高技術(shù)服務(wù)業(yè)公司效率及其影響因素的區(qū)域差異性分析

陳 露，姚正海

（江蘇師范大學(xué) 商學(xué)院，江蘇 徐州 221000）

一、引言

高技術(shù)服務(wù)業(yè)是新興的一種行業(yè)，其本身附加值高、低能耗等特點(diǎn)使其發(fā)展迅速。高技術(shù)服務(wù)業(yè)2017 年城鎮(zhèn)單位就業(yè)人數(shù)為815.8 萬人，全社會(huì)固定資產(chǎn)投資達(dá)12 929.9 億元，增加值從2016 年的36 489.8 億元增加到2017 年的42 599.1 億元，增長了16.7%，發(fā)展勢頭良好。但2017 年其就業(yè)人數(shù)占第三產(chǎn)業(yè)就業(yè)人數(shù)的8.8%，增加值僅占全國GDP的5.2%，可見其發(fā)展水平不高，有待繼續(xù)發(fā)展。

分析我國高技術(shù)服務(wù)業(yè)企業(yè)效率狀況，研究我國東、中、西三個(gè)區(qū)域高技術(shù)服務(wù)業(yè)企業(yè)效率影響因素的差異，能夠促進(jìn)企業(yè)提高競爭實(shí)力，減少資源浪費(fèi)，加快各地經(jīng)濟(jì)增長方式從粗放型向集約型進(jìn)行轉(zhuǎn)變。

二、文獻(xiàn)綜述

與高技術(shù)服務(wù)業(yè)企業(yè)效率和影響因素有關(guān)的研究有很多，主要可分為以下兩點(diǎn)。

1.在效率的研究方法方面。關(guān)于效率的文獻(xiàn)有很多，國內(nèi)外學(xué)者們研究效率的方法大致分為參數(shù)法和非參數(shù)法。參數(shù)法中用得最多的是SFA 法。Senyonga 和Bergland（2018）[1]利用SFA 模型研究挪威公用事業(yè)單位的技術(shù)效率。張滿銀和張丹（2019）[2]根據(jù)2011—2015 年京津冀地級(jí)市區(qū)規(guī)模以上工業(yè)企業(yè)的相關(guān)數(shù)據(jù)，利用SFA 方法分析其技術(shù)創(chuàng)新效率。而非參數(shù)法中DEA 及其衍生的其他方法運(yùn)用普遍。Fragoudaki 和Giokas（2020）[3]運(yùn)用DEA和MPI，使用2011 年和2015 年的經(jīng)營和財(cái)務(wù)數(shù)據(jù)評(píng)估私有化結(jié)束前希臘向民用航空開放的38 個(gè)機(jī)場的表現(xiàn)。李憲印等（2016）[4]選取我國生態(tài)農(nóng)業(yè)企業(yè)2010—2014 年相關(guān)的數(shù)據(jù)，用三階段DEA 模型研究其技術(shù)效率。

2.在效率的影響因素方面。企業(yè)效率影響因素一般分為宏觀因素、中觀因素和微觀因素，且多采用Tobit 模型進(jìn)行分析。有學(xué)者從微觀角度選取因素來研究其對企業(yè)效率的影響效果。劉超等（2019）[5]構(gòu)建Tobit 模型，分析人工智能行業(yè)上市公司的融資效率被融資結(jié)構(gòu)、盈利能力、企業(yè)成長能力、資金利用率、股權(quán)集中度五種因素影響的效果程度。也有部分學(xué)者分析宏觀和微觀因素對企業(yè)效率的影響效果。易蘭廣和胡梅梅（2019）[6]從區(qū)域特征和企業(yè)特征兩方面著手選取五個(gè)解釋變量，同時(shí)引入地區(qū)分布和制造業(yè)企業(yè)兩個(gè)控制變量，建立Tobit 模型研究影響湖南上市公司效率的因素。還有學(xué)者結(jié)合宏觀、中觀和微觀三個(gè)角度選取指標(biāo)來研究其對企業(yè)績效的作用。馬瑤（2018）[7]分別選取兩個(gè)宏觀指標(biāo)、一個(gè)中觀指標(biāo)和五個(gè)微觀指標(biāo)共八個(gè)自變量，并運(yùn)用Tobit 回歸分析指標(biāo)對太陽能光伏上市公司融資效率的影響情況。

高技術(shù)服務(wù)業(yè)是一門新興的產(chǎn)業(yè)，相關(guān)的對效率和影響因素的研究較少，且多是從我國高技術(shù)服務(wù)業(yè)產(chǎn)業(yè)角度出發(fā)進(jìn)行分析，較少從企業(yè)微觀角度出發(fā)；由于效率的復(fù)雜性，尚未建立起科學(xué)的效率影響因素指標(biāo)體系。企業(yè)作為行業(yè)的微觀載體，經(jīng)濟(jì)發(fā)展的推動(dòng)者，對企業(yè)的研究可以進(jìn)一步豐富高技術(shù)服務(wù)業(yè)的研究內(nèi)容。同時(shí)考慮到地區(qū)不同可能帶來的差異，分地區(qū)的研究也同樣具有現(xiàn)實(shí)意義。所以本文采用DEA 模型測度高技術(shù)服務(wù)業(yè)上市公司在東、中、西三地以及全國的效率，同時(shí)結(jié)合Tobit模型研究宏觀因素和微觀因素對企業(yè)效率影響效果及其區(qū)域差異性。

三、研究方法

（一）DEA 模型

數(shù)據(jù)包絡(luò)分析（DEA）由Charnes 等于1978 年提出，根據(jù)多投入多產(chǎn)出指標(biāo)模型，利用線性規(guī)劃等方法，計(jì)算比較決策單元之間的相對效率[8]。DEA 模型分為CCR 模型、BCC 模型等，由于生產(chǎn)過程不一定滿足規(guī)模報(bào)酬不變的條件，本文采用投入導(dǎo)向的BCC 模型對我國高技術(shù)服務(wù)業(yè)公司的效率進(jìn)行初步測算，其對偶規(guī)劃為：

式中，θ為決策單元的效率值；x和y分別為決策單元的投入量和產(chǎn)出值；λj為決策單元j的投入產(chǎn)出指標(biāo)權(quán)重；s-和s+分別為投入和產(chǎn)出松弛變量。

（二）Tobit 模型

Tobit 模型屬于受限因變量回歸的一種類型，對于某些觀測數(shù)據(jù)，被解釋變量的概率分布由一個(gè)離散點(diǎn)與一個(gè)連續(xù)分布所組成的混合分布，在這種情況下，如果用OLS 來估計(jì)，不能得到一致的估計(jì)。

不失一般性，為簡便起見，假定歸并點(diǎn)為0，Tobit模型標(biāo)準(zhǔn)形式如下：

式中，yi*為潛在因變量；yi為因變量；xi為自變量向量；β為系數(shù)向量；εi為殘差，獨(dú)立且服從正態(tài)分布。

四、我國高技術(shù)服務(wù)業(yè)上市公司效率分析

（一）數(shù)據(jù)說明與指標(biāo)體系

本文以2011—2017 年我國高技術(shù)服務(wù)業(yè)上市公司作為樣本，剔除數(shù)據(jù)缺失的樣本企業(yè)，得到1 161條樣本數(shù)據(jù)，所有數(shù)據(jù)均來自于Wind 數(shù)據(jù)庫。根據(jù)國家統(tǒng)計(jì)局劃分標(biāo)準(zhǔn)，將我國大陸分成東部、中部和西部三個(gè)區(qū)域。具體上市公司效率評(píng)價(jià)指標(biāo)體系如表1 所示。

表1 我國高技術(shù)服務(wù)業(yè)上市公司效率評(píng)價(jià)指標(biāo)體系

（二）結(jié)果分析

本文運(yùn)行DEAP 軟件，采用DEA-BCC 模型對我國2011—2017 高技術(shù)服務(wù)業(yè)上市公司的投入產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行處理，所得結(jié)果如表2 所示。

由表2 可知，東部、中部、西部三個(gè)地區(qū)以及全國的高技術(shù)服務(wù)業(yè)上市企業(yè)在2011—2017 年間每年的規(guī)模效率值大于純技術(shù)效率值，同時(shí)純技術(shù)效率值大于綜合技術(shù)效率值，技術(shù)對綜合技術(shù)效率有更明顯的制約作用，并且效率值處于不斷波動(dòng)中；規(guī)模效率比較高，每年均值都大于0.5，而綜合技術(shù)效率則基本都小于0.5，可見我國各地的高技術(shù)服務(wù)業(yè)公司綜合技術(shù)效率低，急需優(yōu)化資源配置，提高資源使用效率以提高綜合技術(shù)效率。東部、中部、西部三地企業(yè)規(guī)模效率均值接近，可能是因?yàn)橹胁亢臀鞑康貐^(qū)高技術(shù)服務(wù)業(yè)上市公司規(guī)模不大，當(dāng)投入規(guī)模擴(kuò)大一點(diǎn)時(shí)，可能會(huì)帶來較高的產(chǎn)出，導(dǎo)致規(guī)模效率不低，與東部企業(yè)規(guī)模效率均值接近。西部地區(qū)企業(yè)綜合技術(shù)效率和純技術(shù)效率的平均值則略低，西部地區(qū)相對于東部和中部地區(qū)發(fā)展較低，其公司管理水平、技術(shù)水平、資源配置能力和資源使用效率等都較低。

表2 2011—2017 年我國高技術(shù)服務(wù)業(yè)上市公司效率值

五、我國高技術(shù)服務(wù)業(yè)上市公司效率影響因素分析

（一）指標(biāo)體系與建立模型

本文以綜合技術(shù)效率為因變量，從宏觀與微觀兩方面來研究我國高技術(shù)服務(wù)業(yè)上市公司效率的影響因素，其中宏觀指標(biāo)數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒，微觀指標(biāo)數(shù)據(jù)來源于Wind 數(shù)據(jù)庫，有的數(shù)據(jù)需要經(jīng)過少量的計(jì)算得到結(jié)果，所建模型如表3 所示。

表3 我國高技術(shù)服務(wù)業(yè)上市公司效率的影響因素體系

因變量綜合技術(shù)效率數(shù)據(jù)值在0～1 之間，屬于歸并數(shù)據(jù)，所以本文采取面板Tobit 回歸模型以研究我國高技術(shù)服務(wù)業(yè)上市公司在2011—2017 年效率的影響因素，根據(jù)上述指標(biāo)構(gòu)建模型如下:

其中，i表示第i家上市公司，t表示時(shí)間（年份），C表示模型的截距項(xiàng)，β表示各個(gè)自變量的回歸系數(shù)，εit表示殘差，其余自變量的指標(biāo)代碼可與表3一一對應(yīng)。

（二）結(jié)果分析

東部、中部、西部三地高技術(shù)服務(wù)業(yè)發(fā)展不同，為了研究三地高技術(shù)服務(wù)業(yè)公司的影響因素是否會(huì)有所區(qū)別，使研究更加有意義，對東部、中部、西部三地的企業(yè)效率和影響因素指標(biāo)進(jìn)行Tobit 回歸分析。并且為了防止異常值對研究結(jié)果的影響，對樣本量很大的東部地區(qū)企業(yè)相關(guān)的連續(xù)變量在1%和99%的分位數(shù)進(jìn)行縮尾處理。通過Stata 15.1 版對三地企業(yè)效率和相應(yīng)變量進(jìn)行面板Tobit 回歸，所得結(jié)果如表4 所示。

表4 我國高技術(shù)服務(wù)業(yè)上市公司效率的影響因素回歸結(jié)果

從表4 可以發(fā)現(xiàn)，影響因素對三地的影響效果具有明顯的差異性。具體分析如下：

1.宏觀因素方面。東部地區(qū)失業(yè)率和高技術(shù)服務(wù)業(yè)上市公司效率呈負(fù)相關(guān)關(guān)系，并且在1%的水平上顯著，中部和西部地區(qū)失業(yè)率正向影響企業(yè)效率，但不顯著?？赡苁且?yàn)樵跂|部地區(qū)，失業(yè)率升高，反映經(jīng)濟(jì)的不景氣，企業(yè)規(guī)?？赡軙?huì)變小，導(dǎo)致企業(yè)效率顯著降低；中部和西部地區(qū)失業(yè)率變高，人員變少后可能更利于管理，企業(yè)效率變高，但可能因?yàn)楦呒夹g(shù)服務(wù)業(yè)公司少，宏觀層面的失業(yè)率對企業(yè)效率的影響有限。

2.微觀因素方面。東部地區(qū)和西部地區(qū)兩地高技術(shù)服務(wù)業(yè)上市企業(yè)資產(chǎn)負(fù)債率對企業(yè)效率產(chǎn)生正向影響，分別在1%、5%的水平上顯著，中部地區(qū)產(chǎn)生負(fù)向影響，且不顯著。原因可能是，在東部地區(qū)和西部地區(qū)兩地，在合理的資產(chǎn)負(fù)債率范圍內(nèi)，隨著資產(chǎn)負(fù)債率的提高，收益升高，企業(yè)效率得到提升；中部地區(qū)高技術(shù)服務(wù)業(yè)公司處于發(fā)展階段，資產(chǎn)負(fù)債率升高，但不能帶來相匹配的收益，企業(yè)效率反而降低，但影響有限。

東部地區(qū)高技術(shù)服務(wù)業(yè)企業(yè)的凈資產(chǎn)收益率在10%的水平上顯著正向影響企業(yè)效率，中部地區(qū)和西部地區(qū)兩地對效率的影響均不顯著。東部地區(qū)凈資產(chǎn)收益率的提高，代表企業(yè)盈利能力和競爭能力增強(qiáng)，投入一定時(shí)，產(chǎn)出就越高，企業(yè)效率越高。

中部地區(qū)高技術(shù)服務(wù)業(yè)上市公司存貨周轉(zhuǎn)率與企業(yè)效率在1%的水平上顯著正相關(guān)，東部地區(qū)和西部地區(qū)對企業(yè)效率產(chǎn)生的影響不顯著。中部地區(qū)企業(yè)存貨周轉(zhuǎn)率升高，表明企業(yè)存貨管理水平變高，變現(xiàn)能力提高，企業(yè)效率得到提升。

西部地區(qū)高技術(shù)服務(wù)業(yè)上市公司技術(shù)人員人數(shù)占比在1%的水平上顯著正向影響企業(yè)效率，東部地區(qū)和中部地區(qū)負(fù)向影響企業(yè)效率，且不顯著。西部地區(qū)技術(shù)人員占比升高，代表企業(yè)創(chuàng)新投入增多，加上東部地區(qū)的技術(shù)擴(kuò)散，西部大開發(fā)政策加快發(fā)展現(xiàn)代服務(wù)業(yè)，可能會(huì)導(dǎo)致企業(yè)技術(shù)進(jìn)步，成本降低，企業(yè)效率得到提高。東部地區(qū)高技術(shù)服務(wù)業(yè)企業(yè)發(fā)展較早，技術(shù)相對來說較高，創(chuàng)新投入的提高可能帶來的是成本升高和創(chuàng)新資源閑置，難以帶來技術(shù)進(jìn)一步的提升，反而導(dǎo)致企業(yè)效率略有下降。中部地區(qū)高技術(shù)服務(wù)業(yè)公司處于發(fā)展階段，對創(chuàng)新投入不敏感，創(chuàng)新投入的提高可能難以帶來收益的增高，企業(yè)效率略有降低。

六、結(jié)論與建議

（一）結(jié)論

1.我國高技術(shù)服務(wù)業(yè)上市公司綜合技術(shù)效率低，每年均值基本都小于0.5，其中技術(shù)水平是相較于規(guī)模程度對綜合技術(shù)效率制約較大的因素。西部地區(qū)高技術(shù)服務(wù)業(yè)公司綜合技術(shù)效率和純技術(shù)效率比東部和中部地區(qū)略低些，三地企業(yè)規(guī)模效率相差不大。

2.東中西三個(gè)區(qū)域效率顯著影響因素不盡相同，影響效果也有差異。在東部地區(qū)，失業(yè)率、資產(chǎn)負(fù)債率、凈資產(chǎn)收益率對高技術(shù)服務(wù)業(yè)公司效率影響顯著，其中失業(yè)率產(chǎn)生負(fù)向影響，另外兩項(xiàng)因素產(chǎn)生正向影響。在中部地區(qū)，存貨周轉(zhuǎn)率顯著正向影響高技術(shù)服務(wù)業(yè)上市公司效率。在西部地區(qū)，資產(chǎn)負(fù)債率和技術(shù)人員人數(shù)占比均對高技術(shù)服務(wù)業(yè)上市公司效率產(chǎn)生顯著正向影響。

（二）建議

1.在東部地區(qū)，政府需要調(diào)整勞動(dòng)力就業(yè)結(jié)構(gòu)，擴(kuò)大就業(yè)崗位，創(chuàng)造良好的就業(yè)環(huán)境，降低失業(yè)率，提高就業(yè)率；加大扶持高技術(shù)服務(wù)業(yè)的力度，促進(jìn)企業(yè)良好發(fā)展，使其利潤更高，盈利能力更強(qiáng)。高技術(shù)服務(wù)業(yè)企業(yè)也需要在合理的資產(chǎn)負(fù)債率范圍內(nèi)提高資產(chǎn)負(fù)債率，加強(qiáng)管理運(yùn)營水平，制定正確的決策，提高企業(yè)的盈利能力，提高企業(yè)效率。

2.在中部地區(qū)，高技術(shù)服務(wù)業(yè)上市公司提高服務(wù)水平，根據(jù)市場及時(shí)調(diào)整產(chǎn)品結(jié)構(gòu)，提高存貨周轉(zhuǎn)率，實(shí)現(xiàn)企業(yè)效率的提高。

3.在西部地區(qū)，高技術(shù)服務(wù)業(yè)上市公司需要在適當(dāng)?shù)姆秶鷥?nèi)，合理調(diào)整資本結(jié)構(gòu)，提高資本負(fù)債率，同時(shí)也要關(guān)注西部大開發(fā)政策，享受其中的優(yōu)惠，充分利用好東部地區(qū)的技術(shù)擴(kuò)散，加大對企業(yè)創(chuàng)新的資本和人才的投入，促進(jìn)技術(shù)的進(jìn)步，降低產(chǎn)品成本，減少閑置資源的浪費(fèi)，有利于企業(yè)效率的提高。