智力資本與企業技術效率
——高技術產業上市公司的實證分析

張運華 陳華橋

（江蘇科技大學經濟管理學院，江蘇 鎮江 212003）

智力資本與企業技術效率
——高技術產業上市公司的實證分析

張運華 陳華橋

（江蘇科技大學經濟管理學院，江蘇 鎮江 212003）

應用動態DEA模型計算78家高技術產業上市公司2010-2014連續5年的技術效率。在此基礎上，通過面板數據回歸分析的方法探究智力資本與技術效率之間的關系。結果顯示，智力資本與技術效率之間顯著正相關。研究結果也表明，智力資本對公司的發展至關重要。在動態的商業環境中，高技術公司的管理者們應該投資并充分利用智力資本以獲得競爭優勢。

智力資本；技術效率；動態DEA

對高新技術產業這樣的知識密集型行業而言,已有研究對生產過程中的連續性問題以及智力資本與產業效率的關聯度問題關注不夠。本文擬從企業的智力資本和技術效率的角度出發,探討企業智力資本與企業技術效率之間的關系,以期將企業智力資本理論與技術效率理論相結合,為高技術企業智力資本的開發選擇與規劃提供參考依據。

1 研究框架和數據選取

1.1 高技術產業上市公司的動態經營過程

在如今的動態商業環境中,由于資本分配是主要的經濟過程,高技術產業上市公司必須關注基于長期經營效率的變化,對其效率的評價也應考慮到其生產經營的動態性特征。按照會計持續經營假設,公司將長期不斷地持續經營下去。持續經營的公司不僅有當前期間的投入與產出,還有連接變量從本期(t)進入到下一期(t+1)。舉個例子,公司將本期累計的固定資產結轉到下一期。此類科目涉及到會計上的永久賬戶。

結合已有高技術產業效率的研究,論文所采用的指標體系為：勞動力、研發費用、固定資產、凈利潤以及價值增加值。從會計周期開始,我們從經營的角度研究高技術產業上市公司的動態過程。圖1描述了這種動態的經營過程。每一期的投入變量是勞動力、研發費用和固定資產,其中研發費用和固定資產是連接變量或是永久賬戶,凈利潤和價值增加值是每一期的產出變量。表1分類列舉了本文使用的投入變量、產出變量以及連接變量。

表1 投入產出變量

1.2 數據的收集與統計

本文數據來源于上海證券交易所和深圳證券交易所披露的上市公司年報。隨機抽取了78家高技術產業上市公司的面板數據,時間跨度為2010-2014。表2提供了2010-2014連續5年的投入產出的描述數據。

2 研究方法

2.1 技術效率的測量

Chames和Cooper于1978年提出了第一個數據包絡分析(DEA)模型,它是一種非參數數學線性規劃技術,已被廣泛用于測量高技術產業或更多領域的技術效率。和傳統DEA相比,動態DEA是引入了一個時間路徑,把上期的連接變量通過時間路徑計算到本期,從而更準確地計算長期的技術效率。技術效率的數值在0和1之間,1代表最高效率,0代表沒有效率。

由于傳統DEA計算技術效率時,把每一年作為孤立的、靜態的單元計算,并沒有考慮到經營生產的動態性,不能反映動態的經營過程的實際情況。基于此,Tone等提出了動態DEA模型,這一模型在傳統的投入變量、產出變量的基礎上,引入不同時期之間的連接變量,以此反映生產過程中的動態性。一般而言,角度導向的DEA有投入角度和產出角度兩種。在資源有限的背景下,探討既定投入下最大化產出具有重大的現實意義,因此,論文選擇產出角度的DEA,以反映生產過程中資源的利用程度。根據Tone等,基于產出角度的決策單元技術效率表述如下。

圖1 動態經營過程

表2 投入產出的匯總統計（N=78）

其中,代表技術效率,wt代表期間權重,代表產出權重代表產出、投入及鏈接變量的松弛變量,代表鏈接變量,xiot代表投入變量,代表強度向量,yiot代表產出變量。

運用DEAsolver 9.0軟件,計算得出了78家高技術產業上市公司的技術效率,其統計概要如表3所示。

表3 78家上市公司不同年度技術效率

從表3中可以看出,上市公司之間的效率差異較大。總體來看,上市公司的技術效率水平不高。78家公司連續5年的效率均值在0.3152與0.3419之間,標準差穩定在0.32左右。

2.2 智力資本的測量：智力資本增值系數

不同學者對智力資本的界定并不統一,其衡量的指標亦不完全。為了衡量智力資本對高新技術上市公司技術效率的影響,論文根據Public的價值增值系數方法及依據已有研究,給出了衡量智力資本的指標。依據該方法,首先計算高技術產業上市公司的價值增加值(VA)。然后分別計算物質資本(CE)、人力資本(HC)和結構資本(SC)計算VA的效率。就是說VAICTM由三個部分組成,人力資本效率(HCE)、結構資本效率(SCE)和物質資本效率(CEE)。用代數方法表示,公式如下：

CEE=VA/CE

HCE=VA/HC

SCE=SC/VA

VAICTM= CEE+ HCE+ SCE

其中,VA用企業凈利潤、企業所得稅與人工工資之和近似表示,CE用固定資產和在建工程之和近似表示,HC用公司薪酬總額表示,SC=VAHC。

可以看出,三個指標CEE、HCE、SCE中,任意一個指標的上升都會引起智力資本增值的上升。

高技術產業上市公司正面臨來自全球競爭的壓力。為了應對挑戰并在動態的競爭環境中保持可持續增長,公司的管理者們必須依靠公司的資源,包括有形的資產,也包括無形的資產。他們必須認識到只有充分利用發揮公司的智力資本才能使公司更有效率。不管是基于資源型理論還是知識型理論,智力資本對高技術產業上市公司的技術效率都存在正相關影響。

2.3 智力資本與公司效率

基于資源型公司的視角,公司的高效率來源于公司的資源。從知識型公司角度來看,知識才是最重要的生產資源,人力資本被認為是最主要的無形資產,因為它是創造智力資本的源泉。同時,人力資本還能吸收學習集體知識和技能,能夠創新革新并更好地為顧客服務。所有這些都是高技術產業上市公司的成長和未來的發展的重要資產。VAICTM的第二個組成部分是結構資本,結構資本包括組織能力、流程、數據和專利。結構資本作為一種機制和結構能夠使員工發揮他們的智力資源。也就是說,投資結構資本將會產生更好的公司效率。VAICTM的最后一個組成部分是物質資本。物質資本對于公司的效率影響也是必不可少的。因此,可以認為,智力資本增值系數的三個組成部分均對高新技術上市公司存在顯著影響。

從效率值的特征出發,技術效率的取值在0與1之間,存在數據截斷問題,所以論文選用tobit回歸探討智力資本與高新技術上市公司技術效率之間的關系,回歸模型如下：

Yit=α+X1itβ1+X2itβ2+X3itβ3+X4itβ4+X5itβ5+X5itβ6+εit

其中,Yit代表第i家公司在第t期間的技術效率值,α代表截距,εit代表誤差項,X1it、X2it、X3it、X4it、X5it、X6it代表了智力資本解釋變量。具體變量描述如表4所示。

表4 相關變量

3 實證結果分析

使用VAICTM方法,測量78家高技術產業上市公司的智力資本。表5給出了獨立變量的描述性統計。表5中可以看出,平均人力資本效率(HCE)為2.70,平均結構資本效率(SCE)為0.53,平均物質資本效率(CEE)為0.26。從衡量智力資本的三個方面可以看出,人力資本創造了最大的價值,然后是結構資本,最后是物質資本。這一結果同時說明,公司通過投資人力資本、結構資本和物質資本所獲得的增值的程度也是大不相同。

表5 變量的描述統計

Tobit回歸分析結果如表6所示,回歸結果顯示人力資本、結構資本和物質資本對公司的技術效率顯著相關。回歸結果同時說明公司在智力資本上投入越多,就會得到更高的技術效率。這一結果與已有部分學者的研究一致。

這一發現意味著公司的技術效率可以通過投資人力資本、結構資本和物質資本得到提高。從數據上看,人力資本在智力資本中相關性最顯著。因此高技術產業上市公司應該充分利用人力資本提升公司的效率進而增加公司的競爭力。如果沒有大量的人力資本的投入,它們很可能在激烈的競爭中被淘汰。除了加強對員工的學習培訓,公司還應該保留和招募有能力的員工,因為他們是公司最重要的無形資產。高技術產業上市公司也不能忽視結構資本,結構資本是支持人力資本的結構和制度。只有這樣,高技術產業上市公司才能更好地服務它們的客戶從而獲得更多的產出或產值。總而言之,投資智力資本是高技術產業上市公司得到更好技術效率的關鍵。

表6 回歸結果

4 結論與討論

4.1 研究期間技術效率均值總體平穩

考慮到生產過程的動態性與連續性,論文應用動態DEA對78家高技術產業上市公司技術效率進行了測度,發現在相同年度,不同公司之間技術效率差異明顯,但就其均值而言,保持在0.3152與0.3419之間,相對穩定。

4.2 企業要加強智力資本開發,推動智力資本轉化

智力資本的發展對企業技術效率的影響作用是正向顯著的。智力資本的組成部分雖然對技術效率的影響程度大小不同,但均具有統計顯著性,說明智力資本已成為企業獲取經營效率的內在驅動力。隨著知識時代的來臨,企業最具價值的資源不再是物質資本或財務資本,而是智力資本,這一結果暗示了企業應該在智力資本上加大投入,從而提高企業的技術效率進而增強其競爭力,以在激烈的競爭環境中獲得長遠的發展。

[1] 胡振華,楊瓊.中國高新技術產業創新效率研究[J].科學管理研究,2015(02)：32-35.

[2] Galbraith J K.The Affluent Society[M].2ed.rev.edition.Houghton Mifflin,1969.

[3] Bontis N,Chua Chong Keow W,Richardson S.Intellectual capital and business performance in Malaysian industries[J].Journal of Intellectual Capital,2000,1(1)：85-100.

[4] Ahmed Riahi-Belkaoui.Intellectual capital and firm performance of US multinational firms[J]. Journal of Intellectual Capital, 2003,4(2)：215-226.

[5] Dimitrios G.Mavridis,Pantelis Kyrmizoglou.Intellectual capital performance drivers in the Greek banking sector[J].Management Research News,2005,28(5)：43-62.

[6] Charnes A, Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6)：429-444.

[7] Tone K,Tsutsui M.Dynamic DEA：a slacks-based measure approach[J].Omega,2010,38(3)：145-156.

[8] Pulic A.VAICTM an accounting tool for IC management[J].International Journal of Technology Management,2000,20(5/6/7/8)：702.

Intellectual Capital and technical Efficiency: An Empirical analysis of high-tech industry listed corporations

Zhang Yunhua Cheng Huaqiao

This paper applies the dynamic data envelopment model to evaluate the technical efficiency of 78 high-tech industrial listed firms for the period 2010-2014. Then this study examines the relationship between intellectual capital and technical efficiency using the panel data regression approach. The regression analysis reveals that intellectual capitals are significantly positively associated with firm technical efficiency. Our findings also show that intellectual capital is essential to the development of a company. In the dynamic business world, high-tech firms’ managers should invest and fully utilize capital to gain a competitive advantage.

intellectual capital；technical efficiency；dynamic data envelopment analysis

F204

A

1005-9679(2016)02-0078-04

產業技術創新聯盟企業動態能力提升的創新機制與實現路徑研究(14AGL001)。

張運華,江蘇科技大學經濟管理學院,博士,研究方向：科技管理；陳華橋,江蘇科技大學經濟管理學院研究生,研究方向：科技管理。