我国物流企业竞争力水平评价论文

我国物流企业竞争力水平评价

韩 嵩 副教授 刘 娜(北京物资学院信息学院 北京 101149)

内容摘要: 本文结合全国重点物流企业统计调查数据,建立我国物流企业竞争力水平评价指标体系,该指标体系在企业的财务指标基础上加入了企业规模指标。由于目前没有公布的物流企业竞争力排名,因此本文首先采用因子分析法、熵值法和变异系数法计算物流企业竞争力综合得分,利用Spearman秩相关检验进行对比分析,确定熵值法最为合理,然后利用分箱技术把物流企业的竞争力水平分为五个等级。为了提高物流企业竞争力水平测度的效率,本文创新性的利用决策树、人工神经网络、Logistic回归、Gradient Boosting和集成算法进行学习和预测,结果表明使用统计学习方法对物流企业竞争力进行预测有较高的准确率,具有可行性且径向基函数神经网络模型分类预测效果最佳。

关键词: 物流企业 竞争力水平评价 统计学习 神经网络

引言

目前,我国物流业的运行保持了良好的发展势头。2017年我国物流业总收入为8.8万亿元,比上年增长11.5%,增速比上年同期提高6.9个百分点。社会物流总费用占国民生产总值的比重从2010年的18%下降到2017的14.6%,说明我国物流业运行效率进步明显。然而依据全国重点物流企业的调查数据,2016年仍有8%的企业主营业务利润额为负值,前20%的物流企业主营业务收入仅占到主营业务收入总和的39.4%,市场集中度较低。由此可见,虽然物流业发展迅速,但物流企业成本较高,利润较低。基于此,本文使用300家全国重点物流企业统计调查数据,对物流企业的竞争力水平进行评价,并使用多种统计学习方法建立竞争力预测模型,提高企业竞争力水平测度的效率。

自改革开放与西部大开发战略实施以来,尤其是近10年的社会经济发展,云、贵、川三省的城市开放度与国际知名度不断提高,逐渐引起了世界的广泛关注。许多国内外体育组织都有向三省推广自己的大型体育赛事的意向,从而扩大赛事的影响与推动运动的进一步普及。除此之外,在多年的具体工作中,云、贵、川三省已开始培养出一批较为职业化的运作管理队伍,在赛事推广方面形成了较为成熟的运作模式,经验相对丰富,得到了国内外诸多体育组织的认可。在运作管理大型体育赛事方面,云、贵、川三省与其他省市相比就占居了非常有利的地位。

物流企业竞争力评价研究现状

物流企业竞争力是指物流企业作为竞争主体在市场竞争环境中赖以生存和发展的能力。本文梳理了国内外学者的研究成果,从物流企业竞争力的评价方法和评价指标两个方面进行总结。

(一)物流企业竞争力评价方法研究

评价方法分为客观和主客观结合两种方法。如果获取的数据是客观真实存在,不掺有人为评价成分,称为客观方法,如因子分析法、熵值法、变异系数法、多元回归、聚类等。例如吕能芳、吴竞鸿(2015)采用因子分析方法对上市物流企业竞争力进行分析;王志鹏(2010)运用聚类分析法分析上市物流企业;张宝友等(2010)利用偏相关与多元回归工具研究我国上市物流公司与跨国物流公司在竞争力方面的差异。以上文献采用的都是上市公司财务报表中披露的财务数据,虽然能够在一定程度上分析出当下物流企业的现状和存在的问题,但因其使用的指标相对单一,且样本量较小,所以不够完善。

由于国家对高职院校以及动漫产业的大力扶持,我国动漫产业得到蓬勃发展。但我国动漫市场存在以下问题:①限制我国动漫产业发展的瓶颈是原创性;②动漫作品及动漫衍生产品得不到合理开发与推广。动漫市场存在的这些问题,跟院校动漫专业人才培养不无关系:强调熟练软件使用,弱化学生艺术修养的培养(即创意与表现能力的培养),学生不懂艺术,创作的剧本或造型设计缺少艺术性,毫无创造性。

如果数据的获取是通过调查问卷或专家打分等途径,或者使用的方法中包括专家确定参数等步骤,称为主客观评价方法,例如层次分析法、模糊综合、灰色关联等。例如远亚丽和程赐胜(2008)、华小欢(2013)利用灰色关联模型,分析农村物流快递行业的影响因素;周涛等(2003)、蒋有凌和周红梅(2007)使用模糊综合评判法对物流企业竞争力进行量化评判和分析;洪卫和王选飞(2014)运用粗糙集理论对指标体系进行约简,利用模糊测评法量化并求取各指标权重;罗大海和刘建胜(2015)利用模糊评价法和层次分析法建立模型对权重进行求解;张华明和赵庆建(2015)利用双S形白化权函数结合AHP方法和聚类分析方法,形成了快递物流企业竞争力评价方法。综合这些文献可以看出,主客观结合的分析方法有效避开了企业数据获取困难的问题,不受企业样本量的影响,但是数据或者方法的主观性成分对研究的结果会有很大影响,选择专家不同很可能出现较大的结果差异。

企业数据存在一定程度的异常值和缺失值,直接进行分析对结果影响较大,前期需利用统计的方法对数据进行清洗。

(二)物流企业竞争力评价指标研究

在关于物流企业竞争力评价的研究中,指标的选取是其中比较重要的一项研究内容。国际上比较权威的竞争力评价指标体系主要包括世界经济论坛(WEF)评价指标体系和瑞士国家管理发展学院(IMD)评价指标体系等。M.Menon和Ackerman等人从价格、物流服务商被感知的绩效、物流服务商被感知的能力、战略和外部环境四个方面的指标作为评价物流企业核心竞争力的因子;A.Gunasekaran和E.w.T.Ngai从战略计划、存货管理、运输、能力计划和信息技术五个主要指标进行分析,建立了物流企业竞争力评价指标体系的模型;蒋有凌,周红梅(2007)从基础网络能力、延展性、顾客价值性、独特性四方面建立了物流企业竞争力评价指标体系;唐友明和李明武(2014)从市场能力、营运能力、技术能力、管理能力四个准则层、17个指标层,提出评价物流企业竞争力的指标体系;王道平、翟树芹(2005)从业务层面、管理层面、财务层面进行研究;罗大海、刘建胜等从时间、成本、质量、服务四类一级指标进行研究;洪卫和王选飞(2014)从资源水平、运作能力、信息处理能力、经营成本、管理协调能力、资金水平、网点覆盖率水平、行业经验8个因素对物流企业竞争力进行评价。

首先,缺失值的填补。本文采用指标间的相关性和样本间的相似性两种思路。第一次填补采用指标间的相关性,利用指标间的相关系数对相关性最高的指标,如主营业务收入、主营业务成本和主营业务利润额进行回归分析,填补部分缺失值;第二次填补是利用样本间的相似性,对样本间的相似性进行分析,对缺失值进行填补。其次,数据的标准化。熵值法要求数据均为正,故采用极差法对指标数据进行标准化。标准化后的数据因为0元素的存在仍然不能保证指标为正,需要对0值进行处理。根据韩新华(2013)得出的结论,用微小量替换0值,经过计算当用10-10及更小的值时,权重在保留三位小数时非常稳定,因此用10-10替换0值。最后,极端值的处理。为了提高模型预测的正确率,本文对极端值采用“盖帽法”进行处理。“盖帽法”的基本原理是计算临界值V,当极端值超过临界值时,使用V来替代。

表1 物流企业竞争力评价指标及内涵

表2 各等级各项指标的均值

表3 各模型的分类正确率

表4 RBF神经网络模型参数

物流企业竞争力评价指标体系

如图1所示,基本的梯形单元由电阻电感串联支路(阻抗支路)以及电导电容并联支路(导纳支路)组成。对于不同参数和结构的变压器而言,模型的拓扑结构是相同的,不同的只是高低压绕组侧的单元数目以及对应于具体元件参数的计算方法。

目前,我国物流与采购联合会每年都会对重点物流企业的基本情况进行调查,调查的指标包括物流企业的基本情况指标,如物流企业类型、主要业务活动、行业类别、物流服务对象、登记注册类型等;财务能力类指标,如主营业务收入、主营业务成本、物流人员劳动报酬、主营业务利润额、主营业务营业税金、资产总额、流动资产总额、负债总额、固定资产折旧、固定资产投资完成额;经营规模类指标,如货运量、周转量仓储容积、仓储面积、货运车辆数等。本文在现有调查数据的基础上,选择反映物流企业竞争力的指标,从财务能力和经营规模两个层面构建物流企业竞争力评价指标体系,如表1所示。

物流企业竞争力评价

其中,表示均值,IQR表示四分位点内距。

(一)数据的预处理

为切实加强地质灾害防治工作,各县市区均建立健全了一系列的制度,如年度地质灾害防治方案编制与发布、“两卡一预案”填制发放、汛期值班值守、宣传培训与演练、灾险情速报月报年报、建设有用地地质灾害危险性、地质灾害防治项目管理等制度,地质灾害防治管理工作不断规范化、制度化和常态化。

从以上分析可以看出,不同学者研究的准则层存在差异,不同的侧重点会产生不同的指标体系,但所采用的具体指标却存在相同之处,说明存在一些核心的指标,如财务指标、信息技术指标等。本文将以全国重点物流企业统计调查指标为基础,借鉴核心的指标构建评价物流企业竞争力的评价指标体系。

全国重点物流企业统计调查数据中物流企业的样本量为663家,去除指标数据缺失50%以上的企业,本文选择300家物流企业的数据开展研究。企业数据存在一定程度的异常值和缺失值,直接进行分析对结果影响较大,本文对数据进行了清洗,包括缺失值填补、数据的标准化和极端值的处理。

图1 三层神经网络结构

图2 模型累积提升曲线

图3 训练过程中模型平均误差项变化

(二)物流企业竞争力水平测度

由前文中对物流企业竞争力评价方法的综述可知,客观评价方法能够有效避开人为因素的影响,使评价结果更稳定,更有说服力。本文根据Spearman秩相关检验对熵值法、变异系数法和因子分析法三种方法的结果进行比较,确定最合理的综合得分计算方法。因为综合得分指标辨识度较低,所以本文采用分位数分箱法,根据综合得分对企业竞争力水平进行分级,从高到低级别分别为I级、II级、III级、IV级和V级,各等级企业的特征如表2所示。从表2可以看出,资产总额、固定资产投资完成额、从业人员期末人数、物流岗位从业人员期末人数占比、具有大学本科及以上学历人数占比、货运车辆数、仓储面积和仓储容积都是随着竞争力级别的提升明显增加,这些指标是衡量企业竞争力的关键指标。

(三)基于统计学习方法的物流企业竞争力预测

物流企业竞争力水平测度是一个复杂的过程,若每次有新进入企业时都应用传统方法重新计算,不仅时效性低,而且对人力物力财力也是极大的浪费。本文利用统计学方法中的分类预测技术对数据进行分析,通过建立分类模型,可以对新进入企业进行快速预测,既能够保证时效性,又能够提高工作效率和可操作性。

统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析与预测的一门学科,统计学习方法包括K近邻法、朴素贝叶斯法、决策树、逻辑斯蒂(Logistic)回归、人工神经网络、支持向量机等。本文使用SAS Enterprise Miner 14.1建立决策树、人工神经网络、Logistic回归、Gradient Boosting和集成算法(Ensemble Method)分类模型。以物流企业竞争力等级为目标变量,对300条样本进行分区处理,60%为训练数据集,30%为验证数据集,10%为测试数据集。根据表3中各模型的分类正确率可以看出,人工神经网络模型的分类效果相对较好,测试数据集的分类正确率达到91.4%。下面对人工神经网络模型进行详细说明。

RBF神经网络是一种三层前馈式网络,包括输入层、隐层和输出层(图1)。其中输入层节点负责接受和处理训练样本集中各输入变量值;隐节点负责实现非线性样本的线性变换;输出节点给出关于输出变量的分类预测结果。

第一,人工神经网络。人工神经网络是一个解决多目标预测问题比较好的策略。神经网络包含了大量的模型和学习方法,主要分为前馈式神经网络和反馈式神经网络。目前神经网络大多为前馈式神经网络,常用的有反向传播(Back-Propagation,BP)神经网络和径向基函数(Radial Basis Function,RBF)神经网络。BP神经网络是一种最为常见且较为复杂的神经网络模型。它只有在满足一定的建模条件时才具有自学习性、非线性逼近能力和泛化能力,如果不符合建模条件,建立的网络模型则存在收敛速度慢、易陷入局部极小等缺陷,模型精度难以控制。RBF神经网络能以较为简单的网络结构,及强大的非线性映射能力可以任意精度全局逼近任意非线性关系。从表3也可以看出RBF神经网络模型的分类预测效果较好,因此本文选择RBF神经网络。

最后一次,是在一年前,她躲在山顶的一棵大树后面,看着罗漠坐在她现在坐着的地方,一动也不动地等了她一个晚上。那天的月亮很好看,和十几年前一样又清又亮,她真想走出去坐在他身旁,把头靠到他肩膀上。那是她长久以来的梦想。

RBF神经网络隐含层的激活函数采用径向基函数,定义为空间任一点到某一中心之间欧式距离的单调函数。RBF神经网络的表达式为:

无形的劲气开始在天问大师和萧飞羽身前流转,渐渐地,劲气将血醒的尘土带着飞了起来。天问大师双手如挽重物缓缓提到胸前,紧接着向外一翻,一股强大的劲气应手而出。萧飞羽没有作势,右掌随意一翻。“轰!”一声闷响,尘土被激起、飞射、旋转、坠落。

其中,yi是第i个观测值的目标变量;wk是第k个基函数的权重;w0是偏差;Ik是第k个基函数;Xi=(xi1,xi2,…,xip)是第i个输入变量向量;M是基函数的个数。

第二,模型参数的确定与结果。本文使用SAS Enterprise Miner 14.1建立RBF神经网络模型。不同的参数设定得到的模型效果不同,经过试验选择分类预测效果最佳的参数,如表4所示。

如表3所示,RBF神经网络对测试数据集的分类正确率达到91.4%。从图2的累积提升曲线图中也可以看出,此模型可以较好的预测物流企业的竞争力水平。图3显出当迭代次数达到79次时,均方误差达到最小,测试数据集的均方误差为0.056,验证数据集为0.03。

结论与展望

(一)结论

第一,本文结合现有物流企业调查指标,选择反映物流企业竞争力的指标,从财务能力和经营规模两个层面,构建物流企业竞争力评价指标体系。

第二,熵值法在竞争力水平综合得分计算中更合理。本文利用因子分析法、熵值法和变异系数法三种客观方法对实际数据进行分析,并根据Spearman秩相关检验对三种方法进行评价,结果显示熵值法更合理,利用分箱技术确定企业竞争力水平的五个等级。

从各剖面的X方向的位移云图可以看出,边坡在开挖后采用抗滑桩和锚索联合支护效果较好,位移最大值出现在桩顶附近,量值在20~30mm之间,随距桩顶距离的增加,位移量值逐渐减小。

第三,RBF神经网络在竞争力水平等级预测中效果最佳。本文利用决策树、人工神经网络、Logistic回归、Gradient Boosting和Ensemble Method进行学习预测,通过对比选择RBF神经网络模型作为最终的预测模型,预测正确率为91.4%,效果良好,可以用来对物流企业竞争力水平进行分类预测。

(二)存在的问题和展望

本文在研究过程中存在的主要问题包括:首先,部分指标数据难以获取。如很多物流企业没有记录订单准时率、平均货损率、完好交货率等对企业竞争力有一定影响的指标,导致很多指标数据无法获取。其次,样本数据缺失率较高,数据可能存在一定程度的失真。现有企业调查的数据,存在较多缺失值和离群值,指标数据质量不高,使分析结果有一定偏差。

大数据时代,人们呼吁信息共享,但对于企业数据仍没能达到真正的共享,指标的不完整性、样本数据的缺失、数据异常等问题仍然是制约企业竞争力测度的关键因素。通过指标体系的进一步完善、企业信息共享平台的搭建、区块链物流的进一步发展等策略,可以提高我国物流统计工作质量,进一步深化数据挖掘和分析,助力物流企业的发展。

参考文献:

1.吕能芳,吴竞鸿.基于因子分析的物流上市企业竞争力评价实证研究[J].宜春学院学报,2015(8)

2.王志鹏.河南省物流企业发展状况研究—基于SPSS和DEA的分析[J].安阳工学院学报,2012(5)

3.张宝友,达庆利,朱卫平.跨国物流公司绩效的微观影响因素研究—兼论与中国物流公司的比较[J].山西财经大学学报,2010(10)

4.远亚丽,程赐胜.基于改进灰色关联分析法的物流企业竞争力评价[J].铁道运输与经济,2008(4)

5.华小欢,解利燕,黄丹青.农村快递物流影响因素分析[J].现代商贸工业,2013(20)

6.周涛,程钧谟,乔忠.第三方物流竞争力评价体系及模糊综合评判[J].物流科技,2003(5)

7.蒋有凌,周红梅.第三方物流企业的核心竞争力评价[J].经济管理,2007(13)

8.洪卫,王选飞.基于粗糙集理论的第三方物流企业竞争力盲数测评研究[J].科技管理研究,2014(6)

9.罗大海,刘建胜等.第三方物流企业竞争力评价指标体系设计及建模分析[J].物流技术,2015(11)

10.张华明,赵庆建.基于S形白化权函数的快递物流企业竞争力评价[J].物流技术,2015(2)

11.吴福山,唐友明.转变农行业务发展方式的深远思考[J].农村金融研究,1996(6)

12.王道平,翟树芹.第三方物流企业竞争力评价指标体系构建及其评价[J].财经理论与实践,2005(6)

13.Mohan K Menon,Michael A McGinnis,Kenneth B Acherman.Selectioon criteria for providers of third-party logistics services:an exploratory study[J].Journal of business logistics,1998(19)

14.A.Gunasekaran,E.W.T.Ngai.The successful management of small company[J].Journal of physical distribution & logistics management,2003,33(9)

15.李航著.统计学习方法[M].清华大学出版社,2012

16.陈毅华,李永胜,苏昌贵等.径向基神经网络模型在人口老龄化预测中的应用—以湖南省为例[J].经济地理,2012,32(4)

17.张良均,曹晶,蒋世忠.神经网络实用教程[M].机械工业出版社,2008

基金项目: 北京市属高校青年拔尖人才培育计划

中图分类号: C812

文献标识码: A

标签:;  ;  ;  ;  ;  

我国物流企业竞争力水平评价论文
下载Doc文档

猜你喜欢