我国农业生物育种上市公司经营效率评价——基于因子分析和Malmquist指数的数据包络分析

(1.四川大学锦城学院 金融学院,四川 成都 611731;2.四川农业大学 管理学院,四川 成都 611130)

我国农业生物育种上市公司经营效率评价
——基于因子分析和Malmquist指数的数据包络分析

彭肖肖1,陈冬冬2

(1.四川大学锦城学院 金融学院,四川 成都 611731;2.四川农业大学 管理学院,四川 成都 611130)

基于2009—2015年15家农业生物育种上市公司面板数据,采用因子分析法对目标指标进行降维,构建全局参比Malmquist指数模型,对生物育种上市公司的全要素生产率进行实证研究。结果表明:生物育种上市公司全要素生产率总体呈波动状态,在明显的增长态势期间,技术改善和进步对全要素生产率起决定性作用，但技术进步不能保持,导致全要素生产率下降,证明需要加强技术改善的持久力;各行政地区全要素生产率增减波动较大,每年各地区技术变化总体一致，动物育种上市企业生产要素资源配置更稳定。根据结论,针对农业生物育种上市公司经营情况,提出加强生物育种技术研发、鼓励科研成果的转化及推广、加大企业分类指导和促进企业间交流等建议。

生物育种;经营效率;Malmquist指数;全要素生产率;因子分析

1 引言

如今,农业生物技术是推动现代农业科技创新和生物育种产业发展的重要支撑,已成为世界各国科技发展的竞争焦点和新兴产业发展的战略重点。截止2015年末,我国农业生物育种上市公司共15家,其中作物育种公司8家,包括传统种子的育种和转基因抗虫棉、杂交水稻等高科技种子的研发;动物育种公司7家,其中包括猪、牛等畜牧育种,虾、海参和罗非鱼等水产育种。针对我国农业生物育种公司经营特征,对生物育种上市公司的经营效率进行研究,全面准确评价生物育种上市公司的经营能力。

早期的研究多使用C2R模型,对农业上市公司进行静态效率分析。大部分学者发现我国农业上市公司的平均效率较低,且公司间效率值差距显著,部分公司效率值在不同年份之间存在着较大的波动性[1]。我国农业上市公司总体效率低下的原因是纯技术效率和规模效率共同影响的结果[2]。此后,多数学者对农业上市公司效率的静态分析逐步转向静态和动态结合分析。部分学者运用SORM-BCC超效率模型对我国农业部分上市公司样本年间的经营绩效及影响因素进行了评价和分析。从静态来看,由于农业上市公司规模效率不高,使综合技术效率普遍偏低。从动态来看,发现技术水平变化是全要素生产率增长的强劲来源。然而由于规模效率变化明显衰退,影响了经营绩效的进一步提升[3]。部分学者运用数据包络分析中的Malmquist指数对农业类公司进行了静态和动态相结合的效率分析。张广宏等发现,农业类细分行业的发展极不均衡,有的细分行业如渔业、种植业全要素生产率增长较快,而林业、畜牧业生产率增长较缓慢,行业之间发展不均衡[4];赵红发现,我国农业保险公司技术效率偏低,主要是由规模效率偏低造成,技术进步效率下滑是全要素生产率下滑的主要原因,影响我国农业保险公司经营效率的因素各不相同[5]。

在效率评价领域,农业类上市公司效率分析的研究已经十分丰硕,但农业生物育种类公司的效率研究较少。基于此,本文以农业生物育种上市公司为研究对象,通过因子分析筛选出目标指标,并构建全局参比Malmquist指数模型,对生物育种上市公司的全要素生产率进行测度。

2 模型简介

Malmquist指数分析是指当被评价决策单元的数据为包含多个时间点观测值的面板数据时可对生产率变动情况、技术效率和技术变化对生产率变动所起的作用进行分析[6]。本文使用的模型是由Pastor、Lovell提出的一种Malmquist指数计算方法,是以所有各期总和作为参考集,即各期共同的参考集为:

(1)

由于各期参考的是同一前沿,因此计算得出的也是单一的Malmquist指数:

(2)

Malmquist指数可分解为纯技术效率变化、技术变化和规模效率变化:

MI=PEC×SEEC×TC

(3)

由于被评价“DMU”包含在参考集内,所以全局参比Malmquist指数不存在VRS模型无可行解问题。同时,全局参比Malmquist指数具备传递性,可累乘。因此,本文将采用全局参比Malmquist指数对中国生物育种上市公司的全要素生产率进行研究。

3 数据来源与指标选取

基于生物育种上市公司官网公开披露的审计报告和国泰安数据库,选取2009—2015年我国15家农业生物育种上市公司的财务数据作为模型计算经营效率的原始数据。根据农业类公司计算经营效率的相关文献[7-9],共选取13个财务指标作为初始指标,见表1。

表1 初始指标选取

表2 因子得分系数矩阵

注:提取方法为主成分分析法、旋转方法、最大方差法。

使用SPSS软件进行因子分析,其中KMO统计量为0.725,Bartlett球形检验P值为0.000,所选数据来自正太分布总体,可进行因子分析。基于最大特征根法,本文提取了四个公共因子,累积贡献率89.120%。以财务报表分析原则为命名依据,对四个主成分因子分别命名为盈利因子、偿债因子、资金流动性因子、资本因子,见表2。研究因子归并结果与多数文献归并结果大致相同[7-9]；不同的是将资产负债率和负债与所有者资产比率归并入资本因子,用以反映公司经营资本状况与资产负债结构。由于主营业务利润得分在四个主成分因子中均不高,根据相关文献分类结果[9],将其归并入盈利因子。计算2009—2015年各生物育种上市公司的因子得分。

4 实证结果分析

借鉴季凯文等学者文献中的投入—产出指标分类[10，11],以偿债因子、资金流动性因子、资本因子作为投入指标,以盈利因子作为产出指标，将衡量全要素生产率的Malmquist指数分解为技术效率增长、技术进步和规模效率[5,12-14],对2009—2015年15家生物育种上市公司经营效率进行分析。

4.1 基于全要素生产率的经营效率分析

由测算结果可见,全要素生产率的平均值仅为0.9231,标准差7.9629,即生物育种上市公司平均全要素生产率处于下降状态,各公司全要素生产率差异较大。其中，2013年敦煌种业和2014年万向德农全要素生产率较高,分别为75.7431和11.9809,主要原因是在技术变化和规模效率变化较小的情况下,敦煌种业(98.4201)和万向德农(7.6862)纯技术效率值大幅度增长。

从纯技术效率变化来看,各样本公司之间具有显著性差异,在研究时间内增减上下波动趋势明显。从技术变化来看,在样本期内技术变化的波动性较大,且各公司技术变化方向一致。在2011年和2014年,各公司技术进步幅度大,除2014年西部牧业(0.7722)以外,其他生物育种公司技术变化均大于1,即处于技术进步时期。2012年技术退步,主要原因在于“三农概念股”的提出,投资者对生物育种上市公司的发展前景看好,大量的资金涌入,使生物育种上市公司将关注力更多地投向市场,并针对市场需求专注于研发,而研发和人才的引进等工作弹性较小,短时间内成效并不显著,导致技术研发和人才引进等技术变化出现暂时下降状态。技术变化趋势一致,表明技术变化与国家相关政策以及技术研发水平等息息相关,国家政策和经济环境是影响生物育种企业技术变化的重要因素。在技术革新迅速的时代,新技术很快会取代传统技术,而新技术的引入和使用需要较长时间,则会出现相对技术退步现象,即技术存在周期性变化。从规模效率变化来看,相比纯技术效率变化和技术变化,规模效率变化波动较小,对全要素生产率的影响也相对较小。

以全要素生产率作为对象,生产率均值排名第一的是隆平高科(1.1640),居中的是丰乐种业(1.0178)与东方海洋(0.9748),靠后的是ST獐岛(0.5441)。在研究时间范围内,全要素生产率均值排名前三的隆平高科、登海种业和壹桥股份的规模效率变动均较平稳,主要受技术变化影响。从全要素生产率居中的丰乐种业和东方海洋的对比来看,其技术变化和规模效率变化差异较小,最终导致东方海洋生产率下降,而丰乐种业生产率提高的原因是纯技术效率的差异。总体看,在生物育种上市公司中,技术变化是导致全要素生产率变化的主要原因,而纯技术效率也会影响全要素生产率的变动。不仅如此,大部分时间段内,各企业纯技术效率和技术变化普遍呈反向变动关系,生物育种公司上市普遍存在管理能力和技术运用不平衡、不匹配现象。

根据模型结果,计算生物育种上市公司的年均Malmquist指数,见表3。我国生物育种上市公司的年均全要素生产率呈现明显的波动特征,总均值减幅达7.69%,总体上呈现“下降→上升→下降→上升”的趋势,其中下降阶段为2009—2010年、2011—2013年、2014—2015年,2013年达到最低点,减幅为11.96%,2014年达到最高点,增幅为36.16%。2011年和2014年,受技术进步的影响,生物育种上市公司年均生产率提高。

表3 2009—2015年农业生物育种上市公司各指标几何平均值指标

根据全要素生产率的分解来看,生物育种上市公司属于技术进步型增长,技术进步对全要素生产率增长的贡献最大,其次是纯技术效率增长,最后是规模效率增长。2010—2011年,全要素生产率的增长(1.1422)主要来源于技术进步(1.8954),而且改善的幅度较大。这说明随着我国农业生物育种行业改革的不断进步,生物育种技术已经能够不断运用新的方式,如互联网、全自动化机械生产线等,提高生物育种在技术、生产和销售方面的效率。2011—2013年,技术退步导致全要素生产率下降。随后到2013—2014年,技术进步(1.5911)继续发挥主导作用,全要素生产率提高(1.3616),体现了农业政策实施力度的深入,全国进入现代化农业转型升级的初步阶段,生物育种上市公司因此也受到影响。从该模型来看,生物育种上市公司全要素生产率的增长总体上依靠技术进步,体现了惠农政策发展对生物育种上市公司经营效率的重要作用。

4.2 按地区为对象进行分析

以我国生物育种上市公司的主要生产地点作为标准,本文将15家样本公司按地区分类,其中华北地区的生物育种上市公司有5家、东北地区3家、中南地区3家、西北地区2家、华北地区仅2家，分别计算得到相应区域的相关指数,见表4。

表4 农业类生物育种上市公司各行政区划Malmquist指数

由表4可知,2009—2015年各行政地区生物育种上市公司的技术效率均偏低,均值仅达到0.2339,其中西北地区的技术效率最低,仅0.1678,主要包括西部牧业、敦煌种业等位于新疆和甘肃等省区的公司,未发挥出生产要素潜力。结合生物育种公司与地域划分来看,可以看出相同地区的生物育种上市公司经营状况具有显著性差异,如隆平高科全要素生产率达到1.1640,而同样位于中南地区的神农基因全要素生产率仅0.7005。

从表5可见,各地区生物育种上市公司年均全要素生产率下降,下降的原因主要归咎于技术退步。在样本时间内,各行政划分地均出现全要素生产率“上升→下降→上升→下降”的趋势,表示各地区全要素生产率波动性较大。数据显示,我国全要素生产率年均下降7.69%,其中,东北、华北、华东、西北以及中南分别下降18.93%、2.49%、0.90%、5.45%和11.41%。技术变化方面,除了2010年中南地区技术小幅度退步,与其余四个区域技术进步不一致以外,在研究时间范围内,各行政区划技术变化方向一致,差异性不明显,其原因在于不同地区之间技术变化都受同样的宏观经济背景和农业政策的影响，仅东北和华北地区技术变化均值大于1,呈现技术进步状态。大部分地区出现规模效率提高的同时技术退步,而规模效率的下降会出现技术进步的现象。主要原因在于一个地区的技术进步,即技术的研发和人才的引进等,通常需要生产要素适应新技术的阶段,相对于技术的进步,规模效率则会下降。

表5 2009—2015年各上市公司分区的年均Malmquist指数

4.3 按育种类型分析

按照生物育种类型,将15家公司分为作物育种和动物育种两类。各类作物育种和动物育种的生产率均值分别下降3.41%和12.35%。其中作物育种公司的年均技术变化大于1,而动物育种公司技术变化均值仅0.9844,表示作物育种的技术投入方面较动物育种更合理。但无论是作物育种公司还是动物育种公司,纯技术效率和规模效率均小于1,管理配置和生产要素的投入方面均有待提高。

综上所述，无论是作物育种还是动物育种的上市公司,全要素生产率的增减波动均较大。样本期内,作物育种上市公司和动物育种上市公司全要素生产率的差异性较大,其中技术变化相似,但作物育种上市公司的规模效率变化更大,作物育种公司在生产要素配置方面的稳定性弱于动物育种公司。

5 结论与讨论

本文采用数据包络Malmquist指数法,在全要素生产率分析框架下,全面分析了2009—2015年我国生物育种上市公司的经营效率,得出以下主要结论:①我国生物育种上市公司全要素生产率指数以年均7.69%的速度总体下降，技术进步成为控制全要素生产率下降的主要因素。技术变化上下波动趋势明显,且样本公司的技术变化方向总体一致。纯技术效率变化整体上围绕全要素生产率波动,大部分时间处于下降阶段,是影响全要素生产率的原因之一。规模效率对生产率的变化影响小于技术变化和纯技术效率变化。②按行政区划分类来看,各地区全要素生产率下降,各行政区划技术效率水平存在显著性差异。全要素生产率下降的主要原因在于技术退步,而每年各地区技术变化方向总体一致。说明受到农业政策的影响,各行政区划的发展多是依赖科技下的技术改革和进步,这也与生物育种公司是知识密集型的产业发展特征相吻合。按育种类型来看,在样本时间内两类育种上市公司全要素生产率均值均下降,变量指标值差异性大,动物育种上市公司相比作物育种上市公司在生产要素资源配置方面更加稳定。

研究发现,生物育种上市公司的全要素生产率总体较为波动,在明显的增长态势期间技术改善和进步对全要素生产率的提升起决定性作用。但技术进步不能长期保持进步,导致全要素生产率下降,证明需要加强技术改善的持久力。因此,从技术变化出发,完善和提高技术水平,并保持技术进步的动力,这样才可以提高生物育种上市公司的全要素生产率,增强公司经营能力。不同的地区和不同种类公司之间的全要素生产率变动差异明显,只能通过实行差异化的分类管理和指导,才能促进其全要素生产率的提高。

6 对策建议

根据实证研究结果,结合农业生物育种上市公司经营情况,给出以下对策建议:①加强生物育种技术研发,鼓励科研成果的转化及推广。近几年,我国生物育种公司自主创新能力和科研能力逐步增强,但是依然缺乏技术进步的持续动力。生物育种上市公司的技术变化又主要是受政策环境影响,即政策的扶持,对生物育种公司的全要素生产率提升具有显著的促进作用。因此,国家和各级政府需要加快建立生物育种新兴技术研究的指导政策,研究制定鼓励生物育种企业加大对新技术研发资金和人力投入的支持性政策,统筹完善农业生物技术科研成果转化的激励政策,为生物育种公司的发展提供强有力的政策引导和支持。②加大企业分类指导,促进企业间的交流。由于各地区之间全要素生产率差异明显,所以需要针对不同的农业生物育种上市公司的特点,在实行新的促进农业企业发展的政策和措施中,应该根据其所在区域的不同以及育种种类的不同针对性地制定相关政策。例如国联水产、西部牧业等技术退步的公司,需要鼓励新技术研发，制定人才引进的惠农政策,以解决现实所存在的问题。从整体来看,国家与各级政府应该从全局统筹农业生物育种企业的发展着手,解决不同地区农业发展水平不同的问题,促进区域之间人才和技术的交流,增加信息的流动性,提高资源效率的配置率和农业生物育种企业的经营能力。

[1]孟令杰,丁竹.基于DEA的农业上市公司效率分析[J].南京农业大学学报(社会科学版),2005,(2)∶39-43.

[2]沈渊,郑少峰.农业上市公司经营效率的DEA分析.生产力研究[J].2008,(16)∶27-30.

[3]吉生保,席艳玲,赵祥.中国农业上市公司绩效评价——基于SORM-BCC超效率模型和Malmquist的DEA-Tobit分析[J].农业技术经济,2012,(3)∶114-127.

[4]张广宏,孙骏,郑金贵,等.农业类上市公司全要素生产率分析——基于Malmquist生产力指数模型[J].中国渔业经济,2012,(6)∶91-97.

[5]赵红.基于DEA—Malmquist的农业保险公司经营效率研究[J].安徽农业大学学报(社会科学版),2016,(5)∶39-43.

[6]成刚.数据包络分析方法与MAXDEA软件[M].北京：知识产权出版社,2014∶200-222.

[7]钟燕,盛智颖.我国农业上市公司经营绩效的实证研究——基于主成分分析、因子分析与聚类分析[J].技术经济与管理研究,2009,(6)∶21-23,40.

[8]王若晨,王桔子.基于因子分析法对沪深农业类上市公司财务绩效实证分析[J].山东农业大学学报(自然科学版),2014,(3)∶449-453.

[9]刘欢.基于因子分析的农业上市公司财务绩效评价[J].经济研究导刊,2015,(23)∶168-170.

[10]季凯文.中国生物农业全要素生产率的增长效应及影响因素研究——对32家上市公司的实证考察[J].软科学,2015,(2)∶41-45.

[11]王珏,宋文飞,韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992—2007年省域空间面板数据[J].中国农村经济,2010,(8)∶24-35.

[12]张锦华,吴方卫.农业上市公司的持续经营能力分析——基于自由现金流量的理论与实证研究[J].农业科技经济,2003(3)∶5-9.

[13]柯孔林,冯宗宪.中国商业银行全要素生产率增长及其收敛性研究——基于GML指数的实证分析[J].金融研究,2013,(6)∶146-159.

[14]王贺封,石忆邵,尹昌应.基于DEA模型和Malmquist生产率指数的上海市开发区用地效率及其变化[J].地理研究,2014,(9)∶1636-1646.

ResearchonOperatingEfficiencyofListedCompaniesofBiologyBreeding——BasedonFactorAnalysisandMalmquistIndex

PENG Xiao-xiao1,CHEN Dong-dong2

(1.School of Finance,Jincheng College of Sichuan University,Chengdu 611731,China;2.School of Management,Sichuan Agricultural University,Chengdu 611130,China)

Based on the panel data of agricultural biology breeding listed companies from 2009 to 2015,this paper used the factor analysis to reduce the target index,constructed the global reference Malmquist index model,and made an empirical study on the total factor productivity of bio-breeding listed companies.The results showed that the total factor productivity of agricultural biology breeding listed companies was generally fluctuating,and the improvement and progress of technology played a decisive role in total factor productivity during the obvious growth trend.But the technological progress could not be maintained,leading to a decline in total factor productivity,demonstrating the need to strengthen the sustainability of technological improvements.The total factor productivity of all administrative divisions fluctuated greatly,and the technological change of each region was consistent with each other. The resource allocation of animal breeding listed enterprises was more stable. According to the conclusion,it was proposed to strengthen the research and development of biological breeding technology,encourage the transformation and popularization of scientific research achievements,and increase the classification guidance of enterprise and promote the communication between enterprises.

biological breeding;operating efficiency;Malmquist Index;total factor productivity;factor analysis

2017-11-13；

2017-12-21

彭肖肖(1993-),女,四川省仁寿人,硕士研究生,主要从事组织管理、数量经济研究。

陈冬冬(1974-),男,四川省荥经人,博士,教授,硕士生导师,主要从事组织管理、数量经济研究。

10.3969/j.issn.1005-8141.2018.01.003

F276.4；F272.5

A

1005-8141(2018)01-0012-05