1、1基于 SFA 的我国信息技术上市公司营运能力实证分析【摘 要】 文章扩展了 Dutta 等（2005）关于企业能力的评价，将能力看成投入转换产出的相对水平，引入超对数随机生产前沿函数对我国信息技术类上市公司营运能力进行评价，并建立了企业营运能力评价模型。研究指出，20012011 年间，我国信息技术上市公司营运能力有所提升，但效率普遍不高。 【关键词】 营运能力； 随机前沿分析（SFA） ； 上市公司 中图分类号：F275 文献标识码：A 文章编号：1004-5937（2014）13-0034-07 一、引言 资源基础观（Resource Based View，RBV）认为企业竞争优势来源于
2、企业内部，认为企业所拥有的资源与能力影响企业绩效（Teece，1980；Wernerfelt，1984；Barney，1991；Peteraf，1993） 。企业资源状况比较容易衡量，但是，对于企业能力该如何衡量，学术界目前没有形成统一的观点。不同学者从不同的角度对企业能力进行定义和衡量。Amit 和 Schoemaker（1993） 、Dutta 等（2005，1999）将企业能力定义为输入资源转换为产出的相对能力，即根据企业的各项投入和产出来定义每一种能力。将能力看成是企业将其可利用的“投入” （即资源，如研发投入、营销投入、广告投入） ，转化为企业期望的“产出” （即目标，如开发新技术、
3、销售额）的效率。因此，能力被视为资源（即投入）2与目标（即产出）之间的“中间转换能力” 。 1999 年，Dutta、Narasimhan 和 Rajiv 在营销科学 （Marketing Science）上撰文，以资源论作为理论基础，对高科技市场中的企业进行研究。从投入产出的观点出发，对企业的能力加以识别。他们认为，高科技市场中企业的营销能力、研发能力和营运能力是影响企业绩效的三个重要能力。三种能力及其交互作用使企业获得供给和需求方面的优势，进而获得良好的企业绩效。营运能力在提供可持续竞争优势方面的作用非常大。本文将采用 Dutta 等的定义，将营运能力视为营运产出与投入之间的转换能力。营运
4、能力的主要产出是营业收入（Hendricks and Singhal，2005） 。从投入来看，劳动力和资本是营运函数的两个主要投入要素。员工是关键的劳动力投入，另一个投入是销售产品的成本，即需要提供给顾客产品或服务的成本，即销售费用。 二、样本与指标设置 （一）样本选择与数据来源 本研究的样本由在上海证券交易所和深圳证券交易所主板上市的信息技术类公司组成（CSRC 代码为 G） 。信息技术产业主要包含： 1.利用现代的电子计算机系统收集、加工、整理、储存信息，为各行业提供各种各样的信息服务的信息处理和服务产业，如计算机中心、信息中心和咨询公司等。 2.从事电子计算机的研究和生产（包括相关机器
5、的硬件制造） 、计算机的软件开发等活动的信息处理设备行业，如计算机制造企业、软件开发企业等。 33.运用现代化的信息传递中介，将信息及时、准确、完整地传到目的地点的信息传递中介行业，如印刷业、出版业、新闻广播业、通信邮电业、广告业等。 本文从不同的财经数据库，信息技术公司、深圳证券交易所、上海证券交易所等网站收集相关数据和公司年报。在选择样本过程中剔除了上市时间不足两年的公司，因此研究样本选取了 2009 年 1 月 1 日之前在上海证券交易所和深圳证券交易所主板交易的 76 家信息技术上市公司，时间区间为 20012011 年。由于创业板和中小板创立时间较短，上市的标准也与主板不同。因此，将
6、研究样本设定为主板上市的公司，可以有效控制初始条件的差异。此外，本文将对正常经营企业与失败企业的营运能力进行对比分析，如果公司被施以特别处理 ST 或者 PT 或者*ST，则认为该公司为失败公司。因为被施以特别处理，意味着公司生存的巨大不确定型。本文利用 ST 来界定公司失败与其他文献的研究一致。在20012011 年出现失败事件的公司有 26 家。每家公司进入与退出研究的时间不同，时间跨度最长的为 11 年，即 2001 年之前上市，2011 年研究结束时还没有出现失败时间。最短的是 1 年，即公司在 2002 年已经出现失败事件，退出了研究。因此，最后样本涵盖了 76 家信息技术上市公司的
7、 631 项时间区间观察量。样本分布详见表 1。 76 家样本公司中通信及相关设备制造业有 29 家，计算机及相关设备制造业 9 家，通信服务业 6 家，计算机应用服务业 32 家。 三、模型选择与评价 （一）随机前沿分析（SFA）模型 4四、实证分析 （一）描述性分析 （二）参数估计及检验结果 从表 5 可能看出，营运能力中员工人数的影响为负，并且也通过了显著性检验，说明信息技术公司中确实存在过度雇员员工的情况，而资本性支出指标对营运能力存在正的影响，没有通过显著性检验，但是其平方值显著影响了营运能力的水平。 取值为 0.565，说明营运能力的差异，有 56.56%以上可以由无效率函数的控制
8、变量进行解释。非效率模型中年份的参数为负，且通过了显著性检验，说明企业营运能力水平受年份的影响较大。 更进一步，为了验证超对数生产函数模型选择的适用性，下面进行广义似然比检验。 第一个零假设 H0 表示各个投入变量之间的相互关系不会影响到投入产出，也就是说，Cobb-Douglas 生产函数要比超对数生产函数模型更加适用。而从检验结果来看，营销能力、营运能力生产函数都拒绝了该假设。 第二个零假设 H0 表示无效率模型中的控制变量对能力没有影响。从检验结果来看，这一假设也被拒绝了。 第三个零假设 H0 表示所有的信息技术公司都位于生产前沿，而系统性和随机无效率影响为 0。从检验结果来看，这一假设
9、也被拒绝了。表 6给出了每一个超对数生产函数的三个假设检验结果。 从上述分析结果可知，所有的零假设均被拒绝。这就表明，研究中所采用的带有无5效率项的超对数随机前沿模型拟合效果较好。 （三）结果分析 从表 7 可以看出，通过超对数生产函数求出的信息技术类上市公司营运能力均值为 0.640，说明我国多数的信息技术营运效率值不高，没有处于生产前沿面。标准差为 0.143 说明样本公司每年的能力存在较大差异。 而从各年度样本公司营运能力的变化来看，20012011 年营运能力有所提高，变化相对比较平稳。见图 2。 而从失败公司与正常经营公司的对比中，可以看出，失败公司的营销能力与营运能力显著低于正常经
10、营公司。见表 8。 从不同行业细分来看，计算机及相关设备制造业的营运能力远高于通信及相关设备制造业、通信服务业和计算机应用服务业，但差距并不是特别大。见图 3。 五、结论 本文借助 Dutta（2005）对高科技公司能力的定义，将企业能力定义为投入产出的转换效率，并使用超对数随机前沿生产函数模型，建立了信息技术上市公司营运能力评价模型。然后对我国上市信息技术类公司的营运能力进行了实证分析。发现我国上市信息技术公司营运能力在20012011 年平稳提升。而失败的信息技术公司在失败发生之前与正常经营公司的经营能力相比，存在较大差距。而从假设检验结果来看，超对数随机前沿生产函数模型在进行能力评价方面
11、，比 C-D 生产函数要更加适合。此外，从模型参数估计和假设检验来看，我国信息技术上市公6司普遍存在过度雇佣员工的情况。 【参考文献】 1 Dutta，S.，O. Narasimhan，S. Rajiv. Success in high-technology markets： Is marketing capability critical？J.Marketing Sci，1999，18（4）：547-568. 2 Dutta，S.，O. Narasimhan，S. Rajiv. Conceptualizing and measur- ing capabilites： Methodology
12、and empirical application （research note） J. Strategic Management Journal，2005（26）：277-285. 3 Amit，R. and Schoemaker，Paul. J. Strategic assets and organisational rentJ.Strategic Management Journal，1993，14 （1）：33-46. 4 Li，S.，J. Shang，et al. Why Do Software Firms Fail？ Capabilities，Competitive Actions，and Firm Survival in the Software Industry from 1995 to 2007J. Information Systems Research，2010，21（3）：631-654. 5 王竹泉，逄咏梅，孙建强.国内外营运资金管理研究的回顾与展望J.会计研究，2007（2）.
