基于DEA的我國煤炭上市公司融資效率評析

晁 坤，耿 璐

(中國礦業大學(北京)管理學院，北京 100083)

當前理論界對于企業融資效率的定義尚未形成統一的認識，但多數學者都認為企業融資效率不僅指企業融通資金的成效，也包括企業對所融入資金加以運用的成效[1-5]。本文的研究秉承這一認識，將企業融資效率界定為企業融通并合理運用資金創造價值的成效。受全球經濟持續低迷和國內經濟增長放緩的影響，近兩年來國內煤炭需求不斷萎縮，而低價進口煤炭的沖擊和新增產能的釋放又進一步加劇了煤炭市場供大于求的狀況，煤炭市場價格不斷下滑，嚴重地影響了煤炭企業的盈利能力，使得越來越多的煤炭企業開始面臨微利甚至虧損的生存局面。故而，為了更好地生存和發展，煤炭企業需要在做好安全生產的同時尋求有效的突破路徑，而客觀地分析企業自身的融資效率并有針對性地加以優化即是其中之一。

近些年來，國內諸多學者針對不同行業、不同區域或者不同類別企業的融資效率問題進行了研究，取得了較為豐碩的成果。但相對而言，針對煤炭企業融資效率的研究成果卻數量甚少，而且在現有成果中，或者是針對區域性煤炭企業的融資效率以及煤炭企業股權融資效率進行研究[6-7]，成果的代表性與全面性有所不足；或者是通過構建評價指標體系，運用模糊評價、層次分析等方法對煤炭企業的融資效率進行評價[8-9]，成果的客觀性又有所不足。基于此，本文以數據包絡分析(DEA)為工具，以煤炭企業的代表性樣本——煤炭上市公司為研究對象，對其融資效率進行客觀地評價和分析，以期為我國煤炭企業優化融資效率提供借鑒。

1 DEA及其基本模型

DEA由Charnes、Cooper和Rhodes[10]于1978年開始創建，是以相對效率概念為基礎，運用線性規劃技術對具有多輸入、多輸出的同類決策單元(DMU，代表部門或企業等)間的相對有效性進行評價的非參數統計方法。由于DEA不需要預先估計參數，在避免主觀因素影響、減少誤差和簡化算法等方面有突出的優越性，使得其在經濟、管理等多個領域得到了廣泛應用，是目前所公認的評價企業間相對效率的有效方法。

在運用DEA對企業間相對效率進行評價時，通常使用三個基本模型，即規模報酬不變模型(CCR)、規模報酬可變模型(BCC)和規模報酬非增模型(NIRS)，其中：規模報酬不變模型用于評價技術效率(TE)，即決策單元的綜合有效性；規模報酬可變模型用于評價純技術效率(PTE)，即決策單元技術與經營管理的有效性；而規模報酬非增模型則用于判斷決策單元的規模報酬狀態(遞增或遞減)。CCR、BCC和NIRS的構成分別如式(1)、式(2)、式(3)所示[11]。

(1)

(2)

(3)

2 研究樣本與評價指標選擇

2.1 研究樣本選取

為了更好地評價、分析煤炭企業融資效率的整體情況，本文依據證監會的行業分類，選取A股市場煤炭開采和洗選行業共27家上市公司為研究樣本。同時，為了進一步分析煤炭企業融資效率的發展變化趨勢，有必要對煤炭上市公司近幾年來的融資效率分別進行評價并對比。鑒于新的會計準則自2007年起開始施行，基于可比性的要求，本文選擇對煤炭上市公司2007～2012年間各年的融資效率進行評價并對比，研究所需數據均來自于中國證券網發布的公司年報。

2.2 評價指標選擇

運用DEA對煤炭上市公司融資效率進行評價，需要結合行業特性及其融資效率影響因素，遵循可比性、重要性、全面性及數據可得性等原則，合理選擇投入、產出指標：投入指標反映煤炭上市公司為融通及運用資金所付出的成本和代價，主要受融資規模、資本結構、資金使用方式和股權結構等因素的影響；產出指標則體現煤炭上市公司融通并運用資金的效果，主要從收入、收益角度加以衡量，受企業償債能力、盈利能力和產品市場表現等因素的影響。依據行業特性和主要影響因素，本文選擇資產總額、資產負債率、營業成本和股權集中度等四個指標作為投入指標，選擇凈資產收益率、每股收益、凈利潤等三個指標作為產出指標。客觀而言，對煤炭上市公司融資效率的評價還可引入更多的投入、產出指標，但考慮到上述指標已較為充分地體現了煤炭上市公司資金融通及運用的投入產出狀況，而且更多指標的引入也會因其相互間的交叉或重疊對評價結果產生負面影響，故不再考慮其他指標，各投入、產出指標的數據來源如表1所示。

由于 DEA要求各決策單元的輸入和輸出均不能為負值，故而需要將投入或產出指標中存在負值的煤炭上市公司從對應年份的樣本中剔除。依此整理后，2008年和2012 年的決策單元分別為25個和26個，其余年份則均為27個。

表1 投入產出指標及其數據來源

3 評價結果及分析

通過對各樣本企業相應報表數據的加工處理，得到各決策單元的輸入輸出數據，進而運用Deap2.1軟件對 DEA 模型進行求解，得到各樣本企業2007～2012年間各年的技術效率、純技術效率和規模效率評價結果，整理后的煤炭上市公司融資效率狀況如表2所示。

表2 煤炭上市公司融資效率整體狀況

3.1 對技術效率評價結果的分析

由表2可以看出，2007～2012年間各年均有30%左右的煤炭上市公司為DEA有效，表明這些企業的資金融通及運用在其對應的參考集內相對有效；與此同時，各年均有70%左右的煤炭上市公司為DEA無效，說明大多數煤炭上市公司的融資效率不盡理想，存在過度投入或產出不足的情形。為進一步分析煤炭上市公司的融資效率狀況，本文在此借鑒Michael Norman與Barry Stocker[12]的分類理論，依DEA效率強度將2007～2012年間各年的樣本企業細分為四類：強勢效率單位，即其技術效率值為1且松弛變量均為零；邊緣效率單位，即其技術效率值為l但松弛變量不全為零；邊緣非效率單位，即其技術效率值介于0.9～l之間；明顯非效率單位，即其技術效率值小于0.9。分類結果如圖1所示。

圖1 DEA效率強度分類

由圖1可以看出，2007～2012年間DEA無效的煤炭上市公司中絕大多數為明顯非效率單位，僅有少數幾家企業為邊緣非效率單位，可見我國煤炭上市公司的融資效率總體偏低，效率損失嚴重，其投入或產出存在較大的改進空間。為進一步探究導致煤炭上市公司DEA無效的關鍵因素，還有必要對各投入要素的冗余及其影響進行分析，統計分析結果如圖2所示。可以看出，2007～2012年間DEA無效的煤炭上市公司中，受營業成本投入要素冗余影響的企業最多，這表明營業成本的增加是影響煤炭上市公司融資效率的重要因素。此外，盡管2008年之前資產總額投入要素冗余的影響較為有限，但此后幾年受其影響的企業數量不斷增長，目前已成為影響煤炭上市公司融資效率的另一重要因素，這說明資產總額的擴張對煤炭上市公司融資效率的影響日益顯著。與此相對應，資產負債率投入要素的冗余在2010年之前影響了多家煤炭上市公司的融資效率，但此后兩年受其影響的企業數量顯著減少，這說明部分煤炭上市公司通過降低資產負債率改善了自身的融資效率，然而對2012年受資產負債率冗余影響的企業數量的反彈仍需給予重視。

圖2 各投入要素冗余的影響

3.2 對純技術效率評價結果的分析

純技術效率體現煤炭上市公司技術及經營管理的有效性。由表2可以看出，2007～2012年間各年均有40%左右的煤炭上市公司為純技術效率DEA有效，其余60%左右的煤炭上市公司則為純技術效率DEA無效，這表明部分煤炭上市公司的技術及經營管理已較為有效，而多數煤炭上市公司仍不夠理想。為進一步分析純技術效率DEA無效的煤炭上市公司的融資效率狀況，本文在此以純技術效率值等于0.5和0.9為分界點，將2007～2012年間各年DEA無效的煤炭上市公司細分為三類，即PTE<0.5、0.5≤PTE≤0.9和PTE>0.9，分類統計結果如圖3所示。可以看出，2007～2012年間絕大多數DEA無效的煤炭上市公司的純技術效率值介于0.5～0.9，其他兩類則相對較少；同時，純技術效率值為0.5以下的企業逐年減少直至消失，而純技術效率值介于0.5～0.9的企業則逐漸增加。這一方面說明多數煤炭上市公司的純技術效率相對較低，在技術與經營管理方面還存在較大不足；另一方面也說明多數煤炭上市公司通過加強技術創新與開發、改進經營管理從而提升融資效率有較大空間，而且近些年來部分煤炭上市公司也借助此途徑提升了自身的融資效率。

圖3 純技術效率值分類統計

3.3 對規模效率評價結果的分析

規模效率反映規模因素對企業融資效率的影響。規模效率DEA有效說明企業處于規模報酬不變狀態，即產出增加的比例等于投入要素增加的比例；而規模效率DEA無效則說明企業處于規模報酬遞增或遞減狀態，規模報酬遞增意味著企業產出增加的比例大于其投入要素增加的比例，規模報酬遞減則意味著企業產出增加的比例小于其投入要素增加的比例。由表2可以看出，2007～2012年間各年均有30%左右的煤炭上市公司為規模效率DEA有效，其余70%左右的煤炭上市公司則為規模效率DEA無效，這表明部分煤炭上市公司的生產經營規模已較為合理，但多數煤炭上市公司的規模狀況仍不夠理想。為進一步分析規模效率DEA無效的煤炭上市公司的狀況，有必要基于模型計算結果進行分類統計，統計結果表明：除2007年和2009年各有1家煤炭上市公司處于規模報酬遞減狀態外，其余DEA無效的煤炭上市公司均處于規模報酬遞增狀態。故而，本文在此將針對處于規模報酬遞增狀態的煤炭上市公司作進一步分析，相應的分類統計結果如表3所示。

表3 規模報酬遞增的煤炭上市公司及其投入要素冗余

由表3可以看出，2007～2012年間處于規模報酬遞增狀態的煤炭上市公司中，存在資產總額冗余的企業快速增加，這表明相當一部分煤炭上市公司同時面臨著規模不足與資產冗余的雙重困擾，而對于其中還同時存在資產負債率冗余的少數煤炭上市公司而言，則意味著其面臨規模不足、資產冗余和負債比例過高的多重困擾。對前者而言，在優化資金配置、提高資產利用效率的基礎上理性追求規模的擴張是改善其融資效率的必由之路，而后者還同時需要擴大股權籌資、調整資本結構切實降低自身的負債水平。

4 結論

本文基于數據包絡分析，對2007～2012年間我國煤炭上市公司的融資效率進行了研究，得到以下基本結論：①30%左右的煤炭上市公司資金融通及運用較為合理，其余企業的融資效率均不夠理想，我國煤炭上市公司的融資效率總體偏低；②部分煤炭上市公司通過加強技術創新與開發、改進經營管理等提升了自身的融資效率，但這一路徑仍有較大的開發利用空間；③在強化營業成本控制、優化資金配置和提高資產利用效率的基礎上理性追求自身規模的擴張，是多數煤炭上市公司改善融資效率的必由之路，少數企業還需要同時降低負債水平。

[1] 王新紅.我國高新技術企業融資效率研究[D].西安：西北大學，2007.

[2] 聶新蘭，黃連琴.企業融資效率理論分析框架[J].工業技術經濟，2007,26(10):157-159.

[3] 盧宇榮，黎娜.企業融資效率研究評述[J].江西金融職工大學學報，2008,21(6):55-57.

[4] 張雪梅，賽志剛.企業融資效率涵義及評價方法相關文獻綜述[J].山東財政學院學報，2009,(6):80-84.

[5] 宋淑琴.關于融資效率界定的思考[J].財會學習，2009,(12):26-28.

[6] 彭曉英，張慶華，張潤濤.黑龍江煤炭企業融資效率的模糊評價[J].遼寧工程技術大學學報：社會科學版，2007,9(6):600-602.

[7] 彭曉英，張慶華.基于DEA模型的煤炭上市公司股權融資效率評價[J].中國礦業，2008,17(12):26-29.

[8] 尚欣榮.煤炭行業上市公司融資效率評價研究[D].西安：西安科技大學，2011.

[9] 趙琦.我國礦業上市公司融資效率研究[D].天津：天津財經大學，2011.

[10] Charnes A，Cooper W，Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，(2)：429-444.

[11] 魏權齡.數據包絡分析(DEA)[J].科學通報，2000,45(17):1793-1807.

[12] Michael Norman，Barry Stocker.Data Envelopment Analysis——the assessment of performance [M].USA：John Wiley & Sons.Inc，1991：126-131.