物流企业绩效评价方法的实证研究，本文主要内容关键词为：物流企业论文,绩效评价论文,实证研究论文,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。
文章编号：1002-3100(2015)02-0022-05 0 引言 随着我国市场经济的快速发展和世界经济一体化进程的加快，作为“第三利润源泉”的物流业在国民经济中发挥着越来越重要的作用，但同时也面临着更加激烈和残酷的竞争。如何才能更好地满足社会需求，更好地适应激烈的竞争环境，是物流企业必须要面临和解决的问题。 但由于物流业的发展在中国起步比较晚，加上政策、法规等外围环境的缺失，导致在发展过程无可避免地存在一些问题，例如：基础设施不完备、物流管理观念落后、行业规章制度不完善、管理信息化水平低、整体发展水平不齐等，要解决这些共性的问题，客观上要求建立与之相适应的物流企业绩效评价指标体系，并确定相应的绩效评价方法，以科学、客观地反映物流企业的运营情况，并将结果作为加强和改进企业经营管理、实现企业发展战略的基本依据，只有这样，才有利于企业加强资金、技术、市场、人才等方面的管理，提高物流效率和服务水平，从而为物流企业持续、健康发展指明方向[1-2]。 因此，研究物流企业绩效评价问题具有非常重要的现实意义，目前已有众多科研工作者在这方面进行了相关的研究，例如：杨依如构建了低碳经济视角下的物流企业绩效评价体系，并使用基于绩效棱柱及层次分析的综合方法进行实证研究，得出了较为理想的结果[3]。武富庆在阐述WGA和CWGA算子的多属性群决策方法基础上，选取了影响煤炭物流企业物流活动的重要因素，运用基于WGA和CWGA算子的多属性群决策方法对煤炭物流企业绩效进行评价[4]。刘云华通过对冷链物流企业绩效评价标准、绩效评价指标体系、绩效评价方法等几个方面的深入细致分析研究，结合几种绩效评价方法，提出了DHGF绩效评价模型，并最后对果蔬冷链物流企业进行了实证研究[5]。肖云爽以某物流企业为例，引入模糊综合评价模型，运用KPI(关键绩效指标)方法从财务、内部流程、顾客和学习与成长四个方面建立起物流企业绩效评价体系，对物流企业的绩效进行总体评价[6]。于瑾把遗传算法和模糊综合评价法相结合，对物流企业绩效进行了实证分析研究，对物流企业的管理具有一定的价值[7]。路正南结合物流企业自身的特点，建立了一套科学、合理的物流企业绩效评价指标体系，并运用拓展OWA算子评价物流企业的绩效，以便物流企业准确定位，克服不足，发挥优势，提高竞争力[8]。 以上研究工作分别从不同的角度和层次对物流企业的绩效问题进行分析研究，并取得了一定的效果。本文拟在前人研究工作的基础上，结合物流绩效评价的特点，使用数据包络分析法(DEA)对其进行研究分析。 1 DEA理论及应用于物流企业绩效评价的可行性 数据包络分析(Data Envelopment Analysis，DEA)，是运筹学、管理科学和数理经济学交叉研究的一个重要领域。它是由Charnes和Cooper等人于1978年开始创建的。DEA是使用数学规划模型评价具有多个输入和多个输出的决策单元(DMU)间的相对有效性(称为DEA有效)。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，因而，关于DEA的研究吸引了众多的学者[9-10]。 结合现代物流企业的特点，本文认为将DEA方法应用在物流企业绩效评价方面是可行的，并具有很大的优势，具体体现在：DEA方法对多目标、结构复杂的动态系统具有良好的适应性，首先它不需要考虑指标量纲同一化的问题；其次，在数据处理之前不需要假设输入数据和输出数据之间任何的函数关系；第三，数据处理过程中不受任何主观因素的影响，具有很强的客观性；第四，使用DEA方法可以对评价结果分析，了解影响企业物流技术有效及非有效的主要因素，为企业决策提供依据；另外DEA方法是纯技术性的，和市场价格无关。所以该方法自产生以来，就被广泛地应用于企业绩效评价、竞争力评价、投资分析评价、风险性分析评价等多个领域[11-12]。 2 DEA模型 2.1
模型 假设有n个单位(决策单元DMU)，每个决策单元都有m种“输入”(表示该单位对“资源”的耗费)，以及s种“输出”(表示该单位消耗了“资源”之后表明“成效”的数量)。
分别为第j个决策单元
的输入指标和输出指标，(j=1，2，…，n)，，在满足平凡公理、凸性公理、无效性公理、锥性公理和最小性公理的前提下，建立了带有非阿基米德无穷小的
模型[13]：
该模型可以评价每个决策单元的技术和规模的综合效率，称为总体效率，设模型的最优解为：
，其评价准则为：
2.2
模型 通过
模型，可以判断某个决策单元是否是DEA有效。若为DEA有效，则可以肯定此时的生产经营是同时处于技术有效和规模有效状态。但是若某个
是非DEA有效的，那么就无法进一步判断它是否为技术有效，为此建立只用于评价相对技术有效的
模型[13]：
2.3DMU非DEA有效时的投影调整方法 设
为某个决策单元的投入量和产出量，
在DEA相对有效面上的投影，则输入和输出的调整量为：
调整后的指标可以作为下一个决策期的投入与产出指标的预测值，因此借助投影就可以找出系统中需要改进的投入量，进而指导系统调整投入[13]。 3 实证分析 3.1 评价指标体系构建 当前，我国对物流企业绩效评价理论与方法的研究尚处于探索阶段，有待形成成熟的理论和完善的评价体系，主要表现在指标体系的分类标准不一致，没有形成统一的标准和评价规范；技术性、经济性等定量评价指标和管理水平、组织效率、敏捷性等定性评价指标没有统一起来。现有评价指标体系的设计主要是从财务绩效指标、客户管理绩效指标、内部运营绩效、过程绩效指标、学习与成长绩效指标四个大类来考虑的，每个大类可以继续细分为若干个指标，然后再通过主成分分析法、层次分析法、模糊综合评价法等进行数据处理[14-15]，本文结合物流企业的特点和物流数据的可获取性，选取了员工总数、固定资产投入、年业务支出作为输入指标，净资产利润率、市场占有率、平均事后满意率为输出指标，作为DEA模型的数据处理对象。 3.2 数据处理 以下是8家物流企业某一年度的相关统计数据[16]，根据DEA方法的原理，应将越小越好的指标作为输入指标，而越大越好的指标作为输出指标，因此本文选取了员工总数、固定资产投入、年业务支出作为模型的输入指标，净资产利润率、市场占有率、平均事后满意率作为输出指标，具体数据如表1所示：
根据
模型和
模型的基本原理及数学模型，将其转换为Matlab语言编程求解，得到求解结果如表2所示。 从表2可以看出，DMU1和DMU6均为DEA有效，即既是规模有效又是技术有效的，其余6个决策单元的技术有效性则要需通过
模型做进一步的判断，计算结果如表3所示。
3.3 评价结果分析 (1)总体有效性分析 根据表2的计算结果可知，DMU1和DMU6的θ值和
值均为1，意味着只有这2家企业是处于有效的生产前沿面上，它的实际含义就是：如果8家企业都保持现有的管理水平和技术水平不变，那么只有DMU1和DMU6这2家企业的投入要素组合是最佳的，同时产出水平也是最高的；而剩余的6家企业由于θ值和
值均小于1，均不在生产前沿面上，说明在它们某些环节存在资源冗余或者使用效率不高的情况，具体是管理水平不足或者是技术水平欠缺，则需要通过
模型来判别。 (2)规模效益和技术有效性分析 通过表2最后一列可知道，DMU1和DMU6的规模效益已经达到了最高值1，而其余6个企业均处于规模效益递增的状态，这也意味着这些企业的投入没有获得最大化的回报。 再观察表2中第3列至第5列中关于松弛变量的取值，
取0值的只有DMU51个，其余5个均有冗余，实际含义就是这5个企业的人员编制过多或者是员工工作效率低下所导致的；其次是
的取值均为非0，表明企业的实际运营成本过高；关于
的取值，只有DMU51家为非0，说明除了DMU5以外，其余6家企业在固定资产投入方面的效益是比较理想的。所以，综合3个剩余变量的取值，我们可以得出这样一个结论：剩余6家企业要想达到最佳的投入产出比例，要么扩大生产规模，充分利用员工的生产能力，要么在保证生产能力的基础上，适当裁员；此外，还要控制日常运营成本，开源节流，降低支出。 最后再分析表3的数据，可以把8家企业可以分为3种类型，第一种是DMU1和DMU6，他们是既DEA有效，同时也还是技术有效的；第二种是DMU7、DMU8，其θ值均为1，说明这2家企业的技术效率是处于最佳状态的，但不是DEA有效的，再根据表2的分析结果就可知道，DMU7和DMU8属于非规模有效状态，所以，只要想办法提高企业的规模效益，就可以达到DEA有效的状态。第三种是DMU2、DMU3、DMU4、DMU5，这4家既不是DEA有效的，也不是技术有效的，解决的办法就麻烦一些，对于规模无效，可以考虑通过投影调整法对无效单元的投入量进行等比例的压缩而保持产出不变来改善，技术无效的处理则与企业的决策效果或者经营管理的科学性、规范性相关。 (3)DMU在有效生产前沿面上的投影分析 从DEA方法的基本原理可知，对于非DEA有效的决策单元而言，通过相关措施来调整输入和输出的数据，就可以达到DEA有效的状态，这是一个提高决策单元相对绩效的过程，下面通过对DMU3的计算加以说明：
通过上述计算，得出DMU3决策单元新的投入与产出数据，投入方面：员工的数量由98人缩减到59人，固定资产支出由90万压缩到69万，年业务支出从28万压缩到18万；产出方面：净资产利润率从11.8％上升到13.8％，市场占有率维持3.45％不变，平均事后满意率从55.25％提升到58.65％，此时，DMU3单元将处于DEA有效状态，即既是技术有效，同时也是规模有效。对其他非DEA有效的决策单元做相同的计算，得出结果如表4所示。 将表1和表4的数据集中在一起形成表5，再比较调整前后的数据，发现原来非DEA有效的6个决策单元的输入及产出情况变化较大，说明原来的投入产出比未达到最大化，根据投影原理进行调整后，员工总数、固定资产投入及业务支出3项输入数据均大幅度下降，而输出指标(绩效)均有不同程度的上升，这也验证了之前的分析结果。
所以，通过上述方法可以对企业的系统运营管理进行深入的剖析，不仅可以找出影响企业物流系统的相关因素，还可以通过调整指标的变化，观察系统效益的变化状况，进而采取相应的改进措施，改善物流系统的实际效益，最终实现整个企业利益的最大化。 4 结论 物流企业绩效评价是一种典型的多指标问题，涉及因素众多，多指标也带来了分析上的复杂性和指标间的多重相关性、干扰性等问题；本文介绍的DEA方法，在处理多指标投入、多指标产出的系统综合评价方面具有很好的效果，不仅可以通过横向的比较，判断出企业的整体状况，还可以得出各个企业相对的规模效益和技术有效性程度，进而针对企业存在的具体问题提出改善的建议，为企业下一步的发展决策提供了参考的依据。当然，企业的发展要受到众多外围因素的影响，本文所讨论的模型参数均为定量化的，在实际的企业管理运营过程中，还要充分考虑例如法律、政策、竞争等定性指标的影响，才能做出全面合理的决策。
标签：绩效评价论文; dea论文;
