第 6 期 刘虹燕, 等 : 中国种业上市公司效率分析 79 意见, 首次明确了现代农作物种业的战略性 基础性核心产业定位 种业作为基础性核心产业, 是农业发展的命脉, 是保证国家粮食安全的根本 由此可见, 对种业企业的效率分析既有理论意义 也有重要的现实意义 目前, 国内外用于企业效率分析的方法有

云南农业大学学报 ( 社会科学,06,0(6:78-8 JournalofYunnanAgriculturalUniversity(SocialScience htp: //xb ynau edu cn E-mail:ynndxbsk@qq com DOI:0 3969/j isn 004-390X (s 06 06 06 中国种业上市公司效率分析 基于超效率 DEA 模型与 Malmquist 指数模型 刘虹燕, 张敬明, 杨德利 (. 上海海洋大学经济管理学院, 上海 0306;. 上海市浦东新区农业委员会, 上海 0306 摘要 : 为了牢牢把握中国粮食的命脉,0 年 4 月国务院出台 国务院关于加快推进现代农作物种业发展的意见, 加快本国种业发展, 设法从源头上保护国家粮食安全 保证农产品稳定供给 在此背景下, 采用非参数的超效率 DEA 模型以及 Malmquist 指数模型, 利用 00 04 年中国 0 家种业上市公司面板数据, 对中国种业上市公司生产效率进行分析, 并对生产效率指标进行进一步分解 结果表明 : 所选样本企业整体效率低下, 造成种业企业效率低下的主要因素是技术进步值偏低, 即新技术创新能力不足 ; 其次, 技术效率值低下, 即企业组织管理水平低下也是导致效率低下的原因之一 关键词 : 种业上市公司 ; 效率 ; 超效率 DEA;Malmquist 指数中图分类号 :F83 文献标志码 :A 文章编号 :004-390X (0606-0078-05 EficiencyAnalysisofChinaSeedsStockCompanies: BasedonSuper eficiencydeamodeland MalmquistProductivityIndex LIUHongyan,ZHANG Jingming,YANG Deli (.ColegeofEconomicsandManagement,ShanghaiOceanUniversity,Shanghai0306,China;.AgriculturalCommision,ShanghaiPudongNewDistrict,Shanghai0306,China Abstract:InApril0, theviewsofdevelopmentofmoderncropseedindustry wasdiscusedand approvedbythestatecouncil,foracceleratingthedevelopmentofnationalseedindustry,tryingto protectthenationalfoodsafetyfromitssource,makingsurethestablesupplyofagriculturalproducts. Underthisbackground,thispaperfocusesonanalyzingtheeficiencyofChinaseedsstockcompanies basedonsuper eficiencydeamodelandmalmquistproductivityindexbyusing00 04paneldata of0samplecompanies.theresultshowsthatthewholeseedsindustryisinastateofloweficiency, whichisnotwrongwithonecompany,butthewholeindustry.therearemanyreasonsforthisstate, theprimaryreasonislackingoftechnicalinnovation.besides,feebleabilitiesoforganizeandmanage arealsooneofincentive. Keywords:seedstockcompanies;eficiency;super eficiencydea;malmquistproductivityindex 中国以世界 7% 的耕地面积养活世界 0% 的人口, 不论是从国民温饱的角度还是从国家安全 的角度, 粮食必须自给自足 0 年 4 月, 国务院发布了 关于加快推进现代农作物种业发展的 收稿日期 :06-05-03 修回日期 :06-05-6 网络出版日期 :06--4 T0:54 作者简介 : 刘虹燕 (990, 女, 安徽合肥人, 硕士研究生, 主要从事种源农业研究 通信作者 : 杨德利 (963, 男, 黑龙江哈尔滨人, 教授, 主要从事会计学 水产品经济与管理等方面的研究 网络出版地址 :htp://www.cnki.net/kcms/detail/53.044.s.064.054.03.html

第 6 期 刘虹燕, 等 : 中国种业上市公司效率分析 79 意见, 首次明确了现代农作物种业的战略性 基础性核心产业定位 种业作为基础性核心产业, 是农业发展的命脉, 是保证国家粮食安全的根本 由此可见, 对种业企业的效率分析既有理论意义 也有重要的现实意义 目前, 国内外用于企业效率分析的方法有很多,Mahadevan [] 根据是否设置函数形式将其分为参数方法和非参数方法 参数方法主要有生产函数法, 包括确定性参数前沿生产函数法 确定性统计前沿生产函数法以及随机前沿生产函数法 (SFA; 非参数方法, 主要有数据包络分析 (DEA 分析 [] 在种业企业生产效率研究方面, 黄毅采用超效率 DEA 模型研究中国种业上市公司营销效率, 他认为上市公司营销效率代表中国种业营销的最高水平, 分析上市公司营销效率能反映当前 [3] 我国种业的营销效率 黄毅 肖国安利用中外 4 家种业上市公司数据, 基于 DEA BC 模型以及 Malmquist 指数模型比较分析中外种业上市公司规模 成长性 盈利性与效率 黄炳凯 [4] 运用 DEA CR 模型, 对我国种业 8 家种业上市公司的经济效率进行分析, 建议种业企业不要盲目扩大经营范围, 重视良种研发 本文综合利用超效率 DEA 模型以及 Malmquist 指数模型, 动静结合分析我国种业上市公司效率 一 研究方法 ( 一 超效率 DEA 模型 美国运筹学家 Charnes CooperandRhodes 将 经济学家 Farel 对单投入 单产出的有效性度量方法推广到多投入 多产出, 并提出了第一个 DEA 模型 CR 模型 然而, 传统 CR 模型的一个弱点是当多个决策单元同时有效时, 无法对有效单元进行进一步的评价和排序 Anderson 提出的超效率模型 DEA 模型弥补了传统 DEA 模型的这一缺陷 [5] 式 ( 为规模收益不变下的超效率 DEA 模型 其中,X j 表示投入要素的集合,Y j 表示产出要素的集合 θ 表示决策单元 DMU 的效率 在 C R 模型中, 当 0<θ 时,DMU 非有效 ; 当 θ = 时,DMU 有效 但是在超效率模型中, 对于一个有效的 DMU 而言, 投入的增加会带来产出的增加, 而投入增加的比例就是超效率的效率值, 所以 θ, 并且 θ 越大, 效率越高 n j= j k n j= j k x j λ j θx k Y j λ j θy k θ,λ j 0,j=,,, n ( 二 Malmquist 生产率指数 ( [5] 莫氏指数是由瑞典经济学家 Sten Malmquist 于 953 年提出的,994 年 RolfFare 等人研究得出了该指数的非参数规划算法, 建立了莫氏生产率指数 莫氏生产率指数是分别计算在 t 时期和 t+ 时期的技术当做参考值下的生产效率变化值的几何平均值, 因此它是动态变化下的效率值 M 0 (x t+,y t+,x t,y t = Dt 0 (x t+,y t+ Dt+ 0 (x t+,y t+ D t 0 (x t,y t 0 (x t+,y t+ 0 (x t+,y t+ D t 0 (x t+,y t+ D t 0 (x t,y t 0 (x t+,y t+ D t (x t,y t 0 0 (x t,y t = ( 式 ( 为莫氏生产率指数的计算公式, 0 (x t+,y t+ 其中为技术效率变化, D t 0 (x t,y t D t 0 (x t+,y t+ 0 (x t+,y t+ D t (x t,y t 0 为技术进 0 (x t,y t 步 根据全要素生产率的分解情况 : 全要素生产率 = 效率变化 技术进步 = 纯效率变化 规模效率变化 技术变化即 :TFP=EFFCH TECH=PECH SECH TECH 二 数据说明 数据来源本文选取的样本为中国 0 家种业上市公司, 见表

80 云南农业大学学报第 0 卷 表 中国 0 家种业上市公司基本情况 股票名称 股票代码 公司名称 主营业务 大北农 00385 北京大北农科技集团股份有限公司 种子加工经营和农业信息技术的开发 服务 登海种业 0004 山东登海种业股份有限公司 玉米种子生产 自育农作物杂交种子销售 敦煌种业 600354 甘肃敦煌种业股份有限公司 各类种子收购 生产 加工 以及销售 丰乐种业 00073 合肥丰乐种业股份有限公司 农作物种子生产销售 隆平高科 000998 袁隆平农业高科技股份有限公司 杂交水稻等高科技农作物种子繁殖 销售 农发种业 60033 中农发种业集团股份有限公司 农资贸易以及种子研发 生产 销售 荃银高科 300087 安徽荃银高科种业股份有限公司 农作物种子研发 繁育 推广和服务 神农基因 30089 海南神农基因科技股份有限公司 农作物良种选育 推广 销售 万向德农 60037 万向德农股份有限公司 玉米杂交种子研发 生产 销售 亚盛集团 60008 甘肃亚盛实业股份有限公司 农产品开发 注 : 数据来源于 0 家种业上市公司 00 04 年年报以及 中国统计年鉴 指标选取与数据处理本文选取的指标主要包括投入 产出指标, 投入指标为固定资产期末净值 营业成本 职工人数 ; 产出指标为营业收入 为了剔除价格变化对研究结果的影响, 本文采用 978 年为基期的不变价格对相应指标进行换算 三 实证结果及分析 ( 一 基于超效率的静态分析本文选取 00 04 年 0 家中国种业上市公司投入产出的相关面板数据, 运用 EMS 3 软件测算超效率值, 测算结果如表 所示 表 00 04 年我国 0 家上市公司超效率值及其规模收益情况 公司名称 00 0 0 03 04 超效率值收益情况超效率值收益情况超效率值收益情况超效率值收益情况超效率值收益情况 均值排名 大北农 0 89 递减 0 96 递减 0 774 递减 477-7 - 56 登海种业 737-0 54-0 447-0 43-0 370-0 646 4 敦煌种业 0 737 递减 0 8 递减 0 0 递减 0 60 递减 0 338 递增 0 347 0 丰乐种业 0 93 递减 0 5 递减 0 375 递减 0 350 递增 0 499 递增 0 46 7 隆平高科 0 77 递减 0 80 递减 0 30 递减 0 96 递减 0 345 递减 0 40 9 农发种业 3 45-0 396-0 49-0 73-0 38-0 967 3 荃银高科 05-0 40-0 468-0 356 递增 0 536 递增 0 54 6 神农基因 64-0 730-0 40 递增 0 39 递增 0 343 递增 0 606 5 万向德农 0 779 递减 0 47 递增 0 30 递减 0 357 递增 0 336 递增 0 404 8 亚盛集团 0 69 递减 3 98 递减 79 递减 076 递增 37 递减 350 年均值 6 0 733 0 65 0 66 0 7 0 788 注 : -, 表示规模报酬不变 决策单元的有效性分析根据各年整体均值以及各企业五年内的超效率均值可知 ( 表, 我国种业企业的整体效率不高 由时间序列数据的均值可知, 我国种业 00 年超效率均值超过, 达到 DEA 有效 ;0 04 年的超效率均值在 0 6~0 8 之间, 均为 DEA 非有效 就单个企业每年的超效率值而言,00 年较其他年份超效率值相对较高, 登海种业 农发种业 荃银高科以及神农基因均达到 DEA 有效 0 04 年, 除大北农 亚盛集团以外, 其他企业均为 DEA 非有效 DEA 有效意味着这些企业的 投入产出点落在生产前沿面上, 没有无效投入, 即产出水平达到了最优 ;DEA 非有效, 意味着企业投入产出组合并非最优, 可能的投入产出点没有落在生产前沿面上, 存在着技术无效和投入冗余 00 04 年我国种业上市公司的整体超效率值多集中在 0 3~0 7 之间, 这与我国种业整体效率低下的现实相符 除亚盛集团外,00 0 年种业的超效率值呈现下降的趋势,03 04 年种业超效率值呈现上升趋势 规模收益情况分析从规模效益变化情况看,00 04 年 0 家样

第 6 期 刘虹燕, 等 : 中国种业上市公司效率分析 8 本企业 5 年内呈现规模报酬递减现象的次数 次, 说明增加投入不但不能带来产出的增加, 相反, 比原有投入带来的收益更少 ; 规模报酬不变次数 7 次, 说明此时的投入与产出组合达到最优, 产生 DEA 无效的主要原因可能是技术效率的变化 ; 规模报酬递增次数 次, 说明这些决策单元具有发展潜力, 扩大规模无疑是其提高效率的方法之一 00 0 年登海种业 农发种业 荃银高科以及神农基因四家样本企业均处于规模报酬不变状态, 即投入产出达到最优, 同时这四家企业均为 DEA 有效决策单元 与 00 年相同,0 年四家样本企业同样处于规模报酬不变状态, 但是超效率值出现了大幅度下降, 其主要原因可能是技术效率变化 03 04 年期间, 规模报酬递增现象普遍, 说明扩大企业规模能够成为提高企业效率的普遍措施 ( 二 基于 Malmquist 指数的动态分析 为了更好地反映我国种业企业效率的变动情况, 本文运用 DEAP 软件, 对 00 04 年 0 家种业上市公司的效率变动 (TFP 进行测算, 同时将效率变动分解为技术效率变化 (Efch 技术进步 (Techch 纯技术效率变化 (Pech 规模效率变化 (Sech, 结果见下表 3 图 简而言之, 全要素生产率 ( 即企业效率的变动值 是由企业的组织管理水平的变动 ( 技术效率变化 以及技术进步 ( 即生产技术的创新 共同作用形成的 技术效率进一步分解为纯技术效率和规模效率 其中, 纯技术效率是指不变规模报酬条件下, 即生产规模最优情况下, 生产领域中技术更新的快慢和新技术推广的有效程度 规模效率变化是由于企业生产规模以及资源配置变化带来的生产效率变化 若技术进步变化大于, 表示与上年相比, 存在技术进步 ; 若纯技术进步效率变化大于, 表明与上年相比在技术不变的情况下, 技术的使用效率上升 ; 若规模效率变化大于, 表明与去年相比存在规模报酬增加, 反之则为减少 表 3 0 家样本企业各年平均全要素生产率其分解 年份 技术效率 技术进步 纯技术进步效率 规模效率 全要素 生产率 00 0 037 0 936 004 033 0 97 0 0 003 0 98 00 00 0 984 0 03 0 94 0 955 0 959 0 98 0 899 03 04 0 939 0 96 0 0 90 0 903 均值 0 979 0 958 0 996 0 983 0 938 根据表 3 数据显示, 整体样本企业的全要素生产率的值均小于, 即所选样本企业的生产效率均在下降, 变化趋势如图 由本文样本数据测算结果可知, 技术进步均小于, 说明与上年相比企业生产过程中没有采用新技术, 不存在技术创新 00 0 年种业整体技术效率大于, 技术进步小于, 说明种业企业的组织管理水平在上升, 而技术创新能力没有提高, 阻碍生产效率提高的主要原因在技术水平停滞不前 0 04 年技术效率与技术进步的值均小于, 技术效率分别下降 5 9% 6 %, 与之相对应的, 技术进步值分别下降 3 9% 4 % 从下降幅度而言, 技术效率下降给生产效率带来的阻碍大于技术进步, 即 0 04 年企业组织管理水平的下降是阻碍生产效率提高的主要因素 纯技术效率变化仅有 年小于, 说明除 0 03 年外, 新技术使用效率在提高 ;00 0 年规模效率大于,0 04 年规模效率小于, 说明前两年种业的投入产出组合达到最优, 后两年的投入产出组合并非最优 技术效率的变化是纯技术效率和规模效率变化共同作用的结果, 00 0 年技术效率上升的源泉是规模效益的提高,0 03 年技术效率下降的主要原因是新技术使用效率的下降,03 04 年技术效率下降的主要原因是规模效益的下降 表 4 为 0 家种业上市公司 5 年平均全要素生产率变化情况 由表 4 可知,0 家企业的全要素生产率值均小于, 即每个样本企业的生产效率均在下降, 这是导致表 3 样本整体生产效率下降的主要原因, 说明样本整体生产效率的下降不是因为个别企业的效率低下造成的, 而是所有样本企业共同造成的 然而, 技术进步值均小于, 即所有样本企业的技术创新能力有待提高, 生产过程中没有新技术的运用 其中, 隆平高科 登海种业 大北农以及农发种业的技术效率值均大于, 技术进步值均小于, 说明于这四家企业而言, 技术创新能力

8 云南农业大学学报第 0 卷 是阻碍生产效率提高的主要障碍 ; 对于荃银高科 敦煌种业 亚盛实业 丰乐种业 万向德农 神农 基因六家企业而言, 生产效率下降的原因既有技术 效率下降, 也有新技术创新能力下降 表 4 0 家样本企业 5 年平均全要素生产率及其分解 公司 技术技术纯技术规模全要素效率进步进步效率效率生产率 隆平高科 08 0 969 0 07 0 996 登海种业 000 0 969 000 000 0 969 荃银高科 0 949 0 958 000 0 949 0 908 亚盛实业 0 979 0 959 04 0 966 0 939 敦煌种业 0 98 0 985 0 930 055 0 967 丰乐种业 0 978 0 960 0 967 0 0 939 万向德农 0 996 0 973 044 0 954 0 969 大北农 09 0 944 000 09 0 97 农发种业 000 0 907 000 000 0 907 神农基因 0 86 0 96 000 0 86 0 89 均值 0 979 0 958 0 996 0 983 0 938 四 结论 本文利用静态超效率 DEA 模型与动态 Malmquist 指数模型结合分析我国 0 家种业上市 公司的生产效率, 并得出结论 : ( 根据静态超效率 DEA 分析, 我国种业整 体效率低下,50 个决策单元中, 到达 DEA 有效的 仅有 个, 占比 4%; 其余 38 个决策单元均为 DEA 非有效, 占比 76% 决策单元的超效率值多 集中在 0 3~0 7, 导致其超效率值低下的原因既有 技术效率的影响, 也有规模收益的影响 ( 根据表 的规模收益分析,50 个决策单 元中有 7 个决策单元的投入产出组合达到最优水 平, 占比 34%, 即剩余 34 个决策单元的投入产 出组合有待优化 (3 根据动态 Malmquist 指数分析, 样本整体 的生产效率在下降, 且导致其下降的主要原因不在 个别企业, 而是整体样本企业的生产效率均在下降 (4 根据表 3 以及表 4 的全要素生产率以及 技术进步值均小于, 技术效率值并非全部小于, 两张表格中技术效率大于 的约占比 50% 左右 即与企业组织管理水平 ( 技术效率 相比, 新技术的创新能力 ( 技术进步 是阻碍种业企业生产效率提高的主要因素 [ 参考文献 ] [] 于君博. 前沿生产函数在中国区域经济增长技术效率测算中的应用 [J]. 中国软科学,006 (: 50.DOI: 0. 3969/j. isn. 00-9753. 006..008. [] 黄毅, 柳思维. 基于 DEA 超效率模型的种业上市公司营销效率研究 [J]. 农业经济与管理,0,3 (3: 8. DOI: 0. 3969/j. isn. 674-989. 0.03.0. [3] 黄毅, 肖国安. 中外种业上市公司规模 成长性 盈利性与效率比较 [J]. 华南农业大学学报 ( 社会科学版,0,(4:88. [4] 黄炳凯, 窦学诚. 基于 DEA 模型的我国种业上市企业经济效率分析 [J]. 广西社会科学,05,0 (0:8. DOI:0.3969/j. isn. 004-697. 05.0.06. [5]TimothyJ,Coeli. 效率与生产率分析引论 [M]. 王忠玉, 译. 北京 : 中国人民大学出版社,008. [6] 于浩. 基于 DEA-Malmquist 方法的我国科技进步贡献率研究 :979 年 004 年 [J]. 科技与经济, 009(:. DOI:0.3969/j. isn.00/8409. 009.0.00. [7] 肖林兴. 中国全要素生产率的估计与分解 :DEA- Malmquist 方法适用性研究及应用 [J]. 贵州财经大学学报,03,3 (:3. DOI:0. 3969/j. isn.003-6636.03.0.005. [8] 赵芝俊, 张社梅. 近 0 年中国农业技术进步贡献率的变动趋势 [J]. 中国农村经济,006(3:4. [9] 匡远凤. 技术效率 技术进步 要素积累与中国农业经济增长 : 基于 SFA 的经验分析 [J]. 数量经济技术经济研究,0,9(:3. [0] 肖扬书, 李东平, 杨普, 等. 现代农作物种业科技创新及转型发展的实践与探讨 : 以安徽省农业科学院为例 [J]. 农业科技管理,05(:68.DOI:0. 3969/j.isn.00-86.05.0.0.