基于随机前沿分析房地产上市公司X-效率测度.docVIP

基于随机前沿分析房地产上市公司X-效率测度 　　 摘要：本文结合房地产预收制度的特点，建立适合该行业X-效率测度的随机前沿分析模型。结果表明，房地产行业的X-效率偏低，但呈现逐年上升趋势；由?酌的单边似然比检验可知，房地产上市公司的X-效率存在显著差异，两极分化现象严重；固定资产净值与产出指标主营收入之间存在“倒U现象”，具有“门槛效应”，应付工资与主营收入之间存在“正U现象”，在一定条件下可以固化为激励机制。 　　关键词：随机前沿分析 X-效率 “倒U现象” “门槛效应” 　　 　　一、引言 　　房地产的投资泡沫甚嚣尘上，社会各界给予深切关注，从2007年到2010年，政府已经连续多次对地产行业进行了调控，房地产市场面临较大政策压力，成交量出现萎缩，学者指出中国的房地产面临着变盘的风险。房地产业作为新的经济增长点和国民经济的支柱产业，直接间接带动多个产业，投资对国内生产总值的贡献率较大，房地产投资占全社会固定资产投资的比例也很高。房地产行业作为典型的资本密集型并具有周期性特征的行业，具有投资周期长、资金链脆弱等特点，对房地产公司经营与管理能力要求高。这些特点使得房地产上市公司的绩效评价更为复杂。寻找目前房地产行业最有效的公司作为示范标杆，找出差距，有助于分析改善效率的主要影响因素，以确定以后经营管理活动的优化途径。X-效率理论率先由哈维?莱宾斯坦（Harvey Leeibenstein）1966年提出。笔者认为X-效率可以定义为，产出对于生产可能性集合的偏离是由于配置效率之外的其他因素（效率）引起的，那么这些其他因素可称为X-效率。个体的X-效率衡量的是在给定该个体的产出能够实现的前提下，与生产可能性集合中生产等量产出的投入量相比，其投入还有多大的节约余地。余地越大，说明该企业的X-效率越低。从研究方法上讲，目前效率分析主要常用的工具是数据包络分析（DEA）和随机前沿分析（Stochastic Frontier Analysis）两种方法。李双杰，范超（2009）系统的比较了这两种方法的优劣。相对于数据包络分析（DEA）而言，随机前沿分析（SFA）最主要的优点是考虑随机因素对于产出的影响，充分利用了每个样???的信息，估计结果较为稳定，同时，还避免错误的函数形式带来问题；另外，随机前沿分析（SFA）的残差可以方便地分解为随机因素和可控因素，可以分离出企业本身可控制但未达最优的部分，即X-效率。本文选择随机前沿分析（SFA）的超越数模型测度了我国房地产上市公司的X-效率。 　　二、研究设计 　　（一）样本选取 本文数据主要来自国泰安金融数据库和新浪财经公开披露的年报材料。根据中国证券监督管理委员会2003年颁布的《上市公司行业分类指引》中的划分标准，并考虑到人民币特种股票（B股）认购人身份的限制性，本文最终选取深圳和上海A股上市公司中门类为“J”的68家房地产公司作为研究样本。由于我国上市公司从2001年1月1日开始实行《企业会计制度》，本文的样本区间为2002年至2009年。对个别缺失数据的财务指标进行了线性插值处理。 　　（二）模型建立 艾格纳、洛夫尔和施密特（Aigner，Lovell and Schmidt，1977）以及穆森和布勒克（Meeusen and van den Broeck，1977）分别提出如下形式的随机前沿生产函数模型：lnqi=xi?茁+vi-ui i=1，2，…，N（1），qi表示第i个单元的产出，xi表示一个由投入变量的对数组成的K×1维向量，?茁表示未知参数向量，ui表示与技术无效有关的非负随机变量，vi表示统计噪声的对称随机误差项，统计噪声既来源于所忽略的与xi相关的变量，也来源于测量误差和函数形式选择所带来的近似误差。早期的研究中，随机前沿模型主要使用横截面数据，Pitt and Lee（1981），Kumbhakar（1990）、Battese and Coelli（1992，1995）等逐渐发展为使用面板数据。面板数据比横截面数据有更多优势：增加自由度，允许技术和效率同时随时间而变等。同时黄薇（2008）指出超越对数生产函数（TL函数）使用最为广泛，函数构造上的柔性特征令其对于潜在的成本结构以及生产技术结构的限制比较少，并且在特定的条件下包含了C-D函数形式。本文在Battese and Coelli（1992）模型基础上，结合房地产公司预售制度，将预付账款作为上市公司的控制变量引入生产函数中，运用超越对数生产函数（TL函数）的随机前沿分析，对2002年至2009年我国房地产上市公司进行效率测度。分析模型如下：lnrevi=α0+α1lnppeit+lnwagesit+■?茁1（lnppeit）2+?茁2*lnppeit*lnwagesit+■?茁3（lnwagesi