我国创业板制造业上市公司绩效评价研究

　　引 言

　　创业板因其高成长、高收益的特点而广受投资者关注，但由于其入市门槛低，上市公司相对于主板上市公司往往规模小、风险大、经营业绩不稳定，且由于我国创业板还处于初期阶段，相关法律法规并不完善，使得创业板存在许多问题。如创业板刚创立不久就发生了大规模的套现和高管离职现象，“三高”、“圈钱”、“破发”等争议话题一直围绕着创业板。此外，上市前高技术、高利润，上市后低技术、低利润的“变脸”现象也时有发生。与此同时，政府也对创业板上市企业的表现十分关注。党的“十八大”提出了创新驱动发展战略，并提出要“深化科技体制改革，推动科技和经济紧密结合，加快建设国家创新体系，着力构建以企业为主体、市场为导向、产学研相结合的技术创新体系”。

　　创业板本来就是国家为扶持高科技、高技术的中小企业而设立的融资平台，而政府出于产业升级、提升地区的创新能力，往往采用补贴的形式，对创业板上市企业进行扶持。但企业却没能有效地将政府补助投入到技术研发上，未能带来企业市场价值的提高，[1]创业板上市企业的创新绩效与政府未来补贴力度不显着相关。对给予创业板制造业上市公司大量补贴的政府而言，准确评价企业绩效，弄清楚补贴是否起到了应有的作用也十分重要。

　　DEA 模型、指标与样本选取

    1.DEA 模型简介。

　　（1）CRS 模型。数据包络分析是数学、运筹学、数理经济学、管理科学和计算机科学的一个新的交叉领域。1957 年，Farrell 首次在其文献中引入了技术效率的概念。[3]Charnes、Cooper 和 Rhodes 在此基础上，于 1978 年提出了第一个 DEA 模型———CRS 模型。[4]

　　设有 n 个决策单元，每个决策单元（DMUj）有 p 种投入与 q 种产出，以向量表示为 Xj=（x1j，x2j，···，xmj）T>0，Yj=（y1j，y2j，···ymj）T>0，j=1，2，…，n。CRS 模型基于投入的对偶规划为：

　　由 CRS 模型所得出的效率值 θ0，是决策单位的综合效率，其经济含义是以样本中效率最高的决策单位（处于生产可能边界上）为标准，被测单位 DMUj0在维持当前产出的前提下，实际所需投入的比例。θ0=1 时，决策单位达到综合有效。

　　（2）VRS 模型。CRS 模型包含了规模报酬不变这一假设，在此条件下，所有 DMU 都可通过增加投入同比例地增加产出，因而，其所计算出的综合效率，包含了技术效率和规模效率两个因素的影响，并不能确定 DEA 无效的单位是收到技术效率的影响，还是规模效率的影响。针对这一问题，Banker、Charnes 和 Copper 于 1984 年提出了 VRS 模型：

　　VRS 模型所得出的效率值 θ0，是决策单位的技术效率，而综合效率 = 技术效率×规模效率纯技术，即由CRS 模型和 VRS 模型还可算出决策单位的规模效率。θ0=1 时，决策单位达到纯技术有效，其经济含义是，决策单位的投入产出比已达最优化；在此基础上，还可计算规模效率 = 综合效率÷技术效率，即 SE=TECRS÷TEVRS。规模效率等于 1 时，决策单位的规模已达最佳；规模效率小于 1 时，决策单位的规模有待改进。

　　2.指标的选取

　　从现有文献看，以制造业效率为研究内容的文章。往往以分行业的总资产、从业人数、增加值、营业收入、净利润等作为投入产出指标，变量的选取偏向于以行业为单位统计的数据；而以上市公司绩效为研究内容的文章，常常以营业成本、股东权益、每股收益、主营业务收入、净利润等作为投入产出指标，变量的选取偏向于企业财务数据。

　　本文的研究内容为创业板制造业上市公司的绩效评价，所评估的决策单位是单个的上市公司，所以，选取投入产出指标以企业的财务指标为主，并兼顾其制造业企业的属性，选择一些具有制造业特征的指标。最终选取了三个投入指标和两个产出指标，投入指标为企业营业成本、总资产、员工数，产出指标为营业收入、净利润。

　　3.数据选取

　　笔者以 2010 年底前上市的 112 家创业板制造业上市公司作为分析样本，选取了样本公司 2011～2013 年的企业营业成本、总资产、员工数、营业收入、净利润 5个指标的数据。

　　实证分析

    由于制造业内不同行业间的技术水平不同，其生产可能性边界差距也较大，若对所有企业不加以区分，可能导致低技术水平行业的企业效率值较低。因此，依照OECD 根据 R&D 强度对制造业技术水平的划分，将涉及 18 个行业的 112 家样本企业分为高技术水平、中等技术水平、低技术水平三组，划分结果见表 1。

　　将样本企业按行业技术水平分组后，利用MAXDEA6.0软件，分别计算其综合效率、技术效率、规模效率，以及企业所处的规模效益阶段，结果整理见表 2。

　　结合表 2 的分析，创业板制造业上市公司的绩效有以下几个方面的特点：

　　1.总体

　　创业板制造业上市公司 DEA 效率较高，三年间的制造业平均综合效率分别为 0.851、0.820 和 0.850。达到DEA 综合有效的企业分别有 18 家、12 家、16 家，占样本的 16.1%、10.7%、14.3%。一方面，创业板制造业上市公司表现出了良好的绩效，好于全国制造业的整体表现；另一方面，这些企业还有一定的提升空间。以 2013 年为例，通过合理的资源配置，在保持产出不变的情况下，其要素投入仍有 15.0%的下降空间。

　　2.纵向比较

　　三年间样本企业的整体综合效率经历了先降后升的过程。从分行业技术水平看，中等技术行业与高技术行业平均综合效率都是先降后升，低技术行业平均综合效率却在三年间持续下降。结合样本企业的投入产出指标看，2011～2013 年这些企业作为投入的营务成本、总资产、员工数持续上升，但产出只有营业收入随着投入增加而上升，净利润却先下降后升，这一绩效的变化由综合效率的变化准确地反映了出来。

　　3.不同技术水平的行业平均综合效率

　　各行业的差距并不大，但随着行业技术水平的上升，综合效率却并没有随之上升。2011 年，低技术行业的平均综合效率甚至是最高的，达到了 0.898。高于高技术行业 0.888，中等技术行业 0.810，而对于我国制造业整体而言，综合效率会随着技术水平的上升而上升。不过这一情况正在转变，低技术行业的平均综合效率在三年间持续下降，而中等技术行业与高技术行业的综合效率在 2013 年的上升，带动了整个制造业平均综合效率的回升。

　　4.效率构成的情况

　　三类技术水平的行业平均规模效率差别都不大。三年间，制造业平均规模效率均高于平均的技术效率，根据综合效率＝技术效率×规模效率这一公式，创业板制造业上市公司的综合无效主要源自其技术效率。2012年，三类技术水平的行业平均技术效率相较 2011 年都有了较大幅度的下降，而规模效率下降的幅度均相对较小，说明当年样本企业绩效的下降，主要源自其投入产出比的下降。

　　为了进一步加深对创业板制造业上市公司绩效表现的把握，笔者借助 MAPINFO 软件，将创业板制造业上市公司的综合效率按地域整理。因篇幅有限，以下仅列出 2013 年各省平均综合效率及样本企业的地理分布，如下图所示。

　　上图中的（a）（b）（c）（d）分别为 2013 年制造业、高技术行业、中等技术行业、低技术行业的综合效率分布。总体而言，东部地区的创业板制造业上市企业的绩效好于中部，而中部又好于西部。东部地区的企业在数量上占了绝对优势，平均综合效率的优势也较为明显。2013 年最高的 5 个地区天津（0.967）、山东（0.905）、辽宁（0.905）、福建（0.900）、安徽（0.897），有 4 个来自东部地区，一个来自中部。然而，实际上进入前五名的东部地区的创业板制造业上市公司往往相对其他东部地区较少，中西部地区更是往往只有一家企业。这一现象在高技术行业的平均综合效率分布中更为明显。以上图中的（d）为例，2013 年高技术行业综合效率排名前五的地区为江苏（1）、上海（1）、安徽（0.979）、天津（0.958）、湖北（0.915），这些地区的这一类企业均不超过三家，而拥有高技术行业企业最多的广东、浙江、北京的平均效率却都位于中下游。可能在全国各地政府都在优先发展高技术产业、引导产业升级的背景下，创业板制造业上市公司特别是高技术水平的上市公司在那些高技术企业较少的地区很容易获得更多的政策倾斜，从而产生更高的竞争力。

　　结论与建议

　　笔者利用数据包络分析方法，以 2010 年底前上市的 112 家制造企业为样本，对我国创业板制造业上市公司进行了绩效评价，结果表明：

　　第一，创业板制造业上市公司的绩效整体较好，但这些企业的综合效率并未随着其行业技术水平的提高而提高，这两点均与我国制造业的整体表现不同。

　　第二，2011～2013 年，创业板制造业上市公司的整体绩效经历了一个先降后升的过程，2012 年绩效下降的主要原因是企业投入产出比的下降。大多数企业的规模效率较高而技术效率不足，因此，保持当前生产规模、提高生产效率是提升企业绩效的关键。

　　第三，创业板制造业上市公司，尤其是高技术企业往往在同类企业较少的地区表现较好，政府的扶持对企业竞争力的提升有很大帮助。对中西部地区的政府而言，扶持一到二个高技术上市公司，进而拉动地区的创新能力会是一个可行的方案。

　　参考文献：

　　[1]逯东，林高，杨丹.政府补助、研发支出与市场价值———来自创业板高新技术企业的经验证据[J].投资研究，2012（9）：67－81.

　　[2]刘磊，李海燕，庞遥遥.企业技术创新与政府补贴行为间关系的实证研究———基于创业板上市公司的经验证据[J].技术经济，2013(12)：21－24.