钢铁行业上市公司技术效率实证的研究.docVIP

钢铁行业上市公司技术效率实证的研究 　　〔摘要〕文章运用随机前沿分析法对我国钢铁行业上市公司2000年至2006年间的技术效率进行了实证研究，得出结论：2000年以来我国钢铁类上市公司技术进步显著，技术对劳动力的替代效应明显；整个行业7年来技术效率改进不大，部分规模较大、综合实力较强的企业技术效率稳步提高，但另外一些企业的技术效率却逐年下降；显著影响技术效率的因素有企业规模、流通股比例、高管薪酬、东部与其他地区的差异；国有股比例、企业成立时间长短、董事会规模、独立董事人数、中西部地区差异与企业技术效率关联不显著。 　　〔关键词〕技术效率；钢铁；上市公司；随机前沿分析 　　〔中图分类号〕F4 〔文献标识码〕A〔文章编号〕1008-2689（2008）02-0017-05 　　 　　一 　　 　　钢铁素有“工业粮食”之称，在国民经济中具有重要的地位，钢铁工业发展水平如何，历来是一个国家综合国力的重要标志，钢铁产量与人均钢消费量一直是一个国家经济发展程序的重要指标。我国钢铁产量1996年已跃居世界首位，2000―2006年则更是我国钢铁行业高速发展的阶段，国内钢材产量从2000年的1.32亿吨增长至2005年的3.71亿吨，年均复合增长率达到23%。作为我国钢铁企业领头羊的钢铁类上市公司在去年到今年的大牛市中出尽了风头，整个行业的股价都翻一倍以上，这使得人们对钢铁行业上市公司的认识焕然一新，不再像从前那样仅把它看做是夕阳产业。股价上涨的基础是公司价值的上涨，所以有必要对我国钢铁行业上市公司近年来的运营表现做出实证研究，从理论层面探索价值形成的源泉，从而更深刻地理解当前的钢铁行业，为投资决策提供依据。一般来说公司价值源于为社会提供适当的产品和服务，源于在同类型公司中独特的竞争优势――如低成本、差异化、专门化等。对于钢铁行业来说，其生产高度流程化、标准化，规模效应显著，竞争制胜的关键在于控制成本，而控制成本的基本手段则是提高效率。效率的实质是投入与产出的比较，效率的测量方法很多，如会计稽核中的总收益减去总支出所得的利润指标就是其中之一。本文将采用技术效率作为研究手段，这是因为技术效率是基于生产函数而得出的，能够反映企业的本质――投入产出函数自身的特性，此外技术效率是在群体研究对象中度量被评价单元的相对效率，效率的排序依赖于彼此之间的数据关联，充分反映了群体内各单元的竞争实力。 　　 　　二 　　 　　研究技术效率的主要方法有2个：数据包络分析（DEA）和随机前沿生产函数分析（SFA）。DEA是由Charnes等（1978）提出的。该方法通过实际生产单位的投入产出数据构造经验生产可能集，估计经验生产前沿面从而给出生产单位的效率测量。SFA由Aigner等（1977）提出，这是一种假设生产或成本前沿函数，用回归分析来确定表达式中参数的方法，它将误差项分为两类：管理误差项反映技术欠效率，随机误差项表示任何可能出现的不可控因素带来的影响。DEA是非参数法，不需要预先假定生产函数形式，并且不需要投入的价值，但这种方法也由于不考虑测量误差而受到批评。近年来人们在处理面临复杂随机环境的上市公司的技术效率时越来越倾向于使用SFA，而且SFA能够分析面板数据，能更加丰富的表现被研究群体的纵向和横向的对比关系。本文采用SFA中的BC（1995）模型，该模型由Battese和Coelli在1995年提出，该模型假设欠效率项服从截尾正态分布，并认为技术效率随时间不同而变化；该模型运用面板数据不但测算了效率数值的大小，还从影响技术效率的因素着手进行研究，模型如下： 　　Yit=Xitβ+(Vit-Uit),i=1,…,N,t=1,…,T 　　Mit=δ0+ δnZit 　　Yit表示第i个企业第t期的产量；Xit表示第i个企业第t期的K×1维要素投入。β是待估参数。Vit是随机变量，服从正态分布N（0,σ2v），并独立于非效率变量。Uit表示技术欠效率的程度，其值为非负截尾正态分布N（mit,σ2u），Zit是M×1维向量，M是影响技术欠效率的因素的个数，δ是待估参数向量。TEit=exp（-Uit）=exp（- δnZit-δ0）表示第i个企业第t期的技术效率。 　　判断模型设定合理与否可以考察γ的大小，γ= （0?燮γ?燮1）。当γ接近于0时，表示实示产出与可能最大产出的差距主要来自不可控制因素造成噪声误差，这时用普通最小二乘法即可实现对生产函数参数的估计，而不需要采用随机前沿模型。当γ接近于1时，则说明前沿生产函数的误差项目主要来自随机变量。另一方面也可利用广义似然比（LR）检验统计量，进一步检验随机前沿模型中的生产函数形式和“不存在技术无效效应”这一零假设。 　　LR=-2{ln[L（H0）/L（H1）]}，其中L（H0