基于Bootstrap—DEA方法的中國乳品加工企業(yè)的效率分析

摘要：利用2008-2010年中國97家乳制品企業(yè)面板數(shù)據(jù)，使用Bootstrap-DEA方法估算了其效率值，并考察了這些企業(yè)效率的規(guī)模效應(yīng)和影響因素。研究表明，中國乳品加工企業(yè)的效率隨企業(yè)規(guī)模變化呈現(xiàn)倒U結(jié)構(gòu)，中等規(guī)模企業(yè)效率最高，大規(guī)模企業(yè)效率次之，小規(guī)模企業(yè)效率最低；不同規(guī)模乳品加工企業(yè)效率的影響因素也存在差異，市場銷售策略對(duì)小規(guī)模企業(yè)的效率影響顯著，人力資本投入對(duì)中等和大規(guī)模企業(yè)的效率影響顯著。

關(guān)鍵詞：乳品加工企業(yè)；技術(shù)效率；規(guī)模效率

中圖分類號(hào)：F424，F(xiàn)273.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）12-2947-04

Analysis on Technical Efficiency of Chinese Dairy Firms Based on Bootstrap-DEA Approach

SUN Zhen1，2

（1.Economy and Management School， Inner Mongolia Agricultural University， Hohhot 010018，China；

2.Management School， Inner Mongolia University of Technology，Hohhot 010051，China）

Abstract： The approach of Bootstrap-DEA was adopted to evaluate the technical efficiency scores of 97 different scale dairy enterprises over the period from 2008 to 2010 in China. The scale efficiency and influencing factors were also tested. It was revealed that technical efficiency of Chinese dairy firms changed in an inverted U shape with firm size； and medium firms had the highest efficiency scores while small firms had the least efficiency score. The influencing factors differed with the scale of daing firms. Marketing strategies was the determinant to small firms efficiency； while human capital investment is the determinant to the efficiency of medium and large-scale enterprises.

Key words： dairy firm； technical efficiency； scale efficiency

自20世紀(jì)90年代以來，中國乳品行業(yè)得到了快速發(fā)展，乳品加工企業(yè)數(shù)量、資產(chǎn)和銷售規(guī)模高速增長，涌現(xiàn)出伊利、蒙牛、三元和光明等乳制品龍頭企業(yè)。目前國內(nèi)學(xué)者對(duì)乳制品行業(yè)效率的研究不多，代表性研究有張莉俠等[1]使用非參數(shù)Malmquist指數(shù)方法對(duì)中國乳制品業(yè)全要素生產(chǎn)率的變動(dòng)進(jìn)行了分析，發(fā)現(xiàn)1998-2005年中國乳制品業(yè)全要素生產(chǎn)率呈增長趨勢，技術(shù)進(jìn)步是全要素生產(chǎn)率增長的原因；張莉俠[2]使用超效率模型對(duì)2001-2005年中國21個(gè)乳品加工企業(yè)的技術(shù)效率進(jìn)行了研究，研究表明中國乳品加工企業(yè)的技術(shù)效率處于較低水平，乳品加工企業(yè)并未存在規(guī)模經(jīng)濟(jì)效應(yīng)；盧寧等[3]使用隨機(jī)前沿生產(chǎn)函數(shù)方法分析了中國乳制品行業(yè)生產(chǎn)技術(shù)效率的變動(dòng)情況，研究發(fā)現(xiàn)1998-2007年中國乳制品行業(yè)技術(shù)效率呈增長的態(tài)勢，企業(yè)規(guī)模和資本密度是促進(jìn)乳制品行業(yè)技術(shù)效率提高的積極因素?，F(xiàn)有對(duì)中國乳品加工企業(yè)的效率研究多使用行業(yè)數(shù)據(jù)，即便使用企業(yè)數(shù)據(jù)，樣本量偏小。例如，張莉俠等[1]和盧寧等[3]研究時(shí)使用的是省級(jí)行業(yè)數(shù)據(jù)，張莉俠[2]研究使用的是微觀企業(yè)數(shù)據(jù)，但涉及的企業(yè)只有21家，且均屬于大中型企業(yè)。本研究與其他學(xué)者研究的主要區(qū)別為：第一，本研究的對(duì)象為微觀企業(yè)數(shù)據(jù)，涉及不同規(guī)模97家的乳品加工企業(yè)；第二，在研究方法上，首次使用Bootstrap-DEA方法對(duì)中國乳制品行業(yè)的生產(chǎn)效率進(jìn)行研究。中國學(xué)者近幾年也開始使用Bootstrap-DEA方法研究農(nóng)業(yè)效率問題，代表性研究有黃祖輝等[4]使用該方法研究了浙江省農(nóng)民專業(yè)合作社的效率，米增渝等[5]使用該方法研究了中國農(nóng)村企業(yè)生產(chǎn)率與影響因素，但使用Bootstrap-DEA方法研究中國乳品加工企業(yè)的生產(chǎn)效率還是首次。

1 方法與數(shù)據(jù)

1.1 Bootstrap-DEA方法

DEA方法被廣泛應(yīng)用于計(jì)算產(chǎn)出的技術(shù)效率，傳統(tǒng)DEA方法一個(gè)缺點(diǎn)是DEA的估計(jì)量來自于對(duì)有限數(shù)量的樣本估計(jì)，樣本的變化會(huì)對(duì)DEA估計(jì)量產(chǎn)生較大影響，因此使用DEA方法時(shí)，獲得所計(jì)算出的估計(jì)量的統(tǒng)計(jì)性質(zhì)非常重要。而大多數(shù)情況下，研究者在使用傳統(tǒng)DEA方法時(shí)沒有對(duì)DEA估計(jì)量的統(tǒng)計(jì)性質(zhì)進(jìn)行分析，所得結(jié)論的穩(wěn)健性和可信度容易遭受質(zhì)疑。就目前而言，Simar等[6，7]所使用的Bootstrap-DEA方法是惟一能獲得DEA的估計(jì)量樣本性質(zhì)的方法，通過對(duì)DEA估計(jì)量的統(tǒng)計(jì)性質(zhì)進(jìn)行研究，可對(duì)DEA估計(jì)量的可信度和穩(wěn)定性進(jìn)行評(píng)估。使用該方法計(jì)算效率值具體如下。

輸入與產(chǎn)出單元集合（x，y）用ψ表示，假定樣本Xn由數(shù)據(jù)產(chǎn)生過程（DGP）P產(chǎn)生，P可表示為：

P=P（ψ，f（x，y）） （1）

Bootstrap估計(jì)量的質(zhì)量取決于樣本數(shù)量B和樣本容量大小n。

使用傳統(tǒng)DEA方法計(jì)算得到的估計(jì)量是有偏差的，傳統(tǒng)DEA方法將投入產(chǎn)出前沿看作完全效率，因此該方法的估計(jì)量衡量的是“相對(duì)效率”，而產(chǎn)出的“實(shí)際效率”水平一般低于DEA估計(jì)量，其偏差可表示為：

（8）

偏差糾正的應(yīng)用條件：

1.2 數(shù)據(jù)來源及說明

本研究的數(shù)據(jù)來源于中國統(tǒng)計(jì)局，研究對(duì)象為《國民經(jīng)濟(jì)行業(yè)分類（GB/T4754-2002）》中食品制造業(yè)中的液態(tài)乳及乳制品制造子行業(yè)，行業(yè)代碼為：1440，該子行業(yè)企業(yè)指以牛、羊乳為主要原料，經(jīng)分級(jí)、凈乳、殺菌、濃縮、干燥、發(fā)酵等加工制成的液體乳及乳制品的生產(chǎn)企業(yè)。所涉及的指標(biāo)包括：①投入指標(biāo)。選取的投入指標(biāo)包括資本、勞動(dòng)和中間投入3個(gè)方面。具體的變量選擇選取企業(yè)的固定資產(chǎn)合計(jì)變量衡量資本指標(biāo)，選取樣本企業(yè)的年平均從業(yè)人數(shù)作為衡量勞動(dòng)投入的變量，選取工業(yè)中間投入變量衡量乳制品企業(yè)除資本和勞動(dòng)投入外的其他投入。②產(chǎn)出指標(biāo)。選取企業(yè)工業(yè)總產(chǎn)值變量衡量產(chǎn)出指標(biāo)?？紤]到價(jià)格因素影響，參照張莉俠的方法，對(duì)固定資產(chǎn)合計(jì)變量使用固定資產(chǎn)投資價(jià)格指數(shù)進(jìn)行調(diào)整；對(duì)工業(yè)中間投入變量使用國內(nèi)生產(chǎn)總值價(jià)格平減指數(shù)進(jìn)行調(diào)整；對(duì)工業(yè)總產(chǎn)值變量使用食品類商品零售價(jià)格指數(shù)進(jìn)行調(diào)整。

2 實(shí)證分析

2.1 生產(chǎn)效率計(jì)算結(jié)果及分析

利用R軟件和FEAR程序包使用Bootstrap-DEA方法對(duì)樣本期的97家企業(yè)的效率進(jìn)行計(jì)算。為了研究樣本企業(yè)的規(guī)模效應(yīng)，首先將每個(gè)觀測期的樣本企業(yè)依據(jù)工業(yè)總產(chǎn)值大小進(jìn)行排序，然后依據(jù)工業(yè)總產(chǎn)值大小將所有樣本企業(yè)的規(guī)模分成3組，小規(guī)模、中等規(guī)模和大規(guī)模樣本企業(yè)的個(gè)數(shù)分別為33、32和32。

將Bootstrap的迭代次數(shù)設(shè)定為2 000次，置信區(qū)間設(shè)為95%。理論上，Bootstrap的迭代次數(shù)越多，估計(jì)結(jié)果越準(zhǔn)確；為了驗(yàn)證Bootstrap方法的穩(wěn)健性，還將迭代次數(shù)設(shè)為4 000次，結(jié)果表明，迭代次數(shù)為4 000次的估計(jì)結(jié)果與迭代次數(shù)為2 000次的計(jì)算結(jié)果區(qū)別不大，這表明Bootstrap-DEA方法對(duì)于研究中國乳品加工企業(yè)的效率具有很強(qiáng)的穩(wěn)健型。

2.2 效率的規(guī)模效應(yīng)分析

由表1可知，在觀測期，不同規(guī)模樣本企業(yè)的DEA 效率值的均值均大于效率修正值的均值，這表明傳統(tǒng)的DEA方法確實(shí)夸大了企業(yè)的效率水平；偏差的均值為0.067～0.164，在3個(gè)觀測期，中等規(guī)模企業(yè)偏差的均值最小，小規(guī)模企業(yè)偏差的均值最大，這表明使用傳統(tǒng)的DEA方法所計(jì)算出的效率值對(duì)小規(guī)模企業(yè)而言被夸大的幅度最大，對(duì)中等規(guī)模企業(yè)而言被夸大的幅度最小。

由表1還可看出，在觀測期，中等規(guī)模樣本企業(yè)的DEA 效率值的均值和效率修正值的均值均為最大，大規(guī)模企業(yè)次之，小規(guī)模企業(yè)最??；故可知中國乳品加工企業(yè)的效率隨企業(yè)規(guī)模變化呈現(xiàn)倒U結(jié)構(gòu)，即中等規(guī)模企業(yè)效率最高，大規(guī)模企業(yè)次之，小規(guī)模企業(yè)最小。另外，中等規(guī)模乳品加工企業(yè)的效率雖然最高，但與大規(guī)模企業(yè)效率相比差距很小，這表明乳品加工企業(yè)存在效率最優(yōu)規(guī)模，超過這個(gè)最優(yōu)規(guī)模企業(yè)效率將保持穩(wěn)定。

為了判斷不同規(guī)模乳品加工企業(yè)效率的規(guī)模效應(yīng)，建立如下回歸方程：

EFit=β0+β1ln（GMit） （13）

上式中，EFit代表企業(yè)i在t年的修正效率值；GMit代表企業(yè)i在t年的規(guī)模，用企業(yè)的工業(yè)總產(chǎn)值衡量企業(yè)的規(guī)模。上式中的回歸系數(shù)β1可用來判斷不同規(guī)模企業(yè)生產(chǎn)效率的規(guī)模效應(yīng)，如果該系數(shù)估計(jì)值為正，表明存在生產(chǎn)效率的正規(guī)模效應(yīng)，即企業(yè)規(guī)模越大效率越高；系數(shù)估計(jì)值的絕對(duì)值越大，表明生產(chǎn)效率的規(guī)模效應(yīng)越強(qiáng)，規(guī)模的變化可顯著影響生產(chǎn)的效率。

由表2可知，除2009年的大型規(guī)模企業(yè)外，ln（GMit）的回歸系數(shù)估計(jì)值在極顯著水平0.01條件下均大于0，這表明中國的乳品加工企業(yè)存在顯著的生產(chǎn)效率的正規(guī)模效應(yīng)，即各種規(guī)模的乳品加工企業(yè)都可通過擴(kuò)大規(guī)模提高效率水平。

2.3 影響效率的因素分析

參照其他學(xué)者的相關(guān)研究，本研究考察了企業(yè)的杠桿水平，企業(yè)固定資產(chǎn)的使用狀況，企業(yè)的市場銷售策略和企業(yè)的勞動(dòng)投入狀況四個(gè)因素對(duì)乳品加工企業(yè)效率的影響，這四個(gè)因素涵蓋了企業(yè)的財(cái)務(wù)、技術(shù)構(gòu)成和銷售環(huán)節(jié)。四個(gè)影響因素所選取的變量依次為：所有者權(quán)益/資產(chǎn)合計(jì)（GG），固定資產(chǎn)合計(jì)/資產(chǎn)合計(jì)（GZ），應(yīng)收賬款/產(chǎn)品銷售收入（SC），應(yīng)付工資/產(chǎn)品銷售收入（LT）。

乳品加工企業(yè)效率的影響因素模型定義為：

EFit=β0+β1GGit+β2GZit+β3SCit+β4LTit （14）

模型的回歸結(jié)果見表3。

回歸結(jié)果表明：①不同規(guī)模企業(yè)的效率影響因素存在差異。對(duì)于小規(guī)模的企業(yè)而言，應(yīng)收賬款/產(chǎn)品銷售收入變量對(duì)企業(yè)的效率水平影響顯著，應(yīng)收賬款/產(chǎn)品銷售收入比率小的企業(yè)會(huì)有更高的效率水平，這意味著小規(guī)模乳品企業(yè)可通過使用更加穩(wěn)健的市場銷售策略提高企業(yè)的效率水平；對(duì)于中等規(guī)模和大規(guī)模的企業(yè)而言，應(yīng)付工資/產(chǎn)品銷售收入變量對(duì)企業(yè)的效率水平影響顯著，應(yīng)付工資/產(chǎn)品銷售收入比率小的企業(yè)會(huì)有更高的效率水平，這意味著中等規(guī)模和大規(guī)模的企業(yè)可通過減少人力資本投入（即增加生產(chǎn)的自動(dòng)化程度）來獲得更高的生產(chǎn)效率。②企業(yè)的杠桿水平和企業(yè)固定資產(chǎn)的使用狀況對(duì)所有三個(gè)不同規(guī)模的乳品加工企業(yè)效率影響均不顯著。由表3可知，所有者權(quán)益/資產(chǎn)合計(jì)變量和固定資產(chǎn)合計(jì)/資產(chǎn)合計(jì)變量對(duì)企業(yè)的效率影響不顯著，這表明乳品加工企業(yè)的杠桿水平和固定資產(chǎn)的使用狀況對(duì)企業(yè)效率沒有顯著影響。

3 結(jié)論

通過上述分析得到以下結(jié)論：①中國乳品加工企業(yè)的效率隨企業(yè)規(guī)模變化呈倒U結(jié)構(gòu)，中等規(guī)模企業(yè)效率最高，大規(guī)模企業(yè)次之，小型企業(yè)效率最低。②中國的乳品加工企業(yè)存在顯著的生產(chǎn)效率的正規(guī)模效應(yīng)，即各種規(guī)模的乳品加工企業(yè)都可通過擴(kuò)大規(guī)模來提高效率水平。③不同規(guī)模乳品加工企業(yè)效率的影響因素存在差異，對(duì)于小規(guī)模的企業(yè)而言，企業(yè)的市場銷售策略對(duì)企業(yè)的效率水平影響顯著；對(duì)于中等規(guī)模和大規(guī)模的企業(yè)而言，企業(yè)的勞動(dòng)投入狀況對(duì)企業(yè)的效率水平影響顯著。

參考文獻(xiàn)：

[1] 張莉俠，劉榮茂，孟令杰.中國乳制品業(yè)全要素生產(chǎn)率變動(dòng)分析——基于非參數(shù)Malmquist指數(shù)方法[J].中國農(nóng)村觀察，2006（6）：2-8.

[2] 張莉俠.中國乳制品企業(yè)的技術(shù)效率分析—基于SBM超效率模型[J].統(tǒng)計(jì)與信息論壇，2007，22（3）：103-108.

[3] 盧 寧，李國平.中國乳制品行業(yè)技術(shù)效率變動(dòng)研究——基于隨機(jī)前沿生產(chǎn)函數(shù)方法[J].東北大學(xué)學(xué)報(bào)，2010，12（3）：217-223.

[4] 黃祖輝，扶玉枝，徐旭初.農(nóng)民專業(yè)合作社的效率及其影響因素分析[J].中國農(nóng)村經(jīng)濟(jì)，2011（7）：4-13.

[5] 米增渝，姚 林.農(nóng)村企業(yè)生產(chǎn)率及影響因素分析[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2011（6）：70-75.

[6] SIMAR L，WILSON P W. Sensitivity analysis of efficiency scores： How to bootstrap in nonparametric frontier models[J]. Management Science，1998，44（1）：49-61.

[7] SIMAR L，WILSON P W. Statistical inference in nonparametric frontier models： The state of the art[J]. Journal of Productivity Analysis，2000（13）：49-78.