供應鏈管理模式下的國內零售企業庫存管理的實證研究

梁春樹

摘要：本文以2001～2007年的零售業上市公司為研究樣本對我國的零售業庫存水平的變動趨勢及影響因素進行了實證研究。研究結果發現總庫存周轉率與銷售預測偏差、企業規模顯著正相關，與庫存比重、提前期顯著負相關。而一年貸款利率和通貨膨脹率對庫存周轉率并無顯著性影響。

Abstract： This paper investigates inventory turnover and inventory productivity of retail industry in China. We find strong evidence that inventory turnover is positive sales surprise and company size， negative correlation with storage intensity and lead time.

關鍵詞：存貨周轉率；銷售預測偏差；庫存比重；提前期

Key words： inventory turnover；sales surprise；storage intensity；lead time

中圖分類號：F270 文獻標識碼：A 文章編號：1006-4311（2018）20-0123-04

0 引言

英國著名供應鏈管理專家馬丁·克里斯多夫曾說過“21世紀的競爭不是企業和企業之間的競爭，而是供應鏈和供應鏈之間的競爭?！蔽磥砹闶燮髽I之間的競爭必然體現在供應鏈之間的競爭上，而供應鏈管理的核心內容之一便是庫存管理。

隨著互聯網經濟的崛起，國內零售行業競爭日益激烈，國內零售企業積極應戰，改變零售業態，進行連鎖經營，采用先進的供應鏈管理技術，改善庫存管理。存貨周轉率是衡量庫存管理成效的一個重要指標。從圖1我們可以看到，從2000年以來（除了2008年受到金融危機的影響而略有下降之外），我國零售業的存貨周轉率在4～8之間，呈增長趨勢，逐年都在增長。那么這能否說明庫存管理的改善是由于采用先進的供應鏈管理呢？

1 相關文獻綜述

Gaur，Fisher & Raman（2005）考察了美國311家零售企業上市公司的庫存周轉率與毛利率、固定資產比重和銷售預測偏差之間的相關關系，分析中發現庫存周轉率與固定資產比重和銷售預測偏差正相關，與毛利率負相關。為此，Gaur等（2005）提出了修正庫存周轉率的概念，具體來說依據毛利率、固定資產比重和銷售預測偏差，合理調整庫存周轉率，將其作為衡量企業庫存管理水平的標桿。同時，Gaur & Kesavan（2005）在此基礎上研究了353家美國零售業上市公司在1985～2003年的財務數據，結論不僅印證了之前的結論，也得出了一些新的發現，即庫存周轉率與公司規模和銷售變動率正相關；隨著公司規模的擴大，規模對庫存周轉率正向影響會減小；當銷售變動率大于零時，庫存周轉率越低，銷售縮減時的庫存周轉率降低速度大于銷售增長時的庫存周轉率增加速度。而Chen & Frank等（2006）考察了美國批發零售業上市公司在1981～2004年間庫存管理的變化，發現美國批發零售行業平均庫存天數從73天降為49天，降低1/3，平均每年降低3%；同時擁有過量庫存的企業長期投資回報率最低。Donselaar & Gaur等（2006）采用5家連鎖超市19417種庫存商品的訂貨、配送和POS銷售數據對連鎖超市的訂貨行為進行了研究，發現連鎖超市實際訂貨通常是在充分考慮訂單平滑和訂單合并策略的基礎上，修正自動訂貨系統產生的訂貨指令，并找到導致實際訂貨和預計訂貨之間偏差的原因。

本文在上述研究的基礎上，以國內零售業50家上市公司2001～2007年的年報數據為研究樣本，采用面板數據分析方法對庫存水平的影響因素進行實證研究。

2 研究假設的提出

由于存貨周轉率是衡量庫存管理水平的重要指標，因此本文提出以下假設：

Gaur等（2005）的研究發現，存貨周轉率與銷售預測偏差呈正相關。我們知道，每個企業都會根據其歷史數據以及對未來前景的分析來對未來一定時期內的銷售做出預測，甚至會根據這些銷售預測來制定其某個時期的管理目標。同時，企業為了實現這些目標，會對企業的相關配套設施和活動進行相應調整。而庫存的存在是為了能夠即時滿足顧客的需求。因此，從這方面來說，銷售預測會對一個企業的庫存水平產生影響。換句話說，如果在一個特定的時期內，一個企業實現的銷售額比其預測的銷售要高，那么這個時期內該企業的平均庫存水平會比預料的要低，也就是說每單位的庫存可能實現的銷售量會高于其所預料的，即存貨周轉率會提高。所以說，實際銷售與銷售預測之間的偏差越大，其庫存水平可能會越低。

在本文中，我們將銷售預測偏差定義為當期的銷售收入與銷售收入預測值之間的比值。因而，我們提出以下假設：

假設1：存貨周轉率與銷售預測偏差顯著正相關。

庫存比重指庫存均值除以庫存加固定資產之和的均值。在企業成本一定的情況下，庫存比重越大，意味著固定資產比重越小，也就意味著企業用于提高營運能力的硬件基礎越差，如企業還是用傳統的物流方式和傳統的手工方式來應對庫存管理，而不是利用VIM系統、JMI和ERP等信息系統所需的計算機和服務器等硬件等來改善營運績效。而由于基礎設施的跟不上，信息不流暢，使得企業不能很好的預測需求，從而增加很多安全庫存，這就會導致庫存比重的增加和庫存周轉率的下降，因而提出以下假設：

假設2：零售業庫存周轉率與庫存比重顯著負相關。

庫存可被分為兩類，即周轉庫存和安全庫存。周轉庫存等于提前期內的平均需求，采取減少提前期、增加送貨頻率等可降低周轉庫存。換句話說，可通過減少提前期實現庫存周轉率提高的目的。安全庫存是指在給定時期內，為了應對需求的不確定性和提前期的不確定性而額外持有的超前庫存量。安全庫存計算公式為ss=zδ，由此可知在一定條件下，需求標準差和提前期都對安全庫存存在影響，影響體現在提前期越長，庫存水平越高，庫存周轉率越慢。故提出以下假設：

假設3：零售業庫存周轉率與提前期顯著負相關。

隨著中國加入WTO，外國零售巨頭的涌進，加劇了中國零售業的競爭。國外零售巨頭經驗豐富，管理科學，技術先進，在國內爭霸。國內企業要想有一席之地，除了地理上的優勢之外，必須轉變管理方式，引進和應用先進的信息系統（如MRP、ERP、CRM等），改善庫存管理，提高庫存周轉率。而這些信息系統的建立，往往需要投入大量的人力、物力和財力以及時間，需要雄厚的資金做支撐。所以，本研究提出以下假設：

假設4：零售業庫存周轉率與公司規模顯著正相關。

3 樣本選擇、變量定義和計量模型

3.1 樣本數據

WIND資訊金融終端的證監會行業分類中，零售業包含66家上市公司，本文以此為研究樣本。為了保證數據的有效性，從樣本公司中剔除了ST、*ST等財務狀況嚴重惡化的公司以及B股上市公司和一些數據缺失的公司，最終有效樣本為50家。因為2008年發生金融危機，使得數據的發生很大的變化，因而本文選擇的是2008年前7年的數據，所以最終本文選取這50家零售企業上市公司在2001～2007年的歷史財務數據共350個觀測樣本進行研究。本文所得的數據全部來自WIND資訊金融終端。

3.2 變量定義

為了驗證本文的假設，本文借助以下指標來考察庫存水平與銷售預測偏差、庫存比重、公司規模和提前期的關系，各個指標的定義見表1。

關于銷售預測偏差，本文的定義為：

SSit為第i個公司第t期的銷售預測偏差；Sit為第i個公司第t期的實際營業總收入；而SFit為第i個公司第t期的銷售預測。

在進行庫存水平的決策上，管理層會考慮其未來的銷售預測。但是管理層的銷售預測數據是不公開的，因而在本文中我們將依據樣本企業的歷史數據通過Holts Linear Exponential smoothing Method進行銷售預測估計。我們通過Eviews 6.0進行。根據數據的特點，本文最終選取的預測方法是Holt-Winters No Seasonal模型。

因此，第t期的SFit等于：SFit=Li，t-1+Ti，t-1。

而Li，t-1和Ti，t-1都是平滑序列，其定義如下：

其中α和β都是阻尼因子，在0～1之間。關于α和β的最佳取值，根據其情況，最后由分析工具自動取值最佳。

3.3 計量模型

為了研究提出的假設，本文在Gaur，Fisher & Ranman（2005）研究美國零售業庫存實證模型基礎上，構建以下模型分別對以上的問題進行研究：

模型M1考察銷售預測、庫存比重、提前期、公司規模等因素對總庫存周轉率的影響；而模型M2則是在模型（M1）的基礎上引入控制變量貸款利率、通貨膨脹率，控制外部宏觀因素對分析結果的影響。

4 實證結果及其討論

在進行回歸分析之前，對樣本進行了描述性統計，如表2所示。從表2可以看出庫存周轉率均值為12.37次，并且企業間差距很大，周轉最快的為108次/年，最慢的竟是0.11次/年。同樣的，應收賬款周轉天數在每個企業間的差距也是很大的，雖然均值是21.719天/年，然而周轉天數最快的竟達到0.0009天/年，最慢的是1690.935天/年。

在回歸前需檢驗變量的相關性，檢驗結果如表3。通過分析表3發現，自變量間的相關性系數小于0.5，結合過往經驗可判斷出變量之間不存在強的相關性。據此可得所有變量的相關系數在可接受范圍之內，可進一步做回歸分析。

本文采用面板數據（Panel Data）的分析方法驗證提出的假設。在面板數據分析中，模型的設定非常重要。一般需要采用協方差分析方法進行檢驗，判斷究竟適用哪種模型：不變截距模型、變截距模型。而根據本文的數據特點，最終發現本文適用于變截距模型。變截距模型主要有兩種方法，一種是使用固定效應模型（Fixed Effects Model）， 另一種是使用隨機效應模型（Random Effects Model）。本文采用計量分析中常用Hausman檢驗來判定固定效應模型和隨機效應模型有效性。檢驗結果見表4。

從表4中模型M1的回歸結果可知庫存周轉率與銷售偏差在10%水平上正相關，國內零售企業庫存周轉水平與銷售預測偏差正相關的假設成立。由此可知，在其他因素保持不變的情況下，國內零售企業的銷售預測偏差提高1%時庫存周轉率將提高0.091%。該結論也表明了零售企業的管理層會依據銷售預測對其庫存管理進行相應的調整，以避免庫存積壓或者是缺貨等情況。庫存周轉率與庫存比重在1%水平上顯著負相關，國內零售企業庫存周轉率與庫存比重顯著負相關的假設成立。表示庫存占總資產的比重越高，在其他條件不變的情況下，庫存所占的比重越大，企業的庫存成本越高，企業為改善庫存的基礎設備的投資將會受到影響，致使其無法改善企業的運營能力的基礎設施。而且庫存比重每增加1%，庫存周轉率將降低0.72%。

同時從表4的第一列我們也可以看到，庫存周轉率與提前期在5%的水平上顯著負相關，國內零售企業庫存周轉率與庫存比重顯著負相關的假設成立。零售業是資金流動快的企業，提前期的增加會影響到資金的流動，進而也會影響到企業的商品的流通。從這個結論我們可以看出，提前期每增加1%，庫存周轉率將降低0.0719%。

庫存周轉率與企業的規模在1%的水平上正相關，國內零售企業庫存周轉率與企業規模顯著正相關的假設成立。這說明企業的規模對企業的庫存管理水平是產生影響的。特別是在21實際，是供應鏈與供應鏈互相競爭的時代。零售企業的規模越大，越有可能與其供應商建立起戰略合作伙伴關系，或者是引進先進的供應鏈信息管理系統，和采用先進的庫存管理策略來改善其庫存管理水平。而規模小的零售企業或是零售商店，其對于改善庫存管理的重視程度可能會降低，也無法承擔巨額的費用來承擔ERP等供應鏈信息管理系統。

模型M2是在模型M1的基礎上引入控制變量一年期貸款利率和通貨膨脹率，目的是考察宏觀因素對庫存周轉率的影響。從表4中可以看出，貸款利率和通貨膨脹率對庫存周轉率的影響不顯著，因而可以說這兩個因素不是影響庫存周轉率的主要因素。但是，我們同樣發現，在引入了控制變量之后，銷售預測偏差和提前期對庫存周轉率的影響增加了，但結果并不顯著。這說明了貸款利率和通貨膨脹率的變化，會影響到零售企業的應收賬款周轉速度和企業的銷售預測的正確性。

5 結論、局限性及未來研究方向

本文以2001～2007年的零售業上市公司為研究樣本對我國的零售業庫存水平的變動趨勢及影響因素進行了實證研究。結果發現總庫存周轉率與銷售預測偏差、企業規模顯著正相關，與庫存比重、提前期顯著負相關。而一年貸款利率和通貨膨脹率對庫存周轉率并沒有顯著的影響。這說明我國的零售企業的庫存管理更多還是受到企業本身的影響。這也意味著在日常經營中，零售企業要重視銷售預測的科學性和正確性，重視科學預測銷售。并且改變傳統的庫存管理思想，應用先進的庫存管理策略和技術，改善庫存管理水平，增強企業的競爭力。

本文的局限性在于樣本選取僅有滬深上市的零售企業為上市公司，而且在分析影響庫存水平因素時也沒有考慮其他的客觀因素，如企業的地理位置、銷售網點數、零售業態等。未來的研究發現是采取問卷調查的方法，收集更細致的數據，結合管理因素來探究企業庫存管理水平的關鍵驅動因素。

參考文獻：

[1]H.J. Chang，C.Y. Dye.An EOQ model for deteriorating items with time-varying demand and partial backlogging. Journal of the Operational Research Society， 1999.

[2]Javid Jouzdani，Seyed Jafar Sadjadi，Mohammad Fathian. Dynamic dairy facility location and supply chain planning under traffic congestion and demand uncertainty： A case study of Tehran[J]. Applied Mathematical Modelling， 2013.

[3]Gé，rard P. Cachon. Retail Store Density and the Cost of Greenhouse Gas Emissions[J]. Management Science， 2014 （8）.

[4]Sampath Rajagopalan. Impact of Variety and Distribution System Characteristics on Inventory Levels at U.S. Retailers[J]. Manufacturing & Service Operations Management， 2013 （2）.

[5]MonamiDas Roy， ShibSankar Sana， Kripasindhu Chaudhuri. An integrated producer–buyer relationship in the environment of EMQ and JIT production systems[J]. International Journal of Production Research， 2012 （19）.