消费电子行业上市公司运营效率评价

龚丽贞，蒋文霞

（莆田学院，福建 莆田 351100）

0 引言

近年来，在5G 和人工智能等因素的推动下，我国消费电子行业发展迅速，其在我国工业总体布局中的重要性也日益提升。但是，伴随新冠疫情而来的全球经济下行和中美贸易摩擦等因素使我国消费电子产品出口大量减少的同时，也使得部分关键零部件的进口受限，进口原材料成本不断上升，直接影响了消费电子行业整体的经营效率。作为资本和技术密集型行业，在反全球化和中美经济“脱钩”的大背景下，对我国消费电子行业的运营效率进行评价，有助于对行业总体的发展状况形成更系统和全面的认识，从而为未来的行业发展和政策制定提供更具针对性的建议。

对企业运营效率进行评价的常用方法有层次分析法、随机前沿方法、因子分析法和数据包络分析法（DEA）等。但是，层次分析法的指标打分容易受个人主观性的影响，随机前沿方法需要大量样本并且容易因为生产函数误设而产生偏差，而数据包络分析法（DEA）不需要预先估计参数，无需任何权重假设，既避免了主观随意性，也减少了误差。因此，近年来越来越多的研究在进行效率评价时采用DEA方法或者进阶的DEA方法，如Rohit Bansal［1］等采用DEA 方法评估印度消费电子行业上市公司的效率，Sanchez-Robles［2］等通过非参数DEA 方法对欧洲石油公司进行效率评价，周东生和刘佳昕［3］、郭馨梅等［4］分别使用DEA-Malmquist 指数法对区块链上市公司和零售业上市公司的经营效率进行评价，李将军等［5］采用三阶段DEA模型分析我国高端装备制造企业技术创新效率等。更有许多学者把DEA 方法和其他方法结合起来进行评价分析，如曹炳汝和樊颜青［6］结合DEA和主成分分析法评价绿色农产品供应链绩效，贾永飞等［7］结合交叉DEA和因子分析法对山东半岛国家自主创新示范区的创新效率进行评价，潘明远［8］结合DEA和层次分析法对跨境电商上市公司的经营绩效进行评价，李鹏等［9］结合使用模糊DEMATEL和超效率DEA方法评价可再生能源发电技术的综合效益，窦路遥等［10］结合三阶段DEA和fsQCA法评价上市银行的运营效率等。

考虑到研究的样本数量等情况，本文结合因子分析法和DEA-Malmquist 指数法对消费电子行业上市公司进行效率评价。基本思路如下：首先利用因子分析方法将选取的评价指标进行降维，把投入和产出指标分别降维为有限的数个因子，然后再对这些因子采用DEA模型进行效率评价，最后根据效率评价结果提出相应政策建议。

1 研究设计

1.1 模型

DEA的基本模型有CCR模型和BCC模型两种，但这两者主要是对截面数据进行静态研究，无法考虑时间变化对效率的影响。与静态模型或横截面模型相比，动态模型更适合对基于面板数据的企业进行运营效率分析，基于DEA 的Malmquist 指数模型便是一个理想的方法，可以对企业的运营效率进行动态评价。因此本文采用DEA-Malmquist 指数模型进行计算，该模型如式（1）所示。

该指数含义是t+1 期投入产出组合（xt+1，yt+1）相对于t 期投入产出组合（xt，yt）全要素生产率的变化。其中（xt，yt）和（xt+1，yt+1）分别表示t时期和t+1时期的投入产出量，Dt0（xt+1，yt+1）是（xt+1，yt+1）在t期的距离函数，即是（xt+1，yt+1）在t期实际值与最大值的比值，Dt0（xt，yt）是（xt，yt）在t期的距离函数，Dt+10（xt+1，yt+1）是（xt+1，yt+1）在t+1期的距离函数，Dt+10（xt，yt）是（xt，yt）在t+1期的距离函数，M0为研究对象的全要素生产率，当M0＞1 时，表示全要素生产率提高；当M0=1 时，全要素生产率不变；而当M0＜1时则表示全要素生产率下降。全要素生产率（TFPch）可以分解为技术进步（TEch）和技术效率（EFFch），其中技术效率可进一步分解为纯技术效率（PEch）和规模效率（SEch），具体如公式（2）所示。

1.2 评价指标体系

为尽可能对公司的经营效率进行更全面的评价，在选取财务绩效评价指标时，参考周启林等［11］、张洁［12］等人的研究结果，共选取13个财务指标作为初始指标，其中投入指标有8 个，产出指标有5 个，其样本数目大于选取的13个指标的两倍，并且投入指标大于产出指标，符合Banker等人提出的DEA经验法则。具体指标如表1所示。

表1 运营效率评价指标

1.3 样本选择与数据来源

选取消费电子行业上市公司作为研究对象，剔除已退市和信息披露不完整的公司，为了解新冠疫情对消费电子上市公司运营效率的影响程度，最终选取了国内61 家消费电子上市公司2019-2021 年的财务数据作为原始数据。所有数据来自上市公司的年度报告和国泰安数据库。

2 因子分析

2.1 指标数据预处理

因为选取的数据有正向指标，也有适中指标及逆向指标，为了使各个指标具有同向可比性，分析结果更客观，需要对数据进行预处理，即将逆向指标和适中指标转换成正向指标。指标转换方法参考范坤和马长焕［13］，以式（3）作为逆向指标正向化的公式，以式（4）作为适中指标正向化的公式。

其中xi为原始值，u0为适中值。在选取的13个指标中，管理费用、研发费用、应付职工薪酬为逆向指标，通过式（3）进行预处理。资产负债率、流动比率和速动比率均为适中指标，他们所对应的u0分别取值50%、2、1，通过式（4）进行预处理。

正向化处理完成后，为消除量纲和数值大小的影响，还需要对数据进行无量纲化处理，将其转化为无量纲的纯数值来进行评价和比较。常用的方法有极差标准化法、Z-score标准化法及线性比例标准化法等，本文参考侯旭华和冯思妍［14］的做法，采用极差标准化法进行处理，其公式如式（5）所示。

在完成上面两次处理后，将得到的结果作为因子分析的原始变量。

2.2 投入指标的因子分析

首先，对预处理后的数据进行相关性检验，判断是否适合使用因子分析法。对2019-2021年消费电子上市公司投入变量进行KMO和Bartlett球形度检验，结果如表2 所示。2019-2021 年的KMO 分别为0.611、0.631 和0.591，都大于0.5，且P 值均小于0.05，表明选取的8个投入指标均适合做因子分析。

表2 投入指标KMO检验和Bartlett球形检验结果

其次，从解释的总方差表（表3）中可以得出，2019-2021年的3个公因子旋转后的方差解释率分别达到90.982%、90.437%、90.630%，即提取的3 个因子可以解释90%以上的原始数据信息，说明选取的公因子较大程度地保留了原始变量的信息，具有良好的代表性。

表3 2019-2021各年度投入指标解释的总方差

再次，各年度旋转后的因子载荷矩阵如表4 所示。旋转后的因子载荷系数表格可以直观反映各个变量对主成分的贡献程度。表4 显示，各年度3个因子在各指标上的载荷系数呈现出类似的偏向性，F12019（F12020、F12021）在A1、A2、A3上载荷最大，这3个指标反映公司的成本费用，因此将F12019（F12020、F12021）命名为成本费用因子；F22019（F22020、F22021）在A6、A7和A8上载荷最大，这3 个指标都是反映公司的偿债能力，所以将F22019（F22020、F22021）命名为偿债因子；F32019（F32020、F32021）在A4、A5上的载荷最大，这2 个指标反映营运能力，所以将F32019（F32020、F32021）命名为营运因子。

表4 2019-2021各年度投入指标的旋转成份矩阵a

2.3 产出指标的因子分析

表5 显示，2019-2021 年产出指标的KMO 检验值分别为0.684、0.708 及0.572，而且各P 值均低于0.05，说明选取的5个产出指标有意义，适合做因子分析。

表5 2019-2021年产出指标的KMO检验和Bartlett球形检验

2019-2021 年各年产出指标的方差贡献率如表6 所示。从表中可以看出2 个公因子旋转后的方差解释率分别为94.876%、94.869%、93.487%，说明选取的公因子较大程度地保留了原始变量的信息。

航空服务人员的微笑服务首先就是做到每个笑容都发自内心。要想呈现具有亲和力的笑容，就需要服务人员接受科学的训练，即当服务人员微笑时，露出6-8颗牙齿，嘴角稍微向上翘起，微笑的幅度不应该太大和太小，微笑时需要充满真诚和爱心。微笑也需要和眼神的配合，目光亲切自然，正视对方，不能左顾右盼。除此之外，微笑需要和语言相互协调，声音要清晰甜美。微笑是航空服务人员的基本功之一，需要反复对其进行练习，不断地提升。

表6 2019-2021年产出指标解释的总方差

2019-2021年各年度旋转后的因子载荷矩阵如表7 所示。从表7 可以得出：W12019（W12020、W12021）在B1、B2、B3上载荷较大，这3 个指标都是反映公司的盈利能力，因此将W12019（W12020、W12021）命名为盈利因子；W22019（W22020、W22021）在B4、B5上载荷较大，这2 个指标反映公司的发展能力，因此将W22019（W22020、W22021）命名为发展因子。

表7 2019-2021年产出指标的旋转成份矩阵a

2.4 计算因子得分

通过成分得分系数矩阵，可以得到2019-2021各年度投入因子（F12019、F22019、F32019，F12020、F22020、F32020，F12021、F22021、F32021）和产出因子（W12019、W22019，W12020、W22020，W12021、W22021）的因子得分表达式，如式（6）-（20）所示。

3 基于DEA-Malmquist 的消费电子上市公司运营效率分析

3.1 数据预处理

通过因子分析，我们确定了每年的5 个公因子分别作为DEA-Malmquist指数模型的投入和产出变量，但由于DEA 的投入和产出数据都要求为正，而前面因子分析计算出来的公因子得分有正值和负值，因此需先将数据进行标准化处理。参考侯旭华和冯思妍的做法，采用式（21）进行标准化，标准化后的数据介于［0.1，1］之间。

其中X′为标准化处理后的数据，X为原始数据，Xmɑx为该组数据中最大值，Xmin为数据组中最小值。

3.2 对样本公司经营效率的分析

基于投入导向视角，运用DEAP2.1 软件，采用DEA-Malmquist 指数模型计算以因子分析5个公因子为基础的2019-2021年期间消费电子行业上市公司的全要素生产率指数。

3.2.1 纵向比较分析

表8 2019-2021年消费电子上市公司年均全要素生产率变动

其次，从全要素生产率各分解要素看，2019-2020年全要素生产率的下降和2020-2021年全要素生产率的上升都主要源于技术进步的相应下降和上升，说明技术进步是影响企业运营效率的主要因素。中美贸易战和新冠疫情的叠加影响，对消费电子行业的技术进步构成了较大的挑战。而在技术效率变化方面，规模效率和纯技术效率变化均不大。2019-2020年和2020-2021年，规模效率由高于1变为低于1，说明新冠疫情之后生产要素结构配置不合理，行业内存在不合理扩大规模导致规模报酬递减的情况。2019-2020年和2020-2021年，纯技术效率值一直小于1，说明消费电子行业的技术应用和管理水平方面存在不足之处，对已有技术的利用效率不高，相同的产能需要更多的资源投入。

3.2.2 横向比较分析

通过对不同时期的消费电子上市企业进行横向数据分析，可以清楚地了解消费电子上市公司不同时期经营效率的变化情况。由于篇幅有限，本文仅列出消费电子上市公司2019-2020年、2020-2021年排名前5 名与最后5 名的全要素生产率排名，如表9所示。

表9 2019-2020年和2020-2021年消费电子行业部分样本公司全要素生产率排名

表9 结果显示，消费电子行业各公司的全要素生产率差异较大，各公司排名的波动性也很大。福蓉科技的全要素生产率连续两期排名位居行业前列，主要原因是其技术进步始终较大，且技术效率持续等于1.0000，说明福蓉科技全要素生产率的提高是其自身技术水平、稳定的管理水平和合理的投入产出规模共同促进的。与福蓉科技这个行业排头兵不同，鑫汇科2019-2020 年和2020-2021 年的全要素生产率持续偏低，处于行业末尾，主要原因是其技术进步持续下降，特别是2019-2020 年其技术进步下降超过30%，技术上的严重衰退直接导致其运营效率低下。事实上，表9 的结果进一步证明了前述分析，即技术进步是全要素生产率的主要影响因素。同一时期各公司全要素生产率的差异主要源于他们在技术进步上的差异，正如表9 所呈现的，前5名公司的技术进步远远高于后面5名，且排名越高的公司技术进步越大。消费电子行业是科技驱动行业，在消费电子产品技术不断更新发展、市场需求持续变幻的背景下，不断研发适应新时代、新市场的新技术、新产品才能不断提高企业的运营效率，才是企业生存和发展的制胜法宝。

4 结论与建议

4.1 结论

第一，2019-2020 年消费电子行业全要素生产率整体下降，2020-2021 年全要素生产率整体恢复性上升，但上升幅度有限，并未恢复到2019 年的水平，上述2 个时期内全要素生产率的下降和上升都主要源于技术进步的相应下降和上升，技术进步是影响企业运营效率的主要因素。

第二，消费电子行业各公司的全要素生产率差异较大，且这种差异主要来源于各公司不同的技术进步。同时，各年度不同公司全要素生产率的排名波动也较大，当中只有福蓉科技连续两期位居行业前列，主要原因是该公司的技术效率持续等于1.000，且技术进步一直都大于1.000。

4.2 建议

第一，政府层面，完善政府补助机制，提升政策实施效能。消费电子行业属于电子信息制造业，而电子信息制造业是现阶段我国经济发展的战略性、基础性、先导性产业，对于加快我国工业制造业转型升级、转变经济发展方式、维护国家安全具有重要的支撑作用。因此，应在现有支持政策的基础上构建稳定持续的支持机制，完善政府补助资金使用的事前审批、事中监管、事后验收机制，提高政府补助资金的使用效率，确保政府补助被用于关键核心技术的研发和应用。

第二，产业层面，加强“产学研”合作，培养高端技术人才，加强自主创新，促进行业技术进步。消费电子行业是资本和技术密集型行业，其发展高度依赖于精密结构件技术的发展，而精密结构件技术的发展建立在一系列复杂的科学和技术应用之上，如模具设计开发中计算技术的应用、模具和结构件制造中高精加工技术的应用、结构件处理中纳米技术的应用等。因此，要促进行业高效发展，拥有经验丰富、掌握核心技术、具备创新能力的技术研发人员是关键。为此，应加强“产学研”合作，推动高校、科研院所的基础理论研究和产业界的技术应用场景相结合，促进高端人才培养和技术创新。

第三，企业层面，优化企业资源配置，提高纯技术效率和规模效率。消费电子产品生命周期短、更新迭代快，企业需要不断根据最新的市场行情推陈出新，结合主要原材料如芯片、屏幕和存储器等关键元器件的供需变化和价格波动情况，最大程度地优化企业资源配置。对于需求缩减、投入冗余的，应根据最大产能调整投入，避免盲目扩张。对于需求扩张、产出不足的，则可以适当扩大企业生产规模，增加资源投入，提高产能并形成规模效益。