江蘇省工業(yè)企業(yè)生產(chǎn)效率分析及評價
——以國有控股工業(yè)企業(yè)為例

宋 健，黃元生

（華北電力大學 經(jīng)濟管理系，河北 保定 071000）

江蘇省歷來是工業(yè)大省，工業(yè)總產(chǎn)值穩(wěn)居全國前三，工業(yè)行業(yè)保持良好的發(fā)展態(tài)勢。2019年，江蘇省第二產(chǎn)業(yè)的生產(chǎn)總值為40 695.15億元，居全國第一，貢獻率占地區(qū)生產(chǎn)總值的44.55%，可以說工業(yè)是江蘇發(fā)展的命脈。生產(chǎn)效率又稱為生產(chǎn)率或者勞動效率，是指生產(chǎn)過程中投入產(chǎn)出比值，企業(yè)的生產(chǎn)效率表現(xiàn)為資源配置能力以及企業(yè)生產(chǎn)水平。生產(chǎn)效率評價是工業(yè)企業(yè)生產(chǎn)過程中非常重要的活動，對于企業(yè)了解自身發(fā)展狀況、調(diào)整發(fā)展策略有一定的參考價值[1-2]。所以研究江蘇省工業(yè)企業(yè)生產(chǎn)效率、總結(jié)實際發(fā)展狀況，對江蘇省工業(yè)領(lǐng)域保持穩(wěn)定良好的發(fā)展勢頭有一定借鑒意義。

1 文獻綜述

近年來，關(guān)于工業(yè)企業(yè)生產(chǎn)效率的研究，國內(nèi)外學者主要關(guān)注各種生產(chǎn)效率的測算方法，最常用的有參數(shù)方法——隨機前沿法[3]（stochastic frontier approach，SFA）、非參數(shù)方法——數(shù)據(jù)包絡(luò)分析法（data envelopment analysis，DEA）等[4]。

日前，DEA方法成為研究的主流，國內(nèi)已有大量學者用DEA模型研究了我國工業(yè)企業(yè)生產(chǎn)效率。耿杰等[5]采用最典型的非參數(shù)方法DEA-BCC模型，研究了2018年安徽省16個地級市的工業(yè)企業(yè)生產(chǎn)效率，通過比較分析已選定的指標（以從業(yè)人數(shù)、流動資產(chǎn)、非流動資產(chǎn)為投入指標，工業(yè)總產(chǎn)值為產(chǎn)出指標），發(fā)現(xiàn)2018年安徽省總體工業(yè)生產(chǎn)效率為0.901，距離生產(chǎn)前沿有效還有一定的改進空間。此外，將測算方法與傳統(tǒng)評價方法（如層次分析法、模糊綜合評價法、灰色系統(tǒng)理論等）結(jié)合，研究工業(yè)企業(yè)生產(chǎn)效率也比較廣泛。閆淑霞等[6]為避免研究農(nóng)業(yè)生產(chǎn)過程中部分擾動項的干擾，采用灰色DEA模型研究了2008—2013年河南省農(nóng)業(yè)生產(chǎn)效率，確定了影響農(nóng)業(yè)生產(chǎn)效率的主要因素。許祥鵬等[7]在實證分析長株潭物流企業(yè)時，基于DEA-AHP/GRA（analytic hierarchy process/grey relational analysis）模型的效率評價結(jié)果較為合理。郭國平等[8]在評價水上應(yīng)急資源配置效率時，發(fā)現(xiàn)傳統(tǒng)DEA模型只能區(qū)別出DEA決策單元是否有效，無法進一步分析，因此在DEA有效單元基礎(chǔ)上使用TOPSIS（technique for order preference by similarity to an ideal solution）方法二次分析，得到綜合排序，以長江江蘇段10個分局的應(yīng)急資源配置為例，驗證了該模型的合理性。

國外亦有許多學者根據(jù)需要將機器學習算法（如神經(jīng)網(wǎng)絡(luò)、遺傳算法）、大數(shù)據(jù)法、統(tǒng)計分析法等智能優(yōu)化方法與DEA模型結(jié)合，都得到了較為理想的測算結(jié)果。B.D.Rouyendegh等[9]采用模糊層次分 析 法（fuzzy analytic hierarchy process，F(xiàn)AHP)結(jié)合DEA模型來衡量了醫(yī)院的經(jīng)營效率，首先通過數(shù)據(jù)包絡(luò)分析法對數(shù)據(jù)進行量化處理，然后使用FAHP對模型結(jié)構(gòu)化，用DEA-FAHP組合方法構(gòu)建的二階段多指標排序列表，使排序更加合理，避免決策者做出非理性決策。F.Shirazi等[10]建立了非期望產(chǎn)出的SBM（slack-based measure）模型研究航空運輸行業(yè)的運輸效率，以伊朗14家航空公司為例，研究表明：采用非魯棒模型時，Mahan、Taban、Pouya Air和Caspian航空公司的效率值較高；而使用新的魯棒模型時，所有公司的效率值都有降低，且得分均小于1。

此外，Zhu N.等[11]將機器學習算法如BP神經(jīng)網(wǎng)絡(luò)、遺傳算法、支持向量機、改進的支持向量機與傳統(tǒng)的DEA模型結(jié)合，并以2016年制造業(yè)企業(yè)上市公司為實證；結(jié)果表明，決策單元預測效率的平均準確率約為94%，4種機器學習算法的綜合性能從好到差依次為遺傳算法、BP神經(jīng)網(wǎng)絡(luò)、改進的支持向量機和支持向量機。Chen Y.等[12]考慮到DEA模型輸入與輸出指標較多時會影響效率測算結(jié)果，于是將統(tǒng)計學中最小絕對收縮和選擇算子LASSO（least absolute shrinkage and selection operator）的變量選擇機器學習算法與符號約束凸非參數(shù)最小二乘SCNLS（sign-constrained convex nonparametric least squares）（DEA的特例）結(jié)合，作為一種規(guī)避維數(shù)災難問題的方法，被稱為LASSO+SCNLS。還探索了LASSO的更高級版本，即所謂的彈性網(wǎng)（elastic net，EN）方法，將其應(yīng)用于DEA，并提出了EN+DEA。為了在大范圍數(shù)據(jù)環(huán)境下規(guī)避DEA的維度詛咒，又提出了一種簡化的兩步方法，即LASSO+DEA。結(jié)果表明，簡化的方法可能比現(xiàn)有更復雜的方法更有用，可以將非常大的維度縮減為更稀疏、更節(jié)省的DEA模型，從而獲得更大的區(qū)分能力，并減少了維度災難的影響。

綜上所述，將DEA方法與其他綜合評價方法結(jié)合使用的組合方法也越來越受歡迎。然而，這種以測算方法為基礎(chǔ)的組合方法多用于物流、農(nóng)業(yè)等行業(yè)，而有關(guān)工業(yè)企業(yè)生產(chǎn)效率的研究并不多見，且指標的篩選少有采用量化處理方法，而使用灰色DEA方法對工業(yè)企業(yè)的生產(chǎn)效率進行研究，尚未見報道。因此，本研究擬使用灰色DEA方法對江蘇省各地級市的國有控股工業(yè)企業(yè)生產(chǎn)效率進行研究。首先，通過灰色綜合關(guān)聯(lián)分析法，從可能影響工業(yè)企業(yè)生產(chǎn)效率的因素中篩選出關(guān)鍵指標，作為評價指標體系中的投入指標；其次，以江蘇省2019年13個地級市國有控股工業(yè)企業(yè)投入產(chǎn)出數(shù)據(jù)為例，采用BCC-DEA模型進行評價，計算出效率值，并對各城市的生產(chǎn)效率進行排序、分析評價[13-15]；最后，根據(jù)模型計算出的結(jié)果得到相應(yīng)的結(jié)論，并給出對策建議，以期為江蘇省相關(guān)部門擬定精準化措施提供參考。

2 研究方法

2.1 灰色關(guān)聯(lián)度分析

灰色關(guān)聯(lián)度分析主要指在同一系統(tǒng)中，若兩個序列同步變化程度高，則兩者灰色關(guān)聯(lián)度高；反之，則關(guān)聯(lián)度低。灰色關(guān)聯(lián)度分析主要有灰色絕對關(guān)聯(lián)度、灰色相對關(guān)聯(lián)度、灰色綜合關(guān)聯(lián)度、灰色相似關(guān)聯(lián)度、灰色接近關(guān)聯(lián)度以及鄧氏關(guān)聯(lián)度等分析法。

本研究借助灰色綜合關(guān)聯(lián)度分析法，從可能的影響因素中篩選投入指標。

假設(shè)序列X0與Xi長度相同，初始值不為0，則ρ0i=θε0i+(1-θ)γ0i，θ∈[0, 1]。

式中：ρ0i為灰色綜合關(guān)聯(lián)度；

ε0i為灰色絕對關(guān)聯(lián)度；

γ0i為灰色相對關(guān)聯(lián)度；

θ為權(quán)重，一般取值0.5。

2.2 以產(chǎn)出為導向的BCC-DEA模型構(gòu)建

20世 紀70年 代 末，Charness、Cooper以 及Rhodes 3位專家提出了CCR模型，標志著數(shù)據(jù)包絡(luò)分析DEA理論的誕生。后來，隨著BCC模型、SBM模型、超效率DEA模型的提出，DEA得到進一步發(fā)展。由于DEA模型在處理多投入、多產(chǎn)出指標方面具有無可比擬的優(yōu)勢，因此在各行業(yè)中得到了廣泛應(yīng)用。

根據(jù)生產(chǎn)過程中規(guī)模收益的不同，DEA模型可以分為CRS模型和VRS模型。CRS模型即規(guī)模報酬不變，當投入量等比例增加時，產(chǎn)出量也同樣等比例增加。VRS模型是指規(guī)模報酬可變，即各投入量等比例增加時，產(chǎn)出不一定隨之等比例增加[16-17]。因此，本研究假設(shè)國有控股工業(yè)企業(yè)在生產(chǎn)過程中，規(guī)模報酬可變，以產(chǎn)出為導向，建立BCC-DEA模型，模型如下所示：

式中：θ為待估計參量；

λj為相對于每個決策單元構(gòu)造有效單元的組合比例；

s+、s-分別為松弛變量和剩余變量；

x0、y0分別為投入、產(chǎn)出量。

3 實例分析

3.1 投入-產(chǎn)出指標確定

通過總結(jié)已有的研究結(jié)果，本研究選擇企業(yè)單位數(shù)、主營業(yè)務(wù)成本、銷售費用、管理費用、財務(wù)費用、平均用工人數(shù)，以及資產(chǎn)總計作為可能的投入指標(單位分別為個、億元、億元、億元、億元、萬人)，利潤總額和主營業(yè)務(wù)收入作為產(chǎn)出指標（單位均為億元），根據(jù)《江蘇統(tǒng)計年鑒—2020》，得到江蘇省2019年南京市、蘇州市、揚州市、淮安市等13個地級市國有控股工業(yè)企業(yè)可能的投入、產(chǎn)出指標數(shù)據(jù)，如表1所示[18-20]。根據(jù)表1中各項指標數(shù)據(jù)，使用灰色系統(tǒng)建模軟件求出可能的投入指標與產(chǎn)出指標之間的灰色綜合關(guān)聯(lián)度，具體見表2。分析表2中的數(shù)據(jù)可知，各可能投入與產(chǎn)出指標間的平均灰色關(guān)聯(lián)度為0.739，因此選取平均灰色關(guān)聯(lián)度大于0.739的指標作為最終投入指標，即選擇企業(yè)單位數(shù)、銷售費用、管理費用為投入指標。然后使用DEAP2.1軟件，對江蘇省各地級市的國有控股工業(yè)企業(yè)生產(chǎn)效率進行計算，得到其生產(chǎn)效率值，具體見表3。

表1 江蘇省各地級市國有控股工業(yè)企業(yè)可能的投入與產(chǎn)出指標數(shù)據(jù)Table 1 Possible input and output index data of State-owned industrial enterprises prefecture-level cities in Jiangsu Province

表2 各指標間灰色綜合關(guān)聯(lián)度Table 2 Grey comprehensive correlation degree among indicators

表3 2019年江蘇省各地級市國有控股工業(yè)企業(yè)生產(chǎn)效率值Table 3 State-owned holding industrial production efficiency values of cities in Jiangsu Province in 2019

3.2 綜合技術(shù)效率分析

由表3中數(shù)據(jù)可知，整體來看，2019年綜合技術(shù)效率平均值為85.6%，表明江蘇省國有控股工業(yè)企業(yè)理應(yīng)在原來的基礎(chǔ)上，如果投入指標總體減少14.4%，就可以達到現(xiàn)有的產(chǎn)出值。這表明，江蘇省國有控股工業(yè)企業(yè)生產(chǎn)效率并不高，還有很大改善空間。又由于技術(shù)效率由純技術(shù)效率和規(guī)模效率共同作用，可通過分析純技術(shù)效率與規(guī)模效率尋找綜合技術(shù)效率較低的原因。由表3中數(shù)據(jù)還可知，純技術(shù)效率平均值為0.921，規(guī)模效率平均值為0.930，兩者均未達到1。所以，整體綜合技術(shù)效率無效是由純技術(shù)效率和規(guī)模效率均無效共同導致的，且純技術(shù)效率的副作用更大?？傊?，江蘇省國有控股工業(yè)企業(yè)想要提高生產(chǎn)效率，需要從技術(shù)革新和資源有效配置兩方面同時著手處理[4,16]。

從各城市來看，DEA有效（即生產(chǎn)綜合技術(shù)效率為1）的城市有宿遷市、揚州市、泰州市、揚州市、南通市、南京市，占38.46%，剩下的8個城市綜合技術(shù)效率均未達到1.000。其中，徐州市、連云港市以及淮安市這3個城市的純技術(shù)效率均為1.000，但是規(guī)模效率低于1.000，規(guī)模效率無效且規(guī)模收益遞增，表明這3個城市在不增加現(xiàn)有投入的基礎(chǔ)上可以獲得更多產(chǎn)出，資源利用效率較低，資源浪費較嚴重，而在現(xiàn)有基礎(chǔ)上增加投入、提高技術(shù)創(chuàng)新能力均不能提高綜合技術(shù)效率。剩下的鹽城市、蘇州市、無錫市、常州市、鎮(zhèn)江市5個城市的純技術(shù)效率、規(guī)模效率均低于1.000，且純技術(shù)效率均低于規(guī)模效率。表明這5個城市DEA無效是由于純技術(shù)效率和規(guī)模效率都無效共同導致的，并且主要是由于純技術(shù)效率較低導致的。也就是說，如果要提高這些城市的生產(chǎn)效率，一方面要優(yōu)化資源配置利用率，提高資源的利用效率，并且需要在原有投入基礎(chǔ)上增加更多的投入以獲得更多產(chǎn)出；另一方面，需注意提高技術(shù)水平，加大技術(shù)革新力度。

3.3 無效單元投影分析

由前文論述可知，江蘇省國有控股工業(yè)企業(yè)技術(shù)的效率為85.6%，仍有較大改善空間，因此有必要進一步對各決策單元進行無效單元投影分析，以分析無效的原因，各單元投入冗余與產(chǎn)出不足數(shù)值見表4。

表4 各單元投入冗余與產(chǎn)出不足數(shù)值Table 4 Input redundancy and output deficiency of each unit

由表4可知，從投入冗余整體上來看，江蘇省國有控股工業(yè)企業(yè)為提高生產(chǎn)效率需減少196個企業(yè)，占總企業(yè)數(shù)的18.4%，銷售費用、管理費用兩者總共還需減少38.077 億元，這其中主要是常州市各費用冗余過多，S2+=9.731 億元、S3+=9.034 億元，占總共需要減少費用的49.28%。從產(chǎn)出不足來看，只有蘇州市和鎮(zhèn)江市2個城市，合計需提高利潤10.629 億元，各城市均無需增加主營業(yè)務(wù)收入。

從各城市來看，5個綜合技術(shù)效率值為1.000的城市投入冗余和產(chǎn)出不足都為0。徐州市、連云港市、淮安市雖然效率值低于1.000，但是投入冗余與產(chǎn)出不足都為0。鹽城市的綜合技術(shù)效率值為0.756，S1+=40.152億元，表明鹽城市應(yīng)該減少企業(yè)單位數(shù)40.152個，約40個；蘇州市的綜合技術(shù)效率值為0.715，S1+=62.360億 元，S2+=5.526億 元，S1-=3.064億元，表明蘇州市應(yīng)減少企業(yè)單位數(shù)62.360個，約62個，減少銷售費用5.526億元，利潤總額應(yīng)提高3.064 億元；無錫市的綜合技術(shù)效率值為0.843，S1+=51.859億元，S2+=6.100億元，表明無錫市應(yīng)減少企業(yè)單位數(shù)51.859個，約52個，減少銷售費用6.1億元；常州市的綜合效率值為0.698，S1+=29.172億元，S2+=9.731億元，S3+=9.034億元，表明常州市應(yīng)減少企業(yè)單位數(shù)29.172個，約29個，減少銷售費用9.731億元，減少管理費用9.034億元；鎮(zhèn)江市的綜合技術(shù)效率值為0.689，S1+=12.012億元，S2+=3.823億元，S3+=3.864億元，S1-=7.565億元，表明鎮(zhèn)江市應(yīng)減少企業(yè)單位數(shù)12.012個，約12個，減少銷售費用3.823億元，減少管理費用3.864億元，利潤總額應(yīng)提高7.565億元。

4 結(jié)論與建議

4.1 研究結(jié)論

本研究以江蘇省13個地級市2019年國有控股工業(yè)企業(yè)相關(guān)數(shù)據(jù)為研究對象，使用GRA-BCC模型測量各城市國有控投工業(yè)企業(yè)生產(chǎn)的效率，分析了影響生產(chǎn)效率的重要原因，得到以下結(jié)論：

1）江蘇省2019年國有控股工業(yè)企業(yè)生產(chǎn)效率為85.6%，距離生產(chǎn)前沿有效還有14.4%的改善空間，生產(chǎn)效率水平一般；國有控股工業(yè)企業(yè)生產(chǎn)效率無效的城市超出一半，這是由于純技術(shù)效率或規(guī)模效率無效導致的，且純技術(shù)效率的負效應(yīng)更大。這其中，徐州市、連云港市以及淮安市低效是由于企業(yè)的粗放式發(fā)展及資源的低效化利用；剩余5個城市生產(chǎn)無效，一方面是因企業(yè)在生產(chǎn)過程中資源低效配置、人員的安排不合理；另一方面，是因技術(shù)不足、技術(shù)資源匱乏或者缺少生產(chǎn)核心能力。

2）大部分生產(chǎn)效率無效的城市都存在資源無效配置問題，只有很少部分歸因于產(chǎn)出不足。投入冗余當中，企業(yè)數(shù)量過多是資源投入甚至整個生產(chǎn)活動中最主要的問題，企業(yè)間應(yīng)積極推動業(yè)務(wù)往來、合作共贏，政府應(yīng)鼓勵中小微企業(yè)重組兼并；另外，各個城市必須減少不必要的開支，節(jié)約生產(chǎn)活動費用，部分城市須降低生產(chǎn)制造成本以提高利潤[21-22]。

4.2 對策建議

為提高江蘇省工業(yè)企業(yè)生產(chǎn)效率，根據(jù)以上分析結(jié)果，提出以下對策建議：

1）根據(jù)實際情況，適時地逐步調(diào)整部分企業(yè)發(fā)展模式，實現(xiàn)粗放式發(fā)展向集約型發(fā)展方式的轉(zhuǎn)變。江蘇省要進一步提高企業(yè)技術(shù)研發(fā)力度，將更多資金投入到工業(yè)領(lǐng)域的技術(shù)革新方面，優(yōu)化資源配置利用，提高資源的利用效率，減少資源浪費。

2）徐州市、連云港市以及淮安市3個城市的資源利用效率較低，為有效避免資源浪費，重點應(yīng)優(yōu)化技術(shù)創(chuàng)新，提高自主創(chuàng)新能力，不需過多增加資源投入量；而鹽城市、蘇州市、無錫市、常州市、鎮(zhèn)江市這5個城市與上述3個城市相比，不僅需要注重資源節(jié)約，還須加大對生產(chǎn)技術(shù)的相關(guān)資源投入量；蘇州市和鎮(zhèn)江市相關(guān)企業(yè)的工作重點應(yīng)是降低企業(yè)成本，提高企業(yè)利潤。此外，政府相關(guān)部門可出臺相應(yīng)政策促進各城市工業(yè)企業(yè)合理有序發(fā)展，加強城市間互相交流學習；對于核心技術(shù)匱乏的企業(yè)可加大技術(shù)研發(fā)力度、或購買核心技術(shù)；對于發(fā)展前景不足的中小微企業(yè)應(yīng)鼓勵重組合并?？傃灾?，企業(yè)應(yīng)加大專業(yè)性技術(shù)人才的引進力度，同時也可模仿學習國內(nèi)外同行業(yè)龍頭企業(yè)的成功經(jīng)驗，逐步提高企業(yè)自主創(chuàng)新能力，有助于實現(xiàn)企業(yè)跨越式發(fā)展。