基于BCC-DEA的上市煤炭企业绩效研究

2020-03-23林珮君

商业会计 2020年3期

林珮君

【摘要】在强调环境治理和绿色发展的时代背景下，煤炭企业进行转型升级后的企业绩效表現引起了社会各界的广泛关注。基于此，文章运用因子分析和数据包络分析方法中的BCC-DEA模型，对2018年20家我国A股上市煤炭企业的绩效进行了研究，通过效率值分析比较了样本企业间的绩效，在此基础上，为辨识样本企业绩效未能实现BCC-DEA有效决策单元的不足之处进行了差额变量分析，并据此提出相应的改进建议，以期帮助不同企业的管理者找到进行绩效管理的重心。

【关键词】企业绩效;BCC-DEA;因子分析

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1002-5812（2020）03-0066-06

一、引言

经济社会的科学发展离不开生态文明建设。近年来，在能源建设方面，我国相关政府部门对风能、太阳能、氢能等可再生能源的宏观规划和补贴保障推动了绿色能源的发展，并逐步加大了对清洁能源的投资力度，试图取代煤炭、石油等不可再生和环境不友好型传统能源的核心位置。对于煤炭企业来说，“大量开采、大量消耗、大量废弃”的粗放发展模式已不适用于当今强调转型升级和绿色生产的经济环境。煤炭企业要想生存发展，需以推动供给侧结构性改革为主，进行产业结构优化，依靠科技创新推动转型升级，由传统的生产型向清洁高效低碳集约化的生产服务型转变。虽然煤炭资源的开采利用还存在一定的环境问题，但以煤炭资源为核心的一次能源格局并不会在较短时间内发生变化，煤炭依然发挥着稳定供给、维护能源安全的重要作用。在改革和发展并存的背景下，煤炭企业在进行智能化、信息化、绿色化生产时应考虑转型是否能带来经济效益的提升，从而更加关注能够反映企业价值的企业绩效水平。

绩效评价不仅能够反映企业在某段时间内的营运状况，还可以根据主要评价指标的变动进行相应的风险管理，保障企业的健康发展。企业的整体发展趋势可从不同角度进行评价，开展绩效评价需充分了解和考虑多方面因素的作用，反映被评价对象在一定时间、空间和条件下的具体状态。因此，在开展绩效评价时应依据一定的规则并结合企业自身的特点，选择合适的评价方法，并结合定性和定量分析，运用系统评价模型获得较为全面的评价结果，以满足预期的评价目标。已有的绩效评价方法主要包括关键绩效指标、层次分析、因子分析、多目标决策、模糊评价、平衡计分卡与数据包络分析等。其中，数据包络分析（DEA）方法运用非参数的线性规划，通过确定有效前沿面，分析拥有多投入和多产出的相似决策单元的相对效率。由于DEA方法不需预估参数，把简单的效率概念“输入/输出”推广到多输入多输出的生产有效性分析上，避免了人为确定权重的主观影响，而且能够简化测量过程和减少估计误差。基于这些相对优势，本文采用因子分析和数据包络分析（DEA）方法中的BCC-DEA模型测量企业的经营绩效，以期帮助企业经营者分析在运营过程中取得的成就和存在的问题，为企业的管理决策提供有价值的信息，同时，也有助于政府部门深入了解煤炭行业的经营情况，提供决策有用信息。

二、文献综述

在竞争异常激烈的市场环境下，绩效管理日益受到经济管理人员的重视。关于企业的绩效评价，国内外学者尚没有形成统一的评价标准。为了寻找更有效的绩效评价方法，研究者们不断开展绩效评价方法研究，致力于业绩评价体系的优化。早期对企业绩效的评价主要是通过一些财务指标来衡量，例如盈利能力指标——资产回报率和权益回报率，基于这些指标，研究者们对企业绩效进行了衡量并开展了相关的实证研究。如魏立群和王智慧（2002）通过资产回报率和权益回报率对上市公司的绩效进行了评价，研究高管特征对企业绩效是否存在影响[1]。为考察国企内部薪酬差距和企业绩效之间的关系，刘春和孙亮（2010）在衡量企业绩效时选用的是财务指标——权益回报率、调整资产回报率和托宾Q[2]。

随着企业规模的扩大，内部的分工更加明细，组织架构变得越来越复杂，简单的财务指标已不能满足管理者和投资者的需求、全面反映企业的绩效，企业进行经营绩效测量的方法转向关键绩效指标（KPI）、平衡计分卡（BSC）、经济增加值（EVA）等。在关键绩效指标的应用研究方面，袁竞峰、季闯和李启明（2012）以VFM为导向构建了PPP项目的KPI概念模型进行绩效评价[3]。韩喜艳和刘伟（2019）构建的PPP项目绩效评价综合体系利用KPI方法分析了成功的关键因素[4]。在平衡计分卡的应用研究方面，刘俊勇等（2011）通过实验分析了业绩评价指标的选择及检验平衡计分卡能否有效地将企业战略与业绩评价相结合[5]。乔均等（2007）通过优化后的模型指标，检验了电信公司是否适合运用BSC模型和存在的局限[6]。在经济增加值的应用研究方面，刘运国和陈国菲（2007）针对GP集团绩效评价体系的缺陷，构建了基于平衡计分卡和经济增加值相结合的新评价指标体系[7]。邵争艳和陈学敏（2019）通过案例分析阐述了经济增加值法在新兴互联网企业中的应用，为互联网企业在产权交易中的科学定价提供了决策借鉴[8]。除了KPI、BSC和EVA，研究者们还提出了其他关于绩效评价的衡量方法，如通过层次分析法构建国有企业的绩效评价体系（申志东，2013）[9]、使用目标管理优化供电企业员工的绩效考核（余媛琳，2016）[10]、公立医院的综合目标管理绩效考核（黄锦桢，2015）[11]等。

近年来，在开展绩效评价时，对具有考虑多输入多输出、不需主观设定权重指标、操作简化等优势的数据包络分析方法的相关研究不断涌现，在绩效衡量方法中占据着重要的地位。在评价火力发电样本企业的环境绩效问题上，何平林等（2012）运用DEA方法进行测量发现企业间的环境绩效有明显差异，整体的环境绩效低下[12]。基于Hybrid DEA和结构化方程，沈能和周晶晶（2018）利用非期望产出的Meta-frontier效率函数测算了我国各地区的绿色创新效率并进行了绿色创新影响机制研究[13]。杨立生等（2018）采用非期望、非径向的SBM-DEA模型衡量了企业的绿色持续创新效率[14]。通过全要素生产效率（TFP）评价环境绩效，余莉娜（2017）分析了不同钢铁企业的管理问题并得出解决方法[15]。通过实例分析，杨德权和裴金英（2012）论述了物流公司选择超效率DEA-IAHP方法开展绩效评价的实用性和优越性[16]。通过利用DEA-Gini准则方法，王海燕等（2012）对2011年上半年南京市公共交通企业进行了绩效评价，并在分析结果的基础上提出了发展城市公共交通的建议[17]。基于因子分析和CCR-DEA相结合的财务能力评价模型，彭晓英和张庆华（2016）以煤炭上市公司2010年相关数据为基础进行了定量分析，并得出绩效评估结论[18]。通过网络DEA模型，马雪萍（2014）对河北省煤炭企业进行了绩效评价，并提出相关的对策建议[19]。

在全球呼吁经济绿色发展的潮流下，政府部门对煤炭行业的标准要求愈发严格，煤炭企业应如何发展成为迫在眉睫的行業战略问题。在追求利润实现自身可持续发展的同时，煤炭企业还需关注污染治理和安全生产等社会责任。因此，对煤炭企业绩效进行综合评价，不仅对我国煤炭企业的竞争力和应对市场的灵活度、发展的方向与管理方面具有重要的现实意义，也有利于政府部门的间接管理和监督。因此，本文运用数据包络分析方法（BCC-DEA）对2018年20家我国A股上市煤炭企业进行了绩效评价，并根据评价结果提出改进建议。

三、研究设计

（一）数据包络分析

数据包络分析最早是由Charnes，Cooper和Rhodes提出的、用以评价多个投入以及多个产出的相同类型决策单元（DMU）的“相对效率”的一种非参数分析方法。该方法运用线性规划，在效率空间中描绘出各决策单元的投入和产出值，并确定前沿面，其中，效率值为1的决策单元表现为有效并落在该前沿面上。

在该方法中，最具有代表性的是CCR模型和BCC模型。CCR模型基于规模报酬不变假设，仅能处理规模收益不变的决策单元。为弥补这一缺陷，Banker，Charnes和Cooper改良了DEA模型，形成了研究变动规模报酬下涵盖技术效率和规模效率的BCC评价模型。BCC-DEA模型假设某评价系统有n个决策单元（DMU），每个决策单元都由m项投入指标和s项产出指标组成。决策单元j的第i项投入量和第r项产出量分别用xij和yrj表示。θ、ε、si-、si+、λj分别为第j0个决策单元的效率值、非阿基米德无穷小量、输入的松弛变量、输出的松弛变量、输入输出指标权重系数。对任意一个决策单元（DMU）其BCC模型可表示为：

基于数据包络分析模型，本文选取2018年20家我国A股上市煤炭企业作为研究样本，运用因子分析和DEA-BCC模型对样本企业进行绩效测量，相关数据来源于RESSET数据库和巨潮资讯网。

（二）评价指标的选取

1.产出指标。追求利润是企业的共同目标，企业一段时间经营活动的最终成果体现在利润表中，报表使用者除了通过查看报表了解企业的财务状况和经营成果外，还会考察相关财务指标以对企业的财务状况进行量化评价。因此，财务指标在煤炭企业的绩效评价体系中依然是不可或缺的组成部分，反映了企业过去的经营成果，有利于企业的战略实施和目标实现，最终实现绩效的提高。但是只考虑财务指标并不能全面反映企业的整体绩效，在评价煤炭企业的绩效时，需将体现效益的财务指标与其他指标相结合，体现企业在安全、创新等背景下如何创造价值。因此，本文的DEA绩效评价模型选取表示效益的财务指标作为产出指标。

2.投入指标。目前，我国众多的煤炭企业还处于劳动密集型发展阶段，企业的用工多，尤其是下井作业人员多。因此，在评价煤炭企业的绩效时需引入劳动力指标作为投入指标。煤炭企业不仅具有劳动密集型特征，还是资本密集型企业。煤炭企业在进行生产时需使用大量的生产设备，这决定了其拥有大量的固定资产投资。同时，煤炭企业一般拥有多个矿井，煤炭赋存量较高，有大量存货，通过煤炭的销售或发电来获取收益。因此固定资产和存货评价指标在煤炭企业的绩效考核中不可或缺。除了依靠有形资产，在生产经营过程中，煤炭企业越来越重视采矿权、非专利技术等无形资产的使用，以提高利润回报，增强企业的核心竞争力，因此，有必要在煤炭企业的绩效评价中引入无形资产指标。相应地，在强调供给侧改革、可持续发展的时代背景下，煤炭企业需要在竞争激烈的环境中进行科技创新，以保障企业的生存和可持续发展，因此，科技创新作为煤炭企业长远发展的关键指标，对企业的绩效有着重要的影响。由于煤炭行业是高危行业之一，矿井工人在深入矿井进行煤炭开采的同时伴随着的生命安全问题不容忽视，因此，煤炭企业在生产经营过程中尤其要重视安全保障工作，构建安全生产评价指标能有效督促相关安全生产制度和安全设施的执行和落实。

3.指标的因子分析。在运用DEA方法时，依据经验法则，决策单元（DMU）的个数最好是投入项与产出项两者之和的两倍[20]。但对煤炭企业进行绩效评价所采用的效益指标、资产指标、科研指标和安全指标下的明细指标较多，而样本决策单元较少。为了得出更加有效的绩效评价结果，在进行DEA评价前首先应进行因子分析，对指标降维。通过SPSS对有关指标进行降维的统计结果如下页表2所示。

从表2各指标的相关性分析可知，净资产收益率（ROE）、总资产收益率（ROA）和销售净利率（TTM）之间、研发费用投入率（R&D）和研发人员比率（R&D_P）之间存在较强的相关关系;固定资产比率（FA）、存货比率（IV）和无形资产比率（IA）之间的相关关系不显著。因此，对净资产收益率（ROE）、总资产收益率（ROA）与销售净利率（TTM）和研发费用投入率（R&D）与研发人员比率（R&D_P）进行因子分析。表3为运用主成分分析提取得到的因子——财务效益（FB）和科研水平（STL），并将其作为DEA绩效评价的相关指标。

四、结果分析

本文使用DEAP 2.1数据包络分析软件计算分析煤炭企业的绩效，由于软件要求输入的数据不能为负值，且为了消除数据量纲的影响，在运用软件进行数据包络分析前，先将整理好的数据做归一化处理。基于处理后的数据，本文根据软件的输出结果进行了效率值分析、投影值分析和敏感度分析。

（一）效率值分析

利用DEAP 2.1的DEA-BCC模型，对2018年20家我国A股上市煤炭企业的绩效进行计算，得出具体决策单元的效率值，如表4所示。从企业的总体均值来看，综合效率的均值为0.829，纯技术效率的均值为0.919，规模效率的均值为0.900。从结果来看，企业的纯技术效率和规模效率较高，经营绩效不是很高。同时，从表4可以看出，有9个决策单元实现了DEA有效，分别是郑州煤电、永泰能源、安源煤业、红阳能源、恒源煤业、昊华能源、陕西煤业、平煤股份和中煤能源。这9个决策单元的综合效率都为1，经营绩效排名第一，纯技术效率和规模效率均为1，可见这9家企业的经营绩效相对来说最优。实现弱DEA有效的企业有4家，分别是兰花科创、兖州煤业、淮北矿业和中国神华，综合效率都小于1，纯技术效率都为1。实现DEA有效和弱有效的这几个决策单元占总数的65%，其中DEA有效的决策单元占总数的45%，经营绩效表现为非DEA有效的决策单元仅占比35%。表现为非DEA有效的有阳泉煤业、盘江股份、大有能源、上海能源、大同煤业、潞安环能和新集能源。

为了更好地对各企业的经营绩效进行横向评估，本文制作了各企业的经营绩效对比图，如下图所示。

可以看出，样本企业总体的经营绩效并不是很好，企业之间的绩效存在显著差异。基于此，煤炭企业在了解自身发展状况的同时需要思考如何利用绩效评价结果进行绩效管理，以改善经营效率，因此，接下来进行差额变量分析。

（二）差额变量分析

根据BCC-DEA模型计算得到的企业绩效包络前沿面由8个决策单元构成，剩下的12个决策单元没有落在前沿面上，表现出相对较弱的企业绩效。这些决策单元之间的差距到底是由什么因素导致的？企业之间的差距有多大？弱绩效企业如何通过有效的绩效管理改进现状？这些问题需要通过差额变量分析来解决。

使用DEAP 2.1运行BCC-DEA模型的部分结果如表5所示。首先从产出角度进行分析，阳泉煤业、盘江股份、大有能源、上海能源、大同煤业、潞安环能和新集能源的径向距离（radial）都不为零且为正数，表示这7家企业都出现了产出不足的情况，需要提高财务效益。再从投入的角度进行分析，表现为非DEA有效的7家企业都存在投入冗余的状况。固定资产比率（FA）偏高的是盘江股份、大有能源、上海能源、大同煤业和潞安环能这几个决策单元未能到达BCC-DEA模型包络前沿面的重要原因之一;存货比率偏高是阳泉煤业、盘江股份、大有能源、大同煤业、潞安环能和新集能源未能实现BCC-DEA有效的重要原因之一;无形资产比率偏高是阳泉煤业、盘江股份、上海能源、大同煤业和新集能源与BCC-DEA有效决策单元之间存在差距的重要原因之一;科技水平偏高是阳泉煤业、盘江股份、大同煤业和新集能源未能到达BCC-DEA模型包络前沿面的重要原因之一;安全生产投入率过高是阳泉煤业、大有能源、上海能源和潞安环能未能到达BCC-DEA模型包络前沿面的重要原因之一;员工人数偏多是盘江股份、上海能源、大同煤业和新集能源与BCC-DEA有效决策单元之间存在差距的重要原因之一。

由于财务效益这一产出因素是各煤炭企业不能控制决定的，因此非BCC-DEA有效的煤炭企业在进行绩效管理时应关注各投入因素。就阳泉煤业来说，由表4可知，其规模报酬递减，管理者要想提高企业绩效，需要提高管理效率，加强内部监督控制机制，实现信息传递通畅快捷，避免错过有利的决策时机。同时，企业需要加快存货的周转，减少存货的积压，以降低存货比率，实现绩效的提高。分析数据显示，无形资产比率、科研水平和安全生产投入率过高导致样本企业绩效未能实现BCC-DEA有效水平，但这并不意味着企业要减少这几方面的投入来提高绩效，相反地，企业应提高科研水平，增加无形资产和安全生产投入。近年来，随着国家对环境保护和污染治理的重视，煤炭企业逐渐开始注重科技创新，以改变从前高耗能、高污染的生产模式，而大量相关的前期投入需要比较长的时间才能实现企业利润的提高。但根据波特假说的相关理论，相关的投入最终会提高企业的价值。而且由于企业的成本计量忽略了机会成本，加大安全生产投入的经济效益无法从报表中体现出来，所以在绩效评价中会表现为安全生产费投入偏高导致绩效下降。除了这几个投入因素存在不足外，样本企业还存在固定资产比率和劳动力水平偏高的问题，针对这两种情况，企业应选用先进的清洁生产设备，淘汰耗能高、污染大的生产机器，推动企业转型，进行产业延伸，增强第三产业的活力;提高产业的科技含量，推动机械化生产替代简单的体力劳动。

五、结论

本文选取2018年20家我国A股上市煤炭企业作为研究样本，运用因子分析和数据包络分析方法中的BCC-DEA模型对样本企业进行了绩效评价，通过效率值分析提供不同企业经营绩效的横向比较信息，通过差额变量分析找出企业绩效未能实现BCC-DEA有效的决策单元的薄弱环节，并提出企业绩效管理改进方向的相关参考建议。效率值分析结果显示，样本企业的纯技术效率和规模效率较高，大部分企业的经营绩效实现了BCC-DEA有效，仅有7家企业的经营绩效为非DEA有效。差额变量分析结果显示，盘江股份、大有能源、上海能源、大同煤业和潞安环能这几个决策单元的固定资产比率偏高，企业应淘汰落后的生产设备，在使用先进清洁机器的同时进行产业延伸，增强第三产业活力;阳泉煤业、盘江股份、大有能源、大同煤业、潞安环能和新集能源的存货比率偏高，企业应加快存货的周转，减少存货的积压，以降低存货比率;尽管阳泉煤业、盘江股份、上海能源、大同煤业和新集能源的无形资产比率偏高，阳泉煤业、盘江股份、大同煤业和新集能源的科技水平偏高，但根据波特假说，企业应继续加大科研投入;阳泉煤业、大有能源、上海能源和潞安环能的安全生产投入率过高，但由于企业不考虑机会成本的计量，无法体现安全投入的经济效益，因此企业还是应该合理进行安全投入;盘江股份、上海能源、大同煤业和新集能源的员工人数偏多，企业应积极推动机械化生产替代简单的体力劳动。

根据研究分析可知，我国煤炭企业正处于结构性转型升级阶段，为促进生态文明建设和绿色经济发展、构建资源节约型和环境友好型社会，煤炭企业需定期進行绩效评价，在了解企业运行状况的同时针对薄弱环节进行绩效管理，实现投入要素的有效运用和投入产出的最佳匹配，以促进企业绩效的提高。同时，政府有关部门应组织构建适用于煤炭企业的绩效评价体系，指导煤炭企业进行更加有效的绩效评价，开展相应的绩效管理活动。

【主要参考文献】

[ 1 ] 魏立群，王智慧.我国上市公司高管特征与企业绩效的实证研究[J].南开管理评论，2002，（04）：16-22.

[ 2 ] 刘春，孙亮.薪酬差距与企业绩效：来自国企上市公司的经验证据[J].南开管理评论，2010，13（02）：30-39.

[ 3 ] 袁竞峰，季闯，李启明.国际基础设施建设PPP项目关键绩效指标研究[J].工业技术经济，2012，（06）：109-120.

[ 4 ] 韩喜艳，刘伟.基于KPI方法的公私合营（PPP）项目绩效综合评价研究[J].建筑经济，2019，40（01）：46-51.

[ 5 ] 刘俊勇，孟焰，卢闯.平衡计分卡的有用性：一项实验研究[J].会计研究，2011，（05）：36-43.

[ 6 ] 乔均，祁晓荔，储俊松.基于平衡计分卡模型的电信企业绩效评价研究——以中国网络通信集团江苏省公司为例[J].中国工业经济，2007，（02）：110-118.

[ 7 ] 刘运国，陈国菲.BSC与EVA相结合的企业绩效评价研究——基于GP企业集团的案例分析[J].会计研究，2007，（09）：50-59.

[ 8 ] 邵争艳，陈学敏.基于经济增加值法的企业价值评估研究——以歌力思为例[J].商业会计，2019，（01）：55-58.

[ 9 ] 申志东.运用层次分析法构建国有企业绩效评价体系[J].审计研究，2013，（02）：106-112.

[ 10 ] 余媛琳.供电企业员工目标管理绩效考核方法探析[J].企业改革与管理，2016，（24）.

[ 11 ] 黄锦桢.综合目标管理绩效考核在公立医院实施的探讨[J].财经界（学术版），2015，（17）：163.