安徽省制造企业管理效率评价研究

刘 伟，刘新跃

(1.安徽工业大学 管理科学与工程学院，安徽 马鞍山 243002；2.安徽工业大学，安徽 马鞍山243002)

《中国制造2025安徽篇》中提到制造业是国民经济的主体，是立国之本、强省之器、富民之基。当前安徽省正处在建设“三个强省”、加快调结构、转方式、促升级的重要时期，也是安徽省从制造大省向制造强省转变的重要时期。面对激烈的市场竞争，制造企业在发展过程中都希望能提高其主营业务收入和降低成本，不断提升其核心竞争力。这就要求企业应该把创新摆在全局发展的核心位置，建立制造业人才大军，提高管理水平，合理使用资源，强化质量管理，加强节能环保技术，构建绿色制造体系。创新分为技术创新和管理创新，其中技术创新一般包括设备的更新、工艺的改进或产品的开发等，管理创新与技术创新不同，它是指管理活动改变的过程，是一种产生新管理思想和新管理行为的过程[1]。现如今管理创新越来越重要，它对任何组织来说都是一种重要的活动，是企业稳定发展的基础、获取经济增长的源泉，同时也是其谋取竞争优势的利器。因此对企业管理效率的评价能够为其管理创新活动提供决策依据。

哈林顿·艾默森认为，所谓管理效率不是要特别努力工作，而是要消除无益的努力和浪费。随着自然资源的不断枯竭，企业应该注重资源的可持续应用及其对社会经济发展的作用。企业管理效率的研究是目前企业管理工作中最为关心的问题之一，它是企业查找自身不足、实现企业目标的重要方法。管理效率是用来衡量企业管理活动中管理要素的配置情况及各种资源使用情况的有效程度, 能反映出其经营状态和管理水平的高低，在很大程度上能体现出企业的综合管理能力及其核心竞争力。管理效率也是一种相对效率, 是企业为实现经营目标所形成的成本与收益或投入与产出之间的对比关系，在资源投入量确定的情况下，产出越多，则资源的使用效率越高[2]。

因此，在资源受限的情况下，制造业企业为提高管理效率应充分利用各种资源并对其进行有效配置，这样有助于提升企业经营效率，同时能提高其核心竞争力，在激烈的市场竞争中保持持久的竞争优势，从而得到更好更快的发展。

一、企业管理效率的评价方法

常用的管理效率的测度方法有因子分析法(Factor Analysis，FA)、AHP层次分析法、以随机前沿分析方法(SFA)为代表的参数方法、以数据包络分析方法(Data envelopment analysis，DEA)为代表的非参数方法等。胡腾飞等的综合因子分析和数据包络分析这两种分析方法的优点对投入与产出的效率进行评价分析，两种方法的结合应用能为决策者提供更加完备的管理信息[3]。吴蓓蕾经过对比分析认为，非参数方法可以根据对象系统数量和指标的变化等进行调整，从而更具有理论和实践的实用性，并通过实例研究证明了DEA是评价企业管理效率的有效方法[4]。张金禄指出许多企业严格意义上都是一个多投入—多产出的决策单位，这时使用非参数法来研究企业的效率远胜于参数法，并运用数据包络分析方法研究国有上市化工企业管理效率[5]。本文是建立一个多投入—多产出的综合评价指标体系，对安徽省10家上市制造企业的管理效率进行评价分析与排序，为得到更加准确的结果，我们采用超效率数据包络分析方法。

(一)数据包络分析方法

DEA是著名运筹学家Charnes,Copper和Rhodes于1978年提出的一种重要的非参数效率评价方法[6]。它是以相对效率概念为基础，以凸分析和线性规划为数学工具，根据多投入和多产出指标，对同一类型的决策单元(Decision Making Units, DMU)的有效性进行评价。由于该方法是纯技术性的，与市场、价格可以无关，对样本数量的要求不高，只需要区分决策单元的投入和产出，便可以直接对DMU进行规模效率和技术效率的分析，无需再定义一个特殊的函数形式，也不需要预先估计参数，所以在避免主观因素、简化算法和减少误差等方面有着极大的优越性。 DEA最初主要应用于一些非盈利部门有效性的评价，如教育、医院、军事、政府机构，后来DEA的应用和研究得到深化和发展，开发出超效率数据包络分析方法(Super Efficiency DEA，SE-DEA)、DEA三阶段评价模型[7]及网络DEA等多种DEA方法，在更广泛的领域得到应用，如金融、经济、企业管理效率评价、投资项目评价等。其核心在于使用数学规划模型计算出具有“多投入—多产出”特征的决策单元的相对效率，并对其有效性进行排序与评价，它能充分考虑决策单元最优的投入产出方案，在提供相对有效性排序及综合评价结果的同时，DEA可以通过“投影”技术对DEA无效的决策单元的薄弱环节进行调整，从而提出改进的可行途径。

(二)数据包络分析模型

SE-DEA模型是由Andersen和Petersen[8]根据传统DEA模型所提出的新模型。传统DEA 模型如最基本的CCR模型可以同时对决策单元规模和技术的有效性进行评价，BCC模型专门用来评价决策单元的技术有效性，而且两个模型都只能区别出决策单元的有效性和无效性，对于出现的多个DMU效率值大于1时，无法进行排序和比较。而SE-DEA模型在评价某个DMU时将其排除在决策单元集之外，以其它决策单元为基础形成新的效率边界，计算排除的决策单元到新效率边界的相对距离值，以确定其效率的高低。由于排除的DMU不在决策单元集之内，这样使得CCR模型中相对有效的DMU仍保持相对有效，同时不会改变在CCR模型中相对无效的决策单元在SE-DEA模型中的有效性，计算出的新的效率值不仅仅是在0～1之间，对于有效的DMU其效率会大于1，使得有效的DMU易于排序和比较，弥补传统DEA 模型的不足[9]。

1.超效率数据包络分析模型

对效率评价函数进行线性规划及对偶规划，引入非阿基米德无穷小量ε，产出对应的松弛变量s+和投入对应的松弛变量s-得到的超效率数据包络分析模型如下：

其中θ为第j0个决策单元的超效率值；λj为输入输出指标的权重系数；θ，λj，s-，s+为未知参量，可由模型求解。

2. SE-DEA模型的含义

(1)当θ≥1且s+=s-=0时，则DMUj0的管理效率是同时DEA技术有效和规模有效，即在这n个决策单元的评价系统中，DMUj0在投入X0的基础上所获得的产出Y0已经达到最优状态；

(2)当θ≥1且s+≠0或s-≠0时, 则DMUj0为弱DEA有效, 即此时的管理效率不是同时技术有效和规模有效。在这n个决策单元组成的评价系统中, 若为了保持弱DEA有效的DMUj0产出Y0不变则应将投入在X0的基础上减少s-；保持投入X0不变时, 可将产出在Y0的基础上增加s+；

(3)当θ<1时, 则决策单元DMUj0为非DEA有效，即为DEA无效的决策单元，可根据X'j0=θ×X0-S-,Y'j0=X0+S+对其进行调整。

二、评价指标体系的构建

要构建一个能够全面、准确地反映出企业管理效率的科学合理的综合评价指标体系，是一项十分复杂的系统工程。科学合理评价方法的选择和评价指标体系的构建，是企业管理效率评价的关键及核心，因此综合评价指标体系的建立必须遵循科学性、客观性、可比性、可行性及可获得性的原则，并能客观地反映企业管理中的投入与产出的实际情况。蔡蔚等通过回归分析法分析中国制造企业管理效率影响因素，表明管理效率与企业经营效率之间存在着密切联系，提升中国制造企业管理效率有助于提升企业经营效率，由此可认为企业管理效率的重要反映是经济效益[10]。因此我们根据数据包络分析方法的特点，结合指标体系建立的原则，通过综合考虑制造企业生产、经营、管理运作与销售等各个方面，选用资产总额、员工总数、主营业务成本、销售费用和管理费用5项指标为输入指标，以主营业务收入、净利润、员工平均营业收入、营业利润率、加权平均净资产收益率5项指标为输出指标，这10项指标构成制造企业管理效率综合评价指标体系，具体见表1。

表1 制造业管理效率综合评价指标体系

三、安徽省部分制造业管理效率实证分析

(一)研究对象

根据上文构建的管理效率综合评价指标体系，基于数据的可得性，选择样本时应考虑样本之间的可比性而确定参考集。因此我们选取安徽省10家上市制造企业作为决策单元对其管理效率进行研究分析。选取的决策单元依次为安徽海螺水泥股份有限公司(DMU1)、科大讯飞股份有限公司(DMU2)、安徽古井贡酒股份有限公司(DMU3)、马鞍山钢铁股份有限公司(DMU4)、安徽口子酒业股份有限公司(DMU5)、铜陵有色金属集团股份有限公司(DMU6)、合肥美亚光电技术股份有限公司(DMU7)、中粮生物化学(安徽)股份有限公司(DMU8)、安徽中鼎密封件股份有限公司(DMU9)、安徽江淮汽车集团股份有限公司(DMU10)。这10家上市企业都在安徽省制造业前50强名单中，对安徽省的制造业具有重要影响，分析和提升这10家制造企业的管理效率，对安徽省实现制造强省的战略具有重要意义。

(二)研究数据

本文通过搜集和分析这10家上市企业提供的2017年度报告，整理出各个指标的具体数据，如表2所示。

(三)研究结果与分析

将表2中各个指标的数据带入到SE-DEA模型，运用MATLAB软件中线性规划工具进行分析计算，最终求得本问题的解，结果如表3所示。

由表3的结果可以看出，超效率值大于1的DEA有效的决策单元有6个，分别为DMU1、DMU3、DMU4、DMU5、DMU6、DMU7，说明这6家企业的2017年投入和产出均达到有效配置。其中决策单元DMU6超效率值排名第一，该企业净利润率相比较而言不是很高，但是其主营业务收入及员工平均营业收入相对较高，而且其管理费用相对较低，这几个方面都能够反应出该企业管理效率较高，从而体现出该模型对制造企业管理效率评价的实用性和可行性。

超效率值低于1的DEA无效的决策单元有4个，分别为DMU2、DMU8、DMU9、DMU10，说明这4家企业2017年的投入和产出未达到有效配置，可根据冗余和产出不足对SE-DEA模型中DEA无效的决策单元作进一步分析，对原有的输入量和输出量进行调整，使其成为DEA有效。根据X'j0=θ×X0-S-,Y'j0=X0+S+，对无效的决策单元进行调整，得到其在生产可能面上的“投影”。以结果分析中的第七名DMU9为例，根据计算公式，使用Excel计算，将其相应的投影值列于表4。

表2 制造业管理效率评价输入数据和输出数据

注：其中X2单位为人，Y3单位为万元/人，Y4、Y5单位为%；其余指标单位均为百万元。

表3 制造业管理效率综合评价结果

表4 无效决策单元DMU9的投影分析表

表4结果表明，决策单元DMU9即安徽中鼎密封件股份有限公司相比较其他有效决策单元尤其是超效率值排名第一的DMU6而言，其公司员工人数相对较多，管理费用较高，由此表明该公司为劳动密集型产业，企业管理效率较低。因此建议该企业应该优化人力资源配置，强化管理，实现要素的合理配置和充分利用，节省不必要的要素投入，这样才能提高其管理效率，从而增加经济效益，提高核心竞争力。同样的，根据“投影”的办法可以得到另外三个无效DEA决策单元管理效率的调整方案。在对无效决策单元进行调整时，发现造成决策单元无效的原因中都有员工平均营业收入相对较低，管理费用投入相对较高。人力资本是企业最重要的管理要素，因此建议制造企业加强对人力资源的管理优化配置。

四、结语

本文采用超效率数据包络分析方法，构建了科学合理的企业管理效率综合评价指标体系，并以安徽省制造企业为例进行实证分析，对其管理效率进行排序与对比。我们认为，制造企业在发展的过程中，不仅仅注重经济效益和管理效率，也要关注其社会责任，注重产品质量和环境保护；要坚持自主创新，始终把创新驱动作为企业发展的利器，实现企业长远的发展；在自身发展的同时带动安徽省制造企业共同发展与进步，推动安徽省从制造大省向制造强省的快速转变。