论文部分内容阅读
摘 要：作为国家新兴的经济增长点，近几年软件与互联网行业受到了持续普遍的关注，主营该行业的企业也在创业板上市公司中占据了相当大的比重。在创业板上市的软件与互联网企业对该行业产生重大影响，对其运营效率的研究具有重要意义。本文利用数据包络分析法（DEA）中的BCC模型与Malmquist生产率指数法，对代表性企业的运营效率进行全方位的评价研究，本文采取两种比较方式：静态的横向比较与动态的纵向比较。静态横向比较显示：该类公司整体运营效率一般，行业内运营效率具有较大差异。动态的纵向比较表明：虽然行业内纯技术效率与规模效率都有显著提高，但是技术进步缓慢导致行业的全要素生产率仍然呈下降趋势。
关键词：创业板；运营效率；BCC模型；Malmquist生产率指数
中图分类号： F49 文献标识码：A 文章编号： 2095-7866 （2016） 06-732-06工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2016.06.016
Abstract： The software and Internet industry as the new economic growth engine， abtain more and more public attention， which takes a large proportion of the Growth Enterprise Market in China. Therefore the research on that is of vital importance. In order to analysis the operational efficiency of these companies， this paper utilizes the BCC model and Malmquist Index decomposition method in the DEA approaches. The paper employs two methods to reveal the operational efficiency， which are lateral and static comparison， and upright dynamic comparison. The former result is that the enterprises did not perform well and had considerable differences. In the later comparison， the subtle change of the techaology resultin the total factor productivity fell down.
Key words： Growth Enterprise Market； Operational Efficiency； BCC Model； Malmquist Index
引言
随着世界进入信息与移动的时代，多个国家都将软件与互联网行业作为经济发展的战略重点；同时，有相当大比例的创业公司，都选择进入软件与互联网行业。具有双重身份的软件与互联网行业创业板上市公司就自然成为了值得关注的对象，研究这些企业运营的现状、存在的问题以及改进的措施，对于该行业进步和国家经济发展都具有极为重要的意义。数据包络分析法（DEA）自诞生以来，就被广泛应用于各个行业内企业運营效率的研究。本文选取了2012年之后上市的37家新兴软件与互联网行业创业板上市公司，搜集其2014、2015年财务报表相关数据，对该行业内企业的运营效率进行明确的诊断。
一、文献综述
学界在相关领域的主要研究成果如下：陈一博、宛晶（2012）采用Malmquist生产率指数对创业板上市公司的全要素生产率[1]；杨松令、常晓红（2013）将CCR模型与超效率模型相结合，研究了创业板上市企业的经营效率[2]；张才明、周正卿（2010）等从全要素生产率的角度，运用非参数估计方法对于我国软件产业的10个上市公司进行考察，10家软件上市公司近9年间，TFP呈现出整体的增长态势[3]；李洪伟、任娜（2013）等运用三阶段Malmquist生产率指数模型，发现我国高新软件产业全要素生产率呈现出下降的趋势[4]。熊婵、买忆媛（2014）等基于DEA方法对创业板上市的中国高科技创业企业运营效率进行了研究，研究结果显示，中国高科技创业企业整体运营效率偏低，不同地区存在一定差异，绝大多数企业规模递增，但是投入产出结构不合理[5]；徐唱（2016）同样采用DEA方法，研究创业投资对高新技术创业企业的创新效率的影响，得出有创业投资支持的上市高新技术企业技术创新效率要高于没有创业投资支持的上市高新技术企业，说明创业投资对于提高技术创新有一定的促进作用[6]。
综上所述，学界在对于具有双重身份的软件互联网行业创业板上市公司的研究明显不足，这也对于学界以及社会大众深入了解该类型企业造成了阻碍。
二、理论模型
（一）BCC模型
A .Charnes，W.W.Cooper和E.Rhodes在1978年提出了CCR模型[7]，这是DEA分析中最早的模型。通过CCR模型可以判断某些决策单元是否是DEA有效，若为DEA有效则可以肯定此时的生产处于技术有效和规模有效，但考虑到非DEA有效的决策单元除了技术无效外，也可能是规模无效导致的，为此，Banker等人建立了可变规模报酬的模型——BCC模型[8]：在评价可变规模收益的生产技术能够使用DEA方法，并在前人模型的基础上进一步推出规模效率和纯技术效率。 （二）Malmquist生产率指数
Malmquist生产率指数是由Sten Malmquist于1953年首次提出，后有caves等作为生产率指数予以使用[9，10]。Fare等人基于DEA方法将Malmquist生产率指数从理论指数变成实证指数[11]，根据该方法，不仅可以考察各区技术进步变化（Techch）情况，还可以将技术效率变化（Effch）进一步分解为纯技术效率变化（Pech）和规模效率变化（Sech），并得出全要素生产率变化（Tfpch），从而表现出更多的具有实际价值的分析信息。
三、投入产出指标选择
本文选取了2012年之后上市的37家新兴软件与互联网行业创业板上市公司，搜集其2014、2015年财务报表相关数据，以此作为定量分析的基础数据。在投入产出指标数量与类型上，本文结合常见的DEA方法中研究运营效率、或企业业绩的投入产出指标[12，13]，又加入了对衡量软件与互联网行业上市公司非常重要的创新指标——研发投入与核心业务占营业收入比重。最终选取的四个投入指标为：总资产、营业成本、人力资源成本与研发投入；四个产出指标分别为：税后净利润、流动比率核心业务占营业收入比重与总资产增长率。
四、实证分析
Deap 2.1软件被广泛应用于DEA分析的数据处理。在研究过程中，Deap 2.1软件无法处理表现为负数的投入产出指标，而本文选取的企业税后净利润、总资产增长率会因亏损出现负值。为解决该问题，本文借鉴沈江建、龙文（2015）的研究成果，将负产出变为足够小的正数[14]。
（一）静态横向比较分析
DEAP 2.1软件中BCC模型的输出结果如表1所示：
（二）运营效率总体评价
结果显示，我国软件与互联网行业创业板上市公司整体运营效率一般，仍有大批企业处于非DEA有效的状态。共15家企业处于DEA有效状态，分别为佳创视讯、三六五网、掌趣科技、华虹计通、全通教育、恒华科技、赢时胜、光环新网、京天利、昆仑万维、浩丰科技、运达科技、迅游科技、四方精创、盛天网络，他们共同构成了有效生产前沿面。该行业经营效率均值为0.777，该行业中大部分企业与行业经营效率平均值相差较大，其中鼎捷软件、任子行的运营效率值均低于0.4，属于运营效率值极低的企业，在上市公司中内存在行业内差距巨大的情况，说明未来会不断有企业被淘汰，同时极可能会有垄断行为的出现。
行业纯技术效率平均值为0.825，低于规模效率值0.933，说明行业的规模状况比技术水平要好。从纯技术效率的角度来看，共有17家企业处于纯技术效率有效状态，技术水平行业领先。除去15家处于DEA有效的企业，还有暴风集团和东方通同样处于纯技术效率有效状态，这两家企业之所以未达到DEA有效状态，并不是技术原因，而是因为其企业规模未达到最优。
从规模效率的角度来看，共有15家企业处于规模效率有效状态，即规模报酬不变阶段。在规模效率无效的企业中，有14家企业处于规模报酬递增的状态，产出增加或减少的比例大于投入增加或减少的比例，8家企业处于规模递减的阶段，处于规模报酬递增阶段的企业远远多于规模报酬递减阶段的企业，这表明行业内大多数企业规模偏小，亟需进一步的投资以扩大企业规模。
（三）学习标杆分析
BCC模型中的学习标杆分析的输出结果如表2所示：
表2中，学习标杆列的公司是指表左侧公司应该作为参照的学习标杆，表右侧的被学习次数，是指表左侧被其他企业学习的次数，次数越多，就说明该企业在该行业中，应该被大多数的企业学习参照。通过学习标杆分析，可以为DEA无效的企业寻找应该参照学习的企业，也可以发现哪些企业代表着该行业先进的模式，应该被其他企业学习。
在学习标杆企业中，迅游科技与京天利是被学习次数最多的企业，分别为14次与13次，此三家企业的运营模式是行业内较为先进的模式。共11家企业被作为学习参照的标杆，比 DEA有效的企业数少，佳创视讯、华虹计通、浩丰科技、四方精创与盛天网络虽然处于DEA有效的状态，但是并没有被其他DEA无效的企业作为学习标杆，说明这些企业虽然运营效率是行业领先的水平，但是他们的投入产出模式并不值得借鉴，或者具有不可复制性。
（四）动态纵向比较分析
DEA分析中的Malmquist 全要素生产率指数，可以反映整个行业以及各个企业的全要素生产率的变化，以及构成全要素生产率的各个子指标的变化状况。软件的输出结果如表3所示：
结果显示，整个行业平均的Malmquist 全要素生产率指数为0.828，说明了整个行业的全要素生产率呈现出急剧下降的趋势：在37家企业中，只有11家企业的全要素生产率是上升的，其余26家企业的全要素生产率均呈现出下降态势。
在分析Malmquist生产率指数的各个分解指标之后，本文发现软件与互联网行业创业板上市企业出现严重的技术发展迟滞的问题。在分解指标中，规模效率的指数为1.034，大于均值且大于1的，证明行业内各个企业規模的调整对全要素生产率的提高起到了积极的作用。该行业的纯技术效率变化指数同样大于1，达到了1.164，说明行业内的技术效率进步对于全要素生产率的提高起到了极大的推动作用。但是行业的技术进步变动仅仅为0.668，严重阻碍了行业全要素生产率指数的提高，这说明该行业内的各个企业技术进步异常缓慢，鲜有新的生产方式或技术的出现，导致了整个行业的经营效率呈现出下降的趋势。虽然互联网产业以创意为主，革命性的生产方式变化几乎不存在，但这并不代表国内企业与国际软件互联网行业巨头之间不存在差异，国内的企业在技术的进步上仍然具有非常大的空间。
五、结论
本文通过对软件互联网行业创业板上市企业运营效率的定量研究，对该行业上市公司的运营效率总结为：在静态的横向比较中，该行业上市公司运营效率一般，行业内运营效率差异较大；在动态的纵向比较中，虽然行业内纯技术效率与规模效率都有显著提高，但是技术进步缓慢导致行业的全要素生产率仍然呈下降趋势。该行业的企业在今后的发展中，应该更加注重技术的进步，以软件互联网行业巨头为学习目标，力争成为国内乃至国际一流的互联网公司。 参考文献
陈一博，宛晶. 创业板上市公司全要素生产率分析——基于DEA-Malmquist指数法的实证研究[J]. 当代经济科学， 2012（4）：103-108.
杨松令， 常晓红， 刘亭立. 高新技术企业经营绩效评价研究——以中国创业板上市公司为例[J]. 中国科技论坛， 2013（7）：58-65.
张才明， 周正卿， 王 烨. 我国上市软件公司全要素生产率实证研究[J]. 技术经济与管理研究， 2011（2）：7-12.
李洪伟， 任娜， 陶敏， 等. 我国高技术产业全要素生产率分析[J]. 技术经济与管理研究， 2013（8）：41-46.
熊婵， 买忆媛， 何晓斌， 等. 基于DEA方法的中国高科技创业运营效率研究[J]. 管理科学， 2014， 27（2）：26-37.
徐唱. 基于DEA方法的我国创业投资对高新技术企业技术创新效率影响的实证研究[J]. 经营管理者， 2016（5）：1-2.
A Charnes， W W Cooper， E Rhodes. Measuring the efficiency of decision making unite [J]. European Journal of Operational Research， 1978（2）.
R D Banker， A Charnes， W W Cooper. Some Models for Estimating Technical and Scale Efficiencies in Data Envelopment Analysis[J]. Management Science， 1984（30）.
Malmquist Sten. Index Numbers and Indifference Surfaces[J]. Trabajos de Estadistica， 1953（4）.
Cavas. Multilateral Comparisons of Output， Input and Productivity Using Superlative Index Numbers[J]. Economic Journal， 1982（86）.
Fare R， Grosskopf， Zhang N M. Productivity Growth， Technical Change and Efficiency Change in Industrialized Countries[J]. American Economic Review， 1994， 84（1）.
毛潔. 成长期企业业缋评价指标体系研究 一一基于创业板企业的视角[D]. 西南财经大学， 2012.
李盼林. 我国创业投资支持中小企业发展的效率研究[D]. 河南工业大学， 2015.
沈江建， 龙 文. 负产出在 DEA 模型中的处理——基于软件 DEAP 的运用[C]. //第十届（2015）中国管理学年会论文集， 中国管理现代化研究会， 2015.
关键词：创业板；运营效率；BCC模型；Malmquist生产率指数
中图分类号： F49 文献标识码：A 文章编号： 2095-7866 （2016） 06-732-06工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2016.06.016
Abstract： The software and Internet industry as the new economic growth engine， abtain more and more public attention， which takes a large proportion of the Growth Enterprise Market in China. Therefore the research on that is of vital importance. In order to analysis the operational efficiency of these companies， this paper utilizes the BCC model and Malmquist Index decomposition method in the DEA approaches. The paper employs two methods to reveal the operational efficiency， which are lateral and static comparison， and upright dynamic comparison. The former result is that the enterprises did not perform well and had considerable differences. In the later comparison， the subtle change of the techaology resultin the total factor productivity fell down.
Key words： Growth Enterprise Market； Operational Efficiency； BCC Model； Malmquist Index
引言
随着世界进入信息与移动的时代，多个国家都将软件与互联网行业作为经济发展的战略重点；同时，有相当大比例的创业公司，都选择进入软件与互联网行业。具有双重身份的软件与互联网行业创业板上市公司就自然成为了值得关注的对象，研究这些企业运营的现状、存在的问题以及改进的措施，对于该行业进步和国家经济发展都具有极为重要的意义。数据包络分析法（DEA）自诞生以来，就被广泛应用于各个行业内企业運营效率的研究。本文选取了2012年之后上市的37家新兴软件与互联网行业创业板上市公司，搜集其2014、2015年财务报表相关数据，对该行业内企业的运营效率进行明确的诊断。
一、文献综述
学界在相关领域的主要研究成果如下：陈一博、宛晶（2012）采用Malmquist生产率指数对创业板上市公司的全要素生产率[1]；杨松令、常晓红（2013）将CCR模型与超效率模型相结合，研究了创业板上市企业的经营效率[2]；张才明、周正卿（2010）等从全要素生产率的角度，运用非参数估计方法对于我国软件产业的10个上市公司进行考察，10家软件上市公司近9年间，TFP呈现出整体的增长态势[3]；李洪伟、任娜（2013）等运用三阶段Malmquist生产率指数模型，发现我国高新软件产业全要素生产率呈现出下降的趋势[4]。熊婵、买忆媛（2014）等基于DEA方法对创业板上市的中国高科技创业企业运营效率进行了研究，研究结果显示，中国高科技创业企业整体运营效率偏低，不同地区存在一定差异，绝大多数企业规模递增，但是投入产出结构不合理[5]；徐唱（2016）同样采用DEA方法，研究创业投资对高新技术创业企业的创新效率的影响，得出有创业投资支持的上市高新技术企业技术创新效率要高于没有创业投资支持的上市高新技术企业，说明创业投资对于提高技术创新有一定的促进作用[6]。
综上所述，学界在对于具有双重身份的软件互联网行业创业板上市公司的研究明显不足，这也对于学界以及社会大众深入了解该类型企业造成了阻碍。
二、理论模型
（一）BCC模型
A .Charnes，W.W.Cooper和E.Rhodes在1978年提出了CCR模型[7]，这是DEA分析中最早的模型。通过CCR模型可以判断某些决策单元是否是DEA有效，若为DEA有效则可以肯定此时的生产处于技术有效和规模有效，但考虑到非DEA有效的决策单元除了技术无效外，也可能是规模无效导致的，为此，Banker等人建立了可变规模报酬的模型——BCC模型[8]：在评价可变规模收益的生产技术能够使用DEA方法，并在前人模型的基础上进一步推出规模效率和纯技术效率。 （二）Malmquist生产率指数
Malmquist生产率指数是由Sten Malmquist于1953年首次提出，后有caves等作为生产率指数予以使用[9，10]。Fare等人基于DEA方法将Malmquist生产率指数从理论指数变成实证指数[11]，根据该方法，不仅可以考察各区技术进步变化（Techch）情况，还可以将技术效率变化（Effch）进一步分解为纯技术效率变化（Pech）和规模效率变化（Sech），并得出全要素生产率变化（Tfpch），从而表现出更多的具有实际价值的分析信息。
三、投入产出指标选择
本文选取了2012年之后上市的37家新兴软件与互联网行业创业板上市公司，搜集其2014、2015年财务报表相关数据，以此作为定量分析的基础数据。在投入产出指标数量与类型上，本文结合常见的DEA方法中研究运营效率、或企业业绩的投入产出指标[12，13]，又加入了对衡量软件与互联网行业上市公司非常重要的创新指标——研发投入与核心业务占营业收入比重。最终选取的四个投入指标为：总资产、营业成本、人力资源成本与研发投入；四个产出指标分别为：税后净利润、流动比率核心业务占营业收入比重与总资产增长率。
四、实证分析
Deap 2.1软件被广泛应用于DEA分析的数据处理。在研究过程中，Deap 2.1软件无法处理表现为负数的投入产出指标，而本文选取的企业税后净利润、总资产增长率会因亏损出现负值。为解决该问题，本文借鉴沈江建、龙文（2015）的研究成果，将负产出变为足够小的正数[14]。
（一）静态横向比较分析
DEAP 2.1软件中BCC模型的输出结果如表1所示：
（二）运营效率总体评价
结果显示，我国软件与互联网行业创业板上市公司整体运营效率一般，仍有大批企业处于非DEA有效的状态。共15家企业处于DEA有效状态，分别为佳创视讯、三六五网、掌趣科技、华虹计通、全通教育、恒华科技、赢时胜、光环新网、京天利、昆仑万维、浩丰科技、运达科技、迅游科技、四方精创、盛天网络，他们共同构成了有效生产前沿面。该行业经营效率均值为0.777，该行业中大部分企业与行业经营效率平均值相差较大，其中鼎捷软件、任子行的运营效率值均低于0.4，属于运营效率值极低的企业，在上市公司中内存在行业内差距巨大的情况，说明未来会不断有企业被淘汰，同时极可能会有垄断行为的出现。
行业纯技术效率平均值为0.825，低于规模效率值0.933，说明行业的规模状况比技术水平要好。从纯技术效率的角度来看，共有17家企业处于纯技术效率有效状态，技术水平行业领先。除去15家处于DEA有效的企业，还有暴风集团和东方通同样处于纯技术效率有效状态，这两家企业之所以未达到DEA有效状态，并不是技术原因，而是因为其企业规模未达到最优。
从规模效率的角度来看，共有15家企业处于规模效率有效状态，即规模报酬不变阶段。在规模效率无效的企业中，有14家企业处于规模报酬递增的状态，产出增加或减少的比例大于投入增加或减少的比例，8家企业处于规模递减的阶段，处于规模报酬递增阶段的企业远远多于规模报酬递减阶段的企业，这表明行业内大多数企业规模偏小，亟需进一步的投资以扩大企业规模。
（三）学习标杆分析
BCC模型中的学习标杆分析的输出结果如表2所示：
表2中，学习标杆列的公司是指表左侧公司应该作为参照的学习标杆，表右侧的被学习次数，是指表左侧被其他企业学习的次数，次数越多，就说明该企业在该行业中，应该被大多数的企业学习参照。通过学习标杆分析，可以为DEA无效的企业寻找应该参照学习的企业，也可以发现哪些企业代表着该行业先进的模式，应该被其他企业学习。
在学习标杆企业中，迅游科技与京天利是被学习次数最多的企业，分别为14次与13次，此三家企业的运营模式是行业内较为先进的模式。共11家企业被作为学习参照的标杆，比 DEA有效的企业数少，佳创视讯、华虹计通、浩丰科技、四方精创与盛天网络虽然处于DEA有效的状态，但是并没有被其他DEA无效的企业作为学习标杆，说明这些企业虽然运营效率是行业领先的水平，但是他们的投入产出模式并不值得借鉴，或者具有不可复制性。
（四）动态纵向比较分析
DEA分析中的Malmquist 全要素生产率指数，可以反映整个行业以及各个企业的全要素生产率的变化，以及构成全要素生产率的各个子指标的变化状况。软件的输出结果如表3所示：
结果显示，整个行业平均的Malmquist 全要素生产率指数为0.828，说明了整个行业的全要素生产率呈现出急剧下降的趋势：在37家企业中，只有11家企业的全要素生产率是上升的，其余26家企业的全要素生产率均呈现出下降态势。
在分析Malmquist生产率指数的各个分解指标之后，本文发现软件与互联网行业创业板上市企业出现严重的技术发展迟滞的问题。在分解指标中，规模效率的指数为1.034，大于均值且大于1的，证明行业内各个企业規模的调整对全要素生产率的提高起到了积极的作用。该行业的纯技术效率变化指数同样大于1，达到了1.164，说明行业内的技术效率进步对于全要素生产率的提高起到了极大的推动作用。但是行业的技术进步变动仅仅为0.668，严重阻碍了行业全要素生产率指数的提高，这说明该行业内的各个企业技术进步异常缓慢，鲜有新的生产方式或技术的出现，导致了整个行业的经营效率呈现出下降的趋势。虽然互联网产业以创意为主，革命性的生产方式变化几乎不存在，但这并不代表国内企业与国际软件互联网行业巨头之间不存在差异，国内的企业在技术的进步上仍然具有非常大的空间。
五、结论
本文通过对软件互联网行业创业板上市企业运营效率的定量研究，对该行业上市公司的运营效率总结为：在静态的横向比较中，该行业上市公司运营效率一般，行业内运营效率差异较大；在动态的纵向比较中，虽然行业内纯技术效率与规模效率都有显著提高，但是技术进步缓慢导致行业的全要素生产率仍然呈下降趋势。该行业的企业在今后的发展中，应该更加注重技术的进步，以软件互联网行业巨头为学习目标，力争成为国内乃至国际一流的互联网公司。 参考文献
陈一博，宛晶. 创业板上市公司全要素生产率分析——基于DEA-Malmquist指数法的实证研究[J]. 当代经济科学， 2012（4）：103-108.
杨松令， 常晓红， 刘亭立. 高新技术企业经营绩效评价研究——以中国创业板上市公司为例[J]. 中国科技论坛， 2013（7）：58-65.
张才明， 周正卿， 王 烨. 我国上市软件公司全要素生产率实证研究[J]. 技术经济与管理研究， 2011（2）：7-12.
李洪伟， 任娜， 陶敏， 等. 我国高技术产业全要素生产率分析[J]. 技术经济与管理研究， 2013（8）：41-46.
熊婵， 买忆媛， 何晓斌， 等. 基于DEA方法的中国高科技创业运营效率研究[J]. 管理科学， 2014， 27（2）：26-37.
徐唱. 基于DEA方法的我国创业投资对高新技术企业技术创新效率影响的实证研究[J]. 经营管理者， 2016（5）：1-2.
A Charnes， W W Cooper， E Rhodes. Measuring the efficiency of decision making unite [J]. European Journal of Operational Research， 1978（2）.
R D Banker， A Charnes， W W Cooper. Some Models for Estimating Technical and Scale Efficiencies in Data Envelopment Analysis[J]. Management Science， 1984（30）.
Malmquist Sten. Index Numbers and Indifference Surfaces[J]. Trabajos de Estadistica， 1953（4）.
Cavas. Multilateral Comparisons of Output， Input and Productivity Using Superlative Index Numbers[J]. Economic Journal， 1982（86）.
Fare R， Grosskopf， Zhang N M. Productivity Growth， Technical Change and Efficiency Change in Industrialized Countries[J]. American Economic Review， 1994， 84（1）.
毛潔. 成长期企业业缋评价指标体系研究 一一基于创业板企业的视角[D]. 西南财经大学， 2012.
李盼林. 我国创业投资支持中小企业发展的效率研究[D]. 河南工业大学， 2015.
沈江建， 龙 文. 负产出在 DEA 模型中的处理——基于软件 DEAP 的运用[C]. //第十届（2015）中国管理学年会论文集， 中国管理现代化研究会， 2015.