证券时报多媒体数字报

  本文运用随机前沿超越对数生产函数和2009-2013年我国中小板上市公司的面板数据,研究了有无PE支持的上市公司技术效率。实证结果表明:1.近五年的时间里,我国中小板上市公司的平均技术效率呈现正增长趋势,有PE参与的上市公司平均技术效率增长幅度大于无PE参与的上市公司;2.有PE参与的上市公司每年的平均技术效率均高于无PE参与的上市公司每年的平均技术效率。这个结论说明了私募股权投资有助于提升中小企业的技术效率,同时支持了PE的监督效应。

  引言

  近年来，中国成为了亚洲最为活跃的私募股权投资市场。私募股权投资的迅猛发展得益于我国创业板的推出，创业板的上市公司创造一个又一个的财富神话，引来无数机构和个人纷纷涌入私募股权市场，大有形成“全民ＰＥ”之势。根据清科研究中心统计数据显示，目前活跃于中国市场的私募股权机构已由１９９５年的１０家增至２０１２年的逾６０００多家。２０１２年共计３６９只私募股权投资基金完成募集，比２０１１年全年的２３５只同比增幅５７．０％，共募集资金２５３．１３亿美元。２０１３年由于国内ＩＰＯ的“停摆”和股票二级市场的低迷，私募股权投资的狂热现象有所趋缓，但中国私募股权市场已进入快速发展的阶段。

  私募股权投资在我国起步较晚，且短期行为较为明显，市场认可度不高，此外我国资本市场的发育程度尚不完全，因此对于私募股权投资对企业的影响，学者所持观点褒贬不一。本选题从定量分析入手，基于中小板上市公司的财务数据，通过对比有无私募股权投资的上市公司的技术效率，验证私募股权投资是否对上市公司的经营绩效起到一定程度的促进作用，得出一些可以借鉴的结论，为我国私募股权投资的发展提供学术支持，也为我国企业的成长提供参考与帮助。

  一、文献综述

  经过几十年的理论探索，国外学者研究私募股权投资对企业影响的理论体系已形成，而国内理论关于私募股权投资的理论研究相对滞后。国内学者对私募股权投资的研究基本上是引用国外的理论进行研究，理论创新稍显不足。纵观国内外关于私募股权投资对企业影响的研究文献，大多集中在对私募股权基金的认证效应、逆向选择效应、监督效应、逐名效应等理论或实证研究上。Ｍｅｇｇｉｎｓｏｎ ａｎｄ Ｗｅｉｓｓ（１９９１）首次提出了ＰＥ对ＩＰＯ企业的认证效应，选取了从１９８３年到１９８７年间的３２０个无ＰＥ支持的ＩＰＯ企业和３２０个有ＰＥ支持的ＩＰＯ企业的作为测试数据样本，通过Ｔ－检测和Ｗａｅｒｄｅｎ非参数测试，发现有ＰＥ支持的ＩＰＯ企业有更高的平均发行数量、更高的平均发行价、相对较低的平均抑价率、上市的准备时间明显较短且更容易吸引到好的工作人员等，这个结果证明了ＰＥ能发挥认证作用。Ｗａｎｇ， Ｗａｎｇ ａｎｄ Ｌｕ（２００３）选取了新加坡上市公司的数据，着重研究ＰＥ在企业上市过程中和企业上市后的作用，他们专注于ＰＥ对投资企业的增值作用，并将企业上市前后的经营业绩和市场绩效作为验证ＰＥ增值作用的指标，验证了ＰＥ对企业影响的认证效应、监督效应、逆向选择效应和逐名效应。曹麒麟，李十六等（２０１２）、曾蔚，游达明（２０１２）、钟晓峰（２０１２）、郭彬彬（２０１２）、邓金超（２０１２）和马翔（２０１３）等以中国创业板上市的企业作为数据样本，研究ＰＥ的认证作用，研究结果均表明中国的ＰＥ对中国企业的ＩＰＯ认证作用是有限的。李曜，张子炜（２０１１）、于晓静（２０１１）、孙茹（２０１１）、杨其静，朱玉（２０１２）等均认同ＰＥ投资企业存在逆向选择效应，若要避免或减少ＰＥ投资过程中的逆向选择和道德风险，可通过投资前的尽职调查和严格合同条款来解决。

  测算上市公司技术效率的文献很多，大多是在研究某一国民经济行业上市公司的技术效或全要素生产率的分解。许陈生（２００７）运用数据包络分析方法探讨了我国旅游上市公司股权结构与技术效率的关系，结果表明酒店类和综合类旅游上市公司的技术效率明显好于景点类公司，同时发现股权制衡度、董事会持股比例和总经理持股比例对旅游上市公司技术效率的提高均有显著的积极作用。毛路（２００９）选取部分制造业上市公司为研究样本，运用随机前沿生产函数与Ｔｏｂｉｔ模型，分析了制造业上市公司的技术效率以及股权结构对企业效率的影响，实证结果表明，从外部给上市公司施加压力，可以使公司不断提高效率，从而提高竞争力。贾全星（２０１２）运用随机前沿分析法对我国新能源上市公司的技术效率进行测算，并讨论了技术效率的影响因素，结果表明近年来我国新能源上市公司的技术效率虽有显著的提升，但是整体效率偏低，并发现企业超额获利能力和员工素质对技术效率的影响是正面的，而第一大股东的国有股性质带来了负面影响。类似的文献还有何颖等（２００８）应用两类随机前沿模型测度我国１５７家全球上市公司的技术效率，分析环境因素对上市公司技术效率的影响；万伦来等（２００９）运用数据包络分析法对我国汽车产业２００６—２００８年的技术效率测算与分析；谢艳英（２０１３）基于ＳＦＡ模型对我国高技术产业上市公司技术效率的研究等。

  目前用技术效率来研究私募股权投资是否对上市企业的技术效率产生影响的文献尚缺，本文试图利用随机前沿分析方法，利用２００９－２０１３年我国中小板上市公司数据，通过对比有无私募投资上市公司的技术效率，考察私募股权投资对上市企业影响性，在此基础上得出相关结论。

  二、研究方法

  １．技术效率的内涵

  微观经济学中通常用生产前沿面与其生产可能集来描述技术效率水平。生产前沿面是一种理想的生产状态，即在当前的技术水平下经济体在既定投入下的最大产出值或者是既定产出水平下的最小投入值，而生产可能集是经济体在当前技术水平下，所有可行的投入产出变量组成的集合。因此，技术效率就是用来衡量在一定的投入条件下，实际产出与最大产出的比值，实际产出越接近最大产出，则比值越接近于１，说明技术效率越高。常用来测算技术效率的方法有数据包络分析（ＤＥＡ）和随机前沿分析法（ＳＦＡ），这两种方法都是通过构造生产前沿面来测算技术效率的，不同的是，ＤＥＡ是一种线性规划方法，不要求确定生产函数形式，而ＳＦＡ依赖于投入与产出之间的生产函数模型的设定。本文选择参数的随机前沿分析法来分析私募股权投资对上市公司技术效率的影响作用。

  Ａｉｎｇｅｒ，Ｌｏｖｅｌｌ和Ｓｃｈｍｉｄｔ（１９７７）年提出了随机前沿生产函数模型：

  ■，

  其中ｙ表示产出，ｘ表示投入，β为一组待估参数，此模型通过引入噪声随机变量，将产出设定为技术无效的非负随机误差与噪声的系统随机误差的函数。产出导向的技术效率是可观测产出值与对应随机前沿产出之比，因此，技术效率

  ■

  ２．模型函数形式的设定

  本文采用超越对数生产函数模型，此模型具有较好的包容性，而且考虑了投入要素间的交互作用。本文采用了两投入要素的超越对数生产函数，具体形式为：

  ■

  其中ｉ表示上市公司，yit表示第ｉ家公司ｔ年度的产出，kit表示第ｉ家公司ｔ年度的资本投入，Lit表示第ｉ家公司ｔ年度的劳动投入，ｔ表示样本的观察年度，β0~β1均为随机前沿生产函数的待估参数，Vit为随机误差项，μit表示第ｉ家公司ｔ年度的技术非效率情况，且假定其服从半正态分布。

  根据随机前沿生产函数中Vit与μit分布假设，采用极大似然估计法计算β0~β1与μit，根据公式（２）确定在观测年度内上市公司的技术效率TEit。

  三、样本数据说明

  １．样本与指标的选择

  本文选取中小板上市公司作为研究对象，并选择２００９年至２０１３年的财务数据样本，根据数据的可得性，最终确定了５１１家上市公司，其中包括有私募股权投资参与的上市公司１７６家，无私募股权投资参与的上市公司３３５家。

  在现有的文献中，大多数学者选择主营业务收入或净利润作为产出指标。净利润是一个综合性较高的指标，受盈余管理影响较大，并且可能出现负值的情况，而主营业务收入可以反映公司最直观的产出水平，且具有非负的特点，可实现数据取对数的操作，因此本文选取上市公司的主营业务收入作为产出指标。投入指标的选择从资本与劳动两个方面考虑，本文选取公司的固定资产净值作为资本方面的投入指标，选取公司的从业人员数量作为劳动投入指标。

  ２．数据来源与处理

  本文使用的４０２家上市公司企业的主营业务收入、固定资产净值和从业人员数量的数据均来源于各公司的２００９年至２０１３年的年报。

  以２００９年为基期，采用商品零售价格指数将各公司观察期内的主营业务收入换成可比价格，采用固定资产投资价格指数对公司每年的固定资产净值进行统一换算。从业人员数量用公司年末的从业人员人数表示。

  四、实证结果与分析

  １． 参数估计与统计检验

  随机前沿生产函数模型的统计检验包括三个方面：γ的取值范围检验、单边似然比的ＬＲ检验、模型参数的检验。

  本文的两个模型（有ＰＥ参与的上市公司生产函数模型与无ＰＥ参与的上市公司生产函数模型）结果由Ｆｒｏｎｔｉｅｒ４．１（：Ｃｏｅｌｌｉ，１９９６）软件使用极大似然法估计出，表１、表２分别列出了有ＰＥ参与和无ＰＥ参与的上市公司样本的随机前沿生产函数模型的各系数估计值以及γ、ＬＲ值。

  ■

  注：＊＊＊、＊＊、＊分别表示１％、５％、１０％的显著水平，双尾检验。

  ■

  注：＊＊＊、＊＊、＊分别表示１％、５％、１０％的显著水平，双尾检验。

  从表１可以看到，有ＰＥ参与的上市公司随机前沿模型的回归结果中γ统计量在１％水平下是显著的，且非常接近 １，说明有ＰＥ参与的上市公司的实际产出与最大产出之间的差距主要来自于随机误差项，噪声因素影响非常小，因此采用随机前沿模型进行估计是必要的。单边误差的 ＬＲ 检验在 １％水平下是显著的，这表明生产函数中的误差项具有明显的复合结构，说明设定的模型在总体上是合理的。从模型的参数估计来看，几乎全部参数通过了显著性检验，大部分在１％水平下是显著的，β2的参数估计值没有通过ｔ检验，但根据随机前沿模型统计检验原理可知，当γ的取值范围检验与单边似然比的ＬＲ检验通过时，模型计算出的技术效率便是可信的。

  同理，通过表 ２中 ＳＦＡ 模型的回归结果，可以得到以下结论：γ统计量在１％水平下是显著的，且非常接近 １，且说明无ＰＥ参与的上市公司的实际产出与最大产出之间的差距主要来自于随机误差项，因此采用随机前沿模型进行估计是必要的；单边误差的 ＬＲ 检验在 １％水平下是显著的，这表明生产函数中的误差项具有明显的复合结构，说明设定的模型在总体上是合理的；从模型的参数估计来看，全部参数在１％水平下显著。因此，无ＰＥ参与的上市公司的随机前沿模型拟合是非常好的。

  ２．技术效率分析

  表３给出了有ＰＥ参与的上市公司和无ＰＥ参与的上市公司２００９－２０１３年的技术效率水平估计值，下图为两类上市公司五年间的技术效率变化图。

  ■

  ■

  ２００９－２０１３年上市公司

  年均技术效率比较

  由上图可以看出，两类上市公司的技术效率均呈现出逐年上升的趋势，但提升速度较为平缓。从时间变化上看，有ＰＥ参与的上市公司的技术效率从２００９年的０．２７５６提高到２０１３年的０．３１０７，无ＰＥ参与的上市公司的技术效率从２００９年的０．１７８２提高到２０１３年的０．１９７８。

  从类别看，有ＰＥ参与的上市公司的平均技术效率水平较高（０．２７５６、０．２８４２、０．２９３０、０．３０１８、０．３１０７），无ＰＥ参与的上市公司的平均技术效率相对较低（０．１７８２、０．１８３０、０．１８７９、０．１９２８、０．１９７８），同年相比均高出十个百分点以上。有ＰＥ参与的上市公司五年间的平均技术效率为０．２９３１，无ＰＥ参与的上市公司五年间的平均技术效率为０．１８７９，有ＰＥ参与的上市公司整体技术效率比无ＰＥ参与的上市公司高１０％。

  五、结论

  通过前文的实证分析，可以得出以下结论：近五年的时间里，我国中小板上市公司的平均技术效率呈现正增长趋势，有ＰＥ参与的上市公司平均技术效率增长幅度大于无ＰＥ参与的上市公司；有ＰＥ参与的上市公司每年的平均技术效率均高于无ＰＥ参与的上市公司每年的平均技术效率。

  这个结论说明了私募股权投资有助于提升中小企业的技术效率，同时支持了ＰＥ的监督效应。具体来说，ＰＥ作为一种新型专业化的金融中介，利用自身专业优势，通过分工、专门金融技术等降低了交易成本；在ＰＥ投资后通过参与企业日常经营，委派董事参与公司重大决策，完善公司治理结构；帮助企业建立高水平的管理团队、选择合适的上市时机、提高企业财务报表的质量等。因此，当一个有ＰＥ支持的企业决定上市时，它一般已经经过了ＰＥ严格的评估筛选，接纳了ＰＥ的注资，并且充分接受了ＰＥ的监督，从而会在技术效率上比无ＰＥ支持的企业更有优势。

  (作者供职于北京华商盈通投资有限公司)