【摘要】本文采用三階段DEA模型對我國37家物流上市公司的投入產出效率進行了實證研究。結果表明，我國物流企業的綜合效率整體較高；國民經濟、企業規模、內部激勵及所有權屬性是對物流企業投入產出效率具有重要影響的外部環境因素，管理者應據其調整人力資本、固定資本、運營成本以及管理費用的要素投入，以進一步提高運營效益。
【關鍵詞】物流企業 投入產出效率 三階段DEA模型
作為一個對國民經濟相關產業發展聯動性極強的產業，物流業已成為促進經濟發展的“加速器”與新的經濟增長點，它在促進產業結構調整、轉變經濟發展方式和增強國民經濟競爭力等方面發揮著越來越重要的作用。隨著我國經濟發展方式轉變、經濟結構戰略性調整步伐的加快，在提高效益和效率的基礎上實現總量的平穩較快發展，已成為物流業健康發展的必然要求。因此，科學評價物流活動的投入產出效率無疑對物流企業調整發展戰略、提高運營績效有重要意義。
一、研究方法概述
不少學者對中國物流業企業效率評價問題進行了研究，主要的研究方法有主成分分析法（PCA）、隨機前沿分析法（SFA）與數據包絡分析法（DEA）等，本文采用三階段DEA法對我國物流業上市公司的效率進行評價，該方法的優點是其能夠同時調整外部與隨機誤差等因素對效率的影響，使得所計算出來的效率值能更客觀地反映企業的內部管理水平。其基本思路如下：
第一階段：傳統DEA模型。本文使用的是投入導向的可變規模收入的BCC模型，得到各企業的效率值與投入松弛量。因BCC是目前理論與實踐均較成熟的DEA模型，故其原理不再贅述。
第二階段：運用SFA模型分解第一階段的松弛值。第一階段得到的各投入變量的松弛變量由環境影響、管理無效率和統計噪音三部分構成。傳統DEA模型將所有對效率前沿面的偏離都視為非效率，忽視了決策單元（DMU）所處的環境因素。因此本階段運用SFA模型來分解以上三個因素對松弛值的影響。
假設有p個可觀察到的環境變量zk=［z1k，…，zpk］，則對于m項投入，就可以得到m個回歸方程，即：
Sik=fi（zk，?茁i）+?淄ik+uik，
i=1，…，m；k=1，…，n（1）
式中：n為DMU個數；Sik為第k個DMU在第i項投入的松弛量；?茁i為待估參數；?淄ik為統計噪聲，即隨機誤差；uik反映管理無效率；?淄ik與uik獨立，并假設?淄ik ～ N（0，?滓2vi），uik ～ N+（0，?滓2ui），即在0處截斷的半正態分布；fi（zk，?茁i）表示環境變量對投入松弛量的影響方式，是確定可行的松弛前沿；fi（zk，?茁i）+?淄ik為隨機的可行松弛前沿，本文采用簡單的線性SFA形式。采用極大似然法將式（1）中的未知參數?茁i、?滓2u、?滓2v估計出來后，可得出管理無效率的估計值，即：
uik=E（uik|uik+?淄ik）
=■［■+■］（2）
式中，?姿=?滓u/?滓v，?滓2=?滓2u+?滓2v，?準與?椎分別為標準正態分布的密度與分布函數。
再由下式估計?淄ik：
?淄ik=E（?淄ik|uik+?淄ik）=Sik-zk?茁i-uik （3）
然后對原始投入按照下式進行調整：
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分別為調整后與調整前的投入量，第一個中括號代表將所有的DMU調整于相同環境，第二個中括號表示將所有DMU的統計噪聲（即面臨的運氣）調整為相同情形。
第三階段：調整投入后的DEA模型。本階段利用調整后的投入和原始產出重新運行DEA，得到剔除了環境因素和隨機擾動影響的效率。
二、物流企業效率評價指標體系的設計
1. 數據來源。本文選取我國37家物流業上市公司2011年年報數據作為樣本，數據來源于CCER中國經濟金融數據庫及深交所、上交所網頁公布的上市企業年報。
37家物流上市公司中，主營物流業務的9家，即渤海物流、外高橋、外運發展、中國中期、成城股份、中儲股份、新寧物流、保稅科技、長江投資；港口碼頭、集裝箱類9家，即鹽田港、天津港、深赤灣Ａ、營口港、上港集團、錦州港、北海港、振華重工、中集集團、重慶港九、蕪湖港、連云港；遠洋、近海運輸類7家，即中遠航運、中海海盛、寧波海運、中海發展；鐵路運輸類3家，即鐵龍物流、大秦鐵路、廣深鐵路；其余為航空機場類9家。從各上市公司從事物流活動的內容來看，幾乎涵蓋了倉儲、運輸、配送、包裝加工、代理、信息服務等物流全過程。
2. 投入產出指標的選取。目前，學術界對測度物流企業效率的指標體系還存在分歧。張赫等（2005）利用貨物完好率、運輸及時率和AHP的綜合評價指數作為產出變量，以物流成本作為投入變量。張寶友（2008）等以總資產、業務成本和行業相對競爭力作為投入變量，以凈利潤和業務收入作為產出變量。馬強（2002）從企業物流財務績效、客戶績效、市場績效、業務績效和學習績效五個方面選取18個二級指標運用PCA模型進行了效率評價。
本文選取固定資產總值、應付職工薪酬、營業成本、管理費用作為投入指標，營業收入、凈利潤作為產出指標。本文所選取的投入產出指標體系，包括人力資本、固定資本、運營成本以及管理費用這四個主要方面，比較全面，能夠較準確地反映投入產出率。同時收入與利潤作為產出指標可以較準確地反映企業發展水平和內部管理水平。
3. 環境變量的選取。本文在第二階段考慮如下幾個環境變量對松弛值進行分解：①宏觀經濟環境的影響，選取當年國內GDP反映企業所處的經濟環境；②企業規模的影響，選取該企業當年總資產（scale）反映企業規模；③內部激勵的影響，選取員工薪酬（salary）反映企業內部激勵制度對運營效率的影響，即應付職工薪酬/員工人數；④所有權屬性的影響，通過設置虛擬變量反映企業的所有權屬性：國家控股為0，國有法人控股為0.5，自然人控股為1。
三、實證結果分析
1. 首先運用Deap2.1軟件對第一階段DEA模型求解得到各物流企業的效率評價值（限于篇幅結果未列出，備索）。然后采用SFA模型將第一階段得到的各上市公司的投入松弛值作為被解釋變量，將環境變量作為解釋變量進行回歸分析。表1列出了運用Frontier4.1軟件估計得到的結果。
由表1可以看出，各投入松弛變量對環境變量的回歸系數在10%的水平上基本是顯著的，且均通過了似然比檢驗，表明SFA模型的設定是合理的。?酌的值處于0和1之間，表明混合誤差同時受到來自管理無效率和隨機誤差的雙重影響，即管理無效率在固定資產、職工薪酬、營業成本、管理費用的SFA模型中的貢獻分別為91.0%、97.5%、59.4%、69.6%。當回歸系數為負數時，表示增加該環境變量有利于減少松弛變量的投入浪費。由表1還可發現：國內GDP的增加有利于減少職工薪酬的投入浪費；企業規模的擴大有利于減少營業成本、管理費用的投入損失；增加內部激勵可以減少固定資本與營業成本的投入損失；自然人控股相對于國有法人和國家控股更能減少在營業成本投入的損失。
2. 根據式（4）調整投入變量，再次運用Deap2.1軟件求解BCC模型，可得第三階段的物流上市公司的效率值，結果如表2所示。排除環境因素和隨機因素的影響后，綜合效率、純技術效率和規模效率都較第一階段有所上升。表2顯示，2011年我國物流上市公司的綜合效率均值、純技術效率均值、規模效率均值分別為0.911、0.956、0.953。其中處于效率前沿的上市物流公司有14個（分別是鹽田港、深圳機場、渤海物流、上海機場、營口港、外高橋、保稅科技、寧波物流、廈門空港、 大秦鐵路、鐵龍物流、海南航空、成城股份、蕪湖港），它們既是純技術有效的，又是規模有效的，這些處于綜合效率前沿的公司超過樣本容量的1/3，比例較高，說明我國物流上市公司的綜合效率總體較好。此外，上港集團等10家物流公司的純技術效率值為1，即共有24家物流上市公司達到了最優的純技術效率，說明這些物流上市公司的要素投入組合合理，決策與管理水平較高，取得了較好的產出效果。
從規模報酬的情況看，有中信海直等8家物流上市公司是處于規模報酬遞增的，白云機場等15家公司是規模報酬遞減的，而鹽田港等14家公司是規模報酬不變的。
四、結論
本文采用三階段DEA模型對我國37家物流上市公司的運營效率進行了實證研究，結果如下：我國物流上市公司已經較好地擺脫了2007年美國次貸危機引發的國際金融危機所帶來的影響，2011年的整體綜合效率較高；國內GDP、企業規模、內部激勵、所有權屬性的環境因素確實對物流上市公司的生產效率存在不同程度的影響；盡管我國約有1/3的物流上市公司已經處于效率前沿，但仍有相當比例物流上市公司的技術效率與規模效率有待進一步提高。
【注】 本文系國家社會科學基金項目（編號：12CJY011）、廣西財經學院科研項目（編號：2012D05）的部分研究成果。
主要參考文獻
1. 羅登躍.三階段DEA模型管理無效率估計注記.統計研究，2012；4
2. 張赫，李秀，劉文煌.第四方物流中3PL供應商評價體系及方法研究.制造業自動化，2005；6
3. 張寶友，達慶利，黃祖慶.中國上市物流公司動態績效評價及對策.系統工程，2008；4
4. 馬強.基于PCA 分析的企業物流績效評價指標體系的研究.物流技術，2012；10
【作 者】
黃 晗
【作者單位】
（廣西財經學院工商管理學院 南寧 530003）
