基于DEA方法的我国物流上市公司绩效评价，本文主要内容关键词为：上市公司论文,绩效评价论文,物流论文,我国论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
在发达国家，物流的绩效评价研究起步较早。目前，国内对物流绩效评价方法的研究主要集中在理论研究，物流绩效评价实证研究较少。从物流企业绩效评价的研究手段来看，主要有参数化方法和非参数化方法。
参数化方法主要有随机边界函数分析(SFA)、厚边界函数法(TFA)和自由分布方法(DFA)等[1]。这些方法原理相似，主要差别是关于误差的假设不同。Liu(1995)[2]采用港口企业的人均工资、账面固定资产/总资产作为投入指标，总吞吐量作为产出，借助随机边界函数分析(SFA)建立了港口企业效率评价模型。这些方法的特点是考虑了随机误差，但是假设的边界函数具有主观性，函数形式准确性对效率值有相当影响。
非参数化方法最典型的是数据包络分析(DEA)[3]，Seiford和Thrall(1990)[4]研究DEA得出DEA模型所评价的效率前沿具有相当的稳健性的结论以及它相对于其他前沿分析更适合于小样本效率分析的特点，DEA法非常适合港口企业效率的评价。由于DEA这种特点使其得以广泛应用。Martinez(1999)[5]选取工资和费用折扣等指标作为投入，总货物吞吐量、港口利润作为产出，采用BC2和C2R模型对国有港口企业和私营企业的成本效率进行对比研究。陈军飞等(2004)[6]选取流通股股数等作为输入指标，每股收益等作为输出，应用CCR模型对15家港口上市公司侧重于成本的相对经营效率进行了评价。张宝友和黄祖庆(2007)[7]选取职工人数、主营业务成本等作为输入指标，净利润和主营业务作为输出指标，采用
R模型和G
模型研究2002-2005年间中国物流上市公司绩效。这种方法可以评价不同量纲指标，不需要主观地赋予指标的相对权重，具有较强客观性。
参数法的特点是考虑了由于统计、观测等因素引起的误差，但其假设的边界函数具有一定的主观性，故评价结果不很精确。另外参数化法和非参数法一样，存在着指标选取的随意性问题。
本文试图构建基于财务指标的绩效评价指标体系，运用DEA方法R模型和G模型，分析和评价2004-2007年间我国17家上市物流企业绩效，比较港口类和运输类企业绩效的差异，并提出对策建议。
2 DEA模型建立及分析评价
2.1 模型的建立
DEA(数据包络分析)是运筹学、管理学和数理经济学交叉研究的一个新领域。它是由著名运筹学家A.Charnes和W.W.Cooper[8]等人以“相对效率”概念发展起来的一种崭新的效率评估方法。DEA是使用数学规划模型评价具有多个输入和多个输出的“部门”和“单位”(或称决策单元，简记为DMU)间的相对有效性(称为DEA有效)。根据对各DMU观察的数据判断DMU是否为DEA有效，本质上是判断DMU是否位于生产可能集的“前沿面”上。使用DEA对DMU进行效率评价时，可以得到很多在经济学中具有深刻经济含义和背景的管理信息。DEA评价模型特别适用于具有多个输入变量和输出变量的复杂系统，它对决策单元的规模有效性和技术有效性同时进行评价。
当今最具代表性的“经典”DEA模型有：R模型，B模型、FG模型和ST模型。这四个DEA模型之下的(弱)DEA有效性具有各自的经济含义。本文选用C2R模型和G模型，前者可用于评价决策单元的总体有效性，而后者可用于评价决策单元的纯技术有效性。
2.2 模型的分析评价
3 实证分析
3.1 决策单元与指标体系
本文中的决策单元是指投入一定数量的生产要素，并有一定数量产出的物流上市公司。按照2001年中国证监会出台的《上市公司分类指引》为依据，选择了在深沪两地上市的共17家物流企业为样本，各物流企业的名称以证券交易所为准。在这17家企业中，为了便于比较按其性质又分成港口类和运输类2类，其中港口类上市公司8家，运输类上市公司9家。
用DEA分析公司总体效率和规模效率，就不宜将各公司具体的原材料、产成品产值等作为投入产出指标，因为各公司由于经营范围不相同，原材料、产成品等也就各不相同。而数据包络分析的主导原则是：在某一视角下，各DMU有相同的输入和输出。我们将公司界定为利用其掌握的资产，通过经营获得盈利的同质机构，以此评价其相对效率。选择的投入指标主要是涉及企业资产类的指标，包括流动资产、固定资产净值；产出指标主要是涉及企业获利能力的指标，包括主营业务利润、净利润、净资产收益率(％)以及每股收益(％)。这6项指标基本上能反映中国物流上市公司的经营绩效，各项指标数据取自于2004-2007年各公司年报。
在投入方面，流动资产是企业的一项短期资产，在企业资产结构中占有重要的地位，它用于衡量一家企业的短期变现能力以及短期偿债能力，如果企业的流动资金不合理，资金未能有效的加以利用，将影响企业的获利能力，从而影响到企业的效率；固定资产净值是企业的一项长期资产，在同类企业中它在一定程度上影响企业的生产规模，如果比重太大就会使企业流动资金不足，影响资金的周转速度，从而影响资金的获利能力，因此它是影响企业的产出及效率水平的重要因素。
在产出方面，公司生产经营的最终目标是所有者权益最大化。净利润是衡量公司效益最频繁的指标；主营业务利润关系到研究对象的行业属性；净资产收益率在财务角度分析中最能体现投资收益水平，它比较真实地反映所有者投资的获利能力，体现企业投资经营活动的效率，是投资经营活动中最具代表性的综合指标；每股收益反映了公司的股本扩张能力。
3.2 数据处理
根据所选取的2004-2007年投入产出指标数据(表1)，把数据带入模型一和模型二，使用规划求解软件，计算2004-2007年17家上市物流公司的总体效率ρ*，纯技术效率θ*和纯规模效率S*，结果见表1。
3.3 结果分析
(1)综合效率分析。从整个物流行业来看，平均绩效值只有0.824,还有19.51％的改进和提高的余地，其中厦门港务、中海海盛和南京水运较低，分别只有0.474 8、0.561 9、和0.617 4。4年间均为DEA有效的只有深赤湾、盐田港、锦州港、芜湖港4个港口，以及外运发展、中储股份和渤海物流3个运输类公司，占样本量的41.17％，因此在2004-2007年4年间我国物流行业的总体绩效不佳。从大类来看，港口类与运输类物流公司的总体平均效率相差不大，前者为0.825 8，后者为0.824 3。但是从各类个体公司分析，港口类DEA有效的公司数量要高于运输类公司数量。造成物流行业总体效率不高的原因有多方面，其中存在着投入结构不够合理，产出效益不高等现象。因此，需要对投入结构进行适当的调整，或者加强投入资源的管理，通过增加产出来提高投入产出效率。
(2)纯技术有效性分析。从表2的θ*值可以看出，相对于总体效率不佳而言，中国物流企业的纯技术效率要好，平均纯技术效率为0.9203，其中有8个企业在4年当中均保持纯技术DEA有效。除此之外，还有11个企业在3年内是处于纯技术DEA有效的。前者占样本量的47％，如果加上后者，将接近样本量的64.7％。另从大类上看，运输类物流企业的纯技术绩效值要好于港口类的，前者为0.920 3，后者为0.828 2，二者相差将近9个百分点。从这些数据可以看出，中国上市物流企业的技术绩效比较稳定，且维持在较高的水准，说明它们的投入要素组合合理，取得了较好的产出效果。
(3)规模绩效分析。相对于纯技术绩效较好而言，我国物流企业的规模绩效欠佳，平均值为0.891 2，从数量上来说总共也只有7家企业历年规模效率达到1，即DEA有效，只占样本量的41.12％。结合上述分析，我们可以得出一个结论：造成中国物流企业整体绩效不佳的主要原因是规模绩效不佳而非纯技术绩效不佳。
4 结论与政策建议
研究表明：我国物流上市公司总体效率不高，并且在效率上存在显著差异；从大类分析，运输类与港口类物流公司的总体效率差异较小，但港口类物流公司DEA有效公司的数量多于运输类公司，前者为四个，而后者为三个；从纯技术有效性分析，我国物流上市企业的纯技术效率比较稳定，且维持在较高的水准，四年平均纯技术效率为0.920 3，说明它们的投入要素组合合理，取得了较好的产出效果。从规模效率分析，我国物流上市企业的规模效率不佳，四年平均规模效率为0.891 2。由此可见，造成我国物流上市企业总体效率不高的主要原因是规模效率不佳而非纯技术效率。
从上述分析结果我们已经知道，造成我国物流企业总体绩效不佳的主要原因是规模无效率，因此建议物流企业要适度扩大资产规模，实现规模经济。具体措施有：(1)转变观念，提高经营管理水平。由于我国正处于经济转轨时期，一些物流企业的管理还停留在计划经济时期的经营理念，企业经营方式仍然是粗放型，企业的管理水平还不能满足外部环境变化的需要。因此，企业管理层要转变观念，提高自身管理素质和管理水平，以此提高企业的集约化管理水平，增强企业的竞争能力，实现企业可持续发展；(2)整合优质资源，实行资产重组。实行低成本扩张，迅速扩大市场份额；(3)借助证券市场的融资功能，将筹集的部分资金用于企业的技术改造和产品研发，从而提高企业的产品档次、技术和管理水平，实现规模经济；(4)加强自身基础设施建设，一是抓好物流标准化体系建设。二是加快企业物流信息化建设。