基于DEA_Malquist模型对煤炭企业全要素生产率的分析

基于DEA-Malquist 模型对煤炭企业全要素生产率的分析姚 平a ,黄文杰b(黑龙江科技学院a.经济管理学院;b.研究生院,黑龙江哈尔滨150028)摘要:通过2005 2007年数据,选取27家煤炭企业作为研究对象,对其进行效率评价。

首先运用DEA 方法分析了27家煤炭企业的总体效率状态,结论是效率不理想。

分析找出煤炭企业效率低的原因,主要包括煤炭企业人员冗余严重、科研投入不足、煤炭企业自主创新能力低和体制改革不够彻底,最后分析了煤炭企业进行技术效率创新动力不足的原因。

关键词:技术效率;规模效率;全要素生产效率;技术进步中图分类号:F272.5 文献标志码:A 文章编号:1005-8141(2012)12-1078-05Evaluating Total Factor Productivity of Coal Companies Based on DEA -MalquistYAO Ping a ,HUANG Wen-jie b(Heilongjiang Insti tute of Science and Technology a.College of Economics and Management;b.College of Graduate Student,Haerbin 150028,China)Abstract:This paper evaluated the efficiency of 27coal companies through the date during 2005-2007.Firstly,this paper used DEA to analyze the overall efficiency of the 27coal companies,they were ineffient.Secondly,used Malquist index to dynamicly analyze the 27coal companies total factor productivi ty.Through the above analysis,the authors found out the reasons for the low efficiency of coal enterprises,i ncluding staff redundancy seriously,lacking of scientific research investment,poor efficiency of i ndependent innovation and system reform was not thorough.Finally,this paper explained the reasons for the coal enterpri ses that were unwilli ng to carry out technical efficiency innovation.Key words:technology efficiency;scale efficiency;total factor productivity;technical progress收稿日期:2012-10-14;修订日期:2012-11-27基金项目:黑龙江省社科基金项目(编号:11D020);黑龙江省普通高等学校青年学术骨干支持计划(编号:1251G056);黑龙江科技学院青年才俊培养计划。

第一作者简介:姚平(1978-),男,黑龙江省哈尔滨人,副教授,硕士生导师,研究方向为煤炭企业的创新研究。

通讯作者:黄文杰(1987-),男,浙江省温州人,硕士研究生,研究方向为煤炭企业的创新研究。

1 引言煤炭作为我国的基础能源、重要原料,是保障国家安全和保证国民经济可持续发展的重要基础。

我国每万美元GDP 的煤炭消耗量为6.52t 。

大型煤炭企业是我国煤炭行业的主体,是保证煤炭供给和国家能源安全的主体,也是煤炭行业技术进步、产业升级、结构调整的主导力量。

随着世界经济一体化、我国市场经济的逐步完善和煤炭企业私有化的不断开展,煤炭企业面临着各方面的压力。

在市场竞争不断激烈的环境下,大型煤炭企业如何提高自身的经营效率以提升竞争力和抗风险能力是一个值得研究的问题,因此需要对煤炭企业的经营效率即全要素生产率进行评估。

全要素生产效率又称 索罗余值 ,是衡量企业经营效率的一个重要指标。

本文主要基于DEA-Malquist 方法,对煤炭企业全要素生产率各组成部分的发展变化趋势及各种外生影响因素进行了深入分析。

2 文献回顾近年来,国内学术界普遍采用DE A 方法对煤炭企业进行效率分析。

姚平、梁静国应用非参数DE A 方法与参数SFA 方法对我国主要煤炭企业的技术效率进行了测算,并得出两种方法测算的结果具有一致性的结论[1]。

俞立平设立了以R&D 人员和R &D 经费作为创新系统的投入变量,以新产品的销售收入和发明专利数作为创新产出,利用DEA 方法测算了我国大中型工业企业的创新效率情况[2]。

饶田田、吕涛运用DE A 方法对我国20家大型煤炭企业的经营效率进行了评价和分析,认为大部分煤炭企业的经营效率没有达到DE A 有效,主要在于资产闲置、人员冗余和生产规模的限制[3]。

DE A 方法和Malquist 指数的结合也是对效率评价比较普遍的手段。

丛盼盼、杜树增运用DEA 方法和Malquist 方法对7家银行2005 2009年的数据进行了分析和效率评价[4]。

许小钦、黄馨、梁彭勇以重庆市为例,运用DE A 方法和Malquist 指数对一个区域内不同性质的企业单位的科技创新效率进行了评价,从而得出整个区域的科技创新效率状况[5]。

陈燕武利用非参数方法DEA 对2004 2008年福建省9个地市的科技投入产出效率进行了评价,并应用复合DEA 方法和Malmquist 指数来分析科技投入产出效率非DEA 有效地区的形成原因及其生产力的动态变化状况[6]。

3 研究理论与方法数据包络分析方法主要是通过保持决策单元的输人或输出不变,借助于数学规则将DMU 投影到DE A 前沿面上,并通过比较决策单元偏离DEA 前沿面的程度来评价它们的相对有效性。

在可变规模报酬的假设下,生产可能集T v 为:T v ={(X ,Y) X ni =1 i X i ,Y ni =1 i Y i , ni =1i =1, i0,1 i n}(1)建立在T v 上的纯技术效率评价模型加入松弛变量S A 、S B 和摄动量 后,min v -(e T 1S A +e T2S B )。

(D )s.t. ni =1 i X i +S A = v X 0ni =1 i Y i -S B =Y 0 n i =1i =1i 0,i =1,2, n,S A0,S B 0(2)则有,当问题的解为 v , ,S A ,S B 时,有如下结论: 若 v =1,且S A =S B =0,则DMU 0有效; 若 v =1,则DMU 0弱有效; 若 v <1,则DMU 0非有效。

Malmquist 指数最初由Malmquist 提出,Caves 等人首先将该指数应用于对生产率变化的测算,此后与Charnes 等人建立的DEA 理论相结合,在生产率测算中的应用日益广泛[8,9]。

在实证分析中,研究者普遍采用Fare 等人构建的基于DEA 的Malmquist 指数[10]。

从t 时期到t +1时期,度量全要素生产率增长的Malmquist 指数可表示为:M 0(x t +1,y t +1,x t ,y t )=D t0(x t +1,y t +1)D t 0(x t ,y t ) D t +10(x t +1,y t +1)D t +10(x t ,y t )1/2(3)式中,(x t+1,y t +1)和(x t ,y t )分别表示(t+1)时期和t 时期的投入和产出向量;D t 0和D t+1分别表示以t 时期技术T t 为参照,时期t 和时期(t+1)的距离函数。

以t 时期技术T t 为参照,基于产出角度的Malmquist 指数可表示为:M t 0(x t +1,y t +1,x t ,y t )=D t 0(x t +1,y t +1)/D t 0(x t ,y t )(4) 以t+1时期技术T t+1为参照,基于产出角度的Malmquist 指数可表示为:M t +10(x t +1,y t +1,x t ,y t )=D t +10(x t +1,y t +1)/D t +10(x t ,y t )(5)为了避免时期选择的随意性可能导致的差异,仿照Fisher 理想指数的构造方法,用式(4)和式(5)的几何平均值即(3)式作为衡量从t 时期到t+1时期生产率变化的Malmquist 指数。

该指数大于1时,表明从t时期到t+1时期全要素生产率是增长的。

根据上述处理所得到的Malmquist 指数具有良好的性质,它可分解为不变规模报酬假定下的技术效率变化指数(EC)和技术进步指数(TP),其分解过程为:M 0(y t +1,x t +1,y t ,x t )=D t +10(x t +1,y t +1)D t0(x t ,y t ) D t0(x t +1,y t +1)D t +10(x t +1,y t +1) D t0(x t ,y t )D t +10(x t ,y t )1/2=EC TP(6)4 实证研究基础数据来源于2005 2007年 中国煤炭企业100强分析报告 ,2006 2007年 中国统计年鉴 。

本文主要研究对象是煤炭企业100强中综合排名相对靠前的27家大型煤炭企业2005 2007年的数据。

目前不少学者对煤炭企业的全要素生产率进行了研究,其中大部分学者都是以各个年份的当期数据来进行分析,忽略了物价指数对数据本身的影响。

因此,本文将各个年份的数据换算到基期价格同等水平下进行分析,以消除物价指数对数据本身的影响,使分析结果更加准确。

从煤炭企业的经济增长层面而论,生产率与资本、劳动等要素投入都贡献于经济的增长。

从煤炭企业的效率层面考察,生产率等同于一定时间内煤炭企业产出与各种资源要素总投入的比值。

因此,不管是从煤炭企业的经济增长角度还是从煤炭企业的效率角度分析,投入变量都应从人力、物力、财力三方面考虑,而产出变量应从煤炭产量和煤炭销售收入方面考虑。

投入变量分为人力和资金投入。

人力即劳动力,一般是指生产过程中实际投入的劳动量,发达国家一般用标准劳动强度的劳动时间来衡量。

由于缺乏这方面的统计,本文采用历年各煤炭企业员工人数作为劳动力投入指标。