中国钢铁企业的相对效率与规模效率，本文主要内容关键词为：效率论文,中国论文,钢铁企业论文,规模论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、导言
我国许多学者和业界人士普遍认为，钢铁工业是具有很强规模经济特征的行业，而我国的钢铁企业规模普遍较小，大多数并未达到规模经济，影响了我国钢铁工业的国际竞争力（陈凌，2003；张爱华，2005；魏建新，2006）。我国的相关政策部门亦持有同样观点，2005年颁布的《钢铁产业发展政策》中，将“通过钢铁产业组织结构调整，实施兼并、重组，扩大具有比较优势的骨干企业集团的规模，提高产业集中度”作为政策的重要目标之一，并计划到2010年，形成两个3000万吨级，若干个千万吨级的具有国际竞争力的特大型企业集团，在政策上对现有规模500万吨以上的企业进行倾斜扶持，限制中小规模企业的发展，试图通过这种方式淘汰被他们认为过多的达不到规模经济的企业。
但是我们注意到，这些学者及政策部门对我国钢铁企业规模合意性的判断，是建立在与发达国家主要钢铁企业简单比较企业规模的基础上。鹤田俊正在《日本的产业政策》一书中指出：与别国比较企业规模的大小，完全没有什么经济学意义；企业规模，应该是在社会分工广泛发展的过程中，适应市场的性质而确定；忽视市场的特殊性一味追求扩大企业规模，反而有可能出现大规模企业缺乏经济效益的情况。本文试图通过数据包络分析(Data Envelopment Analysis,DEA)的方法对钢铁企业效率差异与钢铁企业规模效率情况进行实证研究，以揭示大型或者特大型钢铁企业相对中小规模钢铁企业是否拥有效率优势，以及我国钢铁企业在规模上是否有效率，并在此基础上进一步采用多元线性回归的方法研究规模对效率的影响，以揭示我国钢铁工业是否存在显著规模经济特征，并进一步讨论我国钢铁企业规模以及钢铁产业发展政策的制定依据是否合理等问题。
二、文献综述
传统的规模效率测算方法有利润率分析法、生存检验法、统计成本分析法与工程法。这些传统方法中，工程法和生存检验法运用比较普遍。我国各钢铁公司技术资料收集极为困难，采用工程法存在很大的障碍。生存检验法在我国的适用性也存在问题，因为这一方法的应用首先需要市场竞争的优胜劣汰机制能正常作用，在我国由于地方政府对本地企业的保护，出于打造大型企业考虑而对大型企业提供的政策倾斜，以及预算软约束问题，使得钢铁工业市场竞争被扭曲，往往使得“优不胜，劣不汰”，生存检验法对于中国钢铁工业规模效率的测算并不适合。Banker(1984)提出用DEA来研究规模效率以来，不少学者将DEA的方法用于规模经济的研究中。Banker(1992)进一步研究了DEA方法在规模收益估算上的运用。
国内对于钢铁工业企业规模与规模经济的研究不多。瞿国忠、张研(2000)采用重点钢铁企业、骨干钢铁企业与中小钢铁企业分类加总数据，计算和比较增加值率（增加值与总产值的比值）来研究钢铁工业的规模经济情况。于淞楠(2004)采用抽样统计的方法来分析中国钢铁工业的规模收益。瞿国忠、张研和于淞楠的统计分析缺乏理论基础，方法和指标选择都存在比较大的缺陷。赵国杰和郝清民(2003)采用2000年27家国内重点钢铁企业数据、分批次计算研究钢铁工业的规模收益，这一方法的理论基础是值得商榷的。徐二明、高怀(2004)采用DEA方法与1995-2001年38家钢铁企业数据，分析钢铁企业的动态效率，其实证重点是测算Malmquist指数，没有给出相对效率的实际情况，也没有给出关于规模有效性问题的分析。杨家兵、吴利华(2006)采用2003-2004年财务数据与DEA方法评价23家钢铁工业上市公司的效率，其计量结果与所得结论缺乏逻辑联系。
DEA方法分析的是相对性而不是绝对性，要使分析结论更具一般性，应该将尽可能多的同类企业纳入决策单元组，从现有研究来看，企业样本数量都太少；已有采用DEA方法的研究侧重在规模有效性的测算上，忽略了不同规模企业间相对效率差异的比较分析，不利于考察大规模企业是否相对中小规模企业而言具有效率上的优势，也不能判断我国钢铁工业是否存在显著的规模经济；沙钢、唐山国丰、河北津西、邢钢等高效率钢铁企业均不在研究样本内，不利于发现我国钢铁企业真实的生产前沿面，并且会在很大程度上影响实证结论的准确性和严谨性。
三、模型设定和数据说明
1.模型设定
本文沿用CCR(Chames,1978)和BCC(Banker,1984)模型，用线性规划的方法来衡量多元投入和多元产出的效率问题。
(2)BCC模型。为了探讨纯技术效率、规模效率及规模报酬等问题，Banker(1984)对CCR模型加以修正后，发展出BCC模型。BCC模型将CCR模型原来假设固定规模报酬(CRS)的生产可能集合限制，放宽为变动规模报酬(VRS)，如此便能衡量DMU的纯技术效率(Pure Technical Efficiency,PTE)，若将CCR模型所得之效率值除以BCC模型所得之效率值，即可求得DMU之规模效率值。 BCC模型将CCR模型所求算的效率值，分解成纯技术效率与规模效率(Scale Efficiency,SE)，以了解缺乏效率的原因是纯技术效率或是规模效率。BCC模型为一个能够衡量纯技术效率与规模效率而衍生出来的DEA模型。BCC的数学模型如下：
(3)DEA方法运用中应注意的问题。Golany和Roll(1989)指出，在运用DEA方法时，应当满足以下两个条件：①DEA方法是评估一组决策单位间的相对绩效，则各单位间是否具同构性便显得极为重要。否则不相关单位之间比较，无法分辨究竟是比较单位间的性质差异，还是比较单位间效率上的差异，这将使评估结果变成不具意义。因此，若某些决策单位其特性与别单位不同而被视为非同构型者，则必须将之剔除，否则会对整体的效率评估产生影响。②DMU个数应为所考虑的投入与产出项个数和的5倍或5倍以上，否则将会严重影响研究的有效度及可信度。国内许多采用DEA方法的文献中往往忽略了以上两点，有的研究将不同的产业作为比较对象，有的研究将属于不同产业的企业作为比较对象，有的研究决策单元数目过少，这些做法都是不合适的。
2.指标选取
本文选取工业增加值、利税总额为产出变量，将资本总额、工资总额与能源消耗为投入变量。
选取工业增加值而不是工业总产值作为产出变量主要是基于以下考虑：工业总产值是最终工业产品的价值，不同的钢铁企业工艺流程可能存在差异，工艺流程短的企业中间产品外购，工艺长的企业中间品自己生产，用工业总产值衡量产出时，就会忽略长流程企业中间产品的产出，采用工业增加值作为产出变量则不会存在这一问题。本文采用利税总额而不是利润作为产出变量，主要是考虑各地税收政策差异会影响到企业利润情况，采取利税总额作为产出变量则可避免这一影响。
由于固定资本数据缺乏，考虑到流动资本也是重要的投入要素，我们采用资本总额作为投入指标之一。采用在职职工人数作为投入变量，只考虑了劳动投入量的方面，而忽略了质的方面，同时考虑到不同地区间劳动力成本上的差异，所以本文采用工资总额作为劳动投入的指标。钢铁工业是高耗能行业，能源是钢铁企业重要的投入要素，钢铁生产中能源投入主要是煤炭及其产品，是不可再生的资源，我国也越来越关注能源的产出效率问题，因此本文将总能耗作为投入变量之一。
3.数据说明
DEA方法是测算相对效率而非绝对效率，如要真实反映产业中不同企业的效率与规模效率情况，应尽可能将产业中的企业都包括其中。考虑数据统计上的困难，以及研究的时效性，我们以从冶金经济信息网与钢铁工业协会获取的2006年77家重点大中型冶金企业的生产运营数据为基础。
考虑决策单元的同构性要求，我们将77家重点大中型冶金企业中独立的特钢企业和钢延压企业剔除掉，仅保留重点大中型冶金企业中的钢铁联合企业。为了严谨分析钢铁企业的规模效率，我们进一步将大中型钢铁联合企业数据中同一集团公司中各子公司剔除掉，保留集团公司整体作为一个决策单元。例如，将原唐钢、承德钢铁公司和宣化钢铁公司剔除，保留新唐钢集团作为一个决策单元。我们将涟钢、衡阳钢管和湘钢的数据加总，得出华菱集团数据，将华菱集团加入决策单元，并且将这三家公司从决策单元中剔除掉。由于鞍钢和本钢、莱钢和济钢只是在地方政府主导下形式上的合并，并没有经营上的整合，我们依旧将鞍钢、本钢、莱钢、济钢作为独立的决策单元，并将鞍本集团剔除。同样，虽然，武钢集团持有柳钢51%的股权，但是并未真正参与其生产运营管理，所以依旧将柳钢作为独立的决策单元，柳钢的生产经营数据也未并入武钢集团。我们将最终得到的所有57家大中型钢铁联合企业（集团）作为决策单元组。本文采用三个投入项和两个产出项，决策单元数是投入产出项个数的11倍多，符合DEA方法使用的要求。
四、实证结果与分析
1.实证结果
本文采用CCR模型计算钢铁联合企业的技术效率，采用BCC模型计算纯技术效率，并进一步计算钢铁联合企业的规模效率值。本文采用OECD（经济合作与发展组织）开发的DEAP2.1软件进行计算，计算结果以及效率排名情况在表1列出。
2.对于实证结果的分析
(1)大型和特大型钢铁企业相对中小企业而言并不具备显著的效率优势。57家企业中有10家企业技术效率值为1（表明这些企业相对而言具有很高的生产经营效率），分别是宝钢集团、鞍钢集团、沙钢集团、太钢集团、唐山国丰、河北津西、川威集团、天津钢管、新冶钢集团、达州钢铁集团。其中生产规模2000万吨以上企业1家，1000万—2000万吨之间的企业2家，500万—1000万吨之间 2家，200万—500万吨之间2家，200万吨以下的3家；规模最小的一家为达州钢铁集团，其生产规模为146.3万吨，规模排名在57家企业中列第55位。邢台与济源两家钢铁公司技术效率值接近于 1，其产钢量分别为269.1万吨和200.4万吨。这一结果表明：高效率并不是大型和特大型钢铁企业的专利，中小型钢铁企业同样可以具有很高的生产经营效率；大型和特大型钢铁企业相对中小企业而言并不具备显著的效率优势。
(2)并不是规模大的企业就一定具有很高的生产经营效率，企业规模也不是生产经营效率的决定性影响因素。9家规模在千万吨以上的企业中，只有3家企业技术效率值为1，其他6家的技术效率值均小于1；这6家企业中除武钢技术效率值为0.835外，另外5家企业技术效率值均小于0.8，其中规模排名第2的新唐钢集团和规模排名第7的马钢集团的技术效率值更是低至0.585和 0.541，技术效率的排名也分别后至第36位和第43位。13家规模在500万—1000万吨企业中有2家企业的技术效率值为1，除邯钢技术效率值为0.863外，其他10家企业的技术效率值均小于0.8，规模排名第10的华菱、排名第18的建龙和排名第22的新余技术效率值分别低至0.562、0.475和 0.565，技术效率排名后至38、51和37。
(3)重点大中型钢铁联合企业的规模效率与规模效率特征。从计算结果来看，57家钢铁联合企业中，规模有效的企业有10家，处在规模递增区间的企业有33家，14家企业处于规模递减区间。非规模有效的47家企业中，规模效率值在0.9以上的有30家，规模效率值处在0.8-0.9之间的有 9家企业，只有8家企业规模效率值在0.8以下。57家钢铁联合企业规模效率的平均值为0.906，方差为0.0168，离散系数为0.143。可以看出，57家钢铁联合企业中大部分企业都是规模有效或接近于规模有效，各企业规模效率上的差异也不大。
(4)重点大中型钢铁联合企业之间的效率差异非常大，不少企业相对效率低下，从整体上看规模效率不是造成这一现象的主要原因。从计算结果来看，技术效率值在0.7以下的企业有34家，占总样本数的59.6%，其中有22家企业技术效率值低于0.6，占样本总数的38.6%，技术效率值在0.8以上的企业只有17家，仅占样本总数的29.8%，技术效率的平均值也只有0.689，这表明企业之间的效率差异非常大，并且多数企业相对效率低下。从实际情况来看，技术效率的平均值为0.689，纯技术效率的平均值为0.764，有26家企业纯技术效率低于0.7，而规模效率平均值为0.906，并且多数企业处于规模有效和接近于规模有效状态，因而可以判断：整体而言，纯技术效率是影响技术效率的主要影响因素，规模效率的影响相对有限。
表1 2006年中国重点大中型钢铁联合企业的相对效率
注：irs表示企业处于规模收益递增区间，drs表示企业处于规模收益递减区间，-表示企业规模有效、处于规模收益不变区间。
(5)重点大中型钢铁联合企业之间显著的效率差异以及一半以上企业处于效率低下的状态，这一现象表明钢铁工业中优胜劣汰的竞争机制相对缺乏。市场竞争是一个动态争胜的过程，在这一过程中高效率企业不断扩大规模和市场份额，并且总是试图不断提高自身效率以保持竞争优势；相对低效率的企业为了继续生存和发展必须想方设法提高自身的生产经营效率，那些不能改善提高自身效率的劣势企业，最终将被市场所淘汰。优胜劣汰的竞争机制，会使得在位企业之间的效率差异相对比较小，以及产业的整体效率不断提升。但是在我国，地方政府对本地钢铁企业的扶持政策，政策部门在行业萎缩期的投资规制政策和总量控制政策，以及“扶大限小”倾斜式的产业政策，在很大程度上都干预了市场的竞争性过程，使得市场竞争的优胜劣汰机制被大大减弱，许多低效率企业免于被市场淘汰（江飞涛，陈伟刚等，2007），竞争压力的缺乏也使得企业缺乏提高生产经营效率的动力，这些最终导致了钢铁工业低效率企业的大量存在以及企业间效率上的显著差异。
五、关于规模与效率关系的进一步研究
1.模型设定与数据说明
我们将所有制形式、纵向一体化程度、管理效率、生产要素组合方式与企业规模作为影响效率的主要因素：
(1)我们知道所有制形式是影响企业效率的重要的变量，不同企业所有制形式会带来不同制度效率，本文中将所有制形式分为三类，即中央国有（控股）企业、地方国有（控股）企业和非国有企业，并相应设置制度虚拟变量ZYGY、DFGY和FGY，企业是某类所有制形式就对该类所有制形式相应的虚拟变量赋值为1，不是则赋值为0。
(2)纵向一体化程度的不同会对企业的交易与组织成本产生影响，进而影响到企业的生产经营效率；对于产品的加工深度选择也是企业战略中对于最终产品市场的选择，不可避免地会对企业的生产经营效率产生影响，本文采用工业增加值率作为衡量纵向一体化程度和产品加工深度的变量，用GYZL表示。
(3)管理效率是企业生产经营效率的重要因素，本文中采用管理费用率(GLFYL)即管理费用与销售额的比值作为管理效率的衡量指标。
(4)对生产要素组合方式的选择，会影响到企业生产要素的配置效率，并进而影响到企业的生产经营效率，本文采用人均资本(RJZB)来反映这种要素组合方式上的不同。
(5)许多学者以及政策相关部门认为钢铁工业存在显著的规模经济，如果这一看法正确，那么规模将是影响效率的重要变量，本文以工业增加值作为规模变量，记为SCALE。
各解释变量值均根据从冶金经济信息网与钢铁工业协会获取的2006年77家重点大中型冶金企业的生产运营数据计算得出。被解释变量为CRSTE，为本文第四部分计算所得各重点大中型钢铁联合企业的技术效率值。模型设定如下：
ε表示模型的残差项。
如果我国钢铁工业存在显著的规模经济特征，那么企业规模变量将与企业技术效率值有显著的正相关性；如果我国钢铁工业存在显著的规模不经济，那么企业规模变量将与技术效率值有显著的负相关性；如果是规模中性，那么企业规模变量与技术效率值无显著相关性。
2.计算结果与模型的进一步调整
本文采用Eviews5.0，对方程(1)进行多元线性回归，其结果如下：
计算结果表明方程(1)的拟合优度良好，对CRSTE有比较好的解释能力。规模变量SCALE的t检验值非常小，即使在50%的显著性水平上都无法通过t检验，其余各变量显著性良好（显著性水平5%）。这表明规模变量SCALE对技术效率值无显著相关性，其他解释变量对技术效率值有显著的相关性。我们将SCALE从方程(1)中剔除，得到方程(2)：
计算结果表明方程(2)的拟合优度良好，各解释变量显著性良好（3%显著性水平），方程(2)的 R[2]值比方程(1)的值只有极为微弱的变化。这表明所有制形式、纵向一体化程度、产品的加工深度、管理效率、装备水平（生产要素组合方式）显著影响钢铁联合企业生产经营效率，企业规模对生产经营效率几乎没有什么影响。这一结果说明我国钢铁工业是规模中性的，否定了我国钢铁工业存在显著规模经济特征的观点。
六、结论与政策建议
本文的研究表明：重点大中型钢铁联合企业在效率上存在显著的差异，并且不少企业效率低下，我国钢铁工业优胜劣汰的竞争机制相对缺乏；大型和特大型钢铁企业相对中小型钢铁企业而言并不具备显著的效率优势，多数大型和特大型钢铁企业效率并不高；重点大中型钢铁联合企业中大部分企业是规模有效或者接近于规模有效的，规模效率并不是影响大中型钢铁企业生产经营效率的主要因素。进一步的研究表明，我国的大中型钢铁联合企业的企业规模对效率几乎没有什么影响，我国钢铁工业并不存在显著的规模经济特征。
我国以打造大规模钢铁企业为目标的钢铁工业产业组织政策，其依据是认为钢铁工业具有显著的规模经济特性，打造大规模企业可以充分享有规模经济收益，进而提高企业的生产经营效率。从本文的研究结论来看，这一依据并不成立。并且以“扶大限小”为特征的产业组织政策还会产生不良影响：①这一政策使得大企业免于面对高效率中小企业不断发展所带来的竞争压力，进而使得大企业提高效率的动力相对缺乏，一些低效率的大企业也因此获取了较大的生存空间；②另一方面，这一政策也会使得企业更为关注如何扩大规模以获取政策扶持，让企业提高自身效率的意愿降低；③“扶大限小”的政策很大程度上减弱了优胜劣汰的竞争机制，阻碍了低效率企业生产要素和市场份额向高效率企业的自发集中过程，反而不利于高效率企业的快速成长。
本文的研究结论同时表明，我国钢铁工业现阶段发展中存在的根本性问题不是企业规模过小或是过大的问题，而是优胜劣汰的竞争机制相对缺乏，以及由此带来的低效率企业的大量存在和企业提高自身效率的动力相对缺乏的问题。因而，相关政策部门应当放弃缺乏依据并且干扰市场竞争过程的产业组织政策，转而采取竞争政策，将建立并维护公平竞争和优胜劣汰的市场竞争机制作为政策的中心。市场竞争的优胜劣汰机制会使效率低下的企业不断被淘汰，由此形成的竞争压力会促使所有企业不断提高自身效率；优胜劣汰的市场竞争过程还会使得生产要素不断向高效率的企业集中，高效率企业的生产规模和市场份额在竞争过程中不断扩大，从而造就高效率具有很强竞争力的大企业。不论从提高钢铁工业企业效率、产业运行效率的角度考虑，还是从形成具有国际竞争力的大型企业集团的角度考虑，竞争政策都要远远优于产业组织政策。
此外，企业也不应该将规模作为追求的目的，规模充其量只是提高生产经营效率、产品质量和产品竞争力的结果（藤本隆宏，2007），企业应该将更多的注意力放在提高经营效率和产品竞争力上来。跨国钢铁巨头米塔尔公司的快速成长和成功可以充分说明这一点，企业规模不是企业效率的决定性因素，具有卓越生产经营效率和产品竞争力的企业却可以高速发展，不断扩大其规模。
标签：钢铁工业论文; 规模经济论文; 企业规模论文; 企业经营规模论文; 钢企论文; 生产效率论文; 企业经营论文; dea论文; 经济论文;