基于DEA-Malmquist的上市快递企业研发绩效研究*

□ 祁雨秋，雷艺琳，蒋铭为

(南京邮电大学 管理学院，江苏 南京 210003)

1 引言

当前，数字化消费的普及为物流行业提供了广阔的发展平台。国家邮政局发布的《2018年中国快递发展指数报告》显示，2018年我国快递业务量达到507.1亿件，同比增长26.6%。与2010年相比，业务量增速高达46.89%，远高于同期GDP增速7.4%，行业整体呈高速发展态势。随着行业规模的不断扩大，竞争压力逐渐加剧，企业同质化问题也日趋严重。在此背景下，快递企业开始注重自身研发水平以提高核心竞争力，降低企业经营成本。因此，对于快递企业的研发投入力度及绩效水平进行评价，发现其中存在的问题并提出相应的提优建议，有利于提升我国快递企业的科技实力，促进行业持续健康发展。本文采用DEA-Malmquist模型，对2017-2018年我国5家A股上市的快递企业研发绩效进行静态和动态分析，并提出相应建议。

2 文献综述

当前对于企业绩效的评价方法主要包括财务指标法、杜邦分析法、平衡记分卡法、模糊综合评价法、数据包络分析法(DEA)等。通过对各种方法进行综合比较分析，DEA法以其运算简便、结论客观等优势，被众多国内外学者广泛应用。[1]由于发展时间较短，大多快递企业近两年才选择上市，所以国内外学者的相关研究主要集中于物流领域。以下是对现有文献主要内容的整理：

表1 现有DEA模型及研究内容

综上所述可看出，国内外学者能够运用DEA建立不同模型，真实客观的反映物流行业绩效。但大多研究是对其整体绩效进行评估，缺乏从研发投入和创新绩效角度对行业的分析。此外，由于快递行业依托电子商务得以飞速发展，其对于信息技术和创新能力的要求远高于其他物流细分行业，而现有文献中缺乏对此的深入研究，无法为当前市场环境下的快递企业提供切实可行的意见和建议。因此，本文采用DEA-Malmquist指数法，从静态和动态两个层面对当前快递企业的研发投入和创新绩效进行评价，并对其提出意见和建议。

3 研究方法与数据来源

3.1 研究方法

数据包络分析方法(Data Envelopment Analysis，DEA)主要通过所有决策单元(DMU)中的极值来构建最优生产前沿面，并将其他DMU值与之比较，得出其相对有效性。目前DEA的基本模型主要包括CCR、BCC、超效率、平衡指数模型等。[11]

3.1.1 DEA-BCC静态模型

BCC是以规模报酬可变为前提的DEA模型，该模型改善了原先CCR模型中假设规模报酬不变这一缺陷，将技术效率分解为规模效率和纯技术效率。规模效率用来衡量各DMU投入与产出是否处于规模收益最大化的状态，反映企业战略规划水平；纯技术效率用来衡量目前技术水平上投入的资源是否有效，反映企业管理水平。在此模型下，总效率=技术水平×规模效率×纯技术效率。其模型具体如下：

其中，j=1,2,…,n表示决策单元，X,Y分别是投入、产出向量。若θ=1,S+=S-=0，则DMU DEA有效；若θ=1,S+≠0或S-≠0，则DMU弱DEA有效；若θ<1，则DMU DEA无效。[12]

3.1.2 DEA-Malmquist动态指数模型

Malmquist生产率指数最早在20世纪50年代由Malmquist提出，后被Fare等人将其与DEA法相结合，用以反映主体生产效率的变化趋势，其公式为：

其中M值表示全要素生产率，Sech为规模效率指数，Pech为纯技术效率指数，Tech为技术变化指数。M值大于1，则说明全要素生产率呈正增长趋势，整体绩效呈上升状态，反之则为下降状态；Sech大于1，则说明当前生产规模和研发投入水平已接近最优配比，反之则为远离最优配比；Pech大于1，则说明技术水平对创新绩效起到促进作用，反之则对创新绩效起阻碍作用；Tech大于1，则说明研发技术正在提升，反之则为正在衰退。[13]

3.2 指标与数据

3.2.1 投入与产出指标选取

参照我国在2013年发布的《企业创新能力评价指标体系》，并结合快递行业的特点，本文共选取4项投入指标和4项产出指标，具体如表2所示：

表2 投入与产出指标

3.2.2 数据来源

当前我国已上市的快递企业共有7家，分别为顺丰速运、圆通速递、中通快递、申通快递、韵达速递、百世快递、德邦物流，其中中通和百世选择在美国纽交所上市，且这7家企业上市时间集中于2017年前后。因此，本文选取2017-2018年在我国A股上市的顺丰、圆通、申通、韵达、德邦五家快递企业作为研究对象，所有数据来自于巨潮资讯网公布的企业年报。

4 研究结果

4.1 静态绩效分析

运用DEAP2.1软件将5家上市快递企业2017年的投入和产出数据代入DEA-BCC模型中进行测算，结果如表3所示。

从时间角度看，与2017年相比，2018年5家快递企业的创新绩效普遍提高，其中规模效率增速明显，且规模报酬由递减转为不变。这说明5家企业发现了前一年规模效率低下的问题，并对此进行调整，使得企业的生产规模与研发投入水平相适应，规模效益得以提高。

从行业角度看，2017和2018年的平均规模效率均低于平均纯技术效率，表明规模效率低下导致综合效率偏低。此外，近两年里规模报酬仍处于递减和不变状态，即增加研发投入并不会提升企业的创新绩效。这表明近两年里快递企业普遍存在生产规模与研发投入水平不相符的问题，导致研发资源存在浪费现象，从而制约了企业创新绩效的提升。

从企业角度看，申通近两年均实现了DEA有效，表明其技术创新能力与研发投入规模均达到最优状态，使得创新绩效最为显著。其他4家企业在2017年均未实现DEA有效，但在2018年逐渐调整企业战略，基本实现DEA有效，其中德邦发展速度最快，而顺丰仍处于DEA无效，且规模报酬为递减状态，表明依然存在生产规模与研发水平不相符的问题。

表3 2017-2018年静态绩效值

4.2 动态绩效分析

为深入研究5家快递企业近两年里创新绩效的变化趋势，本文将这5家企业2017-2018年的面板数据代入DEA-Malmquist指数模型中进行测算，结果如表4所示。但由于5家企业上市周期过短，其创新绩效的发展趋势不够明显，数据缺乏绝对的客观性。

全要素生产率是衡量企业整体创新绩效水平的变化趋势，而当前5家企业的整体创新绩效水平仍未呈现正增长趋势，其主要原因是技术水平未实现真正的提升。但值得肯定的是，5家企业的技术效率变化指数均大于1，这表明近两年里研发投入能够对创新绩效产生正向作用，且生产规模与研发投入水平已达到最优配比。从企业角度来看，德邦和韵达的创新绩效水平相对较高，顺丰和圆通次之，申通的创新绩效水平最低。

表4 2017-2018年动态绩效值

5 结论与建议

5.1 结论

本文采用DEA-Malmquist模型，以5家上市快递企业为研究对象，在已有文献的基础上，针对快递行业特点选择恰当的研发投入与产出指标，并根据其2017-2018年相关数据进行静态和动态分析，得出以下结论：

①近两年里，5家上市快递企业的创新绩效普遍大幅提高，其中以规模效率增速最为明显，基本达到企业生产规模与研发投入水平的最优配比，表明企业产业结构升级，规模效益明显。此外，企业技术和管理能力显著提升，有效提高了企业的创新绩效水平。

②目前5家企业虽然已实现技术水平对创新绩效的正向作用，但影响力度仍较弱，不能从根本上大幅提升企业的创新绩效水平。这一方面是由于企业上市时间较短，而技术研发周期普遍较长，现有数据不能客观的反映企业真实研发情况；另一方面能够说明企业目前的经营管理存在一定问题，需进一步提高研发投入对创新绩效的价值作用。

③5家快递企业整体创新绩效水平较低，其原因包括两方面。第一，企业生产规模与研发投入水平仍存在不协调问题，规模报酬未呈现递增趋势，企业仍未实现规模效益最大化。第二，企业技术水平普遍较低，现有研发成果科技含量有待提高，企业绝对竞争优势不明显。

5.2 建议

根据以上对于快递企业现状的总结，结合当前市场环境和政策要求，本文对政府和快递企业提出如下几点建议：

政府层面：

①加强对快递企业研发的扶持力度。快递行业已逐渐成为新时代经济发展的重要支柱，这对快递企业的科技水平和经济实力都提出了较高的要求。因此，政府应提高对快递企业的关注度，加强对其研发资金的扶持，引进国外先进技术，为快递企业的持续健康发展提供优越条件。

②加强对快递企业人才的培养和输出。人才是新时代下国家和企业发展的第一资源，对于当今时代发展迅猛的快递企业，政府不仅要给予充足的资金支持，还应联合高校、研究院等科研机构向企业输出专业的技术和管理人才。

企业层面：

①坚持提高自主创新能力。随着消费者对于快递企业配送价格及质量的要求不断提高，快递企业必须努力提升信息化、智能化水平。积极引进大数据、人工智能、云存储等高新技术，降低经营成本，提高服务质量。

②加强人才培养。一方面，企业要不断引进研发人员，优化员工结构，提高企业研发实力；同时，深化校企合作，提高产学研绩效。另一方面，要注重培养员工的管理能力，提高整体管理水平，充分利用各项投入，使企业的规模效率和技术效率尽快达到最优状态。