EN中文

经济地理 >

2020 , Vol. 40 >Issue 2: 117 - 124

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.02.013

产业经济与创新发展

国有上市企业运营效率测算和时空演进分析

  • 刘懿 , 1, 2 ,
  • 方玉 2
展开
  • 1.中国社会科学院 工业经济研究所，中国 北京 100000
  • 2.湖南大学 经济与贸易学院，中国湖南 长沙 410000

刘懿（1983—），女，湖南长沙人，博士，副教授。主要研究方向为产业组织理论。E-mail：。

收稿日期: 2019-09-02

  修回日期: 2019-12-02

  网络出版日期: 2025-04-01

基金资助

国家自然科学基金青年项目(71603078)

中国博士后科学基金第62批面上资助(2017M621006)

中国博士后科学基金第11批特别资助(2018T110178)

福建省社会科学规划一般项目(FJ2019B134)

收起

Measurement of Operational Efficiency and Analysis of Spatiotemporal Evolution of State-Owned Listed Enterprises

  • LIU Yi , 1, 2 ,
  • FANG Yu 2
Expand
  • 1. Institute of Industrial Economics，CASS，Beijing 100000，China
  • 2. College of Economics and Trade，Hunan University，Changsha 410000，Hunan，China

Received date: 2019-09-02

  Revised date: 2019-12-02

  Online published: 2025-04-01

Fold

摘要

以我国2015—2017年8个行业中的138家国有上市企业作为研究对象，运用数据包络法（DEA）及地理信息系统（GIS）可视化方法，从微观层面对国有上市企业样本的综合效率（TE）、纯技术效率（PTE），以及规模效率（SE）等运营效率进行指标构建、测算及时空演进评价。研究发现：首先，国有上市企业样本运营效率：①在时序演进（2015—2017年）方面呈现出先下降后上升的变化趋势；②在空间演进方面呈现出明显的区域分布非均衡性。其次，从行业层面而言，我国房地产及医药行业国有上市企业运营效率相对较高。鉴于此，如何促进不同区位不同行业的国有上市企业协调发展以进一步提高资源配置效率和企业运营效率显得尤为关键。

关键词： 国有上市企业; 运营效率; 数据包络法; 地理信息系统可视化; 房地产业; 医药行业; 区域协调合作

本文引用格式

刘懿 , 方玉 . 国有上市企业运营效率测算和时空演进分析[J]. 经济地理, 2020 , 40(2) : 117 -124 . DOI: 10.15957/j.cnki.jjdl.2020.02.013

Abstract

By adopting the Data Envelopment Analysis (DEA) and Geographic Information System (GIS) method,This study computes and evaluates the micro-level operation efficiencies,including technical efficiency (TE),pure technical efficiency (PTE),and scale efficiency (SE),of the listed 138 state-owned enterprises within 8 sectors in China from 2015-2017. We find that,firstly,the operation efficiency levels of 138 listed state-owned enterprises 1)decrease initially and increase afterwards during 2015-2017; 2)present dynamically and spatially unbalanced changing pattern; In addition,the operation efficiencies of those listed state-owned enterprises in the sectors of real estate and pharmaceutical are relatively higher compared to those of the other 6 examined sectors. Therefore,it is essentially critical to develop and design the governmental strategies/policies for balancing improvement of micro-level efficiency of listed state-owned enterprises in different regions and sectors.

Key words： listed state-owned enterprises; operation efficiency; Data Envelopment Analysis (DEA); Geographic Information System Visualization; real estate industry; pharmaceutical industry; regional coordination and cooperation

改革开放40年以来，我国国有企业在国民经济中占有举足轻重的地位，是国民经济的重要支柱，是实施“走出去”等重大战略和“一带一路”倡议的重要力量。因此，如何从“供给侧”结构性改革着手，继续深化国有企业改革，以进一步提高国有企业资本配置及运营效率，具有重要的现实意义。
目前对企业效率的研究主要集中在以下方面：一是对不同所有制类型的企业运营效率进行比较研究[1⇓⇓⇓⇓⇓-7]，包括分别对国有、民营，以及外资企业运营效率进行测算及分析，或结合以上三种（或其中两种）所有制类型的企业运营效率进行测算及对比分析。如宋来、董梅生等采用DEA方法分别对我国国有与私营工业企业、国有与民营上市公司效率进行测算及对比分析[1,3]。严兵、范建双等分别利用随机前沿生产函数、DEA方法研究了我国内外资企业效率差异[6-7]。二是对某一特定行业或某几个行业中国有企业效率进行分析。张涛、刘秉镰等结合DEA模型，分别对我国制造业的效率水平以及我国医药制造业国有上市企业的效率水平进行了测算和定量评价[5,8]。常亚青、郝书辰等对我国37个行业的技术效率进行了测算，并探讨了国有及控股企业在37个工业行业中的效率变动情况[9-10]。
近年来国内学者依据不同评价方法对国有企业效率进行测算及分析，相关研究大致可归纳为分别运用参数法[11-12]和非参数法进行效率测算的两类文献。具体而言，基于非参数法的数据包络法（Data Envelopment Analysis，DEA）应用较为广泛。DEA作为一种“面向数据”的测评方法，用于评价具有多投入和多产出决策单元的相对效率[13]。同时，与参数方法相比，DEA方法无需事先假定具体的函数形式[14]，从而可以避免因错误的函数设定带来的问题，被广泛应用于企业效率测评[10,15⇓⇓-18]。
此外，基于GIS的地理学视角与方法研究效率的相关研究集中在中宏观层面，如经济增长效率研究[19]、省域能源效率分析[20]、城镇发展效率评价[21]及社会保障水平研究[22]。同时，也有前期研究将GIS可视化方法与DEA理论相结合，如城镇用地建设效益评价[23]、旅游扶贫效率演进分析[24]、贫困县发展效率研究[25]。简言之，尚缺乏从微观层面结合时空范畴测算并评价国有企业效率的研究。因此，本文尝试以8个行业138家国有上市企业为研究对象，运用DEA和GIS可视化方法，对国有上市企业运营效率进行相关指标构建和测算，并对测算后的效率指标展开时空演进研究以及分行业讨论。

1 运营效率指标构建及测算

本文以非参数BCC模型为基础，放宽“规模报酬不变”这一假定，尝试对2015—2017年8个行业中的138家国有上市企业运营效率进行指标构建及测算。

1.1 指标构建与测算方法

本文假设子样本含有n个决策单元（Decision Making Units，DMU），即n个被评价国有上市企业。假设每个DMU分别有m种投入X，s种产出Y。企业层面投入变量分别为员工人数（Emp）、总资产（Ass），以及企业高管薪酬（Inc）；产出变量则为企业价值（Y）。简言之，模型假设样本国有企业通过资产管理、人员参与公司经营运转，从而为企业实现价值增值。对于第j个DMU j = 1,2 , … , n而言，xij为其第i种投入品的投入量 i = 1,2 , … m，yrj为第r种产出品的产出量 r = 1,2 , … s，因此企业j的投入向量和产出向量可分别表示为 x j = x 1 j , … , x i j , … x m j T、 y j = y 1 j , … , y r j , … , y s j T， x i j 0 , y r j 0，（即投入产出分量非负）。由于各行业间甚至行业内各企业主营业务不同，因此本文针对每项投入产出品赋予差异性权重，具体而言vi为对第i种投入权重，ur为对第r种产出权重。
鉴于被评价企业 j j = 1,2 , … n为多投入多产出的经济决策单元，其运营效率h可表示为：
h j = u T y j v T x j = ∑ r = 1 s u r y r j ∑ i = 1 m v i x i j     j = 1,2 , … n
式中：hj表示第j个被评价企业的运营效率； u T = u u 1 , … , u r , … u s为各产出的权重系数矩阵； v T = v v 1 , … , v r , … v m为各投入的权重系数矩阵； y j = y y 1 j , … , y r j , … y s j T为第j个被评价企业的各产出值， x j = x x 1 j , … , x i j , … x m j T为第j个被评价企业的各投入值。
进一步，基于以投入为导向的BCC模型，企业运营效率可规定为s个产出品的加权之和与m个投入品的加权之和的比率。即： M a x   h j u , v     s . t .   h j ≤ 1的解为相对效率值。魏权龄[26]指出，应用DEA方法可以确定产出权重ur和投入权重vi的思想，将测评模型转化为线性规划问题，模型转化为如下形式：
m i n θ   s . t ∑ j = 1 n λ j x i j ≤ θ x i k ∑ j = 1 n λ j y r j ≥ θ y r k ∑ j = 1 n λ j = 1 λ ≥ 0 , i = 1,2 , … m , r = 1,2 , … s , j = 1,2 , … n
式中：x表示每个企业的各种投入量；y表示每个企业的各种产出量；λ表示各决策单元的线性组合系数；线性规划解θ即为投入导向下BCC模型的相对效率值，是恒介于0和1之间的数值，效率值为1表明该企业是效率最高的企业，效率值为0则表明该企业效率最低或者无效率，效率值对1的偏离程度反映该低效率企业相对于最佳企业其效率可以提高的程度[27]。
本文放宽了“规模报酬不变”这一假定，同时运用以下效率指标对测算后的国有上市企业运营效率进行评价。具体而言，基于CCR模型测算得出的效率指标为综合效率，又称技术效率（Technical Efficiency，TE）。它指企业整体的效率水平，综合了纯技术效率和规模效率。其中，基于BCC模型测算得到效率指标为纯技术效率（Pure Technical Efficiency，PTE），指受到企业管理和技术水平等因素影响的运营效率。纯技术效率为1时，表示在目前的管理和技术水平上，该企业投入资源使用情况是最有效率的，运营管理水平达到了最优的状态。最后，规模效率（Scale Efficiency，SE）指在企业规模因素作用下的运营效率水平，反映的是实际规模与最优生产规模的差距[5]。综合效率（TE）、纯技术效率（PTE），以及规模效率（SE）三者的关系如下：TE=PTE×SE。

1.2 指标选取及数据来源

本文以测度国有企业资本配置与运营效率为主要研究目标，并依据行业及企业层面运营管理特点确定所选取的投入指标与产出指标分别如下[5]：首先，本文采用的投入指标分别为员工人数（Emp）、总资产（Ass）以及企业高管薪酬（Inc）。具体而言，本文采用国有企业员工人数 ① 和企业高管薪酬分别衡量劳动者投入与企业家才能，采用企业的总资产（Ass）作为资本投入[5,7]。前期研究表明，与非国有企业相比，国有企业高管薪酬激励契约更具有绩效导向。故研究国有企业运营效率时不可忽视高管薪酬这一企业投入指标[5,32⇓-34]。其次，本文选用企业价值（Y）为效率测算的产出指标，主要由净利润与全部资本成本之差构成。其优势在于不仅能反映企业创造的利润水平，同时也能体现企业支付的资本成本，因此能较为真实客观地衡量企业运营所创造的价值[5]。为了增加不同行业国有企业效率对比准确性，本文选择样本企业时，要求“每个行业测算期间重复出现的样本企业数量至少大于10家”。同时为了保证样本选取的连续性及其可比性，选取三年均重复出现的企业。因此，最终本文的样本数据是国泰安2015—2017年8个行业的138家国有上市企业面板数据 ② 。
通过观察表1国有上市企业样本各变量描述性统计，发现员工人数、总资产、薪酬等指标存在最大值和最小值差异较大的现象。例如，2015年总资产指标最小值为4亿元，最大值为6 004亿元；员工人数最小值为97人，最大值为42 446人。原因是由于不同行业内国有企业存在规模差异。同理，位于不同地理区位的国有企业，会由于地区经济发展的不均衡导致上述指标的差异。另外，不同样本的企业价值也存在较大差异。根据本文对“企业价值”的界定，即“净利润扣除资本成本”，可知当企业经营创造收益能力较强（弱）时，其净利润更能（难）“覆盖”其资本成本支出，从而企业价值较大（小）。同时，国有企业的管理、经营业务发展等能力的差距表现在企业的盈利能力、覆盖资本成本的能力等方面。换言之，国有企业价值指标数值较大，表明该企业运营管理能力和创造收益能力较强，反之则反 ③ 。
表1 描述性统计

Tab.1 Descriptive statistics

变量 变量类型 2015 2016 2017
Mean Min. Max. Mean Min. Max. Mean Min. Max.
Emp 员工人数（人） 5 204 97 42 446 5 869 113 79 561 6 145 138 75 059
Ass 总资产（亿元） 241 4 6 004 296 5 7 331 331 5 8 485
Inc 高管薪酬（万元） 84 6 736 92 3 712 109 4 1 125
Y 企业价值（亿元） 193 1 306 194 38 382 195 40 392

注：鉴于DEA测算要求样本所有数据为正值，而本文企业价值含有负值项，因此对所有产出指标进行整体平移。具体而言，此处将进行的是将原始企业价值的最小值加1的处理，即在保证满足正数化要求的同时，尽量减少样本数据大幅变化。请注意，企业价值Y是已正向化处理后的相关数据。

2 国有上市企业运营效率分析

本文以非参数BCC模型为理论基础，对前文提到的2015—2017年8个行业中的138家国有上市企业运营效率进行指标构建及测算。现对测算后的国有上市企业样本运营效率指标进行分区位以及分行业讨论。

2.1 分区位讨论国有上市企业运营效率

此处，本文将展开基于区位的国有上市企业运营效率的时序及空间演进分析。具体而言，本文以行政区位为主要划分标准，并辅以地理区位讨论。

2.1.1 区位视角下国有上市企业运营效率的时序演变

首先，本文基于BCC模型利用相关软件构建并测算了138个国有上市企业样本各项运营效率指标，包括综合效率（TE），纯技术效率（PTE），以及规模效率（SE），并对其进行分区位评价。根据表2第（1）、（5）和（9）列：国有上市企业样本在2015—2017年的综合效率均值分别为0.391、0.281、0.330，即国有上市企业样本2015—2017年综合效率呈现先下降后上升的变化态势。同时，相关前期研究发现，2012—2014年国有企业综合效率分别为0.093、0.175、0.183，总体上呈现出上升趋势[14]。据此不难看出，2012—2017年，随着我国混合所有制改革持续推进，国有企业改革不断深化，国有上市企业运营效率正日益提高。同时，伴随着“一带一路”倡议向纵深推进以及“中国制造2025”新时代的来临，国有上市企业在提高运营效率方面仍有较大提升及改进空间，以应对日益复杂多变的国内及国际市场。
表2 基于行政区位划分的综合效率及其分解项指标测算

Tab.2 TE, PTE, SE, and the number of efficient listed state-owned sample firms on provincial level

省份 2015 2016 2017
TE
（1）		 PTE
（2）		 SE
（3）		 Efficiency
（4）		 TE
（5）		 PTE
（6）		 SE
（7）		 Efficiency
（8）		 TE
（9）		 PTE
（10）		 SE
（11）		 Efficiency
（11）
安徽 0.476 0.498 0.833 0 0.466 0.513 0.601 0 0.529 0.532 0.964 1
北京 0.374 0.583 0.597 3 0.332 0.661 0.512 1 0.335 0.542 0.613 2
福建 0.592 0.616 0.921 2 0.251 0.288 0.847 0 0.313 0.335 0.911 0
甘肃 0.249 0.277 0.817 0 0.122 0.277 0.411 0 0.121 0.123 0.982 0
广东 0.332 0.438 0.710 1 0.209 0.383 0.624 1 0.244 0.453 0.596 1
广西 0.254 0.637 0.578 0 0.212 0.510 0.584 0 0.387 0.471 0.835 0
贵州 0.286 0.361 0.792 0 0.228 0.259 0.880 0 0.241 0.242 0.996 0
海南 0.201 0.205 0.978 0 0.070 0.073 0.970 0 0.175 0.195 0.898 0
河北 0.415 0.465 0.879 1 0.305 0.323 0.898 1 0.363 0.373 0.964 1
河南 0.257 0.272 0.942 0 0.232 0.240 0.968 0 0.429 0.441 0.963 0
黑龙江 0.166 0.360 0.461 0 0.108 0.373 0.289 0 0.357 0.526 0.679 0
湖北 0.428 0.455 0.915 1 0.305 0.323 0.898 1 0.372 0.383 0.935 1
湖南 0.460 0.476 0.973 0 0.223 0.385 0.777 1 0.301 0.416 0.838 0
吉林 0.175 0.330 0.707 0 0.099 0.276 0.649 0 0.247 0.428 0.689 0
江苏 0.400 0.444 0.870 1 0.301 0.354 0.825 0 0.397 0.411 0.947 1
江西 0.385 0.657 0.586 0 0.434 0.438 0.990 0 0.536 0.541 0.991 0
辽宁 0.563 0.568 0.981 1 0.325 0.330 0.962 0 0.505 0.513 0.971 1
宁夏 0.463 0.469 0.987 0 0.419 0.424 0.989 0 0.584 0.607 0.962 0
青海 0.532 0.534 0.996 0 0.338 0.339 0.995 0 0.401 0.402 0.997 0
山东 0.313 0.352 0.887 0 0.231 0.319 0.782 0 0.236 0.306 0.777 0
山西 0.121 0.168 0.719 0 0.215 0.216 0.996 0 0.149 0.153 0.971 0
陕西 0.406 0.415 0.979 0 0.230 0.231 0.996 0 0.250 0.252 0.993 0
上海 0.470 0.541 0.797 3 0.403 0.503 0.765 4 0.363 0.441 0.781 2
四川 0.486 0.486 1.000 0 0.427 0.427 0.999 0 0.506 0.562 0.901 0
天津 0.503 0.525 0.946 0 0.580 0.598 0.957 1 0.487 0.492 0.987 0
新疆 0.343 0.351 0.945 0 0.251 0.450 0.789 1 0.250 0.479 0.750 1
云南 0.322 0.325 0.992 0 0.128 0.128 0.995 0 0.379 0.380 0.997 0
浙江 0.264 0.293 0.844 0 0.200 0.262 0.733 0 0.319 0.320 0.990 1
重庆 0.466 0.682 0.770 0 0.209 0.402 0.757 0 0.232 0.345 0.768 0
总体 0.391 0.469 0.819 13 0.281 0.398 0.756 11 0.330 0.418 0.819 12

注：由于本文没有位于西藏自治区和内蒙古自治区的国有上市企业样本，因而实际划分为29个省份。Efficiency为各年份各省份自治区及直辖市相对有效国有上市企业样本数。具体而言，某年份相对有效的企业是指，通过BCC模型测算的本年度该企业的有效效率值为1，即该企业本年度内达到最佳效率水平。

其次，通过对各国有上市企业样本运营效率指标进行行政区位归类（表2），可以看出2015—2017年共23个（占样本行政区位数量的79.3%）省市国有上市企业样本综合效率均表现出先下降后上升的变化趋势。相对地，天津市、山西省国有上市企业样本综合效率呈先上升后下降的变化趋势。此外通过观察表2末行可知，2015—2017年29个省市的国有上市企业样本综合效率均值均低于0.5（最优效率水平为1）。由此可见，在现行复杂多变的宏观经济和金融环境的大背景下，我国国有上市企业运营效率的有效性相对较低，国有上市企业样本持续性盈利能力相对较弱。

2.1.2 区位视角下国有上市企业运营效率的空间演变

为直观反映国有上市企业运营效率水平的空间分布状态，本文采用自然间断点分级法，按照测算后2015—2017年国有上市企业样本运营效率平均值，将138家国有上市企业样本归属省份分为4类，即高水平、次高水平、次低水平，以及低水平地区。观察图1可知，国有上市企业样本运营效率呈现较为明显的空间分布状态。具体而言，2015—2017年国有上市企业样本纯技术效率（PTE）平均值处于高水平的地区（0.427~0.595）有北京、上海、天津、四川、重庆、安徽、江西、广西、宁夏、辽宁10省市；次高水平地区（0.345~0.427）有广东、江苏、福建、湖北、湖南、青海、河北、黑龙江、新疆9省市；次低水平地区（0.226~0.345）有浙江、山东、吉林、陕西、河南、贵州、云南7省市；低水平地区（0.158~0.226）有海南、山西、甘肃3省。从整体水平而言，国有上市企业样本的运营效率在区域分布上具有明显的非均衡性，不同行政区位的国有上市企业运营效率差异较大。
图1 2015—2017年国有上市企业样本运营效率均值空间演变

注：国有上市企业样本效率是指经BCC模型测算得到的纯技术效率（PTE），即假定企业规模报酬变化时所得到的效率水平。

Fig.1 The spatial features of average PTE levels of listed state-owned firms from 2015 to 2017

此外，本文将2015—2017年三个自然年度内国有上市企业样本运营效率，按照138个国有上市企业样本所属的29个省市分为高水平、次高水平、次低水平，以及低水平地区（图2）。根据图2和表3，国有上市企业样本运营效率呈现出空间格局动态变化特征。首先，2015年有6省处于高效率水平区，2016年减至5省，而2017年数量回升并达到8省。2016年上海递次向高水平区转移，福建与辽宁递次向下转移至次低水平区等；2017年四川递次转移至高水平区，广西递次向次高水平区变动等；值得注意的是，福建和重庆2015年均处于高效率水平，但随后效率水平逐年降低，2017年两地区均跌至次低水平区。究其原因，福建和重庆国有上市企业样本主要分布在计算机、通信和其他电子设备制造业，而这一行业运营效率（PTE）在2015—2017年逐年降低（表4），因而表现为福建及重庆国有企业样本效率水平降低。其次，相较于2015年，2016—2017年次高效率水平区的省份减少了约18%。国有上市企业样本运营效率向上、向下递次转移同时发生。其中，2016年河北递次向次低水平转移；2017年，吉林向上递次转移至次高水平区，而广东、江苏等一直位于次高水平区。再次，浙江省国有上市企业样本三年内处于次低或低水平区，这是由于浙江省样本企业中存在异常样本，即样本企业员工人数达万人（高投入），企业价值较低（低产出），据此测算得到运营效率值偏低。需要指出的是，虽然国有上市企业是税收增长和缓解就业压力的重要力量，但提升企业运营效率和发展质量与国家利益息息相关。最后，西南、西北地区大部分省份处于低效率水平区，如甘肃、云南及贵州。然而值得注意的是，经过筛选后宁夏和青海两省分别只有一家国有上市企业样本，因此其较高的综合效率不具有普遍性。综上所述，地区发展状况较好的北京、广州、上海、天津及江苏等地国有企业运营效率处于较高水平，而经济发展较差的甘肃、海南和山西等地国有企业运营效率表现不佳。
图2 2015—2017年国有上市企业样本效率水平空间演变

Fig.2 The spatial evolution of PTE levels of listed state-owned firms from 2015 to 2017

表3 2015—2017年国有上市企业样本运营效率空间演变

Tab.3 The spatial features of PTE levels of listed state-owned sample firms from 2015 to 2017

类型 2015 2016 2017
高水平区 北京、福建、重庆、广西、江西、辽宁 北京、上海、天津、安徽、广西 北京、天津、四川、安徽、江西、黑龙江、辽宁、宁夏
次高水平区 上海、广东、天津、江苏、青海、安徽、四川、湖北、湖南、河北、宁夏 广东、江苏、湖南、重庆、江西、黑龙江、
新疆、四川、宁夏		 新疆、广西、广东、上海、河南、吉林、湖南、江苏、青海
次低水平区 陕西、贵州、黑龙江、山东、新疆、吉林、云南 青海、辽宁、河北、湖北、山东、福建、甘
肃、吉林、浙江、贵州、河南、陕西、山西		 湖北、云南、河北、重庆、福建、浙江、山东
低水平区 浙江、甘肃、河南、海南、山西 海南、云南 陕西、贵州、海南、山西、甘肃

注：该表所表示的国有上市企业样本运营效率是指经BCC模型测算得到的纯技术效率（PTE），即假定企业规模报酬变化时所得到的效率水平。

表4 基于行业的综合效率及其分解项指标测算

Tab.4 Based on the industry TE and decomposition index

Sector ID #firms 2015 2016 2017
TE
（1）		 PTE
（2）		 SE
（3）		 Efficiency
（4）		 TE
（5）		 PTE
（6）		 SE
（7）		 Efficiency
（8）		 TE
（9）		 PTE
（10）		 SE
（11）		 Efficiency
（12）
C26 16 0.456 0.466 0.971 1 0.364 0.375 0.967 1 0.411 0.422 0.957 3
C27 16 0.331 0.442 0.754 0 0.225 0.462 0.613 2 0.200 0.463 0.600 2
C34 14 0.495 0.511 0.967 2 0.299 0.329 0.930 0 0.397 0.413 0.965 1
C36 16 0.256 0.347 0.800 1 0.153 0.242 0.746 0 0.224 0.291 0.831 0
C39 22 0.411 0.511 0.751 3 0.275 0.409 0.734 1 0.316 0.367 0.876 1
D44 22 0.361 0.456 0.819 2 0.247 0.342 0.807 2 0.344 0.400 0.834 1
F51 14 0.354 0.460 0.716 0 0.281 0.431 0.630 1 0.367 0.457 0.805 1
K70 18 0.453 0.536 0.796 4 0.415 0.610 0.602 4 0.397 0.559 0.678 3
总体 138 0.391 0.469 0.819 13 0.281 0.398 0.756 11 0.330 0.418 0.819 12

注：Sector ID为行业代码，#firms为各行业参与测算的企业数。Efficiency为各年份相对有效企业数。某年份相对有效的企业是指，该企业在某年通过BCC模型测算的效率值等于1，即企业在该年份达到最佳效率程度。八个行业名称及其相应代码如下：化学原料及化学制品制造业（C26），医药制造业（C27），通用设备制造业（C34），汽车制造业（C36），计算机、通信和其他电子设备制造业（C39），电力、热力生产和供应业（D44），批发业（F51），房地产业（K70）。

按照地理区位划分分析（图2，表3），高效率水平区主要分布在华北、华东地区；次高效率水平区在华东、华中分布较多，但在华南、西北等区位亦均有分布；次低效率水平区较为集中在西南、西北及华东等地；低效率水平区集中分布在西北、西南等西部地区。由此可见，国有上市企业样本运营效率水平等级的分布存在明显的区域非均衡性，与我国目前地区经济发展格局大致符合，即发展状况较好的地区其国有上市企业运营效率相对较高，两者正相关。
我国国有上市企业运营效率在区域分布上呈现非均衡性。原因可归于各行政区位战略布局差异，以及地区间不平衡的经济发展水平。地区战略布局差异及经济发展不平衡会导致区域内国有企业生存发展软硬环境不同，进而从资源禀赋、交通以及信息化水平等方面影响企业运营效率。例如，华北地区由于“京津冀一体化”形成区域联动协调发展，带动地区企业稳定发展[35]。华东地区拥有我国经济、金融中心——上海市，使得它有着得天独厚的集群、人才和资源优势。另外，位于华东地区的长三角城市群作为“一带一路”与长江经济带的重要交汇地带，有着现代化海陆空交通干线，是我国经济发展活跃地区之一。再次，作为粤港澳大湾区主体部分的广东省，在资源获取及配置方面亦拥有优势，其企业运营效率水平较高。而在经济欠发达的西北、西南地区，由于受到严酷的自然环境和低水平经济等因素的限制，往往难以吸引资金入驻，人才大量外流，综上种种导致该地区国有上市企业运营效率较低。因此，为改善各区位间的国有企业运营效率水平，需要从经济分区、东中部一体化、西部北部扶持发展等方面对国有企业发展进行战略调整，同时各地区应充分借助国家战略布局来突破现有效率困境。具体而言，西部省份国有上市企业应抓住“一带一路”等机遇，并基于其地区枢纽优势，加大优势资源开发规模，增强区域中心城市的集聚引领和带动作用，加强对外经贸、技术合作与交流，进而提高地区企业运营能力，促进地区经济发展水平实现飞跃。此外还需加强其基础设施（高铁、高速公路）等建设，将这些欠发达地区与发达地区相联接，进而形成多中心、网络化的经济空间结构，以此实现地区经济发展，企业效率提升[36,37]。

2.2 分行业讨论国有企业运营效率

表4为基于BCC模型及其软件测算得到的各项效率指标结果，其中（1）、（5）和（9）列为综合效率值（TE），（2）、（6）和（10）列为纯技术效率（PTE），（3）、（7）和（11）列为规模效率（SE）。因此从行业角度来看，房地产行业和医药制造业国有上市企业的运营效率连续3年处于8个样本行业中的领先水平，而汽车制造业效率持续较低，且与其他行业效率值相差较大。同类差异也体现在相对有效的国有上市企业数量上 ① 。因此，通过三年各行业纯技术效率均值和相对有效企业数的对比分析发现，8个样本行业的国有上市企业运营效率（即纯技术效率）表现，房地产行业最佳、医药制造业行业次之，汽车制造业表现较差。
房地产行业在资本运营、管理能力以及规模效应等方面均有较优的表现，原因首先应归结于我国“城市化”进程不断推进，房地产行业在需求驱动下得以快速发展。其次，房地产经营商会利用消费者“买涨不买跌”的心态，彼此进行“涨价”博弈，由此形成的高房价会给经营商带来高额利润[14]。此外，继房地产业之后处于优势水平的医药制造业得益于近年来的医疗卫生体制改革，医药市场的巨大潜力推动我国医药制造业的发展。并且作为技术密集型行业，中国医药制造业研发绩效逐年提高[8]，行业内企业运营效率得以改善。反观效率表现较差的汽车制造业，“一带一路”倡议持续推进，导致其面对的市场竞争愈加激烈，且同汽车强国相比，自主创新能力仍较弱、综合竞争力不强。由此，开放市场下汽车行业企业获利能力较弱。同时，受信息通讯、物流设施水平提高及电子商务兴起影响，我国批发业逐步形成现代化模式，企业运营效率较高，但鉴于批发组织缺位及尚未真正建立新型管理体制，我国批发业企业效率仍有待提升[38]。最后，随着承接产业转移和自主创新的有序推进，我国计算机、通信和其他电子设备制造业以及通用设备制造业利润水平有所提高，但自主设计能力仍较差，制约行业发展的关键瓶颈问题亟待解决。
在中国经济发展已进入新常态的经济背景下，国有上市企业作为国民经济的重要支柱需进行转型升级，优化资本配置。结合本文研究，作为资本密集型的房地产业，今后仍需要进一步注重合理配置投资规模，实现房地产业健康发展[39]。同时为响应国家技术发展战略的建设，汽车制造业应加大技术研发力度，大力发展新能源汽车，实现我国汽车制造业破坏性创新，进而提高参与国际产业竞争优势[40]。批发业则应借助“双创”和“互联网+”的发展机遇，加强信息技术和现代物流建设，充分发挥人力资本在企业增值中的作用[41]。此外基于5G技术的支撑，产业融合变革将加速，通信、批发、医疗等各行业需充分利用5G技术，实现全价值链的智能化管理[42]。

3 结论

本文结合DEA和指标GIS可视化方法，对我国8个行业的138家国有上市企业样本进行综合效率（TE）、纯技术效率（PTE）和规模效率（SE）等指标构建、测算及评价，得到以下结论：①2015—2017年我国国有上市企业样本运营效率总体呈现出先下降后上升的时序变化趋势；②29个省市国有上市企业样本的运营效率呈现出空间格局动态变化状态，具有较强的区域分布非均衡性；③从行业角度分析，房地产行业国有上市企业样本运营效率表现最佳，医药制造业行业次之，汽车制造业运营效率亟待提高。
由此可见，我国国有上市企业亟待进一步转型升级，提高资源配置效率及企业运营效率，以期逐步消除国有上市企业运营效率在区位、行业层面的过度非均衡性。首先，各级政府应以协调发展为基本出发点，制定相关区域发展战略，以期逐步扭转各区域内国有企业运营效率差距逐渐拉大的趋势。其次，各级政府应积极推动区域合作与互动。不仅要深化京津冀地区、长江经济带、粤港澳大湾区等地合作，以此来鼓励企业跨地区进行技术、人才等合作，同时还需充分发挥“一带一路”等国际区域合作机制作用，建设跨境经济合作区，进而提高地区企业运营能力。最后，各行业国有企业均应注重产业结构调整升级，抓住5G发展机遇，加大技术投入，促进国有企业可持续稳态发展。特别是，现行效率较差的汽车制造业应加强技术研发，大力发展新能源汽车，提高参与国际产业竞争力。而房地产业今后仍需要注重合理配置投资规模，实现房地产业健康发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宋来, 常亚青. 国有和私营工业企业的相对效率研究[J]. 工业工程与管理, 2009, 14(4):122-126,142.

[2]
陶虎, 田金方, 郝书辰. 基于DEA方法的国有企业运行效率时序分析——兼与私营企业比较[J]. 理论学刊, 2012(4):48-52.

[3]
董梅生. 竞争性国有企业与民营企业效率的实证研究[J]. 软科学, 2012, 26(1):98-103.

[4]
张洽. 企业盈利能力、负债水平和生产效率的实证分析——基于我国国有企业与私营企业比较视角[J]. 华东经济管理, 2013, 27(3):140-145.

[5]
张涛, 刘宽斌, 熊雪. 中国国有和民营制造业企业生产效率对比研究[J]. 数量经济技术经济研究, 2018, 35(6):78-94.

[6]
严兵. 效率增进、技术进步与全要素生产率增长——制造业内外资企业生产率比较[J]. 数量经济技术经济研究, 2008, 25(11):16-27.

[7]
范建双, 虞晓芬, 赵磊. 中国国有、私营和外资工业企业地区间效率差异研究[J]. 数量经济技术经济研究, 2015, 32(6):21-38.

[8]
刘秉镰, 徐锋, 李兰冰. 中国医药制造业创新效率评价与要素效率解构[J]. 管理世界, 2013(2):169-171.

[9]
常亚青, 宋来. 中国企业相对效率和全要素生产率研究——基于37个行业5年数据的实证分析[J]. 数量经济技术经济研究, 2006(11):3-12,30.

[10]
郝书辰, 田金方, 陶虎. 国有工业企业效率的行业检验[J]. 中国工业经济, 2012(12):57-69.

[11]
姚洋. 非国有经济成分对我国工业企业技术效率的影响[J]. 经济研究, 1998(12):29-35.

[12]
黄宇华. 基于SFA模型的企业效率及其影响因素研究——以计算机、通信和其他电子设备制造业为例[J]. 区域金融研究, 2017(8):86-90.

[13]
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.

[14]
樊宏. 中国钢铁、汽车、房地产行业运行效率研究(2000—2004)——基于33家上市公司面板数据的DEA实证分析[J]. 数量经济技术经济研究, 2007(2):54-63,81.

[15]
张宁, 胡鞍钢, 郑京海. 应用DEA方法评测中国各地区健康生产效率[J]. 经济研究, 2006(7):92-105.

[16]
魏楚, 沈满洪. 工业绩效、技术效率及其影响因素——基于2004年浙江省经济普查数据的实证分析[J]. 数量经济技术经济研究, 2008(7):18-30.

[17]
朱南, 谭德彬. 我国财务公司资金使用效率、动态变化及影响因素研究——基于DEA方法的实证分析[J]. 金融研究, 2015(1):177-192.

[18]
何维达, 刘满凤. 入世后中国汽车工业安全度的DEA模型估算[J]. 首都经济贸易大学学报, 2005(2):42-49.

[19]
杨威, 金凤君, 王成金, 等. 东北地区经济增长效率及其时空分异研究[J]. 地理科学, 2011, 31(5):544-550.

[20]
王强, 樊杰, 伍世代. 1990—2009年中国区域能源效率时空分异特征与成因[J]. 地理研究, 2014, 33(1):43-56.

DOI

[21]
耿虹, 时二鹏, 王立舟, 等. 基于GIS-DEA的大城市周边小城镇发展效率评价——以武汉为例[J]. 经济地理, 2018, 38(10):72-79.

[22]
李琼, 周宇, 田宇, 等. 2002—2015年中国社会保障水平时空分异及驱动机制[J]. 地理研究, 2018, 37(9):1 862-1 876.

[23]
周伟, 曹银贵, 王静, 等. 基于GIS和DEA的三峡库区城镇建设用地变化与效益评价[J]. 地理科学进展, 2010, 29(11):1 420-1 426.

[24]
龙祖坤, 杜倩文, 周婷. 武陵山区旅游扶贫效率的时间演进与空间分异[J]. 经济地理, 2015, 35(10):210-217.

[25]
钟少颖, 何则. 基于DEA与ESDA的中国国家级贫困县发展效率的测度与时空演化研究[J]. 中国人口·资源与环境, 2016, 26(10):130-136.

[26]
魏权龄. 数据包络分析(DEA)[J]. 科学通报, 2000(17): 1 793-1 808.

[27]
孙兆斌. 股权集中、 股权制衡与上市公司的技术效率[J]. 管理世界, 2006(7):115-124.

[28]
韩英, 马立平. 京津冀产业结构变迁中的全要素生产率研究[J]. 数量经济技术经济研究, 2019, 36(6):62-78.

[29]
王滨. FDI技术溢出、技术进步与技术效率——基于中国制造业1999—2007年面板数据的经验研究[J]. 数量经济技术经济研究, 2010, 27(2):93-103,117.

[30]
李春顶. 中国制造业行业生产率的变动及影响因素——基于DEA技术的1998-2007年行业面板数据分析[J]. 数量经济技术经济研究, 2009, 26(12):58-69.

[31]
李丹, 胡小娟. 中国制造业企业相对效率和全要素生产率增长研究——基于1999—2005年行业数据的实证分析[J]. 数量经济技术经济研究, 2008(7):31-41.

[32]
姜付秀, 朱冰, 王运通. 国有企业的经理激励契约更不看重绩效吗?[J]. 管理世界, 2014(9):143-159.

[33]
辛清泉, 谭伟强. 市场化改革、企业业绩与国有企业经理薪酬[J]. 经济研究, 2009, 44(11):68-81.

[34]
刘慧龙, 张敏, 王亚平, 等. 政治关联、薪酬激励与员工配置效率[J]. 经济研究, 2010, 45(9):109-121,136.

[35]
张志伟. 京津冀区域经济协调问题研究[J]. 中国商论, 2018(23):139-140.

[36]
丁如曦, 倪鹏飞. 中国经济空间的新格局:基于城市房地产视角[J]. 中国工业经济, 2017(5):94-112.

[37]
刘修岩, 李松林, 秦蒙. 城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J]. 管理世界, 2017(1):51-64.

[38]
程利莎, 李小月, 马丽, 等. B2B模式下中国批发企业供应等级的空间分异及影响因素[J]. 经济地理, 2019, 39(8):106-115.

[39]
罗迈. 基于DEA的房地产业投入效率分析[J]. 管理世界, 2014(9):178-179.

[40]
支燕, 白雪洁. 中国汽车产业的协同演进特征及协同度提升策略——基于四时点投入产出表的实证分析[J]. 中国工业经济, 2011(7):76-85.

[41]
叶萌, 祝合良, 孙鹏. 我国批发和零售企业全要素生产率增长的时序变化和个体差异——基于DEA-Malmquist指数法的实证分析[J]. 中国流通经济, 2017, 31(11):112-121.

[42]
黎文娟. 中国5G发展现状与未来趋势[N]. 学习时报,2017-02-22(3).

Options
文章导航

/

〈 〉