科技型中小企业经营效率评价研究——以科创板为例

上海大学经济学院

一、前言

我国中小型企业在发展过程中，依照目前来看现状发展的因素有很多种，国内外各个学者对于目前中小企业在发展过程中尤其是融资方面的问题进行了大量的研究。

段德远[1]在文章中针对中小企业的融资问题进行了深入的研究，他认为在利用知识产权、专利产权等等这类的无形资产进行抵押的过程中，能够解决经营发展中遇到的相当一部分融资问题。

李稳稳[2]在文章中，通过对中国中小型企业尤其是民营企业的资本结构进行分析研究，其中的差异，并且在文章中指出，相比较于合伙企业，中小企业融资的能力是有限的，个人独资的更是受到了很大的种子压力。

谭春枝[3]等人提出在我国市场经济发展的过程中，尤其是在经济体制改革的前提下，中小型企业尤其是科创类的企业，发展融资受阻情况严重，在这种情况下，可以通过银行与政府合作的模式，从而推进金融体制的进一步改革，解决中小企业或金融机构的创建问题。

Aihua Wu[4]指出在国家整体竞争力以及经济增长的过程中，最主要的创新方式是科技类的创新，也就是说，尤其是在科创板推行的前提下，科技型企业在不断发展的过程中，能够带动其他类型企业的进步。

目前来看，我国的科创板中小型企业在发展过程中面临着两大问题，一个是资金的缺乏，还有一个是技术人员的不足，这两大困境制约着这类科技型中小企业的发展，也是目前需要解决的最迫切的问题。

二、理论模型

（一）理论基础

科技型中小企业的融资内源性不足，而这类企业恰恰是有利于我国内外经济循环促进科技进步以及社会经济发展的重要源头，科技型中小企业直接融资与间接融资的困难，导致其市场难以完全打开，在国内这类科技型中小企业对外资的吸引力是不高的，我国现行的债券市场中主要出现的交易参与者是各类券商，这类金融机构的场外交易量占总交易量的比重超过了八成以上，而中小企业的比例有0.66%。

（二）SВМ-DEА超效率模型概述

传统的 DEA 模型分为CCR 和BCC 模型有一项弱点，即若决策单元较多，可能会导致过多的可计算到的有效单元，即评价效率值为1，所以这个模型对于本文所讨论的有效单元是没有办法进行进一步评价的。

由于一般的DEA模型中存在未考虑到松弛变量的缺陷问题，所以需要引入基于松弛测度的SBM模型。

（三）SВМ-DEА超效率模型用于上市科技型中小企业经营效率评价体系研究的可行性

由于我国科技型中小企业发展两极化并不严重，采用传统的SBM-CCR模型或者SBM-BCC模型评价它们的规模效率，从而进行经营效率评价的话，可能得到的效率值结果相差不大，或者有多个效率值为1，这不宜直接进行后续的比较，因此文章采用超效率的 SBM—DEA 模型来对科技型中小企业的经营效率进行比较研究。

三、实证研究及结果分析

（一）数据来源

文章选取截至2018年36家上市的科技型中小企业为研究对象，研究时期为2014-2018年，数据来源主要为WIND数据库，各上市科技型中小企业年报，国家统计局。

（二）经营效率评价研究中要素间的作用机理分析

作为中国上市科技型中小企业经营效率评价指标本文选取以下两类：一、投入指标：总资产、研发投入、员工人数、资产负债率与其行业平均水平差额的绝对值；二、产出指标：净利润增长率、总资产增长率、资本积累率、加权平均净资产收益率。

（三）投入和产出指标的描述性统计

1.构建科创板科技型中小企业经营效率指标体系

参考现有的对上市科技型中小企业进行经营效率评价的办法，同时满足以下三点要求：（1）所有变量都可以得到并且均为正数（2）初始变量相关度较高（3）变量单位可以不一致，选择了4个投入变量：总资产I1（百万元）、研发投入I2（百万元）、员工人数I3（人）、资产负债率与其行业平均水平差额的绝对值I4（%），相应的，为后面Super-DEA-SBM模型选择相应的产出因子4个：净利润增长率O1（%）、总资产增长率O2（%）、资本积累率O3（%）、加权平均净资产收益率O4（%）。

选定研究变量之后，文章选取我国A股上市的科创板科技型中小企业（共36家）作为研究对象，根据WIND上公开的2018年整年的数据进行分析。

由于各个投入系数和产出变量之间存在置信度0.01情况下显著的相关性，这代表各个变量之间相关性较高，各个变量之间呈现线性的相关关系，能够从中提取公因子，适合进行因子分析。

接着再对对投入和产出变量进行KMO和巴特利特球度检验，产出变量KMO值为0.755，巴特利特观察值为166.500，显著性接近于0，同样适合进行因子分析。

2.因子分析结果

运用SPSS 22.0软件对产出因子进行因子分析，得到如下结果可以看出在进行总方差解释之后，产生两个因子，它们的累计方差贡献率达到了88.750%和94.156%，所以与投入变量一样，产出变量也使用两个新的因子代替原始的产出变量数据。

经过正交旋转之后，投入变量原有的4个因子在两个新的公因子上的因子负载如下表2和3，由因子负载矩阵可以得出公因子X1对I2、I4、I1的影响最大，这3个变量主要与公司的资产规模有关，所以将X1命名为资产因子；公因子X2对I3的影响最大，这两个变量与公司的运营息息相关，所以将其命名为运营因子。同理，Y1命名为利润因子，Y2命名为收益因子。

在提取出新的投入因子和产出因子之后，输出两种因子的得分系数变量x1、x2、y1、y2中包含一些负值元素，这违背SBM模型的模型原则，因此文章对数据进行适当的处理，处理方法是讲每个指标数据与该指标项下最小的数据相减，处理之后的数据即可进行Super-SBM-DEA模型的运算，本研究中所选取的指标总数为13个，是比较科学并且全面地反映了上市科技型中小企业的投入和产出，同时满足了DEA评价模型中对港口公司样本数量至少是评价指标数量2倍[5]的限制。

（四）Supеr-SВМ-DEА结果分析

中国的36家创业板中小企业效率值排名如下，文章以效率值为依据对上市科技型中小企业经营效率进行了评价，可以很明显地看出，晶丰明源的效率值在36家上市科技型中小企业中排名第一，可以看出虽然CCR模型也能够针对2018年上市公司的效率值进行排名，但是在效率值都为1的情况下，无法对这些公司的效率值进行更加细致的对比，而SBM-DEA模型则很好地改进了这一缺点。

四、结语

市场监管行为不足、同时伴随着政策治理的不完善，在整体中小企业发展质量参差不齐的大背景之下，大量的中小科技型企业都有着经营管理不甚规范的情况。

中国的36家创业板中小企业效率值排名如上一章所示，文章以效率值为依据对上市科技型中小企业经营效率进行了评价，可以很明显地看出，晶丰明源的效率值在36家上市科技型中小企业中排名第一。

为了提高企业自身的经营效率，文章建议企业从以下几个方面入手：以经营可持续性为发展的总目标；在考虑企业自身发展基础上增加相应人才引进，实施激励措施；在发展战略制定过程中重视合理性，在人才队伍引进方面注重高端，研发回报注重可回报性。