基于DEA模型的交通运输业上市公司投资效率实证研究

2020-04-11徐越

广西质量监督导报 2020年2期

徐越

(苏州大学文正学院江苏苏州 215000)

交通运输业是国民经济和社会发展的基础产业，被誉为国民经济的“大动脉”。“发展经济、交通先行”，交通运输是经济发展的基本条件，几乎贯穿了每一个生产和生活过程。

交通运输行业是典型的资本密集型行业，且规模效应明显，基础建设需要投入巨额的资本,回收期长，投资风险很大，如果出现低效率投资,便会给投资者、整个社会带来巨大的经济损失。因此,对交通运输企业的投资效率进行研究,有助于提高资本的使用效率,对于促进交通行业的健康发展有着重要的意义。

一、研究设计

(一)研究方法

数据包络分析(Data Envelopment Analysis,DEA)是一种用来评价一系列多输入、多输出决策单元(DMUs)相对效率的完善的线性规划方法，凭其无须预先设定投入与产出的函数关系等特点，自1978年Cooper等提出CCR模型以来，在各绩效评价领域得到了广泛的应用。有学者对传统CCR模型进行改进，考虑规模报酬可变(VRS)的情况，提出了BCC模型。BCC模型把每个决策单元的综合效率值分解为纯技术效率和规模效率(即综合效率=纯技术效率*规模效率)，如模型(1):

(1)

因此，本文应用DEA-BCC模型来衡量样本的投资效率，模型计算出的综合效率即样本的投资效率，纯技术效率即样本的投资技术效率，规模效率即样本的投资规模效率，从而分析非有效的DEA决策单元是因为投入产出配比不当还是规模不适宜导致的。

(二)样本选择和数据来源

文中所采用的样本数据均来自沪深两90家交通运输行业上市公司2015至2018年的年度报告，并剔除ST公司和不可获得数据的样本。根据模型的设定并参考以往的文献，将固定资产、无形资产和营运资本作为物质投入指标，应付职工薪酬作为人力投入指标，选择净资产收益率ROE和每股收益EPS作为产出，所有数据均来源于各上市公司在样本期间内披露的年度财务报表。

二、实证分析

因为DEA模型中数据不能为负，然而营运资本、EPS、ROE这些指标都有可能小于0，所以在测算投资效率之前，要先对数据进行非负处理，同时也要保证处理前后各组数据之间的关系维持不变。本文将数据进行标准化处理，如下所示X为原数据组，Y代表标准化后的数据组。

已知X=(x1,x2,…xn)，

求Y=(y1,y2,…yn)

A=max(x1,x2,…xn)，

B=min(x1,x2,…xn)

根据处理后的数据，运用DEAP2.1软件对交通运输行业上市公司的投资效率进行测算，可以得到所有样本的投资效率、规模效率和纯技术效率，效率值和投入产出的描述性统计如表1所示。

表1 交通运输行业投资效率

从表中可以看出，交通运输行业上市公司资产规模比较大，平均固定资产是无形资产的5倍，营运资本在行业中差异非常显著，且平均值小于零，说明大部分企业流动资产小于流动负债，筹资政策相对比较激进。

在投入产出变量中，固定资产、无形资产、职工工资的平均值均大于中位数，明显右偏，说明行业内上市公司中，物质和人力投入两极分化严重，各行业发展不均衡性较强，资源向大型企业集中。净资产收益率(ROE)能够直接反映盈利能力，其中位数为8.128，平均数为9.496，并且标准差为10.8，说明我国交通运输行业上市企业普遍盈利能力比较强。每股收益EPS的平均值为0.442，中位数为0.328，说明交通运输上市公司给股东创造了一定的收益。

从表中数据来看，交通运输行业整体投资效率不高，其中规模效率尤为明显。投资效率的最大值为1.0，最小值为0.109，最大值和最小值相差很大，说明样本公司之间的投资效率存在较大差异；投资效率平均数为0.677，中位数为0.655，说明交通运输企业的效率水平一般，存在大量非效率投资。而投资纯技术效率则有不一样的表现，最大值为1.0，最小值为0.457，平均数为0.923，中位数为0.965，交通运输行业的投资纯技术效率相对来说比较高，说明行业整体的管理水平和生产技术都比较高，行业间差异不大，竞争非常激烈。规模效率比较低，最小值为0.109，中位数为0.708，平均数为0.733，说明交通运输行业并没有发挥好规模效应，固定资产的不断增长并没有给企业带来更多的效益，存在大量资源冗余现象。