科目不尽相同，例如交易性金融资产、持有至到期投资及可供出售金融资产等，此类項目在许多上市公司的报表项目中是不存在的，即使生物性资产是林业产业上市公司特有的一种投资项目，但通过资料数据的整理，不难发现只有少部分公司会涉及此类投资，因此本文从所有投资类科目中选取了较为重要和普及度较高的投资项目来展开投入和产出的定量解剖。同时进行了相对缜密的分析核算，分别是人力资本范畴的投入，物质资本领域的投入，再加上营运资本的一定量投入。

（三）样本选择

本文样本数据为2013—2017年Wind数据库中林业产业上市公司的相关数据，由于和邦盛世、松博宇、绿洲源、优优木业等近三年新上市的公司普遍缺失2013—2015年分析所需的必要数据，故经过筛选后，选取林业、家具制造业、造纸及纸质品业、木材加工与竹制品制造业、林木育苗共五大类林业产业38家上市公司及其相关数据。在研究分析过程中，对研究数据中极个别数据缺失的情况，采用将相邻两年数据的数值进行简单算术平均的方法进行填补。表3即为研究数据所涉及的38家林业产业上市公司按照公司类别进行的分类整理。

四、实证结果及分析

（一）实证结果

根据上述研究方法，整理计算出面板数据，并运用DEAP2.1和Frontier4.1软件，依据一步法的原则展开我国2013—2017年间林业产业上市公司的投资效率测算等。结果表明：LR检验值为8.5369，通过了5%的显著性检验;生产中随机干扰项的估计值为0.819，且在1%的基准值上是比较明显的，说明林业产业上市公司的投入与产出两个维度上随机干扰项81.9%的数值变化源于生产技术无效率的上下波动，而剩下的18.1%则是其在生产经营领域不能操控的一个变量值。

考虑样本中存在部分缺失数值，现将投入变量中缺失数值进行剔除，得到新的投入变量数据，以此作为新的基础重复以上SFA的测算步骤，结果表明：生产中随机干扰项的估计值为0.856，在1%的基础上比较显著，LR检验值为8.145，通过了5%的显著性检验，得到的结果与之前基本保持一致。可见重新更换数据进行重复操作后结果仍然显著，通过了稳健性检验，可以认为本文的实证结果相对稳健。

（二）结果分析

表4的参数数据能够看出，人力资本的相关投入以及物质资本和营运资本的一定量投入等数据参数报告和猜想的结果是相吻合的。人力资本的一定量投入和物质资本的一定量投入在5%的基准上是较为鲜明可见的，这说明林业产业中涉及的人力资本投资和物质资本投资在产出领域上的影响是不容低估的;营运资本的投入在1%的基准上较为鲜明可见，这能够清晰地表现出营运资本一定量的投入对输出领域范围的价值是尤为重要的。

通过对表5中的数据进行整理分析得出，林业产业上市公司中有关林业产品的投资效率平均值为0.703，家具制造业的投资效率平均值为0.734，造纸及纸质品业的投资效率平均值为0.805，木材加工、竹制品制造业的投资效率平均值为0.691，林木育苗业的投资效率平均值为0.685，如表6所示。

可见，林业产业上市公司不同领域中，造纸及纸制品业的投资效率相对其他分支领域来说比较高，其次是家具制造业。以上两者均高于林业产业上市公司的一般水平。林木育苗业和木材加工、竹制品制造业的投资效率相对较低，尤其是林木育苗业，仅为0.685，应该引起重视。

五、结论及建议

本文采用基于超越对数生产函数时变形式标示的随机前沿模型，利用38家林业产业深沪上市非ST公司2013—2017年间的数据，对林业产业上市公司投资效率展开定量测度，得到林业产业上市公司在投资效率这个范畴上相较于别的行业高投资效率上市公司的水平要低，其效率主要集中在0.60～0.80之间，低20%～30%，即使林业产业上市公司的投资效率随着时间的推移在逐年提升，但就现在的情况来看，整个行业的投资效率依旧相对萎靡。

在国家大力倡导生态文明建设的背景下，林业产业政策与环境都向升级做强林业产业的方向发展，因此综合本文对我国林业产业上市公司投资效率的测算结果，并结合我国林业产业的宏观数据，提出以下政策建议：一是林业产业上市公司要正视投资效率低下的事实。虽然本文将投入—产出的绝对值进行比较和分析，可能无法对一个或一类企业的投资效率作出全面评价，但是可以确定的是林业产业上市公司投资效率低下是不争的事实，企业的管理者需要充分重视，并适当调整相关投资决策和发展战略。二是林业产业上市公司要合理把控投资节奏。近年来林业产业发展迅猛，资金不足不再成为林业产业投资效率低下的主因，因此林业产业上市公司更多的应着眼在把控好投资节奏，确保投入资本能够得到合理利用和有效利用。三是林业产业上市公司要注重林业产业升级和林业社会功能的有机统一。林业产业上市公司在提高林业产业投资效率的同时应注重林业产业的社会功能，要提高社会产值，引导就业，更要注重林业产业与生态互动协调发展，构建生态、经济、社会效益的循环发展模式，一定要把绿色环保理念贯彻到底，构建绿色、协调、可持续发展企业，努力做到林业产业升级和林业社会功能的有机统一。

【参考文献】

[1] BOITANI A，NICOLINI M，SCARPA C. Do competition and ownership matter？Evidence  from  local public  transport  in  Europe[J].Applied Economics，2013，45（11）：1419-1434.

[2] 于江龙，刘俊昌，陈文汇.我国林业投资与产业经济增长关系研究[J].价格理论与实践，2011（9）：85-86.

[3] 杨振，刘会敏，杨芳.林业固定资产投资的滞后经济效应分析[J].中国林业经济，2012（1）：38-40.

[4] 何玥，田治威.林业上市企业评价指标体系的实证研究[J].林业经济，2015，37（10）：80-83.

[5] 白钰，唐洋，张晓龙.股权再融资、信贷融资与投资效率：基于林业上市公司的研究[J].林业经济，2016（12）：102-112.

[6] 齐林，周小林.气候变化视角下我国林业投资效率研究[J].中国软科学，2018（6）：35-46.

[7] 彭佑元，陶凯莉，张克勇.林业上市公司绩效评价研究：基于DEA模型和Malmquist指数[J].林业经济，2017， 39（4）：93-97.

[8] 季凱文，周吉.“一带一路”建设下我国对外直接投资效率及其影响因素：基于随机前沿引力模型[J].经济与管理评论，2018，34（4）：138-148.

[9] OTTOZ E， FORNENGO G， GIACOMO M D. The impact of ownership on the cost of bus service provision：an example from Italy[J].Applied Economics，2009，41（3）：337-349.

[10] ZHANG Q， XU Z， FENG T，et al. A dynamic stochastic frontier model to evaluate regional financial efficiency：evidence from Chinese county-level panel data[J].European Journal of Operational Research，2015，241（3）：907-916.