企业技术效率差异分析及收敛性的研究.doc

企业技术效率差异分析及收敛性的研究 　　摘要：基于2005-2012年38家低碳上市公司数据，本文运用随机前沿模型（SFA）测算各家上市公司的技术效率及其差异性特征，检验低碳企业技术效率的收敛特性。研究结果表明，我国低碳企业技术效率的整体水平偏低，均值仅为05027，企业间技术效率差异性显著并持续存在；低碳企业技术效率存在明显的σ 收敛和β收敛，并且各企业也表现出明显的俱乐部收敛特征，其中σ收敛呈现出阶段性的波动特征。 　　关键词：技术效率；随机前沿分析；差异分析；收敛性 　　中图分类号：F2731 文献标识码：A 　　技术效率是衡量技术稳定使用过程中生产者获得最大产出的能力，表示生产者的生产活动接近其生产边界的程度，即实际产出与最优产出之间的差距；能够反映企业在生产经营中的技术利用水平，可以用来考察和评价企业的综合技术绩效。高技术效率不仅能够确保企业的生存能力及发展机遇，还可以有效地促进企业的经济增长及效益提高。本文聚焦企业投入与产出间的效率问题，通过分析企业技术效率的差异性及收敛状况，为企业健康、持续发展提供参考。 　　一、文献综述 　　近年来，学者们对技术效率的研究逐渐增多并扩展到不同层面。任志刚（2010）利用我国制造业上市公司数据，详细分析了技术效率及其影响因素，并提出了契合实际的建议。蔡理铖、孙养学（2013）以资本和劳动为基础并加入知识存量要素，用DEA 和SFA 分别分析了2006-2010年我国20家上市生物制药企业的技术效率及其影响因素。石鸟云、周星（2012）基于我国2003-2009年的15家电力企业数据，利用SFA模型对电力企业技术效率做了分析与评价。韩清等（2011）基于上海市166 家大中型企业数据，设定两种生产函数和两种误差分布，利用随机前沿模型分别对企业技术效率做了分析。王文娟 （2012）从区域角度和产业角度对安徽省高新技术产业的技术效率、纯技术效率、规模效率进行了比较分析，并提出了政策建议。魏峰、荣兆梓（2012）运用SFA模型对2000-2009年国有企业和非国有企业20个竞争性行业的技术效率进行了实证比较分析。吴迎新、徐淑一（2010）用SFA模型对近10年中国各省区纺织行业的技术效率进行了研究。石风光、周明（2011）采用超效率DEA模型对中国1985-2007年各地区的技术效率进行研究，并对技术效率进行随机收敛性检验。 　　现阶段技术效率的研究主要集中在企业层面、产业层面和区域层面上，其研究方法各不一样，指标选取有所差异，研究结论也各有特点。其中有的技术效率差异分析，特别是差异产生的收敛性研究显得苍白无力，运用微观企业数据实证分析技术效率差异性及收敛性的文献屈指可数。本文基于SFA模型，从技术效率角度重新审视企业的经济增长质量，并籍此测算了企业的技术效率差异及其发展的收敛性。 　　二、变量选择及模型构建 　　（一）变量选择 　　通过技术效率相关文献的梳理，经过对比分析并结合实证分析的需要，构建了适合本研究的影响因素指标体系：投入产出指标包括主营业务收入、在职员工人数及固定资产总额；考虑到我们研究的是企业数据，从公司治理结构层面选取技术效率的影响因素指标最为恰当，主要涉及董事会、股权结构、资本结构、激励机制及企业规模等方面。指标的具体定义见表1。 　　（二）模型构建 　　随机前沿分析方法（SFA）不仅能够有效区分统计误差项和管理误差项，避免不可控因素对非效率产生的影响，并且对于跨度大的面板数据而言，其结论更加接近于现实。因此，本文在对数型柯布-道格拉斯生产函数的基础上，运用随机前沿分析技术（SFA）构建了企业技术效率测算模型。 　　其中：i为上市公司序号，i = 1，2，…，N；t为时期序号，t=1，2…，T。式（1）为随机前沿生产函数，Yit为产出变量，Kit、Lit为投入变量。其中Vit、Uit均为随机误差项，Vit服从N（ 0，σ2v）分布，表示外部不可控制因素对技术效率产生的影响；Uit服从N+（mit，σ2u）分布，表示企业可控因素对技术效率产生的影响。β0、β1、β2为待估参数，β0表示企业的最高技术效率水平（何枫，2013），β1和β2分别是资本和劳动的产出弹性。式（2）中γ为变差系数，用来对技术无效率项所占比例进行检验。若γ接近于零，说明实际产出与可能最大产出的差异主要源于观测误差和其他随机因素，这时用普通最小二乘法（ OLS） 就可以实现对生产参数的估计；若γ接近于1，则意味着实际产出与可能最大产出的差异主要来源于技术的无效率，此时采用随机前沿模型对生产函数进行估计。式（3）为技术效率的测算函数，表示实际产出与理论最大产出的差距。式（4）为技术无效率函数，其中mit表示技术无效率的期望，Xit为技术无效率的外生解释变量，αi为无效率外生解