基于DEA模型的新能源车企政府补助的绩效研究

基于DEA模型的新能源车企政府补助的绩效研究

基于DEA模型的新能源车企政府补助的绩效研究

摘 要:基于沪深两市上市的2015—2019年13家新能源车企的数据,利用数据包络分析法(DEA)中的BCC模型,对13家新能源车企政府投入补助所产生的的绩效进行实证分析。结果显示:新能源车企的综合效率水平较低,且整体呈现下降的趋势;尽管新能源车企的综合效率存在较大的差异性,但综合效率高的企业却少之又少;纯技术效率对新能源车企综合效率的影响与规模效率的影响相当;大多数车企呈规模报酬递减,政府应适当控制对新能源车企的补贴。最后,根据以上研究并结合新能源车企所面临的问题提出对策与建议。

关 键 词:数据包络分析法;新能源车企;政府补助;绩效

DOI:10.16315/j.stm.2020.05.005

中图分类号: F407

文献标志码: A

Abstract:Based on the data of 13 new energy automobile companies listed in China’s Shenzhen GEM and Shanghai GEM during 2015—2019, this paper uses the DEABCC model to make an empirical analysis on the performance of Government Subsidies to above new energy automobile companies. The empirical analysis shows that low technical efficiency score exists in the new energy automobile companies and are in the downward trend; Although the technical efficiency score is the difference, the companies who have high technical efficiency score are very few; The pure technical efficiency score and scale efficiency score have the same effect on the technical efficiency score; The government should make the proper subsidies to the new energy automobile companies because most of them suffer from decreasing returns to scale. Finally, based on the above research and the problems new energy automobile companies face, this paper puts forward relevant suggestions.

Keywords:date envelopment analysis;new energy automobile companies;government subsidies;performance

收稿日期: 2020-07-18

作者简介: 周文成(1968—),男,教授,博士,硕士生导师;

赵默涵(1995—),女,硕士研究生.

近10年来,在国家补贴政策的推动下,我国新能源汽车行业取得了长足的进步,一方面,汽车电池的研发与应用技术不断得到提升,安全性能提高了,另一方面,新能源汽车的产销量逐年增长(除了2019年),新能源汽车充电桩也在不断普及。与此同时,政府对行业不断提出了更高的要求,补助处于逐渐退坡的趋势。

目前,尽管政府投入了巨额的补助,但我国的新能源汽车仍处于尚未成熟阶段,诸多问题阻碍着该产业的发展,如研发技术不成熟且成本过高、缺乏相应的基础配套设施、市场竞争力弱等。此外,新能源汽车的销量受政府补助的影响较大,随着补助的退坡,尤其在2019年補助大幅缩减,新能源汽车的销量也随之下滑,很多新能源汽车企业仍依赖政府的补助来维持生存,因此每年补助政策的发布都牵动着市场的神经。在此情况下,本文基于数据包络分析法(data envelopment analysis,DEA)研究政府对新能源车企投入补助的有效性如何,即政府投入补助,使得新能源车企产生了怎样的绩效。在此基础之上,为新能源车企提出优化建议,以提高国家公共资源的使用效率,促进我国新能源汽车形成产业规模,推动技术、研发的进步。

1 文献综述

1.1 数据包络分析法的相关研究

数据包络分析法(DEA)在测量投入产出效率方面的应用已非常成熟,且被广泛运用,纵观国内外学者的研究领域和内容,其使用对象主要分为3类:第1类,使用对象是政府。王莎[1]运用DEA的CCR模型和CCGSS模型,以秦皇岛市政府科技投入与产出为研究对象,并从总量和结构两方面分析秦皇岛政府科技投入存在的问题;Deyneli[2]在研究欧洲国家司法服务效率与薪酬之间的关系时,运用DEA模型测量了欧洲国家的司法服务效率,通过研究发现,国家为司法公职人员付出薪酬与他们的服务效率呈正比。第2类,使用对象是教育科技方面。陈洪转等[3]以我国31所高校为研究对象,分析高校科研经费使用效率情况,并得出我国高校科研经费使用效率不高的结论;李晓静等[4]则是以全国61所“985”“211”高校为研究对象,通过CCR模型得出各高校的效率得分。第3类,使用对象企业或行业方面。熊婵等[5]运用DEA的CCR模型和改进竞争型DEA交叉效率模型,对我国不同地区的高新技术企业的运营绩效进行评价,研究结果显示,我国高新技术企业总体运营效率较低,主要是因为企业发展规模滞后以及投入产出结构不合理;李安渝等[6]结合BCC模型和超效率模型,对沪深两市上市的电子商务企业绩效做分析,他们得出绝大多数的电子商务企业处于规模报酬递增的结论; 综上所述,DEA模型的实证研究范围较广,内容丰富,无论是分析政府投入的经费有效性还是衡量企事业单位的投入产出效率,学者们进行了深入的探讨与研究,为本文提供了的理论依据。虽然DEA模型被广泛运用,但是鲜有文献用此模型来分析新能源车企政府投入补助的有效性,因此本文以此为切入点,并以众多学者的研究为基础。

1.2 政府补助与新能源汽车企业的研究

在对政府补助与新能源汽车企业的研究中,大多数学者主要从新能源汽车企业的绩效出发,研究政府补助对新能源汽车企业绩效的影响,研究方法多样化,如利用经济学理论并构建模型、运用数据分析软件进行实证分析,研究内容主要集中于以下三方面。

一是在产业链不同阶段的政府补贴研究。政府补助对企业绩效的影响主要集中在对终端消费者和下游充电基础设施企业、整车企业的研究,宋海清[7]构建了新能源汽车价格补贴模型,分别推导出补贴生产者和消费者情况下的政府最优价格补贴政策,他得出政府对消费者购买新能源汽车给予补助,不能从根本上增加新能源汽车的销量;Nie等[8]以美国新能源汽车市场为研究对象,也得出了相似的结论,他发现对充电站等基础设施补助比对消费者购车补助更能促进新能源汽车产业的发展;除此之外,在以新能源汽车整条产业链作为研究对象的研究中,崔帅[9]认为尽管政府补助对上中下游企业的影响系数均为正,但对下游企业的影响很小。综上,在产业链不同阶段的政府补贴研究中,尽管学者使用不同研究方法,但得出了普遍的结论:政府补助对下游车企并不能带来显著帮助和明显的作用。

二是补助对象或补助方式的对比研究。一方面,学者对补助对象进行对比研究,除了崔帅对比了新能源汽车产业链上、中、下游企业的政府补助绩效外,董淑兰等[10]也以整条产业链上的企业为研究对象,他们对比了不同性质的企业,即国营企业和民营企业,发现虽然国有企业获得政府补助总额的规模大于民營企业获得的,但政府补助对民营企业业绩提升作用更为显著;另一方面,学者对补助方式也进行了探讨,周茂春等[11]对比了政府研发补助和非研发补助对企业经营绩效和创新绩效的影响,他们认为政府研发补助对企业创新绩效有显著正相关作用,而非研发补助对企业经营绩效有显著正相关作用。

三是补贴退坡的研究。尽管中央政府补助呈现逐年退坡趋势,力度不断降低,范围不断缩小,门槛逐渐提高,但有些地方政府为提高当地经济效益和政府绩效,给予当地新能源汽车企业大量的资金补助,因此结合中央政府和地方政府的补贴政策,范如国等[12]构建了地方政府为实现既定新能源汽车推广目标的最优补贴策略模型,研究结果表明北京新能源汽车存在地方配套比例过高、价格补贴比例上限过高等问题,并提出北京市政府需要对企业补贴进行适当“退坡”的建议;然而2019年,新能源汽车的补助大幅退坡,这必然会引起车辆终端价格的上浮,从而导致产品滞销或企业淘汰出局[13]。随着政策不断降温,下游车企市场即将迎来“大洗牌”,与过去丰厚的补贴相比,如今新能源车企面临着严峻的考验。

在此背景下,结合学者对产业链不同阶段政府补贴研究的普遍结论,即政府补助对下游车企并不能带来显著帮助和明显的作用,本文聚焦下游新能源车企,研究它们对政府补助的运用效率,探讨政府投入补助与企业产出绩效之间的关系。此外,在政府补助与新能源汽车企业的研究领域,学者使用多种多样的研究方法探讨政府补助与新能源车企绩效之间的关系,在这些研究中,很少有学者使用过DEA模型进行分析;因此,本文运用DEA的BCC模型,从政府投入补助的有效性出发,基于沪深两市上市的13家新能源汽车整车企业,研究2015—2019年新能源车企对政府补助的运用效率,对新能源车企政府投入的补助有效性进行实证分析。

2 研究设计

DEA模型是采用线性规划模型来评价投入、产出的决策单元是否技术有效的一种方法,用以衡量投入产出的效率。本文以政府投入的补助作为投入指标,以新能源车企获补助后的绩效表现为产出指标,进而评价新能源车企对补助的使用效率,即评价补助的有效性如何,分析车企所产生的绩效能否达到补助的目的。

2.1 指标选取

本文选取各企业2015—2019年年度报告中的数据,由于指标的选取影响DEA 分析结果,因此在选取指标时应考虑科学性、可比性和可获得性3个原则。在综合考虑科学性、可比性和可获得性3个原则以后,以年报中政府补助为投入指标,以沪深两市上市的13家新能源汽车整车企业的绩效为产出指标,如表1所示。

2.1.1 投入指标

政府补助总额。本文研究的是政府补助,因此基于学者们的研究基础,本文采用政府补助总额为投入指标。

2015—2016年:政府补助总额=计入营业外收入的政府补助。

2017—2019年:政府补助总额=计入其他收益的政府补助+计入营业外收入的政府补助。

2.1.2 产出指标

就管理学的角度而言,企业绩效是组织为实现经营目的而实施的输出从而带来的效益与结果。周国光等认为企业绩效是指一定经营期间的企业经营效益与业绩,主要通过经营者在经营管理企业的过程中对企业经营、成长、发展做出的贡献并取得的成果来体现。本文以此定义为基础,以净资产收益率、营业收入增长率、专利授权数分别作为盈利能力、成长能力和研发能力的指标综合分析企业的绩效。

1)净资产收益率。张凯文[14]认为,政府补助的投入目的在于推广新能源汽车的使用,最直接影响的是企业的营业收入和获利情况。从利润表中的报表项目来看,2017年以前政府补助计入营业外收入,2017年以后不仅计入营业外收入项目,还计入其他收益项目,所以政府补助对企业的利润会产生直接的影响,从而影响企业的盈利能力;因此,本文选用净资产收益率代表盈利能力作为产出指标之一。净资产收益率=净利润/平均净资产×100%。 2)营业收入增长率。政府投入补助的目的之一在于促进行业的快速发展,黄庆庆等[15]认为营业收入增长率的反应出了公司的成长能力和发展前景。在此基础之上,参考张凯文的做法,本文采用的营业收入增长率是与汽车业务相关的收入增长率。

3)专利授权数。政府补助中包括对企业的研发补助,研发补助对企业的研发投入金额产生直接影响,从而间接地影响企业的研发产出能力。专利权是授予专利权人一种独占其技术发明市场利益的权利,代表着企业的研发能力。孙丽文等[16]选择每年专利增加数作为产出指标。方群[17]则选择企业专利产出作为产出指标。参考已有研究,本文选择企业每年的专利授权数作为产出指标。

因部分公司的净资产收益率和主营业务收入增长率为负值,不满足数据为正要求,所以本文进行归一化处理。

2.2 模型概述

效率的研究方法有诸多种,如灰色系统决策法、模糊综合评价法、数据包络分析法(DEA)、随机前沿分析法(SFA)和人工神经网络,在诸多方法中,本文采用了最主流的数据包络分析法(DEA),这种方法避免了因主观因素导致的非准确性,它适用于多投入多产出的复杂系统的绩效评价,且其结果为相对数,不受指标量纲的影响。

DEA模型被广泛应用于经济管理等领域的相对绩效评价。DEA最基础的模型是CCR模型,由于实际应用中多以规模报酬可变为前提,因此贝克在CCR模型中加入约束条件Ιλ=1得到BCC模型,使得DEA模型更加便于应用。本文选择DEA模型中的BCC模型对新能源车企政府补助的运行效率进行分析和评价。

3 实证分析

本文以沪深两市上市的13家新能源车企为研究对象,投入产出指标数据出自于其披露的年度报告、csmar数据库和国家知识产权局官网。本文运用DEAP2.1对上述指标进行分析,如表2~6所示。

3.1 综合效率分析

由表2~表6可知,2015—2019年综合效率得分为1的企业数量保持在2~3家,这意味着這些企业投入产出呈现最佳状态,DEA有效,对政府补助的运用相对效率较高。

此外,2015—2019年13家新能源车企的综合效率呈现严重的两极分化,说明不同的企业对政府补助的运用效率差距较大,综合效率低的企业政府投入补助的有效性较差,补助并不能让企业产生良好的绩效,例如上汽集团、长安汽车等。

根据新能源车企综合效率均值的变化走势,总体而言,综合效率均值呈下降的趋势,2016年和2019年降幅明显。在2016年和2019年DEA无效的新能源车企中,综合效率低于0.5的企业比其他年份要多,拉低了当年的综合效率均值。通过对比13家新能源车企的政府补助金额,发现综合效率低于0.5的企业所获的政府补助金额并不低,如上汽集团、比亚迪的补助金额高达数百亿,但他们的综合效率却垫底,政府补助的运用效率很差,并未达到政府补助的目的。

结合新能源汽车政府补助的趋势,可以发现,在2016年、2019年综合效率均值降幅明显的两年中,政府均发布了与补助相关政策,且对市场而言均是负面消息。2016年新能源汽车的“骗补”风波促使政府加强监管、提高补助门槛,对市场的虚假繁荣进行降温,涉及其中的企业受到政府的严惩,如金龙汽车,2016年金龙汽车的综合效率降幅约为50%,翻阅其2016年年度报告可以发现,金龙汽车的子公司苏州金龙公司因在申报2015年度新能源中央财政补助中存在违规行为而受到财政部、工信部的处罚,不仅自2016年9月起无法承接新能源客车订单,而且从2016年起取消新能源汽车中央财政补助资格,严重影响了其盈利能力,使得综合效率大幅下降。2019年是新能源汽车补助退坡最严重的一年,政府补助大幅退坡,整个新能源车企的综合效率都受到影响,综合效率均值严重下降,仅为0.58,其中,江淮汽车、广汽集团和力帆股份等新能源车企的综合效率均呈现不同幅度的大幅下降,整个车企补助效率堪忧。

3.2 纯技术效率和规模效率分析

纯技术效率(PTE)能够反映企业自身的管理和技术水平[18]。根据新能源车企2015—2019年纯技术效率的均值,可以发现,前3年不断降低,2018年有所上升后又跌到了0.844。从13家车企的数据来看,2015—2019年始终能有大于或等于50%的企业纯技术效率达到1,说明这些企业的技术管理水平较高,其他未达到1的企业,说明他们在技术管理方面有问题,有浪费资源的现象存在。

规模效率(SE)是由自身的规模变动而影响的生产效率,是行业现时规模与行业最优规模之间的差异的体现[19]。由于综合效率(TE)=纯技术效率(PTE)×规模效率(SE),与纯技术效率相比,除2017年规模效率高于纯技术效率,其余年份13家新能源车企的规模效率均值略低,因此本文假设新能源车企综合效率均值偏低主要是由于纯技术效率的制约,并用回归分析法来验证此假设。

本文运用SPSS23软件进行回归分析,将综合效率TE作为被解释变量,纯技术效率(PTE)和规模效率(SE)作为解释变量,回归结果如表7所示。德宾-沃森代表着样本是否独立,本文德宾-沃森值为2.307,说明样本具有独立性。为检测是否存在多重共线性,本文运用方差膨胀因子法(VIF)进行共线性诊断,在共线性诊断中,通常认为VIF值小于10则符合要求,本文的VIF值为1.014,说明不存在多重共线性,可以进行回归分析。由回归结果可知,PTE和SE对TE产生了显著的正向影响,PTE的标准化系数为0.755,SE的标准化系数为0.738,尽管PTE的标准化系数高于SE,但两者相差甚小,因此,新能源车企的综合效率均值低,企业不仅应该调整自身的管理方法和技术水平,还要调整企业的规模,从而提升新能源车企的综合效率。

在2015—2019年新能源车企政府补助的运用效率结果中,规模报酬递减的分别有9家、4家、6家、8家和8家,这说明政府继续增加投入反而会导致企业减少产出,让企业绩效水平下降,因此政府应控制补助的金额,适当补贴;保持规模报酬递增的分别有2家、7家、4家、2家和3家,这说明对于这几家车企,政府继续增加补助力度,企业就可以增加产出;规模报酬不变的分别有2家、2家、2家、3家、2家,基本没有发生变化,说明政府投入的补助金额较为合理。 3.3 结合经营绩效分析

本文整理了2015—2019年上述13家新能源车企与经营绩效相关的数据,包括代表盈利能力的净资产收益率,代表偿债能力的资产负债率,代表成长能力的营业收入增长率以及研发能力的专利授权数,并进行描述性统计,如表8所示。

结合13家新能源车企的综合效率和经营绩效,可以发现两点共同之处:第一,无论是综合效率还是经营绩效(最小值、最大值),企业之间表现出了差异性,且差异较大;第二,综合效率均值和经营绩效均值都呈现下降的趋势,综合效率均值下降说明新能源车企对政府补助的运用效率在降低,经营绩效均值下降说明新能源车企并没有因为政府投入补助而有所进步与发展,反而因政府补助退坡而导致经营绩效不乐观,进一步坐实了新能源车企在很大程度上仍依赖政府的补助来维持生存。

4 结论与建议

4.1 研究结论

本文通过对沪深两市上市的13家新能源车企政府投入补助的有效性分析,得出以下结论:第一,虽然有个别几家车企政府投入补助的有效性较好,但总体而言,新能源车企对政府补助的运用效率较低,这主要是受纯技术效率的影响,此外,大多数车企呈现规模报酬递减,政府对这些企业应适当减少补助金额。政府投入的补助并没有产生预期的绩效和成果,并且随着补助退坡,补助的有效性在逐渐降低,企业的经营绩效也不乐观。第二,新能源车企补助的有效性具有显著的差异性,如2015年第1名力帆股份的综合效率为1.00,最后1名的上汽集团仅为0.167;2016年第1名长城汽车的综合效率为1.00,最后1名的上汽集团仅为0.181,2017年、2018年、2019年第1名和最后1名的差距皆是如此之大,这种差异性很可能是由于各企业的经营水平、可持续发展能力、成长性不同所造成的。对于经营水平高、可持续发展能力强的高成长性企业而言,企业自身具备一定的盈利能力,政府只要适当给予些“外力”,就能产生更显著的作用[20]。第三,新能源车企政府投入补助的有效性更容易受消极的补助政策的影响,消极、突发性的政策会导致新能源车企对补助的运用效率降低。

4.2 建议

通过实证研究部分,本文得出当前新能源车企在政府补助的运用有效性方面存在问题,新能源车企并不能对政府补助加以最优化利用,存在浪费资源的现象,本文据此提出以下几点建议:

1)完善补贴政策,保持适度退坡,给市场缓冲时间。2019年大幅退坡造成了市场反应“过度”,这些反应直接表现在新能源汽车的产销量上,间接则表现在降低了新能源车企对政府补助的运用效率。2019年以前,新能源汽车的补助政策在稳步的退坡之中,虽然补助的有效性随之呈现下滑,但给企业留有缓冲的余地。此外,政府应加快对补贴申请的审核和补贴的下发,从而缓解车企资金紧张的局面,政府对新能源汽车的标准也应尽快制定完毕,从而提升我国新能源标准化工业技术水平[21]。

2)重视研发与创新,重视培养核心竞争力。政府补助不仅是为了推广新能源汽车(推广应用补贴),还为了让车企进行研发创新、攻克技术难题(研发补贴)。新能源车企应加大对关键技术的研发力度,提升电池、电机、电控等关键技术的水平,积极引进国内外优秀人才和先进技术,以培养核心竞争力。目前,我国新能源车企普遍出现与租车平台合作的现象,或者开展网约车等出行业务,这样做不仅可以消化库存,还可以形成出行领域的商业闭环,但这并不是长久之计,培养企业的核心竞争力方能走得更远。

3)加大推广力度,实现“新能源汽车下沉”。我国中小城市较多,因此存在大量的新能源汽车短续航里程市场,新能源车企可以寻找新的目标人群,开发中低端的小型电动汽车,将目标群体从一二线城市转移到三四线城市,甚至农村。目前,新能源汽车的补贴更多的给到了新能源汽车基础设施建设上,如充电桩,随着充电桩数量的普及、质量的提高,必然会给三四线城市带来新的生机,因此新能源汽车“下沉”会是新的发展机遇。

参考文献:

[1]王莎.秦皇岛市政府科技投入绩效分析[D].秦皇岛:燕山大学,2010:1.

[2] DEYNELI F.Analysis of relationship between efficiency of justice services and judges with twostage DEA method[J].European Journal of Law and Economics,2012,34(3):477.

[3]陈洪转,羊震,刘思峰,许静.基于滞后DEA的我国高校科研经费使用效率评价[J].管理评论,2011,23(8):72.

[4]李晓静,王冰,谢佳颖.DEACCR模型在高校科研经费使用效率评价中的应用研究[J].教育科学,2015,31(2):79.

[5]熊婵,买忆媛,何晓斌,肖仁桥.基于DEA方法的中国高科技创业企业运营效率研究[J].管理科学,2014,27(2):26.

[6]李安渝,张昭.财经资讯类网站信息传播效率研究:基于数据包络分析的BCC模型和超效率模型[J].产业经济评论,2015(4):44.

[7]宋海清.新能源汽车补贴政策研究[D].北京:北京理工大学,2015:1.

[8]NIE Y,GHAMAMI M,ZOCKAIE A.Optimization of incentive polices for plugin electric vehicles[J].Transportation Research Part B,2016(84):103.

[9]崔帅.新能源汽车行业政府补贴对研发支出和绩效影响的实证研究[D].杭州:浙江大学,2019:1.

[10]董淑兰,吴钰.政府补助、所有权性质与企业财务绩效:以新能源汽车行业为例[J].现代经济信息,2018(4):381.

[11]周茂春,张笑宇.新能源汽车企业政府补助对财务绩效影响研究[J].辽宁工程技术大学学报(社会科学版),2019,21(4):253.

[12]范如国,冯晓丹.“后补贴”时代地方政府新能源汽车补贴策略研究[J].中国人口·资源与环境,2017,27(3):30.

[13]贾慧慧,姜建华.我国新能源汽车在新补贴政策面临的机遇与挑战[J].市场论坛,2019(7):81.

[14]张凯文.政府补助对企业经营绩效的影响研究[D].上海:上海国家会计学院,2017:1.

[15]黄庆庆,尹雯雯.政府补助对钢铁业僵尸企业的绩效影响研究[J].时代金融,2018(30):139.

[16]孙丽文,吕静韦.创新网络对高新技术产业发展的作用研究:以河北省为例[J].保定学院学报,2013,26(1):48.

[17]方群.吉利汽车低碳技术创新绩效评价研究[D].哈尔滨:哈尔滨理工大学,2016:1.

[18]刘岩,蔡虹,张洁.企业技术合作、知识基础与技术创新绩效关系研究:基于中国电子信息行业的实证分析[J].科技进步与对策,2014,31(21):59.

[19]吕璠,李竹梅.基于超效率DEA模型的物流上市公司经营效率分析[J].商业会计,2013(15):90.

[20]王维,李昊展,乔朋华,等.政府补助方式对新能源汽车企业绩效影响研究:基于企业成长性的深入分析[J].科技進步与对策,2017,34(23):114.

[21]孙世超,苏萌.新能源汽车发展的主要障碍与对策探究[J].科技经济市场,2019(5):157.

[编辑:费 婷]

本文来自投稿,不代表多笔记立场,如若转载,请注明出处:https://www.duobiji.com/156097.html

版权归原作者所有,如有侵权、虚假错误信息或任何问题,请及时联系我们,我们将在第一时间删除或更正。

W 导出为基于DEA模型的新能源车企政府补助的绩效研究.doc文档