| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 管理/制度 |
| 我国芯片上市公司经营效率评价 |
| 第679期 作者：□文/王洪港 陈培友 时间：2022/4/16 9:21:37 浏览：455次 |
［提要］ 本文以芯片产业具有代表性的芯片上市公司为研究对象，采用数据包络分析法（DEA）和Malmquist指数法对我国39家芯片上市公司经营效率进行测度和评价，研究结果表明：我国芯片上市公司经营效率不高主要是由纯技术效率不高造成的，对芯片上市公司分类分析发现，设计类公司经营状况最好，受国外技术限制的影响最小，材料类、设备类、封测类公司经营状况相似，制造类企业发展阻碍最大，经营效率最低。
关键词：芯片上市公司；经营效率；DEA；Malmquist指数模型
中图分类号：F27 文献标识码：A
收录日期：2021年11月4日
伴随着5G和物联网技术的普及，各行业对于芯片的需求将与日俱增。我国一直是芯片消费大国，但是对于芯片技术的掌握却未能和消费能力匹及。而中美贸易战下，我国的中兴、华为等企业受美国制裁经营受阻的实例，充分表明了掌握芯片核心技术的重要性。国家从芯片产业长远发展的战略角度出发，在政策、税收等多方面为芯片产业的发展予以支持。芯片企业的高效经营对于芯片产业的发展至关重要，通过对芯片产业内具有代表性的芯片上市公司经营效率进行评价，在对企业经营状况进行分析的基础上，找出企业发展过程中的问题与不足，对于促进企业实现高效经营具有重要意义。
一、相关文献综述
近年来，我国芯片产业的发展逐渐引起了全社会的关注，与此同时，相关研究也针对我国芯片产业发展中的问题，研究探索新形势下的发展思路。项国鹏（2020）以华为基带芯片技术的发展为例阐述企业通过构建创新生态系统来实现核心技术突破的机制。王卫民等（2021）针对我国目前在芯片领域面临的巨大人才缺口问题，提出打造协同育人“双元”联合体，创新应用型人才培养模式，构建校企“产学研”创新共同体等方案。高玥（2020）以我国芯片产业为例，分析了高新技术产业扶持政策在不同阶段的特征和实施效果。除了从不同角度研究如何促进芯片产业发展外，陈英（2019）研究认为国内存储芯片设计企业应该加强研发费用管理。张晓月等（2020）则对我国上市芯片企业的专利质量进行了评价研究。对于芯片企业效率、绩效的相关研究则相对较少，其中孙音悦（2018）采用DEA方法对我国集成电路产业上市公司的绩效进行了评价。通过总结分析后发现，大多数学者选择采用数据包络分析法对企业经营效率进行评价。曹翠珍等（2014）通过DEA模型分析了通信及相关设备业上市公司的经营效率，欧阳歆（2014）采用DEA-Malmquist指数方法对物联网企业的经营效率进行了动态评价，而任毅等（2017）则基于数据包络技术中DEA-BCC模型和Malmquist指数法对我国旅游上市公司的经营效率给予了测度与评价。
综上所述，学者们从不同角度出发，探讨促进我国芯片产业发展的新思路，但对于芯片企业经营效率的研究却较少。本文运用数据包络分析的相关方法对芯片上市公司经营效率研究评价，对于引导芯片上市公司高效经营进而促进芯片产业的发展具有重要意义。
二、经营效率评价模型构建
（一）静态经营效率评价模型。数据包络分析（data envelopment analysis，DEA）是著名运筹学家A.Charness和W.W.Copper等学者以“相对效率”概念为基础，以多投入和多产出指标对相同类型的单位（决策单元，DMU）进行相对有效性或效益评价的方法，通过构建一个包含若干个决策单元（DMU）的处于相对有效前沿的效率面，利用线性规划方法计算出各决策单元的相对效率水平。其两个基本模型被广泛用于静态效率评价。
1、CCR模型。在DEA的多个模型中，最早被提出的是基于规模报酬不变的CCR模型。CCR模型的假设认为某个DMU在生产经营活动中的输入向量为x=（x1，x2，…，xm）T，输出向量为y=（y1，y2，…，ys）T。其中，m表示有m个输入变量，s表示有s个输出变量。假设有j个决策单元，CCR模型可用如公式（1）的线性规划模型表示：
minθs.t.■λjxj+s-=θx0■λjyj-s+=y0λj≥0，j=1，2，…，nθ无约束，s+≥0，s-≥0 （1）
式中，θ表示决策单元的相对效率，θ越大效率越高。
2、BCC模型。CCR模型是基于规模报酬不变的情况对决策单元的效率进行测算，而实际情况是因受各种因素的影响，决策单元并非都以最优的规模运行，即决策单元的规模报酬是可变的。考虑到规模报酬可变的情况，Banker 等学者在此CCR模型的基础上提出BCC模型，用于研究规模报酬可变的效率评价问题，并将综合效率（技术效率）分解为纯技术效率和规模效率。经过改进后的BCC模型为：
minθs.t.■λjxj+s-=θx0■λjyj-s+=y0■λj＝1λj≥0，j=1，2，…，nθ无约束，s+≥0，s-≥0 （2）
BCC模型得出的效率值为纯技术效率值，利用综合效率=纯技术效率×规模效率，可进一步求出决策单元的规模效率值。
（二）动态经营效率评价模型。DEA的基本模型只对决策单元的静态效率进行了评价，而对动态效率进行评价，则需要采用其他的模型方法。Malmquist指数法则从动态角度对经营效率进行评价，在Malmquist指数法中，全要素生产率的变化值（TFPch）可以分解为技术进步变化（TECHch）和技术效率变化（Effch）。其中，技术效率变化（Effch）又可分为纯技术效率变化（PEch）和规模效率变化（SEch），它们之间的关系可以表示为：
TFPch=Effch×TECHch=PEch×SEch×TECHch
在Malmquist指数模型中，若TFPch＞1时，表明决策单元的生产率水平不断改善，经营效率有所提高；反之，TFPch＜1，则表明经营效率有所降低。如果TEch、Effch、PEch、SEch大于1，表明其能促进经营效率的提高，反之则抑制经营效率的提高。
三、样本选择与指标变量
（一）样本选择。首先通过同花顺财经网和新浪财经网公布的企业信息对芯片上市公司进行初步的筛选，以国泰安数据库公布的2016～2020年芯片上市公司的数据为依据，剔除部分数据缺失的企业，最终选取39家芯片上市公司为研究样本。本文根据芯片上市公司主要经营业务将39家企业分成了5类，其中材料类6家，设备类6家，设计类10家，制造类9家，封测类8家。
（二）指标变量。根据已有研究对于企业经营效率评价指标的选取，并充分考虑芯片上市公司属技术密集型且研发创新对于经营发展较为重要的特点，选取总资产、研发投入金额、研发人员数量为投入指标，以营业收入、净利润、无形资产增长率为产出指标，对芯片上市公司的经营效率进行测度评价。
四、实证分析
本文通过DEAP2.1软件运用DEA的CCR和BCC模型，以及Malmquist指数模型，对我国39家芯片上市公司2016～2020年的经营效率从静态和动态两个角度进行了测度评价。
（一）静态效率分析。根据数据包络分析法对于效率指标的定义，从综合效率（技术效率）、纯技术效率、规模效率三个方面对于各类芯片上市公司经营效率进行静态评价。
1、综合效率。综合效率，即技术效率（TE），反映企业对现有资源的配置和使用能力。通过数据分析得到图1中各类企业的综合效率均值，可知材料类企业综合效率值除在2020年较低外，其余年度均处在较高水平；设备类企业综合效率2016～2018年处在相似水平，2018年后下降趋势明显；2018年之前，设计类企业综合效率呈下降趋势，之后则呈上升趋势；制造类企业综合效率值除在2017年最高外，之后每年以较大幅度下降；封测类企业综合效率呈先上升后下降的“Z型”变化，2017年效率值最高，2019年效率值最低。（图1）
2、纯技术效率。纯技术效率（PTE）是指企业在一定规模情况下，由于企业管理和技术等因素影响下的生产效率。图2所示各类企业的纯技术效率均值，材料类企业5年中的纯技术效率水平相当，且高于其他类企业；设备类企业2016～2018年纯技术效率呈上升趋势，2018～2020年呈下降趋势；设计类企业的纯技术效率在2018年达到最低点后，接下来2年的效率值则不断提高；制造类企业纯技术效率在2017年达到最大值后，随后的效率值在逐年下降；封测类企业纯技术效率值变化趋势与综合效率值变化趋势相同。从5年中纯技术效率变化情况看，材料类、设计类、封测类企业发展过程中受技术因素影响较小，而设备类和制造类企业则受技术因素影响较大。（图2）
3、规模效率。规模效率（SE）反映的是规模因素作用下企业的生产经营效率，各类企业规模效率分析结果如图3所示。2016～2017年，各类企业的规模效率相差不大，都保持在相对较高的水平；2017～2018年，各类企业的规模效率都有不同程度的下降；2018～2019年，材料类、设备类、设计类企业的规模效率值有所提高，制造和封测类企业的规模效率下降较为明显；2019～2020年，材料类、设备类、设计类、封测类企业规模效率都变化到大致相同水平，而制造类企业的规模效率仍处于相对较低的水平，这与发展所必需的技术设备受限而使得企业无法发挥规模效应有一定的联系。（图3）
（二）动态效率分析。Malmquist指数法从动态角度对效率问题进行评价，弥补了数据包络分析法只能从静态角度评价的不足。通过Malmquist指数模型对39家芯片上市公司2016～2020年经营效率进行动态测算和分析，得到芯片上市公司经营效率指标的整体变化情况，结果如表1所示。2016～2020年全要素生产率（TFPch）的变化均值为1.082，增长率为8.2%，其中2016～2017年和2017～2018年全要素生产率的提升显著，2018～2019年、2019～2020年TFP的增长率分别为-12.9%和 -25.5%，表现为较为明显的负增长；技术进步（TECHch）的变化与全要素生产率的变化趋势是同步的，且全要素生产率的变化主要受技术进步的影响；技术效率（Effch）除了在2016～2017年保持不变之外，其余年度的增长率均为负；纯技术效率（PEch）在2016～2017年实现了1.4%的正增长，而后各年度便是不同程度地下降；而规模效率（SEch）在5年中均为负增长。结合整个发展环境看，2018年贸易战之前，芯片企业的发展状况总体向好，但当相关发展技术受到制约时，核心技术缺乏、自主发展能力弱等经营过程的薄弱点便暴露出来。（表1）
通过对39家芯片上市公司分类比较分析，由表2可见，5年中，各类企业的全要素生产率和技术进步变化均表现为正增长，而结合表1的数据可知，其主要原因是2016～2018年的增长率水平较高从而拉高了平均水平。各类芯片上市公司中，设计类企业的全要素生产率和技术进步增长幅度最大，制造类企业增长趋势较弱；各类企业的技术效率在5年中呈总体下降趋势，设计类企业的下降幅度最小，为1%，而制造类企业下降幅度最大，为8.7%；规模效率方面，就各类企业整体情况而言，均表现为负增长；而在纯技术效率方面，设计类企业总体呈现0.5%的正增长，其他类企业表现为负增长，其中制造类企业的下降趋势最为明显。通过对各指标的变化分析可知，我国芯片设计类企业的发展能力较强，在技术创新等方面有一定的实力，而制造类企业则存在发展的短板。（表2）
五、结论
本文采用数据包络分析法和Malmquist指数分析法对我国39家芯片上市公司2016～2020年经营效率从静态和动态两个角度进行测度，对不同类别芯片上市公司的经营效率进行分析，研究得出如下结论：第一，从整体看，芯片上市公司5年中的规模效率好于纯技术效率，所以经营过程中综合效率不高主要源于相对较低的纯技术效率水平，芯片上市公司在管理和技术等方面比经营规模方面有更大的改进空间。第二，从全要素生产率相关指标的变化看，2016～2017年全要素生产率增长幅度为76.9%，技术进步实现同样比例的增长；2018年后发展形势出现反转，在2019～2020年，全要素生产率与技术进步的增长率分别降为-25.5%、-23.9%。2018年前后数据一正一反的对比表明了我国芯片产业上市企业在核心技术方面对外依赖性较强，突如其来的技术限制使得企业发展受到较大阻力甚至停滞不前，而先前较高的增长率则主要来源于对国外先进技术的获取。核心技术自主可控仍是未来较长时间内芯片企业发展的重点。第三，对芯片上市公司分类分析发现，各类企业面临的发展问题有所不同。我国芯片设计类企业总体经营状况较好，受国外技术限制的影响最小；材料类、设备类、封测类芯片上市公司经营状况大致相同，与设计类企业存在差距，但在前沿技术攻关方面也取得一定成效；制造类企业的经营发展面临的困难最大，先进制程芯片制造所需的光刻机的缺失是制约制造类企业发展的关键，面对科技发展速度的加快和激烈的市场竞争，制造类企业需要多方面探索路径以实现经营效率的提高。
（作者单位：黑龙江科技大学管理学院）
主要参考文献：
［1］项国鹏.创新生态系统视角的企业核心技术突破机制——以华为基带芯片技术为例［J］.技术经济与管理研究，2020（10）.
［2］王卫民，吴永乐，张一凡.产教融合视域下芯片领域校企合作双元育人模式探索与研究［J］.中国大学教学，2021（06）.
［3］高玥.高技术产业扶持政策阶段性特征及效果研究——以中国芯片产业为例［J］.经济体制改革，2020（01）.
［4］陈英.国内存储芯片设计企业研发费用预算管理［J］.国际商务财会，2019（05）.
［5］张晓月，黄俊伟.兼顾功能与协调的企业专利质量评价研究——中国上市芯片企业的实证分析［J］.运筹与管理，2020.29（07）.
［6］孙音悦.基于DEA方法的我国集成电路产业上市公司绩效评价研究［J］.特区经济，2018（12）.
［7］曹翠珍，马兰.基于DEA模型的上市公司经营效率实证研究——以通信及相关设备业为例［J］.财会通讯，2014（29）.
［8］欧阳歆.物联网企业经营效率动态评价——基于DEA-Malmquist全要素生产率指数［J］.商业时代，2014（14）.
［9］任毅，刘婉琪，赵珂，赵健江.中国旅游上市公司经营效率的测度与评价——基于混合DEA模型的实证分析［J］.旅游学刊，2017.32（07）.
［10］赵黎明，官远芳.国家火炬计划项目效率及其影响因素分析［J］.科学学与科学技术管理，2015.36（11）.
|
|
|
|
