我国物流上市公司运营效率的实证研究，本文主要内容关键词为：上市公司论文,效率论文,实证研究论文,物流论文,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。
一、引言
为应对全球金融危机，2009年初，国家出台了《十大振兴规划》，而物流业是服务业中唯一入选的产业，可见物流业在国民经济发展中的重要地位。物流业是融合运输业、仓储业、货代业和信息业等的复合型服务产业，在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用。但是，我国物流业在快速发展的同时，长期以来粗放发展所累积的矛盾也日益突出，而物流企业的效率低下一直是阻碍我国物流业发展的重要瓶颈。根据中国仓储协会在2000—2005年所做的5次《中国物流市场调研报告》显示，仓库的平均利用率为83.64％，而铁路专业线平均利用率只有59％，社会物流总费用与GDP的比率高出发达国家一倍左右。大部分物流企业的服务仍然停留在附加值较低的传统服务，物流企业的服务创新能力不足，物流服务效率较低，存在较大的资源浪费。因此，如何提高我国物流企业的生产效率是摆在所有研究我国物流学者面临的重要课题。本文运用三阶段DEA模型评估我国物流上市公司的效率，以客观评价我国物流企业目前的发展状况，为物流企业的效率改进和物流业的调整和优化提供决策支持。
二、文献回顾
国外学者对物流企业效率的研究主要集中在效率的测度及其影响因素。Anthony[1]则采用DEA方法对配送企业的效率进行了分析。Michael[2]从用户的角度分析了影响物流企业效率的关键因素，研究结果表明：用户信任、有效沟通、客户满意度、机会行为、企业信誉会对物流企业生产率造成显著影响。Hokey[3]利用DEA模型对美国物流企业的效率进行了分析，发现物流企业的服务网络和业务范围在一定程度上会影响企业的运营效率。Trujillo[4]运用随机前沿分析（SFA）方法对22家欧盟港口企业的运营效率进行了比较分析，发现大部分港口都处于无效率的状态。Amer[5]采用限制性DEA模型，并运用美国某物流企业下属19家仓储中心的投入产出数据进行了实证分析，发现货物储存形态、作业通道的大小和仓储中心规模对仓储中心运作效率具有显著的影响。国内学者邓学平采用DEA-CCR/BBC模型对中国28家上市物流公司的相对效率和规模效率进行了实证研究与分析[6]。邓学平利用DEA-CCR模型和Window Analysis技术对我国18家物流企业在2001－2006年间的效率变化进行分析[7]。
综上所述，现有的研究基本上都是采用传统的DEA方法来度量物流企业的运营效率，也就是将所有的投入与产出变量与相关的环境变量（先归类为投入或产出项）直接同时纳入，一起估算生产边界与效率，所评估的效率值并不能真实反映我国现阶段物流企业的生产效率，同时也很少有文献探讨不同类型和不同规模物流企业效率的差异及其原因。因此，本文首次利用三阶段DEA模型对2001－2008年我国28家物流上市公司的运营效率进行较为系统的研究，同时对不同类型和不同规模的物流企业的效率差异进行了分析。
三、研究方法与工具
DEA方法以相对效率概念为基础，用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的非参数方法。传统的DEA模型的一个主要缺陷是，在效率评估时不考虑评估对象所处的外部环境、随机误差及遗漏变量等对效率值的影响。因此，传统的DEA效率得分可能会低估或高估实际的效率水平。针对这一缺陷，Fried[8]对传统DEA方法进行了修正，提出三阶段DEA模型，现将三阶段模型介绍如下：
第一阶段：传统DEA模型。该阶段运用DMU初始投入产出数据进行传统DEA分析，本文选择投入导向的BCC（规模报酬可变）模型作为第一阶段的分析模型。
第二阶段：构建相似SFA分析模型。第一阶段DEA分析所得到的投入/产出松弛变量由三部分构成：环境因素、随机因素和管理无效率。传统的DEA模型并未就这三种因素对投入/产出冗余的影响进行区分，而是把所有影响均归于决策单元管理的无效率，因而第一阶段所得到的效率值往往是不准确的。为了分离出受外部环境及随机误差因素影响的效率值，必须调整投入量，在第二阶段通过构建类似SFA模型可分别观测出环境因素、随机误差、管理无效率三个因素的影响，从而得出仅是由管理无效率造成的决策单元投入冗余。第一阶段的投入松弛变量如公式（1）所示：
上式右边第一个中括号的式子代表全部决策单元调整至相同环境下，即样本中所预测的最差的环境。第二个中括号中的式子代表通过调整使所有决策单元处于共同的自然状态。
第三阶段：调整后的DEA模型。用调整后的决策单元投入数据代替原始投入数据，再次运用BCC模型进行效率评估，此时得到的效率值更能反映各决策单元的实际运营情况。
四、投入产出指标、环境变量的选择及数据来源
（一）数据来源及投入产出指标选择
大部分的研究都将物流企业利润和主营业务收入列为产出指标，对于投入指标，主要从人、财和物三个角度去衡量。其中，资本投入是物流企业最重要的投入，所以，几乎所有研究都重点强调了资本投入指标。此外，员工人数和员工工资总额等也是较为常用的投入指标。鉴于物流企业的自身特点，经过比较分析和试算，并征求有关专家意见，本文主要选取3个投入指标：固定资产；主营业务成本（不包含工资）；职工工资总额。1个产出指标：主营业务收入。
固定资产规模：固定资产的利用状况对物流企业的运营效率将产生重要影响，现有的研究大都支持固定资产规模作为投入指标。
职工工资总额：我国物流业发展还处于初级阶段，由于物流企业属于劳动密集型产业，尤其是一线员工的流动性很大，相比而言，用职工工资总额来衡量物流企业人力资源投入更准确和全面。
运营成本：运营成本是物流企业主要费用的支出，现有的大部分文献也都将主营业务成本（不含工资）作为投入指标，没有太大的争议，本文也沿用。
主营业务收入：关于产出指标的选择，有间接法和生产法，鉴于物流企业的特点，本文选择间接法作为选择变量的依据，现有的文献也都支持用主营业务收入作为投入指标。
本文选择以运输、仓储、港口经营为主营业务的物流上市公司作为分析对象，经过筛选，选取了28家2001－2008物流上市公司的资料，样本基本覆盖了我国主要类型的物流企业，其中运输类企业有17家，港口经营企业有9家，仓储企业2家，样本具有较强的代表性。在数据采集过程中，全部采用合并报表口径。
（二）环境变量的选择
环境变量应选择那些对物流企业效率产生影响但不在样本主观可控范围内的因素。考虑到物流企业的发展特点，本文选择以下几个因素作为环境变量：
1.企业规模。物流产业是一个规模经济的行业，企业规模越大，越能有效整合物流过作中的各种资源，运营效率可能更高。因此，本文选择总资产作为物流企业规模的代理变量。
2.市场份额。产业组织理论已经证明，行业的竞争状态和市场结构对企业的经营绩效会产生重大的影响。因此，本文选择每个企业的主营业务收入占样本企业主营业务收入的比重来反映物流行业的市场结构和竞争环境。
3.股权集中度。从国内外的研究来看，主流的观点是股权集中度与绩效正相关。我们选择股权集中度（考虑前十大股东）作为解释变量之一，以考察股权结构对企业效率的影响。
4.企业设立年限。企业设立的年限越长，其累积的管理经验也越丰富，其运营效率也可能更高。因此本文选择企业设立年限作为物流企业的环境因素之一。
投入产出变量和环境变量的数据均来源于锐思数据库、国泰安金融数据库和各上市公司2001－2008年的年报，具体数据省略。
五、实证结果分析
（一）第一阶段传统DEA实证结果
利用DEAP2.1软件对我国28家物流上市企业的投入产出数据进行处理运算得到综合技术效率值、纯技术效率值和规模效率值的结果进行整理，可以获得各年度各效率的平均值，如表1所示，不考虑外部环境因素和随机因素的影响，我国物流上市公司8年平均综合技术效率为0.801，纯技技术值为0.873，规模效率值为0.909。这意味着我国物流上市公司存在19.9％的投入资源浪费，物流企业无效率主要来自于纯技术效率，纯技术效率衡量的是以既定投入资源提供相应产出或服务的能力。技术效率低可能是物流企业在固定资产决策上的失误造成的，物流企业的市场的波动性，导致企业要么投入过多的资源，要么投入过少。而规模无效率的主要原因是大部分物流企业的规模偏小，物流业是一个规模经济的行业，没有一定的物流量的支撑，企业的固定资产和人力资源投入就不能得到充分的利用。
（二）第二阶段SFA回归结果
将第一阶段得出的各物流企业各投入变量的松弛量作为被解释变量，将企业规模、市场占有率、股权集中度和企业设立年限作为解释变量，利用FRONTIER4.1软件进行SFA回归。由于篇幅所限，本文以2007年为例进行分析，结果如表2所示。从模型设定的可靠性检验效果来看，3项投入松弛对应的SFA模型的单边似然比检验统计量LR均大于mixedχ[2]分布的检验标准值，显示模型的估计结果在总体上可以接受；变差率的估计值则表明综合误差项中存在技术非效率，因此，使用SFA分析是必要的。同时，物流企业规模和股权集中度对三种投入松弛量的系数均通过10％的显著性检验，而市场占有率对职工工资总额松弛量的系数通过5％的显著性检验。这也从另一方面表明外部环境因素对物流企业投入冗余产生显著的影响。
由上述分析可知，各环境变量对于不同决策单元的影响有所不同，可能导致一些面临较好经营环境或运气较好的企业具有较佳的效率表现，而一些面临较差经营环境或运气较差的企业具有较差的效率表现，从而导致对决策单元效率的不准确评判。因此，必须调整原投入变量，使所有的企业面对同样的外部环境和经营运气。
（三）第三阶段投入调整后DEA分析结果
根据式（4）式对2001－2008年我国28家上市物流企业投入进行调整后，得到新的投入变量，利用Deap2.1软件求解传统的DEA模型可以得到第三阶段的综合技术效率值、纯技术效率值和规模效率值，运行结果如下表2所示。与模型一的结果相比可知，通过三阶段DEA模型调整后的效率值已不同于传统DEA模型。表明本文所选择的环境变量及随机因素确实会对物流企业的效率值产生影响。三阶段DEA模型所得的效率值更能反映企业的真实管理水平。
（四）实证结果分析
1.物流企业总体效率分析。对整个样本而言（见表2、和图1），剔除外部环境因素和随机误差因素后，我国物流上市公司2001－2008年间平均技术效率从0.801下降为0.668，纯技术效率从0.873上升到0.904，规模效率从0.909下降到0.732，整体效率水平较传统DEA方法出现了明显的下降。从物流企业效率分布特征来看，对比调整前后，中海发展、东方航空、海南航空、天津港、锦州港的综合技术效率有一定程度的上升，说明这5家物流企业的运营效率比看上去的要好。调整后，北海港、中信海直、重庆港九、锦州港、营口港纯技术效率有较大幅度的上升，说明这些企业之前的较低的技术效率确实有部分是由于比较差的环境和不好的运气导致的，而非它们的技术管理水平较差。中国中期、亚通股份、天津海运、中海海盛、江西长运调整后规模效率有较大幅度下降，说明这些物流企业的规模效率受企业所处的环境因素或运气的影响，实际的规模效率并没有那么高，当所有样本企业处于相同的外部环境后，这部分企业的效率值会出现明显的下降而影响整体样本的效率水平。大部分企业的综合技术效率值都出现较大幅度的下降，技术效率下降的主要原因是规模效率下降所致，也就是说，客观上规模效率不高是制约我国物流企业效率提升的主要因素。以上分析表明，在不考虑环境因素和随机因素的情况下，各物流企业的纯技术效率值往往被低估，规模效率值往往被高估，且高估程度大于纯技术效率被低估的程度，致使综合效率值被高估。
图1 环境因素调整前后的物流企业技术效率比较
从真实效率水平来看，我国物流企业的平均技术效率水平在样本期内呈现小幅稳步上升的趋势，但从实际得分来看，我国物流企业的整体效率水平较低，综合技术效率仅为0.668，表明企业有大量的资源因管理不善和规模太小而浪费掉，这说明我国物流业虽然经过近几年的快速发展，但大部分物流企业的规模仍然偏小。究其原因，主要是我国企业的物流外包意识淡薄，大部分工业企业和商业仍旧倾向于自建物流体系，物流企业的规模效应难以显现。
2.不同规模的物流企业效率分析。物流业是一个规模经济的行业，物流企业规模过小，运输能力和仓储配送能力都得不到有效的利用，导致企业的服务成本相对较高，规模效率难以实现。为分析我国不同规模物流企业的动态效率差异，以考察不同规模物流企业的效率是否存在差异，结合我国的实际情况，本文按照2001－2008年的平均总资产来衡量物流企业的规模，本文将物流企业分为四组：100亿以上（3家企业）、30亿－100亿（10家企业）、10亿－30亿（9家企业）、10亿以下（6家企业）。在剔除环境因素和随机因素影响后，2001－2008年间不同规模的物流企业综合技术效率值、纯技术效率和规模效率值如表4所示。
由表4可以看出，100亿以上规模的物流企业综合技术效率和规模效率均最高。这主要得益于其较高的规模效率，也说明这部分企业的规模效应开始显现出来，资产利用率较高，新技术的运用开始出现正效应，企业已经走上良性发展的道路，但随着企业规模的不断扩大，企业管理的难度在不断加大，因此，特大型企业应加大对企业资产的重组力度，剥离不增值资产，减少不必要的资源投入，提高资产利用率，而扩大规模的同时要注意企业内部管理与企业规模的匹配性；10亿以下的企业综合技术效率最低，仅为0.484，主要受规模效率的拖累，这说明这部分企业急需提升企业的运营规模，以提高企业资源的利用率，增强企业资源整合的能力。10亿－30亿元企业的综合技术效率也较低，为0.575，主要受规模效率所拖累；30亿—100亿规模的物流企业的综合技术效率表现仅次于100亿以上规模的物流企业，为0.776，主要得益于较高的纯技术效率和规模效率，但企业仍然存在一定的无效率，这说明这部分企业一方面由于规模的扩大，开始取得一定的规模经济，但在发展的过程中存在盲目扩大的可能性，存在资源投入浪费的现象，且新技术的运用没有发挥应有的作用。
3.不同类型物流企业效率分析。为了分析不同类型物流企业效率的差异，本文按照证监会行业分类标准，将物流企业分为港口经营企业、航空运输企业、公路运输企业、仓储企业、水上运输企业，由于不同类型企业所处的市场环境和竞争态势都有较大的差异，本文将Deap 2.1计算的结果进行整理，见表5。
由表5可以看出，从总体上来看，剔除环境影响因素之后，各类型物流企业的效率存在较大差异，整个样本期内公路运输企业的平均综合效率值下降0.2793，明显大于其它类型的物流企业，这在一定程度上说明公路运输企业拥有比其它类型的物流企业更加有利的外部环境，这种外部环境对效率的促进作用使得其真实效率水平被严重高估。而剔除环境影响因素之后，航空运输企业的综合效率值提高了0.06，这说明，与其它类型的物流企业相比，航空运输企业所面临的外部环境因素最恶劣，其综合技术效率值被严重低估。从真实的技术效率水平来看，剔除环境影响因素之后，仓储企业的综合技术效率最高，这主要得益于仓储企业技术进步的贡献，这与近年来大量先进的仓储设施设备和仓储管理技术的运用，使得整个仓储业的运营管理水平大大提升有一定的关联；航空运输企业的综合技术效率值仅次于仓储企业，这也从另一个侧面说明国有航空公司通过改制上市、建立规范的公司法人治理结构，努力实现经营机制创新和效率提升的改革措施已经产生一定的积极作用；而公路运输企业和水上运输企业的综合技术效率值最低，主要受较低的规模效率所拖累，一方面主要由于公路运输和水上运输业务是传统的物流业务，市场进入门槛相对较低，市场竞争较为激烈，而价格是主要的竞争手段，且存在恶性竞争，企业的赢利空间较小，从而导致企业效率的低下。另一方面，公路运输和水上运输企业从业人员的素质相对低，较少运用信息技术手段和网络优化方法来进行经营管理决策，经营管理水平相对落后。
六、结论及建议
针对传统DEA模型和随机前沿分析方法在效率测度时没有考虑环境因素和统计噪音的影响的不足，本文通过构建三阶段DEA模型，对2001－2008年我国28家物流上市公司的综合技术效率、纯技术效率和规模效率进行系统分析，得到如下结论：（1）中国物流企业无论是综合技术效率、纯技术效率还是规模效率，在剔除环境因素和随机因素的影响下，都有较大幅度的变化，综合技术效率的下降主要受规模效率的大幅度下降的影响，纯技术效率有一定程度的上升。（2）剔除环境因素和随机因素的影响，我国物流企业的效率表现不容乐观，综合技术效率的平均值仅为0.668，且主要受制于规模效率的低下。（3）物流企业规模与物流企业的效率存在较为显著的正相关关系，这与物流业是一个规模经济行业的状况较为吻合。（4）剔除环境影响因素之后，仓储运输企业和航空运输企业的效率值最高，而公路运输企业的效率最低。根据上述结论，结合中国物流业发展的实际情况，论文提出以下几点政策建议：
第一，要加大对物流企业兼并重组的政策支持力度，鼓励物流企业通过参股、控股、兼并、联合、合资、合作等多种形式进行资产重组，提高产业集中度，同时制造企业和流通企业应将非核心的物流业务外包，使企业专注于自己的核心竞争力，促进专业化分工，提高物流社会化程度，以充分发挥物流业的规模效益。
第二，物流企业要建立股权多元化的现代企业制度，加强对企业内部资源的合理配置，不断拓展企业的服务范围和服务能力，完善企业物流服务网络。同时管理者要转变观念，提高自身管理素质和管理水平，实施精益化的管理模式，提高企业的集约化管理水平，从而提升物流企业的运营效率。
第三，政府要积极推进物流信息化建设，促进信息技术的广泛应用，加快行业物流公共信息平台建设，建立全国性公路运输信息网络和航空货运公共信息系统，以及其他运输与服务方式的信息网络。物流企业要不断提高技术服务水平，应用先进的信息技术与信息系统，加强网点建设，提供优质高效的物流服务为企业竞争提供技术支持。