我國海工裝備制造業上市公司效率評價研究

王 奇， 紀建悅

（中國海洋大學 經濟學院，山東 青島 266100）

引 言

海洋工程裝備制造業是一種為海洋資源的開發及海洋產業的發展提供必要基礎設施的產業，它屬于高投入、高產出、高風險、高附加值的技術導向型的產業。當前，海洋資源、空間爭奪日益激烈，海工裝備制造業已逐漸成為各沿海國家及地區的戰略性支柱產業[1]。

2009年，國家工信部制定的《船舶工業調整和振興規劃》，將“發展海洋工程裝備”列為我國先進制造業發展的主要任務之一。同年，我國制定的《海洋工程裝備科研項目指南（第一批）》確定了我國海洋工程裝備發展的目標以及研發重點。2010年國務院頒布了《關于加快培育和發展戰略性新興產業的決定》，將海洋工程裝備作為高端裝備制造業的重要組成部分，并且明確提出了“面向海洋資源開發，大力發展海洋工程裝備”，這一決定將海洋工程裝備制造業列為國家戰略重點支持發展對象，也推動著我國海洋工程裝備制造業的發展。

隨著我國“建設海洋強國”戰略的不斷深入，我國已在“珠三角”“長三角”以及環渤海地區形成了具有相當規模的海工裝備產業集聚區，涌現了一批實力突出、競爭力強的企業。但是，中國的海洋工程裝備制造業與世界先進水平相比，仍存在著一定的差距[2]。據有關數據統計，2015年中國海工裝備制造業訂單總額為38.2億美元，同比減少75.5%?，F階段，我國船舶工業發展中仍然存在著許多問題：結構性產能過剩突出，高端產能不足，低端產能過剩，管理水平差距較大，效率亟待提高。在這種背景下，對我國的海洋工程裝備制造的效率問題進行研究是十分必要的。

目前對于海洋工程裝備制造業的研究，國外主要是見于一些產業發展報告形式?！缎录悠潞Ｑ笱b備制造業行業研究報告》在較全面的分析海洋裝備市場前景的基礎上，分析新加坡重點海洋裝備企業的發展所面臨的環境，同時提出了新加坡在未來的海工裝備的發展方向；韓國海洋裝備研究所發表的《A Global Leader in Marine Equipment Research&Testing》[3]回顧了韓國海洋裝備業發展的歷史進程，并對海工裝備產業體系的構建和運行等進行相關分析。在國內關于海洋工程裝備制造業的研究主要是進行定性的分析。趙陽華[4]分析了我國海工裝備制造業的發展現狀并提出相關對策建議；劉全等[5]認為隨著陸地資源日趨枯竭，人類生存和發展將越來越多地依賴海洋，并分析了我國海工裝備業現狀及發展趨勢；陶永宏、陳勇[6]采用SWOT分析方法探討我國海工裝備業發展面臨的內、外部環境，并提出海工裝備發展的戰略選擇。由此可見，當前對我國海洋工程裝備制造業的效率評價文獻比較少。鑒于此，本文擬以我國海工裝備制造業的上市公司為樣本，對其經營效率進行實證研究。

1 效率評價模型的引入

對效率的評價常用的有參數方法和非參數方法，非參數方法以DEA為代表，由于非參數方法不需要考慮具體的生產函數形式及參數的分布狀況，所以在效率評價中應用較多。傳統的一階段DEA有明顯的缺陷，它是將所有的投入變量、產出變量以及相應的環境變量等全部納入到規劃中，估算出生產前沿邊界和各決策單元效率，這一方法的主要問題在于，將環境變量統一進行規劃，會使得各個決策單元可能出現異質性，從而造成所求得的效率值將會存在偏差。兩階段DEA方法，也就是在傳統的一階段DEA中引入了Tobit回歸進行分析；這一方法可以分析出對效率造成影響的各因素顯著水平，但是其本質上并沒有剔除掉環境和隨機誤差對效率值造成的影響，得到的效率也并不能精確反映各個決策單元真實管理效率，因此二階段DEA效率評價方法也是有偏的。為此Fried等[7]提出的三階段DEA方法，也是目前對效率評價常用的方法。該方法最大的優勢是能夠有效的剔除外部環境因素以及包含于冗余變量中隨機誤差對決策單元效率的影響，進而得到的效率值能夠更加真實可靠地反映實際。

利用三階段DEA方法來評估效率的文獻有很多。郭軍華等[8]運用三階段DEA（數據包絡模型）對我國2008年的農業生產效率進行了實證研究；白俊紅，蔣伏心[9]應用三階段DEA方法，在控制環境因素的基礎上考察了我國區域創新的效率問題；蔣萍等[10]應用三階段DEA和超效率DEA模型對我國31個省份2008年文化產業投入產出效率進行了分析；Jonchi Shyu等[11]采用三階段DEA方法對臺灣的各銀行分支機構的管理效率進行研究分析；郭亞軍[12]運用三階段DEA模型對我國2009年工業生產效率進行實證研究；華堅等[13]基于三階段DEA的方法，評級了中國省際區域二氧化碳排放績效；劉偉等[14]將三階段DEA模型與Bootstrap方法相結合，在控制環境因素影響的基礎上測算了中國省際高新技術產業的技術創新效率；任毅，丁黃艷等[15]通過三階段DEA方法，主要從外部環境、省際差異和效率結構等方面對“十五”到“十二五”期間長江區域經濟帶工業能源效率空間差異化和發展趨勢進行實證研究。

上述三階段DEA模型能夠剝離外部環境和隨機誤差的影響，但是在第二階段構建SFA模型中，對于環境變量的選取存在人為因素的干擾，并且對最優的生產前沿面缺乏穩健性檢驗，因此，本文主要是運用楊力、王舒鴻[16]所采用的三階段DEA方法，不僅可以消除環境因素和隨機誤差的影響，而且可以對有效前沿面進行穩健性檢驗從而剔除異常決策單元，以便對前沿面的決策單元進行重新排序和效率評價。

1.1 DEA初始階段評價

數據包絡分析是A Charnes等[17]于1978年提出的一種非參數效率評價方法，該方法是根據決策單元（Decision Making Unit，簡記DMU）的投入產出數據，利用線性規劃來包絡出一個最佳的生產前沿面，根據每個DMU與生產前沿面的距離來確定他們的相對效率值。數據包絡分析適用于對具有多指標投入與多指標產出特點的相同類型單元的相對效率進行評價，不需要任何變量之間的函數假設，也不必人為的確定決策單元的權重，避免了很多主觀因素的影響。其基本的模型有CCR模型和BCC模型[18]。本文采用CCR模型。

CCR模型是以規模報酬不變為假設，采用線性規劃來估計決策單元的生產前沿面，評價每一個決策單元的相對效率。

設有n個決策單元，每個決策單元有m種輸入和s種輸出，效率評價公式為：

式中：Xj和Yj分別為決策變量的投入和產出向量，μT和ωT分別為權重變量，利用對偶原理引入了松弛變量S-和剩余變量S+后，可得：

其經濟意義是：

①θ=1且S+=S-=0時，稱DMU為DEA有效，此時決策單元DMU同時為技術有效和規模有效；

②θ=1且S+=S-＞0時，稱DMU為弱DEA有效，此時決策單元DMU不同時技術有效和規模有效；

③θ＜1，稱DMU是無效的，此時決策單元既不技術有效也不規模有效；

④如果存在λj（j=1，2，…，n），有則該決策單元的規模效益不變；如果則該決策單元的規模效益遞減，如果則該決策單元的規模效益遞增。

1.2 DEA有效決策單元的二階段評價

通過第一階段的效率評價，可以確定一個由所有決策單元所形成的生產前沿面，但是這一結果并不能分離隨機變量和測量誤差的影響，同時決策單元的效率會受到投入和產出變量選擇的影響。因此，在進行第二階段的效率評價前，有必要進行穩健性檢驗。本文引入Jackknifing檢驗法，從而剔除在生產前沿面上的異常決策單元，使得最優前沿面上的決策單元具有同質性。借助于多目標決策的TOPSIS方法中的相關理論，引入了最優虛擬決策變量，即最少投入最多產出的決策單元，對經過穩健性檢驗后的有效前沿面上的決策單元進行重新評價和排序。

1.3 DEA有效決策單元的三階段評價

通過第二階段的DEA評價，可以得到在前沿面上管理效率相對較高的決策單元，并以此作為參照，對前沿面上的其他決策單元進行標準化處理，然后根據修正后的效率值，對各決策單元的投入冗余和產出不足進行約束，從而實現對無效決策單元調整的目的，最后將這些修正的決策單元進行規劃和評價，即三階段的DEA評價。

2 我國海工裝備制造業上市公司的實證分析

2.1 數據的選取

本文選取了我國海高裝備制造業上市公司的資產負債表和利潤表，以2015年12月31日的數據為研究樣本，對18家上市公司進行DEA綜合經營效率分析。

從資產負債表和利潤表中選取投入和產出變量，根據經驗，所選取的指標總數不能超過決策單元的二分之一，也就是說，對18家企業進行分析，則投入和產出的指標數不能超過9個，否則會導致評價的無效。本文在選取指標時充分考慮到滯后因素和長期因素，選取時點指標；如果選取的指標具有滯后性，那么在進行DEA評價時，就會影響該企業在包絡面上的位置，使得效率評價不夠準確。依據這個原則，在資產負債表中，考慮到貨幣資金是一種流動性較強的一項指標，因此將其單獨作為投入變量；長期股權投資是指通過投資取得被投資單位的股份，對衡量企業的投入具有重要的價值；固定資產凈額反映了企業的賬面價值情況；非流動資產合計也是衡量企業運行的重要因素，被作為投入要素。在利潤表中，營業收入是衡量企業收入的重要部分，營業利潤、利潤總額以及凈利潤是企業投資者和企業參與管理者最重要的參考指標，因此作為產出指標。綜上，對于投入指標，選取了貨幣資金、長期股權投資、固定資產凈額、非流動資產合計；對于輸出指標，選取了營業收入、營業利潤、利潤總額以及凈利潤（見表1）。

表1 18家上市公司的各項原始財務指標Tab.1 Raw financial indicators of 18 listed companies

2.2 決策單元的初始階段評價

利用Maxdea軟件分析，以投入導向型的CCR模型得到了各決策單元的效率得分和投入冗余的結果（見表2）以及產出不足結果（見表3），表中未列出到達帕累托最優的12家企業，其效率值是1，投入冗余和產出不足均為0。

從表2和表3可以看出18家上市公司中在初次DEA評價后，有12家企業的效率值為1，達到了帕累托最優或者弱帕累托最優，構成了最優效率前沿面。在無效率的6家企業中，其中最高的是海默科技，為0.873 5，而北斗星通的效率值最低，為0.437 9，足以看出我國海工裝備制造業企業的發展參差不齊。

表2 決策單元的得分和投入冗余的結果Tab.2 Decision-making unit′s score and results of redundant input

表3 產出不足的結果Tab.3 The result of insufficient output

2.3 DEA有效決策單元的第二階段評價

有很多因素都會影響DEA結果的穩定性。盡管有12家企業已經達到了效率值為1，即處在最優的生產前沿面上，但DEA效率是相對效率，這12家企業哪家更好，或者說是否存在這樣一家企業比較孤立，從整體上會大幅度地改變生產前沿面的形狀，從而嚴重影響了評價的真實客觀性。所以，應在初次DEA評價之后，進行效率評價的穩健性檢驗，本文引入Jackknifing檢驗法，其原理是將已經達到效率最優的決策單元剔除，然后再對剩余的決策單元進行評價，如果最終得到的效率值和初次得到的效率值相差不大，那么這個這個決策單元不是異常值，則繼續剔除其他的決策單元，按照這個方法得到了剔除后的效率評價值（見表4），其中，由于原先在生產前沿面的決策單元在二次DEA評價后依然在生產前沿面上，所以表中不在列出；在表中的左側是剔除的決策單元，上方是無效率的6家企業。

為了更加直觀的量化異常指標的異常性，本文對上述的各個效率值之間進行相關性檢測，結果見表5。

從表5中可以看出相關性系數大部分在92%以上，只有去掉中天科技時產生的波動，相關性系數在76.60%左右，因此可以判斷出中天科技是異常值，應該予以剔除，才能使得評價更加具有客觀性，此時剔除后的效率值如表4中最后一行所示，北斗星通和中海油服這兩家家公司的效率值均有所提高。

表4 Jackknifing檢驗法得出的效率評價值Tab.4 The efficiency evaluation value obtained by the Jackknifing test

表5 相關性系數Tab.5 The correlation coefficient

上述把中天科技這一異常值剔除后，進行DEA的二階段評價中，剩余的11家企業的相對有效性仍然具有差異性，于是在此引入最佳的虛擬決策變量，再進行二次評價。本文借鑒多目標決策方法TOPSIS中有關構造理想的虛擬決策變量的做法，選取每一個輸入中的最小值作為這一理想決策變量的初始投入量，每一個產出中的最大值作為這一理想決策變量的初始產出量，來構造一個新的優勢前沿面，盡管在現實中，構建的虛擬理想決策單元不一定會實現，但是其效率值為1，使得其他11家企業就變得相對無效率，以此實現對11家企業的重新排序。

由于剔除了中天科技這一決策變量，導致了決策單元數的減少，如果再繼續使用原來的投入產出指標，那么DEA評價結果就會出現不穩定的情況，因此，需要進一步減少投入和產出指標。一般來說，減少指標的方法主要有主成分分析、因子分析和AHP決策方法等，本文選取的是財務數據，在分析的模型中，只考慮總量指標，那么投入指標選擇的是流動資產合計、長期股權投資和固定資產凈額這三個指標，產出指標選擇的是營業收入和利潤總額這兩個指標。將11家企業和構造的最優虛擬決策變量進行DEA的二次評價，結果見表6。

從表6中可以看出，經過二階段評價后，海油工程的效率值最高，為0.076 3；而神開股份的效率值最低，為0.008 8。那么，為了獲知對這幾家企業如何進行有效的管理，進行三階段效率評價。

2.4 DEA有效決策單元的第三階段評價

在得到二階段評價效率值后添加一個虛擬決策變量，是為了對這11家企業進行重新排序，進而在這11家企業中找到一個相對來說最有效的企業，首先將上述最優虛擬決策單元去掉，可以知道海油工程的效率值是相對最高的。

令 θ1，θ2，…，θ11為這 11 家企業的效率值，θi是這11家企業的效率值最大值，即θi=max（θ1，θ2，…，θ11），以效率值最大值對其他企業的效率進行標準化，即令：

表6 二階段評價后各企業的投入冗余值和產出不足值Tab.6 After the evaluation of the two stages， the enterprises′input redundancy and output deficiency are evaluated

圖1 11家企業修正后的效率值Fig.1 The efficiency values of the 11 enterprises

經過標準化后，第i個決策單元的效率值為1，其他的決策單元均小于或等于1，11家企業的效率值如圖1所示。

根據規劃，模型如下：

式中：θ*i是修正后的效率評價值，利用修正的效率值對模型中的投入和產出值進行重新規劃，對投入冗余和產出不足進行約束，以達到對無效率決策單元調整的目的。

根據上述模型，得到11家企業中無效率企業的效率值和投入冗余、產出不足值（見表7）。

表7中未列示效率值達到1的企業，只列出了未達到帕累托最優的六家企業，分別為：海蘭信，久立特材，南山控股，天海防務，中集集團和中南文化。對于海蘭信企業，如果長期股權投資減少0.048 7億元并且利潤總額增加0.000 4億元時，該企業的經營效率就會大大增加，生產階段不斷向帕累托最優效率狀態演進。同理，久立特材，南山控股，天海防務，中集集團和中南文化也應按著上述的規劃進行，以達到帕累托最優狀態。

表7 三階段評價的投入冗余值和產出不足值Tab.7 Redundant and insufficient values for the three-stage evaluation

3 提高我國海工裝備制造業效率的相關建議

通過實證分析可以發現：得出的結果比較貼近當前我國海洋工程裝備制造業發展現狀，引入基于DEA的三階段效率評價模型對我國海洋工程裝備制造業進行效率評價與分析也非常有必要。因此，結合我國海洋工程裝備制造業的特點，從海洋工程裝備制造業相關上市公司這一微觀視角出發，提出以下幾點相關的建議。

首先，公司應當提高和優化管理水平，注重對企業運營效率的量化評價。在本文的三階段效率評價結果中發現，盡管部分企業的效率已經相對較高，但是相對于海油工程這一企業仍然存在著一定的進步空間。這就意味著，企業在發展過程中，應該合理吸取其他優勢企業在發展和管理中的經驗，具備長遠發展的眼光，從而更好地促進自身的發展。此外，在企業管理過程中，借助相關的數據和模型，定期對企業效率進行定量評價是非常有必要的，以發現企業在發展過程中所存在的漏洞和不足，對自身發展狀況有比較合理的認識和判斷，從而更有利于企業的長遠發展。

其次，應適當提高對企業發展的扶持力度，加大政策支持，促進各企業間平衡發展。正如本文研究結果所得，我國海洋工程裝備制造業的相關企業之間發展水平不平衡，國家應當對相關的企業加大扶持力度，促進各企業提高其核心競爭力，從而帶動我國海工裝備制造業平衡、穩定、整體發展。

最后，努力提高海洋工程裝備制造業企業的產出效率和企業運營效率。從第一階段DEA效率評價中，可以發現未處在最優前沿面的企業的投入冗余量相對較高，其中部分企業如中海油服這一企業的投入冗余值相對最高，這就要求企業需要提高產出效率。首先應當強化海洋技術研發投入，提高海洋技術核心創新能力，加速科技轉換效率，同時加大高素質科研人才的培養和相應資金投入；再次，需要加強對外合作與交流，積極引進國外先進技術和高端人才，支持重點企業開拓海外市場，進行國際戰略投資，從而提高企業產出效率；最后，作為企業的管理層應當將視角放長遠，決策的制定和執行上應合理高效，吸取優勢企業的管理經驗，努力提高企業的運營效率，從而促進海工裝備制造業的效率提升，穩定發展。

4結語

本文以18家海工裝備上市公司為研究樣本，采用三階段DEA對其進行效率評價。首先利用DEA中規模報酬不變投入導向型的CCR模型計算這18家上市公司的效率值，得出12家企業處在生產前沿面上，并利用MAXdea軟件得出了每一家企業的投入冗余值和產出不足值，發現這18家企業的投入冗余值和產出不足值之間存在著很大的差距，再加上DEA所得到的效率值是相對效率值，因此，本文認為，在生產前沿面上應該存在某一家或者某幾家企業處在異常狀態，也就是這一異常企業會使得生產前沿面的形狀發生大幅度的變動，為了剔除異常值，引入Jackknifing方法對每一決策變量進行穩健性檢驗，為了更加直觀地發現異常值，對Jackknifing檢驗得出的效率值又進一步進行相關性檢驗，得出相關性系數表；通過相關性系數表的分析，發現只有當剔除中天科技時，其他幾家企業的效率值才會發生明顯的變動，所以中天科技是異常值。

在進行DEA二次評價過程中，為了找到其他11家企業的上升空間，本文借助于多目標決策的TOPSIS方法中的相關理論，引入了最佳虛擬決策變量，這一虛擬決策處在新的最優生產前沿面上，可以利用這一虛擬決策單元對其他11家企業進行全排序，得到每一家企業的進步上升空間，也就是說明企業在發展過程中不能只是單獨拘泥于眼前，應該有長遠的規劃，借鑒其他企業的經驗，使得自身處在上升階段。

通過二階段DEA效率評價后，得出海油工程的效率值相對最高，并以此作為最優決策單元，對其他的決策單元的投入冗余和產出不足進行修正規劃，然后為了得到其他企業在經營過程中的上升路徑，參照著中遠航運的經營模式，引入了三階段DEA的效率評價；從三階段DEA效率評價的結果來看，不僅可以對每一個決策單元進行有效性的排序，還可以獲得以某個最優企業為參照，每一個企業在經營中的有效的經營管理決策，可以在一定程度上克服傳統的DEA評價方法的不足；同時從本文的研究可以看出，海蘭信，久立特材，南山控股，天海防務，中集集團和中南文化這6家海工裝備制造企業經過三階段DEA效率評價后的效率值最高的為0.776 3，而最低的是0.511 9，這也說明了目前我國海工裝備制造業中的各相關的企業發展水平很不平衡，而這種不平衡性對我國發展海洋經濟的發展勢必造成阻礙。

參考文獻：

[1]杜利楠，欒維新，片峰.沿海省區發展海工裝備制造業的潛力評價研究[J].科技管理研究，2015（9）：66-70.

[2] 趙金樓，徐鑫亮.中國海洋工程裝備制造業發展問題研究[J].學習與探究，2014（4）：110-112.

[3] Korea Marine Equipment Research Institute.A Global Leader in Marine Equipment Research&testing[R].Busan:KMERI，2012.

[4] 趙陽華.培育高端裝備制造產業的對策研究 [J].中國經貿導刊，2011（3）：16-18.

[5]劉全，黃炳星，王紅湘.海洋工程裝備產業現狀發展分析[J].中國水運，2011（3）：37-39.

[6] 陶永宏，陳勇.基于SWOT分析的我國海洋工程裝備業發展戰略思考[J].江蘇科技大學學報，2010（3）：7

[7] H O Fried ，C A K Lovell，S S Schmidt，etc.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002，17（1-2）：157-174.

[8] 郭軍華，倪明，李幫義.基于三階段DEA模型的農業生產效率研究[J].數量經濟技術經濟研究，2010（12）：27-38.

[9]白俊紅，蔣伏心.考慮環境因素的區域創新效率研究——基于三階段DEA方法 [J].Finance&Trade Economics，2011（11）：104-136.

[10]蔣萍，王勇.全口徑中國文化產業投入產出效率研究——基于三階段DEA模型和超效率DEA模型的分析[J].數量經濟技術經濟研究，2011（12）：69-81.

[11]Jonchi Shyu，Terri Chiang.Measuring the true managerial efficiency of bank branches in Taiwan:A three-stage DEA analysis[J].Expert Systems with Applications，2012（39）：11494-11502.

[12]郭亞軍.基于三階段DEA模型的工業生產效率研究[J].科研管理，2012（11）：16-23.

[13]華堅，任俊，徐敏，等.基于三階段DEA的中國區域二氧化碳排放績效評價研究 [J].資源科學，2013（7）：1447-1454.

[14]劉偉，李星星.中國高新技術產業技術創新效率的區域差異分析——基于三階段DEA模型與Bootstrap方法[J].財經問題研究，2013（8）：20-28.

[15]任毅，丁黃艷，任雪.長江經濟帶工業能源效率空間差異化特征與發展趨勢——基于三階段DEA模型的實證研究[J].經濟問題探討，2016（3）：93-100.

[16]楊力，王舒鴻.基于DEA的煤炭上市公司效率三階段評價[J].經濟管理，2010（4）：147-152.

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

[18]魏權齡.數據包絡分析[M].北京:科學出版社，2004.