我國物流上市企業運營效率測度與提升路徑研究

黃錦 楊中華 王月麗 劉鄒洲

摘 ?要：采用我國20家物流上市企業2021年度數據，運用DEA模型分析物流上市企業的運營效率，測算結果得出其效率未達到DEA有效。在條件變量和結果變量選取基礎上，通過fsQCA識別出企業運營效率提升的路徑：小規模低研發高集權主導型；小規模高研發高盈利主導型；小規模高研發高杠桿主導型；低研發大規模高集權高盈利主導型。

關鍵詞：物流上市企業；DEA模型；運營效率；fsQCA

中圖分類號：F253 ? ?文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2023.09.008

Abstract： Based on the data of 20 China's listed logistics companies in 2021， the operational efficiency of listed logistics companies was analyzed with DEA model， and the results show that the efficiency is not as effective. Then fsQCA was employed to explore the combination of antecedent conditions for operating efficiency improvement. There were four models to improve the company's technical efficiency： The model with small scale， weak R&D and higher ownership concentration; the model with small scale， better R&D and higher ROA; the model with small scale， better R&D and high leverage; the model with better R&D， small scale， higher ownership concentration and higher ROA.

Key words： logistics listed company; DEA model; technical efficiency; fuzzy set Qualitative Comparative Analysis

0 ?引 ?言

近年來，國內經濟水平不斷提升，物流業的規模也不斷擴大。然而，在物流快速發展的同時也面臨著效率低下、資源浪費等問題。根據中國物流與采購聯合會公布的全國物流運行情況來看，2021年社會物流總費用16.7萬億元，較上一年度增長12.5%，社會物流總費用占比14.6%[1]，這一費用明顯高出發達國家的平均水平。尋找實現我國物流企業高效運營的模式，促進我國物流業實現高效率轉變高質量發展具有重要的現實價值。

物流企業運營效率最近倍受國內外學者的關注，并且從不同的角度對物流業的效率水平提升進行了測度研究。王惠等[2]基于MSBM模型對國內物流上市企業進行效率評價，認為物流企業提升綜合效率的方式主要為提高企業的管理水平，杜絕盲目擴張。唐建榮等[3]選取2007—2016年中國區域物流產業數據，利用DEA與Malmquist指數模型測算出我國區域物流效率水平，指出應當注重科技的提升。崔宇昕等[4]對我國港口效率進行評價，選取2018年的港口投入產出數據，利用DEA模型對13個上市港口進行數據分析，提出提高港口效率的建議。褚衍昌等[5]基于DEA-Malmquist法探討我國12家上市物流公司的效率情況，并用Tobit模型分析影響物流企業運營效率的關鍵因素。張福明等[6]選用超效率方法對物流上市企業的效率情況進行分析比較，并探究每年的變化情況，最終認為物流企業應當增加技術支持。

可以發現，現有研究中主要分析單個因素如何影響物流企業運營效率，而該運營效率通常由多個因素共同導致，不同影響因素的組合對企業運營效率的影響路徑尚不明確。因此，從整體性研究視角揭示物流企業運營效率影響因素間的可能性組合具有重要的研究價值。本文嘗試利用DEA模型對我國20家物流上市企業進行效率測度，并基于定性比較分析（QCA）的整體分析視角，探究物流企業實現運營高效率的條件變量組合情況，為改善物流企業運營效率提供決策參考和支持。

1 ?基于DEA模型的物流企業運營效率評價

1.1 ?DEA模型概述

數據包絡分析法（Data Envelopment Analysis，DEA）是在1978年由美國著名運籌學家A.Charnes和W.W.Cooper共同提出的效率評價方法[7]。該方法借助線性規劃，設定投入和產出指標對同類型單位進行有效評價。本文選擇DEA模型的原因在于該方法不受主觀因素影響，相比于成本分析法、指標數法、層次分析法計算出來的指標更加客觀有效。

DEA模型有兩種經典模型：CCR模型、BBC模型。兩者的區別在于CCR模型是假定決策單元DMU在規模報酬固定的情形下，主要計算出技術效率（即綜合效率）。BBC模型是假設DMU處于規模報酬變動的情形下，并且是在CCR基礎上進行一定的演變，綜合效率等于純技術效率乘上規模效率，使得最后的結果更加精準[4]。因此，本文采取規模報酬變動的BBC模型進行效率評價。

1.2 ?評價指標選取

評價指標的選擇多從投入產出變量出發?；仡櫼酝墨I發現，生產過程中的投入指標主要從人、財、物等中選取，產出指標多數從營業收入和凈利潤表示。基于現有研究成果[8]，并結合物流上市企業投入產出的特點，最終選取固定資產凈額、員工總數、營業總成本作為投入指標，確定凈利潤、營業總收入為產出指標（如表1所示）。

1.3 ?數據來源

參照2021年中國證券監督管理委員會發布的《上市公司行業分類指引》，根據數據的可獲得性，經過篩選最終選取20家企業作為本文的研究對象。效率評價的數據主要來源于國泰安數據庫、同花順上市企業數據庫和各公司公開發布的企業年報，樣本采集區間為2021年。

1.4 ?實證分析

本文利用軟件DEAP2.1對2021年20家物流上市企業的投入產出數據進行計算，最終得出各物流上市企業綜合效率數據（如表2所示）。

從20個決策單元計算結果來看，綜合效率的平均值為0.949，表明我國物流上市公司的效率并沒有達到DEA有效，說明在資源配置等方面有一定的不足。

2 ?我國物流上市企業運營效率影響因素分析

2.1 ?定性比較分析法

定性比較分析法（Qualitative Comparative Analysis，QCA）是20世紀80年代由美國社會學家查爾斯·拉金提出的一種以案例研究為導向的理論集合研究方法[9]。該方法將集合論和布爾算法作為基礎，從組態角度探討變量的綜合作用，并認為一個變量無法決定最后的結果，而是取決于其他變量的組合。相較于傳統定性和定量方法，定性比較分析法（QCA）更加科學化和規范化，能夠彌補統計回歸分析定量研究的局限性。目前QCA分為清晰集csQCA、多值集mvQCA、模糊集fsQCA。結合所選的案例和變量特征，本文選用模糊集定性比較分析法（fsQCA）。

2.2 ?變量選取

參考已有文獻[10]，本文從條件變量和結果變量兩個方面選取物流上市企業運營效率指標。

（1）創新能力。創新能力代表著企業的研發水平，由于增加研發投入代表管理層加大對研發活動的支持，由此可以促進企業的運營效率。本文選用研發支出占營業收入的比重來衡量創新能力[11]。

（2）科技研發能力?？萍佳邪l能力體現企業科技創新的水平，在一定程度上影響企業技術效率和運營效率。熊國經等[11]在研究中指出企業運營效率離不開技術的支持，科研人員的投入是關鍵因素，因此選用年末研發人員占比進行衡量物流企業科技研發能力。

（3）企業規模。企業規模的大小影響市場占有率以及發展潛力，也直接影響其運營效率[12]。本文中企業的規模選用企業年末資產對數的取值。

（4）股權集中制。股權集中度表明企業內部的股權集中情況，研究表明股權相對集中有利于企業的發展，可以促進企業的效率[13]。本文選用第一大股東占比進行表示企業股權集中情況。

（5）資產負債率。資產負債率是指企業負債比率，可以體現企業的資本結構以及資本結構的影響因素。劉超等[14]的研究中指出合理利用財務杠桿可以降低企業風險，獲得更多的利潤，因此可以提升企業的運營績效。

（6）總資產收益率。在企業已有資產的情況下，總資產收益率可以體現企業的獲利情況，是否可以創造出較高的利潤，可以評價企業運營效率的高低。劉超等[14]的研究表明總資產收益率體現企業利用自有資本獲益能力，并且與融資成正比例關系，可以很好地衡量企業的運營水平和效率。

最終選取創新能力、科技研發能力、企業規模、股權集中度、資產負債率和總資產收益率作為條件變量，將已經測算出的綜合效率作為結果變量進行定性比較分析（如表3所示）。

2.3 ?變量校準及必要性分析

變量校準即給案例歸屬于集合的過程和實施模糊集定性比較分析的前提，一般情況下設置三個臨界值：完全隸屬、交叉點、完全不隸屬，最終將原始數據轉變成0到1之間的集合[15]。根據Ragin相關理論，利用DEAP軟件先將原始數據進行校準，并且選擇樣本數據的95%分位數、50%分位數和5%分位數分別作為完全隸屬、交叉點和完全不隸屬[9]。具體變量校準錨點如表4所示。

在進行組態分析之前，先對校準后的數據進行必要性檢驗，如果一致性沒有大于0.9就說明單個因素無法直接對結果進行解釋，需要將解釋變量進行組合才可以影響。表5顯示了必要條件的分析結果，影響企業綜合技術效率的單個前因變量的必要性均不大于0.9。由此可得，單個前因變量對綜合效率的解釋力度弱，綜合效率的提升需要多種因素共同作用，需要進行運算得出組態。

2.4 ?物流上市企業物流效率提升路徑

利用軟件fsQCA進行分析，得出組態分析，如表6所示。該表能夠實現復雜的、擬合的和中間的解決方案。這些解決方案以不同的方式考慮一個給定的組合是否被納入組合的邏輯最小化過程。復雜的解決方案考慮到了所有要包括在分析中的組合。簡化的解決方案將解決方案減少到可能的最小數量的組合，而不考慮簡化解決方案是否有意義。中間解決方案包括連貫的解決方案以降低復雜性，但不包括與理論知識不一致的組合。本文選擇中間解決方案是為了更好解釋fsQCA的結果。

由表6可知4個前因條件組合的一致性和總體一致性均超過理論值0.80，因此滿足一致性條件要求。另外，中間解的整體覆蓋度為0.631，表明這4個組態解釋了約63.1%的物流企業運營高效率的原因。

2.4.1 ?路徑1：小規模低研發高集權主導型。路徑1的前因構型為ROA*-LEV*GQJZ*-ASSET*-CX，其中核心條件是高總資產收益率、低創新能力，邊緣條件是高股權集中制、低企業規模和低資產負債率。該組態顯示盡管物流企業科技研發能力尚不明確，且創新能力水平低、企業規模較小和資產負債率也較低，只要企業盈利狀況良好，股權集中，便可以提升高效率水平。代表案例如中創物流，其總資產收益率超過同水平的其他上市物流公司，并且其股權集中度高（52.5%），充分發揮了股權集中的優勢，有利于提升企業的效率。

2.4.2 ?路徑2：小規模高研發高盈利主導型。路徑2的前因構型為ROA*-GQJZ*-ASSET*KJYF*CX，其中核心條件為高科技研發、低企業規模和低股權集中，邊緣條件是高創新能力和高總資產收益率。該組態顯示無論公司是否利用財務杠桿的作用，盡管企業規模和股權集中度占比較低，只要企業保持高創新能力和高科技研發水平以及高總資產收益率，就可以提升企業的效率。對應的案例是嘉誠國際，該公司研發人員和研發投入占比都保持較高的水平，其不斷地加深在該領域的研發力度，使得企業運營效率得以提升。

2.4.3 ?路徑3：小規模高研發高杠桿主導型。路徑3的前因構型為LEV*-GQJZ*KJYF*CX，其中核心條件為高科技研發能力，邊緣條件是高創新能力、高資產負債率和低股權集中。該組態顯示無論公司規模大小與否，只要保持高水平的創新能力、高資產負債率就可以在一定程度上提升企業的運營效率。代表案例如音飛儲存，該公司保持較高的創新活力，尤其為研發投入占營業收入比例為3.67%，遠遠高于同水平的其他公司，除此之外該公司的股權集中度也保持較高的水平。由此可見該公司充分利用科技創新能力和股權集中的優勢，以及較好地選用財務杠桿的功能來提升企業的效率。

2.4.4 ?路徑4：低研發大規模高集權高盈利主導型。路徑4的前因構型為ROA*LEV*GQJZ*ASSET*-KJYF*-CX，其中核心條件是高股權集中、高資產收益率、低創新能力和低科技研發能力，邊緣條件是高企業規模和高資產負債率。該組態表明只要企業股權集中度高、總資產收益率高，以及保持一定的企業規模就可以提升企業的效率。代表案例如華貿物流，該企業的企業規模較大，股權集中度高，總資產收益率位居案例企業中的前三名。

3 ?研究結論與展望

3.1 ?研究結論

本文基于DEA模型對2021年20家物流上市企業運營效率進行測算，結果顯示為我國物流上市公司的效率并沒有達到DEA有效。為了探索物流企業運營效率的提升路徑，以綜合效率作為結果變量，以創新能力、科技研發能力、企業規模、股權集中度、資產負債率和總資產收益率為條件變量，通過模糊集定性比較分析法對物流上市企業運營效率進行組態分析，最終得出四條有效路徑：路徑1—小規模低研發高集權主導型；路徑2—小規模高研發高盈利主導型；路徑3—小規模高研發高杠桿主導型；路徑4—低研發大規模高集權高盈利主導型。

具體而言，路徑1體現了高集權的重要性，主要針對的規模不是特別大的公司，要充分發揮高集權的優勢來提升企業的效率；路徑2體現高創新高盈利的重要性，尤其是開發性創新投入對于提升企業運營效率的重要性；路徑3體現了財務杠桿以及高研發水平對于企業運營效率的提升；路徑4體現了大規模企業下，企業應當保持股權集中、并且保持較高的盈利水平，有利于提升企業的效率。

3.2 ?管理啟示

（1）優化股權結構，保持股權集中。保持企業內部股權的集中可以優化企業的股權結構，減少企業的資源浪費，除此以外還可以提高管理人員的熱情，并且提升股權的集中程度可以大幅度提升物流企業運營效率。

（2）加大科技研發經費投入以及科研人員投入。研發經費以及研發人員是提升我國上市物流公司運營效率的關鍵因素，尤其是互聯網盛行，人口老齡化促使人口紅利褪去的時代，合理利用機器人、無人機進行分揀配送不僅可以更好的節約成本，更有利于提升企業的效率。

（3）保持較高的盈利水平。企業只有在不斷盈利的情況下，才可以利用現有的資金進行開源，因此較其他企業可以獲取更多的資源和優勢，占有更廣闊的市場，企業的運營效率也會隨之提高。

參考文獻：

[1] 中國物流與采購聯合會，中國物流信息中心. 2021年物流運行情況分析及2022年展望[J]. 中國物流與采購，2022（4）：34-37.

[2] 王惠，喬美華. 基于MSBM模型的中國上市物流企業效率測度[J]. 物流技術，2017，36（10）：52-56.

[3] 唐建榮，杜嬌嬌，唐雨辰. 區域物流效率評價及收斂性研究[J]. 工業技術經濟，2018，37（6）：61-70.

[4] 崔宇昕，華美霞，李若梅. 基于DEA模型的我國沿海上市港口物流效率評價[J]. 物流技術，2021，40（8）：61-68.

[5] 褚衍昌，沈洋，連文浩. 基于DEA-Malmquist和Tobit模型的中國物流企業效率研究——來自上市公司的經驗證據[J]. 數學的實踐與認識，2020，50（10）：95-105.

[6] 張福明，孟憲忠. 我國物流企業效率與效率持續性評價的實證[J]. 工業工程與管理，2010，15（2）：46-49.

[7] ?BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science， 1984，30（9）：1078-1092.

[8] 李鐘石，文華，袁嘉葆，等. 基于DEA模型的我國物流業上市企業經營績效實證分析[J]. 物流技術，2021，40（4）：64-70.

[9] 杜運周，李佳馨，劉秋辰，等. 復雜動態視角下的組態理論與QCA方法：研究進展與未來方向[J]. 管理世界，2021，37（3）：180-197.

[10] 李志廣，李姚礦. 科創板上市公司運營效率測度及提升：一種模糊集定性比較研究[J]. 當代經濟管理，2021，43（11）：35-45.

[11] 熊國經，宗瑾. 基于DEA-Tobit模型的我國上市軍工企業技術效率研究[J]. 科技管理研究，2017，37（19）：59-63.

[12] 羅能生，劉文彬，王玉澤. 杠桿率、企業規模與企業創新[J]. 財經理論與實踐，2018，39（6）：112-118.

[13] 樊秀峰，王美霞. 我國零售企業經營效率評價與微觀影響因素分析——基于22家百強零售上市公司的實證[J]. 西北大學學報（哲學社會科學版），2011，41（3）：26-31.

[14] 劉超，傅若瑜，李佳慧，等. 基于DEA-Tobit方法的人工智能行業上市公司融資效率研究[J]. 運籌與管理，2019，28（6）：144

-152.

[15] 黎江平，姚怡帆，葉中華. TOE框架下的省級政務大數據發展水平影響因素與發展路徑——基于fsQCA實證研究[J]. 情報雜志，2022，41（1）：200-207.