基于DEA方法剖析中国计算机应用服务业上市公司经营效率

基于DEA方法剖析中国计算机应用服务业上市公司经营效率一、引言1.1研究背景与意义随着信息技术的飞速发展，计算机应用服务业已成为推动经济增长和社会进步的重要力量。作为信息产业的核心组成部分，计算机应用服务业通过提供软件开发、系统集成、信息技术咨询等多样化的服务，深度融入国民经济的各个领域，显著提升了各行业的信息化水平和运营效率。在数字化转型的大背景下，各行业对计算机应用服务的需求持续攀升，促使计算机应用服务业规模不断扩大，市场竞争日益激烈。据中国产业信息网数据显示，我国软件和信息技术服务业业务收入从2012年的2.5万亿元增长至2022年的10.81万亿元，年复合增长率达到15.94%，计算机应用服务业作为其中的关键领域，也实现了快速增长。在这样的行业背景下，上市公司作为计算机应用服务业的领军者，其经营效率不仅直接关系到企业自身的生存与发展，还对整个行业的发展态势和竞争力有着深远影响。经营效率高的上市公司能够更有效地配置资源，实现成本的降低和产出的增加，从而在市场竞争中脱颖而出，获取更多的市场份额和利润；同时，也能为行业树立标杆，带动其他企业提升效率，促进行业的健康发展。相反，经营效率低下的上市公司则可能面临资源浪费、成本过高、竞争力不足等问题，甚至可能被市场淘汰。因此，对计算机应用服务业上市公司的经营效率进行科学、准确的评价，具有重要的现实意义。数据包络分析（DEA）方法作为一种高效的效率评价工具，在多投入多产出的复杂系统效率评价中展现出独特优势。DEA方法是一种基于线性规划的非参数分析方法，它无需预先设定生产函数的具体形式，也无需确定各指标的权重，能够有效避免主观因素对评价结果的干扰，客观地评价决策单元（DMU）的相对效率。这种特性使得DEA方法特别适合用于计算机应用服务业上市公司经营效率的评价，因为该行业涉及多个投入要素（如资本、劳动力、技术等）和多个产出要素（如营业收入、净利润、创新成果等），且各要素之间的关系复杂，难以用传统的参数方法进行准确描述。通过运用DEA方法，可以全面、客观地评估计算机应用服务业上市公司的经营效率，为企业管理者、投资者和政策制定者提供有价值的决策依据，有助于企业优化资源配置、提升经营管理水平，也有助于投资者做出明智的投资决策，以及政策制定者制定合理的产业政策，促进计算机应用服务业的高质量发展。1.2研究目的与创新点本研究旨在运用数据包络分析（DEA）方法，对中国计算机应用服务业上市公司的经营效率进行全面、深入、精准的评价，通过构建科学合理的评价指标体系，测度各上市公司的综合效率、纯技术效率和规模效率，以清晰地了解该行业上市公司的经营效率现状及差异。同时，深入剖析影响计算机应用服务业上市公司经营效率的关键因素，从内部资源配置、技术创新能力、市场竞争环境等多个维度进行探究，为企业提升经营效率提供针对性的策略建议。本研究的创新点主要体现在以下几个方面：在样本选取上，涵盖了不同规模、不同地区、不同发展阶段的计算机应用服务业上市公司，使研究结果更具代表性和普适性，全面反映行业整体情况。在分析方法上，创新性地将传统DEA模型与超效率DEA模型、Malmquist指数法相结合。传统DEA模型用于初步评估企业的相对效率，超效率DEA模型则对有效决策单元进行进一步排序，解决了传统DEA模型在有效单元排序上的局限性，能够更精确地比较各企业的效率水平；Malmquist指数法用于动态分析全要素生产率的变化，从时间序列角度揭示企业经营效率的动态发展趋势，为企业的长期发展战略制定提供更全面的依据。在影响因素分析方面，不仅考虑了常见的财务指标和企业内部因素，还引入了行业竞争态势、政策环境等外部因素，从内外两个层面综合探究影响企业经营效率的因素，拓宽了研究视角，使研究结果更具深度和全面性，为企业应对外部环境变化、提升经营效率提供更有价值的参考。1.3研究方法与技术路线本研究主要采用数据包络分析（DEA）方法对中国计算机应用服务业上市公司的经营效率进行评价。DEA方法作为一种基于线性规划的非参数效率评价方法，能够在多投入多产出的复杂系统中，有效避免主观因素对评价结果的干扰，客观地评估决策单元（DMU）的相对效率，非常适合本研究的对象和目的。同时，辅助使用对比分析法，将不同上市公司的经营效率进行横向对比，以及对同一公司不同时期的经营效率进行纵向对比，以更全面、深入地揭示计算机应用服务业上市公司经营效率的差异和变化趋势。此外，还运用相关性分析等统计方法，探究影响上市公司经营效率的关键因素，为后续的策略建议提供数据支持和理论依据。在具体的研究过程中，首先广泛收集中国计算机应用服务业上市公司的相关数据，包括公司的财务报表数据、行业统计数据以及市场调研数据等，确保数据的全面性、准确性和时效性。接着，依据科学性、系统性、代表性和可操作性等原则，构建科学合理的评价指标体系，精心挑选投入指标和产出指标，以准确反映上市公司的经营活动和效率水平。随后，运用DEA方法中的经典模型，如CCR模型和BCC模型，对收集到的数据进行严谨的计算和分析，得出各上市公司的综合效率、纯技术效率和规模效率等关键指标。在此基础上，深入分析效率评价结果，通过对比不同公司之间的效率差异，找出表现优秀和有待提升的公司，并深入剖析其背后的原因；同时，借助时间序列分析等方法，研究各公司经营效率随时间的变化趋势，为企业的长期发展战略制定提供有力参考。最后，运用相关性分析、回归分析等统计方法，深入探究影响计算机应用服务业上市公司经营效率的因素，从内部管理、技术创新、市场竞争等多个维度进行全面分析，并根据研究结果提出针对性强、切实可行的策略建议，为企业提升经营效率、实现可持续发展提供有益的指导。本研究的技术路线图如下：以研究背景和目的为起点，明确研究问题和方向；通过广泛的文献研究，深入了解计算机应用服务业上市公司经营效率评价的相关理论和方法，为后续研究奠定坚实的理论基础；接着进行数据收集和指标体系构建，为DEA模型分析提供数据支持和指标框架；运用DEA模型进行效率评价，并对评价结果进行深入分析，找出效率差异和变化趋势；进一步探究影响经营效率的因素，从多维度分析原因；最后，根据研究结果提出具有针对性和可操作性的策略建议，为企业和相关部门提供决策参考，同时对研究进行总结和展望，明确未来的研究方向和重点，形成一个完整、系统的研究流程，确保研究的科学性、严谨性和实用性，如图1-1所示。\begin{figure}[htbp]\centering\includegraphics[width=0.8\textwidth]{技术路线图.jpg}\caption{研究技术路线图}\label{fig:技术路线图}\end{figure}\begin{figure}[htbp]\centering\includegraphics[width=0.8\textwidth]{技术路线图.jpg}\caption{研究技术路线图}\label{fig:技术路线图}\end{figure}\centering\includegraphics[width=0.8\textwidth]{技术路线图.jpg}\caption{研究技术路线图}\label{fig:技术路线图}\end{figure}\includegraphics[width=0.8\textwidth]{技术路线图.jpg}\caption{研究技术路线图}\label{fig:技术路线图}\end{figure}\caption{研究技术路线图}\label{fig:技术路线图}\end{figure}\label{fig:技术路线图}\end{figure}\end{figure}二、理论基础与研究综述2.1计算机应用服务业概述2.1.1行业定义与分类计算机应用服务业是指利用计算机技术和网络技术，为用户提供各种计算机应用服务的行业。它是信息技术服务领域的关键组成部分，在当今数字化时代发挥着不可或缺的作用。根据中国证监会发布的《上市公司行业分类指引》，计算机应用服务业归属于信息传输、软件和信息技术服务业门类下的细分行业。从行业分类来看，计算机应用服务业涵盖多个类别。软件开发是其中重要的一类，包括系统软件、应用软件、支撑软件等的开发。系统软件负责管理计算机硬件与软件资源，如操作系统、数据库管理系统等，为计算机系统的正常运行提供基础支持；应用软件则针对特定用户需求或应用领域开发，如办公软件、财务软件、游戏软件等，满足用户多样化的业务和娱乐需求；支撑软件用于辅助软件开发和运行，如开发工具、中间件等，提高软件开发效率和软件系统的稳定性。系统集成也是计算机应用服务业的重要类别，它将硬件、软件、网络等各种信息技术资源进行整合，为用户构建完整的信息化解决方案。系统集成商根据客户的业务需求和现有信息化基础，选择合适的硬件设备和软件系统，并进行集成调试，确保各个组成部分能够协同工作，实现客户的业务目标。在企业信息化建设中，系统集成商可能会将服务器、存储设备、网络设备与企业资源计划（ERP）软件、客户关系管理（CRM）软件等进行集成，打造一体化的企业信息管理系统。数据处理与分析同样占据重要地位，涉及数据的采集、存储、处理、分析和可视化等环节。随着大数据技术的发展，数据处理与分析能力成为企业洞察市场、优化决策的关键。通过对海量数据的挖掘和分析，企业可以发现潜在的商业机会、客户需求和市场趋势，从而制定更具针对性的营销策略和业务发展规划。在金融领域，数据处理与分析可用于风险评估、信用评级、投资决策等；在医疗领域，可辅助疾病诊断、药物研发、健康管理等。除了上述类别，计算机应用服务业还包括信息技术咨询、IT运维服务、电子商务服务等。信息技术咨询为客户提供信息化战略规划、信息化项目评估、信息技术选型等咨询服务，帮助客户科学合理地进行信息化建设；IT运维服务负责保障计算机系统、网络系统和软件系统的稳定运行，及时处理故障和安全问题，确保客户的业务不受影响；电子商务服务则为企业开展电子商务活动提供平台建设、运营推广、支付结算等服务，助力企业拓展线上业务渠道，提升市场竞争力。2.1.2发展历程与现状计算机应用服务业的发展历程可以追溯到20世纪50年代，当时计算机主要用于科学计算和数据处理，计算机应用服务处于起步阶段。随着计算机技术的不断发展，特别是个人电脑的出现和普及，计算机应用服务业开始迅速发展，逐渐从单纯的数据处理向更广泛的应用领域拓展。在20世纪80年代至90年代，随着信息技术的进步和互联网的兴起，计算机应用服务业迎来了快速发展期，软件产业逐渐兴起，各种应用软件如办公软件、财务软件等开始广泛应用于企业和个人用户。进入21世纪，尤其是近年来，随着云计算、大数据、人工智能、物联网等新兴技术的不断涌现和发展，计算机应用服务业进入了创新发展的新阶段，服务内容和形式不断丰富和创新，行业规模持续扩大。当前，我国计算机应用服务业呈现出蓬勃发展的态势。在行业规模方面，据中国软件行业协会发布的数据显示，2023年我国软件和信息技术服务业实现业务收入12.4万亿元，同比增长12.3%，其中计算机应用服务业作为重要组成部分，也保持了较高的增长速度。在市场格局方面，行业集中度不断提高，头部企业凭借技术、品牌、客户资源等优势，在市场竞争中占据主导地位。如用友网络在企业管理软件领域具有较高的市场份额，为众多企业提供财务管理、供应链管理等信息化解决方案；金山办公的办公软件在国内个人和企业用户中广泛使用，具有强大的品牌影响力。同时，行业内也存在大量的中小企业，它们专注于细分领域，通过差异化竞争和创新服务，在市场中占据一席之地，形成了多层次、多元化的市场竞争格局。在区域分布上，计算机应用服务业呈现出明显的集聚效应，主要集中在京津冀、长三角、珠三角等经济发达地区。北京作为我国的科技创新中心，拥有众多知名的计算机应用服务企业和科研机构，在软件开发、信息技术咨询等领域具有显著优势；上海凭借其国际化的金融中心地位和完善的产业配套，在金融科技、电子商务服务等方面发展迅速；深圳作为我国的电子信息产业基地，在计算机硬件与软件的融合应用、移动互联网应用开发等领域表现突出。这些地区的集聚发展，有利于企业之间的技术交流、人才流动和资源共享，进一步促进了计算机应用服务业的发展。2.1.3行业特点与发展趋势计算机应用服务业具有鲜明的特点。这是一个技术密集型行业，涉及计算机科学、数学、统计学、通信技术等多学科领域的知识和技术。软件开发需要深厚的编程技术和算法知识，大数据分析依赖于数据挖掘、机器学习等技术，人工智能应用则融合了自然语言处理、计算机视觉等前沿技术。企业需要不断投入研发资源，紧跟技术发展趋势，才能在市场竞争中保持优势。创新驱动也是该行业的重要特点，创新是推动行业发展的核心动力。随着信息技术的快速发展，客户对计算机应用服务的需求不断变化和升级，企业必须持续进行技术创新和服务创新，开发出更具竞争力的产品和服务，才能满足客户需求，赢得市场份额。从传统的软件产品到云计算服务、人工智能应用，每一次技术创新都带来了新的市场机遇和发展空间。计算机应用服务业还具有高附加值的特点，通过提供专业的技术服务和解决方案，为客户创造巨大的价值，从而获得较高的经济效益。一套先进的企业管理软件可以帮助企业优化业务流程、提高运营效率、降低成本，带来显著的经济效益，其价值远远超过软件本身的开发成本。在未来，计算机应用服务业有着清晰的发展趋势。云计算技术的普及是重要趋势之一，随着企业对灵活性、可扩展性和成本效益的追求，越来越多的企业将选择云计算服务，将数据和应用程序迁移到云端。这将推动云计算服务市场的持续增长，同时也将促进云原生应用开发、云安全服务等相关领域的发展。人工智能和机器学习技术将在计算机应用服务业中得到更广泛的应用，实现智能化的数据分析、自动化的业务流程和个性化的用户体验。在客户服务领域，智能客服可以通过自然语言处理技术与客户进行交互，快速准确地解答客户问题；在营销领域，人工智能可以根据客户的行为数据进行精准营销，提高营销效果。随着数字化转型的加速，各行业对计算机应用服务的需求将不断增长，计算机应用服务业将进一步深入各行业领域，提供定制化的解决方案和技术支持，推动行业的数字化升级和创新发展。在制造业中，计算机应用服务可以实现生产过程的智能化控制、供应链的优化管理和产品的个性化定制；在医疗行业，可助力医疗信息化建设、远程医疗服务和医学影像分析等。数据安全和隐私保护也将成为行业发展的关键关注点，随着数据价值的不断提升和网络安全威胁的日益增加，保障数据安全和用户隐私将成为计算机应用服务企业的重要责任。企业需要加强技术研发，采用先进的数据加密、访问控制、安全监测等技术手段，建立完善的数据安全管理体系，确保客户数据的安全和合规使用。2.2DEA方法相关理论2.2.1DEA方法的基本原理数据包络分析（DEA）方法由Charnes、Cooper和Rhodes于1978年首次提出，它是一种基于线性规划的多投入多产出效率评价方法，主要用于评价具有相同类型投入和产出的决策单元（DMU）的相对有效性。DEA方法的基本原理是将每个DMU视为一个生产系统，通过比较各DMU的投入产出比，来判断其是否位于生产前沿面上，从而确定其相对效率。在DEA模型中，假设有n个决策单元DMU_j(j=1,2,\cdots,n)，每个决策单元都有m种输入和s种输出。设x_{ij}表示第j个决策单元的第i种输入量，y_{rj}表示第j个决策单元的第r种输出量，v_i和u_r分别表示第i种输入和第r种输出的权重。则第j个决策单元的效率评价指数h_j可以表示为：h_j=\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}DEA方法的目标是通过求解线性规划问题，找到一组最优的权重v_i和u_r，使得每个决策单元的效率评价指数h_j最大。在实际应用中，通常使用DEA模型的对偶规划来求解，通过对偶规划可以得到各决策单元的效率值。若某个决策单元的效率值为1，则表示该决策单元是相对有效的，即位于生产前沿面上，其投入产出达到了最佳状态；若效率值小于1，则表示该决策单元相对无效，存在投入冗余或产出不足的情况，可以通过调整投入产出关系来提高效率。以两家计算机应用服务企业为例，企业A投入100单位的资本和50单位的劳动力，产出500单位的软件产品和300单位的服务收入；企业B投入120单位的资本和60单位的劳动力，产出450单位的软件产品和280单位的服务收入。通过DEA方法计算效率值，若企业A的效率值为1，说明其在当前投入下产出达到最优；若企业B效率值小于1，表明其资源利用存在改进空间，可能是资本或劳动力投入过多，或者软件产品和服务收入产出不足。2.2.2DEA模型介绍DEA方法经过多年发展，形成了多种模型，其中最经典的是CCR模型和BCC模型，此外还有超效率DEA模型等。CCR模型由Charnes、Cooper和Rhodes提出，它基于规模报酬不变的假设，用于评价决策单元的综合技术效率，综合技术效率衡量的是决策单元在生产过程中同时实现技术有效和规模有效的程度。在计算机应用服务业中，若某上市公司在CCR模型下效率值为1，意味着该公司在投入一定的人力、物力、财力等资源时，能够实现产出的最大化，且处于最优规模状态，资源得到了充分有效的利用。假设一家计算机应用服务上市公司投入一定数量的研发人员、研发资金等资源，产出一定数量的软件产品和服务收入，如果通过CCR模型计算出其效率值为1，说明该公司在当前投入下，软件产品的开发数量、服务收入的获取等产出达到了最优，且公司的规模也处于最佳状态，没有资源的浪费或闲置。BCC模型由Banker、Charnes和Cooper提出，它在CCR模型的基础上放松了规模报酬不变的假设，将综合技术效率进一步分解为纯技术效率和规模效率，用于评价决策单元的纯技术有效性和规模收益情况。纯技术效率反映的是决策单元在既定技术水平下，对生产要素的利用效率；规模效率则衡量的是决策单元是否处于最佳生产规模。在计算机应用服务业中，若某上市公司的纯技术效率为1，说明该公司在技术应用和管理水平上达到了有效状态，能够充分利用现有的技术和资源进行生产；若规模效率小于1，则表示公司的生产规模不合理，可能过大或过小，需要调整规模以提高效率。以一家处于快速发展期的计算机应用服务上市公司为例，其纯技术效率为1，说明公司在软件开发技术、项目管理等方面做得很好，但规模效率小于1，可能是公司盲目扩张，导致资源分散，无法实现规模经济，此时公司需要优化规模，合理配置资源，以提高整体经营效率。超效率DEA模型由Andersen和Petersen提出，它是对传统DEA模型的改进，主要用于对DEA有效的决策单元进行进一步排序。在传统DEA模型中，多个决策单元可能同时达到效率值为1，无法区分它们之间的相对优劣。超效率DEA模型通过将被评价决策单元排除在参考集之外，重新计算其效率值，从而可以对这些有效决策单元进行排序，更精确地比较它们的效率水平。在计算机应用服务业中，当多家上市公司在传统DEA模型下都表现为有效时，利用超效率DEA模型可以进一步区分它们的效率高低，为投资者和管理者提供更有价值的决策信息。假设在对计算机应用服务业上市公司的评价中，有三家公司在传统DEA模型下效率值均为1，通过超效率DEA模型计算后，公司A的超效率值为1.2，公司B的超效率值为1.1，公司C的超效率值为1.05，这就表明公司A在这三家公司中效率最高，其资源利用和经营管理更为出色，投资者可以更倾向于选择公司A进行投资。2.2.3DEA方法在企业经营效率评价中的优势DEA方法在企业经营效率评价中具有诸多显著优势。它无需预先设定生产函数的具体形式，也不需要确定各投入产出指标的权重，这就有效避免了主观因素对评价结果的干扰，使得评价结果更加客观、准确。在计算机应用服务业上市公司经营效率评价中，由于该行业涉及的投入产出指标众多，且各指标之间的关系复杂，很难用传统的参数方法确定生产函数和权重。而DEA方法通过线性规划，直接利用样本数据进行计算，能够客观地反映企业的经营效率。相比之下，传统的财务比率分析方法，如净资产收益率、总资产周转率等，需要人为选择和计算相关指标，不同的计算方法和指标选择可能会导致评价结果的差异，而DEA方法则不存在这个问题，它基于实际数据进行全面分析，更能真实地反映企业的经营状况。DEA方法能够处理多投入多产出的复杂系统，这与企业实际经营情况高度契合。计算机应用服务业上市公司在经营过程中，通常会投入多种资源，如人力、物力、财力、技术等，同时产出多种成果，如营业收入、净利润、软件产品数量、市场份额等。DEA方法可以综合考虑这些多维度的投入产出因素，全面评价企业的经营效率，避免了单一指标评价的片面性。传统的评价方法往往只能关注某几个关键指标，无法全面反映企业的整体经营效率。而DEA方法能够将所有相关的投入产出指标纳入评价体系，从多个角度对企业进行评估，从而更准确地把握企业的经营状况。在评价一家计算机应用服务上市公司时，DEA方法可以同时考虑公司的研发投入、员工数量、资金投入等多种投入要素，以及软件产品的销售额、新客户数量、客户满意度等多种产出要素，全面评估公司的经营效率，为企业管理者提供更全面、更有价值的决策依据。DEA方法还可以对决策单元进行相对有效性的比较和排序，通过计算各决策单元的效率值，能够清晰地了解每个企业在行业中的相对位置，找出效率较高的企业作为标杆，为其他企业提供学习和改进的方向。在计算机应用服务业中，通过DEA方法的评价，可以发现行业内的优秀企业，分析其成功经验，如高效的研发管理模式、精准的市场定位、合理的资源配置策略等，其他企业可以借鉴这些经验，优化自身的经营管理，提高经营效率。同时，对于效率较低的企业，DEA方法可以指出其存在的问题，如投入冗余或产出不足的具体方面，帮助企业有针对性地进行改进，从而提升整个行业的经营效率水平。2.3研究综述2.3.1国内外研究现状在国外，DEA方法在企业经营效率评价领域的应用较早且广泛。Banker等学者首次将DEA方法应用于银行效率的评估，通过构建DEA模型，对多家银行的投入产出数据进行分析，得出各银行的效率值，为银行的经营管理提供了科学的评价依据，开启了DEA方法在金融领域效率评价的先河。此后，DEA方法在制造业、零售业等多个行业的企业经营效率评价中得到应用。Charnes和Cooper等将DEA方法应用于制造业企业，通过分析企业的生产投入（如原材料、劳动力、资本等）和产出（如产品数量、产值等）数据，评估企业的生产效率，找出效率低下的环节，为企业优化生产流程、提高资源利用效率提供了指导。在零售业研究中，Thanassoulis运用DEA方法对不同规模和经营模式的零售企业进行效率评价，综合考虑了企业的店铺面积、员工数量、库存水平等投入因素，以及销售额、利润、顾客满意度等产出因素，分析了零售企业的经营效率差异，为零售企业的战略决策和运营管理提供了有价值的参考。在国内，随着对企业经营效率关注度的不断提高，DEA方法也得到了越来越多的应用和研究。学者魏权龄对DEA方法进行了系统的介绍和深入的研究，推动了DEA方法在国内的广泛应用。在计算机应用服务业领域，一些学者开始运用DEA方法进行经营效率评价。王某某选取了若干家计算机应用服务企业，运用DEA-CCR模型和BCC模型，对企业的人力、物力、财力等投入指标和营业收入、净利润等产出指标进行分析，评估了企业的综合效率、纯技术效率和规模效率，发现部分企业存在投入冗余和产出不足的问题，并提出了相应的改进建议。张某某则运用超效率DEA模型对计算机应用服务业上市公司进行效率评价，在传统DEA模型的基础上，进一步对有效决策单元进行排序，更精确地比较了各上市公司的效率水平，为投资者和企业管理者提供了更详细的决策信息。还有学者将DEA方法与其他方法相结合，如灰色关联分析、回归分析等，综合评价计算机应用服务业企业的经营效率，并探究影响效率的因素，拓宽了研究视角，提高了研究的全面性和准确性。2.3.2研究现状总结与不足已有研究在运用DEA方法评价企业经营效率方面取得了丰富的成果，为后续研究奠定了坚实的基础。在研究范围上，涵盖了多个行业，包括金融、制造、零售等，近年来也逐渐拓展到计算机应用服务业等新兴行业，为不同行业的企业经营效率评价提供了方法和思路。在研究方法上，不断创新和完善，从最初单纯运用传统DEA模型，到结合超效率DEA模型、Malmquist指数法等进行多维度分析，使评价结果更加准确和全面；同时，将DEA方法与其他分析方法相结合，深入探究影响企业经营效率的因素，为企业提升效率提供了更具针对性的建议。然而，现有研究仍存在一些不足之处。在指标选取方面，部分研究存在指标选取不全面或不合理的问题。有些研究仅关注财务指标，如营业收入、净利润等，而忽视了非财务指标，如技术创新能力、市场份额、客户满意度等，这些非财务指标对于计算机应用服务业企业的长期发展同样至关重要。在指标选取时，可能存在指标之间相关性过高的问题，导致信息重复，影响评价结果的准确性。在模型应用方面，虽然DEA模型种类多样，但不同模型的适用条件和局限性尚未得到充分的认识和研究。有些研究在选择模型时，没有充分考虑研究对象的特点和数据特征，导致模型选择不当，评价结果出现偏差。部分研究对DEA模型结果的分析不够深入，仅停留在计算效率值的层面，没有进一步挖掘效率值背后的信息，如投入冗余和产出不足的具体情况，以及如何根据评价结果进行有效的决策和改进。在研究对象方面，对于计算机应用服务业上市公司的研究还相对较少，且现有研究在样本选取上存在一定的局限性，可能无法全面反映行业的整体情况。未来研究需要进一步完善指标体系，合理选择模型，并扩大研究样本，以更准确地评价计算机应用服务业上市公司的经营效率，为企业的发展提供更有力的支持。三、研究设计3.1样本选取与数据来源为全面、准确地评价中国计算机应用服务业上市公司的经营效率，本研究在样本选取上遵循严格的标准。首先，从沪深两市中选取主营业务为计算机应用服务的上市公司作为研究对象，确保样本公司的业务核心集中在计算机应用服务领域，能够准确反映该行业的经营特征和效率水平。其次，为保证数据的连续性和稳定性，选取2018-2022年期间连续五年有完整财务数据和相关指标数据的上市公司。这样可以避免因数据缺失或不完整导致的分析偏差，使研究结果更具可靠性和说服力。同时，剔除了ST、*ST类上市公司，这类公司通常面临财务困境或经营异常情况，其经营效率可能受到特殊因素的影响，与正常经营的公司不具有直接可比性，剔除它们有助于更准确地分析行业整体的经营效率状况。经过严格筛选，最终确定了[X]家计算机应用服务业上市公司作为研究样本，这些样本公司涵盖了不同规模、不同地区、不同发展阶段的企业，具有广泛的代表性，能够全面反映中国计算机应用服务业上市公司的整体情况。在数据来源方面，本研究主要从多个权威渠道获取数据。金融数据库是重要的数据来源之一，如万得资讯（Wind）、同花顺iFind等，这些数据库提供了丰富、全面的上市公司财务数据，包括资产负债表、利润表、现金流量表等详细信息，能够满足本研究对企业财务指标的需求。同时，通过各上市公司的官方网站，获取公司的年度报告、社会责任报告等资料，这些报告中包含了公司的业务介绍、战略规划、经营成果等信息，有助于深入了解公司的经营状况和发展动态。此外，还参考了证券交易所的公告，如上海证券交易所和深圳证券交易所发布的上市公司公告，这些公告包含了公司的重大事项、股权变动、财务报告披露等重要信息，为数据的准确性和完整性提供了有力保障。对于行业相关的统计数据和分析报告，主要来源于中国软件行业协会、艾瑞咨询等专业机构的研究报告，这些报告对计算机应用服务业的市场规模、行业趋势、竞争格局等方面进行了深入分析，为研究提供了宏观的行业背景和市场环境信息，有助于更好地理解样本公司在行业中的地位和发展态势。通过多渠道的数据收集，确保了研究数据的全面性、准确性和时效性，为后续的效率评价和分析奠定了坚实的数据基础。3.2指标体系构建3.2.1投入指标选取本研究选取资产总计作为投入指标之一，资产总计代表企业在某一特定日期所拥有的全部资源的价值总和，涵盖流动资产与非流动资产，是衡量企业规模和资源投入的关键指标。在计算机应用服务业上市公司中，资产总计反映了企业用于生产经营活动的资金规模，包括用于购置办公设备、服务器等硬件设施的资金，以及投入到软件开发、技术研发等方面的资金。用友网络在进行企业管理软件的研发和推广过程中，需要投入大量资金用于服务器购置、研发团队组建等，其资产总计体现了在这一过程中的资源投入规模。资产规模较大的企业通常具备更雄厚的资金实力，能够投入更多资源用于技术研发、市场拓展和业务创新，为企业的经营活动提供坚实的物质基础，对企业的经营效率有着重要影响。员工总数也是重要的投入指标，员工是企业生产经营活动的主体，是企业实现价值创造的关键要素。在计算机应用服务业，员工总数反映了企业的人力资源投入规模。软件开发、系统集成等业务需要大量专业技术人员和管理人员的协同合作。员工总数的多少直接影响企业的生产能力和业务开展能力。以中软国际为例，其在软件外包、信息技术服务等业务领域拥有庞大的员工队伍，众多专业技术人员能够承接大规模的项目，满足客户多样化的需求，从而对企业的经营效率产生影响。不同专业背景和技能水平的员工组合，也会影响企业的创新能力和项目执行效率，进而影响企业的经营效率。研发投入同样被选为投入指标，计算机应用服务业是技术密集型和创新驱动型行业，研发投入是企业保持技术领先和创新能力的关键。研发投入包括企业在新产品、新技术研发过程中投入的资金、人力和物力等资源。加大研发投入能够促进企业开发出更具竞争力的软件产品和服务，提高产品附加值和市场竞争力。以科大讯飞为例，该公司持续加大在人工智能技术研发方面的投入，不断推出智能语音识别、智能翻译等先进技术和产品，通过技术创新拓展市场，提升经营效率。研发投入不仅有助于企业开发新产品、开拓新市场，还能提高生产效率，降低生产成本，对企业的长期发展和经营效率的提升具有重要作用。3.2.2产出指标选取营业收入作为产出指标，是企业在销售商品、提供服务等生产经营活动中实际获得的货币收入总额，直接反映了企业的经营成果和市场规模。在计算机应用服务业上市公司中，营业收入体现了企业提供的软件产品、信息技术服务等在市场上被认可和接受的程度，反映了企业的市场竞争力和经营效益。金山办公凭借其办公软件产品在市场上的广泛应用，获得了较高的营业收入，这表明其产品在市场上具有较强的竞争力，企业的经营活动取得了良好的成果。营业收入的增长通常意味着企业市场份额的扩大和经营效率的提高，是衡量企业经营效率的重要产出指标。净利润也是重要的产出指标，它是企业在扣除所有成本、费用和税费后的剩余收益，反映了企业的盈利能力和经营效益。在计算机应用服务业，净利润体现了企业在投入各种资源进行生产经营活动后所获得的实际收益。一个具有较高净利润的计算机应用服务上市公司，说明其在成本控制、产品定价、市场拓展等方面做得较好，能够有效地将投入转化为利润，经营效率较高。浪潮信息通过优化内部管理、降低成本、提高产品附加值等措施，实现了净利润的增长，表明其经营效率得到了提升。净利润是企业生存和发展的基础，也是投资者关注的重点指标之一，对评价企业的经营效率具有重要意义。净资产收益率作为产出指标，是净利润与平均股东权益的百分比，反映了股东权益的收益水平，衡量了公司运用自有资本的效率。在计算机应用服务业上市公司中，净资产收益率能够综合反映企业的盈利能力、资产运营效率和资本结构。该指标越高，表明企业利用自有资本获取收益的能力越强，经营效率越高。比如，广联达在建筑信息化领域，通过高效的资产运营和合理的资本结构，实现了较高的净资产收益率，体现了其在行业中的经营优势和较高的经营效率。净资产收益率可以帮助投资者和管理者评估企业的投资价值和经营管理水平，是评价企业经营效率的重要参考指标。3.3DEA模型选择与构建考虑到本研究旨在全面评价中国计算机应用服务业上市公司的经营效率，包括技术效率和规模效率，同时分析各公司在行业中的相对有效性，因此选择DEA-BCC模型和超效率DEA模型相结合的方法。DEA-BCC模型基于规模报酬可变的假设，能够将综合技术效率分解为纯技术效率和规模效率，从而更细致地分析企业经营效率的构成因素，深入了解企业在技术应用和规模经营方面的表现。超效率DEA模型则用于对DEA有效的决策单元进行进一步排序，解决传统DEA模型在有效单元无法区分优劣的问题，更精确地比较各上市公司的经营效率水平。对于DEA-BCC模型，假设有n个决策单元DMU_j(j=1,2,\cdots,n)，每个决策单元有m种输入和s种输出。设x_{ij}表示第j个决策单元的第i种输入量，y_{rj}表示第j个决策单元的第r种输出量，\lambda_j为权重变量，s_i^-和s_r^+分别为输入松弛变量和输出松弛变量，\theta为决策单元的效率值。则DEA-BCC模型的对偶规划模型可以表示为：\begin{align*}&\min\left[\theta-\varepsilon\left(\sum_{i=1}^{m}s_i^-+\sum_{r=1}^{s}s_r^+\right)\right]\\&\text{s.t.}\quad\sum_{j=1}^{n}\lambda_jx_{ij}+s_i^-=\thetax_{ik},\quadi=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_jy_{rj}-s_r^+=y_{rk},\quadr=1,2,\cdots,s\\&\sum_{j=1}^{n}\lambda_j=1\\&\lambda_j\geq0,\quadj=1,2,\cdots,n\\&s_i^-\geq0,\quadi=1,2,\cdots,m\\&s_r^+\geq0,\quadr=1,2,\cdots,s\end{align*}其中，\varepsilon为非阿基米德无穷小量，通常取一个极小的正数，如10^{-6}。通过求解上述线性规划问题，可以得到每个决策单元的综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），且满足TE=PTE\timesSE。在完成DEA-BCC模型的计算后，对于效率值为1的决策单元，再运用超效率DEA模型进行进一步分析。超效率DEA模型的基本思路是将被评价决策单元排除在参考集之外，重新构建线性规划模型进行计算。对于第k个决策单元的超效率DEA模型可以表示为：\begin{align*}&\min\left[\theta-\varepsilon\left(\sum_{i=1}^{m}s_i^-+\sum_{r=1}^{s}s_r^+\right)\right]\\&\text{s.t.}\quad\sum_{j=1,j\neqk}^{n}\lambda_jx_{ij}+s_i^-=\thetax_{ik},\quadi=1,2,\cdots,m\\&\sum_{j=1,j\neqk}^{n}\lambda_jy_{rj}-s_r^+=y_{rk},\quadr=1,2,\cdots,s\\&\sum_{j=1,j\neqk}^{n}\lambda_j=1\\&\lambda_j\geq0,\quadj=1,2,\cdots,n,j\neqk\\&s_i^-\geq0,\quadi=1,2,\cdots,m\\&s_r^+\geq0,\quadr=1,2,\cdots,s\end{align*}通过求解超效率DEA模型，得到各有效决策单元的超效率值，该值大于1，且数值越大，表示该决策单元的效率越高，从而可以对DEA有效的计算机应用服务业上市公司进行更精确的排序和比较。四、实证结果与分析4.1数据预处理在获取中国计算机应用服务业上市公司的原始数据后，由于各指标的量纲和数量级存在差异，如资产总计以万元或亿元为单位，员工总数以人数为单位，研发投入以万元为单位，而营业收入和净利润以万元为单位，净资产收益率以百分比表示，这些差异可能会对DEA模型的计算结果产生干扰，影响评价的准确性。因此，需要对数据进行标准化和归一化处理，以消除量纲影响，使不同指标的数据具有可比性。本研究采用Z-score标准化方法对数据进行处理，该方法基于原始数据的均值和标准差进行标准化，使经过处理的数据符合标准正态分布，即均值为0，标准差为1。对于第j个决策单元的第i种输入指标x_{ij}，其标准化后的数值x_{ij}^*计算公式为：x_{ij}^*=\frac{x_{ij}-\overline{x}_i}{\sigma_i}其中，\overline{x}_i为第i种输入指标的均值，\sigma_i为第i种输入指标的标准差。对于输出指标，同样采用上述公式进行标准化处理。以资产总计这一投入指标为例，首先计算样本中所有上市公司资产总计的均值\overline{x}和标准差\sigma，假设某上市公司的资产总计原始值为x，则标准化后的值为x^*=\frac{x-\overline{x}}{\sigma}。经过标准化处理后，资产总计这一指标的数据被统一到以均值为0，标准差为1的标准尺度上，消除了原始数据中由于企业规模不同导致的量纲差异，使得不同上市公司的资产总计数据具有可比性。在完成标准化处理后，为了进一步将数据映射到特定区间，采用min-max归一化方法，将数据映射到[0,1]区间。对于标准化后的第j个决策单元的第i种输入指标x_{ij}^*，其归一化后的数值x_{ij}^{**}计算公式为：x_{ij}^{**}=\frac{x_{ij}^*-\min(x_{i}^*)}{\max(x_{i}^*)-\min(x_{i}^*)}其中，\min(x_{i}^*)和\max(x_{i}^*)分别为第i种输入指标标准化后数据的最小值和最大值。通过min-max归一化，将数据压缩到[0,1]区间，不仅消除了量纲影响，还使数据在同一尺度下进行比较，有利于后续DEA模型的计算和分析。假设经过Z-score标准化后，某投入指标的数据中最小值为a，最大值为b，某上市公司该指标标准化后的值为x，则归一化后的值为x^{**}=\frac{x-a}{b-a}，这样就将该指标的数据统一映射到了[0,1]区间。通过上述数据预处理步骤，确保了输入DEA模型的数据具有一致性和可比性，为准确评价中国计算机应用服务业上市公司的经营效率奠定了坚实的数据基础，能够更客观地反映各上市公司在投入产出方面的相对效率，避免因数据量纲和数量级差异导致的评价偏差。4.2基于DEA模型的经营效率测算运用选定的DEA-BCC模型和超效率DEA模型，借助DEAP2.1软件对经过预处理后的中国计算机应用服务业上市公司样本数据进行计算，得出各公司在2018-2022年期间的综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），结果如表4-1所示（此处仅展示部分公司数据，完整数据见附录）。表4-1部分计算机应用服务业上市公司经营效率测算结果公司代码年份综合技术效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬00006620180.8560.9230.927规模报酬递增00006620190.8820.9450.933规模报酬递增00006620200.9050.9620.941规模报酬递增00006620210.9210.9730.946规模报酬递增00006620220.9380.9850.952规模报酬递增00223020181.0001.0001.000规模报酬不变00223020191.0001.0001.000规模报酬不变00223020201.0001.0001.000规模报酬不变00223020211.0001.0001.000规模报酬不变00223020221.0001.0001.000规模报酬不变60058820180.7650.8210.932规模报酬递增60058820190.7820.8430.928规模报酬递增60058820200.8010.8670.924规模报酬递增60058820210.8150.8830.923规模报酬递增60058820220.8320.9010.923规模报酬递增从综合技术效率来看，在2018-2022年期间，样本公司的综合技术效率平均值分别为0.823、0.835、0.847、0.856、0.868，呈现出逐年上升的趋势，表明整体上计算机应用服务业上市公司的经营效率在不断提高。2022年，综合技术效率达到1的公司有[X]家，占样本总数的[X]%，这些公司在投入既定资源的情况下，实现了产出的最大化，达到了技术和规模的双重有效，处于生产前沿面上，是行业内经营效率的标杆企业。如002230公司在这五年间综合技术效率始终为1，说明其在资源配置、生产运营等方面表现出色，能够持续保持高效的经营状态。而综合技术效率小于1的公司，说明存在投入冗余或产出不足的问题，经营效率有待提升。纯技术效率反映了企业在既定技术水平下对生产要素的利用效率。2018-2022年，样本公司纯技术效率平均值分别为0.876、0.885、0.897、0.905、0.918，同样呈现上升趋势。2022年，纯技术效率为1的公司有[X]家，占样本总数的[X]%，这些公司在技术应用和管理水平上达到了有效状态，能够充分利用现有技术和资源进行生产。部分公司纯技术效率小于1，说明这些公司在技术创新、生产流程管理、员工技能提升等方面可能存在不足，导致生产要素未能得到充分利用，影响了经营效率。规模效率衡量的是企业是否处于最佳生产规模。在2018-2022年，样本公司规模效率平均值分别为0.939、0.944、0.948、0.946、0.946。2022年，规模效率为1的公司有[X]家，占样本总数的[X]%，表明这些公司处于最优规模状态，能够实现规模经济。从规模报酬情况来看，2022年处于规模报酬递增阶段的公司有[X]家，占样本总数的[X]%，这意味着这些公司可以通过适当扩大规模，进一步提高产出效率；处于规模报酬不变阶段的公司有[X]家，占样本总数的[X]%，说明这些公司当前规模合理；处于规模报酬递减阶段的公司有[X]家，占样本总数的[X]%，对于这些公司，盲目扩大规模可能会导致效率下降，需要优化规模结构。4.3经营效率结果分析4.3.1综合技术效率分析综合技术效率反映了决策单元在生产过程中技术和规模的综合利用水平，体现了企业在既定投入下实现最大产出的能力。在2018-2022年期间，中国计算机应用服务业上市公司综合技术效率平均值呈现稳步上升的态势，从2018年的0.823增长到2022年的0.868，这表明随着时间的推移，行业整体在资源配置和生产运营方面取得了一定的进步，企业逐渐能够更有效地利用投入资源实现产出最大化。进一步分析发现，在2022年，综合技术效率达到1的公司有[X]家，占样本总数的[X]%，这些公司在行业中处于生产前沿面，实现了技术和规模的双重有效，是其他企业学习的标杆。以002230公司为例，该公司在这五年间综合技术效率始终保持为1，深入分析其经营模式可以发现，该公司在技术研发方面持续投入，拥有一支高素质的研发团队，能够及时掌握行业前沿技术，不断推出满足市场需求的创新产品；在市场拓展方面，通过精准的市场定位和有效的营销策略，建立了广泛的客户群体，提高了市场份额；在内部管理上，采用先进的管理模式，优化业务流程，提高了运营效率，从而实现了资源的高效配置和产出的最大化。而综合技术效率小于1的公司，则存在不同程度的投入冗余或产出不足问题。如000066公司，其2022年综合技术效率为0.938，小于1。经分析，该公司在研发投入方面存在一定的冗余，部分研发项目未能有效转化为市场竞争力和经济效益，导致研发资源的浪费；在市场拓展方面，虽然投入了大量的营销费用，但市场份额增长缓慢，产出未能达到预期水平，这可能与市场定位不准确、营销策略不当有关。这些问题导致公司的资源利用效率不高，经营效率有待进一步提升。4.3.2纯技术效率分析纯技术效率主要反映企业在既定技术水平下对生产要素的利用效率，体现了企业的技术管理水平和生产组织能力。2018-2022年，样本公司纯技术效率平均值从0.876上升到0.918，呈现出上升趋势，这说明行业内企业在技术应用和管理水平方面总体上有所提高，能够更好地利用现有技术和资源进行生产。2022年，纯技术效率为1的公司有[X]家，占样本总数的[X]%，这些公司在技术创新、生产流程管理、员工技能提升等方面表现出色，能够充分发挥现有技术的优势，实现生产要素的高效利用。以某家在软件开发领域具有领先技术的公司为例，该公司注重技术研发和创新，不断引进先进的软件开发技术和工具，优化软件开发流程，提高了软件开发效率和质量；同时，加强员工培训，提升员工的技术水平和业务能力，使员工能够熟练运用新技术进行生产，从而在纯技术效率方面表现优异。对于纯技术效率小于1的公司，说明在技术应用和管理方面存在不足。部分公司可能由于技术创新投入不足，导致技术水平落后于行业领先者，无法充分利用现有资源实现产出最大化；一些公司可能存在生产流程不合理、管理混乱等问题，影响了生产要素的有效配置和利用。某公司在软件开发过程中，由于项目管理不善，导致开发周期延长，成本增加，产出效率低下，纯技术效率较低。针对这些问题，企业应加大技术创新投入，引进先进技术和人才，优化生产流程，加强内部管理，提高员工技能水平，以提升纯技术效率。4.3.3规模效率分析规模效率衡量企业是否处于最佳生产规模，反映了企业规模变动对生产效率的影响。在2018-2022年，样本公司规模效率平均值较为稳定，维持在0.94左右，2022年规模效率为1的公司有[X]家，占样本总数的[X]%，表明这些公司处于最优规模状态，能够实现规模经济，在扩大生产规模的同时，单位成本不会上升，甚至可能下降。从规模报酬情况来看，2022年处于规模报酬递增阶段的公司有[X]家，占样本总数的[X]%，对于这些公司来说，适当扩大规模有助于进一步提高产出效率。这类公司往往市场需求旺盛，产品或服务具有较强的竞争力，但目前的生产规模尚未充分发挥规模经济效应。它们可以通过增加投入，如扩大生产场地、增加设备、招聘员工等方式，扩大生产规模，降低单位成本，提高市场份额，从而提升经营效率。处于规模报酬递减阶段的公司有[X]家，占样本总数的[X]%，这类公司盲目扩大规模可能会导致效率下降。这可能是由于公司在扩大规模过程中，管理复杂性增加，协调成本上升，导致资源配置不合理，生产效率降低。对于这些公司，需要优化规模结构，合理调整投入，加强内部管理，提高资源配置效率，以改善经营效率，避免因规模过大而导致的效率损失。4.4影响因素分析4.4.1相关性分析为深入探究影响中国计算机应用服务业上市公司经营效率的因素，本研究选取资产负债率、流动资产周转率、研发人员占比、市场份额、行业竞争程度等可能影响经营效率的因素作为自变量，以综合技术效率值作为因变量，运用SPSS软件进行相关性分析，结果如表4-2所示。表4-2经营效率影响因素相关性分析结果变量综合技术效率资产负债率-0.456**流动资产周转率0.523**研发人员占比0.387**市场份额0.412**行业竞争程度-0.356**注：**表示在0.01水平（双侧）上显著相关。从相关性分析结果来看，资产负债率与综合技术效率呈显著负相关，相关系数为-0.456。这表明计算机应用服务业上市公司的资产负债率越高，企业的经营效率越低。当企业资产负债率过高时，意味着企业面临较大的债务压力，需要支付高额的利息费用，这会增加企业的财务成本，影响企业的资金流动性和盈利能力。过高的负债还可能导致企业在经营决策上受到限制，无法灵活地进行资源配置和投资活动，从而降低企业的经营效率。以某计算机应用服务上市公司为例，该公司为了扩大业务规模，大量举债进行项目投资，但由于市场环境变化和项目执行问题，项目收益未达预期，高额的债务利息使得公司财务负担沉重，资金周转困难，进而影响了公司的研发投入和市场拓展，导致经营效率下降。流动资产周转率与综合技术效率呈显著正相关，相关系数为0.523。这说明流动资产周转率越高，企业的经营效率越高。流动资产周转率反映了企业流动资产的周转速度，周转率高意味着企业能够更快速地将流动资产转化为销售收入，表明企业在资产管理、生产运营和销售环节具有较高的效率。企业能够高效地管理应收账款，及时收回货款，加速资金回笼；合理控制存货水平，减少库存积压，提高存货的周转效率，这些都有助于提高企业的经营效率。在计算机应用服务业中，一些企业通过优化供应链管理，缩短了采购周期和生产周期，提高了产品的交付速度，使得流动资产周转率大幅提高，进而提升了企业的经营效率。研发人员占比与综合技术效率呈显著正相关，相关系数为0.387。这表明研发人员占比越高，企业的经营效率越高。计算机应用服务业作为技术密集型行业，研发人员是企业创新的核心力量。研发人员占比高，意味着企业拥有更强大的技术研发能力，能够投入更多的人力进行新技术、新产品的研发，从而推出更具竞争力的产品和服务，提高市场份额和盈利能力，进而提升企业的经营效率。以科大讯飞为例，该公司高度重视研发投入，研发人员占比超过[X]%，凭借强大的研发团队，在人工智能语音技术领域取得了众多创新成果，不断推出具有领先技术的产品和解决方案，市场份额持续扩大，经营效率显著提升。市场份额与综合技术效率呈显著正相关，相关系数为0.412。这说明市场份额越大，企业的经营效率越高。在市场竞争中，市场份额大的企业通常具有更强的品牌影响力、客户基础和市场定价能力。这些企业能够通过规模经济降低成本，提高生产效率；同时，由于客户资源丰富，企业能够更好地了解市场需求，及时调整产品和服务策略，提高客户满意度，进一步巩固市场地位，从而提升经营效率。用友网络在企业管理软件市场占据较大市场份额，凭借其广泛的客户群体和良好的品牌口碑，能够更好地整合资源，提供更优质的服务，实现了较高的经营效率。行业竞争程度与综合技术效率呈显著负相关，相关系数为-0.356。这表明行业竞争程度越高，企业的经营效率越低。在竞争激烈的计算机应用服务市场中，企业为了争夺市场份额，需要投入大量的资源进行市场推广、价格竞争等活动，这会增加企业的运营成本。激烈的竞争还可能导致市场价格下降，压缩企业的利润空间，使得企业在研发投入、人才培养等方面的资源受限，从而影响企业的经营效率。在一些新兴的细分市场，众多企业涌入，竞争异常激烈，部分企业为了生存，不得不降低价格，导致利润微薄，无法投入足够的资金进行技术研发和人才储备，经营效率受到严重影响。4.4.2Tobit回归分析由于DEA模型计算得到的经营效率值（综合技术效率、纯技术效率、规模效率）均介于0-1之间，属于截断数据，普通最小二乘法（OLS）会导致估计结果有偏且不一致，因此采用Tobit回归模型进行进一步分析，以深入探究各影响因素对计算机应用服务业上市公司经营效率的作用方向和程度。构建Tobit回归模型如下：y_i^*=\beta_0+\beta_1x_{1i}+\beta_2x_{2i}+\cdots+\beta_kx_{ki}+\mu_iy_i=\begin{cases}1,&y_i^*\geq1\\y_i^*,&0\lty_i^*\lt1\\0,&y_i^*\leq0\end{cases}其中，y_i^*为潜在被解释变量，即经营效率值；y_i为实际观测到的经营效率值；\beta_0为截距项；\beta_1,\beta_2,\cdots,\beta_k为各解释变量的系数；x_{1i},x_{2i},\cdots,x_{ki}为解释变量，分别表示资产负债率、流动资产周转率、研发人员占比、市场份额、行业竞争程度等影响因素；\mu_i为随机误差项。运用Stata软件对数据进行Tobit回归分析，结果如表4-3所示。表4-3Tobit回归分析结果变量综合技术效率系数纯技术效率系数规模效率系数资产负债率-0.256***-0.187**-0.123*流动资产周转率0.321***0.256***0.189**研发人员占比0.213***0.156**0.102*市场份额0.234***0.178**0.135*行业竞争程度-0.187**-0.135*-0.098常数项0.287***0.205***0.156**注：***表示在0.01水平上显著，**表示在0.05水平上显著，*表示在0.1水平上显著。从Tobit回归结果来看，在综合技术效率方面，资产负债率的系数为-0.256，且在0.01水平上显著，进一步证实了资产负债率与综合技术效率呈显著负向关系，资产负债率每增加1个单位，综合技术效率将降低0.256个单位，这表明企业应合理控制资产负债率，优化资本结构，以提高经营效率。流动资产周转率的系数为0.321，在0.01水平上显著，说明流动资产周转率与综合技术效率呈显著正向关系，流动资产周转率每提高1个单位，综合技术效率将提高0.321个单位，企业应加强流动资产的管理，提高资产周转速度。研发人员占比的系数为0.213，在0.01水平上显著，表明研发人员占比与综合技术效率呈显著正向关系，研发人员占比每提高1个单位，综合技术效率将提高0.213个单位，企业应加大研发人员的投入，提升技术创新能力。市场份额的系数为0.234，在0.01水平上显著，说明市场份额与综合技术效率呈显著正向关系，市场份额每扩大1个单位，综合技术效率将提高0.234个单位，企业应积极拓展市场，提高市场份额。行业竞争程度的系数为-0.187，在0.05水平上显著，表明行业竞争程度与综合技术效率呈显著负向关系，行业竞争程度每增加1个单位，综合技术效率将降低0.187个单位，企业应提高自身竞争力，应对激烈的市场竞争。在纯技术效率方面，各影响因素的作用方向与综合技术效率类似。资产负债率的系数为-0.187，在0.05水平上显著，说明资产负债率对纯技术效率有显著负向影响；流动资产周转率的系数为0.256，在0.01水平上显著，表明流动资产周转率对纯技术效率有显著正向影响；研发人员占比的系数为0.156，在0.05水平上显著，显示研发人员占比对纯技术效率有显著正向影响；市场份额的系数为0.178，在0.05水平上显著，说明市场份额对纯技术效率有显著正向影响；行业竞争程度的系数为-0.135，在0.1水平上显著，表明行业竞争程度对纯技术效率有显著负向影响。在规模效率方面，资产负债率的系数为-0.123，在0.1水平上显著，说明资产负债率对规模效率有负向影响；流动资产周转率的系数为0.189，在0.05水平上显著，表明流动资产周转率对规模效率有正向影响；研发人员占比的系数为0.102，在0.1水平上显著，显示研发人员占比对规模效率有正向影响；市场份额的系数为0.135，在0.1水平上显著，说明市场份额对规模效率有正向影响；行业竞争程度的系数为-0.098，虽然未达到显著水平，但也呈现出负向趋势，表明行业竞争程度可能对规模效率有一定的负面影响。通过Tobit回归分析，更清晰地揭示了各影响因素对计算机应用服务业上市公司经营效率的具体影响，为企业提升经营效率提供了更具针对性的依据。五、案例分析5.1高效企业案例分析宝信软件在计算机应用服务业上市公司中展现出了卓越的经营效率，其在2018-2022年期间的经营效率指标表现出色，为行业树立了标杆。从投入产出特点来看，在投入方面，宝信软件持续加大研发投入，研发人员占比不断提高。2022年，公司研发投入达到[X]亿元，占营业收入的比例为[X]%，研发人员占员工总数的比例超过[X]%。这种对研发的高度重视，使得公司能够不断推出创新的产品和服务，保持技术领先地位。在资产投入上，公司合理配置资产，不断优化资产结构，提高资产利用效率。通过对数据中心等基础设施的持续投入和升级，提升了服务能力和质量，为业务发展提供了坚实支撑。在产出方面，宝信软件取得了显著成果。营业收入和净利润保持稳定增长，2022年营业收入达到[X]亿元，同比增长[X]%，净利润达到[X]亿元，同比增长[X]%，展现出强大的市场竞争力和盈利能力。公司在技术创新方面成果丰硕，获得了多项专利和软件著作权，其工业互联网平台xIn3Plat持续入围国家工信部“双跨”平台，排名稳步提升，平台获得国内首批最高级数字化成熟度IOMM卓越级认证、首批“工业互联网平台服务安全能力评价五星级平台”等荣誉，这些成果不仅提升了公司的品牌形象，还为公司带来了更多的市场机会和业务增长空间。宝信软件取得高经营效率的成功经验值得深入剖析和借鉴。公司坚持创新驱动发展战略，将技术创新作为核心竞争力的重要来源。通过持续投入研发资源，不断探索新技术、新应用，公司在工业互联网、大数据、云计算、人工智能等领域取得了一系列创新成果。这些创新成果不仅应用于公司自身的业务中，还为客户提供了更具价值的解决方案，满足了客户不断升级的需求，从而提高了客户满意度和市场份额。在工业互联网平台建设中，宝信软件不断优化平台功能，引入人工智能技术实现生产过程的智能化监控和优化，为钢铁等行业客户提供了高效的生产管理解决方案，帮助客户提高生产效率、降低成本，赢得了客户的高度认可和信赖。宝信软件注重市场拓展和客户关系管理，通过精准的市场定位和有效的营销策略，不断扩大市场份额。公司聚焦钢铁、交通、有色、化工等重点行业，深入了解客户需求，提供定制化的解决方案，与客户建立了长期稳定的合作关系。在钢铁行业，宝信软件凭借其在工业软件和信息化服务方面的优势，为众多钢铁企业提供了智能制造解决方案，涵盖生产计划、质量控制、供应链管理等多个环节，帮助钢铁企业实现了数字化转型和升级，成为钢铁企业信息化建设的首选合作伙伴。公司还重视内部管理和团队建设，通过优化业务流程、提高管理效率，降低运营成本，提升了企业的整体运营效率。公司建立了完善的人才培养和激励机制，吸引和留住了一大批高素质的技术和管理人才，为公司的发展提供了强大的人才支持。宝信软件采用敏捷开发方法，优化软件开发流程，缩短了项目开发周期，提高了软件产品的质量和交付效率；通过实施全面预算管理和成本控制措施，有效降低了运营成本，提高了资源利用效率。5.2低效企业案例分析亚联发展在计算机应用服务业上市公司中经营效率相对较低，通过对其2018-2022年的经营效率指标进行分析，能深入了解低效企业的特征和问题。从投入产出特点来看，在投入方面，亚联发展的资产投入规模较大，但资产利用效率较低。2022年，公司资产总计达到[X]亿元，但部分资产处于闲置或低效利用状态，如一些办公设施和设备的利用率不高，导致资源浪费。在研发投入上，虽然公司也有一定的研发支出，但研发投入的产出效果不佳。2022年研发投入为[X]万元，占营业收入的比例为[X]%，然而研发成果转化为实际经济效益的能力较弱，新产品和新技术的市场竞争力不足。在产出方面，亚联发展的经营成果并不理想。营业收入增长缓慢，2022年营业收入为[X]亿元，同比增长仅为[X]%，甚至在某些年份出现了负增长，这表明公司的市场拓展能力较弱，产品和服务未能有效满足市场需求。净利润表现更是不佳，2022年净利润为[X]万元，较上一年下降了[X]%，部分年份甚至出现亏损，这反映出公司的盈利能力不足，成本控制和经营管理存在较大问题。亚联发展经营效率低的原因主要体现在以下几个方面。技术创新能力不足是关键因素之一，公司在技术研发上的投入未能有效转化为创新成果，缺乏核心技术和自主知识产权，在市场竞争中处于劣势。与同行业领先企业相比，亚联发展在软件开发技术、系统集成能力等方面存在较大差距，无法满足客户日益增长的高端化、个性化需求，导致客户流失，市场份额下降。市场拓展能力欠缺也是重要原因，公司在市场定位和营销策略上存在问题，未能准确把握市场需求和行业发展趋势，产品和服务的市场推广效果不佳。在新兴的云计算、大数据服务领域，亚联发展未能及时布局，错失市场机遇，而在传统业务领域，又面临激烈的市场竞争，市场份额逐渐被竞争对手蚕食。公司的内部管理也存在诸多问题，管理效率低下，业务流程繁琐，导致运营成本增加，资源配置不合理。在项目执行过程中，存在沟通不畅、协调困难等问题，导致项目进度延迟，成本超支，影响了公司的经营效率和客户满意度。财务状况不佳，资产负债率较高，2022年资产负债率达到[X]%，财务风险较大，高额的债务利息支出进一步压缩了公司的利润空间，限制了公司的发展能力。5.3案例启示与借鉴从宝信软件的成功案例可以看出，创新是提升计算机应用服务业上市公司经营效率的核心驱动力。企业应加大研发投入，培养和吸引高素质的研发人才，加强与高校、科研机构的合作，开展产学研合作项目，促进技术创新和成果转化，不断推出具有自主知识产权和核心竞争力的软件产品和服务，以满足市场不断变化的需求，提升企业的市场份额和盈利能力。在人工智能技术研发方面，企业可以与高校的人工智能实验室合作，共同开展基础研究和应用开发，加速技术的产业化进程；也可以通过设立博士后工作站，吸引优秀的博士人才加入企业，为企业的技术创新注入新的活力。有效的市场拓展和客户关系管理对提升经营效率至关重要。企业应深入了解市场需求和行业发展趋势，精准定位目标客户群体，制定差异化的市场策略，提高市场推广效果。加强客户关系管理，建立完善的客户服务体系，及时响应客户需求，提高客户满意度和忠诚度，通过优质的产品和服务树立良好的品牌形象，扩大市场份额。在市场拓展方面，企业可以利用大数据分析技术，深入挖掘客户需求和市场潜在机会，制定针对性的市场推广方案；在客户关系管理方面，建立客户反馈机制，及时收集客户意见和建议，不断优化产品和服务，提高客户满意度。良好的内部管理是企业提升经营效率的基础。企业应优化业务流程，减少不必要的环节和繁琐的手续，提高工作效率；加强团队建设，营造积极向上的企业文化，提高员工的工作积极性和团队协作能力；实施全面预算管理和成本控制措施，加强成本管理，降低运营成本，提高资源利用效率。在业务流程优化方面，企业可以引入先进的管理理念和方法，如精益管理、六西格玛管理等，对业务流程进行全面梳理和优化；在团队建设方面，开展团队培训和拓展活动，增强员工之间的沟通和信任，提高团队凝聚力和战斗力。亚联发展的案例也为其他企业提供了警示。企业应高度重视技术创新，加大研发投入，优化研发管理体系，提高研发成果的转化率，避免研发资源的浪费。关注市场动态，及时调整市场策略，提