【作　　者】
黄 晗

【作者单位】
（广西财经学院工商管理学院 南宁 530003）

【摘　　要】

      【摘要】本文采用三阶段DEA模型对我国37家物流上市公司的投入产出效率进行了实证研究。结果表明，我国物流企业的综合效率整体较高；国民经济、企业规模、内部激励及所有权属性是对物流企业投入产出效率具有重要影响的外部环境因素，管理者应据其调整人力资本、固定资本、运营成本以及管理费用的要素投入，以进一步提高运营效益。
【关键词】物流企业   投入产出效率   三阶段DEA模型

      作为一个对国民经济相关产业发展联动性极强的产业，物流业已成为促进经济发展的“加速器”与新的经济增长点，它在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着越来越重要的作用。随着我国经济发展方式转变、经济结构战略性调整步伐的加快，在提高效益和效率的基础上实现总量的平稳较快发展，已成为物流业健康发展的必然要求。因此，科学评价物流活动的投入产出效率无疑对物流企业调整发展战略、提高运营绩效有重要意义。
一、研究方法概述
不少学者对中国物流业企业效率评价问题进行了研究，主要的研究方法有主成分分析法（PCA）、随机前沿分析法（SFA）与数据包络分析法（DEA）等，本文采用三阶段DEA法对我国物流业上市公司的效率进行评价，该方法的优点是其能够同时调整外部与随机误差等因素对效率的影响，使得所计算出来的效率值能更客观地反映企业的内部管理水平。其基本思路如下：
第一阶段：传统DEA模型。本文使用的是投入导向的可变规模收入的BCC模型，得到各企业的效率值与投入松弛量。因BCC是目前理论与实践均较成熟的DEA模型，故其原理不再赘述。
第二阶段：运用SFA模型分解第一阶段的松弛值。第一阶段得到的各投入变量的松弛变量由环境影响、管理无效率和统计噪音三部分构成。传统DEA模型将所有对效率前沿面的偏离都视为非效率，忽视了决策单元（DMU）所处的环境因素。因此本阶段运用SFA模型来分解以上三个因素对松弛值的影响。
假设有p个可观察到的环境变量zk=［z1k，…，zpk］，则对于m项投入，就可以得到m个回归方程，即：
Sik=fi（zk，?茁i）+?淄ik+uik，
i=1，…，m；k=1，…，n（1）  
式中：n为DMU个数；Sik为第k个DMU在第i项投入的松弛量；?茁i为待估参数；?淄ik为统计噪声，即随机误差；uik反映管理无效率；?淄ik与uik独立，并假设?淄ik ～ N（0，?滓2vi），uik ～ N+（0，?滓2ui），即在0处截断的半正态分布；fi（zk，?茁i）表示环境变量对投入松弛量的影响方式，是确定可行的松弛前沿；fi（zk，?茁i）+?淄ik为随机的可行松弛前沿，本文采用简单的线性SFA形式。采用极大似然法将式（1）中的未知参数?茁i、?滓2u、?滓2v估计出来后，可得出管理无效率的估计值，即：
uik=E（uik|uik+?淄ik）
         =■［■+■］（2）  
式中，?姿=?滓u/?滓v，?滓2=?滓2u+?滓2v，?准与?椎分别为标准正态分布的密度与分布函数。
再由下式估计?淄ik：
?淄ik=E（?淄ik|uik+?淄ik）=Sik-zk?茁i-uik （3）  
然后对原始投入按照下式进行调整：
xik=xik+［maxk｛zk?茁i｝-zk?茁i］+［maxk｛?淄ik｝-?淄ik］，
i=1，…，m；k=1，…，n （4）  
其中，xik、xik分别为调整后与调整前的投入量，第一个中括号代表将所有的DMU调整于相同环境，第二个中括号表示将所有DMU的统计噪声（即面临的运气）调整为相同情形。
第三阶段：调整投入后的DEA模型。本阶段利用调整后的投入和原始产出重新运行DEA，得到剔除了环境因素和随机扰动影响的效率。
二、物流企业效率评价指标体系的设计
1. 数据来源。本文选取我国37家物流业上市公司2011年年报数据作为样本，数据来源于CCER中国经济金融数据库及深交所、上交所网页公布的上市企业年报。
37家物流上市公司中，主营物流业务的9家，即渤海物流、外高桥、外运发展、中国中期、成城股份、中储股份、新宁物流、保税科技、长江投资；港口码头、集装箱类9家，即盐田港、天津港、深赤湾Ａ、营口港、上港集团、锦州港、北海港、振华重工、中集集团、重庆港九、芜湖港、连云港；远洋、近海运输类7家，即中远航运、中海海盛、宁波海运、中海发展；铁路运输类3家，即铁龙物流、大秦铁路、广深铁路；其余为航空机场类9家。从各上市公司从事物流活动的内容来看，几乎涵盖了仓储、运输、配送、包装加工、代理、信息服务等物流全过程。
2. 投入产出指标的选取。目前，学术界对测度物流企业效率的指标体系还存在分歧。张赫等（2005）利用货物完好率、运输及时率和AHP的综合评价指数作为产出变量，以物流成本作为投入变量。张宝友（2008）等以总资产、业务成本和行业相对竞争力作为投入变量，以净利润和业务收入作为产出变量。马强（2002）从企业物流财务绩效、客户绩效、市场绩效、业务绩效和学习绩效五个方面选取18个二级指标运用PCA模型进行了效率评价。
本文选取固定资产总值、应付职工薪酬、营业成本、管理费用作为投入指标，营业收入、净利润作为产出指标。本文所选取的投入产出指标体系，包括人力资本、固定资本、运营成本以及管理费用这四个主要方面，比较全面，能够较准确地反映投入产出率。同时收入与利润作为产出指标可以较准确地反映企业发展水平和内部管理水平。
3. 环境变量的选取。本文在第二阶段考虑如下几个环境变量对松弛值进行分解：①宏观经济环境的影响，选取当年国内GDP反映企业所处的经济环境；②企业规模的影响，选取该企业当年总资产（scale）反映企业规模；③内部激励的影响，选取员工薪酬（salary）反映企业内部激励制度对运营效率的影响，即应付职工薪酬/员工人数；④所有权属性的影响，通过设置虚拟变量反映企业的所有权属性：国家控股为0，国有法人控股为0.5，自然人控股为1。
三、实证结果分析
1. 首先运用Deap2.1软件对第一阶段DEA模型求解得到各物流企业的效率评价值（限于篇幅结果未列出，备索）。然后采用SFA模型将第一阶段得到的各上市公司的投入松弛值作为被解释变量，将环境变量作为解释变量进行回归分析。表1列出了运用Frontier4.1软件估计得到的结果。

由表1可以看出，各投入松弛变量对环境变量的回归系数在10%的水平上基本是显著的，且均通过了似然比检验，表明SFA模型的设定是合理的。?酌的值处于0和1之间，表明混合误差同时受到来自管理无效率和随机误差的双重影响，即管理无效率在固定资产、职工薪酬、营业成本、管理费用的SFA模型中的贡献分别为91.0%、97.5%、59.4%、69.6%。当回归系数为负数时，表示增加该环境变量有利于减少松弛变量的投入浪费。由表1还可发现：国内GDP的增加有利于减少职工薪酬的投入浪费；企业规模的扩大有利于减少营业成本、管理费用的投入损失；增加内部激励可以减少固定资本与营业成本的投入损失；自然人控股相对于国有法人和国家控股更能减少在营业成本投入的损失。
2. 根据式（4）调整投入变量，再次运用Deap2.1软件求解BCC模型，可得第三阶段的物流上市公司的效率值，结果如表2所示。排除环境因素和随机因素的影响后，综合效率、纯技术效率和规模效率都较第一阶段有所上升。表2显示，2011年我国物流上市公司的综合效率均值、纯技术效率均值、规模效率均值分别为0.911、0.956、0.953。其中处于效率前沿的上市物流公司有14个（分别是盐田港、深圳机场、渤海物流、上海机场、营口港、外高桥、保税科技、宁波物流、厦门空港、 大秦铁路、铁龙物流、海南航空、成城股份、芜湖港），它们既是纯技术有效的，又是规模有效的，这些处于综合效率前沿的公司超过样本容量的1/3，比例较高，说明我国物流上市公司的综合效率总体较好。此外，上港集团等10家物流公司的纯技术效率值为1，即共有24家物流上市公司达到了最优的纯技术效率，说明这些物流上市公司的要素投入组合合理，决策与管理水平较高，取得了较好的产出效果。
从规模报酬的情况看，有中信海直等8家物流上市公司是处于规模报酬递增的，白云机场等15家公司是规模报酬递减的，而盐田港等14家公司是规模报酬不变的。
四、结论
本文采用三阶段DEA模型对我国37家物流上市公司的运营效率进行了实证研究，结果如下：我国物流上市公司已经较好地摆脱了2007年美国次贷危机引发的国际金融危机所带来的影响，2011年的整体综合效率较高；国内GDP、企业规模、内部激励、所有权属性的环境因素确实对物流上市公司的生产效率存在不同程度的影响；尽管我国约有1/3的物流上市公司已经处于效率前沿，但仍有相当比例物流上市公司的技术效率与规模效率有待进一步提高。
【注】 本文系国家社会科学基金项目（编号：12CJY011）、广西财经学院科研项目（编号：2012D05）的部分研究成果。
主要参考文献
1. 罗登跃.三阶段DEA模型管理无效率估计注记.统计研究，2012；4
2. 张赫，李秀，刘文煌.第四方物流中3PL供应商评价体系及方法研究.制造业自动化，2005；6
3. 张宝友，达庆利，黄祖庆.中国上市物流公司动态绩效评价及对策.系统工程，2008；4
4. 马强.基于PCA 分析的企业物流绩效评价指标体系的研究.物流技术，2012；10