基于DEA模型的生物质能源企业经营效率分析

朱静芸，张彩虹

（北京林业大学 经济管理学院，北京 100083）

理论研究

基于DEA模型的生物质能源企业经营效率分析

朱静芸1，张彩虹2

（北京林业大学 经济管理学院，北京 100083）

选择16家2008年前上市的生物质能源企业，并按照其所处生产环节分为4类，分别选择固定资产账面价值、在职员工人数、主营业务成本作为投入指标，选择主营业务收入、基本每股收益、利税总额作为产出指标，建立基于可变规模效益的DEA模型（BBC模型）。分析发现：2008-2012年样本企业经营的技术效率稳步提升，基本达到DEA有效，但由于规模效率的波动较大，导致至2012年，企业经营的综合效率普遍无效，无较大改善，且大多处于规模报酬递减阶段，以生物质设备企业最为严重。我国生物质能源企业存在大面积规模冗余，生产经营规模与效率不匹配，需适当减少投入、控制成本、提高生产效率、原材料利用率，才能逐步提高企业经营绩效，形成竞争力，站稳市场。

数据包络分析；生物质能源企业；规模效益；经营效率

经济快速发展的今天，能源消耗越来越大，2013年我国人均能源生活消费量达到293.8kg标准煤，比2012年增大5.57%，能源供需缺口逐年增大，2013年我国能源缺口为3.5亿吨标准煤，比2012年增大17.12%[1]。能源是一个国家发展的基本动力和支撑，发展新型可再生能源变成当今经济发展的主题之一。2013年我国可再生能源的消费量达到了2.74亿t油当量，比2012年增加8.47%，占到我国能源总消费量的9.61%。生物质能源是可再生能源中非常具有发展前景的一种，我国生物燃料产业正在逐年发展，至2013年我国生物燃料年产量达到了168万t油当量，比2011年增长5.20%[2]。近年各类生物质能源相关企业逐渐发展起来，但由于我国自主研究的生物质能源开发利用技术和设备较少，依赖进口程度高，生物质能源产品成本较高；同时生物质能源产业发展规模化较低、风险大，影响了企业进入的积极性[3]；另生物质能源产业既是劳动密集型产业，又是资本密集型产业，投资规模大、资本回收期长，很难具备价格优势[4]，这些障碍都影响着生物质能源企业的经营绩效。

边光辉（2012）发现生物质发电企业的成本比火电高出50%，在0.8元/kw以上，年利润500万元，收集半径的扩大更是让生物质电厂普遍亏损[5]。陈丽辉（2011）分析了2010年昌图生物质发电有限公司的成本效益，发现该年度公司各项成本普遍超支，年利润亏损超过千万，通过盈亏平衡测算发现若要想保本运行，上网电价需高于政府当时规定的电价[6]。发展生物质能源意义重大，生物质能源企业经营面临挑战，但有关我国生物质能源企业经营绩效的定量研究却很少，因此本文将对生物能源企业进行分类并利用DEA模型分析、评价其经营效率。

1 DEA方法与应用机理

数据包络分析简称DEA，是1978年由著名的运筹学家A.Charnes.和W.W.Cooper等学者在“相对效率评价”的概念基础上发展起来的一种新的系统分析方法[7]。DEA方法中包含多种模型，基于规模报酬不变的CCR模型和基于规模效益可变的BCC模型是较为常用的两种，考虑到使用BCC模型可将技术效率进一步分解为纯技术效率和规模效率，可用来判断企业所处规模效益报酬变化的阶段，本文选用BCC模型[8]。BBC模型又分为产出导向和投入导向两种形式，投入导向为在产出数量不可变时优化投入至最小，而产出导向则为在投入数量不可变时将产出优化至最大，对于生物质能源企业而言，可以自行调整其投入要素，产出则不易控制，所以本研究选用投入导向BBC模型。

DEA方法基于数学规划模型对目标进行相对有效性的分析评价，适用于多输入和多输出的情况[9]。本文的研究对象为16家上市生物质能源企业，可以看做16个具有相同任务、相同目标，处于相同环境并且具有相同输入和产出的同类型决策单元。每个企业的投入指标和产出指标，可以构成各自的输入矩阵X和产出矩阵Y，以及各自的权向量u和v，经过推导，得到如下线性规划[10]，如下公式所示。

此时可以求得最优解 λ*,,,θ*，当θ*=1且时，DMU有效，即技术和规模均有效；当θ*=1且≠0,≠0时，DMU弱有效，即技术有效但规模效率小于1；θ*＜1且≠0,≠ 0 时，DMU无效，即技术和规模均无效，此时还可以继续通过比较与1的大小来判断生产决策单元规模报酬情况所处的阶段（规模报酬递增、不变或者递减）。

DEA模型在效率评价中的应用非常广泛，宏观上它主要运用在农业[11]、林业[12]生产以及能源的利用效率评价中；而微观上，它则广泛使用在各类企业经营效率的评价中，包含了矿产资源类企业[13]，木材加工企业[14]，新能源企业[15]，证券公司等。彭新（2005）用DEA方法分析了江南证券公司网站能源板块的上市公司2003年12月31日的基本面数据，提出经营者应以规模效益指示来改善经营规模，选择投资对象[15]；姜洋（2010）利用超效率DEA模型对伊春国有林区的16个林业局2008年的数据进行分析，发现林区整体在天保工程实施后发展效率较高，个别林业局的发展效率则相对较低[16]；温秀晶（2010）利用DEA模型分析发现1995-2007年由于规模效率我国能源综合利用效率水平呈现下降趋势，全国范围内煤炭企业的综合效率大都未达到DEA有效[17]；陈莉（2012）分析了我国17家新能源上市公司，建立BCC模型，发现2008-2010年整个新能源上市公司的综合效率较高，投入冗余和产出不足是造成部分公司无效的主要原因[18]。但DEA方法在生物质能源企业经效率营绩效评价中应用方面，国内文献资料未见报道。

2 指标选取与数据来源

借鉴前人使用DEA方法对各类企业经营效率进行的研究，本文从企业投资规模、生产规模以及生产成本三个方面分别选择固定资产账面价值、在职员工人数、主营业务成本作为投入指标，反映生物质能源上市企业一定时期的整体投入情况（其中，固定资产账面价值=固定资产账面原值、累计折旧、固定资产减值准备）；从经常性和主要业务、所有者权益的变动情况、企业整体的利润收入三个方面选择主营业务收入、基本每股收益、利税总额作为产出指标（其中，利税总额=利润总额+营业税金及附加），反映生物质能源上市企业一定时期的整体产出情况。考虑到数据的可获得性以及资料的完整性，本文选择了16家2008年以前上市的生物质能源企业作为分析对象，从2008—2012共5年的各年年度报表（来自:http://www.cninfo.com.cn）中搜集整理获得上述投入及产出指标的具体数据，应用DEA方法中的BBC模型对其经营效率进行分析评价。

3 模型计算与结果分析

3.1 总体分析

由于DEA方法的限制，在建模前先对数据进行归一化处理，将所有数据化为0-1之间的非负值，再使用DEAP软件对16个生物质能源企业5年的数据进行总体分析，得到如下结果。

总体上看，我国上市生物质能源企业的经营效率并不理想，存在普遍的技术无效和规模无效，达到DEA有效的企业占不到三分之一。 2012年16家企业的平均综合效率值为0.851，平均技术效率值为0.977，规模效率值为0.836，5年内技术效率有较大幅度的提升，而规模效率的波动起伏造成了综合效率成的波动，未有明显改善。从2008年到2012年，处于规模报酬递增阶段的企业由8个减少至1个，而处于规模报酬递减阶段的企业则由8个增加至10个，说明企业对各类生产投入的使用没有达到效益最大化，存在浪费和冗余，为避免直接减少投入过度影响生产和效益，企业可以通过提升机器设备性能、提高人力资本和资金的使用效率来配合过大的规模。

表1 2008-2012年16家企业平均经营DEA效率

3.2 分类分析

考虑到DEA效率是一种“相对效率”，为了增强企业间的可比性，同时使分析结果更为清晰，按照企业在产业链中所处的位置以及主营业务将其分为上游原材料（包括玉米深加工等）企业、生物质燃料（包括甲醇汽油、乙醇汽油等）企业、生物质能设备企业、生物质发电企业4类，并根据新分类，重新对各类型的生物质能源企业进行DEA分析，得到如下数据表和柱状图:

图1 4类生物质能源企业2008-2012年经营效率柱状图

3.2.1 总体效率

4类生物质能源企业的综合效率在5年内总体呈波动形态，且均未达到DEA有效。2008年上游原材料企业和生物质燃料企业的综合效率明显低生物质能设备企业和生物质发电企业，在0.75以下，但经过逐步上升，至2012年已反超。其主要原因是前者的技术效率在5年中大幅度提升，而后者的规模效率则明显下降导致。除此之外，还可以清楚看到2011年是所有生物质能源企业的低谷，且在2012年有回弹现象。

表2 4类生物质能源企业2008-2012年经营效率

3.2.2 技术效率

4类生物质能源企业的技术效率在2008-2012年均有不同程度的提升，其中生物质能设备企业和生物质发电企业的技术效率在5年间一直保持在较高状态，至2012年达到DEA有效；上游原材料企业和生物质燃料企业的技术效率在2008年处于较低阶段，之后稳健提升，至2012年几乎达到有效，这意味着这些生物质能源企业通过引进国外先进技术和设备并一定程度的自主研发，已达到了当前技术水平的最佳状态。

3.2.3 规模效率

4类生物质能源企业的规模效率在5年间均无效且有不同程度的波动，成w型。2008年，各类别企业的规模效率相差不大，考察期间生物质能设备企业和生物质发电企业的规模效率明显下降，且至2012年，近50%的上游原材料企业和生物质燃料企业以及全部生物质能设备企业和生物质发电企业均处于规模报酬递减状态。这意味着生物质能源企业存在着普遍的规模冗余现象，尤其是生物质设备企业最为严重。这主要是因为上游原材料企业和生物质燃料企业规模相对较小，调整灵活性高，易于更新设备、改变生产计划，而生物质能设备企业和生物质发电企业则拥有大量大型设备，更新周期较长，更新费用较高，很难短时间调整其生产规模。

4 结论

尽管已不断引进国外先进的技术和设备并积极自主研发，我国生物质能源企业的经营绩效因受到规模冗余的影响仍然存在大面积的经营效率低下，且整体从递增阶段转入规模效率递减阶段。在2008—2012年期间4类生物质能源企业的技术效率全面提升几乎均达到有效，但规模效率波动，尤其生物质能设备企业和生物质发电企业的规模整体从规模效率明显降低，这直接导致了我国生物质能源企业经营的综合效率的不理想，但上游原材料企业和生物质燃料企业的综合效率有明显提升。

我国生物质能源企业的发展仍不够成熟，投资回收期较长，在市场上面临着极大的挑战，企业应适当减少投入，调整规模，使用先进设备以降低能耗、提高原料使用效率，又因为生物质能源企业需要引进大量的国外技术和设备，成本费用较高，要加强控制，才能提高经营效率增加报酬。

本研究使用DEA方法对生物质能源企业进行经营效率进行评价效果良好，根据一定的指标判断企业的投入产出绩效，并将效率分为技术效率和规模效率，使分析造成无效的原因成为可能。但由于它所进行的效率评价是相对的，有一定偏差，综合效率等于1并不一定代表企业的经营是高效的；同时此方法对样本量的要求较大，指标选择较多时会产生较大误差。

[1] 中华人民共和国国家统计局.中国统计年鉴2013 [M].北京：中国统计出版社,2014.

[2] BP中国. BP世界能源统计2013[DB/OL]. [2013-12-01] （2014-08-23）http://www.bp.com/zh_cn/china/reportsand-publications.html.

[3] 管天球.我国生物质能源产业发展存在的问题及其优化对策[J].湖南科技学院学报,2010,31(4):71-74.

[4] 孙凤莲,王雅鹏,王薇薇.我国林木生物质能源产业发展的区域定位和替代潜力及开发利用对策[J].农业现代化研究,2010 (3):325-329.

[5] 边光辉.我国生物质发电企业发展战略研究[D].北京:北京交通大学,2012.

[6] 陈丽辉.生物质发电企业成本管理研究[D].北京:华北电力大学,2011.

[7] Charnes, ACooper WW, Rhodes E. Measuring the Efficiency of Decision Making Units[J].Europe Journal of Operational Research,1987,6(2):429-444.

[8] 杨朔.陕西省耕地生产效率研究[D].西安:西北农林科技大学,2011.

[9] 马立杰.DEA理论及应用研究[D].济南:山东大学,2007.

[10] 王惠莹.基于DEA的辽宁省农业生产效率研究[D].北京:北京交通大学,2012.

[11] 黄卫国.基于DEA模型的我国农业生产效益评估[J].西南农业大学学报：社会科学版，2009,7(3):69-73.

[12] 田淑英,许文立.基于DEA模型的中国林业投入产出效率评价[J].资源科学,2012,34(10):1944-1950.

[13] 张宝友.基于DEA 的我国矿产资源类企业绩效研究[J].工业技术经济,2010,29(3):75-77.

[14] 侯晓丽.基于数据包络分析方法的我国木材加工企业效率实证研究[D].北京:北京大学,2012.

[15] 彭新.DEA分析在上市公司绩效评价中的运用—— 以能源板块为例[D].北京:对外经济贸易大学,2005.

[16] 姜洋.天保工程实施后伊春国有林区生物质能源发展相对效率分析[J].林业科技,2010,35(2):65-67.

[17] 温秀晶.基于面板数据DEA方法的能源利用效率与能源企业效率分析[D].呼和浩特:内蒙古大学,2010.

[18] 陈莉.我国新能源上市公司绩效评价研究[D].合肥:安徽大学，2012.

[责任编辑：郑德胜]

Study on Operation Efficiency of Biomass Energy Enterprises Based on DEA Model

ZHU Jing-yun, ZHANG Cai-hong
(College of Economics and Management of Beijing Forestry University, Beijing 100083, China)

This paper selected 16 listed biomass energy enterprises which listed before 2008, and classified theminto 4 categories according to their production processes. Then took book value of fixed assets, the number of employees, main business cost index as input indicators and main business income, basic earnings per share and profit tax amount as output indicators, established DEA model based on the variable of scale model (BBC Model). The study found that technical efficiency of these enterprises rose steadily from2008 to 2012, and basically reached DEA effectivity, but combined efficiency was quit lower because of the fluctuation of scale efficiency’s volatility. There is no obvious improvement but a trend to scale diminishing returns, especially the biomass equipment company. It was indicated that there was large redundancy of scale in biomass energy enterprises in China and it was necessary to reduce the investment and improve the production efficiency in order to gradually increase the operation performance, be competitive and capture the market share.

DEA; biomass energy enterprises; scale efficiency; operation efficiency

C931.6

A

1673-5919（2014）05-0005-04

2014-09-02

联合国开发计划署-中国生物质颗粒燃料炉/窑排放标准制定研究及合同能源管理运营模式示范项目（CPR/13/304/14/002）；国家发展和改革委员会气候司项目（201304）

朱静芸（1989-），女，河南西平人，硕士研究生。

张彩虹（1965-），女，河南人，博士，教授，博士生导师，从事农林生物质能源发展、统计学方面研究。