王雪青,张帆
(天津大学管理与经济学部,天津 300072)
建筑业是国民经济支柱产业,我国建筑业规模日益增大,1952—2008年,建筑业总产值由57亿元增长到61144亿元,增长了1071倍;建筑业从业人数由1952年的99.5万人增加到2008年的3253万人,增长了近32倍。2008年建筑业实现增加值17071亿元,占全国 GDP的5.68%,实现利润1756亿元,上缴税金2058亿元[1]。我国处于特定经济发展阶段,建筑业不仅承担着转化固定资产、形成有效国民财富的使命,同时在一定程度上承担着转移农村剩余劳动力、改变城乡二元结构和建设节约型、环境友好型社会的使命[2]。因此,建筑业健康有效发展有着重要意义,本文参考我国承包商60强企业排名并结合建筑业上市公司数据选出19家建筑企业作为研究对象,对我国建筑业效率进行分析。选取的19家建筑企业均为专业内领先企业,能反映出我国主要建筑业企业发展水平,分析其间差异能更加合理优化建筑业整体水平。
目前,我国许多学者对建筑业效率进行了研究,本文从行业、区域和企业角度进行区分。行业角度出发,王劲松、张雁、邹广荣(2001)通过利用DEA模型对1980—1994年香港建筑业生产效率进行研究,分析了香港建筑业总体发展状况[3]。李忠富、邹心勇、李国良(2008)利用 Malmquist指数对1997—2005年我国建筑业效率进行动态分析[4]。董宇晴、魏玉嫔、王维国等(2010)利用多元回归法对1997—2008年我国建筑业效率进行分析,并重点研究了2008年金融危机对我国建筑业的影响[5]。区域角度出发,阮连法、张跃威(2009)运用DEA理论引入和谐度概念,评价浙江省建筑业的现状[6]。李伟、李光辉、李月娟(2009)利用DEA方法以我国31省建筑业为研究对象,分析了各省份建筑业效率差异[7]。戴永安、陈才(2010)运用 DEA-Tobit模型对我国省际建筑业效率和影响因素进行研究[8]。企业角度出发,陈永高、周明荣、钟振宇等(2010)运用DEA方法对2007—2008年我国28家上市建筑业企业效率进行分析,并给出排名[9]。
国外建筑业效率研究主要集中于微观层次,我国学者多侧重国家区域等宏观层面。本文从公司视角出发,对选出的19家代表性企业进行横向和纵向对比,并对影响建筑业企业效率的因素进行分析,着重研究了2008年金融危机后我国建筑业企业现状及未来发展趋势,并根据分析提出针对性政策建议。
DEA由 A.Charnes和 W.W.Cooper等人于1978年创建,它是经济学中生产函数向多产出情况的一种推广,由于它的客观性和简便性,使其在管理和工程领域得到广泛运用[10],本文采用DEA方法对我国建筑业企业效率及影响因素进行分析,DEA模型一般要求样本数为指标数的2~3倍,本文指标数为5,样本数为19,能够有效分析各企业之间差异。
DEA是一种非参数评价方法,利用线性规划以最接近所有样本点的外包络面为准则,定义最理想状态下的生产函数[11]。DEA针对多投入多产出问题,将评价单元看作是一个决策单元,再由众多决策单元组成评价群体,通过对投入产出的比率进行综合分析,得到决策单元的综合效率的数量指标。将决策单元的投入产出权重作为变量进行数学规划,确定有效生产前沿面,根据各决策单元和有效生产前沿面的距离确定各决策单元是否有效。有效决策单元综合效率值为1在有效生产前沿面上,弱DEA有效及无效决策单元综合效率值小于1。
假设规模效益不变,DEA模型可表示为CCR形式:
Malmquist指数测度了在时期t的技术条件下,从时期t到t+1的综合效率和整体生产率的变化程度。Fare(1990—1994)提出了基于DEA的Malmquist指数分析生产率的变化,将DEA的投入产出指标融入 Malmquist生产率指数,并证明Malmquist生产率指数可分解为效率变化和技术变化两部分,并可将效率变化进一步分解为技术效率变化和规模效率变化[12]。具体表现形式如下:
式中:M 为 Malmquist生产率指数;xt,yt,xt+1,yt+1为决策单元第t,t+1期输入、输出变量;TC为技术变化;EC为效率变化;PTEC为纯技术效率变化;SEC为规模效率变化。
由于DEA模型计算出的各地区效率值的取值范围是[0,1],任何一个决策单元的效率值最大为1属于截断数据,若直接以效率值为被解释变量建立计量模型,用普通最小二乘法对模型进行回归将无法完整地呈现数据,参数的估计将是有偏且不一致的;而遵循最大似然法概念的Tobit模型能够很好地解决这个问题,在实践中多数研究也均采用Tobit模型处理截断数据计量模型问题[8]。
本文采用政府指定公司信息披露网站巨潮网及各公司年报数据。其中上海建工2007年公司员工数据缺失,但2006、2007年报均明示员工队伍稳定,因此取2005年数据代替。
DEA模型投入指标选取固定资产净值、主营业务成本和在职员工数,这三个指标代表了建筑业投入的三个方面:固定资本投入、劳动成本、劳动力数量。产出指标选取主营业务收入和净利润,这两个指标代表了企业市场领导力和利润创造能力。总体上看,投入产出指标反映了建筑业企业投入产出的主要方面,能对我国建筑业企业效率进行有效的区分。
Tobit回归影响因素选技术人员占比、人均总资本、资产收益率和国有股权占比,这些因素代表了企业的技术研发能力、资本扩张能力、企业运营能力和产权结构,是我国建筑业企业目前关注的热点。
首先,按国有资产分类标准,将所选取的19家建筑业企业分为中央企业、地方企业和民营企业三大类。
表1 我国主要建筑业企业分类
应用产出为导向的BCC模型,利用deap2.1软件对我国19家主要建筑业企业效率进行分析,结果见表2。
表2 我国主要建筑业企业平均生产效率分析
从表2数据可以看出我国中央企业综合效率均值(OE)逐年稳定增长,地方企业综合效率均值在0.9附近波动,民营企业综合效率均值先升到0.946峰值后又大幅下降,民营企业综合效率均值高于中央企业和地方企业,综合效率可以从规模效率和技术效率两方面进行分析。
从规模效率均值(SE)变动来看,中央企业、地方企业和民营企业效率均值均有一定提升,但仍处于规模无效阶段。根据2003—2007年我国双六十强企业营业额统计数据(中国建筑业统计年鉴),可以计算出我国前八家建筑企业绝对集中度CR8约为12.9%,美国、欧洲、日本等发达国家CR8均在30%左右,参照产业经济学理论,我国建筑业企业仍处于分散竞争阶段规模偏低。
从纯技术效率均值(PTE)变动来看,中央企业和地方企业纯技术效率均值(PTE)先下降后回升,民营企业纯技术效率均值先下降后小幅回升。2008年金融危机对我国经济产生较大负面影响,中央企业和地方企业得到政府经济和政策上较多支持快速走出困境,民营企业回复速度相对缓慢。
表3 我国主要建筑业企业malmquist指数及分解项分析
从表3可以看出,地方企业和民营企业Malmquist生产率指数(以下简称M指数)均大于1,中央企业M指数小于1,这表明地方企业和民营企业总体发展态势良好,中央企业总体发展态势欠佳,下面对M指数分解分析。
M指数可分解为效率变动(EC)和技术变动(TC),效率变动表示了同生产前沿面相比,实际产出和最优产出之间的差距;技术变动表示了生产前沿面的变动,即技术进步或退步。从表中可以看出中央企业总体态势下滑主要是因为技术变动下降,中央企业规模较大,固定资产更新成本高,相对而言技术变动速度稍慢。
效率变动又可以分为纯技术效率变动(PTEC)和规模效率变动(SEC),从表中可以看出我国中央企业纯技术效率变动较高,表示中央企业管理水平和资源配置能力较高;中央企业规模效率变动大于1,表示中央企业规模向着更优方向发展。
上文从投入产出角度对我国主要建筑业企业效率进行了比较分析,但在实际决策中效率还受其它一些重要因素影响如科研实力、产权结构等,下文以DEA运算得出的综合效率值为因变量,以其它影响我国建筑业企业的因素为自变量,构建Tobit回归模型。
首先做如下假设:
假设1:技术人员在员工中的比例越高,建筑业企业的综合效率越高。2008年金融危机后,缺乏核心技术的中小企业生存日益困难,提高企业科研技术实力变得更加重要。
假设2:人均总资本越高,建筑业企业的综合技术效率越高。人均总资本反映了企业的资本扩张能力,体现了企业管理水平和资源配置水平。
假设3:资产收益率越高,建筑业企业的综合技术效率越高。资产收益率反映了企业的运营能力和盈利能力,体现了企业在市场中的适应力和竞争力。
假设4:国有股份占比越高,建筑业企业综合技术效率越低。股份制公司股权比例对公司决策、公司治理和约束方式都有极大影响,国有资产产权单一,适当引入其他所有制形式可以有利于决策。
由上述假设得Tobit回归模型如下:
式中:α0为常数项,α1,α2,α3,α4为相应的自变量的回归系数;i为公司数 i=1,2,3,…;t为期间数 t=1,2,3;ε为残差项;Jit表示第i个决策单元在第t期技术员工所占比例;Rit表示第i个决策单元在第t期人均总资本占有量;Zit表示第i个决策单元在第t期资产收益率;Git表示第i个决策单元在第t期国有股权所占比例。
采用eviews 6.0软件对上述建筑企业综合效率进行Tobit回归分析,结果如表4所示,从中可以看出:
(1)建筑业企业技术人员在员工中所占比例与建筑业企业综合效率呈显著正相关。建筑业企业技术研发能力越强,越能提高公司技术优势,这表明公司应加强科研技术的投入力度,使公司能保持较高的效率。
表4 我国主要建筑企业效率影响因素的Tobit回归结果
(2)人均总资本与建筑业企业综合技术效率呈正相关。人均总资本代表了企业的管理水平和合理配置资源的能力,这表示企业应更好地提高管理水平完善管理制度,提高资源配置能力。
(3)资产收益率同建筑业企业综合技术效率呈显著正相关。资产收益率越高企业运营能力和盈利能力越强。
(4)国有股份占比同效率值呈不显著正相关。这说明国有股份占比并不是越高越好,应适当增加股权的多样性,从目前我国特殊国情来看,国有资产在重要产业部门仍要占据主导地位,这有利于我国经济正常发展,从公司年报数据可以看出,近年来,我国主要建筑业企业股权多样性也在大大提高。
本文运用DEA-Tobit方法对我国主要建筑业企业效率及其影响因素进行了分析,从中可以看出:第一,2007—2009年中央企业效率有一定的增长,地方企业效率在0.9附近波动,民营企业先达到0.946峰值后大幅下滑。第二,从M指数可以看出,地方企业和民营企业总体发展态势良好,中央企业仍存在一定问题。第三,Tobit回归模型表示我国主要建筑业企业效率和技术人员占比、人均总资本、资产收益率呈不同显著水平的正相关,同国有股份占比呈不显著正相关;这表示我国建筑业企业要加强技术研发投入,提高企业管理水平,提高企业运营能力和盈利能力。本文对我国建筑业企业具体建议如下:
(1)提高建筑业产业集中度,做大做强我国建筑行业。对我国建筑业企业实行分层治理,鼓励我国顶尖建筑企业特别是一些中央企业做大做强,从而有效整合我国建筑业资源,提高建筑业整体实力,避免整个建筑行业的无序投入和资源浪费。
(2)提高建筑业企业技术研发和创新能力,缩小同国际水平差距。应建立起规范有效的技术研发和创新体系,保证充足的资源供应,对内提高自主研发能力,对外引进消化吸收并形成自主核心技术,提高我国建筑业企业核心技术力量,从而提高整体效率。
(3)提高建筑业企业管理决策水平,引导企业快速发展。通过引进新的管理模式,如EPC、BOT、PMC等先进理念,提高公司经营效率;完善公司组织模式,促进员工知识共享,提高企业管理水平和决策水平。
(4)提高企业运营能力和盈利能力,保证企业健康发展。有效鉴别企业核心竞争力,发挥企业优势资源,增强企业在建筑市场的竞争力。
[1]姜伟新.继往开来推进城乡建设事业科学发展[J].中华建设,2009,18(10):6 -11.
[2]建设部工程质量安全监督与行业发展司.中国建筑业改革与发展研究报告[M].北京:中国建筑工业出版社,2006.7-9.
[3]王劲松,张雁,邹广荣.香港建筑业生产效率的计算与分析[J].华南理工大学学报,2001,29(5):94 -97.
[4]李忠富,邹心勇,李国良.中国建筑业全要素生产率的变迁:1996—2005 年实证分析[J].土木工程学报,2008,41(11):106-111.
[5]董宇晴,魏玉嫔,王维国,等.国际金融危机对中国建筑业产出影响的实证分析[J].科技管理研究,2010,31(19):72 -75.
[6]阮连法,张跃威.基于DEA方法的浙江建筑业发展评价研究[J].技术经济与管理研究,2009,32(6):22 -24.
[7]李伟,李光辉,李月娟,等.基于DEA模型的我国各省区建筑业生产效率评价实证研究[J].科技进步与对策,2009,26(21):153-155.
[8]戴永安,陈才.中国省际建筑业效率差异及其影响因素研究[J].中国软科学,2009,26(1):87 -95.
[9]陈永高,周明荣,钟振宇,等.基于超效率DEA的上市建筑企业经营效率分析[J].武汉理工大学学报,2010,32(3):502-506.
[10]魏权龄.数据包络分析[M].北京:科学出版社,2004:46-89.
[11]CHARNES,C R.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,35(2):429-444.
[12]FARE,G,KNOX L.The measurement of efficiency of production[M].Boston:Kluwer-Nijhoff.1985,23(2):11-18.