英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
研发、广告与企业技术效率:an empirical analysis on Chinese and Japanese中日两国的实证分析 household appliance industry家电行业
贺芳 陈荣
摘要：本研究运用SFA测量和比较中国和日本的家电行业上市公司从2001年到2005年的生产效率与盈利能力。并测试生产效率和盈利效率之间的行业联动的影响，如研发，广告和促销等因素。这些估计表明，研发、广告和促销姿势对企业生产和盈利的长期效率有显著的影响。此外，研发支出在影响公司的技术效率方面比广告和促销更有效。
关键词：研发；广告；企业技术效率；家用电器业；中国；日本。
一、文献综述
中国是世界上增长最快的市场，吸引了很多关于发展和经营绩效的研究（例如，Firth 等人.，2007）。在技术效率方面，学者们试图揭示影响他的因素，如经济改革，政府管制，股权结构，管理体制，公司治理和研发经验（例如，Dutta 等人.，2005；Fan，2000；Jefferson 等人，1996；Shiu，2003）。由于不同的市场环境和不同的内在特征，对技术效率的研究细化到特定行业，包括银行业，保险业，农业，造纸业，钢铁业，交通业，电力业等进行了分析（Green，2004；KOH 等人.，2004；Toru 等人，2005，Cullinane 等人.，2006）。据我们所知，在中国日趋成熟的激烈竞争中很少有人去研究家电行业的技术效率（Firth 等人，2007）。
在竞争激烈的行业，广告和推广以及研发是两个重要的工具（Han和Manry，2004）。例如，在研究公司或产业效率中，一些研究调查的影响，总的来说，在研发投资创造非物质资本资产，预计将有对企业效率的正向影响及其对利润的影响。Dilling-Hansen等人（2003）利用随机前沿分析法（SFA）调查企业研发效率。分析表明，R amp;amp; D通过使用2370家丹麦公司的样本发现显著有效率比其他公司高。Kneller和Stevens（2006）利用SFA调查这两个潜在的来源效率： 在1973至1991年期间九个行业在12个OECD国家的人力资本和研发的差异。他们的研究表明，研发量在产业的稳健发展中非常重要。据我们所知，很少有研究调查广告和促销对效率的影响，更不用说研发与广告促销的影响比较。一个相关的工作是由Luo和Donthu（2005）利用两种方法：DEA和SFA来评估广告客户的媒体支出效率。他们的研究结果显示，前100名营销人员在印刷、广播和户外媒体的广告支出效率不高并只能带来20%的销售额。
为了更好地理解技术效率，也是介绍多项措施的重要意义，并基于面板数据评估其与一些发达国家的差距。所谓共同技术效率是在SFA的一种产出/投入比（Kumbhakar和Lovell，2000）。具体来说，公司的销售将作为输出变量，而输入变量通常包括劳动力、资产（或固定资产）等。总的来说，技术效率也被称为生产效率。在同行业中，销售也反映市场占有并大致表明公司在市场开拓和运营上的效率（Coombs和Bierly，2006）。一个企业的生产效率不等于它的盈利能力，尽管它们可能高度相关。家电企业的盈利能力在长期经营中占有极其重要的地位（Coelli 等人，2002）。在实践中，Green（2004）审查效率低下和一些财务盈利比率之间的关系，发现他们之间的密切联系。因此，在本文中，笔者还研究包括盈利能力对公司效率的影响。在相同的算法（例如，SFA），当输出变量变为另一个变量时，可以衡量其盈利效率的财务利润指数（如毛利），同时保持相同的输入变量时间。当然，通过结合这两种效率，一个相对清晰的轮廓对公司效率可以更好地描述。值得注意的是，评估盈利能力不等同于单纯使用一些普通的纯金融比率[如股本回报率（ROE）和资产回报率（ROA）]，以反映公司的盈利能力和前者在这项研究中的意义。原因如下。众所周知，中国作为一个发展中国家，其证券市场的不成熟并且缺乏监控（Firth 等人，2007）。公司年度财务报告可能隐瞒虚假和欺骗性的信息，一些财务报告比率可能扭曲的.即使在一些发达国家，上市公司的高层管理人员仍然可以为某些目的操纵年度财务报告。显然，当考虑到这些基本输入和输出变量时这种灵活性很难控制。不管怎样，本研究通过测量上述两个技术效率比较研究中国和日本。
本研究的目的是测量和比较中国和日本家电行业上市公司的技术效率在销售和盈利能力的影响，并显示公司之间的技术效率，如研发，广告和推广，经济规模等因素。一般来说，一些最流行的方法对一个公司的效率可以很容易地衡量，例如，SFA，如果你有横截面数据或面板数据。此外，运用公司财务年度报告中的ROE，ROA和其他常见的财务盈利比率可以很容易地计算出效果。
本文的内容框架如下：第2节简单介绍关于SFA的知识。第3节讨论的是数据，第4节介绍了我们的计算结果；第5部分识别效率低下的原因，并解释了中国和日本之间的差异，而6节是结论。
二、随机前沿分析
Meeusen和Van Broeck（1977）提出了SFA的基本模型，在20世纪70年代末，Aigner等人（1977）、和Battese and corra（1977）继续完善，然后乔德鲁等人（1982）、和Battese and Coelli（1988）总结随机前沿文献的估计技术和成本（IN）的效率是大量和快速增长。SFA介绍了两部分的误差项回归模型。一个是一个普通的统计噪声，占测量误差的多少，另一个是干扰术语，捕捉效率低下。在20世纪90年代中期，SFA还有进一步的的发展，基于这些模型，它是研究人员获得到一些与企业的定量关系因素，计算企业技术效率的技术效率。在这些研究中，Battese和Coelli提出的模型（1992，1995）得到广泛的应用，特别是在金融和商业领域。探索公司的技术在我们的样本中的效率，我们采用Battese随机前沿生产函数Coelli（1995）模型。两个SFA模型被提出如下：
在方程（1）和（2）中，双边误差项为，单边误差项为对应缺口公司实际产出的低效率。在麻省理工学院Battese and Coelli（1995）由变量在方程（3）解释并用来表示效率低下。
因为麻省理工学院的一个转换，方程（4）被设置为求解方程（3），得到一个具体的无效率代表值。
在方程（1）和（2）中是相反的，投入生产要素是相同的 ，但输出不同。在两个生产功能，表示中国货币（人民币）的销售价值为公司和其他的一年；表示中国公司的毛利润为美元价值和其他的一年；表示总价值为美元资产的中国企业，年数从i到t；表示一部员工总数；是未知参数。
在前两个方程中，需要估计。在第一个方程的误差项， 表零均值，独立同分布的误差分量在传统的回归方程双面对称。它允许估计努力定位边境本身，从而防止边境被设置离群。片面的错误长期允许边境的识别，使可能的区别企业之间的边界和企业严格低于前沿。因此，变量u对应于企业的短缺或效率低下实际输出。当然，如果所有的公司都处于前沿，所有公司的企业给予他们的投入将获得最高可行的输出（销售或利润）。在这种情况下，由SFA和OLS估计的结果将是相同的。
方程（3）是效率的函数，是Ptimes;1向量变量，这可能影响一个企业的效率；而是1times;P向量的参数估计，和是误差项服从正态分布，但有一个变量包括企业各种效率变量以及其他控制变量。Battese and Coelli（1995）设置参数显然，gamma;必须在0和1之间，一方面也可以测试任何形式的随机前沿生产函数都需要通过测试gamma;参数的意义。如果存在零假设，即gamma;等于零，被接受，这表明为零，因此这个模型可以留下一个规范的参数，可以持续估计使用普通最小二乘数。方程（1）和（3）[或方程（2）和（3）] 中的估计的参数使用最大似然法。
在上述方程（4）给出的模型的技术效率，表示从i到t年公司的技术效率。
SFA允许我们问两个相关的问题：
1、公司是否执行效率？
2、如果不是，效率低下的程度取决于一些因素吗？
SFA并没有需要收集全面的因素，因为它首先显示一部分公司效率低下，然后测试效率如何低下的程度与企业的一些变量的公司差异可用的因素，如资本结构，研发，规模，人力资源，技术进步、广告促销、公司治理等（Dilling Hansen等人，2003；Kneller and Stevens，2006）。这使我们能够分离因素并寻找出测试效率低下的决定因素：如果某些公司低于边界，无论出于什么原因他们都是有效的，我们可能会，也可能无法捕捉与我们选择的一些或全部的效率变量。
笔者运用方程（3），介绍一些因素去解释中国和日本之间的公司的技术效率差异，就像以前的学者一样，例如Dilling-Hansen等人，（2003年），Habib和Ljungvist（2005年），He与Chen（2006年），还有Knellerand和Stevens（2006年）。除了控制变量，例如那些虚拟可变的规模和资本结构的因素，主要包括研发效率的解释与广告索引和他们的积累。这些变量是定义如下：
寻找出中国和日本之间的一些重要的差异，例如，不同的宏观经济环境、制度、公司治理等。在下面的实证分析中，当企业是日本公司时作者让D等于1，当企业是中国公司时，就等于0。本文以它作为控制变量。
是公司从i年到t年的研发支出与销售的比率，这反映了企业的态度和技术创新（Dilling Hansen等人，2003； Habib和ljungvist，2005；Kneller和Stevens，2006）。
这是公司从i年到t年的广告和促销支出的比例，这反映了公司的态度，为了保持声誉和市场分享（Habib和ljungvist，2005；He和Chen，2006）。
是公司从i年到t年的研发支出的累积率，这反映了公司对长期的技术创新。这文章中所提到的研发经费，表示自从1996年销售比的质量（Dutta 等人，2005），结果表明，不同权重对于竞争激烈的家电行业，五年的时间是足够的（Dutta等人， 2005）。为简单起见，作者采用Dutta等人的观点。
是公司从i年到t年的广告和促销支出的累积比年，这反映了公司在相对长期的声誉和市场份额中对维护的态度。严格地说，毫无疑问，广告对企业效率的影响可以分为两种类型。一个是短期效果，这将反映的变量是，以及另一个是长期的影响，这将反映变量。显然，对广告和推广效果的持续时间比研发效果的持续时间较短；因此，作者提出的在广告/销售累积率上依然采用Dutta等人的观点。（2005）。
这意味着公司从i年到t年的大小，它表示企业规模经济的效果。作者让它等于企业总资产与整个样本的平均总资产之比。本文采纳Habib和ljungvist的建议以它作为控制变量。
是指我公司从i年到t年的普通股负债率，反映公司资本结构。这是一个控制变量，作者采取Habib和ljungvist（2005）建议。
三、数据
本文拟利用家电行业2001年到2005年的平衡面板数据进行实证分析。选择家电行业的理由是因为家电行业在中国竞争激烈并且有自由的市场环境。事实上，存在于中国大多数行业都是温和的，或是高标准的，但是你在市场效率方面家电行业竞争优于其他行业。选择的家电企业，这些公司必须至少有50%的销售额来自家用电器产品。此外，这些企业亦须披露足够的财务资料财务报告。显然，很容易得到长期连续的日本上市公司数据，因为日本股市相对成熟且大部分都是日本存在许多年的家电上市公司。相反，He和Chen（2006）提到，当作者转向中国股票时，存在一些问题市场。因为中国股市刚刚从90年代开始，大部分家庭家电公司迟早会上市，因此，我们很难得到一个相对长期的平衡面板数据。值得一提的是中国自2000年以来，家电行业的组织结构发生了巨大的变化，同期国际竞争力迅速增强。最后，我们的样本中有22家中国上市公司和21家日本上市公司。完全地,从2001年到2005年，我们每年都有43家中国和日本上市公司。观察总数为215，中国上市公司的数据来自2001年至2005年期间的财务年度报告及日本资料上市公司来自需要理财的报告。并且综合收集数据时采用财务报告标准。此外，为加强对两国之间的比较，作者把日本货币和中国货币通过中国官方中间年底汇率统一。
表1样本的描述性统计
描述性统计如表1所示。显然，四者的总体均值变量、总销售额、毛利、总资产和员工，从2001年到2005年整个过程中增长缓慢。并且很容易找到四个变量的均值和，分别从2001年到2005年日本公司的值也增加。然而,特别需要指出的是，在中国/日本的意思是输入变量的比率的增长率高于输出变量。例如，在中国/日本的平均销售总额的比率在2001年到2005年间从1.54%增加到2.25%，但从2001年到2005年同样的比例雇员人数由4.86%增至8.66%。总之，日本人公司的数值比中国公司大很多。
四、来自SFA方法的效率
利用Battese and Coelli（1995）的意见采用4.1版的做法，分别计算中国和日本家电企业的生产效率与盈利能力效率。描述性统计和比较如表2所示。从表2，可以得出一些结论如下：
表2 描述性统计和比较
1、从2001年到2005年，平均总生产效率分别为0.560，0583，0.582，0.621和0.625。一方面，国家的生产效率呈现稳定缓慢上升的趋势，另一方面，从2001年到2005年，平均整体盈利效率分别为0.649，0.688，0.691，0.701和0.702。
2、中国产
全文共6118字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[144000]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
