汽車產(chǎn)業(yè)效率及影響因素研究

安兆杰

(武漢理工大學 汽車工程學院，湖北 武漢 430070)

?

汽車產(chǎn)業(yè)效率及影響因素研究

安兆杰

(武漢理工大學 汽車工程學院，湖北 武漢 430070)

運用DEA-Tobit模型對2004—2013年我國汽車產(chǎn)業(yè)效率及影響因素進行實證研究。結(jié)果表明：受規(guī)模效率的影響，我國汽車產(chǎn)業(yè)綜合技術效率在2012年及以前基本處于上升狀態(tài)，而在2012年后開始下降；現(xiàn)階段我國汽車產(chǎn)業(yè)處于規(guī)模收益遞減的狀態(tài)；工程技術人員占職工總數(shù)比例、流動資產(chǎn)周轉(zhuǎn)率和產(chǎn)業(yè)集中度(CR4)與我國汽車產(chǎn)業(yè)效率顯著正相關；R&D支出占營業(yè)收入百分比對我國汽車產(chǎn)業(yè)效率負向影響，但不顯著。

DEA-Tobit模型；汽車產(chǎn)業(yè)；綜合技術效率；影響因素

我國汽車產(chǎn)業(yè)持續(xù)快速發(fā)展，在國民經(jīng)濟中的重要地位日益凸顯。目前，汽車產(chǎn)業(yè)已經(jīng)進入支撐和拉動我國經(jīng)濟增長主導產(chǎn)業(yè)的行列。根據(jù)《中國汽車工業(yè)年鑒》的統(tǒng)計數(shù)據(jù)，近年來我國汽車產(chǎn)業(yè)的產(chǎn)銷量、主營業(yè)收入、利潤總額等多項經(jīng)濟指標均處于快速增長的狀態(tài)。但各項經(jīng)濟指標的增長并不代表效率也在提高。對于消耗大量人力和物力的汽車產(chǎn)業(yè)，效率的高低直接影響產(chǎn)業(yè)發(fā)展的好壞。因此，對我國汽車產(chǎn)業(yè)效率及影響因素的研究有重要意義。

目前，關于我國汽車產(chǎn)業(yè)效率及影響因素的研究成果并不多見。已有研究中，趙玻等[1]基于道格拉斯生產(chǎn)函數(shù)和索洛增長速度方程測定我國汽車產(chǎn)業(yè)技術效率；郝海崗[2]運用數(shù)據(jù)包絡模型對全國31個省市的汽車產(chǎn)業(yè)效率進行實證研究；趙志堅等[3]運用DEA模型并結(jié)合Malquist指數(shù)分析對我國汽車產(chǎn)業(yè)中的內(nèi)資、外資企業(yè)的生產(chǎn)效率進行實證研究；萬倫來等[4]運用數(shù)據(jù)包絡模型對中國汽車行業(yè)上市公司2006—2008年的技術效率進行測算；陳娟[5]運用DEA模型對我國汽車產(chǎn)業(yè)集群和主要汽車集團進行綜合評價；吳獻金等[6]運用DEA方法對我國汽車產(chǎn)業(yè)全要素生產(chǎn)效率進行了分解測算，并建立半對數(shù)面板數(shù)據(jù)回歸模型分析影響因素；張根文等[7]運用DEA-Tobit模型對我國21家新能源汽車上市公司的生產(chǎn)效率及影響因素進行了實證研究。

筆者借鑒已有研究成果，并基于DEA-Tobit模型對2004—2013年我國汽車產(chǎn)業(yè)效率及其影響因素進行研究。期望能客觀地了解我國汽車產(chǎn)業(yè)效率的實際情況，發(fā)現(xiàn)其中存在的問題，為提高其效率指明方向。

1 研究方法

DEA模型是一種根據(jù)投入和產(chǎn)出的指標來衡量多個決策單元間相對效率的非參數(shù)方法。使用DEA模型時不用預知函數(shù)形式，即可避免主觀因素對求解我國汽車產(chǎn)業(yè)效率的影響。DEA模型包括兩個基本的模型：CCR模型和BCC模型。CCR模型得出某個決策單元是有效的，表示該決策單元綜合技術效率有效。綜合技術效率為純技術效率和規(guī)模效率的乘積，因此綜合技術效率有效也就是純技術效率和規(guī)模效率同時有效。但當決策單元無效時，無法判斷具體是純技術效率無效還是規(guī)模效率無效。BCC模型可以進一步得出決策單元的純技術效率和規(guī)模效率，當BCC模型得出某決策單元為有效時，僅表示該決策單元純技術效率有效。因此，筆者將CCR模型與BCC模型聯(lián)合使用，深入、全面地分析我國汽車產(chǎn)業(yè)的效率。

當CCR模型得到多個效率值為1的有效決策單元時，這些有效決策單元之間效率的高低無法直接比較。為解決該問題，需要運用DEA超效率模型。該模型可使有效決策單元的效率值大于等于1，而無效決策單元的效率值與CCR模型得出的效率值保持一致，從而得到所有決策單元效率值由高到低的順序[8-9]。

通過DEA模型得到的汽車產(chǎn)業(yè)的效率值，是由選擇的投入、產(chǎn)出指標直接決定的。但本質(zhì)上汽車產(chǎn)業(yè)效率并不是由投入資源的數(shù)量決定的，而是由產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)組織等內(nèi)在和外在的影響因素綜合決定的。為了探究哪些因素會對我國汽車產(chǎn)業(yè)的效率產(chǎn)生顯著影響及影響的方向和程度，需要以DEA超效率模型得出的效率值作為被解釋變量，以影響因素作為解釋變量做回歸分析。由于所得效率值屬于截尾數(shù)據(jù)，因而選擇Tobit回歸模型進行回歸分析。

2 指標選取及數(shù)據(jù)說明

2.1 DEA模型指標選取及數(shù)據(jù)說明

筆者研究對象為2004—2013年我國汽車產(chǎn)業(yè)的效率，共計10個決策單元。根據(jù)DEA模型對于指標選取個數(shù)的要求：投入和產(chǎn)出指標個數(shù)之和小于等于決策單元個數(shù)的1/2，確定選擇5個指標，其中3個投入指標，兩個產(chǎn)出指標。依據(jù)道格拉斯生產(chǎn)函數(shù)模型，從勞動力和資本兩方面考慮，選取年末從業(yè)人數(shù)合計、全年能源消耗量、固定資產(chǎn)凈值作為投入指標。同時，選取能較好反映我國汽車產(chǎn)業(yè)經(jīng)濟效益的汽車工業(yè)銷售產(chǎn)值、汽車工業(yè)增加值作為產(chǎn)出指標。各指標的數(shù)據(jù)均來自2004—2013年《中國汽車工業(yè)年鑒》。

DEA模型要求被選取的投入和產(chǎn)出指標具有“同向性”，即投入增加時產(chǎn)出不能減少。因此需對投入和產(chǎn)出指標進行Pearson相關性檢驗。使用SPSS軟件對投入-產(chǎn)出指標進行相關性檢驗，其結(jié)果如表1所示。

表1 投入-產(chǎn)出指標Pearson相關性檢驗結(jié)果

注：**表示在0.01水平(雙側(cè))上顯著相關

由表1可知，決策單元的投入-產(chǎn)出指標之間存在顯著的正相關性，因此筆者選取的投入-產(chǎn)出指標符合DEA模型的“同向性”要求。

2.2 Tobit回歸模型指標選取及數(shù)據(jù)說明

Tobit回歸模型中，選取由DEA超效率模型計算出的2004—2013年我國汽車產(chǎn)業(yè)效率為被解釋變量，選取工程技術人員占職工總數(shù)比例、R&D支出占營業(yè)收入百分比、流動資產(chǎn)周轉(zhuǎn)率、產(chǎn)業(yè)集中度(CR4)4個變量為解釋變量[10]。其中，產(chǎn)業(yè)集中度是根據(jù)工業(yè)產(chǎn)值計算得出的。建立的Tobit回歸模型如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+ε

(1)

式中：Y為DEA超效率模型得出的汽車產(chǎn)業(yè)效率；β0為常數(shù)項;β1、β2、β3、β4分別為各解釋變量的回歸系數(shù);X1、X2、X3、X4分別為工程技術人員占職工總數(shù)比例、R&D支出占營業(yè)收入百分比、流動資產(chǎn)周轉(zhuǎn)率、產(chǎn)業(yè)集中度(CR4)等4個解釋變量;ε為殘差。

3 實證結(jié)果及分析

3.1 DEA模型實證結(jié)果及分析

筆者使用DEAP2.1軟件求解以投入為導向的CCR模型和BCC模型，得到2004—2013年我國汽車產(chǎn)業(yè)的效率，結(jié)果如表2所示。

表2 2004—2013年我國汽車產(chǎn)業(yè)效率

由CCR模型得出的綜合技術效率可以看出，2010、2011和2012年3個決策單元綜合技術效率有效。也就是說，2004—2013年，我國汽車產(chǎn)業(yè)綜合技術效率相對最高的是2010、2011和2012年。2010年以前，汽車產(chǎn)業(yè)綜合技術效率基本處于持續(xù)增長的狀態(tài)，也就是說在2004—2010年間，我國汽車產(chǎn)業(yè)在資源配置、資源使用效率和企業(yè)管理等方面的綜合能力處于持續(xù)提高、進步的狀態(tài)。2010—2012年間，我國汽車產(chǎn)業(yè)在各方面的綜合能力達到了相對成熟且穩(wěn)定的狀態(tài)，也就使得這3年產(chǎn)業(yè)綜合技術效率值相對較高，效率值穩(wěn)定為1。但2013年綜合技術效率出現(xiàn)了明顯的下降，說明在2013年我國汽車產(chǎn)業(yè)出現(xiàn)了比較明顯的問題，但具體是哪方面的問題無法由綜合技術效率直接判斷，需要繼續(xù)分析由BCC模型得出的純技術效率和規(guī)模效率。

分析表2中各決策單元的純技術效率值，6個決策單元的純技術效率有效，有效決策單元數(shù)占決策單元總數(shù)的60%，而無效決策單元的純技術效率接近于1，最小值也達到0.929。說明近10年我國汽車產(chǎn)業(yè)純技術效率始終處于相對穩(wěn)定的狀態(tài)。

因為綜合技術效率等于純技術效率與規(guī)模效率的乘積，而純技術效率值均等于1或接近1，所以近10年影響我國汽車產(chǎn)業(yè)綜合技術效率的主要因素是規(guī)模效率。由表2可以看出，規(guī)模效率值與綜合技術效率值的變化趨勢是一致的。在2010年以前，規(guī)模效率處于持續(xù)提高的狀態(tài)，2010—2012年效率值為1，即達到有效，而在2013年效率值突然下降。由規(guī)模收益狀況可以看出，在2010年以前，規(guī)模收益是遞增的，也就是說擴大汽車產(chǎn)業(yè)規(guī)模可以有效提高汽車產(chǎn)業(yè)規(guī)模效率及綜合技術效率。而到了2013年，規(guī)模收益開始遞減，即擴大產(chǎn)業(yè)規(guī)模給規(guī)模效率和綜合技術效率帶來消極影響，這也就是2013年我國汽車產(chǎn)業(yè)綜合技術效率突然下降的主要原因。

2010—2012年均為綜合技術效率有效的決策單元，效率值均為1。為使Tobit回歸模型的結(jié)果能更加合理、準確，需要對這3年的綜合技術效率值做進一步求解，即應用DEA超效率模型對3個有效決策單元進行排序。筆者運用LINDO軟件求解DEA超效率模型，求得2010—2012年我國汽車產(chǎn)業(yè)的效率值分別為1.024、1.008、1.051。近10年我國汽車產(chǎn)業(yè)效率具體的排序和變化過程如圖1所示。

圖1 2004—2013年我國汽車產(chǎn)業(yè)效率

3.2 Tobit模型實證結(jié)果及分析

筆者采用Stata12軟件對汽車產(chǎn)業(yè)效率進行Tobit回歸分析，回歸分析結(jié)果如表3所示。

該回歸模型的極大似然比為27.155 634，P值為0.000 0，說明該回歸模型總體顯著，回歸分析方法可行。具體分析如下：

表3 Tobit模型回歸分析結(jié)果

注：**、*分別表示在0.01、0.05水平上顯著

(1)工程技術人員占職工總數(shù)比例的系數(shù)為9.802 491，在0.01水平上顯著，與我國汽車產(chǎn)業(yè)效率呈正相關。在其他影響因素不變的情況下，工程技術人員占職工總數(shù)比例每提高1%，可使我國汽車產(chǎn)業(yè)效率提高9.802 491%。汽車產(chǎn)業(yè)是技術密集型產(chǎn)業(yè)，研發(fā)、制造、采購等環(huán)節(jié)都對技術和知識有著較強的依賴程度。工程技術人員擁有相對較強的專業(yè)素質(zhì)和技能，能有效提高汽車產(chǎn)業(yè)在各個環(huán)節(jié)解決問題的效率。因此，提高工程技術人員占職工總數(shù)比例對提高我國汽車產(chǎn)業(yè)效率具有積極的意義。

(2)R&D支出占營業(yè)收入百分比的系數(shù)為-5.484 831，但與我國汽車產(chǎn)業(yè)效率無明顯相關性。這一結(jié)論突出反映出現(xiàn)階段我國汽車產(chǎn)業(yè)研發(fā)水平較低的現(xiàn)狀。由于我國汽車產(chǎn)業(yè)研發(fā)能力有限，研發(fā)投資并沒有發(fā)揮其應有的作用，研發(fā)成果十分有限。由此可知，研發(fā)投入的增加并沒有為整個產(chǎn)業(yè)帶來積極的效果，反而在一定程度上抑制了產(chǎn)業(yè)的效率。但我國要從汽車大國走向汽車強國，自主研發(fā)水平必須提高，也就是說在研發(fā)方面的投入是必不可少的。因此，我國汽車產(chǎn)業(yè)應該綜合考慮在研發(fā)方面的投入，以達到汽車產(chǎn)業(yè)效率與汽車技術進步的平衡。

(3)流動資產(chǎn)周轉(zhuǎn)率的系數(shù)為0.230 620，在0.01水平上顯著，與我國汽車產(chǎn)業(yè)效率呈正相關。在其他影響因素不變的情況下，流動資產(chǎn)周轉(zhuǎn)率每提高1%，可使我國汽車產(chǎn)業(yè)效率提高0.230 620%。流動資產(chǎn)周轉(zhuǎn)率越高，說明整個產(chǎn)業(yè)對資源的利用率越高，相應的產(chǎn)業(yè)效率也會提高。

(4)產(chǎn)業(yè)集中度(CR4)的系數(shù)為0.947 938，在0.01水平上顯著，與我國汽車產(chǎn)業(yè)效率呈正相關。在其他影響因素不變的情況下，產(chǎn)業(yè)集中度(CR4)每提高1%，可使我國汽車產(chǎn)業(yè)效率提高0.947 938%。大量理論與實證研究都表明由產(chǎn)業(yè)集中帶來的規(guī)模經(jīng)濟效應能顯著促進汽車產(chǎn)業(yè)的發(fā)展，提高汽車產(chǎn)業(yè)生產(chǎn)效率。雖然我國汽車產(chǎn)業(yè)集中度仍然較低，但其對產(chǎn)業(yè)效率的積極影響已經(jīng)比較明顯。

4 結(jié)論

由DEA模型結(jié)果可得：2004—2013年我國汽車產(chǎn)業(yè)綜合技術效率先升后降，其中2012年以前綜合技術效率基本保持上升狀態(tài)，并在2012年達到最大值，但從2013年開始下降；純技術效率基本處于比較穩(wěn)定的狀態(tài)，因而綜合技術效率的波動主要是受規(guī)模效率變化的影響；現(xiàn)階段我國汽車產(chǎn)業(yè)規(guī)模收益處于遞減的狀態(tài)，簡單地擴大汽車規(guī)模會對企業(yè)綜合技術效率起到明顯的負面作用。由Tobit模型結(jié)果可知：工程技術人員占職工總數(shù)比例、流動資產(chǎn)周轉(zhuǎn)率和產(chǎn)業(yè)集中度(CR4)與我國汽車產(chǎn)業(yè)效率顯著正相關；而R&D支出占營業(yè)收入百分比對我國汽車產(chǎn)業(yè)效率影響不顯著。

[1] 趙玻,王連.我國汽車產(chǎn)業(yè)技術效率及其影響因素實證分析[J].生產(chǎn)力研究,2004(12):157-159.

[2] 郝海崗.運用數(shù)據(jù)包絡分析解析汽車產(chǎn)業(yè)效率[J].汽車工業(yè)研究,2008(6):17-19.

[3] 趙志堅,溫力強.中國汽車產(chǎn)業(yè)內(nèi)外資企業(yè)生產(chǎn)效率研究[J].經(jīng)濟數(shù)學,2009,26(1):81-87.

[4] 萬倫來,鹿立林.中國汽車產(chǎn)業(yè)技術效率分析：基于中國汽車行業(yè)上市公司2006—2008年的經(jīng)驗證據(jù)[J].技術經(jīng)濟,2010,29(2):39-44.

[5] 陳娟.汽車產(chǎn)業(yè)集群的效率研究[J].經(jīng)濟研究導刊,2010(25):184-186.

[6] 吳獻金,陳曉樂.中國汽車產(chǎn)業(yè)全要素生產(chǎn)率及影響因素的實證分析[J].財經(jīng)問題研究,2011(3):41-45.

[7] 張根文,曾行運.基于DEA-Tobit模型的新能源汽車生產(chǎn)效率及影響因素研究[J].工業(yè)技術經(jīng)濟,2014(3):130-137.

[8] 王卓.基于超效率DEA模型的我國工業(yè)企業(yè)效率評價[J].科學管理研究,2007,25(6):30-32.

[9] 吉生保,周小柯,趙海斌.中國機械設備行業(yè)經(jīng)營績效評價及影響因素：基于超效率DEA-Tobit模型[J].山西財經(jīng)大學學報,2011,33(1):64-71.

[10] 李曉鐘,張小蒂.中國汽車產(chǎn)業(yè)市場結(jié)構(gòu)與市場績效研究[J].中國工業(yè)經(jīng)濟,2011(3):129-138.

AN Zhaojie:Postgraduate; School of Automotive Engineering, WUT, Wuhan 430070, China.

[編輯：王志全]

Efficiency and Influencing Factors of Automotive Industry

ANZhaojie

Based on the data of 2004-2013, the efficiency and influencing factors of automotive industry were empirically researched by DEA-Tobit model. Results show that the comprehensive technical efficiency of automotive industry is on the upswing at the year of 2012 and before, and then on the downswing, which is mainly affected by scale efficiency. Automotive Industry is on the stage of diminishing return to scale; the ratio of engineer to workforce, turnover of current assets and industry concentration (CR4) affect efficiency of automotive industry both positively and significantly. The ratio of research and development spending to revenues plays negative role, but not significantly.

DEA-Tobit Model; automotive industry; efficiency; influencing factor

2015-05-18.

安兆杰(1989-)，男，河北張家口人，武漢理工大學汽車工程學院碩士研究生.

2095-3852(2015)06-0740-04

A

F062.9

10.3963/j.issn.2095-3852.2015.06.017