基于DEA的物流上市企業創新效率分析

(北京大學光華管理學院 北京 100871)

1 引言

傳統的物流企業是勞動密集型企業，物流上市企業的規模相對于中小型的物流企業更加龐大，改革開放初期，中國的勞動力成本較低，在運輸、搬運、倉儲、包裝等環節可以大規模的使用勞動力進行作業，但隨著中國社會的不斷發展、人民生活水平的不斷提高，勞動力成本也在不斷提高，通過大規模投入勞動力來保證物流效率的方法已經不可行。隨著物流需求的提高，人力作業的弊端逐漸顯現出來：包裹損壞率高、錯誤率高、分揀效率低。推動有效的自動化物流系統和搭建高效的物流信息系統成為了必然之舉。

Charnes和Cooper等(1978,1999,2013)在數據包絡分析方法(DEA)的理論和應用方面做了大量理論和應用方面的研究，建立了第一個DEA模型，并編制了最初的求解DEA的計算機軟件。[1-3]汪旭暉等(2009)采用DEA模型中的超效率CCR模型，對24家在我國上市的物流公司的效率進行了評價，他認為：這些物流公司中，大約有50%的企業技術效率較高，運輸類物流上市公司比港口類上市公司的綜合技術效率、純技術效率和規模效率更突出；大多數技術無效的企業是因為純技術效率低下[2]。鐘祖昌(2011)采用三階段DEA的方法，實證分析了28家物流上市公司在2001—2008年的運營效率。結果表明：如果這些企業無法控制隨機沖擊和外生環境變量的影響，物流企業的技術效率值會被低估，而規模效率會被高估，且這種高估的程度遠遠高于純技術效率[3]。徐頑強等(2012)運用DEA方法中的CCR模型和BBC模型評價了績效，研究對象是40家建材行業上市企業，文章測算了各個公司的綜合技術效率、純技術效率和規模效率，該文章還對不在生產前沿面的企業指出了改進的路徑，提出了改進的方法[4]。趙樹寬等(2013)構建了高新技術企業創新效率評價指標體系以及相應的模型。根據實地調查的數據，通過效率、有效性、規模收益和投影分析等四個方面，采用DEA的方法，對吉林省151家高新技術企業進行了評價和分析[5]。姚曉芳等(2014)通過建立與企業經營效率相關的投入產出指標體系，收集各個上市公司2012年公布的財務數據，應用數據包絡分析(DEA)模型，對安徽省內14家高端裝備制造產業內上市企業經營效率進行對比分析[6]。李健英等(2015)采用DEA的方法對52家制造企業進行了創新績效的分析，所在的年份是2012年[7]。江兵(2015)按照全要素能源效率的概念，重點考慮不同能源投入約束，對傳統DEA模型進行了擴展，其目標函數為極大化產出比例與某項能源投入比例之比，約束條件中除考慮一般投入量約束外，還同時強調能源投入徑向節約和產出徑向增加[8]。李曉梅等(2016)利用超效率CCR-DEA數據包絡分析法，基于2006—2015年在A股上市的16家國有物流企業的面板數據，從微觀視角實證檢驗國有物流企業純技術效率、規模效率與綜合效率[9]。

從現有的文獻中可以看出，目前學者在DEA方法的研究和應用上取得了較多的成果。但依然存在一些不足：1)對于物流企業特別是物流上市企業在創新投入產出效率方面的研究比較少。2)對于企業的評價選取的數據多為某一年的數據，很難比較企業在不同年度之間差異性。3)部分文獻對于創新產出更關心創新成果而很少關注企業的經營和成長性。針對上述問題，本文通過DEA的方法分析物流上市企業的創新效率。

2 模型與數據

2.1 模型與指標體系

2.1.1 DEA模型介紹

傳統的線性規劃模型由多個投入指標和一個產出指標構成，但很多實際問題由多個投入指標和多個產出指標構成。DEA是一種多投入/多產出的效率評價方法。截至目前，學者們已經研究出多種DEA模型，其中最基本的DEA模型是CCR模型和BBC模型。CCR模型如下所示：

假設有n個DMU，m個投入指標，s個產出指標，則模型如下：

其中，X是m行n列的矩陣，表示所有DMU的投入指標，Y是s行n列的矩陣，表示所有DMU的產出指標，Xk表示第k個DMU的投入指標，Yk表示第k個DMU的產出指標，S-和S+是松弛變量。λ和θ是決策變量。Xk,Yk,λ均為列向量。

CCR模型是一種規模報酬不變(CRS)的模型，BCC模型通過對權重增加約束Iλ=1，建立了如下規模報酬可變(VRS)模型：

其中I為1行n列全部為1的行向量。BBC模型能夠計算各個決策單元的純技術效率，能夠有效的反應各個決策單元的純技術效率情況，則當σ*=1時，則純技術DEA弱有效，如果σ*=1，且S-,S+=0，則成為純技術DEA有效。根據DEA的理論，總體效率θ*、純技術效率σ*、規模效率S*之間存在如下關系：

該公式用來評價決策單元是否規模有效。

2.1.2 指標體系

經過對部分物流企業進行創新投入和效率方面的考察，本文選取了以下投入變量和產出變量。投入變量包括：企業研發占比、技術人員占比兩個指標。產出變量包括：凈利潤增長率、凈資產收益率、主營業務收入增長率、總資產增長率四個指標。企業研發占比和技術人員占比體現了企業在創新研發方面的投入情況，凈利潤增長率、凈資產收益率、主營業務收入增長率、總資產增長率既體現了企業在經營績效方面的產出情況也體現了企業的成長性。鑒于以上的考慮，本文采用這些指標作為投入產出指標。

2.2數據情況

2.2.1 數據來源

上文中，企業研發占比的計算方法為：企業研發占比=研發投入/營業收入。技術人員占比的計算方法為：技術人員占比=技術人員數量/總人員數量，其他數據直接從企業的財務報表中獲取。

本文篩選了申萬二級中交通運輸行業下屬的物流板塊的33家物流上市企業，從公司財務報表中獲取了這33家企業在2014年—2016年間“凈資產收益率(%)、主營業務收入增長率(%)、總資產增長率(%)、凈資產增長率(%)、營業收入(萬元)”等指標，從公司年報獲取了“研發投入(萬元)、技術人員數量(人)、總人員數量(人)”等指標。通過這些數據可以計算出上述的各個指標。

在所獲取的33家企業中，部分企業缺少“研發投入”或“技術投入”，部分企業的年度報告中沒有單獨列出技術人員的數量，這些企業無法測度其創新投入產出效率，所以予以舍棄，經過數據的清洗，去除缺失值，本文最終選取了11家物流上市企業進行分析，最終的指標體系涉及2個投入指標、4個產出指標、11家企業、時間跨度為3年。

2.2.2 描述性統計

首先對所獲得的數據進行描述性統計，分析了從2014年到2016年這11家企業的均值、最大值、最小值和標準差，其結果如表1所示。

從表1中可以看出，企業研發占比和技術人員占比的均值在2014—2016年變化不大，通過最大值和最小值可以看到每一年里各個企業間存在一定的差距。產出指標方面，2014年差距不是很明顯，2015年的凈利潤增長率的最小值較小，導致了當年的凈利潤增長率均值較小、標準差較大。2016年的凈資產收益率、主營業務收入增長率和總資產增長率都存在極大值過大的情況，導致了均值和標準差較大的情況。

表1 描述性統計

3 實證分析

本文采用max DEA軟件對數據進行處理，因為原始數據中出現了負值，所以在本文首先對數據進行了標準化的處理，方法如下所示：

這種方法會出現0值，面向產出的DEA在計算的過程中不可以出現0值，為了防止這種情況的發生，所有的0值采用一個非常小的數10-5代替。計算的結果如表1所示，其中，θ*表示最優的綜合效率，δ*表示最優的純技術效率，s*表示最優的規模效率，S1+表示第一個產出指標的松弛變量，即凈利潤增長率的產出不足，S2+表示第二個產出指標的松弛變量，即凈資產收益率的產出不足，S3+表示第三個產出指標的松弛變量，即主營業務收入增長率的產出不足，S4+表示第四個產出指標的松弛變量，即總資產增長率的產出不足。不討論兩個投入指標的投入冗余，DEA分析的計算結果如表1所示。

表1 DEA分析結果

續表1

從表1可以看到，在2014年處于生產前沿面的企業有5家，分別是：中儲股份、飛馬國際、歐浦智網、新寧物流、飛力達。這5家企業均是DEA有效的，韻達股份純技術DEA有效，但規模出現了冗余。2015年處于生產前沿面的企業有7家，分別是：長江投資、圓通速遞、中儲股份、飛馬國際、新寧物流、飛力達、華鵬飛。澳洋順昌、歐浦智網純技術DEA有效，但出現了規模冗余。2016年處于生產前沿面的企業有5家，分別是：圓通速遞、中儲股份、韻達股份、飛馬國際、順豐控股。三年當中始終處于生產前沿面的企業為：中儲股份、飛馬國際。這兩家企業在技術創新的投入和產出效率中始終保持DEA有效。

在2014年，有5個企業在凈利潤增長率指標上出現了產出不足的情況，有1個企業在凈資產收益率指標上出現了產出不足的情況，有2個企業在主營業務收入增長率指標上出現了產出不足的情況，有3個企業在總資產增長率指標上出現了不足的情況。在2015年，有3個企業在凈利潤增長率指標上出現了產出不足的情況，有2個企業在凈資產收益率指標上出現了產出不足的情況，沒有企業在主營業務收入增長率指標上出現了產出不足的情況，有2個企業在總資產增長率指標上出現了不足的情況。在2016年，有1個企業在凈利潤增長率指標上出現了產出不足的情況，有6個企業在凈資產收益率指標上出現了產出不足的情況，有4個企業在主營業務收入增長率指標上出現了產出不足的情況，有6個企業在總資產增長率指標上出現了不足的情況。

為了更好的分析整體情況，我們對這些企業的綜合效率、純技術效率和規模效率上的表現求取了均值，其結果如表2所示。

表2 平均效率分析

從表2可以看出，2015年的平均綜合效率、平均純技術效率和平均規模效率均為最高。每一年均有4～6個企業是非DEA有效的，但是整體來看，各個企業在2015年的表現較好，在各個指標上的產出不足相對于2014年和2016年的情況要好很多。

3.1 綜合技術效率分析

綜合技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。2014年長江投資的綜合效率最低為0.127，順豐控股為0.136，長江投資是因為規模效率過低，而順豐控股是因為純技術效率過低。2015年綜合技術效率最低的企業是順豐控股，其綜合技術效率值為0.139，但是2015年綜合技術效率過低的原因不是純技術效率而是規模效率過低，在2015年長江投資由上一年度的墊底排名達到了生產前沿面，實現了DEA有效。2016年部分企業出現了比較極端的數據，新寧物流的綜合技術效率為0.002，飛力達的綜合技術效率為0.007，澳洋順昌的綜合技術效率為0.040。而順豐控股在這一年度達到了生產前沿面。

3.2 純技術效率分析

純技術效率是企業由于管理和技術等因素影響的生產效率，反映 DMU在最優規模時投入要素的生產效率。2014年中，僅順豐控股的純技術效率較低，僅為0.182。2014年有一個企業綜合技術效率雖然不是DEA有效的，但是純技術效率是DEA有效的。2015年各個企業的純技術效率表現均較好，最低的是順豐控股，也能夠達到0.909。在2015年有兩個企業雖然綜合技術效率不是DEA有效的，但是純技術效率是DEA有效的。2016年各個企業的純技術效率均出現了較大的下滑，新寧物流、飛力達、華鵬飛的純技術效率均低于0.1。

3.3 規模效率分析

規模效率是由于企業規模因素影響的生產效率，反映實際規模與最優生產規模的差距。2014年長江投資和澳洋順昌的規模效率比較低。2015年順豐控股和韻達股份的規模效率比較低。2016年華鵬飛、澳洋順昌、新寧物流的規模效率均較低。DEA是相對效率評價，規模效率評價的分數較低并不意味著這些企業的表現不好，而是意味著相對于其他企業表現不是特別突出。

3.4 效率的改進

從上文中可以看出，有些企業出現了產出不足的情況，企業在實際的運作過程中需要通過改善自身的技術投入和管理模式，盡可能的使自己達到DEA有效，使自己處在生產前沿面上。對沒有處在生產前沿面的企業進行了效率的測算，并測算了為了使企業處在生產前沿面上，企業的各個松弛變量需要改進的情況。

企業的指標改進結果如表3所示，其中空白部分表示這個企業在這一年度已經達到最優，無需改進。在上文中可以看出，中儲股份和飛馬國際在三年中均處在生產前沿面上，所以表格中不再進行展示。

在表3中S1、S2、S3、S4表示：凈利潤增長率、凈資產收益率、主營業務收入增長率、總資產增長率。表中的數值表示如果這些企業改進自己的創新投入方式和管理技術，希望使自己達到DEA有效，對應的各個產出指標需要改進的情況，即表中所列的數值為理論值。

表3 產出指標的改進

4 結論與建議

DEA效率分析是一種相對效率分析，評價的是所有的決策單元之間的相對效率，這要求所有的決策單元之間要具有可比性。本文選取的均為物流上市企業，且這些企業在2014—2016年中，均有創新投入，所以具有可比性。

物流行業正在經歷從勞動密集型產業到技術密集型產業的轉型升級，創新投入的效率變得愈加重要，本文測度了物流上市企業在2014年到2016年的創新投入效率情況，發現2014年物流行業的整體效率不高，快遞企業的純技術效率和規模效率都不高。物流上市企業整體的效率在2015年得到了改善，11家測算的企業中，有7家企業處于生產前沿面上，且平均綜合技術效率、平均純技術效率和平均規模效率均是三年中最高的，2016年的平均綜合技術效率、平均純技術效率和平均規模效率不高，通過分析數據發現各個企業在這兩年的發展拉開了差距，這些企業在凈資產收益率、主營業務收入增長率、總資產增長率三項指標上表現出了非常大的差距，最高的企業達到了八十多倍的增長，而表現較差的企業實現了負增長，正是這種發展的差異導致了部分企業創新效率過低，從而影響了整個行業的創新效率。從效率改進情況來看，部分企業在2014—2015年沒有處在生產前沿面上，效率有待改進，但在2016年實現了效率的優化，實現了DEA有效。部分企業在2014—2015年效率較高，但2016年出現了一些問題，效率有所下降。還有部分企業在2014—2016年三年間的效率始終有待改進。

提高整個物流行業的創新效率需要從政府、行業、企業三個方面加以著手。政府需要深入的認識到物流行業的轉型，在指定政策的時候需要考慮到對物流企業的技術創新給予支持，提高技術領域人才的待遇，國有物流上市企業更應該起到模范作用，在自動化倉儲配送、管理信息系統搭建等領域更多地支持。行業協會需要制定更加切實可行、更加經濟適用的行業標準，要不斷推動物流企業的科技創新轉型升級，提供可靠的、專業的行業報告，形成切實可行的行業評價標準。對于物流企業來說，要正確認識技術創新的價值，不要認為技術創新是成本，要認識到技術創新所帶來的綜合競爭力的提高。企業需要認識到在技術創新和創新管理上不能落后。