基于逐次DEA的我國物流企業經營效率評價

劉 沖，楊 箏，夏義星

（1、武漢立鼎人力資源顧問有限公司，湖北 武漢 430060；2、武漢大學 經濟與管理學院，湖北 武漢 430072）

基于逐次DEA的我國物流企業經營效率評價

劉 沖1，楊 箏2，夏義星2

（1、武漢立鼎人力資源顧問有限公司，湖北 武漢 430060；2、武漢大學 經濟與管理學院，湖北 武漢 430072）

本文采用逐次DEA分析方法對77家物流上市企業2013年的經營效率進行分析，分別以物流企業的技術效率、純技術效率、規模效率作為確定前沿面的依據，將物流企業樣本分別劃分為6級、4級、4級前沿面，實現不同層級物流企業經營效率的相互比較，結果表明物流企業經營管理能力較低是造成其經營效率低下的主要原因。同時，本文的分類結果也為物流企業改善其經營效率提供了多層次多維度的參照系。

逐次DEA；效率評價；物流企業

一、引言

隨著我國發展為世界最重要的經濟體之一，物流產業成為重要的基礎性和先導性產業之一。由于物流產業關聯著眾多的經濟領域，提供了大量的就業機會，不僅提升了企業的生產效率，促進了居民消費，還有利于我國各地的產業結構升級，有利于實現經濟增長方式的轉變和經濟整體實力的提升。中國物流與采購聯合會的有關統計數據顯示，2014年我國物流企業前50強實現物流業務收入8233億元，同比增長5．5%，其經營規模以及輻射和服務能力都有所提升。但與物流企業大規模擴張不相稱的是，企業的管理水平普遍不高、技術水平落后、物流專業人才缺乏，這對于物流企業的持續健康發展起到了極大的制約作用，導致其與UPS、FedEx等跨國物流企業之間的差距進一步擴大。在當前我國經濟發展步入新常態的關鍵時期，物流企業的經營與發展將面臨前所未有的瓶頸，企業的經營利潤越來越小，甚至出現物流行業整體虧損的嚴重局面。因此，科學地評價物流企業的經營效率，客觀地評價物流企業的發展現狀，對于物流企業優化資源配置、提高綜合競爭能力具有重要的意義。

為了有效地評價物流企業的經營效率，國內外學者做了大量卓有成效的研究。Anthony和Droge（2002、2004）運用DEA方法對美國物流配送中心的經營效率和某石油公司供應鏈運營效率進行了實證研究。Hung、Tu和Wang（2010）運用DEA方法研究了亞洲地區集裝箱港口的經營效率，表明該方法在這一領域的應用具有很強的優越性。Odeck和Brathen（2012）通過整理40篇運用DEA方法分析港口經營效率的學術文章，運用Tobit回歸模型對各港口的平均效率進行了比較分析。匡海波（2007）運用超效率DEA方法研究了上市港口的經營效率及其成本效率的變化趨勢。李蘭冰、劉軍和李春輝（2011）綜合運用DEA和Malmquist方法對兩岸三地的沿海港口進行了動態分析。楊德權和裴金英（2012）綜合運用超效率DEA和IAHP方法分析了物流企業的經營效率。呂璠 和李竹梅（2013）綜合運用因子分析和超效率DEA方法研究了上市物流企業的經營效率。馬金鳳（2014）運用DEA方法分析了長三角地區港口企業的經營效率及其非有效性的原因。

本文試圖運用DEA方法對我國物流上市企業的經營效率進行測算和分類，從而便于不同物流企業之間進行橫向和縱向比較，進而有效地優化自身的資源配置，優化自身的經營效率。

二、逐次數據包絡分析

1、數據包絡分析方法

假設某個生產可能集存在個評價單元，而每一個評價單元都是由種投入和種產出組合成的生產系統。其中，表示第個評價單元的第種投入指標值表示第個評價單元的第種產出指標值；表示對生產可能集第種投入指標的度量表示對生產可能集第種產出指標的度量，二者均為變量。考慮到規模報酬的變化與否，DEA方法包含CCR、BCC兩個基本模型[10]。

基于規模報酬不變的DEA模型——CCR模型的對偶規劃形式如下：

基于規模報酬可變的DEA模型——BCC模型的對偶規劃形式如下：

2、逐次數據包絡方法

逐次數據包絡方法（S-DEA）是對傳統數據包絡方法（DEA）的拓展與延伸，該方法的基本思路是根據每一次數據包絡方法（DEA）的測算結果，將相對效率最優的評價單元逐一剔除，進而繼續運用數據包絡方法（DEA）進行測算，從而實現對所有評價單元的分類以及不同類別之間的排序。逐次數據包絡方法（S-DEA）具體操作步驟如下：

首先，假定待評價單元集合為N，d為評價單元被劃分成的最小類別數，閾值為每一類別包含的評價單元最小數量表示取整運算）。

其次，對所有的評價單元運用數據包絡分析（DEA）進行測算，根據測算結果篩選出相對效率值等于1的評價單元，組成第1前沿面。剔除第1前沿面所包含的評價單元，繼續運用數據包絡分析（DEA）進行測算，確定第2前沿面。以此類推，確定第3前沿面、第4前沿面……一直執行到終止條件得到滿足為止。一般來說，終止條件有兩個，一是所有的評價單元都被劃分到了各自對應的前沿面；一是剩余的評價單元低于所確定的閾值

經過以上各個步驟，最終確定出評價單元的各級前沿面，如圖1所示。為了更好地比較不同前沿面之間的差距，本文采用各級前沿面的相對平均效率予以測度和比較。其中，各級前沿面的相對平均效率根據數據包絡分析（DEA）第1次測算結果進行計算。

圖1 逐次數據包絡方法（S-DEA）示意圖

三、我國物流上市企業經營效率評價分析

1、樣本選取

在我國的《上市公司行業分類指引》中并無物流企業這一行業門類，而交通運輸、倉儲業這一類別中的上市企業的主營業務均可視為物流業務，因此本文將該類企業視為物流企業進行研究。經過篩選，本文最終確定77家上市物流企業作為評價單元，并以其2013年的財務數據及其他資料為基礎進行評價和分析。本文的基礎數據來源于銳思金融數據庫(www．resset．cn)及企業2013年的財務年報。

2、評價指標選取

根據規范、全面、客觀的基本原則，綜合國內外學者的研究成果，結合物流企業的經營特性，本文最終選取員工薪酬總額、物流業務成本和物流設施與設備作為投入指標，物流收入、凈利潤和凈資產收益率作為產出指標。其中，物流業務成本、物流設施與設備、物流收入分別采用物流企業的主營營業成本、固定資產和無形資產凈額之和、主營業務收入來表示。

3、我國物流企業經營效率的測算

在數據包絡分析（DEA）理論框架中，評價單元的經營效率值包括技術效率、純技術效率、規模效率，均可作為確定前沿面的依據。下面本文利用MATLAB7．0按照逐次DEA的分析思路測算待評價物流企業的經營效率，并分別進行討論。

（1）以技術效率確定前沿面。以物流企業樣本的技術效率值作為確定各級前沿面的劃分依據，按照逐次DEA的計算步驟，最終得到了6級前沿面，每級前沿面的平均經營效率、所含樣本如表1所示。

從表1可以看出，各級前沿面的平均技術效率、平均純技術效率、平均規模效率均依次遞減，但平均規模效率遞減幅度明顯小于平均技術效率、平均純技術效率，這說明我國物流企業經營效率低下主要源于其日常經營管理水平不高，這為物流企業改善其經營效率指明了方向。通過對比表1和逐次DEA第1次執行結果（限于篇幅，未予列出）可以發現，物流企業樣本技術效率值的大小與表1的分類結果并不完全一致，這說明傳統DEA方法只是將評價單元簡單地分為兩類——經營有效與非有效，而對非有效評價單元之間的比較則無法進行。本文所采用的逐次DEA方法則為解決這一問題提供了一個思路。因此，后一前沿面的物流企業可以把與之相鄰的前一前沿面的企業作為參照系，以期在短期內有效地改善自身的經營環境，提升自身的經營效率。

（2）以純技術效率確定前沿面。本文以物流企業樣本的純技術效率值作為確定各級前沿面的劃分依據，按照逐次DEA的計算步驟，最終得到了4級前沿面，每級前沿面的平均經營效率、所含樣本如表2所示。

從表2可以看出，各級前沿面的平均技術效率、平均純技術效率依次遞減，而其平均規模效率則呈現出先減后增的趨勢，且各級前沿面的平均規模效率相差不大，這說明各級前沿面物流企業經營效率的差異主要是其管理水平低下造成的。因此，每個物流企業，特別是經營效率不佳的物流企業可以確定橫縱兩個參照系，橫向選擇經營效率優于自己的物流企業作為參照系，逐步調整優化自身的經營規模；縱向選擇相鄰前一前沿面的物流企業作為參照系，逐步改善自身的經營管理能力，從而有效地提升自身的經營效率。

表1 以技術效率為基準的逐次DEA分析結果

表2 以純技術效率為基準的逐次DEA分析結果

四、結語

本文將逐次DEA方法應用到物流企業經營效率的評價分析中，實現了對不同物流企業的分類，為物流企業特別是經營效率不佳的物流企業改善其經營效率提供了多層次多維度的參照系，有利于物流企業設置多層次的發展目標，逐步實現自身經營效率的有效提升。在今后的研究中，本文將重點在兩個方向進行努力，一是實現每級前沿面內物流企業經營效率的排序，進一步明確物流企業橫向參照系的樣本范圍；二是將動態分析的思路納入研究框架，有效衡量物流企業改善其經營效率的努力程度及其有效性。

[1]匡海波：基于超效率DEA的中國港口上市公司成本效率評價研究[J]．中國管理科學，2007，15（3）．

[2]李蘭冰、劉軍、李春輝：兩岸三地主要沿海港口動態效率評價—基于DEA-Malmquist全要素生產率指數[J]．軟科學，2011，25（5）．

[3] 璠呂 、李竹梅：基于超效率DEA模型的物流上市公司經營效率分析[J]．商業會計，2013（15）．

[4]馬金鳳：基于DEA模型的長三角幾大港口物流效率分析[J]．當代經濟，2014（14）．

[5]魏權齡：評價相對有效性的數據包絡分析模型——DEA和網絡DEA[M]．中國人民大學出版社，2012．

[6]楊德權、裴金英：基于超效率DEA-IAHP的物流企業績效評價[J]．運籌與管理，2012，21（1）．

[7]J．Odeck，S．Brathen．A meta-analysis of DEA and SFA studies of the technical efficiency of seaports: A comparison of fixed and random-effects regression models[J]．Transportation Research Part A，2012，46(10)．

[8]R．Anthony，C．Droge．An analysis of operations efficiency in large-scale distribution systems[J]．Journal of Operations Management，2004，21（6）．

[9]R．Anthony,C．Droge．AnIntegratedBenchmarkingApproach to Distribution Center Performance Using DEA Modeling[J]．Journal of Operations Management，2002，20（1）．

[10]S．Hung．W．Tu，T．Wang．Benchmarking the operating efficiency of Asia container ports[J]．European Journal of Operational Research，2010，203（3）．

（責任編輯：胡冬梅）