基于DEA-Tobit模型的中國有色金屬礦采選業上市公司經營效率和影響因素研究

王國鈺，曹希紳,2，周進生(.中國地質大學(北京)經濟管理學院，北京 00083；2.自然資源部資源環境承載力評價重點實驗室，北京 049)

0 引 言

有色金屬礦采選行業上市公司是采礦業上市公司的重要組成部分，其產品品類較為集中，呈現出明顯的地域分異特色，因身處資源密集型行業，所以大多數企業的產品生產工序繁多且能源消耗較大。利潤主要來源于市場價與原料價之間的差價[1]，具有運營模式重、股權集中度高、股權流通性弱[2]、以產品制造為中心組織生產[3]、對產品價格周期性變化較為敏感[4]等特點。近年來，中國有色金屬礦采選行業上市公司的發展取得了一定成果，一方面，中國有色金屬礦采選業上市公司新開工建設項目逐步增多，固定資產投資額連續多年增長，生產規模和裝備水平位居世界前列，產品國內供應能力提高，高精產品生產技術取得突破，部分產品取得批量穩定生產[5]；另一方面，隨著管理水平和管理能力的提升，中國有色金屬礦采選業上市公司越來越注重企業內部管理，安全事故發生率逐步下降[6]。但是面臨有色金屬傳統消費需求疲軟、國際市場飽和產品生產成本逐步上升等壓力，中國有色金屬行業始終存在經營效率低等問題[7-10]。因此，中國有色金屬行業勢必要邁向“綠色轉型升級”之路，以供給側結構性改革和擴大市場需求為主線，培育發展新產品、新技術、生產型服務等新動能，改造提升冶煉傳統產業優勢，遵循“穩中求進”的總基調，實施高端材料、綠色發展、兩化融合、資源保障、國際合作等重點任務和重大工程，加強降成本、增效益等重大措施保障，著力構建以“高端、智能、綠色、服務”為方向的新型制造業是中國建成有色金屬工業強國的發展趨勢和必由之路。因此，本文在分析中國有色金屬礦采選行業上市公司的經營效率現狀的基礎上，探討對其產生較大影響的關鍵因素，并據此為提高中國有色金屬礦采選業上市公司的經營效率提出合理的政策建議。

目前，中國有色金屬礦采選企業經營效率的研究方法主要為DEA模型。陳蕭怡[11]在運用SFA隨機前沿模型的基礎上，采用分位數回歸方法分析了影響中國有色金屬行業上市公司經營效率的因素；李金星[12]在EDA模型的基礎上采用FGLS回歸方法進行了研究；黃健柏等[13]在投資效率的層面上運用Richardson模型和獨立樣本T檢驗方法進行了實證分析；孔佳南[14]以江西省2003—2012年規模以上有色金屬企業為研究樣本，對其生態效率進行實證評價分析；危平等[15]分析了有色金屬礦釆選企業的技術效率，同時在行業整合的背景下測算了有色金屬冶煉及壓延加工企業的技術效率；吳一丁等[16]基于DEA模型的Malmquist指數方法分析了采選業全行業及各上市公司的經營效率變動情況。盡管現有研究對于有色金屬上市公司經營效率的研究方法較為成熟完備[17-19]，但是在其影響因素的層次上存在差異。在研究影響有色金屬礦采選企業經營效率的因素時，賴丹等[20]首先利用DEA-Malmquist指數對2011—2019年中國有色金屬行業上市公司經營效率進行測算，并通過Tobit受限模型檢驗了經濟政策不確定性與經營效率之間關系，研究表明經濟政策不確定性與經營效率顯著負相關；唐重振[21]基于DEMATEL模型，從資源環境、宏觀政策、經濟發展、企業管理、科技創新等五個維度分析了廣西壯族自治區有色金屬企業可持續發展的關鍵影響因素，結果表明，其主要的影響因素分別為技術創新能力、企業戰略、生態環境保護、經濟政策、產業政策、環保政策、資金投入、經濟效益。

綜上所述，大多學者普遍將研究重點放在有色金屬礦采選行業的發展趨勢與模式上，較少從效率角度考察中國有色金屬礦采選業上市公司的發展現狀，且在分析有色金屬企業效率的影響因素時，現有研究不僅很少談及，且缺少基本的實證證明。同時在分析得出有色金屬礦采選企業經營效率后，進行回歸時大多忽略效率值的限制范圍，只是采用普通回歸，造成分析結果不準確[22]。Tobit回歸模型恰好能彌補此類弱點，其可以利用有色金屬礦采選企業經營效率的截斷數據進行回歸，能夠有效地避免OLS回歸中所導致的參數估計量偏差且不一致的問題[23]，既保證了研究方法的科學性，又確保了研究結論的合理性。因此，在前人研究的基礎上，本文在運用DEA法測度出各年間的效率值后，引入Tobit模型以實證分析影響中國有色金屬礦采選行業上市公司經營效率的不同因素，從而為中國有色金屬行業上市公司的發展提出合理性建議。

1 研究方法

1.1 DEA模型

數據包絡分析法是一種可以根據數據本身客觀獲取投入產出的權重，避免人為主觀賦權，準確測度被評價單元技術效率的非參數測度方法。DEA模型包括CCR模式和BCC模式[24]兩種模式，CCR模式假定決策單元規模報酬不發生變化；BCC模式剔除了規模的影響，基于規模收益可變的假設可測度出純技術效率，兩者之間的比值即為被評價單元的規模效率。本文采取BCC模式，對于任一決策單元，投入導向下對偶形式的BCC模型見式(1)。

(1)

式中：j=1,2,…,n為決策單元；X、Y分別為投入向量、產出向量。

DEA模型本質上是一個線性規劃問題。 若θ=1，S+=S-=0，則決策單元DEA有效；若θ=1，S+≠0，或S-≠0，則決策單元弱DEA有效；若θ<1，則決策單元非DEA有效。 BCC模型計算出來的效率值為綜合技術效率(TE)，可以進一步分解為規模效率(SE)和純技術效率(PTE)，計算公式見式(2)。

TE=SE×PTE

(2)

1.2 Tobit回歸模型

Tobit回歸模型最早由Tobin提出[25]，是在因變量的取值限制于某個范圍時采用的回歸分析模型，能夠有效解決普通回歸分析導致的估計偏差。本文在采用DEA法測度出中國有色金屬上市企業2014—2019年的綜合技術效率值后，以結果值為因變量，引入Tobit回歸模型，對影響有色金屬企業技術效率的因素進行面板回歸，分析各因素的作用情況。由于本文通過DEA模型測度出的技術效率值的范圍為(0,1]，帶有明顯的截斷特征，若采用OLS回歸會使得結果參數有偏且不一致，屬于受限因變量，故選用Tobit模型進行面板回歸。建立的Tobit回歸模型見式(3)

(3)

式中：β0為常數項；βi為模型中的估計參數；xi為各影響因素；ε為隨機誤差項。

2 指標選取和數據來源

2.1 指標選取

企業進行生產經營活動時通常將用于人、財、物等方面的支出視為投入，如人才招聘與薪資發放、生產設備的購置與替換、原材料的加工與購買等。而公司通過產品售出之后得到的收益或者公司固定資產的增值以及科技創新成果的研發通常被視為企業的產出或收益。基于國內外關于企業績效的研究成果發現，對于投入指標大多選取員工數量[26]、固定資產凈額、總資產、營業成本[27]等。考慮到有色金屬礦采選企業大多機構龐大，崗位繁多復雜，需要較多勞動力和較高水平的技術人才，且有色金屬礦采選行業是資金密集的行業，固定資產投資需要投入大量的資金[28]，是其進行生產經營活動的根本條件[29]，同時，營業成本管理對有色金屬礦采選企業來說是抵御市場風險、謀求發展的重要保障[30]。因此，本文選取員工人數(X1)代表企業人力投入指標、固定資產存量(X2)代表固定資產投入指標、營業成本(X3)代表營業投入指標。其中，由于有色金屬企業是重資產企業，過去的固定資產投入會對現在的生產經營產生影響，忽視資本存量可能會對最終估算的效率結果可能產生偏差，因此參考張軍等[31]的研究成果，采用“永續盤存法”來估計固定資產存量。計算公式見式(4)。

Ki,t=Ii,t+(1-δ)Ki,t-1

(4)

式中：Ki,t為上市公司第t年的資本存量；Ii,t為上市公司在第t年的固定資產投資；δ為上市公司在第t年的固定資產折舊率，取值為6%[32]。

對于產出指標選取每股收益、營業收入與凈利潤等，其中營業收入和凈利潤指標可以客觀且精確地體現出有色金屬上市企業在某一時間段的經營效益，是衡量企業經營產出非常合適的指標[33]。本文參照研究企業經營效率的相關文獻，考慮到在DEA模型的約束下，被納入模型的變量需要存在一定的相關度，故選擇營業收入(Y1)代表公司產出指標、凈利潤(Y2)代表公司綜合運營能力指標。指標匯總見表1。

表1 DEA模型變量選取Table 1 Variable selection of DEA model

2.2 樣本數據來源

本文根據中國證券監督管理委員會2018年中國上市公司行業分類結果，將興業礦業等22家公司作為初始樣本。限定考察的時間期限為2014—2019年，并剔除樣本區間內ST公司，排除一些財務指標數據嚴重缺失的上市公司后，最終獲得20家中國有色金屬產業上市公司。本文所涉及的數據大部分來源于國泰安數據庫(CSMAR)及相關上市公司年報。相關數據的描述性統計見表2。

表2 DEA模型變量數據的描述性統計Table 2 Descriptive statistics of variable data in DEA model

DEA模型在處理多輸出-多輸入的有效性評價方面具有絕對優勢，且建立模型前無需對數據進行量綱化處理和任何權重假設，但是需對數據進行正向化處理。參照沈江建等[34]的方法對數據集中的負值進行了正向化處理，表1中的數據值都為非負，既體現了不同企業間在相同變量上的差異，又體現了在某一變量上的整體特征，由此可見，本文所用的數據可信且能基本反映出中國有色金屬上市企業經營現狀的實際情況。

3 中國有色金屬企業上市公司經營效率實證結果及分析

根據DEA模型的原理，當測算出的效率值接近或等于1時，表明企業處于生產前沿面上，在不改變產出的情況下，各項投入不存在冗余，則表明企業的技術有效得到充分實現。 若計算出的效率值小于1，則表明企業并不在生產前沿面上，其值越小，說明距離越遠，企業在各項生產經營活動中的投入所存在的冗余量越大，技術效率的實現程度也就相應越低[35]。

3.1 綜合效率分析

本文采用DEAP2.1軟件，選擇以投入為導向的DEA-BCC模型對2014—2019年中國有色金屬礦采選業上市公司經營效率進行靜態測度與評價，得到綜合技術效率(表3)、純技術效率(表4)、規模效率(表5)。其中，綜合效率是衡量各有色金屬礦采選業上市公司資源配置和經營效率等能力的關鍵指標，反應了生產經營過程中企業投入和產出之間的比例關系。由表3可知，知盛達礦業、盛屯礦業和西藏珠峰的綜合效率較為穩定，在5年內值均為1，處于生產有效的前沿。平均綜合效率在0.9～1.0之間的有1家，表明其經營效率良好；在0.7～0.9之間的有9家，值得注意的是中潤資源、湖南黃金、廣晟有色、馳宏鋅鍺、赤峰黃金、西部黃金、金鉬股份等公司的6年平均綜合效率都較低，說明其處于相對落后的位置，在將來需要平衡投入產出比例，合理配置資源，提高企業管理能力以改善公司的經營效率。

表3 2014—2019年有色金屬企業上市公司綜合效率Table 3 Comprehensive efficiency of nonferrous metallisted companies from 2014 to 2019

由DEA模型原理可知，綜合效率值等于1表示有效率，小于1表示存在無效率。根據蘇順海等[36]的劃分，DEA指在0.75～1之間屬于良好，而20家中國有色金屬礦采選業上市公司2014—2019年的綜合效率的平均值為0.753，處于良好與及格之間的臨界值，說明中國有色金屬行業公司經營效率仍有較大提升空間。近年來，中國面臨的內外宏觀經濟面發生變化，內部供給側結構性改革持續發力，環保政策穩步推進，外部國際局勢震蕩，對國際大宗商品價格產生利空效果，因此中國有色金屬企業近年來面臨著經濟下行壓力。在供給側改革紅利逐步釋放、有色金屬價格周期運行的基礎上，企業的資源盈利能力和資源使用效率還有較大提升空間。

3.2 純技術效率分析

純技術效率值表示上市公司在現有生產規模不變的情況下，投入轉化為產出的生產技術能力[37]，其結果見表4。由表4可知，與平均綜合效率相比，除盛屯礦業、盛達礦業、西藏珠峰之外，紫金礦業、洛陽鉬業、園城黃金的純技術效率也達到了1，說明在企業的管理和技術等因素影響的基礎上不考慮規模因素，這些公司可以用最少的投入得到最大產出的效率值。興業礦業、中潤資源、建新礦業、湖南黃金、廣晟有色、山東黃金、赤峰黃金、西部黃金、金鉬股份等2014—2019年純技術效率平均值低于20家上市公司的平均值，導致這一結果的原因可能是在去產能背景下，企業被迫關停部分生產線或者為追求利益最大化而盲目過度投資導致現金流緊張，致使在摒除規模效應的影響后企業經營效率依然達不到平均值。但總體來講高于0.9的公司共有9家，占研究樣本的大多數，說明大部分的有色金屬礦采選業的上市公司的經營管理水平較高。

表4 2014—2019年色金屬企業上市公司純技術效率Table 4 Pure technical efficiency of nonferrous metallisted companies from 2014 to 2019

有色金屬礦采選行業對于生產技術的要求較高，企業在找礦、采礦、選礦等方面都需要創新技術、先進設備與經驗豐富的高端人才作為支撐。資源緊張的局面必定要求企業走精細化發展道路，綜合運用遙感、大數據、工業互聯網等先進技術在資源開發與保護上做精做細，尤其是在目前國內環保政策緊張落實的情況下，無廢開采、節能減排、礦山修復等對企業提出了新的技術要求。身處人工智能高速發展的新時期，提高企業創新能力，加快產業技術革新，在增加創新成果數量的基礎上切實提高創新成果的質量，突破關鍵性技術制約，向智慧礦山、無人礦山智能化、數字化轉型是有色金屬礦采選業的大勢所趨。與此同時，平均純技術指標呈不斷下降的趨勢也表明單純依靠技術作為發展的動力是不足的，中國有色金屬礦產企業應當綜合提高管理水平，合理利用相關扶持政策全方位促進企業的發展。

3.3 規模效率分析

中國有色金屬企業上市公司規模效率的結果見表5。由表5可知，2014—2019年的平均規模效率為0.862，表明中國有色金屬上市企業整體在規模效率上處于較高水平。與此同時，中國有色金屬礦采選行業產能過剩問題較為嚴重，中國多次出臺政策淘汰有色金屬礦采選行業的落后產能，這將為中國有色金屬礦采選行業的健康高質量發展提供政策保障。

表5 2014—2019年中國有色金屬企業上市公司規模效率Table 5 Scale efficiency of nonferrous metal listedcompanies from 2014 to 2019 in China

中國有色金屬礦采選行業上市公司的規模效率值較高，且呈現出不斷上升的趨勢，這表明中國有色金屬礦采選行業的轉型升級勢在必行。中國有色金屬礦采選企業應當重新審視資源稟賦與優勢，加快整合上游產業集群，著力發展有色金屬的精深加工，拉動下流企業需求，調整產業結構，切實解決成本上升、需求疲軟的市場問題，污染排放、資源破壞的環境問題，低端過剩、短板突出的結構問題。

4 中國有色金屬礦采選業上市公司經營績效的影響因素分析

上文已在行業層面上對2014—2019年中國有色金屬礦采選業上市公司的經營績效進行了測算與分析，但是對于影響中國有色金屬礦采選業上市公司的經營績效的具體因素只是停留在定性分析的層面，并且現有的實證研究方法大多存在疏漏。因此，本文以DEA模型所得出的效率值作為因變量，選擇具有截斷回歸特征的Tobit模型對效率值的受限子集進行回歸分析。在該模型中，將DEA模型得出的效率值作為被解釋變量，根據公司運營的實際情況，合理假設影響公司效率的各種因素，并將其作為解釋變量納入模型。孫兆斌[38]認為在股權結構的不同的背景下，控股股東的“掏空行為”與“支持行為”會對上市公司技術效率產生一定影響，因此本文在股權結構方面采用五大股東持股比例(CR5)以衡量中國上市的有色金屬礦采選公司的股權集中度。由上述分析可知，中國上市有色金屬礦采選企業的綜合技術效率值與規模效率之間存在一定關系，企業規模(SIZE)是較為關鍵的影響因素，可用年末總資產的自然對數表示[39]。管延德[40]認為合理負債具有“稅盾效應”，能夠起到防范股權稀釋的作用，因此上市公司可以降低代理成本，從而提升企業經營效率。本文采用資產負債率指標(DA)來衡量企業的資本結構；生產技術也是決定上市公司綜合效率，即投入產出比的重要因素。在有色金屬行業的生產活動中專利、生產技術、生產許可等無形資產都可能給企業帶來巨大的收益。本文將無形資產凈值(NIA)綜合反映上市公司生產技術水平、產品品牌影響力、知識產權占有等指標；企業在生產經營活動中運營效率的高低影響著企業的周轉速度，在中國有色金屬礦采選行業中運營效率也是影響企業效率的重要因素，因此選取總資產周轉率(ROUND)；考慮到有色金屬礦采選業屬于資本密集、技術密集型行業，本文采取總資產與員工人數的比值得到的人均資本代表資本密集度(CAPI)[41]。本文所用到的研究中國有色金屬礦采選業上市公司經營績效影響因素的相關變量見表6。

構建的TOBIT回歸模型見式(5)。

CRSTEi,t=c+β1lnsizei,t+β2capii,t+

β3roundi,t+β4cr10i,t+β5dai,t+β6niai,t+εi,t

VRSTEi,t=c+β1lnsizei,t+β2capii,t+

β3roundi,t+β4cr10i,t+β5dai,t+β6niai,t+εi,t

SCALEi,t=c+β1lnsizei,t+β2capii,t+

β3roundi,t+β4cr10i,t+β5dai,t+β6niai,t+εi,t

(5)

式中：C為截距項；β1、β2、β3、β4、β5、β6分別為各自變量的回歸系數；i為有色金屬采選產業上市公司(i=1，2，3，…，n，n=20)；t為研究時期(t=1，2，3，…,t，t=5)；εit為回歸模型的殘差項。回歸結果見表7。

表6 Tobit模型變量表Table 6 Tobit model variable table

表7 Tobit回歸結果Table 7 Tobit regression results

由表7可知以下結論。①企業規模在分別以CRSTE、VRSTE及SCALE作為被解釋變量的三個不同回歸模型結果中都非常顯著，說明有色金屬礦采選企業的規模越大，由此所產生的規模效應越強，尤其是對于中國有色金屬礦采選行業來說，規模的擴大，公司體量越大會對企業的經營效率產生積極正向的影響，企業的效率就越高。中國有色金屬礦采選企業規模的擴大有利于企業發揮人才優勢、資本優勢以及市場優勢，加快有色新材料的研發與生產，從而在增量市場占據優勢，使企業的技術效率及規模效率不斷提高。同時，中國有色金屬礦采選企業原有的規模優勢有利于企業在傳統產業與基礎業務之上處于領先與壟斷位置，并且隨著有色金屬礦采選行業門檻的不斷提高，原有的有色金屬企業在不斷發掘存量勢能，讓企業在市場上顯得游刃有余，致使企業的綜合效率不斷提高。但是由前一部分DEA模型分析可知，中國大部分有色金屬礦采選也上市公司都處于規模遞減之中，在未來企業如果依舊單純依靠擴大企業規模來提高企業的效率顯然是不足的。②資本密集度在分別以CRSTE、VRSTE及SCALE作為被解釋變量的三個不同的回歸模型結果中都非常顯著，說明資本密集度與中國有色金屬礦采選業上市公司的經營績效正相關。有色金屬礦采選業屬于資本密集型行業，資本密集度越高，用于技術研發的資本也就越多，公司技術水平隨之提高，純技術效率也相應提高。同時，隨著生產要素的充裕和合理化配置，資本密集度高的企業采用比較先進的生產技術和設備，培養或聘用高技術工作人員，更加有條件創造出更高的勞動生產率，使產品在市場上的競爭力得到提升，最終利用高資本成本推動企業效率的提升。③在結果中，總資產周轉率的系數在三種情況下都表現顯著，說明總資產周轉率與企業經營效率是呈現明顯的正相關的。中國有色金屬企業在從事經營活動中為解決各種問題，如購置運輸工具以提高運輸效率、購買先進的生產設備以提高產量，但是購買的運輸工具因故障而閑置、購買的生產設備因技術革新而被動淘汰，這部分資產大多利用不充分或被閑置，造成了企業資源的浪費。如果企業總資產的周轉率提高，那么企業經營期間全部資產從投入到產出的流轉速度就會加快，報廢資產及無用資產得到處理，投入到固定資產或其他成本中的資金也就得到高效利用，企業銷售能力變強，資產投資的效益變好。因此，總資產周轉率的提高意味著中國有色金屬礦采選企業全部資產的管理質量和利用效率的提升，彌補了閑置資產和冗余資產帶來的隱形成本，同時產品品類在高效的資產周轉的促進作用下可以充分利用市場渠道、擴張市場份額，使企業的成本投入與收入產出有效銜接，促進實現產品市場轉化成功率的最大化，進而規避企業經營風險，獲得較為理想的生產經營效率。

由此可以得到各變量對中國有色金屬礦采選業上市公司經營效率的影響作用表，結果見表8。由表8可知，企業規模越大，中國有色金屬礦采選業上市公司的綜合效率、純技術效率與規模效率越高；企業資本密集度越高，中國有色金屬礦采選業上市公司的綜合效率、純技術效率與規模效率越高；企業總資產周轉率越高，中國有色金屬礦采選業上市公司的綜合效率、純技術效率與規模效率越高；企業股權集中度越大，中國有色金屬礦采選業上市公司綜合效率越高。而回歸結果中企業資產負債率的系數值不顯著，無形資產凈值對中國有色金屬礦采選業上市公司的綜合效率、規模效率的影響無顯著方向。

表8 影響方式Table 8 Influencing methods

5 結論與建議

本文利用2014—2019年中國有色金屬礦采選業上市公司的面板數據，首先采用DEA模型方法測算了中國有色金屬礦采選業上市公司的綜合效率、純技術效率以及規模效率，并在分析了企業經營效率整體情況及波動變化的基礎上，創造性地采用Tobit模型分析了中國有色金屬礦采選業上市公司效率影響的主要因素。結果表明：①2014—2019年，中國有色金屬礦采選業上市公司的平均綜合技術效率為0.753，平均純技術效率為0.864，平均規模效率為0.862；②中國絕大部分有色金屬礦采選業上市公司并未處于效率前沿面上，且規模效應逐漸喪失，規模報酬呈現遞減；③影響因素的回歸結果顯示，資本密集度、企業規模、總資產周轉率對中國有色金屬礦采選業上市企業綜合效率的影響是顯著的，中國有色金屬礦采選業上市企業資本密集度、企業規模、總資產周轉率對綜合效率產生了正向的積極影響。

基于以上結論，為改善中國有色金屬礦采選業上市企業經營效率，提出以下建議。

1) 降低企業成本，加強企業精細化管理。研究發現中國絕大部分有色金屬礦采選業上市公司并未處于效率前沿面上，說明多數企業未達到投入與產出的最佳狀態。因此，中國有色金屬礦采選業上市公司必須節約生產成本，時刻關注原材料價格漲跌，合理利用期貨工具對沖價格風險。同時，要降低管理成本，防止冗員、冗費等浪費企業資源的情況發生，加強企業精細化管理，確保組織高效率運行。

2) 加快企業技術革新，促進企業由規模發展轉向高質量發展。技術進步是中國有色金屬礦采選業上市公司取得長效發展的關鍵因素，目前中國有色金屬上市公司的產品仍呈現出低端化的特征，同時企業的發展仍然只是一味地依靠規模的擴展，而研究顯示中國有色金屬礦采選業的規模報酬呈現遞減效應，因此中國有色金屬礦采選業上市公司要想提高技術效率與規模效率必須加大技術研發投入，引進高新技術人才，深化行業技術與高校、科研院所的合作。同時平衡擴張與發展的協調關系，不要盲目做大體量，追求數量上的擴張，而是要在生產技術、市場競爭力、產品質量上下功夫，推動企業“提質增效”。

3) 合理配置企業資產，提高資產周轉率。有色金屬礦采選行業的經營特點決定了大量的固定資產會占用企業現金資源，從而致使企業運行不暢。因此，有色金屬礦采選業上市公司必須合理配置企業資產，調配固定資產與無形資產比例，提高資產周轉率，充分發揮其類資產的增值作用。同時，管理層應提高決策水平，審慎投資決定，優化投資結構，確保投資項目的盈利性和成功率。