陳實(shí) 趙寅胤 馬雪芮 馬靜怡 林佳欣

摘 要：將面板數(shù)據(jù)分析與DEA模型相結(jié)合，在考慮跨期依賴的前提下采用DDEA模型計(jì)算了2011—2017年北京市國(guó)有和非國(guó)有企業(yè)的技術(shù)效率，并基于共同前沿模型比較了國(guó)有和非國(guó)有企業(yè)在不同行業(yè)內(nèi)的表現(xiàn)。動(dòng)態(tài)模型能提供一定時(shí)期內(nèi)穩(wěn)定的效率值，反映了跨期鏈接，避免產(chǎn)出波動(dòng)的影響，成為提高生產(chǎn)力的管理關(guān)鍵指標(biāo)。分析發(fā)現(xiàn)國(guó)有企業(yè)已經(jīng)在重點(diǎn)建設(shè)領(lǐng)域確立了技術(shù)優(yōu)勢(shì)，而非國(guó)有企業(yè)則在輕工業(yè)和部分高技術(shù)產(chǎn)業(yè)中效率更高;但無(wú)論國(guó)有還是非國(guó)有企業(yè)都已受到中間環(huán)節(jié)帶來的無(wú)效率的顯著影響?，F(xiàn)階段的主要任務(wù)除了提高企業(yè)的原始創(chuàng)新能力外，更應(yīng)注重合理疏導(dǎo)、減少冗余，才能切實(shí)提升企業(yè)的技術(shù)效率。

關(guān) 鍵 詞：動(dòng)態(tài)DEA;共同前沿模型;國(guó)有企業(yè);技術(shù)效率

DOI：10.16315/j.stm.2020.06.002

中圖分類號(hào)： F42;F124.3;F224;G301

文獻(xiàn)標(biāo)志碼： A

Abstract：According the conclusion of panel data analysis， intermediate variables are used in dynamic DEA model to calculate the technical efficiency of state-owned （SOEs） and non-state-owned enterprises （NSOEs） in Beijing from 2012 to 2017. Then the performance of SOEs and NSOEs is compared based on the metafrontier model. The dynamic DEA can provide a stable efficiency value in a certain period of time， reflect the cross period link， avoid the impact of output fluctuations， and become a key management indicator to improve productivity. It is found that SOEs have established technological advantages in key areas， while NSOEs are more efficient in light industry and some high-tech industries; however， both SOEs and NSOEs have high inefficiency brought by the intermediate links. At this stage， the main task is not only to improve the original innovation ability of enterprises， but also to pay attention to reduce redundancy and policy guidance.

Keywords：dynamic DEA; metafrontier model; SOEs; technological efficiency

20世紀(jì)90年代初，中國(guó)工業(yè)企業(yè)采用兼并、改組、承包經(jīng)營(yíng)、股份合作等多種形式，改變大中型國(guó)有企業(yè)經(jīng)營(yíng)模式，90%以上的國(guó)企進(jìn)行了公司制改革，包括企業(yè)改制、產(chǎn)權(quán)轉(zhuǎn)讓、國(guó)有資本離場(chǎng)等，激發(fā)了企業(yè)的經(jīng)營(yíng)活力，改革結(jié)果是央企超過80%的凈利潤(rùn)、60%的營(yíng)業(yè)收入集中到上市公司中。2003年成立“國(guó)資監(jiān)管委員會(huì)”，由各級(jí)國(guó)資委委員代表國(guó)家來承擔(dān)國(guó)有資產(chǎn)出資人的責(zé)任。國(guó)資明顯向關(guān)鍵產(chǎn)業(yè)和事關(guān)國(guó)民經(jīng)濟(jì)命脈的領(lǐng)域聚集。這使得國(guó)資和國(guó)企的產(chǎn)業(yè)布局結(jié)構(gòu)相較之前優(yōu)化不少，之前國(guó)企涉獵廣但經(jīng)營(yíng)分散的問題得到較好解決。例如：國(guó)資委監(jiān)管的央企70%的資產(chǎn)集中在石化、電力、冶金、機(jī)械等領(lǐng)域;世界500強(qiáng)的國(guó)企從2003年通過的6家發(fā)展到2017年的48家等。一大批國(guó)企央企通過轉(zhuǎn)型升級(jí)實(shí)現(xiàn)做大做強(qiáng)。

雖然通過股份制改造、分散化權(quán)力、改革股權(quán)與薪酬雙激勵(lì)制度、上市國(guó)內(nèi)海外IPO、科學(xué)化管理等一系列手段，提高大型國(guó)有企業(yè)效率，但是現(xiàn)階段國(guó)有企業(yè)仍面臨著產(chǎn)能過多、負(fù)債較高、創(chuàng)新能力低下等突出問題，從2013年始至今日的“全面深化改革”的成效還需要全面評(píng)判。北京作為國(guó)家的首都，具有資源優(yōu)勢(shì)和優(yōu)先發(fā)展條件，其國(guó)有企業(yè)在全部企業(yè)中的占比也居全國(guó)首位。而作為社會(huì)經(jīng)濟(jì)發(fā)展前沿和國(guó)有企業(yè)改革主戰(zhàn)區(qū)的北京，國(guó)有和非國(guó)有企業(yè)的技術(shù)生產(chǎn)能力都具有一定的示范性和代表性，為研究現(xiàn)階段國(guó)有和非國(guó)有企業(yè)基本生產(chǎn)環(huán)節(jié)中表現(xiàn)出的差異性，探討國(guó)有企業(yè)供給側(cè)結(jié)構(gòu)性改革中的可能著力點(diǎn)和深層次問題，切實(shí)激發(fā)國(guó)有企業(yè)活力和生產(chǎn)力，提供了較為完備的研究對(duì)象和研究條件。

1 文獻(xiàn)綜述

對(duì)于中國(guó)國(guó)有企業(yè)的創(chuàng)新效率探討由來已久，一些研究認(rèn)為所有權(quán)性質(zhì)是比所有權(quán)結(jié)構(gòu)更為根本的決定企業(yè)行為的因素。在技術(shù)創(chuàng)新投入方面，Lin等[1]研究發(fā)現(xiàn)，私有企業(yè)和合資企業(yè)比國(guó)有企業(yè)有更高的研發(fā)投資趨向。在技術(shù)創(chuàng)新效率方面，Zhang等[2]研究發(fā)現(xiàn)，外商投資企業(yè)創(chuàng)新效率最高，國(guó)有企業(yè)創(chuàng)新效率最低;Jefferson等[3]發(fā)現(xiàn)，外資企業(yè)的創(chuàng)新效率比國(guó)有企業(yè)高80%。Lo等[4]提供中國(guó)企業(yè)市場(chǎng)表現(xiàn)的相關(guān)最新證據(jù)，發(fā)現(xiàn)非國(guó)有企業(yè)的表現(xiàn)明顯優(yōu)于國(guó)有企業(yè)。Zhu等[5]認(rèn)為通過長(zhǎng)期債務(wù)為企業(yè)建設(shè)融資，國(guó)有股的增加會(huì)導(dǎo)致管理費(fèi)用增加，企業(yè)盈利能力下降。楊汝岱[6]發(fā)現(xiàn)不同所有制類型企業(yè)的效率差異較大，即使在“抓大放小”的背景下，國(guó)有企業(yè)表現(xiàn)還是最差，投資效率比民營(yíng)企業(yè)要低43%。

然而后期研究普遍認(rèn)為隨著改革的深入，國(guó)有企業(yè)的創(chuàng)新效率發(fā)生了變化。Fu等[7]證實(shí)在體制改革和經(jīng)濟(jì)繁榮時(shí)期，國(guó)有企業(yè)的效率和生產(chǎn)率有了明顯的提高。1998年以后的體制改革對(duì)國(guó)有企業(yè)的經(jīng)營(yíng)績(jī)效產(chǎn)生了明顯的影響。Teng等[8]研究發(fā)現(xiàn)，中央企業(yè)是企業(yè)研發(fā)活動(dòng)的主要驅(qū)動(dòng)力。Choi等[9]認(rèn)為國(guó)有和機(jī)構(gòu)所有制對(duì)創(chuàng)新績(jī)效的影響是正向的，但滯后。Wang等[10]證實(shí)開發(fā)支出與企業(yè)未來績(jī)效正相關(guān)，且國(guó)有企業(yè)的研究開發(fā)支出對(duì)企業(yè)未來績(jī)效的影響優(yōu)于非國(guó)有企業(yè)。Yi等[11]以中國(guó)制造業(yè)企業(yè)為樣本的實(shí)證研究表明，國(guó)有制正向促進(jìn)研發(fā)強(qiáng)度對(duì)創(chuàng)新績(jī)效的影響。

從20世紀(jì)90年代開始，很多學(xué)者開始采用DEA（data envelopment analysis）評(píng)價(jià)中國(guó)企業(yè)的生產(chǎn)力和生產(chǎn)效率，如Zheng等[12]運(yùn)用DEA方法比較國(guó)有企業(yè)和鄉(xiāng)鎮(zhèn)企業(yè)的效率水平。Shiu[13]通過DEA模型分析不同地區(qū)不同類型所有權(quán)的效率差異。Zheng等[14]使用600家國(guó)有企業(yè)來評(píng)估1980—1994年5個(gè)不同經(jīng)濟(jì)階段國(guó)有企業(yè)效率的差異性。隨著SBM-DEA模型[15]的出現(xiàn)，采用非期望產(chǎn)出和松弛值考察企業(yè)生產(chǎn)無(wú)效率成為新的研究趨勢(shì)。Xin等[16]應(yīng)用條件松弛測(cè)度（SBM）模型計(jì)算電網(wǎng)公司的無(wú)條件和有條件效率。白雪潔等[17]通過DEA方法同時(shí)對(duì)產(chǎn)能利用率和落后產(chǎn)能進(jìn)行測(cè)算，實(shí)現(xiàn)對(duì)落后產(chǎn)能的定量分析。Lu等[18]利用動(dòng)態(tài)網(wǎng)路DEA分析（DN-DEA）評(píng)估2010—2014年間臺(tái)灣機(jī)床業(yè)之績(jī)效。

DEA方法不用構(gòu)建固定的函數(shù)形式，無(wú)需統(tǒng)一量綱，對(duì)于分析多投入、多產(chǎn)出的生產(chǎn)過程具有獨(dú)特優(yōu)勢(shì)，但是傳統(tǒng)的DEA模型不能考慮多部門系統(tǒng)的決策過程，因?yàn)樗僭O(shè)生產(chǎn)技術(shù)在一個(gè)時(shí)期內(nèi)是獨(dú)立的、靜態(tài)的。Fre等[19]首次提出DDEA（dynamic DEA）模型，DDEA與DEA模型的主要區(qū)別和特殊性是在后續(xù)活動(dòng)觀察之間DDEA包含過渡元素，從而確定了各個(gè)時(shí)期之間的相互依賴性，即跨期依賴（inter-temporal dependence）。本文希望將計(jì)量分析與DEA模型相結(jié)合，在投入產(chǎn)出變量選取上更加科學(xué)合理，嘗試采用DDEA模型模擬現(xiàn)實(shí)生產(chǎn)過程，對(duì)國(guó)有企業(yè)和非國(guó)有企業(yè)現(xiàn)階段的技術(shù)效率進(jìn)行比較分析，依此全面判斷中國(guó)工業(yè)企業(yè)、尤其是國(guó)有企業(yè)的改革成效，為下階段國(guó)有企業(yè)改革提供依據(jù)和思路。

2 模型與數(shù)據(jù)說明

2.1 數(shù)據(jù)收集

本文選取了北京市工業(yè)企業(yè)9項(xiàng)常規(guī)的投入產(chǎn)出指標(biāo)，如表1所示。摘自《北京統(tǒng)計(jì)年鑒》[20]中“規(guī)模以上工業(yè)企業(yè)”和“規(guī)模以上國(guó)有及國(guó)有控股工業(yè)企業(yè)”，按照2011年頒布的行業(yè)分類標(biāo)準(zhǔn)《國(guó)民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)》（GB/T4754-2011）[21]，以2011年為基期，對(duì)工業(yè)總產(chǎn)值（OUT1）、工業(yè)銷售產(chǎn)值（OUT2）、產(chǎn)品銷售收入（RE）、應(yīng)收帳款凈額（ACC）、應(yīng)付帳款（PAY）、負(fù)債合計(jì)（DEB）采用“出廠價(jià)格指數(shù)”進(jìn)行平減;對(duì)固定資產(chǎn)合計(jì)（FC1）、資產(chǎn)總計(jì)（K）采用“固定資產(chǎn)價(jià)格指數(shù)”進(jìn)行平減;全部職工（L）保持原值，并取所有企業(yè)的平均值。由于北京市工業(yè)企業(yè)并未涵蓋全部46個(gè)行業(yè)，如石油和天然氣開采業(yè)、化學(xué)纖維制造業(yè)、煙草制品業(yè)等規(guī)模以上的企業(yè)較少或基本沒有，又由于企業(yè)兼并、重組造成部分行業(yè)、部分年份數(shù)據(jù)缺失，而論文采用的DDEA模型需基于平衡面板，所以最終采用了農(nóng)副食品加工業(yè)、煤炭開采和洗選業(yè)、食品制造業(yè)等26個(gè)行業(yè)，國(guó)有企業(yè)（state-owned enterprise，SOE）和非國(guó)有企業(yè)（non state-owned enterprise，NSOE）各156條數(shù)據(jù)。

生產(chǎn)指標(biāo)、銷售指標(biāo)和利潤(rùn)是常規(guī)用于衡量企業(yè)生產(chǎn)績(jī)效和經(jīng)營(yíng)業(yè)績(jī)的指標(biāo)，鑒于主要采用投入產(chǎn)出效率進(jìn)行行業(yè)創(chuàng)新能力分析，因此資產(chǎn)和人員投入指標(biāo)也必不可少。此外，注意到我國(guó)工業(yè)企業(yè)，尤其是國(guó)有企業(yè)的負(fù)債率長(zhǎng)期偏高。2018年國(guó)務(wù)院辦公廳《關(guān)于加強(qiáng)國(guó)有企業(yè)資產(chǎn)負(fù)債約束的指導(dǎo)意見》[23]，要求將國(guó)有企業(yè)的負(fù)債率控制在65%左右。本文數(shù)據(jù)顯示，北京市國(guó)有企業(yè)負(fù)債率均值為80.4%，非國(guó)有企業(yè)為64.9%。顯然國(guó)有企業(yè)的負(fù)債率遠(yuǎn)遠(yuǎn)高于風(fēng)險(xiǎn)控制水平，說明有必要同時(shí)考察與負(fù)債相關(guān)的其他指標(biāo)：包括負(fù)債總計(jì)、應(yīng)收賬款和應(yīng)付賬款。各類指標(biāo)的統(tǒng)計(jì)參數(shù)，如表2所示。

為了清晰解讀各指標(biāo)間的聯(lián)系和定量關(guān)系，采用相關(guān)性分析得到對(duì)于這些指標(biāo)重要性的判斷，進(jìn)而為不同DEA模型采用不同的投入產(chǎn)出指標(biāo)提供依據(jù)。重點(diǎn)關(guān)注負(fù)債總計(jì)、應(yīng)收賬款和應(yīng)付賬款的關(guān)系，以及它們與產(chǎn)出指標(biāo)間的聯(lián)系，如表3所示。由表3可知，無(wú)論國(guó)有企業(yè)還是非國(guó)有企業(yè)，3個(gè)中間變量間的相關(guān)性都較高，國(guó)有企業(yè)比非國(guó)有企業(yè)更高些;3個(gè)中間變量與產(chǎn)出指標(biāo)間的關(guān)系，非國(guó)有企業(yè)顯示出更高的關(guān)聯(lián)性;因此，在以下的投入產(chǎn)出分析中，加入了這些指標(biāo)，計(jì)劃采用3種DEA模型（傳統(tǒng)DEA、SBM-DEA、DDEA）進(jìn)行比較分析，探討哪種模型更符合企業(yè)運(yùn)行實(shí)際。

在CCR和BCC模型中，應(yīng)付賬款（PAY）和負(fù)債（DEB）是對(duì)外欠賬，需要償還，算作間接投入;而應(yīng)收賬款（ACC）是其他企業(yè)尚未兌付的款項(xiàng)，可以看作間接產(chǎn)出。SBM-DEA模型認(rèn)為作為中間環(huán)節(jié)的應(yīng)收賬款正常情況下不應(yīng)過高，進(jìn)一步將其作為非期望產(chǎn)出;SBM-DEA模型的另一個(gè)優(yōu)勢(shì)是可以將冗余計(jì)算為無(wú)效率，由于中國(guó)工業(yè)企業(yè)產(chǎn)能過剩的問題日益突出，將冗余作為無(wú)效率部分進(jìn)行考察更符合企業(yè)實(shí)際。DDEA模型在工業(yè)企業(yè)投入產(chǎn)出分析中采用的并不多，Hung等[27]指出負(fù)債是永久性賬戶（permanent accounts），這些賬戶不會(huì)在期末結(jié)清，因?yàn)樗鼈兊挠囝~不用于衡量收入，包括應(yīng)收賬款和應(yīng)付賬款，這些賬款會(huì)結(jié)轉(zhuǎn)到下一期。人員、固定資產(chǎn)投資、營(yíng)業(yè)收入和支出屬于臨時(shí)賬戶（temporary account），一期結(jié)束后會(huì)被關(guān)閉。與財(cái)務(wù)會(huì)計(jì)制度保持一致，將負(fù)債（DEB）、應(yīng)付賬款（PAY）、應(yīng)收賬款（ACC）視為結(jié)轉(zhuǎn)變量，其中ACC屬于企業(yè)經(jīng)營(yíng)的正常支出，由上一期傳遞至下一期，而且數(shù)值可大可小，設(shè)為自由結(jié)轉(zhuǎn)變量;但是對(duì)于PAY、DEB應(yīng)盡量減少，所以設(shè)為非增結(jié)轉(zhuǎn)變量，根據(jù)非增結(jié)轉(zhuǎn)變量的性質(zhì)，其只能作為間接投入，希望通過以上3種模型的對(duì)比分析，如表4所示。評(píng)判國(guó)有企業(yè)2012—2017年改革政策密集出臺(tái)、改革向縱深發(fā)展時(shí)期內(nèi)，工業(yè)企業(yè)生產(chǎn)經(jīng)營(yíng)狀況有何變化，國(guó)有和非國(guó)有企業(yè)在技術(shù)效率上是否呈現(xiàn)出顯著差異，國(guó)有企業(yè)轉(zhuǎn)型升級(jí)、做大做強(qiáng)的舉措是否得以落實(shí)，以及現(xiàn)階段還存在哪些比較突出的問題亟待解決，如表4所示。

結(jié)果說明結(jié)轉(zhuǎn)變量的設(shè)定保證數(shù)據(jù)的連貫性，反映了在實(shí)際生產(chǎn)過程中，生產(chǎn)需求可能會(huì)逐年劇烈波動(dòng)，然而，企業(yè)通常不能及時(shí)調(diào)整資產(chǎn)，因此每年對(duì)其績(jī)效進(jìn)行評(píng)估是不合理的。相比之下，動(dòng)態(tài)模型在一定時(shí)期內(nèi)提供了穩(wěn)定的效率值，反映了跨期鏈接，所以在產(chǎn)出波動(dòng)情況下，動(dòng)態(tài)模型也是更實(shí)際的衡量指標(biāo)。作為結(jié)轉(zhuǎn)變量起到中間傳遞的作用，兩個(gè)相鄰時(shí)期所有DMU的結(jié)轉(zhuǎn)變量目標(biāo)值不變，不僅保證了數(shù)值的穩(wěn)定性，也實(shí)現(xiàn)了當(dāng)期結(jié)轉(zhuǎn)變量對(duì)下一期的影響。鑒于DDEA與SBM-DEA的結(jié)果一致性較高，一方面說明3種中間變量的選取和界定比較合理，另一方面也證明我國(guó)工業(yè)企業(yè)中無(wú)效率占很大比重，而這部分采用普通DEA是無(wú)法體現(xiàn)的。

結(jié)果同時(shí)還顯示不同的分析方法得到的國(guó)有和非國(guó)有企業(yè)效率對(duì)比也存在差異，如圖1所示。以汽車制造（兩位數(shù)行業(yè)代碼：36，下同）為例，普通DEA的結(jié)論是非國(guó)有企業(yè)較國(guó)有企業(yè)的效率更高，而且非國(guó)有企業(yè)的效率幾乎保持在1不變，但采用SBM和DDEA模型均顯示國(guó)有和非國(guó)有企業(yè)都有很高的無(wú)效率部分，相比而言，國(guó)有企業(yè)表現(xiàn)更好些。計(jì)算機(jī)通信（39）正好相反，傳統(tǒng)DEA顯示國(guó)有企業(yè)的效率有逐步走高的趨勢(shì)，后期超越了非國(guó)有企業(yè)，但SBM和DDEA則顯示非國(guó)有企業(yè)的表現(xiàn)顯著優(yōu)于國(guó)有企業(yè)。

北京市國(guó)資委早在國(guó)有企業(yè)改革的第2階段就確定了公共服務(wù)業(yè)、基礎(chǔ)設(shè)施業(yè)、鋼鐵、生物制藥、光電一體化等重點(diǎn)建設(shè)領(lǐng)域，測(cè)算結(jié)果也顯示，國(guó)有企業(yè)在石油加工（25）、醫(yī)藥（27）、橡膠（29）、有色金屬冶煉（32）、電力熱力（44）、水的生產(chǎn)（46）等6個(gè)資源加工業(yè)，以及汽車制造（36）、電氣機(jī)械（38）、儀器儀表（40）等3個(gè)機(jī)械電子制造業(yè)和農(nóng)副食品（13）、飲料（15）、紡織服裝（18）、印刷（23）等4個(gè)輕紡工業(yè)體現(xiàn)出優(yōu)勢(shì)，如表5所示。

為了比較這種差異，將行業(yè)分為兩大類集群，一類是國(guó)有企業(yè)效率高于非國(guó)有企業(yè)的行業(yè)，其中包含了國(guó)企（SOE2）和非國(guó)企（NSOE4）;另一類是非國(guó)有企業(yè)效率高于國(guó)有企業(yè)的行業(yè)，包含了國(guó)企（SOE1）和非國(guó)企（NSOE3）;這樣國(guó)有和非國(guó)有企業(yè)就分成4組，1組、2組是國(guó)企，3組、4組是非國(guó)企。將4組兩大類集群的效率取均值繪圖，如圖2右圖所示。其中：NSEO4和SOE2為第1類集群，共13個(gè)行業(yè)，其國(guó)有企業(yè)效率高于非國(guó)有企業(yè);NSOE3和SOE1為第2類集群，也是13個(gè)行業(yè)，非國(guó)有企業(yè)效率更高。顯然，對(duì)于第1類，國(guó)有企業(yè)無(wú)論是純技術(shù)效率（PTE）還是規(guī)模效率（SE）都明顯優(yōu)于非國(guó)有企業(yè)。第2類集群中，非國(guó)有企業(yè)不僅明顯優(yōu)于同一類中的國(guó)有企業(yè)，而且也好于第1類中的非國(guó)有企業(yè)。第2類集群中的國(guó)有企業(yè)表現(xiàn)最差，低于其他3個(gè)組，主要是因?yàn)榧兗夹g(shù)效率最低。由圖2可知，4組行業(yè)都是規(guī)模效率好于純技術(shù)效率。

同時(shí)計(jì)算了SBM-DEA和DDEA效率值占傳統(tǒng)DEA的比重，進(jìn)而考察無(wú)效率部分（圖2右圖）的高低。與左圖的分析一致，SOE2無(wú)效率的比重最低，其次是NSOE4，它們都屬于第1類集群;NSOE3和SOE1的無(wú)效率部分都很高，第2類集群的無(wú)效率比重顯著高于第1類集群;而且，總體看國(guó)有企業(yè)與非國(guó)有企業(yè)無(wú)效率的比重都很高，差異不大。由圖2右圖可知，DDEA計(jì)算得到的無(wú)效率部分整體都低于SBM-DEA，兩者差異在SOE2中更明顯，說明DDEA模型更符合企業(yè)的運(yùn)行實(shí)際。

進(jìn)一步采用共同前沿模型[29]（MetaFrontier，MF）對(duì)4個(gè)組進(jìn)行分析，除共同前沿效率值外（等同于DDEA結(jié)果），新得到群組前沿（group frontier，GF）效率值，以及技術(shù)缺口比率（technology gap ratio，TGR）;其中TGR=共同前沿效率值[30]，如圖3所示。對(duì)于第1類集群，雖然共同前沿效率（MF）SOE2顯著高于NSOE4，而且SOE2群組前沿效率（GF）也比NSEO4高，但是SOE2內(nèi)部效率間的差異很大（變化區(qū)間大），說明并不是群組內(nèi)所有行業(yè)效率都高，只是高于同行業(yè)的非國(guó)有企業(yè)。NSOE3與NSOE4的共同前沿效率差距不大，但是NSOE3在群組內(nèi)的表現(xiàn)較好，TGR有所下降，說明NSOE3群組前沿值偏低。SOE1的共同前沿效率值最低，而群組前沿效率值較高、且波動(dòng)小，說明這些行業(yè)之間的差異很小，效率值都不高，因此其TGR也最低。

由圖2和圖3的結(jié)論相互補(bǔ)充可知，反映兩類集群有顯著差異，第1類集群表現(xiàn)更好，其中國(guó)有企業(yè)又優(yōu)于非國(guó)有企業(yè)，規(guī)模效率最高;這些行業(yè)也是北京市重點(diǎn)支持和發(fā)展的行業(yè)，但行業(yè)間存在較大差異，如醫(yī)藥制造（27）的效率值偏低，提高這些行業(yè)的純技術(shù)效率是關(guān)鍵。第2類集群中的非國(guó)有企業(yè)無(wú)論是純技術(shù)效率、還是規(guī)模效率都顯著好于國(guó)有企業(yè);這些非國(guó)有企業(yè)在效率值上也高于第1類集群中的非國(guó)有企業(yè)，但是群組前沿與共同前沿間的技術(shù)缺口較大，無(wú)效率部分更高。第2類集群中的國(guó)有企業(yè)效率最低，無(wú)效率部分最高，除了傳統(tǒng)制造業(yè)外，也包含了鐵路船舶（37）、計(jì)算機(jī)通信（39）等高技術(shù)產(chǎn)業(yè)，而且這些行業(yè)間的差異不大，構(gòu)成效率低端區(qū)間，技術(shù)缺口最大。

4 結(jié)論

為考察國(guó)有企業(yè)改革成效，論文對(duì)比非國(guó)有企業(yè)，采用面板數(shù)據(jù)模型分析了主要投入產(chǎn)出指標(biāo)間的關(guān)系，發(fā)現(xiàn)中間環(huán)節(jié)指標(biāo)，包括負(fù)債、應(yīng)收賬款等，與產(chǎn)出指標(biāo)間有較高的相關(guān)性，故而將這些指標(biāo)加入到DEA分析中，同時(shí)選用SBM-DEA模型和動(dòng)態(tài)DEA模型計(jì)算技術(shù)效率，以增加研究結(jié)論的穩(wěn)健性。分析結(jié)果顯示，鑒于能耗大、資源消耗型產(chǎn)業(yè)已經(jīng)逐漸退出北京，國(guó)有企業(yè)經(jīng)過這些年的改革，成效顯著，大約有一半的行業(yè)效率值超過非國(guó)有企業(yè)，仍然在能源、交通、重大裝備制造、材料、冶金等基礎(chǔ)行業(yè)中占有支配地位。

基于以上結(jié)果，將北京市工業(yè)企業(yè)分為兩大集群，以探討行業(yè)差異，第1集群中的國(guó)有企業(yè)組技術(shù)效率高于非國(guó)有企業(yè)組，第2集群正好相反。發(fā)現(xiàn)國(guó)有企業(yè)在優(yōu)勢(shì)行業(yè)中的表現(xiàn)好于非國(guó)有企業(yè)，而非國(guó)有企業(yè)在一些輕工業(yè)和高技術(shù)產(chǎn)業(yè)中比國(guó)有企業(yè)效率更高;結(jié)果顯示國(guó)有企業(yè)間的行業(yè)差距在加大，而非國(guó)有企業(yè)不同行業(yè)間的差距較小。研究進(jìn)一步顯示，無(wú)論國(guó)有企業(yè)、還是非國(guó)有企業(yè)，其無(wú)效率部分都較高，效率值比傳統(tǒng)DEA低30%～45%;根據(jù)本文的投入產(chǎn)出指標(biāo)構(gòu)建，無(wú)效率部分多來自于負(fù)債和應(yīng)收賬款等中間環(huán)節(jié)，這是以往缺乏關(guān)注但業(yè)已影響企業(yè)生產(chǎn)經(jīng)營(yíng)的一個(gè)重要問題。北京市工業(yè)企業(yè)的規(guī)模效率基本達(dá)到上限，而無(wú)效率高的行業(yè)普遍純技術(shù)效率偏低，其中不乏一些高技術(shù)產(chǎn)業(yè)，所以疏導(dǎo)是今后主要的工作方向?，F(xiàn)階段的任務(wù)依然是如何提高企業(yè)的原始創(chuàng)新能力，提升企業(yè)的技術(shù)效率，北京市工業(yè)企業(yè)還是要注重內(nèi)部挖潛，從改善工藝和技術(shù)，提高管理效率入手，而不是單純地追求技術(shù)進(jìn)步。

本文的主要貢獻(xiàn)包括：將計(jì)量分析作為DEA投入產(chǎn)出指標(biāo)選擇的主要依據(jù)，也為深入挖掘影響企業(yè)效率提升的主要障礙、查找問題根源提供了方法和手段。采用動(dòng)態(tài)DEA模型，更符合企業(yè)生產(chǎn)經(jīng)營(yíng)實(shí)際，同時(shí)考慮以往忽視的中間變量，得到連續(xù)年份的唯一效率值，比求不同年份效率值均值更合理。驗(yàn)證了中間變量在當(dāng)前中國(guó)工業(yè)企業(yè)中發(fā)揮重要作用。采用結(jié)轉(zhuǎn)變量與考慮非期望產(chǎn)出的SBM模型計(jì)算結(jié)果一致性較好，一方面說明的變量性質(zhì)設(shè)定比較合理，另一方面也說明中國(guó)工業(yè)企業(yè)現(xiàn)階段在中間環(huán)節(jié)的冗余較多，嚴(yán)重影響了企業(yè)效率，需要引起高度重視。通過國(guó)有和非國(guó)有企業(yè)的效率比較，驗(yàn)證了國(guó)有企業(yè)改革成效，揭示了兩類企業(yè)優(yōu)勢(shì)行業(yè)間的差異;采用共同前沿模型一定程度彌補(bǔ)了DEA模型在標(biāo)桿單位選取上的局限性，將不同行業(yè)的國(guó)有和非國(guó)有企業(yè)放在同一個(gè)前沿面下，即客觀，也很容易發(fā)現(xiàn)其中的差距和問題，提供了一個(gè)直觀、簡(jiǎn)潔的分析和判斷方式。

參考文獻(xiàn)：

[1] LIN C，LIN P，SONG F.Property rights protection and corporate R&D：evidence from China[J].Journal of Development Economics，2010，93（1）：49.

[2] ZHANG A，ZHANG Y，ZHAO R.A study of the R&D efficiency and productivity of Chinese firms[J].Journal of Comparative Economics，2003，31（3）：444.

[3] JEFFERSON G H，BAI H，GUAN X，et al.R&D performance in Chinese industry[J].Economics of In-novation and New Technology，2006，15（4/5）：345.

[4] LO K H.LIN B R.The effects of ownership structure and board characteristics：evidence from Chinese SOEs[J].Journal of Testing and Evaluation，2014，42（3）：797.

[5] ZHU J J，CALEB H.LI X.Unfolding Chinas state-owned corporate empires and mitigating agency hazards：effects of foreign investments and innovativeness[J].Journal of World Business，2019，54（3）：191.

[6] 楊汝岱.中國(guó)制造業(yè)全要素生產(chǎn)率研究[J].經(jīng)濟(jì)研究，2015（2）：61.

[7] FU F C，VIJVERBERG C P C.CHEN Y S.Productivity and efficiency of state-owned enterprises in China[J].J Prod Anal.2008，29：249.

[8] TENG D，YI J T.Impact of ownership types on R&D intensity and innovation performance-evidence from transitional China [J]， Frontiers of Business Research in China，2017，11（1）：1.

[9] CHOI S B，LEE S H，WILLIAMS C.Ownership and firm innovation in a transition economy： evidence from China[J].Research Policy，2011，40：441.

[10] WANG R Q，WANG F J，XU L Y，et al.R&D expenditures， ultimate ownership and future performance： evidence from China[J].Journal of Business Research，2017，7：47.

[11] YI J T，HONG J J，HSU W C.et al.The role of state ownership and institutions in the innovation performance of emerging market enterprises：evidence from China[J].Technovaiton，2017，62.

[12] ZHENG J，LIU X，BIGSTEN A.Ownership structure and determinants of technical efficiency：an application of data envelopment analysis to Chinese enterprises （1986—1990）[J].J Comp Econ，1998，26（3）：465.

[13] SHIU A.Efficiency of Chinese enterprise[J].J Prod Anal，2002，17（3）：255.

[14] ZHENG J，LIU X.BIGSTEN A.Efficiency，technical progress，and best practice in Chinese state enterprises （1980—1994）[J].J Comp Econ，2003，31（1）：134.

[15] TONE K.A slacks-based measure of eciency in data envelopment analysis[J].Eur J Oper Res，2001，130（3）：498.

[16] XIN Y，RUTING H.KERUI D.The impacts of market power on power grid efficiency：evidence from China[J].China Economic Review，2019，55（6）：99.

[17] 白雪潔，張哲.落后產(chǎn)能的識(shí)別、成因與比較：基于高度產(chǎn)能過剩行業(yè)的實(shí)證分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2020，315（1）：68.

[18] LU C C，CHEN X，TSENG C K，et al.Evaluation of the operating performance of Taiwanese machine tool industry with the dynamic network DEA model[C/OL].Enterprise Information Systems，2019，https：//doi.org/10.1080/17517575.2019.1709662.

[19] FRE R，GROSSKOPF S. Intertemporal production frontiers：with dynamic DEA[M].Boston：Kluwer Academic Publishers，1996：1.

[20] 北京市統(tǒng)計(jì)局，國(guó)家統(tǒng)計(jì)局北京調(diào)查總隊(duì).北京統(tǒng)計(jì)年鑒[M].北京：中國(guó)統(tǒng)計(jì)出版社，2012-2018：1.

[21] 國(guó)家統(tǒng)計(jì)局.國(guó)民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)（GB/T 4754-2011）[M].北京：中國(guó)統(tǒng)計(jì)出版社，2011：1.

[22] 國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[M].北京：中國(guó)統(tǒng)計(jì)出版社，2018：1.

[23] 中共中央辦公廳、國(guó)務(wù)院辦公廳.關(guān)于加強(qiáng)國(guó)有企業(yè)資產(chǎn)負(fù)債約束的指導(dǎo)意見[R].2018：9.

[24] CHARNES A，COOPER W W.RHODES E.Measuring the eciency of decision making units[J].Eur J Oper Res，1978，2（6）：429.

[25] BANKER R D，CHARNES A.COOPER W W.Some models for estimating technical and scale ineciencies in data envelopment analysis[J].Manage Sci，1984，30（9）：1078.

[26] TONE K，TSUTSUIB M.Dynamic DEA：a slacks-based measure approach[J].Omega 2010，38：145.

[27] HUNG S W，HE D S，LU W M.Evaluating the dynamic performances of business groups from the carry-over perspective：a case study of Taiwans semiconductor industry[J].Omega 2014（46）：1.

[28] 谷照升，劉志明.兩組數(shù)據(jù)分布的一致性分析及其應(yīng)用，長(zhǎng)春工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2011，12（3）：127.

[29] ODONNELL C J，RAO D，BATTESE G.Metafrontier frameworks for the study of firm-level efficiencies and technology ratios[J].Empirical Economics，2008，34：231.

[30] BATTESE G，RAO D S P，ODONNELL C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004，21：91.

[編輯：費(fèi) 婷]