基于DEA-Malmquist指数的煤炭企业新旧动能转换绩效评价

吴树畅，于 静

(山东工商学院，山东 烟台 264005)

煤炭作为我国的传统能源，在我国能源结构中一直处于主导地位，2018年占我国一次能源消费的比例接近60%。在新发展理念背景下，煤炭企业如何改革供给侧、实现新旧动能接续转换，是提升煤炭企业竞争力和可持续发展的重要途径。但是，新旧动能转换绩效如何，是否提升了煤炭企业的竞争力和价值，需要从理论上构建绩效评价模型，科学评价新旧动能转换绩效。

关于新旧动能转换的研究，主要集中在新旧动能转换路径方面，如有的学者提出主要依靠新技术、新管理[1]、新产业、新制度[2]实施新旧动能转换。关于新旧动能转换绩效评价的研究，有学者利用固定效应及分位数回归模型、层次分析法-模糊评价方法研究了省域经济新旧动能转换情况[3，4]，还有学者通过计算得分对不同城市的新旧动能转换程度进行了评价[5]。使用DEA方法进行评价时有其独到优势，在煤炭企业也得到了应用，如有的学者利用DEA对煤炭企业经营效率[6]、生态效率[7]、安全效率[8]进行了分析和评价。还有学者利用DEA相关模型对区域煤炭产业效率进行了评价[9]。

通过对现有研究文献的梳理发现，我国学者利用不同的评价方法对区域经济新旧动能转换的研究取得了一定进展，但新旧动能转换绩效评价的研究仍处于起步阶段，需要引入不同的方法进行评价。DEA方法在区域煤炭产业和煤炭企业得到了部分应用，但是，对煤炭企业研究目前只是局限于经营、安全、生态绩效等某一方面，且大多数为静态分析，缺乏对新时期煤炭企业转型升级的综合绩效评价的研究。本文引入DEA-Malmquist指数，以煤炭行业上市公司2015—2018年度数据为样本，从静态和动态两个角度对煤炭行业企业新旧动能转换综合绩效进行了评价，为全面评价煤炭行业企业新旧动能转换绩效提供了新的思路。

1 模型与数据

1.1 数据包络法

数据包络法(DEA)由运筹学家 A.Charnes & W.W.Cooper等人提出，是以线性规划为核心，用来评价各决策单元(DMU)之间的相对有效性，是一种多投入多产出的效率评价方法。Farrell(1957)提出DEA是一种采用非参数方法来测度全要素生产率变动的方法[10]。使用DEA来评价决策单元，不必确定生产函数、无需使用问卷等形式估计输入输出权重，在避免主观性、考虑全面性等方面具有很强的优越性。

DEA模型主要有两类：一类是规模报酬不变的CCR模型；一类是规模报酬可变的BCC模型。本文采用投入主导型的CCR和BCC模型来分析。假设有n个DMU，基于投入导向的CCR模型如下：

Minθ

其中，Xk表示第k个DMU的投入指标，Yk表示第k个DMU的产出指标，S+和S-为松弛变量，θ为决策单元的效率值，λ表示决策单元线性组合的系数。若θ=1，S+=0，S-=0，则第k个决策单元为DEA有效；若θ=1，S+，S-存在非零值，则为DEA弱有效；若θ<1，则DEA无效。

CCR模型是基于规模报酬不变的假设来计算相对效率的，在现实生活中很难满足这一条件，因此，通过加入权重约束构建BCC模型。

Minθ

BCC模型同CCR模型评价方式相同。但是CCR和BCC模型只能使用横截面数据，仅反映某一考察期的相对效率。综合考察不同时期煤炭企业新旧动能转换绩效的动态变化，还需要引入Malmquist指数。

1.2 Malmquist指数

Malmquist指数是由瑞典经济学和统计学家 Sten Malmquist于1953年提出的，他运用无差异曲线的径向移动引入了距离函数Dt(xt，yt)。

第t期Malmquist 指数为：

第t+1期Malmquist 指数为：

Fare(1992)等以第t期和第t+1期的几何平均来衡量Malmquist指数从t期到t+1期生产率的变化，动态刻画了全要素生产率(TFP)的变化，将Malmquist指数分解为技术进步变动(TC)和技术效率变动(EC)的乘积[11]。

在规模收益可变的假设下，纯技术效率变动指数(PEC)和规模效率变动指数(SEC)是技术效率指数分解(EC)的结果，即EC=PEC×SEC。因此，Malmquist指数最终分解为：Mt，t+1=TC×PEC×SEC。

1.3 指标选取与数据来源

新旧动能转换指的是新动能的培育和旧动能的转型升级。新技术就是新动能的代表，一项新技术的诞生既需要技术人员的努力，也需要研发资金的支持。旧动能转型升级需要将原先的生产线更新换代，称为转型升级投入，用现金流量表中购建固定资产、无形资产和其他长期资产支付的现金和投资支付的现金流量来度量。因此，选取技术人员人数、研发投入及转型升级投入作为投入指标。产出指标选择能衡量企业绩效的总资产收益率(ROA)和能体现新旧动能的煤炭业务收入和非煤炭业务收入。

本文将所有煤炭上市公司作为研究对象，剔除其中数据缺失、进行重大合并重组的样本以及ST*企业，得到了17家煤炭企业样本数据。数据来源于煤炭企业2015—2018年度报告和CSMAR数据库。通过DEA P2.1软件来求解煤炭企业相对效率和全要素生产率指数，个别企业总资产收益率存在负值，但使用此软件须保证投入产出值为正数。因此，将总资产收益率无量纲化处理(沈江建，2015)[12]：

2 煤炭企业新旧动能转换绩效分析

2.1 DEA相对效率的求解

根据沪深17家煤炭行业上市公司2015-2018年横截面数据，利用CCR模型和BCC模型求出煤炭企业技术效率值和纯技术效率值，具体结果见表1。从17家企业来看，兖州煤业、大同煤业、开滦股份、美锦能源连续4年技术效率、纯技术效率、规模效率为1，DEA有效，处在生产的前沿面上。前三家企业位列在中商产业研究院披露的2018年中国煤炭企业50强之中，竞争力较强。美锦能源拥有“煤—焦—气—化”比较完整的产业链，自产煤炭用于自加工，从传统原煤向高附加值的煤产品转变，迎合国家新旧动能转换政策，走循环经济道路，因此，位于生产的前沿面上。

表1 2015—2018年煤炭企业相对效率情况

从4年的数据来看，冀中能源、永泰能源、上海能源、西山煤电的平均技术效率不足0.5，效率较低，说明存在资源浪费。冀中能源新旧动能转化效果一般，企业仍坚持发展煤炭主业，原煤产量仍保持逐年上升趋势。企业连续三年投资活动现金净额为负值，说明有投入，但短期效果不明显。永泰能源与时俱进，实现由单一煤炭产业向综合能源企业的转型，但由于其投资过多，未明显看出其新旧动能转换的效果。上海能源作为中煤能源的子公司，其规模较小，其竞争优势主要依赖于品牌效应和研发能力，投入存在赘余，与企业收益不匹配。西山煤电的转换情况比其他三家企业略好，煤炭产品比较齐全，冶炼精煤方面具有竞争优势，并建立了两条循环经济产业链，前景比较广阔，但是，由于煤炭产业精细化程度较高，研发投入短时间难以得到回报，因此，技术效率较低。冀中能源、永泰能源、上海能源除技术效率较低外，纯技术效率也处于平均水平以下。企业投资不合理，其生产规模不可能达到最优，因此技术效率低的企业，规模效率也明显低于平均水平。

从整个行业来看，我国煤炭行业技术效率呈现小幅度上升趋势，4年总平均技术效率为0.731，说明煤炭行业存在26.9%的投入冗余，有10家企业高于平均值，其中4家企业技术效率为1，投入产出达到最优。7家低于平均技术效率值，存在较多的资源浪费。煤炭行业是传统行业，在面临供给侧改革和去产能的背景下，煤炭市场需求不太稳定，煤炭企业大刀阔斧，积极投入，但投资存在回报期，不一定能成功，造成技术效率偏低。纯技术效率是用来衡量煤炭企业的无效率有多少是纯粹技术无效所导致的，更多的是反映经营的日常管理政策和水平[13]。近几年煤炭行业纯技术效率略有下降，但保持着较高的效率水平，说明行业管理水平较高。在煤炭行业受到政策和市场的双重压力下，煤炭企业既要减员增效，也要引进关键人才，为企业注入新的生机和活力。这也是导致纯技术效率在平均值上下浮动的原因。规模效率用来衡量企业是否达到最优的生产规模。除4家企业生产配置达到了最优之外，其他企业的规模效率不高，可能是因为企业传统动能生产量庞大，投资结构不合理，资源利用率低，盲目进行并购扩大企业规模，新旧动能转换绩效不佳。针对这种情况，企业应缩小生产规模，提高资产的利用率，减少要素投入，使规模达到有效。

2.2 Malmquist 指数动态效率的求解

根据17家煤炭企业2015—2018年面板数据，求解全要素生产率。煤炭企业2015—2018年全要素生产率变动及分解的平均值见表2，排名依据2018年营业收入编制，煤炭行业年均全要素生产率变动及分解见表3。

表2 2015—2018年煤炭企业全要素生产率变动及分解

表3 2015—2018年煤炭行业年均全要素生产率变动及分解

从表2来看，煤炭企业全要素生产率变动为1.114，表明全要素生产率上升了11.4%，这表明煤炭企业新旧动能转换是有效果的。李守林等(2017)指出若全要素生产率指数低于0.975，则可以认为生产率指数有较为明显的下降；若落在区间(0.975，1.025)，则全要素生产率的变化相对平稳；若高于1.025，就可以认为生产率指数有较为明显的上升趋势[14]。结果表明，有3家企业全要素生产率小于0.975，13家企业全要素生产率大于1.025，1家企业全要素生产率比较稳定，全要素生产率的变化与企业规模不成比例。冀中能源和永泰能源全要素生产率指数小于0.975，主要是纯技术效率偏低，均低于0.700。而陕西煤业是资源配置不合理造成的指数偏低。

从表3可以看出，整个行业技术效率变化、技术进步变化、全要素生产率变化趋势一致，都呈现先上升后下降的趋势。而技术进步对全要素生产率的拉动作用十分明显。造成这种趋势的原因有两点：一是政府的强硬政策。2015年12月，中央经济工作会议部署去产能任务，2016年是去产能的启动年，2017年是攻坚年，2018年去产能方式由以退为主转为进退并举，去产能力度有所减缓。四年政策的演变导致了煤炭行业新旧动能转换绩效呈先上升后下降的趋势，即在政策压力下效果明显，当政策有所放缓时，新旧动能转换呈现下滑的趋势。二是煤炭价格的变化。根据观研天下整理的煤炭价格数据，我国2015—2018年煤炭价格先呈V形变化后逐渐趋平。2016年平均价格有所下降，但依靠技术进步抵减了价格下调的负面作用，使全要素生产率上升了15%。去产能政策的深入推行、天气的多变、煤矿事故的发生、环保观念的深入等造成2017年煤炭价格的大幅度上涨。2018年煤炭市场将实行“基准价+浮动价”的价格机制，基本维持2017年水平不变。煤炭价格的变化基本反映了全要素生产率变化的趋势，是效率变化的一个影响因子。

3 结论及建议

利用DEA相对效率和全要素生产率变化对煤炭企业新旧动能转换绩效进行了测算和评价，从相对静态指标得出，我国煤炭行业技术效率在逐步提升，平均技术效率为0.731，存在资源浪费的现象；从动态指标来看，技术进步是拉动全要素生产率提高的主要原因，也是新旧动能转换的主要动力机制，大部分煤炭企业新旧动能转换取得了明显效果，但新旧动能转换程度与企业综合实力不匹配。管理水平和服务水平的高低对新旧动能转换也有一定的作用。此外，全要素生产率呈先上升后下降的趋势，一定程度受政策和价格变化的影响，但也说明煤炭企业内生动力不足，受外界因素所累，无法保持向好的态势。

新旧动能转换是煤炭产业转型升级、煤炭企业战略转型的关键，为了促进煤炭企业新旧动能转换，提高全要素生产率，煤炭企业应做到以下三点：

1)持续推动技术创新和新产品开发，为新旧动能转换提供内生动力。在维持现有研发投入水平的基础上，适当增加研发投入力度；整合煤企、科研机构和高校的研发资源，提高协同创新能力，突破关键技术瓶颈；构建研发约束与激励机制，以保证新技术、新产品的不断涌现，为新旧动能转换提供不竭动力。

2)加强管理，解决规模不经济和资源浪费问题。引进“业、财、管”复合型人才，加强资源整合、研发创新和经济效益的协同管理。利用大数据、人工智能、云计算、物联网、区块链等新兴信息技术，创新企业组织形式，优化业务流程，提高全要素生产率，实现规模效益。

3)拓展煤炭产业链条，提高产品附加值。通过技术持续创新和资本运营手段，构建煤炭、电力、物流、机械、化工、建材绿色煤炭产业链条，向社会提供洁净能源和高附加值煤炭深加工产品，提高资源协同利用效率，实现煤炭企业高质量发展。