Available online at www.sciencedirect.com

ScienceDirect

Procedia Economics and Finance 32 (2015) 423 – 431

Emerging Markets Queries in Finance and Business

Financial Performance Evaluation of agricultural enterprises with DEA Method

Veronika Fenyves^a,*,Tibor Tarnoacute;czi^a,Kinga Zsidoacute;^a

a,Faculty of Economics and Business, Institute of Accounting and Finance, HUNGARY 4032 Debrecen Bouml;szouml;rmeacute;nyi u. 138.

Abstract

The evaluation of performance is aiming to continuously monitor efficiency and economy of the companyrsquo;s operation and to provide information for corporate decisions. Benchmarking is one means of comparing corporate performance. Nowadays financial indicators are commonly used means in corporate performance analysis, but they can hardly be used as a complex tool of measurement. Adequate performance evaluation and comparability requires a method, a measuring tool, which can measure corporate performance in a complex way. A method is needed, which allows the use of both quantitative and qualitative characteristics; Data Envelopment Analysis (DEA) is a method like that. DEA may complete traditional indicator analysis, especially if the goal is to get more information regarding operational and technical efficiency. Based on the analysis of the chosen corporate data, DEA is presented to be suitable for the comparison and analysis of profit-making companiesrsquo; performance. Variables included in the evaluation are selected by step-wise regression. Benchmarking module of R Statistics is used during the calculations.

copy; 2015 Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/3.0/).

Selection and peer-review under responsibility of the Emerging Markets Queries in Finance and Business local organization.

copy; 2015 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).

Selection and peer-review under responsibility of Asociatia Grupul Roman de Cercetari in Finante Corporatiste

Keywords: performance analysis, benchmarking, financial ratios, Data Envelopment Analysis (DEA), scale efficiency

Introduction: performance evaluation, benchmarking

Performance evaluation and benchmarking are widely used methods regarding corporate process improvements (Baacute;csneacute;-Nagy, 2014), which can be particularly important if there are no standards (benchmarks) available for the evaluation (Orbaacute;n, 2013). Generally speaking, benchmarking is a tool ensuring the comparison between decision-making units (DMU). DMUs can be companies, organizations, business

* Corresponding author:

E-mail address: fenyves@agr.unideb.hu

2212-5671 copy; 2015 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).

Selection and peer-review under responsibility of Asociatia Grupul Roman de Cercetari in Finante Corporatiste

doi:10.1016/S2212-5671(15)01413-6

units, projects, decision-making units or individuals.

In the last two decades a huge change occurred in performance evaluation. Nowadays, evaluation basically (critical success factors. Large number of inputs and outputs make the corporate performance evaluation more difficult (Herczeg, 2014). Traditionally, financial ratios calculated from accounting data were used for performance evaluation and it is still used today. The view was valid for a long time, that different accounting and financial indicators are the most appropriate for evaluation and comparison of corporate performance. From the 1980s the users of traditional methods have been facing growing number of problems, which led to the research of other performance evaluation options. As increasing number of people engaged in corporate performance evaluation from the middle of 1990s, it became a new management discipline. Performance evaluation – applied properly – provides opportunity for management to find out which corporate activity ensures more revenue than cost (Neely, 2004). Performance evaluation helps investors, especially private equity investors to measure the added value of their non-financial services (Becsky-Nagy – Fazekas, 2014). Frontier analysis methods used in performance evaluations can be parametric and non-parametric, deterministic and stochastic methods. Present article introduces a non-parametric method, DEA (Data Envelopment Analysis). The goal is to present how corporate performance can be measured – using DEA method – with determining a complex indicator.

Data envelopment analysis in performance evaluation

One of the biggest problems of financial indicators is dimensional evaluation, so they will not show a proper picture on corporate performance to the management and shareholders (Abdoli et al., 2011). At the same time a method, measuring tool would be crucial, that could measure corporate performance in a proper and complex way. The desirable method makes the use of both quantitative and qualitative characteristics possible. DEA is a method like this; it creates relative efficiency scores, considering more input and output at the same time. DEA usage does not require special functional relations between the input and output characteristics and it is not necessary to assign any statistical distribution to the error term. DEA denotes efficiency and inefficiency is denoted by values between 0 and 1 (Mohamad - Said, 2013). Nowa

全文共26932字，剩余内容已隐藏，支付完成后下载完整资料

基于DEA方法的农业企业财务绩效评价

绩效评估旨在持续监控公司运营的效率和经济状况，并为公司决策提供信息。标杆管理是一种用于比较企业绩效的手段。如今财务指标是企业绩效分析中常用的手段，但它们很难被用作衡量的复杂工具。充分的绩效评估和可比性需要一种能够以复杂的方式衡量企业绩效的方法和衡量工具。需要一种可以使用定量和定性两种特征的方法，而数据包络分析（DEA）就是这样的一种方法。 DEA可以完成传统的指标分析，尤其是如果目标是获得有关运营和技术效率的更多信息。在对所选择的企业数据进行分析的基础上，本文提出，DEA适合于盈利企业绩效的比较分析。评估中包含的变量通过逐步回归来选择。计算过程中使用R Statistics的基准测试模块。

简介：绩效评估，标杆管理

绩效评估和基准测试是关于企业流程改进的广泛使用方法（Baacute;csneacute;-Nagy，2014），如果没有可用于评估的标准（基准）（Orbaacute;n，2013），这可能尤其重要。 一般来说，基准测试是确保决策单元（DMU）之间比较的工具。 决策单元可以是公司，组织，业务部门、项目，决策单位或个人。

在过去的二十年里，绩效评估发生了巨大的变化。如今，基本评估（关键成功因素，大量投入和产出使企业绩效评估变得更加困难（Herczeg，2014））。传统上，会计数据计算的财务比率用于绩效评估，目前仍在使用。长期以来，各种会计和财务指标最适合于企业绩效的评价和比较，从20世纪80年代开始，传统方法的用户面临越来越多的问题，导致其他绩效评估的研究越来越多。随着从90年代中期开始从事企业绩效评估的人数不断增加，它成为一种新的管理学科，绩效评估 - 正确运用 - 为管理层提供了找到哪些企业活动确保收入高于成本的可能性（Neely，2004年）。绩效评估帮助投资者，特别是私募股权投资者，评估其非金融服务的附加价值（Becsky-Nagy-Fazekas，2014）。用于绩效评估的前沿分析方法可以是参数和非参数，确定和随机方法。本文介绍了一种非参数方法DEA（数据包络分析）。目标是介绍如何使用DEA方法衡量企业绩效，并确定复杂的指标。

绩效评估中的数据包络分析

财务指标最大的问题之一是空间评估，因此他们不会向管理层和股东展示公司业绩的正确情况（Abdoli et al。，2011）。同时，衡量工具的方法至关重要，可以以适当和复杂的方式衡量企业绩效。理想的方法使得可以使用定量和定性特征。 DEA就是这样的一种方法;它会创建相对效率得分，同时考虑更多的投入和产出。 DEA使用不需要输入和输出特性之间的特殊函数关系，也不需要将任何统计分布分配给误差项。 DEA表示效率和低效率以0和1之间的值表示（Mohamad-Said，2013）。如今，在匈牙利的营利性公司中，DEA并不普遍。匈牙利的相关文献主要描述非企业部门的应用;然而，以盈利为导向的应用程序的增长趋势仍然不是很大。本文旨在介绍传统财务指标与DEA相结合的绩效评估方法。

DEA模型由Chames，Cooper和Rhodes于1978年提出 - 基于Farell（1957）的前期工作（Charnes et al。，1978）。法雷尔提出了一种活动分析方法来纠正传统指标的弱点。他的主要问题是创建一种通用的效率测量工具，即使在输入和输出数据更多的情况下也可以进行测量（Farell，1957）。 DEA根据观测单位的输入和输出数据创建一个边界。所有被检查数据集的同系单位都与前沿进行比较，并提供了定义相对绩效点的基础（Charnes et al。，1995）。详细的数学规划模型可以在所有参考文献中找到。至于Cooper等（2007），DEA是一种基于数据导向的绩效评估方法，它基于形成DMU的同等特征来计算效率点。 DEA趋向于集中趋势而不是极端值。来自不同领域的研究人员很快认识到，DEA是在营利性和非营利性行业任何业务领域建模操作流程的绝佳方法（Cooper et al。，2007）。在国际文献中 - 从1978年的方法诞生开始 - DEA有着重要的历史。塔瓦雷斯（Tavares）（2002年）收集了1978年至2001年间超过3000份DEA相关出版物，Emrouznejad 等（2008）代表了30年的DEA历史，提到了4000多份出版物。 DEA相关出版物每年都在逐年增加，开始时增加缓慢，但是在90年代中期之后，每年出版的文章数量超过200-250篇，2004年这一数字接近400。

我在计算过程中使用了一个开源免费的R统计系统的基准模块，该模块提供了不同DEA相关方法的应用（图1）。 图1所示的方法在效率和应用算法上是不同的，而且它们的顺序意味着一种排序（Zhu，2009）。 至于上述，除了FDH（自由处理船体）和FRH（自由复制性船体）方法使用线性规划外，DEA是基于线性规划的方法，如图1中的方法，而FDH和FRH 使用混合整数编程。

根据支持规模假设的模型，DEA是不同的。 通常应用两个规模假设：不变的规模报酬（CRS）和可变的规模报酬（VRS）。 后者包括规模报酬递增和递减。 CRS假定输出与输入以相同的比率变化，而VRS假定规模报酬可以增加，不变或减少。 关于规模报酬，效率方面可能有以下选择：

图1基准模块中计算DEA的方法

bull;在输入或输出结果中发生的变化与另一个变化成正比。 这是规模不变的回报，缩减了CRS。

bull;输入结果发生变化，导致产出增加幅度较大。 这是规模报酬递增，简化了IRS。

bull;投入的增加也可能导致产出增加的比例较低。 这就是所谓的规模报酬递减，简化了DRS（Bogetoft - Otto，2011）。

组织的RS（规模报酬）特征可能取决于行业的性质，公司的规模，运营方式和其他几个因素，这可能会限制效率寻求策略。 例如，如果公司的规模是最优的，并且没有完美的竞争，那么就没有交付，人工或财务等限制，只能使用CRS假设。 如果存在限制，则可以避免应用VRS模型规模效率和令人不安的测量问题，否则会导致增长。 因此，VRS模型是最流行的类型。

对于大多数公司来说，使用CRS（恒定的规模报酬）可能被认为是不好的选择，同时这个模型显示效率最好，而且这个指标也出现在规模效率的分子中。

DEA的不同方法也适用于规模效率分析。 规模效率可以通过以下公式确定：

其中SE表示规模效率

规模效率比率表明公司目前规模与最优规模有多接近。 SE比率越接近1，公司规模越接近最佳规模。

DEA方法在财务分析中的应用

DEA可以完成传统的财务比率分析，特别是如果目标是获得更多关于运营和技术效率的信息。 Feroz等人（2003）在他们的文章中介绍了财务指标与DEA效率分数之间的关系。根据他们的观点，财务指标仅提供对公司绩效的特别和部分评估，而增加DEA则可能使更复杂的评估成为可能。

DEA通过使用决策单元的财务数据作为输入或输出提供现代机会进行财务分析，并使用复杂的指标（分数）评估单位的总体财务业绩，而这不能通过由从财务报表得来的单独指标来实现。在分析过程中，DEA创建了一个财务效率边界，并将财务效率分数分配给所有被分析的DMU，并将其与分析中出现的单位进行比较。这种类型的分析的优点是财务业绩方面的研究不是按顺序进行，而是以同步的方式进行研究。在我看来，我们在分析过程中可能会遇到两个困难。首先，选择投入和产出变量（财务指标），其次，从财务报表中获得的数据，其中可能包括来自当前应用的会计实践的差异。第一个问题可以在不同的统计方法的帮助下解决，但我们必须认识到第二个问题是计算的潜在扭曲因素。所分析的公司选自匈牙利农业公司，其主要业务为“谷类和其他作物生长期”。我们在OPTEN公司信息系统中选择了这些公司，并从电子年度报告门户（e-beszamolo）下载了分析数据和年度报告数据。农业公司的年度报告数据是在2008-2012年期间收集的。根据以下两个标准，分析样本的范围缩小：首先，收入的数量，其次是雇员的数量。因此，分析仅涉及营收1亿福林及以上的公司并且至少雇用10人。在230份年度报告中，从样本中扣除了101份，因为它们的年度报告不完整。根据剩余的129家公司财务比率的数据进行计算，及在箱线图的帮助下，47个具有极端数据的公司也从样本中删除。这样，82家公司的年度报告提供了实际处理的样本。我为我的分析创建了4组财务指标，如表1所示。所有计算均在R统计系统中进行。在使用DEA之前，为了正确选择变量，在年度数据上完成后向型多元线性逐步回归，它揭示了应用指标之间的联系，并帮助选取最具影响力的解释变量。

表1分析中的应用指标

逐步回归有助于选择最能影响结果变量的解释变量。逐步回归将Akaike信息标准（AIC）用于有关变量的决策（Rawlings等，1998）。在计算过程中，多元线性回归函数被确定，然后在包括结果变量的对象的帮助下完成逐步回归。应用模块（步骤）不评估每个潜在模型的AIC，而是使用搜索方法，比较模型（Varmuza-Filzmoser，2009）。

资产回报率（ROA）被用作结果变量，其余指标被用作回归期间的独立变量。表2显示了不同年份模型中留下的变量（灰色单元格）以及我建议在DEA模型中每年使用的单独标记的变量（较暗的单元格）。只考虑变量，至少在3年内出现在逐步回归模型的情况下。行列式系数（R2）表明选择并没有显著改变功能的解释性质。

表2 逐步回归的结果

名称 2009 2010 2011 2012

年度

逐步回归的结果用于DEA。 基于上述5个输入和1个输出变量将在该模型中呈现，其结果包括在图2中。

输入变量：负债/总资产; 经营杠杆程度; 财务杠杆程度; 存货周转率; 资产周转率; 输出变量：资产报酬; 总结事实，根据我的观点，逐步回归有助于选择DEA模型的投入和产出变量，从而我们获得了更可用的业绩衡量指标。 在分析过程中，使用每种方法的公司都定义了分数。

表3详细说明了VRS效率比的主要统计特征，表明公司的平均效率从2009年到2012年下降，并且都低于1。同时，表3证实，效率比的相对偏差较好，其中两年的相对偏差低于10％，另外两年的相对偏差不到15％。该表还表明，第三四分位数值相对较高，第一四分位数的值也不太低，这意味着

全文共11057字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[10001]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 哈佛分析框架下的企业经营管理分析：以迪斯尼公司为例外文翻译资料
• 某些财务指标对罗马尼亚能源部门股本回报率的影响——基于Dupont分析的竞争方法外文翻译资料
• 企业并购中的金融风险控制与规避措施外文翻译资料
• 马来西亚公司的企业风险管理做法外文翻译资料
• 伊斯兰金融机制下的中小企业融资困境分析——以苏丹伊斯兰银行为例外文翻译资料
• 塞尔维亚肉类行业盈利能力分析外文翻译资料
• 现金流量表与企业价值：来自台湾的证据外文翻译资料
• 企业价值最大化视角下的财务风险控制与防范研究外文翻译资料
• 财务报表舞弊的原因、后果及防范外文翻译资料
• 澳大利亚借壳上市:探索性分析外文翻译资料