论文部分内容阅读
摘要：本文主要对北京市担保行业运行效率进行研究。得到结论如下：纯技术效率过低是担保公司综合技术效率过低的主因；规模效率较低也是影响因素；纯技术效率的改善空间比规模效率的改善空间更大。超效率分布呈金字塔形，即真正优秀的担保公司较少，大部分担保公司的运行效率还需要改进。
关键词：担保行业 运行效率 DEA模型 分析
最近几年，北京市担保业务的规模不断扩大，大批民营担保公司不断涌现；分支机构和营业网点密度增加；业务品种不断丰富，专业人才需求不断上升。担保行业在国民经济中的地位日益增强。在担保行业占地方经济总产值比重迅速增长的同时，担保行业发展的质量与内涵渐渐成为了大家关注的焦点。为了更好地反映担保行业发展的质量与内涵，就需要分析担保公司的经营绩效，特别是对担保公司的运营状况进行投入产出效率的分析。
关于担保行业投入产出效率的研究主要运用了DEA模型，但方法有所不同。崔晓玲和钟田丽（2010）分析得出普通DEA模型阿基米德无穷小量可能影响评价结果，引入粒子群优化则不会出现上述偏差。但是应当看到，采用上述方法所得的有效决策单元很多，且它们间很难做出区分。针对这一情况，Anderson等（1993）首次提出效率DEA模型。这一方法在评价其他行业运行效率中获得了广泛的应用，例如，国内学者李博和李启航（2012）采用超效率DEA模型测算中国不同地区技术创新效率。薛声家和王清（2010）采用产出中心DEA超效率模型，对国内31个省市电信业的运行效率进行研究，发现其中25个省运行效率有待提升，工业生产支持力度强弱是重要因素。蒋萍和王勇（2011）在对中国文化产业投入产出效率的研究中，应用超效率模型对投入产出相对有效的省份之间进行比较，发现这些省份之间也存在较大差别。
一、投入产出指标的选取
本文的数据来源于2010年度北京担保行业财务报表较完整的76家担保公司。首先选取投入指标，选取人力资本投入，固定资产投入，主营业务成本投入。产出指标包括以下几项：
总资产利润率、净资产利润率、担保业务利润率、资产负债率、公司主营业务利润占比、担保产品市场占有率、流动比率。应用因子分析法对上述产出指标进行筛选。首先，应用KMO-Bartllet检验，由于某些变量之间存在着较强的相关性，进行主成分因子分析，对产出指标合并降维。其中，特征值大于1被自动选择成为其中的因子，三个主成分被提取，其解释程度累计达到71.62%，可以解释大部分信息。采用方差最大法对因子载荷矩阵实施正交旋转，得以下三个变量作为产出指标：净资产利润率，担保业务利润率以及市场占有率。
二、传统DEA效率模型的测算
基于投入产出指标，利用myDEAP软件对76个决策单元进行了经营绩效打分，按照效率得分的大小，将担保公司综合效率按照大小分为4组；效率的分值为1；效率取值从0.8到1；效率取值从0.6到0.8；效率值小于0.6。据此，分别得到规模效率，技术效率和综合效率统计量如表1所示。
整体来看，北京市担保公司综合运行效率和纯技术效率有待提升，而规模效率相对较高。其中综合技术效率相对有效的担保公司，占全部担保公司总数近四成，样本分布悬殊，处于一般以及较差等级的担保公司也为数不少，其分布类似于纯技术效率，显示出纯技术效率对综合技术效率的影响。
通过对公司综合技术效率为较差的一组进行细分，按照得分0.2以下，0.2—0.4以及0.4—0.6分为三组，得结论如下：首先，纯技术效率过低是担保公司综合技术效率过低的主因。特别是对综合技术效率在0.4—0.6这一组，规模效率平均值虽然达到0.941，但由于纯技术效率只有0.56，使综合技术效率在0.6以下。其次，规模效率也是必要原因。事实上，综合技术效率0.2以下的一组，其规模效率平均值为0.646，低于综合效率0.2—0.4组的规模效率平均值0.733，更低于综合效率0.4—0.6组的规模效率平均值0.941。因此，提高担保公司运行效率应当从纯技术效率和规模效率两方面着手，又由于纯技术效率改善空间较大，故此项指标是担保公司运行效率提升的重点。
三、DEA超效率的测算
根据上文，利用超效率DEA模型，对综合技术效率相对有效的29家担保公司进行相互之间的效率比较。对超效率进行分组，由于超效率值一般在1—4之间，因此将样本按照超效率值分为四组，分别为1—1.5为一组；1.5—2为一组；2—2.5为一组；2.5以上为一组，得到统计结果如表2所示。
由表2可知，根据超效率模型得到的结果，综合技术效率相对有效的29家担保公司的超效率分布呈现金字塔形，其中样本大多集中于底层：1—1.5这一组，占了一半以上；在次一层效率值1.5—2的样本数是1—1.5这一组的一半；两组的样本数超过了总数的八成。作为塔尖，效率值在2.5以上的样本仅有两家。结合原始数据可以发现，评分最高的担保公司超效率值可以达到3.5，评分次高的担保公司超效率值达到2.9。这表明，利用传统投入产出模型所得到的综合技术效率相对有效的样本中，各样本之间的运行效率差异也很大。因此，传统的投入产出模型并不能充分显示北京市担保行业运行效率的整体情况，引入超效率投入产出模型做进一步分析是很有必要的。大部分担保公司超效率评分较低，超效率评分较高的样本屈指可数，并且与其他样本分数差距极大。这表明北京市担保行业中真正优秀的公司还较少，绝大部分公司的运行效率还与真正优秀的公司有较大差异，改进空间还是很大的。
四、结论与建议
本文对北京市担保行业运行效率的分析是，区分担保公司运行效率是否相对有效，结论如下：首先，纯技术效率过低是担保公司综合技术效率过低的主因。其次，规模效率较低也是担保公司综合技术效率过低的重要因素。最后，纯技术效率的改善空间比规模效率的改善空间更大。在此基础上对综合技术效率相对有效的担保公司的超效率进行进一步比较，认为其分布符合金字塔形，即真正优秀的担保公司较少，大部分担保公司的运行效率还需要改进。对此，提出以下几点建议：
首先，北京市担保行业规模效率较高，但总体上仍处于规模扩张阶段，相当大多数的担保公司依然需要通过规模的扩张达到有效规模；但也有担保公司存在规模扩张过度的现象，需要注重发展中质的提升，即注重自身硬件设施的升级与员工素质的提升。
其次，纯技术效率是北京市担保行业整体的薄弱环节。综合投入产出效率较差的担保公司要想提升自身的综合投入产出效率就应首先提高技术效率。具体可以通过引进人才，加强业务创新投入等方式实现内涵增长，进而提升纯技术效率。
最后，政府部门应加大对担保行业的投入力度，有重点地选择若干家担保公司给予政策倾斜和财政补贴，以扩大行业领军企业的规模，优化行业结构，实现北京市担保业均衡发展。
参考文献：
①崔晓玲，钟田丽.基于DEA的信用担保运行效率求解方法[J].运筹与管理，2010（06）： 117—122
②Anderson P.，PetersonN.C..A Procedure for ranking efficient ynits in data envelopment analysis[J].Management Science， 1993，39（10）：1261-1264
③李博，李启航.经济发展、所优质结构与技术创新效率[J].中国科技论坛，2012（3）：29-35
④薛声家，王清.基于DEA超效率模型的电信业效率及影响因素分析[J].北京邮电大学学报（社会科学版），2010，12（5）：51—57
⑤蒋萍，王勇.全口径中国文化投入产出效率研究——基于三阶段DEA模型和超效率模型的分析，2011，28（12）：69—81
（张文远，北京工业大学经管学院副教授。研究方向：金融计量。王云跃，1988年生，北京人，北京工业大学经管学院应用经济学研究生。研究方向：金融）
关键词：担保行业 运行效率 DEA模型 分析
最近几年，北京市担保业务的规模不断扩大，大批民营担保公司不断涌现；分支机构和营业网点密度增加；业务品种不断丰富，专业人才需求不断上升。担保行业在国民经济中的地位日益增强。在担保行业占地方经济总产值比重迅速增长的同时，担保行业发展的质量与内涵渐渐成为了大家关注的焦点。为了更好地反映担保行业发展的质量与内涵，就需要分析担保公司的经营绩效，特别是对担保公司的运营状况进行投入产出效率的分析。
关于担保行业投入产出效率的研究主要运用了DEA模型，但方法有所不同。崔晓玲和钟田丽（2010）分析得出普通DEA模型阿基米德无穷小量可能影响评价结果，引入粒子群优化则不会出现上述偏差。但是应当看到，采用上述方法所得的有效决策单元很多，且它们间很难做出区分。针对这一情况，Anderson等（1993）首次提出效率DEA模型。这一方法在评价其他行业运行效率中获得了广泛的应用，例如，国内学者李博和李启航（2012）采用超效率DEA模型测算中国不同地区技术创新效率。薛声家和王清（2010）采用产出中心DEA超效率模型，对国内31个省市电信业的运行效率进行研究，发现其中25个省运行效率有待提升，工业生产支持力度强弱是重要因素。蒋萍和王勇（2011）在对中国文化产业投入产出效率的研究中，应用超效率模型对投入产出相对有效的省份之间进行比较，发现这些省份之间也存在较大差别。
一、投入产出指标的选取
本文的数据来源于2010年度北京担保行业财务报表较完整的76家担保公司。首先选取投入指标，选取人力资本投入，固定资产投入，主营业务成本投入。产出指标包括以下几项：
总资产利润率、净资产利润率、担保业务利润率、资产负债率、公司主营业务利润占比、担保产品市场占有率、流动比率。应用因子分析法对上述产出指标进行筛选。首先，应用KMO-Bartllet检验，由于某些变量之间存在着较强的相关性，进行主成分因子分析，对产出指标合并降维。其中，特征值大于1被自动选择成为其中的因子，三个主成分被提取，其解释程度累计达到71.62%，可以解释大部分信息。采用方差最大法对因子载荷矩阵实施正交旋转，得以下三个变量作为产出指标：净资产利润率，担保业务利润率以及市场占有率。
二、传统DEA效率模型的测算
基于投入产出指标，利用myDEAP软件对76个决策单元进行了经营绩效打分，按照效率得分的大小，将担保公司综合效率按照大小分为4组；效率的分值为1；效率取值从0.8到1；效率取值从0.6到0.8；效率值小于0.6。据此，分别得到规模效率，技术效率和综合效率统计量如表1所示。
整体来看，北京市担保公司综合运行效率和纯技术效率有待提升，而规模效率相对较高。其中综合技术效率相对有效的担保公司，占全部担保公司总数近四成，样本分布悬殊，处于一般以及较差等级的担保公司也为数不少，其分布类似于纯技术效率，显示出纯技术效率对综合技术效率的影响。
通过对公司综合技术效率为较差的一组进行细分，按照得分0.2以下，0.2—0.4以及0.4—0.6分为三组，得结论如下：首先，纯技术效率过低是担保公司综合技术效率过低的主因。特别是对综合技术效率在0.4—0.6这一组，规模效率平均值虽然达到0.941，但由于纯技术效率只有0.56，使综合技术效率在0.6以下。其次，规模效率也是必要原因。事实上，综合技术效率0.2以下的一组，其规模效率平均值为0.646，低于综合效率0.2—0.4组的规模效率平均值0.733，更低于综合效率0.4—0.6组的规模效率平均值0.941。因此，提高担保公司运行效率应当从纯技术效率和规模效率两方面着手，又由于纯技术效率改善空间较大，故此项指标是担保公司运行效率提升的重点。
三、DEA超效率的测算
根据上文，利用超效率DEA模型，对综合技术效率相对有效的29家担保公司进行相互之间的效率比较。对超效率进行分组，由于超效率值一般在1—4之间，因此将样本按照超效率值分为四组，分别为1—1.5为一组；1.5—2为一组；2—2.5为一组；2.5以上为一组，得到统计结果如表2所示。
由表2可知，根据超效率模型得到的结果，综合技术效率相对有效的29家担保公司的超效率分布呈现金字塔形，其中样本大多集中于底层：1—1.5这一组，占了一半以上；在次一层效率值1.5—2的样本数是1—1.5这一组的一半；两组的样本数超过了总数的八成。作为塔尖，效率值在2.5以上的样本仅有两家。结合原始数据可以发现，评分最高的担保公司超效率值可以达到3.5，评分次高的担保公司超效率值达到2.9。这表明，利用传统投入产出模型所得到的综合技术效率相对有效的样本中，各样本之间的运行效率差异也很大。因此，传统的投入产出模型并不能充分显示北京市担保行业运行效率的整体情况，引入超效率投入产出模型做进一步分析是很有必要的。大部分担保公司超效率评分较低，超效率评分较高的样本屈指可数，并且与其他样本分数差距极大。这表明北京市担保行业中真正优秀的公司还较少，绝大部分公司的运行效率还与真正优秀的公司有较大差异，改进空间还是很大的。
四、结论与建议
本文对北京市担保行业运行效率的分析是，区分担保公司运行效率是否相对有效，结论如下：首先，纯技术效率过低是担保公司综合技术效率过低的主因。其次，规模效率较低也是担保公司综合技术效率过低的重要因素。最后，纯技术效率的改善空间比规模效率的改善空间更大。在此基础上对综合技术效率相对有效的担保公司的超效率进行进一步比较，认为其分布符合金字塔形，即真正优秀的担保公司较少，大部分担保公司的运行效率还需要改进。对此，提出以下几点建议：
首先，北京市担保行业规模效率较高，但总体上仍处于规模扩张阶段，相当大多数的担保公司依然需要通过规模的扩张达到有效规模；但也有担保公司存在规模扩张过度的现象，需要注重发展中质的提升，即注重自身硬件设施的升级与员工素质的提升。
其次，纯技术效率是北京市担保行业整体的薄弱环节。综合投入产出效率较差的担保公司要想提升自身的综合投入产出效率就应首先提高技术效率。具体可以通过引进人才，加强业务创新投入等方式实现内涵增长，进而提升纯技术效率。
最后，政府部门应加大对担保行业的投入力度，有重点地选择若干家担保公司给予政策倾斜和财政补贴，以扩大行业领军企业的规模，优化行业结构，实现北京市担保业均衡发展。
参考文献：
①崔晓玲，钟田丽.基于DEA的信用担保运行效率求解方法[J].运筹与管理，2010（06）： 117—122
②Anderson P.，PetersonN.C..A Procedure for ranking efficient ynits in data envelopment analysis[J].Management Science， 1993，39（10）：1261-1264
③李博，李启航.经济发展、所优质结构与技术创新效率[J].中国科技论坛，2012（3）：29-35
④薛声家，王清.基于DEA超效率模型的电信业效率及影响因素分析[J].北京邮电大学学报（社会科学版），2010，12（5）：51—57
⑤蒋萍，王勇.全口径中国文化投入产出效率研究——基于三阶段DEA模型和超效率模型的分析，2011，28（12）：69—81
（张文远，北京工业大学经管学院副教授。研究方向：金融计量。王云跃，1988年生，北京人，北京工业大学经管学院应用经济学研究生。研究方向：金融）