中國釀酒業上市公司的效率特征及其影響因素分析——基于DEA-Tobit兩階段模型

劉玉海,呂 坤

(1.南開大學城市與區域經濟研究所,天津 300071;2.南開大學經濟與社會發展研究院,天津 300071)

一、引 言

作為食品飲料行業的重要組成部分,釀酒工業在國民經濟發展中具有十分重要的作用。改革開放以來,經過多年的建設和深刻變革,中國釀酒工業已經取得了突飛猛進的發展,并以其滿足社會消費需求、增加地方財政收入和促進農業產業化等顯著特征成為政府擴大內需、建設和諧社會與社會主義新農村進程中的一個重要產業。然而,中國釀酒工業尚存在著產業集中度偏低、龍頭企業地位不穩、消費者品牌忠誠度不高等諸多問題。同時,外資酒業生產商紛紛搶灘中國市場,并購中國本土釀酒企業。在此背景下,通過對中國釀酒企業進行生產效率評價,探討如何提高我國釀酒業的生產效率和產業國際競爭力,對有效培育和保護產業民族品牌、促進產業快速發展具有重要意義。

目前,國內對釀酒工業生產效率進行研究的文獻還相對較少。張彥和鄭平 (2006)運用DEA一階段模型分析了國內7家啤酒類上市公司的相對經營效率,并計算了各公司的技術效率和規模效率[1]。張若欽 (2008)運用非參數DEA的Malmquist生產力指數對中國12家白酒類上市公司在2003-2007年期間的動態生產效率進行了測評[2]。金志國 (2007)綜合運用因子分子法、層次分析法和數據包絡分析法等技術工具,構建復合二次相對評價系統模型,對中國9家啤酒類上市公司的經營績效進行了評價[3]。縱觀以往文獻我們可以發現,它們要么僅以啤酒類或白酒類等單一種類釀酒業上市公司為研究樣本,而沒有以釀酒行業整體為樣本進行定量分析;要么單純以DEA一階段模型或非參數DEA的Malmquist生產力指數為研究方法,而沒有對生產效率的影響因素進行研究。

鑒于此,本文運用DEA-Tobit兩階段模型,以2004-2007年期間中國22家主要釀酒業上市公司的投入和產出量作為面板數據,從釀酒行業總體和三大類型釀酒業上市公司兩個角度分別對中國主要釀酒業上市公司的生產效率進行評價,并對導致效率差異的影響因素進行分析。此外,結合基于非參數DEA的Malmquist生產力指數,對樣本期間內主要釀酒企業的效率變化進行動態評價。

二、研究方法與數據選取

(一)DEA-Tobit兩階段模型

數據包絡分析法 (DEA)是運用線性規劃方法來評價相同類型的多投入、多產出的決策單元是否技術有效和規模有效的一種非參數效率評價方法。采用DEA一階段模型中投入導向的BCC模式可對釀酒企業的規模效率和技術效率進行測量①DEA模型的數學原理已為學術界較為熟識,故在此不再贅述。感興趣的讀者,可參見Coelli et al.(1998)[5]。,但無法分析釀酒企業生產效率的影響因素。為此,本文在DEA一階段模型的基礎上衍生出一種兩階段法,即DEA兩階段模型。在兩階段分析中,第一階段采用一階段DEA模型評估釀酒企業的效率值,第二階段以第一階段得出的效率值作為因變量,以效率的各種影響因素作為自變量建立線性回歸模型。因一階段DEA模型計算出的效率值介于0-1之間,故在第二階段適宜采用Tobit模型 (線性概率模型)進行線性回歸。鑒于Tobit模型的干擾可能存在異方差,若直接采用OLS估計法,則會給參數估計造成偏誤和不一致,故本文采用極大似然估計法進行Tobit回歸。

(二)DEA-Malmquist生產力指數

本文運用投入導向的DEA-Malmquist生產力指數來測量中國22家主要釀酒業上市公司的動態生產經營效率。根據F?re et al.(1994)的研究,投入導向的DEA-Malmquist生產力指數可表示為[4]：

其中,第一項表示規模效率變化,第二項表示純技術效率變化,第三項表示技術變化,且第一項和第二項的乘積為技術效率變化。根據公式 (1),全要素生產率的變化 (即M0)就分解為規模效率變化、純技術效率變化以及技術變化。規模效率大于1,意味著改變了要素投入,提高了規模效率;純技術效率大于1,意味著管理改善使效率發生了改進;技術變化大于1,意味著技術在考察的年份實現了跨越,即實現了技術創新;M0大于1,意味著生產力有所改善。反之,上述指標值小于1,則表明相應的效率惡化。

(三)指標選取與數據來源

DEA模型測算的關鍵在于投入產出指標的選擇。根據DEA指標選取的基本原則,結合中國釀酒業上市公司的投入產出特征以及數據的可獲得性,本文選取三個基本的投入變量——主營業務成本、固定資產凈額和在職員工人數,產出指標則選取主營業務收入和稅前利潤總額。其中,主營業務成本、固定資產凈額、主營業務收入和稅前利潤總額等指標均已按國內生產總值指數進行不變價處理,從而有效地剔除了價格變化對釀酒業生產效率的影響。

按照中國證監會公布的行業分類標準,截止2009年7月,中國大陸共有29家在海內外上市的釀酒企業,其中包括中國大陸A股上市公司25家,香港H股以及新加坡上市公司4家。本文研究的樣本期間為2004-2007年,剔除樣本期間內ST公司以及2004年以后上市的公司,最終選取22家釀酒業上市公司。樣本期間內所有數據均來自于22家釀酒業上市公司在2004-2007年期間公布的年報。

三、實證分析：效率評價與影響因素

(一)中國釀酒業上市公司基本效率評價

1.行業總體規模效率和技術效率分析

限于篇幅,本文僅將計算所得的中國主要釀酒業上市公司各年度平均生產效率的數據整理為表1。

表1 2004-2007年中國主要釀酒業上市公司平均生產效率

由表1可發現,中國釀酒業上市公司的綜合技術效率偏低,但除了2007年出現較大幅度下降之外,綜合技術效率總體上呈現上升的態勢。釀酒企業的規模效率亦不高,這主要是因為中國釀酒企業數目眾多,但多數企業規模較小且競爭力較弱。然而,規模效率呈現穩定增長的態勢,這主要得益于近年來國內釀酒企業之間兼并重組進程的加快。相比之下,釀酒企業的純技術效率在逐步下降,這意味著釀酒企業雖然通過擴大規模或兼并重組獲取了一定的規模經濟效益,但存在較為嚴重的資源浪費且管理水平在逐步下降。綜上分析,規模效率不高且純技術效率不斷下降是釀酒企業綜合技術效率偏低的主要原因,其中純技術效率的大幅下降是2007年釀酒企業綜合技術效率出現較大幅度下降的重要原因。由此可見,進一步促進釀酒企業擴大規模或兼并重組以獲取規模經濟效應,同時提高企業管理水平以促使企業資源的有效配置,是當前中國釀酒行業面臨的兩大主要任務。

2.不同類型釀酒業上市公司效率分析

黃酒、啤酒和葡萄酒為世界釀造酒的三大種類。鑒于白酒為中國特有的一種釀造酒,且白酒的釀造工藝直接源自黃酒,加之目前我國黃酒市場規模很小,故本文將黃酒和白酒歸入一種類型。按照白酒 (含黃酒)、啤酒和葡萄酒將22家釀酒業上市公司歸入三大類,其中白酒類上市公司13家,啤酒類上市公司7家,葡萄酒類上市公司2家。中國三大類型釀酒業上市公司2004-2007年期間各年平均生產效率的數據如表2所示。

表2 2004-2007年中國三大類型釀酒業上市公司平均生產效率

表2的結果顯示,三大類型釀酒業上市公司的綜合技術效率值均偏低。白酒類、啤酒類和葡萄酒類上市公司的純技術效率依次升高,其中葡萄酒類上市公司的純技術效率值高達0.955,這在一定程度上是因為國外很多知名葡萄酒企業紛紛搶灘中國市場,促使國內本土葡萄酒企業愈加重視引進國外先進生產技術和經營管理經驗。與之相反,白酒類、啤酒類和葡萄酒類上市公司的規模效率則依次降低,其中葡萄酒類上市公司的規模效率低至0.344,這主要是因為葡萄酒釀造業是種植加工一體化產業,國外葡萄的種植和葡萄酒的生產加工是在一個莊園內完成的,而我國葡萄的種植和葡萄酒的加工則隸屬于不同部門管理,這就導致葡萄酒的生產、加工與銷售過程存在諸多脫節,進而必然限制葡萄酒生產規模的擴大,不利于企業進行規模化生產經營。綜上分析,規模效率低是導致葡萄酒類上市公司綜合技術效率低的主要原因,啤酒類上市公司效率低是規模效率低和純技術效率低共同作用的結果,白酒類上市公司效率較低則主要是由純技術效率低導致的。

(二)中國釀酒業上市公司動態效率評價

限于篇幅,本文僅將計算所得的中國釀酒業上市公司各年度平均Malmquist生產力指數及其分解項的數據整理為表3。由表3可發現,中國釀酒業上市公司的生產經營效率以年均8%的速度提高,這主要得益于樣本期間內11.2%的顯著技術進步。此外,各年度的Malmquist生產力指數均大于1,表明中國釀酒業上市公司的生產力總體上呈現改善的趨勢,這主要得益于釀酒行業的整體技術進步,其中2006-2007年度的行業技術進步高達21.4%。分析可知,在規模效率略有提高的情況下,樣本期間內釀酒企業的綜合技術效率仍有所下降主要歸因于純技術效率的降低。這表明通過企業規模的擴大或行業內的兼并重組,釀酒企業的規模經濟效益雖有所提高,但其經營管理水平卻仍在下降。

表3 2004-2007年中國主要釀酒業上市公司Malmquist生產力指數及其分解項均值

(三)Tobit回歸分析

為了進一步研究中國釀酒業上市公司生產效率的影響因素,本文以DEA一階段模型得出的釀酒企業綜合技術效率值作為因變量,以釀酒企業生產效率的各種影響因素作為自變量,構建了Tobit回歸模型。

1.模型設定與數據說明

假設一：釀酒企業總資產周轉率越高,則公司效率值越高。本文采用釀酒企業總資產周轉率(ZCZZL)來衡量釀酒企業對企業資產的運用能力。

假設二：釀酒企業技術人員所占比例越高,則公司效率值越高。本文采用釀酒企業技術人員占全體員工的比例 (JSRYBL)來代表釀酒企業的技術創新能力。

假設三：釀酒企業人均資本越高,則公司效率值越高。本文采用釀酒企業的人均資本 (RJZB)來反映釀酒企業在要素組合方式上的差異。

假設四：釀酒企業的規模越大,則公司效率值越高。本文設置虛擬變量SCALE來表示釀酒企業的規模,以各年度釀酒企業的總資產平均值作為分界點,公司總資產小于該平均值的SCALE值取1,否則取0。

在上述假設的基礎上,本文將釀酒企業生產效率的Tobit回歸模型設定為：

其中,α0為截距項,α1、α2、α3、α4為各自變量的回歸系數,i為公司數 (i=1,2, …,n;n=22),t代表時期 (t=1,2,3,4),ε為殘差項。

2.計量實證結果分析

表4 中國主要釀酒業上市公司效率影響因素的 Tobit回歸結果

本文采用Stata10.0軟件對方程 (2)釀酒企業生產效率的Tobit模型進行回歸,詳細結果如表4所示。分析表4中的Tobit回歸結果,我們可得出以下結論：

第一,企業總資產周轉率與釀酒業上市公司效率值呈顯著正相關。這表明釀酒企業總資產周轉率高,該企業的產品適銷對路、銷售渠道完善且能充分利用現有資產使收益最大化,從而使得企業的生產經營效率較高。相反地,總資產周轉率低的企業往往沒有對產品進行準確的市場定位,而且對資產的利用效率也不高。

第二,企業技術人員占比與釀酒業上市公司效率值呈正相關。這表明釀酒企業技術人員占比越高,企業的研發能力越強,越能充分發揮自身的技術優勢,從而使得釀酒企業的生產經營效率相對越高。近年來,國內諸多釀酒企業不同程度地進行了規模擴張或兼并重組,雖然在一定程度上提高了市場占有率,但卻普遍存在人力資源空置、技術整合能力差等問題,這就相應地導致了企業生產效率較低。

第三,企業人均資本與釀酒業上市公司效率值呈正相關。這表明生產要素配置合理與否,將直接影響到釀酒業上市公司效率值的高低。研究顯示,樣本期間內始終位于效率前沿面的釀酒企業——瀘州老窖和貴州茅臺,其人均資本一直位于前列,而青島啤酒、燕京啤酒等效率值偏低的釀酒企業,其人均資本的排名則較靠后。這在一定程度上是因為這些企業在規模快速擴張時,未能對生產要素進行及時合理的整合與配置。

第四,企業生產規模與釀酒業上市公司效率值呈不顯著的正相關。這表明企業規模雖然對釀酒業上市公司的效率值有正向影響,但影響并不明顯。因此,中國釀酒企業在發展過程中不應盲目地一味追求規模的擴張,而應更加注重企業技術水平和管理水平的提高。

四、研究結論與政策建議

本文運用DEA-Tobit兩階段模型對中國22家釀酒業上市公司在2004-2007年期間的生產效率及其影響因素進行了分析,并結合基于非參數DEA的Malmquist生產力指數,對樣本期間內主要釀酒企業的效率變化進行了動態評價。研究結果顯示,樣本期間內中國釀酒業上市公司的綜合技術效率平均值偏低,但除2007年出現較大幅度下降外,綜合技術效率總體上呈現上升的態勢;中國釀酒業上市公司的生產經營效率呈現較快的增長速度,這主要得益于樣本期間內釀酒企業的顯著技術進步;總資產周轉率、技術人員占比和人均資本是影響釀酒企業生產效率的重要因素,而企業規模對釀酒企業生產效率的影響則相對較小。

基于以上研究結論,為進一步提高中國釀酒業的生產效率、保證其健康持續協調發展,并發揮其在政府擴大內需、建設和諧社會與社會主義新農村以及推動國民經濟持續穩定發展中的重要作用,本文提出以下的政策建議：

1.進一步提高釀酒行業規模經濟水平。鼓勵釀酒企業通過參股、控股和收購等方式有效整合行業現有資源,合理擴大企業生產經營規模,提高釀酒產業集中度和規模經濟水平,致力于規模化、集團化發展之路。

2.著力推動釀酒企業管理水平的提高。在不斷通過內部擴張或外部重組以提高規模效率、獲取規模經濟的過程中,應該特別注重行業管理水平的提高,其中企業信息化建設是促進企業管理水平提高的重要途徑。

3.重點提高釀酒行業的技術創新能力。要加大釀酒行業技術創新力度,提升企業自主創新能力,尤其對白酒企業和啤酒企業而言,要注重新技術、新方法和新設備的引進、消化、吸收甚至再創新能力,最終實現由產品研發設計向品牌創新和營銷的轉變。

[1]張彥,鄭平.基于DEA模型的中國啤酒業上市公司績效分析[J].山東財政學院學報,2006,(4)：55-58.

[2]張若欽.基于Malmquist指數的白酒類上市公司效率分析 [J].時代經貿,2008,6(8)：21-23.

[3]金志國.啤酒業上市公司績效評價系統研究 [D].青島大學博士學位論文,2007.

[4]F?re R.,S.Grosskopf and B.Lindgren.Productivity Changes in Swedish Pharmacies 1980-1989：a Non-parametric Malmquist Approach[J].Journal of Productivity Analysis,1994,Vol.3：85-101.

[5]Coelli T.D.S.,Prasada Rao and G.E.Battesel.An Introduction to Efficiency and Productivity Analysis[M].Boston：Kluwer Academic Publishers,1998.pp.45-48.