论文基于DEA的信息技术业上市公司绩效评价，该文是关于信息技术毕业论文提纲范文和绩效评价和上市公司和信息技术方面学年毕业论文范文.
摘 要：运用因子分析与超效率DEA法相结合的方法,对我国71家信息技术业上市公司的绩效进行测算、排序和分析研究.结果表明,我国信息技术业上市公司的发展状况较好；信息技术企业的技术效率有待提高,主要存在投入要素浪费的问题；信息技术行业整体绩效发展存在不稳定性,需要更加重视内部资源的配置,提升自身核心竞争力.
关键词：绩效评价；信息技术业；因子分析法；超效率DEA
中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.35.053
1引言
近年来,我国信息技术产业发展迅速,跃居市场前列.信息技术代表着我国技术未来发展的重要方向,也是国家未来若干年重点扶持的对象.进入"十三五"后,信息技术革新换代的进程将快速推进,横向渗透进入我国经济社会的各个领域,科技革命与产业变革将进入群体爆发的关键时期.研究和探索基于DEA的信息技术业上市公司绩效,是推动我国信息技术业上市公司技术创新和用信息技术支撑制造强国的前提和保障.
张冰佳（2016）应用DEA法建立了包括人力资源、资产管理、资金管理、内部控制、信息处理和表现能力的创新型电子信息企业绩效评价指标体系,并选择电子信息产业29家创新型上市公司2015年的数据分析其企业绩效.杨晴（2016）建立了包括技术创新能力、研究开发能力、风险管理能力、资本投入能力、收益能力、成长能力的新一代信息技术上市公司绩效评价指标体系,并运用DEA方法分析2012-2014年新一代信息技术上市公司的绩效情况.汤萱,谢梦园（2017）通过DEA分析法及回归分析法,研究政府补助行为对新一代信息技术产业产能效率的影响,研究结果表明,政府补助行为与新一代信息技术产业的产能效率存在正相关关系.陈鲁夫,邵云飞（2017）基于"模型",研究战略性新兴产业的生产要素、需求因素、支持与相关产业、竞争、政府支持对企业创新绩效的影响,并以新一代信息产业为例进行实证分析.结果表明,战略性新兴产业对产业内部R&D经费支出这一高级生产要素的需求非常迫切.赵玉林,胡燕（2017）基于产业生命周期,运用超效率DEA方法实证分析战略性新兴产业创新绩效的阶段性差异,并发现在初创期、成长期前期、成长期后期、成熟期的演化过程中,其创新绩效呈现逐步提高的阶段性特征.
在对信息技术业的绩效评价研究中,学者们开始关注到创新绩效相关指标,特别是R&D经费和人员的指标,但是针对其这一特点的全面的绩效评价的研究还比较少；目前对信息技术业上市公司绩效的研究,在进行绩效评价时大多只选取了一部分指标,没有将财务指标和研发创新指标综合起来进行绩效评价案例；学者们运用了因子分析法、平衡计分卡、熵权法、DEA、回归分析法等多种方法进行指标体系构建和绩效评价,暂未有将因子分析法与超效率DEA结合运用的案例.
结合现有的研究方法和成果,本文拟基于DEA构建我国信息技术业上市公司绩效评价指标体系,确定信息技术业上市公司绩效评价模型,运用因子分析法处理原始数据作为DEA模型的数据来源,再基于超效率DEA模型,分析信息技术企业及整个行业的绩效水平,以期提出基于DEA的信息技术业上市公司绩效问题的有效解决思路.
2研究设计
2.1超效率DEA模型
DEA方法即数据包络分析法,是一种线性规划方法,用于评价相对有效性.DEA方法能够对决策单元的相对效率进行评价,这些决策单元的特点是同时又多投入和多产出；运用DEA模型还能够进行理想值与实际值的对比分析,为决策单元有针对性的改进提供重要参考信息.
在传统DEA模型分析出的结果中,会出现多个DMU效率值为1的情况,影响我们对这些有效的决策单元进行效率值排序,而超效率DEA模型可以弥补传统DEA模型的不足.超效率DEA模型变量的定义与传统DEA模型的主要差别在于,超效率DEA在对DMU进行效率分析时,生产前沿面发生了变化.
假设有n个决策单元,j等于1,2,…,n,每个决策单元有m个投入和s个产出,投入向量表示为Xj等于(x1j,x2j,…,xmj)T,产出向量表示为Yj等于(y1j,y2j,…,ysj)T,且xij≥0(i等于1,2,…,m),yrj≥0(r等于1,2,…,s),第i个投入指标的权重表示为vi,第r个产出指标的权重表示为ur,权重向量分别为v等于(v1,v2,…,vm)T和u等于(u1,u2,…,us)T.将对应的决策单元j0投入、产出数据分别为xj0、yj0,1≤
j0≤
n,则超效率DEA模型可以表示为：
2.2投入产出指标体系构建
遵循绩效评价指标体系设计的科学性、全面性、针对性、可得性原则,本文基于DEA,从投入产出角度出发,依次构建信息技术业绩效评价初始投入产出指标体系,以及经过因子分析法降维得到的DEA综合投入产出指标体系.
在投入指标方面,本文选取了包括资产负债率、流动比率、速冻比率的偿债能力指标,以及包括研发投入金额、研发投入比例、研发人员数量占比和政府补助的研发创新投入能力指标.经过因子分析,资产负债率、流动比率、速冻比率被归入了偿债能力综合指标,研发投入金额、政府补助被归入了研发资金投入综合指标,研发投入比例、研发人员数量占比被归入研发技术投入综合指标.在产出指标方面,本文选取了包括主营业务收入增长率、净资产收益率和总资产收益率的盈利能力指标,包括总资产增长率、资本累积率以及营业利润增长率的发展能力指标,还选择了技术型无形资产比例作为研发创新产出能力指标.经过因子分析,主营业务收入增长率、总资产增长率、资本累积率和营业利润增长率被归入了发展能力综合指标,净资产收益率、总资产收益率和技术型无形资产比例被归入了盈利及研发产出能力综合指标.指标体系如图1所示.
3实证研究
3.1样本选取与数据处理
根据国家统计局发布的《2017年国民经济行业分类（GB/T 4754-2017）》,本文将研究对象界定为"信息传输、软件和信息技术服务业"（后文简称信息技术行业）.本文选择的是沪深两市中71家信息技术业上市公司2012-2016年五年的数据,样本数据来源于CAR国泰安数据库、巨潮资讯网及上市公司年报.根据研究需要,剔除以下几种样本：(1)*ST和ST的公司；(2)指标异常的公司；(3)研发投入、开发支出等数据未披露或未完整披露的公司,特别是以前年度研发创新数据缺失过多的公司.本文使用StataMP 14对数据进行因子分析,在因子分析所得数据的基础上应用DEAP2.1进行DEA分析、用DEA Solver进行超效率DEA分析.
DEA模型中的投入、产出数据指标体系来自因子分析法提取出的公因子,处理后的结果表明,各公因子数值中包含部分负值,而评价模型要求所选的DMU的数据必须为正数,否则模型的求解不能达到相对有效.因此,本文运用功效系数法公式Xij´等于0.1+对数据进行无量纲化处理,把指标数据归类到某一无量纲区间.
3.2效率值分析
运用DEA Solver软件将各决策单元的投入、产出指标数据带入求解,得到各决策单元在DEA和超效率DEA模型下的效率值和排名.
从表1中可以看出,71家信息技术业上市公司的平均综合技术效率为0.995,且数值均处于0.932与1之间,整体差异不大,说明信息技术行业整体绩效发展状况较好.从表中可以看出,包括神州数码、中兴通讯、欧比特等10家公司的综合技术效率、纯技术效率和规模效率都为1,且规模报酬不变,说明这10家企业为DEA有效,在技术上和规模上都达到了最优,属于行业龙头企业.而余下61家企业为DEA无效,说明这些企业还存在投入冗余或产出不足的情况.
接着对2016年的样本数据进行进一步分析,将2016年71家样本企业在传统DEA模型和超效率DEA模型下的效率值进行排序对比,以了解DEA有效的10家企业的绩效差异,
以及技术效率相同的企业之间的差别.可以看出,在CCR模型和超效率模型下,有效DMU的数量和整体排序没有变化,说明超效率模型不会影响对有效和无效DMU的判断.在10个DEA有效的样本企业中,超效率模型下的效率值拉开了差距,其中排在前两名的神州数码和中兴通讯与另外8家企业差距较大,说明这两家企业的绩效处于行业顶尖水平.从地区分布来看,DEA有效的企业多分布在北京、广东、江苏等省市,也说明经济较发达地区的信息技术业发展仍处于领先.
3.3被参考次数分析
被参考次数指的是一个DMU被其他DMU当作改进目标进行参考的次数.在DEA中,DMU之间会两两比较并选择更优的DMU作为参考对象,这些被参考的DMU 大多是DEA有效的DMU.一个DMU被参考的次数越多,说明这个DMU的效率越好、稳定性越强.根据被参考次数情况,可以进一步分析出2012-2016年71家信息技术业上市公司中有效DMU的绩效水平.样本企业被参考次数情况如表2所示.
在71家样本企业中,共有9家被选作参考对象,其中国电南瑞被参考的次数最多,共计55次,被超过2/3的样本企业进行了参考；其次是海康威视,共计45次,被63.4%的样本企业进行了参考；中兴通讯、神州数码、焦点科技和大族激光分别被参考了33次、27次、25次和18次；被参考3次以下的有鹏博士、天源迪科和中国卫星.这些被参考企业可以看作是处于信息技术行业领先水平的企业.
被参考的信息技术业上市公司中,除了大族激光,其他企业的综合技术效率、纯技术效率和规模效率值均为1,都是有效DMU,说明有8家样本企业绩效水平更加稳定.未被参考的企业可以学习被参考的企业,被参考次数少的企业可以学习被参考次数多的企业,而上述处于行业领先水平的企业,应当发挥行业领导者地位,引领整个信息技术产业向更有序化的方向发展.
4结论及建议
本文以信息技术业上市公司为研究对象,筛选出71家样本企业2012-2016年连续五年的数据,运用因子分析和DEA相结合的方法对数据进行测度,分别对样本企业的综合技术效率、纯技术效率和规模效率进行绩效评价.结果发现：（1）我国信息技术业上市公司的发展状况较好.在综合效益方面,71家信息技术业上市公司的平均综合技术效率为0.995,整体差异不大,说明信息技术行业整体绩效处于比较高的水平；（2）大部分企业存在投入要素的浪费,信息技术企业的技术效率有待提高.在71家信息技术业上市公司中,大部分存在产出不足或投入冗余的问题,其中更普遍是研发资金投入冗余问题,说明信息技术行业未能实现绩效更好的主要原因在于研发资金的过度投入,需要加以调整和控制；（3）信息技术行业整体绩效发展存在不稳定性,有一定波动.
对此,本文提出以下建议：（1）大力培养高素质的创新型科技人才尤其是技术创新型人才；（2）推进重点领域核心技术突破.信息技术企业的技术水平虽然逐年上升,取得了许多技术突破,但作为信息技术企业的核心竞争力,国内的技术水平和国外顶尖技术仍有一定差距.因此还需在核心技术上多下功夫,不能满足于现有技术水平,要推动研发创新成果更有效地转化为生产力；（3）进一步优化企业资源配置.相较其他企业,信息技术企业有更多的研发创新投入和产出,企业需要从自身找原因,找出资源浪费的关键环节,优化配置所拥有的资源,让企业内部各个要素都能高效运转,争取企业效益的最大化.
参考文献
[1]严寒冰.我国信息技术行业上市公司财务绩效评价研究[J].商业会计,2014,(20):82-84.
[2]高岩芳,王璐.基于因子分析法的我国电信企业财务绩效分析[J].会计之友,2016,(6):8-10.
[3]杨晴.新一代信息技术上市公司绩效评价研究[D].合肥：安徽大学,2016.
[4]卢柯颖.R&D投入与企业绩效关系研究--以中国软件和信息技术服务业上市公司为例[J].财会通讯,2017,(23).
[5]熊莉,沈文星.基于DEA方法的产业技术创新战略联盟绩效评价--以木竹产业技术创新战略联盟为例[J].财会月刊,2017,(10):70-75.
[6]陆国庆.战略性新兴产业创新的绩效研究--基于中小板上市公司的实证分析[J].南京大学学报(哲学·人文科学·社会科学),2011,(4):72-80.
归纳总结,该文是一篇关于绩效评价和上市公司和信息技术方面的信息技术论文题目、论文提纲、信息技术论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
参考文献：
1、 高职院校教师企业锻炼的绩效评价和实践体系以广东女子职业技术学院为例 高……职业教育具有职业教育、高……教育的双重性,主要以培养管理、服务、建设、生产第一线的高技能人才为主要任务 教师到企业去锻炼,有助于提高教师生产、建设、服务的教学能力,提升教师的职业素养 一、高.
2、 PE对创业板上市公司绩效的影响基于深圳证券交易所数据的实证分析 摘 要 选取了355家在深圳证券交易所创业板上市的公司作为研究样本,运用单变量分析和多元回归分析相结合的方法实证研究了PE对创业板上市公司绩效的影响 结果发现PE对公司绩效有着正面的影响,特别是高声誉.
3、 我国电气业上市公司绩效的实证 摘要本文通过实证研究,结合绩效的影响因素,试图发现电气业绩效所存在的问题,进而揭示电气业上市公司绩效管理中存在的问题 本文首先从盈利能力、营运能力、偿债能力三个方面,选取了10个指标,然后运用主成分分.
4、 政府补助对雄安新区上市公司绩效的影响基于企业成长性的调节 摘要以雄安新区2012—2016年沪深A股上市公司的数据为样本,通过实证检验方式,分析在企业成长性的调节作用下,政府补助与企业绩效的关系 结果发现当期政府补助对滞后一期的企业绩效具有显著的.
5、 我国上市公司信息披露 【摘要】首先,本文通过对上市公司信息披露的基本理论研究的回顾,分析了目前在中国上市公司会计信息披露的现状,指出上市公司会计信息披露在中国的不真实,不充分和不规范不及时……问题 然后分析公司内部原因和外.
6、 我国上市公司会计信息披露质量对其融资的影响 摘要上市公司会计信息披露的质量直接影响着投资者的抉择,即直接影响着上市公司的融资水平,所以目前不仅投资者越来越重视上市公司的信息披露质量,上市公司自身也越来越重视本公司的信息披露质量 本文构建了上市公.