基于多维视角的我国物流企业生产效率异质性研究_dea论文

多维视角下我国物流企业生产效率异质性研究,本文主要内容关键词为:多维论文,视角论文,物流企业论文,生产效率论文,我国论文,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。

      [DOI]10.3969/j.issn.1007-5097.2016.03.015

      当前,物流产业发展水平高低已经成为衡量国家综合国力的一个重要标志。在此背景之下,本文将基于多个维度,采用数据包络分析(DEA)方法对2007-2013年间我国45家物流上市公司的生产效率进行深入分析,系统考察生产效率的异质性特征与动态变化趋势,帮助物流企业准确定位自身存在的薄弱环节与不足之处,并提出相应的改进对策与措施,为物流企业生产效率的提升以及相关政策优化提供较为充分的理论依据与信息支持。

      国外关于物流企业生产效率的研究起步较早,并已经取得了丰硕的研究成果。其中,代表性的文献包括,Anthoy and Cornelia[1](2002)利用DEA方法对配送企业生产效率进行了深入分析;Michel and Murphy[2](2004)基于DEA方法测度了物流企业的生产效率并揭示其影响机制,并从用户的角度出发,将影响因素区分为直接因素与间接因素;Borenstein et al.[3](2004)利用DEA模型对巴西邮局的生产效率进行了测算,在此基础上考察效率的影响因素与作用机制,并据此提出了相关改进建议与措施;Trujillo and Tovar[4](2007)根据随机前沿分析(SFA)模型对英国22家港口企业的运营效率进行了对比分析;Hamdan and Rogers[5](2008)通过利用非限制性DEA模型对美国某物流企业下属的19家仓储中心的生产效率进行了研究。相比较而言,国内关于物流企业效率的研究虽然起步较晚,但近年来也逐渐成为研究热点,涌现出一批具有重要理论与实践价值的研究成果。张宝友等[6](2008)选取了职工人数、固定资产净值、主营业务费用与管理成本为投入指标,纯利润与主营业务收入为产出指标,利用DEA方法对我国14家第三方物流企业的效率进行了评价;邓学平等[7](2008)基于Malmquist指数对2001-2006年间我国8家物流上市公司的全要素生产率进行了分析,并将其分解为技术效率变化指数与技术进步指数以揭示其驱动机制;汪旭晖等[8](2009)运用超效率DEA模型对我国18家第三方物流企业的生产效率进行了系统分析;王舒鸿等[9](2010)将员工数量、主营成本、固定资产等作为投入指标,将利润总额作为产出指标,对我国沪深上市物流企业的效率进行了评价,并系统考察了效率的异质性特征;周霞[10](2013)实证测算了2004-2010年间我国20家沪深上市物流企业的投入产出效率,并揭示了效率的动态变化趋势与影响机制。

      上述文献对物流企业生产效率及其相关问题进行了深入分析,得出了一系列具有重要启发意义的研究结论与对策建议。然而,已有研究仍然存在以下局限性与有待改进之处,主要表现在现有文献对物流企业效率的评价总是停留在某一个角度上,评价角度不够全面化,研究层次较为单一。为此,本文将从多个维度出发,基于DEA框架立体化、多层次的深入研究我国物流企业的生产效率及其异质性的特征。相比于已有研究,本文将更加重视效率测度方法以及投入产出指标的选择,从而为提升我国物流企业生产效率水平以及相关政策制定提供定量依据与数据支撑。

      二、研究方法

      数据包络分析(DEA)是一种涉及管理学、数学、运筹学等多个学科领域的研究方法,用来衡量同类型多投入产出变量决策单元的相对效率,是一种非参数前沿分析方法[11]。DEA方法的优点在于无须参数估计,在效率评价时不需要人为确定投入产出指标的权重以及设定具体的生产函数形式,整个评价过程中不易受到人为因素的干扰,具有很强的真实性与客观性。目前,DEA方法已经广泛应用于技术创新、资源配置、环境保护以及公共管理等各个领域之中[12-15]。在所有的DEA模型中,最为经典的两个模型是CCR和BCC。运用这两种模型能够把生产效率分解为纯技术效率和规模效率,从而可以定位决策单元(DMU)生产效率的主要制约因素。由于这两种模型的应用最为广泛,考虑到文章篇幅,其原理本文不再赘述。

      为了实现我国物流上市公司效率的多维度分析,本文还将使用一种扩展的DEA模型,即DEA windows模型[16-18]。选择理由主要在于两个方面:一是为了不出现当期决策单元数目不多,数据稀疏而无法构造近似光滑的前沿面,产生线性规划无解的问题;二是该模型将不同时间点的同一决策单元视为不同决策单元进行效率对比,不仅可以反映同期内各单元效率的差异性,还能对同一决策单元不同时点效率进行纵向对比,从而实现多维度的效率分析。

      

      三、实证分析

      (一)样本选择与数据处理

      在参考已有文献研究的基础上,结合物流上市公司的特点,本文选取4个投入指标,分别为企业固定资产、员工薪酬、管理费用、主营业务成本,选取利润总额作为产出变量。在实际分析过程中,利润总额会出现负数,即亏损的情况,这不符合DEA模型投入产出数据的要求。因此,有必要对投入产出指标原始数据进行无量纲化处理,使所有的变量都转化为非负数,具体方法如下:

      

      考虑到数据的时效性,本文所选样本为我国沪深上市的45家物流企业,投入产出指标数据来源于各年份的上市公司年报,分析的区间为2007-2013年。

      (二)物流上市公司效率的静态分析

      物流上市公司效率的静态分析主要是考察同一时间维度下不同企业之间效率的差异特征,主要反映的是不同物流上市公司的横向异质性特征。本文首先以2013年为例,利用DEAP软件测算得到我国45家物流上市公司的技术效率(TE)、纯技术效率(PTE)见表1、表2所列。

      

      

      由表1-3可知:

      (1)2013年我国45家物流上市公司的生产效率(技术效率)平均值为0.816,距离生产前沿面还存在18.4%的改进空间。从产出导向视角来看,这意味着在维持现有投入的条件之下,所有物流企业的总体产出还可以在原有基础上增加18.4%,还存在一定的效率提升空间。从生产效率分解的角度来看,2013年45家物流上市公司的平均纯技术效率与规模效率分别为0.881与0.919,表明规模效率已经接近最优前沿面,单纯依靠扩大生产规模驱动生产效率提升的空间已经非常有限,以后更要依赖改善纯技术效率来推动物流企业生产效率的进一步提升。

      (2)规模效率与物流企业固定资产之间并不存在必然的联系。一些资产规模排名靠前的企业,如中国国航、东方航空、南方航空的生产效率均较为低下,其中中国国航的效率仅为0.227,排在倒数第3位。另外我们还发现,这三大物流企业都处于规模效益递减状态,过大的规模已经成为抑制企业效率提升的一个重要制约。相比之下,有些固定资产规模较小的物流企业却显示出较高的生产效率,如亚通股份的固定资产规模在45家企业中是最小的,但是生产效率却达到了0.999,排名第7;连云港港的固定资产排名31,而生产效率是0.988,排在第9位;而且这两个企业均处于规模效益递增状态。

      (3)我国物流企业的规模效率不存在显著的异质性。2013年,45家物流企业的规模效率均值达到了0.919,方差为0.024,有36家企业的规模效率超过了0.90,占样本的80%,规模效率低于0.70的只有3家,这意味着物流企业的规模效率差异不明显,大多数公司的规模已经接近最佳水平。因此,企业管理者不必再过分追求利用规模的扩大获取不大对称的产出增长。

      (4)物流企业纯技术效率对生产效率的影响大于规模效率的影响。如表1所示,我国大部分物流企业生产效率、纯技术效率与规模效率值都是大于0.8的,表明我国物流企业基本上都处于技术与规模有效状态。由表3可知,在1%的显著水平下,物流公司生产效率和规模效率的相关关系比较明显,已为0.731,而生产效率和纯技术效率则达到0.822,表明纯技术效率的高低对物流企业生产效率产生了更为重要的影响。同时我们也发现,物流企业纯技术效率与规模效率之间并不存在显著的相关关系,相关系数仅为0.135,而且没有通过1%水平的显著性验证,意味着物流企业纯技术效率与企业规模之间没有必然的联系。

      (三)物流企业生产效率的横向对比分析

      为了进一步分析物流企业生产效率的异质性特征,本文将物流企业划分为港口型物流企业、仓储型物流企业两大类。不同企业之间生产效率的横向比较分析结果见表4所列。

      

      从表4中可以看出,2007-2013年间,港口型物流企业生产效率水平总体上都要比运输仓储型物流企业要高。经过计算我们还发现,处于生产前沿上的物流企业基本上比较稳定,而不同类型物流企业的生产也显示出较大的差异性,特别是仓储型物流企业生产效率之间的异质性特征更加明显,其极差明显高于港口型物流企业,生产效率高的企业一直处于较高水平,而生产效率低的企业却丧失了前进的动力,效率一直位于低迷状态。究其原因,主要是很多物流企业都是一些地区或行业内的垄断性企业,地方政府为了促进地区经济与行业的发展,采取了一些保护性的政策措施,这种保护性的做法往往会破坏正常的市场竞争秩序,对我国物流行业的长期健康发展产生不利影响,过度的地方保护可能会使物流企业丧失竞争意识与生产效率提升的动力,最终导致很多物流企业的生产效率水平长期处于低游徘徊,改进的幅度十分有限。

      (四)物流企业生产效率的纵向对比分析

      静态分析与横向分析只能考察同一时间维度之下不同物流企业生产效率的差异性情况,不能反映物流企业在不同年度生产效率的动态演变特征。为此,本文采用了一种DEA扩展方法——窗口分析法,这种方法的效率测算结果不仅可以反映同一年度物流企业生产效率的变化值,还可以分析企业生产效率的变化趋势。考虑到实际情况,本文的窗口宽度设定为2年。经过测算得到45家物流上市公司2007-2013年间生产效率的变化趋势如图1所示。

      

      图1 2007-2013年间45家物流企业生产效率均值的变化趋势

      如图1所示,2007-2013年间,我国45家物流上市公司的生产效率呈现出较为明显的波动特征,从2007年的0.806波动上升至2010年的0.811,又直线下降至2013年的0.690,整体上依然是下降的。分区间来看,2008-2009年我国物流企业生产效率出现了明显的下降,主要原因可能是由于2008年次贷危机对我国物流行业造成了较大的冲击所致。自从加入世界贸易组织以后,我国经济与世界各国的联系更加密切。次贷危机的爆发不可避免的对我国实体经济造成负面影响,导致我国货运市场低迷,再加上2008年国际石油价格不断攀升,直接导致航运成本的上升,给我国物流企业生产效率带来很大的下行压力。但与此同时,为了克服次贷危机所带来的不利影响,我国政府迅速启动了扩大内需的系列政策措施,如4万亿投资、修筑高铁等,这在一定程度上缓冲了金融危机对物流行业的负面冲击,使得我国物流企业生产效率在2009年开始复苏,并在2010年达到考察期内的生产效率最高值。然而,2011-2013年,由于世界经济增长持续疲软、欧洲货币危机以及各国应对金融危机政策缺乏协调机制,造成我国进出口贸易量迅速下降,货运市场需求随之出现下滑,再加上人民币不断升值,国外资本纷纷涌入我国市场,使得我国市场竞争再加剧,结果导致我国物流公司生产效率一直处于下降通道,从2010年的0.811持续下降到2013年的0.690,下降幅度较为明显。2013年以来,世界宏观经济形势依然不明朗,我国经济增长也进入了新常态,不再过分注重增长数量与速度,更加侧重增长质量。同时由于国内外不确定因素增多,近年来我国劳动力成本以及其他生产资料成本也在不断上升,物流企业成本势必也会进一步上升,我国物流行业的长期健康发展将面临更为严峻的形势。在此背景之下,我国政府及相关决策部门应未雨绸缪,并及时采取有效措施予以应对,尽早扭转物流行业生产效率的下滑态势,实现物流行业可持续发展。

      四、结论与启示

      本文在DEA框架下,基于多个维度,分别采用CCR、BCC与窗口分析模型实证测算了我国45家沪深上市物流企业的生产效率,并将生产效率分解为纯技术效率与规模效率,进而对物流企业生产效率的异质性特征进行了深入分析,主要研究结论以及相关的政策启示如下:

      (1)我国物流企业的规模效率已经接近最优,而纯技术效率还具备很大的改进潜力,因此今后提升物流企业的生产效率重点要依靠纯技术效率的提升,也即通过技术创新、人员素质的提高以及管理模式的改进等方式来推动物流企业的长期快速健康发展。

      (2)物流企业的生产规模与生产效率之间没有必然的联系,很多大规模的企业生产效率水平较低,而相当一部分生产规模较小的企业却实现较高的生产效率。为此,对于规模大、效率低的物流企业必须要整合资源,重视资源的集约式利用,适度减小生产规模,提升资源配置效率以改善生产效率,而生产规模小的企业也无须通过扩大生产规模来提升生产效率,工作重点应放在企业技术改造、员工培训以及管理模式创新等方面。

      (3)在市场经济环境下,物流企业之间的竞争十分激烈。在我国,很多物流企业由于政府以及地方政策的保护,往往处于垄断地位,这对物流企业生产效率的提升以及长期健康发展具有很大的负面影响。因此,必须破除地方保护,让物流企业在开放的市场经济条件下,在竞争中相互学习,提高企业的生产效率水平,实现物流行业的快速健康发展。

标签:;  ;  ;  ;  ;  

基于多维视角的我国物流企业生产效率异质性研究_dea论文
下载Doc文档

猜你喜欢