智力资本与企业技术效率
——高技术产业上市公司的实证分析

张运华 陈华桥

（江苏科技大学经济管理学院，江苏 镇江 212003）

智力资本与企业技术效率
——高技术产业上市公司的实证分析

张运华 陈华桥

（江苏科技大学经济管理学院，江苏 镇江 212003）

应用动态DEA模型计算78家高技术产业上市公司2010-2014连续5年的技术效率。在此基础上，通过面板数据回归分析的方法探究智力资本与技术效率之间的关系。结果显示，智力资本与技术效率之间显著正相关。研究结果也表明，智力资本对公司的发展至关重要。在动态的商业环境中，高技术公司的管理者们应该投资并充分利用智力资本以获得竞争优势。

智力资本；技术效率；动态DEA

对高新技术产业这样的知识密集型行业而言,已有研究对生产过程中的连续性问题以及智力资本与产业效率的关联度问题关注不够。本文拟从企业的智力资本和技术效率的角度出发,探讨企业智力资本与企业技术效率之间的关系,以期将企业智力资本理论与技术效率理论相结合,为高技术企业智力资本的开发选择与规划提供参考依据。

1 研究框架和数据选取

1.1 高技术产业上市公司的动态经营过程

在如今的动态商业环境中,由于资本分配是主要的经济过程,高技术产业上市公司必须关注基于长期经营效率的变化,对其效率的评价也应考虑到其生产经营的动态性特征。按照会计持续经营假设,公司将长期不断地持续经营下去。持续经营的公司不仅有当前期间的投入与产出,还有连接变量从本期(t)进入到下一期(t+1)。举个例子,公司将本期累计的固定资产结转到下一期。此类科目涉及到会计上的永久账户。

结合已有高技术产业效率的研究,论文所采用的指标体系为：劳动力、研发费用、固定资产、净利润以及价值增加值。从会计周期开始,我们从经营的角度研究高技术产业上市公司的动态过程。图1描述了这种动态的经营过程。每一期的投入变量是劳动力、研发费用和固定资产,其中研发费用和固定资产是连接变量或是永久账户,净利润和价值增加值是每一期的产出变量。表1分类列举了本文使用的投入变量、产出变量以及连接变量。

表1 投入产出变量

1.2 数据的收集与统计

本文数据来源于上海证券交易所和深圳证券交易所披露的上市公司年报。随机抽取了78家高技术产业上市公司的面板数据,时间跨度为2010-2014。表2提供了2010-2014连续5年的投入产出的描述数据。

2 研究方法

2.1 技术效率的测量

Chames和Cooper于1978年提出了第一个数据包络分析(DEA)模型,它是一种非参数数学线性规划技术,已被广泛用于测量高技术产业或更多领域的技术效率。和传统DEA相比,动态DEA是引入了一个时间路径,把上期的连接变量通过时间路径计算到本期,从而更准确地计算长期的技术效率。技术效率的数值在0和1之间,1代表最高效率,0代表没有效率。

由于传统DEA计算技术效率时,把每一年作为孤立的、静态的单元计算,并没有考虑到经营生产的动态性,不能反映动态的经营过程的实际情况。基于此,Tone等提出了动态DEA模型,这一模型在传统的投入变量、产出变量的基础上,引入不同时期之间的连接变量,以此反映生产过程中的动态性。一般而言,角度导向的DEA有投入角度和产出角度两种。在资源有限的背景下,探讨既定投入下最大化产出具有重大的现实意义,因此,论文选择产出角度的DEA,以反映生产过程中资源的利用程度。根据Tone等,基于产出角度的决策单元技术效率表述如下。

图1 动态经营过程

表2 投入产出的汇总统计（N=78）

其中,代表技术效率,wt代表期间权重,代表产出权重代表产出、投入及链接变量的松弛变量,代表链接变量,xiot代表投入变量,代表强度向量,yiot代表产出变量。

运用DEAsolver 9.0软件,计算得出了78家高技术产业上市公司的技术效率,其统计概要如表3所示。

表3 78家上市公司不同年度技术效率

从表3中可以看出,上市公司之间的效率差异较大。总体来看,上市公司的技术效率水平不高。78家公司连续5年的效率均值在0.3152与0.3419之间,标准差稳定在0.32左右。

2.2 智力资本的测量：智力资本增值系数

不同学者对智力资本的界定并不统一,其衡量的指标亦不完全。为了衡量智力资本对高新技术上市公司技术效率的影响,论文根据Public的价值增值系数方法及依据已有研究,给出了衡量智力资本的指标。依据该方法,首先计算高技术产业上市公司的价值增加值(VA)。然后分别计算物质资本(CE)、人力资本(HC)和结构资本(SC)计算VA的效率。就是说VAICTM由三个部分组成,人力资本效率(HCE)、结构资本效率(SCE)和物质资本效率(CEE)。用代数方法表示,公式如下：

CEE=VA/CE

HCE=VA/HC

SCE=SC/VA

VAICTM= CEE+ HCE+ SCE

其中,VA用企业净利润、企业所得税与人工工资之和近似表示,CE用固定资产和在建工程之和近似表示,HC用公司薪酬总额表示,SC=VAHC。

可以看出,三个指标CEE、HCE、SCE中,任意一个指标的上升都会引起智力资本增值的上升。

高技术产业上市公司正面临来自全球竞争的压力。为了应对挑战并在动态的竞争环境中保持可持续增长,公司的管理者们必须依靠公司的资源,包括有形的资产,也包括无形的资产。他们必须认识到只有充分利用发挥公司的智力资本才能使公司更有效率。不管是基于资源型理论还是知识型理论,智力资本对高技术产业上市公司的技术效率都存在正相关影响。

2.3 智力资本与公司效率

基于资源型公司的视角,公司的高效率来源于公司的资源。从知识型公司角度来看,知识才是最重要的生产资源,人力资本被认为是最主要的无形资产,因为它是创造智力资本的源泉。同时,人力资本还能吸收学习集体知识和技能,能够创新革新并更好地为顾客服务。所有这些都是高技术产业上市公司的成长和未来的发展的重要资产。VAICTM的第二个组成部分是结构资本,结构资本包括组织能力、流程、数据和专利。结构资本作为一种机制和结构能够使员工发挥他们的智力资源。也就是说,投资结构资本将会产生更好的公司效率。VAICTM的最后一个组成部分是物质资本。物质资本对于公司的效率影响也是必不可少的。因此,可以认为,智力资本增值系数的三个组成部分均对高新技术上市公司存在显著影响。

从效率值的特征出发,技术效率的取值在0与1之间,存在数据截断问题,所以论文选用tobit回归探讨智力资本与高新技术上市公司技术效率之间的关系,回归模型如下：

Yit=α+X1itβ1+X2itβ2+X3itβ3+X4itβ4+X5itβ5+X5itβ6+εit

其中,Yit代表第i家公司在第t期间的技术效率值,α代表截距,εit代表误差项,X1it、X2it、X3it、X4it、X5it、X6it代表了智力资本解释变量。具体变量描述如表4所示。

表4 相关变量

3 实证结果分析

使用VAICTM方法,测量78家高技术产业上市公司的智力资本。表5给出了独立变量的描述性统计。表5中可以看出,平均人力资本效率(HCE)为2.70,平均结构资本效率(SCE)为0.53,平均物质资本效率(CEE)为0.26。从衡量智力资本的三个方面可以看出,人力资本创造了最大的价值,然后是结构资本,最后是物质资本。这一结果同时说明,公司通过投资人力资本、结构资本和物质资本所获得的增值的程度也是大不相同。

表5 变量的描述统计

Tobit回归分析结果如表6所示,回归结果显示人力资本、结构资本和物质资本对公司的技术效率显著相关。回归结果同时说明公司在智力资本上投入越多,就会得到更高的技术效率。这一结果与已有部分学者的研究一致。

这一发现意味着公司的技术效率可以通过投资人力资本、结构资本和物质资本得到提高。从数据上看,人力资本在智力资本中相关性最显著。因此高技术产业上市公司应该充分利用人力资本提升公司的效率进而增加公司的竞争力。如果没有大量的人力资本的投入,它们很可能在激烈的竞争中被淘汰。除了加强对员工的学习培训,公司还应该保留和招募有能力的员工,因为他们是公司最重要的无形资产。高技术产业上市公司也不能忽视结构资本,结构资本是支持人力资本的结构和制度。只有这样,高技术产业上市公司才能更好地服务它们的客户从而获得更多的产出或产值。总而言之,投资智力资本是高技术产业上市公司得到更好技术效率的关键。

表6 回归结果

4 结论与讨论

4.1 研究期间技术效率均值总体平稳

考虑到生产过程的动态性与连续性,论文应用动态DEA对78家高技术产业上市公司技术效率进行了测度,发现在相同年度,不同公司之间技术效率差异明显,但就其均值而言,保持在0.3152与0.3419之间,相对稳定。

4.2 企业要加强智力资本开发,推动智力资本转化

智力资本的发展对企业技术效率的影响作用是正向显著的。智力资本的组成部分虽然对技术效率的影响程度大小不同,但均具有统计显著性,说明智力资本已成为企业获取经营效率的内在驱动力。随着知识时代的来临,企业最具价值的资源不再是物质资本或财务资本,而是智力资本,这一结果暗示了企业应该在智力资本上加大投入,从而提高企业的技术效率进而增强其竞争力,以在激烈的竞争环境中获得长远的发展。

[1] 胡振华,杨琼.中国高新技术产业创新效率研究[J].科学管理研究,2015(02)：32-35.

[2] Galbraith J K.The Affluent Society[M].2ed.rev.edition.Houghton Mifflin,1969.

[3] Bontis N,Chua Chong Keow W,Richardson S.Intellectual capital and business performance in Malaysian industries[J].Journal of Intellectual Capital,2000,1(1)：85-100.

[4] Ahmed Riahi-Belkaoui.Intellectual capital and firm performance of US multinational firms[J]. Journal of Intellectual Capital, 2003,4(2)：215-226.

[5] Dimitrios G.Mavridis,Pantelis Kyrmizoglou.Intellectual capital performance drivers in the Greek banking sector[J].Management Research News,2005,28(5)：43-62.

[6] Charnes A, Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6)：429-444.

[7] Tone K,Tsutsui M.Dynamic DEA：a slacks-based measure approach[J].Omega,2010,38(3)：145-156.

[8] Pulic A.VAICTM an accounting tool for IC management[J].International Journal of Technology Management,2000,20(5/6/7/8)：702.

Intellectual Capital and technical Efficiency: An Empirical analysis of high-tech industry listed corporations

Zhang Yunhua Cheng Huaqiao

This paper applies the dynamic data envelopment model to evaluate the technical efficiency of 78 high-tech industrial listed firms for the period 2010-2014. Then this study examines the relationship between intellectual capital and technical efficiency using the panel data regression approach. The regression analysis reveals that intellectual capitals are significantly positively associated with firm technical efficiency. Our findings also show that intellectual capital is essential to the development of a company. In the dynamic business world, high-tech firms’ managers should invest and fully utilize capital to gain a competitive advantage.

intellectual capital；technical efficiency；dynamic data envelopment analysis

F204

A

1005-9679(2016)02-0078-04

产业技术创新联盟企业动态能力提升的创新机制与实现路径研究(14AGL001)。

张运华,江苏科技大学经济管理学院,博士,研究方向：科技管理；陈华桥,江苏科技大学经济管理学院研究生,研究方向：科技管理。