使用财务比率的行业绩效评估：自举DEA的应用外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

使用财务比率的行业绩效评估：自举DEA的应用

摘要

在数据包络分析（DEA）中，已使用财务数据/比率以产生统一的绩效度量。 然而，一些学者表示，纳入财务比率会产生有偏见的效率估计，对企业和行业的绩效评估产生影响。本文提供了一个应用程序，通过应用自助技术，利用财务数据评估23个希腊制造业的表现。 结果表明，在灵敏度分析的第一阶段，获得的效率是有偏见的。 然而，在应用自举技术后，灵敏度分析显示效率评估结果已得到显着改善。

关键词

DEA;数学规划;敏感性分析;财务比率

1.简介

Nanni，Dixon和Vollman（1992）认为，在业务变化的环境中，企业保持竞争优势的关键因素是业务战略。在这方面，绩效衡量问题对于设计和实施其战略至关重要。 Melnyk，Stewart和Swink（2004）认为指标和绩效测量在过去几年中受到越来越多的关注，但根据Evans（2004）的观点，从业者需要更好的方法来分析绩效结果，并在竞争比较和基准之间进行分析。组织。另一方面，传统的、基于财务的指标在动态环境中用于商业和行业绩效评估时存在缺陷（Atkinson，Waterhouse，＆Wells，1997）。

管理会计理论家断言需要对非财务绩效指标进行说明，以促进成功实现战略目标（Abernethy等，2005，Ittner和Larcker，1998，Malina和Selto，2004）。在这方面，已采用先进的制造方法来捕捉组织中非财务措施的使用和绩效后果（Fisher，1992，Hertenstein和Platt，1998）。

然而，问题出现是因为财务措施通常更客观，更少受管理层的自由裁量权，但非财务措施通常与关键战略因素有关。在这方面，绩效指标的选择是管理控制系统设计中最关键的问题之一（Banker和Datar，1989，Barkema和Gomez-Mejia，1998，Chen和Chen，2011，Core等，1999）。 ，DeAndreacute;s等，2009，Feltham和Xie，1994，Lee和Pai，2010）。

考虑到传统财务比率是否仍然适合监督组织绩效的争论（Atkinson等，1997，Bushman等，1995，Fisher，1992，Kaplan和Norton，1996）。数据包络分析（DEA）已被用于解决这个问题。通过将非财务和财务指标作为输入/输出变量进行调整的DEA技术为行业和公司绩效评估提供了指标。更具体地，一些研究使用DEA技术来测量行业表现（Destefanis和Sena，2007，Majumdar和Chang，1996，Sun，2011）。 Siriopoulos和Tziogkidis（2009）强调，当研究人员和从业人员使用财务比率分析（尤其是ROE，ROA和成本/收入比率）时，实际上在使用多个输入或输出时无法提供一般效率分数。而包含所有这些选定变量的所谓全局DEA模型（GDM）提供统一的性能指标（Gonzalez-Bravo，2007）。

然而，一些作者在不同的应用中已经阐述了该方法的弱点（Deville，2009，Gietzmann，1990，Halkos和Salamouris，2004，Rouse等，2002）。此外，这种方法受到偏见的结果和高估的效率得分，单位可能被错误地归类为有效或低效，并且无法获得适当的排名或分类（Daraio和Simar，2007，Jenkins和Anderson，2003，Simar和Wilson） ，1998，Smith，1997，Zhang and Bartels，1998）。

为了避免这些问题，已经使用了几种方法，例如：灵敏度分析（Valdmanis，1992）;先验比率分析（PRA），允许识别典型行为，同时深入了解决定单位效率的因素（Gonzalez-Bravo，2007）;和DEA /输出 - 输入比率分析显示两种先前评估效率和排序单位的方法的差异和相似性（Fernandez-Castro和Smith，1994，Smith，1990，Thanassoulis等，1996，Zhu，2000）。

与这些方法相比，本文首次使用了几种DEA模型，将单一措施中的多种财务指标与使用自助技术相结合，如Simar和Wilson，1998，Simar和Wilson，2000，Simar和Wilson所介绍的，通过这种方式，我们提供了一种说明性的方式，说明如何将财务（非财务）措施结合到一个产生无偏结果的单一措施中。利用财务数据，本文测量了23个希腊制造业的表现，为不同行业的不同财务比率采用绩效评估的影响提供了经验证据。此外，它提出了与非财务因素的影响有关的问题，这些因素与所采用的财务指标的选择相关，以及如何使用自助技术避免效率估计中的错误。

论文的结构如下：第2节介绍了理论和数学公式中采用的技术。在第3节中，提出了在拟定模型的公式中使用的各种变量，而在第4节中，讨论了得出的经验结果。最后一节总结了论文讨论我们的研究结果和隐含的方法论意义。

2.提出的方法

2.1. 性能测量

Farrell（1957）介绍了第一个DEA估算器，用于衡量技术效率。然而，当Charnes，Cooper和Rhodes（1978）引入为了估计Psi;并允许连续规模收益的CCR模型时，DEA变得更受欢迎了。这涉及相对于凸包的边界X = {（Xi，Yi），i = 1，...，n）}的给定单位（x，y）的效率的测量。生产集Psi;约束生产过程，是物理可达到的点（x，y）的集合：

（1）

是输入向量，是输出向量。后来，Banker，Charnes和Cooper（1984）引入了一种DEA估计器，允许可变规模收益（BCC模型）。 CCR模型使用凸锥估计Psi;，而BCC模型使用凸包估计Psi;。

Daraio和Simar（2007）得出的符号是由下面的公式得出的：

公式（2）代表Banker等人介绍的BCC模型（1984），允许可变的规模收益（以下称为VRS）。本研究采用VRS规范，遵循Hollingsworth和Smith（2003）的建议，当使用DEA规范中的比率时，必须采用VRS配方，否则会产生不正常的结果，并且会产生技术上不正确的结果。此外，我们使用输出方向公式，因为我们希望按比例扩大输出量而不改变使用的输入量（Coelli，Rao，＆Battese，1998，p.54）。

因此，可以获得给定（x0，y0）的输出效率得分的估计，求解如下所示的线性程序：

2.2. 使用自举技术进行偏差校正

一些作者指出，自举技术的本质是进行推理的另一种方法，其样本量不大或样本分布在分析上难以处理，原因在于非线性或预测试等等（Alonso等，2006，Assaf等，2010，Halkos和Tzeremes，2010，Tu和Zhang，1992）。 Simar和Wilson，1998，Simar和Wilson，2000，Simar和Wilson，2007基于自助技术（Efron，1979）引入了一种方法来纠正和估计DEA效率指标的偏差。

更具分析性，为了构建原始DEA分数的bootstrap样本，我们遵循以下步骤：

为了实现一组bootstrap估计的同源bootstrap算法 对于给定的固定点（x，y），必须执行以下八个步骤：

（1）从原始数据集我们计算出。

（2）然后我们应用“重击规则”（Silverman，1986，p.47-48）来获得带宽参数h。

（3）我们生成通过从集合替换绘图。

（4）然后独立于核心函数K（.）,我们描画并对于每个i = 1，...，n计算。

（5）对于每个i = 1，...，n我们计算如：， 。是用于核函数的概率密度函数的方差。此外可以以此计算为：。

（6）bootstrap创建示例：。

（7）为了获得一组bootstrap估计，我们使用参考集的每个原始样本观察计算DEA效率估计值。

（8）最后，我们重复步骤3-7 B次（至少2000次）以获得一组引导程序估计值。

原始DEA估计的自举偏差估计可以计算为：

此外，是引导值，B是引导复制的数量（在我们的例子中是2000次复制）。然后，lambda;（x，y）的偏差校正估计可以计算为：

然而，根据Simar和Wilson（2008）的观点，这种偏差校正会产生额外的噪声和引导值的样本方差。

需要计算。引导值的方差的计算如下所示：

此外，需要避免（7）中所示的偏差校正，除非：

最后根据Daraio和Simar（2007）的直接规则，当偏差大于标准偏差（sigma;）时，偏差校正的估计必须优于原始值（第153页）。

3.用于经验应用的数据

输入和输出的选择对于获得有意义的结论有用的相对效率非常关键，使用的数据由ICAP（2007年）提供。并根据2005年的资产负债表和损益表提供希腊制造业的全景图。数据由ICAP商业信息部收集和处理，包括所有财务报表。直到6月10日，这些报表是依据希腊法律。2005年这一年是希腊引入国际财务报告准则的开始。

但是，这些主要适用于在雅典证券交易所上市的公司及其子公司，这是我们研究中唯一包含的公司。据ICAP统计，希腊制造业报告资产和营业额增长令人满意。然而，销售额的增长主要是由于油价上涨。不包括炼油部门的制造业营业额持平。整体制造业毛利增长速度比营业额增长缓慢，毛利率从22.4％下调至21.6％。税前收入仅增长1.5％，净利润率降至5.1％，而股本回报率降至9.5％。

我们分析中使用的行业数据来自每个制造业的综合收益表。此外，表1列出了每个部门在雅典证券交易所上市的公司数量。“食品和饮料”部门的公司数量最多（在雅典证券交易所上市的公司数量为1214家），而包含500家公司的“非金属矿产品”部门的公司数量则位居第二。然而，正如预期的那样，由于寡头垄断的经济条件，拥有4家公司的“烟草产品”部门的数量最少。此外，“办公机械，计算机”和“回收”的公司分别排名第二和第三，分别有9家和10家公司。

表1.每个制造业在雅典证券交易所上市的公司数量

表2提供了有关DEA方法中使用的输入/输出的描述性统计数据。继Marie，Rao和Kashani（2009）之后，本文采用金融中介方法来选择变量来表示输入和输出。输入表示决策单位为执行其业务而使用的资源。输出反映了所用输入所需的结果。对投入的这种解释是：促进数量和产出是决策实体的期望结果，可以为行业评估提供有用的视角。更值得分析的是，我们的分析中使用了三种行业投入，即总资产，权益和行政、分配和销售费用。此外，三个行业财务比率（盈利率）已被用作产出指标，以追踪分析行业的表现。表中包含净利润率（税前利润/营业额％），2），权益回报率（税前利润/平均权益％）和资产收益率（税前利润 利息费用/平均资产％）。

表2.分析中使用的财务数据的描述性统计

您可能感兴趣的文章

• 预算创新、信息质量和部门绩效外文翻译资料
• 印度信息技术行业财务分析 ——以威普罗和印孚瑟斯公司为例外文翻译资料
• 真实性与公司治理外文翻译资料
• 财产责任保险公司投资组合选择的决定因素外文翻译资料
• 失衡:中国财政联邦制的意外结果外文翻译资料
• 财务弹性是影响亚洲企业投资效率的因素之一外文翻译资料
• 风险管理在审计中的地位及其重要性外文翻译资料
• 杠杆和公司绩效:机构环境是否重要?外文翻译资料
• 印度尼西亚企业社会、环境与财务绩效之间的关系外文翻译资料
• 为中国纯电动公交行业(PEB) 发展新型商业模式外文翻译资料