夏東保 戴澍

利用DEA方法對江蘇省酒、飲料和精制茶行業(yè)效率進行測算，在此基礎上，運用Tobit方法對影響江蘇省酒、飲料和精制茶行業(yè)效率的因素進行回歸分析。結果顯示：江蘇省酒、飲料和精制茶行業(yè)的綜合效率均值為0.866，綜合效率的微弱提高主要依賴于存技術效率的改善；經濟發(fā)展水平對行業(yè)綜合效率有正向的促進作用；消費者對酒、飲料、茶葉的高消費并未帶來生產綜合效率的實質性提高；行業(yè)內可能存在規(guī)模效應。

進入新世紀以來，江蘇省酒、飲料和精制茶行業(yè)發(fā)展穩(wěn)定，已經成為相對成熟的行業(yè)。近年來，隨著供給側改革的實施，江蘇省內酒、飲料和精制茶行業(yè)規(guī)模略有收縮，2019年省內規(guī)模以上企業(yè)資產總計752.67億元，同比下降21.93%。當前省內酒、飲料和精制茶行業(yè)運營效率如何？行業(yè)內是否存在規(guī)模報酬遞增或遞減？已成為亟待解決的問題。

Tobit模型也稱因變量受限模型，常用于被解釋變量受限情況下的回歸分析，因本文擬以DEA測算出的綜合效率作為被解釋變量進行回歸，考慮到綜合效率值在0到1之間，屬受限情況，因此回歸應采用Tobit模型，tobit模型具體表達形式為：

其中，yi*為潛在變量，yi為被解釋變量，xij為解釋變量，c表示常數(shù)，ci表示參數(shù)，表示隨機誤差，ε～N（0，σ2）。

效率水平測算

根據(jù)前文理論，結合柯布道格拉斯生產函數(shù)，最后確定選取江蘇省酒、飲料和精制茶行業(yè)規(guī)模以上企業(yè)資產總額（代表資產要素）和規(guī)模以上企業(yè)用工人總數(shù)（代表勞動要素）為輸入變量，規(guī)模以上企業(yè)利潤總額為輸出要素，運用DEAP2.1軟件對2011—2019年江蘇省酒、飲料和精制茶行業(yè)進行效率測算，所選用數(shù)據(jù)來源于2012—2020年江蘇省統(tǒng)計年鑒。

結果顯示：2011—2019年江蘇省酒、飲料和精制茶行業(yè)的綜合效率均值為0.866。最大值和最小值分別為1和0.706，整體來看各年份間的差異不顯著。2015、2016、2019三個年份處于前沿面，其余年份仍存在效率提升的空間；從效率波動的角度來看，2011—2019年可分為兩個周期，2011—2015年為第一個周期，波峰值與波谷值相差0.294。2015—2019為第二個周期，波峰值與波谷值相差0.221。第一周期內效率波動主要在于用工人數(shù)的變化，第二周期內效率波動主要源自企業(yè)資產和利潤的變化。純技術效率整體均值0.923，2011年、2015年、2016年、2018年、2019年處于純技術效率前沿面；規(guī)模效率的波動情況略低于純技術效率，9年的均值0.939，2015年、2016年、2019年處于規(guī)模效率前沿面。從純技術效率和規(guī)模效率的均值及前沿面的個數(shù)綜合來看，二者對于效率的影響作用尚不明朗，仍須進一步進行趨勢分析。規(guī)模報酬方面，2011年、2012年、2013年、2014年屬于規(guī)模報酬遞增的年份，上述年份，企業(yè)用工人數(shù)和資產少量提高即獲得較大利潤；2017年和2018年屬規(guī)模報酬遞減年份，企業(yè)用工人數(shù)和資產大量提高只能獲得有限的利潤增加?？傮w來看雖然規(guī)模遞增的年份數(shù)多于規(guī)模遞減的年份數(shù)，但考慮到近三年的規(guī)模報酬除2019年外均遞減，因此可初步判斷在今后的一段時間內大概率呈現(xiàn)規(guī)模遞減的趨勢。

效率水平的趨勢分析

對綜合效率、純技術效率和規(guī)模效率進HP濾波處理，分離出波動成分，以明確三個時間序列的變化趨勢。為保證序列的平穩(wěn)性，對三個時間序列進行ADF檢驗。綜合效率的T統(tǒng)計量為-4.08726，在0.05水平上通過假設檢驗；規(guī)模效率T統(tǒng)計量為-5.25702，在0.01水平上通過假設檢驗；純技術效率未通過ADF檢驗。綜上可認為綜合效率序列和規(guī)模效率序列是平穩(wěn)的，可進一步進行濾波分析。運用eviews軟件對三個時間序列進行HP濾波分析顯示：綜合效率序列在分離了波動成分后，呈現(xiàn)出上升的趨勢，表明2011—2019年江蘇省酒、飲料和精制茶行業(yè)的整體效率在提高，從趨勢線的斜率來看，整體效率提高的效果并不明顯。規(guī)模效率序列與綜合效率序列相反，趨勢線呈下降的趨勢，規(guī)模效率有改進的空間。此外，雖然純技術效率未通過數(shù)據(jù)平穩(wěn)性檢驗，但因為純技術效率等于綜合效率與規(guī)模效率的比值，可認為綜合效率的微弱提高主要依賴于存技術效率的改善。

回歸分析

1.變量選取

在明確2011—2019年江蘇省酒、飲料和精制茶行業(yè)的綜合效率后，進一步對綜合效率的影響因素進行分析。另選取江蘇省經濟發(fā)展水平和江蘇省酒、飲料和精制茶行業(yè)的企業(yè)規(guī)模、消費情況、成本費用利潤率、流動資產周轉次數(shù)為解釋變量。其中江蘇省經濟發(fā)展水平以歷年江蘇省GDP替代，企業(yè)規(guī)模以規(guī)模以上酒、飲料和精制茶企業(yè)數(shù)表示，消費情況以規(guī)模以上酒、飲料和精制茶企業(yè)主營收入表示。所有數(shù)據(jù)均來源于2012—2020年江蘇省統(tǒng)計年鑒。此處值得說明的是解釋變量“消費情況”對被解釋變量的影響。一般認為消費水平越高，企業(yè)的收入越大，資金越充裕，更有利于綜合效率的提高，但結合酒、飲料、茶葉行業(yè)實行的供給側改革可發(fā)現(xiàn)：一方面，供給側改革前，持續(xù)增加的冗余勞動力導致綜合效率一度下降，而消費卻持續(xù)增長，二者反相發(fā)展；另一方面，供給側改革后短期內行業(yè)內大量冗余、低效率勞動力的清除促使效率內迅速上升，但實際的消費增長緩慢，兩者并不匹配。因此本文認為解釋變量“消費情況”的預期回歸符號為負。

2. 共線性檢驗與Tobit回歸

為避免解釋變量之間由于存在相關關系而使tobit模型估計失真，利用簡單相關系數(shù)檢驗法對上述各解釋變量做多重共線性檢驗，發(fā)現(xiàn)成本費用利潤率變量和流動資產周轉次數(shù)變量對其他解釋變量的相關系數(shù)普遍偏高，因此在模型中刪除這兩個變量。運用eviews軟件對被解釋變量和剩余的三個解釋變量進行tobit回歸，

結果顯示：經濟發(fā)展水平在0.1水平上通過顯著性檢驗，系數(shù)為5.93E-06，與預期相符，表明經濟發(fā)展水平對酒、飲料和精制茶行業(yè)綜合效率有正向的促進作用，江蘇省GDP每提高1個單位則綜合效率提升5.93E-06個單位；消費情況在0.1水平上通過顯著性檢驗，系數(shù)為負，符合預期，消費者對酒、飲料、茶葉的高消費并未帶來生產綜合效率的實質性提高；企業(yè)規(guī)模的系數(shù)為0.012213，符合預期，表明行業(yè)內存在規(guī)模效應，行業(yè)規(guī)模的擴大，降低了平均成本，形成了產業(yè)集聚效果，提升了利潤空間，進而促進效率的改善，但考慮該解釋變量的P值未通過顯著性檢驗，此結論僅供參考。

本文運用tobit兩步法對江蘇省酒、飲料和精制茶行業(yè)的效率及效率影響因素進行測算，結果顯示：第一，江蘇省酒、飲料和精制茶行業(yè)的綜合效率均值為0.866，綜合效率的微弱提高主要依賴于存技術效率的改善。第二，江蘇省酒、飲料和精制茶行業(yè)今后的一段時間內大概率呈現(xiàn)規(guī)模遞減的趨勢。第三，經濟發(fā)展水平對酒、飲料和精制茶行業(yè)綜合效率有正向的促進作用；消費者對酒、飲料、茶葉的高消費并未帶來生產綜合效率的實質性提高；行業(yè)內可能存在規(guī)模效應。

[本文系基金項目：江蘇高校“青藍工程”資助項目“江蘇高?！嗨{工程’優(yōu)秀青年骨干教師培養(yǎng)對象”（2020）。]

（江蘇今世緣酒業(yè)股份有限公司）（炎黃職業(yè)技術學院）

參考文獻：

[1]王政. 白酒技術規(guī)制對白酒行業(yè)技術效率影響及提升研究[D].山東財經大學，2016.