【《美的并购库卡创新绩效的测度计算分析案例》22000字】

美的并购库卡创新绩效的测度计算分析案例目录TOC\o"1-3"\h\u14769美的并购库卡创新绩效的测度计算分析案例 1313951.1美的并购库卡创新绩效评价模型的引入 133521.1.1基于DEA模型的创新绩效静态评价 1275321.1.2基于Malmquist指数的创新绩效动态评价 534951.2美的并购库卡创新绩效评价指标体系的构建 7128331.2.1指标甄选原则 768511.2.2创新投入和产出指标的选取 8151971.2.3美的并购库卡的创新绩效评价指标体系 10296921.3美的并购库卡创新绩效的测度分析 11156301.1.1美的跨国技术并购创新绩效的静态分析 116341.1.2美的跨国技术并购创新绩效的动态分析 1692171.4同行业可比公司创新绩效的对比分析 18120241.4.1样本公司简介 18124501.4.2静态创新绩效对比分析 19123861.4.3动态创新绩效对比分析 271.1美的并购库卡创新绩效评价模型的引入1.1.1基于DEA模型的创新绩效静态评价进行创新绩效评价不仅是为了明确目标企业的创新状态，更是为了改进现有的创新状态，创新绩效的评价通常有以下七个步骤：设定评价目标；建立评价指标体系；确定创新绩效评价模型；选择评价方法；收集与处理数据；计算创新绩效并进行分析评价；提出相关的对策与建议。影响创新绩效的因素包含定性因素与定量因素，评价理论和实践方法目前仍处于探索研究阶段。国外针对创新绩效评价的理论与模型的研究始于上个世纪90年代后期，而我国创新绩效评价的起步时间较晚。目前国内外实际应用较多的创新绩效评价方法主要为数据分析包络法、主成分分析法、层次分析法、灰色聚类法、模糊综合评价法、人工神经网络法、弱势指标倍数法等，其中数据包络分析法是现阶段应用最为广泛的创新绩效评价方法。数据包络分析法（DEA）是一种用于进行效率评估的方法，研究对象由一系列同质的决策单元（DMU）组成，按照投入与产出指标的数据对决策单元进行效率评价，其思想最早可以追溯到1957年，经济学家MichaelFarrell在分析英国农业生产率时首次引入了前沿性生产函数的概念，用以衡量多个决策单元的生产效率，识别有效率的决策单元，分析其他决策单元缺乏效率的原因和程度，为之后各类参数或非参数的绩效评价方法奠定基础。数据包络分析法的本质是研究探讨各种决策单元是否位于生产可能集的“前沿面”，通过线性规划判断各个决策单元是否为DEA有效状态。为便于直观理解数据包络法的基本原理，利用数据包络前沿面图研究决策单元是否处于DEA有效状态，如图3-1所示为两种投入（X1,X2）和一种产出（Y）的共同生产活动，参与评价的共有A、B、C、D、E五个决策单元，其中决策单元A、B、C、D均位于生产前沿面上，而决策单元E被包络在生产前沿面的内部，此处的生产前沿面就是指系列分线段的等产量组合。该数据包络图对应的经济含义为决策单元A、B、C、D都处于技术有效状态，即产出相对于投入达到了最优状态；而决策单元E为非技术有效的状态。通过将点E与原点O连线能够将非技术有效状态调整为技术有效状态，线段OE与生产前沿面的交点D即为E对应的有效决策单元点。在产出水平相同的情况下，决策单元D所占用的资源比E小，其技术效率（TE）为OD/OE<1，因此决策单元E处于非技术有效的状态。图3-1数据包络分析前沿面图数据包络分析法在不同领域都具有良好的应用，相较传统方法，DEA分析方法的优势与特点主要体现在：首先，它将最初单个输入和单个输出的工程效率概念进行了推广，应用至基于多个输入和多个输出的决策单元有效性评价，克服了只能研究简单个别指标的局限性，拓宽了微观经济里的生产函数理论及其应用；其次，在实际应用的过程中，无需提前确定生产前沿函数的具体表达形式，仍能准确测算投入与产出间的数量关系，只要确定衡量投入与产出的指标即可，避免了对具体函数进行估算时存在的困难与误差；再次，DEA法由于应用范围广，实用性也比较强，能够推广至企事业单位及公共服务机构等，提供更加具有针对性的评价结果，以提出对策建议与改进；最后，数据包络分析法依据线性规划测算有效的生产前沿面，关注DMU是否有效，其本质是最优化，避免了因主观因素、统计方法等因素造成的误差。数据包络法通常与其他参数或非参数方法结合起来一起运用，以解决该方法自身的缺陷，并拓宽应用范围。应用较为广泛的DEA评价模型为C2R模型与C2GS2模型，下面将分别对这两个模型进行介绍。1.1.1.1评价DMU技术和规模综合效率的C2R模型设定某一个评价指标体系有m个投入指标与s个产出指标，分别代表该单元“消耗的资源”和“工作的成果”。评价体系共包含n个决策单元DMU，其中第j个决策单元所对应的投入和产出的向量，分别为Xj=(x1j,x2j,…,xmj)T>0和Yj=(y1j,y2j,…,ymj)T>0(j=1,2,…,n)，可用向量（Xj,Yj）表示第j个决策单元。设定Vi为第i个投入指标Xi（i=1,2,3,…,m）的权重，Ur为第r个产出指标Yr（r=1,2,3,…,n）的权重，且Xij>0，Yrj>0，Vi≥0，Ur≥0（Xij与Yrj为历史数值或预测数据，Vi与Ur为“权”的变量）。对应的权系数投入的综合值为i=1mViXij hj=r=1nU选取最优的权系数v与u，使各决策单元的效率评价指标均达到最大，同时始终满足hj≤1，进而可得该决策单元的最优化效率评估模型： （P）C2Rmaxℎj为便于运算求解，经参数转换后，基于投入C2R线性规划的对偶规划模型： （D）C2Rminθ=V其中，S-、S+分别为投入与产出的剩余变量与松弛变量。λi是构造一个新决策单元组合的相对比例，也就是指权重。θ（0≤θ≤1）为第n个决策单元的综合效率值。（P）代表的经济含义为保持产出不变，将各投入量按同比例θ减少。如果θ＜1，则表明决策单元可用比DMUj0更少的投入而获得同等的产出，这表明DMUj0为非有效的生产活动。（D）代表的经济含义为在不增加投入量的前提下，使产出量较y0以同比θ扩大。设此C2R模型的最优解为λ*，S-*，S+*，θ*，则有：当θ*=1，且S-*=0，S+*=0，则DMUj0为DEA有效。这表明同时满足技术有效与规模有效，该决策单元在x0投入水平上获得的y0产出水平为最优状态；当θ*=1，且S-*与S+*至少有一个不为0，则DMUj0为弱DEA有效。意味着未同时满足技术有效和规模有效；S-*＞0则表明投入冗余，可将投入x0减少S-*而仍保持产出y0不变；S+*＞0则表明产出不足，可以将产出y0提高S+*而保持投入x0不变；当θ*＜1，则DMUj0为非DEA有效。这表明决策单元既没有达到技术有效也没有达到规模有效，可通过将DMUj0的投入降至原投入x0的θ*比例，保持原产出y0不变从而达到最优状态。通过（D）C2R并借助决策单元在相对有效面上的投影，可以找出非DEA有效的原因，并对投入或产出进行相应的调整： 投入调整：X^j0=θ0Xj0－S0- （3-4） 产出调整：Y^j0=Yj0＋S0+ （3-5）调整后得到了一个新的决策单元（X^j0，Y^j0），为（Xj0，Yj0）对应于DEA有效面上的投影，由此将原决策单元调整为DEA有效状态。1.1.1.2评价DMU技术有效性的C2GS2的模型C2R模型存在凸性假设缺陷，即每个决策单元DMU在有效生产前沿面上虽然能够达到技术有效，但未必达到规模有效。Banker等（1984）为弥补这一缺陷，在上述模型基础上增加约束条件λj=1（λj综合效率（TE）=纯技术效率（PTE）×规模效率（SE）改进后研究对象由“整体”变为“个体”，不再同时评价规模有效性和技术有效性，而是仅单纯评价技术有效性。此时的生产可能集T为凸多面体，满足凸性定理、无效性定理与最小性定理：T=（X,Y）（3-6）在该生产可能集上建立评价技术有效性的C2GS2模型，将研究严格集中于单个DMU的生产非规模有效性上，当且仅当该DMU位于有效生产面上，其效率指数为1。 （P）C2GS2minθ=V及其对偶问题： （D）C2GS2max⁡(μ目标函数求得的值为PTE，根据公式SE=TE/PTE，可以求出规模效率SE。其中，TE主要反映决策单元的技术是否充分运用以及发展规模是否恰当，PTE主要衡量当前技术的运用水平，SE主要衡量发展规模是否合理。基于C2GS2模型，企业的DEA有效性有如下三种情况：当PTE=1且SE=1，即TE=1时，则DMUj0为DEA有效，亦称为纯技术有效，表明决策单元技术运用充分，发展规模适当；当PTE=1，SE≠1或PTE≠1，SE=1，则DMUj0为弱技术有效，表明决策单元仅在技术运用或发展规模中的一方面达到最优状态；当PTE≠1且SE≠1时，则DMUj0为非技术有效，此时决策单元的0zxc技术运用和发展规模均未达到最优状态。根据DEA理论，决策单元的技术效率（TE）、纯技术效率（PTE）与规模效率（SE）间的关系为SE=TE/PTE。利用该公式中三者的关系，还能够知悉决策单元DMUj0规模收益的变化情况：若SE＝1，即TE＝PTE，为决策单元规模报酬不变；若SE＜1，即TE＜PTE，为决策单元规模报酬递增；若SE＞1，即TE＞PTE，为决策单元规模报酬递减。1.1.2基于Malmquist指数的创新绩效动态评价1.1.2.1DEA-Malmquist指数的定义DEA模型是一种静态的创新绩效评价方法，是在相同的时点对不同决策单元进行横向分析。经济学家StenMalmquist（1953）最早提出Malmquist指数的概念。Caves等（1982）将Malmquist应用于生产效率的测度，并引入了测算TFP指数的概念。Fare（1992）将DEA理论与Malmquist指数结合后，提出了非参数的线性规划衡量方法，此后该方法得到了广泛应用。基于数据包络分析的Malmquist指数是指运用投入和产出距离函数，对不同周期内的决策单元进行效率变动评估，该方法非常适用于纵向对比分析创新绩效的动态变化，其优点主要包括：第一，DEA-Malmquist能够弥补传统DEA模型的不足。传统的DEA模型局限于对横截面数据的静态创新绩效评价，无法比较不同阶段的创新绩效水平。而DEA-Malmquist指数采用了面板数据，借助距离函数计算，求得能够进行垂直纵向比较分析的指标，通过动态分析追溯创新绩效动态变化的影响因素。第二，Malmquist指数弱化了数据质量对结果的影响。将Malmquist指数分解为技术效率变动和技术进步变动两部分，技术效率又能进一步分拆为纯技术效率与规模效率。由此可得更为细致的动态研究结果，分析创新绩效动态变化的深层次原因。Caves等（1982）提出基于投入的单投入单产出模型，基于投入的模型即在一定产出组合下，以最小投入值与实际投入值的比例测度技术效率值。此时，决策单元DMU全要素生产率变化的Malmquist指数为： Mti=Dti(xt,yt)/Dti(xt+1,yt+1) （3-9） Mt+1i=Dt+1i(xt,yt)/Dt+1i(xt+1,yt+1) （3-10）该指数的基本原理概况如下，xti，yti分别代表第i个决策单元在t阶段的投入与产出；xt+1i，yt+1i分别代表第i个决策单元在t+1阶段的投入与产出。Dti(xt+1,yt+1)被定义为距离函数，表示用第t期的技术为参照衡量所得的t+1期技术效率水平，同理可得其他三个距离函数的含义。Mti,Mt+1i衡量以第t期和t+1期为标准时，技术效率下全要素生产率的变动。Fare（1992）为解决生产技术参照系的选取较为随意的问题，采用Mti与Mt+1i的几何平均值进行计算，其表达式为： Mt+1i(xt+1,yt+1,xt,yt)=Dit此后，学者们普遍采用该方法计算Malmquist生产率变化指数，以衡量不考虑外部制度或技术变化等因素时，决策单元创新绩效的提升情况。若指数值大于1，则全要素生产率为正增长，创新绩效提升；若指标值小于1，则全要素生产率为负增长，创新绩效下降；若指标值恒为1，则创新绩效保持不变。1.1.2.2MalmquistTFP指数的分解Fare等（1994）研究全要素生产率增长的深层因素，是由于技术水平以及资源配置效率得到改善。技术效率水平和规模效率水平共同决定了资源配置效率水平，因此Malmquist指数可以分解为技术效率变动（EFFCH）与技术进步变动（TECHCH）两部分。技术效率变动又能进一步分解，为纯技术效率变化（PECH）与规模效率变化（SECH）。因此，MalmquistTFP指数的变换形式可以用以下公式表示： TFPCH=EFFCH×TECHCH=（PECH×SECH）×TECHCH （3-12）（1）技术效率变动（EFFCH）技术效率变动代表技术效率的进步情况。是指连续两个阶段资源配置效率水平的变化程度，与技术水平的变化无关。技术效率变动EFFCH由纯技术效率变动PTECH与规模效率变动SECH的水平共同决定。 EFFCH=Dit+1（2）纯技术效率变动（PECH）经济学中产业当期的技术水平可以用生产前沿面表示，生产前沿面是由不同水平下的投入可获得的最大产出组成。纯技术效率变动又称为“追赶效应”，主要衡量技术与规模不变情况下，相对生产率在不同阶段的变化，以判断DMU是否更靠近当期相对生产率的前沿面。PECH＞1表明技术创新和发展规模保持不变时，决策单元在第t+1阶段较第t期更接近生产前沿面，相对纯技术效率获得提高。与之相反，PECH＜1表明相对纯技术效率下降。而PECH=1时，则纯技术效率保持不变。 PECH=Dvt+1（3）规模效率变动（SECH）如果一个决策单元是DEA有效状态，那么它将在生产前沿面上运行，但此时该DMU仍可以通过改变规模效率来提高其全要素生产率。规模效率能够反映不同阶段决策单元规模收益的变化情况，SECH＞1则第t+1期决策单元的生产较第t期更趋近于技术最优规模点；SECH＜1则第t+1期决策单元的生产较第t期更远离技术最优规模点；SECH=1则规模效率不变。 SECH=Dvt（4）技术进步变动（TECHCH）技术进步变动又称为“前沿面的移动效应”，将决策单元DMU第t期给定投入向量下的产出水平与第t+1期可行的产出水平进行比较，衡量决策单元受技术进步变动的影响程度。TECHCH＞1，则相对技术进步，生产前沿面上移；TECHCH＜1，则相对技术退步，生产前沿面下移；TECHCH=1，则相对技术不变，生产前沿面保持不变。 TECHCH=Dit由此可得MalmquistTFP指数分解后的表达式，规模报酬可变的情况用v表示，而规模报酬不变的情况用c表示。 TFPCH=Dit+1=D综上，MalmquistTFP指数非常适于评价美的集团跨国技术并购库卡的创新绩效动态变化。一方面，美的集团的科技创新能力受到内外部错综复杂的环境影响，并购库卡后美的又连续发生了多起并购事件，同时还发生股份回购、高管变动等公司大事件，外部例如国家宏观层面的调控也会对创新效率产生较大影响；另一方面，集团内部的创新投入与产出并非简单线性关系，多投入与多产出的创新系统使得其绩效评价难以只采用一个简单直观的指标进行测算。Malmquist指数可以综合评价连续两个时间段内全要素生产率的变动，将单一指数分解为PECH、SECH、TECHCH等多个指数，当其中某项的变化率大于1时表明其为提升综合效率的原因，反之某指数小于1时即为导致效率下降的原因，由此能够反映美的跨国技术并购的创新绩效受内外部因素的影响情况。1.2美的并购库卡创新绩效评价指标体系的构建1.2.1指标甄选原则指标体系的建立是进行评价研究的前提与基础，对企业的创新绩效进行评价体系构建时，指标的甄选对数据分析的结果至关重要。借鉴国内外学者们在创新绩效评价指标选取方面的研究，本研究遵循以下五点原则来甄选创新投入产出指标，从而构建指标评价体系。（1）科学性构建科学合理的指标评价体系是确保数据结果可靠性的必要条件，所选指标应当具体且明确，各指标间能够进行静态与动态比较，不可出现限定性指标。（2）真实性所选指标数据的来源必须真实可靠，不采用数据不可获的指标，本文所选投入产出指标的数据来源为企业年报、Wind数据库、Bloomberg数据库以及国家专利统计数据库。（3）系统性构建指标体系时应体现其内在逻辑，指标间既要相互独立又要具有相关性，应选取与创新产出显著相关的创新投入指标，并且需保证计算口径、核算时间、计量处理等方面一致。（4）谨慎性所选的指标与构建的模型应在充分学习前人研究成果的基础上，结合自身研究目标谨慎甄选，准确反映研究对象创新绩效的真实情况，不可凭主观偏好臆断。（5）实操性所选指标在充分反映企业创新投入产出的前提下，应尽量避免重复的、非必要的指标进入评价体系，构建的指标体系必须保证可以落实并通过检验，确保实质性的应用是可行的。1.2.2创新投入和产出指标的选取通过研究国内外学者们评价创新绩效的指标体系，可知尽管所涉及的个别指标存在差异，但总体上从投入与产出两个角度进行分析，本文将按“投入—产出”路径分析。由于美的集团在2013年整体上市，故选取公司2013年至2019年的相关数据作为分析对象，以每一年的数据作为独立的决策单元，共计七个决策单元。因数据包络分析法规定投入产出指标数之和不宜超过决策单元数，故文章选取的投入产出指标数之和不得超过七个。遵循以上原则的同时，借鉴前人学者的相关研究成果，本文共选取四个技术创新投入指标与两个技术创新产出指标构建评价指标体系，并且投入产出指标的选取均考虑绝对指标与相对指标结合的方式，以使得评价体系更客观科学。（1）技术创新投入指标技术创新活动中所需要的直接资源即人力投入与财力投入，所选取指标同时包含绝对指标和相对指标，便于更清晰直观地研究企业技术并购后的创新投入水平。首先，人力资源是首要资源，技术研发人员是高科技型企业的核心，研发人员投入情况是反映企业技术创新情况以及对创新重视程度的重要指标。现阶段我国技术创新仍处于政府研究机构主导型阶段，超过80%的人员集中于高等院校和科研机构，而企业自身拥有研究机构和研究人员的比率较低。近几年我国制造业研发人员得到快速的增长，但与西方发达国家比较而言，我国企业的研发人员投入强度仍处于低位水平。因此，研究选取研发人员数量（X1）这一绝对指标与研发人员占公司员工总数的比例（X2）这一相对指标来分别衡量美的集团并购库卡后创新型人才投入的情况。其次，财力投入是保障企业技术创新活动顺利开展的前提条件，研发资金投入强度反映企业对技术创新意愿的强弱，同时能衡量企业的核心竞争力与可持续增长的潜力。近几年，我国企业技术创新经费的投入每年都有接近20%的增长，但研发支出占产品收入比例仅为0.5%，远低于发达国家5%的水平。美的集团研发费用主要为职工薪酬、折旧与摊销、试制产品与材料投入，以上加总占研发费用总额的比例超过80%。本研究选取研发支出（X3）这一绝对数和研发支出占营业收入总额的比例（X4）这一相对数来分别衡量美的集团并购库卡后研发资金投入的水平。（2）技术创新产出指标企业技术创新形成的产出成果可以由知识和经济两方面进行衡量。研究所选取的创新绩效评价指标如表3-1所示。表3-1创新绩效评价指标的选取评价要素一级指标二级指标指标说明创新投入人力投入X1研发人员企业科技活动人员数量X2技术人员强度研发人员数量/员工总数财力投入X3研发支出企业当期在研发上的支出总额X4研发投入强度研发支出总额/总营业收入创新产出知识产出Y1发明专利申请数企业当期专利申请数量经济产出Y2新产品销售情况美的机器人事业部收入/总营业收入数据来源：根据相关文献以及作者研究设定。从知识产出方面衡量，知识产出方面的成果包含专利权、商标著作权以及技术诀窍等，为便于评估与衡量，研究选取可较为直观反映企业技术创新成果的专利数量作为衡量指标。专利的形成需要经过从申请至授权的一个周期性过程，且并非所有申请的专利都能被授权。部分学者选取授权专利数作为衡量指标，但当期申请的专利可能需要两到三年时间才能被授权，该指标具有一定滞后性，不能真实反映企业当期的创新产出水平。此外，专利授权容易受到政策导向及制度体制等多方面影响，具有较大不确定性。我国专利法确立的专利类型分别为发明专利、实用新型专利和外观设计专利此三种，其中最具含金量且最难取得的是发明专利，也最能代表企业的研发创新能力。因此，研究选取公司当期发明专利的申请数量（Y1），作为衡量企业创新绩效的产出指标之一。从经济产出方面衡量，企业创新绩效的最直观成果，就是新产品和新技术的开发所产生的市场利润，其营业收入水平能直接体现创新水平的转换能力。美的集团自2017年完成收购库卡集团后，设立机器人与自动化系统板块，2021年更迭为机器人与自动化事业部，因此研究选取美的集团机器人及自动化系统分部的营业收入占公司营业收入总额的比率（Y2），作为衡量创新绩效的经济产出指标，该指标可以体现美的集团的资源整合能力与创新能力。此外，选取该指标作为控制变量，确保所测算的创新绩效变化是由于美的集团并购库卡集团所致，以剔除其他并购事项等影响因素。1.2.3美的并购库卡的创新绩效评价指标体系基于指标甄选原则以及美的集团的特点，本文对美的并购库卡创新绩效的评价指标体系进行构建，按照“投入—产出”的路径分析，选取四个创新投入指标与两个创新产出指标。同时，为确保评价结果的客观准确，结合绝对数指标与相对数指标以综合衡量企业的创新绩效，所构建创新绩效评价体系的具体指标数值如表3-2所示。表3-2美的并购库卡创新绩效评价指标体系评价要素二级指标2013201420152016201720182019创新投入研发人员6258900286728741105201232113727技术人员强度5.748.329.39.0710.3310.7410.18研发支出30.0040.0052.6360.4685.0098.1196.38研发投入强度2.472.811.81.81.531.781.46创新产出发明专利申请数2781433665857787982170284540机器人收入占比11.189.819.02数据来源：Wind数据库、上市公司年报。首先，从创新投入角度进行分析。研发人员数量在2014年大幅提升，同比上涨41.85%；2015年有所回落，此后2016年至2019年期间始终保持稳定增长。技术人员强度即技术研发人员占员工总数的比重，在2013年至2015年间保持增长，2016年略微回落；2017年至2018年继续上升，且超过占比10%；2019年该指标略微下降，技术人员强度为10.18%。研发支出金额在2013年至2018年间逐年上升，由30亿元增至98亿元，2019年研发支出为96亿元，较2018年同比下降1.76%。而相对数指标研发投入强度，即研发支出占营业总收入的比重自2013年至2016年逐步提升，2015年与2016年达到最大值1.8%，此后有所回落，2019年研发投入强度为1.46%。其次，从创新产出角度进行分析。美的集团发明型专利的申请数量从2013年至2017年保持快速增长的态势，2017年报告期内申请发明型专利数9821件，占当年全部专利申请数的52.94%，但2018年该指标开始走下坡路，2019年报告期内发明专利申请数仅为4540件，与2014年的产出水平相近。美的集团的机器人及自动化事业部于2017年设立运营，即并购德国库卡后的第一年，其营业收入的绝对数在2017-2019年间分别为270.37亿元、256.78亿元以及251.92亿元，机器人及自动化事业部营收占公司营业总收入的比重分别为11.18%、9.81%以及9.02%，由以上数据可知美的跨国技术并购库卡后，库卡机器人的业绩表现连年下滑，下调盈利预期之后为缩减成本，库卡又进行了大规模裁员。接下来，本研究将采用数据包络分析法，利用所构建的评价体系，从静态和动态两个视角具体分析此番跨国技术并购究竟有无对美的集团的创新绩效和盈利水平带来大的助力。1.3美的并购库卡创新绩效的测度分析本研究选取美的集团2013年至2019年的数据，数据来源于上市公司年报、Wind数据库、Bloomberg数据库、CSMAR数据库以及SooPAT专利网数据等，运用DEAP2.1软件从静态视角和动态视角两个维度入手，对美的跨国技术并购库卡前后的创新绩效进行分析。1.1.1美的跨国技术并购创新绩效的静态分析对比分析不同的数据包络法模型后可知，基于规模报酬不变假设的C2R模型仅能用来测算各决策单元的综合效率，缺少对综合效率的进一步分解。而基于规模报酬可变假设的C2GS2模型，在测算出综合效率后，对其进行进一步的分解，更详细地分析效率值变化的深层原因。因此，研究采用规模报酬可变假设下（VRS）基于投入导向的C2GS2模型，对各决策单元进行DEA有效性以及规模效益增减变动的静态分析。1.1.1.1总体效率分析在静态分析过程中，不考虑规模收益的规模效率即为综合效率，同时该指标也能用于评定决策单元资源配置的能力。考虑规模收益时的技术效率为纯技术效率，企业管理和创新技术等因素均会影响纯技术效率。规模效率是指在一定管理水平下，最优规模和现有规模间的差异。纯技术效率与规模效率是综合效率的进一步分解指标，通过比较各决策单元的综合效率、纯技术效率以及规模效率的值来分析美的集团跨国并购库卡前后创新绩效的变化，对各决策单元的有效性和规模收益的变化进行判断后，进一步对美的集团的投入冗余或产出不足情况进行分析。在规模报酬可变（VRS）假设下，将每一年的数据作为一个DMU决策单元，对不同年份的数据进行测算，运用DEAP2.1软件测量得出基于投入导向的C2GS2模型计算结果如表3-3所示。表3-3美的集团2013-2019年创新绩效静态指标年份综合效率TE纯技术效率PTE规模效率SE规模报酬变动20130.7201.0000.720规模报酬递增20140.8421.0000.842规模报酬递增20150.9711.0000.971规模报酬递增20161.0001.0001.000规模报酬不变20171.0001.0001.000规模报酬不变20180.8440.9090.928规模报酬递增20190.8230.9610.856规模报酬递增mean0.8860.9810.902-数据来源：由DEAP2.1测算得到。美的集团2013-2019年综合效率、纯技术效率、规模效率以及综合效率线性趋势的走势图如图3-2所示。图3-2美的集团2013-2019年创新绩效趋势图从纯技术效率PTE横向趋势来看，美的集团2013年至2017年的纯技术效率值均为1，表现为纯技术效率有效；但2018年纯技术效率值降至0.909，为纯技术效率无效；2019年该值回升至0.961，表现为非纯技术有效状态。从各决策单元的角度分析，总体可分为以下三个阶段。第一阶段为2013年至2015年，其中2013年美的集团综合技术效率为0.720。由于规模效率小于1，导致总体技术效率为DEA无效，这说明企业内部存在研发资源投入配置不合理的情况。但该年PTE=1，即为纯技术效率有效，说明该年企业创新绩效表现良好。分析其原因可能是美的集团2013年整体上市后，进一步优化完善产业链，通过资源的有效整合提高了创新绩效。2014年美的集团的技术效率为0.842，由于规模效率无效而导致了技术效率无效，规模报酬呈现递增趋势。这说明创新投入方面需要优化改进，创新投入不足导致其SE偏低。2015年美的规模效率表现较2014年有所增长，SE值为0.971，规模报酬递增，集团在创新投入方面已经有所改进。第二阶段为2016年至2017年，美的集团于2016年首次达到近年来技术效率、纯技术效率以及规模效率均为1的有效状态，且规模报酬保持不变，这一年正是美的向库卡发起要约收购的当年；并购完成后的第一年即2017年美的集团保持DEA有效状态，各效率指标均为1，规模报酬不变。美的集团在要约收购库卡的关键两年DEA均处于有效状态，说明美的集团在该期间技术创新效率表现良好，企业的创新资源实现了较好的配置，并且资源得到充分利用，没有研发资源浪费的现象；此外，企业的内部管理水平良好，公司高层管理者重视技术创新工作，新产品新技术的开发井然有序，且产出表现良好。第三阶段为2018年至2019年，美的集团2018年技术效率值为0.844，三个效率指标值均小于1，为非DEA有效状态，并购库卡并没有对美的创新绩效产生持续性的改善，并购后的第二年美的集团的纯技术效率为近7年来首次无效，结合库卡当年业绩同比下降6.8%以及股价大跌的情况来看，美的集团对库卡集团并购后的资源整合差强人意。2019年美的集团技术效率值进一步下降至0.823，尽管技术效率有所回升，但主要是规模效率的持续下降导致总体技术效率非DEA有效，且比2018年的创新绩效表现更差，规模报酬呈现递增趋势，说明企业存在着内部资源配置不合理，美的集团在资源整合与改革重构组织架构方面需要进一步优化提升。1.1.1.2投入产出分析根据1.1.1.1节分析结果可知，美的集团在2013-2019年这七年中，只有2016年与2017年处于绝对DEA有效状态。2013-2015年处于纯技术效率有效状态，2018年处于纯技术效率与规模效率均无效状态，2019年为近似纯技术有效的状态，这说明了集团存在投入冗余或产出不足情况。因此，进一步研究无效率的决策单元，探讨其创新投入与产出可改进的空间，深入分析跨国技术并购对美的集团创新绩效带来的影响。DEA模型可分为投入导向与产出导向两种类型。投入导向的模型研究满足一定产出的最小投入量，产出导向的模型研究实现一定投入的最大产出量。结合家电行业特性与美的集团的经营模式，大多数生产是以订单为驱动，尤其是机器人及自动化事业部的生产均在下游客户订单生成之后开展，部分情况下还需要针对客户的特殊需求进行个性化定制，因此其产出目标是明确的或可预计的，企业决策主要以缩减冗余投入、控制成本为目标，由此分析可知基于投入导向的DEA模型对于评价美的集团创新绩效更为合适。如表3-4所示为基于投入导向的C2GS2模型下投入产出改进分析，径向改进（radialmovement）指投入或产出同方向同比例进行改进，正值表示同比例扩大，负值表示同比例减小；松弛改进（slackmovement）指是针对径向改进后，仍然未达到最优状态的情况进行改进，只针对目标变量而非对投入产出同方向同比例改进。表3-4基于投入导向2013-2019年美的集团创新绩效详细分析年份变量原始值径向改进松弛改进目标值2013Output12781.0000.0000.0002781.000Output20.0000.0000.0000.000Input16258.0000.0000.0006258.000Input25.7400.0000.0005.740Input33000000000.0000.0000.0003000000000.000Input42.4700.0000.0002.4702014Output14336.0000.0000.0004336.000Output20.0000.0000.0000.000Input19002.0000.0000.0009002.000Input28.3200.0000.0008.320Input34000000000.0000.0000.0004000000000.000Input42.8100.0000.0002.8102015Output16585.0000.0000.0006585.000Output20.0000.0000.0000.000Input18672.0000.0000.0008672.000Input29.3000.0000.0009.300Input35262600000.0000.0000.0005262600000.000Input41.8000.0000.0001.8002016Output17787.0000.0000.0007787.000Output20.0000.0000.0000.000Input18741.0000.0000.0008741.000Input29.0700.0000.0009.070Input36045800000.0000.0000.0006045800000.000Input41.8000.0000.0001.800表3-4（续表）年份变量原始值径向改进松弛改进目标值2017Output19821.0000.0000.0009821.000Output22703706.0000.0000.0002703706.000Input110520.0000.0000.00010520.000Input210.3300.0000.00010.330Input38500000000.0000.0000.0008500000000.000Input41.5300.0000.0001.5302018Output17028.0000.0001930.3178958.317Output29.8100.0000.0009.810Input112321.000-1115.612-1207.6549997.733Input210.740-0.9720.0009.768Input39810805000.000-888325230.280-1096451147.1807826028622.540Input41.780-0.342-0.0381.4002019Output14540.0000.0003920.8578460.857Output29.0200.0000.0009.020Input113727.000-534.775-3495.6539696.572Input210.180-0.397-0.3409.443Input39638137000.000-375481414.453-7437388191.3457437388191.202Input41.460-0.1350.0001.325数据来源：根据DEAP2.1测算得到。美的集团2013-2015年处于纯技术效率有效状态，其投入产出的ratialmovement和slackmovement值均为0，因此无需对其进行改进。并购当年2016年以及并购后的第一年2017年，美的处于DEA有效状态，无需改进投入产出，跨国技术并购对美的短期创新绩效起到了促进作用。完成并购库卡后的第二年，即2018年美的集团处于非技术有效状态，需要对研发人员数量（Input1）、技术人员强度（Input2）、研发支出（Input3）以及研发投入强度（Input4）的投入冗余部分进行径向改进缩减，径向改进后对仍未达到有效的研发人员数量、研发支出以及研发投入强度进行松弛改进；此外，发明专利申请数量（Output1）存在产出不足，应当进行松弛改进增加1930.317。美的跨国并购库卡后的第三年即2019年DEA为非有效状态，需要对研发人员数量（Input1）、技术人员强度（Input2）、研发支出（Input3）以及研发投入强度（Input4）的投入冗余部分进行径向改进缩减，径向改进后对仍未达到有效的研发人员数量、技术人员强度以及研发支出进一步改进缩减；此外，第一产出发明专利申请数量（Output1）应当进行松弛改进增加3920.857，以弥补产出不足的问题。通过上述分析可知，美的在跨国技术并购库卡的当年与并购后第一年的创新绩效得到了短期提升，表现为DEA有效状态；但是好景持续时间不长，自2018年起，集团创新绩效便出现下滑，资源整合情况不佳，2019年集团DEA效率进一步降低，结合库卡公告下调盈利预期、股价大幅下跌以及高管、技术人员大规模离职等事件分析，此次并购对美的创新效率的提升作用并不够理想，对集团实现转型科技集团目标的战略意义有待商榷。1.1.2美的跨国技术并购创新绩效的动态分析为进一步分析美的集团2013-2019年创新绩效的动态变动情况，本研究采用Malmquist指数法。利用DEAP2.1测算出美的集团技术效率变动值（EFFCH）、技术进步变动值（TECHCH）、纯技术效率变动值（PECH）、规模效率变动值（SECH）以及技术创新效率变动值（TFPCH），测算结果如表3-5所示。表3-52013-2019年美的集团技术创新效率变动及其分解年份技术效率变化指数EFFCH技术进步变化指数TECHCH纯技术效率变化指数PECH规模效率变化指数SECH技术创新效率变化指数TFPCH2013-20141.0001.2121.0001.0001.2122014-20151.0001.3311.0001.0001.3312015-20161.0001.1171.0001.0001.1172016-20171.0001.1101.0001.0001.1102017-20181.0000.6661.0001.0000.6662018-20190.8290.8311.0000.8290.688mean0.9691.0171.0000.9690.986数据来源：根据DEAP2.1测算得到。美的集团2013-2019年技术创新效率及各分解项目的动态变化情况折线图如图3-3所示。图3-3美的集团2013-2019年技术创新效率变动及分解项折线图首先，从整体发展趋势上来看，近年来美的集团的创新绩效经历了“增长—衰退”的过程，增长阶段为2013年至2017年，衰退阶段为2018年至2019年。自2013年至2017年，美的集团TFPCH均大于1，尤其是2015年较2014年创新效率增长了31.1%，增幅为近7年来最显著。2017-2018年期间，美的集团技术创新效率开始出现大幅下滑，全要素生产率为0.666，年平均下降31.4%，而这一年正是美的完成并购库卡的第二年；到2018-2019年期间，美的集团创新效率依旧呈下降态势，TFPCH值为0.688，降幅达到31.2%。其次，从影响因素分析，美的2013-2018年技术效率变动值EFFCH为1，其分解指标纯技术效率PECH与规模效率SECH也均为1。这意味着这六年其技术效率未发生变化，美的集团创新绩效的主要影响因子是技术进步水平TECHCH。2018-2019年美的技术效率EFFCH近年来首次出现下降，因此2019年技术创新效率TFPCH是在技术效率变动EFFCH与技术进步变动TECHCH的双重影响下持续降低。具体来看，2013年至2017年期间技术进步变动值TECHCH均值为1.193，技术进步效率的增长推动了整体技术创新效率的增长，这一阶段创新效率的增幅平均达到19.2%；2017年至2019年技术进步水平逐年下降，这期间技术进步变动值TECHCH均值为0.644，平均降幅达到35.6%。2018年至2019年美的技术效率EFFCH近年来首次出现下降，下降幅度达17.1%，分析其内在原因可知纯技术效率PECH并无变化，主要是由于规模效率SECH下降所致。这一阶段技术效率变动与技术进步变动均处于下降趋势，其中EFFCH较上年降低17.1%，比TECHCH降幅更大，受二者共同影响，TFPCH值出现了显著下滑，同比下降31.2%。由以上DEA-Malmquist动态分析可知，美的集团2013-2019年期间的创新效率指数的变化为波动下降，技术创新效率变化指数TFPCH近7年平均值为0.986。在美的集团跨国技术并购库卡集团前，技术创新效率呈现逐年增长趋势；而并购完成后，技术创新效率反而降低，此动态分析结果与上文C2GS2模型得出的静态分析结果一致，跨国技术并购并未给美的集团带来预期中的创新能力大幅提升，美的集团在技术进步层面的水平有待进一步提升，分析其原因可能是并购合同限制以及库卡原核心技术人员大规模离职所致。1.4同行业可比公司创新绩效的对比分析本文从家电行业A股排名前十位的公司中选取六家企业作为比较对象，以所构建的同一指标评价体系进行创新绩效衡量，与美的集团2013-2019年的创新绩效对比分析，以更客观清晰地分析美的集团跨国技术并购库卡后的创新绩效。这六家企业分别为格力电器（000651.SZ）、海尔智家（600690.SH）、海信电器（600060.SH）、苏泊尔（002032.SZ）、九阳股份（002242.SZ）以及老板电器（002508.SZ）；所选取的投入产出指标依旧是以绝对数和相对数结合的原则进行客观评价。首先，采用数据包络分析法的C2GS2模型对同行业可比公司创新绩效进行静态对比分析，并对具体的投入产出指标进行描述性对比分析；其次，运用DEA-Malmquist指数对同行业可比公司创新绩效进行动态评价，将美的集团创新绩效与同行业其他公司的均值进行对比，再对各个公司2013-2019年的整体数据进行综合测算，以期更公允地评价美的跨国技术并购库卡后的创新绩效对其行业内地位和成长空间有无显著正向促进作用。1.4.1样本公司简介本文所选取样本公司如表3-6所示，其中既有成立时长较久的行业龙头企业，如格力电器、海尔智家；也有进步飞速的新鲜血液，如苏泊尔、九阳股份与老板电器；还有起步虽早，但逐渐被超越的海信家电。所选取样本公司的主营业务覆盖家电行业白电、厨电、小家电等各个领域，总体市值排名均位于家电行业前十，故通过分析这些同行业可比公司，第一可以直观了解家电行业竞争格局，第二能够对比分析美的集团创新绩效方面的优劣势，第三帮助研究跨国技术并购库卡对美的行业地位的影响作用。表3-6样本公司简介企业名称成立时间上市时间市值排名主营业务美的集团1968年1993年1智能家居、暖通楼宇、机器人自动化格力电器1991年1996年2空调、高端装备、通信设备等海尔智家1984年1993年3空调、冰箱、洗衣机等白色家电海信家电1969年1997年9电冰箱、电视机等家电、通讯设备苏泊尔1998年2004年7厨房用具、不锈钢制品、小家电九阳股份2002年2008年10豆浆机、电磁炉等小家电、厨房用具老板电器2010年2010年8吸油烟机、灶具、消毒柜等厨房电器数据来源：根据Wind数据整理而得。1.4.2静态创新绩效对比分析1.4.2.1总体效率对比分析利用数据包络分析法的C2GS2模型，采用所构建的同一创新绩效指标评价体系，对同行业可比公司2013-2019年的创新绩效进行静态分析，将可比公司的综合效率、纯技术效率与规模效率的均值与美的集团进行对比分析，测算结果如表3-7所示。表3-7同行业可比公司2013-2019年创新绩效静态对比年份综合效率TE纯技术效率PTE规模效率SE美的集团可比公司均值美的集团可比公司均值美的集团可比公司均值20130.7200.4331.0000.9800.7200.43620140.8420.4141.0001.0000.8420.41420150.9710.5221.0001.0000.9710.52220161.0000.5981.0001.0001.0000.59820171.0000.6931.0001.0001.0000.69320180.6880.6720.8230.9680.8370.68520190.4720.4760.7900.9630.5970.494mean0.8130.5440.9450.9870.8520.549数据来源：根据DEAP2.1测算得到。首先，从综合效率角度对家电行业企业的创新绩效进行静态分析可知，美的集团2013-2019年的综合效率平均值为0.813，高于可比公司0.544的综合效率均值水平，更趋于生产前沿面。美的集团的整体创新效率位于行业首位，符合其家电行业龙头企业的地位。如图3-4综合效率对比分析图所示，从趋势上来看，美的集团与可比公司的创新绩效综合效率在近年来均呈现先上升后下降走势，但美的集团综合效率的下降幅度更大。以2017年为节点，2017年及之前美的集团的综合效率远远超出同行业可比公司；但跨国技术并购库卡后，2018年美的集团综合效率下降至0.688，仅略高于同行业可比公司0.672的综合效率均值；至2019年，美的集团的综合效率表现进一步下降至0.472，而同行业可比公司的综合效率均值为0.476，美的集团的创新效率表现首次比可比公司平均水平要低。由线性趋势线也可以观测出，从2013-2019年美的集团创新绩效综合效率整体下行，而同行业可比公司综合效率的均值水平整体趋于上行，随着时间推演，两条线性趋势线或将出现交点。图3-42013-2019年综合效率对比分析折线图其次，从纯技术效率角度进行静态对比分析可知，美的2013-2019年的纯技术效率平均值为0.945，而同行业可比公司的纯技术效率均值为0.987，美的集团的纯技术效率表现比同行业可比公司平均水平差。其主要原因是由于跨国技术并购库卡集团后，美的集团2018年与2019年的纯技术效率不再处于1的有效状态，并且同比下降幅度过大，拉低了其近七年的平均值；而同行业可比公司的均值水平较为稳定，尽管2018年也出现了纯技术效率下滑，但波动幅度较小。如图3-5纯技术效率对比分析图所示，由线性趋势线也可以观测出，从2013-2019年美的集团纯技术效率与可比公司该指标的均值都处于整体下行走势，但美的集团的下行趋势线更为陡峭。图3-52013-2019年纯技术效率对比分析折线图最后，从规模效率角度进行静态对比分析可知，美的集团2013-2019年的规模效率平均值为0.852，高于同行业可比公司0.549的纯技术效率均值。美的集团2013-2019年每年的规模效率均高于同行业可比公司均值，集团企业规模发展方面具有一定优势。如图3-6规模效率对比分析图所示，从趋势上来看，美的集团规模效率与可比公司的规模效率均值在近年来均以2017年为节点，整体呈现先上升后下降走势。从美的集团与同行业可比公司的双周期移动平均趋势线来看，美的集团2018年与2019年的规模效率下降幅度更大，但因其一直高于同行业其他公司，即使规模效率水平下降也仍处于行业高位水平。图3-62013-2019年规模效率对比分析折线图综上所述，美的集团的静态创新绩效整体水平优于同行业可比公司均值水平，但跨国技术并购并未对其创新绩效产生明显的促进作用，相反自并购库卡集团之后，美的集团创新绩效的各项效率值不增反降，先前积累的先发优势不断受到损耗。1.4.2.2创新投入产出指标对比分析接下来对美的集团与六家同行业可比公司2013-2019年的创新投入产出指标进行具体描述性统计分析，将绝对数值与相对数值结合进行同行业横向对比，研究跨国技术并购库卡前后美的集团创新投入产出的变化。（1）技术人员强度对比分析对样本公司2013-2019年的技术人员规模、员工总数规模以及技术人员强度进行对比分析，如表3-8所示。表3-8样本企业2013-2019年技术人员比较指标企业2013201420152016201720182019技术人员（人）美的6258900286728741105201232113727格力572965947353772991551180814251海尔765779081009710293113011494116679海信4617511247184305446946634195苏泊尔1086111612701245123113321414九阳569579545486514520576老板251390423516662709714员工总数（人）美的1090241081979324796373101839114721134843格力72150714197056171690852228880088846海尔55726522866308274570768968744799757海信33090345603293533967337433285834500苏泊尔11293122671250012717127171279512296九阳3705371634212637246626652949老板2832298531573720395244564513技术人员强度（%）美的5.748.329.309.0710.3310.7410.18格力7.949.2310.4210.7810.7411.316.04海尔11.7314.5715.8311.814.717.0916.72海信11.9514.7914.3312.6711.2414.1912.16苏泊尔9.619.110.169.799.6810.4111.5九阳15.3615.5815.9318.4320.8419.5119.53老板8.8611.0711.411.8716.7515.9115.82数据来源：Wind数据库、企业年报。纵向比较美的集团2013年至2019年员工的绝对数量，技术人员呈现先上升后下降继而再上升的趋势，员工总数为先下降后上升趋势。横向比较同行业企业水平，美的集团的员工总数规模为家电行业第一名，但其技术人员数量仅在2014年为行业内第一，此后2015-2018年均为海尔的技术人员数量最多，至2019年海尔有技术人员16679人，格力有技术人员14251人，二者数量都超出美的集团13727名技术人员数。美的集团技术人员强度整体呈现波动上升趋势，2014年技术人员强度大幅增加是由于该年技术人员数量上升的同时员工总数削减。美的集团在2014年投入了大量机器人设备到生产线，并于当年提出了“智慧家居+智能制造”的双智战略，吸收引入了大量的技术人员。处于整体增速下滑的家电行业，在面对新一轮的产业调整时，需要寻找到可持续发展的盈利增长点。因此，2015年美的集团开始布局收购库卡集团，布局机器人产业，优化产业布局。收购库卡带来了技术人员的增加，由上表数据可知美的集团在2017年技术人员增量大于其余六家企业。2018年，美的集团收购小天鹅，其技术人员数量与员工总数进一步增加。2019年美的集团技术人员增速放缓，技术人员强度有所下降，与此同时格力和海尔的技术人员数量获得较大提升。2013-2019年样本公司技术人员强度走势如图3-7所示。图3-72013-2019年样本公司技术人员强度走势图总体来看，美的集团的技术人员强度在家电行业内并不占优势，例如海尔智家、九阳股份以及格力电器在技术人员强度方面的数据更为亮眼，美的集团应当加强后期的资源整合以及全球研发的布局，增加技术人员数量，适当控制冗余的其他类型员工数量。（2）研发投入强度对比分析研发支出与研发投入强度能够在一定程度上直观反映企业对技术创新以及自主研发的重视程度，一般认为高科技企业的研发投入强度应当在3%以上。样本公司2013-2019年的研发支出、营业收入以及研发投入强度的对比分析结果如表3-9所示。表3-9样本企业2013-2019年研发投入比较指标企业2013201420152016201720182019研发支出（亿元）美的30.0040.0052.6360.4685.0098.1196.38格力28.0037.3129.0635.7957.6772.6860.11海尔20.9324.0024.6132.4945.8951.9867.11海信5.075.635.085.747.2710.0811.35苏泊尔2.632.871.141.521.844.034.53九阳1.701.752.082.182.672.981.30老板0.811.141.501.952.332.932.99营业收入（亿元）美的1212142313931598241926182793格力1200140010061101150020002005海尔8658888971191159318332008海信244265235267335360375苏泊尔8495109119142179199九阳53597173728294老板27364558707478研发投入强度（%）美的2.472.811.801.801.531.781.46格力2.332.662.891.251.891.671.03海尔2.42.72.72.72.882.941.34海信2.082.122.162.152.172.81.03苏泊尔1.141.012.882.952.712.262.28九阳1.192.942.952.971.681.641.53老板1.051.171.311.361.321.951.86数据来源：由本文作者整理得测度结果纵向分析研发支出绝对数值可知，美的集团2013-2018年的研发支出逐年增长，仅2019年有所回落；横向比较，美的集团每年的研发支出均为行业首位，远超于海尔、格力等其他同行业公司，可见美的集团非常重视研发投入且资金实力雄厚，成长潜力较大。作为家电行业近两三年增长势头显著的龙头之一，海尔智家的研发支出从2013年至2019年每年均在稳定增长，尤其以2017年与2019年同比增幅最为明显，至2019年其研发支出绝对数已经超过一直坚持“自主创新”的格力电器，居于行业研发投入第二名。格力电器2013年与2014年的研发支出金额与美的集团相差不大，但2015年开始二者间的差距逐渐拉大；2017年与2018年格力加大研发投入，同比增幅分别达到61.13%与26.03%；然而2019年其研发支出又有所回落，呈现负增长17.29%。从营业收入来看，美的集团一直领跑家电行业其他公司，收入差距在完成并购库卡后的第一年即2017年达到最大，2017年也是美的营业收入增长幅度最大的一年，较2016年同比增长51.38%。此外，2015年是美的集团七年来唯一出现营收负增长的一年，也是同行业企业总体营业收入增幅最小的一年。分析其原因主要由于2015年全球经济震荡，我国宏观经济进入“新常态”，加之房地产市场低迷等因素的多重作用下，整体增速下滑的家电行业面临较以往更艰巨的挑战。在此背景下，美的集团进行了技术并购，以推动技术创新和销售渠道创新，跨国技术并购后美的短期的营业收入大幅提升，但从长期对创新绩效的提升效果来看，促进作用有限。再横向比较家电行业的另一龙头企业海尔智家，随着近年来研发投入强度的不断增加，其营业收入也在逐渐增长，至2019年已经超越格力电器，以2008亿元营收跃居行业第二；而格力电器2013年与2014年的营业收入还能够与美的集团并驾齐驱，自2015年开始差距逐渐拉大，同比涨幅较小，2019年营业收入2005亿元位于行业第三。纵向分析研发投入强度可得，美的集团除2013年与2014年的研发投入强度低于3%外，其余年度的研发投入强度均在1.4%以上，2015年和2016年达到近年来峰值1.8%，2017年与2019年处于1.5%左右的相对低位，2013-2019年美的研发投入强度平均值为1.38%；横向同行业比较可知，美的集团的研发投入强度在行业内处于领先水平，仅次于六家可比公司里老板电器1.43%的研发投入强度；此外，格力电器也非常重视研发，其研发投入强度近七年来的均值水平达到1.10%。而苏泊尔的研发投入强度相对于其他可比公司较弱并且连年走低，近七年来研发投入强度均值为2.75%，低于3%的衡量界限，这也体现在其市面上所销售的产品近年来并无大的推陈出新。样本公司2013-2019年的研发投入强度趋势如图3-8所示。图3-82013-2019年样本公司研发投入强度趋势图（3）专利申请数量对比分析专利申请数量能够较全面的反映创新情况，代表企业自主创新的中间成果，可作为判断技术创新水平的重要指标，其中发明专利的创新含金量最高。样本公司2013-2019年的发明专利申请数、全部专利申请数以及发明专利申请数占全部专利申请数量比例的对比分析结果如表3-10所示。表3-10样本企业2013-2019年专利申请数比较指标企业2013201420152016201720182019发明专利申请数美的2781433665857787982170284540格力1297163723784091408176078634海尔2761313035364141573662054660海信152164292600484374120苏泊尔7947137168405369172九阳22385273135186256老板2021222485106115专利申请总数美的658692401286715433185521562011034格力413852896652974588761543316748海尔39284410511057808341100727950海信525576809152114321293528苏泊尔42939510291765299832013033九阳2523595161020123012041770老板128135152231403468509发明专利申请占比（%）美的42.2346.9351.1850.4652.9444.9941.15格力31.3430.9535.7541.9845.9849.2951.55海尔51.7458.0566.1669.0666.4661.6158.62海信28.9528.4736.0939.4531.8128.8922.72苏泊尔18.4111.9011.319.5211.5111.535.67九阳8.7310.5810.087.1610.9815.4514.46老板15.6315.5614.4710.3921.0922.6522.59数据来源：由本文作者整理得测度结果。首先，从创新绩效产出的绝对指标专利申请数量进行分析。美的集团的专利申请总数在2013-2017年间一直远远超出同行业其他可比公司，尤其在2017年达到最大绝对数差距，美的超出家电行业另外两家龙头企业格力与海尔近10000个专利申请数，其创新能力在当时已经远远赶超一直以“自主创新”为标签的行业龙头之一的格力电器。但自2018年起美的集团的专利申请数逐年下降，格力却呈现逐年增长趋势，至2019年格力的专利申请数已经反超美的成为行业第一名。横向比较样本公司的发明型专利申请数量，美的、海尔、海信与苏泊尔整体呈先上升后下降趋势，而格力、九阳与老板整体呈稳定上涨趋势。2019年格力的发明型专利申请数量为行业第一名，海尔紧随其后，而美的集团则由2013年行业排名第一跌至了行业第三名。其次，从创新绩效产出的相对指标，即发明型专利申请数占所有专利申请数的比重进行分析。纵向分析美的集团与同行业可比公司的该项指标2013-2019年趋势，美的、海尔与海信呈现先上升后下降的走势，格力、九阳与老板呈现波动上升的趋势，苏泊尔呈现波动下降的趋势。横向分析样本公司可知，海尔智家2013-2019年发明型专利申请比例在行业内排名第一，年平均比例高达61.96%，尤其是2016年其比例达到69.06%。美的集团2013-2019年发明专利申请比例年均值达到47.13%，位于行业第二；2017年发明型专利申请数为9821件，占总专利申请数量的52.94%，为近年来峰值水平。格力电器的该项创新产出表现为行业第三，高于可比公司31.68%的平均水平，而苏泊尔与九阳发明专利方面的创新绩效产出表现相对逊色。2013-2019年样本公司发明专利申请数占比的走势图如图3-9所示。图3-92013-2019年样本公司发明专利申请数占比走势图综上所述，尽管美的集团的创新绩效产出表现在行业内始终位于前列，但与其自身相比，近年来的创新产出表现却是不进而退的状态，2019年美的集团的发明型专利申请数量占比为41.15%，甚至低于2013年42.23%的比重，因此美的集团专利申请的技术水平还有很大提升空间。1.4.3动态创新绩效对比分析1.4.1.12013-2019年各年动态创新绩效对比分析为进一步研究美的集团2013-2019年各年份期间创新绩效的动态变化在家电行业内所处的水平，用DEA-Malmquist指数法测算六家同行业可比公司创新绩效的分解指标均值，与美的集团各项指标按照年份进行逐年对比分析，测算结果如表3-11所示。表3-11同行业可比公司2013-2019年各年创新绩效动态对比年份技术效率变化指数EFFCH技术进步变化指数TECHCH纯技术效率变化指数PECH规模效率变化指数SECH技术创新效率变化指数TFPCH美的可比公司美的可比公司美的可比公司美的可比公司美的可比公司2013-20141.0000.9051.2121.0411.0001.0211.0000.8871.2120.9422014-20151.0001.4451.3311.0001.0001.0001.0001.4451.3311.4452015-20161.0001.1061.1171.1701.0001.0001.0001.1061.1171.2942016-20171.0001.3911.1101.0121.0001.0001.0001.3911.1101.4072017-20181.0000.9520.6661.0371.0000.9651.0000.9860.6660.9872018-20190.8290.5850.8311.1921.0000.9960.8290.5880.6880.698mean0.9691.0191.0171.0721.0000.9970.9691.0230.9861.093数据来源：根据DEAP2.1测算得到。从整体发展趋势上来看，美的集团与家电行业可比公司的创新绩效综合指标，即技术创新效率变化指数TFPCH的变动走势大体上一致，均经历了先上升继而下降的过程，以2017年为节点，增长阶段为2017年之前，衰退阶段为2018年至2019年。考虑到其背后原因主要是2017年宏观经济下行，原材料价格大幅上涨，同时房地产市场出现大幅波动导致家用电器需求受影响，使得企业研发投入强度减弱，专利申请数量减少，从而创新绩效水平下降。2013年至2014年，美的技术创新效率TFPCH呈现同比增长，而同行业可比公司该指数整体下降；2014年至2017年期间，二者创新绩效都呈现同比增长，尤其以2015年与2017年家电行业企业的创新绩效增幅显著；2017年至2019年期间，二者创新绩效水平均出现退步，美的集团技术创新效率TFPCH的同比下降幅度较同行业可比企业更为明显。2013-2019年，美的集团的技术创新效率TFPCH均值为0.986，同行业可比公司的TFPCH均值为1.093，即美的集团创新绩效总体下降了1.4%，而同行业可比公司的创新绩效水平整体