中国上市物流企业成本效率动态分析，本文主要内容关键词为：中国论文,物流企业论文,效率论文,成本论文,动态论文，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。
近年来，物流业在我国的发展非常迅速，物流业更被称为“第三方”利润的来源，是国民经济增长的“加速器”，然而我国物流业一直面临着“一快一高”的发展现状。所谓“快”是指物流业的发展速度快，2013年全国物流业增加值3.9万亿元，按可比价格计算，同比增长8.5％；所谓“高”是指物流成本高。宏观层面，我国物流业成本一直居高不下，我国2013年物流业总的社会物流费用占GDP的18％，不仅高于美国、日本、德国等经济发达国家，而且也高于印度的13％和巴西的11.6％；微观层面，通过整理聚源数据库上市物流企业2006～2013年数据发现，我国上市物流企业经营成本呈现上升趋势，覆盖道路运输、水上运输、航空运输以及仓储业的48家上市物流企业经营管理成本不断上升，其中2013年成本增加率为25％，达到历年的最高水平。因此，尽管中国的物流行业发展迅速，但其整体成本偏高的现状是物流企业面临的巨大挑战。 成本的有效管理和生产率的提升是转变物流企业增长模式以及提升市场竞争力的关键，但基于成本函数的CM指数的测度需要满足两个必要条件，即投入—产出量、投入要素的价格已知，以及生产单元能够实现成本最小化。基于成本函数的CM指数，表示生产单元如何通过减少(或增加)投入成本，使得成本距离函数达到最优的成本边界，体现了物流企业成本效率的动态变化特征。传统的Malmquist指数并不能对物流企业生产率动态变化的来源给出完整的说明，比如不能对具体的企业如何为了使其更好地与投入价格适应而调整投入组合这样的问题做出合理解释，而通过CM指数的测度以及分解研究能够找到变动的来源，并对该问题做出合理解释。更为重要的是通过上市物流企业的实证分析能够全面地体现CM指数及其分解的具体应用和现实意义，尤其是填补了传统的IM指数在物流业生产率测度方面的欠缺。 1 文献综述 以Koopmans的理论为基础，著名的英国经济学家Farrell将成本效率进一步分解为技术效率和配置效率，技术效率反映企业对现有技术的利用程度，配置效率反映企业是否合理安排生产要素的投入比例[1,2]。Caves等采用最早由Malmquist在消费者理论背景下提出的测量指数作为生产率的度量指数，但是这一方法在当时并没有被过多关注[3]。在效率框架下，该指数被看作一个理论值且展示了它与Tornqvist指数之间的关系。Lovell和Grifell-Tatje提出当这个指数的距离函数对应的前提假设为规模报酬可变时，其对生产率的估计会存在偏差[4]。然而，基于CRS的生产率指数无论技术的真正组成为CRS还是VRS都能够精确测量生产率[5,6]。因此，基于CRS的生产率边界通常被用作测量生产率的基准，该指数可分解为技术效率变化和技术进步变化，之后Fare又进一步提出了如何把技术效率分解为规模效率和纯技术效率[7]。 从Kopp和Diewert的相关研究成果可以发现，将配置效率包含在生产率测量的研究才刚刚起步，相关的研究成果也极其少见[8]。在计量经济学和连续时间序列的框架下可以将生产效率变化分解为配置效率变化、技术进步变化、价格影响和规模经济影响4个部分[9]。但该方法在计算上要求非常严苛，尤其在假设的设定方面更是严格，从实际的角度来看时间连续性是不现实的，大部分数据都与离散时间相关，因此其方法在应用方面受到一定程度的限制[10]。 本文的重点在于基于成本函数研究物流企业CM指数及其变动，从而更加全面测度价格以及技术变动对物流企业生产率的影响。目前基于成本函数的测度主要集中在银行业以及工业企业，其中郑猛基于超越对数成本函数模型对中国制造业成本展开分析[11]；物流领域张毅对上市物流企业成本效率进行分析，但其选择的样本数量少、所跨年度短，且未对上市物流企业成本效率的动态性深入研究，因此无法探析配置效率以及技术效率变动的特征[12]。非参数数学规划的重点在于计算生产率和它的基本构成时需选择在动态最小化假设基础上展开。因此，根据Malmquist指数的界定，本文以Maniadakis和Thanassoulis的研究为基础建立考虑投入要素价格变化的物流企业CM指数，并将其进一步分解从而找到引起CM指数变动的根源[13]。 2 研究方法与数据来源 2.1 成本Malmquist生产率指数 根据Malmquist指数的定义，界定CM生产率指数如下：
其中
为成本函数。上述指数与Fare和Grosskopf中Malmquist指数以及Fisher的理想生产率指数相似[14]。然而，上述的配置效率指数是基于观测值而不是配置效率假设所支持的影子价格。这些因素在IM指数中是基于投入数量定义的，但在CM指数中是基于投入成本定义的，这是两者根本不同之处。成本比率
用来测度t时期当投入价格向量
以及产出向量
都保持不变的情况下，总的生产成本可减小的区间范围。这个比率测度了观测成本
和成本边界
之间的距离。当两者成本相同时，这个距离值的最小值为1，当它越大时，意味着减小投入依然可以保持产出
的水平，也就是说生产投入组合未达到最优的成本前沿。因此，CM指数是指如何通过减少(或增加)投入成本，使得成本距离函数达到最优的成本边界。与此相对应，IM指数是指如何通过减少(或增加)投入要素的数量，使之达到最优的生产边界。此外，由于本文采用CRS成本边界作为生产率测量的基准，因此没有另外分析其他规模报酬下的CM指数。与IM指数类似，当CM指数小于1时表示生产率进步，大于1时表明倒退，等于1时表明生产率不变。CM和它对应的各个组成部分的指数可用图1表示，充分说明IM生产率指数是测度生产率边界标杆的最佳选择，而CM指数是测度成本边界标杆的最佳选择。
图1 基于投入的成本Malmquist指数(价格已知) CM指数是本文所建立的用来反映生产成本而不是数量投入的成本指数，该指数是一个能够最小化生产成本的直观方法。Balk用一个类似的指数说明投入导向Malmquist指数和Fisher生产指数之间的关系[14]。本文所使用的CM指数是一个更加一般性的指数，其中包含了其他一些指数作为其特殊情况。因此，本文选择48家中国上市物流企业的数据，通过价格指标的建立，基于CM指数展开动态研究。并且将CM指数进一步分解，这些分解后的组成部分将对生产率变化的根源给出极有价值的深入探究，从而能够帮助政府或者企业制定长期且有效的成本策略[15]。 2.2 成本Malmquist指数的分解 与IM指数不同之处在于CM指数可以进一步分解为总效率变化(OEC)和成本技术变化(CTC)两个部分。而且这两个组成部分可以被进一步分解为基于投入数量和基于投入价格的效率变动。表达式如下：
式(2)中方括号外的组成成分的分子和分母是Farrell全效率测量的倒数，这个成分代表了t到t+1时间的投入OEC。根据其基本测度思想，OEC表示从t到t+1时期，生产单元对于成本边界的“追赶”程度。式(2)中方括号里面的部分，记为CTC。与传统CTC基于标准投入价格测度成本和效率不同的是，本文所测度的CTC是基于一段时间内物流企业真实的成本价格来测度成本和技术进步的联合作用。每个时期的生产成本取决于技术和投入价格两个因素，并且随着时间的变化这两个组成成分也在不断的变化，这两个因素的联合影响可以通过对CTC的测度得到。在最后的分解中，基于生产成本最小化原则，将投入价格对效率的影响从技术效率变化对效率的影响中分离出来。其中，将OEC进一步分解为技术效率变化(TEC)和配置效率变化(AEC)两项，表达式如下：
式(3)等号右边第一项对应参考文献[14]所开发的Malmquist指数中的“追赶”效应，它测量了时期t到t+1的投入TEC；右边的第二项代表了投入AEC，与“追赶”效率相对应表示了t到t+1时期所有单元向前沿面的移动。 CTC的分解是本文的重点，因为其代表了成本变动所引起的效率的变动。成本边界的转换可能是由于生产率边界的转换或相关投入价格的转换引起，因此CTC可以被更深入地分解为：
式(4)中右边的第一项对应于参考文献[14]基于IM指数的技术进步，它是以
作为评估单元，反映了生产率边界从时期t到t+1的转换。式(4)中第二个方括号里的内容，代表了成本边界转换过程中除去技术进步影响后，由投入价格变化带来的影响。尤其表示了产出既定的情况下投入价格变动对成本最小化的影响即“价格影响”(PE)，为了使最后一个分解更加清晰，本文考虑仅当投入组合在
时段的状况。在这个投入组合下，成本边界因CTC=[(OB/OZ)/(OB/ON)]=[ON/OZ]而发生转换，这就是成本边界间的距离。生产率边界的转换因素可以由TC=[(OB/OC)/(OB/OA)]=[OA/OC]测度出来，这就是两个生产率边界之间的距离。成本边界的剩余转换是CTC/TC，它是由于投入价格变化引起的，可以通过PE=CTC/TA=[(ON/OZ)/(OA/OC)]=[(OC/OZ)/(OA/ON)]测度出结果。由此，TC测度了由于创新和其他技术进步引起的特定产出的投入的变化，而PE测度了由于相关投入价格变化引起的特定产出的投入的变化。本文假设规模效应不变，但是如果放弃规模保持不变的假定，技术效率变化还可以进一步分解。 2.3 物流企业CM指数及其分解
2.4 变量与数据来源 本文将上市物流企业固定资产净值、劳动力成本和营业成本3项作为投入要素，上市物流企业主营业务收入1项作为产出指标。在指标的选取中，用当年固定资产折旧除以固定资产原值表示固定资产的价格；用营业费用除以资产总额表示营业成本投入价格；用应付员工薪酬除以劳动力数量表示劳动力价格。 本文的数据来源于聚源数据终端各年年末的现金流量表、资产负债表、利润表以及上市物流公司对应年报。通过聚源数据终端发现，部分上市物流企业2006年以前的当年折旧数据无法获取，且2007年采用新的会计准则，因此本文将2006～2013年作为实证分析的时间段。根据我国证监会公布的2014年第一季度上市公司行业分类，其中交通运输、仓储和邮政业门类涵盖了主要的物流上市企业，总计84家企业，以它作为初始样本进行数据搜集，剔除数据不完善以及部分数据缺失的企业，最终确定48家企业为本文研究对象。 3 物流企业CM指数实证分析 由于本文实证分析的物流企业涵盖了包括铁路运输、道路运输、水路运输、航空运输和仓储行业的48家物流企业，因此，对应的投入和产出都有极大的差异，表现出来的极差和标准差都非常大。表1展示了不同物流企业IM和CM生产率指数。
由表1可知，八年间48家上市物流企业的IM指数以及CM指数的几何平均值分别为1.143和1.169，中国上市物流企业存在一定幅度的生产率退步。进一步的分解显示1.052(TEC)小于1.087(TC)，IM指数的分解表明了生产率退步主要来自于技术进步(TC)的退步，即物流企业生产率的退步主要是由技术进步变动引起。显然，CM指数信息通过测度AEC与PE很好地补充了IM指数传递的信息，PE(几何平均值为1.147)表明上市物流企业投入要素价格变化对于生产率进步是非常不利的，而AEC(几何平均值1.049)小于PE显示物流企业能够通过要素的有效配置缓冲一部分投入要素的价格波动带来的负面影响。并且CM指数也表现了比IM指数更为明显的生产率退步，就48家上市物流企业的几何平均值来看，引起CM指数退步的因素中PE的影响要远远大于AEC，这是IM指数无法测度出来的。 此外，表1显示出IM指数和CM指数相关性，通过皮尔曼等级相关系数检验发现IM和CM指数的相关性为0.853。但是具体到每个企业，IM与CM这两个系数可能表现出生产率的相反趋势。在表1中个别企业表现出了IM指数和CM指数变动不一致的情况，比如中原高速、重庆港九和中储股份3个企业，仓储行业的中储股份和道路运输的中原高速两个上市企业IM指数都表现出了生产率提高，但CM指数却表现出生产率的倒退；而属于水上运输行业的重庆港九刚好相反，IM指数都表现出了生产率水平的降低，但CM指数却表现出了生产率的进步。 4 结论及启示 本文的主要结果显示，48家上市物流企业的CM指数表现了比IM指数更为明显的生产率退步，其中引起CM指数退步的因素中PE要大于AEC，这是IM指数无法测度出来的。对于物流企业而言，配置效率的提升意味着物流企业能够通过投入要素的组合，而不是通过增加投入要素的数量提升生产率水平，并且配置效率的改善能够提升物流业整体生产率水平。因此，只有当CM指数及其分解得到合理的解释，才会有助于生产率的全面提升和资源的有效配置。 对于物流企业而言，成本最小化以及成本效率变动的根源不仅值得关注也是经营者以及政策制定者感兴趣的问题。尤其面对目前物流行业成本居高不下，投入要素价格不断上涨的现实，通过分析物流企业CM指数及其分解不仅为寻找物流企业成本效率变动的根源提供了途径，而且为其面对投入要素价格变动时的决策制定提供可参考的数据支持。
标签：生产率论文; 动态分析论文; 配置效率论文; 成本分析论文; cm论文;
