我國(guó)上市公司投資非效率的動(dòng)態(tài)識(shí)別與預(yù)警
——基于Two-tier Stochastic frontier的視角

劉洪濤

(邵陽(yáng)學(xué)院 湖南省民營(yíng)經(jīng)濟(jì)研究基地，湖南 邵陽(yáng)，422000)

2017-06-24

湖南省教育廳資助科研項(xiàng)目(15C1250)

劉洪濤(1976-)，男，湖南邵陽(yáng)人，講師，從事生態(tài)經(jīng)濟(jì)與生態(tài)管理研究；E-mailrrsh248@163.com

1672-7010(2017)05-0100-09

我國(guó)上市公司投資非效率的動(dòng)態(tài)識(shí)別與預(yù)警
——基于Two-tier Stochastic frontier的視角

劉洪濤

(邵陽(yáng)學(xué)院 湖南省民營(yíng)經(jīng)濟(jì)研究基地，湖南 邵陽(yáng)，422000)

本文運(yùn)用雙邊隨機(jī)前沿模型取代Richardson(2006)模型，運(yùn)用MLE估計(jì)優(yōu)化OLS估計(jì)，提出了雙邊隨機(jī)前沿模型更有利于解決人們應(yīng)對(duì)非效率投資問(wèn)題的設(shè)想，構(gòu)建了對(duì)公司非效率投資展開(kāi)高效分析和合理建議的新型工具。結(jié)果表明：雙邊隨機(jī)前沿模型的MLE估計(jì)能勝任對(duì)非效率投資的快捷識(shí)別及預(yù)警工作，同時(shí)發(fā)現(xiàn)現(xiàn)行我國(guó)上市公司投資整體狀況為投資不足，極端非效率投資現(xiàn)象并不多見(jiàn)，輕度非效率投資的企業(yè)需要關(guān)注拉升投資行為的不良后果，重度非效率投資的企業(yè)需要謹(jǐn)防壓低投資的負(fù)面效應(yīng)，自由現(xiàn)金流有加大過(guò)度投資的傾向，負(fù)債率有誘發(fā)投資不足的風(fēng)險(xiǎn)。

投資非效率；雙邊隨機(jī)前沿；極大似然估計(jì)

改革開(kāi)放以來(lái)，中國(guó)歷經(jīng)30余年的年均GDP近百分之十的高速期，從閉塞落后到一躍成為世界第二大經(jīng)濟(jì)體，并創(chuàng)造了世界經(jīng)濟(jì)史上的奇跡[1]。受錯(cuò)綜復(fù)雜國(guó)際環(huán)境和國(guó)內(nèi)經(jīng)濟(jì)深層次矛盾凸顯的影響，我國(guó)已經(jīng)迎來(lái)增速換擋期和結(jié)構(gòu)調(diào)整陣痛期，經(jīng)濟(jì)增長(zhǎng)的平衡性、協(xié)調(diào)性和可持續(xù)性亟待增強(qiáng)。無(wú)論是解釋我國(guó)經(jīng)濟(jì)奇跡，還是破解新常態(tài)下的資源環(huán)境約束與經(jīng)濟(jì)增長(zhǎng)兩難困境，都繞不開(kāi)一個(gè)話題：投資效率的提質(zhì)問(wèn)題，而提質(zhì)的關(guān)鍵在于對(duì)非效率投資的動(dòng)態(tài)識(shí)別能力的加強(qiáng)和預(yù)警手段的開(kāi)發(fā)。

投資是拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的動(dòng)力，其效率的高低直接關(guān)系到公司的成敗和國(guó)家的安危，然而，現(xiàn)實(shí)中由于諸多因素的影響，并非所有的公司在所有的時(shí)刻其投資行為都是有效的，因而，非效率投資現(xiàn)象廣泛存在，如何有效抑制非效率投資，成為學(xué)術(shù)界和實(shí)務(wù)界廣泛關(guān)注的熱點(diǎn)。非效率投資主要有兩種情形[2]，一是公司資源被用于投資凈現(xiàn)值(NPV)小于零的項(xiàng)目，發(fā)生過(guò)度投資；二是在擁有閑置資金的背景下，放棄凈現(xiàn)值大于零的項(xiàng)目，導(dǎo)致投資不足的發(fā)生。非效率投資的出現(xiàn)使公司偏離了價(jià)值最大化的初衷同時(shí)也會(huì)使得公司逐漸步入舉步維艱的窘迫境地。

以往的文獻(xiàn)均借鑒Richardson的模型來(lái)衡量公司的非效率投資行為[3]，其邏輯思路是：(1)選用樣本公司的數(shù)據(jù)對(duì)模型進(jìn)行回歸分析，計(jì)算出公司期望投資水平；(2)將公司的實(shí)際投資水平與期望投資水平作差，得出公司投資的非效率水平，若殘差大于零，則判定為過(guò)度投資，反之，則判定為投資不足。其具體操作是：(1)需建立Richardson模型以判定是否有過(guò)度投資或投資不足的行為發(fā)生；(2)需重建1類*這里的1類和2類是指可能產(chǎn)生不同效應(yīng)的外生變量的類型外生變量與殘差余值的回歸模型以檢驗(yàn)其是否具有過(guò)度投資效應(yīng)；(3)需重建2類外生變量與殘差余值的回歸模型以檢驗(yàn)其是否具有投資不足效應(yīng)。其行為后果是：(1)由于實(shí)證環(huán)節(jié)過(guò)度繁瑣，不少文獻(xiàn)只得選擇過(guò)度投資或投資不足二者之一來(lái)展開(kāi)研討，造成了當(dāng)前的非效率投資似乎單有過(guò)度投資這一假象；(2)必須面對(duì)的一個(gè)過(guò)度環(huán)節(jié)是對(duì)投資過(guò)度或投資不足的公司樣本進(jìn)行先驗(yàn)性分組[4]，然而，很多公司的非效率投資水平在給定樣本中是大幅波動(dòng)的，給后續(xù)研究帶來(lái)極大困難；(3)更值得一提的是，采用“余值”自身來(lái)解釋效應(yīng)之源，在邏輯上似乎有“循環(huán)論證”之嫌。

1 雙邊隨機(jī)前沿模型

1.1 模型的創(chuàng)建

雙邊隨機(jī)前沿理論的提出為解決當(dāng)前問(wèn)題提供了新的路徑，它認(rèn)為投資非效率的產(chǎn)生，是真實(shí)投資對(duì)隨機(jī)前沿*這里的隨機(jī)取自于vit是隨機(jī)值發(fā)生了偏離的結(jié)果：

(1)

式(1)Coelli文中[5]的Iit為真實(shí)投資額，式右的第一部分為隨機(jī)前沿(確定前沿Iit*與經(jīng)典隨機(jī)誤差vit的和)，式右的第二部分部分反映了公司投資的無(wú)效額度(非效率部分)，uit為壓低投資額度，wit為拉升投資額度。它和Richardson理論的本質(zhì)區(qū)別在于：(1)從殘差余值中剔除了隨機(jī)誤差項(xiàng)vit，增加了信度；(2)將殘差余值的剩余部分做了嚴(yán)密的分工，一部分負(fù)責(zé)壓低投資(uit)，而另一部分負(fù)責(zé)拉升投資(wit)。

傳統(tǒng)Q理論認(rèn)為，在完美資本市場(chǎng)假設(shè)下，公司的投資支出存在一個(gè)完全由投資機(jī)會(huì)決定的最優(yōu)邊界：

Iit=Iit*+εit，

(2)

然而現(xiàn)實(shí)是，人們總能發(fā)現(xiàn)無(wú)效效應(yīng)的普遍存在，如：(1)Giroud et al，Billett et al.發(fā)現(xiàn)低質(zhì)量公司治理的公司更可能發(fā)生非效率投資行為；楊興全，張會(huì)麗等，發(fā)現(xiàn)高質(zhì)量公司治理的公司能抑制非效率投資[6，7]。(2)Cheng et al.發(fā)現(xiàn)高質(zhì)量的內(nèi)部控制能抑制公司的非效率投資；于忠泊等卻發(fā)現(xiàn)高質(zhì)量的內(nèi)部控制不能抑制公司的非效率投資行為[8]。進(jìn)一步表明式(1)的正確性，式(2)的偏頗性，為了研究的深入，在它們的基礎(chǔ)上提出式(3)：

Iit=Iit*+εit，εit=vit-uit+wit，

(3)

其中，Iit為第i個(gè)企業(yè)的實(shí)際投資支出，Iit*為最優(yōu)投資邊界。vit為一般意義上的隨機(jī)干擾項(xiàng)，uit≥0用來(lái)衡量由于壓低效應(yīng)的存在所導(dǎo)致的投資實(shí)際發(fā)生水平低于最優(yōu)投資邊界的程度，wit≥0用來(lái)衡量由于拉升效應(yīng)的存在所導(dǎo)致的投資實(shí)際發(fā)生水平高于最優(yōu)投資邊界的程度。

最優(yōu)投資邊界如何獲得是目前學(xué)術(shù)界的一大難題，綜合我國(guó)股票市場(chǎng)僅達(dá)到或接近弱勢(shì)有效的特點(diǎn)以及國(guó)外也無(wú)真正意義上的完美市場(chǎng)的事實(shí)，本文在借鑒Richardson的投資支出預(yù)期模型的基礎(chǔ)上，來(lái)模擬最優(yōu)投資邊界，于是得到式(4)：

Iit=β0+β1Growthit-1+β2Levit-1+β3Cashit-1+β4Ageit-1+β5Sizeit-1+β6Returnit-1+β7Iit-1+∑Industry+∑Year+εit，

εit=vit+wit-uit，

(4)

其中，Growthit-1為營(yíng)業(yè)收入增長(zhǎng)率，Levit-1為負(fù)債率，Cashit-1為現(xiàn)金存量，Ageit-1為上市時(shí)間，Sizeit-1為公司規(guī)模，Returnit-1為股票年收益率，∑Industry為行業(yè)虛擬變量，∑Year為年度虛擬變量。

1.2 模型的估計(jì)

為了估計(jì)(4)式中的參數(shù)，可將其簡(jiǎn)化為式(5)的形式：

Iit=Xitβ+εit，εit=vit+wit-uit，

(5)

其中，參數(shù)β通過(guò)常規(guī)的回歸技術(shù)(如OLS)便可獲得其無(wú)偏估計(jì)，然而，我們的目的是要估計(jì)出所有的參數(shù)，其中，u和w是單側(cè)分布，即使E(v)=0，E(ε)=0也未必成立，因此，如果我們?nèi)匀挥肙LS法來(lái)估計(jì)剩余參數(shù)，得到的將是有偏的估計(jì)值。為了從復(fù)合誤差項(xiàng)εit中恰當(dāng)分離出單側(cè)誤差項(xiàng)，人們采用極大似然估計(jì)來(lái)估計(jì)模型參數(shù)。

根據(jù)以上的假設(shè)，得：

(6)

現(xiàn)ε=v-u+w，考慮到其為復(fù)雜誤差項(xiàng)的事實(shí)，以下分兩個(gè)階段來(lái)獲得其邊緣分布，先令ζ=v-u，則ε=ζ+w。

又，因?yàn)椋?/p>

=f(u，v)

=f(u)·f(v)

(7)

所以，得ζ的邊緣分布為：

(8)

又，因?yàn)椋?/p>

=f(w，ζ)

=f(w)·f(ζ)

(9)

所以，得ε的邊緣分布為：

(10)

(3)據(jù)此可以得到n個(gè)觀測(cè)樣本的似然函數(shù)：所有參數(shù)β，σv，σu，σw的估計(jì)可以通過(guò)該似然函數(shù)的最大化來(lái)獲得。

2 數(shù)據(jù)選擇及實(shí)證分析

2.1 數(shù)據(jù)選擇

本文選取滬深交易所2007年1月1日到2013年12月31日之間*模型中存在滯后一期或兩期的變化，因此，實(shí)際樣本期間為2009-2013年的A股上市公司作為研究對(duì)象，并對(duì)樣本做出如下篩選：(1)鑒于金融類行業(yè)的特殊性，避開(kāi)此類上市公司；(2)因?yàn)镾T類公司財(cái)務(wù)狀況異常，予以剔除；(3)由于數(shù)據(jù)的缺失或極值會(huì)影響統(tǒng)計(jì)結(jié)果，也進(jìn)行了處理。最后得到1202家公司在2009～2013年間的5991個(gè)樣本觀測(cè)值。本文所用數(shù)據(jù)全部取自國(guó)泰安數(shù)據(jù)庫(kù)(CSMAR)，數(shù)據(jù)處理和統(tǒng)計(jì)分析均在STATA12.0中完成。

表1 變量的描述性統(tǒng)計(jì)

2.2 實(shí)證分析

2.2.1 模型的對(duì)比及解釋

基于上述假定，本文對(duì)模型(5)分別進(jìn)行OLS和雙邊隨機(jī)前沿的估計(jì)，并在估計(jì)過(guò)程中控制了行業(yè)虛擬變量和年度虛擬變量，結(jié)果見(jiàn)表2。

表2中，OLS結(jié)果顯示R2為0.573，這表明所選取的解釋變量能較好地?cái)M合企業(yè)的真實(shí)投資水平。解釋變量中上一年度投資水平、股票的年收益率的系數(shù)為正，且均在1%的水平上顯著，其中，上一年度的投資水平系數(shù)為0.750，對(duì)本年度投資水平的影響最大，反映了我國(guó)上市公司的投資水平受到歷史數(shù)據(jù)和公司外部形象的影響較大；營(yíng)業(yè)收入增長(zhǎng)率、負(fù)債率、現(xiàn)金存量、上市時(shí)間、公司規(guī)模等系數(shù)為負(fù)，且?guī)缀跻捕荚?%的水平上顯著，其中現(xiàn)金存量的系數(shù)為-0.209，對(duì)本年度投資水平影響最大，更進(jìn)一步表明我國(guó)上市公司的真實(shí)投資水平與公司的成長(zhǎng)性關(guān)聯(lián)不大，極易發(fā)生復(fù)雜的投資非效率行為。后續(xù)的對(duì)模型(5)進(jìn)行雙邊隨機(jī)前沿估計(jì)的結(jié)果與前一種方法基本一致，從側(cè)面暗示我們選用MLE估計(jì)雙邊前沿模型具有合理性和我們前面的分析的可靠性。

表2 雙邊隨機(jī)前沿模型估計(jì)

注：*p<0.10**p<0.05***p<0.01，括號(hào)內(nèi)為P值

2.2.2 投資非效率的識(shí)別

為了實(shí)現(xiàn)對(duì)投資非效率的更好的識(shí)別，現(xiàn)進(jìn)一步對(duì)雙邊隨機(jī)前沿模型估計(jì)結(jié)果進(jìn)行方差分解，以分解上市公司決定實(shí)際投資額的過(guò)程中博弈因素雙方的決斷能力，結(jié)果見(jiàn)表3：

表3 投資博弈雙方?jīng)Q斷能力的方差分解

從表3可以發(fā)現(xiàn)，拉升投資方的決斷能力測(cè)度系數(shù)為0.5909，低于壓低投資方的決斷能力0.6409，雙方投資決斷能力對(duì)實(shí)際投資的綜合影響為負(fù)，即E(w-u)<0，表明其投資決斷能力的博弈形成一個(gè)比最優(yōu)投資邊界更低的結(jié)果；投資中無(wú)法解釋的因素總方差測(cè)度系數(shù)為0.8269，其中91.89%由投資博弈雙方?jīng)Q斷能力因素所擁有，再次體現(xiàn)出本文所強(qiáng)調(diào)的MLE和雙邊隨機(jī)前沿模型的優(yōu)勢(shì)所在；壓低投資方?jīng)Q斷能力具有更大優(yōu)勢(shì)，達(dá)到54.05%，則表明投資博弈過(guò)程中更多反映的是壓低投資效應(yīng)，結(jié)果造成我國(guó)上市公司整體表現(xiàn)為投資不足，這和張宗益的研究結(jié)論是一致的。

為了分析投資決斷雙方在企業(yè)投資博弈過(guò)程中所產(chǎn)生的壓低投資程度和拉升投資的程度，進(jìn)一步進(jìn)行單邊效應(yīng)分析。從圖1和圖2可以看到，壓低投資效應(yīng)和拉升投資效應(yīng)都存在向右拖尾的特征，表明壓低投資現(xiàn)象和拉升投資現(xiàn)象很突出的企業(yè)為數(shù)不多。拉升投資方博弈決斷能力的分布較為集中，表明：(1)盡管綜合表現(xiàn)為投資不足；非效率投資特征異常顯著的企業(yè)并不多見(jiàn)；然而，在輕度非效率投資企業(yè)中，拉升投資行為更常見(jiàn)，而重度非效率投資企業(yè)中，壓低投資現(xiàn)象更為突出。

圖1 拉升投資方博弈決斷能力Fig.1 Pull up investors game determination capability

圖2 壓低投資方博弈決斷能力Fig.2 Ability to reduce investor decision making

2.2.3 投資非效率的預(yù)警

雙邊隨機(jī)前沿模型除了能識(shí)別投資非效率行為之外，還有一項(xiàng)非常重要的功能，那就是對(duì)引發(fā)企業(yè)非效率投資行為的因子的快捷識(shí)別，而這在同類文獻(xiàn)中還是空白。

設(shè)想我們?cè)谖磥?lái)的實(shí)踐中需要考察自由現(xiàn)金流和負(fù)債對(duì)企業(yè)非效率投資的預(yù)警價(jià)值，根據(jù)已有文獻(xiàn)的認(rèn)知：(1)Stulz發(fā)現(xiàn)經(jīng)理為了能掌控更多的資源，獲得更多的在職消費(fèi)，從而實(shí)現(xiàn)自身利益最大化，有投資凈現(xiàn)值為負(fù)的項(xiàng)目的動(dòng)機(jī)；Hart發(fā)現(xiàn)經(jīng)理有構(gòu)建“企業(yè)帝國(guó)”的強(qiáng)烈動(dòng)機(jī)；Richardson也曾發(fā)現(xiàn)過(guò)度投資企業(yè)在美國(guó)也時(shí)有發(fā)生，總體而言，企業(yè)若擁有1美元的剩余現(xiàn)金流，就會(huì)在過(guò)度投資中用掉43美分。(2)Mconnell et al.，Lang et al.，Ahn et al.都曾用實(shí)證的方式驗(yàn)證了負(fù)債的相機(jī)治理作用，即債務(wù)融資能有效約束管理層濫用自由現(xiàn)金流進(jìn)行過(guò)度投資，具體而言，負(fù)債所要求的本息支付的方式能減少經(jīng)理層可支配的自由現(xiàn)金流，同時(shí)債權(quán)人也可以通過(guò)債務(wù)契約來(lái)增加限定性約束，以管控企業(yè)的投資方向，達(dá)到抑制過(guò)度投資的目的。我們可以做出如下假設(shè)：(1)自由現(xiàn)金流可能會(huì)引發(fā)過(guò)度投資；(2)負(fù)債治理可能會(huì)導(dǎo)致投資不足。

雙邊隨機(jī)前沿模型的極大似然估計(jì)允許在估計(jì)關(guān)鍵參數(shù)的同時(shí)開(kāi)展外生變量對(duì)參數(shù)的直接回歸，這恰為投資非效率的預(yù)警提供了便利。于是，有了如下的設(shè)定：

σu=exp(α0+α1Lev+α2),

(11)

σw=exp(γ0+γ1Fcf+γ2)，

(12)

其中，Lev表示負(fù)債率，F(xiàn)cf表示現(xiàn)金流量，結(jié)果見(jiàn)表4：

表4 雙邊隨機(jī)前沿模型估計(jì)

注：*p<0.10**p<0.05***p<0.01，括號(hào)內(nèi)為P值

其中雙邊隨機(jī)前沿模型(1)具有投資非效率的識(shí)別功能，而雙邊隨機(jī)前沿模型(2)卻擁有投資非效率的預(yù)警的能力。具體而言，后者中的外生變量是作為我們需要考量的目的而后來(lái)加進(jìn)去的，從兩個(gè)模型估計(jì)的結(jié)果對(duì)照來(lái)看，相同指標(biāo)差異極小，而不同指標(biāo)，如Levit和Fcfit均和設(shè)定效應(yīng)顯著正相關(guān)，從而證明了前面所做假設(shè)是成立的，同時(shí)，這一發(fā)現(xiàn)為我們對(duì)影響投資非效率的大小和方向的關(guān)鍵因素做出提前預(yù)判提供了現(xiàn)實(shí)可行的路徑。

3 結(jié)論

本文創(chuàng)造性地提出了用雙邊隨機(jī)前沿模型來(lái)取代Richardson模型，用MLE法來(lái)優(yōu)化OLS法的新的研究思路。

研究中發(fā)現(xiàn)：(1)在對(duì)非效率投資的識(shí)別中：雙邊隨機(jī)前沿模型的MLE估計(jì)能勝任投資非效率的識(shí)別，拉升方投資決斷能力測(cè)定系數(shù)低于壓低投資方的決斷能力，雙方投資決斷能力對(duì)實(shí)際投資的綜合影響為負(fù)，造成我國(guó)上市公司整體表現(xiàn)為投資不足的表象；非效率投資特征異常顯著的實(shí)例并不多見(jiàn)；輕度投資非效率的企業(yè)中，拉升投資行為更為常見(jiàn)，而重度非效率投資企業(yè)中，壓低投資的現(xiàn)象更為明顯。(2)在對(duì)非效率投資的預(yù)警中：根據(jù)我們的實(shí)際考量的目的，將相關(guān)外生變量后續(xù)加入雙邊隨機(jī)前沿模型的MLE估計(jì)的方法是可行且有效的；運(yùn)用外生變量Levit和Fcfit，我們得出了自由現(xiàn)金流傾向于加大過(guò)度投資，而負(fù)債率會(huì)傾向于誘發(fā)投資不足的可靠證據(jù)。

上述研究結(jié)論可以引申為如下政策意涵：第一，我國(guó)上市公司普遍存在非效率投資行為，不僅有投資過(guò)度，更是投資不足；第二，發(fā)生嚴(yán)重非效率投資的企業(yè)為極少數(shù)；第三，輕度非效率投資企業(yè)中，更應(yīng)該關(guān)注經(jīng)理對(duì)自由現(xiàn)金流的濫用行為，在重度非效率投資企業(yè)中，更應(yīng)該密切關(guān)注企業(yè)對(duì)負(fù)債率的相機(jī)治理的不恰當(dāng)運(yùn)用；第四，自由現(xiàn)金流有加大過(guò)度投資的效用性，負(fù)債率有誘發(fā)投資不足的先天性。

[1]李蘭冰,劉秉鐮.中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)績(jī)效,源泉與演化:基于要素分解視角[J].經(jīng)濟(jì)研究,2015,50(8):58-72.

[2]方紅星,金玉娜.公司治理,內(nèi)部控制與非效率投資:理論分析與經(jīng)驗(yàn)證據(jù)[J].會(huì)計(jì)研究,2013,7:63-69.

[3]黃珺,黃妮.過(guò)度投資,債務(wù)結(jié)構(gòu)與治理效應(yīng) [J].會(huì)計(jì)研究,2012,9:67-72.

[4]張宗益,鄭志丹.融資約束與代理成本對(duì)上市公司非效率投資的影響——基于雙邊隨機(jī)邊界模型的實(shí)證度量[J].管理工程學(xué)報(bào),2012,2:018.

[5]COELLI T J,RAO D S P,O’Donnell C J,et al.An introduction to efficiency and productivity analysis[M].New York:Springer Science & Business Media,2005.

[6]楊興全, 張照南, 吳昊曼. 治理環(huán)境, 超額持有現(xiàn)金與過(guò)度投資——基于我國(guó)上市公司面板數(shù)據(jù)的分析[J]. 南開(kāi)管理評(píng)論, 2010, (5): 61-69.

[7]張會(huì)麗, 陸正飛. 現(xiàn)金分布, 公司治理與過(guò)度投資——基于我國(guó)上市公司及其子公司的現(xiàn)金持有狀況的考察[J]. 管理世界, 2012, (3): 141-150.

[8]于忠泊, 田高良. 內(nèi)部控制評(píng)價(jià)報(bào)告真的有用嗎——基于會(huì)計(jì)信息質(zhì)量, 資源配置效率視角的研究[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào), 2009, 31(10): 110-118.

DynamicRecognitionandEarlyWarningoftheNonefficiencyofListingCorporationInvestmentinChina——BasedonthePerspectiveofTwo-tierStochasticfrontier

LIU Hongtao

(Shaoyang University Hunan Private Economy Research Base,Shaoyang 422000,China)

Using the Two-tier stochastic model to replace Richardson (2006) model, using MLE to optimize OLS estimation, puts forward an imagine that the Two-tier stochastic frontier model is more conducive to resolve non efficiency of investment, and constructs the new tool for the efficient analysis and reasonable suggestion of the company's non-efficiency investment . The results show that：Two-tier stochastic frontier model of MLE estimates suit to the non efficiency investment quick recognition and early warning, and current our country listed investment company overall situation of non efficiency investment is insufficient investment, extreme phenomenon does not see more, mild non efficiency investment enterprises need to focus on pulled investment behavior, severe non efficiency investment enterprises need to beware of depress the investment of the negative effect, free cash flow increases the tendency to over investment, debt rate is induced by lack of investment risk.

investment inefficiency;Two-tier stochastic frontier;maximum likelihood estimation

F276.6

A