基于DEATobit方法我国钢铁业并购重组效率研究.docVIP

基于DEATobit方法我国钢铁业并购重组效率研究 　　 摘要：文章首先利用DEA数据包络分析法对我国钢铁工业主要上市公司2005-2010年的纯技术效率和规模效率进行了评价，然后依据企业兼并重组行为变量对效率的影响因素进行了Tobit回归分析。研究结果表明，兼并重组对钢铁业上市公司的规模经济和技术效率影响存在时滞，在国家大力推动钢铁业兼并重组步伐的同时，钢铁企业应该着力加快重组后公司的整合。 　　 关键词：钢铁工业；技术效率；规模效率；DEA-Tobit方法 　　 　　一、 引言 　　 从2004年开始，我国政府逐渐加大对钢铁企业并购重组的推动力度，强调要通过钢铁业组织结构调整，实施强强联合、跨地区兼并重组、境外并购和投资合作，促进规模化、集约化经营，培养一批具有国际竞争力的大型企业集团，提高产业集中度，形成规模经济，提升生产效率，加快产业结构优化。其中利用DEA方法的研究基本上都是利用生产函数，主要以资产和劳动为投入指标，以营运收入为产出指标，证实了我国钢铁业生产效率总体呈现提高之势，主要得益于技术进步，但纯技术效率下降对总效率产生负面影响。本文一方面采用了基于松弛变量的DEA方法，增强了模型的有效性；另一方面，在DEA分析的基础上采用了二阶段的Tobit回归分析，对并购重组效率的影响因素进行了更全面的探讨。 　　 二、 模型方法和指标选择 　　 1. 模型和方法。传统的DEA模型是基于Farrell效率测度思想且同属于径向（Radial，从原点出发的射线）和线性分段（Piece-wise Liear）形式的度量理论，这种度量方法的可处置性（Strong Disposability）确保了效率边界无差异曲线的凸性，但同时也会造成投入要素的“拥挤”（Congestion）或松驰（Slacks）。当投入产出要素增多并考虑相应的松弛问题时，整体比较企业的效率将变得更加困难。为此，需要一种把松弛投入和松弛产出考虑在内的基于松弛变量的DEA效率单一值评估方法，该模型较好地将松弛投入和松弛产出的情况考虑在了效率值计算过程之中，模型如下： 　　 其中?子为效率的度量值，m为投入要素种类，k为产出种类，?姿为列向量；x0和y0分别为决策单元自身的投入和产出向量，xi0和yr0分别为x0和y0的元素；X和Y分别为决策单元整体的投入和产出的矩阵；s-i为松弛投入s-的元素， s+r为松弛产出s+的元素。从中可以看出，投入和产出的约束越松弛，也就是松弛投入和松弛产出越大时，企业的效率值越低。如果一个企业根据Tone的评价标准是有效的，即 S+=S-=0，?子=1时，可以看到DEA模型中的效率值?子=1，即在BCC模型下也是有效的，该性质被称为Pareto-Koopmans有效。 　　 虽然该模型目前已经广泛适用于效率评价，但它没有考虑运气成分、数据和测量的随机误差，忽略了影响效率的其他因素。为了更全面地考虑影响效率的环境因素，本文在模型分析的第二阶段采用了由Tobin（1958）提出的Tobit回归模型。模型结构如下： 　　 yit=?茁TXit+eit，?茁TXit+eit00， ?茁TXit+eit0时，“无限制”观测值取实际的观测值，yit≤0时，“受限”观测值均截取为0。 　　 2. 数据的来源和处理。目前我国的钢铁企业有1 400多家，但大部分为小型的钢铁厂，不具有代表性，具有行业代表性的大型钢铁企业均已组成集团公司并且成功上市。根据对沪深两市的上市公司的统计，经营业务中包含钢铁业务的上市公司有40多家。为了保证研究样本具有同质性和代表性，本文在进行样本选择时，剔除了核心主营业务非钢铁业务的企业（如华神集团、科学城等），只选取了核心主营业务为钢铁的28家企业作为研究对象，考虑到数据的可得性以及钢铁业兼并重组活动主要发生在2005之后，我们的研究期限确定为2005年~2010年。原始数据都来源于上市公司2005年~2010年报，并根据模型的要求进行了数据处理。 　　 3. 指标体系建设。DEA方法将决策单元的投入产出数据作为衡量要素，因此评价结果的科学性和合理性在很大程度上取决于投入产出指标的选择。在同时考虑钢铁企业实际以及DEA方法对投入产出指标的要求出发，本文选择劳动投入、原材料投入和资本投入作为投入变量，劳动投入为企业在当期为职工支付的各项报酬，包括工资、奖金、补贴以及社会保障医疗支出，用支付给职工以及为职工支付的现金代表；原材料投入包括从外部购得的各种投入要素，对于钢铁企业来说，主要是原材料、能源以及少量的辅助性劳务，用“购买商品、接受劳务支付的现金”表示；资本投入包括资本的消耗以及资本存量的时间价值。资本的消耗包括折旧和减值，资本的时间价值为将资本投入其他项目可以收回的投资回报，用两部分的和表示，分别