效率课堂：不同的课，不同的听法

效率课堂：不同的课，不同的听法（精选6篇）

篇1：效率课堂：不同的课，不同的听法

美博教育一对一辅导中心提醒，同学们在听课的过程中，还要善于抓住各种课程的特点，运用相应的方法去听，这样才能达到最佳的学习效果，

一、听理科课重在理解基本概念和规律

数、理、化是逻辑性很强的学科，前面的知识没学懂，后面的学习就很难继续进行。因此，掌握基本概念是学习的关键。上课时要抓好概念的理解，同时，大家要开动脑筋，思考老师是怎样提出问题、分析问题、解决问题的，要边听边想。为讲明一个定理，推出一个公式，老师讲解顺序是怎样的，为什么这么安排？两个例题之间又有什么相同点和不同之处？特别要从中学习理科思维的方法，如观察、比较、分析、综合、归纳、演绎等。

作为实验科学的物理、化学和生物，就要特别重视实验和观察，并在获得感性知识的基础上，进一步通过思考来掌握科学的概念和规律，等等，

二、听文科课要注重在理解中记忆

文科多以记忆为主，比如政治，要注意哪些是观点，哪些是事例，哪些是用观点解释社会现象。听历史课时，首先要弄清楚本节教材的主要观点，然后，弄清教材为了说明这一观点引用了哪些史实，这些史料涉及的时间、地点、人物、事件。最后，也是关键的一环，看你是否真正弄懂观点与史料间的关系。最好还能进一步思索：这些史料能不能充分说明观点？是否还可以补充新的史料？有无相反的史料证明原观点不正确。

三、听英语课要注重实践

英语课老师往往讲得不太多，在大部分的时间里，进行的师生之间、学生之间的大量语言实践练习。因此，要上好英语课，就应积极参加语言实践活动，珍惜课堂上的每一个练习机会。

篇2：效率课堂：不同的课，不同的听法

牛顿第二定律是本章的重点也是高中物理的重点内容。牛顿第二定律关系式是分析解决运动学问题的基础, 阐明了物体的加速度跟力和质量间的定量关系, 它是在实验基础上建立起来的重要定律, 所以这一节课的关键是要做好实验, 探究牛顿第二定律。我们主要是用控制变量法, 即当质量不变的情况下, 探究加速度与力的关系, 在力相同的情况下探究加速度与质量的关系。在高中阶段的物理教学中这儿是首次引入控制变量的科学思维方法。本节的教学目标是:知识目标: (1) 理解加速度与力和质量的关系; (2) 知道得到牛顿第二定律的实验过程; (3) 理解牛顿第二定律的内容, 知道定律的确切含义; (4) 能运用牛顿第二定律解答相关问题;能力目标:培养学生的实验能力、分析能力和解决问题的能力;德育目标:使学生知道物理中研究问题时常用到的一种科学方法———控制变量法。从书上本节的内容和要求来看, 做好实验是本节课的主要内容和得出结论的唯一途径, 只有精确的实验数据才能自然地产生结论。所以要上好这堂课, 做好实验是关键。要想得出好的实验数据, 就得选择好的实验器材和设计好实验过程。为此, 我们在这节课前, 课题组的老师经过了充分的讨论设计, 选出了在物理成绩、对物理的理解、掌握能力各方面差不多的三个高一班级进行尝试比较。高一 (6) 班用牛顿第二定律演示仪来做这两个实验探索, 高一 (3) 班是用轨道、小车和火花式打点计时器等传统仪器来完成实验, 高一 (5) 班是用我们数字化实验室的那套仪器来做这两个实验。

实验教学预设:高一 (6) 班用牛顿第二定律演示仪。其原理是利用上、下两辆小车同时从速度为零开始加速运动在相同时间内所移动的距离S (S=%, 运动时间t相同) 来比较加速度a (%=%) 。所用仪器是:牛顿第二定律演示仪、天平及砝码、钩码50克×10的1盒、钩码10克×2的1盒、钩码20克×2的1盒。因为小车的质量接近200克, 挂着小桶的质量接近10克。且由实验器材本身 (如长度等) 因素的限制, 我们只能测三种数据, 本实验中为了比较方便比较我们只能以100克的倍数来改变质量, 以10克力的倍数来改变拉力的大小, 进行粗略地比较。第一部分实验是挂了相同的钩码 (即拉力相同的情况下, 探究加速度与质量的关系) , 而在小车中不放、放入两个50克和四个50克的钩码, 进行实验得出数据。在高一 (3) 班中, 我们用了轨道小车及打点计时器来做实验, 所用的实验器材是:打点计时器、轨道小车、天平及砝码、钩码50克×10的1盒、钩码10克×2的1盒、钩码20克×2的1盒、米尺、纸带和电源。在这节课中, 为了节约时间, 老师将班级的学生分成两大组, 一组学生专门探究质量相同时加速度与力的关系, 另一组学生探究在拉力相同的情况下, 加速度与质量的关系。高一 (5) 班是用我们数字化实验室的那套仪器按要求来做这两个实验。仪器是手持主机、导轨、小车、位移传感器和2克钩码若干。

通过这三堂课, 我们发现影响完成课堂教学的任务和学生掌握知识的程度不同的主要差别在于:实验 (操作及数据处理) 的时间、实验得出的依据数据的充分性和实验误差等方面, 下面我们将这三堂课的结果在这几方面作一个粗略的比较:

从上表中可以看出:高一 (3) 班用传统的仪器做实验, 虽然所得出的数据要比高一 (6) 班精确些, 但由于学生要花大量的时间在处理数据上, 并且在学生的测量长度等一些环节中产生的误差比用传感器直接测高一 (5) 班的实验大, 故实验虽然取了5组数据, 所得的图线效果也不够理想, 没有高一 (5) 班的精确, 因此结论比较粗糙, 而且这节课到实验结论时是匆匆得出的, 没有时间总结和训练。因此整节课就显得匆忙和粗糙, 教学效果不够理想, 在学生的课后作业中反应比较明显。高一 (6) 班的实验虽然花时间不是很长, 但在实验前老师用在实验原理的说明、数据的读取和处理以及说明利用位移求加速度的铺垫上也要花去很大一部分时间, 整节课时间也比较紧。另外, 由于实验过程中, 上、下两个小桶及重物也要产生加速度这个误差不同, 还有小车的运动距离比较不能很精确等造成误差较大, 同时实验时由于器材和原理等原因使得实验次数有限 (三组数据) , 三组数据就无法用图线来直观地描述加速度与和力及质量的关系, 使结论的可信度降低。这节课学生基本只是知道了实验原理, 而对真正从实验中能得出的结论印象并不深, 对实验的结论缺乏可信度, 只是强迫接受老师讲的结论, 这样就离新教材的要探究出这个规律目的有一定的距离了。高一 (5) 班我们采用数字化实验室的那套仪器来上课, 因为引入了传感器, 数据的采集就比较精确, 传感器直接与计算机连接, 所以处理数据和作图的任务就交给了计算机, 这样大大节省了读数、计算和作图的时间, 另外用得出的数据, 利用计算机可以直接拟合曲线, 当质量相等时加速度与拉力得到了一条正比图线, 直接能说明, 在质量相等时加速度与力成正比;当拉力相同时得出加速度与质量的数据拟合的是一条类似于双曲线形状的曲线, 再将加速度与质量的倒数进行拟合, 结果得出的是一条正比例曲线, 则说明加速度与质量成反比关系。从实验采集数据到拟合曲线到得出实验结论, 整个完整的过程只花去了不到一刻钟的时间。以往时间很紧的一节课, 用现代化实验室来完成实验, 探究实验做得详细、清晰, 得出的实验结论直观形象、可信度高, 探究出的实验结论给学生印象深刻, 课堂现代气息浓厚, 调动了学生参与的热情。这节课“在培养学生在控制变量方面的探究能力”这个目的真正能够很好地达到, 忽略的是数据处理这个过程, 从而让老师有充实的时间讲解例题, 还可以让学生在课堂上完成一些练习。

从三个班级的课比较来看, 我们感觉到用数字化实验设备完成这堂课有以下优势: (1) 时间的优势; (2) 减小误差的优势; (3) 实验结论的可信度和直观性有所提高; (4) 实验条理清晰目的达成度高; (5) 老师对教学内容有宽余的时间把握, 学生也有多余时间训练, (6) 引入先进理念。三个班级同样的教学内容完成后, 从作业上和后来跟踪考试的反馈情况来看, 用数字化设备上课的班级, 不管是对知识点的理解方面还是对内容的掌握方面都是最好的, 所以从这可以看出, 只要我们合理地运用现代技术, 确实能够提升实验教学效率。

篇3：相同的课，不同的精彩

关键词：个性化；同课异构；探究；思考

“同课异构”在对教材的把握和教学方法的设计上强调“同中求异、异中求同”，让我们清楚地看到不同的教師对同一教材内容的不同处理，不同的教学策略所产生的不同教学效果，并由此打开了教师的教学思路，彰显教师教学个性，是继承和批判的统一，真正体现了资源共享、优势互补。

第一节课由天长中学的黄从明老师执教，课堂导入这一环节是充分站在学生的角度，以学生的生活经验为出发点设计的；然后是快速阅读；继这之后，黄老师让学生用文中出现的重点句型和短语连贯地谈论他们熟知的Spring Festival 及其他主要节日和西方节日。

第二节课由明光中学张璐老师执教。在探讨了国内传统文化之后，师生一起讨论了他们喜欢的西方节日。之后，张老师给学生们营造了一个很有创意的语言情境：假设她的朋友给她寄了一封信，而这封信恰好在每个学生的桌上。在信中朋友介绍并描述了Carnival的情形，从而让学生做填空练习。本堂课的另一个点睛之处在于张老师用八张颜色各异的鲜艳卡片把与节日有关的讨论内容贴在了黑板上，学生凭借这些清晰醒目的图片便能轻松复述出每个节日涉及的内容。

最后一节课是由一中的陈琨老师执教。上课伊始，同样是带学生一起做番热身，例数耳熟能详的节日，并展示相关的精彩图片，特别是有关食物的，紧跟着的是泛读回答问题，精读填空练习。听课文再次阅读从而使学生加深了对文章内容的理解。这堂课的一个特色设计在于教师在大屏幕上呈现给学生一首诗，然后让学生猜诗中描述的是什么节日，学生参与的积极性比较高。最后陈老师提出一个提纲要领的问题How can we describe a festival？并以Chinese Valentine’s Day 为例展开谈论。陈老师整堂课给我的感受是语速快，节奏快，干净利落，紧张中又不失活泼。

通过这次“同课异构”教研活动，表明课堂教学是个性化的艺术，展示了教师不同的教学理念、教学风格以及学生的学习态度和效果。随着“同题异构”教研活动的开展，教师可以相互交换教学思想和教学方法，扬长避短，在“同题异构”活动中生成，在生成中建构，在建构中发展。

（作者单位 安徽滁州实验中学）

篇4：我国不同地区碳减排效率评估研究

在全球重工业蓬勃发展的背景下,能源消费持续快速增长,二氧化碳的排放量与日俱增,碳减排、限排成为保护环境,维持人类自身长远发展的迫切需要。英国率先提出“低碳经济(Low-carbon Economy)”的概念,由其引领的低碳经济发展模式在我国开始实践。2005年11月召开了以“向低碳经济迈进”为主题的由20个温室气体排放大国环境和能源部长参加的高层会议,呼吁全世界向低碳经济发展:它是指以消耗低碳燃料为主,追求温室气体特别是二氧化碳最小化排放的发展,是一种高能效、低资源消耗和低温室气体排放的经济模式。低碳经济作为可持续发展的现实载体,力求实现稳定大气中的温室气体和维持经济增长两个目标。“低碳经济”不只是一个新概念,它着眼于国际气候制度建设,而且与发展中国家的经济增长和发展权益联系在一起,目的是在发达国家和发展中国家之间建立起相互理解的桥梁[1]。

中国正处于快速工业化和城市化进程之中,人类社会未来的生存与发展受到了日益恶化的气候变化的严重威胁,通过碳减排发展低碳经济成了人类发展和自然改善的必经之路。碳减排有利于维护自然生态系统和社会经济系统协调一致,可以保护地球资源和环境,还能够造福后代,让人类社会文明持续不断的繁衍生息和源远流长;可以避免特大自然灾害以及难以应对的气候变化,以防止造成巨大的人力、物力、财力方面的损失;可以提高人类生产和生活能力,促进人类科学技术向先进不断迈进,人类文明和智慧也将不断被挖掘。

一、碳减排效率评估的国内外研究现状

纵观现有研究,国外A.S.Dagoumas、T.S.Barker[2]运用E3MG(Energy-Economy-Environment Model at the Global level)分析英国的碳排放情况,提出一些关于英国脱碳路径的建议。Jyoti Parikh、Manoj Panda、A.Ganesh-Kumar和Vinay Singh[3]通过投入-产出法(IO)和社会会计矩阵(SAM),评价印度经济发展的碳排放现状。Solow、 Denison[4]在技术减排方面使用全要素生产率(Total Factor Productivity)来代表技术进步,包括科技创新即“硬”技术进步和管理、制度、政策等的优化,即“软”技术进步。

国内学者马军[5]在《基于DEA法的内蒙古发展低碳经济的效率评价》中,针对区域差异导致的低碳经济发展程度不同的现象,利用数据包络法(DEA法),分析了近10年间中国内蒙古地区发展低碳经济的效率。谭丹、黄贤金[6]《我国东、中、西部地区经济发展与碳排放的关联分析及比较》中分析了我国东、中、西部三大地区碳排放的特征和差异,采用灰色关联度法分析了三大地区生产总值与碳排放之间的关系。张晶等[7]在《基于工业能源利用效率的低碳经济实证研究》中以DEA为工具,选取工业能源利用方面的相关指标,分析了徐州市1998-2008年低碳发展效率,并与苏州市进行了对比。

综上所述,国外关于碳减排效率评价重视实践研究,对低碳经济的抽象性、概括性、综合性的理论研究较少,注重将碳减排效率评估具体化、实践化,针对国际、国家、区域等不同尺度探讨低碳经济发展的具体模式。在研究对象上侧重于低碳经济某一特定领域,尤其体现在低碳能源、碳排放、低碳技术等方面。在评估方法上,大量运用各种数量模型,如投入一产出法、成本一效益法、KAYA公式等。国内关于碳减排评估指标方面有一定的研究成果,但理论还不完善,其研究对象集中在区域性的低碳经济发展现状、低碳城市建设等方面,评估方法主要局限于综合合成方法、层次分析法。

二、碳减排效率的理论分析

(一)碳减排效率

在评估碳减排的实行效率时,需要考虑成本与效率的关系,对推行碳减排代价的计算,既要考虑到碳减排的资源投入总量与绝对量,也要考虑到碳减排相较于经济发展而言的相对量,即为实现单位经济增长我们所付出的减排的成本。本文把碳减排投入作为输入变量(自变量),碳减排成效作为输出变量(因变量)来研究。

关于投入产出效率的计算方法通常有:一是比率法,即用产出与投入的简单比例关系来表示投入产出绝对效率的高低,该方法简单易用,但是它仅适用于单指标的投入产出效率分析;二是参数法,该方法主要适用于单产出和多投入的相对效率测算,其最大优点是通过估计产出函数对投入产出的过程进行描述,从而对投入产出的效率估计得到控制,其中随机前沿分析(SFA)是较为常用的一种方法。这两种方法都有其局限性,并不能涵盖本文的碳减排效率评估所涉及的多投入和多产出要素,而数据包络分析法(DEA)正好克服了这一缺点。

(二)研究假设

数据包络分析法(DEA)是美国著名运筹学家A.Charnes与W.W.Cooper等,于1978年在“相对效率评价”基础上发展起来的一种系统评价方法[8,9]。它把单输入、单输出的工程效率概念推广到多输入、多输出同类决策单元(decision making unit,DMU)的有效性评价中,同类型的DMU是具有相同目标和任务、相同外部环境和相同输入输出指标的决策单元[10]。由于各地区在实行碳减排政策的投入要素值和产出结果值各异,本文把每个地区假设为一个决策单元,它们追求的共同目标就是实现碳减排效率的最大化。碳减排的综合评价是一种整体性的认识,从影响效率评估每个指标的投入与产出因素角度出发,既有主观的成分,也有客观的影响因素。本文采取AHP选取了评价模型的投入指标和产出指标,假设它们对应的每个投入值和产出值都是实际为碳减排所做的努力和结果。采取DEA方法来评价决策单元之间的相对效率,不仅可以对决策单元的有效性作出度量,而且还能对决策单元非有效性进行调整。

三、我国不同地区碳减排效率评估实证研究

(一)碳减排效率评估指标体系构建

碳减排作为发展低碳经济的一种途径,对其进行效率的综合评估,应该从多个角度选取不同的指标,以反映不同的侧面,然后综合起来反映其整体状况[11]。本文利用层次分析法(AHP)构建碳减排效率评估指标体系,见表1。此方法将评估指标体系划分为四个层次,第一层为目标层,以各地区能源密集型行业为主要碳排放源,研究其碳减排能力;第二层为准则层,即碳减排能力的两个要素,碳减排的投入能力和产出能力,也即两个一级指标;第三层为措施层,为了实现减排这个大的目标,可以采取四种途径:减少碳排放、控制碳源、碳汇建设和低碳产业,也即四个二级指标;第四层指标层,也是最底层的指标,是上层指标的关键因子,也即四个三级指标。

表1中碳减排投入能力主要从减少碳排放、碳源控制、碳汇建设和低碳技术四个方面花费的人力、物力、财力出发,每个方面选取一个指标作为措施层的衡量指标:废气治理设施数用来表示减少碳排放的物力投入,水利、环境和公共设施管理人员作为碳源控制的人力投入,林业系统营林固定资产投资作为碳汇建设方面的主要资金投入,环境污染治理投资总额作为开展低碳产业方面的财力投入。碳减排强调低碳的同时,也强调了其经济性,企业从其自身利益出发,势必会考虑其碳减排产出能力,所以对应四个方面的各要素投入。本文选取了四个指标作为措施层的衡量指标:因为“十一五”时期计划节能指标为20%,所以通过2010年比2005年的单位地区生产总值能耗值的降低比率来考核减少碳排放的实际成效,通过主要能源(标准煤)的实际储存量来检验碳源控制的实际成效,通过林业重点工程造林面积来检验碳汇建设的实际成效,通过“三废”综合利用产品产值来检验发展低碳产业的实际成效。

(二) 指标选取

对DEA 模型的指标选取主要包括投入指标和产出指标两方面的选择,本文从不同地区出发,分别设立4个投入变量和4个产出变量,根据理论假设和研究目标,同时考虑统计数据的可获得性,选择以下变量作为衡量碳减排效率的投入指标和产出指标:

碳减排的人力、物力、财力支出是投入变量,选择以下四项指标进行衡量:各地区废气治理设施数;各地区水利、环境和公共设施管理业人员;各地区林业系统营林固定资产投资;各地区环境污染治理投资总额。

碳减排的实际成效作为产出变量,选择以下四项指标进行衡量:各地区“十一五”节能目标完成情况,相较于2005年的能耗降低率;以标准煤的储量代替各地区的主要能源储量;各地区的林业重点工程造林面积;各地区的“三废”综合利用产品产值。

DEA方法并不直接对数据进行综合,因此决策单元的最优效率指标与投入指标值及产出指标值的量纲选取无关,应用DEA方法建立模型前无须对数据进行无量纲化处理。

(三) 数据收集和数据说明

1.数据收集。

本研究的各指标数据主要来源于2011年国家统计局、发改委、科技部等编的《中国统计年鉴》、《中国能源统计年鉴》等的各地区统计文献。数据的统计年份为2010年,统计地区为全国30个省、自治区和直辖市,8个指标变量,共计240个数据。

2.数据说明。

投入产出指标共有8个,决策单元个数为30个,大于投入产出指标个数之和的两倍,各指标数值均大于零,符合DEA评价经验公式。为了使软件运行更顺畅,相关数据做了一些调整,最终均以整数形式参与运算。

(四) 软件运行结果和解释

采用DEAP软件中的CCR-DEA模型,即不考虑规模收益的模型,以投入主导型为结果计算各地区的碳减排效率,结果见表2。

从整体看来,2010年在实现碳减排整体效率最优的各项举措中,全国过半地区均实现了投入最少产出最优的经济效应(技术效率=1)。其中华北地区(北京、天津、河北、内蒙和山西)除了北京,在碳减排的投入产出工作中,综合效率值均为1,达到了最优;东北三省(黑龙江、吉林和辽宁),相对于最优值而言,综合效率均值徘徊在0.7左右,要想达到有效值必须进行调整;华东地区(山东、安徽、江苏、上海、浙江、江西和福建)除了江苏、浙江和山东达到有效值外,其他三个地区接近有效值,只要稍作技术改进,即能实现效率最优;华中地区(河南、湖北和湖南)综合效率虽未达到最优,但均值偏高,有待进一步提高;华南地区(广西、广东和海南)除了海南的综合效率达到最优化,其他两个地区的效率偏低,投入产出指标需要参照其他地区进行调整;西南地区(四川、云南、贵州、重庆和西藏)中重庆和四川两个地区的综合效率较低,也要参照其他地区进行调整;西北地区(陕西、甘肃、宁夏和新疆)除了甘肃之外,其他三个地区综合效率均达到最优。本文选取的是投入主导型模型,表3显示的是各地区投入指标的目标值,即达到有效的值。如果是DEA有效单元(技术效率=1)则是原始值,无需进行调整。

表3中的各项投入指标显示,全国有16个地区(天津、河北、山西、内蒙古、江苏、浙江、山东、湖北、湖南、海南、贵州、云南、西藏、陕西、青海和宁夏)的四项碳减排投入量最优化,原始数据经DEA模型的效率分析后,技术效率值为1,结果理想,保持原有投入量,即废气治理设施的投资合理,水利、环境和公共设施管理业人员支配恰当,林业系统营林固定资产投资到位,环境污染治理投资完善。而其他14个地区的四项投资额均参照优化地区做了部分调整,以北京市为例,原始数据跟调整后的数据相比,前三项投入均不变,第四项投资,即环境污染治理投资总额由原来的231.4亿元下调为了109.722亿元,投资额减少了121.678亿元。其他的13个地区依此类推,也做了相应变化。

表4依然以北京市为例,因为其综合效率不为1,即没有达到最优效率,所以要参照其他地区进行投入产出指标的调整,表4中四列分别为原始值,投入冗余值(投入指标的松弛变量取值),产出不足值(产出指标的松弛变量取值), DEA有效的目标值。产出指标的其他三项投入量保持不变,环境污染治理投资总额减少了121.278亿元,最终让四项产出量达到最优,“十一五”节能目标完成情况比2005年在原始值的基础上,又降低了47.912%,达到了74.912%;主要能源储量由原来的4亿吨标准煤增加到11.098亿吨,增加了7.098亿吨;林业重点工程造林面积由1万公顷增加到6.286万公顷,增加了5.286万公顷;“三废”综合利用产品产量由34 366万元增加到了154 489.1万元,增加了120 123.1万元。由此可见,经过DEA模型的效率评估,再做调整后的四项收益显著,即投入最少产出最大,实现了低碳经济的目标。

四、结论与政策性建议

本文通过构建碳减排效率评估模型对我国2010年30个地区进行了实证研究,得出在碳减排的各项举措中过半的地区取得了显著的效果,同时各地区之间还能够相互取长补短,规避了“高投入、低产出“的粗放型经济增长方式。随着我国经济发展由低成本时代进入高成本时代,追求“低投入、高产出”的经济增长方式更显得刻不容缓。因此,为了提高我国各地区的整体碳减排效率,提出以下三点建议:

(一)合理配置碳减排的投入资源

从实证分析的结果可以看出,虽然30个地区所采取的碳减排具体措施是一样的,但是由于投入资源的数量上存在差异,即资源配置不合理,很多资源投入出现冗余,导致了产出结果各地区也大不相似,大部分地区达到了整体效率最优,而极少数地区的效率偏低,在进行比较分析的时候,通过模型对这些极少数地区的冗余资源的投入量参照其他地区进行了调整。这说明在进行资源配置的时候,不合理的资源投入必然导致浪费现象,继而无法实现“低投入-高产出”的经济效应。避免这种情况的方法是事先对资源的投入量进行合理预估,并采用一定的模型进行效率检验,对不合理的现象不断进行调整,直到结果令人满意为止。

(二)构建碳减排高效率模范区

不同地区的碳减排效率各异,过半的地区整体效率达到了最优,而对效率低的地区,模型进行了投入量和产出量的调整。这告诫全国地区要想实现碳减排整体效益的最大化,构建碳减排高效率模范区是必须的,它们是低效率地区学习和借鉴的典范。模范区的碳减排技术可以指导低效率地区制定发展低碳经济的战略,模范区的碳减排设施可以支援低效率地区补充发展低碳经济的投资,模范区的碳减排措施可以辅助低效率地区增强发展低碳经济的能力。因此,各地区要加快推进低碳经济模范区,充分发挥其模范作用,并向全国推广。

(三)各地区之间加强沟通和合作

对我国各地区碳减排效率的综合评价体系现如今只是停留在理论研究的水平上,实践能力有待提高。各地区发展低碳经济较独立,彼此之间信息闭塞,缺乏沟通交流。所以,要加强科研机构和各地区,以及各地区之间的联合与协作,让研究机构的研究成果能够切实有效的指导各地区进行碳减排政策的正常合理运行,各地区之间可以取长补短,甚至实现强强联合,趋利避害,从而提高碳减排效率,促进低碳经济的发展。

参考文献

[1]庄贵阳.低碳经济:气候变化背景下中国的发展之路[M].北京:气象出版社,2007:61-85.

[2]A.S.Dagoumas,T.S.Barker.Pathways to aLow-carbon Economy for the UK with the Mac-ro-econometric E3MG model[J].Energy Poli-cy,2010(38):3067-3077.

[3]Jyoti Parikh,Manoj Panda,A.Ganesh-Kumar,Vinay Singh.CO2 Emissions Structure of IndianEconomy[J].Energy,2009(34):1024-1031.

[4]Solow Robert.A.Contribution to the Theory ofEconomic Growth[J].The Quarterly Journal ofEconomics,1956,70(1):65-94.

[5]马军.基于DEA法的内蒙古发展低碳经济的效率评价[J].科学管理研究,2011(3):83-87.

[6]谭丹,黄贤金.我国东、中、西部地区经济发展与碳排放的关联分析及比较[J].中国人口.资源与环境,2008,18(3):54-57.

[7]张晶,王丽萍.基于工业能源利用效率的低碳经济实证研究[J].科技进步与对策,2010,27(22):168-171.

[8]杨樱,马冯.我国省域经济发展的环境成本效率评估及比较[J].生态经济,2010(3):43-46.

[9]郭家东.基于超效率DEA的长三角地区城市循环经济效率评价[J].学术争鸣,2011(7):18-19.

[10]马占新.数据包络分析模型与方法[M].北京:科学出版社,2010:9-59.

篇5：效率课堂：不同的课，不同的听法

关键词：高校,不同类型,科技投入产出,效率

1 引言

高等学校作为我国科技资源最为丰富的单位之一, 拥有优秀的科技人才、良好的科研环境, 在国家科技资源的分配中具有举足轻重的地位, 其科技工作的投入产出效率对国家科技创新能力的影响具有不言而喻的重要影响。因此对高校的科技投入产出特点和效率进行深入研究, 对国家科技创新能力建设具有重要的现实意义。

近年来, 众多学者针对高校的科技投入产出情况开展了大量的研究工作。有些学者研究国家层面的高校科技投入产出情况, 如:周静 (2005) [1]采用DEA模型对我国29个不同地区高校的科技创新效率进行比较研究, 发现我国高校科技创新基本处于依靠规模投入带动的发展阶段;郭秋梅 (2005) [2]对重点院校和一般院校的科技投入与专利申请量作了对比分析, 指出我国高校特别是重点院校科技地位、科技投入与专利申请的数量与质量的不对称性;周凤华 (2007) [3]研究了人才、财力投入与高校技术转移产出的关系, 结果发现研究人员的质量正向地影响包括专利申请量在内的高校技术转移产出;徐凯 (2008) [4]采用负二项分布研究高校的R&D支出与专利申请量等的关系, 发现高校科技投入与产出之间的直接关系非常弱;张运华 (2008) [5]运用价值链效率的DEA模型对高校科技投入及成果转化效率进行分析。

有些学者研究省际层面的高校投入产出情况, 如:刘宇 (2003) [6]分析了浙江高校的专利申请数、科技项目数和科技成果获奖数等技术创新产出情况;符颖 (2006) [7]采用专利申请和授权量数据对上海高校科技投入与专利情况进行了分析;张忠迪 (2008) [8]分析了河南省高校科技创新能力。

综上所述, 目前关于高校科技投入产出效率的研究工作大多集中于采用地区或整个国家层面的整体投入产出数据进行分析, 而没有以微观层面的高校为研究对象探讨不同类型高校科技投入产出效率的差异性。而实际上, 我国高校的科技投入产出一直以来表现出明显的差异性, 以2007年教育部直属高校为例, 在投入方面, 科研经费最多的清华大学高达2 022.3百万元, 科研经费最少的仅为100百万元左右;在产出方面, 专利申请总量最多的浙江大学高达1 593项, 而有的高校根本没有申请专利。以整体数据进行分析就会掩盖不同类型高校在科技投入产出方面的差异性, 难以据此对不同类型高校的科技效率提出有价值的针对性建议。鉴于此, 本文采用微观层面的数据 (2003—2007年67所高校) 对不同类型高校的科技投入产出效率的差异性进行了比较研究, 并从科研规模、质量等多角度分析了造成这些差异的原因, 进而提出了针对不同类型高校的资源配置的对策建议。

2 高校科技投入产出效率分析

本文的数据主要来源于教育部直属高校和中科院及国防科工委所属高校的基本情况统计数据, 研究样本为2003—2007年连续五年都有相关统计数据的67所高校。以2006年为例, 这67所高校的研发人员数占全国普通高校[9]的31.8%, 科技经费占60.9%, 专利申请量占58%。因此, 以这67所高校的科技工作数据为样本对我国高校的科技投入产出效率进行比较分析具有典型代表意义。

借鉴武书连[10]对中国大学的分类, 本文将大学分为三类:研究1型大学 (科研得分列全国大学前10名) ;研究2型大学 (除研究1型大学之外的研究型大学) ;非研究型大学。本文研究的67所高校中, 属于研究1型大学有10所, 属于研究2型大学有26所, 属于非研究型大学有31所。

2.1 科技投入与产出总体情况

在研发人员投入方面, 三类大学之间始终保持着相当的差距。其中:研究1型大学从2003年开始研发人员规模略有扩大, 随后于2007年发生人员缩减, 五年平均校均为2 042人;而研究2型大学和非研究型大学在2003—2007年期间的人员规模基本没有变化, 平均值分别为1 535人、767人, 其中非研究型大学的人员规模相对较小。

在科研经费投入方面, 三类大学之间也始终保持着相当的差距。其中:研究1型大学 (五年平均为665百万元) 经费增长速度最快, 在2003—2007年期间, 经费增长了1.14倍;研究2型大学 (平圴为473百万元) 的经费增长了0.88倍;而非研究型大学 (平均为190百万元) 的增长速率较为缓慢, 与研究型大学之间的差距不断扩大。

在专利产出方面, 三类大学之间也始终保持着相当的差距。其中:研究1型大学的专利申请量很大 (五年平均为420项) , 而且增长速度非常快;研究2型大学 (平均为202项) 与研究1型大学相比, 在专利产出量方面的差距较大, 但也保持了非常快的增长速度;而非研究型大学的专利产出增长速度较为缓慢且相对较少, 平均仅为90项。

在论文产出方面, 三类大学之间也始终保持着相当的差距。其中在所有论文 (包括国内和国外学术刊物论文) 发表方面, 研究1型大学 (五年平均为4 452篇) 约比研究2型大学 (平均为3 294篇) 高三分之一;而非研究型大学 (平均为1 548篇) 与研究型大学之间的差距则是成倍的。特别是在国外学术刊物论文发表方面, 三类大学之间的差距更大, 研究1型大学平均是研究2型大学的1.87倍, 是非研究型大学的6.39倍。

从上述分析可见, 三类大学无论在投入规模还是产出规模方面, 整体上都存在明显的分层现象。但从后面对这三类大学的科技人力投入产出效率和科技经费投入产出效率的分析, 我们会发现上述分层现象有了明显的变化。

2.2 科技人力投入产出效率情况

为更好地分析三类大学科技人力投入产出效率的情况, 我们首先对三类大学的人均科研经费这一可以用来表征每人的科研工作量的指标进行了分析。由图1可见, 三类大学的人均科研经费增长速度比较相近, 研究1型大学和研究2型大学的人均科研经费基本相同, 而非研究型大学的人均科研经费要小于研究型大学。在此背景下, 本文对人均专利数、人均所有论文和人均国外学术刊物论文等效率指标进行了分析。

在人均专利产出方面 (见图2) , 研究1型大学的人均专利申请数明显高于其它两类大学。值得注意的是, 研究2型大学的人均专利申请数很低, 却与非研究型大学非常接近, 可见研究2型大学的人均科研经费虽然与研究1型大学基本相同, 但其人均专利产出却远小于研究1型大学。

在人均所有论文产出方面, 三类大学的人均所有论文数 (包括国内和国外学术刊物发表的论文) 是非常接近的 (见图3) 。但是, 如图4所示, 三类大学在人均国外学术刊物论文发表方面却拉开了距离, 其中研究1型大学的人均值最大, 而非研究型大学的最小。在某种程度上, 可以用国外学术刊物论文来表征高水平论文情况, 所以, 非研究型大学的论文质量相对较低, 人均产出的高水平论文很少。

2.3 科技经费投入产出效率情况

从科技经费投入产出效率来看, 我国高等学校的科技工作效率让人担忧, 平均每百万元科技投入仅能产生0.40项专利和1.9篇国外学术刊物论文, 与国际水平的差距很大。在此情况下, 各类高校的科技经费投入产出效率也存在显著的差异。

由图5可见, 研究1型大学的每百万经费专利申请数虽然高于其它两类大学, 但却呈下降趋势, 即专利产出效率越来越低。与此同时, 研究2型大学和非研究型大学的每百万经费专利申请数一直呈上升趋势, 与研究1型大学之间的差距也不断缩小。

同样, 研究1型大学的每百万经费国外学术刊物论文发表数也是呈下降趋势 (见图6) , 而研究2型大学与非研究型大学则增长非常快, 其中, 研究2型大学在2007年已接近研究1型大学。

综合前述三个方面的分析, 可以看出: (1) 研究1型大学的研发人员和科研经费投入规模较大, 人均专利和论文产出也很多, 但是其经费使用效率越来越低; (2) 研究2型大学虽然人均科研经费数接近于研究1型大学, 但其人均专利产出和人均国外学术刊物论文发表数均要远小于研究1型大学, 即其研发人员产出效率较低; (3) 非研究型大学科技投入的各个指标均小于研究型大学, 其产出规模、效率和质量也较低。

3 原因分析及对策建议

3.1 研究1型大学应适度扩张研发人员规模, 提高科研经费使用效率

一般来说, 随着科研经费投入的增加, 高校的科技创新能力会增强。但是对于研究1型大学而言, 随着科研经费的增加, 每百万元经费专利和论文的产出数量却在下降。

当然, 一方面, 科技产出与投入之间存在滞后性, 所以用当年的投入产出比在一定程度上不能真实地体现投入产出效率;另一方面, 经费增加可能会加剧科研经费的浪费, 比如设备重复购置或长时间闲置或不能有效地共享和利用。但是, 从统计规律上来说, 其它两类大学应与研究1型大学一样, 或多或少也会存在这两种现象。那么, 为何研究1型大学的经费产出效率呈下降趋势, 而其它两类大学却反之?显然, 还存在其它方面的原因。

本文进一步分析了三类大学的项目平均经费, 发现一个值得注意的现象, 即研究1型大学的项均经费较少, 甚至低于研究2型大学的水平。如图7所示, 研究1型大学的项均经费在2003—2006年期间均小于研究2型大学的项均经费, 仅在2007年才大于研究2型大学。一般而言, 如果单项课题经费数过小, 则深入开展项目研究就会受到制约, 这种小而快的项目会导致最终的创新成果数量和质量大打折扣, 很难产出高水平的科研成果;反之, 单项课题经费越多, 越有利于产出更多的高水平成果。以国家自然科学基金为例, 2005年结题的面上项目有4 739项 (项均经费25万元左右) , 申请的发明专利共2 812项, 折算为每百万经费发明专利申请数为2.4项;结题的重点项目有66项 (项均经费160万元左右) , 申请的发明专利共374项, 折算为每百万经费发明专利申请数为3.5项。从上述统计结果来看, 研究1型大学虽然承担了很多课题、有很多科研经费, 但由于项均经费偏低, 即存在很大一部分的小课题, 导致其科研经费的产出效率下降;另一方面, 研究1型大学的人均承担课题数过多, 五年平均每人每年承担1.15项, 大于研究2型大学和非研究型大学 (均接近1.02项) , 所以, 虽然研究1型大学的人均投入 (包括人均经费数和人均课题数) 很大。但一个人的精力总是有限的, 当人均投入总量超过了人均能力的极限时, 也会导致产出效率的降低, 这可能也是研究1型大学科研经费使用效率降低的原因之一。

所以, 要进一步提高研究1型大学的科技创新能力, 使其尽早步入世界一流大学的行列。首先应减少承担过多的小项目, 将重心放在争取和承担更多的重大科研项目资源, 更有针对性地进行科研选题, 对一些重大的科学问题或关键共性技术开展深入的研究, 这样才能获得更多高水平的科研成果, 提高科研经费的产出效率。从国家层面而言, 也应该避免科技经费“撒胡椒粉”式的过度分散, 导致有限的科技资源被稀释掉, 即要将科技资源投入到各技术创新领域中最好的研究团队, 争取出大的成果, 才能提高科技资源的利用效率, 使科技投入产出效率最大化。其次应适度扩张研发人员规模, 因为研究1型大学的人均科技产出较高, 如其人均专利产出高达0.2项/人, 所以研究1型大学应发挥研发人员优势, 适当扩大研发人员的规模, 通过人员规模的扩大, 更为合理地分配科研经费资源;而且现在国家级重大科研项目均对承担人员有限项要求, 如国家科技计划项目要求项目负责人仅能承担1项在研项目, 国家自然科学基金重大项目同样要求项目负责人仅能承担1项, 所以研究1型大学如果扩大研发人员规模, 就有更多的人力资源去申请和承担更多的国家级重大项目, 同时还可以适当地降低人均投入总量, 使人均投入总量与人均能力极限发生更为协调的配置, 从而提高科研经费使用效率。

3.2 研究2型大学应控制人员规模, 提高研发人员科研能力与素质

在人均科研经费与研究1型大学非常接近的情况下, 研究2型大学的人均专利产出和人均国外刊物论文数小于研究1型大学, 一个可能的原因是研究2型大学的研发人员质量较低。如图8所示, 研究2型大学的专任教师中副教授以上教师的比例仅约为56%, 远小于研究1型大学的比例 (约68%) 。由于学术声望和社会地位等各种原因, 研究1型大学对高质量研发人员的吸引力往往大于研究2型大学, 使得研究2型大学的高质量研发人员比例较少, 质量较低的研发人员会降低研发效率, 从而导致科技产出减少;而且, 由于研发人员质量相对较低, 难以争取到更多的优质项目和经费资源。以我国最高层次的基础研究类重大项目——国家重点基础研究发展计划 (973项目) 为例, 2008年全国新立74项中高校承担40项, 其中10所研究1型大学承担了18项 (校均1.8项) , 27所研究2型大学承担了13项, 校均0.48项。所以, 虽然研究2型大学的人均科研经费接近于研究1型大学, 由于研究2型大学的研发人员质量难以与其它资源 (如经费投入) 产生有效的匹配, 导致人均科技产出要远小于研究1型大学, 研发人员的产出效率相对较低。

所以, 研究2型大学应控制人员规模, 提高研发人员质量。因为如果单纯增加研发人员数, 反而占用有限的科技资源, 降低研发效率, 减少科技产出。世界一流大学的师资队伍一般呈倒三角形, 即副教授以上高级职称占全部教师的50%—70%, 拥有博士学位的教师比例一般都在90%以上[11]。研发经费的数量并不能成为研究型大学发展的决定因素, 还必需有一批高水平的研发人员。Foltz (2000) [12]和Thursby (2002) [13]发现在高校里, 更高质量的研发人员往往带来更多的发明披露、更多与产业相关的研究、更多的专利。因为研发领域是知识密集性的, 它的生产效率高度依赖于掌握了先进科技知识的研发人员。所以, 要提高研究2型大学的科技创新能力, 很重要的一点就是要大力培养和引进具有世界水平的学术大师, 全面提升研发人员质量。研究2型大学一方面应加大高层次研发人员的引进力度, 从政策、待遇、条件等方面吸引拔尖人才和高级人才, 还要对校内现有的研发人员进行优化, 采取各种措施培养高素质的研发人才, 提高高质量研发人员的比例;另一方面要进行体制创新, 营造激励和培育新的人才成长的环境, 建立人才竞争激励机制、人才引导机制、人才保护机制等, 采取各种激励机制来释放研发人员的创新激情和创造潜能。只有提高研发人员的科研能力和素质, 突破人员质量所引致的“瓶颈”制约, 才能争取到更多高质量的研发项目资源, 并通过人才的有效配置来发挥经费的使用效率, 从而提高研究2型大学的科技产出。

3.3 非研究型大学应集中校内科技资源, 寻求特色化、差异化的科技发展道路

非研究型大学的科研投入规模相对较小, 其科技产出规模也较少;而且研发人员的质量也较差, 副教授以上占专任教师的比例仅约为48%。这两方面的原因直接导致其人均产出效率和科研经费产出效率均较低。在全国科技资源有限、而且学校又不可能马上有更多的高水平研发人员去争取更多的科技资源的前提下, 非研究型大学首先应集中校内科技资源, 发挥现有学科优势, 合理地确定学校科研的发展方向和发展策略, 寻求一种特色化、差异化的科技发展道路, 产出高质量、特色鲜明的科技成果, 只有这样才能在将来的科技创新舞台上占有一席之地。

4 小结

篇6：效率课堂：不同的课，不同的听法

财务弹性的提出最早可以追溯到Myers研究融资结构过程中提出的财务松弛概念, Myers指出, 融资优序理论成立的一个前提是企业需具备足够的财务松弛, 才能保证企业在筹措外部资本时优先采用债务融资。美国FASB早在20世纪80年代就提出了对财务弹性进行分析的必要性[1]。Graham与Harvey[2]针对美国企业的问卷调查结果表明, 财务弹性已成为影响财务决策的重要因素, 许多美国企业为了抓住未来的成长机会而保持财务弹性, 财务弹性日益成为影响资本结构和财务决策的重要因素[3]。

投资效率是在企业资源既定的条件下, 使企业的资源配置效率达到最佳状态, 实现企业价值最大化。财务弹性的来源包括现金储量、再融资能力和融资环境。国外关于两者的关系研究包括:Fazzari等 (1988) 研究证实, 对于融资约束的企业, 内部资金的确显著影响企业的投资行为。Stulz (1990) 研究自由现金流与投资效率的关系, 当自由现金流充足时, 管理层倾向于过度投资, 当自由现金流不足时, 管理层则倾向于投资不足。国内学者关于投资效率的研究较晚, 连玉君和苏治 (2008) 研究融资约束、不确定性与上市公司投资效率, 发现融资约束的存在降低了上市公司的投资效率。王彦超 (2008) 分析了融资约束对现金持有政策的决定作用, 并考察了两者与过度投资的关系, 发现融资无约束的企业容易产生过度投资。曹崇延 (2012) 从企业生命周期的角度对自由现金流量和非效率投资的关系进行研究, 发现不同生命周期的企业自由现金流量和非效率投资具有显著差异。

不同于已有研究, 本文拟构建具有综合性的财务弹性指数, 从新角度财务弹性研究投资效率, 财务弹性作为一个新兴的研究分支, 也越来越引起学术界重视。当前, 关于投资效率的研究文献主要集中在与自由现金流的关系研究, 而自由现金流只是财务弹性的一个基本来源, 很少有研究财务弹性与投资效率的关系, 更少有学者从生命周期的角度对财务弹性与投资效率的关系进行细致研究。本文将从生命周期的视角验证财务弹性与投资效率的关系, 关于企业生命周期的相关研究文献表明处于不同生命周期的企业的经营特点和行为特点具有很大差异, 为此, 根据生命周期对企业进行分类, 基于不同生命周期验证财务弹性与投资效率的关系, 可能会得到不同于已有研究成果的新发现。本文的研究思路如下:首先, 对关键变量进行设计, 包括投资效率、财务弹性、生命周期;其次, 利用中国上市公司数据进行实证分析和稳健性检验;最后, 形成研究结论。

2 研究设计

2.1 投资效率的计量模型

最早系统提出投资效率计量方法的是FHP模型[4], 使用投资—现金流敏感性来度量过度投资。FHP模型证明投资机会对投资的影响确定后, 低股利组的投资—现金流敏感系数最大, 而高股利组的敏感系数最小。FHP模型认为外部融资能力受限的公司, 投资更依赖内部资金, 现金流分配是其投资的重要决定因素。Vogt[5]构建了一个包含投资机会、现金流及其交叉项在内的计量模型, 巧妙地根据交叉项系数的符号来判断样本公司的投资效率, 如果交叉项系数为正, 则为投资不足, 反之则为过度投资。Richardson[6]运用投资期望模型方法衡量投资效率, 用投资期望模型的残差来度量企业是否存在过度投资或投资不足的情况, 投资期望模型中残差大于零则表示企业过度投资, 残差小于零则表示企业投资不足。

FHP模型和Vogt模型虽然能够描述投资—现金流敏感性与投资机会的关系, 但却无法度量样本公司在特定年度的投资效率问题。Richardson模型能够计量特定公司在特定年度的非效率投资问题, 能够很好的量化非效率投资, 同时运用截面数据回归较好地避免了边际托宾q模型与Wurgler (2000) 模型估算样本的幸存性偏见等问题。因此, 本文献采用广泛使用的Richardson模型测度企业的投资效率。

其中:r0为截距项, ri为回归系数, vi, t>0, 表示过度投资;vi, t<0, 表示投资不足。

由表2可以看出, 我国存在投资不足和投资过度的非效率投资, 我国上市公司63%以上的公司存在投资不足, 只有37%的公司存在投资过度, -0.1~0.1的非效率投资占97%, 说明只有少数公司的非效率投资偏差过大。该结论与张功富等 (2009) 以沪深301家工业类上市公司为样本研究发现的结论高度一致, 他研究发现2001~2006年39%的公司投资过度, 61%的公司投资不足。

2.2 财务弹性的计量模型

财务弹性的来源包括基本来源和潜在来源, 同时考虑影响来源的融资成本因素, 建立财务弹性指标体系 (详见表3) 。采用主观赋权、客观赋权相结合的方法, 构建了财务弹性指数对财务弹性进行测度[7]。

一级指标采用主观赋权中实际应用最多的层次分析法计算权重, 二级指标采用客观赋权的变异系数法, 二级指标权重的计算见表4。

在一级指标权重的确定过程中, 判断矩阵, Wj= (0.4353, 0.4869, 0.0778) T, 最大的特征根λmax=3.01, 判断矩阵的一致性指标CI= (λmax-3) / (3-1) =0.006<0.10, 说明判断矩阵具有较好的一致性;判断矩阵的平均随机一致性指标CR=CI/RI=0.006/0.58=0.01<0.10, 说明判断矩阵具有满意的一致性。

2.3 生命周期的划分方法

企业生命周期理论正在被国内外研究学者所应用, 但对于生命周期的阶段划分以及划分方法存在很大争议。本文借鉴Anthony (1992) 、Black (1998) 、李云鹤 (2011) 、张俊瑞 (2009) 等的方法选取具有典型的周期特征的财务指标和非财务指标, 考虑研究结果的稳健性财务指标选取标准化销售收入增长率、留存收益/股本、标准化资本支出率, 非财务指标选取企业年龄作为划分依据, 综合得分划分企业生命周期。标准化销售增长率= (最近三年平均销售增长率-所在行业企业最近三年销售增长率的平均值) /所在行业企业最近三年销售增长率的标准差;年度标准化资本支出增长= (企业资本支出增长-行业平均资本支出增长) /行业资本支出增长的标准差。

根据我国实际情况, 企业进行上市有严格的企业年限、盈利指标和治理结构的要求, 因此不存在初创期的上市公司, 把企业生命周期划分为三个阶段:成长期、成熟期及衰退期, 打分方法详见表5。根据四个指标的总得分把总样本分行业由大到小进行排序, 利用三分位点进行分析, 得分最高的约1/3部分为成长期企业, 中间部分为成熟期企业, 得分最低的约1/3部分为衰退期企业。最后, 将分类结果汇总, 即得到我国所有上市公司生命周期不同阶段的分类结果。

2.4 滞后期设计

考虑到财务弹性对投资效率的影响可能存在先后关系, 即上一年的财务弹性影响当年的投资效率, 当年的投资效率又影响后一年的财务弹性, 本文检验了不同时期的财务弹性与投资效率的关系, 发现滞后一期, 即t-1期的财务弹性对t期的投资效率影响作用最明显, 故本文选择一年作为滞后期。

3 实证分析

3.1 样本选择与数据来源

为了使研究结论能真实的反映我国上市公司具有普遍意义的财务弹性指数构建体系, 本文样本选择遵循以下原则:上市公司必须满足连续三年以上的相关数据资料;淘汰近两年出现ST现象的上市公司;剔除数据不完整的上市公司。根据本文的研究目的、研究思路及指标体系的要求, 在满足上述基本原则后, 选取在上海和深圳上市的1200家公司的财务数据进行分析, 其中财务弹性选用2010年数据, 投资效率选用2011年数据。样本公司的数据均取自CCER数据库, 数据统计及处理使用SPSS19.0分析工具。

由表6可以看出, 我国上市公司整体投资效率均值和中位数均小于0, 说明我国上市公司半数以上存在投资不足的现象;上市公司财务弹性从最小值0.02到最大值0.91相差很大, 说明我国上市公司财务弹性差距很大。其中, 成长期的上市公司财务弹性最低, 存在投资过度的现象;衰退期的上市公司财务弹性最高, 投资不足的现象也最潍严重;成熟期的上市公司财务弹性居中, 也存在投资不足的现象。

3.2 财务弹姓与投资效率的关系分析

Bushman和Smith[8]研究发现信息不对称和代理问题导致了企业的非效率投资。周红霞和欧阳凌 (2004) 基于股东与经理利益冲突的代理视角对企业的非效率投资行为进行研究。李焰等 (2011) 研究发现不同的企业产权制度下管理者背景特征对企业投资效率的影响存在较大差异。已有研究表明现金持有量、融资约束不确定性、公司治理和管理者背景特征等影响企业的投资效率[9,10], 处于不同生命周期的上市公司的财务弹性、公司治理结构等有很大差异, 企业的战略目标也不同, 因此不同生命周期的投资效率各影响因素的强弱不同, 由此提出以下假设:

假设1:上市公司的财务弹性是投资效率的影响因素, 且影响作用明显

成长期阶段的上市公司的战略目标是扩大公司规模, 公司治理结构方面存在的代理问题和信息不对称不明显, 公司财务弹性普遍较低, 显著影响公司的投资决策。公司为了追求快速成长尽可能利用各种投资机会, 此时资本成本率较低, 可考虑的投资机会也较多, 往往出现过度投资的现象。由此提出假设2

假设2:处于成长期阶段的上市公司的财务弹性显著影响投资效率

成熟期阶段的上市公司财务弹性逐渐提高, 市场内竞争加剧, 为了保持较高的收入增长水平和盈利水平, 企业有选择的投资, 该时期资本成本率提高, 可考虑的投资机会降低, 往往出现投资不足的现象。同时, 该阶段公司治理方面的信希不对称和代理问题显现出来, 与财务弹性共同显著影响投资效率。由此提出假设3

假设3:处于成熟期阶段的上市公司的财务弹性显著影响投资效率

衰退期阶段的上市公司盈利能力开始下降, 为了减缓衰退速度公司处置一些不良资产, 为了降低破产成本, 保持较高的财务弹性, 对投资项目持更加谨慎的态度, 往往出现投资不足的现象。此时投资效率主要受公司治理等因素的影响, 由此提出假设4

假设4:处于衰退期阶段的上市公司的财务弹性对投资效率的影响作用不显著

3.3 财务弹性与投资效率回归模型

投资效率的影响因素除了财务弹性外还受公司治理等因素的影响, 参照Hambrick和Mason (1984) 、Buyl (2010) 等的研究成果, 本文的控制变量选取第一大股东持股比例、ROA、企业年龄、高管人员持股比笼和企业规模, 公司治理相关变量影响企业当期的投资效率, 不存在滞后期。

为了确定财务弹性与投资效率之间是什么样的函数关系, 将公司的相关数据代入, 在曲线回归中选择线性回归、二次函数、三次函数、复合函数、对数函数等多种模型对数据进行拟合分析, 发现二次函数的形式中自变量对因变量的解释能力与拟合程度最高。为了检验两者的非线性关系, 在模型中加入财务弹性的平方项[11], 基本模型设定如下:

注:左下方是pearson相关系数, 右上方是spearman相关系数。其中**、*分别表示在1%、5%水平显著。

本文检验了模型主要变量之间的相关系数情况, 具体见表8, 通过pearson和spearman检验可以发现, FFI与ROA、MSTOCKHD和Size间存在一定的相关性, 但这些变量之间的相关系数绝对值都小于0.5, 说明变量之间不存在严重的多重共线性, 可以进行多元回归。

由表9回归结果看出, 全样本上市公司的财务弹性的一次项 (FFI) 和二次项 (FFI2) 均在0.1显著性水平上显著, 说明财务弹性是投资效率的影响因素;一次项 (FFI) 的系数显著为正, 二次项 (FFI2) 的系数显著为负, 说明财务弹性与投资效率存在倒U型关系, 即财务弹性的影响作用存在极值点0.335, 在达到该极值点前, 财务弹性对投资效率具有促进效应, 但超过极值点, 随着财务弹性的增加, 投资效率呈递减趋势, 即财务弹性的影响作用从促进效应转化为抑制效应。

全样本的拟合优度低于各生命周期阶段的拟合优度, 说明生命周期的不同阶段财务弹性对投资效率的影响程度不同。成长期阶段财务弹性的一次项 (FFI) 在0.1显著性水平上显著, 说明财务弹性对投资效率呈显著的相关关系;成熟期阶段财务弹性一次项 (FFI) 和二次项 (FFI2) 均在0.05水平上显著, 说明财务弹性对投资效率呈显著的相关关系, 且财务弹性与投资效率存在显著的倒U型关系;衰退期上市公司投资效率模型的财务弹性的相关关系不显著;由此看出回归结果证明了我们提出的假设。

3.4 稳健性检验

为了说明结论和变量解释能力的稳定性, 即当数据发生变化时, 理论和变量的解释能力是否仍具有稳定性。选择2009年财务弹性数据对2010年投资效率的影响, 测试的回归结果显示, 除个别指标的显著性水平和回归系数稍有变化外, 各指标之间关系与本文的研究结论没有实质性差异, 基本结论保持一致, 说明不同生命周期阶段的企业财务弹性对投资效率的影响是稳健的。

4 结论

本文从企业所处生命周期的不同阶段, 通过构建财务弹性指数计量公司的财务弹性情况这一新的视角, 并以Richardson残差度量模型测算公司的非效率投资情况, 检验我国上市公司财务弹性是否影响企业的投资效率。已有文献直接假设两者为线性关系, 本文研究发现两者呈非线性关系, 存在显著的倒U型关系, 以此建立回归模型, 回归结果更加真实可靠。本文对生命周期、财务弹性和投资效率进行量化, 建立更准确的非线性回归模型, 研究结论更贴近我国上市公司的实际情况, 更具有指导意义。

实证结果表明:①财务弹性对投资效率存在滞后期, 财务弹性是投资效率的影响因素, 财务弹性与投资效率存在显著的倒U型关系。②成长期阶段的上市公司的财务弹性对投资效率的影响作用明显, 该阶段上市公司的战略目标是扩大公司规模, 为了追求快速成长尽可能利用各种投资机会, 该阶段可考虑的投资机会比较多, 往往出现投资过度的现象。③成熟期阶段的上市公司的财务弹性显著影响投资效率, 上市公司的财务弹性逐渐提高, 市场内竞争加剧, 为了保持较高的收入增长水平和盈利水平, 企业有选择的投资, 该时期资本成本率提高, 可考虑的投资机会降低, 往往出现投资不足的现象。同时, 该阶段公司治理方面的信息不对称和代理问题显现出来, 与财务弹性共同显著影响投资效率。④衰退期阶段的上市公司的财务弹性对投资效率的影响作用不明显, 公司盈利能力开始下降, 为了减缓衰退速度处置一些不良资产, 为了降低破产成本, 保持较高的财务弹性, 对投资项目持更加的谨慎态度, 往往出现投资不足的现象。

本文结论表明, 不同生命周期的企业的投资效率和财务弹性处于动态变化中, 财务弹性对投资效率的影响程度在生命周期的不同阶段也显著不同。启示我们在分析企业的非效率投资时, 首先要判断企业所处的生命周期阶段, 然后利用财务弹性有针对性的提高企业的投资效率。

参考文献

[1]Financial Accounting Standards Board.Reporting funds flows, liquidity, and financial flexibility[Z].Discussion Memorandum (FASB, December 15, 1980) .

[2]Graham J, Harvey C.The theory and practice of corporate finance:Evidence from the field[J].Journal of Financial Economics, 2001, 60 (2) :187~243.

[3]Denis D J.Financial flexibility and corporate liquidity[J].Journal of Corporate Finance, 2011:667~674.

[4]Fazzari S, Hubbard G, Peterson B.Financing constraints and corporate investment[J].Brookings papers on Economic Activity, 1988, (1) :141~195.

[5]Vogt S T.The cash flow/Investment relationship:Evidence from U.S.manufacturing firms[J].Financial Management, 1994, 23:3~20.

[6]Richardson S.Over-investment of free cash flow[J].Review of Accounting Studies, 2006, 11 (2~3) :159~189.

[7]马春爱.企业财务弹性指数的构建及实证分析[J].系统工程, 2010, 28 (10) :61~66.

[8]Bushman R, Piotroski J, Smith A.What determines corporate transparency[J].Journal of Accounting Research, 2004, 42 (2) :207~252.

[9]连玉君, 苏治.融资约束、不确定性与上市公司投资效率[J].管理评论, 2009, (1) :19~26.

[10]李云鹤, 李湛, 唐松莲.企业生命周期、公司治理与公司资本配置效率[J].南开管理评论, 2011, (3) :110~121.