基于DEA的上市物流企业效率评价

蒋亚楠

(甘肃政法学院 经济管理学院，兰州 730070)

作为现代服务业的物流业在促进就业、扩大内需方面发挥着重要作用，在国民经济发展中的地位也稳步提升。近几年，跨区域的长江经济带，京津翼协同发展等一系列区域经济规划的提出，加快了我国跨区域物流的发展；而“一带一路”倡议的实施，有助于中国构筑全球一体化的物流通道，为中国物流业走向世界带来新的契机。随着国家宏观政策的调整，我国物流业形势发展总体良好，但其处于发展初期，表现出高投入、低产出、高耗能、低效率等特点，与发达国家物流业还有很大的差距。我国社会物流总费用占GDP的比重高达18%，比全球平均水平高出6.5个百分点，约为美国、日本的两倍。为了深入了解我国物流企业的生产管理效率，本文对18家上市物流企业近五年的经营绩效进行分析，以发现我国物流企业中的资源利用情况和总体发展水平，进而针对企业的运营现状，结合大数据技术在物流企业的应用，为其合理配置资源，突破发展中的瓶颈，提升物流效率提出建议。

一、文献回顾

随着物流行业的快速发展，物流企业的生产管理效率研究已经成为学术研究的热点问题。Schinnar(1980)在评价第三方物流企业时，采用投入导向的DEA研究方法进行物流企业的效率评价；Anthoy(2002)利用DEA方法，以职工人数、固定资产为投入指标，销售量为产出指标研究配送企业的生产效率[1]；Hokey(2003)基于产出导向型选取职工工资、运营设备与财产规模和运营成本作为投入指标，税前利润作为产出指标对美国的6家知名第三方物流企业进行效率评价[2]；张宝友(2008)运用DEA和层次分析法对上市企业物流绩效进行评价[3]，采用定性指标和定量指标相结合的方法，有利于真实反映企业绩效；邓学平(2009)采用DEA-CCR/BCC模型，以固定资产、职工薪酬、运营成本作为投入指标，税前利润作为产出指标对中国沪深港28家上市物流企业进行效率评价，研究表明物流企业效率高低与企业规模没有必然联系，企业应注重核心技术的改进，而不是盲目的重组与扩张[4]；孟鑫(2015)选取从业人数、固定资产与物流里程作为投入指标，货运周转量与物流业增加值总额作为产出指标研究长江经济带物流产业的效率[5]。杨佳伟(2016)基于网络DEA模型，对18家水上运输上市物流企业的盈利化和市场化效率进行分析，该方法运用两阶段评价指标体系，以生产和运作视角构建上市物流企业的绩效评价指标体系，并提出注重物流企业盈利化和市场化的协同发展是提升物流企业效率的关键[6]。

我国物流企业效率的评价研究晚于发达国家，而且我国物流行业的发展与发达国家有很大差距，市场成熟度低，理论基础薄弱。物流企业中高效的物流体系仍未建立，多数学者是从微观层面对单个物流企业进行效率评价，不利于把握我国物流行业的总体发展态势，不利于研究物流企业效率的动态调整过程。因此，我们需要在宏观上从物流行业类型的视角进行评价。笔者选取18家上市公司涵盖运输类、港口类和航空类行业类型对其2012—2016年5年的数据进行效率评价。在数据的选择上，笔者选取面板数据，兼具横截面和时间两个维度，一方面反映出物流企业效率随时间的变化趋势，另一方面扩大样本容量，使结果更精确。

二、DEA基本原理

数据包络分析法(Date Envelopment Analysis简称DEA)，也称为非参数方法或Farrell型有效分析法，该方法起源于Farrell对生产率的研究，1957年Farrell首次用生产边界概念对技术效率进行估计，但这种方法只适用于单一投入单一产出的情况[7]。1978年Charnes和Cooper等人综合运用数学、运筹学、数理经济学和管理学的知识开辟了一种高效科学的线性规划方法[8]。这种方法是对相同类型的多投入多产出的决策单元进行效率评价的有效方法。

DEA中CCR(规模报酬不变)模型和BCC(规模报酬可变)模型是评价技术效率、纯技术效率和规模效率的有效模型。

CCR模型为：

BCC模型为：

其中，Xij、Yij表示第j个决策单元的第i项投入指标和第r项产出指标。S-、S+为松弛变量，分别代表投入冗余和产出不足。θ为决策单位的效率值，若θ0=1，Si-0=0，Si+0=0，则DMUj0为DEA有效，位于管理前沿；若仅θ0=1，DMUj0为DEA无效。

三、样本数据选取和指标的选择

(一)样本数据选取

我国物流业近几年发展迅速，但以中小企业居多。中小企业的数据获得难度大，且准确度低，代表性弱。上市企业的信息披露质量高，报告可读性强，数据容易获取，而且上市企业在管理和运营上具有权威性和代表性。因此，本文选取中国沪深交易所上市的18家具有代表性的物流企业，对其2012—2016年的年报数据运用DEA软件进行分析。同时，为了更好地分析差异，本文把物流业分为港口类、航空类和运输类。由于物流行业的多元化发展，一些物流公司除物流业务外还有租赁、制造、房地产等业务。为了保证DEA模型数据的有效性和研究结果的准确性，本文选取了物流业务占公司主营业务收入60%以上的物流公司作为研究对象，同时剔除了数据不全和数据为负值的企业。

(二)指标选择

指标体系是对物流企业效率评价的基本依据，因此运用DEA模型评价物流企业效率时，投入变量与产出变量的选取至关重要。本文将不同的公司作为生产的决策单元。通过文献查阅发现，对物流企业效率评价的投入变量与产出变量并未形成统一的标准。因此，指标的选择对于客观准确评价物流企业效率至关重要。表1列出了相关文献对于物流企业效率评价指标的选择，为本文提供参考。

表1 相关学者们构建过的指标体系

本文结合文献研究的成果，制定了相关的指标体系。选取固定资产、员工人数为投入指标，利润总额为产出指标，并对相关的指标进行了具体分析。

固定资产是企业总资产中的重要组成部分，也是企业资产中创造价值的主要资产。物流企业的固定资产能否被合理利用，以及使用效率的高低，直接影响了物流企业的经济效率。本文选取固定资产作为第一个投入变量。

员工是企业生产经营活动的主要运作者，是企业最重要的人力资源。相对于发达国家，我国物流业的发展水平较低，而且属于劳动密集型产业，主要依靠大量劳动力资源，对技术的依赖程度相对较低。在物流行业中，运输人员，搬运人员，装卸和配送人员占有很大的比重，且员工的流动性非常高。劳动力是物流行业发展的驱动因素，所以劳动力数量(员工人数)为第二个投入变量。

利润是企业的重要经营成果，也是衡量企业经营与发展状况的重要指标，在利润指标的选取上，考虑到各地税收政策的差异，有些企业净利润可能为零甚至为负值，为保证DEA模型数据的有效性，本文选取利润总额为产出变量。

四、数据处理及分析

运用DEAP2.1软件，把18家上市物流企业的投入与产出数据代入DEA模型中的CRS和VRS进行求解，得到18家上市物流企业近5年的技术效率、纯技术效率与规模效率。

(一)技术效率

技术效率是指在给定投入要素的条件下实现最大产出的能力，反映了对资源的有效利用率[12]。由表2得到我国18家上市物流公司的技术效率均值为0.325，表明我国上市物流公司效率水平偏低，投入产出组合低下，资源利用率低，还存在67.5%的提升空间。其中盐田港近5年的技术效率都为1，达到DEA有效，说明盐田港近5年都处于在投入固定的情形下，获得最大产出，或在产出固定的情形下，投入最低。上海机场、上港集团、深赤湾、外运发展，技术效率分别为0.599、0.564、0.549、0.531，说明这四家企业投入产出组合效率较高，资源利用比较合理，但还存在很大的提升空间，这些企业应尽快调整投入产出的比例，以达到DEA有效。

从公司类型看，运输类物流企业平均技术效率为0.241，港口类为0.459，航空类为0.259，港口类技术效率最高，运输类最低。说明近5年港口类的物流企业发展态势高于运输类和航空类。港口业的发展，主要得益于港口物流产业的兴起，港口业大多处于经济发达地区，以及港口交通设施的完善，因此，港口业的物流效率取得了很大进步。

表2 技术效率

纵向比较来看，2013—2014年，技术效率的总体均值由0.309降至0.268，这是因为油价上涨，使得物流企业运输成本提高。此外，航空业还受到汇兑损失的影响。2014—2015年，国际原油价格下跌，“一带一路”倡议的实施，物流企业总体均值由0.268提升至0.337，2016年达到0.403，说明我国在经济转型发展的重要时期，“一带一路”倡议的实施，加大了物流需求，物流技术效率有所提高。

(二)纯技术效率

纯技术效率是企业制度和管理水平带来的效率，是企业由于管理和技术等因素影响的生产效率。纯技术效率=1，表示在目前的技术水平上，其投入资源的使用是有效的。纯技术效率值越高，资源配置合理程度越高。从表3来看，我国物流企业的纯技术效率要优于技术效率(0.640>0.325)；18家上市物流企业的纯技术效率值在0.600左右波动，表明目前我国物流企业的资源配置和利用水平较高，但是对资源的利用能力还有40%左右的上升空间。上港集团、盐田港近5年的纯技术效率都为1，说明其在18家上市物流企业中达到DEA有效，投入要素组合最为合理有效。外运发展、保税科技、大秦铁路有4年达到DEA有效，纯技术效率都为1，说明这三家企业纯技术效率水平比较稳定，且维持在较高水平。18家企业中，有10家企业达到了均值以上，占总体样本的67%，说明我国物流企业总体资源配置与技术利用效率较高，但先进物流技术的推广还不足。

表3 纯技术效率

从公司类型看，运输类物流企业的平均纯技术效率为0.673，港口类为0.643，航空类为0.605。运输类物流企业的纯技术效率明显优于港口类和航空类，近5年的管理水平和技术投入都高于港口类和航空类。

从纵向比较来看，铁龙物流的近5年的纯技术效率呈下行趋势，说明近5年技术管理水平较低，其未来发展的着力点是进一步提高技术管理水平，完善投入要素的配置机制，努力提高资源的配置效率。

(三)规模效率

规模效率是由于企业规模因素影响的生产效率，反映企业离规模最优状态的程度[13]。规模效率=1，说明规模效率有效。规模效率<1时，规模效率无效，此时又分为规模报酬递增和规模报酬递减。如表4所示，相对于纯技术效率，我国上市物流企业的规模效率较低，总体均值为0.521。从数量上，只有1家企业盐田港近5年达到DEA有效，占样本量的5.6%。因此，造成我国物流企业总体效率低的主要原因是规模效率低下而非纯技术效率低，即公司存在过多的资源浪费问题。

表4 规模效率

盐田港近5年的经营绩效都达到了比较理想的状态，企业的投入满足了发展的要求，公司不需要调整规模，只需维持较好的发展状态。保税科技等其他公司在2012—2016年均存在着规模报酬发生变化的情况，说明企业的投入要素的资源配置与投入规模存在很大的波动性，企业规模成为制约企业效率提高的关键。18家企业中，15家企业处于规模报酬递减的状态，这些企业存在超越最优投入规模水平、过度投入资源导致资源浪费的现象，应适时调整资本结构，收缩资本，加强内部管理，提高生产效率。由此可见，物流企业的规模与生产效率没有必然的关系。企业规模扩大而提升生产效率往往出现在企业发展的初期，企业管理层不能仅仅把扩大规模作为企业的发展目标，更应该把企业发展的核心放在技术与管理方面，将生产调整至最佳状态。

五、政策建议与结论

通过对18家上市物流企业的数据分析，可以看出我国物流企业的总体技术水平偏低。技术效率等于纯技术效率与规模效率的乘积，是两者共同影响的结果[8]。由上文分析可知我国上市物流企业的规模效率低是造成我国总体技术水平低的主要原因，即很多企业存在过度扩张而导致的资源浪费现象；纯技术效率较高，但仍有改进的空间。因此，为了改善我国目前上市物流企业效率低下的问题，本文提出如下建议。

(一)优化资源配置

本文通过对上市物流企业的效率的评价，发现达到DEA有效的企业较少，反映了企业在资源配置过程中的问题，即产出不足或投入冗余，优化企业资源配置是根本。在当今企业的生产与发展中，物流企业经济效率的高低，不仅仅取决于企业所拥有的资源的规模，还与资源的配置情况密切相关。其中，资源配置涵盖人力资源和物资资源两个方面。

首先，关注物流人才的培养。我国物流业发展水平低，属于劳动密集型产业，员工素质的高低直接影响企业的生产效率[14]。因此，完善人才考评机制，招聘职业技能水平能够满足当前岗位需求的员工以及引进物流高素质人才，给企业发展注入新的物流理念和物流管理方法。另一方面，企业要及时对相关人员进行培训。由于经济的快速发展和科技的不断进步，新的技术在物流行业得以推广，使得没有经过培训的员工在利用这些技术时，无法发挥其应有的作用，造成技术资源的浪费。因此，企业对员工要定期进行培训以提高员工的素质，进而提升企业的生产效率，降低成本。

其次，在企业对物资采购与保管时，如果不按照实际工作情况进行配置，就会导致资源的浪费。因此，企业要与时俱进，凭借已有的优势资源，及时调整资源，通过资产重组，整合资源，提高竞争力，提升企业效率。

(二)引进先进技术，持续推进物流技术创新

现代物流企业的竞争不仅仅是价格的竞争，提高物流服务水平，增强物流技术水平才是经营的重点。物流企业可以通过大数据技术进行分析并预测企业未来发展的趋势。大数据技术在物流企业的应用能够大大提高物流企业的运行效率，基于互联网大数据的智慧物流是今后物流业的发展方向。

1.提高管理层对大数据技术的认识度

目前，国内的云计算技术和大数据产业处于起步阶段，企业的高层管理者对物流大数据的概念和技术缺乏科学而系统的了解，物流企业的技术人员缺乏系统的关于计算机技术的培训和考核。政府要提高对大数据发展战略的认识，加大在物流信息技术方面的投入，加快物流公共信息平台的建设，实现信息共享，加强信息沟通[15]。企业管理者应变革思维模式，抓住时代的脉搏，加快核心技术的研发与应用，迅速开展物联网传感技术、GPS、大数据处理技术的学习。例如在数据收集时，主要筛选与物流相关的信息，如客户订单需求及订货量、物流配送路线选择、仓库选址等信息。大数据处理技术的应用提高了对物流数据的分析和处理能力，使得物流员工从传统的日常业务中解放出来，他们可以关注具有战略导向的工作，将大数据转化为资源优势，提供更加专业的信息支持，为企业创造更多的利润空间。

2.加强安全防护

虽然大数据在物流企业的应用能够提高物流企业的运行效率，助力企业发展，但是在企业高效的管理和利用大数据之前，大数据可能转变为大风险。这是因为数据在存储和传输时，如果技术不完善，数据很可能面临被篡改和截留的风险。物流企业的数据安全不仅关系到当事企业，也与许多的利益相关者密切相关，数据一旦泄露，企业不仅面临巨大的经济和信用损失，严重的还要承担法律责任。目前，对数据的安全保护监管主要由公安、工业和信息化等部门监管，多头监管难免导致工作中的推诿扯皮，因此政府要明确各个部门的职责，确保监管没有漏洞。物流企业要建立更加安全的用户访问制度，发展符合自身需要的信息管理系统。

(三)加快物流标准化建设

随着全球一体化和物流国际化的发展，物流企业也认识到物流行业的标准化管理的重要性。我国物流行业的发展与发达国家存在很大的差距，而物流的标准化建设仍处于探索和起步阶段。因此，我国应针对当前物流标准存在的问题，开展物流标准化的研究工作。例如，制定标准化的物流工作规范、专业术语以及工作流程。加快我国物流与国际物流的顺利接轨。物流行业的标准应该由国家物流业标准化委员会制定，根据不同行业的特征制定不同的物流行业运行标准。由于物流行业类型多，可以先试点，然后全面推行，达到循序渐进、逐步完善的效果。

(四)优化组织管理水平，建立适合我国物流行业的发展机制。

我国大部分上市物流企业是国有企业，机构臃肿，管理不力，借助体制优势盲目扩张投资，降低了企业的效率，政企不分严重影响着企业的发展，其体制缺陷成为企业发展的羁绊[16]。因此，政府要从企业的经营者转为引导者，使企业成为市场经营的主体，建立适合物流行业的现代企业制度对于提升物流行业的生产效率至关重要。

六、结束语

本文在阐释了物流企业效率的国内外研究成果的基础上，选取了18家上市物流企业作为研究对象，以固定资产、员工人数为投入变量，以利润总额为产出变量，运用DEA模型对2012—2016年的数据进行分析得出上市物流企业总体技术水平不佳的主要原因是规模无效率。企业需要通过各种方式调整资源，在发展过程中不断衡量经营规模，提高企业的规模效率。基于互联网大数据的智慧化物流是今后物流业的发展方向，企业应立足现实，抓住大数据的发展机遇，积极加入适合自身发展的物流信息平台。DEA这种科学而全面的绩效评价体系，能有效评估物流活动的动态绩效，使得企业在残酷的市场竞争中了解自己，认清形势，从而降低成本，提升企业的核心竞争力。

[1]Anthony R,Cornelia D.An Integrated Bench Marking Approach to Distribution Center Performance Using DEA Modeling[J].Journal of Operations Management,2002(1):19-32.

[2]刘翔.基于DEA法的中国上市物流企业效率评价[D].南昌：江西财经大学，2015.

[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[J].系统工程，2008(4):6-10.

[4]邓学平.中国物流企业生产效率的实证分析与研究[J].重庆大学学报(社会科学版)，2009(5):43-47.

[5]孟鑫.基于DEA模型的长江经济带物流产业效率分析[J].企业经济，2016(12):108-113.

[6]杨佳伟，王美强.基于网络DEA的中国上市物流企业绩效评价[J].企业经济，2016(11):125-130.

[7]徐新闻.中国物流产业效率及影响因素实证研究[D].重庆：重庆大学，2016.

[8]邢雯佳，万幼清.基于DEA的物流上市公司绩效评价与对策[J].科技创业，2014(3):38-41.

[9]王舒鸿，宋马林.基于DEA方法集的物流企业生产效率分析[J].物流技术，2010(8):52-55.

[10]李晓梅，白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析[J].中国流通经济，2016(4):26-33.

[11]翟卫东.中国上市物流企业生产管理效率的DEA模型研究[J].物流技术，2013(6):125-146.

[12]蔡丰.基于DEA的我国上市物流企业运营绩效评价研究[D].洛阳：河南科技大学，2015.

[13]高清华.物流企业服务创新及其绩效评价实证研究[D].长春：吉林大学，2012.

[14]王柳根.基于DEA和AHP的大型物流企业绩效评价和影响因素研究：以X公司为例[D].杭州：浙江大学，2011.

[15]王柏谊，孙庆峰.大数据时代物流信息平台构建与建设对策研究[J].情报科学，2016(3):52-61.

[16]唐建荣，刘淑芬.基于DEA的上市物流企业绩效评价研究[J].合作经济与科技，2015(5):65-67.